APPLICATIONS LINÉAIRES

1 APPLICATIONS LINÉAIRES
I) Définitions-Propriétes
1) Image et Noyau

Définition (Application linéaire)

Soient (E , >, ⊥) et (F , ∗, ♥) deux K-espaces vectoriels et
f : E → F une application de E dans F .
On dit que f est une application linéaire si elle possède les
deux propriétés suivantes:
(i) ∀x ∈ E , ∀y ∈ E , f (x >y ) = f (x ) ∗ f (y )
(ii) ∀x ∈ E , ∀α ∈ K, f (α⊥x ) = α♥f (x ).

2 APPLICATIONS LINÉAIRES
Remarque

(i) et (ii) ⇐⇒ ∀x , y ∈ E , ∀α, β ∈ K,

f ((α⊥x ) > (β⊥y )) = (α♥f (x )) ∗ (β♥f (y )) .

(i) et (ii) ⇐⇒ ∀x , y ∈ E , ∀α ∈ K,

f ((α⊥x ) >y ) = (α♥f (x )) ∗ f (y ) .

3 APPLICATIONS LINÉAIRES
Définition (Application linéaire)
Soient (E , +, .) et (F , +, .) deux K -espaces vectoriels et
f : E → F une application de E dans F . On dit que f est une
application linéaire si elle possède les deux propriétés
suivantes:
1 ∀x ∈ E , ∀y ∈ E ,

f (x + y ) = f (x ) + f (y ) .

2 ∀x ∈ E , ∀α ∈ K,

f (αx ) = αf (x ) .

4 APPLICATIONS LINÉAIRES
Remarque
Une application f entre deux K -espaces vectoriels E et F est
linéaire
ssi les expressions images de f (x ), pour x ∈ E , sont linéaires
par rapport aux coordonnées de x ∈ E , moyennant une base
sur E .

Exemple
Cette expression: a1 x1 + ... + an xn est linéaire en x1 , x2 , ..., xn ,
mais pas celle-ci

a1 x1 + ... + an xn + b.

5 APPLICATIONS LINÉAIRES
Propriété
a) On déduit de (1) en posant y = x = 0E ∈ E ,

f (0E ) = 0F ∈ F .

On a également f (−x ) = −f (x ) .
b) (1) et (2) ⇐⇒
∀x , y ∈ E , ∀α, β ∈ K, f (αx + βy ) = αf (x ) + βf (y )
(1) et (2) ⇐⇒
∀x , y ∈ E , ∀α ∈ K, f (αx + y ) = αf (x ) + f (y )
c) Soit E munit d’une base (e1 , e2 , ....., en ) , pour tout
n
y ∈ E , ∃!α1 , α2 , ....., αn ∈ K; y =
P
αi ei ; d’où
 n i=1
n

P P
f (y ) = f α i ei = αi f (ei ) ; et on constate
i=1 i=1
que f est complètement déterminée par son action
sur une base de E .
6 APPLICATIONS LINÉAIRES
Exemple
Soit f : R2 −→ R2 , (x , y ) 7−→ (2x + y , 0) est une application
linéaire de R2 dans R2 .

Exemple
Soit g : R2 −→ R2 , (x , y ) 7−→ (4, x − 9y ) n’est pas une
application linéaire de R2 dans R2 , car
g (0, 0) = (4, 0) 6= (0, 0) vecteur nul de R2 .

7 APPLICATIONS LINÉAIRES
Définition ( noyau d’une application linéaire)
Le noyau d’une application linéaire f : E → F est l’ensemble
des vecteurs x ∈ E tels que f (x ) = 0. Il est noté Ker f .
D’où Ker f = {x ∈ E ; f (x ) = 0F }.

Exemple
Soit f : R2 −→ R2 , (x , y ) 7−→ (2x + y , 0) une application
linéaire de R2 dans R2 .
n o
ker f = (x , y ) ∈ R2 ; f (x , y ) = (0, 0)
(
2x + y = 0
f (x , y ) = (0, 0) ⇒ ⇒ 2x +y = 0 ⇒ y = −2x
0=0
ker f = {(x , −2x ) ; x ∈ R} =< (1, −2) >⇒ dim ker f = 1.

8 APPLICATIONS LINÉAIRES
Lemme
Le noyau de f est un sous-espace vectoriel de E .

Proposition
. Une application linéaire f : E → F est injective si et
seulement si Ker f = {0E }.

Définition (de l’image d’une application linéaire)

L’image d’une application linéaire f : E → F est l’ensemble
image de E par l’application f , c’est-à-dire l’ensemble des
vecteurs appartenant à F tels qu’il existe au moins un vecteur
x ∈ E avec f (x ) = y . On la note f (E ) ou encore Im f .
Im f
= {y ∈ F , ∃x ∈ E ; f (x ) = y } = { f (x ) ; x ∈ E } = f (E ).

9 APPLICATIONS LINÉAIRES
Lemme
L’image de f est un sous-espace vectoriel de F .

Remarque
1 L’image par une application linéaire f : E → F d’un
sous-espace vectoriel de E est un sous-espace vectoriel de
F.
2 Aussi l’image reciproque par f d’un sous-espace vectoriel
de F est un sous-espace vectoriel de E .

Proposition
Une application linéaire f : E → F est surjective si et
seulement si Im f = F .

10 APPLICATIONS LINÉAIRES
Définition ( Isomorphisme)
1 Une application linéaire f : E → F est un
isomorphisme si elle est injective et surjective. On dit
alors que E et F sont isomorphes par f .
2 Une application linéaire f : E → E est un
endomorphisme. Un endomorphisme qui est bijectif est
un automorphisme.
3 Deux espaces E et F sont isomorphes noté(E ' F ), s’il
existe au moins un isomorphisme f de E sur F .
4 Si f : E → F est un isomorphisme, il existe une
application inverse f −1 ; et f −1 est un isomorphisme de F
sur E .
5 f : E → F est un isomorphisme ⇐⇒ Ker f = {0E } et
f (E ) = F .

11 APPLICATIONS LINÉAIRES
Théorème
Soient E et F deux K -espaces vectoriels de dimension finie
et une application linéaire f : E → F . Alors:

(a) f est un isomorphisme entre E et F .

m
(b) dimE = dimF et Kerf = {0E } .
m
(c) dimE = dimF et Im f = F

12 APPLICATIONS LINÉAIRES
Lemme
Soit (x1 , x2 , ....., xn ) une suite libre de vecteurs de E et une
application linéaire f : E → F injective. Alors

(f (x1 ) , f (x2 ) , · · · , f (xn ))

est une suite libre dans F .

13 APPLICATIONS LINÉAIRES
2) Le théorème noyau-image

Théorème
Soient E et F deux K -espaces vectoriels et une application
linéaire f : E → F . Si la dimension de E est finie, il en est
de même des dimensions de Kerf et de f (E ) = Im f et l’on
a: dim E = dim f (E ) + dim Ker f .

14 APPLICATIONS LINÉAIRES
Lemme
Soient E de dimension finie et une application linéaire
f : E → F.
Alors f (E ) = Im f est de dimension finie.

Corollaire
Avec les hypothèses du théorème de la sous section 1)
Ker f = {0E } ⇐⇒ dim Im f = dim f (E ) = dim E .

15 APPLICATIONS LINÉAIRES
3) Rang d’une application linéaire

Définition
Le rang d’ une application linéaire f : E → F ,
avec E de dimension finie, est par définition la dimension de
l’image f (E ) = Im f .

16 APPLICATIONS LINÉAIRES
Exemple
L’application f : E → F qui, à tout vecteur x ∈ E associe le
vecteur nul 0F de F est linéaire. On a Im f = {0F } et le rang
de f est nul. Le noyau ker f = E .

Exemple
L’application f de E dans E qui, à tout vecteur x ∈ E , associe
le vecteur x est linéaire. Ker f = {0}, f (E ) = E . On
l’appelle l’identité IdE .
C’est un isomorphisme de E sur E ,ou automorphisme de E .

17 APPLICATIONS LINÉAIRES
Exemple
Si E est un espace vectoriel sur le corps K et a 6= 0 un élément
de K, l’application f : x 7−→ ax est une application linéaire de
E sur E et c’est un automorphisme (homothétie vectorielle).

Exemple
Soit F et G deux sous-espaces supplémentaires dans E . A
tout vecteur x ∈ E , on peut faire correspondre sa composante
y ∈ F définie par:

x = y + z, y ∈ F, z ∈ G.

L’application f : x 7−→ y est une application linéaire de E

dans F qu’on appelle projection sur F parallèlement à G. Le
noyau de f est G et l’image f (E ) est F .
Si E est de dimension finie, on vérifie directemnet le théorème
noyau-image sur les dimensions.
18 APPLICATIONS LINÉAIRES
Exemple
Soit E = Cn [X ] le C-espace vectoriel des polynômes
complexes de degré inférieur ou égal à n, avec le polynôme
nul. L’application f : P 7−→ P + P 0 , où P 0 est le polynôme
dérivé de P, est une application linéaire de E dans E , on dit
encore que c’est un C-endomorphisme de E .
On vérifie directement que ker f = {0} ; il résulte alors que f
est un automorphisme de E donc est surjective.

19 APPLICATIONS LINÉAIRES
Exemple
Une application linéaire de E un K-espace vectoriel dans K
s’appelle une forme linéaire sur E (K est un espace vectoriel
sur lui-même ). Soit f une forme linéaire non nulle sur un
K-espace vectoriel E de dimension n. On a Im f 6= {0} et
Im f ⊂ K; donc l’image de f , espace de dimension 1 appelé
droite vectorielle ( à cause de sa dimension qui est 1) et le
noyau de f est de dimension n − 1 et on dit que c’est un
hyperplan de E .
Un K-espace vectoriel de dimension 2 est appelé plan
vectoriel.
L’ensemble des formes linéaires de E se note E ∗ ou LK (E , K)
c’est un K -espace vectoriel appelé le dual de E .

20 APPLICATIONS LINÉAIRES
II) Opérations sur les applications linéaires
1) L’espace vectoriel LK (E , F )
Soit E et F deux K-espaces vectoriels. Appelons LK (E , F )
l’ensemble des applications linéaires de E dans F .
Somme de deux applications linéaires
Soit f et g deux applications linéaires de E dans F .

On définit f + g : E → F par:
∀x ∈ E , (f + g) (x ) = f (x ) + g (x ).
On vérifie que f + g est bien une application linéaire de E
dans F .
On l’appelle somme de f et g.
Produit de α ∈ K par f ∈ LK (E , F ). Il est définit par:
∀x ∈ E , (αf ) (x ) = αf (x ).
On vérifie que αf est bien une application linéaire de E dans
F.
21 APPLICATIONS LINÉAIRES
Proposition
Les deux opérations précédentes confèrent à l’ensemble
LK (E , F ) une structure d’espace vectoriel sur K.

22 APPLICATIONS LINÉAIRES
2) Composition des applications linéaires

Soit E , F et G trois K-espaces vectoriels. Etant donné une

application linéaire f : E → F et une application linéaire
g : F → G, on vérifie immédiatement que g ◦ f : E → G est
une application linéaire de E dans G. En particulier,
si E = F = G, nous définissons une loi de composition interne
dans LK (E , E ) = LK (E ) = EndK (E ) avec la loi"◦" des
compositions des applications qu’on appelle la multiplication.

23 APPLICATIONS LINÉAIRES
Proposition
L’addition et la multiplication"◦" définies dans LK (E ) en
font un anneau non commutatif.

Remarque
La composée de deux isomorphismes est un isomorphisme et
donc, en particulier, la composée de deux automorphismes de
E est un automorphisme.
Si E est de dimension finie, l’ensemble des automorphismes de
E constitue le groupe des unités(l’ensemble des éléments
inversbles) de l’anneau LK (E ).

24 APPLICATIONS LINÉAIRES
III) Espace vectoriel quotient
1) Construction de l’espace vectoriel quotient de E
par F
Soit E un K-espace vectoriel et F un sous-espace vectoriel de
E . Soit R une relation définie dans E par:

x , y ∈ E , x Ry ⇐⇒ x − y ∈ F ;

on montre que R est une relation d’équivalence et compatible

avec l’addition dans E , c’est-à-dire: ,

x Ry et zRt ⇒ (x + z) R (y + t)

. Ce qui permet de définir une opération sur l’ensemble

E /F = E /R par:
x̄ + ȳ = x + y .
où x̄ est la classe de x modulo F .
25 APPLICATIONS LINÉAIRES
Cette opération donne à E /F une structure de groupe abélien
et l’application ϕ : E → E /F , telle que ϕ (x ) = x̄ est un
morphisme de groupe, qu’on appelle le morphisme canonique
de E sur E /F . Outre leur structure de groupe, E et F ont
maintenant une structure d’espace vectoriel et nous allons
complèter ces résultats en définissant sur E /F une structure
d’espace vectoriel.

26 APPLICATIONS LINÉAIRES
Proposition
La relation R est compatible avec la multiplication par un
scalaire, c’est-à-dire:

∀α ∈ K, x Ry ⇒ αx Rαy .

De là on définit pour α ∈ K et x̄ ∈ E /F , αx̄ = αx , (∗)

ce qui est une opération externe dans E /F .

27 APPLICATIONS LINÉAIRES
Proposition
Le groupe quotient E /F muni de l’opération externe (∗)
devient un espace vectoriel sur K et l’application

ϕ : E → E /F

est linéaire et surjective.

Remarque
Le noyau et l’image de ϕ en tant qu’application linéaire sont le
noyau et l’image de ϕ en tant que morphisme de groupe
abélien. En particulier, on a Ker ϕ = F .

28 APPLICATIONS LINÉAIRES
Définition
L’espace vectoriel obtenu à partir de E et de son
sous-espace F par la construction précédente s’appelle
l’espace vectoriel quotient de E par F et se note E /F .
L’application linéaire surjective ϕ : E → E /F s’appelle
l’application linéaire canonique de E sur l’espace
vectoriel quotient E /F .
n o si F = {0}, E /F = E et si F = E ,
En particulier
E /F = 0̄ .
La construction de l’espace vectoriel quotient de E par F
est valable en dimension finie ou non. Si E est de
dimension finie, E /F est aussi de dimension finie.

29 APPLICATIONS LINÉAIRES
Problème
La construction de l’espace vectoriel quotient de E par F
donne une solution au problème suivant:

Étant donné un K-espace vectoriel E et un sous-espace

vectoriel F , trouver un espace vectoriel E 0 sur K et une
application linéaire surjective f : E → E 0 dont le noyau est F .

Lorsque E est de dimension finie, on obtient aisément une

solution du problème de la façon suivante: prenant un
sous-espace supplémentaire G de F dans E ; la projection
p : E → G de E sur G parallèlement à F est une application
linéaire surjective de noyau F .

30 APPLICATIONS LINÉAIRES
Théorème
Soit f : E → E 0 une application linéaire surjective de l’espace
vectoriel E sur l’espace vectoriel E 0 et F son noyau.
L’espace E 0 est isomorphe à l’espace quotient E /F par un
isomorphisme σ tel que :f = σ ◦ ϕ; où ϕ est l’application
linéaire canonique de E sur E /F . Suivant le diagramme
suivant
ϕ
E → E /F
f
& ↓σ
E0

31 APPLICATIONS LINÉAIRES
Corollaire
Toutes les solutions du problème sont des espaces vectoriels
isomorphes entre eux.

Corollaire
Si E est de dimension finie et F un sous-espace vectoriel de
E , on a: dim E /F =dim E −dim F , et dim E /F s’appelle la
codimension de F dans E , et se note co dim F , ainsi
co dim F = dim E /F .

32 APPLICATIONS LINÉAIRES
IV) Matrice d’une application linéaire f : E → F
Relativement à des bases données de E et de F . Soient
E et F deux espaces vectoriels de dimensions respectives p et
q sur K, β = (e1 , ..., ep ) une base de E , β 0 = (t1 , ..., tq ) une
base de F et f : E → F une application linéaire de E dans F ;
f est complètement déterminée par son action sur la base β,
c’est-à-dire que f est entièrement définie par les
q
X
f (ej ) = aij ti , aij ∈ K, j = 1, 2, ..., p.
i=1

Ainsi les coordonnées de f (ej ) dans la base β 0 = (t1 , ..., tq )

constitue la matrice colonne suivante:
 
a1j
 a2j 
 
 . .
 . 
 . 
aqj
33 APPLICATIONS LINÉAIRES
Proposition
Etant donné f : E → F une application linéaire de E dans F
des K-espaces vectoriels avec E de dimension finie, muni d’une
base β = (e1 , ..., ep ), alors Im f =< f (ei ), 1 ≤ i ≤ p >.

34 APPLICATIONS LINÉAIRES
Définition
On appelle matrice de l’application linéaire f : E → F ,
relativement aux bases β et β 0 , avec β = (e1 , ..., ep ) et
β 0 = (t1 , ..., tq ) est la matrice de type (q, p):
f (e1 ) ; f (e2 ) ; ...; f (ep )
 
a11 a12 ... a1p t1
 a21 a22 ... a2p  t2
 
Mβ 0 β (f ) =  .. .. . . .. 
 .
 . . . .  ..
aq1 aq2 ... aqp tq
ème
dont la j colonne (j = 1, 2, ..., p) est constituée par les
coordonnées

35 APPLICATIONS LINÉAIRES
  
a1j

 a2j 

 .. 
.
 
 
aqj
du vecteur f (ej ) par rapport à la base β 0 .
C’est pourquoi nous avons écrit f (e1 ) au dessus de la
première colonne, ...., f (ep ) au-dessus de la p ième colonne.
Lorsque E = F , l’application linéaire f est un endomorphisme
de E et nous pouvons choisir β = β 0 . La matrice Mββ (f )
s’appelle la matrice de l’endomorphisme relativement à la base
β de E .

36 APPLICATIONS LINÉAIRES
Remarque
De façon symbolique, on peut écrire:

(f (e1 ) , f (e2 ) , ..., f (ep )) = (t1 , ..., tq ) Mβ 0 β (f )

soit
f (β) = β 0 Mβ 0 β (f ) ,
tout ceci est symbolique.

Exemple
Soit f un endomorphisme de R3 défini par:

(x , y , z) 7−→ (2x − y − z; x − z; λx − y − 2z) , où λ ∈ R.

Soit β = (e1 ; e2 ; e3 ) la base canonique de R3 . Pour trouver la

matrice de f relativement à la base β associé à l’ensemble de
depart et à l’ensemble d’arrivé, il faut calculer:
37 APPLICATIONS LINÉAIRES
 f (e1 ) = (2; 1; λ)
f (e2 ) = (−1; 0; −1)
f (e3 ) = (−1; −1; −2)
 
2 −1 −1
Et la matrice en question est M =  1 0 −1 .
 

λ −1 −2

Proposition
Soient E , F , G trois K-espaces vectoriels de dimension finie
munis des bases respectives β, β 0 ,γ et f ∈ LK (E , F ) et
g ∈ LK (F , G) alors
g ◦ f ∈ LK (E , G)
Mγβ (g ◦ f ) = Mγβ 0 (g) × Mβ 0 β (f ).
38 APPLICATIONS LINÉAIRES
Proposition
Soient E et F deux K -espaces vectoriels de dimensions
respectives p et q, munis respectivement des bases
β = (e1 , ..., ep ) et β 0 = (t1 , ..., tq ).
L’application de LK (E , F ) dans Mqp (K) définie par

f 7→ Mβ 0 β (f )

est un isomorphisme de l’espace vectoriel des applications

linéaires de E dans F sur l’espace vectoriel des matrices de
type(q, p) sur K.

39 APPLICATIONS LINÉAIRES
Corollaire
L’espace vectoriel LK (E , F ) est de dimension finie n = pq.

Remarque
1 Les espaces vectoriels LK (E , F ) et Mqp (K) sont
isomorphes mais cet isomorphisme dépend des bases β et
β 0 choisies dans E et F . On devrait le noter:

Mβ 0 β : LK (E , F ) → Mqp (K) .

Il est déterminé par le choix de ces bases.

2 Il résulte de la proposition ci-dessus qu’une matrice q × p
quelconque dont les coefficients appartiennent à un corps
K peut toujours être considérée comme la matrice d’une
application linéaire d’un espace vectoriel E de dimension
p sur K dans un espace vectoriel F de dimension q sur
K, par exemple de E = Kp dans F = Kq .
40 APPLICATIONS LINÉAIRES
2) Changement de bases
a) Matrice de passage
 
Soient β = (e1 , ..., en ), β 0 = e10 , ..., en0 deux bases de E .
On voudrait avoir la matrice de:
IdE : (E , β 0 ) −→ (E , β)
x 7−→ x

(E , β) signifie que le K-espace vectoriel de dimension finie E ,

est muni de la base β.
On sait que ∀1 ≤ j ≤ n, ∃! (α1j , α2j, ..., αnj ) ∈ Kn ;
n
ej0 =
X
αij ei .
i=1

Ainsi d’après ce qui précède en matière de la matrice d’une

application linéaire relativement à des bases sur les espaces de
départ et d’arrivé, on a:
41 APPLICATIONS LINÉAIRES
 
e10 ; e20 ; ... ; en0
α11 α12 ... α1n e1

 α21 α22 ... α2n   e2
Mββ 0 (IdE ) =  .. .. .. ..  ..

 . . . .   .
αn1 αn2 ... αnn en
On appelle matrice de passage de la base β à la base β 0 , la
matrice:

Matββ 0 (IdE ) = P = (αij )1≤ i , j ≤ n = Pββ 0 .

Comme l’application IdE est bijective, alors P = Pββ 0 est

inversible.
En pratique donc, la matrice P = (αij )1≤ i , j ≤ n = Pββ 0 est
telle que la j ième colonne est formée par les coordonnées du
vecteur ej0 dans la base β = (e1 , ..., en ).
Et P −1 = Pβ 0 β est la matrice de passage de la base β 0 à la
base β.
42 APPLICATIONS LINÉAIRES
b) Formule de changement de bases
Soit f ∈ LK (E , F ) et (E , β), (F , γ)
Soit
IdE f IdF
(E , β 0 ) −→ (E , β) −→ (F , γ) −→ (F , γ 0 ) .
On a bien f = IdF ◦ f ◦ IdE ⇒
Matγ 0 β 0 (f ) = Matγ 0 β 0 (IdF ◦ f ◦ IdE )
= Matγ 0 γ (IdF ) × Matγβ (f ) × Matββ 0 (IdE ) .
Soit maintenant u ∈ LK (E , E ) ⇐⇒ u ∈ EndK (E ), on a
Id u Id
(E , β 0 ) −→
E E
(E , β) −→ (E , β) −→ (E , β 0 ) ,
et u = IdE ◦ u ◦ IdE ⇒
Matβ 0 β 0 (u) = Matβ 0 β 0 (IdE ◦ u ◦ IdE )
= Matβ 0 β (IdE ) × Matββ (u) × Matββ 0 (IdE ) .
43 APPLICATIONS LINÉAIRES
Comme (IdE ) est une bijection de E dans E , alors
Matβ 0 β (IdE ) est inversible et Matβ 0 β (IdE ) = (Matββ 0 (IdE ))−1 .
De là on a la proposition suivante:
Proposition
 
Soient β = (e1 , ..., en ) , β 0 = e10 , ..., en0 deux bases de E ,
u ∈ LK (E ),

P = Pββ 0 = Matββ 0 (IdE ) , A = Mat (u, β) = Matββ (u) ,

A0 = Mat (u, β 0 ) = Matβ 0 β 0 (u)

= Matβ 0 β 0 (IdE ◦ u ◦ IdE )
= Matβ 0 β (IdE ) × Matββ (u) × Matββ 0 (IdE ) .

or Matβ 0 β (IdE ) = (Matββ 0 (IdE ))−1 , donc:

A0 = P −1 AP ⇔ A = PA0 P −1 .
44 APPLICATIONS LINÉAIRES
Proposition
Soit u un endomorphisme d’un K-espace vectoriel de
dimension finie E , muni d’une base β et

A = Mat (u, β) = Matββ (u) .

u est un automorphisme de E ssi det A 6= 0 et

   
A−1 = Mat u −1 , β = Matββ u −1 .

45 APPLICATIONS LINÉAIRES
Exercice
0 1 1 0
 
 0 0 1 0 
Montrer que les matrices A =  
et
0 0 0 0
 
 
0 0 0 0
0 0 0 0
 
 0 0 1 1 
B=  sont semblables.
 
 0 0 0 1 
0 0 0 0
Proposition de solution
La solution revient à trouver quatre vecteurs v1 , v2 , v3 , v4 ∈ R4
tel que:

Av1 = 0, Av2 = 0, Av3 = v2 , Av4 = v2 + v3

et
det (v1 , v2 , v3 , v4 ) 6= 0.
46 APPLICATIONS LINÉAIRES
Dès lors;
Av1 = 0, je propose dans β la base canonique de R4 ,

v1 = (0, 0, 0, 1)

Av2 = 0, je propose dans β la base canonique de R4 ,

v2 = (1, 0, 0, 0)

Av3 = v2 , je propose dans β la base canonique de R4 ,

v3 = (0, 1, 0, 0)

Av4 = v2 + v3 , je propose dans β la base canonique de R4 ,

v4 = (0, 0, 1, 0)

.
47 APPLICATIONS LINÉAIRES
Soit γ = {v1 , v2 , v3 , v4 }, on a
 
0 
 1 0 0 

0  0 1 0 
det γ = = −1 6= 0.
 
0 0 0 1
 
 
 
1  0 0 0 

De là soit
0 1 0 0
 
 0 0 1 0 
P = Ppass(β = Pβγ =  ,
 
à γ)
 0 0 0 1 
1 0 0 0

alors on a:
B = P −1 AP ⇐⇒ A et B sont semblables.

48 APPLICATIONS LINÉAIRES
Remarque
 
Soit x ∈ E , soient β = (e1 , ..., en ), β 0 = e10 , ..., en0 deux
bases de E , symboliquement on notera:

x = β × xβ et β 0 = βPββ 0

ici β est considérée comme une matrice uniligne:

 
e1 e2 · · · en

et β 0 est considérée comme une matrice uniligne:

 
e10 e20 · · · en0 .
Aussi on a: (ei0 )β = Pββ 0 (ei )β , ∀i ∈ {1, 2, ..., n}, (ei0 )β et (ei )β
sont les coordonnées de ei0 et ei dans la base β = (e1 , ..., en ).

49 APPLICATIONS LINÉAIRES
Proposition
 
Soient β = (e1 , ..., en ) , β 0 = e10 , ..., en0 deux bases de E .
 
x1
 x2
 
Soit x ∈ E , et x β = 

= les coordonnées de x dans la
 ..
 .


xn
base β. 
x10


0

x20 
et x β =  les coordonnées de x dans la base β 0
 
.. =
.
 
 
xn0
0 0
alors x β = (Pββ 0 = P) × x β ⇔ x β = (Pβ 0 β = P −1 ) × x β .

50 APPLICATIONS LINÉAIRES
3) Déterminant d’une suite de vecteurs d’un
K-espace vectoriel E de dimension finie (Rappel,
suite et fin)

Définition
Soit S = (V1 , V2 , ...., Vn ) une suite de n vecteurs d’un
K-espace vectoriel E de dimension n. Soit une base β, de E ,
le déterminant de la suite S dans la base β, est noté
 
detβ (S) =  V1β V2β · · · Vnβ  ,
 

où Vjβ constituent la j ième colonne avec

les coordonnées de Vj dans la base β. ∀1 ≤ j ≤ n.

51 APPLICATIONS LINÉAIRES
Exemple
Soient V1 = (1, −6, 8), V2 = (0, −3, 11), V3 = (0, 0, −5) trois
vecteurs du R-espace vectoriel R3 , et S = (V1 , V2 , V3 ).
Comme cardinal de (S) noté Card (S) = 3 = dim R3 alors on
peut évaluer le déterminant de S:
 
1

 0 0 

det (S) = −6 −3 0 = 15.
 
 
8 11 −5
 
 

 
1 0 0
Soit A =  −6 −3 0 

,
8 11 −5
on a det (S) = det A = det (t A).
On peut donc saisir les coordonnées des Vj en colonne ou en
ligne.

52 APPLICATIONS LINÉAIRES
Proposition
Soit S = (V1 , V2 , ...., Vn ) une suite de n vecteurs d’un
K-espace vectoriel E de dimension n. Soit une base β, de E ,
a) Si detβ (S) 6= 0, alors la suite S est libre ou linéairement
indépendante et comme Card (S) = dim E , donc S est
une base de E .
b) Si detβ (S) = 0, alors la suite S est liée ou linéairement
dépendante.

53 APPLICATIONS LINÉAIRES
Remarque
Soient deux bases β = (e1 , e2 , ..., en ) et β 0 = (t1 , t2 , ..., tn )
d’un K-espace
 vectoriel E de dimension n.
Pββ 0 = t1 t2 · · · tnβ où tjβ constituent la j ième colonne
β β

avec les coordonnées de tj dans la base β. ∀1 ≤ j ≤ n, et

det (Pββ 0 ) = detβ (β 0 ) =  t1β t2β · · · tnβ . On rappelle que
 

Pββ 0 est la matrice de passage de la base β à la base β 0 .

54 APPLICATIONS LINÉAIRES
Proposition
Soit S = (V1 , V2 , ...., Vn ) une suite de n vecteurs d’un
K-espace vectoriel E de dimension n. Soit deux base β, β 0 de
E , alors:
 
detβ (S) =  V1β V2β · · · Vnβ 
= detβ (β 0 ) × detβ 0 (S)
   0 0

0
=  t1β t2β · · · tnβ  ×  V1β V2β · · · Vnβ 
   

detβ (S) = det (Pββ 0 ) × detβ 0 (S).

55 APPLICATIONS LINÉAIRES
4) Déterminant et trace d’un endomorphisme sur
un K -espace vectoriel E de dimension finie

Proposition
Soit un endomorphisme f d’un K-espace vectoriel E de
dimension finie, Moyennant une base β sur E qui existe en
pareille situation, on peut définir:

det (f ) = det (Mββ (f )) = det (Mβ 0 β 0 (f ))

et

Trace (f ) = Trace (Mββ (f )) = Trace (Mβ 0 β 0 (f )) .

Pour Toute autre base β 0 de E .

56 APPLICATIONS LINÉAIRES
Exercice
Soit f un endomorphisme de R3 de matrice A dans la base
canonique β0 = (e1 , e2 , e3 ) définie par:
 
1 2 −3
 1 4 −5  .
A= 

0 2 −2
 
2
Soit Xβ0  −3  les coordonnées d’un vecteur x1 dans la
= 

−4
base β0 .
1. Calculer f (x1 ) dans la base β0 .
2. Soient u1 = e1 + e2 + e3 , u2 = e1 + 3e2 + 2e3 ,
u3 = e1 + 2e2 + e3 .
a) Montrer que β = (u1 , u2 , u3 ) est une base de R3 .

57 APPLICATIONS LINÉAIRES
 b) Déterminer la matrice de passage P de la base β0 à la
base β.
c) Déterminer la matrice de passage P 0 de la base β à la
base β0 .
d) Donner les coordonnées Xβ du vecteur x1 dans la base
β de deux façons.
e) Déterminer la matrice D de f dans la base β de deux
façons.
f) Calculer f (x1 ) dans la base β, de deux façons.
g) Donner l’expression de A à partir de celle de D
ci-dessus.
Donner A2 , A3 , A4 en fonction de P, D et P −1 .
Déterminer explicitement An avec n ∈ N.

58 APPLICATIONS LINÉAIRES
Proposé de solution    
2 8
1. (f (x1 ))β0 = Mat (f , β0 , β0 ) Xβ0  −3  =  10 .
= A   

−4 2
2.
3 3
a) Avec β = (u1 , u2 , u3 ) ⊂
 R et Card (β) = 3 = dim R ,
 1 1 1 
 
on va calculer det (β) =  1 3 2  = −1 6= 0, donc β est
 
 1 2 1 
une base de R3 .
b) La matrice de passage 
P de la base β0 à la base β est:
1 1 1
P = Pβ0 β =  1 3 2 
 

1 2 1

59 APPLICATIONS LINÉAIRES
c) La matrice de passage P 0 de la 
base β à la base
 0
β est:
1 −1 1
P 0 = Pββ0 = (Pβ0 β )−1 = P −1 =  −1 0 1 .


1 1 −2
 
1
d) On a Xβ = Pββ0 × Xβ0 =   −6  d’une façon


7
l’autre façon serait par exemple de noter que
2
Xβ0 =  −3  = au1 + bu2 + cu3
 

−4
     
1 1 1
Xβ0 = a   1  + b  3  + c  2  et en résolvant le système
    

1 2 1
on trouve bien a = 1, b = −6, c = 7.

60 APPLICATIONS LINÉAIRES
  
0 0 0
−1
e) On a: D = P AP =  0 1 0  d’une façon
 

0 0 2
l’autre façon est de calculer et résoudre successivement:
(S1 ) ⇔ (f (u1 ))β0 = au1 + bu2 + cu3 =
     
1 1 1
a 1  + b  3  + c  2 ,
    

1 2 1
(S2 ) ⇔ (f (u2 ))β0 = a u1 + b 0 u2 + c 0 u3 =
0
     
1 1 1
a 1  + b  3  + c  2 ,
    

1 2 1
(S3 ) ⇔ (f (u3 ))β0 = a u1 + b 00 u2 + c 00 u3 =
00
     
1 1 1
a 1  + b  3  + c  2 ,
    

1 2 1
61 APPLICATIONS LINÉAIRES
On rappelle que les (Si ) pour i = 1, 2, 3, sont des systèmes à
résoudre.
a a0 a00
   
0 0 0
Et alors D =   b b 0 b 00  =  0 1 0 .
  

c c 0 c 00 0 0 2
f) (f (x1 ))β = Mat (f , β, β) Xβ = DXβ =
    
0 0 0 1 0
 0 1 0   −6  =  −6 .
    

0 0 2 7 14
Pour la deuxième façon, on rappelle qu’à la question 1. on a
calculer f (x1 ) dans la base β0 , de là on fait la mise en
équation suivante:

62 APPLICATIONS LINÉAIRES
  
8
 10  = au1 + bu2 + cu3 =
(f (x1 ))β0 =  

2
     
1 1 1
a 1 +b 3 +c 2 
     

1 2 1
en résolvant le système ci-dessus, on trouve bien a = 0,
b = −6, c = 14.
g) On a
A2 = PD 2 P −1



A3 = PD 3 P −1


D = P −1 AP ⇐⇒ A = PDP −1 ⇒ .

 A4 = PD 4 P −1
An = PD n P −1 , n ∈ N



63 APPLICATIONS LINÉAIRES
Il fautsavoir que    
0 0 0 0 0 0 0 0 0
D =  0 1 0  ⇒ D =  0 1n 0
n
 =  0 1 0 ,
     

0 0 2 0 0 2n 0 0 2n
n ∈ N.
Ainsi:
 n ∈ N, An = PD n P −1
  = 
1 1 1 0 0 0 1 −1 1

 1 3 2 
 0 1 0 
 −1 0 1 
n
1 2 1 0 0 2 1 1 −2
n n n+1
 
2 −1 2 1−2
 n+1 n+1
n
A = 2 − 3 2 3 − 2n+2 
.
2n − 2 2n 2 − 2n+1

64 APPLICATIONS LINÉAIRES