MP33 L2pcsi

MP33/M331
Recueil dexercices corrigs et aide-mmoire.
L2 PC SI
Licence Sciences et Techniques
Algbre linaire
Gloria Faccanoni
i http://faccanoni.univ-tln.fr/enseignements.html
Anne 2014 2015

Dernire mise--jour : Mardi 12 aot 2014
Table des matires

1 Matrices
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 :
a11 . . . a1j . . . a1n

a11 . . . a1j . . . a1n
..
..
..
..
..
..
.
.
.
.
.
.
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
Nous travaillerons avec K = R, Q ou Z.
Exemple
La matrice
1
A= 0
4
4
1
1
2
3
5
est carre et dordre 3 coefficients dans Z.
Dfinition Matrice nulle

La matrice nulle, note Om,n , est la matrice dont tous les lments sont nuls.
1 Matrices
Mardi 12 aot 2014
Dfinition Addition de matrices

Si A = (aij )1im et B = (bij )1im sont deux matrices m n, on dfinit laddition des matrices par
1jn
1jn
A + B = (aij + bij )1im .

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
La somme de A et B est la matrice 2 3 suivante :

3+6
A+B=
1+2

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
Dfinition Matrice diagonale

On appelle matrice diagonale toute matrice carre D
di dii , une matrice diagonale est de la forme
d1 0
0 d2
..
Dn = ...
.
0
0
0
0
= (dij )1i,jn telle que i 6= j = dij = 0. Si on note

...
...
...
...
0
0
..
.
dn1
0
0
0
..
.
0
dn
On la note Diag(d1 , d2 , . . . , dn ).
G. Faccanoni
Mardi 12 aot 2014
1 Matrices
Dfinition Matrice identit

La matrice dordre n, note In , est la matrice diagonale Diag(1, 1, . . . , 1).
Dfinition Matrices triangulaires

On dit quune matrice carre A = (aij )1i,jn est
B triangulaire suprieure si i > j = aij = 0,
B triangulaire infrieure si i < j = aij = 0.
Une matrice triangulaire suprieure et infrieure (i.e. i 6= j = aij = 0) est une matrice diagonale.
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
est une matrice triangulaire suprieure,
est une matrice triangulaire infrieure,
est une matrice diagonale,
est la matrice identit dordre 4.
Dfinition Produit dune matrice par un scalaire

Si A = (aij )1im est une matrice m n et si K, on dfinit le produit dune matrice par un scalaire par
1jn
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
Dfinition Produit de matrices

Si A = (aik )1im est une matrice m n et B = (bkj )1kn une matrice n p, on dfinit le produit des matrices
1kn
1jp
par
!
n
X
AB=
aik bkj
k=1
1im
1jp
Cest une matrice m p.
G. Faccanoni
1 Matrices
Mardi 12 aot 2014
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
A Mm,n (K), B Mn,p (K), C Mp,q (K), alors

A (B C) = (A B) C (associativit) ;
A((B + C) = A B + A C (distributivit) ;
A Mn (K) alors A In = In A = A.
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
Mardi 12 aot 2014
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
Dfinition Matrice transpose

Si A = (aij )1im est une matrice m n, on dfinit la matrice transpose de A, note AT , par A = (aji ) 1jn .
1jn
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
Sa transpose est la matrice AT dordre 3 2 suivante
1
A = 1
5
T
3
0 .
7
Proprit
B
B
B
B
(AT )T = A si A Mm,n (K),

(A)T = AT si K et A Mm,n (K),
(A + B)T = AT + BT si A, B Mm,n (K),
(A B)T = BT AT si A Mm,n (K) et B Mn,p (K).
Dfinition Matrice symtrique, matrice anti-symtrique

B Une matrice A est dite symtrique si AT = A, i.e. si aij = aji pour tout i 6= j.
B Une matrice A est dite anti-symtrique si AT = A, i.e. si aij = aji pour tout i 6= j.
Exemple
1
A= 5
9
1
B = 5
9
5
4
0
5
4
0
9
0
7
9
0
7
est une matrice symtrique.
est une matrice anti-symtrique.
Dfinition Matrice inversible, matrice singulire

Une matrice carre A Mn (K) est dite inversible (ou rgulire) si elle est symtrisable pour le produit matriciel,
autrement dit sil existe une matrice B Mn (K) telle que
A B = B A = In .
Si une telle matrice existe, on la note A1 et on lappelle matrice inverse de A.
Une matrice non inversible est dite singulire.
G. Faccanoni
1 Matrices
Mardi 12 aot 2014
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 .
Dfinition Trace dune matrice

Si A est une matrice carre dordre n, on dfinit la trace de A comme la somme des lments de la diagonale
principale :
n
X
tr(A)
aii .
i=1
Exemple
La trace de la matrice A suivante
1
0
0
2
2
1
0
3
2
est tr(A) = a11 + a22 + a33 = 1 + 2 + (2) = 1.
Proprit
Si
B
B
Si
B
A et B sont deux matrices carres dordre n, alors

tr(AT ) = tr(A),
tr(A + B) = tr(A) + tr(B).
A est une matrice m n et B une matrice n m, alors
tr(A B) = tr(B A).
Dfinition et calcul pratique dun dterminant
Dfinition Dterminant dune matrice dordre n (rgle de Laplace)

Soit A une matrice carre dordre n.
tant donn un couple (i, j) dentiers, 1 i, j n, on note Aij la matrice carre dordre n 1 obtenue en
supprimant la i-me ligne et la j-me colonne de A.
Le dterminant de A, not det(A) ou |A|, est dfini par rcurrence sur lordre de la matrice A :
B si n = 1 : le dterminant de A est le nombre
det(A) a11 ,
B si n > 1 : le dterminant de A est le nombre
det(A)
n
X
(1)i+j aij det(Aij )
quelque soit la ligne i, 1 i n,
j=1
ou, de manire quivalente, le nombre

det(A)
n
X
(1)i+j aij det(Aij )
quelque soit la colonne j, 1 j n.
i=1
Astuce
Pour se souvenir des signes de ces deux formules, on peut remarquer que la distribution des signes + et avec
G. Faccanoni
Mardi 12 aot 2014
1 Matrices
la formule (1)i+j est analogue la distribution des

+

+

+

..
..
.
.
cases noirs et blanches sur un damier :

+ . . .
+ . . .
+ . . .
..
.. . .
.
.
.
Exemple
Soit la matrice
A=

a11
a21
a12
a22
alors
det(A11 ) = a22 ,
det(A12 ) = a21 ,
det(A21 ) = a12 ,
det(A22 ) = a11 ,
donc on peut calculer det(A) par lune des formules suivantes :

B a11 det(A11 ) a12 det(A12 ) = a11 a22 a12 a21 (dveloppement suivant la ligne i = 1)
B a21 det(A21 ) + a22 det(A22 ) = a21 a12 + a22 a11 (dveloppement suivant la ligne i = 2)
B a11 det(A11 ) a21 det(A21 ) = a11 a22 a21 a12 (dveloppement suivant la colonne j = 1)
B a12 det(A12 ) + a22 det(A22 ) = a12 a21 + a22 a11 (dveloppement suivant la colonne j = 2)
Ces formules donnent bien le mme rsultat.
Dterminant dune matrice dordre 2 mthode pratique

Soit A une matrice carre dordre n = 2.

a11
det(A) = det
a21
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
= a22 a33 a23 a32 ,

= a21 a33 a23 a31 ,
= a21 a32 a22 a31 ,
= a12 a33 a13 a32 ,
= a11 a33 a13 a31 ,
1 Matrices
Mardi 12 aot 2014

det(A23 ) = det

det(A31 ) = det

det(A32 ) = det

det(A33 ) = det
a11
a31
a12
a22
a11
a21
a11
a21
a12
a32
a13
a23
a13
a23
a12
a22
= a11 a32 a12 a31 ,

= a12 a23 a13 a22 ,
= a11 a23 a13 a21 ,
= a11 a22 a12 a21 ,

B a11 det(A11 ) a12 det(A12 ) + a13 det(A13 ) (dveloppement suivant la ligne i = 1)
B a21 det(A21 ) + a22 det(A22 ) a23 det(A23 ) (dveloppement suivant la ligne i = 2)
B a31 det(A31 ) a32 det(A32 ) + a33 det(A33 ) (dveloppement suivant la ligne i = 3)
B a11 det(A11 ) + a21 det(A21 ) a31 det(A31 ) (dveloppement suivant la colonne j = 1)
B a12 det(A12 ) a22 det(A22 ) + a32 det(A32 ) (dveloppement suivant la colonne j = 2)
B a13 det(A13 ) + a23 det(A23 ) a33 det(A33 ) (dveloppement suivant la colonne j = 3)
Quelques calculs montrent que ces formules donnent bien le mme rsultat.
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,

B 1 det(A11 ) + 0 det(A12 ) + 1 det(A13 ) = 10 + 0 + 0 = 10
B 0 det(A21 ) + 2 det(A22 ) + 0 det(A23 ) = 0 + 2 5 + 0 = 10 L99 formule pratique car il ny a quun dterminant calculer
B 0 det(A31 ) + 3 det(A32 ) + 5 det(A33 ) = 0 + 0 + 5 2 = 10
B 1 det(A11 ) + 0 det(A21 ) + 0 det(A31 ) = 10 + 0 + 0 = 10 L99 formule pratique car il ny a quun dterminant calculer
B 0 det(A12 ) + 2 det(A22 ) + 3 det(A32 ) = 0 + 2 5 + 0 = 10
B 1 det(A13 ) + 0 det(A23 ) + 5 det(A33 ) = 0 + 0 + 5 2 = 10
On peut sinon faire apparaitre encore plus de zros dans la matrice jusqu obtenir une matrice triangulaire :
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
Mardi 12 aot 2014
1 Matrices
Dterminant dune matrice dordre 3 mthode pratique (rgle de Sarrus)

Soit A une matrice carre dordre n = 3. Alors
a11 a12 a13

det(A) = det a21 a22 a23
a31 a32 a33

= a11 a22 a33 + a12 a23 a33 + a13 a21 a32 a13 a22 a31 + a11 a23 a32 + a12 a21 a33
+
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
alors avec la rgle de Sarrus

+
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
Mardi 12 aot 2014
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
Si on essaye de gnraliser la rgle de Sarrus on nobtient pas le bon rsultat :

1 0 0 0 + 0 1 4 1 + 0 0 1 2 + 1 2 2 3 1 1 2 1 + 1 0 0 2 + 0 2 4 3 + 0 0 1 0 = 10.
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)
et rg(A) = 0 si et seulement si tous les lments de A sont nuls.
12
G. Faccanoni
Mardi 12 aot 2014
1 Matrices
Exemple
Soit A la matrice suivante
A=

1
1
3
3

2
.
1
rang de A est 2 car

A est dordre 2 3 donc s min{2, 3} donc s = 0, 1 ou 2 ;
il existe au moins un lment de A diffrent de zro, donc s 6= 0 ;
comme le dterminant de la sous-matrice compose de la premire et de la deuxime colonne est nul, on ne peut pas
conclure ;
B comme le dterminant de la sous-matrice compose de la premire et de la troisime colonne est non nul, alors s = 2.
Le
B
B
B
Exemple
Soit A la matrice suivante
Le
B
B
B
B
1
A= 0
1
0
5
0
1
1 .
1
rang de A est 2 car

A est dordre 3 3 donc s 3, i.e. s = 0, 1, 2 ou 3 ;
il existe au moins un lment de A diffrent de zro, donc s 6= 0 ;
le dterminant de A est 0 donc s 6= 3 ;
le dterminant de la sous-matrice 10 05 est non nul, donc s = 2.
Oprations lmentaires sur les matrices
Dfinition Oprations lmentaires sur les lignes dune matrices

Les oprations (ou manipulations) lmentaires sur les lignes dune matrices M Mm,n sont
B la multiplication dune ligne Li par un scalaire non nul :
Li Li ;
B laddition dun multiple dune ligne Lj une autre ligne Li :
Li Li + Lj ;
B lchange de deux lignes :
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
les premires deux lignes de la matrice
f
c
i
r
Dfinition Oprations lmentaires sur les colonnes dune matrices

Les oprations lmentaires sur les colonnes dune matrice M Mm,n sont
B la multiplication dune colonne par un scalaire non nul :
Ci Ci ;
B laddition dun multiple dune colonne une autre colonne :
Ci Ci + Cj ;
G. Faccanoni
13
1 Matrices
B lchange de deux colonnes :
Mardi 12 aot 2014
Ci Cj .
Ces transformations sont quivalentes la multiplication droite (post-multiplication) de la matrice M Mm,n

par la matrice inversible obtenue en appliquant la matrice identit In la transformation correspondante. Par
exemple la transformation qui change les deux premires colonnes de la matrice M prcdente sobtient comme
suit :
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
Dfinition Matrices quivalentes

Deux matrices sont dites quivalentes si on peut passer de lune lautre par des oprations lmentaires.
Thorme
Deux matrices quivalentes ont le mme rang.
14
G. Faccanoni
Mardi 12 aot 2014
1 Matrices
............... Exercices ...............

Exercice 1.1
Soient les matrices
3
A= 0
1
2
4
1
1
B = 0
1
et
2
1 .
1
1. Trouver une matrice C telle que A 2B C = O.

2. Trouver une matrice D telle que A + B + C 4D = O.
Correction.
1. On cherche C telle que C = A 2B, i.e.
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
Mardi 12 aot 2014
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 .
Que peut-on conclure ?
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,
De la mme manire, pour avoir
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.
On cherche B telle que
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
Mardi 12 aot 2014
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
Une brve tude de la fonction montre que

B limx y(x) =
B y0 (x) = 6(x 2 + x 2)
B y est croissante pour x < 2 et x > 1, dcroissante pour 2 < x < 1,
par consquent on a un maximum local pour x = 2 et un minimum local pour x = 1.
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
0.8 0.3 0.2

P = 0.1 0.2 0.6 .
0.1 0.5 0.2
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
Mardi 12 aot 2014

(k)
(k)
(k)
vecteur x(k) = (x1 , x2 , x3 )T vrifie la relation

x(k+1) = P x(k)
et donc par une rcurrence immdiate
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 .
Exercice 1.6 Migration entre deux villes

Deux villes A et B totalisent une population dun million dhabitants. La ville A est plus agrable, mais la ville
B offre plus de possibilits demplois. 20% des habitants de B partent chaque anne habiter A pour avoir un
meilleur cadre de vie, et 5% des habitants de A partent chaque anne habiter B pour trouver un meilleur emploi.
Sachant qu lanne 0, un quart des habitants sont en A, quelle est la population de A et de B au bout de 1 an,
2 ans, 4 ans, 9 ans ?
Correction.
On rsume les informations dans un graphe de transition :

5%
A
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
ou, en utilisant les puissances de matrice,
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
Mardi 12 aot 2014
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
On peut montrer que

lim x
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
Exercice 1.8 CC Novembre 2012

Trouver pour quelles valeurs de t R les matrices suivantes sont inversibles :

2

t + 3 t2 9
t 9 t+3
A= 2
,
B=
.
t +9 t3
t 3 t2 + 9
G. Faccanoni
19
1 Matrices
Mardi 12 aot 2014
Correction.

t+3
det(A) = det 2
t +9
t2 9
t3
= (t + 3) (t 3) (t 2 9) (t 2 + 9) = (t 3)(t + 3)(t 2 + 8).
La matrice est inversible pour tout t R \ { 3, 3 }.

t2 9
det(B) = det
t3

t+3
t2 + 9
= (t 2 9) (t 2 + 9) (t + 3) (t 3) = (t 3)(t + 3)(t 2 + 8).
La matrice est inversible pour tout t R \ { 3, 3 }.
Exercice 1.9 CT Janvier 2011

Trouver pour quelles valeurs de t la matrice suivante est inversible
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
= t 3 4t + 4t 2 16 = t(t 2 4) + 4(t 2 4) = (t 2 4)(t + 4) = (t 2)(t + 2)(t + 4).

La matrice est inversible pour tout t R \ { 4, 2, 2 }.
Exercice 1.10 Calculs de dterminants

Soit a, b et c trois rels quelconques, calculer les dterminants suivants :
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
Mardi 12 aot 2014
1 Matrices
Exercice 1.11 CC Octobre 2011

1
1. Pour quelles valeurs de R la matrice A =
2 3
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.
2. Sans faire de calcul on peut dj affirmer que 1 rg(B) 3. Comme

det(B) = 0 (sans faire de calcul, il suffit
1 2
de remarquer que C3 = 4C2 ), alors 1 rg(B) 2. Comme det
= 3 6= 0, on conclut que rg(B) = 2.
2 1
3. Sans faire de calcul on peut dj affirmer que 1 rg(C) 3.Comme
det(C) = 0 (sans faire de calcul, il suffit
2 1
de remarquer que L2 = 4L1 ), alors 1 rg(C) 2. Comme det
= 3 6= 0, on conclut que rg(C) = 2.
1 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
Exercice 1.12 F. Le Roux

En admettant le fait que les nombres 2001, 1073, 5800
minant de la matrice
2
1
A=
5
8
et 8903 sont tous divisibles par 29, montrer que le dter

0 0 1
0 7 3
8 0 0
9 0 3
est aussi divisible par 29 (sans calculer ce dterminant !).
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
Mardi 12 aot 2014
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
le systme (S) est quivalent lcriture matricielle Ax = b.
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
Mardi 12 aot 2014
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
Dfinition Systme chelonn

Un systme (S) est en escalier, ou chelonn, si le nombre de premiers coefficients nuls successifs de chaque
quation est strictement croissant.
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.
Dfinition Matrice augmente

Si on ajoute le vecteur-colonne des seconds membres b la matrice des coefficients A, on obtient ce quon appelle
la matrice augmente que lon note [A|b].
Mthode du pivot de Gauss

Soit A = (aij )1in la matrice des coefficients du systme (S) et [A|b] la matrice augmente.
1jp
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
Mardi 12 aot 2014
2 Systmes linaires
Exemple
Soit le systme linaire
x1 +2x2 +3x3 +4x4 = 1,
2x1 +3x2 +4x3 +x4 = 2,

3x +4x2 +x3 +2x4 = 3,
1
4x1 +x2 +2x3 +3x4 = 4.
1. Rsolution par la mthode du pivot de Gauss :
x1 +2x2 +3x3 +4x4 = 1 L2 L2 2L1
x1 +2x2 +3x3 +4x4 = 1

L
L
3L
3
3
1
2x1 +3x2 +4x3 +x4 = 2 L4 L4 4L1
x2 2x3 7x4 = 0
3x1 +4x2 +x3 +2x4 = 3

2x2 8x3 10x4 = 0
tape 1
4x1 +x2 +2x3 +3x4 = 4

7x2 10x3 13x4 = 0
x1 +2x2 +3x3 +4x4 = 1

x1 +2x2 +3x3 +4x4 = 1
L3 L3 2L2
x2 2x3 7x4 = 0 L4 L4 +L3

x2 2x3 7x4 = 0
L4 L4 7L2
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.
2. Rsolution par la mthode du pivot de Gauss en criture matricielle :
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.
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.
G. Faccanoni
25
2 Systmes linaires
Mardi 12 aot 2014
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
Les matrices augmentes associes chaque systme sont

1
1
1
1
[A|b] =
[A|b] =
1 1 1
2
[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
n inconnues avec m > n :

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
Mardi 12 aot 2014
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
3. m quations et n inconnues avec m < n :

2
1 2
2
,b=
. On a rg(A) = rg([A|b]) = 2 < 3 donc il y a une infinit de solutions.
3.1. A =
1
2
2
2

2 1 1
1
3.2. A =
,b=
. On a rg(A) = 1 6= rg([A|b]) = 2 donc il ny a pas de solution.
4 2 2
4
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
ainsi on limine linconnue xj dans toutes les lignes Li .

En ritrant le procd pour i de 1 n, on aboutit un systme diagonal.
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
par la mthode de Gauss-Jordan.
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.
Dfinition Systme de Cramer

Un systme est dit de Cramer sil a une solution, et une seule.
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
Mardi 12 aot 2014
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.
Exemple Systme dordre 2

On veut rsoudre le systme linaire
a11
a21
a12
a22

x1
b1
=
x2
b2
par la mthode de Cramer. On a

a11 a12
A=
,
a21 a22

b1 a12
A1 =
,
b2 a22

a11 b1
,
A2 =
a21 b2
det(A) = a11 a22 a12 a21 ,

det(A1 ) = b1 a22 a12 b2 ,
det(A2 ) = a11 b2 b1 a21 ,
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
par la mthode de Cramer. On a
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
Mardi 12 aot 2014
2 Systmes linaires
Dfinition Cofacteur & comatrice

Soit A une matrice carre dordre n. tant donn un couple (i, j) dentiers, 1 i, j n, on note Aij la matrice
carre dordre n 1 obtenue en supprimant la i-me ligne et la j-me colonne de A. On appelle cofacteur de
llment aij le nombre (1)i+j det(Aij ). On appelle comatrice de A la matrice constitue des cofacteurs de A.
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 =
Deuxime mthode : on parvient au mme rsultat par transformations lmentaires :

L2 L2 ac L1
a b 1 0
1
0
a
b
[A|I2 ] =
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
Mardi 12 aot 2014
1. On calcule la matrice des cofacteurs des lments de A, appele

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
3. on divise par det(A) :

A1
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
UUUUUUUUUUUUUUUU Astuces UUUUUUUUUUUUUUU

Astuce
Soit r le rang du systme (S) et p le nombre dinconnues.

B Si r = p, (S) a une unique solution,
B si r < p, (S) a une infinit de solutions. Les r inconnues qui figurent au dbut des r quations issues de
la mthode du pivot de Gauss sont les inconnues principales. Elles peuvent se calculer de faon unique en
fonction des autres p r inconnues.
Le choix des inconnues principales dun systme est arbitraire, mais leur nombre est toujours le mme.
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
Mardi 12 aot 2014
2 Systmes linaires
............... Exercices ...............

Exercice 2.1
Rsoudre les systmes linaires suivants :
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
On utilise la mthode du pivot de Gauss :
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
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
2y +3z +6t=16 L4 L4 7L3 /5

2y +3z +6t=16
L4 L2 L2 /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
Mardi 12 aot 2014
Exercice 2.3
6
2
1

1
x1
12
0 x2 = 0 .
6
x3
6
1
4
2
Rsoudre les systmes linaires par la mthode du pivot de Gauss.
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
1
2
3
4
2
3
4
1
3
4
1
2

x1
4
10
x2 10
1
= .
2 x3 10
3
x4
10
par la mthode du pivot de Gauss.
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
x1 + 2x2 + 3x3 + 4x4 = 10
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
32
2x y +z=0
x2y +z=0
x +y2z=0
G. Faccanoni
Mardi 12 aot 2014
Correction.
2 Systmes linaires
2x y +z=0 L2 L2 +L1 /2 2x y +z=0

2x y +z=0
L3 L3 +L1 /2
L3 L3 +L2
x2y +z=0
3/2y+3/2z=0
5/2y+3/2z=0
3/2y3/2z=0
x +y2z=0
0z=0
donc z = R, y = z et x = z.
Exercice 2.6
(S)
2x1 x2 3x3 = 0,
x1 + 2x3 = 0,
2x1 3x2 x3 = 0.
Ce systme est-il compatible ? Possde-t-il une solution unique ?
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,
11x1 + 6x2 + 5x3 = 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
Le systme admet une infinit de solutions de la forme (, , ) avec R.
Exercice 2.8 V. Guirardel

Vous projetez de passer un concours de recrutement lan prochain. Vous avez sous les yeux le tableau de notes
suivant :
Candidat Mathmatique Anglais Informatique Moyenne
Qui
7
12
6
8
Quo
11
6
10
9
Qua
11
16
14
14
Retrouver les coefficients de chaque preuve. La solution est-elle unique ?
G. Faccanoni
33
2 Systmes linaires
Correction.
Mardi 12 aot 2014
Il sagit de trouver les trois coefficients m, a, i [0; 1] tels que
7m + 12a + 6i = 8,
11m + 6a + 10i = 9,
11m + 16a + 14i = 14.
Utilisons la mthode de Gauss :
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),
11m + 16a + 14i = 14(m + a + i).

Utilisons la mthode de Gauss :
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].

Une entreprise fabrique des manteaux. Ces manteaux sont composs de tissu rouge, de tissu bleu et dune doublure
noire. Le tableau suivant rsume les mtres carrs de chaque tissu ncessaires la confection du manteau en
tailles S, M, L et XL :
S
M
L
XL
Tissu rouge 0.4 0.5 0.6 0.7
Tissu bleu
1
1.1 1.2 1.3
Doublure 1.5 1.7 1.9 2.1
Chaque tissu est tiss laide de plusieurs types de fil : coton, polyester et polyamide. Le tableau suivant rsume
les mtres de fil de chaque type ncessaires par mtre carr de tissu :
Tissu rouge Tissu bleu Doublure
Coton
500
400
1000
Polyamide
1000
900
700
Polyester
500
600
0
1. Lentreprise veut produire s manteaux taille S, m manteaux taille M, ` manteaux taille L et x manteaux
taille XL. Quelle quantit de fil de chaque catgorie doit-elle commander ? Rpondre cette question dans
le langage des matrices.
2. En fin danne, lentreprise veut couler entirement ses stocks de fils. Il lui reste 100 000 m de coton et de
polyamide, et 20 000 m de Polyester. Peut-elle transformer entirement ses stocks de fils en manteaux ?
Correction.
Introduisons les deux matrices A et B et les deux vecteurs u et v suivants

s
0.4 0.5 0.6 0.7
500 400 1000
m
A = 1 1.1 1.2 1.3

B = 1000 900 700
u=
`
1.5 1.7 1.9 2.1
500 600
0
x

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 :
2100s + 2390m + 2680` + 2970x

v = BAu = 2350s + 2680m + 3010` + 3340x .
800s + 910m + 1020` + 1130x
34
G. Faccanoni
Mardi 12 aot 2014
2 Systmes linaires
2. On cherche sil existe un vecteur u tel que
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
En appliquant la mthode de Gauss on obtient le systme
2100
0
0
2390
2680
115
21
230
21
s
100000
2970
m
115
250000
21
7
` = 440000
0
23
x
qui nadmet pas de solution.

(S)
x + y z = 1,
2x + 3y + z = 3,
x + y + 3z = 3.
Dterminer les valeurs de de telle sorte que ce systme possde :

1. une infinit de solutions ;
2. aucune solution ;
3. une solution unique.
Correction.
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 + )
Comme 6 2 = (2 )(3 + ) on conclut que

1. si = 3 (i.e. la dernire quation correspond 0z = 0) alors (S) possde une infinit de solutions,
2. si = 2 (i.e. la dernire quation correspond 0z = 5) alors (S) ne possde aucune solution,
3. si 6 { 2; 3 } alors (S) possde une solution unique.
Exercice 2.11 CC novembre 2013

Trouver les valeurs de R pour lesquelles le systme suivant a un nombre respectivement fini et infini de
solutions :
2x1 x2 = ,
x1 x2 x3 = 0,
x1 x2 + x3 = .
G. Faccanoni
35
2 Systmes linaires
Correction.
2 1 0
1 1 1
1
Mardi 12 aot 2014
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 ,
alors (S) ne possde aucune solution,

alors (S) possde une solution unique donne par x3 =
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.
Exercice 2.12 CC octobre 2013

Rsoudre le systme linaire en discutant suivant la valeur du paramtre a R :
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
mthode de Gauss on trouve
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.

En utilisant la mthode de Gauss, rsoudre le systme linaire en discutant suivant la valeur du paramtre
aR:
x y + 2z = 7,
x + 2y + 3z = 2,
3x + az = 10.
36
G. Faccanoni
Mardi 12 aot 2014
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
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.

En utilisant la mthode du pivot de Gauss, rsoudre le systme linaire en discutant suivant la valeur du paramtre
aR:
x + z + w = 0,
ax + y + (a 1)z + w = 0,
2x + ay + z + 2w = 0,
x y + 2z + aw = 0.
Correction. Il sagit dun systme homogne, il est

de Gauss. En appliquant cette mthode on obtient
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
alors inutile dcrire le terme source dans la mthode du pivot

1
1
1
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
x + z + w = 0,
y z + (1 a)w = 0,
(a 1)z + a(a 1)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
Mardi 12 aot 2014

En utilisant la mthode du pivot de Gauss, rsoudre le systme linaire en discutant suivant la valeur du paramtre
bR:
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
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 )
(4m2 1)x + (2m 1)2 y = (2m + 1)2 ,

(2m + 1)x + (4m 1)y = 4m2 1,
dinconnues x, y R et de paramtre m R.
Correction.
On a
Puisque le systme contient un paramtre, on commence par calculer le dterminant de la matrice A :

2

4m 1 (2m 1)2

= (4m2 1)(4m 1) (2m 1)2 (2m + 1) = 2m(2m 1)(2m + 1).
2m + 1
4m 1
(
2
rg(A) =
1

si m R \ 12 , 0, 12 ,

si m 12 , 0, 21 .
Pour calculer le rang de la matrice augmente, on remarque que

(

2
si m R \ 12 , 0, 12 ,

rg([A|b]) =
1 ou 2 si m 12 , 0, 21 .
Par consquent
:

B si m R \ 12 , 0, 12 , on a rg(A) = rg([A|b]) = 2 et on a deux inconnues donc le systme est de Cramer (i.e. il
admet une et une seule solution),
38
G. Faccanoni
Mardi 12 aot 2014
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,
qui nadmet pas de solutions.

B tude du cas m R \ 12 , 0, 12 . On peut utiliser la mthode de Cramer : lunique solution est donne par

(2m + 1)2 (2m 1)2 2(2m2 5m + 1
1

=
x=
,
4m 1
2m(2m 1)(2m + 1) 4m2 1
2m 1
2

4m 1 (2m + 1)2 (2m + 1)(2m 3)
1

=
y=
.
4m2 1
2m(2m 1)(2m + 1) 2m + 1
2m 1
Donc si on note S lensemble des solutions,
{ (x, 0) | x R }
{ (1 + y, y) | y R }
S =

n
o
2(2m2 5m+1 (2m+1)(2m3)
,
2m1
2m1
si m = 1/2,
si m = 0,
si m = 1/2,
sinon.
Exercice 2.17
(Sa )
(1 + a)x + y + z = 0,
x + (1 + a)y + z = 0,
x + y + (1 + a)z = 0,
dinconnue (x, y, z) R3 et de paramtre a R.
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
Mardi 12 aot 2014
B tude du cas a = 3. Le systme scrit
2x + y + z = 0,
x 2y + z = 0,
x + y 2z = 0,
(S3 )
2x y +z=0 L2 L2 +L1 /2 2x y +z=0

2x y +z=0
L3 L3 +L2
L3 L3 +L1 /2
x2y +z=0
23 y+ 32 z=0
52 y+ 32 z=0
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
(Sa )
x + ay + (a 1)z = 0,
3x + 2y + az = 3,
(a 1)x + ay + (a + 1)z = a,
dinconnue (x, y, z) R3 et de paramtre a R.
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.
(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
Mardi 12 aot 2014
2 Systmes linaires

(S4 )
x + 4y + 3z = 0,
3x + 2y + 4z = 3,
3x + 4y + 5z = 4,
x+4y+3z=0, L2 L2 3L1 x +4y+3z=0,

x +4y+3z=0,
L3 L3 3L1
L3 10L3 8L2
3x+2y+4z=3,
10y5z=3,
10y5z=3,
3x+4y+5z=4,
8y4z=4,
0=16.
La dernire quation est impossible donc
S = .
B tude du cas a R \ { 3, 0 }. On utilise la mthode du pivot de Gauss :
x+ay+(a 1)z=0, L2 L2 3L1

+ay +(a 1)z=0,
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.
(S) est quivalent au systme

(
2x + y + z = 0,
3y + 3z = 0,
qui admet une infinit de solutions de la forme (, , ) pour R.
G. Faccanoni
41
2 Systmes linaires
Mardi 12 aot 2014
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
Le systme admet une infinit de solutions de la forme ( 12 , 32 , 0, ) avec R.
Exercice 2.22
(
(S)
x1 + x2 2x3 + 4x4 = 6,
3x1 3x2 + 6x3 12x4 = b.
1. Pour quelle valeur de b le systme est-il possible ?

2. Donner b la valeur trouve au point prcdent et calculer la solution complte du systme.
Correction.
(S) est quivalent au systme

(
x1 + x2 2x3 + 4x4 = 6,
0 = b + 18.
1. (S) est possible si et seulement si b = 18.

2. Si b = 18, (S) admet 3 solutions de la forme (x1 , x2 , x3 , x4 ) = (6 a + 2b 4c, a, b, c) avec a, b, c R.
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.
(S) tant un systme de 4 quations 3 inconnues, on considre le sous-systme carr dordre 3
x + y + z = 3,
0
(S )
x + 2y + 3z = 6,
x y + 2z = 0,
quon peut rsoudre par la mthode du pivot de Gauss
x +y +z=3, L2 L2 L1 x+y +z=3,

L3 L3 +L1
x+2y+3z=6,
y+2z=3,
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
Mardi 12 aot 2014
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.

(S 0 )
x + 2y + z = 1,
2x + y z = 1,
x + y + 2z = 2,
x+2y +z=1, L2 L2 2L1 x+2y +z=1,

x+2y +z=1,
L3 L3 +L1
L3 L3 +L2
2x +y z=1,
3y3z=3,
3y3z=3,
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).
Exercice 2.25 CT Septembre 2009

Dterminer si le systme suivant a une solution non nulle. Dans le cas affirmatif trouver la(les) solution(s) et
expliquer pourquoi :
x 2y + 2z = 0,
2x + y 2z = 0,
(S)
3x + 4y 6z = 0,
3x 11y + 12z = 0.
Correction.

(S 0 )
x 2y + 2z = 0,
2x + y 2z = 0,
3x + 4y 6z = 0,
x2y+2z=0, L2 L2 2L1 x2y +2z=0,

L3 L3 3L1
5y 6z=0,
2x +y2z=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
Mardi 12 aot 2014
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

Calculer A1
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
det(B) = 2 6= 0 donc B est inversible et on trouve

B1
130
1
24
=
2
4
28 38
5 7 .
1
1
det(C) = 0 donc C nest pas inversible.
44
G. Faccanoni
Mardi 12 aot 2014
2 Systmes linaires

Soit A la matrice
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
2. Calculons A avec lune des deux mthodes suivantes :

Mthode de Gauss
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
Mardi 12 aot 2014
B on divise par det(A) et on obtient
A1
0 2
1 1
=
0 0
1 2
2 1
1 1
.
1 1
2 1

Soit A la matrice
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
2. Calculons A1 avec lune des deux mthodes suivantes :

Mthode de Gauss
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
Mardi 12 aot 2014
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
B on divise par det(A) et on obtient
A1
G. Faccanoni
0
2
=
2
1
1
1
1
1
0
0
1
1
1
2
.
2
1
47
Espaces vectoriels
Espaces vectoriels, Sous-espaces vectoriels
Dfinition Espace vectoriel

Un espace vectoriel sur K est un ensemble E contenant au moins un lment, not 0E , ou simplement 0, muni
dune addition
u+v E
pour tout u, v E
et dune multiplication par les scalaires
uE
pour tout u E et pour tout K
avec les proprits suivantes : pour tout u, v, w E et pour tout , K,

u + (v + w) = (u + v) + w
u+v =v+u
u + 0E = 0E + u = u
(associativit)
(commutativit)
(existence dun lment neutre pour laddition)
u + (u) = (u) + u = 0E en notant u = (1K ) u
(existence dun lment oppos)
( + ) u = u + u
(compatibilit avec la somme des scalaires)
(u + v) = u + v
(compatibilit avec la somme des vecteurs)
( u) = () u
(compatibilit avec le produit des scalaires)
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).
Dfinition Sous-espace vectoriel

Soit E un espace vectoriel. On dit que F est un sous-espace vectoriel de E si et seulement si F est un espace
vectoriel et F E.
49
Mardi 12 aot 2014
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

est un sous-espace vectoriel de lensemble E = M2 (R). En effet :

1. F M2 (R) ;

0 0
2. 0E =
F car 0 + 0 = 0 ;
0 0

a b
e f
a+e b+f
3. si M =
et N =
appartiennent F (cest--dire a+d = 0 et e+h = 0), alors M+N =
c d
g h
c+g d+h
appartient F car (a + e) + (d + h) = (a + d) + (e + h) = 0 + 0 = 0 ;

a b
a b
4. si M =
appartient F (cest--dire a + d = 0) et si R alors M =
appartient F car
c d
c d
a + 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) ;
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
Mardi 12 aot 2014
3. f F , R = f F car ( f)(x) = f(x) = f(x) = ( f)(x) ;

F nest pas un sous-espace vectoriel de Fonct(R, R) car il ne contient pas la fonction nulle x 7 0 ;
F nest pas un sous-espace vectoriel de Fonct(R, R) car loppos de la fonction f : x 7 1, qui est un lment de F , est
la fonction f : x 7 1, qui nest pas un lment de F ;
1. x 7 0 F ,
2. f, g F = f + g F car (f + g)(x) = f(x) + g(x) 0 pour tout x R,
3. f F , R = f F car ( f)(x) = f(x) 0 pour tout x R ;
F nest pas un sous-espace vectoriel de Fonct(R, R) car il ne contient pas la fonction nulle x 7 0 ;
F = { f : R R | f(1) = 0 } ; 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)(1) = f(1) + g(1) = 0,
3. f F , R = f F car ( f)(1) = f(1) = 0.
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.
Combinaisons linaires, espace engendr
Dfinition Combinaison linaire

Soient u1 , u2 , . . . , up des lments de lespace vectoriel E et 1 , 2 , . . . , p des lments de K. Le vecteur
p
X
i ui
i=1
est appel combinaison linaire des vecteurs u1 , u2 , . . . , up .
Exemple
Considrons les trois vecteurs
1
u1 = 2 ,
3
0
u2 = 2 ,
1
1
u3 = 0 .
4
Montrons que u3 est combinaison linaire des vecteurs u1 et u2 .

Pour prouver quun vecteur v est une combinaison linaire des vecteurs u1 , u2 , . . . , up il faut montrer quil existe p constantes
1 , 2 , . . . , p telles que
v = 1 u1 + 2 u2 + + p up .
G. Faccanoni
51
Mardi 12 aot 2014
On cherche alors a et b rels tels que
u3 = au1 + bu2 ,
ce qui donne
1 = a,
0 = 2a + 2b,
4 = 3a b,
a = b = 1.
Par consquent u3 est combinaison linaire des vecteurs u1 et u2 car u3 = u1 + u2 .
Dfinition Espace engendr

Soient u1 , u2 , . . . , up des lments de lespace vectoriel E. Lensemble de toutes les combinaisons linaires de ces
p vecteursfixs est un sous-espace vectoriel de E appel sous-espace vectoriel engendr par u1 , u2 , . . . , up et
not Vect u1 , . . . , up :

(
)
p

X

p
Vect u1 , . . . , up = u E (1 , . . . , p ) R , u =
i ui .

i=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
Familles libres, gnratrices, bases
Dfinition Famille libre, famille gnratrice, base

Soit p N , E un espace vectoriel et F = u1 , . . . , up une famille de vecteurs de E. On dit que la famille F
est. . .
. . . gnratrice de E si et seulement si tout vecteur de E est combinaison linaire des lments de F :
pour tout u E il existe (1 , . . . , p ) Rp tel que u =
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
pour tout u E il existe unique (1 , . . . , p ) R tel que u =
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
Mardi 12 aot 2014
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
dont lunique solution est a = b = c = 0.
Par consquent la famille { u1 , u2 , u3 } est libre dans R4 .
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.
Attention Dimension 6= cardinal

Attention ne pas confondre dimension et cardinal : dans un espace vectoriel de dimension n, toutes les bases
ont le mme cardinal (i.e. mme nombre dlments), mais il ne faut pas parler de cardinal dun espace vectoriel,
ni de dimension dune base.
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 base incomplte

Dans un espace vectoriel E de dimension n, une famille libre a au plus n lments.
Si elle a moins de n lments, alors elle nest pas une base de E mais on peut la complter de faon obtenir
une base.
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
Mardi 12 aot 2014
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 Base canonique de Rn

Avec n N, lespace vectoriel Rn est de dimension n. La famille B = { (1, 0, . . . , 0); (0, 1, . . . , 0); . . . ; (0, 0, . . . , 1) } est une
base, appele base canonique de Rn , car pour tout vecteur u Rn , u = (u1 , u2 , . . . , un ) = u1 (1, 0, . . . , 0) + u2 (0, 1, . . . , 0) +
+ un (0, 0, . . . , 1) de faon unique.
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 Base canonique de Rn [x]

Avec n N, lespace vectoriel Rn [x] des polynmes de degr n est de dimension n + 1. La base C = { 1, x, x 2 , . . . , x n } est
appele base canonique de Rn [x] car, pour tout polynme p Rn [x], p(x) = a0 + a1 x + a2 x 2 + + an x n de faon unique.
Exemple Base canonique de Mn,m (R)

Avec n, m N , lespace vectoriel Mn,m (R) des matrices n m est un espace vectoriel de dimension nm. Lespace vectoriel
Mn (R) des matrices n n est un espace vectoriel de dimension n2 . La base canonique de M2 (R) est

1 0
0 1
0 0
0 0
C=
,
,
,
.
0 0
0 0
1 0
0 1
Dfinition Vecteurs linairement indpendants

Quand une famille est libre, on dit que les vecteurs qui la composent sont linairement indpendants.
Une famille lie est une famille non libre.
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.
Dfinition Vecteurs colinaires

Soit E un espace vectoriel. Deux vecteurs u et v de E sont dits colinaires si et seulement si v = 0E ou v = u pour
un certain R. Par consquent, { u, v } est une famille libre si et seulement si u et v ne sont pas colinaires.
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
Mardi 12 aot 2014
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.
Dfinition Rang dune famille de vecteurs

Soit E un espace vectoriel et F = { e1 , e2 , . . . , en } une famille dlments de E. On appelle rang de F , et on
note rg(F ), la dimension du sous-espace vectoriel de E engendr par F :
rg(F ) = dim(Vect { e1 , e2 , . . . , en }).
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 .
Interpolation polynomiale : base canonique, base de Lagrange, base de Newton

Supposons que lon veuille chercher un polynme Pn de degr n 0 qui, pour des valeurs x0 , x1 , x2 , . . . , xn
distinctes donnes (appels nuds dinterpolation), prenne les valeurs y0 , y1 , y2 , . . . , yn respectivement, cest-dire
Pn (xi ) = yi
pour 0 i n.
(3.1)
Si un tel polynme existe, il est appel polynme dinterpolation ou polynme interpolant.
Base canonique. Une manire apparemment simple de rsoudre ce problme est dcrire le polynme dans la base
canonique de Rn [x] :
Pn (x) = a0 + a1 x + a2 x 2 + + an x n ,
o a0 , a1 , a2 , . . . , an sont des coefficients qui devront tre dtermins. Les (n + 1) relations (3.1) scrivent
alors
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
Mardi 12 aot 2014
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
Il est facile de vrifier que

B Li (x) Rn [x] car le numrateur de Li (x) est un produit de n termes (x xj ) avec i 6= j et est donc un
polynme de degr n et le dnominateur de Li (x) est une constante,
B Li (xj ) = 0 si i 6= j, 0 i n,
B Li (xi ) = 1.
P
De plus, les polynmes L0 , L1 , L2 , . . . , Ln sont linairement indpendants car si lquation ni=0 i Li (x) = 0
doit tre satisfaite pour P
tout x R alors en particulier elle doit tre satisfaite pour x = xj pour tout
j = 0, 1, . . . , n et puisque ni=0 i Li (xj ) = j , on conclut que tous les j sont nuls. Par consquent, la famille
{ L0 , L1 , L2 , . . . , Ln } forme une base de Rn [x].
Il est important de remarquer que nous avons construit explicitement une solution du problme (3.1) et
ceci pour nimporte quelles valeurs y0 , y1 , y2 , . . . , yn donnes. Ceci montre que le systme linaire (3.2) a
toujours une unique solution.
tant donn n + 1 points distincts x0 , . . . , xn et n + 1 valeurs correspondantes y0 , . . . , yn , il
existe un unique polynme Pn Rn [x] tel que Pn (xi ) = yi , pour i = 0, . . . n quon peut crire sous
la forme
n
n
X
Y
x xj
Pn (x) =
yi Li (x)
o Li (x) =
.
x xj
i=0
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
(x xi ) = (x xk1 )k1 (x),
k = 1, . . . , n.
i=0
Il est facile de vrifier que

B k (x) Rn [x],
B la famille { 0 , 1 , 2 , . . . , n } est gnratrice de Rn [x]
B la famille { 0 , 1 , 2 , . . . , n } est libre.
Par consquent, la famille { 0 , 1 , 2 , . . . , n } forme une base de Rn [x].
56
G. Faccanoni
Mardi 12 aot 2014
Si on choisit comme base de Rn [x] la famille { 0 , 1 , 2 , . . . , n }, le problme du calcul du polynme

dinterpolation pn est alors ramen au calcul des coefficients { 0 , 1 , 2 , . . . , n } tels que
pn (x) =
n
X
i i (x).
i=0
Si on a calcul les n + 1 coefficients { 0 , 1 , 2 , . . . , n } et on ajoute un point dinterpolation, il ny a plus

a calculer que le coefficient n+1 car la nouvelle base est dduite de lautre base en ajoutant simplement
le polynme n+1 .
Commenons par chercher une formule qui permet de calculer ces coefficients. Le polynme dinterpolation
dans la base de Newton valu en x0 donne
pn (x0 ) =
n
X
i i (x0 ) = 0
i=0
donc 0 = y0 . Le polynme dinterpolation dans la base de Newton valu en x1 donne

pn (x1 ) =
n
X
i i (x1 ) = 0 + 1 (x1 x0 )
i=0
donc 1 =
y1 y0
x1 x0 .
Le polynme dinterpolation dans la base de Newton valu en x2 donne

pn (x2 ) =
n
X
i i (x2 ) = 0 + 1 (x2 x0 ) + 2 (x2 x0 )(x2 x1 )
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 ]
f[x1 , . . . , xn ] f[x0 , . . . , xn1 ]

xn x0
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 ]
f[xi3 , xi2 , xi1 , xi ]
f[xi4 , xi3 , 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 ]
..
.
..
.
..
.
..
.
..
.
..
.
..
.
...
..
Soit { (xi , yi ) }ni=0 un ensemble de n + 1 points distincts. Le polynme dinterpolation pn sous

la forme de Newton est donn par
pn (x) =
n
X
i (x)f[x0 , . . . , xi ].
i=0
G. Faccanoni
57
Mardi 12 aot 2014
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 ).
p2 (x) = y0 L0 (x) + y1 L1 (x) + y2 L2 (x) =
Mthode de Newton. On commence par construire le tableau des diffrences divises :

i
xi
yi
f[xi1 , xi ]
f[xi2 , xi1 , xi ]
42
On a alors
p2 (x) =
2
X
i (x)f[x0 , . . . , xi ]
i=0
= 0 (x)f[x0 ] + 1 (x)f[x0 , x1 ] + 2 (x)f[x0 , x1 , x2 ]

2
4
= 1 (x) 2 2 (x)
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
En rsolvant ce systme linaire on trouve 0 = 0, 1 =
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
Mardi 12 aot 2014
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
f[xi3 , xi2 , xi1 , xi ]
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
Intersection et Somme despaces vectoriels
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.
Dfinition Somme despaces vectoriels

Soit F1 et F2 deux sous espaces vectoriels de E. On appelle somme de F1 et F2 lensemble F1 + F2 des vecteurs
de E qui peuvent scrire comme somme dun vecteur de F1 et dun vecteur de F2 :
u F1 + F2
v1 F1 , v2 F2 , u = v1 + v2
La somme de deux sous espaces vectoriels de E est un sous espace vectoriel de E.
Proposition Dimension de la somme (formule de Grassmann)

Soit F1 et F2 deux sous espaces vectoriels de E. Alors
dim(F1 + F2 ) = dim(F1 ) + dim(F2 ) dim(F1 F2 ).
Dfinition Somme directe despaces vectoriels

Soit F1 et F2 deux sous espaces vectoriels de E. La somme de F1 et F2 est directe, et est note F1 F2 , si leur
intersection est rduite au vecteur nul :
(
F = F1 + F2
F = F1 F2
F1 F2 = { 0E }
G. Faccanoni
59
Mardi 12 aot 2014
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.
Dfinition Espaces vectoriels supplmentaires

Soit F1 et F2 deux sous espaces vectoriels de E. Ils sont supplmentaires si leur somme est directe et gale
lespace E, autrement dit
u E,
! 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
Mardi 12 aot 2014
Matrices et changement de base

Quand on parle dun vecteur dun espace vectoriel, on parle dun objet prcis : le vecteur u de lespace E. Mais quand
on veut faire des calculs avec une base B de E, on calcule avec les coordonnes du vecteur u dans cette base B .
Si on veut conduire des calculs dans une base C de E, le vecteur u na pas chang, mais on doit calculer avec les
coordonnes de u dans la base C. On va tablir la relation entre ces coordonnes.
Dfinition Matrice de changement de base

tant donn deux bases B = { e1 , e2 , . . . , en } et B 0 = { e01 , e02 , . . . , e0n } dun mme espace vectoriel, on appelle
matrice de passage de B B 0 la matrice dont la j-me colonne est constitue des coordonnes de e0j dans la
base B et on la note PB B 0 :
P
e01 = ni=1 pi1 ei
coord(e01 , B ) = (p11 , p21 , . . . , pn1 )
n
0
0
p11 p12 . . . p1j . . . p1n
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
coord(e0n , B ) = (p1n , p2n , . . . , pnn )

en = ni=n pin ei
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
Mardi 12 aot 2014
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.

Astuce
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
Mardi 12 aot 2014
Avant de commencer une recherche prcise, on peut encadrer rg(F ). Ainsi

B rg(F ) min { p, dim(E) } si E est de dimension finie ;
B si F contient au moins deux vecteurs non colinaires alors rg(F ) 2 ;
B si F contient une famille libre de q vecteurs, alors rg(F ) q.
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
Mardi 12 aot 2014
............... Exercices ...............

Exercice 3.1
Dmontrer que lensemble
F=

(x, y, z) R3 x + y + 2z = 0
est un sous-espace vectoriel de R3 .
Correction.
On peut utiliser une des deux mthodes suivantes :
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
est un sous-espace vectoriel de M2 (R).
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
Par consquent F est un sous-espace vectoriel de M2 (R).
Exercice 3.3
F=

(x, x, y) R3 x, y R
est un sous-espace vectoriel de R3 .
64
G. Faccanoni
Mardi 12 aot 2014
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

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

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
est un sous-espace vectoriel de R2 [x].
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 .
Par consquent F est un sous-espace vectoriel de R2 [x].

(On peut galement en dduire que {1 x, 2x + x 2 } est une famille gnratrice de F .)
G. Faccanoni
65
Mardi 12 aot 2014

F = { p R2 [x] | p(1) = 0 }
Correction.


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 .

(On peut galement en dduire que 1 x 2 , x x 2 est une famille gnratrice de F .)
Exercice 3.8
F=

p R2 [x] p0 (1) = 0
Correction.


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 .

(On peut galement en dduire que 1, 2x + x 2 est une famille gnratrice de F .)

Montrer que lensemble

F=

A=
a b
c d

M2 (R) det(A) = 0
nest pas un sous-espace vectoriel de M2 (R).
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 .

Prouver que les familles suivantes sont libres :
1. A = { ( 10 ) , ( 11 ) } R2
2. B = { ( 10 00 ) , ( 00 10 ) , ( 01 10 ) , ( 01 01 ) } M3 (R)

3. C = 1, t, t 2 R2 [t]
66
G. Faccanoni
Mardi 12 aot 2014
4. D = { 1, t, t(t 1), t(t 1)(t 2) } R3 [t]

Correction.
1. ( 10 ) + ( 11 ) = ( 00 ) ssi
= ( 00 ) ssi = = 0 donc la famille est libre.
=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
nest pas un sous-espace vectoriel de M2 (R).

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
F=

(x, y, z, w) R4 ax + by z = 0, bx + y w 0 a, b R
nest pas un espace vectoriel.
Correction.
Le vecteur v = (0, 0, 0, 1) F mais v 6 F donc F nest pas un espace vectoriel.
Exercice 3.13
F=

(x, y, z) R3 x 2 + y = 0
nest pas un espace vectoriel.
Correction. Soit u = (a, b, c) et v = (d, e, f) deux vecteurs de lensemble F . Alors a2 + b = 0 et d2 + e = 0.

Pour que la somme u + v = (a + d, b + e, c + f) appartient F il faut vrifier si (a + d)2 + (b + e) = 0. Or on a
a2 + d2 + 2ad + b + e = 2ad qui nest pas forcement 0 donc F nest pas un espace vectoriel.
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
Mardi 12 aot 2014
Correction.
w Vect { u1 , u2 }
(a, b) R2 tel que w = au1 + bu2
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 .
Correction. Comme det ( 31 1

5 ) 6= 0, rg(A) = 2 et lon a rg(A) = card(A) : les vecteurs u1 et u2 sont linaire
indpendants. Pour obtenir lexpression de w en fonction de u1 et u2 on cherche les rels a et b tels que au1 +bu2 = w,
ce qui conduit au systme linaire
(
3a b = 1,
1
5
, b=
,
a =
16
16
a + 5b = 0
do la relation w =
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
Mardi 12 aot 2014
Correction.
Comme det
1 1 1
6= 0, rg(A) = 3 et lon a rg(A) = card(A) : les vecteurs u1 , u2 et u3 sont
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
6= 0, rg(A) = 3 et lon a rg(A) = card(A) : les vecteurs u1 , u2 et u3 sont linaire
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.
Sans faire de calcul

on sait que 1 rg(A) 4. Comme u4 = 3u1 5u2 +2u3 donc Vect { u1 , u2 , u3 , u4 } =

Vect { u1 , u2 , u3 }. Comme det
G. Faccanoni
1 2 1
11 0
1 0 1
6= 0, on conclut que rg(A) = 3.
69
Mardi 12 aot 2014
Exercice 3.21
Dans R3 , montrer que lespace vectoriel engendr par les vecteurs
u1 = (2, 3, 1),
u2 = (1, 1, 2)
et lespace vectoriel engendr par les vecteurs

v1 = (3, 7, 0),
v2 = (5, 0, 7)
sont les mmes.
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 .

Montrer que lespace vectoriel engendr par les vecteurs
u1 = (1, 2, 1, 3),
u2 = (2, 4, 1, 2),
u3 = (3, 6, 3, 7)
et lespace vectoriel engendr par les vecteurs

v1 = (1, 2, 4, 11),
v2 = (2, 4, 5, 14)
sont les mmes.
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
est combinaison linaire des vecteurs v1 ,
a = 1, b = 1
a = 4, b = 3
a = 7, b = 5
G. Faccanoni
Mardi 12 aot 2014
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
Mardi 12 aot 2014
Exercice 3.24
tudier si la famille
F = { u = (2, 3), v = (4, 5) }

2
de lespace vectoriel R est libre. Si la famille est lie, trouver une relation entre les vecteurs de cette famille.
Correction.
On dit quune famille F =

p
X
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,
donc la famille est libre.

(On peut remarquer que, F tant libre et comme card(F ) = 2, elle engendre un espace vectoriel de dimension 2.
Puisque F R2 et dim(R2 ) = 2, on conclut que Vect(F ) = R2 .)
Exercice 3.25
F = { u = (1, 0, 1), v = (2, 1, 0), w = (0, 1, 2) }
de lespace vectoriel R3 est libre. Si la famille est lie, trouver une relation entre les vecteurs de cette famille.
Correction.

p
X
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 =
donc la famille est lie. De plus, en prenant par exemple = 1, on a w = 2 u v.
Exercice 3.26
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
Mardi 12 aot 2014
Correction.

p
X
u1 , . . . , up
ai ui = 0E
est libre lorsque

ai = 0 i.
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,
donc la famille est libre.

Considrons les matrices dordre 2 coefficients rels

0 0
1
A=
,
B=
0
2
,
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.
La famille F = { A, B, C } est libre lorsque

A + B + C = O2
On a

0
A + B + C =
0
= = = 0.
+ = 0,

+ = 0,
0
=
0
2 = 0,
= 0,
= 0,
=
= 0,
= 0.
La famille est libre ssi 6= 0.
Exercice 3.28
F=
p0 (x) = x 3 + x 2 , p1 (x) = x 2 + x, p2 (x) = x + 1, p3 (x) = x 3 + 1
de lespace vectoriel R3 [x] est libre. Si la famille est lie, trouver une relation entre les vecteurs de cette famille.
G. Faccanoni
73
Correction.
Mardi 12 aot 2014

p
X
u1 , . . . , up
ai ui = 0E

est libre lorsque
=
ai = 0 i.
i=1
Ici
n
X
ai ui = 0E a0 p0 + a1 p1 + a2 p2 + a3 p3 = 0 (a2 + a3 ) + (a1 + a2 )x + (a0 + a1 )x 2 + (a0 + a3 )x 3 = 0
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
donc la famille est lie. De plus, en prenant par exemple = 1 on a p3 = p0 p1 + p2 .

On considre dans Rn , n 4, une famille de 4 vecteurs linairement indpendants : { e1 , e2 , e3 , e4 }. Les familles
suivantes sont libres ?
{ e1 , 2e2 , e3 }
{ e1 , e3 }
{ e1 , 2e1 + e4 , e4 }
{ 3e1 + e3 , e3 , e2 + e3 }
{ 2e1 + e2 , e1 3e2 , e4 , e2 e1 }
Correction.
Oui
Oui
Non
Oui car (3e1 + e3 ) + (e3 ) + (e2 + e3 ) = 0 = 3e1 + e2 + ( + + )e3 = 0. Comme e1 , e2 , e3 sont
linairement indpendants, cela implique 3 = = + + = 0 = = = = 0
Non : 7(e2 e1 ) = 2(2e1 + e2 ) + 3(e1 3e2 )

On considre dans Rn , n 4, une famille de 4 vecteurs linairement indpendants : { e1 , e2 , e3 , e4 }. Les familles
suivantes sont libres ?
{ e1 + e2 }
{ e1 + e2 , e2 }
{ e1 + e2 , e1 e2 }
{ e1 + e2 , e1 e2 , e1 + e3 , e1 e3 }
{ 2e1 + e2 , e1 3e2 , e4 , e2 e1 }
Correction.
Oui
Oui
Oui
Non
Non : 7(e2 e1 ) = 2(2e1 + e2 ) + 3(e1 3e2 )
74
G. Faccanoni
Mardi 12 aot 2014
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 )

crire la base canonique de R3 , la base canonique de M2 (R) et la base canonique de R2 [t].
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

Soit V un espace vectoriel et F une famille libre dlments de V . Donner la dfinition de card(F ) et de dim(V ).
Si dim(V ) = card(F ), que peut-on conclure ?
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
Correction.
Comme det
Mardi 12 aot 2014
1 1 i
1 i 1
i 1 1
= 2i, les vecteurs constituent une famille libre. tant donn que dim(C3 ) = 3
et que wi C3 pour i = 1, 2, 3, la famille { w1 , w2 , w3 } est une base de C3 .

On cherche maintenant a, b, c C tels que aw1 + bw2 + cw3 = w :
a b + ic = 1 + i
a = 0
b = 21 12 i
a + ib + c = 1 i
c = 12 23 i
ia + b c = i

Vrai ou Faux ?
Toute famille gnratrice contient une base.
La dimension dun espace vectoriel est le nombre de vecteur de cet espace.
Toute famille contenant une famille lie est lie.

La base de R3 [x] est 1, x, x 2 , x 3 .
Si E = Vect { u, v, w } et si { u, v, w } est une famille libre, alors dim(E) = 3.

Vect u1 , u2 , . . . , up
= Vect u1 , u2 , . . . , up1
si et seulement si up est combinaison linaire de
u1 , u2 , . . . , up1 .
Soient u, v et w trois vecteurs dun espace vectoriel E. On suppose que deux vecteurs parmi ces trois ne
sont pas colinaires. Alors la famille { u, v, w } est libre.
Correction.
Vrai (dans le sens que dune famille gnratrice on peut extraire une famille libre qui gnre le mme espace
vectoriel).
Faux. Un espace vectoriel de dimension finie a une infinit de vecteurs. La dimension dun espace vectoriel est
le nombre de vecteur dune de ces bases.
Vrai. La relation non trivial qui lie des vecteurs de la plus petite des deux familles est vraie dans la plus grande.
Incorrect. On ne peut pas parler de la base de R3 [x] car il y en a une infinit.
Vrai. La famille { u, v, w } est une base de E car libre et gnratrice de E.
Vrai.
Faux. Par exemple si w = u + v, deux vecteurs parmi ces trois ne sont pas colinaires mais la famille { u, v, w }
est lie.
Exercice 3.36
Considrons lensemble
F = { (x, x, y, y) | x, y R } .
1. Montrer que F est un sous-espace vectoriel de R4 .

2. Donner une base de F et sa dimension.
Correction.
1. F est un sous-espace vectoriel de R4 car

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
Mardi 12 aot 2014
Exercice 3.37
F=

a + ax 2 + bx 4 a, b R .
1. Montrer que F est un sous-espace vectoriel de R4 [x].

Correction.
1. F est un sous-espace vectoriel de R4 [x] car

F = a + ax 2 + bx 4 (a, b) R2 = a(1 + x 2 ) + bx 4 (a, b) R2 = Vect 1 + x 2 , x 4 .
2. Les deux polynmes p(x) = 1 + x 2 et q(x) = x 4 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({ p, q }) = 2, alors dim(F ) = 2.
Exercice 3.38
F=

(x, y, z) R3 2x + y + z = 0 .
1. Montrer que F est un sous-espace vectoriel de R3 .

Correction.
1. F est un sous-espace vectoriel de R3 car

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
a b
F = b a
c 0

0 a, b, c R .
a+b
1. Montrer que F est un sous-espace vectoriel de M3 (R).

Correction.
1. F est un sous-espace vectoriel de M3 (R) car

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
Mardi 12 aot 2014
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.

F = { p R3 [x] | p(0) = p(1) = 0 } .
1. Montrer que F est un sous-espace vectoriel de R3 [x].

Correction.
1. F est un sous-espace vectoriel de R3 [x] car
n

o

F = { x(x 1)(ax + b) | a, b R } = a x 2 (x 1) + b x(x 1) a, b R = Vect x 2 (x 1), x(x 1) .
Si on na pas remarqu que 0 et 1 sont racines des polynmes de F , il suffit de remarquer que
F = { p R3 [x] | p(0) = p(1) = 0 }

= a + bx + cx 2 + dx 3 R3 [x] a = 0 et a + b + c + d = 0

= bx + cx 2 + (b c)x 3 b, c R

= b(x x 3 ) + c(x 2 x 3 ) b, c R

= Vect x x 3 , x 2 x 3 .
2. Les deux polynmes
p(x) = x x 3 et q(x) = x 2 x 3 constituent une famille gnratrice de F . On montre que

la famille F = x x 3 , x 2 x 3 est une base de lespace vectoriel F ; en effet
(xx 3 )+(x 2 x 3 ) = 0 x R
x+x 2 +( )x 3 = 0 x R
= = 0.
Comme card(F ) = 2, alors dim(F ) = 2.

Soit R3 [t] lespace vectoriel des polynmes de degr au plus 3. Soit U = { p R3 [t] | p(1) = 0 }. Montrer que
U est un sous-espace vectoriel de R3 [t] et en donner une base.
78
G. Faccanoni
Mardi 12 aot 2014
Correction.

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 .
Par consquent U est un sous-espace vectoriel de R3 [x].

(On peut galement en dduire que 1 + x 3 , x x 3 , x 2 + x 3 est une famille gnratrice de U)

F=

p R3 [x] p(0) = p0 (1) = 0
est un sous-espace vectoriel de R3 [x] et en donner une base.
Correction.


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

On montre que la famille F = x 13 x 3 , x 2 23 x 3 est une base de lespace vectoriel F ; en effet
(xx 3 /3)+(x 2 2x 3 /3) = 0 x R
x+x 2 +(2)x 3 /3 = 0 x R
= = 0.

Considrons lespace vectoriel M2 (R) des matrices carres dordre 2 avec les entres relles. Soient a, b et c
trois nombres rels quelconques. Considrons le sous-ensemble

a+b c
.
E = A M2 (R) A =
2c
b
1. Montrer que E est un sous-espace vectoriel de M2 (R).
2. Donner une base explicite de E.
Correction.
1. E est un sous-espace vectoriel de M2 (R) car

a + b c
1
3
E=
(a,
b,
c)
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
Mardi 12 aot 2014

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
2. Les trois matrice A =
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.

Soit V lespace vectoriel des matrices M carres dordre n (sur le corps des rels).
1. Montrer que le sous-ensemble W de ces matrices qui commutent avec une matrice donne T
W ={MV |MT=TM}
est un sous-espace vectoriel de V .
2. Soit T la matrice dordre 2 dfinie par

T=
1
1

1
.
0
Dterminer la dimension et une base de W dans ce cas.

Correction.
1. On montre que
B 0V = On W : en effet On W car On T = Om = T On ;
B A W et B W , A + B W : en effet, soit C = A + B, alors C T = (A + B) T = A T + B T =
T A + T B = T (A + B) = T C, donc C W ;
B A W et R, A W : en effet, soit C = A, alors C T = ( A) T = (A T) = (T A) =
T ( A) = T C, donc C W .
Par consquent W est un sous-espace vectoriel de V .
2. Soit T la matrice dordre 2 dfinie par

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
Mardi 12 aot 2014
Exercice 3.45 CT Fvrier 2010

Trouver une base de lespace engendr par les polynmes
dans les deux familles suivantes

1. W = 1 + 2x + 3x 2 , x + 2x 2 , 1 + 2x + 4x 2 , 1 + x

2. W = 2 + 2x 2 , 2 + x x 2 , 3 + x + x 2 , 3 + x + 3x 2
Correction.
1. Notons
w1 (x) = 1 + 2x + 3x 2 ,
w2 (x) = x + 2x 2 ,
w3 (x) = 1 + 2x + 4x 2 ,
w4 (x) = 1 + x.
W est une famille non libre si et seulement si

(a, b, c, d) 6= (0, 0, 0, 0) | aw1 (x) + bw2 (x) + cw3 (x) + dw4 (x) = 0
(a, b, c, d) 6= (0, 0, 0, 0) | (a + c + d) + (2a + b + 2c + d)x + (3a + 2b + 4c)x 2 = 0
+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
ai ui = 0E aw1 + bw2 + cw3 = 0
i=0
(a + c) + (2a + b + 2c)x + (3a + 2b + 4c)x 2 = 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 .
W est une famille non libre si et seulement si

(a, b, c, d) 6= (0, 0, 0, 0) | aw1 (x) + bw2 (x) + cw3 (x) + dw4 (x) = 0
(a, b, c, d) 6= (0, 0, 0, 0) | (2a + 2b + 3c + 3d) + (b + c + d)x + (2a b + c + 3d)x 2 = 0
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
Mardi 12 aot 2014
Ici
n
X
ai ui = 0E aw1 + bw2 + cw3 = 0
i=0
(2a + 2b + 3c) + (b + c)x + (2a b + c)x 2 = 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 ).

Soit

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
2. montrer que F nest pas libre ;

3. extraire de F une base de E.
Correction.
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
Mardi 12 aot 2014

Soit

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
2. montrer que F nest pas libre ;

3. extraire de F une base de E.
Correction.
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.
La matrice augmente associe ce systme est
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
(iii) B est libre car la combinaison linaire 1 B1 + 2 B2 + 3 B3 = ( 00 00 ) a comme unique solution 1 = 2 =
3 = 0.
Exercice 3.48 Changement de base

Soit
q0 (x) = 1 + x + x 2 + x 3 ,
q1 (x) = x + x 2 + x 3 ,
q2 (x) = x 2 + x 3 ,
q3 (x) = x 3 ,
quatre polynmes de R3 [x].
1. Dmontrer que lensemble { q0 , q1 , q2 , q3 } est une base de R3 [x] quon notera B .
2. Notons C la base canonique de R3 [x]. Dterminer PB C puis PCB .
3. Exprimer le polynme a + bx + cx 2 + dx 3 dans la base B .
G. Faccanoni
83
Mardi 12 aot 2014
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,
donc la famille est libre. Comme card(Vect { q0 , q1 , q2 , q3 }) = 4 et dim(R4 [x]) = 4, alors B = { q0 , q1 , q2 , q3 }

est une base de R3 [x].

2. C = c0 (x) = 1, c1 (x) = x, c2 (x) = x 2 , x3 (x) = x 3 la base canonique de R3 [x]. Par dfinition la matrice PCB
est telle que sa j-me colonne est constitue des coordonnes de qj dans la base C :
q0 (x) = 1 c0 (x) + 1 c1 (x) + 1 c2 (x) + 1 c3 (x)
= coord(q0 , C) = (1, 1, 1, 1)
q1 (x) = 0 c0 (x) + 1 c1 (x) + 1 c2 (x) + 1 c3 (x)
= coord(q1 , C) = (0, 1, 1, 1)
q2 (x) = 0 c0 (x) + 0 c1 (x) + 1 c2 (x) + 1 c3 (x)
= coord(q2 , C) = (0, 0, 1, 1)
q3 (x) = 0 c0 (x) + 0 c1 (x) + 0 c2 (x) + 1 c3 (x)
= 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
inverser la matrice on peut utiliser
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
ou rsoudre directement le systme linaire (ici cest trs facile car
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
il sagit dun systme triangulaire) :

= q0 q1 ,
= q1 q2 ,
= q2 q3 ,
= q3 ,
0 0
0 0
.
1 0
1 1
Cela signifie que

c0 (x) = 1 q0 (x) 1 q1 (x) + 0 q2 (x) + 0 q3 (x)
84
i.e.
coord(c0 , B ) = (1, 1, 0, 0),
G. Faccanoni
Mardi 12 aot 2014
c1 (x) = 0 q0 (x) + 1 q1 (x) 1 q2 (x) + 0 q3 (x)
i.e.
coord(c1 , B ) = (0, 1, 1, 0),
c2 (x) = 0 q0 (x) + 0 q1 (x) + 1 q2 (x) 1 q3 (x)
i.e.
coord(c2 , B ) = (0, 0, 1, 1),
c3 (x) = 0 q0 (x) + 0 q1 (x) + 0 q2 (x) + 1 q3 (x)
i.e.
coord(c3 , B ) = (0, 0, 0, 1).
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 3.49 Rang dune famille de vecteurs

Dans R3 , dterminer le rang de la famille
E = { u1 = (1, 2, 3), u2 = (2, 1, 1), u3 = (1, 0, 1), u4 = (0, 1, 1) } .
Correction. Notons F = Vect(E ) le sous-espace vectoriel engendr par la famille E .

B Comme card(E ) = 4 alors rg(E ) = dim(F ) 4.
B Comme F est un sous-espace vectoriel de R3 , dim(F ) dim(R3 ) = 3 ainsi rg(E ) = dim(F ) 3.
B Comme u1 et u2 sont linairement indpendants, alors dim(Vect { u1 , u2 }) = 2 et comme Vect { u1 , u2 } F , on
obtient rg(E ) = dim(F ) 2.
B tudions maintenant la famille { u1 , u2 , u3 } E : si elle est libre, comme dim(Vect { u1 , u2 , u3 }) = 3 alors
rg(E ) = 3 ; si elle est lie on ne peut pas conclure. On tudiera alors la famille { u1 , u2 , u4 } E : si elle est libre,
comme dim(Vect { u1 , u2 , u4 }) = 3 alors rg(E ) = 3 ; si elle est lie rg(E ) = 2.
Comme 5u3 = u1 + 2u2 , la famille { u1 , u2 , u3 } est lie.
Comme 5u4 = 2u1 u2 , la famille { u1 , u2 , u4 } est lie.
On conclut que rg(E ) = 2.
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.
Par consquent Vect { u1 , u2 } Vect { v1 , v2 } = { 2u1 + 2u2 | R } = { 2 (3, 4 + 1, 2 1) | R } =

{ 2 (3, 3, 3) | R } = Vect { (1, 1, 1) }.
Exercice 3.51 DM novembre 2013

Considrons lespace vectoriel R3 [x] des polynmes de dgre
sous-ensemble de R3 [x] dfini par

E = (a b) + bx + 4cx 2 cx 3
au plus 3 coefficients rels. Considrons le

a, b, c R .
1. Montrer que E est un sous-espace vectoriel de R3 [x].

2. Donner une base E de E.
3. Est-ce que E = R3 [x] ? Justifier la rponse.
G. Faccanoni
85
Mardi 12 aot 2014
4. Calculer coord(p, E ) o p(x) = 2 x + 4x 2 x 3 .

5. Complter la famille E pour obtenir une base B de R3 [x].
6. Soit C la base canonique de R3 [x]. crire les matrices de changement de base PCB et PB C .
7. Calculer coord(p, B ) et coord(p, C). Quel lien existe-t-il avec les matrices PCB et PB C ?
Correction.
1. E est un sous-espace vectoriel de R3 [x] car

E = (a b) + bx + 4cx 2 cx 3 a, b, c R = a + b(1 + x) + c(4x 2 x 3 ) a, b, c R

= Vect 1, x 1, 4x 2 x 3 .
2. Les trois polynmes g1 (x) = 1, g2 (x) = x 1 et g3 (x) = 4x 2 x 3 constituent une famille gnratrice de E. On
vrifie sil sagit dune famille libre :
a1 g1 (x) + a2 g2 (x) + a3 g3 (x) = 0 x R a1 + a2 (1 + x) + a3 (4x 2 x 3 ) = 0 x R
(a1 a2 ) + a2 x + 4a3 x 2 a3 x 3 = 0 x R
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
Mardi 12 aot 2014

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),
g (x) = c (x) c (x),

2
1
0
g3 (x) = 4c2 (x) c3 (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),
c (x) = g (x) + g (x),

1
1
2
c2 (x) = g3 (x)/4 + g4 (x)/4,
c3 (x) = g4 (x).
7. coord(p, B ) = (1, 1, 1, 0) et coord(p, C) = (2, 1, 4, 1) et lon a

1
1
1 0
=
coord(p, B ) = PB C coord(p, C) i.e.
1 0
0
0

1
2
1 0
=
coord(p, C) = PCB coord(p, B ) i.e.
4 0
0
1

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
Exercice 3.52 CT janvier 2014

Soit R3 [t] lespace des polynmes de degr au plus 3 et considrons lensemble
V = { p R3 [t] | p(0) + p(2) = 0, p(1) = 3p(1) } .
1. Montrer que V est un sous-espace vectoriel de R3 [t].
2. Dterminer une base et la dimension de V .
3. Montrer que le polynme p(t) = 2 + 2t t 3 est dans V et trouver les composantes de p dans la base de V
calcule auparavant.
Correction.

1. On montre que V = Vect e1 , . . . , ep o e1 , . . . , ep sont des lments de R3 [t]. En effet
V = { p R3 [t] | p(0) + p(2) = 0, p(1) = 3p(1) }

= a + bt + ct 2 + dt 3 R3 [t] 2a + 2b + 4c + 8d = 0 et a + b + c + d = 3a 3b + 3c 3d

1
5
2
3
=
c 2d + c 2d t + ct + dt c, d R
3
3

5 1
2
3

=
t + t c + 2 2t + t d c, d R
3 3
G. Faccanoni
87
Mardi 12 aot 2014

= Vect
5 1
q1 (t) = t + t 2 ; q2 (t) = 2 2t + t 3
3 3

.
Par consquent V est un sous-espace vectoriel de R3 [t].

2. La famille V = { q1 , q2 } est gnratrice de lespace vectoriel V . De plus,
q1 + q2 = 0R3 [t]
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).

Soit
B V = R4 [t] lespace des polynmes p(t) de degr au plus 4,
B W ={p
V | p(1) = 0 },

B U = Vect 1 + t 2 t 3 , t + t 3 , t 2 , 1 + t + t 2 .
1. Dterminer une base de W ,
2. dterminer une base de U,
3. dterminer un supplmentaire de U dans V ,
4. trouver une base de U W .
5. Est-il vrai que U + W = V ? Justifier la rponse.
Correction.
Rappelons tout dabord que dim(V ) = 5.
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
u1 (t) = 1 + t 2 t 3 , u2 (t) = t + t 3 , u3 (t) = t 2
constitue une base de U et dim(U) =
G. Faccanoni
Mardi 12 aot 2014
3. La base canonique de V est
v0 (t) = 1, v1 (t) = t, v2 (t) = t 2 , v3 (t) = t 3 , v4 (t) = t 4
u1 (t) = v0 (t) + v2 (t) v3 (t),

u2 (t) = v1 (t) + v3 (t),
u3 (t) = v2 (t),

et lon a
v0 (t) = v1 (t) + u1 (t) + u2 (t) u3 (t),

v2 (t) = u3 (t),
v3 (t) = u2 (t) v1 (t),
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
est libre, elle constitue une base de U W et dim(U W ) = 2.
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.

Montrer que les matrices

1
A=
2

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.
La famille F = { A, B, C } est une base de lespace vectoriel

M=

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

1
1
2
1
0
0
Mardi 12 aot 2014

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

Soit W le sous-espace vectoriel de R5 dfini par

W = (x, y, z, t, u) R2 y = u = z + t 2x = 0 .
Soit ensuite V lensemble
V =

(a + d, 0, a + b, a b, c + d) R5 a, b, c, d R .
1. Montrer que V est un sous-espace vectoriel de R5 .

2. Calculer la dimension et donner une base des espaces vectoriels suivants :
V,
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
Mardi 12 aot 2014
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
La somme de deux sous espaces vectoriels de R5 est un sous espace vectoriel de R5 .

Une famille gnratrice de V + W est donc la famille
S = V W = { (1, 0, 1, 1, 0), (0, 0, 1, 1, 0), (0, 0, 0, 0, 1), (1, 0, 0, 0, 1), (1, 0, 0, 2, 0) }
Comme (1, 0, 1, 1, 0) (0, 0, 1, 1, 0) = (1, 0, 0, 2, 0), la famille S nest pas libre. La famille V = S \
{ (1, 0, 0, 2, 0) } est alors encore gnratrice de V + W et on a dj prouv quelle est libre, donc elle
constitue une base de V + W . De plus, dim(V + W ) = card(V) = 4, autrement dit V + W = V .
V W La formule de Grassmann lie la dimension de la somme de deux sous espaces vectoriels celle de
lintersection :
dim(V + W ) = dim(V ) + dim(W ) dim(V W ).
Donc 4 = 4 + 2 dim(V W ), do dim(V W ) = 2. En effet, comme V + W = V , alors V W = W : une
base de V W est W.

Considrons les deux sous-espaces vectoriels de R4 :

0
0

1
U = a 1 + b 00 a, b R ,
0
x

R x + y = 0, z = 2x .
y
z
w
V =
1. Dterminer une base et la dimension de U.

2. Dterminer une base et la dimension de V .
3. Dterminer une base et la dimension de U V .
4. Dterminer une base et la dimension de U + V .
Correction.
0 0
1
1. Lespace vectoriel U est engendr par la famille U =
, 00
. On a
1
0
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
Mardi 12 aot 2014
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
Comme card(S) = dim(U + V ), la famille S est une base de lespace vectoriel U + V .

Considrons les deux sous-espace vectoriel de R3 dfinis par

V = Vect({ (1, 0, 1), (1, 2, 1), (1, 0, 1) }).
U = (x, y, z) R3 x 2y + z = 0 ,
1. Calculer la dimension et donner une base de lespace vectoriel U.
2. Calculer la dimension et donner une base de lespace vectoriel V .
3. Calculer la dimension et donner une base de lespace vectoriel U + V .
4. Calculer la dimension et donner une base de lespace vectoriel U V .
Correction.
1. dim(U) = 2 et une base de U et la famille U = { (2, 1, 0), (1, 0, 1) } car
U = { (2y z, y, z) | y, z R } = { y(2, 1, 0) + z(1, 0, 1) | y, z R } = Vect ({ (2, 1, 0), (1, 0, 1) })
et
2
rg 1
0
1
0 = 2.
1
2. dim(V ) = 2 et une base de V et la famille V = { (1, 0, 1), (1, 2, 1) } car

V = Vect({ (1, 0, 1), (1, 2, 1), (1, 0, 1) }) = Vect({ (1, 0, 1), (1, 2, 1) })
et
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

Une famille gnratrice de U + V est donc la famille
S = U V = { (2, 1, 0), (1, 0, 1), (1, 0, 1), (1, 2, 1) }
Comme card(S) > 3, la famille S nest pas libre. En effet, (1, 2, 1) = 2(2, 1, 0) + 2(1, 0, 1) (1, 0, 1). La famille
W = S \ { (1, 2, 1) } est alors encore gnratrice de U + V . De plus, elle est libre car
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
Mardi 12 aot 2014
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 ,
ainsi U V = Vect { (1, 1, 1) }.
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
et les trois sous-espaces vectoriels de R4

E = Vect({ a, b, c, d, e }),
F = Vect({ a, b, c }),
G = Vect({ d, e }).
1. Dterminer une base et la dimension de E.

2. Dterminer une base et la dimension de F .
3. Dterminer une base et la dimension de G.
4. Dterminer une base et la dimension de F + G.
5. Dterminer une base et la dimension de F G.
Correction.
1. Lespace vectoriel E est engendr par la famille E = { a, b, c, d, e } qui a cardinal suprieur la dimension de
R4 , donc la famille E nest pas libre. On remarque que d = a c et b = 2a c par consquent E = Vect(E 0 )
avec E 0 = { a, c, e }. Vrifions si E 0 est libre :

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
Mardi 12 aot 2014
5. On dduit la dimension de lintersection grce la formule de Grassmann :

dim(F G) = dim(F ) + dim(G) dim(F + G) = 2 + 2 3 = 1.
x
Soit
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.

Considrons les deux sous-espace vectoriel de R3 dfinis par

U = (x, y, z) R3 x + z = 0 ,
V = Vect({ (1, 1, 0); (1, 1, 1) }).
1. Calculer la dimension et donner une base de lespace vectoriel U.

2. Calculer la dimension et donner une base de lespace vectoriel V .
3. Calculer la dimension et donner une base de lespace vectoriel U + V .
4. Calculer la dimension et donner une base de lespace vectoriel U V .
Correction.
1. dim(U) = 2 et une base de U et la famille U = { (1, 0, 1), (0, 1, 0) } car
U = { (x, y, x) | x, y R } = { x(1, 0, 1) + y(0, 1, 0) | x, y R } = Vect ({ (1, 0, 1); (0, 1, 0) })
et
(1, 0, 1) + (0, 1, 0) = (0, 0, 0)
= = 0.
2. dim(V ) = 2 et une base de V et la famille V = { (1, 1, 0); (1, 1, 1) } car

(1, 1, 0) + (1, 1, 1) = (0, 0, 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

Une famille gnratrice de U + V est donc la famille
S = U V = { (1, 0, 1), (0, 1, 0), (1, 1, 0), (1, 1, 1) }
Comme card(S) > 3, la famille S nest pas libre. En effet, (1, 1, 1) = (1, 0, 1) + (0, 1, 0). La famille W =
S \ { (1, 1, 1) } est alors encore gnratrice de U + V . De plus, elle est libre car
(1, 0, 1) + (0, 1, 0) + (1, 1, 0) = (0, 0, 0)
===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
Mardi 12 aot 2014
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
donc w = (w1 , w2 , w3 ) UV w1 = w3 = w2 2w3 ,
ainsi U V = Vect { (1, 3, 1) }.

Soit V le sous-espace vectoriel de R4 donn par

V = (x, y, z, t) R4 x 2y + z = 0, y 2t = 0 .
1. Dterminer une base de V .
2. Dterminer une base du supplmentaire de V dans R4 .
3. Calculer les composantes du vecteur u = (0, 1, 1, 0) dans la base du supplmentaire de V calcule au point
prcdent.
Correction.
1. On cherche dabord une famille gnratrice de V :

V = (x, y, z, t) R4 x 2y + z = 0, y 2t = 0
= { (x, 2t, 4t x, t) | x, t R }
= { x(1, 0, 1, 0) + t(0, 2, 4, 1) | x, t R }
= Vect({ (1, 0, 1, 0), (0, 2, 4, 1) })
La famille V = { v1 = (1, 0, 1, 0), v2 = (0, 2, 4, 1) } est gnratrice de V . De plus
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,
la famille V est donc libre et constitue une base de lespace vectoriel V .

2. La base canonique de R 4 est { e1 = (1, 0, 0, 0), e2 = (0, 1, 0, 0), e3 = (0, 0, 1, 0), e4 = (0, 0, 0, 1) } et lon a
(
(
v1 = e1 e3 ,
e1 = v1 + e3 ,
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
Mardi 12 aot 2014
Sont-ils en somme directe ?
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
par consquent ils sont en somme directe.
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.
En utilisant la formule de Grassmann on a

(
dim(A B) + dim(A + B) = dim(A) + dim(B),
dim(A C ) + dim(A + C ) = dim(A) + dim(C ),
AB=AC
A+B=A+C
dim(B) = dim(C ).
Puisque B C , on conclut que B = C .

Soit V le sous-espace vectoriel de R4 donn par

V = (x, y, z, t) R4 x y + 2z 2t = 0, 3x y + 2z = 0 .
1. Dterminer une base de V .
96
G. Faccanoni
Mardi 12 aot 2014
2. Complter cette base de V en un base de R4 . On appellera cette base B4 .

3. crire la matrice de passage de la base B4 dans la base canonique de R4 .
Correction.
1. On cherche dabord une famille gnratrice de V :

V = (x, y, z, t) R4 x y + 2z 2t = 0, 3x y + 2z = 0
= { (x, 3x + 2z, z, x) | x, z R }
= { x(1, 3, 0, 1) + z(0, 2, 1, 0) | x, z R }
= Vect({ (1, 3, 0, 1), (0, 2, 1, 0) }).
La famille V = { v1 = (1, 3, 0, 1), v2 = (0, 2, 1, 0) } est gnratrice de V . De plus
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
donc elle est libre.

3. La base canonique de R4 est C = { e1 = (1, 0, 0, 0), e2 = (0, 1, 0, 0), e3 = (0, 0, 1, 0), e4 = (0, 0, 0, 1) }. Pour crire
PB4 C la matrice de passage de la base B4 dans la base canonique de R4 , on crit dabord PCB4 la matrice de
passage de la base C dans la base B4 et on calcul son inverse :
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
Rappels : relation, fonction, application
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
Mardi 12 aot 2014
B Une injection f de E dans F est une application de E dans F vrifiant

(x, x 0 ) E E
f(x) = f(x 0 ) = x = x 0 .
Attention ne pas confondre :

B la dfinition dune application qui scrit
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 ,
la dfinition dapplication injective qui scrit

x E
x E
x 0 E
0
x E
x 6= x 0 = f(x) 6= f(x 0 ),
f(x) = f(x 0 ) = x = x 0 .
B Une surjection f de E dans F est une application de E dans F vrifiant

y F
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.
Elle nest pas une fonction.
2.
Elle est une fonction mais elle nest pas une application.
3.
Elle est une application ni injective ni surjective.
4.
Elle est une application surjective non injective.
5.
Elle est une application injective non surjective.
E
6.
F
Elle est une bijection.
Astuce Les droites

Soit E et F deux sous-ensembles de R. Alors
B Une relation de E dans F est une fonction si toute droite vertical dquation x = k E intersecte le
de f au plus une fois.
B Une fonction f : E F est une application si toute droite vertical dquation x = k E intersecte le
de f une fois et une seule.
B Une application f : E F est une application injective si toute droite horizontale dquation y =
intersecte le graphe de f au plus une fois.
B Une application f : E F est une application surjective si toute droite horizontale dquation y =
100
graphe
graphe
k F
k F
G. Faccanoni
Mardi 12 aot 2014
intersecte le graphe de f au moins une fois.

B Une application f : E F est une application bijective si toute droite horizontale dquation y = k F
intersecte le graphe de f exactement une fois.
Dfinitions
Dfinition Application linaire

Soit E, F deux espaces vectoriels. Une application f : E F est dite linaire (ou homomorphisme) de E vers F si
B f(u + v) = f(u) + f(v) pour tout u, v E,
B f( u) = f(u) pour tout u, K,
ou, de manire quivalente,
B f( u + v) = f(u) + f(v) pour tout u, v E et pour tout , K.
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(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)
af(x, y, z) = (ax + 2ay + 3az, 2ayz, ax + az);

f(ax + bx 0 , ay + by0 , az + bz 0 )
= ax + bx 0 + 2(ay + by0 ) + 3(az + bz 0 )
= a(x + 2y + 3z) + b(x 0 + 2y0 + 3z 0 ) = af(x, y, z) + bf(x 0 , y0 , z 0 );
f nest pas une application linaire car par exemple f(2) = 8 6= 2f(1) = 3.
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
Pour prouver quune application f : E F est linaire on utilise la dfinition.

Si f est une application linaire, pour prouver quelle est un isomorphisme il suffit de prouver quelle est bijective ;
si f est une application linaire, pour prouver quelle est un endomorphisme il suffit de prouver que f(E) E ;
si f est une application linaire, pour prouver quelle est un automorphisme il suffit de prouver quelle est bijective
et que f(E) E.
G. Faccanoni
101
Mardi 12 aot 2014
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
Lensemble des applications linaires de E vers F est not L(E, F ) ou Hom(E, F ) ;

lensemble des isomorphismes de E sur F est not Isom(E, F ) ;
Lensemble des endomorphismes de E est not L(E) ou End(E) ;
Lensemble des automorphismes de E est not Aut(E).
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 ).
Si f est un isomorphisme, alors f 1 est un isomorphisme : f Isom(E, F ) = f 1 Isom(E, F ).

La compose de deux isomorphismes f : E F et g : F G est un isomorphisme : f Isom(E, F ) et
g Isom(F , G) = g f Isom(E, G).
102
G. Faccanoni
Mardi 12 aot 2014
Noyau, image et rang dune applications linaire
Dfinition Noyau, image, rang

B On appelle noyau dune application linaire f de E vers F lensemble des vecteurs u E tels que f(u) = 0F .
Le noyau est not ker(f). On a donc
ker(f) = { u E | f(u) = 0F } .
La dtermination du ker(f) conduit donc naturellement la rsolution dun systme linaire homogne.
f
E
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
Mardi 12 aot 2014
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 ).
Thorme du rang ou des dimensions

dim(E) = dim(ker(f)) + rg(f)
Proposition
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
Dfinition Matrice reprsentative dune application linaire

Soit
B E et F deux espaces vectoriels,
B B = { e1 , e2 , . . . , en } une base de E,
B C = { e01 , e02 , . . . , e0m } une base de F ,
B f : E F une application linaire de E dans F .
On appelle matrice de f relativement aux bases B de E
constitue des coordonnes de f(ej ) dans la base C :
a11 . . .
..
M(f, B , C) = ai1 . . .
..
am1 . . .
et C de F la matrice m n dont la j-me colonne est

a1j . . . a1n
..
..
.
.
aij . . . ain
..
.
..
.
amj . . . amn
coordonnes de f(ej ) dans la base C

f(ej ) = a1j e01 + + aij e0i + + amj e0m
On voit tout de suite que la matrice dune application linaire ne sera pas la mme suivant lordre dans lequel on
prend les vecteurs de B et lordre dans lequel on prend les vecteurs de C.
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
Mardi 12 aot 2014
Dfinition Image dun vecteur par une application linaire

Soit
B B = { e1 , e2 , . . . , en } une base de E,
B C = { e01 , e02 , . . . , e0m } une base de F ,
B f : E F une application linaire de E dans F ,
B M(f, B , C) la matrice m n de f relativement aux bases B de E et C de F .
Si u a pour coordonnes coord(u, B ) = (u1 , u2 , . . . , un ) dans la base B alors f(u) a pour coordonnes
coord(f(u), C) = (v1 , v2 , . . . , vm ) dans la base C avec
vi =
n
X
aij uj
pour 1 i m,
j=1
ce qui peut sillustrer par

M(f, B , C) Mm,n
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
..
..
.
.
am1 u1 + + amj uj + + amn un

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
id(e02 ) = e02 = ni=2 pi2 ei
. . .
Pn
0
0
id(ej ) = ej = i=j pij ei
. . .
id(e0n ) = e0n = ni=n pin ei
coord(e01 , B ) = (p11 , p21 , . . . , pn1 )
coord(e02 , B ) = (p12 , p22 , . . . , pn2 )
. . .
=
coord(e0j , B ) = (p1j , p2j , . . . , pnj )
. . .
coord(e0n , B ) = (p1n , p2n , . . . , pnn )
p11
p21
= M(id, B 0 , B ) = .
..
pn1
G. Faccanoni
p12
p22
..
.
pn2
...
...
...
p1n
p2n
.. = PB B 0 .
.
pnn
105
Mardi 12 aot 2014
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
f(e1 ) = e01 + 2e02 ,
f(e2 ) = (3, 4),
f(e2 ) = 3e01 + 4e02 ,
alors
M(f, B , C) =

1
2
3
4
f(e3 ) = (5, 6).

f(e3 ) = 5e01 + 6e02 ,

5
.
6
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
Mardi 12 aot 2014
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)
Soit C la base canonique de R2 , alors on peut exprimer f comme

f : R2 R2

xy
x
2
7 x+y
y
2
On rsume cette formule sous la forme dune matrice. Dans le cas prsent, la matrice associe f est la suivante :

1
12
2
.
M(f, C) =
1
1
2
2
Cet endomorphisme nest pas injectif. Il suffit par exemple de regarder les points (1, 1) et (2, 2), qui sont tous les deux envoys
sur (0, 0). Il y a moyen de rectifier f pour en faire quelque chose dinjectif. On peut, par exemple, prendre laxe des x comme
ensemble de dpart. Le morphisme g : R R2 ainsi dfini est alors bien une application linaire injective, mais ce nest plus
un endomorphisme.
Lendomorphisme f nest pas surjectif : le point (1, 1) nest image daucun autre point (en fait, im(f) d donc tous les points
(x, y) R2 \ d nont pas dantcdent). Pour en faire un morphisme surjectif, il suffit de se restreindre larrive la droite d.
Le morphisme despace vectoriel h : R2 d est alors une application linaire surjective, mais ce nest plus un endomorphisme.
Changements de bases et applications linaires
Proposition
Soit
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
Mardi 12 aot 2014
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
Les quatre parcours suivants sont quivalents :

f
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
M(f, B 0 , C0 ) = M(f, B , C0 )M(id, B 0 B ) = M(f, B , C0 )PB B 0
FC0 B 0 = IC0 C FCB 0
M(f, B 0 , C0 ) = M(id, C, C0 )M(f, B 0 , C) = PC0 C M(f, B 0 , C)
FC0 B 0 = IC0 C FCB IB B 0
M(f, B 0 , C0 ) = M(id, C, C0 )M(f, B , C)M(id, B 0 , B ) = PC0 C M(f, B , C)PB 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 :
f(b1 ) = f(1, 1, 1) = (0, 0) = 0R2 ,

coord(f(b1 ), C) = (0, 0),
= coord(f(b2 ), C) = (1, 1),
f(b2 ) = f(1, 1, 0) = (0, 1) = c1 c2 ,
f(b3 ) = f(1, 0, 0) = (1, 0) = c2 ,

coord(f(b3 ), C) = (0, 1),
108
G. Faccanoni
Mardi 12 aot 2014
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
f(b1 ) = f(1, 1, 0) = (0, 1) = c2 ,

coord(f(b1 ), C ) = (0, 1),
0
0
0
0
= coord(f(b2 ), C0 ) = (1, 1),
f(b2 ) = f(1, 0, 1) = (1, 1) = c1 c2 ,
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
f(b1 ) = f(1, 1, 1) = (0, 0) = 0R2 ,

coord(f(b1 ), C ) = (0, 0),
0
= coord(f(b2 ), C0 ) = (0, 1),
f(b2 ) = f(1, 1, 0) = (0, 1) = c2 ,
f(b3 ) = f(1, 0, 0) = (1, 0) = c10 ,

coord(f(b3 ), C0 ) = (1, 0),
donc
FC0 B = M(f, B , 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
f(b1 ) = f(1, 1, 0) = (0, 1) = c1 c2 ,

coord(f(b1 ), C) = (1, 1),
0
= coord(f(b02 ), C) = (1, 2),
f(b2 ) = f(1, 0, 1) = (1, 1) = c1 + 2c2 ,
f(b3 ) = f(0, 1, 1) = (1, 0) = c2 ,

coord(f(b03 ), C) = (0, 1),
donc
F
CB 0
= M(f, B , C) =
1
1

0
.
1
1
2
B Pour calculer IB B 0 = M(id, B 0 , B ) = PB B 0 on doit exprimer limage

combinaison linaire dlments de la base B :
id(b1 ) = id(1, 1, 0) = (1, 1, 0) = b2 ,

=
id(b02 ) = id(1, 0, 1) = (1, 0, 1) = b1 b2 + b3 ,
0
id(b3 ) = id(0, 1, 1) = (0, 1, 1) = b1 b3 ,
par id de chaque lment de la base B 0 comme
coord(id(b1 ), B ) = (0, 1, 0),

coord(id(b02 ), B ) = (1, 1, 1),
coord(id(b03 ), B ) = (1, 0, 1),
donc la matrice de passage de la base B la base B 0 est la matrice
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
(
(
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
On vrifie quon a bien les relations
G. Faccanoni
FC0 B 0 = FC0 B IB B 0
i.e.
M(f, B 0 , C0 ) = M(f, B , C0 )PB B 0
FC0 B 0 = IC0 C FCB 0
i.e.
M(f, B 0 , C0 ) = PC0 C M(f, B 0 , C)
FC0 B 0 = IC0 C FCB IB B 0
i.e.
M(f, B 0 , C0 ) = PC0 C M(f, B , C)PB B 0
109
Mardi 12 aot 2014
Proposition Cas particulier : E = F .

Si un endomorphisme f : E E a pour matrice M(f, B , B ) dans la base B et M(f, B 0 , B 0 ) dans la base B 0 , on a
M(f, B 0 , B 0 ) = PB 0 B M(f, B , B )PB B 0
ou encore
M(f, B 0 , B 0 ) = (PB B 0 )1 M(f, B , B )PB B 0 .
Les matrices M(f, B , B ) et M(f, B 0 , B 0 ) sont dites semblables.
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
Les quatre parcours suivants sont quivalents :

f
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
M(f, B 0 , B 0 ) = M(f, B , B 0 )M(id, B 0 B ) = M(f, B , B 0 )PB B 0
FB 0 B 0 = IB 0 B FB B 0
M(f, B 0 , B 0 ) = M(id, B , B 0 )M(f, B 0 , B ) = PB 0 B M(f, B 0 , B )
FB 0 B 0 = IB 0 B FB B IB B 0
M(f, B 0 , B 0 ) = M(id, B , B 0 )M(f, B , B )M(id, B 0 , B ) = PB 0 B M(f, B , B )PB 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 ,
alors la matrice de passage de la base canonique C la base B est la matrice

ICB = M(id, B , C) = PCB =
110

3
1
5
2
G. Faccanoni
Mardi 12 aot 2014
B Comme
(
id(e1 ) = e1 = 2u v,
id(e2 ) = e2 = 5u + 3v,
alors la matrice de passage de la base B la base canonique C est la matrice

2
5
IB C = M(id, C, B ) = PB C = P1
=
CB
1 3
B Dterminons la matrice de f par rapport la base B pour lespace de dpart et la base canonique C pour lespace darriv :
(
f(u) = 2u = 2(3e1 + e2 ) = 6e1 + 2e2 ,
f(v) = v = (5e1 + 2e2 ) = 5e1 2e2 ,
ainsi
FCB = M(f, B , C) =

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
B Dterminons enfin la matrice de f par rapport la base canonique C = { e1 , e2 } :

(
f(e1 ) = 4u + v = 4(3e1 + e2 ) + (5e1 + 2e2 ) = 17e1 + 6e2 ,
f(e2 ) = 10u 3v = 10(3e1 + e2 ) 3(5e1 + 2e2 ) = 45e1 16e2 .
La matrice de f par rapport la base canonique C pour lespace de dpart et darriv est donc

17 45
FCC = M(f, C, C) =
.
6 16
On vrifie quon a bien les relations
FCC = FCB IB C
i.e.
M(f, C, C) = M(f, B , C)PB C
FCC = ICB FB C
i.e.
M(f, C, C) = PCB M(f, C, B )
FCC = ICB FB B IB C
i.e.
M(f, C, C) = PCB M(f, B , B )PB C
quations linaires
Dfinition quation linaire

Une quation linaire est une quation du type f(x) = b o
B f est une application linaire dun espace vectoriel E dans un espace vectoriel F ,
B b est un vecteur de F appel second membre de lquation linaire,
B linconnue x est dans E.
Exemple
1. Un systme linaire de n quations p inconnues du type
a11 x1 + a12 x2 + + a1p xp = b1
a x + a x + + a x = b
21 1
22 2
2p p
2
.
.
.
an1 x1 + an2 x2 + + anp xp = bn

o les donnes sont les lments aij et bi de K et o linconnue est le vecteur (x1 , x2 , . . . , xp ) de Kn . Lapplication
linaire est
Kp Kp
x 7 Ax
et le second membre est b Kp .
G. Faccanoni
111
Mardi 12 aot 2014
2. Une quation diffrentielle linaire du premier ordre du type

a(t)y0 + b(t)y = c(t)
o les donnes sont les fonctions a, b et c continues sur un intervalle I et o linconnue est la fonction y. Lapplication
linaire est
C 1 (I) C 0 (I)
y 7 ay0 + by
et le second membre est c C 0 (I).
Proposition Structure de lensemble des solutions

Considrons lquation linaire f(x) = b et notons S lensemble de ses solutions. Notons S0 lensemble des
solutions de lquation homogne f(x) = 0F . Alors
S0 = ker(f) est un sous-espace vectoriel (non vide) de E ;
Si S 6= et si xp S alors lensemble des solutions est une sous-espace vectoriel de E tel que

S = x0 + xp x0 S 0 .
On nonce ce rsultat en disant que la solution dune quation linaire est la somme dune solution particulire et
de la solution gnrale de lquation homogne associe.

Astuce
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
Mardi 12 aot 2014
B soit utiliser la relation
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
Mardi 12 aot 2014
............... Exercices ...............

Exercice 4.1
Soit lapplication
f : R3 R3

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.
3. Daprs le thorme du rang, dim(ker(f)) + dim(im(f)) = dim(R3 ), donc dim(im(f)) = 3 1 = 2. Soit C =

{ c1 , c2 , c3 } la base canonique de R3 , i.e.

1
0
0
c1 = 0 ,
c2 = 1 ,
c3 = 0 .
0
0
1
On sait que, pour une application linaire f : E F , limage dune base de E est une famille gnratrice de
im(f) F :

1
1
1
1
1
Vect { f(c1 ), f(c2 ), f(c3 ) } = Vect 1 , 1 , 1 = Vect 1 , 1
1
3
1
1
3
114
G. Faccanoni
Mardi 12 aot 2014

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
5. Dterminer sa matrice dans la base canonique de R3 .
Correction.

ux
vx
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 .

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 .
Par consquent dim(ker(f)) = 0.
G. Faccanoni
115
Mardi 12 aot 2014
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
Alors par dfinition la matrice e f relativement la base canonique de R3 est la matrice 3 3
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
5. Dterminer sa matrice relativement aux bases canoniques de R3 et R.
Correction.

ux
vx
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.

ux
1
, 1 , 2 R.
u = uy ker(f) f(u) = 0 ux + uy + uz = 0 u = 2
uz
1 2
116
G. Faccanoni
Mardi 12 aot 2014
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 .

Soit L : R4 R3 lapplication linaire donne par
x
L yz =
w
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
Mardi 12 aot 2014
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
est gnratrice de im(L) mais ne peut pas en tre une base
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
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
Ainsi f est une application linaire de R2 dans R3 .


u=
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
Mardi 12 aot 2014
Do
ker(f) =

0
.
0

3. Daprs le thorme du rang, dim(ker(f)) + dim(im(f)) = dim(R2 ), donc dim(im(f)) = 2. Soit { c1 , c2 } la base
canonique de R2 , i.e.

1
0
c1 =
,
c2 =
.
0
1
On sait que { f(c1 ), f(c2 ) } est une famille gnratrice de im(f). De plus, le cardinal de cette famille est gal
la dimension de im(f), donc { f(c1 ), f(c2 ) } est une base de im(f). On a

1
0
f(c1 ) = 0 ,
f(c2 ) = 1 ,
1
1

0
1
et on conclut que 0 , 1 est une base de im(f).
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
est lapplication dont la matrice reprsentative est
0 2 1
0 2 4
.
0 3 4
0 3 1
119
Mardi 12 aot 2014
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 .

Considrons le sous-espace vectoriel de R4

V = (x, y, z, t) R4 x 2y + z = 0, y 2t = 0 .
1. Dterminer une base de V et dterminer un supplmentaire de V dans R4 .
2. Dterminer une application linaire f : R3 R4 pour laquelle

im(f) = V
et
ker(f) = (x, y, z) R3 x = y = z .
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 =
= Vect { (1, 0, 1, 0), (0, 2, 4, 1) } .

Comme la combinaison linaire (1, 0, 1, 0) + (0, 2, 4, 1) = (0, 0, 0, 0) si et seulement si = = 0, on conclut
que lensemble { v1 = (1, 0, 1, 0), v2 = (0, 2, 4, 1) } est une base de V et dim(V ) = 2.
On peut complter cette famille avec deux autres vecteurs pour obtenir une base de R4 en remarquant que, si
E = { e1 , e2 , e3 , e4 } est la base canonique de R4 , alors
(
(
v1 = e1 e3 ,
e1 = v1 + e3 ,
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),
f(b2 ) = (0, 2, 4, 1),
f(b3 ) = (0, 0, 0, 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
Mardi 12 aot 2014
2. Dterminer bases et dimensions des sous-espaces vectoriels ker(f) et im(f).

3. Est-il possible de trouver une base B de V qui contient la fois A et une base de ker(f) ? Justifier la
rponse.
4. Calculer la matrice associe f quand on muni V de la base BV et M2 (R) de la base canonique.
5. Est-il possible de construire une autre application linaire g : M2 (R) V telle que g f = identit ?
Justifier la rponse.
Correction.
1. On a

V =
a
b

b
1
a,
b,
c
R
=
Vect
c
0
et on vrifie facilement que la famille

1
BV = B1 =
0

0
0
, B2 =
0
1

0
0
,
0
1

1
0
, B3 =
0
0

1
0
,
0
0
0
1

0
1
est libre, il sagit alors dune base de V et dim(V ) = 3.

2. Caractrisons dabord le noyau de f :

1 1
a b
0 0
a b
=
ker(f) = { M V | AM = O2 } =
V
1 1
b c
0 0
b c

a b
ab bc
0 0
a a
1 1
=
V
=
=
V a R = Vect
b c
ba cb
0 0
a a
1 1

1 1
Par consquent dim(ker(f)) = 1 et une base de ker(f) est la famille
.
1 1
Daprs le thorme du rang on dduit que dim(im(f)) = dim(V ) dim(ker(f)) = 3 1 = 2. 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 BV et si le cardinal de cette famille est suprieure deux, on en extraira une base
de limage :

1 0
1 1
0 1
1 0
0 1
im(f) = Vect { f(B1 ), f(B2 ), f(B3 ) } = Vect
,
,
= Vect
,
.
1 0
1 1
0 1
1 0
0 1

1 1
0 1
Comme le cardinal de la famille
,
concide avec la dimension de limage, elle en consti0 0
0 1
tue une base.
3. Comme
le thorme de la base incomplte on peut choisir
A6 ker(f),
par
x, y, z R tels
que la famille
1 1
x y
1 1
1 0
B = A,
,
est une base de V , par exemple la famille A,
,
.
1 1
y z
1 1
0 0
4. Soit

1 0
0 1
0 0
B BV = B1 =
, B2 =
, B3 =
une base de V et
0
0
1

0
1
0

1 0
0 1
0 0
0 0
B E = E1 =
, E2 =
, E3 =
, E4 =
, la base canonique de M2 (R).
0 0
0 0
1 0
0 1
Puisque

1 0
f(B1 ) = AB1 =
= E1 E3 ,
1 0

1 1
f(B2 ) = AB2 =
= E1 + E2 + E3 E4 ,
1 1

0 1
f(B3 ) = AB3 =
= E2 + E4 ,
0 1
alors la matrice de f relativement aux bases BV de V et E de M2 (R) est
1 1 0
0
1 1
.
M(f, BV , E ) =
1 1
0
0 1 1
G. Faccanoni
121
Mardi 12 aot 2014
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.

Soit f : R4 R3 une application linaire pour laquelle
ker(f) = Vec { v1 = (1, 1, 0, 1), v2 = (0, 1, 1, 0) }
et
im(f) = ,
o dnote le plan dquation x + y z = 0. Trouver la forme gnrale de la matrice associe f quand on

donne R4 et R3 leurs bases canoniques.
Correction.
Soit
B C = { c1 = (1, 0, 0, 0), c2 = (0, 1, 0, 0), c3 = (0, 0, 1, 0), c4 = (0, 0, 0, 1) } la base canonique de R4 et

B E = { e1 = (1, 0, 0), e2 = (0, 1, 0), e3 = (0, 0, 1) } la base canonique de R3 .
La matrice dans les bases canoniques de R4 et de R3
a11
A = a21
a31
scrit formellement
a12 a13 a14

a22 a23 a24 .
a32 a33 a34
On va maintenant trouver des contraintes sur les entres de la matrice.

B On exprime le fait que les images des vecteurs de la base de R4 sont dans .
Comme im(f) , en particulier f(ci ) pour i = 1, 2, 3, 4. Alors
f(c1 ) = a11 e1 + a21 e2 + a31 e3 a11 + a21 a31 = 0
f(c2 ) = a12 e1 + a22 e2 + a32 e3 a12 + a22 a32 = 0
f(c3 ) = a13 e1 + a23 e2 + a33 e3 a13 + a23 a33 = 0
f(c4 ) = a14 e1 + a24 e2 + a34 e3 a14 + a24 a34 = 0
donc
a11
A = a21
a11 + a21
a12
a22
a12 + a22
a13
a23
a13 + a23
a14
a24 .
a14 + a24
B On exprime le fait que v1 et v2 sont dans le noyau de f.

v1 ker(f) f(v1 ) = 0
f(c1 + c2 c4 ) = 0
f(c1 ) + f(c2 ) f(c4 ) = 0
(a11 + a12 a14 )e1 + (a21 + a22 a24 )e2 + (a31 + a32 a34 )e4 = 0e1 + 0e2 + 0e3
donc
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
Mardi 12 aot 2014
B On exprime le fait que rg(f) = 2.

Comme la deuxime et la troisime colonne concident, la quatrime colonne est une combinaison linaire de la
premire et de la deuxime et la troisime ligne est une combinaison linaire de la premire et de la deuxime,
alors

a11 a12
rg(A) = rg
.
a21 a22
Pour que le rang de cette matrice soit 2 il faut que son dterminant soit non nul, do la condition a11 a22 6= a12 a21 .

Soit lapplication linaire dfinie par
f : R3 [t] R4
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
donc rg(M(f, C, E )) = 4 : lapplication linaire est bijective.
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
Mardi 12 aot 2014
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.

Soit f : R3 R3 une application linaire dont la matrice reprsentative, quand on muni R3 de la base canonique
sur lespace de dpart et darriv C = { e1 = (1, 0, 0); e2 = (0, 1, 0); e3 = (0, 0, 1) }, est
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
Mardi 12 aot 2014
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 :
f(u1 ) = f(e1 ) + f(e2 ) = (1, 1, 2) + (0, 1, 2) = (1, 0, 4) = e1 + 4e3

f(u2 ) = f(e1 ) + f(e2 ) + f(e3 ) = (1, 1, 2) + (0, 1, 2) + (3, 3, 1) = (4, 3, 5) = 4e1 + 3e2 + 5e3
f(u3 ) = f(e1 ) + f(e3 ) = (1, 1, 2) + (3, 3, 1) = (4, 2, 3) = 4e1 + 2e2 + 3e3
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
M(F , B , C) = M(f, C, C)PCB
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

Soit S : R3 R3 lendomorphisme associ la matrice
0
M(S, D , D ) = 0
1
0
0
2
0
1
3
quand on muni R3 de la base D = { (1, 1, 1), (0, 2, 2), (0, 0, 3) }.

1. crire M(S, C, C) la matrice associe S quand on muni R3 de la base canonique C.
2. Dterminer une base et la dimension de im(S).
3. Dterminer une base et la dimension de ker(S).
Correction.
1. Pour crire M(S, C, C) la matrice associe S quand on muni R3 de la base canonique C on a deux mthodes :
I. Mthode directe. On calcule dabord limage par S de chaque lment de la base D comme combinaison
linaire dlments de la base D :
S(1, 1, 1) = 0(1, 1, 1) + 0(0, 2, 2) + 1(0, 0, 3)
S(0, 2, 2) = 0(1, 1, 1) + 0(0, 2, 2) + 2(0, 0, 3)
S(0, 0, 3) = 0(1, 1, 1) + 1(0, 2, 2) + 3(0, 0, 3)
et on crit chaque lment de la base C comme combinaison linaire dlments de la base D :
(1, 0, 0) = 1(1, 1, 1) 21 (0, 2, 2) + 0(0, 0, 3)
G. Faccanoni
125
Mardi 12 aot 2014
(0, 1, 0) = 0(1, 1, 1) + 21 (0, 2, 2) 13 (0, 0, 3)

(0, 0, 1) = 0(1, 1, 1) + 0(0, 2, 2) + 31 (0, 0, 3)
donc
S(1, 0, 0) = 1S(1, 1, 1) 12 S(0, 2, 2) = (0, 0, 3) 12 (0, 0, 6) = (0, 0, 0)
S(0, 1, 0) = 21 S(0, 2, 2) 13 S(0, 0, 3) = 12 (0, 0, 6) 13 (0, 2, 11) = (0, 2/3, 2/3)
S(0, 0, 1) = 13 S(0, 0, 3) = 13 (0, 2, 11) = (0, 2/3, 11/3)
ainsi
0
1
M(S, C, C) = 0
3
0
0
2
2
0
2
11
II. Mthode du changement de base.

M(S, C, C) = PCD M(S, D , D )PD C
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 ?
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.
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 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
Mardi 12 aot 2014
2. Il faut dabord commencer par dterminer f(n) pour tout n = (n1 , n2 , n3 ) R3 . On a
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,
donc la famille est libre. Comme { u, v, w } R3 et elle a cardinal 3 gal la dimension de R3 , { u, v, w }

R3 est une base de R3 .
4.2. On a
f(u) = u,
f(v) = 0,
f(w) = w.
La matrice M(f, B , B ) reprsentative de f dans la base B = { u, v, w } est la matrice diagonale
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
Mardi 12 aot 2014
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
par rapport la base canonique C de R3 .

1. Montrer que les vecteurs u1 = (2, 1, 2), u2 = (1, 0, 1) et u3 = (2, 1, 3) forment une base B de R3 .
2. Calculer les matrices de passage PB C et PCB .
3. Calculer la matrice de f dans la base B .
Correction.
Soit C = { c1 , c2 , c3 } la base canonique de R3 , i.e.

1
c1 = 0 ,
0
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
6= 0, les vecteurs sont linairement indpendants, ainsi B = { u1 , u2 , u3 } est une famille
libre. Comme card(B ) = 3 = dim(R3 ), B est bien une base de R3 .

2. Les colonnes de la matrice PB C sont donnes par les vecteurs de B :
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
3. La matrice de f dans la base B est alors
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
Mardi 12 aot 2014
4. Dcrire sous forme de Vect, en prcisant leurs dimensions, le noyau et limage de f.

Correction.
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)
c4 (x) = x(x 1)(x 2)
=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
1. On calcule limage de chaque vecteur de B par f :
f(b1 ) = 0 = 0,
f(b2 ) = 1 = b1 ,
f(b3 ) = 2x + 1 = 2b2 + b1 ,
f(b4 ) = 3x 2 + 3x + 1 = 3b3 + 3b2 + 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 ,
f(c4 ) = 3x(x 1) = 3c2 ,
f(c ) = 4x(x 1)(x 2) = 4c ,

5
4
0
0
= B = M(f, B ) =
0
0
0
0
0
= C = M(f, C) =
0
0
0
1
0
0
0
0
3. On calcule les coordonnes de chaque vecteur de C dans la base B :
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
systme linaire prcdent ; on

0
1
0
0
0
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].
Exercice 4.18 CT Juin 2012

Soient E = { e1 , e2 , e3 } une base de R3 et V = { v1 , v2 , v3 } une autre base de R3 dfinie par
v1 = 5e1 4e2 + 5e3 ,

v2 = 4e2 ,
v3 = 3e1 + 4e2 5e3 .
G. Faccanoni
129
Mardi 12 aot 2014
On note I la matrice identit 3 3 et on pose A =
5 0 3
4 4 4
5 0 5
3

.
On considre id lendomorphisme identit de R3 et f : R R3 lendomorphisme qui envoie la base E sur la

base V.
Sans faire de calculs donner
1. M(id, E , E ) la matrice associe lendomorphisme id quand on muni lespace de dpart de la base E et
lespace darriv de la base E
2. M(id, V, E ) la matrice associe lendomorphisme id quand on muni lespace de dpart de la base V et
lespace darriv de la base E
3. M(id, E , V) la matrice associe lendomorphisme id quand on muni lespace de dpart de la base E et
lespace darriv de la base V
4. M(f, E , E ) la matrice associe lendomorphisme f quand on muni lespace de dpart de la base E et lespace
darriv de la base E
5. M(f, V, E ) la matrice associe lendomorphisme f quand on muni lespace de dpart de la base V et lespace
darriv de la base E
6. M(f, E , V) la matrice associe lendomorphisme f quand on muni lespace de dpart de la base E et lespace
darriv de la base V
Correction.
id : R3 R3
u 7 u
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
Exercice 4.19 V. Le Roux

On considre la question suivante :
Soit E lespace vectoriel de dimension 2 engendr par les fonctions sin et cos. Calculer le dterminant
de lapplication drivation de E dans E.
1. Prciser la question en relevant toutes les affirmations implicites ou ambigus et rdiger un nonc dexercice dtaill. Montrer les affirmations implicites et rpondre la question.
2. Donner linverse de cette application drivation.
Correction.
1. Posons le problme :
B E est lespace vectoriel engendr par les fonctions sin et cos : E = Vect ({ sin, cos }).
B E a dimension 2 et est engendr par une famille de cardinal 2 donc la famille E = { sin, cos } est une base
de E.
Notons f lapplication drivation de E dans E :
f: E E
sin(x) + cos(x) 7 sin(x) + cos(x)
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
Mardi 12 aot 2014

1. On considre le systme suivant :
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
Considrons lapplication linaire

f : R4 R4
u 7 Au
2.1. Calculer f(u).
2.2. Soit C la base canonique de R4 . Calculer M(f, C, C).
2.3. f est-elle surjective ? injective ? Trouver limage et le noyau de f.
2.4. f est-elle inversible ?
2.5. Le vecteur (1, 1, 1, 1)T appartient-il limage de f ? au noyau de f ?
3. Le vecteur

1
2
v=
3
4
appartient-il lespace vectoriel engendr par

1
1
1
1
v1 =
v2 =
1
1
1
3
1
1
v3 =
0
3
1
1
v4 =
1 ?
7
4. Ces quatre vecteurs sont-ils linairement indpendantes ?

Correction.
1. Lcriture matricielle du systme (S) est Au = w.
1.1. Le systme (S) admet une ou plusieurs solutions ssi rg(A) = rg([A|w]).
1.2. En utilisant la mthode de Gauss on obtient le systme quivalent
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
Mardi 12 aot 2014
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
Mardi 12 aot 2014
2. La base canonique de R2 [x] est C =
c0 (x) = 1, c1 (x) = x, c2 (x) = x 2

et lon a
f(c0 (x)) = 1 + 2x,

f(c1 (x)) = 1 + x + x 2 ,
f(c2 (x)) = 2x + x 2 ,
donc par dfinition la matrice de f dans la base canonique
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
La matrice de f 1 dans la base canonique C de R2 [x] est
1
1
C1 = 2
3
2
x=
a + b 2c
.
3
alors
2
2 .
1
1
1
1
Ceci permet dcrire facilement lendomorphisme f 1 : R2 [x] R2 [x] :

f 1 (a0 + a1 x + a2 x 2 ) =
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
B si coord(q, C) = (, , ), i.e. q(x) = + x + x 2 , alors

f 1 : R2 [x] R2 [x]
+ 2
2 + 2
2 + + 2
+ x + x 2 7
+
x+
x
3
3
3
1 1 2

en effet coord(f 1 (q), C) = M(f 1 , C, C) coord(q, C) = 31 2 1 2 = +2
, 2+2
, 2++
.
3
3
3
2 1
On vrifie facilement que f(f 1 (r)) = f 1 (f(r)) = r pour tout r R2 [x].
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
Mardi 12 aot 2014
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.

Soit T : V V un endomorphisme de V . Considrons deux bases diffrentes de V , savoir E = { e1 , e2 } et
W = { w1 , w2 }. Nous savons que
T (e1 ) = 3e1 2e2 ,
w1 = e1 + e2 ,
T (e2 ) = e1 + 4e2 ,
w2 = 2e1 + 3e2 .
Trouver la matrice de T dans la base W.
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
On obtient le mme rsultat daprs la formule du changement de base :

B matrice de T dans la base E = { e1 , e2 } :

3 1
E=
.
2 4
B matrice de passage de E W :
PE W

1
=
1
B matrice de passage de W E :
PWE =
P1
E W

2
3
3
1
3
2
1
4

2
1
B matrice de T dans la base W :

W = PWE EPE W =
134
3
1
2
1

1
1
2
3

=
8
2

11
.
1
G. Faccanoni
Mardi 12 aot 2014

Soit B = { u1 = (1, 0, 1); u2 = (0, 1, 0); u3 = (2, 0, 0) } une base de R3 et soit f : R3 R3 lapplication linaire
telle que
f(u1 ) = (3, 1, 2),
f(u2 ) = (0, 1, 1),
f(u3 ) = (6, 4, 6).
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
f(u1 ) = 3e1 + e2 + 2e3

f(u2 ) = e2 + e3
f(u3 ) = 6e1 + 4e2 + 6e3
3
= M(f, B , C) = 1
2
0
1
1
6
4 .
6
1. On cherche les coordonnes dans B de chaque lment de C :
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
2. En utiliser la matrice de changement de base calcule au point prcdent on dtermine la matrice

associe f quand on muni R3 de la base C sur lespace de dpart et darriv :

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
f(e1 ) = f(u1 ) 2 f(u3 ) = 3e1 + e2 + 2e3 2 6e1 + 4e2 + 6e3 = e2 e3

f(e2 ) = f(u2 ) = e2 + e3 = e2 e3
f(e3 ) = 12 f(u3 ) = 12 6e1 + 4e2 + 6e3 = 3e1 + 2e2 + 3e3
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 .

Dans la suite on notera R2 [t] lespace des polynmes de degr infrieur ou gal 2. Si p est un de ces polynme,
p0 dnotera sa drive.
Considrons lendomorphisme de R2 [t] dfini par
L : R2 [t] R2 [t]
p(t) 7 (2at + 1)p(t) + (at 2 + b)p0 (t)
o a et b sont des nombres rels. Dterminer la valeur du produit ab pour que le rang de L soit 2 ou 3.
G. Faccanoni
135
Mardi 12 aot 2014
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.

Considrons lendomorphisme de R2 [t] dfini par
L : R2 [t] R2 [t]
p 7 p + 3p0 + 4p00
1. Donner la matrice de L quand on muni lespace vectoriel R2 [t] de sa base canonique.
2. Donner une base du noyau et de limage de L.
3. Montrer que L est inversible et calculer la matrice M associe L1 dans la base canonique. Si lon dnote
avec u1 le vecteur colonne des composantes du polynme gnrique a0 + a1 t + a2 t 2 , vis--vis de la base
canonique, dterminer les vecteurs colonnes u2 et u3 des composantes respectives de p0 et de p00 . Montrer
que
Mu1 = 1 u1 + 2 u2 + 3 u3
o les coefficients 1 , 2 et 3 sont calculer. Utiliser ce dernier calcul pour montrer que
L1 (p) = p 3p0 + 5p00 .
Correction.
1. La base canonique de R2 [t] est C =
c0 (t) = 1, c1 (t) = t, c2 (t) = t 2

et lon a
L(c0 (t)) = (1) + 3(0) + 4(0) = c0 (t),

L(c1 (t)) = (t) + 3(1) + 4(0) = 3c0 (t) + c1 (t),
L(c2 (t)) = (t 2 ) + 3(2t) + 4(2) = 8c0 (t) + 6c1 (t) + c2 (t),
donc par dfinition la matrice de L dans la base canonique C de R2 [t] est
1 3 8
C = 0 1 6 .
0 0 1
q(t) = a0 + a1 t + a2 t 2 ker(L)
L(q) = 0
(a0 + 3a1 + 8a2 ) + (a1 + 6a2 )t + a2 t 2 = 0
a0 + 3a1 + 8a2 = 0,
a1 + 6a2 = 0,
a2 = 0,
136
G. Faccanoni
Mardi 12 aot 2014
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).

Soit f lendomorphisme dfini par
f : R2 [t] R2 [t]
2
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 .
2. Trouver dim(im(f)) et en calculer une base.

3. Trouver dim(ker(f)) et en calculer une base.
Correction.
1. Deux mthodes :
I. Mthode directe. On doit crire limage par f de chaque lment de la base B comme combinaison linaire
dlments de la base B :
1
5
f(t 2 + 2) = t 2 2t 1 = (t 2 + 2) + (t 1) (t + 1),
2
2
1
5
2
2
f(t 1) = t + 2t + 1 = (t + 2) (t 1) + (t + 1),
2
2
1
1
2
2
f(t + 1) = t 1 = (t + 2) (t 1) + (t + 1),
2
2
donc
G. Faccanoni
2
1
M(f, B ) = 1
2
5
2
1
5
2
1
1
137
Mardi 12 aot 2014
II. Mthode du changement de base. Soit C =
t 2 , t, 1
la base canonique de R2 [t] ; alors on a
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 ).

Soit A la matrice dordre 2 3 dfinie par

A=
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.
Pour tout n = (n1 , n2 , n3 ) R3 , on a

L(n) = A n =
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
Mardi 12 aot 2014
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

Soit E = M2 (R) et F = R3 [x]. Soit f lapplication dfinie par

f: E F

a b
7 ax 3 + bx 2 + (c d)
c d
1. Vrifier que f est une application linaire.

2. Soit

E=
1
0
p0 (x) = 1, p1 (x) = x, p2 (x) = x 2 , p3 (x) = x 3
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=
la base canonique de F . crire M(f, E , F ) la matrice de f relativement aux bases E de E et F de F .

3. Dterminer une base de ker(f) et une base de im(f).
4. f est bijective ? Justifier.
5. Soit
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=
q0 (x) = 1 x, q1 (x) = x x 2 , q2 (x) = x 2 x 3 , q3 (x) = x 3
Montrer quelle constitue une base de F .

8. crire la matrice de passage PCF .
9. Calculer la matrice de f relativement aux bases B de E et C de F et vrifier que M(f, B , C) =
PCF M(f, E , F )PE B .
G. Faccanoni
139
Mardi 12 aot 2014
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 :
q0 (x) = p0 (x) p1 (x)
q (x) = p (x) p (x)

1
1
2
q2 (x) = p2 (x) p3 (x)
q3 (x) = p3 (x)
140
p0 (x) = q0 (x) + q1 (x) + q2 (x) + q3 (x)
p (x) = q (x) + q (x) + q (x)

1
1
2
3
=
p2 (x) = q2 (x) + q3 (x)
p3 (x) = q3 (x)
= PCF
1
1
=
1
1
0
1
1
1
0
0
1
1
0
0
0
1
G. Faccanoni
Mardi 12 aot 2014
9. On doit crire limage par f de chaque lment de la base B comme combinaison linaire dlments de la base
C:
f(B1 ) = x 3 1 = q0 (x) q1 (x) q2 (x)
1 1 1 1
f(B ) = x 2 1 = q (x) q (x)

1 1 1 1
2
0
1
= M(f, B , C) =
1 0 1 1 .
3
f(B3 ) = x 1 = q0 (x) q1 (x) q2 (x)
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
PCF M(f, E , F )PE B =

1 1 1 0 0
1
1 1 1 1
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
Exercice 4.30 CC dcembre 2013

Soit E =

M M2 (R) M = MT et F = R2 [x]. Soit f lapplication dfinie par

a
b
1. Soit

E=
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
p0 (x) = 1, p1 (x) = x, p2 (x) = x 2

0
1


2. Dterminer une base de ker(f).
3. Dterminer une base de im(f).
5. Soit
B =

B1 =
1
0

0
1
, B2 =
1
1

1
0
, B3 =
0
1

1
2
, B4 =
1
2
2
2

7. Soit
Q=
q0 (x) = 1 x, q1 (x) = 1 x 2 , q2 (x) = x 2

8. crire la matrice de passage PQF .
9. Calculer la matrice de f relativement aux bases B de E et Q de F et vrifier que M(f, B , Q) =
PQF M(f, E , F )PE B .
Correction.
1. On doit crire limage de chaque lment de la base E comme combinaison linaire dlments
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

a b

2

ker(f) = { A E | f(A) = 0F } =
b c E a + (b c)x = 0 x R

a b

=
= { ( 0 ) E | R } = Vect { ( 01 11 ) } .
b c E a=bc =0
G. Faccanoni
141
Mardi 12 aot 2014
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).
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
(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 :
q0 (x) = p0 (x) p1 (x)

q1 (x) = p0 (x) p2 (x)
q2 (x) = p2 (x)
p0 (x) = q1 (x) + q2 (x)

= p1 (x) = q0 (x) + q1 (x) + q2 (x)
p2 (x) = q2 (x)
coord(p0 (x), Q) = (0, 1, 1)

= coord(p1 (x), Q) = (1, 1, 1)
coord(p2 (x), Q) = (0, 0, 1)
= 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

Soit E =

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
Mardi 12 aot 2014
F=
p0 (x) = 1, p1 (x) = x, p2 (x) = x 2

5. Soit
B =

B1 =
1
0

0
1
, B2 =
1
1

1
0
, B3 =
0
1

1
0
, B4 =
1
0
0
1

7. Soit
C=
q0 (x) = 1 x, q1 (x) = x x 2 , q2 (x) = x 2

9. Calculer la matrice de f relativement aux bases B de E et C de F et vrifier que M(f, B , C) =
PCF M(f, E , F )PE B .
Correction.
1. On doit crire limage de chaque lment de la base E comme combinaison linaire dlments de la base F :
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
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
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).
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
(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
Mardi 12 aot 2014
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

Soit E = R3 [x] et F = M2 (R). Soit f lapplication dfinie par
f: E F

p(0)
p(x) 7
p0 (1)

p00 (2)
p000 (3)
1. Soit a(x) = a0 + a1 x + a2 x 2 + a3 x 3 un polynme de E. crire la matrice f(a).

2. Soit
E=
p0 (x) = 1, p1 (x) = x, p2 (x) = x 2 , p3 (x) = x 3

1
F = F1 =
0

0
0
, F2 =
0
0

1
0
, F3 =
0
1

0
0
, F4 =
0
0
0
1


6. Soit
B =
q0 (x) = 1 x, q1 (x) = x x 2 , q2 (x) = x 2 x 3 , q3 (x) = x 3 1, q4 (x) = x 3
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 .
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
a (x) = a1 + 2a2 x + 3a3 x

a00 (x) = 2a2 + 6a3 x
144
a(0) = a0 ,
a0 (1) = a1 + 2a2 + 3a3 ,
a00 (2) = 2a2 + 12a3 ,
G. Faccanoni
Mardi 12 aot 2014
a000 (x) = 6a3
a000 (3) = 6a3 ,
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

a0
ker(f) = { p E | f(p) = O2 } = a0 + a1 x + a2 x 2 + a3 x 3 E
a1 + 2a2 + 3a3

= a0 + a1 x + a2 x 2 + a3 x 3 E a0 = a1 = a2 = a3 = 0 = { 0E } .
4.
5.
6.
7.
0
2
2
0
0
12
.
3
6
2a2 + 12a3
6a3

=

0
0
0
0


Comme dim(im(f)) = dim(E) dim(ker(f)) = 4 = dim(F ), alors im(f) = F : toute base de F est aussi une
base de im(f), on peut alors prendre la famille F .
0 2 12
On remarque que det(M(f, E , F )) = det 1 2 3 = 12, donc rg(M(f, E , F )) = dim(E) = dim(F ) : f est alors
00 6
bijective.
B nest pas libre car q3 = q0 q1 q2 . On en extrait par exemple la famille B = { q0 , q1 , q2 , q4 } qui est une
base de R3 [x] car
6.1. qi R3 [x] pour tout i = 0, 1, 2, 4,
6.2. card(B ) = dim(R3 [x]),
6.3. B est libre car la combinaison linaire aq0 (x) + bq1 (x) + cq2 (x) + dq4 (x) = ( 00 00 ) a comme unique solution
a = b = c = d = 0.
On a
q0 (x) = p0 (x) p1 (x)
1
0
0 0
q (x) = p (x) p (x)

1 1
0 0
1
1
2
= 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
On remarque que PCF = (PF C )1 = (M(f, E , F ))1 .

10. On peut faire le calcul direct
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
ou utiliser la relation sur les changements de base :

M(f, B , C) = PCF M(f, E , F )PE B = (PF C )1 M(f, E , F )PE B = (M(f, E , F ))1 M(f, E , F )PE B = PE B .
G. Faccanoni
145
Mardi 12 aot 2014
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
Mardi 12 aot 2014
4. a(t) est alors le polynme a(t) = 16 + 12 t t 2 + t 3 et la famille B lensemble

B = f(t), f(t 2 ), f(t 3 ), a(t)
= { f(c1 (t)), f(c2 (t)), f(c3 (t)), a(t) }

1 1
= c0 (t) 4c1 (t), 2c1 (t) 3c2 (t), 3c2 (t), + c1 (t) c2 (t) + c3 (t)
6 2
qui a cardinal 4. La dimension de lespace vectoriel engendr par B est gal au rang de B . Comme
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 .
M(f, B , C) = I4 M(f, C)PCB =
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
la matrice reprsentative dune application linaire f : E F par rapport aux bases E de E et F de F .

Calculer rg(A) en fonction de `.
Calculer les dimensions de ker(f) et im(f) en fonction de `.
Pour ` = 0 expliciter une base de ker(f) et im(f). Peut-on conclure que R4 = ker(f) im(f) ?
Correction.
1 0 0 1
0004
0003
0002
Si ` = 0 alors A =
et rg(A) = 2. Si ` 6= 0 alors det(A) = ` det
1 0 1
0 ` 3
002
= 2` 2 6= 0 et rg(A) = 4.
dim(im(f)) = rg(A) et dim(ker(f)) = 4 dim(im(f)). Si ` = 0 alors dim(im(f)) = 2 et dim(ker(f)) = 2. Si ` 6= 0

alors dim(im(f)) = 4 et dim(ker(f)) = 0.
Pour ` = 0,

B im(f) = Vect
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, 1, 0, 0) et (0, 0, 1, 0) dans la base E .

On se rappelle que si H1 et H2 sont deux sous-espaces vectoriels de H, la somme de H1 et H2 est directe si
et seulement si
(
H = H1 + H2
H1 H2 = { 0 H }
De plus, dim(H1 + H2 ) = dim(H1 ) + dim(H2 ) dim(H1 H2 ).
Comme dim(im(f)) + dim(ker(f))
dim(im(f)
=4,
ker(f)) = 0 donc im(f) ker(f) = { 0R4 }. Il suffit alors de
1
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
est libre pour conclure que R4 = ker(f) im(f). Comme
0200
G. Faccanoni
147
Mardi 12 aot 2014
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
0R3 = x + f(x) + f (x)

0R3 = x + f(x) + f (x)
= 0R3 = f(x) + f 2 (x)
= = = = 0
0R3 = f(x + f(x) + f 2 (x))
3
3
2
2
0R = f (x + f(x) + f (x))
0R = f 2 (x)
On a
f(b1 ) = f(x) = 0b1 + 1b2 + 0b3

f(b2 ) = f 2 (x) = 0b1 + 0b2 + 1b3
f(b3 ) = f 3 (x) = 0R3
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
Mardi 12 aot 2014
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
f (b1 ) = f(f(b1 )) = f(b2 ) = b3

f 2 (b2 ) = f(f(b2 )) = f(b3 ) = 0R3
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).

Soit A une matrice carre dordre n N dont les lments sont les entiers conscutifs 1, 2, 3, . . . crits lun aprs
lautre, ligne aprs ligne :
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
Montrer que ker(A) = ker(AT ).
Correction.
Si x = (x1 , x2 , . . . , xn ) ker(A) alors Ax = 0, cest--dire
x1 + 2x2 + 3x3 + + nxn = 0,
(n + 1)x1 + (n + 2)x2 + (n + 3)x3 + + (n + n)xn = 0,
(2n + 1)x1 + (2n + 2)x2 + (2n + 3)x3 + + (2n + n)xn = 0,
...
((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
Mardi 12 aot 2014
quon peut rcrire comme
x1 + 2x2 + 3x3 + + nxn = 0,
n(x1 + x2 + x3 + + xn ) + (x1 + 2x2 + 3x3 + + nxn ) = 0,
2n(x1 + x2 + x3 + + xn ) + (x1 + 2x2 + 3x3 + + nxn ) = 0,
...
(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
x1 + (n + 1)x2 + (2n + 1)x3 + + ((n 1)n + 1)xn = 0,
2x1 + (n + 2)x2 + (2n + 2)x3 + + ((n 1)n + 2)xn = 0,
3x1 + (n + 3)x2 + (2n + 3)x3 + + ((n 1)n + 3)xn = 0,
...
nx + (n + n)x + (2n + n)x + + ((n 1)n + n)x = 0,

1
2
3
n
quon peut rcrire comme
(nx2 + 2nx3 + + (n 1)nxn ) + (x1 + x2 + x3 + + xn ) = 0,
(nx2 + 2nx3 + + (n 1)nxn ) + 2(x1 + x2 + x3 + + xn ) = 0,

(nx2 + 2nx3 + + (n 1)nxn ) + 3(x1 + x2 + x3 + + xn ) = 0,
...
(nx + 2nx + + (n 1)nx ) + n(x + x + x + + x ) = 0,

2
3
n
1
2
3
n
et qui est quivalent au systme de deux quations linaires
(
x1 + x2 + x3 + + xn = 0,
(L
1 L2 L1 )
x2 + 2x3 + + (n 1)xn = 0,
i.e.
L2
(
x1 + x2 + x3 + + xn = 0,
x1 + 2x2 + 3x3 + + nxn = 0,
kL1 Lk
n(k1) ,
k = 2, . . . , n
(L2 L2 + L1 ).
Par consquent ker(A) = ker(AT ).

Soit n N et considrons lendomorphisme f de Rn [x] dfini par
f : Rn [x] Rn [x]
p 7 q(p) + r(p)
o q(p) est le quotient
de la division
de p(x) par x et r(p) est le reste de la division de p(x) par x n .

2
n
la base canonique de Rn [x]. Donner M(f, C) la matrice associe lendomor1. Soit C = 1, x, x , . . . , x
phisme f quand on muni lespace Rn [x] de la base C.
2. Calculer rg(f).
150
G. Faccanoni
Mardi 12 aot 2014
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
par consquent la matrice M(f, C) de dimension (n + 1) (n + 1)
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

MP33 L2pcsi

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

MP33 L2pcsi

Transféré par

Droits d'auteur :

Formats disponibles

MP33/M331

Recueil dexercices corrigs et aide-mmoire.

Licence Sciences et Techniques

Anne 2014 2015

Table des matires

a11 . . . a1j . . . a1n

Nous travaillerons avec K = R, Q ou Z.

est carre et dordre 3 coefficients dans Z.

Dfinition Matrice nulle

Mardi 12 aot 2014

Dfinition Addition de matrices

A + B = (aij + bij )1im .

La somme de A et B est la matrice 2 3 suivante :

Dfinition Matrice diagonale

= (dij )1i,jn telle que i 6= j = dij = 0. Si on note

Mardi 12 aot 2014

Dfinition Matrice identit

Dfinition Matrices triangulaires

est une matrice triangulaire suprieure,

est une matrice triangulaire infrieure,

est une matrice diagonale,

est la matrice identit dordre 4.

Dfinition Produit dune matrice par un scalaire

Dfinition Produit de matrices

Cest une matrice m p.

Mardi 12 aot 2014

A Mm,n (K), B Mn,p (K), C Mp,q (K), alors

Mardi 12 aot 2014

Dfinition Matrice transpose

Sa transpose est la matrice AT dordre 3 2 suivante

(AT )T = A si A Mm,n (K),

Dfinition Matrice symtrique, matrice anti-symtrique

est une matrice symtrique.

est une matrice anti-symtrique.

Dfinition Matrice inversible, matrice singulire

Mardi 12 aot 2014

Dfinition Trace dune matrice

est tr(A) = a11 + a22 + a33 = 1 + 2 + (2) = 1.

A et B sont deux matrices carres dordre n, alors

Dfinition Dterminant dune matrice dordre n (rgle de Laplace)

quelque soit la ligne i, 1 i n,

ou, de manire quivalente, le nombre

quelque soit la colonne j, 1 j n.

Mardi 12 aot 2014

la formule (1)i+j est analogue la distribution des

cases noirs et blanches sur un damier :

donc on peut calculer det(A) par lune des formules suivantes :

Dterminant dune matrice dordre 2 mthode pratique

= a22 a33 a23 a32 ,

Mardi 12 aot 2014

= a11 a32 a12 a31 ,

donc on peut calculer det(A) par lune des formules suivantes :

donc on peut calculer det(A) par lune des formules suivantes :

Mardi 12 aot 2014

Dterminant dune matrice dordre 3 mthode pratique (rgle de Sarrus)

a11 a12 a13

alors avec la rgle de Sarrus

Mardi 12 aot 2014

Si on essaye de gnraliser la rgle de Sarrus on nobtient pas le bon rsultat :

et rg(A) = 0 si et seulement si tous les lments de A sont nuls.

Mardi 12 aot 2014

rang de A est 2 car

rang de A est 2 car

2. Sans faire de calcul on peut dj affirmer que 1 rg(B) 3. Comme