Vue d'ensemble
Les applications linéaires sont l'objet central de toute l'algèbre linéaire de MPSI : elles encodent la compatibilité avec les deux opérations d'un espace vectoriel (somme et produit par un scalaire). Tout le programme de spé d'algèbre — matrices, déterminants, diagonalisation, réduction — n'est qu'une traduction calculatoire de ce que tu apprends ici. Cette fiche regroupe les 9 théorèmes incontournables, les 4 démonstrations à savoir refaire (dont le théorème du rang) et les pièges qui font perdre des points en DS et en khôlle.
Prérequis
- Structure de 𝕂-espace vectoriel et de sous-espace vectoriel (chap. 27)
- Famille libre, génératrice, base ; notion de dimension d'un ev de dimension finie
- Somme directe et caractérisation par les bases concaténées
Tu confonds encore noyau et image, ou tu n'arrives pas à mobiliser le théorème du rang sous pression ? C'est le chapitre qui sépare le « bon en calcul » du « bon en algèbre linéaire ». Nos mentors alumni X · Centrale · Mines te font construire les bons réflexes (vérifier la linéarité en 2 lignes, choisir entre injectivité et surjectivité en dim finie) sur des exos calibrés DS et khôlle.
Trouver un mentor MPSI →1. Définitions essentielles
Dans toute la fiche, 𝕂 désigne ℝ ou ℂ, et sont des 𝕂-espaces vectoriels.
Une application est linéaire si elle est compatible avec les deux opérations d'ev :
On note l'ensemble des applications linéaires de dans . Une application linéaire vérifie toujours (prendre et ).
- Un endomorphisme de est une application linéaire . On note .
- Un isomorphisme est une application linéaire bijective . On dit alors que et sont isomorphes.
- Un automorphisme est un endomorphisme bijectif. On note leur ensemble (groupe linéaire de ).
- Une forme linéaire sur est une application linéaire .
Soit . On définit :
Comme nous le démontrons plus bas, est un sous-espace vectoriel de et est un sous-espace vectoriel de .
Si est de dimension finie, on appelle rang de sa dimension : En particulier, dès que est de dimension finie, pour toute base de , donc est de dimension finie et . On a aussi toujours si est de dimension finie.
- Un projecteur de est un endomorphisme tel que .
- Une symétrie de est un endomorphisme tel que .
- L'homothétie de rapport est l'endomorphisme . C'est un automorphisme ssi .
2. Opérations sur les applications linéaires
2.1 — Somme, produit par un scalaire, composition
Soient , et . Alors :
- (combinaison linéaire d'applications linéaires)
- (composée de deux applications linéaires)
- Si est un isomorphisme, alors est aussi linéaire — donc un isomorphisme.
L'ensemble , muni de l'addition et de la multiplication externe , est un 𝕂-espace vectoriel. Son vecteur nul est l'application nulle .
Dimension — Si et sont de dimension finie, alors : En particulier .
2.2 — L'anneau et le groupe
L'ensemble , muni de l'addition et de la composition , est un anneau (non commutatif en général) d'élément neutre . L'ensemble des éléments inversibles de cet anneau est exactement , qui forme un groupe pour la composition.
- Cadre. Préciser et 𝕂. Vérifier (mentalement) que — sinon stop, c'est faux.
- Calcul direct. Soit et . Calculer en utilisant la définition explicite de .
- Conclusion. Faire apparaître et conclure « donc est linéaire de dans ».
3. Noyau, image, et caractérisations
3.1 — Le noyau et l'image sont des sous-espaces vectoriels
Soit .
- est un sous-espace vectoriel de .
- est un sous-espace vectoriel de .
Démonstration (par les 3 axiomes de sev : , stabilité , stabilité )
Pour .
- (i) Le vecteur nul appartient à : par linéarité, , donc .
- (ii) Stabilité par combinaison linéaire : soient et . Alors , donc .
C'est la caractérisation usuelle d'un sev par combinaison linéaire — donc est un sev de .
Pour .
- (i) Le vecteur nul appartient à : .
- (ii) Stabilité par combinaison linéaire : soient et . Par définition, tels que , . Alors car .
Donc est un sev de .
3.2 — Caractérisations d'injectivité et de surjectivité
Soit .
- est injective .
- est surjective .
- est bijective et .
Démonstration de l'équivalence d'injectivité
Supposons injective. Soit : on a , donc par injectivité . Ainsi , et l'autre inclusion est immédiate ().
Supposons . Soient tels que . Par linéarité, , donc , soit . Ainsi est injective.
- = polynômes constants . En particulier n'est pas injective (kernel non réduit à ).
- tout entier : tout polynôme admet une primitive polynomiale. Donc est surjective.
« Calculer un noyau » et « calculer une image » sont les deux questions qui tombent en khôlle sur ce chapitre. En 1 h avec un mentor Majorant alumni X·Centrale·Mines, tu blindes la méthode (système d'équations pour , famille génératrice puis libre pour ) sur tes propres exos de DS.
Réserver une séance ciblée →4. Théorème du rang et conséquences (dim finie)
Dans toute cette section, est un 𝕂-espace vectoriel de dimension finie, et avec quelconque (mais en pratique de dim finie également).
Si est de dimension finie et , alors :
Démonstration (par construction d'un supplémentaire et d'un isomorphisme)
Notons et (avec ). On va montrer que est de dimension , en construisant explicitement un isomorphisme entre un supplémentaire de dans et .
Étape 1 — Choix d'un supplémentaire. Comme est un sev de (dim finie), il admet un supplémentaire dans : il existe sev tel que . On a donc .
Étape 2 — Restriction de à . Notons définie par pour . C'est bien une application linéaire (restriction d'une application linéaire à un sev, à valeurs dans ).
Étape 3 — est injective. Soit tel que , c'est-à-dire . Alors (car la somme est directe). Donc et : est injective.
Étape 4 — est surjective sur . Soit , donc pour un certain . Comme , on décompose avec et . Alors . Donc : est surjective.
Étape 5 — Conclusion. est un isomorphisme, donc . En reportant :
ce qui est exactement la formule du rang.
Si et sont de dimension finie, alors : De plus, est injective ; est surjective.
4.1 — L'équivalence majeure en dimension finie
Soient et deux 𝕂-espaces vectoriels de même dimension finie, et . Les trois assertions suivantes sont équivalentes :
- est injective ;
- est surjective ;
- est bijective (i.e. un isomorphisme).
En particulier, pour un endomorphisme avec : injective surjective .
Démonstration (application directe du théorème du rang)
Notons . Par le théorème du rang :
(1) ⟹ (2) : si est injective, alors , donc et . Comme avec , on a : est surjective.
(2) ⟹ (1) : si est surjective, alors , donc , et la formule du rang donne , soit : est injective.
(1) et (2) ⟺ (3) : par définition, la bijectivité équivaut à l'injectivité plus la surjectivité. Mais on vient de voir qu'en dim finie même dim, l'une des deux suffit à entraîner l'autre. Donc (1) ⟺ (2) ⟺ (3).
- la dimension est infinie — exemple : est surjective et pas injective (cf. §3.2) ;
- les dimensions sont différentes — exemple : la projection est surjective mais pas injective.
- Voie noyau — Montrer . Souvent le plus rapide : on prend avec et on déduit par calcul direct.
- Voie image — Montrer . Pratique quand on connaît une famille génératrice de .
- Voie rang — Calculer (avec une famille libre dans ).
5. Projecteurs, symétries, homothéties
5.1 — Caractérisation des projecteurs
Soit . Les assertions suivantes sont équivalentes :
- est un projecteur, i.e. ;
- , et est la projection sur parallèlement à .
Dans ce cas, (ensemble des points fixes de ).
Démonstration (les deux sens, plus la caractérisation )
(1) ⟹ (2). Supposons .
Décomposition unique de tout . Pour , écris : Montrons et . – (en utilisant ), donc . – trivialement.
La somme est directe. Soit : pour un certain , et . Alors . Donc . Combinée à l'existence de la décomposition ci-dessus, cela donne bien .
est la projection annoncée. Pour la décomposition unique précédente, . C'est bien la projection sur parallèlement à .
(2) ⟹ (1). Si est la projection sur un sev parallèlement à un sev avec , alors pour tout (avec ), . Et (car avec ). Donc .
Caractérisation . Si , alors : tout élément de l'image est un point fixe. Réciproquement, si , alors .
5.2 — Symétries et homothéties
Soit . On a ssi est de la forme
où et est la projection sur parallèlement à . On dit alors que est la symétrie par rapport à parallèlement à . Les caractérisations associées :
- (axe / direction de symétrie)
- (direction « renversée »)
L'homothétie de rapport est . Elle est linéaire, et :
- (les homothéties commutent entre elles) ;
- , et alors ;
- commute avec tout endomorphisme : (les homothéties forment le centre de en dim finie).
6. Erreurs classiques en copie (vues par les correcteurs)
Ces erreurs sont relevées chaque année dans les rapports de jury (CCINP, Mines-Ponts, Centrale, X-ENS) sur les épreuves d'algèbre linéaire de MPSI/MP/PSI. Elles coûtent typiquement entre 0,5 et 2 points par occurrence.
7. Pour aller plus loin
Les applications linéaires sont la fondation de tout le reste de l'algèbre du programme. Les chapitres qui s'y appuient directement :
- Matrices et calcul matriciel — Une fois fixées des bases de et de , tout élément de se code par une matrice . Les opérations , , deviennent l'addition, la multiplication externe et le produit matriciel.
- Déterminants — Définis sur les endomorphismes en dim finie, ils caractérisent les automorphismes : .
- Réduction (spé) — Diagonalisation et trigonalisation reposent sur l'étude fine de (sous-espaces propres), c'est-à-dire sur tout le langage de cette fiche appliqué à .
- Espaces euclidiens (spé) — Les projections orthogonales et symétries orthogonales sont des cas particuliers de projecteurs et symétries vus ici, avec en plus une structure de produit scalaire.
Tu veux verrouiller toute l'algèbre linéaire (espaces vectoriels + applications linéaires + matrices) avant le DS ? Nos stages intensifs vacances (1 semaine, 25h) reprennent les 3 chapitres avec exos type concours, khôlles blanches et plan de révision personnalisé. Encadrés par des alumni X-ENS, Centrale et Mines.
Voir les stages MPSI →Récap final — Ce qu'il faut absolument retenir
À la veille d'une khôlle ou d'un DS, parcours cette checklist : tu dois pouvoir répondre « oui, sans hésiter » à chaque question.
- Sais-tu écrire la définition d'application linéaire avec la version « 1 ligne » ?
- Sais-tu démontrer en 6 lignes que et sont des sev ?
- Connais-tu la caractérisation injective et sais-tu la prouver ?
- Sais-tu énoncer ET démontrer le théorème du rang (construction d'un supplémentaire + isomorphisme) ?
- Sais-tu, en dim finie même dimension, déduire injective surjective bijective du théorème du rang ?
- Sais-tu pourquoi cette équivalence est fausse en dimension infinie (contre-exemple ) ?
- Connais-tu la dimension de en dim finie ?
- Sais-tu démontrer qu'un endomorphisme avec donne ?
- Connais-tu le passage projecteur ↔ symétrie (, ) ?
- Sais-tu pourquoi en général dans ?
- As-tu en tête la méthode-type pour montrer qu'un endomorphisme est bijectif en dim finie (3 voies : noyau, image, rang) ?
Démonstrations à savoir refaire
- et sont des sev — par les 3 axiomes , ,
- Théorème du rang — construction d'un supplémentaire de + isomorphisme
- Injective surjective bijective en dim finie même dim — application directe du théorème du rang
- Caractérisation des projecteurs — par décomposition explicite