APPLICATIONS LINEAIRES ET MATRICESepsilon.2000.free.fr/Csup/applin.pdf · application linéaire...
Transcript of APPLICATIONS LINEAIRES ET MATRICESepsilon.2000.free.fr/Csup/applin.pdf · application linéaire...
Applications linéaires et matrices
© S. DUCHET - www.epsilon2000.fr.st 1/5
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 FEu →: vérifiant : (i) )()()(,),( 2 yuxuyxuEyx +=+∈∀ (ii) )()(,),( xuxuEKx α=α×∈α∀ 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 : )()()(,),,,( yuxuyxuEEKKyx β+α=β+α×××∈βα∀ . 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 : { }yxuExFyu =∈∃∈= )(,,)Im( . (ii) on appelle noyau de u, noté )(uKer l'ensemble : { }0)(,)( =∈= xuExuKer . proposition Soit u une application linéaire de E dans F. Alors : (i) )Im(u est un sous espace vectoriel de F. (ii) )(uKer est un sous espace vectoriel de E. démonstration (i) Ou /≠)Im( car )Im(0 u∈ puisque 0)0( =u . Soient )Im(, 21 uyy ∈ . 2211
221 )()(,),( yxuetyxuExx ==∈∃ . D'après la linéarité de u,
)( 2121 xxuyy +=+ donc )Im(21 uyy ∈+ . Soient )Im(),( uKy ×∈α . yxuEx =∈∃ )(, . )( xuy α=α donc )Im(uy∈α . (ii) OuKer /≠)( car )(0 uKer∈ . Soient )(, 21 uKerxx ∈ . 000)()()( 2121 =+=+=+ xuxuxxu donc )(21 uKerxx ∈+ . Soit )(),( uKerKx ×∈α . 00)() =×α=α=α xuxu donc )(uKerx∈α proposition Soit u une application linéaire de E dans F. Alors : (i) u est injective si et seulement si { }0)( =uKer . (ii) u est surjective si et seulement si Fu =)Im( .
Applications linéaires et matrices
© S. DUCHET - www.epsilon2000.fr.st 2/5
démonstration (i) Supposons u injective. Soit )(uKerx∈ . Alors )0(0)( uxu == donc 0=x car u est injective. par conséquent, { }0)( =uKer . Supposons { }0)( =uKer . Soient Eyx ∈, tels que )()( yuxu = . Alors 0)( =− yxu par linéarité de u donc )(uKeryx ∈− donc 0=− yx , c'est-à-dire yx = . Par conséquent, u est injective. (ii) Supposons u surjective. Soit Fy∈ . Il existe Ex∈ tel que yxu =)( donc )Im(uy∈ donc
)Im(uF ⊂ . Comme Fu ⊂)Im( , on a )Im(uF = . Supposons que Fu =)Im( . Soit Fy∈ . Alors )Im(uy∈ donc u est surjective. théorème Soient E et F deux K espaces vectoriels, Iiiee ∈= )( une base de E, Iiiff ∈= )( 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 : ii feuIi =∈∀ )(, démonstration Soit Ex∈ . ∑
∈∈ =∈∃
Iiii
IIii exxKx ,)(! .
⎟⎠
⎞⎜⎝
⎛= ∑
∈Iiiiexuxu )(
∑∈
=Ii
ii eux )( (linéarité de u)
∑∈
=Ii
ii fx
D'où l'unicité. Existence : Soit
∑∑∈∈
=
→
Iiii
Iiii fxexx
FEu:
Soient Exx ∈', . ∑∈
∈ =∃Ii
iiIii exxx ,)(! . ∑∈
∈ =∃Ii
iiIii exxx '',)'(! . Soient K∈βα, .
⎟⎠
⎞⎜⎝
⎛β+α=β+α ∑∑
∈∈ Iiii
Iiii exexuyxu ')(
⎟⎠
⎞⎜⎝
⎛β+α= ∑
∈i
Iiii exxu )'(
∑∈
β+α=Ii
iii fxx )'(
∑∑∈∈
β+α=Ii
iiIi
ii fxfx '
)'()( xuxu β+α= Donc u est linéaire de E dans F et répond au critère donné. d'où l'existence.
Applications linéaires et matrices
© S. DUCHET - www.epsilon2000.fr.st 3/5
2) Matrices définition de matrice I et j étant deux ensembles non vides et finis, on appelle matrice de type JI × à éléments dans l'ensemble E, toute application de JI × dans E. L'image de ),( ji sera notée jimjiM ),(: Dans la pratique nNI = et pNJ = ( nN désignant l'ensemble des entiers naturels inférieurs ou égaux à n). On représente alors une matrice
pjnijimM≤≤≤≤=
11)( par un tableau
rectangulaire
⎟⎟⎟⎟⎟
⎠
⎞
⎜⎜⎜⎜⎜
⎝
⎛
pnnn
p
p
mmm
mmmmmm
…21
22221
12111
. On note )(KM pn l'ensemble des matrices ayant n lignes et p
colonnes, à coefficients dans K. E et F désignent désormais des K espaces vectoriels de dimensions finies respectives p et n. Soient ),...,( 1 peee = une base de E et ),...,( 1 nfff = 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 :
Soit Ex∈ . ∑=
=∈∃p
iii
pp exxKxx
11 ,),...,(! .
∑=
=∈∃≤≤∀n
jjjkk
nnkk fmeuKmmpkk
11 )(,),...,(!,1, .
On a :
⎟⎟⎠
⎞⎜⎜⎝
⎛= ∑
=
p
iiiexuxu
1
)(
∑=
=p
iii eux
1
)( (par linéarité de u)
∑ ∑= =
=p
i
n
jjiji fmx
1 1
∑∑= =
=p
i
n
jiiij fxm
1 1 (distributivité)
∑∑= =
=n
j
p
iiiij fxm
1 1 (commutativité, associativité de l'addition)
∑ ∑= =
⎟⎟⎠
⎞⎜⎜⎝
⎛=
n
ji
p
iiij fxm
1 1
Fxu ∈)( donc ∑=
=∈∃n
kkk
nn fyxuKyy
11 )(,),...,(! . par unicité de la décomposition, on en déduit
donc : ∑=
=∈∀p
iiijjn xmyNj
1,
définition (matrice d'une application linéaire)
Applications linéaires et matrices
© S. DUCHET - www.epsilon2000.fr.st 4/5
On appelle matrice de u relativement aux bases e et f la matrice pj
nijim≤≤≤≤
11)( . Il s'agit donc de la
matrice à n lignes et p colonnes dont la k ième colonne représente les coordonnées de )( keu dans la base f. On note cette matrice ),;( feumat . définition de l'application linéaire canoniquement associée à une matrice Soit )()(
11 KMmM pn
pjniji ∈=≤≤≤≤ . On munit nK de sa base canonique c'est-à-dire ),...,( 1 neee = où ke
est le vecteur de nK dont toutes les coordonnées sont nulles sauf la k ième qui vaut 1. On munit pK de sa base canonique )',...,'(' 1 peee = . On considère l'application linéaire u de pK dans nK
telle que pour tout entier pNk∈ , ∑=
=n
iipip emeu
1
)'( . On a alors Meeumat =),';( . u est appelé
application linéaire canoniquement associée à M. définition (addition de matrices, multiplication par un scalaire) Soient )(, KMBA pn∈ ,
pjnijiaA≤≤≤≤=
11)( et
pjnijibB≤≤≤≤=
11)( . On définit les opérations suivantes :
pjnijicBA≤≤≤≤=+
11)( avec jijiji bac +=
pjnijidA≤≤≤≤=α
11)( avec jiji ad α=
définition (produit de matrices) Soient )(KMA pn∈ et )(KMB qp∈ ,
pjnijiaA≤≤≤≤=
11)( et
qjpijibB≤≤≤≤=
11)( . on définit le produit
)(KMAB qn∈ : qjnijicAB≤≤≤≤=
11)( avec ∑
=
=p
kjkkiji bac
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 K∈α . Notons
pjnijiafeumat≤≤≤≤=
11)(),;( et
pjnijibfevmat≤≤≤≤=
11)(),;( .
)()())(( kkk eveuevu +=+ (par définition de l'application vu + )
∑∑==
+=n
iiki
n
iiki fbfa
11
∑=
+=n
iikiki fba
1)(
Cette décomposition suivant les vecteurs de la base f étant unique, on en déduit que
pjnijicfevumat≤≤≤≤=+
11)(),;( avec jijiji bac +=
Donc ),;(),;(),;( fevmatfeumatfevumat +=+
)())(( kk eueu α=α (par définition de uα )
∑=
α=n
iiki fa
1
Applications linéaires et matrices
© S. DUCHET - www.epsilon2000.fr.st 5/5
∑=
α=n
iiki fa
1)(
Cette décomposition suivant les vecteurs de la base f étant unique, on en déduit que
pjnijidfeumat≤≤≤≤=α
11)(),;( avec jiji ad α= .
Donc ),;(),;( feumatfeumat α=α . 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 ),...,( 1 qggg = .
pjnijiafeumat≤≤≤≤=
11)(),;( et
pjqijibgfvmat≤≤≤≤=
11)(),;( .
))(()( kk euveuv = (par définition de uv )
⎟⎠
⎞⎜⎝
⎛= ∑
=
n
iiki fav
1
∑=
=n
iiki fva
1)( (linéarité de v)
∑ ∑= =
=n
i
q
jjijki gba
1 1
∑∑= =
=n
ij
q
jijki gba
1 1 (distributivité)
j
q
j
n
ikiij gab∑ ∑
= =
⎟⎠
⎞⎜⎝
⎛=
1 1 (commutativité, associativité de l'addition)
Cette décomposition suivant les vecteur de la base g étant unique, on en déduit que
pjqijirfeuvmat≤≤≤≤=
11)(),;( avec ∑
=
=n
ikiijji abr
1
.
Donc ),;(),;(),;( feumatgfvmatgeuvmat ×= définition (transposée d'une matrice) Soit
pjnijipn aAKMA≤≤≤≤=∈
11)(),( . On appelle transposée de A, notée At , la matrice
njpiji
t aA≤≤≤≤=
11)'( ,
où ijji aa =' pour tous njetpi ≤≤≤≤ 11 . Voir le lien entre transposée d'une matrice et transposée d'une application linéaire : chapitre sur la dualité.