Professional Documents
Culture Documents
n
i=1
a
i
X
i
,
o n N et les coecients a
0
, a
1
, . . . , a
n
sont des lements de K. Le symbole X est
appel lindtermine (on pose X
0
= 1). On note
K[X] = { polynmes coecients dans K}.
On identie K un sous ensemble de K[X].
Exemple 1.2. (1) P
1
(X) = X
3
+ 4X 8 et P
2
(X) = 5 sont deux polynmes.
(2) F(X) = X
4
+
7X + 11 et G(X) =
X
3
X+1
X+13
ne sont pas de polynmes.
1.1.2 Oprations sur K[X]
Sur K[X] on dnit les lois suivantes, si P(X) = a
0
+ a
1
X + + a
n
X
n
et
Q(X) = b
0
+ b
1
X + + b
m
X
m
, on pose alors :
(P + Q)(X) =
max(n,m)
k=0
(a
k
+ b
k
)X
k
P(X) =
n
k=0
a
k
X
k
(PQ)(X) =
n+m
k=0
c
k
X
k
tel que c
k
=
k
i=0
a
i
b
ki
Avec la gnralisation a
k
= 0 k n + 1, b
k
= 0 k m+ 1.
K[X] est stable pour ces lois, on dit que cest une algbre (et on peut vrier aussi
quelle est commutative).
1
1 . POLYNOMES
Degr dun polynme
Dnition 1.3. Soit P un polynme non nul, on appelle degr de P, le plus grand
indice de ses coecients non nuls, et on le note deg P. Ainsi deg P = n P(X) =
a
0
+ a
1
X + + a
n
X
n
avec a
n
= 0, a
n
sappelle coecient dominant de P. Par
convention deg 0 = .
Remarque 1.4.
P(X) = a
0
+ a
1
X + + a
n
X
n
deg P n
Thorme 1.5.
deg(P + Q) max(deg P, deg Q).
Avec lgalit dans le cas o deg P = deg Q ou bien deg P = deg Q et a
deg P
=
b
deg Q
.
Thorme 1.6.
deg(PQ) = deg P + deg Q.
En particulier si , constante non nulle alors :
deg P = deg P.
Exemple 1.7. deg P
1
= 3, deg P
2
= 0, deg P
1
.P
1
= 9.
Proposition 1.8. K[X] est intgre :
(P, Q) K[X] K[X], P.Q = 0 P = 0ouQ = 0.
Preuve:
Si P.Q = 0, alors = deg(P + Q) = deg(P) + deg(Q). Donc deg(P) = ou
deg(Q) = .
Proposition 1.9. Un polynme P est inversible (cest dire quil existe un po-
lynme Q tel que P.Q = 0) si et seulement si P est un polynme constant non
nul.
1.2 Division des polynmes
1.2.1 Divisions suivant les puissances dcroissantes
Dnition 1.10. Soit A, B deux polynmes non nuls, on dit que B divise A dans
K[X], ou que A est un multiple de B, si et seulement si Q K[X] tel que B = AQ.
On note B/A. On dit quun diviseur de P est trivial sil est de la forme P ou bien
avec un scalaire non nul.
Dnition 1.11. On dit quun polynme P est irrductible si deg P 1 et tous
les diviseurs de P sont triviaux. Autrement dit, si un polynme A divise P, alors
A = K, soit A = P, K.
2
1.2 Division des polynmes
Thorme 1.12. (A, B) K[X] tel que B = 0, !(Q, R) K[X] tel que A =
BQ+R avec deg R < degB. Q sappelle le quotient de la division euclidienne de A
par B et R son reste.
Preuve:
Existence : Fixons B = b
0
+b
1
X+ +b
p
X
p
K[X]. Le raisonnement se fait
alors par rcurrence sur le degr du polynme A. Lhypothse de rcurrence
au rang n, P(n) est :
A K[X] | deg(A) n, (Q, R) K[X] | A = BQ+ R et deg(R) < deg(B).
On remarque si n < p, alors P(n) est vraie : A = B.0 + A.
Soit n p et supposons lhypothse de rcurrence vraie pour tout k infrieur
ou gal n 1 et montrons qualors P(n) est vraie. Le polynme A scrit
a
0
+ a
1
X + + a
n
X
n
, o a
n
= 0
Considrons alors le polynme C = A
an
bp
X
np
B. Le degr de C est infrieur
ou gal n 1. Par hypothse de rcurrence on sait alors quil existe un
couple de polynmes (Q, R) tel que : C = BQ + R et deg(R) < deg(B).
Il sen suit que A = B(Q +
an
bp
X
np
) + R, avec deg(R) < deg(B).
Unicit (Exercice)
P : K K
x a
0
+ a
1
x + . . . a
n
x
n
appelle fonction polynomiale de P et on dit que a K est une racine de P si et
seulement si
P(a) = 0, dans la suite on notera P(a) au lieu de
P(a).
Proposition 1.22. Soient P K[X] et a K : a est une racine de P si et
seulement X a divise P.
Preuve:
Eectuons la division euclidienne de P par X a : P = (X a)Q + R o le
deg R < deg(Xa). Le polynme R est donc soit le polynme nul soit le polynme
constant. Lvaluation en a indique que : R = R(a) = P(a) = 0. On dduit la
proposition.
Consquences
Un polynme, non nul de degr n N admet au maximum n racines.
Tout polynmes qui admet un nombre de racines suprieur strictement son
degr est nul, en particulier tout polynme qui admet une innit de racines
est nul.
4
1.4 Factorisation
1.4 Factorisation
1.4.1 Factorisation dans K = C
Thorme 1.23. (de dAlembert-Gauss) Tout polynme non constant de C[X]
admet une racine.
Corollaire 1.24. Les polynmes irrductibles de C[X] sont exactement de degr 1.
En particulier, dans C[X] tout polynme P de degr n 1 se factorise sous la forme
suivante :
P(X) =
n
k=1
(X a
i
),
avec C et k {1, . . . , n}, a
k
C.
Par exemple, X
2
+ 1 = (X + i)(X i) et X
2
+ X + 1 = (X j)(X
j).
1.4.2 Factorisation dans K = R
Proposition 1.25. Soit a une racine dun polynme P R[X]. Alors a est aussi
une racine de P.
Preuve:
Si P R[X] et si a C, alors P( a) =
P(a) et par consquent si a C est un racine
de P alors a est une racine de P.
Thorme 1.26. Dans R[X], tout polynmes de degr n 1 se factorise sous la
forme :
P(X) =
m
k=1
(X a
k
)
p
l=1
(X
2
+
l
X +
l
),
avec R, k {1, . . . , m} a
k
R et l {1, . . . , p}
2
l
4
l
< 0, m+2p = n.
Preuve:
Le rsultat est evident pour un polynme de degr 0 ou 1. Si deg P 2, on applique
lalgorithme suivant :
Si P admet une racine relle a, alors il existe un polynme Q R[X] tel que
P = (X a)Q
Sinon (thorme de dAlembert-Gauss) P admet une racine complexe a C. Par
consquent a est aussi une racine de P. Donc P = (X
2
2(a)X + |a|
2
)Q, o
Q R[X] et = 4 Im(a)
2
< 0.
On remarquera que X
2
+1 et X
2
+X +1 sont irrductible dans R[X] mais pas
dans C[X] et sur R[X] le polynme P = (X
2
+1)(X
2
+X+1) nest pas irrductible
et quil ne possde pas de racines.
1.4.3 Ordre de multiplicit
Dnition 1.27. Si a K est une racine du polynme P K[X], le plus grand
entier m 1 tel que (Xa)
m
divise P est appel ordre de multiplicit de la racine
a.
5
1 . POLYNOMES
Proposition 1.28. Soit P K[X] un polynme de degr n 1. Si P admet r
racines 2 2 distinctes a
1
, a
2
, . . . , a
r
dans K, dordre de multiplicit m
1
, m
2
, . . . , m
r
alors m
1
+ m
2
+ + m
r
n.
Par exemple, dans R[X], le polynme P = (X
2
+3)(X1)
2
(X+2) est de degr
5 et possde une racine simple et une racine double (1 + 2 = 3 5). Dans C[X] le
polynme P possde 4 racines trois simples et un double et P = (X + i
3)(X
i
3)(X 1)
2
(X + 2).
Dnition 1.29. Un polynme non constant est dit sind si la somme des ordres
de multiplicit de ses racines est gale au degr de ce polynme.
6
1.5 Feuille dexercices- Polynomes
1.5 Feuille dexercices- Polynomes
Questions de cours
(1) Soient A et B deux polynmes de K[X], abec B = 0. Ecrire la division eucli-
dienne de A par B.
(2) Que veut dire lexpression a est une racine dordre 3 de P ?
(3) Donner lensemble des polynmes irrductibles de C[X] et R[X].
(4) Le polynme X
4
+ X
2
+ 1 est-il irrductible ?
Arithmtique des polynmes
Exercice 1 : Dans les cas suivants, eectuer la division euclidienne de A par B :
1. A(X) = X
3
+ 4X
2
+ 6X + 4 et B(X) = X
2
+ 1
2. A(X) = X
5
+ X
4
+ 5X
3
+ 6X
2
+ 7X + 2 et B(X) = X
4
+ 2X
3
+ X + 2
Exercice 2. Dterminer le quotient et le reste de la division euclidinne de A par B
dans les cas suivants :
1. A = X
2
4X + 3 et B = X
3
+ X
2
2.
2. A = X
5
+ 1 et B = X + 1.
3. A = 3X
7
2X
5
+ X
3
4 et B = 2X
2
X + 3.
Exercice 3. Montrer les divisibilits suivantes et dterminer les quotients corres-
pondant :
(1) X 1 | X
3
2X
2
+ 3X 2
(2) X 2 | X
3
3X
2
+ 3X 2
(3) X + 1 | X
3
+ 3X
2
2.
Exercice 4. En ralisant une division euclidienne, former une condition ncessaire
et susante sur (, ) K
2
pour que X
2
+ 2 divise X
4
+ X
3
+ X
2
+ X + 2.
Exercice 5. Soit (a, b) K
2
tel que a = b et P K[X]. Exprimer le reste de la
division euclidienne de P par (X a)(X b) en fonction de P(a) et P(b).
Exercice 6. Eectuer la division suivant les puissances croissantes lordre n de
A et B, avec
(1) n = 2 et A = X
4
+ X
3
2X + 1, B = X
2
+ X + 1.
(2) n = 3 et A = 4(X + 1), B = (X + 1)
2
+ 1.
(3) n = 4, A = 2 + 2X X
2
+ X
4
, B = 1 + X + X
2
.
Exercice 7. Eectuer la division de A = X
6
2X
4
+X
3
+1 par B = X
3
+X
2
+1 :
(1) Suivant les puissances dcroissantes.
(2) A lordre 4 (cest dire tel que le reste soit divisible par X
5
) suivant les
puissances croissantes.
Exercice 8. Trouver le pgcd de P et Q dans les cas suivants :
7
1 . POLYNOMES
(1) P = X
4
+ X
3
3X
2
4X 1 et Q = X
3
+ X
2
X 1.
(2) P = X
4
10X
2
+ 1 et Q = X
4
4X
3
+ 6X
2
4X + 1.
(3) P = X
5
+ 3X
4
+ X
3
+ X
2
+ 3X + 1 et Q = X
4
+ 2X
3
+ X + 2
Exercice 9. Montrer que les polynmes P et Q suivants sont premiers entre eux.
Trouver U et V K[X] tel que UP + V Q = 1.
(1) P = X
4
+ X
3
2X + 1 et Q = X
2
+ X + 1.
(2) P = X
3
+ X
2
+ 1 et Q = X
3
+ X + 1.
Racines dun polynme
Exercice 10. Soit p et q deux entiers naturels non nuls premiers entre eux.
Dterminer les racines et les ples de F =
X
p
1
X
q
1
en prcisant les multiplicits res-
pectives.
Factorisation de polynmes
Exercice 11. Factoriser dans C[X] puis dans R[X] les polynmes suivants :
(1) X
4
1
(2) X
5
1
(3) (X
2
X + 1)
2
+ 1.
Exercice 12. Factoriser dans R[X] les polynmes suivants :
(1) X
4
+ X
2
+ 1
(2) X
4
+ X
2
6
(3) X
8
+ X
4
+ 1.
Exercice 13. Former la dcomposition primaire dans R[X] de P = X
2n+1
1 (avec
n N).
sectionAlgbre des polynmes
8
Chapitre 2
Espace vectoriel
2.1 Introduction au groupe
Dnition 2.1. Une loi de composition interne sur un ensemble E est une appli-
cation de E E dans E.
Exemple 2.2. (1) Laddition ou la multiplication sont des lois de composition
internes sur N, Z, Q, R ou C.
(2) la soustraction dnit une loi de composition interne sur Z, Q, R, ou C mais
sur N.
(3) Le produit scalaire de deux vecteurs de R
d
nest pas une loi de composition
interne si d 2.
(4) On note F(E, E) lensemble des applications de E dans E, lapplication
F(E, E) F(E, E) F(E, E)
(f, g) f g
(f g est dni par x E, f g(x) = f(g(x))) est une loi de composition
interne.
Dnition 2.3. Un groupe est la donne dun ensemble G et dune loi de composi-
tion interne note suivante :
G G G
(x, y) x y
telle que (G, ) vrie les trois proprits suivantes :
(1) (Elment neutre) Il existe e G tel que x G, e x = x e = x.
(2) (Associativit) Pour tout x, , y, z G, (x y) z = x (y z).
(3) (Elment inverse) Pour tout x G, il existe x
G tel que x x
= x
x = e.
Si de plus, x, y G, on a x y = y x,on dit que est commutative et (G, ) est
un groupe commutatif ou ablien.
Remarque 2.4. On emploie aussi parfois le terme de symtrique au lieu de lin-
verse.
9
2 . Espace vectoriel
Exemple 2.5. (1) Z, Q, R et C sont des groupes abliens : 0 est llment neutre,
linverse de x est x. Notons que (N, +) nest pas un groupe car la condition
(3) de la dnition 2.3 nest pas vri.
(2) Q
, R
, C
possde un inverse
pour la loi :
z C
, z
| z z
= z
z = 1
(Si z = x + iy alors z
=
xiy
x
2
+y
2
=
1
z
= z
1
).
(3) Soit E un ensemble et soit S(E) lensemble des bijections de E sur E, soit
la loi de composition interne dnie par la composition de deux bijections.
Montrer titre dexercice que (S(E), ) est un groupe et quil est non ablien
et E a au moins trois lments.
En particulier, pour n N, soit E = {1, . . . , n}. Alors S(E) est not S
n
. S
n
est un groupe de cardinal n!. On lappelle le groupe des permutations sur n
lments.
Proposition 2.6. (1) Llment neutre est unique.
(2) Linverse x
= x.
(4) Pour tout x, y G, (x y)
= y
.
(5) Pour tout x, y, z G, si x y = x z alors y = z.
Preuve:
(1) Soient e
, on obtient :
_
_
_
e
e = e e
= e,
e e
= e
e = e
.
Par consquant e = e
.
(2) Soit x
G tel que x
x = x x
= e. on a alors x x x
= x
ce qui
implique que x
= x
(puisque x x
= e).
(3) Soit (x
linverse de linverse de x
, on a (x
= e. Puisque x x
= e et
daprs la deuxime proprit de cette proposition, on a x = (x
.
(4) On a
(x y) (y
) = x y y
= x x
= e
donc (x y)
= y
.
(5) On a
x
(x y) = x
(x z) = (x x
) y = (x x
) z =y = z.
, y
) R
2
et R,
(x, y) + (x
, y
) := (x + x
, y + y
) et (x, y) := (x, y)
alors R
2
est un R-espace vectoriel.
(5) Plus gnralement : Si E
1
, E
2
, . . . , E
n
sont n espaces vectoriels, alors lespace
produit E := E
1
E
2
E
n
est un espace vectoriel pour les lois suivantes :
Pour tous (x
1
, x
2
, . . . , x
n
), (y
1
, y
2
, . . . , y
n
) E et K, on dnit
(x
1
, x
2
, . . . , x
n
) + (y
1
, y
2
, . . . , y
n
) = (x
1
+ y
1
, x
2
+ y
2
, . . . , x
n
+ y
n
)
(x
1
, x
2
, . . . , x
n
) = (x
1
, x
2
, . . . , x
n
).
(6) Lensemble P
n
[X] des polynmes de degr infrieur ou gal n additionn du
polynme nul est un espace vectoriel.
Proposition 2.9. Pour tout , K et pour tout x, y E, on a :
(1) x = 0 = 0 ou x = 0.
(2) (x y) = x y.
(3) ( )x = x x.
(4) ()(x) = x.
11
2 . Espace vectoriel
2.3 Sous-espace vectoriel
Dans toute la suite lensemble E dsignera un espace vectoriel sur K.
2.3.1 Dnition
Dnition 2.10. Soit F un sous-ensemble de E. On dit que F est un sous-espace
vectoriel de E si F possde les proprits suivantes :
(1) 0 F ;
(2) x, y F, x + y F. Autrement dit F est stable par laddition ;
(3) x F et K, x F. Autrement dit, F est stable par la multiplication
par scalaire.
Remarque 2.11. Tout sous-espace vectoriel de E, est un espace vectoriel pour les
lois induites par E.
Exemple 2.12. (1) Si E est un espace vectoriel, alors {0} et E sont des sous-
espaces vectoriel de E.
(2) Si E = R
2
, alors F = {(x, 0); x R} est un sous-espace vectoriel de E. De
mme, si (x
0
, y
0
) R
2
, alors F{(x
0
, y
0
); R} est un sous-espace vectoriel
de E.
(3) Lensemble F = {(x, y, z) R
3
| z = 0} est un sous-esapce vectoriel de R
3
.
(4) H = {(x
1
, . . . , x
n
) R
n
| x
1
+ + x
n
= 0} est un sous-espace vectoriel
de R
n
. En eet R
n
est un R-espace vectoriel de vecteur nul 0 = (0, . . . , 0).
H R
n
et 0 = (0, . . . , 0) H car 0 + + 0 = 0. Soient , R et x =
(x
1
, . . . , x
n
), y = (y
1
, . . . , y
n
) H. On a x+y = (x
1
+y
1
, . . . , x
n
+y
n
).
Or (x
1
+ y
1
) + + (x
n
+ y
n
) = (x
1
+ + x
n
) + (y
1
+ + y
n
) = 0
car x
1
+ + x
n
= y
1
+ + y
n
= 0 puisque x, y H donc x + y H.
Corollaire 2.13. Soit E un espace vectoriel et F un sous-ensemble de E (F E).
Si F vrie les proprits (1) et (2) suivantes alors F est un sous-espace vectoriel
de E :
(1) F est non vide (F contient llment neutre de E).
(2) (x, y) F F, (, ) KK, alors x + y F.
Exemple 2.14. Les parties suivantes ne sont pas des sous-espaces vectoriels de R
2
:
{(x, y) R
2
| x + y = 1} car ne contient par le vecteur nul ;
{(x, y) R
2
| xy = 0} car non stable par addition ;
{(x, y) R
2
| x + y Z} car non stable par produit extrieur.
Proposition 2.15. Soient E un espace vectoriel et E
1
, . . . , E
n
des sous-espaces
vectoriels de E, alors lintersection F =
n
k=1
E
i
est un sous-espace vectoriel de E.
Preuve:
Pour tout i, on a 0 E
i
, donc 0 F. Soient x, y F et K alors pour tout i,
on a x + y E
i
donc x + y est dans lintersection de tout les E
i
.
12
2.3 Sous-espace vectoriel
Remarque 2.16. La runion de deux sous-espace vectoriels nest pas en gnral un
sous-espace vectoriel. En eet, si E = R
2
, les sous-ensembles E
1
= {(x, y) R
2
|
x + y = 0} et E
2
= {(x, y) R
2
| x y = 0} sont deux sous-espaces vectoriels de
R
2
mais E
1
E
2
nest pas un sous-espace vectoriel (par exemple, soient x, y R
,
on a (x, x) E
1
et (y, y) E
2
mais (x, x) +(y, y) nappartient ni E
1
ni E
2
).
2.3.2 Combinaisons linaires
Soit {x
1
, . . . , x
p
} une famille de vecteurs dun espace vectoriel E. Tout vecteur
de E de la forme a
1
x
1
+. . . a
p
x
p
=
p
k=1
a
k
x
k
, o les a
k
R est appel combinaison
linaire des vecteurs x
k
, k = 1 . . . , p.
Remarque 2.17. On peut gnraliser cette notion une famille innie de vecteurs,
mais dans ce cas il faut que la suite des scalaires soit support ni.
2.3.3 Sous-espace vectoriel engendr par une partie dun es-
pace vectoriel
Soit A un sous-ensemble non-vide de lespace vectoriel E. On note vect(A), len-
semble des combinaisons linaires dlments de A. On a donc
vect(A) = {
aA
a
a | (a) est une famille de scalaires support ni}.
Donc un lment x de E appartient vect(A), si et seulement si, il existe x
1
, . . . , x
n
A et des scalaires
1
, . . . ,
n
, tels que : x =
1
x
1
+ +
n
x
n
.
Thorme 2.18. Soit A une partie dun espace vectoriel E. vect(A) est lunique
sous-espace vectoriel de E vriant :
(1) A vect(A),
(2) vect(A) est inclus dans tout sous-espaces vectoriels contenant A.
Le sous-espace vectoriel vect(A) se comprend comme tant le plus petit sous-espace
vectoriel contenant A, on lappelle espace vectoriel engendr par A.
Corollaire 2.19. vect(A) est lintersection de tous les sous-espaces vectoriel de E
contenant A.
Corollaire 2.20. A est un sous-espace vectoriel, si et seulement si, vect(A) = A.
Exemple 2.21. (1) vect{ensemble vide} = {0} car lespace nul est le plus petit
sous-espace vectoriel de E.
(2) vect(E) = E car vectE est le plus petit sous-espace vectoriel contenant E.
(3) Soit A = {u}. Montrons que vect{u} = {u | K} = Ku.
Puisque u A vect(A) et puisque vect(A) est un sous-espace vectoriel on a
u vect(A), pour tout K. Ainsi Ku vect{u}. Par double inclusion on
obtient Ku = vect{u}.
(4) Soit A = {u, v}. Par double inclusion, on montre comme ci-desus que vect{u, v} =
{u + v | , K} = Ku +Kv.
13
2 . Espace vectoriel
Proposition 2.22. Si A et B deux parties de E alors A B = vect(B)
vect(A).
Preuve:
Supposons que A B. On a alors A vect(B) or vect(B) est un sous-espace
vectoriel donc vect(A) vect(B).
Proposition 2.23. Si A et B sont deux parties de E alors vect(AB) = vect(A)+
vect(B).
Exemple 2.24. Pour F et G deux sous-espaces vectoriels de E. vect(FG) = F+G.
Ainsi F +G apparait comme tant le plus patit sous-espace vectoriel contenant F et
G.
14
2.4 Feuille dexercices-Espaces vectoriels et sous-espaces vectoriels
2.4 Feuille dexercices-Espaces vectoriels et sous-espaces
vectoriels
Exercice 1. Soit E un R-espace vectoriel.
On munit le produit cartsien EE de laddition usuelle : (x, y)+(x
, y
) = (x+x
, y+
y
+
muni de la loi interne dnie par a b = a.b, a, b R
+
et de
la loi externe telle que : a = a
, a R
+
, R.
Montrer que (R
+
, , ) est un R-espace vectoriel.
Exercice 3. Sur R
2
, on dnit les deux lois suivantes : pour tous (x, y), (x
, y
) R
2
et R, on pose
(x, y) + (x
, y
) = (x + x
, y + y
, y
) R
2
,
f(a + b) = f(x + x
, y + y
)
= (x + x
+ y + y
, x + x
y + y
, 2y + 2y
)
= (x + y, x y, 2y) + (x
+ y
, x
, 2y
)
= f(a) + f(b).
Proposition 2.30. Soient (E, +, .), (F, +, .), (G, +, .) des K- espaces vectoriels.
(1) Si lapplication f : E F est linaire alors f(0
E
) = 0
F
;
(2) Si f : E F et g : F G sont linaires alors g f : E G est linaire.
(3) Si e
1
, . . . e
n
sont des vecteurs de E alors
1
, . . . ,
n
K, f(
n
k=1
a
k
e
k
) =
n
k=1
a
k
f(e
k
).
2.5.2 Applications linaires particulires
Formes linaires
Dnition 2.31. On appelle forme linaire sur un K-espace vectoriel E, toute ap-
plication linaire de E dans K. On note E
R
2
dnie par f : (x, y) (x y, x + y). Soit a = (x, y) R
2
. ..... ker f = {x, x) |
x R}
Imf = {(x, x) | x R}.
Thorme 2.49. Si f : E F est une application linaire alors
(1) f est surjective, si et seulement si, Imf = F
(2) f est injective, si et seulement si, ker f = {0
E
}.
Preuve:
n
i=1
i
e
i
avec
1
, . . . ,
n
des
scalaires de K bien choisis.
Dnition 2.51. On appelle espace vectoriel engendr par la famille F = (e
i
)
1in
,
le sous-espace vectoriel engendr par la partie {e
1
, . . . , e
n
}. On le note vect F, vect(e
i
)
1in
ou vect(e
1
, . . . , e
n
).
Exemple 2.52. Le sous-espace vectoriel engendr par la famille vide est lespace
nul {0}.
Thorme 2.53. Si (e
1
, . . . , e
n
) est une famille de vecteurs de E alors vect(e
1
, . . . , e
n
)
est lensemble des combinaisons linaires des vecteurs e
1
, . . . , e
n
, cest--dire :
vect(e
1
, . . . , e
n
) = {
n
i=1
i
e
i
|
1
, . . . ,
n
K}.
Exemple 2.54. (1) Cas n = 1, X(u) = {u | K} = Ku.
(2) Cas n = 2, X(u, v) = {u + v | , K} = Ku +Kv.
(3) Dans R
3
, considrons u = (1, 1, 1), v = (0, 1, 2).
vect(u, v) = {(, + , 2) | , K}.
18
2.6 Famille de vecteurs
Remarque 2.55. Il est ecace dtablir quune partie est un sous-espace vectoriel
en observant que celle-ci est engendrs par une famille de vecteurs.
Exemple 2.56. (1) Dans R
3
, considrons P = {(a + b, a b, 2b) | a, b R}.
Puisque P = vect(u, v), avec u = (1, 1, 0) et v = (1, 1, 2), P est un sous-
espace vectoriel de R
3
.
(2) Dans R
3
, considrons P = {(x, y, z) | x + y z = 0}.
Puisque x + y z = 0 z = x + y, on a P = vect((1, 0, 1), (0, 1, 1)). ainsi P
est un sous-espace vectoriel de R
3
.
2.6.2 Famille gnratrice
Dnition 2.57. On dit quune famille F = (e
i
)
1in
de vecteurs de E est gnra-
trice de E, si tout vecteur x de E scrit comme combinaison linaire des vecteurs
de la famille F, cest--dire :
x E, (
1
, . . . ,
n
) K
n
| x =
1
e
1
+ +
n
e
n
=
n
i=1
i
e
i
.
Remarque 2.58. La famille F est gnratrice de E, si et seulement si, vect(F) =
E.
Exemple 2.59. (1) Dans E = R
n
, on pose e
i
= (0, . . . , 1, 0 . . . , 0) R
n
o 1
se situe en ime position. La famille B = (e
i
)
1in
est gnratrice de R
n
. En
eet x = (x
1
, . . . , x
n
) R
n
, on peut crire x = x
1
e
1
+ + x
n
e
n
.
(2) Dans E = R, la famille (1) est gnratrice. En eet, x R, x = x.1.
(3) Dans E = C vu comme R-espace vectoriel, la famille F = (1, i) est gnra-
trice. En eet, pour tout z C, on peut crire z = a.1 +b.i, avec a = (z) et
b = Im(z).
Proposition 2.60. Si (e
1
, . . . , e
n
, e
n+1
) est une famille gnratrice et si e
n+1
X(e
1
, . . . , e
n
) alors la sous-famille (e
1
, . . . , e
n
) est gnratrice.
2.6.3 Famille libre, famille lie
Dnition 2.61. Un vecteur u est dit colinaire un vecteur v de E sil existe
K tel que u = v. Deux vecteurs u et v sont dits colinaires si lun des deux est
colinaire lautre.
Attension
u est colinaire v nquivaut pas v est colinaire v. En eet, le vecteur nul est
colinaire tout vecteurs mais tout veceturs nest pas colinaire au vecetur nul.
Dnition 2.62. (1) On dit que la famille (e
1
, . . . , e
n
) de vecteurs de E est libre
si elle vrie
1
, . . . ,
n
K,
1
e
1
+ +
n
e = 0
1
= . . .
n
= 0. On dit
que les veceturs e
1
, . . . , e
n
sont linairement indpendants
(2) On dit que la famille (e
1
, . . . , e
n
) est lie si elle nest pas libre ce qui signie
1
,
n
K,
1
e
1
+ . . .
n
e
n
= 0 et (
1
, . . . ,
n
) = (0, . . . , 0). Une galit
1
e
1
+ +
n
e
n
= 0 avec
1
, . . . ,
n
non tous nuls est appele relation linaire
sur les vecteurs e
1
, . . . , e
n
.
19
2 . Espace vectoriel
Exemple 2.63. Soit u E, tudions la libert de la famille (u). Si u = 0 alors
K, u = 0 = 0. Par suite, la famille (u) est libre.
Si u = 0 alors on peut crire u = 0 avec = 1 = 0. Par suite, la famillle (0) est
lie.
Proposition 2.64. Soient n 2 et (e
1
, . . . , e
n
) une famille de vecteurs de E. On a
quivalence entre :
(i) (e
1
, . . . , e
n
) est lie ;
(ii) Lun des vecteurs e
1
, . . . , e
n
est combinaison linaire des autres.
Exemple 2.65. (1) Soient u, u E.
(u, v) est lie, si et seulement si, ( K, u = v) ou ( K, v = u).
Ansi, la famille (u, v) est lie, si et seulement si, u et v sont colinaires.
(2) Dans E = R
3
, considrons les vecteurs u = (1, 2, 1), v = (1, 1, 1), w =
(1, 1, 0) et la famille F = (u, v, w). Etudions la libert de la famille F. Soient
, , R.
u + v + w = 0
_
_
+ + = 0
2 + = 0
+ = 0.
Aprs rsolution du systme, on obtient u +v + w = 0 = = = 0,
la famille F est donc libre.
(3) Dans E = R
3
, considrons les vecteurs u = (1, 1, 0), v = (2, 1, 1), w =
(0, 1, 1) et la famille F = (u, v, w). Etudions la libert de la famille F.
Soient , , R.
u + v + w = 0
_
_
+ 2 = 0
= 0
+ = 0.
Aprs rsolution du systme, on obtient u + v + w = 0
_
= 2
= .
On en dduit que la famille F est lie car on a notament la relation linaire
2u + v w = 0.
(4) Dans E = F(R, R), considrons les fonctions f : x 1, g : x cosx, h :
x sinx et montrons que la famille (f, g, h) est libre. Soient , , R
Supposons f +g +h = 0. Pour tout x R, on a +cosx +sinx = 0.
Pour x = 0, on obtient lquation + = 0(1). Pour x = /2, on obtient
lquation + = 0(2). Pour x = , on obtient lquation
= 0(3). On a (1)
et (3) donnent = = 0 et par (2) on obtient = 0. Finalement la famille
(f, g, h) est libre.
Remarque 2.66. (1) Toute sous-famille dune famille libre est libre.
(2) Toute sur-famille dune famille lie, en particulier toute famille contenant le
vecteur nul est lie.
20
2.6 Famille de vecteurs
(3) Une sur-famille dune famille libre nest pas ncessairement libre.
Proposition 2.67. Si (e
1
, . . . , e
n
) est une famille libre et si e
n+1
/ vect(e
1
, . . . , e
n
)
alors la sur-famille (e
1
, . . . , e
n
, e
n+1
) est libre.
2.6.4 Base dun espace vectoriel
Dnition 2.68. On dit quune famille B = (e
i
)
1in
= (e
1
, . . . , e
n
) de vecteurs de
E est une base de E si celle-ci est libre et gnratrice.
Exemple 2.69. (1) Dans E = K
n
, on pose e
i
= (1, . . . , 0, 1, 0, . . . , 0) K
n
o 1
se situe en ime position. On a dja vu que B = (e
1
, . . . , e
n
) est gnratrice de
K
n
; montrons quelle est libre. Soient
1
, . . . ,
n
K. Supposons que
1
e
1
+
+
n
e
n
= 0. On a (
1
, . . . ,
n
) = (0, . . . , 0) et donc
1
= =
n
= 0.
Finalement , la famille B est libre et gnratrice de K
n
, cest une base de K
n
.
(2) Considrons la famille (1, i) dlments du R-espace vectoriel C. On a dja vu
que cette famille est gnratrice ; montrons quelle est libre. Soient , R.
Supposons que .1 + .i = 0. En identiant parties relles et imaginaires, on
obtient = = 0. Finalement, la base B est libre est gnratrice du R-espace
vectoriel C, cest une base de C.
Remarque 2.70. La famille (1, i) est lie dans le C-espace vectoriel C. Elle nest
pas donc une base du C-espace vectoriel C.
2.6.5 Composante dans une base
Thorme 2.71. Si B = (e
i
)
1in
est une base dun K-espace vectoriel de E alors
x E, !(
1
, . . . ,
n
) K
n
, x =
1
e
1
+ . . .
n
e
n
.
Dnition 2.72. Avec les notations ci-dessous, les scalaires
1
, . . . ,
n
sont appels
les composants de x dans la base B (ou encore les composantes de x).
Remarque 2.73. Les composantes dun vecteur dpendant de la base dans laquelle
on travaille.
Exemple 2.74. (1) Dans E = K
n
, considrons la base canonique B = (e
1
, . . . , e
n
)
et le vecteur x = (x
1
, . . . , x
n
). Puisque x = x
1
e
1
+ +x
n
e
n
, les composantes
du vecteurs x dans la base B sont les saclaires x
1
, . . . , x
n
.
(2) Dans le R-espace vectoriel C, les composantes de z C dans la base canonique
(1, i) sont (z) et Im(z)
Thorme 2.75. Si B = (e
i
)
1in
est une base de E alors pour tout vecteur x et
y de composantes x
1
, . . . , x
n
et y
1
, . . . , y
n
dans B, les composantes de x + y sont
x
1
+ y
1
, . . . , x
n
+ y
n
et celle de x sont x
1
, . . . , x
n
. Ainsi lapplication x E
x
i
K est une forme linaire sur E.
21
2 . Espace vectoriel
2.7 Feuille dexercices sur les applications linaires,
Famille libre, lie et base
2.7.1 Applications linaires
Exercice 1 : Les applications entre R-espace vectoriels suivantes sont-elles
linaires :
(1) f : R
3
R dnie par f(x, y, z) = x + y + 2z ;
(2) f : R
2
R dnie par f(x, y) = x + y + 1 ;
[3) f : R
2
R dnie par f(x, y, z) = xy ;
(4) f : R
3
R dnie par f(x, y, z) = x z ;
Exercice 2 : Soit f : R
2
R
2
dnie par f(x, y) (x + y, x y).
Montrer que f est un automorphisme de R
2
et dterminer son automorphisme rci-
proque.
Exercice 3 : Soit : C
(R, R) C
3f
+2f = 0.
Montrer que est un endomorphisme et prciser son noyau.
Exercice 4 : Soit E lespace vectoriel des applications indnement drivables sur
R. Soient : E E et : E E les applications dnies par :
(f) = f
pour lequel f
n
= 0 et f
n1
= 0. Montrer que Id f est
inversible et exprimer son inverse en fonction de f.
Exercice 7 : Soient E et F deux K-espaces vectoriels, f L(E, F) et A, B deux
sous-espaces vectoriels de E. Montrer que f(A) f(B) A+ker f B +kerf.
2.7.2 Image et noyau dun endomorphisme
Exercice 8 : Soient f et g deux endomorphismes dun K-espace vectoriel E.
Montrer que g f = 0, si et seulement si, Im(f) ker(f).
Exercice 9 : Soient f et g deux endomorphismes dun K-espace vectoriel E.
(a) Comparer ker(f) ker(g) et ker(f + g) ;
(b) Comparer Im(f) + Im(g) et Im(f + g) ;
(c) Comparer ker(f) et ker(f
2
) ;
(d) Comparer Im(f) et Im(f
2
).
Exercice 10 : Soit f un endomorphisme dun K-espace vectoriel E. Montrer que
(a) Im(f) ker(f) ker(f) = ker(f
2
) ;
(b) E = Im(f) + ker(f) Im(f) = Im(f
2
).
22
2.7 Feuille dexercices sur les applications linaires, Famille libre, lie et base
2.7.3 Sous-espace engendr par une famille nie
Exercice 11 : On considre les vecteurs de R
3
suivants u = (1, 1, 1) et v =
(1, 0, 1).
Montrer que vect(u, v) = {(2, + , 2) | , R}.
Exercice 12 : Dans R
3
, on considre x = (1, 1, 1) et y = (0, 1, a) o a R.
Donner une condition ncessaire et sussante sur a pour que u = (1, 1, 2) appar-
tiennent vect(x, y). Comparer alors vect(x, y), vect(u, x) et vect(u, y).
2.7.4 Famille libre
Exercice 13 : Les familles suivantes de R
3
sont-elles libres ?
Si ce nai pas le cas, former une relation linaire liant ces vecteurs :
(a) (x
1
, x
2
) avec x
1
= (1, 0, 1) et x
2
= (1, 2, 2) ;
(b) (x
1
, x
2
, x
3
) avec x
1
= (1, 0, 0), x
2
= (1, 1, 0) et x
3
= (1, 1, 1) ;
(c) (x
1
, x
2
, x
3
) avec x
1
= (1, 2, 1), x
2
= (2, 1, 1) et x
3
= (1, 1, 2) ;
(d) (x
1
, x
2
, x
3
) avec x
1
= (1, 1, 1), x
2
= (2, 1, 3) et x
3
= (1, 1, 1) ;
Exercice 14 : On pose f
1
, f
2
, f
3
, f
4
les fonctions dnies par : f
1
(x) = cos x, f
2
(x) =
xcos x, f
3
(x) = sin x et f
4
(x) = xsin x.
Montrer que la famille (f
1
, f
2
, f
3
, f
4
) est libre.
Exercice 15 : Pour tout entier 0 k n, on pose f
k
: R R la fonction dnie
par : f
k
(x) = e
kx
.
Montrer que la famille (f
k
)
0kn
est une famille libre de F(R, R).
Exercice 16 : Soit E un K-espace vectoriel et soient x, y, z trois vecteurs de E tel
que la famille x, y, z) soit libre.
On pose : u = y + z, v = z + x et w = x + y.
Montrer que la famille (u, v, w) est libre.
Exercice 17 : Soit E un K-espace vectoriel et (u
1
, . . . , u
n
, u
n+1
) une famille de
vecteurs de E. Etablir :
(a) Si (u
1
, . . . , u
n
) est libre et u
n+1
/ vect(u
1
, . . . , u
n
) alors (u
1
, . . . , u
n
, u
n+1
) est
libre ;
(b) Si (u
1
, . . . , u
n
, u
n+1
) est gnratrice et u
n+1
invect(u
1
, . . . , u
n
) alors (u
1
, . . . , u
n
)
est gnratrice.
Exercice 18 : Soit (x
1
, . . . , x
n
) une famille libre de vecteurs de E et
1
, . . . ,
n
K.
On pose u =
1
x
1
+ +
n
x
n
et 1 i n, y
i
= x
i
+ u.
A quelle condition sur les
i
, la famille (y
1
, . . . , y
n
) est-elle libre ?
Exercice 19 : Soit (a, b, c) R
3
. Les fonctions x sin(x+a), x sin(x+b), x
sin(x + c) sont-elles indpendantes ?
2.7.5 Obtention de base
Exercice 20 : On pose e
1
= (1, 1, 1), e
2
= (1, 1, 0), e
3
= (0, 1, 1). Montrer que
(e
1
, e
2
, e
3
) est une base de R
3
.
Exercice 21 : Soit E un K-espace vectoriel de dimension 3 et B = (e
1
, e
2
, e
3
) une
base de E.
On pose u = e
1
+ 2e
2
+ 2e
3
et v = e
2
+ e
3
.
23
2 . Espace vectoriel
Montrer que la famille (u, v) est libre et complter celle-ci en une base de E.
Exercice 22 : Soit E un K-espace vectoriel de dimension 3 et B = (e
1
, e
2
, e
3
) une
base de E.
On pose u = e
1
+ 2e
3
et v = e
3
e
1
et w = e
1
+ 2e
2
.
Montrer que (u, v, w) est une base de E.
Exercice 23 : soi E un K-espace vectoriel muni de la base B = (e
1
, . . . , e
n
). Pour
tout i {1, . . . , n}, on pose u
i
= e
1
+ . . . , e
i
.
(a) Montrer que B
= (u
1
, . . . , u
n
) est une base de E ;
(b) Exprimer les composantes dans B
1in
1jp
a
ij
E
ij
. Donc B est une famille
gnratrice de M
n,p
(K). Montrons maintenant que B est libre. Soient
ij
K,
1 i n et 1 j p, tel que
1in
1jp
ij
E
ij
= 0
Mn,p(K)
et montrons que
ij
= 0, 1 i n et 1 j p. On a
1in
1jp
ij
E
ij
= 0
Mn,p(K)
est quivalent
_
_
_
_
_
11
1p
.
.
.
.
.
.
n1
np
_
_
_
_
_
=
_
_
_
_
_
0 0
.
.
.
.
.
.
0 0
_
_
_
_
_
.
Par identication on obtient
ij
= 0, 1 i n, 1 j p.
Corollaire 3.11. La dimension de lespace vectoriel M
n,p
(K) est mp. En particulier
dimM
n
(K) = n
2
et dimM
n,1
(K) = dimM
1,n
(K) = n.
Exemple 3.12. (1) Soient A
1
, A
2
, A
3
, A
4
les matrices de M
2
(R) suivantes :
A
1
=
_
_
1 0
0 1
_
_
, A
2
=
_
_
1 0
0 1
_
_
, A
3
=
_
_
1 1
1 1
_
_
, A
4
=
_
_
0 1
1 0
_
_
.
Montrons que B = (A
1
, A
2
, A
3
, A
4
) est une base de M
2
(R). Nous remarquons
que card(B) = 4 = dimM
2
(R). Donc pour que B soit une base de M
2
(R) il
su que B soit libre sur M
2
(R). Soient
1
, . . . ,
4
R, tel que
1
A
1
+
2
A
2
+
3
A
3
+
4
A
4
= 0. Montrons que
1
= =
4
= 0. On a
1
A
1
+
2
A
2
+
3
A
3
+
4
A
4
= 0 est quivalent
_
_
1
+
2
+
3
l
3
3
+
4
1
2
+
3
_
_
=
_
_
0 0
0 0
_
_
.
Qui est quivalent
_
1
+
2
+
3
= 0,
4
= 0,
3
+
4
= 0,
2
+
3
= 0.
On dduit facilement que
1
=
2
=
3
=
4
= 0.
28
3.1 Oprations sur les matrices
(2) Montrons que :
F = {
_
_
a + b a + b
2a + b a + 2b
_
_
| a, b K}
est un sous-espace vectoriel de M
2
(K). On a
F = {
_
a a
2a a
_
+
_
b b
b 2b
_
| a, b K}
= {a
_
1 1
2 1
_
+ b
_
1 1
1 2
_
| a, b K}
= vect(
_
1 1
2 1
_
,
_
1 1
1 2
_
).
Par suite F est un sous-espace vectoriel de M
2
(K).
(3) Soit H = {
_
a b
c d
_
| a + b + c + d = 0, a, b, c, d K. Montrons que H est
un sous-espace vectoriel de M
2
(K). Soit f lapplication suivante
f : M
2
() K
_
_
a b
c d
_
_
a + b + c + d.
Il est facile vrier que f est une application linaire, cest--dire, pour tous
, K, A, B M
2
(K) on a f(A+ B) = f(A) + f(B). On a
ker f = {M M
2
(K) | f(M) = 0}
= {
_
a b
c d
_
| a + b + c + d = 0}
On remarque que ker f = H et on sait que le noyau dune application linaire
est un sous-espace vectoriel. On dduit alors que H est un sous-espace vectoriel
de M
2
(K).
3.1.3 Sous-espaces des matrices diagonales et triangulaires
Proposition 3.13. D
n
(K) lensemble des matrices diagonales de M
n
(K) est un
sous-espace vectoriel de M
n
(K) de dimension n.
Remarque 3.14. Une base de D
n
(K) = {M M
n
(K) | M =
_
_
_
a
11
0
.
.
.
0 a
nn
_
_
_
, a
ij
K} est B
1
= (E
11
, . . . , E
nn
).
Proposition 3.15. (1) T
n
(K) (resp. T
n
(K)) est un sous-espace vectoriel de M
n
(K)
de dimension
n(n+1)
2
.
29
3 . Matrices
(2) T
>
n
(K) (resp. T
<
n
(K)) est un sous-espace vectoriel de M
n
(K) de dimension
n(n1)
2
.
Remarque 3.16. (1) T
n
(K) = vect(E
ij
, 1 i j n);
(2) T
>
n
(K) = vect(E
ij
, 1 i < j n);
(3) T
n
(K) = vect(E
ij
, 1 j i n);
(4) T
<
n
(K) vect(E
ij
, 1 j < i n).
Exercice Montrer que :
(1) T
n
(K) T
<
n
(K) = M
n
(K);
(2) T
n
(K) T
>
n
(K) = M
n
(K).
3.1.4 Proprits du produit matriciel
Soient A = (a
ij
) 1in
1jp
M
n,p
(K), B = (b
ij
) 1ip
1jq
M
p,q
(K). On dnit la
matrice C = A B = AB = (c
ij
) 1in
1jq
M
n,q
(K), par 1 i n, 1 j q,
c
ij
=
p
k=1
a
ik
b
kj
.
Exemple Vrier que pour tous E
ij
, E
kl
M
n
(K), on a E
ij
E
kl
=
jk
E
il
.
Attention : Pour une cette multiplication matricielle soit possible il est necessaire
que le nombre de colonnes de A soit egal au nombre de ligne de B. On peut retirer
type(n,p) type(p,q)=type(n,q).
Exemple 3.17.
_
1 2
1 1
__
1 0 0
2 1 1
_
=
_
1 1 + 2 2 0 + 2 1 0 + 2 1
1 1 + 1 2 0 + 1 1 0 + 1 1
_
=
_
5 2 2
1 1 1
_
Remarque 3.18. Si les types de A et B permettent de calculer AB et BA, alors
en gnral on na pas AB = BA. Par exemple :
_
_
1 0
0 0
_
_
_
_
0 1
0 0
_
_
=
_
_
0 1
0 0
_
_
.
_
_
0 1
0 0
_
_
_
_
1 0
0 0
_
_
=
_
_
0 0
0 0
_
_
.
Proposition 3.19. (1) Pour tout A M
n,p
(K), B Mp, q(K), C M
q,m
, on a
(AB)C = A(CB) ;
(2) pour tous A, B M
n,p
(K) et C Mp, q(K), on a (A+ B)C = AC + BC ;
(3) pour tous A M
n,p
(K) et B, C Mp, q(K), on a A(B + C) = AB + AC ;
(4) Pour tout A M
n,p
(K), B Mp, q(K), et pour tout K, on a (AB) =
(A)B = A(B).
30
3.1 Oprations sur les matrices
Remarque 3.20. Dans lensemble des matrices M
n
(K) des matrices carres, la
multilplications est une loi de composition interne. Elle admet comme lment neutre
la matrice diagonale
I
n
=
_
_
_
_
_
1 0
.
.
.
0 1
_
_
_
_
_
.
Puissance dune matrice
Dnition 3.21. Soit A M
n
(K), on note A
0
= I
n
, A
1
= A, A
2
= AA, . . . , A
m
=
A A (m termes).
Attension : (A+ B)
2
= A
2
+ AB + BA+ B
2
= A
2
+ 2AB + B
2
.
(A+ B)
3
= A
3
+ A
2
B + ABA + Ba
2
+ AB
2
+ BAB + B
2
.
Matrices inversibles
Dnition 3.22. Une matrice A M
n
(K) est dite inversible sil existe B
M
n
(K) vriant AB = BA = I
n
. Cette matrice B est alors unique, cest linverse
de A not A
1
.
Exemple 3.23. La matrice I
n
est inversible et I
1
n
= I
n
.
Proposition 3.24. Soient A, B M
n
(K).
(1) Si A et B sont inversibles alors (AB)
1
= B
1
A
1
.
(2) Si A est inversible alors A
1
est inversible et (A
1
)
1
= A.
Dnition 3.25. On note GL(n)(K) lensemble des matrices inversibles de M
n
(K).
Proposition 3.26. (GL(n)(K), ) est un groupe appel groupe linaire dordre n.
Exemple 3.27. Soit A =
_
1 2
3 4
_
. On vrie par le calcul que A
2
5A = 2I
2
.
Par suite A(
1
2
A
5
2
I
2
) = I
2
. On conclut alors que A
1
=
1
2
A
5
2
I
2
.
Remarque 3.28. La somme de deux matrices inversibles nest pas toujours une
matrice inversible. Par example :
_
_
1 0
0 1
_
_
+
_
_
1 0
0 1
_
_
=
_
_
0 0
0 0
_
_
.
Dtermination pratique de linverse dune matrice carre inversible
Lemme 3.29. Soient A, B M
n,p
(K) si AX = BX, X M
p,1
(K) alors A = B.
31
3 . Matrices
Comment chercher linverse dune matrice carre A Gl n(K) : Soit
A = (a
ij
) 1in
1jn
GL(n)(K). On introduit X =
_
_
_
x
1
.
.
.
x
n
_
_
_
M
n,1
(K) et Y =
_
_
_
y
1
.
.
.
y
n
_
_
_
= AX M
n,1
(K). On a
_
_
_
_
_
y
1
.
.
.
y
n
_
_
_
_
_
=
_
_
_
_
_
a
11
a
nn
.
.
.
.
.
.
a
n1
a
nn
_
_
_
_
_
_
_
_
_
_
x
1
.
.
.
x
n
_
_
_
_
_
.
Qui est quivalent
_
_
y
1
= a
11
x
1
+ a
12
x
2
+ + a
1n
x
n
.
.
.
.
.
.
.
.
.
y
n
= a
n1
x
1
+ a
n2
x
2
+ a
nn
x
n
.
Si cela est possible, on rsout ce systme dont les inconnus sont x
1
, . . . , x
n
et on
obtient : _
_
x
1
= b
11
y
1
+ b
12
y
2
+ + b
1n
y
n
.
.
.
.
.
.
.
.
.
x
n
= b
n1
y
1
+ b
n2
y
2
+ b
nn
y
n
.
(3.1)
Soit B = (b
ij
) 1in
1jn
GL(n)(K). Le systme (3.1) est quivalent X = BY . Ainsi
I
n
X = BAX, X M
n,1
(K), daprs le lemme 3.29 on a I
n
= BA donc A
1
= B.
Exemple 3.30. Soit A =
_
_
0 1 1
1 0 1
1 1 0
_
_
M
3
(R). Dterminons A
1
? Soient X =
_
_
x
1
x
2
x
2
_
_
, Y =
_
_
y
1
y
2
y
3
_
_
M
3,1
(R), tel que Y = AX. On a :
_
_
_
y
1
= x
2
+ x
3
y
2
= x
1
+ x
3
y
3
= x
1
+ x
2
_
_
_
x
2
= y
1
x
3
x
3
=
1
2
(y
2
y
3
+ y
1
)
x
1
= y
3
y
1
+ x
3
_
_
_
x
2
=
1
2
(y
1
y
2
+ y
3
)
x
3
=
1
2
(y
1
+ y
2
y
3
)
x
1
=
1
2
(y
1
+ y
2
+ y
3
)
On dduit alors que A
1
=
1
2
_
_
1 1 1
1 1 1
1 1 1
_
_
.
3.2 Reprsentations matricielles
3.2.1 Matrice colonne des composantes dun vecteur
Soit E un K-espace vectoriel muni dune base B = (e
1
, . . . , e
n
), x E, !(
1
, . . . ,
n
)
K, tel que x =
1
e
1
+ +
n
e
n
.
32
3.2 Reprsentations matricielles
Dnition 3.31. On appelle matrice des composantes dans B du vecteur x la ma-
trice colonne de M
1,n
(K) telles que ses coecients sont
1
, . . . ,
n
, qui sont les
composantes de x dans la base B. On la note Mat
B
(x) =
_
_
_
1
.
.
.
n
_
_
_
Mn, 1(K).
Remarque 3.32. Puisque les composantes dun vecteur dpend de la base choisie,
il est necessaire de prciser la base.
Exemple 3.33. Soit le R espace vectoriel R
n
muni de sa base canonique (e
1
, . . . , e
n
).
On a : Mat
B
(e
i
) =
_
_
_
_
_
_
_
_
_
0
.
.
.
0
1
0
.
.
.0
_
_
_
_
_
_
_
_
_
. Soit x = (1, 2, 3, . . . , n) R
n
, on a Mat
B
(x) =
_
_
_
_
_
1
2
.
.
.
n
_
_
_
_
_
.
3.2.2 Matrice des composantes dune famille de vecteurs
Soit F = (x
1
, . . . , x
p
) une famille de vecteurs dun K-espace vectoriel E muni
dune base B = (e
1
, . . . , e
n
). Pour tout 1 i p notons c
i
la colonne des compo-
santes dans B du vecteur x
i
.
Dnition 3.34. On appelle matrice des composantes dans la base B de la famille
des vecteurs F la matrice de M
n,p
(K) dont les colonnes sont c
1
, . . . , c
p
, on la note
Mat
B
(F) = Mat
B
(x
1
, . . . , x
p
).
Remarque 3.35. Si p = 1, on retrouve la dnition de la matrice des composantes
du vecteur x
1
dans la base B.
Exemple 3.36. (1) Soit E un K-espace vectoriel muni de la base B = (v
1
, . . . , v
n
).
On a
Mat
B
(B) = Mat
B
(v
1
, . . . , v
n
) =
_
_
_
_
_
1 0
.
.
.
0 1
_
_
_
_
_
.
(2) Soit E = K
3
muni de sa base canonique B = (e
1
, e
2
, e
3
) et soient F =
(x
1
, x
2
, x
3
, x
4
), o x
1
= (1, 2, 3), x
2
= (1, 5, 6), x
3
= (4, 7, 9), x
4
= (4, 6, 7).
Mat
B
(F) = Mat
B
(x
1
, x
2
, x
3
, x
4
) =
_
_
_
_
_
1 1 4 4
2 5 7 6
3 6 9 7
_
_
_
_
_
.
(3) Soit E = R
3
[X] muni de sa base canonique B = (1, X, X
2
, X
3
). Soient F =
(P
0
, P
1
, P
2
, P
3
), P
0
= (1 + X)
0
= 1, P
1
= (1 + X)
1
= 1 + X, P
2
= (1 + X)
2
=
33
3 . Matrices
1 + 2X + X
2
, P
3
= (1 + X)
3
= 1 + 3X + 3X
2
+ X
3
. On a
Mat
B
(F) =
_
_
_
_
_
_
_
_
1 1 1 1
0 1 2 3
0 0 1 3
0 0 0 1
_
_
_
_
_
_
_
_
.
3.2.3 Matrice dune application linaire
Soient E et F deux K-espaces vectoriels muni respectivement des bases B =
(e
1
, . . . , e
n
) et C = (v
1
, . . . , v
p
).
Dnition 3.37. On appelle matrice representative dans les bases B et C dune
application linaire u L(E, F) la matrices des composantes dans C de la famille
image (u(e
1
), . . . , u(e
n
)), on la note Mat
B,C
u = Mat
C
(u(e
1
), . . . , u(e
n
)) M
p,n
(K).
Remarque 3.38. La matrice reprsentative de u dpend du choix des bases B et
C, il est donc necessaire de prciser ces derniers.
Exemple 3.39. (1) Soit u lapplication linaire suivante :
u : R
3
R
2
(x, y, z) (x + 2y z, x y).
On muni R
3
de la base canonique B = (e
1
, e
2
, e
3
) (e
1
= (1, 0, 0), e
2
= (0, 1, 0), e
3
=
(0, 0, 1)) et soit C = (v
1
, v
2
) la base canonique de R
2
(v
1
= (1, 0), v
2
= (0, 1)).
Dterminons la matrice reprsentative de u dans les bases B et C. On a
u(e
1
) = (1, 1) = v
1
+ v
2
,
u(e
2
) = (2, 1) = 2v
1
v
2
,
u(e
3
) = (1, 0) = v
1
+ 0v
2
.
Donc
Mat
C
(u(B)) =
_
_
1 2 1
1 1 0
_
_
.
(2) Soient a, b R (xs) et u lapplication linaire suivante :
u : R
3
[X] R
3
P (P(a), P(b), P(c)).
On muni R
3
[X] de sa base canonique B = (P
0
= 1, P
1
= X, P
2
= X
2
, P
3
=
X
3
) et on muni R
3
de sa base canonique C = (e
1
, e
2
e
3
). Dterminons la
matrice reprsentative de u dans les bases B et C. On a
u(P
0
) = (1, 1, 1) = e
1
+ e
2
+ e
3
,
u(P
1
) = (a, b, c) = ae
1
+ be
2
+ ce
3
,
u(P
3
) = (a
2
, b
2
, c
2
) = a
2
e
1
+ b
2
e
2
+ c
2
e
3
,
u(P
3
) = (a
3
, b
3
, c
3
) = a
3
e
1
+ b
3
e
2
+ c
3
e
3
.
34
3.2 Reprsentations matricielles
On dduit que
Mat
C
(u(B)) =
_
_
_
_
_
1 a a
2
a
3
1 b b
2
b
3
1 c c
2
c
3
_
_
_
_
_
.
3.2.4 Matrice dun endomorphisme
Soit E un K-espace vectoriel de dimension n et muni de la base B = (e
1
, . . . , e
n
).
Dnition 3.40. On appelle matrice reprsentative dans la base B dun endomor-
phisme u L(E) la matrice reprsentative dans la base B au dpart et larrive
de u, on la note Mat
B,B
u = Mat
B
u M
n
(K).
Exemple 3.41. (1) Soient E un K-espace vectoriel muni dune base B = (e
1
, . . . , e
n
)
et u = Id
E
lidentit de E. On a Mat
B
u = I
n
.
(2) Soit B = (e
1
, e
1
, e
3
) la base canonique de R
3
et soit u lendomorphisme sui-
vant :
u : R
3
R
3
(x, y, z) (x + z, z + x, x + y).
On a
u(e
1
) = (0, 1, 1) = e
2
+ e
3
,
u(e
2
) = (1, 0, 1) = e
1
+ e
3
,
u(e
3
) = (1, 1, 0) = e
1
+ e
2
.
Alors
Mat
B
(u) =
_
_
_
_
_
0 1 1
1 0 1
1 1 0
_
_
_
_
_
.
Soient v
1
= (1, 1, 1), v
2
= (1, 1, 0), v
3
= (1, 0, 0), vrions que B
= (v
1
, v
2
, v
3
)
est une base de R
3
, pour cela il sut de montrer que B
) =
dimR
3
= 3. Soient , , R, tel que v
1
+ v
2
+ v
3
= 0
R
3 et montrons
que = = = 0. On a v
1
+ v
2
+ v
3
= 0
R
3 est quivalent
_
_
+ + = 0
+ = 0
= 0
_
= 0
= 0
= 0
Donc B
_
x
1
+ x
2
+ x
3
= 0
x
1
x
2
= 0
x
1
+ x
3
= 0
_
_
_
x
2
= x
1
,
x
3
= x
1
.
Ainsi ker u = {x
1
(e
1
+ e
2
e
3
) | x
1
K} = vect(e
1
+ e
2
e
3
).
On peut aussi facilement dterminer limage de u.
En eet, par le thorme du rang, on a Rg u = dimEdimker u = 2. On peut donc
dterminer une base de Imu.en considrant deux vecteurs libres de limage de u. Or
les colonnes de A sont formes par les composantes des vecteurs u(e
1
), u(e
2
) et u(e
3
),
qui sont des lments de limage et puisque u(e
1
) = e
1
+ e
2
+ e
3
et u(e
2
) = e
1
e
2
sont libres alors Im(u) = vect(u(e
1
), u(e
2
)).
36
3.3 Formule de changement de base
3.2.6 Isomorphisme de reprsentation matricielle
Soient E et F deux K-espaces vectoriels munis de bases B = (e
1
, . . . , e
n
) et
C = (v
1
, . . . , v
p
).
Thorme 3.44. Lapplication
M
B,C
: L(E, F) M
p,n
(K)
u Mat
B,C
u
est un isomorphisme de K-espaces vectoriels.
Corollaire 3.45. Soient E et F deux K-espaces vectoriels de dimensions nies
alors lespace vectoriel L(E, F) est un K-espace vectoriel de dimension nie et
dimL(E, F) = dimF dimF. En particulier, dimL(E) = (dimE)
2
et dimE
=
dimKdimE = dimE.
Remarque 3.46. Par lisomorphisme de reprsentation matricielle, introduire une
application linaire u de E vers F quivaut introduire sa reprsentation matricielle
relative des bases donnes de E et F. Cest trs souvent ainsi que sont introduit
des applications linaires en dimension nie.
3.2.7 Composition dune application linaire
Soient E, F et G trois K-espaces vectoriels munis des bases B = (e
1
, . . . , e
p
),
C = (v
1
, . . . , v
n
) et D = (w
1
, . . . , w
m
).
Thorme 3.47. Pour tout u L(E, F) et v L(F, G), on a : Mat
B,D
(v u) =
Mat
C,D
v Mat
B,C
u.
3.2.8 Isomorphisme et matrice inversible
Soient E et F deux K-espaces vectoriels munis dew bases B = (e
1
, . . . , e
p
) et
C = (v
1
, . . . , v
n
).
Thorme 3.48. Soient u L(E, F) et A = Mat
B,C
u on a quivalence entre
(1) u est un isomorphisme ;
(2) A est inversible.
De plus, Mat
C,B
(u
1
) = A
1
.
3.3 Formule de changement de base
3.3.1 Matrice de passage
Soit E un K-espace vectoriel de dimension n muni de deux bases B = (e
1
, . . . , e
n
)
et B
= (e
1
, . . . , e
n
).
Dnition 3.49. On appelle matrice de passage de la base B la base B
la matrice
P = Mat
B
(B
) = Mat
B
(e
1
, . . . , e
n
).
37
3 . Matrices
Exemple 3.50. soit le R-espace vectoriel R
3
muni de la base canonique B =
(e
1
, e
2
, e
3
) et de la base B
= (e
1
, e
2
, e
3
), o e
1
= e
1
e
2
+ e
3
, e
2
= e
2
e
3
et
e
3
= 2e
1
+ 2e
2
e
3
. La matrice de passage de la Base B la base B
est
Mat
B
B
=
_
_
_
_
_
1 0 2
1 1 2
1 1 1
_
_
_
_
_
.
Proposition 3.51. Si P est la matrice de passage de la base B la base B
alors
P = Mat
B
(Id
E
(B
)).
Attension : Ici la matrice de lendomorphisme Id
E
nest pas lidentit car la
reprsentation matricielle de lidentit est forme en choississant une base larrive
qui nest a priori la mme au dpart.
Proposition 3.52. Si P est la matrice de passage de la base B la base B
alors
P est inversible et P
1
est la matrice de passage B
la base B.
Exemple 3.53. Reprenons les notations de lexemple prcident.
_
_
e
1
= e
1
e
2
+ e
3
e
2
= e
2
e
3
e
3
= 2e
1
+ 2e
2
e
3
et P = Mat
B
B
=
_
_
_
_
_
1 0 2
1 1 2
1 1 1
_
_
_
_
_
.
Pour former la matrice de passage inverse P
1
, il sut dexprimer les vecteurs de la
base B en fonction de ceux de la base B
_
e
1
= e
1
+ e
2
e
2
= 2e
1
+ e
2
+ e
3
e
3
= 2e
1
+ e
3
et donc P
1
= Mat
B
B =
_
_
_
_
_
1 2 2
1 1 0
0 1 1
_
_
_
_
_
.
3.3.2 Nouvelle composante de vecteur
Thorme 3.54. Soient B et B
de x alors on a X = Mat
B
B
.
Remarque 3.55. On retient la formule suivante Mat
B
x = Mat
B
B
Mat
B
x.
Corollaire 3.56. X
= Mat
B
BX.
3.3.3 Nouvelle reprsenatation dune application linaire
Thorme 3.57. Soient B et B
deux bases dun K-espace vectoriel F. Si f est une application linaire de E vers F
dont on note A = Mat
C
(fB)) et A
= Mat
C
(f(B
)) alors on a A
= Q
1
AP, o P
est la matrice de passage de la base B la base B
.
38
3.4 Rang dune matrice
Remarque 3.58. On peut retrouver la formule du thorme 3.57 laide du dia-
gramme commutatif suivant :
.
(E, B) (F, C)
(E, B
) (F, C
)
f
Id
E
Id
F
f
On a :
Id
F
f = f Id
E
Mat
C
Id
F
(C)A = A
Mat
B
Id
E
(B)
A
= Mat
C
Id
f
(C)AMat
B
Id
E
(B
)
A
= Q
1
AP.
3.4 Rang dune matrice
3.4.1 Denition
Rappel : Si F = (x
1
, . . . , x
n
) est une famille de vecteurs dun K-espace vectoriel
E alors on appelle rang de la famille F la dimension de lespace engendr par F.
Rg F = dimvect(x
1
, . . . , x
n
).
Si E et F sont deux K-espaces vectoriels de dimensions nies et u L(E, F)
alors on appelle rang de lapplication linaire u la dimension de Imu. Cest dire :
Rg u = dimImu.
Ces deux concepts sont lis puisque si B = (e
1
, . . . , e
n
) est une base de E alors
Rg u = Rg(u(e
1
), u(e
2
), . . . , u(e
n
)).
Dnition 3.59. Soit A = (a
ij
) 1in
1jp
M
n,p
(K) de colonnes C
1
, . . . , C
p
. On ap-
pelle rang de A le rang de la famille (C
1
, . . . , C
P
). On note Rg(A) = Rg(C
1
, . . . , C
p
).
Thorme 3.60. Si F = (x
1
, . . . , x
p
) une famille de vecteurs dun K-espace vecto-
riel E et si A est la matrice de la famille F dans une certaine bese B de E alors
Rg(A) = Rg(x
1
, . . . , x
p
).
Thorme 3.61. Soient E et F deux K-espaces vectoriels. Si u L(E, F) et si A
est la matrice de u relative des bases B de E et C de F alors Rg(u) = Rg(A).
3.4.2 Proprits du rang dune matrice
Proposition 3.62. Pour tout A M
n,p
(K), Rg(A) min(n, p).
Proposition 3.63. pour tous A n, p(K), B M
p,q
(K), on a Rg(AB) min(Rg(A), Rg(B)).
De plus
(a) Si A est une matrice carre inversible alors Rg(AB) = Rg(B) ;
(b) Si B est une matrice carre inversible alors Rg(AB) = Rg(A).
Remarque 3.64. On ne modie pas le rang dune matrice en multipliant celle-ci
par une matrice inversible.
39
3 . Matrices
Thorme 3.65. Soit A M
n
(K). On a quivalence entre :
(i) A est inversible ;
(ii) Rg(A) = n.
Remarque 3.66. Pour tout A M
n,p
(K), on a Rg(A) = Rg(
t
A).
40
3.5 Srie dexercices
3.5 Srie dexercices
Exercice 0 : On considre la matrice
A =
_
_
_
_
_
2 2 1
2 1 2
1 2 2
_
_
_
_
_
(a) Calculer A
t
A ou
t
AA.
(b) En dduire que A est inversible et donner lexpression de A
1
.
Exercice 1 : On considre la matrice
A =
_
_
_
_
_
1 1 1
0 1 1
0 0 1
_
_
_
_
_
et on pose B = A I
3
.
Calculer B
n
pour n N et en dduire lexpression de A
n
.
Exercice 2 : On considre la matrice
A =
_
_
1 2
3 4
_
_
(a) Calculer A
2
3A+2I. En dduire que A est inversible et calculer son inverse.
(b) Pour n 2, dterminer le reste de la division euclidienne de X
n
par X
2
3X + 2.
(c) En dduire lexpression de la matrice A
n
.
Exercice 3 : Soit A =
_
a b
c d
_
M
2
(K). Observer que A
2
(a + d)A + (ad
bc)I
2
= 0.
A quelle condition A est-elle inversible ? Dterminer alors A
1
.
Exercice 4 : Calculer linverse des matrices carres suivantes :
(a) A =
_
_
1 0 1
2 1 1
1 1 1
_
_
.
(b) B =
_
_
1 1 1
2 0 1
2 1 1
_
_
.
(c) C =
_
_
2 0 1
1 1 1
1 0 1
_
_
.
Exercice 5 : Dterminer la matrice relative aux bases canoniques des applications
linaires f suivantes :
41
3 . Matrices
(a)
f : R
3
R
2
(x, y, z) (x + y, y 2x + z).
(b)
f : R
3
R
3
(x, y, z) (y + z, z + x, x + y).
(c)
f : R
3
[X] R
3
[X]
P P(X + 1).
(d)
f : R
3
[X] R
4
P (P(1), P(2), P(3), P(4)).
Exercice 6 : On considre les sous-espaces vectoriels supplmentaires de R
3
sui-
vants :
P = {(x, y, z) R
3
| x + 2y z = 0} et D = Vect(w) o w = (1, 0, 1).
On note B = (i, j, k) la base canonique de R
3
.
On note p la projection vectorielle sur P paralllement D, q celle sur D parall-
lement P, et enn, s la symtrie vectorielle par rapport P et paralllement
D.
(a) Former la matrice de p dans B.
(b) En dduire les matrices, dans B, de q et de s.
Exercice 7 : Soit E un K-espace vectoriel de dimension 3 et f L(E) tel que
f
2
= 0 et f
3
= 0.
Montrer quil existe une base de E dans laquelle la matrice de f est
_
_
_
_
_
0 0 0
1 0 0
0 1 0
_
_
_
_
_
.
Exercice 8 : Soit E un K-espace vectoriel de dimension nie n N
.
Soit f un endomorphisme de E tel que f
n
= 0 et f
n1
= 0.
(a) Justier quil existe x E tel que B = (x, f(x), f
2
(x), . . . , f
n1
(x)) forme une
base de E.
(b) Dterminer les matrices de f, f
2
, . . . , f
n1
dans cette base.
(c) En dduire que
{g L(E) | g f = f g} = vect(Id, f, f
2
, . . . , f
n1
).
42
3.5 Srie dexercices
Exercice 9 : Soit
A =
_
_
_
_
_
3 1 3
1 1 1
1 1 1
_
_
_
_
_
.
On note B = (e
1
, e
2
, e
3
) la base canonique de R
3
.
Soit f lendomorphisme de R
3
dont la matrice dans B est A.
On pose
1
= (1, 1, 1),
2
= (1, 1, 0),
3
= (1, 0, 1) et B
= (
1
,
2
,
3
).
(a) Montrer que B
= (
1
,
2
,
3
) la famille dnie par
1
= e
1
+ e
2
e
3
;
2
= e
1
e
3
;
3
= e
1
e
2
.
(a) Montrer que B
.
(b) Exprimer la matrice de passage P de B B
et calculer P
1
.
(c) Quelle relation lie les matrices A, D, P et P
1
?
(d) Calculer A
n
pour tout n N.
Exercice 14 : Soit E un K-espace vectoriel muni dune base B = (e
1
, e
2
, e
3
).
Soit f lendomorphisme de E dont la matrice dans B est
A =
_
_
_
_
_
3 2 2
1 2 0
1 1 1
_
_
_
_
_
.
(a) Montrer quil existe une base C = (
1
,
2
,
3
) de E dans laquelle la matrice
reprsentative de f est une matrice diagonale D de coecients diagonaux :
1, 2 et 3.
(b) Dterminer la matrice de passage P de B C. Calculer P
1
.
(c) Quelle relation lie les matrices A, D, P et P
1
?
(d) Calculer A
n
pour tout n N.
Exercice 15 : Soit E un K-espace vectoriel de dimension 3 et B = (e
1
, e
2
, e
3
) une
base de E.
On considre les matrices
A =
_
_
_
_
_
4 2 2
1 0 1
3 2 1
_
_
_
_
_
et D =
_
_
_
_
_
0 0 0
0 1 0
0 0 2
_
_
_
_
_
.
Soit f lendomorphisme de E dont la matrice dans la base B est A.
44
3.5 Srie dexercices
(a) Montrer quil existe une base C = (
1
,
2
,
3
) de E telle que la matrice de f
dans C soit D.
(b) Dterminer la matrice P de GL(3)(R) telle que A = PDP
1
. Calculer P
1
.
(c) Calculer pour tout n N, A
n
.
(d) En dduire le terme gnral des suites (x
n
)
nN
, (y
n
)
nN
et (z
n
)
nN
dnies
par :
_
_
x
0
= 1,
y
0
= 0,
z
0
= 0,
et n N,
_
_
x
n+1
= 4x
n
2(y
n
+ z
n
),
y
n+1
= x
n
z
n
,
z
n+1
= 3x
n
2y
n
z
n
.
Exercice 16 : Calculer le rang de familles de vecteurs suivantes de R
3
:
(a) (x
1
, x
2
, x
3
) avec x
1
= (1, 1, 0), x
2
= (1, 0, 1) et x
3
= (0, 1, 1).
(b) (x
1
, x
2
, x
3
) avec x
1
= (2, 1, 1), x
2
= (1, 2, 1) et x
3
= (1, 1, 2).
(c) (x
1
, x
2
, x
3
) avec x
1
= (1, 2, 1), x
2
= (1, 0, 3) et x
3
= (1, 1, 2).
Exercice 17 : Calculer le rang des applications linaires suivantes :
(a) f : K
3
K
3
, dnie par f(x, y, z) = (x + y + z, x y + z, x + y z).
(b) f : K
3
K
3
dnie par f(x, y, z) = (x y, y z, z x).
(c) f : K
4
K
4
dnie par f(x, y, z, t) = (x + y t, x + z + 2t, 2x + y z +
t, x + 2y + z).
Exercice 18 : Soit E un espace vectoriel de dimension 3 muni dune base B =
{e
1
, e
2
, e
3
}. Soit R, on considre les vecteurs v
1
= e
1
e
2
+e
3
, v
2
= e
1
e
2
e
3
et v
3
= e
1
e
2
e
3
.
(a) Soit f
(e
1
) = v
1
, f
(e
2
) = v
2
, f
(e
3
) = v
3
.
Dterminer la matrice A
de f
dans la base B.
(b) Dterminer suivant les valeurs de le rang de f
.
(c) Calculer, suivant les valeurs de , le noyau de f
.
(d) Montrer que la matrice
P =
_
_
_
_
_
1 0 1
1 1 0
1 1 1
_
_
_
_
_
est inversible et calculer son inverse.
(e) Monter que A
0
= PBP
1
, o
B =
_
_
_
_
_
0 0 0
0 1 0
0 0 1
_
_
_
_
_
.
En dduire que f
3
0
= f
0
.
45
3 . Matrices
46
Chapitre 4
Systmes Linaires, Mthode du
Pivot de Gauss
4.1 Transformations des matrices
4.2 Rduction des matrices ; Mthode du Pivot Gauss
4.3 Recherche de linverse dune matrice carre
4.4 Systmes linaires
47
4 . Systmes Linaires, Mthode du Pivot de Gauss
4.5 Exercices
Exercice 1 : Transformer les matrices suivantes en matrices chelonnes r-
duites :
_
_
_
_
_
_
_
_
0 2 2 5 0 3
1 3 0 4 1 2
0 1 2 2 1 1
0 1 2 4 1 3
_
_
_
_
_
_
_
_
,
_
_
_
_
_
_
_
_
_
_
_
0 2 1 3
1 0 1 2
1 2 1 5
2 1 0 0
1 2 2 1
_
_
_
_
_
_
_
_
_
_
_
,
_
_
_
_
_
_
_
_
1 1 m
m 1 m
1 m 1
m 1 1
_
_
_
_
_
_
_
_
.
Exercice 2 : Calculer lorsque cest possible linverse des matrices suivantes :
A =
_
_
_
_
_
1 2 3
0 4 2
1 1 2
_
_
_
_
_
, B =
_
_
_
_
_
_
_
_
2 1 0 2
0 0 0 3
1 2 1 1
0 0 0 1
_
_
_
_
_
_
_
_
,
C =
_
_
1 2
3 1
_
_
, D =
_
_
_
_
_
_
_
_
_
_
_
1 0 0 2 1
2 1 3 4 7
0 0 2 1 0
0 0 0 0 1
1 1 1 2 4
_
_
_
_
_
_
_
_
_
_
_
.
Exercice 3 : Rsoudre dans R les systmes par la mthode du pivot de Gauss.
(S
1
) :
_
_
2x + 3y = 12,
3x + 5y = 1,
7x 11y = 1,
(S
2
) :
_
_
x y + 3z = 6,
3x 2y + 7z = 14,
x + 3y 3z = 4.
Exercice 4 : Pour R, rsoudre le systme (S
) :
_
_
_
2x + 3y + z = 4,
x + 6y + 2z = 5,
7x + 3y + z = .
Exercice 5 : Rsoudre en fonction du paramtre m C, les systmes suivants
dinconnues complexes :
(a)
_
_
_
x y + z = m
x + my z = 1
x y z = 1
(b)
_
_
_
mx + y + z = 1
x + my + z = m
x + y + mz = m
2
(c)
_
_
_
mx + y + z + t = 1
x + my + z + t = m
x + y + mz + t = m + 1.
Exercice 6 : Soit a, b C. Rsoudre le systme :
_
_
ax + by + z = 1
x + aby + z = b
x + by + az = 1
48
Chapitre 5
Rduction des Matrices Carres
5.1 Valeurs propres, Vecteurs propres
Dnition 5.1. Soient E un K-espace vectoriel, f un endomorphisme de E et
K. Sil existe x un vecteur non nul de E tel que f(x) = x, on dit que :
(1) est une valeur propre de f.
(2) x est un vecteur propre de f associ la valeur propre .
Dans ce cas :
E
1
capE
2
= {0}.
Proposition 5.5. Soient E un K-espace vectoriel et f un endomorphisme de E.
Si x
1
, . . . , x
p
sont des vecteurs propres associes aux valeurs propres deux deux
distinctes
1
, . . . ,
p
alors la famille (x
1
, . . . , x
p
) est libre.
Corollaire 5.6. Soient E un K-espace vectoriel de dimension n et f un endomor-
phisme de E.
(1) Si
1
, . . . ,
p
sont des valeurs propres de f distinctes deux deux et E
1
, . . . , E
p
sont les sous-espaces propres associs, alors la somme E
1
+ +E
p
est directe
et
p
i=1
dimE
i
n.
(2) f ademet au plus n valeurs propres.
49
5 . Rduction des Matrices Carres
5.2 Diagonalisation dun endomorphisme
Soient E un K-espace vectoriel de base B = (e
1
, . . . , e
n
) et f un endomorphisme
de E. Notons A = Mat
B
(f(B)). Si A est diagonale avec A =
_
_
_
1
0
.
.
.
0
n
_
_
_
alors
f(e
i
) =
i
e
i
, 1 i n. Donc les valeurs popres de f sont
1
, . . . ,
n
et e
1
, . . . , e
n
sont des vecteurs propres de f associs respectivement
1
, . . . ,
n
. Rciproque-
ment :
Si 1 i n, e
i
est un vecteur propre de f associe la valeur propre _i, alors
A =
_
_
_
1
0
.
.
.
0
n
_
_
_
Dnition 5.7. Soient E un K-espace vectoriel de dimension n et f un endomor-
phisme de E. On dit que f est diagonalisable sil existe une base B de E telle que
la matrice de f dans cette base est diagonale (cest--dire, il existe une base de E
forme par les valeurs propres de f).
Thorme 5.8. Soient E un K-espace vectoriel de dimension n et f un endomor-
phisme de E, qui possde p valeurs propres distinctes. Les conditions suivantes sont
quivalentes :
(i) f est diagonalisable.
(ii) E = E
1
. . . E
p
.
(iii) Il existe ue base B de E telle que A
= Mat
B
f(B) est diagonale.
Corollaire 5.9. Soient E un K-espace vectoriel de dimensuion n et f un endomor-
phisme de E. Si f possde n valeurs propres distinctes alors f est diagonalisable.
5.3 Diagonalisation dune matrice carre
Dnition 5.10. Soient A une matrice carre de M
n
(K) et K. Sil existe
X K
n
, (on identie K
n
avec M
n,1
(K)) tel que AX = X alors
(1) est une valeur propre de A.
(2) X est un veceteur propre de A associ la valeur propre .
Dans ce cas : E
= {X M
n,1
(K) | AX = X} est lespace propre associ la
avaleur propre .
Proposition 5.11. Soient A M
n
(K) et K. Les conditions suivantes sont
quivalentes :
(i) est une valeur propre de A.
(ii) A I
n
nest pas inversible.
(iii) det(AI
n
) = 0.
50
5.3 Diagonalisation dune matrice carre
Preuve:
Nous dmontrons que (i) implique (ii). On a est une valeur propre de A, donc
il existe X M
n,1
(K) un vecteur propre non nul associ la valeur propre . On
a AX X = (A I
n
)X = 0. Si on suppose que A I
N
est inversible, on a
(AI
n
)
1
(AI
n
)(X) = 0. Ceci implique que X est nul ce qui est absurde.
51
5 . Rduction des Matrices Carres
5.4 Sries dexercices
Exercice 1 : Soit f : R
2
R
2
lapplication linaire dnie par
f(x, y) =
1
5
(3x + 4y, 4x 3y).
(1) Ecrire la matrice de f dans la base canonique de R
2
. On la notera A.
(2) Montrer que le vecteur v
1
=
_
2
1
_
est vecteur propre de f. Quelle est la
valeur propre associe ?
(3) Montrer que le vecteur v
2
=
_
1
2
_
est galement vecteur propre de f. Quelle
est la valeur propre associe ?
(4) Ecire v
3
=
_
1
3
_
en fonction de v
1
et v
2
. On dduire son image par f.
(5) Montrer que la famille (v
1
, v
2
) est une base de R
2
.
(6) Quelle la matrice de f dans la base (v
1
, v
2
) ? On la notera D.
(7) Ecire P la matrice de passage de la base canonique la base (v
1
, v
2
). Calculer
P
1
(8) Quelle est la relation entre P, A, P
1
et D.
(9) Calculer A
n
, pour n N. Mme exercice avec la matrice A =
_
2 3
1 0
_
et les vecteurs v
1
=
_
3
1
_
, v
2
=
_
1
1
_
, v
3
=
_
0
4
_
,
Exercice 2 : Dterminer le polynme caracterestique des matrices suivantes :
A
1
=
_
_
0 1
1 0
_
_
, A
1
=
_
_
_
_
_
0 1 1
1 0 1
1 1 0
_
_
_
_
_
, A
3
=
_
_
_
_
_
_
_
_
0 1 1 1
1 0 1 1
1 1 0 1
1 1 1 0
_
_
_
_
_
_
_
_
.
Exercice 3 Rechercher les valeurs propres et vecteurs propres des matrices sui-
vantes :
A
1
=
_
_
_
_
_
1 0 0
0 1 1
0 1 1
_
_
_
_
_
, A
2
=
_
_
_
_
_
1 0 4
0 7 2
4 2 0
_
_
_
_
_
, A
3
=
_
_
_
_
_
1 1 1
1 a
2
0
1 0 a
2
_
_
_
_
_
, (a = 0).
Exercice 4 : Trouver une matrice carre inversible P telle que b = PAP
1
soit
diagonale, et crire la matrice B obtenue, pour les matrices A suivantes :
A
1
=
_
_
_
_
_
2 0 0
0 1 4
0 4 1
_
_
_
_
_
, A
2
=
_
_
_
_
_
1 0 1
0 1 0
1 0 1
_
_
_
_
_
, A
3
=
_
_
_
_
_
1 0 4
0 7 2
4 2 0
_
_
_
_
_
.
52
5.4 Sries dexercices
Exercice 5 : Soit la matrice
A =
_
_
_
_
_
7 3 9
2 1 2
2 1 4
_
_
_
_
_
qui reprsente f , un endomorphisme de R
3
dans une base canonique.
(1) (a) Montrer que les valeurs propres de A sont
1
= 2,
2
= 1 et
3
= 3.
(b) En dduire que lon peut diagonaliser A.
(2) (a) Dterminer une base B
= (v
1
, v
2
, v
3
) de vecteurs propres tel que la ma-
trice de f dans la base B
soit
D =
_
_
_
_
_
1
0 0
0
2
0
0 0
3
_
_
_
_
_
.
(b) Prciser la matrice de passage P de la base canonique B la base B
;
quelle relation lie les matrices A, p, P
1
et D?.
(3) Montrer que pour tout entier n N, on a A
n
= PD
n
P
1
.
(4) Aprs avoir donn, calculer A
n
pour tout n N.
Exercice 6 : Soit la matrice matrice A =
_
_
3 2 2
2 1 2
2 2 1
_
_
.
(1) Calculer une base et la dimension de chaque sous-espace propre de A.
(2) A est diagonalisable ; justier cette armation et diagonaler A.
53
5 . Rduction des Matrices Carres
54