École Supérieure Privée d’Ingénierie et de

Technologie

Mathématiques de Base II
PEG 𝟐: Espaces vectoriels et applications linéaires

Niveau : 1ere année Année universitaire :2017-2018

I. Activité introductive :
On considère le polygone Δ, représenté dans la Figure (1) dans un repère orthonormé, et caractérisé par
les coordonnées de ces quatre sommets :𝑆1 (… , … ) 𝑆2 (… , … ) 𝑆3 (… , … ) 𝑆4 (… , … )

 Déterminer les composantes des vecteurs ⃗⃗⃗⃗⃗⃗

𝑂𝑆𝑖 ,
1 ≤ 𝑖 ≤ 4.

Figure (1)

1. Soit Δ′ = 𝑅(𝑂,𝛼) (Δ) où 𝑅(𝑂,𝛼) désigne la rotation de centre 𝑂 et d’angle 𝛼.

Les coordonnées des sommets, de Δ′ ,

𝑆𝑖′ = 𝑅(𝑂,𝛼) (𝑆𝑖 ) 1 ≤ 𝑖 ≤ 4, sont données par les
composantes de 𝑂𝑆 ⃗⃗⃗⃗⃗⃗𝑖 via la rotation suivante :
⃗⃗⃗⃗⃗⃗⃗
𝑂𝑆𝑖′ = 𝑅. ⃗⃗⃗⃗⃗⃗
𝑂𝑆𝑖
cos(𝛼) −sin(𝛼)
Où 𝑅 = ( ) Comme illustré dans
sin(𝛼) cos(𝛼)
𝜋
la Figure (2) par 𝛼 = 2 .
 Déterminer les coordonnées de 𝑆𝑖′ , 1 ≤ 𝑖 ≤ 4
𝜋 Figure (2)
pour 𝛼 = 6 .

1
2. Soit maintenant Δ′′ = ℎ(𝑂,𝑘) (Δ) où ℎ(𝑂,𝑘) désigne l’homothétie de centre 𝑂 et de rapport 𝑘 : un zoom de Δ.

Les coordonnées des sommets, de Δ′′ , 𝑆𝑖′′ =

ℎ(𝑂,𝑘) (𝑆𝑖 ) 1 ≤ 𝑖 ≤ 4, sont aussi données par les
composantes de 𝑂𝑆 ⃗⃗⃗⃗⃗⃗𝑖 comme suit 𝑂𝑆
⃗⃗⃗⃗⃗⃗⃗𝑖′ = 𝑘. 𝑂𝑆
⃗⃗⃗⃗⃗⃗𝑖 .
Dans la Figure (3), on représente Δ′′ = ℎ(𝑂,𝑘) (Δ).
 Déterminer le rapport 𝑘.
Figure (3)

La rotation et l’homothétie sont deux applications du plan ℝ2 dans lui-même.

Le plan ℝ2 est un espace formé des couples (𝑥, 𝑦) de nombres réels, dans lequel la notation (𝑥, 𝑦) a deux
interprétations géométriques : soit comme les coordonnées d’un point du plan, soit comme les composantes
d’un vecteur.

Dans ce cours, les éléments de ℝ2 sont désormais vus comme des vecteurs qui peuvent être soumis à des
transformations à travers des applications et la notation de vecteur sera généralisée dans le cadre d’espaces
vérifiant certaines propriétés appelés « espaces vectoriels ».

La structure d’espace vectoriel intervient dans une grande partie de mathématiques : elle réalise un lien
fondamental entre l’algèbre et la géométrie.

À l’issue de ce chapitre, l’étudiant sera capable de :

 Définir les espaces vectoriels.
 Écrire les coordonnées d’un même vecteur dans des différentes bases.
 Faire la différence entre famille libre, génératrice et base.
 Trouver la dimension d’un espace vectoriel.
 Définir et étudier une application linéaire.

II. Espaces vectoriels :

Dans ce chapitre, 𝕂 désigne ℝ ou ℂ.

1) Définitions :

Loi de composition interne :

Soit 𝐸 un ensemble non vide. Une loi de composition interne, notée additivement " + " sur 𝐸, est une
application de 𝐸 × 𝐸 dans 𝐸, définie par :
+: 𝑬 × 𝑬 ⟶ 𝑬
(𝒂, 𝒃) ⟼ 𝒂 + 𝒃
On dit que 𝑎 + 𝑏 est le composé de 𝑎 et 𝑏 pour la loi +.
la notation (𝐸, +) représente l’ensemble 𝐸 muni de la loi de composition interne +.

2
Exemple(𝟏):
Sur 𝐸 = ℤ,
l’addition définie par : La multiplication définie par : Et la soustraction définie par :
+ :ℤ × ℤ ⟶ ℤ ×: ℤ × ℤ ⟶ ℤ −: ℤ × ℤ ⟶ ℤ
(𝒂, 𝒃) ⟼ 𝒂 + 𝒃 (𝒂, 𝒃) ⟼ 𝒂 × 𝒃 (𝒂, 𝒃) ⟼ 𝒂 − 𝒃

Sont des exemples de lois de composition internes sur ℤ.

𝑎
Ce n’est pas le cas de la division car 𝑏 n’est pas un entier pour tous les couples (𝑎, 𝑏) d’entiers.

Loi de composition externe :

Soit 𝐸 et 𝕂 deux ensembles non vides. Une loi de composition externe, notée multiplicativement ". " sur
𝐸, est une application de 𝕂 × 𝐸 dans 𝐸, notée
∙ :𝕂 × 𝑬 ⟶ 𝑬
(𝜶, 𝒂) ⟼ 𝜶 ∙ 𝒂
On dit que 𝛼. 𝑎 est le composé de 𝛼 et 𝑎 pour la loi " ∙ ".

Exemple(𝟐):
Sur 𝐸 = 𝑀𝑛,𝑝 (ℝ), le produit par un réel 𝛼 défini par :
∙ : ℝ × 𝑀𝑛,𝑝 (ℝ) ⟶ 𝑀𝑛,𝑝 (ℝ)
(𝜶, 𝑨) ⟼ 𝜶 ∙ 𝑨
Est une loi de composition externe sur 𝑀𝑛,𝑝 (ℝ).
Ce n’est pas le cas du produit de 𝑀𝑛,𝑝 (ℝ) par un nombre complexe 𝑧 car 𝑧 ∙ 𝐴 n’est pas une matrice à
coefficients réels.

Un espace vectoriel 𝑬 sur 𝕂 est un ensemble muni d’une loi de composition interne, notée " + ", et d’une
loi de composition externe, notée " ∙ ", vérifiant des conditions précises.
La loi de composition interne " + " vérifie les propriétés suivantes :
1. 𝒖 + 𝒗 = 𝒗 + 𝒖 ∀𝒖, 𝒗 ∈ 𝑬.
2. 𝒖 + (𝒗 + 𝒘) = (𝒖 + 𝒗) + 𝒘 ∀𝒖, 𝒗 et 𝒘 ∈ 𝑬.
3. Il existe un élément neutre 𝟎𝑬 ∈ 𝑬 tel que 𝒖 + 𝑶𝑬 = 𝟎𝑬 + 𝒖 = 𝒖 ∀𝒖 ∈ 𝑬.
4. Tout vecteur 𝒖 ∈ 𝑬 admet un symétrique (ou opposé) 𝒖′ tel que 𝒖 + 𝒖′ = 𝟎𝑬 .
Cet élément 𝒖′ est noté −𝒖.
La loi de composition externe " ∙ " vérifie les propriétés suivantes :
1. 𝟏. 𝒖 = 𝒖. 𝟏 = 𝒖 ∀𝒖 ∈ 𝑬.
2. 𝜶. (𝜷. 𝒖) = (𝜶𝜷). 𝒖 ∀𝜶, 𝜷 ∈ 𝕂, 𝒖 ∈ 𝑬.
3. 𝜶. (𝒖 + 𝒗) = 𝜶. 𝒖 + 𝜷. 𝒗 ∀𝜶, 𝜷 ∈ 𝕂, 𝒖, 𝒗 ∈ 𝑬.

3
 4. (𝜶 + 𝜷). 𝒖 = 𝜶. 𝒖 + 𝜷. 𝒖 ∀𝜶, 𝜷 ∈ 𝕂, 𝒖 ∈ 𝑬.
On dit que 𝑬 est un 𝕂 −espace vectoriel, ses éléments sont appelés vecteurs.

Exemple(𝟑): Voici un exemple de ℝ2 avec 𝕂 = ℝ.

La loi La loi externe dans ℝ2 :

2
interne dans ℝ :
 Le produit du vecteur 𝑢 = (𝑥, 𝑦) par un scalaire
 La somme de deux vecteurs 𝑢 = (𝑥, 𝑦) et 𝑣 = 𝜆 ∈ ℝ est un vecteur
(𝑥 ′ , 𝑦 ′ ) est un vecteur 𝝀𝒖 = (𝝀𝒙, 𝝀𝒚)
𝒖 + 𝒗 = (𝒙 + 𝒙′ , 𝒚 + 𝒚′ )  Pour 𝜆 = −1, on obtient le vecteur −𝑢.
 L’élément neutre est le vecteur nul (0,0).
 Le symétrique (l’opposé) de 𝑢 = (𝑥, 𝑦) est le
vecteur −𝑢 = (−𝑥, −𝑦).

Toutes les propriétés d’un espace vectoriel sont vérifiées dans ℝ𝟐 .

Dans ce cas, ℝ𝟐 est un ℝ −espace vectoriel.
Exercice(𝟏):
1. vérifier que 𝑀𝑛,𝑝 (ℝ) est un ℝ −espace vectoriel.
2. Justifier que les ensembles suivants ne sont pas des espaces vectoriels :
𝐸 = {(𝑥, 𝑦) ∈ ℝ2 / 𝑥𝑦 = 0}
𝐹 = {(𝑥, 𝑦) ∈ ℝ2 / 𝑥 = 1}
𝐺 = {(𝑥, 𝑦) ∈ ℝ2 / 𝑥 ≥ 0 𝑒𝑡 𝑦 ≥ 0}

Soit 𝑬 un 𝕂 −espace vectoriel, et 𝑭 un sous-ensemble non vide de 𝑬.

On dit que 𝑭 est un 𝕂 sous-espace vectoriel de 𝑬 si et seulement si :
1. 𝟎𝑬 ∈ 𝑭.
2. 𝒖 + 𝒗 ∈ 𝑭 ∀𝒖, 𝒗 ∈ 𝑭.
3. 𝜶 ∙ 𝒖 ∈ 𝑭 ∀𝜶 ∈ 𝕂, 𝒖 ∈ 𝑭.
 Tout 𝕂 sous-espace vectoriel de 𝐸 est un 𝕂 −espace vectoriel.

4
Activité(𝟏):
Soit 𝐸 un 𝕂-espace vectoriel, 𝐹, 𝐺 ⊂ 𝐸.
a) Vérifier que 𝐹 est un 𝕂 sous-espace vectoriel de 𝐸 si et seulement si 𝑢 + 𝛼𝑣 ∈ 𝐹 ∀𝑢, 𝑣 ∈ 𝐹, 𝛼 ∈ 𝕂.

b) Vérifier que si 𝐹 est un 𝕂 sous-espace vectoriel de 𝐸 et 𝐺 un 𝕂 sous-espace vectoriel de 𝐹 alors 𝐺 est

un 𝕂 sous-espace vectoriel de 𝐸.
c) Vérifier que si 𝐹 et 𝐺 sont deux 𝕂 sous-espace vectoriels de 𝐸 alors 𝐹 ∩ 𝐺 est un 𝕂 sous-espace
vectoriel de 𝐸.

 Soit 𝑬 un 𝕂 −espace vectoriel, 𝑭 et 𝐺 deux sous-ensembles de 𝑬.

Si 𝐹 est un 𝕂 sous-espace vectoriel de 𝐸 et 𝐺 un 𝕂 sous-espace vectoriel de 𝐹 alors 𝐺 est un sous-
espace vectoriel de 𝐸.
 Soient 𝑭 et 𝑮 deux 𝕂 sous-espaces vectoriels d’un espace vectoriel 𝑬.
L’ensemble 𝑭 ∩ 𝑮 est un 𝕂 sous-espace vectoriel de 𝑬 défini par :
𝑭 ∩ 𝑮 = {𝒖 ∈ 𝑬 / 𝒖 ∈ ⋯ ∧ 𝒖 ∈ ⋯ }

Exercice(𝟐):
A. Déterminer lesquels de ces ensembles sont des ℝ sous-espaces vectoriels de ℝ2 .
1. 𝐸1 = {(𝑥, 𝑦) ∈ ℝ2 ∶ 2𝑥 − 𝑦 = 1}.
2. 𝐸2 = {(𝑥, 𝑦) ∈ ℝ2 ∶ 3𝑥 + 2𝑦 = 0}.
3. 𝐸3 = {(𝑥, 𝑦) ∈ ℝ2 ∶ 𝑥 + 𝑦 > 0}.
B. Déterminer lesquels de ces ensembles sont des sous-espaces vectoriels de ℝ3 .
1. 𝐸1 = {(𝑥, 𝑦, 𝑧) ∈ ℝ3 ∶ 3𝑥 − 7𝑦 = 𝑧}.
2. 𝐸2 = {(𝑥, 𝑦, 𝑧) ∈ ℝ3 ∶ 𝑥 2 + 𝑧 2 = 0}.
3. 𝐸3 = {(𝑥, 𝑦, 𝑧) ∈ ℝ3 ∶ 𝑥 + 𝑦 − 𝑧 = 0}.

2) Dépendance et indépendance linéaire :

Soit 𝑬 un 𝕂 espace vectoriel

Combinaison linéaire :
Soit 𝓕 = {𝒖𝟏 , … , 𝒖𝒏 } une famille d’éléments de E.
On dit qu’un vecteur 𝒖 de 𝐸 est une combinaison linéaire d’éléments de 𝓕 s'il existe des
scalaires 𝜶𝟏 , … , 𝛂𝐧 dans 𝕂 tels que :
𝒖 = 𝛂𝟏 . 𝐮𝟏 + 𝛂𝟐 . 𝐮𝟐 + ⋯ + 𝛂𝐧 . 𝐮𝐧
Les scalaires 𝜶𝟏 … 𝛂𝐧 sont appelés coefficients de la combinaison linéaire.

Exercice(𝟑):
 Montrer que le vecteur 𝑣 = (−3, 3, 2) de ℝ3 est une combinaison linéaire des vecteurs
𝑣1 = (1, 2, −3), 𝑣2 = (1, 1, − 2) et 𝑣3 = (1, −1, 1).
 Montrer que le vecteur 𝑤 = (4, −1,8) n’est pas une combinaison lineaire de
𝑢 = (1,2, −1) et 𝑣 = (6,4,2).

5
 Famille Génératrice :
Soit 𝓕 = {𝒖𝟏 , … , 𝒖𝒏 } une famille de vecteurs de 𝑬.
𝓕 est une famille génératrice de 𝑬, si tout vecteur 𝒖 de 𝑬 est une combinaison linéaire d’éléments de 𝓕.
En d’autres termes :
∀ 𝒖 ∈ 𝑬, ∃ 𝛂𝟏 , … , 𝛂𝐧 , 𝐭𝐪 𝒖 = 𝛂𝟏 . 𝐮𝟏 + 𝛂𝟐 . 𝐮𝟐 + ⋯ + 𝛂𝐧 . 𝐮𝐧
On dit que 𝑬 est engendré par la famille 𝓕, et on note 𝑬 =< 𝓕 > (ou 𝑬 = 𝒗𝒆𝒄𝒕(𝑭)).

Exercice(𝟒):
1. Montrer que la famille {𝑒1 = (1, 0), 𝑒2 = (0, 1)} est une famille génératrice de ℝ2 .
2. Trouver une famille génératrice de ℝ3 .
3. Soit 𝐸 un sous-espace vectoriel de ℝ3 défini par 𝐸 = {(𝑥, 𝑦, 𝑧) ∈ ℝ3 ∶ 𝑥 + 𝑦 = 0}.
Montrer que {(1, −1,0), (0,0,1)} est une famille génératrice de 𝐸.
4. Trouver une famille génératrice de chacun des espaces vectoriels trouvés dans l’exercice 2.
5. Soit 𝐹 un sous-ensemble de ℝ3 défini par 𝐹 = {(𝑥, 𝑦, 𝑧) ∈ ℝ3 : 𝑥 + 2𝑦 − 𝑧 = 0}.
 Vérifier que 𝐹 est un sous-espace vectoriel de ℝ3 .
 Donner 3 familles génératrices différentes de 𝐹.

Famille Libre et famille liée :

Soit 𝓕 = {𝒖𝟏 , … , 𝒖𝒏 } une famille de vecteurs de 𝑬.
 𝓕 est dite une famille libre (ou linéairement indépendante) si la seule manière d’obtenir 0𝐸
dans une combinaison linéaire de vecteurs de 𝓕 est d'imposer à tous les coefficients d'être nuls.
En d’autres termes :
Si 𝛂𝟏 , … , 𝛂𝐧 ∈ 𝕂 vérifient 𝜶𝟏 . 𝒖𝟏 + ⋯ + 𝜶𝒏 . 𝒖𝒏 = 𝟎𝑬 alors 𝜶𝟏 = ⋯ = 𝜶𝒏 = 𝟎.
 Dans le cas contraire, la famille est dite liée (ou linéairement dépendante).
En d’autres termes, une famille de vecteurs est liée si elle contient au moins un vecteur qui est une
combinaison linéaire des autres vecteurs.

Exercice(𝟓):
a. Soit 𝐹 une famille de ℝ4 telle que 𝐹 = {(1,1,00), 0ℝ4 , (1,0,0,0), (0,0,1,0)}. 𝐹 est-elle une famille
libre.
Que peut-on déduire.
b. 𝐹1 = {(1,3, −5), (6,0,4)} est-elle libre dans ℝ3 .
c. 𝐹2 = {(1,2), (3,4), (5,6)} est-elle libre dans ℝ2 .
d. 𝐹3 = {(1,2,1,2,1), (2,1,2,1,2), (1,0,1,1,0), (0,1,0,0,1), (0,0,0,0,1)} est-elle libre dans ℝ5 .

Cas particulier dans ℝ𝒏 :

Soit 𝓕 = {𝒖𝟏 , … , 𝒖𝒏 } une famille à 𝑛 vecteurs de ℝ𝒏 avec 𝑢𝑖 = (𝑥1𝑖 , 𝑥2𝑖 , … , 𝑥𝑛𝑖 ) ∀𝑖 = 1 … 𝑛.
La famille 𝓕 est libre dans ℝ𝑛 si et seulement si la matrice carrée d’ordre 𝑛 dont les vecteurs colonnes sont
les vecteurs de 𝓕 est inversible.

6
 𝑢1 … 𝑢𝑛
𝑥11 ⋯ 𝑥1𝑛
La famille 𝓕 est libre dans ℝ 𝑛
⟺ det (( ⋮ ⋱ ⋮ )) ≠ 0
𝑥𝑛1 ⋯ 𝑥𝑛𝑛
Conséquence : Sachant que le déterminant d’une matrice triangulaire à coefficients diagonaux non nuls,
est non nul, les vecteurs colonnes de telles matrices sont libres.
De tels systèmes de vecteurs sont dits systèmes à pivots.
Applications : Soit 𝓕 = {𝒖𝟏 , … , 𝒖𝒏 } une famille à 𝑛 vecteurs de ℝ𝒏 . Pour étudier leur dépendance linéaire,
on cherche au moyen des opérations élémentaires à transformer le système de vecteurs en un système à
Pivots. Si au bout de quelques transformations, on y arrive alors le système est libre sinon il apparaitra un
vecteur exprimé sous la forme de combinaison linéaire des autres et le système est alors lié.

Exercice(𝟔):
Soit 𝓕 = {𝒖𝟏 , 𝒖𝟐 , 𝒖𝟑 } une famille de ℝ𝟑 avec 𝑢1 = (1,2,3), 𝑢2 = (1,6,4) et 𝑢3 = (5,18,17).
En utilisant la méthode du système à pivot, 𝓕 est-elle libre.

Base d’un espace vectoriel :

Soit 𝓑 = {𝒖𝟏 , … , 𝒖𝒏 } une famille de vecteurs de 𝑬.
𝓑 est une base de 𝐸, si 𝓕 est une famille génératrice et libre.
Plus précisément :
𝓑 = {𝒖𝟏 , … , 𝒖𝒏 } est une base de 𝑬 si pour tout élément 𝑢 de 𝐸 il existe 𝛼1 , 𝛼2 , … , 𝛼𝑛 ∈ 𝕂, vérifiant :
𝒖 = 𝜶𝟏 𝒖𝟏 + 𝜶𝟐 𝒖𝟐 + ⋯ + 𝜶𝒏 𝒖𝒏 .
(𝜶𝟏 , … , 𝜶𝒏 ) sont appelés les composantes du vecteur 𝒖 dans la base 𝓑 et on note
𝒖 = (𝜶𝟏 , … , 𝜶𝒏 )𝓑 .

Remarque :
 Tout espace vectoriel admet plusieurs bases, mêmes une infinité de bases sauf pour l’espace
vectoriel réduit à l’élément neutre.
 Toutes les bases d’un même espace vectoriel admettent toutes le même nombre de vecteurs.
Exercice (𝟕):
Pour chacun des espaces vectoriels suivants donner une base :
𝐸1 = {(𝑥, 𝑦) ∈ ℝ2 ∶ 3𝑥 + 2𝑦 = 0} , 𝐸2 = {(𝑥, 𝑦, 𝑧) ∈ ℝ3 ∶ 3𝑥 − 7𝑦 = 𝑧} et
𝐸3 = {(𝑥, 𝑦, 𝑧) ∈ ℝ3 ∶ 𝑥 + 𝑦 − 𝑧 = 0}.
Exercice (𝟖):
Soit 𝐹 et 𝐺 deux sous-ensembles de ℝ3 avec
𝐹 = {(𝑥, 𝑦, 𝑧) ∈ ℝ3 |𝑥 + 3𝑦 + 𝑧 = 0}
𝐺 = {(𝑥, 𝑦, 𝑧) ∈ ℝ3 |𝑥 − 𝑦 + 2𝑧 = 0}
 Montrer que 𝐹 et 𝐺 sont deux sous-espaces vectoriels de ℝ3 .
 Déterminer des bases de 𝐹 et de 𝐺.
 Écrire l’espace 𝐷 = 𝐹 ∩ 𝐺.

7
  Déterminer une base de 𝐷.

3) Changement de coordonnées :
Exemple (𝟒) :
Soit ℬ = {𝑒1 , 𝑒2 } la base canonique de ℝ2 , trouvons les coordonnées de 𝑣 = (2,3)ℬ dans la nouvelle base
ℬ ′ = {𝑢1 = (0,2), 𝑢2 = (1,1)}.
On pose (𝛼, 𝛽) les nouvelles coordonnées de 𝑣 dans la nouvelle base ℬ ′ , alors on a :
𝛽=2
𝛼𝑢1 + 𝛽𝑢2 = 2𝑒1 + 3𝑒2 ⟺ {
2𝛼 + 𝛽 = 3
En notation matricielle, le système se traduit comme suit :
0 1 𝛼 2
( )( ) = ( )
2 1 𝛽 3
0 1
On note la matrice ( ) = 𝑃 la matrice de passage de la base 𝓑 à la base 𝓑′ .les colonnes de la matrice
2 1
𝑃 sont les vecteurs de la base ℬ ′ exprimés en fonction des vecteurs de la base ℬ.
𝛼 2
( ) = 𝑃−1 ( )
𝛽 3

Changement de coordonnées :
Le changement de coordonnées correspond à un changement de base.
Soient ℬ = {𝑒1 , … , 𝑒𝑛 } et ℬ ′ = {𝑓1 , … , 𝑓𝑛 } deux bases de 𝑛 vecteurs de l’espace vectoriel E de dimension
𝑛 et soit 𝑢 = (𝑥1 , … , 𝑥𝑛 )ℬ un vecteur de 𝐸 donné par ses coordonnées dans la base ℬ.
Pour trouver les coordonnées de 𝑢 = (𝑦1 , … , 𝑦𝑛 )ℬ′ dans la base ℬ ′ :
 Écrire la matrice de passage 𝑃
𝑓1 … 𝑓𝑛
𝑒1
⋯
𝑃 = ( ⋮ ⋱ ⋮ ) ..
⋯ 𝑒𝑛
 Résoudre le système suivant défini par cette écriture matricielle :
𝑦1 𝑥1
𝑃( ) = ( . )
.
. .
𝑦𝑛 𝑥𝑛

Exercice (𝟗):
Soit la base canonique de ℝ3 , trouvez les coordonnées de 𝑣 = (1,0,2)ℬ dans la base
ℬ ′ = {(1,1,0), (2,0,0), (2,3,2)}.

4) Dimension d’un espace vectoriel :

8
 Soit 𝑬 un 𝕂 −espace vectoriel et 𝓑 une base de 𝑬.
Le nombre de vecteurs composant 𝓑 est appelé la dimension de 𝑬, noté 𝐝𝐢𝐦(𝑬).
𝒅𝒊𝒎(𝑬) = 𝒄𝒂𝒓𝒅(𝓑)

Remarque : Soit 𝐸 un espace vectoriel de dimension 𝑛.

 Toute famille génératrice de 𝐸 admet au moins 𝑛 vecteurs.

 Toute famille libre de 𝐸 admet au plus 𝑛 vecteurs.
 Toute famille libre de 𝐸 contenant 𝑛 vecteurs est une base de 𝐸.

Dimension d’un sous-espace vectoriel :

Soit 𝐹 un sous espace vectoriel de 𝐸.
 𝐹 ⊂ 𝐸 si et seulement si dim(𝐹) < dim(𝐸).
 𝐹 = 𝐸 si et seulement si dim(𝐸) = dim(𝐹).
 𝐹 = {𝑂𝐸 } si et seulement si dim(𝐹) = 0.
Remarque : Il est à noter qu’il existe des espaces vectoriels dont la dimension est infinie, nous ne
considérons dans ce cours que les espaces vectoriels de dimension finie uniquement.
Exemple (𝟓) :
 dim(ℝ𝑛 ) = 𝑛.
 dim (𝑀𝑛,𝑝 (ℝ)) = 𝑛𝑝.
Exercice (𝟗):
Donner les dimensions des espaces mentionnés dans l’exercice(2) ci-dessus.
5) Sous-espaces supplémentaires :

Soient 𝐹 et 𝐺 deux sous-espaces vectoriels de 𝐸.

𝐹 et 𝐺 sont dits supplémentaires dans 𝐸 si et seulement si :
𝐹 ∩ 𝐺 = {0𝐸 }
{
𝐹+𝐺 =𝐸
L’ensemble 𝑭 + 𝑮 est défini comme suit :
𝑭 + 𝑮 = {𝒖 + 𝒗 ∶ 𝒖 ∈ 𝑭 𝒆𝒕 𝒗 ∈ 𝑮}
 Si 𝐹 et 𝐺 sont supplémentaires dans 𝐸, sont aussi dits en somme directe dans 𝐸.
On le note par : 𝑭⨁𝑮 = 𝑬.

Propriétés :
Soient 𝐹 et 𝐺 deux sous-espaces vectoriels de 𝐸 tels que ℬ est une base de 𝐹 et ℬ ′ est une base de 𝐺.
 𝑭 et 𝑮 sont supplémentaires si et seulement si la famille 𝓑 ∪ 𝓑′ est une base de 𝑬.
 Si 𝑭 et 𝑮 sont supplémentaires alors 𝐝𝐢𝐦(𝑬) = 𝐝𝐢𝐦(𝑭) + 𝐝𝐢𝐦(𝑮).
Exercice (𝟏𝟎):
Soit 𝐸 = {(𝑥, 𝑦, 𝑧) ∈ ℝ3 ∶ 𝑥 + 𝑦 + 𝑧 = 0} et 𝑎 = (1, −2,3) et 𝑏 = (2,1, −1) deux vecteurs.
On pose 𝐹 = 𝑣𝑒𝑐𝑡(𝑎, 𝑏) =< 𝑎, 𝑏 >.
9
  Montrer que 𝐸 est un sous-espace vectoriel de ℝ3 .
 𝐸et 𝐹 sont-ils supplémentaires.

III. Application linéaire :

1) Définition :

Soient 𝐸 et 𝐹 deux espaces vectoriels sur ℝ et 𝑓 une application de 𝐸 dans 𝐹.

On dit que 𝑓 est une application linéaire, si et seulement si:
1. 𝒇(𝒖 + 𝒗) = 𝒇(𝒖) + 𝒇(𝒗), ∀ 𝒖, 𝒗 ∈ 𝑬.
2. 𝒇(𝝀𝒖) = 𝝀. 𝒇(𝒖), ∀ 𝒖 ∈ 𝑬, 𝝀 ∈ ℝ.
 Si 𝑬 = 𝑭 alors 𝒇 est dite un endomorphisme de 𝑬.
 L’ensemble des applications linéaires de 𝑬 dans 𝐹 est noté 𝓛(𝑬, 𝑭).
 Si 𝐹 = 𝕂 alors 𝑓 est dite une forme linéaire sur 𝐸.

Exemple (𝟏):
L’application identité 𝐼𝑑𝐸 : 𝐸 ⟶ 𝐸 est un endomorphisme de 𝐸.
Remarque :
 On peut réunir les deux axiomes de la définition ci-dessus en un seul :
Pour tout couple (𝒖, 𝒗) de 𝑬𝟐 et tout 𝝀 de ℝ :
𝒇(𝝀𝒖 + 𝒗) = 𝝀𝒇(𝒖) + 𝒇(𝒗)
 Pour toute 𝑓 ∈ 𝓛(𝑬, 𝑭), 𝑓(0𝐸 ) = 0𝐹 .
Exercice (𝟏) :
1. Montrer que l’application, ci-dessous, est une application linéaire
ℎ𝛼 : 𝐸 ⟶ 𝐸
𝑢 ⟼𝛼∙𝑢
Cette application s’appelle une homothétie de rapport 𝜶.
 Si 𝛼 = 0, ℎ0 est l’application …
 Si 𝛼 = 1, ℎ1 est l’application …
2. Soit, pour 𝑖 = 1,2, 𝑓𝑖 une application définie par :
𝑓𝑖 : ℝ2 ⟶ ℝ
(𝑥1 , 𝑥2 ) ⟼ 𝑥𝑖
Montrer que 𝑓𝑖 est une application linéaire ∀𝑖 = 1,2.
∀𝑖 = 1,2, 𝑓𝑖 est dite la i-ème projection canonique.

3. Soit 𝐶 0 ([0,1], ℝ) = {𝑓: [0,1] ⟶ ℝ / 𝑓 𝑒𝑠𝑡 𝑐𝑜𝑛𝑡𝑖𝑛𝑢𝑒 𝑠𝑢𝑟 [0,1]} et

𝐶 1 ([0,1], ℝ) = {𝑓: [0,1] ⟶ ℝ / 𝑓 𝑒𝑠𝑡 𝑑é𝑟𝑖𝑣𝑎𝑛𝑙𝑒 𝑒𝑡 à 𝑑𝑒𝑟𝑖𝑣é𝑒 𝑐𝑜𝑛𝑡𝑖𝑛𝑢𝑒 𝑠𝑢𝑟 [0,1]}.

Soit l’application 𝐷 définie par :

𝐷: 𝐶 1 ([0,1], ℝ) ⟶ 𝐶 0 ([0,1], ℝ)
𝑓 ⟼ 𝑓′
Montrer que 𝐷 est une application linéaire.

10
4. Parmi les applications suivantes, indiquer celles qui sont linéaires.

𝑓1 : ℝ3 ⟶ ℝ 𝑓3 : ℝ3 ⟶ ℝ2
(𝑥, 𝑦, 𝑧) ⟼ −𝑥 + 2𝑦 + 5𝑧 (𝑥, 𝑦, 𝑧) ⟼ (𝑥 2 − 𝑦, 𝑦 + 𝑧)
𝑓2 : ℝ3 ⟶ ℝ2 𝑓4 : ℝ3 ⟶ ℝ2
(𝑥, 𝑦, 𝑧) ⟼ (2𝑥 + 𝑦, 𝑦 − 𝑧) (𝑥, 𝑦, 𝑧) ⟼ (2𝑥𝑦, 𝑦 + 3𝑥)

2) Matrice associée à une application linéaire :

Soit 𝑓 : ℝ𝑝 ⟶ ℝ𝑛 une application linéaire définie par 𝑓(𝑥1 , … , 𝑥𝑝 ) = (𝑦1 , … , 𝑦𝑛 ) tel que :
𝑦1 = 𝑎11 𝑥1 + 𝑎12 𝑥2 + ⋯ + 𝑎1𝑝 𝑥𝑝
.
.
.
{𝑦𝑛 = 𝑎𝑛1 𝑥1 + 𝑎𝑛2 𝑥2 + ⋯ + 𝑎𝑛𝑝 𝑥𝑝
En notation matricielle, on obtient :

𝑦1 𝑎11 ⋯ 𝑎1𝑝 𝑥1
. .
⋮ ⋱ ⋮ )
. =( .
𝑎𝑛1 ⋯ 𝑎𝑛𝑝
. .
(𝑦𝑛 ) 𝑥
( 𝑝)
La matrice associée au système d’équations linéaires est la matrice associée à 𝑓 dans les bases canoniques de
ℝ𝑝 et ℝ𝑛 . Cette matrice est rectangulaire du type (𝑛, 𝑝), 𝑛 = dim(ℝ𝑛 ) et 𝑝 = dim(ℝ𝑝 ).

Soit 𝑓: 𝐸 ⟶ 𝐹 une application linéaire, ℬ = (𝑒1 , … , 𝑒𝑝 ) une base de 𝐸 et ℬ1 = (𝑓1 , … 𝑓𝑛 ) une base de 𝐹.
La matrice de l’application linéaire 𝒇 ans les bases ℬ et ℬ1 est la matrice, notée par 𝑀𝑎𝑡(ℬ,ℬ1 ) (𝑓),
définie par :

𝐴 = 𝑀𝑎𝑡(ℬ,ℬ1 ) (𝑓)=

Remarque :
 La taille de la matrice 𝑀𝑎𝑡(ℬ,ℬ1 ) (𝑓) dépend uniquement de la dimension de 𝐸 et de 𝐹.
 Les coefficients de la matrice dépendent du choix de la base ℬ de 𝐸 et de ℬ1 de 𝐹.
𝑥1
..
𝑓(𝑥1 , … , 𝑥𝑝 ) = 𝐴
.
𝑥
( 𝑝)
 ′ ′
Soit ℬ et ℬ1 deux nouvelles bases respectivement de 𝐸 et 𝐹 et 𝑀 = 𝑀𝑎𝑡(ℬ′ ,ℬ1′ ) (𝑓).
𝑀 = 𝑃2−1 𝐴𝑃1
11
 Où 𝑃1 est la matrice de passage de ℬ ′ à ℬ et 𝑃2 est la matrice de passage de ℬ1′ à ℬ1 .

Exercice (𝟐) :
Soit 𝑓 l’application linéaire de ℝ3 dans ℝ2 définie par :
ℝ3 ⟶ ℝ2
𝑓:
(𝑥, 𝑦, 𝑧) ⟼ (𝑥 + 𝑦 − 𝑧, 𝑥 − 2𝑦 + 3𝑧)
a) Quelle est la matrice de 𝑓 dans les bases canonique ℬ et ℬ ′ respectivement de ℝ3 et ℝ2 .
b) Soient ℬ1 = (𝜙1 , 𝜙2 , 𝜙3 ) une nouvelle base de ℝ3 et ℬ2 = (𝜓1 , 𝜓2 ) une nouvelle base de ℝ2 définies
par :
𝜙1 = (1,1,0), 𝜙2 = (1,0,1) 𝑒𝑡 𝜙3 = (0,1,1)
𝜓1 = (1,0) 𝑒𝑡 𝜓2 = (1,1)
Quelle est la matrice de 𝑓 dans les bases ℬ1 et ℬ2 .

3) Produit matriciel et composition :

Soient 𝐸, 𝐹 et 𝐺 trois 𝕂 −espaces vectoriels munis respectivement des bases ℬ𝐸 , ℬ𝐹 et ℬ𝐺 .

Soient 𝑓 ∈ ℒ(𝐸, 𝐹) et 𝑔 ∈ ℒ(𝐹, 𝐺). Alors :
 L’application 𝑔 ∘ 𝑓 est une application linéaire.
 𝑀𝑎𝑡(ℬ𝐸 ,ℬ𝐺) (𝑔 ∘ 𝑓) = 𝑀𝑎𝑡(ℬ𝐹,ℬ𝐺) (𝑔) × 𝑀𝑎𝑡(ℬ𝐸 ,ℬ𝐹) (𝑓)

Exercice (𝟑) :
Soient 𝑓 et 𝑔 deux applications linéaires définies par :

𝑓: ℝ2 → ℝ3 𝑔: ℝ3 → ℝ2
( 𝑥, 𝑦) ↦ (2𝑥, 𝑥 + 𝑦, −𝑥 + 2𝑦) (𝑥, 𝑦, 𝑧) ↦ (𝑧, 2𝑥 + 𝑦 − 𝑧)
 Donner l’expression de l’application linéaire 𝑔 ∘ 𝑓.
 Donner la matrice associée à 𝑔 ∘ 𝑓 dans la base canonique de ℝ2 .

4) Image et noyau d’une application linéaire :

Activité (𝟐):
Soit 𝑓: 𝐸 ⟶ 𝐹 une application linéaire.
a. Écrire l’ensemble 𝑓(𝐸) et montrer que c’est un sous-espace vectoriel de 𝐹.
b. Soit ker(𝑓) un ensemble défini par :
𝒌𝒆𝒓(𝒇) = {𝒙 ∈ 𝑬|𝒇(𝒙) = 𝟎𝑭 }
Vérifier que 𝒌𝒆𝒓(𝒇) est un sous espace vectoriel de 𝐸.

Soit 𝑓: 𝐸 ⟶ 𝐹 une application linéaire.

 L’ensemble 𝑓(𝐸) est un sous-espace vectoriel de 𝐹 appelé image de 𝒇 et noté 𝑰𝒎(𝒇).
Sa dimension est appelée rang de 𝑓 et noté 𝒓𝒈(𝒇) :
𝒓𝒈(𝒇) = 𝒅𝒊𝒎(𝑰𝒎(𝒇))

12
  L’ensemble ker(𝑓) est un sous espace vectoriel de 𝐸 appelé le noyau de 𝒇.
 Si ℬ est une base de 𝐸 alors 𝑓(ℬ) est la famille génératrice de 𝐼𝑚(𝑓).

Remarque : soit 𝑓 ∈ ℒ(𝐸, 𝐹) et 𝐴 = 𝑀𝑎𝑡(ℬ𝐸 ,ℬ𝐹) (𝑓).

𝑟𝑔(𝑓) = 𝑟𝑔(𝐴)
Où 𝑟𝑔(𝐴) désigne le nombre de colonnes linéairement indépendantes de la matrice 𝐴.

Exercice(𝟒):
1 0 2
3
Soit 𝑓 un endomorphisme de ℝ , définie par sa matrice 𝐴 = (1 1 3) dans une certaine base.
0 1 1
1. Déduire de 𝐴 la base de 𝐼𝑚(𝑓).
2. Donner une base de ker(𝑓).
Exercice(𝟓):
Soit 𝑓 l’unique application linéaire de ℝ3 dans ℝ4 vérifiant :
𝑓(1,0,0) = (1,0,1,1)
𝑓(0,1,0) = (1,1,0,2)
𝑓(0,0,1) = (0,1,1,1)
1) Déterminer 𝑓(𝑥, 𝑦, 𝑧) pour tout (𝑥, 𝑦, 𝑧) ∈ ℝ3 .
2) Donner le noyau de 𝑓.
3) Soit 𝑣 = (𝑥, 𝑦, 𝑧) ∈ ℝ3 , sous quelle conditions sur 𝑥, 𝑦 et 𝑧, le vecteur 𝑣 appartient à ker(𝑓).
4) Donner une base de ker(𝑓) et en déduire sa dimension.
5) Donner la famille génératrice de 𝐼𝑚(𝑓) et déterminer son rang.

Théorème du rang :
Soit 𝐸 et 𝐹 deux espaces vectoriels de dimension finie et 𝑓: 𝐸 ⟶ 𝐹 une application linéaire. On a alors
𝐝𝐢𝐦(𝑬) = 𝒓𝒈(𝒇) + 𝐝𝐢𝐦(𝒌𝒆𝒓(𝒇))

Exercice(𝟔):
Soit 𝐸 une espace vectoriel et 𝐹, 𝐺 deux sous-espaces de 𝐸. On définit l’application
𝑓: 𝐸1 × 𝐸2 → 𝐸 par 𝑓(𝑥1 , 𝑥2 ) = 𝑥1 + 𝑥2 .
a) Montrer que 𝑓 est linéaire.
b) Montrer que ker(𝑓) = 𝐸1 ∩ 𝐸2 .
c) Montrer que 𝐼𝑚(𝑓) = 𝐸1 + 𝐸2
d) Que donne le théorème du rang ?

Soit 𝑓: 𝐸 ⟶ 𝐹 une application linéaire.

 𝑓 est dite une application injective si
∀(𝒖, 𝒗) ∈ 𝑬𝟐 , 𝒇(𝒖) = 𝒇(𝒗) ⟹ 𝒖 = 𝒗

13
  𝑓 est dite une application surjective si
∀𝒗 ∈ 𝑭, ∃𝒖 ∈ 𝑬 𝒗é𝒓𝒊𝒇𝒊𝒂𝒏𝒕 𝒇(𝒖) = 𝒗
 𝑓 est dite une application bijective si 𝑓 est à la fois injective et surjective.
∀𝒗 ∈ 𝑭, ∃! 𝒖 ∈ 𝑬 𝒗é𝒓𝒊𝒇𝒊𝒂𝒏𝒕 𝒇(𝒖) = 𝒗
On appelle isomorphisme de 𝑬 dans 𝑭 une application linéaire bijective de 𝐸 dans 𝐹.
Un endomorphisme bijectif est appelé automorphisme.

Propriétés :

a. 𝑓: 𝐸 ⟶ 𝐹 est dite injective si et seulement si 𝑘𝑒𝑟(𝑓) = {0}.

𝒇 est injective ⇔ 𝐝𝐢𝐦(𝒌𝒆𝒓(𝒇)) = 𝟎.
b. 𝑓: 𝐸 ⟶ 𝐹 est dite surjective si et seulement si 𝐼𝑚(𝑓) = 𝐹.
𝒇 est surjective ⇔ 𝐝𝐢𝐦(𝑭) = 𝒓𝒈(𝒇) = 𝐝𝐢𝐦(𝑰𝒎(𝒇)).
c. ker(𝑓) = {0} et 𝐼𝑚(𝑓) = 𝐹 ⇔ 𝑓 est …………..
d. Si 𝐸 et 𝐹 sont de meme dimension finie(en particulier si 𝐹 = 𝐸) alors
𝐤𝐞𝐫(𝒇) = {𝟎} ⇔ 𝒇𝒆𝒔𝒕 𝒃𝒊𝒋𝒆𝒄𝒕𝒊𝒗𝒆
e. soit 𝑓 ∈ ℒ(𝐸, 𝐹) avec 𝐸 et 𝐹 de même dimension et 𝐴 = 𝑀𝑎𝑡(ℬ𝐸 ,ℬ𝐹) (𝑓).
𝑓 est un isomorphisme de 𝐸 sur 𝐹 si et seulement si la matrice 𝑨 est inversible.
𝑨−𝟏 = 𝑴𝒂𝒕(𝓑𝑭 ,𝓑𝑬) (𝒇−𝟏 )

Exercice (𝟕) :

1. Soit 𝑓: ℝ2 ⟶ ℝ2 définie par 𝑓(𝑥, 𝑦) = (𝑥 + 𝑦, 𝑥 − 𝑦).

Montrer que 𝑓 est un automorphisme.
Donner la matrice associée à 𝑓 −1 .
2. Soit {𝑒1 , 𝑒2 , 𝑒3 } la base canonique de ℝ3 .
Soit 𝑤1 = (1, −2,0), 𝑤2 = (−1,2,0), 𝑤3 = (0,0,2) et 𝑔 l’endomorphisme de ℝ3 défini par
𝑔(𝑒1 ) = 𝑤1 , 𝑔(𝑒2 ) = 𝑤2 et 𝑔(𝑒3 ) = 𝑤3 .
a. Exprimer 𝑤1 , 𝑤2 et 𝑤3 en fonction de 𝑒1 , 𝑒2 et 𝑒3 .
b. Soit 𝑣 = (𝑥, 𝑦, 𝑧) ∈ ℝ3 . Calculer 𝑔(𝑣).
c. Trouver une base de ker(𝑔). 𝑔 est-elle injective.
d. ker(𝑔) et 𝐼𝑚(𝑔) sont-ils supplémentaires.

14
15