Prepa Help
Prepa Help › Cours › Mathématiques, 1re année

Applications linéaires : noyau, image, isomorphismes, rang et théorème du rang

Applications linéaires, noyau et image, isomorphismes, projecteurs et symétries, théorème du rang, hyperplans et formes linéaires, équations linéaires et sous-espaces affines.

Les nombres sont ceux du chapitre complet ; chaque filière voit la partie qui correspond à son programme.

Une application linéaire est une application entre deux espaces vectoriels qui respecte les sommes et les multiplications par un nombre : l'image d'une combinaison linéaire est la combinaison des images. Son noyau, l'ensemble des vecteurs envoyés sur zéro, dit si elle est injective ; son image dit si elle est surjective. Une application linéaire est entièrement fixée par les images des vecteurs d'une base. Entre deux espaces de même dimension finie, injective, surjective et bijective reviennent au même, ce qui fait de l'isomorphisme une question de noyau. Le théorème du rang relie la dimension du noyau et celle de l'image à la dimension de l'espace de départ. Le chapitre est au programme de toutes les classes de première année, au Maroc (MPSI, PCSI, TSI) et en France (MPSI, MP2I, PCSI, PTSI, TSI1, TPC1) ; selon la classe, quelques compléments s'y ajoutent.

Ce que tu sauras faire

Ce chapitre étudie les applications entre espaces vectoriels qui respectent les sommes et les multiplications par un nombre. Elles décrivent la superposition en physique, les opérateurs de dérivation, les systèmes linéaires, et elles transportent sous-espaces, bases et dimensions d'un espace à l'autre. À la fin, tu dois savoir :

L’essentiel du chapitre Extrait gratuit

Un extrait de la fiche « L'essentiel » du chapitre. Les démonstrations sont dans le cours détaillé.

À retenir Applications linéaires
  • u:E→Fu : E \to F est linéaire si u(λx+y)=λu(x)+u(y)u(\lambda x + y) = \lambda u(x) + u(y) pour tous x,y∈Ex, y \in E, λ∈K\lambda \in \mathbb{K}. Alors u(0E)=0Fu(0_E) = 0_F (nécessaire, pas suffisant) et u(∑λkxk)=∑λku(xk)u\left(\sum \lambda_kx_k\right) = \sum \lambda_ku(x_k).
  • Endomorphisme : de EE dans EE. Isomorphisme : linéaire et bijective. Automorphisme : endomorphisme bijectif.
  • Exemples : applications de Kn\mathbb{K}^n dans Kp\mathbb{K}^p dont chaque coordonnée est une combinaison linéaire des variables ; X↦AXX \mapsto AX ; dérivation ; intégrale sur un segment ; évaluation P↦P(a)P \mapsto P(a) ; décalage des suites ; x↦λxx \mapsto \lambda x.
  • Combinaisons linéaires et composées d'applications linéaires sont linéaires ; la réciproque d'un isomorphisme est linéaire ; (v∘u)−1=u−1∘v−1(v \circ u)^{-1} = u^{-1} \circ v^{-1}.
  • GL(E)\mathrm{GL}(E), le groupe linéaire : les automorphismes de EE ; il contient idE\mathrm{id}_E, il est stable par composition et réciproque. La composition n'est pas commutative.
À retenir Noyau et image
  • Images directe et réciproque d'un sous-espace : des sous-espaces.
  • Noyau Ker u={x∈E:u(x)=0F}\mathrm{Ker}\,u = \{x \in E : u(x) = 0_F\}, sous-espace de EE ; u(x)=u(y)  ⟺  x−y∈Ker uu(x) = u(y) \iff x - y \in \mathrm{Ker}\,u ; uu injective   ⟺  Ker u={0E}\iff \mathrm{Ker}\,u = \{0_E\}.
  • Image Im u=u(E)\mathrm{Im}\,u = u(E), sous-espace de FF ; uu surjective   ⟺  Im u=F\iff \mathrm{Im}\,u = F.
  • Si (e1,…,en)(e_1, \ldots, e_n) engendre EE : Im u=Vect(u(e1),…,u(en))\mathrm{Im}\,u = \mathrm{Vect}(u(e_1), \ldots, u(e_n)).
  • uu injective   ⟺  \iff l'image de toute famille libre est libre.
  • Composée : Ker u⊂Ker(v∘u)\mathrm{Ker}\,u \subset \mathrm{Ker}(v \circ u), Im(v∘u)⊂Im v\mathrm{Im}(v \circ u) \subset \mathrm{Im}\,v ; v∘u=0  ⟺  Im u⊂Ker vv \circ u = 0 \iff \mathrm{Im}\,u \subset \mathrm{Ker}\,v.
À retenir Détermination d'une application linéaire
  • EE de dimension finie, (e1,…,en)(e_1, \ldots, e_n) base, f1,…,fn∈Ff_1, \ldots, f_n \in F : il existe une unique u∈L(E,F)u \in \mathcal{L}(E, F) telle que u(ek)=fku(e_k) = f_k.
  • Deux applications linéaires égales sur une base sont égales.
  • Si E=E1⊕E2E = E_1 \oplus E_2, une application linéaire est fixée par ses restrictions à E1E_1 et à E2E_2.
  • Image d'une base : libre si et seulement si uu injective ; génératrice de FF si et seulement si uu surjective ; base si et seulement si uu isomorphisme.
À retenir Isomorphismes et dimension finie
  • EE et FF de dimension finie sont isomorphes si et seulement si dim⁡E=dim⁡F\dim E = \dim F ; E≃KnE \simeq \mathbb{K}^n par les coordonnées dans une base.
  • Si dim⁡E=dim⁡F\dim E = \dim F est finie : uu injective   ⟺  u\iff u surjective   ⟺  u\iff u bijective.
  • Hors de la dimension finie, c'est faux : DD sur K[X]\mathbb{K}[X] est surjective non injective, P↦XPP \mapsto XP injective non surjective.

Une méthode du chapitre Extrait gratuit

Un exercice corrigé Extrait gratuit

Dans le chapitre complet

Le cours détaillé, toute la fiche « L'essentiel », 21 méthodes, 20 pièges corrigés, la carte mentale, 52 exercices corrigés, 6 problèmes de concours, les fiches à mémoriser et l'assistant qui répond à tes questions. Les trois premiers chapitres de chaque matière sont offerts avec un compte d’essai gratuit.

Ouvrir l'essai gratuitVoir les offres

Plan du cours

Les méthodes du chapitre

Chaque méthode est une fiche : quand l'utiliser, le rappel de cours, les étapes, la rédaction attendue sur la copie, un exemple traité, les erreurs à éviter.

  1. Montrer qu'une application est linéaire, ou qu'elle ne l'est pas
  2. Calculer l'image d'un vecteur par linéarité, retrouver l'expression d'une application linéaire
  3. Déterminer le noyau et en donner une base
  4. Déterminer l'image et en donner une base
  5. Montrer qu'une application linéaire est injective ou surjective
  6. Calculer le rang d'une application linéaire
  7. Utiliser le théorème du rang pour une dimension ou une impossibilité
  8. Montrer qu'une application linéaire est un isomorphisme et trouver sa réciproque
  9. Définir une application linéaire par l'image d'une base ou par deux restrictions ; montrer que deux applications linéaires sont égales
  10. Montrer une égalité de sous-espaces par le théorème du rang
  11. Étudier une application linéaire hors de la dimension finie
  12. Comparer noyaux et images d'une composée
  13. Résoudre une équation linéaire
  14. Utiliser le rang d'une composée
  15. Reconnaître un projecteur ou une symétrie et trouver ses éléments
  16. Écrire une projection ou une symétrie dont on connaît les éléments
  17. Exploiter une relation entre les puissances d'un endomorphisme
  18. Étudier les noyaux et images itérés ; montrer que le noyau et l'image sont supplémentaires
  19. Montrer qu'un sous-espace est un hyperplan, en trouver une équation et un supplémentaire
  20. Décrire un sous-espace par un système d'équations ; comparer deux équations d'un hyperplan
  21. Décrire un sous-espace affine

Les exercices corrigés

Chaque exercice a ses indications, sa correction rédigée et ce qu'il faut en retenir.

Application directe (21)

Entraînement (23)

Approfondissement (8)

Les problèmes de concours

Des extraits de sujets réels, corrigés en entier, avec la durée conseillée et les méthodes mobilisées.

Questions fréquentes

Comment montrer qu'une application est linéaire ?

On prend deux vecteurs x et y de l'espace de départ et un scalaire λ, et l'on vérifie que l'image de λx + y est λ fois l'image de x plus l'image de y. C'est l'application elle-même qui doit être évaluée en λx + y. Le fait que le vecteur nul soit envoyé sur le vecteur nul est nécessaire mais ne suffit pas : l'application qui envoie (x, y) sur le produit xy le vérifie sans être linéaire.

Comment trouver le noyau et l'image d'une application linéaire ?

Le noyau est l'ensemble des solutions de l'équation u(x) = 0 : pour une application donnée par des formules, c'est un système linéaire homogène, que l'on résout par la méthode du pivot. L'image est engendrée par les images des vecteurs d'une base de l'espace de départ ; on en extrait une famille libre pour obtenir une base de l'image. L'application est injective si et seulement si son noyau est réduit au vecteur nul, et surjective si et seulement si son image est l'espace d'arrivée.

Que dit le théorème du rang ?

Si l'espace de départ E est de dimension finie, la dimension de E est égale à la dimension du noyau plus le rang, c'est-à-dire la dimension de l'image. C'est bien l'espace de départ qui compte, pas l'espace d'arrivée. Le théorème ne dit pas que le noyau et l'image sont supplémentaires : pour l'application qui envoie (x, y) sur (y, 0), le noyau et l'image sont la même droite.

Quand une application linéaire injective est-elle bijective ?

Quand l'espace de départ et l'espace d'arrivée ont la même dimension finie : alors injective, surjective et bijective sont équivalentes, et il suffit de montrer que le noyau est nul. Sans la dimension finie, c'est faux : sur les polynômes, la dérivation est surjective sans être injective, et la multiplication par X est injective sans être surjective.

Comment définir une application linéaire par les images d'une base ?

Si (e1, ..., en) est une base de l'espace de départ, on peut choisir librement des vecteurs f1, ..., fn de l'espace d'arrivée : il existe une unique application linéaire qui envoie chaque ek sur fk. Pour trouver son expression, on décompose un vecteur quelconque sur la base et l'on applique la linéarité. Deux applications linéaires qui coïncident sur une base sont donc égales.

Comment y accéder

Ce chapitre fait partie de l'accès complet. Les trois premiers chapitres de chaque matière (deux par bloc en économie et droit, en management et gestion) sont offerts avec un compte d'essai gratuit. Créer un compte d'essai ou se connecter. Pour l'accès complet et les tarifs, vois les offres.

Toute ta prépa au même endroit

Pour chaque chapitre : le cours, l'essentiel, les méthodes, les pièges, les exercices corrigés, les problèmes de concours, et un assistant qui répond à tes questions. Programmes du Maroc et de France. Avec la plateforme vidéo YOUNESS SCHOOL offerte, dès 600 DH (60 $) par mois, sans engagement.

Prépas scientifiques : voir l'offrePrépas ECS et ECT : voir l'offreTu hésites encore ? Essaie gratuitement Prepa Help.

← Espaces vectoriels et dimension finie