🚨 Bac 2026 · Stage intensif 25-29 maiRéserver ma place →
📘 Fiche de cours · 1re année📐 MPSI🧮 Mathématiques

Applications linéaires

Tout sur les applications linéaires en MPSI : définitions (f linéaire, endomorphisme, automorphisme, GL(E)), opérations sur L(E,F), noyau et image comme sev, théorème du rang avec démonstration complète, équivalence injective/surjective/bijective en dimension finie, projecteurs (p∘p=p) et symétries (s∘s=Id). 4 démos étoilées, 5 pièges de copie.

Fiche rédigée par les mentors Majorant — alumni Polytechnique, CentraleSupélec et Mines Paris.

5 définitions7 théorèmes4 démos à savoirMis à jour le 2026-05-18

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.

Au programme MPSI (officiel) — Applications linéaires d'un 𝕂-espace vectoriel dans un autre : définition, opérations (somme, composition, produit par un scalaire), structure d'espace vectoriel sur , endomorphismes , automorphismes , noyau, image, rang, théorème du rang en dimension finie, caractérisation des isomorphismes en dimension finie, projecteurs et symétries, homothéties.

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
🎯 Accompagnement Majorant

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.

Définition 1.1 — Application linéaire

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 ).

📝 Caractérisation pratique. Pour montrer que est linéaire, il suffit en général d'établir les deux propriétés séparées : (i) (additivité) ; (ii) (homogénéité). L'identité « 1 ligne » regroupe les deux et c'est celle que l'on écrit le plus en copie.
Définition 1.2 — Endomorphisme, isomorphisme, automorphisme
  • 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 .
Définition 1.3 — Noyau et image

Soit . On définit :

Comme nous le démontrons plus bas, est un sous-espace vectoriel de et est un sous-espace vectoriel de .

Définition 1.4 — Rang d'une application linéaire

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.

Définition 1.5 — Projecteur, symétrie, homothétie
  • 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 .
⚠ Piège #1 du chapitre — l'oubli de la vérification . Si une application ne vérifie pas , elle n'est pas linéaire. C'est le réflexe « test 0 » qui élimine en 2 secondes les fausses linéarités (typiquement pour , qu'on appelle application affine et pas linéaire). Inversement, ne suffit PAS : il faut vérifier les deux propriétés sur des couples quelconques.

2. Opérations sur les applications linéaires

2.1 — Somme, produit par un scalaire, composition

Proposition 2.1 — Stabilité de la linéarité

Soient , et . Alors :

  • (combinaison linéaire d'applications linéaires)
  • (composée de deux applications linéaires)
  • Si est un isomorphisme, alors est aussi linéaire — donc un isomorphisme.
Théorème 2.2 — Structure d'espace vectoriel de

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 .

📝 Lien matriciel (à connaître). Cette formule de dimension se comprend intuitivement : une fois choisies une base de et une base de , un élément de est entièrement déterminé par une matrice , soit coefficients libres dans 𝕂. C'est ce qu'on formalisera dans le chapitre « Matrices ».

2.2 — L'anneau et le groupe

Théorème 2.3 — Structure d'anneau de

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.

⚠ Piège classique — la composition n'est pas commutative. En général pour . Ne jamais écrire sans avoir vérifié que et commutent. La bonne formule générale est . C'est le piège n°1 en khôlle dès qu'on touche aux endomorphismes.
📐 Méthode-type — Montrer qu'une application est linéaire. En 3 étapes propres, à reproduire à l'identique :
  1. Cadre. Préciser et 𝕂. Vérifier (mentalement) que — sinon stop, c'est faux.
  2. Calcul direct. Soit et . Calculer en utilisant la définition explicite de .
  3. Conclusion. Faire apparaître et conclure « donc est linéaire de dans ».
Astuce : si est définie par une formule contenant une racine, une valeur absolue, un produit ou un terme constant non nul, méfie-toi — la linéarité casse presque toujours.

3. Noyau, image, et caractérisations

3.1 — Le noyau et l'image sont des sous-espaces vectoriels

Théorème 3.1 — et sont des sev ★ À savoir démontrer

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

Théorème 3.2 — Caractérisations

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.

💡 Exemple — Dérivation sur . Soit . C'est une application linéaire.
  • = polynômes constants . En particulier n'est pas injective (kernel non réduit à ).
  • tout entier : tout polynôme admet une primitive polynomiale. Donc est surjective.
Conclusion : est surjective sans être injective. C'est un contre-exemple culte au fait que « injectif équivaut à surjectif » — cette équivalence n'a lieu qu'en dimension finie (cf. §4).
🧑‍🏫 Verrouiller noyau et image en 1 séance

« 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).

Théorème 4.1 — Théorème du rang ★ À savoir démontrer

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.

Corollaire 4.2 — Encadrement du rang

Si et sont de dimension finie, alors : De plus, est injective ; est surjective.

4.1 — L'équivalence majeure en dimension finie

Théorème 4.3 — Injective ⟺ surjective ⟺ bijective (dim finie, même dimension) ★ À savoir démontrer

Soient et deux 𝕂-espaces vectoriels de même dimension finie, et . Les trois assertions suivantes sont équivalentes :

  1. est injective ;
  2. est surjective ;
  3. 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).

⚠ Piège majeur — l'hypothèse « même dimension finie » est INDISPENSABLE. L'équivalence injective surjective tombe en défaut dès que :
  • 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.
En khôlle, cite toujours « dim finie, même dimension » avant d'utiliser l'équivalence. Sans cette mention, l'argument est invalide et perd des points.
📐 Méthode-type — Montrer qu'un endomorphisme est bijectif (dim finie). En dim finie, choisis la voie la plus courte parmi :
  1. Voie noyau — Montrer . Souvent le plus rapide : on prend avec et on déduit par calcul direct.
  2. Voie image — Montrer . Pratique quand on connaît une famille génératrice de .
  3. Voie rang — Calculer (avec une famille libre dans ).
Et conclure systématiquement : « par le théorème 4.3, comme est de dimension finie et , l'injectivité entraîne la bijectivité, donc ».

5. Projecteurs, symétries, homothéties

5.1 — Caractérisation des projecteurs

Théorème 5.1 — Caractérisation des projecteurs par et ★ À savoir démontrer

Soit . Les assertions suivantes sont équivalentes :

  1. est un projecteur, i.e. ;
  2. , 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 .

💡 Exemple — Projection sur une droite parallèlement à un plan dans ℝ³. Soit et est la base canonique de . On a bien . La projection sur parallèlement à est définie par . On vérifie immédiatement , , .

5.2 — Symétries et homothéties

Proposition 5.2 — Caractérisation des symétries

Soit . On a ssi est de la forme

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 »)
📝 Lien symétrie ↔ projecteur. Si est une symétrie, alors est un projecteur. Réciproquement, si est un projecteur, alors est une symétrie. C'est une bijection canonique entre projecteurs et symétries (utile en concours pour transformer un énoncé).
Proposition 5.3 — Homothéties

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.

⚠ Erreur 1 — Confondre application linéaire et application affine. Toute application avec est affine, pas linéaire (car ). Le test « ? » prend 2 secondes et élimine la moitié des erreurs de cadrage.
⚠ Erreur 2 — Utiliser « injective ⟺ surjective » sans dim finie ni égalité des dimensions. L'équivalence n'a lieu QUE pour avec (en particulier pour un endomorphisme en dim finie). Sur (dim infinie) ou pour , elle est fausse. Toujours citer explicitement l'hypothèse en copie.
⚠ Erreur 3 — Écrire sans hypothèse de commutation. Faux en général dans . La bonne formule est , et les formules type binôme de Newton ne s'appliquent que si .
⚠ Erreur 4 — Calculer en oubliant l'extraction d'une famille libre. Si et est une base de , on a . Mais ce n'est pas fini : il faut extraire de cette famille génératrice une famille libre pour obtenir une base, donc la dimension de . Beaucoup d'élèves s'arrêtent au Vect et oublient cette étape.
⚠ Erreur 5 — Mal écrire le théorème du rang. Le théorème dit , pas . C'est la dimension de l'espace de départ qui se décompose. Et ne donne pas la formule — c'est seulement une inégalité. Erreur très fréquente sous stress.

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.
🚀 Stage intensif Majorant

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

Fiches associées

📐 MPSI·Mathématiques

Nombres réels

Tout ce qu'il faut maîtriser sur \(\mathbb{R}\) en MPSI : axiome de la borne supérieure, caractérisation \(\varepsilon\), propriété d'Archimède, partie entière, densité de \(\mathbb{Q}\) et de \(\mathbb{R}\setminus\mathbb{Q}\), inégalités triangulaires — avec les 5 démonstrations à savoir refaire.

📐 MPSI·Mathématiques

Suites numériques

Tous les théorèmes incontournables sur les suites numériques en MPSI : convergence, opérations sur les limites, gendarmes, limite monotone, Bolzano-Weierstrass et suites adjacentes — avec les démonstrations qu'il faut absolument savoir refaire.

📐 MPSI·Mathématiques

Généralités sur les fonctions

La fiche socle pour manipuler proprement les fonctions en MPSI : domaine de définition, image directe et réciproque, parité, périodicité, monotonie, extrémums, composition et théorème de la bijection. Toutes les définitions formelles, les pièges récurrents en copie et la méthode-type pour prouver la bijectivité.

📐 MPSI·Mathématiques

Limites et continuité

Limites en un point ou à l'infini, opérations, caractérisation séquentielle, continuité, prolongement, TVI, bornes atteintes sur un segment et théorème de Heine. 7 définitions, 12 théorèmes et 4 démonstrations à savoir refaire, avec pièges concours sourcés des rapports de jury.

📐 MPSI·Mathématiques

Fonctions dérivables

Tout le cours MPSI sur la dérivabilité : nombre dérivé, chain rule, théorème de Rolle, TAF, inégalité des accroissements finis, monotonie via la dérivée, classes Cⁿ, formule de Leibniz, extrema locaux. 4 démonstrations à savoir refaire et 5 pièges de copie décortiqués.

📐 MPSI·Mathématiques

Logarithmes, exponentielles et puissances

Logarithme népérien, exponentielle, puissances réelles et croissances comparées en MPSI : définitions, propriété fonctionnelle, dérivées, 7 limites usuelles, équations log/exp et pièges de copie.

Tu veux aller plus loin sur ce chapitre ?

Nos mentors alumni de Polytechnique, CentraleSupélec et Mines Paris t'accompagnent en cours particuliers — démonstrations détaillées, exos type concours, oraux blancs.

Trouver un mentor →