LU1MA002 Mathématiques pour les Études Scientifiques II

Feuille 5
Applications Linéaires de Rp dans Rn 1
Les feuilles d’exercices sont découpées en trois types d’exercice :
— Les indispensables : à savoir faire en autonomie.
— Les exercices d’application : pour mieux maı̂triser et comprendre le cours.
— Pour aller plus loin : exercices présentant des développements mathématiques ou des études de modéli-
sations de phénomènes issues d’autres disciplines.

Indispensables

Exercice 1. Déterminer si les applications suivantes sont linéaires :

f1 : R2 → R2 f1 (x, y) = (2x + y, x − y)
f2 : R3 → R3 f2 (x, y, z) = (xy, x, y)
f3 : R3 → R3 f3 (x, y, z) = (2x + y + z, y − z, x + y)
f4 : R2 → R4 f4 (x, y) = (y, 0, x − 7y, x + y)
g1 : R2 → R2 g1 (x, y) = (x + y, x − y)
g2 : R2 → R2 g2 (x, y) = (x, y)
g3 : R2 → R2 g3 (x, y) = (x, y 2 )
g4 : R2 → R g4 (x, y) = x
g5 : R2 → R g5 (x, y) = xy
g6 : R2 → R g6 (x, y) = |x + y|

Solution :
1. f1 est linéaire. Pour (x, y) ∈ R2 et (x0 , y 0 ) ∈ R2 :

f1 (x, y) + (x0 , y 0 ) = f1 x + x0 , y + y 0

= 2(x + x0 ) + (y + y 0 ), (x + x0 ) − (y + y 0 )

= 2x + y + 2x0 + y 0 , x − y + x0 − y 0

= 2x + y, x − y + 2x0 + y 0 , x0 − y 0

= f1 (x, y) + f1 (x0 , y 0 )

Pour (x, y) ∈ R2 et λ ∈ R :





f1 λ · (x, y) = f1 λx, λy = 2λx + λy, λx − λy = λ · 2x + y, x − y = λ · f1 (x, y).

2. f2 n’est pas linéaire, en effet par exemple f2 (1, 1, 0) + f2 (1, 1, 0) n’est pas égal à f2 (2, 2, 0).
3. f3 est linéaire : il faut vérifier d’abord que pour tout (x, y, z) et (x0 , y 0 , z 0 ) alors f3 (x, y, z) +
(x , y , z
) = f3 (x, y, z) + f3 (x0 , y 0 , z 0 ). Et ensuite que pour tout (x, y, z) et λ on a f3 λ ·
0 0 0

(x, y, z) = λ · f3 (x, y, z).

4. f4 est linéaire : il faut vérifier d’abord que pour tout (x, y) et (x0 , y 0 ) alors
f4 (x, y) + (x0 , y 0 ) =

f4 (x, y) + f4 (x0 , y 0 ). Et ensuite que pour tout (x, y) et λ on a f4 λ · (x, y) = λ · f4 (x, y).
5. g1 est linéaire par le même argument de f1 ;
6. g2 est linéaire : c’est l’application identité ;
7. g3 n’est pas linéaire : en effet

g3 (x, y + y 0 ) = (x, (y + y 0 )2 ) = (x, y 2 + (y 0 )2 + 2yy 0 ) 6= (x, y 2 + (y 0 )2 ) = g3 (x, y) + g3 (x, y 0 )

1. Version du 10 février 2020

1
 LU1MA002 Mathématiques pour les Études Scientifiques II

8. g4 est linéaire : g4 ((x, y) + (x0 , y 0 )) = g4 ((x + x0 , y + y 0 )) = x + x0 = g4 ((x, y)) + g4 ((x0 , y 0 )) et

g4 (0, 0) = 0
9. g5 est linéaire : c’est la fonction composé de g4 avec f2 et la composition d’applications linéaires
est linéaire.
10. g6 n’est pas linéaire :

g6 ((−1).(1, 1)) = g6 ((−1, −1)) = | − 1 − 1| = 2 6= (−1).g6 ((1, 1)) = −2

Exercice 2. Soit f : R3 → R2 la transformation linéaire donnée dans la base canonique par la matrice
 
3 1 0
A=
2 −1 1
et g : R2 → R2 la transformation linéaire donnée dans la base canonique par la matrice
 
−1 1
B=
0 1
1. Calculer la matrice associée à la fonction composée g ◦ f dans la base canonique de R2 et R3 .
Solution :  
  x  
3 1 0   3x + y
f (x, y, z) = . y =
2 −1 1 2x − y + z
z
     
−1 1 x −x + y
g(u, v) = . =
0 1 y y
donc

g(f (x, y, z)) = (−(3x + y) + (2x − y + z), 2x − y + z) = (−x − 2y + z, 2x − y + z

Dans la base canonique, est donnée par la matrice
 
−1 −2 1
2 −1 1

2. Comparer avec le produit de matrices B.A.

Solution :      
−1 1 3 1 0 − − 1 −2 1
B.A = . =
0 1 2 −1 1 2 −1 1
Donc les matrices sont les mêmes.

3. Dans quelle généralité peut-on s’attendre à une relation similaire ?

Solution : Si f : Rn → Rm est une transformation linéaire donnée dans la base canonique par une
matrice A et g : Rm → Rp est une transformation linéaire donnée dans la base canonique par une
matrice B alors la composée g ◦ f est l’application linéaire donnée par le produit de matrices B.A.

2
 LU1MA002 Mathématiques pour les Études Scientifiques II

Exercice 3. On considère l’application linéaire f de R3 dans R2 définie par f ((x, y, z)) = (x−y, y −z).
1. Déterminer Ker f .
Solution : Dans la base canonique, f est donnée par la matrice
 
1 −1 0
A=
0 1 −1
Pour détérminer le noyau de f il faut résoudre le système
   
  x 0
1 −1 0
. y = 0
  
0 1 −1
z 0
A est échelonnée avec 2 pivots. Sous forme échelonnée réduite, on obtient le système
   
  x 0
1 0 −1    
. y = 0
0 1 −1
z 0
et donc Kerf c’est le sous-espace vectoriel de R3 engendrée par le vecteur (1, 1, 1).

2. f est-elle injective ? Surjective ?

Solution : f n’est pas injective car kerf est de dimension 1>0. f est surjective car rang A = 2 =
dimension de R2 .

  
 x 
Exercice 4. 1. Montrer que P = y  ∈ R3 | x + 2y − 4z = 0 est un sous-espace vectoriel
z
 
de R3 . Quelle est sa dimension ? Déterminer une base de P .
  
 x 
2. Montrer que D = y  ∈ R3 | x − y + z = 0 et x + y − z = 0 est un sous-espace vectoriel
z
 
de R3 . Quelle est sa dimension ? Déterminer une base de D.
  

 x 

y
  
3. Montrer que H =   ∈ R | x + y + z + t = 0 est un sous-espace vectoriel de R4 . Quelle
4
 z  
 
t
 
est sa dimension ? Déterminer une base de H.
Solution :
1. Soit f définie de R3 dans R par :
 
x
f ( y ) = x + 2y − 4z ,

z
alors f est une application linéaire de noyau l’ensemble P qui 
estdonc un sous-espace vectoriel
x
de R3 . De plus f est clairement surjective (par exemple f ( 0 ) = x) de sorte que par le
0
théorème du rang :
dim(P ) = dim(ker(f )) = 3 − rg(f ) = 2 .

3
 LU1MA002 Mathématiques pour les Études Scientifiques II

Enfin, pour fournir

une 
base, 
il suffit
 de déterminer deux vecteurs de P qui forment une famille
2 0
libre, par exemple −1 et 2 sont deux vecteurs de P , de plus :
0 1
      
2 0 0  2a = 0
a −1 + b 2 = 0 ⇔ −a + 2b = 0 ⇔ a = b = 0,
0 1 0 b=0


ce qui prouve qu’ils forment une famille libre.

2. On procède de même en considérant ici la fonction f définie de R3 dans R2 par :
 
x  
x−y+z
f( y ) =
  .
x+y−z
z

Cette fonction est linéaire de noyau égal à D et est surjective, ainsi

 dim(D)
 = 1 et une base de
0
D est constituée d’un vecteur de D non nul comme par exemple 1 .
1
3. On procède de même en considérant ici la fonction f définie de R4 dans R par :
 
x
y 
f (
 z ) = x + y + z + t .


Cette fonction est linéaire de noyau égal à H et est surjective, ainsi dim(H) = 3et une
 base
 de
1 1
−1  0 
H est constituée de trois vecteurs de H qui forment une famille libre comme   0  . −1
  

0 0
 
1
0
et 
 0 .


−1

Exercice 5. Montrer que les application suivantes sont R-linéaires. Pour chacune, donner une base
du noyau et de son image, et en déduire si l’application est injective, surjective ou bijective.
( (
R2 → R4 R3 → R2
f1 : , f2 :
(x, y) 7→ (y, y + 2x, x, y + 2x) (x, y, z) 7→ (x + y, x + 2y + z).

Solution :
 
0 1  
2 1
f1 (x, y) =  . x
1 0 y
2 1

4
 LU1MA002 Mathématiques pour les Études Scientifiques II

f1 (0, 0) = (0, 0, 0, 0)

f1 (x + x0 , y + y 0 ) = (y + y 0 , y + y 0 + 2(x + x0 ), x + x0 , y + y 0 + 2(x + x0 )) =
= (y, y + 2x, x, y + 2x) + (y 0 , y 0 + 2x0 , x0 , y 0 + 2x0 ) = f1 (x, y) + f1 (x0 , y 0 )

f1 (λ.x, λy) = (λy, λy + 2λx, λ.x, λy + 2λx) = λ.(y, y + 2x, x, y + 2x) = λf1 (x, y)
Donc f1 est linéaire.
— Le noyau de f1 est la solution du système

y = 0 ∧ y + 2x = 0 ∧ x = 0 ∧ y + 2x = 0

Donc
x=0∧y =0
est le noyau est de dimension 0 et l’application est injective.
— f1 n’est par surjective : l’image de f c’est le sous-espace de R4 engendrée par les colonnes de la
matrice associée à f1 : (0, 2, 1, 2) et (1, 1, 0, 1) et donc, un sous-espace de R4 de dimension 2.

 
  x
1 1 0  
f2 (x, y, z) = . y
1 2 1
z
Par Pivot de Gauss, le noyau de f2 est le sous-espace des solutions du système :

x = z ∧ y = −z
avec z variable libre. Donc c’est un sous-espace de dimension 1engendrée par (1, −1, 1) et f2 n’est pas
injective.
 
1 1 0
Par contre, comme l’espace engendrée par les colonnes de est de dimension 2, f2 est
1 2 1
surjective.

Exercice 6. Soit f l’application linéaire de R4 dans R3 canoniquement associée à la matrice

 
−11 7 0 3
M = 0 1 11 2 .
1 0 7 1
Déterminer le rang de f , ainsi qu’une base de son noyau et de son image. Donner une équation de
l’image.
Solution :
rank = 2

kerf = {(−7x − y, −11x − 2y, x, y) : x, y ∈ R}

Image f =< (7, 1, 0), (−11, 0, 1) >

5
 LU1MA002 Mathématiques pour les Études Scientifiques II

Exercice 7. Soit  
3 1 −3
A =  −1 1 1 
1 1 −1
On note B = (e1 , e2 , e3 ) la base canonique de R3 . Soit f l’endomorphisme de R3 dont la matrice dans
B est A. On pose ε1 = (1, 1, 1), ε2 = (1, −1, 0), ε3 = (1, 0, 1) et B 0 = (ε1 , ε2 , ε3 ).
1. Montrer que B 0 constitue une base de R3 .

Solution : Par la théoréme du cours B 0 constitue une base de R3 ssi

 
1 1 1
dét 1 −1
 0 6= 0
1 0 1

En effet on a dét = −1 donc la matrice est inversible et B 0 est une base.

2. Écrire la matrice de f dans cette base.

Solution : On a

f (ε1 ) = A.ε1 = ε1

f (ε2 ) = A.ε2 = 2.ε2

f (ε3 ) = A.ε3 = 0

Donc, la matrice associée à f dans la base B 0 est

 
1 0 0
0 2 0
0 0 0

3. Déterminer une base de Ker f et de Im f .

Solution : Base de kerf = {ε3 }.

Base pour l’image de f = {ε1 , ε2 }

Pour aller plus loin

 1 1 0
Exercice 8. Soit l’endomorphisme f de R3 canoniquement associé à la matrice M = −1 2 1 . Le
1 01
plan P d’équation y + z = 0 est-il stable par f ? La droite vect {(1, 1, 1)} est-elle stable par f ?

Exercice 9. Soit f l’application linéaire du R-espace vectoriel R3 dans le R-espace vectoriel R2 définie
par f ((x, y, z)) = (x + 2y + z, x − 2y + z).

6
 LU1MA002 Mathématiques pour les Études Scientifiques II

1. Déterminer la matrice A associée à f par rapport aux bases canoniques de R3 et R2 .

2. Soit f1 = (1, 0, −1), f2 = (1, 1, 0), f3 = (1, 1, 1), v1 = (1, 1) et v2 = (1, −1). Vérifier que
B3 = (f1 , f2 , f3 ) est une base de R3 et que B2 = (v1 , v2 ) est une base de R2 . Déterminer la
matrice A0 associée à f par rapport aux bases B3 et B2 .
3. Trouver une base B20 de R2 telle que la matrice associée à f par rapport aux bases B3 et B20 soit
 
0 1 0
M= .
0 0 1