Thème :

Année Scolaire : 2020-2021

ESPACESVECTORIELS
ET APPLICATIONS
Matière : Maths Générales Classes : BTS IDA2
LINEAIRES
UP-MATHEMATIQUES CM :
COURS ET TRAVAUX DIRIGES
Aux termes de ce chapitre, vous serez capable de :
 Démontrer qu’un ensemble est un espace vectoriel ou sous espace vectoriel ;
 Démontrer qu’une famille est libre, liée ou une base.
 Démontrer qu’une application est une application linéaire d’espaces vectoriels ;
 Déterminer la matrice d’une application linéaire dans une base donnée ;
 Déterminer le noyau et l’image d’une application linéaire ;
 Démontrer qu’une application linéaire est bijective ;
 Déterminer la matrice d’une application linéaire dans une nouvelle base.
1. ESPACES VECTORIELS REELS
1.1. Lois de composition interne et externe
Soit E un ensemble.
 On appelle loi de composition interne dans E, toute application  de E  E dans E qui à tout
couple (u, v) u  v.
 On appelle loi de composition externe à opérateurs dans , toute application  de
 E dans E qui à tout couple (  , u)   u.

Exemple 1 : l’addition des matrices est une loi de composition interne et la multiplication d’un réel par une
matrice est une loi de composition interne.

1.2. Définition d’un espace vectoriel

On appelle espace vectoriel réel ou - espace vectoriel, tout ensemble E muni :
d’une loi de composition interne appelée addition et notée +, vérifiant les propriétés suivantes :

 l’addition est associative dans E : (u, v, w)  E3 , (u + v) + w = u + (v + w)

 l’addition est commutative dans E: (u, v)  E 2 , u + v = v + u

 l’addition dans admet un élément neutre, noté 0E ou 0 : u  E, u + 0 E = 0 E + u = u .

 Pour tout élément u de E, il existe un seul élément u’ de E appelé opposé de u tel que :
u + u' = u' + u = 0 E et noté -u.
d’une loi de composition externe à opérateurs dans , notée généralement  vérifiant
les propriétés suivantes :
 u  E , 1  u = u .
 Distributivité de la loi  par rapport à la loi +.

Cours espaces vectoriels réels et applications linéaires - IDA2- EPCCI - Page 1

 (u, v)  E 2 ,   ;   (u + v) =   u +   v
2
 u  E , ( ,  )  , (   )  u =  u
 u
2
 u  E , ( ,  )  , ( )  u =   (   u) .

On note (E,+,  ) est un espace vectoriel réel ou - espace vectoriel.

Les éléments de E sont appelés vecteurs et ceux de des scalaires.

L’ensemble E muni de la loi interne vérifiant les quatre propriétés est appelé groupe commutatif ou groupe
abélien.

Exemples 2 :

 L’ensemble des matrices d’ordre n à coefficients réels Mn ( ) muni de l’addition et de la multiplication

d’un réel par une matrice (Mn ( ) , +,  ) est un espace vectoriel réel.
 l’Ensemble des nombres complexe muni de l’addition et de la multiplication par un réel( , , ) un
espace vectoriel réel.
 L’ensemble des vecteurs du plan muni (V,+,  ) est un espace vectoriel réel.
n
 pour tout n non nul l’ensemble , muni de l’addition usuelle des n –uplets et de la multiplication
externe   (x 1 , x 2 ,..., x n )  (  x 1 ,  x 2 ,...,  x n ) est un espace vectoriel réel

Dans la suite du cours (E,+,.) est un espace vectoriel réel et on le désignera simplement par E .

1.3 Sous espaces vectoriels

1.3.1. Définition

Soit E un espace vectoriel réel et F une partie de E. F est un sous espace vectoriel de E si et seulement si
les trois conditions sont vérifiées.

 F est non vide c'est-à-dire ( F   )

 F est stable pour la loi + c'est-à-dire ( (u, v) F 2 , (u + v)  F )

 F est stable pour la loi externe c'est-à- dire u  F ,   ,   u F .

1.3.2 Théorèmes

Théorème 1

Soit E un espace vectoriel réel, et F une partie de E. F est un sous espace vectoriel de E si et seulement les
deux conditions sont vérifiées.

Cours espaces vectoriels réels et applications linéaires - IDA2- EPCCI - Page 2

  F est non vide c'est-à-dire ( F   ) ;
2
 (u, v) F 2 , ( ,  )  , (.u + .v)  F .

Théorème 2

Soient p un entier naturel non nul et (a1 ,a 2 ,...,a p )  (0,0,...,0), l'ensemble

H=  ( x , x ,..., x
1 2 p ) p
/ a1 .x1  a2 .x2  ...  a p .x p  0 est un sous espace vectoriel de p

Exemple 3

Démontrons que H=  (x , x , x ) 
1 2 3
3
/ 2.x1  x2  3x3  0 est un sous espace vectoriel de 3
. En effet H

  car (1, 1, 1) appartient à H.

3 3
Soient u = (u1 , u2 , u3 )  et v = (v1 , v2 , v3 )  deux éléments de H et  et deux réels

On a :  u +  v =  .(u1 , u2 , u3 ) +  .(v1 , v2 , v3 ) = ( u1 , u2 , u3 ) + (  v1 ,  v2 ,  v3 )

 u +  v = = ( u1 +  v1 , u2 +  v2 , u3 +  v3 )
et 2( u1 +  v1 ) + ( u2 +  v2 ) - 3( u3 +  v3 ) = 2 u1 + 2 v1 +  u2 +  v2 - 3 u3  3 v3

2( u1 +  v1 ) + ( u2 +  v2 ) - 3( u3 +  v3 ) = (2 u1 + u2  3u)3 (2  v1 +3v2  v3 ) or

2u1 + u2 - 3u3 = 0 et 2v1 + v2 - 3v3 = 0 donc 2( u1 +  v1 ) + ( u2 +  v2 ) - 3( u3 +  v3 ) = 0

3
par conséquent  u +  v  H. Par suite H est un sous espace vectoriel de

1.4 Famille de vecteurs

1.4.1 Définition d’une famille de vecteurs

Soit p un entier naturel non nul, on appelle famille de p vecteurs de l’espace vectoriel E toute suite

(il faut tenir compte de l’ordre des indices) de p vecteurs de E.

Une telle famille se présente donc sous la forme F = {u1,u2,…, up}.

Exemple 4 :

F = {u1, u2, u3, u4) avec u1= (1, 2, 0) , u2= (1, -1, 0) , u3=(0, 0, 3) et u4 = (1, 0, 3) est une famille de quatre
3
vecteur de .

Cours espaces vectoriels réels et applications linéaires - IDA2- EPCCI - Page 3

 1.4.2. Combinaisons linéaires

Soient p un entier naturel non nul et F= {u1, u2,…, up} une famille de p vecteurs de l’espace vectoriel E.
On dit qu’un vecteur u de E est une combinaison linéaire des vecteurs de la famille F , s’il existe p réels
1, 2 ,..., p tels que u = 1.u1  2 .u2  ...  p .up

Exemple 5

Démontrons que le vecteur U = ( 2,5,18,1) est une combinaison linéaire des quatre vecteurs

u1 = (1, 2, 0,0), u2 = (1, -1, 0,0) , u3 = (0, 0, 3 ,0) , u4 = (1, 0, 3,1) .

Il s’agit de trouver quatre réels 1, 2, 3, 4 tels que 1u1 + 2u2 + 3u3 + 4 u4 = (2, 5, 18,1).

1u1 + 2u2 + 3u3 + 4u4 = (2, 5, 18, 1)  1 (1, 2, 0,0) + 2 (1, -1, 0, 0) + 3 (0, 0, 3 ,0) + 4(1, 0, 3, 1) = (2, 5, 18, 1)

1u1 + 2 u2+ 3u3+ 4 u4 = (2, 5, 18, 1)  ( 1, 2 1, 0, 0) + ( 2 - 2 , 0, 0) + (0, 0, 3 3, 0) + ( 4 , 0, 3 4, 4 ) = (2, 5, 18,1)

1   2   4  2  1  2
 2    5   1
  2
1u1+ 2u2+ 3u3+ 4 u4= (2, 5, 18,1)  
1 4
la résolution de ce système donne  Ainsi
 33  3 4  18  3  5
 4  1   4  1

U = 2u1-u2+5u3+u4 d’où le vecteur U est une combinaison linéaire des quatre vecteurs

u1 =(1, 2, 0,0), u2= (1, -1, 0,0) ,u3 =(0, 0, 3 ,0) , u4 =(1, 0, 3,1) de IR4

1.4.2 Sous espace engendré.

Définitions

Soient p un entier naturel non nul, et F= {u1, u2,…, up} une famille de p vecteurs de l’espace vectoriel E ,
l’ensemble Vect(F) des combinaisons linéaires des vecteurs de F est un sous espace vectoriel de E , on
appelle le sous espace vectoriel de E engendré par la famille.

 Un sous espace vectoriel engendré par un vecteur non nul est appelée droite vectorielle et on la note
vect(u) = .u , u est un vecteur directeur de cette droite vectorielle.
 Un sous espace vectoriel engendré par deux vecteurs est appelé plan vectoriel.

Exemple 6

3
L’ensemble  { (x,-x,2x), x  } est une droite vectorielle de car tout vecteur

Cours espaces vectoriels réels et applications linéaires - IDA2- EPCCI - Page 4

v = (x,-x,2x) de  s’écrit sous la forme v= x (1,-1,2), c'est-à-dire une combinaison linéaire de

3
u = (1,-1,2) ,  est engendré par le vecteur u donc un sous espace de .

1.4.3. Famille libre

La famille F= {u1, u2,…, up} de p vecteurs de l’espace vectoriel E est libre si et seulement si aucune
combinaison linéaire des vecteurs ui n’est nulle sans que tous les coefficients de cette combinaison soient
nuls.

Autrement dit

La famille F= {u1, u2,…, up} de p vecteurs de l’espace vectoriel E est libre si et seulement si

étant donné p réels 1, 2 ,..., p la relation 1.u1  2 .u2  ...  p .up  0  1  2  ....  p  0 si famille

F est libre alors les vecteurs de la famille sont linéairement indépendant.

Remarques

 Une famille F réduite à un seul vecteur u est libre si et seulement si u est non nul.
 Toute partie non vide d’une famille libre est une famille libre.

Exemple 7

3
Soit u1= (1, 2, 2) et u2 = ( 1, -2, 0) deux vecteurs de .

Démontrons que F = {u1, u2} est une famille libre.

Soit 1 et 2 deux réels tels que 1u1+ 2 u2 = 0 démontrons 1= 2= 0.

En effet 1u1 + 2 u2 = 0  α1(1, 2, 2) + 2(1, -2, 0) = (0, 0, 0).

1   2  0
α1u1 + α2u2 = 0   donc α1u1 + α2u2 = 0  α1 = α1 = 0.
 21  0

3
F est une famille libre de .

1.4.4. Famille liée

La famille F = {u1, u2,…, up} de p vecteurs de l’espace vectoriel E est liée si seulement si elle n’est pas libre
c’est à dire il existe des réels 1, 2 ,..., p non tous nuls tels que 1.u1  2 .u2  ...  p .up  0 .

Si famille F est liée alors les vecteurs de la famille sont linéairement dépendant.

Cours espaces vectoriels réels et applications linéaires - IDA2- EPCCI - Page 5

Propriété

La famille F= {u1, u2,…, up} de p vecteurs de l’espace vectoriel E est liée si seulement si l’un au moins des
vecteurs de cette famille est combinaison linéaires des autres.

Exemple 8

Démontrons que la famille F = {u1, u2, u3) où u1= (1, -1,0), u2 = (2, 0, 1) et u3 =(-1, -1, -1) est liée.

On constate que le vecteur u3 est une combinaison linéaire de u1 et u2 , en effet u1 - u2 = u3.

En conséquent F est liée.

1.4.5. Famille génératrice

La famille F = {u1, u2,…, up} de p vecteurs de l’espace vectoriel E est une génératrice de E si seulement si
tout vecteur de E s’écrit comme combinaison linéaire des vecteurs de F.

1.5. Base et dimension d’un espace vectoriel

1.5.1 Base d’un espace vectoriel

[Link] Définition d’une base

La famille B = (u1, u2,…, un) de n vecteurs de l’espace vectoriel E est une base de E si seulement si elle est
à la fois libre et génératrice.

[Link] Base canonique de n

On appelle base canonique de n toute famille B= (e1, e2,…, en) où i  {1,2,...,n}, e i = (0,...,0,1,0,...,0)

seule la iéme coordonnée étant égale à 1 , les autres étant nulles .

Exemple 9

B = (e1, e2, e3, e4) avec e1 = ( 1 ,0, 0, 0) ; e2 = ( 0, 1, 0, 0) ; e3 = ( 0, 0, 1, 0) ; e4 = ( 0 ,0, 0, 1) est la base

4
canonique de .

[Link] Propriété (décomposition unique d’un vecteur dans une base)

Une famille B = (u1, u2,…, un) de n vecteurs de l’espace vectoriel E est une base de E si seulement si pour
tout vecteur v de E il existe un unique n – uplet (x1, x2, …, xn) tels que V= x1u1 + x2u2 + …+ xnun.

Cours espaces vectoriels réels et applications linéaires - IDA2- EPCCI - Page 6

  x1 
x 
 2
 . 
le n-uplet ( x1, x2,…, xn ) forme les coordonnées de V dans la base B. et   s’appelle la matrice colonne des
 . 
 . 
 
 xn 
coordonnées de v dans la base B.

Exemple 10

Soit B= (e1, e2, e3, e4) la base canonique de l’espace vectoriel 4 et u un vecteur de 4 tel que

u= 2e1- 3e2 – e3 . La matrice colonne des coordonnées du vecteur u dans la base B est

 2
 3 
 
 1 
 
 0 

1.5.2 Dimension d’un espace vectoriel

[Link]. Définition

Soit E un espace vectoriel, on appelle dimension l’espace vectoriel E est le nombre d’élément qui constitue
une base de E. On la note dim (E).

Si dim(E) est un entier naturel alors E est de dimension finie. Toutes les base de E ont le même nombre
d’éléments et B= (u1, u2,…, un) est un base de E alors dim (E) = n.

Remarques

 si dim (E) = 1 alors E est une droite vectorielle.

 si dm (E) = 2 alors E est un plan vectoriel.

 dim ( n
)
n .

[Link]. Détermination de la dimension d’un sous espace vectoriel

Exemple 11

Reprenons les données de l’exemple …. et déterminons sa dimension

 H = (x1 , x2 , x3 )  3
/ 2.x1 + x2 - 3x3  0

Cours espaces vectoriels réels et applications linéaires - IDA2- EPCCI - Page 7

Soit u = (x1, x2, x3) un vecteur de H alors on a 2x1+x2-3x3 =0.

de cette relation on tire x2 = -2x1+3x3 ainsi u = (x1, -2x1+3x3, x3) = (x1, -2x1, 0) + (0, 3x3, x3).

Soit u = x1 (1, -2, 0) + x3 (0, 3, 1) l’espace vectoriel est donc engendré par les deux vecteurs

v1= (1, -2, 0) et v2 = (0, 3, 1). Montrons que cette famille de deux vecteurs de H est libre.

Soit α et β deux nombres réels tels que αv1 + βv2 = 0 montrons que α = β = 0.

αv1 + βv2 = 0  α(1, -2, 0) + β(0, 3, 1)= (0, 0, 0)

  0

αv1 + βv2 = 0   2  3  0 donc αv1 + βv2 = 0  α = β = 0
  0


Les deux vecteurs v1 et v2 sont libres et engendrent H. Elle constitue une base de H par conséquent dim(H)
= 2 et H est donc un plan vectoriel.

1.5.2. Nouvelle Base d’un espace vectoriel

Soit un espace vectoriel E de dimension n non nul de base B = (e1, e2,…, en) toute famille

B’ = (u1, u2,…, un) de n vecteurs de E libre est une base de E. Elle est appelée nouvelle base de E.

2. APPLICATIONS LINEAIRES OU MORPHISMES D’ESPACES VECTORIELS

2.1. Définition

Soient E et F deux espaces vectoriels sur , on appelle application linéaire de E vers F, toute application
f de E vers F telle que :

1. (u, v)  E 2 f(u+v) = f(u) +f(v)

2. u  E,   , f( u)   f(u)

 f est aussi appelé homomorphisme d’espaces vectoriels

 on note L (E, F) l’ensemble des applications linéaires de E vers F.

2.2 Propriété

Une application f de E vers F est une application linéaire si et seulement si :

(u, v)  E2 , ( ,  )  2
, f( u +  v) =  f(u) +  f(v)

Cours espaces vectoriels réels et applications linéaires - IDA2- EPCCI - Page 8

 2.3 Cas particuliers

 si E= F, f s’appelle endomorphisme de E et on note L (E) l’ensemble des endomorphismes de E.

 si f est une application linéaire de E vers F bijective, f s’appelle isomorphisme de E sur F . Dans
ce cas les espaces vectoriels E et F sont dits isomorphes
 si f est un endomorphisme de E bijectif, f s’appelle automorphisme de E. L’ensembles des
automorphisme de E s’appelle groupe linéaire de E et se note GL(E ).

Exemple 12

3 2
Considérons les deux espaces vectoriels et et l’application définie par :

 f: 3
 2

 Démontrons que f est une application linéaire

(x, y, z) (x + y - z,2x - y + 2z)

En effet : u = (x, y, z)  3
, v = (x', y', z')  3

f(u+v) = f( x+x’, y+y’, z+z’)

f(u+v) = ( (x+x’)+(y+y’)-(z+z’), 2(x+x’)-(y+y’) + 2(z+z’))

f(u+v) = ( x+y-z, 2x-y+2z) + (x’+y’-z’, 2x’-y’+2z’) = f(u) + f(v)

u = (x, y, z)  3
,   , f( u) = f( x,  y,  z)

f( u) = (( x) + ( y) - ( z ),2( x) - ( y) + 2( z))

f( u) =  f(u) les propriétés 1 et 2 de la définition sont vérifiées donc f est une application

3 2
linéaire de vers .

2.4 Autres propriétés

E et F étant deux espaces vectoriels, pour toute application linéaire f de E vers F, on a :

 f(0E) = 0F
 u  E, f(-u) = -f(u)

 ( u1 , u2 ,..., u)k  E(k ,  1 , 2 ,...,

) k  k
, f(1u1 + 2 u2 + ... + k uk ) = 1f(u1 ) + 2 f(u2 ) + ... + k f(uk )

Cours espaces vectoriels réels et applications linéaires - IDA2- EPCCI - Page 9

2.5. Noyau d’une application linéaire

On appelle noyau d’une application de E vers F, l’ensemble des vecteurs de E dont l’image par f est le
vecteur nul 0F et on note Ker(f) ={ u  E/f(u) = 0}F .

REMARQUE : Le noyau d’une application linéaire de E vers F est sous espace vectoriel de E.

 f: 3
 2
Exemple 13 : Déterminons le noyau de l’application linéaire 
(x, y, z) (x + y - z,2x - y + 2z)

Ker(f) ={u ( x, y,
) z  3
/x + y - z = 0, 2x - y + 2z} = 0 .

 x+y-z = 0  z =x+y
or  
2x - y + 2z = 0 2x - y + 2(x + y) = 0

 x+y-z = 0  z = x+y
 
2x - y + 2z = 0 4x + y = 0

 x+y-z = 0  z = -3x
  donc u =(x, -4x, -3x)
2x - y + 2z = 0 y = -4x

u = x (1, -4, -3) par conséquent ker (f ) est une droite vectorielle engendrée par le vecteur v1 = (1, -4, -3)

2.5. Image d’une application linéaire.

On appelle image d’une application linéaire f de E vers F, l’ensemble des images par f des vecteurs de E, et
on note Im(f) ={v  F/u  E
, f(u) = }v .

Remarque : Image d’une application linéaire de E vers F est un sous espace vectoriel de F

Propriété

Soient E et F deux espaces vectoriels de dimension finie et f une application linéaire de E vers F alors
dim(kerf) + dim (Imf) = dim(E).

Exemple 14

 : 3
 3
Déterminons l’image de l’application linéaire 
(x, y, z) (4x + 2y - z,-3x - y + z,6x + 4y - z)

v = (a, b,c)  Im  (x, y, z)  3

tel que  (x, y, z) = (a, b,c).

Cours espaces vectoriels réels et applications linéaires - IDA2- EPCCI - Page 10

  4x + 2y - z = a

or :  (x, y, z) = (a, b, c)  -3x - y + z = b
6x + 4y - z = c


 4x + 2y - z = a L1  L1

 (x, y, z) = (a, b, c)  2y + z = 4b + 3a L2  4L2 + 3L1
 2y + z = 2c - 3a L3  2L2 - 3L1


d'où 3a + 2b - c = 0 ainsi v = (a,b,c)  Im( )  3a + 2b - c = 0.

Im(φ) est un plan vectoriel d’équation : 3x+2y-z = 0.

De 3a+2b-c = 0, On tire c = 3a+2b d’où v = (a,b, 3a+2b) = (a, 0, 3a) + (0, b, 2b) = a(1, 0, 3) + b (0, 1, 2).

Im (φ) est un plan vectoriel engendré par les deux vecteurs u1= (1, 0,3) et u2= (0, 1, 2) qui constitue une
base car 1u1 + 2u2 = 0 implique 1= 2 = 0 donc dimIm(φ) = 2.

2.6 Rang d’une application linéaire

Soient E et F deux espaces vectoriels de dimension finie , et φ une application linéaire de E vers F .

On appelle rang de φ la dimension de Im(φ). On note rg (φ) = dim Im(φ) .

Dans l’exemple 14 on a : rg (φ) = dim Im(φ) = 2

2.7 Matrice d’une application linéaire dans une base

Soient E et F deux espaces vectoriels de dimensions finies respectives p et n de bases

B= (e1, e2,…, ep) et F = (f1, f2, …, fn) et φ une application linéaire de E vers F définie par :

φ (e1) = a11f1 + a21f2 +….+ an1fn

φ (e2) = a12f1 + a22f2 +….+ an2fn

φ (e1) = a1pf1 + a2pf2 +….+ anpfn

On appelle matrice de φ relativement aux bases B et F la matrice dont les colonnes sont les composantes des
vecteurs φ( ej) (1≤ j ≤ n) dans la base F .

Cours espaces vectoriels réels et applications linéaires - IDA2- EPCCI - Page 11

  a 11 a 12 ... a 1p 
 
a 21 a 22 ... a 2p 
On écrit : MB, F (φ) = 
 . . ... . 
 
 a n1 a n2 ... a np 

Exemple 15

Les espaces vectoriels 3

et 4
sont munis de leurs bases canoniques respectives

B= ( e1, e2, e3 ) et F = ( f1, f2, f3, f4).

Soit φ l’application linéaire de vers définie par :

φ(e1) = f1 - f2 + f3 , φ(e2) = 2f1 + f3 - 3f4 , φ(e3) = -f1 + f2 + f3 + f4.

Déterminons la matrice de φ relativement aux bases B et F .

 1 2 -1 
 
-1 0 1 
On a MB, F (φ) =  .
1 1 1
 
 0 -3 1 

Exemple 16

Les espaces vectoriels 3

et 2
sont munis de leurs bases canoniques respectives

 : 3 2
B= (e1, e2, e3 ) et F = ( f1, f2). et l’application linéaire 
(x, y, z) (x + y - z,2x - y + 2z)

Déterminons la matrice de f relativement aux bases B et F

3 2
les image de φ (e1) , φ(e2) et φ(e3) des vecteurs de la bases canonique de dans la base canonique de
donnent φ (e1) = ( 1 , 2) , φ(e2)= (1, -1) , φ(e3) =(-1, 2)

O n a φ (e1) = ( 1 , 2) , φ(e2)= (1, -1) , φ(e3) =(-1, 2)

1 1 1 
MB,F( φ ) =  .
 2 1 2 

Cours espaces vectoriels réels et applications linéaires - IDA2- EPCCI - Page 12

Exemple 17

L’espace vectoriel 3
est muni de sa base canonique B= (e1, e2, e3 ). On considère l’endomorphisme φ par :

  : 3  3

(x, y, z) (-x +  y - z,  x - y - z, - x - y +  z)

Déterminer la matrice de φ relativement à la base canonique de 3

.

Résolution

Déterminons la matrice de φ relativement à la base canonique de 3

.

Les images φ (e1) , φ(e2) et φ(e3) des vecteurs de la bases canonique de 3

donnent

φ (e1) = ( -1 , , -1) , φ(e2) = ( , -1, -1) , φ(e3) = (-1, -1, ).

 1  1
 
On en déduit MB(φ) =   1 1 .
 1 1  
 

2.8. Opérations sur les applications linéaires

2.8.1 Définitions de la loi internes et externes de l’espace vectoriel L(E, F).

E et F sont deux espaces vectoriels sur . On définit l’addition de deux applications linéaires f et g de
L(E, F), notée f+g et la multiplication externe par un réel  , notée  .f grâce aux relations suivantes :
u  E, (f + g)(u) = f(u) + g(u) et   , (  .f)(u) = . f(u)

Théorème L’ensemble L(E, F), muni de l’addition des applications linéaires et de la multiplication par
des réels est un espace vectoriel sur .

Théorème

Soient E et F deux espaces vectoriels de dimensions de bases B et F et φ et  deux applications linéaires de

E vers F. ( , 
)  L (E,, F)   : MB, F (φ+  ) = MB, F (φ) + MB, F (  ) et MB, F (  .φ) =  . MB, F (φ)

2.8.2 Composition d’applications linéaires

Soient E, F et G trois espaces vectoriels, de dimension finie, B, F et C des bases respectives E, F et G .

Pour tout   L (E, F)

Cours espaces vectoriels réels et applications linéaires - IDA2- EPCCI - Page 13

 et tout   L(F,G), la composée  est une application linéaire de E vers G.

MB,C (  )  MF,C ( ) MB,F ( ) .

Exemple 18

Considérons les espaces vectoriels 3

et 2
muni de leurs bases canoniques
respectives B = (e1 , e2 , e3 ) et C = (u1 , u2 ) et les applications linéaires

 : 3
 2
 : 2
 3

 et 
(x, y, z) (4x + 2y - z,-3x - y + z) (x, y) (x + y,2x - y, 2x + 3y)

Déterminons la matrice de l'application linéaire   relativement

1 1
 4 2 1  
On a : MB,C( )   ( =)B, C 2 -1
 et M  
 3 1 1   -2
 3 

1 1  1 1 0
   4 2 1  
donc : MC(  )  MC,B ( ) MB,C ( )   2 1      11 5 3 
 2 3   3 1 1   1 1 1 
   

2.9 Composante du vecteur f(u) dans la base F.

Soient E et F deux espaces vectoriels de dimension finie de bases respectives B= (e1, e2,…, ep) et

F = (f1, f2, …, fn) et φ une application linéaire de E vers F.

 a 11 a 12 ... a 1p 
 
a 21 a 22 ... a 2p 
Soient u un élément de E tels u = ( x1, x2,…, xn) et MB, F (φ) =  la matrice de φ
 . . ... . 
 
 a n1 a n2 ... a np 

relativement aux bases B et F.

Cours espaces vectoriels réels et applications linéaires - IDA2- EPCCI - Page 14

  x1 
 a 11 a 12 ... a 1p  x 
   2
 a 21 a 22 ... a 2p   . 
Les composantes du vecteur f(u) dans la base B sont données par f(u) =    c'est-à-dire
. . ... .   . 
 
 a n1 a n2 ... a np   . 
 
 xn 
f(u) = MB, F (φ).u

Exemple 19

Les espaces vectoriels 3

et 2
sont munis de leurs bases canoniques respectives

 : 3
 2
B = (e1, e2, e3) et F = ( f1, f2). et l’application linéaire 
(x, y, z) (x + y - z,2x - y + 2z)

1. Déterminer la matrice A de φ relativement à la base B et F.

2. Déterminer les coordonnées de φ(u) dans la base F. avec u = ( 1, -2, 0).

Résolution

1. Déterminons la matrice A de φ relativement à la base B et F

 1 1 1
A 
 2 1 2 

2. Déterminons les coordonnées de φ(u) dans la base F avec u = ( 1, -2, 0).

1
 1 1 1    1
 (u )     2     .
 2 1 2     4 
 0

2.10 . Application linéaire bijective

Propriété
Soient E et F deux espaces vectoriels de même dimension finie , de bases respectives B et F et, φ
une application linéaire de E dans F de matrice carrée A relative aux bases B et F.
φ est isomorphisme de E dans F si et seulement si dét A ≠ 0.

Cours espaces vectoriels réels et applications linéaires - IDA2- EPCCI - Page 15

 La bijection réciproque φ-1 de F dans E est aussi une application linéaire et sa matrice relativement aux
bases F et B est A-1.

Exemple 20

Soient E et F deux espaces vectoriels de dimension 3 des bases respectives

B= (e1, e2, e3) et F = ( f1, f2, f3 ) et l’application linéaire φ de E vers F définie par

 φ(e1) = f1 + f2
 φ (e2) = 2f1 - f2 + 4f3
 φ(e3) = f3
1. Déterminer la matrice A de φ relativement aux bases B et F.
2. Démontrer que φ est un isomorphisme de E dans F.
3. Déterminer la matrice de φ-1 relativement aux bases F et B.

Résolution.

1. Déterminons la matrice A de φ relativement aux bases B et F.

1 2 0
A   1 1 0 
0 4 1
 
2. Démontrons que φ est un isomorphisme de E dans F.

dét A= +3, de plus dét A ≠0, donc la matrice A est inversible par conséquent φ est un isomorphisme de E
dans F.

3. Déterminons la matrice de φ-1 relativement aux bases F et B

La matrice de φ-1 relativement aux bases F et B est la matrice A-1. Il suffit de la déterminer.

2.11 . Changement de base – matrice d’une application linéaire dans une nouvelle base

2.9.1 Matrice de passage

Soit E un espace vectoriel réel de dimension finie n.

Soit B = (e1, e2,…, ep) une base de E, appelée ancienne base et B’ =(u1, u2,…, up) une autre base de E
appelée nouvelle base.

Cours espaces vectoriels réels et applications linéaires - IDA2- EPCCI - Page 16

On appelle matrice de passage de la base B à la base B’ notée P, la matrice dont les colonnes sont les
composantes des vecteurs de la base B’ dans la base B.

Propriété

 Toute matrice de passage est inversible

 Si P est la matrice de passage de la base B à la base B’ alors P -1 est la matrice de passage de la base B’
à la Base B.

Exemple 21

Soit E un espace vectoriel de dimension 3 muni d’une base B = (e1, e2, e3) et B’ = (u1, u2, u3) une famille de
trois vecteurs telle que : u1 = e1 + e2 + e3 , u2 = e1 - e3 et u3 = e1 + e2 - e3

1. Démontrer que B’ est une base de E.

2. Déterminer la matrice de passage de P de la base B à la Base B’.
3. Déterminer la matrice de passage de la base B’ à la Base B.

Résolution

1. Démontrons que B’ est une base de E.

1 1 1
Dét (u1, u2, u3) = 1 0 1 2
1  1 1
Dét (u1, u2, u3) ≠0, donc B’ est une famille de trois vecteurs linéairement indépendant de E donc une
base de E.

2. Déterminons la matrice de passage de P de la base B à la Base B’.

1 2 0
 
P   1 1 0 
0 4 1
 
4. Déterminons la matrice de passage de la base B’ à la Base B.

La matrice de passage de la base B’ à la base B est P-1

2.9.2 Composante d’un vecteur dans la nouvelle base.

Soient B= (e1, e2,…, en) et B’ = (e’1, e’2,…, e’n) deux bases un espace vectoriel E de dimension n et P
la matrice de passage de B à B’. Soit un vecteur de E de coordonnées

Cours espaces vectoriels réels et applications linéaires - IDA2- EPCCI - Page 17

  x1   x'1 
x   x' 
 2  2
 .   . 
le vecteur colonne X=   dans la base B et le vecteur colonne X’ =   dans la base B’ r
 .   . 
 .   . 
   
 xn   x'n 

On a la relation X = PX’ d’où l’on tire X’ = P -1X.

Exemple 22 Reprenons les données de l’exemple 21 ci-dessus.

Soit u = ( 1, -2, 0) dans la base B’ déterminons les coordonnées dans la base B.

 1 2 0  1   3 
    
Les coordonnées de u dans la bases B sont données par PU soit PU   1 1 0  2    3 
 0 4 1  0   8 
    

2.9.3 Matrice d’un endomorphisme dans la nouvelle base.

Soient B et B’ deux bases d’un espace vectoriel E et φ un endomorphisme de E. Les matrices A et A’

de φ relativement aux bases respectives B et B’, P la matrice de passage de la base B à la base B’ on a la
relation A’ = P -1 AP.

Exemple 23

On considère l’espace vectoriel 3

muni de sa base canonique B = ( e1, e2, e3) et l’endomorphisme φ de 3

défini par φ (x, y, z) =( 14x+6y-9z, -12x-4y+9z, 12x+6y-7z). On désigne par A la matrice de φ relativement
à la base B.

1. Déterminer la matrice A.
2. a) On considère les vecteurs u1= e1+e2+2e3, u2 = e1-2e2 et u3= -e1+e2-e3. Démontrer que
3
B’ = (u1, u2, u3) est une base de .
b) Déterminer la matrice de passage de la base B à la base B’.
c) Déterminer la matrice A’ de φ relativement à la base B’

Résolution

1. Déterminons la matrice A.
On a :

Cours espaces vectoriels réels et applications linéaires - IDA2- EPCCI - Page 18

  φ (e1) = φ(1,0,0) = (14, 12, 12)
 φ( e2) = φ(0, 1,0) = (6, -4, 6)

 14 6 9 
 
 φ( e3) = φ(0, 0,1) = (-9, 9, -7) donc A   12 4 9 
 12 6 7 

2. a) Démontrons que B’ = (u1, u2, u3) est une base de 3
.
En effet :

1 1 1
Dét (u1, u2, u3) = 1 2 1
2 0 1
de L’1= L1+L2 et L’3= L2 +L3 on obtient

2 1 0
Dét (u1, u2, u3) = 1 2 1
3 2 0

Dét (u1, u2, u3) = 1, Dét (u1, u2, u3) ≠ 0, donc B’ est une famille de trois vecteurs indépendants de
3
donc une base.
b) Déterminons la matrice de passage P de la base B à la base B’.

 1 1 1
 
P   1 2 1 
 2 0 1
 
c) Déterminons la matrice A’ de φ relativement à la base B’.

 2 1 1 
 
On sait que A’ =P AP. On montre que P   3 1 2 
-1 -1

 4 2 3 
 

A' = P-1 AP
 2 1 1   14 6 9   1 1 1
   
A '   3 1 2   12 4 9   1 2 1 
 4 2 3   12 6 7   2 0 1
 

2 0 0 
 
donc A'   0 2 0 
 0 0 1
 

Cours espaces vectoriels réels et applications linéaires - IDA2- EPCCI - Page 19

 TRAVAUX DIRRIGES

Exercice 1 :

Soit E = {(x, y)   , x  1, y  1} . On définit dans E la loi * par : (x, y)  E2 , (x', y')  E2

(x, y) *(x’, y’) =(x+x’-xx’, y+y’+yy’).

Démontrer que E munit de la loi * est un groupe abélien.

Exercice 2 :

Soit H= {(x, y, z, t )  4
/ x - 2y - z + t = 0 et 2x - y + z - 2t = 0 } .

1. Démontrer que H est un sous espace vectoriel de IR4.

2. Donner une base de H et déduire sa dimension.

Exercice 3

1. Démontrer que la famille F = {(1, 1, 2), (1, -2, 1), (-1, 1, -1 ) } est une base de R3.
2. Déterminer les coordonnées du vecteur u= (x,y, z) dans la base F.

Exercice 4

Soit U l’espace vectoriel des suites numériques muni des opérations usuelles. On note E le sous ensemble de U
formés par les suites (un)n telles que : n  , un 3  3un  2  4un .

1. Démontrer que E est un sous - espace vectoriel de U.

2. Soient ( n )n0 , (  n ) n0 , ( n ) n0 les suites définies par : n  , n  2n , n  n2n et  n  (1)n .
Démontrer que B = ( ( ,  ,  ) est une base de E.

Exercice 5
2
Les espaces vectoriels 3
et sont munis de leurs bases canoniques respectives B3 et B2, On définit
 f: 3
 2
l’application f par : 
(x, y, z) (x + y, y + z)

2
1. Démontrer que f est une application linéaire 3
dans .
2. Déterminer la matrice de f relativement aux base s canoniques B3 et B2,.
3. Déterminer Ker(f) et Im(f).
4. En déduire le rang de f.

Exercice 6

Les espaces vectoriels 3

est muni de sa base canonique, On définit l’application f par :
 f: 3
 3


(x, y, z) (4x + 2y - z, - 3x - y + z, 6x + 4y - z)

Cours espaces vectoriels réels et applications linéaires - IDA2- EPCCI - Page 20

 1. Démontrer que f un endomorphisme de 3
.
2. Déterminer la matrice de f relativement à la base canonique.
3. Déterminer Ker(f) et Im(f).
4. En déduire le rang de f.

Exercice 7

On considère l’espace vectoriel réel 3 muni de sa base canonique

B = (e1, e2, e3) et l’endomorphisme fmde 3 défini par
f m (x, y,z) =[(2 - m)x +y, (1- m)y - z,2y +(4 - m)z] . Où m est un nombre réel.
On désigne par A m , la matrice de l'endomorphisme f m relativement à la base B.
1.Déterminer la matrice Am .
2. On pose P(m) = dét(A m ).
a)Démontrer que P(m) = (2 – m)2(3 – m).
b) Déterminer les valeurs de m pour lesquelles l’endomorphisme fm est un
automorphisme de 3 .
3. On pose m =2.

a)Déterminer le noyau de f2 et en donner une base.

b) Déterminer l’image de f2 et en donner une base.

 u1 = e1

[Link] donne les vecteurs suivants :  u 2 = e2 - e3 .
 u = e + e - 2e
 3 1 2 3

a)Démontrer que B’= (u1, u2, u3) est une base de 3 .

b) Déterminer la matrice de passage P de la base B à B’.
c) Déterminer la matrice P-1.

[Link] T la matrice de f0 relativement à la base B’. Déterminer la matrice T.

Exercice 8

On considère l’espace vectoriel réel 3

muni de sa base canonique

B = (e1, e2, e3), un nombre réel et l’endomorphisme f de 3

défini par :

fα(e1) = (14-α) e1-12 e2+12 e3, fα(e2) = 6 e1- (4+α) e2-12 e2, fα(e3) = -9 e1+9e2-(7+α) e3

On désigne par A , la matrice de l'endomorphisme f relativement à la base B.

1. Déterminer la matrice A  .
On pose P( ) = dét(A ).

Cours espaces vectoriels réels et applications linéaires - IDA2- EPCCI - Page 21

a)Démontrer que P( ) = (2 – α)2( +1).
b) Déterminer les valeurs de pour lesquelles l’endomorphisme f est un automorphisme de 3
.
2. On pose α=2.
a)Déterminer le noyau de f2 et en donner une base.
b) Déterminer l’image de f2 et en donner une base.
 u1 = e1 + e 2 + 2e3

3. On donne les vecteurs suivants :  u2 = e1 - 2e 2 .
 u = -e + e - e
 3 1 2 3

a)Démontrer que B’= (u1, u2, u3) est une base de 3 .

b) Déterminer la matrice de passage P de la base B à B’.
c) Déterminer la matrice P-1.

4. Soit D la matrice de f0 relativement à la base B’. Déterminer la matrice D.

5. a) Calculer Dn, pour tout entier naturel n non nul.

b) On admet que Dn = P-1 A n0 P , calculer An0 en fonction de n.

Cours espaces vectoriels réels et applications linéaires - IDA2- EPCCI - Page 22