Cours d’algèbre Merouani Abdelbaki

Cours d’Algèbre II

CHAPITRE 2 : APPLICATION LINEAIRE

2021-2022
Chapitre 2

APPLICATIONS LINEAIRES

2.1 Application linéaire

Définition
Etant donné (E, +, ·), (F, +, ·) deux K−espaces vectoriels, une application f de E dans F ,
est dite application linéaire si et seulementsi :

1.∀u, v ∈ E : f (u + v) = f (u) + f (v)

2.∀u ∈ E; ∀λ ∈ K : f (λu) = λf (u)

L’ensemble des applications linéaires d’un espace vectoriel E dans un espace vectoriel F est
noté L (E, F ) .
Définition équivalente
Etant donné (E, +, ·), (F, +, ·) deux K−espaces vectoriels, une application f de E dans F ,
est dite application linéaire si et seulement si :

∀u, v ∈ E; ∀λ, β ∈ K : f (λu + βv) = λf (u) + βf (v)

29
Chapitre 2 APPLICATIONS LINEAIRES

Remarque
Dans la définition, on a noté ’+’ et ’·’ les lois de compositions sur E et sur F . Il faut prendre
garde au fait que les ensembles E et F contiennent des objets à priori différents, et
que les opérations sur ces objets différents n’ont à priori pas de rapport. Il est utile de se
demander de quelle loi il s’agit quand on lit la définition ci-dessus.
Proposition
Soit f une application linéaire de E dans F .
1. f (0E ) = 0F
2. ∀u ∈ E, f (−u) = −f (u).
Preuve
On a,
1. f (0E ) = f (0E + 0E ) = f (0E ) + f (0E ) =⇒ f (0E ) = 0F .
2. f (−u) + f (u) = f (−u + u) = f (0E ) = 0F =⇒ f (−u) = −f (u).
Exemples
1. L’application
f : R2 → R
u = (x, y) → f (u) = f (x, y) = 2x − y

est une application linéaire, car :

a. Pour tout u = (x, y) , v = (x0 , y 0 ) ∈ R2 :
On a
f (u + v) = f ((x, y) + (x0 , y 0 ))
= f (x + x0 , y + y 0 )
= 2 (x + x0 ) − (y + y 0 )
= (2x − y) + (2x0 − y 0 )
= f (u) + f (v)

b. Pour tout u = (x, y) ∈ R2 , λ ∈ K

30
Chapitre 2 APPLICATIONS LINEAIRES

On a
f (λu) = f (λ (x, y))
= f (λx, λy)
= 2 (λx) − (λy)
= λ (2x − y)
= λf (u)
2. L’application
f : R2 → R
u = (x, y) → f (u) = f (x, y) = 2x − 3
n’est pas une application linéaire, car : f (0R2 ) = −3 6= 0R
Remarques
1. La somme de deux applications linéaires est une application linéaire
2. Le produit d’une application linéaire par un scalaire est une application linéaire.
3. La composée de deux applications linéaires est une application linéaire.

2.2 Image et noyau d’une application linéaire

2.2.1 Image d’une application linéaire

Définition
Etant donnée f : E −→ F une application linéaire
L’image de f est le sous-ensemble de F constitué des images par f des éléments de E. On le
note

Imf = {f (u); u ∈ E}

Autrement dit
(v ∈ Imf ) ⇔ (∃u ∈ E; v = f (u))

31
Chapitre 2 APPLICATIONS LINEAIRES

Remarque
Une application linéaire f : E −→ F est surjective ⇐⇒ (Imf = F ).
Preuve
La caractérisation de la surjectivité est une simple traduction des définitions.
Proposition
L’image de f (Imf ) est un sous-espace vectoriel de F .
Preuve.
1. On a 0F ∈ Imf car f (0E ) = 0F .
2. Si v1 , v2 ∈ Imf alors pour tous λ1 , λ2 ∈ K, on a

λ1 v1 + λ2 v2 = λ1 f (u1 ) + λ2 f (u2 )
= f (λ1 u1 ) + f (λ2 u2 )
= f (λ1 u1 + λ2 u2 )

ce qui prouve que Imf est stable par combinaison linéaire.

Exemple
L’application linéaire

f : R3 → R3
u = (x, y, z) → f (u) = f (x, y, z) = (2y + z, 2x + z, x − y)

1. Déterminer son image.

2. L’application f est-elle surjective ?

32
Chapitre 2 APPLICATIONS LINEAIRES

Solution
1.
Imf = {f (u); u ∈ R3 }
= {f (x, y, z); (x, y, z) ∈ R3 }
= {(2y + z, 2x + z, x − y) ; (x, y, z) ∈ R3 }
= {(0, 2x, x) + (2y, 0, −y) + (z, z, 0) ; (x, y, z) ∈ R3 }
 v1 v v

 z }| { z }|2 { z }|3 { 
= x(0, 2, 1) + y (2, 0, −1) + z (1, 1, 0); (x, y, z) ∈ R3
 

2. C’est facile de vérifier que v1 , v2 , v3 sont liés donc dim (Imf ) ≺ 3, ce qui prouve que
Imf 6= R3 , et f n’est pas surjective.

2.2.2 Noyau d’une application linéaire

Définition
Etant donnée f : E −→ F une application linéaire
Le noyau de f est le sous-ensemble de E constitué des images réciproques du vecteur nul de
l’espace F [f −1 {0F }].
On le note

ker f = f −1 ({0F }) = {u ∈ E; f (u) = 0F }

Autrement dit

(u ∈ ker f ) ⇔ (f (u) = 0F )

La notation (ker) vient de l’allemand, où noyau se dit «Kern»

Remarque
Une application linéaire f : E −→ F est injective ⇐⇒ (ker f = {0E }).

33
Chapitre 2 APPLICATIONS LINEAIRES

Preuve
Supposons f injective. Si u ∈ ker f on a f (u) = 0F = f (0E ), donc u = 0E .
Réciproquement,
Supposons que ker f = {0E }. Si f (u1 ) = f (u2 ), on a f (u1 − u2 ) = f (u1 ) − f (u2 ) = 0F . Donc
u1 − u2 ∈ ker f, i.e. u1 = u2 .
Proposition
Le noyau de f (ker f ) est un sous-espace vectoriel de E.
Preuve.
1. On a 0E ∈ ker f car f (0E ) = 0F .
2. Si u1 , u2 ∈ ker f alors pour tous λ1 , λ2 ∈ K, on a

f (λ1 u1 + λ2 u2 ) = λ1 f (u1 ) + λ2 f (u2 )

= 0F + 0F
= 0F

ce qui prouve que ker f est stable par combinaison linéaire.

Exemple
L’application linéaire

f : R3 → R3
u = (x, y, z) → f (u) = f (x, y, z) = (2y + z, 2x + z, x − y)

1. Déterminer son noyau.

2. L’application f est-elle injective ?

34
Chapitre 2 APPLICATIONS LINEAIRES

Solution
1. On a (x, y, z) ∈ ker f si et seulement si f (x, y, z) = (0, 0, 0) c’est à dire



 2y + z = 0 .......... (1)

2x + z = 0 .......... (2)



x − y = 0 .......... (3)


2. De la troisième équation, on obtient x = y, on substitue dans l’équation (2), on obtient

2y + z = 0, d’òu z = −2y donc ker f = {(y, y, −2y)/y ∈ R} =
6 {(0, 0, 0)}
ker f n’est pas réduit au vecteur nul, et f n’est pas injective.

2.3 Rang d’une application. Theorème du rang

Définition
Soient E, F deux K-espaces de dimension finie et f ∈ L (E, F ). On appelle rang de f et
on note rg(f ) ; l’entier naturel défini par :

rg(f ) = dim(Imf )

Théorème du rang
Toute application linéaire f : E −→ F depuis un espace vectoriel E de dimension finie vérifie

dim E = dim ker f + rg f = dim E = dim ker f + dim(Imf )

Exemple
Soit l’application linéaire f définie par

f : R2 [X] → R2
P → f (P ) = (P (0), P (2))

35
Chapitre 2 APPLICATIONS LINEAIRES

Déterminer le rang de f.
Preuve
On utilise le Théorème du Rang,

ker f = {P ∈ R2 [X]/ f (P ) = 0}
ker f = {P ∈ R2 [X]/ (P (0), P (2)) = (0, 0)}
ker f = {P = aX 2 + bX + c/ (P (0), P (2)) = (0, 0)}
ker f = {P = aX 2 + bX + c/ (c, 4a + 2b + c) = (0, 0)}
  
  c=0 
ker f = P = aX 2 + bX + c/
  4a + 2b + c = 0 
  
  c=0 
2
ker f = P = aX + bX + c/
  b = −2a 

ker f = {aX 2 − 2aX / a ∈ R}

ker f = {a (X 2 − 2X) / a ∈ R} =⇒ dim (ker f ) = 1

D’après le théorème du Rang,

dim R2 [X] = dim (ker f ) + rg f ⇒ rg f = 2

2.4 Endomorphisme, isomorphisme, automorphisme

Endomorphisme
Definition
Une application linéaire d’un espace vectoriel E dans un espace vectoriel E est appélée
endomorphisme.
L’ensemble des endomorphismes de E est noté L (E) oubien Endo (E) .

36
Chapitre 2 APPLICATIONS LINEAIRES

Exemple
1. L’application

f : R2 → R2
u = (x, y) → f (u) = f (x, y) = (2x − y, x + y)
est un endomorphisme.

Isomorphisme
Definition
Une application linéaire d’un espace vectoriel E dans un espace vectoriel F qui est bijective
est appélée isomorphisme.
L’ensemble des isomorphismes de E dans F est noté Iso (E, F ) .
Exemple
1. L’application

f : R2 → R2
u = (x, y) → f (u) = f (x, y) = (x + y, x − y)
est un isomorphisme (injective + surjective)
2. L’application
f : R2 → R
u = (x, y) → f (u) = f (x, y) = 2y
n’est pas un isomorphisme ( f (1, 3) = f (2, 3) mais (1, 3) 6= (2, 3))
Définition
Etant donné f : E → F un isomorphisme. Alors L’application f −1 : F → E qui
à y dans F associe l’unique x ∈ E tel que f (x) = y est appelée bijection réciproque de f.
Exemple
1. L’application l’inverse de

f : R2 → R2
u = (x, y) → f (u) = f (x, y) = (x + y, x − y)

37
Chapitre 2 APPLICATIONS LINEAIRES

est

f −1 : R2 → R2
v = (a, b) → f −1 (v) = f −1 (a, b) = a+b a−b


2
, 2

Proposition

Soit f : E → F une application bijective, et f −1 : F → E sa bijection réciproque.

1. f −1 est bijective, et sa bijection réciproque est f .

2. f −1 ◦ f = IE et f ◦ f −1 = IF .

Automorphisme

Definition

Une application linéaire d’un espace vectoriel E dans un espace vectoriel E (Endomorphisme)
qui est bijective est appélée automorphisme.

L’ensemble des automorphismes de E est noté Aut (E) .

Exemple

1. L’application

f : R2 → R2
u = (x, y) → f (u) = f (x, y) = (x + y, x − y)

est un automorphisme.

Proposition

Soit f une application linéaire de E dans F avec dim E = dim F = n. On a alors les

38
Chapitre 2 APPLICATIONS LINEAIRES

équivalences suivantes :

f est un isomorphisme ⇐⇒ f est surjective

m
f est injective
m
dim (Imf ) = dimF
m
Imf = F
m
dim (ker f ) = 0
m
ker f = {0E }

39
Chapitre 2 APPLICATIONS LINEAIRES

2.5 Exercices

2.5.1 Exercices corrigés

Exercice 1
Soit l’application f définie de IR2 dans IR2 par :

f (x, y) = (2x − 4y, x − 2y)

1 Montrer que f est linéaire.

2 Déterminer ker f , et Imf et donner leurs dimensions
3. f est-elle bijectives ?
Correction
1.a. Pour tous u = (x, y) , v = (x0 , y 0 ) ∈ R2 :
On a
f (u + v) = f ((x, y) + (x0 , y 0 ))
= f (x + x0 , y + y 0 )
= (2 (x + x0 ) − 4 (y + y 0 ) , (x + x0 ) − 2 (y + y 0 ))
= (2x − 4y, x − 2y) + (2x0 − 4y 0 , x0 − 2y 0 )
= f (u) + f (v)

1.b. Pour tous u = (x, y, z) ∈ R2 , λ ∈ K

On a
f (λu) = f (λ (x, y))
= f (λx, λy)
= (2λx − 4λy, λx − 2λy)
= λ(2x − 4y, x − 2y)
= λf (u)

donc f est une application linéaire

40
Chapitre 2 APPLICATIONS LINEAIRES

2 Déterminons ker f, et Imf et donner leurs dimensions,

Le noyau

ker f = {(x, y) ∈ R2 / f (x, y) = 0}

ker f = {(x, y) ∈ R2 / (2x − 4y, x − 2y) = (0, 0, 0)}
  
  2x − 4y = 0 
ker f = (x, y) ∈ R2 /
  x − 2y = 0 

ker f = {(x, y) ∈ R2 / x − 2y = 0}
ker f = {(x, y) ∈ R2 / x = 2y}
ker f = {(2y, y) ∈ R2 / y ∈ R}
ker f = {y (2, 1) ∈ R2 / y ∈ R} [f n’est pas injective]
Et dim ker f = 1

L’image

Imf = {f (x, y) ∈ R2 / (x, y) ∈ R2 }

Imf = {(2x − 4y, x − 2y)/ (x, y) ∈ R2 }
Imf = {(2x, x) + (−4y, −2y)/ (x, y) ∈ R2 }
Imf = {x(2, 1) + y(−4, −2)/ (x, y) ∈ R2 }

Ainsi Imf est engendré par deux vecteur qui ne sont pas libre car (−4, −2) = −2(2, 1) alors
dim Imf = 1
Oubien
On remarque que la dimension de l’ensemble de départ est égale à la dimension de l’ensemble
d’arrivée de f , alors

dim (ker f ) + dim (Imf ) = dimR2 =⇒ dim Imf = 2 − 1 = 1.

41
Chapitre 2 APPLICATIONS LINEAIRES

3. f n’est pas bijective car il n’est ni injective ni surjective

Exercice 2
Soit

f : R3 → R3
u = (x, y, z) → f (u) = f (x, y, z) = (−2x + y + z, 4y, x − 2y + z)

1. Montrer que f est linéaire.

2. Donner ker f , en déduire rg f .
3. Calculer Imf .
Correction
1.a. Pour tous u = (x, y, z) , v = (x0 , y 0 , z 0 ) ∈ R3 :
On a

f (u + v) = f ((x, y, z) + (x0 , y 0 , z 0 ))
= f (x + x0 , y + y 0 , z + z 0 )
= (−2 (x + x0 ) + (y + y 0 ) + (z + z 0 ) , 4 (y + y 0 ) , (x + x0 ) − 2 (y + y 0 ) + (z + z 0 ))
= (−2x + y + z, 4y, x − 2y + z) + (−2x0 + y 0 + z 0 , 4y 0 , x0 − 2y 0 + z 0 )
= f (u) + f (v)

1.b. Pour tous u = (x, y, z) ∈ R3 , λ ∈ K

On a
f (λu) = f (λ (x, y, z))
= f (λx, λy, λz)
= (−2λx + λy + λz, 4λy, λx − 2λy + λz)
= λ (−2x + y + z, 4y, x − 2y + z)
= λf (u)

donc f est une application linéaire

42
Chapitre 2 APPLICATIONS LINEAIRES

2. Le noyau

ker f = {(x, y, z) ∈ R3 / f (x, y, z) = 0}

ker f = {(x, y, z) ∈ R3 / (−2x + y + z, 4y, x − 2y + z) = (0, 0, 0)}
  





 −2x + y + z = 0  

  
3
ker f = (x, y, z) ∈ R / 4y = 0

 
 

  
x − 2y + z = 0
  

ker f = {(0, 0, 0)} [f injective]

donc rg f = dim R3 − dim ker f = 3.

3. Imf = R3 [f surjective] d’après la question précédente, donc on peut prendre la base
suivante
BImf = {(−2, 0, 1) (1, 4, −2) (1, 0, 1)}

Exercice 3
Dans l’espace vectoriel R[X] des polynômes, on considère l’application “décalage” suivante

D : R[X] → R[X]
P (X) → D (P (X)) = P (X + 1)
1. L’application D est-elle linéaire ?
2. Décrire son image (ImD). Cette application est-elle un surjective ?
3. Décrire son noyau (ker D). Cette application est-elle injective ?
4. L’application D est-elle un isomorphisme ? Si oui, décrire son application linéaire réci-
proque.
Correction
1. On a : pour toute paire P, Q de R[X] et pour toute paire α, βde nombres réels, on a

D(αP + βQ) = (αP + βQ)(X + 1) = (αP ) (X + 1) + (βQ) (X + 1) = αD(P ) + βD(Q)

43
Chapitre 2 APPLICATIONS LINEAIRES

L’application D est donc linéaire.

2. Tout polynôme peut s’écrire comme l’image par D d’un autre.
Soit
Q(X) = b0 + b1 X + ... + bn X n ,

On considère le polynôme

P (X) = Q(X − 1)

On a alors que Q(X) = P (X + 1) = D(P ). L’image de l’opération de décalage est donc

l’espace des polynômes tout entier

ImD = R[X]

L’application D est donc injective (appelée aussi un épimorphisme).

3. On cherche les polynômes

P (X) = a0 + a1 X + +an X n

dont l’image par l’opération de décalage est nulle, i.e. P (X + 1) = 0.

ker D = {P (X) = a0 + a1 X + +an X n ∈ R[X]/ D (P ) = 0}

ker D = {P (X) = a0 + a1 X + +an X n ∈ R[X]/ P (X + 1) = 0}
Ceci signifie que le polynôme Q(X) = P (X + 1) = 0 est nul. Ainsi, P (X) = Q(X − 1) = 0 et

ker D = {0}

Comme le noyau de cette application est réduit au polynôme nul, elle est injective (appelée
aussi un monomorphisme)
4. L’application de décalage est à la fois surjective et injective, donc elle est bijective (appelée
aussi un isomorphisme).

44
Chapitre 2 APPLICATIONS LINEAIRES

5. On sait que l’application réciproque de D est encore linéaire. Il est facile de voir que cette
application réciproque est donnée par le décalage inverse :

D−1 : R[X] → R[X]

Q (X) → D−1 (Q (X)) = P (X − 1)
Il s’agit bien d’une application linéaire, par les mêmes arguments qu’à la première question

Exercice 4
Soit E = C ∞ (R) et Φ une application linéaire avec

Φ : E = C ∞ (R) → E = C ∞ (R)
f → Φ(f ) = f 0

1. Quel est le noyau de Φ ?

2. Quelle est son image ?
3. Φ est-elle injective ? surjective ?
Correction
1. Une fonction f : R → R a sa dérivée nulle si et seulement si elle est constante. Le noyau
de Φ est donc l’ensemble des fonctions constantes.
2. D’autre part, si g est une fonction de classe C ∞ (R) sur R, alors elle admet une primitive
f qui est donc elle aussi de classe C ∞ (R), c’est-à-dire élément de E. On a alors Φ(f ) = g, ce qui
signifie que
Im(Φ) = E.
3.a ker(Φ) = {f ∈ C ∞ (R)/ f est constante}, donc Φ n’est pas injective
[Link] la deuxième question Im(Φ) = E. donc Φ est surjective.

Exercice 5
Soit f un endomorphisme de E un espace vectoriel.
1. Montrer que ker(f ) ⊂ ker(f 2 ).

45
Chapitre 2 APPLICATIONS LINEAIRES

2. Montrer que Im(f 2 ) ⊂ Im(f ).

Correction
1. Soit x ∈ ker(f ), f (x) = 0E , donc f 2 (x) = f (f (x)) = f (0E ) = 0E donc x ∈ ker(f 2 ), ce qui
montre que
ker(f ) ⊂ ker(f 2 )

2. Soit y ∈ Im(f 2 ), il existe x ∈ E tel que y = f 2(x) = f (f (x)), autrement dit il existe
x0 = f (x) tel que y = f (x0), ce qui montre que y ∈ Im(f ).
Exercice 6
Soit E et F deux espaces vectoriels de dimensions finies et u, v ∈ L (E, F ).
1. Montrer que rg(u + v) ≤ rg(u) + rg(v).
2. En déduire que|rg(u) − rg(v)| ≤ rg(u + v).
Correction
1. Par la formule

dim(G + H) = dim(G) + dim(H) − dim(G ∩ H),

On sait que dim(G + H) ≤ dim(G) + dim(H). Pour G = Imu et H = Imv on obtient :

dim(Imu + Imv) ≤ dim Imu + dim Imv

Or Im(u + v) ⊂ Imu + Imv. Donc

rg(u + v) ≤ rg(u) + rg(v)

2. On applique la formule précédente à u + v et −v :

rg((u + v) + (−v)) ≤ rg(u + v) + rg(−v)

Or rg(−v) = rg(v) donc rg(u) ≤ rg(u + v) + rg(v). Donc rg(u) − rg(v) ≤ rg(u + v).
On recommence en échangeant u et v pour obtenir :

|rg(u) − rg(v)| ≤ rg(u + v).

46
Chapitre 2 APPLICATIONS LINEAIRES

2.5.2 Exercices supplémentaires

Exercice1
Déterminer si les applications fi suivantes sont linéaires :
 
 f : R2 → R2  f: R3 → R3
1. 2.
 (x, y) → (3x + y, x − y)  (x, y, z) → (xy, −x, y)
 
 f: R3 → R3  f : R3 [X] → R3
3. 4.
 (x, y, z) → (3x + y + z, y − z, x + y)  P → (P (−1), P (0), P (1))

Exercice 2
Soit f : R3 → R2 définie pour tout u = (x, y, z) ∈ R3 par

f : R3 → R2
u = (x, y, z) → f (u) = f (x, y, z) = (x + y + z, 2x + y − z)

1. Montrer que f est linéaire.

2. Déterminer ker f .

Exercice 3
Soit E = Rn[X] l’espace vectoriel de polynômes de degré inférieur ou égale à n et f : E → E
définie par :

f (P ) = P + (1 − X)P 0

1 Montrer que f est un endomorphisme de Rn[X]

2 Déterminer une base de Imf .
3 Déterminer une base de ker f.
4 Montrer que Imf et ker f sont supplémentaires dans Rn[X]

47
Chapitre 2 APPLICATIONS LINEAIRES

Exercice 4
Soit B = (e1 , e2 , e3 ) la base canonique de R3
Soit f : R3 → R3 un endomorphisme de R3 défini par :

f (e1 ) = 2e1 + e2 + 3e3

f (e2 ) = e2 − 3e3
f (e3 ) = −2e2 + 2e3

1. Soit u = (x, y, z) ∈ R3 un vecteur. Déterminer l’image par f du vecteur u. (Calculer f (u)).

2. Soient
E = {u ∈ R3 , f (u) = 2u}
F = {u ∈ R3 , f (u) = −u}
Montrer que E et F sont des sous-espaces vectoriels de R3 .
3. Déterminer une base de E et une base de F .
4. Y a-t-il E ⊕ F = R3 ?

Exercice 5
Soit f un endomorphisme d’un K-espace vectoriel E.
Montrer que
1. Imf ∩ ker f = {0E } ⇐⇒ ker f = ker f 2 .
2. E = Imf + ker f ⇐⇒ Imf = Imf 2 .

Exercice 6
Soient f et g deux endomorphismes de E tels qu

f ◦g =g◦f

Montrer que ker f et Imf sont stables par g

48