Algèbre 1, S3, Année 2022-23

(Dernière mise à jour le :11 décembre 2022à 11:42am)

1 Notions de base et révisions

Exercice 1: Soient u1 = (1, 2), et u2 = (1, 3) deux vecteurs exprimés dans
la base canonique de R2 .
1. Montrer que (u1 , u2 ) est une base de R2 .
2. Soit f l’application linéaire dont la matrice dans la base canonique
est : 󰀕 󰀖
−2 1
A= .
−6 3
Calculer f (u1 ), f (u2 ), et écrire la matrice de f dans la base (u1 , u2 ).
Cette matrice sera notée B
3. Ecrire la matrice de passage P , de la base canonique à la base (u1 , u2 ),
et la formule liant les matrices A et B.
4. Vérifier le résultat de la question 2 en utilisant cette formule.

Exercice 2: Soit E un espace vectoriel de dimension n et ϕ une application linéaire de E

dans lui-même telle que ϕn = 0 et ϕn−1 ∕= 0.
Soit x ∈ E tel que ϕn−1 (x) ∕= 0. Montrer que la famille {x, . . . , ϕn−1 (x)} est une base de E

Exercice 3: Soient E un espace vectoriel et ϕ une application linéaire de E dans E.

On suppose que Ker (ϕ)∩Im(ϕ) = {0}. Montrer que, si x ∈ / Ker(ϕ) alors, pour tout n ∈
N : ϕ (x) ∕= 0 .
n

Exercice 4: Soient f et g deux endomorphismes d’ un espace vectoriel E tels que f ◦

g = g ◦ f. Montrer que ker(f ) et Im(f ) sont stables par g .

1
Exercice 5: Soit E un espace vectoriel de dimension 3, {e1 , e2 , e3 } une base de E , et λ un
paramètre réel. 󰀻
󰀿 ϕ (e1 ) = e1 + e2
Démontrer que la donnée de ϕ (e2 ) = e1 − e2 définit une application linéaire ϕ de E
󰀽
ϕ (e3 ) = e1 + λe3
dans E . Écrire l’image par ϕ du vecteur x = α1 e1 +α2 e2 +α3 e3 . Comment choisir λ pour que
ϕ soit injective ? surjective ?

Exercice 6: Soient E = Cn [X] et A et B deux polynômes à coefficients complexes de degré

(n+1). On considère l’application f qui à tout polynôme P de E , associe le reste de la division
euclidienne de AP par B .
1. Montrer que f est un endomorphisme linéaire de E .
2. Montrer l’équivalence : (f est bijective ) ⇐⇒ (A et B sont premiers entre eux. )

Exercice 7: Soit E l’espace vectoriel des applications de R dans R, P le sous-espace des

fonctions paires et I le sous-espace des fonctions impaires. Monter que E =
P ⊕ I . Donner l’expression du projecteur sur P de direction I .

Exercice 8: Soit E = Rn [X] l’espace vectoriel des polynômes de degré ≤

n , et f : E → E définie par : f (P ) = P + (1 − X)P ′ . Montrer que f est un
endomorphisme linéaire de E, et donner une base de Ker(f ), et une base de
Im(f ).
Exercice 9: Résoudre les systémes d’équations suivants en utilisant la mé-
thode󰀻du pivot de Gauss :
󰁁
󰀿x + 2y + 3z = 1
S1. 2x + 3y − z = 0
󰁁
󰀽3x + y + 2z = 0

󰀻
󰁁
󰁁 2x + y + z = 3
󰁁
󰀿3x − y − 2z = 0
S2.
󰁁
󰁁 x + y − z = −2
󰁁
󰀽
x + 2y + z = 1

2
 󰀻
󰁁
󰁁 x+y+z+t=1
󰁁
󰁁
󰁁
󰁁 x − y + 2z − 3t = 2
󰀿
S3. 2x + 4z + 4t = 3
󰁁
󰁁
󰁁
󰁁 2x + 2y + 3z + 8t = 2
󰁁
󰁁
󰀽5x + 3y + 9z + 19t = 6

󰀻
󰁁
󰁁 x + 2y + 3z + 4t = 2
󰁁
󰀿 2x + y + z + t = 1
S4.
󰁁
󰁁 3x − y − 3z + 2t = 5
󰁁
󰀽
5y + 9z − t = −6
󰀻
󰁁
󰀿 x−y+z+t=5
S5. 2x + 3y + 4z + 5t = 8
󰁁
󰀽 3x + y − z + t = 7

Exercice 10: En utilisant la méthode

󰀳 du pivot
󰀴 de Gauss,
󰀳 déterminer󰀴le rang
1 1 1 1 1 0 0 1
󰁅 1 0 1 0 󰁆 󰁅 1 0 1 1 󰁆
des matrices suivantes : A = 󰁅 󰁆 󰁅
󰁃 1 1 1 0 󰁄, B = 󰁃 1 1 0 1 󰁄, C =
󰁆

0 0 0 1 0 0 0 1
󰀳 󰀴
1 1 1 󰀳 󰀴 󰀳 󰀴
󰁅 1 0 1 󰁆 a 1 1 1 a 0 1
󰁅 󰁆 󰁃 1 1 󰁄 , E = 󰁃 0 1 1 + a 1 󰁄 où a est un paramètre réel.
󰁃 1 1 0 󰁄, D = 0
1 1+a 0 a 1 0 1
1 0 0

Exercice 11: Déterminer l’image, le rang et le noyau des applications li-

néaires suivantes (Donner une base de Ker(f ) et une base de Im(f )) :
1. f (x, y, z) = (5x + 3y, 2x + 3y + z)
2. f (x, y, z) = (x + 3y, 5x + 7z)
3. f (x, y, z) = (x + 2y, 3x + 5y + 2z, 5x + 6z, y)
4. f (x, y) = (x + y, x − y)
5. f : P ∈ Rn [X] 󰀁→ P󰁕 1 (polynôme dérivé de P ).
′

6. f : P ∈ Rn [X] 󰀁→ 0 P (x)dx .

3
Exercice 12: Résoudre les systèmes d’équations suivants, par la méthode
du pivot de Gauss :
󰀻
󰀿 x+y =0
1. (S1) 2x + y = 1
󰀽
x + 2y = −1
󰀻
󰁁
󰁁 2x − y + 3z = 1
󰀿
−4x + 2y + z = 3
2. (S2)
󰁁
󰁁 −2x + y + 4z = 4
󰀽
10x − 5y − 6z = −10
󰀻
󰁁
󰁁 x−y+z+t=0
󰀿
3x − 3y + 3z + 2t = 0
3. (S3)
󰁁
󰁁 x−y+z =0
󰀽
5x − 5y + 5z + 7t = 0
Exercice 13: Soit β = (e1 , e2 , e3 ) la base canonique de R3
Soit u un endomorphisme de R3 défini par :
u (e1 ) = 2e1 + e2 + 3e3 ; u (e2 ) = e2 − 3e3 ; u (e3 ) = −2e2 + 2e3
1. Soit x = (x1 , x2 , x3 ) ∈ R3 un vecteur.
Déterminer l’image par u du vecteur x . (Calculer u(x) ).
2. Soient E = {x ∈ R3 , u(x) = 2x} et F = {x ∈ R3 , u(x) = −x}
Montrer que E et F sont des sous-espaces vectoriels de R3 .
3. Déterminer une base de E et une base de F .
4. A-t-on E ⊕ F = R3 ?
Exercice 14: Soit (e1 , e2 , e3 ) la base canonique de R3
Soit f : R3 → R3 l’application linéaire telle que : f (e1 ) = 13 (−e1 + 2e2 + 2e3 ) , f (e2 ) =
1
3
(2e1 − e2 + 2e3 ) etf (e3 ) = 13 (2e1 + 2e2 − e3 ) .
Soient E−1 = {u ∈ R3 | f (u) = −u} et E1 = {u ∈ R3 | f (u) = u}
1. Montrer que E−1 et E1 sont des sous-espaces vectoriels de R3 .
2. Montrer que e1 −e2 et e1 −e3 appartiennent à E−1 et que e1 +e2 +e3 appartient à E1 .
3. Que peut-on en déduire sur les dimensions de E−1 et de E1 ?
4. Déterminer E−1 ∩ E1 .
5. A-t-on E−1 ⊕ E1 = R3 ?
6. Calculer f 2 = f ◦ f et en déduire que f est bijective et déterminer f −1 .
Exercice 15: Soit u : R3 → R3 l’application définie par :
u (x1 , x2 , x3 ) = (−2x1 + 4x2 + 4x3 , −x1 + x3 , −2x1 + 4x2 + 4x3 )
1. Montrer que u est linéaire.
2. Déterminer une base de ker(u) et une base de Im(u) .

4
3. A-t-on ker (u) ⊕ Im(u) = R3 ?
Exercice 16: Soit E un espace vectoriel sur un corps commutatif K.
On appelle projecteur de E tout endomorphisme p de E tel que p ◦ p = p.
On désigne par IE l’application identité de E (on notera que c’est un projecteur de E ).
1. Montrer que p est un projecteur si et seulement si IE −p est un projecteur de E.
Quelles relations y a-t-il entre les images et les noyaux de p et IE − p ?
2. Montrer que si p est un projecteur de E , alors E = Im p ⊕ Ker p .
3. Montrer que si p est un projecteur de E et si f est un endomorphisme de E tel que
f (Im p) ⊂ Im p et f (Ker p) ⊂ Ker p, alors f ◦ p = p ◦ f
Exercice 17: Dans R3 , montrer que le sous-espace engendré par u = (2, 0, −1) et v =
(3, 2, −4) coïncide avec le sous-espace engendré par w = (1, 2, −3) et t = (0, 4, −5).
Exercice 18: Soit α un paramètre réel, soient F et Gα les sous-espaces vectoriels de R3
définis par les équations :
󰀝
3x − 2z = 0
F : x − y + z = 0, Gα :
y − αz = 0

Déterminer des systèmes générateurs de F, Gα , F ∩ Gα et F + Gα et des

équations paramétriques et cartésiennes de ces sous-espaces. Interpréter géo-
métriquement les résultats.
Exercice 19: Soit E un espace vectoriel réel de dimension n .
a. Montrer que si f est une forme linéaire non nulle sur E , alors ker f est un hyperplan de
E, c’est-à-dire un sous-espace vectoriel de E de dimension n − 1 . Montrer qu’il existe des
réels α1 , . . . αn non tous nuls tels que :
u = (x1 , . . . xn ) ∈ ker f ⇐⇒ α1 x1 + . . . + αn xn = 0
b. Soit H = {(x, y, z, t) ∈ R4 , x − 2y + z − t = 0} . Montrer que H est un hyperplan de R4 .
Existe-t-il une forme linéaire f sur R4 telle que H = ker f ?
c. Soit H un hyperplan de E . Montrer qu’il existe une forme linéaire sur E
telle que ker f = H . (On pourra compléter une base de H et définir f sur cette base).
f est-elle unique ?
d. Vérifier qu’un hyperplan H de E peut être défini par une des trois conditions équivalentes
suivantes :
(i) H est un sous espace vectoriel de E de dimension n − 1 .
(ii) H est le noyau d’une forme linéaire non nulle sur E .
(iii) H est l’ensemble des solutions d’une équation linéaire de la forme α1 x1 +

5
. . . + α n xn =
0 où (α1 , . . . αn ) ∈ Rn et (α1 , . . . αn ) ∕= (0, . . . 0) . (On dit que cette équation est une
équation cartésienne de l’hyperplan H ).
e. Quelle est l’équation cartésienne d’un hyperplan de R3 ?
f. Montrer l’équivalence des définitions suivantes :
(i) D est une droite de R3 , c’est-à-dire un sous-espace de dimension 1.
(ii)󰀝D est l’ensemble des solutions d’un système linéaire
ax + by + cz = 0
(S) Où (a, b, c) et (a′ , b′ , c′ ) ne sont pas colinéaires.
a′ x + b′ y + c′ z = 0
Exercice 20: A l’aide de la méthode du pivot de Gauss, déterminer quelles
matrices sont inversibles, et calculer leurs inverses :
󰀳 󰀴
3 1 1
1. A = 󰁃 2 1 2 󰁄
1 3 2
󰀳 󰀴
2 4 8
2. B = 󰁃 1 3 5 󰁄
3 8 14
󰀳 󰀴
1 1 −1 1
󰁅 −1 1 0 1 󰁆
3. C = 󰁅󰁃 1 2 3 0 󰁄
󰁆

−1 0 0 2
󰀳 󰀴
1 4 2
4. D = 󰁃1 3 −3󰁄.
1 −2 2

6
2 Permutations et déterminants
Exercice 21: [Cf EXO7]
Soit σl’élément de S12 : σ = (3, 10, 7, 1, 2, 6, 4, 5, 12, 8, 9, 11)
1. Combien σ possède-t-elle d’inversions ? Que vaut sa signature ?
2. Décomposer σ en produit de transpositions. Retrouvez sa signature.
3. Déterminer les orbites de σ.
4. Déterminer σ 2005 .

Exercice 22: [Cf EXO7]

σ étant une permutation de {1, . . . , n} donnée, on définit la matrice notée
Pσ , carrée d’ordre n dont le terme ligne i colonne j est δi,σ(j) où δi,j est le
symbole de Kronecker. On note G l’ensemble des Pσ où σ décrit Sn .

1. σ et σ ′ étant deux éléments de Sn , calculer Pσ × Pσ′

2. En déduire que (G, ×) est un sous-groupe de (GLn (R), ×) , isomorphe
à (Sn , ◦) (les matrices Pσ sont appelées « matrices de permutation »).
3. (Une utilisation des Pσ ) A étant une matrice carrée donnée, calculer
APσ et Pσ A . Que constate-t-on ?
Exercice 23: Dans cet exercice, E est un K - espace vectoriel de dimension
n, et N est un endomorphisme de E. Soit k > 1 un entier naturel. On dit
que N est nilpotent d’ordre k si N k = 0, et N k−1 ∕= 0.
1. Soient N nilpotent d’ordre k et v ∈ E tels que N k−1 (v) ∕= 0. Montrer
que la famille F = (v, N (v), . . . , N k−1 (v)) est libre. En déduire k ≤ n.
2. On suppose que N est nilpotent d’ordre n. Montrer qu’il existe une
base B = (e1 , e2 , . . . , en ), de E, telle que N (ej ) = ej+1 , ∀j ∈ [[1, n − 1]],
et N (en ) = 0.
3. Montrer, avec N comme dans la question précédente, que det(1+N ) =
1. En déduire que pour tout automorphisme A, de E, qui commute
avec N , det(A + N ) = det(A).
4. Genéraliser les résultats de la question précédente avec N nilpotent
d’ordre k quelconque.

Exercice 24: Soit (fn ) la suite de Fibonacci définie par f0 = 0, f1 =

1, fn+1 = fn + fn−1 pour n ≥ 1. Calculer le déterminant de la matrice

7
Mn ∈ Mn+1 (R) de coefficient général f|i−j| (On pourra chercher une rela-
tion de récurrence en soustrayant à la dernière colonne de la matrice les deux
colonnes précédentes.)

Exercice 25: [cf EXO7] Calculer les déterminants des matrices suivantes :

󰀳 󰀴 󰀳 󰀴 󰀳 󰀴
󰀕 󰀖 1 0 6 1 0 2 1 0 −1
7 11 󰁃 3 4 15 󰁄 󰁃 3 4 5 󰁄 󰁃 2 3 5 󰁄
−8 4
5 6 21 5 6 7 4 1 3

󰀳 󰀴 󰀳 󰀴 󰀳 󰀴
0 1 2 3 0 1 1 0 1 2 1 2
󰁅 1 2 3 0 󰁆 󰁅 1 0 0 1 󰁆 󰁅 1 3 1 3 󰁆
󰁅 󰁆 󰁅 󰁆 󰁅 󰁆
󰁃 2 3 0 1 󰁄 󰁃 1 1 0 1 󰁄 󰁃 2 1 0 6 󰁄
3 0 1 2 1 1 1 0 1 1 1 7

Exercice 26: Calculer les déterminants :

󰀏 󰀏 󰀏 󰀏
󰀏 0 a b 󰀏 󰀏 a−b−c 2a 2a 󰀏
󰀏 󰀏 󰀏 󰀏
󰀏 a 0 c 󰀏 et 󰀏 2b b − c − a 2b 󰀏
󰀏 󰀏 󰀏 󰀏
󰀏 b c 0 󰀏 󰀏 2c 2c c−a−b 󰀏

(a, b, c) ∈ R quelconques.

Exercice 27: [Déterminant de Vandermonde, cf EXO7, par exemple].

Montrer que :
󰀏 󰀏
󰀏 1 t1 t21 . . . tn−1 󰀏
󰀏 1 󰀏
󰀏 1 t2 t2 . . . t2 󰀏
2 n−1 󰁜
󰀏 󰀏 (tj − ti )
󰀏 ... ... ... ... ··· 󰀏 =
󰀏 󰀏
󰀏 1 tn t2 . . . tn−1 󰀏 1≤i<j≤n
n n

8
Exercice 28: Calculer le déterminant :
󰀏 󰀏
󰀏 b+c c+a a+b 󰀏
󰀏 2 󰀏
󰀏 b + c2 c2 + a2 a2 + b2 󰀏
󰀏 3 󰀏
󰀏 b + c3 c3 + a3 a3 + b3 󰀏

(On pourra se ramener à un déterminant de Vandermonde.)

󰀕 󰀖
A B
Exercice 29: Soient A, B ∈ Mn (K) et M = . Démontrer que
B A
det M = det(A + B) det(A − B)

Exercice 30:
1. Soient A, B ∈ Mn (R) telles que AB = BA.Montrer que
det (A2 + B 2 ) ≥ 0
2. Chercher A, B ne commutant pas telles que det (A2 + B 2 ) < 0

Exercice 31: Soient E un K− espace vectoriel de dimension n, f un endo-

morphisme de E, et (u1 , u2 , . . . , un ) une famillme de n vecteurs quelconques
de E. Montrer que :

det (f (u1 ) , u2 , . . . , un )+det (u1 , f (u2 ) , u3 , . . . , un )+. . .+det (u1 , u2 , . . . , f (un )) =

= det (u1 , u2 , . . . , un ) tr(f )

Exercice 32: Soient a1 , a2 , a3 trois réels. On considère les matrices A et Ω

suivantes :
󰀳 󰀴 󰀳 󰀴
a1 a2 a3 1 1 1
A = 󰁃a3 a1 a2 󰁄 , Ω = 󰁃1 ω ω 2 󰁄 , où ω = e2iπ/3
a2 a3 a1 1 ω2 ω4

Exprimer det(AΩ) en fonction de det(Ω). En déduire det(A).

Exercice 33: Montrer, sans le développer, que le déterminant suivant est
divisible par 13 : 󰀏 󰀏
󰀏 5 2 1 󰀏
󰀏 󰀏
󰀏 4 7 6 󰀏.
󰀏 󰀏
󰀏 6 3 9 󰀏

9
Exercice 34:

Montrer que
󰀏 󰀏
󰀏 1+a a a 󰀏
󰀏 󰀏
D = 󰀏󰀏 b 1+b b 󰀏=1+a+b+c
󰀏
󰀏 c c 1+c 󰀏

sans le développer.

Exercice 35: Soient a0 , . . . , an−1 n nombres complexes et soit

󰀳 󰀴
0 ... . . . 0 a0
󰁅 . .. 󰁆
󰁅 1 .. . a1 󰁆
󰁅 . . . .. .. 󰁆
A=󰁅 󰁅 0 .. . . . 󰁆󰁆.
󰁅 . . ... .. 󰁆
󰁃 .. . . 0 . 󰁄
0 ... 0 1 an−1

Calculer det(A − xIn ).

10
3 Valeurs propres et vecteurs propres
Exercice 36:
1. Soient E, F des K-espaces vectoriels, et soient f une application li-
néaire de E dans F et g une application linéaire de F dans E. Soit
λ ∈ K󰂏 . Démontrer que f induit un isomorphisme de ker(g ◦ f − λIdE )
sur ker(f ◦ g − λIdF ).
2. Soit E un K-espace vectoriel de dimension finie et f, g des endomor-
phismes de E. Démontrer que f ◦ g et g ◦ f ont mêmes valeurs propres.

Exercice 37:
1. Soit E un espace vectoriel complexe de dimension finie, et soit f un
endomorphisme linéaire de E. Montrer que f possède au moins un
vecteur propre.
2. Soit E un espace vectoriel réel de dimension impaire, et soit f un
endomorphisme linéaire de E. Montrer que f possède au moins un
vecteur propre.
3. Donner un exemple d’endomorphisme d’un espace vectoriel réel qui
ne posséde pas de vecteur propre.

Exercice 38: Soient f et g deux endomorphisme d’un C-espace vectoriel E

de dimension finie. On suppose que f ◦ g = g ◦ f .
1. Soit v un vecteur propre de g associé à la valeur propre λ Montrer que
f (v) est aussi un vecteur propre de ,g, associé à la valeur propre λ.
2. Montrer que f et g ont au moins un vecteur propre commun.

Exercice 39: Diagonaliser les matrices suivantes :

󰀳 󰀴 󰀳 󰀴 󰀳 󰀴
0 2 −1 0 3 2 1 0 0
A= 󰁃 3 −2 0 󰁄 , B= 󰁃 −2 5 2 󰁄,C = 󰁃 0 1 0 󰁄.
−2 2 1 2 −3 0 1 −1 2

On donnera aussi la matrice de passage de la base canonique à la base de

vecteurs propres.

11
Exercice 40: Expliquer sans calculs pourquoi la matrice suivante n’est
pas diagonalisable : 󰀳 󰀴
π 1 2
A = 󰁃 0 π 3 󰁄.
0 0 π

Exercice 41: Soient a, b ∈ R tels que |a| ∕= |b|. On considère la matrice

carrée de taille 2n 󰀳 󰀴
a b a b ...
󰁅 b a b a ... 󰁆
󰁅 󰁆
󰁅 b ... 󰁆
A=󰁅 a b a 󰁆.
󰁅 b a b a ... 󰁆
󰁃 󰁄
.. .. .. .. . .
. . . . .
1. Calculer le rang de A. En déduire que si n > 1, alors 0 est valeur propre
de A et déterminer la dimension du sous-espace propre associé.
2. Déterminer deux vecteurs propres associés à deux autres valeurs propres,
et en déduire que A est diagonalisable.

Exercice 42: Une matrice A ∈ Mn (R) est dite stochastique si ses coeffi-
cients sont des réels positifs ou nuls et si la somme des coefficients de chacune
de ses lignes est égale à 1.
1. Démontrer que si λ ∈ C est une valeur propre de A, alors |λ| ≤ 1.
2. Démontrer que 1 est valeur propre et donner un vecteur propre associé.

Exercice 43: [Lemme d’Hadamard]

Soient A ∈ Mn (K), et soit λ une valeur propre de A.
1. Montrer qu’il existe i ∈ [[1, n]], tel que |ai,i − λ| ≤ Σj∕=i |ai,j |.
2. On dit que A est à diagonale strictement dominante si pour tout i ∈
[[1, n]], |ai,i | > Σj∕=i |ai,j |. Montrer que si A possède cette propriété,
alors A est inversible.

12
4 Exercices supplémentaires
14