Rédigé et vérifié par un professeur diplômé de l’École Polytechnique. Découvrir le professeur
Si un chapitre a la réputation de faire décrocher les élèves en sup, c’est bien l’algèbre linéaire. Tu passes des objets concrets du lycée (fonctions, dérivées, suites) à des espaces vectoriels abstraits où plus rien ne se dessine. C’est normal de se sentir perdu : le problème n’est pas ton niveau, c’est la marche d’abstraction. Dans ce guide, tu vas comprendre pourquoi c’est déroutant, comment fabriquer une intuition solide, et surtout dans quel ordre travailler pour ne pas t’éparpiller. Objectif : transformer ce chapitre-choc en ton point fort.
☰ Sommaire
Comprendre l’algèbre linéaire : les fondamentaux
L’algèbre linéaire, c’est l’étude des structures où l’on peut faire deux opérations : additionner des objets et les multiplier par un nombre. Ces objets, on les appelle des vecteurs, mais attention : au lycée un vecteur était une flèche. En prépa, un vecteur peut être un polynôme, une fonction, une suite, une matrice. C’est ce glissement qui déstabilise.
La difficulté centrale est là : on ne parle plus d’objets, on parle de relations entre objets. La question n’est jamais « combien vaut ce vecteur ? » mais « comment ces vecteurs se combinent-ils les uns avec les autres ? ». Cette bascule vers la structure demande une gymnastique mentale nouvelle.
Espace vectoriel (idée intuitive). Un ensemble \(E\) est un espace vectoriel sur \(\mathbb{R}\) si tu peux additionner deux éléments de \(E\) et rester dans \(E\), et si tu peux multiplier un élément par un réel en restant dans \(E\). Autrement dit : l’ensemble est stable par combinaisons linéaires.
Pourquoi cet effort d’abstraction ? Parce qu’il est terriblement rentable. Une fois que tu as démontré un théorème pour « un espace vectoriel quelconque », il s’applique d’un coup aux vecteurs du plan, aux polynômes, aux fonctions, aux matrices. Tu prouves une fois, tu récoltes partout. C’est exactement pour ça que ce chapitre irrigue tout le programme de deux ans.
Trois familles d’objets structurent tout le cours et il faut apprendre à les distinguer nettement :
- Les vecteurs et les espaces vectoriels : le décor, les objets et l’ensemble qui les contient.
- Les applications linéaires : les transformations qui respectent la structure (elles « commutent » avec l’addition et la multiplication par un scalaire).
- Les matrices : la traduction calculatoire des applications linéaires, une fois qu’on a fixé une base.
Garde cette trinité en tête. La plupart des blocages viennent d’une confusion entre ces trois niveaux : mélanger un vecteur, une application et sa matrice, c’est l’erreur la plus fréquente que l’on voit chez nos élèves en début d’année.
Étape 1 : construire l’intuition géométrique
Avant toute chose, ancre l’abstraction dans quelque chose que tu peux visualiser. Le meilleur laboratoire, c’est le plan \(\mathbb{R}^2\) et l’espace \(\mathbb{R}^3\). Tout ce que tu apprendras en abstrait a d’abord un sens géométrique là-dedans.
Prends la notion de sous-espace vectoriel. Dans \(\mathbb{R}^3\), les sous-espaces vectoriels ne sont rien d’autre que : le point origine, les droites passant par l’origine, les plans passant par l’origine, et l’espace entier. Rien d’autre. Une droite qui ne passe pas par l’origine n’est pas un sous-espace, car elle ne contient pas le vecteur nul.
Vérifier un sous-espace en 3 réflexes. Pour montrer que \(F\) est un sous-espace vectoriel de \(E\), tu vérifies :
- \(0_E \in F\) (le vecteur nul est dedans) ;
- la stabilité par addition : \(x,y \in F \Rightarrow x+y \in F\) ;
- la stabilité par produit externe : \(\lambda \in \mathbb{R},\ x \in F \Rightarrow \lambda x \in F\).
Ces trois points se condensent en une seule ligne : \(F\) est stable par combinaison linéaire.
Ensuite vient la notion de famille libre et de base. Géométriquement : deux vecteurs sont liés s’ils sont colinéaires (même direction), trois vecteurs sont liés s’ils sont coplanaires. Une base, c’est un jeu minimal de vecteurs qui permet d’atteindre tout l’espace sans redondance. La dimension compte simplement combien de vecteurs il faut : 2 pour le plan, 3 pour l’espace.
Mon conseil de méthode : à chaque notion nouvelle, pose-toi la question « à quoi ça ressemble dans \(\mathbb{R}^2\) ou \(\mathbb{R}^3\) ? ». Si tu ne peux pas le dessiner, tu ne l’as pas encore compris. Dessine des droites, des plans, des projections. Cette habitude te sauvera au moment où les objets deviendront des polynômes ou des fonctions : tu transposeras l’intuition géométrique.
Et n’oublie pas que l’algèbre linéaire abstraite reste reliée au calcul concret : résoudre un système linéaire, c’est déjà de l’algèbre linéaire. Chaque système que tu résous décrit une intersection de sous-espaces. Fais toujours ce va-et-vient entre le calcul et la géométrie.
Étape 2 : maîtriser les applications linéaires
C’est le cœur du chapitre, et le concept qui débloque tout le reste. Une application linéaire est une fonction entre deux espaces vectoriels qui « respecte » la structure : elle transforme une combinaison linéaire en la même combinaison linéaire des images.
Application linéaire. \(f : E \to F\) est linéaire si pour tous \(x,y \in E\) et tout \(\lambda \in \mathbb{R}\) :
\(f(\lambda x + y) = \lambda f(x) + f(y).\)
Une conséquence immédiate à connaître par cœur : \(f(0_E) = 0_F\).
Deux objets sont associés à toute application linéaire, et ils sont fondamentaux :
- Le noyau \(\mathrm{Ker}(f)\) : l’ensemble des vecteurs envoyés sur \(0\). Il mesure « ce que \(f\) écrase ». \(f\) est injective si et seulement si \(\mathrm{Ker}(f) = \{0\}\).
- L’image \(\mathrm{Im}(f)\) : l’ensemble des vecteurs atteints. Elle mesure « ce que \(f\) recouvre ». \(f\) est surjective si et seulement si \(\mathrm{Im}(f) = F\).
Ces deux sous-espaces sont reliés par le résultat le plus important de l’année, le théorème du rang. Si \(E\) est de dimension finie :
\(\dim E = \dim \mathrm{Ker}(f) + \dim \mathrm{Im}(f).\)Interprète-le comme une conservation : la dimension de départ se répartit entre ce qui est écrasé (le noyau) et ce qui survit (l’image). Ce théorème est un couteau suisse : il permet de déduire la surjectivité de l’injectivité en dimension finie égale, de calculer un rang sans calculer d’image, etc.
Quand tu bloques sur une application linéaire, calcule toujours d’abord le noyau. C’est souvent le plus rapide (tu résous \(f(x)=0\)), et le théorème du rang te donne alors la dimension de l’image gratuitement.
Pour t’entraîner intelligemment sur ces notions, travaille des batteries d’exercices ciblés plutôt que de relire le cours passivement. Notre sélection d’exercices corrigés sur les applications linéaires est faite exactement pour ça : noyau, image, rang, caractérisations de l’injectivité et de la surjectivité.
Un dernier point de méthode : entraîne-toi à démontrer qu’une application est linéaire proprement, en une seule ligne avec \(f(\lambda x + y)\), plutôt qu’en deux vérifications séparées. Les correcteurs valorisent la concision rigoureuse.
Étape 3 : faire le pont avec les matrices
Les matrices arrivent souvent avant l’algèbre linéaire abstraite dans les progressions, et beaucoup d’élèves les manipulent comme des tableaux de nombres sans voir ce qu’elles représentent. Le déclic à provoquer : une matrice est la photographie d’une application linéaire dans une base donnée.
Concrètement, tu choisis une base au départ et une base à l’arrivée. Tu regardes où partent les vecteurs de la base de départ, tu écris leurs coordonnées en colonnes, et tu obtiens la matrice de \(f\). Changer de base change la matrice, mais l’application linéaire, elle, ne change pas. C’est ce qui donne tout son sens aux formules de changement de base.
Traduction directe. Le produit matriciel \(AB\) correspond à la composition \(f \circ g\) des applications associées. C’est pour ça que le produit de matrices n’est pas commutatif : composer \(f\) puis \(g\) n’est pas la même chose que \(g\) puis \(f\). Ce n’est pas une bizarrerie de calcul, c’est une évidence géométrique (fais une rotation puis une projection, puis l’inverse).
Cette correspondance éclaire tout le vocabulaire matriciel :
- Le rang d’une matrice est le rang de l’application associée, donc \(\dim \mathrm{Im}(f)\).
- Une matrice est inversible si et seulement si l’application est bijective, donc si et seulement si son rang est maximal.
- Résoudre un système linéaire, c’est chercher les antécédents d’un vecteur par une application linéaire.
Le pivot de Gauss n’est alors plus une recette obscure : c’est un algorithme qui simplifie l’écriture d’une application linéaire sans changer sa nature. Chaque opération élémentaire sur les lignes correspond à une multiplication par une matrice inversible.
Mon conseil : entretiens en permanence le double regard. Quand tu vois une matrice, demande-toi « quelle application ? ». Quand tu vois une application linéaire, demande-toi « quelle matrice dans la base canonique ? ». C’est ce double langage, calcul et structure, qui fait la différence entre un élève qui subit le chapitre et un élève qui le domine. Et c’est précisément la compétence testée aux concours de la plupart des filières.
La fiche méthode condensée (2 pages)
Les points clés de cet article résumés en une fiche claire et imprimable.
📄 Télécharger le document (PDF)Accès immédiat après inscription email.
Les pièges classiques et comment les éviter
Après des années à corriger des copies de sup, on voit toujours revenir les mêmes erreurs. Les connaître à l’avance, c’est déjà les éviter. Voici les plus coûteuses.
Confondre l’objet et sa représentation. Écrire « la matrice est linéaire » ou « le noyau du vecteur » n’a aucun sens. Un vecteur n’est pas une application, une application n’est pas une matrice. Nomme précisément ce que tu manipules à chaque ligne.
Le deuxième piège est l’apprentissage par cœur sans intuition. Tu peux réciter la définition d’une famille libre et être incapable de dire si trois vecteurs donnés sont liés. Les définitions abstraites ne servent qu’articulées à des exemples. Pour chaque théorème, garde en tête un exemple qui marche et un contre-exemple qui montre pourquoi l’hypothèse est nécessaire.
Troisième piège, très répandu : oublier de vérifier la dimension finie. Le théorème du rang, l’équivalence entre injectivité et surjectivité, beaucoup de résultats ne valent qu’en dimension finie. En dimension infinie (espaces de fonctions, de suites), une application peut être injective sans être surjective. Vérifie toujours ce cadre avant d’appliquer un théorème.
Quatrième piège : vouloir tout calculer. Certains élèves se lancent dans des calculs matriciels monstrueux là où un argument de dimension règle la question en deux lignes. Avant de calculer, demande-toi si un raisonnement structurel (rang, noyau, dimension) ne serait pas plus court. En algèbre linéaire, la paresse bien placée est une vertu.
Enfin, le piège de la négligence des bases canoniques. Beaucoup d’élèves ne savent pas écrire spontanément la base canonique de \(\mathbb{R}_n[X]\) (les polynômes de degré au plus \(n\)) ou de l’espace des matrices. Or sans base de référence, tu ne peux ni compter la dimension ni écrire une matrice. Mémorise ces bases usuelles, ce sont tes points d’appui. Ce sont typiquement les erreurs de sup les plus faciles à corriger quand on les repère tôt.
Cas particuliers et situations difficiles
Selon ton profil, l’algèbre linéaire ne se travaille pas de la même façon. Voici quelques situations qui méritent une adaptation.
Tu es en PCSI et les matrices sont arrivées très tôt. Tu risques d’avoir pris de mauvaises habitudes calculatoires. Ton travail prioritaire est de reconstruire le sens : reprends chaque matrice vue en début d’année et demande-toi quelle application elle représente. Le lien entre les deux filières et leurs programmes est détaillé dans notre guide MPSI ou PCSI.
Tu as l’impression de « comprendre en cours mais de bloquer en exercice ». C’est le symptôme le plus classique et rassurant : tu as l’intuition, il te manque les automatismes de rédaction. La solution n’est pas de relire le cours mais de faire beaucoup d’exercices en te forçant à rédiger entièrement, même les questions faciles. Applique une méthode structurée pour aborder un problème de maths à chaque énoncé.
Tu envisages une 5/2. L’algèbre linéaire de sup est le socle absolu de la spé. Un noyau non maîtrisé en première année devient un mur en deuxième année (réduction des endomorphismes, diagonalisation). Si tu hésites, notre analyse 3/2 ou 5/2 t’aidera à décider, mais dans tous les cas, colmate tes lacunes d’algèbre linéaire avant l’été.
Pour aller plus loin
Une fois les fondations posées, l’algèbre linéaire se prolonge dans presque tous les chapitres : produit scalaire et espaces euclidiens, déterminants, réduction des endomorphismes en spé. Chaque brique nouvelle s’appuie sur la trinité vecteurs–applications–matrices que tu as construite. Investir maintenant, c’est capitaliser sur deux ans.
Pour progresser efficacement, garde deux principes. D’abord, la régularité : l’algèbre linéaire ne se rattrape pas en une nuit avant un DS, elle se sédimente. Intègre-la dans une routine hebdomadaire équilibrée, comme expliqué dans notre guide pour organiser sa semaine en prépa scientifique. Ensuite, l’entraînement ciblé : refais les mêmes types d’exercices jusqu’à l’automatisme, en particulier sur les applications linéaires.
Enfin, si tu veux comparer les exigences selon les filières et les débouchés visés, consulte les classements détaillés par voie, par exemple le classement des prépas MP ou le classement des prépas PC. Cela te donnera une idée du niveau d’algèbre linéaire attendu aux concours.
Questions fréquentes
Pourquoi l'algèbre linéaire est-elle si abstraite au début ?
Parce que tu passes d’objets concrets (nombres, fonctions) à l’étude de structures et de relations entre objets. Le remède est de systématiquement ramener chaque notion à une image géométrique dans le plan ou l’espace. Une fois l’intuition ancrée, l’abstraction devient un raccourci puissant plutôt qu’un obstacle.
Dans quel ordre faut-il travailler le chapitre ?
Commence par l’intuition géométrique (sous-espaces, familles libres, bases, dimension), puis attaque les applications linéaires (noyau, image, théorème du rang), et enfin fais le pont avec les matrices. Cet ordre respecte la logique : les matrices ne sont que la traduction calculatoire des applications linéaires.
Comment retenir la différence entre noyau et image ?
Le noyau mesure ce que l’application écrase (les vecteurs envoyés sur zéro), l’image mesure ce qu’elle atteint. Le théorème du rang relie les deux : la dimension de départ se répartit entre noyau et image. Calcule toujours le noyau en premier, l’image s’en déduit souvent gratuitement.
Je comprends le cours mais je bloque en exercice, que faire ?
C’est le signe qu’il te manque des automatismes de rédaction, pas de la compréhension. Arrête de relire passivement et fais beaucoup d’exercices en rédigeant intégralement, même les questions simples. Les réflexes de calcul du noyau et du rang viennent uniquement par la répétition.
Faut-il apprendre les démonstrations du cours par cœur ?
Il faut les comprendre, pas les réciter mécaniquement. Retiens le schéma de chaque preuve importante (théorème du rang, caractérisation de l’injectivité) et sache la refaire seul. Associe chaque théorème à un exemple qui marche et à un contre-exemple qui justifie ses hypothèses.
L'algèbre linéaire de sup sert-elle vraiment en spé ?
Absolument, c’est le socle de la deuxième année. La réduction des endomorphismes, la diagonalisation et les espaces euclidiens reposent entièrement sur les notions de noyau, d’image et de base. Une lacune non colmatée en sup devient un vrai mur en spé.
