Lycée Naval 2021–2022 MPSI

Chapitre 22 – Applications linéaires

Dans tout le chapitre, K désigne R le corps des réels ou C le corps des complexes.

1 - Généralités
Soient E et F deux K-espaces vectoriels.

1.1 Définition
Définition 1. Soit f : E −→ F une application.
L’application f est linéaire si elle est compatible avec l’addition et le produit externe :

∀(λ, µ) ∈ K2 , ∀(x, y) ∈ E 2 , f (λx + µy) = λf (x) + µf (y)

On note L(E, F ) l’ensemble des applications linéaires de E dans F .

Interprétation 2. Par une application linéaire, l’image d’une combinaison linéaire est la combinaison
linéaire des images.

Proposition 3. L’image du zéro de E par une application linéaire f ∈ L(E, F ) est le zéro de F .

f (0E ) = 0F

Méthode 4. Montrons que f : E −→ F est une application linéaire.

Soient x et y ∈ E. Soient λ et µ ∈ K.
Alors f (λx + µy) = ... = λf (x) + µf (y).
Donc f est une application linéaire.
R3 R2

−→
Application 5. Montrer que f : est une application linéaire.
(x, y, z) 7−→ (2x − y + z, −5y + 10z)
 1
C (R, R) −→ C 0 (R, R)
Application 6. Montrer que ∆ : est une application linéaire.
f 7−→ f0

Mn (R) −→ Mn (R)
Application 7. Soit A ∈ Mn (R). Montrer que gA : est une application
M 7−→ AM
linéaire.
 N
R −→ R
Application 8. Montrer que h : est une application linéaire.
u 7−→ u2022
Application 9. Trouver toutes les applications linéaires de R dans R.
Chapitre 22 – Applications linéaires Page 2 / 14

1.2 Vocabulaire
Définition 10. Une application linéaire f : E −→ F est un morphisme de E dans F .

Définition 11. Un endomorphisme de l’espace vectoriel E est un morphisme f : E −→ E.

On note L(E) l’ensemble des endomorphismes de E.

Application 12. Lesquelles des trois applications précédentes définissent des endomorphismes ?

Définition 13. Un isomorphisme est une application linéaire bijective.

Définition 14. Un automorphisme est un endomorphisme bijectif. On note GL(E) l’ensemble des
automorphismes de l’espace vectoriel E.

Remarque 15. Les capitales GL sont l’abréviation de groupe linéaire.

1.3 Opérations sur les morphismes

Proposition 16. Combinaison linéaire
La combinaison linéaire de deux applications linéaires est une application linéaire.

Corollaire 17. Le triplet L(E, F ), +, · est un espace vectoriel.

Proposition 18. Composition

Soient E, F et G trois espaces vectoriels. Soient f : E −→ F et g : F −→ G deux applications linéaires.
Alors leur composée g ◦ f est une application linéaire de L(E, G).

Corollaire 19. La composée de deux isomorphismes est un isomorphisme.

Application 20. Exprimer la composée de l’application linéaire f de l’application 5 avec l’application

R2

−→ R
g:
(x, y) 7−→ 5x − y

Montrer que g ◦ f est une application linéaire.

Proposition 21. Réciproque

La réciproque d’un isomorphisme est un isomorphisme.

Proposition 22. Restriction

Soit E0 un sous-espace vectoriel de E, et soit f : E −→ F une application linéaire. Alors la restriction de
f à E0 définie par 
E0 −→ F
f|E0 :
x 7−→ f (x)
est une application linéaire de L(E0 , F ).
Chapitre 22 – Applications linéaires Page 3 / 14

2 - Image et noyau
Soient E et F deux espaces vectoriels.

2.1 Image directe

Définition 23. Soit f : E −→ F une application et soit A un sous-ensemble de E.
L’image directe de A par f est l’ensemble des images par f des éléments de A. On la note

f (A) = {f (x) ∈ F | x ∈ A} = {y ∈ F | ∃ x ∈ A, y = f (x)}

On définit Im(f ) = f (E) l’image de E par l’application f , aussi appelée image de f .

Proposition 24. Soit f : E −→ F une application linéaire.

L’image directe d’un sous-espace vectoriel de E par f est un sous-espace vectoriel de F .

Corollaire 25. Soit f : E −→ F une application linéaire.

L’image de f est un sous-espace vectoriel de F .

Proposition 26. Une application f : E −→ F est surjective si, et seulement si Im(f ) = F .

Proposition 27. Soit f : E −→ F une application linéaire. Soit (ei )i∈I une famille génératrice de E.
Alors 

Im(f ) = Vect f (ei ) i∈I

Corollaire 28. Une application linéaire est entièrement déterminée par les images des vecteurs d’une base.

R2 −→ R3

Application 29. Calculer l’image de l’application linéaire f :
(x, y) 7−→ (2x − y, x + 2y, −2x + y)
L’application f est-elle surjective ?

Proposition 30. Soient E1 et E2 deux sous-espaces vectoriels de E supplémentaires dans E. On a

E = E1 ⊕ E2

L’application linéaire f : E −→ F est entièrement déterminée par ses restrictions f|E1 ∈ L(E1 , F ) et
f|E2 ∈ L(E2 , F ).
Chapitre 22 – Applications linéaires Page 4 / 14

2.2 Image réciproque et noyau

Définition 31. Soient f : E −→ F une application, et B un sous-ensemble de F .
L’image réciproque de B par f est l’ensemble des antécédents par f des éléments de B. On la note

f −1 (B) = {x ∈ E | f (x) ∈ B}

Proposition 32. Soit f : E −→ F une application linéaire.

L’image réciproque d’un sous-espace vectoriel de F par f est un sous-espace vectoriel de E.

Interprétation 33. Les applications linéaires conservent la structure de sous-espace vectoriel.

Définition 34. Soit f : E −→ F une application linéaire.

Le noyau de f , noté Ker(f ), est l’ensemble des antécédents de 0F par f .

Ker(f ) = f −1 ({0F }) = {x ∈ E | f (x) = 0F }

Remarque 35. Les lettres Ker sont les premières lettres du mot allemand Kernel qui signifie noyau.

Proposition 36. Le noyau Ker(f ) de f ∈ L(E, F ) est un sous-espace vectoriel de E.


R[X] −→ R[X]
Application 37. Déterminer le noyau de l’application linéaire f :
P 7−→ P 0

Application 38. Déterminer le noyau de l’application linéaire

R3 −→ R3

f:
(x, y, z) 7−→ (x − y + z, 3x − 2y + 5z, −x − 3z)

Proposition 39. Caractérisation de l’injectivité

Une application linéaire f : E −→ F est injective si, et seulement si Ker(f ) = {0E }.

Méthode 40. Montrons que l’application linéaire f : E −→ F est injective .

Soit x ∈ Ker(f ).
Par définition f (x) = 0F .
...
Alors x = 0E .
Donc Ker(f ) = {0E }. Donc f est injective.

R2 −→ R3

Application 41. Montrer que l’application linéaire f : est injec-
(x, y) 7−→ (x − y, x + y, 2x − y)
tive.
Chapitre 22 – Applications linéaires Page 5 / 14

3 - Rang
Soient E, F et G trois espaces vectoriels.

3.1 Définition
Définition 42. Soit f : E −→ F une application linéaire.
L’application f est de rang fini si son image est de dimension finie. Auquel cas, le rang de f est la
dimension de l’image de f .

rg(f ) = dim Im(f )

R4 −→ R4

Application 43. Calculer le rang de f :
(x, y, z, t) 7−→ (x − y, x − y, t − z, z − t)

Proposition 44. Inégalités de rang.

Soit f : E −→ F une application linéaire.
• Si E est de dimension finie, alors f est de rang fini, et on a l’inégalité

rg(f ) 6 dim(E)

avec égalité si, et seulement si f est injective.

• Si F est de dimension finie, alors f est de rang fini, et on a l’égalité

rg(f ) 6 dim(F )

avec égalité si, et seulement si f est surjective.

Proposition 45. Rang d’une composée.

Soient f ∈ L(E, F ) et g ∈ L(F, G) deux applications linéaires de rang fini.
Le rang de leur composée g ◦ f est inférieur au rang de chacune des deux applications.



rg g ◦ f 6 min rg(f ), rg(g)
Chapitre 22 – Applications linéaires Page 6 / 14

3.2 Isomorphismes
Proposition 46. Conservation du rang.
Composer une application linéaire à droite ou à gauche par un isomorphisme conserve le rang.
Soient f ∈ L(E, F ) et g ∈ L(F, G).
• Si f est de rang fini et que g est un isomorphisme, alors rg(g ◦ f ) = rg(f ).
• Si g est de rang fini et que f est un isomorphisme, alors rg(g ◦ f ) = rg(g).

Définition 47. Deux espaces vectoriels E et F sont isomorphes s’il existe un isomorphisme de E dans F .

Proposition 48. Caractérisation des isomorphismes par les bases.

Soit f : E −→ F une application linéaire. Les propriétés suivantes s’équivalent.
(i) f est un isomorphisme.
(ii) L’image de toute base de E par f est une base de F .
(iii) L’image d’une base de E par f est une base de F .

Corollaire 49. Deux espaces vectoriels sont isomorphes si, et seulement s’ils ont la même dimension.

Application 50. Montrer que les espaces vectoriels R3 et R2 [X] sont isomorphes. Exhiber un isomor-
phisme qui convient.

Proposition 51. Dimension d’un espace vectoriel d’applications linéaires.

Soient E et F deux espaces vectoriels de dimension finie. L’espace vectoriel L(E, F ) est de dimension finie,
et on a

dim L(E, F ) = dim(E) × dim(F )
Chapitre 22 – Applications linéaires Page 7 / 14

3.3 Théorème du rang

Lemme 52. Soit f : E −→ F une application linéaire. Soit E0 un supplémentaire de Ker(f ) dans E.

E0 ⊕ Ker(f ) = E

Alors l’application (
E0 −→ Im(f )
g:
x 7−→ f (x)
est un isomorphisme.

Théorème 53. Théorème du rang

Soit E un espace vectoriel de dimension finie. Soit f : E −→ F une application linéaire.
La dimension de l’espace de départ est égale à la somme des dimensions de l’image et du noyau de f .


dim(E) = rg(f ) + dim Ker(f )

Application 54. Calculer l’image et le noyau de l’application linéaire

R3 −→ R4

f:
(x, y, z) 7−→ (x − y, y − z, z − x, x − 3y + 2z)

Proposition 55. Soient E et F deux espaces vectoriels de même dimension finie.

Soit f : E −→ F une application linéaire. Alors

f est bijective ssi f est surjective ssi f est injective

Corollaire 56. Soit E un espace vectoriel de dimension finie. Soit f ∈ L(E) une application linéaire.
Alors

f est bijective ssi f est surjective ssi f est injective

Application 57. Soient x0 , ... , xn des réels deux à deux différents. Montrer que l’application

Rn [X] −→ Rn+1
(
L:

P 7−→ P (x0 ), ... , P (xn )

est un isomorphisme.

Proposition 58. Soit E un K-espace vectoriel de dimension finie. Soit f ∈ L(E). S’équivalent

(i) f est un automorphisme.

(ii) f est inversible à gauche dans L(E) : ∃ g ∈ L(E), g ◦ f = idE .
(iii) f est inversible à droite dans L(E) : ∃ g ∈ L(E), f ◦ g = idE .
Chapitre 22 – Applications linéaires Page 8 / 14

4 - Endomorphismes remarquables
Soit E un K-espace vectoriel.

4.1 Anneau des endomorphismes

Proposition 59. Le triplet L(E), +, ◦ est un anneau.

Remarque 60. Dès que E est de dimension 2 ou plus, cet anneau n’est pas commutatif.

Notation 61.
• Pour u et v ∈ L(E), on peut noter uv la composée u ◦ v en utilisant la notation multiplicative liée à
l’anneau.
• De même pour k ∈ N, on peut noter uk = u {z ◦ u} la composée de u avec lui-même k fois.
| ◦ ...
k fois
• Si de plus u ∈ GL(E), on peut noter uk pour k ∈ Z en tirant parti de l’inversibilité de u.

4.2 Homothétie

E −→ E
Définition 62. Soit E un espace vectoriel. L’identité de E est l’application idE :
x 7−→ x
Proposition 63. L’identité est un automorphisme de E.

Définition 64. L’homothétie de rapport λ ∈ K est l’endomorphisme λ idE .

Interprétation 65. Dans le plan R2 ou l’espace R3 , l’homothétie vectorielle de rapport λ correspond à

l’homothétie géométrique de rapport λ et de centre l’origine.

Proposition 66. L’homothétie de rapport λ ∈ K∗ est un automorphisme de E.

Sa réciproque est l’homothétie de rapport λ.
1
Chapitre 22 – Applications linéaires Page 9 / 14

4.3 Projection
Définition 67. Soient F et G deux sous-espaces vectoriels supplémentaires dans E.
La projection ou le projecteur sur F parallèlement à G est l’application
(
E = F ⊕ G −→ E
p:
x = f + g 7−→ f

où le couple (f, g) ∈ F × G représente l’unique décomposition de x dans E = F ⊕ G.

Projection sur F parallèlement à G

Remarque 68. Il est indispensable de préciser l’espace G parallèlement auquel on projette.

Proposition 69. Un projecteur est un endomorphisme de E.

Proposition 70. Caractérisation d’un projecteur.

Soit p ∈ L(E) un endomorphisme de E.
L’application p est un projecteur si, et seulement si p est idempotent, c’est-à-dire si

p◦p=p

Corollaire 71. Soient F et G deux sous-espaces vectoriels supplémentaires dans E.

Soit p ∈ L(E) le projecteur sur F parallèlement à G. Alors on a

et

F = Im(p) = x ∈ E | p(x) = x G = Ker(p)

R2 −→ R2
(
Application 72. Montrer que l’application p : 
x+y x+y
 est un projecteur.
(x, y) 7−→ 2 ; 2
Déterminer ses éléments caractéristiques.

K[X] −→ K[X]



+∞
Application 73. Montrer que l’application p : X est un projecteur.

 ak X k 7−→ a2 X 2 + a1 X + a0
k=0
Déterminer ses éléments caractéristiques.
Chapitre 22 – Applications linéaires Page 10 / 14

4.4 Symétrie
Définition 74. Soient F et G deux sous-espaces vectoriels supplémentaires dans E.
La symétrie par rapport à F parallèlement à G est l’application
(
E = F ⊕ G −→ E
s:
x = f + g 7−→ f − g

où le couple (f, g) ∈ F × G représente l’unique décomposition de x dans E = F ⊕ G.

Symétrie par rapport à F parallèlement à G

Proposition 75. Une symétrie est un endomorphisme de E.

Proposition 76. Caractérisation d’une symétrie.

Soit s ∈ L(E) un endomorphisme de E.
L’applications est une symétrie si, et seulement si s est involutive, c’est-à-dire si

s ◦ s = idE

Corollaire 77. Une symétrie est un automorphisme de E.

Corollaire 78. Soient F et G deux sous-espaces vectoriels supplémentaires dans E.

Soit s ∈ L(E) la symétrie par rapport à F parallèlement à G. Alors on a

et
 
F = Ker(s − idE ) = x ∈ E | s(x) = x G = Ker(s + idE ) = x ∈ E | s(x) = −x

(
R2 −→ R2
Application 79. Montrer que l’application s : est une symétrie.
(x, y) 7−→ (−x, 2x + y)
Déterminer ses éléments caractéristiques.

 R −→ R
 R R

Application 80. Montrer que l’application s : est une symétrie.


R −→ R
 f 7−→
x 7−→ f (−x)
Déterminer ses éléments caractéristiques.
Chapitre 22 – Applications linéaires Page 11 / 14

Proposition 81. Lien projecteur-symétrie.

Soient F et G deux sous-espaces vectoriels supplémentaires dans E. On note
• p la projection sur F parallèlement à G.
• q la projection sur G parallèlement à F .
• s la symétrie par rapport à F parallèlement à G.
Alors on a
s + idE
• p + q = idE • p ◦ q = q ◦ p = 0L(E) •p=
2
Chapitre 22 – Applications linéaires Page 12 / 14

5 - Formes linéaires et hyperplans

Soit E un K-espace vectoriel.

5.1 Formes linéaires

Définition 82. Une forme linéaire sur E est une application linéaire de E dans K.

Exemple 83. Les applications suivantes sont des formes linéaires.

K3 −→ K
  
Mn (K) −→ K K[X] −→ K
• • •
(x, y, z) 7−→ 3x − y + 5z M 7−→ Tr(M ) P 7−→ P (0)

Définition 84. Soit E un K-espace vectoriel de dimension finie, admettant pour base la famille B = (e1 , ... , en ).
Pour i ∈ J1, nK, on définit la forme linéaire associée à l’élément ei de la base B, aussi appelée i-ème forme
linéaire coordonnée par 
 E −→ K

n
ϕi : X

 x −
7 → x i où x = xi e i
i=1

Interprétation 85. L’application ϕi extrait la coordonnée devant ei de l’élément x.

Corollaire 86. Pour tout x ∈ E,

n
X
x= ϕi (x) ei
i=1

5.2 Hyperplans
Définition 87. Un hyperplan de E est le noyau d’une forme linéaire non-nulle de E.

Application 88. Décrire les hyperplans obtenus à partir des formes linéaires de l’application 83.

Proposition 89. Si E est de dimension n, un hyperplan de E est de dimension n − 1.

Proposition 90. Caractérisation des hyperplans.

Soit H un sous-espace vectoriel de E. Alors

H est un hyperplan de E. ssi H est supplémentaire d’une droite de E.

Application 91. Calculer la dimension de l’espace H = P ∈ R4 [X] | P (0) = P (1) .



Application 92. Quelle est la dimension de l’espace des matrices de trace nulle ?

Proposition 93. Soit E un K-espace vectoriel de dimension n > 1. Soit p ∈ J1, nK.
• L’intersection de p hyperplans de E est de dimension au moins n − p.
• Tout sous-espace vectoriel de E de dimension n−p est l’intersection d’exactement p hyperplans de E.
Chapitre 22 – Applications linéaires Page 13 / 14

6 - Sous-espaces affines
6.1 Définition et propriétés
Soit E un K-espace vectoriel.

Définition 94. Un sous-espace affine de E est un sous-ensemble F qui s’écrit sous la forme

F =x+F = x+f ∈E |f ∈F

où x ∈ E est un vecteur et F ⊂ E est un sous-espace vectoriel de E.

Le sous-espace vectoriel F est la direction de F, et ses vecteurs sont les vecteurs directeurs de F.

Sous-espace affine

Proposition 95. Un sous-espace vectoriel est un sous-espace affine.

Application 96. Trouver la direction et un élément de chacun des sous-espaces affines suivants.

x+y = 2
• L’ensemble des solutions du système linéaire
x−y+z = 1
2
• L’ensemble des solutions sur R de l’équation différentielle y 0 − 2xy = ex ex .
• L’ensemble des polynômes P ∈ K[X] vérifiant l’équation XP 0 + X = 2X.

Proposition 97. Soit F un sous-espace affine de E de direction F . Pour tout a ∈ F, on a


F = a + F := a + f ∈ E | f ∈ F

Interprétation 98. Un sous-espace affine est la translation de sa direction par n’importe quel vecteur du
sous-espace affine.
Chapitre 22 – Applications linéaires Page 14 / 14

Définition 99. La famille (Fi )i∈I de sous-espaces affines de E est sécante si

\
Fi 6= ∅
i∈I

Proposition 100. Soit (Fi )i∈I une famille sécante de sous-espaces affines de E.
\
Pour tout i ∈ I, on note Fi la direction de Fi . L’ensemble Fi est un sous-espace affine de E, de direction
i∈I
\
F = Fi
i∈I

Intersection de sous-espaces affines

6.2 Lien avec les équations linéaires

Soient E et F deux K-espaces vectoriels.

Proposition 101. Soit f ∈ L(E, F ). Soit y0 ∈ F . On considère l’équation linéaire d’inconnue x ∈ E

f (x) = y0

• Si y0 ∈
/ Im(f ), l’équation linéaire n’a pas de solution.
• Si y0 ∈ Im(f ), l’ensemble des solution de l’équation linéaire est un sous-espace affine de E, dont la
direction est Ker(f ).