Applications Linéaires.
I. Généralités
Soient E et F deux espaces vectoriels sur ℝ Définition
:
Un application f de E dans F est une application linéaire si l'image d'une combinaison linéaire d'une famille de vecteurs est la combinaison linéaire des images de ces vecteurs.
Autrement dit :
∀x1,..., xp∈E ∀ λ1,...,λp∈ℝ f(λ1x1+...+λpxp)=λ1 f(x1)+...+λp f(xp) En particulier : ∀x , y∈E ∀ λ,μ∈ℝ f (λx+μy)=λ f(x)+μ f (y)
On note l'ensemble des applications linéaire de E dans F L(E , F) . Proposition
:
f est une application linéaire si et seulement si :
∀x , y∈E ∀ λ ∈ℝ f(λx+y)=λ f(x)+f(y) Exemple :
-L'application IdE définie par ∀x∈E IdE(x)=x est une application linéaire qu'on appelle l'identité de E ou l'application identité de E.
-Les applications linéaires de R dans R sont exactement les applications de la forme f(x)=ax où a∈ℝ en effet :
si f est de la forme f (x)=ax , alors f est linéaire, car :
∀x , y∈E ∀ λ ∈ℝ f (λx+y)=a(λx+y)=λax+ay=λ f (x)+f (y) Réciproquement , soit f ∈L(ℝ,ℝ) .
Alors, pour tout ∀x∈ℝ , f (x×1)=x×f(1)
Ainsi, avec a=f (1) , on a bien ∀x∈ℝ f(x)=ax
II. Application du calcul matriciel aux applications linéaires
Soit une application linéaire f définie de ℝp vers ℝn .
On désigne par (e1, . . . ,ep) les vecteurs de la base canonique de ℝp . Soit un vecteur quelconque v de
v=
(
xx..1p)
= x1e1+x2e2+...+xpepCalculons f (v) :
f (v) = f(x1e1+x2e2+...+xpep) = x1 f(e1)+x2 f (e2)+...+xp f(ep)
En désignant par (e1, . . . ,en) les vecteurs de la base canonique de ℝn on aura :
f(e1)=
(
aa..11n1)
, … ,, f (ei)=(
aa..1i¿)
… , f (ep)=(
aa..1pnp)
on peut alors poser A= [f (e1), . . . , f (ep)] ∈ Mn , p(ℝ) et finalement on a :
f (v)=[f (e1), . . . , f(ep)]v=Av ∈ ℝn
Le résultat du produit matriciel Av représente alors l’image par f du vecteur v dans la base canonique de ℝn et A ∈ Mn , p(ℝ) représente l’application linéaire f ∈L(E , F) par rapport aux base canoniques de ℝp et de ℝn .
Réciproquement, toute matrice A de n lignes et p colonnes peut s’interpréter comme une application linéaire de ℝp vers ℝn relativement à deux bases fixées.
Notation :
Soient E et F deux espaces vectoriels de dimension finie sur ℝ , B une base de E, B' une base de F et f une application linéaire de E dans F. On note MatB , B '(f) la matrice de f relativement à B et à B'.
Remarques
:
Comme ℝp et ℝn ont une infinité de bases, une application linéaire a une infinité de représentations matricielle, mais il existe une unique représentation de f par rapport à deux bases fixées.
L’équation matricielle Av = b est équivalente à l'équation f (v) = b où b est l’image de v par f ce qui revient à dire que v est un antécédent de b par f.
Attention cependant, on ne peut identifier une application linéaire a une matrice que dans le cadre des espaces vectoriels de dimensions finis.
Exemple :
Détermination pratique de la matrice d'une application linéaire. (TODO:)
III. Image et noyau d'une application linéaire
Soient E et F deux espaces vectoriels de dimension finie sur ℝ , B une base de E, B' une base de F et f une application linéaire de E dans F.
Définition
:
On appelle image de l'application linéaire f et on note ℑm( f) l'ensemble des images de E par f , f (E) , c'est un sous-ensemble de F défini par :
ℑm( f)={v∈F tel que∃u , f(u)=v}
Exemple : Définition:
On appelle noyau de l'application linéaire f et on note ker(f) l'ensemble définit par : ker(f )={u∈E tel que f (u)=0}
Remarque :
Soit A= MatB , B '(f ) . Av=0 signifie que v∈ker(f) . On peut donc parler du noyau de A qui correspond au noyau de l’application linéaire représentée par A.
Proposition :
a) f (E)=ℑm(f ) est un sous-espace vectoriel de F.
b) ker(f ) est un sous-espace vectoriel de E.
Démonstration :
a) i) ℑm(f)⊂E et 0∈ ℑm( f) car f (0)=0 .
ii) Soient x , x '∈ℑm(E) et λ ∈ℝ . ∃y , y '∈E tels que y=f(x), y '=f (x ') . Alors λy+y '=λ f (x)+f (x ')=f (λx+x ') . Donc λx+x '∈ℑm(E) .
b) i) ker(f)⊂E , donc 0∈ker(f ) .
ii) Soient x , y∈E et λ ∈ℝ . On a : f(λx+y)=λ f (x)+f (y)=λ0+0=0 Définition:
La dimension de ℑm( f) est appelé le rang de l'application linéaire f et on le note rg(f) , on a donc : rg( f) =dim( ℑm( f) ).
Remarque
:
Soit A= MatB , B '(f ) . Av=b signifie que b∈ℑm( f) . On peut donc parler de l'image et du rang de la matrice A qui correspondent à l'image et au rang de f.
Théorème du rang :
dim(E)=dim(ℑm(f ))+dim(ker(f ))=rg(f)+dim(ker(f)) .
IV. Injectivité, surjectivité et bijectivité
Soient E et F deux espaces vectoriels de dimension finie sur ℝ , et f une application linéaire de E dans F.
Définition
:
Une application g:E→F est dite injective si des éléments distinct de E on des images distinctes c'est à dire : soient u , v∈E :
u≠v⇒g(u)≠g(v) ou par contraposition g(u)=g(v)⇒u=v
Proposition
:
f est injective si et seulement si ker(f)={0}
Définition
:
Une application g:E→F est dite surjective si tout vecteur v de F possède au moins un antécédent u par f dans E autrement dit : ∀v∈F ∃u∈E tel que g(u)=v
Proposition
:
f est surjective si et seulement si f (E)=ℑm(f)=F
Définition
:
Une application g:E→F est dite bijective si elle est à la fois injective et surjective.
Proposition
:
si f est bijective alors dim E=dim F
Définition
:
Une application f∈L(E , F) est aussi appelée un morphisme.
Une application f∈L(E , E) est appelée un endomorphisme.
Une application bijective f ∈L(E , F) est appelée un isomorphisme.
Une application bijective f ∈L(E , E) est appelée un automorphisme.
V. Opérations sur les applications linéaires.
Soient E et F deux espaces vectoriels de dimension finie sur ℝ , B une base de E, B' une base de F et f une application linéaire de E dans F.
a. Addition de deux applications linéaires
Définition
:
Soient f , g∈L(E , F) l'addition de f et de g , qu'on note f+g , est l'application définie par : ∀x∈E (f+g)(x)=f (x)+g(x)
Proposition:
L(E , F) muni de la loi d'addition définie précédemment est un groupe commutatif.
Démonstration
:
b. Multiplication par un scalaire
Définition
:
Soit f ∈L(E , F) et λ ∈ℝ la multiplication f par par le scalaire λ , qu'on note λ f , est l'application définie par : ∀x∈E (λ f)(x)=λ f (x)
Proposition:
L(E , F) muni de la lois additive et de la multiplication par un scalaire est un espace vectoriel.
Démonstration
:
TODO : Remarque
:
L(E , F) et Mn , p(ℝ) sont deux espaces vectoriels de même dimension. Ils sont « équivalant ».
c. Composition de deux applications linéaires
Définition
:
Soient E, F et G trois espaces vectoriels, f ∈L(E , F) et g∈L(F , G) . On définit la loi de composition de deux applications linéaires f et g , et on note g∘f l'application :
h∈L(E , G) définie par : ∀x∈E g∘f(x)=g(f(x))
Proposition:
Soient E, F et G trois espaces vectoriels :
i) Si g∈L(F ,G) et f1,f2∈L(E , F) alors g∘(f1+f2)=g∘f1+g∘f2 ii) Si, g1,g2∈L(F ,G) et h∈L(E , F) alors (g1+g2)∘h=g1∘h+g2∘h
iii) Si λ ∈ℝ et f ∈L(E , F) g∈L(F , G) alors λ (g∘ f)=(λg)∘ f =g∘(λ f )
d. Application réciproque d'une application linéaire
Définition
:
Soit f∈L(E , F) une application linéaire bijective, on appelle application réciproque f et on note f−1 l'application f−1∈L(F , E) qui à y=f(x) associe x.
Proposition :
Soit f∈L(E , F) alors f ∘f−1=IdF et f−1∘f=IdE Remarque
:
Inverse matrices...