Chapitre 2: Applications linéaires

Université Badji Mokhtar d’Annaba

28 février 2022
2
Table des matières

2 Notion d’Application Linéaire 5

2.1 Image et noyau d’une application linéaire . . . . . . . . . . . . . 8
1 Image d’une application linéaire . . . . . . . . . . . . . . 8
2 Noyau d’une application linéaire . . . . . . . . . . . . . . 8
3 Image d’une famille de vecteurs par une application linéaire 10
2.2 Rang d’une application, théorème du rang . . . . . . . . . . . . . 10
1 Théorème du rang . . . . . . . . . . . . . . . . . . . . . . 11
2.3 Inverse d’une application linéaire bijective . . . . . . . . . . . . . 11

Résumé Ce document rédigé pour les étudiants de première année

mathématiques et informatiques, c’est un support du module algèbre du
deuxième semestre. Ce module contient quatre chapitres, espace vectoriel,
applications linéaires, les matrices et résolution de systèmes d’équations. Le
cours est diviser en plusieurs parties, dont le deuxième chapitre sur les
applications linéaires est présenté ci-dessous.

3
4 TABLE DES MATIÈRES
Chapitre 2

Notion d’Application
Linéaire

Définition 1. Soit (E, +, ·) et (F, +, ·) deux K. espaces vectoriels et soit f une

application de E dans F , on dit que f est une application lineaire si et seulement
si : 
∀x, y ∈ E, f (x + y) = f (x) + f (y);
∀x ∈ E, ∀λ ∈ K, f (λ · x) = λ · f (x).

ou d’une manière équivalente :

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

Une application linéaire est aussi appelée morphisme d’espaces vectoriels. On

note L(E, F ) l’ensemble des applications linéaires de E dans F . On appelle
forme linéaire une application linéaire d’un K− espace vectoriel de E dans K.

Définition 2. Soit E et F deux K− espaces vectoriels.

1. Soit f une application de E dans F . Si f est bijective, on dit alors que f
est un isomorphisme d’espaces vectoriels et que E et F son isomorphes
par f .
2. On appelle endomorphisme de E Une application lineaire de l’espace E
dans lui même. On note L(E) l’ensemble des endomorphismes de E.
3. En particulier, si un endomorphisme f est bijective on dit que f est un
automorphisme de l’espace E . On note GL(E) l’ensemble des automor-
phismes de E.

Exemple 1. 1. L’application

f1 : R 2 −→ R3
(x, y) 7−→ (x + y, 2x, −y)

5
6 CHAPITRE 2. NOTION D’APPLICATION LINÉAIRE

est lineaire, en effet pour u = (x, y), v = (x0 , y 0 ) ∈ R2 , et λ, µ ∈ R

f1 (λu + µv) = f1 (λ(x, y) + µ(x0 , y 0 ))
= f (λx + µx0 , λy + µy 0 )
= (λx + µx0 + λy + µy 0 , 2(λx + µx0 ), −(λy + µy 0 ))
= λ(x + y, 2x, −y) + µ(x0 + y 0 , 2x0 , −y 0 )
= λf1 (x, y) + µf1 (x0 , y 0 )
= λf1 (u) + µf1 (v)
2. L’application
f2 : R2 −→ R
(x, y) 7−→ x−y
est une application lineaire, car :∀u = (x, y), v = (x0 , y 0 ) ∈ R2 , ∀λ, µ ∈ R,
f2 (λu + µv) = f1 (λ(x, y) + µ(x0 , y 0 ))
= f (λx + µx0 , λy + µy 0 )
= λx + µx0 − (λy + µy 0 )
= λ(x − y) + µ(x − y 0 )
= λf2 (x, y) + µf2 (x0 , y 0 )
= λf2 (u) + µf2 (v)
3. L’application qui à un polynôme P ∈ K[X] associe son polynôme dérivé
P 0 ∈ K[X] est un morphisme de l’espace K[X] dans lui même puisque
pour tout P, Q ∈ K[X] et pour tout α, β ∈ K
(αP + βQ)0 = αP 0 + βQ0
4. L’application
f3 : R −→ R
x 7−→ 3x
est un isomorphisme, en effet,f3 est lineaire car :
∀x, y ∈ R, ∀λ, µ ∈ R, f3 (λx+µy) = 3(λx+µy) = 3λx+3µy = λf3 (x)+µf3 (y),
et f3 est bijective.
5. En revance, l’application
f : K −→ K
x 7−→ x2
n’est pas linéaire car
f (x + x0 ) = (x + x0 )2 = x2 + x02 + 2xx0 6= f (x) + f (x0 )
si x 6= 0 et x0 6= 0
 7

Remarque 1. On peut montrer facilement que la somme de deux applications

linéaires est une application linéaire, aussi le produit d’une application linéaire
par un scalaire et la composée de deux applications linéaires est une application
linéaire.

Proposition 1. Soit f une application linéaire de E dans F .

1. f (OE ) = OF ,
2. ∀x ∈ E, f (−x) = −f (x).

Démonstration. On a,
1. f (OE ) = f (OE + OE ) = f (OE ) + f (OE ) =⇒ f (OE ) = OF .
2. f (−x) + f (x) = f (−x + x) = f (OE ) = OF =⇒ f (−x) = −f (x).

Propiétés

Proposition 2. Soient E et F deux K−espace vectoriels et f une application

linéaire de E dans F . Pour tous vecteurs v1 , v2 ..., vk de E pour tous scalaires
α1 , α2 ..., αk de K on a :

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

on en déduit le résultat suivant

Corollaire 1. Soient E et F deux K−espace vectoriels et f une application

linéaire de E dans F , on suppose que E de dimension finie et on désigne par
B = (ei )1≤i≤p une base de E, pour tout vecteur x appartenant à E,

f (x) = x1 f (e1 ) + x2 f (e2 ) + ... + xp f (ep)

où x1 , x2 , ..., xp appartenant à K sont les coordonées de x dans la base B

Démonstration. Soit x un vecteur de E se décomposent dans la base B =

(ei )1≤i≤p sous la forme

x = x1 e1 + x2 e2 + ... + xp ep

En appliquant f on obtient

f (x) = f (x1 e1 + x2 e2 + ... + xp ep ) = x1 f (e1 ) + x2 f (e2 ) + ... + xp f (ep )

où on a utilisé le résultat de la proposition précédante

8 CHAPITRE 2. NOTION D’APPLICATION LINÉAIRE

2.1 Image et noyau d’une application linéaire

1 Image d’une application linéaire
Définition 3. Soit f : E −→ F une application , et A un sous ensemble de E,
on rappelle que l’image par f de A, que l’on note l’ensemble noté f (A) est le
sous ensemble de F défini par

f (A) = {f (x)/x ∈ A}

Si A possède une structure de sous espace vectoriel et si f une application

linéaire, on a le résultat suivant

Proposition 3. Soient E , F deux K− espaces vectoriels. Si A est un sous

espace vectoriel de E et si f une application linéaire de E dans F , alors f (A)
est un sous espace vectoriel de F.

On rappelle que l’image de f est le sous ensemble f (E) de F défini par :

f (E) = {f (x)/x ∈ E}

lorsque f est une application linéaire nous particularisons la notation comme

suit
Imf = f (E)
en appliquant la proposition précédante avec A = E, on obtient le résultat
suivant

Corollaire 2. Soient E , F deux K− espaces vectoriels. Si A est un sous

espace vectoriel de E et si f une application linéaire de E dans F , alors Imf
est un sous espace vectoriel de F.

2 Noyau d’une application linéaire

Définition 4. Soit f : E −→ F une application linéaire, On appelle noyau de
f l’ensemble noté kerf défini par

kerf = {u ∈ E; f (u) = 0F }

On note parfois kerf , par f −1 (0).

La propriété de linéarité de l’application f nous assure que l’ensemble kerf

n’est jamais vide. En effet
0E ∈ Kerf
De la linéarité de f, on déduit également la propriété suivante

Proposition 4. Soit f : E −→ F est une application linéaire, alors kerf est

un sous espace vectoriel de E.
2.1. IMAGE ET NOYAU D’UNE APPLICATION LINÉAIRE 9

Exemple 2. 1. Déterminons le noyau de l’application f1 ,

f 1 : R2 −→ R
(x, y) 7−→ x + 2y

kerf = {(x, y) ∈ R2 /f (x, y) = 0}

= {(x, y) ∈ R2 /x + 2y = 0}
= {(x, y) ∈ R2 /x = −2y}
= {(−2y, y)/y ∈ R}
= {y(−2, 1)/y ∈ R}

donc le kerf est un sous espace vectoriel engendré par u = (−2, 1) donc
il est de dimension 1, et sa base est {u}.
2. Cherchons l’image de

f2 : R 3 −→ R3
(x, y, z) 7−→ (−x + y, x − z, y)

Imf2 = {f (x, y, z)/(x, y, z) ∈ R3 }

= {(−x + y, x − z, y)/(x, y, z) ∈ R3 }
= {x(−1, 1, 0) + y(1, 0, 1) + z(0, −1, 0)/(x, y, z) ∈ R3 }

donc Imf2 est un s.e.v de R3 engendré par {(−1, 1, 0), (1, 0, 1), (0, −1, 0)}
il est facile de montrer que cette famille est libre et donc elle forme une
base de R3 donc dimImf2 = 3, et d’où Imf = R3 .

Théorème 1. Soit f : E −→ F une application linéaire, alors

f est injective ⇐⇒ kerf = 0E

f est surjective ⇐⇒ Imf = F

Exemple 3. Dans l’exemple pécédant Imf2 = R3 donc f2 est surjective, mon-

trons que f2 est injective

kerf2 = {(x, y, z) ∈ R3 /f2 (x, y, z) = (0, 0, 0)},

=⇒ kerf2 = {(x, y, z) ∈ R3 /(−x + y, x − z, y) = (0, 0, 0)}


 −x + y = 0
=⇒ x−z =0 =⇒ x = y = z = 0
y=0


donc kerf2 = {(0, 0, 0)}, ainsi f2 est bijective.

10 CHAPITRE 2. NOTION D’APPLICATION LINÉAIRE

3 Image d’une famille de vecteurs par une application

linéaire
Image d’une famille génératrice
Soient E et F deux K−espace vectoriels et f une application linéaire de E
dans F , si B est une famille génératrice de E alors l’image par f de la famille
B est génératrice du sous espace vectoriel Imf de F , en d’autre termes

E = V ect(B) =⇒ Imf = V ect(f (B))

Corollaire 3. Soient E et F deux K−espace vectoriels et f une application

linéaire de E dans F . Si E est de dimension finie alors F est de dimension finie
et
dim(Imf ) ≤ dim(E)

Image d’une famille libre

Soient E et F deux K−espace vectoriels et f une application linéaire de E
dans F , B une famille libre de E . Si f est injective alors f (B) est une famille
libre de F .

Image d’une base

Soient E et F deux K−espace vectoriels et f une application linéaire de E
dans F , B une base de E. L’application f est bijective si et seulement si f (B)
est une base de F

2.2 Rang d’une application, théorème du rang

Définition 5. Soient E un K− espace vectoriel de dimension finie et F un
K− espace vectoriel (non necéssairement de dimension finie). Le rang d’une
application linéaire f de E dans F est la dimension de l’image de f c’est à dire

rgf = dim(Imf )

Si dimE = p et B = (ei )1≤i≤p represente une base de E alors

Imf = V ect(f (e1 ), f (e2 ), ..., f (ep ))

et par conséquant,

dim(Imf ) = dim(V ect(f (e1 ), f (e2 ), ..., f (ep )))

autrement dit
rgf = rg(f (e1 ), f (e2 ), ..., f (ep ))
d’après le corollaire 3, on a
rgf ≤ dimE (2.1)
2.3. INVERSE D’UNE APPLICATION LINÉAIRE BIJECTIVE 11

Si l’espace d’arrivée F est de dimension finie alors, Imf étant un sous-espace

vectoriel de F, on a nécessairement

dim(Imf ) ≤ dim(F )

c’est à dire
rgf ≤ dim(F ) (2.2)
en combinant 2.1 et 2.3 on obtient

rgf ≤ min{dim(E), dim(F )} (2.3)

On résume les résultats dans la proposition suivante

Proposition 5. Soient E , F deux K− espaces vectoriels avec E de dimension
finie et F de dimension quelconque et f une application linéaire de E dans F ,
si dim(E) = p alors
rgf ≤ p
de plus, si F est de dimension finie avec dim(F ) = n alors

rgf ≤ min{n, p}

1 Théorème du rang
Théorème 2. Soient E un K− espace vectoriel de dimension finie et F un K−
espace vectoriel (non necéssairement de dimension finie). Pour e toute applica-
tion linéaire f de E dans F , on a

dim(E) = rgf + dim(kerf )

Corollaire 4. Soient E et F un K− espace vectoriel de dimensions finies

et f une application linéaire de E dans F . Si dim(E) = dim(F ) alors il y a
équivalence entre les propriétés d’injectivité, de surjectivité et de bijectivité de
f
f bijective ⇐⇒ f injective ⇐⇒ f surjective

2.3 Inverse d’une application linéaire bijective

Définition 6. Soient E , F deux K− espaces vectoriels et f une application
linéaire de E dans F . Si f est bijective alors son application réciproque f −1 est
une application linéaire de F dans E, autrement dit pour tout vecteurs y, y 0 de
F et pour tout scalaire λ, µ de K

f −1 (λy + µy 0 ) = λf −1 (y) + µf −1 (y 0 ).

Le résultat suivant stipule que l’on ne change pas le rang d’une application
linéaire lorsque l’on compose celle-ci à gauche ou à droite par une i application
linéaire bijective
12 CHAPITRE 2. NOTION D’APPLICATION LINÉAIRE

Proposition 6. Soient E , F et G trois K− espaces vectoriels de dimension

finie et f une application linéaire de E dans F et g une application linéaire de
F dans G
1. Si f est bijective alors rg(g ◦ f ) = rg(g)
2. Si g est bijective alors rg(g ◦ f ) = rg(f )