Chapitre 22

Applications linéaires

Table des matières

1 Définitions et premières propriétés 3
1.1 Application linéaire . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.2 Opérations sur les applications linéaires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.2.1 Combinaisons linéaires d’applications linéaires. . . . . . . . . . . . . . . . . . . . . . . . . 4
1.2.2 Composition d’applications linéaires. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.3 Isomorphismes, endomorphisme, automorphisme, forme linéaire. . . . . . . . . . . . . . . . . . . 5
1.3.1 Isomorphismes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.3.2 Endomorphismes et automorphismes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.3.3 Formes linéaires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.4 Matrice d’une application linéaire en dimension finie. . . . . . . . . . . . . . . . . . . . . . . . . 7

2 Noyau et Image 8
2.1 Noyau d’un application linéaire . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
2.2 Image d’une application linéaire . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8

3 Applications linéaires en dimension finie 9

3.1 Image et noyau en dimension finie. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
3.1.1 Image d’une famille génératrice . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
3.1.2 Image d’une base par une application linéaire . . . . . . . . . . . . . . . . . . . . . . . . 9
3.2 Rang d’une application linéaire, théorème du rang. . . . . . . . . . . . . . . . . . . . . . . . . . 10
3.3 Isomorphismes en dimension finie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
3.3.1 Espaces vectoriels isomorphes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
3.3.2 Caractérisation des isomorphismes pour des espaces de même dimension . . . . . . . . . . 11
3.3.3 Caractérisation des automorphismes en dimension finie. . . . . . . . . . . . . . . . . . . . 11
3.4 Rang d’une matrice . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12

4 Projecteurs et symétries. 13

5 Compléments : Opérations sur les endomorphismes, polynômes d’endomorphismes 15

2 Applications linéaires

ECS1 - Mathématiques (∗) : minimum vital | (∗∗) : au programme | (∗ ∗ ∗) : Pour les Experts
Applications linéaires 3

Dans tout ce chapitre, sauf mention explicite, R = peut être remplacé par C.

1 Définitions et premières propriétés

1.1 Application linéaire

Définition 1. (Application linéaire)

Une application f est dite linéaire si elle va d’un R-espace vectoriel E dans un R-espace vectoriel F et est telle
que :
∀(u, v) ∈ E 2 , ∀a, b ∈ R, f (au + bv) = af (u) + bf (v).

Remarque.
Cette définition est équivalente à demander les deux conditions suivantes :

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

2. ∀a ∈ R, ∀u ∈ E, f (au) = af (u)

Il est donc possible de vérifier ces deux points séparément si cela apporte plus de clarté au raisonnement.

Remarque.
Cette définition est encore équivalente à demander la condition suivante :

∀u, v ∈ E, ∀a ∈ R, f (au + v) = af (u) + f (v)

On peut donc se contenter de vérifier cette égalité pour prouver qu’une application est linéaire.

Proposition 1. (Applications linéaires de référence.)

Pour toutes les applications ci-dessous, on pourra affirmer qu’elles sont linéaires sans le justifier.
(
E −→ E
• L’application nulle est linéaire.
u 7−→ 0E
(
E −→ E
• L’application "identité de E", idE : est linéaire.
u 7−→ u

• L’application dérivation est linéaire.

(
Mn (R) −→ Mn (R)
• L’application transposée est linéaire.
M 7−→ t M
(
Mn,1 (R) −→ Mp,1 (R)
• Pour tout matrice A ∈ Mn,p (R), l’application ϕA : est linéaire.
X 7−→ AX

(∗) : minimum vital | (∗∗) : au programme | (∗ ∗ ∗) : Pour les Experts ECS1 - Mathématiques
4 Applications linéaires

Définition 2. (Ensemble des applications linéaire.)

On note L (E, F ) l’ensemble des applications linéaires de E dans F .

Écrire f ∈ L (E, F ) signifie donc que f est une application linéaire de E dans F .

Proposition 2. (Image du vecteur nul et linéarité sur n vecteurs.)

Soit f ∈ L (E, F ).

1. f (0E ) = 0F .

2. ∀n ∈ N∗ , ∀(u1 , . . . , un ) ∈ E n , ∀(a1 , . . . , an ) ∈ Rn ,

f (a1 u1 + · · · + an un ) = a1 f (u1 ) + · · · + an f (un ).

1.2 Opérations sur les applications linéaires

1.2.1 Combinaisons linéaires d’applications linéaires.
Proposition 3. (Une combinaison linéaire d’applications linéaires est linéaire)

Soient E et F deux espaces vectoriels et f, g ∈ L (E, F ) et (λ, µ) ∈ R. Alors λf + µg ∈ L (E, F ).

Proposition 4. (L (E, F ) est un espace vectoriel.)

Soient E et F deux espaces vectoriels.

L (E, F ) est un sous-espace vectoriel de l’espace vectoriel des applications de E dans F

1.2.2 Composition d’applications linéaires.

Proposition 5. (Composée de deux applications linéaires)

Soient E,F , G trois espaces vectoriels et f ∈ L (E, F ), g ∈ L (F, G), alors g ◦ f ∈ L (E, G).

Autrement dit : la composée de deux applications linéaires est une application linéaire.

Attention ! Comme pour les fonctions réelles, en général,

f ◦ g 6= g ◦ f

ECS1 - Mathématiques (∗) : minimum vital | (∗∗) : au programme | (∗ ∗ ∗) : Pour les Experts
Applications linéaires 5

1.3 Isomorphismes, endomorphisme, automorphisme, forme linéaire.

1.3.1 Isomorphismes
Définition 3. (isomorphisme)
Soient E et F deux espaces vectoriels.

On appelle isomorphisme de E sur F toute application linéaire et bijective de E sur F .

Méthode à retenir no 1
Montrer qu’une application linéaire est un isomorphisme et déterminer f −1

Attention ! Cette méthode est utile si on veut déterminer f −1 . Si on veut seulement prouver que f est
un isomorphisme, on appliquera en général la proposition 26.

1. On montre déjà que f est linéaire

2. On montre ensuite que pour tout v ∈ F , l’équation f (u) = v admet une unique solution u ∈ E.
Cette solution donne alors l’expression de f −1 .

Proposition 6. (Caractérisation d’un isomorphisme)

Soient E et F deux espaces vectoriels et f ∈ L (E, F ).
f est un isomorphisme si et seulement si il existe g ∈ L (F, E) telle que g ◦ f = idE et f ◦ g = idF .
Dans ce cas, g = f −1 .

Proposition 7. (La réciproque d’un isomorphisme est linéaire.)

Soient E et F deux espaces vectoriels et f un isomorphisme de E de sur F .
Alors f −1 est linéaire et c’est donc un isomorphisme de F sur E.

Proposition 8. (La composée de deux isomorphismes est un isomorphisme.)

Soient f : E → F et g : F → G deux isomorphismes. Alors g ◦ f est un isomorphisme et (g ◦ f )−1 = f −1 ◦ g −1 .

Remarque. On voit qu’il y a une analogie très forte avec le résultat vu sur les matrices (Si A et B sont
inversibles, alors AB aussi et (AB)−1 = B −1 A−1 ). On verra plus loin qu’il y a en effet un lien très étroit entre
les applications linéaires en dimension finie et les matrices.

(∗) : minimum vital | (∗∗) : au programme | (∗ ∗ ∗) : Pour les Experts ECS1 - Mathématiques
6 Applications linéaires

1.3.2 Endomorphismes et automorphismes

Définition 4. (endomorphisme)
Soit E un espace vectoriel.

On appelle endomorphisme de E tout application linéaire de E dans lui-même.

On note L (E) (plutôt que L (E, E)) l’ensemble des endomorphismes de E.

Définition 5. (automorphisme)
Soit E un espace vectoriel.

On appelle automorphisme de E tout endomorphisme de E qui est aussi un isomorphisme.

On note GL(E) l’ensemble des automorphismes de E.

Remarque. Un automorphisme est donc un endomorphisme bijectif.

Proposition 9. (Stabilité de GL(E) par passage à la réciproque et par composition)

Soient f, g ∈ GL(E). f −1 ∈ GL(E) et f ◦ g ∈ GL(E).

Autrement dit : GL(E) est stable par passage à la réciproque et par composition.

Remarque. On pourra (pour une fois) se passer de retenir la proposition ci-dessus car c’est une conséquence
directe des propositions 7 et 8.

1.3.3 Formes linéaires

Définition 6. (forme linéaire)
Soit E un R-espace vectoriel.

On appelle forme linéaire sur E tout application linéaire de E sur R.

Remarque. Cette définition est bien licite car R est bien un R-espace vectoriel.

Attention ! On pensera bien au fait que si E est une C-espace vectoriel une forme linéaire sur E est une
application linéaire de E sur C.

ECS1 - Mathématiques (∗) : minimum vital | (∗∗) : au programme | (∗ ∗ ∗) : Pour les Experts
Applications linéaires 7

1.4 Matrice d’une application linéaire en dimension finie.

Définition 7. (Matrice d’une application linéaire dans deux bases.)
soient E et F des espaces vectoriels de dimension finie et BE = (e1 , . . . , ep ) et BF = (b1 , . . . , bn ), respective-
ment une base de E et de F .
Soit f ∈ L (E, F ) on appelle matrice de f dans les bases BE et BF la matrice de Mn,p (R) notée MatBF ,BE (f )
définie par (MatBF ,BE (f ))i,j = ai,j où pour tout i ∈ J1, nK et tout j ∈ J1, nK, ai,j représente la i-ème coordonnée
de f (ej ) dans la base BF .

Proposition 10. (Composition des applications linéaires et produit matriciel)

Soient E ,F , G trois espaces vectoriels de dimension finie et BE , BF et BG des bases de ces espaces.
Soit f ∈ L (E, F ) et g ∈ L (F, G). On note M la matrice de f dans les base BE et BF et N celle de g dans
les bases BF et BG .

La matrice de g ◦ f dans les bases BE et BG est N × M .

Proposition 11. (Caractérisation des isomorphismes)

Soit f ∈ L (E, F ) avec E et F deux espaces vectoriels de dimension finie et M la matrice de f dans des bases
de E et de F .

f est un isomorphisme de E sur F si et seulement M est carrée inversible.

Le cas échéant, la matrice de f −1 dans ces mêmes bases est M −1 .

Proposition 12. (condition nécessaire d’isomorphisme)

Soit f ∈ L (E, F ) avec E et F deux espaces vectoriels de dimension finie.

Si f est un isomorphisme de E sur F alors dim E = dim F .

Attention ! La réciproque est fausse, on peut avoir dim E = dim F sans que f ne soit un isomorphisme.

(∗) : minimum vital | (∗∗) : au programme | (∗ ∗ ∗) : Pour les Experts ECS1 - Mathématiques
8 Applications linéaires

2 Noyau et Image
2.1 Noyau d’un application linéaire
Définition 8. (Noyau d’un application linéaire)
Soit f ∈ L (E, F ). On appelle noyau de f l’ensemble noté Ker f (ou Ker(f )) défini par :

Ker f = {u ∈ E |f (u) = 0F }

C’est donc l’ensemble des antécédents du vecteur nul 0F . On a évidemment Ker f ⊂ E.

Proposition 13. (Ker f est un sous-espace vectoriel)

Soit f ∈ L (E, F ).
Ker f est un sous-espace vectoriel de E.

Proposition 14. (Critère d’injectivité d’une application linéaire)

Soit f ∈ L (E, F ).
f est injective si et seulement si Ker f = {0E }

Attention ! Cette propriété n’est valable que si f est linéaire !

2.2 Image d’une application linéaire

Définition 9. (Image d’une application linéaire)
Soit f ∈ L (E, F ).
L’image de f , notée Im f ou Im(f ) est l’ensemble :
n o n o
Im f = f (u) |u ∈ E = v ∈ F |∃u ∈ E, v = f (u) .

On a évidemment Im f ⊂ F .

Remarque.

1. Attention, Im f ne signifie pas du tout "la partie imaginaire de f " ce qui n’a aucun sens.

2. Im f est donc l’ensemble des images par f .

Proposition 15. (Im f est un sous-espace vectoriel)

Soit f ∈ L (E, F ).
Im f est un sous-espace vectoriel de F .

Proposition 16. (Caractérisation de la surjectivité d’une application linéaire)

Soit f ∈ L (E, F ).
f est surjective si et seulement si Im f = F .

ECS1 - Mathématiques (∗) : minimum vital | (∗∗) : au programme | (∗ ∗ ∗) : Pour les Experts
Applications linéaires 9

3 Applications linéaires en dimension finie

3.1 Image et noyau en dimension finie.
3.1.1 Image d’une famille génératrice

Définition 10. (Image d’une famille de vecteurs)

Soit f ∈ L (E, F ) et F = (u1 , . . . , un ) une famille de vecteurs de E.

On a appelle image de F par f la famille (f (u1 ), . . . , f (un ))

Proposition 17. (Image d’une famille génératrice par une application linéaire.)
Soit E un espace vectoriel de dimension finie et F un espace vectoriel quelconque et f ∈ L (E, F ).

L’image d’une famille génératrice de E est une famille génératrice de Im f .

Remarque. Dans cette proposition, seul E doit être de de dimension finie, F peut être de dimension infinie.

3.1.2 Image d’une base par une application linéaire

L’image d’une base par une application linéaire nous donne beaucoup d’informations sur cette application.

Proposition 18. (Image d’une base par une application linéaire.)

Soit E un espace vectoriel de dimension finie et F un espace vectoriel quelconque et f ∈ L (E, F ).

L’image d’une base de E est une famille génératrice de Im f .

Proposition 19. (Image d’une base par une application linéaire.)

Soit E un espace vectoriel de dimension finie et F un espace vectoriel quelconque et f ∈ L (E, F ).
Soit B une base de E.

• f est injective si et seulement si l’image de B est une famille libre de F .

• f est surjective si et seulement si l’image de B est une famille génératrice de F .

• f est un isomorphisme si et seulement si l’image de B est une base de F .

Méthode à retenir no 2
Déterminer une base de Im f .

1. Prendre une famille génératrice (e1 , . . . , en ) de E (en général on prend la base canonique) et calculer
f (e1 ), f (e2 ), . . . , f (en ) qui est donc une famille génératrice de Im f .
 
2. Déterminer si f (e1 ), . . . , f (en ) est libre. Si ce n’est pas le cas, enlever les vecteurs qui sont
combinaison linéaire des autres pour obtenir une sous-famille libre.

(∗) : minimum vital | (∗∗) : au programme | (∗ ∗ ∗) : Pour les Experts ECS1 - Mathématiques
10 Applications linéaires

Proposition 20. (Application linéaire définie par les images d’une base)
Soient E un espace vectoriel et de dimension finie, F un espace vectoriel (quelconque) et (e1 , . . . , en ) une base
de E, (v1 , . . . , vn ) une famille de vecteurs de F .

Il existe une unique application linéaire f ∈ L (E, F ) telle que l’image de (e1 , . . . , en ) par f soit la famille
(v1 , . . . , vn ).

Autrement dit : On définit complètement une application linéaire en donnant les images des vecteurs d’une
base.

3.2 Rang d’une application linéaire, théorème du rang.

Définition 11. (Rang d’une application linéaire)
Soient E et F des espaces vectoriels de dimension finie et f ∈ L (E, F ).
On appelle rang de f et on note rg f la dimension de l’image de f :
 
rg f = dim Im f .

Proposition 21. (Théorème du rang)

Soient E et F des espaces vectoriels de dimension finie et f ∈ L (E, F ).
On a :  
dim Ker(f ) + rg f = dim(E).

Autrement dit :    
dim Ker(f ) + dim Im f = dim(E).

Proposition 22. (Caractérisation de l’injectivité et de la surjectivité par le rang.)

On suppose que F est aussi un espace vectoriel de dimension finie. Soit f ∈ L (E, F ).

1. f est injective si et seulement si rg f = dim E.

2. f est surjective si et seulement si rg f = dim F .

Proposition 23. (Un hyperplan est toujours le noyau d’une forme linéaire non nulle.)

H est un hyperplan de E si et seulement si H = Ker f où f est une forme linéaire non nulle.

ECS1 - Mathématiques (∗) : minimum vital | (∗∗) : au programme | (∗ ∗ ∗) : Pour les Experts
Applications linéaires 11

3.3 Isomorphismes en dimension finie

3.3.1 Espaces vectoriels isomorphes
Définition 12. (Espaces vectoriels isomorphes)

Deux espaces vectoriels E et F sont dits isomorphes s’il existe un isomorphisme de E sur F .

Proposition 24. (Espaces vectoriels isomorphes)

Soient E et F des espaces vectoriels de dimension finie.

E et F sont isomorphes si et seulement si dim E = dim F .

Proposition 25. (Espaces vectoriels de dimension n et Rn )

Un espace vectoriel de dimension n est toujours isomorphe à Rn .

3.3.2 Caractérisation des isomorphismes pour des espaces de même dimension

Proposition 26. (Caractérisation des isomorphismes pour des espaces de même dimension)
Soient E et F des espaces vectoriels de dimension finie tels que dim E = dim F .
Soit f ∈ L (E, F ).

f est un isomorphisme ⇐⇒ f est injective ⇐⇒ f est surjective.

Autrement dit : pour montrer la surjectivité de f il suffit de montrer son injectivité et réciproquement.

Remarque. En pratique, il est souvent plus simple de montrer que f est injective.

3.3.3 Caractérisation des automorphismes en dimension finie.

Dans le cas où f est un endomorphisme en dimension finie, les conditions de la proposition 26 sont automati-
quement vérifiées et cela donne la proposition suivante :

Proposition 27. (Caractérisation des automorphismes en dimension finie)

Soient E un espace vectoriel de dimension finie et f un endomorphisme de E.

f est un automorphisme ⇐⇒ f est injectif ⇐⇒ f est surjectif.

Autrement dit : En dimension finie :

• un endomorphisme est un automorphisme si et seulement si il est injectif.

• un endomorphisme est un automorphisme si et seulement si il est surjectif.

En général, pour prouver qu’un endomorphisme est un automorphisme (en dimension finie), on cherchera à
prouver qu’il est injectif car c’est souvent plus facile à montrer que la surjectivité.

(∗) : minimum vital | (∗∗) : au programme | (∗ ∗ ∗) : Pour les Experts ECS1 - Mathématiques
12 Applications linéaires

3.4 Rang d’une matrice

Définition 13. (Rang d’une matrice)
Soit M ∈ Mn,p (K) et c1 , . . . , cp les vecteurs de Kn définies par les colonnes de M dans la base canonique. On
appelle rang de M le rang de la famille (c1 , . . . , cp ).

Exemple 1.    
1 1 1 1 1 1
Déterminer le rang de 1 0 −1 et le rang de 1 1 1
   
2 0 1 1 1 1

Proposition 28. (Lien entre le rang d’une matrice et le rang de l’application linéaire associée.)
Soit f ∈ L (E, F ), et A sa matrice associée dans des bases fixées de E et F . Alors rg(f ) = rg(A)
A ∈ Gln (K) ⇔ rg(A) = n

Proposition 29. (Rang et transposée)

Soit A ∈ Mn,p (K). rg(A) = rg(t A)

ECS1 - Mathématiques (∗) : minimum vital | (∗∗) : au programme | (∗ ∗ ∗) : Pour les Experts
Applications linéaires 13

4 Projecteurs et symétries.

Définition 14. (Projecteurs)

Soit F et G deux sous-espaces vectoriels supplémentaires de E (E = F ⊕ G).
Ainsi, pour tout u ∈ E, il existe un unique couple (uF , uG ) avec uF ∈ F et uG ∈ G tels que u = uF + uG .

On appelle projecteur (ou projection) sur F parallèlement à G l’application linéaire p telle que p(u) = uF .
De même on appelle projecteur sur G parallèlement à F l’application q telle que q(u) = uG .
p et q sont appelés projecteurs associés à la somme directe E = F ⊕ G.

• Voir ici l’illustration dans R2 .

• Voir ici l’illustration dans R3 .

Proposition 30. (Image et noyau d’un projecteur ***)

Soit p le projecteur sur F parallèlement à G. Alors Imp = F et Ker p = G.
En particulier E = Ker p ⊕ Imp.

Proposition 31. (propriétés des projecteurs.)

Soit p le projecteur sur F parallèlement à G et q le projecteur sur G parallèlement à F .

• p + q = idE

• p◦q =q◦p=0

• Imp = Ker (p − idE )

Proposition 32. (Caractérisation des projecteurs ***)

Réciproquement, soit p ∈ L (E).

p est un projecteur si et seulement si p2 = p.

Dans ce cas, p est un projecteur sur Imp parallèlement à Ker p et on a donc E = Ker p ⊕ Imp.

Remarque. p2 signifie p ◦ p

Définition 15. (symétrie)

Soit F et G tels que E = F ⊕ G. On appelle symètrie par rapport à F parallèlement à G l’endomorphisme s
vérifiant s(u) = uF − uG .
On a donc s = p − q = 2p − idE = idE − 2q.

Proposition 33. (Propriétés des symétries)

On a s ◦ s = idE et E1 = Ker (s − idE ) et E2 = Ker (s + idE ).

Sur le dessin ci-dessous est représenté un plan F et une droite G et pour un vecteur u, p(u) la projection de ce
vecteur sur F parallèlement à G et s(u) la symétrie par rapport à F parallèlement à G.

(∗) : minimum vital | (∗∗) : au programme | (∗ ∗ ∗) : Pour les Experts ECS1 - Mathématiques
14 Applications linéaires

ECS1 - Mathématiques (∗) : minimum vital | (∗∗) : au programme | (∗ ∗ ∗) : Pour les Experts
Applications linéaires 15

5 Compléments : Opérations sur les endomorphismes, polynômes d’endomor-

phismes

Définition 16. (endomorphismes qui commutent)

Soient f et g deux endomorphismes de E.

On dit que f et g commutent lorsque f ◦ g = g ◦ f .

Exemple 2. L’application nulle et idE commutent avec tous les endomorphismes de E

Remarque. Seuls des endomorphismes peuvent commuter. En effet, si f et g sont des applications linéaires 
définies respectivement sur E et E 0 et que f et g commutent. Alors pour tout x ∈ E, on doit avoir g f (x) =
 
f g(x) . Donc il faut que g(x) soit définie pour tout x ∈ E ce qui signifie que g doit être définie sur E donc
 
que E 0 soit égal à E. De même il faut que g f (x) soit définit donc il faut que, pour tout x, f (x) ∈ E, donc
que f appartienne à L (E) et de même on montre que pour tout x ∈ E, on doit avoir g(x) ∈ E donc g doit
être un endomorphisme de E.

Définition 17. (Puissances d’un endomorphisme)

Soit f ∈ L (E) et n ∈ N. On note f n l’endomorphisme de E défini par :






 idE Si n = 0
n
f =



 f ◦ ··· ◦ f sinon

 | {z }
composée n fois

Exemple 3.
Soit f : R3 → R3 définie par f (x, y, z) = (2x − y, x + 3y − z, x + y). Calculer f 2

Solution rédigée de l’exemple 3

f et bien un endomorphisme (de R3 ) donc f 2 est bien définie.

(∗) : minimum vital | (∗∗) : au programme | (∗ ∗ ∗) : Pour les Experts ECS1 - Mathématiques
16 Applications linéaires

Soit (x, y, z) ∈ R3 , on a :

f 2 (x, y, z) = f ◦ f (x, y, z)
 
= f f (x, y, z)
= f (2x − y , x + 3y − z , x + y )
| {z } | {z } | {z }
X Y Z
= (2X − Y, X + 3Y − Z, X + Y )
= (4x − 2y − x − 3y + z, 2x − y + 3x + 9y − 3z − x − y, 2x − y + x + 3y − z)

= (3x − 5y + z, 4x + 7y − 3z, 3x + 2y − z)

Proposition 34. (Règles de calcul sur les puissances d’endomorphismes)

Soit f ∈ L (E).
∀n, m ∈ N, f n ◦ f m = f n+m et (f n )m = f nm = (f m )n .

Remarque. On en déduit que deux puissances f n et f m d’un même endomorphisme commutent :

f n ◦ f m = f n+m = f m+n = f m ◦ f n .

Proposition 35. (formule du binôme de Newton)

Si f et g ∈ L (E) commutent, alors on peut appliquer la formule du binôme de Newton :
n
!
X n k
∀n ∈ N, (f + g)n = f ◦ g n−k
k=0
k

On fera bien attention au ◦ qui apparaît dans la somme. On voit qu’il faut être particulièrement rigoureux quand
on applique cette formule !

Exemple 4.
soit f ∈ L (E). f commute avec idE donc :

(f + idE )2 = f 2 + 2f ◦ idE + (idE )2

= f 2 + 2f + idE .

On alors, pour tout u ∈ E :

(f + idE )2 (u) = f 2 (u) + 2f (u) + idE (u) = f 2 (u) + 2f (u) + u

ECS1 - Mathématiques (∗) : minimum vital | (∗∗) : au programme | (∗ ∗ ∗) : Pour les Experts
Applications linéaires 17

Définition 18. (Polynôme d’endomorphisme)

Soit f ∈ L (E) et P = a0 + a1 X + · · · + an X n ∈ K[X].

On note P (f ) l’endomorphisme de E défini par :

P (f ) = a0 idE + a1 f + · · · + an f n .

On a alors, pour tout u ∈ E :

P (f ) (u) = a0 u + a1 f (u) + · · · + an f n (u).

On dit que P est un polynôme annulateur de f si P (f ) est l’endomorphisme nul.

Exemple 5.
Soit f : (x, y) 7→ (−y, −x) et P = X 2 − 1.
 
1. Montrer que f ∈ L R2 .

2. Déterminer P (f ).

Solution rédigée de l’exemple 5

1. f est bien une application de R2 dans R2 . Il reste à montrer qu’elle est linéaire.
Soit u = (x, y), v = (x0 , y 0 ) ∈ R2 et a, b ∈ R.
 
f (au + bv) = f a(x, y) + b(x0 + y 0 )
= f (ax + bx0 , ay + by 0 )
| {z } | {z }
X Y
= (−Y, −X)
= (−ay − by 0 , −ax − bx0 )
= a(−y, −x) + b(−y 0 , −x0 )
= af (u) + bf (v)

2. P (f ) = f 2 − idR2 donc, pour tout (x, y) ∈ R2 ,

P (f ) (x, y) = f 2 (x, y) − idR2 (x, y) = f (−y, −x) − (x, y) = (x, y) − (x, y) = 0.

P (f ) est donc l’application nulle, donc P est un polynôme annulateur de f .

Définition 19. (Puissances négatives d’un automorphisme)

Soit f ∈ GL(E) et n ∈ N∗ . On définit f −n par :
 n
f −n = f −1 .

Toutes les règles de calcul vues à la proposition 34 restent vraies avec n, m ∈ Z.

(∗) : minimum vital | (∗∗) : au programme | (∗ ∗ ∗) : Pour les Experts ECS1 - Mathématiques