Académique Documents
Professionnel Documents
Culture Documents
Filière SMIA
Module d'Algèbre 3
Semestre 2
Annexe. Diagonalisation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
2
Corrigé Examen Algèbre 3. Session Ordinaire 16/17 . . . . . . . . . . . . . . . . . . . . . . . . 53
Bibliographie. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 75
3
CHAPITRE I
Matrices - Déterminants
1.1 Matrices
de la matrice A.
1≤j≤m
On désigne pa Mn,m (K) l'ensemble des matrices de type (n, m) à coecients dans K ,
sur lequel on dénit deux lois :
Addition : (aij ) 1≤i≤n + (bij ) 1≤i≤n = (aij + bij ) 1≤i≤n .
1≤j≤m 1≤j≤m 1≤j≤m
Remarques et dénitions
1) L'élément neutre de l'addition dans Mn,m (K) est la matrice nulle, dont tous les
coecients sont nuls.
2) Une matrice de type (n, n) est appelée une matrice carrée d'ordre n, et on note
Mn,n (K) = Mn (K).
3) Si A = (aij )1≤i,j≤n est une matrice carrée d'ordre n, les coecients aii pour 1 ≤ i ≤ n
sont appelés les éléments de la diagonale principale.
4) Soit A = (aij ) 1≤i≤n , on appelle transposée de A, et on note t A, la matrice
1≤j≤m
t
A = (bkl )
1≤k≤m
telle que bkl = alk pour tous 1 ≤ k ≤ m et 1 ≤ l ≤ n. t A est
1≤l≤n
4
donc la matrice de type (m, n) dont les lignes (resp. les colonnes) sont les colonnes (resp.
les lignes) de A.
5) Si A = t A ( nécessairement A est une matrice carrée), on dit que A est une matrice
symétrique. Si A = − t A, on dit que A est une matrice antisymétrique.
6) Une matrice carrée d'ordre n, A = (aij ) 1≤i≤n est dite triangulaire supérieure si,
1≤j≤n
aij = 0 pour i > j ; auquel cas la matrice A est de la forme :
···
a11 a12 a1n
0 a22 ··· a2n
...
0 0 a3n .
. .. ..
.. . .
0 0 · · · 0 ann
On dénit de même une matrice triangulaire inférieure par les conditions : aij = 0 pour
i < j.
7) Une matrice carrée est dite diagonale si elle est de la forme :
a11 0 ··· 0
0 a22 ··· 0
.. .. . . . .. ,
. . .
0 0 · · · ann
c.à.d. que tous ses coecients sont nuls sauf peut-être ceux qui sont sur la diagonale
principale. Par exemple la matrice carrée d'ordre n
1 0 ··· 0
0 1 ··· 0
In = .. .. . . .. ,
. . . .
0 0 ··· 1
est une matrice diagonale dite la matrice unité carrée d'ordre n
5
où 1 ≤ k ≤ m et 1 ≤ l ≤ s.
En fait, le coecient ckl est obtenu en faisant le produit de la kième ligne de A par la
lième colonne de B .
Exemple 1.1
1 0
1 0 2
Soient A = −1 2 et B = .
−1 1 3
1 −1
A est de type (3, 2) et B est de type (2, 3). Le produit AB est déni, et BA l'est aussi.
la matrice
AB est de type (3, 3).
1 0 1 0 2
1 0 2
AB = −1 2 = −3 2 4 .
−1 1 3
1 −1 2 −1 −1
La matrice BA est detype (2, 2)
1 0
1 0 2 3 −2
BA = −1 2 = .
−1 1 3 1 −1
1 −1
Propriétés et dénitions
1) Si A est de type (m, n), B et C de type (n, s) et λ ∈ K , alors :
i) A(B + C) = AB + AC .
ii) λ(AB) = (λA)B = A(λB).
2) Si A est de type (m, n), B de type (n, r) et C de type (r, s), alors :
(AB)C = A(BC).
3) Si A et B sont deux matrices à coecients dans K tel que le produit AB est déni,
alors t (AB) = t B t A.
4) Soit A ∈ Mn (K) une matrice carrée d'ordre n, on dit que A est inversible s'il existe
une matrice B ∈ Mn (K) telle que AB = BA = In , où In est la matrice unité carrée
d'ordre n. On note B par A−1 , qu'on appelle l'inverse de A. Si A est inversible, son
inverse est unique. In est l'élément neutre de la multiplication.
5) (Mn (K), +, ·) est un anneau. Pour n ≥ 2, Mn (K) n'est
jamais commutatif, ni intègre puisque :
0 0 0 0 0 0 0 0 0 0 0 0
= et = .
1 0 0 1 0 0 0 1 1 0 1 0
6
1.2 Déterminants
Déterminants d'ordre 2
a b
Soit A = une matrice carrée d'ordre 2 à coecients dans K .
c d
Dénition 1.2 Le déterminant de A est le scalaire ad − bc, qu'on note :
a b
det A = |A| = = ad − bc.
c d
Déterminants d'ordre 3
a11 a12 a13
Soit A = a21 a22 a23 ∈ M3 (K).
a31 a32 a33
Dénition 1.3 Le déterminant de A est le scalaire :
a11 a12 a13
= a11 a22 a23 − a12 a21 a23 + a13 a21 a22
det A = a21 a22 a23 a32 a33 a31 a33 a31 a32
(∗)
a31 a32 a33
7
colonne de A, on a :
3
X
det A = a11 det A11 − a12 det A12 + a13 det A13 = (−1)1+j a1j det A1j .
j=1
Propriétés fondamentales
1) Le déterminant est linéaire par rapport à chaque colonne
2) det I3 = 1.
3) Si on échange deux colonnes alors le déterminant change de signe.
4) Si deux colonnes sont égales alors le déterminant est nul.
5) On ne change pas la valeur du déterminant si on ajoute à une colonne une combinai-
son linéaire des deux autres.
6) det A = dett A
3
7) Pour 1 ≤ i ≤ 3 on a : det A = (−1)i+j aij det Aij ; c'est le développement du
X
j=1
i=1
déterminant suivant la j ième colonne de A.
9) Si on multiplie par un scalaire λ tous les coecients d'une même colonne de A, alors
le déterminant est multiplié par λ.
10) Pour tout λ ∈ K , on a : det(λA) = λ3 det A.
11) det(AB) = det A det B .
12) Toutes les propriétés énoncées pour les colonnes de A restent valables pour les lignes
de A.
8
Exemple 1.2
2 1 1
Soit à calculer le déterminant ∆ = 1 2 3
5 2 2
La règle de Sarrus donne :
2 1 1
1 2 3 =2·2·2+1·2·1+5·1·3−5·2·1−2·2·3−1·1·2
5 2 2
& .
2 1 1
1 2 3
− +
Donc ∆ = 25 − 24 = 1.
Moyennant la dénition , on a :
2 1 1
1 2 3 =2· 2 3 −1· 1 3 +1· 1 2
= 2(4 − 6) − (2 − 15) + (2 − 10) =
2 2 5 2 5 2
5 2 2
−4 + 13 − 8 = 1
n
X
det A = (−1)1+j a1j det A1j .
j=1
Propriétés fondamentales
1) Le déterminant est linéaire par rapport à chaque colonne
9
2) det In = 1.
3) Si on échange deux colonnes alors le déterminant change de signe.
4) Si deux colonnes sont égales alors le déterminant est nul.
5) On ne change pas la valeur du déterminant si on ajoute à une colonne une combinai-
son linéaire des autres.
6) det A = dett A
n
7) Pour 1 ≤ i ≤ n on a : det A = (−1)i+j aij det Aij ; c'est le développement du
X
j=1
i=1
déterminant suivant la j ième colonne de A.
9) Si on multiplie par un scalaire λ tous les coecients d'une même colonne de A, alors
le déterminant est multiplié par λ.
10) Pour tout λ ∈ K , on a : det(λA) = λn det A.
11) det(AB) = det A det B .
12) Toutes les propriétés énoncées pour les colonnes de A restent valables pour les lignes
de A.
Exemples 1.3
Le tableau des signes est formé en commençant par le signe + , et en respectant le fait
que deux signes consécutifs
dans une ligne ou une colonne sont opposés.
+ − + ···
− + − ···
+ − + ···
.. .. ..
. . . ···
1) Soit
à calculer le déterminant
:
1 3 0 2
−2 −5 7 4
∆ = .
3 5 2 1
1 −1 2 −3
1 3 0 2 1 0 0 2 1 0 0 0
−2 −5 7 −2 −2 1 7 8
4 1 7 4 1 7 8
On a ∆ =
= = = −4 2 −5 =
3 5 2 1 3 −4 2 1 3 −4 2 −5
1 −1 2 −3 1 −4 2 −3 1 −4 2 −5 −4 2 −5
0, car la deuxième et la troisième
ligne sont égales.
1 3 −1 0 −2 1 3 −1 0 −2
2 −4 −1 −6
0 2 −4 −1 −6 0 2 −4 −1 −6
0 0 3 5
2) −2 −6 2 3 9 = 0 0 0 3 5 = −2 0 8 −1 =
3 7 −3 8 −7 0 −2 0 8 −1
−4 8 2 13
3 5 5 2 7 0 −4 8 2 13
10
1 1 −1 −6 0 1 0 0
0
0
3 5
0 3 5 0 0 3 5
8 −1 = 8 × 3 = 24.
− 8 = −8 = 8 −1
−1 0 8 −1 −1 0 8 −1
0 0 1
−2 −2 2 13 0 −2 0 1
3) Une matrice carrée d'ordre n, A = (aij ) est dite 1≤i≤n
triangulaire supérieure si,
1≤j≤n
aij = 0 pour i > j ; auquel cas la matrice A est de la forme :
a11 a12 · · ·
a1n
0 a22 · · · a2n
...
0 0 a3n .
. .. ..
.. . .
0 0 · · · 0 ann
On dénit de même une matrice triangulaire inférieure par les conditions : aij = 0
pour i < j . On vérie (par récurrence) que si A est une matrice triangulaire, alors
det A = a11 a22 · · · ann .
1 t
A−1 = ((−1)i+j det Aij ) .
det A 1≤i≤n
1≤j≤n
11
Exemple 1.4
2 1 3
Trouver l'inverse de la matrice A = 1 −1 1
1 4 −2
2 1 3 0
1 0
4 = −(−14 · 3 + 14 · 2) = 14.
det A = 1 −1 1 = 3 −1
1 4 −2 −7 4 −14
−2 3 5
La comatrice associée à A est com(A) = 14 −7 −7 , donc l'inverse de A est la
4 1 −3
matrice
−2 14 4
1
A−1 = 3 −7 1 .
14
5 −7 −3
Rang d'une matrice
Dénition 1.5 Soit A = (aij ) 1≤i≤m
une matrice de type (m, n). On appelle rang de
1≤j≤n
A , et on note rg(A), le plus grand entier r tel qu'on puisse extraire de A une matrice
carrée d'ordre r de déterminant non nul.
Propriétés fondamentales
Soit A = (aij ) 1≤i≤m
une matrice de type (m, n)
1≤j≤n
1) rg(A) ≤ inf(m, n).
2) L'entier r est le rang de A si et seulement si il existe un déterminant d'ordre r non
nul extrait de A et tous les déterminants d'ordre strictement supérieur à r extraits de A
sont nuls.
3) rg(A) = rg(t A).
Systèmes de Cramer :
Un système linéaire (S) de n équations à n inconnues dans K est la donnée de n équations
de la forme la forme :
a11 x1 + a12 x2 + · · · + a1n xn = b1
a21 x1 + a22 x2 + · · · + a2n xn = b2
(S) .. .. ..
. . .
a x + a x + ··· + a x = b
n1 1 n2 2 nn n n
12
où les aij et les bj sont dans K et x1 , x2 , · · · , xn sont les inconnues.
La matrice
a11 a12 · · · a1n
a21 a22 · · · a2n
A= .. .. . . ..
. . . .
an1 an2 · · · ann
s'appelle
lamatrice associée au système (S) et la matrice
b1 x1
b2 x2
B = .. s'appelle le terme constant du système. Si on pose X = .. alors le
. .
bn xn
système (S) est équivalent à l'égalité matricielle AX = B .
Résoudre le système (S) dans K consiste à trouver les scalaires x1 , x2 , · · · , xn dans K
vériant les n équations du système, et lorsque la matrice A associée au système (S) est
inversible (c.à.d. det A 6= 0), on dit que (S) est un système de Cramer.
Théorème 1.2 Si le système (S) :
a11 x1 + a12 x2 + · · · + a1n xn = b1
a21 x1 + a22 x2 + · · · + a2n xn = b2
.. .. ..
,
a x + a x + ··· + a x = b
n1 1 n2 2 nn n n
donnée par :
1 2 n
a11 · · · a1j−1 b1 a1j+1 · · · a1n
.. .. .. .. ..
an1 · · · anj−1 bn anj+1 · · · ann
∀1 ≤ j ≤ n, xj = ·
det A
Démonstration :
Notons par
Cj , 1 ≤ j ≤ n les n colonnes de la matrice A associée au système (S), et
b1
b2
par B = ..
le terme constant du système. Alors le système (S) est équivalent à
.
bn
n
l'égalité xi Ci = B . Par suite, pour 1 ≤ j ≤ n on a :
X
i=1
n
X
D(C1 , · · · , Cj−1 , B, Cj+1 , · · · , Cn ) = D(C1 , · · · , Cj−1 , xi Ci , Cj+1 , · · · , Cn ) =
i=1
n
xi D(C1 , · · · , Cj−1 , Ci , Cj+1 , · · · , Cn ) = xj D(C1 , · · · , Cj−1 , Cj , Cj+1 , · · · , Cn ) = xj det A,
X
i=1
13
car pour i 6= j , on a D(C1 , · · · , Cj−1 , Ci , Cj+1 , · · · , Cn ) = 0 puisque c'est le déterminant
d'une matrice ayant deux colonnes identiques, à savoir les colonnes Ci et Cj . Par suite,
D(C1 , · · · , Cj−1 , B, Cj+1 , · · · , Cn )
xj =
det A
.
Cas général
Un système linéaire (S) de m équations à n inconnues dans K est la donnée de m
équations de la forme la forme :
a11 x1 + a12 x2 + · · · + a1n xn = b1
a21 x1 + a22 x2 + · · · + a2n xn = b2
(S) .. .. ..
. . .
a x + a x + ··· + a x = b
m1 1 m2 2 mn n m
Démonstration :
Il sut de remarquer que le système (S) admet des solutions si et seulement si le terme
constant B appartient à l'e.v. engendrée par les vecteurs colonnes C1 , · · · , Cn de la ma-
trice A si et seulement si rg(A) = rg(C1 , · · · , Cn ) = rg(C1 , · · · , Cn , B) = rg(AB ).
14
Pour résoudre le système (S), on calcule le rang da la matrice A associée à (S). Si
r = rg(A), alors il existe un déterminant non nul d'ordre r, qu'on note ∆r , appelé déter-
minant principal. Les équations correspondant aux lignes de ∆r s'appellent les équations
principales, et les inconnues correspondant aux colonnes de ∆r s'appellent les inconnues
principales. Les autres inconnues s'appellent des paramètres. Sans perte de généralité, on
peut supposer que le déterminant ∆r est formé des r premières lignes et des r premières
colonnes de A. Le système (S) implique le système de Cramer (Sr ) suivant :
a11 x1 + a12 x2 + · · · + a1r xr = b1 − a1r+1 xr+1 − · · · − a1n xn
a21 x1 + a22 x2 + · · · + a2r xr = b2 − a2r+1 xr+1 − · · · − a2n xn
.. .. ..
. . .
a x + a x + ··· + a x = b − a
r1 1 r2 2 rr r r rr+1 r+1 − · · · − arn xn
x
15
Exemples 1.5
1) Soit à résoudre dans R le système (S) :
x1 − x2 + x3 − x 4 + x5 =1
2x1 − x2 + 3x3 + 4x5 =2
3x 1 − 2x2 + 2x3 + x4 + x5 =1
x1 + x3 + 2x4 + x5 =0
Calculons d'abord
le rang de A. Comme A est de type (4, 5), alors rg(A) ≤ 4. On a :
1 −1 1 0 −1 0
2 −1 3 = 1 −1 2 = −2 6= 0, d'où rg(A) ≥ 3.
3 −2 2 1 −2 0
On vérie ensuite que tous les déterminants d'ordre 4 extraits de A sont nuls, méthode
déconseillée !, pour conclure que rg(A) = 3. La méthode à suivre sera donnée après avoir
introduit la notion de rang d'un système de vecteurs d'un
espace vectoriel
donné.
1 −1 1
Ainsi, rg(A) = 3. On peut donc considérer que 43 = 2 −1 3 = −2 est un déter-
3 −2 2
minant principal, par suite les trois premières équations sont les équation principales
et x1 , x2 et x3 sont les inconnues principales. x4 et x5 seront considérées comme des
paramètres. Le système (S) implique donc le système de Cramer suivant :
x1 − x2 + x3 = 1 + x4 − x5
2x1 − x2 + 3x3 = 2 − 4x5
3x1 − 2x2 + 2x3 = 1 − x4 − x5
Ce qui implique :
x1 − x2 + x3 = 1 + x4 − x5
x2 + x3 = −2x4 − 2x5
−2x3 = −2 − 2x4 + 4x5
Donc x3 = 1+x4 −2x5 ⇒ x2 = −2x4 −2x5 −x3 = −1−3x4 ⇒ x1 = 1+x4 −x5 +x2 −x3 =
−1 − 3x4 + x5 .
16
Il faut maintenant voir si la dernière équation est satisfaite. On a : x1 + x3 + 2x4 + x5 =
−1−3x4 +x5 +1+x4 −2x5 +2x4 +x5 = 0. Donc le système (S) est resoluble et l'ensemble
des solutions est : {(−1 − 3x4 + x5 , −1 − 3x4 , 1 + x4 − 2x5 , x4 , x5 ) | x4 , x5 ∈ R}.
2) Soit à résoudre le système (S) suivant :
x1 + 2x2 + x3 = −1
6x1 + x2 + x3 = −4
2x1 − 3x2 − x3 = 0
−x 1 − 7x2 − 2x3 = 7
x1 − x2 = 1
Les solutions
sont donc :
−1 2 1 −1 −1 0 1 −1 1
−4 1 1 −4 −2 0 6 −4 1
0 −3 −1 0 −3 −1 0 −1
2 = −1, x = 2
x1 = −2 = −2 = −2 2 −2 =
3 −1 0 1 2 −1 0 0 −1
8 −4 1 −4
0 2 −7 −4
6
2 0 −1 2 −3 0 2 −3 0
−2
4 = −2
= −2 et x3 = −2 = −2 = −8
−2 = 4.
On vérie si les équations non principales (équations 4 et 5) sont satisfaites.
−x1 − 7x2 − 2x3 = 1 + 14 − 8 = 7 et x1 − x2 = −1 + 2 = 1. Donc le système admet une
solution unique (x1 , x2 , x3 ) = (−1, −2, 4).
17
3) Soit à résoudre dans R le système (S) :
x1 + x2 + x3 + x4 = a
x1 − x2 − x3 + x4 = b
,
−x1 − x2 + x3 + x4 = c
−3x1 + x2 − 3x3 − 7x4 = d
18
CHAPITRE II
Dénition 2.1 On appelle espace vectoriel sur le corps K , un ensemble E muni d'une
loi de composition interne notée +, et d'une loi de composition externe notée · qui est
une application dénie de K × E dans E , telles que :
1) (E, +) est un groupe abélien.
2) ∀λ, µ ∈ K, ∀x, y ∈ E :
i) λ · (x + y) = λ · x + λ · y .
ii) (λ + µ) · x = λ · x + µ · x.
iii) (λµ) · x = λ · (µ · x).
iv) 1K · x = x.
Les élément de K sont appelés scalaires et ceux de E des vecteurs.
Exemples 2.1
1) (R, +, ·) est espace vectoriel sur le corps R. En fait, tout corps commutatif est un
espace vectoriel sur lui-même.
2) K[X] l'anneau des polynômes à coecients dans K est un espace vectoriel sur K . La
loi de composition externe n'est rien d'autre que la multiplication de l'anneau K[X].
3) Soient E et F deux K -e.v., alors (E × F, +, ·) est un K -e.v. appelé espace vectoriel
produit de E par F , et où la loi interne + et la loi externe · sont dénies par :
(x, y) + (x0 , y 0 ) = (x + x0 , y + y 0 ) et λ · (x, y) = (λ · x, λ · y).
Dénition 2.2 Soit E un espace vectoriel sur K et soit F une partie de E . On dit que
F est un sous-espace vectoriel de E si :
i) F 6= ∅.
ii) ∀x, y ∈ F, x + y ∈ F .
iii) ∀x ∈ F, ∀λ ∈ K : λ · x ∈ F .
19
Remarques 2.1
1) Tout sous-espace vectoriel est un espace vectoriel.
2) Une partie F d'un K -e.v. E , est un sous-espace vectoriel de E si et seulement si :
i) F 6= ∅.
ii) ∀x, y ∈ F, ∀λ, µ ∈ K : λx + µy ∈ F .
3) Si F est un s-e.v. de E , alors 0E ∈ F .
Exemples 2.2
1) Soit E = K n ; le produit cartésien de K par lui-même n fois, où n ∈ N∗ . Soient
x = (x1 , x2 , · · · , xn ), y = (y1 , y2 , · · · , yn ) et λ ∈ K . On dénit sur K n des lois + et ·
comme suit : x + y = (x1 + y1 , x2 + y2 , · · · , xn + yn ) et λ · x = (λx1 , λx2 , · · · , λxn ). On
vérie alors que (K n , +, ·) est un K -e.v.
Soit F = {(x1 , x2 , · · · , xn−1 , 0) | xi ∈ K}, alors F est un sous-espace vectoriel de E .
2) Soit n ∈ N et soit Kn [X] = {P ∈ K[X] | d◦ (P ) ≤ n}, alors Kn [X] est un sous-espace
vectoriel de K[X].
Dénition 2.3 1) Soit A = {x1 , x2 , · · · , xn } une partie nie non vide de E . Un vecteur
xde E est dit combinaison linéaire des éléments de A s'il existe des scalaires λ1 , · · · , λn ∈
K tels que :
x = λ1 x1 + λ2 x2 + · · · + λn xn .
2) Si A est une partie non vide quelconque de E , un vecteur x de E est dit combinaison
linéaire des éléments de A s'il existe une partie nie B de A, telle que x soit combinaison
linéaire des éléments de B .
Notation Pour toute partie non vide A de E , on note par A l'ensemble des combinai-
sons linéaires des éléments de A.
Remarques 2.2
1) Si A est une partie non vide de E , alors A est un sous-espace vectoriel de E ; appelé
le s-e.v. engendré par A. On dit aussi que A est une partie ou un système de générateurs
de A. En fait, A est le plus petit s-e.v. de E contenant A.
2) Si A = {x1 , x2 , · · · , xn } alors le s-e.v. engendré par A est :
A = {λ1 x1 + λ2 x2 + · · · + λn xn | λi ∈ K}.
20
Exemple 2.3
Soit n un entier naturel et soit Kn [X] le sous-espace vectoriel de K[X] formé des poly-
nômes de degré inférieur ou égal à n. Comme tout élément P ∈ Kn [X] s'écrit sous la
forme P = a0 +a1 X +· · ·+an X n , où les ai ∈ K , c.à.d. que P est une combinaison linéaire
des éléments de A = {1, X, · · · , X n }, alors A est une partie génératrice de Kn [X]. Ainsi,
A = Kn [X].
λ1 x1 + λ2 x2 + · · · + λn xn = 0.
Exemples 2.4
1) Dans R2 , la partie {(1, 0), (0, 1)} est libre.
2) Dans K[X], la partie {1, X, · · · , X n } est libre pour tout entier n ∈ N, car l'égalité
a0 + a1 X + · · · + an X n = 0 implique ai = 0 pour tout 0 ≤ i ≤ n.
3) Toute partie nie, non vide, et contenant le vecteur nul est liée.
Dénition 2.5 Soit E un K -e.v. et soient x1 , x2 , · · · , xn ∈ E , on dit que B = {x1 , x2 , · · · , xn }
est une base de E si B est à la fois une partie libre et une partie génératrice de E .
Exemples 2.5
1) Soit n ∈ N∗ et soient dans K n les n vecteurs
e1 = (1, 0, · · · , 0), e2 = (0, 1, 0, · · · , 0), · · · , en = (0, · · · , 0, 1), alors on vérie que la
partie B = {e1 , e2 , · · · , en } est une base qu'on appelle la base canonique de K n .
2) Pour tout n ∈ N, la partie B = {1, X, · · · , X n } est une base qu'on appelle la base
canonique du K -e.v. Kn [X].
Théorème 2.1 Le système {e1 , e2 , · · · , en } est une base de l'e.v. E si et seulement si
tout élément x de E s'écrit de manière unique comme combinaison linéaire des (ei )1≤i≤n .
Démonstration :
⇒) x = λ1 e1 + · · · + λn en = µ1 e1 + · · · + µn en ⇒ (λ1 − µ1 )e1 + · · · + (λn − µn )en = 0 ⇒
λi = µi ∀1 ≤ i ≤ n car les (ei ) sont libres.
⇐) D'après l'hypothèse les (ei ) forment un système générateur de E .
Liberté : Soit λ1 e1 + · · · + λn en = 0, mais 0E = 0e1 + · · · + 0en . Comme l'écriture est
unique, on a λ1 = · · · = λn = 0.
21
Si B = {e1 , · · · , en } est une base du K -e.v. E , alors pour tout élément x de E il existe
des scalaires λ1 , λ2 , · · · , λn ∈ K uniques tels que :
x = λ1 e1 + λ2 e2 + · · · + λn en .
où les λi ∈ K .
Théorème 2.2 Soit E un K -e.v., B = {e1 , · · · , en } une base de E , et soit
A = {v1 , · · · , vm } une partie de E où les vi sont distincts deux à deux. Si m>n, alors A
est une partie liée.
Démonstration :
Supposons A libre.
On a v1 = λ1 e1 + λ2 e2 + · · · + λn en . On peut supposer λ1 6= 0, on a :
e1 = λ−11 (v1 − λ2 e2 − · · · − λn en ), d'où le s-e.v. F engendré par {v1 , e2 , · · · , en } contient
e1 , par suite F = E .
Montrons par récurrence que {v1 , v2 , · · · , vn } engendre E .
Hypothèse de récurrence : {v1 , · · · , vr , er+1 , · · · , en } engendre E . On peut donc écrire
vr+1 = µ1 v1 + · · · + µr vr + µr+1 er+1 + · · · + µn en . Les µi pour i ≥ r + 1 ne peuvent pas
être tous nuls car A est supposée libre. Sans perte de généralité on peut supposer que
µr+1 6= 0. On aura alors, er+1 = µ−1 r+1 (vr+1 − µ1 v1 − · · · − µr vr − µr+2 er+2 − · · · − µn en ),
et le s-e.v. G engendré par {v1 , · · · , vr+1 , er+2 , · · · , en } contient er+1 , donc G = E .
Finalement, {v1 , v2 , · · · , vn } engendre E , mais m > n et vm s'écrira comme combi-
naison linéaire des vi pour 1 ≤ i ≤ n, c.-à-d. qu'il existe λ1 , λ2 , · · · , λn ∈ K tels que
vm = λ1 v1 + λ2 v2 + · · · + λn vn , ce qui est absurde car A est supposée libre.
Lemme 2.1 Soit E un K -e.v., E 6= {0} et soit G une partie génératrice nie de E , alors
il existe une base B de E telle que B ⊂ G.
Théorème 2.3 Soit E un K -e.v. qui admet une base formée de n éléments, alors toute
autre base de E contient exactement n éléments.
Démonstration :
Soit B = {e1 , · · · , en } une base de E et soit C = {v1 , · · · , vm } une autre base de E ,
alors m > n est impossible, donc m ≤ n. De même n > m est impossible, d'où n ≤ m.
Finalement, n = m.
22
Dénition 2.7 Soit E un K -e.v. qui admet une base de n éléments. On dit que n est
la dimension de E sur K , et on note dimK E = n ou dim E = n.
Exemples 2.6
1) Soit n ∈ N∗ , alors dimK K n = n, car
B = {(1, 0, · · · , 0), (0, 1, 0, · · · , 0), · · · , (0, · · · , 0, 1)} est une base de K n .
2) dimK K = 1, car {1K } est une base de K .
3) dimR C = 2 puisque {1, i} est une base de C en tant qu'e.v. sur R mais dimC C = 1.
4) Soit n ∈ N, alors dim Kn [X] = n + 1, car B = {1, X, · · · , X n } est une base de Kn [X]
sur K .
5) On convient que dimK {0} = 0.
Théorème 2.4 (Théorème de la base incomplète) : Soit E un e.v. sur K , dim E = n,
et soit {x1 , · · · , xr } un famille libre de E , alors on peut trouver des vecteurs xr+1 , · · · , xn
tels que {x1 , · · · , xr , xr+1 , · · · , xn } soit une base de E .
Exemple 2.7
Dans R3 la partie A = {(1, 1, 0), (1, −1, 0)} est libre. Prenons la base canonique B =
{(1, 0, 0), (0, 1, 0), (0, 0, 1)}. On a :
(1, 0, 0) = 21 [(1, 1, 0) + (1, −1, 0)] ∈ A.
(0, 1, 0) = 12 [(1, 1, 0) − (1, −1, 0))] ∈ A.
Donc {(1, 1, 0), (1, −1, 0), (0, 0, 1)} est une base de R3 .
Somme directe
Soit E un K -e.v. et soient F et G deux sous-espaces vectoriels de E . On dénit la
somme de F et G par :
F + G = {x + y | x ∈ F, y ∈ G}.
23
Démonstration :
⇒) Si E = F ⊕ G alors E = F + G.
Soit x ∈ F ∩ G, alors x = x + 0 = 0 + x et d'après l'unicité de l'écriture, on a x = 0.
⇐) Il sut de montrer l'unicité de l'écriture. Soit x ∈ E tel que x = u + v = u0 + v 0 avec
u, u0 ∈ F et v, v 0 ∈ G, alors u − u0 = v 0 − v ∈ F ∩ G = {0}, d'où u = u0 et v = v 0 .
Théorème 2.6 Soit E un K -e.v. de dimension n ≥ 1 et soit F un s-e.v. de E , alors il
existe un s-e.v. G de E tel que E = F ⊕ G. G est appelé un supplémentaire de F dans
E.
Démonstration :
Il est clair que r = dim F ≤ n.
Si r = n, il sut de prendre G = {0}, et si r = 0, il sut de prendre G = E .
On suppose 0 < r < n, et soit {x1 , x2 , · · · , xr } une base de F , c'est en particulier une
partie libre de E qu'on peut completer en une base de E par des vecteurs xr+1 , · · · , xn .
Si on prend G le s-e.v. engendré par xr+1 , · · · , xn , on vérie alors que E = F ⊕ G.
Théorème 2.7 Soit E un K -e.v. de dimension n et soient F et G deux s-e.v. de E tels
que E = F ⊕ G, alors dim E = dim F + dim G.
Démonstration :
Soient {x1 , x2 , · · · , xr } une base de F , et {y1 , · · · , ys } une base de G. Tout élément x
de E s'écrit de manière unique sous la forme x = u+v avec u ∈ F et v ∈ G, on en déduit
que x s'écrit de manière unique sous la forme x = λ1 x1 + · · · + λr xr + µ1 y1 + · · · + µs ys .
Donc {x1 , x2 , · · · , xr , y1 , · · · , ys } est une base de E , d'où r + s = n.
24
5) On note par L(E, F ) l'ensemble des applications linéaires de E dans F , sur lequel on
dénit deux lois :
Si f et g ∈ L(E, F ), la somme f + g est dénie par :
(f + g)(x) = f (x) + g(x).
La loi externe est dénie par :λ · f : x 7→ λf (x), pour λ ∈ K .
On vérie que (L(E, F ), +, ·) est un K -e.v.
Exemples 2.8
1) Soit E un K -e.v., dim E = n et {e1 , · · · , en } une base de E .
f: E −→ K n
n
X
x= λi ei 7−→ (λ1 , · · · , λn ),
i=1
25
Démonstration :
Soit {e1 , · · · , en } une base de E , alors {f (e1 ), · · · , f (en )} est une partie génératrice nie
de f (E) = Im f , par suite, Im f est de dimension nie.
Si Im f = {0F }, alors f est l'application nulle, par suite ker f = E , et l'égalité est
vériée.
Si ker f = {0}, alors f est injective, comme {e1 , · · · , en } est en particulier une partie
libre, alors {f (e1 ), · · · , f (en )} est libre (voir exercices TD d'algèbre), c'est donc une base
de Im f , et l'égalité est encore vériée.
Supposons maintenant que q = dim ker f > 0 et s = dim Im f > 0.
Soit {w1 , · · · , ws } une base de Im f , il existe alors v1 , · · · , vs ∈ E tels que f (vi ) = wi .
Soit {u1 , · · · , uq } une base de ker f . Montrons que B = {u1 , · · · , uq , v1 , · · · , vs } est une
base de E .
Liberté : soient λi , µj ∈ K tels que :
λ1 v1 + · · · + λs vs + µ1 u1 + · · · + µq uq = 0 (∗).
Remarques 2.3
1) rg f ≤ inf(dim E, dim F ).
2) rg f = dim E ⇔ f est injective.
3) rg f = dim F ⇔ f est surjective.
Théorème 2.9 Soient E et F deux K -e.v. de dimension nie tels que dim E = dim F =
n ≥ 1, et soit f : E → F une application linéaire. Alors les propriétés suivantes sont
équivalentes
1) f est bijective. 2) f est injective.
.
3) rg f = n. 4) f est surjective.
26
Démonstration :
D'après les remarques sur le rang on a 3) ⇔ 2) ⇔ 4). D'autre part 1) ⇒ 2) et 2) ⇒ 4),
par suite 2) ⇒ 1).
Exercice : Soit E et F deux K -e.v. de dimension nie. Montrer que E et F sont iso-
morphes si et seulement si dim E = dim F . E et F sont dits isomorphes s'il existe un
isomorphisme de E dans F .
27
CHAPITRE III
Soient m, n ∈ N − {0}. On rappelle que Mn,m (K) désigne l'ensemble des matrices
de type (n, m) à coecients dans K , sur lequel on a déni deux lois :
Proposition 3.1 Muni de ces deux lois, Mn,m (K) est un e.v. sur K de dimension nm.
Pour tous 1 ≤ i ≤ n et 1 ≤ j ≤ m, posons Eij la matrice de type (n, m) dont tous
les coecients sont nuls, sauf celui se trouvant à l'intersection de la iième ligne et la
j ième colonne qui vaut 1. On vérie facilement que B = {Eij | 1 ≤ i ≤ n et 1 ≤ j ≤ m}
est une base appelée la base canonique de Mn,m (K) sur K .
28
x1
m x2
remplaçant chaque f (ej ) par λij fi , et si on pose X = .. la matrice unicolonne
X
i=1
.
xn
forméepar lescoordonnées de x dans la base B et
y1
y2
Y = .. la matrice unicolonne formée par les coordonnées de y dans la base
.
ym
C , on vérie que l'égalité vectorielle y = f (x) est équivalente à l'égalité matricielle
M (f, B, C)X = Y . En d'autres termes, les coordonnées de f (x) dans la base C peuvent
être calculées grâce au produit matriciel M (f, B, C)X .
À noter que si E = F et B = C , la matrice M (f, B, B) est dite la matrice de f dans la
base B , et est notée M (f, B).
Exemple 3.1
Soit f : R2 → R3 dénie par f (x, y) = (x, 2y, x − y). Soit B = {e1 , e2 } la base canonique
de R2 et C = {f1 , f2 , f3 } la base canonique de R3 , alors f (e1 ) = f ((1, 0)) = (1, 0, 1) =
f1 + f3 , f (e2 ) = f ((0, 1)) = (0, 2, −1) = 2f2 − f3 , d'où la matrice de f dans les bases B
et C est :
1 0
M (f, B, C) = 0 2 .
1 −1
Propriétés fondamentales
1) Soient E et F deux K -e.v. de bases respectives B et C , soient f, g : E → F deux
applications linéaires et soit λ ∈ K , alors :
i) M (f + g, B, C) = M (f, B, C) + M (g, B, C).
ii) M (λf, B, C) = λM (f, B, C).
2) Soient E, F et G des K -e.v. de bases respectives B, B 0 , B 00 , soient f : E → F et
g : F → G des applications linéaires, alors :
29
Soient maintenant x1 , x2 , · · · , xn des vecteurs d'un K -e.v. E de dimension n sur K ,
et soit B = {e1 , e2 , · · · , en } une base de E . Notons par X1 , X2 , · · · , Xn les vecteurs
unicolonnes formés respectivement par les coordonnées de x1 , x2 , · · · , xn dans la base
λ1j
n λ2j
B . Si xj = λij ei , on a Xj = .. , alors {x1 , · · · , xn } est libre si et seulement si
X
i=1
.
λnj
det(X1 , · · · , , Xn ) 6= 0 si et seulement si rg(λij )1≤i,j≤n = n
Théorème 3.1 Soit A une matrice de type (m, n) à coecients dans K , alors :
1) rg(A) = rg( A).
t
2) Le rang de A est le rang de ses vecteurs colonnes; c'est aussi le rang des ses vecteurs
lignes.
3) Soient E un K -e.v. de dimension n, F un K -e.v. de dimension m, B une base de
E , C une base de F , f une application linéaire de E dans F et A la matrice de f par
rapport à B et C , alors :
rg(f ) = rg(A).
Exemple 3.2
1 −1 1 −1 1
2 −1 3 0 4
A=
3 −2 2
1 1
1 0 1 2 1
Calculons
le rang
de A. Comme
A est de type (4, 5), alors rg(A) ≤ 4. On a :
1 −1 1 0 −1 0
−1 3 = 1 −1 2 = −2 6= 0, d'où rg(A) ≥ 3 et
2
3 −2 2 1 −2 0
3 = rg(C1 , C2 , C3 ), c.à.d. que les trois premières colonnes de A engendrent un e.v. de
dimension 3.
On
a:
1 −1 1 −1 1 −1 0 −3
2 −1 3
1 0 −3
0 2 −1 1 −4
3 −2 2 = = 1 1 −4 =
1 3 −2 −1 −5
1 2 −1 −5
0 1 2 1 0 0 0
1 0 0
1 −1 = 0, donc rg(C1 , C2 , C3 , C4 ) = 3 = rg(C1 , C2 , C3 ), c.à.d. que C4 appar-
1
2 −1 1
tient au s-e.v. engendré par C1 , C2 et C3 .
On
a aussi :
1 −1 1 1 1 −1 0 0
2 −1 3 4 2 −1 1 2
3 −2 2 1 3 −2 −1 −2 = 0,
=
1 0 1 1 1 0 0 0
30
d'où rg(C1 , C2 , C3 , C5 ) = 3 = rg(C1 , C2 , C3 ), c.à.d. que C5 appartient au s-e.v. engendré
par C1 , C2 et C3 . Ainsi, rg(A) = rg(C1 , C2 , C3 , C4 , C5 ) = rg(C1 , C2 , C3 ) = 3.
31
la deuxième propriété fondamentale on a :
M (f, B 0 , C 0 ) = M (idF of oidE , B 0 , C 0 ) = M (idF , C, C 0 )M (f, B, C)M (idE , B 0 , B),
d'où la relation :
M (f, B 0 , C 0 ) = Q−1 M (f, B, C)P.
En particulier, si E = F , B = C et B 0 = C 0 , alors P = Q et :
M (f, B 0 , B 0 ) = P −1 M (f, B, B)P,
ou, en d'autres termes :
M (f, B 0 ) = P −1 M (f, B)P.
Exemple 3.3
Soient e1 = (1, 0, 0), e2 = (0, 1, 0), e3 = (0, 0, 1), B = {e1 , e2 , e3 } la base canonique
de R3 . Soient f1 = (1, −1, 1), f2 = (0, 2, 1) et f3 = (1, 2, −2). On vérie que B 0 =
{f1 , f2 , f3 } est une base de R3 . Nous avons :
f1 = e1 − e2 + e3 ,
f2 = 2e2 + e3 ,
f3 = e1 + 2e2 − 2e3 .
Donc la matrice de passage P de B à B 0 est :
1 0 1
P = −1 2 2 .
1 1 −2
Pour calculer la matrice de passage P −1 de B 0 à B , on doit exprimer les vecteurs e1 , e2
et e3 en fonction de f1 , f2 et f3 . On a :
f1 = e1 − e2 + e3
(
1
f2 = 2e2 + e3 ⇒ f3 − f1 = 3e2 − 3e3 ⇒ 3 (f3 − f1 ) = e2 − e3 ⇒
f3 = e1 + 2e2 − 2e3 f2 = 2e2 + e3
f2 + 13 (f3 − f1 ) = 3e2 ⇒ e2 = − 91 f1 + 13 f2 + 91 f3 ⇒ e3 = f2 − 2e2 = 29 f1 + 13 f2 − 29 f3 .
D'autre part, e1 = f1 + e2 − e3 = 32 f1 + 13 f3 .
32
−6 0 −3
La comatrice associée à P est com(P ) = 1 −3 −1 .
−2 −3 2
Donc
2
− 19 2
−6 1 −2 3 9
1 t 1
1
1
P −1 com(P ) =
= · 0 −3 −3
= 0 .
det P −9 3 3
−3 −1 2 1 1 2
−9
3 9
Exemple 3.4
Soit la matrice
−1 1 1
A = 1 −1 1 .
1 1 −1
On note par f l'endomorphisme de R3 dont la matrice par rapport à la base canonique
B = {e1 , e2 , e3 } de R3 est A. Cela signie que f (e1 ) = (−1, 1, 1), f (e2 ) = (1, −1, 1) et
f (e3 ) = (1, 1, −1).
Soient les vecteurs f1 = (1, 0, −1), f2 = (0, 1, −1) et f3 = (1, 1, 1). On vérie facilement
que B 0 = {f1 , f2 , f3 } est une base de R3 . La matrice de passage P de B à B 0 est :
1 0 1
P = 0 1 1 .
−1 −1 1
2 −1 −1
Un simple calcul permet de voir que : P −1 = 13 · −1 2 −1 .
1 1 1
−4 2 2 −2 0 0
De plus : P −1 A = 13 · 2 −4 2 , et P −1 AP = 0 −2 0 = A0 ; où A0 est
1 1 1 0 0 1
la matrice de l'endomorphisme f dans la base B . En fait, on peut vérier directement
0
33
ANNEXE
Diagonalisation
4.1 Valeurs et vecteurs propres. Diagonalisation
f (x) = λx.
On a alors
Dénition 4.2 Soit f un endomorphisme d'un K -e.v. E .
1) On appelle valeur propre de f tout scalaire λ de K tel qu'il existe un vecteur x 6= 0
de E vériant
f (x) = λx.
2) Si λ est une valeur propre de f , on note par Eλ l'ensemble Eλ = {x ∈ E | f (x) =
λx}.
Proposition 4.1 Soit f un endomorphisme d'un K -e.v. E . Si λ est une valeur propre
de f , alors Eλ est un s-e.v. de E ; diérent de {0} et est appelé le sous-espace propre
associé à λ. En fait, Eλ = ker(f − λidE ).
Démonstration :
Puisque λ est une valeur propre de f , alors il existe x 6= 0 de E tel que f (x) = λx, d'où
x ∈ E 6= {0}.
Si x1 et x2 appartiennent à Eλ et α ∈ K , alors f (x1 ) + f (x2 ) = λx1 + λx2 = λ(x1 + x2 )
et f (αx1 ) = αf (x1 ) = α(λx1 ) = λ(αx1 ), d'où x1 + x2 ∈ Eλ et αx1 ∈ Eλ . Si idE dé-
signe l'application identité de E , alors x ∈ Eλ ⇔ f (x) = λx ⇔ f (x) − λx = 0 ⇔
(f − λidE )(x) = 0 ⇔ x ∈ ker(f − λidE ). Donc Eλ = ker(f − λidE ).
Il est facile d'établir que
Théorème 4.1 Soit f un endomorphisme d'un K -e.v. E de dimension nie, pour tout
λ ∈ K , les propriétés suivantes sont équivalentes :
1) λ est valeur propre de f .
2) f − λidE est non inversible.
34
Théorème 4.2 Si λ1 et λ2 sont deux valeurs propres d'un même endomorphisme f ,
alors Eλ1 ∩ Eλ2 = {0}.
Démonstration :
x ∈ Eλ1 ∩ Eλ2 ⇒ f (x) = λ1 x = λ2 x ⇒ (λ1 − λ2 )x = 0 ⇒ x = 0 car λ1 6= λ2 .
f (x) = λx ⇔ AX = λX.
Polynôme caractéristique
Soit E un K -e.v. de dimension n muni d'une base B , soit f un endomorphisme de
E et A = M (f, B) = (aij )1≤i,j≤n . D'après la troisième condition du théorème précédent
λ est une valeur propre si et seulement si
a11 − λ a12 ··· a1n
a21 a22 − λ ··· a2n
det(A − λIn ) = .
. .. ... .
.. = 0.
. .
an1 an2 · · · ann − λ
35
En remplaçant λ par l'indéterminée X on dénit le polynôme de K[X] suivant :
a11 − X a12 ··· a1n
22 − X ···
a21 a a2n
pA (X) = det(A − XIn ) = .
.. .. ... .. .
. .
an1 an2 · · · ann − X
(a11 −X)(a22 −X) · · · (ann −X) = (−1)n X n +(−1)n−1 (a11 +· · ·+ann )X n−1 +· · ·+a11 a22 · · · ann .
Diagonalisation
Il faut noter que les conditions 1) et 2) sont les mêmes. Il sut de remarquer que si B et
C sont deux bases de E telles que A = M (f, B) et A0 = M (f, C) une matrice diagonale,
la matrice P n'est rien d'autre que la matrice de passage de B à C .
36
Démonstration :
Supposons que B = {e1 , · · · en } est une base de E telle que la matrice associée à f dans
B soit diagonale, c.-à-d.
λ1 0 ··· 0
0 λ2 ··· 0
A = M (f, B) = .. .. . . . .. ,
. . .
0 0 · · · λn
alors pA (X) = (λ1 − X) · · · (λn − X), donc λ1 , · · · , λn sont les valeurs propres de A donc
de f , et les racines de pA (X) sont toutes dans K . D'autre part, pour tout 1 ≤ i ≤ n, on
a f (ei ) = λi ei . Ainsi, la base B est formée de vecteurs propres.
La réciproque est évidente.
On en déduit
Théorème 4.8 Une matrice A de Mn (K) est diagonalisable si et seulement si :
1) Le polynôme caractéristique pA a ses n racines (distinctes ou confondues) dans K .
2) Pour chaque racine λi de pA , d'ordre ki ,
dim Eλi = ki .
37
1−λ 1 1
= (2 + λ)2 (1 − λ).
0 −2 − λ 0
0 0 −2 − λ
Donc le polynôme caractéristique de A, donc de f , est pA (X) = (1 − X)(2 + X)2 . Ainsi,
−2 est une valeur propre double et 1 une valeur propre simple de A.
Cherchons si f est diagonalisable. Pour cela il faut déterminer les sous-espaces propres
E−2 et E1 .
x 0 1 1 1 x
v = (x, y, z) ∈ E−2 ⇔ f (v) = −2v ⇔ (A+2I3 ) y = 0 ⇔ 1 1 1 y =
z 0 1 1 1 z
0
0 ⇔ x + y + z = 0 ⇔ z = −x − y ⇔ v = (x, y, −x − y) = x(1, 0, −1) + y(0, 1, −1).
0
Ainsi, E−2 = {v1 , v2 }, où v1 = (1, 0, −1)
et v2 . Il est
= (0,1, −1) clair que dim E
−2= 2.
x 0 −2 1 1 x
v = (x, y, z) ∈ E1 ⇔ f (v) = v ⇔ (A−I3 ) y = 0 ⇔ 1 −2 1 y =
z 0 1 1 −2 z
0 −2x + y + z = 0 −2x + y + z = 0
0 ⇔ x − 2y + z = 0 ⇔ −3y + 3z = 0 ⇔ x = y = z ⇔ v = (z, z, z) =
0 x + y − 2z = 0 3y − 3z = 0
z(1, 1, 1).
Ainsi, E1 = {v3 }, où v3 = (1, 1, 1).
Si on pose C = {v1 , v2 , v3 }, on vérie que C est une base de R3 , formée de vecteurs
propres de f , par rapport à laquelle la matrice de f est :
−2 0 0
A0 = 0 −2 0 .
0 0 1
1 0 1
On vérie que A0 = P −1 AP , où P = 0 1 1 est la matrice de passage de la
−1 −1 1
base canonique
de R àla base C .
3
−4 0 −2
2) A = 0 1 0 .
5 1 3
On obtient pA (X) = −(1 − X)2 (X + 2) et dim E1 = dim E−2 = 1, donc A n'est pas
diagonalisable, car dim E1 = 1 6= 2 ; qui est l'ordre de multiplicité de la valeur propre 1.
38
UNIVERSITÉ MOHAMMED I
Faculté Des Sciences Année Universitaire 2014/2015
Département De Mathématiques Section SMIA-Semestre 2
Et Informatique Session Ordinaire
Oujda Module Algèbre 3
Responsable : M.C. Ismaili
Durée : 1H.30mn.
Examen d'Algèbre
T.S.V.P.
39
Exercice III : Soit E un K -espace vectoriel de dimension n, soit f un endomorphisme
de E et soit F un sous-espace vectoriel de E tel que E = ker f ⊕ F . On suppose que
ker f = Im f .
40
UNIVERSITÉ MOHAMMED I
Faculté Des Sciences Année Universitaire 2014/2015
Département De Mathématiques Section SMIA-Semestre 2
Et Informatique Session Ordinaire
Oujda Module Algèbre 3
Responsable : M.C. Ismaili
Durée : 1H.30mn.
t2
0 t
1
A= t 0 t
.
1 1 0
t2 t
t2 t2 t2
0 t 0 t 2 t
1 1 1
1) A2 = t 0 t . t 0 t = t 2 t = A + 2I3 .
1 1 0 1 1 0 1 1 2
t2 t t2 t t2 t
Donc A2 − A − 2I3 = O, où O désigne la matrice nulle.
2) A2 − A − 2I3 = O ⇒ A2 − A = 2I3 ⇒ A( 1 (A − I3 )) = ( 12 (A − I3 ))A = I3 . Donc la
2
matrice A est inversible et son inverse A−1 = 12 (A − I3 ).
41
2) La matrice de passage P de B à C est :
−1 0 1
P = 1 i −1 .
0 −1 i
Donc :
−2 −1 −i 0 1 −i 0 0 i
N = P −1 M P = −i −i 0 1 −1 i = −i 0 0 .
−1 −1 −i i i 0 0 1 0
4) Le déterminant de N vaut 1, donc N est inversible, par suite u l'est aussi, ainsi que la
matrice M .
Dire que N est la matrice de l'endomorphisme u dans la base C signie que :
u(f1 ) = −if2
u(f2 ) = f3
u(f3 ) = if1
On en déduit que : −1
u (f2 ) = if1
u−1 (f3 ) = f2
−1
u (f1 ) = −if3
42
Ainsi : −1
u (f1 ) = −if3
u−1 (f2 ) = if1
−1
u (f3 ) = f2
Comme on sait que N −1 est la matrice de u−1 dans la base C , alors :
0 i 0
N −1 = 0 0 1 .
−i 0 0
5) On trouve :
0 0 i 0 0 i 0 i 0
N 2 = −i 0 0 −i 0 0 = 0 0 1 = N −1 .
0 1 0 0 1 0 −i 0 0
43
a) Comme a ∈ ker f = Im f = f (F ), il existe z ∈ F tel que a = f (z), d'où il existe z ∈ F
tel que x = a + y = f (z) + y .
b) Soit x ∈ E et soient y, z ∈ F tels que x = f (z) + y . On veut montrer que cette écriture
est unique. Soient donc y 0 et z 0 deux autres éléments de F tels que x = f (z 0 ) + y 0 .
x = f (z) + y = f (z 0 ) + y 0 ⇒ y − y 0 = f (z 0 ) − f (z) = f (z 0 − z), d'où : f (y − y 0 ) =
f (f (z 0 −z)) = f 2 (z 0 −z) = 0, car f 2 est l'application nulle. Ainsi, (y−y 0 ) ∈ ker f ∩F = {0},
car E = ker f ⊕ F , on en déduit donc que y = y 0 . Il s'ensuit que f (z) = f (z 0 ), et par
suite : (z − z 0 ) ∈ ker f ∩ F = {0}, d'où z = z 0 .
FIN
44
UNIVERSITÉ MOHAMMED I
Faculté Des Sciences Année Universitaire 2014/2015
Département De Mathématiques Section SMIA-Semestre 2
Et Informatique Session de Rattrapage
Oujda Module Algèbre 3
Responsable : M.C. Ismaili
Durée : 1H.30mn.
Examen d'Algèbre
T.S.V.P.
45
Exercice III : On note par M2 (R) l'espace vectoriel des matrices carrées d'ordre 2 à
coecients dans R.
Soient f : M2 (R) → R et g : M2 (R) → M2 (R) les applications dénies par :
2x + t x+y+t
f (M ) = x + t et g(M ) =
x + z + t −2x − t
x y 1 1
pour toute matrice M = de M2 (R). Posons U = .
z t 1 −2
1) Montrer que les applications f et g sont linéaires.
2) Trouver une base de ker f et montrer que dim ker f = 3.
3) Calculer g(M ) − M lorsque M ∈ ker f . En déduire que ker f ⊂ Im g .
4) Calculer g(U ). En déduire que l'on a ker f = Im g et que {U } est une base de ker g .
5) Montrer alors que M2 (R) = ker f ⊕ ker g.
FIN
46
UNIVERSITÉ MOHAMMED I
Faculté Des Sciences Année Universitaire 2014/2015
Département De Mathématiques Section SMIA-Semestre 2
Et Informatique Session de Rattrapage
Oujda Module Algèbre 3
Responsable : M.C. Ismaili
Durée : 1H.30mn.
1)
s
et 2tet (t2 − 4t)et e 2ses (s2 − 4s)es
R(t)R(s) = 0 et tet 0 es ses .
t s
0 0 e 0 0 e
Comme (s2 − 4s) + 2ts + (t2 − 4t) = t2 + s2 + 2ts − 4(t + s) = (t + s)2 − 4(t + s), alors, on vérie
facilement que R(t)R(s) = R(t + s) pour tous nombres réels t et s.
1 0 0
2) Soit t ∈ R. On a R(t)R(−t) = R(−t)R(t) = R(0) = 0 1 0 = I3 ; la matrice unité
0 0 1
carrée d'ordre 3, alors la matrice R(t) est inversible et son inverse est la matrice R(−t).
u(e1 ) = e1 + e2 + e3
u(e2 ) = 2e1 + 3e2 − e3
u(e3 ) = −e2 + 3e3
1)a)
1 2 0
A= 1 3 −1 .
1 −1 3
47
b)
x 0
v = xe1 + ye3 + ze3 ∈ ker u ⇔ u(v) = (0, 0, 0) ⇔ A y
= 0 ⇔
z 0
1 2 0 x 0 x + 2y = 0 x + 2y = 0
x = −2y
1 3 −1 y = 0 ⇔ x + 3y − z = 0 ⇔ y−z = 0 ⇔ .
z = y
1 −1 3 z 0 x − y + 3z = 0 −3y + 3z = 0
a) Il sut de montrer que C est libre car card(C) = 3 = dim R3 . Pour cela, il sut de montrer
que le déterminant de la matrice formée par les coordonnées de f − 1, f2 et f3 dans la base B
est non nul. En eet :
−2 1 2 −2 1 0
1 1 3 = 1 1 4 − 4 · (−2) = 12 6= 0.
1 1 −1 1 1 0
c) D'après ce qui précède, on sait que f1 = −2e1 + e2 + e3 est un élément de ker u, donc
u(f1 ) = 0R3 .
u(f2 ) = u(e1 + e2 + e3 ) = u(e1 ) + u(e2 ) + u(e3 ) = 3e1 + 3e2 + 3e3 = 3(e1 + e2 + e3 ) = 3f2 .
u(f3 ) = u(2e1 +3e2 −e3 ) = 2u(e1 )+3u(e2 )−u(e3 ) = 2(e1 +e2 +e3 )+3(2e1 +3e2 −e3 )−(−e2 +3e3 ) =
48
8e1 + 12e2 − 4e3 = 4(2e1 + 3e2 − e3 ) = 4f3 . Donc la matrice D de u dans la base C est :
0 0 0
D = 0 3 0 .
0 0 4
L'autre méthode consiste à dire que les matrices A et D sont liées par la relation D = P −1 AP .
− 31 1 1
412
1 2 0 0 0 0
−1
P A=
1 0 2 1 3 −1 = 1 0 2 .
3 3
1 −1 3 0 1 −1
0 41 − 14
D'où :
0 0 0 −2 1 2 0 0 0
D = P −1 AP = 1 0 2 1 1 3 = 0 3 0 .
0 1 −1 1 1 −1 0 0 4
3) Soit n ∈ N∗ . Comme D = P −1 AP , alors A = P DP −1 , d'où :
An = (P DP −1 )(P DP −1 ) · · · (P DP −1 ) = P Dn P −1 .
| {z }
n fois
− 31 1
1
4
12
0 0 0 0 0 0
Dn P −1 = 0 3 n
0 1 0 2 = 3n−1 0 2 · 3n−1 .
3 3
0 0 4n 0 4n−1
−4n−1
0 14 − 41
Ainsi,
n−1
−2 1 2 0 0 0 3 2 · 4n−1 2 · (3n−1 − 4n−1 )
An = 1 1 3 3n−1 0 2 · 3n−1 = 3n−1 3 · 4n−1 2 · 3n−1 − 3 · 4n−1 .
n−1
1 1 −1 0 4 −4n−1 3n−1 −4n−1 2 · 3n−1 + 4n−1
Exercice III : On note par M2 (R) l'espace vectoriel des matrices carrées d'ordre 2 à coecients
dans R.
Soient f : M2 (R) → R et g : M2 (R) → M2 (R) les applications dénies par :
2x + t x+y+t
f (M ) = x + t et g(M ) =
x + z + t −2x − t
x y 1 1
pour toute matrice M = de M2 (R). Posons U = .
z t 0 0 1 −2
x y x y
1) Soient M = et M 0 = deux matrices de M2 (R). Soient aussi λ et µ
z t z 0 t0
deux nombres réels, alors :
λx + µx0 λy + µy 0
0
λM + µM = ,
λz + µz 0 λt + µt0
49
d'où : f (λM + µM 0 ) = λx + µx0 + λt + µt0 = λ(x + t) + µ(x0 + t0 ) = λf (M ) + µf (M 0 ).
De même :
2(λx + µx0 ) + λt + µt0 λx + µx0 + λy + µy 0 + λt + µt0
0
g(λM + µM ) = =
λx + µx0 + λz + µz 0 + λt + µt0 −2(λx + µx0 ) − (λt + µt0 )
0
2x + t0 x0 + y 0 + t0
2x + t x+y+t
λ +µ = λg(M ) + µg(M 0 ).
x + z + t −2x − t x0 + z 0 + t0 −2x0 − t0
Donc les applications
f et g sont linéaires.
x y x y
2) M = ∈ ker f ⇔ f (M ) = x + t = 0 ⇔ t = −x ⇔ M = . Donc ker f =
z t
z −x
x y 1 0 0 1 0 0
{ | x, y, z ∈ R} = {x +y +z | x, y, z ∈ R}
z −x 0 −1 0 0 1 0
Ainsi, ker f est le sous-espace vectoriel de M2 (R), engendré par la partie
1 0 0 1 0 0
B={ , , }.
0 −1 0 0 1 0
De plus, on vérie facilement que B est libre ; c'est donc une base de ker f formée de 3 éléments,
donc dim ker f= 3.
x y
3) Soit M = ∈ M2 (R), alors :
z t
2x + t − x x+y+t−y x+t x+t
g(M ) − M = = .
x + z + t − z −2x − t − t x + t −2(x + t)
0 0
Lorsque M ∈ ker f on a f (M ) = x + t = 0, donc g(M ) − M = la matrice nulle.
0 0
0 0
On en déduit que : M ∈ ker f ⇒ g(M ) − M = ⇒ M = g(M ) ∈ Im g ⇒ ker f ⊂ Im g .
0 0
1 1 0 0
4) Si U = , alors g(U ) = . Donc U ∈ ker g . Comme U est non nulle, alors
1 −2 0 0
g est non injective, d'où g n'est pas surjective (puisque c'est un endomorphisme de M2 (R).
Ainsi, dim Im g < dim M2 (R) = 4, donc dim Im g ≤ 3. Comme ker f ⊆ Im g , alors :
3 = dim ker f ≤ dim Im g ≤ 3.
On en déduit que
3 = dim ker f = dim Im g = 3.
Ainsi, ker f = Im g . Le théorème du rang nous dit que ker g est de dimension 1, donc {U } est
une base de ker g .
5) Soit M ∈ ker f ∩ ker g . D'après
ce qui précède, M = g(M ),et comme M est dans le
0 0 0 0
noyau de g , alors M = g(M ) = . Donc ker f ∩ ker g = { }, d'où la somme
0 0 0 0
ker f + ker g est directe. On en déduit que dim(ker f ⊕ ker g) = dim ker f + dim ker g = 3 + 1 =
4 = dim M2 (R), d'où :
M2 (R) = ker f ⊕ ker g.
50
UNIVERSITÉ MOHAMMED I
Faculté Des Sciences Année Universitaire 2016/2017
Département De Mathématiques Section SMIA-Semestre 2
Et Informatique Session Ordinaire
Oujda Module Algèbre 3
Responsable : M.C. Ismaili
Durée : 1H.30mn.
Examen d'Algèbre
Exercice II : Soit n ∈ N? , on note par Rn [X] l'espace vectoriel réel des polynômes de
degré inférieur ou égal à n, à coecients dans R. Soit λ ∈ R, et soit fλ : R3 [X] → R2 [X]
l'application linéaire dénie par : ∀P = a0 + a1 X + a2 X 2 + a3 X 3 ∈ R3 [X],
fλ (P ) = λ3 a0 + 2a3 + (3a0 + a2 − a3 + λa1 )X + (λa0 + λa1 + a3 )X 2 .
λ2 λ3
Pλ = 1 + ( − 1)X + (λ − λ3 − 3)X 2 − X 3 .
2 2
Calculer fλ (Pλ ), puis en déduire une base de ker fλ .
T.S.V.P.
51
Exercice III : Soit E un R-e.v. de dimension nie n ∈ N∗ . On rappelle qu'un endomorphisme
de E est une application linéaire de E dans E . On note par idE l'endomorphisme identité
de E et par Θ l'application nulle. Dans tout l'exercice f désignera un endomorphisme de E
vériant :
f 2 + f − 2idE = Θ.
Cela signie que : ∀x ∈ E, f 2 (x) + f (x) − 2x = 0E . À noter que f 2 = f of .
1) Montrer que ker (f − idE ) ∩ ker (f + 2idE ) = {0E }.
2) Dans cette question on se propose de montrer que :
a) Soit x ∈ E xé. On suppose qu'il existe y ∈ ker (f − idE ) et z ∈ ker (f + 2idE ) tel que
x = y + z . En appliquant f à cette dernière égalité, montrer que :
2 1 1 1
y = x + f (x) et z = x − f (x).
3 3 3 3
b) Montrer que pour tout vecteur x ∈ E on a :
2 1 1 1
x + f (x) = y ∈ ker (f − idE ), x − f (x) = z ∈ ker (f + 2idE ) et y + z = x.
3 3 3 3
Indication : utiliser le fait que f 2 (x) = 2x − f (x).
c) Conclure.
3)a) Montrer que (f − idE )o(f + 2idE ) = (f + 2idE )o(f − idE ) = Θ.
b) En déduire que : Im (f + 2idE ) ⊂ ker (f − idE ) et Im (f − idE ) ⊂ ker (f + 2idE ).
c) Montrer alors que : Im (f + 2idE ) = ker (f − idE ) et Im (f − idE ) = ker (f + 2idE ).
Indication : appliquer l'égalité dim E = dimker g + dimIm g pour g = f − idE et g = f +2idE
et le fait que E = ker (f − idE ) ⊕ ker (f + 2idE ).
FIN
52
UNIVERSITÉ MOHAMMED I
Faculté Des Sciences Année Universitaire 2016/2017
Département De Mathématiques Section SMIA-Semestre 2
Et Informatique Session Ordinaire
Oujda Module Algèbre 3
Responsable : M.C. Ismaili
Durée : 1H.30mn.
1) Comme M
λ est une matrice
de type (3, 4), alors rg(Mλ ) ≤ 3.
0 0 2
Soit ∆λ = λ 1 −1 = −2λ, alors ∆λ est un déterminant d'ordre 3 extrait de Mλ , et
λ 0 1
comme λ 6= 0, alors ∆λ 6= 0, d'où rg(Mλ ) = 3.
2) Si λ = 0, alors la matrice M0 devient :
0 0 0 2
M0 = 3 0 1 −1 .
0 0 0 1
Comme le rang d'une matrice est égal au rang de ses vecteurs lignes, alors rg(M0 ) =
rg((0 0 0 2), (3 0 1 − 1), (0 0 0 1)). Mais les vecteurs (0 0 0 2) et (0 0 0 1) sont liés puisque
(0 0 0 2) = 2(0 0 0 1). Donc rg(M0 ) = rg((3 0 1 − 1), (0 0 0 1)) = 2, car il est facile de
vérier que les derniers vecteurs sont libres.
Exercice II : Soit n ∈ N? , on note par Rn [X] l'espace vectoriel réel des polynômes de
degré inférieur ou égal à n, à coecients dans R. Soit λ ∈ R, et soit fλ : R3 [X] → R2 [X]
l'application linéaire dénie par : ∀P = a0 + a1 X + a2 X 2 + a3 X 3 ∈ R3 [X],
53
Donc la matrice Nλ n'est rein d'autre que la matrice Mλ de l'exercice précédent puisque :
λ3 0 0 2
Nλ = 3 λ 1 −1 = Mλ .
λ λ 0 1
M (f0 , B 0 , C) = I3−1 N0 P = I3 N0 P = N0 P.
54
5) Dans cette question on suppose que λ 6= 0, et on note par Pλ le polynôme :
λ2 3 2 λ3 3
Pλ = 1 + ( − 1)X + (λ − λ − 3)X − X .
2 2
Pour calculer fλ (Pλ ), on multiplie la matrice Nλ à droite par la matrice unicolonne formée
parles coordonnées
de Pλ dans la base B . Cela donne :
1 1
λ3 − λ3
3
λ2 − 1 λ 0 0 2 λ2
2 − 1 λ3 λ3
N0
2 3 =
3 λ 1 −1
3 = 3+ 2 −λ+λ−λ −3+ 2 =
3
λ−λ −3 λ−λ −3 3 3
λ 3 λ λ 0 1
λ 3 λ + λ2 − λ − λ2
−2 −2
0
0 . On en déduit donc que fλ (Pλ ) = 0, par suite, Pλ ∈ ker fλ , et comme ker fλ est de
0
dimension 1 et Pλ 6= 0, alors {Pλ } est une base de ker fλ .
a) Soit x ∈ E xé. On suppose qu'il existe y ∈ ker (f − idE ) et z ∈ ker (f + 2idE ) tel que
x = y + z . En appliquant f à cette dernière égalité, et tenant compte du fait que f (y) = y
et f (z) = −2z , on trouve :
x = y+z 2 1 1 1
⇒ 2x + f (x) = 3y ⇒ y = x + f (x) ⇒ z = x − y = x − f (x).
f (x) = y − 2z 3 3 3 3
55
De même : (f + 2idE )o(f − idE ) = f 2 − f + 2f − 2idE = f 2 + f − 2idE = Θ.
b) (f − idE )o(f +2idE ) = Θ ⇒ ∀x ∈ E, (f − idE )o(f +2idE )(x) = (f − idE )((f +2idE )(x)) =
0E ⇒ ∀x ∈ E, (f + 2idE )(x) ∈ ker (f − idE ) ⇒ Im (f + 2idE ) ⊂ ker (f − idE ) car
Im (f + 2idE ) = {(f + 2idE )(x) | x ∈ E}.
De même :
(f + 2idE )o(f − idE ) = Θ ⇒ ∀x ∈ E, (f + 2idE )o(f − idE )(x) = (f + 2idE )((f − idE )(x)) =
0E ⇒ ∀x ∈ E, (f − idE )(x) ∈ ker (f + 2idE ) ⇒ Im (f − idE ) ⊂ ker (f + 2idE ) car
Im (f − idE ) = {(f − idE )(x) | x ∈ E}.
c) Le fait que E = ker (f − idE ) ⊕ ker (f + 2idE ) et le théorème du rang appliqué aux
endomorphismes f − idE et f + 2idE donnent :
dim ker (f − idE ) = dim Im (f + 2idE ) et dim ker (f + 2idE ) = dim Im (f − idE ).
56
UNIVERSITÉ MOHAMMED I
Faculté Des Sciences Année Universitaire 2016/2017
Département De Mathématiques Section SMIA-Semestre 2
Oujda Session de Rattrapage
Module Algèbre 3
Responsable : M.C. Ismaili
Durée : 1H.30mn.
Examen d'Algèbre
Exercice I : Soient a1 , a2 , · · · , an des nombres réels tous non nuls. Pour tout entier n ≥ 2
et tout nombre réel λ, considérons la matrice An (λ) à n + 1 lignes et n + 1 colonnes dénie
par :
1 −a1 −a2 · · · · · · −an
a1 λ 0 ··· ··· 0
... ..
a2 0 λ .
.. .. ..
An (λ) = ... ... ... .
. . .
.. .. ... ...
. .
0
an 0 ··· ··· 0 λ
Le déterminant de An (λ) sera noté ∆n (λ).
1) Calculer ∆n (λ) pour n = 2 et n = 3.
2) Montrer que, pour tout n ≥ 2, ∆n (λ) = λn−1 a2n + λ∆n−1 (λ).
Indication : développer le déterminant ∆n (λ) par rapport à la dernière ligne.
3) Montrer par récurrence que pour tout n ≥ 2, ∆n (λ) = λn + λn−1 (a21 + a22 + · · · + a2n ).
4) Déterminer les valeurs de λ pour lesquelles la matrice An (λ) est inversible.
5) Déterminer le rang de An (λ) suivant les valeurs de λ.
a b
Exercice II : Soit M2 (R) = { | a, b, c, d ∈ R} l'ensemble des matrice carrées
c d
d'ordre 2 à coecients dans R considéré comme R-e.v., et soit ψ l'application dénie de
M2 (R) vers lui-même par :
∀A ∈ M2 (R), ψ(A) = A −t A.
On rappelle que tA désigne la transposée de la matrice A.
1) Donner la dimension de M2 (R).
2)a) Montrer que ψ est linéaire.
b) Déterminer le noyau de ψ , puis calculer une base et la dimension de ker ψ .
3) Déterminer une base et la dimension de Im ψ .
T.S.V.P.
57
Exercice III : Soit a un nombre réel et soit n un entier supérieur ou égal à 3. On considère
Rn [X] l'espace vectoriel des polynômes réels de degré inférieur ou égal à n, et on note par
ϕn l'endomorphisme de Rn [X] déni par :
FIN
58
UNIVERSITÉ MOHAMMED I
Faculté Des Sciences Année Universitaire 2016/2017
Département De Mathématiques Section SMIA-Semestre 2
Oujda Session de Rattrapage
Module Algèbre 3
Responsable : M.C. Ismaili
Durée : 1H.30mn.
Exercice I : Soient a1 , a2 , · · · , an des nombres réels tous non nuls. Pour tout entier n ≥ 2
et tout nombre réel λ, considérons la matrice An (λ) à n + 1 lignes et n + 1 colonnes dénie
par :
1 −a1 −a2 · · · · · · −an
a1 λ 0 ··· ··· 0
... ..
a2 0 λ .
.. .. ..
An (λ) = ... ... ... .
. . .
.. .. ... ...
. .
0
an 0 ··· ··· 0 λ
Le déterminant de An (λ) sera noté ∆n (λ).
1) En développant par rapport à la dernière ligne on obtient :
1 −a1 −a2
∆2 (λ) = a1 λ 0 = a2 (a2 λ) + λ(λ + a21 ) = λ2 + λ(a21 + a22 ).
a2 0 λ
En développant par rapport à la dernière ligne on obtient :
1 −a1 −a2 −a3
−a1 −a2 −a3
1 −a1 −a2
a1 λ 0 0
∆3 (λ) = = −a 3
λ 0 0 + λ a1 λ 0 =
a2 0 λ 0
0
λ 0 a2 0 λ
a3 0 0 λ
−a3 (−a3 λ2 ) + λ∆2 (λ) = a23 λ2 + λ(λ2 + λ(a21 + a22 )) = λ3 + λ2 (a21 + a22 + a23 ).
2) En développant le déterminant par rapport à la dernière ligne, on obtient :
1 −a1 −a2 · · · · · · −an
a1 λ 0 · · · · · · 0
... ..
a2 0 λ .
.. .. .. =
∆n (λ) = ... ... ...
. . .
.. .. ... ...
. .
0
an 0 ··· ··· 0 λ
59
−a1 −a2 · · · · · · · · · −an
−a1 −a2 · · · −an−1
1
λ 0 · · · · · · · · · 0
... ..
a1 λ 0 ··· 0
.
0 λ . ... ..
..
(−1)n+2 an .. ... ... ... .. + λ a2
0 . =
. . ... .. ... ...
.
. ... ... ... .. 0
..
.
a
n−1 0 ··· 0 λ
0 ··· ··· 0 λ 0
(−1)n+2 an ((−1)n+1 (−an )λn−1 )+λ∆n−1 (λ) = (−1)2n+4 a2n λn−1 +λ∆n−1 (λ) = λn−1 a2n +λ∆n−1 (λ).
3) La propriété est vraie pour n = 2 et n = 3. Soit donc n ≥ 3 et supposons la propriété
vraie à l'ordre n − 1 ; c-à-d ∆n−1 (λ) = λn−1 + λn−2 (a21 + a22 + · · · + a2n−1 ). D'après la question
précédente et l'hypothèse de récurrence, on a :
∆n (λ) = λn−1 a2n +λ∆n−1 (λ) = λn−1 a2n +λ(λn−1 +λn−2 (a21 +a22 +· · ·+a2n−1 )) = λn +λn−1 (a21 +a22 +· · ·+a2n ),
d'où le résultat.
4) Comme ∆n (λ) = λn + λn−1 (a21 + a22 + · · · + a2n ) = λn−1 (λ + a21 + a22 + · · · + a2n ) et
n − 1 ≥ 1, alors la matrice An (λ) est non inversible si et seulement si son déterminant
∆n (λ) = 0 si et seulement si λn−1 (λ + a21 + a22 + · · · + a2n ) = 0 si et seulement si (λ = 0 ou
λ = −(a21 + a22 + · · · + a2n )). Donc la matrice An (λ) est inversible si et seulement si (λ 6= 0 et
λ 6= −(a21 + a22 + · · · + a2n )).
5) Comme la matrice An (λ) est une matrice carrée d'ordre n + 1, alors :
rg(An (0)) = 2.
Si λ = −(a21 + a22 + · · · + a2n ), alors le déterminant ∆n (λ) de la matrice An (λ) est nul, par
suite rg(An (λ)) ≤ n, or An−1 (λ) est une matrice carrée d'ordre n extraite de An (λ) et dont
60
le déterminant ∆n−1 (λ) = λn−2 (λ + a21 + a22 + · · · + a2n−1 ) = λn−2 (−a2n ) 6= 0, car λ 6= 0 puisque
les ai sont tous non nuls et an 6= 0, d'où :
a b
Exercice II : Soit M2 (R) = { | a, b, c, d ∈ R} l'ensemble des matrice carrées
c d
d'ordre 2 à coecients dans R considéré comme R-e.v., et soit ψ l'application dénie de
M2 (R) vers lui-même par :
∀A ∈ M2 (R), ψ(A) = A −t A.
(X − a)k−1 (X − a)k
ϕn (ek ) = (X−a)(e0k −e0k (a))−2(ek −ek (a)) = (X−a) −2ek = k −2ek = (k−2)ek .
(k − 1)! k!
61
c) On sait que Im ϕn est le sous-espace engendré par les ϕn (ek ) pour 0 ≤ k ≤ n, d'où Im ϕn =
{ϕn (e0 ), ϕn (e1 ), ..., ϕn (en )} = {(X − a), (X − a)3 , ..., (X − a)n }, car ϕ(e0 ) = ϕ(e2 ) = 0,
X − a = ϕn ( −2 e1 ) et pour k ≥ 3, (X − a)k = ϕ ( ek ).
n
k−2
Comme {(X − a) , (X − a) , · · · , (X − a) } est une famille étagée en degré, elle est libre et
3 n
1 a a 2 a3
0 1 2a 3a2
P0 =
0
.
0 2 6a
0 0 0 6
a2 − a3
e0 = 1 1 −a 2 6
e1 = X − a
2
0 1 −a a
=⇒ P0−1 =
(X − a)2 a 2
1 2 2 .
e2 = 2 = 2 − aX + 2 X
0 0 1 − a
3
e = (X − a) = − a + a X − a X 2 + 1 X 3
3 2
2 2
3 0 0 0 1
6 6 2 2 6 6
4)a) D'après les calculs de la première question, on a : ϕ3 (e0 ) = ϕ3 (e2 ) = 0, ϕ3 (e1 ) = −2e1
et ϕ3 (e3 ) = (3 − 2)e3 = e3 . On en déduit que la matrice M de l'endomorphisme ϕ3 dans la
base B3 est :
0 0 0 0
0 −2 0 0
M = 0
.
0 0 0
0 0 0 1
b) On a : ϕ3 (1) = 0.
ϕ3 (X) = −2(X − a) = 2a − 2X , car X 0 = 1.
ϕ3 (X 2 ) = (X − a)(2X − 2a) − 2(X 2 − a2 ) = 2(X − a)(X − a) − 2(X − a)(X + a) =
2(X − a)(X − a − X − a) = 4a2 − 4aX car (X 2 )0 = 2X .
De même, ϕ3 (X 3 ) = (X − a)(3X 2 − 3a2 ) − 2(X 3 − a3 ) = 5a3 − 3a2 X − 3aX 2 + X 3 . On en
62
déduit que la matrice N de l'endomorphisme ϕ3 dans la base C est :
0 2a 4a2 5a3
0 −2 −4a −3a2
N = .
0 0 0 −3a
0 0 0 1
63
UNIVERSITÉ MOHAMMED I
Faculté Des Sciences Année Universitaire 2018/2019
Département De Mathématiques Section SMIA-Semestre 2
Oujda Session Ordinaire
Module Algèbre 3
Responsable : M.C. Ismaili
Durée : 1H.30mn.
Examen d'Algèbre
Exercice I : Soit Mn (R) l'espace vectoriel des matrices carrées d'ordre n à coecients dans
R, avec n ≥ 2. Dans tout l'exercice A désigne une matrice de Mn (R), non nulle et vériant
A2 6= 0Mn (R) et A3 = 0Mn (R) ,
où , 0Mn (R) désigne la matrice nulle. On note aussi In la matrice unité carrée d'ordre n.
Pour tout nombre réel t, on note M (t) la matrice :
t2 2
M (t) = In + tA + A .
2
1) Vérier la relation :
∀(s, t) ∈ R2 , M (s)M (t) = M (s + t).
2) En déduire que, (M (t))m = M (mt) pour tout t ∈ R et m ∈ N.
3) Montrer que la matrice M (t) est inversible. Quel est son inverse ?
Indication : remarquer que M (0) = In .
4)a) Montrer que la famille {In , A, A2 } est libre dans l'espace vectoriel Mn (R).
b) En déduire que l'application M : t 7→ M (t), de R vers Mn (R), est injective. L'application
M est-elle linéaire ? (justier votre réponse).
Exercice II : Soit E = R3 [X] l'espace vectoriel des polynômes réels de degré inférieur ou
égal à 3. On pose B = {1, X, X 2 , X 3 } la base canonique de E . On considère l'endomorphisme
fω de E déni par :
∀P ∈ E, fω (P ) = X(X − 1)P 00 + (1 − ωX)P 0 ,
où ω est un nombre réel et P 0 et P 00 désignent respectivement la dérivée première et seconde
de P .
1) Écrire la matrice Mω de fω dans la base B .
2) En fonction des valeurs du paramètre réel ω ; déterminer une base et la dimension de
ker(fω ), puis en déduire le rang de fω .
Dans la suite, on xe ω = 2 et on pose g = f2 + 2idE , où idE désigne l'application identité
de E .
3) Calculer la matrice M20 de g dans la base B et en déduire que ker(g) est un sous-espace
vectoriel de E de dimension 2, puis calculer une base de ker(g).
4) a) Montrer que la partie C = {1, 1 − 2X, X 2 , − 3 X 2 + X 3 } est une base de E .
2
b) Calculer la matrice N2 de f2 dans la base C . Quel est le lien entre les matrices N2 et M2 ?
T.S.V.P.
64
Exercice III : Soit E = R3 [X] l'espace vectoriel des polynômes réels de degré inférieur ou
égal à 3. On pose F = {P ∈ E | P (0) = P (1)} et G = {P ∈ E | P 0 (0) = P 0 (1)}, où P 0
désigne la dérivée de P .
1) Vérier que F et G sont des sous-espaces vectoriels de E .
2) a) Déterminer une base et la dimension de de F .
b) Déterminer une base et la dimension de de G.
3) a) Déterminer une base et la dimension de de F ∩ G.
b) Déterminer la dimension de F + G. Est-ce que F + G est une somme directe ?
FIN
65
UNIVERSITÉ MOHAMMED I
Faculté Des Sciences Année Universitaire 2018/2019
Département De Mathématiques Section SMIA-Semestre 2
Oujda Session Ordinaire
Module Algèbre 3
Responsable : M.C. Ismaili
Durée : 1H.30mn.
Exercice I : Soit Mn (R) l'espace vectoriel des matrices carrées d'ordre n à coecients dans R,
avec n ≥ 2. Dans tout l'exercice A désigne une matrice de Mn (R), non nulle et vériant
où , 0Mn (R) désigne la matrice nulle. On note aussi In la matrice unité carrée d'ordre n.
Pour tout nombre réel t, on note M (t) la matrice :
t2 2
M (t) = In + tA + A .
2
1) Tenant compte du fait que A3 = A4 = 0Mn (R) et que In est l'élément neutre de la multiplication,
on trouve :
s2 2 t2 t2 s2
∀(s, t) ∈ R2 , M (s)M (t) = (In +sA+ A )(In +tA+ A2 ) = In +tA+ A2 +sA+stA2 + A2 =
2 2 2 2
1 1
In + (s + t)A + (t2 + 2st + s2 )A2 = In + (s + t)A + (s + t)2 A2 = M (s + t).
2 2
2) Par récurrence sur m. Pour m = 0, on a ∀t ∈ R, M (0t) = M (0) = In = (M (t))0 . La propriété
est aussi vraie pour m = 1. Supposons la propriété vraie à l'ordre m. Pour tout réel t dans R, on a :
3) Il est facile de remarquer que M (t)M (−t) = M (−t)M (t) = M (t − t) = M (0) = In , on en déduit
que la matrice M (t) est inversible, et que son inverse est M (−t).
4)a) Soient α, β et γ trois nombres réels tel que αIn + βA + γA2 = 0Mn (R) , alors en multipliant
cette égalité successivement par A et A2 , puis en utilisant le fait que A3 = 0Mn (R) , on trouve :
Comme A2 6= 0Mn (R) , alors α = 0, par suite, βA2 = 0Mn (R) ⇒ β = 0. Enn, on a γA2 = 0Mn (R) ⇒
γ = 0. Ainsi, la famille {In , A, A2 } est libre dans l'espace vectoriel Mn (R).
2 2
b) Soient s et t deux nombres réels tel que M (s) = M (t), alors (s − t)A + ( s − t )A2 = 0Mn (R) .
2 2
Comme toute sous-famille d'une famille libre est libre, alors {A, A2 } est libre d'où, s − t = 0, c'est-
à-dire que s = t. Ainsi, l'application M : t 7→ M (t), de R vers Mn (R), est injective. Si l'application
M était linéaire, on aurait M (0) = 0Mn (R) ; l'élément neutre de l'addition de l'espace vectoriel
Mn (R), or M (0) = In 6= 0Mn (R) . Donc l'application M n'est pas linéaire.
66
Exercice II :Soit E = R3 [X] l'espace vectoriel des polynômes réels de degré inférieur ou égal à 3.
On pose B = {1, X, X 2 , X 3 } la base canonique de E . On considère l'endomorphisme fω de E déni
par :
∀P ∈ E, fω (P ) = X(X − 1)P 00 + (1 − ωX)P 0 ,
2)
a0 0
a1 0
P = a0 + a1 X + a2 X 2 + a3 X 3 ∈ ker(fω ) ⇔ Mω
⇔
a2 = 0
a3 0
0 1 0 0 a0 0
a1 = 0
0 −ω 0 0 a1 0
−ωa 1 = 0
= ⇔ (Sω )
0 0 2(1 − ω) −3 a2 0 2(1 − ω)a 2 − 3a3 = 0
0 0 0 3(2 − ω) a3 0 3(2 − ω)a3 = 0
Il est clair que la résolution du système (Sω ), en fonction des valeurs du paramètre réel ω , nécessitera
l'étude de trois cas.
Premier cas : ω = 2.
(
a1 = 0 a1 = 0
(S2 ) ⇔ ⇔ 3
−2a2 − 3a3 = 0 a2 = − 2 a3
67
fait que rg(f1 ) = dim E − dim ker(f1 ) = 4 − 2 = 2.
Troisième cas : ω 6= 2 et ω 6= 1. Dans ce cas, 1 − ω 6= 0 et 2 − ω 6= 0. On en déduit que :
a1 = 0
(Sω ) ⇔ a3 = 0
a2 = 0
Le rang de l'endomorphisme g et celui de sa matrice M20 dans la base B ; qui est le rang de ses
vecteurs colonnes. Comme la première et la deuxième colonne sont proportionnelles, et la troisième
colonne nulle, alors le rang de M20 est celui de la première et la dernière colonne qui est 2. D'après
le théorème du rang, on a, dim ker(g) = dim E − rg(g) = 4 − 2 = 2.
a0 0
a1 0
P = a0 + a1 X + a2 X 2 + a3 X 3 ∈ ker(g) ⇔ M20
⇔
a2 = 0
a3 0
2 1 0 0 a0 0
2a0 + a1 = 0
0 0 0 0 a1
0 a1 = −2a0
= ⇔ −3a 3 = 0 ⇔
0 0 0 −3 a2 0 a3 = 0
2a3 = 0
0 0 0 2 a3 0
68
Donc la matrice N2 de f2 dans la base C est :
0 0 0 0
0 −2 0 0
N2 = .
0 0 −2 0
0 0 0 0
Si Q désigne la matrice de passage de la base B à la base C , alors le lien entre les matrices N2 et
M2 est :
N2 = Q−1 M2 Q.
Exercice III :Soit E = R3 [X] l'espace vectoriel des polynômes réels de degré inférieur ou égal à
3. On pose F = {P ∈ E | P (0) = P (1)} et G = {P ∈ E | P 0 (0) = P 0 (1)}, où P 0 désigne la dérivée
de P .
1) Évident.
2) a) P = a0 + a1 X + a2 X 2 + a3 X 3 ∈ F ⇔ P (0) = P (1) ⇔ a0 = a0 + a1 + a2 + a3 ⇔
a1 = −a2 − a3 ⇔ P = a0 + a2 (X 2 − X) + a3 (X 3 − X).
Donc F = {a0 + a2 (X 2 − X) + a3 (X 3 − X) | a0 , a2 , a3 ∈ R} = {1, X 2 − X, X 3 − X}. On vérie
que {1, X 2 − X, X 3 − X} est une base de F , d'où dim F = 3.
b) Si P = a0 + a1 X + a2 X 2 + a3 X 3 , alors P 0 = a1 + 2a2 X + 3a3 X 2 , par suite,
P = a0 + a1 X + a2 X 2 + a3 X 3 ∈ G ⇔ P 0 (0) = P 0 (1) ⇔ a1 = a1 + 2a2 + 3a3 ⇔ a2 = − 32 a3 ⇔
P = a0 + a1 X + a3 (X 3 − 32 X 2 ). Donc G = {a0 + a1 X + a3 (X 3 − 32 X 2 ) | a0 , a1 , a3 ∈ R} =
{1, X, X 3 − 32 X 2 }. On vérie que {1, X, X 3 − 32 X 2 } est une base de G, d'où dim G = 3.
3) a) D'après ce qui précède,
3 1 3
P = a0 +a1 X+a2 X 2 +a3 X 3 ∈ F ∩G ⇔ (a1 = −a2 −a3 et a2 = − a3 ) ⇔ (a1 = a3 et a2 = − a3 ) ⇔
2 2 2
1 3
P = a0 + a3 ( X − X 2 + X 3 ).
2 2
Ainsi, F ∩ G = {a0 + a3 ( 21 X − 23 X 2 + X 3 ) | a0 , a3 ∈ R} = {1, 12 X − 32 X 2 + X 3 }. On vérie que
{1, 12 X − 23 X 2 + X 3 } est une base de F ∩ G, d'où dim F ∩ G = 2.
b) dim(F + G) = dim F + dim G − dim(F ∩ G) = 3 + 3 − 2 = 4.
La somme F + G n'est pas directe car F ∩ G 6= {0}.
69
UNIVERSITÉ MOHAMMED I
Faculté Des Sciences Année Universitaire 2018/2019
Département De Mathématiques Section SMIA-Semestre 2
Oujda Session de Rattrapage
Module Algèbre 3
Responsable : M.C. Ismaili
Durée : 1H.30mn.
Examen d'Algèbre
Exercice I : Soient (un )n∈N et (vn )n∈N les deux suites réelles dénies chacune par leurs deux
premiers termes et la même relation de récurrence ci-dessous :
u0 = 0, u1 = 1, pour tout entier naturel n; un+2 = un+1 + un ;
Pour tout entier naturel n, on note Un la matrice dénie par la relation : Un = un J + v2n I2 .
On pose U la matrice U1 , c'est-à-dire U = U1 = J + 12 I2 , et E = {λI2 + µJ | λ, µ ∈ R} le
sous-espace vectoriel de M2 (R), engendré par I2 et J .
1)a) Calculer JU et vérier que JU appartient au sous-espace E .
b) Montrer que U 2 = U + I2 , puis en déduire que pour tout entier n ∈ N, U n ∈ E .
2)a) Établir une relation qui, pour tout entier n ∈ N, lie les matrices Un+2 , Un+1 et Un .
b) Montrer que, pour tout entier n ∈ N, les matrices U n+2 , U n+1 et U n vérient la même
relation de récurrence trouvée dans la question précédente, puis en déduire que pour tout entier
n ∈ N, U n = Un .
3) Déduire de ce qui précède, les relations suivantes :
Exercice II : Pour n ∈ N? , on notera par Cn [X] l'espace vectoriel sur le corps de nombres
complexes C, des polynômes complexes de degré inférieur ou égal à n.
1) Montrer que B = {(1, 0), (X, 0), (0, 1), (0, X), (0, X 2 )} est une base du C-espace vectoriel
C1 [X] × C2 [X].
2) Soient P et Q deux polynômes complexes de degré 3 et 2 respectivement, et soit ϕ l'appli-
cation dénie de C1 [X] × C2 [X] vers C4 [X] par :
∀(U, V ) ∈ C1 [X] × C2 [X], ϕ(U, V ) = U P + V Q.
T.S.V.P.
70
a) Montrer que ϕ est une application linéaire.
b) Montrer que ϕ est injective si et seulement si P et Q sont premiers entre eux.
Indication : Pour montrer l'implication inverse, utiliser le lemme de Gauss pour prouver que
ker ϕ = {(0, 0)}. Pour l'implication directe, utiliser le fait que (ϕ injective ⇔ ϕ surjective)
puisque dim(C1 [X] × C2 [X]) = dim C4 [X] = 5.
Dans la suite, on pose P = X 3 + aX + b et Q = P 0 = 3X 2 + a, où a et b sont deux nombres com-
plexes donnés. On munit l'espace vectoriel C4 [X] de sa base canonique C = {1, X, X 2 , X 3 , X 4 }.
3) Calculer la matrice M de ϕ dans les bases B et C .
4) a) Calculer le déterminant de la matrice M .
b) En déduire que le polynôme P admet une racine d'ordre supérieur ou égal à 2 si et seulement
si 4a3 + 27b2 = 0.
Indication, remarquer que P admet une racine d'ordre supérieur ou égal à 2 si et seulement si
P et P 0 ne se pas premiers entre eux, puis, utiliser la question 2)b).
ψ : M3 (R) → M3 (R)
M 7→ P −1 M P
71
UNIVERSITÉ MOHAMMED I
Faculté Des Sciences Année Universitaire 2018/2019
Département De Mathématiques Section SMIA-Semestre 2
Oujda Session de Rattrapage
Module Algèbre 3
Responsable : M.C. Ismaili
Durée : 1H.30mn.
Exercice I : Soient (un )n∈N et (vn )n∈N les deux suites réelles dénies chacune par leurs deux premiers termes
et la même relation de récurrence ci-dessous :
u0 = 0, u1 = 1, pour tout entier naturel n; un+2 = un+1 + un ;
Pour tout entier naturel n, on note Un la matrice dénie par la relation : Un = un J + v2n I2 .
On pose U la matrice U1 , c'est-à-dire U = U1 = J + 12 I2 , et E = {λI2 + µJ | λ, µ ∈ R} le sous-espace vectoriel
de M2 (R), engendré
par
I2 et J.
0 1 0 1 1 0
1)a) J 2 = 5 =5 = 54 I2 ⇒ JU = J(J + 21 I2 ) = J 2 + 21 J = 54 I2 + 21 J ⇒ JU ∈ E .
4
1 0 1 0 0 14
2 1
b) U = (J + I2 ) = J + J +
2 2 1I = 5I + J + 1I = 3I + J = J + 1I + I = U + I .
2 4 2 4 2 4 2 2 2 2 2 2 2
On montre la propriété par récurrence double. Il est clair que U 0 = I2 , U et U 2 sont dans E . Supposons que
pour un entier n donné, U n et U n+1 appartiennent à E , alors :
U 2 = U + I2 ⇒ U n+2 = U n+1 + U n ∈ E.
2)a) En utilisant la relation de récurrence dénissant les suites (un )n∈N et (vn )n∈N , on trouve :
vn+2 (vn+1 + vn )
Un+2 = un+2 J + I2 = (un+1 + un )J + I2 = Un+1 + Un .
2 2
b) Pour tout entier n ∈ N, on a, U 2 = U + I2 ⇒ U n+2 = U 2 U n = U n+1 + U n . Comme U 0 = I2 = U0 et
U = U = U1 , et comme les suites (U n )n∈N et (Un )n∈N vérient la même relation de récurrence, alors il s'agit
1
1 2 5 2
∀n ∈ N, det Un = det(U n ) = (det U )n = (−1)n , det Un = v − u = (−1)n ⇒ vn2 − 5u2n = 4(−1)n .
4 n 4 n
√ √
v 1 5u 1v − 5u
4) Comme Un = √2 n 2 n , alors com(Un ) = √ 2 n 2 n , d'où :
5 1v 5
− 2 un 1
√ 2 un 2 n 2 vn
0 1 1 0 vn
Un−1 = (−1)n [− 25 un +12 vn 0 1 ] = (−1) [−un J + 2 I2 ].
n
1 0
Exercice II : Pour n ∈ N? , on notera par Cn [X] l'espace vectoriel sur le corps de nombres complexes C, des
polynômes complexes de degré inférieur ou égal à n.
1) ∀(U, V ) ∈ C1 [X] × C2 [X], ∃!(a0 , a1 , b0 , b1 , b2 ) ∈ R5 tel que U = a0 + a1 X et V = b0 + b1 X + b2 X 2 ,
d'où (U, V ) = (U, 0) + (0, V ) = a0 (1, 0) + a1 (X, 0) + b0 (0, 1) + b1 (0, X) + b2 (0, X 2 ). On voit donc que tout
72
couple (U, V ) de C1 [X] × C2 [X] s'écrit de façon unique comme combinaison linéaire des éléments de la partie
B = {(1, 0), (X, 0), (0, 1), (0, X), (0, X 2 )}, donc B est une base de C1 [X] × C2 [X].
2) Soient P et Q deux polynômes complexes de degré 3 et 2 respectivement, et soit ϕ l'application dénie de
C1 [X] × C2 [X] vers C4 [X] par :
b) Le polynôme P admet une racine d'ordre supérieur ou égal à 2 si et seulement si P et P 0 ne se pas premiers
entre eux si et seulement si ϕ n'est pas injective si et seulement si sa matrice M , dans les bases B et C , est non
inversible. Ainsi :
Le polynôme P = X 3 + aX + b admet une racine d'ordre supérieur ou égal à 2 ⇔ det M = 0 ⇔ 4a3 +27b2 = 0.
73
(M + N )A = M A + N A = AM + AN = A(M + N ) et (λM )A = λ(M A) = λ(AM ) = A(λM ), donc C(A) est
un sous-espace vectoriel de M3 (R).
On suppose qu'il existe deux matrices carrées T et P de M3 (R) telles que P est inversible et T = P −1 AP .
3) Pour toutes matrices M et N de M3 (R), et tout nombre réel λ, on a : ψ(M + N ) = P −1 (M + N )P =
P −1 (M P +N P ) = P −1 M P +P −1 N P = ψ(M )+ψ(N ). De plus, ψ(λM ) = P −1 (λM )P = λ(P −1 M P ) = λψ(M ).
Donc ψ est un endomorphisme de M3 (R). Pour montrer que c'est un automorphisme, il sut de montrer qu'il
est injectif. M ∈ ker ψ ⇔ ψ(M ) = 0M3 (R) = P −1 M P ⇔ P 0M3 (R) P −1 = 0M3 (R) = M ⇔ ker ψ = {0M3 (R) }.
Donc ψ un automorphisme de M3 (R).
4) a) M ∈ C(A) ⇔ M A = AM ⇔ M P T P −1 = P T P −1 M ⇔ P −1 M P T = T P −1 M P ⇔ ψ(M )T = T ψ(M ) ⇔
ψ(M ) ∈ C(T ). Comme ψ est bijective, on en déduit que ψ(C(A)) = C(T ).
b) On sait que C(A) et ψ(C(A)) ont même dimension, et comme ψ(C(A)) = C(T ), le résultat en découle.
74
Bibliographie
Livres de cours :
Livres d'exercices :
75