1

Universite Chouaib Doukkali

Faculte Polydisciplinaire - El Jadida
Fili`ere des Sciences Economiques et de Gestion (SEG) - Semestre 3
Annee Universitaire 2013-2014
Cours et exercices dAgl`ebre Lineaire
Responsable : Pr. A. Serhir
Chapitre 1
Matrices - syst`emes dequations
lineaires
1.1 Denitions - Exemples
Dans tout ce chapitre K designe le corps des nombres reels R ou des nombres complexes C.
Soient m, n deux entiers naturels nons nuls.
Denition 1.1.1 Une matrice A de type (m, n) `a coecients dans K est un tableau :
A =
_
_
_
_
_
_
_
_
_
_
_
_
a
11
. . a
1j
. . a
1n
. . . . . . .
. . . . . . .
a
i1
. . a
ij
. . a
in
. . . . . . .
. . . . . . .
. . . . . . .
a
m1
. . a
mj
. . a
mn
_
_
_
_
_
_
_
_
_
_
_
_
On note A = (a
ij
), 1 i m et 1 j n; m est le nombre de lignes et n est le nombre de
colonnes de A. Le terme (ou le coecient) a
ij
est situe dans la i-
eme ligne et la j-
eme colonne de A.
- Si m = n, on dit que A est une matrice carree dordre n.
- Une matrice carree dordre n, A = (a
ij
), est dite diagonale si a
ij
= 0, pour tout i et j tels
que i = j.
- Une matrice carree dordre n, A = (a
ij
), est dite triangulaire superieure (resp. inferieure),
si a
ij
= 0, pour tout i et j tels que i > j (rep. i < j).
- La matrice nulle de type (m, n), est la matrice dont tous les coecients sont nuls, on la note
O.
- Deux matrices A = (a
ij
) et B = (b
ij
) sont egales si, elles sont de meme types et a
ij
= b
ij
,
pour tout i, j.
Exemple 1 1) A =
_
_
_
_
1 5 0
4 7 12
5 0 32
0 8 0
_
_
_
_
est de type (4, 3). B =
_
1 0 7

5 20
1
2
0 5 1 75
_
est de
type (5, 2).
2
CHAPITRE 1. MATRICES - SYST
`
EMES D

EQUATIONS LIN

EAIRES 3
2)
_
_
5 0 0
0 1 0
0 0 0
_
_
est diagonale et
_
_
_
_
1 0 1 5
0 8 14 19
0 0 0 12
0 0 0 33
_
_
_
_
est triangulaire superieure.
1.2 Operations sur les matrices
1) Somme de deux matrices
Soient A = (a
ij
) et B = (B
ij
) deux martices de meme type (m, n), la somme A + B est la
matrice de type (m, n) denie par
A +B = (c
ij
), avec c
ij
= a
ij
+ b
ij
, 1 i m et 1 j n.
2) Multiplication dune matrice par un scalaire de K.
Soit K et A = (a
ij
) une matrice de type (m, n). La matrice A ets la matrice de type
(m, n) denie par : A = (a
ij
).
Exemple 2 1) A =
_
_
_
_
1 5 0
4 7 12
5 0 32
0 8 0
_
_
_
_
+
_
_
_
_
0 1 6

7 6 20
1 0 12
14 1 11
_
_
_
_
=
_
_
_
_
1 4 6
4 +

7 13 8
4 0 44
14 9 11
_
_
_
_
2)

3
_
_
_
_
1 5 0
4 7 12
5 0 32
0 8 0
_
_
_
_
=
_
_
_
_

3 5

3 0
4

3 7

3 12

3
5

3 0 32

3
0 8

3 0
_
_
_
_
Proposition 1.2.1 Soient A, B et C trois matrices de meme type et , K ;
1. (A + B) + C = A + (B +C), on dit que + est associative ;
2. A +B = B +A, on dit que + est commutative ;
3. A+O = A, O etant la matrice nulle de type (m, n) ; la matrice O est lelement neutre pour
+;
4. A + (A) = O, A = (1)A est la matrice opposee (ou symetrique) de A;
5. ( +)A = A +A;
6. (A +B) = A +B;
7. ()A = (A) ;
8. 1.A = A
Les proprietes de 1) `a 8) expriment que lensemble des matrices de type (m, n) est un espace
vectoriel sur K. (On reviendrra sur cette notion avec plus de detail dans le chapitre 2). Dans
la suite on notera cet espace M
m,n
(K) ; si m = n on ecrit M
n
(K).
3) Produit de matrices
Soient A = (a
ij
) une matrice de type (m, n) et B = (b
k,l
) de type (n, p) (le nombre de colonnes
de A est egal au nombre de lignes de B). Le produit AB est une matrice de type (m, p), denie
par : AB = (c
rs
), 1 r m et 1 s p, avec
c
rs
= a
r1
b
1s
+.... +a
rk
b
ks
= ... +a
rn
b
ns
=
n

k=1
a
rk
b
ks
.
Le terme c
rs
de AB est donne par le produit (scalaire) :
CHAPITRE 1. MATRICES - SYST
`
EMES D

EQUATIONS LIN

EAIRES 4
c
rs
=
_
a
r1
. . . a
rk
. . . a
rn
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
b
1s
.
.
.
b
ks
.
.
.
b
ns
_
_
_
_
_
_
_
_
_
_
_
_
_
_
Cest le produit de la r-
eme ligne de A par la s-
eme colonne de B.
Remarque 1 Lorsque le nombre de ligne de A est dierent du nombre de colonnes de B, le
produit AB n est pas deni.
Exemple 3 1) Soient A
_
_
1 0
3 1
0 4
_
_
et B =
_
1 1
2 3
_
. Le produit BA nest pas deni, mais
AB existe, elle est de type (3, 2), on a AB =
_
_
1 1
1 6
8 6
_
_
2) A =
_
1 1 3
_
et B =
_
_
1
7
3
_
_
.
les produit AB et BA sont bien denis et on : AB = (3) et BA =
_
_
1 1 3
7 7 21
3 3 9
_
_
.
Remarquons que le produit AB est le produit scalaire (usuel) des vecteurs A et B de lespace
R
3
.
3) Le produit de deux matrice carrees de meme ordre n existe toujours, cest une matrice carree
dordre n.
4) Si A et B sont deux matrices diagonales :
A =
_
_
_
_
_
_
a
11
0 . . 0
0 . . . .
. . . . .
. . . . 0
0 . . 0 a
nn
_
_
_
_
_
_
et B =
_
_
_
_
_
_
b
11
0 . . 0
0 . . . .
. . . . .
. . . . 0
0 . . 0 b
nn
_
_
_
_
_
_
;
alors AB est diagonale et AB = BA =
_
_
_
_
_
_
a
11
b
11
0 . . 0
0 . . . .
. . . . .
. . . . 0
0 . . 0 a
nn
b
nn
_
_
_
_
_
_
De meme, on verie que le produit de deux matrices triangulaires superieures (resp. inferieures)
est triangulaire superieure (rep. inferieure).
Proposition 1.2.2 Soient A, B, et C trois matrices et K,en supposant que tous les pro-
duits ci-dessous sont denis, alors
1) (AB)C = A(BC)
CHAPITRE 1. MATRICES - SYST
`
EMES D

EQUATIONS LIN

EAIRES 5
2) A(B +C) = AB +AC et (A + B)C = AC +BC
3) AB = (A)B = A(B)
4) La matrice identite - Inverse dune matrice
La matrice identite dordre n est la matrice (carree) diagonale denie par : I
n
=
ij
, avec
ij
= 1
si i = j et
ij
= 0 si i = j :
I
n
=
_
_
_
_
_
_
1 0 . . 0
0 1 . . .
. . . . .
. . . . 0
0 . . 0 1
_
_
_
_
_
_
La matrice I
n
verie : pour tout A M
n
(K), AI
n
= I
n
A = A, cest lelement neutre pour le
produit des matrices.
Denition 1.2.1 Une matrice carree dordre n est dite inversible, sil exiiste une matrice B
carree dordre n, telle que AB = BA = I
n
. B est dite linverse de A on la note B = A
1
.
Exemple 4 1) I
n
et inversible et I
1
n
= I
n
.
2) Si D =
_
_
_
_
_
_
a
11
0 . . 0
0 . . . .
. . . . .
. . . . 0
0 . . 0 a
nn
_
_
_
_
_
_
est diagonale alors : D est inversible, si et seulement si,
a
ii
= 0 pour tout i ; dans ce cas on a D
1
=
_
_
_
_
_
_
a
1
11
0 . . 0
0 . . . .
. . . . .
. . . . 0
0 . . 0 a
1
nn
_
_
_
_
_
_
3) Soit A =
_
_
3 1 0
0 1 2
0 0 1
_
_
, On verie que A
3
3A
2
A+3I
3
= O, do` u A(
1
3
(A
2
3AI
3
)) =
I
3
; A est alors inversible et A
1
=
1
3
(A
2
3A I
3
).
Proposition 1.2.3 Soient A, B et C trois matrices carrees dordre n, alors :
1) Si A et B sont inversibles, alors AB est inversible et (AB)
1
= B
1
A
1
2) Si A est inversible et AB = AC, alors B = C
5) Puissance dune matrice
Soit M une matrice carree dordre n et k un entier natirel. On pose :
M
0
= I
n
, M
1
= M et M
k+1
= M
k
M = MM
k
, pour tout k 1.
Si M est inversible et k est un entier negatif, on denit : M
k
= (M
1
)
k
.
Proposition 1.2.4 Soit M une matrice carree, m et p deux entiers naturels. Alors :
1) M
m+p
= M
m
M
p
= M
p
M
m
et (M
m
)
p
= M
mp
.
2) Si de plus M est inversible, 1) est veriee pour tout entiers relatifs m et p.
Exemple 5 1) O
m
= O et (I
n
)
m
= I
n
, pour tout entier m.
2) Si D =
_
_
_
_
_
_
d
11
0 . . 0
0 . . . .
. . . . .
. . . . 0
0 . . 0 d
nn
_
_
_
_
_
_
est diagonale, alors D
k
=
_
_
_
_
_
_
d
k
11
0 . . 0
0 . . . .
. . . . .
. . . . 0
0 . . 0 d
k
nn
_
_
_
_
_
_
CHAPITRE 1. MATRICES - SYST
`
EMES D

EQUATIONS LIN

EAIRES 6
4) Une matrice carree N est dite nilpotente dindice r 1 si, N
r
= O et N
r1
= O, O etant
la matrice nulle. Il est clair que si N est nilpotente dindice r, forcement N
m
= O pour tout
m r. Par exemple la matrice J
2
=
_
0 1
0 0
_
est nilpotente dindice 2. J
3
=
_
_
0 1 0
0 0 1
0 0 0
_
_
est
nilpotente dindice 3.
6)Formule du bin ome de Newton
Soient A et B deux matrices carrees dordre n telle que AB = BA et m un entier naturel 1.
Alors,
(A +B)
m
=
m

k=0
C
k
m
A
k
B
mk
, avec C
k
m
=
m!
(mk)!k!
.
7) Exemple dapplication
Soit la matrice M =
_
_
1 1 0
0 1 2
0 0 1
_
_
, on se propose de calculer M
m
pour tout entier naturel m.
Ecrivons M = I
3
+N, o` u N =
_
_
0 1 0
0 0 2
0 0 0
_
_
. Il est clair que NI
3
= I
3
N. La formule du binome
de Newton implique :
M
m
= (N + I
3
)
m
=
m

k=0
C
k
m
N
k
I
mk
3
Or, N
2
=
_
_
0 0 2
0 0 0
0 0 0
_
_
et N
3
=
_
_
0 0 0
0 0 0
0 0 0
_
_
, cest ` a dire N est une matrice nilpotente
dindice 3. Do` u M
m
= C
0
m
N
0
+C
1
m
N1 +C
2
m
N
2
C
0
m
= 1, C
1
m
= m et C
2
m
=
m(m1)
2
. Finalement M
m
=
_
_
1 m m(m1)
0 1 2m
0 0 1
_
_
1.3 syst`emes deqautions lineaires
1.3.1 Matrices echelonnees - Rang dune matrice
Denition 1.3.1 Soit A = (a
ij
) une matrice de type (m, n). On dit A est echelonnee si
pour toute ligne i de A, la condition suivante est veriee : si a
ij
= 0 alors a
rs
= 0 pour r > i
et s j, c est `a dire tous les element dans le coin inferieur gauche deni par a
ij
sont nuls. Le
premier termes non nuls de chaqune des lignes de la matrice echelonnee est appele un pivot.
Le nombre de pivots dune matrice echelonnee A est appele le rang de A, on le note rg(A).
Exemple 6 1) La matrice
_
_
_
_
2 7 0 5 2 4
0 5 0 8 1 0
0 0 5 12 0 11
0 0 0 0 0 0
_
_
_
_
est echeleonnee de rang 2
2) Toute matrice (carree) diagonale ou triangulaire superieure est echelonnee.
CHAPITRE 1. MATRICES - SYST
`
EMES D

EQUATIONS LIN

EAIRES 7
Proposition 1.3.1 Toute matrice matrice peut etre transformee en une matrice echelonnee `a
laide des operations elementaires suivantes :
I- Permutation de deux lignes ;
II- Multiplication dune ligne par une constante non nulle ;
III- Ajout dun multiple dune ligne `a une autre ligne.
Denition 1.3.2 Soit M une matrice. On applle rang de M, le rang de la matrice echelonnee
obtenu `a partir de M. A noter que le rang ne depend pas de l echlonnement.
Proposition 1.3.2 Soit A une matrice carree dordre n. Les conditions suivantes sont equivalentes :
1) A est inversible ;
2) rg(A) = n.
Exemple 7 Soit la matrice A =
_
_
_
_
1 2 1 0
0 3 1 0
1 4 5 1
1 1 2 2
_
_
_
_
, notons L
1
, L
2
, L
3
et L
4
les lignes de
A, en remplacant L
3
par L
3
+ L
1
et L
4
par L
4
L
1
on obtien la matrice
_
_
_
_
1 2 1 0
0 3 1 0
0 6 6 1
0 1 1 2
_
_
_
_
.
Puis, dans la matrice obtenue on remplace L
3
par L
3
2L
2
et L
4
par 3L
3
+ L
2
, on obtien
la matrice
_
_
_
_
1 2 1 0
0 3 1 0
0 0 4 1
0 0 4 6
_
_
_
_
. En n, on remplace L
4
par L
4
2L
3
, on aboutti `a la matrice
echelonnee :
_
_
_
_
1 2 1 0
0 3 1 0
0 0 4 1
0 0 0 5
_
_
_
_
, A une matrice carree dordre 4 et de rang 4, donc A est inversible.
1.3.2 Applications `a la resolution des syst`emes dequations lineaires
- Methode de Gauss
Denition 1.3.3 Un syst`eme dequations lineaires est un syst`eme dequations de la forme :
(S)
_

_
a
11
x
1
+ ... + a
1j
x
j
+... +a
1n
x
n
= b
1
.
.
a
i1
x
1
+ ... +a
ij
x
j
+... +a
in
x
n
= b
i
.
.
a
m1
x
1
+... +a
mj
x
j
+ ... + a
mn
x
n
= b
m
- Les x
j
sont les inconnues de (S) ;
- Les a
ij
) sont les coecients de (S) et les b
i
forment le deuxi
eme membre de (S), ce sont des donnees.
- (S) est dit un syst`eme `a m equations et n inconnues.
- Resoudre le syst`eme (S) consiste `a determiner, lorsque cset possible, les x
j
veriant simul-
tanement les m equations de (S). Le syst`eme est dit compatible sil admet des solutions,
incompatible dans le cas contraire.
CHAPITRE 1. MATRICES - SYST
`
EMES D

EQUATIONS LIN

EAIRES 8
- (S) est dit un syst`eme homog
ene, si b
1
= .... = b
m
= 0, autrement dit si le deuxi
eme membre de (S) est nul.
Remarque 2 un syst`eme homog
ene admet aumoins une solution : x
1
= ..... = x
n
= 0.
Interpretation matricielle
Le syst`eme (S) ci-dessus est equivalent ` a lequation matricielle :
AX = B avec A = (a
ij
) M
mn
(K), X =
_
_
_
_
_
_
_
_
_
_
x
1
.
.
x
j
.
.
x
n
_
_
_
_
_
_
_
_
_
_
et X =
_
_
_
_
_
_
_
_
_
_
b
1
.
.
b
i
.
.
b
m
_
_
_
_
_
_
_
_
_
_
, A est dite la matrice de
(S). On dnit le rang de (S) comme etant le rang de sa matrice.
Il est clair que lensemble des solutions de (S) est le meme, si lon transforme ses lignes par des
operations elementaires I, II et III, utilisees dans lechelonnement dune matrice, sans oublier de
realiser ces operations sur les b
i
. Maintenant, soit

A la matrice dite augmentee de A, denie
par

A = (A|B), (

A M
m,n+1
(K)).
Donc, pour resoudre (S), il sut de resoudre le syst`eme associe ` a la matrice echelonnee obtenue
` a partir de

A. On est amene ` a resoudre un syst`eme de la forme
(S)
_

_
c
11
x
1
+ . +. +c
1r
x
r
+ . +. +c
1n
x
n
= d
1
.
.
c
rr
x
j
+. +. + c
rn
x
n
= d
r
. 0 = d
r+1
.
0 = d
m
c
11
, ..., c
rr
sont les pivots (non nuls) et rg(A) = r. Deux cas se presentent :
1) d
r+1
= ..... = d
m
= 0 : le syst`eme est compatible. On resoud alors le syst`eme par remontee, en
calculant les inconnues dites principales x
1
, ..., x
r
en fonction des inconnues dites secondaires
x
r+1
, ..., x
n
. Ce procede de resollution de (S) est appele rsolution par la methode de Gauss.
Les conditions d
r+1
= ..... = d
m
= 0, sont dites les conditions de compatibilite du syst`eme
(S)
2) Lun des d
i
, r + 1 i m, est non nul : le syst`eme est incompatible, il nadmet pas de so-
lution.
Des deux cas ci-dessus on tire propostion suivante :
Proposition 1.3.3 Soit le syst`eme dequations lineaires (S) : AX = B. Alaors,
1) Si rg(

A) > rg(A), (S) est incompatible ;

2) Si rg(

A) rg(A), (S) est compatible.

Remarque 3 1) Un syst`eme homog
ene est toujours compatible.
2) le nombre dinconnues principales est eagal
`
A rg(A) = rg(S), le nombre dinconnues secon-
daires est n rg(S)
CHAPITRE 1. MATRICES - SYST
`
EMES D

EQUATIONS LIN

EAIRES 9
Proposition 1.3.4 Soit A une matrice carree dordre n, alors les conditions suivantes sont
equivalentes
1) le syst`eme AX = B, admet une solution unique ;
2) rg(A) = n
3) A est inversible.
Dans cette situation, on dit que (S) est de Cramer
Exemple 8 Resolution de quelques syst`emes
1) Soit le syst`eme (S) deni par :
_
_
_
x y + z = 4
x 4y + 2z = 3
2x + 5y = 12
La Matrice augmentee de (S) est :

M =
_
_
1 1 1 4
1 4 2 3
2 5 0 12
_
_
.
Lechelonnement de

M donne :
_
_
1 1 1 4
0 3 1 1
0 0 1 5
_
_
. Donc (S) est equivalent au syst`eme
_
_
_
x y + z = 4
3y +z = 1
z = 5
,
il sen suit
_
_
_
x = 1
y = 2
z = 5
. Lensemble des solutions est S = {(1, 2, 5)}. (S) est un syst`eme de Cra-
mer
2)Soit le syst`eme
_

_
x +y + 2z +t = 4
x 4y +z + 2t = 3
2x 3y + 3z + 3t = 7
5y +z t = 1
La Matrice augmentee de (S) est :

M =
_
_
_
_
1 1 2 1 4
1 4 1 2 3
2 3 3 3 7
0 5 1 1 1
_
_
_
_
. Apr
es echelonnement on obtient
_
_
_
_
1 1 2 1 4
0 5 1 1 1
0 0 0 0 0
0 0 0 0 0
_
_
_
_
. Donc (S) est equivalnt au syst`eme
_
x y + 2z +t = 4
5y + z t = 1
(S) est de rang 2. On calcule alors les inconnues principales x, y en fonction des inconnues
secondaires z, t. Do` u
_
x =
1
5
(21 11z 4t)
y =
1
5
(1 z + t)
. Lensemble des solutions est S = {(
1
5
(21
11z 4t),
1
5
(1 z +t), z, t) | z, t R}. (S) poss
ede une innite de solutions.
3) Soit le syst`eme
_

_
x + 2y + z = 0
3y +z = 0
x + 4y + 5z+ = 1
x +y + 2z = 2
CHAPITRE 1. MATRICES - SYST
`
EMES D

EQUATIONS LIN

EAIRES 10
La Matrice augmentee de (S) est :

M =
_
_
_
_
1 2 1 0
0 3 1 0
1 4 5 1
1 1 2 2
_
_
_
_
. Un echelonnement de

M, donne
la matrice :
_
_
_
_
1 2 1 0
0 1 3 0
0 0 4 1
0 0 0 5
_
_
_
_
. Donc (S) est equivalnt au syst`eme
_

_
x + 2y + z = 0
3y +z = 0
4z = 1
0 = 5
Il est clair que (S) est incompatible, S = .
CHAPITRE 1. MATRICES - SYST
`
EMES D

EQUATIONS LIN

EAIRES 11
Exercices du chapitre 1
Exercice 1
Calculer la somme A +B, le produit AB et BA, lorsque cest possible, pour les matrices :
1)
A =
_
_
0 1 2 5
2 2 6 1
2 7 12 3
_
_
et B =
_
_
2 2 1
1 2 2
1 4 1
_
_
.
2)
A =
_
_
0 1 2 5
2 2 1 1
2 7 4 3
_
_
et B =
_
_
_
_
2 2 1
1 2 2
0 6 3
1 4 1
_
_
_
_
.
Echelonner chacune de matrices ci-dessus et donner son rang.
Exercice 2
Soient les matrices carrees dordre 3 :
A =
_
_
2 1 2
2 2 1
1 2 2
_
_
et B =
_
_
2 2 1
1 2 2
2 1 2
_
_
.
1) Caculer le produit AB.
2) En deduire que la matrice A est inversible et donner son inverse.
Exercice 3
Soit la matrice carree dordre 3 denie par :
M =
_
_
2 1 1
0 3 1
0 0 1
_
_
.
1) On pose J =
_
_
0 1 1
0 0 1
0 0 0
_
_
. Calculer J
2
et J
3
, en deduire J
k
pour tout entier k 3. J
est-elle inversible ?
2) Determiner la matrice D telle que M = D + J.
3) Calculer D
m
, pour tout entier naturel m.
4) En deduire l expression de M
n
, pour tout entier naturel n.(Indication : On pourra utiliser
la formule du bin ome de Newton).
Exercice 4
Soit la matrice carree dordre 3 denie par :
M =
_
_
3 2 2
12 8 6
8 5 3
_
_
.
1) Calculer M
2
, M
3
et M
3
2M
2
M + 2I
3
.
2) En deduire que M est inversible et donner son inverse M
1
.
CHAPITRE 1. MATRICES - SYST
`
EMES D

EQUATIONS LIN

EAIRES 12
Exercice 5
Resoudre les syst`emes dequations lin
eaires :
1)
_
_
_
x y +z = 1,
2x 4y 2z = 2,
3x 5y z = 3,
et
_
_
_
x 3y + z = 0,
2x 4y + 2z = 1,
3x +y z = 3,
2) BX =
_
_
_
_
a
b
c
d
_
_
_
_
, selon les valeurs des param
etres reels a, b, c et d. B etant la matrice de lex.1- 2).
Exercice 6
On dispose de trois fruits (F1), (F2) et (F3) contenant chacun par kilogramme, une quantite
dunites de vitamines selon le tableau suivant :
Fruit Vitamine A Vitamine B Vitamine C
(F1) 1 3 4
(F2) 2 3 5
(F3) 3 0 3
Quelles quantites de chaque fruits doit-on utiliser an dobtenir 11 unites de vitamine A, 9
unites de vitamine B et 20 unites de vitamine C?
Exercice 7
Pour fabriquer trois produits P1, P2 et P3, on leur fait subir successivement des operations
sur trois machines M
1
, M
2
et M
3
. Les temps dexecution, en minutes, sur chaque machine sont
fournis selon le tableau suivant :
M1 M2 M3
(P1) 11 12 16
(P2) 22 12 16
(P3) 11 24 16
Par exemple le temps dexecution dune pi
ece P1 sur la machine M3 est 16 minutes. En supposant que les heures disponibles de chaque
machine pur une activite dun mois sont : 165 heures pour M1, 140 heures pour M2 et 160
heures pour M3.
Dans ces conditions, combien doit-on fabriquer mensuellement de produits P1, P2 et P3 si lont
desire utiliser les trois machines ` a pleine capacite ?
Exercice 8
Une piscine est alimentee par trois vannes.
- Si le vannes 1 et 2 coulent ensemble, la piscine est remplie en un jour et 16 heures.
- Si le vannes 2 et 3 coulent ensemble, la piscine est remplie en 30 heures.
- Si le vannes 1 et 3 coulent ensemble, la piscine est remplie en deux jours et demi.
Combien de temps chaqhe vanne, coulant seule, mettrrait-elle pour remplir la piscine ?
Exercice 9
Deux etudiants ont travaille dans le meme centre pendant le mois dao ut. Le premier a gagne
(30DH) de moins par jour que le second, mais il a trvaille 25 jours, tandis que le second a
travaille 20 jours. Sachant que le premier a gagne 800 dirhams de plus que le second, calculer
le salaire de chacun.
Chapitre 2
Espaces vectoriels - Applications
lineaires
Dans tout ce chapitre K designe le corps des nombres reels R ou des nombres complexes C.
2.1 Espaces vectoriels
2.1.1 Denitions - Exemples
Denition 2.1.1 Un espace vectoriel est ensemble non vide V muni deux operations
(i) Une operation interne : V V V, (u, v) u + v, appelee addition ;
(ii) Une operation (externe) : K V V, (, v) v, dite multiplication scalaire,
telles que lon a les proprietes suivantes : Pour tout u, v, w V et , K,
1) u +v = v + u, on dit que + est commutative ;
2) u+(v+w)=(u+v)+w, on dit que + est associative ;
3) Il existe un element O
V
V , dit element neutre, tel que u V , O
V
+ u = u + 0
V
.
4) Pour tout u V , Il existe un element note u V , tel que u + (u) = O
V
, u est appele
le symetrique ou loppose de u;
5) (u +v) = u +v
6) ( +)u = u +u
7) ()u = (v)
8) 1u = u
Les elements de V sont appeles vecteurs, ceux de K sont dits scalaires. V est di un espace
vectoriel sur K.
Exemple 9 1) K
n
= {(x
1
, ...., x
n
) | x
i
K}, est un espace vectoriel sur K, pour les operations
usuelles suivantes :
Pour tout ((x
1
, ...., x
n
), (y
1
, ...., y
n
) K
n
et K :
((x
1
, ...., x
n
) + (y
1
, ...., y
n
) = (x
1
+ y
1
, ...., x
n
+y
n
) ;
((x
1
, ...., x
n
) = (x
1
, ...., x
n
) ;
Remarquer que, O
K
n = (0, ...., 0) et (x
1
, ...., x
n
) = (x
1
, ..., x
n
).
2) Plus generalement lensemble M
mn
(K) des matrices de tupe (m, n), muni de laddition et de
la multiplication scalaire est un espace vectoriel sur K. En particulier on a K
n
= M
1n
(K).
3)F([a, b], R), lensemble des fonction denies sur lintervalle [a, b] et `a valeurs reelles, est un
espace vectoriel sur R pour les opeerations
f, g F([a, b], R) et K
f +g est la fonction deenie par (f + g)(x) = f(x) + g(x), pour tout x [a, b]
f est la fonction deenie par (f)(x) = f(x), pour tout x [a, b].
13
CHAPITRE 2. ESPACES VECTORIELS - APPLICATIONS LIN

EAIRES 14
Proprietes 2.1.1 Soit V un espace vectoriel sur K alors, pour tout u V et K
1) v = O
V
, si et seulement si, = O
K
ou u = O
V
2) ((u)) = (u) = (u)
2.1.2 Sous-espaces vectoriels
Denition 2.1.2 Soit V un espace vectoriel sur K. Une partie F de V est un sous-espace
vectoriel (s.e.v) de V si :
1) O
V
F.
2) pour tout u, v F, u +v F.
3) pour tout u F et K, u F
Il est clair quun sous-espace vectoriel est lui meme un espace vectoriel sur K.
Exemple 10 1) Si V est un espace vectoriel, alors, {O
V
} et V sont des s.e.v de V .
2) Dans R
2
, F = {(x, 0) x R} la droite de abscisses, G = {(0, y) y R} la droite des
ordonnees et F = {(x, x) x R} la premi
ere bicectrisse, sont des sont des s.e.v de R
2
.
3) Le sous-ensemble forme par les matrices diagonales (rep. triangulaires superieures, resp.
inferrieures) est un s.ev de M
n
(K).
4) Le sous ensemble forme par les fonctions continues (rep.derivables)sur est un s.e .v de
F([a, b], R).
5) H = {(x, , y, z) | x + 2y 3z = 0} est un s.e.v de R
3
.
6) G = {(x, y, z, t) | x + 2y 3z +t = 1} nest pas un est un s.e.v R
4
.
Denition 2.1.3 Soient A une famille de vecteurs dun e.v V . On appelle combinaison
lineaire (C.L) des vecteurs de A tout vecteur de la forme a
1
v
1
+... +a
m
v
m
, o` u a
1
, ..., a
m
K,
v
1
, ..., v
m
V et m . Lensemble des C.L dune famille A de vecteurs V , est un s.e.v de V
appele le s.e.v engendre par A, on le note Sev < A >.
Sev < A >= {a
1
v
1
+ ... + a
m
v
m
|a
i
K, v
i
A, n N},
cest le plus petit s.e.v de V contenant A. Si V = Sev < A >, on dit que A est une famille
generatrice de V .
En particulier, si A = {u
1
, ...., u
p
} est nie, alors Sev < A >= {a
1
u
1
+ ... + a
p
u
p
|a
i
K},
dans ce cas V est appele un espace vectoroel de dimension nie sur K
V est de dimension nie Il existe {u
1
, ...., u
p
} V tels que V = Sev < {u
1
, ...., u
p
} >.
Si un vecteur v V est C. L de A = {u
1
, ...., u
p
} : v = a
1
v
1
+ ... + a
m
v
m
, a
1
, ...., a
n
sont dites
des composantes ou les coordonnees de v dans A.
Remarque 4 1)Toute famille contenant une famille generetrice est generatrice.
2) Les composantes dun vecteur dans une famille ne sont pas necessairement uniques. Dans
R
2
on a, par exemple :
(3, 2) = 2(1, 1) + 5(1, 0) + 4(0, 1) = 0(1, 1) + 3(1, 0) + 2(0, 1).
Exemple 11 1)Dans R
3
Le vecteur, u = (1, 1, 6) est C.L des vecteurs u = (1, 6, 2) et v =
(2, 5, 8), car u = u +v.
2) La famille formee par les vecteurs e
1
= (1, 0, , ..., 0), e
2
= (0, 1, 0, ..., 0), ..., e
n
= (0, ..., 0, 1),
est generatrice de l e.v R
n
sur R.
3) La famille {(2, 1, 5), (1, 5, 0), (3, 4, 5)} nest pas generatrice de R
3
; par contre {(2, 1, 5), (1, 5, 0), (1, 0, 1)}
lest.
CHAPITRE 2. ESPACES VECTORIELS - APPLICATIONS LIN

EAIRES 15
5) U = {(x, y, z, t) | x + 2y 3z + t = 0} est un s.e.v de R
4
. En eet
U = {(x, y, z, x 2y + 3z) | x, y, z R} = Sev{(1, 0, 0, 1), (0, 1, 0, 2), (0, 0, 1, 3)}
2.1.3 Dependance lineaire - Bases et dimension
Denition 2.1.4 Soit V un e.v su K. Une famille de vecteurs A = {u
1
, ...., u
p
} est dite libre si
aucun vecteur de A nest C.L des autres vecteurs (de A). Autrement dit, pour tout
1
, ...,
p
K,
si
1
u
1
+ ... +
p
u
p
= O
V
, alors
1
= ...
p
= O
K
. On dit aussi que les vecteurs de A sont
lineairement independants. Si A nest pas libre elle est dite liee, on dira que les vecteur de
A sont lineairement dependants. A est liee, si et seulement si, lun des vecteurs de A est
C.L des autres vecteurs (de A).
Remarque 5 - Toute famille de vecteurs contenue dans une famille libre est libre.
- Toute famille de vecteurs contenant une famille liee est liee.
- Toute famille de vecteurs contenant le vecteur nul est liee.
- Toute famille de vecteurs contenant deux vecteurs identiques est liee.
Denition 2.1.5 Soit V un e.v sur K. Une famille de vecteurs B de V est appellee une base
de V , si B est `a la fois libre et generatrice de V .
Proposition 2.1.1 Soit B une famille de vacteurs dun e.v V . Alors, B est une base de V , si
et seulement si, tout vecteur de V secrit de mani
ere unique comme C.L de vecteurs de B. Autrement dit les composantes, de tout vecteur de V
dans B sont uniques, cest `a dire : Si on pose B = {u
1
, ...., u
n
} et u V , a
1
u
1
+ ... + a
n
u
n
=
b
1
u
1
+ ... +b
n
u
n
alors, a
1
= b
1
, ...., a
n
= b
n
Proposition 2.1.2 Soit V un e.v de dimension nie sur K. Alors,
1) V admet une base.
2) Toute famille libre de V peut etre completee en une base.
3) De toute famille generatrice de V , on peut extraire une base.
4) Toutes les bases de V ont le meme nombre delements, quon appelle la dimension de V et
que lon note dim
K
V .
5) Si F est libre et G generatrice de V , alors card(F) dim
K
V card(G.
Exemple 12 1) dim
K
(V ) = 0 V = {O
V
}.
2) La famille {e
1
= (1, 0, , ..., 0), e
2
= (0, 1, 0, ..., 0), ..., e
n
= (0, ..., 0, 1)} est une base de l e.v K
n
appelee la base canonique de K
n
, donc dim
K
K
n
= n, en eet tout vecteur u = (x
1
, ..., x
n
)
K
n
serit de mani
ere unique u = x
1
e
1
+... +x
n
e
n
.
3) dim
K
M
mn
(K) = mn en eet, la famille de matrices (E
ij
), denies par : E
ij
= (e
kl
) avec e
kl
=
1 si (k, l) = (i, j), et e
kl
= 0 sinon.
4) {1, i} est une base de le.v C sur R. i est le nombre complexe tel que i
2
= 1. Par ailleurs
{1} est une base de l e.v C sur C, donc dim
R
C = 2, mais dim
C
C = 1.
5) {(1, 2), (1, 5)} est une base de R
2
.
6) U etant le s.e.v de R
4
de lexemple 11, dim la famille {(1, 0, 0, 1), (0, 1, 0, 2), (0, 0, 1, 3)}
est une base de U et dimU = 3, cette famille nest pas une base de R
4
, car dim
R
R
4
= 4.
Proposition 2.1.3 soit V un espace vectoriel de dimension n sur K et B une famille de
vecteurs de V telle que card(B) = n. Alors, les assertions suivantes sont equivalentes :
1) B est une base de V ;
2) B est generatrice de V ;
3) B est libre.
CHAPITRE 2. ESPACES VECTORIELS - APPLICATIONS LIN

EAIRES 16
Exemple 13 1) La famille de vecteurs A = {u
1
, u
2
, u
3
}, avec u
1
= (1, 2, 1), u
2
= (0, 2, 2), u
3
=
(3, 2, 1) est une base de R
3
, en eet, card(A) = dimR
3
= 3, dapr
es la proposition precedente, il sut de montrer que A est libre.
Soient a, b, c R
3
, tels que au
1
+ bu
2
+ cu
3
= O
R
3 = (0, 0, 0), do` u le syst`eme
_
_
_
a + 3c = 0,
2a + 4b + 2c = 0,
a + 2b c = 0,
La resolution de ce syst`eme implique a = b = c = 0, ceci prouve que A est une base de R
3
.
Proposition 2.1.4 Soient V un e.v de dimension nie sur K, FetG deux s.e.v de V . Alors
1) Si F G alors dim
K
F dim
K
G;
2) Si F G et dim
K
F = dim
K
G, alors F = G.
Exemple 14 Dans le.v R
3
sur R, on consid
ere les s.e.v F = {(x, y, z) | x + y z = 0} et G = Sev < {u, v} >, avec u = (0, 1, 1) et
v = (2, 1, 3).
Remarquons que u, v F, donc a, b R, au + bv F, do` u G F. Dautre part, {u, v}
est libre, donc cest une base de G et dimG = 2. Par ailleurs dimF dimR
3
= 3, F R
3
et F = R
3
. On a 2 = dimG dimF < dimR
3
= 3. Finalement F = G car, F G et
dimG = dimF = 2
Denition 2.1.6 Soit V un espace vectoriel sur K et A = {u
1
, ...., u
p
} une famille de vecteurs
de V . On appelle rang de A, la dimension de Sev < A >, on le note rg(A), cest `a dire
rg(A) = dim
K
Sev < A >.
Proposition 2.1.5 Soit V un espace vectoriel sur K et A = {u
1
, ...., u
p
} une famille de vec-
teurs de V , alors,
1) rg(A) est le nombre maximal de vecteurs linearement independants parmi u
1
, ...., u
p
.
2) r(A) minimum(card(A), dim
K
V )
3) A est libre rg(A) = card(A) = p
4) rg(A) = dim
K
V A est une base de V .
Exemple 15 Dans le.v R
3
sur R , on consid
ere les vecteurs u
1
= (1, 1, 2), u
2
= (2, 4, 0) et u
3
= (1, 3, 2). la famille de vecteurs {u
1
, u
2
}
est libre, donc rg(A) 2, mais u
1
u
2
= u
3
, donc rg(A) = 2, o` u A = {u
1
, u
2
, u
3
}.
2.2 Applications lineaires
2.2.1 Denitions - Exemples
Denition 2.2.1 Soient E et F deux espace vectoriel sur K. Une application f : E F est
dite lineaire, si pour tout u, v E et pour tout K, on a
1) f(u +v) = f(u) + f(v) ;
2) f(u) = f(u).
En consequence, si f est lineaire on a, f(

i
u
i
) =

i
f(u
i
), pour un nombre ni de vecteurs
u
i
et de scalaires
i
.
Une application lineaire bijective est dite un isomorphisme. Si E = F, f est dite un en-
domorphismede E. Un endomorphisme bijectif de E est dit un automorphismede E. On
notera L(E, F) lensemble des applications lineaires de F dans F.
CHAPITRE 2. ESPACES VECTORIELS - APPLICATIONS LIN

EAIRES 17
Exemple 16 1) Soit V un espace vectoriel sur K. Lapplication nulle et lapplication identite
de V sont lineaires.
2) Lapplication, f : R
3
R
2
, denie par : Pour tout (x, y, z) R
3
, f(x, y, z) = (x + 2y
4z, x +z).
3) Lapplication, f : R
2
R, denie par : Pour tout (x, y) R
2
, f(x, y) = x
2
+ 2yx, nest
pas lineaire.
4) P
i
: R
n
R
n
, denie par : Pour tout (x
1
, ..., x
i
, ..., x
n
) R
n
, P
i
(x
1
, ..., x
i
, ..., x
n
) =
(0, ...0, x
i
, 0, ..., 0). P
i
est est dite la i-
eme projection de R
n
dans lui meme.
4) Soit D(R, R) le.v des fonctions reelles derivables sur R. Lapplication d : D(R, R)
D(R, R), denie par : Pour tout f D(R, R), d(f) = f

est lineaire.
2.2.2 Noyau et Image dune application lineaire
Denition 2.2.2 Soit f L(E, F).
1) On appelle noyau de f, on note Ker(f), le s.e.v de E : Ker(f) = {u E | f(u) = O
F
} ;
2) On appelle image de f, on note Im(f), le s.e.v de F : Im(f) = {f(u) E | u F}.
3) La dimension du s.e.v Im(f) est appelee le rang de f, on la note rg(f).
Proposition 2.2.1 . Soit f L(E, F). On suppose que E est de dimension nie. Alors :
1) Ker(f) et Im(f) sont de dimensions nies ;
2) dim
K
E = dim
K
(Ker(f) + dim
K
(Im(f), ette egalite est connue par le theor
eme du rang.
Exemple 17 Lapplication, f : R
3
R
2
, denie par : Pour tout (x, y, z) R
3
, f(x, y) =
(x + y, x z).
(x, y, z) Ker(f), si et seulement si, (x, y, z) R
3
et f(x, y, z) = (0, 0).
f(x, y, z) = (0, 0)
_
x +y = 0
x z = o
. Autrement dit (x, y, z) = (x, x, x), x R, par suite
Ker(f) = Sev < {(1, 1, 1)} >.
Dautre part, (a, b) Im(f) (x, y, z)R
3
, et
_
x +y = a
x z = b
La resolution de ce syst`eme,
implique
_
_
_
x R
y = a x
z = b + x
. Donc Im(f) = R
2
et rg(f) = 2.
Proposition 2.2.2 Soit f L(E, F). Alors,
1) f est injective Ker(f) = {O
E
} rg(f) = dim
K
E.
2) f est surjective rg(f) = dim
K
F.
3) f est bijective rg(f) = dim
K
E = dim
K
F.
4) Si dim
K
E = dim
K
F alors :
f est injective f est surjective f est bijective.
Remarque 6 Soit V un espace vectoriel de dimension n, B = {u
1
, ..., u
n
}, lapplication f :
V K
n
, denie par, pour tout u = a
1
u
1
+ ... + a
n
u
n
V , f(u) = (a
1
, ..., a
n
), est un
isomorphisme. Donc, tout vecteur est compl
etement determine par ses composantes dans une base.
CHAPITRE 2. ESPACES VECTORIELS - APPLICATIONS LIN

EAIRES 18
Exercices du chapitre 2
Exercice 1
Soient les sous ensembles
1) F = {(x, y) R
2
| x +

3y = 0}
2) F = {(x, y, z) R
3
| x + 2y z = 0}
2) F = {(x, y, z) R
3
| 2x + 3y z + 1 = 0}
3) Soit F = {(x, y, z, t) R
4
| x z = a, y t = b} ou a et b sont deux reels donnes.
Lesquels des ces sous-ensembles est-il un s.e.v. Si cest le cas, donner une base et la dimension.
Exercice 2
Dans chacun des cas suivants, dire si la famille de vecteurs proposee est libre ou lee. Si elle
libre, la completer en une base.
1) v
1
= (1, 2), v
2
= (

2, 2

2), dans lespace vectoriel R

2
.
2) u
1
= (1, 1), u
2
= (1, 0) et u
3
= (4, 1), dans lespace vectoriel R
2
.
3) v
1
= (1, 2, 1), v
2
= (1, 1, 5) et v
3
= (0, 1, 0), dans lespace vectoriel R
3
.
4) u
1
= (1, 2, 5), u
2
= (2, 3, 1) et u
3
= (3, 1, 6), dans lespace vectoriel R
3
.
5) w
1
= (1, 5, 6), w
2
= (1, 2, 3) et W
3
= (5, 6, 1) et W
4
= (0, 0, 1) dans lespace vectoriel R
3
.
6) v
1
= (1, 5, 0, 4), w
2
= (1, 2, 3, 8) et W
3
= (4, 8, 3, 16) et W
4
= (0, 0, 0, 1) dans lespace
vectoriel R
3
.
Exercice 3
Determiner, selon les valeurs du reel , la dimension du sous-espace engendre par les vecteurs
de R
4
suivants : v
1
= (, 1, 1, 1) , v
2
= (1, , 1, 1) , v
3
= (1, 1, , 1) et v
4
= (1, 1, 1, ).
Soient les sous espaces de R
3
Exercice 4
F = sev < {(1, 1, 2), (1, 1, 5} > et F = sev < {(2, 0, 7), (1, 5, 0} >.
Determiner une base et la dimension de chacun des s.e.v F + G et F G. En deduire que
R
3
= F +G.
Exercice 5
On consid
ere les applications
a) f : R
2
R
3
denie par : f(x, y) = (x + y, x y, y), (x, y) R
2
.
b) f : R
3
R
3
denie par :(x, y, z) R
3
, f(x, y, z) = (x z, x y, y z).
c) f : R
3
R
2
denie par : (x, y, z) R
3
, f(x, y, z) = 2x z +yz .
Lesquelles de ces application est-elle linaire ? Si cest le cas, determiner Ker(f). En deduire
le rang de f. Determiner une base de Im(f). Lapplication f est-elle injective ? Surjective ?
Bijective ?
Exercice 6
Soit le R-espace vectoriel E = R
3
. On note B = {e
1
, e
2
, e
3
} la base canonique de E et u
lendomorphisme de E deni par la donnee des images des vecteurs de la base B :
u(e
1
) = 2e
1
+ 2e
3
, u(e
2
) = 3e
2
, u(e
3
) = 4e
1
+ 4e
3
.
1) Calculer f(x, y, z).
2) Determiner une base de ker(u). u est-il injectif ? surjectif ?
3) Determiner une base de Im(u). Quel est le rang de u?
Chapitre 3
Matrice dune application lineaire -
Determinants
Dans tout ce chapitre K designe le corps des nombres reels R ou des nombres complexes C.
3.1 Matrice dune application lineaire
3.1.1 Denitions - Exemples
Soient E et F deux espaces vectoriels de dimension nies sur K et f une application lineaire
de E dans F. On note A = {u
1
, ..., u
n
} une base de deE et B = {v
1
, ..., v
m
} une base de F.
Ecrivons pour tout j, 1 j n,
f(u
j
) = a
11
v
1
+... + a
1j
v
j
+... +a
1m
v
m
,
a
11
, ..., a
1j
etant les composantes de f(u
j
) dans la base B.
Denition 3.1.1 Avec les notaions ci-dessus, la matrice de f relativement aux bases de A et
B est :
Mat(f, B, C) =
_
_
_
_
_
_
_
_
_
_
_
_
a
11
. . a
1j
. . a
1n
. . . . . . .
. . . . . . .
a
i1
. . a
ij
. . a
in
. . . . . . .
. . . . . . .
. . . . . . .
a
m1
. . a
mj
. . a
mn
_
_
_
_
_
_
_
_
_
_
_
_
cette matrice est de type (m, n) avec m = dimF et n = dimE. Si E = F et A = B, on notera
Mat(f, A, A) = Mat(f, A)
Exemple 18 1) La matrice de lapplication lineaire nulle est la matrice nulle.
2) La matrice de lapplication lineaire identite dun espace vectoriel de dimension n est la
matrice identite I
n
3) Soit Lapplication, f : R
3
R
2
, denie par : Pour tout (x, y, z) R
3
, f(x, y, z) =
(x + y z, 2x + y + z). La matrice de f relativement aux bases canoniques C
3
de R
3
et C
2
de
R
2
est
Mat(f, C
3
, C
2
) =
_
1 1 1
2 1 1
_
19
CHAPITRE 3. MATRICE DUNE APPLICATION LIN

EAIRE - D

ETERMINANTS 20
Considerons maintenant le s base B = {v
1
, v
2
, v
3
}, avec v
1
= (1, 1, 1), v
2
= (0, 1, 3) et v
3
=
(1, 2, 1), on a alors,
Mat(f, C
3
, C
2
) =
_
2 2 0
4 4 1
_
Remarque 7 1) En general La matrice dune application lineaire depend des bases choisies.
2) Si u E a pour composantes x
1
, ..., x
n
dans la base A et f(u) a pour pour composantes
y
1
, ..., y
m
dans la base B, alors
_
_
_
_
_
_
_
_
_
_
_
_
y
1
.
.
.
.
.
.
y
m
_
_
_
_
_
_
_
_
_
_
_
_
= Mat(f, A, B)
_
_
_
_
_
_
_
_
_
_
_
_
x
1
.
.
.
.
.
.
x
n
_
_
_
_
_
_
_
_
_
_
_
_
Proposition 3.1.1 I- Soient E et F deux espaces vectoriels sur K, f et g deux applications
lineaires dde E dans F, A une base de E et B une base de F et K alors :
1) Mat(f +g, A, B) = Mat(fA, B) + Mat(g, A, B).
2) Matf, A, B) = Mat(f, A, B)
II- Soient E, F et G trois espaces vectoriels sur K, f une application lineaire de E dans F, g
une application lineaire de F dans G, A, B et C des bases respectives de E, F et G. alors
a) g f est une application de E dans G
b) Mat(g f, A, C) = Mat(g, B, C)Mat(f, A, B).
Soit f une application lineaire de E dans F, A = {u
1
, ..., u
n
} de E, il est clair que :
Im(f) = sev < f(A) >= sev < {f(u
1
), ..., f(u
n
)} >,
et les vecteurs sont compl`etement determines par leurs composantes dans une base donnee.
Puisque les composantes des vecteurs f(u
1
), ..., f(u
n
) dans une base de F denissent exactement
la matrice de f, On a alors :
Proposition 3.1.2 1) dim(Imf) = rg(f) = rg(Mat(f))
2) Si dim(E) = dim(F) alors, f est un isomorphisme, si et seulement si, Mat(f) est inversible.
3) f est un isomorphisme, si et seulment si, limage d une base de E est une base de F.
3.2 Determinants
On va denir le determinant dune matrice carre M = (a
ij
) dorde n par iteration. On notera
le determinant de M : d

et(M). On denit det(M) comme suit

1) Pour n = 1, M = (a
11
), det(M) = a
11
.
2) Pour n = 2, det(M) = det(
_
a
11
a
12
a
21
a
22
_
= a
11
a
22
a
12
a
21
3) Supposons deni le determinant dune matrice carree dordre n 1, soit M une matrice
carree dordre n, xon une ligne i de M, pardenition :
det(M) = (1)
i+1
a
i1

i1
+ (1)
i+2
a
i2

i2
+... + (1)
i+n
a
in

in
,
CHAPITRE 3. MATRICE DUNE APPLICATION LIN

EAIRE - D

ETERMINANTS 21
o` u
ij
designe le determinant de la matrice dordre (n 1) obtenue en supprimant la i-`eme
ligne et la j-`eme colonne de M, cest la decomposition de det(M) suivant la i-`eme ligne.
On demontre que lon peut decomposer det(

M) suivant une colonne, cest dire : pour une

colonne j xee, on
det(M) = (1)
1+j
a
1j

1j
+ (1)
2+j
a
2j

2j
... + (1)
n+j
a
nj

nj
,

ij
est appele un mineur dordre (n 1).
Proposition 3.2.1 Le determinant verie les proprietes suivantes :
1) Le determinant est nul, si lune des lignes de M est nulle, ou deux ligne de M sont identiques
2) Le determinant de M et multiplie par 1 si on permute deux lignes de M.
3) Le determinant ne change pas si on ajoute une ligne une combinaison lineaires des autre
lignes
4) Pourv tout scalaire , le determinant de M et multiplie par si lune des ligne de M est
multiplie par . En consequence det(M) =
n
(detM)
5) Le determinant de M est nul , si et seulement si, les lignes de M consideres comme vecteurs
de R
n
, forment une famille liee. En consequence, det(M) = 0, si et seulement si, les lignes de
M consideres comme vecteurs de R
n
, forment une base de R
n
.
6) Pour tout M et N matrices carrees dordre n,on a det(MN) = det(M)det(N).
7) M est inversible, si et seulement si, det(M) = 0,
A noter que les assertions de 1) `a 7) ci-dessus, sont vraies si lon remplace ligne par colonne
.
CHAPITRE 3. MATRICE DUNE APPLICATION LIN

EAIRE - D

ETERMINANTS 22
Exercices du chapitre 3
Exercice 1
Soit lapplication lineaire f : R
3
: R
3
denie par :
(x, y, z) : R
3
, f(x, y, z) = (x + 2y z, x y, x + 3y z).
1) Determiner la matrice de f relativement la base R
3
;
2) f est- elle un automorphisme de R
3
?
Exercice 2
On consid`ere lapplication lineaire g : R
3
R
3
dont la matrice relativement `a la base cano-
noique C = {e
1
, e
2
, e
3
} de R
3
est :
M =
_
_
2 4 4
7 12 7
7 10 5
_
_
.
1) A partir de la matrice M, donner le vecteurs g(e
1
), g(e
2
) et g(e
3
).
2) Soit v
1
= (1, 0, 1), v
2
= (0, 1, 1) et v
3
= (1, 1, 2). Montrer que la famille B = {v
1
, v
2
, v
3
} est
une base de R
3
.
3) Exprimer g(v
1
), g(v
2
) et g(v
3
) en fonction de v
1
, v
2
et v
3
.
4) Ecrire la matrice de g dans la base B.
5) g est-elle injective ? Bijective ?
6) La matrice M est-elle inversible ? Si oui, determiner son inverse.
Exercice 3
Calculer les determinants des matrices ci dessous, lesquelles sont inversibbles ?
M =
_
_
_
_
0 1 2 5
2 2 6 1
2 7 12 3
0 8 16 9
_
_
_
_
et N =
_
_
2 2 1
1 2 2
0 7 1
_
_
.
P =
_
_
_
_
0 1 2 5
2 2 1 1
2 7 4 3
0 4 4 1
_
_
_
_
et B =
_
_
_
_
2 2 1 2
1 2 2 1
0 6 3 0
1 4 1 1
_
_
_
_
.
Exercice 4
Refaire lexercice 3 de la che dexercice du chapitre 2, en utilisant les determinants
Exercice 5
On consid
ere lendomorphisme f de R
3
dont la matrice dans la base canonique est
M =
_
_
1 1 1
3 3 3
2 2 2
_
_
.
1) Calculer f(x, y, z)
2) Calculer M
2
,
3) En deduire que f f est lendomorphisme nul.