2011 2012 M331 L2PC

L2PC
2011/2012
Aide-mmoire
et exercices corrigs.
31
M3
Al
g
br
lin
a e
ire
VTSU
G.
ano
c
c
a
F
ni
r
-jou
ise-
m
ire
012
Dern
er 2
i
v
n
ja
i 9
Lund
Attention, ce polycopi est encore en cours de dveloppement, ne vous tonnez pas si vous dcouvrez des erreurs.
Merci de me les communiquer.
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
Table des matires

1
Matrices
Systmes linaires
21
Espaces vectoriels
43
Applications linaires
69
1 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 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
..
..
..
..
..
..
.
.
.
.
.
.
ou
A = ai1 . . . aij . . . ain
A = ai1 . . . aij . . . ain
..
..
..
..
..
..
.
.
.
.
.
am1 . . . amj . . . amn
am1 . . . amj . . . amn
ou encore
A = (aij )1im
A = [aij ]1im
ou
1jn
1jn
Nous travaillerons avec K = R, Q ou Z.
Exemple
La matrice
1
A= 0
4
2
3
5
4
1
1
est carre et dordre 3.
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 nulle, note Om,n , est la matrice dont tous les lments sont nuls.
La matrice oppose dune matrice A est note A. Si A = (aij )1im alors A = (aij )1im .
1jn
1jn
La somme de deux matrices dordres diffrents nest pas dfinie.
Exemple
Soient les matrices

A=
On obtient
C=A+B=
3
1
4
3
3+6
1+2

2
,
5
4+1
3+0
B=

6
2
2+9
5+3
1
0

9
=
3

9
.
3
5
3

11
.
8
1 Matrices
Lundi 9 janvier 2012
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
A=

1
3
On a alors

1
,
0

6
2
B=

1+6
3+2
1 5
0+1
A+B=

6+1
2+3
5 1
1+0
B+A=
et

5
.
1

7
5
6
1

7
5
6
1
Exemple
Soient les matrices
A=

1
3
On obtient

1
,
0
B=

7
5
6
1
A+B=

6
4
3
5
B+C=
On obtient aussi

6
2
5
1

C=
et
(A + B) + C =
et
A + (B + C) =

0
2

2
.
4
7
7

4
.
5
7
7

4
.
5
Dfinition
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 ).
La matrice identit dordre n, note In , est la matrice diagonale Diag(1, 1, . . . , 1).
Dfinition
On dit quune matrice carre A = (aij )1i,jn est triangulaire suprieure (resp. infrieure) si i > j = aij = 0
(resp. si i < j = aij = 0).
Une matrice triangulaire suprieure et infrieure est une matrice diagonale.
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
G. Faccanoni
1 Matrices
Proprit
Soient A et B deux matrices de mme ordre et K un scalaire, on a
B (A + B) = A + B (distributivit).
Exemple

3
1
A=

2
,
5
4
3
On obtient

C= A=
3/2
1/2
1
.
2

1
.
5/2
2
3/2
Dfinition : produit de matrices

Si A = (aik )1im est une matrice m n et si B = (bkj )1kn est une matrice n p, on dfinit le produit des
1jp
1kn
matrices par
AB=
n
X
aik bkj
1im
1jp
k=1
Cest une matrice m p.

B : n lignes p colonnes
..
+
i1
1j
.+
.+
a in
a11
...
a1k
...
a1n
..
.
..
..
.
..
.
..
.
ai1
...
aik
...
ain
..
.
..
.
..
.
..
..
.
am1
...
amk
...
amn
A : m lignes n colonnes
G. Faccanoni
b11
...
b1j
...
b1p
..
.
..
..
.
..
.
..
.
bk1
...
bkj
...
bkp
..
.
..
.
..
.
..
..
.
bn1
...
bnj
...
bnp
..
+
ik
kj
bn
c11
...
c1j
...
c1p
..
.
..
..
.
..
.
..
.
ci1
...
cij
...
cip
..
.
..
.
..
.
..
..
.
cm1
...
cmk
...
cmp
C = A B : m lignes p colonnes
1 Matrices
Exemple
Soient les deux matrices

A=
1
1
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
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 ;
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=
et

6
2

5
.
1
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 nm 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
G. Faccanoni
1 Matrices
Sa transpose est la matrice AT dordre 3 2 suivante
1
A = 1
5
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.
B Une matrice A est dite anti-symtrique si AT = A.
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 . Une matrice non rgulire est
dite singulire.
Linverse, sil existe, dune matrice A est not A1 .
Proposition
Soit A et B deux matricesinversibles, alors
1
B A1 lest aussi et A1
= A,

T
T
T 1
B A lest aussi et A
= A1 ,
B A B lest aussi et (A B)1 = B1 A1 .
Dfinition : trace
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 + (1) = 2.
G. Faccanoni
1 Matrices
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).
Oprations lmentaires sur les matrices

Dfinition
Les oprations (ou manipulations) lmentaires sur les lignes dune matrices sont
B la multiplication dune ligne par un scalaire non nul :
Li Li ;
B laddition dun multiple dune ligne une autre ligne :
Li Li + Lj ;
B lchange de deux lignes :
Li Lj .
Ces transformations sont quivalentes la multiplication gauche (pr-multiplication) par la matrice inversible
obtenue en appliquant la matrice identit la transformation correspondante.
Les oprations analogues sur les colonnes 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 ;
B lchange de deux colonnes :
Ci Cj .
Elles sont quivalentes la multiplication droite (post-multiplication) par la matrice inversible obtenue en appliquant la matrice identit la transformation correspondante.
Thorme
En partant dune matrice A, lutilisation dun nombre fini doprations lmentaires conduit une matrice quivalente.
Calcul pratique dun dterminant

Dfinition : dterminant dune matrice dordre n
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 dfini le dterminant de A, et on le note det(A), 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
10
G. Faccanoni
1 Matrices
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
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.
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

det(A23 ) = det

det(A31 ) = det

det(A32 ) = det

det(A33 ) = det
a23
a33
a21
a31
a23
a33
a21
a31
a22
a32
a12
a32
a13
a33
a11
a31
a13
a33
a12
a32
a13
a23
a13
a23
a12
a22
a22
a32
a11
a31
a12
a22
a11
a21
a11
a21
= a22 a33 a23 a32 ,

= a21 a33 a23 a31 ,
= a21 a32 a22 a31 ,
= a12 a33 a13 a32 ,
= a11 a33 a13 a31 ,
= 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)
G. Faccanoni
11
1 Matrices
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.
Astuce
Il convient dutiliser cette dfinition 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 change deux colonnes (resp. deux lignes), alors le dterminant est chang en son oppos ;
B on ne change pas un dterminant si on ajoute une colonne (resp. une ligne) une combinaison linaire des
autres colonnes (resp. lignes).
Exemple
Soit la matrice
1
A = 0
0
1
0
5
0
2
3
alors

2
3

0
det(A21 ) = det
3

0
det(A31 ) = det
2
det(A11 ) = det
0
5
1
5
1
0

0
0

1
det(A22 ) = det
0

1
det(A32 ) = det
0
= 10,
det(A12 ) = det
= 3,
= 2,
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
Dterminant dune matrice dordre 2

Soit A une matrice carre dordre n = 2.

a11
det(A) = det
a21
a12
a22

= a11 a22 a12 a21 .
+
a11
a12
a21
a22
Exemple
Soit la matrice
A=
alors
12

5
4
7
3
det(A) = 5 3 7 4 = 15 28 = 13.
G. Faccanoni
1 Matrices
Rgle de Sarrus
Soit A une matrice
a11
det(A) = det a21
a31
carre dordre n = 3.
a12 a13

a22 a23 = a11 a22 a33 + a21 a32 a13 + a31 a12 a33 a13 a22 a31 + a23 a32 a11 + a33 a12 a31
a32 a33
+
+
a11
a12
a13
a21
a22
a23
a31
a32
a33
a
11
a12
a13
a
21
a22
a13
Exemple
Soit la matrice
1
A = 0
0
0
2
3
1
0
5
alors
det(A) = (1 2 5 + 0 0 0 + 0 0 0) (1 2 0 + 0 3 1 + 5 0 0) = 10.
Exemple
Soit la matrice
5
A = 4
2
7
3
1
1
2
6
alors
det(A) = (5 3 6 + 4 1 1 + 2 7 2) (1 3 2 + 2 1 5 + 7 4 6) = 62.
Proprit
Le dterminant dune matrice triangulaire est gal au produit des lments diagonaux.
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).
G. Faccanoni
13
1 Matrices
Dfinition : rang
Le rang dune matrice quelconque 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. Les oprations lmentaires sur les lignes ou les
colonnes dune matrice ne modifient pas le rang.
Exemple
Soit A la matrice suivante
A=

1
1
3
3

2
.
1
Le rang de A est 2 :
B A est dordre 2 3 donc s min{2, 3} donc s = 0, 1 ou 2 ;
B 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.
Exemple
Soit A la matrice suivante
1
A= 0
1
0
5
0
1
1 .
1
B A est dordre 3 3 donc s 3

B le dterminant de A est 0 donc s 6= 3
B le dterminant de la sous-matrice 10 05 est 5, donc s = 2.
14
G. Faccanoni
1 Matrices
............... Exercices ...............

Exercice 1.1
Soient les matrices
3
A= 0
1
2
4
1
et
1
B = 0
1
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.
Solution.
1. On cherche C telle que C = A 2B,
c11 c12
3 2
1
c21 c22 = 0
4 2 0
c31 c32
1 1
1
i.e.

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
d11 d12
3 2
1 2
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
d31 d32
1 1
1 1
/4 3/4
2 1 4 1
2 (1) 4 1
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

3 0 5 4
3

2

4 3 0 5
3
Solution.
23
z
}| {
z

2
3 1 5
3
2 7 0
0
34
1
0
5
}|
{
1 0
1 8
3 4
24
z

=
}|
{
3 2 + 1 3 + 5 0 3 1 + 1 0 + 5 (5) 3 (1) + 1 1 + 5 3 3 0 + 1 8 + 5 4
2 2 + 7 3 + 0 0 2 1 + 7 0 + 0 (5) 2 (1) + 7 1 + 0 3 2 0 + 7 8 + 0 4

9 22 13 28
=
25
2
5 56
31
13
}|
0
z }| {
11
2
{
z
}|
{
5 4 = 3 2 + 0 (4) + 5 (3) = 21
3
31
z }| {
z
13
2
2 (3)
z
}|
{
4 3 0 5 = 4 (3)
3
3 (3)
G. Faccanoni
33
}|
20
4 0
3 0
{
25
6 0
4 5 = 12 0
3 5
9 0
10
20
15
15
1 Matrices
Exercice 1.3
On dit que deux matrices A et B commutent si A B =
A:
1
A = 0
0
Solution. On cherche B telle
1 0
0 3
0 0
que

0
b11
0 b21
5
b31
Comme
1
0
0
et
0
3
0
b11
b21
b31
il faut que
b12
b22
b32

0
b11
0 b21
5
b31
b12
b22
b32
b11 = b11 ,
b12 = 3b12 ,
b13 = 5b13 ,
3b21 = b21 ,
3b22 = 3b22 ,
3b23 = 5b23 ,
5b31 = b31 ,
5b32 = 3b32 ,
5b33 = 5b33 ,

b13
b11
b23 = b21
b33
b31
b12
b22
b32

b13
1
b23 0
b33
0
B A. Trouver toutes les matrices qui commutent avec
0 0
3 0 .
0 5
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
1
B=0
0
0
2
0
0
0
3
0
0
5
avec 1 , 2 , 3 R.
Exercice 1.4
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
Solution. 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.
Exercice 1.5
16
G. Faccanoni
1 Matrices
Calculer a, b, c et d tels que
Solution. Comme
il faut que
1
2
1
2

3
a
8
c
b
d

= I2 .

3
a b
a + 3c
=
8
c d
2a + 8c
a + 3c = 1,
b + 3d = 0,
2a + 8c = 0,
2b + 8d = 1,

a
c
b
d
b + 3d
2b + 8d

=
4
1

3/2
.
1/2
Exercice 1.6 Janvier 2011

Trouver pour quelles valeurs de t la matrice suivante est inversible
t + 3 1
1
5
t3
1 .
6
6 t + 4
Solution.
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 2 4t 16 = (t + 4)(t 2)(t + 2).
La matrice est inversible pour tout t R \ { 4, 2, 2 }.
Exercice 1.7 Calculs de dterminants

Soit a, b et c trois
calculer les dterminants suivants :
rels quelconques,
1
1
1
1. D1 = det a b c
a2 b2 c 2
1+a
1
1
1+a
1
2. D2 = det 1
1
1
1+a
Solution. Pour calculer un dterminant comportant des paramtres, il est souvent intressant de faire apparatre
des zros dans une ligne ou une colonne (ne pas oublier que si lon permute deux lignes ou deux colonnes dun
dterminant, on change le dterminant en son oppos).

C2 C2 C1
1
1
1
1
0
0
ba
ca
C3 C3 C1
ba
ca
D1 = det a b c det a
= det
b2 a2 c 2 a2
a2 b2 c 2
a2 b2 a2 c 2 a2

= (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).
G. Faccanoni
17
1 Matrices
Exercice 1.8
Calculer les
des matrices suivantes :
dterminants

1 3
1. A =
7 5
2 3 3
2. B = 5 15 7
0 2 0
2 1 3 4
2
0 4 5
3. C =
2 4 3 1
0 3 1 1
Solution.
1. det(A) = 1 5 3 (7) = 26.
2. En dveloppant par rapport la dernire ligne qui contient deux zros on trouve

2 3
3+2
det(B) = (1)
(2) det
= 2 (2 7 3 5) = 2.
5 7
3. On fait apparatre des zros par oprations lmentaires :
2 1 3 4
2 1 3 4
L2 L2 L1
2
0 1 1 1
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 L2 L2 3L1
1
1 1 1
L3 L3 +3L1
2 det 0
= (1)1+1 (2) det 3 6 3 = 2 det 3 6 3
=
3 1 1
0
3 1 1

3 0
= 2 (1)1+1 1 det
= 2 (3 (4) 0 4) = 24.
4 4
1
3
4
1
0
4
Exercice 1.9 Octobre 2011

1.
2.
3.
4.
5.

1
Pour quelles valeurs de R la matrice A =
2 3
2 1 3
Calculer le rang de la matrice B = 8 4 12.
1 2 0
1 2 8
Calculer le rang de la matrice C = 2 1 4 .
0 3 12
0 0 1
2 3 7
Calculer le dterminant de la matrice D =
3 1 12
4 0 5
0 2 3
1 7 12
Calculer le dterminant de la matrice E =
0 3 1
0 4 0
est inversible ?
0
4
.
0
0
4
5
.
0
0
Solution.
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
18
G. Faccanoni
1 Matrices
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
4. det(D) = det
= det 3 1 0 = 4 det
= 16.
3 1 12 0
1 0
4 0 0
4 0 5 0
0 2 3
4

2 3 4
1 7 12 5
3 4
= det 3 1 0 = 4 det
5. det(E) = det
= 16.
0 3 1
0
1 0
4 0 0
0 4 0
0
G. Faccanoni
19
2 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
b1

b = ...

x1

x = ...
bn
xp
a11
A = ...
an1
...
...
a1p
..
.
anp
le systme (S) est quivalent lcriture matricielle Ax = b.
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
3x3 x4 +2x5
x5 +x6
5x6
= b1
= b2
= b3
= b4
= b5
Rduction
Quand un systme contient une quation du type
0x1 + + 0xp = b,
21
2 Systmes linaires
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). En permutant ventuellement deux lignes du
1jp
systme, on peut supposer aii 6= 0 (appel pivot de ltape i).

tape j : pour i > j, les transformations
aij
Li Li
Lj
ajj
liminent linconnue xj dans les lignes Li .
En ritrant le procd pour i de 1 n, on aboutit un systme chelonn.
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

x1 +2x2 +3x3 +4x4 = 1 L2 L2 2L1
L3 L3 3L1
x2 2x3 7x4 = 0
2x1 +3x2 +4x3 +x4 = 2 L4 L4 4L1
2x
3x
+4x
+x
+2x
=
3
2 8x3 10x4 = 0
1
2
3
4
7x2 10x3 13x4 = 0

4x1 +x2 +2x3 +3x4 = 4
x1 +2x2 +3x3 +4x4 = 1
x1 +2x2 +3x3 +4x4 = 1
L3 L3 2L2
x2 2x3 7x4 = 0
x2 2x3 7x4 = 0 L4 L4 +L3
L4 L4 7L2
4x3 +4x4 = 0
4x
+4x
=
0
3
4
40x4 = 0
4x3 +36x4 = 0
donc
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
4
1
0
0
0
2
1
2
7
1
L3 L3 2L2
L4 L4 7L2 0

0
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
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 du systme rduit en escalier obtenu par la mthode de Gauss est le rang r de la matrice
A, ou du systme (S).
22
G. Faccanoni
2 Systmes linaires
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.
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
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
3.1. Si rg(A) = rg([A|b]) m < n il y a une infinit de solutions.
Remarque
Soit A = (aij )1in la matrice des coefficients du systme (S). Alors
1jp
0 rg(A) min { n, p }
rg(A) rg([A|b]) min { n, p + 1 } .
Exemple
1. n quations et n inconnues :
12
1
2
3
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
4
6
4
2
unique.
14
1
2
3
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.
22
3 2 7
14
1
2
3
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.
20
3 2 7
2. m quations et
2
2.1. A = 2
1
2
1
2.2. A =
0
2
2
1
2.3. A =
0
2
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

2
3
, b = 0 . On a rg(A) = rg([A|b]) = 2 < 3 donc il y a une infinit de solutions.
3
1 4
3
2
3

2
2
6

2
3
, b = 0 . On a rg(A) = 2 6= rg([A|b]) = 3 donc il ny a pas de solution.
4
1 4
3
2
3
3. m quations et n inconnues avec m < n :

2
1 2
2
3.1. A =
,b=
. On a rg(A) = rg([A|b]) = 2 < 3 donc il y a une infinit de solutions.
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
G. Faccanoni
23
2 Systmes linaires
Mthode de Gauss-Jordan
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 : pour i 6= j, les transformations
aij
Li Li
Lj
ajj
liminent linconnue xj dans 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

x1
4
1
x2 2
1
=
2 x3 3
3
4
x4
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
4
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
0 0
0
donc
1
0
0
0
x1 = 1,
x2 = 0,
L1 L1 +2L2
1
0
1
L3 L3 2L2
0
1
L4 L4 7L2 0

0
0
0
0
0
0
L1 L1 +11L4 /40
4
1
L2 L2 +9L4 /40
7 0
L3 L3 +4L4 /40
4
0
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.
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
24
G. Faccanoni
2 Systmes linaires
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
x
2
0 y = 1
0
z
1
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=
6
= 3,
2
y=
10
= 5,
2
z=
10
= 5.
2
Dfinition : cofacteur
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 ).
Exemple
Soit A = ( ac db ). Alors la matrice des cofacteurs de A est la matrice
d c
b 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), . . . ,
G. Faccanoni
25
2 Systmes linaires
(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
Soit A = ( ac db ) avec det(A) = ad bc 6= 0. Alors
A1 =
1
ad bc
d
c

b
.
a
Exemple
Calculer linverse de la matrice
1
A = 1
1
1
1
1
1
1 .
1
Premire mthode.
1. On calcule la matrice des cofacteurs des lments de A, appele

1
1
1+1 1
1+2 1
(1)
(1)

1 1
1 1

1
1
1
2+1
2+2 1

comatrice = (1)
(1)
1

1
1

1 1
1
1
(1)3+1
(1)3+2
1 1
1 1
2. on transpose la comatrice de A :
2
comatriceT = 2
0
3. on divise par det(A) :

A
2
1
2
=
4
0
0
2
2
0
2
2

1/2
2
0 = 1/2
0
2
comatrice de A :

1
1
(1)1+3
1
2

1
1
= 0
(1)2+3

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
L3 L3 /2
L1 L1 +L3
1/2
1/2
0
0
0 1

1/2
1/2
0 0
1
0
1
[A|I3 ] = 1
1
26
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
G. Faccanoni
2 Systmes linaires
Factorisation LU
La mthode du pivot de Gauss transforme le systme Ax = b en un systme quivalent (cest--dire ayant la
mme solution) de la forme Ux = y, o U est une matrice triangulaire suprieure et y est un second membre
convenablement modifi. Enfin on rsout le systme triangulaire Ux = y. Si on a plusieurs systmes dont seul le
second membre change, il peut tre utile de factoriser une fois pour toute la matrice A et rsoudre ensuite des
systmes triangulaires.
1. On factorise la matrice A Mn (R) sous la forme dun produit de deux matrices A = LU ainsi calcules
for k = 1 to n 1 do
for i = k + 1 to n do
(k)
aik
ìk (k)
akk
for j = k + 1 to n do
(k) (k)
(k)
(k+1)
aij ìk akj
aij
end for
end for
end for
la fin de la procdure les lments de la matrice triangulaire suprieure U sont donn par uij = aij pour
i = 1, . . . , n et j = i, . . . , n. Dans lalgorithme on na pas calcul les lments diagonaux de L car ils sont tous
gaux 1.
2. Une fois calcules les matrices L et U, rsoudre le systme linaire consiste simplement rsoudre successivement
2.1. le systme triangulaire infrieur Ly = b par lalgorithme
i1
X
b1
1
y1 =
bi
ìj yj ,
,
yi =
`11
`11
j=1
2.2. le systme triangulaire suprieure Ux = y par lalgorithme
n
X
yn
1
xn =
yi
uij xj ,
,
xi =
unn
unn
j=i+1
i = 2, . . . , n
j = n 1, . . . , 1
Attention
(k)
Dans cet algorithme les pivot akk , doivent tre diffrents de zro. Si la matrice est inversible mais un pivot est zro, on peut permuter deux lignes avant de poursuivre la factorisation. Lalgorithme modifi scrit
alors
for k = 1 to n 1 do
for i = k + 1 to n do
(k)
(k)
Chercher r tel que |ar k | = maxr=k,...,n |ark | et changer la ligne k avec la ligne r
(k)
ìk
aik
(k)
akk
for j = k + 1 to n do
(k+1)
(k)
(k) (k)
aij
aij ìk akj
end for
end for
end for
Une fois calcules les matrices L et U et la matrice des permutations P (i.e. la matrice telle que PA = LU),
rsoudre le systme linaire consiste simplement rsoudre successivement le systme triangulaire infrieur
Ly = Pb puis le systme triangulaire suprieure Ux = y.
Proprit
G. Faccanoni
27
2 Systmes linaires
La factorisation LU permet de calculer le dterminant de A facilement :

det(A) = det(L) det(U) =
n
Y
ukk .
k=1
Proposition
Le calcul explicite de linverse dune matrice peut tre effectu en utilisant la factorisation LU comme suit. En
notant X linverse dune matrice rgulire A Mn (R), les vecteurs colonnes de X sont les solutions des systmes
linaires
Axi = ei ,
pour i = 1, . . . , n.
En supposant que PA = LU, o P est la matrice de changement de pivot partiel, on doit rsoudre 2n systmes
triangulaires de la forme
Lyi = Pei ,
Uxi = yi ,
pour i = 1, . . . , n.
cest--dire une suite de systmes linaires ayant la mme matrice mais des seconds membres diffrents.
Exemple
Soit les systmes linaires
1
2
3
4
2
3
4
1
3
4
1
2

4
x1
1

1
x2 = 2
2 x3 3
3
x4
4
1
2
3
4
et
2
3
4
1
3
4
1
2

4
x1
10

1
x2 = 10 .
2 x3 10
3
x4
10
1. Rsoudre les systmes linaires par la mthode du pivot de Gauss.

2. Factoriser la matrice A (sans utiliser la technique du pivot) et rsoudre les systmes linaires.
3. Calculer le dterminant de A.
1. Rsolution par la mthode du pivot de Gauss du premier systme
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
4
1
0
0
0
2
1
2
7
3
2
8
10
1
0

0
0
2
1
0
0
3
2
4
0
L4 L4 +L3
4
7
10
13
4
7
4
40
1
L3 L3 2L2
0
L4 L4 7L2
0
0
1
0
0
0
2
1
0
0
3
2
4
4
4
7
4
36
1
0
0
0
1
0
0
0
donc
x4 = 0,
x3 = 0,
x2 = 0,
x1 = 1.
Rsolution par la mthode du pivot de Gauss du second systme
1
2
(A|b) =
3
4
2
3
4
1
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
3
2
8
10
1
0

0
0
2
1
0
0
3
2
4
0
L4 L4 +L3
donc
28
x1 + 2x2 + 3x3 + 4x4 = 10
x 2x 7x = 10
2
3
4
4x
+
4x
=
0
3
4
40x4 = 40
4
7
10
13
4
7
4
40
10
L3 L3 2L2
10
L4 L4 7L2
20
30
10
10
0
40
x4 = 1,
x3 = 1,
1
0
0
0
x2 = 1,
2
1
0
0
3
2
4
4
4
7
4
36
10
10
0
40
x1 = 1.
G. Faccanoni
2 Systmes linaires
2. Factorisation de la matrice A :
1 2 3 4 L2 L2 2L1 1
L3 L3 3L1
2 3 4 1 L4 L4 4L1 2
3 4 1 2 3
4
4 1 2 3
2
1
2
7
3
2
8
10
4
L3 L3 2L2
7
L4 L4 7L2
10
13
1
2
3
4
2
1
2
7
1
4
7
L4 L4 +L3 2

3
4
4
36
3
2
4
4
2
1
2
7
3
2
4
1
4
7
4
40
donc
1
2
L=
3
4
0
1
2
7
0
0
1
1
0
0
0
1
1
0
U=
0
0
2
1
0
0
3
2
4
0
Pour rsoudre le premier systme linaire on rsout les systmes triangulaires Ly = b

y1
1 0 0 0
1
2 1 0 0 y2 2
=
=
y1 = 1, y2 = 0,
3 2 1 0 y3 3
4 7 1 1
4
y4
4
7
4
40
y3 = 0,
y4 = 0
et Ux = y
1
0
0
0
Pour rsoudre
1
2
3
4
et Ux = y
1
0
0
0
2
1
0
0
3
2
4
0

x1
4
1
x2 0
7
=
4 x3 0
40
0
x4
x4 = 0,
x3 = 0,
le second systme linaire on rsout les systmes triangulaires Ly = b

10
0 0 0
y1

1 0 0
y2 = 10
=
y1 = 10, y2 = 10,
2 1 0 y3 10
10
7 1 1
y4
2
1
0
0
3
2
4
0
4
x1
10

7
x2 = 10
4 x3 0
40
x4
40
x4 = 1,
x3 = 1,
x2 = 0,
x1 = 1.
y3 = 0,
y4 = 40
x2 = 1,
x1 = 1.
3. Le dterminant de A est u11 u22 u33 u44 = 1 (1) (4) 40 = 160.
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 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).
G. Faccanoni
29
2 Systmes linaires
............... Exercices ...............

Exercice 2.1
Vrai ou faux ?
Un systme linaire de 3 quations 4 inconnues dont les secondes membres sont nuls a des solutions non
nulles.
Un systme linaire de 4 quations 3 inconnues dont les secondes membres sont nuls na que la solution
nulles.
Vrai : le systme est de rang 3.
Solution.
Faux. Contrexemple : un systme linaire o toutes les quations sont identiques.
Exercice 2.2
x1 + 2x2 x3 = 2,
x1 2x2 3x3 = 6,
x1 + 4x2 + 4x3 = 3.
Solution.
x1 +2x2 x3 = 2,
x1 +2x2 x3 = 2, L2 L2 L1 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 .
Exercice 2.3
x1 + x2 + 3x3 = 12,
2x1 x2 + 2x3 = 8,
4x1 + x2 4x3 = 15.
Solution.
x1 +x2 +3x3 = 12 L2 L2 +2L1 x1 +x2 +3x3 = 12

x1 +x2 +3x3 = 12
L3 L3 +4L1
L3 L3 5L2
2x1 x2 +2x3 = 8
x2 +8x3 = 16
x2 +8x3 = 16
4x1 +x2 4x3 = 15

5x2 +8x3 = 63
32x3 = 17
donc x3 =
17
32 ,
x2 =
47
4
et x1 =
43
32 .
Exercice 2.4 Rsolution dun systme 2 2 avec paramtre

Discuter et rsoudre le systme
(Sm )
(
(4m2 1)x + (2m 1)2 y = (2m + 1)2 ,
(2m + 1)x + (4m 1)y = 4m2 1,
dinconnue (x, y) R2 et de paramtre m R.
30
G. Faccanoni
2 Systmes linaires
Solution. Comme le systme contient un paramtre, on commence par calculer le dterminant de la matrice associe :
2

4m 1 (2m 1)2

= (4m2 1)(4m 1) (2m 1)2 (2m + 1) = 2m(2m 1)(2m + 1).
2m + 1
4m 1
Le systme est de Cramer si et seulement si ce dterminant est non nul, donc

(Sm ) est un systme de Cramer si et seulement si m R \
B tude du cas m = 12 . Le systme scrit
(
(S1/2 )
4y = 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 )
1
1
, 0,
2
2

.
x R,
y = 0.
(
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 utilise 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 = 0,
sinon.
Exercice 2.5
2u4v+3w=1
2v w=1
u +v3w=6
Solution. On utilise la mthode du pivot de Gauss :
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 2.6
G. Faccanoni
31
2 Systmes linaires
2x y +z=0
x2y +z=0
x +y2z=0
y +z=0
2x y +z=0 L2 L2 +L1 /2 2x
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 2.7
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
L
L
+L
/2
3
3
1
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
+4t=2
2xy
+4t=2
2xy
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.
Exercice 2.8
1
2
3
4
2
3
4
1
3
4
1
2

4
x1
10
x2 10
1
= .
2 x3 10
3
x4
10
par la mthode du pivot de Gauss.
Solution.
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
3
4
2 7
8 10
10 13
1
0

0
0
2
1
0
0
3
2
4
4
L3 L3 2L2
L4 L4 7L2
32
4
7
4
36
10
10
20
30
10
10
0
40
G. Faccanoni
2 Systmes linaires
1
0
L4 L4 +L3

0
0
donc
x1 + 2x2 + 3x3 + 4x4 = 10
x 2x 7x = 10
2
3
4
4x
+
4x
=
0
3
4
40x4 = 40
2
1
0
0
x4 = 1,
3
2
4
0
4
7
4
40
x3 = 1,
10
10
0
40
x2 = 1,
x1 = 1.
Exercice 2.9 Rsolution dun systme 3 3 avec paramtre.

(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.

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).
(Sa ) est de Cramer si et seulement a R \ { 3, 0 } .
Notons S lensemble des solutions.
B tude du cas a = 3. Le systme scrit
(S3 )
2x + y + z = 0,
x 2y + z = 0,
x + y 2z = 0,
On utilise la mthode du pivot de Gauss :
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
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 } .

(S0 )
x + y + z = 0,
x + y + z = 0,
x + y + z = 0,
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) } .
G. Faccanoni
33
2 Systmes linaires
Exercice 2.10 Rsolution dun systme 3 3 avec paramtre.

x + ay + (a 1)z = 0,
3x + 2y + az = 3,
(a 1)x + ay + (a + 1)z = a,
(Sa )
dinconnue (x, y, z) R3 et de paramtre a R.

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
(Sa ) est de Cramer si et seulement a R \ { 0, 4 } .
Notons S lensemble des solutions.
x z = 0,
3x + 2y = 3,
x + z = 0,
(S0 )
donc z = R, y =
33
2
et x = , ainsi

S=
3 3
,
2

R .


(S4 )
x + 4y + 3z = 0,
3x + 2y + 4z = 3,
3x + 4y + 5z = 4,
On utilise la mthode du pivot de Gauss :
x +4y+3z=0,
x+4y+3z=0, L2 L2 3L1 x +4y+3z=0,
L3 L3 3L1
L3 10L3 8L2
10y5z=3,
10y5z=3,
3x+2y+4z=3,
0=16.
8y4z=4,
3x+4y+5z=4,
La dernire quation est impossible donc
S = .
B tude du cas a R \ { 3, 0 }. On utilise la mthode du pivot de Gauss :
+ay +(a 1)z=0,

x+ay+(a 1)z=0, L2 L2 3L1
x
L3 L3 (a1)L1
3x +2y
+az=3,
(2 3a)y +(3 2a)z=3,
(a 1)x+ay+(a + 1)z=a,
(2 a)ay+(3 a)az=a,
x
+ay +(a 1)z=0,
(2a)a
L3 L3 (23a)
L2
(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 =
34

a2 2a4
a(a4) ,
ainsi
a6
4
a2 2a 4
,
,
a(a 4)
a(a 4) a(a 4)

.
G. Faccanoni
2 Systmes linaires
Exercice 2.11 Rsolution de systmes non carres

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 .
Solution. (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.

Rsoudre le systme
(S)
x + 2y + z = 1,
2x + y z = 1,
x + y + 2z = 2,
x + y + z = 4,
x + 2y + z = 1,
(S 0 )
2x + y z = 1,
x + y + 2z = 2,
x+2y +z=1, L2 L2 2L1 x+2y +z=1,

L3 L3 +L1
2x +y z=1,
3y3z=3,
x +y+2z=2,
3y+3z=3,
x+2y +z=1,
L3 L3 +L2
3y3z=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).

Rsoudre le systme
(S)
G. Faccanoni
(
2x + y + z = 0,
x 2y + z = 0,
35
2 Systmes linaires
Solution. (S) est quivalent au systme
(
2x + y + z = 0,
3y + 3z = 0,
qui admet une infinit de solutions de la forme (, , ) pour R.
Exercice 2.14
(
(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.
Solution. (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 2.15
(S)
2x1 x2 3x3 = 0,
x1 + 2x3 = 0,
2x1 3x2 x3 = 0.
Ce systme est-il compatible ? Possde-t-il une solution unique ?
Solution.
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 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 2.16
Trouver toutes les solutions du systme linaire homogne
3x1 + x2 + 2x3 = 0,
(S)
2x1 + 2x3 = 0,
11x1 + 6x2 + 5x3 = 0.
36
G. Faccanoni
2 Systmes linaires
Solution.
3
1
2
L3 L3 +7L2 /2
2/3 2/3 0
7/3
0
7/3
1 2 L2 L2 2L1 /3
3
L3 L3 11L1 /3
0 2 0
0
6 5
3
2
11
1
2/3
0
2
2/3
0
Le systme admet une infinit de solutions de la forme (, ) avec R.
Exercice 2.17
Trouver toutes les solutions du systme linaire homogne
x1 + x2 + 3x3 + x4 = 0,
(S)
x1 + 3x2 + 2x3 + 4x4 = 0,
2x1 + x3 x4 = 0.
Solution.
1
1
2
1
3
0
3
2
1
L2 L2 L1
1
1
L3 L3 2L1
4 0
1
0
1
2
2
3
1
5
1
1 1
L3 L3 +L2
3 0 2
3
0 0
3 1
1 3
6 0
Le systme admet une infinit de solutions de la forme ( 12 , 32 , 0, ) avec R.

(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. aucune solution ;
2. une solution unique ;
3. une infinit de solutions.
Solution.
1 1 1
2 3
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. (S) ne possde aucune solution si et seulement si = 2
2. (S) possde une solution unique si et seulement si 6 { 2; 3 }
3. (S) possde une infinit de solutions si et seulement si = 3
Exercice 2.19 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.
G. Faccanoni
37
2 Systmes linaires
x 2y + 2z = 0,
0
(S )
2x + y 2z = 0,
3x + 4y 6z = 0,
x2y+2z=0, L2 L2 2L1 x2y +2z=0,

L3 L3 3L1
2x +y2z=0,
5y 6z=0,
3x+4y6z=0,
10y12z=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.
Exercice 2.20
Rsoudre le systme linaire suivant par la mthode du pivot de Gauss :

6 1 1
x1
12
2 4 0 x2 = 0 .
1 2 6
x3
6
Solution.
L2 L2 2 L1
6
6
12
L3 L3 61 L1
0
0
6
0
6 1 1
[A|b] = 2 4 0
1 2 6
donc
6x1 + x2 + x3 = 12,
11
1
3 x2 3 x3 = 4
6x3 = 6
1
11
3
11
6
1
13
35
6
11
6 L
12
6
L3 L3 11
2
3
4
0
0
4
x3 = 1,
x2 = 1,
1
11
3
1
31
6
12
4
6
x1 = 2.
Calculer A1
1
o A est la matrice 4
2
0
1
0
1
2.
1
Solution.
1
[A|I3 ] = 4
2
0
1
0
1
2
1
1
0
0
0
1
0
L2 L2 4L1
0
1
L3 L3 +2L1
0 0
1
0
1 0
0 1
0 0
L2 L2
L3 L3
1
2
1
1
4
2
1 0 0
4 1 0
2 0 1
L1 L1 +L3
1 0 0
0
0
L2 L2 +2L3
1 0 0 1 0
0 1
0 0 1
0
1
0
1
2
1
1
0
2
0
1
0
1
2 = [I3 |A1 ].
1
38
G. Faccanoni
Calculer A1
2 Systmes linaires
1
o A est la matrice 0
2
1
2.
1
0
1
0
Solution.
1
[A|I3 ] = 0
2
0
1
0
1
2
1
1
0
0
0
1
0
0
L3 L3 2L1
0

1
1 0 1
L3 L3
0 1 2
0 0 1
1 0
0 1
0 0
1
0
2
0
1
0
1
2
1
0 0
1 0
0 1
1
0
2
L1 L1 L3
0
1 0 0
L2 L2 2L3
0
0 1 0
1
0 0 1
1
4
2
0 1
1 2 = [I3 |A1 ].
0 1
Exercice 2.23
Calculer les inverses des matrices suivantes (si elles existent)

1
2 3
a b
A=
,
B=
,
C = 2
4 5
c d
2
5
3
11
1 ,
9 11
1
D = 2
1
5
3
11
1 .
4 10
Solution. det(A) = 22 6= 0 donc A est inversible et on trouve

1
5 3
A1 =
.
22 4 2
B est inversible si et seulement si ad 6= bc et on a
1
d
c

b
.
a
130 28
1
5
= 24
2
4
1
38
7 .
1
1
=
ad bc
det(C) = 2 6= 0 donc C est inversible et on trouve
C1
det(D) = 0 donc D nest pas inversible.
Exercice 2.24
Rsoudre les systmes linaires suivants :
x 5y 7z = 3
x 5y 7z = 6
et
2x 13y 18z = 3
2x 13y 18z = 0
3x 27y 36z = 3
3x 27y 36z = 3
G. Faccanoni
et
x 5y 7z = 0
2x 13y 18z = 3
3x 27y 36z = 6.
39
2 Systmes linaires
Solution. Le trois systmes scrivent sous forme matricielle

1 5 7
x
3
1 5
7
x
6
2 13 18 y = 3 et 2 13 18 y = 0
3 27 36
z
3
3 27 36
z
3
On remarque que seul le seconde membre change. On
L2 L2 2L1
1 5 7
1
L3 L3 3L1
2 13 18
0
3 27 36
0
1
2
3
et

5 7
x
0
13 18 y = 3
27 36
z
6
calcul alors dabord la dcomposition LU de la matrice A :
5 7
1 5 7
L3 L3 4L2
3 4
0 3 4
12 15
0 0
1
donc
1
L = 2
3
0
1
4
0
0
1
1
U = 0
0
5
3
0
7
4
1
Pour rsoudre chaque systme linaire on rsout les systmes triangulaires Ly = b et Ux = y.

1. Pour le premier systme on a

1 0 0
y1
3
2 1 0 y2 = 3
3 4 1
y3
3

x1
3
1 5 7
0 3 4 x2 = 3
6
0 0
1
x3
2. Pour le seconde systme on a

1 0 0
y1
6
2 1 0 y2 = 0
3 4 1
y3
3
1 5 7
x1
6
0 3 4 x2 = 12
0 0
1
x3
27
3. Pour le dernier systme on a

1 0 0
y1
0
2 1 0 y2 = 3
3 4 1
y3
6
1 5 7
x1
6
0 3 4 x2 = 12
0 0
1
27
x3
y1 = 3,
y2 = 3,
y3 = 6;
x3 = 6,
x2 = 7,
x1 = 10.
y1 = 6,
y2 = 12,
y3 = 27;
x3 = 27,
x2 = 32,
x1 = 35.
y1 = 0,
y2 = 3,
y3 = 6;
x3 = 6,
x2 = 7,
x1 = 7.
Exercice 2.25
6
2
1
1
4
2

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

2. Factoriser la matrice A (sans utiliser la technique du pivot) et rsoudre le systme linaire.
Solution.
1. Mthode du pivot de Gauss :
6 1 1
[A|b] = 2 4 0
1 2 6
40
L2 L2 2 L1
6
6
12
L3 L3 61 L1
0
0
6
0
1
11
3
11
6
1
13
35
6
11
6 L
12
6
L3 L3 11
2
3
4
0
0
4
1
11
3
1
31
6
12
4
6
G. Faccanoni
2 Systmes linaires
donc
6x1 + x2 + x3 = 12,
1
11
3 x2 3 x3 = 4
6x3 = 6
2. Factorisation de la matrice A :
L2 2 L1
6
6
6 1 1 LL2 L
1
3
3 6 L1
2 4 0
62
1
1 2 6
6
x3 = 1,
1
11
3
11
6
x2 = 1,
x1 = 2.
11
6
6 L
1
L3 L3 11
2
2
3
1
3 6
35
6
1
11
3
11
1
6
6
11
3
1
31
donc
L = 13
1
6
0
1
1
2
0
0
1
6
U = 0
0
1
11
3
1
31
6
Pour rsoudre le systme linaire on rsout les systmes triangulaires Ly = b

1 0 0
y1
12
1 1 0 y2 = 0
=
y1 = 12, y2 = 4,
3
1
1
y3
6
1
6
2
y3 = 6
et Ux = y
6
0
0
G. Faccanoni
1
11
3

1
x1
1
13 x2 = 4
x3
6
6
x3 = 1,
x2 = 1,
x1 = 2.
41
3 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.
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.
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 , R = u F
43
Exemple
Lensemble

F=
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
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),
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,
3. f F , R = f F car ( f)(x) = f(x) = 0 ;
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 :
44
G. Faccanoni
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 ;
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 .
On cherche alors a et b rels tels que
ce qui donne
u3 = au1 + bu2 ,
1 = a,
0 = 2a + 2b,
1 = 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
G. Faccanoni
45

Notons que les vecteurs u1 , u2 , . . . , up appartiennent Vect u1 , . . . , up car pour tout j = 1, 2, . . . , p
uj =
p
X
0 ui + 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

=
a
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 :
pour tout u E il existe unique (1 , . . . , p ) Rp tel que u =
p
X
i ui ;
i=1
Les rels 1 , . . . , p sont alors les coordonnes du vecteur u dans la base F et on dit que E est de dimension
p finie.
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

3
1
u1 =
,
2
0
0
0
u2 =
1 ,
1

0
0
u3 =
.
0
2
Montrons quils sont linairement indpendants dans R4 .

Il faut montrer que le vecteur (0, 0, 0, 0) ne peut scrire que dune seule faon comme combinaison linaire de u1 , u2 et
u3 .Supposons que
0 = 1 u1 + 2 u2 + 3 u3 ,
46
G. Faccanoni
ce qui revient au systme linaire
0 = 3a,
0 = a,
0 = 2a b,
0 = b + 2c
a = b = c = 0.
Par consquent la famille { u1 , u2 , u3 } est libre dans R4 .
Thorme et dfinition
Dans un espace vectoriel E de dimension finie, toutes les bases ont le mme nombre dlments. Ce nombre, not
dim(E), est appel la dimension de E.
Thorme
Dans un espace vectoriel E de dimension n, une famille gnratrice a au moins n lments. Si elle a plus de n
lments, 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,
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 de cardinal n
F est gnratrice de E et de cardinal n
F est libre et gnratrice de E
On utilise ce thorme principalement pour montrer quune famille F est une base de E. On utilisera surtout (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
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, 1) + 2 (1, 2) = (0, 0)
=
=
1 = 2 = 0
1 + 22 = 0
B cardinal(B ) = 2.
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, mais il ne faut pas parler de cardinal dun espace vectoriel, ni de dimension dune base.
G. Faccanoni
47
Exemple
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
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
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

Deux vecteurs u et v de E sont dits colinaires si et seulement si u = 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).
B u et v sont colinaires car v = 2 u : 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.
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.
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 }).
48
G. Faccanoni
Le rang dune matrice A est le rang des vecteurs colonnes de A, cest--dire la dimension du sous-espace vectoriel
quils engendrent.
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
F 1 F 2 = { 0E }
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).
G. Faccanoni
49
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 le proposition sur la dimension de la somme 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 alora on a
dim(F G) = dim(F ) + dim(G) dim(F + G) = dim(F ) + dim(G) dim(E) = 0
et donc F G = { 0E }.
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 . On la note PB B 0 .
Exemple
Soit B = { e1 , e2 } et B 0 = { e01 , e02 } deux bases de R2 . Alors
50
G. Faccanoni
e2

p11
p21

p12
coord(e02 , B ) =
p22
coord(e01 , B ) =
e02
p22
p12
e1
p11
B B 0
p21

p11
=
p21
p12
p22
e01
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
x20
x2

ou encore
.. = PB B 0 ..
.. = PB 0 B .. .
.
.
.
.
0
0
xn
xn
xn
xn
Exemple
Soit B = { e1 , e2 } et B 0 = { e01 , e02 } deux bases de R2 . Alors
e2
u
e02
x10
x2
x1
coord(u, B ) =
e1
x20

x1
x2
coord(u, B 0 ) =
0
x1
x20
e01

0
x1
p11 p12
x1
=
x2
p21 p22
x20
| {z }
|
{z
} | {z }
coord(u,B 0 )
PB B 0
coord(u,B )
Attention
Ne pas confondre le vecteur u E (qui peut tre un polynme, une fonction, une matrice. . .) avec la matrice
colonne de ces coordonnes dans la base B de E (quon peut noter coord(u, B )).
G. Faccanoni
51
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 .

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 .
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
52
{z
i
G. Faccanoni
............... Exercices ...............

Exercice 3.1
Dmontrer que lensemble
F=

(x, y, z) R3 x + y + 2z = 0
est un sous-espace vectoriel de R3 .
Solution. Ici on va utiliser les deux premires mthodes.

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
x R
3
x, y, z R
y F
zR
x + y + 2z = 0
z
y = 2z x.
Donc

0
1
0
1
1

F = 1 22 1 , 2 R = 1 1 + 2 2 = Vect 1 , 2 .

1
0
1
2
0
Par consquent F est un sous-espace vectoriel de R3 . (On peut galement en 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).
Solution.

a
F=
b

1
b

M2 (R) a + b = 0 = a
1
c

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) R2
est un sous-espace vectoriel de R3 .
Solution.

1
0
0
1

1
F = 1 1 , 2 R = 1 1 + 2 0 1 , 2 R = Vect 1 , 0 .
2
0
1
0
1
Par consquent F est un sous-espace vectoriel de R3 .
G. Faccanoni
53
Exercice 3.4

F=
a b
b b

(a, b) R2

Solution.

F=
a
b

b
1
a, b R = a
b
0

0
0
+b
0
1

1
1
a, b R = Vect
1
0

0
0
,
0
1
1
1

.
Exercice 3.5

F=
a b
c d

M2 (R) a + b + c + d = 0
Solution.

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
Exercice 3.6
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 }.
Solution.
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
(a, b) R2 tel que x 2y + z = 0.
Exercice 3.7
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 } .
54
G. Faccanoni
Solution. 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 3.8
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 .
Solution. 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,
5
1
a =
, b=
,
16
16
a + 5b = 0
do la relation w =
1
16 (5u1
u2 ).
Exercice 3.9
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 .
1 1 1
Solution. Comme det 1 2 7 6= 0, rg(A) = 3 et lon a rg(A) = card(A) : les vecteurs u1 , u2 et u3 sont linaire
3 5 1
indpendants. 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,
3
1
a =
, b = 1, c = ,
a + 2b + 7c = 0,
2
2
3a + 5b + c = 0,
do la relation w = 21 (3u1 2u2 + u3 ).
Exercice 3.10
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 { u1 , u2 , u3 } ? Si oui,
lexprimer comme combinaison linaire de u1 , u2 et u3 .
1 2 3
Solution. Comme det 4 5 0 6= 0, rg(A) = 3 et lon a rg(A) = card(A) : les vecteurs u1 , u2 et u3 sont linaire
3 3 3
indpendants. 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,
1
2
3
a =
, b=
, c=
,
4a + 5b = 0,
6
15
10
3a + 3b 3c = 0,
do la relation w = 16 u1 +
G. Faccanoni
2
15 u2
3
10 u3 .
55
Exercice 3.11
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.
Solution. 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 3.12
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.
Solution. Sans faire de calcul

sait
1on
que 1 rg(A) 4. Comme u4 = 3u1 5u2 + 2u3 donc Vect { u1 , u2 , u3 , u4 } =
2 1
1
1
0
Vect { u1 , u2 , u3 }. Comme det
6= 0, on conclut que rg(A) = 3.
1 0 1
Exercice 3.13
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.
Solution. 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.
56
G. Faccanoni
Solution. On note U lespace vectoriel engendr par les vecteurs u1 , u2 et u3 et V lespace vectoriel engendr par
les vecteurs v1 , v2 . 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, est combinaison linaire des vecteurs v1 ,
v2 :
1 = a + 2b,
2 = 2a + 4b,
u1 = av1 + bv2
a = 1, b = 1
1 = 4a 5b,
3 = 11a + 14b,
2 = a + 2b,
4 = 2a + 4b,
u2 = av1 + bv2
a = 4, b = 3
1 = 4a 5b,
2 = 11a + 14b,
3 = a + 2b,
6 = 2a + 4b,
u3 = av1 + bv2
a = 7, b = 5
3
=
4a
5b,
7 = 11a + 14b,
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,
a = 3 + , b = 1 2, c = ,
v1 = au1 + bu2 + cu3
4 = a + b + 3c,
11 = 3a 2b 7c,
2 = a + 2b + 3c,
4 = 2a + 4b + 6c,
a = 4 , b = 1 2, c = ,
v2 = au1 + bu2 + cu3
5 = a + b + 3c,
14 = 3a 2b 7c,
Exercice 3.15
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].
Solution. 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 0 1

Comme 1 1 0 = 3, le systme est de Cramer et on peut conclure que R2 [x] Vect { p0 , p1 , p2 }. Aprs
0 1 2
rsolution du systme linaire on trouve q = bp0 + (a + b + c)p1 + (a b)p2 .
G. Faccanoni
57
Exercice 3.16
tudier si la famille
F = { u = (2, 3), v = (4, 5) }
de lespace vectoriel R2 est libre. Si la famille est lie, trouver une relation entre les vecteurs de cette famille.
Solution. On dit quune famille F =
u1 , . . . , up
p
X

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.
Exercice 3.17
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.
u1 , . . . , up
p
X

est libre lorsque
ai ui = 0E
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 3.18
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.
58
G. Faccanoni
u1 , . . . , up
p
X

est libre lorsque
ai ui = 0E
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.
Exercice 3.19
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.
u1 , . . . , up
p
X

est libre lorsque
ai ui = 0E
ai = 0 i.
i=1
Ici
n
X
ai ui = 0E a0 p0 + a1 p1 + a2 p2 + a3 p3 = 0 (2a2 + 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 .
Exercice 3.20
On considre dans Rn 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 }
G. Faccanoni
59
Solution.
Oui
Oui
Non
Oui
Non : 7(e2 e1 ) = 2(2e1 + e2 ) + 3(e1 3e2 )
Exercice 3.21
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.
Solution. Comme det
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
Exercice 3.22
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.
Solution.
Vrai.
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 famille 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 3.23
Considrons lensemble
F=

(x, x, y, y) (x, y) R2 .
1. Montrer que F est un sous-espace vectoriel de R4 .

2. Donner une base de F et sa dimension.
60
G. Faccanoni
Solution.
1. F est un sous-espace vectoriel de R4 car

0
1
1
0
1

0
1 0
1
1

F = 1 , 2 R = 1 + 2 1 , 2 R = Vect , .
2
1
0
0
1
1
0
0
1
2
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 cardinal { u1 , u2 } = 2, alors
dim(F ) = 2.
Exercice 3.24
F=

a + ax 2 + bx 4 (a, b) R2 .
1. Montrer que F est un sous-espace vectoriel de R4 [x].

Solution.
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 cardinal { p, q } = 2, alors dim(F ) = 2.
Exercice 3.25
F=

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

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=

1
2
1
2
21 2
Solution.
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 cardinal { u1 , u2 } = 2, alors
dim(F ) = 2.
Exercice 3.26
a b
F = b a
c 0

0 (a, b, c) R3 .
a+b
1. Montrer que F est un sous-espace vectoriel de M3 (R).

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

0
1 0 0
0
a b

0 (a, b, c) R3 = 1 0 1 0 + 2 1
F = b a

c 0 a+b
0 0 1
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
1
0
0
0
0
0 + 3 0
1
1
0
0
0
0 1 , 2 , 3 R
61
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 est libre et est une base de F . Comme cardinal { I3 , A, B } = 3, alors dim(F ) = 3.
Exercice 3.27
F = { p R3 [x] | p(0) = p(1) = 0 } .
1. Montrer que F est un sous-espace vectoriel de R3 [x].

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

o
n

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) .
2. Les deux polynmes p(x) = x 2 (x 1) et q(x) = x(x 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 cardinal { p, q } = 2, alors
dim(F ) = 2.

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 .
Solution.
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
62

0
1
+b
0
0

0
0
+c
1
2

1
a, b, c R
0
G. Faccanoni

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 cardinal { 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.

Solution.
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.
G. Faccanoni
63
Exercice 3.30 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
Solution.
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
64
G. Faccanoni
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 ).
Exercice 3.31 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 .
Solution.
1. Pour montrer que lensemble { q0 , q1 , q2 , q3 } est une base de R3 [x] il faut montrer quil sagit dune
famille libre : on dit quune famille F = u1 , . . . , up est libre lorsque
p
X
ai ui = 0E
ai = 0 i.
i=1
Ici
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
a2
a3
= 0,
= 0,
= 0,
= 0,
donc la famille est libre. Comme cardinal(Vect { q0 , q1 , q2 , q3 }) = 4 et que dim(R4 [x]) = 4, alors { 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),
q1 (x) = 0 c0 (x) + 1 c1 (x) + 1 c2 (x) + 1 c3 (x),
q2 (x) = 0 c0 (x) + 0 c1 (x) + 1 c2 (x) + 1 c3 (x),
q3 (x) = 0 c0 (x) + 0 c1 (x) + 0 c2 (x) + 1 c3 (x),
donc
PCB
G. Faccanoni
1
1
=
1
1
0
1
1
1
0
0
1
1
0
0
0
1
65
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
inverser la matrice on peut utiliser
L2 L2 L1
0 1 0 0 0
1
L3 L3 L1
0
0 0 1 0 0
L
L
L
4
4
1

0
0 0 0 1 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
la mthode de Gauss
0 0 0
1 0 0
1 1 0
1 1 1
1
1
1
1
1 0 0 0
0 1 0 0
0 0 1 0
0 0 0 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
ou rsoudre directement le systme linaire (ici cest trs facile car il sagit dun systme triangulaire) :
q0
q
1
q
2
q3
= c0 + c1 + c2 + c3 ,
c0
c
= c1 + c2 + c3 ,
1
= c2 + c3 ,
c
2
= c3 ,
c3
ainsi
PB C
1
1
=
0
0
0
1
1
0
= 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),
c1 (x) = 0 q0 (x) + 1 q1 (x) 1 q2 (x) + 0 q3 (x),
c2 (x) = 0 q0 (x) + 0 q1 (x) + 1 q2 (x) 1 q3 (x),
c3 (x) = 0 q0 (x) + 0 q1 (x) + 0 q2 (x) + 1 q3 (x).
3. Soit le polynme 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
0 1 1 0 c = c b .
dc
d
0
0 1 1
Exercice 3.32 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) } .
Solution. 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.
66
G. Faccanoni
Exercice 3.33
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 }.
Solution. Un vecteur w de lintersection scrit la fois au1 + bu2 et cv1 + dv2 , ce qui donne le systme
3a = c 4d,
3a + c + 4d = 0,
d = 3, c = 6, b = 2, a = 2.
4a + b = 2c + 2d,
4a + b 2c 2d = 0,
2a b = c
2a b c = 0
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) }.

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 et un supplmentaire de U dans V ,
3. trouver une base de U W .
4. Est-il vrai que U + W = V ? Justifier la rponse.
Solution. 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,
u1 (t) + u2 (t) + u3 (t) = 0 + t + ( + )t 2 + ( + )t 3 = 0
= 0,
= 0.

On conclut que la famille
3.
G. Faccanoni
u1 (t) = 1 + t 2 t 3 , u2 (t) = t + t 3 , u3 (t) = t 2
constitue une base de U et dim(U) =
67
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) = v0 (t) + u3 (t) u1 (t),
donc une autre base de V est la famille { v0 (t), v4 (t), u1 (t), u2 (t), u3 (t) }. On peu alors conclure quune base
dun supplmentaire de U dans V est lensemble { v0 (t), v4 (t) }.
3. 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 t t 3 , t + 2t 2 + t 3 .
U W =

Comme la famille
t t 3 , t + 2t 2 + t 3
est libre, elle constitue une base de U W et dim(U W ) = 2.
4. 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.
68
G. Faccanoni
4 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.
B Une application f de E dans F est une fonction de E dans F dont le domaine de dfinition est gal E.
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 0 E
x 6= x 0 = f(x) 6= f(x 0 ),
x E
x 0 E
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.
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,
69
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 Pour prouver quune application f : E F est linaire on utilise la dfinition.
B Si f est une application linaire, pour prouver quelle est un isomorphisme il suffit de prouver quelle est bijective ;
B si f est une application linaire, pour prouver quelle est un endomorphisme il suffit de prouver que f(E) E ;
70
G. Faccanoni
B si f est une application linaire, pour prouver quelle est un automorphisme il suffit de prouver quelle est bijective
et que f(E) E.
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).
G. Faccanoni
71
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.
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) } .
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)).
Exemple
Prenons lensemble E des suites des nombres rels et considrons lapplication linaire
f: R R
(un )nN 7 (un+2 un+1 un )nN .
Lensemble des suites vrifiant un+2 un+1 un = 0 est ker(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 .
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
Soit E et F deux espaces vectoriels de dimension finie et f une application linaire de E vers F .
Si dim(E) = dim(F ), il y a quivalence entre :
B f Isom(E, F ),
B ker(f) = { 0E },
B im(f) = F , i.e. rg(f) = dim(F ).
Cas particulier : si E = F , il y a quivalence entre :
B f Aut(E),
B ker(f) = { 0E },
B im(f) = E.
72
G. Faccanoni
Matrices et applications linaires

Dfinition : matrice 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 et C de
constitue des coordonnes de f(ej ) dans la base C :
a11 . . . a1j
..
..
.
.
a
i1 . . . aij
M(f, B , C) =
..
..
.
.
am1 . . . amj
F la matrice m n dont la j-me colonne est

. . . a1n
..
.
. . . ain
..
.
. . . amn
coordonnes de f(ej )
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
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
G. Faccanoni
...
..
.
...
..
.
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
73
Attention
La matrice associe une application linaire nest pas unique, elle dpends des bases choisies dans les espaces
E et F .
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 est 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.
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 , i.e. que u a pour coordonnes (x, y, z) dans la base B , 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).
2x + 4y + 6z
2 4 6
z
On a donc f(u) = (x + 3y + 5z; 2x + 4y + 6z) dans la base C, ce qui confirme le calcul direct f(u) = xf(e1 ) + yf(e2 ) + zf(e3 ).
Changement de base
Proposition
Soit
B B et B 0 deux bases de E,
B C et C0 deux bases de F ,
74
G. Faccanoni
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.
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.
Exemple
Dans R2 muni de sa base canonique C = { e1 , e2 }, posons u = (3, 1) et v = (5, 2). Les vecteurs u et v forment une base B de
R2 . Considrons alors lapplication linaire de R2 dans lui mme dfinie par
f(u) = 2u,
f(v) = v.
Par rapport la base B , f a pour matrice la matrice diagonale

2 0
.
D=
0 1
Dterminons maintenant la matrice de f par rapport la base canonique. Comme
u = 3e1 + e2 ,
on a
e1 = 2u v,
v = 5e1 + 2e2
u2 = 5u + 3v.
On en dduit
f(e1 ) = f(2u v) = 2f(u) f(v) = 4u + v = (17, 6),
f(e2 ) = f(5u + 3v) = 5f(u) + 3f(v) = 10u 3v = (45, 16).
La matrice de f par rapport la base canonique est donc
A=

17
6

45
.
16
La matrice de passage de la base canonique C la base B est la matrice

2
5
PCB =
1 3
et la matrice de passage de la base B la base canonique C est la matrice

3 5
P1
=
P
=
B C
CB
1 2
et on a bien
PB C DPCB = A.
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.
G. Faccanoni
75
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 .
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) }
76
G. Faccanoni
est une famille gnratrice de im(f). On sait alors quil suffit den extraire une famille libre de cardinalit 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 :
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
77
............... 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 .

ux
vx
Solution.
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 :

0
ux
u = uy ker(f) f(u) = 0
0
uz

ux + uy + uz
0
ux uy + uz = 0
0
ux + 3uy + uz
ux +uy +uz =0
ux uy +uz =0
ux +3uy +uz =0
ux +uy +uz =0
2uy
=0
2uy
=0

u = 0 , R.
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)) = 31 = 2. Soit { c1 , c2 , c3 }

la base canonique de R3 , i.e.

1
0
0
c1 = 0 ,
c2 = 1 ,
c3 = 0 .
0
0
1
78
G. Faccanoni
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

1
1
Comme la cardinalit 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
f(c1 ) = 1 = c1 + c2 + c3 ,
f(c2 ) = 1 = c1 c2 + 3c3 ,
1
3

1
f(c3 ) = 1 = c1 + c2 + c3 .
1
Alors par dfinition la matrice e f relativement la base canonique de R3 est la matrice 3 3
1 1 1
M = 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 .
Solution.

ux
vx
uz
vz
ux + v x
ux + vx + 2(uy + vy )
ux + 2uy
vx + 2vy
= uy + vy = f(u) + f(v),
uy + vy
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
G. Faccanoni

0
u = 0 .
0
79
Do

0
ker(f) = 0 .
Par consquent dim(ker(f)) = 0.

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

1
c1 = 0 ,
0

0
c2 = 1 ,
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 = 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.
Solution.

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.
80
G. Faccanoni

ux
1
, 1 , 2 R.
u = uy ker(f) f(u) = 0 ux + uy + uz = 0 u = 2
uz
1 2
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 { c1 , c2 , c3 } la base canonique de R3 et { w } la base canonique de R, i.e.

0
0
1
c2 = 1 ,
c3 = 0 ;
w = 1.
c1 = 0 ,
0
1
0
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= 1 1 1 .
Exercice 4.4
Soit lapplication
f : R2 R3

x
x
7 y
y
x +y
5. Dterminer sa matrice relativement aux bases canoniques de R2 et R3 .

Solution.

vx
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
1. Soit u =
ux
uy
et v =
Ainsi f est une application linaire de R2 dans R3 .
G. Faccanoni
81

u=
ux
uy
0
ux
0
ux = 0
uy
ker(f) f(u) = 0
= 0
uy = 0
0
ux + uy
0
ux + uy = 0
Do

0
u =
.
0

0
ker(f) =
.
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.

0
0
1
1
0
w3 = 0 .
w2 = 1 ,
c1 =
,
c2 =
,
w1 = 0 ,
0
1
1
0
0

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

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 .
82
G. Faccanoni
Solution.
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
(
(
e1 = v1 + e3 ,
v1 = e1 e3 ,
e4 = v2 2e2 4e3
v2 = 2e2 + 4e3 + e4
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
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
Soit A =
f : V M2 (R)
M 7 AM
1. Construire une base BV pour V .
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.
Solution.
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.
G. Faccanoni
83
2. Caractrisons dabord le noyau de f :

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

ab bc
0
a b
=
=
V
ba cb
0
b c

1 1
a b
0 0

=
1 1
b c
0 0

1
0
a a
=
V a R = Vect
1
0
a a
1
1

1 1
Par consquent dim(ker(f)) = 1 et une base de ker(f) est la famille
.
1 1
Du 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 la cardinalit 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

Comme la cardinalit de la famille
1
0

1
0
,
0
0

1
concide avec la dimension de limage, elle en
1
constitue 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
0 1

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
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.
84
G. Faccanoni
Solution. 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
A=
21
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
a11
A = a21
a11 + a21
a12
a22
a12 + a22
a12
a22
a12 + a22
a11 + a12
.
a21 + a22
a11 + a12 + a21 + a22
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
G. Faccanoni
85
p(0)
p(1)
p 7
p(2) .
p(3)
Montrer que f est injective et surjective.
Solution.
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
1 0
1 1
A=
1 2
1 3
et E est
0 0
1 1
.
4 8
9 27
On a

1

det(A) = 1 2
3
1
4
9

1
8 = (1 4 27 + 2 9 1 + 3 1 8) (1 4 3 + 8 9 1 + 27 1 2) = 150 138 = 12 6= 0
27
donc rg(A) = 4 : lapplication linaire est bijective.
Exercice 4.9
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 }.
Solution.
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 .

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 4.10
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 ?
86
G. Faccanoni
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.
Solution.
1. Un endomorphisme f est un automorphisme si et seulement si la matrice est inversible. Comme

5 3 0

6
0 = (30 + 0 + 0) (0 + 0 + 30) = 0,
det(A) = 10
2 1 1
A nest pas inversible donc f nest pas un automorphisme de R3 .

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) = A n = 10
2 1 1
n3
2n1 n2 n3
Recherche dune base du noyau :

n1
n = n2 ker(f)
f(n) = 0
n3
5n1 3n2 = 0
10n1 + 6n2 = 0
2n1 n2 n3 = 0
3
n = 5 , R.
Do
3

3
ker(f) = 5 R = 5 R = Vect 5 .

1
1

3
Donc Vect 5 est une base de ker(f) et on conclut que dim(ker(f)) = 1.
1
3. Daprs le thorme du rang, dim(im(f)) = dim(R3 ) dim(ker(f)) = 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 :

0
3
5
Vect { f(c1 ), f(c2 ), f(c3 ) } = Vect 10 , 6 , 0 .
2
1
1
Comme f(c2 ) et f(c3 ) ne sont pas colinaires, Vect { f(c2 ), f(c3 ) } est une famille libre de im(f). tant donn
que la cardinalit de cette famille est gale la dimension de im(f) on conclut que Vect { 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 cardinalit 3 gale la dimension de R3 ,

{ u, v, w } R3 est une base de R3 .
G. Faccanoni
87
4.2. On a
f(u) = u,
f(v) = 0,
f(w) = w.
La matrice de f dans la base B = { u, v, w } est
1
D = 0
0
0
0
0
0
0 .
1
4.3. Daprs la formule de changement de base pour les endomorphismes :

D = PB C APCB
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
Exercice 4.11
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 .
Solution.
1. Comme det
2 1 2
1 0 1
2 1 3
6= 0, les vecteurs sont linairement indpendantes, 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

PB C APCB = M(f, B )
i.e.
2
1
2
88
1
0
1
2
9
6
1 5
2
3
12 6
10
1
5 1
13
1

1 1
56 81
2 0 = 32 45
0 1
75 105
78
44 .
103
G. Faccanoni
Exercice 4.12
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
{ 1, x, x(x 1), x(x 1)(x 2), x(x 1)(x 2)(x 3) } de R4 [x].
dans
la
base
3. Calculer les matrices de passage PB C et PCB . Quelle est la relation entre B et C ?

4. Dcrire sous forme de Vect, en prcisant leurs dimensions, le noyau et limage de f.
Solution. Notons
b1 (x) = 1
b2 (x) = x
b3 (x) = x 2
b4 (x) = x 3
b5 (x) = x 4
c1 (x) = 1
c2 (x) = x
c3 (x) = x(x 1)
c4 (x) = x(x 1)(x 2)
c5 (x) = x(x 1)(x 2)(x 3)
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 =
0
0
0
0
0
= C =
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 =
c3 = b3 b2 ,
0 0
0 0
c4 = b4 3b3 + 2b2 ,
0 0
c = b 6b + 11b 6b ,
5
5
4
3
2
1
0
0
0
0
0
2
0
0
0
0
1
1
0
0
0
0
3
0
0
0
2
3
1
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
6
11
6
1
Pour calculer PCB soit on calcule la matrice inverse de PB C , soit on rsout le systme linaire prcdent ; on
trouve
b1 = c1 ,
1 0 0 0 0
0 1 1 1 1
b2 = c2 ,
0 0 1 3 7
= PCB =
b3 = c3 + c2 ,
0 0 0 1 6
b4 = c4 + 3c3 + c2 ,
0 0 0 0 1
b = c + 6c + 7c + c ,
5
5
4
3
2
et la relation cherche est
PB C CPCB = B.
4. On a dim(im(f)) = rg(B) = 4, donc dim(ker(f)) = dim(R4 [x]) dim(im(f)) = 1. Une base de im(f) est
alors lensemble { f(b2 ), f(b3 ), f(b4 ), f(b5 ) }. tant donn que Vect { f(b2 ), f(b3 ), f(b4 ), f(b5 ) } R3 [x] et que
dim(R3 [x]) = 3 on conclut que Vect { f(b2 ), f(b3 ), f(b4 ), f(b5 ) } = R3 [x], une autre base de im(f) est alors
la base canonique de R3 [x]. Comme f(b1 ) = 0, une base de ker(f) est lensemble { b1 }, i.e. le sous-espace
vectoriel constitu par les polynmes constants : ker(f) = R0 [x].
G. Faccanoni
89
Exercice 4.13
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].
Solution.
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 + (2b + c b)x 2 R2 [x].
On conclut que f est un endomorphisme de R2 [x].

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 + c
,
3
x=
a + b + 2c
.
3
La matrice de f 1 dans la base canonique C de R2 [x] est alors
1
1 2
1
C1 = 2 1 2 .
3
2 1 1
Ceci permet dcrire facilement lendomorphisme f 1 : R2 [x] R2 [x] :
f 1 (a0 + a1 x + a2 x 2 ) =
90
2a0 a1 + 2a2
2a0 + a1 + a2 2
a0 + a1 + 2a2
+
x+
x .
3
3
3
G. Faccanoni
Exercice 4.14
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.
Solution.
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
dans la base (x 1)k 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.
Solution. 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=
8
2

11
.
1
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 =
G. Faccanoni
P1
E W

=

2
3
3
1

2
1
91
B matrice de T dans la base W :

W = PWE EPE W =
3
1

2
3 1
1
1
2 4
1

2
8
=
3
2

11
.
1

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.
Solution. Le rang de L concide

avec la rang de la matrice qui le reprsente. Calculons alors cette matrice. La 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 .
92
G. Faccanoni
Solution.
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,
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 = a 3b + 10c,
x + 3y + 8z = a,
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
1 3 10
a0
a0 3a1 + 10a2
a0
a1
2a2
= a1 3 2a2 + 5 0 = u1 3u2 + 5u3 .
a1 6a2
Mu1 = 0 1 6 a1 =
0 0
1
a2
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 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.
G. Faccanoni
93
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) }.
Solution. 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.
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 ,
b3 = u1 ,
v1 = 5c1 + 3c2 ,
v1 = 2c1 c2 ,
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
Exercice 4.19 Novembre 2011

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

1 0
0
E = E1 =
, E2 =
0 0
0
94

1
0
, E3 =
0
1

0
0
, E4 =
0
0
0
1

G. Faccanoni
la base canonique de E et
F=
p0 (x) = 1, p1 (x) = x, p2 (x) = x 2 , p3 (x) = x 3
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 =

0
0
, B2 =
1
1
1
0

1
1
, B3 =
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 .
Solution.

1. Pour toutes A =

0
a b
a
,B=
c d
c0
f(A + B) = f
b0
d0

E et pour tout , R,

0
a b
a
+
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.
f(E1 ) = x = p3 (x),
f(E ) = x 2 = p (x),
2
2
f(E3 ) = 1 = p0 (x),
f(E4 ) = 1 = p0 (x),
0
0
= M(f, E , F ) =
0
1
0
0
1
0
1
0
0
0
1
0
.
0
0
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

a b
0 ) E | c R } = Vect { ( 0 0 ) } .

= { ( 0c c
=
1 1
c d E a=b=cd =0
0 ) }.
Par consquent dim(ker(f)) = 1 et une base de ker(f) est la famille { ( 01 1
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 . 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.
G. Faccanoni
95
6.
B1
B
2
B
3
B5
= E1 + E4 ,
= E2 E3 ,
= E1 E3 ,
= E4 ,
= PE B
1
0
=
0
1
0
1
1
0
1 1
0
0
0
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.
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)
9.
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)
f(B1 ) = x 3 1 = q0 (x) q1 (x) q2 (x)
f(B ) = x 2 1 = q (x) q (x)

2
0
1
3
f(B
)
=
x
1
=
q
(x)
q
(x) q2 (x)
3
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 1
0 0
1 0
0 0
= PCF
0
1
1
0
0
1
1
1
0
0
1
1
1
1
0
0
1
1
1
0
1
1
.
1
1

1
1 0
1
0 0
=
1 0 1
0
0 1
1
1
0
0
1
1
1
0
1
1
= M(f, B , C) =
1
0
1
1
0
0
0 0
1
0
1
1
=
1
1
0
0
0
1
1
1
1
1
Exercice 4.20 Novembre 2011

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
la base canonique de E et

1
F = F1 =
0

0
0
, F2 =
0
0

1
0
, F3 =
0
1

0
0
, F4 =
0
0
0
1

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 = q0 (x) = 1 x, q1 (x) = x x 2 , q2 (x) = x 2 x 3 , q3 (x) = x 3 1, q4 (x) = x 3
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. 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 .
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) = PE B .
96
G. Faccanoni
Solution.
1.
a(x) = a0 + a1 x + a2 x 2 + a3 x 3
0
a (x) = a1 + 2a2 x + 3a3 x
a(0) = a0 ,
a0 (1) = a1 + 2a2 + 3a3 ,
a00 (x) = 2a2 + 6a3 x
a00 (2) = 2a2 + 12a3 ,
a000 (x) = 6a3
a000 (3) = 6a3 ,
donc
f(a0 + a1 x + a2 x 2 + a3 x 3 ) =
2.
f(p0 ) = ( 10 00 ) = F1 ,
f(p ) = ( 0 0 ) = F ,
1
3
10
0 2 ) = 2F + 2F ,
f(p
)
=
(
2
2
3
20
f(p3 ) = ( 03 12
)
=
12F
+
3F
2
3 + 6F4 ,
6
a0
a1 + 2a2 + 3a3
2a2 + 12a3
6a3
1
0
= M(f, E , F ) =
0
0
0
0
1
0
3. On commence par tudier le noyau de f :

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

= a0 + a1 x + a2 x 2 + a3 x 3 E a0 = a1 = a2 = a3 = 0 = { 0E } .
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
4. 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.
5. 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
5.1. qi R3 [x] pour tout i = 0, 1, 2, 4,
5.2. card(B ) = dim(R3 [x]),
5.3. 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.
6.
q0 (x) = p0 (x) p1 (x)
q (x) = p (x) p (x)

1
1
2
q2 (x) = p2 (x) p3 (x)
q4 (x) = p3 (x)
= PE B
1
1
=
0
0
0
0
1
0
1 1
0 1
0
0
0
1
7. On a
C1 = f(p0 ) = F1
C2 = f(p1 ) = F3
C3 = f(p2 ) = 2F2 + 2F3
C4 = f(p3 ) = 12F2 + 3F3 + 6F4
tant C limage dune base de E, elle est une famille gnratrice de im(f). Comme la cardinalit 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 .
G. Faccanoni
97
8.
C1
C
2
C
3
C4
= F1 ,
= F3 ,
= 2F2 + 2F3 ,
= 12F2 + 3F3 + 6F4 ,
F1
F
2
F
3
F4
= C1 ,
= C2 + 12 C3 ,
= C3 ,
= 2C2 23 C3 + 16 C4 ,
PCF
1
0
=
0
0
0 0 0
1 0 3/2
1/2 1 1
0 0 1/6
9. On peut faire le calcul direct
f(q0 ) = f(p0 p1 ) = C1 C2
f(q ) = f(p p ) = C C
1
1
2
2
3
f(q
)
=
f(p
p
)
=
C
C
2
2
3
2
4
f(q4 ) = f(p3 ) = C4
1
1
= M(f, B , C) =
0
0
0
1
1
0
0 0
0 0
.
1 0
1 1
ou utiliser la relation M(f, B , C) = PCF M(f, E , F )PE B :

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
car
PCF = (PF C )1 = (M(f, E , F ))1
Exercice 4.21
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.
Solution.
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).
98
G. Faccanoni
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
Clairement det(M(f, C)) = 0 et det
3 1
0
0 4 2
0 0 3
= 36 donc rg(f) = rg(M(f, C)) = 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).
a0
3 1 0 0 a0 0
a1
a1
2
0
4
2
0
0
= 0
= 3
q(t) = a0 + a1 t + a2 t + a3 t ker(f)
, R
a2
a2
6
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).

4. a(t) est alors le polynme a(t) = 61 + 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 cardinalit 4. La dimension de
1
4
det
0
0
lespace vectoriel engendr par B est gal au rang de B . Comme
0
0 1/6
1 0
0
2 0
1/2
= det 4 2 0 = 6
3 3 1
0 3 3
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) :
3 1 0
0
1 0
0 1/6
7 2 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
0 3 3
0 3 3 1
0 9 9 0
0
0
0
0
0
0
0
1
0 0 0 0
Exercice 4.22
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 `.
G. Faccanoni
99
Pour ` = 0 expliciter une base de ker(f) et im(f). Peut-on conclure que R4 = ker(f) im(f) ?
Solution.
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,
1 1
0
B im(f) = Vect
, 43
, lespace vectoriel engendr par les deux lments de F qui ont coordonnes
0
0
(1, 0, 0, 0) et (1,
4,
03,2) dans
la base F .
0
1
B ker(f) = Vect
, 01
, 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 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
Exercice 4.23
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).
Solution.
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

1 1 0
0
et viceversa. Autrement dit, les espaces vectoriels G et Vect
,
0 0 0
1
consquent dim(G) = 2.
100
0
1

0
sont isomorphes. Par
0
G. Faccanoni
Exercice 4.24
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).
Solution.

Soit x R3 \ { 0R3 }. La famille B = b1 = x, b2 = f(x), b3 = f 2 (x) R3 a cardinalit 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) = Vectn f 2 (x)
et la
famille f 2 (x)
est
de ker(f).

o
n

une
base
o
0
0
0
0
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

2
2
0
B im(f ) = Vect
= Vect f (x) = ker(f).
1
Exercice 4.25
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.
Solution.
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 cardinalit 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).
G. Faccanoni
101

2011 2012 M331 L2PC

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

2011 2012 M331 L2PC

Transféré par

Droits d'auteur :

Formats disponibles

L2PC

Table des matires

a11 . . . a1j . . . a1n

Nous travaillerons avec K = R, Q ou Z.

est carre et dordre 3.

Dfinition : addition de matrices

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

La somme de deux matrices dordres diffrents nest pas dfinie.

Lundi 9 janvier 2012

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

Dfinition : produit dune matrice par un scalaire

Lundi 9 janvier 2012

Dfinition : produit de matrices

Cest une matrice m p.

Lundi 9 janvier 2012

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

Dfinition : matrice transpose

Lundi 9 janvier 2012

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

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

Lundi 9 janvier 2012

A et B sont deux matrices carres dordre n, alors

Oprations lmentaires sur les matrices

Calcul pratique dun dterminant

(1)i+j aij det(Aij )

quelque soit la ligne i, 1 i n,

Lundi 9 janvier 2012

ou, de manire quivalente, le nombre

(1)i+j aij det(Aij )

quelque soit la colonne j, 1 j n.

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

= a22 a33 a23 a32 ,

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

Lundi 9 janvier 2012

B a21 det(A21 ) + a22 det(A22 ) a23 det(A23 ) (dveloppement suivant la ligne i = 2)

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

Dterminant dune matrice dordre 2

Lundi 9 janvier 2012

Lundi 9 janvier 2012

B A est dordre 3 3 donc s 3

Lundi 9 janvier 2012

............... Exercices ...............

Soient les matrices

1. Trouver une matrice C telle que A 2B C = O.

1. On cherche C telle que C = A 2B,

Lundi 9 janvier 2012

Solution. On cherche B telle

B A. Trouver toutes les matrices qui commutent avec

Solution. Notons y : x 7 tr(A) ; on a

Une brve tude de la fonction montre que

Lundi 9 janvier 2012

Calculer a, b, c et d tels que

Exercice 1.6 Janvier 2011

Exercice 1.7 Calculs de dterminants

Lundi 9 janvier 2012

1. det(A) = 1 5 3 (7) = 26.

Exercice 1.9 Octobre 2011

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

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

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