LICENCE 2

Chapitre 2 : Application linéaire et matrice

Rappels

Dans tout ce chapitre, 𝕂 représente soit un ensemble des réels ℝ soit celui des
complexes ℂ.

Espaces vectoriels sur 𝕂

Définition 1 :

Soit E un ensemble muni d’une loi de composition interne notée (+) et d’une loi
de composition externe à opérateurs dans K notée (. ).On dit que (E, +, . ) est un
𝕂-espace vectoriel, s’il vérifie les dix conditions suivantes :

1) (E, +) est un groupe commutatif, c’est- à-dire :

- L’opération (+) est une loi de composition interne.

-Pour tout triplet (x, y, z) d’éléments de 𝐸 , on a : (x + y) + z = x + (y + z)

-Il existe un élément 𝑂𝐸 dans 𝐸 tel que pour tout éléments 𝑥 de 𝐸, on a : 𝑥 + 𝑂𝐸 =

𝑂𝐸 + 𝑥 = 𝑥.

-Pour tout éléments 𝑥 de 𝐸, il existe un élément 𝑦 de 𝐸 tel que : x + y = y + x = 𝑂𝐸 ;

on note cet élément (−x).

-Pour tout couple (x, y)d’éléments de 𝐸, on a : x + y = y + x

2) La loi (. ) vérifie les cinq propriétés suivantes :

-L’opération (. ) est une loi de composition externe.

-∀ (𝜆 ; 𝜇) ∈ 𝕂2 et ∀𝑥𝜖 𝐸, 𝜆(𝜇𝑥) = (𝜆𝜇). 𝑥

-∀𝑥𝜖 𝐸, 1. 𝑥 = 𝑥

-Pour tout couple (𝜆 ; 𝜇) ∈ 𝕂2 et ∀𝑥𝜖 𝐸, (𝜆 + 𝜇)𝑥 = 𝜆𝑥 + 𝜇𝑥

-Pour tout 𝜆 𝜖 𝕂 et ∀ (𝑥 ; 𝑦) ∈ 𝐸 2 , 𝜆(𝑥 + 𝑦) = 𝜆𝑥 + 𝜆𝑦

FASEG/Eco-Appliquée & APD Page 1

LICENCE 2

Remarque :

-Les éléments de 𝕂 sont appelés des scalaires et les éléments de 𝐸 des vecteurs.

-L’ensemble 𝕂[𝑋 ] des polynômes muni des lois habituelles est un 𝕂-espace vectoriel.

-Pour toutes valeurs non nulles 𝑛 et 𝑝 d’entiers, l’ensemble ℳ𝑛,𝑝 (𝕂) des matrices
muni des lois habituelles est un 𝕂-espace vectoriel.

-ℝ𝑛 est un 𝕂-espace vectoriel ; avec 𝑛 ≥ 1

Définition 2 :

Soit 𝐸 un espace vectoriel et 𝐹 un sous-ensemble de 𝐸.On dit que 𝐹 est un sous-

espace vectoriel de 𝐸, si 𝐹 est non vide, et :

∀ (𝑥 ; 𝑦) ∈ 𝐸 2 et (𝜆 ; 𝜇) ∈ 𝕂2 , on a : 𝜆𝑥 + 𝜇𝑦 𝜖 𝐹

1) Applications linéaires

1.1) Application linéaire de 𝐸 dans 𝐹

Définition 1

Soient 𝐸 et 𝐹 deux espaces vectoriels sur 𝕂. Une application 𝑓 de 𝐸 vers 𝐹 est

linéaire si :

1) Pour tout couple (𝑥 ; 𝑦) ∈ 𝐸 2 , 𝑓 (𝑥 + 𝑦) = 𝑓 (𝑥) + 𝑓(𝑦)

2) Pour tout λ de 𝕂 et tout 𝑥 vecteur de 𝐸, 𝑓 (𝜆𝑥) = 𝜆𝑓(𝑥).

L’ensemble des applications linéaires de 𝐸 vers 𝐹 est notée L(𝐸, 𝐹 ).

Une application linéaire de 𝐸 vers 𝐸 est appelée un endomorphisme. Et l’ensemble

des endomorphismes sur 𝐸 est noté L(𝐸).

Proposition 1 : (Pour démontrer qu’une application est linéaire)

Soit 𝑓 une application de 𝐸 vers 𝐹, 𝑓 est linéaire si ∀ (𝑥 ; 𝑦) ∈ 𝐸 2 et ∀ (𝜆 ; 𝜇) ∈ 𝕂2 ,

on a :

FASEG/Eco-Appliquée & APD Page 2

LICENCE 2

𝑓 (𝜆𝑥 + 𝜇𝑦) = 𝜆𝑓 (𝑥) + 𝜇𝑓(𝑦)

ℝ3 → ℝ2
Exemple : Soit 𝑓: {
(𝑥1 , 𝑥2 , 𝑥3 ) → (𝑥1 − 𝑥2 + 4𝑥3 , 3𝑥1 − 𝑥3 )

Montrez que 𝑓 est une application linéaire.

Proposition 2

Soit 𝑓𝜖 L(𝐸, 𝐹 ).Pour tout 𝑛 −uplet (𝑥1 , 𝑥2 , 𝑥3 … . . , 𝑥𝑛 ) d’éléments de 𝐸 ; et 𝑛 −uplet

(𝜆1 , 𝜆2 , 𝜆3 … . . , 𝜆𝑛 ) d’éléments de 𝕂, on a :

𝑛 𝑛

𝑓(∑ 𝜆𝑘 𝑥𝑘 ) = ∑ 𝜆𝑘 𝑓(𝑥𝑘 )
𝑘=1 𝑘=1

1.2 Espace image, applications linéaires, surjectives.

Définition 2

Soit 𝑓𝜖 L(𝐸, 𝐹 ), l’ensemble 𝐼𝑚(𝑓) est appelé image de 𝑓.

𝐼𝑚(𝑓) = {𝑦𝜖𝐹/∃𝑥𝜖𝐸, 𝑓(𝑥) = 𝑦}

C’est l’ensemble des éléments de 𝐹 qui ont un antécedent par 𝑓 dans 𝐸.

Proposition 3

Soit 𝑓𝜖 L(𝐸, 𝐹 ), l’ensemble 𝐼𝑚(𝑓) est un sous-espace vectoriel de 𝐹.

Proposition 4

Soit 𝐸 un espace vectoriel de dimension finie 𝑝, (𝑒1 , 𝑒2 , 𝑒3 … . . , 𝑒𝑝 ) une base de 𝐸. 𝑓

une application linéaire de 𝐸 dans 𝐹. Si 𝑢1 = 𝑓(𝑒1 ) ; 𝑢2 = 𝑓(𝑒2 ) ;…. 𝑢𝑝 = 𝑓(𝑒𝑝 ) ,

images des vecteurs de la base 𝐸; la famille (𝑢1 , 𝑢2 , 𝑢3 … . . , 𝑢𝑝 ) est une famille
génératrice de 𝐼𝑚(𝑓).

𝐼𝑚(𝑓) = 𝑣𝑒𝑐𝑡{𝑢1 , 𝑢2 , 𝑢3 … . . , 𝑢𝑝 } = 𝑣𝑒𝑐𝑡{𝑓 (𝑒1 ), 𝑓 (𝑒2 ), 𝑓(𝑒3 ) … , 𝑓(𝑒𝑝 )}

FASEG/Eco-Appliquée & APD Page 3

LICENCE 2

L’application 𝑓 est surjective si et seulement si, la famille (𝑢1 , 𝑢2 , 𝑢3 … . . , 𝑢𝑝 ) est une

famille génératrice de 𝐹.

Autrement dit : 𝑓 est surjective si 𝐼𝑚(𝑓) = 𝐹

Proposition 5

Soit 𝐸 un espace vectoriel de dimension finie 𝑝, (𝑒1 , 𝑒2 , 𝑒3 … . . , 𝑒𝑝 ) une base de 𝐸 et

(𝑢1 , 𝑢2 , 𝑢3 … . . , 𝑢𝑝 ) une famille de vecteurs de 𝐹.

Il existe une unique application linéaire 𝑓 de 𝐸 vers 𝐹 telle que 𝑢𝑖 = 𝑓(𝑒𝑖 ) ; 𝑖 =

1,2,3, … . 𝑝

1.3) Noyau, applications linéaires injectives

Définition 3

Soit 𝑓𝜖 L(𝐸, 𝐹 ).

On appelle noyau de 𝑓 et l’on note ker(𝑓), l’ensemble ker(𝑓) = {𝑥 𝜖 𝐸/𝑓(𝑥) = 𝑂𝐹 }

Proposition 6

Soit 𝑓𝜖 L(𝐸, 𝐹 ). L’ensemble ker(𝑓) est un sous-espace vectoriel de 𝐸.

ℝ3 → ℝ2
Exemple : Soit 𝑓: {
(𝑥1 , 𝑥2 , 𝑥3 ) → (𝑥1 − 𝑥2 + 4𝑥3 , 3𝑥1 − 𝑥3 )

Déterminer une base de ker(𝑓).

Proposition 7

Soit 𝑓𝜖 L(𝐸, 𝐹 ), 𝑓 est injective si et seulement si ker(𝑓) = {0𝐸 }

1.4) Isomorphisme de 𝐸 dans 𝐹

Définition 4

Une application linéaire de 𝐸 vers 𝐹 bijective est appelé un isomorphisme de 𝐸 dans

𝐹.

FASEG/Eco-Appliquée & APD Page 4

LICENCE 2

Définition 5

Soit 𝐸 et 𝐹 deux espaces vectoriels.S’ils existent un isomorphisme 𝑓 de 𝐸 vers 𝐹, on

dit que 𝐸 et 𝐹 sont isomorphes et 𝑓 −1 est l’isomorphisme réciproque de 𝑓.

2) Rang d’une application linéaire

2.1) Théorème du rang

Définition 6

Soit une famille de vecteurs (𝑢1 , 𝑢2 , 𝑢3 … . . , 𝑢𝑝 ).On appelle rang de cette famille, et
l’on note 𝑟𝑔(𝑢1 , 𝑢2 , 𝑢3 … . . , 𝑢𝑝 ), la dimension de 𝑣𝑒𝑐𝑡{𝑢1 , 𝑢2 , 𝑢3 … . . , 𝑢𝑝 }.

Définition 7

Soit 𝑓𝜖 L(𝐸, 𝐹 ). Si 𝐼𝑚(𝑓) est de dimension finie, on appelle rang de 𝑓 et on note

𝑟𝑔(𝑓), la dimension de 𝐼𝑚(𝑓).

𝑟𝑔(𝑓) = dim(𝐼𝑚(𝑓))

Théorème 1 (Théorème du rang)

Soit 𝑓𝜖 L(𝐸, 𝐹 ) où 𝐸 est de dimension finie. On a :

dim(𝐸 ) = dim(ker(𝑓)) + dim(𝐼𝑚(𝑓))

2.2) Application à la caractérisation des isomorphismes

Soit 𝑓𝜖 L(𝐸, 𝐹 ) où 𝐸 et 𝐹 sont de dimension finie.

-𝑓 est injective si et seulement si 𝑟𝑔(𝑓) = dim(𝐸 )

- 𝑓 est surjective si et seulement si 𝑟𝑔(𝑓) = dim(𝐹 )

Théorème 2

Soit 𝐸 un espace de dimension finie et 𝑓 un endomorphisme de 𝐸.On a les

équivalences :

FASEG/Eco-Appliquée & APD Page 5

LICENCE 2

𝑓 est injective ⇔ 𝑓 est surjective ⇔ 𝑓 est bijective.

3) Matrices et applications linéaires

Dans toute cette section, 𝐸 et 𝐹 sont deux espaces vectoriels de dimension 𝑝 et 𝑛

munis respectivement des bases :

𝐵𝐸 = (𝑒1 , 𝑒2 , 𝑒3 … . . , 𝑒𝑝 ) et 𝐵𝐹 = (𝑣1 , 𝑣2 , 𝑣3 … . . , 𝑣𝑛 ) fixées.

Définition 8

Soit 𝐸 et 𝐹 deux espaces vectoriels de dimension finies sur 𝕂, 𝐵𝐸 =

(𝑒1 , 𝑒2 , 𝑒3 … . . , 𝑒𝑝 ) une base de 𝐸 et 𝐵𝐹 = (𝑣1 , 𝑣2 , 𝑣3 … . . , 𝑣𝑛 ) une base de 𝐹. Soit

𝑓𝜖 L(𝐸, 𝐹 ). Pour 𝑗𝜖 [1, 𝑝] , il existe 𝑛 scalaires 𝑎1𝑗 , 𝑎2𝑗 , … , 𝑎𝑛𝑗 tels que :

𝑓(𝑒𝑗 ) = ∑ 𝑎𝑖𝑗 𝑣𝑖
𝑖=1

La matrice 𝐴 = (𝑎𝑖𝑗 ) 1≤𝑖≤𝑛 est appelée la matrice de 𝑓 relativement aux bases 𝐵𝐸 , 𝐵𝐹 et

1≤𝑗≤𝑝

est notée ℳ𝐵𝐸,𝐵𝐹 (𝑓). C’est la matrice dont le 𝑗 𝑖è𝑚𝑒 vecteur colonne est le vecteur
colonne des coordonnées de 𝑓(𝑒𝑗 ) dans la base 𝐵𝐹 .

Remarque : La matrice 𝐴 est de taille 𝑛 × 𝑝.

Exemple : Considérons toujours l’application 𝑓

ℝ3 → ℝ2
𝑓: {
(𝑥1 , 𝑥2 , 𝑥3 ) → (𝑥1 − 𝑥2 + 4𝑥3 , 3𝑥1 − 𝑥3 )

Déterminer la matrice de 𝑓 relativement aux bases canoniques 𝐵ℝ3 de ℝ3 et de 𝐵ℝ2 de

ℝ2 .

FASEG/Eco-Appliquée & APD Page 6

LICENCE 2

3.2) Matrices carrées et endomorphisme.

Proposition 8

Soit 𝐸 un espace vectoriel de dimension finie 𝑛. La matrice d’un automorphisme 𝑓 de

𝐸 est une matrice carrée inversible de ℳ𝑛 (𝕂) dont l’inverse est la matrice de
l’automorphisme réciproque 𝑓 −1 de 𝐸.

N.B : Un automorphisme est un endomorphisme bijectif

Définition 9

Soit 𝐸 un espace vectoriel de dimension finie, 𝑓𝜖 L(𝐸 ) et 𝐵 une base de 𝐸.On appelle
matrice de 𝑓 relativement à la base à la base 𝐵, et l’on note ℳ𝐵 (𝑓) la matrice
ℳ𝐵,𝐵 (𝑓) = 𝐴

Exemple : Soit l’espace ℝ3 muni de sa base canonique 𝐵 = (𝑒1 , 𝑒2 , 𝑒3 ) et 𝑓

l’endomorphisme de ℝ3 défini par :

𝑓 (𝑥, 𝑦, 𝑧) = (𝑥 + 𝑦 + 2𝑧; 2𝑥 + 𝑦 + 𝑧; 𝑦 + 3𝑧)

Déterminer ℳ𝐵 (𝑓) = 𝐴

Proposition 9 (Calcul effectif des coordonnées de l’image d’un vecteur)

Soient 𝐸et 𝐹 deux espaces vectoriels de dimensions finies sur 𝕂, 𝐵𝐸 =

(𝑒1 , 𝑒2 , 𝑒3 … . . , 𝑒𝑝 ) une base de 𝐸 et 𝐵𝐹 = (𝑣1 , 𝑣2 , 𝑣3 … . . , 𝑣𝑛 ) une base de 𝐹.

Soit 𝑓𝜖 L(𝐸, 𝐹 ).

∀ 𝑥 ∈ 𝐸, 𝑒𝑡 ∀ 𝛾 ∈ 𝐹, nous avons :

𝛾 = 𝑓 (𝑥) ⇔ 𝑌 = 𝐴𝑋

Où 𝐴, 𝑋, et 𝑌 sont des matrices ℳ𝐵𝐸,𝐵𝐹 (𝑓), ℳ𝐵𝐸 (𝑥) et ℳ𝐵𝐹 (𝛾) associées à 𝑓, 𝑥 et 𝛾
respectivement.

FASEG/Eco-Appliquée & APD Page 7

LICENCE 2

Exercices

Exercice 1

ℝ3 → ℝ2
Soit 𝑢: {
(𝑥1 , 𝑥2 , 𝑥3 ) → (𝑥1 + 𝑥2 + 𝑥3 , 2𝑥1 + 𝑥2 − 𝑥3 )

1) Montrer que 𝑢 est linéaire

2) Déterminer ker(𝑢)

Exercice 2

ℝ3 → ℝ2
Soit 𝑓: {
(𝑥, 𝑦, 𝑧) → (−2𝑥 + 𝑦 + 𝑧, 𝑥 − 2𝑦 + 𝑧)

1) Montrer que 𝑓 est une application linéaire.

2) Déterminer la matrice 𝐴 de 𝑓 relativement aux bases canoniques de ℝ3 et ℝ2

3) Donner une base de ker(𝑓), en déduire dim(𝐼𝑚(𝑓))

4) Donner une base de 𝐼𝑚(𝑓)

Exercice 3

ℝ2 → ℝ2
On considère ℎ: {
(𝑥, 𝑦) → (𝑥 − 𝑦, −3𝑥 + 3𝑦)

1) Montrer que ℎ est une application linéaire

2) Montrer que ℎ est ni injective ni surjective

3) Donner une base de son noyau et une base de son image

Exercice 4

Soit ℝ2 [𝑋 ] = {𝑎0 + 𝑎1 𝑋 + 𝑎2 𝑋 2 ; 𝑎𝑖 ∈ ℝ} l’espace des polynômes réels de degré au

plus 2 et soit 𝐵 = (1, 𝑋, 𝑋 2 ) la base canonique de ℝ2 [𝑋 ].

FASEG/Eco-Appliquée & APD Page 8

LICENCE 2

ℝ2 [𝑋 ] → ℝ2 [𝑋 ]
Soit 𝑢: {
𝑃 → 𝑃 + (1 − 𝑋)𝑃′

Soit β=(1, 𝑋, 𝑋 2 ) la base canonique de ℝ2 [𝑋 ]

1) Montrer que 𝑢 est un endomorphisme de ℝ2 [𝑋 ]

2) Déterminer la matrice de 𝑢 dans β

3) Déterminer ker(𝑢) et 𝐼𝑚(𝑢)

Exercice 5

On considère l’application :

ℝ2 [𝑋 ] → ℝ2 [𝑋 ]
𝑓: {
𝑃 → (𝑋 + 1)𝑃′

Soit β=(1, 𝑋, 𝑋 2 ) la base canonique de ℝ2 [𝑋 ]

1) Montrer que 𝑓 est une application linéaire.

0 1 0
2) Montrer que la matrice 𝐴 de 𝑓 par rapport à la base 𝐵 et 𝐵 est : (0 1 2)
0 0 2

3) Montrer que 𝛽′ = (1; 1 + 𝑋; (𝑋 + 1)2 ) est une base de ℝ2 [𝑋 ]

4) Déterminer le rang de 𝑓

5) Trouver une base de 𝐼𝑚(𝑓)

6) Trouver une base de 𝐾𝑒𝑟(𝑓)

FASEG/Eco-Appliquée & APD Page 9