Page 1/11 MTB - ch4 Applications linéaires Dans tout ce chapitre, K = R ou K = C. I Généralités sur les applications linéaires I.1 Dénition et premières propriétés Dénition 1 Soit E et F deux K-espaces vectoriels. Soit f : E −→ F une application de E dans F . On dit que f est une application linéaire de E dans F ssi : (i) ∀(x , y) ∈ E 2 , f (x + y) = (ii) ∀x ∈ E, ∀λ ∈ K, f (λx) = Vocabulaire et notation : On note L (E, F ) l'ensemble de toutes les applications linéaires de E dans F . Une application linéaire de E dans lui-même est appelé un L'ensemble des endomorphismes de E est noté L (E). − → L'application qui, à tout vecteur x de E , associe le vecteur nul 0F est une application linéaire. On l'appelle l'application nulle et on la note OE,F . L'application identité idE : x 7−→ x est une application linéaire de E dans E . f ∈ L (E, F ) signie donc f est une application linéaire du K-e.v. E dans le K-e.v. F . Exemples : - Soit λ0 un scalaire xé de K. L'application f : E −→ E est linéaire. x 7−→ λ0 · x - On considère l'application qui, à tout polynôme P ∈ R[X], associe son polynôme dérivé P0 : f : R[X] −→ R[X] P 7−→ P 0 Page 2/11 MTB - ch4 Les vecteurs sont ici des polynômes. Pour vérier que f est une application linéaire, il faut vérier les deux points de la dénition : En conclusion, f est un endomorphisme de R[X]. Proposition 1 Si f est une application linéaire de E dans F , alors : f (0E ) = ∀ x ∈ E, f (−x) = ∀ (x, y) ∈ E 2 , ∀ (λ , µ) ∈ K2 , f (λ x + µ y) = p p ∀ (x1 , x2 , . . . , xp ) ∈ E , ∀ (λ1 , ..., λp ) ∈ K , f p X ! λi · xi i=1 I.2 Opérations sur les applications linéaires Proposition 2 Soit E , F et G trois espaces vectoriels sur K. Si f ∈ L (E, F ) et g ∈ L (F, G). Alors la composée g ◦ f est Autrement dit, la composée de deux applications linéaires est Preuve : supposons f ∈ L (E, F ) et g ∈ L (F, G). Théorème 3 Soit E et F deux K-espaces vectoriels. Alors l'ensemble L (E, F ) est un sous-espace vectoriel de F(E, F ). = Page 3/11 MTB - ch4 Ce théorème regroupe plusieurs informations : la somme de deux applications linéaires est encore une application linéaire et le produit d'une application linéaire par un scalaire est encore une application linéaire. II Applications injectives, surjectives et bijectives II.1 Dénitions Dénition 2 Soit E et F deux ensembles quelconques. Soit f : E −→ F une application. On dit que f est injective ssi ∀ (x, x0 ) ∈ E 2 , On dit que f est surjective ssi [ (x 6= x0 ) ⇒ ( )] ∀y ∈ F , ∃ x ∈ E ; On dit que f est bijective ssi elle est à la fois Exemples : est . . . R x 7 → − x−1 (i) l'application f : R \ {1} −→ x (ii) L'application f : R −→ [−1 , 1] est . . . x 7−→ cos x h π πi (iii) L'application f : − , −→ [−1 , 1] est bijective. 2 2 x 7−→ sin x Une bijection de E dans lui-même est parfois appelée permutation de E . Dénitions équivalentes f est une injection de E dans F ssi ∀ (x, x0 ) ∈ E 2 , [ f (x) = f (x0 ) =⇒ ] f est une surjection de E sur F ssi f (E) = f est une bijection de E sur F ssi ∀ y ∈ F, ∃ ! x ∈ E ; II.2 Composition Proposition 4 La composée de deux applications injectives (resp. surjectives, bijectives) est injective (resp. surjective, bijective). Page 4/11 MTB - ch4 Proposition 5 Soient f : E −→ F et g : F −→ G deux applications. 1. Si g ◦ f est injective alors f est injective. 2. Si g ◦ f est surjective alors g est surjective. 0 0 Preuve : 1) Supposons g ◦ f injective et soient x ∈ E et x ∈ E tels que0 x 6= x . Par hypothèse, on a 0 0 g ◦ f (x) 6= g ◦ f x , i.e. g [f (x)] 6= g f x ce qui implique f (x) 6= f x et ainsi f est injective. 2) Supposons g ◦ f surjective et soit z ∈ G. Par hypothèse, il existe x ∈ E tel que g ◦ f (x) = z. Par conséquent, il existe un y (= f (x)) dans F tel que z = g (y), ce qui prouve que g est surjective. III Image et noyau d'une application linéaire III.1 Image d'une application linéaire Dénition 3 Soit E et F deux K−espaces vectoriels et f ∈ L (E, F ). On appelle image de f l'ensemble, noté Im f , des vecteurs de F qui sont les images par f des vecteurs de E . Autrement dit, Im f = { f (x) ∈ F | y ∈ Im f ⇐⇒ ∃ Quelques exemples simples : Im(idE ) = Im(OE,F ) = Proposition 6 Soit f une application linéaire de E dans F . Alors i) Im f est un ii) f est surjective ssi Page 5/11 MTB - ch4 Preuve : Soit f ∈ L (E, F ). III.2 Image réciproque d'un ensemble par une application Soit E et F deux ensembles quelconques. Soit f une application de E vers F . Dénition 4 Pour toute partie D de F , on appelle image réciproque de D par f le sous-ensemble de E noté f −1 (D), déni par : f −1 (D) = {x ∈ E | f (x) ∈ D} Autrement dit x ∈ f −1 (D) ⇐⇒ Remarques : on a toujours f −1(∅) = et pour tout élément b de F , f −1 ({b}) = Exemple : on considère l'application f : C −→ C z 7−→ −z 2 Déterminer f −1 ({1}). Proposition 7 Soit E et F deux K−espaces vectoriels et f ∈ L (E, F ) une application linéaire de E dans F . Si D est un sous-espace vectoriel de F , alors l'image réciproque par f de D, Preuve : soit D un s.e.v. de F et G = f −1 (D) ⊂ E . Page 6/11 MTB - ch4 • Puisque f (0E ) = 0F ∈ D, on a • Soit x et y deux vecteurs de G et λ ∈ K. III.3 Noyau d'une application linéaire Dénition 5 Soit E et F deux K−espaces vectoriels et f ∈ L (E, F ). On appelle noyau de f l'ensemble, noté Ker f , des vecteurs de E dont l'image par f est le vecteur nul de F . Autrement dit, Ker f = { x ∈ E | x ∈ Ker f ⇐⇒ Quelques exemples simples : Ker(idE ) = Ker(OE,F ) = Proposition 8 Soit f est une application linéaire de E dans F . Alors i) Ker f est un ii) f est injective ssi Preuve : ii) Supposons f injective c.à.d. MTB - ch4 Page 7/11 III.4 Isomorphismes Proposition 9 Soit f : E −→ F une application linéaire et bijective. Alors sa bijection réciproque f −1 : F :−→ E est Preuve : on suppose que f ∈ L (E, F ) et que Dénition 6 Soit E et F deux K−espaces vectoriels. • Une application linéaire et bijective de E dans F est appelée • On note GL(E) l'ensemble des isomorphismes de E dans lui-même. • Lorsqu'il existe un isomorphisme entre deux espaces E et F , on dit que ces deux espaces sont isomorphes. Théorème 10 Soit E un K−espace vectoriel de dimension nie n (n > 1), et (e1 , e2 , . . . , en ) une base de E . Soit F un K−espace vectoriel quelconque et F = (f1 , f2 , . . . , fn ) une famille de vecteurs de F . Alors i) il existe une unique application linéaire g de E dans F , telle que ii) F est une famille libre de F ssi iii) F est une famille génératrice de F ssi Page 8/11 MTB - ch4 Remarque : cette propriété signie que pour connaître entièrement une application linéaire f sur un espace E de dimension nie, il sut de connaître les images par f des vecteurs d'une base de E . Exemple : on considère R3 muni de sa base canonique (e1 , e2 , e3 ). On dénit l'application linéaire f ∈ L (R3 , R2 ) par : f (e1 ) = (1, 0) ; f (e2 ) = (2, −1) ; f (e3 ) = (−3, 1) Calculer f (x, y, z) pour tout (x, y, z) ∈ R3 . Corollaire : Soit (e1 , e2 , · · · , en ) une base d'un K-espace vectoriel E , soit f une application linéaire de E dans un K-espace vectoriel F . L'application f est un isomorphisme si, et seulement si, la famille F = (f (e1 ), f (e2 ), · · · , f (en )) est . . . Comme la composée de deux isomorphismes est un isomorphisme et que la bijection réciproque d'un isomorphisme est un isomorphisme, on obtient la proposition suivante : Proposition 11 Tout K-espace vectoriel de dimension n > 1 est isomorphe à Deux K-espaces vectoriels de dimension nie sont isomorphes si, et seulement si, ils sont Si un K-espace vectoriel E est isomorphe à un K-espace vectoriel F de dimension nie, alors E est de dimension nie et dim E = Page 9/11 MTB - ch4 IV Applications linéaires et dimension nie IV.1 Rang d'une application linéaire Si E est un K−espace vectoriel de dimension nie et si f est une application linéaire de E dans F , alors Im f est Dénition 7 Soit E et F deux K−espaces vectoriels tels que E est de dimension nie. On appelle rang d'une application linéaire f ∈ L (E, F ), et on note rg(f ), la dimension de Exemple : déterminer le rang de l'application linéaire f : R2 [X] −→ R3 P 7−→ (P (1), P 0 (1), P (0)) Déterminer le rang d'une application linéaire revient à déterminer la dimension de son image. (f ). On peut donc commencer par trouver une base de Im • 2 (1, X, X ) la base canonique de R2 [X]. 2 f (1) = , f (X) = et f (X ) = Donc (1, 0, 1) , (1, 1, 0) , (1, 2, 0) est une famille génératrice • Regardons maintenant si cette famille est libre. Soit On a Remarque : si E (f ). de Im est un K−espace vectoriel de dimension nie n > 0, admettant pour base (e1 , e2 , . . . , en ) et si f ∈ L (E, F ) Alors Page 10/11 MTB - ch4 IV.2 Théorème du rang Théorème 12 (formule du rang) Soit E un K-espace vectoriel de dimension nie, F un K-espace vectoriel quelconque et f une application linéaire de E dans F . Alors dim E = Preuve : considérons un supplémentaire S du noyau de ker f dans E . On sait que dans un espace de dimension nie, de tels supplémentaires existent et que : dim E = dim(ker f ) + dim S Montrons que S est isomorphe à Im(f ). IV.3 Application à la caractérisation des isomorphismes Théorème 13 Soient E et F deux K−espaces vectoriels de même dimension nie n > 1. Soit f une application linéaire de E dans F . Alors les quatre assertions suivantes sont équivalentes : i) f est bijective ii) f est injective iii) f est surjective iv) rg(f ) = M3,1 M3,1 (R) (R) −→ x 3x − 2y + 3z X = y 7−→ x + 2z z 2z 7−→ xy 2 P 7→ P (0) , P (1) Exercice 5 Soit E = R1 [X] et l'application f : E −→ R Donner l'image réciproque par f de [0 , 1/2]. t 7−→ sin(t) Exercice 4 On considère la fonction f : ] − π , π] −→ R 1. L'application f est-elle injective ? Est-elle surjective ? 2. Déterminer et représenter dans le plan complexe l'image réciproque par f de l'intervalle [1 ; 2]. Exercice 3 Soit f : C −→ R+ l'application dénie par ∀ z ∈ C, f (z) = |z|. M Mn (R) 7 → AM − M A − 3. h : Mn (R) −→ (x, y) pour n ∈ N∗ et A ∈ Mn (R) xés. C3 → C2 (x, y, z) 7→ (x + y + z , x + z) 2. g : R × R −→ R 1. f : Exercice 2 Les applications suivantes sont-elles des applications linéaires ? ∀X ∈ M3,1 (R), f (X) = AX 2. En déduire que f est un endomorphisme. 3. f est-elle bijective ? 1. Donner une matrice A carrée d'ordre 3, telle que f: Exercice 1 On considère l'application V Exercices Montrer que Im(f ) ⊂ ker(f ). Soit E et F deux K−espaces vectoriels de dimension nie 2. Conclure. n, n ∈ N∗ . Soit f ∈ L (E, F ) telle que ∃ g ∈ L (F, E) / g ◦ f = idE . 1. Montrer que f est injective. Exercice 10 Soit ϕ : Kn+1 [X] −→ Kn [X] dénie par ϕ(P ) = (n + 1)P − X P 0 . 1. Justier que ϕ est bien dénie puis que ϕ est une application linéaire. 2. Déterminer le noyau de ϕ. 3. En déduire, par le théorème du rang, que ϕ est surjective. Exercice 9 Soit n ∈ N∗ . Soit (e1 , e2 , e3 ) une base de E, et λ un paramètre réel. ϕ(e1 ) = e1 + e2 ϕ(e2 ) = e1 − e2 dénit une application linéaire ϕ de E dans E . ϕ(e3 ) = e1 + λe3 Écrire le transformé du vecteur x = α1 e1 + α2 e2 + α3 e3 . Comment choisir λ pour que ϕ soit injective ? surjective ? Exercice 8 Soit E un R−espace vectoriel de dimension 3. ∀ f ∈ E, Φ(f ) = f − f 0 . 1. Montrer que Φ est un endomorphisme de E . 2. Déterminer le noyau de Φ. Φ est-elle une bijection ? 3. Déterminer =(Φ). On note E le R−espace vectoriel des fonctions de classe C ∞ sur R, à valeurs dans R. On écrit E = C ∞ (R, R). On dénit l'application Φ : E −→ E par Exercice 7 et f ◦ f = OE . Exercice 6 Soit f une application linéaire de E dans E telle que f 6= OE Vérier que f est linéaire. Déterminer son noyau. MTB - ch4 Page 11/11