Applications linéaires et matrices APPLICATIONS LINEAIRES ET MATRICES 1) Applications linéaires définition (application linéaire) Soient E et F deux K espaces vectoriels. On appelle application linéaire de E dans F toute application u : E → F vérifiant : (i) ∀( x, y ) ∈ E 2 , u ( x + y ) = u ( x) + u ( y ) (ii) ∀(α, x) ∈ K × E , u (α x) = α u ( x) propriété immédiate Soient E et F deux K espaces vectoriels et u une application de E dans F. u est une application linéaire si et seulement si elle vérifie : ∀(α, β, x, y ) ∈ K × K × E × E , u (α x + β y ) = α u ( x) + β u ( y ) . Dans la suite, E et F désignent des K espaces vectoriels définition (image, noyau d'une application linéaire) Soit u une application linéaire de E dans F. (i) on appelle image de u, notée Im(u ) l'ensemble : Im(u ) = {y ∈ F , ∃x ∈ E , u ( x) = y} . (ii) on appelle noyau de u, noté Ker (u ) l'ensemble : Ker (u ) = {x ∈ E , u ( x) = 0} . proposition Soit u une application linéaire de E dans F. Alors : (i) Im(u ) est un sous espace vectoriel de F. (ii) Ker (u ) est un sous espace vectoriel de E. démonstration (i) Im(u ) ≠ O/ car 0 ∈ Im(u ) puisque u (0) = 0 . Soient y1 , y 2 ∈ Im(u ) . ∃ ( x1 , x2 ) ∈ E 2 , u ( x1 ) = y1 et u ( x2 ) = y 2 . D'après la y1 + y 2 = u ( x1 + x2 ) donc y1 + y 2 ∈ Im(u ) . Soient (α, y ) ∈ K × Im(u ) . ∃ x ∈ E , u ( x) = y . α y = u (α x) donc α y ∈ Im(u ) . linéarité de u, (ii) Ker (u ) ≠ O/ car 0 ∈ Ker (u ) . Soient x1 , x2 ∈ Ker (u ) . u ( x1 + x2 ) = u ( x1 ) + u ( x2 ) = 0 + 0 = 0 donc x1 + x2 ∈ Ker (u ) . Soit (α, x) ∈ K × Ker (u ) . uα x) = α u ( x) = α × 0 = 0 donc α x ∈ Ker (u ) proposition Soit u une application linéaire de E dans F. Alors : (i) u est injective si et seulement si Ker (u ) = {0}. (ii) u est surjective si et seulement si Im(u ) = F . © S. DUCHET - www.epsilon2000.fr.st 1/5 Applications linéaires et matrices démonstration (i) Supposons u injective. Soit x ∈ Ker (u ) . Alors u ( x) = 0 = u (0) donc x = 0 car u est injective. par conséquent, Ker (u ) = {0}. Supposons Ker (u ) = {0}. Soient x, y ∈ E tels que u ( x) = u ( y ) . Alors u ( x − y ) = 0 par linéarité de u donc x − y ∈ Ker (u ) donc x − y = 0 , c'est-à-dire x = y . Par conséquent, u est injective. (ii) Supposons u surjective. Soit y ∈ F . Il existe x ∈ E tel que u ( x) = y donc y ∈ Im(u ) donc F ⊂ Im(u ) . Comme Im(u ) ⊂ F , on a F = Im(u ) . Supposons que Im(u ) = F . Soit y ∈ F . Alors y ∈ Im(u ) donc u est surjective. théorème Soient E et F deux K espaces vectoriels, e = (ei ) i∈I une base de E, f = ( f i ) i∈I une famille de vecteurs de F, indexée par le même ensemble que e. Alors il existe une et une seule application linéaire u de E dans F telle que : ∀i ∈ I , u (ei ) = f i démonstration Soit x ∈ E . ∃!( xi ) i∈I ∈ K I , x = ∑ xi ei . i∈I ⎛ ⎞ u ( x) = u⎜ ∑ xi ei ⎟ ⎝ i∈I ⎠ = ∑ xi u (ei ) (linéarité de u) i∈I = ∑ xi f i i∈I D'où l'unicité. Existence : Soit u: E→F x = ∑ xi ei i∈I ∑x f i∈I i i Soient x, x'∈ E . ∃!( xi ) i∈I , x = ∑ xi ei . ∃!( x'i ) i∈I , x' = ∑ x'i ei . Soient α, β ∈ K . i∈I i∈I ⎛ ⎞ u (α x + β y ) = u⎜ α ∑ xi ei + β ∑ x'i ei ⎟ i∈I ⎝ i∈I ⎠ ⎛ ⎞ = u⎜ ∑ (α xi + β x'i )ei ⎟ ⎝ i∈I ⎠ = ∑ ( α xi + β x ' i ) f i i∈I = α ∑ xi f i + β ∑ x ' i f i i∈I i∈I = α u ( x) + β u ( x' ) Donc u est linéaire de E dans F et répond au critère donné. d'où l'existence. © S. DUCHET - www.epsilon2000.fr.st 2/5 Applications linéaires et matrices 2) Matrices définition de matrice I et j étant deux ensembles non vides et finis, on appelle matrice de type I × J à éléments dans l'ensemble E, toute application de I × J dans E. L'image de (i, j ) sera notée M : (i, j ) mi j Dans la pratique I = N n et J = N p ( N n désignant l'ensemble des entiers naturels inférieurs ou égaux à n). On représente alors une matrice M = (mi j )1≤i≤n par un tableau 1≤ j ≤ p m1 p ⎞ ⎛ m11 m12 ⎜ ⎟ m2 p ⎟ ⎜ m12 m2 2 rectangulaire ⎜ ⎟ . On note M n p ( K ) l'ensemble des matrices ayant n lignes et p ⎜ ⎟ ⎜m ⎟ m … m n2 np ⎠ ⎝ n1 colonnes, à coefficients dans K. E et F désignent désormais des K espaces vectoriels de dimensions finies respectives p et n. Soient e = (e1 ,..., e p ) une base de E et f = ( f1 ,..., f n ) une base de F. Soit u une application linéaire de E dans F. u est entièrement déterminée par les images par u des vecteurs de la base de E : p Soit x ∈ E . ∃!( x1 ,..., x p ) ∈ K p , x = ∑ xi ei . i =1 n ∀k ,1 ≤ k ≤ p, ∃!(mk 1 ,..., mk n ) ∈ K , u (ek ) = ∑ mk j f j . n j =1 On a : ⎛ p ⎞ u ( x) = u⎜⎜ ∑ xi ei ⎟⎟ ⎝ i =1 ⎠ p = ∑ xi u (ei ) (par linéarité de u) i =1 p n = ∑ xi ∑ m j i f j i =1 p j =1 n = ∑∑ m j i xi f i (distributivité) i =1 j =1 n p = ∑∑ m j i xi f i (commutativité, associativité de l'addition) j =1 i =1 n ⎛ p ⎞ = ∑ ⎜⎜ ∑ m j i xi ⎟⎟ f i j =1 ⎝ i =1 ⎠ n u ( x) ∈ F donc ∃!( y1 ,..., y n ) ∈ K n , u ( x) = ∑ y k f k . par unicité de la décomposition, on en déduit k =1 p donc : ∀j ∈ N n , y j = ∑ m j i xi i =1 définition (matrice d'une application linéaire) © S. DUCHET - www.epsilon2000.fr.st 3/5 Applications linéaires et matrices On appelle matrice de u relativement aux bases e et f la matrice (mi j )1≤i ≤n . Il s'agit donc de la 1≤ j ≤ p matrice à n lignes et p colonnes dont la k ième colonne représente les coordonnées de u (ek ) dans la base f. On note cette matrice mat (u; e, f ) . définition de l'application linéaire canoniquement associée à une matrice Soit M = (mi j )1≤i≤n ∈ M n p ( K ) . On munit K n de sa base canonique c'est-à-dire e = (e1 ,..., en ) où ek 1≤ j ≤ p est le vecteur de K n dont toutes les coordonnées sont nulles sauf la k ième qui vaut 1. On munit K p de sa base canonique e' = (e'1 ,..., e' p ) . On considère l'application linéaire u de K p dans K n n telle que pour tout entier k ∈ N p , u (e' p ) = ∑ mi p ei . On a alors mat (u; e' , e) = M . u est appelé i =1 application linéaire canoniquement associée à M. définition (addition de matrices, multiplication par un scalaire) Soient A, B ∈ M n p ( K ) , A = (ai j )1≤i≤n et B = (bi j )1≤i≤n . On définit les opérations suivantes : 1≤ j ≤ p 1≤ j ≤ p A + B = (ci j )1≤i≤n avec ci j = ai j + bi j 1≤ j ≤ p α A = (d i j )1≤i≤ n avec d i j = α ai j 1≤ j ≤ p définition (produit de matrices) Soient A ∈ M n p (K ) et B ∈ M p q (K ) , A = (ai j )1≤i≤n 1≤ j ≤ p et B = (bi j )1≤i≤ p . on définit le produit 1≤ j ≤ q p AB ∈ M n q (K ) : AB = (ci j )1≤i≤n avec ci j = ∑ ai k bk j . 1≤ j ≤ q k =1 lien entre les opérations matricielles et les opérations sur les applications linéaires 1) Soient u et v deux applications linéaires de E dans F. Soit α ∈ K . Notons mat (u; e, f ) = (ai j )1≤i≤n et mat (v; e, f ) = (bi j )1≤i≤n . 1≤ j ≤ p 1≤ j ≤ p (u + v)(ek ) = u (ek ) + v(ek ) (par définition de l'application u + v ) n n i =1 n i =1 = ∑ ai k f i + ∑ bi k f i = ∑ (ai k + bi k ) f i i =1 Cette décomposition suivant les vecteurs de la base f étant unique, on en déduit que mat (u + v; e, f ) = (ci j )1≤i≤n avec ci j = ai j + bi j 1≤ j ≤ p Donc mat (u + v; e, f ) = mat (u; e, f ) + mat (v; e, f ) (α u )(ek ) = α u (ek ) (par définition de α u ) n = α ∑ ai k f i i =1 © S. DUCHET - www.epsilon2000.fr.st 4/5 Applications linéaires et matrices n = ∑ (α a i k ) f i i =1 Cette décomposition suivant les vecteurs de la base f étant unique, on en déduit que mat (α u; e, f ) = (d i j )1≤i≤n avec d i j = α ai j . 1≤ j ≤ p Donc mat (α u; e, f ) = α mat (u; e, f ) . 2) Soient u une application linéaire de E dans F et v une application linéaire de F dans G, G étant un K espace vectoriel de dimension q, de base g = ( g1 ,..., g q ) . mat (u; e, f ) = (ai j )1≤i≤n et mat (v; f , g ) = (bi j )1≤i≤q . 1≤ j ≤ p 1≤ j ≤ p v u (ek ) = v(u (ek )) (par définition de v u ) ⎛ n ⎞ = v⎜ ∑ a i k f i ⎟ ⎝ i =1 ⎠ n = ∑ ai k v( f i ) (linéarité de v) i =1 n q = ∑ ai k ∑ b j i g j i =1 n j =1 q = ∑∑ ai k b j i g j (distributivité) i =1 j =1 q ⎛ n ⎞ = ∑ ⎜ ∑ b j i ai k ⎟g j (commutativité, associativité de l'addition) j =1 ⎝ i =1 ⎠ Cette décomposition suivant les vecteur de la base g étant unique, on en déduit que n mat (v u; e, f ) = (ri j )1≤i≤q avec ri j = ∑ b j i ai k . 1≤ j ≤ p i =1 Donc mat (v u; e, g ) = mat (v; f , g ) × mat (u; e, f ) définition (transposée d'une matrice) Soit A ∈ M n p ( K ), A = (ai j )1≤i≤ n . On appelle transposée de A, notée t A , la matrice t A = (a'i j )1≤i≤ p , 1≤ j ≤ p 1≤ j ≤ n où a'i j = a j i pour tous 1 ≤ i ≤ p et 1 ≤ j ≤ n . Voir le lien entre transposée d'une matrice et transposée d'une application linéaire : chapitre sur la dualité. © S. DUCHET - www.epsilon2000.fr.st 5/5