Chap 14

Espaces vectoriels et applications linéaires

I ) Applications linéaires
Le but de ce paragraphe est de reprendre rapidement ce qui a été fait sur les applications linéaires dans le
chapitre précédent (application linéaire de IRp dans IRn )

1 ) Définitions - propriétés
Soient E et F deux K- espaces vectoriels. Soit f une application de E dans F .
On dit f est une application linéaire de E dans F si :
(a)  ( u , v )  E² f ( u + v ) = f (u) + f (v)
(b)  u  E    K f ( .u ) =  . f (u)
ou encore si :  ( u , v )  E²  ( ,  )  K² f ( .u +  .v ) =  . f (u) +  . f (v)
ou encore si :  ( u , v )  E²    K f ( .u + v ) =  . f (u) + f (v)

Remarques : E et F sont deux espaces vectoriels sur le même corps K.

On notera 0E et 0F les vecteurs nuls des espaces vectoriels E et F respectivement.

Remarque :
Une application linéaire de E dans F (espaces vectoriels) est aussi appelée homomorphisme d’espace vectoriels

Notations ; cas particuliers :

a) LK ( E , F ) ou plus simplement L ( E , F ) désigne l’ensemble des applications linéaires de E dans F .
b) Si E = F , une application linéaire de E dans E est appelée un endomorphisme de E ;
et L ( E , E ) = L ( E ) désigne l’ensemble des endomorphismes de E .
c) Si f  L ( E , F ) et si f est bijective , on dit que f est un isomorphisme d’espaces vectoriels .
Isom ( E , F ) désigne l’ensemble des isomorphismes de E sur F .
S’il existe f  Isom ( E , F ) , les espaces vectoriels E et F sont dits isomorphes .
d) Si f  L ( E ) et si f est bijective , on dit que f est un automorphisme de E ;
et GL(E) désigne l’ensemble des automorphismes de E .
e) Si F = K , si f  L ( E , K ) on dit que f est une forme linéaire sur E ;
et L ( E , K ) désigne l’ensemble des formes linéaires sur E.

Exemples
a) L’application f de E dans F constante nulle, définie par :  u  E f (u) = 0F , est une application
linéaire de E dans F .
b) L’application identique sur E , définie par :  u  E idE(u) = u , est une application linéaire bijective , id E
est un automorphisme de E .
c) L’application numérique f définie sur IR par :  x  IR f (x) = a x , où a est un réel donné, est une
application linéaire de IR dans IR .
d) Soit E un K- espace vectoriel , soit   K , soit h l’application de E dans E définie par :
 u  E h(u) =  .u ; h est un endomorphisme de E , appelé homothétie vectorielle de rapport  ;
de plus h est un automorphisme de E si et seulement si   0 .
e) L’application qui à toute application dérivable sur un intervalle I de IR associe son application dérivée est
une application linéaire.
f) L’application qui à toute fonction f continue sur un intervalle [ a , b ] associe l’intégrale de f sur [ a , b ]
est une forme linéaire sur l’espace vectoriel des fonctions continues sur [ a , b ] .

Propriété 1 : Soit f  L ( E , F )
  u  E f (-u) = -f (u)
 f (0E) = 0F

1/5
Propriété 2 : Soit f  L ( E , F )
n n
Pour tout n  IN* , pour tous u1, …., un de E et tous 1 , ….,n de K f ( iui )   i f (ui )
i 1 i 1

2 ) Noyau, image

a ) Image, image réciproque d’un sous espace vectoriel.

Propriété :
Soient E et F deux K- espaces vectoriels et soit f  L ( E , F )
Si A est un sous espace vectoriel de E alors f < A > est un sous espace vectoriel de F .
Si B est un sous espace vectoriel de F alors f -1< B > est un sous espace vectoriel de E .

b ) Noyau d’une application linéaire .

Définition : Soit f  L ( E , F )
On appelle noyau de l’application linéaire f l’ensemble noté Ker ( f ) et défini par :
Ker ( f ) = { u  E / f (u) = 0F } = f-1  0F  .

Propriété : Soit f  L ( E , F ) , Ker ( f ) est un sous espace vectoriel de E .

Propriété : Soit f  L ( E , F ) , l’application f est injective si et seulement si Ker ( f ) = { 0 E } .

c ) Image d’une application linéaire

Définition : Soit f  L ( E , F )
On appelle image de l’application linéaire f l’ensemble noté Im ( f ) et défini par :
Im ( f ) = { v  F /  u  E , v = f (u) } = f  E  = { f (u) ; u  E }

Propriété : Soit f  L ( E , F ) , Im ( f ) est un sous espace vectoriel de F .

Propriété : Soit f  L ( E , F ) , l’application f est surjective si et seulement si Im ( f ) = F .

3 ) Application linéaire et sous-espace vectoriel.

Propriété : Soient E et F deux K- espaces vectoriels, soit f  L ( E , F ).
Soient u1 , u2 ,…., un n vecteurs de E (n  IN*) on a alors :
f ( Vect< (u1 , u2 ,…., un) > ) = Vect< (f(u1), f(u2),…., f(un)) > .

4 ) Espaces d’applications linéaires

a ) Opérations sur les applications linéaires

Les applications linéaires de E dans F étant des applications de E dans F , on peut définir leur somme et leur
multiplication par un scalaire :
Soit f  L ( E , F ) , soit g  L ( E , F ) , soit   K .
f + g est définie par :  u  E ( f + g ) (u) = f (u) + g (u)
 . f est définie par :  u  E (  . f ) (u) =  . f (u)

Propriété : Soient E et F deux K- espaces vectoriels ; ( L ( E , F ) , + , . ) est un K- espace vectoriel

2/5
b ) Composée d’applications linéaires
Propriété : Soient E , F et G trois K- espaces vectoriels ; soit f  L ( E , F ) , soit g  L ( F , G )
L’application g  f est une application linéaire de E dans G (gf L(E,G) )

c ) Isomorphisme
Propriété : Si f est un isomorphisme de E sur F , alors f -1 est un isomorphisme de F sur E .

5 ) Ensemble L ( E ) (facultatif)
Soit E un K- espace vectoriel
( L ( E ) , + , . ) est un K- espace vectoriel

L ( E ) est muni de la loi de composition des applications; la loi  est une loi de composition interne sur L ( E )
qui possède les propriétés suivantes :
 La loi  est associative.
 La loi  possède un élément neutre idE
 La loi  est distributive par rapport à l’addition
 Pour tout  de K et pour tout f et tout g de L (E )  .( f  g ) = (  . f )  g = f  (  . g ) .
On dit alors que ( L ( E ) , + , . ,  ) est une K- algèbre .

Définition : Soit E un K- espace vectoriel , soient f et g dans L ( E )

On dit que f et g sont permutables (ou f et g commutent) lorsque f  g = g  f
(c’est à dire f et g commutent si  u  E f  g (u) = g  f (u) )

Remarque : pour tout f  L ( E ) , f est permutable avec lui même , f est permutable avec toute homothétie
vectorielle de rapport  , f est permutable avec idE .

Définition : (puissances d’un endomorphisme)

Soit f  L ( E ) , soit n  IN . On définit par récurrence la puissance n-ième de f de la façon suivante :
f n =idE si n = 0 et f n = f n-1  f si n  1

Remarque : f est permutable avec toutes ses puissances.

Propriété : Soit E un K- espace vectoriel , soient f et g dans L ( E ) , soit n  IN*

Si f et g commutent alors la formule du binôme de Newton s’applique :
n n
( f  g )n  
k 0
Cnk f k g n  k  C
k 0
k k
ng f nk

Cas particulier : puissance de l’endomorphisme : idE + f .

6 ) Ensemble GL ( E ) (facultatif)
Définition : Soit E un K- espace vectoriel, soit f  L ( E )
On dit que f est inversible s’il existe g  L ( E ) tel que f  g = g  f = idE .

Propriété : Soit E un K- espace vectoriel, soit f  L ( E )

f est inversible si et seulement si f est bijectif.

Remarque : L’ensemble des endomorphismes inversibles de E est l’ensemble des automorphismes de E .

3/5
Propriété : Soit E un K- espace vectoriel.
L’ensemble des automorphismes de E, GL( E ) , muni de la composition des applications est un groupe , appelé
groupe linéaire de E .

Remarque : Si f  GL( E ) , si g  GL( E ) , alors ( f  g )-1 = g -1  f -1 .

II ) Applications linéaires en dimension finie

1 ) Caractérisation
Proposition :
Soit E un K- espace vectoriel de dimension finie, soit F un K- espace vectoriel.
Toute application linéaire de E dans F est entièrement déterminée par la donnée des images des vecteurs d’une
base quelconque B de E .

En particulier : Im ( f ) = Vect (f  B )

2 ) Image d’une famille de vecteurs

Propriété :
Soit E un K- espace vectoriel de dimension finie, soit F un K- espace vectoriel.
 Si f est une application linéaire surjective de E dans F et si S est une famille génératrice de E alors
f ( S ) est une famille génératrice de F .
 Si f est une application linéaire injective de E dans F et si S est une famille libre de E alors
f ( S ) est une famille libre de F .

Propriété :
Si E est un K- espace vectoriel de dimension finie et si f est un isomorphisme de l’espace vectoriel E sur
l’espace vectoriel F alors l’image par f d’une base de E est une base de F .

Remarque : On a dans ce cas : dim E = dim F .

3 ) Rang d’une application linéaire

Définition :
Soit E un K- espace vectoriel de dimension finie, soit F un K- espace vectoriel.
Soit f une application linéaire de E dans F .
On appelle rang de f la dimension du sous espace vectoriel Im ( f ) .

On note : rg ( f ) = dim (Im ( f ) )

Remarque :
Soit f  L ( E , F ) , si B = (e1 ,……, en ) est une base de E le rang de f est égal au rang de la famille de
vecteurs ( f (e1) ,….., f (en) ) , et rg ( f )  dim E .
Et si F est de dimension finie alors rg ( f )  dim F .

Remarque :
Soit f  L ( E , F ) , si E et F sont de dimension finie alors rg ( f )  min (dim E , dim F ) .

4/5
Théorème du rang
Soient E et F deux K- espaces vectoriels, E étant de dimension finie.
Soit f  L ( E , F )
dim E = dim ( Ker ( f ) ) + dim ( Im ( f ) ) ou encore dim E = dim ( Ker ( f ) ) + rg ( f ) .

Lemme :
Soient E et F deux K- espaces vectoriels et soit f  L ( E , F ) .
Si E1 est supplémentaire de Ker ( f ) dans E alors la restriction de f à E1 est un isomorphisme de E1 sur
Im ( f )

4 ) Caractérisation des isomorphismes en dimension finie

Théorème :
Soient E et F deux K- espaces vectoriels de dimension finie.
E et F sont isomorphes si et seulement si dim E = dim F .

Cas particulier :
Si dim E = n (n  IN*) alors E est isomorphe à Kn .

Théorème :
Soient E et F deux K- espaces vectoriels de même dimension finie n et soit f  L ( E , F )
Les propriétés sont équivalentes :
 f est injective
 f est surjective
 f est bijective
 rang de f est n
 l’image par f d’une base de E est une base de F

Corollaire :
Soit f  L ( E ) , E un K- espace vectoriel de dimension finie .
f est un automorphisme de E si et seulement si f est injective.
f est un automorphisme de E si et seulement si f est surjective.

5/5