PrécédentCh. 05 — Fonctions numériques particulières 📚 Tous les chapitres SuivantCh. 07 — Dénombrement
Ch. 06 Mathématiques · Terminale Industrielle (TF2/F3)

Algèbre linéaire : espaces vectoriels et applications linéaires

Objectif Général 3 — Algèbre linéaire. Structure d'espace vectoriel réel, sous-espaces vectoriels, familles libres/génératrices, bases et dimension, applications linéaires, noyau et image.

1. Espace vectoriel réel

Définition

Un ensemble E, muni d'une addition interne « + » et d'une multiplication externe par un scalaire réel « · », est un espace vectoriel réel (ou ℝ-espace vectoriel) si (E,+) est un groupe commutatif et si, pour tous vecteurs u, v de E et tous scalaires λ, μ de ℝ :

λ·(u+v) = λ·u + λ·v    (λ+μ)·u = λ·u + μ·u    λ·(μ·u) = (λμ)·u    1·u = u

Exemples de référence

ℝ², ℝ³, ℝⁿ (n-uplets de réels, opérations coordonnée par coordonnée) sont des espaces vectoriels réels de référence. L'ensemble des vecteurs du plan ou de l'espace géométrique, ainsi que l'ensemble des fonctions polynômes, sont également des espaces vectoriels réels. Le vecteur nul 0 de E vérifie : pour tout u de E, u + 0 = u.

Exemple résolu

Dans ℝ³, on pose u = (1, 2, −1) et v = (3, 0, 4). Calculer 2u − v.

2u = (2, 4, −2). 2u − v = (2−3, 4−0, −2−4) = (−1, 4, −6).

2. Sous-espaces vectoriels

Définition

Une partie F non vide d'un espace vectoriel E est un sous-espace vectoriel (sev) de E si :

• F contient le vecteur nul 0 ;
• F est stable par combinaison linéaire : pour tous u, v ∈ F et tous λ, μ ∈ ℝ, λu + μv ∈ F.

Conséquence

Un sous-espace vectoriel est lui-même un espace vectoriel (pour les opérations induites). {0} et E sont toujours des sous-espaces vectoriels de E (sous-espaces triviaux).

Exemple résolu

F = {(x, y, z) ∈ ℝ³ | x + y − z = 0} est-il un sous-espace vectoriel de ℝ³ ?

Le vecteur nul (0,0,0) vérifie 0+0−0=0, donc 0 ∈ F. Soient u=(x₁,y₁,z₁), v=(x₂,y₂,z₂) ∈ F et λ,μ ∈ ℝ. On a x₁+y₁−z₁=0 et x₂+y₂−z₂=0. Pour λu+μv=(λx₁+μx₂, λy₁+μy₂, λz₁+μz₂), la somme des deux premières coordonnées moins la troisième vaut λ(x₁+y₁−z₁)+μ(x₂+y₂−z₂)=λ·0+μ·0=0. Donc λu+μv ∈ F. F est bien un sous-espace vectoriel de ℝ³ (c'est un plan passant par l'origine).

3. Familles libres, génératrices, bases

Famille libre (linéairement indépendante)

Une famille (u₁, …, uₙ) de vecteurs de E est libre si la seule combinaison linéaire nulle est celle à coefficients tous nuls :

λ₁u₁ + λ₂u₂ + … + λₙuₙ = 0 ⟹ λ₁ = λ₂ = … = λₙ = 0

Dans le cas contraire, la famille est dite liée : il existe une combinaison linéaire nulle à coefficients non tous nuls.

Famille génératrice

Une famille (u₁, …, uₙ) est génératrice de E si tout vecteur de E s'écrit comme combinaison linéaire de u₁, …, uₙ.

Base et dimension

Une famille est une base de E si elle est à la fois libre et génératrice. Tout vecteur de E s'écrit alors de manière unique comme combinaison linéaire des vecteurs de la base (ses coordonnées dans cette base). Toutes les bases d'un même espace vectoriel E ont le même nombre d'éléments, appelé dimension de E, notée dim(E).

Exemple résolu

Dans ℝ², la famille (e₁, e₂) avec e₁=(1,0) et e₂=(0,1) est la base canonique : dim(ℝ²) = 2. Plus généralement dim(ℝⁿ) = n.

La famille (u,v) avec u=(1,2) et v=(2,4) est-elle libre ? On teste λu+μv=0 : (λ+2μ, 2λ+4μ)=(0,0). La 2ᵉ équation est le double de la 1ʳᵉ (v=2u), donc il existe des solutions non nulles, par exemple λ=2, μ=−1. La famille (u,v) est liée (v est colinéaire à u).

4. Applications linéaires

Définition

Soient E et F deux espaces vectoriels réels. Une application f : E → F est linéaire si, pour tous u, v ∈ E et tous λ, μ ∈ ℝ :

f(λu + μv) = λf(u) + μf(v)

En particulier, une application linéaire vérifie toujours f(0E) = 0F.

Noyau et image

Le noyau de f, noté Ker(f), est l'ensemble des vecteurs de E envoyés sur 0 par f : Ker(f) = {u ∈ E | f(u) = 0}. C'est un sous-espace vectoriel de E.

L'image de f, notée Im(f), est l'ensemble des valeurs prises par f : Im(f) = {f(u) | u ∈ E}. C'est un sous-espace vectoriel de F.

Propriété fondamentale

f est injective si et seulement si Ker(f) = {0}. f est surjective si et seulement si Im(f) = F. Si E est de dimension finie : dim(E) = dim(Ker(f)) + dim(Im(f)) (théorème du rang).

Exemple résolu

Soit f : ℝ² → ℝ² définie par f(x,y) = (x+y, x−y). Montrer que f est linéaire puis déterminer Ker(f).

Linéarité : soient (x₁,y₁),(x₂,y₂) ∈ ℝ², λ,μ ∈ ℝ. f(λ(x₁,y₁)+μ(x₂,y₂)) = f(λx₁+μx₂, λy₁+μy₂) = (λx₁+μx₂+λy₁+μy₂, λx₁+μx₂−λy₁−μy₂) = λ(x₁+y₁,x₁−y₁) + μ(x₂+y₂,x₂−y₂) = λf(x₁,y₁)+μf(x₂,y₂). f est linéaire.

Ker(f) : f(x,y)=(0,0) ⟺ x+y=0 et x−y=0. En additionnant : 2x=0 donc x=0, puis y=0. Ker(f) = {(0,0)}, donc f est injective.

🧠 À retenir absolument

  • Espace vectoriel : ensemble stable par addition et multiplication scalaire, contenant le vecteur nul
  • Sous-espace vectoriel F ⊂ E : 0 ∈ F et stabilité par combinaison linéaire λu+μv ∈ F
  • Famille libre : seule combinaison linéaire nulle = coefficients tous nuls ; liée sinon
  • Base = famille libre et génératrice ; dim(E) = nombre de vecteurs d'une base ; dim(ℝⁿ) = n
  • Application linéaire : f(λu+μv) = λf(u)+μf(v) ; Ker(f)={0} ⟺ f injective ; théorème du rang : dim(E) = dim(Ker f) + dim(Im f)
1

Combinaisons linéaires dans ℝ³

● Facile

Dans ℝ³, on donne u = (2, −1, 3) et v = (1, 4, −2). Calculer w = 3u − 2v.

✅ Correction

3u = (6, −3, 9). 2v = (2, 8, −4). w = 3u − 2v = (6−2, −3−8, 9−(−4)) = (4, −11, 13).

2

Sous-espace vectoriel

● Facile

F = {(x, y) ∈ ℝ² | y = 3x} est-il un sous-espace vectoriel de ℝ² ? Justifier en vérifiant les deux conditions.

✅ Correction

Le vecteur nul (0,0) vérifie 0 = 3×0, donc (0,0) ∈ F.

Soient u=(x₁,3x₁), v=(x₂,3x₂) ∈ F et λ,μ ∈ ℝ. λu+μv = (λx₁+μx₂, 3λx₁+3μx₂) = (λx₁+μx₂, 3(λx₁+μx₂)), qui est bien de la forme (X, 3X) avec X=λx₁+μx₂, donc λu+μv ∈ F.

F est un sous-espace vectoriel de ℝ² (droite vectorielle passant par l'origine, de dimension 1).

3

Famille libre ou liée

● Moyen

Dans ℝ³, on donne u = (1, 1, 0), v = (0, 1, 1), w = (1, 2, 1). La famille (u, v, w) est-elle libre ?

✅ Correction

On cherche λ, μ, ν tels que λu + μv + νw = 0, soit le système :

λ + ν = 0 (1ʳᵉ coordonnée) ; λ + μ + 2ν = 0 (2ᵉ coordonnée) ; μ + ν = 0 (3ᵉ coordonnée).

De (1) : λ = −ν. De (3) : μ = −ν. En remplaçant dans (2) : −ν − ν + 2ν = 0, soit 0 = 0, toujours vrai. En prenant ν = 1, on obtient λ = −1, μ = −1 : la combinaison −u − v + w = 0 est non triviale (on vérifie : −(1,1,0)−(0,1,1)+(1,2,1) = (−1+0+1, −1−1+2, 0−1+1) = (0,0,0) ✓).

La famille (u, v, w) est liée : on a w = u + v.

4

Application linéaire, noyau et image

● Moyen

Soit f : ℝ² → ℝ² définie par f(x, y) = (2x − y, 4x − 2y).

  1. Vérifier que f est linéaire.
  2. Déterminer Ker(f). f est-elle injective ?
✅ Correction
  1. Pour (x₁,y₁),(x₂,y₂) ∈ ℝ² et λ,μ ∈ ℝ : f(λ(x₁,y₁)+μ(x₂,y₂)) = f(λx₁+μx₂, λy₁+μy₂) = (2(λx₁+μx₂)−(λy₁+μy₂), 4(λx₁+μx₂)−2(λy₁+μy₂)) = λ(2x₁−y₁,4x₁−2y₁) + μ(2x₂−y₂,4x₂−2y₂) = λf(x₁,y₁)+μf(x₂,y₂). f est linéaire.
  2. f(x,y) = (0,0) ⟺ 2x−y=0 et 4x−2y=0. La 2ᵉ équation est 2 fois la 1ʳᵉ, donc une seule condition indépendante : y = 2x. Donc Ker(f) = {(x, 2x), x ∈ ℝ}, une droite vectorielle (dimension 1), non réduite à {(0,0)}. f n'est pas injective (par exemple f(1,2) = (2−2, 4−4) = (0,0) avec (1,2) ≠ (0,0)).
5

Base, dimension et théorème du rang — problème de synthèse

● Difficile

Soit f : ℝ³ → ℝ² l'application linéaire définie par f(x, y, z) = (x + y − z, 2x + y + z).

  1. Déterminer Ker(f) en résolvant le système f(x,y,z) = (0,0), et donner une base de Ker(f).
  2. En déduire dim(Ker f).
  3. À l'aide du théorème du rang, déterminer dim(Im f). Que peut-on en conclure sur Im(f), sachant que Im(f) est un sous-espace vectoriel de ℝ² (qui est de dimension 2) ?
  4. f est-elle surjective ?
✅ Correction
  1. On résout x+y−z=0 et 2x+y+z=0. En soustrayant la 1ʳᵉ de la 2ᵉ : (2x+y+z)−(x+y−z) = x+2z = 0, donc x = −2z. En reportant dans la 1ʳᵉ équation : −2z+y−z=0, soit y = 3z. Donc Ker(f) = {(−2z, 3z, z), z ∈ ℝ} = {z·(−2,3,1), z ∈ ℝ}. Le vecteur w = (−2,3,1) est non nul, donc la famille (w) est libre ; elle engendre Ker(f) : (w) = ((−2,3,1)) est une base de Ker(f).
  2. Ker(f) est une droite vectorielle engendrée par un seul vecteur non nul : dim(Ker f) = 1.
  3. Théorème du rang : dim(E) = dim(Ker f) + dim(Im f), avec E = ℝ³ donc dim(E) = 3. D'où dim(Im f) = 3 − 1 = 2. Comme Im(f) est un sous-espace vectoriel de ℝ² de dimension 2 = dim(ℝ²), on en conclut que Im(f) = ℝ² tout entier.
  4. Puisque Im(f) = ℝ² (l'espace d'arrivée en entier), f est surjective.

QCM — Auto-évaluation

10 questions · Une seule bonne réponse · Correction immédiate

0Score
0/10Répondues
Question 1 / 10

Dans ℝ³, avec u = (1, 2, −1) et v = (3, 0, 4), le vecteur u + v vaut :

Question 2 / 10

Pour qu'une partie F non vide de E soit un sous-espace vectoriel, il faut et il suffit que :

Question 3 / 10

Une famille de vecteurs est dite « liée » lorsque :

Question 4 / 10

La dimension de l'espace vectoriel ℝⁿ est :

Question 5 / 10

Une base d'un espace vectoriel E est une famille :

Question 6 / 10

Pour une application linéaire f : E → F, on a toujours :

Question 7 / 10

Une application linéaire f : E → F est injective si et seulement si :

Question 8 / 10

Le théorème du rang énonce que, pour f : E → F linéaire avec E de dimension finie :

Question 9 / 10

Ker(f), le noyau d'une application linéaire f : E → F, est :

Question 10 / 10

Deux vecteurs non nuls u et v de ℝ² sont colinéaires (v = k·u). La famille (u, v) est alors :