Pass Matu 2027 Tout MatuMath jusqu’à la matu : 89.– une seule fois Tout jusqu’à la matu : 89.– une fois Voir le Pass →

Fiches › Algèbre linéaire

Algèbre linéaire · niveau renforcé

Applications linéaires

Fiche de niveau renforcé · Algèbre linéaire · chapitre 3 · 3 notions : Endomorphisme, Noyau, Image

Définition

▾

Soient V,WV,W deux espaces vectoriels sur R\R. Une application T:V→WT:V\to W est linéaire si, pour tout u,v∈Vu,v\in V et tout α∈R\alpha\in\R :

T(u+v)=T(u)+T(v),T(αu)=α T(u).T(u+v)=T(u)+T(v),\qquad T(\alpha u)=\alpha\,T(u).

Forme équivalente : ∀u,v∈V, ∀α,β∈R\forall u,v\in V,\ \forall \alpha,\beta\in\R,

T(αu+βv)=αT(u)+βT(v).T(\alpha u+\beta v)=\alpha T(u)+\beta T(v).

Conséquences immédiates :

  • T(0V)=0WT(0_V)=0_W.
  • T ⁣(∑i=1nαivi)=∑i=1nαi T(vi)T\!\left(\sum_{i=1}^n \alpha_i v_i\right)=\sum_{i=1}^n \alpha_i\,T(v_i).

Endomorphisme

application linéaire T:V→VT:V\to V.

Noyau

Ker⁡(T)={v∈V∣T(v)=0}\Ker(T)=\{v\in V\mid T(v)=0\} (sous-espace de VV).

Image

Im⁡(T)={w∈W∣∃v∈V, T(v)=w}\Ims(T)=\{w\in W\mid \exists v\in V,\ T(v)=w\} (sous-espace de WW).

Injective

T(u)=T(v)⇒u=vT(u)=T(v)\Rightarrow u=v (équiv. Ker⁡(T)={0}\Ker(T)=\{0\}).

Surjective

Im⁡(T)=W\Ims(T)=W.

Bijective

injective et surjective.

Dimensions finies

une application linéaire est entièrement déterminée par l'image des vecteurs d'une base de VV.

Formules essentielles

▾

Matrice associée (bases fixées)

si VV a une base ordonnée e=(e1,…,en)e=(e_1,\dots ,e_n) et WW a une base ordonnée f=(f1,…,fp)f=(f_1,\dots ,f_p), alors il existe une unique matrice p×np\times n notée fe\MatTe{f}{e} telle que

coord⁡T(v)f=fe coord⁡vepour tout v∈V.\coord{T(v)}{f}=\MatTe{f}{e}\,\coord{v}{e}\quad \text{pour tout } v\in V.

Colonnes de la matrice

la jj-ième colonne de fe\MatTe{f}{e} est coord⁡T(ej)f\coord{T(e_j)}{f}.

Cas T:Rn→RpT:\R^n\to\R^p en bases canoniques

il existe une matrice AA telle que

T(x)=Ax,avec x vecteur colonne.T(x)=Ax,\quad \text{avec } x \text{ vecteur colonne.}

Composition

si T:V→WT:V\to W et L:W→RL:W\to R, bases ee dans VV, ff dans WW, gg dans RR :

g ⁣Ae(L∘T)=g ⁣Af(L)⋅f ⁣Ae(T).{}^{g}\!A_{e}(L\circ T)= {}^{g}\!A_{f}(L)\cdot {}^{f}\!A_{e}(T).

Changement de base (coordonnées)

si ee et e′e' sont deux bases de VV,

coord⁡ve′=Ie′e coord⁡ve,Iee′=(Ie′e)−1.\coord{v}{e'}=\Idmat{e'}{e}\,\coord{v}{e},\qquad \Idmat{e}{e'}=\left(\Idmat{e'}{e}\right)^{-1}.

Matrice de TT dans d'autres bases

si VV a bases e,e′e,e' et WW a bases f,f′f,f',

f′ ⁣Ae′(T)=If′f⋅f ⁣Ae(T)⋅Iee′.{}^{f'}\!A_{e'}(T)=\Idmat{f'}{f}\cdot {}^{f}\!A_{e}(T)\cdot \Idmat{e}{e'}.

Théorème du rang (dimensions finies)

dim⁡V=dim⁡Ker⁡(T)+dim⁡Im⁡(T).\dim V=\dim\Ker(T)+\dim\Ims(T).

Lien matrice--image

si T(x)=AxT(x)=Ax (bases canoniques), alors

dim⁡Im⁡(T)=rg⁡(A).\dim\Ims(T)=\rg(A).

Cas dim⁡V=dim⁡W=n\dim V=\dim W=n (dimensions finies)

les affirmations sont équivalentes :

Ker⁡(T)={0} ⟺ T injective ⟺ T surjective ⟺ T bijective.\Ker(T)=\{0\}\ \Longleftrightarrow\ T \text{ injective }\Longleftrightarrow\ T \text{ surjective }\Longleftrightarrow\ T \text{ bijective}.

Méthodes

▾

Pour vérifier si TT est linéaire :

  • Écrire T(u+v)T(u+v) et comparer à T(u)+T(v)T(u)+T(v).
  • Écrire T(αu)T(\alpha u) et comparer à αT(u)\alpha T(u).
  • (Plus rapide) Tester directement T(αu+βv)=αT(u)+βT(v)T(\alpha u+\beta v)=\alpha T(u)+\beta T(v).
  • Astuce : si une constante apparaît (ex. +1+1) ou un terme non linéaire (ex. x2x^2, sin⁡x\sin x, produit xyxy), ce n'est en général pas linéaire.

Pour trouver la matrice fe\MatTe{f}{e} d'une application linéaire T:V→WT:V\to W :

  • Calculer T(e1),…,T(en)T(e_1),\dots ,T(e_n).
  • Exprimer chaque T(ej)T(e_j) dans la base ff : obtenir les coordonnées coord⁡T(ej)f\coord{T(e_j)}{f}.
  • Construire la matrice en mettant coord⁡T(ej)f\coord{T(e_j)}{f} en colonne jj.

Pour calculer T(v)T(v) avec une matrice :

  • Écrire les coordonnées coord⁡ve\coord{v}{e} (vecteur colonne).
  • Multiplier : coord⁡T(v)f=fe coord⁡ve\coord{T(v)}{f}=\MatTe{f}{e}\,\coord{v}{e}.

Pour une composition L∘TL\circ T (matrices) :

  • Vérifier que les dimensions sont compatibles : T:V→WT:V\to W, L:W→RL:W\to R.
  • Calculer les matrices f ⁣Ae(T){}^{f}\!A_{e}(T) et g ⁣Af(L){}^{g}\!A_{f}(L) dans les bases cohérentes.
  • Multiplier dans le bon ordre : g ⁣Ae(L∘T)=g ⁣Af(L)⋅f ⁣Ae(T){}^{g}\!A_{e}(L\circ T)={}^{g}\!A_{f}(L)\cdot {}^{f}\!A_{e}(T).

Pour un changement de base (coordonnées d'un vecteur) :

  • Construire P=Ie′eP=\Idmat{e'}{e} en exprimant les vecteurs de ee dans la base e′e' (colonnes).
  • Convertir : coord⁡ve′=P coord⁡ve\coord{v}{e'}=P\,\coord{v}{e}.
  • Revenir en arrière : coord⁡ve=P−1 coord⁡ve′\coord{v}{e}=P^{-1}\,\coord{v}{e'}.

Pour obtenir la matrice de TT dans de nouvelles bases :

  • Connaître f ⁣Ae(T){}^{f}\!A_{e}(T) (ancienne description).
  • Construire les matrices de passage : If′f\Idmat{f'}{f} et Iee′\Idmat{e}{e'}.
  • Appliquer la formule : f′ ⁣Ae′(T)=If′f⋅f ⁣Ae(T)⋅Iee′{}^{f'}\!A_{e'}(T)=\Idmat{f'}{f}\cdot {}^{f}\!A_{e}(T)\cdot \Idmat{e}{e'}.

Pour calculer Ker⁡(T)\Ker(T) et Im⁡(T)\Ims(T) quand T(x)=AxT(x)=Ax :

  • Noyau : résoudre Ax=0Ax=0 (système homogène). Donner une base des solutions.
  • Image : c'est l'espace engendré par les colonnes de AA; extraire une base (colonnes pivots).
  • Dimensions : dim⁡Im⁡(T)=rg⁡(A)\dim\Ims(T)=\rg(A) et dim⁡Ker⁡(T)=n−rg⁡(A)\dim\Ker(T)=n-\rg(A) (si AA est m×nm\times n).

Interprétations et graphiques

▾

Lecture géométrique (dans R2\R^2 ou R3\R^3)

  • Une matrice AA envoie les vecteurs de base sur ses colonnes. Par exemple, en base canonique de R2\R^2 :

A=(abcd)⇒A10=ac,  A01=bd.A=\begin{pmatrix}a&b\\c&d\end{pmatrix}\quad\Rightarrow\quad A\mat{1\\0}=\mat{a\\c},\ \ A\mat{0\\1}=\mat{b\\d}.

  • Rotation : d'angle θ\theta autour de l'origine :

Rθ=(cos⁡θ−sin⁡θsin⁡θcos⁡θ)⇒conserve les longueurs et les angles.R_\theta=\begin{pmatrix}\cos\theta&-\sin\theta\\ \sin\theta&\cos\theta\end{pmatrix} \quad\Rightarrow\quad \text{conserve les longueurs et les angles.}

  • Projection : sur l'axe OxOx :

P=(1000)⇒Ker⁡(P)={(0,y)}, Im⁡(P)={(x,0)}.P=\begin{pmatrix}1&0\\0&0\end{pmatrix} \quad\Rightarrow\quad \Ker(P)=\{(0,y)\},\ \Ims(P)=\{(x,0)\}.

  • Symétrie : par rapport à OxOx :

S=(100−1)⇒inverse l’ordonneˊe.S=\begin{pmatrix}1&0\\0&-1\end{pmatrix} \quad\Rightarrow\quad \text{inverse l'ordonnée.}

Noyau et image :

  • Ker⁡(T)\Ker(T) = directions écrasées sur 00.
  • Im⁡(T)\Ims(T) = ensemble des points atteignables; c'est un sous-espace (droite, plan, …).
  • Si TT est injective : aucune direction non nulle n'est envoyée sur 00.

Interpréter le théorème du rang :

  • dim⁡V\dim V se partage en : dimensions perdues (Ker⁡\Ker) + dimensions conservées vers l'arrivée (Im⁡\Ims).
  • Exemple : projection R3→R3\R^3\to\R^3 sur un plan : dim⁡Im⁡=2\dim\Ims=2, dim⁡Ker⁡=1\dim\Ker=1.

Graphe : action d'une matrice sur le carré unitaire

On considère A=(2111)A=\begin{pmatrix}2&1\\1&1\end{pmatrix} : l'image du carré unité a pour sommets
(0,0)(0,0), A(1,0)=(2,1)A(1,0)=(2,1), A(1,1)=(3,2)A(1,1)=(3,2), A(0,1)=(1,1)A(0,1)=(1,1).

Figure : Applications linéaires (Algèbre linéaire, niveau renforcé)

Exemples-types

▾

Tester la linéarité (oui/non).

Soit T:R2→R2T:\R^2\to\R^2 définie par T(x,y)=(x−y,  5x)T(x,y)=(x-y,\;5x).

Solution. Soient (x1,y1),(x2,y2)∈R2(x_1,y_1),(x_2,y_2)\in\R^2 et α∈R\alpha\in\R.

T((x1,y1)+(x2,y2))=T(x1+x2,  y1+y2)=((x1+x2)−(y1+y2),  5(x1+x2))T\big((x_1,y_1)+(x_2,y_2)\big)=T(x_1+x_2,\;y_1+y_2)=\big((x_1+x_2)-(y_1+y_2),\;5(x_1+x_2)\big)

=((x1−y1)+(x2−y2),  5x1+5x2)=T(x1,y1)+T(x2,y2).=\big((x_1-y_1)+(x_2-y_2),\;5x_1+5x_2\big)=T(x_1,y_1)+T(x_2,y_2).

Et
T(α(x1,y1))=T(αx1,αy1)=(αx1−αy1,  5αx1)=α(x1−y1,  5x1)=αT(x1,y1).T(\alpha(x_1,y_1))=T(\alpha x_1,\alpha y_1)=(\alpha x_1-\alpha y_1,\;5\alpha x_1)=\alpha(x_1-y_1,\;5x_1)=\alpha T(x_1,y_1).

Donc TT est linéaire.

(Contraste) U(x,y)=(x+1,y)U(x,y)=(x+1,y) n'est pas linéaire car U(0,0)=(1,0)≠(0,0)U(0,0)=(1,0)\neq(0,0).

Matrice associée à une application donnée par des formules.

Soit T:R3→R2T:\R^3\to\R^2 définie par T(x,y,z)=(4x−2y−z,  3x−4y+z)T(x,y,z)=(4x-2y-z,\;3x-4y+z).
On travaille dans les bases canoniques.

Solution. On calcule l'image des vecteurs de base e1=(1,0,0)e_1=(1,0,0), e2=(0,1,0)e_2=(0,1,0), e3=(0,0,1)e_3=(0,0,1) :

T(e1)=(4,3),T(e2)=(−2,−4),T(e3)=(−1,1).T(e_1)=(4,3),\quad T(e_2)=(-2,-4),\quad T(e_3)=(-1,1).

La matrice (colonnes = images de e1,e2,e3e_1,e_2,e_3) est donc
A=(4−2−13−41).A=\begin{pmatrix} 4 & -2 & -1\\ 3 & -4 & 1 \end{pmatrix}.

Ainsi, pour v=xyzv=\mat{x\\y\\z},
T(v)=Av=4x−2y−z3x−4y+z.T(v)=Av=\mat{4x-2y-z\\3x-4y+z}.

Noyau, image, injectivité/surjectivité via une matrice.

Soit T:R3→R2T:\R^3\to\R^2 définie par T(x,y,z)=(x+y,  y−z)T(x,y,z)=(x+y,\;y-z) (bases canoniques).

Solution. La matrice est

A=(11001−1).A=\begin{pmatrix}1&1&0\\0&1&-1\end{pmatrix}.

Noyau : résoudre Ax=0Ax=0 avec x=xyzx=\mat{x\\y\\z} :
{x+y=0y−z=0⇒y=z, x=−y.\begin{cases} x+y=0\\ y-z=0 \end{cases} \Rightarrow y=z,\ x=-y.

En posant y=ty=t, on obtient
(x,y,z)=(−t,t,t)=t (−1,1,1).(x,y,z)=(-t,t,t)=t\,(-1,1,1).

Donc
Ker⁡(T)=Vect{(−1,1,1)},dim⁡Ker⁡(T)=1.\Ker(T)=\mathrm{Vect}\{(-1,1,1)\},\qquad \dim\Ker(T)=1.

Image : les colonnes de AA sont c1=(1,0)c_1=(1,0), c2=(1,1)c_2=(1,1), c3=(0,−1)c_3=(0,-1).
On remarque que c2=c1−c3c_2=c_1-c_3, donc une base de l'image est par exemple {c1,c3}\{c_1,c_3\} :
Im⁡(T)=R2,dim⁡Im⁡(T)=2.\Ims(T)=\R^2,\qquad \dim\Ims(T)=2.

Conséquences : TT n'est pas injective (car Ker⁡(T)≠{0}\Ker(T)\neq\{0\}), mais TT est surjective (car Im⁡(T)=R2\Ims(T)=\R^2).
Vérification du théorème du rang : dim⁡R3=3=1+2\dim\R^3=3=1+2.

Matrice dans une autre base (changement de base).

Soit T:R2→R2T:\R^2\to\R^2 définie par T(x,y)=(2x+3y, −y)T(x,y)=(2x+3y,\,-y).
Base canonique e=(e1,e2)e=(e_1,e_2) et base f=(f1,f2)f=(f_1,f_2) avec f1=(1,1)f_1=(1,1), f2=(−1,2)f_2=(-1,2).

Solution.

  • Dans la base canonique,

e ⁣Ae(T)=(230−1).{}^{e}\!A_{e}(T)=\begin{pmatrix}2&3\\0&-1\end{pmatrix}.

  • On construit la matrice de passage de ff vers ee :

Ief=(1−112)(colonnes = f1,f2 exprimeˊs dans e).\Idmat{e}{f}=\begin{pmatrix}1&-1\\1&2\end{pmatrix} \quad\text{(colonnes = } f_1, f_2 \text{ exprimés dans } e\text{).}

  • On inverse pour obtenir Ife=(Ief)−1\Idmat{f}{e}=(\Idmat{e}{f})^{-1}.

Le déterminant vaut 1⋅2−(−1)⋅1=31\cdot 2-(-1)\cdot 1=3, donc

Ife=13(21−11).\Idmat{f}{e}=\frac{1}{3}\begin{pmatrix}2&1\\-1&1\end{pmatrix}.

  • Formule de changement de base (même espace au départ et à l'arrivée) :

f ⁣Af(T)=Ife⋅e ⁣Ae(T)⋅Ief.{}^{f}\!A_{f}(T)=\Idmat{f}{e}\cdot {}^{e}\!A_{e}(T)\cdot \Idmat{e}{f}.

  • Calcul :

e ⁣Ae(T)⋅Ief=(230−1)(1−112)=(54−1−2).{}^{e}\!A_{e}(T)\cdot \Idmat{e}{f} =\begin{pmatrix}2&3\\0&-1\end{pmatrix}\begin{pmatrix}1&-1\\1&2\end{pmatrix} =\begin{pmatrix}5&4\\-1&-2\end{pmatrix}.

f ⁣Af(T)=13(21−11)(54−1−2)=13(96−6−6)=(32−2−2).{}^{f}\!A_{f}(T)=\frac{1}{3}\begin{pmatrix}2&1\\-1&1\end{pmatrix}\begin{pmatrix}5&4\\-1&-2\end{pmatrix} =\frac{1}{3}\begin{pmatrix}9&6\\-6&-6\end{pmatrix} =\begin{pmatrix}3&2\\-2&-2\end{pmatrix}.
Donc la matrice de TT dans la base ff est (32−2−2)\boxed{\begin{pmatrix}3&2\\-2&-2\end{pmatrix}}.

Pièges et cas particuliers

▾

Oublier que T(0)=0T(0)=0

si T(0)≠0T(0)\neq 0, alors TT n'est pas linéaire (test rapide).

Confusion « affine » vs « linéaire »

x↦Ax+bx\mapsto Ax+b est affine; c'est linéaire uniquement si b=0b=0.

Colonnes vs lignes

pour T(x)=AxT(x)=Ax, les colonnes de AA sont les images de e1,…,ene_1,\dots ,e_n.

Ordre du produit

  • Composition : matrice de L∘TL\circ T = (matrice de LL) ×\times (matrice de TT).
  • En général, AB≠BAAB\neq BA : l'ordre compte.

Changement de base

  • Bien distinguer changer les coordonnées d'un vecteur et changer la matrice d'une application.
  • Ne pas inverser les matrices au hasard : retenir la formule

f′ ⁣Ae′(T)=If′f⋅f ⁣Ae(T)⋅Iee′.{}^{f'}\!A_{e'}(T)=\Idmat{f'}{f}\cdot {}^{f}\!A_{e}(T)\cdot \Idmat{e}{e'}.

Injective / surjective

(dimensions finies) :

  • Si dim⁡V>dim⁡W\dim V>\dim W, une application linéaire V→WV\to W ne peut pas être injective.
  • Si dim⁡V<dim⁡W\dim V<\dim W, une application linéaire V→WV\to W ne peut pas être surjective.
  • Si dim⁡V=dim⁡W\dim V=\dim W, injective ⇔\Leftrightarrow surjective ⇔\Leftrightarrow bijective.

Projection / symétrie

  • Une projection non triviale n'est pas inversible (elle écrase une direction : noyau non nul).
  • Une symétrie est inversible et son inverse est elle-même (souvent S2=IS^2=I).

Rang et noyau

  • Attention au type m×nm\times n : dim⁡Ker⁡(A)=n−rg⁡(A)\dim\Ker(A)=n-\rg(A) (c'est la dimension du domaine qui intervient).

À retenir

▾

Je sais tester la linéarité (additivité + homogénéité).

Je connais T(0)=0T(0)=0 et l'image d'une combinaison linéaire.

Je sais construire la matrice fe\MatTe{f}{e} à partir de T(e1),…,T(en)T(e_1),\dots ,T(e_n).

Je sais calculer coord⁡T(v)f\coord{T(v)}{f} par fe coord⁡ve\MatTe{f}{e}\,\coord{v}{e}.

Je sais faire une composition : matrice de L∘TL\circ T = produit (bon ordre).

Je sais construire une matrice de changement de base Ie′e\Idmat{e'}{e} et utiliser son inverse.

Je sais transformer la matrice de TT dans d'autres bases : If′f⋅f ⁣Ae(T)⋅Iee′\Idmat{f'}{f}\cdot {}^{f}\!A_{e}(T)\cdot \Idmat{e}{e'}.

Je sais calculer Ker⁡(T)\Ker(T) en résolvant Ax=0Ax=0.

Je sais décrire Im⁡(T)\Ims(T) comme l'espace engendré par les colonnes de AA.

Je sais relier rang, noyau et image : dim⁡V=dim⁡Ker⁡(T)+dim⁡Im⁡(T)\dim V=\dim\Ker(T)+\dim\Ims(T).

Je sais conclure injective/surjective/bijective selon Ker⁡(T)\Ker(T), Im⁡(T)\Ims(T) et les dimensions.

Étape suivante Flashcards : Algèbre linéaire Mémorise les définitions et formules de ce chapitre, carte par carte. →
Télécharger l'app · gratuit