Revision - Partie 3

CPGE AL QALAM Mathématiques -PSI 2
TD 01
Révision algèbre linéaire

Table des matières
1 Sous espace vectoriel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
2 Famille libre, famille génératrice, base . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
3 Matrice et application linéaire . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
3.1 Application linéaire . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
3.2 Matrice d’une famille de vecteurs dans une base . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
3.3 Matrice d’une application linéaires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
3.4 Opérations-sur-les-matrices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
3.5 Application linéaire injective, surjective ,isomorphisme . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
3.6 Sous espaces supplémentaires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
4 Dterminant . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
1 Sous espace vectoriel

Dans la suite E désigne un K-ev
Méthodes 1.
Soit F un sous ensemble d’un K−ev E. Pour montrer que F est un sev de E :
1. er méthode la propriété : F est un sev de E si et seulement si :


 •F⊂E



 • F , ∅ ( On montre que 0E ∈ F)

 • F est stable par combinaison linaire c-a-d ∀x, y ∈ F, ∀λ ∈ K, λx + y ∈ F
2. ème méthode le vect : Soit (ei )i∈I une famille de E, si F = vect((ei )i∈I ) alors F est un sev de E
NB : Soit (ei ) une famille de E
 
 
X
n
 

• vect(e1 , e2 , ..., en ) = 
 λ i e i |λ 1 , λ 2 , ..., λ n ∈ K 

 
 i=1 
X
 n 

 
• vect((ei )i∈N∗ ) =   λi ei |n ∈ N∗ et λ1 , λ2 , ..., λn ∈ K 
 
 i=1 
 
X
 

• vect((ei )i∈I ) =   λi ei | J une partie finie de I et (λi )i∈J ⊂ K

 
i∈J
3. ème méthode Ker et Im d’une application linéaire : soient E et H deux K−ev et f ∈ L(E, H), alors Im(f ) et ker(f )
sont deux sev de H et de E resp.
Exemple 1. Montrer que l’ensemble suivant est un sous-espaces vectoriel de R3

n o
F = (x, y, z) ∈ R3 | x + y + 3z = 0 .
Solution .
1. ère méthode :
— F ⊂ R3
— 0R3 ∈ F, donc F , ∅
Année 2021-2022 1
— Soient X = (x1 , x2 , x3 ), Y = (y1 , y2 , y3 ) ∈ F, etα ∈ R.

on a αX + Y = (αx1 + y1 , αx2 + y2 , αx3 + y3 )
donc (αx1 + y1 ) + (αx2 + y2 ) + 3(αx3 + y3 ) = α(x1 + x2 + 3x3 ) + (y1 + y2 + 3y3 ) = 0
donc ∀X, Y ∈ F, ∀α ∈ R : αX + Y ∈ F
par suite F est sev de R3 .
2. ème méthode :
Soit X = (x, y, z) ∈ R3 ,
X∈F ⇔ x + y + 3z = 0
⇔  = −y − 3z
x

 x = −y − 3z


⇔ 
 y = y

 z = z
⇔ X = ye1 + ze2 avec e1 = (−1, 1, 0) et e2 = (−3, 0, 1)
⇔ X ∈ vect(e1 , e2 )
d’où F = vect(e1 , e2 ), par suite F est un sev de R3 .
3. ème méthode : On considère l’application
f : R3 → R
(x, y, z) → x + y + 3z
f est une application linéaire de plus F = ker(f ), donc F est un sev de R3
Exercice 1
Montrer que les ensembles suivants sont des sous-espaces vectoriels ?

1. Pour A ∈ R[X] non-nul fixée, montrer que E1 = {P ∈ R[X] tel que A|P } est un sev de R[X].
2. E2 , l’ensemble des solutions de l’équation différentielle (H) : y 0 + a(x)y = 0, ou a ∈ C 0 (R, R) est un sev de
D 1 (R, R).
3. E3 , l’ensemble des solutions réelles de l’équation différentielle y 00 + 2y 0 + y = 0 est un sev de D 2 (R, R).
n o
4. E4 = (un ) ∈ RN |∀n ∈ N, un+2 + 3un+1 − 4un = 0 est un sev de l’ensemble RN
Solution .
1. Montrons que E1 = {P ∈ R[X] tel que A|P } est un sev de R[X].
— E1 ⊂ R[X].
— 0 ∈ E1 , donc E1 , ∅.
— Soient P , Q ∈ E1 et α ∈ R.
on a P , Q ∈ E1 , donc A|P et A|Q, donc A|(αP + Q)
par suite αP + Q ∈ E1
donc ∀P , Q ∈ E1 et α ∈ R, αP + Q ∈ E1
conclusion : E1 est un sev de R3
2. Montrons que E2 , l’ensemble des solutions de l’équation différentielle (H) : y 0 + a(x)y = 0, ou a ∈ C 0 (R, R) est un sev
de D 1 (R, R)
Soit A(x) une primitive de a(x) sur R, d’après la propriété
E2 = {x → α exp(−A(x)) | α ∈ R} = vect(x → exp(−A(x)))
, donc E2 est sev de D 1 (R, R).

3. Montrons que E3 , l’ensemble des solutions réelles de l’équation différentielle y 00 + 2y 0 + y = 0 est un sev de D 2 (R, R).
f : D 2 (R, R) → F(R, R)
y → y 00 + 2y 0 + y
f est une application linéaire de plus E3 = ker(f ), donc E3 est un sev de D 2 (R, R)
Année 2021-2022 2
n o
4. Montrons que E4 = (un ) ∈ RN |∀n ∈ N, un+2 + 3un+1 − 4un = 0 est un sev de l’ensemble RN
E4 est l’ensemble des suites récurrentes qui vérifiant ∀n ∈ N, un+2 + 3un+1 − 4un = 0, dont l’équation caractéristique
est
r 2 + 3r − 4 = 0
qui admet deux r1 = 1 et r2 = −4, donc d’après la propriété

E4 = (αr1n + βr2n )n |α, β ∈ R = vect((un ), (vn ))
avec ∀n ∈ N, un = 1 et vn = (−4)n , donc E4 est un sev de l’ensemble des suites réelles.
Exercice 2
On note A l’ensemble des suites arithmétiques et B l’ensemble des suites monotones. Les ensembles A et B sont-ils
des sous-espaces vectoriels de RN ?
Solution .
Soit (un ) , (vn ) ∈ A, un = u0 +nr et vn = nq+v0 . Soit α ∈ R, α (un )+(vn ) = (αun + vn ) et ∀n ∈ N, αun +vn = α (nr + u0 )+nq+v0 =
n(αr + q) + (αu0 + v0 ), donc la suite (αun + vn ) est bien arithmétique donc appartient à A Donc A est bien un sous-espace
vectoriel de RN .
Pour B il suffit de montrer par exemple, que la somme d’une suite croissante et décroissante n’est pas monotone. ( B n’est
donc pas un sous-espace vectoriel).
Exercice 3
Si A et B sont deux parties d’un K-espace vectoriel E, comparer Vect(A ∩ B) et Vect(A) ∩ Vect(B)
Solution .
A ∩ B ⊂ A, B, donc Vect(A ∩ B) ⊂ Vect(A) et Vect(A ∩ B) ⊂ Vect(B). Donc Vect(A ∩ B) ⊂ Vect(A) ∩ Vect(B)
Prenons maintenant R en tant que R-espace vectoriel. Soit a, b ∈ R∗ tel que a , b. Alors Vect({a} ∩ {b}) = {0} mais Vect(a) ∩
Vect(b) = R, donc l’inclusion n’est que dans un sens.
Exercice 4
Soit U un sous-espace vectoriel de E, et

A = {f ∈ L(E) | U ⊂ Ker(f )}
Montrer que A est un sous-espace vectoriel de L(E).
Solution .
On peut montrer par la 1er méthode que A est un sous-espace vectoriel de L(E) :
A n’est pas vide car comprend l’endomorphisme nul de E. Et pour tout scalaire λ et µ, tous éléments f et g de A, et tout
vecteur x de U :
(λf + µg)(x) = λf (x) + µg(x) = 0E
On peut aussi prouver ce fait en remarquant que l’application
ϕ : L(E) → L(U , E)
f 7→ f|U
et linéaire, donc son noyau A est un sous-espace vectoriel de L(E).
Année 2021-2022 3
2 Famille libre, famille génératrice, base
Méthodes 2.
Soit (ei )i∈I une famille d’un K− ev E.
1-famille libre dans E :
Pour montrer que la famille (ei )i∈I est libre, trois cas ce pose suivant l’ensemble des indices I :
1. er cas : si I est finies par exemples I = {1, 2, .., n} avec n ∈ N∗
• (ei )1≤i≤n est libre ssi ∀λ1 , λ2 , ..., λn ∈ K,
X
n
λi ei = 0 ⇒ λ1 = λ2 = ... = λn = 0.
i=1
• (ei )1≤i≤n est libre ssi rang((ei )1≤i≤n ) = n.

NB : En dimension fine le rang d’une famille est celui de sa matrice dans n’importe quelle base.
2. ème cas : Si I = N
(ei )i∈N est libres ssi∀n ∈ N, ∀λ1 , λ2 , ..., λn ∈ K,
X
n
λi ei = 0 ⇒ λ1 = λ2 = ... = λn = 0.
i=1
3. ème cas : si I est un intervalle de R

(ei )i∈I est libre ssi ∀n ∈ N∗ , ∀λ1 < λ2 < ... < λn ∈ I, ∀α1 , α2 , ..., αn ∈ K,
X
n
αi eλi = 0 ⇒ α1 = α2 = ... = αn = 0
i=1
2-famille génératrice de E :
(ei )i∈I est dit génératrice de E ssi E = vect((ei )i∈I )
3- base de E :
Pour montrer que (ei )i∈I est une base de E deux cas ce pose suivant la dimension de E :
• 1 cas : si dim(E) est infinie ou inconnue :
- (ei )i∈I est une base de E ssi (ei )i∈I est libre et génératrice de E.
- Si (ei )i∈I est l’image d’une base par un isomorphisme, alors c’est une base.
• 2 ème cas : si dim(E) = n ∈ N∗
- (ei )i∈I est une base de E ssi (ei )i∈I est libre et card(I) = n ((ei )i∈I est une famille libre maximale de E)
- (ei )i∈I est une base de E ssi (ei )i∈I est génératrice de E et card(I) = n (génératrice minimale de E)
- Si (ei )i∈I est l’image d’une base par un isomorphisme, alors c’est une base.
- Si Rg(ei )i∈I = Card((ei )i∈I ) = n alors c’est une base de E.
Exemple 2.
1. Montrer que la famille (u, v, w) avec u = (1, 2, ?1), v = (1, 0, 1) et w = (0, 0, 1) est libre dans R3
2. a) Soit (P1 , ..., Pn ) une famille de polynômes de C[X] non nuls, à degrés échelonnes, c’est- à-dire deg(P1 ) < deg(P2 ) <
... < deg(Pn ).
Montrer que (P1 , ..., Pn ) est une famille libre.
b) Soit (P0 , ..., Pn ) une famille de polynômes de Cn [X] non nuls, à degrés échelonnes. Montrer que (P0 , ..., Pn ) est une
base de Cn [X].
3. Montrer que la famille (sin 2x, sin x, cos x) est libre dans F (R, R). (on pourra utiliser le DL)
Solution .
Année 2021-2022 4
1. Montrer que la famille (u, v, w) avec u = (1, 2, −1), v = (1, 0, 1) et w = (0, 0, 1) est libre dans R3 .
écrivons au + bv + cw = 0. Si on traduit cette égalité coordonnée par coordonnée, on obtient le système


 a+b = 0



 2a = 0

 −a + b + c = 0
On en déduit, par la deuxième ligne, a = 0, puis b = 0 et c = 0. La famille (u, v, w) est une famille libre.
2. a) Soit (P1 , ..., Pn ) une famille de polynômes de C[X] non nuls, à degrés échelonnes, c’est- à-dire deg(P1 ) < deg(P2 ) <
... < deg(Pn ).
Montrons que (P1 , ..., Pn ) est une famille libre
Considérons une relation λ1 P1 + · · · + λn Pn = 0. Si λn , 0, le membre de gauche de l’inégalité est un polynôme de
degré deg(Pn ) , −∞ puisque tous les polynômes sont supposés non nuls. Ce ne peut donc pas ètre le polynôme
nul et on trouve que λn = 0. En itérant le raisonnement (en faisant une récurrence), on trouve successivement
λn−1 = · · · = λ1 = 0, c’est-à-dire que la famille (P1 , . . . , Pn ) est une famille libre.
b) Soit (P0 , ..., Pn ) une famille de polynômes de Cn [X] non nuls, à degrés échelonnes. Montrons que (P0 , ..., Pn ) est
une base de Cn [X].
On a dim(Rn [X]) = n + 1, (P0 , ..., Pn ) une famille de polynômes de Cn [X] non nuls, à degrés échelonnes donc elle
est libre et Card(P0 , ..., Pn ) = n + 1 = dim(Rn [X]).
donc (P0 , ..., Pn ) est une famille libre maximale de Cn [X], par suite c’est une base de Cn [X].
3. Montrons que la famille (sin 2x, sin x, cos x) est libre dans F (R, R).
Si on a une relation de liaison de la forme a cos x + b sin x + c sin(2x) = 0, alors on l’évalue en x = 0 pour trouver a = 0,
puis en x = π/2 pour trouver b = 0. On en déduit que c = 0. La famille est donc libre.
Exercice 5

Soit E l’ensemble des fonctions f : R → R telles qu’il existe a, b, c ∈ R pour lesquels : ∀x ∈ R, f (x) = ax2 + bx + c cos x
1. Montrer que E est sous-espace vectoriel de F (R, R).
2. Déterminer une base de E et sa dimension.
Solution .
1. E = Vect (f0 , f1 , f2 ) avec f0 (x) = cos x, f1 (x) = x cos x et f2 (x) = x2 cos x. E est donc un sous-espace vectoriel et (f0 , f1 , f2 )
en est une famille génératrice.

2. Supposons αf0 + βf1 + γf2 = 0. On a ∀x ∈ R, α + βx + γx2 cos x = 0.
Pour x = 2nπ, on obtient α + 2nπβ + 4n2 π2 γ = 0 pour tout n ∈ N
Si γ , 0 alors α + 2nπβ + 4n2 π2 γ → ±∞. C’est exclu. Nécessairement γ = 0 On a alors α + 2nπβ = 0 pour tout n ∈ N.
Pour n = 0, puis n = 1 on obtient successivement α = β = 0
Finalement (f0 , f1 , f2 ) est une famille libre. C’est donc une base de E et dim E = 3
Exercice 6
Soit E = Cn−1 [X] et soit α1 , . . . , αn des nombres complexes deux à deux distincts. On pose, pour k = 1, . . . , n,
Qn
i=1 (X − αi )
Lk = Qni,k .
i=1 (αk − αi )
i,k
Démontrer que (Lk )k=1,...,n est une base de E. Déterminer les coordonnées d’un élément P ∈ E dans cette base.
Solution .
Le point clé est de constater que Lk (αi ) = 1 si i = k, 0 sinon. Supposons alors que
a1 L1 + · · · + an Ln = 0.
Si on évalue cette égalité en αk , on trouve ak = 0. La famille est libre. C’est une famille de n vecteurs dans un espace de
dimension n, donc c’est une base de E.
De plus, prenons P ∈ E, et cherchons a1 , . . . , an tels que
P = a1 L1 + · · · + an Ln .
Année 2021-2022 5
La méthode est identique : on évalue en αk et on trouve
P (αk ) = ak .
Ainsi, on a prouvé que pour tout P ∈ E, on a

X
n
P (X) = P (αk )Lk .
k=1
Exercice 7
Pour tout entier 0 ⩽ k ⩽ n, on pose fk : R → R la fonction définie par fk (x) = ek.x

Montrer que la famille (fk )0⩽k⩽n est une famille libre de F (R, R)
Solution .
Supposons λ0 f0 + · · · + λn fn = 0
On a ∀x ∈ R, λ0 + λ1 ex + · · · + λn enx = 0
Quand x → −∞, en passant la relation ci-dessus à la limite, on obtient λ0 = 0 On a alors ∀x ∈ R, λ1 ex + · · · + λn enx = 0 donc
λ1 + λ2 ex + · · · + λn e(n−1)x = 0
En reprenant la démarche ci-dessus, on obtient λ1 = 0, puis de mème λ2 = . . . = λn = 0
Exercice 8
Dans l’espace vectoriel F (R, R) des fonctions de R dans R, comparer les sous-espaces vectoriels respectivement
engendrés par les familles (φn )n∈N et (ψn )n∈N , où
∀x ∈ R, φn (x) = cos(nx) et ψn (x) = cosn x
Solution .
Indication : Montrer par récurrence que : pour tout n ∈ N vect(φn )0≤k≤n = vect(ψn )0≤k≤n
Exercice 9
Soit (a, b, c) ∈ R3 . Les fonctions x 7→ sin(x + a), x 7→ sin(x + b) et x 7→ sin(x + c) sont-elles linéairement indépendantes ?
Solution .
Non car ces trois fonctions sont combinaisons linéaires des deux suivantes
x 7→ sin x et x 7→ cos x
Remarque 1.
1. Toute sous famille d’une famille libre est une famille libre.
2. Toute sur famille d’une famille liée est une famille liée.
3. Le cardinal d’une famille libre ≤ le cardinal d’une base ≤ le cardinal d’une famille génératrice
Méthodes 3.
Comment montrer que deux sous-espaces vectoriels F et G sont égaux ?
— Méthode 1 : Par double-inclusion
— Méthode 2 : En dimension finie, si on a F ⊂ G et dimF = dimG alors F = G
Comment déterminer la dimension d’un K−ev E ?
— Méthode 1 : On détermine une base B de E. dimE = card(B).
— Méthode 2 : On remarque que E est isomorphe à un EV de dimension connue.
— Méthode 3 : On utilise la formule de Grassmann Formule de Grassmann ( Si F et G sont deux sous-espaces vectoriels
d’un mème espace E, alors dim(F + G) = dim(F) + dim(G) − dim(F ∩ G)).
— Méthode 4 : Théorème du rang si E est de la forme Ker ou Im d’une application linéaire.
Année 2021-2022 6
Exercice 10
Soit E = RR . Pour tout n ∈ N, on pose fn : x 7→ xn

1. Montrer que (f0 , . . . , fn ) est libre.
2. En déduire dim E.
Solution .
1. Supposons λ0 f0 + · · · + λn fn = 0. On a ∀x ∈ R : λ0 + λ1 x + · · · + λn xn = 0 Si λn , 0 alors λ0 + λ1 x + · · · + λn xn −→ ±∞
x→+∞
c’est absurde.
Nécessairement λn = 0 puis de mème λn−1 = . . . = λ0 = 0
Finalement (f0 , . . . , fn ) est libre.
2. Par suite n + 1 ⩽ dim E pour tout n ∈ N, donc dim E = +∞
Exercice 11
Soit E un K-espace vectoriel de dimension finie supérieure à 2. Soit H1 et H2 deux hyperplans de E distincts. Déter-
miner la dimension de H1 ∩ H2 .
Solution .
H1 + H2 est un sous-espace vectoriel de E qui contient H1 donc dim H1 + H2 = n − 1 ou n
Si dim H1 + H2 = n − 1 alors par inclusion et égalité des dimensions : H2 = H1 + H2 = H1
C’est exclu, il reste dim H1 + H2 = n et alors dim H1 ∩ H2 = dim H1 + dim H2 − dim H1 + H2 = n − 2
3 Matrice et application linéaire

3.1 Application linéaire
Remarque 2. Soient E et F deux K-ev et f : E → F une application. f est dit une application linéaire si
∀x, y ∈ E, ∀λ ∈ K, f (λx + y) = λf (x) + f (y)
de plus :
— Si F = K, on dit que f est une forme linéaire.
— Si E = F, on dit que f est un endomorphisme de E.
— Si f est bijective, on dit que f est un isomorphisme de E sur F.
— Si f est à la fois un endomorphisme de E et un isomorphisme, on dit que f est un automorphisme de E.
Exercice 12
Montrer que l’application A 7−→ Tr(AM) où A appartient à Mn (C) est une forme linéaire sur Mn (C).
Solution .
Simple
Exercice 13
Soit E un K-espace vectoriel de dimension n ⩾ 1 et f un endomorphisme nilpotent non nul de E. Soit p le plus petit
entier tel que f p = 0

1. Soit x⃗ < ker f p−1 . Montrer que la famille x⃗, f (⃗ x), . . . , f p−1 (⃗
x), f 2 (⃗ x) est libre.
2. En déduire que f n = 0
Solution .
Année 2021-2022 7
1. Il existe x⃗ < ker f p−1 car f p−1 , 0 par définition de p. Supposons

→−
x) + · · · + λp−1 f p−1 (⃗
λ0 x⃗ + λ1 f (⃗ x) = 0
En composant par f p−1 la relation ci-dessus, on obtient

→−
λ0 f p−1 (⃗
x) = 0
car
→−
f p (⃗
x) = . . . = f 2p−2 (⃗
x) = 0
Il s’ensuit λ0 = 0 En composant par f p−2 , . . . , f 0 la relation initiale, on obtient successivement λ1 = . . . = λp−1 = 0 La

x), . . . , f p−1 (⃗
famille x⃗, f (⃗ x) est donc libre.
2. Comme cette famille est libre et composée de p vecteurs en dimension n on a p ⩽ n Puisque f p = 0, f n = f n−p ◦ f p = 0
Exercice 14
E est un K-espace vectoriel de dimension finie.

1. Déterminer les endomorphismes f de E tels que ∀x ∈ E, (x, f (x)) est liée.
2. En déduire {g ∈ L (E)/∀h ∈ GL(E), h ◦ g = g ◦ h}.
3. Soit n ∈ N∗ . On note gn l’endomorphisme de Rn [X] défini par ∀P ∈ Rn [X], gn (P ) = P 0 .
On note C (gn ) = {f ∈ L (Rn [X]) /f ◦ gn = gn ◦ f }. Déterminer dim (C (gn )), puis déterminer C (gn )
Solution .
1. Soit f ∈ L (E), u ∈ E\{0} tel que (u, f (u)) est lié, i.e. il existe λ ∈ K tel que f (u) = λu. Montrons u 7−→ λ(u) est
constante.
Soit x, y ∈ E\{0}, λ(x + y)(x + y) = f (x + y) = f (x) + f (y) = λ(x)x + λ(y)y
Si (x, y) est libre, alors (λ(x + y) − λ(x))x + (λ(x + y) − λ(y))y = 0, donc λ(x) = λ(y) = λ(x + y). Si(x, y) est lié, alors il
existe µ ∈ K\{0} tel que y = µx. λ(y)y = f (y) = f (µx) = µf (x) = µλ(x)x = λ(x)y, or y , 0, donc λ(x) = λ(y) Donc λ est
constante, et f est bien une homothétie.
La réciproque est immédiate.
2. Notons Z = {g ∈ L (E)/∀h ∈ GL(E), h ◦ g = g ◦ h}. Soit g ∈ Z. Soit x ∈ E avec x , 0. Notons F un supplémentaire de Kx
dans E
On note s la symétrie par rapport à Kx parallèlement à F. Alors s ∈ GL(E) (car s est involutive), donc g ◦ s = s ◦ g.
En particulier, g(x) = g(s(x)) = s(g(x)). Ainsi g(x) ∈ Ker (s − IdE ) = Kx, donc la famille (x, g(x)) est liée. D’après la
question précédente, g est une homothétie. Réciproquement, toute homothétie est dans Z, donc Z = Vect (IdE )
3.
Exercice 15
Soit E = Rn [X] et a0 , . . . , an , n + 1 réels distincts.

1. Pour tout k ∈ {0, . . . , n}, on note Φk la forme linéaire sur E définie par : Φk (P ) = P (ak ). Montrer que (Φk )0≤k≤n est
une base de L (E, R)
Z1 Xn
2. Montrer qu’il existe un unique polynôme A ∈ E tel que, pour tout P ∈ E, P (t)dt = A (ak ) P (ak ).
0 k=0
Solution .
1. On a d’après le cours que dim E\{0} = n + 1, donc (Φk )0≤k≤n est une base de E si et seulement si (Φk )0≤k≤n est libre.
X
n
Soit (bk )0≤k≤n ∈ Rn+1 telle que bk Φk = 0. On applique l’égalité aux polynômes de LAGRANGE associés à la famille
k=0
(ak )0≤k≤n , que l’on note (Li )0≤k≤n et on a ∀i, k ∈ ~0, n, Li (ak ) = δi,k . Ainsi :
X
n X
n
∀i ∈ ~0, n, 0 = bk Li (ak ) = bk δi,k = bi
k=0 k=0
On a montré que pour tout k ∈ ~0, n, bk = 0. Ainsi (Φk )0≤k≤n est libre.
Année 2021-2022 8
Z 1
2. On vérifie que u : P 7−→ P (t)dt est une forme linéaire de E. Ainsi d’après ce qui précède :
0
X
n
∃! (bk )0≤k≤n ∈ Rn+1 , u = bk Φk
k=0
Or, par rigidité des polynômes, pour toute famille (bk )0≤k≤n de n + 1 éléments de R, il existe un unique polynôme
A ∈ Rn [X] tel que ∀k ∈ ~0, n, A (ak ) = bk , donc on a bien :
X
n
∃!A ∈ Rn [X], u = A (ak ) Φk
k=0
3.2 Matrice d’une famille de vecteurs dans une base

Remarque 3. Soit E un K-espace vectoriel, de dimension n ≥ 1, muni d’une base (e1 , e2 , . . . , en ). Soit (x1 , x2 , . . . , xp ) une famille
de p vecteurs de E. Posons pour tout j de [|1, p|] : X
xj = aij ei
i∈[|1,n|]
La matrice A = (aij )1≤i≤n notée Mat (x1 , x2 , . . . , xn ) ou M(e1 ,e2 ,...,en ) (x1 , x2 , . . . , xn ), est appelée matrice de la famille (x1 , x2 , . . . , xn )
1≤j≤p (e1 ,e2 ,...,en )
dans la base (e1 , e2 , . . . , en ).
x1 x2 ··· xj ··· xp
↓ ↓ ↓ ↓
 
 a11 a12 ··· a1j ··· a1p  ← e1
 a ··· ··· 
 21 a22 a2j a2p  ← e2
 . 
 . .. .. .. 
 . . . . 
Mat (x1 , x2 , . . . , xp ) =  

 ai1 ai2 ··· aij ··· aip 
 .
(e1 ,e2 ,...,en )
.. .. .. 
 . 
 . . . . 
 
an1 an2 ··· anj ··· anp ← en
Les coordonnées de xj , pour j de [|1, p|] dans la base (e1 , . . . , en ) sont écrite en colonne.
Exemple 3. 1. Dans la base canonique B4 ) de R4 ,
 
 1 2 
 6 7 
 
Mat ((1, 6, 9, 3), (2, 7, 0, 0)) =  
B4  9 0 
 
3 0
2. Dans R4 [X] :
 
 1 0 0 0 
 −1 
 1 0 1 
 
Mat (1 + X + X , 3X , X + 2X , −X) = 
2 3 2
1 0 2 0 
2 3 4  
(1,X,X ,X ,X )  0 3 0 0 
 
0 0 0 0
3. Dans R4 [X] :
 
 1 0 0 0 
 
 1 0 2 0 
 
Mat (1 + X + X , 3X , X + 2X , −X) = 
2 3 2
0 3 0 0 
(1,X,X 3 ,X 4 ,X 2 )  
 0 0 0 0 
 
1 0 1 −1
Remarque 4. Si on change la base dans laquelle on exprime la matrice d’une famille de vecteurs, il est bien évident que la
matrice en question change aussi.
3.3 Matrice d’une application linéaires

Remarque 5.
Soit E et F deux K-espace vectoriels de dimension respectives p et n, ainsi que B = (e1 , e2 , . . . , ep ) une base de E et
Année 2021-2022 9
C = (u1 , u2 , . . . , up ) une base de F. Soit f une application linéaire de E dans F. On appelle matrice de f dans les bases B et C et

on note [f ]CB ou Mat(f ) la matrice de la famille f (B) = f (e1 ), f (e2 ), . . . , f (ep ) dans la base C = (u1 , u2 , . . . , un ) de F.
B,C
f (e1 ) f (e2 ) f (ej ) f (ep )
↓ ↓ ↓ ↓
 
 a11 a12 ··· a1j ··· a1p  ← u1
 a 
 21 a22 ··· a2j ··· a2p  ← u2
 . .. 
 . .. ..
 . . . . 
Mat(f ) =  
B,C  ai1 ai2 ··· aij ··· aip 
 . .. ..

.. 
 .
 . . . . 
 
an1 an2 ··· anj ··· anp ← un
La j-ème colonne de MB,C (f ) est constituée des coordonnées dans la base C de l’image par f du j-ième vecteur de la base
B. X
f (ej ) = aij ui
i∈[|1,n|]
Si E = F et B = C, la matrice MB,C est simplement noté MB .

Exemple 4.
(
R2 −→ R3
1. Soit φ l’application linéaire
(x, y) 7−→ (x + y, x − y, 2x − y)
— Si B2 et B3 sont les bases canoniques respectives de R2 et R3 , donner MB2 ,B3 (φ).
 
 1 1 
 
MB2 ,B3 (φ) =  1 −1 
 
2 −1
— Si B2 = ((1, 1), (1, 0)) et B3 = ((1, 0, 0), (1, 1, 0), (1, 1, 1)), donner MB2 ,B3 (φ).
 
 2 0 
 
MB2 ,B3 (φ) =  −1 −1 
 
1 2
(
R3 [X] −→ R2 [X]
2. Soit ψ l’application linéaire
P (X) 7−→ P (X + 1) − P (X)
Si B est la base canonique de R3 [X] et B 0 est la base canonique de R2 [X] , donner MB,B 0 (ψ).
On a 

 ψ(1) = 0

 ψ(X) =

 1

 2

 ψ(X ) = 1 + 2X

 ψ(X 3 ) = 1 + 3X + 3X 2
donc  
 0 1 1 1 
 
MB,B 0 (ψ) =  0 0 2 3 
 
0 0 0 3
Remarque 6.
1. Soit E et F deux K-espace vectoriels de dimension respectives p et n, ainsi que B une base de E et C une base de F.
Soit f ∈ L(E, F), alors :
f = 0L(E,F) ⇐⇒ MB,C (f ) = 0Mn,p
2. Si E est de dimension finie n ∈ N∗ , B une base de E et f de L(E) alors :
f = idE ⇐⇒ MB (f ) = In
Exercice 16
Soit f l’application linéaire de R4 dans lui-mème défini par f (x, y, z, t) = (x − y + z, y + z + t, 0, x + y + 3z + 2t).

écrire la matrice A représentant l’endomorphisme f dans la base canonique B = (e1 , e2 , e3 , e4 ) de R4 .
Année 2021-2022 10
Solution . On a
f (e1 ) = (1, 0, 0, 1) = e1 + e4
f (e2 ) = (−1, 1, 0, 1) = −e1 + e2 + e4
f (e3 ) = (1, 1, 0, 3) = e1 + e2 + 3e4
f (e4 ) = (0, 1, 0, 2) = e2 + 2e4
Donc la matrice A est donnée par

 
 1 −1 1 0 
 0 1 1 
 1
A =  .
 0 0 0 0 
 
1 1 3 2
Exercice 17
!
−1 2
Soient A = et f l’application de M2 (R) dans M2 (R) définie par f (M) = AM. Montrer que f est linéaire et
1 0
déterminer sa matrice dans la base canonique de M2 (R).
Solution . La preuve de la linéarité de f est laissée au lecteur. Rappelons que la base canonique de M2 (R) est la base
(E1,1 , E1,2 , E2,1 , E2,2 ) avec
! ! ! !
1 0 0 1 0 0 0 0
E1,1 = E1,2 = E2,1 = E2,2 = .
0 0 0 0 1 0 0 1
Il suffit de calculer l’image par f de ces matrices, et de les exprimer dans la base canonique. Mais on a
!
−1 0
f (E1,1 ) = = −1E1,1 + 0E1,2 + 1E2,1 + 0E2,2 ,
1 0
!
0 −1
f (E1,2 ) = = 0E1,1 − 1E1,2 + 0E2,1 + 1E2,2 ,
0 1
!
2 0
f (E2,1 ) = = 2E1,1 + 0E1,2 + 0E2,1 + 0E2,2 ,
0 0
!
0 2
f (E2,2 ) = = 0E1,1 + 2E1,2 + 0E2,1 + 0E2,2 .
0 0
La matrice de f dans la base canonique de M2 (R) est donc
 
 −1 0 2 0 
 0 −1 0 2 
 
 .
 1 0 0 0 
 
0 1 0 0
Méthodes 4.
Comment déterminer Ker(f ) ?

— Méthode générale : On résout dans E, f (x) = 0F , c-a-d chercher les vecteurs de E dont l’image par f est 0.
— Si on connaît une matrice représentative A de f , cela revient à résoudre AX = 0, en effet si on pose A = MatB,B0 (f ),
pour tout X ∈ E
X ∈ Ker(f ) ⇔ [X]B ∈ Ker(A) (c-a-d AX = 0)
— Si dim(Ker(f )) = p et (e1 , e2 , ..., ep ) est une famille libre de Ker(f ) alors Ker(f ) = vect(e1 , e2 , ..., ep ).
NB : En dimension finie, connaître le rang de f permet de connaître la dim de Ker(f ) en appliquant le théorème
du rang
Année 2021-2022 11
Méthodes 5.
Comment déterminer Im(f ) ?
— Analyse synthèse en utilisant la définition Im(f ) = { f (x), x ∈ E} = ...........
— Si on connaît une famille génératrice de E (par exemple une base) B = (e1 , e2 , ..., en ) alors Im(f ) =
Vect(f (e1 ), f (e2 ), ..., f (en )).
— Si dim(Im(f )) = p et (e1 , e2 , ..., ep ) est une famille libre de Im(f ) alors Im(f ) = vect(e1 , e2 , ..., ep ).
— Si Aest une matrice représentative de f , Im(f ) est engendré par les éléments de F dont les cordonnes sont les
colonnes de A.
Exercice 18
Soit E = Rn [X], le R-espace vectoriel des polynômes à coefficients réels de degré inférieur ou égal à n (n entier naturel
donné). Soit ϕ l’application définie par : ∀P ∈ E, ϕ(P ) = P (X + 1) − P (X).
1. Vérifier queϕ est un endomorphisme de E.
2. Déterminer Ker(ϕ) et Im(ϕ).
Solution . 1. Si P est un polynôme de degré inférieur ou égal à n, alors P (X + 1) − P (X) est encore un polynôme de
degré inférieur ou égal à n. Par suite, ϕ est bien une application de E dans lui-mème.
Soient alors (P , Q) ∈ E 2 et (λ, µ) ∈ R2 .
ϕ(λP + µQ) = (λP + µQ)(X + 1) − (λP + µQ)(X) = λ(P (X + 1)?P (X)) + µ(Q(X + 1) − Q(X)) = λϕ(P ) + µϕ(Q).
ϕ est linéaire de E vers lui-mème et donc un endomorphisme de E.
2. Soit P ∈ E. P ∈ Kerϕ ⇔ ∀x ∈ R, P (x + 1) = P (x).
Montrons alors que P est constant. Soit Q = P − P (0).
Q est un polynôme de degré inférieur ou égal à n s’annulant en les entiers naturels 0, 1, 2, ... (car P (0) = P (1) = P (2) =
...) et a ainsi une infinité de racines deux à deux distinctes. Q est donc le polynôme nul ou encore ∀x ∈ R, P (x) = P (0).
Par suite, P est un polynôme constant. Réciproquement, les polynômes constants sont clairement dans Kerϕ et donc
Kerϕ = R0 [X].
Pour déterminer Imϕ, on note tout d’abord que si P est un polynôme de degré inférieur ou égal à n, alors ϕ(P ) =
X
n−1
P (X +1)−P (X) est un polynôme de degré inférieur ou égal à n−1. En effet, si P = an X n + ak X k (avec an quelconque,
k=0
éventuellement nul) alors ϕ(P ) = an ((X + 1)n − X n ) + termes de degré inférieur on égal àn − 1
= an (X n − X n ) + termes de degré inférieur on égal à n − 1
= termes de degré inférieur on égal à n − 1.
Donc, Im(ϕ) ⊂ Rn−1 [X]. Mais d’après le théorème du rang, dim( Im (ϕ) = dim Rn [X]? dim( Ker (ϕ) = (n + 1) − 1 = n =
dimRn−1 [X] < +∞, et donc Imϕ = Rn−1 [X].
Exercice 19
Soit f l’application de Rn [X] dans R[X] définie en posant pour tout P (X) ∈ Rn [X] : f (P (X)) = P (X+1)+P (X−1)−2P (X)
1. Montrer que f est linéaire et que son image est incluse dans Rn [X].
2. Dans le cas où n = 3, donner la matrice de f dans la base 1, X, X 2 , X 3 . Déterminer ensuite, pour une valeur de
n quelconque, la matrice de f dans la base 1, X, . . . , X n .
3. Déterminer le noyau et l’image de f . Calculer leur dimension respective.
4. Soit Q un élément de l’image de f . Montrer qu’il existe un unique P ∈ Rn [X] tel que : f (P ) = Q et P (0) = P 0 (0) =
0
Solution .
1. Il est facile de voir que f (λP + µQ) = λf (P ) + µf (Q) donc f est linéaire, de plus, P étant un polynôme de degré ⩽ n
alors f (P ) aussi.
2. Pour n = 3 on calcule l’image de chacun des éléments de la base :
f (1) = 1 + 1 − 2 = 0, f (X) = (X + 1) + (X − 1) − 2X = 0

f X = (X + 1)2 + (X − 1)2 − 2X 2 = 2, f X 3 = (X + 1)3 + (X − 1)3 − 2X 3 = 6X
2
Année 2021-2022 12

Donc la matrice de f dans la base 1, X, X 2 , X 3 est
 
 0 0 2 0 
 0 0 
 0 6 
 
 0 0 0 0 
 
0 0 0 0
Pour le cas général on calcule
f (X p ) = (X + 1)p + (X − 1)p − 2X p
Xp ! Xp !
p k p
= X + X k (−1)p−k − 2X p
k k
k=1 k=1
X !
p
= 2 Xk
k
p−k pair et k<p
Donc la matrice est  ! ! 

 2 p 
 0 0 2 0 ··· 2 0 
 0 0 
 ! 
 p+1 
 2 31 
 0 0 0 2 
 ! 1 
 
 p 
 0 0 ··· 2 0 
 2 
 ! 
 .. 
 p+1
. 
 0 0 2
 3 
 
 .. .. 
 . . 0 
 
 .. 
 
 0 . 
 
0 0
Dans cet exemple de matrice, p est pair. Chaque colonne commence en alternant une valeur nulle/une valeur non-
nulle jusqu’à l’élément diagonal (qui est nul).
3. Nous savons que f (1) = 0 et f (X) = 0 donc 1 et X sont dans le noyau Ker f . Il est aussi clair que les co-
lonnes de la matrices f X 2 , · · · , f (X n ) sont linéairement indépendantes (car la matrice est échelonnée). Donc
n o
Im f = Vect f X 2 , f X 3 , . . . , f (X n ) et dim Im f = n − 1
Par la formule du rang dim Ker f + dim Im f = dim Rn [X] donc dim Ker f = 2. Comme nous avons déjà deux vecteurs
du noyau alors Ker f = Vect{1, X}
4. (a) Soit Q ∈ Im f . Il existe donc R ∈ Rn [X] tel que f (R) = Q. On pose ensuite P (X) = R(X) − R(0)− R0 (0)X. On a tout
fait pour que P (0) = 0 et P 0 (0) = 0. De plus par la linéarité de f et son noyau alors
f (P ) = f (R(X) − R(0) − R0 (0)X) = f (R(X)) − R(0)f (1) − R0 (0)f (X) = f (R) = Q
Donc notre polynôme P convient.

(b) Montrons l’unicité. Soient P et P˜ tels que f (P ) = f (P˜ ) = Q avec P (0) = P 0 (0) = 0 = P˜ (0) = P˜ 0 (0) Alors f (P − P˜ ) =
Q − Q = 0 donc P − P˜ ∈ Ker f = Vect{1, X}. Ainsi P − P˜ s’écrit P − P˜ = aX + b Mais comme (P − P˜ )(0) = 0 alors b = 0,
et comme (P − P˜ )0 (0) = 0 alors a = 0. Ce qui prouve P = P˜
Exercice 20
Soit E un K-espace vectoriel de dimension paire n = 2p et f ∈ L (E). établir l’équivalence des trois propositions :
1. f 2 = 0 et rg(f ) = p
2. Im f = Ker f
3. il existe une base B de E telle que !
0 Ip
matB (f ) =
0 0
Remarque 7. Matrice de passage Soit E un espace vectoriel de dimension finie n, muni d’une base B1 = (e1 , . . . , en ) et d’une
base B2 = (f1 , . . . , fn ). On appelle matrice de passage de B1 B2 la matrice carrée de taille n dont la j ime colonne est formée
des coordonnées de fj dans la base B1 . Autrement dit, la matrice de passage de B1 B2 est la matrice des nouveaux vecteurs
de base exprimés en fonction des anciens.
Année 2021-2022 13
Exemple : Dans R2 , la matrice de passage de la base canonique la base (u, v) avec u = (2, 3) et v = (4, 5) est :
!
2 4
3 5
La matrice de passage de B1 B2 permet de relier les coordonnées d’un vecteur dans B1 celles dans B2 .
Proposition : Soit w un vecteur de E, X1 ses coordonnées dans B1 , X2 ses coordonnées dans B2 et soit P1,2 la matrice de
passage de B1 B2 . Alors on a :
X1 = P1,2 X2
Les matrices de passage sont aussi utiles pour obtenir les formules de changement de base d’une application linéaire :
Théoréme : Soient E et F deux espaces vectoriels de dimension finie. Soient B1 et B2 deux bases de E, C1 et B2 deux bases
de F. Soit encore f une application linéaire de E dans F. On note
— A la matrice de f dans les bases B1 (au départ) et C1 ( l’arrivée) ;
— B la matrice de f dans les bases B2 (au départ) et C2 ( l’arrivée) ;
— P la matrice de passage de B1 B2 ;
— Q la matrice de passage de C1 C2 .
Alors on a la relation :
B = Q−1 AP
On utilise le plus souvent cette relation lorsque l’application linéaire f est un endomorphisme de E, c’est--dire une
application linéaire de E dans E. Dans ce cas, si
— A est la matrice de f dans la base B,
— B est la matrice de f dans la base C,
— P est la matrice de passage de B C,
alors les matrices sont reliées par la formule :
A = P BP −1
Exercice 21
Soit  
 3 1 −3 
 
A =  −1 1 1 
 
1 1 −1
On note B = (e1 , e2 , e3 ) la base canonique de R3 . Soit f l’endomorphisme de R3 dont la matrice dans B est A. On pose
ε1 = (1, 1, 1), ε2 = (1, −1, 0), ε3 = (1, 0, 1) et B 0 = (ε1 , ε2 , ε3 ).
1. Montrer que B 0 constitue une base de R3 .
2. Ecrire la matrice de f dans cette base.
3. Déterminer une base de ker f et de Im f .
Solution .
1. Aisément la famille B 0 est libre, puis c’est une base car formée de trois vecteurs en dimension 3 .
2. f (ε1 ) = ε1 , f (ε2 ) = 2ε2 , f (ε3 ) = 0 donc
 
 1 0 0 
 
MatB 0 f =  0 2 0 
 
0 0 0
3. On observe que ε3 ∈ ker f et ε1 , ε2 ∈ Im f . Le théorème du rang permet de conclure : (ε3 ) est une base de ker f et
(ε1 , ε2 ) est une base de Im f .
Année 2021-2022 14
3.4 Opérations-sur-les-matrices
Méthodes 6.
Produit matriciel
1. Soit A ∈ Mnp (K) et B ∈ Mpq (K). On appelle produit de A par B et on note AB la matrice de Mnq (K) définit par :
X
p
∀(i, j) ∈ [|1, n|] × [|1, q|], [AB]ij = [A]ik [B]kj
k=1
2. Soit A, B ∈ Mn (K)
• Si A et B sont des matrices triangulaires supérieurs(Resp. inférieurs) alors AB est une matrice triangulaire
supérieur(Resp. inférieur ) de plus
∀i ∈ [|1, n|], [AB]ii = [A]ii [B]ii
• Si A = diag(a1 , a2 , ..., an ) et B = diag(b1 , b2 , ..., bn ) alors AB = diag(a1 b1 , a2 b2 , ..., an bn ).
3. ∀(i, j, k, l) ∈ [|1, n|] × [|1, p|] × [|1, p|] × [|1, q|], Ei,j × Ek,l = δj,k Ei,l .
Exemple 5.
  !
 1 2  −1 1 0 1
 
1. Pour les matrices A =  1 1  , B = 2 1 0 0

0 3
Le produit BA n’est pas défini. En revanche, on a
 
 3 3 0 1 
 
AB =  1 2 0 1  .
 
6 3 0 0
  !
 0 2 1 
  2 0 1
2. Pour les matrices A =  1 1 0  , B =
  −1 1 2
−1 −2 −1
Le produit AB n’est pas défini car A a trois colonnes et B deux lignes. Pour BA, on trouve
!
−1 2 1
BA = .
−1 −5 −3
Exercice 22
Montrer que le produit de deux matrices triangulaires supérieures est une matrice triangulaire supérieure.
Solution .
Montrons que le produit de deux matrices triangulaires supérieures est une matrice triangulaire supérieure.
Soient A = (ai,j )1≤i,j≤n et B = (bi,j )1≤i,j≤n deux matrices triangulaires supérieures. Donc, pour tout (i, j) ∈ [|1, n|]2 , si i > j,
alors ai,j = 0 et bi,j = 0.
Soit (i, j) ∈ [|1, n|]2 tel que i > j. Le coefficient ligne i, colonne j, de la matrice AB est
X
n
ai,k bk,j .
k=1
Dans cette somme, si k > j, alors bk,j = 0 puis ai,k bk,j = 0 et si k ≤ j, alors i > j ≥ k et en particulier i > k de sorte que ai,k = 0
puis ai,k bk,j = 0. Finalement, tous les termes de la somme sont nuls puis la somme est nulle.
X n
En résumé, pour tout (i, j) ∈ [|1, n|]2 tel que i > j, on a ai,k bk,j = 0. Ceci montre que la matrice AB est triangulaire
k=1
supérieure.
Année 2021-2022 15
Méthodes 7.
Pour montrer qu’une matrice A ∈ Mn (K) est inversible.
1. A est inversible ⇔ A est inversible à droit ⇔ A est inversible à gauche ⇔ rang(A) = n ⇔ det(A) , 0 ⇔ Ker(A) = {0}
⇔ Im(A) = Mn,1 (K).
2. Soit f ∈ L(E) et B une base de E. Si A = MatB (f ) alors A est inversible ssi f est inversible.
3. Si A est une matrice triangulaire supérieur ou inférieur ou diagonale alors A est inversible ssi les éléments diago-
naux de A sont tous non nuls.
X
q
4. Si il existe P (X) = ak X k ∈ K[X] (q ≥ 1) tel que P (A) = 0 et a0 , 0 alors A est inversible.
k=0
Méthodes 8.
Pour calculer l’inverse d’une matrice A ∈ GLn (K).
1. Résolution du système AX = Y avec X, Y ∈ Mn (K) car AX = Y ⇔ X = A−1 Y .
2. Pivot de Gauss.
3. Soit f ∈ L(E) et B une base de E. Si A = MatB (f ) alors A−1 = MatB(f −1 ).
X
q
4. Si il existe P (X) = ak X k ∈ K[X] (q ≥ 1) tel que P (A) = 0 et a0 , 0. alors
k=0
−1 X
q
−1
A = ak Ak−1
a0
k=1
5. La commatrice,
1 T
A−1 = Com(A)
det(A)
avec Com(A) = ((−1)i+j det(Aij ))
Exercice 23
Calculer l’inverse de la matrice :  

 1 1 2 
 
A =  1 2 1 
 
2 1 1
Solution .
On utilise la méthode du pivot de Gauss.
Année 2021-2022 16
   
 1 1 2   1 0 0 
   
 1 2 1   0 1 0 
   
2 1 1 0 0 1
   
 1 1 2   1 0 0 
   
L2 − L1 → L2  0 1 −1   −1 1 0 
   
L3 − 2L1 → L3 0 −1 −3 −2 0 1
   
 1 1 2   1 0 0 
   
 0 1 −1   −1 1 0 
   
L3 + L2 → L3 0 0 −4 −3 1 1
Après transformations élémentaires, la matrice qui apparait à gauche est triangulaire supérieure, et les coefficients sur
la diagonale sont tous non nuls. On en déduit que A est inversible. On trouve son inverse en poursuivant la méthode.
   
 1 1 2   1 0 0 
   
 0 1 −1   −1 1 0 
−1    
L → L3 0 0 1 3/4 −1/4 −1/4
4 3
   
L1 − 2L3 → L1  1 1 0   −1/2 1/2 1/2 
   
L2 + L3 → L2  0 1 0   −1/4 3/4 −1/4 
   
0 0 1 3/4 −1/4 −1/4
   
L1 − L2 → L1  1 0 0   −1/4 −1/4 3/4 
   
 0 1 0   −1/4 3/4 −1/4 
   
0 0 1 3/4 −1/4 −1/4
La matrice inverse recherchée est donc :  
 −1/4 −1/4 3/4 
 
 −1/4 3/4 −1/4  .
 
3/4 −1/4 −1/4
Exercice 24
   
 2 1 1   1 1 1 
   
Soient A =  1 2 1  et J =  1 1 1 .
   
1 1 2 1 1 1
1. Exprimer A en fonction de I3 et J.
2. Calculer J 2 .
3. En déduire une égalité du type αA2 + βA + γI2 où α, β et γ sont trois réels, α étant non nul.
4. En déduire que A ∈ GL3 (R) et préciser A−1
Solution .
1. A = I3 + J.
      
 1 1 1   1 1 1   3 3 3   1 1 1 
       
2. J =  1 1
2
1   1 1 1  =  3 3 3  = 3  1 1 1  = 3J,
      
1 1 1 1 1 1 3 3 3 1 1 1
puis
J 2 = 3J ⇒ (A − I3 )2 = 3(A − I3 ) ⇒ A2 − 5A + 4I3 = 0.
1
3. A2 − 5A + 4I3 = 0 ⇒ I3 = (−A2 + 5A). Donc,
4
1 1
A × (−A + 5I3 ) = I3 = (−A + 5I3 ) × A.
4 4
Par suite, A ∈ GL3 (R) et
 
3 −1 −1
−1 1 1  

A = (−A + 5I3 ) =  −1 3 −1 
4 4 
−1 −1 3
Année 2021-2022 17
Exercice 25
X
Soit M = ai,j ∈ MC (n) telle que : ∀i ∈ {1, . . . , n}, ai,i > ai,j
1≤j≤n
j,i
Montrer que M est inversible.
Solution .
Notons C1 , . . . , Cn les colonnes de M et supposons λ1 C1 + · · · + λn Cn = 0 Si m = max (|λ1 | , . . . , |λn |) , 0 alors, puisque pour
X n
tout 1 ⩽ i ⩽ n, λi ai,j = 0 on a
j=1
P
j,i λj ai,j
|λi | ⩽ <m
ai,i
ce qui est absurde compte tenu de la définition de m. Par suite (C1 , . . . , Cn ) est libre et donc M inversible.
Méthodes 9.
Méthodes pour le calculer des puissances d’une matrice.
1. Si A = diag(a1 , a2 , ...an ) alors ∀k ∈ N∗ , Ak = diag(ak1 , ak2 , ..., anp ).
2. Si A est une matrice nilpotente (par exemple : une matrice triangulaire supérieur ou inférieur dont les éléments
diagonaux sont nulle,.... ) alors ∀k ≥ n, Ak = 0.
3. Calculer les premières puissances (A2 , A3 , ...), conjecturer le résultat pour Ak puis le démontrer par récurrence.
4. chercher à écrire A sous la forme A = N + M, où N et M sont deux matrices qui commutent et dont les puissances
sont simples à calculer, puis appliquer la formule du binôme.
5. chercher un polynôme P tel que P (A) = 0, puis effectuer la division euclidienne de X k par P : si X k = P (X)Q(X) +
R(X),alors Ak = R(A).
6. Trouver une matrice semblable à A dont les puissances sont simples à calculer, si il existe Q ∈ GLn (K) et B ∈ Mn (K)
tel que A = QBQ−1 alors Ak = QBk Q−1
Exercice 26
Soit    
 1 1 0   1 0 0 
   
A =  0 1 1  , I =  0 1 0  et B = A − I.
   
0 0 1 0 0 1
Calculer Bn pour tout n ∈ N. En déduire An .
Solution .
On commence par calculer les premières valeurs de Bn . On a
     
 0 1 0   0 0 1   0 0 0 
     
B =  0 0 1  , B2 =  0 0 0  , B3 =  0 0 0  .
     
0 0 0 0 0 0 0 0 0
On en déduit alors par récurrence que, pour tout n ≥ 3, on a Bn = 0. En effet, c’est vrai pour n = 3. Si c’est vrai au rang
n ≥ 3, alors
Bn+1 = Bn × B = 0 × B = 0.
Pour obtenir A, on écrit A = I + B et on remarque que I et B commutent puisque IB = BI = B. On peut alors appliquer la
formule du binôme de Newton, ce qui est très facile ici puisque Bn = 0 dès que n ≥ 3. On en déduit
! !
n n n n−1 n n−2 2
A =I + I B+ I B
1 2
ce qui se réécrit en
n(n − 1) 2
An = I + nB + B .
2
On a donc  
 1 n n(n − 1) 
 
An =  0 1 2
n
 .

 
0 0 1
Année 2021-2022 18
Exercice 27
1. Pour n ≥ 2, déterminer le reste de la division euclidienne de X n par X 2 − 3X + 2.

 
 0 1 −1
 
2. Soit A = −1 2 −1. Déduire de la question précédente la valeur de An , pour n ≥ 2.
 
1 −1 2
Solution .
1. On sait que
X n = (X 2 − 3X + 2)Qn (X) + an X + bn ,
où an X + bn est le reste dans la division euclidienne de X n par X 2 − 3X + 2. Pour trouver la valeur de an et bn , on
évalue l’égalité précédente en les racines de X 2 − 3X + 2, c’est-à-dire en 1 et 2. On trouve le système :
(
an + bn = 1
2an + bn = 2n
dont l’unique solution est an = 2n − 1 et bn = 2 − 2n .

2. Il suffit de remarquer que A2 − 3A + 2I3 = 0. Remplaant dans l’expression de la division euclidienne, on trouve
An = (2n − 1)A + (2 − 2n )I3 .
Exercice 28
Soit D = diag (a1 , . . . , an ) ∈ Mn (K) et

φ : M ∈ Mn (K) 7→ DM − MD
1. Déterminer noyau et image de l’endomorphisme φ.
2. Préciser ces espaces quand D est coefficients diagonaux distincts.
Solution .

1. DEi,j = ai Ei,j et Ei,j D = aj Ei,j donc φ Ei,j = ai − aj Ei,j
n o n o
Posons I = (i, j) ∈ ~1, n2 /ai , aj et J = (i, j) ∈ ~1, n2 /ai = aj = ~1, n2 \I
Pour (i, j) ∈ I, Ei,j ∈ Im φ et pour (i, j) ∈ J, Ei,j ∈ ker φ.
n o n o
Ainsi Vect Ei,j /(i, j) ∈ I ⊂ Im φ et Vect Ei,j /(i, j) ∈ J ⊂ ker φ.
n o n o
Or dim Vect Ei,j /(i, j) ∈ I + dim Vect Ei,j /(i, j) ∈ J = n2 = dim Im φ + dim ker φ
n o n o
donc dim Vect Ei,j /(i, j) ∈ I = dim Im φ et dim Vect Ei,j /(i, j) ∈ J = dim ker φ
n o n o
puis Vect Ei,j /(i, j) ∈ I = Im φ et Vect Ei,j /(i, j) ∈ J = ker φ
n o
2. Si D est coefficients diagonaux distincts alors I = (i, j) ∈ ~1, n2 /i , j et J = {(i, i)/i ∈ ~1, n}. Par suite Im(φ) est
l’espace des des matrices de diagonale nulle tandis que ker φ est l’espace des matrices diagonales.
Exercice 29
Soient n ∈ N⋆ , α1 , . . . , αn des complexes distincts, A = diag (α1 , . . . , αn ) et
C(A) = {M ∈ Mn (C), AM = MA}

Montrer que Ak est une base de C(A).
0⩽k⩽n−1
Solution .
En étudiant l’égalité AM = MA, on justifie C(A) = Dn (C).C(A) est donc un sous-espace vectoriel de dimension n. De plus
il contient évidemment les éléments Ak pour k ∈ {0, . . . , n − 1} (et, plus généralement, tout polynme en A). Supposons
λ0 I + λ1 A + · · · + λn−1 An−1 = 0
Année 2021-2022 19
Le polynme P = λ0 + λ1 X + · · · + λn−1 X n−1 est annulateur de A, donc les α1 , . . . , αn qui sont des racines de P qui possède
alors plus de racines que son degré. On peut alors affirmer P = 0 puis
λ0 = . . . = λn−1 = 0

La famille Ak est une famille libre n éléments de C(A), c’en est donc une base
0⩽k⩽n−1
Exercice 30
Soit T ∈ Mn (R) une matrice triangulaire supérieure. Montrer que T commute avec sa transposée si, et seulement si,
la matrice T est diagonale.
Exercice 31
!
j −1
Soient A = ai,j ∈ Mn+1 (R) avec ai,j = et φ ∈ L (Rn [X]) canoniquement représenté par A.
1⩽i,j⩽n+1 i −1
1. Exprimer φ(P ) pour tout P ∈ Rn [X]
2. Calculer Am pour tout m ∈ N.
3. Calculer A−1
Solution .
1. Pour 0 ⩽ k ⩽ n,
! !
X n
k X
k
k
φ Xk = i
X = X i = (X + 1)k
i i
i=0 i=0
On en déduit
φ(P ) = P (X + 1)
2. φ m (P ) = P (X + m) donc
X !
n
k
φ X k = (X + m)k = mk−i X i
i
k=0
d’où
Am = mj−i ai,j
1⩽i,j⩽n+1
3. φ −1 (P ) = P (X − 1) donc
φ −1 X k = (X − 1)k
d’où
A−1 = (−1)j−i ai,j
1⩽i,j⩽n+1
Exercice 32
Soient E un K-espace vectoriel de dimension finie et f ∈ L(E) de rang 1 . Montrer que f 2 = tr(f ) · f .
A quelle condition un endomorphisme de rang 1 est-il un projecteur ?
Solution .
Soit (e1 , . . . , en ) une base de E avec e1 , . . . , en−1 ∈ ker f et en ∈ Im f .
On a f (en ) ∈ Im f = Vect (en ) donc il existe λ ∈ K tel que f (en ) = λen et donc f 2 (en ) = λf (en ) .
Cette relation vaut aussi pour les vecteurs e1 , . . . , en−1 et donc par concidence de deux applications linéaires sur les vecteurs
d’une base on peut affirmer que f 2 = λf .
De plus, la matrice de f dans la base (e1 , . . . , en ) donne λ = tr f .
Ainsi, pour f de rang 1, f est un projecteur si, et seulement si, tr f = 1
Année 2021-2022 20
Exercice 33
Soient A ∈ Mn (R) et φ l’endomorphisme de Mn (R) défini par
φ(M) = MA
Exprimer la trace de φ en fonction de celle de A.
Solution . Calculons les coefficients diagonaux de la représentation matricielle de φ dans la base canonique formée des
matrices élémentaires Ei,j .

On a φ Ei,j = Ei,j A
Xn X n X n
Or A = ak,ℓ Ek,ℓ donc φ Ei,j = aj,ℓ Ei,ℓ car Ei,j Ek,ℓ = δj,k Ei,ℓ
k=1 ℓ=1 ℓ=1
La composant de φ Ei,j selon Ei,j vaut aj,j
n X
X n
Par suite la trace de φ vaut aj,j = n tr A
i=1 j=1
Exercice 34
Soient E un K-espace vectoriel de dimension n ∈ N⋆ et f ∈ L(E) tel que f n = 0 et f n−1 , 0 Montrer qu’il existe une
base B de E pour laquelle :
 
 0 1 0 
 
 .. .. 
 . . 
MatB (f ) =  


. . . 1 
 
0 0
Solution .
Soit x < ker f n−1 . Un
tel x existe puisque f n−1 , 0
n−1
Considérons B = f (x), . . . , f (x), x .
Supposons λn−1 f n−1 (x) + · · · + λ1 f (x) + x = 0.
En y appliquant successivement f n−1 , . . . , f , Id on obtient λ0 = 0, . . . , λn−2 = 0 puis λn−1 = 0 car f n−1 (x) , 0
B est une famille libre formée de n = dim E vecteurs, c’est donc une base de E. De plus MatB (f ) est de la forme convenable.
Exercice 35
Soit f ∈ L(E) tel que f 2 = 0 !

0 Ir
Montrer qu’il existe une base B telle que la matrice de f dans B soit .
0 0
Solution .
Posons r = rg f et (f (e1 ) , . . . , f (er )) une base de Im f
Puisque f 2 = 0, la famille B = (f (e1 ) , .. . , f (er )) est formée de vecteurs de ker f de plus elle est libre, on peut donc la
0
compléter en une base de la forme B = f (e1 ) , . . . , f (er ) , εr+1 , . . . , εp avec p = dim ker f

Considérons C = f (e1 ) , . . . , f (er ) , εr+1 , . . . , εp , e1 , . . . , er
En vertu du théorème du rang, cette famille est formée de dim E vecteurs. De plus si l’on dispose d’une combinaison
linéaire nulle des vecteurs de C, en appliquant f et en exploitant la liberté de B, on justifie que les coefficients devant les
e1 , . . . , er sont nuls. Ensuite, sachant B 0 libre, on conclut que les autres coefficients sont nuls. La famille B est une base et la
matrice de f dans C est de la forme voulue.
Année 2021-2022 21
3.5 Application linéaire injective, surjective ,isomorphisme
Méthodes 10.
Pour montrer qu’une application linéaire est injective :

1. f est injective ssi Ker(f ) = {0}.
2. Si f transforme une base de E on une famille libre de F alors f est injective.
3. Si dim(E) = dim(F) < +∞, alors f est injective ⇔ f est surjective ⇔ f est bijective
Méthodes 11.
Pour montrer qu’une application linéaire est surjective :

1. f est surjective ssi Im(f ) = F c-a-d f (E) = F.
2. Si f transforme une base de E on une famille génératrice de F alors f est surjective.
3. Si dim(E) = dim(F) < +∞, alors f est injective ⇔ f est surjective ⇔ f est bijective
Exercice 36
On considère l’application linéaire f de R3 dans R4 définie par
f (x, y, z) = (x + z, y − x, z + y, x + y + 2z).
1. Déterminer une base de Im(f ).

2. Déterminer une base de ker(f ).
3. L’application f est-elle injective ? surjective ?
Solution .
1. Utilisant la définition de f , on a :
f (e1 ) = (1, −1, 0, 1)

f (e2 ) = (0, 1, 1, 1)
f (e3 ) = (1, 0, 1, 2)
On sait que la famille (f (e1 ), f (e2 ), f (e3 )) est une famille génératrice de Im(f ). Or, f (e3 ) = f (e1 ) + f (e2 ) et donc f (e3 )
est combinaison linéaire de (f (e1 ), f (e2 )).
Ainsi, la famille (f (e1 ), f (e2 )) est déjà génératrice de Im(f ). De plus, elle est libre car les deux vecteurs sont non-nuls
et ne sont pas proportionnels. On en déduit que (f (e1 ), f (e2 )) est une base de Im(f ).
2. On a :  

 x+z = 0 
 x+z = 0

 


 −x + y = 0 
 y +z = 0
(x, y, z) ∈ ker(f ) ⇐⇒ 
 ⇐⇒ 


 y +z = 0 
 y +z = 0

 x + y + 2z = 0 
 y +z = 0


 x = −z


⇐⇒   y = −z

 z = z
On en déduit que le vecteur (−1, −1, 1) engendre ker(f ). Comme il est non-nul, c’est une base de ker(f ). En particulier,
on trouve que ker(f ) est de dimension 1, ce que l’on peut aussi obtenir en utilisant le théorème du rang.
3. f n’est pas injective, car son noyau n’est pas réduit à {0}. f n’est pas surjective, car son image n’est pas R4 tout entier.
En effet, la dimension de Im(f ) est 2, et non 4.
Année 2021-2022 22
Méthodes 12.
Pour montrer qu’une application linéaire est un isomorphisme deux cas ce pose suivant la dim(E) et dim(F)
1. 1 er cas : Si dim(E) ou dim(F) est infinie ou inconnue, pour montrer que f est un isomorphisme deux méthodes :
• Méthode 1 : f est un isomorphisme ssi f est injective et surjective.
• Méthode 2 : f est un isomorphisme ssi f transforme une base de E on une base de F .
• Méthode 3 : Trouver f −1 c-a-d trouver une application g : F → E tel que f ◦ g = IdE et g ◦ f = IdF
X
q
• Méthode 4 : Si il existe P (X) = ak X k ∈ K[X](q ≥ 1) tel que P (f ) = 0 et a0 , 0 alors f est inversible.
k=0
2. 2 ème cas : Si dim(E) = dim(F) = n ∈ N∗ . Soient B et B0 deux bases de E et F resp, les assertions suivantes sont
équivalents :
• f est un isomorphisme.
• f est injective.
• f est surjective.
• ∃g ∈ L(F, E) tel que f ◦ g = IdE .
• ∃g ∈ L(F, E) tel que g ◦ f = IdF .
• f transforme une base de E on une base F.

• Rang(f ) = n. (NB. Rang(f ) = Rang MatB,B0 (f ) )
• MatB,B0 (f ) est inversible.
• det(f ) , 0.
Exercice 37
Soient a0 , a1 , ..., an des éléments deux à deux distincts de K. Montrer que l’application ψ : Kn [X] → Kn+1 définie par
ψ(P ) = (P (a0 ), P (a1 ), ..., P (an ))
est un isomorphisme de K−espace vectoriel.
Solution .
Soient λ, µ ∈ K et P , Q ∈ Kn [X]. Clairement ψ(λP + µQ) = λψ(P ) + λψ(Q).
Soit P ∈ Kerψ. On a ψ(P ) = (0, ..., 0) donc P (a0 ) = P (a1 ) = .... = P (an ) = 0.
Or degP ≤ n et P admet au moins n + 1 racines distinctes donc P = 0.
Par suite Kerψ = {0} donc ψ est injectif. De plus dimKn [X] = dim K n+1 donc ψ est un isomorphisme
Exercice 38
1. Déterminer la matrice relative aux bases canoniques de applications linéaires f : R3 [x] → R3 [X] définie par
∀P ∈ R3 [X] : f (P (X)) = P (X + 1) et montrer que f est un automorphisme.
2. Montrer que l’application g : R[x] → R[X] définie par ∀P ∈ R[X] : f (P (X)) = P (X + 1) est un automorphisme.
Solution . 1. La base canonique de R3 [X] est B = (1, X, X 2 , X 3 ), or
Année 2021-2022 23
f (1) = 1
f (X) = 1 + X
f (X 2 ) = (1 + X)2 = 1 + 2X + x2
f (X 3 ) = (1 + X) = 1 + 3X + 3X 2 + X 3
donc  
 1 1 1 1 
 0 1 
 2 3 
MatB (f ) =  
 0 0 1 3 
 
0 0 0 1
donc det(MatB (f )) = 1 , 0, c-a-d MatB (f ) est inversible, par suite f est un isomorphisme.
NB : f −1 est l’application de R3 [X] dans R3 [X] définie par, ∀P ∈ R3 [X],
f −1 (P ) = P (X − 1)
2. f est linéaire de R[X] dans R[X], donc c’est un endomorphisme.

Montrons que f est bijective :
la famille B = (X k )k∈N est une base de R[X] et ∀k ∈ N, deg(f (X k )) = deg((X + 1)k ) = k
donc la famille (f (X k ))k∈N est une base de R[X].
donc f transforme une base de R[X] on une base de R[X]
d’où f est un automorphisme.
Exercice 39
Pour les applications linéaires suivantes, déterminer Ker fi et Im fi . En déduire si fi est injective, surjective, bijective.
f1 : R2 → R2 f1 (x, y) = (2x + y, x − y)
f2 : R3 → R3 f2 (x, y, z) = (2x + y + z, y − z, x + y)
f3 : R2 → R4 f3 (x, y) = (y, 0, x − 7y, x + y)
f4 : R3 [X] → R3 f4 (P ) = (P (−1), P (0), P (1))
3.6 Sous espaces supplémentaires
Méthodes 13.
Soient F et G deux sev de E, pour montrer que F et G sont supplémentaires dans E (E = F ⊕ G) deux cas ce pose :
1. 1 er cas : Si dim(E), dim(F) ou dim(G) est infinie ou inconnue :
• Méthode 1 : Montrer que E = F + G et F ∩ G = {0}.

• Méthode 2 : Montrer que la juxtaposition d’une base de F est d’une base de G est une base de E.
• Méthode 3 : Montrer que E = F + G et ∀(xF , xG ) ∈ F × G, xF + xG = 0 ⇒ xF = xG = 0.
• Méthode 4 : Montrer que ∀x ∈ E, ∃!(xF , xG ) ∈ F × G tel que x = xF + xG .
2. 2 ème cas : Si dim(E), dim(F), dim(G) ∈ N∗ et textdim(E) = dim(F) + dim(G)
les assertions suivantes sont équivalents :
• Méthode 1 : Montrer que E = F + G.
• Méthode 2 : Montrer que F ∩ G = {0}
• Méthode 2 : Montrer que la juxtaposition d’une base de F est d’une base de G est une base de E.
NB : Pour montrer que E = F + G on procède souvent par analyse synthèse. On prend x ∈ E et on suppose qu 0 il s’écrit
x = y + z avec y ∈ F et z ∈ G. On utilise ensuite les propriétés de F et G pour essayer de trouver la valeur de y ou la valeur
de z. Ensuite, on passe à la synthèse.
Exercice 40
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
Année 2021-2022 24
Solution .
La seule fonction qui est la fois paire et impaire est la fonction nulle, donc P ∩ I = {0}.
Montrons qu’une E = P + I.
Soit f ∈ E. Montrons que f se décompose en une fonction paire et une fonction impaire. En effet :
— Analyse : Soit f ∈ E. on suppose ∃(g, h) ∈ P × I tel que ∀x ∈ R : f (x) = g(x) + h(x)
donc ∀x ∈ R : f (−x) = g(−x) + h(−x) = g(x) − h(x).
f (x) + f (−x) f (x) − f (−x)
donc g(x) = et h(x) =
2 2
— Synthèse : On pose
f (x) + f (−x) f (x) − f (−x)

g(x) = et h(x) =
2 2
On a g est paire et h est impaire. et f = g + h.
Donc ∀f ∈ E, ∃(g, h) ∈ P × I tel que f = g + h.
Donc E ⊂ P + I or P + I ⊂ E
Donc E = P + I
Bilan : E = P ⊕ I
Remarque 8. — Si A = (ai,j ) ∈ Mn,p (K), on appelle transposée de A la matrice AT ∈ Mp,n (K) définie par
∀(i, j) ∈ [|1, p|] × [|1, n|] : [AT ]i,j = aj,i .
Exemples :
  !
 1 2 
  1 1 1
Si A =  1 3 , AT =
  2 3 4
1 4
On a les formules :
(A + B)T = AT + BT
(AB)T = BT AT .
— Soit A ∈ Mn (K), A est dit symétrique ssi AT = A. l’ensemble des matrices symétriques de Mn (K) est notée Sn (K), c’est
n(n + 1)
un sev de dimension .
2
— Soit A ∈ Mn (K), A est dit antisymétrique ssi AT = −A. l’ensemble des matrices antisymétriques de Mn (K) est notée
n(n − 1)
An (K). , c’est un sev de dimension .
2
Exercice 41
Montrer que Sn (K) ⊕ An (K) = Mn (K)
Solution .
— Méthode 1 : Soit M ∈ Sn (K) ∩ An (K). donc M T = M = −M c-a-d M = −M.

donc M = 0.
par suite ∀M ∈ Sn (K) ∩ An (K), M = 0,
donc Sn (K) ∩ An (K) = 0, or dimSn (K) + dimAn (K) = n2 = dimMn (K). alors Sn (K) ⊕ An (K) = Mn (K).
M + MT M − MT M + MT M − MT
— Méthode 2 : ∀M ∈ Mn (K), M = + , avec ∈ Sn (K) et ∈ An (K).
2 2 2 2
2
donc Sn (K) + An (K) = Mn (K), or dimSn (K) + dimAn (K) = n = dimMn (K). alors Sn (K) ⊕ An (K) = Mn (K).
Remarque 9. Projecteur
Définition : Soient F et G deux sous-espaces supplémentaires de E, l’application p de E dans E qui tout vecteur x de E
associe le vecteur y de F tel que x = y + z avec (y, z) ∈ F × G est appelée projecteur (ou projection vectorielle) de E sur F
parallèlement G.
Propriétés : soit p le projecteur de E sur F parallèlement G.
— p est un endomorphisme de E.
— p ◦ p = p.
Année 2021-2022 25
— Kerp = G et Im p = F, F est l’ensemble des vecteurs invariants par p c-a-d ∀x ∈ F, p(x) = x.

— IdE − p est le projecteur de E sur G parallèlement F.
Caractérisation : soit p ∈ L(E). p est un projecteur si et seulement si p ◦ p = p. Dans ce cas, E = kerp ⊕ Imp = E et p est le
projecteur de E sur Imp parallèlement Kerp.
NB : soit p ∈ L(E). si p est un projecteur alors :
— p◦p = p
— ∀x ∈ Imp, p(x) = x et ∀x ∈ Ker p, p(x) = 0.
— E = Ker p ⊕ Imp
— En dimension finie Rang(p) = Tr(p).
— Si p et q sont des projecteurs de E alors p+q est un projecteur ssi p ◦q = q ◦p = 0. et dans ce cas Im(p +q) = Im(p)+Im(q)
et Ker(p + q) = Ker(p) ∩ Ker(q).
Preuve :
— x ∈ Imp ⇒ ∃y ∈ E / x = p(y). Mais alors p(x) = p2 (y) = p(y) = x. Donc,
∀x ∈ E, (x ∈ Imp ⇒ p(x) = x).
Réciproquement, si p(x) = x alors bien sr, x est dans Imp

Par suite Imp = {x ∈ E | p(x) = x}
— Montrons que E = Ker p ⊕ Imp
- Soit x ∈ Kerp ∩ Imp. Alors, d’une part p(x) = 0 et d’autre part, p(x) = x. donc x = 0
Par suite Kerp ∩ Imp = {0}.
- Montrons que Kerp + ∩Imp = E
analyse : Soit x ∈ E, on suppose qu’il existe (y, z) ∈ Kerp × Imp, tel que x = y + z
donc p(x) = p(y) + p(z) = z, par suite y = x − p(x) et z = p(x)
synthèse : On a x = x − p(x) + p(x) ∈ Kerp ⊕ Imp, donc E ⊂ Kerp + Imp
d’où E = Kerp + Imp
Conclusion : E = Kerp ⊕ Imp
Exercice 42
E = Kn où K est un sous-corps de C.
Soient F = {(x1 , ..., xn ) ∈ E | x1 + ... + xn = 0} et G = V ect((1, ..., 1)).
1. Montrer que F est un sous-espace vectoriel de E.
2. Montrer que F et G sont supplémentaires dans E.
3. Préciser le projeté d’un vecteur x de E sur F parallèlement G et sur G parallèlement F.
Solution .
1. F est le noyau d’une forme linéaire non nulle sur E et est donc un hyperplan de E. par suite F est un sev de E et
dim F = n − 1
2. Soit x = (x1 , ..., xn ) un élément de F ∩ G. Il existe λ ∈ K tel que x = (, ..., λ) et nλ = 0 et donc λ = 0 puis x = 0.
Donc F ∩ G = {0}. De plus dim(F) + dim(G) = n − 1 + 1 = n = dim(E) < +∞ et donc F ⊕ G = E.
1X
n
3. Soit x = (x1 , ..., xn ) un vecteur de E. Soit λ ∈ K. x − (λ, ..., λ) ∈ F ⇔ (x1 − λ) + ... + (xn − λ) = 0 ⇔ λ = xi .
n
i=1
Le projeté de x sur G parallèlement F est donc
1X
n
xG = xi (1, ..., 1)
n
i=1
et le projeté de x sur F parallèlement G est
1X
n
xF = x − xi (1, ..., 1)
n
i=1
Année 2021-2022 26
Exercice 43
Soit n ∈ N∗ , E est l’ensemble des applications de R dans C quin sont de classe C n , F est l’ensemble
o des applications
polynomiales de R dans C de degré inférieur ou égal n et G = f ∈ E/∀p ∈ {0, . . . , n}, f (p) (0) = 0 .
1. Montrer que F et G sont deux sous-espaces vectoriels supplémentaires dans E.
2. Préciser ce qu’est la projection sur F parallèlement G.
Solution .
1. On sait que F est un sous-espace vectoriel. De plus, G , ∅. Soit (f , g, λ)G2 × K. Alors ∀p ∈ ~0, n, (f + λg)(p) (0) =
f (p) (0) + λg (p) (0) = 0, donc f + λg ∈ G, donc G est bien un sous-espace vectoriel.
Montrons que F ⊕ G = E
X
n
Soit f ∈ F ∩ G. Alors il existe (a0 , . . . , an ) ∈ Rn+1 tels que ∀x ∈ R, f (x) = ak X k . Alors, pour tout p ∈ ~0, n, f (p) (0) =
k=0
p!ap = 0 car f ∈ G. Comme p! , 0, on a bien ap = 0, finalement, f = 0. Donc F ∩ G = 0 Soit f ∈ E. Posons pour tout
X
n
f (p) (0) k
x ∈ R, g(x) = x et h(x) = f (x) − g(x).
p!
p=0
Alors g ∈ G et h ∈ F et f = h + g, donc F + G = E.F et G sont donc supplémentaires.
2. La projection sur F parallèlement G associe une fonction f est la partie principale de son développement limité
l’ordre n en 0.
Remarque 10. Symétrie

Définition : soient F et G deux sous-espaces supplémentaires de E, l’application s de E dans E qui tout vecteur x de E
associe le vecteur y − z de E où (y, z) est le couple de F × G tel que x = y + z est appelée symétrie vectorielle par rapport F
parallèlement G.
Propriétés : soit s la symétrie vectorielle par rapport F parallèlement G.
— s est un automorphisme involutif de E c-a-d s ◦ s = idE .
— L’ensemble des vecteurs invariants par s est F, l’ensemble des vecteurs transformés en leur opposé est G.
— −s est la symétrie vectorielle par rapport G parallèlement F.
— Si p est le projecteur de E sur F parallèlement G, on a les relations :
1
s = 2p − IdE , p = (Id + s).
2 E
Caractérisation : soit s ∈ L(E). s est une symétrie vectorielle si et seulement si s ◦ s = IdE . Alors s est la symétrie par rapport
F = {x ∈ E | s(x) = x} = Ker(s − IdE ) parallèlement G = {x ∈ E | s(x) = −x} = Ker(s + IdE ).
NB : Si s ∈ L(E) est une symétrie alors Ker(s + IdE ) ⊕ Ker(s − IdE ) = E
Remarque 11. forme linéaire

Définition :
— On appelle forme linéaire sur E toute application linéaire de E dans K. On note E ∗ l’ensemble des formes linéaires
sur E, on l’appelle le dual de E.
Si E est de dimension finie, alors dim(E) = dim(E ∗ ).
— On appelle hyperplan de E tout noyau d’une forme linéaire linéaire non nul de E.
Propriété :
— Si H est un hyperplan de E et si F est un sous-espace de E de dimension 1 non contenu dans H, alors H ⊕ F = E.
Réciproquement, tout supplémentaire d’une droite vectorielle est un hyperplan.
— Si E est de dimension finie, un sous-espace H de E est un hyperplan si et seulement si dim(H) = dim(E) − 1.
— Deux formes linéaires non nulles ont même noyau si et seulement si elles sont proportionnelles.
— Si E est de dimension n, l’intersection de m hyperplans de E est de dimension au moins égale n − m.
— Si B = (e1 , . . . , en ) est une base de E, un hyperplan H de E peut toujours s’écrire sous la forme H = {x ∈ E; a1 x1 +
· · · + an xn = 0} où les xi sont les coordonnées de x dans la base B et où les ai sont des éléments de K. L’écriture
a1 x1 + · · · + an xn = 0 s’appelle une équation de l’hyperplan.
Année 2021-2022 27
Exercice 44
Soit ϕ une forme linéaire sur Mn (R) vérifiant ϕ(AB) = ϕ(BA) pour toutes matrices A, B ∈ Mn (R). Montrer qu’il existe
λ ∈ R tel que ϕ(M) = λTr(M).
Solution . Soit i, j, k, l dans {1, . . . , n}. On pose A = Ei,j et B = Ek,l , de sorte que
AB = δj,k Ei,l et BA = δl,i Ek,j .
On a donc
δj,k ϕ(Ei,l ) = δl,i ϕ(Ek,j ).
— pour j = k et i , l, on a ϕ(Ei,l ) = 0 ;
— pour j = k et i = l, on a ϕ(Ei,i ) = ϕ(Ek,k ).
Si on pose λ = ϕ(E1,1 ), on a donc
 
 X  X X
n
 
ϕ(M) = ϕ  [A]i,j Ei,j  = [A]i,j ϕ(Ei,j ) = [A]i,i ϕ(Ei,i ) = λTr(M).
 
1≤i,j≤n 1≤i,j≤n i=1
Exercice 45
Soient E un K-espace vectoriel de dimension finie n ⩾ 1 et f un endomorphisme de E Pour tout p ∈ N, on pose

Ip = Im f p et Np = ker f p

1. Montrer que Ip est décroissante tandis que Np est croissante.
p⩾0 p⩾0
2. Montrer qu’il existe s ∈ N tel que Is+1 = Is et Ns+1 = Ns .
3. Soit r le plus petit des entiers s ci-dessus considérés. Montrer que ∀s ⩾ r, Is = Ir et Ns = Nr .
4. Montrer que Ir et Nr sont supplémentaires dans E.
Solution .
y ∈ Im f p+1 , ∃⃗
1. ∀⃗ x ∈ E, y⃗ = f p+1 (⃗
x) = f p (f (⃗
x)) ∈ Im f p donc Ip+1 ⊂ Ip . ∀⃗
x ∈ ker f p , on a f p (⃗
x) = ⃗o donc f p+1 (⃗
x) = f (⃗o) = ⃗o
p+1
puis x⃗ ∈ ker f . Ainsi Np ⊂ Np+1
2. La suite dim Ip est une suite décroissante d’entiers naturels donc il existe s ∈ N tel que dim Is = dim Is+1 . Par inclusion
et égalité des dimensions, on a alors Is = Is+1
De plus, par le théorème du rang :
dim Ns = dim E − dim Is = dim E − dim Is+1 = dim Ns+1
Par inclusion et égalité des dimensions, on a alors Ns = Ns+1 .

3. Montrons par récurrence sur s ⩾ r que Is = Ir .
La propriété est vraie au rang r.
Supposons la propriété vraie au rang s.
On sait déj que Is+1 ⊂ Is donc ∀⃗y ∈ Is , ∃⃗ x) = f s−r (f r (⃗
x ∈ E tel que y⃗ = f s (⃗ x))
r r r+1
Or f (⃗x) ∈ Ir = Ir+1 donc ∃⃗
u ∈ E tel que f (⃗ x) = f u ) et alors y⃗ = f s+1 (⃗
(⃗ u ) ∈ Is+1
Ainsi Is+1 = Is puis, par hypothèse de récurrence : Is+1 = Ir
Par le théorème du rang : dim Nr + dim Ir = dim E = dim Ns + dim Is donc par inclusion et égalité des dimensions :
∀s ⩾ r, Ns = Nr .
⃗ ∈ E tel que x⃗ = f r (⃗
4. Soit x⃗ ∈ Ir ∩ Nr . Il existe u u ) et on a f r (⃗
x) = ⃗o
r
Par suite u ⃗ ∈ N2r , or N2r = Nr donc x⃗ = f (⃗ u ) = ⃗o.
Par suite Ir ∩ Nr = {⃗o} De plus, par le théorème du rang : dim Ir + dim Nr = dim E donc Ir et Nr sont supplémentaires
dans E
Exercice 46
Soit f un endomorphisme d’un K-espace vectoriel E de dimension finie. Montrer que les assertions suivantes sont
équivalentes :
1. Im f et ker f supplémentaires dans E
Année 2021-2022 28
2. E = Im f + ker f
3. Im f 2 = Im f
4. ker f 2 = ker f
Solution .
(i) ⇒ (ii) : ok
⇒ (iii) Supposons E = Im f + ker f
L’inclusion Im f 2 ⊂ Im f est vraie indépendamment de l’hypothèse.
∀y ∈ Im f , ∃x ∈ E tel que y = f (x). Or on peut écrire x = u + v avec u ∈ Im f et v ∈ ker f
Puisque u ∈ Im f , on peut écrire u = f (a) avec a ∈ E. On a alors
y = f (f (a) + v) = f 2 (a) + f (v) = f 2 (a) ∈ Im f 2 . Ainsi Im f ⊂ Im f 2 puis l’égalité.
(iii) ⇒ (iv) Supposons Im f 2 = Im f .
Par le théorème du rang : dim E = rg f + dim ker f = rg f 2 + dim ker f 2 donc dim ker f = dim ker f 2
De plus l’inclusion ker f ⊂ ker f 2 est toujours vraie.
Par inclusion et égalité des dimensions : ker f = ker f 2 .
(iv) ⇒ (i) Supposons ker f = ker f 2 .
Soit y ∈ Im f ∩ ker f . On peut écrire y = f (x) avec x ∈ E. Or f (y) = 0 donc f 2 (x) = 0. Ainsi x ∈ ker f 2 = ker f et par suite
y = f (x) = 0.
Finalement le théorème du rang dim E = dim Im f + dim ker f donc Im f et ker f supplémentaires dans E
Remarque : forme linéaire Définition :

— On appelle forme linéaire sur E toute application linéaire de E dans K. On note E ∗ l’ensemble des formes linéaires
sur E, on l’appelle le dual de E.
Si E est de dimension finie, alors dim(E) = dim(E ∗ ).
— On appelle hyperplan de E tout noyau d’une forme linéaire linéaire non nul de E.
Propriété :
— Si H est un hyperplan de E et si F est un sous-espace de E de dimension 1 non contenu dans H, alors H ⊕ F = E.
Réciproquement, tout supplémentaire d’une droite vectorielle est un hyperplan.
— Si E est de dimension finie, un sous-espace H de E est un hyperplan si et seulement si dim(H) = dim(E) − 1.
— Deux formes linéaires non nulles ont même noyau si et seulement si elles sont proportionnelles.
— Si E est de dimension n, l’intersection de m hyperplans de E est de dimension au moins égale n − m.
— Si B = (e1 , . . . , en ) est une base de E, un hyperplan H de E peut toujours s’écrire sous la forme H = {x ∈ E; a1 x1 +
· · · + an xn = 0} où les xi sont les coordonnées de x dans la base B et où les ai sont des éléments de K. L’écriture
a1 x1 + · · · + an xn = 0 s’appelle une équation de l’hyperplan.
Exercice 47
Soit ϕ une forme linéaire sur Mn (R) vérifiant ϕ(AB) = ϕ(BA) pour toutes matrices A, B ∈ Mn (R). Montrer qu’il existe
λ ∈ R tel que ϕ(M) = λTr(M).
Solution . Soit i, j, k, l dans {1, . . . , n}. On pose A = Ei,j et B = Ek,l , de sorte que
AB = δj,k Ei,l et BA = δl,i Ek,j .
On a donc
δj,k ϕ(Ei,l ) = δl,i ϕ(Ek,j ).
— pour j = k et i , l, on a ϕ(Ei,l ) = 0 ;
— pour j = k et i = l, on a ϕ(Ei,i ) = ϕ(Ek,k ).
Si on pose λ = ϕ(E1,1 ), on a donc
 
 X  X X
n
 
ϕ(M) = ϕ  [A]i,j Ei,j  = [A]i,j ϕ(Ei,j ) = [A]i,i ϕ(Ei,i ) = λTr(M).
 
1≤i,j≤n 1≤i,j≤n i=1
Année 2021-2022 29
4 Dterminant
Méthodes 14.
Mthode pour le calcul pratique des dterminants :
1. Le dterminant d’une matrice triangulaire est gal au produit des coefficients diagonaux.
2. Effectuer des oprations lmentaires sur les lignes et les colonnes pour se ramener à une matrice triangulaire su-
prieure.
• ] Ajouter à une ligne une combinaison linaire des autres lignes ne change pas le dterminant.
• Echanger deux lignes multiplie le dterminant par −1.
• Multiplier une ligne par λ multiplie le dterminant par λ.
• Multiplier une colonne par λ multiplie le dterminant par λ.
3. Si A est triangulaire par blocs, ie si A s’crit !
B D
A= ,
0 C
alors det(A) = det(B)det(C).
4. Si A ∈ Mn (K) et si i, j ∈ {1, . . . , n}, on appelle mineur d’indices i, j le dterminant obtenu partir de A en supprimant
la i-me ligne et la j-ime colonne. On le note ∆i,j .
• Dveloppement par rapport la i-me ligne :
X
n
det(A) = (−1)i+j ai,j ∆i,j .
j=1
• Dveloppement par rapport la j-me colonne :
X
n
det(A) = (−1)i+j ai,j ∆i,j .
i=1
5. Dvelopper suivant une ligne ou une colonne (aprs ventuellement avoir effectu des oprations lmentaires) dans
l’espoir d’obtenir une formule de rcurrence
Exercice 48
Calculer le dterminant suivant :

1 1 1 1
1 −1 1 1
.
1 1 −1 1
1 1 1 −1
Solution .
Notons D le dterminant que l’on cherche calculer. En enlevant la premire ligne toutes les autres, on trouve que
1 1 1 1
0 −2 0 0
D= .
0 0 −2 0
0 0 0 −2
On a une matrice triangulaire suprieure, et donc D = −8.
Exercice 49
1+a a a
Montrer que D = b 1+b b = 1 + a + b + c.
c c 1+c
Année 2021-2022 30
Solution .
On somme tout sur la premire ligne. On obtient une ligne compose de 1 + a + b + c qu’on peut extraire du dterminant,
c’est--dire qu’on obtient
1 1 1
D = (1 + a + b + c) b 1 + b b .
c c 1+c
On retire ensuite b fois la premire ligne la seconde, et c fois la premire ligne la troisime. On obtient alors
1 1 1
D = (1 + a + b + c) 0 1 0 .
0 0 1
Il reste une matrice triangulaire suprieure, avec des 1 sur la diagonale. Celle-ci est de dterminant 1 et donc D = 1+a+b +c.
Exercice 50
Calculer en mettant en vidence la factorisation le dterminant suivant :

1 cos a cos 2a
D= 1 cos b cos 2b .
1 cos c cos 2c
Solution .
On commence par faire apparaitre des 0 sur la premire colonne, puis on transforme la troisime colonne en utilisant la
formule
cos 2b − cos 2a = 2 cos2 b − 2 cos2 a.
On trouve successivement :
1 cos a cos 2a 1 cos a cos 2a

D= 0 cos b − cos a cos 2b − cos 2a = 0 cos b − cos a 2 cos2 b − 2 cos2 a .
0 cos c − cos a cos 2c − cos 2a 0 cos c − cos a 2 cos2 c − 2 cos2 a
On obtient alors, en utilisant que cos b − cos a (resp. cos c − cos a) est un facteur commun de la deuxime (resp. troisime)
ligne :
1 cos a cos 2a
D = 0 cos b − cos a 2(cos b − cos a)(cos b + cos a)
0 cos c − cos a 2(cos c − cos a)(cos c + cos a)
1 cos a cos 2a
= (cos b − cos a)(cos c − cos a) 0 1 2(cos b + cos a) .
0 1 2(cos c + cos a)
On fait apparaitre un dernier zro en soustrayant la deuxime ligne la troisime, puis on dveloppe le dterminant d’une
matrice triangulaire suprieure :
1 cos a cos 2a
D= 0 1 2(cos b + cos a) = 2(cos b − cos a)(cos c − cos a)(cos c − cos b).
0 0 2(cos c − cos b)
Remarquer la symtrie (prvisible) entre les variables a, b, c dans cette expression.
Exercice 51
Pour α ∈ R, on considre  
 1 3 α 
 
Mα =  2 −1 1  .
 
−1 1 0
Dterminer les valeurs de α pour lesquelles l’application linaire associe Mα est bijective.
Solution .
L’application linaire associe Mα est bijective si et seulement si la matrice Mα est inversible, si et seulement si le dterminant
Année 2021-2022 31
de Mα est non-nul. On calcule donc ce dterminant. En ajoutant L3 L1 et 2L3 L2 , on trouve :
0 4 α
4 α
det(Mα ) = 0 1 1 = −1 = α − 4.
1 1
−1 1 0
L’application linaire associe Mα est donc bijective si et seulement si α , 4.
Exercice 52
Soit ∆n le dterminant de taille n suivant :
3 1 0 ... 0
.. ..
2 3 1 . .
..
∆n = 0 2 3 . 0 .
.. .. .. ..
. . . . 1
0 ... 0 2 3
1. Dmontrer que, pour tout n ≥ 1, on a ∆n+2 = 3∆n+1 − 2∆n .

2. En dduire la valeur de ∆n pour tout n ≥ 1.
Solution .
1. On dveloppe suivant la premire colonne. On trouve
3 1 0 ... 0 1 0 0 ... 0
.. .. .. ..
2 3 1 . . 2 3 1 . .
.. ..
∆n+2 = 3 0 2 3 . 0 −2 0 2 3 . 0 .
.. .. .. .. .. .. .. ..
. . . . 1 . . . . 1
0 ... 0 2 3 0 ... 0 2 3
Le premier dterminant est ∆n+1 . Pour le second, on dveloppe par rapport la premire ligne, et on retrouve alors ∆n
(on a barr 2 lignes et 2 colonnes). Ceci nous donne la formule voulue.
2. On a une suite rcurrente linaire d’ordre 2, dont l’quation caractristique est r 2 = 3r − 2. Ses racines sont r = 1 et r = 2.
On en dduit qu’il existe λ, µ ∈ R tels que, pour tout n ≥ 1, on a
∆n = λ2n + µ1n .
Mais ∆1 = 3 et ∆2 = 7, ce qui donne le systme

(
2λ + µ = 3
4λ + µ = 7.
On en dduit immdiatement que λ = 2 et µ = −1. Ainsi, pour tout n ≥ 1, on a
∆n = 2n+1 − 1.
Exercice 53
Soit n ≥ 2 et α1 , . . . , αn n nombres complexes distincts. On se propose de calculer le dterminant suivant :
1 1 ... ... 1
α1 α2 ... ... αn
V (α1 , . . . , αn ) = α12 α22 ... ... αn2 .
.. .. ..
. . .
α1n−1 α2n−1 ... ... αnn−1
1. Calculer V (α1 , α2 ) et V (α1 , α2 , α3 ). On les donnera sous forme factorise.

2. Dmontrer que V (α1 , . . . , αn−1 , x) est une fonction polynmiale de x dont on prcisera le degr.
Année 2021-2022 32
Y
n−1
3. En dduire que V (α1 , . . . , αn−1 , x) = V (α1 , . . . , αn−1 ) (x − αi ).
i=1
4. En dduire l’expression gnrale de V (α1 , . . . , αn ).
Solution .
1. Un calcul immdiat montrer que V (α1 , α2 ) = α2 − α1 . On a ensuite :
1 1 1
V (α1 , α2 , α3 ) = α1 α2 α3
α12 α22 α32
1 0 0
= α1 α2 − α1 α3 − α1
α12 α22 − α12 α32 − α12
α2 − α1 α3 − α1
=
(α2 − α1 )(α2 + α1 ) (α3 − α1 )(α3 + α1 )
1 1
= (α2 − α1 )(α3 − α1 )
α2 + α1 α3 + α1
= (α2 − α1 )(α3 − α1 )(α3 − α2 ).
2. On pose P (x) = V (α1 , . . . , αn−1 , x). Alors si on dveloppe ce dterminant par rapport la dernire colonne, on trouve que
P est un polynme de degr au plus n − 1, et de coefficient devant xn−1 gal V (α1 , . . . , αn−1 ).
3. On remarque que α1 , . . . , αn−1 sont n racines distinctes de P (puisque dans ce cas le dterminant comporte deux
colonnes identiques). On en dduit donc, d’aprs la question prcdente, que
Y
n−1
V (α1 , . . . , αn−1 , x) = V (α1 , . . . , αn−1 ) (x − αi ).
i=1
4. On value la formule prcdente en x = αn . En s’aidant des deux premires questions, on dmontre par rcurrence que
Y
V (α1 , . . . , αn ) = (αj − αi ).
1≤ilt;j≤n
Exercice 54
Soit A = (ai,j ) ∈ Mn (R). On note A(x) la matrice dont le terme gnral est ai,j + x.
1. Montrer que la fonction x 7→ det(A(x)) est une fonction polynmiale de degr infrieur ou gal 1.
2. Pour a et b deux rels distincts et α1 , . . . , αn ∈ R, en dduire la valeur du dterminant suivant
α1 a ... a
.. ..
b α2 . .
.. .
.. ..
. . . a
b ... b αn
Solution .
1. Retranchons la premire colonne toutes les autres colonnes. Alors le dterminant de A(x) est gal au dterminant d’une
matrice dont la premire colonne est constitue par des termes du type ai,1 + x et tous les autres coefficients sont des
constantes (ne dpendent pas de x). Si on dveloppe ce dterminant par rapport la premire colonne, on trouve que
X
n
det(A(x)) = (−1)i (ai,1 + x) det(Ai )
i=1
o Ai est une matrice coefficients rels. D’o le rsultat.
Année 2021-2022 33
2. Soit D(x) le dterminant de la matrice obtenue en ajoutant x chacun des coefficients. D’aprs la question prcdente, on
sait que D(x) = λx + µ pour des rels λ et µ. De plus, D(−a) est le dterminant d’une matrice triangulaire infrieure dont
les lments diagonaux sont αi − a. D’o
Y n
D(−a) = (αi − a).
i=1
De mme, on a
Y
n
D(−b) = (αi − b).
i=1
λ et µ se dduisent alors facilement par la rsolution d’un systme 2 × 2 :


 D(−b) − D(−a)


 λ = a−b

 aD(−b) − bD(−a)


 µ = .
a−b
Ce qui nous intresse est la valeur D(0), soit
Qn Qn
a i=1 (αi − b) − b i=1 (αi − a)
D(0) = .
a−b
Exercice 55
Soit x ∈ R. Calculer
1 + x2 −x 0 ... 0
.. ..
−x 1 + x2 −x . .
.. .. .. .
0 . . . 0
.. ..
. . −x 1 + x2 −x
0 ... 0 −x 1 + x2
Solution .
On note ∆n (x) le dterminant recherch. On remarque, en crivant la formule qui donne la dfinition du dterminant, que ∆n (x)
est un polynme de degr exactement gal 2n. De plus, le terme en x2n ne peut s’obtenir qu’en faisant le produit des termes
diagonaux. On en dduit que le coefficient devant x2n est gal 1. Calculons ensuite ∆n (x) en effectuant un dveloppement
suivant la premire ligne. On trouve
−x −x 0 ...
0 1 + x2 −x 0 ... 0
.. 2 .. ..
. −x 1+x −x . .
∆n (x) = (1 + x2 )∆n−1 (x) + x .. .. .. .
0 . . . 0
.. ..
. . −x 1 + x2 −x
0 0 ... 0 −x 1 + x2
On continue en effectuant un dveloppement suivant la premire colonne du dterminant restant. On trouve
∆n (x) = (1 + x2 )∆n−1 (x) − x2 ∆n−2 (x).
Pour trouver vraiment la valeur de ∆n (x), on calcule les premires itrations. On a
∆1 (x) = 1 + x2 , ∆2 (x) = 1 + x2 + x4 , . . .
On conjecture que ∆n (x) = 1 + x2 + · · · + x2n . Dmontrons ceci par rcurrence double. La proprit est vraie aux rangs n = 1 et
n = 2. Si elle est vraie simultanment aux rangs n−2 et n−1, la formule de rcurrence prcdente montre qu’elle est aussi vraie
au rang n. On obtient donc ∆n (x) = 1 + x2 + · · · + x2n .
Année 2021-2022 34
Exercice 56
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 ). et dduire det(xIn − A)
Solution .
−x ... ... 0 a0
.. ..
1 . . a1
det(A − xIn ) = .. .. .. ..
0 . . . .
.. .. .. ..
. . . −x .
0 ... 0 1 an−1 − x
X
n−2
= (−x)n−1 (an−1 − x) + (−1)n+k−1 ak ∆k
k=0
o ∆k est le dterminant suivant :

−x 0 ... 0 ∗ ... ... ∗
.. .. .. .. ..
∗ . . . . .
.. .. .. .. .. ..
. . . . . .
.. ..
∆k = ∗ . . −x ∗ ... ... ∗ .
0 ... ... 0 1 ∗ ... ∗
.. .. .. .. ..
. . 0 . . .
.. .. .. .. ..
. . . . . ∗
0 ... ... 0 0 ... 0 1
Ce dterminant ∆k se calcule par blocs (on a une matrice triangulaire suprieure par blocs). De plus, chacun des blocs
diagonaux est lui-mme triangulaire (infrieur pour le premier, suprieur pour le second). On en dduit que
∆k = (−x)k 1n−1−k
et donc que
X
n−2
det(A − xIn ) = (−x)n−1 (an−1 − x) + (−1)n+k−1 (−1)k ak xk
k=0
 
 X
n−1 
n 
= (−1) x −
n
ak x  .
k
k=0
par suite
X
n−1
det(xIn − A) = xn − ak x k .
k=0
Année 2021-2022 35
Exercice 57
Soient a1 , . . . , an des nombres complexes, ω = e2iπ/n , et A et M les matrices suivantes :

 
 a1 a2 a3 . . . an 
 
 an a1 a2 . . . an−1 
A =  . .. .. ..

..  ,
 .. . . . . 
 
a2 a3 . . . . . . a1
 
 1 1 ... ... 1 
 ω2 ωn−1 
 1 ω ... 
M =  .. .. .. ..  .

 . . . . 
 
1 ωn−1 ω2(n−1) ... ω(n−1)(n−1)
Calculer det(AM) et en dduire det(A).
Solution .
Effectuons le calcul demand. La i-me ligne de A est
(an−i+2 . . . an a1 . . . an−i+1 ).
Si on multiplie cette ligne par la j-ime colonne de M, on obtient le coefficient
an−i+2 + an−i+3 wj−1 + · · · + a1 w(j−1)(i−1) + a2 w(j−1)i + · · · + an−i+1 w(j−1)(n−1) .
Si on factorise ce coefficient par w(j−1)(i−1) , on trouve qu’il est gal

w(j−1)(i−1) × a1 + a2 ωj−1 + · · · + an ω(j−1)(n−1) .
En notant
P (x) = a1 + a2 x + · · · + an xn−1 ,
on a donc obtenu que la j-me colonne de AM est gale la j-me colonne de M multiplie par P (ωj−1 ). Ceci entrane que
det(AM) = P (1)P (ω) . . . P (ωn−1 ) det(M).
Comme d’autre part

det(AM) = det(A) det(M)
et que le dterminant de M est non nul (c’est un dterminant de Vandermonde), on a :
det(A) = P (1)P (ω) . . . P (ωn−1 ).
Exercice 58
Soit u ∈ L(Rn [X]). Calculer det(u) dans chacun des cas suivants :
1. u(P ) = P + P 0 ;
2. u(P ) = P (X + 1) − P (X) ;
3. u(P ) = XP 0 + P (1).
Solution .
Cherchons la matrice de u dans la base canonique (1, X, . . . , X n ). On a u(1) = 1 et pour j ≥ 1, u(X j ) = X j + jX j−1 . Autrement
dit, la matrice de u dans la base canonique est
 
 1 1 0 ... 
 . . . 
 0 1 2 0
 
 .. .. 
 . 0 1 .  .
 
 .. .. .. 
 . n 
 . .
1
1. La matrice est triangulaire suprieure et on en dduit aisment que det(u) = 1.

Année 2021-2022 36
2. On peut appliquer la mme mthode ou remarquer plus simplement que u n’est pas injective, car les polynmes
constants sont dans ker(u). Ainsi, u n’tant pas inversible, det(u) = 0.
3. On calcule toujours la matrice de u dans la base (1, X, . . . , X n ). Puisque u(1) = 1 et u(X j ) = jX j + 1, la matrice est
triangulaire suprieure, de coefficients diagonaux 1, 1, 2, . . . , n. Ainsi, det(u) = n!.
Exercice 59
Soit A, B ∈ Mn (R). On suppose que A et B sont semblables sur C, ie qu’il existe P ∈ Gln (C) tel que A = P BP −1 . Montrer
que A et B sont semblables sur R.
Solution .
crivons A = P BP −1 sous la forme AP = P B. Soit P1 la partie relle de P , et P2 sa partie imaginaire. Alors, prenant la partie
relle puis la partie imaginaire de l’quation prcdente, et puisque A et B sont coefficients rels, on obtient AP1 = P1 B et
AP2 = BP2 . Ainsi, pour tout rel x, on a A(P1 + xP2 ) = (P1 + xP2 )B. Il suffit donc de prouver qu’il existe un rel x tel que P1 + xP2
est inversible. Posons Q(X) = det(P1 + XP2 ). Q est un polynme qui n’est pas identiquement nul puisque Q(i) = det(P ) , 0.
Ainsi, il existe un rel x tel que Q(x) , 0. Pour ce rel, la matrice M = (P1 + xP2 ) ∈ GLn (R), et A = MBM −1 .
Année 2021-2022 37

Revision - Partie 3

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

Revision - Partie 3

Transféré par

Droits d'auteur :

Formats disponibles

CPGE AL QALAM Mathématiques -PSI 2

Révision algèbre linéaire

1 Sous espace vectoriel

Exemple 1. Montrer que l’ensemble suivant est un sous-espaces vectoriel de R3

— Soient X = (x1 , x2 , x3 ), Y = (y1 , y2 , y3 ) ∈ F, etα ∈ R.

f est une application linéaire de plus F = ker(f ), donc F est un sev de R3

Montrer que les ensembles suivants sont des sous-espaces vectoriels ?

1. Montrons que E1 = {P ∈ R[X] tel que A|P } est un sev de R[X].

E2 = {x → α exp(−A(x)) | α ∈ R} = vect(x → exp(−A(x)))

, donc E2 est sev de D 1 (R, R).

avec ∀n ∈ N, un = 1 et vn = (−4)n , donc E4 est un sev de l’ensemble des suites réelles.

Soit U un sous-espace vectoriel de E, et

et linéaire, donc son noyau A est un sous-espace vectoriel de L(E).

2 Famille libre, famille génératrice, base

• (ei )1≤i≤n est libre ssi ∀λ1 , λ2 , ..., λn ∈ K,

• (ei )1≤i≤n est libre ssi rang((ei )1≤i≤n ) = n.

3. ème cas : si I est un intervalle de R

(ei )i∈I est dit génératrice de E ssi E = vect((ei )i∈I )

La méthode est identique : on évalue en αk et on trouve

Ainsi, on a prouvé que pour tout P ∈ E, on a

Pour tout entier 0 ⩽ k ⩽ n, on pose fk : R → R la fonction déﬁnie par fk (x) = ek.x

∀x ∈ R, φn (x) = cos(nx) et ψn (x) = cosn x

Soit E = RR . Pour tout n ∈ N, on pose fn : x 7→ xn

2. Par suite n + 1 ⩽ dim E pour tout n ∈ N, donc dim E = +∞

3 Matrice et application linéaire

∀x, y ∈ E, ∀λ ∈ K, f (λx + y) = λf (x) + f (y)

1. Il existe x⃗ < ker f p−1 car f p−1 , 0 par déﬁnition de p. Supposons

En composant par f p−1 la relation ci-dessus, on obtient

E est un K-espace vectoriel de dimension ﬁnie.

Soit E = Rn [X] et a0 , . . . , an , n + 1 réels distincts.

3.2 Matrice d’une famille de vecteurs dans une base

3.3 Matrice d’une application linéaires

Si E = F et B = C, la matrice MB,C est simplement noté MB .

2. Si E est de dimension ﬁnie n ∈ N∗ , B une base de E et f de L(E) alors :

Soit f l’application linéaire de R4 dans lui-mème déﬁni par f (x, y, z, t) = (x − y + z, y + z + t, 0, x + y + 3z + 2t).

Donc la matrice A est donnée par

Comment déterminer Ker(f ) ?

Pour le cas général on calcule

Donc la matrice est  ! ! 

f (P ) = f (R(X) − R(0) − R0 (0)X) = f (R(X)) − R(0)f (1) − R0 (0)f (X) = f (R) = Q

Donc notre polynôme P convient.

Calculer l’inverse de la matrice :  

1. Pour n ≥ 2, déterminer le reste de la division euclidienne de X n par X 2 − 3X + 2.

dont l’unique solution est an = 2n − 1 et bn = 2 − 2n .

An = (2n − 1)A + (2 − 2n )I3 .

Soit D = diag (a1 , . . . , an ) ∈ Mn (K) et

Soient n ∈ N⋆ , α1 , . . . , αn des complexes distincts, A = diag (α1 , . . . , αn ) et

C(A) = {M ∈ Mn (C), AM = MA}

Soient A ∈ Mn (R) et φ l’endomorphisme de Mn (R) déﬁni par

Exprimer la trace de φ en fonction de celle de A.

Soit f ∈ L(E) tel que f 2 = 0 !

3.5 Application linéaire injective, surjective ,isomorphisme

Pour montrer qu’une application linéaire est injective :

Pour montrer qu’une application linéaire est surjective :

On considère l’application linéaire f de R3 dans R4 déﬁnie par

1. Déterminer une base de Im(f ).

f (e1 ) = (1, −1, 0, 1)

ψ(P ) = (P (a0 ), P (a1 ), ..., P (an ))

est un isomorphisme de K−espace vectoriel.

Solution . 1. La base canonique de R3 [X] est B = (1, X, X 2 , X 3 ), or

2. f est linéaire de R[X] dans R[X], donc c’est un endomorphisme.

3.6 Sous espaces supplémentaires

• Méthode 1 : Montrer que E = F + G et F ∩ G = {0}.