SEANCE N° 8

Objectif : A la fin de cette séance l'apprenant devra être en mesure de définir une application
linéaire ; présenter une application linéaire de différentes façons ; donner les caractéristiques
de l'application linéaire.

8. Applications linéaires
8.1. Définitions
• Applications linéaires
Définition :
E et F étant des K-espaces vectoriels, une application f de E dans F est dite linéaire si :
 ( x, y )  E 2   K f ( x + y ) = f ( x) + f ( y )
f ( x) = f ( x)
On dit aussi que f est un morphisme d’espaces vectoriels.

Définition équivalente :
 ( x, y )  E 2 (  )  K 2 f ( x +  y ) = f ( x ) +  f ( y ) .
Cas particuliers :
• Si E = F, f est appelé endomorphisme de E.
• Si f est un morphisme injectif de E dans F, c’est un monomorphisme.
• Si f est surjectif, c’est un épimorphisme.
• Si f est bijectif, c’est un isomorphisme et si, en outre, E = F, c’est un automorphisme.

Notation :
L’ensemble des morphismes de E dans F sera noté : (E, F) et l’ensemble des
endomorphismes de E : (E).

Exemple :
Les applications f, g suivantes sont-elles linéaires ?
f : IR3 → IR3 g : IR 2 → IR3
( x, y , z ) ( 2 x, x − y , z − x ) ; ( x, y ) ( x, x + y, y + 1)
a)
f : IR3 → IR3
( x, y , z ) ( 2 x, x − y , z − x ) ;
Soient u e v deux vecteurs appartenant à IR 3 tels que u = (x1, y1, z1) et v = (x2, y2, z2) et
µ 𝜖 IR 3 alors 𝑢 + 𝑣 = (𝑥1 + 𝑥2 , 𝑦1 + 𝑦2 , 𝑧1 + 𝑧2 ) et µ𝑢 = (µ𝑥1 , µ𝑦1 , µ𝑧1 ).
Déterminons 𝑓(𝑢 + 𝑣)
𝑓(𝑢 + 𝑣) = (2(𝑥1 + 𝑥2 ), (𝑥1 + 𝑥2 ) − (𝑦1 + 𝑦2 ), (𝑧1 + 𝑧2 ) − (𝑥1 + 𝑥2 )) =
= (2𝑥1 + 2𝑥2 , (𝑥1 − 𝑦1 ) + (𝑥2 − 𝑦2 ), (𝑧1 − 𝑥1 ) + (𝑧2 − 𝑥2 ))
=(2𝑥1 , 𝑥1 − 𝑦1 , 𝑧1 − 𝑥1 ) + (2𝑥2 , 𝑥2 − 𝑦2 , 𝑧2 − 𝑥2 )
𝑓(𝑢 + 𝑣) = 𝑓(𝑢) + 𝑓(𝑣)

𝑓(µ𝑢) = (2µ𝑥1 , µ𝑥1 − µ𝑦1 , µ𝑧1 − µ𝑥1 ) =(µ(2𝑥1 ), µ(𝑥1 − 𝑦1 ), µ(𝑧1 − 𝑥1 ))

Page 1|4
 =µ(2𝑥1 , 𝑥1 − 𝑦1 , 𝑧1 − 𝑥1 )
𝑓(µ𝑢) = µ𝑓(𝑢)

Propriétés :
• (E, F) est un K-espace vectoriel.
• f (OE ) = OF .
   p
• Si x1 , ..., xP  E et 1 , ...,  P  K on a: f   i i  =  i f ( xi ) .
 x
 i =1  i =1
• L’image d’un sous espace vectoriel de E est un sous espace vectoriel de F.
• L’image d’un système générateur S d’un sous espace vectoriel A de E est un système
générateur de f(A)  F.
• La dimension de f(A) est inférieure ou égale à celle de A.
• L’image d’un système lié est lié.
• Si l’image f(S) est un système libre, S est un système libre.
Si B est un sous-espace vectoriel de F, f ( B ) =  x; x  E / f ( x)  B est un sous-espace
−1
•
vectoriel de E.

Remarque :
soit f une application linéaire de E dans F. Soit  = e1 , ..., e p( ) une base de E. L’application
f est entièrement déterminée par la donnée des images f (ei ) des vecteurs de .
p
x  E x =  xi ei = x1e1 + ... + x p e p
i =1
p
f ( x) = f ( x1e1 + ... + x p e p ) = x1 f (e1 ) + ... + x p f (e p ) =  xi f (ei )
i =1

Exemple :
Dans IR2 rapporté à la base (e1, e2) on considère l’application linéaire définie par
 f (e1 ) = −2e1 + e2

 f (e2 ) = e1 + 3e2

8.2. Noyau et image

• Noyau d’une application linéaire

Définition :
On appelle noyau d’une application linéaire f de E dans F, le sous-espace vectoriel de E défini
par : Ker ( f ) = f −1 (0 F  )
ou encore : Kerf =  x  E / f ( x) = oF 

Exemple :
Soit l’application linéaire :
f : IR 4 → IR 4
( x , x2 , x3 , x4 ) ( x3 − x1 , x2 , 0, x3 + 2 x4 )
Quel est son noyau ?

Théorème :

Page 2|4
 - f est injective  Ker ( f ) = oE 
- f est injective  toute famille libre de vecteurs de E a pour image une famille libre de
vecteurs de F.

• Image d’une application linéaire

Définition :
f étant un morphisme de E dans F, on appelle image de f l’ensemble des images des vecteurs
de E par f. Il est noté Im(f), ou f(E).
y  Im( f )  x  E tel que y = f ( x)
ou encore Im( f ) =  y  F / x  E f ( x) = y .
Théorème :
- Im(f) est un sous-espace vectoriel de F. Sa dimension est appelée rang de f.
- f est surjective  Im(f) = F.

• Cas où E et F sont de dimension finie

Théorème :
f injective  rang(f) = dimE
f surjective  rang(f) = dimF
f bijective  rang(f) = dimE = dimF
Théorème de la dimension :
dimE = dim Ker(f) + rang(f)

• Cas où E et F sont de même dimension finie

Théorème :
f bijective  f surjective  f injective
 toute base de E a pour image une base de F
 pour tout sous-espace vectoriel A de E, on a : dimf(A) = dimA.

Exemple :
L’endomorphisme f de IR3 défini par les formules :
x ' = x + z

 y ' = −x + y
z ' = x + y + z

est-il un automorphisme ? Quel est le transformé du plan vectoriel d’équation :
x − 2 y + 3z = 0 ?

8.3. Matrice d’une application linéaire

Théorème :
(
Soit E et F deux K-espaces vectoriels de dimensions finies p et n. Soit  = e1 , ..., e p ) une
base de E et  = ( d1 , ..., d n ) une base de F. Un morphisme f de E dans F est parfaitement défini par
la donnée des images c1 = f (e1 ), ..., cP = f (eP ) des vecteurs de .
p p
Tout vecteur x =  xi ei est alors transformé en f ( x) =  xi ci .
i =1 i =1
• Matrice de f

Page 3|4
Chaque vecteur c j appartenant à F peut être décomposé dans la base  choisie dans F :
n
j  1, ..., p c j =  aij di
i =1
En écrivant en colonnes les composantes sur  des vecteurs c j = f (e j ) , on obtient une matrice A,
de format (n, p), qui est la matrice de f relative aux bases  et .
• Image d’un vecteur
Soit x un vecteur de E et X la colonne de ses p composantes sur . Soit t un vecteur de F et Y la
colonne de ses n composantes sur . Alors : y = f ( x)  Y = AX .
Exemple :
 f (e1 ) = −2e1 + 5e2
f un endomorphisme de IR2 défini par 
 f (e2 ) = e1 + 3e2
Déduire que u’ = Au

Page 4|4