LAHLOU - Chapitre 3

Filière de « Sciences Économiques et de Gestion »
Semestre II / Session : Printemps-Été 2014-2015
Section A
Module 13 : Algèbre et Mathématiques Financières
Chapitre III :
Application linéaire
Professeure : Amale LAHLOU

Algèbre et Mathématiques Financières Chapitre III : Application Linéaire
Sommaire
INTRODUCTION ............................................................................................................................
1 DEFINITIONS ET GENERALITES .............................................................................................. 3
1.1 DEFINITION 3
1.2 VOCABULAIRE ET NOTATION 3
1.3 PROPRIETES 3
1.4 EGALITE 4
1.5 COMPOSITION DE DEUX APPLICATIONS LINEAIRES 4
2 NOYAU ET IMAGE D’UNE APPLICATION LINEAIRE ................................................................ 4
3 APPLICATIONS LINEAIRES INJECTIVES ET SURJECTIVES ......................................................... 5
4 RANG D’UNE APPLICATION LINEAIRE ................................................................................... 6
5 MATRICE ASSOCIEE A UNE APPLICATION LINEAIRE .............................................................. 6
5.1 COORDONNEES D’UN VECTEUR 6
5.2 MATRICE ASSOCIEE A UN SYSTEME DE VECTEURS 7
5.3 MATRICE ASSOCIEE A UNE APPLICATION LINEAIRE 8
6 CHANGEMENT DE BASES .................................................................................................... 11
6.1 MATRICE DE PASSAGE D’UNE BASE A UNE NOUVELLE BASE 11
6.2 COORDONNES D’UN VECTEUR RELATIVEMENT A UNE NOUVELLE BASE 12
6.3 MATRICE ASSOCIEE A UNE APPLICATION LINEAIRE RELATIVEMENT AUX NOUVELLES BASES 14
EXERCICES SOLUTIONNES SE RAPPORTANT AU CHAPITRE III
Pr. Amale LAHLOU 2 Session Printemps-É té 2014-2015

Faculté des Sciences Juridiques Économiques et Sociales, Rabat Semestre II
Chapitre III : Application Linéaire

1 Définitions et généralités
Dans toute la suite, sauf indication contraire, et ( désignent deux espaces vectoriels réels de
dimensions finies.
1.1 Définition
L’application définie de dans est dite linéaire si et seulement si est un homomorphisme d’espaces
vectoriels, c'est-à-dire :
, et
ou équivalent à :
1.2 Vocabulaire et notation

Soit une application linéaire de dans .
Si , on parle d’endomorphisme de ;
Si est bijective, on parle d’isomorphisme de dans ;
Si et est bijective, on parle d’automorphisme de ;
On note l’ensemble des applications linéaire de dans . Quand = , on abrège la
notation en , l’ensemble des endomorphismes de ;
Le triplet ( est un -e.v. où :
l’addition est une Loi de Composition Interne vérifiant,
et
la multiplication par un scalaire est une Loi de Composition Externe vérifiant,
Exemples :
 est l’application linéaire nulle notée .
 est l’application linéaire identité notée
 est une application linéaire de dans .
1.3 Propriétés
Soit alors :

L’image d’une combinaison linéaire des vecteurs de est une combinaison linéaire des images de ces
vecteurs.
1.4 Égalité
Soient , alors les deux applications sont égales si et seulement si :
1.5 Composition de deux applications linéaires
Soient , et trois -e.v. et et :
et
alors, l’application est définie par :
Remarque : en pratique, pour montrer qu’une application est linéaire, la méthode la plus rapide est de
montrer que est une somme ou composée d’applications linéaires connues.
2 Noyau et image d’une application linéaire

Définition : Soit .
Soit une partie de . On définit l’image de par , l’ensemble :
En particulier : on note .
Soit une partie de . On définit l’image réciproque de par , l’ensemble :
En particulier : on note
Exemple : Soit l’application linéaire :
D’une part,
D’autre part,
Ainsi,
Théorème :
L’image par une application linéaire d’un s.e.v. de est un s.e.v. de . En particulier, est un
s.e.v. de

L’image réciproque par une application linéaire d’un s.e.v. de est un s.e.v. de . En particulier,
est un s.e.v. de
Exemple : Soit l’application linéaire :
On a :
est le s.e.v. de engendré par la famille et .
est le s.e.v. de engendré par la famille et .

Théorème : Soit un système de . L’image de par l’application est le système
. Alors,
Si générateur de , alors est générateur de ;

Si est lié, alors est lié. La réciproque est fausse ;
Si est libre, alors est libre. La réciproque est fausse.
Remarque : Si est libre, alors n’est pas forcement libre. Comme contre exemple, on prend
l’application linéaire :
Le système est libre de tandis que le système est lié (les deux
vecteurs sont opposés).
Notons que si l’application est injective alors l’image de tout système libre est libre.
3 Applications linéaires injectives et surjectives

Définition : Une application définie d’un ensemble quelconque dans un ensemble est dite :
est injective si et seulement si ;
est surjective si et seulement si ;
est bijective si et seulement si est à la fois injective et surjective
ou encore, est bijective si et seulement si
ou encore, est bijective si et seulement si .
Théorème : Soit une application définie de l’espace vectoriel vers l’espace vectoriel .
est injective si et seulement si l’image par de tout système libre de est un système libre de ;
ou encore, est injective si et seulement si ;

est surjective si et seulement si l’image par de tout système générateur de est un système
générateur de ;
ou encore, est surjective si et seulement si ;
est bijective si et seulement si l’image par d’une base de est une base de
ou encore, est bijective si et seulement si et .
Corollaire : Soit avec et deux -e.v. de dimensions finies.
Si l’application linéaire est injective alors .
Si l’application linéaire est surjective alors .
Si alors,
est bijective est surjective est injective.
4 Rang d’une application linéaire

Définition : On appelle rang de l’application linéaire , noté ou , la dimension du sous-
espace vectoriel , c’est-à-dire :
Théorème du rang : Soit avec et deux -e.v. de dimensions finies.
ou encore,
Exemple : Soit l’application linéaire,
On a : et
ainsi,
On vérifie facilement que :
Corollaire :
est injective si et seulement si ;
est surjective si et seulement si ;
est bijective si et seulement si .
5 Matrice associée à une application linéaire relativement aux bases des deux
espaces vectoriels
Soit un -e.v. avec , muni d’une base .
Soit un -e.v. avec , muni d’une base
5.1 Coordonnées d’un vecteur

Tout vecteur de se décompose de façon unique en une combinaison linéaire des vecteurs de la base .
Autrement dit,

On associe au vecteur , relativement à la base , une matrice uni-colonne dont les

coefficients sont , coefficients de la combinaison linéaire de dans la base :
Exemple : Soit muni de sa base canonique et vecteur de .
5.2 Matrice associée à un système de vecteurs

Soit une famille de vecteurs de . La matrice associée à la famille relativement à la
base , notée , est définie par :
où le vecteur (jième colonne de la matrice) se décompose dans la base comme suit :
Exemple : : Soit muni de sa base canonique et une famille de

vecteurs de où :
, , et
Comme,
Alors,

5.3 Matrice associée à une application linéaire

On associe à toute application une matrice, notée , appelée matrice
de relativement aux bases et :
Si le vecteur se décompose dans la base comme suit :
alors,
On construit la matrice colonne par colonne.

Quand = et , on abrège la notation en .
Notons que :
Exemple : Soient et munis respectivement des bases canoniques et

Et soit l’application linéaire :
Comme,
Alors,
Remarque : La matrice associée à l’application linéaire dépend des bases considérées.

À titre d’exemple, soit muni de la base et muni de la base
canonique . Et soit l’application linéaire :

Comme,
Alors,
On remarque que :
Proposition : Si dans la base et si dans la base alors,
Autrement dit, toute application est complètement déterminée par la donnée de l’image d’une
base de
Exemple : Soient et munis respectivement des bases canoniques et
. Et soit l’application dont la matrice associée est :
Alors, , on pose avec :
Ainsi l’expression analytique de est,
En effet,
Théorème : Soient et trois -e.v. de bases respectives et et

et . Alors,
et

et
Exemple : Soit muni de la base canonique et muni de la base canonique

. Et soient les applications linéaires :
Tout calcul fait on obtient :
Et effectivement :
Théorème : Soient un -e.v. de base et deux automorphismes de . Donc, et

sont inversibles, et
Exemple : Soit muni de la base canonique et soit les applications linéaires :

Comme , alors et sont inversibles.
Ainsi,
On remarque que :
et
Théorème : Soient et deux -e.v. de bases respectives et et Alors,
6 Changement de bases
6.1 Matrice de passage d’une base à une nouvelle base
Soit un -e.v. muni de deux bases et
On appelle la matrice de passage de la base à la base , notée , la matrice :
matrice du système relativement à la base , ou encore, la matrice : matrice associée à

l’application linéaire identité dans , relativement aux bases . Par exemple, si
Alors,

On construit la matrice de passage colonne par colonne ; les vecteurs colonnes sont formés par les
composantes des vecteurs de la base dans la base
Remarque : .
Théorème : la matrice de passage de la base à la base est inversible et son inverse est la matrice de
passage de la base à la base
Exemple : Dans , on considère la base canonique et la base avec

et Comme
Alors,
Pour déterminer la matrice on procède de deux façons :
Ou encore, on écrit les vecteurs dans la base :
et ainsi,
6.2 Coordonnées d’un vecteur relativement à une nouvelle base

Soit un -e.v. muni de deux bases et avec,
 On considère un vecteur s’écrivant dans la base comme suit,
étant la matrice unicolonne formée par les composantes du vecteur dans la base .

 Ce même vecteur s'écrit dans la base comme suit,
étant la matrice unicolonne formée par les composantes du vecteur dans la base .
On cherche un lien entre les composantes et les composantes Comme,
et
Alors,
C'est-à-dire,
En pratique, nous connaissons les anciennes composantes et nous désirons déterminer les nouvelles
. Comme la matrice de passage est inversible et alors,
Ainsi,
La matrice permet donc d'exprimer les composantes du vecteur dans la nouvelle base
en fonction de ses composantes dans l’ancienne base
Exemple : Dans , on considère la base canonique et la base avec et
On a :
et
Soit, .
 dans la base ,

 dans la base ,
Première méthode : on a,
Deuxième méthode :
Donc,
6.3 Matrice associée à une application linéaire relativement aux nouvelles bases
Soit
Théorème (écriture matricielle) :
 Au vecteur on associe la matrice formée par les composantes de
dans la base :
 Au vecteur on associe la matrice formée par les
composantes de dans la base :
Le vecteur se décompose dans la base :

Comme, et
Alors,
C'est-à-dire,

Ainsi,
Exemple : Soient et munis des bases canoniques et . Et soit
l’application définie par :
et dont la matrice associée est donnée par :
On pose : dans la base
dans la base
On a :
Théorème : On pose,
: Matrice de passage de la base à la base
: Matrice de passage de la base à la base
: Matrice associée à relativement aux bases et

: Matrice associée à relativement aux bases et
Comme,
Alors,
Ainsi,
Exemple : muni de la base canonique et la base avec,
Ainsi,

muni de la base canonique et la base avec,
On remarque que :
Ainsi, et
On considère l’application définie par :
et dont la matrice associée à f relativement aux bases et :
La matrice associée à f relativement aux bases et
En effet :


LAHLOU - Chapitre 3

Diunggah oleh

Informasi Dokumen

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

LAHLOU - Chapitre 3

Diunggah oleh

Hak Cipta:

Format Tersedia

Filière de « Sciences Économiques et de Gestion »

Semestre II / Session : Printemps-Été 2014-2015

Module 13 : Algèbre et Mathématiques Financières

Professeure : Amale LAHLOU

Pr. Amale LAHLOU 2 Session Printemps-É té 2014-2015

Chapitre III : Application Linéaire

1.2 Vocabulaire et notation

l’addition est une Loi de Composition Interne vérifiant,

la multiplication par un scalaire est une Loi de Composition Externe vérifiant,

 est l’application linéaire nulle notée .

 est l’application linéaire identité notée

 est une application linéaire de dans .

Pr. Amale LAHLOU 3 Session Printemps-É té 2014-2015

alors, l’application est définie par :

2 Noyau et image d’une application linéaire

Pr. Amale LAHLOU 4 Session Printemps-É té 2014-2015

est le s.e.v. de engendré par la famille et .

est le s.e.v. de engendré par la famille et .

Si générateur de , alors est générateur de ;

3 Applications linéaires injectives et surjectives

Pr. Amale LAHLOU 5 Session Printemps-É té 2014-2015

4 Rang d’une application linéaire

Exemple : Soit l’application linéaire,

5.1 Coordonnées d’un vecteur

Pr. Amale LAHLOU 6 Session Printemps-É té 2014-2015

On associe au vecteur , relativement à la base , une matrice uni-colonne dont les

Exemple : Soit muni de sa base canonique et vecteur de .

5.2 Matrice associée à un système de vecteurs

où le vecteur (jième colonne de la matrice) se décompose dans la base comme suit :

Exemple : : Soit muni de sa base canonique et une famille de

Pr. Amale LAHLOU 7 Session Printemps-É té 2014-2015

5.3 Matrice associée à une application linéaire

Si le vecteur se décompose dans la base comme suit :

On construit la matrice colonne par colonne.

Exemple : Soient et munis respectivement des bases canoniques et

Remarque : La matrice associée à l’application linéaire dépend des bases considérées.

Pr. Amale LAHLOU 8 Session Printemps-É té 2014-2015

Alors, , on pose avec :

Ainsi l’expression analytique de est,

Théorème : Soient et trois -e.v. de bases respectives et et

Pr. Amale LAHLOU 9 Session Printemps-É té 2014-2015

Exemple : Soit muni de la base canonique et muni de la base canonique

Tout calcul fait on obtient :

Théorème : Soient un -e.v. de base et deux automorphismes de . Donc, et

Exemple : Soit muni de la base canonique et soit les applications linéaires :

Pr. Amale LAHLOU 10 Session Printemps-É té 2014-2015

Comme , alors et sont inversibles.

Théorème : Soient et deux -e.v. de bases respectives et et Alors,

matrice du système relativement à la base , ou encore, la matrice : matrice associée à

Pr. Amale LAHLOU 11 Session Printemps-É té 2014-2015

passage de la base à la base

Exemple : Dans , on considère la base canonique et la base avec

Pour déterminer la matrice on procède de deux façons :

Ou encore, on écrit les vecteurs dans la base :

6.2 Coordonnées d’un vecteur relativement à une nouvelle base

 On considère un vecteur s’écrivant dans la base comme suit,

Pr. Amale LAHLOU 12 Session Printemps-É té 2014-2015

 Ce même vecteur s'écrit dans la base comme suit,

On cherche un lien entre les composantes et les composantes Comme,

. Comme la matrice de passage est inversible et alors,

Pr. Amale LAHLOU 13 Session Printemps-É té 2014-2015

 Au vecteur on associe la matrice formée par les

composantes de dans la base :