Cours d’Algèbre 2 de première année préparatoire

Khaled MAAFA

8 avril 2020
Chapitre 2

Applications linéaires

2.1 Applications linéaires

Définition 11. Soient E et F deux K-espaces vectoriels. Une application f : E → F est une applica-
tion linéaire si
i) ∀x, y ∈ E f (x + y) = f (x) + f (y),
ii) ∀α ∈ K, ∀x ∈ E f (α.x) = α.f (x).
Exemple 12. Soit (K) = R, E = R, F = R . Considérons l’application f : E → F , x 7→ f (x) = 3x.
On a :
i) ∀x, y ∈ E f (x + y) = 3(x + y) = 3x + 3y = f (x) + f (y),
ii) ∀α ∈ K, ∀x ∈ E f (α.x) = 3(αx) = α(3x) = α.f (x).
f est donc une application linéaire de E vers F .
Exemple 13. Soit (K) = R, E = R3 , F = R2 .
Considérons l’application f : E → F , x 7→ f (x, y, z) = (x + 2y − z, 5x − y + 2z).
On a :
i) ∀(x, y, z), (x0 , y 0 , z 0 ) ∈ R3 ,

f ((x, y, z) + (x0 , y 0 , z 0 )) = f (x + x0 , y + y 0 , z + z 0 )
= (x + x0 + 2(y + y 0 ) − (z + z 0 ), 5(x + x0 ) − (y + y 0 ) + 2(z + z 0 ))
= (x + 2y − z, 5x − y + 2z) + (x0 + 2y 0 − z 0 , 5x0 − y 0 + 2z 0 )
= f (x, y, z) + f (x0 , y 0 , z 0 )

ii) ∀α ∈ R, ∀(x, y, z), ∈ R3 ,

f (α.(x, y, z)) = f (αx, αy, αz)

= (αx + 2αy − αz, 5αx − αy + 2αz)
= α(x + 2y − z, 5x − y + 2z)
= αf (x, y, z).

f est donc une application linéaire de R3 vers R2 .

De façon générale, toute application f : Rn → Rp , (x1 , x2 , . . . , xn ) 7→ (y1 , y2 , . . . , yp ) où :

y1 = a11 x1 + a12 x2 + · · · + a1n xn




y2 = a21 x1 + a22 x2 + · · · + a2n xn


..
 .




yp = ap1 x1 + ap2 x2 + · · · + apn xn
avec aij ∈ R ∀i ∈ {1, . . . , p}, ∀j ∈ {1, . . . , n}, est linéaire.

9
10 CHAPITRE 2. APPLICATIONS LINÉAIRES

Exemple 14. Soit (K) = R, E = R, F = R . Considérons l’application f : E → F , x 7→ f (x) = 2x+1.

f n’est pas une application linéaire. La première condition dans la définition n’est pas vérifiée :
pour x = 1 et y = 2 on a : f (x + y) = f (1 + 2) = f (3) = 7.
D’autre part, f (x) + f (y) = f (1) + f (2) = 3 + 5 = 8. On a donc f (x + y) 6= f (x) + f (y).
Une application linéaire f : E → F est aussi appelée un morphisme d’espaces vectoriels. Si
l’application linéaire f est bijective, on dit que f est un isomorphisme de E vers F et que les espaces
vectoriels E et F sont isomorphes.
Les deux conditions de la définition (11) peuvent être combinées en une seule condition :
Proposition 9. Soient E et F deux K-espaces vectoriels et f : E → F une application. f est une
application linéaire si et seulement si

∀x, y ∈ E, ∀α, β ∈ K f (α.x + β.y) = α.f (x) + β.f (y)

Cette proposition permet de montrer la propriété suivante :

Propriété 1. Soit f : E → F une application linéaire, v1 , v2 , . . . vk des vecteurs de E, et α1 , α2 , . . . αk
des scalaires. On a :

f (α1 v1 + α2 v2 + . . . + αk vk ) = α1 f (v1 ) + α2 f (v2 ) + . . . + αk f (vk ).

Cette propriété a une conséquence importante : une application linéaire f : E → F est complètement
déterminée par la donnée de l’image d’une base de E. En effet, si B = {e1 , e2 , . . . , ek } est une base de
E, et x ∈ E, x = x1 e1 + x2 e2 + . . . xn en alors f (x) = x1 f (e1 ) + x2 f (e2 ) + . . . xn f (en ). Il suffit alors
de connaitre les images f (e1 ), f (e2 ), . . . , f (en ) des vecteurs de la base B pour connaitre l’image de
n’importe quel vecteur x de E donné par ses coordonnées dans la base B.

2.2 Image et noyau d’une application linéaire

2.2.1 Image
Rappelons la définition de l’image d’une partie par une application . Si f : E → F est une
application et A une partie de E, alors l’image de la partie A par f est le sous ensemble de F
constitué par les images des élément de A. f (A) = {f (x) | x ∈ A}.
En particulier, pour A = E, f (E) est appelé l’image de f et noté Imf .
Lorsque f est une application linéaire, nous avons les propriétés énoncées dans la proposition suivante :
Proposition 10. Soient E et F deux K-espaces vectoriels et f : E → F une application linéaire. On
a:
i) L’image d’un sous-espace vectoriel de E est un sous espace vectoriel de F .
ii) L’image d’une famille génératrice de E est une famille génératrice de Imf .
Remarque 3. Notez que dans le point ii) ci-dessus, l’image d’une famille génératrice de E est une
famille génératrice de Imf et pas de F . En général Imf 6= F .
Sans conditions supplémentaires, on ne peut rien dire de l’image d’un famille libre de E. On reviendra
à ce point dans la suite du cours.
Exemple 15. Soit l’application linéaire f : R2 → R3 , f (x, y) = (2x + y, −x + y, 3x + 2y).
Soit H = {(x, x) | x ∈ R}. H est un sous-espace vectoriel de R2 . Déterminons f (H).
On a f (x, x) = (2x+x, −x+x, 3x+2x) = (3x, 0, 5x). d’où : f (H) = {(3x, 0, 5x) | x ∈ R} = {x(3, 0, 5) |
x ∈ R}. f (H) est le sous-espace de R3 engendré par le vecteur (3, 0, 5).
La famille G = {(1, 0), (0, 1)} est une famille génératrice de R2 . f (G) est une famille génératrice de
Imf . On a : f (1, 0) = (2, −1, 3) et f (0, 1) = (1, 1, 2). par conséquent, Imf est le sous-espace de R3
engendré par les deux vecteurs (2, −1, 3) et (1, 1, 2). Imf = h(2, −1, 3), (1, 1, 2)i.
Compte tenu du point i) de la proposition précédente, et du fait que E est un sous-espace de E,
on obtient la propriété suivante :
2.3. RANG D’UNE APPLICATION LINÉAIRE 11

Propriété 2. Soit f : E → F une application linéaire. On a : Imf est un sous espace vectoriel de F .

Considérons maintenant l’application linéaire g : R2 → R2 , g(x, y) = (x + y, −x − y). Cherchons

l’image de la famille libre L = {(1, 0), (0, 3)} par g. On a : g(1, 0) = (1, −1), g(0, 3) = (3, −3). la famille
g(L) = {(1, −1), (3, −3)} est liée. On voit donc que l’image d’une famille libre par une application
linéaire n’est pas une famille libre en général. Nous avons cependant la proposition suivante :

Proposition 11. Soit f : E → F une application linéaire. Si f est injective alors l’image de toute
famille libre de E par f est une famille libre de F .

2.2.2 Noyau
Définition 12. Soit f : E → F une application linéaire. Le noyau de f est l’ensemble

ker f = {x ∈ E | f (x) = 0F }

La première condition de la définition (11) signifie qu’une application linéaire f : E → F est

aussi un morphisme de groupes de (E, +) dans (F, +). Toutes les propriétés qu’on a vues pour les
morphismes de groupes sont donc valables pour les applications linaires, en particulier on a :

Proposition 12. Soit f : E → F une application linéaire. On a :

f est injective ⇔ Kerf = {0E }.

Exemple 16. Soit l’application linéaire g : R2 → R2 , g(x, y) = (x + y, −x − y). Déterminons Kerg.

On a :

(x, y) ∈ Ker g ⇔ g(x, y) = (0, 0)

⇔ (x + y, −x − y) = (0, 0)
⇔ (x + y = 0) ∧ (−x − y = 0)
⇔x+y =0
⇔ y = −x.

On a donc Ker g = {(x, −x) | x ∈ R}. Ker g 6= {(0, 0)}. L’application g n’est donc pas injective.

On a la propriété suivante :

Propriété 3. Soit f : E → F une application linéaire. On a Ker f est un sous espace vectoriel de E

2.3 Rang d’une application linéaire

Définition 13. Soit f : E → F une application linéaire. On appelle rang de l’application linéaire f
la dimension du sous-espace vectoriel Imf . on note rg f = dim(Imf ) .

Exemple 17. Dans l’exemple (15), nous avons vu que l’image de l’application linéaire f : R2 → R3 ,
f (x, y) = (2x + y, −x + y, 3x + 2y) est Imf = h(2, −1, 3), (1, 1, 2)i. La famille {(2, −1, 3), (1, 1, 2)}
est génératrice de Imf . De plus cette famille est libre ( vérifiez-le). Donc {(2, −1, 3), (1, 1, 2)} est une
base de Imf . Par suite dim(Imf ) = 2 ce qui donne rg f = 2.

le rang d’une application linéaire nous permet de savoir si elle est surjective. En effet, f est
surjective si et seulement si Imf = F et ceci est vrai si et seulement si rg f = dimK (F ). On a don la
proposition suivante :

Proposition 13. Soit f : E → F une application linéaire. On a :

f est surjective ⇔ rg f = dimK (F )

12 CHAPITRE 2. APPLICATIONS LINÉAIRES

Pratiquement, pour déterminer le rang d’une application linéaire f : E → F on peut procéder

comme suit :
1. On prend une famille génératrice G de E ( par exemple une base de E).
2. Si G = {v1 , v2 , . . . vn }, déterminer la famille f (G) = {f (v1 ), f (v2 ), . . . f (vn )} qui est alors une
famille génératrice de Imf .
3. le rang de f est la dimension du sous espace engendré par la famille f (G) = {f (v1 ), f (v2 ), . . . f (vn )},
donc c’est le rang de la famille f (G) = {f (v1 ), f (v2 ), . . . f (vn )} qu’on déterminera par la
méthode des zéros échelonnés vue dans le chapitre précédent.

2.3.1 Théorème du rang

Le théorème suivant est fondamental :

Théorème 5. Soient E et F deux K-espaces vectoriels tel que E est de dimension finie. Soit f : E → F
une application linéaire. On a :

dimK (E) = dimK (Ker f ) + rg f.

On a le corollaire suivant :

Corollaire 1. Soient E et F deux K-espaces vectoriels tel que E est de dimension finie. Soit f : E → F
une application linéaire. On a :
i) f est injective ⇔ rg f = dimK (E)
ii) f est bijective ⇔ rg f = dimK (E) = dimK (F )