Vous êtes sur la page 1sur 62

Exercices d’algèbre linéaire

Filières: SMC & SMP

Prof. Mohamed Louzari

4 février 2020
Table des matières

Préface ii

1 Espaces vectoriels & Applications linéaires 1

2 Matrices 23

3 Déterminants & réduction des matrices 41

i
Préface

Dans le long de ce polycopié des exercises avec solutions, K désigne le corps commutatif R ou C. Il s’agit
d’un recueil des exercices des travaux dirigés des deux dernières années et les exercices des contrôles de trois
dernières années. J’estime que c’est un bon moyen pour tester et consolider les connaissances des étudiants en
algèbre linéaire. Ces exercices sont d’un niveau relativement moyen qui vont donner aux étudiants l’envie de bien
préparer leurs contrôles. Le polycopié est réparti en trois chapitres.
Le premier chapitre regroupe les exercices qui traitent des espaces vectoriels et les applications linéaires. Le
deuxième chapitre porte sur le calcul matriciel. Et le dernier chapitre est consacré aux calcul des déterminants et
la réduction des matrices carrées. A noter aussi que ces notions sont généralement mélangées dans les énoncés.
Prof. Mohamed Louzari
Janvier 2020

ii
Exercices avec solutions

iii
Chapitre 1

Espaces vectoriels & Applications linéaires

Exercice 1.1. Soit Rn [x] l’ensemble de tous les polynômes à coefficients dans R de degrés ≤ n. Soient P, Q ∈ Rn [x]
et λ ∈ R tels que P = a0 + a1 x + · · · + an xn et Q = b0 + b1 x + · · · + bn xn . On définit l’addition et la multiplication
par scalaires comme suit :
P + Q = (a0 + b0 ) + (a1 + b1 )x + · · · + (an + bn )xn

et
λP = (λa0 ) + (λa1 )x + · · · + (λan )xn .

Montrer que Rn [x] est un R-espace vectoriel.

Solution. On peut montrer facilement que Rn [x] est un R-espace vectoriel (sans vérifier les 8 axiomes d’un espace
vectoriel) en montrant que Rn [x] est un sous espace vectoriel de R[x] (le R-espace vectoriel de polynômes à
coefficients dans R). En effet ; Soient P, Q ∈ Rn [x] et λ ∈ R.
•) Rn [x] , ∅ car 0 ∈ Rn [x].
•) P + Q ∈ Rn [x] car deg(P + Q) ≤ max{deg P, deg Q} ≤ n.
•) Si λ = 0, λP = 0 ∈ Rn [x]. Si λ , 0, alors λP ∈ Rn [x] car deg(λP) = deg(P) ≤ n.
Ainsi, Rn [x] est un sous-espace vectoriel de R[x] et par suite c’est un espace vectoriel.

Exercice 1.2. Dans E = R2 , considérons les deux opérations :

(u, v)  (x, y) = (0, v + y) et λ (x, y) = (λx, λy), ∀ λ ∈ R, ∀ (u, v), (x, y) ∈ E

Est ce que (E, , ) est un R-espace vectoriel ?

Solution. (E, , ) n’est pas un R-espace vectoriel. Car, pour λ, µ ∈ R et (x, y) ∈ E, on a :


•) (λ + µ) (x, y) = ((λ + µ)x, (λ + µ)y) = (λx + µx, λy + µy)
•) (λ (x, y))  (µ (x, y)) = (λx, λy)  (µx, µy) = (0, λy + µy)
Alors, (λ + µ) (x, y) , (λ (x, y))  (µ (x, y)). Ainsi, l’axiome (E6 ) n’est pas satisfait.

Exercice 1.3. Déterminer les sous-espaces vectoriels de R4 (R4 est considéré comme R-e.v.), parmi les sous-
ensembles suivants :
n o
(1) A = (x, y, z, t) ∈ R4 | x = y , z = t ,

1
Chapitre 1. Espaces vectoriels & Applications linéaires Algèbre II (SMC/SMP)

n o
(2) B = (x, y, z, t) ∈ R4 | x + y + z + t = 0 ,
n o
(3) C = (x, y, z, t) ∈ R4 | x = 1 ,
n o
(4) D = (x, y, z, t) ∈ R4 | xt = yz .

Solution.
•) A est un s.e.v. de R4 . En effet, on a A , ∅ car (0, 0, 0, 0) ∈ A. Maintenant, soient (x, y, z, t), (x0 , y0 , z0 , t0 ) ∈ A
et λ ∈ R. On a x = y, z = t et x0 = y0 , z0 = t0 alors x + x0 = y + y0 et z + z0 = t + t0 et λx = λy, λz = λt. D’où
(x, y, z, t) + (x0 , y0 , z0 , t0 ) ∈ A et λ(x, y, z, t) ∈ A. D’où le résultat.
•) B est un s.e.v. de R4 . On a B , ∅ car (1, −1, 0, 0) ∈ B. Soient (x, y, z, t), (x0 , y0 , z0 , t0 ) ∈ B et λ ∈ R.
On a x + y + z + t = 0 et x0 + y0 + z0 + t0 = 0, alors (x + x0 ) + (y + y0 ) + (z + z0 ) + (t + t0 ) = 0 et
λ(x + y + z + t) = λx + λy + λz + λt = 0, c’est à dire (x, y, z, t) + (x0 , y0 , z0 , t0 ) ∈ B et λ(x, y, z, t) ∈ B. Par suite
B est un s.e.v. de R4 .
•) C n’est pas un s.e.v. de R4 , car (0, 0, 0, 0) < C.
•) D n’est pas un s.e.v. de R4 , car pour u = (1, −1, 1, −1), v = (0, 0, 0, 1) ∈ D, on a u + v < D.

Exercice 1.4. Soient n un entier naturel et Cn [X] l’ensemble de tous les polynômes à coefficients dans C de degrés
≤ n. On considère les polynômes Pk = (X + 1)k+1 − X k+1 pour tout k = 0, 1, · · · , n.
(1) Montrer que la famille {P0 , P1 , · · · , Pn } est libre.
(2) Est ce que la famille {P0 , P1 , · · · , Pn } est une base de Cn [X] ?

Solution. Cn [X] est un C-espace vectoriel de dimension n + 1. On rappelle l’identité :


an − bn = (a − b)(an−1 + an−2 b + an−3 b2 + · · · + abn−2 + bn−1 ), ∀a, b ∈ C, n ∈ N∗ . Alors :

Pk = (X + 1)k+1 − X k+1 = (X + 1)k + (X + 1)k−1 X + · · · + (X + 1)k−1 X + X k .

Donc, deg(Pk ) = k.
(1) On va montrer par récurrence sur k que {P0 , P1 , · · · , Pn } est libre.
• Pour k = 0 on a : P0 = 1, évidement {P0 } est libre.
• Supposons que la famille {P0 , P1 , · · · , PN } est libre pour un certain N < n, et montrons que la famille
{P0 , P1 , · · · , PN+1 } est libre. En effet, soient α0 , α1 , · · · , αN+1 ∈ C tels que α0 P0 +α1 P1 +· · ·+αN+1 PN+1 = 0.
Si αN+1 = 0, alors α0 P0 + α1 P1 + · · · + αN PN = 0, et puisque la famille {P0 , P1 , · · · , PN } est libre, d’après
l’hypothèse de recurrence, donc α0 = α1 = · · · = αN+1 . Maintenant, si αN+1 , 0, alors d’après la remarque
précédente, le polynôme α0 P0 + α1 P1 + · · · + αN+1 PN+1 est de degré N + 1, donc αN+1 est le coefficient
dominant de ce polynôme, puisque α0 P0 + α1 P1 + · · · + αN+1 PN+1 = 0 alors αN+1 = 0, ce qui implique
α0 P0 + α1 P1 + · · · + αN PN = 0 et puisque la famille {P0 , P1 , · · · , PN } est libre, selon l’hypothèse de
récurrence, alors α0 = α1 = · · · = αN = 0. Ainsi, α0 = α1 = · · · = αN = αN+1 = 0. Par suite, la famille
{P0 , P1 , · · · , PN+1 } est libre. D’après le principe de la récurrence, la famille {P0 , P1 , · · · , Pn } est bien libre
pour tout n ∈ N.
(2) La famille {P0 , P1 , · · · , Pn } est libre de cardinal n + 1 et dimC Cn [X] = n + 1, alors {P0 , P1 , · · · , Pn } est une
base de Cn [X].

Exercice 1.5. On considère les deux s.e.v. F et G de R3 définis par :

F = vect{(1, 0, −1), (1, 2, 3)} et G = {(x, y, z) ∈ R3 | x + y + z = 0}

(1) Donner une famille génératrice de G,

M. Louzari, 2020 2 Faculté des sciences de Tétouan


Chapitre 1. Espaces vectoriels & Applications linéaires Algèbre II (SMC/SMP)

(2) Déterminer F ∩ G et F + G (Sans utiliser Grassmann).

Solution.
(1) Soit u = (α, β, γ) ∈ R3 , alors

u∈G ⇔α+β+γ =0
⇔ γ = −α − β
⇔ u = (α, β, −α − β)
⇔ u = (α, 0, −α) + u = (0, β, −β)
⇔ u = α(1, 0, −1) + β(0, 1, −1)

Ainsi, G = vect{(1, 0, −1), (0, 1, −1)}, c’est à dire {(1, 0, −1), (0, 1, −1)} est une famille génératrice de G.
(2) On peut écrire F = vect{v1 , v2 } et G = vect{v1 , v3 }, avec v1 = (1, 0, −1), v2 = (1, 2, 3), v3 = (0, 1, −1).
•) D’une part, on voit que v1 est un vecteur commun entre F et G, donc F ∩ G est engendré au moins par
le vecteur v1 . D’autre part, soit u ∈ R3 .

u ∈ F ⇔ ∃λ, µ ∈ R |u = λv1 + µv2


⇔ ∃λ, µ ∈ R |u = (λ + µ, 2µ, −λ + 3µ)

Ainsi,

u ∈ F ∩ G ⇔ u ∈ F et u ∈ G
⇔ ∃λ, µ ∈ R |u = (λ + µ, 2µ, −λ + 3µ) et (λ + µ) + (2µ) + (−λ + 3µ) = 0
⇔ ∃λ, µ ∈ R |u = (λ + µ, 2µ, −λ + 3µ) et µ = 0
⇔ ∃λ ∈ R |u = (λ, 0, −λ) = λv1

D’où F ∩ G = vect{v1 }.
•) On a : F + G = vect({v1 , v2 } ∪ {v1 , v3 }) = vect{v1 , v2 , v3 }.

Exercice 1.6. Dans le R-espace vectoriel R2 [X]. Considérons les deux familles suivantes :

F1 = {X, X + X 2 , 1 + 2X − 3X 2 } , F2 = {1 + X, 1 − X 2 , X + X 2 }

Ces familles sont-elles libres ?

Solution.
•) F1 est libre. En effet, soient α, β, γ ∈ R tels que αX + β(X + X 2 ) + γ(1 + 2X − 3X 2 ) = 0 (?). Alors,




 γ =0
α + β + = 0 ⇔ α = β = γ = 0.

(?) ⇔ 

 2γ

 β − 3γ = 0

D’où le résultat.
•) F2 est liée, car 1 − X 2 = (1 + X) − (X + X 2 ).

Exercice 1.7. Dans l’espace vectoriel R4 , considérons les vecteurs v1 = (1, 2, 0, 1), v2 = (−1, 1, 1, 1), v3 =
(0, 0, 1, 1), v4 = (2, 2, 2, 2) et les sous-espaces vectoriels A = vect(v1 , v2 , v3 ), B = vect(v4 ).
(1) Vérifier que la famille {v1 , v2 , v3 } est libre et en déduire dim A.
(2) Déterminer A + B.
(3) En déduire A ∩ B (Utiliser le Théorème de Grassmann).

M. Louzari, 2020 3 Faculté des sciences de Tétouan


Chapitre 1. Espaces vectoriels & Applications linéaires Algèbre II (SMC/SMP)

Solution.
(1) Soient α, β, γ ∈ R tels que αv1 + βv2 + γv3 = 0 (∗). Alors




 α−β =0
 2α + β = 0



⇔ α = β = γ = 0.

(∗) ⇔ 



 β+γ =0

 α + β + 2γ = 0

Ainsi, la famille {v1 , v2 , v3 } est libre, donc c’est une base pour A. Par suite dim A = 3.
(2) Tout d’abord, on a : A + B = vect({v1 , v2 , v3 } ∪ {v4 }) = vect(v1 , v2 , v3 , v4 ). Or {v1 , v2 , v3 , v4 } est une famille
génératrice de A + B, vérifions qu’elle est libre ; En effet, soient α, β, γ, δ ∈ R tels que :

αv1 + βv2 + γv3 + δv4 = 0 (∗∗)

Alors 
 α − β + 2δ =0 
α = −2β


 
 2α + β + 2δ =0


 


γ = −4β ⇔ α = β = γ = δ = 0.
 
(∗∗) ⇔  ⇔

β + γ + 2δ =0

 



 δ

 = 2β = 2β
3 9
 α + β + 2γ + 2δ

 =0
Ainsi, {v1 , v2 , v3 , v4 } est une base de A + B. Alors dim(A + B) = 4. D’autre part, A + B est un sous-espace vectoriel
de R4 avec dim(A + B) = dim R4 = 4. Alors A + B = R4 .
(3) D’après le Théorème de Grassmann, on a dim(A + B) = dim(A) + dim(B) − dim(A ∩ B). Or dim(A + B) = 4,
dim(A) = 3 et dim(B) = 1. Ainsi, dim(A ∩ B) = 0, et par suite A ∩ B = (0).

Exercice 1.8. Soit E un C-espace vectoriel de dimension n. Montrer que E est aussi un R-espace vectoriel de
dimension 2n.

Solution.
Soient E un C-espace vectoriel de dimension n et {u1 , u2 , · · · , un } une base de EC . Montrons que la famille
{u1 , u2 , · · · , un , iu1 , iu2 , · · · , iun } est une base de E comme R-espace vectoriel. En effet :
•) Soit w ∈ EC , alors il existe λ1 , λ2 , · · · , λn ∈ C tels que w = λ1 u1 + λ2 u2 + · · · + λn un . On pose λk = µk + iνk , avec
µk , νk ∈ R pour tout k = 1, 2 · · · , n. Alors w devient : w = µ1 u1 + µ2 u2 + · · · + µn un + ν1 (iu1 ) + ν2 (iu2 ) + · · · + νn (iun ).
D’où, {u1 , u2 , · · · , un , iu1 , iu2 , · · · , iun } est une famille génératrice de ER .
•) Soient αk , βk ∈ R pour tout k = 1, 2, · · · , n tels que :

α1 u1 + α2 u2 + · · · + αn un + β1 (iu1 ) + β2 (iu2 ) + · · · + βn (iun ) = 0. (?)

Alors, (?) ⇔ (α1 + iβ1 )u1 + (α2 + iβ2 )u2 + · · · + (αn + iβn )un = 0, mais {u1 , u2 , · · · , un } une base de EC , donc c’est
une famille libre. Ainsi αk + iβk = 0 pour tout k = 1, 2, · · · , n. D’où αk = βk = 0 pour tout k = 1, 2, · · · , n, c’est
à dire {u1 , u2 , · · · , un , iu1 , iu2 , · · · , iun } est libre dans ER . Par conséquent, {u1 , u2 , · · · , un , iu1 , iu2 , · · · , iun } est une
base de ER , ce qui implique dim ER = 2n.

Exercice 1.9 (Contrôle, Juin 2018).


Dans le R-espace vectoriel R4 , considérons les deux vecteurs v1 = (1, 0, −1, 2) et v2 = (−1, 1, 0, −3), et les sous-
espaces vectoriels F = vect{v1 , v2 } et G = {(x, y, z, t) ∈ R4 | t = 2x + 3y + z}.
1) Vérifier que la famille {v1 , v2 } est libre et en déduire dim F.
2) Donner une base de G. Quelle est la dimension de G ?
3) Donner une base de F ∩ G et en déduire F + G.

M. Louzari, 2020 4 Faculté des sciences de Tétouan


Chapitre 1. Espaces vectoriels & Applications linéaires Algèbre II (SMC/SMP)

Solution.
1) Vérifions que la famille {v1 , v2 } est libre. Soient α, β ∈ R tels que αv1 + βv2 = 0 (∗). Alors (∗) implique
α = β = 0. Ainsi, la famille {v1 , v2 } est libre et par suite c’est une base de F. Par conséquent dim F = 2.

2) Déterminons une base de G. Soit u = (x, y, z, t) ∈ R4 , alors

u ∈ G ⇔ t = 2x + 3y + z

⇔ u = (x, y, z, 2x + 3y + z)

⇔ u = (x, 0, 0, 2x) + (0, y, 0, 3y) + (0, 0, z, z)

⇔ u = x(1, 0, 0, 2) + y(0, 1, 0, 3) + z(0, 0, 1, 1)

On prend u1 = (1, 0, 0, 2), u2 = (0, 1, 0, 3) et u3 = (0, 0, 1, 1). Alors {u1 , u2 , u3 } est une famille génératrice de
G. Vérifions que {u1 , u2 , u3 } est libre. En effet, soient α, β, γ ∈ R tels que αu1 + βu2 + γu3 = 0 (∗∗). Alors
(∗∗) ⇒ α = β = γ = 0. D’où, la famille {u1 , u2 , u3 } est libre et par suite est une base de G. En plus, on a dim G = 3.

3)
•) Soit u ∈ R4 . Alors

u ∈ F ⇔ ∃λ1 , λ2 ∈ R| u = λ1 v1 + λ2 v2

⇔ ∃λ1 , λ2 ∈ R| u = λ1 (1, 0, −1, 2) + λ2 (−1, 1, 0, −3)

⇔ ∃λ1 , λ2 ∈ R| u = (λ1 , 0, −λ1 , 2λ1 ) + (−λ2 , λ2 , 0, −3λ2 )

⇔ ∃λ1 , λ2 ∈ R| u = (λ1 − λ2 , λ2 , −λ1 , 2λ1 − 3λ2 )

Pour l’intersection F ∩ G, on a :

u ∈ F


u ∈ F ∩G ⇔ 
u ∈G


 ∃λ1 , λ2 ∈ R| u = (λ1 − λ2 , λ2 , −λ1 , 2λ1 − 3λ2 )


⇔
 2λ1 − 3λ2 = 2(λ1 − λ2 ) + 3(λ2 ) + (−λ1 )


 ∃λ1 , λ2 ∈ R| u = (λ1 − λ2 , −λ2 , −λ1 , 2λ1 − 3λ2 )


⇔
 λ1 = 4λ2

⇔ ∃λ2 ∈ R| u = (3λ2 , λ2 , −4λ2 , 5λ2 )

⇔ ∃λ2 ∈ R| u = λ2 (3, 1, −4, 5)

Alors F ∩ G est engendré par le vecteur w = (3, 1, −4, 5) , 0, donc {w} est une base de F ∩ G. Par suite
dim(F ∩ G) = 1.
•) D’après la formule de Grassmann, F + G est un sous espace vectoriel de R4 de dimension finie et on
a dim(F + G) = dim F + dim G − dim(F ∩ G). Or dim F = 2, dim G = 3 et dim(F ∩ G) = 1, donc
dim(F + G) = 4 = dim R4 . Ainsi F + G = R4 .

Exercice 1.10. Soit R2 [X] le R-espace vectoriel des polynômes de degrés inférieurs ou égaux à 2, supposons que
R2 [X] est muni de sa base canonique {1, X, X 2 }. Soient P1 = X, P2 = X − X 2 , P3 = 1 + X trois éléments de R2 [X].

M. Louzari, 2020 5 Faculté des sciences de Tétouan


Chapitre 1. Espaces vectoriels & Applications linéaires Algèbre II (SMC/SMP)

(1) Montrer que B = {P1 , P2 , P3 } est une base de R2 [X].


(2) Écrire le polynôme P = 2 + 3X + X 2 dans la base B.

Solution. (1) Puisque Card(B) = 3 = dimR (R2 [X]), alors il suffit de montrer que B est libre pour qu’elle soit une
base de R2 [X].
En effet, soient α, β, γ ∈ R tels que
αP1 + βP2 + γP3 = 0. (1)

On a :
(1) ⇔ αX + β(X − X 2 ) + γ(1 + X) = 0

⇔ γ + (α + β + γ)X − βX 2 = 0




 γ=0
α + β + γ =0

⇔



β=0







 α=0
β=0

⇔



γ = 0

Ainsi, B est une famille libre, et par suite B est une base de R2 [X].

(2) Soient α, β, γ ∈ R tels que P = αP1 + βP2 + γP3 . Déterminons α, β et γ. En effet, on a :

2 + 3X + X 2 = αP1 + βP2 + γP3 ⇔ 2 + 3X + X 2 = γ + (α + β + γ)X − βX 2






 γ=2
α+β+γ =3

⇔



−β = 1







 α=2
β = −1

⇔



γ = 2

Ainsi, P = 2P1 − P2 + 2P3 .

Exercice 1.11. Considérons le R-espace vectoriel R2 [X], muni de sa base canonique {1, X, X 2 }. Soient F = {P ∈
R2 [X] | P(−1) = 0} et G = Vect(P1 , P2 ), où P1 = X et P2 = X − X 2 .
(1) Montrer que F est un sous-espace vectoriel de R2 [X].
(2) Donner une base de F.
(3) Déterminer F + G.

Solution. (1) Soit P = aX 2 + bX + c ∈ R2 [X]. Alors

P∈F⇔a−b+c=0

⇔ P = aX 2 + bX + (b − a) = a(X 2 − 1) + b(X + 1)

⇔ P ∈ Vect(X 2 − 1, X + 1)

M. Louzari, 2020 6 Faculté des sciences de Tétouan


Chapitre 1. Espaces vectoriels & Applications linéaires Algèbre II (SMC/SMP)

On en déduit que F = Vect(X 2 − 1, X + 1) est le s.e.v. de R2 [X] engendré par les deux polynômes X 2 − 1 et X + 1.

(2) La famille B0 = {X 2 − 1, X + 1} est génératrice de F, il suffit donc de vérifier qu’elle est libre.
En effet, soient α, β ∈ R tels que α(X 2 − 1) + β(X + 1) = 0, alors

α(X 2 − 1) + β(X + 1) = 0 ⇔ αX 2 + βX + (β − α) = 0




 α=0
β=0

⇔



γ = 0

Ainsi, {X 2 − 1, X + 1} est une base de F.


(3) D’abord, on a : F = Vect(X 2 − 1, X + 1) et G = Vect(X, X − X 2 ), alors

F + G = Vect(X 2 − 1, X + 1, X, X − X 2 ).

Puisque dimR (F + G) ≤ 3, alors la famille {X 2 − 1, X + 1, X, X − X 2 } est liée.


Maintenant, examinons si la famille B00 = {X 2 − 1, X + 1, X} est libre. En effet, soient α, β, γ ∈ R tels que α(X 2 −
1) + β(X + 1) + γX = 0, alors

α(X 2 − 1) + β(X + 1) + γX = 0 ⇔ (β − α) + (β + γ)X + αX 2 = 0






 α=0
β+γ =0

⇔



β−α = 0






 α=0
β=0

⇔



γ = 0

Donc, B00 est libre et par suite, c’est une base de F + G.


Ainsi dimR (F + G) = 3. D’autre part, puisque F + G est un s.e.v. de R2 [X] et dimR (F + G) = dimR (R2 [X]), alors
F + G = R2 [X].

Exercice 1.12. Considérons le R-espace vectoriel R3 muni de sa base canonique B0 = {e1 , e2 , e3 } où e1 = (1, 0, 0),
e2 = (0, 1, 0) et e3 = (0, 0, 1). Soient u1 = (1, 1, −1), u2 = (1, 0, 0), u3 = (−1, −3, 3) et u4 = (1, −1, 1) quatre
éléments de R3 et F = Vect(u1 , u2 , u3 , u4 ).
(1) Est ce que B0 = {u1 , u2 , u3 , u4 } peut être une base de R3 ?
(2) Montrer que les deux familles B1 = {u1 , u2 , u3 } et B2 = {u1 , u2 , u4 } sont liées et en déduire une base B de F.
(3) Compléter B en une base de R3 .

Solution.
(1) On a B0 = {u1 , u2 , u3 , u4 }, avec Card(B0 ) = 4 > dimR (R3 ) = 3. Alors la famille B0 est liée, donc ne peut pas
être une base de R3 .
(2)
i) Soient α, β, γ ∈ R tels que αu1 + βu2 + γu3 = 0. Alors




 α+β−γ =0
αu1 + βu2 + γu3 = 0 ⇔  α − 3γ = 0




 −α + 3γ = 0

M. Louzari, 2020 7 Faculté des sciences de Tétouan


Chapitre 1. Espaces vectoriels & Applications linéaires Algèbre II (SMC/SMP)


 α = 3γ


⇔
 β = −2γ

Pour γ = 1, on a α = 3 et β = −2. Donc u3 = −3u1 + 2u2 , c’est à dire B1 = {u1 , u2 , u3 } est liée.
ii) Soient α, β, γ ∈ R tels que αu1 + βu2 + γu4 = 0. Alors




 α+β+γ =0
αu1 + βu2 + γu4 = 0 ⇔  α−γ =0




 −α + γ = 0


γ = α


⇔
 β = −2α

Pour α = 1, on a γ = 1 et β = −2. Donc u4 = −u1 + 2u2 , c’est à dire B2 = {u1 , u2 , u4 } est liée.
Les familles B0 , B1 et B2 sont liées, alors F = Vect(B1 ) = Vect(B2 ) = Vect(u1 , u2 ). Donc B = {u1 , u2 } est une
famille génératrice de F, il suffit de vérifier qu’elle est libre pour qu’elle soit une base de F. En effet, soient α, β ∈ R
tels que αu1 + βu2 = 0. Alors




 α+β=0
αu1 + βu2 = 0 ⇔  α=0




 −α = 0



α = 0


⇔
β = 0

Ainsi, B est libre et par suite c’est une base de F.

(3) Complétons par le vecteur e2 . Examinons si la famille B ∪ {e2 } est libre. Soient α, β, γ ∈ R tels que αu1 + βu2 +
γe2 = 0. Alors




 α+β=0
αu1 + βu2 + γe2 = 0 ⇔  α+γ =0




 −α = 0






 α=0
β=0

⇔



γ = 0

Par conséquent, B ∪ {e2 } est libre, et puisque Card(B ∪ {e2 }) = 3 = dimR (R3 ). Alors B ∪ {e2 } est une base de R3 .
(On peut compléter par n’importe quel vecteur, à condition qu’il soit libre avec B).

Exercice 1.13. Dans l’espace vectoriel E = R4 muni de sa base canonique {e1 , e2 , e3 , e4 } où e1 = (1, 0, 0, 0),
e2 = (0, 1, 0, 0), e3 = (0, 0, 1, 0) et e4 = (0, 0, 0, 1). On définit :
U = {(x, y, z, t) ∈ E | x + y + z + t = 0 et x + y = t} et V = Vect(e1 + e2 , e3 − e4 ).
(1) Montrer que U est sous-espace vectoriel de E et déterminer une base de U.
(2) Donner une base de V.
(3) Déterminer U ∩ V.
(4) Est ce que E = U ⊕ V ?

M. Louzari, 2020 8 Faculté des sciences de Tétouan


Chapitre 1. Espaces vectoriels & Applications linéaires Algèbre II (SMC/SMP)

Solution.
(1) Soit u = (x, y, z, t) ∈ R4 . Alors
  
x+y+z+t =0
  z = −2t
  z = −2x − 2y

⇔ u = (x, y, −2x − 2y, x + y)
  
u∈U⇔ ⇔ ⇔
x+y=t
 x+y=t
 t = x+y

⇔ u = x(1, 0, −2, 1) + y(0, 1, −2, 1).


On en déduit que U = Vect(v1 , v2 ), où v1 = (1, 0, −2, 1) et v2 = (0, 1, −2, 1). C’est à dire, U est un s.e.v. de R4
engendré par la famille {v1 , v2 }. Donc, il suffit de vérifier que {v1 , v2 } est libre pour qu’elle soit une base de U.
Soient α, β ∈ R tels que αv1 + βv2 = 0. On a αv1 + βv2 = 0 ⇔ α = β = 0. Ainsi, {v1 , v2 } est une base de U.

(2) La famille {e1 + e2 , e3 − e4 } est génératrice de V, vérifions qu’elle est libre. Soient α, β ∈ R tels que α(e1 + e2 ) +
β(e3 − e4 ) = 0. Alors α = β = 0, ainsi {e1 + e2 , e3 − e4 } est libre et par suite c’est une base de V.

(3) On pose w1 = e1 + e2 = (1, 1, 0, 0) et w2 = e3 − e4 = (0, 0, 1, −1), on prend u ∈ R4 . Alors


 
u ∈ U

  ∃α, β ∈ R | u = αv1 + βv2


u∈U∩V⇔ ⇔
u ∈ V
  ∃α0 , β0 ∈ R | u = α0 w1 + β0 w2

 



 α = α0 


 α=0
β = α  α0 = 0


 0



⇔u=0
 
⇔ ⇔




 −2α − 2β = β 0 


 β=0
 
 α + β = −β0

  β0 = 0

On en déduit que U ∩ V = (0).

(4) D’abord on a : dimR (U + V) = dimR (U) + dimR (V) − dimR (U ∩ V) = 4, d’après le Théorème de Grassmann.
Puisque U + V est un s.e.v. de R4 avec dimR (U + V) = dimR (R4 ), alors U + V = R4 . D’autre part, U ∩ V = (0).
Ainsi U ⊕ V = R4 .
Exercice 1.14. Est ce que les applications f : R3 → R3 suivantes sont linéaires ?
(1) f (x, y, z) = (x + y, z, 1),
(2) f (x, y, z) = (z, −y, x).

Solution.
(1) f n’est pas linéaire, car pour (0, 1, −1) et (0, 0, 1). On a : f ((0, 1, −1) + (0, 0, 1)) = f (0, 1, 0) = (1, 0, 1) ,
f (0, 1, −1) + f (0, 0, 1) = (1, −1, 1) + (0, 1, 1) = (1, 0, 2).
(2) f est linéaire, car pour tous (x, y, z), (x0 , y0 , z0 ) ∈ R3 et λ ∈ R, on a :
•) f ((x, y, z) + (x0 , y0 , z0 )) = (z + z0 , −(y + y0 ), x + x0 ) = (z, −y, x) + (z0 , −y0 , z0 ) = f (x, y, z) + f (x0 , y0 , z0 ),
•) f (λ(x, y, z)) = (λz, −λy, λx) = λ(z, −y, x) = λ f (x, y, z).
Exercice 1.15. Soit f : C → C une application définie par f (a + ib) = a − ib. Montrer que
(1) f est linéaire, si on considère C comme un R-espace vectoriel,
(2) f est non linéaire, si on considère C comme un C-espace vectoriel.

Solution.
Soit f : C → C l’application définie par : f (a + ib) = a − ib. D’une part, pour a + ib, a0 + ib0 ∈ C, on a :

f ((a + ib) + (a0 + ib0 )) = f ((a + a0 ) + i(b + b0 ))

M. Louzari, 2020 9 Faculté des sciences de Tétouan


Chapitre 1. Espaces vectoriels & Applications linéaires Algèbre II (SMC/SMP)

= (a + a0 ) − i(b + b0 )

= (a − ib) + (a0 − ib0 )

= f (a + ib) + f (a0 + ib0 ).

D’autre part :
•) Pour λ ∈ R, f (λ(a + ib)) = f (λa + iλb) = λa − iλb = λ(a − ib) = λ f (a + ib). Dans ce cas, f est linéaire.
•) Pour λ = 1 + i ∈ C, on a f (λ(a + ib)) = f ((1 + i)(a + ib)) = f ((a − b) + i(a + b)) = (a − b) − i(a + b) et
λ f (a + ib) = (1 + i)(a − ib) = (a + b) + i(a − b), donc f (λ(a + ib)) , λ f (a + ib). Dans ce cas, f n’est pas
linéaire

Exercice 1.16. Soit f : R3 [X] → R3 [X] une application linéaire telle que

f (1) = 1, f (X) = X 2 , f (X 2 ) = X + X 3 .

Déterminer f (a + bX + cX 2 ) où a, b, c ∈ R.

Solution.
f (a + bX + cX 2 ) = a f (1) + b f (X) + c f (X 2 )

= a.1 + b.X 2 + c.(X + X 3 )

= a + cX + bX 2 + cX 3 .

Exercice 1.17.
(1) Soit f : R2 → R2 telle que f (x, y) = (y, 0). Montrer que Ker f = Im f .
(2) Donner un exemple d’une application linéaire f telle que Im f ⊆ Ker f .
(3) Donner un exemple d’une application linéaire f telle que Ker f ⊆ Im f .

Solution.
1) Soit u = (x, y) ∈ R2 . Alors u ∈ Ker f ⇔ f (u) = (0, 0) ⇔ (y, 0) = (0, 0) ⇔ y = 0. Ainsi, Ker f = {(x, 0)| x ∈
R}. D’autre part, Im f = { f (x, y)| (x, y) ∈ R2 } = {(y, 0)| y ∈ R} = Ker f .
2) Considérons l’application linéaire f : R3 → R3 définie par f (x, y, z) = (z, 0, 0). Soit u = (x, y, z) ∈ R3 . Alors
u ∈ Ker f ⇔ f (u) = (0, 0, 0) ⇔ (z, 0, 0) = (0, 0, 0) ⇔ z = 0. Ainsi, Ker f = {(x, y, 0)| x, y ∈ R}. De même,
on a : Im f = { f (x, y, z)| (x, y, z) ∈ R3 } = {(z, 0, 0)| z ∈ R} ⊆ Ker f.
3) Considérons l’application linéaire f : R3 → R3 définie par f (x, y, z) = (y, z, 0). Soit u = (x, y, z) ∈ R3 . Alors
u ∈ Ker f ⇔ f (u) = (0, 0, 0) ⇔ (y, z, 0) = (0, 0, 0) ⇔ y = z = 0. Ainsi, Ker f = {(x, 0, 0)| x ∈ R}. D’autre
part, Im f = { f (x, y, z)| (x, y, z) ∈ R3 } = {(y, z, 0)| y, z ∈ R} ⊇ Ker f.

Exercice 1.18. Soit f : R2 [X] → R3 [X] l’application définie par : f (p(X)) = X 2 p0 (X) (où p0 (X) est la dérivée de
p(X)).
(1) Montrer que f est une application linéaire,
(2) Déterminer une base de Im f ,
(3) Déterminer une base de Ker f .

Solution.
Soit f : R2 [X] → R3 [X] l’application définie par : f (p(X)) = X 2 p0 (X).

M. Louzari, 2020 10 Faculté des sciences de Tétouan


Chapitre 1. Espaces vectoriels & Applications linéaires Algèbre II (SMC/SMP)

1) f est une application linéaire : En effet, soient p(X), q(X) ∈ R2 [X] et λ ∈ R : On a

f ((p + λq)(X)) = X 2 ((p + λq)0 (X)) = X 2 ((p0 + λq0 )(X)) = X 2 (p0 (X)) + λX 2 (q0 (X))

= f (p(X)) + λ f (q(X)) (la linéarité de la dérivée)

2) Une base de Im f : On sait que Im f = { f (p(X))| p(X) ∈ R2 [X]}, donc si p(X) = a+bX +cX 2 avec a, b, c ∈ R,
on a f (p(X)) = bX 2 + 2cX 3 . Ainsi

Im f = {bX 2 + 2cX 3 | b, c ∈ R} = vect(X 2 , X 3 ).

Puisque {X 2 , X 3 } est libre, donc c’est une base de Im f .


3) Une base de Ker f : On a p(X) ∈ Ker f ⇔ f (p(X)) = 0 ⇔ bX 2 + 2cX 3 = 0 ⇔ b = c = 0. Ainsi Ker f = R.

Exercice 1.19. Soit l’application linéaire f : R3 → R3 [X] définie par : f (e1 ) = 2X + X 3 ,


f (e2 ) = −2X + X 2 , f (e3 ) = X 2 + X 3 où {e1 , e2 , e3 } est la base canonique de R3 .
(1) Expliciter f (α, β, γ) pour tout (α, β, γ) ∈ R3 .
(2) Déterminer une base B0 de Ker f et en déduire rg( f ). Est ce que f est surjective ?
(3) Compléter B0 en une base de R3 .

Solution.
(1) Soit (α, β, γ) ∈ R3 , alors

f (α, β, γ) = f (αe1 + βe2 + γe3 )


= α f (e1 ) + β f (e2 ) + γ f (e3 )
= α(2X + X 3 ) + β(−2X + X 2 ) + γ(X 2 + X 3 )
= 2(α − β)X + (β + γ)X 2 + (α + γ)X 3

(2) D’après (1), on a :


u = (α, β, γ) ∈ Ker f ⇔ f (α, β, γ) = 0




 α−β =0
β+γ =0

⇔



α+γ = 0


⇔ α = β = −γ
⇔ u = (α, α, −α)
⇔ u = α(1, 1, −1)
Ainsi, Ker f = vect{(1, 1, −1)}, et puisque (1, 1, −1) est un vecteur non nul, donc B0 = {(1, 1, −1)} est une
base de Ker f . D’après le Théorème des dimensions, on a dim R3 = dim Ker f + dim Im f , or dim R3 = 3 et
dim Ker f = 1, alors dim Im f = rg( f ) = 2. Puisque rg( f ) = 2 , 3 = dim R3 [X], alors Im f , R3 [X], donc
f n’est pas surjective.
(2) On a B0 = {(1, 1, −1)}, si on complète par e1 et e2 , on aura une base de R3 (Il suffit de vérifier que la famille
{(1, 1, −1), (1, 0, 0), (0, 1, 0)} est libre).

Exercice 1.20. Considérons l’application f : R4 → R3 définie par f (x, y, z, t) = (x + y, y − z, x + t). Déterminer une
base de Im f , et en déduire Ker f .

Solution. On a f (x, y, z, t) = x(1, 0, 1) + y(1, 1, 0) + z(0, −1, 0) + t(0, 0, 1). On prend u1 = (1, 0, 1), u2 = (1, 1, 0), u3 =
(0, −1, 0), u4 = (0, 0, 1). Alors Im f = Vect(u1 , u2 , u3 , u4 ).

M. Louzari, 2020 11 Faculté des sciences de Tétouan


Chapitre 1. Espaces vectoriels & Applications linéaires Algèbre II (SMC/SMP)

•) Cherchons une base de Im f . D’abord, on a u1 = u2 + u3 + u4 , donc Vect(u1 , u2 , u3 , u4 ) = Vect(u2 , u3 , u4 ). D’autre


part, soient α, β, γ ∈ R tels que αu2 + βu3 + γu4 = 0. Alors




 α=0
αu2 + βu3 + γu4 = 0 ⇒  α−β=0 ⇒α=β=γ =0




γ = 0

Donc, {u2 , u3 , u4 } est libre, et donc c’est une base de Im f . Or Im f est un s.e.v. de R3 avec dimR R3 = dim(Im f ) = 3,
alors Im f = R3 .
•) Puisque Im f = R3 , d’après le théorème des dimensions, on a dim(Ker f ) = 1. Déterminons, donc une base de
Ker f . En effet, soit u = (x, y, z, t) ∈ R4 , alors

u ∈ Ker f ⇔ f (u) = 0




 x+y=0
−z=0

⇔

 y

x+t =0



 x = −y = −t


⇔
z = y

⇔ u = y(−1, 1, 1, 1)

Donc, Ker f est engendré par le vecteur (−1, 1, 1, 1), par suite {(−1, 1, 1, 1)} est une base de Ker f .

Exercice 1.21 (Contrôle, Juin 2019).


Soient F et G deux sous espaces vectoriels du R-espace vectoriel R3 tels que :

F = vect{(0, 1, 2), (−1, 0, 1)} et G = {(x, y, z) ∈ R3 | x + y = z}

1) Déterminer une famille génératrice de G.


2) Donner une base de F ∩ G.
3) Vérifier que dim F + dim G = 1 + dim(F + G).

Solution.
1) Cherchons une famille génératrice de G. Soit u = (x, y, z) ∈ R3 , alors

u∈G ⇔ x+y=z

⇔ u = (x, y, x + y) = x(1, 0, 1) + y(0, 1, 1)

Ainsi, G est engendré par la famille {(1, 0, 1), (0, 1, 1)}.


2) Déterminons une base de F ∩ G. En effet, soit u = (x, y, z) ∈ R3 , d’abord :

u ∈ F ⇔ ∃λ1 , λ2 ∈ R | u = λ1 (0, 1, 2) + λ2 (−1, 0, 1)

⇔ ∃λ1 , λ2 ∈ R | u = (−λ2 , λ1 , 2λ1 + λ2 )

Maintenant, on a : 
 ∃λ1 , λ2 ∈ R | u = (−λ2 , λ1 , 2λ1 + λ2 )


u ∈ F ∩G ⇔ 

 −λ2 + λ1 = 2λ1 + λ2

M. Louzari, 2020 12 Faculté des sciences de Tétouan


Chapitre 1. Espaces vectoriels & Applications linéaires Algèbre II (SMC/SMP)


 ∃λ1 , λ2 ∈ R | u = (−λ2 , λ1 , 2λ1 + λ2 )


⇔

 λ1 + 2λ2 = 0

 ∃λ1 , λ2 ∈ R | u = (−λ2 , λ1 , 2λ1 + λ2 )


⇔

 λ1 = −2λ2

⇔ ∃λ2 ∈ R | u = (−λ2 , −2λ2 , −3λ2 )

⇔ ∃λ2 ∈ R | u = λ2 (−1, −2, −3)

Ainsi, F ∩ G = vect{(−1, −2, −3)}. Et puisque (−1, −2, −3) , (0, 0, 0), alors {(−1, −2, −3)} est une base de F ∩ G.
3) Puisque {(−1, −2, −3)} est une base de F ∩ G, alors dim(F ∩ G) = 1. D’après le théorème des dimensions, on a :
dim(F + G) = dim F + dim G − dim(F ∩ G), alors dim F + dim G = dim(F + G) + dim(F ∩ G) = dim(F + G) + 1.
D’où le résultat.

Exercice 1.22 (Contrôle, Juillet 2019).


Soit E un R-espace vectoriel de dimension 3 de base B = {v1 , v2 , v3 }. Vérifier que la famille B0 = {v1 − v2 , v2 −
v3 , v3 − v1 } ne peut pas être une autre base de E.

Solution.

La famille B0 = {v1 − v2 , v2 − v3 , v3 − v1 } est liée. En effet, pour λ1 = λ2 = λ3 = 1, on a : λ1 (v1 − v2 ) + λ2 (v2 − v3 ) +


λ3 (v3 − v1 ) = v1 − v2 + v2 − v3 + v3 − v1 = 0, mais λ1 = λ2 = λ3 , 0. Ainsi, la famille B0 ne peut pas être une base
de E.

Exercice 1.23.
Parmi les ensembles suivants, lesquels sont, ou ne sont pas, des sous-espaces vectoriels ?
(1) Pn [X] l’ensemble de polynômes à coefficients dans R de degré n, muni des opérations ordinaires.
(2) A = {(x, 2x) ∈ R2 | x ∈ R}, muni des opérations ordinaires.
(3) B = {(x, y) ∈ R2 | x ≥ 0 et y ≥ 0}, muni des opérations ordinaires.
(4) C = {(x, y, z, t) ∈ R4 | x + y + z + t = 1}, muni des opérations ordinaires.

Solution.
(1) Soient R[X] le R-espace vectoriel de polynômes à coefficients dans R et n un entier naturel ≥ 1. L’ensemble
de polynômes à coefficients dans R de degré n n’est pas un sous-espace vectoriel de R[X].
En effet, pour p1 = X n ∈ Pn [X] et p2 = −X n ∈ Pn [X], on a p1 + p2 = 0 < Pn [X]. Donc l’addition n’est pas
stable dans Pn [X].
(2) On voit clairement que A est un sous-ensemble de R2 . On montre que A est un s.e.v. de R2 . En effet, pour
(x1 , 2x1 ), (x2 , 2x2 ) ∈ A et λ ∈ R, on a :
• (0, 0) ∈ A car (0, 0) = (0, 2 × 0), donc A , ∅.
• (x1 , 2x1 ) + (x2 , 2x2 ) = (x1 + x2 , 2(x1 + x2 )) ∈ A.
• λ(x1 , 2x1 ) = (λx1 , 2(λx1 )) ∈ A.
Ainsi, A est un sous-espace vectoriel de R2 .
(3) B est un sous-ensemble non vide de R2 car (0, 0) ∈ B. Mais B n’est pas un sous-espace vectoriel de R2 car
(1, 1) ∈ B, mais −1 × (1, 1) = (−1, −1) < B.
(4) C ne peut pas être un sous-espace vectoriel de R4 , car (0, 0, 0, 0) < C.

M. Louzari, 2020 13 Faculté des sciences de Tétouan


Chapitre 1. Espaces vectoriels & Applications linéaires Algèbre II (SMC/SMP)

Exercice 1.24.
Soit C1 (R) l’ensemble de toutes les applications de classe C1 de R dans R. On considère le sous-ensemble F =
{ f ∈ C1 (R) | f 0 (x) + 2 f (x + 1) + f 0 (0) = 0 , ∀x ∈ R}.
Montrer que F est un R-espace vectoriel.

Solution.
• D’abord, F , ∅, car l’application nulle sur R est un élément de F . Soient f, g ∈ F et λ ∈ R. Évidement on a :
f + g ∈ C1 (R) et λ f ∈ C1 (R). En plus
• Pour tout x ∈ R, on a :

( f + g)0 (x) + 2( f + g)(x + 1) + ( f + g)0 (0) = f 0 (x) + g0 (x) + 2 f (x + 1) + 2g(x + 1) + f 0 (0) + g0 (0)

= f 0 (x) + 2 f (x + 1) + f 0 (0) + g0 (x) + 2g(x + 1) + g0 (0)

= 0.

Ainsi, f + g ∈ F .
• Pour tout x ∈ R, on a : λ[ f 0 (x) + 2 f (x + 1) + f 0 (0)] = 0 = (λ f )0 (x) + 2(λ f )(x + 1) + (λ f )0 (0).
D’où λ f ∈ F .
Par conséquent, F est un sous-espace vectoriel de C1 (R), c’est à dire F est un R-espace vectoriel.

Exercice 1.25.
Considérons C2 [X] l’ensemble de tous les polynômes à coefficients dans C de degrés ≤ 2. On considère les poly-
nômes Pk = (X + 1)k+1 − X k+1 pour tout k = 0, 1, 2.
(1) Montrer que la famille {P0 , P1 , P2 } est libre.
(2) Est ce que la famille {P0 , P1 , P2 } est une base de C2 [X] ?

Solution.
Notons que C2 [X] est un C-espace vectoriel de dimension 3. On a : P0 = 1, P1 = 2X + 1, P2 = 3X 2 + 3X + 1.
(1) Soient α, β, γ ∈ C tels que αP0 + βP1 + γP2 = 0 (∗). Alors,




 α+β+γ =0
2β + 3γ = 0 ⇒ α = β = γ = 0

(∗) ⇒ 



=0


 3γ

Ainsi, la famille {P0 , P1 , P2 } est libre.


(2) La famille F = {P0 , P1 , P2 } est libre et Card(F ) = dimC C2 [X] = 3, alors F est une base de C2 [X]. .
Dans le cas général : Soient n un entier naturel et Cn [X] l’ensemble de tous les polynômes à coefficients dans C
de degrés ≤ n. On considère les polynômes Pk = (X + 1)k+1 − X k+1 pour tout k = 0, 1, · · · , n. On montre que la
famille {P0 , P1 , · · · , Pn } est une base de Cn [X]. En effet, Cn [X] est un C-espace vectoriel de dimension n + 1. On
rappelle l’identité : an − bn = (a − b)(an−1 + an−2 b + an−3 b2 + · · · + abn−2 + bn−1 ), ∀a, b ∈ C, n ∈ N∗ . Alors :

Pk = (X + 1)k+1 − X k+1 = (X + 1)k + (X + 1)k−1 X + · · · + (X + 1)k−1 X + X k .

Donc, deg(Pk ) = k.
(1) On va montrer par récurrence sur k que {P0 , P1 , · · · , Pn } est libre.
• Pour k = 0 on a : P0 = 1, évidement {P0 } est libre.
• Supposons que la famille {P0 , P1 , · · · , PN } est libre pour un certain N < n, et montrons que la famille

M. Louzari, 2020 14 Faculté des sciences de Tétouan


Chapitre 1. Espaces vectoriels & Applications linéaires Algèbre II (SMC/SMP)

{P0 , P1 , · · · , PN+1 } est libre. En effet, soient α0 , α1 , · · · , αN+1 ∈ C tels que α0 P0 +α1 P1 +· · ·+αN+1 PN+1 = 0.
Si αN+1 = 0, alors α0 P0 + α1 P1 + · · · + αN PN = 0, et puisque la famille {P0 , P1 , · · · , PN } est libre, d’après
l’hypothèse de recurrence, donc α0 = α1 = · · · = αN+1 . Maintenant, si αN+1 , 0, alors d’après la remarque
précédente, le polynôme α0 P0 + α1 P1 + · · · + αN+1 PN+1 est de degré N + 1, donc αN+1 est le coefficient
dominant de ce polynôme, puisque α0 P0 + α1 P1 + · · · + αN+1 PN+1 = 0 alors αN+1 = 0, ce qui implique
α0 P0 + α1 P1 + · · · + αN PN = 0 et puisque la famille {P0 , P1 , · · · , PN } est libre, selon l’hypothèse de
récurrence, alors α0 = α1 = · · · = αN = 0. Ainsi, α0 = α1 = · · · = αN = αN+1 = 0. Par suite, la famille
{P0 , P1 , · · · , PN+1 } est libre. D’après le principe de la récurrence, la famille {P0 , P1 , · · · , Pn } est bien libre
pour tout n ∈ N.
(2) La famille {P0 , P1 , · · · , Pn } est libre de cardinal n + 1 et dimC Cn [X] = n + 1, alors {P0 , P1 , · · · , Pn } est une
base de Cn [X].

Exercice 1.26.
Soit E = {(x, y, z) ∈ R3 | x + y − 3z = 0 et 2x + 3y − z = 0}.
(1) Vérifier que E est un sous-espace vectoriel de R3 ,
(2) Chercher un sous-ensemble G de E tel que E = vect(G) et en déduire dim E.

Solution.
(1) D’abord, E est un sous-ensemble non vide de R3 , car 0R3 ∈ E. En plus, pour u = (x, y, z), v = (x0 , y0 , z0 ) ∈ E
et λ ∈ R, on a :
• x + y − 3z = 0, 2x + 3y − z = 0 et x0 + y0 − 3z0 = 0, 2x0 + 3y0 − z0 = 0, donc (x + x0 ) + (y + y0 ) − 3(z + z0 ) = 0
et 2(x + x0 ) + 3(y + y0 ) − (z + z0 ) = 0. Par suite u + v ∈ E.
• x + y − 3z = 0 et 2x + 3y − z = 0, donc (λx) + (λy) − 3(λz) = 0 et 2(λx) + 3(λy) − (λz) = 0. D’où λu ∈ E.
Ainsi, E est un sous-espace vectoriel de R3 .
(2) Soit u = (x, y, z) ∈ R3 , alors 
 x + y − 3z = 0


u∈E⇔
 2x + 3y − z = 0


 3z = x + y


⇔
 z = 2x + 3y

 8
 x = −5y




⇔ 1
z = − y



5
8 1
⇔ u = (− y, y, − y)
5 5
8 1
⇔ u = y(− , 1, − )
5 5
8 1 8 1 8 1
Alors, E est engendré par le vecteur (− , 1, − ), on prend G = {(− , 1, − )}. Alors, E = vect{(− , 1, − )}.
5 5 5 5 5 5
8 1
Et puisque (− , 1, − ) , 0, alors G est une base de E. D’où dim E = 1.
5 5
Exercice 1.27.
Soient E = {(x, y, z, t) ∈ R4 | x + z = 0 et y + t = 0} et F = vect(v1 , v2 , v3 , v4 ), où v1 = (1, 2, 0, −2), v2 = (1, 1, 0, 1),
v3 = (1, 0, 1, −1) et v4 = (0, −1, 0, 3).
(1) Donner une famille génératrice de E et calculer dim E,
(2) Trouver une relation entre v1 , v2 et v4 .

M. Louzari, 2020 15 Faculté des sciences de Tétouan


Chapitre 1. Espaces vectoriels & Applications linéaires Algèbre II (SMC/SMP)

(3) Calculer dim F


(4) Déterminer E ∩ F et en déduire E + F.

Solution.
(1) Soit u = (x, y, z, t) ∈ R4 . Alors
 
x+z =0

  z = −x


u∈E⇔ ⇔
y+t =0
  t = −y

⇔ u = (x, y, −x, −y) = x(1, 0, −1, 0) + y(0, 1, 0, −1).

On prend u1 = (1, 0, −1, 0), u2 = (0, 1, 0, −1), alors la famille F = {u1 , u2 } est génératrice de E. On peut
aussi vérifier que F est linéairement indépendante. En effet, si on prend α, β ∈ R tels que αu1 + βu2 = 0,
on aura α = β = 0. Ainsi F est une base de E et par suite dim E = Card(F ) = 2.
(2) Soient α, β ∈ R tels que : v4 = αv1 + βv2 . Alors

v4 = α(1, 2, 0, −2) + β(1, 1, 0, 1)

= (α + β, 2α + β, 0, −2α + β) = (0, −1, 0, 3)

Ainsi, 



 α+β =0
2α + β = −1





 −2α + β = 3

Ceci implique α = 1 et β = −1, par suite v4 = v1 − v2 .


(3) D’après (2), la famille {v1 , v2 , v3 , v4 } est liée. Alors dim F < 4. Considérons à présent la famille G =
{v1 , v2 , v3 }. Vérifions si cette famille est libre. En effet, soient α, β, γ ∈ R tels que :
αv1 + βv2 + γv3 = 0 (∗∗). Alors
 
 α+β+γ =0  α+β =0 
α =0


 

 
 2α + β =0  2α + β = 0


 

 


β =0
  
(∗∗) ⇒  ⇒ ⇒

γ =0 γ =0

 

 




 

 γ =0


 −2α + β − γ = 0

  −2α + β = 0

Ainsi, G est libre et par conséquent c’est une base de F. D’où dim F = 3.
(4) • Déterminons E ∩ F. Soit u ∈ R4 , d’abord on a :

u ∈ F ⇔ ∃α, β, γ ∈ R | u = αv1 + βv2 + γv3 .

Alors

u ∈ E


u∈E∩F ⇔
u ∈ F


 ∃α, β, γ ∈ R | u = αv1 + βv2 + γv3 = (α + β + γ, 2α + β, γ, −2α + β − γ)


⇔
 (α + β + γ) + γ = 0 et (2α + β) + (−2α + β − γ) = 0


 ∃α, β, γ ∈ R | u = αv1 + βv2 + γv3 = (α + β + γ, 2α + β, γ, −2α + β − γ)


⇔
 α = −5β et γ = 2β

⇔ ∃β ∈ R | u = β(−2, −9, 2, 9)

M. Louzari, 2020 16 Faculté des sciences de Tétouan


Chapitre 1. Espaces vectoriels & Applications linéaires Algèbre II (SMC/SMP)

On en déduit que E ∩ F est engendré par un seul vecteur, c’est à dire E ∩ F = vect{(−2, −9, 2, 9)}. Ainsi,
dim E ∩ F = 1.
• D’après la formule de Grassmann, on a : dim(E + F) = dim E + dim F − dim(E ∩ F), or dim E = 2,
dim F = 3 et dim(E ∩ F) = 1, donc dim(E + F) = 4. Puisque dim(E + F) = dim R4 , alors E + F = R4 .

Exercice 1.28.
Soit le sous-ensemble X = {(2, 2, 1, 3), (7, 5, 5, 5), (3, 2, 2, 1), (2, 1, 2, 1)} de R4 .
(1) Déterminer une base de Vect(X).
(2) Compléter cette base en une base de R4 .

Solution.
(1) On pose : v1 = (2, 2, 1, 3), v2 = (7, 5, 5, 5), v3 = (3, 2, 2, 1), v4 = (2, 1, 2, 1). On peut remarquer que
v2 = v1 + v3 + v4 . Donc la famille {v1 , v2 , v3 , v4 } est liée. Maintenant, on considère la sous-famille {v1 , v3 , v4 },
car v2 est une combinaison linéaire des autres vecteurs. Examinons si la famille {v1 , v3 , v4 } est libre ou non.
En effet, soient α, β, γ ∈ R tels que αv1 + βv3 + γv4 = 0 (∗). Alors




 2α + 3β + 2γ = 0
 2α + 2β + γ = 0




(∗) ⇔  


 α + 2β + 2γ = 0

 3α + β + γ = 0

⇔ α = β = γ = 0.
Alors, la famille {v1 , v3 , v4 } est libre, donc c’est une base de Vect(X).
(2) Puisque Card({v1 , v3 , v4 }) = 3 < dim R4 = 4. Alors, on complète la famille {v1 , v3 , v4 } par un seul vecteur
pour avoir une base de R4 . On complète par un vecteur qui soit libre avec {v1 , v3 , v4 }. Si on complète avec
le vecteur e4 = (0, 0, 0, 1), on aura une base de R4 . En effet, avec un simple calcul, on peut vérifier que la
famille {v1 , v3 , v4 , e4 } est libre, et par suite c’est une base de R4 .

Exercice 1.29.
Soit f : Rn+1 [X] → Rn [X] une application définie par f (P) = (n + 1)P − XP0 .
(1) Justifier que f est bien définie et que c’est une application linéaire.
(2) Déterminer ker f .
(3) Montrer que f est surjective.

Solution.
1)
• Pour montrer que f est bien définie, il suffit de vérifier que f (P) ∈ Rn [X] pour tout P ∈ Rn+1 [X].
En effet, soit P = an+1 X n+1 + an X n + an−1 X n−1 + · · · + a1 X + a0 . Alors




 P0 = (n + 1)an+1 X n + nan X n−1 + (n − 1)an−1 X n−2 + · · · + a1
XP0 = (n + 1)an+1 X n+1 + nan X n + (n − 1)an−1 X n−1 + · · · + a1 X





 (n + 1)P = (n + 1)an+1 X n+1 + (n + 1)an X n + (n + 1)an−1 X n−1 + · · · + (n + 1)a1 X + (n + 1)a0

Par suite, f (P) = (n + 1)P − XP0 = an X n + 2an−1 X n−1 + · · · + na1 X + (n + 1)a0 ∈ Rn [X]. Donc f est bien
définie.
• Vérifions que f est linéaire. Soient P, Q ∈ Rn+1 [X] et λ ∈ R. Alors

f (P) + f (Q) = (n + 1)P − XP0 + (n + 1)Q − XQ0

M. Louzari, 2020 17 Faculté des sciences de Tétouan


Chapitre 1. Espaces vectoriels & Applications linéaires Algèbre II (SMC/SMP)

= (n + 1)(P + Q) − X(P + Q)0

= f (P + Q)

et
λ f (P) = λ((n + 1)P − XP0 )

= (n + 1)(λP) − X(λP)0

= f (λP)

Alors, f est bien linéaire.


2) Soit P ∈ Rn+1 [X], f ∈ Ker f ⇔ f (P) = 0.
• Méthode 1 : D’après la première question, on a : f (P) = an X n + 2an−1 X n−1 + · · · + na1 X + (n + 1)a0 , donc
f (P) = 0 ⇔ a0 = a1 = · · · = an = 0. D’où, P est de la forme an+1 X n+1 . C’est à dire Ker f est engendré par
X n+1 . Ainsi, Ker f = vect(X n+1 ).
• Méthode 2 : f ∈ Ker f ⇔ f (P) = 0 ⇔ (n + 1)P − XP0 = 0. Il suffit donc de résoudre l’équation
différentielle (n + 1)P = XP0 .
dP
(n + 1)P = XP0 ⇔ (n + 1)P = X
dX
dP dX
⇔ = (n + 1)
P X
= + X , qui implique ln(P) = (n + 1)ln(X) = ln(X ), alors P = C.X n+1 où C ∈ R. c’est
R R dX
Donc, dP P (n 1) n+1

à dire, Ker f est engendré par X , ou encore Ker f = vect(X ).


n+1 n+1

3) D’après le Théorème de dimensions, dim Rn+1 [X] = dim Ker f + dim Im f , avec dim Rn+1 [X] = n + 2 et
dim Ker f = 1, il en résulte que dim Im f = n + 1 = dim Rn [X]. Donc Im f = Rn [X]. Ainsi, f est surjective.

Exercice 1.30.
Dans le R-espace vectoriel R3 , considérons la famille

B = {(1, 1, 1), (1, 2, 3), (1, 1, 2)}.

(1) Montrer que B est une base de R3 .


(2) Soit f : R3 → R3 une application linéaire définie par :

f (1, 1, 1) = (1, 1, 1), f (1, 2, 3) = (−1, −2, −3), f (1, 1, 2) = (2, 2, 4).

Déterminer f (x, y, z) pour tout (x, y, z) ∈ R3 .

Solution.
1) Tout d’abord, Card(B) = dim R3 = 3, il suffit donc de vérifier que B est libre pour qu’elle soit une base.
En effet, soient α, β, γ ∈ R tels que : α(1, 1, 1) + β(1, 2, 3) + γ(1, 1, 2) = 0 (?). Alors




 α + β + γ = 0 (1)
α + 2β + γ = 0 (2)

(?) ⇔ 



 α + 3β + 2γ = 0 (3)

(2) − (1) ⇒ β = 0 et (3) − (2) − (1) ⇒ α = 0 et (1) ⇒ γ = 0, donc α = β = γ = 0. Ainsi, B est libre. Par
conséquent c’est une base de R3 .

M. Louzari, 2020 18 Faculté des sciences de Tétouan


Chapitre 1. Espaces vectoriels & Applications linéaires Algèbre II (SMC/SMP)

2) Soit {e1 , e2 , e3 } la base canonique de R3 . On pose u = (1, 1, 1), v = (1, 2, 3), w = (1, 1, 2). Alors :




 u = e1 + e2 + e3 (4)
v = e1 + 2e2 + 3e3 (5)





 w = e1 + e2 + 2e3 (6)

Essayons d’écrire e1 , e2 et e3 dans la base B = {u, v, w}. En effet ;


(6) − (4) ⇒ e3 = −u + w ,
(5) − (6) ⇒ e3 + e2 = v − w ⇒ e2 = u + v − 2w ,
(4) ⇒ e1 = u − e2 − e3 ⇒ e1 = u − v + w . Alors :




 e1 = u − v + w (7)
e2 = u + v − 2w (8)





 e3 = −u + w

 (9)

Alors pour tout (x, y, z) ∈ R3 ,


f (x, y, z) = x f (e1 ) + y f (e2 ) + z f (e3 )
= x( f (u) − f (v) + f (w)) + y( f (u) + f (v) − 2 f (w)) + z(− f (u) + f (w))
= f (u)(x + y − z) + f (v)(y − x) + f (w)(x − 2y + z)
= (1, 1, 1)(x + y − z) + (−1, −2, −3)(y − x) + (2, 2, 4)(x − 2y + z)
= (4x − 4y + z, 5x − 5y + z, 8x − 10y + 3z)
Ainsi,
f (x, y, z) = (4x − 4y + z, 5x − 5y + z, 8x − 10y + 3z)
Exercice 1.31.
Soient E un K-e.v. de dimension 3, de base B1 = {u1 , u2 , u3 } et F un K-e.v. de dimension 2, de base B2 = {v1 , v2 }.
Considérons l’application f : E → F définie par :

f (λ1 u1 + λ2 u2 + λ3 u3 ) = (λ1 + µ)v1 + (λ2 + λ3 )v2 .

(1) Déterminer les valeurs de µ pour lesquelles f est linéaire.


(2) Pour ces valeurs de µ, déterminer une base du Ker f .

Solution.
(1) On écrit les éléments de E et F sous formes de triplets et couples respectivement.
Soient (λ1 , λ2 , λ3 ), (λ01 , λ02 , λ03 ) ∈ E et k ∈ K.
 f (λ1 , λ2 , λ3 ) + f (λ01 , λ02 , λ03 ) = f (λ1 + λ01 , λ2 + λ02 , λ3 + λ03 )


Alors f est linéaire ⇔  
 k f (λ1 , λ2 , λ3 ) = f (kλ1 , kλ2 , kλ3 )

 (λ1 + µ, λ2 + λ3 ) + (λ01 + µ, λ02 + λ03 ) = (λ1 + λ01 + µ, λ2 + λ02 + λ3 + λ03 )


⇔ 
 k(λ1 + µ, λ2 + λ3 ) = (kλ1 + µ, kλ2 + kλ3 )

 2µ = µ


⇔
 kµ = µ

⇔ µ = 0.

(2) On suppose que µ = 0. Alors f (λ1 , λ2 , λ3 ) = (λ1 , λ2 + λ3 ). Soit u = (λ1 , λ2 , λ3 ) ∈ E, alors u ∈ Ker f ⇔ f (u) =
0F ⇔ (λ1 , λ2 + λ3 ) = (0, 0) ⇔ λ1 = 0 et λ2 = −λ3 . Ainsi u = λ2 (0, 1, −1) où λ2 ∈ K. Par suite Ker f = vect(e),
avec e = (0, 1, −1) = u2 − u3 .

M. Louzari, 2020 19 Faculté des sciences de Tétouan


Chapitre 1. Espaces vectoriels & Applications linéaires Algèbre II (SMC/SMP)

Exercice 1.32.
Soit l’application linéaire f : R3 → R3 définie par :

f (x, y, z) = (x + y, 0, y − z).

(1) Déterminer Im f et Ker f , et donner une base pour chacun.


(2) Montrer que A = {(x, y, z) ∈ R3 | x = y} est un s.e.v. de R3 .
(3) Déterminer une base de f −1 (A).

Solution.
(1)
• Par définition on a :

Im f = { f (x, y, z) | (x, y, z) ∈ R3 }

= {(x + y, 0, y − z) ∈ R3 | x, y, z ∈ R}

= {x(1, 0, 0) + y(1, 0, 1) + z(0, 0, −1) ∈ R3 | x, y, z ∈ R}

Ainsi, Im f est engendré par la famille {(1, 0, 0), (1, 0, 1), (0, 0, −1)}, mais (1, 0, 1) = (1, 0, 0) − (0, 0, −1).
Par suite Im f = vect{(1, 0, 0), (0, 0, −1)}. On peut aussi remarquer que (0, 0, −1) = (1, 0, 0) − (1, 0, 1).Donc
Im f = vect{(1, 0, 0), (1, 0, 1)}.
La famille {(1, 0, 0), (0, 0, −1)} est génératrice pour Im f , vérifions que cette famille est libre. En effet, soient
α, β ∈ R tels que α(1, 0, 0) + β(0, 0, −1) = 0, ce qui entraîne α = β = 0. Par suite {(1, 0, 0), (0, 0, −1)} est
libre, donc c’est une base de Im f .
• Puisque dim Ker f + dim Im f = dim R3 = 3 et dim Im f = 2, alors dim Ker f = 1, c’est à dire Ker f est
engendré par un seul vecteur. En effet, Soit u = (x, y, z) ∈ R3 . Alors

u ∈ Ker f ⇔ f (u) = 0

⇔ (x + y, 0, y − z) = 0

x+y =0


⇔
y−z =0


 x = −y


⇔
z =y

⇔ u = (−y, y, y) = y(−1, 1, 1)

Ainsi, Ker f = vect{(−1, 1, 1)}, c’est à dire la famille {(−1, 1, 1)} est une base de Ker f .
(2)
• D’abord A , ∅ car (0, 0, 0) ∈ A. Maintenant, on prend u = (x, y, z), v = (x0 , y0 , z0 ) ∈ A et λ ∈ R. Alors
• On a x = y et x0 = y0 donc x + x0 = y + y0 . Alors u + v ∈ A.
• On a x = y ⇒ λx = λy. Alors λu ∈ A.
Conclusion : A est un sous-espace vectoriel de R3 .
(3) On sait que l’image inverse d’un sous-espace vectoriel par une application linéaire est un sous-espace
vectoriel. Ainsi, f −1 (A) est sous-espace vectoriel de R3 . par définition, on a f −1 (A) = {u = (x, y, z) ∈ R3 |
f (u) ∈ A}. Alors
f −1 (A) = {u = (x, y, z) ∈ R3 | (x + y, 0, y − z) ∈ A}

M. Louzari, 2020 20 Faculté des sciences de Tétouan


Chapitre 1. Espaces vectoriels & Applications linéaires Algèbre II (SMC/SMP)

= {u = (x, y, z) ∈ R3 | x + y = 0}
= {u = (x, y, z) ∈ R3 | y = −x}
= {u = (x, −x, z) ∈ R3 | x, z ∈ R}
= {u = x(1, −1, 0) + z(0, 0, 1) | x, z ∈ R}
Alors, f −1 (A) = vect{(1, −1, 0), (0, 0, 1)}. On peut facilement vérifier que {(1, −1, 0), (0, 0, 1)} est libre et par
suite, c’est une base de f −1 (A).

Exercice 1.33.
Considérons dans le R-espace vectoriel R3 , les trois vecteurs :

u = (−1, 1, 1), v = (1, −1, 1), w = (1, 1, −1).

(1) Montrer que B = {u, v, w} est une base de R3 .


(2) Soit l’application linéaire f : R3 → R4 définie par :

f (u) = (2, 0, 1, 1), f (v) = (0, 1, 2, −1), f (w) = (1, −1, 0, 0).

(a) Déterminer f (A) pour tout A = (x, y, z) ∈ R3 .


(b) Est ce que f est injective ? Quel est le rang de f ?

Solution.
(1) on a Card(B) = 3 = dim R3 , il suffit de vérifier que B est libre pour quelle soit une base. En effet, soient
α, β, γ ∈ R tels que αu + βv + γw = 0 (∗). Alors




 −α + β + γ = 0 (1)
α − β + γ = 0 (2)

(∗) ⇒ 



 α + β − γ = 0 (3)

On a : (1) + (2) ⇒ γ = 0, (2) + (3) ⇒ β = 0, et (1) ⇒ α = 0. Ainsi, B est libre et par suite c’est une base
de R3 .
(2)
(a) Tout d’abord, on écrit les vecteurs de la base canonique dans la base B. On a :




 u = −e1 + e2 + e3 (1)
v = e1 − e2 + e3 (2)





 w = e1 + e2 − e3 (3)

où {e1 , e2 , e3 } est la base canonique de R3 . Alors :


v+w
(2) + (3) ⇒ e1 = ,
2
u+w
(1) + (3) ⇒ e2 = ,
2
u+v
(1) + (2) ⇒ e3 = .
2
Maintenant, pour A = (x, y, z) ∈ R3 , on aura :

A = xe1 + ye2 + ze3


v+w u+w u+v
=x +y +z
2 2 2

M. Louzari, 2020 21 Faculté des sciences de Tétouan


Chapitre 1. Espaces vectoriels & Applications linéaires Algèbre II (SMC/SMP)

y+z x+z x+y


= u+ v+ w
2 2 2
et par conséquent :
y+z x+z x+y
f (A) = f (u) + f (v) + f (w).
2 2 2

(b) En remplaçant f (u), f (v) et f (w) par leurs valeurs dans l’expression f (A), on aura :
1
f (A) = (x + 3y + 2z, −y + z, 2x + y + 3z, −x + y) .
2
Alors,
A ∈ Ker f ⇔ f (A) = 0




 x + 3y + 2z =0
 −y + z =0




⇔ 


 2x + y + 3z =0

 −x + y

 =0
⇔x=y=z=0

⇔A=0

Par suite, f est injective. D’après le Théorème du rang, on a dim R3 = rg( f )+dim(Ker f ), or dim(Ker f ) = 0
et dim R3 = 3. Donc rg( f ) = dim R3 = 3.

M. Louzari, 2020 22 Faculté des sciences de Tétouan


Chapitre 2

Matrices

Exercice 2.1. Soit l’application linéaire f : R3 → R2 donnée par :

f (x, y, z) = (2x − y, 2y − z).

Déterminer la matrice de f relativement aux bases canoniques de R3 et R2 .

Solution. Soient B = {e1 , e2 , e3 } la base canonique de R3 , avec e1 = (1, 0, 0), e2 = (0, 1, 0), e3 = (0, 0, 1) et
B0 = { f1 , f2 } la base canonique de R2 , avec f1 = (1, 0), f2 = (0, 1). On a :


 f (e1 ) = (2, 0) = 2 f1 + 0 f2  

  2 −1 0 
f (e2 ) = (−1, 2) = −1 f1 + 2 f2 ⇒ Mat( f ; B, B ) = 
0  .




 0 2 −1 
 f (e3 ) = (0, −1) = 0 f1 − 1 f2

Exercice 2.2. Considérons les deux matrices


 cos θ sin θ   cos φ sin φ 
   
A =   , B =   où θ, φ ∈ R.
− sin θ cos θ  − sin φ cos φ 

 cos(θ + φ) sin(θ + φ) 


 
1) Montrer que AB =   .
− sin(θ + φ) cos(θ + φ) 
 
 cos nθ sin nθ 
2) Montrer que A = 
n  ∀n ∈ N∗ .
− sin nθ cos nθ 

Solution.
 cos θ sin θ   cos φ sin φ 
   
  , B =   où θ, φ ∈ R.
− sin θ cos θ  − sin φ cos φ 
1) On a :
 cos θ sin θ   cos φ sin φ 
  
AB =    
− sin θ cos θ   − sin φ cos φ 
 cos θ cos φ − sin θ sin φ cos θ sin φ + sin θ cos φ 
 
=  
− sin θ cos φ − cos θ sin φ − sin θ sin φ + cos θ cos φ 
 cos(θ + φ) sin(θ + φ) 
 
=  
− sin(θ + φ) cos(θ + φ) 

23
Chapitre 2. Matrices Algèbre II (SMC/SMP)

2) Pour n = 1, on a A1 = A, donc le résultat est vrai pour n = 1. Supposons que le résultat est vrai pour n, et
montrons qu’il est vrai pour n + 1. en effet, on a :

An+1 = An A
 cos nθ sin nθ   cos θ sin θ 
  
=    
− sin nθ cos nθ   − sin θ cos θ 
 cos nθ cos θ − sin nθ sin θ cos nθ sin θ + sin nθ cos θ 
 
=  
− sin nθ cos θ − cos nθ sin θ − sin nθ sin θ + cos nθ cos θ 
 cos(nθ + θ) sin(nθ + θ) 
 
=   
− sin(nθ + θ) cos(nθ + θ) 
 cos(n + 1)θ sin(n + 1)θ 
 
=    .
− sin(n + 1)θ cos(n + 1)θ 
D’où le résultat est vrai pour n + 1. D’après le principe de la récurrence, le résultat est vrai pour tout n ∈ N∗ .

Exercice 2.3. En utilisant la méthode d’élimination de Gauss-Jordan, montrer que la matrice suivante
 
 1 −1 0 
A =  1 0 −1 
 
 
−6 2 3

est inversible et que


 
 −2 −3 −1 
A−1 =  −3 −3 −1  .
 
 
−2 −4 −1
 
 1 −1 0 
Solution. Utilisons la méthode de Gauss-Jordan, pour déterminer l’inverse de la matrice : A =  1 0 −1 .
 
 
−6 2 3
 . 
 1 −1 0 .. 1 0 0 
 
. .
" #
A .. I =  1 0 −1 .. 0 1 0  .
 

.
 
−6 2 3 .. 0 0 1
 

.. −1
# "
Maintenant, on utilise les opérations élémentaires sur les lignes afin de retrouver la forme I . A .

 ..   .. 
1 −1 0 . 1 0 0 1 −1 0 . 1 0 0
   
   
 1 0 −1 ... 0 1 0  ∼  0 1 −1 ... −1 1 0  L2 + (−1)L1  L2
   
   
 .. ..
−6 2 3 . 0 0 1 −6 2 3 . 0 0 1
  

 . 
 1 −1 0 .. 1 0 0 
 
.
∼  0 1 −1 .. −1 1 0  L3 + 6L1  L3
 

..
 
0 −4 3 . 6 0 1
 

M. Louzari, 2020 24 Faculté des sciences de Tétouan


Chapitre 2. Matrices Algèbre II (SMC/SMP)

. 
−1 0 .. 1 0 0 
 1
 
.

1 −1 .. −1 1 0  L3 + 4L2  L3

∼  0 
.

0 −1 .. 2 4 1
 
0

..  
−1 0 . 1 0 0   1
 
.

1 −1 .. −1 1 0  (−1)L3  L3

∼  0 
.

0 1 .. −2 −4 −1
 
0

 .. 
−1 0 . 1 0 0 
 1
 
.

1 0 .. −3 −3 −1  L3 + L2  L2

∼  0 
.

0 1 .. −2 −4 −1
 
0

 . 
0 0 .. −2 −3 −1 
 1
 
..

1 0 . −3 −3 −1  L1 + L2  L1

∼  0 
.

0 1 .. −2 −4 −1
 
0

 
 −2 −3 −1 
Alors, la matrice A est inversible, et on a A−1 =  −3 −3 −1 . On peut facilement vérifier que AA−1 = A−1 A = I3 .
 
 
−2 −4 −1
 
 7 4 
Exercice 2.4. Soit la matrice A =  .
−9 −5 
 1 + 6n 4n 
 
1) Montrer que A = 
n   pour tout n ≥ 1.
−9n 1 − 6n 

 xn+1 = 7xn + 4yn


2) Soient (xn )n≥0 et (yn )n≥0 deux suites complexes définies par : 
 yn+1 = −9xn − 5yn

Déterminer xn et yn en fonction de x0 , y0 et n.

Solution.
 1 + 6 × 1 4 × 1   7 4 
   
1) Montrons le résultat par récurrence. Pour n = 1, on a :   =  , le résultat est
−9 × 1 1 − 6 × 1   −9 −5 
vrai.
Maintenant, supposons que le résultat est vrai pour un certain n, et montrons qu’il est vrai pour n + 1. En
effet, on a :
An+1 = An A
 1 + 6n 4n   7 4 
  
=   
  
−9n 1 − 6n   −9 −5 
 (1 + 6n) × 7 − 9 × 4n (1 + 6n) × 4 − 5 × 4n 
 
=   
−9n × 7 − 9 × (1 − 6n) −9n × 4 − 5 × (1 − 6n) 
 1 + 6(n + 1) 4(n + 1) 
 
=  
−9(n + 1) 1 − 6(n + 1) 
D’où le résultat est vrai pour n + 1. D’après le principe de la récurrence, on a le résultat pour tout n ≥ 1.

M. Louzari, 2020 25 Faculté des sciences de Tétouan


Chapitre 2. Matrices Algèbre II (SMC/SMP)

2) On peut écrire le système sous la forme :


    
 xn+1   7 4   xn 
  =     .
yn+1 −9 −5   yn 
   
 xn   7 4 
Si on pose Xn =  , on aura Xn+1 = AXn , avec A =  . On a :
yn −9 −5 

Xn = AXn−1
Xn = A2 Xn−2
..
.
Xn = An X0

Donc    n  
 xn   7 4   x0 
  =     ,
yn −9 −5   y0 
ou encore
 xn   1 + 6n 4n   x0 
    
  =     .
yn −9n 1 − 6n   y0 
Par suite :
xn = (1 + 6n)x0 + 4ny0 , yn = −9nx0 + (1 − 6n)y0 , ∀n ≥ 1

Exercice 2.5 (Contrôle, Juin 2018).


Soient R2 [X] le R-espace vectoriel des polynômes à coefficients dans R de degrés ≤ 2 et B0 = {1, X, X 2 } sa base
canonique. Considérons l’application f : R2 [X] → R2 [X] définie par :
f (p(X)) = X p0 (X) + 2p(X) (où p0 (X) est la dérivée de p(X)).

1) Montrer que f est linéaire.


2) Déterminer Ker f et Im f . Quelle est la nature de f ?
3) Calculer f (1), f (X) et f (X 2 ). En déduire la matrice de f relativement à la base B0 .

Solution.
1) Montrons que f est linéaire. Soient p(X), q(X) ∈ R2 [X] et λ ∈ R. Alors
•)
f (p(X) + q(X)) = f (p + q)(X)
= X(p + q)0 (X) + 2(p + q)(X)
= X(p0 (X) + q0 (X)) + 2(p(X) + q(X))
= X p0 (X) + Xq0 (X) + 2p(X) + 2q(X)
= X p0 (X) + 2p(X) + Xq0 (X) + 2q(X)
= f (p(X)) + f (q(X))
•)
f ((λp)(X)) = X(λp)0 (X) + 2(λp)(X)
= λX p0 (X) + λ2p(X)
= λ(X p0 (X) + 2p(X))
= λ( f (p(X))

M. Louzari, 2020 26 Faculté des sciences de Tétouan


Chapitre 2. Matrices Algèbre II (SMC/SMP)

Par suite, f est une application R-linéaire.

2) Déterminons le Ker f et Im f .
•) Soit p(X) = a + bX + cX 2 ∈ R2 [X]. Alors

p(X) ∈ Ker f ⇔ f (p(X)) = 0


⇔ X p0 (X) + 2p(X) = 0
⇔ X(a + bX + cX 2 )0 + 2(a + bX + cX 2 ) = 0
⇔ X(b + 2cX) + (2a + 2bX + 2cX 2 ) = 0
⇔ 2a + 3bX + 4cX 2 = 0
⇔a=b=c=0
⇔ p(X) = 0
Ainsi, Ker f = {0R2 [X] }.
•) D’après le théorème des dimensions, dim(R2 [X]) = dim Ker f + dim Im f , avec dim Ker f = 0, alors
dim Im f = dim(R2 [X]). Par suite Im f = R2 [X].
•) f est un endomorphisme injectif (Ker f = {0}) et surjectif (Im f = R2 [X]), donc c’est un automorphisme.

3)
•) f (1) = X(1)0 + 2.(1) = 2 , f (X) = XX 0 + 2X = 3X , f (X 2 ) = X(X 2 )0 + 2X 2 = 4X 2 .
 
 2 0 0 
•) Mat( f, B0 ) =  0 3 0 
 
 
004
Exercice 2.6 (Contrôle, Mai 2018).
Considérons l’application R-linéaire f : R4 → R2 définie par f (x, y, z, t) = (x + 2y, x + y + z + t), et A le sous-
ensemble de R4 défini par A = {(x, y, z, t) ∈ R4 | x + 2y = 0, x + y + z + t = 0}.
1) Montrer que A est un sous-espace vectoriel de R4 et vérifier que A = ker f .
2) Déterminer une base de A et en déduire le rang de f ,
3) f est-elle surjective ?
4) Donner Mat( f ; B0 , B1 ), la matrice de f relativement aux bases canoniques B0 et B1 de R4 et R2 respectivement.

Solution.
Considérons l’application R-linéaire f : R4 → R2 définie par f (x, y, z, t) = (x + 2y, x + y + z + t), et A le sous-
ensemble de R4 défini par A = {(x, y, z, t) ∈ R4 | x + 2y = 0, x + y + z + t = 0}.
1) (•) Montrons que A est un sous-espace vectoriel de R4 .
En effet, soient (x, y, z, t), (x0 , y0 , z0 , t0 ) ∈ A et λ ∈ R.
a) Puisque 0 + 2 × 0 = 0 et 0 + 0 + 0 + 0 = 0, alors (0, 0, 0, 0) ∈ A. Ainsi A , ∅.
b)  
 x + 2y = 0 et x + y + z + t = 0

  (x + x0 ) + 2(y + y0 ) = 0


⇒
 x + 2y = 0 et x + y + z + t = 0

 0 0 0 0 0 0  (x + x0 ) + (y + y0 ) + (z + z0 ) + (t + t0 ) = 0

Par suite (x, y, z, t) + (x0 , y0 , z0 , t0 ) = (x + x0 , y + y0 , z + z0 , t + t0 ) ∈ A.


c)  
 x + 2y = 0

  λx + 2λy = 0



x+y+z+t =0

  λx + λy + λz + λt = 0


Par suite λ(x, y, z, t) = (λx, λy, λz, λt) ∈ A.

M. Louzari, 2020 27 Faculté des sciences de Tétouan


Chapitre 2. Matrices Algèbre II (SMC/SMP)

Ainsi, A est un sous-espace vectoriel de R4 .

(•) Vérifions que A = Ker f

Ker f = {(x, y, z, t) ∈ R4 | f (x, y, z, t) = 0}


= {(x, y, z, t) ∈ R4 | (x + 2y, x + y + z + t) = (0, 0)}
= {(x, y, z, t) ∈ R4 | x + 2y = 0 , x + y + z + t = 0}
= A

2)
•) Soit u = (α, β, γ, δ) ∈ R4 , alors
  
 α + 2β = 0

  α = −2β

  α = −2β


u∈A⇔ ⇔ ⇔
α+β+γ+δ = 0
  δ = −α − β − γ

 δ = β−γ

⇔ u = (−2β, β, γ, β − γ) = β(−2, 1, 0, 1) + γ(0, 0, 1, −1).


Si on pose v1 = (−2, 1, 0, 1) et v2 = (0, 0, 1, −1). On aura u = βv1 + γv2 où β, γ ∈ R. Ainsi A = vect{v1 , v2 },
c’est à dire {v1 , v2 } est une famille génératrice de A.
•) Vérifions à présent si {v1 , v2 } est libre. En effet, soient α, β ∈ R tels que αv1 + βv2 = 0 (?). Alors
(?) ⇒ α = β = 0, par suite {v1 , v2 } est libre. Donc {v1 , v2 } est une base de A = Ker f . Ainsi dim Ker f = 2.
•) D’après le théorème du rang (des dimensions), on a dim R4 = dim Ker f + dim Im f . Or dim R4 = 4,
dim Ker f = 2 et par conséquent dim Im f = rg( f ) = 2.

3) On sait que Im f est un sous-espace vectoriel de R2 avec dim Im f = dim R2 = 2. Donc Im f = R2 et par suite f
est surjective.
4) On a :
f (e1 ) = (1, 1) f (e2 ) = (2, 1) f (e3 ) = (0, 1) f (e4 ) = (0, 1)
Alors  
 1 2 0 0 
Mat( f ; B0 , B1 ) =  
1 1 1 1
Exercice 2.7 (Contrôle, juin 2018). 
 2 1 
Considérons la matrice A =   .
1 2
1  3n + 1 3n − 1 
 
1) Montrer que A =  n
n
 pour tout n ≥ 1.
2 3 − 1 3n + 1 
2) Soient (xn )n≥0 et (yn )n≥0 deux suites réelles définies par :

 xn+1 = 2xn + yn


 yn+1 = xn + 2yn

Déterminer xn et yn en fonction de x0 , y0 et n.

Solution.
1) Montrons le résultat par récurrence. Pour n = 1, on a :

1  31 + 1 31 − 1   2 1 


   
= .
2  31 − 1 31 + 1   1 2 

M. Louzari, 2020 28 Faculté des sciences de Tétouan


Chapitre 2. Matrices Algèbre II (SMC/SMP)

Le résultat est vrai.


Maintenant, supposons que le résultat est vrai pour un certain n, et montrons qu’il est vrai pour n + 1. En effet, on
a:
An+1 = An A
 3n + 1 3n − 1   2 1 
  
1
=    
2 3n − 1 3n + 1 1 2 

1  2(3n + 1) + (3n − 1) (3n + 1) + 2(3n − 1)


 
= 


2 2(3n − 1) + (3n + 1) (3n − 1) + 2(3n + 1)

1  3n+1 + 1 3n+1 − 1 


 
=  n+1
2 3 − 1 3n+1 + 1 

D’où le résultat est vrai pour n + 1. D’après le principe de la récurrence, on a le résultat pour tout n ≥ 1.

2) On peut écrire le système sous la forme :


    
 xn+1   2 1   xn 
  =     .
yn+1   1 2   yn 
   
 xn   2 1 
Si on pose Xn =  , on aura Xn+1 = AXn , avec A =  . On a :
yn 1 2

Xn = AXn−1
Xn = A2 Xn−2
..
.
Xn = An X0

Donc    n  
 xn   2 1   x0 
  =    
yn 1 2   y0 
ou encore
1  3n + 1 3n − 1   x0 
  
=  n
2 3 − 1 3n + 1   y0 
 

1  (3n + 1)x0 + (3n − 1)y0 


 
=  n
2 (3 − 1)x0 + (3n + 1)y0 

Par suite :
(3n + 1)x0 + (3n − 1)y0 (3n − 1)x0 + (3n + 1)y0
xn = , yn = , ∀n ≥ 1
2 2
Exercice 2.8 (Contrôle, Mai 2018).
 1 2 
Considérons la matrice A =  .
−2 1 

1) Montrer que A2 − 2A + 5I2 = 0


1
2) Vérifier que A−1 = (2I2 − A).
5

M. Louzari, 2020 29 Faculté des sciences de Tétouan


Chapitre 2. Matrices Algèbre II (SMC/SMP)

Solution.    
 −3 4   2 4 
1) On a : A = 
2   et 2A = 
  , alors A2 − 2A + 5I2 = 0.
−4 −3  −4 2 
2) On a :
1 2 1 1 1
A.[ (2I2 − A)] = A − A2 = (2A − A2 ) = (5I2 ) = I2
5 5 5 5 5
et
1 1 1
[ (2I2 − A)].A = (2A − A2 ) = (5I2 ) = I2 .
5 5 5
1
Alors, l’inverse de A est bien (2I2 − A).
5
Exercice 2.9 (Contrôle, Juin 2019).
Considérons le R-espace vectoriel R3 de base canonique B = {e1 , e2 , e3 }. Soit f l’application linéaire définie par :




 f (e1 ) = e1 + 2e2
f (e2 ) = e2 + 3e3





 f (e3 ) = e1 + e2 + e3

1) Donner la matrice A de f relativement à la base canonique B.


2) Déterminer Ker f et en déduire Im f .
3) Soit la famille B0 = {u1 , u2 , u3 }, où u1 = e1 + e3 , u2 = e1 − e2 , u3 = −e1 + e2 + e3 .
Montrer que B0 est une base de R3 .
4) Écrire e1 , e2 et e3 en fonction de u1 , u2 et u3 .
5) Écrire f (u1 ), f (u2 ) et f (u3 ) en fonction de u1 , u2 et u3 . En déduire la matrice A0 de f
relativement à la base B0 .
6) Donner la matrice de passage P de B à B0 et exprimer A0 en fonction de A, P et P−1 .
(le calcul de P−1 n’est pas demandé).

Solution.
1) On a : 



 f (e1 ) = e1 + 2e2
(e2 ) = e2 + 3e3



 f

 f (e3 ) = e1 + e2 + e3


 
 1 0 1 
Alors, Mat( f, B) =  2 1 1 .
 
 
031

2) Déterminons le Ker f . En effet, soit u = (x, y, z) ∈ R3 , d’une part :

f (u) = f (x, y, z) = x f (e1 ) + y f (e2 ) + z f (e3 )

= x(e1 + 2e2 ) + y(e2 + 3e3 ) + z(e1 + e2 + e3 )

= (x + z)e1 + (2x + y + z)e2 + (3y + z)e3 .

D’autre part,
u ∈ Ker f ⇔ f (u) = 0

M. Louzari, 2020 30 Faculté des sciences de Tétouan


Chapitre 2. Matrices Algèbre II (SMC/SMP)





 x+z =0
2x + y + z = 0

⇔



3y + z = 0







 x+z =0
x+y =0

⇔



 3y + z = 0






 x = −z
x = −y

⇔



 4y = 0

⇔x=y=z=0

⇔u=0

Par suite, Ker f = (0).

D’après le théorème des dimensions, dim R3 = dim Ker f + dim Im f = dim Im f , car dim Ker f = 0. Et puisque
Im f est un sous espace vectoriel de R3 , alors Im f = R3 .

3) Soit la famille B0 = {u1 , u2 , u3 }, où u1 = e1 + e3 , u2 = e1 − e2 , u3 = −e1 + e2 + e3 . Pour montrer que B0 est une


base de R3 , il suffit de vérifier que son déterminant est non nul. En effet,

1 1 −1
dét(B0 ) = 0 −1 1


1 0 1

1 0 0
= 0 −1 1 L1 ← L1 + L2


1 0 1

−1 1
=
0 1
= −1 , 0.

Donc, B0 est une base de R3 .





 u1 = e1 + e3 (1)
=
0

4) Écrivons e1 , e2 et e3 dans la base B . On a :  −

 u 2 e1 e 2 (2)

 u3 = −e1 + e2 + e3 (3)


(2) + (3) ⇒ e3 = u2 + u3 .
(1) ⇒ e1 = u1 − e3 = u1 − u2 − u3 .
(2) ⇒ e2 = e1 − u2 = u1 − 2u2 − u3 .
Conclusion : 



 e1 = u1 − u2 − u3
e2 = u1 − 2u2 − u3

(∗) 



 e3 = u2 + u3

M. Louzari, 2020 31 Faculté des sciences de Tétouan


Chapitre 2. Matrices Algèbre II (SMC/SMP)

5) Écrivons f (u1 ), f (u2 ) et f (u3 ) dans la base B0 .


 



 u1 = e1 + e3 


 f (u1 ) = f (e1 ) + f (e3 ) = 2e1 + 3e2 + e3
u2 = e1 − e2 f (u2 ) = f (e1 ) − f (e2 ) = e1 + e2 − 3e3
 
⇒
 


 

 u3 = −e1 + e2 + e3

  f (u3 ) = − f (e1 ) + f (e2 ) + f (e3 ) = 4e3

D’après (∗), on aura : 





 f (u1 ) = 5u1 − 7u2 − 4u3
f (u2 ) = 2u1 − 6u2 − 5u3





 f (u3 ) = 4u2 + 4u3

 
 5 2 0 
Ainsi, on obtient A0 = Mat( f, B0 ) =  −7 −6 4 

 
 
−4 −5 4




 u1 = e1 + e3
u2 = e1 − e2

6) On sait que :  . Alors, la matrice de passage de B à B0 est :



 u3 = −e1 + e2 + e3

 
 1 1 −1 
P =  0 −1 1  .
 
 
1 0 1

D’où A0 = P−1 AP.

Exercice 2.10 (Contrôle, Juillet 2019).


Considérons les deux matrices    
 1 −1 2   1 
A =  2 0 4  et B =  −1  .
   
   
−1 1 0 3

1) Calculer l’inverse de A
2) En déduire la solution de l’équation matricielle AX = B.

Solution.

1) Calcul de l’inverse de A : D’après la méthode de Gauss-Jordan, on a :


   
 1 −1 2 1 0 0   1 −1 2 1 0 0 
[A | I3 ] =  2 0 4 0 1 0  ∼  2 0 4 0 1 0  L3 ← L3 + L1
   
   
−1 1 0 0 0 1 0 0 2 1 0 1
 
 1 −1 2 1 0 0 
 
∼  2 0 0 −2 1 −2  L2 ← L2 − 2L3
 
0 0 2 1 0 1
 
 1 −1 2 1 0 0 
∼  1 0 0 −1 1/2 −1  L2 ← L2 /2, L3 ← L3 /2
 
 
0 0 1 1/2 0 1/2

M. Louzari, 2020 32 Faculté des sciences de Tétouan


Chapitre 2. Matrices Algèbre II (SMC/SMP)

 
 −1 1 0 0 0 1 
∼  1 0 0 −1 1/2 −1  L1 ← L1 − 2L3 , L1 ← −L1
 
 
0 0 1 1/2 0 1/2
 
 0 1 0 −1 1/2 0 
∼  1 0 0 −1 1/2 −1  L1 ← L1 + L2
 
 
0 0 1 1/2 0 1/2
 
 1 0 0 −1 1/2 −1 
 
∼  0 1 0 −1 1/2 0  L1 ↔ L2
 
0 0 1 1/2 0 1/2
On a obtenu une forme [I3 | B], donc A est inversible et son inverse est :
 
 −1 1/2 −1 
A−1 =  −1 1/2 0  .
 
 
1/2 0 1/2

2) En déduire la solution de l’équation matricielle AX = B. Puisque A est inversible, alors cet équation possède
une solution unique. En effet
AX = B ⇔ A−1 AX = A−1 B
⇔ X = A−1 B
  
 −1 1/2 −1   1 
⇔ X =  −1 1/2 0   −1  .
   
   
1/2 0 1/2 3
 
 −9/2 
⇔ X =  −3/2  .
 
 
2
Exercice 2.11 (Contrôle, Juillet 2019).
Considérons le R-espace vectoriel R3 de base canonique B = {e1 , e2 , e3 }. Soit fa l’endomorphisme (où a ∈ R) de
R3 dont la matrice relativement à la base B est :
 
 1 0 a 
Ma =  0 a 0  .
 
 
0 0 1

1) Écrire fa (e1 ), fa (e2 ) et fa (e3 ) en fonction de e1 , e2 et e3 .


2) Vérifier que fa (x, y, z) = (x + za)e1 + yae2 + ze3 pour tout (x, y, z) ∈ R3 .
3) Supposons que a = 0.
(i) Déterminer Ker f0 et Im f0 .
(ii) En déduire le rang de f0 . Est ce que M0 est inversible ?
4) Supposons que a , 0.
(i) Déterminer Ker fa et Im fa .
(ii) En déduire le rang de fa . Est ce que Ma est inversible ?
5) Calculer Ma2 et Ma3 .
 
 1 0 na 
6) Montrer par récurrence que Man =  0 an 0  pour tout n ∈ N∗ .
 
 
0 0 1

M. Louzari, 2020 33 Faculté des sciences de Tétouan


Chapitre 2. Matrices Algèbre II (SMC/SMP)

Solution.

1) D’après la matrice de fa , on a : 



 fa (e1 ) = e1
fa (e2 ) = ae2





 fa (e3 ) = ae1 + e3

2) Soit (x, y, z) ∈ R3 , alors fa (x, y, z) = x fa (e1 ) + y fa (e2 ) + z fa (e3 ) = (x + za)e1 + yae2 + ze3 .
3) Premier cas : a = 0.
i) Soit u = (x, y, z) ∈ R. alors
u ∈ Ker f0 ⇔ f0 (u) = 0

⇔ f0 (x, y, z) = 0

⇔ xe1 + ze3 = 0

⇔x=z=0

⇔ u = (0, y, 0) = y(0, 1, 0).

Ainsi, Ker f0 est engendré par le vecteur (0, 1, 0), c’est à dire Ker f0 = vect{e2 }.
Déterminons maintenant Im f0 . On a :

Im f0 = { f0 (x, y, x) | (x, y, z) ∈ R}

= {xe1 + ze3 | x, z ∈ R}

= vect{e1 , e3 }.

ii) Puisque Im f0 = vect{e1 , e3 } avec {e1 , e3 } est libre, donc rg( f0 ) = dim(Im f0 ) = 2. D’autre part, rg( f0 ) = rg(M0 ) =
2 < dim(R3 ) = 3. Donc M0 n’est pas inversible

4) Deuxième cas : a , 0.
i) Soit u = (x, y, z) ∈ R. alors
u ∈ Ker fa ⇔ fa (u) = 0

⇔ fa (x, y, z) = 0




 x + za = 0
ya = 0

⇔



z= 0


⇔x=y=z=0

⇔u=0

Ainsi, Ker fa = (0). D’après le théorème de dimensions, on a dim R3 = dim Im fa + dim Ker fa = 3. Alors
dim Im fa = dim R3 = 3, par suite Im fa = R3 .
ii) D’après la question précédente on a : rg( fa ) = dimIm fa = 3, ceci implique Ma est inversible.

M. Louzari, 2020 34 Faculté des sciences de Tétouan


Chapitre 2. Matrices Algèbre II (SMC/SMP)

5)
• Calcul de Ma2 .
 
 1 0 2a 
Ma2 =  0 a2 0  .
 
 
0 0 1

• Calcul de Ma3 .
 
 1 0 3a 
Ma3 =  0 a3 0  .

 
 
0 0 1
 
 1 0 na 
6) Dans le cas général, on a : Man =  0 an 0  pour tout n ∈ N∗ . Montrons le résultat par récurrence.
 
 
0 0 1
• Pour n = 1, le résultat est vrai.
• Supposons que le résultat est vrai pour un certain n fixé et montrons le résultat pour n + 1. En effet,
 1 0 na   1 0 a + na 
  

Man+1 =  0 an 0   0 aan 0 



 
  
   
0 0 1 0 0 1

 1 0 (n + 1)a 


 

=  0 an+1  .


 
0
 
0 0 1
Ainsi, le résultat est vrai pour n + 1. D’après le principe de la récurrence, le résultat est vrai pour tout n ∈ N∗ .
Exercice 2.12.
Soient a, b, c, d quatre nombres réels, considérons l’application linéaire f : R3 [X] → R3 [X] donnée par :

f (a + bX + cX 2 + dX 3 ) = a + (d − c − a)X + (d − c)X 3

(1) Donner la matrice de f relativement à la base canonique B = {1, X, X 2 , X 3 },


(2) Déterminer la matrice de f relativement à la base B0 = {1 + X 3 , X, X + X 3 , X 2 + X 3 },
(3) Quelle est la matrice de passage de B à B0 ?

Solution.
(1) La matrice de f relativement à B.
On a : f (1) = 1 − X, f (X) = 0, f (X 2 ) = −X − X 3 , f (X 3 ) = X + X 3 . Ainsi,
 
 1 0 0 0 
 
 −1 0 −1 1 
Mat( f ; B) =  
 0 0 0 0 
 
0 0 −1 1
(2) La matrice de f relativement à B0 .
On a : f (1 + X 3 ) = 1 + X 3 , f (X) = 0, f (X + X 3 ) = X + X 3 , f (X 2 + X 3 ) = 0. Ainsi,
 
 1 0 0 0 
 
 0 0 0 0 
Mat( f ; B0 ) = 
 0 0 1 0 
 
0 0 0 0

M. Louzari, 2020 35 Faculté des sciences de Tétouan


Chapitre 2. Matrices Algèbre II (SMC/SMP)

(3) On pose : e0 = 1, e1 = X, e2 = X 2 , e3 = X3 et f0 = 1 + X 3 , f1 = X, f2 = X + X 3 , f3 = X 2 + X 3 .





 f0 = e0 + e3
 f1 = e1




Alors :
f2 = e1 + e3






 f3 = e2 + e3


Ainsi, la matrice de passage est
 
 1 0 0 1 
 
 0 1 0 0 
PB,B0 = 
 
 0 1 0 1 
 
0 0 1 1
 
 3 0     
 4 −1   1 4 2 
(1) Considérons les trois matrices A =  −1 2 , B =   et C = 
 
Exercice 2.13.    .
  0 2 3 1 5
1 1
Calculer et comparer les deux produits  (AB)C
 et A(BC).
 
 0 1   −1 −1 
(2) Considérons les deux matrices A =   et B =  .
0 1 0 0
a) Comparer (A + B)2 et A2 + 2AB + B2 .
b) Comparer (A + B)3 et A3 + 3A2B + 3AB2 + B3 .
 a 1 
(3) Considérons la matrice A =   où a ∈ C.
0 a
a) Calculer A2 , A3 et A4 .
b) Conjecturer la forme explicite de An où n ∈ N∗ .

Solution.
(1)
   
 3 0     12 −3 
  4 −1   
• D’une part, on a : AB =  −1 2    =  −4 5 . Alors

  0 2  
1 1 4 1
   
 12 −3     3 45 9 
  1 4 2  
(AB)C =  −4 5    =  11
 
−11 17 
  3 1 5  
4 1 7 17 13
    
 4 −1   1 4 2   1 15 3 
• D’autre part, on a : BC =     =  . Alors
0 2   3 1 5   6 2 10 
   
 3 0     3 45 9 
  1 15 3  
A(BC) =  −1 2    =  11
 
−11 17 
  6 2 10   
1 1 7 17 13

• Ainsi, (AB)C = A(BC).


(2)
a) On a :      
 0 1   −1 −1   −1 0 
• A + B =   +   =   . Alors :
0 1  0 0  0 1
    
 −1 0   −1 0   1 0 
(A + B) = 
2    =   .
0 1 0 1 0 1

M. Louzari, 2020 36 Faculté des sciences de Tétouan


Chapitre 2. Matrices Algèbre II (SMC/SMP)

    
 0 1   0 1   0 1 
• A = 
2  
  =
  .
0 10 1 0 1
    
 −1 −1   −1 −1   1 1 
• B = 
2    =  .
0 0  0 0  0 0
    
 0 2   −1 −1   0 0 
• 2AB =     =  .
02 0 0 0 0
Conclusion :
   
 1 2   1 0 
A + 2AB + B = 
2 2
,
   = (A + B)2
0 1 0 1

b) Puisque AB = 0, alors 3A2 B = 3A(AB) = 3A × 0 = 0 et 3AB2 = 3(AB)B = 3 × 0 × B = 0. Il suffit donc


de comparer, A3 + B3 et (A + B)3 .  
 −1 0 
• (A + B)3 = (A + B)2 (A + B) = A + B =  , car (A + B)2 = I2 , où I2 est la matrice unité.
0 1
     
 0 1   −1 −1   −1 0 
• A = 
3
 et B = 
3
. Alors A + B = 
3 3
.
0 1 0 0 0 1
Conclusion :
 
 −1 0 
A + 3A B + 3AB + B = 
3 2 2 3  = (A + B)3
0 1
 
 a 1 
(3) Considérons la matrice A =    où a ∈ C. Alors
0 a
     
 a2 2a   a3 3a2   a4 4a3 
a) On a : A = 
2 , A = 
3  et A = 
4
.
0 a2  0 a3  0 a4 
n
b) D’après la question a), on peut conjecturer  la
 forme de A .
 an nan−1 
On montre par récurrence que An =  , pour tout n ∈ N∗ .
0 an 
• Pour n = 1, on a : A1 = A. Donc la propriété est vraie.
• Supposons la propriété pour un certain n et montrons la pour n + 1. En effet,
  
 an nan−1   a 1 
A = 
n+1    
0 an   0 a 


 an .a an + nan−1 


 
=   
0 an .a 
 an+1 (n + 1)an 
 
=    .
0 an+1 
D’où, la propriété est vraie pour n + 1.  
 an nan−1 
D’après le principe de la récurrence, on a :  , pour tout n ∈ N∗ .
0 an 

Exercice 2.14.  
 2 1 1 
On considère la matrice A =  4 −6 0 .
 
 
−2 7 2

M. Louzari, 2020 37 Faculté des sciences de Tétouan


Chapitre 2. Matrices Algèbre II (SMC/SMP)

(1) En utilisant la méthode d’élimination de Gauss-Jordan, montrer que A est inversible, et son inverse est
 3 5 3 
 4 − 16 − 8 

 
 
 1 3 1
A = 
−1
 
 2 − − 
 8 4 
 
 
−1 1 1




 2x + y + z = 0
=1

(2) On considère le système linéaire suivant : (S )  4x − 6y



 −2x + 7y + 2z = 2


a) Écrire le système (S ) sous la forme AX = B, en déterminant les matrices X et B.
b) En déduire la solution de (S ).

Solution.
(1)
 ..   .. 
 2 1 1 . 1 0 0   2 1 1 . 1 0 0  L2  L2 − 2L1
   
. .
[A | I3 ] =  4 −6 0 .. 0 1 0  ∼  0 −8 −2 .. −2 1 0  L3  L3 + L1
   

. .
   
−2 7 2 .. 0 0 1 0 8 3 .. 1 0 1
   

 .. 
2 1 1 . 1 0 0
 
 
.. 
∼  0 −8 −2 . −2 1 0  L3  L3 + L2


..
 
0 0 1 . −1 1 1
 

 . 
 2 1 0 .. 2 −1 −1  L1  L1 − L3
 
.
∼  0 −8 0 .. −4 3 2  L2  L2 + 2L3
 

..
 
0 0 1 . −1 1 1
 

 .. 12 5 6 
 2 1 0 . − −  L  L + L2

8 8 8  1 1
8
∼  0 −8 0 ... −4 3 2 
 
 
.
0 0 1 .. −1 1 1
 

.. 12
 
5 6 
 1 0 0 . − − 

 16 16 16  L1  L1
 
 2
.. 4

∼  0 1 0 .
 3 2 
− −  L
 8 8 8  L2  2

 

 −8
 .. 
0 0 1 . −1 1 1
 

M. Louzari, 2020 38 Faculté des sciences de Tétouan


Chapitre 2. Matrices Algèbre II (SMC/SMP)

 3 5 3
 − − 

 4 16 8 
 

Ainsi, 
 1 3 1  est l’inverse de A.
− − 

 2 8 4 
 
 
−1 1 1




 2x + y + z = 0
=1

(2) On considère le système linéaire suivant : (S )  4x − 6y



 −2x + 7y + 2z = 2


   
 x   0 
a) Si on pose X =  y  et B =  1 . Alors, (S ) ⇔ AX = B
   
   
z 2
 
3 5 3   
  
 − −   0 

 4 16 8   
   
  
b) Puisque A est inversible. Alors, (S ) ⇔ AX = B ⇔ X = A B = 
−1
 1 3 1   1 .
− −   

 2 8 4   
   
   2 
−1 1 1  
 

 
3 5 3     17    17
     
 − −   0   − 
 x   −


 4 16 8     16 
    16


         
      
Or, 
 1 3 1   1  =  7 . C’est à dire :  y  =  − 7
 
.
− −     −
2 8 4     8    8
     
      
     
   2   z  
−1 1

1   3 3

17 7
Ainsi, x = − , y = − , z = 3.
16 8
 
 1 −3 4 
(1) Déterminer le rang de la matrice A =  2 −2 5 .
 
Exercice 2.15.
 
3 −1 6
(2) A est-elle inversible ?

Solution.
(1) Effectuons les opérations élémentaires sur les lignes de la matrice A. En effet,

   
 1 −3 4   1 −3 4 
A =  2 −2 5  ∼  0 4 −3  L2  L2 − 2L1
   
   
3 −1 6 0 8 −6 L3  L3 − 3L1

 
 1 −3 4 
 
∼  0 4 −3  L3  L3 − 2L2
 
0 0 0

M. Louzari, 2020 39 Faculté des sciences de Tétouan


Chapitre 2. Matrices Algèbre II (SMC/SMP)

 
 1 1 1 
4 −3  L1  L1 + L2
 
∼  0
 
0 0 0
 
 1 1 1 
3  L2
 
∼  0 1 −  L2 
 4  4
0 0 0

 1 7 
0 
 4 
∼  0
 3 
1 −  L1  L1 − L2

 4 
0 0 0
 
 1 0 0 
7 3
∼  0 1 0  C3  − C1 + C3 et C3  C2 + C3
 
  4 4
0 0 0

Le nombre de lignes non nulles est 2, donc le rang de A est 2.


(2) Puisque rang(A) = 2 , 3. Alors, la matrice A n’est pas inversible.

M. Louzari, 2020 40 Faculté des sciences de Tétouan


Chapitre 3

Déterminants & réduction des matrices

Exercice 3.1. Calculer les déterminants suivants :



1 2 3 4 4 −1 3 −1
4 −2 2
−2 1 −4 3 3 1 0 2
(a) (b) 1 7 −2 (c)
3 −4 −1 2 0 1 2 2
3 −4 2
4 3 −2 −1 1 2 −1 1

Solution.
a)
1 2 3 4 1 2 3 4
2L1 + L2  L2

−2 1 −4 3
=
0 5 2 11
−3L1 + L3  L3

3
−4 −1 2 0 −10 −10 −10
4 3 −2 −1 0 −5 −14 −17 −4L1 + L4  L4


5 2 11
= (−10) 1 1

1

−5 −14 −17

0 −12 −6 L1 + L3  L1
= (−10) 1 1

1

0 −9 −12 −5L2 + L3  L3

−12 −6
= (−10) × (−1)
−9 −12
= 10 × (144 − 54) = 10 × 90 = 900

b)
4 −2 2 5 5 0 L1 + L2  L1
1 7 −2 = 1 7 −2

3 −4 2 4 3 0 L2 + L3  L3

5 5
= (−1) (−2)
5
4 3
= 2 × (−5) − 10.

41
Chapitre 3. Déterminants & réduction des matrices Algèbre II (SMC/SMP)

c)
4 −1 3 −1 4 −1 3 −1

3 1 0 2 3
=
1 0 2
2L4 + L3  L3
0
1 2 2 2 5 0 4
1 2 −1 1 1 2 −1 1

3L4 + L1  L1

7 5 02

3 1 02
=
2 5 04
1 2 −11


7 5 2
= (−1) × (−1)7 3 1 2 −L1 + L2  L2


2 5 4

7 5 2
= −4 −4 0


2 5 4 −2L1 + L3  L3

7 5 2
= −4 −4 0


−12 −5 0

4 −4 −4

= 2 × (−1) = 2 × (20 − 48) = −56.
−12 −5
Exercice 3.2. Soient a, b, c ∈ C, montrer que :

1 1 1 1
2a 2b b − c
a 1 1 1
= (1 − a)3 , (2) 2b 2a a + c = −2(a − b)2 (a + b).

(1)
a a 1 1
a + b a + b b
a a a 1

Solution.
1)
1 1 1 1 1 0 1 1
1 −C1 + C2  C2

a 1 1 1 a a − 1 1
=
a
a 1 1 a 0 1 1
a a a 1 a 0 a 1


1 1 1
= (a − 1) × (−1)4 a 1 1 −C2 + C3  C3


a a 1

1 1 0
= (a − 1) a 1 0


a a 1 − a

6 1 1

= (a − 1)(1 − a)(−1)
a 1
= (a − 1)(1 − a)(1 − a) = (a − 1)3 .

M. Louzari, 2020 42 Faculté des sciences de Tétouan


Chapitre 3. Déterminants & réduction des matrices Algèbre II (SMC/SMP)

2)
2a 2b b − c 2(a + b) 2b b − c
2b 2a a + c = 2(a + b) 2a a + c

a + b a + b b 2(a + b) a + b b C1 + C2  C1

1 2b b − c
= 2(a + b) 1 2a a + c


1 a + b b

1 2b b − c
= 2(a + b) 0 2(a − b) a − b + 2c L2 − L1  L2


0 a−b c L3 − L1  L3

2(a − b) a − b + 2c
= 2(a + b)
a−b c
= 2(a + b)[2(a − b)c − (a − b)(a − b + 2c)]
= −2(a + b)(a − b)2
Exercice 3.3 (Contrôle, Mai 2018).
Considérons l’application R-linéaire f : R4 → R2 définie par f (x, y, z, t) = (x + 2y, x + y + z + t), et A le sous-
ensemble de R4 défini par A = {(x, y, z, t) ∈ R4 | x + 2y = 0, x + y + z + t = 0}.
1) Montrer que A est un sous-espace vectoriel de R4 et vérifier que A = ker f .
2) Déterminer une base de A et en déduire le rang de f ,
3) f est-elle surjective ?
4) Donner Mat( f ; B0 , B1 ), la matrice de f relativement aux bases canoniques B0 et B1 de R4 et R2 respectivement.

Solution.
Considérons l’application R-linéaire f : R4 → R2 définie par f (x, y, z, t) = (x + 2y, x + y + z + t), et A le sous-
ensemble de R4 défini par A = {(x, y, z, t) ∈ R4 | x + 2y = 0, x + y + z + t = 0}.
1) (•) Montrons que A est un sous-espace vectoriel de R4 .
En effet, soient (x, y, z, t), (x0 , y0 , z0 , t0 ) ∈ A et λ ∈ R.
a) Puisque 0 + 2 × 0 = 0 et 0 + 0 + 0 + 0 = 0, alors (0, 0, 0, 0) ∈ A. Ainsi A , ∅.
b)  
 x + 2y = 0 et x + y + z + t = 0

  (x + x0 ) + 2(y + y0 ) = 0



 x0 + 2y0 = 0 et x0 + y0 + z0 + t0 = 0

  (x + x0 ) + (y + y0 ) + (z + z0 ) + (t + t0 ) = 0

Par suite (x, y, z, t) + (x0 , y0 , z0 , t0 ) = (x + x0 , y + y0 , z + z0 , t + t0 ) ∈ A.


c)  
 x + 2y = 0

  λx + 2λy = 0


⇒
x+y+z+t =0

  λx + λy + λz + λt = 0

Par suite λ(x, y, z, t) = (λx, λy, λz, λt) ∈ A.


Ainsi, A est un sous-espace vectoriel de R4 .

(•) Vérifions que A = Ker f


Ker f = {(x, y, z, t) ∈ R4 | f (x, y, z, t) = 0}
= {(x, y, z, t) ∈ R4 | (x + 2y, x + y + z + t) = (0, 0)}
= {(x, y, z, t) ∈ R4 | x + 2y = 0 , x + y + z + t = 0}
= A

M. Louzari, 2020 43 Faculté des sciences de Tétouan


Chapitre 3. Déterminants & réduction des matrices Algèbre II (SMC/SMP)

2)
•) Soit u = (α, β, γ, δ) ∈ R4 , alors
  
 α + 2β = 0

  α = −2β

  α = −2β


u∈A⇔ ⇔ ⇔
α+β+γ+δ = 0
  δ = −α − β − γ

 δ = β−γ

⇔ u = (−2β, β, γ, β − γ) = β(−2, 1, 0, 1) + γ(0, 0, 1, −1).


Si on pose v1 = (−2, 1, 0, 1) et v2 = (0, 0, 1, −1). On aura u = βv1 + γv2 où β, γ ∈ R. Ainsi A = vect{v1 , v2 },
c’est à dire {v1 , v2 } est une famille génératrice de A.
•) Vérifions à présent si {v1 , v2 } est libre. En effet, soient α, β ∈ R tels que αv1 + βv2 = 0 (?). Alors
(?) ⇒ α = β = 0, par suite {v1 , v2 } est libre. Donc {v1 , v2 } est une base de A = Ker f . Ainsi dim Ker f = 2.
•) D’après le théorème du rang (des dimensions), on a dim R4 = dim Ker f + dim Im f . Or dim R4 = 4,
dim Ker f = 2 et par conséquent dim Im f = rg( f ) = 2.

3) On sait que Im f est un sous-espace vectoriel de R2 avec dim Im f = dim R2 = 2. Donc Im f = R2 et par suite f
est surjective.
4) On a :
f (e1 ) = (1, 1) f (e2 ) = (2, 1) f (e3 ) = (0, 1) f (e4 ) = (0, 1)
Alors  
 1 2 0 0 
Mat( f ; B0 , B1 ) =   
1 1 1 1
Exercice 3.4. Calculer l’inverse de la matrice suivante en utilisant la matrice adjointe.
 
 1 0 −2 
A =  3 1 4  .
 
 
5 2 −3

Solution. On a
1 0 −2 1 0 −2
dét(A) = 3 1 4 = 3 1 4


5 2 −3 −1 0 −11 L3 − 2L2  L3

4 1 −2

= (−1) = −13 , 0.
−1 −11
D’où, A est une matrice inversible. Cherchons, son inverse avec la méthode de la matrice adjointe : En effet,

1 4 0 −2 0 −2
C11 = = −11 C21 = − = −4 C31 = =2
2 −3 2 −3 1 4

3 4 1 −2 1 −2
C12 = − = 29 C22 = =7 C32 = − = −10
5 −3 5 −3 3 4

3 1 1 0 1 0
C13 = =1 C23 = − = −2 C33 = =1
5 2 5 2 3 1

M. Louzari, 2020 44 Faculté des sciences de Tétouan


Chapitre 3. Déterminants & réduction des matrices Algèbre II (SMC/SMP)

Ainsi,
   
 C11 C21 C31   −11 −4 2 
Ad j(A) =  C12 C22 C32  =  29 7 −10  .
   
   
C13 C23 C33 1 −2 1
D’où    
 −11 −4 2   −11 −4 2 
1  1 
A−1 =  29 7 −10  =  29 7 −10  .
 
dét(A)   −13  
1 −2 1 1 −2 1

On peut facilement vérifier que AA−1 = A−1 A = I3 .

Exercice 3.5. Utiliser la règle de Cramer pour résoudre le système suivant :






 −2x + 3y − z = 1
x + 2y − z = 4





 −2x − y + z = −3

Solution. D’abord on a :

−2 3 −1 −2 3 2
∆ = 1 2 −1 = 1 2 1 C2 + C3  C3


−2 −1 1 −2 −1 0

−4 −1 0
−2L2 + L1  L1
= 1 2 1


−2 −1 0

−4 −1
= − = −2 , 0.
−2 −1
Donc, on peut appliquer la règle de Cramer pour résoudre ce système linéaire.

∆x ∆y ∆z
x= , y= , z= .
∆ ∆ ∆
Avec,
1 3 −1 1 3 −1
∆ x = 4 2 −1 = 4 L2 + L3  L3

2 −1

−3 −1 1 1 1 0

1 3 −1
= 3 −1 0

L − L1  L2
1 1 0 2


3 −1
= − = −4.
1 1

−2 1 −1 −2 1 −1
∆y = 1 4 −1 = 1 4 −1

L + L3  L3
−2 −3 1 −1 1 0 2

M. Louzari, 2020 45 Faculté des sciences de Tétouan


Chapitre 3. Déterminants & réduction des matrices Algèbre II (SMC/SMP)


−2 −1 −1
= 1 5 −1

C + C2  C2
−1 0 0 1


−1 −1
= − = −6.
5 −1


−2 3 1 −2 3 1
∆z = 1 2 4 = 1 2 4 3L1 + L3  L3


−2 −1 −3 −8 8 0

−2 1 1
= 1 3 4 C1 + C2  C2


−8 0 0

1 1
= −8 = −8.
3 4

Par suite, x = 2, y = 3, z = 4.

Exercice 3.6. Diagonaliser les matrices suivantes et déterminer la matrice de passage pour chaque cas :
 
   1 0 0 0 
 0 1 0   
 0 1 5 −10 
A =  1 0 1  , B =   .
 
   1 0 2 0 
010  
1 0 0 3

Solution.  
 0 1 0 
1) Pour la matrice A =  1 0 1 .
 
 
010
•) Le polynôme caractéristique de A :

−λ 1 0
dét(A − λI3 ) = 1 −λ 1 (λL2 + L3  L3 )


0 1 −λ

−λ 1 0
= 1 −λ 1


λ 1 − λ2 0

5 −λ 1

= (−)
λ 1 − λ2

√ √
= λ(2 − λ2 ) = λ( 2 − λ)( 2 + λ).
√ √
Puisque A possède trois valeurs propres distincts λ1 = 0, λ2 = 2, λ3 = − 2, alors elle est diagonalisable.
Cherchons alors les vecteurs propres associés.

M. Louzari, 2020 46 Faculté des sciences de Tétouan


Chapitre 3. Déterminants & réduction des matrices Algèbre II (SMC/SMP)

 α 
 

•) Déterminons un vecteur propre associé à λ1 = 0 : Soit u =  β  ∈ R3 , on a :


 

γ
 

 
 0 
(A − λ1 I3 )u =  0  ⇔ β = 0 et α + γ = 0.
 
 
0
   
 1   1 
Alors, u = α  0  où α ∈ R, par suite  0  est un vecteur propre associé à λ1 = 0.
   
   
−1 −1
 α 
 

•) Déterminons un vecteur propre associé à λ2 = 2 : Soit v =  β  ∈ R3 , on a :
 

γ
 

 √
− 2α + β = 0
 
 0  


 √
(A − λ2 I3 )v =  0  ⇔  α − 2β + γ = 0
  

 β − √2γ = 0
  


0 

   
 1   1 
 √   √  √
Alors, v = α  2  où α ∈ R, par suite  2  est un vecteur propre associé à λ2 = 2.
   
1 1
 α 
 

•) Déterminons un vecteur propre associé à λ3 = − 2 : Soit w =  β  ∈ R3 , on a :
 

γ
 

 √
2α + β = 0
 
 0  


 √
(A − λ3 I3 )w =  0  ⇔  α + 2β + γ = 0
  


 √
 β + 2γ = 0
  
0 

   
 1   1 
 √   √  √
Alors, w = α  − 2  où α ∈ R, par suite  − 2  est un vecteur propre associé à λ3 = − 2. Maintenant,
   
1 1
   
 1 1 1   0 0 0 
√ √  √
on considère la matrice de passage PA comme suit : PA =  0 2 − 2 , alors P−1 APA =  0 2 0 
 
 
  A  √ 
−1 1 1 0 0 − 2
 
 1 0 0 0 
 
 0 1 5 −10 
2) Pour la matrice B =  .
 1 0 2 0 
 
100 3
•) Le polynôme caractéristique de B :

1 − λ 0

0 0
1 − λ 5 −10
0 1−λ 5

−10
dét(B − λI4 ) = = (1 − λ) 0 2 − λ

0
1 0 2−λ 0
0 0 3 − λ
1 0 0 3−λ

M. Louzari, 2020 47 Faculté des sciences de Tétouan


Chapitre 3. Déterminants & réduction des matrices Algèbre II (SMC/SMP)


2 − λ 0
= (1 − λ) 2 = (1 − λ)2 (2 − λ)(3 − λ).
0 3 − λ
On a ainsi, trois valeurs propres λ1 = 1, λ2 = 2, λ3 = 3.

 α 
 

β
 
•) Déterminons le sous-espace propre E1 : Soit u =   ∈ R4 , on a :
 γ 
 
δ
     
 0    0   −2 
 5γ − 10δ = 0 
 γ = 2δ
      
0  1   0 

 
(B − I4 )u =   ⇔  α + γ = = β + δ  où β, δ ∈ R.
 
⇔ ⇔ u

0
 α = −γ
   
 0  
   0 
 
 2 

   α + 2δ = 0

    
0 0 1
   
 0   −2 
   
 1   0 
Alors,   et  sont deux vecteurs propres associés à la valeur propre λ1 = 1, et puisque ces deux
 0   2 
   
0 1
vecteurs sont linéairement indépendants, alors dim E1 = 2. Donc, B est diagonalisable, car les autres valeurs
propres sont simples.
 α 
 

β
 
•) Déterminons le sous-espace propre E2 : Soit v =   ∈ R4 , on a :
 γ 
 
δ
 
 0  
 −α =0 
α = δ = 0
  
 0 

 
(B − 2I4 )v =   ⇔  + =
 
−β − ⇔

5γ 10δ 0
 0  
  β = 5γ


α+δ =0
  


0
   
 0   0 
   
 5   5 
Alors, v = γ   où γ ∈ R. Donc   est un vecteur propre associé à λ2 = 2.
 1   1 
   
0 0
 α 
 

 β 
 
•) Déterminons le sous-espace propre E3 : Soit w =   ∈ R4 , on a :
 γ 
 
δ

=0
 
 0  


 −2α 
 −2β + 5γ − 10δ = 0 α = γ = 0
  
 0 

 
(B − 3I4 )w =   ⇔ 
 
⇔
α γ =  β = −5δ
 
 0  

 − 0
  
α =0

0 

   
 0   0 
   
 −5   −5 
Alors, w = δ  où δ ∈ R. Donc  est un vecteur propre associé à λ3 = 3. Considérons la
 0  

 0 
   
1 1

M. Louzari, 2020 48 Faculté des sciences de Tétouan


Chapitre 3. Déterminants & réduction des matrices Algèbre II (SMC/SMP)

   
 0 −2 0 0   1 0 0 0 
   
1 0 5 −5   0 1 0 0 
matrice formée par ces vecteurs propres. PB =  . Alors on a : P−1
B BP B =   où
 0 2 1 0   0 0 2 0 
   
0 1 0 1 0 0 0 3
 5 
 − 2 1 −5 5 
 1 
 − 2 0 0 0 
P−1
B =  
 1 0 1 0 
 
1
2 0 0 1

 cos θ sin θ 


 
Exercice 3.7. Considérons la matrice suivante : A =   où θ ∈ R.
− sin θ cos θ 
   
 1   i 
1) Montrer que   et   sont deux vecteurs propres de A.
i 1
 
 1 i 
2) Si P =  , calculer le produit P−1 AP.
i 1

Solution.
1)
 cos θ sin θ   1   cos θ + i sin θ   cos θ + i sin θ 
          
 1   1 
•) On a :      = 
     = 
   = e  . D’où   est un vecteur
 iθ  
− sin θ cos θ i − sin θ + i cos θ i(cos θ + i sin θ) i i
propre associé à la valeur propre eiθ .

 cos θ sin θ   i   i cos θ + sin θ   i(cos θ − i sin θ) 
          
 = e  . D’où  i  est un
 i 
   =   = 
 
−iθ
•) On a : 
− sin θ cos θ 1 −i sin θ + cos θ (cos θ − i sin θ) 1 1
−iθ
vecteur propre associé à la valeur propre     e .
 1   i 

2) Considérons la nouvelle base B =    ,  
 
, la matrice de passage de la base canonique à la base B est

 i
 1  
 
 1 i 
la matrice P =    formée des vecteurs propres. Alors,
i 1
 
 eiθ 0 
P AP = 
−1
.
0 e−iθ 

Exercice 3.8 (Contrôle, Mai 2018).


1) Calculer le déterminant

1 −2 3 0

5 1 0 2
.
7 2 1 0

3 4 0 −2

2) Trouver l’inverse de la matrice


 
 1 −1 0 
A =  1 0 −1  .
 
 
−6 2 3

Solution.

M. Louzari, 2020 49 Faculté des sciences de Tétouan


Chapitre 3. Déterminants & réduction des matrices Algèbre II (SMC/SMP)

1) On a :

1 −2 3 0 1 −2 3 0
0 L2 ← L2 + L4

5 1 0 2 8
=
5 0

7 2 1 0 7 2 1 0

3 4 0 −2 3 4 0 −2


1 −2 3
= −2 8 5 0 L2 ← L2 − 8L1


7 2 1 L3 ← L3 − 7L1

1 −2 3
= −2 0 21 −24


0 16 −20

= −2(−420 + 384)

= 72.

2) Utilisons la méthode de la matrice adjointe pour déterminer l’inverse de la matrice


 
 1 −1 0 
A =  1 0 −1 .
 
 
−6 2 3

1 −1 0 1 0 0
•) D’abord, on a : dét(A) = 1 0 −1 = 1 1 −1 = −1 , 0. Donc A est bien inversible.


−6 2 3 −6 −4 3

•) Déterminons la comatrice de A. Alors


 
 0 −1 1 −1 1 0 
 + − + 
 2 3 −6 3 −6 2 
 
 
   2 3 2 
 −1 0
+ 1 0 − 1 −1  = 
  
Com(A) =  − 3 3 4

 2 3 −6 3 −6 2     

 
 1 1 1

 
 −1 0 1 0 1 −1 
 +
0 −1 − 1 −1 + 1 0 

Ainsi
 
 2 3 1 
Ad j(A) = Com(A)t =  3 3 1 

 
 
2 4 1

Par suite
 
 −2 −3 −1 
1
A−1 = .Ad j(A) =  −3 −3 −1  .

 
dét(A)  
−2 −4 −1

M. Louzari, 2020 50 Faculté des sciences de Tétouan


Chapitre 3. Déterminants & réduction des matrices Algèbre II (SMC/SMP)

Exercice 3.9 (Contrôle, Juin 2019). 1) Calculer l’inverse de la matrice.


 
 1 1 −1 
Q =  0 −1 1 
 
 
1 0 1

2) Soit θ ∈ R, calculer le déterminant suivant.

sin θ − cos θ 0

0
cos θ sin θ 1

1
∆=
0 cos θ 0

1
− sin θ cos θ sin θ sin θ

Solution.  
 1 1 −1 
1) Utilisons la méthode d’élimination de Gauss-Jordan pour inverser la matrice Q =  0 −1 1 . En effet, on a :
 
 
1 0 1
   
 1 1 −1 1 0 0   1 0 0 1 1 0 
 L1 ← L1 + L2
[Q | I3 ] =  0 −1 1 0 1 0  ∼  0 1 −1 0 −1 0 
  
    L2 ← −L2
1 0 1 0 0 1 1 0 1 0 0 1
 
 1 0 0 1 1 0 
 
∼  0 1 −1 0 −1 0 
 
0 0 1 −1 −1 1 L3 ← L3 − L1
 
 1 0 0 1 1 0 
 
∼  0 1 0 −1 −2 1 
  L2 ← L2 + L3
0 0 1 −1 −1 1
On a obtenu une matrice de la forme [I3 | B]. Donc, Q est inversible et son inverse est la matrice qui se trouve à
 
 1 1 0 
droite. Autrement dit, Q−1 =  −1 −2 1 .
 
 
−1 −1 1

2) Calculons le déterminant ∆ :
sin θ − cos θ 0

0
cos θ sin θ 1

1
∆=
0 cos θ 0

1
− sin θ cos θ sin θ sin θ

Effectuons les opérations élémentaires sur les lignes. En effet,

sin θ − cos θ 0

0
cos θ sin θ 0

1
∆= C3 ← C3 − C4
0 cos θ 0

1
− sin θ cos θ 0 sin θ


sin θ − cos θ 0
= cos θ cos θ sin θ 1


− sin θ cos θ sin θ

M. Louzari, 2020 51 Faculté des sciences de Tétouan


Chapitre 3. Déterminants & réduction des matrices Algèbre II (SMC/SMP)


0 0 sin θ
= cos θ cos θ sin θ 1 L1 ← L1 + L3


− sin θ cos θ sin θ

cos θ sin θ
= cos θ sin θ
− sin θ cos θ

= cos θ sin θ(cos2 θ + sin2 θ)

= cos θ sin θ.

Exercice 3.10.
Calculer les déterminants suivants, où a, b, c ∈ C.

1 0 0 −1
3 1 0 b + c b c
3 1 2 2
∆1 = −2 −4 3 , ∆2 = c c + a a , ∆3 =


1 0 −2 1
5 4 −2 b a a+b
2 0 0 1

Solution.
(1)
3 1 0 3 1 0
∆1 = −2 −4 3 = −2 −4 3 L3  L2 + L3


5 4 −2 3 0 1

3 1 0
= 10 0 3 L2  L2 + 4L1


3 0 1

3 10 3

= (−1)
3 1
= −1(10 − 9) = −1.

(2)
b + c b c b + c b c
∆2 = c c + a a = b + c 2a + c + a 2a + b L2  L2 + L3


b a a+b b a a + b

b + c b c
= 0 2a + c − b 2a + b − c L2  L2 − L1


b a a + b

b + c b + c c
= 0 4a 2a + b − c C2  C2 + C3


b 2a + b a + b

b + c 0 c
= 0 4a 2a + b − c C2  C2 − C1


b 2a a + b

M. Louzari, 2020 52 Faculté des sciences de Tétouan


Chapitre 3. Déterminants & réduction des matrices Algèbre II (SMC/SMP)


b + c 0 c
= −2b 0 −b − c L2  L2 − 2L3


b 2a a + b

b + c c
= (−1)5
−2b −b − c

= −2a(−(b + c)2 + 2bc

= 2a(b2 + c2 ).

(3)
1 0 0 −1
1 0 −1
3 1 2 2
∆3 = = (−1)4 1 −2 1

1 0 −2 1
2 0 1
2 0 0 1


1 0 0
= 1 −2 2 C3  C3 + C1


2 0 3

−2 2
=
0 3
= −6.

Exercice 3.11.
Soient a, b, c, d, e, f, λ ∈ C. Trouver la relation entre les deux déterminants :

a b c a + λ b c
δ1 = d 1 e et δ2 = d 1 e .


f 0 1 f 0 1

Solution.
Il faut noter que si A, B ∈ Mn×n (C), alors det(A + B) , det(A) + det(B).

a + λ b c
1 e b c b c
δ2 = d 1 e = (λ + a) + f

− d
0 1 0 1 1 e
f 0 1

1 e 1 e b c b c
= λ + a − d + f
0 1 0 1 0 1 1 e
| {z }

a b c
1 e
= λ + d 1 e
0 1
f 0 1
| {z }
= λ + δ1 .

Ainsi, δ2 = λ + δ1 .

M. Louzari, 2020 53 Faculté des sciences de Tétouan


Chapitre 3. Déterminants & réduction des matrices Algèbre II (SMC/SMP)

Exercice 3.12.  
 3 2 −1 
On considère la matrice A =  1 6 3 .
 
 
2 −4 0
(1) Calculer tous les cofacteurs de A,
(2) Déterminer la matrice adjointe de A,
(3) En déduire A−1 .

Solution.
(1) Les cofacteurs de A sont :
C11 = 12 C12 = 6 C13 = −16
C21 = 4 C22 = 2 C23 = 16
C31 = 12 C32 = −10 C33 = 16
(2) La matrice des cofacteurs est :
 
 12 6 −16 
 
 4 2 16 
 
12 −10 16
Alors, la matrice adjointe de A est :
 
 12 4 12 
ad j(A) =  6 2 −10  .
 
 
−16 16 16

(3) La matrice inverse de A est :


 12 4 12
 
 64 64 64

 
 
1 1  6 2 10 

A−1 = .ad j(A) =  −  .
det(A) 64  64 64 64 
 
 
 16 16 16 

64 64 64
Exercice 3.13.
Utiliser la règle de Cramer pour résoudre le système suivant :




 x + 2z =6
−3x + 4y + 6z = 30





 −x − 2y + 3z = 8

Solution.  
 1 0 2 
La matrice associée à ce système est : A =  −3
 
4 6 .
 
−1
−2 3
On a :
1 0 2
det(A) = −3 4 6


−1 −2 3

M. Louzari, 2020 54 Faculté des sciences de Tétouan


Chapitre 3. Déterminants & réduction des matrices Algèbre II (SMC/SMP)


1 0 2
= −5 0 12 L2  L2 + 2L3


−1 −2 3

1 2
= (−1) (−2)
5
−5 12
= 2(12 + 10) = 44 , 0.
Ainsi, le système est de Cramer, il possède donc une solution unique. Déterminons ∆ x , ∆y et ∆z .
• ∆x
6 0 2
∆ x = 30 4 6


8 −2 3

0 0 2
= 12 4 6 C1  C1 − 3C3


−1 −2 3

12 4
= (−1) × 2
4
−1 −2
= 2(−24 + 4) = −40.

• ∆y
1
6 2
∆y = −3

30 6

−1
8 3

014 5
= −3

30 6 L2  L2 − 3L3

−1
8 3

14 5
= (−1)4 × (−1)
6 −2
= −(−42 − 30) = 72.

• ∆z
1
0 6
∆z = −3

4 30

−1
−2 8

1 0 6
= −5 0 46 L2  L2 + 2L3


−1
−2 8

1 6
= (−1) × (−2)
5
−5 46
= 2(46 + 30) = 152.

M. Louzari, 2020 55 Faculté des sciences de Tétouan


Chapitre 3. Déterminants & réduction des matrices Algèbre II (SMC/SMP)

Ainsi ;
∆x 40 10

x = =− =−




44 11








∆y



 72 18
y = = =







 44 11





152 38


z = z = =



∆ 44 11
Exercice 3.14.  
 0 0 −2 
On considère la matrice A =  1 2 1 .
 
 
10 3
(1) Déterminer le polynôme caractéristique A et en déduire les valeurs propres de A,
(2) Montrer que A est diagonalisable et déterminer une matrice D diagonale et une matrice P inversible telles
que D = P−1 AP.

Solution.
(1) Le polynôme caractéristique de A est :

pA (λ) = det(A − λI3 )



−λ 0 −2
= 1 2 − λ 1


1 0 3 − λ

−λ −2
= (2 − λ)
1 3 − λ

= (2 − λ)(λ2 − 3λ + 2)

= −(λ − 1)(λ − 2)2 .

Puisque les valeurs propres de A sont les racines du polynôme caractéristique pA (λ). Alors, A possède deux
valeurs propres λ1 = 1 et λ2 = 2.
(2) Déterminons les sous-espaces propres associés à λ1 et λ2 .
 
 x 
• Sous-espace propre E1 : Soit u =  y  ∈ R3 , on a :
 
 
z

−x − 2z = 0
 
 0  



(A − I3 )u =  0  ⇔  x+y+z =0
  



 x + 2z = 0
  
0 


 x = −2z


⇔
y = z

   
 −2z   −2 
⇔ u =  z  = z  1  .
   
   
z 1

M. Louzari, 2020 56 Faculté des sciences de Tétouan


Chapitre 3. Déterminants & réduction des matrices Algèbre II (SMC/SMP)

 
 −2 
Alors, u =  1  est un vecteur propre associé à λ1 = 1.
 
 
1
 
 x 
• Sous-espace propre E2 : Soit u =  y  ∈ R3 , on a :
 
 
z
 
 0  
 −2x − 2z = 0

(A − 2I3 )u =  0  ⇔ 
  
   x+z =0

0
⇔ z = −x.
     
 x   1   0 
⇔ u =  y  = x  0  + y  1  .
     
     
−x −1 0
   
 1   0 
Alors, u1 =  0  et u2 =  1  sont deux vecteurs propres associés à λ2 = 2. Donc, E2 = vect{u1 , u2 }.
   
   
−1 0
En plus, on peut facilement vérifier que la famille {u1 , u2 } est libre, ainsi, dim E2 = 2. Puisque l’ordre de
multiplicité de E2 est égal à la dimension de E2 . Alors, A est diagonalisable.
La matrice de passage est formée des vecteurs propres de A. C’est à dire :
   
 1 0 −2   2 0 0 
P =  0 1 1  et D =  0 2 0 
   
   
−1 0 1 0 0 1

On peut facilement vérifier que D = P−1 AP.

Exercice 3.15.  
 1 0 0 
On considère la matrice A =  1 2 0 .
 
 
−3 5 2
(1) Déterminer les valeurs propres de A et les sous-espaces propres associés,
(2) A est-elle diagonalisable ?

Solution.
(1)
• Le polynôme caractéristique de A est :

pA (λ) = det(A − λI3 )



1 − λ 0 0
= 1 2 − λ 0


−3 5 2 − λ
= (1 − λ)(2 − λ)2 .
Alors, A possède deux valeurs propres λ1 = 1 et λ2 = 2, le premier est simple et le deuxième est double.
• Les sous-espaces propres E1 et E2 .

M. Louzari, 2020 57 Faculté des sciences de Tétouan


Chapitre 3. Déterminants & réduction des matrices Algèbre II (SMC/SMP)

Le sous-espace E1 :
 
 x 
Soit u =  y  ∈ R3 , on a :
 
 
z
 
 0  
 x+y =0
(A − I3 )u =  0  ⇔ 
  

   −3x + 5y + z = 0

0

 y = −x


⇒
 z = 8x

   
 x   1 
⇒ u =  −x  =
   
x  −1 
   
8x 8
   
 1  


  1  


Alors,  −1  est un vecteur propre associé à λ1 = 1. D’où E1 = vect 
  
 
−1 

 

 
  
  
8  8 
 

Le sous-espace E2 :
 
 x 
Soit u =  y  ∈ R3 , on a :
 
 
z
 
 0  
 x =0
(A − 2I3 )u =  0  ⇔ 
  

   −3x + 5y = 0

0

x =0


⇒
y =0

   
 0   0 
⇒ u =  0  = z  0 
   
   
z 1
   
 0  


  0 

 
Alors,  0  est un vecteur propre associé à λ2 = 2. D’où E1 = vect 
   
0

 

 

 

  
   
1  1 
   

(2) On a dim E2 = 1, et puisque l’ordre de multiplicité de λ2 est 2. Par suite, A n’est pas diagonalisable.

M. Louzari, 2020 58 Faculté des sciences de Tétouan