Applications linaires

I) Applications linaires - Gnralits

1.1) Introduction
L'ide d'application linaire est intimement lie celle d'espace vectoriel. Elle traduit la stabilit par combinaison linaire. Dfinition Soit E et F deux espaces vectoriels (on supposera que l'addition est note de la mme faon dans ces deux espaces). Soit une application de E dans F. On dit que f est une application linaire de E dans F si elle possde les proprits suivantes :

On a alors la caractrisation suivante : Thorme Soit E et F deux espaces vectoriels. Soit f une application de E dans F. f est une application linaire si et seulement si

Sens direct : Si est une AL, alors Donc Sens rciproque Si on aura en particulier pour et pour

et

et

Une forme plus condense Thorme Soit E et F deux espaces vectoriels. Soit f une application de E dans F. f est une application linaire si et seulement si

Sens direct : Si est une AL, alors Donc

et

Sens rciproque Si on aura en particulier pour et pour

1.2) Compatibilit avec la structure d'espace vectoriel

Deux rsultats sont utiles. Ils concernent les opposs et l'lment neutre. Thorme Soit

une AL de E dans F. Alors

On a videmment

Thorme Soit

une AL de E dans F, alors

On a pour tout

dans E,

Une consquence importante : autre caractrisation dune AL Thorme Soit E et F deux espaces vectoriels. Soit f une application de E dans F. f est une application linaire si et seulement si

Sens direct : Si est une AL, alors Donc Sens rciproque Si on aura en particulier pour et pour Or si Or , alors pour

et

et

, on a

Donc Et donc en prenant

1.3) Exemples d'applications linaires

Exemple 1 On considre l'ensemble Si est une application de lespace vectoriel On a dans lespace vectoriel . et l'application de cet ensemble dans dfinie de la faon suivante

Exemple 2 On considre les ensembles et (qui sont des ev) et l'application Faisons la dmonstration en deux tapes. Soit et deux vecteurs de On a

de dans dfinit par :

Si est un rel quelconque et

un vecteur de

on a

L'application est linaire. Exemple 3 On considre lensemble des fonctions drivables sur . Soit cet ensemble. Nous savons que cet ensemble est un sous espace vectoriel de lespace vectoriel des fonctions de dans . A ce titre cest un espace vectoriel. Soit lapplication de dans qui toute fonction de ( ) fait correspondre la fonction de Soit et deux fonctions de et et deux nombres rels.

On a Lapplication est donc linaire.

Exemple 4 On considre lespace vectoriel des polynmes de degr infrieur ou gal 3 : On dfinit sur cet espace vectoriel une application note dfinie de la faon suivante : Si , est la fonction dfinie pour tout rel par : Nous savons que si est un polynme de degr infrieur ou gal 3, est un polynme de degr infrieur ou gal 2. Lapplication est une application polynme de degr infrieur ou gal 3. apparat alors comme la somme de deux polynmes de degr infrieur ou gal 3. Donc est une application de lespace vectoriel dans lui-mme. et Soit un nombre rel quelconque. Soit et deux lments de On aura pour tout rel

Soit et On a pour tout rel

On a donc Et donc Lapplication est une application linaire de On dit que cest un endomorphisme de dans

Exemple 5 Au collge on appelait application linaire toute application de Une application linaire est bien linaire. En effet a une structure despace vectoriel. On a pour tout couple de rels et pour tout nombre rel :

dans

de la forme :

Mais dans , ces applications sont les seules applications linaires Una application affine nest pas linaire. Prenons La fonction carre nest pas linaire : si on a par exemple :

Donc

1.4) L'ensemble des applications linaires

On note l'ensemble des applications linaires de lespace vectoriel E dans lespace vectoriel F. On a alors le rsultat suivant : Thorme ) a une structure d'espace vectoriel sur .

On peut en effet dfinir la somme de deux applications linaires de E dans F de la faon suivante : Si , lapplication somme est note et est dfinie par On peut galement dfinir le produit par un rel dune application de Si et si lapplication note est dfinie par : de la faon suivante :

On peut remarquer que ces deux dfinitions sont celles que lon rencontre habituellement pour parler de fonction somme de deux fonctions, et fonction produit par un rel. Lensemble des applications linaires de E dans F est un sous-ensemble de lespace vectoriel des fonctions de E dans F (les applications linaires sont des fonctions particulires de E dans F). Il est non vide, puisque la fonction nulle de E dans F est une application linaire. cette application nulle de E dans F. Cest l'application dfinie par : Notons

Soit Et Donc

un couple d'lments de E et un nombre rel.

Montrons que l'ensemble est stable par addition : Soit et deux lments de soit et deux lments de E et un rel. On a par dfinition de lapplication somme : Or les applications et sont linaires donc

On en dduit que Lapplication est donc linaire : lensemble est stable par addition.

De mme montrons que l'ensemble est stable par la multiplication par un nombre rel. Soit f un lment de un nombre rel, soit et deux lments de E et un nombre rel. On a par dfinition de lapplication Or lapplication est linaire, donc : :

On a donc Lapplication est linaire.

1.5) Des cas particuliers importants

De faon gnrale une application linaire d'un espace vectoriel E dans un espace vectoriel F est appele morphisme d'espaces vectoriels (parce qu'elle se moule dans la forme d'espace vectoriel). Si E = F, on dit qu'il s'agit d'un endomorphisme. Dfinition Si est un espace vectoriel, on appelle endomorphisme toute application linaire de On note l'espace vectoriel des endomorphismes de Un autre cas intressant est celui des applications linaires bijectives d'un ev

dans

dans un ev

Dfinition Soit et deux espaces vectoriels. On appelle isomorphisme toute application linaire bijective de dans On note l'ensemble des isomorphismes de dans Enfin un endomorphisme bijectif est appel automorphisme. Dfinition Soit un espace vectoriel. On appelle automorphisme toute application linaire bijective de dans On note l'ensemble des automorphismes de

1.6) Composition des applications linaires

On considre trois espaces vectoriels l'application de dans dfinie par et Soit et On considre

Nous savons que si est une application de application de dans

dans

et

une application de

dans , alors

est une

F E G

Montrons que cette application est un lment de On considre deux lments et de E et un rel . On a par dfinition de la composition :

La fonction La fonction On a donc

est linaire donc : est linaire donc :

La fonction est bien linaire. On a donc le thorme suivant : Thorme : Soit

et

, alors

appartient

1.7) Application rciproque d'un isomorphisme

On considre un isomorphisme d'un espace vectoriel dans un espace vectoriel Puisque est une bijection, elle admet une bijection rciproque note Montrons que cette bijection rciproque est une application linaire (et donc un isomorphisme) de sur On a par dfinition : Soit et deux lments de On a donc : Or lapplication Par dfinition de Donc et un nombre rel. Soit et

est linaire, donc : on a :

Thorme La bijection rciproque d'un isomorphisme est un isomorphisme

II) Applications linaires en dimension finie

2.1) Un isomorphisme bien utile
On considre l'espace vectoriel qui est compos des -uplets de rels de la forme On peut associer tout -uplet le vecteur colonne (c'est--dire un lment de mmes nombres que ceux du -uplet : ) compos des

Il est facile de vrifier que cette application est linaire. Elle est videmment bijective. On dit que c'est l'isomorphisme canonique de dans

2.2) Application linaire associe une matrice

Considrons une matrice lignes et un vecteur de Soit colonnes ( ).

On lui associe canoniquement la matrice colonne Le produit matriciel de Par exemple si Pour tout triplet On a par

qui appartient donc lignes.

est possible et donne une matrice colonne

avec de , on associe canoniquement

On a en fait procd aux tapes suivantes :

dans dont nous allons montrer qu'elle est De faon gnrale, on cre ainsi une application de linaire. Bien entendu, les deux isomorphismes permettant de passer des vecteurs lignes aux vecteurs colonnes et rciproquement sont des applications linaires. Compte tenu de la proprit concernant la compose d'applications linaires, il suffit de prouver que l'application qui fait correspondre au vecteur colonne le vecteur colonne A est une application linaire.

Nous ne ferons cette dmonstration que dans le cas particulier o Soit l'application qui tout de fait correspondre le vecteur colonne A

On a donc

Soit

et

deux lments de

et un nombre rel. On a

La dmonstration est bien videmment identique si

est quelconque.

Un cas particulier important : les endomorphismes associs aux matrices carres. On dispose dune matrice carre dordre . Montrons comment on cre une application linaire partir de cette matrice. Nous ne montrerons la dmarche que sur un exemple. On procderait de mme faon dans le cas gnral. On considre la matrice Pour crer une application linaire de dans , on fait dabord correspondre tout triplet le vecteur colonne puis le vecteur colonne On fait

ensuite correspondre ce vecteur colonne le vecteur ligne canoniquement associ :

On a ainsi dfini une application linaire de dans , c'est--dire un endomorphisme de par :

2.3) Inversibilit et bijectivit

Quel rapport y-a t'il entre une application linaire bijective et une matrice inversible ? L'inversibilit n'est envisageable que dans le cas des matrices carres. Soit une matrice carre inversible dordre On considre alors l'endomorphisme associ la matrice comme on la vu dans la partie prcdente. Appelons l'isomorphisme canonique de :

Et donc

Soit

l'endomorphisme de

dfini par :

On a en rassemblant les diffrentes tapes :

On a donc

On peut crire aussi

La bijectivit de Posons

est quivalente la bijectivit de

Dire que g est bijective c'est dire que quel que soit le vecteur colonne

de

il existe un

vecteur colonne et un seul

tel que

(l'existence correspond la surjectivit, l'unicit l'injectivit). Autrement dit il existe un unique de tel que :

Cest ce que nous allons montrer dans le cas o Si est inversible, l'galit

est inversible.

est quivalente

On a bien

Donc

est bien un antcdent de

par lapplication

Montrons que cet antcdent est unique.

Pour cela dmontrons que si

et

ont la mme image par

alors ils sont gaux.

Si

alors

donc

Et donc

On a donc un premier rsultat partiel : Si la matrice A est inversible, l'application g et donc aussi l'application f est bijective. Nous dmontre partir des systmes linaires la rciproque de cette proprit. On peut alors noncer le thorme suivant : Thorme Soit A une matrice carre d'ordre n et f l'endomorphisme de associ A. f est bijectif (c'est--dire est un automorphisme) si et seulement si la matrice A est inversible On a ainsi un critre simple pour tester la bijectivit de f.

2.4) Noyau d'une application linaire

Dfinition Soit E et F deux espaces vectoriels et l'application l'ensemble des vecteurs On note cet ensemble On a donc Exemple : Considrons la matrice matrice. Dterminons limage par dun triplet et l'application linaire par On a : de dans associe cette

une application linaire de E dans F. On appelle noyau de de E dont l'image est le vecteur nul de F.

On a donc

Le noyau de Ce qui donne

est donc l'ensemble des triplets

de tels que

On transforme ce systme par le pivot de Gauss :

On en tire

Donc

Et donc

Ce qui donne

L'ensemble des vecteurs de constitu par les vecteurs du type :

qui remplissent la relation

est donc

Il s'agit donc du sev engendr par le vecteur

On a

On a le thorme suivant : Thorme Soit E et F deux espaces vectoriels et On a par dfinition Nous avons vu que Soit Donc et

alors

est un sev de E

donc et un rel. On a :

deux vecteurs appartenant

2.5) Noyau et injectivit

Thorme Soit E et F deux espaces vectoriels et

une application linaire de E dans F.

est injective si et seulement si Ce thorme est trs important. Sens direct Dire que est injective c'est dire que chaque lment de E a une image qui lui est propre, ou encore que si deux lments de E ont la mme image, ils sont gaux. Prenons dans On a mais on a aussi donc et d'aprs . l'injectivit Donc le seul lment de est Sens rciproque Cela signifie que si un vecteur est tel que Supposons que ne contienne que alors ce vecteur est nul. Prenons deux vecteurs et qui ont la mme image. On a donc donc et par linarit Ce qui conduit alors et en dfinitive Donc est bien injective.

2.6) Image d'une application linaire

Dfinition Soit E et F deux espaces vectoriels et On appelle image de et l'on note (ou parfois l'ensemble des images des lments de E par f.

) le sous-ensemble de F constitu par

Remarque : Le noyau est un sous-ensemble de l'ensemble de dpart, l'image est un sous-ensemble de l'ensemble d'arrive. On a

Dire qu'un vecteur

de F appartient

c'est dire qu'il existe au moins un vecteur

de E tel que

Thorme est un sous-espace vectoriel de F Dmonstration : n'est pas vide. En effet puisque est inclus dans F par dfinition. Soit et deux lments de et un nombre rel, montrons que Il faut donc trouver un vecteur de E dont l'image est donc il existe tel que donc il existe tel que Posons On a .

est un lment de

Donc Exemple 1 : 1) On considre l'application

de dans dfinie par :

a) Montrer que est une application linaire associe une matrice que l'on dterminera. b) Dterminer le noyau de c) Dterminer l'image de On cherche une matrice colonne Dterminons le format de Comme permet de crer une correspondance entre Donc On a clairement Il faut donc que qui transforme par multiplication un vecteur colonne en un vecteur

et

, ce doit tre une matrice de

L'application f est donc linaire comme application associe une matrice. b) Le noyau de est l'ensemble des vecteurs de dont l'image est gale au vecteur nul de .

Ce systme conduit videmment Donc le seul vecteur du noyau est le vecteur nul de . L'application f est donc injective. c) Dterminons l'image. On a

On prend un lment quelconque de . La question est de savoir s'il appartient sinon quelle(s) condition(s) il doit remplir pour appartenir Dire que appartient c'est dire que l'on peut trouver deux rels et tels que

ou

On a alors

Ce qui conduit au systme

La t oisim quation onn En remplaant dans la deuxime on trouve

Pour que systme soit possible, il faut que les valeurs trouves pour premire quation. A savoir :

et

remplissent aussi la

On en tire Ou encore Tous les lments de ne sont pas dans en font partie. Donc signifie que Seuls ceux qui remplissent la condition prcdente

Im(f) est un sous-espace vectoriel de dont (1,0,1) et (0,1,1) forment une famille gnratrice. (Ce qui signifie que seuls les triplets de rels qui peuvent s'crire comme combinaison linaire de ces deux triplets ont un antcdent par , et aussi que l'on est sr qu'un tel triplet a bien un antcdent).

Exemple 2 : On considre la matrice et l'endomorphisme de associ Dmontrer que la famille constitue par les vecteurs correspondant aux vecteurs colonnes de cette matrice est une famille gnratrice de Autrement dit un vecteur de appartient si et seulement si on peut l'crire comme combinaison linaire de ces trois vecteurs. Dtaillons d'abord l'application On a

Donc

est l'endomorphisme de dfini par

Un vecteur de appartient s'il est image par dire s'il existe trois nombres rels et tels que f

d'un vecteur ou encore

de

, c'est--

On peut alors crire

Donc tout vecteur de s'crit bien comme combinaison linaire de et Rciproquement, si l'on considre un vecteur de qui s'crit comme combinaison linaire de ces trois vecteurs, montrons qu'un tel vecteur appartient Soit

Il est clair que

et donc Remarque : Ce rsultat est tout fait gnral. Nous en proposerons une autre dmonstration plus tard.

Thorme Soit une matrice de et matrice. La famille de vecteurs de est une famille gnratrice de

l'application linaire de dans associe cette obtenue partir des vecteurs colonnes de la matrice

2.7) Image et surjectivit

Thorme Soit une application linaire d'un espace vectoriel E dans un espace vectoriel F. L'application est surjective si et seulement si Nous savons que Dire que l'application est surjective c'est dire que tout lment de F a au moins un antcdent, autrement dit que il existe au moins un lment de E tel que ce qui signifie que et donc tout lment de F est dans ou encore que Et donc puisque nous avons la fois et on a bien Rciproquement, si donc que est surjective. cela signifie que tout lment de F est l'image d'un lment de E et

III) Applications linaires entre espaces vectoriels de dimension finie

3.1) Etude du cas gnral
Soit et deux espaces vectoriels de dimensions respectives On considre une application et

Soit Posons Les vecteurs

une base de

et

une base de

sont des vecteurs de de Il existe donc un vecteur de dont est limage.

Considrons un vecteur scrit sous la forme : Donc

Donc la famille

est une famille gnratrice de

Thorme Soit une application linaire dun espace vectoriel de dimension dans un espace vectoriel une base de et les images des vecteurs Soit par Alors la famille est une famille gnratrice de Considrons maintenant les coordonnes des lments de la famille dans la base Pour crire ces coordonnes, nous utiliserons un principe de double indexation. On crira par exemple :

alors nous avons vu que Si On peut crire avec le symbole :

Et

Donc

La

im

composante du vecteur

est

Ecrivons la matrice

de la famille

dans la base

fait le produit par un vecteur colonne

lignes, on obtient un vecteur colonne

im

lignes. La im composante du vecteur colonne sobtient en faisant la somme des produits de la la matrice Soit Ce qui donne par les lments du vecteur

ligne de

On reconnat la composante de

dans le vecteur par le vecteur colonne

Ce produit matriciel donne donc le vecteur image. On passe de en effectuant le produit de la matrice

On dit que On crit

est la matrice de lapplication linaire

relativement aux bases

et

Dfinition : Soit et tant deux espaces vectoriels de dimensions respectives et Soit une base de et une base de dans la base Cette matrice Soit la matrice des composantes des vecteurs est appele matrice de lapplication linaire relativement aux bases et . Thorme Avec les notations prcdentes, soit base . Soit Alors Exemple Considrons lespace vectoriel des matrices carres dordre 2 toute matrice associe le couple de Posons

un vecteur de

de composantes

dans la

et lapplication

de

qui

On dmontre facilement que est une application linaire de Considrons la base canonique de

dans

Et la base canonique de On a

La matrice de lapplication

relativement ces deux bases est donc :

Remarque : en crivant

Et en passant aux vecteurs colonnes, on obtient :

Rsultat qui confirme bien ce que nous attendions.

3.2) Le cas particulier des applications linaires de

dans
de

Nous allons examiner cette question partir dun exemple. On considre lapplication linaire dans associe la matrice de sobtient partir du produit matriciel

Nous savons que limage dun vecteur

On a

On a donc

Considrons la base canonique de

et la base canonique de

On aura

On reconnat les colonnes de la matrice

On aurait pu sen apercevoir plus vite . En effet :

Et de mme pour les deux autres colonnes. Cette remarque est trs gnrale. Elle justifie le rsultat suivant : Thorme Soit Soit

associe une matrice de la base canonique de et la base canonique de

On a :

Ce rsultat provient du fait que quand on multiplie une matrice lignes et colonnes par un vecteur colonne contenant 0 et un 1 plac au rang , on obtient la im colonne de la matrice. Dans le cas dun endomorphisme, la seule diffrence est que = . Par exemple si est lendomorphisme de associ la matrice , on a dans

la base canonique de

3.3) Noyau et Image en dimension finie

Soit une application linaire dun espace vectoriel de dimension On sait que est un sev de donc im On sait que est un sev de donc im Certains cas particuliers sont intressants. de dimension dans un espace vectoriel

Si im , cela signifie que ne contient que le vecteur nul de Alors est injective, daprs ce que nous avons vu prcdemment. La rciproque est videmment vraie.

Thorme En dimensions finies,

est injective si et seulement si im

Si im alors (cest un sev de . Donc et donc . Lapplication est lapplication nulle. La rciproque est vraie : si est lapplication nulle, Donc et im im On a des rsultats de mme nature pour limage. Si im , alors La rciproque est videmment vraie. Donc

de mme dimension que

il est donc gal

et donc

Lapplication

est lapplication nulle.

Si im alors on aura et donc est surjective. Ce cas est intressant, car nous devons nous rappeler que si est une base de nous avons montr que est une famille gnratrice de Si lapplication est surjective, alors et donc cette famille est une famille gnratrice de Or toute famille gnratrice dans un espace vectoriel contient au moins autant de vecteurs que la dimension de lespace. On a donc dans ce cas ncessairement

3.4) Le cas des endomorphismes

On considre un endomorphisme dun espace vectoriel de dimension une base de Soit Si est une application surjective, alors est une famille gnratrice de donc puisquil sagit dune famille de vecteurs, cest une base de Considrons alors deux vecteurs et de tels que Posons

qui est gal

On a alors

Si

comme

est une base on a :

Et donc lapplication est injective. Toute application surjective est donc injective, et donc bijective. Mais comme toute application bijective est surjective, on en dduit quun endomorphisme dans un espace de dimension finie est bijectif si et seulement si, il est surjectif. Si est un endomorphisme injectif, Supposons que cet endomorphisme ne soit pas surjectif, cela signifierait que Donc im La famille de vecteurs est une famille gnratrice de qui contiendrait plus de vecteurs que la dimension de : elle ne pourrait donc pas tre libre. Si

elle est lie, cela signifie quil existe un vecteur au moins de cette famille qui est soit nul, soit sexprime comme combinaison linaire des autres vecteurs de la famille. Supposons que lun des vecteurs soit nul, par exemple On aurait alors et Ce qui est contradictoire avec Supposons que par exemple sexprime comme combinaison linaire des autres vecteurs de la famille. On pourra crire

On aura alors

Donc

Mais

Ce vecteur nest pas nul puisquil a au moins une composante non nulle. Nouvelle contradiction. Donc la famille est libre et donc Lapplication est donc surjective. Toute application injective est donc surjective, et donc bijective. Mais comme toute application bijective est injective, on en dduit quun endomorphisme dans un espace de dimension finie est bijectif si et seulement si, il est injectif. Bien entendu les dmonstrations et les rsultats sont les mmes si est une application linaire dun espace vectoriel dans un espace vectoriel de mme dimension que On a le thorme suivant : Thorme Soit une application linaire dun espace vectoriel de dimension dans un espace vectoriel de mme dimension que (ventuellement gal Cette application est bijective si et seulement si elle est injective, ou si et seulement si elle est surjective. Et entre des espaces vectoriels de dimensions diffrentes, peut-il exister un isomorphisme ? Soit de dimension et de dimension Soit une application linaire de dans dont on voudrait quelle soit bijective. On considre une base de On sait que est une famille gnratrice de Si est surjective, alors et donc ncessairement Nous avons dj vu ce

rsultat. Si alors la famille nest pas libre. Elle est lie et nous avons vu plus haut que cela impliquait ncessairement que le noyau contenait dautres vecteurs que le vecteur nul. Lapplication ne peut pas tre injective. Il faut donc que Thorme Il ne peut pas exister disomorphismes entre deux espaces vectoriels de dimensions diffrentes.

3.5) Matrices disomorphismes

Nous savons dj quun isomorphisme ne peut se concevoir quentre espaces vectoriels de mme dimension et donc que la matrice associe relativement des bases de chacun des espaces vectoriels est ncessairement une matrice carre dont lordre est la dimension commune des deux espaces. Nous savons galement que les colonnes de cette matrice sont constitues par les composantes des images des vecteurs de la base de dans la base de Si lon nomme les deux bases et , cette matrice apparat donc comme la matrice de la famille dans la base Or nous savons que lapplication linaire est un isomorphisme si et seulement si la famille est une base de Ce qui est quivalent dire que la matrice est inversible. Thorme Soit et deux espaces vectoriels de mme dimension rapports respectivement des bases et . Soit une application linaire de dans et la matrice de relativement aux bases et . Lapplication linaire est bijective si et seulement si la matrice est inversible. On considre deux espaces vectoriels et . On suppose que im Soit On suppose que nest pas injective et nest pas lapplication nulle. Alors le noyau de est un sous-espace vectoriel de de dimension strictement positive. Soit im On a donc Soit une base de Daprs le thorme de la base incomplte, on peut trouver vecteurs de soit une base de que la famille Rappelons que la construction des vecteurs se fait de la faon suivante : Comme , il existe au moins un vecteur non nul que lon nommera appartenant nappartenant pas La famille est libre. En effet prenons nombres rels

3.6) Le thorme du rang

tels

mais

Ncessairement

Sil nen tait pas ainsi on pourrait crire :

Ds lors On a donc

scrirait comme combinaison linaire des vecteurs Ce qui est impossible.

et donc on aurait

Mais comme est une base de on a La famille est donc libre. On appelle le sous espace vectoriel de engendr par cette famille. La famille est donc une base de ce sous espace puisquelle est par dfinition gnratrice pour ce sous-espace et libre comme nous lavons vu. Si alors est un sous-espace de de mme dimension que cest donc lui-mme et la famille est alors une base de Si cela signifie quil existe un vecteur non nul appartenant mais pas On recommence alors le mme raisonnement. Et ainsi de suite. On ajoute des vecteurs jusqu ce que lon atteigne le nombre fatidique dune famille de vecteurs qui constitue une base de On dispose donc maintenant dune base de Appelons le sous-espace vectoriel de Considrons lapplication dans On a dont les premiers vecteurs forment une base de

engendr par la famille dfinie par :

Lapplication est donc linaire. Montrons que est injective. Soit et tels que On a

Mais , donc Or le seul vecteur commun Donc Et donc

et

est

Donc lapplication est injective. Puisque cest une application linaire entre espaces de dimensions finies, cest un isomorphisme et donc les deux espaces ont la mme dimension. On en dduit que im im Et donc im Ce que lon peut crire im im im Ou encore Cette formule est aussi vrifie si im est injective daprs ce que nous avons vu plus haut. im im

On appelle rang de lapplication la dimension de On obtient ainsi le trs important thorme du rang : Thorme Soit Soit On a

et

deux espaces vectoriels tels que im im

soit de dimension finie. im