Table des matières

1 ALGÈBRES LINÉAIRES 2
1.1 Structure d’un espace vectoriel . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.1.1 Définition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.2 Sous espace vectoriel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.2.1 Définition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.2.2 Somme de deux sous-espaces vectoriels . . . . . . . . . . . . . . . . 4
1.2.3 Intersection, somme directe de deux sous-espaces . . . . . . . . . . 4
1.3 Famille des vecteurs . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.3.1 Combinaison linéaire . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.3.2 Famille génératrice . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.3.3 Activités . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.3.4 Famille libre . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.3.5 Famille liée . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.4 Base et dimension . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.4.1 Base . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.4.2 Théorème - définition d’une base . . . . . . . . . . . . . . . . . . . 8
1.5 Sous-espaces supplémentaires . . . . . . . . . . . . . . . . . . . . . . . . . 9
1.6 APPLICATIONS LINÉAIRES . . . . . . . . . . . . . . . . . . . . . . . . . 9
1.6.1 Définition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
1.6.2 Définition équivalente . . . . . . . . . . . . . . . . . . . . . . . . . . 9
1.6.3 Vocabulaire . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
1.6.4 Noyau et Image d’une application linéaire . . . . . . . . . . . . . . 11
1.6.5 Théorème . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
1.6.6 Ensemble des vecteurs invariants par une application
linéaire . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
1.6.7 Expression analytique d’une application linéaire . . . . . . . . . . . 12

COURS DE MATHÉMATIQUES
EN TERMINALE C ET D
TABLE DES MATIÈRES 1

1.6.8 Matrice . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
1.6.9 Matrice d’une application linéaire . . . . . . . . . . . . . . . . . . . 13
1.6.10 Autres types types de matrices . . . . . . . . . . . . . . . . . . . . 14
1.7 Applications linéaires particulières . . . . . . . . . . . . . . . . . . . . . . . 15
1.7.1 Projection vectorielle . . . . . . . . . . . . . . . . . . . . . . . . . 15
1.7.2 Symétrie vectorielle . . . . . . . . . . . . . . . . . . . . . . . . . . 15

COURS DE MATHÉMATIQUES
EN TERMINALE C ET D
 Chapitre 1

ALGÈBRES LINÉAIRES

1.1 Structure d’un espace vectoriel

1.1.1 Définition
On dit qu’un ensemble E non vide est un espace vectoriel sur R si E est muni de deux
lois : une loi de composition interne notée + appelée addition et l’autre de composition
externe notée • appelée multiplication : vérifiant les propriétés suivantes :

E × E −→ E

. Addition :
(→
 −
v ,→
−
w ) 7−→ →
−v +→ −
w

1. Associativité : ∀→
−
u ,→
−
v ,→
−
w ∈ E; (→
−
u +→
−
v)+→
−
w =→
−
u + (→
−
v +→
−
w ).
→
− →
− −
2. Élément neutre : ∀ →
−
u ∈ E, →
−
u + O = O +→
u =→
−
u
→
−
3. Élément symétrique ou opposé : ∀→
−
v ∈ E, ∃→
−
v 0 tel que →
−
v +→
−
v0=→
−
v0+→
−
v =O

4. Commutativité : ∀→
−
v ,→
−
w ∈ E; →
−
v +→
−
w =→
−
w +→
−
v.

N.B : Ces propriétés font de (E, +) un groupe commutatif ou Abélien.


R × E −→ E

. Multiplication :
(λ, →
 −
w ) 7−→ λ→−
w

5. Associativité : ∀λ, µ ∈ R, ∀→
−
v ∈ E, λ(µ→
−
v ) = (λµ)→
−
v

6. Élément neutre : ∀ ∈ E, 1.→

−
v =→
−
v

7. Distributivité (1) : ∀λ, µ ∈ R, ∀→

−
v ∈ E ; (λ + µ)→
−
v = λ→
−
v + µ→
−
v

8. Distributivité (2) : ∀λ ∈ R, ∀→
−
v ,→
−
w ∈ E ; λ(→
−
v +→
−
w ) = λ→
−
v + λ→
−
w

COURS DE MATHÉMATIQUES
EN TERMINALE C ET D
Sous espace vectoriel 3

Remarque

Les éléments d’un espace vectoriel sont des vecteurs et ceux de R sont des scalaires.

Exemple

(R, +, •) ; (R2 , +, •) sont des espaces vectoriels.

1.2 Sous espace vectoriel

1.2.1 Définition
Soit E un R− espace vectoriel et F un sous-ensemble non vide de E. On dit que F est
un sous espace-vectoriel de E s’il est un espace vectoriel pour l’addition et la multiplication
externe de E.

Théorèmes

Soit E un R− espace vectoriel et F un sous ensemble de E.

F est un sous espace vectoriel de E si :

a) F 6= ∅,

b) ∀→
−
u ,→
−
v ∈ F, →
−
u +→
−
v ∈ F (stabilité de la loi (+) ),

c) ∀→
−
u ∈ F, ∀λ ∈ R, λ→
−
u ∈ F (stabilité de la loi (•) ).

Théorèmes

Soit E un R− espace vectoriel et F un sous ensemble de E.

F est un sous espace vectoriel de E si :

i) F 6= ∅,

ii) ∀→
−
u ,→
−
v ∈ F, ∀α, β ∈ R, α→
−
u + β→
−
v ∈ F.

Remarque

Pour montrer que F est non vide, on peut montrer que l’élément neutre de la loi (E, +)
est contenu dans F

COURS DE MATHÉMATIQUES
EN TERMINALE C ET D
Sous espace vectoriel 4

Activités
1. On donne l’ensemble D défini par : D = {(x, y) ∈ R2 /x + y = 0}
Montrer que l’ensemble D est un sous-espace vectoriel de R2 .

2. On donne l’ensemble P défini par : P = {(x, y, z) ∈ R3 /2x − y + 3z = 0}.

Montrer que l’ensemble P est un sous-espace vectoriel de R3 .

Solution

1. Montrons que l’ensemble (D) est un sous-espace vectoriel de R2

→
−
. O (0, 0) ∈ D car 0 + 0 = 0
D’où D est non vide
→
−
. Soit →
−
u (x, y) ∈ D et u0 (x0 , y 0 ) ∈ D
On a : (x + x0 ) + (y + y 0 ) = (x + y) + (x0 + y 0 ) = 0
Donc →
−u +→ −
v ∈ D, D est stable par l’addition
. Soit →
−
u (x, y) ∈ D et λR.
λx + λy = λ(x + y) = 0 =⇒ λ→
−
u ∈ D, D est stable par la multiplication par un
scalaire.
Par conséquent est un sous-espace vectoriel de R2 .

1.2.2 Somme de deux sous-espaces vectoriels

Soit F et G deux sous-espaces vectoriels de E

Définition

On appelle somme de F et G, et on note F + G, l’espace engendré par la famille des

vecteurs de F ∪ G défini par : F + G = {→
−
u +→
−
v tels que →
−
u ∈ F, →
−
v ∈ G}

1.2.3 Intersection, somme directe de deux sous-espaces

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

Définition

L’intersection de F et G est l’ensemble défini par : F ∩ G = {→

−
u ∈ E tel que →
−
u ∈F
et →
−
u ∈ G}.

COURS DE MATHÉMATIQUES
EN TERMINALE C ET D
Famille des vecteurs 5

Remarque
→
−
R1 : Si F ∩ G = { O }, alors la somme est dite directe et on note : F ⊕ G

R2 : Si F ⊕ G = E, on dit que F et G sont supplémentaires dans E.

Théorème

♠ La somme de deux sous-espaces vectoriels de E est un sous-espace vectoriel de E.

♠ L’intersection de deux sous-espaces vectoriels de E est un sous-espace vectoriel de E

1.3 Famille des vecteurs

Soit E un R− espace vectoriel.

1.3.1 Combinaison linéaire

Définition

On appelle combinaison linéaire de n éléments de E, tout élément de E qui s’écrit

sous la forme :
n
→
−
u = λ1 →
−
u 1 + λ2 →
−
u 2 + · · · + λn →
− λi →
−
X
un = u i où les λi sont des scalaires et les
i=1
→
−
u i sont des vecteurs.

1.3.2 Famille génératrice

Définition

Une famille de vecteurs {→

−
u1 , →
−
u2 , · · · , −
→} de E est dite génératrice ou système généra-
u n

teur, si elle forme une combinaison linéaire de vecteurs de E.

1.3.3 Activités
1. Soit P l’ensemble défini par : P = {(x, y, z) ∈ R3 /2x − y + 3z = 0}

Montrer que les vecteurs qui engendrent P forment une famille génératrice de R3 .

2. Déterminer λ1 , λ2 et λ3 pour que le vecteur → −v (0, 1, 1) soit une combinaison linéaire

des vecteurs →
−
v 1 (4, 0, 1), →
−
v 2 (−2, 1, 0) et →
−
v 3 (0, −1, 3).

COURS DE MATHÉMATIQUES
EN TERMINALE C ET D
Famille des vecteurs 6

1.3.4 Famille libre

La famille F = {→
−
u1 , →
−
u2 , · · · , −
→} est une famille libre d’un R espace vectoriel E si
un

α1 →
−
u1 + α2 →
− →=→
u2 + · · · + αn −
u
−
0 implique α1 = α2 = · · · αn = 0
n

Activité
On considère les vecteurs →
−
u et →
−
v de R2 définis par : →
−
u (−1; 1), →
−
v (3; 2)

Montrer que (→
−
u ,→
−
v ) est une famille libre.

Solution
→
−
Il s’agit de montrer que α→
−
u + β→
−
v = 0 =⇒ α = β = 0
      
−1 3 0 −α + 3β = 0

α   +β   =   =⇒ =⇒ α = β = 0
1 2 0 
α + 2β = 0

Donc la famille (→
−
u ,→
−
v ) est libre

1.3.5 Famille liée

La famille F = {→ −
u1 , →−
u2 , · · · , −
→} des vecteurs d’un R espace vectoriel E est liée s’il
u n

existe des réels α , α , · · · , α non tous nuls tels que α → −

u +α →−
u + ··· + α − →=→
u
−
0
1 2 n 1 1 2 2 n n

Activité
√ √
u (−1; 3) et →
Soit →
− −
v (− 3; 3) deux vecteurs de R.

Montrer que (→
−
u ,→
−
v ) est une famille liée.

Solution
→
−
(→
−
u ,→
−v ) est une famille liée s’il existe α et β non tous nuls tel que α→ −
u + β→
−
v = 0
   √     √  √
1 − 3 0

 α − β 3 = 0 −α 3 + 3β = 0

α  √  +β   =   =⇒ =⇒
− 3 3 0 −α√3 + 3β = 0
 −α√3 + 3β = 0


√
=⇒ −α 3 + 3β = 0
√
Ainsi, pour β = 1 =⇒ α = 3 , donc la famille (→ −
u ,→
−v ) est liée

COURS DE MATHÉMATIQUES
EN TERMINALE C ET D
Base et dimension 7

Théorème

Dans un espace vectoriel R2 , on considère les vecteurs →

−
u (a, b, c), →
−
v (a0 , b0 , c0 ) et →
−
w (a00 , b00 , c00 )

(→
−
u ,→−
v ,→−
w ) est une famille libre si det(→−
u ,→−v ,→
−
w ) 6= 0
 
 a a0 a00       
   0 00   0 00   0 00 
→
− →
− →
− 
0 00
  b b   a b   a a 
det( u , v , w ) =  b b b  = a 
    − b   + c 
0 00   0 00  0 00 
 c c   c c  c b 

 0 00
 
 c c c 
Ou bien :
 
 a a0 a00  a a0
 
→
− →
− →
−  
det( u , v , w ) =  b b0 b00  b b0
 
 c c0 c00  c c0

Activité
Calculer le dt(→
−
u ,→
−
v ,→
−
w ) , on donne →
−
u (1; 2; −1), →
−
v (0; 2; 1) et →
−
w (−1; 0; 3)

Solution
 
 1 0 −1  1 0
 
On a : dt(→
−
u ,→
−
v ,→
−  
w ) =  2 2 0  2 2 = 2
 
 −1 1 3  −1 1

Comme dt(→
−
u ,→
−
v ,→
−
w ) 6= 0, alors (→
−
u ,→
−
v ,→
−
w ) est une famille libre.

Proposition

Une famille de vecteurs est liée si un vecteur de la famille est une combinaison linéaire
des autres vecteurs de la famille.

1.4 Base et dimension

1.4.1 Base
La famille F = {→
−
u1 , →
−
u2 , · · · , −
→} est une base de R-espace vectoriel E si elle est à la
un

fois libre et génératrice.

COURS DE MATHÉMATIQUES
EN TERMINALE C ET D
Base et dimension 8

1.4.2 Théorème - définition d’une base

Si β = {→
−
u1 , →
−
u2 , · · · , −
→} est une base d’un R-espace vectoriel E, alors toutes les bases
un

de E ont même nombre d’éléments et ce nombre est appelé dimension de E.

Proposition

Si β = {→
−
u1 , →
−
u2 , · · · , −
→} est une base d’un R-espace vectoriel E, alors tout vecteur →
u n
−
u
de E s’écrit de la manière unique → −u = (α1 →
−
u1 + · · · + αn −
→)
un

→
− →− →
− →
− → − →
−
Dans ( i , j , k ), β = ( i , j , k )
→
− →
− →
− →
− → − → −
si →
−
u = 2 i − 5 j + 4 k alors → −
u = (2; −5; 4) dans la base β = ( i , j , k )

Remarque
−
→
R1 : Si E se réduit à un singleton {0E } alors dimE = 0

R2 : L’équation d’une droite vectorielle dans le plan est de la forme ax + by = 0.

x y z
Dans l’espace elle est de la forme = = avec (a, b, c) 6= (0, 0, 0)
a b c
R3 : dimE = 2 ainsi E est appelé plan vectoriel

R4 : dimE = 3 ainsi E est un espace vectoriel.

Propriétés de la dimension
P1 : Si E est un espace vectoriel de dimension n alors toute famille libre a au plus n
éléments.

P2 : Si E est un espace vectoriel de dimension n toute famille libre a n éléments génératrice

donc une base de E

p3 : Si E est un espace vectoriel de dimension n, toute famille génératrice a n éléments

est libre donc une base de E.

Théorème

T1 : Tout espace vectoriel admet une infinité de base ayant le même nombre d’éléments
(vecteurs)

T2 : Tout vecteur d’un espace vectoriel E s’écrit de façon unique comme combinaison
linéaire de vecteurs de base de E.

COURS DE MATHÉMATIQUES
EN TERMINALE C ET D
APPLICATIONS LINÉAIRES 9

1.5 Sous-espaces supplémentaires

Soit F et G les sous espaces vectoriels de E. F et G sont dits supplémentaires de E si

 
F + G = E
 dimF + dimG = dimE

ou bien
F ∩ G = {→
 −
0} F ∩ G = {→
 −
0}

Activité
→
− → − → −
L’espace vectoriel R3 est muni de sa base canonique ( i , j , k ).
On donne : →
−u = (2, 1, 0) et →
−
v = (−1, 0, 1). Soit E1 le sous ensemble de R tel que :
E1 = {(x, y, z) ∈ R/x − 2y + z = 0}. et E2 , un sous espace vectoriel de R3 engendré par
− →
→ −
le vecteur →
−
w =2i − k.

1. Démontrer que E1 est un un sous espace vectoriel de R3 .

2. Montrer que la famille (→

−
u ,→
−
v ) est une famille génératrice de E1 .

3. Montrer que la famille (→

−
u ,→
−
v ) est une famille libre de E1 .

4. Montrer que (→
−
u ,→
−
v ,→
−
w ) est une base de R3 .

5. Montrer que E1 et E2 sont des sous espaces vectoriels supplémentaires de R3 .

1.6 APPLICATIONS LINÉAIRES

1.6.1 Définition
Soit E et E deux sous-espaces vectoriels sur R.
Une application f de E dans F est dite linéaire si et seulement si :
. ∀ (→
−
u ,→
−
v ) ∈ E 2 ; f (→
−
u +→
−
v ) = f (→
−
u ) + f (→
−
v ).
.∀→
−
u ∈ E ; λR ; f (λ→
−
u ) = λf (→
−
u ).

1.6.2 Définition équivalente

Une application f E dans F est linéaire si et seulement si :
∀ (→
−
u ,→
−
v ) ∈ E 2 ; ∀ (α, β) ∈ R2 ; on a : f (α→
−
u , β→
−
v ) = αf (→
−
u ) + βf (→
−
v ).

COURS DE MATHÉMATIQUES
EN TERMINALE C ET D
APPLICATIONS LINÉAIRES 10

1.6.3 Vocabulaire
a) Homomorphisme

Un homomorphisme est une application linéaire de E dans F .

b) Isomorphisme

Un isomorphisme est une application linéaire bijective de E dans F .

c) Endomorphisme

Un endomorphisme est une application linéaire de E dans E. (E = F )

d) Automorphisme

Un automorphisme est un endomorphisme bijectif.

Remarque

L’endomorphisme f de E est un automorphisme involutif si : f ◦ f = IdE

Exercice 1

On considère l’application f définie de R2 dans R2 par :

f : R2 −→ R2

(x, y) 7−→ (x; x + y)

Montrer que f est un endomorphisme de R2 .

Solution de l’exercice 1

Montrons que f est un endomorphisme de R2 .

Il s’agit de montrer que f est linéaire.
Soit →−
u (x; y) ∈ R2 ; →
−
v (a; b) ∈ R2 ; α ∈ R ; β ∈ R
f est linéaire ⇔ f (α→ −
u + β→ −v ) = αf (→
−
u ) + βf (→
−
v ).
α→
−
u + β→
−
v (αx + βa; αy + βb)
On a :
f (α→
−
u + β→
−
v ) = f (αx + βa; αy + βb)

COURS DE MATHÉMATIQUES
EN TERMINALE C ET D
APPLICATIONS LINÉAIRES 11

f (α→
−
u + β→
−
v ) = (αx + βa; αx + βa + αy + βb)
f (α→
−
u + β→
−
v ) = (αx; αx + αy) + (βa; βa + βb) = α(x; x + y) + β(a; a + b)
f (α→
−
u + β→
−
v ) = αf (→
−
u ) + βf (→
−
v ) =⇒ f est linéaire
Conclusion : Comme f est linéaire et de plus f est définie de R2 dans R2 , alors f est
un endomorphisme.

1.6.4 Noyau et Image d’une application linéaire

Soit E et F deux espaces vectoriels sur R et f une application linéaire de E vers F .

a) Noyau de f

On appelle noyau de f noté Kerf , l’ensemble de vecteurs →

−
u de E qui ont pour image
→
−
le vecteur O de F .
→
− o
On a : Kerf = → −u ∈ E/f (→
−
n
u ) = OF

b) Image de f
→
−
On appelle Image de f noté Imf , l’ensemble de vecteurs u0 de F qui ont au moins un
antécédent →
−
u de E.
n→
−0 →
−0 o
→
−
On a : Imf = u ∈ F/f ( u ) = u

1.6.5 Théorème
Soit f une application linéaire de E dans F . Le noyau et l’image de f sont deux sous
espaces vectoriels supplémentaires de E. On a : dimKerf + dimImf = dimE.

Remarques
n→
−o
. Si f est injective, alors Kerf = O =⇒ dimKerf = 0.
. Si f est surjective, alors Imf = F =⇒ dimImf = dimE

1.6.6 Ensemble des vecteurs invariants par une application

linéaire
On appelle vecteur invariant par un endomorphisme f , tout vecteur →
−
u de E tel que
f (→
−
u)=→ −
u.

COURS DE MATHÉMATIQUES
EN TERMINALE C ET D
APPLICATIONS LINÉAIRES 12

On a : Invf = {→
−
u ∈ E/f (→
−
u)=→
−
u}

1.6.7 Expression analytique d’une application linéaire

Soit f une application linéaire définie de E vers F .
→
−
Soit u0 l’image d’un vecteur →
−
u par f .
→
−
Écrire l’expression analytique de f , revient à écrire les coordonnées de u0 en fonction de
→
−
celle de →
−u , en utilisant la relation u0 = f (→
−
u ).

Exercice 1

x0 = x + y

Dans R2 , on considère l’endomorphisme f définie analytiquement par : f :
y 0 = 2x + 2y


1. Déterminer le noyau de f et en donner une base →

−e .
→
−
2. Déterminer l’image de f et en donner une base e’ .

Solution de l’exercice 1

1. Déterminons le noyau de f et en donnons une base →

−e .
→
−
Kerf = → −
u ∈ E/f (→−
n o
u)= O
Posons
 x0 = 0 et y 0 = 
0
x + y = 0
 x + y = 0

=⇒ =⇒ x + y = 0
2x + 2y = 0
 x + y = 0

Le noyau de f est une droite vectorielle d’équation x + y = 0 engendrée par
−e = −→
→ − → −
i + j.
→
−
2. Déterminons l’image de f et en donnons une base e’ .
n→
−0 →
−0 o
→
−
Imf = u ∈ F/f ( u ) = u
 
x + y = x 0
 2x + 2y = 2x0

=⇒ =⇒ 2x0 − y 0 = 0
2x + 2y = y
 0 −2x − 2y = −y
 0

L’image de f est une droite vectorielle d’équation 2x − y = 0 engendrée par

→
− →
− →
−
e’ = i + 2 j .

Exercice 2
→
− → −
Soit f un endomorphisme de E muni de sa base canonique ( i ; j )
→
− →
− → − →
− →
− →
−
tel que f ( i ) = − i + j et f ( j ) = 3 i + 4 j . Déterminer l’expression analytique de f .

COURS DE MATHÉMATIQUES
EN TERMINALE C ET D
APPLICATIONS LINÉAIRES 13

Solution de l’exercice 2

Déterminons l’expression analytique de f .

→
− →
− →
− →
− →
−
Soit →
−
u = x i + y j un vecteur de R2 et u0 = x0 i + y 0 j son image par f .
→
−
Posons u0 = f (→−u)
→
− →
− →
− →
−
On a : x0 i + y 0 j = xf ( i ) + yf ( j )
→
− →
− →
− →
−
x0 i + y 0 j = (−x + 3y) i+ (x + 4y) j
x0 = −x + 3y

Par identification, on a :
y 0 = x + 4y


1.6.8 Matrice
Définition

On appelle matrice du type (n, p) à coefficients dans R tout tableau A de n.p éléments
de R rangés sur n lignes et p colonnes.

N.B : Les lignes d’une matrice sont disposées horizontalement et les colonnes verticale-
ment.
 
a11 a12 · · · a1p
 
 a21 a22 · · · a2p 
Ainsi : A = 
 
.. .. .. 

 . . ··· . 

an1 aa2 · · · anp

Exemple
 
3 5
M =  M est une matrice carrée d’ordre 2
6 7

1.6.9 Matrice d’une application linéaire

Définition

Soit f une application linéaire définie de E vers F , muni d’une base B = (→

−
e1 , →
−
e2 , ..., →
−
en ).
On appelle matrice d’une application linéaire f relativement à la base B, la matrice dont
les colonnes sont constituées des composantes des vecteurs f (e1 ), f (e2 ),..., f (en ) dons cet
ordre.

COURS DE MATHÉMATIQUES
EN TERMINALE C ET D
APPLICATIONS LINÉAIRES 14

Exemple 1

→
− → − f (→
 − →
− → −
i)= i − j
Dans R2 , muni d’une base ( i , j ) ; l’endomorphisme f tel que :
f (→
 − →
− →
−
j )=2 i +3j
 
1 2
a pour matrice M =  
−1 3

Exemple 2
3 →
− → − → −
Dans R , muni d’une base ( i , j , k ) ; on considère l’endomorphisme f définie par :
→
−

→
− →
− →
−  



 f( i ) = 2 i + 3 j − 5 k 2 3 1
→
− − →
→ −
  
f ( j ) = 3 i + k la matrice de f est : M =   3 0 1 


→
− →
− →
− →
−

−5 1 2

F( k ) = i + j + 2 k


1.6.10 Autres types types de matrices

On distingue plusieurs types de matrices entre autres :
 
a1
 . 
♣ matrice uni-colonne : M =  . 
 . 
an
♣ matrice uni-ligne : M = (a1 · · · an )

♣ matrice unitaire ou identité

Une matrice est dite unitaire lorsque sur sa diagonale principale on ne trouve que des un
(1) et de part et d’autre on a des zéros.
 
1 0 ··· 0 0
 
 0 1
 ··· 0 0  
In = 
 ... 
 0 0 0 0  
 . . .. . . .. 
 .. .. . . . 
 
0 0 ··· 0 1

Remarque

Une matrice M sera dite carrée lorsque n = p c’est-à-dire le nombre de lignes est égal
au nombre de colonnes.

COURS DE MATHÉMATIQUES
EN TERMINALE C ET D
Applications linéaires particulières 15

 
a c
M = M est une matrice carrée d’ordre 2.
b d
. Toutes les matrices unitaires sont des matrices carrées.

Exemples
 
1 0
? I2 =   est une matrice carrée d’ordre 2.
0 1
 
1 0 0
 
? I3 = 
 0  est une matrice carrée d’ordre 2.
1 0 
0 0 1

1.7 Applications linéaires particulières

1.7.1 Projection vectorielle

a) Définition

Une application linéaire f de E dans F est une projection vectorielle si et seulement

si f ◦ f = f .

b) Éléments caractéristiques

Toute projection vectorielle se caractérise par :

. La base : Ensemble des vecteurs invariants par f
On a : B = {→−
u ∈ E/f (→
−u)=→ −
u}
. La direction : L’ensemble des vecteurs qui ont pour image le vecteur nul.
n
→
− →
− →
−o
On a : D = u ∈ E/f ( u ) = O

1.7.2 Symétrie vectorielle

a) Définition

Une application linéaire f de E dans F est une symétrie vectorielle si et seulement si

f ◦ f = IdE .

COURS DE MATHÉMATIQUES
EN TERMINALE C ET D
Applications linéaires particulières 16

b) Éléments caractéristiques

Toute symétrie vectorielle se caractérise par :

. La base : Ensemble des vecteurs invariants par f
On a : B = {→−
u ∈ E/f (→
−u)=→ −
u}
. La direction : L’ensemble des vecteurs transformés en leur opposé.
On a : D = {→−u ∈ E/f (→−
u ) = −→−
u}

Exercices d’applications

Exercice 1
→
− → −
L’espace vectoriel E est muni d’une base B = ( i ; j ).
x0 = 5x + 10y

Soit g un endomorphisme défini analytiquement par :
y 0 = −2x − 4y

→
− →
− →
− →
−
1. (a) Exprimer le vecteurs g( i ) et g( j ) en fonction des vecteurs i et j .
→
− →−
(b) Déterminer la matrice M de l’endomorphisme g dans la base ( i ; j ). .

(c) g est-il un automorphisme de E ?

→
− →
−
2. (a) Calculer g ◦ g( i ) et g ◦ g( j ).

(b) En déduire la nature de l’endomorphisme g.

(c) Déterminer les éléments caractéristiques de g.

→
− → − →
− →
−
3. On considère les vecteurs →
−
u = −2 i + j et → −v = −5 i + 2 j .

(a) Montrer que les vecteurs →

−
u et →
−
v forment une base de E.

(b) Exprimer g(→

−
u ) et g(→
−
v ) en fonction de →
−
u et →
−
v.

(c) Donner la matrice P de g dans la base (→

−
u ;→
−
v ).

COURS DE MATHÉMATIQUES
EN TERMINALE C ET D
Applications linéaires particulières 17

Exercice 2
n→− →−o
L’espace vectoriel E est muni d’une base B = i; j .
→
− →
− →
− →
− → −
On considère l’endomorphisme f de E tel que : f ◦ f ( i ) = i et f ( i ) = −2 i − j .

1. (a) Qu’appelle-t-on dimension d’un espace vectoriel E ?

(b) Donner la dimension de l’espace vectoriel E notée dimE.

(c) Qu’appelle-t-on automorphisme ?

→
− →
− →
−
2. (a) Exprimer le vecteur f ( j ) en fonction des vecteurs i et j .
→
−
(b) Déterminer f ◦ f ( j ) puis en déduire la nature de l’endomorphisme f .
→
− →
− →
− →
− →
−
3. Soit →
−u = x i + y j et u0 = x0 i + y 0 j deux vecteurs de l’espace E tel que :
→
−
f (→
−
u ) = u0 .

x0 = −2x + 3y

(a) Montrer que l’expression analytique de l’endomorphisme f est :
y 0 = −x + 2y


(b) En déduire la matrice M de l’endomorphisme f .

(c) Vérifier que f est un automorphisme.

(d) Déterminer les éléments caractéristiques de f .

→
− →
− → −
4. On considère les vecteurs →
−
v = − i et →−
w = i + j.

(a) Montrer que les vecteurs →

−
v et →
−
w forment une base de E.

(b) Exprimer f (→
−
v ) et f (→
−
w ) en fonction de →
−
v et →
−
w.

(c) Donner la nouvelle matrice M 0 de f dans la base (→

−
v ;→
−
w ).

Exercice 3 



 x0 = −2x + y + z

On considère l’endomorphisme f de R3 défini par : f : y 0 = x − 2y + z



z 0 = x + y − 2z


→
− → − → −
1. Écrire la matrice de f dans la base canonique ( i , j , k ) de R3 .

2. Déterminer le noyau de f et en déduire une base →

−
e1 .

3. Déterminer l’image de f et en déduire une base →

−
e2 et →
−
e3 .

4. (a) Montrer que B = (→

−
e1 , →
−
e2 , →
−
e3 ) est une base de R3 .

(b) Écrire la matrice de f dans la base B.

5. Montrer que Kerf et Imf sont deux sous-espace vectoriels supplémentaires de R3 .

COURS DE MATHÉMATIQUES
EN TERMINALE C ET D
Applications linéaires particulières 18

Exercice 4
Dans l’espace vectoriel R4 , on considère les vecteurs →
−
u1 (1, 1, 0, 0) ; →
−
u2 (0, 1, 1, 0) et →
−
u3 (0, 0, 1, 1).

1. Démontrer que la famille F = {→

−
u1 ; →
−
u2 ; →
−
u3 } est une famille libre.

2. Soit →
−
v (x, y, z, t un vecteur de R4 , on suppose que →
−v est une combinaison linéaire
des vecteurs →−
u ;→
1
−
u ;→
2
−
u . Trouver une relation entre les réels x, y, z et t.
3

3. Soit →
−
w (1, −1, 1, 3). Déduire de la relation obtenue au 2. que →
−
w est une combinaison
linéaire des vecteurs →−
u ;→
−
u et →
1 2
−
u . 3

4. Déterminer les réels a, b et c tels que : →

−
w = a→
−
u 1 + b→
−
u 2 + c→
−
u 3.

Exercice 5
→
− → −
Sot ( i , j ) une base du plan vectoriel E, f désigne l’endomorphisme de E tel que

f (→
 − 1 →
− →
i)= (i − j)
−
4
f ( j ) = 3 (−→
 →
− − → −
i + j ).
4
→
− → −
1. Donner la matrice de f dans la base ( i , j ).

2. Déterminer l’expression analytique de f .

3. Déterminer le noyau de f et en donner une base →

−
e 1.

4. Déterminer l’image de f et en donner une base →

−
e 2.

5. Déterminer l’ensemble des vecteur invariant par f et en donner une base →

−
e 3.

6. (a) Montrer que B 0 = (→

−
e 1, →
−
e 2 ) est une base de E.

(b) Quelle est la matrice de f dans la base B 0 ?

→
−
7. (a) Calculer f ◦ f ( i ) puis en déduire la nature de f .

(b) Caractériser l’endomorphisme f .

Exercice 6
→
− → −
Soit E un espace vectoriel de dimension 2 muni de sa base canonique B = ( i ; j ).
→
− →
− →
− →
−
On considère deux vecteurs →−
u = 5 i + 2 j et →
−
v = 3 i + 2 j et f un endomorphisme de
E tels que f (→
−
u)=→ −
u et f (→−
v ) = −→
−
v.

1. (a) Montrer que B 0 = (→

−
u ,→
−
v ) est une base de E.

(b) En déduire la matrice P de f dans cette base.

(c) Montrer que dans cette base f est un automorphisme.

→
− →
− →
− →
−
2. (a) Déterminer f ( i ) et f ( j ) en fonction des vecteurs i et j .

(b) Déterminer la matrice M de l’endomorphisme f .

COURS DE MATHÉMATIQUES
EN TERMINALE C ET D
Applications linéaires particulières 19

(c) Déterminer l’expression analytique de l’endomorphisme f .

→
−
3. (a) Calculer f ◦ f ( j ).

(b) En déduire la nature et les éléments caractéristiques de f

Solution de l’exercice 1
→
− →
− →
− →
−
1. (a) Exprimons g( i ) et g( j ) en fonction de i et j .
→
− →
− →
− →
− →
−
On a : u0 = g(→ −
u ) =⇒ x0 i + y 0 j = xg( i ) + yg( j )
→
− →
− →
− →
− →
− →
−
(5 i − 2 j )x + (10 i − 4 j )y = xg( i ) + yg( j )
→
− →
− →
− →
− →
− →
−
Par identification, on a : g( i ) = 5 i − 2 j et g( j ) = 10 i − 4 j

la matriceM de l’endomorphisme g.
(b) Déterminons
5 10
On a : M =  
−2 −4
(c) g n’est pas un automorphisme car dtMg = 0
→
− →
−
2. (a) Calculons g ◦ g( i ) et g ◦ g( j ).
→
− →
− →
− →
−
On a : g ◦ g( i ) = g( i ) et g ◦ g( j ) = g( j )

(b) Nature de l’endomorphisme g.

Comment g ◦ g = g, alors g est une projection vectorielle.

(c) Déterminons les éléments caractéristiques de g.

. Base de g
En posant x0 = x et y 0 = y, on trouve : 2x + 5y = 0
D’où la base g est une droite vectorielle d’équation 2x + 5y = 0 engendrée par
−e = −5→
→ − →
−
i +2j .
. Direction de g
En posant x0 = 0 et y 0 = 0, on trouve : x + 2y = 0
D’où la direction g est une droite vectorielle d’équation x + 2y = 0 engendrée
−e 0 = −2→
par →
− → −
i + j.
→
− → − →
− →
−
3. On donne →
−
u = −2 i + j et →
−
v = −5 i + 2 j .

(a) Montrons que →

−
u et → −
v forment une base.
Comment dt( u , v ) = 1 6= 0, alors →
→
− →
− −
u et →
−
v forment une base.

(b) Exprimons g(→−u ) et g(→

−
v ) en fonction de →
−
u et →
−
v.
→
−
On a : g(→
−
u ) = O et g(→ −
v)=→ −v.

COURS DE MATHÉMATIQUES
EN TERMINALE C ET D
Applications linéaires particulières 20

(c) Donnons la  P de g.
matrice
0 0
On a : P =  
0 1

Solution de l’exercice 2

1. (a) On appelle dimension d’un espace vectoriel E, le nombre d’éléments contenus

dans une de ses bases.

(b) Donnons la dimension de l’espace E.

On a : dimE = 2.

(c) On appelle automorphisme tout endomorphisme bijectif.

→
− →
− →
−
2. (a) Calculons f ( j ) en fonction de i et j .
→
− →
− →
− →
− →
− →
−
On a : f ◦ f ( i ) = −2f ( i ) − f ( j ) =⇒ f ( j ) = −2f ( i ) − f ◦ f ( i )
→
− →
− →
−
D’où f ( j ) = 3 i + 2 j .
→
−
(b) Déterminons f ◦ f ( j ) puis déduisons la nature de f .
→
− →
− →
− →
− → − →
− →
− →
−
f ◦ f ( j ) = 3f ( i ) + 2f ( j ) = 3(−2 i − j ) + 2(3 i + 2 j ) = j
→
− →
−
D’où f ◦ f ( j ) = j .
f est une symétrie vectorielle.

x0 = −2x + 3y

3. (a) Montrons que l’expression analytique de f est :
y 0 = −x + 2y

→
− →
− →
− →
− →
− →
− →
− →
−
x0 i + y 0 j = xf ( i ) + yf( j ) =⇒ x0 i + y 0 j = (−2x + 3y) i + (−x + 2y) j
x0 = −2x + 3y

Par identification, on a :
y 0 = −x + 2y


 de f
(b) Déduisons-enla matrice
−2 3
On a : M =  
−1 2
(c) vérifions que f est un automorphisme.
Comme dtM = −1, alors f est un automorphisme.

(d) Déterminons les éléments caractéristiques de f .

. Base de f
En posant x0 = x et y 0 = y, on trouve : x − y = 0
D’où la base f est une droite vectorielle d’équation x − y = 0 engendrée par
−e = →
→ − → −
i + j.

COURS DE MATHÉMATIQUES
EN TERMINALE C ET D
Applications linéaires particulières 21

. Direction de f
En posant x0 = −x et y 0 = −y, on trouve : x − 3y = 0
D’où la direction f est une droite vectorielle d’équation x − 3y = 0 engendrée
−e 0 = 3→
par →
− → −
i + j.
→
− →
− → −
4. On donne →
−
v = − i et →
−
w = i + j.

(a) Montrons que →

−
v et →−
w forment une base.
Comment dt(→−
v ,→
−
w ) = −1 6= 0, alors →
−
v et →
−
w forment une base.

(b) Exprimons f (→−v ) et f (→

−
w ) en fonction de →
−
v et →
−
w.
On a : f (→
−
v ) = −→ −
v +→ −
w et f (→
−
w) = →−w.

(c) Donnons la nouvelle

 matrice
 M 0 de f .
−1 0
On a : M 0 =  
1 1

Solution de l’exercice 3




 x0 = −2x + y + z

On considère l’endomorphisme f de R3 défini par : f : y 0 = x − 2y + z



z 0 = x + y − 2z


→
− → − → −
1. Écrivons la matrice de f dans la base ( i , j , k ).
 
−2 1 1
 
On a : Mf =   1 −2 1 

1 1 −2
2. Déterminons le noyau une base → −
e1 .
→
−
Soit →
−
u ∈ Kerf , alors f (→
−
u)= O



 −2x + y + z = 0 (1)

On a : x − 2y + z = 0 (2)



x + y − 2z = 0 (3)


(1) + 2 × (2) : y − z = 0 =⇒ y = z (4)

(1) + 2 × (3) : y − z = 0 =⇒ y = z (5)
(2) x = 2y − z (6)
(4) dans (6), x = y = z
Le noyau de f est la droite vectorielle d’équation x = y = z engendrée par →
−
e1 =
→
− → − → −
i + j + k.

COURS DE MATHÉMATIQUES
EN TERMINALE C ET D
Applications linéaires particulières 22

3. Déterminons l’image et une base → −

e2 et →
−
e3 .
Soit →
−
u 0∈ Imf , alors →−u 0 = f (→
−u)
x0 = −2x + y + z (1)




On a : y 0 = x − 2y + z (2)



z 0 = x + y − 2z (3)


(1) + (2) + (3) : x0 + y 0 + z 0 = 0

L’image de f est le plan vectoriel d’équation x + y + z = 0 engendrée par
→
− →
− → − − →
→ −
e2 = − i + j et → −
e3 = − i + k .

4. (a) Montrons que B est une base de R3 .

On a : detB = 3. Comme detB 6= 0, alors B est une base de R3 .

(b) Matrice de f dans la base B.

→
−
On a f (e1 ) = 0 ; f (e2 ) = −3e2 et f (e3 ) = −3e3
 
0 0 0
 
D’où Mf =  0 −3 0 


0 0 −3
5. Montrons que Kerf et Imf sont deux sous-espace vectoriels supplémentaires de R3 .
Kerf et Imf sont deux sous-espace vectoriels supplémentaires de R3 si et seulement
si dimKerf + dimImf = dimR3 et det(e1 , e2 , e3 ) 6= 0. Alors la décomposition est
unique.
D’où Kerf et Imf sont deux sous-espace vectoriels supplémentaires de R3 .

COURS DE MATHÉMATIQUES
EN TERMINALE C ET D