Chapitre 2

APPLICATION LINEAIRE

2.1 Dé…nitions et Propriétés

Dans cette section, E et F sont des | espaces vectoriels.

Dé…nition 2.1
1. Une application linéaire de E dans F ( ou morphisme de |-ev) est une application f :
E ! F telle que :
1: f (u + v) = f (u) + f (v)
(2.1)
2: f ( u) = f (u)
pour tous les éléments u; v 2 E et tout 2 |:
On note L (E; F ) (ou L| (E; F )) l’ensemble des applications linéaires de E dans F:

2. On dit que f : E ! E est un endomorphisme de E si et seulement si f est linéaire.

On note L (E) (ou L| (E)) l’ensemble des endomorphismes de E:

Exemple 2.1 Soit l’application f : R2 ! R3 telle que :

f (x; y) = (x y; 2x; x + 3y) (2.2)

Pour tous u = (x; y) ; v = (x0 ; y 0 ) 2 R2 et tout 2 | = R on a :

f (u + v) = f (x + x0 ; y + y 0 )

= ((x + x0 ) (y + y 0 ) ; 2 (x + x0 ) ; (x + x0 ) + 3 (y + y 0 ))

= (x y; 2x; x + 3y) + (x0 y 0 ; 2x0 ; x0 + 3y 0 )

= f (x; y) + f (x0 ; y 0 )

= f (u) + f (v)

20
 21

et
f ( u) = f ( x; y)

=( x y; 2 x; x + 3 y)

= (x y; 2x; x + 3y)

= f (x; y)

= f (u)
D’où f est une application linéaire.

Exemple 2.2 Soit l’application g : R2 ! R2 telle que :

g (x; y) = (x y; xy) (2.3)

On véri…e que cette applications n’est pas linéaire. ( c’est à dire l’une des deux conditions
n’est pas véri…ée ou les deux conditions ne sont pas véri…ées).
Par exemple si on prend les deux vecteurs suivant u = (1; 2) et v = (3; 5) ; on a :

g (u + v) = g (4; 3) = (7; 12)

et
g (u) + g (v) = ( 1; 2) + (8; 15) = (7; 13)
ce qui montre que l’application g n’est pas linéaire.
On remarque aussi que la deuxième condition n’est pas véri…é. ( On peut prendre u = (5; 2)
et = 3).

Dé…nition 2.2
1. On dit que f : E ! F est un isomorphisme de E sur F si et seulement si f est linéaire
et bijective.

2. On dit que f : E ! E est un automorphisme de E si et seulement si f est linéaire et

bijective.

3. Si F = | et f : E ! F linéaire, alors on dit que f est une forme linéaire sur E.

Remarque 2.1 Si on prend = 0 dans (2:1), alors on trouve f (0E ) = 0F : Donc si

f (0E ) 6= 0F , alors l’application f n’est pas linéaire.

Exemple 2.3 Soit l’application h : R2 ! R2 telle que :

h (x; y) = (x y; y + 2) (2.4)

On a :
h (0E ) = h (0; 0) = (0; 2) 6= 0F
 22

Donc, l’application h n’est pas linéaire.

Propriété 2.1
On dit que l’application f : E ! F est linéaire si et seulement si pour tous les éléments u; v
2 E et tous les scalaires ; 2 |, on a :

f ( u + v) = f (u) + f (v) (2.5)

Propriété 2.2
Soient f; g deux applications linéaires de E dans F et 2 |. Les applications f + g et f
dé…nies par (f + g) (u) = f (u) + g (u) et ( f ) (u) = f (u) sont linéaires.

Preuve :
Soient u; v des vecteurs de E et ; des scalaires de |: On a alors :

(f + g) ( u + v) = f ( u + v) + g ( u + v)

= f (u) + f (v) + g (u) + g (v)

= (f (u) + g (u)) + (f (v) + g (v))

= (f + g) (u) + (f + g) (v)

d’où l’application f + g est linéaire.

On a aussi :
( f ) ( u + v) = f ( u + v)

= ( f (u) + f (v))

= ( f (u)) + ( f (v))

= ( f ) (u) + ( f ) (v)
ce qui montre que f est linéaire.

Propriété 2.3
Soient f : E ! F et g : F ! G deux applications linéaires. L’applications g f est linéaire.

Preuve :
Soient u; v des vecteurs de E et ; des scalaires de |: On a alors :

(g f ) ( u + v) = g (f ( u + v))

= g ( f (u) + f (v))

= g (f (u)) + g (f (v))

= (g f ) (u) + (g f ) (v)
 23

d’où l’application g f est linéaire.

Proposition 2.1
Supposons E de dimension n 1: Soit (e1;::: ; en ) une base de E et soit f : E ! F une
application linéaire bijective ( f est un isomorphisme). Alors, (f (e1 ) ; :::; f (en )) est une base
de F .

2.2 Image et Noyau

Proposition 2.2
Soient E; F deux |-ev et f 2 L (E; F ) :
1. Pour tout sev F1 de F , l’image réciproque f 1 (F1 ) est un sev de E:
2. Pour tout sev E1 de E, l’image directe f (E1 ) est un sev de F:
Preuve
1) (1.a) f 1 (F1 ) 6= ; : f (0E ) = 0F donc 0E 2 f 1 (F1 )
2
(1.b) Soient ; 2 | et (u; v) 2 (f 1 (F1 )) . On a :

f ( u + v) = f (u) + f (v) 2 F1

et donc
1
u+ v 2f (F1 )
D’aprés (1.a) et (1.b) on déduit que f 1 (F1 ) est un sev de E:
2) (2.a) f (E1 ) 6= ; : f (0E ) = 0F donc 0F 2 f (E1 )
(2.b) Soient ; 2 | et (X; Y ) 2 (f (E1 ))2 . Il existe (x; y) 2 (E1 )2 tel que :

X = f (x) et Y = f (y)

On a :
X + Y = f (x) + f (y)

= f ( x + y) 2 f (E1 )
D’aprés (2.a) et (2.b) on déduit que f (E1 ) est un sev de F:

Dé…nition 2.3
Soient E; F deux |-ev et f 2 L (E; F ) :
On appelle image de f et on note Im (f ) ; le sous espace vectoriel de F dé…ni par :

Im (f ) = f (E) = fy 2 F ; 9x 2 E; y = f (x)g

Dé…nition 2.4
Soient E; F deux |-ev et f 2 L (E; F ) :
On appelle noyau de f et on note ker (f ) ; le sous espace vectoriel de E dé…ni par :
1
ker f = f (f0F g) = fx 2 E=f (x) = 0F g
 24

Exemple 2.4
On considère l’application linéaire

f: R3 ! R2

(x; y; z) 7 ! (x + y; y 2z)

Déterminons l’image de f et le noyau de f:

Noyau de f :
Soit u = (x; y; z) 2 R3 tel que f (u) = 0R2
On a :
f (u) = 0R2 () (x + y; y 2z) = (0; 0)
8
< x+y =0
()
:
y 2z = 0
8
< x= 2z
()
:
y = 2z
Alors,
u = (x; y; z) = ( 2z; 2z; z) = z ( 2; 2; 1)
Donc, ker (f ) est le sous espace vectoriel de R3 engendré par le vecteur X = ( 2; 2; 1) :

ker (f ) = V ect (X = ( 2; 2; 1))

Image de f :
Soit u = (x; y; z) 2 R3 . On a :

f (u) = (x + y; y 2z)

= (x; 0) + (y; y) + (0; 2z)

= x (1; 0) + y (1; 1) + z (0; 2)

Donc, Im (f ) est le sous espace vectoriel de R2 engendré par les vecteurs Y = (1; 0) ; Z = (1; 1)
et T = (0; 2) :

Im (f ) = V ect (Y = (1; 0) ; Z = (1; 1) ; T = (0; 2)) :

On remerque que Im (f ) = R2 :
Proposition 2.3
Soient E; F deux |-ev et f 2 L (E; F ) :
1. f est injective si et seulement si ker (f ) = f0E g
2. f est surjective si et seulement si Im (f ) = F
 25

Preuve
1) ()) Supposons que f est injective. Soit u 2 ker (f ) : Alors

f (u) = 0F = f (0E )

d’où puisque f est injective, alors u = 0E : Ainsi ker (f ) = f0E g :

(() Supposons que ker (f ) = f0E g. Soient u; v 2 E tel que f (u) = f (v) : Alors,

f (u) = f (v) () f (u) f (v) = 0F

() f (u v) = 0F

et donc
u v 2 ker (f ) = f0E g
D’où
u=v
2)
f est surjective () 8y 2 F; 9x 2 E; y = f (x)

() f (E) = F

() Im (f ) = F

2.3 Rang d’une Application Linéaire

Dé…nition 2.5
Soient E; F deux |-ev de dimension …nie et f 2 L (E; F ) :
On appelle rang de f et on note rg (f ) ; l’entier naturel dé…ni par :

rg (f ) = dim (Im f )

Théorème 2.1 (Théorème du rang)

Soient E; F deux |-ev de dimension …nie et f 2 L (E; F ) :
On a :
rg (f ) = dim E dim (ker f )
Exemple 2.5
On considère l’application linéaire

f : R2 [X] ! R2 [X]

P 7 ! (2 X) P 0 P

Déterminons le rang de f :
On a :
rg (f ) = dim (Im f )
 26

Image de f :
Soit P = a0 + a1 x + a2 x2 2 R2 [X] . On a :
f (P ) = (2 x) P 0 P

= (2 x) (a1 + 2a2 x) (a0 + a1 x + a2 x2 )

= 2a1 a0 + ( 2a1 + 4a2 ) x 3a2 x2

= ( a0 ) 1 + (2a1 ) (1 x) + ( 3a2 ) x2
Donc, Im (f ) est le sous espace vectoriel de R2 [X] engendré par P0 = 1; P1 = 1 x et
P2 = x 2 :
Im (f ) = V ect (P0 ; P1 ; P2 )
Comme la famille fP0 = 1; P1 = 1 x; P2 = x2 g est libre, car pour tout ; ; 2 | = R on
a
P0 + P1 + P2 = 0R2 [X] =) (1) + (1 x) + (x2 ) = 0

=) ( + ) x + x2 = 0
8
< + =0
=) =0
:
=0

=) = = =0
Alors, cette famille forme une base de Im (f ) et de plus dim (Im (f )) = 3: Ce qui donne
rg (f ) = 3:

2.4 Inverse d’une Application Linéaire

Dé…nition 2.6
Soient E; F deux |-ev et f 2 L (E; F ) :
L’application f : E ! F est dite inversible si, pour tout Y 2 F; l’équation Y = f (X) admet
une unique solution X 2 E:

Exemple 2.6
- L’application f : R2 ! R3 telle que f (x; y) = (x 2y; 2x 4y; 3x 6y) n’est pas inversible,
car il existe Y = (0; 4; 5) 2 F = R3 tel que l’équation f (x; y) = (0; 4; 5) n’admet pas des
solutions dans R2 :
- L’application g : R2 ! R2 telle que g (x; y) = (x + 2y; 0) n’est pas inversible, car il existe
Y = (3; 0) 2 F = R2 tel que l’équation g (x; y) = (3; 0) admet au moins deux solutions dans
R2 .
- L’application h : R3 ! R3 telle que h (x; y; z) = (x + y; y; x 2z) est inversible, car pour
tout Y = (x0 ; y 0 ; z 0 ) 2 F = R3 ; l’équation Y = f (X) admet une unique solution X 2 E = R3
de la forme :
X = x0 y 0 ; y 0 ; 12 (x0 y 0 z 0 ) :
 27

Dé…nition 2.7
1
Soient E; F deux |-ev et f 2 L (E; F ) inversible: Alors sa réciproque f : F ! E est
dé…nie par
f 1 (Y ) = (l’unique X 2 E tel que Y = f (X) )
et on a ;
1
8X 2 E : f (f (X)) = X
et
1
8Y 2 F : f (f (Y )) = Y

c’est à dire
1 1
f f = IdE et f f = IdF
Exemple 2.6
On considère l’application linéaire suivante :

f: R3 ! R3

(x; y; z) 7 ! (x + y; y; x 2z)

Soit Y = (x0 ; y 0 ; z 0 ) 2 R3 tel que Y = f (X):

On a :
Y = f (X) , (x0 ; y 0 ; z 0 ) = f (x; y; z) = (x + y; y; x 2z)
8
>
> x + y = x0
>
>
<
, y = y0
>
>
>
>
:
x 2z = z 0
8
>
> x = x0 y = x0 y 0
>
>
<
, y = y0
>
>
>
>
:
z = 12 (x z 0 ) = 21 (x0 y0 z0)
Donc, pour tout vecteur Y = (x0 ; y 0 ; z 0 ) 2 R3 , il existe un unique élément
X = x0 y 0 ; y 0 ; 12 (x0 y 0 z 0 ) 2 R3 tel que Y = f (X):
Alors l’application f est inversible et sa réciproque est dé…nie par :
1
f : R3 ! R3

(x0 ; y 0 ; z 0 ) 7 ! x0 y 0 ; y 0 ; 21 (x0 y0 z0)

 28

2.5 Exercices

Exercice 1
Soit f : R3 ! R2 une application dé…nie pour tout u = (x; y; z) 2 R3 par :

f (x; y; z) = (x + 2y z; x + y + z)

1. Montrer que f est linéaire

2. Déterminer ker f et Im f:

Exercice 2
Soit f un endomorphisme de R3 dont l’image de la base canonique B0 = fe1 ; e2 ; e3 g est
f (e1 ) = e1 3e2 + e3

f (e2 ) = 4e1 2e2 + 5e3

f (e3 ) = e1 + e2 + 3e3

1. Pour tout u = (x; y; z) 2 R3 ; déterminer f (u) :

2. Déterminer le noyau de f .
3. Donner une base de l’image de f:

Exercice 3
On considère l’application linéaire f : R4 ! R3 dé…nie par :

f (x1 ; x2 ; x3 ; x4 ) = (2x1 + x2 x4 ; x1 + 3x2 ; x3 4x4 )

Déterminer le noyau et l’image de f:

Exercice 4
Soit f : R3 ! R3 une application linéaire véri…ant :
f (1; 2; 4) = (3; 2; 1)

f (3; 0; 1) = (1; 4; 2)

f (0; 0; 2) = (0; 3; 5)

1. Calculer f (5; 3; 7) :
2. Déterminer f (x; y; z) où (x; y; z) 2 R3 :

Exercice 5
Soit E = Rn [X] l’espace vectoriel de polynômes de degré inférieur ou égale à n et f : E ! E
dé…nie par :
f (P ) = P + (1 X) P 0
Montrer que f est une application linéaire et donner une base de ker f et une base de Im f: