Professional Documents
Culture Documents
Notations du chapitre — Dans tout ce chapitre, K = R ou C et E et F sont deux Alors g ◦ f est une application linéaire de E dans G.
espaces vectoriels sur K.
Théorème 1.4 — Linéarité de la bijection réciproque
Soit f une application linéaire bijective de E dans F .
I — Définitions et opérations
La bijection réciproque f −1 de f est une application linéaire de F dans E.
g ◦ ( f1 + f2 ) = g ◦ f1 + g ◦ f2
Vocabulaire et notations
– Une application linéaire est parfois qualifiée de morphisme d’espaces vecto- 2) Si g1 et g2 sont deux application linéaire de F dans G et f une application
riels. Elles forment l’ensemble L (E, F ). linéaire de E dans F alors
– Si les espaces de départ et d’arrivée sont indentiques (F = E) on parle
d’endomorphisme (ensemble : L (E)). (g1 + g2 ) ◦ f = g1 ◦ f + g2 ◦ f
– Si l’application est bijective, on parle d’isomorphisme.
– Enfin un endomorphisme bijectif est un automorphisme (ensemble G L(E)). Notation puissance Soit f ∈ L (E) et n ∈ N∗ . On note
– f n = f ◦ f ◦ · · · ◦ f ( f composée n fois avec elle-même) ;
Propriété 1.2 — Soit f et g deux applications linéaires de E dans F et α ∈ K. – et f 0 = Id E par convention.
Alors f + g et α f sont deux applications linéaires de E dans F . – Si f est bijective, on note f −n = ( f −1 )n .
Les propriétés caractéristiques de la notation puissance sont vérifiées.
II — Noyau, image d’une application linéaire Théorème 3.1 — Caractérisation d’une application linéaire
Soit E et F deux espaces vectoriels, E étant de dimension finie p.
Définition 2.1 — Noyau d’une application linéaire Une application linéaire de E dans F est entièrement déterminée par l’image des
Soit E et F deux espaces vectoriels et f ∈ L (E, F ). vecteurs d’une base de E.
L’ensemble des solutions de l’équation f (u) = 0 F , d’inconnue u ∈ E, s’appelle le
noyau de f . On le note Ker f :
Propriété 3.2 — Soit E et F deux espaces vectoriels, f ∈ L (E, F ) et (e1 , . . . , e p )
Ker f = {u ∈ E tel que f (u) = 0 F } une base quelconque de E.
( f (e1 ), . . . , f (e p )) est une famille génératrice de Im f .
Corollaire 3.5 — Soit f une application linéaire entre deux espace vectoriel E et
Théorème 2.5 — Image et surjectivité F de dimensions finies.
Soit E et F deux espaces vectoriels et f ∈ L (E, F ).
1) f est injective si et seulement si rg f = dim E ;
f est surjective si et seulement si Im f = F .
2) f est surjective si et seulement si rg f = dim F ;
3) f est bijective si et seulement si rg f = dim E = dim F ;
Corollaire 3.6 — Si F est de dimension finie et si dim F = dim E alors on a l’équi- Théorème 4.4 — Opérations et représentation matricielle
valence Soit E et F deux espaces vectoriels, E et F de dimensions finies, B une base de E et
C une base de F .
f est injective ⇐⇒ f surjective ⇐⇒ f bijective
1) matBC ( f + g) = matBC ( f ) + matBC (g) ;
2) pour λ ∈ K, matBC (λ f ) = λ matBC ( f ).
Propriété 3.7 — Soit E et F deux espaces vectoriels, E de dimension finie (resp. F
de dimension finie) et f ∈ L (E, F ).
S’il existe un isomorphisme entre E et F alors F est aussi de dimension finie (resp. E Théorème 4.5 — Utilisation du produit matriciel – I
est aussi de dimension finie) et dim E = dim F . Soit f ∈ L (E) et M la matrice représentant f dans les bases B et C . Si u est un
vecteur de u représenté par UB dans la base B alors M × UB représente f (u) dans
la base C .
IV — Matrice d’une application linéaire
Corollaire 4.3 — Soit M ∈ Mn,p (K). Il existe une unique application linéaire f rg f = rg M
de K p dans Kn dont M est la matrice dans la base canonique de Kn .