Section 2 Applications linéaires et sous-espaces vectoriels
Subsection 2.1 Image d'une application linéaire
Rappelons que, lorsqu'on a une application (pas forcément linéaire) \(\phi: X\rightarrow Y\) entre deux ensembles, on peut définir l'image (directe) par \(\phi\) d'un sous ensemble \(A\subset X\text{:}\)
On s'intéresse ici à l'image d'un s.e.v. par une application linéaire:
Proposition 2.1.
Soit \(E' \subset E\) un s.e.v. de \(E\text{.}\) Soit \(f\in \mathcal L(E,F)\text{.}\) Alors \(f(E') = \{f(x),x \in E'\}\) est un sous-espace vectoriel de \(F\text{.}\)
Proof.
Vérifions que \(f(E')\) est un s.e.v.
Comme \(E'\) est un s.e.v. de \(E\text{,}\) \(0_E\in E'\text{.}\) Puisque \(f\) est linéaire, \(f(0_E)=0_F\text{,}\) donc \(0_F \in f(E')\text{.}\) Donc \(f(E')\neq \emptyset\text{.}\)
-
Soient \(y_1,y_2\in f(E')\text{,}\) \(\lambda_1, \lambda_2\in \K\text{.}\) Montrons que \(\lambda_1 y_1 + \lambda_2 y_2 \in f(E')\text{.}\) Il existe donc \(x_1,x_2 \in E'\) tels que \(y_1= f(x_1)\) et \(y_2=f(x_2)\text{.}\)
Puisque \(E'\) est un s.e.v., \(\lambda_1x_1+\lambda_2x_2 \in E'\text{,}\) et
\begin{equation*} \lambda_1 y_1+\lambda_2 y_2 =\lambda_1f(x_1)+\lambda_2 f(x_2) = f(\lambda_1 x_1 + \lambda_2 x_2) \end{equation*}donc \(\lambda_1 y_1+\lambda_2 y_2 \in f(E')\text{.}\)
De là, on va pouvoir définir un s.e.v. de \(F\) particulièrement intéressant:
Definition 2.2.
Soit \(f\in\L(E,F)\text{.}\) L'ensemble \(f(E)\) est un s.e.v. de \(F\text{,}\) appellé image de \(f\) et noté \(\im(f)\text{.}\)
Corollary 2.3.
L'application \(f\) est surjective ssi \(\im(f)=F\text{.}\)
✑ Au fait, pourquoi ?
Example 2.4. Image d'une application liée à une matrice.
Soit \(A\in \M_{n,p}(\R)\) et \(\Phi_A: X\in \R^p \mapsto AX \in \R^n\) l'application associée.
Un vecteur \(b=(b_1,\dots,b_n)\) est dans \(\im(\Phi_A)\) ssi il existe \(x=(x_1,...,x_p)\in \R^p\) tel que \(\Phi_A(x)=b\text{,}\) autrement dit
Autrement dit, \(b\in \im(\Phi_A)\) ssi ce sytème admet des solutions.
Example 2.5. Un exemple calculatoire \(\R^3 \rightarrow \R^2\).
On va déterminer l'image de l'application linéaire
Un vecteur \((a,b)\in \R^2\) alors \((a,b)\in\im(f)\) s'il existe \((x,y,z)\in\R^3\) tel que \(f(x,y,z)=(a,b)\) autrement dit, si
Ainsi, quel que soit \((a,b)\in \R^2\text{,}\) ce système admet une infinité de solutions; par exemple \((\frac12 (a-b),b,0)\) vérifie \(f(\frac12(a-b),b,0)=(a,b)\text{.}\)
On en déduit que \(\im(f)=\R^2\text{,}\) et que \(f\) est surjective.
Subsection 2.2 Noyau d'une application linéaire
Proposition 2.6.
Soit \(F'\) un s.e.v. de \(F\) et soit \(f\in\mathcal L(E,F)\text{.}\) Alors \(f^{-1}(F')=\{x\in E, f(x)\in F'\}\) est un s.e.v. de E.
Proof.
Vérifions que \(f^{-1}(F')\) est un s.e.v.
- Puisque \(f\) est linéaire, \(f(0_E)=0_F\text{.}\) Comme \(F'\) est un s.e.v., \(0_F\in F'\text{.}\) On en déduit que \(0_E\in f^{-1}(F')\text{.}\)
-
Soient \(x_1,x_2\in f^{-1}(F')\text{,}\) \(\lambda, \mu\in \K\text{.}\) Montrons que \(\lambda x_1 + \mu x_2 \in f^{-1}(F')\text{.}\)
On sait que \(f(x_1)\in F'\) et \(f(x_2)\in F'\) donc, puisque \(F'\) est un s.e.v., \(\lambda f(x_1) + \mu f(x_2) \in F'\text{.}\)
Puisque \(f\) est linéaire, on a donc \(f(\lambda x_1 + \mu x_2) \in F'\text{,}\) autrement dit, \(\lambda x_1 + \mu x_2 \in f^{-1}(F')\text{,}\) comme souhaité.
\(\leadsto\) \(f^{-1}(F')\) est donc bien un s.e.v. de \(E\text{.}\)
Definition 2.7.
Soit \(f\in\L(E,F)\text{.}\) L'ensemble \(f^{-1}(\{0_F\})\) est un s.e.v. de \(E\text{,}\) appelé noyau de \(f\) et noté \(\Ker(f)\text{.}\)
Proposition 2.8.
Une application linéaire \(f\) est injective ssi \(\Ker(f)=\{0_E\}\text{.}\)
Proof.
On procède par double implication.
-
\({\color{blue}{\boxed{\Rightarrow}}}\) Supposons que \(f\) est injective. On a \(f(0_E)=0_F\text{,}\) donc \(0_E\in \Ker(f)\text{.}\)
Pour l'inclusion réciproque, remarquons que, si \(x\in\Ker(f)\text{,}\) alors \(f(x)=0_F=f(0_E)\text{,}\) donc par injectivité de \(f\text{,}\) \(x=0_E\text{.}\)
Donc \(\Ker(f)=\{0_E\}\text{.}\)
-
\({\color{blue}{\boxed{\Leftarrow}}}\) Supposons que \(\Ker(f)=\{0_E\}\text{.}\) Soient \(x,x'\in E\) tels que \(f(x)=f(x')\text{.}\)
Alors, \(f(x-x')=f(x)-f(x')=0_F\text{,}\) donc \(x-x'\in \Ker(f)=\{0_E\}\text{,}\) donc \(x-x'=0_E\text{.}\)
Donc \(x=x'\text{,}\) et \(f\) est injective.
Example 2.9. Applications définies par une matrice.
Soit \(A\in\M_{n,p}(\R)\text{,}\) et \(\Phi_A:X\in\R^p \mapsto AX \in \R^n\text{.}\) Alors \(X\in \Ker \Phi_A\) ssi \(X\) est solution du système
Example 2.10. Toujours le même, \(\R^3 \rightarrow\R^2\).
Considérons à nouveau \(f:(x,y,z)\in\R^3\mapsto (2x+y, y+z)\in \R^2\)
Alors \((x,y,z)\in \Ker(f)\) ssi
Donc \(\Ker(f)=\{(\frac z2, -z,z), z\in \R\}=\vect(\frac12, -1,1)\text{.}\)