B -APPLICATIONS LINEAIRES EXO 1

1. Définition Dire si l’application proposée est linéaire.

Soit 𝐸 et 𝐹 deux espaces vectoriels, et 𝑓 une application de 𝐸 vers
𝐹. On dit que 𝑓 est une application linéaire si et seulement si : a) 𝑓(𝑥, 𝑦) = 𝑥 ; 𝑅 2 ⟶ 𝑅 ;
b) 𝑓(𝑥, 𝑦, 𝑧) = (𝑥 + 𝑦 − 𝑧, 0, 𝑦) ; 𝑅 3 ⟶ 𝑅 3 ;
i.∀ 𝒙, 𝒚 ∈ 𝑬; 𝒇(𝒙 + 𝒚) = 𝒇(𝒙) + 𝒇(𝒚) c) 𝑓(𝑥) = 𝑥 + 1 ; 𝑅 ⟶ 𝑅 ;
ii.∀ 𝒙 ∈ 𝑬, ∀ 𝝀 ∈ 𝑹; 𝒇( 𝝀𝒙) = 𝝀𝒇(𝒙) d) 𝑓(𝑥, 𝑦) = 𝑥𝑦 ; 𝑅 2 ⟶ 𝑅 ;
e) 𝑓(𝑃) = 𝑃′ ; 𝑅𝑛 [𝑋] ⟶ 𝑅𝑛−1 [𝑋]
En particulier si 𝐸 = 𝐹 , l’application linéaire 𝑓 est appelée
f) 𝑓(𝑃) = 𝑃 − 1 ; 𝑅𝑛 [𝑋] ⟶ 𝑅𝑛 [𝑋]
endomorphisme.
g) 𝑓(𝑃) = 𝑃 − 𝑃(0); 𝑅𝑛 [𝑋] ⟶ 𝑅𝑛 [𝑋]
Exemple
2. Noyau d’une application linéaire
Soit 𝑓 l’application de 𝑅 2 vers 𝑅 2 définie par Soit 𝑓 une application linéaire de 𝐸 vers 𝐹, le noyau de 𝑓 noté
𝑘𝑒𝑟𝑓 est le sous espace vectoriel :
(𝑥, 𝑦) ↦ 𝑓(𝑥, 𝑦) = (𝑥 + 𝑦, 𝑥 − 𝑦).

i. Soient 𝑢, 𝑣 ∈ 𝐸 montrons que 𝑓(𝑢 + 𝑣) = 𝑓(𝑢) + 𝑓(𝑣) . 𝒌𝒆𝒓𝒇 = {𝒙 ∈ 𝑬: 𝒇(𝒙) = 𝟎}

Posons 𝑢 = (𝑥, 𝑦) et 𝑣 = (𝑥′, 𝑦′). On a 𝑢 + 𝑣 = (𝑥 + 𝑥 ′ , 𝑦 + 𝑦 ′ ) et

Exemple
′
𝑓(𝑢 + 𝑣) = 𝑓(𝑥 + 𝑥 , 𝑦 + 𝑦 ′) ′)
= ((𝑥 + 𝑥 + (𝑦 + 𝑦 ′ ), (𝑥 ′)
+ 𝑥 − (𝑦 + 𝑦 ′ )) Cherchons le noyau de l’application linéaire suivante :

= ((𝑥 + 𝑦) + (𝑥′ + 𝑦 ′ ), (𝑥 − 𝑦) + (𝑥 ′ − 𝑦 ′ )) 𝑓(𝑥, 𝑦) = (𝑥 − 𝑦, 𝑦 − 𝑥); 𝑅 2 ⟶ 𝑅 2

= (𝑥 + 𝑦, 𝑥 − 𝑦) + (𝑥 ′ + 𝑦 ′ , 𝑥 ′ − 𝑦 ′ ) = 𝑓(𝑢) + 𝑓(𝑣).
𝑘𝑒𝑟𝑓 = {(𝑥, 𝑦) ∈ 𝑅 2 : (𝑥 − 𝑦, 𝑦 − 𝑥) = (0,0)} c’est donc le s.e.v
ii. Soit 𝜆 ∈ 𝑅 montrons que 𝑓(𝜆𝑢) = 𝜆𝑓(𝑢). On a 𝜆𝑢 = (𝜆𝑥, 𝜆𝑦)
donc 𝑓(𝜆𝑢) = (𝜆𝑥 + 𝜆𝑦, 𝜆𝑥 − 𝜆𝑦) = 𝜆(𝑥 + 𝑦, 𝑥 − 𝑦) = 𝜆𝑓(𝑢). {(𝑥, 𝑦) ∈ 𝑅 2 : 𝑦 = 𝑥} ={(𝑥, 𝑥) ∈ 𝑅} = 𝑣𝑒𝑐𝑡(1,1).

Conclusion 𝑓 est un endomorphisme.

1
 EXO 2
Trouver le noyau de chacune des applications suivantes. 2. 𝑓(𝑥, 𝑦) = (𝑥 − 𝑦, 𝑦 − 𝑥); 𝑅 2 ⟶ 𝑅 2
Donner son générateur.
1. 𝑓(𝑥, 𝑦) = (2𝑥 + 𝑦, 2𝑦 + 4𝑥); 𝑅 2 ⟶ 𝑅 2 𝐼𝑚𝑓 = {(𝑋, 𝑌) ∈ 𝑅 2 : ∃(𝑥, 𝑦) ∈ 𝑅 2 ; 𝑋 = 𝑥 − 𝑦 𝑒𝑡 𝑌 = 𝑦 − 𝑥}
2. 𝑓(𝑥, 𝑦) = (𝑥, 0); 𝑅 2 ⟶ 𝑅 2
3. 𝑓(𝑥, 𝑦) = (𝑥 + 𝑦, 𝑥 − 𝑦); 𝑅 2 ⟶ 𝑅 2 Est-ce que tout couple (𝑋, 𝑌) vérifie cette propriété ? non car
4. 𝑓(𝑥, 𝑦) = 0; 𝑅 2 ⟶ 𝑅 (1,0) par exemple. En effet, il est impossible de trouver 𝑥 et 𝑦
5. 𝑓(𝑥, 𝑦, 𝑧, 𝑡) = (𝑥 − 𝑧, 𝑦 + 𝑡, 𝑧 − 𝑥, 𝑦 + 𝑡); 𝑅 4 ⟶ 𝑅 4 tels que 1= 𝑥-y et 0 = 𝑦 − 𝑥, ces deux équations sont
6. 𝑓(𝑃) = 𝑃′ ; 𝑅𝑛 [𝑋] ⟶ 𝑅𝑛−1 [𝑋] contradictoires. Pour que (𝑋, 𝑌) ∈ 𝐼𝑚𝑓, il faut et il suffit que :

3. Image d’une application linéaire 𝑌 = 𝑦 − 𝑥 = −(𝑥 − 𝑦) = −𝑋

Soit 𝑓 une application linéaire de 𝐸 vers 𝐹, l’image de 𝑓 noté finalement :
𝐼𝑚𝑓 est le sous espace vectoriel :
𝑰𝒎𝒇 = {𝒚 ∈ 𝑭: ∃ 𝒙 ∈ 𝑬; 𝒚 = 𝒇(𝒙)} 𝐼𝑚𝑓 = {(𝑋, 𝑌) ∈ 𝑅 2 : 𝑌 = −𝑋} = 𝑣𝑒𝑐𝑡(1, −1)

On appelle rang de 𝑓 la dimension de l’image de 𝑓. EXO 3

𝒓𝒂𝒏𝒈(𝒇) = 𝒅𝒊𝒎 𝑰𝒎𝒇 Trouver l’image de chacune des applications de l’EXO2.
Exemple Donner son générateur.
Cherchons l’image de l’application linéaire suivante :

1. 𝑓(𝑥, 𝑦) = (𝑥 + 𝑦, 2𝑥); 𝑅 2 ⟶ 𝑅 2 4. Théorème du rang

Soit 𝑓 une application linéaire de 𝐸 vers 𝐹 avec 𝐸 et 𝐹 sont de
𝐼𝑚𝑓 = {(𝑋, 𝑌) ∈ 𝑅 2 : ∃(𝑥, 𝑦) ∈ 𝑅 2 ; 𝑋 = 𝑥 + 𝑦 𝑒𝑡 𝑌 = 2𝑥} dimension finies alors on a :
𝑌 𝑌
Cherchons 𝑥 et 𝑦. On a 𝑥 = 2 et 𝑦 = 𝑋 − 𝑥= 𝑋 − 2
𝑌 𝑌
𝒅𝒊𝒎 𝑬 = 𝒅𝒊𝒎 𝑲𝒆𝒓𝒇 + 𝒅𝒊𝒎 𝑰𝒎𝒇
donc 𝑥 = 2 et 𝑦 = 𝑋 − 2 existent toujours ∀(𝑋, 𝑌) ∈ 𝑅 2 .
D’où : Vérifier le Théorème du rang pour chacune des applications de
2
𝐼𝑚𝑓 = 𝑅 . l’EXO2.

2
B –MATRICE D’UNE APPLICATIONS LINEAIRES 3. Produit des Matrices
Soient 𝐴 = (𝑎𝑖𝑗 ) et 𝐵 = (𝑏𝑖𝑗 ) des matrices. Le produit 𝐴. 𝐵 n’est
1. Définition d’une Matrice possible que si le nombre de colonnes de 𝐴 est égal au nombre de
Une matrice 𝑀 ∈ ℳ𝑛×𝑚 (𝑅) un ensemble de nombres réels lignes de 𝐵 ( ∈ ℳ𝑛×𝑚 et 𝐵 ∈ ℳ𝑚×𝑟 ). Dans ce cas si on pose
disposés en 𝑛 lignes et en 𝑚 colonnes sous forme de tableau
rectangulaire. 𝑪 = 𝑨. 𝑩 = (𝒄𝒊𝒋 ) ∈ 𝓜𝒏×𝒓 avec 𝒄𝒊𝒋 = ∑𝒎
𝒌=𝟏 𝒂𝒊𝒌 𝒃𝒌𝒋
On note 𝑎𝑖𝑗 l’élément qui se trouve à la 𝑖 è𝑚𝑒 ligne et à la 𝑗 è𝑚𝑒
colonne. On peut écrire 𝑀 = (𝑎𝑖𝑗 ) Exemple
1 1 0 2
1 1 0 2 4 1 3
Exemple ( ) . (1 3 1 1) = ( )
1 −1 2 2 0 1 4 4 0 5
( ) ∈ ℳ2×3 (𝑅) 2 1 0 1
2 0 3
Cas particulier : 4. Multiplication par un scalaire
- La matrice nulle : tous les éléments sont nuls ∀ 𝜆 ∈ 𝑅 et 𝐴 = (𝑎𝑖𝑗 ) ∈ ℳ𝑛×𝑚 (𝑅) on définit :
- La matrice unité 𝐼𝑛 : ici 𝑛 = 𝑚 et tous les éléments de la
𝝀. 𝑨 = (𝝀𝒂𝒊𝒋 ) ∈ 𝓜𝒏×𝒎 (𝑹)
diagonal sont égaux à 1 et les autres sont nuls.
Exemple
0 0 0 1 0 0 1 1 0 2 2 0
03 = (0 0 0) ; 𝐼3 = (0 1 0) 2( )=( )
2 0 1 4 0 2
0 0 0 0 0 1
5. Transposé de Matrice
2. Somme des Matrices
Soient 𝐴 = (𝑎𝑖𝑗 ) ∈ ℳ𝑛×𝑚 la transposé de 𝐴 est la matrice 𝑡𝐴
L’addition de deux matrices est possible si elles ont le même type.
Soient 𝐴 = (𝑎𝑖𝑗 ) et 𝐵 = (𝑏𝑖𝑗 ) des matrices, leurs somme est : définie par :
𝒕
𝑨 = (𝒂𝒋𝒊 ) ∈ 𝓜𝒎×𝒏
𝑨 + 𝑩 = (𝒂𝒊𝒋 + 𝒃𝒊𝒋 )
C'est-à-dire qu’on échange les lignes et les colonnes.
Exemple Exemple
1 −1 2 1 1 1 2 0 3 𝑡 1 2
( )+( )=( ) 1 1 0
2 0 3 0 1 0 2 1 3 ( ) = (1 0 )
2 0 1
0 1

3
6. Matrice d’une application linéaire 2 1 1
𝑀(𝑓) = ( ) ∈ ℳ2×3
Soit 𝑓 une application linéaire de 𝐸 vers 𝐹, avec 𝑑𝑖𝑚 𝐸 = 𝑚 et 0 1 1
𝑑𝑖𝑚 𝐹 = 𝑛 . Soient 𝐵 = {𝑒𝑗 ; 𝑗 = 1. . 𝑚} et 𝐵′ = {𝑒𝑖′ ; 𝑖 = 1. . 𝑛}
2. Donner la matrice de 𝑓 dans les bases suivantes
des bases respectives de 𝐸 et de 𝐹.
𝐵 = {𝑒1 = (1,1,1); 𝑒2 = (1,1,0); 𝑒3 = (1,0,0)} la base de 𝑅 3
et 𝐵′ = {𝑤1 = (1, −1); 𝑤2 = (2,0)} la base de 𝑅 2 .
Soit 𝑖 variant de 1 à 𝑛 et 𝑗 de 1 à 𝑚 alors 𝑓(𝑒𝑗 ) ∈ 𝐹. Posons 𝑎𝑖𝑗
les composantes de 𝑓(𝑒𝑗 ) dans la base 𝐵′ i.e.
𝑛
Nous allons d’abord exprimer les éléments 𝑢, 𝑣 de la base
canonique de 𝑅 2 en fonction des éléments 𝑤1 , 𝑤2 de la
𝑓(𝑒𝑗 ) = ∑ 𝑎𝑖𝑗 𝑒𝑖′
nouvelle base 𝐵 ′ .
𝑖=1
𝒘 𝒘
La matrice de 𝑓 est donc définie par : 𝑤1 = 𝑢 − 𝑣 et 𝑤2 = 2𝑢 donc 𝒖 = 𝟐𝟐 et 𝒗 = 𝟐𝟐 − 𝒘𝟏

𝑀(𝑓)𝐵,𝐵′ = (𝑎𝑖𝑗 ) ∈ ℳ𝑛×𝑚 Calculons 𝑓(𝑒1 ), 𝑓(𝑒2 ), 𝑓(𝑒3 )

 𝑓(𝑒1 ) = 𝑓(1,1,1) = (2 + 1 + 1,1 + 1) = (4,2) = 4𝑢 + 2𝑣

Exemple
Considérons l’application linéaire suivante : =4
𝑤2 𝑤
+ 2 ( 22 − 𝑤1 ) = 3𝑤2 − 2𝑤1 = (−2,3)𝐵′
2
𝑓(𝑥, 𝑦, 𝑧) = (2𝑥 + 𝑦 + 𝑧, 𝑦 + 𝑧); 𝑅 3 ⟶ 𝑅 2
 𝑓(𝑒2 ) = 𝑓(1,1,0) = (2 + 1 + 0,1 + 0) = (3,1) = 3𝑢 + 𝑣
1. Donner la matrice de 𝑓 dans les bases canoniques de 𝑅 3 et 𝑅 2 .
La base canonique de 𝑅 3 est {𝑖(1,0,0); 𝑗(0,1,0); 𝑘(0,0,1)} 𝑤2 𝑤
=3 + ( 22 − 𝑤1 ) = 2𝑤2 − 𝑤1 = (−1,2)𝐵′
et celle de 𝑅 2 est {𝑢(1,0); 𝑣(0,1)}. Calculons 𝑓(𝑖), 𝑓(𝑗), 𝑓(𝑘) 2

𝑤2
𝑓(𝑖) = 𝑓(1,0,0) = (2,0) = 2𝑢  𝑓(𝑒3 ) = 𝑓(1,0,0) = (2,0) = 2𝑢=2 = 𝑤2 = (0,1)𝐵′
2
𝑓(𝑗) = 𝑓(0,1,0) = (1,1) = 𝑢 + 𝑣
𝑓(𝑘) = 𝑓(0,0,1) = (1,1) = 𝑢 + 𝑣 −2 −1 0
D’où 𝑀𝐵,𝐵′ (𝑓) = ( ) ∈ ℳ2×3
D’où 3 2 1

4
 EXO 4
1) Soit g l’application linéaire définie par :
𝑔(𝑥, 𝑦) = (𝑦, 𝑥, 𝑥 − 𝑦)
a) Donner la matrice de 𝑔 par rapport aux bases canoniques
de 𝑅 2 et de 𝑅 3 .
b) Soient 𝐵𝐶2 = {𝑒1 ; 𝑒2 } et 𝐵𝐶3 = {𝜀1 ; 𝜀2 ; 𝜀3 } les bases
canoniques respectives de 𝑅 2 et de 𝑅 3 . Et des nouvelles
bases :
𝐵2 = {𝑢(1,1); 𝑣(1, −1)} de 𝑅 2
𝐵3 = {𝑤1 (1, −2,1); 𝑤2 (0,1,0); 𝑤3 (0,1, −1)}
Donner la matrice de 𝑔 par rapport aux bases 𝐵2 et 𝐵3

2) Soit f l’application linéaire définie par :

𝑓(𝑥, 𝑦, 𝑧) = 𝑥 + 𝑦 + 𝑧
a) Donner la matrice de 𝑓 par rapport aux bases
canoniques de 𝑅 3 .et de 𝑅
b) Soient 𝐵𝐶1 = {𝑒} la bases canoniques de 𝑅. Et 𝐵1 =
{𝑡(2)} une autre base de 𝑅
Donner la matrice de 𝑓 par rapport aux bases 𝐵3 et 𝐵1.