c Laurent Garcin MPSI Lycée Saint-Exupéry

A PPLICATIONS LINÉAIRES

1 Définition et premiers exemples

1.1 Définition

Définition 1.1 (Application linéaire)

Soient E et F deux K-espace vectoriel. On appelle application linéaire de E dans F toute application f : E → F
vérifiant :
(i) ∀x, y ∈ E, f(x + y) = f(x) + f(y) ;
(ii) ∀λ ∈ K, ∀x ∈ E, f(λ.x) = λ.f(x).
Cette définition équivaut à la suivante :

∀(λ, µ) ∈ K2 , ∀(x, y) ∈ E2 , f(λ.x + µ.y) = λ.f(x) + µ.f(y)

L’ensemble des applications linéaires de E dans F est noté L(E, F).

Une application linéaire de E dans E est appelé un endomorphisme de E. L’ensemble des endomorphismes de
E est noté L(E).
Une application linéaire de E dans K est appelé une forme linéaire de E. L’ensemble des formes linéaires de E
est noté E∗ .

Remarque.
⋄ On a en particulier f(0E ) = 0F .
E −→ F
⋄ L’application nulle est une application linéaire de E dans F.
x 7−→ 0F
⋄ L’identité IdE est un endomorphisme de E.

1.2 Exemples
1.2.1 Géométrie

Exemple 1. On note ~E l’ensemble des vecteurs de l’espace.

~E −→ ~E
⋄ Soit ~v ∈ ~E. L’application est un endomorphisme de ~E.
~
u 7−→ ~u ∧ ~v
~E −→ R
⋄ Soit ~v ∈ ~E. L’application est une forme linéaire de ~E.
~
u 7−→ ~u.~v
~E −→ R
⋄ Soit ~v, w
~ . L’application est une forme linéaire de ~E.
~u 7−→ Det(~ ~)
u,~v, w

1.2.2 Suites

Exemple 2.
CN −→ CN
⋄ L’application est un endomorphisme de CN .
(un ) 7−→ (un+1 )
⋄ Notons E le R-espace vectoriel des suites convergentes. L’application qui à (un ) ∈ E associe lim un est une
n→+∞
forme linéaire sur E.

http://laurentb.garcin.free.fr 1
c Laurent Garcin MPSI Lycée Saint-Exupéry

1.2.3 Espaces fonctionnels

Exemple 3. Soit I un intervalle.

D(I, R) −→ RI
⋄ L’application est linéaire.
f 7−→ f ′
⋄ Soit a ∈ Ī. Notons
 E le R-espace vectoriel des fonctions définies sur I admettant une limite finie en a.
E −→ R
L’application f 7−→ lim f est une forme linéaire de E.
a

RI −→ R
⋄ Soit a ∈ I. L’application est une forme linéaire de RI .
f 7−→ f(a)

1.2.4 Polynômes

Exemple 4.
K[X] −→ K[X]
⋄ L’application est un endomorphisme de K[X].
P 7−→ P ′
K[X] −→ K
⋄ Soit a ∈ K. L’application est une forme linéaire de K[X].
P 7−→ P(a)
K[X] −→ K[X]
⋄ Soit Q ∈ K[X]. L’application est un endomorphisme de K[X].
P 7−→ PQ

1.2.5 Espaces Kn

Exemple 5.
R2 −→ R3
⋄ L’application est linéaire.
(x, y) 7−→ (y − 2x, 3y + x − 2z, x + z)
R2 −→ R
⋄ L’application n’est pas linéaire.
(x, y) 7−→ x + y + 1
R2 −→ R
⋄ L’application n’est pas linéaire.
(x, y) 7−→ x2 + y2

1.3 Opérations sur les applications linéaires

Théorème 1.2 (Opérations sur les applications linéaires)

(i) Une combinaison linéaire d’applications linéaires est linéaire :

∀λ, µ ∈ K, ∀f, g ∈ L(E, F), λf + µg ∈ L(E, F)

(ii) La composée d’applications linéaires est linéaire.

Soient E, F et G trois K-espace vectoriel, f ∈ L(E, F), g ∈ L(F, G). Alors g ◦ f ∈ L(E, G).
(iii) La composition à gauche et à droite sont linéaire.
Soient E, F et G trois K-espace vectoriel.

∀λ, µ ∈ K, ∀f ∈ L(E, F), ∀g, h ∈ L(F, G), (λg + µh) ◦ f = λg ◦ f + µh ◦ f

∀λ, µ ∈ K, ∀f, g ∈ L(E, F), ∀h ∈ L(F, G), h ◦ (λf + µg) = λh ◦ f + µh ◦ g

http://laurentb.garcin.free.fr 2
c Laurent Garcin MPSI Lycée Saint-Exupéry

Corollaire 1.3 (Espace vectoriel L(E, F))

Soient E et F deux K-espace vectoriel. L(E, F) est un K-espace vectoriel. Le vecteur nul de L(E, F) est l’application
E −→ F
nulle .
x 7−→ 0F

Corollaire 1.4 (Anneau L(E))

(L(E), +, ◦) est un anneau (non commutatif et non intègre en général). De plus, 1L(E) = IdE .

C ∞ (R) −→ C ∞ (R) C ∞ (R) −→ C ∞ (R)

Exemple 6. Les applications et sont deux endomorphismes de
f 7−→ f ′ f 7−→ (x 7→ xf(x))
C ∞ (R) qui ne commutent pas.

R2 −→ R2 R2 −→ R2
Exemple 7. Considérons f : et g : . On a f, g ∈ L(R2 ) et g◦f = f◦g = 0L(R2 )
(x, y) 7−→ (x, 0) (x, y) 7−→ (0, y)
et pourtant f 6= 0L(R2 ) et g 6= 0L(R2 ) .
Comme (L(E), +, ◦) est un anneau, on a les deux formules suivantes.

Proposition 1.5
Soient f, g ∈ L(E) qui commutent.
n  
X
n n
(i) (f + g) = fk ◦ gn−k
k
k=0
n−1
X
(ii) fn − gn = (f − g) fk ◦ gn−1−k
k=0

La notion suivante n’est pas au programme de MPSI.

Structure d’algèbre
Soit K un corps. On appele K-algèbre tout quadruplet (A, +, ., ×) tel que :
(i) (A, +, .) est un K-espace vectoriel ;
(ii) (A, +, ×) est un anneau ;
(iii) ∀(λ, µ) ∈ K2 , ∀(x, y) ∈ A2 , (λ.x) × (µ.y) = (λµ).(x × y).
Si × est commutative, on dit que l’algèbre est commutative.

Exemple 8. Si (E, +, .) est un K-espace vectoriel, (L(E), +, ., ◦) est une K-algèbre non commutative en général.

1.4 Isomorphismes linéaires

Définition 1.6 (Isomorphisme linéaire)

Soient E et F deux K-espace vectoriel. On appelle isomorphisme (linéaire) toute application linéaire bijective
de E sur F.
Un isomorphisme de E sur E est appelé un automorphisme.
On dit que E est isomorphe à F ou que E et F sont isomorphes s’il existe un isomorphisme de E sur F.

http://laurentb.garcin.free.fr 3
c Laurent Garcin MPSI Lycée Saint-Exupéry

Proposition 1.7 (Propriétés des isomorphismes)

Soient E, F et G trois K-espace vectoriel.
(i) Si f est un isomorphisme de E sur F, f−1 est un isomorphisme de F sur E.
(ii) Si f est un isomorphisme de E sur F et g un isomorphisme de F sur G, alors g ◦ f est un isomorphisme de
E sur G.

Corollaire 1.8 (Groupe linéaire)

Soit E un K-espace vectoriel. L’ensemble des automorphismes de E muni de la loi ◦ est un groupe. On l’appelle
le groupe linéaire de E et on le note GL(E). Plus précisément, c’est le groupe des éléments inversibles de L(E).

Méthode Prouver qu’une application linéaire est un isomorphisme

Soit f ∈ L(E, F). Pour prouver que f est un isomorphisme, on dispose de plusieurs méthodes :
◮ On peut montrer que l’application f est injective et surjective.
◮ On peut résoudre l’équation y = f(x) en x et montrer qu’elle admet une unique solution. Cela vous donne
en plus l’expression de f−1 .
◮ On peut « deviner » sa réciproque g et montrer que f ◦ g = IdF et g ◦ f = IdE .
◮ On peut montre que l’image d’une base de l’espace vectoriel de départ est une base de l’espace vectoriel
d’arrivée.

Exemple 9. L’espace vectoriel des suites récurrentes linéaires d’ordre 2 de polynôme caractéristique X2 + aX + b
est isomorphe à K2 .

2 Images directe et réciproque par une application linéaire

2.1 Images directe et réciproque d’un sous-espace vectoriel

Proposition 2.1 (Images directe et réciproque d’un sous-espace vectoriel)

Soient E et F deux K-espace vectoriel et f ∈ L(E, F). Soit A un sous-espace vectoriel de E et B un sous-espace
vectoriel de F.
(i) f(A) est un sous-espace vectoriel de F.
(ii) f−1 (B) est un sous-espace vectoriel de E.

2.2 Noyau et image d’une application linéaire

Définition 2.2 (Noyau et image d’une application linéaire)

Soient E et F deux K-espace vectoriel et f ∈ L(E, F).
(i) Le noyau de f noté Ker f est défini par Ker f = f−1 ({0F }). C’est un sous-espace vectoriel de E.
(ii) L’image de f notée Im f est définie par Im f = f(E). C’est un sous-espace vectoriel de F.

http://laurentb.garcin.free.fr 4
c Laurent Garcin MPSI Lycée Saint-Exupéry

Méthode Montrer qu’un ensemble est un sous-espace vectoriel

Soit F une partie d’un K-espace vectoriel E. Pour montrer que F est un sous-espace vectoriel de E, il suffit de
montrer que F est le noyau d’une application linéaire de E dans un autre K-espace vectoriel.

R3 −→ R
Exemple 1. F = {(x, y, z) ∈ R3 | x + y + z = 0} est le noyau de la forme linéaire . F est
(x, y, z) 7−→ x + y + z
donc un sous-espace vectoriel de R3 .

C 2 (R) −→ C 0 (R)
Exemple 2. L’application est linéaire. Son noyau, à savoir l’ensemble des fonctions affines
f 7−→ f ′′
de R dans R est donc un sous-espace vectoriel de C 2 (R) et donc un espace vectoriel.

Théorème 2.3 (Injectivité et surjectivité d’une application linéaire)

Soient E et F deux K-espace vectoriel et f ∈ L(E, F).
(i) f est injective si et seulement si Ker f = {0E }.
(ii) f est surjective si et seulement si Im f = F.

K[X] −→ K[X]
Exemple 3. Soit f : . Alors Ker f = K0 [X] et Im f = K[X]. Ainsi f est surjective mais pas
P 7−→ P ′
injective.

KN −→ KN
Exemple 4. Soit f : . Alors Ker f = vect((1)) et Im f = KN .
(un ) 7−→ (un+1 − un )

Proposition 2.4 (Lien entre génération et surjectivité, liberté et injectivité)

Soient E un K-espace vectoriel et u1 , . . . , un ∈ E.
Kn −→ E P
Notons Φ : .
(λ1 , . . . , λn ) 7−→ n
i=1 λi ui
(i) La famille (u1 , . . . , un ) engendre E si et seulement si Φ est surjective.
(ii) La famille (u1 , . . . , un ) est libre si et seulement si Φ est injective.
(iii) La famille (u1 , . . . , un ) est une base de E si et seulement si Φ est injective.

2.3 Image d’une famille de vecteurs

Proposition 2.5
Soient E et F deux K-espaces vectoriels et f ∈ L(E, F). Soit A ⊂ E. Alors f (vect(A)) = vect (f(A)).
En particulier, si B est une base de E, f(B) engendre Im f.

Proposition 2.6
Soient E et F deux K-espaces vectoriels et f ∈ L(E, F). Soit (e1 , . . . , en ) une base de E.

http://laurentb.garcin.free.fr 5
c Laurent Garcin MPSI Lycée Saint-Exupéry

(i) f est surjective si et seulement si (f(e1 ), . . . , f(en )) engendre F.

(ii) f est injective si et seulement si (f(e1 ), . . . , f(en )) est libre dans F.
(iii) f est bijective si et seulement si (f(e1 ), . . . , f(en )) est une base de F.

EXERCICE 1.

Soient E et F deux K-espaces vectoriels et f ∈ L(E, F).

1. Montrer que f est surjective si et seulement si l’image d’une famille génératrice de E est une famille génératrice
de F.
2. Montrer que f est injective si et seulement si l’image de toute famille libre de E est une famille libre de E.

Proposition 2.7 (Caractérisation d’une application linéaire par l’image d’une base)
oient E et F deux K-espaces vectoriels et f ∈ L(E, F). Soient (e1 , . . . , en ) une base de E et (f1 , . . . , fn ) une famille
de F. Il existe une unique application linéaire f ∈ L(E, F) telle que f(ei ) = fi pour tout i ∈ J1, nK.

Remarque. Ce résultat signifie que pour définir une application linéaire, il suffit de la définir sur une base. Il
prendra toute son importance lors de l’étude des matrices.

2.4 Cas d’une application de Kn dans Kp

Une application linéaire de Kn dans Kp est souvent donnée sous forme d’un p-uplet d’expressions linéaires en
fonction des n coordonnées d’un élément de Kn .
R3 −→ R2
Exemple 5. f : .
(x, y, z) 7−→ (x + 2y + z, 2x + y − z)

Méthode Déterminer le noyau


3 x + 2y + z = 0
Le noyau de f est le sous-espace vectoriel de R défini par le système linéaire . On a vu au
2x + y − z = 0
chapitre précédent comment déterminer une base de ce sous-espace vectoriel.

Méthode Déterminer l’image

L’image est formé des vecteurs x(1, 2, 1) + y(2, 1, 2) + z(1, −1, 1) avec x, y, z ∈ R. Ainsi Im f =
vect((1, 2, 1), (2, 1, 2), (1, −1, 1)). On a vu au chapitre précédent comment déterminer une base et un système
d’équations cartésiennes de ce sous-espace vectoriel.

http://laurentb.garcin.free.fr 6
c Laurent Garcin MPSI Lycée Saint-Exupéry

Méthode Déterminer le noyau et l’image en même temps !

On reprend la méthode matricielle utilisée pour déterminer le noyau. On écrit d’abord la matrice correspondant
à f puis on ajoute une matrice carrée formée de zéros et de 1 sur la diagonale.
0 1
B
B
1 2 1 C
C
B
B 2 1 −1 C
C
B
B C
C
B
B
1 2 1
C
C
B
B C
C
B
B 1 0 0 C
C
B
 0 1 0 C
A
0 0 1

Puis on pivote sur les colonnes. 0 1

B
B
1 0 0 C
C
B
B 2 −3 −3 C
C
B
B C
C
B
B
1 0 0
C
C C2 ← C2 − 2C1
B
B C
C C3 ← C3 − C1
B
B 1 −2 −1 C
C
B
 0 1 0 C
A
0 0 1
Encore une fois pour avoir la dernière colonne nulle.
0 1
B
B
1 0 0 C
C
B
B 2 −3 0 C
C
B
B 1 0 0
C
C
B
B C
C C3 ← C3 − C2
B
B C
C
B
B 1 −2 −3 C
C
B
 0 1 −1 C
A
0 0 1

On a alors Im f = vect((1, 2, 1), (0, −3, 0)) et Ker f = vect((−3, −1, 1)).

2.5 Restriction et corestriction d’une application linéaire

Proposition 2.8 (Restriction et corestriction d’une application linéaire)

Soit f ∈ L(E, F).
(i) Si G un sous-espace vectoriel de E, alors f|G ∈ L(G, F).
(ii) Si H est un sous-espace vectoriel de F contenant Im f, alors f|H ∈ L(E, H).
|H
(iii) Si G est un sous-espace vectoriel de E et H est un sous-espace vectoriel de F contenant f(G), alors f|G ∈
L(G, H).

http://laurentb.garcin.free.fr 7
c Laurent Garcin MPSI Lycée Saint-Exupéry

Exemple 6. Soient f ∈ L(E, F) et G un sous-espace vectoriel de E. Alors Ker f|G = Ker f ∩ G et Im f|G = f(G).
Soient f ∈ L(E, F) et g ∈ L(F, G). Alors Im g| Im f = Im g ◦ f.

Remarque. Soit f ∈ L(E). Si F est un sous-espace vectoriel de E stable par f i.e. f(F) ⊂ F, on dit que f induit un
|F
endormorphisme de F (qui n’est autre que f|F ).

3 Applications linéaires en dimension finie

3.1 Isomorphisme et dimension

Théorème 3.1 (Isomorphisme et dimension)

(i) Si deux espaces vectoriels E et F sont isomorphes et si E est de dimension finie, alors F est de dimension
finie et dim E = dim F.
(ii) Deux espaces vectoriels de même dimension finie sont isomorphes.

Remarque. Ce résultat est d’une importance capitale puisqu’il dit que tous les espace vectoriel de dimension n
sont isomorphes à Kn . L’étude d’un espace vectoriel de dimension n se résume par exemple à l’étude de Kn , ce
qu’exploite à fond la théorie des matrices.

Remarque. Si f ∈ L(E, F) est seulement injective, on peut tout de même affirmer que dim E 6 dim F.
Si f ∈ L(E, F) est seulement surjective, on peut tout de même affirmer que dim E > dim F.

Exemple 1. R2 et C sont isomorphes en tant que R-espaces vectoriels.

Exemple 2. KN n’est pas de dimension finie. En effet, le sous-espace vectoriel des suites presque nulles K(N)
est isomorphe à K[X]. Or K[X] n’est pas de dimension finie donc K(N) non plus. Comme K(N) est un sous-espace
vectoriel de KN , ce dernier n’est pas non plus de dimension finie.

Exemple 3. Soit p ∈ N∗ . L’ensemble E des suites réelles p-périodiques est un R-espace vectoriel de dimension
E −→ Rp
car est un isomorphisme.
(un ) 7−→ (u0 , . . . , up−1 )

3.2 Rang d’une application linéaire

Définition 3.2 (Rang d’une application linéaire)

Soit E et F deux K-espaces vectoriels et f ∈ L(E, F). On appelle rang de f la dimension de Im f si elle est finie et
on la note rg f.

Remarque. Si (e1 , . . . , en ) est une base de E. Alors rg f = rg(f(e1 ), . . . , f(en )).

Si f ∈ L(E, F), rg f 6 min(dim E, dim F).
Si f ∈ L(E, F) et si G est un sous-espace vectoriel de E, alors dim f(F) 6 dim F (une application linéaire fait toujours
baisser la dimension).

Méthode Déterminer le rang d’une application linéaire de Kn dans Kp

On a vu au chapitre précédent comment déterminer une base de l’image d’une telle application linéaire. Le
cardinal de cette base est le rang de l’application linéaire.

http://laurentb.garcin.free.fr 8
c Laurent Garcin MPSI Lycée Saint-Exupéry

Lemme 3.3
Soit E et F deux espaces vectoriels avec E de dimension finie. Soit f ∈ L(E, F). On note S un supplémentaire de
Ker f dans E. Alors f induit un isomorphisme de S sur Im f.

Remarque. En termes savants, on dit qu’on factorise f par son noyau.

Corollaire 3.4 (Théorème du rang)

Soit E et F deux espaces vectoriels avec E de dimension finie. Soit f ∈ L(E, F). Alors

dim E = rg f + dim Ker f

Exemple 4. On peut prouver différemment la formule dim E × F = dim E + dim F en considérant l’application
E × F −→ E
.
(x, y) 7−→ x

Exemple 5. On peut aussi prouver différemment la formule de Grassmann dim F + G = dim F + dim G − dim F ∩ G
F × G −→ E
en considérant l’application .
(x, y) 7−→ x + y

Corollaire 3.5 (Injectivité, surjectivité et rang)

Soient E et F deux espaces vectoriels de dimension finie et f ∈ L(E, F). Alors
(i) f est surjective si et seulement si rg f = dim F.
(ii) f est injective si et seulement si rg F = dim E.

Corollaire 3.6
Soient E et F deux espaces vectoriels de même dimension finie et f ∈ L(E, F). Alors les propositions suivantes
sont équivalentes :
(i) f est bijective.
(ii) f est injective.
(iii) f est surjective.
C’est en particulier le cas lorsque f est un endomorphisme d’un espace vectoriel de dimennsion finie.

Remarque. On sait que deux espaces vectoriels de dimensions distinctes ne peuvent être isomorphes.

Remarque. On suppose E et F de même dimension finie. Pour montrer que f ∈ L(E, F) est un isomorphisme
d’inverse g ∈ L(F, E), il suffit de prouver que g ◦ f = IdE ou f ◦ g = IdF .
On suppose E de dimension finie. Pour montrer que f ∈ L(E) est un automorphisme d’inverse g ∈ L(E), il suffit de
prouver que g ◦ f = IdE ou f ◦ g = IdE .

Méthode Prouver qu’une application linéaire est un isomorphisme

Si on sait que les dimensions de l’espace d’arrivée et de l’espace de départ sont égales, pour montrer qu’une
application linéaire est bijective, il suffit de montrer qu’elle est injective ou surjective (en pratique, on montre
plus souvent l’injectivité). Encore une fois, travail divisé par deux grâce à la dimension !

http://laurentb.garcin.free.fr 9
c Laurent Garcin MPSI Lycée Saint-Exupéry

EXERCICE 2.

R3 −→ R3
Montrer que est un automorphisme de R3 .
(x, y, z) 7−→ (x + y, −x + y, z)

Proposition 3.7 (Invariance du rang par composition avec un isomorphisme)

Soient E, F et G trois espaces vectoriels de dimension finie, u ∈ L(E, F) et v ∈ L(F, G).
(i) Si u est un isomorphisme, alors rg v ◦ u = rg v.
(ii) Si v est un isomorphisme, alors rg v ◦ u = rg u.

EXERCICE 3.

Soient E, F et G trois espaces vectoriels de dimension finie, u ∈ L(E, F) et v ∈ L(F, G). Montrer que rg(v ◦ u) 6
min(rg u, rg v).

3.3 Formes linéaires et hyperplans

Expression d’une forme linéaire en dimension finie

Soit ϕ une forme linéaire d’un K-espace vectoriel E de dimension finie n > 1. Soit (e1 , . . . , en ) une base de
Xn Xn
E. On note ak = f(ek ), pour 1 6 k 6 n. Soit x = xk ek ∈ E. Alors ϕ(x) = ak xk . Réciproquement, toute
k=1 k=1
n
X
application de E dans K du type x 7→ ak xk où (x1 , . . . , xn ) sont les coordonnées de x dans une base de E est
k=1
une forme linéaire sur E.

R3 −→ R
Exemple 6. L’application est une forme linéaire de R3 .
(x, y, z) 7−→ 4x − 5y + 3z

Définition 3.8 (Hyperplan)

Soit E un K-espace vectoriel. On appelle hyperplan de E tout sous-espace vectoriel qui admet pour supplémen-
taire une droite vectorielle de E. Si E est de dimension finie n > 1, les hyperplans de E sont les sous-espaces
vectoriels de dimension n − 1.

Exemple 7. Les hyperplans de l’espace vectoriel géométrique sont les plans vectoriels. Les hyperplans du plan
vectoriel géométrique sont les droites vectorielles.

Théorème 3.9 (Formes linéaires et hyperplans)

Soit E un K-espace vectoriel de dimension finie et H un sous-espace vectoriel de E. Les propositions suivantes
sont équivalentes.
(i) H est un hyperplan de E.
(ii) H est le noyau d’une forme linéaire non nulle de E.

Remarque. Le résultat est encore valable en dimension infinie mais on ne peut plus le démontrer en raisonnement
uniquement avec des bases.

http://laurentb.garcin.free.fr 10
c Laurent Garcin MPSI Lycée Saint-Exupéry

Exemple 8. F = {(x, y, z) ∈ R3 | 4x − 5y + 3z = 0} est un R-espace vectoriel de dimension 2.

Exemple 9. Soit a ∈ K. F = {P ∈ Kn [X] | P(a) = 0} est un K-espace vectoriel de dimension n.

3.4 Dimension de L(E, F)

Proposition 3.10 (Dimension de L(E, F))

Soient E et F deux espaces vectoriels de dimension finie. Alors L(E, F) est aussi de dimension finie et

dim L(E, F) = dim E × dim F

4 Homothéties, projecteurs, symétries

4.1 Homothéties

Définition 4.1 (Homothétie)

Soient E un K-espace vectoriel et λ ∈ K. On appelle homothétie de E de rapport λ l’application hλ :
E −→ E
. C’est un endomorphisme de E. De plus, hλ un automorphisme de E si et seulement si λ 6= 0.
x 7−→ λ.x

EXERCICE 4.

Soit h ∈ L(E) laissant stable toutes les droites de E. Montrer que h est une homothétie.

4.2 Projecteurs et symétries

Définition 4.2 (Projecteur et symétrie)

G
Soient F et G deux sous-espaces vectoriels
supplémentaires dans un K-espace vectoriel
E. Tout vecteur x de E se décompose de ma- x
nière unique sous la forme x = xF + xG .
(i) On appelle projecteur sur F parallè-
lement à G l’application qui à x associe
xF .
b
(ii) On appelle symétrie par rapport F
parallèlement à G l’application qui à p(x)
x associe xF − xG .
F
Le sous-espace vectoriel G est appelé la direc-
tion du projecteur ou de la symétrie.

s(x)

http://laurentb.garcin.free.fr 11
c Laurent Garcin MPSI Lycée Saint-Exupéry

Proposition 4.3 (Propriétés des projecteurs)

Soient F et G deux sous-espaces vectoriels supplémentaires dans un K-espace vectoriel E. Soit p le projecteur
sur F parallèlement à G.
(i) p est un endomorphisme de E.
(ii) p2 = p.
(iii) Ker p = G et Im p = Ker(p − IdE ) = F.

Remarque. x ∈ G ⇐⇒ p(x) = 0 et que x ∈ F ⇐⇒ p(x) = x.

Proposition 4.4 (Caractérisation des projecteurs)

Soit p ∈ L(E). Alors p est un projecteur si et seulement si p2 = p.
Dans ce cas, E = Ker p ⊕ Im p et p est le projecteur sur Im p = Ker(p − IdE ) parallèlement à Ker p.

Remarque. x ∈ Im p ⇐⇒ p(x) = x.

Exemple 1. Soit n ∈ N. L’application qui à un polynôme associe la somme de ses monômes de degré inférieur
ou égal à n est le projecteur sur Kn [X] parallèlement à Xn+1 Kn [X].

Proposition 4.5 (Propriétés des symétries)

Soient F et G deux sous-espaces vectoriels supplémentaires dans un K-espace vectoriel E. Soit s la symétrie par
rapport à F parallèlement à G.
(i) s est un endomorphisme de E.
(ii) s2 = IdE .
(iii) Ker(s − IdE ) = F et Ker(s + IdE ) = G.

Remarque. La dernière assertion signifie que x ∈ F ⇐⇒ s(x) = x et que x ∈ G ⇐⇒ s(x) = −x.

Proposition 4.6 (Caractérisation des symétries)

Soit s ∈ L(E). Alors s est une symétrie si et seulement si s2 = IdE .
Dans ce cas, Ker(s−IdE ) et Ker(s+IdE ) sont supplémentaires dans E et p est la symétrie par rapport Ker(s−IdE )
parallèlement à Ker(s + IdE ).

Exemple 2. L’application qui à une fonction f de R dans R associe la fonction x 7→ f(−x) est la symétrie par
rapport au sous-espace vectoriel des fonctions paires parallèlement au sous-espace vectoriel des fonctions impaires.

5 Equations linéaires

Définition 5.1 (Equation linéaire)

Soient E et F deux K-espace vectoriel, u ∈ L(E, F) et b ∈ F. On dit que l’équation u(x) = b d’inconnue x ∈ E
est une équation linéaire. On appelle b le second membre de l’équation linéaire. L’équation u(x) = 0 est
appellée l’équation homogène associée.

http://laurentb.garcin.free.fr 12
c Laurent Garcin MPSI Lycée Saint-Exupéry

Proposition 5.2
L’ensemble des solutions de l’équation linéaire u(x) = b est x0 + Ker u où x0 est une solution particulière de
l’équation.

Remarque. On dit que la solution générale de l’équation u(x) = b est la somme d’une solution particulière
et de la solution générale de l’équation homogène associée (c’est-à-dire Ker u).

Exemple 1. La solution générale de l’équation différentielle a(t)y ′′ + b(t)y ′ + c(t)y = d(t) (avec a 6= 0) est
la somme d’une solution particulière de l’équation différentielle et de la solution générale de l’équation homogène
associée.

Lemme 5.3 (Lemme des noyaux « light »)

Soit E un K-espace vectoriel et f ∈ L(E). Soit r1 , r2 ∈ K tels que r1 6= r2 . Alors

Ker ((f − r1 IdE ) ◦ (f − r2 IdE )) = Ker(f − r1 IdE ) ⊕ Ker(f − r2 IdE )

Proposition 5.4 (Equation différentielle homogène d’ordre 2 à coefficients constants)

Soit (E) : y ′′ + ay ′ + by = 0 une équation différentielle homogène à coefficients à coefficients complexes constants
dont on recherche les solutions complexes. On note ∆ le discriminant de l’équation caractéristique associée. La
solution générale de (E) est :
◮ Si ∆ 6= 0 : t 7→ λer1 t + µer2 t où r1 et r2 sont les racines de l’équation caractéristique.
◮ Si ∆ = 0 : t 7→ λert + µtert où r est la racine double de l’équation caractéristique.

Remarque.
◮ Si ∆ 6= 0, les fonctions t 7→ er1 t et t 7→ er2 t forment une base de l’espace vectoriel des solutions.
◮ Si ∆ = 0, les fonctions t 7→ er1 t et t 7→ er2 t forment une base de l’espace vectoriel des solutions.

Définition 5.5 (Suites récurrentes linéaires d’ordre 2)

On dit que (un ) ∈ KN est une suite récurrente linéaire d’ordre 2 s’il existe a, b ∈ K tel que un+2 +aun+1 +bun = 0.
Le polynôme caractéristique associée à une telle suite est X2 +aX+b. Pour a, b donnés, on note Ea,b l’ensemble
de ces suites.

Proposition 5.6
Ea,b est un K-espace vectoriel de dimension 2.

KN −→ KN
Remarque. On utilise le noyau de l’application linéaire et l’isomorphisme
(un ) 7−→ (un+2 − aun+1 − bun )
Ea,b −→ K2
.
(un ) 7−→ (u0 , u1 )

http://laurentb.garcin.free.fr 13
c Laurent Garcin MPSI Lycée Saint-Exupéry

Proposition 5.7 (Forme générale des suites récurrentes linéaires d’ordre 2)

Cas complexe :

◮ Si ∆ 6= 0, Ea,b est l’espace vectoriel des suites de terme général λrn n

1 + µr2 où r1 et r2 sont les racines
du polynôme caractéristique et λ, µ ∈ C.
◮ Si ∆ = 0, Ea,b est l’espace vectoriel des suites de terme général λrn + µnrn où r est la racine double
du polynôme caractéristique et λ, µ ∈ C.
Cas complexe :

◮ Si ∆ > 0, Ea,b est l’espace vectoriel des suites de terme général λrn n
1 + µr2 où r1 et r2 sont les racines
réelles du polynôme caractéristique et λ, µ ∈ R.
◮ Si ∆ = 0, Ea,b est l’espace vectoriel des suites de terme général λrn + µnrn où r est la racine double
réelle du polynôme caractéristique et λ, µ ∈ R.
◮ Si ∆ < 0, Ea,b est l’espace vectoriel des suites de terme général λrn cos(nθ) + µrn cos(nθ) où re±iθ
sont les racines complexes conjuguées du polynôme caractéristique et λ, µ ∈ R.

Remarque. Dans le cas complexe :

◮ Si ∆ 6= 0, les suites (rn n
1 ) et (r2 ) forment une base de Ea,b .
◮ Si ∆ = 0, les suites (rn ) et (nrn ) forment une base de Ea,b .

EXERCICE 5.

1. Déterminer la suite réelle (un ) telle que u0 = 0, u1 = 1 et un+2 = 2un+1 − un pour tout n ∈ N.
2. Déterminer la suite réelle (un ) telle que u0 = u1 = 1 et un+2 = un+1 − un pour tout n ∈ N.

http://laurentb.garcin.free.fr 14