Académique Documents
Professionnel Documents
Culture Documents
https://www.youtube.com/channel/UCWrHPjpNXZiGHqSw6hseiLw?view_as=subscriber
https://ettahrifouad1.wixsite.com/prepasmarrakech
22 octobre 2021
1
Algèbres linéaires
Sommaire
I) Espaces vectoriels 3
1) Sous espaces vectoriels . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
2) Intersection de sous espaces vectoriels . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
3) Espace vectoriel engendré par une partie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
4) Somme nie de sous espaces vectoriels . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
5) Famille libre . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
6) Famille génératrice . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
7) Bases . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
8) Propriétés de la dimension . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
9) Rang d'une famille de vecteurs . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
II) Applications linéaires 13
1) Dénitions et notations . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
2) Images d'un sous-espace vectoriel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
3) Détermination d'une application linéaire . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
4) Théorème du rang . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
5) Propriétés des formes linéaires et hyperplans . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
6) Projecteurs et symétries . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
a) Projecteurs . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
b) Symétries . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
III)Matrices 21
1) Quelques formules . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
2) Quelques types de matrices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
3) Matrices carrées inversibles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
4) Transposée d'une matrices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
5) Trace d'une matrice carrée . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
6) Matrice d'une famille de vecteurs . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
7) Matrice d'une application linéaire . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
8) Changement de bases . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
9) Matrices équivalentes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
10) Matrices semblables . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
IV)Déterminants 36
1) Déterminant d'une matrice carrée . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
a) Dénition et propriétés . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
b) Calcul du déterminant par la méthode de pivot . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
c) Développement par rapport à une ligne ou colonne . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40
d) Déterminant d'une matrice triangulaire par blocs . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
e) Formule d'inversion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
2) Déterminant d'un endomorphisme . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
3) Déterminant d'une famille de vecteurs . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
I) Espaces vectoriels
1) Sous espaces vectoriels
Dénition 1 (d'un sous espace vectoriel).
Soit E un K espace vectoriel et F une partie de E , on dit que F est un sous espace vectoriel de E si :
① F est non vide ;
② ∀α ∈ K, ∀x, y ∈ F, α.x + y ∈ F .
Exemples
1) {0} et E sont des sous espaces vectoriels (triviaux) de E .
i∈I
de E .
Exemple Soit I un intervalle non vide de R, ∀n ∈ N, Fn = C n (I, K) est un sous espace vectoriel de C(I, K) et Fn = C ∞ (I, K).
\
n∈N
⊠
Remarque 1.
En général, la réunion de deux sous espace vectoriel n'est pas un sous sous espace vectoriel comme le montre l'exemple
suivant :
F1 = {(x, 0) ∈ R2 , x ∈ R}, F2 = {(0, x) ∈ R2 , x ∈ R} sont deux sous espaces vectoriels de R2 , mais F1 ∪ F2 ne l'est pas
(car (1, 0) ∈ F1 ⊂ F1 ∪ F2 , (0, 1) ∈ F2 ⊂ F1 ∪ F2 , (1, 1) = (1, 0) + (0, 1) ∈/ F1 ∪ F2 )
Exercice 2
Soit F et G deux sous espaces vectoriels d'un K espace vectoriel E . Montrer que
F ∪ G est un sous espace vectoriel de E ⇐⇒ F ⊂ G ou G ⊂ F
Solution
L'implication indirecte est évidente, montrons l'autre implication.
Supposons que F ⊈ G et G ⊈ F , alors ∃x ∈ F tel que x ∈/ G et ∃y ∈ G tel que y ∈/ F
Comme x ∈ F ⊂ F ∪ G, y ∈ G ⊂ F ∪ G et F ∪ G est un ss-ev de E , alors x + y ∈ F ∪ G.
Si x + y ∈ F , alors y = (x + y) − x ∈ F , car x, x + y ∈ F et F est un ss-ev de E , ce qui est absurde
Si x + y ∈ G, alors x = (x + y) − y ∈ F , car y, x + y ∈ G et G est un ss-ev de E , ce qui est absurde
Ainsi F ⊂ G ou G ⊂ F ⊠
Théorème 1.
Soit A une partie d'un K-espace vectoriel E , alors
p
( )
vect(A) =
X
∗
αk ak , p ∈ N , ∀k ∈ [[1, p]], αk ∈ K, ak ∈ A
k=1
Remarque 2.
Si A = (a1 , ..., an ), alors ( )
n
vect(A) =
X
αk ak , ∀k ∈ [[1, n]], αk ∈ K, ak ∈ A
k=1
Exemple Soit p, q ∈ R, on considère l'équation diérentiel : y + py + qy = 0 et S l'ensemble des solutions réelles, alors S est
′′ ′
un ss-ev de C 2 (R, R) et on a :
Si p2 − 4q > 0, alors l'équation caractéristique (C) : r2 + pr + q = 0 admet deux solutions réelles distincts r1 et r2 ,
Dans ce cas S = vect(x 7−→ er1 x , x 7−→ er2 x ).
Si p2 − 4q = 0, alors l'équation caractéristique (C) : r2 + pr + q = 0 admet une solution double r1 = r2 = r,
Dans ce cas S = vect(x 7−→ erx , x 7−→ xex ).
Si p2 − 4q < 0, alors l'équation caractéristique (C) : r2 + pr + q = 0 admet deux solutions complexes conjuguées distincts
r1 = a + ib et r2 = a − ib,
Dans ce cas S = vect(x 7−→ eax cos(bx), x 7−→ eax sin(bx)).
⊠
k=1
Attention : pour p ≥ 3
∀i, j ∈ [[1, p]], i ̸= j, Fi ∩ Fj = {0} ⇏ la somme F1 + ... + Fp est directe
et
F1 ∩ ... ∩ Fp = {0} ⇏ la somme F1 + ... + Fp est directe
Comme le montre l'exemple suivant : E = R2 ,
F1 = vect(1, 0), F2 = vect(0, 1) et F3 = vect(1, 1) La somme n'est pas directe, car (1, 0) + (0, 1) + (−1, −1) = (0, 0) et
F1 ∩ F2 = {(0, 0)}, F1 ∩ F3 = {(0, 0)}, F2 ∩ F3 = {(0, 0)} et F1 ∩ F2 ∩ F3 = {(0, 0)}.
Dénition 4 (ss-ev supplémentaires).
Soit F1 , ..., Fp des sous espace vectoriels d'un K espace vectoriel E .
On dit que F1 , ..., Fp sont supplémentaires dans E si :
E = F1 + ... + Fp et la somme F1 + ... + Fp est directe.
Autrement dit :
∀x ∈ E, ∃!(x1 , ..., xp ) ∈ F1 × ... × Fp , x = x1 + ... + xp
p
Dans ce cas on note E = F1 ⊕ ... ⊕ Fp = Fk .
M
k=1
Solution
• Soit A ∈ Sn (R) ∩ An (R), donc t A = A et t A = −A, d'où A = −A, soit A = 0, ainsi Sn (R) ∩ An (R) = {0}.
1 1
• Comme ∀A ∈ Mn (R), A = (A + t A) + (A − t A),
|2 {z } |2 {z }
∈Sn (R) ∈An (R)
Alors Mn (R) = Sn (R) + An (R).
On conclut alors que Mn (R) = Sn (R) ⊕ An (R) ⊠
Exercice 3
Soit E = R[X] et F = {P ∈ E, 1 est racine multiple}.
Montrer que E = F ⊕ R1 [X].
Solution
• Montrons que F ∩ R1 [X] = {0}.
Soit P ∈ F ∩ G, alors P (1) = P (1) = 0 et ∃α, β ∈ R tels que P = α.X + β
′
② Une famille innie (xi )i∈I de vecteurs de E est dite libre si toute sous famille nie de (xi )i∈I est libre
Autrement dit : pour tout i1 , ..., ip ∈ I deux à deux distincts, la famille (xi1 , ..., xip ) est libre.
③ Si la famille n'est pas libre, on dit qu'elle est liée.
Remarque 4.
① ∀x ∈ E, (x) est libre ⇐⇒ x ̸= 0
∃α ∈ K, x = α.y
② ∀x, y ∈ E, (x, y) est libre ⇐⇒ ou
∃β ∈ K, y = β.x
③ Les propositions suivantes sont équivalentes :
i) Une famille (x1 , ..., xp ) de vecteurs de E est liée
p
ii) ∃(α1 , ..., αp ) ∈ Kp \ {(0, ..., 0)},
X
αk xk = 0
k=1 X
iii) ∃i ∈ [[1, p]] et (λk )k̸=i ∈ Kp−1 , xi = λk xk
k̸=i
Exercice 4
Pour n ∈ N∗ , on considère la fonction fn dénie par
∀x ∈ R, fn (x) = sin(nx).
Z 2π
① Calculer fn (x)fm (x)dx
0
② En déduire que la famille (fn )n∈N∗ est libre.
Solution
1
① On sait que ∀a, b ∈ R, sin(a) sin(b) = (cos(a − b) − cos(a + b))
2
Si n ̸= m, alors
Z 2π Z 2π
1
fn (x)fm (x)dx = (cos((n − m)x) − cos((n + m)x))dx
0 2 0
2π
1 sin((n − m)x) sin((n + m)x)
= −
2 n−m n+m 0
= 0
car ∀k ∈ Z, sin(kπ) = 0
Si n = m, alors
Z 2π Z 2π
1
fn (x)fn (x)dx = (1 − cos((n + m)x))dx
0 2 0
2π
1 sin((n + m)x)
= x−
2 n+m 0
= π
Z 2π
On conclut que fn (x)fm (x)dx = πδn,m
0
② Déduisons que la famille (fn )n∈N∗ est libre.
Soit n1 , ..., np ∈ N∗ deux à deux distincts, montrons que la famille (fn1 , ..., fnp ) est libre.
Xp
=⇒ αk δnk ,nj = 0
k=1
Xp
=⇒ αk δnk ,nj + αj δnj ,nj = 0
k=1
k̸=j
| {z }
=0
=⇒ αj = 0
6) Famille génératrice
Soit E un K-espace vectoriel.
Remarque 5.
(xi )i∈I est génératrice de E ⇐⇒ E = vect((xi )i∈I )
7) Bases
Soit E un K-espace vectoriel.
Dénition 8 (Base).
Une famille de vecteurs de E est dite base de E s'elle est à la fois libre et génératrice de E .
Théorème 2.
Soit E un K espace vectoriel de dimension nie, alors
① E admet des bases nies (de cardinal ni).
② Toutes les bases ont le même cardinal, appelé la dimension de E et notée dim(E) (ou dimK (E)).
Exemples
① La dimension de E dépend de K :
dimR (C) = 2 et (1, i) est une base du R-espace vectoriel C,
dimC (C) = 2 et (ω) est une base du C-espace vectoriel C (ω ̸= 0)
② ∀n ∈ N, dim(Kn ) = n et (e1 , e2 , ..., en ) sa base canonique où ei = (0, .., 1, 0, .., 0) le 1 situé à la i-ème position.
③ ∀n ∈ N, dim(Kn [X]) = n + 1 et (1, X, ..., X n ) sa base canonique.
④ ∀n, p ∈ N, dim(Mn,p (K)) = n × p et (Ei,j )1≤i≤n, 1≤j≤p sa base canonique où Ei,j est la matrice élémentaire d'indice (i, j).
Proposition 5.
Soit E un K espace vectoriel de dimension n, alors
① Une famille libre de vecteurs de E est de cardinal ≤ n.
② Une famille génératrice de E est de cardinal ≥ n.
Corollaire 1.
Soit E un K espace vectoriel de dimension n, alors
Toute famille de cardinal ≥ n + 1 est liée.
Théorème 5 (pratique!!).
Soit E un K espace vectoriel de dimension n,
et B une famille de vecteurs de E de cardinal= n = dim(E), alors
B est un base de E ⇐⇒ B est libre
⇐⇒ B est génératrice de E
Solution
① Soit i, j ∈ [[1, n + 1]],
Si j ̸= i, alors xj est une racine de Li , donc Li (xj ) = 0.
n+1
Y xi − xk n+1
Si j = i, alors Li (xi ) = 1 = 1.
Y
=
xi − xk
k=1 k=1
k̸=i k̸=i
Ainsi Li (xj ) = δi,j .
② Comme L est de cardinal= n + 1 = dim(Rn [X]), il sut de montrer qu'elle est libre.
n+1
Soit α1 , ..., αn+1 ∈ R tel que
X
αi Li = 0 (∗)
i=1
Soit j ∈ [[1, n + 1]], alors
n+1
X
(∗) =⇒ αi Li (xj ) = 0
i=1
n+1
X
=⇒ αi δi,j = 0
i=1
n+1
X
=⇒ αi δi,j + αj δj,j = 0
i=1
i̸=j
| {z }
=0
=⇒ αj = 0
8) Propriétés de la dimension
Soit E un K-espace vectoriel de dimension nie.
Proposition 6 (ss-ev).
Soit F un ss-ev de E , alors
① dim(F ) ≤ dim(E)
② dim(F ) = dim(E) ⇐⇒ F = E .
Exemples
Si dim(F ) = 1, on dit que F est une droite vectorielle de E .
Si dim(F ) = 2, on dit que F est un plan vectoriel de E .
Si dim(F ) = dim(E) − 1, on dit que F est un hyperplan de E .
k=1
a: p
! p
Y X
dim Ek = dim(Ek )
k=1 k=1
Corollaire 2.
p
X
p
E = Fk
M
k=1
E= Fk ⇐⇒ p
X p
X
k=1 dim( F ) = dim(Fk )
k
k=1 k=1
Corollaire 3.
(
dim(E) = dim(F ) + dim(G)
E = F ⊕ G ⇐⇒
F ∩ G = {0}
(
dim(E) = dim(F ) + dim(G)
⇐⇒
E =F +G
Exercice 7
Soit E un K espace vectoriel de dimension nie n et H un hyperplan de E , montrer que pour tout x ∈ E \ H, E = H ⊕ vect(x)
Solution
Comme H est un hyperplan de E , alors dim(H) = n − 1, or x est non nul, alors dim(vect(x)) = 1,
donc dim(H) + dim(vect(x)) = n = dim(E)
Il reste à démontrer que H ∩ vect(x) = {0}
Soit y ∈ H ∩ vect(x), alors y ∈ H et ∃α ∈ K tel que y = α.x
Si α ̸= 0, alors x = α1 .y ∈ H , car y ∈ H et H est ss-ev de E , ce qui est absurde
Donc α = 0, soit y = 0, ainsi H ∩ vect(x) = {0} ⊠
Proposition 10 (Propriétés).
① ∀x ∈ vect(x1 , ..., xp )), rg(x1 , ..., xp ) = rg(x1 , ..., xp , x)
② ∀i, j ∈ [[1, p]]
rg(x1 , .., xi , .., xj , .., xp ) = rg(x1 , .., xj , .., xi , .., xp )
③ ∀λ ∈ K∗ , ∀i ∈ [[1, p]],
rg(x1 , .., xi , , .., xp) = rg(x1 , .., λ.xi , .., xp )
④ ∀λ ∈ K, ∀i, j ∈ [[1, p]],
i ̸= j =⇒ rg(x1 , .., xi , , .., xp ) = rg(x1 , .., xi + λ.xj , .., xp )
Proposition 11.
① rg(x1 , ..., xp ) ≤ p, avec égalité si, et seulement si, la famille est libre.
② Si dim(E) = n, alors rg(x1 , ..., xp ) ≤ n, avec égalité si, et seulement si, la famille est génératrice de E .
Alors rg(Jr ) = r ⊠
Remarque 8.
(
∀x, y ∈ E, f (x + y) = f (x) + f (y)
① f est linéaire ⇐⇒
∀x ∈ E, ∀α ∈ K, f (α.x) = α.f (x)
② Soit f : E −→ F une application linéaire, alors
• f (0E ) = 0F ,
• ∀(x1 , ..., xp ) ∈ E p , ∀(α1 , ..., αp ) ∈ Kp ,
p p
!
X X
f αk xk = αk f (xk )
k=1 k=1
Exemples
① Soit k ∈ N et f : K[X] −→ K[X], dénie par f (P ) = P (k) est un endomorphisme de K[X].
Exercice 9
① Montrer que les endomorphismes de K sont de la forme x 7−→ a.x où a ∈ K.
② Montrer que les endomorphismes du R-espace vectoriel C sont de la forme z 7−→ a.z + b.z̄ où a, b ∈ C.
Proposition 12 (Opérations).
Soient E, F, G des K-espaces vectoriels.
① ∀f, g ∈ L(E, F ), ∀λ ∈ K, λ.f + g ∈ L(E, F ).
② ∀f ∈ L(E, F ), ∀g ∈ L(F, G), g ◦ f ∈ L(E, G).
③ Si f est un isomorphisme de E sur F et g un isomorphisme de F sur G, alors g ◦ f est un isomorphisme de E sur G.
④ Si f est un isomorphisme de E sur F , alors f −1 est un isomorphisme de F sur E .
Proposition 13 (Structure).
Soient E, F des K-espaces vectoriels de dimension nie.
① L(E, F ) est un K-espace vectoriel de dimension dim(E) × dim(F ).
② L(E) est un K-espace vectoriel de dimension dim(E)2 et (L(E), +, ◦) est un anneau.
③ E ∗ est un K-espace vectoriel de dimension dim(E).
③ (GL(E), ◦) est un groupe.
② Soit x, y ∈ E \ {0},
Si (x, y) est liée, alors y = α.x ou x = β.y où α, β ∈ K.
Si par exemple, y = α.x, alors f (y) = α.f (x)
Donc λy .y = α.λx .x = λx .y , donc (λy − λx ).y = 0, or y ̸= 0, alors λx = λy .
Si (x, y) est libre.
On a f (x + y) = f (x) + f (y), donc λx+y .(x + y) = λx .x + λy .y
Alors (λx+y − λx ).x + (λx+y − λy ).y = 0
Comme (x, y) est libre, alors λx+y − λx = 0 et λx+y − λy = 0
Ainsi λx = λy = λx+y .
③ Comme ∀x, y ∈ E \ {0}, λx = λy
Alors λx ne dépend pas de x, posons λx = λ = constante
Alors ∀x ∈ E \ {0}, f (x) = λx .x = λ.x
Donc ∀x ∈ E, f (x) = λ.x
Ainsi f = λ.IdE , donc f est une homothétie de rapport λ ⊠
En particule l'image de f , notée Im(f ) et dénie par Im(f ) = f (E) = {f (x), x ∈ E} est un ss-ev de F .
② F est un ss-ev de F =⇒ f −1 (F ) est un ss-ev de E .
′ ′
En particule le noyau de f , noté Ker(f ) et déni par Ker(f ) = f −1 ({0}) = {x ∈ E, f (x) = 0} est un ss-ev de E .
Remarque 10.
Si E = vect(ei )i∈I , alors f (E ) = vect(f (ei ))i∈I
′ ′
En particulier si, (ei )i∈I est génératrice de E , alors Im(f ) = vect(ei )i∈I .
Exemple Soit n ≥ 1.
• Si fn : Kn [X] −→ Kn [X] dénie par fn (P ) = P , alors Ker(fn ) = K0 [X] et Im(fn ) = Kn−1 [X].
′
Exercice 12
Soit n ∈ N et f : Kn [X] −→ Kn [X] dénie par
f (P ) = P (X + 1) − P (X)
Exemple Soit n ∈ N et a1 , a1 , ..., an+1 des réels deux à deux distincts, l'application f : Rn [X] −→ Rn+1 dénie par
f (P ) = (P (a1 ), ..., P (an+1 )) est bijective.
⊠
Solution
Il est clair que f est linéaire,
Pour i ∈ [[1, n + 1]], on note Li le i-ème polynôme de Lagrange associé à a1 , a1 , ..., an+1
Comme (Li )1≤i≤n+1 est une base Rn [X] et
(f (Li ))1≤i≤n+1 = (ei )1≤i≤n+1 est une base de Rn+1 .
Donc f est bijective ⊠
rg(f ) = dim(Im(f ))
Théorème 7.
Soient E et F deux K-espaces vectoriels de même dimension nie et f ∈ L(E, F ).
Les propriétés suivantes sont équivalentes :
① f est injective
② f est surjective
③ f est bijective.
Exercice 13
Soit n ∈ N et a0 , a1 , ..., an des réels deux à deux distincts, et f : Rn [X] −→ Rn+1 dénie par f (P ) = (P (a0 ), ..., P (an ))
Montrer que f est un isomorphisme d'espaces vectoriels.
Solution
• Montrons que f est linéaire.
Soient P, Q ∈ Rn [X] et α ∈ R.
f (αP + Q) = ((αP + Q)(a0 ), ..., (αP + Q)(an ))
= (αP (a0 ) + Q(a0 ), ..., αP (an ) + Q(an ))
= α(P (a0 ), ..., P (an )) + (Q(a0 ), ..., Q(an ))
= αf (P ) + f (Q)
Solution
• Montrons que E = Ker(f ) ⊕ Im(f ) =⇒ Ker(f ) = Ker(f 2 )
On a toujours Ker(f ) ⊂ Ker(f 2 )
Soit x ∈ Ker(f 2 ), alors f 2 (x) = 0, donc f (f (x)) = 0
Donc
(∗) dim(Ker(f )) − dim(Ker(f 2 )) = dim(Im(f 2 )) − dim(Im(f ))
Comme Ker(f ) ⊂ Ker(f 2 ) et Im(f 2 ) ⊂ Im(f ), alors
Ker(f ) = Ker(f 2 ) ⇐⇒ dim(Ker(f )) = dim(Ker(f 2 ))
⇐⇒ dim(Im(f 2 )) = dim(Im(f ) d'après (∗)
⇐⇒ Im(f ) = Im(f 2 )
Proposition 20.
Soit f une forme linéaire sur E non nulle, alors rg(f ) = 1.
Dénition 12 (Hyperplan).
On appelle hyperplan de E le noyau d'une forme linéaire sur E .
n
Exemple xk = 0} est un hyperplan de Rn . ⊠
X
H = {(x1 , ..., xn ) ∈ Rn ,
k=1
Proposition 21.
Soit H un sous-espace vectoriel E . Les assertions suivantes sont équivalentes :
① H est un hyperplan de E
② ∀a ∈ E \ H, E = H ⊕ vect(a).
Proposition 23.
Les hyperplans de E sont les ensembles H constitués des vecteurs x ∈ E dont les composantes x1 , ..., xn sont solutions
d'une équation de la forme a1 x1 + ... + an xn = 0 (équation de l'hyperplan H ) avec a1 , .., an des scalaires non tous nuls.
Solution
① Montrons que f est linéaire.
Soient A, B ∈ E et λ ∈ K.
Soit M ∈ E ,
f (A + λ.B)(M ) = fA+λ.B (M ) = T r((A + λ.B)M )
= T r(AM + λ.BM ) = T r(AM ) + λ.T r(BM )
= fA (M ) + λ.fB (M ) = (fA + λ.fB )(M )
= (f (A) + λ.f (B))(M )
X
T r(AEk,l ) = 0 =⇒ ai,k T r(Ei,l ) = 0
1≤i≤n
X
=⇒ ai,k δi,l = 0
1≤i≤n
=⇒ al,k = 0
Solution
① Soient i, j, k, l ∈ [[1, n]], on a Ei,j Ek,l = δj,k Ei,l et Ek,l Ei,j = δl,i Ek,j
Comme ∀A, B ∈ E, f (AB) = f (BA), alors f (Ei,j Ek,l ) = f (Ek,l Ei,j )
Donc δj,k f (Ei,l ) = δl,i f (Ek,j )
Pour k = j et l = i, on obtient f (Ei,i ) = f (Ej,j ).
Pour k = j et l = j , on obtient f (Ei,j ) = δj,i f (Ej,j ) = 0 si j ̸= i.
6) Projecteurs et symétries
Soit E un K-espace vectoriel.
a) Projecteurs
Dénition 13 (Projection sur F parallèlement à G).
On suppose que E = F ⊕ G.
On appelle projection sur F parallèlement à G l'endomorphisme f de E déni par ∀x = xF + xG avec (xF , xG ) ∈ F × G,
f (x) = xF
Proposition 24 (propriétés).
f ◦ f = f , Ker(f ) = G et Im(f ) = F
Dénition 14 (Projecteur).
On appelle projecteur de E tout endomorphisme de E vériant f ◦ f = f .
Remarque 11.
Soit f un projecteur de E , alors
f est un automorphisme de E ⇐⇒ f = IdE
Proposition 25 (propriétés).
Soit f un projecteur de E , alors
① E = Ker(f ) ⊕ Im(f ).
② f est la projection sur Im(f ) parallèlement à Ker(f ).
b) Symétries
Dénition 15 (Symétrie par rapport à F parallèlement à G).
On suppose que E = F ⊕ G.
On appelle symétrie par rapport à F parallèlement à G l'endomorphisme f de E déni par ∀x = xF + xG avec (xF , xG ) ∈
F × G, f (x) = xF − xG
Proposition 26 (Propriétés).
f ◦ f = IdE , Ker(f − IdE ) = F et Ker(f + IdE ) = G
Remarque 12.
Si f est une symétrie vectorielle de E , alors 12 (IdE + f ) est un projecteur de E .
Proposition 27 (Propriétés).
Soit f un symétrie de E , alors
① E = Ker(f − IdE ) ⊕ Ker(f + IdE ).
② f est la symétrie par rapport à Ker(f − IdE ) parallèlement à Ker(f + IdE ).
III) Matrices
On rappelle que Mn,p (K) est l'espace vectoriel des matrices à coecients dans K à n lignes et p colonnes.
dim(Mn,p (K)) = n × p et (Ei,j )1≤i≤n est la base canonique de Mn,p (K)
1≤j≤p
p
n X
X
∀A = (ai,j )1≤i≤n ∈ Mn,p (K), A = ai,j Ei,j
1≤j≤p i=1 j=1
1) Quelques formules
• Soient A = (ai,j )1≤i≤n ∈ Mn,p (K), B = (bi,j ) 1≤i≤p ∈ Mp,q (K), alors C = (ci,j )1≤i≤n = A × B ∈ Mn,q (K) et
1≤j≤p 1≤j≤q 1≤j≤q
p
X
∀(i, j) ∈ [[1, n]] × [[1, q]], ci,j = ai,k bk,j
k=1
• Soient (i, j) ∈ [[1, n]] × [[1, p]], (k, l) ∈ [[1, p]] × [[1, q]]
n
n
Ak B n−k Formule du Binome
X
n
(A + B) =
k
k=0
n−1
X n−1
X
An − B n = (A − B) Ak B n−1−k = (A − B) B k An−1−k
k=0 k=0
xn
n
X
a1,j xj
j=1
n
X
a2,j xj
,
AX =
j=1
.
..
n
X
a x n,j j
j=1
x1 y1 x1 y2 ··· x1 yn
x2 y1 x2 y2 ··· x2 yn
XY = . .. .. = (xi yj )1≤i,j≤n ,
.. . ··· .
xn y1 xn y2 ··· xn yn
n
xk yk . ⊠
X
YX =
k=1
Exercice 20
Soit A ∈ Mn (K) qui vérier
∀B ∈ Mn (K), AB = BA
Montrer qu'il existe λ ∈ K, tel que A = λIn .
Solution
Soit A = (ai,j )1≤i,j≤n ∈ Mn (K) une telle matrice.
Comme ∀B ∈ Mn (K), AB = BA
Alors ∀k, l ∈ [[1, n]] AEk,l = Ek,l A
X n
n X n X
X n
AEk,l = Ek,l A =⇒ ai,j Ei,j Ek,l = ai,j Ek,l Ei,j
i=1 j=1 i=1 j=1
Xn X n n X
X n
=⇒ ai,j δj,k Ei,l = ai,j δl,i Ek,j
i=1 j=1 i=1 j=1
Xn n
X
=⇒ ai,k Ei,l = al,j Ek,j
i=1 j=1
n
X n
X
=⇒ ak,k Ek,l + ai,k Ei,l = al,l Ek,l + al,j Ek,j
i=1 j=1
i̸=k j̸=l
n
X n
X
=⇒ (ak,k − al,l )Ek,l + ai,k Ei,l − al,j Ek,j = 0
i=1 j=1
i̸=k j̸=l
A ∈ Sn ⇐⇒ AJ = J
a1,j
j=1
n
X
a2,j
On a AJ =
j=1
.
..
n
X
a
n,j
j=1
Alors
n
X
a1,j
j=1
1
n
X
a2,j
1
..
AJ = J ⇐⇒ =
j=1
..
.
.
1
n
X
a n,j
j=1
n
X
⇐⇒ ∀i ∈ [[1, n]], ai,j = 1
j=1
⇐⇒ A ∈ Sn
② Soient A = (ai,j )1≤i,j≤n , B = (bi,j )1≤i,j≤n ∈ Mn (R) deux matrices stochastiques. Montrons que C = (ci,j )1≤i,j≤n = AB est
stochastique.
n
On a ∀i, j ∈ [[1, n]], ci,j =
X
ai,k bk,j ≥ 0
k=1
car ∀k ∈ [[1, n]], ai,k , bk,j ≥ 0.
Soit i ∈ [[1, n]]
n n n
!
X X X
ci,j = ai,k bk,j
j=1 j=1 k=1
n
X Xn
= ai,k bk,j
k=1 j=1
n
X
= ai,k
k=1
= 1
Donc AB ∈ Sn ⊠
Exercice 22 (Matrices de permutation)
Soit n ∈ Nn et σ ∈ Sn une permutation. On dénit Pσ la matrice de permutation associée à σ par
Pσ = (δi,σ(j) )1≤i,j≤n ∈ Mn (R)
Donc Pσ × Pτ = Pσ◦τ .
② Soit σ ∈ Sn , Pσ × Pσ−1 = Pσ◦σ−1 = PId[[1,n]] = In .
Donc Pσ est inversible et (Pσ )−1 = Pσ−1 .
③ On a ∀i, j ∈ [[1, n]], δi,σ(j) ≥ 0
Soit i ∈ [[1, n]]
n
X n
X
δi,σ(j) = δi,σ(σ−1 (i)) + δi,σ(j)
j=1 j=1
j̸=σ −1 (i)
| {z }
=0
= δi,σ(σ−1 (i)) = δi,i = 1
i ̸= j =⇒ ai,j = 0
Soient (λ1 , ..., λn ), (µ1 , ..., µn ) ∈ Kn et α ∈ K On note diag(λ1 , ..., λn ) la matrice diagonale dont les éléments diagonaux λ1 , ..., λn .
AB = In
Exemple • Une matrice diagonale diag(λ1 , ..., λn ) est inversible si, et seulement si, ∀i ∈ [[1, n]], λi ̸= 0
Dans ce cas (diag(λ1 , ..., λn ))−1 = diag λ11 , ..., λ1n .
• Une matrice triangulaire supérieure A = (ai,j )1≤i,j≤n est inversible si, et seulement si, ∀i ∈ [[1, n]], ai,i ̸= 0
Dans ce cas 1
a1,1 ∗ ··· ∗
.. ..
. .
0 1
−1 a2,2
A =
.. .. ..
. . . ∗
1
0 ··· 0 an,n
2 −1 0
② Soit B = 0 2 −1 ∈ M3 (R), Montrer que B est inversible et déterminer B −1 .
0 0 2
Solution
① On a α.In − A = α(In − α1 A)
Comme A est nilpotente, alors il existe p ∈ N∗ , tel que Ap = 0, donc ( α1 A)p = α1p Ap = 0, d'où 1
αA est nilpotente.
Comme In et α1 A commutent, alors
p
p 1
In = In − A
α
p−1
X p−1−k
1 k 1
= In − A In A
α α
k=0
p−1
X p−1−k
1 1
= In − A A
α α
k=0
p−1
X j
1 1
= In − A A
α j=0
α
n n
Ainsi ∀i ∈ [[1, n]], |ai,i ||xi | = −
X X
ai,j xj ≤ |ai,j ||xj |
j=1 j=1
j̸=i j̸=i
Posons s = max |xk |, alors il existe i ∈ [[1, n]] tel que s = |ai,i |
1≤k≤n
n n
Alors |ai,i |s ≤
X X
|ai,j ||xj | ≤
|ai,j |
s
j=1 j=1
j̸=i j̸=i
n
Si s ̸= 0, alors |ai,i | ≤ |ai,j | ce qui est absurde.
X
j=1
j̸=i
Donc s = max |xk | = 0, par suite ∀k ∈ [[1, n]], xk = 0, ainsi X = 0
1≤k≤n
D'où A est inversible ⊠
Proposition 29 (Groupe des matrice inversibles).
(GLn (K), ×) est un groupe.
Remarque 13.
∀n ≥ 2, GLn (K) n'est pas abélien.
En eet,
soit A = In + E1,n ∈ GLn (K) et B = In + En,1 ∈ GLn (K), car sont des matrices triangulaires avec les éléments diagonaux
non tous nuls,
AB = In + En,1 + E1,n + E1,1 ̸= In + En,1 + E1,n + En,n = BA
= MA
n
Comme ∀k ∈∈ [[1, n]], ai,k , bk,j ≥ 0 et ai,k bk,j = 0 Alors ∀k ∈∈ [[1, n]], ai,k bk,j = 0 Soit i ∈ [[1, n]] tel que bi,1 ̸= 0. Alors
X
k=1
a1,j = 0 pour tout j ̸= i. Donc, la matrice A a au plus un coecient non nul dans chaque ligne. Mais la somme des éléments de
chaque ligne de A valant 1, ce coecient vaut forcément 1. Ainsi, A est une matrice n'ayant qu'un seul 1 sur chaque ligne. La
matrice A étant inversible, ces 1 sont sur chaque ligne dans une colonne diérente.
On conclut alors que A est une matrice de permutation. Réciproquement, d'après l'exercice 3, une telle matrice est élément de
Sn , est inversible et que son inverse est élément de Sn ⊠
t
A = (aj,i ) 1≤i≤p ∈ Mp,n (K)
1≤j≤n
Remarque 14.
• Soit A ∈ Mn (K), alors
A ∈ Dn (K) ⇐⇒ t A ∈ Dn (K)
• Soit A ∈ Mn,p (K), alors
A ∈ Tn,s (K) ⇐⇒ t A ∈ Tn,s (K)
Corollaire 5.
• f : Mn,p (K) −→ Mp,n (K) dénie par f (A) = t A est un isomorphisme d'espaces vectoriels.
• f : Mn (K) −→ Mn (K) dénie par f (A) = t A est une symétrie.
i=1
n
Soit k ∈ [[1, n]], alors Xi t Zi Zk = 0.
X
i=1
n
Comme ∀i ∈ [[1, n]] t Zi Zk est un scalaire, alors Zi Zk Xi = 0.
X
t
i=1
Or la famille (Xi )1≤i≤n est une base de Mn,1 (R), alors elle est libre, ainsi ∀i ∈ [[1, n]], t Zi Zk = 0
En particulier t Zk Zk = 0, donc Zk = 0
n
Alors
X
αk,j Yj
j=1
Or la famille (Yj )1≤j≤n est une base de Mn,1 (R), alors elle est libre, ainsi ∀i ∈ [[1, n]], αk,j = 0
D'où ∀i, k ∈ [[1, n]], αk,j = 0 ⊠
Corollaire 6.
• f : Mn (K) −→ K dénie par f (A) = T r(A) est une forme linéaire sur Mn (K) non nulle (f (E1,1 ) = 1).
• En particulier H = Ker(T r) = {A ∈ Mn (K), T r(A) = 0} est un hyperplan de Mn (K), d'où dim(H) = n2 − 1.
X
T r(AEk,l ) = 0 =⇒ ai,k T r(Ei,l ) = 0
1≤i≤n
X
=⇒ ai,k δi,l = 0
1≤i≤n
=⇒ al,k = 0
i=1
x1
x2
M atB (x) = .
..
xn
Exemple La matrice du vecteur P = (X + 1)m m ≤ n dans la base canonique B = (1, ..., X n ) de E = Rn [X] est M atB (x) la
matrice colonne m
0
m
1
..
.
m
M atB (P ) = ∈ Mn+1,1 (R)
m
0
..
.
0
⊠
Proposition 32.
Soient x, y ∈ E et α ∈ K, alors
M atB (α.x + y) = α.M atB (x) + M atB (y)
Corollaire 7.
L'application f : E −→ Mn,1 (K) dénie par f (x) = M atB (x) est un isomorphisme d'espaces vectoriels.
i=1
B , notée M atB (B) la matrice de Mn,p (K) dont la j-éme colonne est formée par les composantes de vj dans la base B
Exemple La famille P = (P0 , ..., Pn ) où Pm = (X + 1)m est une base de E = Rn [X], car sa matrice dans la base canonique
0 1
2
n
0 0 0 ··· 0
1 2 n
0 1 1 ··· 1
M atB (P) = .. .. .. .. ∈ Mn+1 (R)
. . . .
n
0 ··· 0 n
est inversible. ⊠
Dans ce cas
−1
M atBF ,BE (f −1 ) = (M atBE ,BF (f ))
Corollaire 8.
L'application φ : L(E, F ) −→ Mp,n (K) dénie par
φ(f ) = M atBE ,BF (f )
Exercice 30
On considère l'endomorphisme f de Rn [X] déni par
f (P ) = P (X + 1)
① Déterminer la matrice A de f dans la base canonique de Rn [X].
② Justier que A est inversible et déterminer A−1 .
Solution
① Soit B = (X j )0≤j≤n la base canonique de Rn [X].
j
j
On a ∀j ∈ [[0, n]], f (X ) = (X + 1) =
X
j j
Xi
i=0
i
Donc la matrice de f dans la base canonique est donnée par
0 1 2
n
0 0 0 ··· 0
1 2 n
0
1 1 ··· 1
A = M atB (f ) = . .. .. .. ∈ Mn+1 (R)
.. . . .
n
0 ··· 0 n
8) Changement de bases
Dénition 25 (Matrice de passage).
′
Soit B et B deux bases de E , on appelle matrice de passage de la base B à la base B , notée PBB la matrice da la famille
′ ′
B dans la base B
′
′ ′
PBB = M atB (B )
Proposition 36.
Soient′ B, B , B des bases de E , alors
′ ′′
Alors
′
X = PX
′ ′
Alors
′
A = Q−1 AP
Alors
′
A = P −1 AP
9) Matrices équivalentes
Dénition 26 (Matrices équivalentes).
Soient A, B ∈ Mn,p (K). On dit que B est équivalente à A s'il existe deux matrices inversibles (P, Q) ∈ GLp (K) × GLn (K)
telles que
B = QAP
On écrit B ∼ A.
Corollaire 9.
Soit A ∈ Mn,p (K), alors
rg(A) = rg( t A)
Remarque 16.
• La relation de similitude est une relation d'équivalence sur Mn,p (K).
• Deux matrices sont semblables si, et seulement s'ils représentent le même endomorphisme.
Proposition 40.
Deux matrices A, B ∈ Mn (K) sont semblables ont le même trace.
Remarque 17.
Soit f ∈ L(E) et (e1 , ..., en ) une base de E , alors
n
La composante de f (ei ) suivant ei
X
T r(f ) =
i=1
Exercice 31
Soit A ∈ Mn (R), on considère l'endomorphisme
f : Mn (R) −→ Mn (R) déni par f (M ) = AM .
Montrer que T r(f ) = nT r(A).
Solution
Soit (Ei,j )1≤i,j≤n la base canonique de Mn (R) et
n X
n
ak,l Ek,l .
X
A = (ak,l )1≤k,l≤n =
k=1 l=1
Donc
n X
n
La composante de f (Ei,j ) suivant Ei,j
X
T r(f ) =
i=1 j=1
Xn X n
= ai,i
i=1 j=1
Xn
= nai,i
i=1
= nT r(A) ⊠
Exercice 32 (Trace d'un projecteur=rang)
Soit E un K-espace vectoriel de dimension nie n et f ∈ L(E) un projecteur.
① Montrer que E = Im(f ) ⊕ Ker(f ).
② Déterminer la matrice de f dans une base de E adaptée à la somme directe E = Im(f )⊕Ker(f ). En déduire que T r(f ) = rg(f ).
Solution
① Comme E est de dimension nie, d'après le théorème du rang
dim(E) = dim(Ker(f )) + dim(Im(f ))
Il sut de montrer que Ker(f ) ∩ Im(f ) = {0}
Soit y ∈ Ker(f ) ∩ Im(f ), alors f (y) = 0 et ∃x ∈ E, y = f (x)
Donc f (y) = f (f (x)) = (f ◦ f )(x) = f (x) = y , ainsi y = f (y) = 0.
② Notons r = dim(Im(f )) = rg(f ), alors dim(Ker(f )) = n − r (théorème du rang).
Soit (e1 , ..., er ) une base de Im(f ) et (er+1 , ..., en ) une base de Ker(f ), alors B = (e1 , ..., er , er+1 , ..., en ) est une base de E
adaptée à la somme directe E = Im(f ) ⊕ Ker(f )
Comme ∀x ∈ Im(f ), f (x) = x, alors ∀i ∈ [[1, r]], f (ei ) = ei et ∀i ∈ [[r + 1, n]], f (ei ) = 0
Ainsi
Ir | 0r,n−r
M atB (f ) =
0n−r,r | 0n−r,n−r
Donc T r(f ) = T r(M atB (f )) = T r(Ir ) = r = rg(f ) ⊠
IV) Déterminants
1) Déterminant d'une matrice carrée
a) Dénition et propriétés
Dénition 29 (Déterminant d'une matrice carrée).
Soit A ∈ Mn (K). On appelle déterminant de A, noté det(A) la quantité
X n
Y
det(A) = ε(σ) ai,σ(i)
σ∈Sn i=1
• Invariance par similitude : Deux matrices semblables de Mn (K) ont même déterminant.
• Invariance par transposition :
det t A = det(A)
Ainsi, l'application A 7−→ det(A) sur Mn (K) est également n -linéaire par rapport aux lignes de A.
Corollaire 10.
Pour toute matrice A de Mn (K)
p
∀p ∈ N, det(Ap ) = (det(A))
Si de plus A est inversible, alors
p
∀p ∈ Z, det(Ap ) = (det(A))
Corollaire 11.
A 7→ det(A) est un morphisme de groupe (GLn (K), ×) dans (K∗ , ×) surjectif.
En eet
• ∀A, B ∈ GLn (K), det(AB) = det(A) × det(B)
• ∀λ ∈ K, Aλ = diag(λ, 1, 1, ..., 1) ∈ Gln (K) et det(Aλ ) = λ, donc A 7→ det(A) de GLn (K) dans K∗ est surjectif.
Exemples
①
1 2 1 0 1 2 1 0
1 1 1 −1 0 −1 0 −1 L2 − L1
=
2 4 0 1 0 0 −2 1 L3 − 2L1
1 3 1 3 0 1 0 3 L4 − L1
1 2 1 0
0 −1 0 −1
=
0 0 −2 1
0 0 0 2 L4 + L2
Triangulaire supérieure
| {z }
= 1 × (−1) × (−2) × 2 = 4
a b b a b b
b a b = b−a a−b 0 L2 − L1
b b a b−a 0 a − b L3 − L1
par linéarité par rapport à la ligne 2, ona
a b b
= (b − a) 1 −1 0
b−a 0 a−b
par linéarité par rapport à la ligne 3, ona
a b b
= (b − a)(b − a) 1 −1 0
1 0 −1
a b b
L1 + bL2 + bL3
= (b − a)(b − a) 1 −1 0
1 0 −1
a + 2b 0 0
= (b − a) 1 −1 0 = (b − a)2 (a + 2b)
1 0 −1
Triangulaire inférieure
| {z }
Exercice 34
Soit n ≥ 1 et An = (min(i, j))1≤i,j≤n
Déterminer det(An ).
Solution
1 1 1 ··· 1 1
1 2 2 ··· 2 2
.. .. .. .. ..
det(An ) = . . . ··· . .
1 2 ··· n−1 n−1
1 2 ··· ··· n−1 n
1 1 ··· ··· 1
0 1 ··· ··· 1
.. .. .. .
det(An ) = . . . · · · .. = 1 ⊠
.. .. ..
. . . 1
0 ··· ··· 0 1
n
X
det(A) = (−1)i+j ai,j det(Ai,j )
i=1
n
X
det(A) = (−1)i+j ai,j det(Ai,j )
j=1
où Ai,j est la matrice obtenue de A en supprimant la ième ème ligne et la j ème colonne.
1 1 −2
7 1 1 −2 1 −2
2 7 1 = +1 −2 +1
2 3 2 3 7 1
1 2 3
= (7 × 3 − 2 × 1) − 2(1 × 3 − 2 × (−2))
+ (1 × 1 − 7 × (−2)) = 20 ⊠
Le développement par rapport à une ligne ou colonne est souvent utile, mais dans la mesure du possible, il faut choisir de
développer par rapport à une ligne ou colonne contenant beaucoup de zéros. En règle générale, je vous conseille de privilégier la
méthode du pivot, qui fournit davantage des résultats sous forme factorisée.
Exercice 35 (Une suite récurrente linéaire d'ordre 2)
Pour tout n ∈ N∗ , calculer
3 2 0 ··· 0
.. ..
1 3 2 . .
..
Dn = 0 1 3 . 0
.. .. .. ..
. . . . 2
0 ··· 0 1 3 [n]
Solution
Un développement par rapport à la première colonne fournit la relation de récurrence suivante, vraie pour n ⩾ 1 : Dn+2 =
3Dn+1 − 2Dn .
La suite (Dn )n∈N∗ est donc récurrente linéaire d'ordre 2 de polynôme caractéristique : X 2 −3X +2 = (X −1)(X −2), polynôme
dont les racines sont 1 et 2, distinctes. Il existe ainsi deux réels λ et µ pour lesquels pour tout n ∈ N∗ : Dn = λ2n + µ1n .
Comme D1 = 3 et D2 = 7, alors λ = 2 et µ = −1, et nalement Dn = 2n+1 − 1 ⊠
Exercice 36 (Matrice Compagnon )
Soit P = X n + an−1 X n−1 + an−2 X n−2 + ... + a1 X + a0 ∈ K[X], on lui associe C(P ) = (ci,j )1≤i,j≤n ∈ Mn (K) la matrice
compagnon dénie par : ci+1,i = 1, 1 ≤ i ≤ n − 1, ci,n = −ai−1 , 1 ≤ i ≤ n et ci,j = 0 dans les autres cas :
0 0 ... 0 −a0
1
0 ... 0 −a1
C(P ) = 0
1 ... 0 −a2
.. .. .. .. ..
. . . . .
0 0 ... 1 −an−1
① Montrer que det(xIn − C(P )) = P (x).
( On pourra eectuer l'opération L1 ← L1 + XL2 + X 2 L3 + · · · + X n−2 Ln−1 + X n−1 Ln . )
Solution
① Montrons que det(xIn − C(P )) = P .
x 0 ... 0 a0
−1 x . . . 0 a1
.. ..
On a det(xIn − C(P )) = 0 −1 . . a2
.. .. .. .. ..
. . . . .
0 0 . . . −1 x + an−1
En eectuant l'opération L1 ← L1 + XL2 + X 2 L3 + · · · + X n−2 Ln−1 + X n−1 Ln .
0 0 ... 0 P (x)
−1 x . . . 0 a1
.. ..
On déduit que det(xIn − C(P )) = 0 −1 . . a2
.. .. .. .. ..
. . . . .
0 0 ... −1 x + an−1
En développant ce dernier par rapport à la première ligne, on trouve
−1 x ... 0
.. ..
n+1 0 −1 . .
det(xIn − C(P )) = P (x) × (−1) .. .. ..
..
. . . .
0 0 ... −1
n+1 n−1
= P (x) × (−1) × (−1) = P (x)
② On suppose que x1 , x2 , ..., xn ne sont pas distincts, justier que Dn (x1 , x2 , ..., xn ) = 0.
③ Dans cette question, on suppose que les scalaires x1 , x2 , ..., xn sont deux à deux distincts.
k=1
④ Montrer alors que Y
Dn (x1 , x2 , ..., xn ) = (xj − xi )
1≤i<j≤n
⑤ En déduire que Vn (x1 , x2 , ..., xn ) est inversible si, et seulement si, x1 , x2 , ..., xn sont deux à deux distincts.
Solution
1 x1
① On a D2 (x1 , x2 ) = = (x2 − x1 )
1 x2
1 x1 x21
On a D3 (x1 , x2 , x3 ) = 1 x2 x22 ,
1 x3 x23
par les opérations L2 ← L2 − L1 et L3 ← L3 − L1 , on en déduit
1 x1 x21
D3 (x1 , x2 , x3 ) = 0 x2 − x1 x22 − x21
0 x3 − x1 x23 − x21
En développant ce dernier par rapport à la première ligne, on a
x2 − x1 x22 − x21
D3 (x1 , x2 , x3 ) =
x3 − x1 x23 − x21
= (x2 − x1 )(x23 − x21 ) − (x3 − x1 )(x22 − x21 )
= (x2 − x1 )(x3 − x1 )(x3 − x2 )
② On suppose que x1 , x2 , ..., xn ne sont pas distincts, alors il existe i, j ∈ J1, nK tel que i ̸= j et xi = xj
Donc les deux lignes Li et Lj de Vn (x1 , x2 , ..., xn ) coïncident, par suite Dn (x1 , x2 , ..., xn ) = 0.
③ Dans cette question, on suppose que les scalaires x1 , x2 , ..., xn sont deux à deux distincts.
1 x1 · · · xn−1
1
1 x2 · · · xn−1
2
On a F (x) = Dn (x1 , x2 , ..., xn−1 , x) = 1 x3 · · · xn−1
3
.. .. ..
. . ··· .
1 x ··· xn−1
(a) En développant F (x) par rapport à la dernière ligne, on voit que F est polynomiale de degré ≤ n − 1, et le coecient de son
terme de plus haut degré est celui de X n−1 , qui vaut
1 x1 ··· xn−2
1
1 x2 ··· xn−2
2
1 x3 ··· xn−2
3 = Dn−1 (x1 , x2 , ..., xn−1 )
.. .. ..
. . ··· .
1 xn−1 ··· xn−2
n−1
(b) Soit i ∈ J1, n − 1K, alors F (xi ) = Dn (x1 , x2 , ..., xn−1 , xi ) = 0, car Ln = Li
(c) Comme F est polynomiale de degré ≤ n − 1, x1 , x2 , · · · , xn−1 sont des racines de F et le coecient de son terme de plus
haut degré vaut Dn−1 (x1 , x2 , ..., xn−1 ), alors
n−1
Y
F (x) = Dn−1 (x1 , x2 , ..., xn−1 ) (x − xk )
k=1
④ Par récurrence sur n ≥ 2, en utilisant la question précédent, on montre le résultat souhaité Y facilement.
⑤ La matrice Vn (x1 , x2 , ..., xn ) est inversible si, et seulement si, Vn (x1 , x2 , ..., xn ) = (xj − xi ) ̸= 0 si, et seulement si,
1≤i<j≤n
x1 , x2 , ..., xn sont deux à deux distincts ⊠
Exemple
1 1 2 1
3 2 1 −1 1 1 2 1
= = (−1) × 3 = −3
0 0 2 1 3 2 −1 1
0 0 −1 1
⊠
e) Formule d'inversion
Dénition 30 (Cofacteur, comatrice).
Soit A ∈ Mn (K) et i, j ∈ [[1, n]]
• On appelle cofacteur de A de position (i, j) le scalaire : (−1)i+j det(Ai,j )
où Ai,j est la matrice obtenue de A en supprimant la ième ligne et la j ème colonne.
• On appelle comatrice de A, notée com(A) la matrice des cofacteurs de A :
a b
Exemple Soit A =
c d
∈ M2 (K), alors
d −c
com(A) =
−b a
⊠
a b
Exemple Soit A = c d
∈ M2 (K), alors
A est inversible ⇐⇒ ad − bc ̸= 0
Dans ce cas
1 d −b
A−1 =
ad − bc −c a
⊠
Remarque 18.
det(f ) ne dépend pas de la base choisie, car deux matrices qui représentent f sont semblables.
Proposition 45 (propriétés).
• Soit f ∈ L(E) et λ ∈ K, alors
det(λf ) = λdim(E) det(f )
Exemple Soit E un R-espace vectoriel de dimension nie et f ∈ L(E) tel que f 2 = −IdE , alors dim(E) est paire ⊠
Solution
Solution
① • Soit x ∈ E ,
1 1
x= (x + f (x)) + (x − f (x))
2
| {z } |2 {z }
∈Ker(f −IdE ) ∈Ker(f +IdE )
Proposition 46.
Soit F une famille à n = dim(E) vecteurs de E et B une base de E . Alors
•
F est une base de E ⇐⇒ det(F) ̸= 0
B
Exemple Soit la famille P = (P0 , ..., Pn ) où Pm = (X + 1)m et B = (1, ..., X n ) la base canonique de E = Rn [X], alors
0 1 2 n
0 0 0 ··· 0
1 2 n
0 ···
1 1 1 0 1 n
det(P) = .. .. .. .. = . ... =1
B . . . . 0 1 n
n
0 ··· 0 n