PrécédentCh. 05 — Fonctions numériques particulières 📚 Tous les chapitres SuivantCh. 07 — Dénombrement
Ch. 06 Mathématiques · Terminale Commerciale (TBG)

Algèbre linéaire : espaces vectoriels et applications linéaires

Objectif Général 3 — Algèbre linéaire et dénombrement. Structure d'espace vectoriel de R², sous-espaces vectoriels, applications linéaires, noyau, image et théorème du rang.

1. L'espace vectoriel R²

Définition

Un vecteur de R² est un couple de réels (x, y). L'ensemble R² est muni de deux opérations : l'addition vectorielle (x, y) + (x′, y′) = (x + x′, y + y′), et la multiplication par un scalaire k · (x, y) = (kx, ky), pour k ∈ R. Muni de ces deux opérations, R² est un espace vectoriel.

Base canonique et dimension

Les vecteurs i = (1, 0) et j = (0, 1) forment la base canonique de R² : tout vecteur (x, y) s'écrit de façon unique comme combinaison linéaire (x, y) = x·i + y·j. On dit que R² est de dimension 2.

Exemple résolu

Soient u = (2, −1) et v = (1, 3). Calculons w = 3u − 2v.

3u = (6, −3) et 2v = (2, 6), donc w = 3u − 2v = (6 − 2, −3 − 6) = (4, −9).

2. Sous-espaces vectoriels de R²

Définition

Une partie F de R² est un sous-espace vectoriel (sev) de R² si : (1) F contient le vecteur nul (0, 0) ; (2) F est stable par addition (la somme de deux vecteurs de F reste dans F) ; (3) F est stable par multiplication scalaire (tout multiple d'un vecteur de F reste dans F).

Sous-espaces vectoriels de R²

Les seuls sous-espaces vectoriels de R² sont : {(0,0)} (dimension 0), les droites vectorielles passant par l'origine (dimension 1), et R² tout entier (dimension 2).

Exemple et contre-exemple

F = {(x, y) : y = 2x} est un sev de R² : il contient (0,0) (car 0 = 2×0), il est stable par addition et par multiplication scalaire. C'est la droite vectorielle dirigée par (1, 2).

G = {(x, y) : y = 2x + 1} n'est pas un sev de R² : il ne contient pas (0, 0) car 0 ≠ 2×0 + 1. C'est une droite affine, pas une droite vectorielle.

3. Applications linéaires de R² dans R²

Définition

Une application f : R² → R² est linéaire si, pour tous vecteurs u, v de R² et tous scalaires a, b : f(au + bv) = a·f(u) + b·f(v). Une telle application s'écrit toujours f(x, y) = (αx + βy, γx + δy) et se représente par une matrice.

Conséquence pratique

Une application linéaire est entièrement déterminée par les images des vecteurs de la base canonique : f(1, 0) et f(0, 1). Pour tout vecteur (x, y) = x·i + y·j, on a f(x, y) = x·f(1, 0) + y·f(0, 1).

Exemple résolu

Soit f(x, y) = (2x + y, x − y). On a f(1, 0) = (2, 1) et f(0, 1) = (1, −1).

Image de u = (3, 2) par combinaison : f(3,2) = 3·f(1,0) + 2·f(0,1) = 3(2,1) + 2(1,−1) = (6,3) + (2,−2) = (8, 1). On retrouve directement f(3,2) = (2×3+2, 3−2) = (8, 1). ✓

4. Noyau, image et théorème du rang

Définitions

Le noyau de f est l'ensemble Ker f = {u ∈ R² : f(u) = (0, 0)}. C'est un sous-espace vectoriel de l'espace de départ.

L'image de f est l'ensemble Im f = {f(u) : u ∈ R²} des vecteurs effectivement atteints. C'est un sous-espace vectoriel de l'espace d'arrivée.

Théorème du rang

Pour toute application linéaire f : R² → R² : dim(Ker f) + dim(Im f) = dim(R²) = 2

f est injective si et seulement si Ker f = {(0,0)}. Si de plus dim(Im f) = 2, alors Im f = R² et f est bijective.

Exemples résolus

f(x,y) = (2x+y, x−y) : Ker f se trouve en résolvant 2x+y=0 et x−y=0, ce qui donne x=y et 2x+x=0 donc x=0, y=0. Ker f = {(0,0)} : f est injective, donc dim(Im f) = 2 − 0 = 2 : f est bijective.

g(x,y) = (x+y, 2x+2y) : Ker g se trouve en résolvant x+y=0, soit y=−x. Ker g = {(t, −t) : t ∈ R}, une droite, donc dim(Ker g) = 1. Comme g(x,y) = (x+y)·(1,2), on a Im g = vect{(1,2)}, donc dim(Im g) = 1. Vérification du théorème du rang : 1 + 1 = 2. ✓

🧠 À retenir absolument

  • R² est un espace vectoriel de dimension 2, de base canonique {(1,0), (0,1)}
  • Un sous-espace vectoriel contient toujours (0,0) et est stable par addition et multiplication scalaire
  • Application linéaire : f(au+bv) = a·f(u) + b·f(v) ; déterminée par f(1,0) et f(0,1)
  • Ker f = {u : f(u) = 0} ; Im f = {f(u) : u ∈ R²}
  • Théorème du rang : dim(Ker f) + dim(Im f) = 2 ; f injective ⟺ Ker f = {(0,0)}
1

Combinaisons linéaires

● Facile

Soient u = (3, −2) et v = (−1, 4) deux vecteurs de R².

  1. Calculer 2u + 3v.
  2. Calculer w = u − v.
✅ Correction
  1. 2u = (6, −4) et 3v = (−3, 12), donc 2u + 3v = (6−3, −4+12) = (3, 8).
  2. w = u − v = (3−(−1), −2−4) = (4, −6).
2

Sous-espaces vectoriels

● Facile

On considère F₁ = {(x, y) : y = 3x} et F₂ = {(x, y) : x + y = 1}.

  1. F₁ est-il un sous-espace vectoriel de R² ? Justifier.
  2. F₂ est-il un sous-espace vectoriel de R² ? Justifier.
  3. Donner un vecteur directeur de F₁ et sa dimension.
✅ Correction
  1. F₁ contient (0,0) (0=3×0), et il est stable par addition et multiplication scalaire (droite vectorielle) : F₁ est un sev de R².
  2. F₂ ne contient pas (0,0) car 0 + 0 = 0 ≠ 1 : F₂ n'est pas un sev de R² (c'est une droite affine).
  3. F₁ est dirigé par le vecteur (1, 3) ; c'est une droite vectorielle, donc dim(F₁) = 1.
3

Application linéaire et matrice

● Moyen

Soit f(x, y) = (3x − 2y, x + 4y).

  1. Écrire la matrice M associée à f.
  2. Calculer f(2, −1).
✅ Correction
  1. En identifiant les coefficients de x et y dans chaque composante : M = [[3, −2], [1, 4]].
  2. f(2,−1) = (3×2 − 2×(−1), 2 + 4×(−1)) = (6+2, 2−4) = (8, −2).
4

Noyau et image d'une application non injective

● Moyen

Soit h(x, y) = (x − 2y, −3x + 6y).

  1. Déterminer Ker h et donner un vecteur directeur.
  2. Déterminer Im h et donner un vecteur directeur.
  3. Vérifier le théorème du rang.
✅ Correction
  1. x − 2y = 0 ⟺ x = 2y, donc Ker h = {(2y, y) : y ∈ R}, droite dirigée par (2, 1). dim(Ker h) = 1.
  2. On remarque que −3x+6y = −3(x−2y), donc h(x,y) = (x−2y)·(1, −3). Ainsi Im h = vect{(1, −3)}. dim(Im h) = 1.
  3. dim(Ker h) + dim(Im h) = 1 + 1 = 2 = dim(R²). Le théorème du rang est vérifié.
5

Problème de synthèse : composition d'applications linéaires

● Difficile

On considère f(x, y) = (2x + y, x − y) de matrice A = [[2, 1], [1, −1]], et g(x, y) = (x + y, 2x + 2y) de matrice B = [[1, 1], [2, 2]] (étudiée dans le cours).

  1. Calculer la matrice de f∘g par le produit A×B.
  2. En déduire l'expression de (f∘g)(x, y).
  3. Déterminer Ker(f∘g) et Im(f∘g).
  4. Comparer Ker(f∘g) et Ker g. Commenter, sachant que f est bijective.
✅ Correction
  1. Produit matriciel A×B, ligne par colonne :
    A×B = [[2×1+1×2, 2×1+1×2], [1×1+(−1)×2, 1×1+(−1)×2]] = [[4, 4], [−1, −1]]
  2. La matrice [[4,4],[−1,−1]] donne (f∘g)(x,y) = (4x + 4y, −x − y).
  3. Ker(f∘g) : 4x+4y=0 et −x−y=0 donnent la même condition x+y=0, soit y=−x. Ker(f∘g) = {(t, −t) : t ∈ R}, dimension 1. Comme (f∘g)(x,y) = (4x+4y, −x−y) = (x+y)·(4, −1), Im(f∘g) = vect{(4, −1)}, dimension 1. On vérifie 1+1=2. ✓
  4. On avait trouvé dans le cours Ker g = {(t,−t) : t ∈ R}, exactement le même ensemble que Ker(f∘g). C'est cohérent : puisque f est bijective (donc injective), f(u) = (0,0) seulement si u = (0,0) ; ainsi (f∘g)(u) = (0,0) équivaut à g(u) = (0,0). Composer par une application bijective ne change donc pas le noyau.

QCM — Auto-évaluation

10 questions · Une seule bonne réponse · Correction immédiate

0Score
0/10Répondues
Question 1 / 10

L'espace vectoriel R² est muni de l'addition vectorielle et de :

Question 2 / 10

La dimension de l'espace vectoriel R² est :

Question 3 / 10

Un sous-espace vectoriel de R² doit obligatoirement contenir :

Question 4 / 10

L'ensemble F = {(x,y) : y = 2x + 1} est-il un sous-espace vectoriel de R² ?

Question 5 / 10

f : R² → R² est linéaire si pour tous u, v et scalaires a, b :

Question 6 / 10

Le noyau Ker f d'une application linéaire f est :

Question 7 / 10

D'après le théorème du rang, pour f : R² → R², on a toujours :

Question 8 / 10

f est injective si et seulement si :

Question 9 / 10

Soit g(x,y) = (x+y, 2x+2y). Son noyau Ker g est :

Question 10 / 10

Pour f(x,y) = (2x+y, x−y), l'image du vecteur u = (3,2) est :