Exercices avec solutions

Filières: SMC & SMP

Algèbre linéaire

Prof. Mohamed Louzari

15 mai 2019
Table des matières

Préface ii

1 Espaces vectoriels & Applications linéaires 1

2 Matrices 14

3 Déterminants & réduction des matrices 22

i
Préface

Dans le long de ce polycopié des exercises avec solutions, K désigne le corps commutatif R ou C. Il
s’agit d’un recueil des exercices des travaux dirigés de l’année précédente et les exercices des contrôles
des deux dernières années. J’estime que c’est un bon moyen pour tester et consolider les connaissances
des étudiants en algèbre linéaire. Ces exercices sont d’un niveau relativement moyen qui vont donner aux
étudiants l’envie de bien préparer leurs contrôles. Le polycopié est réparti en trois chapitres.
Le premier chapitre regroupe les exercices qui traitent des espaces vectoriels et les applications li-
néaires. Le deuxième chapitre porte sur le calcul matriciel. Et le dernier chapitre est consacré aux calcul
des déterminants et la réduction des matrices carrées. A noter aussi que ces notions sont généralement
mélangées dans les énoncés.
Mohamed Louzari
Janvier 2019

ii
Exercices avec solutions

iii
Chapitre 1

Espaces vectoriels & Applications linéaires

Exercice 1.1. Soit Rn [x] l’ensemble de tous les polynômes à coefficients dans R de degrés ≤ n. Soient
P, Q ∈ Rn [x] et λ ∈ R tels que P = a0 + a1 x + · · · + an xn et Q = b0 + b1 x + · · · + bn xn . On définit l’addition
et la multiplication par scalaires comme suit :

P + Q = (a0 + b0 ) + (a1 + b1 )x + · · · + (an + bn )xn

et
λP = (λa0 ) + (λa1 )x + · · · + (λan )xn .

Montrer que Rn [x] est un R-espace vectoriel.

Solution. On peut montrer facilement que Rn [x] est un R-espace vectoriel (sans vérifier les 8 axiomes
d’un espace vectoriel) en montrant que Rn [x] est un sous espace vectoriel de R[x] (le R-espace vectoriel
de polynômes à coefficients dans R). En effet ; Soient P, Q ∈ Rn [x] et λ ∈ R.
•) Rn [x] , ∅ car 0 ∈ Rn [x].
•) P + Q ∈ Rn [x] car deg(P + Q) ≤ max{deg P, deg Q} ≤ n.
•) Si λ = 0, λP = 0 ∈ Rn [x]. Si λ , 0, alors λP ∈ Rn [x] car deg(λP) = deg(P) ≤ n.
Ainsi, Rn [x] est un sous-espace vectoriel de R[x] et par suite c’est un espace vectoriel.

Exercice 1.2. Dans E = R2 , considérons les deux opérations :

(u, v)
(x, y) = (0, v + y) et λ (x, y) = (λx, λy), ∀ λ ∈ R, ∀ (u, v), (x, y) ∈ E

Est ce que (E,
, ) est un R-espace vectoriel ?

Solution. (E,
, ) n’est pas un R-espace vectoriel. Car, pour λ, µ ∈ R et (x, y) ∈ E, on a :

•) (λ + µ) (x, y) = ((λ + µ)x, (λ + µ)y) = (λx + µx, λy + µy)
•) (λ (x, y))
(µ (x, y)) = (λx, λy)
(µx, µy) = (0, λy + µy)
Alors, (λ + µ) (x, y) , (λ (x, y))
(µ (x, y)). Ainsi, l’axiome (E6 ) n’est pas satisfait.

1
Chapitre 1. Espaces vectoriels & Applications linéaires Algèbre II (SMC/SMP)

Exercice 1.3. Déterminer les sous-espaces vectoriels de R4 (R4 est considéré comme R-e.v.), parmi les
sous-ensembles suivants :
n o
(1) A = (x, y, z, t) ∈ R4 | x = y , z = t ,
n o
(2) B = (x, y, z, t) ∈ R4 | x + y + z + t = 0 ,
n o
(3) C = (x, y, z, t) ∈ R4 | x = 1 ,
n o
(4) D = (x, y, z, t) ∈ R4 | xt = yz .

Solution.
•) A est un s.e.v. de R4 . En effet, on a A , ∅ car (0, 0, 0, 0) ∈ A. Maintenant, soient (x, y, z, t),
(x0 , y0 , z0 , t0 ) ∈ A et λ ∈ R. On a x = y, z = t et x0 = y0 , z0 = t0 alors x + x0 = y + y0 et z + z0 = t + t0
et λx = λy, λz = λt. D’où (x, y, z, t) + (x0 , y0 , z0 , t0 ) ∈ A et λ(x, y, z, t) ∈ A. D’où le résultat.
•) B est un s.e.v. de R4 . On a B , ∅ car (1, −1, 0, 0) ∈ B. Soient (x, y, z, t), (x0 , y0 , z0 , t0 ) ∈ B et λ ∈ R.
On a x + y + z + t = 0 et x0 + y0 + z0 + t0 = 0, alors (x + x0 ) + (y + y0 ) + (z + z0 ) + (t + t0 ) = 0 et
λ(x + y + z + t) = λx + λy + λz + λt = 0, c’est à dire (x, y, z, t) + (x0 , y0 , z0 , t0 ) ∈ B et λ(x, y, z, t) ∈ B.
Par suite B est un s.e.v. de R4 .
•) C n’est pas un s.e.v. de R4 , car (0, 0, 0, 0) < C.
•) D n’est pas un s.e.v. de R4 , car pour u = (1, −1, 1, −1), v = (0, 0, 0, 1) ∈ D, on a u + v < D.

Exercice 1.4. Soient n un entier naturel et Cn [X] l’ensemble de tous les polynômes à coefficients dans C
de degrés ≤ n. On considère les polynômes Pk = (X + 1)k+1 − X k+1 pour tout k = 0, 1, · · · , n.
(1) Montrer que la famille {P0 , P1 , · · · , Pn } est libre.
(2) Est ce que la famille {P0 , P1 , · · · , Pn } est une base de Cn [X] ?

Solution. Cn [X] est un C-espace vectoriel de dimension n + 1. On rappelle l’identité :

an − bn = (a − b)(an−1 + an−2 b + an−3 b2 + · · · + abn−2 + bn−1 ), ∀a, b ∈ C, n ∈ N∗ . Alors :

Pk = (X + 1)k+1 − X k+1 = (X + 1)k + (X + 1)k−1 X + · · · + (X + 1)k−1 X + X k .

Donc, deg(Pk ) = k.
(1) On va montrer par récurrence sur k que {P0 , P1 , · · · , Pn } est libre.
• Pour k = 0 on a : P0 = 1, évidement {P0 } est libre.
• Supposons que la famille {P0 , P1 , · · · , PN } est libre pour un certain N < n, et montrons que
la famille {P0 , P1 , · · · , PN+1 } est libre. En effet, soient α0 , α1 , · · · , αN+1 ∈ C tels que α0 P0 +
α1 P1 + · · · + αN+1 PN+1 = 0. Si αN+1 = 0, alors α0 P0 + α1 P1 + · · · + αN PN = 0, et puisque la
famille {P0 , P1 , · · · , PN } est libre, d’après l’hypothèse de recurrence, donc α0 = α1 = · · · = αN+1 .
Maintenant, si αN+1 , 0, alors d’après la remarque précédente, le polynôme α0 P0 + α1 P1 + · · · +
αN+1 PN+1 est de degré N + 1, donc αN+1 est le coefficient dominant de ce polynôme, puisque
α0 P0 + α1 P1 + · · · + αN+1 PN+1 = 0 alors αN+1 = 0, ce qui implique α0 P0 + α1 P1 + · · · + αN PN = 0
et puisque la famille {P0 , P1 , · · · , PN } est libre, selon l’hypothèse de récurrence, alors α0 = α1 =
· · · = αN = 0. Ainsi, α0 = α1 = · · · = αN = αN+1 = 0. Par suite, la famille {P0 , P1 , · · · , PN+1 }

M. Louzari, 2019 2 Faculté des sciences de Tétouan

Chapitre 1. Espaces vectoriels & Applications linéaires Algèbre II (SMC/SMP)

est libre. D’après le principe de la récurrence, la famille {P0 , P1 , · · · , Pn } est bien libre pour tout
n ∈ N.
(2) La famille {P0 , P1 , · · · , Pn } est libre de cardinal n+1 et dimC Cn [X] = n+1, alors {P0 , P1 , · · · , Pn }
est une base de Cn [X].

Exercice 1.5. On considère les deux s.e.v. F et G de R3 définis par :

F = vect{(1, 0, −1), (1, 2, 3)} et G = {(x, y, z) ∈ R3 | x + y + z = 0}

(1) Donner une famille génératrice de G,

(2) Déterminer F ∩ G et F + G (Sans utiliser Grassmann).

Solution.
(1) Soit u = (α, β, γ) ∈ R3 , alors

u∈G ⇔α+β+γ =0
⇔ γ = −α − β
⇔ u = (α, β, −α − β)
⇔ u = (α, 0, −α) + u = (0, β, −β)
⇔ u = α(1, 0, −1) + β(0, 1, −1)

Ainsi, G = vect{(1, 0, −1), (0, 1, −1)}, c’est à dire {(1, 0, −1), (0, 1, −1)} est une famille génératrice
de G.
(2) On peut écrire F = vect{v1 , v2 } et G = vect{v1 , v3 }, avec v1 = (1, 0, −1), v2 = (1, 2, 3), v3 =
(0, 1, −1).
•) D’une part, on voit que v1 est un vecteur commun entre F et G, donc F ∩ G est engendré au
moins par le vecteur v1 . D’autre part, soit u ∈ R3 .

u ∈ F ⇔ ∃λ, µ ∈ R |u = λv1 + µv2

⇔ ∃λ, µ ∈ R |u = (λ + µ, 2µ, −λ + 3µ)

Ainsi,

u ∈ F ∩ G ⇔ u ∈ F et u ∈ G
⇔ ∃λ, µ ∈ R |u = (λ + µ, 2µ, −λ + 3µ) et (λ + µ) + (2µ) + (−λ + 3µ) = 0
⇔ ∃λ, µ ∈ R |u = (λ + µ, 2µ, −λ + 3µ) et µ = 0
⇔ ∃λ ∈ R |u = (λ, 0, −λ) = λv1

D’où F ∩ G = vect{v1 }.
•) On a : F + G = vect({v1 , v2 } ∪ {v1 , v3 }) = vect{v1 , v2 , v3 }.

Exercice 1.6. Dans le R-espace vectoriel R2 [X]. Considérons les deux familles suivantes :

F1 = {X, X + X 2 , 1 + 2X − 3X 2 } , F2 = {1 + X, 1 − X 2 , X + X 2 }

Ces familles sont-elles libres ?

M. Louzari, 2019 3 Faculté des sciences de Tétouan

Chapitre 1. Espaces vectoriels & Applications linéaires Algèbre II (SMC/SMP)

Solution.
•) F1 est libre. En effet, soient α, β, γ ∈ R tels que αX + β(X + X 2 ) + γ(1 + 2X − 3X 2 ) = 0 (?).
Alors, 



 γ =0
α + β + 2γ = 0 ⇔ α = β = γ = 0.

(?) ⇔ 



 β − 3γ = 0



D’où le résultat.
•) F2 est liée, car 1 − X 2 = (1 + X) − (X + X 2 ).

Exercice 1.7. Dans l’espace vectoriel R4 , considérons les vecteurs v1 = (1, 2, 0, 1), v2 = (−1, 1, 1, 1),
v3 = (0, 0, 1, 1), v4 = (2, 2, 2, 2) et les sous-espaces vectoriels A = vect(v1 , v2 , v3 ), B = vect(v4 ).
(1) Vérifier que la famille {v1 , v2 , v3 } est libre et en déduire dim A.
(2) Déterminer A + B.
(3) En déduire A ∩ B (Utiliser le Théorème de Grassmann).

Solution.
(1) Soient α, β, γ ∈ R tels que αv1 + βv2 + γv3 = 0 (∗). Alors

α−β =0





 2α + β =0



⇔ α = β = γ = 0.

(∗) ⇔ 




 β+γ =0
 α + β + 2γ


=0

Ainsi, la famille {v1 , v2 , v3 } est libre, donc c’est une base pour A. Par suite dim A = 3.
(2) Tout d’abord, on a : A + B = vect({v1 , v2 , v3 } ∪ {v4 }) = vect(v1 , v2 , v3 , v4 ). Or {v1 , v2 , v3 , v4 } est une
famille génératrice de A + B, vérifions qu’elle est libre ; En effet, soient α, β, γ, δ ∈ R tels que :

αv1 + βv2 + γv3 + δv4 = 0 (∗∗)

Alors
α − β + 2δ =0

 
α = −2β


 
 2α + β + 2δ =0


 


γ = −4β ⇔ α = β = γ = δ = 0.
 
(∗∗) ⇔  ⇔


 β + γ + 2δ =0 

δ = 2β = 2β
3 9


 

 α + β + 2γ + 2δ


=0
Ainsi, {v1 , v2 , v3 , v4 } est une base de A + B. Alors dim(A + B) = 4. D’autre part, A + B est un sous-espace
vectoriel de R4 avec dim(A + B) = dim R4 = 4. Alors A + B = R4 .
(3) D’après le Théorème de Grassmann, on a dim(A+B) = dim(A)+dim(B)−dim(A∩B). Or dim(A+B) =
4, dim(A) = 3 et dim(B) = 1. Ainsi, dim(A ∩ B) = 0, et par suite A ∩ B = (0).

Exercice 1.8. Soit E un C-espace vectoriel de dimension n. Montrer que E est aussi un R-espace vectoriel
de dimension 2n.

M. Louzari, 2019 4 Faculté des sciences de Tétouan

Chapitre 1. Espaces vectoriels & Applications linéaires Algèbre II (SMC/SMP)

Solution.
Soient E un C-espace vectoriel de dimension n et {u1 , u2 , · · · , un } une base de EC . Montrons que la
famille {u1 , u2 , · · · , un , iu1 , iu2 , · · · , iun } est une base de E comme R-espace vectoriel. En effet :
•) Soit w ∈ EC , alors il existe λ1 , λ2 , · · · , λn ∈ C tels que w = λ1 u1 + λ2 u2 + · · · + λn un . On pose
λk = µk + iνk , avec µk , νk ∈ R pour tout k = 1, 2 · · · , n. Alors w devient : w = µ1 u1 + µ2 u2 + · · · + µn un +
ν1 (iu1 ) + ν2 (iu2 ) + · · · + νn (iun ). D’où, {u1 , u2 , · · · , un , iu1 , iu2 , · · · , iun } est une famille génératrice de ER .
•) Soient αk , βk ∈ R pour tout k = 1, 2, · · · , n tels que :

α1 u1 + α2 u2 + · · · + αn un + β1 (iu1 ) + β2 (iu2 ) + · · · + βn (iun ) = 0. (?)

Alors, (?) ⇔ (α1 + iβ1 )u1 + (α2 + iβ2 )u2 + · · · + (αn + iβn )un = 0, mais {u1 , u2 , · · · , un } une base de
EC , donc c’est une famille libre. Ainsi αk + iβk = 0 pour tout k = 1, 2, · · · , n. D’où αk = βk = 0
pour tout k = 1, 2, · · · , n, c’est à dire {u1 , u2 , · · · , un , iu1 , iu2 , · · · , iun } est libre dans ER . Par conséquent,
{u1 , u2 , · · · , un , iu1 , iu2 , · · · , iun } est une base de ER , ce qui implique dim ER = 2n.

Exercice 1.9 (Contrôle, Juin 2018).

Dans le R-espace vectoriel R4 , considérons les deux vecteurs v1 = (1, 0, −1, 2) et v2 = (−1, 1, 0, −3), et
les sous-espaces vectoriels F = vect{v1 , v2 } et G = {(x, y, z, t) ∈ R4 | t = 2x + 3y + z}.
1) Vérifier que la famille {v1 , v2 } est libre et en déduire dim F.
2) Donner une base de G. Quelle est la dimension de G ?
3) Donner une base de F ∩ G et en déduire F + G.

Solution.
1) Vérifions que la famille {v1 , v2 } est libre. Soient α, β ∈ R tels que αv1 +βv2 = 0 (∗). Alors (∗) implique
α = β = 0. Ainsi, la famille {v1 , v2 } est libre et par suite c’est une base de F. Par conséquent dim F = 2.

2) Déterminons une base de G. Soit u = (x, y, z, t) ∈ R4 , alors

u ∈ G ⇔ t = 2x + 3y + z

⇔ u = (x, y, z, 2x + 3y + z)

⇔ u = (x, 0, 0, 2x) + (0, y, 0, 3y) + (0, 0, z, z)

⇔ u = x(1, 0, 0, 2) + y(0, 1, 0, 3) + z(0, 0, 1, 1)

On prend u1 = (1, 0, 0, 2), u2 = (0, 1, 0, 3) et u3 = (0, 0, 1, 1). Alors {u1 , u2 , u3 } est une famille génératrice
de G. Vérifions que {u1 , u2 , u3 } est libre. En effet, soient α, β, γ ∈ R tels que αu1 + βu2 + γu3 = 0 (∗∗).
Alors (∗∗) ⇒ α = β = γ = 0. D’où, la famille {u1 , u2 , u3 } est libre et par suite est une base de G. En plus,
on a dim G = 3.

3)

M. Louzari, 2019 5 Faculté des sciences de Tétouan

Chapitre 1. Espaces vectoriels & Applications linéaires Algèbre II (SMC/SMP)

•) Soit u ∈ R4 . Alors

u ∈ F ⇔ ∃λ1 , λ2 ∈ R| u = λ1 v1 + λ2 v2

⇔ ∃λ1 , λ2 ∈ R| u = λ1 (1, 0, −1, 2) + λ2 (−1, 1, 0, −3)

⇔ ∃λ1 , λ2 ∈ R| u = (λ1 , 0, −λ1 , 2λ1 ) + (−λ2 , λ2 , 0, −3λ2 )

⇔ ∃λ1 , λ2 ∈ R| u = (λ1 − λ2 , λ2 , −λ1 , 2λ1 − 3λ2 )

Pour l’intersection F ∩ G, on a :

u ∈ F


u ∈ F ∩G ⇔ 
u ∈ G



 ∃λ1 , λ2 ∈ R| u = (λ1 − λ2 , λ2 , −λ1 , 2λ1 − 3λ2 )


⇔
 2λ1 − 3λ2 = 2(λ1 − λ2 ) + 3(λ2 ) + (−λ1 )


 ∃λ1 , λ2 ∈ R| u = (λ1 − λ2 , −λ2 , −λ1 , 2λ1 − 3λ2 )


⇔
 λ1 = 4λ2


⇔ ∃λ2 ∈ R| u = (3λ2 , λ2 , −4λ2 , 5λ2 )

⇔ ∃λ2 ∈ R| u = λ2 (3, 1, −4, 5)

Alors F ∩ G est engendré par le vecteur w = (3, 1, −4, 5) , 0, donc {w} est une base de F ∩ G.
Par suite dim(F ∩ G) = 1.
•) D’après la formule de Grassmann, F + G est un sous espace vectoriel de R4 de dimension finie et
on a dim(F + G) = dim F + dim G − dim(F ∩ G). Or dim F = 2, dim G = 3 et dim(F ∩ G) = 1,
donc dim(F + G) = 4 = dim R4 . Ainsi F + G = R4 .

Exercice 1.10. Soit R2 [X] le R-espace vectoriel des polynômes de degrés inférieurs ou égaux à 2, sup-
posons que R2 [X] est muni de sa base canonique {1, X, X 2 }. Soient P1 = X, P2 = X − X 2 , P3 = 1 + X
trois éléments de R2 [X].
(1) Montrer que B = {P1 , P2 , P3 } est une base de R2 [X].
(2) Écrire le polynôme P = 2 + 3X + X 2 dans la base B.

Solution. (1) Puisque Card(B) = 3 = dimR (R2 [X]), alors il suffit de montrer que B est libre pour qu’elle
soit une base de R2 [X].
En effet, soient α, β, γ ∈ R tels que
αP1 + βP2 + γP3 = 0. (1)

On a :
(1) ⇔ αX + β(X − X 2 ) + γ(1 + X) = 0

⇔ γ + (α + β + γ)X − βX 2 = 0

M. Louzari, 2019 6 Faculté des sciences de Tétouan

Chapitre 1. Espaces vectoriels & Applications linéaires Algèbre II (SMC/SMP)





 γ=0
α+β+γ =0

⇔



β=0







 α=0
β=0

⇔



γ = 0



Ainsi, B est une famille libre, et par suite B est une base de R2 [X].

(2) Soient α, β, γ ∈ R tels que P = αP1 + βP2 + γP3 . Déterminons α, β et γ. En effet, on a :

2 + 3X + X 2 = αP1 + βP2 + γP3 ⇔ 2 + 3X + X 2 = γ + (α + β + γ)X − βX 2





 γ=2
α+β+γ =3

⇔



−β = 1







 α=2
β = −1

⇔



γ = 2



Ainsi, P = 2P1 − P2 + 2P3 .

Exercice 1.11. Considérons le R-espace vectoriel R2 [X], muni de sa base canonique {1, X, X 2 }. Soient
F = {P ∈ R2 [X] | P(−1) = 0} et G = Vect(P1 , P2 ).
(1) Montrer que F est un sous-espace vectoriel de R2 [X].
(2) Donner une base de F.
(3) Déterminer F + G.

Solution. (1) Soit P = aX 2 + bX + c ∈ R2 [X]. Alors

P∈F⇔a−b+c=0

⇔ P = aX 2 + bX + (b − a) = a(X 2 − 1) + b(X + 1)

⇔ P ∈ Vect(X 2 − 1, X + 1)

On en déduit que F = Vect(X 2 − 1, X + 1) est le s.e.v. de R2 [X] engendré par les deux polynômes X 2 − 1
et X + 1.

(2) La famille B0 = {X 2 − 1, X + 1} est génératrice de F, il suffit donc de vérifier qu’elle est libre.
En effet, soient α, β ∈ R tels que α(X 2 − 1) + β(X + 1) = 0, alors

α(X 2 − 1) + β(X + 1) = 0 ⇔ αX 2 + βX + (β − α) = 0

M. Louzari, 2019 7 Faculté des sciences de Tétouan

Chapitre 1. Espaces vectoriels & Applications linéaires Algèbre II (SMC/SMP)





 α=0
β=0

⇔



γ = 0



Ainsi, {X 2 − 1, X + 1} est une base de F.

(3) D’abord, on a : F = Vect(X 2 − 1, X + 1) et G = Vect(X, X − X 2 ), alors

F + G = Vect(X 2 − 1, X + 1, X, X − X 2 ).

Puisque dimR (F + G) ≤ 3, alors la famille {X 2 − 1, X + 1, X, X − X 2 } est liée.

Maintenant, examinons si la famille B00 = {X 2 − 1, X + 1, X} est libre. En effet, soient α, β, γ ∈ R tels que
α(X 2 − 1) + β(X + 1) + γX = 0, alors

α(X 2 − 1) + β(X + 1) + γX = 0 ⇔ (β − α) + (β + γ)X + αX 2 = 0





 α=0
β+γ =0

⇔



β−α = 0






 α=0
β=0

⇔



γ = 0



Donc, B00 est libre et par suite, c’est une base de F + G.

Ainsi dimR (F + G) = 3. D’autre part, puisque F + G est un s.e.v. de R2 [X] et dimR (F + G) = dimR (R2 [X]),
alors F + G = R2 [X].

Exercice 1.12. Considérons le R-espace vectoriel R3 muni de sa base canonique B0 = {e1 , e2 , e3 } où

e1 = (1, 0, 0), e2 = (0, 1, 0) et e3 = (0, 0, 1). Soient u1 = (1, 1, −1), u2 = (1, 0, 0), u3 = (−1, −3, 3) et
u4 = (1, −1, 1) quatre éléments de R3 et F = Vect(u1 , u2 , u3 , u4 ).
(1) Est ce que B0 = {u1 , u2 , u3 , u4 } peut être une base de R3 ?
(2) Montrer que les deux familles B1 = {u1 , u2 , u3 } et B2 = {u1 , u2 , u4 } sont liées et en déduire une
base B de F.
(3) Compléter B en une base de R3 .

Solution.
(1) On a B0 = {u1 , u2 , u3 , u4 }, avec Card(B0 ) = 4 > dimR (R3 ) = 3. Alors la famille B0 est liée, donc ne
peut pas être une base de R3 .
(2)
i) Soient α, β, γ ∈ R tels que αu1 + βu2 + γu3 = 0. Alors




 α+β−γ =0
αu1 + βu2 + γu3 = 0 ⇔  α − 3γ = 0




 −α + 3γ = 0



M. Louzari, 2019 8 Faculté des sciences de Tétouan

Chapitre 1. Espaces vectoriels & Applications linéaires Algèbre II (SMC/SMP)


 α = 3γ


⇔
 β = −2γ


Pour γ = 1, on a α = 3 et β = −2. Donc u3 = −3u1 + 2u2 , c’est à dire B1 = {u1 , u2 , u3 } est liée.
ii) Soient α, β, γ ∈ R tels que αu1 + βu2 + γu4 = 0. Alors




 α+β+γ =0
αu1 + βu2 + γu4 = 0 ⇔  α−γ =0




 −α + γ = 0




γ = α


⇔
 β = −2α


Pour α = 1, on a γ = 1 et β = −2. Donc u4 = −u1 + 2u2 , c’est à dire B2 = {u1 , u2 , u4 } est liée.
Les familles B0 , B1 et B2 sont liées, alors F = Vect(B1 ) = Vect(B2 ) = Vect(u1 , u2 ). Donc B = {u1 , u2 }
est une famille génératrice de F, il suffit de vérifier qu’elle est libre pour qu’elle soit une base de F. En
effet, soient α, β ∈ R tels que αu1 + βu2 = 0. Alors




 α+β=0
αu1 + βu2 = 0 ⇔  α=0




 −α = 0




α = 0


⇔
β = 0


Ainsi, B est libre et par suite c’est une base de F.

(3) Complétons par le vecteur e2 . Examinons si la famille B ∪ {e2 } est libre. Soient α, β, γ ∈ R tels que
αu1 + βu2 + γe2 = 0. Alors 



 α+β=0
αu1 + βu2 + γe2 = 0 ⇔  α+γ =0




 −α = 0






 α=0
β=0

⇔



γ = 0



Par conséquent, B ∪ {e2 } est libre, et puisque Card(B ∪ {e2 }) = 3 = dimR (R3 ). Alors B ∪ {e2 } est une
base de R3 . (On peut compléter par n’importe quel vecteur, à condition qu’il soit libre avec B).

Exercice 1.13. Dans l’espace vectoriel E = R4 muni de sa base canonique {e1 , e2 , e3 , e4 } où e1 =

(1, 0, 0, 0), e2 = (0, 1, 0, 0), e3 = (0, 0, 1, 0) et e4 = (0, 0, 0, 1). On définit :
U = {(x, y, z, t) ∈ E | x + y + z + t = 0 et x + y = t} et V = Vect(e1 + e2 , e3 − e4 ).
(1) Montrer que U est sous-espace vectoriel de E et déterminer une base de U.

M. Louzari, 2019 9 Faculté des sciences de Tétouan

Chapitre 1. Espaces vectoriels & Applications linéaires Algèbre II (SMC/SMP)

(2) Donner une base de V.

(3) Déterminer U ∩ V.
(4) Est ce que E = U ⊕ V ?

Solution.
(1) Soit u = (x, y, z, t) ∈ R4 . Alors
  
x+y+z+t =0
  z = −2t
  z = −2x − 2y

⇔ u = (x, y, −2x − 2y, x + y)
  
u∈U⇔ ⇔ ⇔
x+y=t
 x+y=t

 t = x+y



⇔ u = x(1, 0, −2, 1) + y(0, 1, −2, 1).

On en déduit que U = Vect(v1 , v2 ), où v1 = (1, 0, −2, 1) et v2 = (0, 1, −2, 1). C’est à dire, U est un s.e.v.
de R4 engendré par la famille {v1 , v2 }. Donc, il suffit de vérifier que {v1 , v2 } est libre pour qu’elle soit une
base de U. Soient α, β ∈ R tels que αv1 + βv2 = 0. On a αv1 + βv2 = 0 ⇔ α = β = 0. Ainsi, {v1 , v2 } est
une base de U.

(2) La famille {e1 + e2 , e3 − e4 } est génératrice de V, vérifions qu’elle est libre. Soient α, β ∈ R tels que
α(e1 + e2 ) + β(e3 − e4 ) = 0. Alors α = β = 0, ainsi {e1 + e2 , e3 − e4 } est libre et par suite c’est une base
de V.

(3) On pose w1 = e1 + e2 = (1, 1, 0, 0) et w2 = e3 − e4 = (0, 0, 1, −1), on prend u ∈ R4 . Alors

 
u ∈ U

  ∃α, β ∈ R | u = αv1 + βv2


u∈U∩V⇔ ⇔
u ∈ V
  ∃α0 , β0 ∈ R | u = α0 w1 + β0 w2


α = α0 α=0
 


 


 
β = α 0
 α0 = 0


 


⇔u=0
 
⇔ ⇔
= β 0 β =





 −2α − 2β 



 0
 α + β = −β0

  β0 = 0



On en déduit que U ∩ V = (0).

(4) D’abord on a : dimR (U + V) = dimR (U) + dimR (V) − dimR (U ∩ V) = 4, d’après le Théorème de
Grassmann.
Puisque U + V est un s.e.v. de R4 avec dimR (U + V) = dimR (R4 ), alors U + V = R4 . D’autre part,
U ∩ V = (0). Ainsi U ⊕ V = R4 .

Exercice 1.14. Est ce que les applications f : R3 → R3 suivantes sont linéaires ?

(1) f (x, y, z) = (x + y, z, 1),
(2) f (x, y, z) = (z, −y, x).

M. Louzari, 2019 10 Faculté des sciences de Tétouan

Chapitre 1. Espaces vectoriels & Applications linéaires Algèbre II (SMC/SMP)

Solution.
(1) f n’est pas linéaire, car pour (0, 1, −1) et (0, 0, 1). On a : f ((0, 1, −1) + (0, 0, 1)) = f (0, 1, 0) =
(1, 0, 1) , f (0, 1, −1) + f (0, 0, 1) = (1, −1, 1) + (0, 1, 1) = (1, 0, 2).
(2) f est linéaire, car pour tous (x, y, z), (x0 , y0 , z0 ) ∈ R3 et λ ∈ R, on a :
•) f ((x, y, z) + (x0 , y0 , z0 )) = (z + z0 , −(y + y0 ), x + x0 ) = (z, −y, x) + (z0 , −y0 , z0 ) = f (x, y, z) + f (x0 , y0 , z0 ),
•) f (λ(x, y, z)) = (λz, −λy, λx) = λ(z, −y, x) = λ f (x, y, z).

Exercice 1.15. Soit f : C → C une application définie par f (a + ib) = a − ib. Montrer que
(1) f est linéaire, si on considère C comme un R-espace vectoriel,
(2) f est non linéaire, si on considère C comme un C-espace vectoriel.

Solution.
Soit f : C → C l’application définie par : f (a + ib) = a − ib. D’une part, pour a + ib, a0 + ib0 ∈ C, on a :

f ((a + ib) + (a0 + ib0 )) = f ((a + a0 ) + i(b + b0 ))

= (a + a0 ) − i(b + b0 )

= (a − ib) + (a0 − ib0 )

= f (a + ib) + f (a0 + ib0 ).

D’autre part :
•) Pour λ ∈ R, f (λ(a + ib)) = f (λa + iλb) = λa − iλb = λ(a − ib) = λ f (a + ib). Dans ce cas, f est
linéaire.
•) Pour λ = 1 + i ∈ C, on a f (λ(a + ib)) = f ((1 + i)(a + ib)) = f ((a − b) + i(a + b)) = (a − b) − i(a + b)
et λ f (a + ib) = (1 + i)(a − ib) = (a + b) + i(a − b), donc f (λ(a + ib)) , λ f (a + ib). Dans ce cas, f
n’est pas linéaire

Exercice 1.16. Soit f : R3 [X] → R3 [X] une application linéaire telle que

f (1) = 1, f (X) = X 2 , f (X 2 ) = X + X 3 .

Déterminer f (a + bX + cX 2 ) où a, b, c ∈ R.

Solution.
f (a + bX + cX 2 ) = a f (1) + b f (X) + c f (X 2 )

= a.1 + b.X 2 + c.(X + X 3 )

= a + cX + bX 2 + cX 3 .

Exercice 1.17.
(1) Soit f : R2 → R2 telle que f (x, y) = (y, 0). Montrer que Ker f = Im f .
(2) Donner un exemple d’une application linéaire f telle que Im f ⊆ Ker f .
(3) Donner un exemple d’une application linéaire f telle que Ker f ⊆ Im f .

M. Louzari, 2019 11 Faculté des sciences de Tétouan

Chapitre 1. Espaces vectoriels & Applications linéaires Algèbre II (SMC/SMP)

Solution.
1) Soit u = (x, y) ∈ R2 . Alors u ∈ Ker f ⇔ f (u) = (0, 0) ⇔ (y, 0) = (0, 0) ⇔ y = 0. Ainsi,
Ker f = {(x, 0)| x ∈ R}. D’autre part, Im f = { f (x, y)| (x, y) ∈ R2 } = {(y, 0)| y ∈ R} = Ker f .
2) Considérons l’application linéaire f : R3 → R3 définie par f (x, y, z) = (z, 0, 0). Soit u = (x, y, z) ∈
R3 . Alors u ∈ Ker f ⇔ f (u) = (0, 0, 0) ⇔ (z, 0, 0) = (0, 0, 0) ⇔ z = 0. Ainsi, Ker f =
{(x, y, 0)| x, y ∈ R}. De même, on a : Im f = { f (x, y, z)| (x, y, z) ∈ R3 } = {(z, 0, 0)| z ∈ R} ⊆ Ker f.
3) Considérons l’application linéaire f : R3 → R3 définie par f (x, y, z) = (y, z, 0). Soit u = (x, y, z) ∈
R3 . Alors u ∈ Ker f ⇔ f (u) = (0, 0, 0) ⇔ (y, z, 0) = (0, 0, 0) ⇔ y = z = 0. Ainsi, Ker f =
{(x, 0, 0)| x ∈ R}. D’autre part, Im f = { f (x, y, z)| (x, y, z) ∈ R3 } = {(y, z, 0)| y, z ∈ R} ⊇ Ker f.
Exercice 1.18. Soit f : R2 [X] → R3 [X] l’application définie par : f (p(X)) = X 2 p0 (X) (où p0 (X) est la
dérivée de p(X)).
(1) Montrer que f est une application linéaire,
(2) Déterminer une base de Im f ,
(3) Déterminer une base de Ker f .

Solution.
Soit f : R2 [X] → R3 [X] l’application définie par : f (p(X)) = X 2 p0 (X).
1) f est une application linéaire : En effet, soient p(X), q(X) ∈ R2 [X] et λ ∈ R : On a
f ((p + λq)(X)) = X 2 ((p + λq)0 (X)) = X 2 ((p0 + λq0 )(X)) = X 2 (p0 (X)) + λX 2 (q0 (X))
= f (p(X)) + λ f (q(X)) (la linéarité de la dérivée)
2) Une base de Im f : On sait que Im f = { f (p(X))| p(X) ∈ R2 [X]}, donc si p(X) = a + bX + cX 2
avec a, b, c ∈ R, on a f (p(X)) = bX 2 + 2cX 3 . Ainsi
Im f = {bX 2 + 2cX 3 | b, c ∈ R} = vect(X 2 , X 3 ).
Puisque {X 2 , X 3 } est libre, donc c’est une base de Im f .
3) Une base de Ker f : On a p(X) ∈ Ker f ⇔ f (p(X)) = 0 ⇔ bX 2 + 2cX 3 = 0 ⇔ b = c = 0. Ainsi
Ker f = R.
Exercice 1.19. Soit l’application linéaire f : R3 → R3 [X] définie par : f (e1 ) = 2X + X 3 ,
f (e2 ) = −2X + X 2 , f (e3 ) = X 2 + X 3 où {e1 , e2 , e3 } est la base canonique de R3 .
(1) Expliciter f (α, β, γ) pour tout (α, β, γ) ∈ R3 .
(2) Déterminer une base B0 de Ker f et en déduire rg( f ). Est ce que f est surjective ?
(3) Compléter B0 en une base de R3 .

Solution.
(1) Soit (α, β, γ) ∈ R3 , alors
f (α, β, γ) = f (αe1 + βe2 + γe3 )
= α f (e1 ) + β f (e2 ) + γ f (e3 )
= α(2X + X 3 ) + β(−2X + X 2 ) + γ(X 2 + X 3 )
= 2(α − β)X + (β + γ)X 2 + (α + γ)X 3

M. Louzari, 2019 12 Faculté des sciences de Tétouan

Chapitre 1. Espaces vectoriels & Applications linéaires Algèbre II (SMC/SMP)

(2) D’après (1), on a :

u = (α, β, γ) ∈ Ker f ⇔ f (α, β, γ) = 0




 α−β =0
β+γ =0

⇔



α+γ = 0


⇔ α = β = −γ
⇔ u = (α, α, −α)
⇔ u = α(1, 1, −1)
Ainsi, Ker f = vect{(1, 1, −1)}, et puisque (1, 1, −1) est un vecteur non nul, donc B0 = {(1, 1, −1)}
est une base de Ker f . D’après le Théorème des dimensions, on a dim R3 = dim Ker f + dim Im f ,
or dim R3 = 3 et dim Ker f = 1, alors dim Im f = rg( f ) = 2. Puisque rg( f ) = 2 , 3 = dim R3 [X],
alors Im f , R3 [X], donc f n’est pas surjective.
(2) On a B0 = {(1, 1, −1)}, si on complète par e1 et e2 , on aura une base de R3 (Il suffit de vérifier
que la famille {(1, 1, −1), (1, 0, 0), (0, 1, 0)} est libre).

Exercice 1.20. Considérons l’application f : R4 → R3 définie par f (x, y, z, t) = (x + y, y − z, x + t).

Déterminer une base de Im f , et en déduire Ker f .

Solution. On a f (x, y, z, t) = x(1, 0, 1) + y(1, 1, 0) + z(0, −1, 0) + t(0, 0, 1). On prend u1 = (1, 0, 1), u2 =
(1, 1, 0), u3 = (0, −1, 0), u4 = (0, 0, 1). Alors Im f = Vect(u1 , u2 , u3 , u4 ).
•) Cherchons une base de Im f . D’abord, on a u1 = u2 +u3 +u4 , donc Vect(u1 , u2 , u3 , u4 ) = Vect(u2 , u3 , u4 ).
D’autre part, soient α, β, γ ∈ R tels que αu2 + βu3 + γu4 = 0. Alors




 α=0
αu2 + βu3 + γu4 = 0 ⇒  α−β=0 ⇒α=β=γ =0




γ = 0



Donc, {u2 , u3 , u4 } est libre, et donc c’est une base de Im f . Or Im f est un s.e.v. de R3 avec dimR R3 =
dim(Im f ) = 3, alors Im f = R3 .
•) Puisque Im f = R3 , d’après le théorème des dimensions, on a dim(Ker f ) = 1. Déterminons, donc une
base de Ker f . En effet, soit u = (x, y, z, t) ∈ R4 , alors

u ∈ Ker f ⇔ f (u) = 0




 x+y=0
y−z=0

⇔



x+t =0



 x = −y = −t


⇔
z = y


⇔ u = y(−1, 1, 1, 1)

Donc, Ker f est engendré par le vecteur (−1, 1, 1, 1), par suite {(−1, 1, 1, 1)} est une base de Ker f .

M. Louzari, 2019 13 Faculté des sciences de Tétouan

Chapitre 2

Matrices

Exercice 2.1. Soit l’application linéaire f : R3 → R2 donnée par :

f (x, y, z) = (2x − y, 2y − z).

Déterminer la matrice de f relativement aux bases canoniques de R3 et R2 .

Solution. Soient B = {e1 , e2 , e3 } la base canonique de R3 , avec e1 = (1, 0, 0), e2 = (0, 1, 0), e3 = (0, 0, 1)
et B0 = { f1 , f2 } la base canonique de R2 , avec f1 = (1, 0), f2 = (0, 1). On a :


 f (e1 ) = (2, 0) = 2 f1 + 0 f2  
2 −1 0


=  .
0
 
= = +
 
−1 ⇒ Mat( f ; B, B )

 f (e2 ) (−1, 2) f 1 2 f2

0 2 −1

 
 f (e3 ) = (0, −1) = 0 f1 − 1 f2



Exercice 2.2. Considérons les deux matrices

 cos θ sin θ   cos φ sin φ 
   
A =   , B =   où θ, φ ∈ R.
− sin θ cos θ − sin φ cos φ

 cos(θ + φ) sin(θ + φ) 

 
1) Montrer que AB =  .
− sin(θ + φ) cos(θ + φ)
 
 cos nθ sin nθ 
2) Montrer que An =   ∀n ∈ N∗ .
− sin nθ cos nθ

Solution.
 cos θ sin θ   cos φ sin φ 
   
  , B =   où θ, φ ∈ R.
− sin θ cos θ − sin φ cos φ
1) On a :
 cos θ sin θ   cos φ sin φ 
  
AB =     
− sin θ cos θ − sin φ cos φ
 

 cos θ cos φ − sin θ sin φ cos θ sin φ + sin θ cos φ 
 
=  
− sin θ cos φ − cos θ sin φ − sin θ sin φ + cos θ cos φ

14
Chapitre 2. Matrices Algèbre II (SMC/SMP)

 cos(θ + φ) sin(θ + φ) 

 
=  
− sin(θ + φ) cos(θ + φ)
2) Pour n = 1, on a A1 = A, donc le résultat est vrai pour n = 1. Supposons que le résultat est vrai
pour n, et montrons qu’il est vrai pour n + 1. en effet, on a :

An+1 = An A
 cos nθ sin nθ   cos θ sin θ 
  
=    
− sin nθ cos nθ − sin θ cos θ
 cos nθ cos θ − sin nθ sin θ cos nθ sin θ + sin nθ cos θ 
 
=  
− sin nθ cos θ − cos nθ sin θ − sin nθ sin θ + cos nθ cos θ
 cos(nθ + θ) sin(nθ + θ) 
 
=  
− sin(nθ + θ) cos(nθ + θ)
 cos(n + 1)θ sin(n + 1)θ 
 
=   .
− sin(n + 1)θ cos(n + 1)θ
D’où le résultat est vrai pour n + 1. D’après le principe de la récurrence, le résultat est vrai pour
tout n ∈ N∗ .
Exercice 2.3. En utilisant la méthode d’élimination de Gauss-Jordan, montrer que la matrice suivante
 
 1 −1 0 
A =  1 0 −1 
 
 
−6 2 3
est inversible et que
 
 −2 −3 −1 
=  −3 −3 −1  .
 
A−1
 
−2 −4 −1
 
 1 −1 0 
Solution. Utilisons la méthode de Gauss-Jordan, pour déterminer l’inverse de la matrice : A =  1 0 −1 .
 
 
−6 2 3
 .. 
#  1 −1 0 . 1 0 0 
 
.. .
"
A . I =  1 0 −1 .. 0 1 0  .
 
..
 
−6 2 3 . 0 0 1
 

.. −1
" #
Maintenant, on utilise les opérations élémentaires sur les lignes afin de retrouver la forme I . A .

 1 −1 0 ... 1 0 0   1 −1 0 ... 1 0 0 

   

.. ..
   
 1 0 −1 . 0 1 0  ∼  0 1 −1 . −1 1 0  L2 + (−1)L1  L2
   
.. ..
   
−6 2 3 . 0 0 1 −6 2 3 . 0 0 1
   

M. Louzari, 2019 15 Faculté des sciences de Tétouan

Chapitre 2. Matrices Algèbre II (SMC/SMP)

 1 −1 0 ... 1 0 0 

 

..
 
∼  0 1 −1 . −1 1 0  L3 + 6L1  L3
 
.
 
0 −4 3 .. 6 0 1
 

 1 −1 0 ... 1 0 0 

 

.
 
∼  0 1 −1 .. −1 1 0  L3 + 4L2  L3
 
..
 
0 0 −1 . 2 4 1
 

 1 −1 0 ... 1 0 0 

 

..
 
∼  0 1 −1 . −1 1 0  (−1)L3  L3
 
.
 
0 0 1 .. −2 −4 −1
 

 1 −1 0 ... 1 0 0 

 

..
 
∼  0 1 0 . −3 −3 −1  L3 + L2  L2
 
..
 
0 0 1 . −2 −4 −1
 

 1 0 0 ... −2 −3 −1 

 

..
 
∼  0 1 0 . −3 −3 −1  L1 + L2  L1
 
.
 
0 0 1 .. −2 −4 −1
 
 
 −2 −3 −1 
Alors, la matrice A est inversible, et on a A−1 =  −3 −3 −1 . On peut facilement vérifier que AA−1 =
 
 
−2 −4 −1
A−1 A = I3 .
 
 7 4 
Exercice 2.4. Soit la matrice A =   .
−9 −5
 1 + 6n 4n 
 
1) Montrer que A = 
n
 pour tout n ≥ 1.
−9n 1 − 6n

 xn+1 = 7xn + 4yn


2) Soient (xn )n≥0 et (yn )n≥0 deux suites complexes définies par : 
 yn+1 = −9xn − 5yn

Déterminer xn et yn en fonction de x0 , y0 et n.

Solution.
 1 + 6 × 1 4 × 1 
   
 7 4 
1) Montrons le résultat par récurrence. Pour n = 1, on a :    = 
  , le
−9 × 1 1 − 6 × 1 −9 −5
résultat est vrai.
Maintenant, supposons que le résultat est vrai pour un certain n, et montrons qu’il est vrai pour
n + 1. En effet, on a :

An+1 = An A

M. Louzari, 2019 16 Faculté des sciences de Tétouan

Chapitre 2. Matrices Algèbre II (SMC/SMP)

 1 + 6n 4n   7 4 

  
=    
−9n 1 − 6n −9 −5
 (1 + 6n) × 7 − 9 × 4n (1 + 6n) × 4 − 5 × 4n 
 
=  
−9n × 7 − 9 × (1 − 6n) −9n × 4 − 5 × (1 − 6n)
 1 + 6(n + 1) 4(n + 1) 
 
=   
−9(n + 1) 1 − 6(n + 1)
D’où le résultat est vrai pour n + 1. D’après le principe de la récurrence, on a le résultat pour tout
n ≥ 1.
2) On peut écrire le système sous la forme :
    
 xn+1   7 4   xn 
  =     .
yn+1 −9 −5 yn
   
 xn   7 4 
Si on pose Xn =  , on aura Xn+1 = AXn , avec A =  . On a :
yn −9 −5

Xn = AXn−1
Xn = A2 Xn−2
..
.
Xn = An X0

Donc    n  
 xn   7 4   x0 
  =     ,
yn −9 −5 y0
ou encore
 xn   1 + 6n 4n   x0 
    
  =     .
yn −9n 1 − 6n y0
Par suite :
xn = (1 + 6n)x0 + 4ny0 , yn = −9nx0 + (1 − 6n)y0 , ∀n ≥ 1

Exercice 2.5 (Contrôle, Juin 2018).

Soient R2 [X] le R-espace vectoriel des polynômes à coefficients dans R de degrés ≤ 2 et B0 = {1, X, X 2 }
sa base canonique. Considérons l’application f : R2 [X] → R2 [X] définie par :
f (p(X)) = X p0 (X) + 2p(X) (où p0 (X) est la dérivée de p(X)).

1) Montrer que f est linéaire.

2) Déterminer Ker f et Im f . Quelle est la nature de f ?
3) Calculer f (1), f (X) et f (X 2 ). En déduire la matrice de f relativement à la base B0 .

Solution.
1) Montrons que f est linéaire. Soient p(X), q(X) ∈ R2 [X] et λ ∈ R. Alors

M. Louzari, 2019 17 Faculté des sciences de Tétouan

Chapitre 2. Matrices Algèbre II (SMC/SMP)

•)
f (p(X) + q(X)) = f (p + q)(X)
= X(p + q)0 (X) + 2(p + q)(X)
= X(p0 (X) + q0 (X)) + 2(p(X) + q(X))
= X p0 (X) + Xq0 (X) + 2p(X) + 2q(X)
= X p0 (X) + 2p(X) + Xq0 (X) + 2q(X)
= f (p(X)) + f (q(X))
•)
f ((λp)(X)) = X(λp)0 (X) + 2(λp)(X)
= λX p0 (X) + λ2p(X)
= λ(X p0 (X) + 2p(X))
= λ( f (p(X))
Par suite, f est une application R-linéaire.

2) Déterminons le Ker f et Im f .
•) Soit p(X) = a + bX + cX 2 ∈ R2 [X]. Alors

p(X) ∈ Ker f ⇔ f (p(X)) = 0

⇔ X p0 (X) + 2p(X) = 0
⇔ X(a + bX + cX 2 )0 + 2(a + bX + cX 2 ) = 0
⇔ X(b + 2cX) + (2a + 2bX + 2cX 2 ) = 0
⇔ 2a + 3bX + 4cX 2 = 0
⇔a=b=c=0
⇔ p(X) = 0

Ainsi, Ker f = {0R2 [X] }.

•) D’après le théorème des dimensions, dim(R2 [X]) = dim Ker f + dim Im f , avec dim Ker f = 0,
alors dim Im f = dim(R2 [X]). Par suite Im f = R2 [X].
•) f est un endomorphisme injectif (Ker f = {0}) et surjectif (Im f = R2 [X]), donc c’est un auto-
morphisme.

3)
•) f (1) = X(1)0 + 2.(1) = 2 , f (X) = XX 0 + 2X = 3X , f (X 2 ) = X(X 2 )0 + 2X 2 = 4X 2 .
 
 2 0 0 
•) Mat( f, B0 ) =  0 3 0 
 
 
004
Exercice 2.6 (Contrôle, Mai 2018).
Considérons l’application R-linéaire f : R4 → R2 définie par f (x, y, z, t) = (x + 2y, x + y + z + t), et A le
sous-ensemble de R4 défini par A = {(x, y, z, t) ∈ R4 | x + 2y = 0, x + y + z + t = 0}.
1) Montrer que A est un sous-espace vectoriel de R4 et vérifier que A = ker f .

M. Louzari, 2019 18 Faculté des sciences de Tétouan

Chapitre 2. Matrices Algèbre II (SMC/SMP)

2) Déterminer une base de A et en déduire le rang de f ,

3) f est-elle surjective ?
4) Donner Mat( f ; B0 , B1 ), la matrice de f relativement aux bases canoniques B0 et B1 de R4 et R2
respectivement.

Solution.
Considérons l’application R-linéaire f : R4 → R2 définie par f (x, y, z, t) = (x + 2y, x + y + z + t), et A le
sous-ensemble de R4 défini par A = {(x, y, z, t) ∈ R4 | x + 2y = 0, x + y + z + t = 0}.
1) (•) Montrons que A est un sous-espace vectoriel de R4 .
En effet, soient (x, y, z, t), (x0 , y0 , z0 , t0 ) ∈ A et λ ∈ R.
a) Puisque 0 + 2 × 0 = 0 et 0 + 0 + 0 + 0 = 0, alors (0, 0, 0, 0) ∈ A. Ainsi A , ∅.
b)  
 x + 2y = 0 et x + y + z + t = 0

  (x + x0 ) + 2(y + y0 ) = 0


⇒
 x0 + 2y0 = 0 et x0 + y0 + z0 + t0 = 0

  (x + x0 ) + (y + y0 ) + (z + z0 ) + (t + t0 ) = 0



Par suite (x, y, z, t) + (x0 , y0 , z0 , t0 ) = (x + x0 , y + y0 , z + z0 , t + t0 ) ∈ A.

c)  
 x + 2y = 0

  λx + 2λy = 0


⇒
x+y+z+t =0

  λx + λy + λz + λt = 0


Par suite λ(x, y, z, t) = (λx, λy, λz, λt) ∈ A.

Ainsi, A est un sous-espace vectoriel de R4 .

(•) Vérifions que A = Ker f

Ker f = {(x, y, z, t) ∈ R4 | f (x, y, z, t) = 0}

= {(x, y, z, t) ∈ R4 | (x + 2y, x + y + z + t) = (0, 0)}
= {(x, y, z, t) ∈ R4 | x + 2y = 0 , x + y + z + t = 0}
= A

2)
•) Soit u = (α, β, γ, δ) ∈ R4 , alors
  
 α + 2β = 0

  α = −2β

  α = −2β


u∈A⇔ ⇔ ⇔
α+β+γ+δ = 0
  δ = −α − β − γ
 δ = β−γ


⇔ u = (−2β, β, γ, β − γ) = β(−2, 1, 0, 1) + γ(0, 0, 1, −1).

Si on pose v1 = (−2, 1, 0, 1) et v2 = (0, 0, 1, −1). On aura u = βv1 + γv2 où β, γ ∈ R. Ainsi
A = vect{v1 , v2 }, c’est à dire {v1 , v2 } est une famille génératrice de A.
•) Vérifions à présent si {v1 , v2 } est libre. En effet, soient α, β ∈ R tels que αv1 + βv2 = 0 (?).
Alors (?) ⇒ α = β = 0, par suite {v1 , v2 } est libre. Donc {v1 , v2 } est une base de A = Ker f . Ainsi
dim Ker f = 2.

M. Louzari, 2019 19 Faculté des sciences de Tétouan

Chapitre 2. Matrices Algèbre II (SMC/SMP)

•) D’après le théorème du rang (des dimensions), on a dim R4 = dim Ker f + dim Im f . Or dim R4 =
4, dim Ker f = 2 et par conséquent dim Im f = rg( f ) = 2.

3) On sait que Im f est un sous-espace vectoriel de R2 avec dim Im f = dim R2 = 2. Donc Im f = R2 et

par suite f est surjective.
4) On a :
f (e1 ) = (1, 1) f (e2 ) = (2, 1) f (e3 ) = (0, 1) f (e4 ) = (0, 1)
Alors  
 1 2 0 0 
Mat( f ; B0 , B1 ) =  
1111
Exercice 2.7 (Contrôle, juin 2018). 
 2 1 
Considérons la matrice A =  .
12
 3n + 1 3n − 1 
 
1
1) Montrer que An =  n  pour tout n ≥ 1.
2 3 − 1 3n + 1 
2) Soient (xn )n≥0 et (yn )n≥0 deux suites réelles définies par :

 xn+1 = 2xn + yn


 yn+1 = xn + 2yn



Déterminer xn et yn en fonction de x0 , y0 et n.

Solution.
1) Montrons le résultat par récurrence. Pour n = 1, on a :

1  31 + 1 31 − 1   2 1 

   
= .
2  31 − 1 3 1 + 1   1 2 


Le résultat est vrai.

Maintenant, supposons que le résultat est vrai pour un certain n, et montrons qu’il est vrai pour n + 1. En
effet, on a :
An+1 = An A
1  3n + 1 3n − 1   2 1 
  
=  n
2 3 − 1 3n + 1   1 2 
 

1  2(3n + 1) + (3n − 1) (3n + 1) + 2(3n − 1) 

 
= 
2 2(3n − 1) + (3n + 1) (3n − 1) + 2(3n + 1) 


1  3n+1 + 1 3n+1 − 1 

 
=  n+1
2 3 − 1 3n+1 + 1 


D’où le résultat est vrai pour n + 1. D’après le principe de la récurrence, on a le résultat pour tout
n ≥ 1.

M. Louzari, 2019 20 Faculté des sciences de Tétouan

Chapitre 2. Matrices Algèbre II (SMC/SMP)

2) On peut écrire le système sous la forme :

    
 xn+1   2 1   xn 
  =     .
yn+1 1 2 yn
   
 xn   2 1 
Si on pose Xn =  , on aura Xn+1 = AXn , avec A =  . On a :
yn 12

Xn = AXn−1
Xn = A2 Xn−2
..
.
Xn = An X0

Donc    n  
 xn   2 1   x0 
  =    
yn 12 y0
ou encore
1  3n + 1 3n − 1   x0 
  
=  n
2 3 − 1 3n + 1   y0 
 

1  (3n + 1)x0 + (3n − 1)y0 

 
=  n
2 (3 − 1)x0 + (3n + 1)y0 


Par suite :
(3n + 1)x0 + (3n − 1)y0 (3n − 1)x0 + (3n + 1)y0
xn = , yn = , ∀n ≥ 1
2 2
Exercice 2.8 (Contrôle, Mai 2018). 
 1 2 
Considérons la matrice A =  .
−2 1

1) Montrer que A2 − 2A + 5I2 = 0

1
2) Vérifier que A−1 = (2I2 − A).
5
Solution.    
 −3 4   2 4 
1) On a : A2 =   et 2A =  , alors A2 − 2A + 5I2 = 0.
−4 −3 −4 2
2) On a :
1 2 1 1 1
A.[ (2I2 − A)] = A − A2 = (2A − A2 ) = (5I2 ) = I2
5 5 5 5 5
et
1 1 1
[ (2I2 − A)].A = (2A − A2 ) = (5I2 ) = I2 .
5 5 5
1
Alors, l’inverse de A est bien (2I2 − A).
5

M. Louzari, 2019 21 Faculté des sciences de Tétouan

Chapitre 3

Déterminants & réduction des matrices

Exercice 3.1. Calculer les déterminants suivants :

   
 1 2 3 4     4 −1 3 −1 
   4 −2 2   
 −2 1 −4 3    3 1 0 2 
(a)   (b)  1 7 −2  (c)  
 3 −4 −1 2     0 1 2 2 
   3 −4 2   
 4 3 −2 −1  1 2 −1 1 

Solution.
a)    
 1 2 3 4   1 2 3 4 
2L1 + L2  L2
   
 −2 1 −4 3  0 5 2 11 
=
−3L1 + L3  L3
 
 3 −4 −1 2   0 −10 −10 −10 
−4L1 + L4  L4
  
 4 3 −2 −1   0 −5 −14 −17 
 
 5 2 11 
= (−10)  1 1
 
1 
 
 −5 −14 −17 
 
 0 −12 −6  L1 + L3  L1
= (−10)  1 1
 
1 
 
 0 −9 −12  −5L2 + L3  L3
 
 −12 −6 
= (−10) × (−1)  
 −9 −12 
= 10 × (144 − 54) = 10 × 90 = 900

b)    
 4 −2 2   5 5 0  L1 + L2  L1
 1 7 −2  =  1 7 −2 
   

3 −4 2   4 3 0  L2 + L3  L3
   

22
Chapitre 3. Déterminants & réduction des matrices Algèbre II (SMC/SMP)

 
 5 5 
= (−1) (−2) 5 
 4 3 
= 2 × (−5) − 10.

c)    
 4 −1 3 −1   4 −1 3 −1 
   
 3 1 0 2   3 1 0 2 
=
2L4 + L3  L3
 
 0 1 2 2   2
 
5 0 4 

 1 2 −1 1   1 2 −1 1 
 
 7 5 0 2  3L4 + L1  L1
 
3 1 0 2 
=  
 2 5 0 4 
 
1 2 −1 1 
 
 7 5 2 
= (−1) × (−1)7  3 1 2  −L1 + L2  L2
 
 
2 5 4
 
 7 5 2 
=  −4 −4 0 
 
 
 2 5 4  −2L1 + L3  L3
 
 7 5 2 
=  −4 −4 0 
 
 
 −12 −5 0 
 
4  −4 −4 
 
= 2 × (−1)  = 2 × (20 − 48) = −56.
 −12 −5 

Exercice 3.2. Soient a, b, c ∈ C, montrer que :

 
 1 1 1 1   
   2a 2b b − c 
a 1 1 1 
 = (1 − a) , (2)  2b 2a a + c  = −2(a − b)2 (a + b).
3  
(1) 
 a a 1 1   
   a + b a + b b 
a a a 1 

Solution.
1)    
 1 1 1 1   1 0 1 1 
1  −C1 + C2  C2
   
 a 1 1 1   a a − 1 1
 = 
 a a 1 1   a 0 1 1 
  
 a a a 1   a 0 a 1 

M. Louzari, 2019 23 Faculté des sciences de Tétouan

Chapitre 3. Déterminants & réduction des matrices Algèbre II (SMC/SMP)

 
 1 1 1 
= (a − 1) × (−1)4  a 1 1  −C2 + C3  C3
 
 
 a a 1 
 
 1 1 0 
= (a − 1)  a 1 0 
 
 
 a a 1 − a 
 
6  1 1 
 
= (a − 1)(1 − a)(−1) 
 a 1 

= (a − 1)(1 − a)(1 − a) = (a − 1)3 .

2)    
 2a 2b b − c   2(a + b) 2b b − c 
 2b 2a a + c  =  2(a + b) 2a a + c 
   
 C1 + C2  C1
a + b a + b b   2(a + b) a + b b 
  
 
 1 2b b − c 
= 2(a + b)  1 2a a + c 
 
 
 1 a + b b 
 
 1 2b b − c 
= 2(a + b)  0 2(a − b) a − b + 2c  L2 − L1  L2
 
 
0 a−b c  L3 − L1  L3
 
 2(a − b) a − b + 2c 
= 2(a + b)  
 a−b c 
= 2(a + b)[2(a − b)c − (a − b)(a − b + 2c)]

= −2(a + b)(a − b)2

Exercice 3.3 (Contrôle, Mai 2018).

Considérons l’application R-linéaire f : R4 → R2 définie par f (x, y, z, t) = (x + 2y, x + y + z + t), et A le
sous-ensemble de R4 défini par A = {(x, y, z, t) ∈ R4 | x + 2y = 0, x + y + z + t = 0}.
1) Montrer que A est un sous-espace vectoriel de R4 et vérifier que A = ker f .
2) Déterminer une base de A et en déduire le rang de f ,
3) f est-elle surjective ?
4) Donner Mat( f ; B0 , B1 ), la matrice de f relativement aux bases canoniques B0 et B1 de R4 et R2
respectivement.

Solution.
Considérons l’application R-linéaire f : R4 → R2 définie par f (x, y, z, t) = (x + 2y, x + y + z + t), et A le

M. Louzari, 2019 24 Faculté des sciences de Tétouan

Chapitre 3. Déterminants & réduction des matrices Algèbre II (SMC/SMP)

sous-ensemble de R4 défini par A = {(x, y, z, t) ∈ R4 | x + 2y = 0, x + y + z + t = 0}.

1) (•) Montrons que A est un sous-espace vectoriel de R4 .
En effet, soient (x, y, z, t), (x0 , y0 , z0 , t0 ) ∈ A et λ ∈ R.
a) Puisque 0 + 2 × 0 = 0 et 0 + 0 + 0 + 0 = 0, alors (0, 0, 0, 0) ∈ A. Ainsi A , ∅.
b)  
 x + 2y = 0 et x + y + z + t = 0

  (x + x0 ) + 2(y + y0 ) = 0


⇒
 x0 + 2y0 = 0 et x0 + y0 + z0 + t0 = 0

  (x + x0 ) + (y + y0 ) + (z + z0 ) + (t + t0 ) = 0



Par suite (x, y, z, t) + (x0 , y0 , z0 , t0 ) = (x + x0 , y + y0 , z + z0 , t + t0 ) ∈ A.

c)  
 x + 2y = 0

  λx + 2λy = 0


⇒
x+y+z+t =0

  λx + λy + λz + λt = 0



Par suite λ(x, y, z, t) = (λx, λy, λz, λt) ∈ A.

Ainsi, A est un sous-espace vectoriel de R4 .

(•) Vérifions que A = Ker f

Ker f = {(x, y, z, t) ∈ R4 | f (x, y, z, t) = 0}

= {(x, y, z, t) ∈ R4 | (x + 2y, x + y + z + t) = (0, 0)}
= {(x, y, z, t) ∈ R4 | x + 2y = 0 , x + y + z + t = 0}
= A

2)
•) Soit u = (α, β, γ, δ) ∈ R4 , alors
  
 α + 2β = 0

  α = −2β

  α = −2β


u∈A⇔ ⇔ ⇔
α+β+γ+δ = 0
  δ = −α − β − γ

 δ = β−γ



⇔ u = (−2β, β, γ, β − γ) = β(−2, 1, 0, 1) + γ(0, 0, 1, −1).

Si on pose v1 = (−2, 1, 0, 1) et v2 = (0, 0, 1, −1). On aura u = βv1 + γv2 où β, γ ∈ R. Ainsi
A = vect{v1 , v2 }, c’est à dire {v1 , v2 } est une famille génératrice de A.
•) Vérifions à présent si {v1 , v2 } est libre. En effet, soient α, β ∈ R tels que αv1 + βv2 = 0 (?).
Alors (?) ⇒ α = β = 0, par suite {v1 , v2 } est libre. Donc {v1 , v2 } est une base de A = Ker f . Ainsi
dim Ker f = 2.
•) D’après le théorème du rang (des dimensions), on a dim R4 = dim Ker f + dim Im f . Or dim R4 =
4, dim Ker f = 2 et par conséquent dim Im f = rg( f ) = 2.

3) On sait que Im f est un sous-espace vectoriel de R2 avec dim Im f = dim R2 = 2. Donc Im f = R2 et

par suite f est surjective.
4) On a :
f (e1 ) = (1, 1) f (e2 ) = (2, 1) f (e3 ) = (0, 1) f (e4 ) = (0, 1)

M. Louzari, 2019 25 Faculté des sciences de Tétouan

Chapitre 3. Déterminants & réduction des matrices Algèbre II (SMC/SMP)

Alors  
 1 2 0 0 
Mat( f ; B0 , B1 ) =  
1111

Exercice 3.4. Calculer l’inverse de la matrice suivante en utilisant la matrice adjointe.

 
 1 0 −2 
A =  3 1 4  .
 
 
5 2 −3

Solution. On a    
 1 0 −2   1 0 −2 
dét(A) =  3 1 4  =  3 1 4 
   
   
 5 2 −3   −1 0 −11  L3 − 2L2  L3
 
 1 −2 
= (−1)4    = −13 , 0.
 −1 −11 
D’où, A est une matrice inversible. Cherchons, son inverse avec la méthode de la matrice adjointe : En
effet,      
 1 4   0 −2   0 −2 
C11 =   = −11 C21 = −   = −4 C31 =  =2
 2 −3   2 −3   1 4 
     
 3 4   1 −2   1 −2 
C12 = −   = 29 C22 =  =7 C32 = −   = −10
 5 −3   5 −3   3 4 
     
 3 1   1 0   1 0 
C13 =  =1 C23 = −   = −2 C33 =  =1
 5 2   5 2   3 1 
Ainsi,    
 C11 C21 C31   −11 −4 2 
Ad j(A) =  C12 C22 C32  =  29 7 −10  .
   
   
C13 C23 C33 1 −2 1
D’où    
 −11 −4 2   −11 −4 2 
1  1 
=  29 7 −10  =  29 7 −10  .
 
A−1
dét(A)   −13  
1 −2 1 1 −2 1
On peut facilement vérifier que AA−1 = A−1 A = I3 .

Exercice 3.5. Utiliser la règle de Cramer pour résoudre le système suivant :





 −2x + 3y − z = 1
x + 2y − z = 4





 −2x − y + z = −3



M. Louzari, 2019 26 Faculté des sciences de Tétouan

Chapitre 3. Déterminants & réduction des matrices Algèbre II (SMC/SMP)

Solution. D’abord on a :
   
 −2 3 −1   −2 3 2 
∆ =  1 2 −1  =  1 2 1  C2 + C3  C3
   
   
 −2 −1 1   −2 −1 0 
 
 −4 −1 0 
 −2L2 + L1  L1
=  1 2 1 

 
 −2 −1 0 
 
 −4 −1 
= −   = −2 , 0.
 −2 −1 
Donc, on peut appliquer la règle de Cramer pour résoudre ce système linéaire.

∆x ∆y ∆z
x= , y= , z= .
∆ ∆ ∆
Avec,    
 1 3 −1   1 3 −1 
∆ x =  4 2 −1  =  4 L2 + L3  L3
   
2 −1 
   
 −3 −1 1   1 1 0
 
 1 3 −1 
=  3 −1 0 
 
 L − L1  L2
 1 1 0  2


 
 3 −1 
= −   = −4.
 1 1 

   
 −2 1 −1   −2 1 −1 
∆y =  1 4 −1  =  1 4 −1 
   
 L + L3  L3
 −2 −3 1   −1 1 0  2
  

 
 −2 −1 −1 
=  1 5 −1 
 
 C + C2  C2
 −1 0 0  1


 
 −1 −1 
= −   = −6.
 5 −1 

   
 −2 3 1   −2 3 1 
∆z =  1 2 4  =  1 2 4  3L1 + L3  L3
   
   
 −2 −1 −3   −8 8 0 

M. Louzari, 2019 27 Faculté des sciences de Tétouan

Chapitre 3. Déterminants & réduction des matrices Algèbre II (SMC/SMP)

 
 −2 1 1 
=  1 3 4  C1 + C2  C2
 
 
 −8 0 0
 
 1 1 
= −8   = −8.
 3 4 
Par suite, x = 2, y = 3, z = 4.

Exercice 3.6. Diagonaliser les matrices suivantes et déterminer la matrice de passage pour chaque cas :
 
   1 0 0 0 
 0 1 0   
 0 1 5 −10 
A =  1 0 1  , B =   .
 
   1 0 2 0 
010  
1 0 0 3

Solution.  
 0 1 0 
1) Pour la matrice A =  1 0 1 .
 
 
010
•) Le polynôme caractéristique de A :
 
 −λ 1 0 
dét(A − λI3 ) =  1 −λ 1  (λL2 + L3  L3 )
 
 
 0 1 −λ 
 
 −λ 1 0 
=  1 −λ 1 
 
 
 λ 1 − λ2 0 
 
 −λ 1 
= (−)5 
 λ 1 − λ 
2


√ √
= λ(2 − λ2 ) = λ( 2 − λ)( 2 + λ).
√ √
Puisque A possède trois valeurs propres distincts λ1 = 0, λ2 = 2, λ3 = − 2, alors elle est
diagonalisable. Cherchons alors les vecteurs propres associés.
 α 
 

•) Déterminons un vecteur propre associé à λ1 = 0 : Soit u =  β  ∈ R3 , on a :

 

γ
 

 
 0 
(A − λ1 I3 )u =  0  ⇔ β = 0 et α + γ = 0.
 
 
0

M. Louzari, 2019 28 Faculté des sciences de Tétouan

Chapitre 3. Déterminants & réduction des matrices Algèbre II (SMC/SMP)

   
 1   1 
Alors, u = α  0  où α ∈ R, par suite  0  est un vecteur propre associé à λ1 = 0.
   
   
−1 −1
 α 
 
√
•) Déterminons un vecteur propre associé à λ2 = 2 : Soit v =  β  ∈ R3 , on a :
 

γ
 

 √
− 2α + β = 0
 
 0  


 √
(A − λ2 I3 )v =  0  ⇔ 
 
α 2β + γ = 0


  −

 √
β − 2γ = 0
  
0


   
 1   1 
 √   √  √
Alors, v = α  2  où α ∈ R, par suite  2  est un vecteur propre associé à λ2 = 2.
   
1 1
 α 
 
√
•) Déterminons un vecteur propre associé à λ3 = − 2 : Soit w =  β  ∈ R3 , on a :
 

γ
 

 √
2α + β = 0
 
 0  


 √
(A − λ3 I3 )w =  0  ⇔ 
 
α + 2β + γ = 0


 

 √
 β + 2γ = 0
  
0


   
 1   1 
 √   √  √
Alors, w = α  − 2  où α ∈ R, par suite  − 2  est un vecteur propre associé à λ3 = − 2.
   
1 1
 
 1 1 1 
√ √ 
Maintenant, on considère la matrice de passage PA comme suit : PA =  0 2 − 2 , alors

 
−1 1 1
 
 0 0 0 
 √
A APA =  0

P−1  2 0 
 √ 
0 0 − 2
 
 1 0 0 0 
 
 0 1 5 −10 
2) Pour la matrice B =  .
 1 0 2 0 
 
100 3
•) Le polynôme caractéristique de B :
 
 1 − λ 0 0 0   
 1 − λ 5 −10 
 0 1−λ 5
 
−10 
dét(B − λI4 ) =   = (1 − λ)  0 2 − λ
 
0 
 1 0 2−λ 0  
0 0 3−λ

3−λ
 
 1 0 0

M. Louzari, 2019 29 Faculté des sciences de Tétouan

Chapitre 3. Déterminants & réduction des matrices Algèbre II (SMC/SMP)

 
 −λ
2  20 
= (1 − λ)   = (1 − λ)2 (2 − λ)(3 − λ).
 0 3 − λ 

On a ainsi, trois valeurs propres λ1 = 1, λ2 = 2, λ3 = 3.

 α 
 

 β 
 
•) Déterminons le sous-espace propre E1 : Soit u =   ∈ R4 , on a :
 γ 
δ
 

     
 0    0   −2 
 5γ − 10δ = 0 
γ = 2δ
      
 0  
   1   0 
(B − I4 )u =   ⇔  α+γ =0 ⇔ ⇔ u = β   + δ   où β, δ ∈ R.

 

 0  
  α = −γ

 0   2 
   α + 2δ = 0

    
0 0 1

   
 0   −2 
   
 1   0 
Alors,   et   sont deux vecteurs propres associés à la valeur propre λ1 = 1, et puisque ces
 0   2 
   
0 1
deux vecteurs sont linéairement indépendants, alors dim E1 = 2. Donc, B est diagonalisable, car
les autres valeurs propres sont simples.
 α 
 

β
 
•) Déterminons le sous-espace propre E2 : Soit v =   ∈ R4 , on a :
 γ 
δ
 

 
 0  
 −α =0 
α = δ = 0
  
 0  
 
(B − 2I4 )v =   ⇔  + =
 
⇔

−β 5γ − 10δ 0  β = 5γ

 0  
 
α+δ =0



 
0

   
 0   0 
   
 5   5 
Alors, v = γ   où γ ∈ R. Donc   est un vecteur propre associé à λ2 = 2.
 1   1 
   
0 0

M. Louzari, 2019 30 Faculté des sciences de Tétouan

Chapitre 3. Déterminants & réduction des matrices Algèbre II (SMC/SMP)

 α 
 

 β 
 
•) Déterminons le sous-espace propre E3 : Soit w =   ∈ R4 , on a :
 γ 
δ
 

=0
  
 0  


 −2α

 −2β + 5γ − 10δ =0 α = γ = 0
  
 0  
 
(B − 3I4 )w =   ⇔ 
 
⇔
α−γ =0  β = −5δ
 
 0  



α =0
  
0



   
 0   0 
   
 −5   −5 
Alors, w = δ   où δ ∈ R. Donc 
 0  est un vecteur propre associé à λ3 = 3. Considérons la

 0   
 
1 1
   
 0 −2 0 0   1 0 0 0 
  
 0 1 0 0 

 1 0 5 −5 
matrice formée par ces vecteurs propres. PB =  . Alors on a : PB BPB = 
−1 
 0 2 1 0   0 0 2 0 
   
0 1 0 1 0003
 5 
 − 2 1 −5 5 
 1 
 − 0 0 0 
B = 
où P−1  2 
 1 0 1 0 
 1 
2 0 0 1

 cos θ sin θ 

 
Exercice 3.7. Considérons la matrice suivante : A =   où θ ∈ R.
− sin θ cos θ
   
 1   i 
1) Montrer que   et   sont deux vecteurs propres de A.
i 1
 
 1 i 
2) Si P =  , calculer le produit P−1 AP.
i 1

Solution.
1)
 cos θ sin θ   1   cos θ + i sin θ   cos θ + i sin θ 
          
 1  1
•) On a :     =   =   = e  . D’où   est
iθ
− sin θ cos θ i − sin θ + i cos θ i(cos θ + i sin θ) i i
un vecteur propre associé à la valeur propre e . iθ

 cos θ sin θ   i   i cos θ + sin θ   i(cos θ − i sin θ) 
          
 i  i
•) On a :     =   =   = e  . D’où   est
−iθ
− sin θ cos θ 1 −i sin θ + cos θ (cos θ − i sin θ) 1 1
un vecteur propre associé à la valeurpropre −iθ
  e .
 1   i 

2) Considérons la nouvelle base B =    ,  
  
, la matrice de passage de la base canonique à la

 i
 1  

M. Louzari, 2019 31 Faculté des sciences de Tétouan

Chapitre 3. Déterminants & réduction des matrices Algèbre II (SMC/SMP)

 
 1 i 
base B est la matrice P =   formée des vecteurs propres. Alors,
i 1
 
 eiθ 0 
P AP = 
−1   .
0 e−iθ

Exercice 3.8 (Contrôle, Mai 2018).

1) Calculer le déterminant  
 1 −2 3 0 
 
 5 1 0 2 
 .
 7 2 1 0 

 3 4 0 −2 

2) Trouver l’inverse de la matrice

 
 1 −1 0 
A =  1 0 −1  .
 
 
−6 2 3

Solution.
1) On a :    
 1 −2 3 0   1 −2 3 0 
0  L2 ← L2 + L4
   
 5 1 0 2   8 5 0
 = 
 7 2 1 0   7
 
2 1 0 

 3 4 0 −2   3 4 0 −2 
 
 1 −2 3 
= −2  8 5 0  L2 ← L2 − 8L1
 
 
 7 2 1  L3 ← L3 − 7L1
 
 1 −2 3 
= −2  0 21 −24 
 
 
 0 16 −20 

= −2(−420 + 384)

= 72.

2) Utilisons la méthode de la matrice adjointe pour déterminer l’inverse de la matrice

 
 1 −1 0 
A =  1 0 −1 .
 
 
−6 2 3

M. Louzari, 2019 32 Faculté des sciences de Tétouan

Chapitre 3. Déterminants & réduction des matrices Algèbre II (SMC/SMP)

   
 1 −1 0   1 0 0 
•) D’abord, on a : dét(A) =  1 0 −1  =  1 1 −1  = −1 , 0. Donc A est bien inversible.
   
   
 −6 2 3   −6 −4 3 

•) Déterminons la comatrice de A. Alors

       
  0 −1   1 −1   1 0  
 +   −  +  
  2 3   −6 3   −6 2  
 
   
         2 3 2 
  −1 0   1 0   1 −1      
Com(A) =  −   +   −    =  3 3 4 
  2 3   −6 3   −6 2    



 1 1 1
       
  −1 0   1 0 
 +  1 −1  

 +   − 
 
 0 −1   1 −1   1 0  

Ainsi  
 2 3 1 
Ad j(A) = Com(A)t =  3 3 1 
 
 
241

Par suite  
 −2 −3 −1 
1
= .Ad j(A) =  −3 −3 −1  .
 
A−1
dét(A)  
−2 −4 −1

M. Louzari, 2019 33 Faculté des sciences de Tétouan