Première année de licence de Mathématiques.

Université de la Polynésie Française.

Chapitre 2. Applications linéaires.

Tearii CRIDLAND

1er avril 2021

Objectif : Connaître et utiliser les dénitions et les propriétés de base sur les applications linéaires.
Durée estimative : 17 heures.

Dans ce chapitre E et F désignent deux espaces vectoriels sur K ∈ {R, C}.

1 Dénitions de base
Définition 1.1: Une application f de E vers F est dite linéaire si ∀λ ∈ K, ∀(x, y) ∈ E , f (λ.x + y) =
2

λ.f (x) + f (y). On note L (E, F ) l'ensemble des applications linéaires de E vers F .

Remarque 1.1: Il est nécessaire que E soit un espace vectoriel pour donner un sens au vecteur
f (λ.x + y) et il est
nécessaire que F soit un espace vectoriel pour donner un sens au vecteur λ.f (x) +
f (y). La dénition
d'une application linéaire n'a de sens que pour des applications entre deux espaces
vectoriels.

Remarque 1.2: Dans le cas particulier où E = F une application linéaire de E vers E est appelée
un endomorphisme de E et on note plus simplement L (E) l'ensemble des endomorphismes de E .

Remarque 1.3: Dans le cas particulier où F = K une application linéaire de E vers K est appelée
une forme linéaire sur E et on note plus simplement E ∗ l'ensemble des formes linéaires sur E .

Remarque 1.4: Si f est une application linéaire de E vers F alors on a f (0E ) = 0F , en eet on
sait que f (0E ) = f (0E + 0E ) = f (0E ) + f (0E ) puis il sut de soustraire f (0E ).

Remarque 1.5: ∀f ∈ L (E, F ), si G est un sous-espace de E alors la restriction de f à G est une

application linéaire de G vers F , on dit que la restriction de f à G est l'application linéaire induite par
f sur G.

Remarque 1.6: On peut vérier de manière immédiate que la composée de deux applications linéaires
est une application linéaire.

Exemple 1.1: Soit f une application linéaire de R vers R, on a ∀λ ∈ R, f (λ) = f (λ.1) = λ.f (1) donc
en notant a = f (1) on remarque que l'application f est de la forme x 7→ a.x ce qui concorde avec la
dénition introduite dans l'enseignement secondaire.
Remarque 1.7: On rencontre des applications linéaires en analyse lorsque l'on étude la dérivation
et l'intégration comme le montre l'exemple ci-dessous.

1
Exemple 1.2: Considérons S un segment de R et C (S, R) l'ensemble des applications de S vers
R continues ainsi que D(S, R) l'ensemble des applications de RS vers R dérivables, on remarque que
C (S, R) et D(S, R) sont des sous-espaces de R , de plus f 7→ S f est une forme linéaire sur C (S, R)
et f 7→ f est une application linéaire de D(S, R) vers R .
0 S
S

Remarque 1.8: Il est facile de construire des applications linéaires entre deux espaces vectoriels
de dimension nie en utilisant des combinaisons linéaires des coordonnées, on peut le constater dans
l'exemple ci-dessous.

Exemple 1.3: L'application (x, y) 7→ (x + y, x − y, 3x − y) de R vers R notée f est linéaire. 2 3

Pour le vérier on peut calculer f (λ.(x, y) + (x , y )) avec λ, (x, y), (x y ) ∈ R × R × R , on obtient

0 0 0 0
0 0
0 0 0
0 0
0
2 2
0 0
f (λ.(x, y)+(x , y )) = f (λ.x+x , λ.y+y ) = (λ.x+x +λ.y+y , λ.x+x −λ.y−y , 3λ.x+3x −λ.y−y ) =
λ.(x + y, x − y, 3x − y) + (x + y , x − y , 3x − y ) = λ.f (x, y) + f (x , y ).
0 0 0 0 0 0 0 0

Propriété 1.1: L (E, F ) est un sous-espace de F . E

[Voir le détail]
Remarque 1.9: On rappelle que si X est un ensemble non vide alors on dénit des lois de composition
sur E X en posant ∀(λ, f, g) ∈ K × E X × E X , ∀x ∈ X, (f + g)(x) = f (x) + g(x) et (λ.f )(x) = λ.f (x)
et que (E X , +, .) est un espace vectoriel sur K.

Exemple 1.4: L'application Id est un endomorphisme de E et ∀λ ∈ K, λ.Id est aussi un endo-

morphisme de E d'après la propriété 1.1, on dit que l'endomorphisme λ.Id est une homothétie de
E E

rapport λ.
E

Exemple 1.5: Si on considère g l'application (x, y) 7→ (x, y, y) de R vers R qui est linéaire et si 2 3

on reprend l'application f de l'exemple 1.3 alors l'application f + g s'identie à l'application (x, y) 7→

(2x + y, x, 3x) de R vers R qui est linéaire.
2 3

Propriété 1.2: ∀f ∈ L (E, F ), si G est un sous-espace de E alors f (G) est un sous-espace de F .

[Voir le détail]
Définition 1.2: ∀f ∈ L (E, F ), f (E) est un sous-espace de F appelé l'image de f et noté Im f .
Exemple 1.6: L'ensemble G = {(x + y, x − y, 3x − y)|(x, y) ∈ R } est un sous-espace de R , pour le
2 3

vérier on peut remarquer que l'application (x, y) 7→ (x + y, x − y, 3x − y) de R vers R est linéaire 2 3

(voir l'exemple 1.3) et utiliser le fait que G est l'image de cette application linéaire.
Propriété 1.3: ∀f ∈ L (E, F ), f surjective ⇐⇒ Im f = F .
[Voir le détail]
Propriété 1.4: ∀f ∈ L (E, F ), si G est un sous-espace de F alors f (G) est un sous-espace de E. −1

[Voir le détail]
Définition 1.3: ∀f ∈ L (E, F ), f ({0 }) est un sous-espace de E appelé le noyau de f et noté
−1

Ker f .
F

Exemple 1.7: L'ensemble G = {(x, y, z) ∈ R |3x − 2y + z = 0} est un sous-espace de R , pour le

3 3

vérier on peut remarquer que l'application (x, y, z) 7→ 3x − 2y + z est un forme linéaire sur R et 3

utiliser le fait que G est le noyau de cette forme linéaire.

Propriété 1.5: ∀f ∈ L (E, F ), f injective ⇐⇒ Ker f = {0 }. E

[Voir le détail]
2
Définition 1.4: Un isomorphisme est une application linéaire et bijective.
Remarque 1.10: S'il s'agit d'un isomorphisme de E vers E on parle plutôt d'automorphisme de E .

Théorème 1.1: (Théorème noyau-image) ∀f ∈ L (E, F ), f induit un isomorphisme de tout supplé-

mentaire de Ker f vers Im f .
[Voir le détail]
Remarque 1.11: Attention Ker f n'admet pas forcément un supplémentaire S mais si c'est le cas
(comme par exemple lorsque E est de dimension nie) alors le théorème précédent nous dit que la
restriction de f à S est un isomorphisme de S vers Im f .

Exercice 1.1: Déterminer si les applications suivantes sont linéaires :

1. L'application (x, y) 7→ (2x + y, y − x) de R vers R .
2 2

2. L'application (x, y, z) 7→ (xy, x, z) de R vers R .

3 3

3. L'application (x, y, z) 7→ (2x + y + z, y − z, x + y) de C vers C . 3 3

4. L'application (x, y) 7→ (y, 0, x − 5, x + y) de R vers R .

2 4

5. L'application P 7→ (P (i), P (0), P (1)) de C[X] vers C . 3

[Voir le détail]
Exercice 1.2: Soit (E, F, G) des espaces vectoriels sur K et (f, g) ∈ L (E, F ) × L (F, G).
1. Montrer que Ker(g ◦ f ) = f (Ker g).
−1

2. Montrer que Ker f ⊂ Ker(g ◦ f ).

3. Montrer que Im(g ◦ f ) ⊂ Im g.
[Voir le détail]
Exercice 1.3: Soit f l'application (x, y, z) 7→ (x + y + z, 2x + y − z) de R vers R . 3 2

1. Montrer que f est linéaire.

2. Déterminer une expression simple de Ker f .
[Voir le détail]
Exercice 1.4: Soit f l'application (x, y) 7→ (x − y, 3y − 3x) de R vers R . 2 2

1. Montrer que f est linéaire.

2. Montrer que f n'est pas injective.
3. L'application f est-elle surjective?
[Voir le détail]
Exercice 1.5: Soit E un espace vectoriel sur K et F un sous-espace de E ainsi que u ∈ L (E).
1. Montrer que u (u(F )) = F + Ker u.
−1

2. Déterminer une expression simple de u(u (F )).

−1

[Voir le détail]

3
Exercice 1.6: Soit E un espace vectoriel sur K et F un sous-espace strict de E.
1. Montrer que F ⊂ Vect(E \ F ).
2. Déterminer une expression simple de Vect(E \ F ).
3. Déterminer tous les endomorphismes de E nuls sur E \ F .
[Voir le détail]
Exercice 1.7: Soit E un espace vectoriel sur K et f ∈ L (E). On note f = f ◦ f , montrer que :
2

Ker f 2 = Ker f ⇐⇒ Im f ∩ Ker f = {0E }

[Voir le détail]
Exercice 1.8: Soit E un espace vectoriel sur K et f ∈ L (E) tel que ∀x ∈ E, (x, f (x)) liée. Montrer
que f est une homothétie.
[Voir le détail]
2 Image d'une famille de vecteurs
Définition 2.1: Soit u une famille d'éléments de E indexée dans un ensemble I non vide notée (u )
et f ∈ L (E, F ), l'image de u par f est la famille (f (u )) d'éléments de F indexée dans I que l'on
i i∈I

note plus simplement f (u).

i i∈I

Exemple 2.1: On considère f l'application x 7→ (x, 2x) de R vers R qui est linéaire, si on note
2

∀n ∈ N, u = n alors on dénit une famille u de R indexée dans N, la famille f (u) désigne alors la
2

famille (n , 2n ) qui est une suite d'éléments de R .

n
2 2 2
n∈N

Remarque 2.1: Rappelons que si (ui )i∈I est une famille d'éléments de E indexée dans un ensemble I
non vide on peut considérer u(I) = {ui |i ∈ I} ainsi que Vect(u(I)) le sous-espace engendré par (ui )i∈I ,
en notant plus simplement ce sous-espace Vect(u) on peut énoncer la propriété ci-dessous.

Propriété 2.1: Si u est une famille d'éléments de E indexée dans un ensemble I non vide et si
f ∈ L (E, F ) alors Vect(f (u)) = f (Vect(u)).
[Voir le détail]
Remarque 2.2: On a étudié dans un chapitre précédent certaines propriétés des familles de vecteurs
(elles peuvent être par exemple libres ou génératrices), la propriété ci-dessous nous montre comment
ces propriétés peuvent se transmettre par des applications linéaires.

Propriété 2.2: Si est une famille d'éléments de E indexée dans un ensemble I non vide et si
u
f ∈ L (E, F ) alors on a les implications suivantes :
 liée
u =⇒ f (u) liée.
 génératrice et surjective) =⇒ f (u) génératrice.
(u f
 libre et injective) =⇒ f (u) libre.
(u f
[Voir le détail]
Exemple 2.2: Soit n ∈ N , l'application P 7→ P de R [X] vers R [X] est linéaire et surjective, on
∗ 0

sait que (X , X , . . . , X ) est génératrice de R [X] et en utilisant la propriété 2.2 on peut remarquer
n n−1
0 1 n

que la famille (0, X , 2X, . . . , nX ) est génératrice de R [X].

n
0 n−1
n−1

Exemple 2.3: Si (u, v) ∈ R est une famille libre alors (u + v, u − v) est aussi une famille libre, pour
2

vérier cela on peut utiliser la propriété 2.2 en remarquant que l'application (x, y) 7→ (x + y, x − y) de
R vers R est linéaire et injective (son noyau est nul).
2 2

4
Propriété 2.3: Si u est une base de E indexée dans un ensemble I non vide et si f ∈ L (E, F ) est
un isomorphisme alors f (u) est une base de F .
[Voir le détail]
Définition 2.2: Deux espaces vectoriels E et F sont dits isomorphes s'il existe un isomorphisme
de E vers F .
Remarque 2.3: S'il existe un isomorphisme f de E vers F alors il existe un isomorphisme de F
vers E (il s'agit de f −1 ) ce qui justie la symétrie de cette relation et le vocabulaire choisi.

Remarque 2.4: La propriété ci-dessous nous permet de déterminer tous les espaces vectoriels iso-
morphes à un espace vectoriel de dimension nie, c'est une conséquence de la propriété 2.3.

Propriété 2.4: Si E est de dimension nie alors on a l'équivalence suivante :

E et F isomorphes ⇐⇒ F de dimension nie et dim(F ) = dim(E)

[Voir le détail]
Exemple 2.4: Tout K espace vectoriel de dimension n ∈ N est isomorphe à K , par exemple R [X]
∗ n

est isomorphe à R et il est facile de vérier que l'application (a , . . . , a ) 7→ P a X est un

n−1
n n−1 k

isomorphisme. La propriété 2.4 fonctionne seulement lorsque les espaces vectoriels sont tous les deux
1 n k=0 k+1

sur R ou tous les deux sur C car les dimensions peuvent varier sinon, la dimension de C est n en tant
n

que C espace vectoriel tandis que la dimension de C est 2n en tant que R espace vectoriel, les espaces
n

vectoriels C et R ne sont pas isomorphes d'après la propriété 2.4 car ils doivent être considérés
n n

comme des espaces vectoriels sur R lors de l'utilisation de cette propriété.

Remarque 2.5: On peut vérier que C2 est de dimension 4 en tant que R espace vectoriel en remar-
quant que ((1, 0), (0, 1), (i, 0), (0, i)) est une base, de même on montre dans le cas général que Cn est
de dimension 2n en tant que R espace vectoriel.

Exercice 2.1: Soit f l'application (x, y, z, t) 7→ (x + y, z + t, x + y + z + t) de R vers R .

4 3

1. Justier le fait que f est linéaire.

2. Déterminer une base de Ker f .
3. Déterminer une base de Im f .
[Voir le détail]
Exercice 2.2: Soit f l'application (x, y, z, t) 7→ (x − 2y, 2y − x, 0, x − y − z − t) de R vers R .4 4

1. Justier le fait que f est linéaire.

2. Déterminer une base de Ker f .
3. Déterminer une base de Im f .
4. Les sous-espaces Ker f et Im f sont-ils supplémentaires dans R ? 4

[Voir le détail]
Exercice 2.3: Soit (a, b, c, d) ∈ K et ϕ l'application (x, y) 7→ (ax + by, cx + dy) de K vers K .
4 2 2

Montrer que si ad − bc 6= 0 alors ϕ est injective.

[Voir le détail]
Exercice 2.4: Soit (a, b, c) ∈ R et ϕ l'application f 7→ a.f + b.f + c.f de C (R, R) vers C (R, R).
3 00 0 2 0

Montrer que si (a, b) 6= (0, 0) alors ϕ est non injective.

[Voir le détail]
5
Exercice 2.5: Déterminer si les applications linéaires suivantes sont injectives ou surjectives :
1. L'application (x, y) 7→ (2x + y, y − x) de R vers R . 2 2

2. L'application (x, y, z) 7→ (2x + y + z, y − z, x + y) de C vers C .3 3

3. L'application P 7→ (P (−1), P (0), P (1)) de C[X] vers C . 3

[Voir le détail]
Exercice 2.6: Soit E et F deux espaces vectoriels sur K. Montrer que si u ∈ L (E, F ) est bijective
alors u est une application linéaire.
−1

[Voir le détail]
Exercice 2.7: Soit E et F deux espaces vectoriels sur K avec E de dimension nie et f ∈ L (E, F ).
Montrer que si l'image d'une base de E par f est une base de F alors f est un isomorphisme.
[Voir le détail]
Exercice 2.8: On note b = (b , b , b ) la base canonique de R et on considère f un endomorphisme
3

de R tel que f (b) = (b + b , b − b , b + b ).

1 2 3
3
1 2 1 2 1 3
1. Montrer que si g est un endomorphisme de R tel que g(b) = f (b) alors f = g.
3

2. Montrer que f (b) est libre.

3. Montrer que f est un automorphisme.
[Voir le détail]
3 Rang d'une application linéaire
Définition 3.1: Soit u une famille nie d'éléments de E, l'entier naturel dim(Vect(u)) est appelé le
rang de u et il est noté rg(u).

Remarque 3.1: Attention le rang est déni seulement pour des familles nies de vecteurs, en eet si
u est nie alors u est une famille nie génératrice de Vect(u) ce qui entraine par dénition que Vect(u)
est de dimension nie.

Propriété 3.1: Le rang d'une famille nie de vecteurs u non nulle est égal au cardinal de sa plus
grande sous-famille libre.
[Voir le détail]
Remarque 3.2: Le rang d'une famille nulle est nul donc une conséquence de la propriété 3.1 est que
le rang d'une famille nie de vecteurs u est toujours inférieur ou égal au cardinal de u.

Exemple 3.1: On cherche le rang de la famille ((1, 2), (0, 1), (−1, 3)) dans R , l'espace vectoriel engen-
2

dré par cette famille est un sous-espace de R donc sa dimension est dans J0, 2K, comme cette famille
2

est non nulle son rang est dans {1, 2}, les deux premiers vecteurs de cette famille n'étant pas colinéaires
on déduit nalement que cette famille est de rang 2 d'après la propriété 3.1.
Définition 3.2: Soit f ∈ L (E, F ), si le sous-espace Im f est de dimension nie alors l'entier naturel
dim(Im f )) est appelé le rang de f et il est noté rg(f ).

Propriété 3.2: Si E est de dimension nie et si f ∈ L (E, F ) alors Im f est de dimension nie et
pour toute base b de E on a rg(f ) = rg(f (b)).
[Voir le détail]

6
 Remarque 3.3: On peut toujours parler du rang d'une famille nie de vecteurs mais il convient de
vérier que Im f est de dimension nie avant de parler du rang de f , le rang de f existe en particulier
lorsque E ou F est de dimension nie, la propriété ci-dessous détaille ce résultat.

Propriété 3.3:
∀f ∈ L (E, F ), (E de dimension nie =⇒ rg(f ) ≤ dim(E)) et (F de dimension nie
=⇒ rg(f ) ≤ dim(F )) .
[Voir le détail]
Remarque 3.4: Si E et F sont de dimensions nies on a alors rg(f ) ≤ min{dim(E), dim(F )}.

Exemple 3.2: Considérons l'application (x, y) 7→ (x, y, x+y) de R vers R notée f qui est linéaire, on
2 3

cherche à déterminer le rang de f , si b désigne la base canonique de R alors f (b) est ((1, 0, 1), (0, 1, 1)),
2

le rang de f (b) est 2 car ses deux vecteurs ne sont pas colinéaires ainsi le rang de f est aussi 2 compte
tenu de la propriété 3.2.
Théorème 3.1: (Théorème du rang) Si E est de dimension nie alors ∀f ∈ L (E, F ), Im f est de
dimension nie et on a dim(Im f ) + dim(Ker f ) = dim(E).
[Voir le détail]
Remarque 3.5: Le théorème du rang s'écrit aussi rg(f ) + dim(Ker f ) = dim(E) et il permet de relier
par cette égalité les dimensions de l'image et du noyau d'une application linéaire.

Exemple 3.3: Considérons l'application (x, y, z) 7→ (x + y, y + z) de R vers R notée f qui est

3 2

linéaire, on cherche à déterminer le rang de f et pour cela on peut étudier son noyau, si u ∈ Ker f est
noté (x, y, z) alors on a x = −y = z donc u = x.(1, −1, 1), ainsi Ker f est une droite vectorielle puis
rg(f ) = 3 − 1 = 2 d'après le théorème du rang.

Remarque 3.6: La propriété ci-dessous est un corollaire important du théorème du rang qui permet
sous certaines hypothèses de faciliter le travail lorsque l'on souhaite montrer qu'une application est
bijective.

Propriété 3.4: Si E et F sont de dimensions nies et égales alors on a ∀f ∈ L (E, F ), (f bijective ⇐⇒

f injective ⇐⇒ f surjective).
[Voir le détail]
Exemple 3.4: La propriété 3.4 ne peut s'énoncer qu'en dimension nie, considérons par exemple
l'application P 7→ P de K[X] vers K[X] notée f , il est clair que f est linéaire et surjective, toutefois
0

f n'est pas injective puisque le polynôme constant 1 est un élément non nul de Ker f , il n'y a pas de
contradiction avec la propriété 3.4 car K[X] est un espace vectoriel de dimension innie.
Exemple 3.5: Soit n ∈ N et (a , . . . , a ) ∈ R , l'application P 7→ P (a ), . . . , P (a )
de R [X]
∗ n

vers R est bijective, pour montrer cela on constate qu'elle est linéaire et injective (si un polynôme de
1 n 1 n n−1
n

degré inférieur à n−1 admet n racines alors il est nul) entre deux espaces vectoriels de même dimension
puis on utilise la propriété 3.4.
Remarque 3.7: D'après l'exemple 3.5 si l'on considère n points d'un plan ane euclidien il existe
un unique polynôme de degré inférieur à n − 1 qui possède un graphe contenant ces n points (la courbe
représentative du polynôme passe par ces n points), ce polynôme est appelé le polynôme d'interpolation
de Lagrange.

7
Exercice 3.1: Existe-t-il des applications linéaires de R vers R qui ont pour noyau le sous-espace
4 2

{(x, y, z, t) ∈ R |x = y = z = t} ?
4

[Voir le détail]
Exercice 3.2:
1. Montrer que si ϕ est une forme linéaire sur R alors il existe (a, b, c) ∈ R tel que ∀(x, y, z) ∈
3 3

R , ϕ(x, y, z) = ax + by + cz .
3

2. Existe-t-il des endomorphismes de R de noyau {(2x, y, y)|(x, y) ∈ R } ?

3 2

[Voir le détail]
Exercice 3.3: Soit E un K espace vectoriel de dimension nie ainsi que (E , E ) deux sous-espaces
de E. On considère l'application (x , x ) 7→ x + x de E × E vers E notée f .
1 2
1 2 1 2 1 2
1. Montrer que E × E peut être muni d'une structure d'espace vectoriel.
1 2
2. Montrer que f est linéaire.
3. Montrer que rg(f ) = dim(E ) + dim(E ) − dim(E ∩ E ).
1 2 1 2
4. Montrer que dim(Ker f ) = dim(E ∩ E ). 1 2
5. Si on suppose que E × E est de dimension nie quelle est alors sa dimension?
1 2

[Voir le détail]
Exercice 3.4: Pour n ∈ N on note f l'application P 7→ P + (1 − X)P de R [X] vers R [X].
0
n n
1. Montrer que f est linéaire.
2. Déterminer une base de Ker f .
3. Déterminer le rang de f .
4. Déterminer une base de Im f .
[Voir le détail]
Exercice 3.5: Soit E un K espace vectoriel de dimension nie, pour f ∈ L (E) et p ∈ N on note ∗

f = f ◦ · · · ◦ f la composée de p applications f , on pose de plus f = Id puis ∀p ∈ N, K = Ker(f )

p 0 p

et I = Im(f ).
E p
p
p
1. Montrer que dim(I )
est décroissante.
p p∈N
2. Montrer que dim(K )
est croissante.
p p∈N
3. Montrer que dim(I )
et dim(K )
sont constantes à partir d'un certain rang.
p p∈N p p∈N

[Voir le détail]
Exercice 3.6: Soit E un K espace vectoriel et F un sous-espace de E, on considère u ∈ L (E) de
rang 1, montrer que :
u(F ) ⊂ F ⇐⇒ (Im u ⊂ F ou F ⊂ Ker u)

[Voir le détail]
Remarque 3.8: Un sous-espace F de E est dit stable par u ∈ L (E) lorsque u(F ) ⊂ F .

Exercice 3.7: Soit (E, F, G) des espaces vectoriels sur K et (u, v) ∈ L (E, F ) × L (F, G). Montrer
que si Im u et Im v sont de dimensions nies alors alors Im(v ◦ u) est de dimension nie et rg(v ◦ u) ≤
min{rg v, rg u}.
[Voir le détail]

8
Exercice 3.8: Soit (E, F, G) des K espaces vectoriels de dimensions nies et (u, v) ∈ L (E, F ) ×
L (F, G). Montrer que :
1. rg(v ◦ u) = rg(u) − dim(Im u ∩ Ker v).
Indication : On pourra considérer la restriction de v à Im u.
2. rg(v ◦ u) ≥ rg(v) + rg(u) − dim(F ).
3. dim(Ker(v ◦ u)) ≤ dim(Ker v) + dim(Ker u).
[Voir le détail]
4 Projecteurs et symétries
Définition 4.1: On appelle projecteur de E un endomorphisme p ∈ L (E) tel que p ◦ p = p.
Exemple 4.1: Considérons C en tant que R espace vectoriel, l'application z 7→ <(z) est alors un
endomorphisme de C noté p, on a en eet ∀λ ∈ R, ∀z ∈ C, p(λ.z) = λ.p(z), il est facile de vérier que
p ◦ p = p ainsi p est un projecteur de C.

Propriété 4.1: ∀p ∈ L (E), p projecteur =⇒ E = Ker p ⊕ Im p.

[Voir le détail]
Remarque 4.1: On dit que p est un projecteur sur Im p car l'image d'un vecteur de E par p se
retrouve sur Im p. La restriction de p à Im p est l'application identité de Im p.

Propriété 4.2: ∀p ∈ L (E), p projecteur ⇐⇒ (IdE − p) projecteur.

[Voir le détail]
Définition 4.2: On dit que les projecteurs p et Id − p sont associés.
E

Exemple 4.2: On note P l'ensemble des applications paires de R vers R et I l'ensemble des applications
impaires de R vers R, on avait montré dans un chapitre précédent que R = P ⊕ I , l'application
R

f 7→ (f +f ◦(−Id ))/2 de R vers P est un projecteur sur P noté p , l'application f 7→ (f −f ◦(−Id ))/2
R

de R vers I est de même un projecteur sur I noté p , on peut vérier que p + p = Id ainsi les
R 1 R
R

projecteurs p et p sont associés.

2 1 2
1 2

Propriété 4.3: ∀p ∈ L (E), p projecteur =⇒ Ker p = Im(Id − p) et Im p = Ker(Id − p)
.

E E

[Voir le détail]
Définition 4.3: On appelle symétrie de E un endomorphisme s ∈ L (E) tel que s ◦ s = Id . E

Remarque 4.2: Une symétrie s est donc en particulier bijective et sa bijection réciproque est s, il
s'agit d'un automorphisme de E .

Exemple 4.3: Considérons C en tant que R espace vectoriel, l'application z 7→ z est alors un en-
domorphisme de C noté s, on a en eet ∀λ ∈ R, ∀z ∈ C, s(λ.z) = λ.s(z), il est facile de vérier que
s ◦ s = Id ainsi s est une symétrie de C.

Propriété 4.4: ∀s ∈ L (E), s symétrie ⇐⇒ .(s + Id ) projecteur.

1
2 E

[Voir le détail]
Définition 4.4: On dit que la symétrie s et le projecteur .(s + Id ) sont associés.
1
2 E

Remarque 4.3: Pour p ∈ L (E) on peut appliquer la propriété 4.4 à l'endomorphisme 2.p − IdE et
on obtient aussi (p projecteur ⇐⇒ 2.p − IdE symétrie).

9
Exemple 4.4: On reprend les notations de l'exemple 4.2 et on cherche à déterminer la symétrie
associée au projecteur p de l'espace vectoriel R , d'après la remarque 4.3 il s'agit de l'application
R

f 7→ f ◦ (−Id ) de R vers R notée s , il est facile de vérier que s est linéaire et que s ◦ s = Id
1
R R

donc il s'agit bien d'une symétrie, de plus on constate que la symétrie associée à p est s = −s .
R 1 1 1 1
2 2 1

Propriété 4.5: ∀s ∈ L (E), s symétrie ⇐⇒ E = Ker(s + Id ) ⊕ Ker(s − Id ). E E

[Voir le détail]
Remarque 4.4: On dit que s est une symétrie par rapport à Ker(s − IdE ) car Ker(s − IdE ) est
l'ensemble des vecteurs invariants par s.

Définition 4.5: Soit A et B deux sous-espaces supplémentaires de E, on sait que ∀x ∈ E, ∃!(a , b ) ∈

tel que x = a + b , on peut dénir par exemple l'application x 7→ a de E vers E qui
x x
A×B
est un projecteur d'image A et de noyau B, on dit que cette application est le projecteur sur A
x x x

parallèlement à B , sa symétrie associée a pour image A et elle est appelée la symétrie par rapport
à A parallèlement à B .

Remarque 4.5: On peut constater que le vocabulaire est bien choisi, en eet si on note p le projecteur
sur A parallèlement à B alors sa symétrie associée est (2.p − IdE ) d'après la remarque 4.3 et il s'agit
d'une symétrie par rapport à Ker(2.p − [Link] ) = Ker(p − IdE ) = Ker(IdE − p) = Im p d'après la
remarque 4.4 et la propriété 4.3.

Exemple 4.5: Notons (e , e , e ) la base canonique de R , on considère le plan vectoriel engendré

3

par (e , e ) noté P et la droite vectorielle engendrée par e notée D, il est clair que R = P ⊕ D,
1 2 3
3

la symétrie par rapport à D notée s est telle que Ker(s − Id) = P , il s'agit de l'automorphisme
1 2 3

(x, y, z) 7→ (x, y, −z) de R puisqu'il vérie bien cette dernière égalité, on peut vérier de même que
D D
3

la symétrie par rapport à P notée s s'identie à l'automorphisme (x, y, z) 7→ (−x, −y, z) de R .

P
3

Exercice 4.1: Soit E un K espace vectoriel et (F, G) des sous-espaces supplémentaires dans E. On
rappelle que ∀x ∈ E, ∃!(x , x ) ∈ F × G tel que x = x + x et on note p l'application x 7→ x de
E vers F ainsi que p l'application x 7→ x de E vers G.
F G F G F F
G G
1. Montrer que p et p sont linéaires.
F G
2. Que peut-on dire de p ◦ p et de p ◦ p ?
F F G G
3. Que peut-on dire de p et de p ? F G

[Voir le détail]
Exercice 4.2: Soit E un K espace vectoriel et (F, G) des sous-espaces supplémentaires dans E. On
note p le projecteur sur F parallèlement à G et p le projecteur sur G parallèlement à F .
F G
1. Montrer que les applications s = 2.p − Id et s = 2.p − Id sont linéaires.
F F E G G E
2. Que peut-on dire de s ◦ s et de s ◦ s ?
F F G G
3. Montrer que s ◦ s = s ◦ s .
F G G F

[Voir le détail]
Exercice 4.3: Soit p l'application (x, y, z) 7→ (2x + y + 2z, y, −x − y − z) de R vers R . 3 3

1. Montrer que p est un projecteur.

2. Déterminer une base de Im p et une base de Ker p.
3. Montrer que R = Ker p ⊕ Im p.
3

[Voir le détail]

10
Exercice 4.4: Soit E un K espace vectoriel et (p, q) deux projecteurs de E sur un même sous-espace
F . Pour λ ∈ R on considère u = λ.p + (1 − λ).q , montrer que :
1. p ◦ q = q et q ◦ p = p.
2. Im u = F .
3. u est un projecteur sur F .
[Voir le détail]
Exercice 4.5: Soit E un K espace vectoriel et (p, q) deux projecteurs de E. Montrer que si p◦q = q ◦p
alors Ker(p + q) = Ker p ∩ Ker q.
[Voir le détail]
Exercice 4.6: Soit E un K espace vectoriel et (f, p) ∈ L (E) .
2

1. Montrer que si f ◦ p = p ◦ f alors Ker p et Im p sont stables par f .

2. Montrer que si p est un projecteur tel que Ker p et Im p sont stables par f alors f ◦ p = p ◦ f .
[Voir le détail]
Exercice 4.7: Soit E un K espace vectoriel et (p, q) ∈ L (E) . Montrer l'équivalence suivante :
2

p et q sont deux projecteurs de même noyau ⇐⇒ (p ◦ q = p et q ◦ p = q)

[Voir le détail]
Exercice 4.8: Soit E un K espace vectoriel de dimension nie ainsi que (u, v) ∈ L (E) tel que
2

u + v = Id et rg(u) + rg(v) ≤ dim(E).

E
1. Montrer que E = Im u ⊕ Im v.
2. Montrer que u et v sont des projecteurs de E.
3. Montrer que u ◦ v = v ◦ u = 0.
[Voir le détail]

11
 Preuves et solutions.

Preuve - Propriété 1.1 : [Voir l'énoncé] Soit (λ, f, g) ∈ K × L (E, F ) , il s'agit de montrer que 2

λ.f + g est linéaire, pour (µ, x, y) ∈ K × E on a (λ.f + g)(µ.x + y) = λ.f (µ.x + y) + g(µ.x + y) =
2

λ.(µ.f (x) + f (y)) + µ.g(x) + g(y) = µ.(λ.f (x) + g(x)) + (λ.f (y) + g(y)) = µ.(λ.f + g)(x) + (λ.f + g)(y)
ce qui permet de conclure.
Preuve - Propriété 1.2 : [Voir l'énoncé] Soit (λ, y, y ) ∈ R × f (G) , on peut noter (x, x ) ∈ G tel
0 2 0 2

que (y, y ) = (f (x), f (x )) et puisque f est linéaire on a λ.y + y = f (λ.x + x ), de plus G est un
0 0 0 0

sous-espace donc (λ.x + x ) ∈ G et ainsi (λ.y + y ) ∈ f (G) ce qui permet de conclure.

0 0

Preuve - Propriété 1.3 : [Voir l'énoncé] Par dénition Im f = f (E) = {f (x)|x ∈ E} ⊂ F donc
Im f = F ⇐⇒ F ⊂ f (E) ⇐⇒ ∀y ∈ F, y ∈ f (E) ⇐⇒ ∀y ∈ F, ∃x ∈ E, y = f (x) ⇐⇒ f surjective.

Preuve - Propriété 1.4 : [Voir l'énoncé] Soit (λ, x, x ) ∈ R × f (G) , on peut noter (y, y ) =
0 −1 2 0

(f (x), f (x )) ∈ G et puisque f est linéaire on a f (λ.x + x ) = λ.y + y , de plus G est un sous-espace

0 2 0 0

donc (λ.y + y ) ∈ G et ainsi (λ.x + x ) ∈ f (G) ce qui permet de conclure.

0 0 −1

Preuve - Propriété 1.5 : [Voir l'énoncé] (⇐) Soit (x, y) ∈ E tel que f (x) = f (y), comme f est
2

linéaire on a (y − x) ∈ Ker f = {0 } donc y − x = 0 puis x = y.

(⇒) On sait que {0 } ⊂ Ker f d'après la remarque 1.4, on vérie de plus que Ker f ⊂ {0 }, en eet
E E

si x ∈ Ker f alors on a f (x) = f (0 ) donc x = 0 par injectivité de f puis x ∈ {0 }.

E E
E E E

Preuve - Théorème 1.1 : [Voir l'énoncé] Considérons S un supplémentaire de Ker f et notons f la

restriction de f à S, comme S est un sous-espace f est une application linéaire à valeurs dans Im f
S

et pour montrer la surjectivité de f il sut de vérier que Im f ⊂ Im f d'après la propriété 1.3, si

S

y ∈ Im f alors ∃x ∈ E tel que y = f (x) et comme E = S + Ker f on peut noter (x , x ) ∈ S × Ker f

S S

tel que x = x + x , on déduit que y = f (x ) ∈ Im f ainsi f est surjective, il est facile de vérier
S 0

que f est injective en utilisant la propriété 1.5, en eet on a Ker f = Ker f ∩ S = {0 } car les
S 0 S S S

supplémentaires sont en somme directe.

S S E

Solution - Exercice 1.1 : [Voir l'énoncé]

1. L'application est linéaire car ses applications composantes (x, y) 7→ 2x + y et (x, y) 7→ y − x
sont linéaires (il s'agit de combinaisons linéaires des formes coordonnées).
2. L'application n'est pas linéaire car l'application composante (x, y) 7→ xy n'est pas linéaire.
3. L'application est linéaire car ses applications composantes sont des combinaisons linéaires des
formes coordonnées.
4. L'application n'est pas linéaire car l'application composante (x, y) 7→ x − 5 n'est pas linéaire.
5. ∀(λ, P, Q) ∈ C × C[X] , ∀z ∈ C, (λ.P + Q)(z) = λ.P (z) + Q(z) ainsi l'application est linéaire
2

puisque ses applications composantes sont linéaires.

Solution - Exercice 1.2 : [Voir l'énoncé]
1. On a en eet ∀x ∈ E, x ∈ Ker(g ◦ f ) ⇐⇒ g ◦ f (x) = 0 ⇐⇒ g(f (x)) = 0 ⇐⇒ f (x) ∈
Ker g ⇐⇒ x ∈ f (Ker g).
G G
−1

2. Si x ∈ Ker f alors g ◦ f (x) = g(f (x)) = g(0 )) = 0 donc x ∈ Ker(g ◦ f ).

F G
3. Si y ∈ Im(g ◦ f ) alors ∃x ∈ E tel que y = g ◦ f (x) et en posant x = f (x) on obtient y = g(x )
0 0

ce qui prouve que y ∈ Im g.

Solution - Exercice 1.3 : [Voir l'énoncé]
12
 1. Les applications composantes de f sont des combinaisons linéaires des formes coordonnées donc
f est une application linéaire. On peut aussi le vérier en utilisant directement la dénition.
2. Si (x, y, z) ∈ Ker f alors on a x + y + z = 0 et 2x + y − z = 0, par addition et soustraction
de ces égalités on trouve 3x + 2y = 0 et 2z = x puis 2.(x, y, z) = (2x, 2y, 2z) = (2x, −3x, x) =
x.(2, −3, 1) ∈ Vect({(2, −3, 1)}), il est facile de vérier que Vect({(2, −3, 1)}) ⊂ Ker f et on
peut alors conclure que Ker f = Vect({(2, −3, 1)}).
Solution - Exercice 1.4 : [Voir l'énoncé]
1. Les applications composantes de f sont des combinaisons linéaires des formes coordonnées donc
f est une application linéaire. On peut aussi le vérier en utilisant directement la dénition.
2. Il sut d'exhiber un vecteur non nul du noyau et d'utiliser la propriété 1.5, on peut vérier par
exemple que f (1, 1) = (0, 0) donc (1, 1) ∈ Ker f 6= {0}.
3. On a Im f = {(x − y, 3y − 3x)|(x, y) ∈ R }, on peut vérier que l'application f n'est pas
2

surjective en déterminant un vecteur qui n'est pas dans Im f , par exemple le vecteur (1, 0) n'est
pas dans Im f car sinon on aurait x − y = 1 et x = y ce qui est absurde.
Solution - Exercice 1.5 : [Voir l'énoncé]
1. ∀x ∈ E, on a x ∈ u (u(F )) ⇐⇒ u(x) ∈ u(F ) ⇐⇒ ∃y ∈ F, u(x) = u(y) ⇐⇒ ∃y ∈
−1

F, (x − y) ∈ Ker u ⇐⇒ (∃y ∈ F, x = y + x − y et (x − y) ∈ Ker u) ⇐⇒ ∃y ∈ F, ∃x ∈

Ker u, x = y + x ⇐⇒ x ∈ F + Ker u.
0
0
2. ∀y ∈ E, on a y ∈ u(u (F )) ⇐⇒ ∃x ∈ u (F ), y = u(x) ⇐⇒ ∃x ∈ E, y = u(x) ∈ F ⇐⇒
−1 −1

y ∈ Im u ∩ F donc on peut conclure que u(u (F )) = Im u ∩ F . −1

Solution - Exercice 1.6 : [Voir l'énoncé]

1. Soit x ∈ F , comme F est un sous-espace strict de E on peut considérer y ∈ E \ F , on remarque
que (x − y) ∈/ F sinon y = x − (x − y) ∈ F ce qui est exclu, ainsi on peut écrire x = (x − y) + y
avec (x − y, y) ∈ (E \ F ) ce qui prouve que F ⊂ Vect(E \ F ).
2

2. Il est clair que E \ F ⊂ Vect(E \ F ) et on a montré dans la question précédente que F ⊂

Vect(E \ F ), on déduit que E ⊂ Vect(E \ F ) puis que Vect(E \ F ) = E .
3. Un endomorphisme de E nul sur E \ F est nul sur Vect(E \ F ), d'après la question précédente
cet endomorphisme est alors nul sur E, nalement il existe un unique endomorphisme de E nul
sur E \ F et il s'agit de l'endomorphisme nul.
Solution - Exercice 1.7 : [Voir l'énoncé] (⇒) Soit y ∈ Im f ∩ Ker f , on note x ∈ E tel que y = f (x)
et comme f (y) = 0 il vient f (x) = 0 , ainsi x ∈ Ker(f ) ⊂ Ker f puis y = f (x) = 0 ce qui prouve
2 2

que Im f ∩ Ker f ⊂ {0 } l'inclusion réciproque étant évidente.

E E E

(⇐) Il est clair que Ker f ⊂ Ker(f ) et il reste à montrer l'inclusion réciproque, si x ∈ Ker(f ) alors
E
2 2

f (x) ∈ Ker f ∩ Im f puis f (x) = 0 donc x ∈ Ker f ce qui achève la preuve.

E

Solution - Exercice 1.8 : [Voir l'énoncé] Si E = {0 } alors tout endomorphisme de E est nul et
l'endomorphisme nul est un cas particulier d'homothétie, on suppose ainsi dans la suite E 6= {0 }
E

et on xe x ∈ E \ {0 }, par hypothèse (x , f (x )) est liée donc ∃(α, β) ∈ K \ {(0, 0)} tel que
E
2

α.x + β.f (x ) = 0 , on remarque que β 6= 0 puisque x 6= 0 donc en posant λ = −α/β on a

0 E 0 0

f (x ) = λ .x , dans la suite on considère x ∈ E et on souhaite montrer que f (x) = λ .x, si (x, x )

0 0 E 0 E 0

est liée alors comme précédemment en utilisant le fait que x est non nul on sait que ∃µ ∈ K tel que
0 0 0 0 0

x = µ .x et il vient f (x) = µ .f (x ) = µ .λ .x = λ .x, il reste à traiter le cas où (x, x ) est libre, on

0 0

sait que (x, f (x)) est liée et que x est non nul donc comme précédemment ∃λ ∈ K tel que f (x) = λ.x,
0 0 0 0 0 0 0 0 0

on sait que (x + x , f (x + x )) est liée et que x + x est non nul donc comme précédemment ∃µ ∈ K
tel que f (x + x ) = µ.(x + x ), on constate alors que µ.x + µ.x = f (x) + f (x ) = λ.x + λ .x et par
0 0 0

liberté de la famille (x, x ) on obtient λ = µ = λ .

0 0 0 0 0 0
0 0

13
Preuve - Propriété 2.1 : [Voir l'énoncé] Si y ∈ f (Vect(u)) alors ∃x ∈ Vect(u) tel que y = f (x) et x
est par dénition une combinaison linéaire d'éléments de {u |i ∈ I} donc il existe J une partie nie et
non vide de I et il existe (λ ) Pune famille de scalaires indexée dans J tels que x = P λ .u , comme
i

f est linéaire on a y = f (x) = λ .f (u ) ∈ Vect(f (u)) ce qui prouve que f (Vect(u)) ⊂ Vect(f (u))
i i∈J i∈J i i

et l'inclusion réciproque se démontre de la même façon. i∈J i i

Preuve - Propriété 2.2 : [Voir l'énoncé] On peut procéder en plusieurs étapes :

Étape (a) : u liée =⇒ f (u) liée.
Comme u est liée elle admet une sous-famille nie et liée, on peut noter J une partie nie et non vide
de I Ptelle que (u ) soit liée, il existe (λ ) une famille de scalaires P indexée dans J non nulle telle
que λ .u = 0 et l'application f étant linéaire on déduit que λ .f (u ) = f (0 ) = 0 ,
i i∈J i i∈J

cette dernière égalité montre que la famille (f (u )) est liée puisque (λ ) est non nulle, ainsi la
i∈J i i E i∈J i i E F

famille f (u) admet une sous-famille nie liée ce qui prouve que f (u) est liée.
i i∈J i i∈J

Étape (b) : (u génératrice et f surjective) =⇒ f (u) génératrice.

En utilisant la propriété 2.1 et le fait que u soit génératrice on a Vect(f (u)) = f (Vect(u)) = f (E),
comme f est surjective on sait de plus que f (E) = F et nalement Vect(f (u)) = F .
Étape (c) : (u libre et f injective) =⇒ f (u) libre.
Considérons une sous-famille nie de f (u) notée (f (u )) avec P J une partie nie et non vide de I ,
soit (λ ) une famille de scalaires indexée dans telle que (u ) = 0 ,
puisque f est
i i∈J
J λ .fP
linéaire cette dernière égalité peut s'écrire f λ .u = 0 ainsi λ .u ∈ Ker f , comme f
i i∈J P
i∈J i i F

est injective son noyau est nul d'après la propriété 1.4 ainsi P λ .u = 0 , de plus u est libre donc
i∈J i i F i∈J i i

la sous-famille nie (u ) est libre et (λ ) est nulle. i∈J i i E

i i∈J i i∈J

Preuve - Propriété 2.3 : [Voir l'énoncé] C'est une conséquence directe de la propriété 2.2, en eet
u est génératrice et f surjective donc f (u) est génératrice, de plus u est libre et f injective donc f (u)
est libre, puisque f (u) est libre et génératrice il s'agit d'une base.
Preuve - Propriété 2.4 : [Voir l'énoncé] (⇒) Comme E est de dimension nie on peut noter
n = dim(E) et b = (b , . . . , b ) une base de E , puisque b est libre ses éléments sont deux à deux
distincts et n est le cardinal de b, d'après la propriété 2.3 la famille f (b) = (f (b ), . . . , f (b )) est une
1 n

base de F , ainsi F admet une famille nie génératrice donc F est de dimension nie, de plus f est
1 n

injective donc les éléments de f (b) sont deux à deux distincts puis le cardinal de f (b) qui correspond
à la dimension de F est n.
(⇐) On peut noter b = (b , . . . , b ) une base de E et b = (b , . . . , b ) une base de F , considérons f
0 0 0

l'application qui au vecteur x de E de coordonnées (x , . . . , x ) dans b associe le vecteur de F de

1 n 1 n

coordonnées (x , . . . , x ) dans b , si λ ∈ R et si y est un vecteur de E de coordonnées (y , . . . , y )

1 n
0

dans b alors f (λ.x + y) est le vecteur de F de coordonnées (λ.x + y , . . . , λ.x + y ) dans b c'est à
1 n 1 n
0

dire λ.f (x) + f (y), ainsi l'application f est linéaire et on montre de même que l'application g qui au
1 1 n n

vecteur z de F de coordonnées (z , . . . , z ) dans b associe le vecteur de E de coordonnées (z , . . . , z )

0

dans b est linéaire, par construction on a f ◦ g = Id et g ◦ f = Id donc f et g sont bijectives et il

1 n 1 n

s'agit d'isomorphismes.
F E

Solution - Exercice 2.1 : [Voir l'énoncé]

1. Les applications composantes de f sont des combinaisons linéaires des formes coordonnées
donc f est une application linéaire.
2. Si (x, y, z, t) ∈ Ker f alors (x, y, z, t) = (x, −x, z, −z) = x.(1, −1, 0, 0) + z.(0, 0, 1, −1) est dans
le sous-espace engendré par la famille ((1, −1, 0, 0), (0, 0, 1, −1)), de plus les vecteurs de cette
famille sont bien dans Ker f et ne sont pas colinéaires, il s'agit ainsi d'une base de Ker f .
3. ∀(x, y, z, t) ∈ R le vecteur (x + y, z + t, x + y + z + t) = (x + y).(1, 0, 1) + (z + t).(0, 1, 1) est
4

dans le sous-espace engendré par la famille u = ((1, 0, 1), (0, 1, 1)), de plus si on note
(e , e , e , e ) la base canonique de R alors u est l'image par f de la famille (e , e ), les
4

vecteurs de u sont bien dans Im f et ne sont pas colinéaires ainsi u est une base de Im f .
1 2 3 4 1 3

14
Solution - Exercice 2.2 : [Voir l'énoncé]
1. Les applications composantes de f sont des combinaisons linéaires des formes coordonnées
donc f est une application linéaire.
2. Si (x, y, z, t) ∈ Ker f alors
(x, y, z, t) = (2y, y, z, x − y − z) = (2y, y, z, y − z) = y.(2, 1, 0, 1) + z.(0, 0, 1, −1) est dans le
sous-espace engendré par la famille ((2, 1, 0, 1), (0, 0, 1, −1)), de plus les vecteurs de cette
famille sont bien dans Ker f et ne sont pas colinéaires, il s'agit ainsi d'une base de Ker f .
3. ∀(x, y, z, t) ∈ R le vecteur (x, y, z, t) = (x − 2y).(1, −1, 0, 0) + (x − y − z − t).(0, 0, 0, 1) est
4

dans le sous-espace engendré par la famille u = (u , u ) = ((1, −1, 0, 0), (0, 0, 0, 1)), on note
(e , e , e , e ) la base canonique de R et on a f (e ) = f (e ) = −u puis u = f (−e ), on a
1 2
4

aussi f (e ) = (1, −1, 0, 1) = u + u = u + f (−e ) donc u = f (e + e ) ainsi u est l'image

1 2 3 4 3 4 2 2 3

par f de la famille (e + e , −e ), les vecteurs de u sont bien dans Im f et ne sont pas

1 1 2 1 3 1 1 3

colinéaires ce qui montre nalement que u est une base de Im f .

1 3 3

4. Ces sous-espaces peuvent être supplémentaires compte tenu de leurs dimensions calculées dans
les questions précédentes, il reste à vérier s'ils sont en somme directe et à examiner ainsi si
Ker f ∩ Im f est nul, en notant v = (v , v ) = ((2, 1, 0, 1), (0, 0, 1, −1)) cela revient à se
demander si la famille obtenue par réunion de u et de v est libre, pour cela on considère
1 2

(a, b, c, d) ∈ R tel que a.u + b.u + c.v + d.v = (0, 0, 0, 0), cette dernière égalité donne
4

(a + 2c, −a + c, d, b + c − d) = (0, 0, 0, 0) puis on obtient a = b = c = d = 0, la somme étant

1 2 1 2

directe on a dim(Ker f ⊕ Im f ) = 2 + 2 = dim(R ) et on peut conclure que R = Ker f ⊕ Im f .

4 4

Solution - Exercice 2.3 : [Voir l'énoncé] On remarque que ϕ est linéaire et on considère ainsi
(x, y) ∈ Ker ϕ, on a ax + by = 0 et cx + dy = 0, en cherchant à éliminer la variable x on trouve
(bc − ad)y = 0 et en cherchant à éliminer la variable y on trouve (ad − bc)x = 0, puisque ad − bc 6= 0
on déduit que (x, y) = (0, 0) ce qui prouve que ϕ est injective d'après la propriété 1.5.
Solution - Exercice 2.4 : [Voir l'énoncé] L'application ϕ est linéaire et on considère f ∈ Ker ϕ, on
remarque que si a 6= 0 alors f est solution d'une équation diérentielle linéaire du second ordre à
coecients constants, on sait que ce type d'équation diérentielle admet une solution non nulle, si
a = 0 alors b 6= 0 et f est cette fois solution d'une équation diérentielle linéaire du premier ordre, ce
type d'équation admet aussi une solution non nulle, le noyau de ϕ est donc non nul et ainsi ϕ est non
injective d'après la propriété 1.5.
Solution - Exercice 2.5 : [Voir l'énoncé]
1. Notons f l'application à étudier, si (x, y) ∈ Ker f alors on a x = y et 2x + y = 3x = 0 donc
(x, y) = (0, 0), l'application f est donc injective, notons b = (b , b ) la base canonique de R , 2

l'image de cette base est f (b) = (2.b + b , b − b ) et cette famille est libre puis constitue ainsi
1 2

une base de R , le fait que f (b) est une base de R entraine que f est surjective.
1 2 2 1
2 2

2. Notons f l'application à étudier, on remarque que (−1, 1, 1) est un vecteur non nul de Ker f
donc f n'est pas injective, notons b = (b , b , b ) la base canonique de C , l'image de cette base 3

est f (b) = ((2, 0, 1), (1, 1, 1), (1, −1, 0)) et cette famille est liée puisque f (b ) + f (b ) = f (b ),
1 2 3

on déduit que f (b) n'est pas génératrice (sinon étant de cardinal 3 elle serait une base de C )
2 3 1
3

puis que C \ Vect(f (b)) 6= ∅, ce dernier ensemble non vide s'identie à C \ Im f d'après la
3 3

propriété 2.1 donc f n'est pas surjective.

3. Notons f l'application à étudier, le polynôme (X + 1)X(X − 1) est un vecteur non nul de
Ker f donc f n'est pas injective, considérons la famille (X , X , X ) notée b, on remarque que
0 1 2

f (b) = ((1, 1, 1), (−1, 0, 1), (1, 0, 1)) est libre, on peut en eet vérier que pour (x, y, z) ∈ C on 3

a (x − y + z, x, x + y + z) = (0, 0, 0) =⇒ (x, y, z) = (0, 0, 0), on déduit que f (b) est une base
de C puis que f est surjective (on peut trouver un antécédent par f dans C [X]).
3
2

15
Solution - Exercice 2.6 : [Voir l'énoncé] Soit (λ, x, y) ∈ K × F , en utilisant la linéarité de u on a
2

u(u−1 (λ.x + y) − λ.u−1 (x) − u−1 (y)) = λ.x + y − λ.x − y = 0 et en utilisant l'injectivité de u on
déduit que le vecteur u (λ.x + y) − λ.u (x) − u (y) qui est dans Ker u est nul d'où le résultat.
F
−1 −1 −1

Solution - Exercice 2.7 : [Voir l'énoncé] On note b = (b , . . . , b ) une base de E avec n ∈ N et ∗

on suppose que f (b) est unePbase de F , considérons un vecteur P y de F de coordonnées (x , . . . , x )

1 n

dans la base f (b), on a y = x .f (b ) = f (x) avec x = x .b ce qui prouve que f est

1 n
n n

surjective,
P de plus si z ∈ Ker f a pour coordonnées (z , . . . , z ) dans la base b alors on obtient
i=1 i i i=1 i i

z .f (b ) = 0 , la liberté de f (b) entraine que les coordonnées de z sont nulles puis que
1 n
n
f (z) =
z = 0 ainsi f est injective.
i=1 i i F
E

Solution - Exercice 2.8 : [Voir l'énoncé]

1. On a ∀(x, y, z) ∈ R , g(x, y, z) = g(x.b + y.b + z.b ) = x.g(b ) + y.g(b ) + z.g(b ) =
3

x.f (b ) + y.f (b ) + z.f (b ) = f (x.b + y.b + z.b ) = f (x, y, z) donc f = g .

1 2 3 1 2 3
1 2 3 1 2 3
2. Considérons (α, β, γ) ∈ R tel que α.(b + b ) + β.(b − b ) + γ.(b + b ) = (0, 0, 0), la liberté
3

de b nous donne α + β + γ = α − β = γ = 0 puis (α, β, γ) = (0, 0, 0) ainsi f (b) est libre.

1 2 1 2 1 3

3. On a montré que f (b) est libre dans la question précédente et comme cette famille est de
cardinal 3 on déduit qu'il s'agit d'une base de R , on peut conclure en utilisant le résultat de
3

l'exercice 2.7 que f est un automorphisme.

Preuve - Propriété 3.1 : [Voir l'énoncé] On note I 6= ∅ l'ensemble ni tel que u = (u ) ainsi
que G = Vect(u), comme u est non nulle l'ensemble {|J| |J ∈ P(I) et (u ) famille libre de G} est
i i∈I

non vide, cet ensemble est de plus majoré par |I| donc il admet un plus grand élément noté
i i∈J

r ∈ J1, |I|K, par construction (u ) est libre et toute sur-famille stricte de cette famille n'est pas
libre, on peut conclure que (u ) est une base de G puis que rg(u) = dim(G) = r.
i i∈J
i i∈J

Preuve - Propriété 3.2 : [Voir l'énoncé] On a Im f = f (E) = f (Vect(b)) = Vect f (b) d'après la
propriété 2.1, ainsi Im f admet une famille nie génératrice et possède une dimension nie, l'égalité
Im f = Vect f (b) donne rg(f ) = rg f (b) en considérant les dimensions.

Preuve - Propriété 3.3 : [Voir l'énoncé] • Si F est de dimension nie alors Im f en tant que
sous-espace de F est de dimension nie avec rg(f ) = dim(Im f ) ≤ dim(F ).
• Si E est de dimension nie alors on peut noter b une base de E et on a rg(f ) = rg f (b) d'après la
propriété 3.2, le cardinal de f (b) est inférieur ou égal à celui de b et comme le cardinal de b est
dim(E) on obtient rg(f ) ≤ dim(E) compte tenu de la remarque 3.2.

Preuve - Théorème 3.1 : [Voir l'énoncé] Puisque E est de dimension nie Ker f admet un
supplémentaire que l'on note S, d'après le théorème noyau-image la restriction de f à S induit un
isomorphisme de S vers Im f et on sait ainsi que dim(S) = rg(f ) d'après la propriété 2.4, de plus
comme E = S ⊕ Ker f on a dim(S) = dim(E) − dim(Ker f ) = rg(f ).
Preuve - Propriété 3.4 : [Voir l'énoncé] • Si f est injective alors Ker f est nul d'après la propriété
1.5 donc rg(f ) = dim(E) − dim(Ker f ) = dim(E) = dim(F ), ainsi Im f est un sous-espace de F de
dimension dim(F ) donc Im f = F , ceci prouve que f est surjective donc bijective.
• Si f est surjective alors Im f = F donc rg(f ) = dim(F ) puis en utilisant le théorème du rang il
vient dim(Ker f ) = dim(E) − dim(F ) = 0 , ceci prouve que Ker f est nul puis que f est injective
d'après la propriété 1.5 donc bijective.
Solution - Exercice 3.1 : [Voir l'énoncé] Si une telle application linéaire existe alors son noyau est
une droite vectorielle engendrée par le vecteur (1, 1, 1, 1), son rang est ensuite 4 − 1 = 3 d'après le
théorème du rang, c'est absurde car ce rang doit être dans {0, 1, 2} d'après la propriété 3.3, cela
signie que des applications linéaires de ce type n'existe pas.
16
Solution - Exercice 3.2 : [Voir l'énoncé]
1. Il sut de poser (a, b, c) = (ϕ(1, 0, 0), ϕ(0, 1, 0), ϕ(0, 0, 1)) et d'utiliser la linéarité de ϕ.
2. Supposons que f soit un endomorphisme de R tel que Ker f = Vect{(2, 0, 0), (0, 1, 1)}, comme 3

Ker f est de dimension 2 on a rg(f ) = 1 d'après le théorème du rang, puisque Im f est une
droite vectorielle on peut considérer (α, β, γ) un vecteur non nul de Im f et ϕ une forme
linéaire sur R tels que ∀(x, y, z) ∈ R , f (x, y, z) = ϕ(x, y, z).(α, β, γ), d'après la question
3 3

précédente on peut noter (a, b, c) ∈ R tel que ϕ(x, y, z) = ax + by + cz, en utilisant le fait que
3

(ϕ(2, 0, 0), ϕ(0, 1, 1)) = (0, 0) on obtient a = 0 et b + c = 0, ces conditions peuvent être
vériées par plusieurs endomorphismes diérents, on peut choisir par exemple dans la suite
b = 1 et (α, β, γ) = (1, 0, 0), on vérie que l'endomorphisme (x, y, z) 7→ (y − z, 0, 0) noté g est
bien de rang 1, de plus g(2, 0, 0) = g(0, 1, 1) = 0 donc Ker g = Vect{(2, 0, 0), (0, 1, 1)}.
Solution - Exercice 3.3 : [Voir l'énoncé]
1. On pose ∀λ ∈ K, ∀(x , x ) ∈ E × E , λ.(x , x ) = (λ.x , λ.x ) et on dénit ainsi une loi de
composition externe (.), on pose ∀(y , y ) ∈ E × E , (x , x ) + (y , y ) = (x + y , x + y ) et
1 2 1 2 1 2 1 2

on dénit ainsi une loi de composition interne (+), on vérie ensuite sans dicultés que
1 2 1 2 1 2 1 2 1 1 2 2

E × E muni de ces lois de composition est un espace vectoriel sur K (on dit qu'il s'agit d'un
produit d'espaces vectoriels).
1 2

2. On utilise la structure d'espace vectoriel de E × E dénie dans la question précédente, pour

(λ, (x , x ), (y , y )) ∈ K × (E × E ) on a f (λ.(x , x ) + (y , y )) = f (λ.x + y , λ.x + y ) =
1 2
2

λ.x + y + λ.x + y = λ.(x + x ) + (y + y ) = λ.f (x , x ) + f (y , y ) donc f est linéaire.

1 2 1 2 1 2 1 2 1 2 1 1 2 2
1 1 2 2 1 2 1 2 1 2 1 2
3. On remarque que Im f = E + E donc il sut d'utiliser la formule de Grassmann.
1 2
4. On a Ker f = {(x, −x)|x ∈ E ∩ E }, en eet {(x, −x)|x ∈ E ∩ E } ⊂ Ker f et l'inclusion
réciproque est vraie car si (x , x ) ∈ Ker f alors on a x = −x puis (x , x ) = (x , −x ) avec
1 2 1 2

x ∈ E ∩ E , l'application x 7→ (x, −x) de E ∩ E vers Ker f est ainsi surjective et comme

1 2 2 1 1 2 1 1

elle est injective de manière évidente il s'agit d'un isomorphisme, en utilisant la propriété 2.4
1 1 2 1 2

on obtient dim(Ker f ) = dim(E ∩ E ). 1 2

5. Le théorème du rang donne dim(E × E ) = dim(Ker f ) + rg(f ) = dim(E ) + dim(E ) compte
tenu des deux questions précédentes.
1 2 1 2

Solution - Exercice 3.4 : [Voir l'énoncé]

1. On vérie sans dicultés que ∀(λ, P, Q) ∈ R × R [X], f (λ.P + Q) = λ.f (P ) + f (Q) et que
f (P ) est de degré inférieur ou égal à n.
n

2. Si P ∈ Ker f alors son application polynôme Pb est solution de l'équation diérentielle linéaire
du premier ordre y + 1/(1 − x)yb= 0 qui est homogène, la fonction x 7→ 1/(1 − x) admet pour
0

primitive x 7→ − ln(1 − x) donc P est colinéaire à l'application x 7→ 1 − x, on déduit que P est

colinéaire à 1 − X puis il vient Ker f = Vect({1 − X}).
3. Le théorème du rang et la question précédente permettent de conclure que rg(f ) = n.
4. D'après la question précédente Im f est de dimension n, de plus on a f (X ) = X = f (X ) et 0 0 1
k
∀k ≥ 2, f (X ) = X + (1 − X)kX k = (1 − k)X + kX de degré k, comme les degrés des
k−1 k k−1

éléments de la famille (f (X ), f (X ), . . . , f (X )) forment une suite d'entiers strictement

1 2 n

croissante il s'agit d'une famille libre, nalement (f (X ), f (X ), . . . , f (X )) étant de cardinal 1 2 n

n est une base de Im f .

Solution - Exercice 3.5 : [Voir l'énoncé]

1. Il est facile de vérier que Im(f ) ⊂ Im(f ) donc la suite dim(I )
est décroissante.
p+1 p
p p∈N
2. Il est facile de vérier que Ker(f ) ⊂ Ker(f ) donc la suite dim(K )
est croissante.
p p+1
p p∈N
3. Si u ∈ N est une suite d'entiers naturels décroissante alors on peut noter m = min(u(N)) puis
N

N ∈ N tel que u = m, comme u est décroissante on a ∀k ∈ N, u

N ≤ u et en tenant N +k N

17
 compte du fait que u = min(u(N)) on obtient
aussi u ≤ u , ceci montre que u est
constante à partir du rang N , la suite dim(I ) en tant que suite d'entiers naturels
N N N +k

décroissante est de même que u constante à partir d'un certain rang, le théorème du
rang qui
p p∈N

permet d'écrire ∀p ∈ N, dim(K ) = dim(E) − dim(I ) montre ensuite que dim(K ) est
aussi constante à partir du même rang.
p p p p∈N

Solution - Exercice 3.6 : [Voir l'énoncé] (⇐) On a u(F ) = Im f donc Im f ⊂ F =⇒ u(F ) ⊂ F

de plus F ⊂ Ker u =⇒ u(F ) = {0 } ⊂ F .
(⇒) Supposons F stable par u et non inclus dans Ker u, on peut noter x ∈ F \ Ker u puis u(x) est
E

alors un vecteur non nul de Im u, puisque u est de rang 1 on obtient Im u = Vect(u(x)), de plus
u(x) ∈ F car F est stable par u donc Im u ⊂ F .

Solution - Exercice 3.7 : [Voir l'énoncé] On remarque que Im(v ◦ u) = v(u(E)) ⊂ v(F ) = Im v et
comme Im v est de dimension nie on obtient Im(v ◦ u) de dimension nie avec rg(v ◦ u) ≤ rg(v), il
reste à montrer que rg(v ◦ u) ≤ rg(u), pour cela on peut constater que v ◦ u est la restriction de v à
Im u qui est de dimension nie donc on a rg(v ◦ u) ≤ dim(Im u) = rg(u) d'après la propriété 3.3.

Solution - Exercice 3.8 : [Voir l'énoncé]

1. On utilise le fait que v ◦ u est la restriction de v à Im u, le théorème du rang s'écrit alors pour
cette application rg(u) = dim(Ker(v ◦ u)) + rg(v ◦ u), de plus le noyau de la restriction de v à
Im u est Ker(v ◦ u) = Im u ∩ Ker v d'où le résultat.
2. Le théorème du rang appliqué à v donne dim(F ) = rg(v) + dim(Ker v), de plus on sait que
Im u ∩ Ker v ⊂ Ker v donc dim(Im u ∩ Ker v) ≤ dim(Ker v), d'après la question précédente il
vient rg(v ◦ u) − rg(u) = − dim(Im u ∩ Ker v) ≥ − dim(Ker v) = rg(v) − dim(F ) ce qui permet
de conclure.
3. Appliquons trois fois le théorème du rang dans l'inégalité de la question précédente, on obtient
dim(E) − dim(Ker(v ◦ u)) ≥ dim(F ) − dim(Ker v) + dim(E) − dim(Ker u) − dim(F ) ce qui
nous donne bien dim(Ker(v ◦ u)) ≤ dim(Ker v) + dim(Ker u).
Preuve - Propriété 4.1 : [Voir l'énoncé] Si x ∈ E alors on peut poser x = p(x) − x et on a
x = x + p(x) avec x ∈ Ker p ce qui prouve que E = Ker p + Im p, d'autre part cette somme est
0

directe car si x ∈ Ker p ∩ Im p alors ∃x ∈ E tel que x = p(x) puis il vient p(x ) = p(x) puisque p est
0 0
0 0 0

un projecteur donc x = p(x) = 0 car x ∈ Ker p ce qui prouve que Ker p ∩ Im p = {0 }.

0
E
0
E

Preuve - Propriété 4.2 : [Voir l'énoncé] La composition des endomorphismes de L (E) est
distributive par rapport à l'addition, cela signie que pour (λ, f, g, h) ∈ K × L (E) on a 3

h ◦ (λ.f + g) = λ.h ◦ f + h ◦ g , on dit que (L (E), +, ., ◦) est une algèbre, en particulier on a

(Id − p) ◦ (Id − p) = (Id − p) = (Id ) + p − 2.p ◦ Id = Id + p − 2.p, on déduit que
2 2 2 2

(Id − p) est un projecteur si et seulement si Id + p − 2.p = Id − p si et seulement si p = p.

E E E E E E
2 2
E E E

Preuve - Propriété 4.3 : [Voir l'énoncé] ∀x ∈ E, x ∈ Ker(Id − p) ⇐⇒ p(x) = x ⇐⇒ x ∈ Im p

puisque x ∈ Im p =⇒ ∃z ∈ E, x = p(z) =⇒ p(x) = p (z) = p(z) = x ce qui prouve que
E
2

Im p = Ker(Id − p), de plus on sait d'après la propriété 4.2 que Id − p est un projecteur et en
appliquant le résultat que l'on vient d'obtenir à Id − p on déduit que Im(Id − p) = Ker p.
E E
E E

Preuve - Propriété 4.4 : [Voir l'énoncé] On va à nouveau utiliser la structure d'algèbre de L (E),
on a .(s + Id ) ◦ .(s + Id ) = .(s + Id ) = .(s + Id + 2.s), on déduit que .(s + Id ) est un
1 1 1 2 1 2 1

projecteur si et seulement si .(s + Id + 2.s) = .(s + Id ) si et seulement si s = Id .

2 E 2 E 4 E 4 E 2 E
1 2 1 2
4 E 2 E E

Preuve - Propriété 4.5 : [Voir l'énoncé] (⇒) ∀x ∈ E, ∃(x , x ) ∈ Ker(s + Id ) × Ker(s − Id ) tel
que x = x + x , il vient s (x) = s (x ) + s (x ) = s(−x ) + s(x ) = x + x = x donc s = Id .
1 2 E E
2 2 2 2
1 2 1 2 1 2 1 2 E

18
(⇐) Pour x ∈ E on note x = .(x − s(x)) et x = .(x + s(x)), on vérie facilement que x = x + x
1 1

puis que (x , x ) ∈ Ker(s + Id ) × Ker(s − Id ) ce qui prouve que E = Ker(s + Id ) + Ker(s − Id ),

1 2 2 2 1 2

cette somme est directe car si y ∈ Ker(s + Id ) ∩ Ker(s − Id ) alors on a s(y) = y = −y puis y = 0 .
1 2 E E E E
E E E

Solution - Exercice 4.1 : [Voir l'énoncé]

1. Pour (λ, x, y) ∈ K × F × G on peut écrire que λ.x + y = (λ.x + y ) + (λ.x + y ) avec
(λ.x + y , λ.x + y ) ∈ F × G donc on a p (λ.x + y) = λ.x + y = λ.p (x) + p (y) et
F F G G

p (λ.x + y) = λ.x + y = λ.p (x) + p (y) par dénition des applications p et p .

F F G G F F F F F
G G G G G F G
2. Si x ∈ E est noté x + x avec (x , x ) ∈ F × G alors on a p (x) = x et puisque x ∈ F il
vient p (x ) = x et ainsi p ◦ p (x) = x = p (x), ceci prouve que p ◦ p = p et on
F G F G F F F

montre de même que p ◦ p = p .

F F F F F F F F F F
G G G
3. Compte tenu des deux questions précédentes on peut armer que p et p sont des
projecteurs, plus précisément p est le projecteur sur F parallèlement à G et p est le
F G

projecteur sur G parallèlement à F .

F G

Solution - Exercice 4.2 : [Voir l'énoncé]

1. On a montré dans l'exercice 4.1 que p et p sont des endomorphismes de E, de plus on sait
que L (E) est un sous-espace de E d'après la propriété 1.1, il est clair que Id ∈ L (E) et
F G
E

ainsi (s , s ) ∈ L (E) .
E
2
F G
2. On a s ◦ s = (2.p − Id ) = 4.p ◦ p + Id ◦ Id − 4.p ◦ Id = Id puisque p est un
2

projecteur et de même on montre que s ◦ s = Id .

F F F E F F E E F E E F
G G E
3. Pour x ∈ E noté x + x avec (x , x ) ∈ F × G on sait que p (x + x ) = x donc on a
s (x + x ) = 2.x − x − x = x − x , il vient s ◦ s (x) = s (−x + x ) = −x − x
F G F G F F G F

et s ◦ s (x) = s (x − x ) = −x − x puis s ◦ s (x) = s ◦ s (x).

F F G F F G F G F G F F G F G
G F G F G F G F G G F

Solution - Exercice 4.3 : [Voir l'énoncé]

1. On note (e , e , e ) la base canonique de R , on a p ◦ p(e ) = p(2, 0, −1) = (2, 0, −1) = p(e ) et 3

p ◦ p(e ) = p(1, 1, −1) = (1, 1, −1) = p(e ) puis p ◦ p(e ) = p(2, 0, −1) = (2, 0, −1) = p(e ), la
1 2 3 1 1

linéarité de p permet ensuite de conclure que p ◦ p = p.

2 2 3 3

2. On a Im p ⊂ Vect({(2, 0, −1), (1, 1, −1), (2, 0, −1)}) ⊂ Vect({(2, 0, −1), (1, 1, −1)}), de plus
p (e ) = (2, 0, −1) et p (e ) = (1, 1, −1) donc la famille ((2, 0, −1), (1, 1, −1)) est génératrice
2 2

de Im p, comme cette famille est libre il s'agit d'une base de Im p, d'après le théorème du rang
1 2

on sait que Ker p est une droite vectorielle, tout vecteur non nul de Ker p constitue donc une
base de Ker p, le vecteur (1, 0, −1) convient par exemple.
3. D'après la question précédente on a dim(R ) = dim(Ker p) + dim(Im p) et il reste ainsi à 3

vérier que Ker p ∩ Im p = {0} ce qui permettrait d'obtenir Ker p + Im p = R en considérant 3

les dimensions, si x ∈ Ker p ∩ Im p alors x ∈ Ker(Id − p) ∩ Ker p d'après la propriété 4.3 puis
p(x) = x = 0 . E

Solution - Exercice 4.4 : [Voir l'énoncé]

1. On sait que F = Im p = Im q et on a ∀x ∈ E, p ◦ q(x) = p(q(x)) avec q(x) ∈ Im q = Im p, de
plus la restriction de p à Im p est l'application identité de Im p donc p ◦ q(x) = q(x) puis de
même on montre que q ◦ p = p.
2. Il est clair que Im u ⊂ Im p + Im q = F , réciproquement si x ∈ F = Im p = Im q alors p(x) = x
et q(x) = x, on déduit que x = λ.x + (1 − λ).x = λ.p(x) + (1 − λ).q(x) = u(x) ainsi F ⊂ Im u.
3. On obtient u = (λ.p + (1 − λ).q) = λ .p + (1 − λ) .q + λ(1 − λ).p ◦ q + λ(1 − λ).q ◦ p =
2 2 2 2 2 2

λ .p + (1 − λ) .q + λ(1 − λ).q + λ(1 − λ).p = λ.p + (1 − λ).q = u en utilisant le résultat de la

2 2

première question donc u est un projecteur sur F compte tenu de la question précédente.

19
Solution - Exercice 4.5 : [Voir l'énoncé] Il est évident que Ker p ∩ Ker ⊂ Ker(p + q) et il reste à
montrer l'inclusion réciproque, on remarque que (p + q) = p + q + p ◦ q + q ◦ p = p + q + 2.p ◦ q
2 2 2 2 2

en utilisant le fait que p et q commutent, si x ∈ Ker(p + q) alors l'égalité précédente montre que
p ◦ q(x) = 0 , comme on a de plus q(x) = −p(x) on déduit que p (x) = 0 = p(x) = q(x) et ainsi
2

x ∈ Ker p ∩ Ker q .
E E

Solution - Exercice 4.6 : [Voir l'énoncé]

1. Si x ∈ Ker p alors on a f ◦ p(x ) = 0 = p ◦ f (x ) donc f (x ) ∈ Ker p ce qui montre que Ker p
est stable par f , si y ∈ Im p alors on peut noter x ∈ E tel que y = p(x) puis on remarque que
0 0 E 0 0

f (y) = f ◦ p(x) = p(f (x)) ∈ Im p donc Im p est stable par f .

2. On sait que E = Ker p ⊕ Im p d'après la propriété 4.1 donc par linéarité de f et de p il sut
de vérier l'égalité f ◦ p = p ◦ f sur chacun des deux sous-espaces supplémentaires dans E, si
x ∈ Ker p alors on a f ◦ p(x ) = 0 mais aussi p ◦ f (x ) = 0 puisque Ker p est stable par f ,
si y ∈ Im p alors on a p(y) = y et comme Im p est stable par f on peut considérer x ∈ E tel
0 0 E 0 E

que f (y) = p(x) puis on obtient p ◦ f (y) = p (x) = p(x) = f (y) = f ◦ p(y).
2

Solution - Exercice 4.7 : [Voir l'énoncé] (⇐) Si x ∈ Ker p alors on a q ◦ p(x) = 0 = q(x) donc
x ∈ Ker q , de plus si x ∈ Ker q alors on a p ◦ q(x) = 0 = p(x) donc x ∈ Ker q .
E

(⇒) D'après la propriété 4.1 on a E = Ker p ⊕ Im p et par linéarité de p et de q on peut ainsi vérier
E

l'égalité p ◦ q = p sur chacun des deux sous-espaces supplémentaires, si x ∈ Ker p alors on a

x ∈ Ker q puis p ◦ q(x ) = 0 = p(x ), si z ∈ Im p alors on peut noter (x, y) Ker q × Im q tel que
0

z = x + y en utilisant la propriété 4.1, on obtient p ◦ q(z) = p ◦ q(x) + p ◦ q(y) = p(q(y)) = p(y) et

0 0 E 0

p(z) = p(x) + p(y) = p(y), on vient de montrer que p ◦ q = p mais il vient aussi q ◦ p = q par symétrie
de l'hypothèse.
Solution - Exercice 4.8 : [Voir l'énoncé]
1. Il est clair que Im(u + v) ⊂ Im u + Im v et comme Im(u + v) = Im(Id ) = E on obtient
ensuite E = Im u + Im v, en utilisant la formule de Grassmann on remarque de plus que
E

dim(Im u ∩ Im v) = rg(u) + rg(v) − dim(Im u + Im v) = rg(u) + rg(v) − dim(E) ≤ 0 ce qui

montre que Im u et Im v sont en somme directe.
2. Considérons p le projecteur sur Im u parallèlement à Im v, si x ∈ Im u alors on a p(x) = x, de
plus on a x + 0 = (u + v)(x) = u(x) + v(x) et en utilisant le fait que Im u et Im v sont en
somme directe on déduit que (x, 0 ) = (u(x), v(x)), ainsi p et u coïncident sur Im u et on
E

montre de la même façon que p et u coïncident sur Im v, les sous-espaces Im u et Im v étant

E

supplémentaires il vient u = p puis v = Id − u est alors le projecteur associé à u.

E
3. Puisque v est le projecteur associé à u on a u ◦ v = u ◦ (Id − u) = u − u = 0 et de même 2

v ◦ u = (Id − u) ◦ u = u − u = 0.
E
2
E

20