Algèbre 3 S2 PDF

UNIVERSITÉ MOHAMMED I
Faculté Des Sciences

Département De Mathématiques
Oujda
Filière SMIA
Module d'Algèbre 3
Semestre 2
Notes de Cours Préparées par le Pr. M.C. Ismaili
Cours enseigné par M. Lamnii
Année Universitaire 2019/2020

Table des matières
Chapitre I. Matrices - Déterminants ....................................... 4
Remarques et dénitions. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .4
Multiplication des matrices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.2 Déterminants . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
Déterminants d'ordre 2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
Déterminants d'ordre 3 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
Déterminants d'ordre n . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
Calcul de l'inverse d'une matrice . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
Rang d'une matrice . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
1.3 Systèmes d'équations linéaires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
Systèmes de Cramer . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
Cas général . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
Méthode d'élimination de Gauss . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
Chapitre II. Espaces vectoriels - Applications linéaires . . . . . . . . . . . . . . . . . 19

2.1 Espaces vectoriels . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
Base d'un espace vectoriel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
Dimension d'un espace vectoriel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
Somme directe . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
2.2 Applications linéaires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
Rang d'une application linéaire . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
Chapitre III. Matrices et applications linéaires . . . . . . . . . . . . . . . . . . . . . . . . . . 28

3.1 Généralités. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .28
3.2 Matrice d'une application linéaire . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
Rang d'un système de vecteurs, d'une matrice . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
3.3 Changement de base et matrice de passage . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
Annexe. Diagonalisation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
Examen Algèbre 3. Session Ordinaire 14/15 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
Corrigé Examen Algèbre 3. Session Ordinaire 14/15 . . . . . . . . . . . . . . . . . . . . . . . . 41
Examen Algèbre 3. Session de Rattrapage 14/15 . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
Corrigé Examen Algèbre 3. Session de Rattrapage 14/15 . . . . . . . . . . . . . . . . . . . 47
2
Bibliographie. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 75
3
CHAPITRE I
Matrices - Déterminants
1.1 Matrices
Dans tout ce cours la lettre K désignera un corps commutatif.

Soient m, n ∈ N − {0}.
Dénition 1.1 Une matrice A de type (n, m) à coecients dans le corps K est un
tableau rectangulaire de n lignes et m colonnes formées d' éléments de K , qu'on note :
 
a11 a12 · · · a1m
 a21 a22 · · · a2m
.. .. . . . ..

A= .
 
 
an1 an2 · · · anm
La matrice A est notée aussi par A = (a ij )

1≤i≤n
, et les a s'appellent les coecients
ij
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
Loi externe : Pour λ ∈ K , on pose λ · (aij ) 1≤i≤n

= (λaij )
1≤i≤n
.
1≤j≤m 1≤j≤m
Muni de l'addition, Mn,m (K) est un groupe commutatif.
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
Multiplication des matrices

Soient A = (aij ) 1≤i≤m
une matrice de type (m, n), et
1≤j≤n
B = (bpq )
1≤p≤n
une matrice de type (n, s) à coecients dans K . On dénit le produit
1≤q≤s
de A par B comme étant la matrice de type (m, s), notée AB = (ckl ) 1≤k≤m
, et dont
1≤l≤s
les coecients ckl sont donnés par :
n
X
ckl = ak1 b1l + ak2 b2l + · · · + akn bnl = akj bjl ,
j=1
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 detype (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
Le déterminantde A peut êtrevu comme

une fonction des
a b
colonnes C1 = et C2 = de A et on note det A = D(C1 , C2 ).
c d
Propriétés fondamentales
1) Le déterminant est une fonction linéaire par rapport à chaque colonne c.à.d.
a) D(C1 , C2 + λC3 ) = D(C1 , C2 ) + λD(C1 , C3 ).
b)
D(C1 + λC2 , C3 ) = D(C1 , C3 ) + λD(C2 , C3 ).
a b + λc a b
+ λ a0 c0
0 0 0 0 0 0 0

a b + λc0 = a(b + λc ) − a (b + λc) = ab − a b + λ(ac − a c) = a0 b0
0 0
a c

a a
2) a0 a0 = 0.
3) D(C1 , C2 ) = D(C1 , C2 + λC1 ) = D(C1 + µC2 , C2 ).
En eet, D(C
1 , C 2 + λC1 ) = D(C1 , C2 ) + λD(C1 , C1 ) = D(C1 , C2 )
4) d c = − ac db
b a

a b a c
5) det A = det A puisque c d = ad − bc = ad − cb = b d
t
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
La formule (∗) s'appelle le développement du déterminant de A suivant la première ligne.

Remarques 1.1
1) En notant par Aij la matrice extraite de A, en supprimant la iième ligne et la j ième
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
2) On peut considerer le déterminant comme une fonction des colonnes C1 , C2 et C3 de

A, et on note det A = D(C1 , C2 , C3 ).
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
déterminant suivant la iième ligne de A.

3
8) Pour 1 ≤ j ≤ 3 on a : det A = (−1)i+j aij det Aij ; c'est le développement du
X
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.
Règle pratique pour calculer un déterminant d'ordre 3 : Règle de Sarrus

a b c
Soit à calculer le déterminant d e f par la règle de Sarrus :

g h i

a b c

d e f = aei + dhc + gbf − gec − ahf − dbi

g h i
& .
a b c
d e f
− +
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
En utilisant les propriétés fondamentales, on a :

2 1 1 0 1 1 0 0 1
= 1 · −5 −1 = −(−1) = 1.

∆ = 1 2 3 = −5 2 3 = −5 −1 3
1 0
5 2 2 1 2 2 1 0 2
Déterminants d'ordre n
Soit A = (aij ) 1≤i≤n
une matrice carrée d'ordre n à coecients dans K .
1≤j≤n
Dénition 1.4 Soit A la matrice d'ordre n − 1 extraite de A, en supprimant la iième

ligne et la j ième colonne de A. On appelle déterminant de A, le scalaire
ij
n
X
det A = (−1)1+j a1j det A1j .
j=1
C'est le développement du déterminant suivant la première ligne.

En notant Cj la j ième colonne de A, on écrit aussi det A = D(C1 , · · · , Cj , · · · , Cn )
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
déterminant suivant la iième ligne de A.

n
8) Pour 1 ≤ j ≤ n on a : det A = (−1)i+j aij det Aij ; c'est le développement du
X
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 .
Applications des déterminants

Calcul de l'inverse d'une matrice
Théorème 1.1 Soit A = (a ij )

1≤i≤n
une matrice carrée d'ordre n, et soit A la matrice
ij
d'ordre n − 1 extraite de A, en supprimant la iième ligne et la j ième colonne de A, alors

1≤j≤n
1) A est inversible si et seulement si det A 6= 0.

2) Si A est inversible, l'inverse A de A est donnée par la formule :
−1
1 t
A−1 = ((−1)i+j det Aij ) .
det A 1≤i≤n
1≤j≤n
La matrice C = ((−1) i+j

det Aij )
1≤i≤n
, s'appelle la comatrice associée à A qu'on note
1≤j≤n
com(A), et le coecient C ij = (−1) i+j
det Aij s'appelle le cofacteur d'indice ij .
Démonstration :
Si A est inversible, alors AA−1 = A−1 A = In , d'où det(AA−1 ) = det A det A−1 =
det In = 1, par suite det A 6= 0 et det A−1 = 1 ·
det A
Si det A 6= 0, on vérie que :
1 t com(A)A = A 1 t com(A) = I .
n
det A det A
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.
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).
1.3 Systèmes d'équations linéaires
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
 lamatrice 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
est un système de Cramer, alors il admet une solution unique (x , x , · · · , x ) ∈ K 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
où les aij et les bi sont dans K et x1 , x2 , · · · , xn sont les inconnues.

La matrice  
a11 a12 · · · a1n
 a21 a22 · · · a2n 
A =  .. .. . . . .. 
 
 . . . 
am1 am2 · · · amn
s'appelle
 la 
matrice 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
   
 .   . 
bm xn
système (S) est équivalent à l'égalité matricielle AX = B .
Résoudre le système (S) dans K consiste à trouver tous les scalaires x1 , x2 , · · · , xn
dans K vériant les m équations du système. Le système AX = 0 s'appelle le système
homogène associé à (S), et la matrice
 
a11 a12 · · · a1n b1
 a21 a22 · · · a2n b2 
AB =  .. .
. . . .
. .
.
 
 . . . . . 

am1 am2 · · · amn bm
s'appelle la matrice augmentée.

Théorème 1.3 Le système (S) admet des solutions si et seulement si rg(A) = rg(A ). B
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
où xr+1 , · · · , xn sont des paramètres. On calcule ensuite, x1 , · · · , xr , en fonction de

xr+1 , · · · , xn et b1 , · · · , br . Puis on vérie si les m − r équations non principales sont
satisfaites. Si l'une des équations non principales n'est pas satisfaite, le système n'admet
pas de solutions.
Méthode d'élimination de Gauss

Cette méthode peut être utilisée dans la résolution des systèmes de Cramer, et des
systèmes linéaires de n équations à n inconnues.
Soit donc (S) le système linéaire de n équations à n inconnues suivant :


 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
On peut supposer que a11 6= 0. Pour éliminer l'inconnue x1 de l'équation i, i ≥ 2, on

multiplie l'équation 1 par aa11
i1 , puis on fait la diérence avec l'équation i. Le système (S)
est équivalent au système (S1 ) :



 a11 x1 + a12 x2 + · · · + a1n xn = b1
b22 x2 + · · · + b2n xn = c2


.
. .. ..


 . . .
 bn2 x2 + · · · + bnn xn = cn
Si b22 6= 0, on élimine l'inconnue x2 de l'équation i, i ≥ 3, en multipliant l'équation 2

par bbi2 , puis on fait la diérence avec l'équation i, et ainsi de suite, jusqu'à ce qu'on
22
trouve la valeur de xn , puis on en déduit successivement celle de xn−1 , · · · , x1 .
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

La matrice A associée au système (S) est :

 
1 −1 1 −1 1
 2 −1 3 0 4 
A=
 3 −2 2

1 1 
1 0 1 2 1
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

Pour résoudre ce système, on va appliquer la méthode d'élimination de Gauss, qui donne :


 x1 − x2 + x3 = 1 + x4 − x5
x2 + x3 = −2x4 − 2x5
x2 − x3 = −2 − 4x4 + 2x5

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

La matrice A associée au système est :

 
1 2 1

 6 1 1 

A=
 2 −3 −1 .

 −1 −7 −2 
1 −1 0

1 2 1
Comme A est une matrice de type (5, 3), alors rg(A) ≤ 3, et comme 6 1 1 =

2 −3 −1

3 −1 0 1 2 1
0 = −2 6= 0, alors rg(A) = 3. On peut donc choisir ∆3 = 6

8 −2 1 1

2 −3 −1 2 −3 −1
comme déterminant principal, par suite, toutes les inconnues x1 , x2 et x3 sont prin-
cipales et les trois premières équations sont les équations principales. Le système (S)
implique donc le système de Cramer suivant :

 x1 + 2x2 + x3 = −1
6x1 + x2 + x3 = −4
2x1 − 3x2 − x3 = 0

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

où a, b, c et d sont des nombres réels strictement positifs.

Le déterminant de la matrice
A associée au système
est :
1 1 1 1 1 0 0 0 1 0 0 0

1 −1 −1 1 1 −2 −2 0 1 −2 0 0

−1 −1
=
−1
=
−1 = 0.
1 1 0 2 2 0 2 2
−3 1 −3 −7 −3 4 0 −4 −3 4 −4 −4

1 1 1 1 1 0
Donc rg(A) ≤ 3. Comme le déterminant ∆3 = 1

−1 −1 = 1 −1 0 =

−1 −1 1 −1 −1 2
−4 6= 0, alors la matrice A est de rang 3 et ∆3 peut être considéré comme un déter-
minant principal. Ainsi, les trois premières équations sont les équations principales, et
x1 , x2 et x3 sont les inconnues principales. L'inconnue x4 sera donc considérée comme
un paramètre. Le système (S) implique le système :

 x1 + x2 + x 3 = a − x4
x1 − x2 − x3 = b − x4
−x1 − x2 + x3 = c − x4

En ajoutant la première équation à la deuxième, on a :

2x1 = a + b − 2x4 , d'où x1 = a + b
2 − x4 .
En ajoutant la deuxième équation à la troisième, on a :
−2x2 = c + b − 2x4 , d'où x2 = x4 − b + 2 .
c
En ajoutant la première équation à la troisième, on a :
2x3 = c + a − 2x4 , d'où x3 = a + c
2 − x4 .
Vérions si la dernière équation est satisfaite. En remplaçant x1 , x2 et x3 par les valeurs
trouvées, on obtient :
−3( a + b b+c a+c
2 −x4 )+(x4 − 2 )−3( 2 −x4 )−7x4 = d, c.à.d. −(3a+2b+2c) = d. Comme
a, b, c et d sont des nombres réels strictement positifs, alors l'égalité −(3a+2b+2c) = d
est impossible, donc le système (S) n'admet pas de solutions.
18
CHAPITRE II
Espaces vectoriels - Applications linéaires
Dans tout ce chapitre la lettre K désignera un corps commutatif.
2.1 Espaces vectoriels
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).
Règles de calcul dans un K -e.v. E .

∀x, y ∈ E, ∀λ, µ ∈ K on a :
i) λ · x = 0E ⇔ λ = 0K ou x = 0E .
ii) (−1K ) · x = −x.
iii) (λ − µ) · x = λ · x − µ · x.
iv) 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].
Base d'un espace vectoriel

Soit E un K -espace vectoriel.
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].
Dénition 2.4 Soit E un K -e.v. et soient x1 , x2 , · · · , xn des éléments de E , on dit que

x1 , x2 , · · · , xn sont linéairement dépendants ou liés s'il existe des scalaires λ1 , λ2 , · · · , λn ∈
K non tous nuls tels que :
λ1 x1 + λ2 x2 + · · · + λn xn = 0.
Dans le cas contraire, on dit que x1 , x2 , · · · , xn sont linéairement indépendants, ou forment

une famille ou un système libre, c.à.d.
∀λ1 , λ2 , · · · , λn ∈ K : λ1 x1 + λ2 x2 + · · · + λn xn = 0 ⇒ λi = 0 ∀1 ≤ i ≤ n.
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 .
Les scalaires λ1 , λ2 , · · · , λn s'appellent les composantes ou les coordonnées de x dans la

base B .
Dimension d'un espace vectoriel
Dénition 2.6 On dit que le K -e.v. E est de dimension nie sur le corps K , s'il existe
une partie nie G ⊂ E qui engendre E .
Dire que E est de dimension nie revient à dire qu'il existe des vecteurs x1 , x2 , · · · , xn
de E tels que tout élément x ∈ E s'écrit sous la forme :
x = λ1 x1 + λ2 x2 + · · · + λn xn ,
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 .
Proposition 2.1 Soit E un K -e.v. de dimension n et soit B une partie de E contenant

exactement n éléments, alors les propriétés suivantes sont équivalentes :
i) B est une base de E .
ii) B est une partie génératrice de E .
iii) B est une partie libre de E .
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}.
On vérie que F + G est un s-e.v. de E , c'est le plus petit s-e.v. contenant F ∪ G

Dénition 2.8 On dit que E est somme directe de F et G, et on note E = F ⊕ G, si
tout élément x de E s'écrit de manière unique sous la forme x = u + v avec u ∈ F et
v ∈ G. Le s-e.v. G est dit un supplémentaire de F dans E .

 E =F +G
Théorème 2.5 E = F ⊕ G ⇔ et
F ∩ G = {0}.

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.
2.2 Applications linéaires
Soient (E, +, ·) et (F, +, ·) deux K -e.v.

Dénition 2.9 Une application f : E → F est dite linéaire si
1) ∀x, y ∈ E, f (x + y) = f (x) + f (y).
2) ∀x ∈ E, ∀λ ∈ K, f (λ · x) = λ · f (x).
Si de plus f est bijective on dit que f est un isomorphisme. Un endomorphisme (resp. un
automorphisme) de E est une application linéaire (resp. un isomorphisme) de E dans
E.
Propriétés
1) f est une application linéaire de E dans F si et seulement si ∀x, y ∈ E, ∀λ, µ ∈ K :
f (λx + µy) = λf (x) + µf (y).
2) Si f est un isomorphisme f −1 est aussi un isomorphisme.
3) La composée de deux applications linéaires est une application linéaire.
4) Soit f : E → F est une application linéaire, alors
i) f (0E ) = 0F .
m m
ii) f ( λi xi ) =
X X
λi f (xi ), λi ∈ K, xi ∈ E, m ∈ N∗ .
i=1 i=1
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
est un isomorphisme et on note E ' K n .

−→ K[X]
2) f : K[X]
P 7−→ P 0 ,
est un endomorphisme de K[X], c.à.d. que la dérivation
est une application linéaire.
Dénition 2.10 Soit f : E → F une application linéaire.

i) On appelle noyau de f , et on note ker f , l'ensemble {x ∈ E | f (x) = 0F }.
ii) On appelle image de f l'ensemble Im f = {f (x) | x ∈ E}.
Il est facile de voir que ker f est un s-e.v. de E et que

Im f = f (E) est un s-e.v. de F .
Proposition 2.2 Soit f : E → F une application linéaire, alors,

1) f est injective ⇔ ker f = {0E }.
2) f est surjective ⇔ Im f = F .
Démonstration :
1) ⇐) Soient x et y ∈ F tels que f (x) = f (y), alors f (x − y) = f (x) − f (y) = 0F , d'où
x − y ∈ ker f = {0E }, par suite x = y . Ainsi, f est injective.
⇒) Soit x ∈ ker f , alors f (x) = 0F = f (0E ). Comme f est injective, alors x = 0E , d'où
ker f = {0E }.
2) Evident.
Théorème 2.8 Soient E un K -e.v. de dimension nie, F un K -e.v. et f une application
linéaire de E dans F . Alors Im f est de dimension nie et :
dim E = dim Im f + dim ker f.
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 (∗).
Si on applique f à l'égalité (∗), on trouve que : λ1 w1 + · · · + λs ws = 0, d'où λ1 = · · · =

λs = 0, car les wi sont libres ; En remplaçant dans l'égalité (∗), on a :
µ1 u1 + · · · + µq uq = 0. Comme les uj sont libres alors les µj sont tous nuls.
B est génératrice. En eet, soit x ∈ E , f (x) = λ1 w1 + · · · + λs ws , alors f (x) =
s s s s
λi vi ∈ ker f , d'où x s'écrit
X X X X
λi f (vi ) = f ( λi vi ) ⇒ f (x − λi vi ) = 0 ⇒ x −
i=1 i=1 i=1 i=1
s q
sous la forme x = µj uj , c.à.d. que B engendre E , d'où dim E = s + q =
X X
λi vi +
i=1 j=1
dim Im f + dim ker f.
Rang d'une application linéaire

Dénition 2.11 1) Soient E un K -e.v. de dimension nie, F un K -e.v. et f : E → F
une application linéaire. On appelle rang de f , et on note rg f , la dimension de Im f .On
a ainsi, rg f = dim Im f .
2) Soient x1 , x2 , · · · , xn des vecteurs de E . On appelle rang de la famille (xi )1≤i≤n la
dimension du sous-espace vectoriel engendré par cette famille.
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
Matrices et applications linéaires

3.1 Généralités
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 :
Addition : (aij ) 1≤i≤n

+ (bij )
1≤i≤n
= (aij + bij )
1≤i≤n
.
1≤j≤m 1≤j≤m 1≤j≤m
Loi externe : Pour λ ∈ K , on pose λ · (aij ) 1≤i≤n

= (λaij )
1≤i≤n
.
1≤j≤m 1≤j≤m
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 .
3.2 Matrice d'une application linéaire
Soient E et F deux K -e.v. de dimension nie où dim E = n,

dim F = m, B = {e1 , · · · , en } une base de E et C = {f1 , · · · , fm } une base de F . Soit
f : E → F une application linéaire, alors :
∀1 ≤ j ≤ n, f (ej ) ∈ F , et en exprimant le vecteur f (ej ) dans la base C , on a :
m
λij fi , où λij ∈ K.
X
f (ej ) =
i=1
Par dénition, la matrice (λij ) 1≤i≤m

s'appelle la matrice associée à f dans les bases B
1≤j≤n
et C , et on note :  
λ11 λ12 · · · λ1n
 λ21 λ22 · · · λ2n 
M (f, B, C) =  .. .. . . . ..  .
 
 . . . 
λm1 λm2 · · · λmn
Soient x = x1 e1 + x2 e2 + · · · + xn en un élément de E et y = y1 f1 + y2 f2 + · · · + ym fm
un élément de F tels que y = f (x), alors y = x1 f (e1 ) + x2 f (e2 ) + · · · + xn f (en ) et en
28
 
x1
m  x2 
remplaçant chaque f (ej ) par λij fi , et si on pose X =  ..  la matrice unicolonne
X  
i=1
 . 
xn
forméepar lescoordonnées 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
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 :
M (gof, B, B 00 ) = M (g, B 0 , B 00 ) · M (f, B, B 0 ).

3) Si dim E = n, dim F = m, B une base de E et C une base de F , alors l'application :
M : L(E, F ) −→ Mm,n (K)
est un isomorphisme d'e.v., d'où
f 7−→ M (f, B, C)
dim L(E, F ) = dim Mm,n (K) = mn.
Rang d'un système de vecteurs, d'une matrice

Dénition 3.1 Soient x , x , · · · , x des vecteurs d'un K -e.v. E de dimension n sur
. On appelle rang du système {x , x , · · · , x }, et on note rg(x , x , · · · , x ), la
1 2 s
K
dimension du sous-espace vectoriel engendré par les (x ), (1 ≤ i ≤ s).
1 2 s 1 2 s
i
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.
3.3 Changement de base et matrice de passage
Soit E un K -e.v. de dimension nie n, soient B = {e1 , · · · , en } et B 0 = {f1 , · · · , fn } deux

bases de E , et soit x un vecteur de E , qu'on écrit dans les bases B et B 0 comme suit :
n n
y j fj .
X X
x= xi ei =
i=1 j=1
En exprimant chaque élément fj de la deuxième base dans la première, on a pour
n
pij ei , d'où
X
1 ≤ j ≤ n, fj =
i=1
n n n X n n
xi ei (?),
X X X X
x= yj ( pij ei ) = ( pij yj )ei =
j=1 i=1 i=1 j=1 i=1
 
x1
 x2 
et si on pose P = (pij )1≤i,j≤n , X =  ..  la matrice unicolonne formée par les coor-
 
 . 
xn
données
 de x dans la base B et
y1
 y2 
Y =  ..  la matrice unicolonne formée par les coordonnées de x dans la base B 0 ,
 
 . 
yn
on a d'après l'égalité (?) : X = P Y , cette égalité s'appelle la formule de changement de
coordonnées et la matrice P s'appelle par dénition la matrice de passage de la base B
à la base B 0 .
Remarques 3.1 1) La matrice :

 
p11 p12 · · · p1n
 p21 p22 · · · p2n 
P =  .. .. . . . ..  ,
 
 . . . 
pn1 pn2 · · · pnn
vérie en fait P = M (idE , B 0 , B). On en déduit que P est inversible et la matrice de

passage de B 0 à B est P −1 = M (idE , B, B 0 ).
2) Si E et F sont deux K -e.v. tels que dim E = n, dim F = m, B et B 0 deux bases de
E , C et C 0 deux bases de F . Si on désigne par P la matrice de passage de B à B 0 , par Q
la matrice de passage de C à C 0 , et f : E −→ F une application linéaire, alors d'après
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 .
Ainsi, la matrice de passage P −1 de B 0 à B est :

 2
− 91 2 
 3 9 
 
P −1 = 0
 1 1  .
 3 3 

 
1 1 2
−9
3 9
Si on utilise la méthode de la comatrice, on obtient :

1 0 1 1 0 0

det P = −1 2
2 = −1 2
3 = −9.

1 1 −2 1 1 −3
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
ce résultat si on calcule f (f1 ), f (f2 ) et f (f3 ) dans B 0 , et après calculs, on trouve :
f (f1 ) = −2f1 , f (f2 ) = −2f2 et f (f3 ) = f3 .
33
ANNEXE
Diagonalisation
4.1 Valeurs et vecteurs propres. Diagonalisation
Valeurs et vecteurs propres

Dénition 4.1 Soit f un endomorphisme d'un K -e.v. E . On appelle vecteur propre de
f tout vecteur x tel qu'il existe un scalaire λ ∈ K tel que
f (x) = λx.
Pour x = 0, on a f (0) = λ0 quel que soit λ. Supposons x 6= 0 vériant f (x) = λx, le

scalaire λ est alors unique puisque :
(λx = λ0 x et x 6= 0) ⇒ (λ − λ0 )x = 0 ⇒ λ − λ0 = 0.
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 .
Théorème 4.3 Soit f un endomorphisme d'un K -e.v. E admettant m valeurs propres

distinctes deux à deux, λ1 , λ2 , · · · , λm , alors la famille (xi )(1 ≤ i ≤ m), xi étant un
vecteur propre non nul associé à λi , est libre.
Pour la démonstration, voir T.D.

On en déduit que :
Corollaire 4.1 Si dim E = n tout endomorphisme de E admet au plus n valeurs
propres distinctes deux à deux.
Valeurs et vecteurs propres d'une matrice

Soit E un K -e.v. de dimension n, et soit B une base de E . La bijection f 7→ M (f, B)
dénie de L(E) vers Mn (K) permet d'étendre les notions dénies pour f à toute ma-
trice de Mn (K). Les valeurs propres et les vecteurs propres de A = M (f, B) sont par
dénition les valeurs propres et les vecteurs propres de f ; dans ce sens que si λ et x
sont une valeur propre et un vecteur propre associé de f , et si X désigne la matrice
unicolonne formée par les coordonnées de x dans la base B ; alors :
f (x) = λx ⇔ AX = λX.
Sachant que M (idE , B) = In , On a :

Théorème 4.4 Soit A une matrice de Mn (K), alors pour tout λ ∈ K , les propriétés
suivantes sont équivalentes :
1) λ est une valeur propre de A.
2) A − λIn est non inversible.
3) det(A − λIn ) = 0.
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
On remarque que les termes du polynôme pA (X) de degré n ou n − 1 proviennent du

terme suivant :
(a11 −X)(a22 −X) · · · (ann −X) = (−1)n X n +(−1)n−1 (a11 +· · ·+ann )X n−1 +· · ·+a11 a22 · · · ann .
Comme pA (0) = det(A) es le terme constant de pA (X), alors on a :
pA (X) = (−1)n X n + (−1)n−1 (a11 + · · · + ann )X n−1 + · · · + det(A).
Le polynôme pA (X) de degré n qu'on vient de dénir s'appelle le polynôme caractéris-

tique de la matrice A. Si A0 est une matrice semblable à A, c.-à-d. s'il existe une matrice
carrée d'ordre n inversible P telle que A0 = P −1 AP , on sait que pA0 (X) = pA (X), d'où :
Théorème 4.5 Soit f un endomorphisme de l'espace vectoriel E de dimension n sur

K , et soit A une matrice associée à f .
1) Le polynôme pA (X) = det(A − XIn ) est invariant lorsque l'on remplace A par une
matrice semblable. On dit que pA (X) est le polynôme caractéristique de A ∈ Mn (K) ou
le polynôme caractéristique de f ∈ L(E), on le note aussi pf (X).
2) Les valeurs propres de f sont les racines de son polynôme caractéristique dans K . Il
en a au plus n.
Diagonalisation
Dénition 4.3 1) On dit qu'un endomorphisme f d'un K -e.v. E de dimension n est

diagonalisable s'il existe une base de E telle que la matrice associée à f relativement à
cette base soit diagonale.
2) On dit qu'une matrice A de Mn (K) est diagonalisable s'il existe une matrice carrée
inversible P d'ordre n telle que P −1 AP soit diagonale.
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 .
Théorème 4.6 Soit E un K -e.v. de dimension n. Un endomorphisme f de E est dia-

gonalisable si et seulement si il est possible de trouver une base de E formée de vecteurs
propres.
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.
Soit f un endomorphisme d'un K -e.v. E de dimension n. Si λ ∈ K est une valeur

propre de f , on note Eλ le sous-espace propre associé à λ.
Théorème 4.7 L'endomorphisme f est diagonalisable si et seulement si :
1) Le polynôme caractéristique pf a ses n racines (distinctes ou confondues) dans K .
2) Pour chaque racine λi de pf , d'ordre ki ,
dim Eλi = ki .
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 .
Une condition susante de diagonalisation est donnée par le

Corollaire 4.2 Si f , endomorphisme du K -e.v. E de dimension n, ou A matrice carrée
d'ordre n possède n valeurs propres toutes distinctes dans K , f et A sont diagonalisables.
Exemples 4.1
1) 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
de R3 est A. On a :

−1 − λ 1 1 1−λ 1 1

det(A − λI3 ) =
1 −1 − λ 1 = 1 − λ −1 − λ
1 =

1 1 −1 − λ 1−λ 1 −1 − λ
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 àla 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
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
Exercice I : Soit t ∈ C∗ . On donne

t2
 
0 t
 
 1
 
A= t 0 t 
.
 
 
1 1 0
t2 t
1) Calculer A2 − A − 2I3 , où I3 désigne la matrice unité carrée d'ordre 3.

2) En déduire que A est inversible et calculer son inverse A−1 .
Exercice II : Soit E le C-espace vectoriel C3 muni de sa base canonique B = {e1 , e2 , e3 }.

On note i le nombre complexe tel que i2 = −1.
1) Soit f1 = −e1 + e2 , f2 = ie2 − e3 , f3 = e1 − e2 + ie3 . Montrer que C = {f1 , f2 , f3 } est
une base de E .
2) Déterminer la matrice de passage P de B à C , ainsi que son inverse P −1 .
3) Soit u un endomorphisme de E représenté dans la base B par la matrice :
 
0 0 −1
M =  −2 −1 1 − i  .
1 − 2i 1 − i 1
Déterminer la matrice N de u dans la base C .

4)Montrer que u est inversible (c.-à-d. u bijective), puis déterminer N −1 .
5)Calculer N 2 . Que peut-on en déduire pour u2 et M 2 ?
6)Déterminer les coordonnées du vecteur u2 (f1 + f2 + f3 ) dans la base B .
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 .
1) a) L'entier n peut-il être impair ?

b) Montrer que f 2 est l'application nulle ( c.-à-d. que f of = 0 ), puis montrer que
Im f = f (F ). On rappelle que Im f = f (E).
2) Soit x ∈ E et soient a ∈ ker f et y ∈ F tels que x = a + y .

a) Montrer qu'il existe z ∈ F tel que x = 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 et z deux autres éléments de F tels que x = f (z 0 ) + y 0 .
0 0
Montrer que f (y − y 0 ) = 0, puis en déduire que y = y 0 et que par suite z = z 0 .

Indication : utiliser le fait que f 2 = 0 et que ker f ∩ F = {0}.
3) Pour tout x ∈ E il existe donc y et z dans F uniques tels que x = y + f (z). On

pose alors g(x) = z .
a) Montrer que l'application g ainsi dénie est linéaire de E dans E , et que g(f (x)) = y .
b) En déduire que :
f og + gof = IdE ,
où IdE désigne l'application identité de E .
FIN
40
Durée : 1H.30mn.
Corrigé de l'Examen d'Algèbre
Exercice I : Soit t ∈ C∗ . On donne
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 ).
Exercice II : Soit E le C-espace vectoriel C3 muni de sa base canonique B = {e1 , e2 , e3 }.

On note i le nombre complexe tel que i2 = −1.
1) Soit f1 = −e1 + e2 , f2 = ie2 − e3 , f3 = e1 − e2 + ie3 . Comme E est de dimension 3,
il sut de montrer que C = {f1 , f2 , f3 } est libre.
Soient x, y et z dans C tel que : xf1 + yf2 + zf3 = 0, alors (−x + z)e1 + (x + iy − z)e2 +
(−y + iz)e3 = 0, d'où :
 
 −x + z = 0  x = z
x + iy − z = 0 ⇒ iy = 0 ⇒ x = y = z = 0.
−y + iz = 0 iz = y
 
Donc C est libre, c'est donc une base de E .
41
2) La matrice de passage P de B à C est :
 
−1 0 1
P = 1 i −1  .
0 −1 i
En ajoutant la première colonne à la dernière, on montre que le déterminant de P est 1.

La comatrice associée à P est :
 
−2 −i −1
com(P ) =  −1 −i −1  .
−i 0 −i
En prenant la transposée, on trouve :

 
−2 −1 −i
P −1 =  −i −i 0  .
−1 −1 −i
3) Soit u un endomorphisme de E représenté dans la base B par la matrice :

 
0 0 −1
M =  −2 −1 1 − i  .
1 − 2i 1 − i 1
la matrice N de u dans la base C est liée à M par N = P −1 M P .

    
0 0 −1 −1 0 1 0 1 −i
M P =  −2 −1 1 − i   1 i −1  =  1 −1 i .
1 − 2i 1 − i 1 0 −1 i i i 0
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
Comme la matrice N 2 de u2 et N −1 de u−1 dans la base C sont identiques, alors u2 = u−1 ,

on en déduit alors (en passant dans la base B ) que M 2 = M −1 .
6) Comme u2 = u−1 , les composantes de u2 (f1 + f2 + f3 ) Dans la base C sont données
par :       
1 0 i 0 1 i
−1  1  =  0 0 1   1  =  1  = Y.
N
1 −i 0 0 1 −i
Si X désigne la matrice unicolonne formée par les composantes de u2 (f1 + f2 + f3 ) dans
la base B , on sait que la formule de changement de coordonnées arme que X = P Y , où
P est la matrice de passage de B à C . On en déduit alors que :
    
−1 0 1 i −2i
X = PY =  1 i −1   1  =  3i  .
0 −1 i −i 0
Donc, dans la base B , u2 (f1 + f2 + f3 ) = −2ie1 + 3ie2 .
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 .
1) a) D'après le théorème du rang, n = dim E = dim ker f + dim Im f = 2 dim ker f ,

donc l'entier n peut jamais être impair.
b) ∀x ∈ E, f (x) ∈ Im f = ker f ⇒ ∀x ∈ E, f (f (x) = f of (x) = 0. Donc f 2 est l'appli-
cation nulle ( c.-à-d. que f of = 0 ).
F ⊂ E ⇒ f (F ) ⊂ f (E) = Im f . Soit x ∈ E , comme E = ker f ⊕ F , il existe a ∈ ker f et
z ∈ F tel que x = a + z , d'où f (x) = f (a + z) = f (a) + f (z) = 0 + f (z) = f (z) ∈ f (F ),
d'où l'autre inclusion. Ainsi, Im f = f (F ).
2) Soit x ∈ E et soient a ∈ ker f et y ∈ F tels que x = a + y .
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 .
3) Pour tout x ∈ E il existe donc y et z dans F uniques tels que x = y + f (z). On

pose alors g(x) = z .
a) Soient x et x0 deux éléments de E et λ ∈ K , il existe donc y, y 0 , z et z 0 dans F
uniques tels que x = y + f (z) et x0 = y 0 + f 0 z 0 ), d'où x + x0 = y + y 0 + f (z + z 0 ) et
λx = λy + λf (z) = λy + f (λz). Comme F est un sous-espace vectoriel de E , alors z + z 0 et
λz sont dans F , et à cause de l'unicité de l'écriture, on a que g(x+x0 ) = z+z 0 = g(x)+g(x0 )
et g(λx) = λz = λg(x). Ainsi,l'application g ainsi dénie est linéaire de E dans E . De
plus, x = y + f (z) ⇒ f (x) = f (y) + f 2 (z) = f (y) + 0 = f (y), d'où : g(f (x)) = y .
b) Pour tout x ∈ E il existe y et z dans F uniques tels que x = y + f (z), d'où
(f og + gof )(x) = f og(x) + gof (x) = f (g(x)) + g(f (x)) = f (z) + y = x = IdE (x).
Ainsi :
f og + gof = IdE .
FIN
44
Et Informatique Session de Rattrapage
Durée : 1H.30mn.
Examen d'Algèbre
Exercice I : Pour tout nombre réel t on pose

 
et 2tet (t2 − 4t)et
R(t) =  0 et tet 
t
0 0 e
1) Montrer que l'on a R(t)R(s) = R(t + s) pour tous nombres réels t et s.

2) Soit t ∈ R. Montrer que la matrice R(t) est inversible et calculer son inverse.
Exercice II : Soit u l'application linéaire de R3 dans R3 dénie par :

u(e1 ) = e1 + e2 + e3
u(e2 ) = 2e1 + 3e2 − e3
u(e3 ) = −e2 + 3e3
où B = {e1 , e2 , e3 } désigne la base canonique de R3 .
1)a) Donner la matrice A de l'endomorphisme u dans la base B .

b) Déterminer une base de ker u.
2) Soient f1 = −2e1 + e2 + e3 , f2 = e1 + e2 + e3 et f3 = 2e1 + 3e2 − e3 trois vecteurs

de R3 .
a) Montrer que C = {f1 , f2 , f3 } est une base de R3 et écrire la matrice de passage P de la
base B à la base C .
b) Calculer P −1 .
c) Écrire la matrice D de u dans la base C .
3) Soit n ∈ N∗ . Quelle relation relie An , Dn , P et P −1 ? En déduire An .
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
Et Informatique Session de Rattrapage
Durée : 1H.30mn.
Corrigé de Examen d'Algèbre
Exercice I : Pour tout nombre réel t on pose

 
et 2tet (t2 − 4t)et
R(t) =  0 et tet 
0 0 et
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).
Exercice II : Soit u l'application linéaire de R3 dans R3 dénie par :
u(e1 ) = e1 + e2 + e3
u(e2 ) = 2e1 + 3e2 − e3
u(e3 ) = −e2 + 3e3
où B = {e1 , e2 , e3 } désigne la base canonique de R3 .
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
 
Ainsi, v = xe1 + ye3 + ze3 ∈ ker u ⇔ v = y(−2e1 + e2 + e3 ). Donc {−2e1 + e2 + e3 } engendre

ker u et est libre car −2e1 +e2 +e3 6= (0, 0, 0). Finalement, {−2e1 +e2 +e3 } est une base de ker u.
2) Soient f1 = −2e1 + e2 + e3 , f2 = e1 + e2 + e3 et f3 = 2e1 + 3e2 − e3 trois vecteurs de

R.
3
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
donc C = {f1 , f2 , f3 } est une base de R3 et la matrice de passage P de la base B à la base C

est  
−2 1 2
P = 1 1 3 .
1 1 −1
1
  
 f1 = −2e1 + e2 + e3  f1 = −2e1 + e2 + e3  e1 = 3 (f2 − f1 )

b) f2 = e1 + e2 + e3 ⇔ f2 − f1 = 3e1 ⇔ e2 = 14 (f1 + f3 ) ⇔
f3 = 2e1 + 3e2 − e3 f1 + f3 = 4e2
  
e3 = f1 + 2e1 − e2

1

 e1 =
 3 (f2 − f1 )
e2 = 1
4 (f1 + f3 )
 1 2 1
e3 = 12 f1 + 3 f2 − 4 f3

Donc la matrice P −1 est :

− 13 11 

 4
12 
 
P −1 =
 1 0 2  .
 3 3 

 
0 14 − 14
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
Durée : 1H.30mn.
Examen d'Algèbre
Exercice I : Soit λ un nombre réel et soit Mλ la matrice :

 
λ3 0 0 2
Mλ =  3 λ 1 −1  .
λ λ 0 1
1) Montrer que si λ 6= 0, alors Mλ est de rang 3.

2) Montrer que rg(M0 ) = 2.
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 .
Soit B = {1, X, X 2 , X 3 } la base canonique de R3 [X] et C = {1, X, X 2 } celle de R2 [X].

1) Calculer la matrice Nλ de fλ par rapport aux bases B et C .
2) Sans calculer le noyau de l'application linéaire fλ , montrer que :
a) Si λ 6= 0, alors dim ker fλ = 1 et fλ est surjective.
b) Si λ = 0, alors dim ker f0 = dim Im f0 = 2.
Indication : Utiliser le théorème du rang et le fait que rg(fλ ) = rg(Nλ ).
3)a) Déterminer une base de ker f0 .
b) Montrer que {X, 2 − X + X 2 } est une base de Im f0 .
c) En regardant Im f0 comme un sous-espace vectoriel de R3 [X], la somme ker f0 + Im f0
est-t-elle directe ?
4) On considère B 0 = {1, X, 1 − 3X 2 , X 3 } une autre base de R3 [X]. Calculer la matrice de
f0 par rapport aux bases B 0 et C : qu'on notera M (f0 , B 0 , C), puis donner la relation qui lie
M (f0 , B 0 , C) à N0 .
5) Dans cette question on suppose que λ 6= 0, et on note par Pλ le polynôme :
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 :
E = ker (f − idE ) ⊕ ker (f + 2idE ).
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
Durée : 1H.30mn.
Exercice I : Soit λ un nombre réel et soit Mλ la matrice :

 
λ3 0 0 2
Mλ =  3 λ 1 −1  .
λ λ 0 1
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],
fλ (P ) = λ3 a0 + 2a3 + (3a0 + a2 − a3 + λa1 )X + (λa0 + λa1 + a3 )X 2 .
Soit B = {1, X, X 2 , X 3 } la base canonique de R3 [X] et C = {1, X, X 2 } celle de R2 [X].

1) Pour calculer la matrice Nλ de fλ par rapport aux bases B et C , on doit calculer les
images des éléments de la base B dans la base C .
fλ (1) = λ3 + 3X + λX 2 .
fλ (X) = λX + λX 2 .
fλ (X 2 ) = X .
fλ (X 3 ) = 2 − X + X 2 .
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
2) Nous savons maintenant que Nλ = Mλ et comme dim Im fλ = rg(fλ ) = rg(Nλ ) = rg(Mλ )

et :
dim R3 [X] = dim ker fλ + dim Im fλ ,
alors,
dim ker fλ = dim R3 [X] − dim Im fλ = 4 − rg(fλ ) = 4 − rg(Mλ ).
Tenant compte des résultats établis dans l'exercice précédent, on a :
a) Si λ 6= 0, alors rg(Mλ ) = 3, d'où dim ker fλ = 4 − 3 = 1 et fλ est surjective puisque
rg(fλ ) = rg(Mλ ) = 3 = dim R2 [X].
b) Si λ = 0, alors rg(M0 ) = 2, d'où dim ker f0 = 4 − 2 = 2 = dim Im f0 car rg(f0 ) =
rg(M0 ) = 2 .
3)a) Le polynôme P = a0 + a1 X + a2 X 2 + a3 X 3 appartient à ker f0 si et seulement si
f0 (P ) = 2a3 + (3a0 + a2 − a3 )X + a3 X 2 = 0 si et seulement si

2a3 = 0
a3 = 0

3a0 + a2 − a3 = 0 ⇔ ⇔ P = a1 X + a0 (1 − 3X 2 ).
a2 = −3a0
a3 = 0

Donc ker f0 = {a1 X + a0 (1 − 3X 2 ) | a0 , a1 ∈ R} ; c'est le sous-espace vectoriel engendré par

X et 1 − 3X 2 . Il est facile de vérier que{X, 1 − 3X 2 } est une partie libre, c'est donc une
base de ker f0 .
b) De la matrice N0 on tire le fait que X = f0 (X 2 ) et 2 − X + X 2 = f0 (X 3 ), donc la partie
{X, 2−X +X 2 } est une partie de Im f0 . Comme {X, 2−X +X 2 } est libre et 2 = dim Im f0 ,
alors {X, 2 − X + X 2 } est une base de Im f0 .
c) La somme ker f0 + Im f0 n'est pas directe car X ∈ ker f0 ∩ Im f0 , d'où ker f0 ∩ Im f0 6= {0}.
4) On considère B 0 = {1, X, 1 − 3X 2 , X 3 } une autre base de R3 [X].
Sachant que X et 1 − 3X 2 son t dans le noyau de f0 , on trouve :
f0 (1) = 3X .
f0 (X) = f0 (1 − 3X 2 ) = 0.
f0 (X 3 ) = 2 − X + X 2 .
Donc la matrice de f0 par rapport aux bases B 0 et C est :
 
0 0 0 2
M (f0 , B 0 , C) =  3 0 0 −1  .
0 0 0 1
Si P désigne la matrice de passage de B à B 0 , la matrice de passage de C à C est la matrice

unité carrée d'ordre 3, notée I3 . On sait que la relation qui lie M (f0 , B 0 , C) à N0 est :
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
parles 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 .
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 sans 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) x ∈ ker (f − idE ) ∩ ker (f + 2idE ) signie que f (x) = x = −2x, d'où 3x = 0E , par suite
x = 0E . Ainsi, ker (f − idE ) ∩ ker (f + 2idE ) = {0E }.
2) Dans cette question on se propose de montrer que :
E = ker (f − idE ) ⊕ ker (f + 2idE ).
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
b) Soit x un vecteur de E et soit y = 32 x + 13 f (x), alors f (y) = f ( 23 x) + f ( 13 f (x)) =

2 1 2 2 1 2 1
3 f (x) + 3 f (x) = 3 f (x) + 3 (2x − f (x)) = 3 x + 3 f (x) = y , par suite (f − idE )(y) = 0E ,
d'où 32 x + 13 f (x) = y ∈ ker (f − idE ). De même, si on pose z = 13 x − 13 f (x), on trouve
f (z) = 13 f (x) − 13 f 2 (x) = 13 f (x) − 13 (2x − f (x)) = 23 f (x) − 32 x = −2( 13 x − 13 f (x)) = −2z ,
d'où (f + 2idE )(z) = 0E , on en déduit alors que 31 x − 13 f (x) = z ∈ ker (f + 2idE ).
Il est évident que y + z = 23 x + 13 f (x) + 31 x − 13 f (x) = x.
c) On vient juste de montrer que tout élément de E est somme d'un élément de ker (f − idE )
et d'un élément de ker (f +2idE ). Cela signie que E = ker (f − idE )+ ker (f +2idE ). Comme
ker (f − idE ) ∩ ker (f + 2idE ) = {0E }, alors E = ker (f − idE ) ⊕ ker (f + 2idE ).
3)a) (f − idE )o(f + 2idE ) = f 2 + 2f − f − 2idE = f 2 + f − 2idE = Θ.
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 E = dim ker (f − idE ) + dim Im (f − idE ) =
dim ker (f + 2idE ) + dim Im (f + 2idE ) =

dim ker (f − idE ) + dim ker (f + 2idE ).
On en déduit que :
dim ker (f − idE ) = dim Im (f + 2idE ) et dim ker (f + 2idE ) = dim Im (f − idE ).
On sn déduit alors que : Im (f + 2idE ) = ker (f − idE ) et Im (f − idE ) = ker (f + 2idE ),

car deux sous-espaces vectoriels tel que l'un est inclus dans l'autre et ayant même dimension
(nie) sont égaux.
56
Oujda Session de Rattrapage
Module Algèbre 3
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 :
∀P ∈ Rn [X], ϕn (P ) = (X − a)(P 0 − P 0 (a)) − 2(P − P (a)).
P 0 désigne la dérivée de P et Bn = {e0 , e1 , · · · , ek , · · · , en } la base de Rn [X] formée par

(X − a)k
les polynômes ek = k!
pour 0 ≤ k ≤ n (à noter que e0 = 1).
1)a) Calculer ϕn (e0 ) et ϕn (e1 ).
b) Montrer que pour tout k ≥ 2 on a : ϕn (ek ) = (k − 2)ek .
c) En déduire que dim Im ϕn = n − 1, que dim ker ϕn = 2 puis donner une base de ker ϕn .
2) Soit P un élément de Rn [X] donné. Quelles sont les coordonnées de de P dans la
base Bn ? Indication : utiliser la formule de Taylor pour les polynômes qui arme que
(X − a)k (k) (X − a)n (n)
P = P (a) + X − a P 0 (a) + · · · + P (a) + · · · + P (a) ; où P (k) (a)
1! k! n!
désigne la dérivée de P à l'ordre k au point a.
Dans la suite, on xe n = 3 et on note C = {1, X, X 2 , X 3 } la base canonique de R3 [X].

3) Déterminer la matrice de passage P0 de B3 à C (utiliser la question précédente), ainsi
que son inverse P0−1 .
4)a) En utilisant les calculs de la première question, déterminer la matrice M de l'endo-
morphisme ϕ3 dans la base B3 .
b) Calculer la matrice N de ϕ3 dans la base C , puis donner la relation qui lie N et M .
FIN
58
Module Algèbre 3
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 (λ)) = n + 1 ⇔ det An (λ) = ∆n (λ) 6= 0 ⇔ (λ 6= 0 et λ 6= −(a21 + a22 + · · · + a2n )).

Si λ = 0, alors comme tous les ai sont non nuls, toutes les colonnes
 dela matrice An (λ) à
1



 0
partir de la deuxième sont proportionnelles à la matrice unicolonne  . Donc l'espace en-
0
 
.. 
. 


0
 
1
 a1 
 
gendré par les colonnes de An (0) et l'espace engendré par les deux vecteurs colonnes
 a2 
 .. 

 . 
an
 
1
 0 
 
et  0  qui sont libres car a1 6= 0. Ainsi :
 
 .. 
 . 
0
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 :
rg(An (−(a21 + a22 + · · · + a2n ))) = n.

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) dim M2 (R) = 4.
2)a)En utilisant le fait que ∀A, B ∈ M2 (R) et ∀λ ∈ R, t(A + B) =t A +t B et t(λA) = λtA,
on vérie aisément
que ψ est linéaire.
a b a b a c a b
b)A = ∈ ker ψ ⇔ A =t A ⇔ = ⇔ A = . Donc
c d c d b d b d
a b 1 0 0 1 0 0
ker ψ = { | a, b, d ∈ R} = {a +b +d | a, b, d ∈ R}.
b d 0 0 1 0 0 1
Ilest clair
que ker ψ est le sous-espace
vectoriel de M2 (R) engendré par la partie B =
1 0 0 1 0 0
{ , , }. Il est facile de vérier que B est libre, c'est donc une
0 0 1 0 0 1
base de ker ψ , d'où dim ker ψ = 3.
3) Le théorème du rang arme sue dim Im ψ = dim M2 (R) − dim ker ψ = 4 − 3 = 1,
et toute matrice
non nulle
de Im ψ forme une base base possible comme par exemple
0 1 0 1 0 0 0 1
ψ( )= − = .
0 0 0 0 1 0 −1 0
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 :
∀P ∈ Rn [X], ϕn (P ) = (X − a)(P 0 − P 0 (a)) − 2(P − P (a)).
P 0 désigne la dérivée de P et Bn = {e0 , e1 , · · · , ek , · · · , en } la base de Rn [X] formée par les

(X − a)k
polynômes ek = k!
pour 0 ≤ k ≤ n (à noter que e0 = 1).
1)a) Comme e0 = 1, alors ϕn (e0 ) = 0.De même e1 = X − a ⇒ e01 = 1 ⇒ ϕn (e1 ) =
−2(X − a) = −2e1 .
(X − a)k (X − a)k−1
b) Soit k ≥ 2 et ek = , alors e0k = , et comme k − 1 ≥ 2, alors a est en
k! (k − 1)!
même temps racine de ek et ek , d'où :
0
(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
par conséquent c'est une base de Im ϕn . On en déduit en particulier que dim Im ϕn = n − 1.

Le théorème du rang montre alors que dim ker ϕn = 2, comme on connaît deux polynômes
non liés dans le noyau de ϕn . La famille {e0 , e2 } est une base de ker ϕn .
2) Soit P un élément de Rn [X] donné. En utilisant la formule de Taylor pour les polynômes
− a P 0 (a) + · · · + (X − a)k (X − a)n
qui arme que P = P (a) + X 1! k!
P (k) (a) + · · · +
n!
P (n) (a),
on s'aperçoit que P = P (a)e0 + P 0 (a)e1 + · · · + P (k) (a)ek + · · · + P (n) (a)en . On en déduit que
les coordonnées de de P dans la base Bn sont P (a), P 0 (a), ..., P (k) (a), ..., P (n) (a).
Dans la suite, on xe n = 3 et on note C = {1, X, X 2 , X 3 } la base canonique de R3 [X].

3) D'après la question précédente, les coordonnés de 1 dans la base B3 sont : 1, 0, 0, 0.
Comme X 0 = 1, X 00 = X 000 = 0, alors les coordonnées de X dans la base B3 sont : a, 1, 0, 0.
Comme (X 2 )0 = 2X , (X 2 )00 = 2, (X 2 )000 = 0, alors les coordonnées de X 2 dans la base B3
sont : a2 , 2a, 2, 0. Comme (X 3 )0 = 3X 2 , (X 3 )00 = 6X, (X 3 )000 = 6, alors les coordonnées de
X 3 dans la base B3 sont : a3 , 3a2 , 6a, 6. Ainsi, la matrice de passage P0 de B3 à C est :
 
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
La relation qui lie les deux matrices N et M est : N = P0−1 M P0 .
63
Oujda Session Ordinaire
Module Algèbre 3
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
Oujda Session Ordinaire
Module Algèbre 3
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
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) 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 :
(M (t))m+1 = (M (t))m M (t) = M (mt)M (t) = M (mt + t) = M ((m + 1)t).
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 :
 αIn + βA + γA2 = 0Mn (R)


αA + βA2 = 0Mn (R)

αA2 = 0Mn (R)

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 ,
où ω est un nombre réel et P 0 et P 00 désignent respectivement la dérivée première et seconde de P .

 En calculant les images des éléments de la base canonique B , on trouve :
1)

 fω (1) =0
fω (X) =1 − ωX

f (X 2 ) =2(1 − ωX)X + 2X(X − 1) = 2X − 2ωX 2 + 2X 2 − 2X = 2(1 − ω)X 2
 ω 3


fω (X ) =3(1 − ωX)X 2 + 6X(X − 1)X = 3X 2 − 3ωX 3 + 6X 3 − 6X 2 = −3X 2 + 3(2 − ω)X 3
Donc la matrice Mω de fω dans la base B est :
 
0 1 0 0
 0 −ω 0 0 
Mω = 
 0 0 2(1 − ω)
.
−3 
0 0 0 3(2 − ω)
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
Ainsi, P = a0 + a1 X + a2 X 2 + a3 X 3 ∈ ker(f2 ) ⇔ P = a0 + a3 (− 23 X 2 + X 3 ), d'où, ker(f2 ) =

{a0 +a3 (− 23 X 2 +X 3 ) | a0 , a3 ∈ R} = {1, − 23 X 2 + X 3 }. Il est facile de vérier que {1, − 32 X 2 +X 3 }
est une base de ker(f2 ), il s'ensuit que la dimension de ker(f2 ) est 2. D'après le théorème du rang,
rg(f2 ) = dim E − dim ker(f2 ) = 4 − 2 = 2.
Deuxième cas : ω = 1.

 a1 = 0
(S1 ) ⇔ −3a3 = 0 ⇔ a1 = a3 = 0
3a3 = 0

Ainsi, P = a0 + a1 X + a2 X 2 + a3 X 3 ∈ ker(f1 ) ⇔ P = a0 + a2 X 2 , d'où,

ker(f1 ) = {a0 + a2 X 2 | a0 , a2 ∈ R} = {1, X 2 }. Il est facile de vérier que {1, X 2 } est une base
de ker(f1 ), il s'ensuit que la dimension de ker(f1 ) est 2. D'après le théorème du rang, on arrive au
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

Ainsi, P = a0 + a1 X + a2 X 2 + a3 X 3 ∈ ker(fω ) ⇔ P = a0 , d'où, ker(fω ) = {a0 | a0 ∈ R} = {1} = R.

Comme {1} est une base de ker(fω ), alors la dimension de ker(fω ) est 1. D'après le théorème du
rang, rg(fω ) = dim E − dim ker(fω ) = 4 − 1 = 3.
Dans la suite, on xe ω = 2 et on pose g = f2 + 2idE , où idE désigne l'application identité de E .

3) Si on note par I4 la matrice unité carrée d'ordre 4, et par M20 la matrice de g dans la base B ,
alors :
     
0 1 0 0 2 0 0 0 2 1 0 0
0 −2 0 0 + 0 2 0 0   0 0 0 0 
g = f2 +2idE ⇔ M20 = M2 +2I4 = 
  
= .
 0 0 −2 −3   0 0 2 0   0 0 0 −3 
0 0 0 0 0 0 0 2 0 0 0 2
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
Ainsi, P = a0 + a1 X + a2 X 2 + a3 X 3 ∈ ker(g) ⇔ P = a0 (1 − 2X) + a2 X 2 , d'où, ker(g) =

{a0 (1 − 2X) + a2 X 2 | a0 , a2 ∈ R} = {1 − 2X, X 2 }. Il est facile de vérier que {1 − 2X, X 2 }
est une base de ker(g).
4) a) Comme C = {A0 , A1 , A2 , A3 , } avec deg(Ai ) = i pour 0 ≤ i ≤ 3 et dim E = 4, alors la partie
C = {1, 1 − 2X, X 2 , − 23 X 2 + X 3 } est une base de E .
b) Posons A0 = 1, A1 = 1 − 2X, A2 = X 2 et A3 = − 3 X 2 + X 3 les quatre éléments de la base
2
C . Remarquons que P ∈ ker(g) ⇔ g(P ) = 0 ⇔ f2 (P ) + 2P = 0 ⇔ f2 (P ) = −2P . Comme
ker(g) = {1 − 2X, X 2 } = {A1 , A2 } et ker(f2 ) = {1, − 32 X 2 + X 3 } = {A0 , A3 }, alors :


 f2 (A0 ) = 0
f2 (A1 ) = −2A1

f (A ) = −2A2
 2 2


f2 (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
Module Algèbre 3
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 ;
v0 = 2, v1 = 1, pour tout entier naturel n; vn+2 = vn+1 + vn .

Soit M2 (R) l'espace vectoriel des matrices carrées d'ordre 2 à coecients dans R, soient I2 la
matrice unité carrée d'ordre 2 et J la matrice dénies par :
 √  √

0 5 5

1 0 0 1
I2 = et J =  √ 2 = .
0 1 5 2 1 0
2 0
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 :
∀n ∈ N, det Un = (−1)n , vn2 − 5u2n = 4(−1)n .
4) Déterminer l'inverse de la matrice Un en fonction des matrices I2 , J et des nombres réels un

et vn .
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).
Exercice III : Soit E un K -espace vectoriel de dimension nie n ≥ 1.

1) Soit f : E → E une application linéaire injective.
a) Montrer que si {x1 , x2 , · · · , xr } est une partie libre de E , alors {f (x1 ), f (x2 ), · · · , f (xr )}
est aussi une partie libre.
b) En déduire que pour tout sous-espace vectoriel H de E , on a : dim H = dim f (H), où
f (H) = {f (x) | x ∈ H} est l'espace image directe de H par f .
Dans la suite, on prend E = M3 (R) l'espace vectoriel des matrices carrées réelles d'ordre 3, et
A ∈ M3 (R) une matrice donnée. On pose C(A) = {M ∈ M3 (R) | M A = AM }.
2) Montrer que 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) Montrer que l'application :
ψ : M3 (R) → M3 (R)
M 7→ P −1 M P
est un automorphisme de M3 (R).

On rappelle qu'un automorphisme est une application linéaire bijective.
4) a) Montrer que ψ(C(A)) = C(T ).
b) En déduire que C(A) et C(T ) ont même dimension.
FIN
71
Module Algèbre 3
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 ;
v0 = 2, v1 = 1, pour tout entier naturel n; vn+2 = vn+1 + vn .

Soit M2 (R) l'espace vectoriel des matrices carrées d'ordre 2 à coecients dans R, soient I2 la matrice unité
carrée d'ordre 2 et J la matrice dénies par :
 √ 
√

0 5
I2 =
1 0
et J =  √ 2 = 5 0 1
.
0 1 5 2 1 0
2 0
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
de la même suite, c'est-à-dire

√ que pour tout entier n ∈ N, U = Un .
n
 √ 
1 5 1 5
= − = −1, et Un = un J + 1 vn I2 =  √2 vn 2 un , alors :
1 5
3) Comme det U = √2 2

4 4 2
5 1 5 1v
2 2 2 un 2 n

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 :
∀(U, V ) ∈ C1 [X] × C2 [X], ϕ(U, V ) = U P + V Q.
: ϕ(λ(U1 , V1 ) + µ(U2 , V2 )) = ϕ((λU1 + µU2 , λV1 + µV2 )) =

a) ∀(U1 , V1 ), (U2 , V2 ) ∈ C1 [X] × C2 [X], ∀λ, µ ∈ R
(λU1 + µU2 )P + (λV1 + µV2 )Q = λ(U1 P + V1 Q) + µ(U2 P + V2 Q) = λϕ(U1 , V1 ) + µϕ(U2 , V2 ). Donc ϕ est une
application linéaire.
b) ⇐) On suppose que P et Q sont premiers entre eux. Soit (U1 , V1 ) ∈ ker ϕ, alors ϕ(U, V ) = U P + V Q = 0,
d'où U P = −QV , donc P divise QV , comme P et Q sont premiers entre eux, le lemme de Gauss implique P
divise V , or, P est de degré 3 et V de degré plus petit ou égal à 2, d'où V = 0, par suite U P = 0 implique
U = 0. Ainsi, ker ϕ = {(0, 0)}, d'où ϕ est injective.
⇒) Si ϕ est injective, alors elle est surjective, donc 1 admet un antécédent, il existe donc (U, V ) ∈ C1 [X]×C2 [X]
tel que 1 = ϕ(U, V ) = U P + V Q, d'où U et V vérient l'identité de Bézout, ils sont donc premiers entre eux.
Dans la suite, on pose P = X 3 + aX + b et Q = P 0 = 3X 2 + a, où a et b sont deux nombres complexes donnés.
On munit l'espace vectoriel C4 [X] de sa base canonique C = {1, X, X 2 , X 3 , X 4 }.
3) 
b + aX + X 3
 

 ϕ(1, 0) = P = b 0 a 0 0
ϕ(X, 0) = XP = bX + aX 2 + X 4  a b 0 a 0

 
  
ϕ(0, 1) = Q = a + 3X 2 ⇒M =
 0 a 3 0 a 

ϕ(0, X) = XQ = aX + 3X 3  1 0 0 3 0

 


ϕ(0, X 2 ) = X 2Q = aX 2 + 3X 4 0 1 0 0 3

Calculer la matrice M de ϕ dans les bases B et C .

4) a)

b 0 a 0 0 0 0 a −3b 0
0 a −3b 0 0 a −3b 0
a b 0 a 0 0 b 0 −2a 0
b 0 −2a 0 b 0 −2a −3b
det M = 0 a 3 0 a = 0 a 3 0 a = − = − =
a 3 0 a a 3 0 −2a
1 0 0 3 0 1 0 0 3 0
1 0 0 3 1 0 0 0
0 1 0 0 3 0 1 0 0 3

a −3b 0 a 3b 0
= a · 4a2 − 3b · (−9b) = 27b2 + 4a3 .

0
−2a −3b = 0 2a
3b
3 0 −2a 3 0 2a
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.
Exercice III : Soit E un K -espace vectoriel de dimension nie n ≥ 1.

1) Soit f : E → E une application linéaire injective.
a) Comme f est injective, alors ker f = {0E }.
Soient λ1 , λ2 , · · · , λr dans K tel que λ1 f (x1 )+λ2 f (x2 )+· · ·+λr f (xr ) = 0E , alors f (λ1 x1 +λ2 x2 +· · · λr xr ) = 0E ,
d'où λ1 x1 + λ2 x2 + · · · λr xr ∈ ker f = {0E }, par suite, λ1 x1 + λ2 x2 + · · · λr xr = 0E , et comme les (xi ) sont
libres, alors λ1 = λ2 = · · · = λr = 0K , d'où le résultat.
b) Si H est l'espace nul, il en est de même de f (H). Sinon, H est de dimension nie, il admet donc une base
{x1 , x2 , · · · , xr }. Il est clair que {f (x1 ), f (x2 ), · · · , f (xr )} est une partie génératrice de f (H). On sait, d'après
ce qui précède, que cette partie est aussi libre, c'est donc une base de f (H), d'où dim H = dim f (H).
Dans la suite, on prend E = M3 (R) l'espace vectoriel des matrices carrées réelles d'ordre 3, et A ∈ M3 (R) une
matrice donnée. On pose C(A) = {M ∈ M3 (R) | M A = AM }.
2) A ∈ C(A) ⇒ C(A) 6= ∅.
Pour toutes matrices M et N de C(A), et tout nombre réel λ, on a :
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 :
-MICHEL QUEYSANNE, Algèbre. Premier cycle et préparation aux grandes écoles.

Armand Colin.
-A. DONEDDU, Polynômes et Algèbre linéaire, Tome 2. Vuibert.
-D. GUININ-F. AUBONNET-B. JOPPIN, ALGEBRE 1. Précis de MATHEMATIQUES.
Cours Exercices résolus. Classes préparatoires-Premier cycle universitaire. Bréal.
-ROGER GODEMENT, Cours d'algèbre. HERMANN.
-Jacques Pichon, cours et conseils de travail. Exercices et problèmes corrigés. ARITHME-
TIQUE, SYSTEMES LINEAIRES, STRUCTURES. Ellipses.
Livres d'exercices :
-M. Serfati, Exercices de Mathématiques, 1. Algèbre. BELIN.

-J. Rivaud, Algèbre. Classe Préparatoires et Université. TOME 2. Exercices avec solu-
tions. VUIBERT.
-B. CALVO, J. DOYEN, A. CALVO, F. BOSCHET, exercices d'algèbre. 1er cycle, 1re
année, préparation aux grandes écoles. Armand Colin- collection U.
-P. Attali · J. Guillard · A. Tissier, ALGEBRE 1. Collection exercices et problèmes. Classes
préparatoires scientiques, premier cycle universitaire, 1e année. Bréal.
-E. RAMIS, exercices d'algèbre avec solutions développées. Classes préparatoires M et P.
Enseignement supérieuer. 1er cycle. Masson et CIE.
-M. Lambert. F. PECASTAINGD. J-F. PELLE. F. ZARA. Exercices et problèmes al-
gèbre, corrigés et commentés. Mathématiques supérieures et premier cycle universitaire.
Exercices Vuibert.
-J. CHEVALLET et M. Morel, algèbre linéaire (1). Les mathématiques au 1ier cycle et
dans les classes préparatoires. J 1076- Options à domaine Mathématiques ou Physique
(MP). Librairie Armand Colin.
-Jérôme Germoni Best of Algèbre 1ère année. Les meilleurs sujets d'examen corrigés,
DEUG MIAS/MASS. DUNOD.
75

Algèbre 3 S2 PDF

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

Algèbre 3 S2 PDF

Transféré par

Droits d'auteur :

Formats disponibles

UNIVERSITÉ MOHAMMED I

Faculté Des Sciences

Notes de Cours Préparées par le Pr. M.C. Ismaili

Cours enseigné par M. Lamnii

Année Universitaire 2019/2020

Chapitre II. Espaces vectoriels - Applications linéaires . . . . . . . . . . . . . . . . . 19

Chapitre III. Matrices et applications linéaires . . . . . . . . . . . . . . . . . . . . . . . . . . 28

Examen Algèbre 3. Session Ordinaire 14/15 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39

Corrigé Examen Algèbre 3. Session Ordinaire 14/15 . . . . . . . . . . . . . . . . . . . . . . . . 41

Examen Algèbre 3. Session de Rattrapage 14/15 . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45

Corrigé Examen Algèbre 3. Session de Rattrapage 14/15 . . . . . . . . . . . . . . . . . . . 47

Examen Algèbre 3. Session Ordinaire 16/17 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51

Examen Algèbre 3. Session de Rattrapage 16/17 . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57

Corrigé Examen Algèbre 3. Session de Rattrapage 16/17 . . . . . . . . . . . . . . . . . . . 59

Examen Algèbre 3. Session Ordinaire 18/19 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 64

Corrigé Examen Algèbre 3. Session Ordinaire 18/19 . . . . . . . . . . . . . . . . . . . . . . . . 66

Examen Algèbre 3. Session de Rattrapage 18/19 . . . . . . . . . . . . . . . . . . . . . . . . . . . . 70

Corrigé Examen Algèbre 3. Session de Rattrapage 18/19 . . . . . . . . . . . . . . . . . . . 72

Dans tout ce cours la lettre K désignera un corps commutatif.

La matrice A est notée aussi par A = (a ij )

Loi externe : Pour λ ∈ K , on pose λ · (aij ) 1≤i≤n

Muni de l'addition, Mn,m (K) est un groupe commutatif.

Multiplication des matrices

Le déterminantde A peut êtrevu comme

La formule (∗) s'appelle le développement du déterminant de A suivant la première ligne.

2) On peut considerer le déterminant comme une fonction des colonnes C1 , C2 et C3 de

déterminant suivant la iième ligne de A.

Règle pratique pour calculer un déterminant d'ordre 3 : Règle de Sarrus

En utilisant les propriétés fondamentales, on a :

Dénition 1.4 Soit A la matrice d'ordre n − 1 extraite de A, en supprimant la iième

C'est le développement du déterminant suivant la première ligne.

déterminant suivant la iième ligne de A.

Applications des déterminants

Théorème 1.1 Soit A = (a ij )

d'ordre n − 1 extraite de A, en supprimant la iième ligne et la j ième colonne de A, alors

1) A est inversible si et seulement si det A 6= 0.

La matrice C = ((−1) i+j

1.3 Systèmes d'équations linéaires

est un système de Cramer, alors il admet une solution unique (x , x , · · · , x ) ∈ K n

où les aij et les bi sont dans K et x1 , x2 , · · · , xn sont les inconnues.

s'appelle la matrice augmentée.

où xr+1 , · · · , xn sont des paramètres. On calcule ensuite, x1 , · · · , xr , en fonction de

Méthode d'élimination de Gauss

On peut supposer que a11 6= 0. Pour éliminer l'inconnue x1 de l'équation i, i ≥ 2, on

est équivalent au système (S1 ) :

Si b22 6= 0, on élimine l'inconnue x2 de l'équation i, i ≥ 3, en multipliant l'équation 2

La matrice A associée au système (S) est :

Pour résoudre ce système, on va appliquer la méthode d'élimination de Gauss, qui donne :

La matrice A associée au système est :

où a, b, c et d sont des nombres réels strictement positifs.

En ajoutant la première équation à la deuxième, on a :

Espaces vectoriels - Applications linéaires

Dans tout ce chapitre la lettre K désignera un corps commutatif.

2.1 Espaces vectoriels

Règles de calcul dans un K -e.v. E .

Base d'un espace vectoriel

Dénition 2.4 Soit E un K -e.v. et soient x1 , x2 , · · · , xn des éléments de E , on dit que

Dans le cas contraire, on dit que x1 , x2 , · · · , xn sont linéairement indépendants, ou forment

Les scalaires λ1 , λ2 , · · · , λn s'appellent les composantes ou les coordonnées de x dans la

Proposition 2.1 Soit E un K -e.v. de dimension n et soit B une partie de E contenant

On vérie que F + G est un s-e.v. de E , c'est le plus petit s-e.v. contenant F ∪ G

2.2 Applications linéaires

Soient (E, +, ·) et (F, +, ·) deux K -e.v.

Le déterminantde A peut êtrevu comme

Dénition 1.4 Soit A la matrice d'ordre n − 1 extraite de A, en supprimant la iième

Dénition 2.4 Soit E un K -e.v. et soient x1 , x2 , · · · , xn des éléments de E , on dit que

On vérie que F + G est un s-e.v. de E , c'est le plus petit s-e.v. contenant F ∪ G

Dénition 2.10 Soit f : E → F une application linéaire.

Soient E et F deux K -e.v. de dimension nie où dim E = n,

Par dénition, la matrice (λij ) 1≤i≤m

Soit E un K -e.v. de dimension nie n, soient B = {e1 , · · · , en } et B 0 = {f1 , · · · , fn } deux

vérie en fait P = M (idE , B 0 , B). On en déduit que P est inversible et la matrice de

Pour x = 0, on a f (0) = λ0 quel que soit λ. Supposons x 6= 0 vériant f (x) = λx, le

Le polynôme pA (X) de degré n qu'on vient de dénir s'appelle le polynôme caractéris-

Dénition 4.3 1) On dit qu'un endomorphisme f d'un K -e.v. E de dimension n est

Une condition susante de diagonalisation est donnée par le

Exercice II : Soit u l'application linéaire de R3 dans R3 dénie par :

Exercice II : Soit u l'application linéaire de R3 dans R3 dénie par :