Universite Ibn Zohr Faculte Des Sciences Juridiques, Economiques Et Sociales Agadir

UNIVERSITE IBN ZOHR
FACULTE DES SCIENCES

JURIDIQUES, ECONOMIQUES
ET SOCIALES
AGADIR
Exercices Corrigés
d’Algèbre Linéaire
Par
Mohamed Boumazgour
2012 - 2013
Table des matières
Table des matières 1
1 Espaces vectoriels 2
2 Applications linéaires 10
3 Matrices 18
4 Déterminants 26
5 Valeurs et vecteurs propres 30
6 Diagonalisation 37
7 Produit scalaire 44
8 Systèmes linéaires 48
1
Chapitre 1
Espaces vectoriels
Exercice 1.
Parmi les sous ensembles suivants, déterminer ceux qui forment des sous espaces
vectoriels de R3 . Jusitifier vos réponses :

1. A = (x, y, z) ∈ R3 : x = 5z .

2. B = (x, y, z) ∈ R3 : x + y − z = 4 .

3. C = (x, y, z) ∈ R3 : xyz = 0 .
Solution :
1. Soient u = (a, b, c) et v = (x, y, z) deux éléments de A et λ, µ ∈ R. Puisque

a = 5c et x = 5z, alors λa + µx = 5(λc + µz) et donc λu + µv ∈ A. Ceci
implique que A est un sous espace vectoriel de R3 .
2. B n’est pas un sous espace vectoriel de R3 car (0, 0, 0) ∈
/ B.
3. On a u = (1, 0, 0) ∈ C et v = (0, 1, 1) ∈ C, cependant u + v = (1, 1, 1) ∈
/ C.
Cei montre que le sous ensemble C n’est pas stable sous l’addition ; donc C ne
peut pas être un sous espace vectoriel de R3 .
Exercice 2.
Montrer que si E et F sont des sous espaces vectoriels d’un espave vectoriel V , alors
E ∩ F est un sous espace vectoriel de V .
2
3
Trouver des conditions nécessaires et suffisantes pour que E ∪ F soit un sous espace
vectoriel de V .
Solution :
Si u, v ∈ E ∩ F et λ, µ ∈ R, alors λu + µv ∈ E ∩ F puisque E et F sont tous les deux
des sous espaces vectoriels. Donc, E ∩ F est aussi un sous espace vectoriel de V .
Supposons maintenant que E ∪ F est un sous espace vectoriel de V et que E * F .
Montrons que F ⊆ E. En effet, il existe un certain x ∈ E et x ∈
/ F . Si y ∈ F , alors
x + y ∈ E ∪ F puisque E ∪ F est un sous espace vectoriel. Ceci implique que soit
x + y ∈ E ou x + y ∈ F . Si x + y ∈ F , alors x = x + y − y ∈ F (car F est un
sous espace vectoriel) conduisant à une contradiction. Il s’ensuit alors que x + y ∈ E.
Puisque x ∈ E, alors y ∈ E. Il en découle que F ⊆ E.
Réciproquement, si E ⊆ F ou F ⊆ E, alors clairement E ∪ F estun sous espace
vectoriel de V .
Par exemple, si E = R × {0} et F = {0} × R, alors E ∪ F n’est pas un sous espace
vectoriel de R2 .
Exercice 3.
Trouver une base pour chacun des sous espaces suivants de R3 :

1. U = (x, y, z) ∈ R3 : x = z .

2. W = (x, y, z) ∈ R3 : x + y − z = 0 .
Solution :
1. Soit u = (x, y, z) ∈ U . On peut écrire
u = (x, y, x) = x(1, 0, 1) + y(0, 1, 0).
On en déduit alors que le sous ensemble {(1, 0, 1), (0, 1, 0)} engendre U .
Si λ, µ ∈ R vérifie l’equation λ(1, 0, 1) + µ(0, 1, 0) = (0, 0, 0), alors λ = µ = 0.
Ceci impliqueque {(1, 0, 1), (0, 1, 0)} est linéairement independante ; il forme
donc une base pour U .
4
2. On utilise un argument similaire à celui utilisé dans la partie 1. Soit u =

(x, y, z) ∈ W . Alors
u = (x, y, x + y) = x(1, 0, 1) + y(0, 1, 1).
Donc le sous ensemble {(1, 0, 1), (0, 1, 1)} engendre W .

Si λ, µ ∈ R vérifie l’équation λ(1, 0, 1)+µ(0, 1, 1) = (0, 0, 0), alors clairemnt λ =
µ = 0. On en déduit alors que {(1, 0, 1), (0, 1, 1)} est linéairement indépendante,
et donc forme une base pour W .
Exercice 4.
Décrire vect(S), où
n o
S = (1, −1, 0), (0, 1, 1), (3, −5, −2) .
Solution :
Supposons que (a, b, c) ∈ vect(S). Donc ils existesnt α, β, γ ∈ R tels que
(a, b, c) = α(1, −1, 0) + β(0, 1, 1) + γ(3, −5, −2).
Cette équation est équivalente à

 
1 0 a
3
 
 −1 1 −5 b  .
 
0 1 −2 c
qui peut se réduire à  

1 0 3a
 
 0 1 −2 a+b .
 
0 0 0 c−a−b
On déduit alors que les nombres α, β et γ existent seulement si l’égalité c − a − b = 0
est vérifiée.
Par conséquent
n o
vect(S) = (a, b, c) ∈ R3 : c − a − b = 0 .
5
Exercice 5.
1. Ecrire (7, −2, 2) ∈ R3 comme combinaison linéaires des vecteurs (1, −1, 0),
(0, 1, 1) et (2, 0, 1).
2. Peut-on écrire (3, −1, 4) comme combinaison linéaires des vecteurs (1, −1, 0),
(0, 1, 1) et (3, −5, −2) ?
Solution :
1. Nous devons trouver des nombres réels λ, µ et γ tels que
(7, −2, 2) = λ(1, −1, 0) + µ(0, 1, 1) + γ(2, 0, 1)
ou encore
(7, −2, 2) = (λ + 2γ, −λ + µ, µ + γ).
Ceci est équivalent à




 λ + 2γ = 7
−λ + µ = −2


 µ +γ =2
La solution de ce système est λ = 1, µ = −1 et γ = 3. Donc
(7, −2, 2) = (1, −1, 0) − (0, 1, 1) + 3(2, 0, 1).
2. Nous devons vérifier est ce que l’équation
(3, −1, 4) = λ(1, −1, 0) + µ(0, 1, 1) + γ(3, −5, −2)
admet une solution. Nous écrivons l’équation asous forme du système équivalent
suivant : 


 λ + 3γ = 3
−λ + µ − 5γ = −1


 µ − 2γ = 4
6
La forme réduite de ce dernier est

 
1 0 3 3
 
 0 1 −2 2  .
 
0 0 0 2
On en déduit qu’aucune solution existe. Par conséquent le vecteur (3, −1, 4) ne peut
pas être écris comme combinaison linéaire des vecteurs donnés.
Exercice 6.

Montrer que le sous ensemble S = (1, 0), (0, 1), (1, −1) n’est pas linéairement
indépendants.
Solution :
Considérons l’équation
λ(1, 0) + µ(0, 1) + γ(1, −1) = (0, 0).
Elle est équivalente au système

(
λ+γ =0
µ−γ =0
Si nous prenons γ = k comme paramètre alors l’ensemble de solutions du système est

(−k, k, k) : k ∈ R .
Si k ̸= 0, on a une solution non triviale. Donc S ne put pas être linéairement

indépendent.
Exercice 7.
Parmi les sous ensembles suivants de vecteurs, déterminer ceux qui forment des bases
de R3 (justifier vos réponses) :

1. E = (1, 1, 1), (0, 1, 1), (2, 0, 1) ,

2. F = (1, 1, 1), (0, 1, 1), (0, 0, 0) ,
7

3. G = (1, 1, 1), (0, 2, 1), (1, 0, 1), (3, 1, 1) .
Solution :
1. Puisque card E = 3 = dim R3 , alors il suffit de vérifier si E est linéairement

indépendant. En effet, si λ, µ, γ ∈ R satisfaient l’équation
λ(1, 1, 1) + µ(0, 1, 1) + γ(2, 0, 1) = (0, 0, 0)
alors 


 λ + 2γ = 0
λ+µ=0


 λ+µ+γ =0
Il est clair que la solution est λ = µ = γ = 0. Donc E est linéairement

indépendant, il forme alors une base de R3 .
2. F ne peut pas former une base car il contient le vecteur (0, 0, 0).
3. Puisque card G = 4 > 3 = dim R3 , alors G n’est pas linéairement indépendant,
et donc ne peut pas former de base pour R3 .
Exercice 8.

Soit S = (1, 0, 3), (2, 1, 4) . Trouver une base B de R3 contenant S.
Solution :
Il est facile de voir que S est linéairement indépendant ; donc il suffit de choisir un

vecteur v ∈ R3 tel que (1, 0, 3), (2, 1, 4), v soit linéairement indépendant, ça veut
dire que, v ne doit ps s’écrire comme combinaison linéaire des autres vecteurs. Prenons
par exemple le vecteur v = (0, 1, 0).
Exercice 9.
Soit S le sous ensemble de R3 défini par

S = (1, −1, 2), (0, 5, −8), (3, 2, −2), (8, 2, 0) .
8
Trouver une base pour vect(S).
Solution :
On élimine des vecteurs qui sont des combinaisons linéaires des autres. Pour cela, on
considère l’équation
c1 (1, −1, 2) + c2 (0, 5, −8) + c3 (3, 2, −2) + c4 (8, 2, 0) = (0, 0, 0, 0).
Elle est équivalente à  

1 8 0
0 3
 
 −1 5 2 2 0 .
 
2 −8 −2 0 0
Cette matrice peut se réduire à la forme suivante
 
1 3 8 0
0
 
 0 1 1 2 0 .
 
0 −0 0 0 0
Les solutions sont alors c4 = k, c3 = j, c2 = −j − 2k et c1 = −3j − 8k. Si on
choisit k = 1 et j = 0 on obtient
8(1, −1, 2) + 2(0, 5, −8) = (8, 2, 0).
Maintenant si on choisit k = 0 et j = 1, ona
3(1, −1, 2) + (0, 5, −8) = (3, 2, −2).
Par conséquent, une base de vect(S) peut être donnée par

B = (1, −1, 2), (0, 5, −8) .
Exercice 10.
Soit u1 = (2, 1, 1, 1) et u2 = (4, 2, 2, −1) deux vecteurs de R4 . Etendre le sous ensemble

u1 , u2 à une base de R4 .
9
Solution :
On procède de la même façon que dans l’exercice 8, on choisit d’abord un vecteur v1

tel que u1 , u2 , v1 soit linéairement indépendant. Ensuite, on choisit un autre vecteur

v2 qui n’est pas une combinaison linéaire de u1 , u2 et v1 . Donc u1 , u2 , v1 , v2 formera
une base de R4 . Par exemple, prenons v1 = (0, 1, 0, 0) et v2 = (0, 0, 1, 0).
Chapitre 2
Applications linéaires
Exercice 1.
Soit T : R2 −→ R2 l’application définie par
T (x, y) = (x + y, x − y + 1).
Montrer que T n’est pas linéaire.
Solution :
Puisque T (0, 0) ̸= (0, 0), alors T ne peut pas être linéaire.
Exercice 2.
Soit T : R2 −→ R l’application définie par
T (x, y) = x2 + y 2 .
Déterminer si T est linéaire.
Solution :
On utilise la définition de la linéarité. Puisque T est linéaire, alors elle doit satisfaire
l’égalité T (u + v) = T (u) + T (v) pour tous vecteurs u, v ∈ R2 . Si nous écrivons
u = (a, b) et v = (c, d), alors on doit avoir l’égalité suivante pour tous nombres réels
a, b, c et d :
T (u + v) = T (u) + T (v) ⇐⇒ a2 + b2 + 2ab + c2 + d2 + 2cd = a2 + b2 + c2 + d2 . (2.1)
10
11
Si nous choisissons a = b = c = 1 et d = 0, alors on voit facilement que l’égalité (2.1)

n’est pas vérifiée. On en déduit alors que T n’est pas linéaire.
Exercice 3.
Soit b, c ∈ R. Définissons T : R3 −→ R2 par
T (x, y, z) = (2x − 4y + 3z + b, 6x + cxyz).
Montrer que T est linéaire si et seulement si b = c = 0.
Solution :
Supposons que T est linéaire. Donc en particulier on doit avoir l’égalité T (0, 0, 0) =
(0, 0). Il s’ensuit alors que b = 0. D’autre part, de la linéarité de T il vient que
T ((a, b, c) + (x, y, z)) = T ((a, b, c)) + T ((x, y, z)) pour tous (a, b, c), (x, y, z).
Si nous prenons les vecteurs (1, 1, 0) and (0, 0, 1), alors on a T (1, 1, 0) = (−2, 6),
T (0, 0, 1) = (3, 0) et T ((1, 1, 0) + (0, 0, 1)) = (1, 6 + c). Il en découle que c = 0.
Réciproquement, si b = c = 0, alors on vérifie facilement que T (u+λv) = T u+λT v
pour tous u, v ∈ R2 et pour tout λ ∈ R. Donc T est linéaire.
Exercice 4.
Soit T : R3 −→ R2 l’application linéaire définie par
T (x, y, z) = (x + 2y + z, −x + 3y + z).
Trouver une base pour le noyau Ker(T ).
Solution :
Nous devons trouver l’ensemble des vecteurs (x, y, z) ∈ R3 qui vérifient T (x, y, z) =
(0, 0). D’après la définition de T , on est amené à résoudre le système
(
x + 2y + z = 0
−x + 3y + z = 0.
12
La solution de ce dernier est
(x, y, z) = (−k, −2k, 5k).
Il s’ensuit que Ker(T ) = vect({(−1, −2, 5)}). On en déduit alors qu’une base de
Ker(T ) est donnée par {(−1, −2, 5)}.
Exercice 5.
Soit T : R3 −→ R3 l’application définie par
T (x, y, z) = (x − y + z, 2x + y − z, −x − 2y + z).
1. Déterminer Im(T ). Donner deux vecteurs de Im(T ) et deux vecteurs n’appar-

tenant pas à Im(T ),
2. Donner une base de Im(T ),
3. Déterminer une base de Ker(T ).
Solution :
1. Soit u = (, y, z) ∈ Im(T ). Donc on peut trouver un vecteur (a, b, c) ∈ R3

tel que u = T (a, b, c). Cela veut dire que l’équation u = T (a, b, c) doit être
consistente. Les équations


 a−b+c=x

2a + b − c = y


 −a − 2b + c = z
peuvent se réduire à 

 a−b+c=x

3b − 3c = y − 2x


 0 = −x + y + z
Il s’ensuit alors que si u appartient à Im(T ), alors 0 = −x + y + z. D’où
Im(T ) = {(x, y, z) : x = y + z}.
Les vecteurs (−2, −1, −1) et (0, −1, 1) sont dans Im(T ) ; pour les vecteurs
n’appartenant pas à Im(T ), il suffit de choisir par exemple (1, 1, 1) et (1, 0, 0).
13
2. Si u ∈ Im(T ) alors u doit s’écrire sous la forme u = y(1, 1, 0) + z(1, 0, 1).

Donc les vecteurs (1, 1, 0) et (1, 0, 1) forme une partie génératrice de Im(T ).
Puisque (1, 1, 0) et (1, 0, 1) sont linéairement indépendants, alors cette partie
partie génératrice est une base de Im(T ).
3. Le noyau de T est obtenu en mettant x = y = z = 0 dans les équations
précédentes. D’où on en déduit que

Ker(T ) = vect {(0, 1, 1)} .
Exercice 6.
T (1, 0, 0) = (1, 0, 1), T (0, 1, 0) = (2, 1, 1), T (0, 0, 1) = (0, −1, 1).
1. Déterminer T (x, y, z) pour tout (x, y, z) ∈ R3 .

2. Donner la matrice de T par rapport à la base canonique de R3 .
Solution :
1. Soit (x, y, z) ∈ R3 . Puisque (x, y, z) = x(1, 0, 0) + y(0, 1, 0) + z(0, 0, 1), alors
T (x, y, z) = xT (1, 0, 0) + yT (0, 1, 0) + zT (0, 0, 1)

= x(1, 0, 1) + y(2, 1, 1) + z(0, −1, 1)
= (x + 2y, y − z, x + y + z).
2. On a T (1, 0, 0) = (1, 0, 1), T (0, 1, 0) = (2, 1, 1) et T (0, 0, 1) = (0, −1, 1). Donc
la matrice de T par rapport à la base canonique de R3 est donnée par
 
1 2 0
 
M = 0 1 −1 .

1 1 1
14
Exercice 7.
Considérons les applications linéaires f : R2 −→ R2 et f : R2 −→ R3 définies respecti-
vement par f (x, y) = (2x−y, x) et g(x, y) = (x−y, y, x+y). Soient B = {(1, 0), (0, 1)}
′
et B = {(1, 0), (1, 1)} deux bases de R2 , et soit D = {(1, 0, 0), (0, 1, 1), (0, 0, 1)} une
base de R3 .
′
1. Déterminer la matrice de f par rapport à B et B , et la matrice de g par
′
rapport à B et D.
2. Déduire la matrice de g ◦ f par rapport à B et D.
Solution :
1. On a f (1, 0) = (2, 1) = 1.(1, 0)+1.(1, 1), f (0, 1) = −1.(1, 0)+0.(1, 1), g(1, 0) =
(1, 0, 1) = 1.(1, 0, 0) + 1.(0, 0, 1) et g(1, 1) = (0, 1, 2) = 1.(0, 1, 1) + 1.(0, 0, 1). Il
s’ensuit que
 
! 1 0
1 −1  
et M at(g, B , D) =  .
′ ′
M at(f, B, B ) =  0 1 
1 0
1 1
2. On sait que
′ ′
M at(M at(g ◦ f, B, D) = M at(g, B , D).M at(f, B, B );
donc on déduit de la question 1 que

 
1 0 !
  1 −1
M at(g ◦ f, B, D) = 
0 1.
1 0
1 1
 
1 −1
 
=1 0.
2 −1
Exercice 8.
15
T (x, y, z) = (x + y, y + z).
1. Déterminer dim Ker(T ) et dim Im(T ).

2. Est ce que T est injective ? Est-elle surjective ?
Solution :
1. Nous déterminons d’abord une base de Ker(T ). Un vecteur (x, y, z) ∈ Ker(T )

si et seulemment si T (x, y, z) = (0, 0). Donc
(
x+y =0
y+z =0
Il s’ensuit que x = −y et z = −y. D’où
Ker(T ) = {(−y, y, −y) : y ∈ R} = span{(−1, 1, −1)}.
Donc dim Ker(T ) = 1. Puisque dim Ker(T ) + dim Im(T ) = 3, il vient que
dim Im(T ) = 3 − 1 = 2.
2. Puisque dim Ker(T ) = 1 > 0, alors Ker(T ) ̸= {0}. Par conséquent T est non
injective.
D’autre part, puisque dim Im(T ) = 2 = dim R2 , on obtient Im(T ) = R2 , c’est
à dire, T est surjective.
Exercice 9.
T (1, 0, 0) = (1, 0), T (0, 1, 0) = (0, 1), T (0, 0, 1) = (−1, 0).
1. Déterminer T (x, y, z) pour tout (x, y, z) ∈ R3 .

2. Déterminer Ker(T ), Im(T ) et rank(T ).
16
Solution :
1. Soit (x, y, z) ∈ R3 . Puisqu’on peut écrire
(x, y, z) = x(1, 0, 0) + y(0, 1, 0) + z(0, 0, 1),
alors
T (x, y, z) = xT (1, 0, 0) + yT (0, 1, 0) + zT (0, 0, 1)

= x(1, 0) + y(0, 1) + z(−1, 0)
= (x − z, y).
2. Un vecteur (x, y, z) ∈ Ker(T ) si et seulement si T (x, y, z) = (0, 0). Si c’est le

cas, alors (
x−z =0
y=0
Il s’ensuit que x = z et y = 0. Par conséquent
Ker(T ) = {(x, 0, x) : x ∈ R} = vect({(1, 0, 1)}).
D’où dim Ker(T ) = 1.

On sait que dim Ker(T ) + dim Im(T ) = 3, il vient alors que dim Im(T ) =
3−1 = 2. Or Im(T ) est un sous espace vectoriel de R2 avec la même dimension
2, alors Im(T ) = R2 . D’où rank(T ) = 2.
Exercice 10.
Soit T : R2 −→ R2 l’application linéaire définie par T (1, 2) = (1, −2) et T (2, 3) =
(−2, 5). Déterminer une matrice A vérifiant T u = Au pour tout u ∈ R2 .
Solution :
Nous devons déterminer les images des éléments de la base canonique T (1, 0) and
T (0, 1). En tenant compte de l’information qu’on a il nous est plus commode d’écrire
17
les vecteurs (1, 0) et (0, 1) comme des combinaisons linéaires de (1, 2) et (2, 3). Nouc
commençons par (1, 0). On résoud l’équation
(1, 0) = c1 (1, 2) + c2 (2, 3).
Cette dernière est équivalente au système

(
c1 + 2c2 = 1 = x
2c1 + 3c2 = 0 − 2b + c = z
Les solutions de ce dernier sont c1 = 3 and c2 = −1. D’où
(1, 0) = 3(1, 2) + (−1)(2, 3).
Puisque T est linéaire on obtient
T (1, 0) = T (3(1, 2) + (−1)(2, 3))

= 3T (1, 2) + (−1)T (2, 3)
= 3(1, −2) + (−1)(−2, 5)
= (5, −11).
De façon analogue, nous arrivons à
(0, 1) = (−2)(1, 1) + (1)(2, 3).
Par un calcul analogue au précédent on a
T (0, 1) = (−2)T (1, 1) + (1)T (2, 3)

= (−2)(1, −2) + (1)(−2, 5)
= (−4, 9).
Par conséquent, on obtient !

5 −4
A= .
−11 9
Chapitre 3
Matrices
Exercice 1.
Donner la forme réduite de la matrice suivante en utilisant des opérations élémentaires
sur les lignes  
−2 1 1
 
A=
 1 −2 1 .
1 1 −2
Solution :
On fait les opérations suivantes sur les lignes :
   
−2 1 1 1 1 −2
  L1 ↔L3  
 1 −2 1  −  
  −−−→  1 −2 1 
1 1 −2 −2 1 1
 
1 1 −2
L2 −L1 , L3 +L4  
−−−−−−−−→   0 −3 3


0 3 −3
 
1 1 −2
L +L3   0 −3 3  .

−−2−−→  
0 0 0
18
19
D’où vient la forme réduite suivante de A :

 
1 1 −2
 
 0 −3 3  .
 
0 0 0
Exercice 2.
Déterminer le rang de A dans les cas suiants :
!
1 1 2
1. A = .
2 2 4
 
1 2 2 1
 
 0 1 0 3 
 
 
2. A =  1 0 3 0 

.
 
 2 3 5 4 
 
1 1 3 3
Solution :
1. Rappelons que le rang d’une matrice est le nombre maximal de ses vecteurs
lignes ou vecteurs
! colonnes qui sont linéairement indépendants. Pour A =
1 1 2
, on a rank(A) ≤ 2. Puisque (1, 1, 2) et (2, 2, 4) ne sont pas
2 2 4
linéairement indépendants, alors rank(A) = 1.
2. Pour ce cas on utilise le fait que le rang d’une matrice est, par définition, esl
le nombre r de pivots dans la forme échelonnée de A. Nous cherchons d’abord
20
la forme échelonnée de A. On effectue facilement les opérations suivantes :

     
1 2 2 1 1 2 2 1 1 2 2 1
     
 0 1 0     3 
 3   0 1 0 3   0 1 0 
     
 1 0 3 0  →  0 −2 1 −1  →  0 0 1 5 
     
     
 2 3 5 
4   0 −1 1 2    0 0 1 5 
   
1 1 3 3 0 −1 1 2 0 0 1 5
   
1 2 2 1 1 0 0 −15
   
 0 1 0 3   
   0 1 0 3 
   
→
 0 0 1 5 
 → 
 0 0 1 5 .

   
 0 0 0 
0   0 0 0 0 
  
0 0 0 0 0 0 0 0
De la dernière forme on déduit que rank(A) = 3.
Exercice 3.
Considérons la matrice A donnée par
 
1 a b
 
A=  0 1 c ,
 a, b, c ∈ R.
0 0 1
Montrer que A est inversible et donner son inverse A−1 .
Solution :
On vérifie facilement que det(A) = 1, donc A is invertible. On calcule la matrice A−1
soit par la méthode des matrices des cofacteurs, soit par la méthode de la réduction
de la matrice. Utilisons par exemple la formule réduite de A.
21
On a
   

1 a b 1 0 0 1 0 b − ac 1 −a 0
   
   
 0 1 c 0 1 0 ∼ 0 1 c 0 1 0 
   

0 0 1 0 0 1 0 0 1 0 0 1
 

1 0 0 1 −a ac − b
 
 
∼ 0 1 0 0 1 −c  .
 

0 0 1 0 0 1
Donc la matrice inverse de A est

 
1 −a ac − b
 
 0 1 −c .
 
0 0 1
Exercice 4.
Considérons la matrice A donnée par
 
1 2 3 4
 
A=  2 4 5 7
,

5 10 13 18
et admettons que sa forme réduite est donnée par

 
1 2 0 1
 
rref (A) =  0 0 1 1 .

0 0 0 0
1. Les vecteurs (1, 2, 5), (2, 4, 10), (3, 5, 13), (4, 7, 18) sont-ils linéairement indépendants ?
Est ce qu’ils engendent l’espace R3 ?
2. Déterminer une base du sous espace vectoriel de R3 engendré par les vecteurs
(1, 2, 5), (2, 4, 10), (3, 5, 13), (4, 7, 18).
22
Solution :
1. Les vecteurs donnés sont les vecteurs colonnes de A. Puisque rref (A) n’a
pas de colonne avec pivot, alors les trois vecteurs ne sont pas linéairement
indépendants. Puisque rref (A) a une ligne sans pivot, alors les vecteurs co-
lonnes de A n’engendrent pas R3 .
2. Une base pour l’espace colonne de A est obtenue par les vecteurs colonnes de
A ayant pivots, plus précisement, ces vecteurs sont (1, 2, 5) and (3, 5, 13).
Exercice 5.  
0 1
 
 1 3 
 
Considérons la matrice A donnée par A =  . Notons v1 et v2 les vecteurs
 2 1 
 
0 5
colonnes de A.
1. Déterminer Im(A) et Ker(A),
2. Déterminer les valeurs de a pour lesquelles v = (1, a, a, a) appartient à Im(A),
3. Etendre {v1 , v2 } à une base de R4 .
Solution :
1. On vérifie facilement que les vecteurs v1 and v2 sont linéairement indépendants

et, par conséquent, forment une base de Im(A), ou encore Im(A) = vect {v1 , v2 } .
Puisque dim Im(A) + dim Ker(A) = 2, il vient que dim Ker(A) = 0, c’est à
dire, Ker(A) = {0}.
2. The vecteur v = (1, a, a, a) appartient à Im(A) si la partie {v1 , v2 , v} n’est pas
libre. Ceci se réalise si et seulement si le rang de la matrice
 
0 1 1
 
 1 3 a 
 
B= 
 2 1 a 
 
0 5 a
23
est strictement inférieur à 3. En effectuant des opérations élémentaires sur les

lignes de, nous obtenons la forme réduite suivante de B :
 
1 3 a
 
 0 
 1 1 
 .
 0 0 −a + 5 
 
0 0 a−5
On en déduit alors que v ∈ Im(A) exactement lorsque a = 5.

3. Par exemple, pour a = 0, le vecteur v3 = (1, 0, 0, 0) n’appartient pas à Im(A),
donc les vecteurs v1 , v2 et v3 sont linéairement indépendants. Pour compléter
{v1 , v2 , v3 } à une base de R4 , il suffit de choisir un vecteur v4 qui ne s’écrit
pas comme combinaison linéaire de ces vecteurrs, autrement dit, v4 ne doit
pas être sous la forme (s + t, t + r, 5r, −5r), où s, t, r ∈ R ; ainsi le vecteur
v4 = (0, 0, 0, 1) répond à la question.
Exercice 6.
Considérons les bases B = {(1, 0, 0), (0, 1, 0), (0, 0, 1)} et S = {(1, 1, −1), (1, −1, 1), (−1, 1, 1)}
de R3 . Déterminer les matrices de passage PB→S et PS→B .
Solution.
Clairement on a  
1 1 −1
 
PB→S = 
 1 −1 1 
.
−1 1 1
−1 −1
Pour trouver PS→B , il suffit de calculer PB→S puisque PS→B = PB→S . En écrivant la
forme réduite de  

1 −1 1 0 0
1
 
 
 1 −1 1 0 0 0 
 

−1 1 1 0 0 1
on obtient
24
 

1 0 0 12 21 0
 
 1 1 
 0 1 0 2 0 2 .
 

0 0 1 0 12 12
Il en découle que  
1 1
0
 2 2

PS→B = 

1
2
0 1
2
.

1 1
0 2 2
Exercice 7.
Soit T : R3 −→ R3 l’application linéaire dont la matrice par rapport à la base
canonique de R3 est  
1−1 2
 
A=
1 3 0.
1 −4 5
1. Le vecteur v = (1, 2, 3) appartient-il à Im(T ) ?
2. Considérons les vecteurs v1 = (2, 0, −3), v2 = (0, 1, 0) et v3 = (−1, 0, 1). Prou-
ver que B = {v1 , v2 v3 } forme une base de R3 ,
3. Ecrire la matrice associée à T par rapport à la base B.
Solution :
1. Le vecteur v appartient à Im(T ) si et seulement si il appartient au sous espace

vectoriel engendré par les vecteurs colonnes de la matrice A, et ceci arrive
lorsque le rang de A est égal au rang de la matrice
 

1 2 −1 1
 
 
1 3 0 2 .
 

1 −4 5 3
En utilisant des opérations élémentaires sur les lignes, il en découle facilement

que rank(A) = 3, et donc v ∈ Im(T ).
25
2. Le sous ensemble B forme une base de R3 si et seulement si les trois vecteurs

sont linéairement indépendants. Si l’égalité av1 + bc2 + cv3 = 0 est satisfite,
alors on vérifie facilement que a = b = c = 0, c’est à dire, v1 , v2 et v3 sont
linéairement indépendants et donc forment une base de R3 .
3. La matrice de passage de B à la base canonique de R3 est donnée par
 
2 0 −1
 
B=  0 1 0 .

−3 0 1
On calcule la matrice inverse B −1 par l’algorithme habituel. On sait que la

matrice de T par rapport à la base B vérifie l’égalité M at(T, B) = B −1 AB,
donc il vient que  
2 −2
8
 
M at(T, B) = 
 2 3 −1.

11 2 −2
Chapitre 4
Déterminants
Exercice 1.
Considérons la matrice A définie par
 
3 −1 4
 
A=
2 5 1 .

2 0 6
Calculer le déterminant de A en faisant des calculs directs.
Solution :
On a

3 −1 4
2 1 3 4 3 4

2 5 1 = (−1)(−1)1+2
+ (5)(−1)2+2

+ (0)(−1)3+2

2 6 2 6 2 1

2 0 6
= (1)(10) + (5)(10) + 0
= 60
Exercice 2.  
1 2 1
 
Soit A la matrice donnée par A =  
2 0 1, où k ∈ R.
2 3 k
26
27
Etudier de l’inversibilité de A suivant les valeurs de k.
Solution :
On sait que A est inversible si et seulement si det(A) ̸= 0. Calculons alors det(A). On
a

1 2 1

det(A) = 2 0 1

2 3 k

2 1 1 1

= (−1)1+2 (2) + 0 + (3)(−1)3+2
2 k 2 1
= 7 − 4k
Donc det(A) ̸= 0 si et seulement si k ̸= 74 . Ceci implique que A est inversible pour

tout nombre réel k ̸= 47 .
Exercice 3.
Soient a, b ∈ R. Calculer, par le calcul direct, le déterminant de la matrice
 
a+b a a
 
A=  a a + b a .

a a a+b
Solution :
On effectue des opérations d’addition et soustraction sur les colonnes de la matrices,
28
pour obtenir :

a + b 1 1
a a 1

a a+b a = (3a + b) 0
b −b

a a a + b a a a + b

1 1
0

= (3a + b) 0 b −b

a 0 a + b

1 1

= (3a + b)b
a a + b
= (3a + b)b2 .
Exercice 4.
Rappelons qu’une matrice A est dite orthogonale si A−1 = At .
1. Parmi les matrices suivantes, préciser celles qui sont orthogonales :
 
! ! ! 1 0 0
0 1 0 0 1 −1  
, , ,  
0 0 1  .
1 0 1 0 −11 −1
0 1 0
2. Démontrer que si A est orthogonale, alors det(A) ∈ {−1, 1}.
Solution :
! !
0 1 1 0
1. La matrice est orthogonale car At = A et A2 = = I, où I
1 0 0 1
désigne la matrice identié.
!
0 0
La matrice n’est pas orthogonale puisqu’elle n’est pas inversible.
1 0
!−1 !
1 −1 −1 1
Puisque A = = −12
et At = A, alors A n’est pas
−1 −1 1 1
orthogonale.
29
 
1 0 0
 
Pour B = 
 0 0 1 , on a

0 1 0
    
1 0 0 1 0 0
1 0 0
    
B.B t = 
 0 0 1  0 0 1 = 0 1 0 ,
   
0 1 0 0 1 0 0 0 1
Donc B −1 = B = B t , Cela veut dire que B est orthogonale.

2. Supposons que A est orthogonale. Alors A−1 = At , par conséquent det(A−1 ) =
det(At ) = det(A). Or det(A−1 ) = 1
det(A)
, il vient que (det(A))2 = 1. D’où
det(A) = ±1.
Chapitre 5
Valeurs et vecteurs propres
Exercice 1.
Soit T l’application linéaire définie sur R2 par
T (x, y) = (x − 3y, −y).
Déterminer les valeurs propres de T et les vecteurs propres leurs associés.
Solution :
Rappelons qu’un vecteur u = (x, y) est dit vecteur propre de T s’il existe λ ∈ R tel
que T u = λu, et on dit que λ et u sont associés.
On a
T u = λu ⇔ (x − 3y, −y) = (λx, λy)

(
x − 3y = λx
⇔
−y = λy
(
(1 − λ)x = 3y
⇔
−y = λy.
On considère deux cas. Si y ̸= 0, alors on déduit de la deuxième equation que λ = −1.

Si y = 0, alors il vient de la première égalité que λ = 1 parce que u est non nul. Ainsi
les valeurs propres de T sont λ1 = 1 et λ2 = −1.
30
31
Cherchons maintenant les sous espaces propres associés à ces valeurs.

Pour λ1 = 1, on a
T u = u ⇔ (x − 3y, −y) = (x, y)

(
x − 3y = x
⇔
−y = y
⇔ x est quelconque et y = 0.
Il s’ensuit que

E1 = vect {(1, 0)} .
Pour λ2 = −1, on a
T u = −u ⇔ (x − 3y, −y) = (−x, −y)

(
x − 3y = −x
⇔
−y = −y
De la première équation il vient alors que y = 23 x. Par conséquent

3
E = (x, x) : x ∈ R .
2
Cela veut dire que
3
E2 = vect {(1, )} .
2
Exercice 2.
T (x, y, z) = (−x + 2y, y, −z).
1. Déterminer les valeurs propres et les vecteurs propres de T ,

2. Donner une base de R3 constituée de vecteurs propres de T ,
3. Donner la matrice de T par rapport à la base donnée dans la question 2.
32
Solution :
1. Un vecteur u = (x, y, z) est vecteur propre de T s’il existe λ ∈ R tel que

T u = λu. Alors
T u = λu ⇔ (−x + 2y, y, −z) = (λx, λy, λz)



 −x + 2y = λx

⇔ y = λy


 −z = λz



 (1 + λ)x = 2y
⇔ (1 − λ)y = 0


 (1 + λ)z = 0
Supposons que λ ∈
/ {−1, 1}. De la deuxième et la troisième équation on déduit
que x = 0, et donc u = 0 ce qui est en contradiction avec le fait que u est un
vecteur propre de T . Il en découle alors que λ = 1 ou λ = −1, ceci implique
que les valeurs propres de T sont λ1 = 1 et λ2 = −1.
Ensuite, déterminons les vecteurs propres correspondants à ces valeurs. Pour

λ1 = 1, on a
T u = u ⇔ (−x + 2y, y, −z) = (x, y, z)



 −x + 2y = x

⇔ y=y


 −z = z
⇔ x = y and z = 0.
Donc

E1 = vect {(1, 1, 0)} .
33
Pour λ2 = −1, on a
T u = u ⇔ (−x + 2y, y, −z) = (−x, −y, −z)



 −x + 2y = −x

⇔ y = −y


 −z = −z
⇔ x, z sont quelconques et y = 0.
Donc (x, y, z) = x(1, 0, 0) + z(0, 0, 1). On en déduit alors que

E−1 = vect {(1, 0, 0), (0, 0, 1)} .
2. On vérifie facilement que les trois vecteurs (1, 1, 0), (1, 0, 0) et (0, 0, 1) sont
linéairement indépendants, en conséquence, ils forment une base B de R3 .
3. La matrice de T par rapport à la base B est donnée par
 
1 0 0
 
M at(T, B) =  0 −1 0 .

0 0 −1
On remarque que la matrice de T par rapport à cette base est diagonale, on

conclut alors que T est diagonalisable.
Exercice 3.
Déterminer les valeurs propres et les vecteurs propres de la matrice A définie par
 
2 −1 1
 
A=  6 −3 4 .

3 −2 3
Solution :
On sait que les valeurs propres de A sont les racines du polynôme caratéristique de
A, qui est défini par
PA (λ) = det(λI − A),
34
où I désigne la matrice identité d’ordre 3.

On a

2 −1 1

PA (λ) = 6 −3 4

3 −2 3
= λ3 − 4λ2 + 5λ − 2
= (λ − 2)(λ − 1)2 .
Donc clairement les valeurs propres de A sont λ1 = 1 avce la multiplicité 2 et λ2 = 2

avec la multiplicité 1.
Exercice 4.
Soit A une matrice carrée d’ordre n. On sait que les matrices A et At partagent
les mêmes valeurs propres avec mêmes multiplicités. Montrer, par des exemples, que
pour une valeur propre commune de A et At , les sous espaces vectoriels propres lui
correspondants peuvent être différents.
Solution : !
1 0
Considérons par exemple la matrice A = . Il est facile de voir que les valeurs
1 0
propres de A sont 0 et 1. Pour la valeur 0, le sous espace propre est donné par

E0 = vect {(0, 1)} .
Cependant, pour la valeur 0 de At le sous espace propres est défini par

F0 = vect {(1, −1)} .
Exercice 5.
Soit a ∈ R et soit A la matrice définie par
!
1 −1
A= .
1 a
35
1. Pour quelle valeur de a ∈ R la matrice A diagonalisable sur R ?

2. Pour quelle valeur de a ∈ R la matrice A admet t = 3 comme valeur propre ?
3. Pour quelle valeur de a ∈ R le vecteur v = (4, −1) est propre pour A ?
Solution :
1. Le polynôme caractéristiue de A donné par
PA (t) = det(tI − A) = −t2 + (a + 1)t + (a + 1).
On sait que A est diagonalisable sur R siet seulement si PA (t) se décompose

en facteurs linéaire sur R, et les multiplicités algébriques et géométriques des
racines de PA (t) sont les mêmes. Les racines de PA (t) sont
p p
a + 1 + (a + 1)(a − 3) a + 1 − (a + 1)(a − 3)
t1 = et t2 = .
2 2
On considère alors les cas ci-dessous :
— Si (a + 1)(a − 3) > 0, c’est à dire, si a < −1 ou a > 3, alors PA (t) admet
deux racines réelles distinctes, donc A est diagonalisable.
— Si (a + 1)(a − 3) < 0, c’est à dire, si −1 < a < 3, alors PA (t) est irreductible
surr R, donc A n’est pas diagonalisable sur R.
— Si (a + 1)(a − 3) = 0, c’est à dire, si a = −1 ou a = 3, alors on a la seule
a+1
valeur propre t = 2
avec la multiplicité algébrique égale à 2. Calculons
sa multiplicité géométrique.
⋆ Pour a = 0 la valeur propre est t = 0 et la matrice devient
!
−1 1
tI − A = .
−1 1
Son rang est clairement égal à 1. Donc dim Ker(tI − A) = 2 − 1 = 1 < 2
et A est non diagonalisable.
⋆ Pour a = 3 la valeur propre est t = 2 et la matrice devient
!
1 1
2I − A = .
−1 −1
Son rang est égal encore à 1, donc A est non diagonalisable.
36
2. t = 3 est valeur propre de A si PA (3) = 0, c’est à dire, si a = 72 .

3. Le vecteur v = (4, −1) est propre pour A s’il existe t ∈ R tel que Av = tv.
Cette dernière égalité est équivalente au système suivant :
(
5 = 4t
4 − a = −t
21
Il admet l’unique solution a = 4
et t = 45 . Il en découle que v est vecteur
21
propre de A si et seulement si a = 4
.
Chapitre 6
Diagonalisation
Exercice 1. !
5 4
Soit A la matrice donnée par A = .
−6 −5
1. Déterminer les valeurs propres de A et une base formée de vecteurs propres de
A.
2. Ecrire A sous la forme P DP −1 , où D est une matrice diagonale à déterminer.
3. Calculer A101 .
4. En déduire que A100 = I, où I denote la matrice identité.
Solution :
1. On a
5 4

det(λI − A) =
−6 −5
= (λ − 5)(λ + 5) + 24
= (λ − 1)(λ + 1).
Donc les valeurs propres de A sont −1 et 1.
37
38
!
−4 −4
Pour la valeur 1 on a 1.I − A = . Donc un espace propre pour
6 6

λ = 1 est donné pat E1 = svect {(1, −1)} . De la même façon, nous montrons

que E−1 = vect {(2, −3)} est un sous espace propre associé à λ = −1 . On
déduit alors la base B = {(1, −1), (2, −3)} formée des vecteurs propres de A.
! !
1 2 1 0
2. Posons P = et D = . Alors
−1 −3 0 −1
! ! !−1
1 2 1 0 1 2
A= .
−1 −3 0 −1 −1 −3
3. D’après la question précédente, on a
A101 = P D101 p−1

! ! !−1
1 2 1101 0 1 2
=
−1 −3 0 −1 −1 −3
! ! !−1
1 2 1 0 1 2
=
−1 −3 0 −1 −1 −3
= A.
4. Puisque A101 = A, alors A(A100 − I) = 0. Mais, d’après la question 1, on sait

que A est inversible. Donc
A−1 A(A100 − I) = A−1 .0 = 0.
D’où il vient que A100 = I.
Exercice 2.
Soit A la matrice définie par
 
1 0 0
 
A=
0 2 3.
−1 0 3
39
1. Déterminer le polynôme caractéristique PA (λ) de A,

2. Déterminer les valeurs propres et les vecteurs propres de A,
3. Diagonaliser A.
Solution :
1. On a
1 0 0

PA (λ) = 0 2 3 = (λ − 1)(λ − 2)(λ − 3).

−1 0 3
Les valeurs propres de A sont les solutions de l’équation PA (λ) = 0. Elles sont
données par λ1 = 1, λ2 = 2 et λ3 = 3.
Cherchons les vecteurs propres associés à ces valeurs.
Soit u = (a, b, c) un vecteur propre associé à la valeur λ1 = 1. Donc on a
Au = 1.u. Ceci implique que (a, 2b + 3c, −a + 3c) = (a, b, c) et donc



 a =a
2b + 3c =b


 −a + 3c =c
D’où a = 2c et b = −3c. Un vecteur propre peut être alors donné par u1 =

(2, −3, 1).
En suivant le même raisonnement, on arrive au fait que u2 = (0, 1, 0) est un

vecteur propre associé à la valeur 2 et au fait que u3 = (0, 3, 1) est vecteur
propre associé à la valeur 3.
 
2 0 0
 

2. Soit P = −3 1 3. La matrice P est inversible etsatisfait
1 0 1
 
1 0 0
  −1
A=P 
0 2 0 P .
0 0 3
40
Exercice 3.
Soit A la matrice définie par
 
0 −2
1
 
A=
 0 5 0 .

−2 0 4
1. Déterminer les valeurs propres de A,

2. Donner une base de R3 constituée des vecteurs propres de A,
3. Déterminer une matrice inversible P et une matrice diagonale D telle que
A = P DP −1 .
4. Pour chaque entier naturel n, écrire une formule explicite de An .
Solution :
1. On sait queles valeurs propres de A sont les solutions de l’équation det(λI −

A) = 0. Puisque

det(λI − A) = (λ − 5) (λ − 1)(λ − 4) − 4 = λ(λ − 5)2 ,
on en déduit que les valeurs propres sont 0 avec multiplicité 1 et 5 avec mul-
tiplicité 2.
2. Pour la valeur propre 0, on éffectue des opérations sur les lignes pour réduire
la matrice 0.I − A = −A ; nous obtenons
   
10 −2 1 0 −2
   
 0 5 0  −→ 0 1 0  .
   
−2 0 4 0 0 0
La solution du système d’équation est donnée par x1 = 0, x2 = 0 et x3 est
quelconque. Donc le noyau de A est engendré par le vecteur (2, 0, 1).
41
Pour la valeur propre 5, en réduisant de la même manière la matrice 5.I − A,

nous obtenons    
1
4 0 2 1 0
    2
0 0 0  −→ 0 0 0  .
   
2 0 −1 0 0 0
La solution de ce système d’équation est donnée par x1 = − 12 x3 et x2 , x3
sont quelconque. Donc le noyau de A estengendré par les vecteurs (−1, 0, 2) et
(0, 1, 0).
Puisque les trois vecteurs (2, 0, 1), (−1, 0, 2) et (0, 1, 0) sont linéairementindépendants,
alors ils forment une base pour R3 .
   
2 0 1 0 0 0
   
3. Soit P =  −1 0 2  
 et D = 0 5 0 . Alors on vérifie facilement que
0 1 0 0 0 5
−1
A = P DP .
4. Pour tout entier naturel n ≥ 1, on a
An = P Dn P −1 = 5n P DP −1 = 5n A.
Exercice 4.
Considérons l’espace vectoriel P2 (R) = {ax2 + bx + c : a, b, c ∈ R} et défininssons
l’application T : P2 (R) → P2 (R) by
T (ax2 + bx + c) = cx2 + bx + a.
1. Déterminer si T diagonalisable.
2. Si T diagonalisable, trouver une base B pour P2 (R) telle que la matrice [T ]B
soit diagonale.
Solution :
1. L’application T est diagonalisable.

42
2. La matrice de T par rapport à la base canonique A = {1, x, x2 } de P2 (R) est

donnée par  
0 0 1
 
[T ]A = 
 0 1 0 .

1 0 0
Les valeurs propres de [T ]A sont −1 et 1 avec la miltiplicity 2. Les vecteurs
propres leurs correspondants respectivement sont (1, 0, −1), (1, 0, 1) et (0, 1, 0).
On pose
B = {1 − x2 , 1 + x2 , x}.
Alors  
−1 0 0
 
[T ]B = 
0 1 0.
0 0 1
Exercice 5.
Soit A la matrice donnée par
 
4 0 0 0
 
0 4 3 0 
 
A= .
0 0 2 0 
 
1 0 0 2
Déterminer si A est diagonalisable. Si la réponse est positive, diagonaliser la matrice.
Solution :
Calculons le polynôme caractéristique de A :

4 − λ 0 0 0

0 −
4 λ 3 0
PA (λ) = = (4 − λ)2 (2 − λ)2 .
0 0 2−λ 0

1 0 0 2 − λ
Les valeurs propres de A sont 4 et 2 chacun avec la multiplicité 2. Une base de vecteurs
propres pour λ = 4 est donnée par les vecteurs (2, 0, 0, 1) et (0, 1, 0, 0). Donc le sous
43
espace propre E4 est de dimension 2. Ensuite, une base de vecteurs propres pour
λ = 2 est donnée par les vecteurs (0, 0, 1, 0) et (0, 0, 0, 1). Il en découle alors que A
est diagonalisable.
Posons    
2 0 0 0 4 0 0 0
   
0 1 0 0  0 4 0 0
   
P =  et D =  .
0 0 1 0  0 0 2 0
   
1 0 0 1 0 0 0 2
Alors on vérifie facilement que
A = P DP −1 .
Exercice 6.
Supposons que A ∈ Mn (R) admet deux valeurs propres distinctes λ1 et λ2 , et que
dim Eλ1 = n − 1. Montrer que A est diagonalisable.
Solution :
Soit B = {e1 , e2 , · · · , en−1 } une base de Eλ1 . Puisque dim Eλ2 ≥ 1, alors il existe un
vecteur e ∈ Eλ2 tel que {e1 , e2 , · · · , en−1 , e} forme une base pour Rn . Il s’ensuit alors
que A est diagonalisable vu qu’elle admet une base formée de vecteurs propres.
Chapitre 7
Produit scalaire
Exercice 1.
Considérons l’espace vectoriel R3 muni du produit scalaire usuel défini par
< x, y >= x1 y1 + x2 y2 + x3 y3 , où x = (x1 , x2 , x3 ) et y = (y1 , y2 , y3 ) ∈ R3 .
Soient v1 = (1, 0, 2), v2 = (−2, 0, 1) et v3 = (0, 2, 0).

1. Montrer que la partie B = v1 , v2 , v3 forme une base orthogonale de R3 .
2. Ecrire w = (1, 2, 3) comme combinaison linéaire de v1 , v2 et v3 .
3. Appliquer le procédé d’orthonormalisation de Gram-Schmidt à la base D =
{e1 , e2 , e3 }, où e1 = (1, 0, 1), e2 = (2, 1, 0) et e3 = (0, 1, 1).
Solution :
1. Puisque
< v1 , v2 >=< v1 , v3 >=< v3 , v2 >= 0,

alors la partie B = v1 , v2 , v3 est orthogonale ; en particulier, elle est linéairement
indépendante, et donc forme une base de R3 .
2. On sait d’après la premiere question que B est orthogonal, donc on peut écrire
< w, v1 > < w, v2 > < w, v3 >
w= v1 + v2 + v3
< v1 , v1 > < v2 , v2 > < v3 , v3 >
7 1
= v1 − v2 + v3 .
5 5
44
45
Exercice 2.
Appliquer le procédé d’orthonormalisation de Gram-Schmidt à la base de R3 formée
par les vecteurs v1 = (1, 1, 0), v2 = (1, 2, 0) et v3 = (0, 1, 2).
Solution :
Soit w1 = v1 . On pose
< v2 , w1 > 3 1 1
w2 = v2 − w1 = (1, 2, 0) − (1, 1, 0) = (− , , 0)
< w1 , w1 > 2 2 2
et
< v3 , w2 >
w 3 = v3 − w2 = (0, 0, 2).
< w2 , w2 >
Le sous ensemble B = {w1 , w2 , w3 } forme une base orthogonale pour R3 . Nous allons
normaliser chaque vecteur de B. Pour cela on pose
√ √
w1 2 2
u1 = =( , , 0).
∥w1 ∥ 2 2
√ √
w2 2 2
u2 = = (− , , 0).
∥w2 ∥ 2 2
w3
u3 = = (0, 0, 1).
∥w3 ∥
Alors {u1 , u2 , u3 } forme une base orthonormale de R3 .
Exercice 3.
Considérons les vecteurs v1 = (1, 1, 1) et v2 = (−1, 0, −2) de R3

1. Déterminer une base orthogonale {q1 , q2 } pour vect {v1 , v2 } .
2. Trouver un vecteur v ̸= 0 orthogonal à v1 et v2 simultanement.
Solution :
1. Notons < ·, · > le produit scalaire habituel sur R3 . Pour trouver {q1 , q2 },
nous utilisons le procédé d’orthonormalisation de Gram-Schmidt. Les vec-
teurs v1 et v2 sont linéairement indépendants, donc ils forment une base pour
46

vect {v1 , v2 } . Soit q1 = v1 et
< v2 , q1 >
q2 = v2 − q1
< q1 , q1 >
−3
= (−1, 0, −2) − (1, 1, 1)
3
= (0, 1, −1).
2. Un vecteur v = (x, y, z) est orthogonal à v1 et v2 si et seulement si < v, v1 >=<

v, v2 >= 0. Ceci est encore équivalent au système
(
x+y+z =0
.
−x − 2z = 0

L’ensemble des solutions de ce système est {(−2z, z, z) : z ∈ R} = vect {(−2, 1, 1)} ,
et tout vecteur de cet ensemble répond à la question. Prenons, par exemple, le
vecteur v = (−2, 1, 1). Clairement, il vérifie < v, v1 >=< v, v2 >= 0.
Exercice 4.
Déterminer l’application linéaire T : R3 −→ R3 qui est projection orthogonale sur le
plan d’équation x + y + z = 0.
Solution :
Le plan d’équation x + y + z = 0 est exactement le sous espace vectoriel v ⊥ , où
v = (1, 1, 1). Si y = (a, b, c), alors
< v, y >
projv (y) = ·v
< v, v >
a+b+c
= · (1, 1, 1)
3  
1 1 1 a
1  
=  1 1 1  
 b
.
3 
1 1 1 c
Donc la projection orthogonale de y sur v ⊥ est

47
projv⊥ (y) = y − projv (y)

1
= (I − · vv t )y
< v, v >
  
2 −1 −1 a
1  
=  −1 2 −1   
 b .
3
−1 −1 2 c
L’application linéaire recherchée est alors l’application définie par la matrice

 
2 −1 −1
1 −1 2 −1  .

3 
−1 −1 2
Exercice 5.
Déterminer la matrice de la projection orthogonale T : R3 −→ R3 sur le sous espace

W = vect {(1, 1, 1), (1, −1, 0)} .
Solution :
En utilisant le procédé d’orthonormalisation de Gram-Schmidt process, nous trouvons
que les vecteurs w1 = √1 (1, 1, 1) et w2 = √1 (1, −1, 0) forment une base orthonormale
3 2
pour W . Alors la matrice de T est définie par le produit :
   
√1 √1   5
− 16 1
 3 2  √1 √1 √1  6 3

 √1 − √1   3 3 
= .
 −6 6
3 1 5 1
 3 2  
√1
2
− 2 0
√ 1
1 1
3
1
√1 0
3 3 3 3
Chapitre 8
Systèmes linéaires
Exercice 1.
Vérifier que le système suivant est un système de Cramer et déterminer sa solution.


 2x1 − x2 − x3 = 1

x1 + x2 − 2x3 = 3


 3x + 2x − 3x = 2
1 2 3
Solution :
La matrice A du système est donnée par
 
2 −1 −1
 
A=  1 1 −2 .

3 2 −3
Un calcul simple montre que det(A) = 2, donc il s’agit bien d’un système de Cramer.
x1
Si nous notons le vecteur solution par X = xx23 , alors

1 −1 −1 2 1 −1 2 −1 1

3 1 −2 1 3 −2 1 1 3

2 2 −3 3 2 −3 3 2 2
x1 = , x2 = x3 = ·
2 2 2
−4 −8
D’où x1 = 3
, x2 = −1 et x3 = 3
·
48
49
Exercice 2.
Résoudre les systèmes suivants
  
  
 x+y−z =0
 
 x + y + 2z = 5  3x − y + 2z = a

(S1 ) x−y =0 (S2 ) x−y−z =1 (S3 ) −x + 2y − 3z = b

 
 

 x + 4y + z = 0  x +z =3  x + 2y + z = c
Solution :
1. Résolution de (S1 ) :
Remarquons que le système (S1 ) est homogène, il s’ensuit donc que (0, 0, 0)
est une solution du système. Voyons s’il y en d’autres. Nous allons qppliquer le
pivot de Gauss en faisant les opérations suivantes sur les lignes L2 ← L2 − L1
et L3 ← L3 − L1 :
 
 
 x+y−z =0
  x+y−z =0

x−y =0 ⇔ −2y + z = 0

 

 x + 4y + z = 0  3y + 2z = 0
On éffectue maintenant l’opération L3 ← 2L3 + 3L2 pour obtenir :



 x+y−z =0

−2y + z = 0


 7z = 0
En partant de la dernière ligne on trouve z = 0 ; puis en remontant y = 0 ;

puis x = 0. Par conséquent l’unique solution de (S1 ) est (0, 0, 0).
Nous appliquons le pivot de Gauss en faisant les opérations L2 ← L2 − L1 et

L3 ← L3 − L1 , nous arrivons à :
 

 

 x + y + 2z = 5  x + y + 2z = 5
x−y−z =1 ⇔ −2y − 3z = −4

 

 x +z =3  z=0
50
Puis on fait L3 ← 2L3 − L2 pour obtenir :

 

 

 x + y + 2z = 5  x=3
−2y − 3z = −4 ⇔ y=2

 

 z=0  z=0
Nous faisons les opérations L2 ← 3L2 + L1 et L3 ← 3L3 − L1 pour arriver au

fait que  
 − 

 3x y + 2z = a  3x − y + 2z = a

−x + 2y − 3z = b ⇔ 5y − 7z = 3b + a

 

 x + 2y + z = c  7y + z = 3c − a
Puis on fait l’opération L3 ← 5L3 − 7L2 pour obtenir le système triangulaire

suivant : 

 3x − y + 2z = a

5y − 7z = 3b + a


 54z = 5(3c − a) − 7(3b + a)
En partant de la dernière ligne on obtient

1
z= (−12a − 21b + 15c).
54
En remontant cela donne



1
(8a + 5b − c)
 x= 18
1
y= (−2a + b + 7c)


18
 z= 1
(−4a − 7b + 5c)
18
Exercice 3.
Trouver les solutions du système suivant :


 3x + 2z = 0



 3y + z + 3t = 0

 x+y+z+t=0



 2x − y + z − t = 0
51
Solution :
On commence par simplifier le système :
— On place la ligne L3 en première position pour le pivot de Gauss ;
— On réordonne les variables dans l’ordre : y, t, x, z pour profiter des lignes déjà
simples.


 y+t+x+z =0



 3y + 3t + z = 0

 −y − t + 2x + z = 0



 3x + 2z = 0
On commence le pivot de Gauss avec les opération L2 ← L2 − 3L1 et L3 ← L3 + L1
pour obtenir 

 y+t+x+z =0



 −3x − 2z = 0

 −3x − 2z = 0



 3x + 2z = 0
Remarquons qu’on est ramener à résoudre un système avec 2 équations et 4 inconnus.
(
y+t+x+z =0
3x + 2z = 0
Nous choisissons x et y comme paramètres, alors z = − 32 x et t = −x − y − z = 21 x − y.

L’ensemble de solutions est donnée alors par
3 1
(x, y, − x, x − y) : x, y ∈ R .
2 2

Universite Ibn Zohr Faculte Des Sciences Juridiques, Economiques Et Sociales Agadir

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Universite Ibn Zohr Faculte Des Sciences Juridiques, Economiques Et Sociales Agadir

Transféré par

Droits d'auteur :

Formats disponibles

UNIVERSITE IBN ZOHR

FACULTE DES SCIENCES

Table des matières 1

5 Valeurs et vecteurs propres 30

1. Soient u = (a, b, c) et v = (x, y, z) deux éléments de A et λ, µ ∈ R. Puisque

1. Soit u = (x, y, z) ∈ U . On peut écrire

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

2. On utilise un argument similaire à celui utilisé dans la partie 1. Soit u =

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

Donc le sous ensemble {(1, 0, 1), (0, 1, 1)} engendre W .

(a, b, c) = α(1, −1, 0) + β(0, 1, 1) + γ(3, −5, −2).

Cette équation est équivalente à

qui peut se réduire à  

1. Nous devons trouver des nombres réels λ, µ et γ tels que

(7, −2, 2) = λ(1, −1, 0) + µ(0, 1, 1) + γ(2, 0, 1)

Ceci est équivalent à

(7, −2, 2) = (1, −1, 0) − (0, 1, 1) + 3(2, 0, 1).

2. Nous devons vériﬁer est ce que l’équation

(3, −1, 4) = λ(1, −1, 0) + µ(0, 1, 1) + γ(3, −5, −2)

La forme réduite de ce dernier est

λ(1, 0) + µ(0, 1) + γ(1, −1) = (0, 0).

Elle est équivalente au système

Si k ̸= 0, on a une solution non triviale. Donc S ne put pas être linéairement

1. Puisque card E = 3 = dim R3 , alors il suﬃt de vériﬁer si E est linéairement

λ(1, 1, 1) + µ(0, 1, 1) + γ(2, 0, 1) = (0, 0, 0)

Il est clair que la solution est λ = µ = γ = 0. Donc E est linéairement

Trouver une base pour vect(S).

c1 (1, −1, 2) + c2 (0, 5, −8) + c3 (3, 2, −2) + c4 (8, 2, 0) = (0, 0, 0, 0).

Elle est équivalente à  

8(1, −1, 2) + 2(0, 5, −8) = (8, 2, 0).

Maintenant si on choisit k = 0 et j = 1, ona

3(1, −1, 2) + (0, 5, −8) = (3, 2, −2).

Par conséquent, une base de vect(S) peut être donnée par

Montrer que T n’est pas linéaire.

Déterminer si T est linéaire.

T (u + v) = T (u) + T (v) ⇐⇒ a2 + b2 + 2ab + c2 + d2 + 2cd = a2 + b2 + c2 + d2 . (2.1)

Si nous choisissons a = b = c = 1 et d = 0, alors on voit facilement que l’égalité (2.1)

T (x, y, z) = (2x − 4y + 3z + b, 6x + cxyz).

Montrer que T est linéaire si et seulement si b = c = 0.

Trouver une base pour le noyau Ker(T ).

La solution de ce dernier est

(x, y, z) = (−k, −2k, 5k).

1. Déterminer Im(T ). Donner deux vecteurs de Im(T ) et deux vecteurs n’appar-

1. Soit u = (, y, z) ∈ Im(T ). Donc on peut trouver un vecteur (a, b, c) ∈ R3

Il s’ensuit alors que si u appartient à Im(T ), alors 0 = −x + y + z. D’où

Im(T ) = {(x, y, z) : x = y + z}.

2. Si u ∈ Im(T ) alors u doit s’écrire sous la forme u = y(1, 1, 0) + z(1, 0, 1).

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

1. Soit (x, y, z) ∈ R3 . Puisque (x, y, z) = x(1, 0, 0) + y(0, 1, 0) + z(0, 0, 1), alors

T (x, y, z) = xT (1, 0, 0) + yT (0, 1, 0) + zT (0, 0, 1)

donc on déduit de la question 1 que

Soit T : R3 −→ R2 l’application linéaire déﬁnie par

1. Déterminer dim Ker(T ) et dim Im(T ).

1. Nous déterminons d’abord une base de Ker(T ). Un vecteur (x, y, z) ∈ Ker(T )

Il s’ensuit que x = −y et z = −y. D’où

Ker(T ) = {(−y, y, −y) : y ∈ R} = span{(−1, 1, −1)}.

T (1, 0, 0) = (1, 0), T (0, 1, 0) = (0, 1), T (0, 0, 1) = (−1, 0).

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

1. Soit (x, y, z) ∈ R3 . Puisqu’on peut écrire

(x, y, z) = x(1, 0, 0) + y(0, 1, 0) + z(0, 0, 1),

T (x, y, z) = xT (1, 0, 0) + yT (0, 1, 0) + zT (0, 0, 1)

2. Un vecteur (x, y, z) ∈ Ker(T ) si et seulement si T (x, y, z) = (0, 0). Si c’est le

Ker(T ) = {(x, 0, x) : x ∈ R} = vect({(1, 0, 1)}).