Chapitre 18

Applications linéaires

18.1 Applications linéaires

18.1.1 Définitions
Une application linéaire est un morphisme d’espaces vectoriels .
Plus précisément,
si E, +, · et F, +, · 1 sont deux espaces vectoriels sur le même corps K,

f : E → F est linéaire si et seulement si

I ∀ x, y ∈ E, f (x + y) = f (x) + f (y)
I ∀ x ∈ E, ∀ λ ∈ K, f (λ x) = λ f (x)
Nous écrirons f ∈ L(E, F ) ou encore f ∈ L(E) si E = F .

L’application linéaire f est un endomorphisme si E = F

un isomorphisme si f est bijective
un automorphisme si E = F et f est bijective
une forme linéaire si F = K

Exemples Les applications suivantes sont des applications linéaires classiques :

L’application nulle u 7→ 0
L’application identique u 7→ u
L’ homothétie vectorielle de rapport λ u 7→ λ u (λ 6= 0)
Kn

→ K
La kème projection pk :
(x1 , · · · , xk , · · · , xn ) 7→ xk
La dérivation de D(I, R) vers F(I, R) (valable aussi avec C)

Dire pourquoi les applications suivantes ne sont pas linéaires :

(1) f : R → R avec f (x) = x 2
(2) f : R → R avec f (x) = x + 1
Test 497 (3) f : R → R avec f (x) = sin x
(4) f : R 2 → R avec f (x, y) = x · y
(5) f : Z → Z avec f (x) = 2 x

Les applications suivantes sont-elles linéaires ?

(1) f : R 2 → R 3 avec f (x, y) = (2 x , 0 , x − 3 y)
Test 498 (2) f : R 2 → R 2 avec f (x, y) = (2 x , y + 1)
(3) f : R[X] → R avec f (P ) = P (−1) (valeur de P pour x = −1)
(4) f : R2 [X] → R3 [X] avec f (a X 2 + b X + c) = c X 3 − b

1. Attention aux notations : il serait plus correct d’utiliser des notations différentes pour les lois des
deux espaces vectoriels. Conformément à l’usage, on utilise les même symboles, mais il convient de rester vigilant
et de se poser la question : ”dans quel espace se trouve-t-on ? ”

267
 CHAPITRE 18. APPLICATIONS LINÉAIRES

18.1.2 Premières propriétés

Th. . Caractérisation d’une application linéaire
E et F sont deux K-espaces vectoriels.
f : E → F est linéaire si et seulement si
∀ u, v ∈ E, ∀ λ, µ ∈ K, f (λ u + µ v) = λ f (u) + µ f (v)
Note : on peut limiter la condition à un seul scalaire
∀(u, v, λ) ∈ E 2 × K, f (u + λ v) = f (u) + λ f (v)

Si f ∈ L(E, F ) alors
• f (0E ) = 0F
n
! n
X X

• ∀ u1 , u2 , · · · , un ∈ E, ∀ λ1 , λ2 , · · · , λn ∈ K, f λk uk = λk f (uk )
k=1 k=1

18.1.3 Composition d’applications linéaires

Si E, F et G sont trois K-espaces vectoriels, alors
f ∈ L(E, F ) et g ∈ L(F, G) ⇒ g ◦ f ∈ L(E, G)

Si E et F sont deux K-espaces vectoriels, alors

f ∈ L(E, F ) bijective ⇒ f −1 ∈ L(F, E)

Linéarité de f 7→ u ◦ f et de f 7→ f ◦ u :
• Soit f, g ∈ L(E, F ), u ∈ L(F, G) et λ ∈ K .
Alors u ◦ (f + λ g) = u ◦ f + λ u ◦ g
• Soit u ∈ L(E, F ), f, g ∈ L(F, G) et λ ∈ K .
Alors (f + λ g) ◦ u = f ◦ u + λ g ◦ u
Notes : Dans ce dernier cas, la linéarité de u est inutile.
Dans les deux cas, la linéarité de f et g est inutile.
(Il suffit que les opérations f + g et λ g aient un sens.)
On peut dire que ◦ est distributive à droite par rapport à ”+”.

Le groupe linéaire GL(E) 2

Muni de la loi ◦ de composition des applications, l’ensemble des automorphismes du K-espace
vectoriel E a une structure de groupe non abélien.
C’est le groupe linéaire de E.

18.1.4 Structure de L(E, F ) et de L(E)

Si f, g ∈ L(E, F ) alors
• f + g ∈ L(E, F ) (la somme de deux AL est une AL.)
• ∀λ λ ∈ K ⇒ λ f ∈ L(E, F ) (le produit d’une AL par un scalaire est une AL)

Th. . Structures de L(E, F ) et de L(E)

E et F sont deux K-espaces vectoriels.
• L(E, F ) est un K-espace vectoriel (pour les lois + et ·)
• L(E) est un anneau non commutatif, non intègre (pour les lois + et ◦)
• L(E) est une K-algèbre (pour les lois +, ◦ et ·)
Intérêt : A condition de ne pas changer l’ordre ni de simplifier,
ceci permet de faire du calcul sur les applications linéaires
pratiquement comme du calcul dans R ou C

Soit f ∈ L(E) vérifiant f 2 = f + Id .

Montrer que f est bijective et calculer f −1 en fonction de f et Id.
Test 499
(on écrira la condition sous la forme f ◦ g = g ◦ f = Id )
Adapter ce test dans le cas f 3 = (f + 2 Id) 2

2. L’étude générale du groupe linéaire est hors programme

Lycée Châtelet Douai Page 268

 18.1. APPLICATIONS LINÉAIRES

Soit f ∈ L(E) vérifiant f 2 = Id .

(1) Peut-on utiliser le binôme de Newton pour calculer (f + Id) n ?
Test 500
(2) En déduire ∀ n ∈ N, n > 2 ⇒ (f + Id) n = 2n−1 (f + Id)
(3) Retrouver ce résultat en utilisant une démonstration par récurrence.

18.1.5 Intérêt de ces structures

Ces structures permettent de travailler avec des endomorphismes et les opérations ”+ , · , ◦” un
peu comme on travaille avec des réels et les opérations ”+ , · , × .
|{z}
c’est le produit

Attention toutefois :
I on ne peut généralement pas commuter
(puisque la loi ◦ n’est pas commutative)
I Il faut rester très prudent avec la loi ◦ si ce ne sont pas des endomorphismes

Réfléchir à ce qui suit . . .

B Dans R nous avons (a + 2 b) × (3 a + 4 c) = 3 a 2 + 4 a c + 6 b a + 8 b c
= 3a2 + 4ac + 6ab + 8bc
Et dans L(E) : (f + 2 g) ◦ (3 f + 4 h) = 3 f 2 + 4 f ◦ h + 6 g ◦ f + 8 g ◦ h
mais attention 6= 3 f 2 + 4 f ◦ h + 6 f ◦ g + 8 g ◦ h
B Dans R nous avons (a + b) 2 = a 2 + 2 a b + b 2
Et dans L(E) : (f + g) 2 = f 2 + f ◦ g + g ◦ f + g 2
ne pas écrire f 2 + 2f ◦ g + g2
par contre (f + IdE ) 2 = f 2 + 2 f + IdE est correct
B Dans R nous avons a b + a = a (b + 1) (d’où

vient le3 1 ?)
Et dans L(E) : f ◦g+f = f ◦ g+ ? (voir )

B Dans R nous avons pour a 6= 0 : ab = ac ⇒ b = c

Et dans L(E), attention en général f ◦ g = f ◦ h 6⇒ g = h
même si f 6= 0 (fonction nulle).
Quelle hypothèse sur f faut-il pour que l’implication soit vraie ? (voir 4 )

Test 501 Dans L(E), développer (f + g) ◦ (f − g) puis (f + 2 IdE ) ◦ (f − 2 IdE ) .

1
Test 502 Dans R nous avons a b = 1 ⇒ a = . Que devient ceci dans L(E) ?
b

Une technique classique à connaı̂tre :

Soit f ∈ L(E) qui vérifie f 2 + 3 f − IdE = 0 (application nulle).
Test 503
Montrer que f admet une application réciproque qu’on explicitera.
Même question si f vérifie f 2 + 2 f = f 3 − 3 IdE .

18.1.6 Image directe et réciproque de SEV

Th. . Image directe et réciproque d’un SEV
E et F sont deux K-espaces vectoriels, et f ∈ L(E, F ) .
• ∀ A A SEV de E ⇒ f (A) SEV de F
(par une application linéaire, l’image d’un SEV est un SEV )
∨
• ∀B B SEV de F ⇒ f (B) SEV de E
(par une application linéaire, l’image réciproque d’un SEV est un SEV )

3. 1 est l’élément neutre pour ×. Le point d’interrogation est le neutre pour ◦, c’est-à-dire Id E .
1
4. Dans R, on simplifie par a en multipliant par (qui existe si a 6= 0). L’implication sera vraie dans L(E) si
a
−1
f existe, c’est-à-dire si f est bijective.

Page 269 Alain Couteèle et Mélissa Bailloeuil

 CHAPITRE 18. APPLICATIONS LINÉAIRES

Cas particuliers importants : 

• Le noyau de f : Ker (f ) = u ∈ E | f (u) = 0F
◦ Ker (f ) est un sous-espace vectoriel de E

◦ f est injective ssi Ker (f ) = 0E

• L’ image de f : Im (f ) = v ∈ F | ∃ u ∈ E, v = f (u)
◦ Im (f ) est un sous-espace vectoriel de F
◦ f est surjective ssi Im (f ) = F

Th. . Famille génératrice et application linéaire

Si (xi )i∈I est une famille génératrice de E et si f ∈ L(E, F ), alors
Im (f ) = Vect(f (xi ), i ∈ I)

Les applications suivantes sont linéaires. Déterminer l’image, le noyau, et dire si l’appli-
cation est injective ou surjective :
Test 504 (1) f : R 2 → R 2 , f (x, y) = (x + y, x − y)
(2) f : R 2 → R 3 , f (x, y) = (x, x + y, y)

Déterminer un endomorphisme f de R 2 pour lequel

Test 505
Im (f ) = (x, y) ∈ R 2 | x = y et Ker (f ) = (x, y) ∈ R 2 | x = 0
 

18.1.7 Équations linéaires

Équation linéaire (cas général) :
• c’est une équation de la forme f (x) = b où f ∈ L(E, F ) et b ∈ F

• si S = u ∈ E | f (u) = b désigne l’ensemble des solutions :
◦ soit S = ∅ (si b 6∈ Im (f ) )
◦ soit S =
6 ∅ . Alors S est un sous-espace affine de E de direction Ker (f )
S = x0 + Ker (f ) où x0 ∈ S est une solution particulière.


4x + 6y = 2
Trouver la solution u0 de la forme (x, 0) du système
6x + 9y = 3
Test 506 2
Soit ϕ l’endomorphisme de R défini par ϕ(x, y) = (4 x + 6 y, 6 x + 9 y)
En déduire toutes les solutions du système.

Équation différentielle linéaire

• C’est une équation différentielle de la forme y (n) + an−1 y (n−1) + · · · + a0 y = b(x)
où a0 , a1 , · · · , an−1 et b sont des fonctions continues sur l’intervalle I.
• Cette équation entre dans le cadre général des équations linéaires (K = R ou C) :
 n
D (I, K) → F(I, K)
ϕ(y) = b où ϕ :
y 7→ y + an−1 y (n−1) + · · · + a0 y
(n)

• Voir le cours d’analyse pour les équations linéaires, soit d’ordre 1, soit d’ordre 2 à coefficients
constants

Suites récurrentes (un ) telles que ∀ n ∈ N, un+2 = a un+1 + b un

Notons ∆ le K-espace vectoriel des suites à coefficients dans le corps K (∆ = KN ).
• Les suites u recherchées sont les solutions de l’équation linéaire :

∆ → ∆
ϕ(u) = 0∆ où ϕ
(un ) 7→ (vn )
avec ∀ n ∈ N, vn = un+2 − aun+1 − bun

Lycée Châtelet Douai Page 270

 18.2. APPLICATIONS LINÉAIRES ET BASES

18.2 Applications linéaires et bases

18.2.1 Détermination d’une application linéaire

Th. . Détermination par l’image d’une base
E et F sont deux K-espaces vectoriels,
B = (e1 , e2 , · · · , en ) est une base de E.
Pour toute famille (v1 , v2 , · · · , vn ) de vecteurs
 de F , il existe une application linéaire
ϕ et une seule qui vérifie ∀ k ∈ 1, n , ϕ(ek ) = vk
On résume en Une application linéaire est déterminée par l’image d’une base

18.2.2 Expression analytique

Si de plus B 0= (f1, f2 , · · · , fm ) est une base de F , chaque vecteur f (ek ) est déterminé par ses
a1,k
 a2,k 
coordonnées  .  relatives à B 0 .
 
.
 . 
am,k
X n Xm
Alors, l’image du vecteur u = xk ek est le vecteur u0 = f (u) = x0i fi
k=1
 0 i=1
x = a1,1 x1 + a1,2 x 2 + · · · + a1,n xn
 10


x2 = a2,1 x1 + a2,2 x2 + · · · + a2,n xn
avec
 ·········
 0

xm = am,1 x1 + am,2 x2 + · · · + am,n xn
n
X
x0i =
 
c’est-à-dire ∀ i ∈ 1, m , ai,k xk
k=1

Th. . Autre caractérisation d’une application linéaire

B = (e1 , e2 , · · · , en ) et B 0 = (f1 , f2 , · · · , fm ) sont des bases des deux K-espaces vecto-
riels E et F .
f : E → F est linéaire ssi son expression analytique est de la forme
 0  
  x1 a1,1 x1 + a1,2 x2 + · · · + a1,n xn
x1  x02   a2,1 x1 + a2,2 x2 + · · · + a2,n xn 
 x2   ..  
  
..


u  .  7→ f (u)  .  =  .
     
 ..   .   .

. .

 .   .
xn

x0m am,1 x1 + am,2 x2 + · · · + am,n xn

Dans R2 [X] rapporté à sa base canonique, donner l’expression analytique de f qui, à

Test 507
2
P (X) associe P 0 (X) . f est-elle linéaire ?

B = i, j = (1, 2), (2, 1) est une base de R 2 . Dans cette base, l’endomorphisme f a



 0
x =x−y
Test 508 pour expression analytique
y0 = x + 2 y
Calculer l’image des couples −1− (1, 2) −2− (2, 1) −3− (3, 3)

Page 271 Alain Couteèle et Mélissa Bailloeuil

 CHAPITRE 18. APPLICATIONS LINÉAIRES

18.2.3 Matrices d’application linéaire

B = (e1 , e2 , · · · , en ) est une base de E, et B 0 = (f1 , f2 , · · · , fm ) une base de F .

Toute application linéaire f ∈ L(E, F ) est déterminée par les n vecteurs f (ek ) 166n eux-
mêmes déterminés par leurs coordonnées ai,k 16i6m relativement à B 0 .

 f (e1 ) f (e2 ) · · · f (en ) 

a1,1 a1,2 ··· a1,n
a2,1 a2,2 a2,n
 
M = matB,B 0 (f ) = 
 . · · · 
 . .. .. 
 . . .


am,1 am,2 ··· am,n

Notes : • si n = m, on dit que la matrice est carrée.

• Si E = F , il est possible d’utiliser la même base dans l’espace de
départ et d’arrivée. On écrira alors M = matB (f ) .
 
1 2
Soit f ∈ L(E) de matrice relativement à la base B = (i, j) de E.
Test 509 3 4
Écrire les expressions analytiques de f et f ◦ f relativement à cette base.

Notation :
• on écrit les coordonnées d’un vecteur sous la forme d’une matrice colonne
 0
  x1
x1  x02 
 x2   .. 
 
0
u .  u =  . 
  
.
 .   . 
 .. 
xn
x0m
• On écrit l’égalité f (u) = u0 sous la forme d’un produit matriciel
   0
a1,1 a1,2 ··· a1,n   x1
 a2,1 a2,2 ··· a2,n  x1  x02 
 .. ..  x2  
..  
    . 
 . . .  .  = 
 .. 

 . .
.
 
.. ..   .. 
 ..
 
. . 
xn
 . 
am,1 am,2 ··· am,n x0m

18.2.4 Bases et injections - surjections

Th. . injections-surjections et image d’une base


f ∈ L(E, F ) et B = e1 , e2 , · · · , en est une base de E.
• f est injective ⇔ f (B) est une famille libre de F
• f est surjective ⇔ f (B) est une famille génératrice de F
• f est bijective ⇔ f (B) est une base de F

Soit f l’endomorphisme de R2 [X] qui à P (X) associe (X + 1) P 0 (X) .

Test 510
Utiliser l’image de la base canonique pour déterminer si f est injective ou surjective.

18.2.5 Utilisation de SEV supplémentaires

Th. . SEV supplémentaires et applications linéaires
Soit E1 , E2 des SEV de E tels que E = E1 ⊕ E2 .
Soient u1 ∈ L(E1 , F ) et u2 ∈ L(E2 , F ).
Il existe une unique application u∈ L(E, F ) coı̈ncidant avec u1 sur E1 et u2 sur E2 .

Lycée Châtelet Douai Page 272

 18.3. PROJECTIONS, SYMÉTRIES, HOMOTHÉTIE

18.3 Projections, symétries, homothétie

18.3.1 Projection vectorielle

A et B sont deux sous-espaces vectoriels supplémentaires dans E : E = A ⊕ B Tout vecteur
u ∈ E admet une unique décomposition u = a + b, (a, b) ∈ A × B .
Le projecteur (ou projection ) sur A de direction 5 B est l’application

E =A⊕B → E
p: (a, b) ∈ A × B
u=a+b 7→ p(u) = a
A est la base de la projection
B est la direction de la projection

Propriétés : • p est une application linéaire

• A est l’ensemble des vecteurs invariants

A = u ∈ E | p(u) = u = Ker (p-Id)

• A = Im (p) et B = Ker (p)

• p est idempotente p◦p=p

Montrer que A = (x, y) ∈ R 2 | y = 0 et B = (x, y) ∈ R 2 | x = y sont deux es-

 

Test 511 paces supplémentaires dans R 2 .

Former les expressions analytiques de p projection sur A de direction B, et de q projection
sur B de direction A.

Th. . Caractérisation des projecteurs

Soit l’application p : E → E où E est un K-espace vectoriel :
p est un projecteur ⇔ p est linéaire et idempotente

Test 512 Montrer que p : (x, y, z) 7→ (x − z, y − z, 0) est un projecteur de R 3 dont on précisera

les éléments.

Si p est un projecteur, montrer que s = 2 p − Id est linéaire involutive.

Test 513
Que pensez-vous de la réciproque ?

2
Pour quelle valeur du paramètre réel
a l’application de R dans lui-même définie par
Test 514 f (x, y) = (a + 1) x − a y , 3 x − 2 y est-elle une projection ?
Précisez-en alors les éléments.
Méthodes • Pour reconnaı̂tre un projecteur :
◦ Utiliser principalement ”linéaire idempotente”
◦ Éventuellement utiliser directement la définition
• Pour en déterminer les éléments
◦ Chercher invariants et noyau
◦ Éventuellement, utiliser l’image
• Pour obtenir l’expression analytique
◦ Utiliser une base de A : ces vecteurs sont invariants
Utiliser une base de B : ces vecteurs ont pour image 0
Résoudre le système vectoriel

B = (i, j, k) est une base du R-espace vectoriel E. On se propose de déterminer l’ex-

pression analytique de la projection p sur le plan d’équation x + z = 0 , de direction la
droite D engendrée par w = j + k .
Test 515 • Trouver une base (u, v) du plan P .
• Sans calculs, donner les images par p de u, v, w en fonction de u, v et w.
• Traduire ces égalités dans la base B et en déduire l’expression analytique de p.

5. On peut dire aussi ”parallèlement à”.

Page 273 Alain Couteèle et Mélissa Bailloeuil

 CHAPITRE 18. APPLICATIONS LINÉAIRES

18.3.2 Symétries vectorielles

A et B sont deux sous-espaces vectoriels supplémentaires dans E : E = A ⊕ B Tout vecteur
u ∈ E admet une unique décomposition u = a + b, (a, b) ∈ A × B .
La symétrie par rapport à A de direction 6 B est l’application

E =A⊕B → E
s: (a, b) ∈ A × B
u=a+b 7→ s(u) = a − b

A est la base de la symétrie

B est la direction de la symétrie

Propriétés : • s est une application linéaire

• A est l’ensemble des vecteurs invariants

A = u ∈ E | s(u) = u = Ker (s-Id)
• B est l’ensemble des vecteurs transformés en leur opposé

B = u ∈ E | s(u) = −u = Ker (s+Id)
• s est involutive s ◦ s = Id

Reprendre le premier test du paragraphe 18.3.1 et donner l’expression analytique des

Test 516
deux symétries vectorielles

Th. . Caractérisation des symétries

soit l’application s : E → E où E est un K-espace vectoriel :
s est une symétrie ⇔ s est linéaire et involutive

Montrer que s(x, y, z) = (−2x + 2y + z , −x + y + z , −x + 2y) est une symétrie de R 3

Test 517
dont on précisera les éléments.

Test 518 Adapter le dernier test du paragraphe 18.3.1 aux symétries.

18.3.3 Homothétie vectorielle

L’ homothétie vectorielle de rapport k est l’application de E dans E définie par →
− 7 k→
u → −
u

On peut la noter k IdE .

Remarques • Une homothétie vectorielle est un endomorphisme de E.
• L’identité est une homothétie de rapport 1
• Si k 6= 0, une homothétie est bijective
1
• L’application réciproque est l’homothétie de rapport .
k
• Muni de la loi ◦, l’ensemble des homothétie de rapport non nul est un groupe
commutatif.

6. On peut dire aussi ”parallèlement à”.

Lycée Châtelet Douai Page 274

 18.4. EXERCICES

18.4 Exercices

Exercice 1
Les applications suivantes E → F sont-elles linéaires ? Justifiez votre réponse. Lorsque c’est le
cas, déterminer leur noyau et leur image.
1. p : R3 → R2 , (x, y, z) 7→ (x + y, z + x)
2. q : R2 → R3 , (x, y) 7→ (x + y, y + 2x, 2y + x)
3. r : R3 → R2 , (x, x + y, y − x) 7→ (x, y)
4. D : E → F, f 7→ f 0 , avec E = C 1 (I, R), F = C 0 (I, R).
5. X : E → E, f 7→ (gf : x 7→ xf (x)), avec E = F(R, R).

Exercice 2
Soient E et F deux K-espaces vectoriels.
1. Soient U1 et U2 deux sous-espaces supplémentaires dans E (U1 ⊕ U2 = E). Soit u1 une
application linéaire de U1 dans F , et u2 une application linéaire de U2 dans F . Montrer
qu’il existe une unique application linéaire u de E dans F telle que u|U1 = u1 et u|U2 = u2 .
2. Soit H un sous-espace vectoriel de E et f un endomorphisme de E. On dit que H est un
sous-espace stable par f si f (H) ⊂ H, c’est-à-dire si f (x) ∈ H pour tout x ∈ H. Soient f
et g deux endomorphismes de E.
(a) On suppose que f et g commutent (g ◦ f = f ◦ g). Montrer que Im g et Ker g sont
deux sous-espaces stables par f .
(b) Réciproquement, on suppose que Im g et Ker g sont deux sous-espaces stables par f .
On suppose de plus que g est un projecteur. Montrer que f et g commutent.

Exercice 3
A connaı̂tre et à savoir utiliser
Soient E, F et G trois K-espaces vectoriels, u une application linéaire de E dans F , v une
application linéaire de F dans G. Montrer que

v ◦ u = 0L(E,G) si et seulement si Im u ⊂ Ker v

Exercice 4
Soit E et F deux espaces vectoriels, et f une application linéaire de E dans F .
1. Soit V un sous-espace vectoriel de E. Montrer que
(a) f −1 f (V ) = V + Ker f .

(b) f −1 f (V ) = V


si et seulement si Ker f ⊂ V
2. Soit W un sous-espace vectoriel de F . Montrer que
(a) f f −1 (W ) = W ∩ Im f .

(b) f f −1 (W ) = W si et seulement si W ⊂ Im f

3. Soit f ∈ L(E), et V un sous-espace vectoriel de E. Montrer que

f −1 f (V ) = f f −1 (V )



si et seulement si Ker f ⊂ V ⊂ Im f

Exercice 5
Montrer que chacune des applications suivantes est un projecteur ou une symétrie, et en
déterminer une base et une direction propre.
1. p : R2 → R2 , (x, y) 7→ (4x − 6y, 2x − 3y)

Page 275 Alain Couteèle et Mélissa Bailloeuil

CHAPITRE 18. APPLICATIONS LINÉAIRES

 y + z y + z
2. u : R3 → R3 , (x, y, z) 7→ x, ,
2 2

3. τ : F(R, R) → F(R, R), f 7→ τf : x 7→ f (−x)
4. δ0 : F(R, R) → F(R, R), f 7→ f (0)1 : x 7→ f (0)

Exercice 6
Soient E et F deux K-espaces vectoriels, et g ∈ L(F, E). On définit
φ : E × F → E × F , (x, y) 7→ (x + g(y), y)
Montrer que φ est un automorphisme de E × F .

Exercice 7
Soient E, F et G trois K-espaces vectoriels, f ∈ L(E, F ) et g, h ∈ L(F, G). Montrer :
Ker (g ◦ f ) = Ker (h ◦ f ) si et seulement si Im (f ) ∩ Ker (g) = Im (f ) ∩ Ker (h)

Exercice 8
Soit E un K-espace vectoriel, et p, q des projecteurs de E. Montrer que p + q est un projecteur
si, et seulement si,
p◦q+q◦q =0
Si c’est le cas, montrer que
Ker (p + q) = Ker p ∩ Ker q Im (p + q) = Im p ⊕ Im q
en vous aidant des étapes suivantes :
1. Montrer que Im (p + q) ⊂ Im p + Im q.
2. Montrer que Im p ∩ Im q = 0E .
3. Montrer que Im p + Im q ⊂ Im (p + q).
4. Conclure : Im (p + q) = Im p ⊕ Im q.
5. Montrer que Ker p ∩ Ker q ⊂ Ker (p + q).
6. Montrer que Ker p ∩ Ker q ⊃ Ker (p + q).

Exercice 9
R3 [X] −→ R2
Soit a, b ∈ R. On définit ϕ : .
P 7−→ ϕ(P ) = (P (a), P (b))
1. Montrer que ϕ est une application linéaire, autrement dit prouver que ϕ ∈ L(R3 [X], R2 ).
2. On suppose que a = −1 et b = 3. Déterminer le noyau et l’image de ϕ.

Exercice 10
E −→ E
Soit E = C ∞ (R, R) et ϕ : .
f 7−→ ϕ(f ) = f 0 − 2f
1. Montrer que ϕ ∈ L(E).
2. Déterminer Kerϕ. Conclusion ?
3. Justifier que ϕ est surjective.

Exercice 11
Soit E un K-espace vectoriel, α et β deux scalaires distincts, et u un endomorphisme de E tel
que
(u − αIdE ) ◦ (u − βIdE ) = 0L(E)
On note v = u − αIdE et w = u − βIdE .

Lycée Châtelet Douai Page 276

 18.4. EXERCICES

1. Simplifier v ◦ w, w ◦ v, v − w.
2. Montrer que E = Im v + Im w.
3. En déduire que E = Ker v ⊕ Ker w.
4. Montrer que pour tout n ∈ N∗ , il existe deux scalaires γn et δn tels que

un = γn u + δn IdE

On rappelle que
un = |u ◦ u ◦{z· · · ◦ u}
n fois

Exercice 12
On suppose que tout sous-espace vectoriel possède un supplémentaire
Soient E, F et G trois K-espaces vectoriels, et u et v deux endomorphismes de E
1. Soient u ∈ L(E, F ) et v ∈ L(E, G). Montrer que Ker u ⊂ Ker v si, et seulement si, il
existe w ∈ L(F, G) tel que v = w ◦ u.
2. Soient u ∈ L(E, G) et v ∈ L(F, G). Montrer que Im u ⊂ Im v si, et seulement si, il existe
w ∈ L(E, F ) tel que u = v ◦ w.

Page 277 Alain Couteèle et Mélissa Bailloeuil

 CHAPITRE 18. APPLICATIONS LINÉAIRES

18.5 Exercices Complémentaires

Exercice 1
Les applications suivantes, entre R-ev, sont-elles linéaires ? :
1. f : R2 −→ R définie par f (x, y) = 2x + y − 1.
2. g : R2 −→ R définie par g(x, y) = xy.
3. h : R3 −→ R définie par h(x, y, z) = x − y + 2z.
4. k : R3 −→ R définie par k(x, y, z) = x − 2y.

Exercice 2
Soit f : R2 −→ R2 définie par f (x, y) = (x + y, 2x − y).
Montrer que f est un automorphisme de R2 , et déterminer son automorphisme réciproque.

Exercice 3
1. Soit ϕ : R2 → R2 , définie par ϕ(x, y) = (y, 0).
(a) Montrer que ϕ est linéaire.
(b) Déterminer Ker(ϕ) et Im(ϕ). Que peut-on dire de ϕ2 = ϕ ◦ ϕ ?
2. Soit ϕ : R2 → R, définie par ϕ(x, y) = 2x − 3y.
(a) Montrer que ϕ est une forme linéaire.
(b) Déterminer Ker(ϕ) et Im(ϕ).
3. Soit ϕ : R3 → R3 , définie par ϕ(x, y, z) = (x, x, x).
(a) Montrer que ϕ est linéaire.
(b) Déterminer Ker(ϕ) et Im(ϕ). Calculer ϕ2 . Conclusion ?

Exercice 4
Les applications suivantes E → F sont-elles linéaires ? Justifiez votre réponse. Lorsque c’est le
cas, déterminer leur noyau et leur image.
1. u : f 7→ f 2 , E = F = F(I, R).
2. δx : f 7→ f (x), E = C 0 (I, R), F = R.
3. h : f 7→ f , E = F = C 0 (I, R).
4. g : f 7→ IdI , E = F = C 0 (I, R).

Exercice 5
Soient E un K-espace vectoriel, et u un endomorphisme de E.
1. On suppose qu’il existe un unique endomorphisme v de E tel que u ◦ v = IdE . Montrer
que v ◦ u = IdE .
2. Donner un contre-exemple en cas de non-unicité de v.

Exercice 6
Soient E et F deux K-espaces vectoriels, et G1 et G2 deux sous-espaces supplémentaires de E.
On note
K = {u ∈ L(E, F ) | u|G2 = 0}
Montrer que K est un espace vectoriel isomorphe à L(G1 , F ).

Exercice 7
Soit E un K-espace vectoriel, et p, q des projecteurs de E. Montrer que

Lycée Châtelet Douai Page 278

 18.5. EXERCICES COMPLÉMENTAIRES


p◦q = p
1. si et seulement si Ker p = Ker q.
q◦p = q

p◦q = q
2. si et seulement si Im p = Im q.
q◦p = p

Page 279 Alain Couteèle et Mélissa Bailloeuil

CHAPITRE 18. APPLICATIONS LINÉAIRES

Lycée Châtelet Douai Page 280