Université de Strasbourg

Double Licence Math-Eco - 2022/2023

Algèbre linéaire S2 - Printemps 2023
Victoria Callet - [Link]@[Link]

Chapitre 3 : Applications linéaires

Dans tout le chapitre, on considère des espaces vectoriels de dimension nie sur le corps K.

1 Applications linéaires

1.1 Dénitions et premières propriétés

Dénition 1
Soient E et F deux K-ev et f : E → F une application de E dans F . On dit que f est une
application linéaire si pour tous vecteurs u et v dans E et tout scalaire λ ∈ K,
i. f (u + v) = f (u) + f (v)
ii. f (λu) = λf (u)
On note LK (E, F ), et parfois simplement L(E, F ), l'ensemble des applications linéaires de
E dans F .

Remarque. Si f : E → F est linéaire, alors on a f (0) = 0. En eet, on a

f (0) = f (0 + 0) = f (0) + f (0) = 2f (0) ⇔ f (0) = 0.

Vocabulaire.
• Si f est une application linéaire de E dans K (f : E → K), alors on dit que f est une forme
linéaire. On note L(E, K) l'ensemble des formes linéaires de E dans K.
• Si f est une application linéaire de E dans E (f : E → E ), alors on dit que f est un endomor-
phisme linéaire de E . On note L(E) l'ensemble des endomorphismes linéaires de E .
Proposition 2
Une application f : E → F est linéaire ssi ∀u, v ∈ E , ∀λ, µ ∈ K, f (λu + µv) = λf (u) + µf (v).

Démonstration. C'est simplement une réécriture de la dénition.

Exemple 1.
idE : E → E
u 7→ u
est une application linéaire (et un endomorphisme de E ) appelée application identité.
Exemple 2.
0E : E → E
u 7→ 0
est une application linéaire (et un endomorphisme de E ) appelée application nulle.

1
Exemple 3.
f: R3 → R2
(x, y, z) 7→ (2x + y, y − z)
est une application linéaire. En eet, soient (x, y, z) et (x′ , y ′ , z ′ ) dans R3 et λ ∈ R. Alors
f (x, y, z) + (x′ , y ′ , z ′ ) = f (x + x′ , y + y ′ , z + z ′ )

= 2x + 2x′ + y + y ′ , y − y ′ − z − z ′

= (2x + y, y − z) + (2x′ + y ′ , y ′ − z ′ )
= f (x, y, z) + f (x′ , y ′ , z ′ )
et


f λ(x, y, z) = f (λx, λy, λz) = (2λx + λy, λy − λz) = λ(2x + y), λ(y − z) = λf (x, y, z)
donc f est bien linéaire.
Exemple 4.
f: R3 → R2
(x, y, z) 7→ (x2 − y, y + z)
n'est pas linéaire. En eet, si (x, y, z) et (x′ , y ′ , z ′ ) sont deux éléments de R3 , alors
f (x, y, z) + (x′ , y ′ , z ′ ) = (x + x′ )2 − (y + y ′ ), y + y ′ + z + z ′ ) = (x2 + x′2 − y − y ′ + 2xx′ , y + y ′ + z + z ′ )

et
f (x, y, z) + f (x′ , y ′ , z ′ ) = (x + x′2 − y − y ′ , y + y ′ + z + z ′ )
donc f n'est pas additive. De même, on peut vérier que f ne respecte pas la multiplication par un scalaire.
Remarque. La non-linéarité de f dans l'exemple précédent vient du terme au carré. De la même façon,
une application qui renverrait un produit de ses coordonnées ne pourrait pas être linéaire. En fait, chaque
composante dans l'espace d'arrivée doit être un polynôme homogène de degré 1 en les coordonnées.
Exemple 5. Soient E = C 0 ([0, 1], R) et F = C 1 ([0, 1], R) les espaces vectoriels des applications f : [0, 1] →
R respectivement continues et continues de dérivées continues. Alors, l'application dérivée

D: E → F
f 7→ f ′
est une application linéaire. En eet, soient f, g : [0, 1] → R deux fonctions continues et λ ∈ R. Alors,
D(f + g) = (f + g)′ = f ′ + g ′ = D(f ) + D(g)
D(λf ) = (λf )′ = λf ′ = D(f )

Proposition 3
Si f : E → F et g : F → G sont deux applications linéaires avec E , F et G deux K-ev, alors la
composition g ◦ f : E → G est linéaire.

Pour tout u ∈ E , on a par dénition de la composition g ◦f (u) = g f (u) . Soient u, v ∈ E .

Démonstration.

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).
De même, soient u ∈ E et λ ∈ K. Alors,




g ◦ f (λu) = g f (λu) = g λf (u) = λg f (u) = λg ◦ f (v).

2
Remarque. Soient f : E → F une application linéaire avec E un K-ev de dimension n et (e1 , . . . , en )
une base de E . Alors, f est entièrement déterminée par l'image des vecteurs de la base de E .
En eet, tout vecteur x ∈ E se décompose de façon unique sur les ei :
x = x1 e 1 + . . . + xn e n
donc pour trouver l'image de x par f , il sut d'utiliser la linéarité de f sur cette égalité :
f (x) = f (x1 e2 + . . . + xn en ) = x1 f (e1 ) + . . . + xn f (en )
et on voit bien qu'il sut de connaître f (e1 ), . . . , f (en ). Par exemple, si on se donne f : R3 → R3
l'application linéaire dénie par

 f (e1 ) = f (1, 0, 0) = (1, 2, 0)
f (e2 ) = f (0, 1, 0) = (0, −3, −2)
f (e3 ) = f (0, 0, 1) = (0, 4, 3)


alors on peut calculer l'expression générale de f , c'est à dire donner f (X) pour n'importe quel X =
(x, y, z) ∈ R3 . En eet, si X ∈ R3 , alors il se décompose sur la base canonique (e1 , e2 , e3 ) : X = xe1 +
ye2 + ze3 . En utilisant la linéarité de f , on a
f (X) = xf (e1 ) + yf (e2 ) + zf (e3 )
= x(1, 2, 0) + y(0, −3, −2) + z(0, 4, 3)
= (x, 2x − 3y + 4z, −2y + 3z)
d'où f (x, y, z) = (x, 2x − 3y + 4z, −2y + 3z) pour tout (x, y, z) ∈ R3 .
En particulier, on a la proposition suivante :
Proposition 4
Soient E et F deux K-ev de dimensions nies avec (e1 , . . . , en ) une base de E . Soient f, g : E → F
deux applications linéaires. Alors,
f (x) = g(x) pour tout x ∈ E ssi f (ei ) = g(ei ) pour tout i = 1, . . . , n.

Autrement dit, deux applications sont les mêmes partout ssi elles coïncident sur les vecteurs
de base.

Démonstration.

Condition nécessaire. Si on suppose que f (x) = g(x) pour n'importe quel x ∈ E , alors en particulier
c'est vrai pour x = ei ∈ E , donc les applications coïncident sur les vecteurs de base.
Condition susante. Supposons que f (ei ) = g(ei ) pour tout i = 1, . . . , n. Soit x ∈ E . Alors, x se
décompose sur les ei :
x = x1 e 1 + . . . + xn e n
et on appliquer f et g à cette égalité :

f (x) = f (x1 e1 + . . . + xn en ) = x1 f (e1 ) + . . . + xn f (en )
g(x) = g(x1 e1 + . . . + xn en ) = x1 g(e1 ) + . . . + xn g(en )
Alors, par hypothèse
f (x) = x1 f (e1 ) + . . . + xn f (en ) = x1 g(e1 ) + . . . + xn g(en ) = g(x),
donc on a bien f (x) = g(x) pour tout x ∈ E .

3
1.2 Applications linéaires en géométrie
Dénition 5
Soit λ ∈ K. L'homothétie de rapport λ est l'application
hλ : E → E
u 7→ λu

Proposition 6
Les homothéties sont des applications linéaires (et même des endomorphismes).

Démonstration. Soit hλ une homothétie de E et soient u, v ∈ E , a, b ∈ K. Alors

hλ (au + bv) = λ(au + bv) = λau + λbv = ahλ (u) + bhλ (v).

Remarque. Soit u0 ̸= 0 est un vecteur de E un K-ev. La translation de vecteur u0 dénie par

tu0 : E → E
u 7→ u + u0
n'est pas une application linéaire. En eet, on a par exemple
tu0 (u + v) = (u + v) + u0 ̸= (u + u0 ) + (v + u0 ) = tu0 (u) + tu0 (v).
Noter également que tu0 (0) ̸= 0.
Dénition 7
Soient F et G deux sev d'un même K-ev E . Supposons que F et G soient en somme directe dans
E , ie E = F ⊕ G. Alors, tout vecteur u ∈ E se décompose de manière unique en u = v + w,
avec v ∈ F et w ∈ G. La projection sur F parallèlement à G est l'application
pr : E → F
u = v + w 7→ v

w u

v = pr(u) F

Proposition 8
Les projections sont des applications linéaires.

4
Démonstration. Soit pr : E → F une projection sur F parallèlement à G, avec E = F ⊕ G.
i. Soit u1 , u2 ∈ E . Alors, il existe v1 , v2 ∈ F et w1 , w2 ∈ G tels que u1 = v1 + w1 et u2 = v2 + w2 . On
a donc
pr(u1 + u2 ) = pr (v1 + w1 ) + (v2 + w2 ) = pr (v1 + v2 ) + (w1 + w2 ) = v1 + v2 = pr(u1 ) + pr(u2 ).

ii. Soit u ∈ E et λ ∈ K. Alors, il existe v ∈ F et w ∈ G, tels que u = v + w et donc

pr(λu) = pr(λv + λw) = λv = λ pr(u).

Remarque. Si pr : E → F une projection sur F parallèlement à G avec E = F ⊕ G et qu'on suppose

que pr(u) = 0 pour un certain u ∈ E , alors u ∈ G. En eet, u s'écrit v + w avec v ∈ F et w ∈ G, donc
pr(u) = 0 ⇐⇒ v = 0 ⇐⇒ u = w ⇐⇒ w ∈ G.

Proposition 9
Si pr : E → F une projection, alors pr ◦ pr = pr.

Démonstration. On doit montrer que, pour tout u ∈ E ,

pr pr(u) = pr(u).

Soit u ∈ E . Alors, il existe v ∈ F et w ∈ G tels que u = v + w. Ainsi,

pr pr(u) = pr(v) = v = pr(u)

puisque v ∈ F .
Dénition 10
Soient F et G deux sev d'un même K-ev E . Supposons que F et G soient en somme directe dans
E , ie E = F ⊕ G. Alors, tout vecteur u ∈ E se décompose de manière unique en u = v + w,
avec v ∈ F et w ∈ G. La symétrie par rapport à F dans la direction de G est l'application
s: E → E
u = v + w 7→ v − w

w u

v F
−w s(u)

5
 Proposition 11
Les symétries sont des applications linéaires (et même des endomorphismes).

Démonstration. Soit s : E → E un symétrie par rapport à F dans la direction de G, avec E = F ⊕ G.

i. Soit u1 , u2 ∈ E . Alors, il existe v1 , v2 ∈ F et w1 , w2 ∈ G tels que u1 = v1 + w1 et u2 = v2 + w2 . On
a donc
s(u1 + u2 ) = s (v1 + w1 ) + (v2 + w2 )

= s (v1 + v2 ) + (w1 + w2 )
= (v1 + v2 ) − (w1 + w2 )
= (v1 − w1 ) + (v2 − w2 )
= s(u1 ) + s(u2 ).
ii. Soit u ∈ E et λ ∈ K. Alors, il existe v ∈ F et w ∈ G, tels que u = v + w et donc
s(λu) = s(λv + λw) = λ(v − w) = λ s(u).

Remarque. Soit s : E → E un symétrie par rapport à F dans la direction de G avec E = F ⊕ G et soit

u = v + w ∈ E avec v ∈ F et w ∈ G.
• Si s(u) = u, alors u ∈ F (en eet, dans ce cas u = v et w = 0).
• Si s(u) = −u, alors u ∈ G (en eet, dans ce cas u = w et v = 0).

Proposition 12
Si s : E → E un symétrie, alors s ◦ s = idE .

Démonstration. On doit montrer que, pour tout u ∈ E ,

s s(u) = idE (u) = u.

Soit u ∈ E . Alors, il existe v ∈ F et w ∈ G tels que u = v + w. Ainsi,

s s(u) = s(v − w) = s(v) − s(w) = v + w = u = idE (u)

puisque v ∈ F .

2 Image, noyau et isomorphisme

2.1 Rappels : injection, surjection et bijection

Rappel. Soit f : E → F une application de deux ensembles E et F .
i. f est injective si pour tous x, y ∈ E tels que x ̸= y , f (x) ̸= f (y) (tout élément de F admet au plus
un antécédent par f dans E ).
ii. f est surjective si pour tout y ∈ F , il existe x ∈ E tel que y = f (x) (tout élément de F admet au
moins un antécédent par f dans E ).
iii. f est bijective si elle est à la fois injective et surjective (tout élément de F admet exactement un
antécédent par f dans E ).

6
 iv. Si f : E → F est bijective, alors il existe une application inverse ou réciproque f −1 : F → E
telle que
∀x ∈ E, f −1 f (x) = f f −1 (x) = x

et cette application est bien dénie et bijective.

2.2 Applications linéaires injectives

Dénition 13
Soit f : E → F une application linéaire. On appelle noyau de f le sous-ensemble de E noté
ker(f ) et déni par
ker(f ) = {x ∈ E, f (x) = 0}.

Proposition 14
Le noyau d'une application linéaire est un espace vectoriel.

Démonstration. Soit f : E → F une application linéaire. Montrons que ker(f ) ⊂ E est un sous-espace
vectoriel de E .
i. Comme f est linéaire, f (0) = 0 et donc 0 ∈ ker(f ).
ii. Soient x, y ∈ ker(f ). Alors, f (x + y) = f (x) + f (y) = 0 + 0 = 0 donc x + y ∈ ker(f ).
iii. Soient x ∈ ker(f ) et λ ∈ K. Alors, f (λx) = λf (x) = 0 donc λx ∈ ker(f ).

Proposition 15
Une application linéaire f : E → F est injective ssi son noyau ker(f ) = {0}.

Démonstration.

Condition nécessaire. Supposons f injective et prenons x ∈ ker(f ). Montrons que x = 0. Si x ̸= 0,

alors par hypothèse d'injectivité f (x) ̸= f (0) mais comme x est dans le noyau de f , f (x) = 0 donc
le seul vecteur de ker(f ) est 0 et donc ker(f ) = {0}.
Condition susante. Supposons ker(f ) = {0} et montrons que f est injective. Soient u1 ̸= u2 deux
vecteurs de E . Si f (u1 ) = f (u2 ), alors on aurait
f (u1 ) − f (u2 ) = 0 ⇐⇒ f (u1 − u2 ) = 0 ⇐⇒ u1 − u2 ∈ ker(f )

donc en fait u1 − u2 = 0 soit u1 = u2 . Contradiction. Ainsi, f (u1 ) ̸= f (u2 ) et f est bien injective.

Proposition 16
Soient E, F deux K-ev de et f : E → F une application
linéaire injective. Si (u1 , . . . , up ) est
une famille libre dans E , alors la famille f (u1 ), . . . , f (up ) est libre dans F .

7
Démonstration. Soit λ1 f (u1 ) + . . . + λp f (up ) = 0 une combinaison linéaire nulle des f (ui ). Par linéarité
de f , on a
f (λ1 u1 + . . . + λp up ) = 0
donc λ1 u1 + . . . + λp up ∈ ker(f ) = {0} puisque f est injective, et donc
λ1 u1 + . . . + λp up = 0.
Alors, comme la famille (u1 , . . . , up ) est libre, on a bien λ1 = . . . = λp = 0 donc la famille f (u1 ), . . . , f (up )

est libre dans F .

Exemple 6. Soit f : R4 → R3 l'application linéaire dénie par
f (x, y, z, t) = (x − y + z, 2x + 2y + 6z + 4t, −x − 2z − t).
Calculons le noyau de f . Par dénition, on a
ker(f ) = {(x, y, z, t) ∈ R4 | f (x, y, z, t) = 0}
= {(x, y, z, t) ∈ R4 | (x − y + z, 2x + 2y + 6z + 4t, −x − 2z − t) = 0}
donc il s'agit de résoudre le système

 x −y +z = 0
2x +2y +6z +4t = 0
−x −2z −t = 0


On remarque que le système est formé de 3 équations pour 4 inconnues, donc on peut se douter qu'il
admettra une innité de solutions. près résolution du système, on obtient
  
x −y +z = 0 x = y−z x = −2z − t
⇔ ⇔
y +z +t = 0 y = −z − t y = −z − t
et donc
ker(f ) = (x, y, z, t) ∈ R4 | x = −2z − t et y = −z − t}
= (−2z − t, −z − t, z, t) | z, t ∈ R}
= z(−2,−1,
 1, 0) +
t(−1,
−1, 0, 1) | z, t ∈ R}
−2 −1
−1 −1
= Vect  1  ,  0 
   

0 1

On a donc trouvé une famille génératrice du noyau contenant deux vecteurs. De plus, on peut vérier
qu'ils sont libres dans R4 , donc qu'il forme une base de ker(f ). En particulier, dim ker(f ) = 2.

2.3 Applications linéaires surjectives

Dénition 17
Soit f : E → F une application linéaire. On appelle image de f le sous-ensemble de F noté
Im(f ) ou parfois f (E) et déni par
Im(f ) = f (E) = {f (u) | u ∈ E} = {v ∈ F, ∃u ∈ U tel que v = f (u)}.
De plus, on appelle rang de f et on note rg(f ) la dimension de l'image de f :
dim Im(f ) = rg(f ).

8
 Proposition 18
L'image d'une application linéaire est un espace vectoriel.

Démonstration. Soit f : E → F une application linéaire. Montrons que Im(f ) ⊂ F est un sous-espace

vectoriel de F .
i. 0 ∈ F et comme f est linéaire, il existe u ∈ E (u = 0) tel que f (u) = 0 donc 0 ∈ Im(f ).
ii. Soient v1 , v2 ∈ Im(f ). Alors, il existe u1 , u2 ∈ E tels que v1 = f (u1 ) et v2 = f (u2 ) donc
v1 + v2 = f (u1 ) + f (u2 ) = f (u1 + u2 ) ∈ Im(f ).

iii. Soient v ∈ Im(f ) et λ ∈ K. Alors, il existe u ∈ E tel que v = f (u) donc λv = λf (u) = f (λu) ∈ Im(f ).

Proposition 19
Une application linéaire f : E → F est surjective ssi son image Im(f ) = F .

Démonstration.

Condition nécessaire. Supposons f surjective et montrons que Im(f ) = F . On a déjà montré que
Im(f ) est un sev de F donc en particulier Im(f ) ⊂ F . Montrons l'inclusion inverse. Soit v ∈ F .
Comme f est surjective, il existe u ∈ E tel que f (u) = v donc par dénition v ∈ Im(f ), d'où
F ⊂ Im(f ) et on a l'égalité.
Condition susante. Supposons Im(f ) = F et soit v ∈ F . En particulier, v ∈ Im(f ) donc il existe
u ∈ E tel que f (u) = v donc par dénition f est surjective.

Proposition 20
Soient E, F deux K-ev de et f : E → F une application linéaire
surjective. Si (u1 , . . . , up ) est
une famille génératrice de E , alors la famille f (u1 ), . . . , f (up ) est génératrice de F .

Démonstration. Soit v ∈ F . Comme f est surjective, il existe u ∈ E tel que v = f (u) et comme la famille
(u1 , . . . , up ) est génératrice, on a
u = λ1 u1 + . . . + λp up .
Alors, par linéarité de f , on a
f (u) = v = λ1 f (u1 ) + . . . + λp f (up )
donc tout vecteur de F se décompose sur les f (ui ), donc la famille f (u1 ), . . . , f (up ) est génératrice.

9
 Proposition 21
Soient E et F deux K-ev et f : E → F une application linéaire. Si U = Vect(u1 , . . . , un ) est
une partie de E , alors f (U ) = Vect f (u1 ), . . . , f (un ) .

En particulier, si (e1 , . . . , en ) est une base de E , alors E = Vect (e1 , . . . , en ) et

Im(f ) = f (E) = Vect f (e1 ), . . . , f (en ) .

On obtient aisément une famille génératrice de l'image de f , ce qui permet donc d'en extraire
une base.

Démonstration. On montre l'égalité par double inclusion.

⊂ Soit v ∈ f (U ). Alors, il existe un u ∈ U tel que f (u) = v . Comme u ∈ U = Vect(u1 , . . . , un ), on
peut décomposer u : u =
x1 u1 + . . . + xn un donc en fait f (u)
= x1 f (u1 ) + . . . + xn f (un ) donc
v ∈ Vect f (u1 ), . . . , f (un ) d'où
f (U ) ⊂ Vect f (u1 ), . . . , f (un ) .
⊃ Soit v ∈ Vect f (u1 ), . . . , f (un ) , alors v est combinaison linéaire des f (u1 ), . . . , f (un ). L'image d'un
sev par une application linéaire est un sev, donc l'ensemble f (U ) est un sev de F et en particulier
v ∈ f (U ) d'où l'inclusion réciproque et l'égalité.

Exemple 7. Reprenons l'application f de l'exemple 7 : pour tout (x, y, z, t) ∈ R4 , on a

f (x, y, z, t) = (x − y + z, 2x + 2y + 6z + 4t, −x − 2z − t).

Calculons l'image de f . Par dénition, on a

Im(f ) = f (R4 ) = {f (x, y, z, t) | (x, y, z, t) ∈ R4 }.
De plus, d'après le lemme et la remarque précédente, on sait que
Im(f ) = Vect (f (e1 ), f (e2 ), f (e3 ), f (e4 ))
donc on a seulement besoin de calculer l'image des vecteurs de la base canonique de R4 . On a


 f (e1 ) = f (1, 0, 0, 0) = (1, 2, −1)
f (e2 ) = f (0, 1, 0, 0) = (−1, 2, 0)


 f (e3 ) = f (0, 0, 1, 0) = (1, 6, −2)
f (e4 ) = f (0, 0, 0, 1) = (0, 4, −1)


d'où       
1 1 1 0
Im(f ) = Vect  2  , −2 ,  6  ,  4 
−1 0 −2 −1
donc on obtient une famille génératrice de l'image de f constituée de 4 vecteurs. On peut donc en extraire
une base : en faisant les calculs, on voit que la famille (f (e1 ), f (e2 ), f (e3 ), f (e4 )) est liée, donc on peut en
extraire une famille libre en enlevant au moins un vecteur. A nouveau en faisant les calculs, on obtient
que quelque soit le vecteur qu'on enlève, la famille de trois vecteurs restants est encore liée. En enlevant
cette fois-ci deux vecteurs, par exemple f (e3 ) et f (e4 ), on obtient une famille libre à deux éléments dans
R4 , elle forme donc une base de Im(f ). En particulier, dim Im(f ) = rg(f ) = 2.

10
Remarque. Une autre façon de voir que la famille (f (e1 ), f (e2 ), f (e3 ), f (e4 )) est liée est de calculer
directement le rang de cette famille en écrivant la matrice constituée de ces 4 vecteurs, à savoir
 
1 −1 1 0
2 2 6 4
−1 0 −2 1

et de l'échelonner (pivot de Gauss), de telle sorte à obtenir la matrice

 
2 4 0 0
−1 −1 0 0
1 0 0 0

qui est bien de rang 2. Ainsi, on sait directement que dim Im(f ) = rg(f ) = 2 donc une base de Im(f ) sera
constituée de seulement 2 vecteurs (qu'on extrait de la famille (f (e1 ), f (e2 ), f (e3 ), f (e4 ))).

2.4 Isomorphismes d'espaces vectoriels

Dénition 22
Soient E et F deux K-ev et f : E → F une application. On dit que :
i. f est un isomorphisme si f est linéaire et bijective. Dans ce cas, on dit que E et F sont
isomorphes et on note E ∼ = F.
ii. f est un automorphisme si f est un isomorphisme et un endomorphisme (ie si E = F ).

Proposition 23
Si f : E → F est un isomorphisme, alors l'application réciproque f −1 : F → E est aussi un
isomorphisme.

Démonstration. On sait que si f est bijective, alors f −1 l'est aussi. Il sut donc de montrer qu'elle est
aussi linéaire.
i. Soient y1 , y2 ∈ F . Notons x1 = f −1 (y1 ) et x2 = f −1 (y2 ) les images de y1 , y2 par f −1 . Alors, on a
f (x1 ) = y1 et f (x2 ) = y2 et puisque f est linéaire,

f (x1 + x2 ) = f (x1 ) + f (x2 ) = y1 + y2 .

Composons par f −1 :
f −1 f (x1 + x2 ) = f −1 (y1 + y2 )

x1 + x2 = f −1 (y1 + y2 )
f (y1 ) + f −1 (y2 ) = f −1 (y1 + y2 )
−1

et la dernière égalité nous donne l'additivité f −1 .

ii. Soient y ∈ F et λ ∈ K. A nouveau, notons x = f −1 (y) l'image de y par f −1 . Alors, la linéarité de f
donne f (λx) = λf (x) = λy et en composant par f −1 , on obtient
λx = λf −1 (y) = f −1 (λy)

et on obtient la linéarité de f .

11
 Théorème 24
Soient E et F deux K-ev et f : E → F une application
linéaire. Soit (e1 , . . . , en ) une base de
E . Alors, f est un isomorphisme ssi f (e1 , . . . , f (en ) est une base de F .

Démonstration.

Condition nécessaire. La proposition 16 nous dit qu'une application linéaire injective transporte une
famille libre sur une famille libre, et la proposition 20 nous dit qu'une application linéaire surjective
transporte une famille génératrice sur une famille génératrice. Ainsi, si f est un isomorphisme, elle
est bijective et donc transporte bien une base de E sur une
base de F .
Condition susante. Supposons que F = f (e1 ), . . . , f (en ) soit une base F et montrons que f est
un isomorphisme. Par dénition, f est linéaire donc il sut de montrer qu'elle est bijective.
i. Montrons que f est injective. Soit u ∈ ker(f ). Alors, f (u) = 0 = f (0). Mais u est aussi un
élément de E donc u se décompose sur la base de E : u = x1 e1 + . . . + xn en donc
0 = f (u) = x1 f (e1 ) + . . . + xn f (en )

est une décomposition linéaire nulle des éléments de la base F , donc en fait x1 = . . . = xn = 0
et u = 0, soit ker(f ) = {0}.
ii. Montrons que f est surjective. Soit v ∈ F , et on cherche un vecteur u ∈ E tel que v = f (u).
Comme F est une base de F , v se décompose
v = x1 f (e1 ) + . . . + xn f (en ) = f (x1 e1 + . . . + xn en )

donc il sut de prendre u = x1 e1 + . . . + xn en ∈ E .

Proposition 25
Soient E et F deux K-espaces vectoriels de dimension nie. Alors, E et F sont isomorphes ssi
ils sont de même dimension :
E∼
=F ssi dim E = dim F.

Démonstration.

Condition nécessaire. Supposons E et F isomorphes. Par dénition, il existe un isomorphisme f :

E → F . Soient (e
1 , . . . , en ) une base de E avec n = dim E . Alors, d'après le théorème 24, la famille
f (e1 ), . . . , f (en ) est une base de F qui compte n vecteurs, donc dim F = n = dim E .
Condition susante. Supposons que dim E = dim F = n. Soient (e1 , . . . , en ) une base de E et
(f1 , . . . , fn ) une base de F . Construisons un isomorphisme f entre E et F . Commençons par noter
f l'application dénie par
f (e1 ) = f1 , . . . , f (en ) = fn .
Alors, f est bien dénie et f est linéaire : en eet, toute application linéaire est
entièrement
déterminée par l'image des vecteurs de base. De plus, on sait que f (e1 ), . . . , f (en ) est une base
de F donc d'après le théorème 24, f est bijective donc c'est bien un isomorphisme et E et F sont
isomorphes.

12
 Proposition 26
Soit E un K-ev de dimension nie qui se décompose en somme directe de deux sev F et G :
E = F ⊕ G.
i. Les symétries par rapport à F dans la direction de G sont des isomorphismes.
ii. En dehors de l'identité (projection de E sur E parallèlement à {0}), les projections sur F
parallèlement à G ne sont pas des isomorphismes.

Démonstration. i. Soit s : E → E une symétrie. Pour tout u = v + w ∈ E = F + G, on a s(u) = v − w.

Une base de E = F ⊕ G est donnée par (f1 , . . . , fp , g1 , . . . , gq ) où (f1 , . . . , fp ) est une base de F et
(g1 , . . . , gq ) est une base de G. Alors,
s(f1 ), . . . , s(fp ), s(g1 ), . . . , s(gq ) = (f1 , . . . , fp , −g1 , . . . , −gq )

est encore une base de E donc d'après le théorème 24, s est un isomorphisme.
ii. Soit pr : E → F une projection. Pour tout u = v + w ∈ E = F + G, on a pr(u) = v . Alors, pour tout
vecteur w ∈ G, on a pr(w) = 0 donc w ∈ ker(pr) et en particulier, G ⊂ ker(pr) soit ker(pr) ̸= {0}
donc pr n'est pas injective et ne peut donc pas être un isomorphisme.

3 Applications linéaires et espaces vectoriels

3.1 Théorème du rang

Proposition 27
Soient E et F deux K-ev de dimension nie et f : E → F une application linéaire. Alors,
i. dim Im(f ) ≤ dim F
ii. dim Im(f ) ≤ dim E

Démonstration.

i. Im(f ) est un sous-espace vectoriel de F , donc en particulier Im(f ) ⊂ F et donc dim Im(f ) ≤ dim F .
ii. Soient (e1 , . . . , en ) une base de E . On utilise le lemme 21 et la remarque ??, qui nous disent que
Im(f ) = Vect f (e1 ), . . . , f (en )

, donc Im(f ) possède une famille génératrice de n vecteurs. On peut donc en extraire une base qui
contraindra au plus n vecteurs, donc dim Im(f ) ≤ n = dim E .

Théorème 28 (Théorème du rang)

Soient E et F deux K-espaces vectoriels de dimension nie et f : E → F une application
linéaire. Alors,
dim E = dim ker(f ) + dim Im(f ).

13
Démonstration. L'espace ker(f ) est un sous-espace vectoriel de E . Il admet donc un supplémentaire, notons
le S . On a donc
ker(f ) ⊕ S = E.
En particulier, dim ker(f ) + dim S = dim E . De plus, notons g : S → F l'application (appelée restreinte
de f à S )à dénie par :
g: S → Im(f ) ⊂ F
u 7→ f (u)
Montrons que g est un isomorphisme entre S et Im(f ), car on aura alors dim Im(f ) = dim S .
i. Montrons que g est injective, ie ker(g) = {0}. Soit u ∈ S tel que g(u) = 0 (u ∈ ker(g)). Sur l'espace
S , f = g donc en fait g(u) = f (u) = 0 donc u ∈ ker(f ). Ainsi, u ∈ ker(f ) ∩ S = {0} puisque
ker(f ) ⊕ S = E , donc u = 0 et ker(g) = 0 donc g est injective.
ii. Montrons que g est surjective, ie Im(g) = Im(f ). Par double inclusion : soit v ∈ Im(g), alors il
existe u ∈ S ⊂ E tel que f (u) = v donc en particulier v ∈ Im(f ) et Im(g) ⊂ Im(f ). De même, soit
v ∈ Im(f ). Alors, il existe u ∈ E tel que v = f (u). Comme u ∈ E = ker ⊕S , on a u = u1 + u2 avec
u1 ∈ ker(f ) et u2 ∈ S donc
v = f (u) = f (u1 ) + f (u2 ) = 0 + f (u2 ) = g(u2 ) car u2 ∈ S.
Ainsi, v = g(u2 ) donc v ∈ Im(g) et Im(g) ⊂ Im(f ), d'où l'égalité et la surjectivité de g .
Ainsi, g est bien un isomorphisme entre S et Im(f ) donc en particulier dim S = dim Im(f ). Comme
E = ker(f ) ⊕ S , on a nalement
dim E = dim ker(f ) + dim S = dim ker(f ) + dim Im(f ).

Remarque. Attention ! Ce n'est pas parce qu'on a l'égalité de dimension

dim E = dim ker(f ) + dim Im(f )
que E = ker(f ) ⊕ Im(f ) ! En eet, ker(f ) est un sev de E mais Im(f ) est un sev de F donc ils ne
peuvent pas être en somme directe. En revanche, on sait qu'il existe un sev S de E tel que S ∼
= im(f ) et
E = ker(f ) ⊕ S , comme dans la preuve.
Exemple 8. Si on reprend l'application linéaire des exemples 6 et 7 :
f (x, y, z, t) = (x − y + z, 2x + 2y + 6z + 4t, −x − 2z − t) pour tout (x, y, z, t) ∈ R4
alors grâce au théorème du rang on peut se limiter au calcul du noyau pour connaître la dimension de
l'image (et vice-versa). En eet, on a calculé que dim ker(f ) = 2, donc d'après le théorème du rang
dim R4 = 4 = dim ker(f ) + dim Im(f ) = 2 + dim Im(f )
donc on retrouve bien dim Im(f ) = 2, et on sait directement qu'une base de Im(f ) sera constituée de
seulement 2 vecteurs parmi ceux de la famille (f (e1 ), f (e2 ), f (e3 ), f (e4 )) (sans avoir besoin d'échelonner
une matrice ou de résoudre un système de plus).
Théorème 29
Soient E et F deux K-ev de dimension nie et f : E → F une application linéaire.
i. Si dim E ̸= dim F , alors f n'est pas bijective.
ii. Si dim E = dim F , alors f est bijective ssi f est surjective ssi f est injective.

14
Démonstration.

i. Supposons que dim E ̸= dim F . Montrons par l'absurde que f ne peut pas être bijective. En eet,
si c'était le cas, alors on aurait en particulier ker(f ) = {0} (f injective) donc dim ker(f ) = 0, mais
aussi Im(f ) = F (f surjective) donc dim Im(f ) = dim F . D'après le théorème du rang,
dim E = dim ker(f ) + dim Im(f ) = 0 + dim F = dim F.

Contradiction. Ainsi, f n'est pas bijective.

ii. Supposons que dim E = dim F . Montrons d'abord que f est surjective ssi f est injective.
Condition nécessaire. Supposons f surjective et montrons que ker(f ) = {0}. Comme f est sur-
jective, on a Im(f ) = F donc dim Im(f ) = dim F et donc d'après le théorème du rang,
dim E = dim ker(f ) + dim F

mais comme dim F = dim E par hypothèse, on doit avoir dim ker(f ) = 0 ce qui revient à dire
que ker(f ) = {0}. Ainsi, f est injective.
Condition susante. Supposons f injective et montrons que Im(f ) = F . Par hypothèse, on a
dim ker(f ) = 0 donc d'après le théorème du rang, on a

dim F = dim E = dim Im(f )

donc Im(f ) est un sev de F de même dimension, donc en fait Im(f ) = F et f est surjective.
On a donc montré que si dim E = dim F , alors si f est injective, f est surjective et donc bijective et
de même, si f est surjective alors elle est injective et donc bijective. Ainsi, si dim E = dim F , on a
aussi f bijective et d'après le premier point du théorème, on a l'implication réciproque (f bijective
implique dim E = dim F ), ce qui achève de démontrer le théorème.

3.2 Cas particulier : les formes linéaires

Soit E un K-ev de dimension nie. On rappelle qu'une forme linéaire sur E est une application
linéaire à valeur dans le corps de base K, ie f : E → K.

Proposition 30
Soient E un K-ev de dimension nie n et f : E → K une forme linéaire non nulle.
dim Im(f ) = 1 et dim ker(f ) = n − 1.

Démonstration. L'image de f est un sev de l'espace d'arrivée K, et dim K = 1. Ainsi, les seuls sev possibles

de K sont {0} ou K. Comme f est non nulle, l'image de f contient au moins un élément donc Im(f ) ̸= {0},
d'où Im(f ) = K et dim Im(f ) = dim K = 1. Ainsi, par le théorème du rang, on a
dim ker(f ) = dim E − dim Im(f ) = n − 1.

15
 Corollaire 31
Soient E un K-ev de dimension n et a1 , . . . , an des scalaires dans K. On pose S l'ensemble des
solutions de l'équation a1 x1 + . . . + an xn = 0 :
S = {(x1 , . . . , xn ) ∈ K | a1 x1 + . . . + an xn }.

Alors, dim S = n − 1.

Démonstration. Il faut voir S comme le noyau d'une forme linéaire non nulle. En eet, considérons l'ap-
plication φ dénie par
φ: E → K
u 7→ a1 x1 + . . . + an xn
où (x1 , . . . , xn ) sont les coordonnées de u dans une base (e1 , . . . , en ) de E . Alors, φ est une forme linéaire
non nulle et par dénition,
ker(φ) = {u ∈ E, φ(u) = 0}
= {(x1 , . . . , xn ) ∈ K, a1 x1 + . . . + an xn = 0}
= S

donc la propriété précédente nous dit que dim ker(φ) = dim S = n − 1.

16