Chapitre 4 : Applications linéaires I. Applications Dans ce paragraphe, on s’intéresse à des applications allant d’un ensemble à un autre (sans aucune structure d’espace vectoriel). Un ensemble est un « regroupement » d’une liste d’éléments. Une application d’un ensemble ܣvers un ensemble ܤest la donnée, pour chaque élément de ܣ, d’un élément de ܤ. L’application consiste à associer ainsi un élément de ܤà chaque élément de ܣ. Définition : L’élément ܾ de ܤqu’on associe à l’élément ܽ de ܣest appelé image de ܽ par l’application, qu’on va noter ݂ , et on écrit ܾ = ݂(ܽ) . ܽ est alors antécédent de ܾ par ݂. Plus généralement, on appelle antécédent par ݂ de ܾ ∈ ܤtout élément ܽ ∈ ܣtel que = ݂(ܽ) . Remarque : Si ݂ est une application de ܣvers ܤ, tout élément de ܣa une image par ݂ et elle est unique. Un élément de ܤpeut avoir 0,1 ou plusieurs antécédents. Définition : Soit ݂: ܤ → ܣ. ݂ est injective si et seulement tout élément de ܤadmet au plus un antécédent par ݂. Propriété : Soit ݂: ܤ → ܣ. ݂ est injective si et seulement si ݂(ܽଵ ) = ݂(ܽଶ ) → ܽଵ = ܽଶ Définition : Soit ݂: ܤ → ܣ. ݂ est surjective si et seulement tout élément de ܤadmet au moins un antécédent. Définition : Soit ݂: ܤ → ܣ. ݂ est bijective si et seulement si ݂ est à la fois injective et surjective. Propriété : ݂ est bijective si et seulement si tout élément de ܤadmet un unique antécédent par ݂. MATHS2 – chap4 Page 1 II. Applications linéaires On va s’intéresser à des applications d’un espace vectoriel à un autre espace vectoriel qui respecte les opérations existantes dans ces espaces vectoriels. Définition : Soit ܧet ܨ2 espaces vectoriels sur ॶ. Soit ݂ une application de ܧvers ܨ. ݂ est dite linéaire si et seulement si : i. ∀ ݔ, ܧ ∈ ݕ ݂( ݔ+ )ݔ(݂ = )ݕ+ ݂()ݕ ∀ߣ ∈ॶ ݂(ߣ)ݔ(݂ߣ = )ݔ ii. ∀ ܧ ∈ ݔ Propriété : ݂ est linéaire si et seulement si elle transforme une combinaison linéaire en la combinaison linéaire des images, c'est-à-dire : ∀ ߣ, ߤ ∈ ॶ ݂(ߣ ݔ+ ߤ )ݔ(݂ߣ = )ݕ+ ߤ݂()ݕ ∀ ݔ, ܧ ∈ ݕ Propriété : Soit ݂: ܨ → ܧune application linéaire. i. ݂(0ா ) = 0ி ii. ݂(− = )ݔ−݂()ݔ Notation : On note ܧ(ܮ, )ܨl’ensemble des applications linéaires de ܧvers ܨ. Définition : Lorsque ܨ = ܧ, on appelle une application linéaire de ܧvers ܧun endomorphisme de ܧet on note )ܧ(ܮau lieu de ܧ(ܮ, )ܧ. Notation : Soit ݂ ∈ ܧ(ܮ, )ܨet soit ܸ ∈ ܧun sous-espace vectoriel. On note ݂(ܸ) = ሼ݂( )ݒ, ܸ ∈ ݒሽ . Soit ܹ ⊂ ܨun sous-espace vectoriel. On note ݂ ିଵ (ܹ) = ሼܧ ∈ ݔ, ݂(ܹ ∈ )ݔሽ l’image réciproque de ܹ. Remarque : Dans l’image réciproque, le « −1 » en exposant est une notation et on ne suppose pas l’existence d’une application réciproque. Propriété : Avec ces mêmes notations : Soit ܸ un sous-espace vectoriel de ܧ, ݂(ܸ) est alors un sous-espace vectoriel de ܨ. Soit ܹ un sous-espace vectoriel de ܨ, ݂ ିଵ (ܹ) est alors un sous-espace vectoriel de ܧ. Remarque : MATHS2 – chap4 ݂ ିଵ (ܧ = )ܨ ݂(ሼ0ா ሽ) = ሼ0ி ሽ Page 2 Définition : Soit ݂ ∈ ܧ(ܮ, )ܨ. i. On appelle image de ݂, noté ݂ ݉ܫ, le sous-espace vectoriel de ܨconstitué des images de tous les éléments de ܧ, c'est-à-dire ݂( )ܧ. ii. On appelle noyau de ݂, noté ݂ ݎ݁ܭ, le sous-espace vectoriel de ܧconstitué des antécédents de 0ி , c'est-à-dire ݂ ିଵ (ሼ0ி ሽ) . Propriété : i. ݂ est surjective si et seulement si ܨ = ݂ ݉ܫ. ii. ݂ est injective si et seulement si = ݂ ݎ݁ܭሼ0ா ሽ On se place désormais dans la situation où dim ܧet dim ܨsont finies. Définition : On appelle rang de ࢌ ∈ ࡸ(ࡱ, ࡲ) , la dimension de l’image de ݂, noté ݂ ݃ݎ, c'est-à-dire = ݂ ݃ݎdim ݂ ݉ܫ. Théorème : formule du rang Soit ݂ ∈ ܧ(ܮ, )ܨ. On a alors : dim = ܧdim = ݂ ݎ݁ܭdim = ݂ ݉ܫdim ݂ ݎ݁ܭ+ ݂ ݃ݎ Remarque : Ce théorème sert très souvent dans les exercices. Il permet, si on connaît la dimension du noyau, de connaître celle de l’image et réciproquement. Propriété : i. ݂ est surjective si et seulement si = ݂ ݃ݎdim ܨ. ii. ݂ est injective si et seulement si dim = ݂ ݎ݁ܭ0 . Propriété : (cas particulier des endomorphismes) Soit ݂ ∈ )ܧ(ܮ. Les propriétés suivantes sont équivalentes : i. ݂ est injective. ii. ݂ est surjective. iii. ݂ est bijective. Remarque : C’est une conséquence du théorème du rang. III. Applications linéaires et familles de vecteurs Propriété : Soit ݂ ∈ ܧ(ܮ, )ܨ. Soit (ݒଵ … ݒ ) un famille de génératrice de ܧ. Alors, la famille ൫݂(ݒଵ ) … ݂(ݒ )൯ est une famille génératrice de ݂(( )ܧattention : pas de ܨ lui-même). MATHS2 – chap4 Page 3 Remarque : • L’image d’une famille génératrice de ܧn’est pas généralement une famille génératrice de ܨ. • L’image d’une famille libre n’est pas généralement une famille libre. • L’image d’une famille liée est toujours une famille liée. • L’image par ݂ d’une base de ܧn’est généralement pas une base de ܨ, ni même une base de ݂( )ܧ. On peut par contre déduire de la propriété une méthode pour calculer le rang de ݂. Soit (ݒଵ … ݒ ) une famille génératrice de ܧ. Alors (݂(ݒଵ ) … ݂(ݒ )) forme une famille génératrice de ݂()ܧ Par échelonnement, on déduit une base de ܧ. D’où : dim ݂( = )ܧdim ݂ ݃ݎ = ݂ ݉ܫ Et en particulier, cette méthode peut partir d’une base de ܧ. Propriété : Soit ݂ ∈ ܧ(ܮ, )ܨ. ݂ est entièrement déterminée si on connait les images des vecteurs d’une base de ܧ. En effet, tout élément de ܧest combinaison linéaire des vecteurs de base et ݂ transformant une combinaison linéaire en une combinaison linéaire des images, on obtient le résultat. Propriété : (cas particulier des endomorphismes) Soit ݂ ∈ )ܧ(ܮ. Alors ݂ est bijective si et seulement si l’image par ݂ d’une base de ܧest une base de ܧ. IV. Applications linéaires et matrices Soit ݂ ∈ ܧ(ܮ, )ܨavec dim = ܧet dim ݊ = ܨ. Soit = ܤ൛ݒଵ , ݒଶ , … , ݒ ൟ une base de ܧet ܤᇱ = ሼݓଵ , ݓଶ , … , ݓ ሽ une base de ܨ. On a vu que si on connait ൫݂(ݒଵ ) … ݂(ݒ )൯ , on connait entièrement l’application linéaire ݂. Or : ݂(ݒଵ ) = ߣଵଵ ݓଵ + ߣଶଵ ݓଶ + ⋯ + ߣଵ ݓ ܽߣ ܿ݁ݒଵ ∈ ॶ De même : ݂൫ݒ ൯ = ߣଵ (ݓଵ ) + ߣଶ (ݓଶ ) + ⋯ + ߣ (ݓ ) ܽߣ ܿ݁ݒ ∈ ॶ Ceci pour ݆ = 1 … . on a ainsi ݊ × coefficients ݆݅ . Définition : On appelle matrice de ݂ par rapport aux bases ܤet ܤ′ respectivement de ܧet ܨla matrice dont les coefficients sont les ൫ߣ ൯ ୀଵ… . ୀଵ… Remarque : Il s’agit d’une matrice de ܯ (ॶ) . Elle a autant de lignes que dim ܨet autant de colonnes que dim ܧ. Cette matrice est obtenue colonne par colonne, chaque colonne correspondant à un vecteur de la base ܤdont on donne les composants dans la base ܤ′. MATHS2 – chap4 Page 4 Remarque : Cette matrice est dépendantes des choix des bases ܤet ܤ′. Pour une même application linéaire, on peut avoir des matrices différentes si on choisit des bases différentes. Exemple : Soit ݂: ℝଷ → ℝଶ i. ii. ݔ 2 ݔ+ 2 ݕ+ ݖ ቆݕቇ ⟶ ൬ ൰ ݔ− ݕ+ 2ݖ ݖ ݂ est-elle linéaire ? ݔ ݔ+ ݔᇱ ݔᇱ 2( ݔ+ ݔᇱ ) + 2( ݕ+ ݕᇱ ) + ( ݖ+ ݖᇱ ) • ݂ ቌቆݕቇ + ൭ ݕᇱ ൱ቍ = ݂ ൭ ݕ+ ݕᇱ ൱ = ൬ ൰ ( ݔ+ ݔᇱ ) − ( ݕ+ ݕᇱ ) + 2( ݖ+ ݖᇱ ) ᇱ ᇱ ݖ ݖ+ݖ ݖ 2 ݔ+ 2 ݕ+ ݖ+ 2 ݔᇱ + 2 ݕᇱ + ݖ′ 2 ݔ+ 2 ݕ+ ݖ 2 ݔᇱ + 2 ݕᇱ + ݖ′ =൬ ൰ = ൬ ൰ + ൬ ൰ ݔ− ݕ+ 2ݖ ݔ− ݕ+ 2 ݖ+ ݔᇱ − ݕᇱ + 2ݖ′ ݔᇱ − ݕᇱ + 2ݖ′ ݔ ݔ′ = ݂ ቆݕቇ + ݂ ൭ݕ′൱ ݖ ݖ′ ݔ ߣݔ 2ߣ ݔ+ 2ߣ ݕ+ ߣݖ 2 ݔ+ 2 ݕ+ ݖ • ݂ ቌߣ ቆݕቇቍ = ݂ ൭ߣݕ൱ = ൬ ൰ = ߣ൬ ൰ ݔ− ݕ+ 2ݖ ߣ ݔ− ߣ ݕ+ 2ߣݖ ݖ ߣݖ ݔ = ߣ݂ ቆݕቇ ݖ ⟹ ݂ est une application linéaire. ?= ݂ ݎ݁ܭ ݔ ݔ 0 ଷ On cherche les éléments ቆݕቇ ∈ ℝ tels que ݂ ቆݕቇ = ቀ ቁ 0 ݖ ݖ Ce qui se traduit par : 2 ݔ+ 2 ݕ+ = ݖ0 4 ݕ− 3 = ݖ0 ൜ → ൜ ݔ− ݕ+ 2 = ݖ0 ݔ− ݕ+ 2 = ݖ0 On obtient un système échelonné de 2 équations à 3 inconnues. Par conséquent, les solutions forment un sous-espace vectoriel de dimension 1. MATHS2 – chap4 Page 5 On garde ݖcomme paramètre, d’où : 3 3 5 ݖ =ݕ ݁ݐ ݕ = ݔ− 2 ݖ = ݖ− 2 = ݖ− ݖ 4 4 4 Les solutions sont donc : 5 5 − − ݖ ۇ4 ۊ ۇ4 ۊ1 −5 = ݖ 3 ۈ ۋ ۈ3 = ۋ4ݖ൭ 3 ൱ ݖ 4 4 4 ی ݖ ۉ ۉ1 ی iii. −5 Le noyau est le sous-espace vectoriel de dimension 1 de ℝଷ dont une base est ൭ 3 ൱ 4 On applique le théorème du rang : dim ᇣᇤᇥ = ܧdim ݎ݁ܭ ݂ + dim ݂ ݉ܫ ᇧᇥ ᇣᇧᇧᇤᇧ ଷ ଵ = ݂ ݃ݎdim = ݂ ݉ܫ2 Donc ݂ ݉ܫest un sous-espace vectoriel de dimension 2 de ℝଶ . Donc : dim = ݂ ݉ܫℝଶ ݂ est surjective (tout élément de ℝଶ est atteint). On a donc : iv. 1 0 0 1 0 On choisit sur ℝଷ la base canonique ൭0൱ ൭1൱ ൭0൱ et sur ℝଶ la base ቀ ቁ ቀ ቁ . 0 1 0 0 1 1 0 0 2 2 1 ݂ ൭0 ൱ = ቀ ቁ ݂ ൭1൱ = ቀ ቁ ݂ ൭0൱ = ቀ ቁ 1 −1 2 0 0 1 D’où la matrice de ݂ par rapport aux bases canoniques de ℝଷ et de ℝଶ : ଵ ൭൱ ൮ ฎ 2 1 ൭ଵ൱ ฎ 2 −1 ൭൱ ଵ ฎ 1 2 ൲ ଵ ቀ ቁ ቀ ቁ ଵ 1 1 0 2 ݂ ൭0൱ = 2 ቀ ቁ + 1 ቀ ቁ = ቀ ቁ 0 1 1 0 Appelons ܣcette matrice. On a bien ܯ ∈ ܣଶଷ (ℝ) (autant de lignes que dim = ܨdim ℝଶ = 2 et autant de colonnes que dim = ܧdim ℝଷ = 3 2 2 ݃ݎቀ 1 −1 v. 0 0 1 1 0 ቁ ሱۛۛۛۛۛۛሮ ݃ݎቀ ቁ ሱۛۛۛۛۛۛሮ ݃ݎቀ ← ିଶ ←ିଵ/ଷ భ భ య భ −3 −5 2 భ 2 1 మ ←మ ିଶయ 0 0 ሱۛۛۛۛۛۛሮ ݃ݎቀ భ ←భ ିమ 0 1 2 ቁ=2 2 మ ←ିଵ/ହమ 0 1 ቁ 1 2 1 2×1+2×2+3 9 ݂ ൭2൱ = ቀ ቁ=ቀ ቁ 1−2+2×3 5 3 Or : 1 1 9 2 2 1 ቁ ൭2 ൱ = ቀ ቁ ܣ ณ ൭2 ൱ = ቀ 5 1 −1 2 (ଶ,ଷ) ถ 3 3 (ଷ,ଵ) MATHS2 – chap4 Page 6 Et plus généralement : ݔ 2 2 ܣቆ ݕቇ = ቀ 1 −1 ݖ ݔ 2 ݔ+ 2 ݕ+ ݖ 1 ݕ ቁቆ ቇ = ൬ ൰ ݔ− ݕ+ 2ݖ 2 ݖ Notation : la matrice ݂ ∈ ܧ(ܮ, )ܨpar rapport aux bases ܤet ܤ′ est notée ܯᇲ (݂) . Propriété : Le rang de ݂ (c'est-à-dire dim ) ݂ ݉ܫest égal au rang de ܯᇲ (݂) . Conséquences : Le rang de toute matrice représentant ݂ est le même, indépendamment du choix des bases. Propriété : Soit ݂ ∈ ܧ(ܮ, )ܨet ܤ, ܤ′ respectivement bases de ܧet ܨ. On note ܯ = ܯᇲ (݂) . Soit ܺ ∈ ܯଵ (ॶ) contenant les coefficients de la décomposition d’un vecteur ܧ ∈ ݔsuivant ܤ. Alors ܻ ∈ ܯଵ (ॶ) contenant les coefficients de la décomposition de ݂( )ݔsuivant ܤ′ est obtenue par : ܻ = ܺܯ Cas particulier d’un endomorphisme : La matrice d’un endomorphisme est une matrice carrée. Propriété : Soit ݂ ∈ )ܧ(ܮavec dim ݊ = ܧ. On choisit une base ܤde ܧet on note ܯ = ܯ (݂) . ݂ est bijective si et seulement si det ≠ ܯ0 . Propriété : Soit ݂ ∈ )ܧ(ܮavec dim ݊ = ܧ. Soient ܤଵ et ܤଶ deux bases de ܧet notons ܯଵ = ܯଵ (݂) et ܯଶ = ܯଶ (݂) . Alors : det ܯଵ = det ܯଶ Définition : On appelle déterminant d’un endomorphisme ݂ ∈ )ܧ(ܮla valeur prise par le déterminant d’une quelconque des matrices représentant ݂ dans une base de ܧet on le note det ݂ . Définition : Un endomorphisme bijectif est appelé automorphisme. MATHS2 – chap4 Page 7 V. Changement de base Définition : Soit ܧun espace vectoriel de dimension ݊ sur ॶ . Soient ܤଵ et ܤଶ deux bases de ܧ. ܤଵ = ሼ݁ଵ , ݁ଶ , … , ݁ ሽ ܤଶ = ሼ݂ଵ , ݂ଶ , … , ݂ ሽ On peut écrire : ݂ଵ = ߙଵଵ ݁ଵ + ߙଶଵ ݁ଶ + ⋯ + ߙଵ ݁ … ݂ = ߙଵ ݁ଵ + ߙଶ ݁ଶ + ⋯ + ߙ ݁ ܽ = ݆ ܿ݁ݒ1 … ݊ On appelle matrice de passage de la base ܤଵ à la base ܤଶ notée ܲభ →మ la matrice de ܯ (ॶ) dont les coefficients sont les ߙ provenant des décompositions ci-dessus. Remarque : Soient ܤଵ et ܤଶ deux bases de ܧ, espace vectoriel sur ॶ de dimension ݊ . Soit ܧ ∈ ݔ . ܽ = ݔଵ ݁ଵ + ܽଶ ݁ଶ + ⋯ + ܽ ݁ = ܾଵ ݂ଵ + ܾଵ ݂ଶ + ⋯ + ܾ ݂ Soit ܺଵ ∈ ܯଵ (ॶ) contenant les coefficients de la décomposition de ݔsuivant ܤଵ . Soit ܺଶ ∈ ܯଵ (ॶ) contenant les coefficients de la décomposition de ݔsuivant ܤଶ . Propriété : Soit ܧun espace vectoriel de ॶ et ܤଵ , ܤଶ deux bases de ܧet ܲభ →మ la matrice de passage. Alors ܲభ →మ est inversible et ܲమ →భ = ܲభ →మ ିଵ . Exemple : Soit = ܧℝଷ . ݂ଵ = 1݁ଵ + 1݁ଶ + 0݁ଷ భ మ య ᇩᇭᇪᇭᇫ , (0,1,0) ᇩᇭᇪᇭᇫ , (0,0,1) ᇩᇭᇪᇭᇫൡ ܤଵ = ൝(1,0,0) ܤଶ = ൝(1,1,0) ᇣᇧᇤᇧᇥ , (1,1,1) ᇣᇧᇤᇧᇥ , (1,0,0) ᇣᇧᇤᇧᇥൡ భ మ య ݂ଶ = 1݁ଵ + 1݁ଶ + 1݁ଷ 1 1 1 ܲభ →మ = ൭1 1 0൱ 0 1 0 Dans la base ܤଶ , le vecteur ݂ଵ s’écrit : 1݂ଵ + 0݂ଶ + 0݂ଷ 1 Donc, ܺଶ , matrice représentant dans ܤଶ est ൭0൱ . 0 MATHS2 – chap4 ݂ଷ = 1݁ଵ + 0݁ଶ + 0݁ଷ Page 8 On calcule ܲభ →మ : 1 1 ܺଶ = ൭1 1 0 1 1 1 1 0൱ ൭0൱ = ൭1൱ 0 0 0 On retrouve les coefficients de la décomposition de ݂ଵ suivant ܤଵ . On veut connaitre ܲభ →మ ିଵ : 0 0 1 1 −1 0 1 1 1 1 0 0 ൭1 1 0൱ ൭0 1 0൱ ሱۛۛۛۛۛሮ ൭1 1 0൱ ൭0 1 0൱ భ →భ ିమ 0 1 0 0 0 1 0 1 0 0 0 1 1 1 0 0 1 0 1 0 0 0 ሱۛۛۛۛሮ ൭0 1 0൱ ൭0 0 1൱ ሱۛۛۛۛۛሮ ൭0 1 0൱ ൭0 é ← ି 0 0 1 1 −1 0 భ భ మ 0 0 1 1 On en déduit : ݁ଵ = 0݂ଵ + 0݂ଶ + 1݂ଷ ቐ ݁ଶ = 1݂ଵ + 0݂ଶ − 1݂ଷ ݁ଷ = −1݂ଵ + 1݂ଶ + 0݂ଷ 1 −1 0 1൱ −1 0 Propriété : Soit ݂ ∈ ܧ(ܮ, )ܨ. Soient ܤଵ , ܤଶ deux bases de ܧ. Soient ܤ′ଵ , ܤ′ଶ deux bases de ܨ. Alors : ܯమ ᇱమ (݂) = ܲᇱమ →ᇱభ ܯభ ᇱభ (݂)ܲభ →మ Ou encore : ܯమ ᇱమ (݂) = ܲᇱభ →ᇱమ ିଵ ܯభ ᇱభ (݂)ܲభ →మ Cas particulier d’un endomorphisme : Soit ݂ ∈ )ܧ(ܮ. Soient ܤet ܤ′ deux bases de ܧ. Propriété : On a alors : ܯᇲ (݂) = ܲ→ᇲ ିଵ ܯ (݂)ܲ→ᇲ Conséquences : Ceci permet de vérifier que det ܯᇲ (݂) = det ܯ (݂) . En effet : det ܯᇲ (݂) = det൫ܲ→ᇲ ିଵ ܯ (݂)ܲ→ᇲ ൯ = det ܲ→ᇲ ିଵ det ܯ (݂) det ܲ→ᇲ Peut-on trouver un changement de base de manière à trouver une base suivant laquelle la matrice de ݂ est la plus simple possible ? MATHS2 – chap4 Page 9