2014/2015
MP, Lycée Berthollet
http://mpberthollet.wordpress.com
EXEMPLES
IL’ensemble des solutions du système linéaire homogène associé à une matrice A∈Mn,p est
le noyau de LA∈L(Rp,Rn). On retrouve ainsi sa structure de sous-espace vectoriel de Rp.
On parlera souvent du noyau de la matrice A, plutôt que du noyau de l’application linéaire
canoniquement associée à A.
I{f∈F(R,R)telles que f(π)=0}est le noyau de l’opérateur d’évaluation en π.
If∈F(R,R)telles que Z1
0
f(t)dt = 0est le noyau de l’intégrale.
Expiquons maintenant ce que cela donne lorsque f=LA:
Proposition .6 (Image et Noyau d’une matrice)
Soit A∈Mn,p(K). Notons C1, . . . , Cpses colonnes.
1./ Le noyau de LAest l’ensemble des
x1
.
.
.
xp
∈Kptels que x1.C1+· · · +xp.Cp= 0.
2./ L’image de LAest Vect (C1, . . . , Cp), sous-espace vectoriel de Kn.
Ainsi, toute combinaison linéaire nulle des vecteurs colonne de Aprésente deux intérêts : elle fournit
à la fois un vecteur du noyau de A, et permet d’éliminer un des vecteurs colonnes lorsque l’on cherche
à extraire de (C1,...Cp)une base de l’image de A.
Dans le cadre linéaire, l’injectivité et la surjectivité d’une application se traduit par des égalités de
sous-espaces vectoriels :
Proposition .7 (Injectivité et surjectivité d’une application linéiare)
Soient Eet Fdeux K−espaces vectoriels , et f:E→Fune application linéaire. Alors :
Ifest injective ⇐⇒ ker f={0E}.
Ifest surjective ⇐⇒ f(E) = F.
Linéarité en dimension finie
Pour toute famille E= (e1,...ep)de E, on appelle image de Epar l’application linéaire fla famille
(f(e1), . . . , f(ep)).
Si e1,...epest une base de E, alors Im f=Vect f(e1),...f(ep),
Le théorème central de ce paragraphe est le suivant :
Théorème .8 (Interpolation Linéaire)
Soient Eun K−espace vectoriel de dimension finie et Fun K−espace vectoriel.
Soient
B= (e1, . . . , en)une base de vecteurs Eet
(b1, . . . , bn)une famille de vecteurs de F.
Alors il existe une unique application linéaire f∈L(E, F )
Résumé 02 : Applications linéaires Page 3/8