Filière de « Sciences Économiques et de Gestion »

Semestre II / Session : Printemps-Été 2014-2015

Section A

Module 13 : Algèbre et Mathématiques Financières

Chapitre III :
Application linéaire

Professeure : Amale LAHLOU

Algèbre et Mathématiques Financières Chapitre III : Application Linéaire

Sommaire
INTRODUCTION .......................................................................................................................
1 DEFINITIONS ET GENERALITES .......................................................................................... 3
1.1 DEFINITION 3
1.2 VOCABULAIRE ET NOTATION 3
1.3 PROPRIETES 3
1.4 EGALITE 4
1.5 COMPOSITION DE DEUX APPLICATIONS LINEAIRES 4
2 NOYAU ET IMAGE D’UNE APPLICATION LINEAIRE .............................................................. 4
3 APPLICATIONS LINEAIRES INJECTIVES ET SURJECTIVES....................................................... 5
4 RANG D’UNE APPLICATION LINEAIRE ................................................................................ 6
5 MATRICE ASSOCIEE A UNE APPLICATION LINEAIRE ............................................................ 6
5.1 COORDONNEES D’UN VECTEUR 6
5.2 MATRICE ASSOCIEE A UN SYSTEME DE VECTEURS 7
5.3 MATRICE ASSOCIEE A UNE APPLICATION LINEAIRE 8
6 CHANGEMENT DE BASES ................................................................................................ 11
6.1 MATRICE DE PASSAGE D’UNE BASE A UNE NOUVELLE BASE 11
6.2 COORDONNES D’UN VECTEUR RELATIVEMENT A UNE NOUVELLE BASE 12
6.3 MATRICE ASSOCIEE A UNE APPLICATION LINEAIRE RELATIVEMENT AUX NOUVELLES BASES 14
EXERCICES SOLUTIONNES SE RAPPORTANT AU CHAPITRE III

Pr. Amale LAHLOU 2 Session Printemps-É té 2014-2015

Faculté des Sciences Juridiques Économiques et Sociales, Rabat Semestre II
 Algèbre et Mathématiques Financières Chapitre III : Application Linéaire

Chapitre III : Application Linéaire

1 Définitions et généralités
Dans toute la suite, sauf indication contraire, (𝐸1 , +, . ) et (𝐸2 , +, . ) désignent deux espaces vectoriels réels de
dimensions finies.
1.1 Définition
L’application 𝑓 définie de 𝐸1 dans 𝐸2 est dite linéaire si et seulement si 𝑓 est un homomorphisme d’espaces
vectoriels, c'est-à-dire :
∀𝑢1 , 𝑢2 ∈ 𝐸1 , ∀𝜆1 ∈ ℝ 𝑓(𝑢1 + 𝑢2 ) = 𝑓(𝑢1 ) + 𝑓(𝑢2 ) et 𝑓(𝜆1 ∙ 𝑢1 ) = 𝜆1 ∙ 𝑓(𝑢1 )
ou équivalent à :
∀𝑢1 , 𝑢2 ∈ 𝐸1 ∀𝜆1 , 𝜆2 ∈ ℝ 𝑓(𝜆1 . 𝑢1 + 𝜆2 . 𝑢2 ) = 𝜆1 . 𝑓(𝑢1 ) + 𝜆2 . 𝑓(𝑢2 )
1.2 Vocabulaire et notation
Soit 𝑓 une application linéaire de 𝐸1 dans 𝐸2 .
Si 𝐸2 = 𝐸1 , on parle d’endomorphisme de 𝐸1 ;
Si 𝑓 est bijective, on parle d’isomorphisme de 𝐸1 dans 𝐸2 ;
Si 𝐸2 = 𝐸1 et 𝑓 est bijective, on parle d’automorphisme de E1 ;
On note ℒ(𝐸1 , 𝐸2 ) l’ensemble des applications linéaire de 𝐸1 dans 𝐸2 . Quand E1 = E2 , on abrège la
notation en ℒ(𝐸1 ), l’ensemble des endomorphismes de 𝐸1 ;
Le triplet (ℒ(𝐸1 , 𝐸2 ), +, . ) est un ℝ-e.v. où :
"+" : ℒ(𝐸1 , 𝐸2 ) × ℒ(𝐸1 , 𝐸2 ) ⟶ ℒ(𝐸1 , 𝐸2 )
(𝑓, 𝑔) ⟼ 𝑓 + 𝑔
l’addition " + " est une Loi de Composition Interne vérifiant,
𝑓+𝑔 : 𝐸1 ⟶ 𝐸2
𝑢 ⟼ (𝑓 + 𝑔)(𝑢) = 𝑓(𝑢) + 𝑔(𝑢)
et
". " : ℝ × ℒ(𝐸1 , 𝐸2 ) ⟶ ℒ(𝐸1 , 𝐸2 )
(𝜆, 𝑓) ⟼ 𝜆. 𝑓
la multiplication par un scalaire ". " est une Loi de Composition Externe vérifiant,
𝜆. 𝑓 : 𝐸1 ⟶ 𝐸2
𝑢 ⟼ (𝜆. 𝑓)(𝑢) = 𝜆. 𝑓(𝑢)
Exemples :
0 : 𝐸1 ⟶ 𝐸2
− est l’application linéaire nulle notée 0ℒ(𝐸1 ,𝐸2 ) .
𝑢 ⟼ 0(𝑢) = 0𝐸2
𝑖𝑑𝐸1 : 𝐸1 ⟶ 𝐸1
− est l’application linéaire identité notée 𝑖𝑑𝐸1
𝑢 ⟼ 𝑖𝑑𝐸1 (𝑢) = 𝑢
𝑓 : ℝ2 ⟶ ℝ3
− est une application linéaire de ℝ2 dans ℝ3 .
(𝑥, 𝑦) ⟼ (𝑥 − 𝑦, 𝑥, 𝑦)
1.3 Propriétés

Pr. Amale LAHLOU 3 Session Printemps-É té 2014-2015

Faculté des Sciences Juridiques Économiques et Sociales, Rabat Semestre II
 Algèbre et Mathématiques Financières Chapitre III : Application Linéaire

Soit 𝑓 ∈ ℒ(𝐸1 , 𝐸2 ), alors :

𝑓(0𝐸1 ) = 0𝐸2
∀𝑢 ∈ 𝐸1 ∶ 𝑓(−𝑢) = −𝑓(𝑢)
∀𝑢1 , ⋯ , 𝑢𝑝 ∈ 𝐸1 ∀𝜆1 , ⋯ , 𝜆𝑝 ∈ ℝ ∶ 𝑓(𝜆1 𝑢1 + ⋯ + 𝜆𝑝 𝑢𝑝 ) = 𝜆1 𝑓(𝑢1 ) + ⋯ + 𝜆𝑝 𝑓(𝑢𝑝 )
L’image d’une combinaison linéaire des vecteurs de 𝐸1 est une combinaison linéaire des images de ces
vecteurs.
1.4 Égalité
Soient 𝑓, 𝑔 ∈ ℒ(𝐸1 , 𝐸2 ), alors les deux applications sont égales si et seulement si : ∀𝑢 ∈ 𝐸1 , 𝑓(𝑢) = 𝑔(𝑢)
1.5 Composition de deux applications linéaires
Soient 𝐸1 , 𝐸2 et 𝐸3 trois ℝ-e.v. et 𝑓 ∈ ℒ(𝐸1 , 𝐸2 ) et 𝑔 ∈ ℒ(𝐸2 , 𝐸3 ) :
𝑓 : 𝐸1 ⟶ 𝐸2 𝑔 : 𝐸2 ⟶ 𝐸3
et
𝑢 ⟼ 𝑓(𝑢) 𝑢 ⟼ 𝑔(𝑢)
alors, l’application 𝑔 ∘ 𝑓 ∈ ℒ(𝐸1 , 𝐸3 ) est définie par :
𝑔∘𝑓 : 𝐸1 ⟶ 𝐸3
𝑢 ⟼ 𝑔 ∘ 𝑓(𝑢) = 𝑔(𝑓(𝑢))
Remarque : en pratique, pour montrer qu’une application 𝑓 est linéaire, la méthode la plus rapide est de
montrer que 𝑓 est une somme ou composée d’applications linéaires connues.

2 Noyau et image d’une application linéaire

Définition : Soit 𝒇 ∈ 𝓛(𝑬𝟏 , 𝑬𝟐 ).
Soit 𝐴 une partie de 𝐸1 . On définit l’image de 𝐴 par 𝑓, l’ensemble :
𝑓(𝐴) = {𝑣 ∈ 𝐸2 ∶ ∃𝑢 ∈ 𝐴 ∶ 𝑣 = 𝑓(𝑢)} = {𝑓(𝑢) ∶ 𝑢 ∈ 𝐴} ⊆ 𝐸2
En particulier : on note 𝐼𝑚(𝑓) = 𝑓(𝐸1 ) = {𝑣 ∈ 𝐸2 ∶ ∃𝑢 ∈ 𝐸1 𝑒𝑡 𝑣 = 𝑓(𝑢)}.
Soit 𝐵 une partie de 𝐸2 . On définit l’image réciproque de 𝐵 par 𝑓, l’ensemble :
𝑓 −1 (𝐵) = {𝑢 ∈ 𝐸1 : 𝑓(𝑢) ∈ 𝐵} ⊆ 𝐸1
En particulier : on note 𝐾𝑒𝑟(𝑓) = 𝑓 −1 ({0𝐸2 }) = {𝑢 ∈ 𝐸1 : 𝑓(𝑢) = 0𝐸2 }
Exemple : Soit l’application linéaire :
𝑓 : ℝ3 ⟶ ℝ3
(𝑥1 , 𝑥2 , 𝑥3 ) ⟼ 𝑓(𝑥1 , 𝑥2 , 𝑥3 ) = (𝑥1 − 𝑥3 , 0,0)
D’une part, 𝐼𝑚(𝑓) = {(𝑥1 − 𝑥3 , 0,0): 𝑥1 , 𝑥3 ∈ ℝ}
D’autre part,
(𝑥1 , 𝑥2 , 𝑥3 ) ∈ 𝐾𝑒𝑟(𝑓) ⟺ 𝑓(𝑥1 , 𝑥2 , 𝑥3 ) = (0,0,0)
⟺ (𝑥1 − 𝑥3 , 0,0) = (0,0,0)
⟺ 𝑥1 − 𝑥3 = 0
⟺ 𝑥1 = 𝑥3
Ainsi, 𝐾𝑒𝑟(𝑓) = {(𝑥1 , 𝑥2 , 𝑥3 ) ∈ ℝ3 : 𝑥1 = 𝑥3 } = {(𝑥3 , 𝑥2 , 𝑥3 ) ∶ 𝑥1 , 𝑥3 ∈ ℝ}
Théorème :

Pr. Amale LAHLOU 4 Session Printemps-É té 2014-2015

Faculté des Sciences Juridiques Économiques et Sociales, Rabat Semestre II
 Algèbre et Mathématiques Financières Chapitre III : Application Linéaire

L’image par une application linéaire 𝑓 d’un s.e.v. de 𝐸1 est un s.e.v. de 𝐸2 . En particulier, 𝐼𝑚(𝑓) est un
s.e.v. de 𝐸2 .
L’image réciproque par une application linéaire 𝑓 d’un s.e.v. de 𝐸2 est un s.e.v. de 𝐸1 . En particulier,
𝐾𝑒𝑟(𝑓) est un s.e.v. de 𝐸1 .
Exemple : Soit l’application linéaire :
𝑓 : ℝ3 ⟶ ℝ3
(𝑥1 , 𝑥2 , 𝑥3 ) ⟼ 𝑓(𝑥1 , 𝑥2 , 𝑥3 ) = (𝑥1 − 𝑥3 , 0,0)
On a :
𝐼𝑚(𝑓) = {(𝑥1 − 𝑥3 , 0,0): 𝑥1 , 𝑥3 ∈ ℝ}
= {(𝑥1 − 𝑥3 )(1,0,0): 𝑥1 , 𝑥3 ∈ ℝ}
= 〈(1,0,0)〉
𝐼𝑚(𝑓) est le s.e.v. de ℝ3 engendré par la famille {(1,0,0)} et 𝑑𝑖𝑚(𝐼𝑚(𝑓)) = 1.
𝐾𝑒𝑟(𝑓) = {(𝑥1 , 𝑥2 , 𝑥3 ) ∈ ℝ3 ∶ 𝑥1 = 𝑥3 }
= {(𝑥1 , 𝑥2 , 𝑥1 ) ∶ 𝑥1 , 𝑥2 ∈ ℝ}
= {𝑥1 (1,0,1) + 𝑥2 (0,1,0) ∶ 𝑥1 , 𝑥2 ∈ ℝ}
= 〈(1,0,1), (0,1,0)〉
Ker(𝑓) est le s.e.v. de ℝ3 engendré par la famille {(1,0,1), (0,1,0)} et 𝑑𝑖𝑚(𝐾𝑒𝑟(𝑓)) = 2.
Théorème : Soit 𝑺 = {𝒖𝟏 , … , 𝒖𝒑 } un système de 𝑬𝟏 . L’image de 𝑺 par l’application 𝒇est le système 𝒇(𝑺) =
{𝒇(𝒖𝟏 ), … , 𝒇(𝒖𝒑 )} ⊆ 𝒇(𝑬𝟏 ). Alors,
Si 𝑆 générateur de 𝐸1 , alors 𝑓(𝑆) est générateur de 𝐼𝑚𝑓 ;
Si 𝑆 est lié, alors 𝑓(𝑆) est lié. La réciproque est fausse ;
Si 𝑓(𝑆) est libre, alors 𝑆 est libre. La réciproque est fausse.
Remarque : Si 𝑺 est libre, alors 𝒇(𝑺) n’est pas forcement libre. Comme contre exemple, on prend l’application
linéaire :
𝑓 : ℝ2 ⟶ ℝ2
(𝑥1 , 𝑥2 ) ⟼ 𝑓(𝑥1 , 𝑥2 ) = (𝑥1 − 𝑥2 , 0)
Le système 𝑆 = {(1,0), (0,1)} est libre de ℝ2 tandis que le système 𝑓(𝑆) = {(1,0), (−1,0)} est lié (les deux
vecteurs sont opposés).
Notons que si l’application 𝑓 est injective alors l’image de tout système libre est libre.

3 Applications linéaires injectives et surjectives

Définition : Une application 𝒇 définie d’un ensemble 𝑬quelconque dans un ensemble 𝑭est dite :
𝑓 est injective si et seulement si ∀𝑢1 , 𝑢2 ∈ 𝐸 ∶ 𝑓(𝑢1 ) = 𝑓(𝑢2 ) ⇒ 𝑢1 = 𝑢2 ;
𝑓 est surjective si et seulement si ∀𝑣 ∈ 𝐹, ∃𝑢 ∈ 𝐸 ∶ 𝑓(𝑢) = 𝑣 ;
𝑓 est bijective si et seulement si 𝑓 est à la fois injective et surjective
ou encore, 𝑓 est bijective si et seulement si ∀𝑣 ∈ 𝐹, ∃! 𝑢 ∈ 𝐸 ∶ 𝑓(𝑢) = 𝑣
ou encore, 𝑓 est bijective si et seulement si 𝑓(𝐸) = 𝐹.
Théorème : Soit 𝒇 ∈ 𝓛(𝑬𝟏 , 𝑬𝟐 ) une application définie de l’espace vectoriel 𝑬𝟏 vers l’espace vectoriel 𝑬𝟐 .

Pr. Amale LAHLOU 5 Session Printemps-É té 2014-2015

Faculté des Sciences Juridiques Économiques et Sociales, Rabat Semestre II
 Algèbre et Mathématiques Financières Chapitre III : Application Linéaire

𝑓 est injective si et seulement si l’image par 𝑓 de tout système libre de 𝐸1 est un système libre de 𝐼𝑚(𝑓) ;
ou encore, 𝑓 est injective si et seulement si 𝐾𝑒𝑟(𝑓) = {0𝐸1 } ;
𝑓 est surjective si et seulement si l’image par 𝑓 de tout système générateur de 𝐸1 est un système générateur
de 𝐸2 ;
ou encore, 𝑓 est surjective si et seulement si 𝐼𝑚(𝑓) = 𝐸2 ;
𝑓 est bijective si et seulement si l’image par 𝑓 d’une base de 𝐸1 est une base de 𝐸2
ou encore, 𝑓 est bijective si et seulement si 𝐾𝑒𝑟(𝑓) = {0𝐸1 } et 𝐼𝑚(𝑓) = 𝐸2 .
Corollaire : Soit 𝒇 ∈ 𝓛(𝑬𝟏 , 𝑬𝟐 ) avec 𝑬𝟏 et 𝑬𝟐 deux ℝ-e.v. de dimensions finies.
Si l’application linéaire 𝑓 est injective alors 𝑑𝑖𝑚(𝐸1 ) ≤ 𝑑𝑖𝑚(𝐸2 ).
Si l’application linéaire 𝑓 est surjective alors 𝑑𝑖𝑚(𝐸1 ) ≥ 𝑑𝑖𝑚(𝐸2 ).
Si 𝑑𝑖𝑚(𝐸1 ) = 𝑑𝑖𝑚(𝐸2 ) alors,
𝑓 est bijective ⟺ 𝑓 est surjective ⟺ 𝑓 est injective.

4 Rang d’une application linéaire

Définition : On appelle rang de l’application linéaire 𝒇, noté 𝒓𝒈(𝒇)ou 𝒓𝒂𝒏𝒈(𝒇), la dimension du sous-espace
vectoriel 𝑰𝒎(𝒇), c’est-à-dire : 𝒓𝒈(𝒇) = 𝒅𝒊𝒎(𝑰𝒎(𝒇))
Théorème du rang : Soit 𝒇 ∈ 𝓛(𝑬𝟏 , 𝑬𝟐 ) avec 𝑬𝟏 et 𝑬𝟐 deux ℝ-e.v. de dimensions finies.
𝑑𝑖𝑚(𝐸1 ) = 𝑑𝑖𝑚(𝐾𝑒𝑟(𝑓)) + 𝑑𝑖𝑚(𝐼𝑚(𝑓))
ou encore,
𝑑𝑖𝑚(𝐸1 ) = 𝑑𝑖𝑚(𝐾𝑒𝑟(𝑓)) + 𝑟𝑔(𝑓)
Exemple : Soit l’application linéaire,
𝑓 : ℝ3 ⟶ ℝ3
(𝑥1 , 𝑥2 , 𝑥3 ) ⟼ 𝑓(𝑥1 , 𝑥2 , 𝑥3 ) = (𝑥1 − 𝑥3 , 0,0)
On a : 𝐼𝑚(𝑓) = 〈(1,0,0)〉 et 𝐾𝑒𝑟(𝑓) = 〈(1,0,1), (0,1,0)〉
ainsi, 𝑟𝑔(𝑓) = 𝑑𝑖𝑚(𝐼𝑚(𝑓)) = 1
On vérifie facilement que : 𝑑𝑖𝑚(ℝ3 ) = 𝑑𝑖𝑚(𝐾𝑒𝑟(𝑓)) + 𝑑𝑖𝑚(𝐼𝑚(𝑓))
Corollaire :
𝑓 est injective si et seulement si 𝑟𝑔(𝑓) = 𝑑𝑖𝑚(𝐸1 ) ;
𝑓 est surjective si et seulement si 𝑟𝑔(𝑓) = 𝑑𝑖𝑚(𝐸2 ) ;
𝑓 est bijective si et seulement si 𝑟𝑔(𝑓) = 𝑑𝑖𝑚(𝐸1 ) = 𝑑𝑖𝑚(𝐸2 ).

5 Matrice associée à une application linéaire relativement aux bases des deux
espaces vectoriels
Soit (𝐸1 , +, . ) un ℝ-e.v. avec 𝑑𝑖𝑚(𝐸1 ) = 𝑛, 𝐸1 muni d’une base 𝐵1 = {𝑒1 , … , 𝑒𝑛 }.
Soit (𝐸2 , +, . ) un ℝ-e.v. avec 𝑑𝑖𝑚(𝐸2 ) = 𝑝, 𝐸2 muni d’une base 𝐵2 = {𝑏1 , … , 𝑏𝑝 }.

5.1 Coordonnées d’un vecteur

Pr. Amale LAHLOU 6 Session Printemps-É té 2014-2015

Faculté des Sciences Juridiques Économiques et Sociales, Rabat Semestre II
 Algèbre et Mathématiques Financières Chapitre III : Application Linéaire

Tout vecteur 𝑢 de E1 se décompose de façon unique en une combinaison linéaire des vecteurs de la base 𝐵1 .
Autrement dit,
∀𝑢 ∈ 𝐸1 , ∃! 𝑥1 , 𝑥2 , ⋯ , 𝑥𝑛 ∈ ℝ ∶ 𝑢 = 𝑥1 𝑒1 + 𝑥2 𝑒2 + ⋯ + 𝑥𝑛 𝑒𝑛
On associe au vecteur 𝑢 , relativement à la base 𝐵1 , une matrice uni-colonne 𝑈𝐵1 ∈ ℳ(𝑛,1) (ℝ) dont les
coefficients sont 𝑥1 , 𝑥2 , ⋯ , 𝑥𝑛 , coefficients de la combinaison linéaire de 𝑢 dans la base 𝐵1 :
𝑢
𝑥1 𝑒1
𝑥2 𝑒2
𝑈𝐵1 =( ⋮ ) ⋮
𝑥𝑛 𝑒𝑛
Exemple : Soit ℝ𝟒 muni de sa base canonique 𝑩 = {𝒆𝟏 , 𝒆𝟐 , 𝒆𝟑 , 𝒆𝟒 } et 𝒖 = {𝟐, 𝟑, −𝟏, 𝟏} vecteur de ℝ𝟒 .
𝑢
2 𝑒1
𝑢 = (2,3, −1,1) = 2𝑒1 + 3𝑒2 − 𝑒3 + 𝑒4 ⟹ 3 𝑒2
𝑈𝐵1 =( ) 𝑒
−1 3
1 𝑒4
5.2 Matrice associée à un système de vecteurs
Soit 𝑆 = {𝑢1 , … , 𝑢𝑚 } une famille de 𝑚 vecteurs de 𝐸1 . La matrice associée à la famille 𝑆 relativement à la
base 𝐵1 , notée 𝑀𝐵1 (𝑆) ∈ ℳ(𝑛,𝑚) (ℝ), est définie par :
𝑢1 𝑢𝑗 𝑢𝑚

𝑢11 ⋯ 𝑢1𝑗 ⋯ 𝑢1𝑚 𝑒1

⋮ ⋮ ⋮
𝑀𝐵1 (𝑆) = 𝑢𝑖1 ⋯ 𝑢𝑖𝑗 ⋯ 𝑢𝑖𝑚 𝑒𝑖
⋮ ⋮ ⋮
(𝑢𝑛1 ⋯ 𝑢𝑛𝑗 ⋯ 𝑢𝑛𝑚 ) 𝑒𝑛
où le vecteur 𝑢𝑗 (jième colonne de la matrice) se décompose dans la base 𝐵1 comme suit :
𝑢𝑗 = 𝑢1𝑗 𝑒1 + 𝑢2𝑗 𝑒2 + ⋯ 𝑢𝑖𝑗 𝑒𝑖 + ⋯ + 𝑢𝑛𝑗 𝑒𝑛
Exemple : : Soit ℝ𝟒 muni de sa base canonique 𝑩 = {𝒆𝟏 , 𝒆𝟐 , 𝒆𝟑 , 𝒆𝟒 } et 𝑺 = {𝒖𝟏 , 𝒖𝟐 , 𝒖𝟑 , 𝒖𝟒 } une famille de
vecteurs de ℝ𝟒 où :
𝑢1 = (1,2,0,0), 𝑢2 = (−1,1,0,0) , 𝑢3 = (0,0,2,3) et 𝑢4 = (2, −1,1,0).
Comme,
𝑢1 = (1,2,0,0) = 1. (1,0,0,0) + 2. (0,1,0,0) + 0. (0,0,1,0) + 0. (0,0,0,1)
= 𝑒1 + 2𝑒2 + 0𝑒3 + 0𝑒4
𝑢2 = (−1,1,0,0) = −1. (1,0,0,0) + 1. (0,1,0,0) + 0. (0,0,1,0) + 0. (0,0,0,1)
= −𝑒1 + 𝑒2 + 0𝑒3 + 0𝑒4
𝑢3 = (0,0,2,3) = 0. (1,0,0,0) + 0. (0,1,0,0) + 2. (0,0,1,0) + 3. (0,0,0,1)
= 0𝑒1 + 0𝑒2 + 2𝑒3 + 3𝑒4
𝑢4 = (2, −1,1,0) = 2. (1,0,0,0) − 1. (0,1,0,0) + 1. (0,0,1,0) + 0. (0,0,0,1)
{ = 2𝑒1 − 𝑒2 + 𝑒3 + 0𝑒4
Alors,

Pr. Amale LAHLOU 7 Session Printemps-É té 2014-2015

Faculté des Sciences Juridiques Économiques et Sociales, Rabat Semestre II
 Algèbre et Mathématiques Financières Chapitre III : Application Linéaire

𝑢1 𝑢2 𝑢3 𝑢4

1 −1 0 2 𝑒1
2 1 0 −1 𝑒2
𝑀𝐵 (𝑆) = ( ) 𝑒
0 0 2 1 3
0 0 3 0 𝑒4

5.3 Matrice associée à une application linéaire

On associe à toute application 𝑓 ∈ ℒ(𝐸1 , 𝐸2 ) une matrice, notée 𝑀(𝑓/𝐵1 , 𝐵2 ) ∈ ℳ(𝑝,𝑛) (ℝ), appelée matrice
de 𝑓 relativement aux bases 𝐵1 et 𝐵2 :
𝑀(𝑓/𝐵1 , 𝐵2 ) = 𝑀𝐵2 (𝑓(𝐵1 )) = 𝑀𝐵2 ({𝑓(𝑒1 ), … , 𝑓(𝑒𝑛 )})
Si le vecteur 𝑓(𝑒𝑗 ) se décompose dans la base 𝐵2 comme suit :
𝑓(𝑒𝑗 ) = 𝑎1𝑗 𝑏1 + 𝑎2𝑗 𝑏2 + ⋯ + 𝑎𝑖𝑗 𝑏𝑖 + ⋯ + 𝑎𝑝𝑗 𝑏𝑝
alors,
𝑓(𝑒1 ) 𝑓(𝑒𝑗 ) 𝑓(𝑒𝑛 )

𝑎11 ⋯ 𝑎1𝑗 ⋯ 𝑎1𝑛 𝑏1

⋮ ⋮ ⋮
𝑀(𝑓/𝐵1 , 𝐵2 ) = 𝑎𝑖1 ⋯ 𝑎𝑖𝑗 ⋯ 𝑎𝑖𝑛 𝑏𝑖
⋮ ⋮ ⋮
𝑎
( 𝑝1 ⋯ 𝑎𝑝𝑗 ⋯ 𝑎𝑝𝑛 ) 𝑏𝑝
On construit la matrice colonne par colonne.
Quand 𝐸1 = 𝐸2 et 𝐵1 = 𝐵2 , on abrège la notation en 𝑀(𝑓/𝐵1 ).
Notons que :
𝑀(0ℒ(𝐸1 ,𝐸2 ) /𝐵1 , 𝐵2 ) = 0(𝑝,𝑛)
𝑀(𝑖𝑑𝐸1 /𝐵1 , 𝐵1 ) = 𝐼𝑛
Exemple : Soient ℝ𝟐 et ℝ𝟑 munis respectivement des bases canoniques 𝑩ℝ𝟐 = {𝒆𝟏 , 𝒆𝟐 } et 𝑩ℝ𝟑 =
{𝒃𝟏 , 𝒃𝟐 , 𝒃𝟑 }. Et soit l’application linéaire :
𝑓 : ℝ2 ⟶ ℝ3
(𝑥1 , 𝑥2 ) ⟼ 𝑓(𝑥1 , 𝑥2 ) = (𝑥1 + 𝑥2 , 𝑥1 + 𝑥2 , 𝑥2 )
Comme,
𝑓( 𝑒1 ) = 𝑓(1,0) = (1,1,0)
= 1. (1,0,0) + 1. (0,1,0) + 0. (0,0,1)
= 𝑏1 + 𝑏2 + 0𝑏3
𝑓( 𝑒2 ) = 𝑓(0,1) = (1,1,1)
= 1. (1,0,0) + 1. (0,1,0) + 1. (0,0,1)
{ = 𝑏1 + 𝑏2 + 𝑏3
Alors,

Pr. Amale LAHLOU 8 Session Printemps-É té 2014-2015

Faculté des Sciences Juridiques Économiques et Sociales, Rabat Semestre II
 Algèbre et Mathématiques Financières Chapitre III : Application Linéaire

𝑓(𝑒1 ) 𝑓(𝑒2 )

1 1 𝑏1
𝑀(𝑓/𝐵ℝ2 , 𝐵ℝ3 ) = ( 1 1 ) 𝑏2
0 1 𝑏3
Remarque : La matrice associée à l’application linéaire dépend des bases considérées.
À titre d’exemple, soit ℝ2 muni de la base 𝐵ℝ′ 2 = {𝑒1′ = (1,2), 𝑒2′ = (−1,1)} et ℝ3 muni de la base
canonique 𝐵ℝ3 = {𝑏1 , 𝑏2 , 𝑏3 }. Et soit l’application linéaire :
𝑓 : ℝ2 ⟶ ℝ3
(𝑥1 , 𝑥2 ) ⟼ 𝑓(𝑥1 , 𝑥2 ) = (𝑥1 + 𝑥2 , 𝑥1 + 𝑥2 , 𝑥2 )
Comme,
𝑓(𝑒1′ ) = 𝑓(1,2) = (3,3,2)
= 3. (1,0,0) + 3. (0,1,0) + 2. (0,0,1)
= 3𝑏1 + 3𝑏2 + 2𝑏3
𝑓(𝑒2′ ) = 𝑓(−1,1) = (0,0,1)
= 0. (1,0,0) + 0. (0,1,0) + 1. (0,0,1)
{ = 0𝑏1 + 0𝑏2 + 𝑏3
Alors,
𝑓(𝑒1′ ) 𝑓(𝑒2′ )

3 0 𝑏1
𝑀(𝑓/𝐵ℝ′ 2 , 𝐵ℝ3 ) = ( 3 0 ) 𝑏2
2 1 𝑏3
On remarque que : 𝑀(𝑓/𝐵ℝ′ 2 , 𝐵ℝ3 ) ≠ 𝑀(𝑓/𝐵ℝ2 , 𝐵ℝ3 )
Proposition : Si 𝒖 = (𝒙𝟏 , 𝒙𝟐 , … , 𝒙𝒏 ) dans la base 𝑩𝟏 et si 𝒇(𝒖) = (𝒚𝟏 , … , 𝒚𝒑 ) dans la base 𝑩𝟐 alors,
𝑦1 𝑥1
𝑦2 𝑥2
( ⋮ ) = 𝑀(𝑓/𝐵1 , 𝐵2 ) ( ⋮ )
𝑦𝑝 𝑥𝑛
Autrement dit, toute application 𝑓 ∈ ℒ(𝐸1 , 𝐸2 ) est complètement déterminée par la donnée de l’image d’une
base de 𝐸1 .
Exemple : Soient ℝ𝟑 et ℝ𝟒 munis respectivement des bases canoniques 𝑩ℝ𝟑 = {𝒆𝟏 , 𝒆𝟐 , 𝒆𝟑 } et 𝑩ℝ𝟒 =
{𝒃𝟏 , 𝒃𝟐 , 𝒃𝟑 , 𝒃𝟒 } . Et soit l’application 𝒇 ∈ 𝓛(ℝ𝟑 , ℝ𝟒 ) dont la matrice associée est :
1 4 1
3 −5 0
𝑀(𝑓/𝐵ℝ3 , 𝐵ℝ4 ) = ( )
1 0 1
−1 1 0
Alors, ∀ (𝑥1 , 𝑥2 , 𝑥3 ) ∈ ℝ3 , on pose 𝑓(𝑥1 , 𝑥2 , 𝑥3 ) = (𝑦1 , 𝑦2 , 𝑦3 , 𝑦4 ) avec :
𝑦1 1 4 1 𝑥1 + 4𝑥2 + 𝑥3
𝑥1 𝑥1
𝑦2 3 −5 0 3𝑥1 − 5𝑥2
(𝑦 ) = 𝑀(𝑓/𝐵1 , 𝐵2 ) (𝑥2 ) = ( ) (𝑥2 ) = ( )
3
𝑥3 1 0 1 𝑥3 𝑥1 + 𝑥3
𝑦4 −1 1 0 −𝑥1 + 𝑥2
Ainsi l’expression analytique de 𝑓 est,

Pr. Amale LAHLOU 9 Session Printemps-É té 2014-2015

Faculté des Sciences Juridiques Économiques et Sociales, Rabat Semestre II
 Algèbre et Mathématiques Financières Chapitre III : Application Linéaire

𝑓(𝑥1 , 𝑥2 , 𝑥3 ) = (𝑥1 + 4𝑥2 + 𝑥3 , 3𝑥1 − 5𝑥2 , 𝑥1 + 𝑥3 , −𝑥1 + 𝑥2 )

En effet,
𝑓(𝑥1 , 𝑥2 , 𝑥3 ) = 𝑓(𝑥1 𝑒1 + 𝑥2 𝑒2 + 𝑥3 𝑒3 )
= 𝑓(𝑥1 𝑒1 ) + 𝑓(𝑥2 𝑒2 ) + 𝑓(𝑥3 𝑒3 )
= 𝑥1 𝑓(𝑒1 ) + 𝑥2 𝑓(𝑒2 ) + 𝑥3 𝑓(𝑒3 )
= 𝑥1 (𝑏1 + 3𝑏2 + 𝑏3 − 𝑏4 ) + 𝑥2 (4𝑏1 − 5𝑏2 + 𝑏4 ) + 𝑥3 (𝑏1 + 𝑏3 )
= 𝑥1 (1,3,1, −1) + 𝑥2 (4, −5,0,1) + 𝑥3 (1,0,1,0)
= (𝑥1 + 4𝑥2 + 𝑥3 , 3𝑥1 − 5𝑥2 , 𝑥1 + 𝑥3 , −𝑥1 + 𝑥2 )
Théorème : Soient 𝑬𝟏 , 𝑬𝟐 et 𝑬𝟑 trois ℝ-e.v. de bases respectives 𝑩𝟏 , 𝑩𝟐 et 𝑩𝟑 , et 𝒇, 𝒈 ∈ 𝓛(𝑬𝟏 , 𝑬𝟐 ), 𝒉 ∈
𝓛(𝑬𝟐 , 𝑬𝟑 ) et 𝝀 ∈ ℝ. Alors,
𝑓 + 𝑔 ∈ ℒ(𝐸1 , 𝐸2 ), 𝜆 ∙ 𝑓 ∈ ℒ(𝐸1 , 𝐸2 ) et ℎ ∘ 𝑓 ∈ ℒ(𝐸1 , 𝐸3 )
et
𝑀(𝑓 + 𝑔/𝐵1 , 𝐵2 ) = 𝑀(𝑓/𝐵1 , 𝐵2 ) + 𝑀(𝑓/𝐵1 , 𝐵2 )
𝑀(𝜆 ∙ 𝑓/𝐵1 , 𝐵2 ) = 𝜆 ∙ 𝑀(𝑓/𝐵1 , 𝐵2 )
𝑀(ℎ ∘ 𝑓/𝐵1 , 𝐵3 ) = 𝑀(ℎ/𝐵2 , 𝐵3 ) × 𝑀(𝑓/𝐵1 , 𝐵2 )
Exemple : Soit ℝ𝟐 muni de la base canonique 𝑩ℝ𝟐 = {𝒆𝟏 , 𝒆𝟐 } et ℝ𝟑 muni de la base canonique 𝑩ℝ𝟑 =
{𝒃𝟏 , 𝒃𝟐 , 𝒃𝟑 }. Et soient les applications linéaires :
𝑓 : ℝ3 ⟶ ℝ2
(𝑥1 , 𝑥2 , 𝑥3 ) ⟼ 𝑓(𝑥1 , 𝑥2 , 𝑥3 ) = (𝑥1 + 𝑥2 , 𝑥2 + 𝑥3 )

𝑔 : ℝ3 ⟶ ℝ2
(𝑥1 , 𝑥2 , 𝑥3 ) ⟼ 𝑔(𝑥1 , 𝑥2 , 𝑥3 ) = (𝑥1 − 𝑥2 , 𝑥1 − 𝑥3 )

ℎ : ℝ2 ⟶ ℝ3
(𝑥1 , 𝑥2 ) ⟼ ℎ(𝑥1 , 𝑥2 ) = (𝑥1 − 𝑥2 , 𝑥2 , 𝑥2 )
1 −1
1 1 0 1 −1 0
𝑀(𝑓/𝐵ℝ3 , 𝐵ℝ2 ) = ( ) 𝑀(𝑔/𝐵ℝ3 , 𝐵ℝ2 ) = ( ) 𝑀(ℎ/𝐵ℝ2 , 𝐵ℝ3 ) = (0 1)
0 1 1 1 0 −1
0 1
Tout calcul fait on obtient :
𝑓+𝑔 : ℝ3 ⟶ ℝ2
(𝑥1 , 𝑥2 , 𝑥3 ) ⟼ (𝑓 + 𝑔)(𝑥1 , 𝑥2 , 𝑥3 ) = (2𝑥1 , 𝑥2 + 𝑥1 )

𝜆. 𝑔 : ℝ3 ⟶ ℝ2
(𝑥1 , 𝑥2 , 𝑥3 ) ⟼ (𝜆. 𝑔)(𝑥1 , 𝑥2 , 𝑥3 ) = (𝜆𝑥1 − 𝜆𝑥2 , 𝜆𝑥1 − 𝜆𝑥3 )

ℎ∘𝑓 : ℝ3 ⟶ ℝ3
(𝑥1 , 𝑥2 , 𝑥3 ) ⟼ (ℎ ∘ 𝑓)(𝑥1 , 𝑥2 ) = ℎ(𝑓(𝑥1 , 𝑥2 , 𝑥3 )) = (𝑥1 − 𝑥3 , 𝑥2 + 𝑥3 , 𝑥2 + 𝑥3 )
Et effectivement :
2 0 0 1 1 0 1 −1 0
𝑀(𝑓 + 𝑔/𝐵1 , 𝐵2 ) = ( ) =( )+( ) = 𝑀(𝑓/𝐵1 , 𝐵2 ) + 𝑀(𝑓/𝐵1 , 𝐵2 )
1 1 0 0 1 1 1 0 −1
𝜆 𝜆 0 1 1 0
𝑀(𝜆. 𝑓/𝐵1 , 𝐵2 ) =( ) = 𝜆( ) = 𝜆. 𝑀(𝑓/𝐵1 , 𝐵2 )
0 𝜆 𝜆 0 1 1
1 0 −1 1 −1
1 1 0
𝑀(ℎ ∘ 𝑓/𝐵1 , 𝐵3 ) = (0 1 1 ) = (0 1 ) ( ) = 𝑀(ℎ/𝐵2 , 𝐵3 ) × 𝑀(𝑓/𝐵1 , 𝐵2 )
0 1 1
0 1 1 0 1

Pr. Amale LAHLOU 10 Session Printemps-É té 2014-2015

Faculté des Sciences Juridiques Économiques et Sociales, Rabat Semestre II
 Algèbre et Mathématiques Financières Chapitre III : Application Linéaire

Théorème : Soient 𝑬𝟏 un ℝ-e.v. de base 𝑩𝟏 et 𝒇, 𝒈 ∈ 𝓛(𝑬𝟏 ) deux automorphismes de 𝑬𝟏 . Donc, 𝒇 et 𝒈 sont

inversibles, 𝒇−𝟏 , 𝒈−𝟏 ∈ 𝓛(𝑬𝟏 ) et
𝑀(𝑓 −1 /𝐵1 ) = 𝑀(𝑓/𝐵1 )−1
𝑀((𝑓 ∘ 𝑔)−1 /𝐵1 ) = 𝑀(𝑔/𝐵1 )−1 × 𝑀(𝑓/𝐵1 )−1
Exemple : Soit ℝ𝟐 muni de la base canonique 𝑩 = {𝒆𝟏 , 𝒆𝟐 } et soit les applications linéaires :
𝑓 : ℝ2 ⟶ ℝ2
(𝑥1 , 𝑥2 ) ⟼ 𝑓(𝑥1 , 𝑥2 ) = (𝑥1 + 𝑥2 , 𝑥2 )

𝑔 : ℝ2 ⟶ ℝ2
(𝑥1 , 𝑥2 ) ⟼ 𝑔(𝑥1 , 𝑥2 ) = (𝑥1 , −𝑥1 + 𝑥2 )
1 1 1 0
𝑀(𝑓/𝐵) = ( ) 𝑀(𝑔/𝐵) = ( )
0 1 −1 1
Comme 𝐾𝑒𝑟(𝑓) = 𝐾𝑒𝑟(𝑔) = {(0,0)}, alors 𝑓 et 𝑔 sont inversibles.
(𝑦1 , 𝑦2 ) = 𝑓(𝑥1 , 𝑥2 ) ⟹ (𝑦1 , 𝑦2 ) = (𝑥1 + 𝑥2 , 𝑥2 )
𝑦 = 𝑥 + 𝑥2
⟹ {𝑦1 = 𝑥1
2 2
𝑥1 = 𝑦1 − 𝑦2
⟹ {𝑥 = 𝑦
2 2
⟹ (𝑥1 , 𝑥2 ) = (𝑦1 − 𝑦2 , 𝑦2 )
⟹ (𝑥1 , 𝑥2 ) = 𝑓 −1 (𝑦1 , 𝑦2 )
(𝑦1 , 𝑦2 ) = 𝑔(𝑥1 , 𝑥2 ) ⟹ (𝑦1 , 𝑦2 ) = (𝑥1 , −𝑥1 + 𝑥2 )
𝑦1 = 𝑥1
⟹ {𝑦 = −𝑥 + 𝑥
2 1 2
𝑥1 = 𝑦1
⟹ {𝑥 = 𝑦 + 𝑦
2 1 2
⟹ (𝑥1 , 𝑥2 ) = (𝑦1 , 𝑦1 + 𝑦2 )
⟹ (𝑥1 , 𝑥2 ) = 𝑔−1 (𝑦1 , 𝑦2 )
Ainsi,
𝑓 −1 : ℝ2 ⟶ ℝ2
(𝑥1 , 𝑥2 ) ⟼ 𝑓(𝑥1 , 𝑥2 ) = (𝑥1 − 𝑥2 , 𝑥2 )

𝑔−1 : ℝ2 ⟶ ℝ2
(𝑥1 , 𝑥2 ) ⟼ 𝑔(𝑥1 , 𝑥2 ) = (𝑥1 , 𝑥1 + 𝑥2 )

On remarque que : 𝑀(𝑓 −1 /𝐵) = (1 −1 1 1 −1

)=( ) = (𝑀(𝑓/𝐵))−1
0 1 0 1
1 0 1 0 −1 (𝑀(𝑔/𝐵))−1
et 𝑀(𝑔−1 /𝐵) = ( )=( ) =
1 1 −1 1
Théorème : Soient 𝑬𝟏 et 𝑬𝟐 deux ℝ-e.v. de bases respectives 𝑩𝟏 et 𝑩𝟐 et 𝒇, 𝒈 ∈ 𝓛(𝑬𝟏 , 𝑬𝟐 ). Alors,
𝑟𝑔(𝑓) = 𝑟𝑔(𝑀(𝑓/𝐵1 , 𝐵2 ))

6 Changement de bases
6.1 Matrice de passage d’une base à une nouvelle base
Soit (𝐸1 , +, . ) un ℝ-e.v. muni de deux bases 𝐵1 = {𝑒1 , … , 𝑒𝑛 } et 𝐵1′ = {𝑒1′ , … , 𝑒𝑛′ }

Pr. Amale LAHLOU 11 Session Printemps-É té 2014-2015

Faculté des Sciences Juridiques Économiques et Sociales, Rabat Semestre II
 Algèbre et Mathématiques Financières Chapitre III : Application Linéaire

On appelle la matrice de passage de la base 𝐵1 à la base 𝐵1′ , notée 𝑃𝐵1 𝐵1′ , la matrice 𝑀𝐵1 (𝐵1′ ) ∈ ℳ(𝑛) (ℝ) :
matrice du système 𝐵1′ relativement à la base 𝐵1 , ou encore, la matrice 𝑀(𝑖𝑑𝐸1 /𝐵1′ , 𝐵1 ) : matrice associée à
l’application linéaire identité dans 𝐸1 , relativement aux bases 𝐵1′ et 𝐵1 . Par exemple, si
𝑒1′ = 𝑎11 𝑒1 + ⋯ + 𝑎𝑖1 𝑒𝑖 + ⋯ + 𝑎𝑛1 𝑒𝑛
⋮
𝑒𝑗′ = 𝑎1𝑗 𝑒1 + ⋯ + 𝑎𝑖𝑗 𝑒𝑖 + ⋯ + 𝑎𝑛𝑗 𝑒𝑛
⋮
{ 𝑒𝑛′ = 𝑎1𝑛 𝑒1 + ⋯ + 𝑎𝑖𝑛 𝑒𝑖 + ⋯ + 𝑎𝑛𝑛 𝑒𝑛
Alors,
𝑒1′ ⋯ 𝑒𝑗′ ⋯ 𝑒𝑛′

𝑎11 𝑎1𝑗 𝑎1𝑛 𝑒1

⋮ ⋮ ⋮
𝑃𝐵1 𝐵1′ = 𝑎𝑖1 𝑎𝑖𝑗 𝑎𝑖𝑛 𝑒𝑖
⋮ ⋮ ⋮
(𝑎𝑛1 𝑎𝑛𝑗 𝑎𝑛𝑛 ) 𝑒𝑛
On construit la matrice de passage colonne par colonne ; les vecteurs colonnes sont formés par les composantes
des vecteurs 𝑒1′ , ⋯ , 𝑒𝑛′ de la base 𝐵1′ dans la base 𝐵1 = {𝑒1 , … , 𝑒𝑛 }.
Remarque : 𝑷𝑩𝟏𝑩𝟏 = 𝑰𝒏 .
Théorème : la matrice de passage de la base 𝑩𝟏 à la base 𝑩′𝟏 est inversible et son inverse est la matrice de
−𝟏
passage de la base 𝑩′𝟏 à la base 𝑩𝟏 : (𝑷𝑩𝟏 𝑩′𝟏 ) = 𝑷𝑩′𝟏 𝑩𝟏

Exemple : Dans ℝ𝟐 , on considère la base canonique 𝑩 = {𝒆𝟏 , 𝒆𝟐 } et la base 𝑩′ = {𝒆′𝟏 , 𝒆′𝟐 } avec 𝒆′𝟏 = (𝟏, 𝟑)
et 𝒆′𝟐 = (−𝟏, 𝟏). Comme
𝑒1′ = (1,3) = 𝑒1 + 3𝑒2
{
𝑒2′ = (−1,1) = −𝑒1 + 𝑒2
1 −1
Alors, 𝑃𝐵1 𝐵1′ = ( )
3 1
Pour déterminer la matrice 𝑃𝐵1′ 𝐵1 on procède de deux façons :
−1 1 1 1
𝑃𝐵1′ 𝐵1 = (𝑃𝐵1 𝐵1′ ) = ( )
4 −3 1
Ou encore, on écrit les vecteurs 𝑒𝑖 dans la base 𝐵′ :
1 ′ 3 ′
𝑒′ 𝑒1 = 𝑒 − 𝑒
{ 1′
= 𝑒1 + 3𝑒2
⟹ { 4 1 4 2
𝑒2 = −𝑒1 + 𝑒2 1 ′
𝑒2 = (𝑒 + 𝑒2′ )
4 1
et ainsi,
1 1
𝑃𝐵1′ 𝐵1 = (𝑃𝐵1 𝐵1′ )
−1
=( 4 4) = 1 ( 1 1)
−3 1 4 −3 1
4 4
6.2 Coordonnées d’un vecteur relativement à une nouvelle base

Pr. Amale LAHLOU 12 Session Printemps-É té 2014-2015

Faculté des Sciences Juridiques Économiques et Sociales, Rabat Semestre II
 Algèbre et Mathématiques Financières Chapitre III : Application Linéaire

Soit (𝐸1 , +, . ) un ℝ-e.v. muni de deux bases 𝐵1 = {𝑒1 , 𝑒1 , … , 𝑒𝑛 } et 𝐵1′ = {𝑒1′ , 𝑒2′ , … , 𝑒𝑛′ } avec,
𝑒1′ = 𝑎11 𝑒1 + 𝑎21 𝑒2 + ⋯ + 𝑎𝑛1 𝑒𝑛
𝑒2′ = 𝑎12 𝑒1 + 𝑎22 𝑒2 + ⋯ + 𝑎𝑛2 𝑒𝑛
⋮
{ 𝑒𝑛′ = 𝑎1𝑛 𝑒1 + 𝑎2𝑛 𝑒2 + ⋯ + 𝑎𝑛𝑛 𝑒𝑛
− On considère un vecteur 𝑢 ∈ 𝐸1 s’écrivant dans la base 𝐵1 comme suit,
𝑥1
𝑥2
𝑢 = 𝑥1 𝑒1 + 𝑥2 𝑒2 + ⋯ + 𝑥𝑛 𝑒𝑛 ⇝ 𝑈𝐵1 = ( ⋮ )
𝑥𝑛
𝑈𝐵1 étant la matrice unicolonne formée par les composantes du vecteur u dans la base B1 .
− Ce même vecteur 𝑢 s'écrit dans la base 𝐵1′ comme suit,
𝑥1′
𝑥′
𝑢 = 𝑥1′ 𝑒1′ + 𝑥2′ 𝑒2′ + ⋯ + 𝑥𝑛′ 𝑒𝑛′ ⇝ 𝑈𝐵1′ = ( 2)
⋮
𝑥𝑛′
𝑈𝐵1′ étant la matrice unicolonne formée par les composantes du vecteur 𝑢 dans la base 𝐵1′ .

On cherche un lien entre les composantes 𝑥1′ , … , 𝑥𝑛′ et les composantes 𝑥1 , … , 𝑥𝑛 . Comme,
𝑢 = 𝑥1′ 𝑒1′ + 𝑥2′ 𝑒2′ + ⋯ + 𝑥𝑛′ 𝑒𝑛′
= 𝑥1′ (𝑎11 𝑒1 + 𝑎21 𝑒2 + ⋯ + 𝑎𝑛1 𝑒𝑛 ) + ⋯ + 𝑥𝑛′ (𝑎1𝑛 𝑒1 + 𝑎2𝑛 𝑒2 + ⋯ + 𝑎𝑛𝑛 𝑒𝑛 )
= (𝑎11 𝑥1′ + 𝑎12 𝑥2′ + ⋯ + 𝑎1𝑛 𝑥𝑛′ )𝑒1 + ⋯ + (𝑎𝑛1 𝑥1′ + 𝑎𝑛2 𝑥2′ + ⋯ + 𝑎𝑛𝑛 𝑥𝑛′ )𝑒𝑛
et 𝑢 = 𝑥1 𝑒1 + 𝑥2 𝑒2 + ⋯ + 𝑥𝑛 𝑒𝑛
Alors,
𝑥1 = 𝑎11 𝑥1′ + 𝑎12 𝑥2′ + ⋯ + 𝑎1𝑛 𝑥𝑛′
𝑥2 = 𝑎21 𝑥1′ + 𝑎22 𝑥2′ + ⋯ + 𝑎2𝑛 𝑥𝑛′
⋮
{ 𝑥𝑛 = 𝑎𝑛1 𝑥1′ + 𝑎𝑛2 𝑥2′ + ⋯ + 𝑎𝑛𝑛 𝑥𝑛′
C'est-à-dire,
𝑥1 𝑎11 𝑎12 ⋯ 𝑎1𝑛 𝑥1′
𝑥2 𝑎21 𝑎22 ⋯ 𝑎2𝑛 𝑥2′
(⋮) = ( ⋮ ⋮ ⋱ ⋮ ) ( ) ⟺ 𝑈𝐵1 = 𝑃𝐵1 𝐵1′ 𝑈𝐵1′
⋮
𝑥𝑛 𝑎𝑛1 𝑎𝑛2 ⋯ 𝑎𝑛𝑛 𝑥𝑛′
En pratique, nous connaissons les anciennes composantes𝑥1 , … , 𝑥𝑛 et nous désirons déterminer les nouvelles
−1
𝑥1′ , … , 𝑥𝑛′ . Comme la matrice de passage 𝑃𝐵1 𝐵1′ est inversible et (𝑃𝐵1 𝐵1′ ) = 𝑃𝐵1′ 𝐵1 alors,
−1 −1
𝑈𝐵1 = 𝑃𝐵1 𝐵1′ 𝑈𝐵1′ ⟺ (𝑃𝐵1 𝐵1′ ) 𝑈𝐵1 = (𝑃𝐵1 𝐵1′ ) 𝑃𝐵1 𝐵1′ 𝑈𝐵1′
−1
⟺ (𝑃𝐵1 𝐵1′ ) 𝑈𝐵1 = 𝑈𝐵1′
⟺ 𝑈𝐵1′ = 𝑃𝐵1′ 𝐵1 𝑈𝐵1

Ainsi, 𝑈𝐵1′ = 𝑃𝐵1′ 𝐵1 𝑈𝐵1

Pr. Amale LAHLOU 13 Session Printemps-É té 2014-2015

Faculté des Sciences Juridiques Économiques et Sociales, Rabat Semestre II
 Algèbre et Mathématiques Financières Chapitre III : Application Linéaire

𝑥1′ 𝑎11 𝑎12 ⋯ 𝑎1𝑛 −1 𝑥1

𝑥 ′ 𝑎21 𝑎22 ⋯ 𝑎2𝑛 𝑥2
𝑈𝐵1′ = 𝑃𝐵1′ 𝐵1 𝑈𝐵1 ⟺ ( 2) = ( ⋮
⋮ ⋮ ⋱ ⋮ ) (⋮)
𝑥𝑛′ 𝑎𝑛1 𝑎𝑛2 ⋯ 𝑎𝑛𝑛 𝑥𝑛
−1
La matrice (𝑃𝐵1 𝐵1′ ) = 𝑃𝐵1′ 𝐵1 permet donc d'exprimer les composantes du vecteur 𝑢 dans la nouvelle base
𝐵1′ en fonction de ses composantes dans l’ancienne base 𝐵1 .
Exemple : Dans ℝ2 , on considère la base canonique 𝐵 = {𝑒1 , 𝑒2 } et la base 𝐵′ = {𝑒1′ , 𝑒2′ } avec 𝑒1′ = (1,3) et
𝑒2′ = (−1,1). On a :
1 −1 1 1 1
𝑃𝐵𝐵′ = ( ) et 𝑃𝐵′ 𝐵 = 4 ( )
3 1 −3 1
Soit, 𝑢 = (1,2) ∈ ℝ2 .
1
− dans la base 𝐵, 𝑢 = 𝑒1 + 2𝑒2 ⇝ 𝑈𝐵 = ( )
2
𝑥′
− dans la base 𝐵′, 𝑢 = 𝑥1′ 𝑒1′ + 𝑥2′ 𝑒2′ ⇝ 𝑈𝐵′ = ( 1′ )
𝑥2
1 1 1 1 1 3
Première méthode : on a, 𝑈𝐵′ = 𝑃𝐵′ 𝐵 𝑈𝐵 = 4 ( )( ) = 4( )
−3 1 2 −1
Deuxième méthode :
𝑢 = 𝑒1 + 2𝑒2 𝑢 = 𝑥1′ 𝑒1′ + 𝑥2′ 𝑒2′
et = 𝑥1′ (𝑒1 + 3𝑒2 ) + 𝑥2′ (−𝑒1 + 𝑒2 )
= (𝑥1′ − 𝑥2′ )𝑒1 + (3𝑥1′ + 𝑥2′ )𝑒2
Donc,
3
𝑥 ′ − 𝑥2′ = 1 𝑥1′ =
{ 1′ ⟹ { 4
3𝑥1 + 𝑥2′ = 2 −1
𝑥2′ =
4
6.3 Matrice associée à une application linéaire relativement aux nouvelles bases
Soit (𝐸1 , +, . ) un ℝ-e.v. muni de deux bases 𝐵1 = {𝑒1 , … , 𝑒𝑛 } et 𝐵1′ = {𝑒1′ , … , 𝑒𝑛′ }
Soit (𝐸2 , +, . ) un ℝ-e.v. muni de deux bases 𝐵2 = {𝑏1 , … , 𝑏𝑝 } et 𝐵2′ = {𝑏1′ , … , 𝑏𝑝′ }.
Soit 𝑓 ∈ ℒ(𝐸1 , 𝐸2 )
Théorème (écriture matricielle) :
− Au vecteur 𝑢 = 𝑥1 𝑒1 + 𝑥2 𝑒2 + ⋯ + 𝑥𝑛 𝑒𝑛 ∈ 𝐸1 on associe la matrice formée par les composantes de 𝑢
𝑥1
𝑥2
dans la base 𝐵1 : 𝑈𝐵1 = ( ⋮ )
𝑥𝑛
− Au vecteur 𝑣 = 𝑓(𝑢) = 𝑦1 𝑏1 + 𝑦2 𝑏2 + ⋯ + 𝑦𝑝 𝑏𝑝 ∈ 𝐸2 on associe la matrice formée par les composantes
𝑦1
𝑦2
de 𝑓(𝑢) dans la base 𝐵2 : 𝑉𝐵2 =(⋮)
𝑦𝑝
Le vecteur 𝑓(𝑒𝑖 ) se décompose dans la base 𝐵2 : 𝑓(𝑒𝑖 ) = 𝑎1𝑖 𝑏1 + 𝑎2𝑖 𝑏2 + ⋯ + 𝑎𝑝𝑖 𝑏𝑝

Pr. Amale LAHLOU 14 Session Printemps-É té 2014-2015

Faculté des Sciences Juridiques Économiques et Sociales, Rabat Semestre II
 Algèbre et Mathématiques Financières Chapitre III : Application Linéaire

Comme, 𝑣 = 𝑦1 𝑏1 + 𝑦2 𝑏2 + ⋯ + 𝑦𝑝 𝑏𝑝 et
𝑣 = 𝑓(𝑢)
= 𝑓(𝑥1 𝑒1 + 𝑥2 𝑒2 + ⋯ + 𝑥𝑛 𝑒𝑛 )
= 𝑥1 𝑓(𝑒1 ) + 𝑥2 𝑓(𝑒2 ) + ⋯ + 𝑥𝑛 𝑓(𝑒1 )
= 𝑥1 (𝑎11 𝑏1 + 𝑎21 𝑏2 + ⋯ + 𝑎𝑝1 𝑏𝑝 ) + ⋯ + 𝑥𝑛 (𝑎1𝑛 𝑏1 + 𝑎2𝑛 𝑏2 + ⋯ + 𝑎𝑝𝑛 𝑏𝑝 )
= (𝑎11 𝑥1 + 𝑎12 𝑥2 + ⋯ + 𝑎1𝑛 𝑥𝑛 )𝑏1 + ⋯ + (𝑎𝑃1 𝑥1 + 𝑎𝑃2 𝑥2 + ⋯ + 𝑎𝑃𝑛 𝑥𝑛 )𝑏𝑝
Alors,
𝑦1 = 𝑎11 𝑥1 + 𝑎12 𝑥2 + ⋯ + 𝑎1𝑛 𝑥𝑛
𝑦2 = 𝑎21 𝑥1 + 𝑎22 𝑥2 + ⋯ + 𝑎2𝑛 𝑥𝑛
{ ⋮
𝑦𝑝 = 𝑎𝑃1 𝑥1 + 𝑎𝑃2 𝑥2 + ⋯ + 𝑎𝑃𝑛 𝑥𝑛
C'est-à-dire,
𝑦1 𝑎11 𝑎12 ⋯ 𝑎1𝑛 𝑥1
𝑦2 𝑎21 𝑎22 ⋯ 𝑎2𝑛 𝑥2
(⋮) = ( ⋮ ⋮ ⋱ ⋮ ) (⋮) ⟺ 𝑉𝐵2 = 𝑀(𝑓/𝐵1 , 𝐵2 ) 𝑈𝐵1
𝑦𝑝 𝑎𝑝1 𝑎𝑝2 ⋯ 𝑎𝑝𝑛 𝑥𝑛
Ainsi, 𝑣 = 𝑓(𝑢) ⟹ 𝑉𝐵2 = 𝑀(𝑓/𝐵1 , 𝐵2 )𝑈𝐵1
Exemple : Soient ℝ𝟑 et ℝ𝟒 munis des bases canoniques 𝑩ℝ𝟑 = {𝒆𝟏 , 𝒆𝟐 , 𝒆𝟑 } et 𝑩ℝ𝟒 = {𝒃𝟏 , 𝒃𝟐 , 𝒃𝟑 , 𝒃𝟒 }. Et soit
l’application 𝒇 ∈ 𝓛(ℝ𝟑 , ℝ𝟒 ) définie par :
∀ (𝑥1 , 𝑥2 , 𝑥3 ) ∈ ℝ3 : 𝑓(𝑥1 , 𝑥2 , 𝑥3 ) = (𝑥1 + 4𝑥2 + 𝑥3 , 3𝑥1 − 5𝑥2 , 𝑥1 + 𝑥3 , −𝑥1 + 𝑥2 )
1 4 1
3 −5 0
et dont la matrice associée est donnée par : 𝑀(𝑓/𝐵ℝ3 , 𝐵ℝ4 ) = ( )
1 0 1
−1 1 0
𝑥1
On pose : 𝑢 = 𝑥1 𝑒1 + 𝑥2 𝑒2 + 𝑥3 𝑒3 ∈ ℝ3 ⇝ 𝑈𝐵 3 = (𝑥2 ) dans la base Bℝ3 ;
ℝ
𝑥3
𝑦1
𝑦2
𝑓(𝑢) = 𝑦1 𝑏1 + 𝑦2 𝑏2 + 𝑦3 𝑏3 + 𝑦4 𝑏4 ∈ ℝ4 ⇝ 𝑉𝐵ℝ4 = (𝑦 ) dans la base Bℝ4 .
3
𝑦4
𝑦1 1 4 1 𝑥1
𝑦2 3 −5 0
On a : 𝑉𝐵ℝ4 = 𝑀(𝑓/𝐵ℝ3 , 𝐵ℝ4 )𝑈𝐵
ℝ3
⟹ (𝑦 ) = ( ) (𝑥2 )
3 1 0 1 𝑥3
𝑦4 −1 1 0
Théorème : On pose,
𝑃𝐵1 𝐵1′ : Matrice de passage de la base 𝐵1 à la base 𝐵2

𝑃𝐵2 𝐵2′ : Matrice de passage de la base 𝐵2 à la base 𝐵2′

𝑀(𝑓/𝐵1 , 𝐵2 ) : Matrice associée à 𝑓 relativement aux bases 𝐵1 et 𝐵2
𝑀(𝑓/𝐵1′ , 𝐵2′ ) : Matrice associée à 𝑓 relativement aux bases 𝐵1′ et 𝐵2′

Pr. Amale LAHLOU 15 Session Printemps-É té 2014-2015

Faculté des Sciences Juridiques Économiques et Sociales, Rabat Semestre II
 Algèbre et Mathématiques Financières Chapitre III : Application Linéaire

𝑈𝐵1 = 𝑃𝐵1 𝐵1′ 𝑈𝐵1′

𝑉𝐵2 = 𝑃𝐵2 𝐵2′ 𝑉𝐵2′
Comme,
𝑉𝐵2 = 𝑀(𝑓/𝐵1 , 𝐵2 ) 𝑈𝐵1
{𝑉𝐵2′ = 𝑀(𝑓/𝐵1′ , 𝐵2′ ) 𝑈𝐵1′
𝑉𝐵2 = 𝑀(𝑓/𝐵1 , 𝐵2 ) 𝑈𝐵1 = 𝑀(𝑓/𝐵1 , 𝐵2 ) 𝑃𝐵1 𝐵1′ 𝑈𝐵1′
Alors, {
𝑉𝐵2 = 𝑃𝐵2 𝐵2′ 𝑉𝐵2′ = 𝑃𝐵2 𝐵2′ 𝑀(𝑓/𝐵1′ , 𝐵2′ ) 𝑈𝐵1′
Ainsi,
𝑀(𝑓/𝐵1 , 𝐵2 ) 𝑃𝐵1 𝐵1′ = 𝑃𝐵2 𝐵2′ 𝑀(𝑓/𝐵1′ , 𝐵2′ )
−1
⟺ 𝑀(𝑓/𝐵1′ , 𝐵2′ ) = (𝑃𝐵2 𝐵2′ ) 𝑀(𝑓/𝐵1 , 𝐵2 ) 𝑃𝐵1 𝐵1′
⟺ 𝑀(𝑓/𝐵1′ , 𝐵2′ ) = 𝑃𝐵2′ 𝐵2 𝑀(𝑓/𝐵1 , 𝐵2 ) 𝑃𝐵1 𝐵1′

Exemple : ℝ𝟑 muni de la base canonique 𝑩ℝ𝟑 = {𝒆𝟏 , 𝒆𝟐 , 𝒆𝟑 } et la base 𝑩′ℝ𝟑 = {𝒆′𝟏 , 𝒆′𝟐 , 𝒆′𝟑 } avec,
𝑒1′ = (1,1,0), 𝑒2′ = (0,1,0), 𝑒3′ = (0,1,1)
1 0 0
Ainsi, 𝑃𝐵 𝐵′ = (1 1 1)
ℝ3 ℝ3
0 0 1
ℝ4 muni de la base canonique 𝐵ℝ4 = {𝑏1 , 𝑏2 , 𝑏3 , 𝑏4 } et la base 𝐵ℝ′ 3 = {𝑏1′ , 𝑏2′ , 𝑏3′ , 𝑏4′ } avec,
𝑏1′ = (1,1,0,0), 𝑏2′ = (0,1,0,0), 𝑏3′ = (0,0,1,0), 𝑏4′ = (0,0,1,1)
On remarque que :
𝑏1′ = 𝑏1 + 𝑏2 𝑏1 = 𝑏1′ − 𝑏2′
𝑏2′ = 𝑏2 𝑏2 = 𝑏2′
⟹
𝑏3′ = 𝑏3 𝑏3 = 𝑏3′
{𝑏4′ = 𝑏3 + 𝑏4 {𝑏4 = 𝑏3′ − 𝑏4′
1 0 0 0 1 0 0 0
1 1 0 0 −1 −1 1 0 0
Ainsi, 𝑃𝐵 ′ =( ) et 𝑃𝐵′ 4 𝐵 4 = (𝑃𝐵 4 𝐵′ 4 ) = ( )
ℝ4 𝐵ℝ4 0 0 1 1 ℝ ℝ ℝ ℝ 0 0 1 −1
0 0 0 1 0 0 0 1
On considère l’application 𝑓 ∈ ℒ(ℝ3 , ℝ4 ) définie par :
∀ (𝑥1 , 𝑥2 , 𝑥3 ) ∈ ℝ3 : 𝑓(𝑥1 , 𝑥2 , 𝑥3 ) = (𝑥1 + 4𝑥2 + 𝑥3 , 3𝑥1 − 5𝑥2 , 𝑥1 + 𝑥3 , −𝑥1 + 𝑥2 )
et dont la matrice associée à f relativement aux bases Bℝ3 et Bℝ4 :
1 4 1
3 −5 0
𝑀(𝑓/𝐵ℝ3 , 𝐵ℝ4 ) = ( )
1 0 1
−1 1 0
La matrice associée à f relativement aux bases Bℝ3 et Bℝ4

Pr. Amale LAHLOU 16 Session Printemps-É té 2014-2015

Faculté des Sciences Juridiques Économiques et Sociales, Rabat Semestre II
 Algèbre et Mathématiques Financières Chapitre III : Application Linéaire

−1
𝑀(𝑓/𝐵ℝ′ 3 , 𝐵ℝ′ 4 ) = (𝑃𝐵 ′ ) × 𝑀(𝑓/𝐵ℝ3 , 𝐵ℝ4 ) × 𝑃𝐵 𝐵′
ℝ4 𝐵ℝ4 ℝ3 ℝ3
1 0 0 0 1 4 1
1 0 0
−1 1 0 0 3 −5 0
= ( )( ) (1 1 1)
0 0 1 −1 1 0 1
0 0 1
0 0 0 1 −1 1 0
5 4 5
−7 −9 −10
= ( )
1 −1 0
0 1 1
En effet :
𝑓(𝑒1′ ) = 𝑓(1,1,0) = (5, −2,1,0) = 5𝑏1 − 2𝑏2 + 𝑏3 = 5𝑏1′ − 7𝑏2′ + 𝑏3′
{𝑓(𝑒2′ ) = 𝑓(0,1,0) = (4, −5,0,1) = 4𝑏1 − 5𝑏2 + 𝑏4 = 4𝑏1′ − 9𝑏2′ − 𝑏3′ + 𝑏4′
𝑓(𝑒3′ ) = 𝑓(0,1,1) = (5, −5,1,1) = 5𝑏1 − 5𝑏2 + 𝑏3 + 𝑏4 = 5𝑏1′ − 10𝑏2′ + 𝑏4′

Pr. Amale LAHLOU 17 Session Printemps-É té 2014-2015

Faculté des Sciences Juridiques Économiques et Sociales, Rabat Semestre II