Vous êtes sur la page 1sur 33

Mathmatiques

Mthodes et exercices
ECE 2
e
anne
Ccile Lardon
Professeur en classe prparatoire
au lyce du Parc Lyon
Jean-Marie Monier
Professeur en classe prparatoire
au lyce La Martinire-Monplaisir Lyon
Dunod, Paris, 2012
ISBN 978-2-10-057669-2
Table des matires
Remerciements VI
1. Vecteurs, applications linaires,
matrices 1
Les mthodes retenir 2
noncs des exercices 7
Du mal dmarrer ? 14
Corrigs des exercices 17
2. Rduction des endomorphismes
et des matrices carres 34
Les mthodes retenir 34
noncs des exercices 36
Du mal dmarrer ? 45
Corrigs des exercices 49
3. Complments sur les suites
et les sries 74
Les mthodes retenir 75
noncs des exercices 77
Du mal dmarrer ? 84
Corrigs des exercices 89
4. Complments sur les fonctions
dune variable relle 110
Les mthodes retenir 111
noncs des exercices 114
Du mal dmarrer ? 119
Corrigs des exercices 121
5. Intgrales impropres 132
Les mthodes retenir 132
noncs des exercices 136
Du mal dmarrer ? 141
Corrigs des exercices 144
6. Fonctions numriques
de deux variables relles 161
Les mthodes retenir 162
noncs des exercices 164
Du mal dmarrer ? 169
Corrigs des exercices 171
7. Variables alatoires et couples
de variables alatoires discrtes 184
Les mthodes retenir 185
noncs des exercices 188
Du mal dmarrer ? 195
Corrigs des exercices 198
8. Variables alatoires densit 216
Les mthodes retenir 216
noncs des exercices 218
Du mal dmarrer ? 226
Corrigs des exercices 229
9. Convergences et approximations 252
Les mthodes retenir 252
noncs des exercices 253
Du mal dmarrer ? 258
Corrigs des exercices 261
10. Estimation 275
Les mthodes retenir 275
noncs des exercices 276
Du mal dmarrer ? 284
Corrigs des exercices 287
11. Algorithmique 306
Les mthodes retenir 307
noncs des exercices 311
Du mal dmarrer ? 320
Corrigs des exercices 323
12. Problmes de rvision 341
noncs des exercices 342
Du mal dmarrer ? 358
Corrigs des exercices 364
Index 403

D
u
n
o
d
.
T
o
u
t
e
r
e
p
r
o
d
u
c
t
i
o
n
n
o
n
a
u
t
o
r
i
s

e
e
s
t
u
n
d

l
i
t
III
Pour bien utiliser cet ouvrage
La page dentre de chapitre
Elle propose un plan du chapitre, les
thmes abords dans les exercices, ainsi
quun rappel des points essentiels du cours
pour la rsolution des exercices.
Les mthodes retenir
Cette rubrique constitue une synthse des prin-
cipales mthodes connatre, dtailles tape
par tape, et indique les exercices auxquels elles
se rapportent.
IV
Pour bien utiliser cet ouvrage
noncs des exercices
De nombreux exercices de difcult croissante
sont proposs pour sentraner. La difcult de
chaque exercice est indique sur une chelle
de 1 4.
Du mal dmarrer ?
Des conseils mthodologiques sont proposs
pour bien aborder la rsolution des exercices.
Corrigs des exercices
Tous les exercices sont corrigs de faon dtaille.

D
u
n
o
d
.
T
o
u
t
e
r
e
p
r
o
d
u
c
t
i
o
n
n
o
n
a
u
t
o
r
i
s

e
e
s
t
u
n
d

l
i
t
V
Remerciements
Nous tenons ici exprimer notre gratitude aux nombreux collgues qui ont accept de rviser des parties du manuscrit :
Pascal Alessandri, Jean-Philippe Berne, Grard Bourgin, Frdrique Christin, Jean-paul Christin, Sophie Cohlach,
Carine Courant, Sylvain Delpech, Hermin Durand, Viviane Gaggioli, Marguerite Gauthier, Andr Laont, Tewk
Lahcne, Hadrien Larome, IbrahimRihaoui, Ren Roy, Marie-Dominique Sifert, Marie-Pascale Thon, Audrey Verdier.
VI
Vecteurs,
applications linaires,
matrices
CHAPITRE
1
1
Plan
Les mthodes retenir 2
noncs des exercices 7
Du mal dmarrer ? 14
Corrigs des exercices 17
Thmes abords dans les exercices
Montrer quun ensemble est un espace vectoriel, un sous-espace vectoriel
Montrer quune famille est libre, quune famille est lie, quune famille est g-
nratrice, quune famille est une base
Montrer quune application est linaire
Dterminer le noyau, limage dune application linaire, obtenir des inclusions
ou des galits faisant intervenir des noyaux et/ou des images dapplications
linaires
Montrer quune certaine application linaire est injective, est surjective, est
bijective
Trouver une base dun espace vectoriel
Dterminer la dimension dun espace vectoriel de dimension nie
Dterminer le rang dune famille nie de vecteurs, le rang dune application
linaire, obtenir des rsultats sur des rangs dapplications linaires

On abrge espace vectoriel en ev


et sous-espace vectoriel en sev. Traduire le lien entre application linaire et matrice.
Points essentiels du cours
pour la rsolution des exercices
Dnition et proprits des espaces vectoriels et des sous-espaces vectoriels
Dnition et proprits des combinaisons linaires nies de vecteurs, des fa-
milles libres, des familles lies, des familles gnratrices, des bases
Dnition et proprits des applications linaires, oprations sur les applications
linaires et les endomorphismes, dnition et proprits du noyau et de limage
dune application linaire
Dnition et proprits du rang dune famille de vecteurs, du rang dune appli-
cation linaire
Thorme du rang
Dnition et structures des ensembles usuels de matrices : M
n, p
(R), M
n
(R)
Matrice dun vecteur relativement une base, matrice dune application linaire
relativement des bases, matrice dun endomorphisme relativement une base
Changement de base(s), matrice de passage.

D
u
n
o
d
.
T
o
u
t
e
r
e
p
r
o
d
u
c
t
i
o
n
n
o
n
a
u
t
o
r
i
s

e
e
s
t
u
n
d

l
i
t
1
Chapitre 1 Vecteurs, applications linaires, matrices
Les mthodes retenir
Pour montrer
quune partie F dun ev E
est un sev de E
Essayer de :
revenir la dnition dun sev, cest--dire montrer que F est inclus
dans E, que F nest pas vide et que F est stable par addition et stable
par multiplication externe
Exercices 1.1 a), 1.2 a), c), 1.3 a), 1.5 a), 1.9 a), 1.10 a),
1.39 a)
montrer que F est le sev de E engendr par une certaine famille
Exercices 1.1 e), 1.8
montrer que F est le noyau ou limage dune certaine application
linaire.
Exercices 1.1 a), 1.2 a)
Pour montrer quun ensemble E
muni de lois usuelles est un ev
Montrer que E est un sev dun ev connu.
Exercices 1.19, 1.26 a)
Pour montrer
quune partie F dun ev E
nest pas un sev de E
Essayer de :
montrer que llment nul de E nest pas dans F
Exercices 1.1 b), 1.2 b), 1.3 b), c)
montrer que F nest pas stable par la multiplication externe
Exercices 1.1 c), 1.2 d), 1.3 d)
montrer que F nest pas stable pour laddition.
Exercice 1.1 d)
Pour montrer
quune famille nie
de vecteurs dun ev E
est libre
Essayer de revenir la dnition, cest--dire montrer que, si une com-
binaison linaire de ces vecteurs est nulle, alors ncessairement les
coecients sont tous nuls.
Exercices 1.4, 1.15, 1.17 b)
Pour montrer
quune famille de fonctions
est libre pour les lois usuelles
Revenir la dnition de famille libre, et, suivant les exemples, es-
sayer de :
remplacer la variable par des valeurs particulires
Exercice 1.16
utiliser des passages la limite
Exercice 1.28 c)
2
Les mthodes retenir
(suite)
utiliser une non-continuit ou une non-drivabilit
Exercice 1.28 a), b)
driver une ou plusieurs fois, ou primitiver
faire intervenir les degrs sil sagit de polynmes
raisonner sur les racines et les ordres de multiplicit sil sagit de
polynmes
utiliser les particularits des polynmes ; par exemple, si un poly-
nme sannule en une innit de points, alors cest le polynme nul.
Exercice 1.29
Pour montrer
quune famille nie
de vecteurs dun ev E
est lie
Essayer de :
revenir la dnition, cest--dire trouver une combinaison linaire
de ces vecteurs qui soit nulle et dont les coecients ne soient pas
tous nuls
Exercice 1.4 b)
montrer quun des vecteurs se dcompose linairement sur les
autres.
Exercices 1.4 b), 1.15 1.17 c)
Pour montrer
quune famille nie
de vecteurs de E
est gnratrice de E
Revenir la dnition, cest--dire montrer que tout vecteur de E se
dcompose linairement sur cette famille.
Exercices 1.8, 1.9 b), 1.10 c), 1.25 b)
Pour montrer
quune famille nie
B = (e
1
, ..., e
n
)
de vecteurs dun ev E
est une base de E
Essayer de :
revenir la dnition, cest--dire montrer que B est libre et gn-
ratrice de E
Exercices 1.5 b), 1.9, 1.10 c), 1.25 b), 1.26 a), 1.35 c),d)
montrer que B est libre et que le cardinal de B est gal la dimen-
sion de E
Exercices 1.13, 1.16, 1.26 a)
montrer que B est gnratrice de E et que le cardinal de B est gal
la dimension de E.
Exercice 1.11 b)
Pour dterminer
la dimension
dun ev de dimension nie
Essayer de :
trouver une base nie B de E, et on a alors dim(E) = Card (B)
Exercices 1.5 b), 1.8, 1.9

D
u
n
o
d
.
T
o
u
t
e
r
e
p
r
o
d
u
c
t
i
o
n
n
o
n
a
u
t
o
r
i
s

e
e
s
t
u
n
d

l
i
t
3
Chapitre 1 Vecteurs, applications linaires, matrices
(suite)
prsenter E comme noyau ou comme image dune application li-
naire, et calculer sa dimension en utilisant le thorme du rang.
Exercices 1.10 1.12
Pour montrer
quune application
f : E F
est linaire,
o E et F sont des ev
Essayer de :
revenir la dnition, cest--dire montrer :
R, x, y E, f (x + y) = f (x) + f (y).
Exercices 1.6 a), 1.17 a), 1.18 a), 1.25 a), 1.26 c), 1.35 a)
montrer que f sobtient, par certaines oprations, partir dapplica-
tions linaires.
Pour manipuler
noyau, image,
somme, loi externe, composition
dapplications linaires
Revenir aux dnitions, avec les notations usuelles :
Ker ( f ) = {x E ; f (x) = 0}, Im( f ) = {y F ; x E, y = f (x)},
( f + g)(x) = f (x) + g(x), (f )(x) = f (x), (g f )(x) = g
_
f (x)
_
.
Exercices 1.7, 1.18 a)
Pour dterminer
le noyau
dune application linaire
f : E F
Essayer de :
revenir la dnition : Ker ( f ) = {x E ; f (x) = 0}
Exercice 1.12 a)
obtenir une inclusion relative Ker ( f ), et utiliser un argument de
dimension, par exemple en utilisant le thorme du rang.
Pour dterminer
limage
dune application linaire
f : E F
Essayer de :
revenir la dnition : Im( f ) = {y F ; x E, y = f (x)}
Exercice 1.12 a)
obtenir une inclusion relative Im( f ), et utiliser un argument de
dimension, par exemple en utilisant le thorme du rang.
Pour montrer
quune application linaire
f : E F
est injective
Montrer Ker ( f ) = {0}, cest--dire montrer :
x E,
_
f (x) = 0 = x = 0.
_
Exercices 1.18 b), 1.19
4
Les mthodes retenir
Pour montrer
quune application linaire
f : E F
est surjective
Montrer Im( f ) = F, cest--dire montrer :
y F, x E, y = f (x).
Exercices 1.18 b), 1.19
Pour montrer
quune application linaire
f : E F
est bijective
Essayer de :
montrer : Ker ( f ) = {0} et Im( f ) = F
Exercice 1.19
trouver une application g : F E telle que :
g f = Id
E
et f g = Id
F
.
Pour relier entre elles les dimensions
du noyau et de limage
dune application linaire
f : E F
o E et F sont des ev
de dimensions nies
Utiliser le thorme du rang :
dim
_
Ker ( f )
_
+ dim
_
Im( f )
_
= dim(E).
Exercice 1.37
Pour eectuer
un calcul
sur des matrices
Essayer, autant que possible, de garder une notation globale (une
lettre pour une matrice), ne faisant pas intervenir les termes des ma-
trices
Exercices 1.22 a), 1.24, 1.32 b),c),d)
Sinon, passer aux coecients des matrices, en particulier si les ma-
trices sont dordre petit (deux ou trois), ou si une matrice diagonale
ou une matrice triangulaire intervient.
Exercices 1.10 b), d), 1.14 a), b), 1.21 a), 1.31, 1.32 a)2),
1.34, 1.38
Pour eectuer un calcul
sur des matrices avec paramtres
Essayer de dcomposer linairement ces matrices sur des matrices plus
simples, sans paramtre, si cest possible.
Exercice 1.14
Pour calculer les puissances
A
k
(k N

, k Z)
dune matrice carre A
Dans certains exemples simples, calculer A
2
, A
3
, et essayer de
conjecturer une formule pour A
k
, que lon montrera par rcurrence
sur k, ou se ramener des suites relles classiques
Exercice 1.21 b)
Essayer de dcomposer A en somme dune matrice I
n
, R, et
dune matrice simple, souvent une matrice nilpotente, et utiliser la
formule du binme de Newton

D
u
n
o
d
.
T
o
u
t
e
r
e
p
r
o
d
u
c
t
i
o
n
n
o
n
a
u
t
o
r
i
s

e
e
s
t
u
n
d

l
i
t
5
Chapitre 1 Vecteurs, applications linaires, matrices
(suite)
La formule obtenue pour A
k
lorsque k N est souvent aussi valable
pour k Z, lorsque A est inversible.
Pour montrer
quune matrice carre A M
n
(R)
est inversible
et, ventuellement,
calculer son inverse
Essayer de :
appliquer la mthode du pivot de Gauss, pour une matrice carre
assez simple donne sous forme dun tableau
rsoudre le systme dquations obtenu en exprimant les colonnes
C
1
, ..., C
n
de A en fonction des colonnes E
1
, ...E
n
formant la base ca-
nonique de M
n,1
(R), en considrant E
1
, ..., E
n
comme les inconnues
former une quation simple sur A, puis isoler le terme en I
n
Exercice 1.23
associer la matrice carre A un systme linaire AX = Y, o X, Y
sont des matrices-colonnes et rsoudre ce systme en considrant
que linconnue est X
conjecturer la forme B de la matrice inverse de A, et vrier que
celle-ci convient, en calculant le produit AB (ou BA)
rsoudre lquation AB = I
n
(ou BA = I
n
) o B est une matrice
inconnue, dune forme particulire.
Se rappeler que toute matrice triangulaire termes diagonaux tous non
nuls est inversible.
Pour dterminer la matrice A
dune application linaire
f : E F
dans une base B = (e
1
, ..., e
p
) de E
et une base C = ( f
1
, ..., f
n
) de F
Pour tout j 1 ; p, la colonne numro j de A est forme par les
coordonnes de f (e
j
) dans la base C de F.
Exercices 1.11 b), 1.20, 1.26 b), c), 1.35 b)
Pour dterminer le rang
dune application linaire
f : E F
o E, F sont des ev
de dimensions nies
Essayer de :
appliquer la dnition : rg ( f ) = dim
_
Im( f )
_
Exercice 1.12 b)
utiliser le thorme du rang : rg ( f ) = dim(E) dim
_
Ker ( f )
_
Exercice 1.12 b)
Pour montrer
quune application linaire
f : E F
est un isomorphisme
o E, F sont des ev
de dimensions nies
Essayer de :
revenir la dnition, cest--dire montrer que f (qui est dj li-
naire) est injective et surjective
Exercice 1.19
6
noncs des exercices
(suite)
trouver une application (linaire) g : F E telle que :
g f = Id
E
et f g = Id
F
montrer quune matrice reprsentant f est inversible.
noncs des exercices
1.1 Une partie de R
3
est-elle un sev ou non?
Est-ce que les parties suivantes de E = R
3
sont des sev de E :
a) F =
_
(x, y, z) R
3
; x + y 2z = 0
_
b) G =
_
(x, y, z) R
3
; x y + 2z = 3
_
c) H =
_
(x, y, z) R
3
; x + y z 0
_
d) L =
_
(x, y, z) R
3
; x
2
y
2
+ z
2
= 0
_
e) M =
_
(x, y, z) R
3
; x
2
+ y
2
= 0
_
?
1.2 Une partie de R
R
est-elle un sev ou non?
Est-ce que les parties suivantes de E = R
R
, ensemble des applications de R dans R, sont des sev
de E :
a) F =
_
f E ; f (0) + 6f (1) + 4f (3) = 0
_
b) G =
_
f E ; f (0) + f (2) = 1
_
c) H =
_
f E ; x R, f (1 x) = f (x)
_
d) L =
_
f E ; x R,
_
f (x)
_
3
= f (x)
_
?
1.3 Une partie de R
N
est-elle un sev ou non?
Est-ce que les parties suivantes de E = R
N
, ensemble des suites relles, sont des sev de E :
a) F =
_
u = (u
n
)
nN
E ; n N, u
n+2
= 3u
n+1
2u
n
_
b) G =
_
u = (u
n
)
nN
E ; u
0
= 1 et u
1
= 0
_
c) H =
_
u = (u
n
)
nN
E ; n N, u
n+1
= 2u
n
1
_
d) L =
_
u = (u
n
)
nN
E ; n N, u
n+1
=
_
1 + u
2
n
1
_
?
1.4 Exemples simples de famille libre, famille lie
On note, dans R
4
: U = (1, 1, 0, 0), V = (1, 0, 1, 0), X = (1, 1, 1, 1), Y = (0, 1, 1, 0).
a) La famille (U, V, X) est-elle libre ou est-elle lie ?
b) La famille (U, V, Y) est-elle libre ou est-elle lie ?

D
u
n
o
d
.
T
o
u
t
e
r
e
p
r
o
d
u
c
t
i
o
n
n
o
n
a
u
t
o
r
i
s

e
e
s
t
u
n
d

l
i
t
7
Chapitre 1 Vecteurs, applications linaires, matrices
1.5 Dtermination dune base dun sev donn par un systme dquations
On note F =
_
(x, y, z, t) R
4
; 3x 4y + z t = 0 et 2x 3y + 2z + t = 0
_
.
a) Vrier que F est un sev de R
4
.
b) Dterminer une base de F et la dimension de F.
1.6 Une application donne est-elle linaire, non linaire ?
Est-ce que les applications suivantes, de R
2
dans R
2
, sont linaires :
a) f
1
: (x, y) (2x 3y, x + 5y) b) f
2
: (x, y) (x + y + 1, x y 2)
c) f
3
: (x, y) (x
2
+ y, y
2
+ x) d) f
4
: (x, y) ( e
x+y
1, x y) ?
1.7 Noyau et image de g f
Soient E, F, G des ev, f L(E, F), g L(F, G).
Montrer : a) Ker ( f ) Ker (g f ) b) Im(g f ) Im(g).
1.8 Exemple de sev de matrices
On note E =
_ _
a b
c d
_
M
2
(R) ; a + c = 0
_
.
Montrer que E est un sev de M
2
(R), dterminer une base de E et la dimension de E.
1.9 Calculs sur des matrices carres dordre 2, daprs EML 2005
On considre les matrices A =
_
0 1
0 1
_
, D =
_
0 0
0 1
_
, U =
_
1 0
0 0
_
et on note E =
_
M M
2
(R) ; AM = MD
_
.
a) Vrier que E est un sev de M
2
(R).
b) Soit M =
_
x y
z t
_
M
2
(R) quelconque. Montrer : M E (z = 0 et t = y).
c) tablir que (U, A) est une base de E.
d) Calculer le produit UA. Est-ce que UA E ?
1.10 Sev de matrices carres
a) Soient n N

, A, B M
n
(R). On note E =
_
M M
n
(R) ; AM = MB
_
.
Montrer que E est un sev de M
n
(R).
b) On prend ici : n = 2, A =
_
1 1
0 2
_
, B =
_
2 1
0 1
_
.
Dterminer E , une base de E , la dimension de E .
1.11 Exemple de changement de bases pour une application linaire
Soient E un ev de dimension 2, E = (e
1
, e
2
) une base de E, F un ev de dimension 3,
F = ( f
1
, f
2
, f
3
) une base de F. On note A =
_

_
2 1
3 1
0 2
_

_
M
3,2
(R), et u lapplication linaire
de E dans F reprsente par A dans les bases E de E et F de F.
8
noncs des exercices
a) Exprimer u(e
1
) et u(e
2
) en fonction de f
1
, f
2
, f
3
.
b) On note e

1
= e
1
, e

2
= e
1
+ e
2
, E

= (e

1
, e

2
), f

1
= f
1
+ f
2
, f

2
= f
1
+ f
3
,
f

3
= f
2
+ f
3
, F

= ( f

1
, f

2
, f

3
). Montrer que E

est une base de E et que F



est une base
de F, et dterminer la matrice A

de u dans les bases E



de E et F

de F.
1.12 Exemple de dtermination dun noyau, dune image, dun rang
On note A =
_

_
1 0 2 1
2 3 1 1
1 2 5 3
_

_
M
3,4
(R) et f : R
4
R
3
lapplication linaire reprsente par
la matrice A dans les bases canoniques.
a) Dterminer un systme dquations de Ker ( f ), une base de Ker ( f ) et dim
_
Ker ( f )
_
.
b) Dterminer une base de Im( f ). Quel est le rang de f ?
1.13 Exemple de base de R
4
[X]
On note, dans R[X] :
P
0
= 1, P
1
= X, P
2
= (X 1)X(X + 1), P
3
= X
2
(X+ 1), P
4
= (X 1)X(X+ 1)
2
.
Montrer que B = (P
0
, ..., P
4
) est une base de R
4
[X].
1.14 Calcul sur des matrices carres dordre 3, daprs ESC 2007
On note A =
_

_
2 6 6
0 0 0
1 3 3
_

_
, B =
_

_
0 0 0
1 3 2
1 3 2
_

_
et, pour tout x R : H(x) = A + xB.
a) Calculer A
2
, B
2
, AB, BA. Que remarque-t-on ?
b) Calculer, pour tout x R, le produit H(x)
_

_
3
1
0
_

_
, et en dduire que H(x) nest pas inversible.
c) Montrer : (x, y) R
2
, H(x)H(y) = H(xy).
d) En dduire : n N

, x R,
_
H(x)
_
n
= H(x
n
).
e) Calculer
_

_
2 6 6
10 30 20
9 27 17
_

_
10
.
1.15 Famille de fonctions, famille de leurs carrs
Soient f , g, h : R R. On note f
2
= f f , g
2
= g g, h
2
= h h.
a) Montrer que, si ( f , g) est lie, alors ( f
2
, g
2
) est lie.
b) Donner un exemple de ( f , g) dans lequel : ( f , g) est libre et ( f
2
, g
2
) est lie.
c) Donner un exemple de ( f , g, h) dans lequel : ( f , g, h) est lie et ( f
2
, g
2
, h
2
) est libre.
d) Donner un exemple de ( f , g, h) dans lequel : ( f , g, h) est libre et ( f
2
, g
2
, h
2
) est lie.
1.16 Une base de R
n
[X]
Soient n N

, (a, b) R
2
tel que a b.
On note, pour tout i 0 ; n : P
i
= (X a)
i
(X b)
ni
.
Montrer que la famille (P
i
)
0in
est une base de R
n
[X].

D
u
n
o
d
.
T
o
u
t
e
r
e
p
r
o
d
u
c
t
i
o
n
n
o
n
a
u
t
o
r
i
s

e
e
s
t
u
n
d

l
i
t
9
Chapitre 1 Vecteurs, applications linaires, matrices
1.17 Libert ou liaison dune famille de deux ou trois applications linaires
On note E = C([1; 1] ; R) lespace vectoriel des applications continues de [1 ; 1] dans R,

1
,
2
,
3
: E R les applications dnies, pour toute f E par :

1
( f ) =
_
0
1
f ,
2
( f ) =
_
1
0
f ,
3
( f ) =
_
1
1
f .
a) Vrier que
1
,
2
,
3
sont linaires.
b) Est-ce que (
1
,
2
) est libre ? c) Est-ce que (
1
,
2
,
3
) est libre ?
1.18 Exemple dendomorphismes u, u vriant u u u u = Id
E
On note E = C

(R, R), u, v : E E les applications dnies, pour toute f E, par :


x R,
_
u( f )(x) = x f (x), v( f )(x) = f

(x).
_
a) Vrier : u, v L(E), u v v u = Id
E
.
b) Est-ce que u (resp. v) est injective ? surjective ? bijective ?
1.19 Exemple dautomorphisme
On note E =
_
P R[X] ; P(0) = 0
_
et f : E E, P XP

. Montrer : f G L(E).
1.20 Endomorphisme nilpotent en dimension 3
Soient E un espace vectoriel de dimension 3, f L(E) tel que : f
3
= 0 et f
2
0. Montrer
quil existe une base B de E telle que : Mat
B
( f ) =
_

_
0 0 0
1 0 0
0 1 0
_

_
.
1.21 Calcul matriciel, suites rcurrentes linaires dordre 2, daprs HEC 2009
On note A =
_

_
1 1 1 1
1 0 0 1
1 0 0 1
1 1 1 1
_

_
M
4
(R).
a) Calculer A
2
et A
3
, exprimer A
3
comme combinaison linaire de A et A
2
, et montrer que la
famille (A, A
2
) est libre.
b) tablir que, pour tout n N

, il existe (u
n
, v
n
) R
2
unique tel que A
n
= u
n
A + v
n
A
2
, et
exprimer u
n+1
et v
n+1
en fonction de u
n
et v
n
.
c) Exprimer, pour tout n N

, u
n+2
en fonction de u
n+1
et u
n
, et en dduire, pour tout n N

, la
valeur de u
n
, puis celle de v
n
.
1.22 Somme de deux inverses, somme de trois inverses de matrices carres inversibles
Soit n N

.
a) Montrer : (A, B)
_
GL
n
(R)
_
2
, A
1
+ B
1
= A
1
(A + B)B
1
.
b) Y a-t-il une formule analogue pour trois matrices, cest--dire est-ce que :
(A, B, C)
_
GL
n
(R)
_
3
, (U, V)
_
M
n
(R)
_
2
, A
1
+ B
1
+ C
1
= U(A + B + C)V ?
10
noncs des exercices
1.23 Inversibilit et calcul de linverse par utilisation dune quation matricielle
Soient n N

, A M
n
(R) telle que : A
3
A
2
+ A + I
n
= 0.
Montrer que A est inversible et exprimer A
1
.
1.24 Commutation par utilisation dun inverse
Soient n N

, A, B M
n
(R) telles que : AB = 2A + 3B.
a) Montrer : (A 3 I
n
)(B 2 I
n
) = 6 I
n
. b) En dduire : AB = BA.
1.25 Exemple de dtermination dun noyau, dune image
On note A =
_
3 6
4 8
_
M
2
(R) et f : M
2
(R) M
2
(R), M MA.
a) Vrier que f est un endomorphisme de lespace vectoriel M
2
(R).
b) 1) Dterminer une base et la dimension de Ker ( f ).
2) Dterminer une base et la dimension de Im( f ).
1.26 Aspects linaire et matriciel des suites rcurrentes linaires dordre 2,
coecients constants et sans second membre
On note E lensemble des suites relles u = (u
n
)
nN
telles que :
n N, u
n+2
= 5u
n+1
6u
n
.
On note a, b les lments de E dnis par :
_
a
0
= 1, a
1
= 0
_
, (b
0
= 0, b
1
= 1
_
,
et on note : r = (2
n
)
nN
, s = (3
n
)
nN
.
a) Montrer que E est un ev et que (a, b) et (r, s) sont deux bases de E.
b) Dterminer la matrice M de la famille (r, s) dans la base (a, b) de E, et calculer M
1
.
c) Montrer que lapplication f qui, tout lment u = (u
n
)
nN
de E, associe la suite (u
n+1
)
nN
,
est un endomorphisme de E, et prciser la matrice de f dans la base (a, b) de E, et la matrice
de f dans la base (r, s) de E.
1.27 Runion de deux sous-espaces vectoriels
Soient E un ev, A, B des sev de E tels que : A B = E. Montrer : A = E ou B = E.
1.28 Familles libres dans un espace de fonctions
Soient n N

, (a
1
, ..., a
n
) R
n
tel que a
1
< ... < a
n
. Montrer que la famille dapplications
( f
a
i
: R R)
1in
est libre dans les exemples suivants :
a) f
a
i
: x
_

_
0 si x a
i
1 si x > a
i
b) f
a
i
: x
_

_
0 si x a
i
x a
i
si x > a
i
c) f
a
i
: x e
a
i
x
.
1.29 Exemple de famille libre dans un espace de fonctions
Soient I un intervalle de R, non vide ni rduit un point, f : I R une application continue
sur I et non constante. On note : f
0
= 1, f
1
= f , f
2
= f f , ...
Montrer que, pour tout n N, la famille ( f
k
)
0kn
est libre.

D
u
n
o
d
.
T
o
u
t
e
r
e
p
r
o
d
u
c
t
i
o
n
n
o
n
a
u
t
o
r
i
s

e
e
s
t
u
n
d

l
i
t
11
Chapitre 1 Vecteurs, applications linaires, matrices
1.30 Inverse gauche, inverse droite, pour une matrice rectangulaire, daprs HEC 2009
On considre la matrice A =
_

_
1 2
3 4
1 4
_

_
.
a) Existe-t-il B M
2,3
(R) telle que : AB = I
3
?
b) Existe-t-il C M
2,3
(R) telle que : CA = I
2
?
1.31 Commutant dune matrice diagonale termes diagonaux deux deux distincts
Soient n N

, d
1
, ..., d
n
R deux deux distincts, D = diag (d
1
, ..., d
n
) la matrice diagonale
dont les termes diagonaux sont, dans lordre, d
1
, ..., d
n
.
Montrer que le commutant de la matrice D, cest--dire lensemble
C(D) =
_
A M
n
(R) ; AD = DA
_
, est gal lensemble D
n
(R) des matrices diagonales
de M
n
(R).
1.32 Matrices nilpotentes
Soit n N

. On dit quune matrice A M


n
(R) est nilpotente si et seulement sil existe k N

tel que A
k
= 0.
a) 1) Montrer que, pour toute A M
n
(R), si A est nilpotente, alors A nest pas inversible.
2) Les matrices suivantes de M
2
(R) sont-elles nilpotentes :
A =
_
0 1
0 0
_
, B =
_
1 1
0 1
_
, C =
_
0 1
0 1
_
, D =
_
1 1
1 1
_
?
b) Soient A, M M
n
(R). Montrer que, si A est nilpotente et AM = MA, alors AM est nilpotente.
c) Soit A M
n
(R). Montrer que, si A est nilpotente, alors I
n
A est inversible et exprimer
(I
n
A)
1
.
d) Soient A, B M
n
(R). Montrer que, si A et B sont nilpotentes et AB = BA, alors A + B est
nilpotente.
1.33 Majoration du rang dune compose de deux applications linaires
Soient n, p, q N

, a L(R
p
, R
n
), b L(R
q
, R
p
).
Montrer : rg (a b) Min
_
rg (a), rg (b)
_
.
1.34 Matrices diagonales termes diagonaux deux deux distincts
Soient n N

, d
1
, ..., d
n
R deux deux distincts, D = diag (d
1
, ..., d
n
) la matrice diagonale
dont les termes diagonaux sont, dans lordre, d
1
, ..., d
n
.
Montrer que (D
k
)
0kn1
est une base de lespace vectoriel D
n
(R) des matrices diagonales.
1.35 tude dun endomorphisme de M
2
(R)
On note A =
_
0 1
2 1
_
, B =
_
1 2
0 1
_
M
2
(R), et : M
2
(R) M
2
(R), M AM MB.
a) Vrier que est linaire.
b) Montrer que B = (I
2
, A, B, AB) est une base de M
2
(R) et dterminer la matrice de
dans B.
12
noncs des exercices
c) Dterminer une base et la dimension de Ker ().
d) Dterminer la dimension et une base de Im().
1.36 Endomorphismes transformant tout vecteur en un vecteur colinaire
Soient E un ev, f L(E) tel que, pour tout x E, la famille
_
x, f (x)
_
est lie.
Dmontrer que f est une homothtie, cest--dire quil existe R tel que :
x E, f (x) = x (o ne dpend pas de x).
1.37 Une ingalit sur des dimensions
Soient E, F deux espaces vectoriels de dimensions nies, f , g L(E, F). Dmontrer :
dim
_
Ker ( f + g)
_
dim
_
Ker ( f ) Ker (g)
_
+ dim
_
Im( f ) Im(g)
_
.
1.38 Matrices inversibles termes 0 et dont linverse est termes 0
Soient n N

, A GL
n
(R).
On suppose que les termes de A et les termes de A
1
sont tous 0.
Montrer quil existe une permutation de 1 ; n et (
1
, ...,
n
) (R
+
)
n
tels que :
A =
_

i( j)

j
_
i, j
, o dsigne le symbole de Kronecker :
ik
=
_

_
1 si i = k
0 si i k
.
1.39 Commutants de M
n
(R), de GL
n
(R)
Soit n N

. Pour toute partie E de M


n
(R), on appelle commutant de E la partie C(E ) de M
n
(R)
forme des matrices de M
n
(R) qui commutent avec toute matrice de E :
C(E ) =
_
A M
n
(R) ; M E , AM = MA
_
.
a) Vrier que, pour toute partie E de M
n
(R), C(E ) est un sev de M
n
(R).
b) Dmontrer : C
_
M
n
(R)
_
= RI
n
, o on a not RI
n
= {a I
n
; a R}.
cet eet, on pourra faire intervenir les matrices lmentaires E
i j
, (i, j) 1 ; n
2
, o E
i j
est la
matrice dont tous les termes sont nuls, sauf celui situ la ligne i et la colonne j, qui est gal
1.
c) 1) Dmontrer : M M
n
(R), (P, Q)
_
GL
n
(R)
_
2
, M = P + Q.
2) En dduire : C
_
GL
n
(R)
_
= RI
n
.

D
u
n
o
d
.
T
o
u
t
e
r
e
p
r
o
d
u
c
t
i
o
n
n
o
n
a
u
t
o
r
i
s

e
e
s
t
u
n
d

l
i
t
13
Chapitre 1 Vecteurs, applications linaires, matrices
Du mal dmarrer ?
1.1 a) 1
re
mthode : revenir la dnition dun sev.
2
e
mthode : prsenter F comme noyau dune appli-
cation linaire.
3
e
mthode : prsenter F comme sev engendr par une certaine
famille.
b) (0, 0, 0) G.
c) Trouver X
1
H tel que X
1
H.
d) Trouver X
1
L, X
2
L tels que X
1
+ X
2
L.
e) Remarquer M =
_
(0, 0, z) ; z R
_
.
1.2 a) 1
re
mthode : revenir la dnition dun sev.
2
e
mthode : prsenter G comme noyau dune applica-
tion linaire.
b) 0 G.
c) Revenir la dnition dun sev.
d) Remarquer : 1 L et 2 1 L.
1.3 a) Revenir la dnition dun sev.
b) 0 G.
c) 0 H.
d) Trouver u L telle que 2u L.
1.4 a) Revenir la dnition dune famille libre.
b) Remarquer Y = U V.
1.5 a) Revenir la dnition dune sev.
b) Exprimer, par exemple, z et t en fonction de x et y.
1.6 a) Revenir la dnition dune application linaire.
b) Remarquer : f
2
(0, 0) (0, 0).
c) Remarquer : f
3
(2, 0) 2f
3
(1, 0).
d) Remarquer : f
4
(1, 0) f
4
(1, 0).
1.7 Revenir aux dnitions.
1.8 1) Pour montrer que E est un sev de M
2
(R), revenir la
dnition dun sev.
2) Remplacer c par a et dcomposer
_
a b
a d
_
sur trois matrices
xes. Montrer que la famille de trois matrices obtenue est libre.
1.9 a) Revenir la dnition dun sev.
b) Immdiat.
c) Dcomposer
_
x y
z t
_
sur U et A et montrer que (U, A) est libre.
1.10 a) Revenir la dnition dun sev.
b) En notant M =
_
x y
z t
_
, rsoudre lquation AM = MB, din-
connues x, y, z, t.
1.11 a) Lecture de A.
b) 1) Montrer que e
1
, e
2
sexpriment sur E

= (e

1
, e

2
).
b) 2) Montrer que f
1
, f
2
, f
3
sexpriment sur F

= (f

1
, f

2
, f

3
).
b) 3) Calculer u(e

1
) et u(e

2
) en fonction de f

1
, f

2
, f

3
.
1.12 a) En notant u = (x, y, z, t) R
4
, rsoudre f(u) = 0.
b) En notant V
1
, ..., V
4
les lments de R
4
dont les coordonnes
dans la base canonique sont les colonnes de A, montrer que
(V
1
, V
2
, V
3
) est libre.
1.13 1) Vrier dabord que P
0
, ..., P
4
sont dans R
4
[X].
2) Montrer que Best libre.
3) Utiliser un argument de dimension.
1.14 a) Immdiat.
b) Le calcul du produit demand est immdiat. En dduire que
H(x) nest pas inversible.
c) Immdiat.
d) Raisonner par rcurrence sur n.
e) Remarquer quil sagit de
_
H(10)
_
10
.
1.15 a) Si (f, g) est lie et si f 0, il existe R tel que g = f.
b) Penser la fonction valeur absolue.
c) Choisir (f, g, h) pour que, par exemple, h = f + g et que
(f
2
, g
2
, h
2
) soit libre.
d) Choisir (f, g, h) pour que, par exemple, f
2
= g
2
+ h
2
et que
(f, g, h) soit libre.
1.16 1) Vrier : i 0; n, P
i
R
n
[X].
2) Montrer que (P
i
)
0in
est libre, en revenant la dni-
tion dune famille libre et en valuant le polynme en a par
exemple.
3) Utiliser un argument de dimension.
1.17 a) Lintgration est linaire.
b) Montrer que (
1
,
2
) est libre en revenant la dnition et
en appliquant lhypothse deux fonctions simples bien choi-
sies.
c) Utiliser la relation de Chasles.
1.18 a) 1) Revenir la dnition dune application linaire.
a) 2) Calculer (u v v u)(f)(x) pour toute f E et tout x R,
b) 1) Montrer que u est injective et non surjective.
b) 2) Montrer que v est surjective et non injective.
14
Du mal dmarrer ?
1.19 1) Vrier que E est bien un ev.
2) Vrier que f est linaire.
3) Vrier que f va bien de E dans E.
4) Montrer que f est injectif, en utilisant Ker (f).
5) Montrer que f est surjectif, en construisant, pour
Q =
n

k=1
a
k
X
k
E, un polynme P tel que XP

= Q.
1.20 Noter quil existe e
1
E tel que f
2
(e
1
) 0, et considrer
e
2
= f(e
1
), e
3
= f(e
2
). Montrer que B= (e
1
, e
2
, e
3
) est une base
de E et que B convient.
1.21 a) Immdiat. Obtenir : A
3
= 4A+ 2A
2
.
b) Existence : raisonner par rcurrence sur n.
Unicit : remarquer que (A, A
2
) est libre.
c) La suite (u
n
)
nN
est une suite rcurrente linaire dordre 2,
coefcients constants et sans second membre, on sait donc
calculer son terme gnral.
1.22 a) Dvelopper le second membre.
b) Trouver A, B, C GL
n
(R) telles que :
A
1
+ B
1
+ C
1
0 et A + B + C = 0.
1.23 Isoler I
n
et mettre A en facteur.
1.24 a) Immdiat.
b) Faire apparatre un produit gal I
n
, le produit en sens in-
verse est alors aussi gal I
n
.
1.25 a) Revenir la dnition dun endomorphisme.
b) 1) Noter M =
_
x y
z t
_
M
2
(R) et rsoudre f(M) = 0.
b) 2) Pour M =
_
x y
z t
_
M
2
(R), calculer f(M) et dcomposer li-
nairement f(M) sur des matrices xes. Voir enn si celles-ci
forment une famille libre.
1.26 a) 1) Montrer que E est un sev de lev R
N
de toutes les
suites relles.
a) 2) Montrer que la famille (a, b) est libre et gnratrice de E.
a) 3) Vrier (r, s) E
2
, montrer que (r, s) est libre, puis utiliser
un argument de dimension.
b) Exprimer r et s en fonction de a et b.
c) 1) Vrier que f va bien de E dans E et est linaire.
c) 2) Calculer f(a) et f(b) en fonction de a, b.
c) 3) Calculer f(r) et f(s) en fonction de r, s.
1.27 Raisonner par labsurde, do lexistence de (a, b) E
2
tel
que a A et b B. Considrer a + b.
1.28 Revenir la dnition dune famille libre.
a) Remarquer que, pour tout i 1; n, f
ai
est continue en tout
point de R \ {a
i
} et nest pas continue en a
i
.
b) Remarquer que, pour tout i 1; n, f
ai
est drivable en tout
point de R \ {a
i
} et nest pas drivable en a
i
.
c) Multiplier par e
anx
, puis faire tendre x vers +.
1.29 Soient n N, (a
0
, ..., a
n
) R
n+1
tel que
n

k=0
a
k
f
k
= 0.
Considrer le polynme P =
n

k=1
a
k
X
k
R(X] et montrer que P
sannule en une innit de points, en appliquant le thorme
des valeurs intermdiaires f.
1.30 a) Supposer quil existe B M
2,3
(R) telle que AB = I
3
.
Considrer les applications linaires a et b reprsentes canoni-
quement par A et B respectivement, montrer rg(a b) rg(a)
et dduire une contradiction.
Voir aussi lexercice 1.33.
b) Construire une matrice C qui convienne, par exemple en
considrant A

=
_
1 2
3 4
_
et en formant C laide de A
1
et dune
colonne nulle.
1.31 Un sens est vident.
Rciproquement, si A C(D), traduire AD = DA en passant par
les lments.
1.32 a) 1) Raisonner par labsurde.
a) 2) Immdiat.
b) Calculer (AM)
k
= (AM) (AM), en utilisant AM = MA.
c) Utiliser la formule relative une sommation gomtrique.
d) Utiliser la formule du binme de Newton.
1.33 1) Montrer : Im(a b) Im(a) et passer aux dimensions.
Dduire : rg(a b) rg(a).
2) Utiliser les noyaux et le thorme du rang.
1.34 Soit (
0
, ...,
n1
) R
n
tel que
n1

k=0

k
D
k
= 0. En notant
P =
n1

k=0

k
X
k
, dduire : i 1; n, P(d
i
) = 0, puis P = 0.
Conclure que (D
k
)
0kn1
est libre.
Utiliser un argument de dimension pour obtenir que
(D
k
)
0kn1
est une base de D
n
(R).

D
u
n
o
d
.
T
o
u
t
e
r
e
p
r
o
d
u
c
t
i
o
n
n
o
n
a
u
t
o
r
i
s

e
e
s
t
u
n
d

l
i
t
15
Chapitre 1 Vecteurs, applications linaires, matrices
1.35 a) Revenir la dnition de la linarit.
b) 1) Montrer que (I
2
, A, B, AB) est libre en revenant la d-
nition dune famille libre.
Utiliser un argument de dimension pour dduire que
Best une base de M
2
(R).
b) 2) Calculer les images de I
2
, A, BAB par et dcomposer li-
nairement ces images sur B.
c) d) 1
re
mthode : utiliser la matrice .
2
e
mthode : revenir la dnition de .
1.36 Par hypothse, pour tout x E, il existe
x
R tel que
f(x) =
x
x. Remarquer que, si x 0,
x
est unique. Il sagit de
montrer que
x
ne dpend pas de x. Pour montrer
x
=
y
, s-
parer en deux cas selon que (x, y) est libre ou lie. Dans le cas
libre, considrer x + y.
1.37 Considrer lapplication u : Ker (f + g) F, x f(x).
Appliquer le thorme du rang u.
Montrer : Ker (u) = Ker (f) Ker (g) et Im(u) Im(f) Im(g).
1.38 Noter A = (a
ij
)
ij
, A
1
= (b
ij
)
ij
et traduire AA
1
= I
n
en
passant aux lments.
1.39 a) Revenir la dnition dun sev.
b) Une inclusion est vidente.
Rciproquement, soit A C
_
M
n
(R)
_
. Appliquer lhypothse aux
matrices lmentaires E
ij
.
c) 1) Penser dcomposer M en somme dune matrice triangu-
laire suprieure et dune matrice triangulaire infrieure.
c) 2) Utiliser c) 1).
16
Corrigs des exercices
1.1 Dabord, les ensembles considrs sont bien inclus
dans E.
a) 1
re
mthode : retour la dnition dun sev :
F , car (0, 0, 0) F.
Soient R, X
1
= (x
1
, y
1
, z
1
), X
2
= (x
2
, y
2
, z
2
) F.
On a : X
1
+ X
2
= (x
1
+ x
2
, y
1
+ y
2
, z
1
+ z
2
)
et :
(x
1
+ x
2
) + (y
1
+ y
2
) 2(z
1
+ z
2
)
= (x
1
+ y
1
2z
1
.,,.
=0, car X
1
F
) + (x
2
+ y
2
2z
2
.,,.
=0, car X
2
F
) = 0,
donc : X
1
+ X
2
F.
On conclut : F est un sev de E.
2
e
mthode : intervention dune application linaire :
Lapplication f : E R, (x, y, z) x + y 2z
est linaire, car, pour tout R et tous X
1
= (x
1
, y
1
, z
1
),
X
2
= (x
2
, y
2
, z
2
) E :
f (X
1
+ X
2
) = f (x
1
+ x
2
, y
1
+ y
2
, z
1
+ z
2
)
= (x
1
+ x
2
) + (y
1
+ y
2
) 2(z
1
+ z
2
)
= (x
1
+ y
1
2z
1
) + (x
2
+ y
2
2z
2
) = f (X
1
) + f (X
2
),
et F = Ker ( f ), donc F est un sev de E.
3
e
mthode : prsentation de F comme sev engendr par une
certaine famille :
On a :
F =
_
(x, y, z) R
3
; x + y 2z = 0
_
=
_
(x, y, z) R
3
; x = y + 2z
_
=
_
(y + 2z, y, z) ; (y, z) R
2
_
=
_
y(1, 1, 0) + z(2, 0, 1) ; (y, z) R
2
_
= Vect
_
(1, 1, 0), (2, 0, 1)
_
,
donc F est un sev de E.
b) On devine que G nest pas un sev de E par la prsence de la
constante additive non nulle 3 dans la dnition de G.
La partie G nest pas un sev de E, car (0, 0, 0) G.
c) On devine que H nest pas un sev de E cause de lingalit
au lieu dune galit dans la dnition de H.
La partie H nest pas un sev de E, car X
1
= (1, 0, 0) H et
X
1
= (1, 0, 0) H.
d) On devine que L nest pas un sev de E par la prsence de
carrs dans lquation dnissant L.
La partie L nest pas un sev de E car, en notant X
1
= (1, 1, 0) et
X
2
= (1, 1, 0), on a :
X
1
L, X
2
L, X
1
+ X
2
= (2, 0, 0) L.
e) On va montrer que, malgr la prsence de carrs dans lqua-
tion dnissant M, la partie M est un sev de E.
On a, pour tout (x, y) R
2
:
x
2
.,,.
0
+ y
2
.,,.
0
= 0 x
2
= y
2
= 0 x = y = 0.
Ainsi :
M =
_
(x, y, z) R
3
; x = y = 0
_
=
_
(0, 0, z) ; z R
_
= Vect
_
(0, 0, 1)
_
,
ce qui montre que M est un sev de E, comme tant le sev en-
gendr par le vecteur (0, 0, 1).
1.2 Dabord, les ensembles considrs sont bien inclus
dans E.
a) 1
re
mthode : retour la dnition dun sev :
F car 0 F, o 0 dsigne lapplication nulle.
Soient R, f , g F. On a :
(f + g)(0) + 6(f + g)(1) + 4(f + g)(3)
=
_
f (0) + g(0)
_
+ 6
_
f (1) + g(1)
_
+ 4
_
f (3) + g(3)
_
=
_
f (0) + 6f (1) + 4f (3)
.,,.
=0, car f F
_
+
_
g(0) + 6g(1) + 4g(3)
.,,.
=0, car gF
_
= 0,
donc : f + g F.
On conclut que F est un sev de E.
2
e
mthode : intervention dune application linaire :
Lapplication : E R, f f (0) + 6f (1) + 4f (3)
est linaire, car, pour tout R et toutes f , g E :
(f + g) = (f + g)(0) + 6(f + g)(1) + 4(f + g)(3)
=
_
f (0) + g(0)
_
+ 6
_
f (1) + g(1)
_
+ 4
_
f (3) + g(3)
_
=
_
f (0) + 6f (1) + 4f (3)
_
+
_
g(0) + 6g(1) + 4g(3)
_
= ( f ) + (g),
et F = Ker (), donc F est un sev de E.
b) On devine que G nest pas un sev de E par la prsence de la
constante additive non nulle 1 dans la dnition de G.
La partie G nest pas un sev de E car la fonction nulle nappar-
tient pas G.
17
Chapitre 1 Vecteurs, applications linaires, matrices
c) H car 0 H, o 0 dsigne lapplication nulle.
Soient R, f , g H. On a, pour tout x R :
(f + g)(1 x) = f (1 x) + g(1 x)
= f (x) + g(x) = (f + g)(x),
donc f + g H.
On conclut : H est un sev de E.
d) On devine que L nest pas un sev de E par la prsence dun
cube dans la dnition de L.
La partie L nest pas un sev de E car

1 L et 2

1 =

2 L,
o

1 et

2 dsignent les applications constantes gales 1 et 2
respectivement.
1.3 Dabord, les ensembles considrs sont bien inclus
dans E.
a) F car 0 F, o 0 dsigne la suite nulle.
Soient R, u = (u
n
)
nN
, v = (v
n
)
nN
F.
On a, pour tout n N :
(u + v)
n+2
= u
n+2
+ v
n+2
= (3u
n+1
2u
n
) + (3v
n+1
2v
n
)
= 3(u
n+1
+ v
n+1
) 2(u
n
+ v
n
)
= 3(u + v)
n+1
2(u + v)
n
donc : u + v F.
On conclut : F est un sev de E.
b) On devine que G nest pas un sev de E par la prsence de la
constante additive non nulle 1 dans la dnition de G.
La partie G nest pas un sev car la suite nulle nappartient pas
G.
c) On devine que H nest pas un sev de E par la prsence de la
constante additive non nulle 1 dans la dnition de H.
La partie H nest pas un sev de E, car car la suite nulle nap-
partient pas H.
d) On devine que L nest pas un sev de E par la prsence dun
carr dans la dnition de L.
Considrons la suite u = (u
n
)
nN
dnie par u
0
= 1 et :
n N, u
n+1
=
_
1 + u
2
n
1.
Il est clair que : u L.
Considrons la suite v = 2u = (v
n
)
nN
.
On a v
0
= 2u
0
= 2, v
1
= 2u
1
= 2(
_
u
2
0
+ 1 1) = 2(

2 1)
et
_
1 + v
2
0
1 =

5 1, donc v
1

_
1 + v
2
0
1.
Ainsi : v L.
On conclut : L nest pas un sev de E.
1.4
a) Soit (a, b, c) R
3
. On a :
aU + bV + cX = 0
a(1, 1, 0, 0) + b(1, 0, 1, 0) + c(1, 1, 1, 1) = (0, 0, 0, 0)
(a + b + c, a + c, b + c, c) = (0, 0, 0, 0)

_
a + b + c = 0
a + c = 0
b + c = 0
c = 0

_
c = 0
a = 0
b = 0.
On conclut : (U, V, X) est libre.
b) On remarque que Y = U V, donc : (U, V, Y) est lie.
1.5
a) Il est clair que F R
4
et (0, 0, 0, 0) F.
Soient R, X = (x, y, z, t), X

= (x

, y

, z

, t

) F.
On a alors :
3(x + x

) 4(y + y

) + (z + z

) (t + t

)
= (3x 4y + z t
.,,.
=0
) + (3x

4y

+ z

.,,.
=0
) = 0,
et, de mme :
2(x + x

) 3(y + y

) + 2(z + z

) + (t + t

)
= (2x 3y + 2z + t) + (2x

3y

+ 2z

+ t

) = 0,
do : X + X

F.
On conclut que F est un sev de R
4
.
b) Essayons dexprimer z et t, par exemple, en fonction de x
et y. On a, pour tout X = (x, y, z, t) R
4
:
X F
_

_
3x 4y + z t = 0
2x 3y + 2z + t = 0

_
z t = 3x + 4y
2z + t = 2x + 3y

_
3z = 5x + 7y
3t = 4x 5y

_
z =
5
3
x +
7
3
y
t =
4
3
x
5
3
y.
Do :
F =
__
x, y,
5
3
x +
7
3
y,
4
3
x
5
3
y
_
; (x, y) R
2
_
=
_
x
_
1, 0,
5
3
,
4
3
_
+ y
_
0, 1,
7
3
,
5
3
_
; (x, y) R
2
_
=
_
x
3
(3, 0, 5, 4)
.,,.
not U
+
y
3
(0, 3, 7, 5)
.,,.
not V
; (x, y) R
2
_
= Vect (U, V).
Ainsi, (U, V) engendre F.
18
Corrigs des exercices
La famille (U, V) est libre car, pour tout (x, y) R
2
:
xU + yV = 0
(3x, 0, 5x, 4x) + (0, 3y, 7y, 5y) = (0, 0, 0, 0)

_
3x = 0, 3y = 0, 5x + 7y = 0, 4x 5y = 0
_
x = y = 0.
Finalement, une base de F est (U, V), avec les notations prc-
dentes, et : dim(F) = 2.
1.6
a) On a, pour tout R et tous X
1
= (x
1
, y
1
),
X
2
= (x
2
, y
2
) R
2
:
f
1
(X
1
+ X
2
) = f
1
(x
1
+ x
2
, y
1
+ y
2
)
=
_
2(x
1
+ x
2
) 3(y
1
+ y
2
), (x
1
+ x
2
) + 5(y
1
+ y
2
)
_
= (2x
1
3y
1
, x
1
+ 5y
1
) + (2x
2
3y
2
, x
2
+ 5y
2
)
= f
1
(X
1
) + f
1
(X
2
),
donc : f
1
est linaire.
b) On devine que f
2
nest pas linaire par la prsence des
constantes additives non nulles 1 et 2 dans la dnition de f
2
.
Puisque f
2
(0, 0) = (1, 2) (0, 0), f
2
nest pas linaire.
c) On devine que f
3
nest pas linaire par la prsence de carrs
dans la dnition de f
3
.
On a f
3
(1, 0) = (1, 1) et f
3
_
2(1, 0)
_
= f
3
(2, 0) = (4, 2) 2(1, 1),
donc f
3
nest pas linaire.
d) On devine que f
4
nest pas linaire par la prsence dune
exponentielle dans la dnition de f
4
.
On a f
4
(1, 0) = ( e 1, 1)
et f
4
_
(1, 0)
_
= f
4
(1, 0) = ( e
1
1, 1) ( e 1, 1),
donc f
4
nest pas linaire.
1.7
a) Soit x Ker ( f ).
On a alors : (g f )(x) = g
_
f (x)
_
= g(0) = 0,
donc : x Ker (g f ).
Ceci montre : Ker ( f ) Ker (g f ).
b) Soit z Im(g f ).
Il existe alors x E tel que z = (g f )(x) et on a :
z = (g f )(x) = g
_
f (x)
_
Im(g).
Ceci montre : Im(g f ) Im(g).
1.8
1) E M
2
(R) et
_
0 0
0 0
_
E.
On a, pour tout R et toutes matrices
M =
_
a b
c d
_
, M

=
_
a

_
E :
M + M

=
_
a + a

b + b

c + c

d + d

_
et : (a + a

) + (c + c

) = ( a + c
.,,.
=0
) + (a

+ c

.,,.
=0
) = 0,
donc : M + M

E.
2) On a : E =
_
_
a b
a d
_
; (a, b, d) R
3
_
=
_
a
_
1 0
1 0
_
.,,.
note A
+b
_
0 1
0 0
_
.,,.
note B
+d
_
0 0
0 1
_
.,,.
note D
; (a, b, d) R
3
_
= Vect (A, B, D),
donc : (A, B, D) engendre E.
De plus, la famille (A, B, D) est libre car, pour tout
(a, b, d) R
3
:
aA + bB + dD = 0

_
a b
a d
_
=
_
0 0
0 0
_
a = b = d = 0.
On conclut : (A, B, D) est une base de E et dim(E) = 3.
1.9
a) E M
2
(R) et 0 E car A0 = 0A = 0, o 0 dsigne la
matrice nulle de M
2
(R).
Soient R, M, N E. On a :
A(M + N) = AM + AN = MD + ND = (M + N)D,
donc : M + N E.
On conclut que E est un sev de M
2
(R).
b) Soit M =
_
x y
z t
_
M
2
(R) quelconque. On a :
M E AM = MD

_
0 1
0 1
_ _
x y
z t
_
=
_
x y
z t
_ _
0 0
0 1
_

_
z t
z t
_
=
_
0 y
0 t
_

_

_
z = 0
t = y.
c) Daprs b), on a : E =
_
_
x y
0 y
_
; (x, y) R
2
_
=
_
x
_
1 0
0 0
_
.,,.
U
+y
_
0 1
0 1
_
.,,.
A
; (x, y) R
2
_
= Vect (U, A).

D
u
n
o
d
.
T
o
u
t
e
r
e
p
r
o
d
u
c
t
i
o
n
n
o
n
a
u
t
o
r
i
s

e
e
s
t
u
n
d

l
i
t
19
Chapitre 1 Vecteurs, applications linaires, matrices
Ceci montre que (U, A) engendre E.
Soit (x, y) R
2
tel que xU + yA = 0. On a alors, comme
ci-dessus :
_
x y
0 y
_
=
_
0 0
0 0
_
, donc : x = 0, y = 0.
Ceci montre que (U, A) est libre.
On conclut : (U, A) est une base de E et dim(E) = 2.
d) On a : UA =
_
1 0
0 0
_ _
0 1
0 1
_
=
_
0 1
0 0
_
.
Daprs b), comme 1 0 (cest--dire t y avec les notations
de b)), on conclut : UA E.
1.10
a) On a : E M
n
(R) et 0 E.
On a, pour tout R et toutes M, N E :
A(M + N) = AM + AN = MB + NB = (M + N)B,
donc : M + N E .
On conclut : E est un sev de M
n
(R).
b) On a, pour toute M =
_
x y
z t
_
M
2
(R) :
M E AM = MB

_
1 1
0 2
_ _
x y
z t
_
=
_
x y
z t
_ _
2 1
0 1
_

_
x + z y + t
2z 2t
_
=
_
2x x + y
2z z + t
_

_

_
z = x
t = x.
On a donc : E =
_
_
x y
x x
_
; (x, y) R
2
_
=
_
x
_
1 0
1 1
_
.,,.
note C
+y
_
0 1
0 0
_
.,,.
note D
; (x, y) R
2
_
= Vect (C, D).
De plus, (C, D) est libre car, pour tout (x, y) R
2
:
xC + yD = 0
_
x y
x x
_
=
_
0 0
0 0
_
x = y = 0.
On conclut : (C, D) est une base de E et dim(E ) = 2.
1.11
a) Par lecture de A =
_

_
2 1
3 1
0 2
_

_
, on a :
u(e
1
) = 2f
1
+ 3f
2
, u(e
2
) = f
1
f
2
+ 2f
3
.
b) 1) Puisque e

1
= e
1
, e

2
= e
1
+ e
2
,
on a : e
1
= e

1
, e
2
= e

2
e

1
.
Comme tout vecteur de E se dcompose linairement sur
(e
1
, e
2
) et que e
1
et e
2
se dcomposent linairement sur(e

1
, e

2
),
il en rsulte que tout vecteur de E se dcompose linairement
sur (e

1
, e

2
).
Ainsi, la famille E

= (e

1
, e

2
) engendre E, et a deux lments,
donc E

est une base de E.


2) Puisque f

1
= f
1
+ f
2
, f

2
= f
1
+ f
3
, f

3
= f
2
+ f
3
, on a :
f
1
=
1
2
( f

1
+ f

2
f

3
), f
2
=
1
2
( f

1
+ f

3
f

2
), f
3
=
1
2
( f

2
+ f

3
f

1
).
Ainsi, de mme quen 1), la famille F

= ( f

1
, f

2
, f

3
) en-
gendre F, et a trois lments, donc F

est une base de F.


3) On a :
u(e

1
) = u(e
1
) = 2f
1
+ 3f
2
= ( f

1
+ f

2
f

3
) +
3
2
( f

1
+ f

3
f

2
) =
5
2
f

1

1
2
f

2
+
1
2
f

3
,
u(e

2
) = u(e
1
+ e
2
) = u(e
1
) + u(e
2
)
= (2f
1
+ 3f
2
) + ( f
1
f
2
+ 2f
3
) = 3f
1
+ 2f
2
+ 2f
3
=
3
2
( f

1
+ f

2
f

3
) + ( f

1
+ f

3
f

2
) + ( f

2
+ f

3
f

1
)
=
3
2
f

1
+
3
2
f

2
+
1
2
f

3
.
On conclut que la matrice A

de u dans les bases E

de E et F

de F est : A

=
_

_
5/2 3/2
1/2 3/2
1/2 1/2
_

_
.
1.12
a) On a, pour tout u = (x, y, z, t) R
4
:
u Ker ( f ) f (u) = 0

_
1 0 2 1
2 3 1 1
1 2 5 3
_

_
_

_
x
y
z
t
_

_
=
_

_
0
0
0
0
_

_
(S)
_

_
x + 2z + t = 0
2x + 3y + z + t = 0
x + 2y 5z 3t = 0.
L
1
L
2
L
3
Le systme (S) est un systme dquations de Ker ( f ).
On a :
(S)
_

_
x + 2z + t = 0 L
1
3y 3z t = 0 L
2
L
2
2L
1
2y 3z 2t = 0 L
3
L
3
+ L
1

_
x + 2z + t = 0
3y 3z t = 0
3z 4t = 0 L
3
3L
3
2L
2
20
Corrigs des exercices

_
z =
4
3
t
y = z +
1
3
t = t
x = 2z t =
5
3
t.
Une base de Ker ( f ) est donc (V
0
), o V
0
= (5, 3, 4, 3), et
donc : dim
_
Ker ( f )
_
= 1.
b) Notons V
1
, ..., V
4
les lments de R
3
dont les coordonnes
dans la base canonique sont les colonnes C
1
, ..., C
4
de A :
V
1
= (1, 2, 1), V
2
= (0, 3, 2), V
3
= (2, 1, 5), V
4
= (1, 1, 3).
On a alors : Im( f ) = Vect (V
1
, ..., V
4
).
Comme dim(R
3
) = 3 < 4, la famille (V
1
, ..., V
4
) est lie.
Voyons si (V
1
, V
2
, V
3
) est libre.
On a, pour tout (a
1
, a
2
, a
3
) R
3
:
a
1
V
1
+ a
2
V
2
+ a
3
V
3
= 0
_

_
a
1
+ 2a
3
= 0
2a
1
+ 3a
2
+ a
3
= 0
a
1
+ 2a
2
5a
3
= 0

_
a
1
+ 2a
3
= 0
3a
2
3a
3
= 0 L
2
L
2
2L
1
2a
2
3a
3
= 0 L
3
L
3
+ L
1

_
a
2
= 0
a
3
= 0
a
1
= 0.
Ainsi, (V
1
, V
2
, V
3
) est libre, donc dim
_
Im( f )
_
3.
Dautre part, comme Im( f ) = Vect (V
1
, ..., V
4
) R
3
, on a :
dim
_
Im( f )
_
3. On conclut quune base de Im( f ) est
(V
1
, V
2
, V
3
) et que dim
_
Im( f )
_
= 3, donc : rg ( f ) = 3.
Remarque : on pouvait aussi obtenir dim
_
Im( f )
_
en appliquant
le thorme du rang :
dim
_
Im( f )
_
= dim(R
4
) dim
_
Ker ( f )
_
= 4 1 = 3.
1.13
1) Dabord, il est clair que : k 0 ; 4, P
k
R
4
[X].
2) Montrons que B = (P
0
, ..., P
4
) est libre.
Soit (a
0
, ..., a
4
) R
5
tel que :
4

k=0
a
k
P
k
= 0.
En prenant les valeurs en 0, en 1, on dduit : a
0
= 0 et
a
0
a
1
= 0, do a
1
= 0.
On a alors :
0 = a
2
P
2
+ a
3
P
3
+ a
4
P
4
= a
2
(X 1)X(X + 1) + a
3
X
2
(X + 1) + a
4
(X 1)X(X+ 1)
2
= X(X + 1)
_
a
2
(X 1) + a
3
X + a
4
(X 1)(X + 1)
_
= X(X + 1)
_
a
4
X
2
+ (a
2
+ a
3
)X (a
2
+ a
4
)
_
,
do : a
4
X
2
+ (a
2
+ a
3
)X (a
2
+ a
4
) = 0,
puis : a
4
= 0, a
2
+ a
3
= 0, (a
2
+ a
4
) = 0,
et donc : a
4
= 0, a
2
= 0, a
3
= 0.
Ceci montre que B est libre.
3) Comme B est libre et que Card (B) = 5 = dim
_
R
4
[X]
_
, on
conclut : B est une base de R
4
[X].
1.14
a) On calcule les produits de matrices A
2
, B
2
, AB, BA :
A
,..,
_

_
2 6 6
0 0 0
1 3 3
_

_
_

_
2 6 6
0 0 0
1 3 3
_

_
.,,.
A
_

_
2 6 6
0 0 0
1 3 3
_

_
.,,.
A
2
B
,..,
_

_
0 0 0
1 3 2
1 3 2
_

_
_

_
0 0 0
1 3 2
1 3 2
_

_
.,,.
B
_

_
0 0 0
1 3 2
1 3 2
_

_
.,,.
B
2
B
,..,
_

_
0 0 0
1 3 2
1 3 2
_

_
_

_
2 6 6
0 0 0
1 3 3
_

_
.,,.
A
_

_
0 0 0
0 0 0
0 0 0
_

_
.,,.
AB
A
,..,
_

_
2 6 6
0 0 0
1 3 3
_

_
_

_
0 0 0
1 3 2
1 3 2
_

_
.,,.
B
_

_
0 0 0
0 0 0
0 0 0
_

_
.,,.
BA
.
On obtient : A
2
= A, B
2
= B, AB = 0, BA = 0.
b) On a, pour tout x R :
H(x)
_

_
3
1
0
_

_
= (A + xB)
_

_
3
1
0
_

D
u
n
o
d
.
T
o
u
t
e
r
e
p
r
o
d
u
c
t
i
o
n
n
o
n
a
u
t
o
r
i
s

e
e
s
t
u
n
d

l
i
t
21
Chapitre 1 Vecteurs, applications linaires, matrices
=
_

_
2 6 6
0 0 0
1 3 3
_

_
_

_
3
1
0
_

_
+ x
_

_
0 0 0
1 3 2
1 3 2
_

_
_

_
3
1
0
_

_
=
_

_
0
0
0
_

_
+ x
_

_
0
0
0
_

_
=
_

_
0
0
0
_

_
.
Comme
_

_
3
1
0
_

_

_

_
0
0
0
_

_
, il en rsulte que la matrice carre H(x)
nest pas inversible.
c) On a, pour tout (x, y) R
2
:
H(x)H(y) = (A + xB)(A + yB)
= A
2
+ xBA + yAB + xyB
2
= A + xyB = H(xy).
d) Soit x R. Montrons, par rcurrence sur n :
n N

,
_
H(x)
_
n
= H(x
n
).
La proprit est vidente pour n = 1.
Si la proprit est vraie pour un n N

x, alors :
_
H(x)
_
n+1
=
_
H(x)
_
n
H(x) = H(x
n
)H(x) = H(x
n
x) = H(x
n+1
),
donc la proprit est vraie pour n + 1.
Ceci montre, par rcurrence sur n :
n N

,
_
H(x)
_
n
= H(x
n
).
e) On remarque :
_

_
2 6 6
10 30 20
9 27 17
_

_
= A + 10B = H(10).
Do, daprs d) :
_

_
2 6 6
10 30 20
9 27 17
_

_
10
=
_
H(10)
_
10
= H(10
10
)
= A + 10
10
B =
_

_
2 6 6
10
10
3 10
10
2 10
10
10
10
1 3(10
10
1) 2 10
10
+ 3
_

_
.
1.15
a) Supposons ( f , g) lie.
Si f = 0, alors f
2
= 0, donc ( f
2
, g
2
) est lie.
Si f 0, il existe R tel que g = f , do g
2
=
2
f
2
, donc
( f
2
, g
2
) est lie.
Ceci montre que, si ( f , g) est lie, alors ( f
2
, g
2
) est lie.
b) Notons f : R R
x x
et g : R R
x |x|
.
La famille ( f , g) est libre, car, pour tout (, ) R
2
, si
f + g = 0, alors : x R, x + |x| = 0,
do, en remplaant x par 1, par 1 :
+ = 0 et = 0,
donc : = = 0.
La famille ( f
2
, g
2
) est lie car f
2
= g
2
.
c) Notons : f : R R
x 1
, g : R R
x x
, h : R R
x x + 1
.
On a h = f + g, donc ( f , g, h) est lie.
On a, pour tout x R :
f
2
(x) = 1, g
2
(x) = x
2
, h
2
(x) = 1 + 2x + x
2
.
Soit (a, b, c) R
3
tel que : af
2
+ bg
2
+ ch
2
= 0.
On a alors : x R, (a + c) + 2cx + (b + c)x
2
= 0.
Ainsi, le polynme (a + c) + 2cX + (b + c)X
2
sannule en tout
point de R, donc est le polynme nul, do :
a + c = 0, 2c = 0, b + c = 0,
puis : a = 0, b = 0, c = 0.
Ceci montre que la famille ( f
2
, g
2
, h
2
) est libre.
d) 1
er
exemple :
Notons f : R R
x 1
, g: R R
x |x|
, h: R R
x

1 + x
2
.
Soit (a, b, c) R
3
tel que af + bg + ch = 0. On a alors :
x R, a + b|x| + c

1 + x
2
= 0.
En remplaant x par 0, par 1, par 2, on dduit :
a + c = 0, a + b + c

2 = 0, a + 2b + c

5 = 0
do :
c = a, b = a(

2 1), a
_
1 + 2(

2 1)

5
.,,.
0
_
= 0
donc : a = 0, b = 0, c = 0.
Ceci montre que ( f , g, h) est libre.
On a : x R, f
2
(x) = 1, g
2
(x) = x
2
, h
2
(x) = 1 + x
2
,
donc : h
2
= f
2
+ g
2
.
Ceci montre que ( f
2
, g
2
, h
2
) est lie.
2
e
exemple :
Notons f : R R
x x
, g: R R
x x
2
+ 1
, h: R R
x x
2
1
.
Soit (a, b, c) R
3
tel que af + bg + ch = 0. On a alors :
x R, ax + b(x
2
+ 1) + c(x
2
1) = 0,
22
Corrigs des exercices
cest--dire :
x R, (b + c)x
2
+ ax + (b c) = 0
Ainsi, le polynme (b + c)X
2
+ aX + (b c) sannule en tout
point de R, donc est le polynme nul, do :
b + c = 0, a = 0, b c = 0,
puis : a = 0, b = 0, c = 0.
Ceci montre que ( f , g, h) est libre.
On a : x R, f
2
(x) = x
2
, g
2
(x) = x
4
+ 2x
2
+ 1,
h
2
(x) = x
4
2x
2
+ 1,
donc : 4f
2
= g
2
h
2
.
Ceci montre que ( f
2
, g
2
, h
2
) est lie.
1.16
1) Dabord, il est clair que : i 0 ; n, P
i
R
n
[X].
2) Montrons que (P
i
)
0in
est libre. Soit (
i
)
0in
R
n+1
tel
que :
n

i=0

i
P
i
= 0. En prenant la valeur en a, comme P
i
(a) = 0
pour tout i 1, on obtient
0
P
0
(a) = 0, puis, comme
P
0
(a) = (a b)
n
0, on dduit
0
= 0. En reportant et en sim-
pliant par X a, on dduit :
n

i=1

i
(X a)
i1
(X b)
ni
= 0,
cest--dire :
n1

j=0

j+1
(X a)
j
(X b)
n1j
= 0.
En ritrant, on obtient successivement :
1
= 0, ...,
n
= 0.
Ceci montre que (P
i
)
0in
est libre.
Comme la famille (P
i
)
0in
est libre et que
Card
_
(P
i
)
0in
_
= n + 1 = dim
_
R
n
[X]
_
,
on conclut que (P
i
)
0in
est une base de R
n
[X].
1.17
a) On a, pour tout R et toutes f , g E :

1
(f + g) =
_
0
1
(f + g)
=
_
0
1
f +
_
0
1
g =
1
( f ) +
1
(g),
donc
1
est linaire.
De mme,
2
et
3
sont linaires.
b) Soit (
1
,
2
) R
2
tel que :
1

1
+
2

2
= 0.
On a alors : f E,
1
_
0
1
f +
2
_
0
1
f = 0 (1).
Considrons : f
1
: [1 ; 1] R
x 1
, f
2
: [1 ; 1] R
x x
.
Il est clair que : f
1
E et f
2
E. On a :
(1) =
_

1
_
0
1
f
1
+
2
_
1
0
f
1
= 0

1
_
0
1
f
2
+
2
_
1
0
f
2
= 0

1
+
2
= 0

1
_

1
2
_
+
2
1
2
= 0

1
+
2
= 0

1
+
2
= 0

1
= 0

2
= 0.
On conclut : (
1
,
2
) est libre.
c) Daprs la relation de Chasles :
f E,
_
1
1
f =
_
0
1
f +
_
1
0
f ,
donc : f E,
3
( f ) =
1
( f ) +
2
( f ),
cest--dire :
3
=
1
+
2
.
Ceci montre que (
1
,
2
,
3
) est lie, donc nest pas libre.
1.18
a) Dabord, il est clair que u et v sont bien des applications
de E dans E.
On a, pour tout R et toutes f , g E :
x R, u(f + g)(x) = x(f + g)(x)
= x
_
f (x) + g(x)
_
= x f (x) + xg(x)
= u( f )(x) + u(g)(x) =
_
u( f ) + u(g)
_
(x),
x R, v(f + g)(x) = (f + g)

(x)
= (f

+ g

)(x) = f

(x) g

(x)
= v( f )(x) + v(g)(x) =
_
v( f ) + v(g)
_
(x),
do :
_

_
u(f + g) = u( f ) + u(g)
v(f + g) = v( f ) + v(g),
donc u et v sont linaires.
On conclut : u, v L(E).
On a, pour toute f E :
x R, (u v v u)( f )(x) = u
_
v( f )
_
(x) v
_
u( f )
_
(x)
= xv( f )(x) +
_
u( f )
_

(x)
= x
_
f

(x)
_
+
_
f (x) + x f

(x)
_
= f (x),
donc : (u v v u)( f ) = f .

D
u
n
o
d
.
T
o
u
t
e
r
e
p
r
o
d
u
c
t
i
o
n
n
o
n
a
u
t
o
r
i
s

e
e
s
t
u
n
d

l
i
t
23
Chapitre 1 Vecteurs, applications linaires, matrices
Ceci montre : u v v u = Id
E
.
b) 1) tude de u :
On a, pour toute f E :
f Ker (u) u( f ) = 0
_
x R, x f (x) = 0
_

_
x R

, f (x) = 0
_
.
Si f sannule en tout point de R

, alors, comme f est continue


en 0, f sannule aussi en 0, donc f = 0.
Ceci montre : f Ker (u) f = 0,
donc : Ker (u) = {0}.
On conclut : u est injective.
Lapplication constante 1 est lment de E et il nexiste pas
f E telle que u( f ) = 1, car sinon : x R, x f (x) = 1, ce qui
est impossible pour x = 0.
Ceci montre que lapplication constante 1 nest pas atteinte
par u, donc u nest pas surjective.
Puisque u nest pas surjective, u nest pas bijective.
2) tude de v :
On a v(

1) =

0 = v(

0) et

1

0 (o

0 et

1 sont les applica-
tions constantes respectivement gales 0 et 1), donc v nest
pas injective.
Pour toute g E, il existe f E telle que f

= g (car
g admet au moins une primitive sur R), et on a alors v( f ) = g.
Ceci montre que v est surjective.
Puisque v nest pas injective, v nest pas bijective.
1.19
1) Dabord, E est bien un ev. En eet, E est un sev de R[X]
car le polynme nul appartient E, et, pour tout R et tous
P, Q E :
(P + Q)(0) = P(0) + Q(0) = 0 + 0 = 0,
donc P + Q E.
2) Lapplication f va bien de E dans E, car, pour tout P E,
f (P) = XP

est un polynme qui sannule en 0.


3) Lapplication f est linaire car, pour tout R et tous
P, Q E :
f (P + Q) = X(P + Q)

= X(P

+ Q

) = XP

+ XQ

= f (P) + f (Q).
4) Injectivit :
Soit P Ker ( f ), cest--dire XP

= 0.
On dduit P

= 0, P est une constante.


Comme de plus P(0) = 0 (car P E), on obtient P = 0.
Ainsi, Ker ( f ) = {0}, donc f est injective.
5) Surjectivit :
Soit Q E. Comme Q(0) = 0, il existe n N

, a
1
, ..., a
n
R
tels que : Q =
n

k=1
a
k
X
k
. Notons P =
n

k=1
a
k
k
X
k
. Il est clair que
P E, puisque P(0) = 0. Et :
f (P) = XP

= X
n

k=1
a
k
k
kX
k1
=
n

k=1
a
k
X
k
= Q.
Ceci montre que f est surjective.
Finalement, puisque f est linaire, injective, surjective, on
conclut : f G L(E).
1.20 Puisque f
2
0, il existe e
1
E tel que f
2
(e
1
) 0.
Notons e
2
= f (e
1
), e
3
= f (e
2
) = f
2
(e
1
), B = (e
1
, e
2
, e
3
).
Soit (
1
,
2
,
3
) R
3
tel que
1
e
1
+
2
e
2
+
3
e
3
= 0.
On a alors, en composant par f
2
:
0 = f
2
(
1
e
1
+
2
e
2
+
3
e
3
)
=
1
f
2
(e
1
) +
2
f
3
(e
1
)
.,,.
=0
+
3
f
3
(e
2
)
.,,.
=0
=
1
f
2
(e
1
)
.,,.
0
,
do :
1
= 0.
Puis :
2
e
2
+
3
e
3
= 0.
On a alors, en composant par f :
0 = f (
2
e
2
+
3
e
3
) =
2
f
2
(e
1
) +
3
f
3
(e
1
)
.,,.
=0
=
2
f
2
(e
1
)
.,,.
0
,
do :
2
= 0.
Enn, comme
3
e
3
= 0 et e
3
= f
2
(e
1
) 0, on a :
3
= 0.
Ceci montre que B est libre.
Comme B est libre et que Card (B) = 3 = dim(E), on conclut
que B est une base de E.
On a f (e
1
) = e
2
, f (e
2
) = f
2
(e
1
) = e
3
, f (e
3
) = f
3
(e
1
) = 0,
donc la matrice de f dans B est : N =
_

_
0 0 0
1 0 0
0 1 0
_

_
.
1.21
a) On calcule les produits matriciels A
2
et A
3
:
A
,..,
_

_
1 1 1 1
1 0 0 1
1 0 0 1
1 1 1 1
_

_
A
,..,
_

_
1 1 1 1
1 0 0 1
1 0 0 1
1 1 1 1
_

_
_

_
1 1 1 1
1 0 0 1
1 0 0 1
1 1 1 1
_

_
.,,.
A
_

_
4 2 2 4
2 2 2 2
2 2 2 2
4 2 2 4
_

_
.,,.
A
2
_

_
12 8 8 12
8 4 4 8
8 4 4 8
12 8 8 12
_

_
.,,.
A
3
24
Corrigs des exercices
Il est clair que : A
3
= 4A + 2A
2
.
Soit (x, y) R
2
tel que xA + yA
2
= 0. On a alors :
x + 4y = 0, x + 2y = 0, 2y = 0,
do : y = 0, x = 0.
On conclut : la famille (A, A
2
) est libre.
b) Raisonnons par rcurrence sur n.
La proprit est vraie pour n = 1, avec (u
1
= 4, v
1
= 2).
Supposons que, pour un n N

x, il existe (u
n
, v
n
) R
2
tel
que : A
n
= u
n
A + v
n
A
2
. On a alors :
A
n+1
= A
n
A = (u
n
A + v
n
A
2
)A = u
n
A
2
+ v
n
A
3
= u
n
A
2
+ v
n
(4A + 2A
2
) = 4v
n
A + (u
n
+ 2v
n
)A
2
.
En notant : u
n+1
= 4v
n
et v
n+1
= u
n
+ 2v
n
,
on a donc : A
n+1
= u
n+1
A + v
n+1
A
2
.
Ceci montre, par rcurrence sur n, que, pour tout n N

, il
existe (u
n
, v
n
) R
2
tel que : A
n
= u
n
A + v
n
A
2
et on a : n N

,
_

_
u
n+1
= 4v
n
v
n+1
= u
n
+ 2v
n
.
De plus, comme (A, A
2
) est libre, pour tout n N

, le couple
(u
n
, v
n
) est unique.
c) On a, pour tout n N

:
u
n+2
= 4v
n+1
= 4(u
n
+ 2v
n
) = 4u
n
+ 8v
n
= 4u
n
+ 2u
n+1
.
Ainsi : n N

, u
n+2
= 2u
n+1
+ 4u
n
.
La suite (u
n
)
nN
est une suite rcurrente linaire dordre 2
coecients constants et sans second membre. Lquation ca-
ractristique r
2
2r 4 = 0 admet deux racines relles dis-
tinctes, qui sont r
1
= 1

5, r
2
= 1 +

5. Daprs le cours, il
existe donc (
1
,
2
) R
2
tel que :
n N

, u
n
=
1
r
n
1
+
2
r
n
2
.
On a :
_

_
A = 1A + 0A
2
A
2
= 0A + 1A
2
donc : u
1
= 1 et u
2
= 0.
Et :
_

_
u
1
= 1
u
2
= 0

1
r
1
+
2
r
2
= 1

1
r
2
1
+
2
r
2
2
= 0

1
r
1
+
2
r
2
= 1

1
(2r
1
+ 4) +
2
(2r
2
+ 4) = 0

1
r
1
+
2
r
2
= 1
4(
1
+
2
) = 2

_

1
+
2
= 1/2

1
r
1
+
2
r
2
= 1
L
1
L
2

1
(r
2
r
1
) = 1
r
2
2

2
(r
2
r
1
) = 1 +
r
1
2
L
1
r
2
L
1
L
2
L
2
L
2
r
1
L
1

1
=
3

5
4

2
=
3

5
4

5
.
Do :
n N

, u
n
=
3

5
4

5
(1

5)
n
+
3

5
4

5
(1 +

5)
n
,
puis :
n N

, v
n
=
3

5
16

5
(1

5)
n+1
+
3

5
16

5
(1 +

5)
n+1
.
1.22
a) En dveloppant, on a, pour toutes A, B GL
n
(R) :
A
1
(A + B)B
1
= A
1
AB
1
+ A
1
BB
1
= B
1
+ A
1
= A
1
+ B
1
.
b) Donnons un contrexemple.
Pour A = I
n
, B = I
n
, C = 2I
n
,
on a : A
1
= I
n
, B
1
= I
n
, C
1
=
1
2
I
n
,
donc : A + B + C = 0 et A
1
+ B
1
+ C
1
=
3
2
I
n
.
Sil existait (U, V) convenant, on aurait
3
2
I
n
= U0V = 0,
contradiction.
La rponse la question pose est donc : non.
1.23 On a :
A
3
A
2
+ A + I
n
= 0 A(A
2
+ A I
n
) = I
n
.
Donc A est inversible et : A
1
= A
2
+ A I
n
.
1.24
a) (A 3I
n
)(B 2I
n
) = AB 2A 3B + 6I
n
= 6I
n
.
b) Daprs a), on a : (A 3I
n
)
_
1
6
(B 2I
n
)
_
= I
n
.

D
u
n
o
d
.
T
o
u
t
e
r
e
p
r
o
d
u
c
t
i
o
n
n
o
n
a
u
t
o
r
i
s

e
e
s
t
u
n
d

l
i
t
25
Chapitre 1 Vecteurs, applications linaires, matrices
Ainsi, A3I
n
est inversible et son inverse est
1
6
(B 2I
n
). On a
donc aussi, dans lautre sens :
_
1
6
(B 2I
n
)
_
(A 3I
n
) = I
n
,
do, en dveloppant : BA 2A 3B + 6 I
n
= 6 I
n
,
et donc : BA = 2A + 3B = AB.
1.25
a) Il est clair que f est bien une application de M
2
(R) dans
M
2
(R).
On a, pour tout R et toutes M, N M
2
(R) :
f (M + N) = (M + N)A = MA + NA = f (M) + f (N),
donc f est linaire.
On conclut que f est un endomorphisme de lespace vectoriel
M
2
(R).
b) 1) Soit M =
_
x y
z t
_
M
2
(R). On a :
M Ker ( f ) f (M) = 0

_
x y
z t
_ _
3 6
4 8
_
=
_
0 0
0 0
_

_
3x + 4y = 0, 6x 8y = 0, 3z + 4t = 0, 6z 8t = 0
_

_
3x + 4y = 0, 3z + 4t = 0
_
.

_
y =
3
4
x, t =
3
4
z
_
.
On obtient :
Ker ( f ) =
_
_

_
x
3
4
x
z
3
4
z
_

_
; (x, z) R
2
_
=
_
x
4
_
4 3
0 0
_
.,,.
note B
+
z
4
_
0 0
4 3
_
.,,.
note C
; (x, z) R
2
_
= Vect (B, C).
Comme (B, C) est libre (car les deux matrices B et C ne sont
pas colinaires), on conclut que (B, C) est une base de Ker ( f ),
et donc : dimKer ( f ) = 2.
b) 2) On a, pour toute M =
_
x y
z t
_
M
2
(R) :
f (M) = MA =
_
x y
z t
_ _
3 6
4 8
_
=
_
3x + 4y 6x 8y
3z + 4t 6z 8t
_
=
_
3x + 4y 2(3x + 4y)
3z + 4t 2(3z + 4t)
_
= (3x + 4y)
_
1 2
0 0
_
.,,.
note D
+(3z + 4t)
_
0 0
1 2
_
.,,.
note E
Vect (D, E).
Ceci montre : Im( f ) Vect (D, E).
De plus :
D = f
_
1
3
_
1 0
0 0
__
Im( f ), E = f
_
1
4
_
0 0
0 1
__
Im( f ),
donc : D Im( f ), E Im( f ),
do : Vect (D, E) Im( f ).
On en dduit : Im( f ) = Vect (D, E).
Comme (D, E) est libre (car les deux matrices D, E ne sont
pas colinaires), on conclut : (D, E) est une base de Im( f ) et
dimIm( f ) = 2.
Remarque : On contrle avec le thorme du rang :
4 = dimM
2
(R) = dimIm( f ) + dimKer ( f ) = 2 + 2.
1.26
a) 1) E R
N
et 0 E, o 0 est la suite constante nulle.
Soient R, u = (u
n
)
nN
, v = (v
n
)
nN
E, w = u + v.
On a, pour tout n N :
w
n+2
= u
n+2
+ v
n+2
= (5u
n+1
6u
n
) + (5v
n+1
6v
n
)
= 5(u
n+1
+ v
n+1
) 6(u
n
+ v
n
) = 5w
n+1
6w
n
,
donc : w E.
On conclut : E est un sev de R
N
, donc E est un ev.
2) Par dnition de a et b, on a : a E, b E.
Soit (, ) R
2
tel que a + b = 0. On a alors :
n N, a
n
+ b
n
= 0,
do, en particulier, pour n = 0, pour n = 1 : = 0, = 0.
Ainsi, (a, b) est libre.
Soit u = (u
n
)
nN
E. Notons v = u u
0
a u
1
b.
On a alors : v E, car u, a, b sont dans E et E est un ev.
Comme v
0
= 0 et v
1
= 0, on, dduit, par rcurrence immdiate :
n N, v
n
= 0, do v = 0, puis u = u
0
a + v
0
b.
Ainsi, (a, b) engendre E.
Finalement : (a, b) est une base de E, et donc : dim(E) = 2.
3) On a r E, s E, car, pour tout n N :
r
n+2
5r
n+1
+ 6r
n
= 2
n
(4 10 + 6) = 0,
s
n+2
5s
n+1
+ 6s
n
= 3
n
(9 15 + 6) = 0.
Soit (, ) R
2
tel que : r + s = 0. On a alors :
n N, 2
n
+ 3
n
= 0,
26
Corrigs des exercices
do, en particulier, pour n = 0, pour n = 1 :
+ = 0 et 2 + 3 = 0,
puis : = 0, = 0.
Ainsi, (r, s) est libre.
Comme (r, s) est libre et que Card
_
(r, s)
_
= 2 = dim(E), on
conclut : (r, s) est une base de E.
b) Comme dans la solution de a) 2), on a :
r r
0
a r
1
b = 0 et s s
0
a s
1
b = 0,
donc : r = a + 2b et s = a + 3b,
do la matrice M de la famille (r, s) dans la base (a, b) de E :
M =
_
1 1
2 3
_
.
On calcule : M
1
=
_
3 1
2 1
_
. Il en rsulte :
a = 3r 2s, b = r + s.
c) 1) Soit u = (u
n
)
nN
E. Notons u

= (u
n+1
)
nN
.
On a, pour tout n N :
u

n+2
= u
n+3
= 5u
n+2
6u
n+1
= 5u

n+1
6u

n
,
donc : u

E. On peut donc dnir lapplication


f : E E, u = (u
n
)
nN
(u
n+1
)
nN
.
On a, pour tout R et toutes u, v E :
f (u + v
_
=
_
(u + v)
n+1
_
nN
= (u
n+1
+ v
n+1
)
nN
= (u
n+1
)
nN
+ (v
n+1
)
nN
= f (u) + f (v),
et on conclut : f est linaire.
Ainsi, f est un endomorphisme de E.
2) On a :
_
f (a)
_
0
= a
1
= 0,
_
f (a)
_
1
= a
2
= 5a
1
6a
0
= 6,
donc : f (a) = 6b.
On a :
_
f (b)
_
0
= b
1
= 1,
_
f (b)
_
1
= b
2
= 5b
1
6b
0
= 5, donc :
f (b) = a + 5b.
On en dduit que la matrice de f dans la base (a, b) de E est :
_
0 1
6 5
_
.
3) On a : n N,
_
f (r)
_
n
= r
n+1
= 2
n+1
= 2r
n
,
donc : f (r) = 2r, et de mme : f (s) = 3s.
On en dduit que la matrice de f dans la base (r, s) de E est :
_
2 0
0 3
_
.
1.27 Raisonnons par labsurde : supposons A E et B E.
Il existe alors a E tel que a A, et b E tel que b B.
Comme A B = E, il sensuit : a B et b A.
Considrons a + b.
On a : a + b E = A B, donc : a + b A ou a + b B.
Supposons a + b A. On a alors : a = (a + b) b A car
a + b A, b A et A est un sev de E, do une contradiction.
Supposons a + b B. On a alors : b = (a + b) a B car
a + b B, a B et B est un sev de E, do une contradiction.
Ce raisonnement par labsurde montre : A = E ou B = E.
1.28
a) Soit (
1
, ...,
n
) R
n
tel que
n

i=1

i
f
a
i
= 0.
On remarque que, pour tout i 1 ; n, f
a
i
est continue en tout
point de R {a
i
}, et est discontinue en a
i
.
Supposons quil existe i 1 ; n tel que
i
0. On a alors :
f
a
i
=

1jn, ji

i
f
a
j
.
Dune part, f
a
i
est discontinue en a
i
.
Dautre part, pour tout j i, f
a
j
est continue en a
i
, donc la
combinaison linaire

1jn, ji

i
f
a
j
est continue en a
i
, do
une contradiction.
Ce raisonnement par labsurde montre : i 1 ; n,
i
= 0,
et on conclut que la famille ( f
a
i
)
1in
est libre.
b) Soit (
1
, ...,
n
) R
n
tel que
n

i=1

i
f
a
i
= 0.
On remarque que, pour tout i 1 ; n, f
a
i
est drivable en tout
point de R {a
i
}, et nest pas drivable en a
i
.
Supposons quil existe i 1 ; n tel que
i
0. On a alors :
f
a
i
=

1jn, ji

i
f
a
j
.
Dune part, f
a
i
nest pas drivable en a
i
.
Dautre part, pour tout j i, f
a
j
est drivable en a
i
, donc la
combinaison linaire

1jn, ji

i
f
a
j
est drivable en a
i
, do
une contradiction.
Ce raisonnement par labsurde montre : i 1 ; n,
i
= 0,
et on conclut que la famille ( f
a
i
)
1in
est libre.
c) Soit (
1
, ...,
n
) R
n
tel que
n

i=1

i
f
a
i
= 0.

D
u
n
o
d
.
T
o
u
t
e
r
e
p
r
o
d
u
c
t
i
o
n
n
o
n
a
u
t
o
r
i
s

e
e
s
t
u
n
d

l
i
t
27