Table des matières

I Définitions et premières propriétés 1

I. 1 Définitions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
I. 2 Premières propriétés . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
I. 3 Opérations sur les applications linéaires . . . . . . . . . . . . . . . . . . . . . . . . . . 3

II Noyau et image d’une application linéaire 5

II. 1 Définition du noyau et de l’image d’une application linéaire . . . . . . . . . . . . . . . 5
II. 2 Lien avec l’injectivité, la surjectivité et la bijectivité d’une application linéaire . . . . . 6

III Les différents liens entre les matrices et les applications linéaires 7
III. 1Matrices associées à une application linéaire . . . . . . . . . . . . . . . . . . . . . . . . 7
III. 2Lien entre les opérations sur les applications linéaires et les matrices . . . . . . . . . . 9
III. 3Calcul du noyau et de l’image d’une application linéaire grâce aux matrices. . . . . . . 10

IV Rang d’une application linéaire 11

IV. 1Définition du rang d’une application linéaire . . . . . . . . . . . . . . . . . . . . . . . . 11
IV. 2Théorème du rang et conséquences . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12

Chapitre : Applications lineaires

Dans tout ce chapitre K désigne R ou C.

I Définitions et premières propriétés

I. 1 Définitions
Définition d’une application linéaire

Définition 1. Soit E = Kn et F = Kp avec n et p deux entiers naturels non nuls.

• Soit f une application de E dans F . On dit que f est une application linéaire de
E dans F si

• L’ensemble des applications linéaires de E dans F est noté . . . . . . . . . . . . . . . . . . . . . .

Méthodes pour montrer que f ∈ L(E, F)

• Vérifier que f va bien de l’espace E dans l’espace F : f : E → F .
• Soit u ∈ E, soit v ∈ E, soit λ ∈ K. Montrer que f (λu + v) = λf (u) + f (v).

Exercice 2. 1. Montrer que f (x, y, z) = (y, 0, x + z, 3x + y − 2z) est une application linéaire.
2. Soit f définie par f (x, y, z) = (x + y, 2x − y, 4z). Montrer que f ∈ L(R3 , R3 ).
3. Soit g l’application définie par g(x, y, z) = (x − y + 4z, 3x − z). Montrer que f ∈ L(R3 , R2 ).

Kn → Kp
Exemples. • L’application nulle : f : est une application linéaire.
u 7→ . . . . . .
Kn → Kn
• L’application identité : Id : est une application linéaire.
u 7→ . . . . . .

1
 Kn → Kn
• Soit α ∈ K, on appelle homothétie vectorielle dans Kn de rapport α, l’application : f :
u 7→ . . . . . .
Les homothéties sont des applications linéaires.
Kn → K
• La projection canonique par rapport à la i-ème coordonnée est définie par πi : .
(x1 , . . . , xn ) 7→ . . . . . .
C’est une application linéaire.

Définition 3. Définitions supplémentaires :

• Une application linéaire de E vers E est appelée . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

L’ensemble des endomorphismes de E est noté . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

• Une application linéaire de E dans F qui est bijective de E sur F s’appelle

.................................................................................

• Une application linéaire de E dans E qui est bijective de E sur E s’appelle

................................................................................

Exercice 4. Montrer que f ∈ L(R3 ) avec f (x, y, z) = (x − 2y + z, 2x + 3y − 5z, x + y + z).

I. 2 Premières propriétés

Proposition 5. Soit f ∈ L(E, F ) avec E = Kn et F = Kp (n et p deux entiers naturels

non nuls). On a :

• f (0E ) =

• Pour tout p ∈ N? , pour toute famille de vecteurs (u1 , . . . , up ) ∈ E p , pour tous

scalaires (λ1 , . . . , λp ) ∈ Kp , on a :

Preuve

Méthodes pour montrer qu’une fonction n’est pas une appli-

cation linéaire
• Méthode 1 : montrer que f (0E ) 6= 0F
(car si f est une application linéaire alors on a forcément f (0E ) =
0F ).
• Méthode 2 : trouver un contre-exemple : trouver u ∈ E, v ∈ E et
λ ∈ K tel que f (λu + v) 6= λf (u) + f (v).

Exercice 6. 1. Soit f définie par : f (x, y, z) = (x + y + z + 1, z). Étude de la linéarité de f .

2
 2. Soit h une application définie par : h(x, y, z) = x2 + y + z. Étudier la linéarité de h.

I. 3 Opérations sur les applications linéaires

Proposition 7. Somme et multiplication par un scalaire

• Soient f ∈ L(E, F ), g ∈ L(E, F ) et (α, β) ∈ K2 , alors . . . . . . . . . . . . . . . . . . . . . . . . . . .

• Autrement dit :

? La somme de deux applications linéaires est . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

? La multiplication d’une application linéaire par un scalaire est . . . . . . . . . . . . .

Preuve

Remarque. Ainsi, comme vous le verrez en BCPST2, |L(E, F ), +, .) est . . . . . . . . . . . . . . . . . . . . . . . . . . .

Exercice 8. On définit
R3 → R2 R3 → R2
u: et v:
(x, y, z) 7→ (x − y, 7z) (x, y, z) 7→ (y + 2z, 3x + y − z).

Montrer que u et v sont bien des applications linéaires et calculer 2u − 3v.

Composition des applications linéaires

Proposition 9. Soient E = Kq , F = Kp et G = Kn . Si f ∈ L(E, F ) et g ∈ L(F, G) alors

La composition de deux applications linéaires est . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

Preuve

3
Exercice 10. On définit :
R3 → R2 R2 → R2
f: et g:
(x, y, z) 7→ (x − y − 2z, −x + 3y − z) (x, y) 7→ (2x − y, x + 3y).

Déterminer l’expression analytique de g ◦ f .

4
! Comme pour les applications, g ◦ f peut être bien définie mais pas f ◦ g (cf exemple ci-dessus) et
même lorsque g◦f et f ◦g sont toutes les deux bien définies, elles ne sont pas égales en général. Si f ◦g =
g ◦ f , on dit que les applications f et g .

Cas particulier des endomorphismes Dans l’ensemble des endomorphismes L(E) avec E = Kn ,
on peut composer les éléments entre eux sans restriction. Attention, f ◦ g et g ◦ f sont dans ce cas
précis toujours bien définies, mais elles ne sont pas égales en général.

Définition 11. Soit E = Kn et f un endomorphisme non nul de L(E). On définit f k

dans L(E) pour tout entier naturel k par la récurrence

f 0 = IdE
(

∀k ∈ N, f k+1 = . . . . . . . . . . . . . . . . . .

Exemples. Soient f ∈ L(E) et g ∈ L(E).

• Calculer (f + g) ◦ (f − g) :

• Calculer (f + g)2 :

Proposition 12. Soient E = Kn et (f, g) ∈ L(E)2 .

Si f et g commutent, alors pour tout entier naturel n ∈ N, on a :

Bijection réciproque d’une application linéaire bijective

Proposition 13. Si f ∈ L(E) avec E = Kn est un automorphisme de E alors f −1 est

Exercice 14. Soit f ∈ L(E) définie par f (x, y) = (x + 2y, 2x + y). Montrer que f est un automorphisme et vérifier que
f −1 est linéaire.

4
II Noyau et image d’une application linéaire

II. 1 Définition du noyau et de l’image d’une application linéaire

Définition 15. Soit f ∈ L(E, F ).

• Le noyau de f est le sous-ensemble de E (espace de départ) noté ker (f ) et défini
par

• L’image de f est le sous-ensemble de F (espace d’arrivée) noté Im (f ) et défini par

Proposition 16. Soit f ∈ L(E, F ).

• L’ensemble ker (f ) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
• L’ensemble Im (f ) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

Preuve

Méthode pour déterminer une base et la dimension de ker (f )

On a : ker (f ) = {u ∈ E, f (u) = 0F }.
• u ∈ ker f ⇐⇒ f (u) = 0F . On écrit le système linéaire que l’on doit résoudre.
• On échelonne le système linéaire.
• On trouve alors l’écriture vectorielle de ker (f ) et on en déduit une base et
la dimension de ker (f ).

Exercice 17. Montrer que ces applications sont des applications linéaires et déterminer une base et la dimension de
leur noyau.
1. f (x, y, z) = (x − 2y + 3z, 2x + y − 2z).

5
 2. f (x, y, z) = (x − y + z, x + 2y − z, 2x + z)
3. f (x, y, z) = (x − y − 3z, 2x − z, x + y + 2z).
4. f (x, y, z, t) = (−y, my, x − mz − t, y), avec m paramètre réel.

Méthode 1 pour déterminer une base et la dimension de Im (f )

• On écrit Imf = {v ∈ F, ∃u ∈ E, v = f (u)}, et on obtient une écriture paramétrique
de Im f .
• On en déduit la forme vectorielle, donc une famille génératrice de Im f : attention,
cette famille n’est pas nécessairement une base !
• On extrait de cette famille une base de Im f .

Méthode 2 pour déterminer une base et la dimension de Im (f )

• On écrit v ∈ Im f ⇐⇒ ∃u ∈ E, v = f (u), et on échelonne le système linéaire corres-
pondant.
• On cherche les équations de compatibilité : s’il en existe, ce sont le(s) équation(s)
cartésienne(s) de Im f .
• On passe de l’écriture cartésienne à l’écriture vectorielle afin d’obtenir une base et la
dimension de Im f .

Exercice 18. Déterminer une base et la dimension de l’image des applications linéaires de l’exercice 7.

II. 2 Lien avec l’injectivité, la surjectivité et la bijectivité d’une application linéaire

Proposition 19. Soit f ∈ L(E, F ).

f est injective de E dans F si et seulement si . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

Remarque. On a toujours {0E } ⊂ ker f car . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

Ainsi, pour montrer que ker f = {0E }, il suffit de montrer que . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

Preuve

Méthode pour montrer l’injectivité d’une application linéaire :

calculer le noyau.
• Si ker (f ) = {0E } alors f est injective de E dans F .
• Sinon f n’est pas injective de E dans F .

Exercice 20. 1. Soit f définie de R2 dans R3 par f (x, y) = (x − y, x + y, 2y − x). Montrer que f est linéaire.
L’application f est-elle injective ?

6
 2. Soit f définie de R3 dans R2 par f (x, y, z) = (2x − z, y + 2z). Montrer que f est linéaire. L’application f est-elle
injective ?

Proposition 21. Soit f ∈ L(E, F ).

f est surjective de E dans F si et seulement si . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

Remarque. On a toujours . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

Ainsi, pour montrer que Im (f ) = F , il suffit de montrer que . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

Preuve

Méthodes pour montrer la surjectivité d’une application linéaire : calculer l’image.

• Si Im (f ) = F alors f est surjective de E dans F .
• Sinon f n’est pas surjective de E dans F .

Exercice 22. 1. Soit f définie de R2 dans R3 par f (x, y) = (x − y, x + y, 2y − x). Montrer que f est linéaire.
L’application f est-elle surjective ?
2. Soit f définie de R3 dans R2 par f (x, y, z) = (2x − z, y + 2z). Montrer que f est linéaire. L’application f est-elle
surjective ?

Proposition 23. Soit f ∈ L(E).

f est un automorphisme de E si et seulement si . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

Méthodes pour déterminer la bijectivité d’une application linéaire et calculer f −1

• On montre que f est à la fois injective et surjective.
• Pour le calcul de f −1 : on prend un vecteur v ∈ F , et on cherche u ∈ E tel que v = f (u).
• On échelonne le système linéaire correspondant afin d’exprimer les coordonnées de u en
fonction des coordonnées de v.
• Comme v = f (u) ⇔ u = f −1 (v), on en déduit l’expression de f −1 .

Exercice 24. Soit f (x, y, z) = (x + y + z, x + y, y + z). Montrer que f est un automorphisme de R3 et calculer f −1 .

III Les différents liens entre les matrices et les applications linéaires

III. 1 Matrices associées à une application linéaire

Passage de l’application linéaire aux matrices

7
 Définition 25. Matrices d’une application linéaire
• Soient E = Kn et F = Kp et soit f ∈ L(E, F ).
On fixe B = (u1 , . . . , un ) une base de E et C = (v1 , . . . , vp ) une base de F .
On appelle matrice de f relativement aux bases B et C notée . . . . . . . . . . . . . . . . . . . .

Ainsi la j-ième colonne de MB,C (f ) représente les coordonnées du vecteur f (uj )

dans la base C.
• Si f ∈ L(E) avec B = (u1 , . . . , un ) base de E, on appelle matrice de f dans la base
B la matrice définie par MB (f ) = MB,B (f ).

• On calcule les vecteurs f (u1 ),f (u2 ),...,f (un ). Le plus souvent, on les obtient dans la base cano-
nique de F .
• On calcule (si besoin) les coordonnées de ces vecteurs dans la base C = (v1 , . . . , vp ).
• On remplit colonne par colonne la matrice associée à f .
Exercice 26. 1. Soit f définie par : f (x, y, z) = (2x − y, x + z).
? Calculer la matrice de f relativement aux bases canoniques B3 et B2 de R3 et R2 .
? On pose C = (f1 , f2 , f3 ) avec f1 (1, 0, 0), f2 (1, 1, 0), f3 (1, 1, 1) et D = (u1 , u2 ) avec u1 (1, 0) et u2 (1, 1).
Montrer que C et D sont respectivement des bases de R3 et R2 . Calculer la matrice de f relativement aux
bases C et D.
2. Soit f définie de R3 dans R2 par f (x, y, z) = (x + 2y + 3z, x − y − z).
? On considère les bases canoniques B3 et B2 de R3 et de R2 . Donner la matrice M de f relativement à ces
bases.
? On garde maintenant pour R2 la base canonique mais on prend pour R3 la base suivante : B = (u1 , u2 , u3 )
définie par u1 = (1, 1, 1), u2 = (0, 1, −1) et u3 = (1, 1, 0). Calcul de M1 = MB,B2 (f ).
? On prend maintenant la base canonique de R3 et on prend la base C = (v1 , v2 ) pour R2 définie par v1 = (1, 1)
et v2 = (1, −1). Calcul de M2 = MB3 ,C (f ).

Passage de la matrice à l’application linéaire canoniquement associée

Définition 27. Application linéaire canoniquement associée à une matrice

Si A ∈ Mpn (K) est une matrice fixée, on appelle application linéaire canoniquement
associée à A

l’application f ∈ L(Kn , Kp ) telle que f (x1 , . . . , xn ) = (y1 , . . . , yp ), où :

Méthode pour trouver f canoniquement associée à A :

Calculer AX.
 
2 −1 3
Exercice 28. 1. On considère la matrice suivante A =  −3 2 −1  . Déterminer l’application linéaire f
−1 1 2
canoniquement associée à A.

8
  
  1 1 1
1 2 1  1 0 0 
2. Faire de même avec A =  −3 1 4  et B = 
 1
.
1 0 
−3 4 −5
1 0 −5
Exercice 29. Calcul de l’image d’un vecteur grâce aux matrices.
 
3 −1 1
1. Soit f ∈ L(R3 ) de matrice relativement à la base canonique M =  0 2 0 . Calcul de f (u) avec u =
1 −1 3
(1, 0, −1).
 
1 2
2 3
2. Soit f ∈ L(R , R ) de matrice relativement à la base canonique A =  3 −2 . Calcul de f (u) avec u = (3, 4).
1 1

III. 2 Lien entre les opérations sur les applications linéaires et les matrices
Soient f ∈ L(E, F ), g ∈ L(E, F ) et h ∈ L(F, G). On fixe les bases B = (u1 , · · · , un ), C = (v1 , · · · , vp )
et D = (w1 , . . . , wr ) respectivement bases de E, F et de G et on note A = MB,C (f ), B = MB,C (g) et
C = MC,D (h).

Proposition 30. Soit (α, β) ∈ K2 .

La matrice de l’application linéaire αf + βg dans les bases B à C est . . . . . . . . . . . . . . . . . .


−1 1 2 3
Exercice 31. On définit f l’application linéaire canoniquement associée à A avec A =  1 −2 1 0 . Et soit
4 1 2 −5
g l’application linéaire définie par : g(x, y, z, t) = (x − y − z + 2t, 5x − 6y + 3t, x − z + 2t). Calculer 2f − 3g.

Proposition 32. Composition d’applications linéaires

La matrice de l’application linéaire h ◦ f dans les bases B à D est . . . . . . . . . . . . . . . . . . . . .

Proposition 33. Cas particulier important des endomorphismes

Ici E = F et f ∈ L(E) avec B base de E et A = MB (f ).

Pour tout n ∈ N, la matrice de l’application linéaire f n dans la base B est . . . . . . . . . . . .

Exercice 34. 1. On définit les applications linéaires suivantes :

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

Donner l’expression analytique de g ◦ f . Puis déterminer les matrices de f , g et g ◦ f dans les bases canoniques.
Vérifier sur cet exemple la propriété ci-dessus.
 
−1 1 2
2. On définit f l’application linéaire canoniquement associée à A avec A =  1 −2 1 . Donner f 3 .
0 1 2
3. Soit f ∈ L(R3 ) et M ∈ M3 (R) sa matrice dans la base canonique de R3 . Traduire matriciellement l’égalité
f 2 − 2f + IdR3 = 0.

Proposition 35. On a l’équivalence suivante :

f bijective de E dans F ⇐⇒ . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

Et dans ce cas la matrice de f −1 est . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

9
 Méthode matricielle pour étudier la bijectivité de f
• On calcule la matrice A de f canoniquement associée.
• On étudie l’inversibilité de A.
• Si A est inversible, alors f est bijective de E dans F et f −1 est
canoniquement associée à A−1 .
 
0 1 1
Exercice 36. 1. Soit A =  1 0 1  et f l’application linéaire canoniquement associée à A. Montrer que f est
1 1 0
bijective et calculer f −1 .
2. Montrer que l’application linéaire f de R3 dans R3 définie par f (x, y, z) = (x + 2y + 3z, 3x + 5y + 4z, 2x + y + 5z)
est bijective et calculer l’expression de f −1 par les deux méthodes disponibles.

Conclusion
• f + g se traduit matriciellement par A + B.
• λf se traduit matriciellement par λA.
• h ◦ f se traduit matriciellement par C × A.
• f ◦ f se traduit matriciellement par A2 .
• f n = f ◦ f ◦ f ◦ · · · ◦ f se traduit matriciellement par An .
• f bijective ⇔ A inversible et alors f −1 se traduit matriciellement par A−1 .

III. 3 Calcul du noyau et de l’image d’une application linéaire grâce aux matrices.

Proposition 37. Soient A ∈ Mpn (K) et fA l’application linéaire canoniquement associée

à A.

Résoudre le système linéaire AX = 0, c’est déterminer . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

 
2 −1 3
Exercice 38. 1. Étude du noyau de l’application linéaire f canoniquement associée à A =  −3 2 −1 .
−1 1 2
 
1 −1 2 1
2. Étude du noyau de l’application linéaire g canoniquement associée à B =  0 1 −2 3 .
−1 2 0 −1

¶ Méthode 1 : Matriciellement en utilisant une famille génératrice

Proposition 39. Soit f ∈ L(E, F ) avec E = Kn et F = Kp .

Si (u1 , u2 , u3 , . . . , un ) est une base de E alors

Soit (u1 , u2 , . . . , un ) une base de l’espace de départ : alors (f (u1 ), f (u2 ), . . . , f (un )) est une famille
génératrice de Im (f ), donc :
• Les colonnes de la matrice donnent une famille génératrice de Im (f ).

10
 • On étudie alors la liberté de la famille (f (u1 ), . . . , f (un )).
• On enlève les éventuelles relations de liaison entre les vecteurs pour obtenir à la fin une base
de Im (f ).
· Méthode 2 : Matriciellement en utilisant la définition de l’image

Proposition 40. Soient A ∈ Mpn (K) et fA l’application linéaire canoniquement

associée à A.

v ∈ Im (f ) ⇐⇒ . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . revient à résoudre matriciellement

Exercice 41. Déterminer une base et la dimension de l’image de f lorsque f est l’application linéaire canoniquement
associée à
 
2 −1 3
1. A =  −3 2 −1 
−1 1 2
 
1 −1 2 1
2. B =  0 1 −2 3 
−1 2 0 −1
 
0 1 2 1
3. C =  1 0 1 1 
0 1 2 1

IV Rang d’une application linéaire

IV. 1 Définition du rang d’une application linéaire

Définition 42. Soient E = Kn et F = Kp et soit f ∈ L(E, F ).

Le rang de f est . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

Rappels :
• Rang d’un système linéaire : . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
• Rang d’une matrice : . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
• Rang d’une famille de vecteurs : . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

Proposition 43. Le rang de f est égal au . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

Méthodes pour calculer le rang d’une application linéaires :

• Méthode 1 : par la définition en calculant la dimension de l’image
de f .
• Méthode 2 : en calculant le rang de la matrice canoniquement
associée à f par le pivot de Gauss.

Exercice 44. Calculer le rang des applications linéaires suivantes :

1. f (x, y, z) = (x + 2y + z, −3x + y + 4z, −3x + 4y − 5z)
2. f (x, y, z, t) = (x + y + z + t, x, x + y, x + z)

11
Conséquence : Méthode rapide pour déterminer une base et la dimension de l’image de f

• On calcule le rang r de la matrice associée à f par le pivot de Gauss. Cela nous donne le rang
de f .
• On cherche r vecteurs libres parmi les colonnes de la matrice associée.
• On a ainsi trouvé r vecteurs libres qui sont dans Im(f ), donc on a trouvé une base de Im(f ).
 
1 1 −1
 1 3 0 
Exercice 45. 1. Soit f l’application canoniquement associée à la matrice M = 
 . Base et la dimen-
0 2 1 
2 6 0
sion de l’image ?
2. Déterminer le rang et une base de l’image des endomorphismes de R4 dont les matrices dans la base canonique de
R4 sont respectivement
   
3 0 1 2 1 −1 1 0
 4 0 3 1   −2 0 −4 4 
A=  et B= .
 3 0 0 3   0 1 1 −2 
1 0 3 −2 3 −2 4 −2

IV. 2 Théorème du rang et conséquences

Proposition 46 (Théorème du rang). Soit f ∈ L(E, F ) avec E de dimension finie. On

a:

Si on connaît le noyau :
• Par le théorème du rang : on en déduit le rang de f .
• En regardant les colonnes de toute matrice associée à f ,
on obtient une base de l’image de f .

Si on connaît le rang de f :
Par le théorème du rang :
On en déduit la dimension du noyau.

Exercice 47. 1. Soit l’application de R3 dans R3 définie par : f (x, y, z) = (x + y − z, x − 2y − 2z, x − 5y − 3z).
Donner la dimension et une base du noyau et de l’image de f .
 
1 −2 0
2. Même chose pour f l’application canoniquement associée à la matrice M =  −2 3 −2 .
1 1 6

Proposition 48. Soit f ∈ L(E) (avec E de dimension finie).

Preuve

12
Remarques. • 4
! L’hypothèse que f soit un endomorphisme est essentielle.
• De plus, l’hypothèse : E de dimension finie sera essentielle en BCPST2 où vous étudierez aussi
des espaces vectoriels de dimension infinie.
• Ainsi ce théorème assure que pour les endomorphismes en dimension finie, on a équivalence entre
injectivité, surjectivité et bijectivité.
 
0 1 1
Exercice 49. 1. Soit A =  1 0 1  et f l’endomorphisme canoniquement associé à A. Déterminer les valeurs
1 1 0
de λ pour lesquelles f − λIdR3 n’est pas injective. Pour chacune de ces valeurs, déterminer ker(f − λIdR3 ).
 
7 16 12
1
2. On considère la matrice A = −1 −1 −3  . On note f l’endomorphisme canoniquement associé à A.
3
−2 −8 −3
Déterminer, selon les valeurs de λ, le rang de la matrice A − λI3 . En déduire que : f − λIdR3 non bijectif si et
seulement si λ = 1 ou λ = −1.

13