ALGEBRE II
(SMPC)
Mohamed LAABISSI & Abdelfattah HAILY
Département de Mathématique
Fa ulté des S ien es
Université Chouaib Doukkali-El Jadida
ii
M. Laabissi & A. Haily Algèbre 2 (SMPC)
Table des matières
0 Espa es Ve toriels (Rappels) 1
0.1 Dé�nitions et Exemples . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
0.2 Sous espa es Ve toriels . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
0.3 Bases et Dimension . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
0.4 Exer i es . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
1 Appli ations Linéaires 11
1.1 Dé�nitions et Propriétés . . . . . . . . . . . . . . . . . . . . . . . . . . 11
1.2 Théorème du Rang . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
1.3 Appli ations Linéaires Parti ulières . . . . . . . . . . . . . . . . . . . . 15
1.3.1 Formes Linéaires . . . . . . . . . . . . . . . . . . . . . . . . . . 15
1.3.2 Homothéties Ve torielles . . . . . . . . . . . . . . . . . . . . . . 15
1.3.3 Proje tion Ve torielle . . . . . . . . . . . . . . . . . . . . . . . . 16
1.3.4 Symétrie Ve torielle . . . . . . . . . . . . . . . . . . . . . . . . . 16
1.4 Exer i es . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
2 Cal ul Matri iel 23
2.1 Dé�nitions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
2.2 Opérations sur les Matri es . . . . . . . . . . . . . . . . . . . . . . . . 24
2.2.1 Égalité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
2.2.2 Addition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
2.2.3 Multipli ation par un s alaire . . . . . . . . . . . . . . . . . . . 25
2.2.4 Multipli ation des Matri es . . . . . . . . . . . . . . . . . . . . 25
2.2.5 Matri e Transposée . . . . . . . . . . . . . . . . . . . . . . . . . 27
2.3 Matri es Carrées . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
2.4 Matri es Parti ulières . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
2.4.1 Matri es daigonales . . . . . . . . . . . . . . . . . . . . . . . . . 31
2.4.2 Matri es triangulaires . . . . . . . . . . . . . . . . . . . . . . . . 31
2.4.3 Matri es Symétriques . . . . . . . . . . . . . . . . . . . . . . . 32
2.5 Rang d'une Matri e . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
2.6 Matri e d'une Appli ation Linéaire . . . . . . . . . . . . . . . . . . . . 35
2.7 Changement de bases . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
2.8 Exer i es . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
M. Laabissi & A. Haily Algèbre 2 (SMPC)
iv TABLE DES MATIÈRES
3 Déterminants 45
3.1 Dé�nitions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
3.1.1 Déterminants d'ordre 2 . . . . . . . . . . . . . . . . . . . . . . 45
3.1.2 Déterminant d'ordre 3 . . . . . . . . . . . . . . . . . . . . . . . 45
3.1.3 Déterminants d'ordre n ≥ 3 . . . . . . . . . . . . . . . . . . . . 47
3.2 Propriétés . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48
3.3 Déterminant d'un Endomorphisme . . . . . . . . . . . . . . . . . . . . 50
3.4 Méthode de Cramer . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53
3.5 Exer i es . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55
4 Diagonalisation et Trigonalisation 59
4.1 Valeur Propre et Ve teur Propre d'un Endomorphisme . . . . . . . . . 59
4.2 Valeur Propre et Ve teur Propre d'une Matri e . . . . . . . . . . . . . 61
4.3 Diagonalisation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 62
4.4 Trigonalisation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 64
4.5 Appli ations aux Systèmes Linéaires . . . . . . . . . . . . . . . . . . . 66
4.5.1 Cas de Matri e Diagonalisable . . . . . . . . . . . . . . . . . . 66
4.6 Cas de Matri e Trigonalisable . . . . . . . . . . . . . . . . . . . . . . . 67
4.7 Exer i es . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 69
M. Laabissi & A. Haily Algèbre 2 (SMPC)
Chapitre 0
Espa es Ve toriels (Rappels)
Dans tout e ours K désigne R ou C.
0.1 Dé�nitions et Exemples
Dé�nition 0.1.1. Un ensemble non vide E muni d'une loi interne + et d'une loi
externe .. On dit que (E,+, .) est un espa e ve toriel sur K si pour tous u, v, w ∈ Eet α, β ∈ K :
1. Stabilité de l'addition + : u+ v ∈ E,
2. + est ommutative : u+ v = v + u,
3. + est asso iative : (u+ v) + w = u+ (v + w),
4. + admet un élément neutre 0E : u+ 0E = 0E + u = u,
5. Tout élément u admet un opposé −u,6. Stabilité pour la multipli ation par un s alaire : αu ∈ E,
7. α.(u+ v) = α.u+ αu,
8. (α+ β).u = α.u+ β.v,
9. α.(β.u) = (α× β).u,
10. 1.u = u.
Remarque 0.1.1. Un espa e ve toriel sur R est dit aussi un espa e ve toriel réel ou
R-espa e ve toriel.
Un espa e ve toriel sur C est dit aussi un espa e ve toriel omplexe ou C-espa e ve -
toriel.
Exemple 0.1.1. 1. On onsidère l'ensemble E = R2muni des deux lois suivantes :
(x1, x2) + (y1, y2) = (x1 + y1, x2 + y2), (loi interne)
α(x1, y1) = (αx1, αy1), (loi externe)
est un R -espa e ve toriel.
M. Laabissi & A. Haily Algèbre 2 (SMPC)
2 Espa es Ve toriels (Rappels)
2. Plus généralement pour n ≥ 1, l'ensemble E = Rnmuni des deux loi suivantes :
(x1, x2, . . . , xn) + (y1, y2, . . . , yn) = (x1 + y1, x2 + y2, . . . , xn + yn),
α(x1, x2, . . . , xn) = (αx1, αx2, . . . , αxn),
est un R -espa e ve toriel.
3. L'ensemble des fon tions polynomiales réelles de degrés inférieur ou égal à 4
P4 = {a0 + a1x+ a2x2 + a3x
3 + a4x4 : a0, a1, a2, a3, a4 ∈ R}
est un R -espa e ve toriel.
4. L'ensemble des matri es arrés d'ordre 2 à oe� ient réels M2(R) muni des
deux lois suivantes :
(a bc d
)
+
(x yz t
)
=
(a+ x b+ yc+ z d+ t
)
(loi interne)
λ.
(a bc d
)
=
(λa λbλc λd
)
(loi externe)
est un R -espa e ve toriel.
Exer i e 0.1.1. En pré isant les lois interne et externe, montrer que les ensembles
suivants sont des R -espa es ve toriels.
1. L'ensemble des fon tions réelles à valeurs réelles F(R) muni de l'addition des
fon tions et la multipli ation par un s alaire.
2. L'ensemble des fon tions trigonométrique T = {acos(x) + bsin(x) : a, b ∈ R}muni des deux lois suivantes :
[(acos(x) + bsin(x)] + [a′cos(x) + b′sin(x)] = (a+ a′)cos(x) + (b+ b′)sin(x),
α.[(acos(x) + bsin(x)] = (αa)cos(x) + (αb)sin(x).
3. E = {(x, y, z, t) ∈ R4 : x+ y − 2z + 3t = 0}.
Exer i e 0.1.2. Les ensembles suivants sont -ils des espa es ve toriels :
1. Le er le de entre l'origine et de rayon 1 :
C = {(x, y) ∈ R2 : x2 + y2 = 1},
muni de l'addition et de la multipli ation externe de R2
2. L'ensemble
E = {f ∈ F(R) : f(1) = 1}.muni de l'addition et de la multipli ation externe de F(R).
Soient (E,+, .) et (F,+, .) deux espa e ve toriels sur K. On muni le produit artésien
E × F deux loi suivantes :
� Addition : (x, y) + (z, t) = (x+ z, y + t) pour tous (x, y), (z, t) ∈ E × F ,� Multipli ation par un s alaire : λ(x, y) = (λx, λy) pour tout λ ∈ K, (x, y) ∈
E × F .
Proposition 0.1.1. Soient (E,+, .) et (F,+, .) deux espa e ve toriels sur K. Alors
(E × F,+, .) est un espa e ve toriel sur K.
M. Laabissi & A. Haily Algèbre 2 (SMPC)
0.2 Sous espa es Ve toriels 3
0.2 Sous espa es Ve toriels
Dé�nition 0.2.1. Soient (E,+, .) un espa e ve toriel sur K et F ⊂ E. On dit que Fest un sous espa e ve toriel de E si (F,+, .) est un espa e ve toriel sur K.
Exemple 0.2.1. 1. Si (F,+, .) est un espa e ve toriel sur K, alors {0E} et E sont
des sous espa es ve toriels de E.
2. L'ensemble des fon tions polynomiales réelles de degrés inférieur ou égal à 4
P4 = {a0 + a1x+ a2x2 + a3x
3 + a4x4 : a0, a1, a2, a3, a4 ∈ R}
est un sous espa e ve toriel de (F(R),+, .).
3. L'ensemble des fon tions trigonométrique T = {acos(x) + bsin(x) : a, b ∈ R}muni des deux lois suivantes :
[(acos(x) + bsin(x)] + [a′cos(x) + b′sin(x)] = (a+ a′)cos(x) + (b+ b′)sin(x),
α.[(acos(x) + bsin(x)] = (αa)cos(x) + (αb)sin(x).
est un sous espa e ve toriel de (F(R),+, .).
4. L'ensemble E = {(x, y, z, t) ∈ R4 : x + y − 2z + 3t = 0} est un sous espa e
ve toriel de (R4,+, .).
Proposition 0.2.1. Soient (E,+, .) un espa e ve toriel sur K et F ⊂ E. Alors F est
un sous espa e ve toriel de E si et seulement si
1. 0E ∈ F ,
2. F est stable par l'addition : ∀u, v ∈ F , on a u+ v ∈ F ,
3. F est stable par la multipli ation par un s alaire : ∀α ∈ K, ∀u ∈ F , on a
αu ∈ F .
Exemple 0.2.2. 1. V = {(x, y) ∈ R2 : x + 5y = 0} est un sous espa e ve toriel
de R2. En e�et, il est lair que (0, 0) ∈ V . De plus, si u = (x, y) ∈ V et
v = (z, t) ∈ V . On a u+ v = (x+ z, y + t) et
(x+ y) + 5(z + t) = (x+ 5y) + (z + 5t) = 0.
e qui implique que u+ v ∈ V . On a aussi si α ∈ R :
αu = α(x, y) = (αx, αy),
de plus, αx + 5(αy) = α(x + 5y) = α.0 = 0. Ce qui donne que αu ∈ V . On on lut alors que V est un sous espa e de R2
.
2. F1 = {(0, y) ∈ R2 : y ∈ R} et F2 = {(x, 0) ∈ R2 : x ∈ R} sont deux sous espa es
ve toriels de R2.
3. L'ensemble des fon tions réelles à valeurs réelles et paires
{f ∈ F(R) : f(x) = f(−x), ∀x ∈ R}
est sous espa e ve toriel de F(R).
M. Laabissi & A. Haily Algèbre 2 (SMPC)
4 Espa es Ve toriels (Rappels)
Remarque 0.2.1. La proposition pré édente est équivalente à : F est un sous espa e
ve toriel de E si et seulement si
1. 0E ∈ F ,
2. αu+ v ∈ F, ∀u, v ∈ F et ∀α ∈ K.
Exer i e 0.2.1. Re onnaître les sous espa es ve toriels parmi les ensembles suivants :
1. {(x, y, z) ∈ R3 : x = y = z}2. {(x, y, z, t) ∈ R4 : x ∈ Z}3. {f ∈ F(R) : f est dérivable }4. {f ∈ F(R) : f(0) = 0}5. {f ∈ F(R) : f(0) = 3}6. l'ensemble des suites réelles onvergentes.
Proposition 0.2.2. Soient (E,+, .) un espa e ve toriel sur K et F et G deux sous
espa es ve toriels de E alors
1. l'interse tion F ∩G est un sous espa e ve toriel de E.
2. la somme de F et G
F +G = {f + g : f ∈ F et g ∈ G}
est un sous espa e ve toriel de E.
Dé�nition 0.2.1. Soient (E,+, .) un espa e ve toriel sur K et F et G deux sous
espa es ve toriels de E. On dit que E est la somme dire te de F et G et on note
E = F ⊕G si
1. F ∩G = {0E},2. E = F +G.
On dit que les deux sous espa es ve toriels F et G sont supplémentaires.
Dé�nition 0.2.2. Soient (E,+, .) un espa e ve toriel sur K et A une partie non vide
de E. On appelle sous espa e ve toriel engendré par A et on note vect(A), l'ensemble :
vect(A) = {x ∈ E : x =
n∑
i=1
λiai ave n ∈ N∗, ai ∈ A, λi ∈ K}
∑n
i=1 λiai s'appelle une ombinaison linéaire des ve teurs a1, . . . , an.
Remarque 0.2.2. 1. V ect(A) est l'ensemble des ombinaisons linéaires d'éléments
de A.
2. A ⊂ V ect(A).
3. Si A est un sous espa e ve toriel alors V ect(A) = A.
4. Si A ⊂ B alors V ect(A) ⊂ V et(B).
M. Laabissi & A. Haily Algèbre 2 (SMPC)
0.3 Bases et Dimension 5
Exer i e 0.2.2. 1. Montrer que vect(A) est un sous espa e ve toriel de E.
2. Montrer que vect(A) est le plus petit espa e ve toriel qui ontient A. i.e. si Fest un sous espa e ve toriel de E tel que A ⊂ F , alors vect(A) ⊂ F .
Exemple 0.2.3. 1. E = R2, A = {(1, 0)} :
vect((1, 0)) = {(x, 0) : x ∈ R} = R× {0}.
2. E = R2et A = {u = (1, 2), v = (3, 1)} :
vect({u, v}) = {(x+ 3y, 2x+ y) : x, y ∈ R}.
3. Soient (E,+, .) un espa e ve toriel sur K et {v1, v2, . . . , vn} une famille de ve -
teurs de E. Alors
vect({v1, v2, . . . , vn}) = {λ1v1 + λ2v2 + · · ·+ λnvn : λ1, λ2, . . . , λn ∈ K}.
4. Soient F et G deux sous espa es ve toriels de d'un espa e ve toriel E, alorsF +G = V ect(F ∪G).
0.3 Bases et Dimension
Dé�nition 0.3.1. Soient (E,+, .) un espa e ve toriel sur K et {v1, v2, . . . , vn} une
famille de ve teurs de E.
1. On dit que {v1, v2, . . . , vn} est une famille génératri e de E si
vect({v1, v2, . . . , vn}) = E. i.e.
∀x ∈ E, ∃λ1, λ2, . . . , λn ∈ K tels que x = λ1v1+λ2v2+· · ·+λnvn : λ1, λ2, . . . , λn =
n∑
i=1
λivi.
2. On dit que {v1, v2, . . . , vn} est une famille libre de E si
n∑
i=1
λivi = 0E =⇒ λ1 = λ2 = · · · = λn = 0.
on dit aussi que les ve teurs v1, v2, . . . , vn sont linéairement indépendants.
3. une famille qui n'est pas libre est dite une famille liée.
Exemple 0.3.1. 1. SoientE = R4et ei = (1, 0, 0, 0), e2 = (0, 1, 0, 0), e3 = (0, 0, 1, 0), e4 =
(0, 0, 0, 1). La famille génératri e de R4. En e�et, pour tout (x, y, z, t) ∈ R4
on a
(x, y, z, t) = xe1 + ye2 + ze3 + te4.
2. E = {(x, y, z) ∈ R3 : x+ 3y + 4z = 0}. Si (x, y, z) ∈ E alors x = −3y − 4z. Oné rit alors
(x, y, z) = (−3y − 4z, y, z) = y(−3, 1, 0) + z(−4, 0, 1).On en déduit que la famille {(−3, 1, 0), (−4, 0, 1)} est une famille génératri e de
E.
M. Laabissi & A. Haily Algèbre 2 (SMPC)
6 Espa es Ve toriels (Rappels)
3. La famille {(1, 2, 3), (1, 0, 1)} est libre de R3. En e�et, si x(1, 2, 3) + y(1, 0, 1) =
(0, 0, 0) alors x+ y = 0, 2x = 0, 3x+ y = 0. Ce qui implique que x = y = 0.
Exer i e 0.3.1. Trouver les familles génératri es des sous espa es suivants :
1. F = {(x, y, z, t) ∈ R4 : x− 2y + 3z = t}2. G = {(x, y, z, t) ∈ R4 : x− 2y = 0, 3z − t = 0}
Montrer que les familles suivantes sont libres :
1. {(1, 0, 1), (2, 1, 3)} de R3.
2. {f(x) = (x− 1), g(x) = (x− 1)2, h(x) = (x− 1)3} de F(R).
Proposition 0.3.1. Soient (E,+, .) un espa e ve toriel sur K, F et G deux sous
espa es de E et A et B deux parties de E. Alors
1. Si A est génératri e de F et B est génératri e de G alors A∪B est génératri e
de F +G.
2. V ect(A ∪B) = V ect(A) + V ect(B).
Exer i e 0.3.2. Trouver une famille génératri e de F + G des deux sous espa es
ve toriels F et G de l'exer i e 0.3.1 ? Cette famille est elle libre ?
Proposition 0.3.2. Soient (E,+, .) un espa e ve toriel sur K et A et B deux parties
de E. Alors
1. Si A ⊂ B et A génératri e de E alors B est aussi génératri e de E.
2. Si A ⊂ B et B est libre alors A est aussi libre.
3. Si {0E} ⊂ A alors A est liée.
4. ∀x ∈ (E \ {0E}) alors {x} est libre.
Dé�nition 0.3.2. Soient (E,+, .) un espa e ve toriel sur K et B une partie de E.
On dit que B est une base de E si B est libre et génératri e de E.
Exemple 0.3.2. 1. Soit E = Rnet ei = (0, . . . , 0, 1
omposante i
, 0, . . . , 0) pour
i = 1, 2, . . . , n.Alors B = {e1, e2, . . . , en} est une base de Rn
. Cette base s'appelle la base
anonique de Rn.
2. Soit E = {(x, y, z) ∈ R3 : x = 2y}. Pour tout (x, y, z) ∈ E, on peut é rire
(x, y, z) = (2y, y, z) = y(2, 1, 0) + z(0, 0, 1).
On en déduit que B = {(2, 1, 0); (0, 0, 1)} est une famille génératri e de E. Deplus, on a
α(1, 2, 0) + β(0, 0, 1) = (0, 0, 0)
Ce qui implique que α = β = 0 et B est don libre. Comme B est à la fois libre
et génératri e de E, alors B est une base de E.
M. Laabissi & A. Haily Algèbre 2 (SMPC)
0.3 Bases et Dimension 7
Dé�nition 0.3.3. Soient (E,+, .) un espa e ve toriel sur K et B une base de E. On
appelle dimension de E le ardinal de B. On note dimK E = |B|.On dit que E est de dimension �nie si dimKE est �nie.
Exemple 0.3.3. Pour les les espa es de l'exemple0.3.2, on a
1. dimR Rn = n.
2. dimR E = 2.
Proposition 0.3.3. Soit (E,+, .) un espa e ve toriel sur K de dimension �nie n.Alors
1. le ardinal d'une famille libre est inférieur ou égal à n.
2. le ardinal d'une famille génératri e est supérieur ou égal à n.
3. Toute les base de E ont le même ardinal n.
4. de toute famille génératri e on peut extraire une base.
Proposition 0.3.4. Soient (E1,+, .) et (E2,+, .) deux espa es ve toriels sur K de
dimensions �nies E. Alors
dimK(E1 × E2) = dimK E1 + dimK E2.
Proposition 0.3.5. Soit (E,+, .) un espa e ve toriel sur K de dimension �nie n et
F et G deux sous espa es ve toriels de E. Alors
dimK(F +G) = dimK F + dimKG− dimK(F ∩G)
Dé�nition 0.3.4. Soient (E,+, .) un espa e ve toriel sur K et {v1, . . . , vm} une fa-
mille de ve teurs de E. On appelle rang de {v1, . . . , vm} la dimension du sous espa e
engendré par {v1, . . . , vm}. On note
rang({v1, . . . , vm}) = dimK vect({v1, . . . , vm}).
Exemple 0.3.4. On reprend l'exemple 0.3.2, on a
1. rang(e1, . . . , en) = n.
2. rang((2, 1, 0), (0, 0, 1)) = 2.
3. si B est une base de E, alors rang(B) = dimK E.
Proposition 0.3.6. Soient (E,+, .) un espa e ve toriel sur K et {v1, . . . , vm} une
famille de ve teurs de E.
1. rang({v1, . . . , vm}) ≤ m.
2. rang({v1, . . . , vm}) = m si et seulement si {v1, . . . , vm} est libre.
M. Laabissi & A. Haily Algèbre 2 (SMPC)
8 Espa es Ve toriels (Rappels)
0.4 Exer i es
Exer i e 0.1. On onsidère l'ensemble des matri es arrés d'ordre 2 à oe� ients réels
M2(R) muni de lois suivantes :
(a bc d
)
+
(x yz t
)
=
(a+ x b+ yc+ z d+ t
)
λ
(a bc d
)
=
(λa λbλc λd
)
Montrer que (M2(R),+, .) est un espa e ve toriel sur R.
Exer i e 0.2. Soit F(R) l'ensemble des fon tions réelles. On dé�nit les lois suivantes :
(f + g)(x) = f(x) + g(x), ∀x ∈ R,
(λf)(x) = λf(x) ∀λ, x ∈ R
Montrer que (F(R),+, .) est un espa e ve toriel sur R.
Exer i e 0.3. Soit S(N,R) l'ensemble des suites réelles. On dé�nit les lois suivantes :
(u+ v)n = un + vn, ∀n ∈ N,
(λu)n = λun ∀λ, n ∈ N
Montrer que (S(N,R),+, .) est un espa e ve toriel sur R.
Exer i e 0.4. Soient (E,+, .) un espa e ve toriel sur K, u ∈ E et λ ∈ K. Montrer que
1. 0.u = 0E
2. λ0E = 0E
3. (−1).u = −u4. λu = 0E ⇔ λ = 0 ou u = 0E .
Exer i e 0.5. Soient (E,+, .) un espa e ve toriel sur K, u, v, w ∈ E et α, β ∈ K.
Montrer que
1. Si u+ w = v + w alors u = v.
2. Si α 6= 0 tel que αu = αv alors u = v.
3. Si u 6= 0E tel que αu = βv alors α = β.
Exer i e 0.6. Montrer que les ensembles suivants sont des sous espa es ve toriels
1. l'ensemble des suites réelles qui onverges vers 0.
2. l'ensemble des fon tions réelles ontinues.
3. l'ensemble des fon tions réelles de la forme f(x) = acos(x) + bsin(x) pour toutx ∈ R et a, b ∈ R.
4. l'ensemble des fon tion réelles dérivables telles que
df
dx(1) = 0.
5. F = {(x, y, z, t) ∈ R4 : x+ 2y + 3z + 4t = 0}.
M. Laabissi & A. Haily Algèbre 2 (SMPC)
0.4 Exer i es 9
6. G = {(x, y, z, t) ∈ R4 : x+ 2y + 3z = y + 2z + 3t = 0}Exer i e 0.7. Dans l'espa eM2(R), on onsidère la famille
A = {(
1 22 1
)
,
(2 1−1 2
)
,
(0 11 2
)
}.
1. la famille A est - elle génératri e.
2. la famille A est - elle libre.
Exer i e 0.8. Montrer que les famille suivantes sont libres :
1. {f(x) = x, g(x) = ex, g(x) = e−x} dans l'espa e des fon tions réelles à variables
réelles.
2. {(1, 1, 1), (a, b, c), (a2, b2, c2)} est une famille libre de R3où a, b, c sont tros réels
distin ts.
3. Soient E un espa e ve toriel et u, v, w trois ve teurs de E. Montrer que si
{u, v, w} est libre alors la famille {u+ v, v + w,w + u} l'est aussi.Exer i e 0.9. Soit F le sous ensemble de l'espa e ve toriel réelM2(R) dé�ni par
F = {(
a bc d
)
: 2a− 3b+ 4c− d = 0}
1. Montrer que F est un sous espa e ve toriel deM2(R).
2. Donner une famille génératri e de F
3. Donner une base de F .
Exer i e 0.10. On onsidère les deux sous espa es ve toriels de R3donnés par :
F = {(x, y, z) ∈ R3 : x+ y + z = 0}
G = {(x, y, z) ∈ R3 : x = y = z}
Montrer que R3 = F ⊕G.
Exer i e 0.11. On onsidère les sous espa e de R3suivants
F = vect{(1, 1, 1, 0), (0,−4, 1, 5)}G = vect{0,−2, 1, 2), (1,−1, 1, 3)}
1. Déterminer les dimensions de F et G
2. Donner F ∩G et sa dimension
3. Donner F +G est sa dimension.
Exer i e 0.12. On onsidère les sous espa es ve toriels deM2(R)
F = {(
a −a + b0 b
)
: a, b ∈ R}
G = {(
x 0y x
)
: x, y ∈ R}
Déterminer une base de ha un des sous espa es ve toriels suivants : F,G, F ∩ G et
F +G.
M. Laabissi & A. Haily Algèbre 2 (SMPC)
10 Espa es Ve toriels (Rappels)
Exer i e 0.13. Dans l'espa e ve toriel réel R4, on onsidère les sous espa es ve toriels
F = {(x, y, z, t) ∈ R4 : x+ 2y + z = −x− y + 3t = 0}
G = vect({(2, 0, 0, 1), (3,−2,−2, 0)})
1. Véri�er que (5,−2,−1, 1) ∈ F ∩G.
2. Véri�er que F ∩G 6= G.
3. Cal uler les dimensions de F,G, F ∩G et F +G.
Exer i e 0.14. Dans l'espa e ve toriel réel R4, on onsidère les sous espa es ve toriels
F = {(x, y, z, t) ∈ R4 : x+ y + 2t = 2x+ y − z = 0}
G = vect({(1, 1, 1, 0), (1, 3, 1, 0)})
Donner une base de F ∩G et une base de F +G.
M. Laabissi & A. Haily Algèbre 2 (SMPC)
Chapitre 1
Appli ations Linéaires
Dans tout e hapitre (E,+, .), (F,+, .) et (G,+, .) désignent trois espa es ve torielssur K ave K = R ou C.
1.1 Dé�nitions et Propriétés
Dé�nition 1.1.1. Un appli ation de l'espa e ve toriel E vers l'espa e ve toriel F est
dite appli ation linéaire si
1. f(u+ v) = f(u) + f(v) pour tout u, v ∈ E.
2. f(λu) = λf(u) pour tout λ ∈ K et u ∈ E.
Exemple 1.1.1. 1. Soit a ∈ R. f : R → R par f(x) = ax pour tout x ∈ R. f est
une appli ation linéaire de E = R vers F = R
2. Soient a, b ∈ R. f : R2 → R par f(x, y) = ax + by pour tout (x, y) ∈ R2. f est
une appli ation linéaire de E = R2vers F = R.
3. Soient E l'espa e ve toriel des fon tion réelles dérivables et F l'espa e des fon -
tion réelles. On dé�nit D : E → F par D(f) = f pour tout f ∈ E. D est une
appli ation linéaire de E dans F .
4. Soient E et F deux espa es ve toriels. L'appli ation nulle
f : E → F
u → 0F
est une appli ation linéaire.
5. L'appli ation identité de E, dé�nie sur l'espa e ve toriel E par
idE : E → E
u → u
est une appli ation linéaire
M. Laabissi & A. Haily Algèbre 2 (SMPC)
12 Appli ations Linéaires
Proposition 1.1.1. f est une appli ation linéaire de E dans F si et seulement si
f(αu+ βv) = αf(u) + βf(v), ∀u, v ∈ E, ∀α, β ∈ K.
Exemple 1.1.2. On onsidère l'appli ation dé�nie de R3dans R2
, par
f(x, y, z) = (x+ 2z, x+ 3y) ∀(x, y, z) ∈ R3.
f(α(x, y, z) + β(u, v, w)) = f(αx+ βu, αy + βv, αz + βw),
= ((αx+ βu) + 2αz + βw), (αx+ βu) + 3(αy + βv))
= α(x+ 2z, x+ 3y) + β(u+ 2w, u+ 3v)
= αf(x, y, z) + βf(u, v, w).
Remarque 1.1.1. Si f E → F une appli ation linéaire, alors
1. f(0E) = 0F
2. f(−x) = −f(x) pour tout x ∈ E
3. f(∑n
i=1 αixi) =∑n
i=1 αif(xi) pour tous n ∈ N, xi ∈ E et αi ∈ K pour
i = 1, . . . , n.
Dé�nition 1.1.2. Soient E et F deux espa es ve toriels sur K.
1. Un isomorphisme de E dans F est une appli ation linéaire de E dans Fbije tive ( inje tive et surje tive ).
2. Un endomorphisme de E est une appli ation linéaire de E dans E.
3. Un automorphisme de E est un endomorphisme de E bije tif.
Exemple 1.1.3. On onsidère l'appli ation linéaire f de R3dans R3
par
f(x, y, z) = (x+ z, y − z, z).
1. f est inje tive :
f(x, y, z) = f(u, v, w) ⇔ (x+ z, y − z, z) = (u+ w; v − w,w)
⇔ x+ z = u+ w, y − z = v − w, z = w
⇔ x = u, y = v, z = w.
2. f est surje tive : Soit (u, v, w) ∈ R3.
f(x, y, z) = (u, v, w) ⇔ (x+ z, y − z, z) = (u; v, w)
⇔ x+ z = u, y − z = v, z = w
⇔ x = u− w, y = v + w, z = w.
En parti ulier, f est un automorphisme de R3.
M. Laabissi & A. Haily Algèbre 2 (SMPC)
1.1 Dé�nitions et Propriétés 13
Proposition 1.1.2. Soient E , F et G trois espa es ve toriels sur K.
1. Si f et g sont deux appli ations linéaires de E dans G et λ ∈ K alors f + g et
λf sont des appli ations linéaires de E dans G.
2. Si f est une appli ation linéaire de E dans F et g est une appli ation linéaire
de F dans G, alors g ◦ f est une appli ation de E dans G.
3. Si f est un isomorphisme de E dans F alors f−1 est un isomorphisme de Fdans E.
On rappelle que l'appli ation f−1 n'est dé�nie que si f est une bije tion. Néanmoins
l'image ré iproque d'un ensemble est toujours dé�nie. Pour f : E → F une appli ation
(linéaire ou non ) et B ⊂ F , l'image ré iproque de B est le sous ensemble de E
f−1(B) = {x ∈ E : f(x) ∈ B}.
Si A ⊂ E, l'image de A est
f(A) = {f(x) ∈ F : x ∈ A}.
Proposition 1.1.3. Soient E et F deux espa es ve toriels sur K et f E → F une
appli ation linéaire. Alors
1. Si E ′ un sous espa e ve toriel de E alors f(E ′) est un sous espa e ve toriel de
F .
2. Soit F ′ un sous espa e ve toriel de F alors l'image ré iproque de F ′
f−1(F ′) = {x ∈ E : f(x) ∈ F ′}
est un sous espa e ve toriel de E.
3. f−1({0F}) et f(E) sont des sous espa es ve toriels de E et F respe tivement.
4. Si A ⊂ E alors f(vect(A)) = vect(f(A)).
Remarque 1.1.2. 1. Si A est une famille génératri e d'un sous espa e ve toriel
E ′ alors f(A) est une famille génératri e de f(E ′).
2. L'image par une appli ation linéaire d'une famille libre n'est pas en général libre.
3. L'image par une appli ation linéaire d'une base n'est pas en général une base.
Dé�nition 1.1.3. Soient E et F deux espa es ve toriels sur K et f E → F une
appli ation linéaire.
1. Le sous espa e de E, f−1({0F}) est appelé le noyau de f et l'on note Ker(f) :
ker(f) = {x ∈ E : f(x) = 0F}.
2. Le sous espa e de F , f(E) est appelé l'image de f et l'on note Im(f) :
Im(f) = {f(x) ∈ F : x ∈ E}.
M. Laabissi & A. Haily Algèbre 2 (SMPC)
14 Appli ations Linéaires
Exemple 1.1.4. On onsidère l'appli ation dé�nie de R3dans R2
, par
f(x, y, z) = (x+ 2z, x+ 3y) ∀(x, y, z) ∈ R3.
1. Le noyau de f :
f(x, y, z) = (0, 0) ⇔ x+ 2z = 0 et x+ 3y = 0,
⇔ z = −x2et y = −x
3.
(x, y, z) ∈ Ker(f) ⇔ (x, y, z) = (x,−x3,−x
2) = x(1,−1
3,−1
2).
Don Ker(f) = vect({(1,−13,−1
2)})
2. L'image de f :
f(x, y, z) = (x+ 2z, x+ 3y)
= (x+ 2z)e1 + (x+ 3y)e2
Don Im(f) = vect({e1, e2}) = R2.
Proposition 1.1.4. Soient E et F deux espa es ve toriels sur K et f E → F une
appli ation linéaire.
1. f est inje tive si et seulement si Ker(f) = {0E},2. f est surje tive si et seulement si Im(f) = F .
1.2 Théorème du Rang
Dé�nition 1.2.1. Soient f une appli ation linéaire de l'espa e ve toriel E dans l'es-
pa e ve toriel F . On appelle rang de f et on note rg(f) la dimension de Im(f).
rg(f) = dim(Im(f)).
Exemple 1.2.1. Dans l'exemple 1.1.4, on a Im(f) = R2. On en déduit que rg(f) = 2.
Théorème 1.2.1 (Théorème du rang ). Soit f une appli ation linéaire d'un espa e
ve toriel de dimension �nie E dans un espa e ve toriel F . Alors
dim(E) = dim(Im(f)) + dim(Ker(f)) = rg(f) + dim(Ker(f)).
Corollaire 1.2.1. Soit f une appli ation linéaire d'un espa e ve toriel de
dimension �nie E dans un espa e ve toriel F . ALors
1. rg(f) ≤ dim(E),
2. f est inje tive si et seulement si rg(f) = dim(E).
3. Si f est surje tive alors F est de dimension �nie et dim(F ) ≤ dim(E).
4. f est surje tive si et seulement si F est de dimension �nie et rg(f) = dim(F ).
5. Si F est de dimension �nie alors
(a) rg(f) ≤ dim(F )
(b) f est bije tive si et seulement si dim(E) = dim(F ) = rg(f).
M. Laabissi & A. Haily Algèbre 2 (SMPC)
1.3 Appli ations Linéaires Parti ulières 15
Corollaire 1.2.2. Soit f un endomorphisme d'un espa e ve toriel de dimension �nie
E. Alors
f est bije tive⇔ f est inje tive ⇔ f est surje tive.
1.3 Appli ations Linéaires Parti ulières
1.3.1 Formes Linéaires
Dé�nition 1.3.1. Soit E un espa e ve toriel sur K. Une appli ation linéaire de Edans K est appelée une forme linéaire.
Le noyau d'une forme linéaire est appelé un hyperplan.
Remarque 1.3.1. 1. Si f et g sont deux formes linéaires de E alors αf + βg est
aussi une forme linéaire de E pour tous α, β ∈ K.
2. Les formes linéaires de Knsont de la formes suivante :
f : Kn −→ K
(x1, x2, . . . , xn) 7−→n∑
i=1
aixi = a1x1 + a2x2 + · · ·+ anxn
ave a = (a1, a2, . . . , an) ∈ Knun ve teur donné. Le noyau de f est
H = {x = (x1, x2, . . . , xn) ∈ Kn : a1x1 + a2x2 + . . . anxn = 0}.
H est alors un hyperplan de Kn. L'équation de H est
a1x1 + a2x2 + . . . anxn = 0.
3. Pour K = R,
(a) Les hyperplans, de R2, ont pour équation générale
ax+ by = 0.
Ce sont don les droites de R2.
(b) Les hyperplans, de R3, ont pour équation générale
ax+ by + cz = 0
Ce sont don les plans de R3.
1.3.2 Homothéties Ve torielles
Dé�nition 1.3.2. Soient E un espa e ve toriel sur K et λ ∈ K. On appelle homothétie
ve torielle de rapport λ, l'appli ation linéaire
hλ : E −→ E
x 7−→ λx.
Remarque 1.3.2. 1. hλ = λidE.
2. hλ est inversible si et seulement si λ 6= 0. Dans e as, (hλ)−1 = hλ−1
.
3. Une appli ation linéaire est une homothétie si et seulement si la famille {x, f(x)}est liée pour tout x ∈ E.
M. Laabissi & A. Haily Algèbre 2 (SMPC)
16 Appli ations Linéaires
1.3.3 Proje tion Ve torielle
Soient E un espa e ve toriel et F et G deux sous espa es ve toriels de E tels que
E = F ⊕G.
En parti ulier, pour tout x ∈ E il existe un (y, z) ∈ F ×G tels que
x = y + z.
On dé�nit alors les deux appli ations p et q suivantes :
(p : E −→ E
x 7−→ y.
) (q : E −→ E
x 7−→ z.
)
Dé�nition 1.3.3. 1. p s'appelle la proje tion sur F parallèlement à G.
2. q s'appelle la proje tion sur G parallèlement à F .
Théorème 1.3.1. 1. p et q sont des endomorphismes de E.
2. p+ q = idE et q = idE − p.
3. p2 = p ◦ p = p et pq = qp = 0.
4. F = Im(p) = {x ∈ E : p(x) = x} = Ker(IdE − p).
5. G = Ker(p) = Im(IdE − p).
1.3.4 Symétrie Ve torielle
Soient E un espa e ve toriel et F et G deux sous espa es ve toriels de E tels que
E = F ⊕G.
En parti ulier, pour tout x ∈ E il existe un (y, z) ∈ F ×G tels que
x = y + z.
M. Laabissi & A. Haily Algèbre 2 (SMPC)
1.3 Appli ations Linéaires Parti ulières 17
On dé�nit l'appli ation S par
S : E −→ E
x = y + z 7−→ y − z
Dé�nition 1.3.4. L'appli ation S s'appelle la symétrie ve torielle par rapport F pa-
rallèlement G.
Exemple 1.3.1. On onsidère l'espa e ve toriel E = R3. Soient
F = {(x, y, z) ∈ E : x+ y + z = 0}G = {(x, x, x) ∈ E : x ∈ R}
On a alors F = V ect({−1, 1, 0), (−1, 0, 1)}) et G = V ect({(1, 1, 1)}). De plus E =F ⊕G.Pour tout (x, y, z) ∈ E, on a
(x, y, z) =1
3(2x−y−z,−x+2y−z,−x−y+2z)+
1
3(x+y+z, x+y+z, x+y+z) = u+v
Il est lair que u = 13(2x − y − z,−x + 2y − z,−x − y + 2z) ∈ F et v = 1
3(x + y +
z, x + y + z, x + y + z) ∈ G. On en déduit que la symétrie ve torielle par rapport Fparallèlement G est
S(x, y, z) = u− v =1
3(x− 2y − 2z,−2x+ y − 2z,−2x− 2y − z)
Théorème 1.3.2. 1. S = p − q = 2p − idE et p = 12(S + idE ).
2. S est un endomorphisme de E.
3. S 2 = idE
4. S est un automorphisme de E.
5. F = {x ∈ E : S (x ) = x}6. G = {x ∈ E : S (x ) = −x}.
M. Laabissi & A. Haily Algèbre 2 (SMPC)
18 Appli ations Linéaires
1.4 Exer i es
Exer i e 1.1. Étudier la linéarité des appli ations suivantes :
1. f1 : R3 → R2, et (x, y, z)→ (x+ 7y + 2z, y − z)
2. f2 R3 → R2. et (x, y, z)→ (x+ 7y + 2z, y − z + 1)
3. f3 R3 → R2. et (x, y, z)→ (x+ y, yz)
4. f4 R3 → R
+, et (x, y, z)→ (x2, y2).
5. f5 : R2 → F(R). et (a, b)→ acos(x) + bsin(x).
Exer i e 1.2. On onsidère l'appli ation suivante :
f : R3 → R
4
(x, y, z, t) → (x− y, y − z, z − t, t− x)
1. Montrer que f est linéaire
2. Cal uler Ker(f)
3. Cal uler f(ei) ave {e1, e2, e3, e4} est la base anonique de R4
4. Donner Im(f)
5. f est elle inje tive, surje tive ?
Exer i e 1.3. On onsidère l'appli ation suivante :
f : R3 → R
4
(x, y, z, t) → (x, x+ y, x+ y + z, x+ y + z + t)
1. Montrer que f est linéaire
2. Cal uler Ker(f)
3. Cal uler f(ei) ave {e1, e2, e3} est la base anonique de R3
4. Donner Im(f)
5. f est elle inje tive, surje tive ?
Exer i e 1.4. On onsidère l'appli ation suivante :
f : M2(R) → M2(R)(
a bc d
)
→(
0 bc 0
)
1. Montrer que f est linéaire
2. Cal uler Ker(f) et en donner une base. En déduire la dimension de Ker(f).
3. Donner Im(f) et en déduire une base de Im(f) et le rg(f).
4. Montrer queM2(R) = Ker(f)⊕ Im(f).
M. Laabissi & A. Haily Algèbre 2 (SMPC)
1.4 Exer i es 19
Exer i e 1.5. Soit B = (e1, e2, e3) la base anonique de R3. On dé�nit l'endomor-
phisme f de R3par :
f(e1) = 2e1 + e2 + 3e3; f(e2) = e2 − 3e3; f(e3) = −2e2 + 2e3.
1. Cal uler f(x) pour tout x ∈ R3.
2. Soient E = {x ∈ R3 : f(x) = 2x} er F = {x ∈ R3 : f(x) = −x}Montrer que E et F sont deux sous espa es de R3
.
3. Donner une base de E et une base d F .
4. A t-on R3 = E ⊕ F .
Exer i e 1.6. On onsidère l'espa e ve toriel R3[X ] des polyn�mes à oe� ients réels
et de degrés inférieurs ou égal à 4.
Soit l'appli ation f dé�nie par
f : R3[X ] → R3[X ]
P → XP ′ − 2P
1. Montrer que f est linéaire
2. Cal uler Ker(f) et en donner une base. En déduire la dimension de Ker(f).
3. Donner Im(f) et en déduire une base de Im(f) et le rg(f).
4. Cal uler Ker(f) ∩ Im(f). A- t-on R3[X ] = Kef(f)⊕ Im(f).
Exer i e 1.7. Soient F et G deux sous espa es ve toriels de R3donnés par :
F = {(x, y, z) ∈ R3 : x− 4y + z = 0},
G = {(x, y, z) ∈ R3 : y = −x et z = x}
1. Donner une base de F et une base de G
2. Montrer que F ⊕G = R3
3. Donner l'expression de p la proje tion ve torielle sur F parallèlement à G. Endéduire l'expression de q la proje tion ve torielle sur G parallèlement F .
Exer i e 1.8. Soit H l'hyperplan de E = R3dé�nit par l'équation
x+ y + z = 0.
Soit B = (e1, e2, e3) de E.
1. Donner une base (u1, u2) de H .
2. Soit u3 = (1, 1, 2). Montrer que (u1, u2, u3) est une base de E.
3. Soit p la proje tion de E sur H parallèlement à D = V ect(u3). Donner l'expres-sion de p.
4. Soit s la symétrie ve torielle par rapport à H parallèlement à D = V ect(u3).Donner l'expression de s.
M. Laabissi & A. Haily Algèbre 2 (SMPC)
20 Appli ations Linéaires
Exer i e 1.9. On onsidère l'appli ation suivante
f : R4 −→ R3
(x, y, z, t) 7−→ (x− y, y + z, z − t)
1. Montrer que f est une appli ation linéaire.
2. Donner Ker(f) et al uler sa dimension.
3. Donner Im(f) et al uler sa dimension.
Exer i e 1.10. Soit E = R3[X ] l'espa e des polyn�mes de degré inférieur à 3 et à
oe� ients réels. On onsidère l'appli ation
f : E −→ E
P 7−→ X2P ′′ −XP ′ +X
1. Montrer que f est une appli ation linéaire.
2. Donner Ker(f) et al uler sa dimension.
3. Donner Im(f) et al uler sa dimension.
Exer i e 1.11. Soit f un endomorphisme sur R3tel que
f(e1) = e1 +me2
f(e2) = me2 + e3
f(e3) = e1 +me3
1. Donner l'expression de f .
2. Donner ker(f), Im(f).
3. Pour quel valeur de m, f est bije tive.
Exer i e 1.12. On onsidère l'appli ation de R3dans lui même donnée par
f(x, y, z) = (y − z, x+ z, z)
1. Montrer que f est un endomorphisme.
2. Cal uler f ◦ f et en déduire que f est un automorphisme.
3. En déduire alors Ker(f) et Im(f).
Exer i e 1.13. On onsidère l'appli ation suivante :
f : R2[X ] −→ R2[X ]
P 7−→ (X2 −X + 1)P ′ − (2X − 1)P +X2P (1)
Montrer que f est un automorphisme de R3[X ].
M. Laabissi & A. Haily Algèbre 2 (SMPC)
1.4 Exer i es 21
Exer i e 1.14. Soit f l'endomorphisme de R3dé�ni par
f(e1) = −2e1 + 2e3
f(e2) = 3e2
f(e3) = −4e1 + 4e3
où (e1, e2, e3) est la base anonique de R3.
1. Donner l'expression de f
2. Donner une base de Ker(f). f est elle inje tive ?
3. Donner une base de Im(f). E déduire le rang de f .
4. Montrer que R3 = Ker(f)⊕ Im(f).
5. Donner la dé omposition d'un élément (x, y, z) suivant la somme Ker(f) ⊕Im(f).
6. Donner l'expression de la proje tion sur Ker(f) parallèlement à Im(f).
7. Donner l'expression de la symétrie par rapport à Im(f) parallèlement à Ker(f).
Exer i e 1.15. OOn onsidère les sous espa es ve toriels de E = R3suivants :
F = {(x, y, z) ∈ E : x = y = z}G = {(x, y, z) ∈ E : x+ y = 0}
1. Donner une base de F et une base de G.
2. Montrer que E = F ⊕G.
3. Donner l'expression de la proje tion p sur F parallèlement à G.
4. Donner l'expression de la proje tion q sur G parallèlement à F
5. Donner l'expression de la symétrie S par rapport F et parallèlement à G.
M. Laabissi & A. Haily Algèbre 2 (SMPC)
22 Appli ations Linéaires
M. Laabissi & A. Haily Algèbre 2 (SMPC)
Chapitre 2
Cal ul Matri iel
Dans tout e hapitre K désigne R ou C.
2.1 Dé�nitions
Dé�nition 2.1.1. On appelle matri e de m lignes et de n olonnes un tableau re -
tangulaire de la forme
A =
a11 a12 . . . a1j . . . a(1(n−1) a1na21 a22 . . . a2j . . . a2(n−1) a2n.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
ai1 ai2 . . . aij . . . a(i(n−1) ain.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
a(m−1)1 a(m−1)2 . . . a(m−1)j . . . a(m−1)(n−1) a(m−1)nam1 am2 . . . amj . . . am(n−1) amn
ave aij ∈ K pour tout 1 ≤ i ≤ m et 1 ≤ j ≤ n.Les aij sont appelés les oe� ients de la matri e.
L'ensemble des matri es de m lignes et de n olonnes à oe� ients dans K est noté
Mm×n(K) ou simplement Km×n. La matri e M est souvent notée A = (aij)1≤i≤m,1≤j≤n.
Si m = n la matri e M est dite une matri e arrée d'ordre n. L'ensemble des matri es
arrées d'ordre n est noté parMn(K)
Exemple 2.1.1. 1. La matri e nulle est la matri e dont toutes les oe� ients sont
nulles : aij = 0 pour tout 1 ≤ i ≤ m et 1 ≤ j ≤ n.
la matri e nulle =
0 0 0 . . . 0 0 00 0 0 . . . 0 0 0.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
0 0 0 . . . 0 0 0.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
0 0 0 . . . 0 0 00 0 0 . . . 0 0 0
M. Laabissi & A. Haily Algèbre 2 (SMPC)
24 Cal ul Matri iel
2. Matri e ligne 'est une matri e d'une seule ligne m = 1 :
L =(a11 a12 . . . a1j . . . a(1(n−1) a1n
)
3. Matri e olonne est une matri e d'une seule olonne n = 1 :
C =
a11a21.
.
.
ai1.
.
.
a(m−1)1am1
4. Si m = n, on appelle matri e identité d'ordre n la matri e suivante :
In =
1 0 0 . . . 0 0 00 1 0 . . . 0 0 0.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
0 0 0 1 0 0 0.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
0 0 0 . . . 0 1 00 0 0 . . . 0 0 1
On a alors aii = 1 et aij = 0 si i 6= j ave 1 ≤ i, j ≤ n.
2.2 Opérations sur les Matri es
2.2.1 Égalité
Soient A,B deux matri es de m lignes et de n olonnes :
A = (aij)1≤i≤m,1≤j≤n, B = (bij)1≤i≤m,1≤j≤n
. On dit que A et B sont égales si aij = bij pour tout 1 ≤ i ≤ m, 1 ≤ j ≤ n.
2.2.2 Addition
Soient A,B deux matri es de m lignes et de n olonnes :
A = (aij)1≤i≤m,1≤j≤n, B = (bij)1≤i≤m,1≤j≤n
. On dé�nit la somme de A et B et on note A+B la matri e
A+B =
a11 + b11 a12 + b12 . . . a1n + b1na21 + b21 a22 + b22 . . . a2n + b2n
.
.
.
.
.
.
.
.
.
.
.
.
ai1 + bi1 ai2 + bi2 . . . ain + bin.
.
.
.
.
.
.
.
.
.
.
.
am1 + bm1 am2 + bm2 . . . amn + bmn
= (aij + bij)1≤i≤m,1≤j≤n.
M. Laabissi & A. Haily Algèbre 2 (SMPC)
2.2 Opérations sur les Matri es 25
2.2.3 Multipli ation par un s alaire
Soient λ ∈ K et A une matri e de m lignes et de n olonnes :
A = (aij)1≤i≤m,1≤j≤n.
La multipli ation de A par λ est la matri e :
λA =
λa11 λa12 . . . λa1j . . . λa1nλa21 λa22 . . . λa2j . . . λa2n.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
λai1 λai2 . . . λaij . . . λain.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
λa(m−1)1 λa(m−1)2 . . . λa(m−1)j . . . λa(m−1)nλam1 λam2 . . . λamj . . . λamn
= (λaij)1≤i≤m,1≤j≤n.
Proposition 2.2.1. (Mm×n(K),+, .) est un espa e ve toriel sur K de dimension m×n.
Remarque 2.2.1. Soit Eij la matri e suivante
Eij =
Colonne j0 0 . . . 0 . . . 0.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
0 0 . . . 1 . . . 0 ligne i.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
0 0 . . . 0 . . .0 0 . . . 0 . . . 0
Alors {Eij : 1 ≤ i ≤ m, 1 ≤ j ≤ n} est une base deMm×n(K).
2.2.4 Multipli ation des Matri es
Dé�nition 2.2.1. Soient
A = (aij)1≤i≤m,1≤j≤n ∈ Mm×n(K), B = (bij)1≤i≤n,1≤j≤p ∈Mn×p(K)
le produit de la multipli ation de A par B est la matri e
AB = (cij)1≤i≤m,1≤j≤p ave cij =n∑
k=1
aikbkj.
La matri e AB ∈Mm×p(K)
Remarque 2.2.2. Pour que le produit AB soit dé�nie il faut que le nombre de olonnes
de la première matri e A soit égal au nombre de lignes de la deuxième matri e B.
M. Laabissi & A. Haily Algèbre 2 (SMPC)
26 Cal ul Matri iel
Exemple 2.2.1. 1. A =(1 2 3
)i i m = 1 et n = 3 et B =
456
i i n = 3
et p = 1. Alors
AB =(1 2 3
)
456
= 1× 4 + 2× 5 + 3× 6 = 32.
2. C =
4 75 86 9
i i n = 3 et p = 2. Alors
AC =(1 2 3
)
4 75 86 9
=(1× 4 + 2× 5 + 3× 6 1× 7 + 2× 8 + 3× 9
)
=(32 60
)
3. D =
(10 1211 13
)
i i n = p = 2.
CD =
4 75 86 9
(10 1211 13
)
=
4× 10 + 7× 11 4× 12 + 7× 135× 10 + 8× 11 5× 12 + 8× 136× 10 + 9× 11 6× 12 + 9× 13
=
114 139138 164159 189
Remarque 2.2.3. 1. Dans l'exemple 2.2.1 Les produit BA, CA DC ne sont pas
dé�nis. (Pourquoi ?)
2. Ave les notations de la Dé�nition 2.2.1, pour que les deux produits AB et BAsoient dé�nis à la fois il faut que m = p.Dans Ce as, on n' a pas toujours AB = BA.
AB =
4 75 86 9
(10 12 1411 13 15
)
=
114 139 161138 164 190159 189 219
BA =
(10 12 1411 13 15
)
4 75 86 9
=
(184 292199 316
)
Il est lair que AB 6= BA.
Proposition 2.2.2. Soient A ∈Mm×n(K), B ∈ Mm×n(K) et C ∈ Mn×p(K). ALors
(A +B)C = AB +BC.
Soient R ∈Mm×n(K), S ∈Mn×p(K) et T ∈Mn×p(K). Alors :
R(S + T ) = RS +RT.
M. Laabissi & A. Haily Algèbre 2 (SMPC)
2.2 Opérations sur les Matri es 27
2.2.5 Matri e Transposée
Dé�nition 2.2.2. Soit la matri e
A = (aij)1≤i≤m,1≤j≤n ∈Mm×n(K)
On appelle matri e transposée de A et on note ATla matri e
AT = (bij)1≤i≤n,1≤j≤m ∈Mn×m(K) telle que bij = aji.
On peut illustrer la dé�nition omme
A =
a11 a12 . . . a1j . . . a1na21 a22 . . . a2j . . . a2n.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
ai1 ai2 . . . aij . . . ain.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
am1 am2 . . . amj . . . amn
→ AT =
a11 a21 . . . ai1 . . . am1
a12 a22 . . . ai2 . . . am2.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
a1j a2j . . . aji . . . amj
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
a1n a2n . . . ain . . . amn
Exemple 2.2.2.
A =(1 2 3 4
)→ AT =
1234
.
B =
12345
→ BT =(1 2 3 4 5
)
C =
4 75 86 9
→ CT =
(4 5 67 8 9
)
D =
1 0 2 15 8 3 06 9 0 11
→ DT =
1 5 60 8 92 3 01 0 11
Proposition 2.2.3. 1. Pour toute matri e A, on a (AT )T = A.
2. Soient A ∈Mm×n(K), B ∈Mm×n(K) et α, β ∈ K. Alors
(αA+ βB)T = αAT + βBT
3. Soient M ∈Mm×n(K), N ∈Mn×p(K). Alors :
(MN)T = NTMT .
M. Laabissi & A. Haily Algèbre 2 (SMPC)
28 Cal ul Matri iel
2.3 Matri es Carrées
On rappelle que l'espa e des matri es arrées d'ordre n est Mn(K). On note i i
qu'une matri e arrée est une matri e dont le nombre de lignes est égal au nombre de
olonnes.
Proposition 2.3.1. Soient A,B,C ∈Mn(K) trois matri es :
A(BC) = (AB)C.
On dé�nit les puissan es su essives d'une matri e non nulle A ∈Mn(K) par :{
A0 = In,Ak+1 = AkA, ∀k ≥ 0.
En parti ulier, on note :
Ak = A× A× · · · × A.︸ ︷︷ ︸
k fa teurs
Pour la matri e nulle on a évidemment 0k = 0 pour tout k ≥ 0.
Exemple 2.3.1. 1. Ikn = In pour tout k ≥ 0.
2. Pour tout k ≥ 0.(
2 00 3
)k
=
(2k 00 3k
)
.
3. on onsidère la matri e
B =
0 1 00 0 10 0 0
,
B2 =
0 1 00 0 10 0 0
0 1 00 0 10 0 0
=
0 0 10 0 00 0 0
B3 = B2B =
0 0 10 0 00 0 0
0 1 00 0 10 0 0
=
0 0 00 0 00 0 0
,
Bk =
0 0 00 0 00 0 0
, pour tout k ≥ 3.
Proposition 2.3.2 (Formule du bin�me). Si A,B ∈ Mn(K) deux matri es telles que
AB = BA, alors pour tout k ≥ 0
(A+B)k =
k∑
i=0
C ikA
iBk−i,
ave C ik =
k!i!(k−i)! pour tout i ≤ k.
M. Laabissi & A. Haily Algèbre 2 (SMPC)
2.3 Matri es Carrées 29
Exemple 2.3.2. On al ule les puissan es su essives de
A =
1 1 00 1 10 0 1
.
On remarque que A = B + I3 ave B est la matri e de l'exer i e pré édent. Il est lair
que BI2 = I2B = B. Don pour tout k ≥ 3,
Ak = (B + I2)k =
k∑
i=0
C ikB
iIk−i2
=
k∑
i=0
C ikB
i ar Ik−i2 = I2
= C0kB
0 + C1kB + C2
kB2 ar Bi = 0∀i ≥ 3,
= I2 + kB +k(k − 1)
2B3
ar C0k = 1, C1
k = k et C2k =
k(k − 1)
2,
=
1 k k(k−1)2
0 1 k0 0 1
On remarque l'expression est aussi valable pour k = 0, k = 1 et k = 2.
Exer i e 2.3.1. Cal uler les puissan es su essives de
A =
2 −1 00 2 −10 0 2
.
Dé�nition 2.3.1. Une matri e A ∈Mn(K) est dite inversible s'il existe une matri e
B ∈Mn(K) telle que AB = BA = In. La matri e B est appelée l'inverse de A et l'on
note A−1.
Exemple 2.3.3. 1. Soient les matri es
A =
(1 20 1
)
et B =
(1 −20 1
)
Il esf fa ile de véri�er que AB = BA = I2. Don A est inversible et A−1 = B.
2. On her he l'inverse de la matri e
A =
1 2 11 2 00 1 1
Lorsque A est inversible, grâ e aux opérations élémentaires, on fait un tableau
de la forme
(A I3
)−→
(I3 B
)⇒ A−1 = B.
M. Laabissi & A. Haily Algèbre 2 (SMPC)
30 Cal ul Matri iel
( )1 2 1 1 0 02 1 1 0 1 01 0 1 0 0 1
−→( )1 2 1 1 0 00 −3 −1 −2 1 0 L2 − 2L1
0 −2 0 −1 0 1 L3 − L1
−→( )1 2 1 1 0 00 1 1/3 2/3 −1/3 0 L2/(−3)0 −2 0 −1 0 1
−→( )1 2 1 1 0 00 1 1/3 2/3 −1/3 00 0 2/3 1/3 −2/3 1 L3 + 2L2
−→( )1 2 1 1 0 00 1 1/3 2/3 −1/3 00 0 1 1/2 −1 3/2 (3/2)L3
−→( )1 0 1/3 −1/3 2/3 0 L1 − 2L2
0 1 1/3 2/3 −1/3 00 0 1 1/2 −1 3/2
−→( )1 0 0 −1/2 1 −1/2 L1 − (1/3)L3
0 1 0 1/2 0 −1/2 L2 − (1/3)L3
0 0 1 1/2 −1 3/2
A−1 =
−1/2 1 −1/21/2 0 −1/21/2 −1 3/2
. En e�et, on a :
1 2 12 1 11 0 1
−1/2 1 −1/21/2 0 −1/21/2 −1 3/2
=
−1/2 1 −1/21/2 0 −1/21/2 −1 3/2
1 2 12 1 11 0 1
=
1 0 00 1 00 0 1
M. Laabissi & A. Haily Algèbre 2 (SMPC)
2.4 Matri es Parti ulières 31
Proposition 2.3.3. Soient A,B ∈Mn(K) deux matri es inversibles. Alors,
1. A−1 est inversible et (A−1)−1 = A.
2. la matri e transposée ATest inversible et (AT )−1 = (A−1)T .
3. AB est inversible et (AB)−1 = B−1A−1.
4. Pour toutes matri es C,D ∈Mn×p(K), on a
AC = AD ⇒ C = D.
5. Pour toutes matri es M,N ∈ Mm×n(K), on a
MA = NA⇒ M = N.
2.4 Matri es Parti ulières
On distingue plusieurs types de matri es. On ite i i quelles que matri es parti u-
lières très onnues :
2.4.1 Matri es daigonales
Soit D = (dij) ∈Mn(K) une matri e arrée. On dit que D est diagonale si dij = 0pour tout i 6= j.
D =
d11 0 0 0 . . . 00 d22 0 0 . . . 0.
.
. 0 d33 0 . . . 0.
.
.
.
.
.
0 . . . . . . . . . 0 dnn
la matri e D est inversible si et seulement si dii 6= 0 pour tout i.
2.4.2 Matri es triangulaires
Soit T = (tij) ∈ Mn(K) une matri e arrée. On dit que T est matri e triangulaire
supérieure si tij = 0 pour tout i > j.
T =
t11 t12 t13 t14 . . . t1n0 t22 t23 t24 . . . t2n.
.
. 0 t33 t34 . . . t3n.
.
.
.
.
.
0 . . . . . . . . . 0 tnn
M. Laabissi & A. Haily Algèbre 2 (SMPC)
32 Cal ul Matri iel
On dit que T est matri e triangulaire inférieure si tij = 0 pour tout i < j.
T =
t11 0 0 0 . . . 0t21 t22 0 0 . . . 0t31 t32 t33 0 . . . 0
.
.
.
.
.
.
.
.
. 0tn1 tn2 . . . . . . tn(n−1) tnn
Une matri e triangulaire est inversible si et seulement si tii 6= 0 pour tout i.
Exemple 2.4.1. Soit
A =
1 2 10 1 −20 0 2
.
A est triangulaire supérieure. Ses oe� ients diagonaux sont non nuls, don A est
inversible.
On her he A−1 en résolvant le système linéaire (S) : AX = Y , où
X =
x1
x2
x3
Y =
y1y2y2
On obtient le système :
(S) :
x1 + 2x2 + x3 = y1x2 − 2x3 = y2
2x3 = y3
dont la solution est donnée par :
x3 =1
2y3
x2 = y2 + 2x3 = y2 + y3
x1 = (y1 − 2x2 − x3) =1
2(2y1 − 4y2 − 5y3)
D'où : x1 =1
2(2y1 − 4y2 − 5y3) ; x2 =
1
2(2y2 + 2y3) ; x3 =
1
2y3
Par onséquent on a : A−1 =1
2
2 −4 −50 2 20 0 1
2.4.3 Matri es Symétriques
Soit S = (sij) ∈Mn(K) une matri e arrée. O dit que S est symétrique si ST = S,Ce qui équivalent à
sij = sji pour tout i 6= j.
M. Laabissi & A. Haily Algèbre 2 (SMPC)
2.5 Rang d'une Matri e 33
S =
s11 s12 s13 s14 . . . s1ns12 s22 s23 s24 . . . s2ns13 s23 s33 s34 . . . s3n
s14 s24 s34 s44 s45.
.
.
.
.
.
s1n s2n s3n . . . sn(n−1) snn
On remarque une symétrie de la matri e par rapport à sa diagonale.
2.5 Rang d'une Matri e
Dé�nition 2.5.1. Soit la matri e A = (aij)1≤i≤m,1≤j≤n ∈Mm×n(K). On appelle rang
de A et on note rg(A), le rang des olonnes de A dans l'espa e ve toriel Kn.
On peut é rire alors que
rg(A) = dimKV ect({ olonnes de A})
où les olonnes de A sont vus omme des ve teurs de Km.
Exemple 2.5.1. 1. Le rang de la matri e nulle est 0.
2. rg
(1 00 1
)
= 2
3. rg
(1 11 1
)
= 1
4. rg
(1 0 20 1 1
)
= 2.
Proposition 2.5.1. Le rang d'une matri e ne hange pas si l'on e�e tue les opérations
élémentaires suivantes :
1. Permutation : ette opération élémentaire onsiste à permuter une ligne Li par
une ligne Lj.
2. Multipli ation : Consiste à rempla er une ligne Li par αLi ave α 6= 0 un
s alaire.
3. Combinaison : ette opération onsiste à rempla er une ligne Li par la ligne
Li + αLj ave α 6= 0 un s alaire et i 6= j.
Exemple 2.5.2. 1.
rg
(1 0 20 1 1
)
= rg
(0 1 11 0 2
)
. L1 ←→ L2
2.
rg
1 2 30 1 11 5 6
= rg
12
1 32
0 1 11 5 6
. L1 ←→1
2L1
M. Laabissi & A. Haily Algèbre 2 (SMPC)
34 Cal ul Matri iel
3.
rg
1 2 34 5 67 8 9
= rg
5 7 94 5 67 8 9
, L1 ←→ L1 + L2
Dé�nition 2.5.2. Une matri e A est dite é helonnée selon les lignes si
1. toute ligne non nulle de A ommen e ave stri tement plus de zéros que la
ligne pré édente
2. pour une ligne nulle , les lignes suivantes sont aussi nulles.
Exemple 2.5.3. La matri e suivante est é helonnée
A =
1 0 2 50 1 1 40 0 2 30 0 0 00 0 0 0
.
Mais la matri e suivante n'est pas é helonnée :
B =
1 0 2 50 1 1 40 0 2 30 0 0 00 0 1 0
.
Proposition 2.5.2. Le rang d'une matri e é helonnée en lignes est égal au nombre
de ses lignes non nulles.
On peut é helonner (en lignes ) une matri e grâ e à la méthode d'é helonnement de
Gauss en e�e tuant les opérations élémentaires. Si on é helonne une matri e A, ontrouve une matri e é helonnée E. La matri e E s'appelle la matri e é helonnée de A.
Proposition 2.5.3. Le rang d'une matri e A est égal au rang de sa matri e é helonnée
E.
Exemple 2.5.4.
rg
1 2 31 1 11 5 6
= rg
1 2 30 −1 −20 3 3
L2←→ L2 − L1, L3 ←→ L3 − L1
= rg
1 2 3−1 −2
0 1 1
L3 ←→1
3L3
= rg
1 2 30 1 10 0 −1
L3 ←→ L3 + L2
= 3.
M. Laabissi & A. Haily Algèbre 2 (SMPC)
2.6 Matri e d'une Appli ation Linéaire 35
Proposition 2.5.4. Soient A ∈Mm×n(K) et M,P ∈Mn(K) trois matri es.
1. rg(A) ≤ min(m,n).
2. rg(A) = rg(AT ).
3. Si P est inversible alors rg(M) = rg(PMP−1).
4. M est inversible si et seulement si rg(M) = n.
Dé�nition 2.5.3. Soient A,B ∈ Mn(K). On dit que A et B sont semblables s'il
existe une matri e inversible P ∈Mathcaln(K) telle que
B = P−1AP.
2.6 Matri e d'une Appli ation Linéaire
Soient E et F deux espa es ve toriels sur K de dimensions �nies, dimKE = n et
dimKF = m. Soient aussi B = (e1, . . . , en) une base de E et C = (f1, . . . , fm) une basede F . On onsidère l'appli ation linéaire f dé�nie de (E,B) dans (F,C) par :
f(e1) = a11f1 + a21f2 + · · ·+ am1fm,
f(e2) = a12f1 + a22f2 + · · ·+ am2fm,.
.
. =.
.
.+.
.
.+.
.
.+ · · ·+ .
.
.
f(ei) = a1if1 + a2if2 + · · ·+ amifm,.
.
. =.
.
.+.
.
.+.
.
.+ · · ·+ .
.
.
f(en) = a1nf1 + a2nf2 + · · ·+ amnfm.
Dé�nition 2.6.1. On appelle matri e de l'appli ation linéaire f ∈ L(E, F ) relative-ment aux bases B de E et C de F la matri e notée M(f, B, C) suivante :
M(f, B, C) =
f(e1) f(e2) . . . f(ej) . . . f(en)
a11 a12 . . . a1j . . . a1n f1a21 a22 . . . a2j . . . a2n f2.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
ai1 ai2 . . . aij . . . ain fi.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
am1 am2 . . . amj . . . amn fm
La matri e M(f, B, C) ∈Mm×n(K). Le nombre de ligne orrespond à la dimension de
l'espa e d'arrivée F et le nombre de olonnes orrespond à la dimension de l'espa e
de départ E. En fait les olonnes de la matri es M(f, B, C) sont les omposantes des
ve teurs f(e1), . . . , f(en) dans la base C.
Exemple 2.6.1. On onsidère l'appli ation linéaire suivante :
f : R3 → R2
(x, y, z) 7−→ (x+ 2y, x+ 3z)
M. Laabissi & A. Haily Algèbre 2 (SMPC)
36 Cal ul Matri iel
Soient B = (e1 = (1, 0, 0), e2 = (0, 1, 0), e3 = (0, 0, 1) la base de R3et C = (f1 =
(1, 0), f2 = (0, 1)) la base de R2. On a
f(e1) = (1, 1) = f1 + f2,
f(e2) = (2, 0) = 2f1,
f(e3) = (0, 3) = 3f2
Ce qui donne que la matri e de f relativement aux bases B et C est
M(f, B, C) =
f(e1) f(e2) f(3)↓ ↓ ↓(
1 2 01 0 3
)← f1← f2
On onsidère aussi l'appli ation identité idE d'un espa e ve toriel E de dimension �nie
n. Si B = (e1, e2, . . . , en) une base de E, alors
M(idE , B, B) = In
Attention si idE : (E,B)→ (E,C) ave C une autre base de E di�érente de B, alors
M(idE , B, C) 6= In.
Proposition 2.6.1. Soient E et F deux espa es ve toriels sur K de dimensions �nies,
dimKE = n et dimKF = m. Soient aussi B = (e1, . . . , en) une base de E et C =(f1, . . . , fm) une base de F et f et g deux appli ations linéaires de (E,B) dans (F,C). Alors
1. M(λf,B, C) = λM(f, B, C) pour tout λ ∈ K.
2. M(f + g, B, C) = M(F,B, C) +M(g, B, C).
3. rg(f) = rg(M(f, B, C)).
Soient f : (E,B)→ (F,C) une appli ation linéaire et u ∈ E un ve teur. On a alors
u = x1e1 + x2e2 + · · ·+ xnen,
f(u) = yf1 + y2f2 + · · ·+ ymfm.
On appelle ve teur de oordonnées de u dans la base B la matri e olonne
X =
x1
x2.
.
.
xn
De même on a le ve teur de oordonnées de f(u) dans la base C est la matri e olonne
Y =
y1y2.
.
.
ym
.
Quelle est la relation entre X et Y .
M. Laabissi & A. Haily Algèbre 2 (SMPC)
2.6 Matri e d'une Appli ation Linéaire 37
Proposition 2.6.2. Soient E un espa e ve toriel de dimension n et de base B =(e1, . . . , en) et F un espa e ve toriel de dimension m et de base C = (f1, . . . , fm).Alors, on a
Y = M(f, B, C)X.
Exemple 2.6.2. On onsidère l'espa e ve toriel E = R2[X ] l'espa e des polyn�mes
de degrés inférieur ou égal à 2 muni de sa base anonique B = (1, X,X2). Soit fl'appli ation linéaire de E dans E par f(P ) = (X + 1)P + P . On a
f(1) = 1
f(X) = 1 + 2X
f(X2) = 2X + 3X2
La matri e de f est
M(f, B,B) =
1 1 00 2 20 0 3
On onsidère le polyn�me P = 1+2X+3X2. Son ve teur de oordonnées dans la base
B est
123
.
On aussi f(P ) = (X +1)(2+ 6X) + (1+ 2X +3X2) = 3+ 10X +9X2. Son ve teur de
oordonnées dans la base B est
3109
.
Il est fa ile de véri�er que
3109
=
1 1 00 2 20 0 3
123
.
�
Soient E, F,G trois espa e ve toriels surK de dimensions respe tivesm, n et p. Les troisespa es sont munis respe tivement des bases B,C et D. On onsidère deux appli ations
linéaires f : (E,B)→ (F,C) et g : (F,C)→ (G,D).
(E,B)f //
��
(F,C)g // (G,D)
// g ◦ f //
OO
Proposition 2.6.3. La matri e de l'appli ation linéaire g ◦ f relativement à la base
B de E et à la base D de G est
M(g ◦ f, B,D) = M(g, C,D)M(f, B, C).
M. Laabissi & A. Haily Algèbre 2 (SMPC)
38 Cal ul Matri iel
Une onséquen e de ette proposition est la matri e de l'inverse d'une appli ation
linéaire bije tive. Si f est bije tive alors f−1 est bien dé�nie et 'est une appli ation
linéaire dé�nie de (F,C) dans (E,B). Comme f−1 ◦ f = idE alors a
In = M(f−1 ◦ f, B,B) = M(f−1, C, B)M(f, B, C).
Ce qui implique que M(f, B, C) est une matri e inversible et que
M(f, B, C)−1 = M(f−1, C, B).
Proposition 2.6.4. Soient E, F deux espa e ve toriels sur K de dimensions res-
pe tives m et n. Les deux espa es sont munis respe tivement des bases B et C. Si
f : (E,B)→ (F,C) est une appli ation linéaire , alors
1. f est bije tive si et seulement si sa matri e M(f, B, C) est inversible.
2. Si f est bije tive alors la matri e de f−1 relativement à la base C de F et à la
base B de E est l'inverse de la matri e f relativement à la base B de E et à
la base C de FM(f, B, C)−1 = M(f−1, C, B).
2.7 Changement de bases
Dé�nition 2.7.1. Soient E un espa e ve toriel sur K de dimension n et B et B′ deuxbases de E. On appelle matri e de passage de B à B′ la matri e
PB′
B = M(idE , B′, B).
On note la base B = (e1, e2, . . . , en) et B′ = (e′1, e
′2, . . . , e
′n). On a alors
e′j = p1je1 + p2je2 + · · ·+ pnjen, ∀1 ≤ j ≤ n.
PB′
B =
e′1 e′2 . . . e′j . . . e′n↓ ↓ ↓ ↓ ↓ ↓
p11 p12 . . . p1j . . . p1np21 p22 . . . p2j . . . p2n.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
pi1 pi2 . . . pij . . . pin.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
pn1 pn2 . . . pnj . . . pnn
← e1← e2.
.
.
← ei.
.
.
← en
Exemple 2.7.1. Soient B = (e1, e2, e3) la base anonique de R3. On onsidère B′ =
(e′1 = e1, e′2 = e1 + 2e2, e
′3 = e1 + e2 + 3e3) une autre base de R3
. On a alors
PB′
B =
e′1 e′2 e′3
1 1 10 2 20 0 3
← e1← e2← e3
�
M. Laabissi & A. Haily Algèbre 2 (SMPC)
2.7 Changement de bases 39
Proposition 2.7.1. La matri e de passage de la base B à la base B′ de E,PB′
B est
inversible. De plus, on a
(PB′
B )−1 = PBB′ .
Considérons u ∈ E et X le ve teur olonne des oordonnées de u dans la base B et X ′
le ve teur olonne des oordonnées de u dans la base B′. la proposition suivante donne
la relation entre X et X ′.
Proposition 2.7.2. Soit PB′
B la matri e de passage de B à B′. Alors, on a
X ′ = (PB′
B )−1X = PBB′X.
En e�et, on a
(E,B′)idE //
��
(E,B)
��u
idE //
��
u
��X ′ // X
D'après la proposition 2.6.2, on a
X = M(idE , B′, B)X = PB′
B X ⇔ X ′ = (PB′
B )−1X = PBB′X
Théorème 2.7.1 ( hangement de base). Soient E un espa e ve toriel sur K de di-
mension �nie ayant les deux bases B et B′ et F un espa e ve toriel sur K de dimension
�nie ayant les deux bases C et C ′. Si f est une appli ation linéaire de E dans F , alors
M(f, B′, C ′) = (PC′
C )−1M(f, B, C)PB′
B .
En e�et, on peut é rire
(E,B′)f //
idE��
(F,C ′)
(E,B)f // (F,C)
idF
OO
Don on a
f = idF ◦ f ◦ idE .
Ce qui permet d'é rire en matri es que
M(f, B′, C ′) = M(idF , C, C′)M(f, B, C)M(idE , B
′, B)
= PCC′M(f, B, C)PB′
B
= (PC′
C )−1M(f, B, C)PB′
B
En parti ulier, si E = F et C = B et C ′ = B′, on a le orollaire suivant
M. Laabissi & A. Haily Algèbre 2 (SMPC)
40 Cal ul Matri iel
Corollaire 2.7.1. Soient E un espa e ve toriel sur K de dimension �nie ayant les
deux bases B et B′. Alors
M(f, B′, B′) = (PB′
B )−1M(f, B,B)PB′
B .
Exemple 2.7.2. Soient B la base anonique de R3et B′ = (e′1, e
′2, e′3) une famille de
R3. On donne e′1 = e1 + e3, e
′2 = e2 + e3 et e
′3 = e1 + e2. On montre fa ilement que B′
est une base de R3.
La matri e de passage de B à B′ est
PB′
B =
e′1 e′2 e′3
1 0 10 1 11 1 0
← e1← e2← e3
Pour al uler l'inverse de PB′
B , on résout le système suivant :
1 0 10 1 11 1 0
xyz
=
x′
y′
z′
.
Ce qui s'é rit omme
x+ z = x′
y + z = y′
x+ y = z′⇔
x+ z = x′
y + z = y′
y − z = z′ − x′ ←− L3 − L1
⇔
x+ z = x′
y + z = y′
−2z = z′ − x′ − y′ ←− L3 − L2
On a alors z = 12(x′+ y′− z′), y = 1
2(−x′+ y′+ z′) et x = 1
2(x′− y′+ z′). Ou en ore que
xyz
=1
2
1 −1 1−1 1 11 1 −1
x′
y′
z′
.
Don
(PB′
B )−1 =1
2
1 −1 1−1 1 11 1 −1
.
Soit maintenant l'endomorphisme de R3donné par
f(e1) = e1 + e2 + e3
f(e2) = 2e1 + e2 + 2e3
f(e3) = 3e1 + e2 + 3e3
M. Laabissi & A. Haily Algèbre 2 (SMPC)
2.8 Exer i es 41
Sa matri e dans la base B est
M(f, B,B) =
1 2 31 1 11 2 3
.
Aussi on a la matri e de f dans la base B′ est
M(f, B′, B′) = (PB′
B )−1M(f, B,B)PB′
B
=1
2
1 −1 1−1 1 11 1 −1
1 2 31 1 11 2 3
1 0 10 1 11 1 0
=
3 4 21 1 11 1 1
2.8 Exer i es
Exer i e 2.1. On onsidère les matri es suivantes
A =(1 0 1
)B =
21−1
C =
1 02 14 12
D =
(1 0 1 02 1 3 −1
)
E =
3 42 1−11 9
F =
(0 0 1 93 3 2 1
)
Cal uler les matri es suivantes lorsqu'elles sont dé�nies :
1. A+B, B + C, C + E, D + F , E + F .
2. AB, BA, BC, CD, DC, CE, AE, EF .
3. Donner la matri e transposée de A,B,C,D,E, F .
Exer i e 2.2. Soit
E = {(
cos(θ) −sin(θ)sin(θ) cos(θ)
)
: θ ∈ R}.
1. Montrer que si A,B ∈ E alors AB ∈ E. A-t-on AB = BA.
2. Pour A ∈ E, al uler ATA.
3. Pour A ∈ E, al uler A2et A3
. En déduire une expression de An, pour tout
entier n.
Exer i e 2.3. On onsidère les matri es
J =
1 1 11 1 11 1 1
, A =
2 1 11 2 11 1 2
M. Laabissi & A. Haily Algèbre 2 (SMPC)
42 Cal ul Matri iel
1. Cal uler J2et en déduire une expression de Jk
pour tout entier k.
2. Cal uler Anpour tout entier n.
Exer i e 2.4. Soit la matri e
A =
(1 10 2
)
.
Cal uler Anpour tout entier n. ( On pourra é rire que A = I2+J où J est une matri e
à déterminer.)
Exer i e 2.5. Résoudre le système linéaire suivant :
x+ y + 3z = x′
2x− y + z = y′
x− y − z = z′
Puis en déduire l'inverse de la matri e
A =
1 1 32 −1 11 −1 −1
.
Exer i e 2.6. Soit la matri e
A =
0 1 11 −1 11 0 1
.
1. Montrer que A3 − 3A− I3 = 0
2. En déduire l'inverse de A.
Exer i e 2.7. Cal uler le rang de la matri e suivante :
A =
1 1 2 1 02 1 1 0 13 2 1 0 11 0 1 2 3
Exer i e 2.8. Cal uler le rang de la matri e A selon la valeur du paramètre m :
A =
1 −1 0 1m 1 −1 −11 m −1 01 −1 m 2
Exer i e 2.9. On onsidère l'endomorphisme f de R3donné par
f(e1) = e1 + 3e2 + 3e3
f(e2) = −32e1 +
5
2e2 −
3
2e3
f(e3) =3
2e1 −
9
2e2 −
1
2e3
où B = (e1, e2, e3) est la base anonique de R3.
M. Laabissi & A. Haily Algèbre 2 (SMPC)
2.8 Exer i es 43
1. Donner la matri e A de f dans la base B.
2. Déterminer (u1) une base de Ker(f − idR3).
3. Déterminer (u2) une base de Ker(f + 2idR3).
4. Déterminer (u3) une base de Ker(f − 4idR3).
5. Montrer que C = (u1, u2, u3) est une base de R3.
6. E rire la matri e de passage P de B à C.
7. Cal uler P−1.
8. Donner la matri e M de f dans la base C.
9. En é rivant A en fon tion de M et de P donner les puissan es Anpour tout
n ∈ N
Exer i e 2.10. Soient les matri es
A =
(1 2 0 10 1 2 3
)
, B =
1 20 34 23 5
C =
9 2 13 1 45 2 1
, D =(1 2 3 4
)
1. Cal uler, lorsque 'est possible, les produits suivants : AA, AB, AC, AD, BA,BB, BC, BD, CA, CB, CC, CD, DA, DB, DC, DD.
2. Cal uler AT, BT
, CT, DT
.
Exer i e 2.11. Soit la matri e
A =
2 0 10 2 00 1 2
1. On pose B = A− 2I. Cal uler B2, B3
2. Cal uler Anpour tout entier n.
Exer i e 2.12. On onsidère les matri es suivantes
A =
(1 23 1
)
B =
1 0 11 2 21 0 2
, C =
1 0 22 1 00 2 1
1. Montrer que A2 − 2A− 5I2 = 0 et en déduire l'inverse de A.
2. Résoudre le système BX = Y et en déduire l'inverse de B.
3. En utilisant les opérations élémentaires ( méthode d'élimination de Gauss ),
al uler l'inverse de C
Exer i e 2.13. Cal uler le rang des matri es suivantes :
A =
1 2 1 00 1 2 34 1 3 1
, B =
1 2 3 5 11 1 1 2 23 3 1 2 14 2 3 1 0
, C =
0 0 0 1 02 0 0 3 06 0 0 4 9
M. Laabissi & A. Haily Algèbre 2 (SMPC)
44 Cal ul Matri iel
Exer i e 2.14. On onsidère la matri e
A =
m 2 11 2 m2 m 1
ave m ∈ R.
Cal uler le rang de A. Pour quelles valeurs de m la matri e A est inversible.
Exer i e 2.15. On onsidère l'appli ation linéaire suivante
f R3 −→ R
4
(x, y, z) 7−→ (x+ y, y + 2z, z, x + y + z)
Soient B = (e1, e2, e3) et C = (f1, f2, f3, f4) les bases anoniques de R3et R4
respe ti-
vement.
1. Donner la matri e de f relativement aux bases B et C.
2. Soient u = x1e1 + x2e2 + x3e3. Soit X le ve teur olonne de oordonnées de u.Donner le ve teur olonne Y des oordonnées de f(u).
3. Cal uler le rang de f .
4. Soient e′1 = e1, e′2 = e1 + e2, e
′3 = e1 + e2 + e3. Montrer que B′ = (e′1, e
′2, e′3) est
une base de R3.
5. Cal uler la matri e de passage de B à B′.
6. Cal uler la matri e de f relativement aux base B′ et C.
Exer i e 2.16. Soit E = R3[X ] l'espa e des polyn�mes de degré inférieur à 3 et à
oe� ients réels. On onsidère l'appli ation
f : E −→ E
P 7−→ X2P ′′ −XP ′ +X
Soit B = (1, X,X2, X3) la base anonique de E
1. Donner la matri e de f relativement à la base B : M(f, B,B).
2. Montrer que B′ = (1, X − 1, (X − 1)2, X3) est une base de E.
3. Donner la matri e de passage de B à B′.
4. Donner la matri e de f dans la base B′ : M(f, B′, B′).
M. Laabissi & A. Haily Algèbre 2 (SMPC)
Chapitre 3
Déterminants
3.1 Dé�nitions
3.1.1 Déterminants d'ordre 2
Soit A ∈M2(K) une matri e arrée d'ordre 2, ave
A =
(a bc d
)
.
On rappelle le déterminant de A et on note det(A) ou
∣∣∣∣
a bc d
∣∣∣∣le s alaire
det(A) =
∣∣∣∣
a bc d
∣∣∣∣= ad− bc ∈ K.
Exemple 3.1.1. ∣∣∣∣
1 52 6
∣∣∣∣= 1× 6− 2× 5 = −4
3.1.2 Déterminant d'ordre 3
Soit A ∈M3(K) une matri e arrée d'ordre 3, ave
A =
x1 y1 z1x2 y2 z2x3 y3 z3
.
Le déterminant de A suivant la première ligne est dé�ni par
det(A) =
∣∣∣∣∣∣
x1 y1 z1x2 y2 z2x3 y3 z3
∣∣∣∣∣∣
= (−1)1+1x1
∣∣∣∣
y2 z2y3 z3
∣∣∣∣+ (−1)1+2y1
∣∣∣∣
x2 z2x3 z3
∣∣∣∣+ (−1)1+3z1
∣∣∣∣
x2 y232 y3
∣∣∣∣
M. Laabissi & A. Haily Algèbre 2 (SMPC)
46 Déterminants
Le déterminant de A suivant la première olonne est dé�ni par
det(A) =
∣∣∣∣∣∣
x1 y1 z1x2 y2 z2x3 y3 z3
∣∣∣∣∣∣
= (−1)1+1x1
∣∣∣∣
y2 z2y3 z3
∣∣∣∣+ (−1)2+1x2
∣∣∣∣
y1 z1y3 z3
∣∣∣∣+ (−1)3+1x3
∣∣∣∣
y1 z1y2 z2
∣∣∣∣
= x1
∣∣∣∣
y2 z2y3 z3
∣∣∣∣− x2
∣∣∣∣
y1 z1y3 z3
∣∣∣∣+ x3
∣∣∣∣
y1 z1y2 z2
∣∣∣∣
On peut aussi al uler suivant n'importe qu'elle ligne et n'importe qu'elle olonne. Le
résultat ne dépend pas du hoix de la ligne ou du hoix de la olonne.
Exemple 3.1.2. on al ule le déterminant suivant la première ligne
∣∣∣∣∣∣
1 0 11 2 32 1 1
∣∣∣∣∣∣
= 1×∣∣∣∣
2 31 1
∣∣∣∣− 0×
∣∣∣∣
1 32 1
∣∣∣∣+ 1×
∣∣∣∣
1 22 1
∣∣∣∣
= −4.
Maintenant, on al ule le déterminant suivant la deuxième ligne
∣∣∣∣∣∣
1 0 11 2 32 1 1
∣∣∣∣∣∣
= (−1)2+1 × 1×∣∣∣∣
0 11 1
∣∣∣∣+ (−1)2+2 × 2×
∣∣∣∣
1 12 1
∣∣∣∣+ (−1)2+3 × 3×
∣∣∣∣
1 02 1
∣∣∣∣
= −∣∣∣∣
0 11 1
∣∣∣∣+ 2×
∣∣∣∣
1 12 1
∣∣∣∣− 3×
∣∣∣∣
1 02 1
∣∣∣∣
= −4.
Exer i e 3.1.1. Cal uler le déterminant de A suivant :
1. la deuxième olonne.
2. la troisième ligne.
Remarque 3.1.1. Règle de Sarrus :
∣∣∣∣∣∣
x1 y1 z1x2 y2 z2x3 y3 z3
∣∣∣∣∣∣
=x1 y1 z1 x1 y1x2 y2 z2 x2 y2x3 y3 z3 x3 y3
−x1 y1 z1 x1 y1x2 y2 z2 x2 y2x3 y3 z3 x3 y3
= (x1y2z3 + y1z2x3 + z1x2y3)− (z1y2x3 + x1x2y3 + y1x2z3)
M. Laabissi & A. Haily Algèbre 2 (SMPC)
3.1 Dé�nitions 47
3.1.3 Déterminants d'ordre n ≥ 3
On onsidère une matri e arrée d'ordre n, A = (aij)1≤i,j≤n ∈Mn(K).
A =
a11 a12 a13 . . . a1j . . . a1n
a21 a22 . . . . . . a2j.
.
. a2n.
.
.
.
.
.
.
.
.
.
.
. . . . . . ..
.
.
ai1 ai2 . . . . . . aij.
.
. ain.
.
.
.
.
. . . . . . ..
.
. . . ..
.
.
an1 an2 . . . . . . anj.
.
. ann
Pour tout i, j ∈ {1, . . . , n}, On dé�nit la matri e Aij ∈ Mn−1(K) omme étant la
matri e A dont on a supprimé la ligne i et la olonne j.
Aij =
a11 a12 a13 . . . a1j . . . a1n
a21 a22 . . . . . . a2j.
.
. a2n.
.
.
.
.
. . . ..
.
. . . . . . ..
.
.
ai1 ai2 . . . . . . aij . . . ain.
.
.
.
.
. . . . . . . . . . . . ..
.
.
an1 an2 . . . . . . anj . . . ann
Dé�nition 3.1.1. 1. det(Aij) s'appelle le mineur de A d'indi es (i, j).
2. le s alaire (−1)i+jdet(Aij) s'appelle le ofa teur de A d'indi e (i, j).
3. la omatri e de A est la matri e notée Acou com(A) donnée par
Ac =((−1)i+jdet(Aij)
)
1≤i,j≤n.
Théorème 3.1.1. Le déterminant de A suivant la i ième ligne est
det(A) =n∑
j=1
(−1)i+jaijdet(Aij).
Le déterminant de A suivant la j ième olonne est
det(A) =n∑
i=1
(−1)i+jaijdet(Aij).
M. Laabissi & A. Haily Algèbre 2 (SMPC)
48 Déterminants
Exemple 3.1.3. On al ule suivant la première ligne
∣∣∣∣∣∣∣∣
1 1 2 12 1 1 21 0 1 02 1 0 1
∣∣∣∣∣∣∣∣
= (−1)1+1 × 1×
∣∣∣∣∣∣
1 1 20 1 01 0 1
∣∣∣∣∣∣
+ (−1)1+2 × 1×
∣∣∣∣∣∣
2 1 21 1 02 0 1
∣∣∣∣∣∣
+(−1)1+3 × 2×
∣∣∣∣∣∣
2 1 21 0 02 1 1
∣∣∣∣∣∣
+ (−1)1+4 × 1×
∣∣∣∣∣∣
2 1 11 0 12 1 0
∣∣∣∣∣∣
= −1 + 3 + 2− 1 = 3
Maitenant on al ule la omatri e de
A =
1 2 34 5 67 8 9
Ac =
(−1)1+1
∣∣∣∣
5 68 9
∣∣∣∣
(−1)1+2 ×∣∣∣∣
4 67 9
∣∣∣∣
(−1)1+3 ×∣∣∣∣
4 57 8
∣∣∣∣
(−1)2+1 ×∣∣∣∣
2 38 9
∣∣∣∣
(−1)2+2 ×∣∣∣∣
1 37 9
∣∣∣∣
(−1)2+3 ×∣∣∣∣
1 27 8
∣∣∣∣
(−1)3+1 ×∣∣∣∣
2 35 6
∣∣∣∣
(−1)3+2 ×∣∣∣∣
1 34 6
∣∣∣∣
(−1)3+3 ×∣∣∣∣
1 24 5
∣∣∣∣
=
−3 6 −36 −12 6−3 6 −3
3.2 Propriétés
Soit A ∈Mn(K) une matri e arrée. On note A sous la forme
A =(C1 C2 . . . Cj . . . Cn
)
où Cj est la j ième olonne de A ( ave 1 ≤ j ≤ n). On note aussi
det(A) =∣∣C1 . . . Cj . . . Cn
∣∣ .
Proposition 3.2.1.
det(A) = det(AT ).
Exemple 3.2.1.
∣∣∣∣∣∣
1 2 10 1 22 1 0
∣∣∣∣∣∣
=
∣∣∣∣
1 21 0
∣∣∣∣+ 2
∣∣∣∣
2 11 2
∣∣∣∣= −2 + 6 = 4 suivant la première olonne
∣∣∣∣∣∣
1 0 22 1 11 2 0
∣∣∣∣∣∣
=
∣∣∣∣
1 12 0
∣∣∣∣+ 2
∣∣∣∣
2 11 2
∣∣∣∣= −2 + 6 = 4 suivant la première ligne
M. Laabissi & A. Haily Algèbre 2 (SMPC)
3.2 Propriétés 49
Remarque 3.2.1. Comme le det(A) = det(AT ), alors tous les résultats ( i-dessous )exprimés pour les olonnes de A sont aussi valables pour les lignes de A.
Proposition 3.2.2. Si deux olonnes ( ou deux lignes ) sont permutées, le déterminant
est multipliée par (-1). Pour i 6= j, on a
detA =∣∣C1 . . . Ci . . . Cj . . . Cn
∣∣ = −
∣∣C1 . . . Cj . . . Ci . . . Cn
∣∣
Exemple 3.2.2. ∣∣∣∣
1 23 4
∣∣∣∣= −2,
∣∣∣∣
2 14 3
∣∣∣∣= 2,
∣∣∣∣
3 41 2
∣∣∣∣= 2
Proposition 3.2.3. Si on multiplie une olonne ( ou une ligne ) de A par α ∈ K,
alors
∣∣C1 C2 . . . αCj . . . Cn
∣∣ = α
∣∣C1 C2 . . . Cj . . . Cn
∣∣ ,
En parti ulier
1. det(αA) = αndet(A).
2. Si une olonne (ou une ligne ) de A est nulle alors det(A) = 0.
Exemple 3.2.3.
∣∣∣∣∣∣
1 0 22 1 11 2 0
∣∣∣∣∣∣
= 4, on multiplie la première olonne par 5, le nouveau déterminant est
∣∣∣∣∣∣
5 0 210 1 15 2 0
∣∣∣∣∣∣
= 5
∣∣∣∣
1 12 0
∣∣∣∣+ 2
∣∣∣∣
10 15 2
∣∣∣∣= −10 + 30 = 20 suivant la première ligne
Proposition 3.2.4. Soit C un ve teur olonne de Kn. On a
∣∣C1 . . . Cj + C . . . Cn
∣∣ =
∣∣C1 . . . Cj . . . Cn
∣∣+∣∣C1 . . . C . . . Cn
∣∣ .
Ce résultat aussi valable pour les lignes.
Exemple 3.2.4. ∣∣∣∣∣∣
5 0 + 11 21 1 + 12 13 2 + 13 0
∣∣∣∣∣∣
=
∣∣∣∣∣∣
5 0 21 1 13 2 0
∣∣∣∣∣∣
+
∣∣∣∣∣∣
5 11 21 12 13 13 0
∣∣∣∣∣∣
.
Proposition 3.2.5. Si deux olonnes (ou deux lignes ) de A sont liées alors
det(A) = 0.En parti ulier, une matri e qui deux olonnes ( ou deux lignes ) égales, son détermi-
nant est nulle.
Exemple 3.2.5. ∣∣∣∣∣∣
5 15 41 3 13 9 0
∣∣∣∣∣∣
= 0←− ar C2 = 3C1.
M. Laabissi & A. Haily Algèbre 2 (SMPC)
50 Déterminants
Proposition 3.2.6. Si on ajoute à une olonne ( respe tivement à une ligne ) une
ombinaison linéaire des autres olonnes ( respe tivement des autres lignes ) le déter-
minant ne hange pas :
∣∣C1 . . . Cj +
∑
i 6=j αiCi . . . Cn
∣∣ =
∣∣C1 . . . Cj . . . Cn
∣∣ .
Exemple 3.2.6.
∣∣∣∣∣∣
5 1 41 3 13 2 0
∣∣∣∣∣∣
=
∣∣∣∣∣∣
5 15 41 6 13 8 0
∣∣∣∣∣∣
←− ar C ′2 = C2 + 2C1 + C3.
Proposition 3.2.7. Si A et B sont deux matri es arrées d'ordre n, alors
det(AB) = det(A)det(B).
Remarque 3.2.2. En général : det(A+B) 6= det(A) + det(B). En e�et, on prend
A =
(1 00 0
)
et B =
(0 00 1
)
.
Il est lair que det(A) = det(B) = 0. D'autre part, On a bien A + B = I2 et alors
det(A+B) = 1 alors que det(A) + det(B) = 0
Théorème 3.2.1. Si A est une matri e arrée alors
A est inversible ⇔ det(A) 6= 0.
Dans e as
det(A−1) =1
det(A), et A−1 =
1
det(A)
(Ac)T
.
3.3 Déterminant d'un Endomorphisme
Dé�nition 3.3.1. Soient E un espa e ve toriel sur K de dimension �nie, B un base
de E et f ∈ L(E). On appelle déterminant de l'endomorphisme f le déterminant de
sa matri e dans la base B :
det(f) = det(M(f, B,B)).
Remarque 3.3.1. le déterminant de f ne dépend pas du hoix de la base B.
D'après les propriétés sur les déterminants des matri es, on en déduit les propriétés
suivantes sur les déterminants des endomorphismes :
M. Laabissi & A. Haily Algèbre 2 (SMPC)
3.3 Déterminant d'un Endomorphisme 51
Proposition 3.3.1. Soient f, g ∈ L(E) et λ ∈ K. On a
1. det(IdE) = 1.
2. det(λf) = λndet(f).
3. det(f ◦ g) = det(f)× det(g).
4. f est inversible si et seulement si det(f) 6= 0. Dans e as
det(f−1) =1
det(f).
On suppose que dimKE = n, B = (e1, e2, . . . , en) une base de E et (u1, u2, . . . , un) unefamille de ve teurs de E.On note Xi le ve teur olonne des oordonnés de ui dans la base B. ( pour i = 1, . . . , n).
Exemple 3.3.1. Soit E = R2[X ] l'espa e des polyn�mes de degrés inférieur ou égal à
2 de base anonique (1, X,X2).
P1 = 2 + 3X +X2 −→ X1 =
131
P2 = 2X +X2 −→ X2 =
021
P3 = 1 +X +X2 −→ X3 =
111
Dé�nition 3.3.2. On appelle déterminant de la famille (u1, u2, . . . , un) dans la base
B = (e1, . . . , en) le s alaire
detB(u1, u2, . . . , un) =∣∣X1 X1 . . . Xn
∣∣ .
Exemple 3.3.2. 1.
detB(B) = detB(e1, e2, . . . , en) = det(In) = 1.
2.
detB(P1, P2, P3) =
∣∣∣∣∣∣
1 0 13 2 11 1 1
∣∣∣∣∣∣
L1←−L1−L3=
∣∣∣∣∣∣
0 −1 03 2 11 1 1
∣∣∣∣∣∣
= 2.
Proposition 3.3.2. Soit (u1, u2, . . . , un) une famille de ve teurs de E. Alors :
(u1, u2, . . . , un) est une base de E si et seulement si detB(u1, u2, . . . , un) 6= 0.
M. Laabissi & A. Haily Algèbre 2 (SMPC)
52 Déterminants
Exemple 3.3.3. On onsidère B′ = (Q1 = 1, Q2 = X − 1, Q3 = (X − 1)2) une famille
de R2[X ]. On a
detB(Q1, Q2, Q3) =
∣∣∣∣∣∣
1 −1 10 1 20 0 1
∣∣∣∣∣∣
= 1.
Par suite B′ = (Q1, Q2, Q3) est une base de R2[X ].
Proposition 3.3.3. Si B′ est une autre base de E alors
detB′(u1, u2, . . . , un) = detB′(B)× detB(u1, u2, . . . , un).
En parti ulier,
detB(B′)× detB′(B) = 1.
Exemple 3.3.4. On onsidère B′ = (Q1 = 1, Q2 = X − 1, Q3 = (X − 1)2) une famille
de R2[X ]. On sait que B′ est une base. Les ve teurs de oordonnées de P1, P2 et P3
dans la base B′ sont
P1 = 2 + 3X +X2 = 6 + 5(X − 1) + (X − 1)2 −→
P1( )Q1 6
Q2 5Q3 1
P2 = 2X +X2 = 3 + 4(X − 1) + (X − 1)2 −→
P2( )Q1 3
Q2 4Q3 1
P3 = 1 +X +X2 = 3 + 3(X − 1) + (X − 1)2 −→
P3( )Q1 3
Q2 3Q3 1
On en déduit que
detB′(P1, P2, P3) =
∣∣∣∣∣∣
6 3 35 4 31 1 1
∣∣∣∣∣∣
=
∣∣∣∣∣∣
3 0 05 4 31 1 1
∣∣∣∣∣∣
= 3 (L1 ←− L1 − 3L3).
M. Laabissi & A. Haily Algèbre 2 (SMPC)
3.4 Méthode de Cramer 53
Pour Cal uler detB′(B), on her he les ve teurs oordonnées de B dans B′.
1 = Q1 −→
1( )
Q1 1Q2 0Q3 0
X = 1 + (X − 1) −→
X( )Q1 1
Q2 1Q3 0
X2 = 1 + 2(X − 1) + (X − 1)2 −→
X2
( )Q1 1Q2 2Q3 1
Ce qui implique que
detB′(B) = detB′(1, X,X2) =
∣∣∣∣∣∣
1 1 10 1 20 0 1
∣∣∣∣∣∣
= 1.
On on lut que
detB′(B)× detB(P1, P2, P3) = 1× 3 = 3 = detB′(P1, P2, P3).
Proposition 3.3.4. Soient f ∈ L(E) et (u1, u2, . . . , un) une famille de ve teurs de
E. On a
detB(f(u1), . . . , f(un)) = det(f)× detB(u1, . . . , un).
3.4 Méthode de Cramer
Soient A ∈Mn((K) une matri e arrée et b ∈ Kn. On souhaite résoudre le système
linéaire suivant
AX = b
On suppose que
A =(C1 C2 . . . Cn
), b =
b1b2.
.
.
bn
X =
x1
x2.
.
.
xn
.
Les Ci(i = 1 . . . n) sont les olonnes de A. On dé�nit les nouvelles matri es :
∆i =(C1 C2 . . . Ci−1 b Ci+1 . . . Cn
), ∀i = 1 . . . n.
La matri e ∆i est obtenue de A en remplaçant la olonne Ci par le se ond membre b.
M. Laabissi & A. Haily Algèbre 2 (SMPC)
54 Déterminants
Théorème 3.4.1 (Formules de Cramer). Si A est inversible (det(A) 6= 0), alors le
système AX = b admet une solution unique donnée par
xi =det(∆i)
det(A), ∀i = 1 . . . n.
Exemple 3.4.1. Résoudre le système suivant
x+ 2y + z = 22x+ y − z = 1x+ y + 2z = −1
On a la matri e du système et son se ond membre ainsi que le ve teur des in onnues
sont :
A =
1 2 12 1 −11 1 2
, b =
21−1
, X =
xyz
det(A) =
∣∣∣∣∣∣
1 2 12 1 −11 1 2
∣∣∣∣∣∣
=
∣∣∣∣∣∣
−1 2 11 1 −10 1 2
∣∣∣∣∣∣
←− C1 ←− C1 − C2
=
∣∣∣∣∣∣
0 3 01 1 −10 1 2
∣∣∣∣∣∣
←− L1 ←− L1 + L2
= −6
det(∆1) =
∣∣∣∣∣∣
2 2 11 1 −1−1 1 2
∣∣∣∣∣∣
=
∣∣∣∣∣∣
0 0 31 1 −1−1 1 2
∣∣∣∣∣∣
←− L1 ←− L1 − 2L2
= 6
det(∆2) =
∣∣∣∣∣∣
1 2 12 1 −11 −1 2
∣∣∣∣∣∣
=
∣∣∣∣∣∣
−1 2 11 1 −12 −1 2
∣∣∣∣∣∣
←− C1 ←− C1 − C2
=
∣∣∣∣∣∣
0 3 01 1 −12 −1 2
∣∣∣∣∣∣
←− L1 ←− L1 + L2
= −12
det(∆3) =
∣∣∣∣∣∣
1 2 22 1 11 1 −1
∣∣∣∣∣∣
=
∣∣∣∣∣∣
−3 0 02 1 11 1 −1
∣∣∣∣∣∣
←− L1 ←− L1 − 2L2
= 6.
On a alors
x =det(∆1)
det(A)= −1, y =
det(∆2)
det(A)= 2, z =
det(∆3)
det(A)= −1.
M. Laabissi & A. Haily Algèbre 2 (SMPC)
3.5 Exer i es 55
3.5 Exer i es
Exer i e 3.1. Cal uler les déterminants suivants :
a =
∣∣∣∣∣∣
3 −1 26 −2 41 7 3
∣∣∣∣∣∣
, b =
∣∣∣∣∣∣∣∣
1 1 1 −31 1 −3 11 −3 1 1−3 1 1 1
∣∣∣∣∣∣∣∣
, c =
∣∣∣∣∣∣
sin2(x) sin2(y) sin2(z)cos2(x) cos2(y) cos2(z)
1 1 1
∣∣∣∣∣∣
(Réponse a = b = c = 0)
Exer i e 3.2. Cal uler les déterminants suivants
a =
∣∣∣∣∣∣
2 3 −40 −4 21 −1 5
∣∣∣∣∣∣
, b =
∣∣∣∣∣∣∣∣
1 −1 −1 −11 1 −1 −11 1 1 −11 1 1 1
∣∣∣∣∣∣∣∣
, c =
∣∣∣∣∣∣
3 0 4−1 0 −37 2 5
∣∣∣∣∣∣
(Réponse a = −46, b = 8, c = 10.)
Exer i e 3.3. Pour quelles valeurs de x le déterminant est nul :
A =
1 2 12 0 12 3 x
( Réponse x =7
4
B =
4− x −4 −42 −2− x −43 −3 −4 − x
( Réponse x = 0, 2,−4)
Exer i e 3.4. Soient les matri es suivantes :
A = digonal(d1, d2, . . . , dn) =
d1 0 0 . . . 00 d2 0 . . . 0.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
0 0 . . . 0 dn
B =
t11 t12 t13 . . . t1n0 t22 t23 . . . t3n.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
. t(n−1)n0 0 . . . 0 tnn
Cal uler detA) et det(B).
Exer i e 3.5. Cal uler le déterminant
∣∣∣∣∣∣∣∣
1 −1 0 1m 1 −1 −11 −m 1 01 −1 m 2
∣∣∣∣∣∣∣∣
Pour quelles valeurs dem e déterminant est nul. ( réponse det = 0⇔ m3+m2+2 = 0).
M. Laabissi & A. Haily Algèbre 2 (SMPC)
56 Déterminants
Exer i e 3.6 (Déterminant de Vandermonde). Soient x0, . . . , xn−1, xn ∈ K ave n ≥ 2un entier. On dé�nit
V an(x0, . . . , xn−1 =
∣∣∣∣∣∣∣∣∣∣∣
1 1 1 . . . 1x0 x1 x2 . . . xn−1x20 x2
1 x22 . . . x2
n−1.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
xn−10 xn−1
1 xn−12 . . . xn−1
n−1
∣∣∣∣∣∣∣∣∣∣∣
Soient P ) = Xn +∑n−1
k=0 λkXkave λk ∈ K.
1. Montrer que
V an(x0, . . . , xn−1, xn) =
∣∣∣∣∣∣∣∣∣∣∣∣∣
1 1 1 . . . 1 1x0 x1 x2 . . . xn−1 xn
x20 x2
1 x22 . . . x2
n−1 x2n
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
xn−10 xn−1
1 xn−12 . . . xn−1
n−1 xnn
P (x0) P (x1) P (x2) . . . P (xn−1) P (xn)
∣∣∣∣∣∣∣∣∣∣∣∣∣
Indi ation, on pourra rempla er Ln+1 par Ln+1 +∑n−1
k=0 λkLk.
2. On prend P (X) = Πn−1k=0(X − xk) En déduire que
V (x0, . . . , xn) = Πn−1k=0(xn − xk)V an(x0, . . . , xn−1).
3. Cal uler V (x0, x1)
4. Montrer que
V (x0, x1, . . . , xn) = Π1≤i<j≤n(xj − xi).
Exer i e 3.7. Cal uler l'inverse A et elui de B :
A =
1 1 12 −1 34 1 9
, , B =
1 −1 0 10 1 −1 −11 0 1 01 −1 0 2
Exer i e 3.8. On onsidère l'appli ation linéaire suivante
f : R3 −→ R
3
(x, y, z) 7−→ (x+ 2y + z, x− y − z, x+ y + z)
(B = (e1, e2, e3) la base anonique de R3.
1. Cal uler de(f).
2. f est elle bije tive ?
3. On donne la famille u1 = (1, 2, 4), u2(1,−1, 1), u3 = (1, 3, 9). Montrer que la
famille B′ = (u1, u2, e3) est une base.
M. Laabissi & A. Haily Algèbre 2 (SMPC)
3.5 Exer i es 57
4. Cal uler detB(u1, u2, u3)
5. Cal uler detB′(B)
6. Cal uler detB′(f(u1), f(u2), f(u3)).
7. Résoudre le système
x+ 2y + z = 1x− y − z = 2x+ y + z = 3
Exer i e 3.9. Cal uler les déterminants suivants :
∣∣∣∣
1 53 7
∣∣∣∣,
∣∣∣∣∣∣
1 1 02 1 23 2 1
∣∣∣∣∣∣
∣∣∣∣∣∣∣∣
1 0 1 22 1 0 23 1 0 14 2 1 1
∣∣∣∣∣∣∣∣
,
∣∣∣∣∣∣
3 2 42 3 11 2 3
∣∣∣∣∣∣
,
∣∣∣∣∣∣∣∣∣∣
6 3 2 1 08 4 2 1 19 3 3 1 27 1 1 7 15 1 2 5 2
∣∣∣∣∣∣∣∣∣∣
Exer i e 3.10. Cal uler le déterminant suivant
∣∣∣∣∣∣∣∣
1 0 1 01 2 1 21 3 1 21 4 2 4
∣∣∣∣∣∣∣∣
En déduire les déterminants suivants (sans faire de Cal ul) et justi�er votre réponse :
∣∣∣∣∣∣∣∣
1 0 3 01 2 3 21 3 3 21 4 6 4
∣∣∣∣∣∣∣∣
,
∣∣∣∣∣∣∣∣
1 2 1 01 4 1 21 5 1 21 7 2 4
∣∣∣∣∣∣∣∣
∣∣∣∣∣∣∣∣
1 0 1 01 2 1 21 3 1 22 4 1 4
∣∣∣∣∣∣∣∣
,
∣∣∣∣∣∣∣∣
1 1 1 10 2 3 41 1 1 20 2 2 4
∣∣∣∣∣∣∣∣
Exer i e 3.11. Cal uler les omatri es de
A =
1 1 02 1 23 2 1
, B =
3 2 42 3 11 2 3
En déduire les inverses A−1 et B−1.
Exer i e 3.12. Soient m ∈ R et la matri e
A =
m 0 1 2m1 m 0 00 2m+ 2 m 1m 0 0 m
Cal uler le déterminant de A et en déduire le rang de A. Pour quelle valeur de m, la
matri e A est inversible.
M. Laabissi & A. Haily Algèbre 2 (SMPC)
58 Déterminants
Exer i e 3.13. Soient E = R2[X ] l'espa e ve toriel des polyn�mes de degré inférieur
ou égal à 2 et B = (1, X,X2) sa base anonique. On onsidère l'appli ation linéaire
suivante
f : E −→ E
P 7−→ P (X + 1) + P (X − 1)
1. Cal uler le déterminant de f . f est elle un automorphisme ?
2. On onsidère la famille B′ = (1, (X−1), (X−1)2). Montrer que B′ est une basede E.
3. Cal uler detB′(B)
4. Cal uler detB(X2 − 1, X2 + 1, X2 + 3) et detB′(X2 − 1, X2 + 1, X2 + 3)
Exer i e 3.14. Résoudre les système suivants
x+ y − z = 23x+ y + 3z = 5−x+ y + 3z = 1
x+ y − z = 1−x+ y + z = 2x− y + z = 3
M. Laabissi & A. Haily Algèbre 2 (SMPC)
Chapitre 4
Diagonalisation et Trigonalisation
Dans e hapitre E désigne un espa e ve toriel de dimension n sur K de base
B = (e1, . . . , en). Soit aussi f un endomorphisme de E.
4.1 Valeur Propre et Ve teur Propre d'un Endomor-
phisme
Dé�nition 4.1.1. On dit que λ ∈ K est dite une valeur propre de f s'il existe v ∈ Eet v 6= 0E tel que
f(v) = λv.
Le ve teur v est dit un ve teur propre de f asso ié à la valeur propre λ. l'ensemble
des valeurs propres de f s'appelle le spe tre de f .
Exemple 4.1.1. On onsidère f : R3 −→ R3telle que
f(x, y, z) = (x+ y, y + z, z + x)
On pose v = (1, 1, 1). On a f(v) = 2v. On en déduit que 2 est une valeur propre de fet v est un ve teur propre asso ié à la valeur propre 2.
Dé�nition 4.1.2. Soit λ une valeur propre de f . On appelle sous espa e propre de fasso ié à λ
Eλ = Ker(f − λidE) = {v ∈ E : f(v) = λv}.
Exemple 4.1.2.
Ker(f − 2idR3) = {(x, y, z) ∈ R3 : f(x, y, z) = 2(x, y, z)}.
f(x, y, z) = 2(x, y, z) ⇔ (x+ y, y + z, z + x) = (2x, 2y, 2z)
⇔ x = y = z
On en déduit que (x, y, z) = x(1, 1, 1) = x(e1 + e2 + e3) et alors Ker(f − 2idR3) =V ect{e1 + e2 + e3}.
M. Laabissi & A. Haily Algèbre 2 (SMPC)
60 Diagonalisation et Trigonalisation
Proposition 4.1.1. Si λ et µ sont deux valeurs propres distin tes de f alors
Ker(f − λidE) ∩Ker(f − µidE) = {0E}.
Le nombre de valeurs propres de f est inférieur ou égal à la dimKE = n.
Théorème 4.1.1. Soient f ∈ L(E) et λ ∈ K. Les assertions suivantes sont équiva-
lentes
1. λ est une valeur propre de f .
2. Eλ 6= {0E}.3. det(f − λidE) = det(M(f, B,B)− λIn) = 0.
Exemple 4.1.3. Pour l'endomorphisme f : R3 −→ R3telle que
f(x, y, z) = (x+ y, y + z, z + x)
On a la matri e de f est
M(f, B,B) =
1 1 00 1 11 0 1
.
On a don
det(M(f, B,B)− λI3) =
∣∣∣∣∣∣
1− λ 1 00 1− λ 11 0 1− λ
∣∣∣∣∣∣
= (1− λ)
∣∣∣∣
1− λ 10 1− λ
∣∣∣∣+
∣∣∣∣
1 01− λ 1
∣∣∣∣
= (1− λ)3 + 1
Don det(M(f, B,B) − λI3) = 0 est équivalent à (1 − λ)3 + 1 = 0. Ce qui donne que
λ = 2.
Exer i e 4.1.1. Trouver les valeurs propres de f : C3 −→ C3telle que
f(x, y, z) = (x+ y, y + z, z + x)
Indi ation : (λ− 1)3 − 1 = (λ− 2)(1− λ+ λ2) = 0.
Dé�nition 4.1.3. Soient f ∈ L(E). On appelle polyn�me ara téristique de f
Pf(X) = det(f −XidE) = det(M(f, B,B)−XIn).
Exemple 4.1.4. Pour l'exemple 4.1.3,
Pf(X) = −X3 + 3X2 − 3X + 2.
M. Laabissi & A. Haily Algèbre 2 (SMPC)
4.2 Valeur Propre et Ve teur Propre d'une Matri e 61
Proposition 4.1.2. Les valeurs prorpes d'un endomorphisme sont les ra ines de son
polyn�mes ara téristique.
On termine ette se tion par la dé�nition suivante qui sera très utile dans la suite
Dé�nition 4.1.4. On dit qu'un polyn�me de K[X ] est dit s indé sur K s'il est le
produit de polyn�mes de degré 1 de K[X ].
Exemple 4.1.5. 1. X2 − 1 = (X − 1)(X + 1) est s indé sur R et sur C.
2. X2 + 1 n'est pas s indé dans R.
3. X2 + 1 = (X + i)(X − i) est s indé dans C.
4. Tout polyn�me de C est s indé.
4.2 Valeur Propre et Ve teur Propre d'une Matri e
Soit A ∈Mn(K) une matri e arrée d'ordre n ≥ 1.
Dé�nition 4.2.1. On dit que λ ∈ K est dite une valeur propre de A s'il existe un
ve teur olonne V ∈ Knet V 6= 0 tel que
AV = λV.
Le ve teur V est dit un ve teur propre de A asso ié à la valeur propre λ. l'ensemble
des valeurs propres de A s'appelle le spe tre de A.On appelle polyn�me ara téristique de A le polyn�me
χA(X) = det(A−XIn).
Exemple 4.2.1. Soit
A =
(1 23 3
)
.
On a
χA(X) =
∣∣∣∣
1−X 23 3−X
∣∣∣∣= (1−X)(3−X)− 6 = X2 − 4X − 3.
Proposition 4.2.1. Les valeurs propres de A sont les ra ines de son polyn�me a-
ra téristique χA(X).Deux matri es semblables ont les mêmes valeurs propres.
Exemple 4.2.2. Pour
A =
(1 23 3
)
.
On a χA(x) = x2 − 4x − 3 = 0. Ce qui implique que les valeurs propres de A sont
λ1 =4+3√3
2et λ2 =
4−3√3
2.
M. Laabissi & A. Haily Algèbre 2 (SMPC)
62 Diagonalisation et Trigonalisation
Remarque 4.2.1. Les valeurs propres d'un matri es triangulaire sont les termes dia-
gonaux de la matri es.
Proposition 4.2.2. Soient f ∈ L(E) et λ ∈ K.
λ est une valeur propre de f si et seulement si λ est une valeur propre de sa matri e
M(f, B,B).
4.3 Diagonalisation
Dé�nition 4.3.1. Un endomorphisme f ∈ L(E) est dit diagonalisable s'il existe une
base B de E telle la matri e de f , M(f, B,B), est diagonale.Une matri e A ∈ Mn(K) est diagonalisable si il existe une matri e P inversible telle
que P−1AP est une matri e diagonale.
Proposition 4.3.1. f ∈ L(E). On a
1. f est diagonalisable si et seulement si E admet une base B′ formée par des
ve teurs propres de f .
2. f est diagonalisable si et seulement si sa matri e M(f, B,B) est diagonalisable.Dans e as P = PB′
B la matri e de passage de B à B′.
3. Une matri e A ∈M(K) est diagonalisable si et seulement si l'endomorphisme
f : Kn −→ K
n
X 7−→ AX
est diagonalisable.
4. f est diagonalisable si et seulement si la somme des dimensions de ses sous
espa es propres est égale à n = dim(E).
5. Une matri e A ∈ M(K) est diagonalisable si et seulement si la somme des
dimensions de ses sous espa es propres est égale à n = dim(E).
Exemple 4.3.1. Soient B = (e1, e2, e3) la base anonique de R3et f l'endomorphisme
de R3donné par
f(e1) = −3e1 + 2e2 + 3e3
f(e2) = −2e1 + e2 + 3e3
f(e3) = −2e1 + 2e2 + 2e3
M. Laabissi & A. Haily Algèbre 2 (SMPC)
4.3 Diagonalisation 63
Pour déterminer les valeurs propres de f , on va al uler son polyn�me ara téristique :
det(f − λidR3) =
∣∣∣∣∣∣
−3− λ −2 −22 1− λ 23 3 2− λ
∣∣∣∣∣∣
= (−3− λ)
∣∣∣∣
1− λ 23 2− λ
∣∣∣∣− 2
∣∣∣∣
−2 −23 2− λ
∣∣∣∣+ 3
∣∣∣∣
−2 −21− λ 2
∣∣∣∣
= −(λ+ 3)(λ2 − 3λ− 4)− 2(2λ+ 2) + 3(−2λ− 2)
= −(λ+ 1)2(λ− 2).
Les valeurs propres de f sont λ1 = (−1) et λ2 = 2.On al ule les sous espa es propres E−1 et E2. Soit v un ve teur et V = (x, y, z)T la
olonne des oordonnées de v dans la base anonique
f(v) = −v ⇔ M(f, B,B)V = −V
⇔
−3 −2 −22 1 23 3 2
xyz
=
−x−y−z
⇔
−3x− 2y − 2z = −x2x+ y + 2z = −y3x+ 3y + 2z = −z
⇔ x+ y + z = 0
Pour v = xe1 + ye2 + ze3. Comme x = −y − z, on a alors v = y(e2 − e1) + z(e3 − e1)et E−1 = V ect({e′1 = −e1 + e2, e
′2 = −e1 + e3}).
f(v) = 2v ⇔ M(f, B,B)V = 2V
⇔
−3 −2 −22 1 23 3 2
xyz
=
2x2y2z
⇔
−3x− 2y − 2z = 2x2x+ y + 2z = 2y3x+ 3y + 2z = 2z
⇔ y = −x, z =−32x
Ce qui donne que v = xe1 + ye2 + ze3 = x(e1 − e2 − 32e3) et alors E2 = V ect({e′3 =
e1 − e2 − 32e3}).
Après on montre que B′ = (e′1, e′2, e′3) est une base de R3
formée de ve teurs propres
de f . On en déduit que f est diagonalisable. De plus, on a
f(e′1) = −e′1f(e′2) = −e′2f(e′3) = 2e′2
M. Laabissi & A. Haily Algèbre 2 (SMPC)
64 Diagonalisation et Trigonalisation
Ce qui donne que la matri e de f dans la nouvelle base B′ est
M(f, B′, B′) =
f(e′1) f(e′2) f(e′3)( )−1 0 0 e′1
0 −1 0 e′20 0 2 e′3
4.4 Trigonalisation
Dé�nition 4.4.1. Un endomorphisme f ∈ L(E) est dit trigonalisable s'il existe une
base B de E telle la matri e de f , M(f, B,B), est triangulaire supérieure.
Une matri e A ∈ Mn(K) est trigonalisable si il existe une matri e P inversible telle
que P−1AP est une matri e triangulaire supérieure.
Soit A une matri e triangulaire supérieure donnée par
A =
a11 a12 . . . a1n0 a22 . . . a2n.
.
.
.
.
.
.
.
.
.
.
.
0 . . . 0 ann
.
Son polyn�me ara téristique est
χA(X) =
∣∣∣∣∣∣∣∣∣
a11 −X a12 . . . a1n0 a22 −X . . . a2n.
.
.
.
.
.
.
.
.
.
.
.
0 . . . 0 ann −X
∣∣∣∣∣∣∣∣∣
= Πnk=1(akk −X)
On remarque que le polyn�me ara téristique de A est le produit de n polyn�me de
premier degrés. Il est don s indé sur K.
Proposition 4.4.1. Soient f ∈ L(E) un endomorphisme et A ∈ Mn(K) une
matri e. On a
1. f est trigonalisable si et seulement si son polyn�me ara téristique est s indé
sur K.
2. Une matri e A ∈M(K) est trigonalisable si et seulement si l'endomorphisme
f : Kn −→ K
n
X 7−→ AX
est trigonalisable.
3. A est trigonalisable si et seulement si son polyn�me ara téristique χA est
s indé sur K.
En parti ulier si K = C, tout endomorphisme sur l'espa e omplexe E est trigonali-
sable et toute matri e omplexe est trigonalisable.
M. Laabissi & A. Haily Algèbre 2 (SMPC)
4.4 Trigonalisation 65
Exemple 4.4.1. On onsidère l'endomorphisme de R3donné par sa matri e dans la
base anonique
A =
0 1 0−4 4 0−2 1 2
.
On al ule le polyn�me ara téristique de A
χA(λ) =
∣∣∣∣∣∣
−λ 1 0−4 4− λ 0−2 1 2− λ
∣∣∣∣∣∣
= (2− λ)
∣∣∣∣
−λ 1−2 4− λ
∣∣∣∣= −(λ− 2)[λ(λ− 4) + 4]
= −(λ− 2)(λ− 2)2 = −(λ− 2)3.
Le polyn�me est s indé sur R et par suite A est trigonalisable.
La matri e A admet une seule valeur propre λ = 1. Cal ulons maintenant E1.
AX = X ⇔
0 1 0−4 4 0−2 1 2
xyz
=
2x2y2z
⇔
y = 2x−4x+ 4y = 2y−2x+ y + 2z = 2z
⇔ x = 2y
On en déduit que X = (x, 2x, z)T = x(1, 2, 0)T + z(0, 0, 1) et alors
E2 = V ect{e′1 = (1, 2, 0)T , e′2 = (0, 0, 1)T} 6= R3.
Don A n'est pas diagonalisable. On omplète la famille {e′1, e′2} en une base de R3. On
her he un ve teur e′3 6∈ E2 tel que la matri e de f dans la base B′ = (e′1, e′2, e′3) soit de
la forme
2 0 a0 2 b0 0 2
.
Cal ulons alors a et b. Ce qui s'é rit omme (e′3 = xe1 + ye2 + ze3)
f(e′3) = ae′1 + be′2 + 2e′3f(e′3)− 2e′3 = ae′1 + be′2
(f − 2idR3)e′3 = ae′1 + be′2(f − 2idR3)2e′3 = 0
M. Laabissi & A. Haily Algèbre 2 (SMPC)
66 Diagonalisation et Trigonalisation
On al ule la matri e de (f − idR3)2 qui est
(A− 2I3)2 =
−2 1 0−4 2 0−2 1 0
−2 1 0−4 2 0−2 1 0
=
0 0 00 0 00 0 0
Don le noyau de (A− I3)2est R3
. Il su�t de prendre e′3 6∈ Ker(A− 2I3) don on doit
avoir x 6= 2y. On pren par exemple x = 1, y = 0, z = 1. On a e′3 = e1 + e3 et la famille
B′ = (e′1, e′2, e′3) est une base. En e�et,
∣∣∣∣∣∣
1 0 12 0 00 1 1
∣∣∣∣∣∣
= −2∣∣∣∣
0 11 1
∣∣∣∣= 2
On al ule f(e′3) = f(e1) + f(e3) = −4e2 − 2e3 + 2e3 = −4e2 = −2(e′1 + e′2 − e′3)Finalement, on a
T = M(f, B′, B′) =
2 0 −20 2 −20 0 2
.
On a aussi
P−1AP = T ave
P = PB′
B =
1 0 12 0 00 1 1
.
4.5 Appli ations aux Systèmes Linéaires
On souhaite résoudre le système AX = b ave A ∈Mn(K) et b ∈ Kn. Aussi X ∈ Kn
un ve teur in onnu.
4.5.1 Cas de Matri e Diagonalisable
Il existe alors une matri e inversible P ∈ Mn(K) et une matri e diagonale D ∈Mn(K) telles que A = PDP−1. On pose Y = P−1X , le système AX = b est équivalentà
DY = c, ave c = P−1b.
On résout e dernier système et on trouve la valeur de Y et on déduit alors
X = PY
M. Laabissi & A. Haily Algèbre 2 (SMPC)
4.6 Cas de Matri e Trigonalisable 67
Exemple 4.5.1. On résous le système suivant
−3x− 2y − 2z = 12x+ y + 2z = 23x+ 3y + 2z = 3
On a la matri e
A =
−3 −2 −22 1 23 3 2
.
Cette matri e a été diagonalisé dans l'exemple 4.3.1. On a alors
D =
−1 0 00 −1 00 0 2
, P =
−1 −1 11 0 −10 1 −3
2
.
On al ule P−1 :
P−1 =
−23
13
−23
−1 −1 0−23
−23
−23
.
On a aussi
c = P−1b =
−2−3−4
.
La solution du système DY = c est don
Y =
23−2
.
Par suite la solution du système AX = b est
X = PY =
−746
.
Exer i e 4.5.1. 1. Montrer que An = P−1DnP pour tout n ≥ 0.
2. En déduire la valeur de Anpour tout n ≥ 0.
4.6 Cas de Matri e Trigonalisable
Il existe alors une matri e inversible P ∈Mn(K) et une matri e triangulaire supé-
rieure T ∈ Mn(K) telles que A = PTP−1. On pose Y = P−1X , le système AX = best équivalent à
TY = c, ave c = P−1b.
On résous e dernier système et on trouve la valeur de Y et on déduit alors
X = PY.
M. Laabissi & A. Haily Algèbre 2 (SMPC)
68 Diagonalisation et Trigonalisation
Exemple 4.6.1. On résout le système suivant :
2x+ 2y − 3z = 15x+ y − 5z = 2−3x+ 4y = 3
On a la matri e
A =
2 2 −35 1 −5−3 4 0
.
Le polyn�me ara téristique de A est
det(λI3 − A) = (λ− 1)3.
Le polyn�me ara téristique de A est s indé sur R. On en déduit que A est trigo-
nalisable. Déterminons maintenant une base sur la quelle la matri e est triangulaire
supérieure : On ommen e par al uler le noyau de A− I3
AX = X ⇔
2x+ 2y − 3z = x5x+ y − 5z = y−3x+ 4y = z
⇔ x = y = z
On onsidère l'appli ation linéaire f, X ∈ R3 7−→ AX ∈ R3. AlorsE1 = V ect{(1, 1, 1)T}
et don A n'est pas diagonalisable (Pourquoi ?). On prend e′1 = (1, 1, 1)T . Compétant
{e′1 = (1, 1, 1)T} en une base B′ = (e′1, e′2, e′3) de R3
telle que la matri e dans ette
nouvelle base est de la forme
T =
1 a b0 1 c0 0 1
.
On a alors f(e′2) = ae′1 + e′2 e qui implique que (f − idR3)(e′2) = e′1 et alors (f −idR3)2(e′2) = 0. On her he le noyau de (f − idR3)2. Pour ela, on a
(A− I3)2 =
2 −1 −12 −1 −12 −1 −1
.
X = (x, y, z)T ∈ Ker(f − idR3)2 est équivalent à (A − I3)2X = 0. Ce qui donne alors
que 2x− y − z = 0. On prend
e′2 =(1 2 0
).
On al ule f(e′2) = (6, 7, 5)T = 5e′1+e′2. (a = 5). Il su�t de ompléter la famille {e′1, e′2}en une base . Pour ela, on prend e′3 = e3. On a f(e′3) = (−3,−5, 0)T = −e′1− 2e′2 + e′3.(b = −1, c = −2) et la matri e
T =
1 5 −10 1 −20 0 1
.
M. Laabissi & A. Haily Algèbre 2 (SMPC)
4.7 Exer i es 69
La matri e de passage est
P = PB′
B =
1 1 01 2 01 0 1
, P−1 =
2 −1 0−1 1 0−2 1 1
, c = P−1b =
013
.
On résout le système �nal TY = c :
x+ 5y − z = 0y − 2z = 1
z = 3
Ce qui donne que Y = (−32, 7, 3)T et alors la solution de AX = b est donnée par
X = PY =
−25−18−29
.
4.7 Exer i es
Exer i e 4.1. Cal uler les valeurs propres des matri es suivantes
A =
−1 1 02 0 −20 0 −2
, B =
1 0 ii 1 00 i 1
.
Exer i e 4.2. Soit E = R2[X ] l'espa e des polyn�mes de degrés inférieur ou égal à 2.
On onsidère l'endomorphisme de E donné par
f E −→ E
P 7−→ (X − 1)P ′ + P
1. Cal uler les valeurs propres de f
2. Cal uler les sous espa es propres de f
3. Montrer que f est diagonalisable
4. Diagonaliser f .
5. Montrer que g P ∈ E 7−→ 2P ′ + P ∈ E n'est pas diagonalisable.
(Reponse : valeurs propres de f sont 0, 1 et 3.)
Exer i e 4.3. Soient E un espa e ve toriel de dimension �nie sur K et f un automor-
phisme de E.
1. Trouver lle polyn�me ara téristique d f−1 en fon tion de elui de f .
2. Montre que si λ est une valeur propre de f alors λ 6= 0
3. Montre que λ est une valeur propre de f si et seulemnt si λ−1 est une propre def−1.
M. Laabissi & A. Haily Algèbre 2 (SMPC)
70 Diagonalisation et Trigonalisation
Exer i e 4.4. Soient a, b, c trois réels tels que b 6= 0 et c > 0. On onsidère la matri e
A =
(a cbb a
)
.
1. Montrer que le polyn�me ara téristique de A est χA(λ) = (λ − a + b√c)(λ −
a− b√c).
2. Trouver les valeurs propres et les sous espa es propres.
3. En déduire que A est diagonalisable puis diagonaliser A.
Exer i e 4.5. Montrer que la matri e suivante
12
12
12
14
12
014
0 12
est diagonalisable puis diagonaliser la matri e. (Reponse : D =
0 0 00 1
20
0 0 1
)
Exer i e 4.6. En utilisant la diagonalisation des matri es, résoudre le système sui-
vant :
−x+ 4y − 2z = 2−4x+ 7y − 2z = 3−4x+ 4y − z = 4
Exer i e 4.7. On onsidère l'endomorphisme f de E = R3donné par
f(x, y, z) = (x+ y, y, y)
Soit B = (e1, e2, e3) la base anonique de E.
1. Cal uler le polyn�me ara téristique de f .
2. Cal uler les valeurs propres et les sous espa es propres de f en donner aussi une
base de haque sous espa e propre.
3. Trigonaliser f .
Exer i e 4.8. Trigonaliser les matri es suivantes :
A =
−2 2 −1−1 1 −1−1 2 −2
, B =
2 0 11 1 0−1 1 3
.
Résoudre les systèmes AX = b et BX = b′. On donne
b =
103
, b′ =
031
.
M. Laabissi & A. Haily Algèbre 2 (SMPC)