Chapitre 20

Applications linéaires

1 Généralités 2
1.1 Définition . . . . . . . . . . . . . . . . . . . . 2
1.2 Opérations sur les applications linéaires . . . 3
1.3 Image et noyau . . . . . . . . . . . . . . . . . 4

2 Isomorphismes 5
2.1 Definitions . . . . . . . . . . . . . . . . . . . . 5
2.2 Isomorphismes et bases . . . . . . . . . . . . 5
2.3 Espaces isomorphes . . . . . . . . . . . . . . . 7

3 Modes de définition d’une application linéaire 10

3.1 Utilisation d’une base . . . . . . . . . . . . . 10
3.2 Utilisation d’espaces supplémentaires . . . . . 11

4 Endomorphismes remarquables d’un espace

vectoriel 11
4.1 Projecteurs . . . . . . . . . . . . . . . . . . . 11
4.2 Symétries . . . . . . . . . . . . . . . . . . . . 14

5 Rang d’une application linéaire 15

5.1 Généralités . . . . . . . . . . . . . . . . . . . 15
5.2 Théorème du rang . . . . . . . . . . . . . . . 16

6 Équations linaires 17

7 Formes linéaires et hyperplans 18

Mathieu Mansuy - Professeur de Mathématiques en supérieures PCSI au Lycée Saint Louis (Paris)
[email protected]
PCSI5 Lycée Saint Louis

1 Généralités
Dans tout ce cours, K désigne l’ensemble R ou C.

1.1 Définition
Définition.
Soient E, F deux K-espaces vectoriels et f : E → F . On dit que f est un homorphisme d’espaces
vectoriels ou plus simplement une application linéaire si elle respecte les lois associées, c’est à
dire si:
∀ x, y ∈ E, f (x + y) = f (x) + f (y);
∀x ∈ E, ∀λ ∈ K, f (λ · x) = λ · f (x).

Remarques.
ˆ
f est linéaire ⇔ ∀x, y ∈ E, ∀λ, µ ∈ K, f (λ · x + µ · y) = λ · f (x) + µ · f (y)
⇔ ∀x, y ∈ E, ∀λ ∈ K, f (λ · x + y) = λ · f (x) + f (y)

ˆ Pour toute application linéaire f : E → F , on a f (0E ) = 0F .

Exemples.
 IdE est linéaire. Plus généralement, toute homothétie, c’est à dire toute application de la forme
λ · IdE avec λ ∈ K, est linéaire.
 f : R2 → R2 , (x, y) 7→ (x + y, 2x − y) est linéaire.
 f : R3 → R2 , (x, y, z) 7→ (x + y − z, 2y + z) est linéaire.
 E = C 0 (I, R), F = C 1 (I, R), a ∈ I. Alors :
– la dérivation D : F → E, f → f 0 est linéaire ;
Z x
– l’application P : E → F, f → f (t)dt est linéaire.
a

On notera de plus que D ◦ P = IdE alors que P ◦ D 6= IdF .

Exemples.
 Les translations ta : x ∈ E → x + a ∈ E ne sont pas linéaires si a 6= 0E .
 f : K → K, x 7→ ax + b n’est pas linéaire.
 Les applications x 7→ x2 , cos, ln, exp, . . . ne sont pas linéaires.

Vocabulaire. Soit f : E → F une application linéaire. On dit que :

ˆ f est un endomorphisme si E = F ;
ˆ f est un isomorphisme si elle est linéaire bijective ;
ˆ f est un automorphisme si c’est un endomorphisme bijectif.
ˆ f est une forme linéaire si F = K.
On note L(E, F ) l’ensemble des applications linéaires de E dans F . Lorsque E = F , on notera L(E)
l’ensemble des endomorphismes de E. Lorsque F = K, on notera E ∗ = L(E, K) l’ensemble des formes
linéaires de E, aussi appelé dual de E.

2
PCSI5 Lycée Saint Louis

1.2 Opérations sur les applications linéaires

Propriété 1

L’ensemble L(E, F ) est un sous-espace vectoriel de F(E, F ).

Preuve.


Propriété 2

Soient f : E → F et g : F → G deux applications linéaires. Alors la composée g ◦ f : E → G

est linéaire.

Preuve.


Propriété 3

Soient f : E → F et g : F → G deux applications linéaires. Alors :

(1) h 7→ g ◦ h est linaire de L(E, F ) dans L(E, G) ;

(2) h 7→ h ◦ f est linaire de L(E, F ) dans L(E, G).

Preuve.


Remarque. Dans L(E), la composition ◦ est associative, distributive par rapport à +, admet pour
élément neutre IdE et satisfait λ · (f ◦ g) = f ◦ (λ · g) = (λ · f ) ◦ g. On dit alors que L(E) muni de
+ et ◦ est une algèbre, non intègre et non commutative (résultat à rapprocher de celui obtenu pour
l’algèbre des matrices Mn (K)).

Remarque. Pour tout P = a0 + a1 X + · · · + an X n ∈ K[X] et f ∈ L(E), on peut donc définir le

polynôme d’endomorphisme P (f ) ∈ L(E) par :

P (f ) = a0 f 0 + a1 f + a2 f 2 + · · · + an f n

où f 0 = IdE , f 1 = f , f 2 = f ◦ f , . . .

Propriété 4

Soient f, g ∈ L(E) deux endomorphismes qui commutent, i.e. f ◦ g = g ◦ f . Alors pour tout
n∈N:
n   n  
n
X n k n−k
X n n−k
(f + g) = f ◦g = f ◦ gk ;
k k
k=0 k=0
n−1
X
f n − g n = (f − g) f k ◦ g n−1−k .
k=0

Remarque. Les homothéties λIdE commutent avec tout endomorphisme f ∈ L(E).

3
PCSI5 Lycée Saint Louis

1.3 Image et noyau

Propriété 5

Soit f : E → F une application linéaire.

(1) Si E 0 est un sous-espace vectoriel de E, alors f (E 0 ) = {y ∈ F |∃x ∈ E 0 , y = f (x)} est un

sous-espace vectoriel de F .

(2) Si F 0 est un sous-espace vectoriel de F , alors f −1 (F 0 ) = {x ∈ E|f (x) ∈ F 0 } est un

sous-espace vectoriel de E.

Preuve.

Définition.
Soit f : E → F une application linéaire. On appelle :

ˆ image de f le sous-espace vectoriel noté Im(f ) de F défini par Im(f ) = f (E). Ainsi,

∀y ∈ F, y ∈ Im(f ) ⇔ ∃x ∈ E, y = f (x).

ˆ noyau de f le sous-espace vectoriel noté Ker(f ) de E défini par Ker(f ) = f −1 ({0E }). Ainsi,

∀x ∈ E, x ∈ Ker(f ) ⇔ f (x) = 0F .

Propriété 6

Soit f ∈ L(E, F ).

(1) f est surjective ⇔ Im(f ) = F ;

(2) f est injective ⇔ Ker(f ) = {0E }.

Preuve.


Exemples. Déterminer les noyaux, images, et déduire éventuellement l’injectivité et la surjectivité

des applications suivantes :

 f : R2 → R2 , (x, y) 7→ (x + y, 2x − y) ;

 f : R3 → R2 , (x, y, z) 7→ (x + y − z, 2y + z) ;

 E = C 0 (I, R), F = C 1 (I, R), a ∈ I et :

– la dérivation D : F → E, f → f 0 ;
Z x
– l’application P : E → F, f → f (t)dt.
a

Remarque. L’équivalence suivante est intéressante à retenir en pratique : si f, g ∈ L(E), alors

g ◦ f = 0L(E) ⇔ Im(f ) ⊂ Ker(g).

4
PCSI5 Lycée Saint Louis

2 Isomorphismes
2.1 Definitions
Rappel. Soit f ∈ L(E, F ). Rappelons que :

ˆ f est un isomorphisme si f est bijective ;

ˆ f est un automorphisme si f est bijective et E = F .

Propriété 7

Soient f : E → F et g : F → G deux isomorphismes.

(1) g ◦ f ∈ L(E, G) est un isomorphisme ;

(2) L’inverse f −1 est un isomorphisme de F dans E.

Preuve.

Définition.
On appelle groupe linéaire de E et on note GL(E) l’ensemble des automorphismes de E.

Exemple d’isomorphisme en analyse. Soient a, b, c ∈ K, a 6= 0, et considérons l’ensemble S des

fonctions y : R → K de classe C 2 telles que :

ay 00 + by 0 + cy = 0.

Alors :

ˆ S est un sous espace vectoriel de C 2 (R, K) ;

ˆ Pour tout réel t0 , l’application T0 : S → K2 , y 7→ (y(t0 ), y 0 (t0 )) est un isomorphisme de S dans

K2 puisqu’elle est linéaire et bijective d’après le théorème de Cauchy-Lipschitz (unicité de la
solution d’un problème de Cauchy).

2.2 Isomorphismes et bases

Propriété 8

Soit f : E → F une application linéaire et B = (e1 , · · · , en ) une base de E. Notons

F = (f (e1 ), · · · , f (en )).

(1) f est injective si et seulement si F est libre dans F ;

(2) f est surjective si et seulement si F est génératrice dans F ;

(3) f est bijective si et seulement si F est une base de F .

Preuve.

(1) Supposons que f est injective et montrons que F est libre : soient λ1 , . . . , λn ∈ K tels que :

λ1 f (e1 ) + · · · + λn f (en ) = 0F .

5
PCSI5 Lycée Saint Louis

Par linéarité de f , on en déduit que f (λ1 e1 + · · · + λn en ) = 0F . Puisque f est injective, on a donc

λ1 e1 + · · · + λn en = 0F . Enfin, puisque (e1 , . . . , en ) est libre, on a donc λ1 = · · · = λn = 0. Ainsi
F est libre dans F .
Réciproquement supposons que F est libre dans F et montrons que f est injective. Soit pour cela
x ∈ E tel que f (x) = 0F . Puisque (e1 , . . . , en ) est une base de E, il existe λ1 , . . . , λn ∈ K tels que
:
x = λ1 e1 + · · · + λn en .
D’où 0F = f (x) = λ1 f (e1 ) + · · · + λn f (en ) = 0F . Enfin puisque F est libre, on en déduit que
λ1 = · · · = λn = 0 et donc que x = 0E .

(2) Supposons que f est surjective, et montrons que F est génératrice dans F . Soit pour cela y ∈ F .
Puisque f est surjective, il existe x ∈ E tel que f (x) = y. Or (e1 , . . . , en ) est une base de E, donc
il existe λ1 , . . . , λn ∈ K tels que :

x = λ1 e1 + · · · + λn en .

D’où y = f (x) = λ1 f (e1 ) + · · · + λn f (en ). Ainsi F est bien génératrice dans F .

Réciproquement, supposons que F est génératrice dans F et montrons que f est surjective. Soit
y ∈ F . Puisque F est génératrice dans F , il existe λ1 , . . . , λn ∈ K tels que :

y = f (x) = λ1 f (e1 ) + · · · + λn f (en )

Posons alors x = λ1 e1 + · · · + λn en ∈ E. On a f (x) = λ1 f (e1 ) + · · · + λn f (en ) = y, et f est bien

surjective.

(3) C’est une conséquence directe des deux points précédents.

Remarque. Puisque f : E → Im(f ) est surjective, on déduit de la propriété précédente que

(f (e1 ), · · · , f (en )) est une famille génératrice de Im(f ). Ainsi, on a :

Im(f ) = V ect(f (e1 ), · · · , f (en )).

Propriété 9

Soient E et F deux K-espaces vectoriels de même dimension finie, et soit f : E → F une

application linéaire. Alors :

f est bijective ⇔ f est injective ⇔ f est surjective.

Preuve. On a clairement (1) ⇒ (2) et (1) ⇒ (3).

Montrons que (2) ⇒ (1). Supposons donc f injective, et soit (e1 , . . . , en ) une base de E. Par la
proposition précédente, F = (f (e1 ), . . . , f (en )) est une famille libre de F de cardinal n = dim(F ).
C’est donc une base de F . Ainsi f transforme une base en une base, elle est donc bijective par la
proposition précédente.
Montrons que (3) ⇒ (1). Supposons f surjective. soit (e1 , . . . , en ) une base de E. Par la proposition
précédente, F = (f (e1 ), . . . , f (en )) est une famille génératrice de F de cardinal n = dim(F ). C’est
donc une base de F . Ainsi f transforme une base en une base, elle est donc bijective par la proposition
précédente. 

Remarque. Pour montrer qu’un endomorphisme f ∈ L(E) est bijective, il suffit de montrer que
f est injectif (en montrant par exemple que Ker(f ) = {0E }) ou que f est surjectif (en montrant
Im(f ) = F ).

6
PCSI5 Lycée Saint Louis

Exemple. Soient x0 , · · · , xn ∈ K des scalaires deux à deux distincts et définissons l’application

ϕ : Kn [X] → Kn+1 par :
ϕ(P ) = (P (x0 ), P (x1 ), . . . , P (xn )).
Alors :

ˆ ϕ est linéaire ;

ˆ ϕ est bijective ;

ˆ l’image par ϕ−1 de la base canonique de Kn+1 est une base de Kn [X] qui n’est autre que la base
des polynômes de Lagrange (L0 , · · · , Ln ) associés à x0 , · · · , xn .

Propriété 10

Soient E et F deux K-espaces vectoriels de même dimension finie, et soit f : E → F une

application linéaire. Alors on a l’équivalence entre :

(1) f est un isomorphisme de E sur F ;

(2) f a un inverse à gauche, c’est à dire ∃g ∈ L(F, E), g ◦ f = IdE ;

(3) f a un inverse à droite, c’est à dire ∃h ∈ L(F, E), f ◦ h = IdF ;

De plus, l’inverse à gauche g et l’inverse à droite h coı̈ncident nécessairement avec f −1 .

Preuve. On a déjà (1) ⇒ (2) et (1) ⇒ (3), puisque si f est bijective, alors g = f −1 est linéaire et
convient.
Montrons que (2) ⇒ (1). Supposons qu’il existe g ∈ L(F, E), g ◦ f = IdE . On sait alors que f est
injective. Par la proposition précédente, f est donc bijective puisque dim(E) = dim(F ). On montre
de même (3) ⇒ (1).
Enfin en composant g ◦ f = IdE et f ◦ h = IdF à droite et à gauche par f −1 , on a bien g = h = f −1 .


Remarque. Ce résultat n’est plus vrai si on ne suppose pas les espaces E et F de même dimension
finie : la dérivation D par exemple a un inverse à droite (D ◦ P = IdE ), mais on a P ◦ D 6= IdF . En
particulier, D n’est pas un isomorphisme.

2.3 Espaces isomorphes

Propriété 11

Soit B = (e1 , · · · , en ) une base de E. Pour tout 1 ≤ i ≤ n, on définit la i-ième application

coordonnée ϕi : E → K par :

ϕi (x) = i-ème coordonnée de x dans la base B.

L’application ϕ est une forme linéaire.

Preuve. Soit x = x1 e1 + · · · + xn en , y = y1 e1 + . . . yn en des vecteurs de E. Alors pour tout λ, µ ∈ K,

on a λx + µy = (λ1 x1 + µy1 )e1 + · · · + (λn xn + µyn )en , et donc pour tout 1 ≤ i ≤ n :

ϕi (λx + µy) = λxi + µyi = λϕ(x) + µϕ(y).

Ainsi ϕ est linéaire. Comme de plus ϕ : E → K, c’est bien une forme linéaire. 

7
PCSI5 Lycée Saint Louis

P
Remarque. On a pour tout x ∈ E, x = i ϕi (x)ei . En particulier, on notera que :

ϕi (ej ) = δi,j .

Propriété 12

Soit B = (e1 , · · · , en ) une base de E. L’application ϕ : E → Kn définie par :

∀x ∈ E, ϕ(x) = (ϕ1 (x), · · · , ϕn (x))

est un isomorphisme. On dit que E est isomorphe à Kn .

Preuve. On montre que ϕ : E → Kn est linéaire par linéarité des applications ϕi . De plus on a :

ϕ(x) = 0Kn ⇔ ϕi (x) = 0 ∀1 ≤ i ≤ n ⇔ x = 0E .

Donc Ker(ϕ) = {0E } et ϕ est injective. Comme enfin dim E = dim Kn par hypothèse, on peut
conclure que ϕ est un isomorphisme. 
Définition.
On dit que deux K-espaces vectoriels E et F sont isomorphes s’il existe un isomorphisme f entre
E et F . On note alors E ' F .

Remarque. La relation ' est une relation d’équivalence sur l’ensemble des espaces vectoriels (elle
est réflexive, symétrique et transitive).

Propriété 13

Soit E un espace vectoriel de dimension finie n. Un espace vectoriel F est isomorphe à E si

et seulement si F est de dimension finie et dim(F ) = n.
En particulier, tout K-espace vectoriel de dimension finie n est isomorphe à Kn .

Preuve. Supposons que F est isomorphe à E, il existe donc un isomorphisme f : E → F . E est de

dimension finie n, notons (e1 , . . . , en ) une base de E. Alors F = (f (e1 ), . . . , f (en )) est une base de F
par une proposition précédente. Ainsi F est de dimension finie n = dim(E).
Réciproquement, supposons que F est de dimension finie n = dim E. D’après la proposition précédente,
on a F ' Kn et E ' Kn . Par symétrie et transitivité, on a bien E ' F . 

Remarque. Ainsi, si on considère l’ensemble des espaces vectoriels de dimension finie, les classes
d’équivalences pour la relation ' sont paramétrées par N.

I Pour montrer que E est de dimension finie n, on dispose de deux méthodes :

ˆ exhiber une base de n vecteurs ;

ˆ exhiber un isomorphisme avec un espace dont on sait qu’il est de dimension n.

Exemple. L’ensemble S des fonctions y : R → K de classe C 2 telles que :

ay 00 + by 0 + cy = 0

8
PCSI5 Lycée Saint Louis

est un sous espace vectoriel de C 2 (R, K) de dimension 2, puisque l’application T0 : S → K2 , y 7→

(y(t0 ), y 0 (t0 )) définit un isomorphisme de S dans K2 .

Étude des suites récurrentes linéaires d’ordre 2.

On considère le sous-ensemble S de KN constitué des suites u satisfaisant (a, b, c ∈ K, a 6= 0) :

∀n ∈ N, aun+2 + bun+1 + cun = 0. (∗)

ˆ S est un sous-espace vectoriel de KN

ˆ Considérons Ψ : S → K2 définie par :

∀u ∈ S, Ψ(u) = (u0 , u1 ).

– Ψ est une application linéaire ;

– Ψ est bijective : en effet, une suite u satisfaisant (∗) est uniquement déterminée par la
donnée de ces premiers termes (u0 , u1 ) ∈ K2 .

On a donc montré la propriété suivante :

Propriété 14

L’espace S des suites satisfaisant (∗) est de dimension 2.

Traitons le cas K = C et b2 − 4ac 6= 0.

ˆ Déterminons toutes les suites géométriques satisfaisant (∗).

ˆ Décrire explicitement l’ensemble S des suites satisfaisant (∗).

On retrouve ainsi (partiellement) le résultat suivant :

Propriété 15 ( Suites récurrentes linéaires d’ordre 2 (Cas complexe))

Soient (a, b) ∈ C × C∗ et (un )n∈N une suite définie par (u0 , u1 ) ∈ C2 et :

∀n ∈ N, un+2 = aun+1 + bun .

L’équation r2 − ar − b = 0 est appelée équation caractéristique.

ˆ Si l’équation caractéristique admet deux solutions distinctes r1 et r2 , alors :

∃!(λ, µ) ∈ C2 tel que ∀n ∈ N, un = λr1n + µr2n .

ˆ Si l’équation caractéristique admet une solution double r, alors: ∃!(λ, µ) ∈

C2 tel que ∀n ∈ N, un = λrn + µnrn .

9
PCSI5 Lycée Saint Louis

3 Modes de définition d’une application linéaire

3.1 Utilisation d’une base
Propriété 16

On considère deux K-espaces vectoriels E, F avec dim(E) = n.

Si (e1 , · · · , en ) est une base de E, (v1 , · · · vn ) une famille de vecteurs de F , alors il existe une
et une seule application linéaire f : E → F telle que :

f (e1 ) = v1 , f (e2 ) = v2 , ... , f (en ) = vn .

Preuve. On raisonne par analyse-synthèse.

ˆ Analyse : Supposons
P qu’une telle application linéaire f : E → F existe. On a alors pour tout
x ∈ E, x = i xi ei
f (x1 e1 + · · · + xn en ) = x1 f (e1 ) + · · · + xn f (en ) = x1 v1 + · · · + xn vn
Ainsi on a f = ϕ1 e1 + · · · + ϕn en , où ϕi est la i-ème application coordonnée.
ˆ Synthèse : Montrons que l’application précédente est linéaire et satisfait f (ei ) = vi pour tout i.
Le deuxième point est évident, on montre le premier : soient λ, µ ∈ K, x, y ∈ E, on a :
f (λx + µy) = ϕ1 (λx + µy)e1 + · · · + ϕn (λx + µy)en
= λ (ϕ1 (x)e1 + · · · + ϕn (x)en ) + µ (ϕ1 (y)e1 + · · · + ϕn (y)en )
= λf (x) + µf (y)

Conséquences.
ˆ Une application linéaire est uniquement déterminée par l’image d’une base.
ˆ Deux applications linéaires qui coı̈ncident sur une base sont égales.

Propriété 17

Soient E, F deux K-espaces vectoriels de dimensions finies. Alors L(E, F ) est un espace
vectoriel de dimension finie et :

dim L(E, F ) = dim(E) × dim(F ).

Preuve. On note n = dim(E) et on fixe (e1 , · · · , en ) une base de E. Considérons l’application :

ϕ : L(E, F ) → F n , f 7→ (f (e1 ), . . . , f (en ).
L’application ϕ est bijective grâce à la propriété précédente. On vérifie qu’elle est de plus linéaire sans
difficulté. C’est donc un isomorphisme, et on peut conclure que :
dim L(E, F ) = dim(F n ) = n dim(F ) = dim(E) × dim(F ).


Remarque. Soit E un espace vectoriel. On note E ∗ = L(E, K) l’ensemble des formes linéaires sur
E. On l’appelle le dual de E. On a ainsi dim(E ∗ ) = n.

Exercice. Considérons (e1 , · · · , en ) une base de E, et (ϕ1 , . . . , ϕn ) les applications coordonnées corre-
spondantes. Montrer que (ϕ1 , . . . , ϕn ) est une base de E ∗ , appelée la base duale de la base (e1 , . . . , en ).

10
PCSI5 Lycée Saint Louis

3.2 Utilisation d’espaces supplémentaires

Propriété 18

On considère deux espaces vectoriels E = E1 ⊕ E2 et F .

Pour tout couple (f1 , f2 ) d’applications linéaires f1 : E1 → F et f2 : E2 → F , alors il existe
une et une seule application linéaire f : E → F définie par :

∀x1 ∈ E1 , ∀x2 ∈ E2 , f (x1 + x2 ) = f1 (x1 ) + f2 (x2 ).

Preuve. Puisque pour tout x ∈ E, il existe un unique couple (x1 , x2 ) ∈ E1 ×E2 tel que x = x1 +x2 , on
définit bien une application en posant f (x) = f1 (x1 )+f2 (x2 ). Cette application est de plus uniquement
déterminée par f1 et f2 . Reste à montrer la linéarité de f . Soit pour cela λ, µ ∈ K, et x, y ∈ E. Il
existe (x1 , x2 ), (y1 , y2 ) ∈ E1 × E2 tels que

x = x1 + x2 et y = y1 + y2 .

Alors λx + µy = (λx1 + µy1 ) + (λx2 + µy2 ), et donc :

| {z } | {z }
∈E1 ∈E2

f (λx + µy) = f1 (λx1 + µy1 ) + f2 (λx2 + µy2 )

= λ(f1 (x1 ) + f2 (x2 )) + µ(f1 (y1 ) + f2 (y2 )) = λf (x) + µf (y).

4 Endomorphismes remarquables d’un espace vectoriel

4.1 Projecteurs
Définition.
Soient F et G deux sous-espaces vectoriels supplémentaires de E. On appelle projection sur F
parallèlement à G l’unique application linéaire p : E → F telle que :

∀y ∈ F, p(y) = y et ∀z ∈ G, p(z) = 0E .

Ainsi pour tout x ∈ E, il existe un unique couple (y, z) ∈ F ×G tel que x = y +z, et on a p(x) = y.

Remarque. L’existence et l’unicité d’une telle application linéaire p est donnée par la propriété
précédente (avec f1 : F → E, y 7→ y et f2 : G → E, z 7→ 0E .

Propriété 19

(1) p ◦ p = p ;

(2) Ker(p) = G et Im(p) = F = Inv(p) = Ker(p − IdE ).

Preuve.

(1) Soit x ∈ E, il existe un unique couple (y, z) ∈ F × G tels que x = y + z. Alors :

p ◦ p(x) = p(y) = y = p(x).

11
PCSI5 Lycée Saint Louis

(2) Soit x ∈ E. Il existe un unique couple (y, z) ∈ F × G tels que x = y + z. Alors :

x ∈ Ker(p) ⇔ p(x) = 0E ⇔ y = 0E ⇔ x = z ∈ G.

Ainsi on a bien Ker(p) = G.

Soit y ∈ F , alors p(y) = y et y ∈ Inv(p), et donc F ⊂ Inv(p).
Si maintenant y ∈ Inv(p), alors p(y) = y et donc y ∈ Im(p). Ainsi Inv(p) ⊂ Im(p).
Enfin soit y ∈ Im(p), alors il existe x ∈ E tel que y = p(x) ∈ F . Ainsi on a montré que :

F ⊂ Inv(p) ⊂ Im(p) ⊂ F

et donc F = Inv(p) = Im(p).

Propriété 20

Soit p ∈ L(E). Alors :

p est un projecteur ⇔ p ◦ p = p.
Plus précisément, on a E = Im(p)⊕Ker(p) et p est la projection sur Im(p) dans la direction
de Ker(p).

Preuve. On a déjà montré l’implication ⇒. Montrons la réciproque. Pour cela, commençons par
montrer que E = Ker(p) ⊕ Im(p).

ˆ Analyse. Soit x ∈ E, on cherche (y, z) ∈ Ker(p) × Im(p) tel que x = y + z.

Puisque z ∈ Im(p), il existe t ∈ E tel que z = p(t). On a alors en composant par p :

p(x) = p(y) + p(z) = p(z) = p ◦ p(t) = p(t) = z.

Ainsi z = p(x) et y = x − p(x)

ˆ Synthèse : Soit x ∈ E, posons z = p(x) et y = x − p(x). Montrons que :

x = y + z, y ∈ Ker(p), z ∈ Im(p).

Tout est clair, sauf peut-être y ∈ Ker(p) :

p(y) = p(x − p(x)) = p(x) − p ◦ p(x) = 0E .

Ainsi on a bien E = Ker(p) ⊕ Im(p).

Soit x ∈ E, on a x = p(x) + (x − p(x)) Alors si q est la projection sur Im(p) parallèlement à Ker(p),
|{z} | {z }
∈Im(p) ∈Ker(p)
on a q(x) = p(x). Ainsi q = p, c’est à dire p est la projection sur Im(p) parallèlement à Ker(p). 

Exemple. Identifier l’endomorphisme f : R3 → R3 , (x, y, z) 7→ (−9x + 6y, −15x + 10y, −5x + 3y + z).
Définition.
Soient F et G deux sous-espaces vectoriels supplémentaires de E : E = F ⊕ G. Soit :
ˆ p la projection sur F parallèlement à G ;
ˆ q la projection sur G parallèlement à F .
On dit que p et q sont des projecteurs associés.

12
PCSI5 Lycée Saint Louis

Propriété 21

Si p et q sont deux projecteurs associés, alors :

(1) p + q = IdE ;

(2) p ◦ q = q ◦ p = 0L(E) .

Preuve. Soit x ∈ E, il existe un unique couple (y, z) ∈ F × G tel que x = y + z

(1) (p + q)(x) = p(x) + q(x) = y + z = x, donc p + q = IdE ;

(2) p ◦ q(x) = p(z) = 0E . De même, on a q ◦ p(x) = q(y) = 0E .

Exercice. On considère deux projecteurs f et g d’un espace E.

(i) Montrer que s = f + g est un projecteur si et seulement si f ◦ g = g ◦ f = 0.

On a :

s est un projecteur ⇔ s ◦ s = s
⇔ (f + g) ◦ (f + g) = f + g
⇔ f 2 + f ◦ g + g ◦ f + g2 = f + g
⇔ f ◦ g + g ◦ f = 0.

Alors en composant à gauche et à droite par g, on obtient :

g ◦ f ◦ g + g ◦ f = 0 et f ◦ g + g ◦ f ◦ g = 0.

D’où f ◦ g = g ◦ f , et en reportant dans les égalités f ◦ g + g ◦ f = 0, on a bien f ◦ g = g ◦ f = 0.

Réciproquement, si f ◦ g = g ◦ f = 0, alors f ◦ g + g ◦ f = 0 et s est un projecteur.

(ii) Montrer qu’alors Im(s) = Im(f ) + Im(g) et Ker(s) = Ker(f ) ∩ Ker(g).

On montre Im(s) = Im(f ) + Im(g) par double inclusion :

⊂ Soit y ∈ Im(s), ∃x ∈ E : s(x) = y = f (x) + g(x). Ainsi y ∈ Im(f ) + Im(g).

⊃ Soit y ∈ Im(f ) + Im(g), alors ∃x1 , x2 ∈ E : y = f (x1 ) + g(x2 ). Prenons alors x =
f (x1 ) + g(x2 ). On a :

s(f (x1 ) + g(x2 )) = f ◦ f (x1 ) + f ◦ g(x2 ) + g ◦ f (x1 ) + g ◦ g(x2 ) = f (x1 ) + g(x2 ) = y.

Donc y ∈ Im(s).

On montre Ker(s) = Ker(f ) ∩ Ker(g) par double inclusion :

⊃ Soit x ∈ Ker(f ) ∩ Ker(g), alors f (x) = g(x) = 0, et donc s(x) = f (x) + g(x) = 0 et
x ∈ Ker(s).
⊂ Soit x ∈ Ker(s), alors s(x) = f (x) + g(x) = 0. En composant à gauche par f , on obtient :

f ◦ f (x) + f ◦ g(x) = f (x) = 0.

Donc x ∈ Ker(f ). De même x ∈ Ker(g).

13
PCSI5 Lycée Saint Louis

4.2 Symétries
Définition.
Soient F et G deux sous-espaces vectoriels supplémentaires de E. On appelle symétrie par
rapport à F dans la direction de G l’unique application linéaire s : E → F telle que :

∀y ∈ F, s(y) = y et ∀z ∈ G, s(z) = −z.

Ainsi pour tout x ∈ E, il existe un unique couple (y, z) ∈ F × G tel que x = y + z, et on a

s(x) = y − z = 2y − x.

Remarque. On a donc s = p − q = 2p − IdE où p et q sont les projecteurs associés à la somme direct
E = F ⊕ G.

Propriété 22

(1) s ◦ s = IdE . En particulier s est un automorphisme de E, et s−1 = s ;

(2) F = Inv(s) = Ker(s − IdE ) ;

(3) G = Ker(s + IdE )

Preuve.

(1) On compose :

s ◦ s = (p − q) ◦ (p − q) = p ◦ p − p ◦ q − q ◦ p + q ◦ q = p + q = IdE .

(2) Soit x ∈ F , on a x = |{z}

x + 0E et donc s(x) = x. Ainsi x ∈ Inv(s).
|{z}
∈F ∈G
Si x ∈ Inv(s), alors s(x) = x soit encore (s − IdE )(x) = 0E et donc x ∈ Ker(s − IdE ).
Soit x ∈ Ker(s − IdE ), ∃!(y, z) ∈ F × G tel que x = y + z. On a s(x) = x, d’où y − z = y + z, et
donc par unicité de la décomposition dans une somme direct, z = 0E . Ainsi x = y ∈ F .
On a ainsi montré que F ⊂ Inv(s) ⊂ Ker(s − IdE ) ⊂ F et donc F = Inv(s) = Ker(s − IdE ).

(3) Soit x ∈ G, on a x = 0E + |{z}

x et donc s(x) = −x et (s + IdE )(x) = 0E . Ainsi x ∈ Ker(s + IdE ).
|{z}
∈F ∈G

Réciproquement, soit x ∈ Ker(s + IdE ). ∃!(y, z) ∈ F × G tel que x = y + z. On a s(x) = −x,

d’où y − z = −y − z, et donc par unicité de la décomposition dans une somme direct, y = 0E .
Ainsi x = z ∈ G.
Finalement on a bien montré que G = Ker(s + IdE ).

Propriété 23

Soit s ∈ L(E). Alors :

s est une symétrie ⇔ s ◦ s = IdE .

Plus précisément, E = Ker(s − IdE ) ⊕ Ker(s + IdE ) et s est la symétrie par rapport à
Ker(s − IdE ) dans la direction de Ker(s + IdE ).

14
PCSI5 Lycée Saint Louis

s + IdE
Preuve. On a déjà montré l’implication ⇒. Montrons la réciproque. Pour cela, posons p = .
2
On a :
(s + IdE ) ◦ (s + IdE ) s ◦ s + s + s + IdE s + IdE
p◦p= = = = p.
4 4 2
Donc p est un projecteur, sur F = Ker(p − IdE ) parallèlement à G = Ker(p). En particulier on a :

E =F ⊕G

et s = 2p − IdE . Donc s est bien la symétrie par rapport à F = Ker( s−Id

2 ) = Ker(s − IdE ) dans la
E

direction de G = Ker( s+Id

2 ) = Ker(s + IdE ).
E


Exercice. On considère l’espace F(R, R) des applications de R dans R. À tout élément f ∈ F(R, R),
on associe l’élément T (f ) ∈ F(R, R) défini par :

∀x ∈ R, T (f )(x) = f (−x).

Montrer que T est une symétrie de F(R, R) et donner ses éléments caractéristiques.
T est clairement un endomorphisme de F(R, R). De plus pour tout f ∈ F(R, R), on a :

∀x ∈ R, T ◦ T (f )(x) = f (−(−x)) = f (x).

Donc T ◦ T = IdF (R,R) et T est la symétrie par rapport à P = Ker(T − IdE ) parallèlement à
I = Ker(T + IdE ). Or :

f ∈ P ⇔ ∀x ∈ R, f (−x) = f (x) ⇔ f t est paire.

De même f ∈ I ⇔ f est impaire. Ainsi on retrouve de cette manière que F(R, R) = P ⊕ I.

5 Rang d’une application linéaire

5.1 Généralités
Définition.
Soient E et F des K-espaces vectoriels tels que E ou F est de dimension finie. On définit le rang
d’une application linéaire f : E → F par :

rg(f ) = dim Im(f ).

Remarque. Im(f ) est bien de dimension finie et on a :

rg(f ) ≤ min(dim(E), dim(F )).

En effet,

ˆ si dim(F ) < +∞, alors comme Im(f ) est un sous-espace vectoriel de F , Im(f ) est de dimension
finie et rg(f ) = dim Im(f ) ≤ dim(F ).

ˆ si dim(E) < +∞, et si on note (e1 , · · · , en ) une base de E, alors on a vu que :

Im(f ) = V ect(f (e1 ), . . . , f (en )).

Ainsi le rang de f est égal au rang de la famille de vecteurs F = (f (e1 ), . . . , f (en )), et donc
rg(f ) ≤ n = dim(E).

Exercice. On considère deux endomorphismes f, g d’un espace E de dimension finie.

15
PCSI5 Lycée Saint Louis

(i) Établir que rg(g + f ) ≤ rg(g) + rg(f ) et |rg(g) − rg(f )| ≤ rg(g + f ).

On a Im(f + g) ⊂ Im(f ) + Im(g), donc rg(f + g) ≤ rg(f ) + rg(g).

En utilisant l’inégalité précédente, on obtient :

rg(g) = rg((f + g) + (−f )) ≤ rg(f + g) + rg(−f ) = rg(f + g) + rg(f ).

De même, rg(f ) ≤ rg(f + g) + rg(g). D’où le résultat.

(ii) Montrer que rg(g ◦ f ) ≤ min(rg(g), rg(f )).

D’abord, Im(g ◦ f ) ⊂ Im(g), donc rg(g ◦ f ) ≤ rg(g).

D’autre part, on a f : E → Im(f ). Considérons alors la restriction g̃ de g à Im(f ) : g̃ : Im(f ) →
E. On a g ◦ f = g̃ ◦ f . Par ce qu’on a fait précédemment,

rg(g ◦ f ) = rg(g̃ ◦ f ) ≤ rg(g̃) ≤ dim(Im(f )) = rg(f ).

Propriété 24

Soient E, F, G, H des K-espaces vectoriels de dimensions finies, et f ∈ L(E, F ). Si u ∈

L(G, E), v ∈ L(F, H) sont des isomorphismes, alors :

rg(f ) = rg(f ◦ u) = rg(v ◦ f ).

Preuve. Soit B = (g1 , · · · , gn ) une base de G, alors (u(g1 ), · · · , u(gn )) est une base de E, et donc :

Im(f ) = V ect(f ◦ u(g1 ), · · · , f ◦ u(gn )) = V ect(f ◦ u).

D’où en prenant la dimension, rg(f ) = rg(f ◦ u). 

5.2 Théorème du rang

Théorème 25 (du rang)

Soit E de dimension finie, F quelconque, f ∈ L(E, F ). Alors tout supplémentaire de Ker(f )

est isomorphe à Im(f ).

Preuve. Soit S un supplémentaire de Ker(f ) dans E, de sorte que E = Ker(f ) ⊕ S. Considérons

alors :
f˜ : S → Im(f ), x → f (x)
la restriction de f à S vu comme application à valeurs dans Im(f ). Montrons que f˜ définit un
isomorphisme de S sur Im(f ) :

ˆ f˜ est surjective : en effet pour tout y ∈ Im(f ), il existe x ∈ E tel que f (x) = y. On décompose
alors x dans la somme directs E = Ker(f ) ⊕ S :

∃(x1 , x2 ) ∈ Ker(f ) × S, x = x1 + x2 .

En composant par f , on obtient : y = f (x) = f (x1 ) + f (x2 ) = f˜(x2 ). Donc f˜ est bien surjective.

ˆ f˜ est injective : soit pour cela x ∈ S tel que f˜(x) = 0F . Alors f (x) = 0F et donc x ∈
S ∩ Ker(f ) = {0E }. Donc x = 0E et f˜ est bien injective.

16
PCSI5 Lycée Saint Louis

Comme conséquence importante, on a la propriété suivante :

Propriété 26

Soit E de dimension finie, F quelconque, f ∈ L(E, F ). Alors :

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

Preuve. Comme E est de dimension finie, on en déduit que Im(f ) et Ker(f ) sont de dimensions
finies. De plus si S est un supplémentaire de Ker(f ) dans E, on a avec le point précédent :

dim(E) = dim S + dim Ker(f ) = dim Im(f ) + dim Ker(f ) = rg(f ) + dim Ker(f ).

Remarque. Attention, il s’agit d’une égalité de dimension ! En général, on n’a pas E = Im(f ) ⊕
Ker(f ).

Exercice. Soient f, g ∈ L(E). Déterminer rg(g) + rg(f ) lorsque g + f est bijectif et g ◦ f = 0.

D’après un résultat démontré précédemment, on a rg(f +g) ≤ rg(f )+rg(g). Comme g +f est bijectif,
on en déduit :
dim(E) = rg(f + g) ≤ rg(f ) + rg(g).
Maintenant on a g ◦ f = 0, alors Ker(f ) ⊂ Im(g), et donc

rg(g) ≥ dim Ker(f ) = dim(E) − rg(f ).

Ainsi on a montré rg(f ) + rg(g) = dim E.

6 Équations linaires
Définition.
On appelle équation linéaire toute équation de la forme f (x) = b avec :

ˆ f : E → F une application linéaire ;

ˆ b ∈ F appelé second membre de l’équation ;

ˆ x ∈ E un vecteur inconnu.

On appelle équation homogène associée à f (x) = b l’équation linéaire f (x) = 0F .

Propriété 27

(1) L’ensemble S0 des solutions de f (x) = 0E est Ker(f ).

(2) L’ensemble S des solutions de f (x) = b est non vide si et seulement si b ∈ Im(f ) et on
a alors :
S = x0 + Ker(f )
où x0 est une solution particulière de f (x) = b.

17
PCSI5 Lycée Saint Louis

Preuve. Le premier point est évident. Montrons le deuxième point. Clairement S¬∅ ⇔ b ∈ Im(f ).
Si b ∈ Im(f ), alors il existe x0 ∈ E (solution particulière) tel que f (x0 ) = b.
Dès lors, on a :

x ∈ S ⇔ f (x) = b = f (x0 ) ⇔ f (x − x0 ) = 0E ⇔ x − x0 ∈ Ker(f ) ⇔ x ∈ x0 + Ker(f ).

Remarque. Si f est bijective, l’équation linéaire f (x) = b admet une unique solution.

Exemples.

 Un système d’équations linéaires de n équations à p inconnues :



 a1,1 x1 + a1,2 x2 + · · · + a1,p xp = b1
a2,1 x1 + a2,2 x2 + · · · + a2,p xp = b2


 ···
an,1 x1 + an,2 x2 + · · · + an,p xp = bn


est une équation linéaire f (X) = B avec f : (x1 , · · · , xp ) ∈ Kp 7→ (a1,1 x1 + a1,2 x2 + · · · +

a1,p xp , · · · , an,1 x1 + an,2 x2 + · · · + an,p xp ) ∈ Kn et B = (b1 , · · · , bn ).

 Les droites, les plans de l’espaces sont caractérisées par une équation linéaire.

 Toute équation différentielle linéaire d’ordre 1 y 0 + a(t)y = b(t) peut être interprétée comme une
équation linéaire f (y) = b(t) avec f : y ∈ C 1 (I, R) 7→ y 0 + ay ∈ C 0 (I, R).

7 Formes linéaires et hyperplans

Rappels.

ˆ Dans un K-espace vectoriel E de dimension finie, on appelle hyperplan de E tout sous-espace

vectoriel de E de dimension dim(E) − 1.

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

Remarque. Si H un hyperplan de E, alors pour tout a ∈ E\H, on a :

H ⊕ K.a = E.

En effet, on a :

ˆ dim(H) + dim(K.a) = n = dim(E) (car a 6= 0 sinon a ∈ H) ;

ˆ si x ∈ H ∩ (K.a), alors on a λ ∈ K tel que x = λ.a. Si λ 6= 0, a = λ−1 .x ∈ H ce qui est faux.

donc x = 0E .

Propriété 28

Soit H un sous-espace vectoriel d’un espace vectoriel E de dimension finie.

(1) H est un hyperplan si et seulement si c’est le noyau d’une forme linéaire non nulle.

(2) Si H = Ker(ϕ) = Ker(ψ), alors il existe λ ∈ K∗ tel que ϕ = ψ.

Preuve.

18
PCSI5 Lycée Saint Louis

(1) ⇐ Soit ϕ ∈ L(E, K), ϕ 6= 0, telle que H = Ker(ϕ). Par le théorème du rang, on a :

dim(H) = dim(E) − rg(ϕ)).

Or Im(ϕ) est un sous-espace vectoriel de K, c’est donc {0E } ou K. Ce n’est pas {0E } car
ϕ 6= 0. Donc Im(ϕ) = K, et rg(ϕ) = 1. D’où le résultat.
⇒ Supposons que H est un hyperplan de E, et soit a ∈
/ H. On a vu qu’alors :

E = H ⊕ V ect(a).

Alors ∀x ∈ E, ∃!(hx , λx ) ∈ H × K,

x = hx + λx · a.

On pose alors ϕ : E → K, x 7→ λx . On montre que ϕ est une forme linéaire. De plus pour
tout x ∈ E, x = hx + ϕ(x) · a, on a :

x ∈ Ker(ϕ) ⇔ ϕ(x) = 0 ⇔ x = hx ⇔ x ∈ H.

Ainsi on a bien H = Ker(ϕ) noyau d’une forme linéaire non nulle (ϕ(a) = 1).

(2) Supposons que H = Ker(ϕ) = Ker(ψ), et soit a ∈

/ H. On sait qu’alors :

E = H ⊕ V ect(a).

On a ψ(a), ϕ(a) 6= 0, sinon ces formes linéaires seraient nulles (elles seraient nulles sur H, sur
V ect(a), et donc sur E). Posons :
ϕ(a)
λ=
ψ(a)
et montrons que ϕ = λψ. Ces deux formes linéaires coı̈ncident sur H, elles coı̈ncident en a et donc
sur V ect(a). Elles sont donc égales, et on a bien ϕ = λψ.

Remarque. Ainsi un hyperplan H est défini par une équation linéaire ϕ(x) = 0 avec ϕ ∈ L(E, K)
telle que H = Ker(ϕ). Cette équation est de plus unique (à un scalaire multiplicatif non nul près).

Interprétation géométrique d’un système d’équations linéaires homogène. Considérons un

système d’équations linéaires homogène de n équations à p inconnues :


 a1,1 x1 + a1,2 x2 + · · · + a1,p xp = 0
a2,1 x1 + a2,2 x2 + · · · + a2,p xp = 0


 ···
an,1 x1 + an,2 x2 + · · · + an,p xp = 0


Pour tout 1 ≤ i ≤ n, posons ϕi (x1 , . . . , xn ) = a1,1 x1 +a1,2 x2 +· · ·+a1,p xp . ϕi est une forme linéaire non
nulle sur Rp , son noyau
T est donc un hyperplan Hpi . L’ensemble S des solutions du système correspond
ainsi à l’intersection Hi de n hyperplans de R .

19