Chapitre 2

Applications linéaires

34
CHAPITRE 2. APPLICATIONS LINÉAIRES 35

2.1 Définitions et propriétés

Définition 2.1: Application linéaire
Soient E et F deux K-espaces vectoriels. Une application f : E −→ F est dite application
linéaire si elle vérifie :
(i) ∀x, y ∈ E, f (x + y) = f (x) + f (y).
(ii) ∀x ∈ E, ∀λ ∈ K, f (λx) = λf (x).

Exemples :

1. L’application
f1 : R2 −→ R4
(x, y) 7−→ (x − 2y, 2x, y, y − x)
est une application linéaire de R2 dans R4 .

2. L’application
f2 : R3 [X] −→ R2 [X]
P 7−→ P0
est une application linéaire de R3 [X] dans R2 [X].

3. L’application
f3 : RN −→ R2
(un )n 7−→ (u0 , u1 )
est une application linéaire de RN dans R2 .

4. L’application
f4 : C([a, b], R) −→ R
Rb
f 7−→ a f (x) dx
est une application linéaire de C([a, b], R) dans R.

5. L’application
f5 : R2 −→ R2
(x, y) 7−→ (xy, x + y)
est non linéaire.
Théorème 2.1: Application linéaire
Soient E et F deux K-espaces vectoriels et f : E −→ F une application. Pour que f soit
une application linéaire il faut et il suffit qu’on ait :

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

Remarques :

1. Si une application linéaire u est injective, on dit que u est un monomorphisme.

2. Si une application linéaire u est surjective, on dit que u est un épimorphisme.
CHAPITRE 2. APPLICATIONS LINÉAIRES 36

3. Si une application linéaire u est bijective, on dit que u est isomorphisme d’espaces
vectoriels et que E et F sont isomorphes.
4. Si un endomorphisme bijective est appelé un automorphisme.

Notations :

1. LK (E, F ) désigne l’ensemble de toutes les applications linéaires de E vers F .

2. LK (E) désigne l’ensemble de toutes les endomorphismes de E.
3. Isom(E, F ) est l’ensemble des isomorphisme de E dans F .
4. Aut(E) est l’ensemble des automorphismes de E.

Théorème 2.2
Soit f une application linéaire. On a :
(i) f (0E ) = 0F ;
(ii) Si A est un sous espace vectoriel de E, alors f|A est une application linéaire sur
A.
(iii) f (−x) = −f!(x), pour tout x ∈ E.
X n Xn
(iv) f λi xi = λi f (xi ).
i=1 i=1

Théorème 2.3: Caractérisation de l’injectivité/ surjectivité d’une application

linéaire par l’image d’une base

Soit f une application linéaire de E dans F . On suppose que E possède une base (ei )i∈I .
(i) f est surjective si et seulement si F = Vect {(f (ei ))i∈I }.
(ii) f est injective si et seulement si (f (ei ))i∈I est libre.
(iii) f est bijective si et seulement si (f (ei ))i∈I est une base de F .

Exemples :

1. Considérons l’application :

g: R2 −→ R3
(x, y) 7−→ (x + 2y, x − y, 3x − y).

Soit {(1, 0), (0, 1)} une base de R2 .Comme

g((1, 0)) = (1, 1, 3), g((0, 1)) = (2, −1, −1)

et {(1, 1, 3), (2, −1, −1)} est libre, alors g est injective.
2. Soit l’endomorphisme h défini par

h : R3 [X] −→ R3 [X]
P 7−→ P + (1 + X)P 0 .

On sait que {1, X, X 2 , X 3 } est une base de R3 [X]. On a

h(1) = 1, h(X) = 1 + X, h(X 2 ) = 2X + 3X 2 et h(X 3 ) = 3X 2 + 4X 3 .

CHAPITRE 2. APPLICATIONS LINÉAIRES 37

Puisque {1, 1 + X, 2X + 3X 2 , 3X 2 + 4X 3 } est libre et Card{1, 1 + X, 2X + 3X 2 , 3X 2 +

4X 3 } = 4 dim R3 [X], alors {1, 1 + X, 2X + 3X 2 , 3X 2 + 4X 3 } est une base de R3 [X]. Par
conséquent h est bijective.

Théorème 2.4: Application linéaire entre espaces vectoriels de même dimen-

sions finies
Soient E et F deux K-espaces vectoriels de dimensions finies égales et f une application
linéaire de E dans F . Alors,

f est bijective ⇐⇒ f est injective ⇐⇒ f est surjective.

2.2 Image et noyau d’une application linéaire

2.2.1 Image d’une application linéaire
Définition 2.2: S
it f une application linéaire de E dans F . L’ensemble

Im(f ) := {f (x)|x ∈ E} = f (E)

est appelé l’image de l’application linéaire f .

Exemples .

1. Considérons l’application linéaire :

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

On a
Im(f ) = {f ((x, y, z)) | (x, y, z) ∈ R3 }
= {(x + 2y − z, y − z) | (x, y, z) ∈ R3 }
= {x(1, 0) + y(2, 1) + z(−1, −1) | x, y, z ∈ R}
= Vect{(1, 0), (2, 1), (−1, −1)}.
2. Soit g l’endomorphisme défini par :

g : R3 [X] −→ R3 [X]
P 7−→ XP 00 .

On a
Im(g) = {g(P ) | P ∈ R3 [X]}
= {XP 00 | P := a0 + a1 X + a2 X 2 + a3 X 3 ∈ R3 [X]}
= {2a2 X + 6a3 X 2 | a2 , a3 ∈ R}
= Vect{2X, 6X 2 }.
CHAPITRE 2. APPLICATIONS LINÉAIRES 38

Le fait qu’une application linéaire respecte les combinaisons linéaires entraîne qu’elle respecte
aussi les sous-espaces vectoriels, au sens suivant.
Théorème 2.5: Image d’un sous espace vectoriel par une application linéaire
Soit f une application linéaire de E dans F .
(i) Si A est un sous espace vectoriel de E alors, f (A) est un sous espace vectoriel de
F . En particulier, Im(f ) = f (E) est un sous espace vectoriel de F ;
(ii) f est surjective si et seulement si Im(f ) = F .

Exemple :

Pour n ≥ 2, soit f l’application linéaire :

f : Kn [X] −→ Kn−2 [X]
P 7−→ P 00 .
Puisque
Im(f ) = {P 00 | P ∈ Kn [X]},
= {2a2 + 6a3 X + · · · + n(n − 1)an X n−2 | a2 , a3 , · · · , an ∈ K}
= Kn−2 [X],
alors f est surjective.
Théorème 2.6: Image d’un Vect par une application linéaire
Soit f une application linéaire de E dans F . Pour tout partie X de E :

f (Vect(X)) = Vect (f (X)) .

En particulier, si E possède une base (ei )i∈I :

Im f = Vect {(ei )i∈I } .

Exemples :

1. Considérons l’application linéaire :

f: R3 −→ R2
(x, y, z) 7−→ (x + 2y − z, z − 3y).

Comme la famille {(1, 0, 0), (0, 1, 0), (0, 0, 1)} est une base de R3 alors,
Im(f ) = Vect {f (1, 0, 0), f (0, 1, 0), f (0, 0, 1)} = Vect {(1, 0), (2, −3), (−1, 1)} .
2. Soit g l’application linéaire définie par :
g: R2 −→ R2 [X]
(a, b) 7−→ a + bX + (a − b)X 2 .

Comme la famille {(1, 0), (0, 1)} est une base de R2 alors,
Im(g) = Vect {g(1, 0), g(0, 1)} = Vect 1 + X 2 , X − X 2 .

CHAPITRE 2. APPLICATIONS LINÉAIRES 39

2.2.2 Noyau d’une application linéaire

Définition 2.3: Noyau d’une application linéaire
Soit f une application de E dans F . L’ensemble :

Ker(f ) := f −1 ({0F }) = {x ∈ E|f (x) = 0E }

est appelé le noyau de l’application linéaire f .

Théorème 2.7
Soit f une application linéaire de E dans F .
(i) Si B est un sous espace vectoriel de F alors, f −1 (B) est un sous espace vectoriel
de E. En particulier, Ker(f ) est un sous espace vectoriel de E ;
(ii) f est injective sur E si et seulement si Ker(f ) := {0E }.

Remarque :

f −1 (B) elle a un sens même si l’application f n’est pas bijective et donc même si l’applica-
tion réciproque f −1 n’existe pas.

Exemples :

1. L’ensemble B := {(x, y, z, t) ∈ R4 |2x + y − 3t = 0} est un sous espace vectoriel de R4

puisque B = Ker(f ) où f est l’application linéaire définie par :

f: R4 −→ R
(x, y, z, t) 7−→ 2x + y − 3t.

2. Soit h ∈ LK (KN ) tel que

h: KN −→ KN
(un ) 7−→ (un+1 − un ).

On a
Ker(h) = {(un+1 − un ) = (0) | (un ) ∈ KN }
= {(un ) | ∀n ∈ N : un+1 = un , }
= {C | C ∈ K},
donc h n’est injective.

2.3 Théorème du rang

Définition 2.4: Rang d’une application linéaire

Soit f une application de E dans F . On dit que f est de rang fini si Im(f ) est de
dimension finie, et de rang infini sinon. Si f de rang fini, on appelle rang de f , noté
rg(f ), la dimension de Im(f ).
CHAPITRE 2. APPLICATIONS LINÉAIRES 40

Théorème 2.8: Inégalités sur le rang

Soit f une application linéaire de E dans F .
(i) Si F est de dimension finie alors, f est de rang fini et rg(f ) ≤ dim F . De plus, f
est surjective si et seulement si rg(f ) = dim F .
(ii) Si E est de dimension finie alors, f est de rang fini et rg(f ) ≤ dim E. De plus, f
est injective si et seulement si rg(f ) = dim E.

Théorème 2.9: Théorème du Rang

Soit f une application linéaire de E dans F . Si E est de dimension finie alors,

dim E = dim Ker(f ) + rg(f ). (2.1)

2.4 Opérations sur les applications linéaires

Théorème 2.10: Opérations sur les applications linéaires

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

∀(λ, µ) ∈ K2 , ∀(f, g) ∈ L(E, F )2 : λf + µg ∈ L(E, F ). (2.2)

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

∀f ∈ L(E, F ), ∀g ∈ L(F, G) : g ◦ f ∈ L(E, G). (2.3)

Corollaire 2.1: L(E, F ) comme espace vectoriel

Soient E et F deux K-espaces vectoriels. L(E, F ) est un K-espace vectoriel. Le vecteur

E −→ F
nul de L(E, F ) est l’application nulle
x 7−→ 0F

Remarque :
L(E, F ) est un sous-espace vectoriel de F(E, F ).
Corollaire 2.2: L(E) comme anneau

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

Exemples :

1. Les applications
C ∞ (R) −→ C ∞ (R)
f 7−→ f0
et
C ∞ (R) −→ C ∞ (R)
f 7−→ (x 7−→ xf (x))
CHAPITRE 2. APPLICATIONS LINÉAIRES 41

sont deux endomorphismes de C ∞ (R) qui ne commutent pas.

2. Considérons
f: R2 −→ R2
(x, y) 7−→ (x, 0)
et
g: R2 −→ R2
(x, y) 7−→ (0, y).
On a f, g ∈ L(R2 ) et g ◦ f = f ◦ g = 0L(R2 ) et pourtant f 6= 0L(R2 ) et g 6= 0L(R2 ) .
Théorème 2.11: Propriétés des isomorphismes

(i) Si f est un isomorphisme de E sur F , alors 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.

Exemple :

L’application
C −→ R2
z 7−→ (Re(z), Im(z))
est un isomorphisme du R-espace vectoriel C sur R2 d’isomorphisme réciproque

R2 −→ C
(a, b) 7−→ a + ib.

Corollaire 2.3: 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).