ECUE

ESPACES VECTORIELS
&
APPLICATIONS LINEAIRES

Adolphe CODJIA

L1, Science &Technologie

Table des matières

1 ESPACES VECTORIELS 2
1.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.2 Dé…nition d’un espace vectoriel . . . . . . . . . . . . . . . . . . . . . . . . 5
1.3 Dé…nition générale d’un espace vectoriel sur un corps commutatif (K; ~; |) 6
1.3.1 Tableau de simularité . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.3.2 Exemples . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.4 Suite liée de vecteurs. Suite libre de vecteurs . . . . . . . . . . . . . . . . . 8
1.5 Espaces vectoriels de dimension …nie . . . . . . . . . . . . . . . . . . . . . 10
1.5.1 Espace vectoriel ayant un nombre …ni de générateurs . . . . . . . . 10
1.5.2 Base d’un espace vectoriel . . . . . . . . . . . . . . . . . . . . . . . 10
1.5.3 Déterminant d’une suite de vecteurs d’un K-espace vectoriel E de
dimension …nie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
1.6 Sous-espaces vectoriels . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
1.6.1 Exemples de sous-espaces vectoriels . . . . . . . . . . . . . . . . . . 14
1.6.2 Sous-espaces vectoriels d’un espace vectoriel de dimension …nie . . . 14
1.6.3 Rang d’une suite …nie de vecteurs . . . . . . . . . . . . . . . . . . . 14
1.6.4 Sous-espaces supplémentaires . . . . . . . . . . . . . . . . . . . . . 17
1.6.5 Détermination d’un supplémentaire d’un sous-espace vectoriel . . . 18
1.6.6 Somme de n sous-espaces vectoriels . . . . . . . . . . . . . . . . . . 18
1.7 Produit de deux espaces vectoriels sur un même corps commutatif K . . . 19

2 APPLICATIONS LINÉAIRES 20
2.1 Image et Noyau . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
2.1.1 Le théorème noyau-image . . . . . . . . . . . . . . . . . . . . . . . 24
2.1.2 Rang d’une application linéaire . . . . . . . . . . . . . . . . . . . . 24
2.1.3 Projections et symétries linéaires . . . . . . . . . . . . . . . . . . . 25
2.2 Opérations sur les applications linéaires . . . . . . . . . . . . . . . . . . . . 25
2.2.1 L’espace vectoriel LK (E; F ) . . . . . . . . . . . . . . . . . . . . . . 25
2.2.2 Composition des applications linéaires . . . . . . . . . . . . . . . . 26
2.3 Espace vectoriel quotient . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
2.3.1 Construction de l’espace vectoriel quotient de E par F . . . . . . . 26
2.3.2 Problème . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
2.4 Matrice d’une application linéaire f : E ! F . . . . . . . . . . . . . . . . . 27
2.4.1 Utilisation du rang d’une matrice associée à une application linéaire
pour trouver son noyau et son ensemble image. . . . . . . . . . . . 29
2.4.2 Utilisation de l’échelonnage d’une matrice associée à une applica-
tion linéaire pour trouver l’équation caractéristique de son ensemble
image . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31

1
TABLE DES MATIÈRES

2.4.3 Changement de bases . . . . . . . . . . . . . . . . . . . . . . . . . . 32

2.4.4 Déterminant et trace d’un endomorphisme sur un K-espace vectoriel
E de dimension …nie . . . . . . . . . . . . . . . . . . . . . . . . . . 34

i
INTRODUCTION

Au commencement était La Géométrie des Grecs(et l’Arithmétique),

puis vint René Descartes qui, avec son système de repère et de coordonnées,
a donné un autre aspect de la géométrie en terme d’algèbre voire
d’algèbre linéaire quitte à se passer de l’intuition géométrique immédiate.
L’algèbre est la science des équations, et la théorie des modèles, cette science
des équations consiste à :
1. la recherche de l’ensemble des solutions d’équations
(avec le constat qu’il y a stabilité de cet ensemble moyennant
certaines lois de compositions internes ou externes, ce qui donnera le point 2.) ;
2. Structuration de l’ensemble des solutions d’équations, c’est-à-dire munir
cet ensemble de loi de composition interne ou de loi de composition externe
(moyennant un ou des ensembles structurés) avec des propriétés avérées.
3. Etudier les applications entre des ensembles structurés de même type
avec la propriété de la transparence des structures en présence,
ces applications sont appélées homomorphismes ;
4. Structuration de l’ensemble des homomorphismes.
Le nom de l’algèbre est lié au nom des équations auquelles on a a¤aire.
Exemple : Les équations linéaires constituent les ingrédients de l’algèbre linéaire,
les équations polynômiales constituent les ingrédients de l’algèbre des polynômes.
Le rôle de l’algèbre linéaire est de traiter pêle-mêle des équations linéaires,
la structuration naturelle de l’ensemble des solutions d’équations linéaires qui est
une structure d’espace vectoriel et les calculs possibles avec les vecteurs ou les
homomorphismes linéaires ou leurs représentations moyennant des bases sur
les espaces vectoriels en question.
Ci-gît à la fois une invitation au voyage dans les contrées de l’algèbre linéaire,
et un accompagnement à l’embarcadère. Bon voyage !

1
Chapitre 1

ESPACES VECTORIELS

4.0 Quelques rappels sur les structures algébriques

1. Une loi de composition interne sur un ensemble E 6= ?, est une loi " " qui
permettrait de composer deux éléments a, b de E pour avoir comme résultat
a b 2 E ; un élément de E, dans la composition a b ; a et b sont
les opérandes et le résultat est : a b.
2. Une loi de composition externe sur un ensemble E 6= ? au moyen d’un autre
ensemble K est une loi "T " qui permettrait de composer un élément 2 K, b 2 E
pour avoir comme résultat T b 2 E ; un élément de E, dans la composition T b ;
et b sont les opérandes et le résultat est : T b.
Ainsi avec une loi ou des lois de compositions internes ou externes véri…ants
certaines propriétés, on a des structures algébriques.
3. En ce qui nous concerne, nous avons vu, les unes après les autres les structures
suivantes :
Magmas =) Semi-groupes =) Monoïdes =) Groupes =) Anneaux =) Corps
=) Espaces Vectoriels.
NB : =) signi…e : de ce qui précède découle ce qui suit
4. Toutes structures algébriques s’accompagnent d’une sous-structure et de morphisme
de même structures. Ici une sous-structure algèbrique d’une structure algébrique
donnée E est un sous ensemble non vide A E tel que vis-à-vis de lui-même ce sous
ensemble A a la structure de E(exemple un sous-groupe F d’un groupe E, qui serait
vis-à-vis de lui-même un groupe)

2
CHAPITRE 1. ESPACES VECTORIELS

Structures Sous-structures Morphismes de mêms structures

Magmas Parties stables f : (E; ) ! (F; T ) ;
8x; y 2 E; f (x y) = f (x) T f (y)
Semi-groupes Parties stables f : (E; ) ! (F; T ),
8x; y 2 E, f (x y) = f (x) T f (y)
Monoïdes avec Parties stables f : (E; ) ! (F; T ),
un élément auquel 8x; y 2 E, f (x y) = f (x) T f (y) ;
neutre e e appartient f (e ) = eT avec e élément neutre
de (E; ) et eT elt neutre de (F; T )
Groupes Sous-groupes f : (E; ) ! (F; T ), 8x; y 2 E,
f (x y) = f (x) T f (y) ; avec f (e ) = eT
symt (x)=symétrie f (symt (x)) = symtT f (x)
par rapport à " "de x
Anneaux Sous-anneaux f : (E; ; ?) ! (F; T; +), 8x; y 2 E,
f (x y) = f (x) T f (y) ; avec f (e ) = eT
f (symt (x)) = symtT f (x)
f (x?y) = f (x) + f (y)
Corps Sous-corps f : (E; ; ?) ! (F; T; +), 8x; y 2 E,
f (x y) = f (x) T f (y) ;avec f (e ) = eT
f (symt (x)) = symtT f (x)
f (x?y) = f (x) + f (y),avec f (e? ) = e+
f (symt? (x)) = symt+ f (x), x 2 E8 fe g
K-Espaces Sous-espaces f : (E; ; :)K ! (F; T; +)K0 , K K0
Vectoriels ; vectoriels 8x; y 2 E, 8 2 K,
où K un f (x y) = f (x) T f (y) ;avec
corps commutatif f (e ) = eT ; f (symt (x)) = symtT f (x)
f ( :y) = + f (y)
f s’appelle application linéaire
de E dans F
5. Soit f un morphisme de mêmes structures algébriques : f : E ! F ;
on a :
(i). A sous-structure de E ) f (A) est une sous-structure de F
(ii). B sous-structure de F ) f 1 (B) est une sous-structure de E
(iii). Il est lié à tout morphisme de mêmes structures algébriques : f : E ! F
deux sous-structures ; l’une de E, et l’autre de F à partir des monoïdes.
Celle de E, s’appelle noyau de f et notée ker f = fx 2 E ; f (x) = eF g
où eF élément neutre de la première loi de composition interne de F
et l’autre de F , s’appelle image de f et notée Im f = f (E) = f f (x) ; x 2 Eg
c’est l’ensemble image de f avec les propriétés suivantes :
1. ker f = feE g , f est injective, avec eE élément neutre de la première loi de
composition interne de E.
2. Im f = f (E) = F , f est surjective

3
CHAPITRE 1. ESPACES VECTORIELS

Objectifs
* Connaître les dé…nitions d’un K-espace vectoriel , d’un vecteur nul,
d’une combinaison linéaire de vecteurs, de famille de vecteurs libre,
liée, génératrice, d’un sous-espace vectoriel d’un K-espace vectoriel,
d’une base d’un K-espace vectoriel , de la dimension d’un K-espace vectoriel,
des coordonnées d’un vecteur dans une base donnée sur un K-espace vectoriel,
avoir un sous-espace vectoriel d’un K-espace vectoriel E, comme un
sous-ensemble de E engendré par des vecteurs de E.
Aussi bien que savoir les déterminer comme tels.
* Savoir déterminer le rang d’une famille …nie de vecteurs d’un K-espace vectoriel.
* Savoir déterminer une base des solutions d’un système d’équations linéaires
homogénes

1.1 Introduction
!
Dans P l’ensemble des vecteurs du plan, on a :
! !
(i) 8!u ;!
v 2 P;! u +! v 2 P on dit que "+" est une loi de
!
composition interne sur P avec les propriétés suivantes :
!
(1) !u + (!v +! w ) = (!u +! v)+! w ; 8!
u ;!v ;!
w 2 P.
!
On dit que la loi "+" est associative dans P
! ! ! ! !
(2) Le vecteur 0 2 P véri…e : 8! u 2 P; ! u + 0 = 0 +! u =! u.
!
On dit que la loi "+" admet un élément neutre dans P qui est ici
! ! !
0 2 P dit vecteur nul de P .
! ! !
(3) 8!u 2 P , on a : ( ! u ) 2 P et ! u +( ! u)=( ! u)+! u = 0.
!
On dit que tout élément ! u 2 P admet un symétrique unique qui est
!
( ! u) 2 P.
!
(4) !u +! v =! v +! u ; 8!u ;! v 2 P.
!
On dit que la loi "+" est commutative dans P
!
Dès lors, on dit que P ; + est un groupe commutatif ou abélien
! !
(ii) 8 2 (R; +; ), 8! u 2 P, ! :u = ! u 2 P on dit que ":" est
!
une loi de composition externe sur P au moyen du corps (R; +; )
avec les propriétés suivantes :
!
(5) 1!u =! u , 8!u 2 P .(1 est l’élément neutre de (R; ))
!
(6) ( ! u)=( )! u , 8!u 2 P , 8 ; 2 R.
!
(7) (! u +! v)= ! u + ! v ; 8 2 K; 8! u ;!v 2 P.
!
(8) ( + ) ! u = ! u + ! u , 8 ; 2 R, 8! u 2 P.
!
On a ainsi une structure d’espace vectoriel sur P et
!
on dit que P ; +; : est un R-espace vectoriel.
Dans la suite on va généraliser la situation ci-dessus dans le sens :
!
1. Remplacer P par un ensemble non vide E, qui muni de "+" loi de
composition interne sur E et ":" loi de composition externe sur E au
moyen d’un corps (K; +; (notée aussi ":")) quelconque. Ici K =(R ou C).
Tel que conformément aux éléments de E on a les propriétés (1) à (8).
et ainsi avoir encore une structure d’espace vectoriel sur E et dire

4
CHAPITRE 1. ESPACES VECTORIELS

alors (E; +; :) est un K-espace vectoriel.

2. On pourrait aussi changer diversement les symboles des lois qui sont en jeu
dans 1. par exemple : (E; +; :) qui devient (E; ; ) et (K; +; (notée aussi ":"))
devant (K; ~; |) avec les propriétés (1) à (8) assurées, et ainsi avoir encore
une structure de K-espace vectoriel sur E.

1.2 Dé…nition d’un espace vectoriel

Dé…nition(courante)
Un groupe commutatif (E; +) est un ensemble E 6= ? muni d’une loi de
composition interne (x + y) 2 E, dé…nie pour tous éléments x et y de E,
ayant les propriétés suivantes :
(1) Associativité : x + (y + z) = (x + y) + z; 8x; y; z 2 E
(2) Il existe un élément neutre 0 2 E qui véri…e : 8x 2 E; x + 0 = 0 + x = x.
(3) Tout élément x de E possède un symétrique, noté x 2 E tel que
x + ( x) = ( x) + x = 0.
(4) Commutativité : x + y = y + x, 8x; y 2 E.
Soit (E; +) un groupe commutatif et (K = R ou C; +; ) un corps
commutatif. Nous dirons que (E; +) est un espace vectoriel sur K
(qui est appelé le corps de base de l’espace vectoriel)
s’il existe une loi de composition externe ":" associant à tout élément
2 K et tout élément x 2 E, un élément de E; noté :x = x;avec les propriétes
suivantes :
(5) 1x = x, tout élément x 2 E.(1 est l’élément neutre (K; ))
(6) ( x) = ( ) x; tout élément x 2 E, 8 ; 2 K.
(7) (x + y) = x + y, 8 2 K, 8x; y 2 E.
(8) ( + ) x = x + x, 8 ; 2 K; tout élément x 2 E.
Aussi on dit que (E; +; :) est un K-espace vectoriel.
Dé…nitions
1.Un élément x de (E; +; :) un K-espace vectoriel(qu’on pourrait écrire ~x ) est dit
vecteur et ceux de K scalaires.
2.Deux vecteurs x et y de E sont dit colinéaires s’il existe 2 K tel que
y = x.
Remarque
Nous laissons au lecteur le soin de distinguer l’élément neutre de (E; +).
(qu’on pourrait écrire ~0 ou 0E ou simplement 0 s’il n’y pas de confusion possible),
qui est un vecteur, appelé vecteur nul de E, de l’élément nul 0 de K
(qu’on pourrait écrire 0K ), qui est un scalaire.
Ces éléments véri…ent les règles de calcul suivantes :
Tout élément x 2 E 0K :x = 0E , d’après (8) si = :
Tout élément x 2 E; 8 2 K; :x = 0E () = 0K ou x = 0E :
On a en outre : ( x) = ( ) x = x; tout élément x 2 E; 8 2 K:
Et, en particulier ( 1) x = (1:x) = x:
Remarque
Tout ensemble non vide (E; >; ?) muni de deux lois de composition : ">" la première,
une loi de composition interne tel que (E; >) soit un groupe commutatif
car véri…ant les propriétés (1) jusqu’à (4) et "?" la deuxième loi
étant une loi de composition externe sur E moyennant un ensemble de

5
CHAPITRE 1. ESPACES VECTORIELS

scalaires 2 K un corps commutatif et véri…ant relativement

les propriétés (5) jusqu’à (8) est dit un K-espace vectoriel.En e¤et :

1.3 Dé…nition générale d’un espace vectoriel sur un

corps commutatif (K; ~; |)
Ici (K; ~; |) est un corps commutatif dont l’élément neutre de la deuxième loi
est noté e| et l’élément neutre de la première loi est e~ .
Soit E un ensemble non vide muni d’une loi de composition interne notée " ",
de sorte que (E; ) soit un groupe commutatif d’élément neutre e .
Aussi, on munit E d’une loi de composition externe " " sur K, c’est-à-dire
: E K ! E, (x; ) 7 ! x,
Si on a :
(1) e| x = x, tout élément x 2 E.
(2) ( x) = ( | ) x, tout élément x 2 E, 8 ; 2 K.
(Ceci semble être l’associativité de la loi" ", mais comme ; 2 K,
n’a pas de sens dans K, au vu du calcul vectoriel dans le plan,
il conviendrait de poser ( | ) au lieu de ).
(3) (x y) = ( x) ( y), 8 2 K; 8x; y 2 E.
(la loi de composition externe sur E est distributive à gauche
(car la loi de composition externe " " sur E a le scalaire à gauche :
(x; ) 7 ! x) par rapport à la loi de composition interne sur E)
(4) ( ~ ) x = ( x) ( x), 8 ; 2 K; tout élément x 2 E.
(la loi de composition externe sur E semble distributive de " " par
rapport à la loi"~" 1 ere loi de composition interne sur K, où dans
le dévéloppé pour une question de de…nition "~" est remplacée par " "
la loi de composition interne sur E, car ( x) ; ( x) 2 E et
( x) ~ ( x) n’a pas de sens dans E, d’où le remplacement ).
En plus d’avoir (E; ) comme un groupe commutatif, nous dirons que
(E; ; ) a une structure d’espace vectoriel sur le corps commutatif (K; ~; |).

6
CHAPITRE 1. ESPACES VECTORIELS

1.3.1 Tableau de simularité

! ! !
P ; +; : ; 8!
u ;!
v 2 P;! u +! v 2 P, (E; ; ) ;8x; y 2 E; x y 2 E,
!
8 2 (R; +; ), :! u = !u 2P 8 2 (K; ~; |), !
u 2E
(1) !u + (! v +!w ) = (!
u +! v)+! w; (1) x
(y z) = (x y) z;
! ! ! !
8u; v; w 2 P 8x; y; z 2 E
! ! ! ! ! ! ! ! !
(2) 0 2 P ; 8 u 2 P ; u + 0 = 0 + u = u . (2) e 2 E ; 8x 2 E;
x e =e x = x.
! ! ! !
(3) 8 u 2 P , ( u ) 2 P et (3) 8x 2 E, symet (x) 2 E,
! ! ! ! !
u +( u)=( u)+ u = 0. x symet (x) = symet (x) x = e .
! ! ! ! ! ! !
(4) u + v = v + u ; 8 u ; v 2 P . (4) x y = y x; 8x; y 2 E.
! ! ! !
(5) 1 u = u , 8 u 2 P .(1 est l’élt neutre de (R; )) (5) e| x = x, 8x 2 E.
!
(6) ( ! u)=( )!u , 8!u 2 P , 8 ; 2 R. (6) ( x) = ( | ) x; 8x 2 E;
8 ; 2 K.
! ! ! ! ! ! !
(7) ( u + v ) = u + v ; 8 2 K; 8 u ; v 2 P . (7) (x y) = ( x) ( y),
8 2 K, 8x; y 2 E.
! ! ! ! !
(8) ( + ) u = u + u , 8 ; 2 R, 8 u 2 P . (8) ( ~ ) x = ( x) ( x),
8 ; 2 K, 8x 2 E.
Dé…nitions
1.Un élément x de (E; ; ) un K-espace vectoriel(qu’on pourrait écrire ~x ) est dit
vecteur et ceux de K scalaires.
2.Deux vecteurs x et y de E sont dit colinéaires s’il existe 2 K tel que
y= x.
Remarques
Le vecteur nul de (E; ; ) est l’élément neutre e .
Ici e~ et e| sont des scalaires éléments neutres respectifs de ~; |.
Ces éléments véri…ent les règles de calcul suivantes :
Tout élément x 2 E e~ x = e , d’après (4) si = symet~ ( ).
(Soulignons que symet~ ( ) est le symétrique de par rapport à la loi ~.
Et que symet~ ( ) ~ = ~symet~ ( ) = e~ .)
Tout élément x 2 E; 8 2 K; x = e () = e~ ou x = e .
On a en outre : symet (x) = (symet~ ( )) x = symet ( x),
tout élément x 2 E; 8 2 K.
Et, en particulier (symet~ (e| )) x = symet (e| x) = symet (x).

1.3.2 Exemples
a) Soit K = R ou C et n un entier naturel non nul.
On munit l’ensemble Kn des lois dé…nies par les formules ci-dessous :
8 (u1 ; u2 ; :::::; un ) ; (v1 ; v2 ; :::::; vn ) 2 Kn ;
(u1 ; u2 ; :::::; un ) + (v1 ; v2 ; :::::; vn ) = (u1 + v1 ; u2 + v2 ; :::::; un + vn ) :
8 (u1 ; u2 ; :::::; un ) 2 Kn , 8 2 K;
(u1 ; u2 ; :::::; un ) = ( u1 ; u2 ; :::::; un ) :
Ces lois font de Kn un K-espace vectoriel.
b) L’ensemble C [x] des polynômes à une variable x et à coe¢ cients dans C
est un espace vectoriel sur le corps des nombre complexes, l’addition étant celle
des polynômes et la multiplication par un nombre complexe c le produit

7
CHAPITRE 1. ESPACES VECTORIELS

de c par un polynôme .
Ce même ensemble est aussi un espace vectoriel sur le corps R des nombres réels avec
une loi externe de multiplication par un nombre réel.On dit que C [x] est un espace
vectoriel complexe si son corps de base est C Si le corps de base est R,
on dit qu’on a un espace vectoriel réel.

c) L’ensemble Mpq (K) des matrices de type (p; q) muni de l’addition est un groupe
commutatif en association avec la loi de composition externe
(qui est la multiplicationon par un scalaire complexe ou réel, d’une matrice)
fait de Mpq (K) un K-espace vectoriel avec K = C ou R.
Dé…nition
Soit une suite (x1 ; x2 ; :::::; xn ) de n vecteurs d’un (K; +; )-espace vectoriel (E; +; :) ;
une combinaison nlinéaire de cette suite est un élément de E de la forme :
P
y= i xi = 1 x1 + 2 x2 + ::::: + n xn
i=1
où 1 ; 2 ; :::::; n sont des scalaires de K ce sont les coé¢ cients de
la combinaison linéaire ; aussi dit-on que y est combinaison linéaire des
vecteurs x1 ; x2 ; ::::; xn .
Aussi une suite (x1 ; x2 ; :::::; xn ) de n vecteurs d’un (K; ~; |)-espace
vectoriel (E; ; ) ;une combinaison linéaire de cette suite est un élément
de E de la forme :
y = ( 1 x1 ) ( 2 x2 ) ::::: ( n xn )
où 1 ; 2 ; :::::; n sont des scalaires de K ce sont les coé¢ cients de
la combinaison linéaire.
Exemple
Dans R2 , x = 2 (1; 4) + 7 ( 4; 5) 3 (6; 9) est une combinaison de la
suite de vecteurs((1; 4) ; ( 4; 5) ; (6; 9)).

1.4 Suite liée de vecteurs. Suite libre de vecteurs

Dé…nition 3. Soit (E; +; :) un K-espace vectoriel,on dit que la suite de vecteurs
(x1 ; x2 ; :::::; xn ) de E est liée si l’on peut trouver des scalaires
1 ; 2 ; :::::; n 2 K, non tous nuls, tels que :
Pn
(9) : i xi = 1 x1 + 2 x2 + ::::: + n xn = 0E
i=1
On dit également, par abus de langague, que les vecteurs de la suite sont liés,
ou encore linéairement dépendants.
Si la suite (x1 ; x2 ; :::::; xn ) n’est pas liée, on dit qu’elle est libre, ou encore
que x1 ; x2 ; :::::; xn sont libres ou linéairement indépendants ;
ceci signi…e que l’égalité (9) entraîne 1 = 2 = ::::: = n = 0.
Si la suite (x1 ; x2 ; :::::; xn ) est libre , il en est de même de toute suite
partielle et, en particulier, tous les éléments xi de la suite sont distincts.
Exemples
1.Soit x (1; 4) + y ( 4; 5) + z (6; 9) = (x 4y + 6z; 4x + 5y + 9z) = (0; 0)
x 4y + 6z = 0
,
4x + 5y + 9z = 0
22 5
)x= z; y = z
7 7

8
CHAPITRE 1. ESPACES VECTORIELS

avec z réel quelconque, ainsi ((1; 4) ; ( 4; 5) ; (6; 9)) R2 est une suite liée.
2. Soit x (1; 4) + y ( 4; 5) = (x 4y ; 4x + 5y ) = (0; 0)
x 4y = 0
, ) x = y = 0.
4x + 5y = 0
Ainsi ((1; 4) ; ( 4; 5)) est une suite libre.
EXERCICE 1
Montrer que les vecteurs suivants de R3 sont linéairement
dépendants et préciser leur relation de dépendance :
1. u = (1; 2; 1); v = (1; 0; 1); w = ( 1; 2; 3)
2. u = (1; 2; 3); v = (4; 5; 6); w = ( 1; 2; 3)
3. u = ( 1; 2; 5); v = (2; 3; 4); w = (7; 0; 7) ;
Proposition de correction
1. u = (1;22; 1); v = (1;30; 1); w2= ( 1; 2; 3) 3
1 2 1 u 1 2 1 u
Soit A = 4 1 0 1 5 v 4 0 2 2 5 v u
1 2 3 w 0 4 4 w+u
2 3
1 2 1 u
A 4 0 2 2 5 v u
0 0 0 w + u + 2 (v u) ) w + u + 2 (v u) = ~0
w + u + 2 (v u) = ~0 , w + u + 2 (v u) = 2v u + w = ~0 ; donc
la famille fu; v; wg est une famille liée et la relation de dépendance
liant les vecteurs : u; v; w est : 2v u + w = ~0.
2.u = (1; 2;
2 3); v = (4; 5;3 6); w =2( 1; 2; 3) 3
1 2 3 u 1 2 3
Soit B = 4 4 5 6 5 v ' 4 0 3 6 5 v 4u
2 1 3 2 3 w 0 4 6 w+u
1 2 3
'4 0 3 6 5 v 4u
0 0 6 3 (w + u) + 4 (v 4u)
) rang (B) = 3 = card (u; v; w) donc la famille est libre, ici on
n’a pas de dépendance linéaire.
3. u = ( 21; 2; 5); v = (2; 3 3; 4); w
2 = (7; 0; 7). 3
1 2 5 u 1 2 5 u
Soit C = 4 2 3 4 5 v 4 0 7 14 5 v + 2u
7 0 7 w 0 14 28 w + 7u
2 3
1 2 5 u
C 4 0 7 14 5 v + 2u
0 0 0 w + 7u 2 (v + 2u) ) w + 7u 2 (v + 2u) = ~0
w + 7u 2 (v + 2u) = ~0 , w + 7u 2 (v + 2u) = 3u 2v + w = ~0 ; donc
la famille fu; v; wg est une famille liée et la relation de dépendance
liant les vecteurs : u; v; w est :
1 1
3u 2v + w = ~0 , u = (2v w) , v = (3u + w) , w = 2v 3u.
3 2
Propriété 1
Pour qu’une suite de vecteurs x1 ; x2 ; :::::; xn soit liée, il faut et il su¢ t
que l’un d’eux soit une combinaison linéaire des autres.

9
CHAPITRE 1. ESPACES VECTORIELS

1.5 Espaces vectoriels de dimension …nie

1.5.1 Espace vectoriel ayant un nombre …ni de générateurs
Dé…nition 4.On dit qu’un K-espace vectoriel E possède n générateurs
x1 ; x2 ; :::::; xn , si x1 ; x2 ; :::::; xn sont des vecteurs de E et si tout vecteur de E
est une combinaison linéaire de (x1 ; x2 ; :::::; xn ). Il en résulte que E coïncide avec
l’ensemble des combinaisons linéaires de (x1 ; x2 ; :::::; xn ) et est donc l’espace
engendré par cette suite.
Exemple
8 (x; y; z) 2 R3 , on a (x; y; z) = x (1; 0; 0) + y (0; 1; 0) + z (0; 0; 1)
donc R3 = fx (1; 0; 0) + y (0; 1; 0) + z (0; 0; 1) ; x; y; z 2 Rg
ainsi la famille f(1; 0; 0) ; (0; 1; 0) ; (0; 0; 1)g est génératrice de R3 .
Propriété 2
Soit E un K-espace vectoriel ayant n générateurs. Alors toute suite
de (n + 1) vecteurs de E est liée.

1.5.2 Base d’un espace vectoriel

Dé…nition 5. Soit E un K-espace vectoriel. On dit que la suite (x1 ; x2 ; :::::; xn )
est une base de E, si l’on a les deux propriétés suivantes :
1° ) x1 ; x2 ; :::::; xn sont des générateurs de E:
2° ) La suite (x1 ; x2 ; :::::; xn ) est libre.
Propriété 3
Soit x1 ; x2 ; :::::; xn des vecteurs de E un K-espace vectoriel. Pour que la suite
(x1 ; x2 ; :::::; xn ) soit une base de E; il faut et il su¢ t que tout
vecteur y 2 E s’exprime de façon unique sous la forme :
y = 1 x1 + ::::: + n xn i 2 K; i 2 f1; 2; ::::; ng.
eme
i s’appelle la i coordonnée du2 vecteur
3 y par rapport à la base (x1 ; x2 ; :::::; xn ).
1
6 2 7
6 7
et alors la matrice colonne Y = 6 .. 7 est la matrice colonne des coordonnées du
4 . 5
n
vecteur y dans la base (x1 ; x2 ; :::::; xn ).
Exemples
Dans R3 , soit v = ae1 + be2 + ce3 , avec = (e1 ; e22; e3 ) 3une base de R3 , alors
a
v a pour coordonnées dans , la matrice colonne 4 b 5 et le même vecteur v
c 2 3
c
aura pour coordonnées dans 0 = (e3 ; e2 ; e1 ), la matrice colonne 4 b 5.
a
Remarques très importantes
1. Dans une famille de vecteurs constituant une base d’un K-espace vectoriel
l’ordre des vecteurs dans la famille reste déterminant pour les coordonnées
d’un vecteur.
2.Dans un espace vectoriel, aucun vecteur n’admet des coordonnées si ledit espace
n’est pas muni d’une base. Ainsi toutes coordonnées d’un vecteur sont fonction

10
CHAPITRE 1. ESPACES VECTORIELS

d’une base donnée.

3. Le choix d’une base d’un K-espace vectoriel E permet d’identi…er cet espace
vectoriel à Kn où n = card .
4. Si un K-espace vectoriel E 6= f0E g ; alors il admet une in…nité de bases.
Théorème
Soit E un K-espace vectoriel ayant une base (x1 ; x2 ; :::::; xn ).
Toute autre base de E est formée de n éléments. Toute suite libre (y1 ; y2 ; :::::; yn )
est une base de E. Aussi toute suite génératrice (z1 ; z2 ; :::; zn ) est une base de E.
Dé…nition 6. Soit E un K-espace vectoriel non réduit à f0E g.
La dimension de E est le cardinal d’une de ses bases qui sont en nombre in…ni.
Aini, s’il existe un entier naturel n et une base de E composée de n éléments.
Alors, d’après le théorème ci-dessus, toute base de E est formée de n éléments ;
cet entier naturel n s’appelle la dimension de E et se note dimE = n ou
(dimK E = n).
Remarques et Exemples
a) Si E = f0E g ; il n’y a pas de base ; on dit encore que E est de dimension nulle et
on pose dim E = 0.
b) 8 2 R , (( ; 0) ; (0; )) est une base du R-espace vectoriel R2 .
c) Dans un K-espace vectoriel de dimension …nie n, toute famille de vecteurs
de E, de cardinal strictement inférieur à n, ne peut être génératrice, avec possibilité
d’indépendance linéaire.
d) Dans un K-espace vectoriel de dimension …nie n, toute famille de vecteurs
de E, de cardinal strictement supérieur à n, ne peut être libre, avec possibilité
d’être génératrice.
e) Dans un K-espace vectoriel de dimension …nie n, seule une famille de vecteurs
de E, de cardinal égal à n, peut être une base de E. C’est dire qu’une famille de
vecteurs libres de E a pour cardinal maximal n et une famille de vecteurs générateurs
de E a pour cardinal minimal n.

Exemples de bases de quelques espaces vectoriels

a° ) Soit K = R ou C et n un entier naturel non nul. Le K-espace vectoriel Kn a
une base dite base canonique (e1 ; e2 ; :::::; en ) où le vecteur ek est le vecteur
(0; 0; ::; 0; 1; 0; :::; 0) ; le 1 étant la k ieme coordonnée, toutes les autres
coordonnées sont nulles.
b° ) Soit Cn [X] le C-espace vectoriel des polynômes à une variable complexes de
degré inférieur ou égal à n; avec le polynôme nul. La suite de polynômes
(1; x; x2 ; :::::; xn ) forme une base de E.
Donc dim E = n + 1.
Plus généralement 8a 2 C, on véri…e que
1; x a; (x a)2 ; :::::; (x a)n est aussi une base de E.
Ainsi il y a bien une in…nité de bases de Cn [X].
c° ) Il ne faut pas croire que tout espace vectoriel soit de dimension …nie.
Le C-espace vectoriel C [x] de tous les polynômes complexes n’est pas de
dimension …nie ; s’il était de dimension n, n + 1 polynômes quelconques seraient liés ;
or la suite (1; x; x2 ; :::::; xn ) est une suite libre de n + 1 vecteurs.
Un espace vectoriel qui n’est pas de dimension …nie est dit de dimension in…nie.
Proposition

11
CHAPITRE 1. ESPACES VECTORIELS

L’ensemble (Mpq (K) ; +; :) des matrices p q est un espace vectoriel sur K,

une de ses bases est constituée par les matrices Eij tels que aij = 1 et ars = 0,
si r 6= i ou s 6= j. Ceux sontX
les matrices élémentaires de Mpq (K).
Soit A = (aij ) 2 Mpq (K), alors A = aij Eij ce qui entrainera que
1 i p
1 j q 1 i p
1 j q
la dimension de Mpq (K) sur K est pq.
Exemples
a° ) Une base de l’espace vectoriel M23 (R) est constitué par les matrices :
1 0 0 0 1 0 0 0 1
E11 = ; E12 = ; E13 = ,
0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0
E21 = ; E22 = ; E23 = .
1 0 0 0 1 0 0 0 1
Donc la dimension de M23 (R) est 6.
2 5 7
Ainsi la matrice A = appartenant à M23 (R) s’écrit :
9 8 4
A = 2E11 + 5E12 7E13 + 9E21 + 8E22 + 4E23 .
b° ) Une matrice 1 q a la forme A = a11 a12 a1q .
on l’appelle matrice ligne ou uniligne appartenant à l’espace M1q (K)
qui est isomorphe à Kq , donc de dimension
0 q. 1
a11
B a21 C
B C
c° ) Une matrice p 1 a la forme B = B .. C.
@ . A
ap1
On l’appelle matrice colonne ou unicolonne appartenant à l’espace Mp1 (K)
qui est isomorphe à Kp , donc de dimension p.
d° ) Une matrice n n est dite matrice carrée d’ordre n appartenant à l’espace
vectoriel des matrices notée Mn (K).Il est de dimension n2 sur K.
Remarques(sous forme d’un petit résumé) 8
< f amille liee
1. La combinaison linéaire permet de montrer une : f amille libre ;
:
f amille generatrice
2. Famille libre et génératrice donne base ;
3. Base d’un K-espace vectoriel E de dimension …nie, permet d’identi…er
E à Kdim E qui produit alors les coordonnées de vecteur dans la base considérée ;
4. Ceux sont les coordonnées de vecteurs qui rend possible le calcul matriciel
dans les K-espaces vectoriels(voir l’exercice 1 supra).

1.5.3 Déterminant d’une suite de vecteurs d’un K-espace vecto-

riel E de dimension …nie
Dé…nition
Soit S = (V1 ; V2 ; ::::; Vn ) une suite de n vecteurs d’un K-espace vectoriel
E de dimension n. Soit une base , de E, le déterminant de la suite S dans
la base , est noté
det (S) = V1 V2 Vn , où Vj constituent la j ieme colonne avec
les coordonnées de Vj dans la base . 81 j n.

12
CHAPITRE 1. ESPACES VECTORIELS

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 ) R3 .
Comme cardinal de (S) noté Card (S) = 3 = dim R3 alors on peut évaluer le
déterminant de S : 2 3
1 0 0 1 0 0
det (S) = 6 3 0 = 15. Soit A = 4 6 3 0 5,
8 11 5 8 11 5
t
on a det (S) = det A = det ( A).
On peut donc saisir les coordonnées des Vj en colonne ou en ligne.
Proposition
Soit S = (V1 ; V2 ; ::::; Vn ) une suite de n vecteurs d’un K-espace vectoriel E de
dimension n. Soit une base , de E,
a) Si det (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 det (S) = 0, alors la suite S est liée ou linéairement dépendante.
Remarques
Soit une famille de vecteurs d’un K-espace vectoriel E de
dimension n.
1. est une famille libre de E, alors Card ( ) n ;
2. si Card ( ) > n, alors ne peut être une famille libre de E
3. est une famille génératrice de E, alors Card ( ) n.
4. Si Card ( ) < n, alors ne peut être une famille génératrice de E
5. est une base de E, alors card ( ) = n.

1.6 Sous-espaces vectoriels

Dé…nition 2 : Une partie non vide F d’un (K; +; )-espace vectoriel (E; +; :) est un
sous-espace vectoriel de E si elle véri…e les deux propriétés suivantes :
1° ) (F; +) est un sous-groupe de (E; +)
2° ) 8 2 K, 8x 2 F; :x 2 F .
(i.e. la loi de composition externe sur E est stable dans F .)
Les opérations dé…nies dans E sont donc également dé…nies dans F et lui confère
une structure d’espace vectoriel sur K.
Aussi un sous-espace vectoriel d’un K-espace vectoriel E est un sous-ensemble
8 de E caractérisé par les deux
F 9 propriétés suivantes :
< 0E 2 F =
8x; y 2 F :x+y 2F () 0E 2 F et 8 , 2 K, 8x, y 2 F , x + y 2 F .
: ;
8 2 K; 8x 2 F; :x 2 F .
De même :
8 9
< 0E 2 F =
8x; y 2 F :x+y 2F () 0E 2 F et 8 2 K, 8x, y 2 F , x + y 2 F .
: ;
8 2 K; 8x 2 F; :x 2 F .
Remarque
Tout sous-ensemble non vide F d’un K-espace vectoriel E qui est tel que
toute combinaison linéaire de ses éléments lui appartiennent est un
sous-espace vectoriel de E.

13
CHAPITRE 1. ESPACES VECTORIELS

1.6.1 Exemples de sous-espaces vectoriels

a) L’ensemble F des combinaisons linéaires de la suite (x1 ; x2 ; :::::; xn )
est un sous-espace vectoriel de E.
Nous appellerons ce sous-espace vectoriel F le sous-espace engendré
par la suite (x1 ; x2 ; :::::; xn ).
b) Soit E un K-espace vectoriel, l’ensemble réduit au singleton vecteur nul :f0E g
est un sous-espace vectoriel de E , ainsi que E lui-même.
Le sous-espace vectoriel nul f0E g et E sont dit sous-espaces vectoriels
triviaux de E.
Tout autre sous-espace vectoriel F de E est dit sous-espace vectoriel
propre de E, et véri…e : f0E g F E.
c) L’ensemble Cn [x] des polynômes complexes de degré inférieur ou égal à n 2 N ,
forme un sous-espace vectoriel de C [x].

1.6.2 Sous-espaces vectoriels d’un espace vectoriel de dimension

…nie
Proposition
Tout sous ensemble non vide d’un espace vectoriel E engendré par une famille de
vecteurs de E, est un sous-espace vectoriel de E, aussi tout sous-espace vectoriel
de E, est un sous ensemble de E engendré par une famille de vecteurs de E.
La propriété suivante nous sera utile dans cette étude.
Propriété 4
Soit E un K-espace vectoriel et n 0 un entier naturel. Supposons que toutes
les suites de (n + 1) vecteurs de E soient liées. Alors E est un espace vectoriel de
dimension …nie et dimE n.
Corollaire 1
Soit E un K-espace vectoriel de dimension …nie et F E un sous-espace vectoriel
de E. Alors F est de dimension …nie et dimF dimE. De plus, si dim F = dim E,
alors F = E.
Une autre conséquence de la propriété 4 est la suivante :
Corollaire 2
Soit E un espace vectoriel ayant n générateurs x1 ; x2 ; :::::; xn ; alors E est
un espace vectoriel de dimension …nie et dim E n.
Corollaire 3
Soit (x1 ; x2 ; :::::; xn ) une suite de n vecteurs d’un espace vectoriel E.
Soit (y1 ; y2 ; :::::; yn+1 ) une suite de (n + 1) combinaisons linéaires des
vecteurs x1 ; x2 ; :::::; xn . Alors la (y1 ; y2 ; :::::; yn+1 ) est liée.

1.6.3 Rang d’une suite …nie de vecteurs

Considérons une suite (x1 ; x2 ; :::::; xn ) de n vecteurs d’un K-espace vectoriel E,
de dimension …nie ou non. Le sous-espace F engendré par cette suite admet
n générateurs x1 ; x2 ; :::::; xn ; c’est donc, d’après le corollaire 2,
un espace vectoriel de dimension …nie r n.
Dé…nition 6.
1. On appelle rang r d’une suite(famille) …nie de n vecteurs
d’un K-espace vectoriel, la dimension r de l’espace vectoriel F engendré par

14
CHAPITRE 1. ESPACES VECTORIELS

ces vecteurs. Ou l’on dira que F est de codimension (n r). On note r n.

2. Aussi le rang r d’une suite(famille) …nie de n vecteurs d’un K-espace vectoriel,
est le nombre maximum de vecteurs de la suite(famille) …nie de n veteurs, qui
soient libres dans la suite en question.
Remarques
Sur un K-espace vectoriel E, de dimension …nie, muni d’une base. Considérons
une famille …nie S de vecteurs de E. Le rang de S est le rang de la A matrice
constituée en lignes ou en colonnes des coordonnées des vecteurs de S.
A est dite une matrice associée à la suite S. Ainsi rang (S) = rang (A)
1. S est génératrice de E ssi le rang de S = dim E = rang (A)
2. S est libre ssi le rang de S =Cardinal de S(CardS)=rang(A)
3. S est liée ssi le rang de S est stritement inférieur au Cardinal de S(CardS)
4. S est une base de E ssi dim E =rang de S =Cardinal de S(CardS)
5. Soit F =< S >, alors dim F = rang (S) = rang (A)
Proposition
1)Soient F et G deux sous-espaces vectoriels d’un K-espace vectoriel E de dimension
…nie, F [ G est un sous-espace vectoriel ssi F G ou G F .
2) F \ G est un sous-espace vectoriel de E. Comme quoi l’intersection de sous-espaces
vectoriels est un sous-espace vectoriel.
3) Si F G et dim F = dim G alors F = G.
Remarque
La réunion de deux sous-espaces vectoriels d’un K-espace vectoriel E de dimension
…nie n’est pas necessairement un sous-espace vectoriel de E.
Dé…nition
Soit un sous-ensemble non vide A inclus dans un K-espace vectoriel E,
vect (A) =< A > est appelé le sous-espace vectoriel engendré par A et
c’est le plus petit sous-espace vectoriel de E contenant A.
Aussi vect (A) =< A > est l’intersection des tous les sous-espaces vectoriels
de E contenant A.
Remarque
Si v1 ; v2 ; v3 2 E,
vect (v1 ; v2 ; v3 ) = f v1 + v2 + v3 ; ; ; 2 Kg =< v1 ; v2 ; v3 >
c’est l’ensemble des combinaisons linéaires des vecteurs v1 ; v2 ; v3 .
Proposition
Soient A et B des parties d’un K-espace vectoriel E ;
1.vect (vect (A)) = vect (A)
2. Si A B ) vect (A) vect (B)
3. vect (A [ B) = vect (A) + vect (B).
4. si A est un sous-espace vectoriel de E, alors vect (A) = A.
Proposition
Soient F et G deux sous-espaces vectoriels d’un K-espace vectoriel E de dimension
…nie, on a :
1) F + G =< F [ G >=l’espace engendré par F [ G.
2) dim (< F [ G >) = dim (F + G) = dim F + dim G dim (F \ G).
Remarque
Si dim E = n, n générateurs de E forment une base de E.
EXERCICE 1
R4 est muni de sa base canonique (t1 ; t2 ; t3 ; t4 ). On considère les vecteurs :

15
CHAPITRE 1. ESPACES VECTORIELS

e1 = (1; 2; 3; 4) ; e2 = (1; 1; 1; 3) ; e3 = (2; 1; 1; 1) ; e4 = ( 1; 0; 1; 2) ; e5 = (2; 3; 0; 1).

Soient E l’espace vectoriel engendré par e1 ; e2 ; e3 et F par e4 et e5 .
Calculer les dimensions respectives de E, F , E \ F et E + F .
Proposition de correction de l’exo.1
Soit S1 = fe1 ; e2 ; e3 g ; S2 = fe4 ; e5 g
E =< e1 ; e22; e3 >= vect (S31 ) et2F =< e4 ; e5 >= 3 vect (S2 )
1 2 3 4 1 0 0 2
Soit ME = 4 1 1 1 3 5 4 0 1 0 9 5 ;
2 1 1 1 0 0 1 4
ME est une matrice associée à la suite ou à2 la famille S1 . 3
1 0 0 2
Le rang de ME est la dimension de E, vu 0 1 0 9 5 4
0 0 1 4
le rang de M 2 E est 3, donc
3 2 dim E =
3 3.
1 2 1 0
6 0 3 7 6 0 1 7
Soit MF = 6 4 1 0 5'4 0 0 5
7 6 7

2 1 0 0
MF est une matrice associée à la suite ou à2 la famille 3 S2 .
1 0
6 0 1 7
Le rang de MF est la dimension de F , vu 6 4 0 0 5
7

0 0
le rang de MF est 2, donc dim F = 2.
Soit S3 = fe1 ; e2 ; e3 ; e4 ; e5 g
E + F =< e1 ;2 e2 ; e3 ; e4 ; e5 >= vect
3 (S23 ) 3
1 2 3 4 1 0 0 0
6 1 1 1 3 7 6 0 1 0 0 7
6 7 6 7
Soit ME+F = 6 6 2 1 1 1 7 6 0 0 1 0 7
7 6 7
4 1 0 1 2 5 4 0 0 0 1 5
2 3 0 1 0 0 0 0
ME+F est une matrice associée à la suite ou à la famille 2 S3 . 3
1 0 0 0
6 0 1 0 0 7
6 7
Le rang de ME+F est la dimension de E + F , vu 6 6 0 0 1 0 7
7
4 0 0 0 1 5
0 0 0 0
le rang de ME+F est 4, donc dim (E + F ) = 4.
Pour …nir on sait que : E + F = vect (E [ F ) =< E [ F >
dim (E + F ) = dim E + dim F dim (E \ F ) ,
dim (E \ F ) = dim E + dim F dim (E + F ) = 3 + 2 4 = 1.
EXERCICE 2
Préciser si les familles constituées des vecteurs suivants sont liés ou libres.
1. u = (7; 12) ; v = (18; 13) ; w = ( 4; 17)
2. u = ( 1; 0; 2) ; v = (1; 3; 1) ; w = (0; 1; 1)
5 9
3. u = (15; 27; 6; 12) ; v = ( ; ; 1; 2).
2 2
Proposition de correction de l’exo.2
1. u = (7; 12) ; v = (18; 13) ; w = ( 4; 17)

16
CHAPITRE 1. ESPACES VECTORIELS

La famille F = fu; v; wg R2 et le CardF =3 > dim R2 = 2

donc la famille F est liée dans R2 .
2. u = ( 2 1; 0; 2) ; v = (1;33; 1) ; w2= (0; 1; 1) 3
1 0 2 u 1 0 2 u
Soit A = 4 1 3 1 5 v 4 0 3 3 5 v+u
2 0 13 1 w 0 1 1 w
1 0 2 u
A 4 0 3 3 5 v+u délà on a bien :
2 0 0 6 3 3w + (v + u)
1 0 2
A 4 0 3 3 5 )le rang de A : rg (A) = 3
0 0 6
aussi la famille G = fu; v; wg R3 et le sous-espace vectoriel engendré
par G = fu; v; wg c’est-à-dire < u; v; w > est de
dimension rg (A) = 3 = CardG donc la famille G est libre dans R3 .
Remarque
En formant une matrice A constituée en ligne ou en colonne des coordonnées
des vecteurs d’une famille donnée F ; lorsque le rang de A est égal au cardinal
de F, la famille F est libre sinon elle est liée.
5 9
3. u = (15; 27; 6; 12) ; v = ( ; ; 1; 2).
2 2
La famille H = fu; vg R4
aussi"soit #
15 27 6 12 u
A= 5 9
1 2 v
2 2
15 27 6 12 u
0 0 0 0 6v + u ) 6v + u = ~0
La famille H = fu; vg R4 est donc liée car il y a une relation
de dépendance entre les vecteurs : u; v qui est : 6v + u = ~0.

1.6.4 Sous-espaces supplémentaires

Dé…nition 8
Soit E un K-espace vectoriel. Deux sous-espaces vectoriels F et G de E sont appelés
supplémentaires si tout élément x 2 E s’écrit d’une façon et d’une seule sous
la forme : x = y + z; y 2 F; z 2 G .
On dit encore que E est la somme directe de F et G et on écrit :
E = F G , E = F + G et F \ G = f0E g.
Théorème 3
Soit E un K-espace vectoriel de dimension …nie, F et G deux sous-espaces
vectoriels de E de bases respectives et . Les trois propriétés ci-dessous
sont équivalentes :
(a) F et G sont supplémentaires
(b) F \ G = f0E g et dim E = dimF + dimG.
(c) rang ( [ ) = dimF + dimG = dim E, alors [ est une base de E.
Théorème 4. (De la base incomplète).
Soit E un K-espace vectoriel de dimension …nie n.
1. Pour toute suite libre (y1 ; y2 ; :::::; yp ) de E (p n), on peut trouver

17
CHAPITRE 1. ESPACES VECTORIELS

q=n p vecteurs z1 ; z2 ; :::::; zq de E tels que (y1 ; y2 ; :::::; yp ; z1 ; z2 ; :::::; zq )

soit une base de E.
2. Tout sous-espace vectoriel F =< y1 ; y2 ; :::::; yp > de E admet un
supplémentaire G =< z1 ; z2 ; :::::; zq >.
Remarque : On peut utiliser le rang d’une suite de vecteurs pour la compléter
en base.

1.6.5 Détermination d’un supplémentaire d’un sous-espace vec-

toriel
Soit F =< (1; 2; 3; 3) ; (1; 4; 5; 7) ; (0; 2; 2; 4) > R4 , nous voulons un
sous-espace vectoriel G de R4 qui soit un supplémentaire de F .
Nous allons chercher la dimension de F qui sera le rang de la famille
f(1; 2;2 3; 3) ; (1; 4; 5;
3 7) ;2(0; 2; 2; 4)g dont3 une matrice associé est
1 2 3 3 1 0 1 1
N= 1 44 5
5 7 ' 0 1 4 1 2 5 ) rg (N ) = 2 = dim F )
0 2 2 4 0 0 0 0
F =< (1; 2; 3; 3) ; (1; 4; 5; 7) ; (0; 2; 2; 4) >=< (1; 0; 1; 1) ; (0; 1; 1; 2) >
À partir de là on va complèter la famille f(1; 0; 1; 1) ; (0; 1; 1; 2)g pour obténir
une base de R4 par la famille f(0; 0; 1; 0) ; (0; 0; 0; 1)g et alors on peut choisir
G =< (0; 0; 1; 0) ; (0; 0; 0; 1) >. Pour le choix de la famille f(0; 0; 1; 0) ; (0; 0; 0; 1)g
1 0 1 1
on a completé matrice en la matrice inversible :
0 1 1 2
2 3
1 0 1 1
6 0 1 1 2 7
6 7.
4 0 0 1 0 5
0 0 0 1

1.6.6 Somme de n sous-espaces vectoriels

Dé…nition
On appelle somme de F1 ; F2 ;...,Fn , n sous-espaces vectoriels de E
Xn
et on note Fi l’ensemble fx1 + x2 + ::: + xn ; xi 2 Fi pour 1 i ng.
i=1
X
n
C’est dire que Fi = fx1 + x2 + ::: + xn ; xi 2 Fi pour 1 i ng.
i=1
Proposition
La somme de F1 ; F2 ;...,Fn , n sous-espaces vectoriels de E,
Xn
Fi = fx1 + x2 + ::: + xn ; xi 2 Fi pour 1 i ng est un sous-espace
i=1
vectoriel de E.
Proposition
Si les Fi sont de dimension …nie, alors !
Xn Xn X
n
Fi est de dimension …nie et dim Fi dim (Fi ).
i=1 i=1 i=1
Dé…nition

18
CHAPITRE 1. ESPACES VECTORIELS

X
n
On dit que la somme Fi est directe si
i=1
8 (x1 ; x2 ; :::; xn ) 2 F1 F2 ... Fn ; x1 + x2 + ::: + xn = 0E )
x1 = x2 = ::: = xn = 0E .
M n
Dans ce cas, on note F1 F2 ... Fn = Fi
i=1
Mn
Aussi tout élément de F1 F2 ... Fn = Fi s’écrit de manière
i=1
unique comme somme d’éléments des Fi .
Proposition
Si les Fi sont de dimension …nie, alors !
Mn M n Xn
Fi est de dimension …nie et dim Fi = dim (Fi ).
i=1 ! i=1 i=1
Xn Xn Xn Mn
Aussi (dim Fi = dim (Fi )), Fi = Fi .
i=1 i=1 i=1 i=1
X
n M
n
Fi = Fi veut dire que l’on a une somme directe des Fi .
i=1 i=1

1.7 Produit de deux espaces vectoriels sur un même

corps commutatif K
Soit E1 et E2 deux K- espaces vectoriels . On peut munir l’ensemble produit
E = E1 E2 d’une structure de K-espace vectoriel en dé…nissant :

l’addition comme le produit de deux groupes additifs :

(x1 ; x2 ) + (y1 ; y2 ) = (x1 + y1 ; x2 + y2 )
et la multiplication de (x1 ; x2 ) par 2 K :
(x1 ; x2 ) = ( x1 ; x2 ).
Dé…nition 9. L’espace vectoriel E ainsi construit s’appelle le produit des espaces
vectoriels E1 et E2 et se note : E = E1 E2 : Le vecteur nul de E est 0E = (0E1 ; 0E2 )
où 0E1 est le vecteur nul de E1 et 0E2 le vecteur nul de E2 : Les deux sous-espaces
vectoriels de E : F1 = f(x1 ; 0) ; x1 2 E1 g ; F2 = f(0; x2 ) ; x2 2 E2 g véri…ent :

Propriété 5. F1 et F2 sont deux sous-espaces supplémentaires de E,

et on a donc : E = F1 F2 .
Propriété 6. Si E1 et E2 sont de dimension …nie, alors E est de dimension …nie et
on a : dim E = dim (E1 E2 ) = dim E1 + dim E2
Dans la dé…nition d’un produit, on peut avoir E1 = E2 ; on dé…nit ainsi E1 E1
que l’on note aussi E12 .
La dé…nition du produit de deux espaces vectoriels se généralise au produit
E1 E2 ::::: En d’un nombre …ni de K-espaces vectoriels E1 ; E2 ; ::::::; En et,
en particulier on peut avoir E1 E1 ::::: E1 = E1n .
| {z }
n fois

19
Chapitre 2

APPLICATIONS LINÉAIRES

Objectifs
* Connaître les dé…nitions d’une application linéaire h d’un K-espace
vectoriel E dans un L-espace vectoriel F avec K L,
(généralement on prend K = L ) le noyau( ker h) et l’ensemble-image de h( Im h).
pour …nir savoir les déterminer comme tels.
* Connaître les caractérisations de l’injectivité et de la surjectivité d’une
application linéaire h à travers ker h et Im h.
* Savoir déterminer la matrice d’une application linéaire h d’un K-espace
vectoriel E muni d’une base dans un L-espace vectoriel F muni d’une
base avec K L que je noterai M at (h; ; ) = M (f ).
* Comprendre les liens entre matrices et applications linéaires.
* Savoir déterminer la matrice de passage d’une base à une autre d’un K-espace
vectoriel, puisse qu’un K-espace vectoriel non réduit au vecteur nul admet
une in…nité de bases. Dès lors le choix d’une base d’un K-espace vectoriel est in…ni.
* Savoir déterminer la matrice B d’une application linéaire dans de nouvelles
bases en fonction de sa matrice A dans d’anciennes bases avec B = QAP :
Q et P sont des matrices de passage d’une ancienne base à une nouvelle base.
Aussi déterminer les coordonnées d’un vecteur au biais d’une nouvelle base
en fonction des coordonnées du même vecteur au moyen d’une ancienne base.
L’usage de la matrice de passage d’une ancienne base à une nouvelle base est
de rigueur.
Dé…nition 0 (d’une 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) 8x 2 E, 8y 2 E, f (x>y) = f (x) f (y).
(ii) 8x 2 E, 8 2 K, f ( ?x) = ~f (x).
Remarques
(i) et (ii) () 8x, y 2 E, 8 , 2 K, f (( ?x) > ( ?y)) = f ( ?x) f ( ?y)
= ( ~f (x)) ( ~f (y))
(i) et (ii) () 8x, y 2 E, 8 2 K, f (( ?x) >y) = f ( ?x) f (y) = ( ~f (x)) f (y).
Dé…nition 1 (d’une 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 :

20
CHAPITRE 2. APPLICATIONS LINÉAIRES

(1) 8x 2 E, 8y 2 E, f (x + y) = f (x) + f (y).

(2) 8x 2 E, 8 2 K, f ( x) = f (x).
Propriétés
a° ) On déduit de (1) en posant y = x = 0E 2 E, f (0E ) = 0F 2 F .
On a également f ( x) = f (x).
b° ) (1) et (2) () 8x, y 2 E; 8 ; 2 K, f ( x + y) = f (x) + f (y)
(1) et (2) () 8x, y 2 E; 8 2 K, f ( x + y) = f (x) + f (y)
c° ) Soit E munit d’une base = (e1 ; e2 ; :::::; en ), 2 3
1
P
n 6 2 7
6 7
pour tout y 2 E, 9! 1; 2 ; :::::; n 2K; y = e
i i ; où Y = 6 .. 7
i=1 4 . 5
n
est la matrice colonne des coordonnées de y 2 E dans de la base
P
n P
n
= (e1 ; e2 ; :::::; en ), d’où f (y) = f i ei = i f (ei ) ; donc étant donnée
i=1 i=1
= (e1 ; e2 ; :::::; en ) et f ( ) = (f (e1 ) ; f (e2 ) ; :::::; f (en )) qui est l’action de f sur
une 2
base de 3 E, on peut déterminer f (y) , 8y 2 E, dès qu’on connait
1
6 2 7
6 7
Y = 6 .. 7 qui est la matrice colonne des coordonnées de y 2 E dans
4 . 5
n
de la base = (e1 ; e2 ; :::::; en ). On peut dire que f est complètement
déterminée par son action sur une base de E.
Remarques
1) Une application linéaire f est une application d’un K-espace vectoriel E dans
un K-espace vectoriel F , telle que l’image d’une combinaison linéaire de vecteurs
de E est égale à une combinaison linéaire de l’image des vecteurs de E, avec les
mêmes coe¢ cients de combinaison par rapport à un vecteur x de E et son image
f (x).
2) Une application f entre deux K-espaces vectoriels E et F est linéaire
ssi les expressions images de f (x), pour x 2 E, sont combinaison linéaire des
coordonnées de x 2 E, moyennant une base de E.
Exemple
Cette expression : a1 x1 +:::+an xn est linéaire en x1 ; x2 ; :::; xn , car combinaison linéaire
des x1 ; ... ; xn ; mais pas celle-ci : a1 x1 + ::: + an xn + b.
Exemples
a) Soit f : R2 ! R2 , (x; y) 7 ! (2x + y; 0) est une application linéaire
de R2 dans R2 .
b) 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 .

2.1 Image et Noyau

Dé…nition 2 (du noyau d’une application linéaire)
Le noyau d’une application linéaire f : E ! F est l’ensemble des vecteurs x 2 E tels
que f (x) = 0F . Il est noté Ker f . D’où Ker f = fx 2 E; f (x) = 0F g.
Exemple

21
CHAPITRE 2. APPLICATIONS LINÉAIRES

Soit f : R2 ! R2 , (x; y) 7 ! (2x + y; 0) une application linéaire de R2 dans R2 .

ker f = f(x; y) 2 R2 ; f (x; y) = (0; 0)g
2x + y = 0
f (x; y) = (0; 0) ) ) 2x + y = 0 ) y = 2x , x = 21 y
0=0
ker f = f(x; 2x) ; x 2 Rg =< (1; 2) >) dim ker f = 1.
Lemme 1. Le noyau de f est un sous-espace vectoriel de E.
Proposition 1. Une application linéaire f : E ! F est
injective si et seulement si Ker f = f0E g.
Dé…nition 3 (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 2 E avec f (x) = y: On la note f (E) ou encore Im f .
Im f = fy 2 F , 9x 2 E ; f (x) = yg = f f (x) ; x 2 Eg = f (E).
Exemples
1. Soit f : R2 ! R2 , (x; y) 7 ! (2x + y; 0) une application linéaire de R2 dans R2 .
Im f = f (R2 ) = ff (x; y) ; (x; y) 2 R2 g = f(2x + y; 0) ; x; y 2 Rg
= fx (2; 0) + y (1; 0) ; x; y 2 Rg =< (2; 0) ; (1; 0) >=< (1; 0) >.
2. Soit g : R2 ! R3 ; (x; y) 7! (x y; x + y; x + 2y) une application linéaire de R2
dans R3 .
Im g = g (R ) = fg (x; y) ; (x; y) 2 R2 g = f(x y; x + y; x + 2y) ; x; y 2 R2 g
2

Im g = fx (1; 1; 1) + y ( 1; 1; 2) ; x; y 2 Rg =< (1; 1; 1) ; ( 1; 1; 2) >.

Lemme 2 L’image de f est un sous-espace vectoriel de F .
Remarques
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 de f d’un sous-espace vectoriel de F
est un sous-espace vectoriel de E.
Proposition 2
Une application linéaire f : E ! F est surjective si et seulement si Im f = F .
Dé…nition 4 (d’un 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 = f0E g et f (E) = F .
Théorème 1
Soient E et F deux K-espaces vectoriels de dimension …nie
et une application linéaire f : E ! F . Alors :
(a) f est un isomorphisme entre E et F .
m
(b) dimE = dimF et Kerf = f0E g .
m
(c) dimE = dimF et Im f = F
Lemme 3 Soit (x1 ; x2 ; :::::; xn ) une suite libre de vecteurs de E et une

22
CHAPITRE 2. APPLICATIONS LINÉAIRES

application linéaire f : E ! F injective. Alors (f (x1 ) ; f (x2 ) ; :::::; f (xn ))

est une suite libre dans F .
EXERCICE
Parmi les applications suivantes quelles sont celles qui sont linéaires ?
Si oui quelles sont celles qui sont injectives, surjectives, bijectives ?
1. f : R2 ! R2 ; (x; y) 7 ! (2x + y; 3x 2y)
On a f (x; y) = (2x + y; 3x 2y) et les coordonnées de f (x; y) que
sont 2x + y; 3x 2y sont des combinaisons linéaires de x et de y, donc
f est linéaire de R2 dans R2 donc f est un endomorphisme de R2 .
ker f = f(x; y) 2 R2 ; f (x; y) = (0; 0)g aussi f (x; y) = (0; 0)
2x + y = 0 2x + y = 0
) la matrice associée au système
3x 2y = 0 3x 2y = 0
2 1 1 0
est A = ' donc inversible
3 2 0 1
2x + y = 0 x 0
alors ,A =
3x 2y = 0 y 0
x 0 0
) =A 1 = )
y 0 0
ker f = f(0; 0)g ) f est un endomorphisme injectif
donc f est à la fois injectif, surjectif et bijectif.
2. f : R2 ! R2 ; (x; y) 7 ! (x + y; xy)
Ici f (x; y) = (x + y; xy) on constate que la deuxième coordonnée de f ,
qui est xy n’est pas une combinaison linéaire de x; y donc f n’est pas
une application linéaire de R2 dans R2 .
3. f : R2 ! R2 ; (x; y) 7 ! (x + 1; y)
f (x; y) = (x + 1; y) on constate que la première coordonnée de f , qui
est x + 1 n’est pas une combinaison linéaire de x; y donc f n’est pas une
application linéaire de R2 dans R2 , on peut aussi juste constater que
f (0; 0) = (1; 0) 6= (0; 0) donc f n’est pas linéaire.
4. f : R2 ! R3 ; (x; y) 7 ! (x + y; x; 0)
f (x; y) = (x; y) 7 ! (x + y; x; 0) aussi on sait que 0 = 0:x + 0:y, donc
les coordonnées de f (x; y) dans une base de R3 , sont toutes des
combinaisons linéaires des coordonnés de (x; y) couple variable de f ,
donc f est linéaire de R2 dans R3 .
ker f = f(x; y) 2 R2 ; f (x; y) = (x + y; x; 0) = (0; 0; 0)g,
aussi
8 f (x; y) = (x + y; x; 0) = (0; 0; 0)
< x+y =0
x+y =0 x=0
) x=0 ) )
: x=0 y=0
0=0
) ker f = f(x; y) 2 R2 ; f (x; y) = (x + y; x; 0) = (0; 0; 0)g = f(0; 0)g
) f est injective. Aussi Im f = f(x + y; x; 0) ; x; y 2 Rg
Im f = f(x + y; x; 0) = x (1; 1; 0) + y (1; 0; 0) ; x; y 2 Rg
Im f =< (1; 1; 0) ; (1; 0; 0) > alors Im f est un plan vectoriel engendré
par la famille = f(1; 1; 0) ; (1; 0; 0)g qui ne peut engendré l’espace
vectoriel R3 , car dim R3 = 3 > card = 2. Puisque dim R3 = 3

23
CHAPITRE 2. APPLICATIONS LINÉAIRES

toute famille de vecteurs de R3 engendrant R3 doit avoir un cardinal

supéreur ou égal à 3 = dim R3 , on peut donc conclure que Im f 6= R3
) f n’est pas surjective, donc elle ne peut être bijectve.

2.1.1 Le théorème noyau-image

Théorème 2
Soient E et F deux K-espaces vectoriels et une application linéaire f : E ! F .
Si la dimension de E est …nie, 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 .
Lemme 4
Soient E de dimension …nie et une application linéaire f : E ! F .
Alors f (E)=Im f est de dimension …nie.
Corollaire. Avec les hypothèses du théorème 2 :
Ker f = f0E g , dim Im f = dim f (E) = dim E.

2.1.2 Rang d’une application linéaire

Dé…nition 5. Le rang d’une application linéaire f : E ! F .
Avec E de dimension …nie est par dé…nition la dimension
de l’image f (E) = Im f .

Exemples
a° ) L’application f : E ! F qui, à tout vecteur x 2 E associe le vecteur nul 0F
de F est linéaire. On a Im f = f0F g et le rang de f est nul.Le noyau ker f = E.
b° ) L’application f de E dans E qui, à tout vecteur x 2 E, associe le vecteur x est
linéaire. Ker f = f0g, f (E) = E. On l’appelle l’identité IdE .
C’est un isomorphisme de E sur E;ou automorphisme de E.
c° ) 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):
d° ) Soit F et G deux sous-espaces supplémentaires dans E. A tout vecteur x 2 E;
on peut faire correspondre sa composante y 2 F dé…nie par :
x = y + z, y 2 F , z 2 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 …nie, on véri…e directemnet le théorème noyau-image
sur les dimensions.
e° ) 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 véri…e directement que Ker f = f0g ; il résulte alors du théorème 1 que f est
un automorphisme de E donc est surjective.
f° ) 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= f0g et Im f K ;
donc l’image de f , espace de dimension 1 appelé droite vectorielle

24
CHAPITRE 2. APPLICATIONS LINÉAIRES

(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 -espace vectoriel appelé le dual de E.

2.1.3 Projections et symétries linéaires

Introduction
Soit E est un K-espace vectoriel et F et G deux sous-espaces
vectoriels de E tel que E = F G alors
8x 2 E, x = xF + xG avec xF 2 F et xG 2 G de façon unique.
La projection PF sur F parallèlement à G est telle que
8x 2 E, PF (x) = xF et PF PF = PF (on dit que PF est un projecteur).
Aussi 8x 2 E, PF (x) = xF = xF + xG xG = (IdE PG ) (x)
La projection PG sur G parallèlement à F est telle que
8x 2 E, PG (x) = xG et PG PG = PG .
Aussi 8x 2 E, PG (x) = xG = xG + xF xF = (IdE PF ) (x)
La symétrie SF par rapport à F parallèlement à G est telle que
8x 2 E, SF (x) = xF xG = 2xF (xF + xG ) = (2PF IdE ) (x)
8x 2 E, SF (x) = xF xG = (xF + xG ) 2xG = (IdE 2PG ) (x).
et SF SF = IdE (on dit que SF est une involution).
La symétrie SG par rapport à G parallèlement à F est telle que
8x 2 E, SG (x) = xG xF = (2PG IdE ) (x) = (IdE 2PF ) (x).
et SG SG = IdE .
Aussi SG = SF = 2PG IdE = IdE 2PF .
Dé…nition
Les PF et PG dé…nies supra, sont appélées projections vectorielles
Aussi les SF et SG dé…nies supra, sont appélées symétries vectorielles
c’est clair que projection et symétrie vectorielles sont des applications
linéaires.

2.2 Opérations sur les applications linéaires

2.2.1 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 dé…nit f + g : E ! F par : 8x 2 E; (f + g) (x) = f (x) + g (x).

On véri…e que f + g est bien une application linéaire de E dans F .
On l’appelle somme de f et g.
Produit de 2 K par f 2 LK (E; F ). Il est dé…nit par : 8x 2 E; ( f ) (x) = f (x).
On véri…e que f est bien une application linéaire de E dans F .
Proposition 3
Les deux opérations précédentes confèrent à l’ensemble LK (E; F )

25
CHAPITRE 2. APPLICATIONS LINÉAIRES

une structure d’espace vectoriel sur K.

2.2.2 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 véri…e immédiatement que
g f : E ! G est une application linéaire de E dans G. En particulier,
si E = F = G, nous dé…nissons 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.
Proposition 4. L’addition et la multiplication" " dé…nies dans LK (E)
en font un anneau non commutatif.
Remarque. Le composé de deux isomorphismes est un isomorphisme et donc,
en particulier, le composé de deux automorphismes de E est un automorphisme.
Si E est de dimension …nie, l’ensemble des automorphismes de E constitue
le groupe des unités(l’ensemble des éléments inversbles) de l’anneau LK (E).

2.3 Espace vectoriel quotient

2.3.1 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 dé…nie dans E par : x, y 2 E; xRy () x y 2 F ;
on montre que R est une relation d’équivalence et compatible avec l’addition dans E,
c’est-à-dire : , xRy et zRt ) (x + z) R (y + t). Ce qui permet de dé…nir
une opération sur l’ensemble E=F = E=R par : x + y = x + y.
où x est la classe de x modulo F . cette opération donne à E=F une structure de groupe
abélien et l’application ' : E ! E=F , telle que ' (x) = x 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 dé…nissant sur E=F une structure d’espace vectoriel.
Proposition 5. La relation R est compatible avec la multiplication par un scalaire,
c’est-à-dire :8 2 K, xRy ) x R y:
De là on dé…nit pour 2 K et x 2 E=F , x = x, ( )
ce qui est une opération externe dans E=F .
Proposition 6. Le groupe quotient E=F muni de l’opération externe ( )
devient un espace vectoriel sur K et l’application ' : E ! E=F
est linéaire et surjective.
Remarque
Le noyau et l’image de ' en tant qu’application linéaire sont le noyau et l’image
de ' en tant que morphisme de groupe abélien. En particulier, on a Ker ' = F .
Dé…nition 6. 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 ' : E ! E=F s’appelle l’application
linéaire canonique de E sur l’espace vectoriel quotient E=F .
En particulier si F = f0g, E=F = E et si F = E; E=F = f0g.
La construction de l’espace vectoriel quotient de E par F est valable
en dimension …nie ou non. Si E est de dimension …nie, E=F est aussi de

26
CHAPITRE 2. APPLICATIONS LINÉAIRES

dimension …nie.

2.3.2 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 …nie, 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 .
Théorème 3
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 tel que :f = ' ; où ' est
l’application linéaire canonique de E sur E=F . Suivant le diagramme suivant
'
E ! E=F
f
& #
E0
Corollaire 1 du théorème 3
Toutes les solutions du problème sont des espaces vectoriels
isomorphes entre eux.
Corollaire 2 du théorème 3
Si E est de dimension …nie 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 .
Dé…nition
Soit f une application linéaire de E ! F deux K-espaces vectoriels de
dimension …nie chacun. On appelle conoyau de f , et on le note Co ker f
l’espace quotient F= Im f . De là si f est surjective alors Co ker = f0F g.

2.4 Matrice d’une application linéaire f : E ! F

Relativement à des bases données de E et de F .
Soit E et F deux espaces vectoriels de dimensions respectives p et q sur K,
= (e1 ; :::; ep ) une base de E, 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 , c’est-à-dire que f est entièrement dé…nie par les
P q
f (ej ) = aij ti ; aij 2 K, j = 1; 2; :::; p.Ainsi les coordonnées de f (ej )
i=1 2 3
a1j
6 a2j 7
6 7
dans la base 0 = (t1 ; :::; tq ) constitue la matrice colonne suivante :6 .. 7.
4 . 5
aqj
Proposition
Etant donné f : E ! F une application linéaire de E dans F des K-espaces
vectoriels avec E de dimension …nie, muni d’une base = (e1 ; :::; ep ),

27
CHAPITRE 2. APPLICATIONS LINÉAIRES

alors Im f =< f (ei ), 1 i p >.

Dé…nition On appelle matrice de l’application linéaire f : E ! F;
relativement aux bases et 0 , avec = (e1 ; :::; ep ) et 0 = (t1 ; :::; tq )
(on sait que f est entièrement dé…nie par les f (ej ) 2 F , pour tout j 2 [j1; pj]),
est la matrice de type (q; p) :
0f (e1 ) ; f (e2 ) ; :::; f (ep1)
a11 a12 ::: a1p t1
B a21 a22 ::: a2p C t2
B C
M 0 (f ) = B .. .. . . .. C ..
@ . . . . A .
aq1 aq2 ::: aqp tq
2 3
a1j
6 a2j 7
6 7
dont la j eme colonne (j = 1; 2; :::; p) est constituée par les coordonnées 6 .. 7
4 . 5
aqj
0
du vecteur f (ej ) par rapport à la base . C’est pourquoi nous avons écrit f (e1 )
au dessus de la première colonne, ...., f (ep ) au-dessus de la pieme colonne.
Lorsque E = F , l’application linéaire f est un endomorphisme de E et nous
pouvons choisir = 0 . La matrice M (f ) s’appelle la matrice de
l’endomorphisme relativement à la base de E.
Remarque
De façon symbolique, on peut écrire :
(f (e1 ) ; f (e2 ) ; :::; f (ep )) = (t1 ; :::; tq ) M 0 (f )
soit f ( ) = 0 M 0 (f ), tout ceci est symbolique.
Exemple : Soit f un endomorphisme de R3 dé…ni par :
(x; y; z) 7 ! (2x y z; x z; x y 2z) ; où 2 R.
Soit = (e1 = (1; 0; 0) ; e2 = (0; 1; 0) ; e3 = (0; 0; 1)) la base canonique de R3 .
Pour trouver la matrice de f relativement à la base associé à l’ensemble de
depart et à l’ensemble d’arrivé, il faut calculer :
f (e1 ) = (2; 1; ) ; f (e2 ) = ( 1; 0; 2 1) ; f (e3 ) = ( 31; 1; 2).
2 1 1
Et la matrice en question est M = 1 0 4 1 5.
1 2
Proposition
Soient E, F , G trois K-espaces vectoriels de dimension …nie munis de bases
respectives , 0 , et f 2 LK (E; F ) et g 2 LK (F; G) alors g f 2 LK (E; G)
M (g f ) = M 0 (g) M 0 (f ).
Proposition
Soient E et F deux K-espaces vectoriels de dimensions respectives p et q,
Munis respectivement des bases = (e1 ; :::; ep ) et 0 = (t1 ; :::; tq )
L’application de LK (E; F ) dans Mqp (K) dé…nie par f 7! M 0 (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.
Dem :
Moyennant = (e1 ; :::; ep ) et 0 = (t1 ; :::; tq ) respectivement sur E et F deux
K-espaces vectoriels de dimensions respectives p et q, il y a isomorphisme entre
E et Kp et isomorphisme entre F et Kq .

28
CHAPITRE 2. APPLICATIONS LINÉAIRES

2 3
x1
6 7
Ainsi 8x 2 E, 9!x = 4 ... 5 2 Kp matrice colonne qui représente
xp
les coordonnées du vecteur x 2 E dans la base de sorte que
p
X
symboliquement : x = x = xi ei .
i=1
Il sera de même 2
de F 3c’est-à-dire :
y1
6 7
8y 2 F , 9!y = 4 ... 5 2 Kq matrice colonne qui représente
0

yq
les coordonnées du vecteur y 2 F dans la base 0 de sorte que
q
0
X
0
symboliquement : y = y = yi ti .
i=1
De là l’application linéaire f : (E; ) ! (F; 0 ) peut être dé…nie comme suit :
a) f (x) = y on n’a pas utilisé les bases en présence.
0
b) f x = y on a utilisé les bases en présence, ce qui permettra de déterminée
0
f à la donnée de M 0 (f ) en posant : f x = M 0 (f ) x = (f (x)) 0 = y .
Avec les données de f , et 0 on a naturellement M 0 (f ).
Corollaire L’espace vectoriel LK (E; F ) est de dimension …nie n = pq.
Remarques
1° ) Les espaces vectoriels LK (E; F ) et Mqp (K) sont isomorphes mais
cet isomorphisme dépend des bases et 0 choisies dans E et F .
On devrait le noter : M 0 : LK (E; F ) ! Mqp (K).
Il est déterminé par le choix de ces bases.
2° ) Il résulte de la proposition 1 qu’une matrice q p quelconque dont les
coe¢ cients 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 .

2.4.1 Utilisation du rang d’une matrice associée à une appli-

cation linéaire pour trouver son noyau et son ensemble
image.
2 3
0 3 2 1
Soit la matrice A = 4 2 5 1 6 5 la matrice associée à une application
1 3 4 2
linéaire f au moyen d’une base de l’espace de depart et une autre base de l’espace
d’arrivée.
Dans ce qui suit, nous allons échelonner suivant les colonnes la matrice A.
-C4 C2 +3C4 C3 +2C4 C1

29
CHAPITRE 2. APPLICATIONS LINÉAIRES

2 3 2 3
0 3 2 1 1 0 0 0
6 2 5 1 6 7 6 6 23 13 2 7
6 7 6 7
6 1 3 4 2 7 6 2 3 8 1 7
6 7 6 7
6 1 0 0 0 7 6 0 0 0 1 7
6 7 6 7
6 0 1 0 0 7 6 0 1 0 0 7
6 7 6 7
4 0 0 1 0 5 4 0 0 1 0 5
0 0 0 1 1 3 2 0

30
CHAPITRE 2. APPLICATIONS LINÉAIRES

C1 -3C4 - 12 C4 C3 + 13
2 4
C C2 + 23 C
2 3 2 4
1 0 0 0
6 0 1 0 0 7
6 7
6 5 1 29 29 7
6 2 2 2 7
6 3 1 13 23 7
6 2 2 2 7
6 0 0 0 1 7
6 7
4 0 0 1 0 5
1 0 2 3
C4 -C3
2 3
1 0 0 0
6 0 1 0 0 7
6 7
6 5 1 29
0 7
6 2 2 7
6 3 1 13
5 7
6 2 2 7
6 0 0 0 1 7
6 7
4 0 0 1 1 5
1 0 2 1
Evaluons
2 : 3 2 3
3 1 13
5 2 3 3 1 13
5
2 2 0 3 2 1 6 2 2
6 0 0 0 1 7 0 0 0 1 7
A 6 4 0
7 = 4 2 5 1 6 56
5 4
7
0 1 1 0 0 1 1 5
1 3 4 2
1 0 2 1 2 31 0 2 1
1 0 0 0
=4 0 1 0 0 5
1 29
5 2 2
0
Ainsi nous pouvons conclure que rang (A) = rang (f ) = 3 = dim Im f
Et Im f =< (1; 0; 5) ; 0; 1; 12 ; 0; 0; 292
> et ker f =< (5; 1; 1; 1) >.
Ce qui est normal puisque la matrice A étant de type (3; 4) alors
dim E = 4 et dim F = 3 avec f : E ! F application linéaire.
Ici comme dim F = 3 = dim Im f ) Im f = F .

2.4.2 Utilisation de l’échelonnage d’une matrice associée à une

application linéaire pour trouver l’équation caractéristique
de son ensemble image
2 3
1 2 3 3
Soit la matrice A = 4 1 4 5 7 5 associée à f une application
0 2 2 4
4 3
linéaire f de R dans R au moyenne de choix de bases respectivement
sur R4 et R3 . Ainsi pour trouver une équation caractéristique de son
ensemble image
2 Imf 3 , on va constituer le système suivant :
y1
AX = Y = 4 y2 5 qui ne devrait pas être incompatible.
y3
Délà nous allons échelonner la matrice augmentée du système : AX = Y ;
matrice augmentée qui est :

31
CHAPITRE 2. APPLICATIONS LINÉAIRES

2 3 2 3
1 2 3 3 y1 1 2 3 3 y1
M =4 1 4 5 7 y2 5 ' 4 0 2 2 4 y2 y1 5
L2 L1
2 0 2 2 4 y3 0 32 2 4 y3
1 2 3 3 y1
M '4 0 2 2 4 y2 y1 5
0 0 0 0 y3 y2 + y1 L3 L2
et alors le système AX = Y est compatible si y3 y2 + y1 = 0
Ainsi Im f = f(y1 ; y2 ; y3 ) 2 R3 ; y3 y2 + y1 = 0g.

2.4.3 Changement de bases

Matrice de passage
Soient = (e1 ; :::; en ), 0 = e01 ; :::; e0n deux bases de E.
On voudrait avoir la matrice de : IdE : (E; 0 ) ! (E; ) telle que x 7 ! x.
(E; ) signi…e que le K-espace vectoriel de dimension …nie E, est muni de la base .
X n
n 0
On sait que 81 j n, 9! ( 1j ; 2j; :::; nj ) 2 K ; ej = ij 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 :
0 0 0
0 e1 ; e2 ; ::: ; en 1
11 12 ::: 1n e1
B 21 ::: C
2n C e2
B 22
M 0 (IdE ) = B .. .. . . .. C ..
@ . . . . A .
n1 n2 ::: nn en
On appelle matrice de passage de la base à la base 0 ,
la matrice : M at 0 (IdE ) = P = ( ij )1 i , j n = P 0 .
Comme l’application IdE est bijective, alors P = P 0 est inversible.
En pratique donc,
la matrice P = ( ij )1 i , j n = P 0 est telle que la j ieme colonne
est formée par les coordonnées du vecteur e0j dans la base = (e1 ; :::; en ).
Et P 1 = P 0 est la matrice de passage de la base 0 à la base .

Formule de changement de bases

Soit f 2 LK (E; F ) et (E; ), (F; )
Id f Id
Soit (E; 0 ) ! E
(E; ) ! (F; ) ! F
(F; 0 )
On a bien f = IdF f IdE )
M at 0 0 (f ) = M at 0 0 (IdF f IdE ) = M at 0 (IdF ) M at (f ) M at 0 (IdE ).
Soit maintenant u 2 LK (E; E) , u 2 EndK (E), on a
IdE u IdE
(E; 0 ) ! (E; ) ! (E; ) ! (E; 0 ), et u = IdE u IdE )
M at 0 0 (u) = M at 0 0 (IdE u IdE ) = M at 0 (IdE ) M at (u) M at 0 (IdE ).
Comme (IdE ) est une bijection de E dans E, alors M at 0 (IdE ) est inversible et
1
M at 0 (IdE ) = M at 0 (IdE ) . De là on a la proposition suivante :
Proposition
Soient = (e1 ; :::; en ) ; 0 = e01 ; :::; e0n deux bases de E; u 2 LK (E ),
P = P 0 = M at 0 (IdE ), A = M at (u; ) = M at (u),

32
CHAPITRE 2. APPLICATIONS LINÉAIRES

A0 = M at (u; 0 ) = M at 0 0 (u)
= M at 0 0 (IdE u IdE ) = M at 0 (IdE ) M at (u) M at 0 (IdE ).,
1
or M at 0 (IdE ) = M at 0 (IdE ) , donc :
A0 = P 1 AP , A = P A0 P 1 .
Proposition
Soit u un endomorphisme d’un K-espace vectoriel de dimension …nie E,
muni d’une base et A = M at (u; ) = M at (u).
u est un automorphisme de E ssi det A 6= 0 et A 1 = M at (u 1 ; ) = M at (u 1 ).
Exercice 2 3 2 3
0 1 1 0 0 0 0 0
6 0 0 1 0 7 6 7
Montrer que les matrices A = 6 7 et B = 6 0 0 1 1 7 sont
4 0 0 0 0 5 4 0 0 0 1 5
0 0 0 0 0 0 0 0
semblables.
Proposition de solution
La solution revient à trouver quatre vecteurs v1 ; v2 ; v3 ; v4 2 R4 tel que :
Av1 = 0, Av2 = 0, Av3 = v2 , Av4 = v2 + v3 et det (v1 ; v2 ; v3 ; v4 ) 6= 0.
Dès lors ;
Av1 = 0, je propose dans la base canonique de R4 , v1 = (0; 0; 0; 1)
Av2 = 0, je propose dans la base canonique de R4 , v2 = (1; 0; 0; 0)
Av3 = v2 , je propose dans la base canonique de R4 , v3 = (0; 1; 0; 0)
Av4 = v2 + v3 , je propose dans la base canonique de R4 , v4 = (0; 0; 1; 0).
0 1 0 0
0 0 1 0
Soit = fv1 ; v2 ; v3 ; v4 g, on a det = = 1 6= 0.
0 0 0 1
1 0 0 0
2 3
0 1 0 0
6 0 0 1 0 7
De là soit P = Ppass( a ) = P = 6 7
4 0 0 0 1 5, alors on a :
1 0 0 0
1
B = P AP , A et B sont semblables.

Remarque :
Soit x 2 E, soient = (e1 ; :::; en ), 0 = e01 ; :::; e0n deux bases de E,
symboliquement on notera :
x= x et 0 = P 0 ici est considérée comme une matrice uniligne :
e1 e2 en et 0 est considérée comme une matrice uniligne :
0
e1 e02 e0n .
Aussi on a : (e0i ) = P 0 (ei ) , 8i 2 f1; 2; :::; ng, (e0i ) et (ei ) sont les
coordonnées de e0i et ei dans la base = (e1 ; :::; en ).
Proposition
) ; 0 =1 e01 ; :::; e0n deux bases de E.
Soient = (e1 ; :::; en0
x1
B x2 C
B C
Soit x 2 E, et x = B .. C= les coordonnées de x dans la base .
@ . A
xn

33
CHAPITRE 2. APPLICATIONS LINÉAIRES

0 1
x01
B x02 C
B
0 C 0
et x = B .. C= les coordonnées de x dans la base
@ . A
x0n
0 0
alors x = (P 0 = P ) x , x = P 0 = P 1 x .
Remarque
Soient deux bases = (e1 ; e2 ; :::; en ) et 0 = (t1 ; t2 ; :::; tn ) d’un K-espace vectoriel E
de dimension n.
P 0 = t1 t2 tn où tj constituent la j ieme colonne avec les coordonnées de
tj dans la base . 81 j n,
et det P 0 = det ( 0 ) = t1 t2 tn . Je rappelle que P 0 est la matrice de
passage de la base à la base 0 .
Proposition
Soit S = (V1 ; V2 ; ::::; Vn ) une suite de n vecteurs d’un K-espace vectoriel E de
dimension n. Soit deux base , 0 de E, alors :
det (S) = V1 V2 Vn = det ( 0 ) det 0 (S)
0 0 0
= t1 t2 tn V1 V2 Vn
det (S) = det P 0 det 0 (S).

2.4.4 Déterminant et trace d’un endomorphisme sur un K-espace

vectoriel E de dimension …nie
Proposition
Soit un endomorphisme f d’un K-espace vectoriel E de dimension …nie,
Moyennant une base sur E qui existe en pareille situation, on peut dé…nir :
det (f ) = det (M (f )) = det M 0 0 (f ) et
T race (f ) = T race (M (f )) = T race M 0 0 (f ) .
Pour Toute autre base 0 de E.
Dem :
On sait que M 0 0 (f ) = P 10 M (f ) P 0 et que :
1
det M 0 0 (f ) = det P 0 M (f ) P 0

1
= det P 0 det (M (f )) det P 0

1
= det P 0 det (M (f )) det P 0
1
= det P 0 det P 0 det (M (f ))(car K est un corps commutatif)
= det (M (f )).
1
Aussi T race M 0 0 (f ) = T race P 0 M (f ) P 0

1
= T race P 0 P 0 M (f ) = T race (M (f )).
EXERCICE 1
I. R3 est muni de sa base canonique 0 = f(1; 0; 0) ; (0; 1; 0) ; (0; 0; 1)g.
Soit les systèmes B1 = fv1 ; v2 ; v3 g et B = fe1 ; e2 ; e3 g où
on a : v1 = (1; 0; 1) ; v2 = (1; 1; 1) et v3 = (0; 1; 1) puis
e1 = (1; 2; 0) ; e2 = (0; 1; 0) et e3 = (0; 0; 1)
1. 1) Montrer que B1 et B sont des bases de R3 .

34
CHAPITRE 2. APPLICATIONS LINÉAIRES

2) Écrire les vecteurs (3; 4; 5) puis (a; b; c) en fonction des

vecteurs la base B1 .
II. Soit f : R3 ! R3 une application linéaire dé…nie par :
8
< f (v1 ) = (0; 5; 1) = u1
f (v2 ) = (3; 1; 2) = u2
:
f (v3 ) = (1; 6; 0) = u3
1. 1)Exprimer en fonction de u1 ; u2 et u3 les vecteurs f (3; 4; 5) et f (a; b; c):
2) En déduire l’expression de f sur R3 muni de sa base canonique 0 .
3) Déterminer Ker(f ) et Im(f ).
4) l’application est - elle bijective ? Justi…er
III. On désire écrire la matrice de f dans la base B.
1) Exprimer chacun des vecteurs u1 ; u2 ; u3 dans la base B1 .
2) En déduire f (v1 ) ; f (v2 ) et f (v3 ) dans la base B1 .
3) Reécrire f (v1 ) ; f (v2 ) et f (v3 ). dans la base B.
4) Écrire les matrices
0 1
: : :
AB1 = M atBB (f; ) = @: : :A ;
0 : :1: 0 1
: : : : : :
AB = M atB1 B1 (f; ) = @: : :A et P = PB1 B = @: : :A.
: : : : : :
NB : PB1 B est la matrice de passage de la base B1 à la base B.
Les matrices AB et AB1 sont les matrices de f dans les bases B et B1
de f respectivement.
1
1. 5) Montrer que P est inversible et calculer P
1
6) Montrer que AB = P AB1 P .

Proposition de correction

I.
1. B1 = fv1 ; v2 ; v3 g R3 et B = fe1 ; e2 ; e3 g R3 et
card (B1 ) = 3 = dim R3 = card (B).
Ainsi on va évaluer les det (B) et det (B1 ).
1 1 0 0 1 0
det (B1 ) = 0 1 1 = 1 1 1 = 1 6= 0(j’ai fait C1 C2 )
1 1 1 0 1 1
) B1 est une base de R3 .
1 0 0
det (B) = 2 1 0 = 1 6= 0 ) B est une base de R3 .
0 0 1
2.
* 9? ; ; 2 R ;
(3; 4; 5) = (1; 0; 1) + (1; 1; 1) + (0; 1; 1)
=( + ; + ; + + )

35
CHAPITRE 2. APPLICATIONS LINÉAIRES

Soit (3; 4; 5) = (1; 0; 1) + (1; 1; 1) + (0; 1; 1)

= (8 + ; + ; + + ) )
< + =3
(S1 ) , + =4
:
+ + =5
Sa
0 matrice augmentée
1 0 est : 1
1 1 0 3 1 0 0 1
@ 0 1 1 4 A @ 0 1 0 2 A
1 1 1 5 0 0 1 2
) = 1 ; = 2 ; = 2. Ainsi :
(3; 4; 5) = (1; 0; 1) + 2(1; 1; 1) +2(0; 1; 1) = v1 + 2v2 + 2v3 .
** 9? ; ; 2 R ; (a; b; c) = (1; 0; 1) + (1; 1; 1) + (0; 1; 1)
=( + ; + ; + + )
Soit (a; b; c) = (1; 0; 1) + (1; 1; 1) + (0; 1; 1)
= (8 + ; + ; + + ) )
< + =a
(S2 ) , + =b
:
+ + =c
Sa
0 matrice augmentée
1 0 est : 1
1 1 0 a 1 0 0 c b
@ 0 1 1 b A @ 0 1 0 a+b c A
1 1 1 c 0 0 1 c a
) = c b ; = a + b c ; = c a.
Ainsi :
(a; b; c) = (c b) (1; 0; 1) + (a + b c) (1; 1; 1) + (c a) (0; 1; 1)
= (c b) v1 + (a + b c) v2 + (c a) v3 .
Mieux on 8 peut résoudre concomittamment 8 :
< + =3 < + =a
(S1 ) , + =4 et (S2 ) , + =b
: :
+ + =5 + + =c
car les deux systèmes2ont la même matrice 3 associée.
1 1 0 3 a
soit la matrice M = 4 0 1 1 4 b 5 combinant les matrices
1 1 1 5 c
augmentées des deux systèmes M échelonnée réduite en ligne
canonique2 au niveau3de la matrice associée des deux systèmes
1 1 0
qui est : 0 1 1 5 donnera l’ensemble solution des deux
4
1 1 1
systèmes
2 en même3temps. 2 On aura donc : 3
1 1 0 3 a 1 0 0 1 c b
4 0 1 1 4 b 5 ' 4 0 1 0 2 a + b c 5 = M 0,
1 1 1 5 c 0 0 1 2 c a
on a les solutions du système (S1 ) à l’avant dernière colonne
de la matrice M 0 et les solutions du système (S2 ) à la dernière colonne.
On a bien aussi
(3; 4; 5) = v1 + 2v2 + 2v3
.
(a; b; c) = (c b) v1 + (a + b c) v2 + (c a) v3
II.

36
CHAPITRE 2. APPLICATIONS LINÉAIRES

1) Expression en fonction de u1 ; u2 et u3 des vecteurs f (3; 4; 5)

et f (a; b; c).
* (3; 4; 5) = v1 + 2v2 + 2v3 )
f (3; 4; 5) = f (v1 ) + 2f (v2 ) + 2f (v3 ) = u1 + 2u2 + 2u3 .
** (a; b; c) = (c b) v1 + (a + b c) v2 + (c a) v3 )
f (a; b; c) = (c b) f (v1 ) + (a + b c) f (v2 ) + (c a) f (v3 ) ,
f (a; b; c) = (c b) u1 + (a + b c) u2 + (c a) u3
2) Déduction de l’expression de f sur R3 muni de la base canonique
0 = ((1; 0; 0) ; (0; 1; 0) ; (0; 0; 1)),
Rappel : (a; b; c) = a (1; 0; 0) + b (0; 1; 0) + c (0; 0; 1)
On a :
f (a; b; c) = (c b) u1 + (a + b c) u2 + (c a) u3 ,
f (a; b; c) = (c b) (0; 5; 1) + (a + b c) (3; 1; 2) + (c a) (1; 6; 0)
= (2a + 3b 2c; 10c 4b 5a; 2a + b c).
L’expression est donc :
f (a; b; c) = (2a + 3b 2c; 10c 4b 5a; 2a + b c),
8 (a; b; c) 2 R3 .
3) Je vais chercher la matrice de f dans la base 0 la base canonique
de R3 pour cela, je calcule à l’aide de :
f (a; b; c) = (2a + 3b 2c; 10c 4b 5a; 2a + b c), 8 (a; b; c) 2 R3 :
Pour (1; 0; 0) ) a = 1, b = c = 0
Pour (0; 1; 0) ) a = 0, b = 1, c = 0
Pour8(0; 0; 1) ) a = b = 0, c = 1, ainsi on a :
< f (1; 0; 0) = (2; 5; 2)
f (0; 1; 0) = (3; 4; 1)
:
f (0; 0; 1) = ( 2; 10; 1)
La matrice2que je cherche est 3 :
2 3 2
A=4 5 4 10 5
2 1 1
et comme det (A) = 27 6= 0 )
f est un automorphsme de R3 .
Ainsi ker f = f0R3 g = f(0; 0; 0)g et Im f = R3 .
4) D’après la question 3) f est une bijection.
III.
8 : B1 = fv1 ; v2 ; v3 g et B = fe1 ; e2 ; e3 g et
Rappel
< f (v1 ) = (0; 5; 1) = u1
f (v2 ) = (3; 1; 2) = u2
:
f (v3 ) = (1; 6; 0) = u3
1) On sait que (a; b; c) = (c b) v1 + (a + b c) v2 + (c a) v3
Alors u1 = (0; 5; 1) = (1 5) v1 + (0 + 5 1) v2 + (1 0) v3
= 4v1 + 4v2 + v3 ,
u2 = (3; 1; 2) = (2 1) v1 + (3 + 1 2) v2 + (2 3) v3
= v1 + 2v2 v3 ,
u3 = (1; 6; 0) = (0 6) v1 + (1 + 6 0) v2 + (0 1) v3
=8 6v1 + 7v2 v3 ,
< f (v1 ) = (0; 5; 1) = u1 = 4v1 + 4v2 + v3
2) On a f (v2 ) = (3; 1; 2) = u2 = v1 + 2v2 v3
:
f (v3 ) = (1; 6; 0) = u3 = 6v1 + 7v2 v3

37
CHAPITRE 2. APPLICATIONS LINÉAIRES

3) Avant de reécrire f (v1 ); f (v2 ) et f (v3 ) dans la base , nous

allons exprimer un vecteur (x; y; z) 2 R3 en fonction des vecteurs de .
Ainsi nous allons chercher à déterminer ; ; 2 R, tels que
(x; y; z) = e1 + e2 + e3 = (1; 2; 0) + (0; 1; 0) + (0; 0; 1)
8 = ( ;2 + ; 8 )
< =x < =x
) 2 + =y ) = y 2x .
: :
=z =z
D’où (x; y; z) = xe1 + (y 2x) e2 + ze3 , il faut noter (x; y; z) 2 R3
muni de sa base canonique. De là on a :
u1 = (0; 5; 1) = 0 e1 + (5 2 0) e2 + 1 e3 = 5e2 + e3
u2 = (3; 1; 2) = 3e1 + (1 2 3) e2 + 2e3 = 3e1 5e2 + 2e3
u3 = (1; 6; 0) = 1e1 + (6 2 1) e2 + 0 e3 = e1 + 4e2
On
8 pourra alors noter que
< f (v1 ) = (0; 5; 1) = u1 = 5e2 + e3
f (v2 ) = (3; 1; 2) = u2 = 3e1 5e2 + 2e3
:
f (v3 ) = (1; 6; 0) = u3 = e1 + 4e2
est la reécriture de f (v1 ); f (v2 ) et f (v3 ) dans la base B.
4)
8La matrice A 1 est obténue à l’aide de :
< f (v1 ) = (0; 5; 1) = u1 = 4v1 + 4v2 + v3
f (v2 ) = (3; 1; 2) = u2 = v1 + 2v2 v3 ,
:
f (v3 ) = (1; 6; 0) = u3 =2 6v1 + 7v2 v3 3
4 1 6
de là A 1 = 4 4 2 7 5.
1 1 1
Pour écrire A , il faudra exprimer les vecteurs de la base
en fonction des vecteurs de la base 1 , mais on n’oublie pas que
(a; b; c) = (c b) v1 + (a + b c) v2 + (c a) v3 de là :
~ e1 = (1; 2; 0) = (0 2) v1 + (1 + 2 0) v2 + (0 1) v3
= 2v1 + 3v2 v3 )
f (e1 ) = 2f (v1 ) + 3f (v2 ) f (v3 ) = 2u1 + 3u2 u3
= 2 (5e2 + e3 ) + 3 (3e1 5e2 + 2e3 ) (e1 + 4e2 )
= 8e1 29e2 + 4e3
~ e2 = (0; 1; 0) = (0 1) v1 + (0 + 1 0) v2 + (0 0) v3
= v1 + v2 )
f (e2 ) = f (v1 ) + f (v2 ) = (5e2 + e3 ) + 3e1 5e2 + 2e3
= 3e1 10e2 + e3
~ e3 = (0; 0; 1) = (1 0) v1 + (0 + 0 1) v2 + (1 0) v3
= v1 v2 + v3 )
f (e3 ) = f (v1 ) f (v2 ) + f (v3 )
= 5e2 + e3 (3e1 5e2 + 2e3 ) + e1 + 4e2
= 2e1 + 14e2 e3 . 8
< f (e1 ) = 8e1 29e2 + 4e3
En clair j’ai obténu : f (e2 ) = 3e1 10e2 + e3 ,
:
f (e3 ) = 2 2e1 + 14e2 e3 : 3
8 3 2
d’où A = 4 29 10 14 5.
4 1 1

38
CHAPITRE 2. APPLICATIONS LINÉAIRES

Pour déterminer P 1 la matrice de passage de la base 1 à la base ,

8 il me faut rappeler que :
< e1 = 2v1 + 3v2 v3
e2 = v1 + v2 de là on a :
:
e3 = v1 2v2 + v3 : 3
2 1 1
P =P 1 =4 3 1 1 5.
1 0 1
5) Calculons le
2 1 1
det P 1 = 3 1 1
1 0 1
2 0 1
= 3 0 1 = 1 6= 0(j’ai fait C2 + C3 ))
1 1 1
P 1 est inversible.
1
Déterminons P 1 .
2 3
1 2 1
com P 1 = 4 1 1 1 5
2 0 1 13
1 1 0
t
, com P 1 = 4 2 1 1 5)
1 1 21 3
1 1 0
P 11 = com t P 1 = 4 2 1 1 5 = P 1.
1 1 1
6) Evaluons 2 3 2 3
1 1 0 4 1 6
P 11 A 1 = P 1 A 1 = 4 2 1 1 5 4 4 2 7 5
1 1 1 2 1 13 1
0 3 1
P 1A 1 = 5 4 5 4 5.
1 2 0
1
Et P A 1
P 1
=P 1
A 1P 1
1
2 3 2 3
0 3 1 1 2 1
P 1A 1P 1 4
= 5 5 4 5 4
1 5 3 1
1 2 0 1 21 3 0
8 3 2
P 11 A 1 P 1 = P 1 A 1 P 1 = 4 29 10 14 5
2 4 31 1
8 3 2
On rappelle bien que A = 4 29 10 14 5,
4 1 1
ainsi on a bien :
A = P 11 A 1 P 1 = P 11 A 1 P = P 11 A 1 P 1
A = P 1A 1
P 1
=P 1
A 1P 1
=P 1
A 1P 1
.
Exercice 2

39
CHAPITRE 2. APPLICATIONS LINÉAIRES

3
Soit f un endomorphisme de 2 R de matrice3 A dans la base canonique 0 = (e1 ; e2 ; e3 )
1 2 3
dé…nie par : A = 4 1 4 5 5.
2 3 0 2 2
2
Soit X 0 = 4 3 5 les coordonnées d’un vecteur x1 dans la base 0 .
4
1. Calculer f (x1 ) dans la base 0 .
2. Soient u1 = e1 + e2 + e3 , u2 = e1 + 3e2 + 2e3 , u3 = e1 + 2e2 + e3 .
a) Montrer que = (u1 ; u2 ; u3 ) est une base de R3 .
b) Déterminer la matrice de passage P de la base 0 à la base .
c) Déterminer la matrice de passage P 0 de la base à la base 0 .
d) Donner les coordonnées X du vecteur x1 dans la base de deux façons.
e) Déterminer la matrice D de f dans la base de deux façons.
f) Calculer f (x1 ) dans la base , de deux façons.
g) Donner l’expressi on 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 2 N.
Proposé de solution 2 3 2 3
2 8
1. (f (x1 )) 0 = M at (f; 0 ; 0 ) X 0 = A 4 3 5 = 4 10 5.
4 2
2.
a) Avec = (u1 ; u2 ; u3 ) R3 et Card ( ) = 3 = dim R3 ,
1 1 1
on va calculer det ( ) = 1 3 2 = 1 6= 0, donc est une base de R3 .
1 2 1
b) La matrice 2 de passage3 P de la base 0 à la base est :
1 1 1
P =P 0 =4 1 3 2 5
1 2 1
c) La matrice de passage P 0 de la 0 base à la base
1 0 est :
1 1 1
1
P0 = P 0 = P 0 =P 1=@ 1 0 1 A.
2 31 1 2
1
d) On a X = P 0 X 0 = 4 6 5 d’une façon
7
l’autre 2
façon serait
3 par exemple de noter que
2
X 0 = 4 3 5 = au1 + bu2 + cu3
2 4 3 2 3 2 3
1 1 1
X 0 = a 4 1 5 + b 4 3 5 + c 4 2 5 et en résolvant le
1 2 1
système on trouve bien a 0 = 1, b = 6, 1 c = 7.
0 0 0
e) On a : D = P 1 AP = @ 0 1 0 A d’une façon
0 0 2

40
CHAPITRE 2. APPLICATIONS LINÉAIRES

l’autre façon est de calculer et résoudre successivement

2 3 2 :3 2 3
1 1 1
(S1 ) , (f (u1 )) 0 = au1 + bu2 + cu3 = a 1 4 5 4 5
+ b 3 + c 2 5, 4
21 3 22 3 21 3
1 1 1
0 0 0
(S2 ) , (f (u2 )) 0 = a u1 + b u2 + c u3 = a 1 4 5 4 5
+ b 3 + c 2 5, 4
21 3 22 3 21 3
1 1 1
00 00 00
(S3 ) , (f (u3 )) 0 = a u1 + b u2 + c u3 = a 1 4 5 4 5
+ b 3 + c 2 5, 4
1 2 1
je rappelle que0les (Si ) pour 1 0 i = 1, 2, 3, sont
1 des systèmes à résoudre.
a a0 a00 0 0 0
Et alors D = @ b b0 b00 A = @ 0 1 0 A.
c c0 c00 0 0 20 12 3 2 3
0 0 0 1 0
f) (f (x1 )) = M at (f; ; ) X = DX = @ 0 1 0 A 4 6 5 = 4 6 5.
0 0 2 7 14
Pour la deuxième façon, on rappelle qu’à la question 1. on a calculer
f (x1 ) dans la2 base3 0 , de là on fait la mise2en équation 3 2 suivante
3 2: 3
8 1 1 1
(f (x1 )) 0 = 4 10 5 = au1 + bu2 + cu3 = a 4 1 5 + b 4 3 5 + c 4 2 5
2 1 2 1
en résolvant le système ci-dessus, on trouve 8 bien a = 0, b = 6, c = 14.
2 2 1
>
> A = PD P
< 3
A = P D3 P 1
g) On a D = P 1 AP , A = P DP 1 ) .
>
> A4 = P D4 P 1
: n
A = P Dn P 1 , n 2 N
Il faut
0savoir que1 0 1 0 1
0 0 0 0 0 0 0 0 0
D = @ 0 1 0 A ) Dn = @ 0 1n 0 A = @ 0 1 0 A, n 2 N.
0 0 2 0 0 0 2n 1 0 0 0 2n 1 0 1
1 1 1 0 0 0 1 1 1
Ainsi : n 2 N, An = P Dn P 1 = @ 1 3 2 A @ 0 1 0 A @ 1 0 1 A
n
0 n 11 2 1 0 0 2 1 1 2
n n+1
2 1 2 1 2
n
A = @ 2n+1
3 2 n+1
3 2n+2 A.
n n
2 2 2 2 2n+1

41
TRAVAUX DIRIGES/Espaces vectoriels et Applications linéaires

Rappels
Sur un K-espace vectoriel E, de dimension n, muni d’une base considérons
une famille S de vecteurs de E. Le rang de S est le rang de la A matrice
constituée en lignes ou en colonnes des coordonnées des vecteurs de S.
On notera que A est une matrice associée à la suite S.
1. S est génératrice de E ssi le rang de S = n = rang (A)
2. S est libre ssi le rang de S =Cardinal de S(CardS)=rang(A)
3. S est liée ssi le rang de S est stritement inférieur au Cardinal de S(CardS)
4. S est une base de E ssi le rang de S = n =Cardinal de S(CardS)=rang(A)
5. Soit F =< S >, alors dim F = rang (S) = rang (A)
EXERCICE 1
Préciser si les familles constituées des vecteurs suivants sont liés ou libres.
1. u = (7; 12); v = (18; 13); w = ( 4; 17)
2. u = ( 1; 0; 2); v = (1; 3; 1); w = (0; 1; 1)
5 9
3. u = (15; 27; 6; 12); v = ( ; ; 1; 2).
2 2
EXERCICE 2
On se place dans R3 est muni de sa base canonique (e1 ; e2 ; e3 )et on dé…nit les vecteurs
w1 = (1; 1; 1) ; w2 = (1; 0; 0) ; w3 = (1; 1; 0) ; w4 = (0; 0; 1) ; w5 = (2; 2; 0).
Pour chacune des familles suivantes dire si elle est génératrice :
S1 = fw1 ; w2 g ; S2 = fw2 ; w5 g ; S3 = fw3 ; w5 g ; S4 = fw4 ; w5 g ; S5 = fw1 ; w2 ; w3 g ;
S6 = fw1 ; w3 ; w4 g ; S7 = fw5 ; w3 ; w1 g ; S8 = fw1 ; w2 ; w3 ; w4 g.
EXERCICE 3
On se place dans R3 est muni de sa base canonique (e1 ; e2 ; e3 ) et on dé…nit les vecteurs
w1 = (1; 1; 1) ; w2 = (1; 0; 0) ; w3 = (1; 1; 0) ; w4 = (0; 0; 1) ; w5 = (2; 2; 0).
Les familles suivantes sont-elles des bases de R3 :
S1 = fw1 ; w2 g ; S2 = fw2 ; w5 g ; S3 = fw3 ; w5 g ; S4 = fw4 ; w5 g ; S5 = fw1 ; w2 ; w3 g ;
S6 = fw1 ; w3 ; w4 g ; S7 = fw5 ; w3 ; w1 g ; S8 = fw1 ; w2 ; w3 ; w4 g.
EXERCICE 4
R3 est muni de sa base canonique (e1 ; e2 ; e3 ).
Soient les vecteurs u1 = (1; 1; 1) ; u2 = ( 1; 1; 0) ; u3 = (1; 0; 1).
1. Montrer que B1 = fu1 ; u2 ; u3 g est une base de R3 .
2. Donner les coordonnées respectives des vecteurs (1; 0; 0) ; (1; 0; 1) et (0; 0; 1)
dans B1 .
3. Soit B2 = fv1 = (0; 1; 1) ; v2 = (1; 0; 1) ; v3 = (1; 1; 0)g.
(a) Montrer que B2 est une base de R3 .
(b) Trouver dans B1 et B2 les composantes du vecteur (1; 2; 1).
EXERCICE 5
R4 est muni de sa base canonique (t1 ; t2 ; t3 ; t4 ). On considère les vecteurs :
e1 = (1; 2; 3; 4) ; e2 = (1; 1; 1; 3) ; e3 = (2; 1; 1; 1) ; e4 = ( 1; 0; 1; 2) ; e5 = (2; 3; 0; 1).
Soient E l’espace vectoriel engendré par e1 ; e2 ; e3 et F par e4 et e5 .
Calculer les dimensions respectives de E, F , E \ F et E + F .
EXERCICE 6
Soit E = f(x; y; z; t) 2 R4 ; x + y z + 2t = 0 et x + y + z = 0 g
a) Montrer que E est un sous-espace vectoriel de R4 .
b) Donner une base et la dimension de E.
EXERCICE 7

42
TRAVAUX DIRIGES/Espaces vectoriels et Applications linéaires

Soient F = f(x; y; z) 2 R3 ; x + y + z = 0g et G = f(x; y; z) 2 R3 ; x y = 0 et z = 0g.

Montrer que F et G sont deux sous-espaces vectoriels supplémentaires de R3 .
EXERCICE 8
Soient f : R3 ! R3 ; (x; y; z) 7! (x; y; 0) ; g : R2 ! R3 ; (x; y) 7! (x y; x + y; x + 2y)
et h : R3 ! R ; (x; y; z) 7! x 3y + 2z.
1. Montrer que f; g et h sont linéaires.
2. Déterminer noyau et image dans chaque cas.
EXERCICE 9
Vous répondrez par Vrai ou faux avec justi…cation
a) A un homomorphisme donné f correspond une in…nité de matrices
qui lui sont associées.
b) L’application identique d’un espace vectoriel E de dimension …nie
se traduit par la même matrice dans toutes les bases de E.
EXERCICE 10
Soit = (e1 ; e2 ; e3 ; e4 ) la base canonique de R4 et f l’endomorphisme de R4
dé…ni par :
f (e1 ) = 3e1 + e2 + e3 + e4 ; f (e2 ) = e1 + e2 e3 + e4 ; f (e3 ) = e1 e2 + e3 e4
f (e4 ) = e1 + e2 e3 + e4 .
1. Donner la matrice de f relativement à la base . f est-il un automorphisme ?
2. Calculer f (x; y; z; t) pour (x; y; z; t) 2 R4 de deux façons.
3. Déterminer ker f et Im f .
4. Soit F = vect (e3 ; e4 ). F et ker f sont-ils supplémentaires ?
EXERCICE 11
On considère R3 muni de la base canonique = fe1 ; e2 ; e3 g :
Soient !u = e1 + 2e2 + e3 , ! v = 2e1 + e2 e3 , ! w m = me2 e3 ; m 2 R
1) Pour quelles valeurs de m, Sm = f! u ;!v ;!
w m g est-il une base de R3 ?
En déduire que S1 est une base de R3 .
2) Déterminer la matrice de passsage de la base à la base S1 .
3) Déterminer la matrice de passage de la base S1 à la base .
! !
4) Soit H = ( 5; 1; 2). Quelles sont les coordonnées de H dans la base S1 ?
5) On considère l’application linéaire
fm : R3 ! R3 : (x; y; z) 7! (x + 2y + z; 2x + y z; my z).
a) Quelle est la matrice de fm dans la base ?
b) Dans quels cas fm est-elle un automorphisme de R3 ?
En déduire que f0 et f1 sont des automorphismes de R3 .
c) Trouver (x; y; z) tel que f1 (x; y; z) = (0; 1; 7) et calculer ( f1 ) 1 (2; 5; 0).
EXERCICE 12 2 3
1 3 2
On considère A = 4 0 0 1 5
0 2 1
On appelle ' l’endomorphisme de R03 dont 1 la matrice dans la base canonique est A
x
1) Soit (x; y; z) 2 R3 . Détermner ' @ y A.
z
2) Montrer que ' est un automorphisme de R3 .
3) On note B = fu1 = (1; 0; 0) ; u2 = (5; 2; 2) ; u3 = ( 1; 1; 2)g
a) Montrer que B est une base de R3 .

43
TRAVAUX DIRIGES/Espaces vectoriels et Applications linéaires

b) Trouver P la matrice de passage de la base canonique de R3 à la base B.

c) Calculer P 1 .
4) Quelle est la matrice N de ' dans la base B.
5) Calculer An pour tout n 2 N.
EXERCICE 13
Soit E = R2 [X] l’espace vectoriel des polynômes à une indéterminée
X, à coe¢ cients réels et de degré inférieur ou égal à 2. On donne :
B1 = X 2 , B2 = (X 1)2 , B3 = (X + 1)2 , C1 = 1,C2 = X, C3 = X 2 .
1. Montrer que B = (B1 ; B2 ; B3 ) et C = (C1 ; C2 ; C3 ) sont des bases de E.
2. Donner les coordonnées des polynômes suivants dans la base B.
R = 2X 1 , S = 12 , T = 3X 2 10X + 1.
3. On considère l’application P 7! f (P ) dé…nie dans E par :
f (P )(X) = P (X 1) + (X + 1)P 0 (X) :
Montrer que f est un endomorphisme de E. Donner les matrices :
(i) MatB (f ) de f en tant qu’endomorphisme de E muni de la base B.
(ii) M atC;B (f ) de f en tant qu’application linéaire de E muni de la
base C dans E muni de la base B.

44
TRAVAUX DIRIGES/COMPLEMENTS d’EXERCICES ; Série A

Exercice 1
Dans R2 , on pose : (x; y) + (x0 ; y 0 ) = (x + x0 ; y + y 0 ) et (x; y) = ( x; 0) ;
2 R: Ces deux lois de composition dé…nissent-elles sur R2
une structure d’espace vectoriel sur R?
Exercice 2
I) Montrer que les vecteurs suivants de R3 sont linéairement
dépendants et préciser leur relation de dépendance :
a) u = (1; 2; 1); v = (1; 0; 1); w = ( 1; 2; 3)
b) u = ( 1; 2; 5); v = (2; 3; 4); w = (7; 0; 7).
II) Préciser si les familles constituées des vecteurs suivants sont liés ou libres.
a) u = (7; 12); v = (18; 13); w = ( 4; 17)
b) u = ( 1; 0; 2); v = (1; 3; 1); w = (0; 1; 1)
5 9
c) u = (15; 27; 6; 12); v = ( ; ; 1; 2):
2 2
III) Déterminer tous les vecteurs (x; y; z) de R3 tels que le système suivant soit libre :

f(1; 0; 0); (0; 1; 1); (x; y; z)g

Exercice 3
On considère les sous-ensembles suivants dé…nis par des conditions sur
les composantes d’un vecteur a = (x1 ; x2 ; x3 ; x4 ) de R4 .
Indiquer ceux qui sont des sous-espaces vectiriels et
préciser alors leur dimension.

E1 = fx 2 R4 j x2 = 0g ; E2 = fx 2 R4 j x2 0g ; E3 = fx 2 R4 j x1 = x2 + x3 g ;
E4 = fx 2 R4 j x3 x4 = 0g ; E5 = fx 2 R4 j x1 2 Qg ; E6 = fx 2 R4 j x2 = x21 g :

Exercice 4
On considère E = R2 [X], l’espace vectoriel des polynômes de degré inférieur ou égal
à 2 à coe¢ cients réels muni de sa base canonique B = (1; x; x2 ).
1. Montrer que B1 = (1; 1 + x; 1 + x + x2 ) est une base de E.
2
2. 0 = 2x1+ 3x + 4 dans la base B1 .
Ecrire f (x)
2
3. Soit P = @ 1 A dans la base B1 ; quelles sont
5
ses composantes dans la base B ?
4. Le système S = (3 + 2x + 2x2 ; 1 + 3x + 2x2 ; 3 5x 2x2 ) est-il une base
de E ? Si non, indiquer une relation qui lie les trois polynômes. Déterminer
la dimension du sous espace vectoriel de E engendré par ce système
Exercice 5
Soit F le sous-espace vectoriel de R3 engendré par les vecteurs :

u = (2; 1; 0); v = ( 1; 0; 1); w = (4; 1; 2)

a) Déterminer la dimension et une base de F et écrire la forme générale d’un élément de
F.
b) Montrer que G = f(0; + ; )j 2 R, 2 Rg est un sous-espace vectoriel de R3
dont

45
TRAVAUX DIRIGES/COMPLEMENTS d’EXERCICES ; Série A

on déterminera la dimension et une base.

c) Déterminer la dimension et une base de la somme et de l’intersection des sous-espaces
vectoriels F et G.
d) Déterminer les coordonnées des vecteurs de la base canonique de R3 dans la nouvelle
base de F + G.
Exercice 6
Dans le R- espace vectoriel E = R3 , on considère les ensembles
F et G dé…nis comme suit :
F = f(a 3b; 2a + 3b; a) ; (a; b) 2 R2 g ; G = f(x; y; z) 2 E; x + 2y = 0g.
1. Prouver que les ensembles F et G sont des sous-espaces vectoriels
de E pour lesquels on donnera une base et la dimension.
2. Déterminer le sous-espace vectoriel F \ G.
Exercice 7
Préciser si les applications f : R3 ! R3 et g : R2 ! R3
dé…nies ci-après sont linéaires ou non :

f (x; y; z) = (x + y; y + z; z 1) ;
g(x; y) = (x; y; m) où m est un paramètre réel.

Exercice 8

Trouver un endomorphisme de R3 dont le noyau soit le sous-espace

vectoriel engendré par les vecteurs
u = (1; 0; 0) et v = (1; 1; 1). Est-il unique ?

Exercice 9
Soit f l’application linéaire de R4 dans R3 dé…nie par :

f (x; y; z; t) = (6x y + az 2t; 15x + y + 3z + 5t; 3x y + 5z t).

1. Montrer que cette application n’est pas injective et déterminer

les valeurs du réel a pour lesquelles elle est surjective.
2. Donner une base du noyau de f .
Exercice 10
Soient R3 , l’espace vectoriel de base canonique B = (e1 ; e2 ; e3 )
et f l’endomorphisme de R3 dé…ni par :
f (e1 ) = e1 + 3e2 ; f (e2 ) = 2e1 + e3 ;
f (e3 ) = e1 + 2e2 + e3 .
1. Déterminer la matrice A associée à f .
2. Déterminer une base de Ker (f ) et de Im (f ).
3. Soit u = e1 + e2 e3 , montrer que (u; f (u) ; f 2 (u)) est une base de R3
et déterminer la matrice de f dans cette base.
4. Montrer que le système (u; e1 ; e2 ) est une base de R3 et déterminer la
matrice de f dans cette base.
Exercice 11
Soit f un endomorphisme de R3 de matrice A dans la base canonique 0 = (e1 ; e2 ; e3 )

46
TRAVAUX DIRIGES/COMPLEMENTS d’EXERCICES ; Série A

2 3
1 2 3
dé…nie par : A = 4 1 4 5 5.
0 2 2
1. Déterminer la matrice dé…nie par : (A I3 ) où I3 est la matrice d’ordre 3
et 2 R.
2. Calculer le polynôme P ( ) = det (A I3 ). En déduire les solutions de
l’équation P ( ) = 0.
3. Déterminer une base de chacun des sous-espaces vectoriels de R3 dé…nis par
E i = ker (f i IdR3 ), où i couvre les solutions de P ( ) = 0
et IdR3 est l’application identité de R3 .
4. Soient u1 = e1 + e2 + e3 , u2 = e1 + 3e2 + 2e3 , u3 = e1 + 2e2 + e3 .
a) Montrer que = (u1 ; u2 ; u3 ) est une base de R3 .
b) Déterminer la matrice de passage P de la base 0 à la base .
c) Déterminer la matrice D de f dans la base par la formule D = P 1 AP .
d) 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 2 N.

47
TRAVAUX DIRIGES/COMPLEMENTS d’EXERCICES ; Série B

Exercice 1
Soit R+ muni de la loi de composition interne dé…nie par a b = ab,
8a; b 2 R+ et de la loi de composition externe telle que
a = a ; 8a 2 R+ , 8 2 R.
Montrer que R+ ; ; est un R-espace vectoriel.
Exercice 2
Considérons les opérations suivantes : : R2 R2 ! R2 et : R2 R ! R2 .
Dans quels cas la structure (R2 ; ; ) est-elle un espace vectoriel sur R ?
8 (x1 ; y1 ) ; (x2 ; y2 ) 2 R2 , 8 2 R.
p p 3 p p 5
1. (x1 ; y1 ) (x2 ; y2 ) = 3 x + 3 x
1 2 ; 5 y1 + 5 y2 ; (x1 ; y1 ) = x1 3 ; x1 3
;
2. (x1 ; y1 ) (x2 ; y2 ) = (x1 + y1 ; 0) ; (x1 ; y1 ) = (x1 ; 0) ;
3. (x1 ; y1 ) (x2 ; y2 ) = (y1 + y2 ; x1 + x2 ) ; (x1 ; y1 ) = (y1 ; x1 ).
Exercice 3
Soit E = f(x; y) 2 R2 = y = 2xg: Montrer que E est un sous-espace vectoriel
de R2 et déterminer une base de E:

Exercice 4
On considère R3 muni de la base canonique = fe1 ; e2 ; e3 g :
Soient !
u = e1 + 2e2 + e3 , ! v = 2e1 + e2 e3 , ! w m = me2 e3 ; m 2 R
1) Pour quelles valeurs de m, Sm = f! u ;!
v ;!w m g est-il une base de R3 ?
En déduire que S1 est une base de R3 :
2) Déterminer la matrice de passsage de la base à la base S1 :
3) Déterminer la matrice de passage de la base S1 à la base :
! !
4) Soit H = ( 5; 1; 2). Quelles sont les coordonnées de H dans la base S1 ?
5) On considère l’application linéaire
fm : R3 ! R3 : (x; y; z) 7! (x + 2y + z; 2x + y z; my z):
a) Quelle est la matrice de fm dans la base ?
b) Dans quels cas fm est-elle un automorphisme de R3 ?
En déduire que f0 et f1 sont des automorphismes de R3 :
c) Trouver (x; y; z) tel que f1 (x; y; z) = (0; 1; 7) et calculer ( f1 ) 1 (2; 5; 0):

Exercice 5 0 1 0 1
3 0 2 2 3 1
Soient les matrices : A = @ 4 2 0 A ; B = @ 2 i 2 A;
0 1 1 i 1 i 2 0
0 2 2
@ 2 4 3
C= 3 1 1 A et D = .
5 11 2
3 1 1
1° ) Calculer si possible les matrices suivantes : E = AB et E 0 = BA
que peut-on conclure ?
2° ) Calculer si possible les matrices : F = AD et F 0 = DA.
3° ) Calculer C 3 . En déduire que C n’est pas inversible.

Exercice 6 0 1 0 1
1 2 5 2 0 2
On considère les matrices A = @ 3 2 3 A;B = @ 1 4 2 A
2 6 0 0 1 0

48
TRAVAUX DIRIGES/COMPLEMENTS d’EXERCICES ; Série B

0 1
x
et T = @ y A :
z
1° ) Montrer que A et B Sont inversible et déterminer leur inverse.
Mêmes questions pour C=AB. 0 1
2
2° ) Résoudre dans IR3 l’équation matricielle CT = @ 0 A :
m
Exercice 7
1 1
On considère la matrice A = 2 M2 (R) :
1 0
a) Montrer que A2 = A I2 :
b) Calculer A3
c) Montrer que, si p est un entier positif, on a :
A3p = ( 1)p I2 , A3p+1 = ( 1)p A , A3p+2 = ( 1)p (A I2 ) :
d) Les suites réelles (un ) et (vn ) sont dé…nies par les relations de récurrence :
un+1 = un + vn ; vn+1 = un et par la donnée de u1 et v1 :
Calculer un et vn en fonction de u1 , v1 et n, en particulier
pour n = 3p; n = 3p + 1 ; n = 3p + 2; p 2 N.

Exercice 8
Soit E un R - espace vectoriel de dimension 3 et = (e1 ; e2 ; e3 ) une base de E.
On considère l’application R - linéaire u : E ! E dé…nie par :
u (e1 ) = e1 + e2 + 2e3 , u (e2 ) = u (e1 ), u (e3 ) = e1 e2 .
Soit M la matrice de u dans la base : On pose :
f1 = e2 + e3 , f2 = e1 + e3 , f3 = e1 + e2 et & = (f1 ; f2 ; f3 ).
1) Écrire la matrice M .
2) Calculer la dimension de Ker (u), le rang de u et le rang de M .
3) Montrer que & est une base de E.
4) Soit P la matrice de passage de la base à la base & et
N la matrice de u dans la base &:
4-a) Déterminer les matrices P; P 1 et N:
4-b) Pour tout entier k 1, calculer N k et en déduire M k :

49
TRAVAUX DIRIGES/COMPLEMENTS d’EXERCICES ; Série C

Exercice 1
Sur l’ensemble Pn0 des polynômes à une indéterminée X de coé¢ cients réels,
de degré égal à l’entier positif n, on dé…nit l’addition de deux polynômes P et Q par :

(P + Q)(X) = P (X) + Q(X)

et la multiplication par un scalaire réel par :

( P )(X) = P (X):

a) Examiner si l’ensemble Pn0 muni de ces deux lois est un espace vectoriel.
b) Même question pour l’ensemble Pn des polynômes à une indéterminée X,
de degré inférieur ou égal à l’entier n. Montrer que l’ensemble In
des polynômes P de Pn tels que :

P (X) + P ( X) = 0

est un espace vectoriel dont on déterminera la dimension et une base.

Exercice 2
Sur l’ensemble S des suites numériques u=(un )n2N on dé…nit l’addition de
deux suites u et v par u + v = (un + vn )n2N
et la multiplication par un scalaire réel par :

u = ( un )n2N

1. Montrer que S est un espace vectoriel.

2. Montrer que l’ensemble F des suites de Fibonaci qui véri…ent la relation de
récurrence un+2 = un+1 + un est un espace vectoriel dont on déterminera
la dimension.
Exercice 3
1. On considère les sous-ensembles suivants dé…nis par des conditions sur
les composantes d’un vecteur a = (x1 ; x2 ; x3 ; x4 ) de R4 .
Indiquer ceux qui sont des sous-espaces vectiriels et préciser alors leur dimension.
E1 = fx 2 R4 j x2 = 0g ; E2 = fx 2 R4 j x2 0g ;
E3 = fx 2 R4 j x1 = x2 + x3 g ; E4 = fx 2 R4 j x3 x4 = 0g ;
E5 = fx 2 R4 j x1 2 Qg ; E6 = fx 2 R4 j x2 = x21 g :
Exercice 4
Déterminer si les ensembles suivants sont des sous-espaces vectoriels de
l’espace vectoriel E des fonctions dérivables sur R :
E1 = ff 2 E j f 2 = f 0 g ; E2 = ff 2 E j f (x) = xf 0 (x) ; 8x 2 Rg :
Exercice 5
I) A partir du système libre fe1 ; :::; en g d’un espace vectoriel E,
on construit les vecteurs :

j = e1 +e2 +:::+ej pour j = 1; 2; :::; n. Montrer que f 1 ; 2 ; :::; ng est aussi un système libre.

50
TRAVAUX DIRIGES/COMPLEMENTS d’EXERCICES ; Série C

II) Si b1 = (1; 1; 1; 1) ; b2 = (1; 1; 1; 1) ; b3 = (1; 1; 1; 1); b4 = (1; 1; 1; 1) consti-

tient une base de R4 ,

déterminer les coordonnées du vecteur x = (1; 2; 1; 1) dans cette base.

III) Montrer que le sous-ensemble E, ci-après est un sous-espace vectoriel de R4
dont on déterminera la dimension et une base.

E = f( ;2 ; +2 ; )j 2 R; 2 Rg
:
IV) Montrer que les polynômes P1 , P2 , P3 dé…nis ci-après forment une base
de l’espace vectoriel des polynômes
à une indéterminée X, de degré inférieur ou égal à deux :

P1 (X) = X 2 ; P2 (X) = (X 1)2 ; P3 (X) = (X + 1)2 .

Exprimer les polynômes Q et R suivants dans cette base :

Q(X) = 12 ; R(X) = 3X 2 10X + 1.

V) Soit E l’espace vectoriel des fonctions réelles continues et dérivables sur R et

F l’ensemble des fonctions numériques f dé…nies par :
8
< x+ si x < 0
f (x) = ax2 + bx + c si 0 x 1 .
:
x+ si 1 < x

Exprimer les constantes réelles , , , en fonction des trois réels a, b, c pour que
F soit un sous-espace vectoriel de E. Déterminer alors la dimension et
une base de F .
VI) Soit F le sous-espace vectoriel de R3 engendré par les vecteurs :

u = (2; 1; 0) ; v = ( 1; 0; 1) ; w = (4; 1; 2)
a) Déterminer la dimension et une base de F et écrire la forme générale d’un
élément de F .
b) Montrer que G = f(0; + ; ) j 2 R; 2 Rg est
3
un sous-espace vectoriel de R dont on déterminera la dimension et une base.
c) Déterminer la dimension et une base de la somme et de l’intersection
des sous-espaces vectoriels F et G.
d) Déterminer les coordonnées des vecteurs de la base canonique de R3
dans la nouvelle base de F + G.
X) Dans l’espace vectoriel R3 [X] des polynômes de degré inférieur ou égal à 3,
on considère les polynômes suivants de l’indéterminée X :

P1 (X) = 5+X+X 2 +X 3 ; P2 (X) = 1+6X+3X 2 +X 3 ; P3 (X) = 16+3X 2X 3 ;

51
TRAVAUX DIRIGES/COMPLEMENTS d’EXERCICES ; Série C

P4 (X) = 3+4X+4X 2 +X 3 ; P5 (X) = 6+3X+X 2 ; P6 (X) = 3+6X+10X 2 +3X 3 ;

P7 (X) = 3 X 3X 2 X 3.
Déterminer la dimension et une base des espaces vectoriels F et G engendré
respectivement par les familles fP1 ; P2 ; P3 ; P4 g et fP5 ; P6 ; P7 g,
puis des espaces vectoriels F \ G et F + G:
VII) Soit F et G les sous-espaces vectoriels de R4 engendrés par les familles
respectives fu1 ; u2 ; u3 g et fv1 ; v2 g ; où :

u1 = (1; 0; 4; 2) ; u2 = (1; 2; 3; 1) ; u3 = (1; 2; 5; 3) ; v1 = (4; 2; 0; 1) ; v2 = (1; 4; 2; 1) .

a) Déterminer la dimension et une base des espaces vectoriels F et G.

b) Montrer que les sous-espaces F et G sont supplémentaires.
Exercice 6
Préciser si les applications f : R3 ! R3 et g : R2 ! R3
dé…nies ci-après sont linéaires ou non :

f (x; y; z) = (x + y; y + z; z 1); g(x; y) = (x; y; m) où m est un paramètre réel.

Exercice 7
Trouver un endomorphisme de R3 dont le noyau soit le sous-espace vectoriel
engendré par les vecteurs u = (1; 0; 0) et v = (1; 1; 1). Est-il unique ?
Exercice 8
Soit f l’application linéaire de R4 dans R3 dé…nie par :

f (x; y; z; t) = (6x y + az 2t; 15x + y + 3z + 5t; 3x y + 5z t).

Montrer que cette application n’est pas injective et déterminer les valeurs
du réel a pour lesquelles elle est surjective. Donner une base du noyau de f .
Exercice 9
1 0 1 1
On considère les matrices : A = B= .
1 2 1 0
Calculer A2 + 2AB + B 2 et comparer avec (A + B)2 . Commenter.
Exercice 10
Si M et N sont deux matrices de types respectifs (m; n) et (n; m) telles que M N = I,
montrer que la matrice P = N M est idempotente, c’est-à-dire que P 2 = P .
En déduire que P est diviseur à droite et à gauche de zéro.
Exercice 11
On considère les matrices suivantes :
2 3
2 1 0
5 2 0 1 0
A=4 1 0 2 5, B = , C= .
3 1 2 0 3
3 1 1

52
TRAVAUX DIRIGES/COMPLEMENTS d’EXERCICES ; Série C

Calculer, parmi les produits matriciels suivants, ceux qui ont un sens :

AB, BA, A2 , AC, CA, C 2 , BC, CB, B 2 .

Exercice 12
Montrer que les vecteurs suivants forment une base de R3 :

1 = (1; 0; 1) ; 2 = ( 1; 1; 0) ; 3 = (2; 1; 1) .
On dé…nit alors l’application f de R3 dans R4 par les images,
exprimées dans la base canonique de R4 :

f ( 1 ) = (1; 1; 1; 0) ; f ( 2 ) = ( 1; 1; 1; 0) ; f ( 3 ) = (0; 1; 1; 1) .
Déterminer la matrice A qui représente f lorsque R3 est muni de la basef 1 ; 2 ; 3 g
et la matrice B lorsque R3 est muni de la base canonique.
A-t-on une relation matricielle entre A et B ?
Exercice 13
On considère l’homomorphisme f de R4 dans R3 dé…ni par :

f (x; y; z; t) = (x + t; x + y + t; y + z + t) .
Déterminer la matrice de cette application linéaire lorsque R4 est
muni de la base formée des vecteurs :
u1 = (1; 1; 1; 1; ) ; u2 = (1; 1; 1; 0) ; u3 = (1; 1; 0; 0) ; u4 = (1; 0; 0; 0)
et R3 de la base :

v1 = (0; 0; 1) ; v2 = (0; 1; 1) ; v3 = (1; 1; 1) .

Déterminer le noyau et l’image (Imf ) de f .

53
Bibliographie

[1] Jean-Marie Monier, Algèbre MPSI, Cours et 700 Exercices Corrigés,

3ème édition, DUNOD
[2] J.-P.Lecoutre, P. Pilibossian, Travaux Dirigés, Algèbre,
2ème édition, DUNOD
[3] J.Lelong-Ferrand, J.M. Arnaudiès, Cours de Mathématiques, Tome 1, Algèbre,
3ème édition, DUNOD.
[4] Claude Boy, Alain Nizard, Prépas TD Algèbre, Exercices et corrigés, Armand Colin.

54