Académique Documents
Professionnel Documents
Culture Documents
L2 PC SI
Algbre linaire
Gloria Faccanoni
i http://faccanoni.univ-tln.fr/enseignements.html
USTV
2 Systmes linaires
23
3 Espaces vectoriels
49
4 Applications linaires
99
Attention, ce polycopi est encore en cours de dveloppement, ne vous tonnez pas si vous dcouvrez des erreurs.
Merci de me les communiquer.
quoi sert lalgbre linaire ? Malheureusement, il ny a pas de rponse simple au niveau Licence : en effet, la plupart
des problmes pour lesquels on va utiliser lalgbre linaire peuvent aussi se rsoudre de manire lmentaire (la
plupart du temps en rsolvant un systme linaire) et ceci peut donner limpression quon remplace des calculs
fastidieux mais simples par des arguments et des concepts trs compliqus et abstraits. Cependant, mme dans
un premier cours dalgbre linaire, on peut dj sentir lintrt de lalgbre linaire : celle-ci permet dunifier des
problmes et des situations priori trs diffrentes, en donnant un cadre gnral dans lequel ces problmes vont
avoir le mme aspect. Une telle dmarche est fondamentale dans les mathmatiques. Par exemple, on remarque que
lon sait additionner deux vecteurs de R3 , ou deux fonctions, ou deux polynmes . . . et quon sait aussi multiplier
chacun de ces objets par des rels. Puisque ces objets (diffrents) peuvent subir le mme type dopration, ayant
les mmes proprits formelles, les raisonnements ou les concepts qui utilisent uniquement ces oprations vont
tre valables dans chacun des trois cadres cits. Autre exemple : les notions de droite, de plan, de repre (on dira
base), que lon connait dj dans R3 , vont aussi tre valables pour des espaces de fonctions ou de polynmes ! La
proprit qui dit que dans R3 , deux plans ont toujours une droite en commun deviendra ainsi dans tout espace
vectoriel de dimension 3, deux sous-espaces vectoriel de dimension 2 ont toujours un sous-espaces de dimension
1 en commun et sera vraie quelle que soit la nature des lments de lespace vectoriel (fonctions, polynmes ou
autres et on pourra dailleurs la gnraliser des dimensions suprieures). Mme si ce cours nen donne quun
tout petit aperu, la quantit de situations qui peuvent tre modlises par lalgbre linaire est immense, et va de
questions purement mathmatiques jusqu des problmes trs concrets dcologie (dynamique des populations), de
mtorologie, dconomie, de physique. . .
CM
TD
18h
30h
MP33
12 sances de 1h30
20 sances de 1h30
Gloria Faccanoni
IMATH Btiment U-318
Universit du Sud Toulon-Var
Avenue de luniversit
83957 LA GARDE - FRANCE
T 0033 (0)4 94 14 23 81
B gloria.faccanoni@univ-tln.fr
i http://faccanoni.univ-tln.fr
Matrices
Dfinition Matrice
On appelle matrice m n (ou dordre m n) coefficients dans K tout tableau de m lignes et n colonnes
dlments de K. Lensemble des matrices m n coefficients dans K est not Mm,n (K).
Si m = n on dit quon a une matrice carre. Lensemble des matrices carres dordre n coefficients dans K est
not Mn (K).
Une matrice m 1 est appele vecteur-colonne et une matrice 1 n est appele vecteur-ligne.
On convient de noter aij llment de la matrice situ sur la i-me ligne et j-me colonne (1 i m et 1 j n).
Une matrice A est reprsente entre deux parenthses ou deux crochets :
a
.
.
.
a
.
.
.
a
a
.
.
.
a
.
.
.
a
ou
A
=
A=
ij
in
ij
in
i1
i1
..
..
..
..
..
..
.
.
.
.
.
.
am1 . . . amj . . . amn
am1 . . . amj . . . amn
ou encore
A = (aij )1im
1jn
A = [aij ]1im
ou
1jn
Exemple
La matrice
1
A= 0
4
4
1
1
2
3
5
1 Matrices
1jn
La matrice oppose dune matrice A est note A. Si A = (aij )1im alors A = (aij )1im .
1jn
1jn
Exemple
Soient les matrices 2 3 suivantes :
A=
3
1
4
3
2
,
5
B=
4+1
3+0
2+9
5+3
6
2
=
9
.
3
1
0
9
3
11
.
8
5
3
Attention
La somme de deux matrices dordres diffrents nest pas dfinie.
Proprit
Si A, B et C sont des matrices de mme ordre, alors nous avons
B A + B = B + A (commutativit),
B A + (B + C) = (A + B) + C (associativit).
Exemple
Soient les matrices 2 2 suivantes :
A=
On a alors
1+6
A+B=
3+2
1 5
7
=
0+1
5
6
,
1
1
3
1
,
0
B=
B+A=
De plus,
(A + B) + C =
7
7
6+1
2+3
4
,
5
5
,
1
6
2
C=
5 1
7
=
1+0
5
0
2
6
,
1
A + (B + C) =
7
7
2
.
4
B+C=
6+0
2+2
5 + 2
1+4
=
6
4
3
.
5
4
.
5
d1 0
0 d2
..
Dn = ...
.
0
0
0
0
0
0
..
.
dn1
0
0
0
..
.
0
dn
On la note Diag(d1 , d2 , . . . , dn ).
G. Faccanoni
1 Matrices
Exemple
1
0
U=
0
0
1
4
L=
5
7
1
0
D=
0
0
1
0
I4 =
0
0
2
5
0
0
0
0
1
9
0
8
0
0
0
1
0
0
4
7
1
5
0 0
0 0
2 0
15 4
0 0
0 0
7 0
0 0
0 0
0 0
1 0
0 1
3
6
2
0
A = ( aij )1im
1jn
Proprit
Soient A et B deux matrices de mme ordre et K un scalaire, on a
B (A + B) = A + B (distributivit).
Exemple
Soit A =
3
1
4
3
2
5
et = 21 . Alors A =
3/2
1/2
2
3/2
1
.
5/2
1im
1jp
G. Faccanoni
1 Matrices
Exemple
Soient les deux matrices
1
1
A=
3
1
0
2
1
B = 0
0
et
2
2
1
0
3 .
2
La matrice A est dordre 2 3, la matrice B est dordre 3 3, donc la matrice produit A B est une matrice dordre 2 3 :
11+30+00
1 2 + 3 2 + 0 (1)
1 0 + 3 3 + 0 (2)
1
7
9
AB=
=
.
1 1 + 1 0 + 2 0 1 2 + 1 2 + 2 (1) 1 0 + 1 3 + 2 (2)
1 2 1
B : n lignes p colonnes
..
+
i1
1j
.+
.+
a ip
a11
...
a1k
...
a1n
..
.
..
..
.
..
.
..
.
ai1
...
aik
...
ain
..
.
..
.
..
.
..
..
.
am1
...
amk
...
b11
...
b1j
...
b1p
..
.
..
..
.
..
.
..
.
bk1
...
bkj
...
bkp
..
.
..
.
..
.
..
..
.
bn1
...
bnj
...
bnp
..
+
a ik
bk
amn
A : m lignes n colonnes
bp
c11
...
c1j
...
c1p
..
.
..
..
.
..
.
..
.
ci1
...
cij
...
cip
..
.
..
.
..
.
..
..
.
cm1
...
cmk
...
cmp
C = A B : m lignes p colonnes
Proprit
Si
B
B
Si
Attention
A B 6= B A en gnral (non commutativit).
Prenons le cas gnral avec A dordre m p et B dordre p n. Le produit A B est dfini, cest une matrice
dordre m n. Quen est-il du produit B A ? Il faut distinguer trois cas :
B si m 6= n le produit B A nest pas dfini ;
B si m = n mais p 6= n, le produit A B est dfini et cest une matrice dordre m n tandis que le produit B A
est dfini mais cest une matrice dordre p p donc A B 6= B A ;
G. Faccanoni
1 Matrices
B si m = n = p, A et B sont deux matrices carres dordre m. Les produits A B et B A sont aussi carrs et
dordre m mais l encore, en gnral, A B 6= B A ;
Exemple
Soient les matrices
A=
On obtient
AB=
4
18
1
3
1
,
0
6
15
B=
6
2
5
.
1
et
BA=
9
5
6
.
2
1im
Cest donc une matrice n m obtenue en changeant lignes et colonnes de la matrice initiale.
Exemple
Soit la matrice A dordre 2 3 suivante
A=
1
3
1
0
5
.
7
1
A = 1
5
T
3
0 .
7
Proprit
B
B
B
B
Exemple
1
A= 5
9
1
B = 5
9
5
4
0
5
4
0
9
0
7
9
0
7
G. Faccanoni
1 Matrices
Proposition
Soit A et B deux matricesinversibles, alors
1
= A,
B A1 lest aussi et A1
T
T
T 1
B A lest aussi et A
= A1 ,
B A B lest aussi et (A B)1 = B1 A1 .
Exemple
La trace de la matrice A suivante
1
0
0
2
2
1
0
3
2
Proprit
Si
B
B
Si
B
n
X
(1)i+j aij det(Aij )
j=1
n
X
(1)i+j aij det(Aij )
i=1
Astuce
Pour se souvenir des signes de ces deux formules, on peut remarquer que la distribution des signes + et avec
G. Faccanoni
1 Matrices
Exemple
Soit la matrice
A=
a11
a21
a12
a22
alors
det(A11 ) = a22 ,
det(A12 ) = a21 ,
det(A21 ) = a12 ,
det(A22 ) = a11 ,
a12
a22
= a11 a22 a12 a21 .
+
a11
a12
a21
a22
Exemple
det
5
4
7
3
= 5 3 7 4 = 15 28 = 13.
Exemple
Soit la matrice
a11
A = a21
a31
a12
a22
a32
a13
a23
a33
alors
det(A11 ) = det
det(A12 ) = det
det(A13 ) = det
det(A21 ) = det
det(A22 ) = det
G. Faccanoni
a22
a32
a23
a33
a21
a31
a23
a33
a21
a31
a22
a32
a12
a32
a13
a33
a13
a33
a11
a31
1 Matrices
a11
a31
a12
a22
a11
a21
a11
a21
a12
a32
a13
a23
a13
a23
a12
a22
Proprit
Le dterminant dune matrice triangulaire est gal au produit des lments diagonaux.
Astuce
Il convient dutiliser la dfinition de dterminant aprs avoir fait apparatre sur une mme range le plus possible
de zro sachant que
B si deux colonnes (resp. deux lignes) sont identiques ou proportionnelles, alors det(A) = 0 ;
B si on multiplie une colonne (resp. une ligne) par un scalaire 6= 0, alors le dterminant est multipli par ;
B si on change deux colonnes (resp. deux lignes), alors le dterminant est chang en son oppos (i.e., le
dterminant change de signe) ;
B on ne change pas un dterminant si on ajoute une colonne (resp. une ligne) une combinaison linaire des
autres colonnes (resp. lignes), i.e.
Ci Ci + Cj ,
Li Li + Lj ,
avec j 6= i et 6= 0.
Exemple
Soit la matrice
1
A = 0
0
0
2
3
1
0
5
alors
2
3
0
det(A21 ) = det
3
0
det(A31 ) = det
2
det(A11 ) = det
0
5
1
5
1
0
= 10,
= 3,
= 2,
0
0
1
det(A22 ) = det
0
1
det(A32 ) = det
0
det(A12 ) = det
0
5
1
5
1
0
= 0,
= 5,
= 0,
0
0
1
det(A23 ) = det
0
1
det(A33 ) = det
0
det(A13 ) = det
2
3
0
3
0
2
= 0,
= 3,
= 2,
1 0 1
1 0 1
3L
L3 L3 2
2
det(A) = det 0 2 0
=
det 0 2 0 = 10.
0 3 5
0 0 5
10
G. Faccanoni
1 Matrices
a11
a12
a13
a11
a12
a21
a22
a23
a21
a22
a31
a32
a33
a31
a32
ou encore
a11
det(A) = det a21
a31
a12
a22
a32
a13
a23
a33
= a11 a22 a33 + a21 a32 a13 + a31 a12 a33 a13 a22 a31 + a23 a32 a11 + a33 a12 a31
+
+
+
a11
a12
a13
a21
a22
a23
a31
a32
a33
a11
a12
a13
a21
a22
a13
Exemple
Soit la matrice
1
A = 0
0
1
0
5
0
2
3
det(A) = (1 2 5 + 0 0 0 + 1 0 3) (1 2 0 + 1 0 3 + 0 0 5) = 10.
Si on utilise la dfinition (rgle de Laplace), en dveloppant selon la premire colonne on obtient
2 0
det(A) = 1 det
= 2 5 0 3 = 10.
3 5
G. Faccanoni
11
1 Matrices
Exemple
Soit la matrice
5
A = 4
2
alors
1
2
6
7
3
1
det(A) = (5 3 6 + 7 2 2 + 1 4 1) (1 3 2 + 5 2 1 + 7 4 6 = 62.
Attention
La rgle de Sarrus ne sapplique qu des matrices dordre 3.
Exemple
Soit la matrice dordre 4 suivante :
1
2
A=
1
1
0
0
2
2
0
1
0
3
1
0
4
0
Alors
0
det(A) = det(A11 )det(A14 ) = det 2
2
1
0
3
2
0
4det 1
1
0
0
2
2
1
2
0 = det
2
3
4
12+0+2200 = (8)12 = 4.
0
Thorme
A est inversible si et seulement si det(A) 6= 0.
Proprit
B det(AT ) = det(A),
1
B det(A1 ) =
,
det(A)
B det(A B) = det(A) det(B).
Dfinition Rang
Le rang dune matrice quelconque A Mm,n , not rg(A), est gal au plus grand entier s tel que lon puisse
extraire de A une matrice carre dordre s inversible, cest--dire de dterminant non nul.
Remarque
Soit une matrice A Mm,n . Alors
0 rg(A) min(m, n)
12
G. Faccanoni
1 Matrices
Exemple
Soit A la matrice suivante
A=
1
1
3
3
2
.
1
Exemple
Soit A la matrice suivante
Le
B
B
B
B
1
A= 0
1
0
5
0
1
1 .
1
Li Lj .
Ces transformations sont quivalentes la multiplication gauche (pr-multiplication) de la matrice M Mm,n par
la matrice inversible obtenue en appliquant la matrice identit Im la transformation correspondante. Par exemple,
la transformation qui change les premires deux lignes de la matrice M M4,3 suivante
d e f
a b c
d e f L1 L2 a b c
g h i g h i
p q r
p q r
quivaut multiplier M gauche par la matrice obtenue en changeant
identit I4 :
0 1 0 0
a b c
d e
1 0 0 0 d e f a b
0 0 1 0 g h i = g h
0 0 0 1
p q r
p q
f
c
i
r
G. Faccanoni
13
1 Matrices
Ci Cj .
a b c
b a c
d e f 0 1 0
e d f
g h i 1 0 0 = h g i
0 0 1
p q r
q p r
Thorme
Deux matrices quivalentes ont le mme rang.
14
G. Faccanoni
1 Matrices
3
A= 0
1
2
4
1
1
B = 0
1
et
2
1 .
1
c11 c12
3 2
1
c21 c22 = 0
4 2 0
c31 c32
1 1
1
2
3 2 1
1 = 0 2 0
1
121
222
5
421 = 0
1 2 1
1
2
2 .
3
A 2B C = O.
2. On cherche D telle que D = 14 (A + B + C) = 14 (A + B + A 2B) = 21 A 14 B, i.e.
1
1
1
3 2
1 2
d11 d12
7/4 1/2
2 (3) 4 1
2 2 4 2
1
1
1
1
d21 d22 = 0
= 0
7/4 .
4 0 1 = 12 0 14 0
2 4 4 1
2
4
1
1
1
1
1/4
3/4
1 1
1 1
d31 d32
(1)
1
2
4
2
4
Exercice 1.2
Effectuer les multiplications suivantes
2 1 1 0
3 1 5
1 8 ,
3 0
2 7 0
0 5 3 4
2
5 4 ,
3
2
4 3
3
5 .
Correction.
23
z
z
}| {
2
3 1 5
3
2 7 0
0
34
1
0
5
}|
{
1 0
1 8
3 4
24
z
=
}|
{
3 2 + 1 3 + 5 0 3 1 + 1 0 + 5 (5) 3 (1) + 1 1 + 5 3 3 0 + 1 8 + 5 4
2 2 + 7 3 + 0 0 2 1 + 7 0 + 0 (5) 2 (1) + 7 1 + 0 3 2 0 + 7 8 + 0 4
9 22 13 28
=
25
2
5 56
31
13
}|
0
z }| {
11
2
{
z
}|
{
5 4 = 3 2 + 0 (4) + 5 (3) = 21
3
31
z }| {
z
13
2
2 (3)
z
}|
{
4 3 0 5 = 4 (3)
3
3 (3)
G. Faccanoni
33
}|
20
4 0
3 0
{
25
6 0
4 5 = 12 0
3 5
9 0
10
20
15
15
1 Matrices
Exercice 1.3
Calculer a, b, c et d tels que
1
2
3
a b
= I2 ,
8
c d
a b
1
c d
2
3
8
= I2 .
Correction.
Comme
il faut que
1
2
3
a b
a + 3c
=
8
c d
2a + 8c
a + 3c = 1,
b + 3d = 0,
2a + 8c = 0,
2b + 8d = 1,
il faut que
a
c
a b
1
c d
2
a + 2b = 1,
3a + 8b = 0,
c + 2d = 0,
3c + 8d = 1,
On conclut que
A
=
4
1
3/2
.
1/2
3
a + 2b 3a + 8b
=
8
c + 2d 3c + 8d
b
d
b + 3d
2b + 8d
=
4
1
a b
c d
=
4
1
3/2
.
1/2
3/2
.
1/2
Exercice 1.4
On dit que deux matrices A et B commutent si A B = B A. Trouver toutes les matrices qui commutent avec
1 0 0
A = 0 3 0 .
0 0 5
Correction.
1
0
0
0
3
0
Comme
1
0
0
et
16
0
b11
0 b21
5
b31
0
3
0
b11
b21
b31
b12
b22
b32
0
b11
0 b21
5
b31
b12
b22
b32
b13
b11
b23 = b21
b33
b31
b12
b22
b32
b13
1
b23 0
b33
0
b12
b22
b32
b13
1
b23 0
b33
0
0
3
0
b13
b11
b23 = 3b21
b33
5b31
b12
3b22
5b32
b13
3b23
5b33
0
b11
0 = b21
5
b31
3b12
3b22
3b32
5b13
5b23
5b33
0
3
0
0
0
5
G. Faccanoni
il faut que
1 Matrices
b11 = b11 ,
b12 = 3b12 ,
b13 = 5b13 ,
3b21 = b21 ,
3b22 = 3b22 ,
3b23 = 5b23 ,
5b31 = b31 ,
5b32 = 3b32 ,
5b33 = 5b33 ,
1
B=0
0
0
2
0
0
0
3
avec 1 , 2 , 3 R.
Exercice 1.5
Pour quelle valeur de x la trace de la matrice A est minimale ? Et pour quelle valeur de x est-elle maximale ?
3
2x
4
1
2 .
A = 0 3x 2
5
6 12x
Correction.
Notons y : x 7 tr(A) ; on a
y(x) = 2x 3 + 3x 2 12x
Chane de Markov
v1 , v2 et v3 sont trois villes. Des trafiquants de drogue prennent leur marchandise le matin dans nimporte laquelle
de ces villes pour lapporter le soir dans nimporte quelle autre. On notera pij la probabilit quune marchandise
prise le matin dans la ville vi soit rendue le soir dans la ville vj . On construit ainsi la matrice P M3 ([0; 1]),
appele matrice de transition de la chane de Markov. On remarque que la somme des composantes de chaque
vecteur colonne est gale 1.
Supposons que P soit connue et vaille
Les trafiquants se promenant de ville en ville, il peut tre utile de visualiser leurs dplacements par le diagramme
de transition suivant :
0.8
v1
0.3
0.1
0.2
0.1
0.5
0.2
(k)
v2
v3
0.2
0.6
On notera xi
la proportion de trafiquants qui se trouvent au matin du jour k dans la ville vi . On montre que le
G. Faccanoni
17
1 Matrices
(k)
(k)
x(k) = Pk x(0) .
Supposons que le chef de la mafia locale dispose de 1000 trafiquants qui partent tous le matin du jour 0 de la
ville v1 . Quelle sera la proportion de trafiquants dans chacune des villes au bout dune semaine ? dun an ?
Il sagit de calculer des puissances successives de P avec x(0) = (1, 0, 0)T . Comme on ne connat pas encore la
notion de valeur propre et le lien avec le calcul des puissances de matrices, on pourra utiliser un logiciel qui
ralise ce calcul. Au bout dune semaine on a
x(7) = P7 x(0) ' (56.4%, 22.6%, 21%)T .
Au but dun an les proportions ne changent gure :
x(365) = P365 x(0) ' (55.7%, 22.9%, 21.3%)T .
Correction.
95%
80%
20%
Les sommets du graphes correspondent aux diffrents tats possibles (ici, habiter la ville A ou la ville B), et les
flches donnent le pourcentage de gens qui passent dun tat un autre, dune anne sur lautre.
La suite des tats successifs est dcrite par une relation de rcurrence linaire, de la forme xn+1 = Txn . Le vecteur
xn R2 est le vecteur dtat du systme, i.e. le vecteur (an , bn ) o an est la population de la ville A aprs n annes
et bn est la population de la ville B aprs n annes, et la matrice T est la matrice de transition. Ainsi,
1
95% 20%
4
x(0) =
T=
3
5%
80%
4
donc
x(1) = Tx(0)
x(2) = Tx(1)
1
31
95% 20%
0.3875
4
80
= =
=
3
49
5% 80%
0.6125
4
80
31
157
95% 20%
0.90625
80
320
= =
=
49
163
5% 80%
0.509375
80
320
x(2) = T2 x(0) =
18
73
80
7
20
7
80
13
20
1
4
=
3
4
157
320
163
320
0.90625
0.509375
G. Faccanoni
1 Matrices
x(4) = T4 x(0) =
x(9) = T9 x(0) =
221
256
35
64
35
256
29
64
1068259
1310720
242461
1310720
1
4
=
3
4
641
1024
383
1024
0.6259765625
'
0.3740234375
0.7587034225
=
'
85219
3
1265089
0.2412965775
327680
4
5242880
242461
327680
1
4
n+
(n)
3977791
5242880
0.8
=
0.2
autrement dit la suite converge vers un tat o le 80% de la population se trouve dans la la ville A et 20% dans la
ville B.
Exercice 1.7
Calculer les dterminants des matrices suivantes :
A=
1
7
3
,
5
2
B = 5
0
3 3
15 7 ,
2 0
2
2
C=
2
0
1 3 4
0 4 5
.
4 3 1
3 1 1
Correction.
1. det(A) = 1 5 3 (7) = 26.
2. En dveloppant par rapport la dernire ligne qui contient deux zros on trouve
2 3
det(B) = (1)3+2 (2) det
= 2 (2 7 3 5) = 2.
5 7
3. On fait apparatre des zros sachant que le dterminant ne change pas lorsque on ajoute une ligne une
combinaison linaire des autres lignes :
2 1 3 4
2 1 3 4
L2 L2 L1
0 1 1 1
2
0 4 5
L3 L3 +L1
det(C) = det
det
2 4 3 1
0 3 6 3
=
0 3 1 1
0 3 1 1
1 1 1
1 1 1 L2 L2 3L1
1 1 1
L3 L3 +3L1
= (1)1+1 (2) det 3 6 3 = 2 det 3 6 3
2 det 0 3 0
=
3 1 1
3 1 1
0 4 4
3 0
= 2 (1)1+1 1 det
= 2 (3 (4) 0 4) = 24.
4 4
G. Faccanoni
19
1 Matrices
Correction.
t+3
det(A) = det 2
t +9
t2 9
t3
t+3
t2 + 9
t + 3 1
1
5
t3
1 .
6
6 t + 4
Correction. On commence par calculer le dterminant de la matrice. tant une matrice dordre 3, on peut par
exemple utiliser la mthode de Sarrus :
t + 3 1
1
t3
1
det 5
6
6 t + 4
= (t + 3) (t 3) (t + 4) + 5 (6) 1 + 6 (1) 1 1 (t 3) 6 + 1 (6) (t + 3) + (t + 4) (1) 5
1+a
1
1
1
1
1
1+a
1
D2 = det 1
D1 = det a b c
2
2
2
a b c
1
1
1+a
Correction. Pour calculer un dterminant comportant des paramtres, il est souvent intressant de faire apparatre
des zros dans une ligne ou une colonne :
C2 C2 C1
1
1
1
1
0
0
ba
ca
C3 C3 C1
ba
c a = det
D1 = det a b c
det a
b2 a2 c 2 a2
=
a2 b2 a2 c 2 a2
a2 b2 c 2
= (b a)(c 2 a2 ) (c a)(b2 a2 ) = (b a)(c a) (c + a) (b + a) = (b a)(c a)(c b);
1+a
1
1
1+a
1 = (1 + a)3 + 1 + 1 (1 + a) (1 + a) (1 + a) = (1 + a)3 3(1 + a) + 2
D2 = det 1
1
1
1+a
= (1 + a) 1 (1 + a)2 + (1 + a) 2 = (1 + a) 1 (1 + a) + 2 (1 + a) 1 = a2 (3 + a).
20
G. Faccanoni
1 Matrices
1 2 8
2. Calculer le rang de la matrice B = 2 1 4 .
0 3 12
2 1 3
3. Calculer le rang de la matrice C = 8 4 12.
1 2 0
0 0 1
2 3 7
4. Calculer le dterminant de la matrice D =
3 1 12
4 0 5
0 2 3
1 7 12
5. Calculer le dterminant de la matrice E =
0 3 1
0 4 0
est inversible ?
0
4
.
0
0
4
5
.
0
0
Correction.
1. La matrice A est inversible pour 6=
3
2
car det(A) = 3 2.
0 0 1 0
2 3 4
2 3 7 4
3 4
3
1
0
4. det(D) = det
= det
= 4 det
= 16.
1 0
3 1 12 0
4 0 0
4 0 5 0
0 2 3
4
2 3 4
1 7 12 5
= det 3 1 0 = 4 det 3 4 = 16.
5. det(E) = det
0 3 1
1 0
0
4 0 0
0 4 0
0
2
1
A=
5
8
8 0 0
9 0 3
Correction. Le dterminant ne change pas lorsque on ajoute une colonne une combinaison linaire des autres
P
colonnes. Si on ajoute la quatrime colonne la combinaison linaire 3i=1 104i Ci on obtient
2
0
0
1
2001
69
3
X
7 3 1073
37
4i
3 1
2 0
10 Ci + C4 = 10 + 10 + 10
0 + 0 = 5800 = 29 200
5
8
i=1
8
9
0
3
8903
307
G. Faccanoni
21
1 Matrices
donc
22
2
1
det(A) = det
5
8
0
0
8
9
0
7
0
0
29 69
29 37
29 200
29 307
G. Faccanoni
Systmes linaires
Dfinition Systme linaire
Soit n, p 1 des entiers. Un systme linaire n p est un ensemble de n quations linaires p inconnues de
la forme
a11 x1 + . . . + a1p xp = b1 ,
..
..
..
(S)
.
.
.
an1 x1 + . . . + anp xp = bn .
B Les coefficients aij et les secondes membres bi sont des lments donns de K. Les inconnues x1 , x2 , . . . , xp
sont chercher dans K.
B Le systme homogne associ (S) est le systme obtenu en remplaant les bi par 0.
B Une solution de (S) est un p-uplet (x1 , x2 , . . . , xp ) qui vrifie simultanment les n quations de (S). Rsoudre
(S) signifie chercher toutes les solutions.
B Un systme est impossible, ou incompatible, sil nadmet pas de solution. Un systme est possible, ou compatible, sil admet une ou plusieurs solutions.
B Deux systmes sont quivalents sils admettent les mmes solutions.
criture matricielle
Si on note
x1
..
x= .
xp
b1
b = ...
bn
a11
..
A= .
an1
...
...
a1p
..
.
anp
Partage de secrets
Comment envoyer un message secret avec plusieurs espions sans pour autant que ceux-ci ne connaissent le
contenu du message envoy ?
Typiquement, un message envoyer est un nombre entier (car, par codage, on peut remplacer un texte quelconque
par un nombre). Imaginons donc que lon dsire envoyer le nombre n. Considrons un polynme de degr k, par
exemple coefficients entiers, P(X ) = ak X k + + a1 X + n dont le terme indpendant vaut exactement n. En
particulier, on a P(0) = n. Un corollaire du thorme fondamental de lalgbre stipule que si deux polynmes
de degr k sont gaux en k + 1 points, alors ils sont gaux. Autrement dit, le polynme P est compltement
caractris par les valeurs quil prend par exemple aux entiers 1, 2, . . . , k + 1. On engage alors k + 1 espions
(voire un peu plus, si certains taient capturs par les ennemis). On donne au i-me espion le nombre P(i). Les
espions se dispersent (par exemple, pour passer les lignes ennemies). Une fois que k + 1 espions sont arrivs
23
2 Systmes linaires
destination, il est ais de reconstituer le polynme (on a un systme de k + 1 quations linaires pour retrouver
les k + 1 coefficients de P) et ainsi retrouver la valeur secrte n. Si un espion est captur et quil parle, les
ennemis auront leur disposition un des P(i), mais cela ne leur permet nullement de retrouver n. De mme, si
un espion taient en fait un agent double, connatre P(i) seul ne sert rien.
Source : http://michelrigo.wordpress.com/2010/01/30/partage-de-secrets-et-tfa/
Mthodes de rsolution
Autrement dit, un systme est chelonn si les coefficients non nuls des quations se prsentent avec une sorte
descalier marches de longueurs variables marquant la sparation entre une zone compose uniquement de zros
et une zone o les lignes situes droite de lescalier commencent par des termes non nuls, comme dans lexemple
suivant de 5 quations 6 inconnues :
5x1 x2 x3 +2x4
+x6 = b1
3x3 x4 +2x5
= b2
x5 +x6 = b3
5x6 = b4
0 = b5
Rduction
Quand un systme contient une quation du type
0x1 + + 0xp = b,
B si b 6= 0 le systme est impossible,
B si b = 0, on peut supprimer cette quation, ce qui conduit un systme quivalent (S) dit systme rduit.
La mthode du pivot de Gauss comporte n 1 tapes : chaque tape j on fait apparatre des 0 sur la colonne
j pour les lignes i > j par des oprations lmentaires sur les lignes.
tape j : en permutant ventuellement deux lignes de la matrice augmente (i.e. deux quations du systme
linaire), on peut supposer ajj 6= 0 (appel pivot de ltape j). On transforme alors toutes les lignes Li avec i > j
selon la rgle :
aij
Li Li
Lj ,
ajj
ainsi on fait apparatre des 0 sur la colonne j pour les lignes i > j (i.e. on limine linconnue xj dans chaque
lignes Li du systme linaire).
En ritrant le procd pour i de 1 n 1, on aboutit un systme chelonn.
24
G. Faccanoni
2 Systmes linaires
Exemple
Soit le systme linaire
1
4x1 +x2 +2x3 +3x4 = 4.
3
3
1
2x1 +3x2 +4x3 +x4 = 2 L4 L4 4L1
x2 2x3 7x4 = 0
tape 1
L3 L3 2L2
4x3 +4x4 = 0
4x3 +4x4 = 0
tape 2
tape 3
4x3 +36x4 = 0
40x4 = 0
donc, en rsolvant le systme triangulaire suprieur obtenu, on obtient
x4 = 0,
x3 = 0,
x2 = 0,
x1 = 1.
1
2
[A|b] =
3
4
donc
2
3
4
1
3
4
1
2
4
1
2
3
L2 L2 2L1
1
L3 L3 3L1
2
L4 L4 4L1
3 tape 1
4
1
0
0
0
2
1
2
7
1
L3 L3 2L2
L4 L4 7L2 0
0
tape 2
0
x4 = 0,
3
2
8
10
2
1
0
0
x3 = 0,
4
7
10
13
3
2
4
4
x2 = 0,
1
0
0
0
4
7
4
36
1
0
L4 L4 +L3
0 tape 3
0
1
0
0
0
2
1
0
0
3
2
4
0
4
7
4
40
1
0
0
0
x1 = 1.
Dfinition Rang
Le nombre dquations non triviales du systme rduit en escalier obtenu par la mthode de Gauss est le rang r
de la matrice A, ou du systme (S).
Thorme
Un systme Ax = b de m quations n inconnues est compatible si et seulement si rg(A) = rg([A|b]).
1. Si le systme a n quations et n inconnues, la matrice A est carre dordre n et 3 situations peuvent se
prsenter :
1.1. Si rg(A) = n (i.e. si det(A) 6= 0) alors rg(A) = rg([A|b]) et la solution est unique.
1.2. Si rg(A) = rg([A|b]) < n il y a une infinit de solutions.
1.3. Si rg(A) 6= rg([A|b]) il ny a pas de solution.
2. Si le systme a m quations et n inconnues avec m > n alors 3 situations peuvent se prsenter :
2.1. Si rg(A) = rg([A|b]) = n la solution est unique.
2.2. Si rg(A) = rg([A|b]) < n il y a une infinit de solutions.
2.3. Si rg(A) 6= rg([A|b]) il ny a pas de solution.
3. Si le systme a m quations et n inconnues avec m < n alors 2 situations peuvent se prsenter :
3.1. Si rg(A) = rg([A|b]) m < n il y a une infinit de solutions.
3.2. Si rg(A) 6= rg([A|b]) il ny a pas de solution.
G. Faccanoni
25
2 Systmes linaires
Remarque
Soit A Mn,p la matrice des coefficients du systme (S). Alors
0 rg(A) min { n, p }
rg(A) rg([A|b]) min { n, p + 1 } .
Exemple
On veut rsoudre les systmes linaires suivants de 2 quations et 2 inconnues :
(
(
x +y=1
x +y=1
2x + 2y = 2
x y=1
(
x +y=1
2x + 2y = 1
[A|b] =
1
2
1
2
1
2
1
2
1
1
et on a
rg(A) = rg([A|b]) = 2 donc il existe une et une seule solution. En effet,
(
(
x +y=1
x +y=1
L2 L2 L1
x y=1
2y = 0
ainsi la solution est y = 0 et x = 1 ;
rg(A) = rg([A|b]) = 1 donc il existe une infinit de solutions. En effet,
(
(
x +y=1
x +y=1
L2 L2 2L1
2x + 2y = 2
0=0
ainsi la solution est y = et x = 1 pour tout R ;
rg(A) = 1 et rg([A|b]) = 2 donc il ny a pas de solution. En effet
(
(
x +y=1
x +y=1
L2 L2 2L1
0 = 1
2x + 2y = 1
et la dernire quation est impossible.
Exemple
1. n quations et n inconnues :
1
2
3
12
3 7, b = 26. On a rg(A) = 3 (car det(A) 6= 0) donc rg(A) = rg([A|b]) et la solution est
1.1. A = 1
6
4
2
4
unique.
1
2
3
14
1.2. A = 1 3 7, b = 26. On a rg(A) = rg([A|b]) = 2 < 3 donc il y a une infinit de solutions.
3 2 7
22
1
2
3
14
1.3. A = 1 3 7, b = 26. On a rg(A) = 2 6= rg([A|b]) = 3 donc il ny a pas de solution.
3 2 7
20
2. m quations et
2
2.1. A = 2
1
2
1
2.2. A =
0
2
26
4
4
3, b = 18. On a rg(A) = rg([A|b]) = 2 donc la solution est unique.
4
14
2
2
6
0
2
3
, b = . On a rg(A) = rg([A|b]) = 2 < 3 donc il y a une infinit de solutions.
3
1 4
3
2
3
G. Faccanoni
2 Systmes linaires
2
1
2.3. A =
0
2
6
2
3
, b = 0 . On a rg(A) = 2 6= rg([A|b]) = 3 donc il ny a pas de solution.
4
4
3
2
2
2
1
3
Mthode de Gauss-Jordan
Soit A = (aij )1in la matrice des coefficients du systme (S) et [A|b] la matrice augmente.
1jp
Dans cette variante de la mthode du pivot de Gauss, chaque tape on fait apparatre des zros la fois
au-dessus et en-dessous du pivot.
tape j : en permutant ventuellement deux lignes de la matrice augmente, on peut supposer ajj 6= 0. On
transforme alors toutes les lignes Li avec i 6= j selon la rgle
Li Li
aij
Lj
ajj
Exemple
Rsoudre le systme linaire
1
2
3
4
2
3
4
1
3
4
1
2
4
x1
1
x2 2
1
=
2 x3 3
3
x4
4
1
2
[A|b] =
3
4
2
3
4
1
3
4
1
2
4
1
2
3
L2 L2 2L1
1
L3 L3 3L1
2
L4 L4 4L1
3 tape 1
4
donc
1
0
0
0
2
3
4
1 2
7
2 8 10
7 10 13
L1 L1 L3 /4
1
0
0
L2 L2 L3 /2
0 1 0
L4 L4 +L3
0 0
4
tape 3
0 0
0
x1 = 1,
x2 = 0,
L1 L1 +2L2
1 0
1
L3 L3 2L2
0
1
L4 L4 7L2 0
0 tape 2 0
0
0
0
0
L1 L1 +11L4 /40
4
1
L2 L2 +9L4 /40
7 0
L3 L3 +4L4 /40
4
0
tape 4
40 0
x3 = 0,
1
2
4
4
1
0
0
0
10
7
4
36
0
1
0
0
0
0
4
0
1
0
0
0
0
0
0
40
1
0
0
0
x4 = 0.
Proprit
Considrons un systme carr dordre n coefficients rels. Le systme est de Cramer si une des conditions
quivalentes suivantes est remplie :
1. A est inversible ;
2. rg(A) = n ;
3. le systme homogne Ax = 0 admet seulement la solution nulle.
G. Faccanoni
27
2 Systmes linaires
Mthode de Cramer
La solution dun systme de Cramer dcriture matricielle Ax = b est donne par
xj =
det(Aj )
,
det(A)
1jn
o Aj est la matrice obtenue partir de A en remplaant la j-me colonne par la colonne des seconds membres b.
Cette formule est cependant dune utilit pratique limite cause du calcul des dterminants qui est trs couteux.
a11
a21
a12
a22
x1
b1
=
x2
b2
donc
x1 =
b1 a22 a12 b2
,
a11 a22 a12 a21
x2 =
a11 b2 b1 a21
.
a11 a22 a12 a21
Exemple
On veut rsoudre le systme linaire
1
2
3
1
1
2
2
2
x
0 y = 1
1
0
z
1
A = 2
3
2
A1 = 1
1
1
A2 = 2
3
1
A3 = 2
3
2
0 ,
0
1 2
1
0 ,
2
0
2
2
1 0 ,
1
0
1
2
1
1 ,
2
1
1
1
2
det(A) = 2,
det(A1 ) = 6,
det(A2 ) = 10,
det(A3 ) = 10,
donc
x=
28
6
= 3,
2
y=
10
= 5,
2
z=
10
= 5.
2
G. Faccanoni
2 Systmes linaires
Exemple
Soit A =
a
c
b
d
. Alors la matrice des cofacteurs de A est la matrice
d
b
c
.
a
Calcul de A1
A tant inversible, pour obtenir A1 il suffit de rsoudre le systme Ax = b qui admet pour solution x = A1 b.
On peut alors calculer A1 en rsolvant n systmes linaires de termes sources (1, 0, 0, . . . , 0), (0, 1, 0, . . . , 0), . . . ,
(0, 0, 0, . . . , 1). Les mthodes suivantes rsolvent ces n systmes linaires simultanment.
Premire mthode.
1. On calcul la matrice des cofacteurs des lments de A, appele comatrice de A ;
2. on transpose la comatrice de A ;
3. on divise par det(A).
Cette mthode est quasi-impraticable ds que n > 3.
Deuxime mthode.
La matrice A est inversible si et seulement si on obtient par oprations lmentaires sur les lignes de
A une matrice triangulaire sans zros sur la diagonale ; non inversible si et seulement si on obtient une
matrice triangulaire avec un zro sur la diagonale. Si A est inversible, on effectue les mmes oprations sur
la matrice [A|In ] jusqu obtenir [In |A1 ] :
[A|In ] [In |A1 ].
Oprations lmentaires
Exemple
a b
avec det(A) = ad bc 6= 0.
c d
Premire mthode : on a dj calcul le dterminant de cette matrice ainsi que la matrice des cofacteurs, il suffit alors de
calculer la transpose et on obtient
1
d b
A1 =
.
a
ad bc c
Soit A =
c d 0 1
0 d ac b ac 1
L1 L1
b
cb
d a
ab L
L2 =L1 adbc
2
a
0
L1 1
a L1
a
L2 1c L2 = adcb
L2
d
bc
1 + adbc
ac
0
d ac b
1
0
0
1
1
a
bc
+ a(adbc)
c
adcb
ab
adbc
1
ab
adbc
a
adcb
=
1
0
0
1
d
adbc
c
adcb
b
adbc
a
adcb
Exemple
Calculer linverse de la matrice
1
A = 1
1
1
1
1
1
1 .
1
Premire mthode.
G. Faccanoni
29
2 Systmes linaires
1
1
1+2 1
1+1 1
(1)
1
(1)
1
1 1
1 1
1
2+1 1
(1)2+2
comatrice =
1 1
(1)
1 1
1
1
1
1
(1)3+2
(1)3+1
1 1
1
1
2. on transpose la comatrice de A :
2
comatrice = 2
0
T
2
1
2
=
4
0
0
2
2
0
2
2
1/2
2
0 = 1/2
0
2
comatrice de A :
1
1+3 1
(1)
1
2
1
2+3 1
0
=
(1)
1 1
2
1
3+3 1
(1)
1 1
2
2
0
0
2 ;
2
2
0 ;
2
0
1/2
1/2
1/2
0 .
1/2
Deuxime mthode.
1
1 1
1
L2 L2 +L1
0
L3 L3 L1
2
0
1
0
0
1
0 2 2
1
1
1
1
1
0 0
L1 L1 L2
1
L2 L2 /2
L3 L3 +2L2
1/2
1/2
0
1
0
0 0
0 2
2
1 0 1
0
1 0 1 1/2 1/2 0
L1 L1 +L3
L3 L3 /2
1/2
1/2
0
0
0 1
1
1
0 0
1
0
/2
/2
1
[A|I3 ] = 1
1
1
1
1
1
1
1
1
0
0
0
1
0
1
0
0
1
0
0
1
0
1
0
0
1
0
2
0
1
0
1/2
1/2
1/2
1
1/2
0
0
0
1
1/2
1/2
0
1/2
1/2
0
1
1/2
1
0 = [I3 |A ].
1/2
Astuce
Pour rsoudre un systme (S) de m quations n inconnues o m > n on considre un sous-systme carr (S 0 )
de n quations n inconnues et on rsout ce systme :
B si (S 0 ) nadmet pas de solution, alors (S) non plus ;
B si (S 0 ) admet une unique solution (c1 , c2 , . . . , cn ), alors on vrifie si cette solution vrifie les autres m n
quations du systme (S) :
B si oui, alors (S) admet lunique solution (c1 , c2 , . . . , cn ),
B si non, alors (S) nadmet pas de solution ;
B si (S 0 ) admet une infinit de solutions, on cherche parmi ces solutions celles qui vrifient galement les autres
quations de (S).
30
G. Faccanoni
2 Systmes linaires
x1 + 2x2 x3 = 2
x1 + x2 + 3x3 = 12
x1 2x2 3x3 = 6
2x1 x2 + 2x3 = 8
x1 + 4x2 + 4x3 = 3
4x1 + x2 4x3 = 15
Correction.
2u4v+3w=1
2v w=1
u +v3w=6
x1 +2x2 x3 = 2, L2 L2 L1 x1 +2x2 x3 = 2,
x1 +2x2 x3 = 2,
L3 L3 L1
L3 L3 +L2 /2
x1 2x2 3x3 = 6,
4x2 2x3 = 8,
4x2 2x3 = 8,
x1 +4x2 +4x3 = 3.
2x2 +5x3 = 1.
4x3 = 3.
donc x3 =
3
4 ,
x2 =
19
8
et x1 =
7
2 .
x1 +x2 +3x3 = 12
x1 +x2 +3x3 = 12 L2 L2 +2L1 x1 +x2 +3x3 = 12
L3 L3 5L2
L3 L3 +4L1
x2 +8x3 = 16
x2 +8x3 = 16
2x1 x2 +2x3 = 8
5x2 +8x3 = 63
4x1 +x2 4x3 = 15
32x3 = 17
donc x3 =
17
32 ,
x2 =
47
4
et x1 =
43
32 .
2u4v+3w=1
2u4v +3w=1
2u4v+3w=1
L3 L3 +L1 /2
L3 L3 +L2 /2
2v w=1
2v w=1
2v w=1
u +v3w=6
2w=6
v 32 w=13/2
donc w = 3, v = 2 et u = 1.
Exercice 2.2
Rsoudre le systme linaire
Correction.
2x y
+4t=2
2x+3y+3z+2t=14
x+2y +z +t=7
x
z +t=1
2xy
+4t=2
2x y
+4t=2 L2 L2 +L1
L3 L3 +L1 /2
2y+3z+6t=16
2x+3y+3z+2t=14 L4 L4 L1 /2
3
x+2y +z +t=7
2 y +z+3t=8
1
x
z +t=1
2 y z t=2
2xy
+4t=2
2xy
+4t=2
L3 L3 3L2 /4
45 z 32 t=4
54 z 32 t=4
7
5
4 z 2 t=6
25 t= 52
donc t = 4, z = 2, y = 2 et x = 0.
G. Faccanoni
31
2 Systmes linaires
Exercice 2.3
Soit le systme linaire
6
2
1
1
x1
12
0 x2 = 0 .
6
x3
6
1
4
2
Correction.
6 1 1
[A|b] = 2 4 0
1 2 6
donc
L2 L2 2 L1
6
6
12
L3 L3 61 L1
0
0
6
0
6x1 + x2 + x3 = 12,
1
11
3 x2 3 x3 = 4
6x3 = 6
1
11
3
11
6
11
6 L
12
6
L3 L3 11
2
3
4
0
0
4
1
13
35
6
x3 = 1,
x2 = 1,
1
31
6
12
4
6
2
1
0
0
3
2
4
0
4
7
4
40
1
11
3
x1 = 2.
Exercice 2.4
Rsoudre le systme linaire
1
2
3
4
2
3
4
1
3
4
1
2
x1
4
10
x2 10
1
= .
2 x3 10
3
x4
10
Correction.
1 2 3 4
2 3 4 1
[A|b] =
3 4 1 2
4 1 2 3
L2 L2 2L1
10
L3 L3 3L1
10
L4 L4 4L1
10
10
1
0
0
0
2
1
2
7
1 2
L3 L3 2L2
0
1
L4 L4 7L2
0 0
0 0
donc
x 2x 7x = 10
2
3
4
4x3 + 4x4 = 0
40x4 = 40
3
2
8
10
3
2
4
4
4
7
10
13
4
7
4
36
10
10
20
30
10
10
L4 L4 +L3
0
40
x4 = 1,
x3 = 1,
1
0
0
0
x2 = 1,
10
10
0
40
x1 = 1.
Exercice 2.5
Rsoudre le systme linaire
32
2x y +z=0
x2y +z=0
x +y2z=0
G. Faccanoni
Correction.
2 Systmes linaires
3/2y3/2z=0
x +y2z=0
0z=0
donc z = R, y = z et x = z.
Exercice 2.6
Soit le systme linaire
(S)
2x1 x2 3x3 = 0,
x1 + 2x3 = 0,
2x1 3x2 x3 = 0.
Correction.
2x1 x2 3x3 = 0,
x1 + 2x3 = 0,
2x1 3x2 x3 = 0.
2x1 x2 3x3 = 0,
1/2x2 + 1/2x3 = 0,
2x2 + 2x3 = 0,
L2 L2 +L1 /2
L3 L3 L1
2x1 x2 3x3 = 0,
L3 L3 4L2
1/2x2 + 1/2x3 = 0,
0 = 0,
Le systme est compatible car le rang du systme est 2 infrieur au nombre dinconnues 3 et la solution nest pas
unique car rg(S) < 3. Il admet une infinit de solutions de la forme (2, , ), R.
Exercice 2.7
Trouver toutes les solutions du systme linaire homogne
3x1 + x2 + 2x3 = 0,
(S)
2x1 + 2x3 = 0,
Correction.
Le systme tant homogne, il est inutile dcrire le terme source dans la mthode du pivot de Gauss :
3
A = 2
11
1 2 L2 L2 2L1 /3
3
L3 L3 11L1 /3
0 2 0
6 5
0
1
2
3
L3 L3 +7L2 /2
2/3 2/3 0
7/3
7/3
0
1
2/3
0
2
2/3
0
G. Faccanoni
33
2 Systmes linaires
Correction.
7m + 12a + 6i = 8,
11m + 6a + 10i = 9,
L2 11
7 L1
7m+12a +6i=8, LL2 L
7m+12a +6i=8,
7m+12a +6i=8,
2
11
L
L
L
3
3
2
3
3 7 L1
9
4
25
4
25
a
+
i=
,
11m +6a+10i=9,
90
90
7
7
7
7 a+ 7 i= 7 ,
32
10
20
20
40
11m+16a+14i=14,
7 a+ 7 i= 7 ,
9 i= 9 ,
qui admet lunique solution (0.2, 0.3, 0.5).
Une autre interprtation est la suivante : il sagit de trouver les trois coefficients m, a, i [0; 1] tels que
7m + 12a + 6i = 8(m + a + i)
11m + 6a + 10i = 9(m + a + i),
L2 11
7 L1
m
+4a2i=0,
m+4a2i=0, LL2 L
m+4a2i=0,
11
2
L3 L3 L2
3
3 7 L1
2m3a +i=0,
5a3i=0, 9
5a3i=0,
3m+2a
=0,
10a+6i=0,
0=0,
qui admet une infinit de solutions de la forme (2, 3, 5) avec [0; 1/5].
s
0.4 0.5 0.6 0.7
500 400 1000
m
c
v = a
e
1. Pour produire s manteaux taille S, m manteaux taille M, ` manteaux taille L et x manteaux taille XL, lentreprise
doit commander c mtres de coton, a mtres de polyamide et e mtres de polyester o c, a, e sont les entres
du vecteur v suivant :
34
G. Faccanoni
2 Systmes linaires
100000
100000 = BAu,
20000
i.e. sil existe une solution du systme linaire
2100
2350
800
2390
2680
910
s
2680 2970
100000
m
3010 3340
` = 100000 .
1020 1130
20000
x
2100
0
0
2390
2680
115
21
230
21
s
100000
2970
m
115
250000
21
7
` = 440000
0
23
x
x + y z = 1,
2x + 3y + z = 3,
x + y + 3z = 3.
1
2
1
1
3
L2 L2 2L1
1
1
L3 L3 L1
3
0
3
0
1
1
1
1
+2
4
1
1 1
L3 L3 +(1)L2
1 0 1
4
0 0
1
+2
(6 2 )
1
.
1
(3 + )
2x1 x2 = ,
x1 x2 x3 = 0,
x1 x2 + x3 = .
G. Faccanoni
35
2 Systmes linaires
Correction.
2 1 0
1 1 1
1
L2 L2 L1 /2
2
L3 L3 L1 /2
0 0
1
1/2
+ 1/2
0
1
2
L3 L3 +(12)L2
/2 0
/2
0
1
1/2
0
0
1
3 1
/2 .
2
On conclut que
1. si =
2. si 6=
1
3
1
3
(21)
31 ,
2
31 ,
x2 =
/2+x3
1/2
(1)
31
et x1 =
3
1
a7
2
5 .
6
+x2
2
3. il nexiste aucune valeur de pour que (S) possde une infinit de solutions.
x + 2y + 3z = 2,
x y + 2z = 7,
3x + az = 10.
Correction.
Si on utilise la
1 2 3
[A|b] = 1 1 2
3 0 a
L2 L2 L1
1 2
3
2
L3 L3 3L1
7 0 3
1
10
0 6 a 9
1
2
L3 L3 2L2
5 0
4
0
2
3
0
On a ainsi transform le systme linaire initial dans le systme linaire triangulaire suprieur quivalent
x + 2y + 3z = 2,
3y z = 5,
(a 7)z = 6.
Par consquent,
B si a 6= 7, z =
6
5+z
5a 41
2(8a 35)
,y=
=
et x = 2 2y 3z =
est lunique solution du systme
a7
3
3(a 7)
3(a 7)
linaire ;
B si a = 7 il ny a pas de solutions du systme linaire.
Observons que si on ne veut pas calculer la solution mais juste dire sil en existe une (ou plusieurs), il suffit de
regarder le (
rang des matrices A et [A|b] :
3 si a 6= 7
B rg(A) =
car det(A) = 213a et det(A33 ) 6= 0 o A33 est la sous-matrice de A obtenue en supprimant
2 si a = 7
la 3-me ligne et la 3-me
;
1 2 colonne
1 2 2
2
B rg([A|b]) = 3 car det 1 1 7 6= 0 o 1 1 7 est la sous-matrice de [A|b] obtenue en supprimant la 3-me
3 0 10
3 0 10
colonne.
x y + 2z = 7,
x + 2y + 3z = 2,
3x + az = 10.
36
G. Faccanoni
2 Systmes linaires
Correction.
1
1
3
1
2
0
2
3
a
L2 L2 L1
7
1 1
L3 L3 3L1
2
0 3
10
0 3
2
1
a6
7
1
L3 L3 L2
5
0
11
0
1
3
0
2
1
a7
7
5 .
6
On a ainsi transform le systme linaire initial dans le systme linaire triangulaire suprieur quivalent
x y + 2z = 7,
3y + z = 5,
(a 7)z = 6.
Par consquent,
B si a 6= 7, z =
6
5 z
5a + 41
2(8a 35)
,y=
=
et x = 7 y 2z =
est lunique solution du systme
a7
3
3(a 7)
3(a 7)
linaire ;
B si a = 7 il ny a pas de solutions du systme linaire.
Observons que si on ne veut pas calculer la solution mais juste dire sil en existe une (ou plusieurs), il suffit de
regarder le (
rang des matrices A et [A|b] :
3 si a 6= 7
car det(A) = 3a21 et det(A33 ) 6= 0 o A33 est la sous-matrice de A obtenue en supprimant
B rg(A) =
2 si a = 7
la 3-me ligne et la 3-me
;
1 2 colonne
1 1 2
2
B rg([A|b]) = 3 car det 1 1 7 6= 0 o 1 2 7 est la sous-matrice de [A|b]A obtenue en supprimant la 3-me
3 0 10
3 0 10
colonne.
x + z + w = 0,
ax + y + (a 1)z + w = 0,
2x + ay + z + 2w = 0,
x y + 2z + aw = 0.
L2 L2 aL1
1 0
1
1
1 0
L3 L3 2L1
a 1 a 1 1 L4 L4 L1 0 1
0 a
2 a
1
2
1 1
2
a
0 1
1
L3 L3 aL2
1a
L4 L4 +L2
0
a1
1 0
0 1
0 0
0 0
1
1
a1
0
1
1a
.
a(a 1)
0
On a ainsi transform le systme linaire initial dans le systme linaire triangulaire suprieur quivalent
x + z + w = 0,
y z + (1 a)w = 0,
0 = 0.
Par consquent, si on pose w = 1 R une constante relle quelconque, alors
B si a 6= 1, z = a(a1)w
= a1 , y = (1 a)w + z = 1 et x = w z = (a 1)1 : tous les vecteurs de
a1
Vect { (a 1, 1, a, 1) } sont solution du systme linaire ;
B si a = 1, on pose z = 2 R une constante relle quelconque et on a y = (1 a)w + z = (1 a)1 + 2 et
x = w z = 1 2 : tous les vecteurs de Vect { (1, 1, 1, 0), (1, 0, 0, 1) } sont solution du systme linaire.
G. Faccanoni
37
2 Systmes linaires
x + z + w = 0,
(b + 1)x + y + bz + w = 0,
2x + (b + 1)y + z + 2w = 0,
x y + 2z + (b + 1)w = 0.
Correction. Il sagit dun systme homogne, il est alors inutile dcrire le terme source dans la mthode du pivot
de Gauss. En appliquant cette mthode on obtient
L2 L2 (b+1)L1
1
0
1
1
1
0
1
1
1 0 1
1
L3 L3 (b+1)L2
L3 L3 2L1
b+1
0
0 1 1
1
b
1
1
1 b
b
L4 L4 L1
L4 L4 +L2
.
2
b+1 1
2
0 b + 1 1 0
0 0 b b(b + 1)
1
1
2 b+1
0
1
1
b
0 0 0
0
On a ainsi transform le systme linaire initial dans le systme linaire triangulaire suprieur quivalent
x + z + w = 0,
y z bw = 0,
bz + b(b + 1)w = 0,
0 = 0.
Par consquent, si on pose w = 1 R une constante relle quelconque, alors
= (b + 1)1 , y = bw + z = 1 et x = w z = b1 : tous les vecteurs de
B si b 6= 0, z = b(b+1)w
b
Vect { (b + 1, 1, b + 1, 1) } sont solution du systme linaire ;
B si b = 0, on pose z = 2 R une constante relle quelconque et on a y = bw + z = 2 et x = w z = 1 2 :
tous les vecteurs de Vect { (1, 1, 1, 0), (1, 0, 0, 1) } sont solution du systme linaire.
Exercice 2.16
Discuter et rsoudre le systme
(
(Sm )
dinconnues x, y R et de paramtre m R.
Correction.
On a
si m R \ 12 , 0, 12 ,
si m 12 , 0, 21 .
38
G. Faccanoni
2 Systmes linaires
B si m 12 , 0, 21 il faut tudier chaque cas sparment sachant que
B si rg(A) = rg([A|b]) = 1, comme on a deux inconnues alors il y a une infinit de solution,
B si rg(A) = 1 et rg([A|b]) = 2, alors le systme nas pas de solutions.
tudions donc chaque cas :
B tude du cas m = 12 . Le systme scrit
(
(
x R,
4y = 0,
(S1/2 )
y = 0.
3y = 0,
B tude du cas m = 0. Le systme scrit
(
x + y = 1,
(S0 )
x y = 1,
B tude du cas m = 12 . Le systme scrit
(
(S1/2 )
(
y R,
x = 1 + y.
0 = 4,
2x + y = 0,
{ (x, 0) | x R }
{ (1 + y, y) | y R }
S =
n
o
,
2m1
2m1
si m = 1/2,
si m = 0,
si m = 1/2,
sinon.
Exercice 2.17
Discuter et rsoudre le systme
(Sa )
(1 + a)x + y + z = 0,
x + (1 + a)y + z = 0,
x + y + (1 + a)z = 0,
Correction. Comme le systme contient un paramtre, on commence par calculer le dterminant de la matrice
associe :
1 + a
1
1
1
1+a
1 = (1 + a)3 + 1 + 1 (1 + a) (1 + a) (1 + a) = (1 + a)3 3(1 + a) + 2
1
1
1 + a
= (1 + a) 1 (1 + a)2 + (1 + a) 2 = (1 + a) 1 (1 + a) + 2 (1 + a) 1 = a2 (3 + a).
Le systme est de Cramer si et seulement si ce dterminant est non nul, donc
(Sa ) est de Cramer si et seulement a R \ { 3, 0 } .
Notons S lensemble des solutions.
G. Faccanoni
39
2 Systmes linaires
2x + y + z = 0,
x 2y + z = 0,
x + y 2z = 0,
(S3 )
3
3
x y2z=0
0z=0
2 y 2 z=0
donc z = R, y = z et x = z, ainsi
S = { (, , ) | R } .
x + y + z = 0,
x + y + z = 0,
x + y + z = 0,
(S0 )
donc z = 1 R, y = 2 R et x = 1 2 , ainsi
S = (1 2 , 2 , 1 ) (1 , 2 ) R2 .
B tude du cas a R \ { 3, 0 }. Il sagit dun systme de Cramer homogne, donc lunique solution est (0, 0, 0) :
S = { (0, 0, 0) } .
Exercice 2.18
Discuter et rsoudre le systme
(Sa )
x + ay + (a 1)z = 0,
3x + 2y + az = 3,
(a 1)x + ay + (a + 1)z = a,
Correction. Comme le systme contient un paramtre, on commence par calculer le dterminant de la matrice
associe :
1
a a 1
3
2
a = 2(a + 1) + a2 (a 1) + 3a(a 1) 2(a 1)2 a2 3a(a + 1) = a2 (a 4).
a 1 a a + 1
Le systme est de Cramer si et seulement si ce dterminant est non nul, donc
(Sa ) est de Cramer si et seulement a R \ { 0, 4 } .
Notons S lensemble des solutions.
B tude du cas a = 0. Le systme scrit
(S0 )
donc z = R, y =
33
2
et x = , ainsi
S=
40
x z = 0,
3x + 2y = 3,
x + z = 0,
3 3
,
2
R .
G. Faccanoni
2 Systmes linaires
x + 4y + 3z = 0,
3x + 2y + 4z = 3,
3x + 4y + 5z = 4,
3x+4y+5z=4,
8y4z=4,
0=16.
La dernire quation est impossible donc
S = .
x
L3 L3 (a1)L1
3x +2y
+az=3,
(2 3a)y +(3 2a)z=3,
(2 a)ay+(3 a)az=a,
(a 1)x+ay+(a + 1)z=a,
x
+ay +(a 1)z=0,
(2a)a
L2
L3 L3 (23a)
(2
3a)y+(3
2a)z=3,
a2 (a4)
4a
.
3a2 z= 3a2
4
a6
On obtient z = a(a4)
, y = a(a4)
,x=
S =
a2 2a4
a(a4) ,
ainsi
a2 2a 4
a6
4
,
,
a(a 4)
a(a 4) a(a 4)
.
Exercice 2.19
Vrai ou faux ?
Un systme linaire de 4 quations 3 inconnues dont les secondes membres sont nuls na que la solution
nulle.
Un systme linaire de 3 quations 4 inconnues dont les secondes membres sont nuls a des solutions non
nulles.
Correction.
Faux. Contrexemple : un systme linaire o toutes les quations sont identiques.
Vrai : rg(A) 3, rg([A|b]) 3 ; comme les secondes membres sont nuls alors rg([A|b]) = rg(A) donc il admet
forcement des solutions ; comme il y a 4 inconnues, alors on a une infinit de solutions.
Exercice 2.20
Rsoudre le systme
(S)
(
2x + y + z = 0,
x 2y + z = 0,
dinconnue (x, y, z) R3 .
Correction.
2x + y + z = 0,
3y + 3z = 0,
G. Faccanoni
41
2 Systmes linaires
Exercice 2.21
Trouver toutes les solutions du systme linaire homogne
x1 + x2 + 3x3 + x4 = 0,
(S)
x1 + 3x2 + 2x3 + 4x4 = 0,
2x1 + x3 x4 = 0.
Correction.
Le systme tant homogne, il est inutile dcrire le terme source dans la mthode du pivot de Gauss :
L2 L2 L1
1 1 3 1
1 1
3
1
1 1 3 1
L3 L3 2L1
L3 L3 +L2
A = 1 3 2 4
0 2 1 3
0 2 1 3
2 0 1 1
0 2 5 3
0 0 6 0
Exercice 2.22
Soit le systme linaire
(
(S)
x1 + x2 2x3 + 4x4 = 6,
3x1 3x2 + 6x3 12x4 = b.
x1 + x2 2x3 + 4x4 = 6,
0 = b + 18.
Exercice 2.23
Rsoudre le systme
(S)
x + y + z = 3,
x + 2y + 3z = 6,
x y + 2z = 0,
3x + 2y 4z = 1,
dinconnue (x, y, z) R3 .
Correction.
x + y + z = 3,
0
(S )
x + 2y + 3z = 6,
x y + 2z = 0,
x y+2z=0,
3z=3,
qui admet lunique solution (1, 1, 1). On tudie alors si elle est aussi solution de lquation de (S) qui napparat pas
dans (S 0 ) : pour (x, y, z) = (1, 1, 1) on a 3x + 2y 4z = 1 donc le triplet (1, 1, 1) est solution de (S) et cest lunique.
42
G. Faccanoni
2 Systmes linaires
Exercice 2.24
Rsoudre le systme
(S)
Correction.
x + 2y + z = 1,
2x + y z = 1,
x + y + 2z = 2,
x + y + z = 4.
x + 2y + z = 1,
2x + y z = 1,
x + y + 2z = 2,
x +y+2z=2,
3y+3z=3,
0=0,
qui admet une infinit de solutions de la forme (1 + , 1 , ) pour R. Cherchons parmi ces solutions celles
qui vrifient lquation de (S) qui napparat pas dans (S 0 ) : pour (x, y, z) = (1 + , 1 , ) on a x + y + z =
1 + 1 + = donc x + y + z = 4 si et seulement si = 4 ainsi (S) admet lunique solution (5, 5, 4).
x 2y + 2z = 0,
2x + y 2z = 0,
(S)
3x + 4y 6z = 0,
3x 11y + 12z = 0.
Correction.
x 2y + 2z = 0,
2x + y 2z = 0,
3x + 4y 6z = 0,
10y12z=0,
3x+4y6z=0,
x2y+2z=0,
L3 L3 2L2
5y6z=0,
0=0,
qui admet une infinit de solutions de la forme (2, 6, 5) pour R. Cherchons parmi ces solutions celles
qui vrifient lquation de (S) qui napparat pas dans (S 0 ) : pour (x, y, z) = (2, 6, 5) on a 3x 11y + 12z =
6 66 + 60 = 0 donc 3x 11y + 12z = 0 pour tout R ainsi (S) admet une infinit de solutions de la forme
(2, 6, 5) pour R.
G. Faccanoni
43
2 Systmes linaires
Calculer A1
4
o A est la matrice
2
1
2.
1
0
1
0
Correction.
1
[A|I3 ] = 4
2
0
1
0
1
2
1
1
0
0
L1 L1
L2 L2
L3 L3
0
1
0
L1 L1
L2 L2 4L1
0
1
L3 L3 +2L1
0
0
1
0
1 0 1
0 1 2
0 0 1
0 1 1 0 0
1 2 4 1 0
0 1 2 0 1
L1 L1 L3
L2 L2 2L3
0 0
1 0 0
L3 L3
1 0
0 1 0
0 1
0 0 1
1
4
2
1
0
2
0
1
0
1
2 = [I3 |A1 ].
1
1
o A est la matrice 0
2
0
1
0
1
2.
1
Correction.
1
[A|I3 ] = 0
2
0
1
0
1
2
1
1
0
0
L1 L1
L2 L2
0
L3 L3 2L1
0
1
L1 L1
L2 L2
1 0 1
L3 L3
0 1 2
0 0 1
0
1
0
1 0
0 1
0 0
1
0
2
1
2
1
1 0 0
0 1 0
2 0 1
L1 L1 +L3
1
4
2
L2 L2 +2L3
0 0
1 0 0
L3 L3
1 0
0 1 0
0 1
0 0 1
0 1
1 2 = [I3 |A1 ].
0 1
Exercice 2.28
Calculer les inverses des matrices suivantes (si elles existent) :
1 5
3
2 3
1 ,
A=
,
B = 2 11
4 5
2 9 11
1 5 3
1 .
C = 2 11
1 4 10
Correction.
det(A) = 22 6= 0 donc A est inversible et on trouve
A
1
=
22
5 3
.
4 2
130
1
24
=
2
4
28 38
5 7 .
1
1
44
G. Faccanoni
2 Systmes linaires
1 0
1 1
A=
1 2
1 2
0
1
1
0
1
1
.
2
2
1. Calculer det(A).
2. Si det(A) 6= 0, calculer A1 .
Correction.
1. Pour calculer le dterminant de la matrice A on dveloppe par rapport la premire ligne
1 1 1
1 1 1
det(A) = 1 det(A11 ) 0 det(A12 ) + 0 det(A13 ) (1) det(A14 ) = det 2 1 2 + det 1 2 1 .
2 0 2
12 0
On note que la premire colonne de la sous-matrice A11 est loppose de la deuxime colonne, ainsi le dterminant de A11 est nul et il ne reste plus qu calculer le dterminant de A14 (par exemple en utilisant la rgle
de Sarrus).
1 1 1
det(A) = 0 + det 1 2 1 = 1.
12 0
L2 L2 L1
1 0 0 1 1 0 0 0
1 0 0
L3 L3 L1
1 1 1 1 0 1 0 0 L4 L4 L1 0 1 1
[A|I4 ] =
1 2 1 2 0 0 1 0 0 2 1
1 2 0 2 0 0 0 1
0 2 0
L
L
L1 L1
1
1
1
1 0 0 1 1
0 0 0
L2 L2 +L3
L3 L3 2L2
L4 L4 2L3 0
0
1
1
0
1
1
0
0
L4 L4 2L2
0 0 1 1 1 2 1 0 0
0 0 2 1 1 2 0 1
0
L1 L1 +L4
1 0 0
L2 L2 +L4
0 1 0
L3 L3 +L4
0 0 1
0 0 0
Mthode de Cramer
B On calcule la matrice des cofacteurs
1
1 1 1
+ 2 1 2 1
1
2 0 2
0 0 1
1
2 1 2 + 1
2 0 2
1
comatrice =
1
0 0 1
+ 1 1 1 1
1
2 0 2
0 0 1
1
1 1 1 + 1
2 1 2
1
des lments de
1
1 1
1 2 + 1
1
0 2
1
0 1
1 2 1
1
0 2
1
0 1
1 1 + 1
1
0 2
1
0 1
1 1 1
1
1 2
1
0
1
1
1
1
1
1
0 0
1 0
0 1
0 0
0
0
0
1
0
1
0
1
0 0 0
1 0 0
0 1 0
0 0 1
0
0 0
1 1 0
2 1 0
2 2 1
2 2 1
1 1 1
= [I4 |A1 ].
0 1 1
2 2 1
1
1
1
1
1
0
1
1
A, appele comatrice de A :
1 1 1
1 1
2 2 1 2 1
1 2 0
2 2
0 1
1 0 0
2 2 + 1 2 1
2 2
1 2 0 2
=
2
1 0 0
0 1
1
1 1 1 1 1
2 2
1 2 0
0 1
1 0 0
1 1 + 1 1 1
1 2 1
2 2
1
1
1
1
0
0
1
1
1
2
;
2
1
B on transpose la comatrice de A :
0 2
1 1
T
comatrice =
0 0
1 2
G. Faccanoni
2 1
1 1
;
1 1
2 1
45
2 Systmes linaires
A1
0 2
1 1
=
0 0
1 2
2 1
1 1
.
1 1
2 1
1
0
A=
0
1
1
1
1
1
1
2
1
2
1
2
.
0
2
1. Calculer det(A).
2. Si det(A) 6= 0, calculer A1 .
Correction.
1. Pour calculer le dterminant de la matrice A on dveloppe par rapport la premire colonne
1 2 2
det(A) = 1 det(A11 ) 0 det(A21 ) + 0 det(A31 ) (1) det(A41 ) = det 1 1 0 + det
1 2 2
1 1 1
1 2 2
1 1 0
On note que la premire ligne de la sous-matrice A11 est loppose de la deuxime ligne, ainsi le dterminant
de A11 est nul et il ne reste plus qu calculer le dterminant de A41 (par exemple en utilisant la rgle de
Sarrus).
1 1 1
det(A) = 0 + det 1 2 2 = 1.
1 1 0
L2 L2
1 1
1
1
1
1 1 0 0 0
L3 L3
0
L4 L4 +L1 0 1
1
2
2
0
1
0
0
[A|I4 ] =
0 1 1 0 0 0 1 0 0 1
1 1 2 2 0 0 0 1
0 0
L1 L1 +L3
L1 L1 L2
1
1 0 1 1 1 1 0 0
L2 L2 2L3
L3 L3 +L2
L4 L4 +L3 0
0 1 2
2
0
1
0
0
L4 L4
0
0 0 1
2 0 1 1 0
0 0 1 1 1 0 0 1
0
L1 L1 L4
1 0 0 0
L2 L2 +2L4
0 1 0 0
L3 L3 2L4
0 0 1 0
0 0 0 1
1
2
1
1
1
2
0
1
1
0
0
1
0
1
0
0
0 0
1 0
0 1
0 0
1
2
2
1
1
0
0
1
0
1
1
1
0
2
2
1
1
1
1
1
0
0
1
1
0
0
1
0
0
0
0
1
1 0
2 0
1 0
1 1
1
2
= [I4 |A1 ].
2
1
Mthode de Cramer
B On calcule la matrice des cofacteurs des lments de A, appele comatrice de A :
1 1 1
0 0 1
0 0 1
0 0 1
+ 2 1 2 2 1 2 + 1 1 1 1 1 1
2 0 2
2 0 2
2 1 2
2 0 2
1 1 1
1 0 1
1 0 1
1 0 1
1 1 2 + 1 1 2 1 1 1 + 1 1 1
0
1 0 2
1 0 2
1 0 2
1 1 2
1
comatrice =
=
0
1 0 1
1 0 1
1 0 1
1 1 1
1
+ 1 2 2
1 2 2
+ 1 1 1
1 1 1
1 2 2
1 2 2
1 2 2
1 2 2
1 1 1
1 0 0
1 0 0
1 0 0
1 2 1
+ 1 2 1
1 1 1
+ 1 1 1
1 2 0
1 2 1
1 2 0
1 2 0
46
2
1
0
2
2
1
1
2
G. Faccanoni
1
1
;
1
1
2 Systmes linaires
B on transpose la comatrice de A :
0
2
T
comatrice =
2
1
1
1
1
1
0
0
1
1
1
2
;
2
1
A1
G. Faccanoni
0
2
=
2
1
1
1
1
1
0
0
1
1
1
2
.
2
1
47
Espaces vectoriels
(associativit)
(commutativit)
( + ) u = u + u
(u + v) = u + v
( u) = () u
1K u = u
(compatibilit avec lunit)
Les lments de E sont appels vecteurs, llment neutre de laddition 0E est appel vecteur nul, le symtrique
dun vecteur u pour laddition est appel vecteur oppos de u et est not u.
Nous travaillerons avec K = C, R, Q, Z ou N.
Exemple
Lensemble R2 = { (x, y) | x R, y R } est un espace vectoriel pour les oprations
B somme : (x, y) + (z, w) = (x + z, y + w)
B multiplication : (x, y) = (x, y).
49
3 Espaces vectoriels
Exemple
B Lensemble { 0E } constitu de lunique lment nul est un sous-espace vectoriel de E, ne pas confondre avec lensemble
vide qui nest pas un sous-espace vectoriel de E (il ne contient pas le vecteur nul).
B Lensemble E est un sous-espace vectoriel de E.
Pour montrer quun ensemble F est un sous-espace vectoriel dun espace vectoriel E on utilise le thorme suivant.
Thorme
F est un sous-espace vectoriel de E si et seulement si
1. F E
2. 0E F
3. u, v F = u + v F
4. u F , K = u F
Exemple
Lensemble
F = { A M2 (R) | tr(A) = O2 } =
a
c
b
d
a+d=0
Exemple
Lensemble
F = { A M2 (R) | det(A) = 0 } =
a
c
b
d
ad = bc
nest pas un sous-espace vectoriel de lensemble E = M2 (R). En effet la somme de deux lments de F peut ne pas appartenir
F , par exemple
1 0
0 0
1 0
+
=
.
0 0
0 1
0 1
Exemple
On note Fonct(R, R) lespace vectoriel des fonctions de R dans R et on considre les sous-ensembles suivants de Fonct(R, R)
F = { f : R R | f est paire } ;
F = { f : R R | f est impaire } ;
F = { f : R R | f(x) = f(x) + 2 } ;
F = { f : R R | f(x) 0 } ;
F = { f : R R | f(x) = 0 } ;
F = { f : R R | f(x) = 1 } ;
F = { f : R R | f(1) = 0 }.
On cherche lesquels forment des sous-espaces vectoriels :
F est un sous-espace vectoriel de Fonct(R, R) car
1. x 7 0 F ,
2. f, g F = f + g F car (f + g)(x) = f(x) + g(x) = f(x) + g(x) = (f + g)(x),
3. f F , R = f F car ( f)(x) = f(x) = f(x) = ( f)(x) ;
F est un sous-espace vectoriel de Fonct(R, R) car
1. x 7 0 F ,
2. f, g F = f + g F car (f + g)(x) = f(x) + g(x) = f(x) g(x) = (f + g)(x),
50
G. Faccanoni
3 Espaces vectoriels
Exemple
On note Rn [x] lespace vectoriel des polynmes de degr n coefficients dans R et on considre les sous-ensembles suivants
de Rn [x]
F = { p Rn [x] | deg(p) = 7 } ;
F = { p Rn [x] | deg(p) 3 } ;
F = { p Rn [x] | p est pair } ;
F = { p Rn [x] | p(1) = p(2) = p(3) = 0 }.
On cherche lesquels forment des sous-espaces vectoriels :
F nest pas un sous-espace vectoriel de Rn [x] car il ne contient pas le polynme nul (le polynme nul nest pas de degr
7).
F est un sous-espace vectoriel de Rn [x] car
1. p(x) = 0 F car deg(0) 3,
2. p, q F = p + q F car deg(p + q) = deg(p) + deg(q) 3,
3. p F , R = p F car deg( p)(1) = deg(p) 3 ;
F est un sous-espace vectoriel de Rn [x] car F cest lintersection des deux espace vectoriel Rn [x] et {f : R
R|f est paire} de lexemple prcdent ; (on verra un thorme plus tard)
F est un sous-espace vectoriel de Rn [x] car
1. p(x) = 0 F ,
2. p, q F = p + q F car (p + q)(x) = p(x) + q(x) = 0 pour x = 1, 2, 3,
3. p F , R = p F car ( p)(x) = p(x) = 0 pour x = 1, 2, 3.
i ui
i=1
Exemple
Considrons les trois vecteurs
1
u1 = 2 ,
3
0
u2 = 2 ,
1
1
u3 = 0 .
4
G. Faccanoni
51
3 Espaces vectoriels
u3 = au1 + bu2 ,
ce qui donne
1 = a,
0 = 2a + 2b,
4 = 3a b,
a = b = 1.
Notons que les vecteurs u1 , u2 , . . . , up appartiennent Vect u1 , . . . , up car pour tout j = 1, 2, . . . , p
uj =
p
X
0 u i + 1 uj .
i=1
i6=j
Bien sr le vecteur 0E appartient Vect u1 , . . . , up car
0E =
p
X
0 ui .
i=1
Exemple
B Vect {0E } =
{ 0
E }
1 0
0
B Vect
,
0 1
1
1
0
=
1
0
0
0
+b
1
1
1
0
a
a, b R =
b
b
a,
b
R
.
a
p
X
i ui ;
i=1
. . . libre si et seulement si le vecteur nul 0E est combinaison linaire des lments de F de faon unique :
p
X
i ui = 0E
i = 0 i
i=1
. . . base de E si et seulement si tout vecteur de E est combinaison linaire des lments de F de faon unique :
p
p
X
i ui ;
i=1
Dans ce cas, les rels 1 , . . . , p sont appeles coordonnes du vecteur u dans la base F , on crit
coord(u, F ) = (1 , . . . , p ) et on dit que E est de dimension p finie.
52
G. Faccanoni
3 Espaces vectoriels
Exemple
La famille { u = (1, 0), v = (0, 1), w = u + v } de vecteurs de R2 nest pas libre : par exemple le vecteur (2, 1) peut scrire
comme 2u v, comme 2w 3v etc.
Exemple
Considrons les trois vecteurs de R4 suivants
3
1
u1 =
2 ,
0
0
0
u2 =
1 ,
1
0
0
u3 =
0 .
2
Pour montrer quils sont linairement indpendants dans R4 , il faut montrer que le vecteur 0R4 = (0, 0, 0, 0) ne peut scrire
que dune seule faon comme combinaison linaire de u1 , u2 et u3 . Supposons que
0R4 = au1 + bu2 + cu3 ,
cela correspond au systme linaire
0 = 3a,
0 = a,
0 = 2a b,
0 = b + 2c
Thorme
Dans un espace vectoriel E de dimension finie, toutes les bases ont le mme nombre dlments. Ce nombre, not
dim(E), est appel la dimension de E.
Thorme
Dans un espace vectoriel E de dimension n, une famille gnratrice a au moins n lments.
Si elle a plus de n lments, alors elle nest pas libre mais on peut en extraire une sous-famille libre de cardinal
n qui est alors une base de E.
Si elle a exactement n lments, cest une base de E.
Thorme de la dimension
Soit F une famille dlments de E de dimension finie n. Les proprits suivantes sont quivalentes :
F est une base de E
F est libre et contient n lments
F est gnratrice de E et de contient n lments
F est libre et gnratrice de E
G. Faccanoni
53
3 Espaces vectoriels
Attention
On utilise ce thorme principalement pour montrer quune famille F est une base de E. On utilisera surtout les
implications suivantes (avec E de dimension n) :
B si F est libre et de cardinal n alors F est une base de E
B si F est libre et gnratrice de E alors F est une base de E
Exemple
On a dj vu que A = { (1, 0), (0, 1) } est une base de R2 et que par consquent R2 est de dimension 2. Soit B =
{ (2, 1), (1, 2) }. Pour prouver que B est une base de R2 on va prouver quelle est une famille libre de cardinal 2 :
B B est une famille libre car
(
21 + 2 = 0
=
1 = 2 = 0,
1 (2, 1) + 2 (1, 2) = (0, 0)
=
1 + 22 = 0
B cardinal(B ) = 2.
Exemple
Soit E un espace vectoriel et u E.
B { u } est une famille libre si et seulement si u 6= 0E .
B Lespace vectoriel { 0E } nas pas de base, il est de dimension 0.
B Soit E un espace vectoriel de dimension n. Le seul sous-espace vectoriel de E de dimension 0 est { 0E }, le seul sous-espace
vectoriel de E de dimension n est E.
Exemple
Soient u = (2, 1, 3), v = (4, 2, 6) et w = (4, 2, 6) trois vecteurs de R3 .
B u et v sont colinaires car v = 2u : la famille { u, v } nest donc pas libre ;
B u et w ne sont pas colinaires : la famille { u, w } est libre ;
B v et w ne sont pas colinaires : la famille { v, w } est libre.
54
G. Faccanoni
3 Espaces vectoriels
Thorme
Soit F une famille de vecteurs. Si deux vecteurs de F sont colinaires alors la famille est lie. La rciproque est
fausse.
Exemple
B Soit F = { u, v, w } avec u = (1, 0, 1), v = (2, 3, 5) et w = (1, 0, 1). La famille est lie car w = (1) u.
B Soit F = { u, v, w } avec u = (1, 1, 1), v = (2, 1, 2) et w = (3, 0, 1). La famille est lie car w = u + v. Cependant les
vecteurs u, v et w ne sont pas deux deux colinaires.
Attention
Pour montrer quune famille de plus de deux vecteurs est libre, on sera amen rsoudre le systme linaire
correspondant, qui est un systme homogne : la famille est libre si et seulement si le systme admet uniquement
la solution nulle.
Attention
Le rang dune matrice A est le rang des vecteurs colonnes de A, cest--dire la dimension du sous-espace vectoriel
quils engendrent. Donc
rg(F ) = rg([e1 , e2 , . . . , en ]),
o [e1 , e2 , . . . , en ] est la matrice dont les colonnes sont les vecteurs de la famille F .
a0 + a1 x0 + . . . an x0n = y0
a + a x + . . . a x n = y
0
1 1
n 1
1
.
.
.
an + a1 xn + . . . an xnn = yn
Puisque les valeurs xi et yi sont connues, ces relations forment un systme linaire de (n + 1) quations
en les (n + 1) inconnues a0 , a1 , a2 , . . . , an quon peut mettre sous la forme matricielle
a0
y0
1 x0 . . . x0n
1 x1 . . . x1n a1 y1
(3.2)
..
..
.. .. = .. .
.
.
. . .
1
xn
...
xnn
an
yn
Ainsi, le problme consistant chercher le polynme Pm satisfaisant (3.1) peut se rduire rsoudre le
systme linaire (3.2).
G. Faccanoni
55
3 Espaces vectoriels
Base de Lagrange. Malheureusement, rsoudre une systme linaire de (n+1) quations (n+1) inconnues nest
pas une tache triviale. Cette mthode pour trouver le polynme Pn nest donc pas une bonne mthode en
pratique. On se demande alors sil existe une autre base { L0 , L1 , L2 , . . . , Ln } de Rn [x] telle que le polynme
Pn scrit
Pn (x) = y0 L0 (x) + y1 L1 (x) + y2 L2 (x) + + yn Ln (x),
autrement dit sil existe une base telle que les coordonnes du polynme dans cette base ne sont rien
dautre que les valeurs connues y0 , y1 , . . . , yn . Pour trouver une telle base, commenons par imposer le
passage du polynme par les n + 1 points donns : les (n + 1) relations (3.1) imposent la condition
(
Li (xj ) =
1
0
si i = j
sinon
pour 0 i, j n,
ce qui donne
Li (x) =
n
Y
x xj
(x x0 )(x x1 ) (x xi1 )(x xi+1 ) (x xn )
=
.
x
x
(x
j
i x0 )(xi x1 ) (xi xi1 )(xi xi+1 ) (xi xn )
j=0 i
j6=i
Cette relation est appele formule dinterpolation de Lagrange et les polynmes Li sont les polynmes caractristiques (de Lagrange).
Base de Newton. Cependant, cette mthode nest pas encore la plus efficace dun point de vue pratique. En effet,
pour calculer le polynme dinterpolation dun ensemble de n + 1 points on doit calculer les n + 1 polynmes
{ L0 , L1 , L2 , . . . , Ln }. Si
n
o ensuite on ajoute un point dinterpolation, on doit calculer les n + 2 polynmes
0 , L
1 , L
2 , . . . , L
n+1 qui diffrent tous des n + 1 calculs prcdemment. La mthode de Newton est
L
base sur le choix dune autre base de sort ce que lajout dun point comporte juste lajout dune fonction
de base.
Considrons la famille de polynmes { 0 , 1 , 2 , . . . , n } o
0 (x) = 1,
k (x) =
k1
Y
k = 1, . . . , n.
i=0
56
G. Faccanoni
3 Espaces vectoriels
n
X
i i (x).
i=0
n
X
i i (x0 ) = 0
i=0
n
X
i i (x1 ) = 0 + 1 (x1 x0 )
i=0
donc 1 =
y1 y0
x1 x0 .
n
X
i=0
donc
2 =
y0
y2 y0 yx11 x
(x2 x0 )
y2 0 1 (x2 x0 )
0
=
=
(x2 x0 )(x1 x0 )
(x2 x0 )(x1 x0 )
y2 y1
x2 x1
y1 y0
x1 x0
x2 x0
Pour calculer tous les coefficients on va alors introduire la notion de diffrence divise : soit { (xi , yi ) }ni=0
un ensemble de n + 1 points distincts.
B La diffrence divise dordre 1 de xi1 et xi est
f[xi1 , xi ]
yi yi1
.
xi xi1
B La diffrence divise dordre n des n + 1 points x0 , . . . , xn est dfinie par rcurrence en utilisant deux
diffrences divises dordre n 1 comme suit :
f[x0 , . . . , xn ]
Pour expliciter le processus rcursif, les diffrences divises peuvent tre calcules en les disposant de la
manire suivante dans un tableau :
i
xi
yi
f[xi1 , xi ]
f[xi2 , xi1 , xi ]
x0
y0
x1
y1
f[x0 , x1 ]
x2
y2
f[x1 , x2 ]
f[x0 , x1 , x2 ]
x3
y3
f[x2 , x3 ]
f[x1 , x2 , x3 ]
f[x0 , x1 , x2 , x3 ]
x4
y4
f[x3 , x4 ]
f[x2 , x3 , x4 ]
f[x1 , x2 , x3 , x4 ]
f[x0 , x1 , x2 , x3 , x4 ]
..
.
..
.
..
.
..
.
..
.
..
.
..
.
...
..
n
X
i (x)f[x0 , . . . , xi ].
i=0
G. Faccanoni
57
3 Espaces vectoriels
Comme le montre la dfinition des diffrences divises, des points supplmentaires peuvent tre ajouts
pour crer un nouveau polynme dinterpolation sans recalculer les coefficients. De plus, si un point est
modifi, il est inutile de recalculer lensemble des coefficients. Autre avantage, si les xi sont quirpartis, le
calcul des diffrences divises devient nettement plus rapide. Par consquent, linterpolation polynomiale
dans une base de Newton est privilgie par rapport une interpolation dans la base de Lagrange pour
des raisons pratiques.
Voyons un exemple : on veut calculer le polynme dinterpolation de de la fonction f(x) = sin(x) en les 3 points
xi = 2 i avec i = 0, . . . , 2. On cherche donc p2 R2 [x] tel que p2 (xi ) = sin(xi ) pour i = 0, . . . , 2.
Mthode directe. Si on crit p2 (x) = 0 + 1 x + 2 x 2 , on cherche 0 , 1 , 2 tels que
1 0 0
0
0
2
1 1 = 1
2
4
2
0
1 2
En rsolvant ce systme linaire on trouve 0 = 0, 1 =
et 2 = 42 .
Mthode de Lagrange. On a
x(x )
4
= 2 x(x ).
xi
yi
f[xi1 , xi ]
f[xi2 , xi1 , xi ]
42
On a alors
p2 (x) =
2
X
i (x)f[x0 , . . . , xi ]
i=0
2
4
= x 2x x
2
4
= 2 x(x ).
Maintenant on veut calculer le polynme dinterpolation de la mme fonction en les 4 points xi = 2 i avec
i = 0, . . . , 3, i.e. on a juste ajout le point x = 3/2. On cherche donc p3 R3 [x] tel que p3 (xi ) = sin(xi ) pour
i = 0, . . . , 3.
Mthode directe. Si on crit p3 (x) = 0 + 1 x + 2 x 2 + 3 x 3 , on cherche 0 , 1 , 2 , 3 tels que
1
1
1
1
4
2
3
2
9 2
4
0
0
1
1
8 =
3 2 0
3
27
3
1
8
0
16
3 ,
2 = 82 et 3 =
8
3 3 .
Mthode de Lagrange. On a
x(x ) x 3
2
3
p3 (x) = y0 L0 (x) + y1 L1 (x) + y2 L2 (x) + y3 L3 (x) =
2 2
2 2
4
3
4
= 3 x(x ) x
x x
(x ).
2
3 3
2
58
x x 2 (x )
3
3 3
2
2 2
2
G. Faccanoni
3 Espaces vectoriels
Mthode de Newton. Il suffit de calculer une diffrence divise en plus, i.e. ajouter une ligne au tableau :
i
xi
yi
f[xi1 , xi ]
f[xi2 , xi1 , xi ]
42
3
2
8
3 3
On a alors
p3 (x) =
3
X
i (x)f[x0 , . . . , xi ]
i=0
= p2 (x) + 3 (x)f[x0 , x1 , x2 , x3 ]
8
4
3 (x)
= 2 x(x ) +
3 3
8
4
x
x
(x )
= 2 x(x ) +
3 3
2
8
=
x(x 2 3x + 2 2 ).
3 3
Thorme
Lintersection de deux espaces vectoriels est un espace vectoriel.
En revanche, la runion de deux espaces vectoriels nen est pas un en gnral. Le plus petit espace vectoriel contenant
F et G est le sous-espace vectoriel engendr par F G qui est en gnral diffrent de F G.
v1 F1 , v2 F2 , u = v1 + v2
F1 F2 = { 0E }
G. Faccanoni
59
3 Espaces vectoriels
Proposition
La somme de deux sous espaces vectoriels F1 et F2 est directe si et seulement si lcriture de tout vecteur
u F1 + F2 sous la forme u = u1 + u2 avec u1 F1 et u2 F2 est unique.
! v1 F1 , ! v2 F2 ,
tels que
u = v1 + v2
Exemple
Dans R2 les deux sous-espaces vectoriels F1 = Vect { (1, 0) } et F2 = Vect { (0, 1) } sont supplmentaires. En effet, tout
lment (a, b) de R2 scrit de manire unique sous la forme a(1, 0) + b(0, 1).
Astuce
Lorsque F1 et F2 sont des sous-espaces vectoriels, pour prouver que F1 F2 = { 0E }, il suffit de montrer
limplication u F1 F2 = u = 0E . Lautre inclusion est vidente puisque, F1 F2 tant un sous-espace
vectoriel de F1 , il contient le vecteur nul.
Remarque
En utilisant la proposition sur la dimension de la somme (i.e. la formule de Grassmann) pour F1 et F2 deux sous
espaces vectoriels supplmentaires on trouve
dim(F1 F2 ) = dim(F1 ) + dim(F2 ).
Thorme
Tout sous-espace vectoriel V de E admet au moins un supplmentaire.
Remarque
En gnral, un sous-espace vectoriel admet beaucoup de supplmentaires, les seuls cas dunicit sont les suivants :
le seul supplmentaire de lespace vectoriel { 0V } dans un espace vectoriel V est V ; le seul supplmentaire de
V dans V est { 0V }.
Astuce
Soit E un espace vectoriel de dimension finie, ainsi que F et G deux sous-espaces vectoriels de E. Pour dmontrer
E = F G, il suffit de prouver que
1. dim(E) = dim(F ) + dim(G),
2. et au choix
B soit que F G = { 0E } car alors on a
dim(F + G) = dim(F ) + dim(G) dim(F G) = dim(F ) + dim(G) = dim(E)
ce qui prouve que F + G est un sous-espace vectoriel de E de mme dimension que E et donc gal E,
B soit que F + G = E car alors on a
dim(F G) = dim(F ) + dim(G) dim(F + G) = dim(F ) + dim(G) dim(E) = 0
et donc F G = { 0E }.
60
G. Faccanoni
3 Espaces vectoriels
P
e01 = ni=1 pi1 ei
coord(e01 , B ) = (p11 , p21 , . . . , pn1 )
n
0
0
e2 = i=2 pi2 ei
coord(e2 , B ) = (p12 , p22 , . . . , pn2 )
. . .
. . .
p21 p22 . . . p2j . . . p2n
0 = .
P
=
=
P
.. .
B
B
..
e0j = ni=j pij ei
coord(e0j , B ) = (p1j , p2j , . . . , pnj )
..
.
.
.
.
.
p
p
.
.
.
p
.
.
.
p
...
...
n1
n2
nj
nn
P
0
Proprit
PB B 0 est inversible et (PB B 0 )1 = PB 0 B .
Proposition
Si un vecteur u E a pour coordonnes coord(u, B ) = (x1 , x2 , . . . , xn ) dans la base B et coord(u, B 0 ) =
(x10 , x20 , . . . , xn0 ) dans la base B 0 alors
0
0
x1
x1
x1
x1
x2
x20
x2
x20
ou encore
.. = PB 0 B .. .
.. = PB B 0 ..
.
.
.
.
0
0
xn
xn
xn
xn
Exemple
Soit B = { e1 , e2 } et B 0 = { e01 , e02 } deux bases de R2 . Alors
e2
p11
, i.e. e01 = p11 e1 + p21 e2
p21
p12
coord(e02 , B ) =
, i.e. e02 = p12 e1 + p22 e2
p22
coord(e01 , B ) =
e02
p22
p12
e1
p11
P
B B 0
p21
p11
p21
p12
p22
e01
Considrons maintenant un vecteur u dans R2 :
G. Faccanoni
61
3 Espaces vectoriels
e2
u
e02
x10
x2
x1
e1
x20
0
x1
,
x20
i.e. u = x10 e01 + x20 e02
x1
,
x2
i.e. u = x1 e1 + x2 e2
coord(u, B 0 ) =
coord(u, B ) =
0
p11 p12
x1
x1
=
p21 p22
x20
x2
|
{z
} | {z }
| {z }
coord(u,B )
PB B 0
e01
coord(u,B 0 )
En effet,
u = x10 e01 + x20 e02 = x10 (p11 e1 + p21 e2 ) + x20 (p12 e1 + p22 e2 ) = (p11 x10 + p12 x20 )e1 + (p21 x10 + p22 x20 )e2 = x1 e1 + x2 e2
Attention
Ne pas confondre le vecteur u E (qui peut tre un polynme, une fonction, une matrice. . .) avec la matrice
colonne de ses coordonnes dans la base B de E (quon peut noter coord(u, B )).
Exemple
Le polynme p(x) = a + bx + cx 2 a pour coordonnes (a, b, c) dans la base canonique C = { 1, x, x 2 } de R2 [x] mais nest
pas gale au vecteur (a, b, c) de R3 . Tous ce quon peut dire est que le polynme p(x) = a + bx + cx 2 de R2 [x] et le vecteur
(a, b, c) de R3 ont les mmes coordonnes dans les bases canoniques respectives.
Pour dmontrer quun sous-ensemble F dun espace vectoriel E est un sous-espace vectoriel de E on peut
soit montrer que
B 0E F ,
B u F et v F , u + v F ,
B u F et K, u F ;
soit montrer que F = Vect e1 , . . . , ep o e1 , . . . , ep sont des lments de E ;
soit montrer que F est lintersection de deux sous-espaces vectoriels de E.
Astuce
Si F = e1 , . . . , ep est une famille gnratrice dun espace vectoriel E et si un des vecteurs de F (par exemple
e1 ) est une combinaison linaire des autres vecteurs de F , alors F \ { e1 } est encore une famille gnratrice
de E. Ce rsultat permet en particulier de construire une base dun espace vectoriel connaissant une famille
gnratrice de cet espace.
Astuce
Pour dterminer le rang dune famille de vecteurs F = e1 , . . . , ep dun espace vectoriel E on cherche dventuelles relations entre les vecteurs e1 , . . . , ep :
B si la famille est libre, on en dduit que rg(F ) = p
B sinon, on cherche exprimer un vecteur ei comme combinaison linaire des autres vecteurs et on limine ce
vecteur de la famille ; on procde ainsi jusqu obtenir une famille libre contenue dans F .
62
G. Faccanoni
3 Espaces vectoriels
Astuce
Soit E un espace vectoriel de dimension n, B = { b1 , . . . , bn } et W = { w1 , . . . , wn } deux bases de E. Soit u E
et supposonsP
de connatre les coordonnes de u dans la base B , i.e. quon connat les n coefficients 1 , . . . , n
tels que u = nj=1 j bj . Pour obtenir les coordonnes de u dans la la base W, i.e. les n coefficients 1 , . . . , n
P
tels que u = ni=1 i wi , on peut :
B soit utiliser la relation
1
1
..
..
=
P
.
WB . ;
n
B soit exprimer
chacun des vecteurs bj dans la base W, i.e. trouver les n coefficients 1j , . . . , nj tels que
P
j = ni=1 ij wi , et on obtient
!
n
n
n
n
n
X
X
X
X
X
u=
j bj =
j
ij wi =
ij j wi .
j=1
j=1
i=1
i=1
j=1
G. Faccanoni
{z
i
63
3 Espaces vectoriels
F=
(x, y, z) R3 x + y + 2z = 0
Correction.
On montre que
B 0E F : en effet (0, 0, 0) F car 0 + 0 + 2 0 = 0 ;
B u F et v F , u + v F : soient u = (u1 , u2 , u3 ) F et v = (v1 , v2 , v3 ) F , alors u1 + u2 + 2u3 = 0
et v1 + v2 + 2v3 = 0 ; soit w = (w1 , w2 , w3 ) = u + v, alors w1 + w2 + 2w3 = u1 + v1 + u2 + v2 + 2u3 + 2v3 = 0,
donc w F ;
B u F et K, u F : soient R et u = (u1 , u2 , u3 ) F , alors u1 + u2 + 2u3 = 0 ; soit
w = (w1 , w2 , w3 ) = u, alors w1 + w2 + 2w3 = u1 + u2 + 2u3 = 0, donc w F .
Par consquent F est un sous-espace vectoriel de R3 .
On montre que F = Vect e1 , . . . , ep o e1 , . . . , ep sont des lments de E. En effet
x
y F
z
x, y, z R
x + y + 2z = 0
x R
zR
y = 2z x.
Donc
1
1
0
0
1
F = 1 22 1 , 2 R = 1 1 + 2 2 = Vect 1 , 2 .
2
0
0
1
1
Par consquent F est un sous-espace vectoriel de R3 . (Cette mthode permet galement den dduire que
{(1, 1, 0), (0, 2, 1)} est une famille gnratrice de F .)
F=
a
b
b
c
M2 (R) a + b = 0
Correction.
F=
a
b
b
1
M2 (R) a + b = 0 = a
c
1
1
0
+c
0
0
0
1
a,
c
R
=
Vect
1
1
1
0
,
0
0
0
.
1
Exercice 3.3
Dmontrer que lensemble
F=
(x, x, y) R3 x, y R
64
G. Faccanoni
3 Espaces vectoriels
Correction.
0
1
0
1
1
F = 1 1 , 2 R = 1 1 + 2 0 1 , 2 R = Vect 1 , 0 .
0
0
2
1
1
Par consquent F est un sous-espace vectoriel de R3 .
Exercice 3.4
Dmontrer que lensemble
F=
a b
b b
a, b R
Correction.
F=
a
b
1
b
a,
b
R
= a
0
b
0
0
+b
0
1
1
1
a,
b
R
=
Vect
0
1
0
0
,
0
1
1
1
.
Exercice 3.5
Dmontrer que lensemble
F=
a b
c d
M2 (R) a + b + c + d = 0
Correction.
a
b
a b
a, b, c R
F=
M2 (R) a + b + c + d = 0 =
c a b c
c d
1 0
0 1
0
1 0
0 1
0 0
a, b, c R = Vect
,
,
= a
+b
+c
0 1
0 1
1
0 1
0 1
1 1
0
.
1
F=
a + bx + cx 2 R2 [x] a + b + 2c = 0
Correction.
On montre que F = Vect e1 , . . . , ep o e1 , . . . , ep sont des lments de R2 [x]. En effet
F = a + bx + cx 2 R2 [x] a + b + 2c = 0
= a + (2c a)x + cx 2 a, c R
= a(1 x) + c(2x + x 2 ) a, c R
= Vect 1 x, 2x + x 2 .
G. Faccanoni
65
3 Espaces vectoriels
F = { p R2 [x] | p(1) = 0 }
Correction.
On montre que F = Vect e1 , . . . , ep o e1 , . . . , ep sont des lments de R2 [x]. En effet
F = a + bx + cx 2 R2 [x] a + b + c = 0
= a + bx + (a b)x 2 a, c R
= a(1 x 2 ) + b(x x 2 ) a, b R
= Vect 1 x 2 , x x 2 .
Exercice 3.8
Dmontrer que lensemble
F=
p R2 [x] p0 (1) = 0
Correction.
On montre que F = Vect e1 , . . . , ep o e1 , . . . , ep sont des lments de R2 [x]. En effet
F = a + bx + cx 2 R2 [x] b + 2c = 0
= a 2cx + cx 2 a, c R
= a + c(2x + x 2 ) a, c R
= Vect 1, 2x + x 2 .
F=
A=
a b
c d
M2 (R) det(A) = 0
Correction.
Soit A =
1
0
0
0
et A0 =
1
1
1
2
deux matrices de F . Comme A+A0 =
1
1
1
, alors det(A+A0 ) = 1,
1
donc A + A0 6 F .
66
G. Faccanoni
3 Espaces vectoriels
=0
+ = 0
2. ( 10 00 ) + ( 00 10 ) + ( 01 10 ) + ( 01 01 ) = ( 00 00 ) =
= = = = = 0 donc la famille est
+ =0
=0
libre.
3. Cest la base canonique de R3 [t] donc la famille est libre.
4. + t + t(t 1) + t(t 1)(t 2) = 0 pour tout t R ssi + ( + 2)t + ( 3)t 2 + t 3 = 0 pour tout
t R ssi = = = = 0 donc la famille est libre.
F=
a
b
b
c
M2 (R) ac = b2
1
Correction. Soit A =
0
donc A + A0 6 F .
0
0
et A =
1
1
1
2
0
deux matrices de F . Comme A+A =
1
1
1
, alors det(A+A0 ) = 1,
1
Exercice 3.12
Montrer que lensemble
F=
(x, y, z, w) R4 ax + by z = 0, bx + y w 0 a, b R
Correction.
Exercice 3.13
Montrer que lensemble
F=
(x, y, z) R3 x 2 + y = 0
Exercice 3.14
Soient u1 = (1, 1, 1) et u2 = (1, 2, 3) deux vecteurs de R3 . Trouver une condition ncessaire et suffisante sur les
rels x, y, z pour que le vecteur w = (x, y, z) appartient Vect { u1 , u2 }.
G. Faccanoni
67
3 Espaces vectoriels
Correction.
w Vect { u1 , u2 }
a + b = x,
2
(a, b) R tel que a + 2b = y,
a + 3b = z
a = 2x y,
2
(a, b) R tel que b = y x,
z = x + 2y
x 2y + z = 0.
Exercice 3.15
Dans R3 , on considre les vecteurs u = (2, 3, 7), v = (1, 2, 3) et w = (1, 1, 6). Montrer que
Vect { u, v, w } = Vect { u, v } = Vect { v, w } = Vect { w, u } .
Correction. Comme w = 3u + 5v, on peut tirer de cette relation lun des vecteurs en fonction des deux autres, ce
qui permet de prouver que les espaces engendrs par deux des trois vecteurs sont gaux Vect { u, v, w }.
Exercice 3.16
Dterminer le rang dans R2 de la famille A = { u1 = (3, 1), u2 = (1, 5) }. Si le rang de la famille est strictement
infrieur au nombre de vecteurs de la famille, on dterminera une ou des relations non triviales entre les vecteurs
de la famille. Le vecteur w = (1, 0) appartient-il Vect { u1 , u2 } ? Si oui, lexprimer comme combinaison linaire
de u1 et u2 .
1
16 (5u1
u2 ).
Exercice 3.17
Dterminer le rang dans R3 de la famille A = { u1 = (1, 1, 3), u2 = (1, 2, 5), u3 = (1, 7, 1) }. Si le rang de la
famille est strictement infrieur au nombre de vecteurs de la famille, on dterminera une ou des relations non
triviales entre les vecteurs de la famille. Le vecteur w = (1, 0, 0) appartient-il Vect { u1 , u2 , u3 } ? Si oui, lexprimer
comme combinaison linaire de u1 , u2 et u3 .
68
G. Faccanoni
Correction.
3 Espaces vectoriels
Comme det
1 1 1
1 27
3 5 1
linairement indpendants, i.e. la famille A est libre. Comme card(A) = dim(R3 ), alors Vect(A) = R3 et w Vect(A).
Pour obtenir lexpression de w en fonction de u1 , u2 et u3 on cherche les rels a, b et c tels que au1 + bu2 + cu3 = w,
ce qui conduit au systme linaire
a + b + c = 1,
a + b + c = 1,
a + b + c = 1,
3
1
a = , b = 1, c = ,
a + 2b + 7c = 0,
3b + 8c = 0,
3b + 8c = 0,
2
2
22
3a + 5b + c = 0,
2b 2c = 3,
3 c = 11
3 ,
do la relation w = 21 (3u1 2u2 + u3 ).
Exercice 3.18
Dterminer le rang dans R3 de la famille A = { u1 = (1, 4, 3), u2 = (2, 5, 3), u3 = (3, 0, 3) }. Si le rang de la
famille est strictement infrieur au nombre de vecteurs de la famille, on dterminera une ou des relations non
triviales entre les vecteurs de la famille. Le vecteur w = (1, 0, 0) appartient-il Vect(A) ? Si oui, lexprimer comme
combinaison linaire de u1 , u2 et u3 .
Correction.
Comme det
1 2 3
4 5 0
3 3 3
indpendants, i.e. A est une famille libre. Comme card(A) = dim(R3 ) alors Vect(A) = R3 et w Vect(A). Pour
obtenir lexpression de w en fonction de u1 , u2 et u3 on cherche les rels a, b et c tels que au1 + bu2 + cu3 = w, ce
qui conduit au systme linaire
a + 2b + 3c = 1,
a + 2b + 3c = 1,
a + 2b + 3c = 1,
2
3
1
, b=
,c=
,
a =
3b 12c = 4,
3b 12c = 4,
4a + 5b = 0,
6
15
10
30c = 9,
9b + 6c = 3,
3a + 3b 3c = 0,
do la relation w = 61 u1 +
2
15 u2
3
10 u3 .
Exercice 3.19
Dterminer le rang dans R3 de la famille A = { u1 = (1, 2, 3), u2 = (3, 2, 1), u3 = (3, 3, 3), u4 = (7, 0, 7) }. Si le
rang de la famille est strictement infrieur au nombre de vecteurs de la famille, on dterminera une ou des
relations non triviales entre les vecteurs de la famille.
Correction. Sans faire de calcul on sait que rg(A) 3 donc au moins un des vecteurs de la famille est combinaison
linaire des autres. Comme 4u3 = 3u1 + 3u2 donc Vect { u1 , u2 , u3 , u4 } = Vect { u1 , u2 , u4 }. Comme 2u4 = 7u1 + 7u2
alors Vect { u1 , u2 , u4 } = Vect { u1 , u2 }. Comme u1 et u2 ne sont pas colinaires, ils sont linairement indpendants
et on conclut que rg(A) = 2.
Exercice 3.20
Dterminer le rang dans R5 de la famille
A = { u1 = (1, 1, 1, 2, 5), u2 = (2, 1, 0, 3, 4), u3 = (1, 0, 1, 4, 7), u4 = (9, 2, 1, 1, 9) } .
Si le rang de la famille est strictement infrieur au nombre de vecteurs de la famille, on dterminera une ou des
relations non triviales entre les vecteurs de la famille.
Correction.
G. Faccanoni
1 2 1
11 0
1 0 1
69
3 Espaces vectoriels
Exercice 3.21
Dans R3 , montrer que lespace vectoriel engendr par les vecteurs
u1 = (2, 3, 1),
u2 = (1, 1, 2)
v2 = (5, 0, 7)
Correction. Pour montrer lgalit des deux ensembles, on va prouver les deux inclusions rciproques : Vect { v1 , v2 }
Vect { u1 , u2 } et Vect { u1 , u2 } Vect { v1 , v2 }.
Vect { v1 , v2 } Vect { u1 , u2 } : il suffit de montrer que v1 { u1 , u2 } et v2 { u1 , u2 }, ce qui suit de la
remarque v1 = 2u1 u2 et v2 = u1 + 3u2 .
Vect { u1 , u2 } Vect { v1 , v2 } : il suffit de montrer que u1 { v1 , v2 } et u2 { v1 , v2 }, ce qui suit de la
remarque 7u1 = 3v1 + v2 et 7u2 = v1 + 2v2 .
u2 = (2, 4, 1, 2),
u3 = (3, 6, 3, 7)
v2 = (2, 4, 5, 14)
Correction. On note U lespace vectoriel engendr par les vecteurs u1 , u2 et u3 et V lespace vectoriel engendr par
les vecteurs v1 , v2 . Remarquons tout dabord que si U = V alors dim(U) = dim(V ) = 2 donc la famille { u1 , u2 , u3 }
nest pas libre.
Pour dmontrer que U = V on montre que U V et que V U.
B Pour montrer que U V il suffit de montrer que chaque ui , i = 1, 2, 3,
v2 :
1 = a + 2b,
2 = 2a + 4b,
u1 = av1 + bv2
1 = 4a 5b,
3 = 11a + 14b,
2 = a + 2b,
4 = 2a + 4b,
u2 = av1 + bv2
1 = 4a 5b,
2 = 11a + 14b,
3 = a + 2b,
6 = 2a + 4b,
u3 = av1 + bv2
3 = 4a 5b,
7 = 11a + 14b,
70
a = 1, b = 1
a = 4, b = 3
a = 7, b = 5
G. Faccanoni
3 Espaces vectoriels
B Pour montrer que V U il suffit de montrer que chaque vi , i = 1, 2, est combinaison linaire des vecteurs u1 , u2
et u3 :
1 = a + 2b + 3c,
2 = 2a + 4b + 6c,
v1 = au1 + bu2 + cu3
a = 3 + , b = 1 2, c = ,
4 = a + b + 3c,
11 = 3a 2b 7c,
2 = a + 2b + 3c,
4 = 2a + 4b + 6c,
v2 = au1 + bu2 + cu3
a = 4 , b = 1 2, c = ,
5
=
a
+
b
+
3c,
14 = 3a 2b 7c,
Exercice 3.23
Soient p0 (x) = x+1, p1 (x) = x 2 +x et p2 (x) = 2x 2 +1 trois polynmes de R2 [x]. Dmontrer que Vect { p0 , p1 , p2 } =
R2 [x].
Correction.
Mthode 1 : pour prouver lgalit de deux ensembles A et B, on peut dmontrer que A B et que B A. Pour
dmontrer que A B, on considre un lment quelconque de A et on dmontre quil appartient B.
B Comme p0 , p1 , p2 R2 [x] qui est un espace vectoriel, toute combinaison linaire de ces trois polynmes est
encore un lment de R2 [x], par consquent Vect { p0 , p1 , p2 } R2 [x].
B R2 [x] Vect { p0 , p1 , p2 } ssi pour tout q R2 [x] il existe des rels 0 , 1 , 2 tels que q = 0 p0 + 1 p1 +
2 p2 :
q(x) = a + bx + cx 2 Vect { p0 , p1 , p2 }
(0 , 1 , 2 ) R3 tel que q = 0 p0 + 1 p1 + 2 p2
(0 , 1 , 2 ) R3 tel que a + bx + cx 2 = 0 (x + 1) + 1 (x 2 + x) + 2 (2x 2 + 1)
(0 , 1 , 2 ) R3 tel que a + bx + cx 2 = (0 + 2 ) + (0 + 1 )x + (1 + 22 )x 2
0 + 2 = a,
(0 , 1 , 2 ) R3 tel que 0 + 1 = b,
1 + 22 = c.
1
Comme 1
0
rsolution
0 1
1 0 = 3, le systme est de Cramer et on peut conclure que R2 [x] Vect { p0 , p1 , p2 }. Aprs
1 2
du systme linaire on trouve q = bp0 + (a + b + c)p1 + (a b)p2 .
Mthode 2 : comme card({ p0 , p1 , p2 }) = 3 = dim(R2 [x]), il suffit de prouver que la famille { p0 , p1 , p2 } est libre, i.e.
0 p0 + 1 p1 + 2 p2 = 0 = 0 = 1 = 2 = 0 :
0 p0 + 1 p1 + 2 p2 = 0
0 (x + 1) + 1 (x 2 + x) + 2 (2x 2 + 1) = 0
(0 + 2 ) + (0 + 1 )x + (1 + 22 )x 2 = 0
0 + 2 = 0,
0 + 1 = 0,
1 + 22 = 0.
1
Comme 1
0
R2 [x].
G. Faccanoni
0
1
1
1
0 = 3, le systme admet lunique solution nulle et on peut conclure que Vect { p0 , p1 , p2 } =
2
71
3 Espaces vectoriels
Exercice 3.24
tudier si la famille
de lespace vectoriel R est libre. Si la famille est lie, trouver une relation entre les vecteurs de cette famille.
Correction.
u1 , . . . , up
est libre lorsque
ai ui = 0E
ai = 0 i.
i=1
Ici
p
X
ai ui = 0E
a1 u + a2 v = (0, 0)
i=1
(
2a1 + 4a2 = 0,
3a1 + 5a2 = 0
(
a1 = 0,
a2 = 0,
Exercice 3.25
tudier si la famille
de lespace vectoriel R3 est libre. Si la famille est lie, trouver une relation entre les vecteurs de cette famille.
Correction.
u1 , . . . , up
ai ui = 0E
est libre lorsque
=
ai = 0 i.
i=1
Ici
p
ai ui = 0E
i=1
a1 + 2a2 = 0,
a1 u + a2 v + a3 w = (0, 0, 0)
a2 a3 = 0,
a1 + 2a3 = 0
a1 = 2,
a2 = ,
a3 =
Exercice 3.26
tudier si la famille
3
F = A = 1
2
2
1
1
1
3 , B = 1
3
1
1
1
1
1 , C = I3
de lespace vectoriel M3 (R) est libre. Si la famille est lie, trouver une relation entre les vecteurs de cette famille.
72
G. Faccanoni
Correction.
3 Espaces vectoriels
u1 , . . . , up
ai ui = 0E
i=1
Ici
p
X
ai ui = 0E a1 A + a2 B + a3 C = O3
i=1
3a1 + a2 + a3 = 0,
2a1 + a2 = 0,
a1 + a2 = 0,
a1 + a2 = 0,
2a1 + a2 + a3 = 0,
3a1 + a2 = 0,
2a1 + a2 = 0,
a1 + a2 = 0,
3a1 + a2 + a3 = 0.
a1 = 0,
a2 = 0,
a3 = 0,
,
0
C=
1
.
1
Pour quelles valeurs de R les trois matrices forment une famille libre ?
Correction.
Nous pouvons tout de suite dire que si = 0 alors la famille nest pas libre.
= = = 0.
+ = 0,
+ = 0,
0
=
0
2 = 0,
= 0,
= 0,
=
= 0,
= 0.
Exercice 3.28
tudier si la famille
F=
de lespace vectoriel R3 [x] est libre. Si la famille est lie, trouver une relation entre les vecteurs de cette famille.
G. Faccanoni
73
3 Espaces vectoriels
Correction.
u1 , . . . , up
ai ui = 0E
est libre lorsque
=
ai = 0 i.
i=1
Ici
n
X
i=0
a2 + a3
a + a
1
2
a
+
a
0
1
a0 + a3
= 0,
= 0,
= 0,
= 0,
a0
a
1
a
2
a3
= ,
= ,
= ,
= ,
pour tout R
74
G. Faccanoni
3 Espaces vectoriels
Exercice 3.31
On considre dans Rn une famille de 4 vecteurs linairement indpendants : { e1 , e2 , e3 , e4 }. Les familles suivantes
sont libres ?
{ 2e1 , e2 , e3 }
{ e1 , e3 }
{ e1 , 3e1 + e4 , e4 }
{ 3e1 + e3 , e3 , e2 + e3 }
{ 2e1 + e2 , e1 3e2 , e4 , e2 e1 }
Correction.
Oui
Oui
Non
Oui
Non : 7(e2 e1 ) = 2(2e1 + e2 ) + 3(e1 3e2 )
Correction.
0
0
1
1. Base canonique de R3 : 0 , 1 , 0
0
1
0
1 0
0 1
0
2. Base canonique de M2 (R) :
,
,
0 0
0 0
1
2
3. Base canonique de R2 [t] : 1, t, t
0
0
,
0
0
0
1
Correction.
1. Le cardinal dune famille est le nombre dlments qui la constitue.
2. La dimension dun espace vectoriel est le nombre dlments dune de ses bases, i.e. le cardinal dune de ses
bases.
3. Si la dimension de lespace vectoriel V concide avec le cardinal de la famille F contenue dans V , alors la
famille F constitue une base de V . Attention : si la famille F nest pas libre, on ne peut rien conclure.
Exercice 3.34
Montrer que les vecteurs w1 = (1, 1, i), w2 = (1, i, 1) et w3 = (i, 1, 1) forment une base de C3 . Calculer
ensuite les coordonnes de w = (1 + i, 1 i, i) dans cette base.
G. Faccanoni
75
3 Espaces vectoriels
Correction.
Comme det
1 1 i
1 i 1
i 1 1
= 2i, les vecteurs constituent une famille libre. tant donn que dim(C3 ) = 3
a b + ic = 1 + i
a = 0
b = 21 12 i
a + ib + c = 1 i
c = 12 23 i
ia + b c = i
Exercice 3.36
Considrons lensemble
F = { (x, x, y, y) | x, y R } .
1
1
0
1
0
1
0
1
1
+ 2 1 , 2 R = Vect , 0 .
F=
R
=
1
2
1
2
1
0 1
2
0
1
0
1
2. Les deux vecteurs u1 = (1, 1, 0, 0) et u2 = (0, 0, 1, 1) constituent une famille gnratrice de F . Comme ils ne
sont pas colinaires, cette famille est libre donc elle est une base de F . Comme card({ u1 , u2 }) = 2, alors
dim(F ) = 2.
76
G. Faccanoni
3 Espaces vectoriels
Exercice 3.37
Considrons lensemble
F=
a + ax 2 + bx 4 a, b R .
Exercice 3.38
Considrons lensemble
F=
(x, y, z) R3 2x + y + z = 0 .
0
0
1
1
1 , 2 R = 1 0 + 2 1 1 , 2 R = Vect 0 , 1 .
2
F=
21 2
2
1
1
2
2. Les deux vecteurs u1 = (1, 0, 2) et u2 = (0, 1, 1) constituent une famille gnratrice de F . Comme ils ne
sont pas colinaires, cette famille est libre donc elle est une base de F . Comme card({ u1 , u2 }) = 2, alors
dim(F ) = 2.
Exercice 3.39
Considrons lensemble
a b
F = b a
c 0
0 a, b, c R .
a+b
0
1 0
a b
0 (a, b, c) R3 = 1 0 1
F = b a
c 0 a+b
0 0
0 1 0
0 0 0
1 0 0
= Vect 0 1 0 , 1 0 0 , 0 0 0 .
0 0 1
0 0 1
1 0 0
G. Faccanoni
0
0
0 + 2 1
1
0
1
0
0
0
0
0 + 3 0
1
1
0
0
0
0 1 , 2 , 3 R
77
3 Espaces vectoriels
0
2. Les trois matrice I3 , A = 1
0
sil sagit dune famille libre :
1
0
0
on
0
0
0 et B = 0
1
1
dit quune famille
p
X
ai ui = 0E
0
0
0
F
0
0 constituent une famille gnratrice de F . On vrifie
0
= u1 , . . . , up est libre lorsque
=
ai = 0 i.
i=1
Ici
ai ui = 0E a1 I3 + a2 A + a3 B = O3
i=1
a1 = 0,
a2 = 0,
0 = 0,
a2 = 0,
a1 = 0,
0 = 0,
a3 = 0,
0 = 0,
a1 + a2 = 0,
a1 = 0,
a2 = 0,
a3 = 0,
donc la famille F = { I3 , A, B } est libre et est une base de F . Comme card(F ) = 3, alors dim(F ) = 3.
x+x 2 +( )x 3 = 0 x R
= = 0.
78
G. Faccanoni
Correction.
3 Espaces vectoriels
On montre que U = Vect e1 , . . . , ep o e1 , . . . , ep sont des lments de R3 [x]. En effet
U = a + bx + cx 2 + dx 3 R3 [x] a b + c d = 0
= a + bx + cx 2 + (a b + c)x 3 a, b, c R
= a(1 + x 3 ) + b(x x 3 ) + c(x 2 + x 3 ) a, b, c R
= Vect 1 + x 3 , x x 3 , x 2 + x 3 .
F=
p R3 [x] p(0) = p0 (1) = 0
Correction.
On montre que F = Vect e1 , . . . , ep o e1 , . . . , ep sont des lments de R3 [x]. En effet
F = p R3 [x] p(0) = p0 (1) = 0
= a + bx + cx 2 + dx 3 R3 [x] a = 0 et b + 2c + 3d = 0
b 2c 3
= bx + cx 2 +
x b, c R
3
3
= b(x x /3) + c(x 2 2x 3 /3) b, c R
1
2
= Vect x x 3 , x 2 x 3 .
3
3
x+x 2 +(2)x 3 /3 = 0 x R
= = 0.
R
= a
2c
b
0
1 0
1 0
0 1
= Vect
,
,
.
0 0
0 1
2 0
G. Faccanoni
0
1
+b
0
0
0
0
+c
1
2
1
a,
b,
c
R
0
79
3 Espaces vectoriels
1 0
1 0
0 1
,B=
et C =
constituent une famille gnratrice de E. On
0 0
0 1
2 0
vrifie sil sagit dune famille libre : on dit quune famille F = u1 , . . . , up est libre lorsque
p
X
ai ui = 0E
ai = 0 i.
i=1
Ici
a1 + a2 = 0,
a = 0,
3
2a
3 = 0,
a2 = 0,
ai ui = 0E a1 A + a2 B + a3 C = O2
i=1
a1 = 0,
a2 = 0,
a3 = 0,
donc la famille est libre et est une base de E. Comme card { A, B, C } = 3, alors dim(E) = 3.
T=
1
1
1
.
0
1
T=
1
1
.
0
Alors
a b
1 1
1 1
a b
W =
V
c d
1 0
1 0
c d
a+b a
a b
a+c b+d
=
V
=
c d
c+d c
a
b
a
b
a, b R
=
b ab
1 0
0 1
= a
+b
a, b R
0 1
1 1
1 0
0 1
= Vect
,
.
0 1
1 1
a b
c d
Comme ces deux matrices ne sont pas colinaires, cette famille est libre donc elle est une base de W qui a
dimension 2.
80
G. Faccanoni
3 Espaces vectoriels
w2 (x) = x + 2x 2 ,
w3 (x) = 1 + 2x + 4x 2 ,
w4 (x) = 1 + x.
+c+d=0,
a
a +c +d=0,
a +c+d=0,
2a +b+2c+d=0,
b
d=0,
b d=0,
3a+2b+4c =0
2b+c3d=0
cd=0
(a, b, c, d) = (2, , , ), R.
Autrement dit w4 = 2w1 w2 w3 . On a alors
Vect { w1 , w2 , w3 , w4 } = Vect { w1 , w2 , w3 } .
Vrifions si la famille { w1 , w2 , w3 } est libre : on dit quune famille F = u1 , . . . , up est libre lorsque
p
X
ai ui = 0E
ai = 0 i.
i=1
Ici
n
X
i=0
+c=0,
a
2a +b+2c=0, a = b = c = 0
3a+2b+4c=0
donc la famille est libre. Par consquent { w1 , w2 , w3 } est une base de lespace Vect(W ).
2. Notons
w1 (x) = 2 + 2x 2 ,
w2 (x) = 2 + x x 2 ,
w3 (x) = 3 + x + x 2 ,
w4 (x) = 3 + x + 3x 2 .
2a+2b+3c+3d=0,
2a+2b+3c+3d=0,
2a+2b+3c+3d=0,
b +c +d=0,
b +c +d=0,
b +c +d=0,
2a b +c+3d=0,
b+4c+6d=0,
3c+5d=0,
(a, b, c, d) = (, 2, 5, 3), R.
Autrement dit 3w4 = w1 2w2 + 5w3 . On a alors
Vect { w1 , w2 , w3 , w4 } = Vect { w1 , w2 , w3 } .
Vrifions si la famille { w1 , w2 , w3 } est libre : on dit quune famille F = u1 , . . . , up est libre lorsque
p
X
ai ui = 0E
ai = 0 i.
i=1
G. Faccanoni
81
3 Espaces vectoriels
Ici
n
X
i=0
2a+2b+3c=0,
b +c=0, a = b = c = 0
b+4c=0,
donc la famille est libre. Par consquent { w1 , w2 , w3 } est une base de lespace Vect(W ).
1
B1 =
0
0
1 1
0 1
0
F=
, B2 =
, B3 =
, B4 =
1
1 0
1 1
0
une famille dlments de lespace vectoriel E = M M2 (R) M = MT .
1. Montrer que F est gnratrice de E, i.e. E = Vect(F ) ;
0
1
On remarque que
E=
a
b
b
c
a, b, c R
et Bi E pour tout i = 1, 2, 3, 4.
1. La famille F est gnratrice de E si E = Vect(F ), i.e. sil existe 1 , 2 , 3 et 4 R tels que
a b
= 1 B1 + 2 B2 + 3 B3 + 4 B4 ,
a, b, c R
b c
i.e. si et seulement si, pour tout a, b, c R, le systme linaire suivant admet (au moins) une solution
1 + 2 = a,
+ = b,
2
3
2
3 = b,
1 + 3 + 4 = c.
La matrice augmente associe ce systme est
1 1 0 0
0 1 1 0
[A|b] =
0 1 1 0
1 0 1 1
a
b
.
b
c
1 1 0
Comme la seconde et la troisime ligne sont gales alors rg(A) et rg([A|b]) sont < 4. Puisque 0 1 1 6= 0, alors
101
rg(A) = rg([A|b]) = 3 : le systme admet une solution (non unique car le rang nest pas maximal).
2. F nest pas libre car 2B4 = B1 B2 + B3
3. On en extrait par exemple la famille B = { B1 , B2 , B3 } qui est une base de E car
(i) Bi E pour tout i = 1, 2, 3,
(ii) card(B ) = dim(E),
(iii) B est libre car la combinaison linaire 1 B1 + 2 B2 + 3 B3 = ( 00 00 ) a comme unique solution 1 = 2 =
3 = 0.
82
G. Faccanoni
3 Espaces vectoriels
1
B1 =
0
0
1 1
0 1
0
F=
, B2 =
, B3 =
, B4 =
0
1 0
1 1
0
une famille dlments de lespace vectoriel E = M M2 (R) M = MT .
1. Montrer que F est gnratrice de E, i.e. E = Vect(F ) ;
0
1
On remarque que
E=
a
b
b
c
a, b, c R
et Bi E pour tout i = 1, 2, 3, 4.
1. La famille F est gnratrice de E si E = Vect(F ), i.e. sil existe 1 , 2 , 3 et 4 R tels que
a b
= 1 B1 + 2 B2 + 3 B3 + 4 B4 ,
a, b, c R
b c
i.e. si et seulement si, pour tout a, b, c R, le systme linaire suivant admet (au moins) une solution
1 + 2
+
2
3
2
3
3 + 4
= a,
= b,
= b,
= c.
1 1 0 0
0 1 1 0
[A|b] =
0 1 1 0
0 0 1 1
a
b
.
b
c
1 1 0
Comme la seconde et la troisime ligne sont gales alors rg(A) et rg([A|b]) sont < 4. Puisque 0 1 1 6= 0, alors
001
rg(A) = rg([A|b]) = 3 : le systme admet une solution (non unique car le rang nest pas maximal).
2. F nest pas libre car B4 = B1 B2 + B3
3. On en extrait par exemple la famille B = { B1 , B2 , B3 } qui est une base de E car
(i) Bi E pour tout i = 1, 2, 3,
(ii) card(B ) = dim(E),
(iii) B est libre car la combinaison linaire 1 B1 + 2 B2 + 3 B3 = ( 00 00 ) a comme unique solution 1 = 2 =
3 = 0.
G. Faccanoni
83
3 Espaces vectoriels
Correction.
1. Pour montrer que lensemble { q0 , q1 , q2 , q3 } est une base
de R3 [x]
il faut montrer quil sagit dune famille
libre et gnratrice de R3 [x]. On dit quune famille F = u1 , . . . , up est libre lorsque
p
X
ai ui = 0E
ai = 0 i = 1, . . . , p.
i=1
Ici
n
X
ai ui = 0E a0 q0 + a1 q1 + a2 q2 + a3 q3 = 0
i=0
a0
a
1
a0 + (a0 + a1 )x + (a0 + a1 + a2 )x 2 + (a0 + a1 + a2 + a3 )x 3 = 0
a
2
a3
= 0,
= 0,
= 0,
= 0,
= coord(q0 , C) = (1, 1, 1, 1)
= coord(q1 , C) = (0, 1, 1, 1)
= coord(q2 , C) = (0, 0, 1, 1)
= coord(q3 , C) = (0, 0, 0, 1)
donc
PCB
et PB C = (PCB )1 ; pour
1 0 0
1 1 0
[PCB |I4 ] =
1 1 1
1 1 1
1 0 0
0 1 0
0 0 1
0 0 1
1
1
=
1
1
0
1
1
1
0
0
1
1
L2 L2 L1
1
0 1 0 0 0
L3 L3 L1
0 0 1 0 0
0
L4 L4 L1
0 0 0 1 0
0
1 0 0 0 1
0
0 1
0 0 0
0 1 1 0 0
L4 L4 L3
0 0 1 1 0
1 0 1 0 1
0
0
0
1
la mthode de Gauss
0 0 0
1 0 0
1 1 0
1 1 1
1 0 0 0
0 1 0 0
0 0 1 0
0 0 0 1
q0 = c0 + c1 + c2 + c3 ,
c0
q = c + c + c ,
c
1
1
2
3
1
q2 = c2 + c3 ,
c2
q3 = c3 ,
c3
ainsi
PB C
1
1
=
0
0
0
1
1
0
1
1
1
1
0 0 0
L3 L3 L2
1 0 0
L4 L4 L2
0 1 0
0 0 1
1
0
0 0
1 1
0 0
= [I4 |PB C ]
0 1 1 0
0
0 1 1
0 0
0 0
.
1 0
1 1
84
i.e.
G. Faccanoni
3 Espaces vectoriels
i.e.
i.e.
i.e.
3. Soit le polynme p(x) = a + bx + cx 2 + dx 3 ; dans la base C il a coordonnes (a, b, c, d), dans la base B il a
coordonnes
a
a
1
0
0 0
1 1
0 0
b b a
coord(p, B ) = PB C coord(p, C) =
0 1 1 0 c = c b .
dc
d
0
0 1 1
Exercice 3.50
On pose u1 = (3, 4, 2), u2 = (0, 1, 1), v1 = (1, 2, 1) et v2 = (4, 2, 0). Dterminer les vecteurs appartenant
lintersection Vect { u1 , u2 } Vect { v1 , v2 }.
Correction.
Un vecteur w de lintersection scrit la fois au1 + bu2 et cv1 + dv2 , ce qui donne le systme
3a = c 4d,
4a + b = 2c + 2d,
2a b = c
3a + c + 4d = 0,
4a + b 2c 2d = 0,
2a b c = 0
d = 3, c = 6, b = 2, a = 2.
G. Faccanoni
85
3 Espaces vectoriels
a1 a2 = 0,
a = 0,
2
4a3 = 0,
a3 = 0,
a1 = 0,
a2 = 0,
a3 = 0,
donc la famille est libre et est une base de E quon note E .
3. Comme card(E ) = 3, alors dim(E) = 3 < dim(R3 [x]) donc E 6= R3 [x].
4. On cherche (a1 , a2 , a3 ) = coord(p, E ), cest--dire lunique triplet (a1 , a2 , a3 ) tel que a1 g1 (x) + a2 g2 (x) +
a3 g3 (x) = 2 x + 4x 2 x 3 pour tout x R. On a
a1 g1 (x) + a2 g2 (x) + a3 g3 (x) = 2 x + 4x 2 x 3 x R
a1 + a2 (1 + x) + a3 (4x 2 x 3 ) = 2 x + 4x 2 x 3 x R
(a1 a2 ) + a2 x + 4a3 x 2 a3 x 3 = 2 x + 4x 2 x 3 x R
a1 a2 = 2,
a1 = 1,
a = 1,
2
a2 = 1,
4a3 = 4,
a3 = 1.
a3 = 1,
On conclut que coord(p, E ) = (1, 1, 1).
5. Les trois polynmes g1 (x) = 1, g2 (x) = x 1, g3 (x) = 4x 2 x 3 et g4 (x) = x 3 constituent une famille de cardinal
gale la dimension de lespace vectoriel R3 [x]. On vrifie sil sagit dune famille libre :
a1 g1 (x) + a2 g2 (x) + a3 g3 (x) + a4 g4 (x) = 0 x R a1 + a2 (1 + x) + a3 (4x 2 x 3 ) + a4 x 3 = 0 x R
(a1 a2 ) + a2 x + 4a3 x 2 + (a4 a3 )x 3 = 0 x R
a1 a2 = 0,
a = 0,
2
4a3 = 0,
a4 a3 = 0,
a1 = 0,
a = 0,
2
a3 = 0,
a4 = 0,
donc la famille est libre et est une base de R3 [x] quon note B .
86
G. Faccanoni
3 Espaces vectoriels
6. La base canonique de R3 [x] est la famille C = c0 (x) = 1, c1 (x) = x, c2 (x) = x 2 , c3 (x) = x 3 . Pour crire PB C
la matrice de passage de la base B dans la base canonique C, on crit dabord PCB la matrice de passage de
la base C dans la base B et on calcule son inverse :
1 1 0 0
0 1
0 0
PCB =
0 0
4 0
0 0 1 1
et PB C = P1
CB :
1
0
(PCB |I4 ) =
0
0
1
1
0
0
0 0
0 0
4 0
1 1
1
0
0
0
0
1
0
0
0
0
1
0
0
L1 L1 +L2
0
L4 L4 +L3 /4
0
1
1 0 0 0
0 1 0 0
0 0 4 0
0 0 0 1
1
0
0
0
1
1
0
0
1 0 0 0
0 1 0 0
0 0 1 0
0 0 0 1
1
0
0
0
1
1
0
0
L3 L3 /4
En effet, on a
g1 (x) = c0 (x),
g4 (x) = c3 (x),
0 0
0 0
1 0
1/4 1
0 0
0 0
= (I4 |PB C )
1/4 0
1/4 1
c0 (x) = g1 (x),
c3 (x) = g4 (x).
2
0 0
1
0 0
,
1/4 0 4
1
1/4 1
1
1 0 0
1
1
0 0
.
0
4 0 1
0
0 1 1
1
1
0
0
G. Faccanoni
87
3 Espaces vectoriels
= Vect
5 1
q1 (t) = t + t 2 ; q2 (t) = 2 2t + t 3
3 3
.
q1 (t) + q2 (t) = 0 t R
==0
donc elle est aussi libre donc elle est une base de V et dim(V ) = 2.
3. Si p(t) = 2 + 2t t 3 on a p(0) + p(2) = 2 + 2 + 4 8 = 0 et p(1) 3p(1) = 2 + 2 1 3 2 2 + 1 = 0
donc p V et coord(p, V) = (0, 1).
1. On a
W = { p V | p(1) = 0 }
= p(t) = a0 + a1 t + a2 t 2 + a3 t 3 + a4 t 4 ai R, p(1) = 0
= p(t) = a1 (t 1) + a2 (t 2 1) + a3 (t 3 1) + a4 (t 4 1) ai R
= Vect w1 (t) = t 1, w2 (t) = t 2 1, w3 (t) = t 3 1, w4 (t) = t 4 1 .
Puisque
w1 (t) + w2 (t) + w3 (t) + w4 (t) = 0
( ) + t + t 2 + t 3 + t 4 = 0
= 0,
= 0,
= 0,
= 0,
= 0,
la famille { w1 (t), w2 (t), w3 (t), w4 (t) } est libre ; puisquelle est gnratrice de W , elle constitue une base de W
et dim(W ) = 4.
2. La famille u1 (t) = 1 + t 2 t 3 , u2 (t) = t + t 3 , u3 (t) = t 2 , u4 (t) = 1 + t + t 2 nest pas libre car u1 (t)+u2 (t) =
u4 (t). Considrons alors la famille { u1 (t), u2 (t), u3 (t) } ; elle est une famille gnratrice de U et pour quelle
en soit une base il faut vrifier si elle est libre :
= 0,
2
3
u1 (t) + u2 (t) + u3 (t) = 0 + t + ( + )t + ( + )t = 0
= 0,
= 0.
On conclut que la famille
3.
88
G. Faccanoni
3 Espaces vectoriels
u3 (t) = v2 (t),
et lon a
donc une autre base de V est la famille { v1 (t), v4 (t), u1 (t), u2 (t), u3 (t) }. On peut alors conclure quune base
dun supplmentaire de U dans V est lensemble { v1 (t), v4 (t) }.
4. On a
u(t) = u1 (t) + u2 (t) + u3 (t) u(1) = 0, (, , ) R3
= u(t) = + t + ( + )t 2 + ( + )t 3 u(1) = 0, (, , ) R3
= u(t) = + t 2t 2 + ( + )t 3 (, ) R2
= Vect 1 t 3 , t 2t 2 + t 3 .
U W =
Comme la famille
1 t 3 , t 2t 2 + t 3
5. Il est vrai que U + W = V car U + W est un sous-espace vectoriel de V et dim(U + W ) = dim(U) + dim(W )
dim(U W ) = 3 + 4 2 = 5.
2
1
B=
1
3
3
6
C=
1
1
1
3
forment un base de lespace vectoriel M des matrices symtriques dordre 2. Dcomposer sur cette base la matrice
5 6
G=
.
6 7
Correction.
M M2 (R) M = MT =
ab
b c
a, b, c R
car
(i) A, B, C M,
(ii) card(F ) = dim(M),
(iii) F est libre car la combinaison linaire 1 A + 2 B + 3 C = ( 00 00 ) a comme unique solution 1 = 2 = 3 = 0 :
1 2
1 3
1 1
0 0
1 + 2 3
21 + 32 + 3
0 0
+2
+3
=
=
2 1
3 6
1 3
0 0
21 + 32 + 3 1 + 62 33
0 0
1 + 2 3 = 0,
1 1 1
0
1 1 1
1
0
2 + 3 + = 0,
2 3 3 1
0
1
2
3
2 = 2 3 3 2 = 0
2 3 3
0
21 + 32 + 3 = 0,
3
1 6 3
3
0
1
6
3
0
1 + 62 33 = 0,
1 1 1
1
0
1 1 1
1
0
1
0
0 5 1 2 = 0 0 5 1 2 = 0 2 = 0 .
0 5 2
3
0
0 0 3
3
0
3
0
On cherche maintenant coord(G, F ) les coordonnes de la matrice G dans la base F , i.e. les uniques 1 , 2 , 3 R
tels que 1 A + 2 B + 3 C = G :
G. Faccanoni
89
3 Espaces vectoriels
1
1
2
1
0
0
2
1 3
1 1
5 6
1 + 2 3
21 + 32 + 3
5 6
+ 2
+ 3
=
=
1
3 6
1 3
6 7
21 + 32 + 3 1 + 62 33
6 7
1 + 2 3 = 5,
1 1 1
5
1 1 1
1
5
2 + 3 + = 6,
2 3 3 1
6
1
2
3
2 = 2 3 3 2 = 6
2 3 3
6
21 + 32 + 3 = 6,
3
1 6 3
3
7
1
6
3
7
1 + 62 33 = 7,
37/5
1 1 1
1
5
1
1 1
1
5
5 1 2 = 16 0 5 1 2 = 16 2 = 34/15 = coord(G, F ).
14/3
5 2
3
2
0 0 3
3
14
3
(a + d, 0, a + b, a b, c + d) R5 a, b, c, d R .
W,
V + W,
V W.
Correction.
1. On montre que V = Vect e1 , . . . , ep o e1 , . . . , ep sont des lments de R5 . En effet
V = (a + d, 0, a + b, a b, c + d) R5 a, b, c, d R
= { a(1, 0, 1, 1, 0) + b(0, 0, 1, 1, 0) + c(0, 0, 0, 0, 1) + d(1, 0, 0, 0, 1) | a, b, c, d R }
= Vect ({ (1, 0, 1, 1, 0), (0, 0, 1, 1, 0), (0, 0, 0, 0, 1), (1, 0, 0, 0, 1) })
2. V La famille V = { (1, 0, 1, 1, 0), (0, 0, 1, 1, 0), (0, 0, 0, 0, 1), (1, 0, 0, 0, 1) } est gnratrice de V . De plus
a(1, 0, 1, 1, 0) + b(0, 0, 1, 1, 0) + c(0, 0, 0, 0, 1) + d(1, 0, 0, 0, 1) = (0, 0, 0, 0, 0)
a + d = 0,
0 = 0,
a = b = c = d = 0
a + b = 0,
a b = 0,
c + d = 0,
donc la famille V est une base de V et dim(V ) = card(V) = 4.
W On cherche une famille W gnratrice de W :
W = (x, y, z, t, u) R2 y = u = z + t 2x = 0 .
= { (x, 0, z, 2x z, 0) | x, z R } .
= Vect ({ (1, 0, 0, 2, 0), (0, 0, 1, 1, 0) })
donc la famille W = { (1, 0, 0, 2, 0), (0, 0, 1, 1, 0) } est gnratrice de W . De plus
a = 0,
0 = 0,
a(1, 0, 0, 2, 0) + b(0, 0, 1, 1, 0) = (0, 0, 0, 0, 0) b = 0,
a = b = 0
2a b = 0,
0 = 0
donc la famille W est une base de W et dim(W ) = card(W) = 2.
90
G. Faccanoni
3 Espaces vectoriels
V + W On appelle somme de V et W lensemble des vecteurs de R5 qui peuvent scrire comme somme dun
vecteur de V et dun vecteur de W :
uV +W
v V , w W , u = v + w
x
R x + y = 0, z = 2x .
y
z
w
V =
0
1
1
0
0
+b
0
0
1
0
0
0
0
0
a
a
b
0
0
0
0
= a = b = 0
donc la famille U est libre. Par consquent U est une base de U et dim(U) = card(U) = 2.
2. On a
x
x
x
V =
R x + y = 0, z = 2x =
2x
x, w R
w
1
0
1 0
1
= x 1
+ w 00 x, w R = Vect
, 00
2
2
y
z
w
donc lespace vectoriel V est engendr par la famille V =
a
1
1
2
0
0
+b
0
0
1
0
=
0
0
0
=
a
a
2a
b
0
1
1
, 00
. On a
2
0
=
0
0
0
= a = b = 0
donc la famille V est libre. Par consquent V est une base de V et dim(V ) = card(V) = 2.
x
3. Si yz U V alors
w
x
y
z
wx
y
z
w
G. Faccanoni
x = 0,
y = x,
z=y
= x = y = z = 0,
z = 2x
91
3 Espaces vectoriels
donc
x
0
0
R4 x = y = z = 0 = Vect
.
0
1
0
0
Lespace vectoriel U V est engendr par la famille B =
qui est libre. Par consquent B est une base
0
y
z
w
U V =
de U V et dim(U V ) = card(B ) = 1.
4. On dduit la dimension de la somme grce la formule de Grassmann :
dim(U + V ) = dim(U) + dim(V ) dim(U V ) = 2 + 2 1 = 3.
Une famille gnratrice de U + V est donne par la runion dune famille gnratrice de U et dune famille
gnratrice de V , donc par exemple par la famille
0 0 1 0 0 0 1
1
1
1
S =UV =
, 00
, 00
=
, 00 , 1
.
1
1
2
2
0
2
rg 1
0
1
0 = 2.
1
1
rg 0
1
1
2 = 2.
1
3. On appelle somme de U et V lensemble des vecteurs de R3 qui peuvent scrire comme somme dun vecteur de
U et dun vecteur de V :
wU +V
u U, v V , w = u + v
2 1 1
2 1 1
det 1 0 0 = 2 i.e. rg 1 0 0 = 3
0 1 1
0 1 1
donc elle constitue une base de U + V . De plus, dim(U + V ) = card(W) = 3, autrement dit U + V = R3 .
92
G. Faccanoni
3 Espaces vectoriels
4. La formule de Grassmann lie la dimension de la somme de deux sous espaces vectoriels celle de lintersection :
dim(U V ) = dim(U) + dim(V ) dim(U + V ).
Donc dim(U V ) = 2 + 2 3 = 1. De plus,
(
w = (w1 , w2 , w3 ) U w1 = 2w2 w3
w = (w1 , w2 , w3 ) V w1 = w3
donc w = (w1 , w2 , w3 ) U V w1 = w3 = w2 ,
Exercice 3.58
Considrons les cinq vecteurs de R4
2
3
2
2
b=
a=
2 ,
1 ,
6
4
4
2
c=
0 ,
2
1
0
d=
1 ,
2
0
3
e=
2
1
F = Vect({ a, b, c }),
G = Vect({ d, e }).
0
3 + 4
2 + 2 + 3 0
a + c + e = 0R4 =
+ 2 + 2 = 0 = = = = 0
0
4 +
donc la famille E 0 est libre. Par consquent E 0 est une base de E et dim(E) = card(E 0 ) = 3.
2. Lespace vectoriel F est engendr par la famille F = { a, b, c }. On a dj remarqu que b = 2a c par
consquent F = Vect(F 0 ) avec F 0 = { a, c }. Puisque F 0 E 0 et E 0 est une famille libre, alors la famille F 0 aussi
est libre. Par consquent F 0 est une base de F et dim(F ) = card(F 0 ) = 2.
3. Lespace vectoriel G est engendr par la famille G = { d, e }. Vrifions si G0 est libre :
0
3 0
d + e = 0R4 =
+ 2 = 0 = = = 0
2 +
0
donc la famille G0 est libre. Par consquent G0 est une base de G et dim(G) = card(G0 ) = 2.
4. Une famille gnratrice de F + G est donne par la runion dune famille gnratrice de F et dune famille
gnratrice de G, donc par exemple par la famille
S = F 0 G = { a, c } { d, e } = { a, c, d, e }
On sait que d = a c donc
F + G = Vect(S) = Vect({ a, c, e }) = Vect(E 0 ).
Donc F + G = E et dim(F + G) = dim(E) = 3.
G. Faccanoni
93
3 Espaces vectoriels
y
z
w
F G, alors
x
y
z
wx
y
z
w
x
, tels que
y
z
wx
y
z
w
= a + c
= , , , tels que a + c = d + e
, tels que
= d + e
3 4 1 0
2 2 0 3 0
=
1 0 1 2 = 0 = = = , = 0
0
4 2 2 1
donc
1
1
R = Vect
.
1
0
1
1
Lespace vectoriel F G est engendr par la famille B =
qui est libre. Par consquent B est une
1
F G =
base de F G.
= = 0.
= = 0.
3. On appelle somme de U et V lensemble des vecteurs de R3 qui peuvent scrire comme somme dun vecteur de
U et dun vecteur de V :
wU +V
u U et v V tels que w = u + v
===0
donc elle constitue une base de U + V . De plus, dim(U + V ) = card(W) = 3, autrement dit U + V = R3 .
94
G. Faccanoni
3 Espaces vectoriels
4. La formule de Grassmann lie la dimension de la somme de deux sous espaces vectoriels celle de lintersection :
dim(U V ) = dim(U) + dim(V ) dim(U + V ).
Donc dim(U V ) = 2 + 2 3 = 1. De plus, 1
(
w = (w1 , w2 , w3 ) U w1 = w3
w = (w1 , w2 , w3 ) V w1 = w2 2w3
x = 0,
2t = 0,
x(1, 0, 1, 0) + t(0, 2, 4, 1) = (0, 0, 0, 0)
4t x = 0,
t = 0,
x = t = 0,
v2 = 2e2 + 4e3 + e4 ,
e4 = v2 2e2 4e3 ,
donc une autre base de R4 est la famille { v1 , v2 , e2 , e3 }. On peut alors conclure quune base dun supplmentaire
de V dans R4 est la famille S = { e2 , e3 }.
3. Les composantes coord(u, S) du vecteur u = (0, 1, 1, 0) dans la base du supplmentaire de V calcule au point
prcdent sont (1, 1).
Exercice 3.61
Soit F et G les sous-espaces vectoriels de R3 donns par
F=
(x, y, z) R3 x = y
w1 = +
1. w = (w1 , w2 , w3 ) V , R tels que w2 = +
w3 =
G. Faccanoni
G=
(x, y, z) R3 x + y 2z = 0 .
(
R tel que
w1 = w3
w2 = w3
w1 + w2 = 2w3
95
3 Espaces vectoriels
Correction.
x
y
z
Soit
F G, alors
x
y
xz
y
z
donc
F
G
x +y=0
x + y 2z = 0
y = x
z=0
x
x
0
o
n 1 o
1
.
x R = Vect
0
n 1 o
1
Lespace vectoriel F G est engendr par la famille B =
donc ils ne sont pas en somme directe.
F G =
n
Exercice 3.62
Soit F et G les sous-espaces vectoriels de R3 donns par
F = (x, y, z) R3 x = y
G = (x, y, z) R3 x = 0, y z = 0 .
Sont-ils en somme directe ?
Correction.
x
Soit
y
z
F G, alors
x
y
y
z
xz
donc
x = 0
x +y=0
y = 0
x = 0, y z = 0
z=0
F G =
n 0 o
0
0
Exercice 3.63
Soient A, B et C trois sous-espaces vectoriels dun espace vectoriel E tels que
B C,
A B = A C,
A + B = A + C.
Montrer que B = C .
Correction.
AB=AC
A+B=A+C
dim(B) = dim(C ).
96
G. Faccanoni
3 Espaces vectoriels
1 0
3 2
rg
0 1 = 2,
1 0
la famille V est donc libre et constitue une base de lespace vectoriel V .
2. La famille B4 = { v1 , v2 , e1 = (1, 0, 0, 0), e2 = (0, 1, 0, 0) } est une base de R4 car elle a
1
1 0 1 0
3 2 1
3
3 2 0 1
0
1
det
0 1 0 0 = det 0 1 0 = det 1 0 6= 0, i.e. rg 0
1 0 0
1
1 0 0 0
cardinal 4 et de plus
0 1 0
2 0 1
=4
1 0 0
0 0 0
1 0 1 0
3 2 0 1
PCB4 =
0 1 0 0
1 0 0 0
1
et PB4 C = PCB
:
4
1 0 1 0 1 0
3 2 0 1 0 1
(PCB4 |I4 ) =
0 1 0 0 0 0
1 0 0 0 0 0
L1 L1
1 0 1 0 1
L2 L2 3L1
L3 L3
2 3 1 3
L4 L4 +L1 0
0 1 0 0 0
0 0 1 0 1
L1 L1
1 0
1
0
L2 L2 /2
L3 L3 L2 /2
L4 L4
0 1 3/2 1/2
0 0
3/2 1/2
0 0
1
0
L1 L1 2L3 /3
1 0 0
1/3 0
L2 L2 +L3
L3 2L3 /3
0
0
0
L4 L4 2L3 /3 0 1
0 0 1 1/3 1
1/3 0
0 0 0
L1 L1 L3
1 0 0 0 0 0
L2 L2
L3 L3 L2 /2
L4 3L4
0 1 0 0 0 0
0 0 1 0 1 0
0 0 0 1 0 1
G. Faccanoni
0
0
1
0
0
0
0
1
0 0 0
1 0 0
0 1 0
0 0 1
0
0 0
1/2 0 0
1/2 1 0
0
0 1
1/3 2/3 0
0
1
0
1/3 2/3 0
1/3 2/3 1
0 1
1
0
= (I4 |PB4 C )
0
1
1
3/2
3/2
1
97
Applications linaires
Dfinition
Soient E et F deux ensembles.
B Le produit cartsien E F est lensemble des couples (x, y) o x est un lment de E et y un lment de F .
Lgalit dans E F est dfinie par : (x, y) = (x 0 , y0 ) x = x 0 et y = y0 .
B Une relation binaire (ou correspondance) de E dans (ou vers) F est un triplet R = (E, F , G) o G une partie
de E F . Lensemble E est appel ensemble de dpart de R, lensemble F est appel ensemble darrive de
R. Lensemble G est appel graphe de R.
NOTATION. Pour tout (x, y) E F , on crit xRy et on dit x est en relation avec y ssi (x, y) G.
B Une fonction f de E dans F est une relation de E dans F vrifiant : pour tout x E, il existe au plus un
lment y F satisfaisant xfy.
B Le domaine de dfinition Df dune fonction f de E dans F est lensemble des x E satisfaisant : il existe un
et un seul y F tel que xfy.
NOTATION. Pour tout x Df , on note f(x) le seul point y F satisfaisant xfy. Donc pour tout (x, y) Df F ,
xfy y = f(x). Si x Df alors f(x) est appel limage de x par f. Si y F alors tout point x Df
satisfaisant y = f(x) est appel un antcdent de x par f.
B Soit f une fonction de E dans F et A une partie de E. Limage directe de A par f est la partie de F dfinie
par f(A) := { y F : x A Df y = f(x) }.
B Soit f une fonction de E dans F et B une partie de F . Limage rciproque de B par f est la partie de E dfinie
par f 1 (B) := { x Df : f(x) B }.
Attention ne pas confondre limage rciproque de B, qui existe toujours, avec limage de B par f 1 , qui
nexiste que si f est une bijection. Ici on ne suppose rien sur f.
E
F
E
F
Df
Df
f
A Df
f
f(A)
f 1 (B)
B Une application f de E dans F est une fonction de E dans F dont le domaine de dfinition est gal E.
99
4 Applications linaires
f(x) = f(x 0 ) = x = x 0 .
x E
x 0 E
x = x 0 = f(x) = f(x 0 ),
x E
x 0 E
f(x) 6= f(x 0 ) = x 6= x 0 ,
x 0 E
0
x E
x 6= x 0 = f(x) 6= f(x 0 ),
f(x) = f(x 0 ) = x = x 0 .
x E
y = f(x).
B Une bijection f de E dans F est une application de E dans F qui est injective et surjective.
Exemple
E
1.
2.
Elle est une fonction mais elle nest pas une application.
3.
4.
5.
E
6.
F
Elle est une bijection.
100
graphe
graphe
k F
k F
G. Faccanoni
4 Applications linaires
Exemple
Soit les applications :
f : R3 R3 dfinie par f(x, y, z) = (x + 2y + 3z, 2y z, x + z) ;
f : R3 R3 dfinie par f(x, y, z) = (0, 2y z, 0) ;
f : R3 R3 dfinie par f(x, y, z) = (x + 2y + 3, 2y z, x + z) ;
f : R3 R3 dfinie par f(x, y, z) = (x + 2y + 3z, 2yz, x + z) ;
f : R3 R dfinie par f(x, y, z) = x + 2y + 3z ;
f : R R dfinie par f(x) = x 2 + 2x.
On veut trouver celles qui sont linaires :
f est une application linaire car pour tout (x, y, z), (x 0 , y0 , z 0 ) R3 et pour tout a, b R on a
f(ax + bx 0 , ay + by0 , az + bz 0 )
= (ax + bx 0 + 2(ay + by0 ) + 3(az + bz 0 ), 2(ay + by0 ) (az + bz 0 ), ax + bx 0 + (az + bz 0 ))
= a(x + 2y + 3z, 2y z, x + z) + b(x 0 + 2y0 + 3z 0 , 2y0 z 0 , x 0 + z 0 ) = af(x, y, z) + bf(x 0 , y0 , z 0 );
f est une application linaire car pour tout (x, y, z), (x 0 , y0 , z 0 ) R3 et pour tout a, b R on a
f(ax + bx 0 , ay + by0 , az + bz 0 ) = (0, 2(ay + by0 ) (az + bz 0 ), 0)
= a(0, 2y z, 0) + b(0, 2y0 z 0 , 0) = af(x, y, z) + bf(x 0 , y0 , z 0 );
f nest pas une application linaire car par exemple f(0, 0, 0) = (3, 0, 0) ;
f nest pas une application linaire car pour (x, y, z) R3 \ { (0, 0, 0) } et pour a R \ { 0; 1 } on a
f(ax, ay, az) = (ax + 2ay + 3az, 2a2 yz, ax + az)
Dfinition
Soit f : E F une application linaire.
B Si f : E F est bijective, on dit que f est un isomorphisme de E sur F .
B Si F = E, on dit que f : E E est un endomorphisme de E.
B Si F = E et f : E E est bijective, on dit que f est un automorphisme de E.
B Si F = R, on dit que f : E R est une forme linaire.
B
B
B
B
G. Faccanoni
101
4 Applications linaires
Exemple
Lapplication nulle
f: E F
u 7 0F
est linaire. En effet :
B f(u + v) = 0F et f(u) + f(v) = 0F + 0F = 0F pour tout u, v E ;
B f( u) = 0F et f(u) = 0F = 0F pour tout u, R.
Exemple
Lapplication identique
f: E E
u 7 u
est linaire. En effet :
B f(u + v) = u + v = f(u) + f(v) pour tout u, v E ;
B f( u) = u = f(u) pour tout u, R.
Cest dailleurs un automorphisme de E.
Exemple
Les applications linaires de R dans R sont les applications x 7 ax ( ne pas confondre avec les applications affines).
Exemple
Les formes linaires de R3 dans R sont les applications (x, y, z) 7 ax + by + cz.
Exemple
Les changements de base sont des automorphismes.
Dfinition
B
B
B
B
Proprit
Soit f : E F une application linaire. Limage du vecteur nul est le vecteur nul : f(0E ) = 0F .
Soit f : E F une application linaire. Limage de loppos est loppos de limage : f(u) = f(u) pour
tout u E.
Soit f : E PF une application
linaire. Limage dune combinaison linaire est la combinaison linaire des
Pp
p
images : f( i=1 i ui ) = i=1 i f(ui ) pour tout u1 , u2 , . . . , up E.
La compose de deux applications linaires f : E F et g : F G est linaire : f L(E, F ) et g L(F , G)
= g f L(E, G).
La somme de deux applications linaires est linaire : f L(E, F ) et g L(E, F ) = f + g L(E, F ).
Le produit par un scalaire de deux applications linaires est linaire : f L(E, F ) et R
f L(E, F ).
102
G. Faccanoni
4 Applications linaires
ker(f)
0E
0F
B On appelle image dune application linaire f de E vers F lensemble des vecteurs v F tels quil existe u E
vrifiant f(u) = v. Limage est note im(f). On a donc
im(f) = { v F | u E, v = f(u) } .
f
E
im(f)
0E
0F
B On appelle rang dune application linaire f de E vers F la dimension de limage de f. On le note rg(f). On a
donc
rg(f) = dim(im(f)).
Proposition
B ker(f) est un sous espace vectoriel de E.
B im(f) est un sous espace vectoriel de F .
Proposition
B f est injective si et seulement si ker(f) = { 0E }.
B f est surjective si et seulement si im(f) = F .
B f est bijective si et seulement si ker(f) = { 0E } et im(f) = F .
G. Faccanoni
103
4 Applications linaires
Proposition
Soit E et F deux espaces vectoriels de dimension finie et f une application linaire de E vers F .
Limage dune base de E est une famille gnratrice de im(F ).
Limage dune famille gnratrice de E est une famille gnratrice de F si et seulement si f est surjective.
Limage dune famille libre de E est une famille libre de F si et seulement si f est injective.
Limage dune base de E est une base de F si et seulement si f est bijective.
Sil existe un isomorphisme de E vers F alors dim(E) = dim(F ).
Proposition
Soit E et F deux espaces vectoriels de dimension finie et f une application linaire de E vers F .
Si dim(E) = dim(F ), il y a quivalence entre :
B f Isom(E, F ),
B ker(f) = { 0E },
B im(f) = F , i.e. rg(f) = dim(F ).
Cas particulier : si E = F , il y a quivalence entre :
B f Aut(E),
B ker(f) = { 0E },
B im(f) = E.
Matrices et applications linaires
a11 . . .
..
M(f, B , C) = ai1 . . .
..
am1 . . .
..
.
amj . . . amn
Exemple
Si B = { b1 = (1, 0, 0), b2 = (0, 1, 0), b3 = (0, 0, 1) } est la base canonique de R3 et si C = { c1 = (1, 0), c2 = (0, 1 } est la base
canonique de R2 , lapplication linaire f : R3 R2 dfinie par f(b1 ) = 2c1 c2 , f(b2 ) = 5c2 , f(b3 ) = c1 + 3c2 , a pour matrice
2
0 1
M(f, B , C) =
.
1 5 3
104
G. Faccanoni
4 Applications linaires
n
X
aij uj
pour 1 i m,
j=1
a11
...
..
.
ai1
...
..
.
...
..
.
am1
a1j
aij
..
.
...
..
.
...
amj
a1n
ain
..
.
...
amn
coord(u, B ) Mn,1
coord(f(u), C) Mm,1
u1
a11 u1 + + a1j uj + + a1n un
..
..
.
.
uj
= ai1 u1 + + aij uj + + ain un
..
..
.
.
Attention
La matrice associe une application linaire nest pas unique, elle dpends des bases choisies dans les espaces
E et F .
Remarque
La matrice du changement de base PB B 0 correspond la matrice reprsentative de lapplication linaire identit
relativement aux bases B 0 pour lespace de dpart et B pour lespace darriv, ainsi PB B 0 = M(id, B 0 , B ). En effet,
considrons lapplication linaire identit
id : E E
u 7 u
Soit B = { e1 , e2 , . . . , en } et B 0 = { e01 , e02 , . . . , e0n } deux bases du mme espace vectoriel E. Alors
P
id(e01 ) = e01 = ni=1 pi1 ei
. . .
Pn
0
0
. . .
. . .
=
. . .
p11
p21
= M(id, B 0 , B ) = .
..
pn1
G. Faccanoni
p12
p22
..
.
pn2
...
...
...
p1n
p2n
.. = PB B 0 .
.
pnn
105
4 Applications linaires
Proprit
Soit A une matrice dordre m n, E un espace vectoriel de dimension n, F un espace vectoriel de dimension m.
Quelles que soient les bases choisies dans E et F , le rang de lapplication linaire f : E F associe A est
toujours le mme et est gale au rang de la matrice A.
Proprit
Soit E et F deux espaces vectoriels, B une base de E, C une base de F , f : E F une application linaire de E
dans F . Alors
B f est injective si et seulement si ker(f) = { 0E } si et seulement si rg(M(f, B , C)) = dim(E),
B f est surjective si et seulement si im(f) = F si et seulement si rg(M(f, B , C)) = dim(F ),
B f est bijective si et seulement si ker(f) = { 0E } et im(f) = F si et seulement si rg(M(f, B , C)) = dim(E) =
dim(F ) si et seulement si det(M(f, B , C)) 6= 0.
Proposition
Une matrice carre est inversible si et seulement si cest la matrice dun isomorphisme (ou dune application
linaire bijective entre deux espaces de mme dimension).
Exemple
La matrice de lapplication linaire nulle
f: E F
u 7 0F
est toujours la matrice nulle On,p de Mn,p (R)
Exemple
Soient B = { e1 = (1, 0, 0), e2 = (0, 1, 0), e3 = (0, 0, 1) } et C = { e01 = (1, 0), e02 = (0, 1) } les bases canoniques de R3 et R2
respectivement, et soit f : R3 R2 lapplication linaire telle que
f(e1 ) = (1, 2),
Comme
alors
M(f, B , C) =
1
2
3
4
Si u = xe1 + ye2 + ze2 R3 , autrement dit coord(u, B ) = (x, y, z), alors f(u) a pour coordonnes dans la base C le vecteur
x
1 3 5
x + 3y + 5z
y =
M(f, B , C) coord(u, B ) =
= coord(f(u), C).
2 4 6
2x + 4y + 6z
z
On a donc coord(f(u), C) = (x + 3y + 5z; 2x + 4y + 6z), ce qui confirme le calcul direct
f(u) = xf(e1 ) + yf(e2 ) + zf(e3 ) = x e01 + 2e02 + y 3e01 + 4e02 + z 5e01 + 6e02 = x + 3y + 5z e01 + 2x + 4y + 6z e02 .
Remarque
Si lapplication linaire f est un endomorphisme de lespace vectoriel E et si on considre la mme base B sur
lespace de dpart et darriv, alors on utilise la notation M(f, B ) pour indiquer la matrice M(f, B , B ).
Si lapplication linaire f est un endomorphisme de lespace vectoriel E mais on considre deux bases diffrentes
pour lespace de dpart et darriv, il faut garder la notation complte.
106
G. Faccanoni
4 Applications linaires
Exemple
On se donne une droite d (ici, dquation y = x) et lapplication f qui consiste projeter les points du plan perpendiculairement sur cette droite. Lexemple de la projection orthogonale est un endomorphisme, puisque lon part du plan pour aller
dans le plan.
d
f(B)
B
f(A)
Proposition
Soit
B E et F deux espaces vectoriels,
B B et B 0 deux bases de E,
B C et C0 deux bases de F ,
B f : E F une application linaire de E dans F ,
alors
M(f, B 0 , C0 ) = PC0 C M(f, B , C)PB B 0 .
Les matrices M(f, B , C) et M(f, B 0 , C0 ) sont dites quivalentes. Elles reprsentent la mme application linaire
dans des bases diffrentes.
Notation mnmotechnique
On va noter
B FCB la matrice M(f, B , C) qui reprsente lapplication linaire f relativement aux bases B de lespace de dpart
E et C de lespace darriv F ,
B IB B 0 la matrice M(id, B 0 , B ) = PB B 0 qui reprsente lapplication linaire id (identit) relativement aux bases
B 0 de lespace de dpart E et B de lespace darriv E,
B etc.
G. Faccanoni
107
4 Applications linaires
M(f, B , C)
C0
)0
B0
M
(f
,B
F
,0
C)
IB B 0
M(id, C, C0 ) = PC0 C
M
(f
,B
F
,C
M(id, B 0 , B ) = PB B 0
FCB
IC0 C
M(f, B 0 , C0 )
FC0 B 0
C0
B parcours C0
B 0 , reprsent par la matrice FC0 B 0 ,
f
id
id
id
B parcours C0
B
B 0 , reprsent par le produit matriciel FC0 B IB B 0 ,
B parcours C0
C
B 0 , reprsent par le produit matriciel IC0 C FCB 0 ,
id
B parcours C0
C
B
B 0 , reprsent par le produit matriciel IC0 C FCB IB B 0 .
ce qui donne les relations
FC0 B 0 = FC0 B IB B 0
Exemple
Considrons lapplication linaire
f : R3 R2
x
y 7 x y
yz
z
Considrons B et B 0 deux bases de R3 :
1
1
1
B = b1 = 1 , b2 = 1 , b3 = 0 ,
1
0
0
1
1
0
0
0
0
0
B = b1 = 1 , b2 = 0 , b3 = 1 ;
0
1
1
et C et C0 deux bases de R2 :
1
1
C = c1 =
, c2 =
,
1
0
1
0
C0 = c10 =
, c20 =
.
0
1
B Pour calculer FCB = M(f, B , C) on doit exprimer limage par f de chaque lment de la base B comme combinaison linaire
dlments de la base C :
108
G. Faccanoni
4 Applications linaires
donc
FCB = M(f, B , C) =
0
0
0
.
1
1
1
B Pour calculer FC0 B 0 = M(f, B 0 , C0 ) on doit exprimer limage par f de chaque lment de la base B 0 comme combinaison
linaire dlments de la base C0 :
0
0
0
0
0
f(b3 ) = f(0, 1, 1) = (1, 0) = c1 ,
coord(f(b03 ), C0 ) = (1, 0),
donc
FC0 B 0 = M(f, B 0 , C0 ) =
0
1
1
.
0
1
1
B Pour calculer FC0 B = M(f, B , C0 ) on doit exprimer limage par f de chaque lment de la base B comme combinaison
linaire dlments de la base C0 :
0
0
1
.
0
0
1
B Pour calculer FCB 0 = M(f, B 0 , C) on doit exprimer limage par f de chaque lment de la base B 0 comme combinaison
linaire dlments de la base C :
0
0
CB 0
= M(f, B , C) =
1
1
0
.
1
1
2
0
id(b3 ) = id(0, 1, 1) = (0, 1, 1) = b1 b3 ,
0
0
IB B 0 = M(id, B , B ) = PB B 0 = 1
0
1
1
1
1
0 .
1
B Pour calculer IC0 C = M(id, C, C0 ) = PC0 C on doit exprimer limage par id de chaque lment de la base C comme combinaison
linaire dlments de la base C0 :
(
(
id(c1 ) = id(1, 1) = (1, 1) = c10 + c20 ,
coord(id(c1 ), C0 ) = (1, 1),
=
0
id(c2 ) = id(1, 0) = (1, 0) = c1 ,
coord(id(c2 ), C0 ) = (1, 0),
donc la matrice de passage de la base C0 la base C est la matrice
IC0 C = M(id, C, C0 ) = PC0 C =
1
1
1
.
0
G. Faccanoni
FC0 B 0 = FC0 B IB B 0
i.e.
i.e.
i.e.
109
4 Applications linaires
ou encore
Notation mnmotechnique
f
M(f, B , B )
FB ,B
(f
,
B0
B,
)0
IB B 0
,B
,B
0
B
(f
M F B
M(f, B 0 , B 0 )
B0
M(id, B , B 0 ) = PB 0 B
IB 0 B
M(id, B 0 , B ) = PB B 0
B0
FB 0 ,B 0
B parcours B 0
B 0 , reprsent par la matrice FB 0 B 0 ,
f
id
id
id
B parcours B 0
B
B 0 , reprsent par le produit matriciel FB 0 B IB B 0 ,
B parcours B 0
B
B 0 , reprsent par le produit matriciel IB 0 B FB B 0 ,
id
B parcours B 0
B
B
B 0 , reprsent par le produit matriciel IB 0 B FB B IB B 0 .
ce qui donne les relations
FB 0 B 0 = FB 0 B IB B 0
FB 0 B 0 = IB 0 B FB B 0
FB 0 B 0 = IB 0 B FB B IB B 0
Rappel : PB B 0 = (PB 0 B )1 .
Exemple
Dans R2 considrons les deux vecteurs u = (3, 1) et v = (5, 2). Ils forment une base B de R2 . Considrons lapplication
linaire de R2 dans lui mme dfinie par
f(u) = 2u,
f(v) = v.
B Par rapport la base B sur lespace de dpart et darriv, f a pour matrice reprsentative la matrice diagonale
FB B = M(f, B , B ) =
B Comme
2
0
0
.
1
(
id(u) = u = 3e1 + e2 ,
id(v) = v = 5e1 + 2e2 ,
110
3
1
5
2
G. Faccanoni
4 Applications linaires
B Comme
(
id(e1 ) = e1 = 2u v,
id(e2 ) = e2 = 5u + 3v,
6
2
5
.
2
B Dterminons maintenant la matrice de f par rapport la base canonique C pour lespace de dpart et la base B pour
lespace darriv :
(
f(e1 ) = f(2u v) = 2f(u) f(v) = 4u + v,
f(e2 ) = f(5u + 3v) = 5f(u) + 3f(v) = 10u 3v,
ainsi
FB C = M(f, C, B ) =
4
1
10
.
3
i.e.
FCC = ICB FB C
i.e.
FCC = ICB FB B IB C
i.e.
quations linaires
Exemple
1. Un systme linaire de n quations p inconnues du type
a x + a x + + a x = b
21 1
22 2
2p p
2
.
.
.
G. Faccanoni
111
4 Applications linaires
Si la dimension de ker(f) est connue, on connat alors, grce au thorme du rang, la dimension de im(f). Si
de plus on connat une base { e1 , . . . , en } de E, on sait que im(f) = Vect { f(e1 ), . . . , f(en ) }. On peut alors en
dduire une base de im(f) par limination des vecteurs qui sont combinaison linaire des autres vecteurs de
lensemble { f(e1 ), . . . , f(en ) }.
Exemple
Soit f lendomorphisme de R3 dont la matrice dans la base canonique est
2
2 2
3
1 .
A = 1
1 1 1
Pour dterminer ker(f) on rsout le systme homogne f((x, y, z)) = (0, 0, 0) :
2x 2y 2z = 0,
(x, y, z) = (1, 0, 1).
x + 3y + z = 0,
x y + z = 0,
Daprs le thorme du rang, dim(im(f)) = 3 1 = 2. La famille
{ f(1, 0, 0), f(0, 1, 0), f(0, 0, 1) } = { (2, 1, 1), (2, 3, 1), (2, 1, 1) }
est une famille gnratrice de im(f). On sait alors quil suffit den extraire une famille libre de cardinal 2 pour obtenir une
base, par exemple la famille { (2, 1, 1), (2, 3, 1) }.
Astuce
Soit B un espace vectoriel de dimension n et B = { b1 , . . . , bn } une base de B, W un espace vectoriel de
dimension m et W = { w1 , . . . , wm } une base de W .
Soit f une application linaire de B dans W de matrice A Mmn (R) relativement aux bases B et W.
Soit u B et supposons
Pde connatre les coordonnes de u dans la base B , i.e. quon connat les n coefficients
1 , . . . , n tels que u = nj=1 j bj .
Pour
Pm obtenir les coordonnes de f(u) W dans la la base W, i.e. les m coefficients 1 , . . . , m tels que f(u) =
i=1 i wi , on peut :
112
G. Faccanoni
4 Applications linaires
1
1
..
..
. = A . ;
m
B soit exprimer
chacun des vecteurs f(bj ) dans la base W, i.e. trouver les m coefficients 1j , . . . , mj tels que
P
f(j ) = m
i=1 ij wi , et on obtient
!
n
n
m
m
n
X
X
X
X
X
f(u) =
j f(bj ) =
j
ij wi =
ij j wi
j=1
j=1
i=1
i=1
j=1
{z
i
o A = (ij )1im .
1jn
G. Faccanoni
113
4 Applications linaires
x
x +y+z
y 7 x y + z
z
x + 3y + z
1. Dmontrer quelle est une application linaire.
2. Dterminer une base de son noyau.
3. Dterminer une base de son image.
4. Est-elle injective ? Est-elle surjective ?
5. Dterminer sa matrice dans la base canonique de R3 .
Correction.
ux
vx
1. Soit u = uy et v = vy deux vecteurs de R3 et R.
uz
vz
ux + vx
ux + vx + uy + vy + uz + vz
ux + uy + uz
vx + vy + vz
f(u + v) = f uy + vy = ux + vx uy vy + uz + vz = ux uy + uz + vx vy + vz = f(u) + f(v),
uz + vz
ux + vx + 3uy + 3vy + uz + vz
ux + 3uy + uz
vx + 3vy + vz
ux + uy + uz
ux + uy + uz
f( u) = ux uy + uz = ux uy + uz = f(u).
ux + 3uy + uz
ux + 3uy + uz
Ainsi f est un endomorphisme de R3 .
2. Recherche dune base du noyau :
ux
ux + uy + uz
0
0
ux +uy +uz =0
ux uy +uz =0
u = uy ker(f) f(u) = 0 ux uy + uz = 0
ux +3uy +uz =0
uz
0
ux + 3uy + uz
0
ux +uy +uz =0
2uy
=0 u = 0 , R.
2uy
=0
Do
1
ker(f) = 0 R = 0 R = Vect 0 .
1
1
1
Par consquent Vect 0 est une base de ker(f) et dim(ker(f)) = 1.
1
3
1
1
3
114
G. Faccanoni
4 Applications linaires
1
1
Comme le cardinal de cette famille est gale la dimension de im(f) on conclut que Vect 1 , 1
1
3
est une base de im(f).
0
4. Comme ker(f) 6= 0 , f nest pas injective.
0
Comme dim(im(f)) 6= dim(R3 ), alors im(f) 6= R3 , on en dduit que f nest pas surjective.
5. Soit { c1 , c2 , c3 } la base canonique de R3 , on a
1
1
1
f(c1 ) = 1 = c1 + c2 + c3 ,
f(c2 ) = 1 = c1 c2 + 3c3 ,
f(c3 ) = 1 = c1 + c2 + c3 .
1
3
1
Alors par dfinition la matrice e f relativement la base canonique de R3 est la matrice 3 3
1 1 1
M(f, C, C) = 1 1 1 .
1 3 1
Exercice 4.2
Soit lapplication
f : R3 R3
x
x + 2y
y 7 y
z
x +z
1. Dmontrer quelle est une application linaire.
2. Dterminer une base de son noyau.
3. Dterminer une base de son image.
4. Est-elle injective ? Est-elle surjective ?
5. Dterminer sa matrice dans la base canonique de R3 .
Correction.
ux
vx
1. Soit u = uy et v = vy deux vecteurs de R3 et R.
uz
vz
ux + v x
ux + vx + 2(uy + vy )
ux + 2uy
vx + 2vy
= uy + vy = f(u) + f(v),
uy + v y
f(u + v) = f uy + vy =
uz + v z
ux + vx + uz + vz
ux + uz
vx + vz
ux + 2uy
ux + 2uy
= uy = f(u).
uy
f( u) =
ux + uz
ux + uz
Ainsi f est un endomorphisme de R3 .
2. Recherche dune base du noyau :
ux
0
ux + 2uy
0
=0
ux +2uy
uy
=0
u = uy ker(f) f(u) = 0 uy = 0
uz
0
ux + uz
0
ux
+uz =0
Do
0
u = 0 .
0
0
ker(f) = 0 .
G. Faccanoni
115
4 Applications linaires
3. Daprs le thorme du rang, dim(ker(f)) + dim(im(f)) = dim(R3 ), donc dim(im(f)) = 3. De plus, im(f) R3
donc im(f) = R3 . Par consquent, une base de im(f) est par exemple la base canonique de R3 .
0
4. Comme ker(f) = 0 , f est injective.
0
Comme im(f) = R3 , on en dduit que f est surjective.
Ainsi f est un automorphisme de R3 .
5. Soit C = { c1 , c2 , c3 } la base canonique de R3 , i.e.
1
0
c1 = 0 ,
c2 = 1 ,
0
0
0
c3 = 0 .
1
On a
1
f(c1 ) = 0 = c1 + c3 ,
1
2
f(c2 ) = 1 = 2c1 + 1c2 ,
0
0
f(c3 ) = 0 = c3 .
1
1 2 0
M(f, C, C) = 0 1 0 .
1 0 1
Exercice 4.3
Soit lapplication
f : R3 R
x
y 7 x + y + z
z
1. Dmontrer quelle est une application linaire.
2. Dterminer une base de son noyau.
3. Dterminer une base de son image.
4. Est-elle injective ? Est-elle surjective ?
5. Dterminer sa matrice relativement aux bases canoniques de R3 et R.
Correction.
ux
vx
1. Soit u = uy et v = vy deux vecteurs de R3 et R.
uz
vz
ux + v x
f(u + v) = f uy + vy = ux + vx + uy + vy + uz + vz = (ux + uy + uz ) + (vx + vy + vz ) = f(u) + f(v),
uz + v z
f( u) = ux + uy + uz = (ux + uy + uz ) = f(u).
Ainsi f est un application linaire de R3 dans R.
2. Recherche dune base du noyau :
ux
1
, 1 , 2 R.
u = uy ker(f) f(u) = 0 ux + uy + uz = 0 u = 2
uz
1 2
116
G. Faccanoni
4 Applications linaires
Do
1
1
0
0
1 , 2 R = 1 0 + 2 1 1 , 2 R = Vect 0 , 1 .
ker(f) = 2
1
1
1 2
1
1
1
0
0
1
De plus les vecteurs 0 et 1 ne sont pas colinaire, donc Vect 0 , 1 est une base de
1
1
1
1
ker(f) et on conclut que dim(ker(f)) = 2.
3. Daprs le thorme du rang, dim(ker(f)) + dim(im(f)) = dim(R3 ), donc dim(im(f)) = 3 2 = 1. De plus,
im(f) R donc im(f) = R. Par consquent, une base de im(f) est par exemple la base canonique de R.
0
4. Comme ker(f) 6= 0 , f nest pas injective.
0
Comme im(f) = R, on en dduit que f est surjective.
5. Soit C = { c1 , c2 , c3 } la base canonique de R3 et W = { w } la base canonique de R, i.e.
1
0
0
c1 = 0 ,
c2 = 1 ,
c3 = 0 ;
w = 1.
0
0
1
On a
f(c1 ) = 1 = w,
f(c2 ) = 1 = w,
f(c3 ) = 1 = w.
Alors par dfinition la matrice de f relativement aux bases canoniques de R3 et de R est la matrice 1 3
M(f, C, W) = 1 1 1 .
xy+z+w
x+2yz
x+y+3z3w
.
1. Dterminer la matrice associe L quand on muni les espaces de dpart et darriv avec leur bases
canoniques respectives.
2. Dterminer une base et la dimension de ker(L).
3. Dterminer une base et la dimension de im(L).
Correction.
1 0 0 0
0
, 10 , 01 , 00
la base canonique de E.
0
0
n 1 00 0 0 o 1
0 , 1 , 0
Notons F = R3 et F =
la base canonique de F .
1. Notons E = R4 et E =
Les colonnes de la matrice associe L quand on muni les espaces de dpart et darriv avec leur bases
canoniques respectives sont constitues par les coordonnes par rapport la base F des images par L des
lments de E :
1
1
1 , F = (1, 1, 1),
coord
L 00 , F = coord
00
1
2
1 1 1
1
, F = (1, 2, 1),
coord L 10 , F = coord
1
00
= M(L, E , F ) = 1 2 1 0
1
1
1 1
3 3
coord
L
,
F
=
coord
,
F
=
(1,
1,
3),
00
1
0
, F = (1, 0, 3),
coord L 00 , F = coord
1
G. Faccanoni
117
4 Applications linaires
2. Noyau de L :
x x
xy+z+w
0
0
4
y
y
x+2yz
= 0
R L z = 0
=
R
z
0
0
x+y+3z3w
w
w
1
x
0
1
R = Vect
R4 M(f, E , F ) yz = 0
=
x
ker(L) =
=
y
z
w
x
y
z
w
et dim(ker(L)) = 1.
3. Image de L :
B dim(im(L)) = dim(R4 ) dim(ker(L)) = 3.
B Lensemble des images dune base de lespace de dpart (ici R4 ) constitue une famille gnratrice de limage
de L :
1 0 0 0
im(L) = Vect
L 00 , L 10 , L 01 , L 00
0
0
0
1
n 1 1 1 1 o
1 ,
2
, 1 , 0
= Vect
1
n 1 1 1
1 ,
2
B La famille B =
, 1 ,
1
1
0
3
o
car card(B ) > dim(im(L)). On va en extraire une base : on note dabord que
1
1 1 1
0
= 1 2 1 ,
3
n 1 1 1 o
1 ,
2
, on a Vect(B ) = Vect(B ). De plus, card(B ) =
, 1
donc, si on introduit la famille B =
3
1
1
dim(im(L)) donc la famille B est une base de im(L).
Exercice 4.5
Soit lapplication
f : R2 R3
x
x
7 y
y
x +y
1. Dmontrer quelle est une application linaire.
2. Dterminer une base de son noyau.
3. Dterminer une base de son image.
4. Est-elle injective ? Est-elle surjective ?
5. Dterminer sa matrice relativement aux bases canoniques de R2 et R3 .
Correction.
v
1. Soit u =
et v = x deux vecteurs de R2 et R.
vy
ux + vx
ux
vx
ux + vx
= uy + vy = f(u) + f(v),
uy + vy
f(u + v) = f
=
uy + vy
ux + v x + uy + v y
ux + uy
vx + vy
ux
ux
f( u) = uy = uy = f(u).
ux + uy
ux + uy
ux
uy
118
ux
uy
0
ux
0
ux = 0
ker(f) f(u) = 0 uy = 0
uy = 0
0
ux + uy
0
ux + uy = 0
u =
0
.
0
G. Faccanoni
4 Applications linaires
Do
ker(f) =
0
.
0
1
1
0
4. Comme ker(f) = 0 , f est injective.
0
Comme im(f) 6= R3 , on en dduit que f nest pas surjective.
5. Soit C = { c1 , c2 } la base canonique de R2 et W = { w1 , w2 , w3 } la base canonique de R3 , i.e.
1
0
0
1
0
c1 =
,
c2 =
,
w1 = 0 ,
w2 = 1 ,
w3 = 0 .
0
1
0
0
1
1
f(c1 ) = 0 = w1 + w3 ,
1
0
f(c2 ) = 1 = w2 + w3 .
1
Alors par dfinition la matrice de f relativement aux bases canoniques de R2 et de R3 est la matrice 3 2
1 0
M(f, C, W) = 0 1 .
1 1
Exercice 4.6
Dterminer une application linaire f : R4 R4 pour laquelle
ker(f) = im(f) = Vect({ (2, 2, 3, 3), (1, 4, 4, 1) }).
Correction. Soit C la base canonique de R4 et considrons la famille A = { (2, 2, 3, 3), (1, 4, 4, 1), (1, 0, 0, 0), (0, 1, 0, 0) } ;
on vrifie facilement que A est une base de R4 .
Une application linaire qui satisfait aux conditions donnes
0
0
M(f, A, C) =
0
0
G. Faccanoni
0 2 1
0 2 4
.
0 3 4
0 3 1
119
4 Applications linaires
En fait, toutes les applications linaires qui satisfont aux conditions donnes ont matrice reprsentative
0 0 21 + 1
22 + 2
0 0 21 + 41 22 + 42
M(f, A, C) =
0 0 31 + 41 32 + 42 .
0 0 31 + 1
32 + 2
avec rg(M) = 2, ce qui est quivalente imposer 1 2 6= 2 1 .
Correction.
1. On a
(x, y, z, t) R4 x 2y + z = 0, y 2t = 0
= (x, 2t, 4t x, t) (x, t) R2
= x(1, 0, 1, 0) + t(0, 2, 4, 1) (x, t) R2
V =
v2 = 2e2 + 4e3 + e4
e4 = v2 2e2 4e3
et donc la famille { v1 , v2 , e2 , e3 } est aussi une base de R4 . Par consquent, tout supplmentaire de V dans R4
a dimension 2 et une base dun de ces espaces est la famille { e2 , e3 }.
2. On cherche une application linaire f : R3 R4 pour laquelle
im(f) = V
et
ker(f) = (x, y, z) R3 x = y = z .
Daprs le thorme du rang, 2 = dim(V ) = dim(im(f)) = dim(R3 ) dim(ker(f)) donc dim(ker(f)) = 1. Si on
considre par exemple la base de R3 suivante B = { b1 = (1, 0, 0), b2 = (1, 1, 0), b3 = (1, 1, 1) } (il est simple de
vrifier quil sagit dune base), un exemple dapplication linaire qui vrifie ces conditions est
f(b1 ) = (1, 0, 1, 0),
1 1
Soit A =
une matrice dordre 2 dfinie dans lespace des matrices M2 (R) valeurs rels et V
1 1
M2 (R) le sous-espace vectoriel des matrices symtriques. Dfinissons lapplication linaire
f : V M2 (R)
M 7 AM
1. Construire une base BV pour V .
120
G. Faccanoni
4 Applications linaires
V =
a
b
b
1
a,
b,
c
R
=
Vect
c
0
0
0
, B2 =
0
1
0
0
,
0
1
1
0
, B3 =
0
0
1
0
,
0
0
0
1
0
1
1 1 0
0
1 1
.
M(f, BV , E ) =
1 1
0
0 1 1
G. Faccanoni
121
4 Applications linaires
5. Sil existe une application linaire g : M2 (R) V telle que g f = identit, cela signifie que g(f(M)) = M
pour toute matrice M V . Comme f(M) = AM, alors il faudrait que g(AM) = M pour toute matrice M V ,
donc lunique application linaire g qui vrifie cette galit est lapplication dfinie par g(B) = A1 B pour
tout matrice B M2 (R). Comme det(A) = 1 1 = 0, la matrice A nest pas inversible donc il nexiste aucune
application linaire g : M2 (R) V telle que g f = identit.
et
im(f) = ,
Correction.
Soit
a11
A = a21
a31
scrit formellement
a11
A = a21
a11 + a21
a12
a22
a12 + a22
a13
a23
a13 + a23
a14
a24 .
a14 + a24
a11
A = a21
a11 + a21
a12
a22
a12 + a22
a13
a23
a13 + a23
a11 + a12
.
a21 + a22
a11 + a12 + a21 + a22
v2 ker(f) f(v2 ) = 0
f(c2 c3 ) = 0
f(c2 ) f(c3 ) = 0
(a12 a13 )e1 + (a22 a23 )e2 + (a32 a33 )e4 = 0e1 + 0e2 + 0e3
donc
122
a11
A = a21
a11 + a21
a12
a22
a12 + a22
a12
a22
a12 + a22
a11 + a12
.
a21 + a22
a11 + a12 + a21 + a22
G. Faccanoni
4 Applications linaires
p(0)
p(1)
p 7
p(2) .
p(3)
Montrer que f est bijective.
Correction.
Soit
B C = c0 (t) = 1, c1 (t) = t, c2 (t) = t 2 , c3 (t) = t 3 la base canonique de R3 [t] et
B E = { e0 = (1, 0, 0, 0), e1 = (0, 1, 0, 0), e2 = (0, 0, 1, 0), e3 = (0, 0, 0, 1) } la base canonique de R4 .
Comme
f(c0 (t)) = c0 (0)e0 + c0 (1)e1 + c0 (2)e2 + c0 (3)e3 = (1, 1, 1, 1)
f(c1 (t)) = c1 (0)e0 + c1 (1)e1 + c1 (2)e2 + c1 (3)e3 = (0, 1, 1, 1)
f(c2 (t)) = c2 (0)e0 + c2 (1)e1 + c2 (2)e2 + c2 (3)e3 = (0, 1, 4, 9)
f(c3 (t)) = c3 (0)e0 + c3 (1)e1 + c3 (2)e2 + c3 (3)e3 = (0, 1, 8, 27)
alors la matrice de f relativement aux bases canoniques C et E
1 0
1 1
M(f, C, E ) =
1 2
1 3
On a
1
det(M(f, C, E )) = 1 det 2
3
1
4
9
1 C2 C2 C1
1
C C C
8 3 =3 1 det 2
27
3
est
0
1
4
9
0
2
6
0
1
.
8
27
0
2
6 = 1 det
6
24
6
24
= 48 36 = 12 6= 0
Exercice 4.11
Soient E un espace vectoriel de base { b1 , b2 , b3 , b4 } et F un espace vectoriel de base { c1 , c2 , c3 , c4 , c5 }.
Construire, si cela est possible, des applications linaires f : E F vrifiant :
1. im(f) = Vect { c2 , c4 } ;
2. im(f) = { 0F } ;
3. im(f) = F ;
4. ker(f) = Vect ({ b2 + b3 , b4 }) et im(f) = Vect ({ c2 , c3 }).
G. Faccanoni
123
4 Applications linaires
Correction.
1. Prendre par exemple f(b1 ) = c2 , f(b2 ) = c4 et f(b3 ) = f(b4 ) = 0F .
2. Prendre f(b1 ) = f(b2 ) = f(b3 ) = f(b4 ) = 0F ainsi ker(f) = E.
3. Impossible car dim(im(f)) = dim(E) dim(ker(f)) dim(E) = 4 tandis que dim(F ) = 5.
4. Prendre par exemple f(b1 ) = c2 , f(b2 ) = c3 et f(b3 ) = c3 et f(b4 ) = 0F .
Exercice 4.12
Soient V et W des espaces-vectoriels avec dim(V ) = 132 et dim(W ) = 150 et considrons : V W et
: W V deux applications linaires.
1. Lapplication linaire peut tre bijective ?
2. Lapplication linaire peut tre injective ?
3. Lapplication linaire peut tre surjective ?
4. Montrer que dim(ker()) 18.
5. Peut-on avoir ker() = rg() ?
6. Peut-on avoir ker() = 4 rg() ?
Correction.
1. Lapplication linaire : V
W
V est un endomorphisme donc elle peut tre bijective.
2. Si lapplication linaire est injective alors dim(ker()) = 0. Comme dim(ker()) = dim(W ) dim(im()),
alors dim(im()) = 150 ce qui est impossible car im() V et dim(V ) = 132. Donc ne peut pas tre
injective.
3. Si lapplication linaire est surjective alors dim(im()) = dim(V ) = 132. On a dim(ker()) = dim(W )
dim(im()) = 150 132 = 18 ce qui possible car ker() W et dim(W ) = 150 donc peut tre surjective.
4. dim(ker()) = dim(W ) dim(im()) = 150 dim(im()) avec 0 dim(im()) dim(V ) = 132 donc
18 dim(ker()) 150.
5. dim(ker()) = dim(V ) dim(rg()) = 132 dim(rg()). Si ker() = rg() alors ker() = rg() = 132/2 = 66
ce qui est possible.
6. dim(ker()) = dim(V ) dim(rg()) = 132 dim(rg()). Si ker() = 4 rg() alors ker() = 4 rg() = 132/5 ce
qui est impossible car 132/5 6 N.
1 0 3
M(f, C, C) = 1 1 3 .
2 2 1
Soit ensuite B = { u1 = (1, 1, 0); u2 = (1, 1, 1); u3 = (1, 0, 1) } une autre base de R3 .
Dterminer M(f, B , C) la matrice associe f quand on muni R3 de la base B sur lespace de dpart et de la base
canonique C sur lespace darriv.
Correction. Par dfinition la j-me colonne de la matrice M(f, B , C) est constitue des coordonnes dans la base
C de limage par f du j-me lment de la base B , donc
M(f, C, C) = [coord(f(e1 ), C)| coord(f(e2 ), C)| coord(f(e3 ), C)] ,
M(f, B , C) = [coord(f(u1 ), C)| coord(f(u2 ), C)| coord(f(u3 ), C)] .
124
G. Faccanoni
4 Applications linaires
I. Mthode directe.
On crit dabord chaque lment de la base B comme combinaison linaire dlments de la base C :
u1 = e1 + e2
u3 = e1 + e3 .
u2 = e1 + e2 + e3
On calcule ensuite limage par f de chaque lment de la base B et on lexprime comme combinaison linaire
dlments de la base C :
1 4 4
coord(f(u1 ), C) = (1, 0, 4)
= coord(f(u2 ), C) = (4, 3, 5)
= M(F , B , C) = 0 3 2
4 5 3
coord(f(u3 ), C) = (4, 2, 3)
II. Mthode du changement de base.
Appliquons la rgle du changement de base pour les applications linaire :
M(F , B , C) = PCC M(f, C, C)PCB = M(f, C, C)PCB .
On crit chaque lment de la base B comme combinaison linaire dlments de la base C
1 1
coord(u1 , C) = (1, 1, 0)
u1 = e1 + e2
= PCB = 1 1
= coord(u2 , C) = (1, 1, 1)
u2 = e1 + e2 + e3
0 1
coord(u3 , C) = (1, 0, 1)
u3 = e1 + e3
1
0
1
et on a
1
= 1
2
0 3
1
1 3 1
2 1
0
1
1
1
1
1
0 = 0
1
4
4
3
5
4
2 .
3
0
M(S, D , D ) = 0
1
0
0
2
0
1
3
G. Faccanoni
125
4 Applications linaires
0
1
M(S, C, C) = 0
3
0
0
2
2
0
2
11
1
1 0 0
0 0 0
1 0 0
= 1 2 0 0 0 1 1 2 0
1 2 3
1 2 3
1 2 3
0 0 0
1
0
0
0
0 = 0
= 0 0 2 1/2 1/2
3 6 11
0
1/3 1/3
0
0
0
2/3
0
0
1
2/3 = 0
3
0
11/3
0
2
2
0
2
11
2. dim(im(S)) = rg(M(S, D , D )) = 2 et une base de im(S) est la famille { S(0, 1, 0), S(0, 0, 1) } = { (0, 2, 2), (0, 2, 11) }
car elle est libre et a cardinal 2.
3. dim(ker(S)) = dim(R3 ) dim(im(S)) = 1 et une base de ker(S) est la famille { (1, 0, 0) }.
Exercice 4.15
Soit lendomorphisme f : R3 R3 dont la matrice dans la base canonique de R3 est
5 3 0
6
0 .
A = 10
2 1 1
1. f est-il un automorphisme de R3 ?
2. Dterminer une base de son noyau.
3. Dterminer une base de son image.
4. On considre trois vecteurs u = (1, 2, 0), v = (3, 5, 1) et w = (0, 0, 1).
4.1. Dmontrer que { u, v, w } est une base de R3 .
4.2. Dterminer f(u), f(v) et f(w). En dduire la matrice de f dans la base { u, v, w }. On la notera D.
4.3. Donner un lien matriciel entre A et D.
Correction.
0
c3 = 0 .
1
On a M(f, C, C) = A.
1. Un endomorphisme f est un automorphisme si et seulement si la matrice est inversible. Comme
5 3 0
5 3
6
0 = (1) det
det(A) = det 10
=0
10
6
2 1 1
A nest pas inversible donc f nest pas un automorphisme de R3 .
126
G. Faccanoni
4 Applications linaires
5 3 0
n1
5n1 3n2
6
0 n2 = 10n1 + 6n2 .
f(n) = An = 10
2 1 1
n3
2n1 n2 n3
Recherche dune base du noyau :
5n1 3n2 = 0
10n1 + 6n2 = 0
2n1 n2 n3 = 0
n1
n = n2 ker(f)
n3
f(n) = 0
3
n = 5 , R.
Do
3
3
ker(f) = 5 R = 5 R = Vect 5 .
1
1
3
Donc 5 est une base de ker(f) et on conclut que dim(ker(f)) = 1.
3. Daprs le thorme du rang, dim(im(f)) = dim(R3 ) dim(ker(f)) = 2. On sait que, pour une application
linaire f : E F , limage dune base de E est une famille gnratrice de im(f) F :
3
0
0
3
5
im(f) = Vect ({ f(c1 ), f(c2 ), f(c3 ) }) = Vect 10 , 6 , 0 = Vect 6 , 0 .
1
1
1
1
2
{ f(c2 ), f(c3 ) } est une famille libre de im(f). tant donn que le cardinal de cette famille est gal la dimension
de im(f), on conclut que { f(c2 ), f(c3 ) } est une base de im(f).
4. On considre trois vecteurs u = (1, 2, 0), v = (3, 5, 1) et w = (0, 0, 1).
4.1. Pour dmontrer que { u, v, w } est une base de R3 il suffit de montrer
quelle
est une famille libre (car son
cardinal est gal la dimension de R3 ). On dit quune famille u1 , . . . , up est libre lorsque
p
X
ai ui = 0
ai = 0 i.
i=1
Ici
p
X
ai ui = 0
i=1
0
a1 u + a2 v + a3 w = 0
0
a1 3a2 = 0,
2a1 + 5a2 = 0,
a2 + a3 = 0
a1 = 0,
a2 = 0,
a3 = 0,
1 0 0
D = 0 0 0 .
0 0 1
4.3. Daprs la formule de changement de base pour les endomorphismes :
D = PB C APCB
G. Faccanoni
127
4 Applications linaires
o, par dfinition, la matrice PCB est telle que sa 1-re colonne est constitue des coordonnes de u
dans la base C, sa 2-me colonne est constitue des coordonnes de v dans la base C et sa 3-me colonne
est constitue des coordonnes de w dans la base C, i.e.
1 3 0
PCB = 2 5 0
0
1 1
et PB C = P1
CB .
Exercice 4.16
On considre lapplication linaire f de matrice
9
6
2
A = 5
12 6
10
5
13
On a M(f, C, C) = A.
2
1. Comme det 1
1 2
0 1
2 1 3
0
c2 = 1 ,
0
0
c3 = 0 .
1
2
1 2
1 ;
PB C = 1 0
2 1 3
pour obtenir PCB il faut inverser PB C . On trouve
PCB
1
= 1
1
1 1
2 0 .
0 1
2
1 2
9
6
1 5
2
M(f, B , B ) = PB C APCB = 1 0
2 1 3
12 6
10
1
5 1
13
1
1 1
56
2 0 = 32
0 1
75
81
45
105
78
44 .
103
Exercice 4.17
On note f : R4 [x] R4 [x] lapplication linaire dfinie par f(p)(x)
= p(x + 1) p(x).
1. Dterminer la matrice B = M(f, B ) de f dans la base B = 1, x, x 2 , x 3 , x 4 de R4 [x].
2. Dterminer la matrice C = M(f, C) de f dans la base de R4 [x]
C = { 1, x, x(x 1), x(x 1)(x 2), x(x 1)(x 2)(x 3) }
3. Calculer les matrices de passage PB C et PCB . Quelle est la relation entre B et C ?
128
G. Faccanoni
4 Applications linaires
Notons
b1 (x) = 1
b2 (x) = x
b3 (x) = x 2
b4 (x) = x 3
c1 (x) = 1
c2 (x) = x
c3 (x) = x(x 1)
=x x
b5 (x) = x 4
c5 (x) = x(x 1)(x 2)(x 3)
= x 4 6x 3 + 11x 2 6x
= x 3x + 2x
f(b1 ) = 0 = 0,
f(b2 ) = 1 = b1 ,
f(b3 ) = 2x + 1 = 2b2 + b1 ,
f(b ) = 4x 3 + 6x 2 + 4x + 1 = 4b + 6b + 4b + b ,
5
4
3
2
1
2. On calcule limage de chaque vecteur de C par f :
f(c1 ) = 0 = 0,
f(c2 ) = 1 = c1 ,
f(c3 ) = 2x = 2c1 ,
0
0
= B = M(f, B ) =
0
0
0
0
0
= C = M(f, C) =
0
0
0
1
0
0
0
0
c1 = b1 ,
1 0
0 1
c2 = b2 ,
= PB C = M(id, C, B ) =
c3 = b3 b2 ,
0 0
0 0
c4 = b4 3b3 + 2b2 ,
0 0
c = b 6b + 11b 6b ,
5
5
4
3
2
Pour calculer PCB soit on calcule la matrice inverse de PB C , soit on rsout le
trouve
b1 = c1 ,
b
=
c
,
2
2
0
0
=
P
=
M(id,
B
,
C)
=
b3 = c3 + c2 ,
CB
0
b4 = c4 + 3c3 + c2 ,
0
b = c + 6c + 7c + c ,
5
5
4
3
2
et la relation cherche est
0
2
0
0
0
0
1
1
0
0
0
0
3
0
0
1
0
0
0
0
1
2
0
0
0
1
3
3
0
0
1
4
4
0
0
0
4
0
0
2
3
1
0
0
6
11
6
1
0
1
1
0
0
0
1
3
1
0
0
1
7
,
6
1
PB C CPCB = B.
4. On a dim(im(f)) = rg(B) = 4, donc dim(ker(f)) = dim(R4 [x]) dim(im(f)) = 1. Une base de im(f) est
alors lensemble { f(b2 ), f(b3 ), f(b4 ), f(b5 ) }. tant donn que Vect { f(b2 ), f(b3 ), f(b4 ), f(b5 ) } R3 [x] et que
dim(R3 [x]) = 3 on conclut que Vect { f(b2 ), f(b3 ), f(b4 ), f(b5 ) } = R3 [x], une autre base de im(f) est alors
la base canonique de R3 [x]. Comme f(b1 ) = 0, une base de ker(f) est lensemble { b1 }, i.e. le sous-espace
vectoriel constitu par les polynmes constants : ker(f) = R0 [x].
G. Faccanoni
129
4 Applications linaires
5 0 3
4 4 4
5 0 5
3
.
f : R3 R3
u 7 f(u) tel que coord(f(u), E ) = I coord(u, V)
donc
1. M(id, E , E ) = I
3. M(id, E , V) = A1 = PVE
5. M(f, V, E ) = A1
2. M(id, V, E ) = A = PE V
4. M(f, E , E ) = A
6. M(f, E , V) = I
0
Puisque f(sin) = cos et f(cos) = sin, alors la matrice reprsentative de f dans la base E est
0 1
M(f, E , E ) =
.
1 0
2. Linverse de cette application drivation a pour matrice reprsentative linverse de la matrice M(f, E , E ) :
0 1
,
1 0
i.e. f 1 (sin) = cos et f 1 (cos) = sin (f 1 est donc la fonction calcul de la primitive de E dans E).
130
G. Faccanoni
4 Applications linaires
x +y+z+t =a
x y z t = b
(S)
x y + t = c
3x + y 3z 7t = d
1.1. quelle condition le systme (S) admet-il une solution ?
1.2. Montrer que si a, b, c, d > 0 alors le systme (S) na pas de solution.
1.3. Quel est lensemble des solutions du systme homogne associ ?
2. Notons
1
1
A=
1
3
1
1
1
1
1
1
0
3
1
1
,
1
7
x
y
u=
z
t
a
b
w=
c .
d
1
2
v=
3
4
v1 =
v2 =
1
1
1
3
1
1
v3 =
0
3
1
1
v4 =
1 ?
7
1
1
1
1
1 1 1 1
[A|w] =
1 1 0
1
3 1 3 7
1 1
1
1
0
2
2
2
L4 L4 +2L2
0 0
1
2
0 0 4 8
G. Faccanoni
L2 L2 L1
a
1 1
1
1
a
L3 L3 +L1
b
L4 L4 +3L1
0 2 2 2 b a
0 0
c
1
2
c+a
d
0 4
0 4 d + 3a
a
1 1
1
1
a
L4 L4 +4L3 0 2 2 2
ba
b
0 0
c+a
1
2
c+a
d + a + 2b
0 0
0
0 d + 5a + 2b + 4c
131
4 Applications linaires
Donc rg(A) = rg([A|w]) ssi d = 5a 2b 4c : si a, b, c, d > 0 alors le systme (S) na pas de solution.
De plus, rg(A) = 3 donc si le systme admet des solutions, elle sont une infinit.
1.3. Toutes les solutions du systme homogne associ scrivent comme (0, , 2, )T avec R.
2. 2.1. f(u) = w.
2.2. M(f, C, C) = A
2.3. f nest pas surjective car rg(A) = 3 < 4. f nest pas injective car rg(A) = 3 < 4.
Le noyau de f est constitu des vecteurs u tels que Au = 0, autrement dit les vecteurs solution du systme
homogne. On a alors
0
ker(f) = Vect
2
1
et dim(ker(f)) = 1.
On sait que dim(im(f)) = rg(A) = 3 et im(f) est engendre par les colonnes de A. En effet, comme limage
dune base par une application linaire est une famille gnratrice de limage de cette application, on va
dabord calculer limage de la base canonique et si le cardinal de cette famille est suprieure trois, on
en extraira une base de limage :
im(f) = Vect { f(e1 ), f(e2 ), f(e3 ), f(e4 ) } = Vect { v1 , v2 , v3 , v4 } = Vect { v1 , v2 , v3 }
car v4 = 2v3 v2 .
2.4. f nest pas inversible car elle nest ni injective ni surjective.
2.5. Le vecteur (1, 1, 1, 1)T nappartient pas limage de f car le systme (S) na pas de solution lorsque
a, b, c, d > 0. Il nappartient pas non plus au noyau de f car il nexiste aucun R tel que (1, 1, 1, 1)T =
(0, , 2, )T .
3. Lespace vectoriel engendr par les vecteurs v1 , v2 , v3 , v4 est limage de f et le vecteur v nappartient pas cet
espace vectoriel car toutes ses composantes sont positives.
4. Les quatre vecteurs ne sont pas linairement indpendantes, en effet v2 2v3 + v4 = 0.
Exercice 4.21
Soit f lapplication dfinie sur R2 [x] par
f : R2 [x] E
p 7 (2x + 1)p + (1 x 2 )p0
1. Dmontrer que f est un endomorphisme de R2 [x].
2. Dterminer la matrice de f dans la base canonique C de R2 [x].
3. f est-il un automorphisme de R2 [x] ? Si oui, dterminer la matrice de f 1 dans la base canonique C de R2 [x].
Correction.
1. Soit p et q deux polynmes de R2 [x] et R.
f(p + q) = (2x + 1)(p + q) + (1 x 2 )(p + q)0 = (2x + 1)(p + q) + (1 x 2 )(p0 + q0 )
= (2x + 1)p + (1 x 2 )p0 + (2x + 1)q + (1 x 2 )q0 = f(p) + f(q),
f( p) = (2x + 1)(p) + (1 x 2 )(p)0 = (2x + 1)(p) + (1 x 2 )(p0 ) = f(p).
Donc f est une application linaire de R2 [x] dans E. De plus, si p R2 [x], alors il existe a, b, c R tels que
p(x) = a + bx + cx 2 et
f(p(x)) = (2x + 1)p(x) + (1 x 2 )p0 (x)
= (2x + 1)(a + bx + cx 2 ) + (1 x 2 )(b + 2cx)
= 2ax + 2bx 2 + 2cx 3 + a + bx + cx 2 + b + 2cx bx 2 2cx 3
= (a + b) + (2a + b + 2c)x + (b + c)x 2 R2 [x].
On conclut que f est un endomorphisme de R2 [x].
132
G. Faccanoni
4 Applications linaires
et lon a
1 1
C = 2 1
0 1
C de R2 [x] est
0
2 .
1
3. det(C) = 3 6= 0, ce qui prouve que C est inversible, donc f est un automorphisme de R2 [x]. On sait que, si C
est la matrice de lautomorphisme f dans la base C, alors C1 est la matrice de lautomorphisme f 1 dans la
base C. Pour calculer C1 on rsout le systme
=a,
=a,
=a,
x+y
x+y
x+y
L2 L2 2L1
L3 L3 +L2
2x+y+2z=b,
y+2z=b 2a,
y+2z=b 2a,
y +z=c,
y +z=c,
3z=b + c 2a,
do
z=
2a + b + c
,
3
y=
2a b + 2c
,
3
1
1
C1 = 2
3
2
x=
a + b 2c
.
3
alors
2
2 .
1
1
1
1
a0 + a1 2a2
2a0 a1 + 2a2
2a0 + a1 + a2 2
+
x+
x .
3
3
3
Pour rsumer, soit C = 1, x, x 2 la base canonique de R2 [x] et p et q deux polynmes de R2 [x] ;
B si coord(p, C) = (a, b, c), i.e. p(x) = a + bx + cx 2 , alors
f : R2 [x] R2 [x]
a + bx + cx 2 7 (a + b) + (2a + b + 2c)x + (b + c)x 2
en effet coord(f(p), C) = M(f, C, C) coord(p, C) =
1 1 0 a
212 b
= (a + b, 2a + b + 2c, b + c) ;
011
Exercice 4.22
On note f : R4 [x] R4 [x] lapplication linaire dfinie par f(p)(x) = (x 1)p0 (x) p(x).
1. Calculer f(ax 4 + bx 3 + cx 2 + dx + e). En dduire ker(f).
2. Lquation f(p) = q a-t-elle des solutions dans R4 [x] pour tout q de R4 [x] ?
3. Calculer f((x 1)k ) pour k = 0, 1, 2, 3, 4. En dduire une caractrisation des polynmes q pour lesquels
lquation f(p) = q a des solutions.
G. Faccanoni
133
4 Applications linaires
Correction.
1. f(ax 4 + bx 3 + cx 2 + dx + e) = (x 1)(4ax 3 + 3bx 2 + 2cx + d) (ax 4 + bx 3 + cx 2 + dx + e) = 3ax 4 + (2b 4a)x 3 +
(c 3b)x 2 2cx d e. Par consquent f(ax 4 + bx 3 + cx 2 + dx + e) = 0 si et seulement si a = b = c = 0 et
e = d, ce qui implique ker(f) = { dx d | d R } = Vect { x 1 }.
2. Comme dim(ker(f)) = 1, alors dim(im(f)) = 4, ce qui prouve que f nest pas surjective, donc lquation f(p) = q
na pas toujours de solution.
3. La famille (x 1)k k = 0, 1, 2, 3, 4 est une base de
R4 [x] donc im(f) = Vect f(x 1)k k = 0, 1, 2, 3, 4 .
k
k
k
Comme
f((x k1) ) = (k 1)(x 1) alors im(f) = Vect (x 1) k = 0, 2, 3, 4 . On sait que dim(im(f)) = 4
donc (x 1) k = 0, 2, 3, 4 est une base
de im(f). Par consquent tout polynme q R4 [x] dont lcriture
k
dans la base (x 1) k = 0, 1, 2, 3, 4 nas pas de terme en (x 1) est dans limage de f et lquation
f(p) = q a des solutions.
w1 = e1 + e2 ,
T (e2 ) = e1 + 4e2 ,
w2 = 2e1 + 3e2 .
Correction.
On a
e1 = 3w1 w2 ,
e2 = 2w1 + w2 .
donc
T (w1 ) = T (e1 + e2 ) = T (e1 ) + T (e2 ) = (3e1 2e2 ) + (e1 + 4e2 )
= 4e1 + 2e2 = 4(3w1 w2 ) + 2(2w1 + w2 ) = 8w1 2w2 ,
T (w2 ) = T (2e1 + 3e2 ) = 2T (e1 ) + 3T (e2 ) = 2(3e1 2e2 ) + 3(e1 + 4e2 )
= 9e1 + 8e2 = 9(3w1 w2 ) + 8(2w1 + w2 ) = 11w1 w2 ,
et la matrice de T dans la base W = { w1 , w2 } est
W=
11
.
1
8
2
1
=
1
B matrice de passage de W E :
PWE =
P1
E W
2
3
3
1
3
2
1
4
2
1
134
3
1
2
1
1
1
2
3
=
8
2
11
.
1
G. Faccanoni
4 Applications linaires
1. Exprimer les vecteurs de la base canonique C = { e1 = (1, 0, 0); e2 = (0, 1, 0); e3 = (0, 0, 1) } en terme des
vecteurs de B .
2. Utiliser le point prcdent pour dterminer la matrice M(f, C, C) associe f quand on muni R3 de la base
C sur lespace de dpart et darriv.
3. Dterminer une base et la dimension de limage et du noyau de f.
Correction.
On a
3
= M(f, B , C) = 1
2
0
1
1
6
4 .
6
1
u1 = e1 + e3
e1 = u1 2 u3
= e2 = u2
= PB C = 0
u2 = e2
12
u3 = 2e1
e3 = 21 u3
0
1
0
0
0 .
1
2
1
0 0
3 0 6
0
0
M(f, C, C) = PCC M(f, B , C)PB C = M(f, B , C)PB C = 1 1 4 0 1 0 = 1 1
1
2 1 6
1 1
12
0
2
En effet,
1
1
M(f, C, C)
3
2 .
3
0
= M(f, C, C) = 1
1
0 3
1 2 .
1 3
3. dim(im(f)) = rg(M(f, C, C)) = 2 et une base de limage de f est la famille { f(e1 ), f(e3 ) }.
dim(ker(f)) = dim(R3 ) dim(im(f)) = 1 et une base du noyau de f est la famille constitue de lunique vecteur
e1 e2 .
G. Faccanoni
135
4 Applications linaires
Correction.
Le rang de L concide avec la rang
Calculons alors une de ces matrices. La
dune des matrices qui le reprsentent.
base canonique de R2 [t] est C = c0 (t) = 1, c1 (t) = t, c2 (t) = t 2 et lon a
L(c0 (t)) = (2at + 1)(1) + (at 2 + b)0 = c0 (t) 2ac1 (t),
L(c1 (t)) = (2at + 1)(t) + (at 2 + b)1 = bc0 (t) + c1 (t) ac2 (t),
L(c2 (t)) = (2at + 1)(t 2 ) + (at 2 + b)2t = 2bc1 (t) + c2 (t),
donc par dfinition la matrice de L dans la base canonique C de R2 [t] est
1
b
0
C = 2a 1 2b .
0
a 1
Comme det(C) = (1 + 0 + 0) (0 2ab 2ab) = 1 + 4ab,
B si ab 6= 1/4 alors rg(C) = rg(L) = 3 ;
B si ab = 1/4 alors rg(C) = rg(L) < 3 et comme la premire colonne et la dernire colonne sont linairement
indpendantes, rg(C) = rg(L) = 2.
Correction.
1. La base canonique de R2 [t] est C =
et lon a
1 3 8
C = 0 1 6 .
0 0 1
2. Recherche dune base du noyau :
q(t) = a0 + a1 t + a2 t 2 ker(L)
L(q) = 0
a0 + 3a1 + 8a2 = 0,
a1 + 6a2 = 0,
a2 = 0,
136
G. Faccanoni
4 Applications linaires
a0 = a1 = a2 = 0
do ker(L) = { 0 } et dim(ker(L)) = 0.
Daprs le thorme du rang, dim(im(L)) = dim(R2 [t]) dim(ker(L)) = 3. Comme im(L) R2 [t], alors im(L) =
R2 [t] donc C est une base de im(L).
3. L est inversible si et seulement si la matrice qui le reprsente dans une base donne est inversible. Si on
considre la base canonique, tant donn que det(C) = (1 + 0 + 0) (0 + 0 + 0) = 1, C est inversible. La matrice
M associe L1 dans la base canonique est alors linverse de C :
x + 3y + 8z = a,
x = a 3b + 10c,
y = b 6c,
y + 6z = b,
z=c
z=c
donc
1
M = 0
0
3
1
0
10
6 .
1
Si lon dnote avec u1 = (a0 , a1 , a2 ) le vecteur colonne des composantes du polynme gnrique a0 +a1 t +a2 t 2 ,
vis--vis de la base canonique, alors les vecteurs colonnes u2 et u3 des composantes respectives de p0 et de
p00 sont respectivement les vecteurs u2 = (a1 , 2a2 , 0) et u3 = (2a2 , 0, 0). Alors
a0
a0 3a1 + 10a2
a0
a1
2a2
1 3 10
= a1 3 2a2 + 5 0 = u1 3u2 + 5u3 .
a1 6a2
Mu1 = 0 1 6 a1 =
a2
0 0
1
a2
a2
0
0
Par consquent, si p(t) = a0 + a1 t + a2 t 2 , alors
coord(L1 (p), C) = M coord(u1 , C) = coord(u1 , C) 3 coord(u2 , C) + 5 coord(u3 , C) = coord(p 3p0 + 5p00 , C).
at + bt + c 7 (a b)t 2 + (b c)t + (a c)
1. Trouver M(f, B ) la matrice associe f quand on muni R2 [t] de la base B =
t 2 + 2, t 1, t + 1 .
G. Faccanoni
2
1
M(f, B ) = 1
2
5
2
1
5
2
1
1
137
4 Applications linaires
t 2 , t, 1
f(t 2 ) = t 2 + 1,
f(t) = t 2 + t,
f(1) = t 1,
donc
M(f, B , B ) = PB C M(f, C, C)PCB = P1
CB M(f, C, C)PCB
1 0 0
1 1 0
1 0 0
= 0 1 1 0 1 1 0 1 1
2 1 1
1 0 1
2 1 1
1
0
0
1 1 1
1
0 = 1/2
= 1 1/2 1/2 2 2
1 1/2 1/2
1 1 1
5/2
2. dim(im(f)) = rg(M(S, C, C)) = 2 et une base de im(f) est la famille
elle est libre et a cardinal 2.
1
1/2
5/2
2
1
1
1/2 = 1
2
5
1/2
f(t 2 ), f(t)
2
1
5
2
1 .
1
(t 2 + 2), (t 2 + t)
car
3. dim(ker(f)) = dim(R2 [t]) dim(im(f)) = 1 et une base de ker(f) est la famille t 2 + t + 1 car
ker(f) = at 2 + bt + c R2 [t] f(at 2 + bt + c) = 0R2 [t]
= at 2 + bt + c R2 [t] (a b)t 2 + (b c)t + (a c) = 0R2 [t]
= at 2 + bt + c R2 [t] (a b) = (b c) = (a c) = 0
= at 2 + at + a a R
= a(t 2 + t + 1) a R
= Vect( t 2 + t + 1 ).
2
1
5
4
3
.
7
On rappelle que A dtermine une application linaire L : R3 R2 donne par L(u) = Au, o u est un vecteur
colonne avec trois composantes.
1. Montrer que la matrice associe L quand on muni R3 et R2 de leurs bases canoniques est la matrice A.
2. Trouver la matrice associe L quand on muni R3 et R2 des bases respectives :
B B = { b1 = (1, 1, 1), b2 = (1, 1, 0), b3 = (1, 0, 0) } et
B C = { c1 = (1, 3), c2 = (2, 5) }.
Correction.
2
1
5
4
n1
3
2n1 + 5n2 3n3
n2 =
7
n1 4n2 + 7n3
n3
.
1. Soit U = { u1 = (1, 0, 0), u2 = (0, 1, 0), u3 = (0, 0, 1) } la base canonique de R3 et V = { v1 = (1, 0), v2 = (0, 1) }
la base canonique de R2 . On a
L(u1 ) = 2v1 + v2 ,
L(u2 ) = 5v1 4v2 ,
L(u3 ) = 3v1 + 7v2 ,
par consquent la matrice associe L quand on muni R3 et R2 de leurs bases canoniques est la matrice A.
138
G. Faccanoni
4 Applications linaires
2. Soit B = { b1 = (1, 1, 1), b2 = (1, 1, 0), b3 = (1, 0, 0) } une base de R3 et C = { c1 = (1, 3), c2 = (2, 5) } une base
R2 . On crit dabord les vecteurs de la base B dans la base canonique U, on connait limage par L de ces
vecteurs dans la base canonique V, on exprime alors ces images dans la base C : comme
b1 = u1 + u2 + u3 ,
b2 = u1 + u2 ,
v1 = 5c1 + 3c2 ,
v1 = 2c1 c2 ,
b3 = u1 ,
alors
L(b1 ) = L(u1 + u2 + u3 ) = L(u1 ) + L(u2 ) + L(u3 ) = (2 + 5 3)v1 + (1 4 + 7)v2
= 4v1 + 4v2 = 4(5c1 + 3c2 ) + 4(2c1 c2 ) = 12c1 + 8c2 ,
L(b2 ) = f(u1 + u2 ) = L(u1 ) + L(u2 ) = (2 + 5)v1 + (1 4)v2
= 7v1 3v2 = 7(5c1 + 3c2 ) 3(3c1 c2 ) = 44c1 + 24c2 ,
L(b3 ) = L(u1 ) = 2v1 + v2
= 2(5c1 + 3c2 ) + (2c1 c2 ) = 8c1 + 5c2 ,
par consquent la matrice associe L quand on muni R3 et R2 des bases respectives B et C est
12 44 8
B=
.
8
24
5
On obtient le mme rsultat daprs la formule du changement de
1
5 2
2 5 3
1
B = PVC APB U =
3 1
1 4 7
1
base :
1 1
12 44
1 0 =
8
24
0 0
8
5
f: E F
a b
7 ax 3 + bx 2 + (c d)
c d
E=
1
0
E1 =
0
0
, E2 =
0
0
1
0
, E3 =
0
1
0
0
, E4 =
0
0
0
1
la base canonique de E et
F=
B =
B1 =
1
0
0
0 1
1
, B2 =
, B3 =
1
1 0
1
0
0
, B4 =
0
0
1
0
, B5 =
1
0
0
1
une famille de E. Montrer quelle nest pas libre et en extraire une base quon notera B .
6. crire la matrice de passage PE B .
7. Soit
C=
139
4 Applications linaires
Correction.
1. Pour toute matrice A =
a b
c d
,B=
a0 b0
c 0 d0
E et pour tout , R,
0
a b
a
f(A + B) = f
+
c d
c0
b0
d0
=f
a + a0
c + c 0
b + b0
d + d0
= (a + a0 )x 3 + (b + b0 )x 2 + (c + c 0 ) (d + d0 )
= (ax 3 + bx 2 + c d) + (a0 x 3 + b0 x 2 + c 0 d0 ) = f(A) + f(B).
donc f est une application linaire.
2. On doit crire limage par f de chaque lment de la base E comme combinaison linaire dlments de la
base F :
f(E1 ) = x 3 = p3 (x),
0 0 1 1
f(E ) = x 2 = p (x),
0 0 0 0
2
2
= M(f, E , F ) =
0 1 0 0 .
f(E
)
=
1
=
p
(x),
3
0
1 0 0 0
f(E4 ) = 1 = p0 (x),
3. On commence par tudier le noyau de f :
3
a b
2
ker(f) = { A E | f(A) = 0F } =
c d E ax + bx + (c d) 0 pour tout x R
a b
= { ( 0c 0c ) E | c R } = Vect { ( 01 01 ) } .
=
c d E a=b=cd =0
Par consquent dim(ker(f)) = 1 et une base de ker(f) est la famille { ( 01 01 ) }.
On sait que limage dune base est une famille gnratrice de limage de f donc
im(f) = Vect { f(E1 ), f(E2 ), f(E3 ), f(E4 ) } = Vect { p3 (x), p2 (x), p0 (x), p0 (x) } = Vect { p3 (x), p2 (x), p0 (x) } .
Comme dim(im(f)) = dim(E) dim(ker(f)) = 3, alors la famille { p3 (x), p2 (x), p0 (x) } est une base de im(f).
4. f nest pas bijective car elle nest ni injective (le noyau nest pas rduit au 0E ) ni surjective (im(f) 6= F ).
5. B nest pas libre car B4 = B1 + B2 B3 (attention ne pas liminer B5 ). On en extrait par exemple la famille
B = { B1 , B2 , B3 , B5 } qui est une base de M2 (R) car
5.1. Bi M2 (R) pour tout i = 1, 2, 3, 4,
5.2. card(B ) = dim(M2 (R)),
5.3. B est libre car la combinaison linaire aB1 + bB2 + cB3 + dB5 = ( 00 00 ) a comme unique solution a = b =
c = d = 0.
6. On doit crire chaque lment de la base B comme combinaison linaire dlments de la base E :
B1
B
2
B
3
B5
= E1 + E4 ,
= E2 E3 ,
= E1 E3 ,
= E4 ,
= PE B
1
0
=
0
1
0
1
1
0
1 0
0 0
.
1 0
0 1
7. C constitue une base de F car card(C) = dim(F ) et les vecteurs de C sont libres :
1 q0 (x) + 2 q1 (x) + 3 q2 (x) + 4 q3 (x) = 0 (4 )x 3 + (3 2 )x 2 + (2 1 )x + (1 4 ) = 0
1 = 2 = 3 = 4 = 0.
8. On doit crire chaque lment de la base F comme combinaison linaire dlments de la base C. Comme cest
plus facile dcrire chaque lment de la base C comme combinaison linaire dlments de la base F , on crit
dabord cette dcomposition et ensuite on rsout le systme linaire :
q3 (x) = p3 (x)
140
p3 (x) = q3 (x)
= PCF
1
1
=
1
1
0
1
1
1
0
0
1
1
0
0
0
1
G. Faccanoni
4 Applications linaires
9. On doit crire limage par f de chaque lment de la base B comme combinaison linaire dlments de la base
C:
1 1 1 1
= M(f, B , C) =
1 0 1 1 .
3
0
0
0 1
f(B5 ) = 1 = q0 (x) q1 (x) q2 (x) q3 (x)
Vrifions que M(f, B , C) = PCF M(f, E , F )PE B :
0
1 0 0 0
1 1 0 0 0
0
0
1
0
1
0
0
0
1
1
0
0
0 0
1
0
0
1
1
0
1 0
1
1
0 0
=
1 0 1
0 1
0
1
1
0
0
1
1
1
0
1
1
1
1
M M2 (R) M = MT et F = R2 [x]. Soit f lapplication dfinie par
a
b
1. Soit
E=
la base canonique de E et
f: E F
b
7 a + (b c)x 2
c
1
E1 =
0
F=
0
0
, E2 =
0
1
1
0
, E3 =
0
0
0
1
B =
B1 =
1
0
0
1
, B2 =
1
1
1
0
, B3 =
0
1
1
2
, B4 =
1
2
2
2
une famille de E. Montrer quelle nest pas libre et en extraire une base quon notera B .
6. crire la matrice de passage PE B .
7. Soit
Q=
1
f(E1 ) = 1 = p0 (x),
coord(f(E1 ), F ) = (1, 0, 0),
= coord(f(E2 ), F ) = (0, 0, 1),
= M(f, E , F ) = 0
f(E2 ) = x 2 = p2 (x),
0
f(E3 ) = x 2 = p2 (x),
coord(f(E3 ), F ) = (0, 0, 1),
de la base F :
0
0
1
0
0 .
1
G. Faccanoni
141
4 Applications linaires
3. On sait que limage dune base est une famille gnratrice de limage de f donc
im(f) = Vect { f(E1 ), f(E2 ), f(E3 ) } = Vect { p0 (x), p2 (x), p2 (x) } = Vect { p0 (x), p2 (x) } .
Comme dim(im(f)) = dim(E) dim(ker(f)) = 2, alors la famille { p0 (x), p2 (x) } est une base de im(f).
4. f nest pas bijective car elle nest ni injective (le noyau nest pas rduit au 0E ) ni surjective (im(f) 6= F ).
5. B nest pas libre car 2B4 = B1 B2 + B3 . On en extrait par exemple la famille B = { B1 , B2 , B3 } qui est une
base de E car
(i) Bi E pour tout i = 1, 2, 3,
(ii) card(B ) = dim(E),
(iii) B est libre car la combinaison linaire aB1 + bB2 + cB3 = ( 00 00 ) a comme unique solution a = b = c = 0.
6. On doit crire chaque lment de la base B comme combinaison linaire dlments de la base E :
1 1 0
B1 = E1 + E3 ,
coord(B1 , E ) = (1, 0, 1),
= coord(B2 , E ) = (1, 1, 0),
= PE B = 0 1 1 .
B2 = E1 + E2 ,
1 0 1
B3 = E2 + E3 ,
coord(B3 , E ) = (0, 1, 1),
7. Q constitue une base de F car card(Q) = dim(F ) et les vecteurs de Q sont libres :
0 q0 (x) + 1 q1 (x) + 2 q2 (x) = 0 x R (0 + 1 ) + (0 )x + (2 1 )x 2 = 0 x R
1 = 2 = 3 = 0.
8. On doit crire chaque lment de la base F comme combinaison linaire dlments de la base Q. Comme cest
plus facile d crire chaque lment de la base Q comme combinaison linaire dlments de la base F , on crit
dabord cette dcomposition et on rsout le systme linaire :
q2 (x) = p2 (x)
p2 (x) = q2 (x)
= PQF
0
= 1
1
1 0
1 0
1 1
9. On doit crire limage de chaque lment de la base B comme combinaison linaire dlments de la base Q :
0 0 0
f(B1 ) = x 1 = q1 (x)
coord(f(B1 ), Q) = (0, 1, 0)
= M(f, B , Q) = 1 1 0 .
= coord(f(B2 ), Q) = (0, 1, 2)
f(B2 ) = x 2 + 1 = q1 (x) + 2q2 (x)
0 2 0
f(B3 ) = 0
coord(f(B3 ), Q) = (0, 0, 0)
Vrifions que M(f, B , Q) = PQF M(f, E , F )PE B :
0 1 0
1 0 0
1
PQF M(f, E , F )PE B = 1 1 0 0 0 0 0
1 1 1
0 1 1
1
1
1
0
0
0
1 = 1
1
1
0
0
1
0
1
0 0
1
1
1
1
0
0
0
1 = 1
1
0
0
1
2
0
0
0
M M2 (R) M = MT et F = R2 [x]. Soit f lapplication dfinie par
a
b
1. Soit
E=
142
E1 =
f: E F
b
7 ax 2 + (b c)
c
1
0
0
0
, E2 =
0
1
1
0
, E3 =
0
0
0
1
G. Faccanoni
4 Applications linaires
la base canonique de E et
F=
B =
B1 =
1
0
0
1
, B2 =
1
1
1
0
, B3 =
0
1
1
0
, B4 =
1
0
0
1
une famille de E. Montrer quelle nest pas libre et en extraire une base quon notera B .
6. crire la matrice de passage PE B .
7. Soit
C=
0 1 1
f(E1 ) = x = p2 (x),
= M(f, E , F ) = 0 0 0 .
f(E2 ) = 1 = p0 (x),
1 0 0
f(E3 ) = 1 = p0 (x),
2. On commence par tudier le noyau de f :
2
a b
ker(f) = { A E | f(A) = 0F } =
b c E ax + b c = 0
a b
=
= { ( 0c cc ) E | c R } = Vect { ( 01 11 ) } .
b c E a=bc =0
Par consquent dim(ker(f)) = 1 et une base de ker(f) est la famille { ( 01 11 ) }.
3. On sait que limage dune base est une famille gnratrice de limage de f donc
im(f) = Vect { f(E1 ), f(E2 ), f(E3 ) } = Vect { p2 (x), p0 (x), p0 (x) } = Vect { p2 (x), p0 (x) } .
Comme dim(im(f)) = dim(E) dim(ker(f)) = 2, alors la famille { p2 (x), p0 (x) } est une base de im(f).
4. f nest pas bijective car elle nest ni injective (le noyau nest pas rduit au 0E ) ni surjective (im(f) 6= F ).
5. B nest pas libre car 2B4 = B1 B2 + B3 . On en extrait par exemple la famille B = { B1 , B2 , B3 } qui est une
base de E car
(i) Bi E pour tout i = 1, 2, 3,
(ii) card(B ) = dim(E),
(iii) B est libre car la combinaison linaire aB1 + bB2 + cB3 = ( 00 00 ) a comme unique solution a = b = c = 0.
6.
B1 = E1 + E3 ,
B2 = E1 + E2 ,
B3 = E2 + E3 ,
= PE B
1
= 0
1
1
1
0
0
1 .
1
7. C constitue une base de F car card(C) = dim(F ) et les vecteurs de C sont libres :
1 q0 (x) + 2 q1 (x) + 3 q2 (x) = 0 (3 2 )x 2 + (2 1 )x + 1 = 0
1 = 2 = 3 = 0.
G. Faccanoni
143
4 Applications linaires
8. On doit crire chaque lment de la base F comme combinaison linaire dlments de la base C. Comme cest
plus facile d crire chaque lment de la base C comme combinaison linaire dlments de la base F , on crit
dabord cette dcomposition et on rsout le systme linaire :
1 0 0
q0 (x) = p0 (x) p1 (x)
p0 (x) = q0 (x) + q1 (x) + q2 (x)
= p1 (x) = q1 (x) + q2 (x)
= PCF = 1 1 0
q1 (x) = p1 (x) p2 (x)
1 1 1
q2 (x) = p2 (x)
p2 (x) = q2 (x)
9. On doit crire limage de chaque lment de la base B comme combinaison linaire dlments de la base C :
1 1 0
f(B1 ) = x 1 = q0 (x) q1 (x)
= M(f, B , C) = 1 0 0 .
f(B2 ) = x 2 + 1 = q0 (x) + 2q2 (x)
0 2 0
f(B3 ) = 0
Vrifions que M(f, B , C) = PCF M(f, E , F )PE B
1 0
PCF M(f, E , F )PE B = 1 1
1 1
0
0 1
0 0 0
1
1 0
1
1
0 0
0
1
1
1
0
0
1
1 = 1
1
0
1 0
0 0
2 0
p00 (2)
p000 (3)
E=
la base canonique de E et
1
F = F1 =
0
0
0
, F2 =
0
0
1
0
, F3 =
0
1
0
0
, F4 =
0
0
0
1
B =
une famille de E. Montrer quelle nest pas libre et en extraire une base quon notera B .
7. crire la matrice de passage PE B .
8. Notons Ci+1 (x) = f(pi ) pour i = 0, 1, 2, 3. Sans faire de calculs, expliquer pourquoi la famille C =
{ C1 , C2 , C3 , C4 } est une base de F .
9. crire la matrice de passage PCF .
10. Calculer la matrice de f relativement aux bases B de E et C de F et vrifier que M(f, B , C) = PE B .
Correction.
1. On a
a(x) = a0 + a1 x + a2 x 2 + a3 x 3
0
144
a(0) = a0 ,
a0 (1) = a1 + 2a2 + 3a3 ,
a00 (2) = 2a2 + 12a3 ,
G. Faccanoni
4 Applications linaires
donc
2
f(a0 + a1 x + a2 x + a3 x ) =
2.
a0
a1 + 2a2 + 3a3
10
f(p0 ) = ( 0 0 ) = F1 ,
f(p ) = ( 0 0 ) = F ,
1
3
10
0 2 ) = 2F + 2F ,
f(p
)
=
(
2
2
3
2
0
f(p3 ) = ( 03 12
)
=
12F
+
3F
2
3 + 6F4 ,
6
2a2 + 12a3
6a3
1
0
= M(f, E , F ) =
0
0
0
0
1
0
4.
5.
6.
7.
0
2
2
0
0
12
.
3
6
2a2 + 12a3
6a3
=
0
0
0
0
1
0
0 0
= PE B =
0 1 1 0
q
(x)
=
p
(x)
p
(x)
2
2
3
0
0 1 1
q (x) = p (x)
4
8. tant C limage dune base de E, elle est une famille gnratrice de im(f). Comme le cardinal de la famille C
est gale la dimension de im(f), elle constitue une base de im(f). tant donn que im(f) = F alors la famille
C est une base de F .
9. On a
C1 = f(p0 ) = F1 ,
F1 = C1 ,
1 0 0 0
C = f(p ) = F ,
F = C + 1 C ,
0 1 1 3/2
2
1
3
2
2
2 3
= PCF =
=
0 1/2 0 1
F
=
C
,
C
=
f(p
)
=
2F
+
2F
,
3
3
3
2
2
3
0 0 0 1/6
F = 2C 3 C + 1 C ,
C = f(p ) = 12F + 3F + 6F ,
4
f(q0 ) = f(p0 p1 ) = C1 C2
f(q ) = f(p p ) = C C
1
1
1
2
2
3
= M(f, B , C) =
0
f(q2 ) = f(p2 p3 ) = C2 C4
0
f(q4 ) = f(p3 ) = C4
0
1
1
0
0 0
0 0
.
1 0
1 1
G. Faccanoni
145
4 Applications linaires
Exercice 4.33
Soit f lapplication de R3 [t] dfinie par
f : R3 [t] Rn [t]
p(t) 7 t 2 p00 (t) (t + 1)p0 (t) 3p(t)
1. Montrer que f est un endomorphisme de R3 [t].
2. Calculer le rang de f.
3. Donner une base du noyau de f.
4. Soit a(t) le polynme
de ker(f) tel que le coefficient du terme de degr maximale est gale 1. Montrer
que la famille B = f(t), f(t 2 ), f(t 3 ), a(t) est une base de R3 [t].
5. Calculer M(f, B , C) la matrice de f quand on muni lespace vectoriel R3 [t] de la base B au dpart et de la
base canonique larrive.
Correction.
1. Pouvons que f est bien un endomorphisme de R3 [t], i.e. que f est une application linaire de R3 [t] dans R3 [t].
B Prouvons dabord que f(p) R3 [t] pour tout p R3 [t]. Sans faire de calculs, il suffit de remarquer que
deg(f(p)(t)) max deg(t 2 p00 (t)), deg((t 1)p0 (t)), deg(3p(t)) = deg(p(t)) 3.
Sinon, on peut calculer explicitement limage de p R3 [t] par f : si p R3 [t], il existe a0 , a1 , a2 , a3 R
tels que p(t) = a0 + a1 t + a2 t 2 + a3 t 3 et on obtient
f(p(t)) = t 2 p00 (t) (t + 1)p0 (t) 3p(t)
= t 2 (2a2 + 6a3 t) (t + 1)(a1 + 2a2 t + 3a3 t 2 ) 3(a0 + a1 t + a2 t 2 + a3 t 3 )
= (3a0 a1 ) + (4a1 2a2 )t + (3a2 3a3 )t 2 R3 [t].
B Prouvons maintenant que f est un application linaire. En effet, soit p et q deux polynmes de R3 [t] et et
deux rels.
f(p(t) + q(t)) = t 2 (p(t) + q(t))00 (t + 1)(p(t) + q(t))0 3(p(t) + q(t))
= t 2 p00 (t) + t 2 q00 (t) (t + 1)p0 (t) (t + 1)q0 (t) 3p(t) 3q(t)
= t 2 p00 (t) (t + 1)p0 (t) 3p(t) + t 2 q00 (t) (t + 1)q0 (t) 3q(t) = f(p) + f(q).
2. Pour calculer le rang de f on peut utiliser une matrice reprsentative
de f. Pour cela, considrons la base
canonique de R3 [t], C = c0 (t) = 1, c1 (t) = t, c2 (t) = t 2 , c3 (t) = t 3 , et calculons limage de chaque vecteur
de cette base
f(c0 (t)) = t 2 c000 (t) (t + 1)c00 (t) 3c0 (t) = 3 = 3c0 (t),
f(c1 (t)) = t 2 c100 (t) (t + 1)c10 (t) 3c1 (t) = (t + 1) 3t = c0 (t) 4c1 (t),
f(c2 (t)) = t 2 c200 (t) (t + 1)c20 (t) 3c2 (t) = 2t 2 (t + 1)2t 3t 2 = 2c1 (t) 3c2 (t),
f(c3 (t)) = t 2 c300 (t) (t + 1)c30 (t) 3c3 (t) = t 2 (6t) (t + 1)(3t 2 ) 3t 3 = 3c2 (t),
donc par dfinition la matrice de f dans la base canonique C de R3 [t] est
3 1 0
0
0 4 2 0
.
M(f, C) =
0
0 3 3
0
0
0
0
3 1 0
Clairement det(M(f, C)) = 0 et det 0 4 2 = 36 donc rg(f) = rg(M(f, C)) = 3.
0
0 3
3. Comme dim(im(f)) = rg(f) = 3, daprs le thorme du rang alors dim(ker(f)) = dim(E) dim(im(f)) = 1 :
toute base du noyau ne contient quun vecteur (non nul).
3 1 0 0 a0 0
a0
a1
a1
0 4 2 0
0
q(t) = a0 + a1 t + a2 t 2 + a3 t ker(f)
= 3
, R
a2
a2
6
0
0 0 3 3
0
a3
a3
do ker(f) = 3t + 6t 2 6t 3 R = Vect 1 3t + 6t 2 6t 3 et la famille 1 3t + 6t 2 6t 3
est une base de ker(f).
146
G. Faccanoni
4 Applications linaires
1 0
0 1/6
1 0
0
4 2 0
1/2
= 6
det
0 3 3 1 = det 4 2 0
0 3 3
0
0
0
1
alors dim(Vect(B )) = 4. On conclut alors que B est une base de R3 [t].
5. Pour calculer M(f, B , C) il faut calculer les coordonnes dans la base canonique C de limage de chaque vecteur
de B par f (on ne change pas de base dans lespace darrive) :
7 2 0 0
1 0
0 1/6
3 1 0
0
0 4 2 0 4 2 0
1/2
= 16 14 6 0 .
0 9 9 0
0 3 3 1
0 3 3
0 0 0 0
0
0
0
1
0
0
0
0
Exercice 4.34
Pour ` R, soit
1
`
A=
0
0
0
`
0
0
0
0
`
0
1
4
3
2
Si ` = 0 alors A =
1 0 1
0 ` 3
002
= 2` 2 6= 0 et rg(A) = 4.
1
0
0
0
1
4
3
2
, lespace vectoriel engendr par les deux lments de F qui ont coordonnes
(1, 0, 0, 0) et (1,
4,
03,2) dans
la base F .
0
1
0
B ker(f) = Vect
, 1
, lespace vectoriel engendr par les deux lments de E qui ont coordonnes
0
0
0
montrer que la famille
, 43 , 10 ,
0
0
2
0
1 1 0 0
det 00 43 10 01 = 2 alors R4 = ker(f) im(f).
0
0
1
0
0200
G. Faccanoni
147
4 Applications linaires
Exercice 4.35
Soit E un espace vectoriel de dimension 3 et F un espace vectoriel de dimension 2.
Calculer dim(L(E, F )).
Soit E = { e1 , e2 , e3 } une base de E et F = { c1 , c2 } une base de F .
Soit G = { f L(E, F ) | f(e1 ) = f(e2 ), f(e3 ) = 0F } le sous-espace vectoriel de L(E, F ). Calculer dim(G).
Correction.
Fixons deux bases E = { e1 , e2 , e3 } de E et F = { c1 , c2 } de F . Tout lment f de L(E, F ) est tel que
f(e1 ) = a11 c1 + a12 c2 ,
f(e2 ) = a21 c1 + a22 c2 ,
f(e3 ) = a31 c1 + a32 c2 .
Alors, tout lment f de L(E, F ) on peut associer une et une seule matrice M(f, E , F ) M2,3 (R) et viceversa
(autrement dit, les espaces vectoriels L(E, F ) et M2,3 (R) sont isomorphes). Par consquent dim(L(E, F )) =
dim(M2,3 (R)) = 6.
Tout lment g de G est tel que
g(e1 ) = a11 c1 + a12 c2 ,
g(e2 ) = a11 c1 + a12 c2 ,
g(e3 ) = 0.
Alors, tout lment g de G on peut associer une et une seule matrice
a11 a11 0
M(g, E , F ) =
a12 a12 0
et viceversa. Autrement dit, les espaces vectoriels G et Vect
1
0
1
0
0
0
,
0
1
0
1
0
sont isomorphes. Par
0
consquent dim(G) = 2.
Exercice 4.36
3
2
Soit f un endomorphisme de R3 nilpotent dordre 3, cest--dire
tel que
f = 0 mais f 6= 0.3
3
2
Montrer quil existe x R tel que la famille B = x, f(x), f (x) est une base de R .
Calculer M(f, B ) la matrice de f relativement cette base. En dduire une base de im(f) et une base de
ker(f).
Montrer que ker(f 2 ) = im(f) et que im(f 2 ) = ker(f).
Correction.
Soit x R3 \ { 0R3 }. La famille B = b1 = x, b2 = f(x), b3 = f 2 (x) R3 a cardinal 3. Pour prouver quelle est
une base de R3 il suffit de prouver quelle est libre, i.e. que lquation b1 + b2 + b3 = 0R3 admet lunique
solution = = = 0. Pour cela observons que
2
2
3
3
2
2
0R = f (x + f(x) + f (x))
0R = f 2 (x)
On a
0
= M(f, B ) = 1
0
0
0
1
0
0
0
Par consquent
B ker(f) = Vect f 2 (x) et la famille f 2 (x) est une base de ker(f).
148
G. Faccanoni
4 Applications linaires
n 0 0 o
n 0 0 o
1 , 0
1 , 0
B im(f) = Vect
et la famille
est une base de im(f) car les deux vecteurs ne sont
0
1
0
1
pas colinaires.
On a
2
f (b3 ) = f(f(b3 )) = f(0R3 ) = 0R3
0
= M(f 2 , B ) = 0
1
0
0
0
0
0
0
Par consquent
n 0 0 o
1 , 0
B ker(f 2 ) = Vect { b2 , b3 } = Vect f(x), f 2 (x) = Vect
= im(f)
0
1
n 0 o
0
B im(f 2 ) = Vect
= Vect f 2 (x) = ker(f).
1
Exercice 4.37
Soit E un espace vectoriel de dimension 4 et f un endomorphisme de E. Montrer que les propositions suivantes
sont quivalentes :
ker(f) = im(f),
f f = 0 et dim(im(f)) = 2.
Correction.
B Prouvons que = : si ker(f) = im(f), daprs le thorme du rang on a 4 = dim(E) = dim(ker(f)) +
dim(im(f)) = 2 dim(ker(f)) do dim(ker(f)) = dim(im(f)) = 2.
Soit C = { c1 , c2 } une base de im(f) alors il existe b1 , b2 E linairement indpendantes tels que f(b1 ) = c1 et
f(b2 ) = c2 . Comme ker(f) = im(f), alors C est aussi une base de ker(f) et donc f(c1 ) = f(c2 ) = 0E . Autrement dit
f 2 (b1 ) = f 2 (b2 ) = 0E . Comme la famille { b1 , b2 , c1 , c2 } E est libre et a cardinal 4, elle est une base de E et
f 2 (b1 ) = f 2 (b2 ) = f 2 (c1 ) = f 2 (c2 ) = 0E , alors f f = 0.
B Prouvons que = : si dim(im(f)) = 2, daprs le thorme du rang on a 4 = dim(E) = dim(ker(f)) +
dim(im(f)) = dim(ker(f)) + 2 do dim(ker(f)) = dim(im(f)) = 2. Soit E = { e1 , e2 , e3 , e4 } une base de E telle
que { f(e1 ), f(e2 ) } est une base de im(f). Comme f f = 0 alors { f(e1 ), f(e2 ) } est une base de ker(f) donc
ker(f) = im(f).
1
2
3
... n
n+1
n+2
n+3
. . . 2n
2n + 1
2n + 2
2n + 3
. . . 3n
A=
.
..
..
.
.
(n 1)n + 1
(n 1)n + 2
(n 1)n + 3
...
n2
Correction.
...
((n 1)n + 1)x + ((n 1)n + 2)x + ((n 1)n + 3)x + + ((n 1)n + n)x = 0,
1
2
3
n
G. Faccanoni
149
4 Applications linaires
...
(n 1)(x + x + x + + x ) + (x + 2x + 3x + + nx ) = 0,
1
2
3
n
1
2
3
n
et qui est quivalent au systme de deux quations linaires
(
x1 + 2x2 + 3x3 + + nxn = 0,
x1 + x2 + x3 + + xn = 0.
De la mme manire, si x = (x1 , x2 , . . . , xn ) ker(AT ) alors AT x = 0, cest--dire
...
...
i.e.
L2
(
x1 + x2 + x3 + + xn = 0,
x1 + 2x2 + 3x3 + + nxn = 0,
kL1 Lk
n(k1) ,
k = 2, . . . , n
(L2 L2 + L1 ).
150
G. Faccanoni
4 Applications linaires
Correction.
1. On a
f(1) = 1
f(x) = 1 + x
f(x
) = x + x2
f(x 3 ) = x 2 + x 3
..
n1
n2
+ x n1
f(x ) = x
n
f(x ) = x n1
1 1 0 0 ...
0 1 1 0 . . .
0 0 1 1 . . .
.. ..
..
..
.
.
M(f, C) =
. .
.
..
0 0 0 0
0 0 0 0 . . .
0 0 0 0 ...
est
0
0
0 0
1 0
1 1
0 0
0
0
0
2. det(M(f, C)) = 0 et en supprimant la dernire ligne et la dernire colonne on a une matrice carre dordre n
triangulaire suprieur dont le dterminant vaut 1, par consquent rg(f) = rg(M(f, C)) = n.
G. Faccanoni
151