Revisions Algebre Lineaire

CPGE-AGADIR-MP2 Révision algébre linéaire MPSI 2022
Page 1
Contents
1 Révisions algèbre linéaire MPSI 3

I. espaces vectoriels - applications linéaires. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
II. Exercices corrigés . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
III. Matrices -déterminants . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
IV. Exercices corrigés : . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
2
Chapter 1
Révisions algèbre linéaire MPSI
Dans toute ce chapitre, K désigne le corps R , C ou Q et E, F désigneront des espaces vectoriels sur le corps K.
I. espaces vectoriels - applications linéaires.

Définition 1
F est un sous-espace vectoriel de E si, et seulement si

• F ̸= ∅ (en général on montre que 0 ∈ F )
• F est stable par combinaison linéaire c’est-à-dire :
∀ λ ∈ K, ∀ (x, y) ∈ E 2 , x + λy ∈ F
Définition 2
f : E −→ F est linéaire (sur le corps K) si, et seulement si
∀ λ ∈ K, ∀ (x, y) ∈ E 2 , f (x + λy) = f (x) + λf (y)
On note alors L(E, F ) l’ensemble des applications linéaires de E dans F

• Si F = E, on dit que f est un endomorphisme. On note L(E) l’ensemble des endomorphismes
• Si f est bijective ont dit que c’est un isomorphisme.
• Si f est un automorphisme bijectif, on dit que c’est un automomorphisme. L’ensemble des automorphismes
est appelé groupe linéaire et est noté GL(E)
Rappels des principales définitions

• Im f = f (E) = {y ∈ F |∃ x ∈ E, y = f (x)} et ker f = {x ∈ E |f (x) = 0}
ker f est un sous-espace vectoriel de E et Im f est un sous-espace vectoriel de F .
• f est dite surjective si Im f = F c’est-à-dire : ∀ y ∈ F, ∃ x ∈ E, y = f (x)
• f est dite injective si ∀ (x, y) ∈ E 2 , f (x) = f (y) ⇒ x = y.
f ∈ L(E) est injective si, et seulement si ker f = {0}
3
Remarque 1
{ ∑ }
n
vect(x1 , x2 . . . , xn ) = x ∈ E ∃ (λ1 , λ2 , . . . , λn ) ∈ K n , x = λi xi
i=1
{∑ }
n

=
λi xi (λ1 , λ2 , . . . , λn ) ∈ K n
i=1
c’est un sous espace vectoriel de E appelé sous espace vectoriel engendré par la famille de vecteurs (x1 , . . . , xn )
.
Définition 3
Soit (x1 , . . . , xn ) une famille finie d’éléments de E.

1. On dit que cette famille est libre (ou linéairement indépendante) si
( )
∀ λ1 , . . . , λn ∈ K, λ1 x1 + . . . + λn xn = 0 =⇒ λ1 = λ2 = . . . = λn = 0 .
2. On dit qu’elle est génératrice de E si E = vect(x1 , x2 , . . . , xn ) c’est-à-dire
∑
n
∀ x ∈ E, ∃ (λ1 , λ2 . . . , λn ) ∈ K n | x = λi xi
i=1
3. une base si elle est libre et génératrice.

Si une base est finie, on appelle dimension de E le cardinal de cette base. Toutes les bases ont alors le
même cardinal.
( )
Thèorème 1 théorème de la base incomplète
Soit E de dimension n ̸= 0 et soit p ∈ [[ 1, n − 1 ]]. Soit (e1 , . . . ep ) une famille libre.

Il existe n − p vecteurs notés (ep+1 , . . . en ) tels que (e1 , . . . en ) soit une base de E.
Proposition 1
dim E = n
• Une famille génératrice à au moins n éléments.
• Une famille génératrice avec exactement n éléments est une base.
• Une famille libre à au plus n éléments.
• Une famille libre avec exactement n éléments est une base.
Remarque 2
Pour montrer que (e1 , . . . , en ) est une base de E :

• Si on ne connaît pas la dimension de E, montrer que (e1 , . . . , en ) est libre et génératrice .
Si dim E = n :
• Montrer que detβ (e1 , . . . , en ) ̸= 0 où β est une base de E.

• Montrer que (e1 , . . . , en ) est libre.
• Montrer que (e1 , . . . , en ) est génératrice.
• Montrer que rg(e1 , . . . , en ) = n.
Page 4
( )
Remarque 3 Cas d’une famille quelconque
Soit (xi )i∈I une famille de vecteurs du K-espace vectoriel E.

• On dit que la famille (xi )i∈I est libre si ∀J ⊂ I tel que J est fini, la famille (xi )i∈J est libre.
• On dit que la famille (xi )i∈I est génératrice de E si tout vecteur de E s’exprime comme une combinaison
linéaire des vecteurs de cette famille, c’est-à-dire que ∀x ∈ E, ∃J ⊂ I avec J fini tel que x est combinaison
linéaire des vecteurs de (xi )i∈J ,on notera vect (xi )i∈I l’ensemble des combinaisons linéaires de la famille
(xi )i∈I .
• On dit que (xi )i∈I est une base de E si (xi )i∈I est à la fois libre et génératrice.
• En pratique
– Pour montrer que la famille (xi )i∈I est libre on montre que toute sous-famille de type (xi1 , . . . , xin )
où n ∈ N∗ est libre.
– Pour montrer que la famille (xi )i∈I est génératice de ∑E (ie : E = vect (xi )i∈I on montre que :
∀x ∈ E ∃ n ∈ N∗ ∃(λi1 , . . . , λin ) ∈ Kn tel que : x = n
k=1 λik xik .
• Théoréme de la base incomplète Soit E un K-espace vectoriel de dimension finie, G = (gi )i∈I une
famille génératrice finie de E et L = (gi )i∈J une sous-famille libre de G.
∃K | J ⊂ K ⊂ I et B = (gi )i∈K base de E
Proposition 2
• F ⊂ E ⇒ dim F ⩽ dim E.
• Si F ⊂ E et dim F = dim E alors F = E.
Proposition 3
Si E et F sont de dimension finie.

• dim E × F = dim E + dim F. Notamment dim K n = n.
• dim L(E, F ) = dim E × dim F
• dim Mn,p (K) = np
• dim Kn [X] = n + 1
Définition 4
On appelle rang de n vecteurs (e1 , e2 , . . . , en ) l’entier positif défini par
rg(e1 , e2 , . . . , en ) = dim vect(e1 , e2 , . . . , en )
Rappel important : Soit (e1 , e2 , . . . , eq ) des vecteurs de E

∑
• vect(e1 , e2 , . . . , eq ) = vect(e1 , . . . , e∑
i + j̸=i λj ej , . . . , eq ) par conséquent :
rg(e1 , e2 , . . . , eq ) = rg(e1 , . . . , ei + j̸=i λj ej , . . . , eq )
• rg(e1 , e2 , . . . , eq ) ⩽ q et rg(e1 , e2 , . . . , eq ) ⩽ dim E.
• (e1 , e2 , . . . , eq ) liée et (e1 , e2 , . . . , eq−1 ) libre alors :
eq ∈ vect(e1 , e2 , . . . , eq−1 ) .
• rg(e1 , e2 , . . . , eq ) = q si, et seulement si (e1 , e2 , . . . , eq ) est libre.
Notamment, rg(e1 , e2 , . . . , eq ) < q si, et seulement si la famille est liée.
Page 5
• rg(e1 , e2 , . . . , eq ) = dim E si, et seulement si (e1 , e2 , . . . , eq ) est génératrice de E
Définition 5
Soit F et G deux sous-espaces vectoriels de E. On appelle somme de F et G, l’ensemble
F + G = {x ∈ E | ∃ (f, g) ∈ F × G, x = f + g}
Définition 6
On dit que la somme F + G est directe si ∀ (f, g) ∈ F × G, f + g = 0 =⇒ f = g = 0.

On écrit alors F + G = F ⊕ G.
Proposition 4
1. F ∩ G = {0}
2. F et G sont en somme directe.
3. tout élément x de F + G se décompose de manière unique sous la forme x = f + g avec f ∈ F et g ∈ G
c’est-à-dire
∀ x ∈ F + G, ∃ ! (f, g) ∈ F × G | x = f + g
Définition 7
On dit que F et G sont supplémentaires dans E si E = F ⊕ G ou encore
∀ x ∈ E, ∃ ! (f, g) ∈ F × G, x = f + g
Remarque 4
Un espace vectoriel a en général une infinité de supplémentaires. Ne pas confondre la notion de supplémentaire
avec celle de complémentaire.
Proposition 5
En dimension finie, tout sous-espace vectoriel de F , admet un supplémentaire.
démonstration : Si F = E, il suffit de poser G = {0}, et inversement G = E si F = {0}.

Sinon, soit (e1 , . . . ep ) une base de F . C’est notamment une famille libre de E. D’après le théorème de la base incomplète, il existe
n − p vecteurs notés (ep+1 , . . . en ) tels que (e1 , . . . en ) soit une base de E.
Il suffit de poser G = vect(ep+1 , . . . en ).
Page 6
cqfd
Définition 8
Soit E de dimension finie et F un sous-espace vectoriel de E. On dit qu’une base de E est adaptée à F si ses
premiers éléments forment une base de F
Remarque 5
On rappelle au passage la relation dim(F ⊕ G) = dim F + dim G.
Remarque 6
Pour montrer que deux applications linéaires sont égales il suffi de montrer qu’elles coïncident sur les éléments
d’une base.
Définition 9
Soit f ∈ L(E, F ), on suppose Im f de dimension finie. On appelle rang de f , l’entier
rg f = dim (Im f ) .
Si β = (e1 , . . . , en ) est une base de E et γ est une base quelconque de F , Im(f ) = vect{f (e1 ), . . . , f (en )} on a
aussi
rg f = dim(Im(f )) = dim vect{f (e1 ), . . . , f (en )} = rg (matβ,γ f )
Remarque 7
• f surjective si, et seulement si rg f = dim F

( )
• rg f ⩽ min dim E, dim F
Proposition 6
Soit f ∈ L(E, F ) et soit deux isomorphismes h : H → E et g : F → G.

( ) ( ) ( ) ( )
rg f ◦ h = rg f et rg g ◦ f = rg f
“Le rang est invariant par composition avec un isomorphisme”.
Remarque 8
( )
En fait, on a d’une façon plus générale rg(f ◦ g) ⩽ min(rg f, rg g) car Im f ◦ g ⊂ Im f et que dim f (Im g) ⩽
( Im g par exemple )avec le théorème du rang (ou puisque si (g1 , g2 , . . . , gn ) est une base de Im g alors
dim
f (g1 ), f (g2 ), . . . , f (gn ) est génératrice de Im f|Im g ou de Im f ◦ g ).
Page 7
Ce théorème est fondamental :
( )
Thèorème 2 théorème du rang
Soient E de dimension finie et f ∈ L(E, F )
dim E = dim(ker f ) + dim(Im f ) = dim(ker f ) + rg f
Remarque 9
Notamment dim(Im f ) ⩽ dim E (espace de départ).
Thèorème 3
Soient E et F deux espaces vectoriels tel que dim E = dim F < +∞.
Soit f ∈ L(E, F ). :
Les propositions suivantes sont équivalentes :
1. f est bijective (ie :det f ̸= 0 ).

2. f est injective (ie :ker f = {0E } ).
3. f est surjective (ie :Im f = F ou rg(f ) = dim E ) .
Remarque 10
L’hypothèse dim E = dim F est notamment vérifiée pour f ∈ (E).
Thèorème 4
• Soit f ∈ L(E, F ). L’image d’une base de E par f est génératrice de Im f

• l’image d’une (de toute) base de E est une base de Im f si, et seulement si f est un isomorphisme de E
vers Im f
Définition 10
Soient E1 , E2 , . . . , En des sous-espaces vectoriels d’un K-espace vectoriel E.

On appelle somme des espaces vectoriels E1 , E2 , . . . , En l’ensemble
{ }
E1 + E2 + · · · + En = x1 + x2 + · · · + xn (x1 , x2 , . . . , xn ) ∈ E1 × E2 × · · · × En
∑
On le note également nk=1 Ei .
Page 8
Remarque 11
∑n
• k=1 Ei est l’image de l’application linéaire φ : E1 × E2 × · · · × En −→ E
(x1 , x2 , . . . , xn ) 7−→ x1 + x2 + · · · + xn
C’est donc un sous-espace vectoriel de E.
• Si un espace vectoriel
∑ contient chaque Ei , il contient donc les éléments x1 ∑ + x2 + · · · + xn où xi ∈ Ei
c’est-à-dire contient ni=1 E i . Inversement, en considérant les vecteurs nuls, n
i=1 Ei contient chacun des
Ei . Par suite ( )
∑n ∪
n
Ei = vect Ei
i=1 i=1
Définition 11
∑p
On dit que les sous-espaces E1 , E2 , . . . , En sont en somme directe, (ou encore que la somme i=1 Ei est directe)
si pour tout (x1 , x2 , . . . , xn ) ∈ E1 × E2 × · · · × En
x1 + x2 + . . . + xn = 0 =⇒ x1 = x2 = . . . = xn = 0
la somme est alors notée

∑
n ⊕
n
Ei = E1 ⊕ E2 ⊕ · · · ⊕ En = Ei
i=1 i=1
Proposition 7
∑ ∑
La somme pi=1 Ei est directe si, et seulement si tout vecteur x de pi=1 Ei se décompose de manière unique
comme somme d’éléments de E1 , E2 , . . . , En c’est-à-dire
∑
p
∀x ∈ Ei , ∃ ! (x1 , x2 , . . . , xn ) ∈ E1 × E2 × · · · × En , x = x1 + x2 + . . . + xn .
i=1
Remarque 12
Vous avez vu en première année que F + G = F ⊕ G ⇐⇒ F ∩ G = {0}.
La réciproque est fausse à partir de 3 sous-espaces.
Considérons l’exemple R2 = vect(1, 0) + vect(0, 1) + vect(1, 1). La somme n’est pas directe mais vect(1, 0) ∩
vect(0, 1) = vect(1, 0) ∩ vect(1, 1) = vect(0, 1) ∩ vect(1, 1) = {0}
Proposition 8
Soit E est de dimension finie et E1 , . . . , En des sous-espaces vectoriels de E.

( n )
∑ ∑n
dim Ei ⩽ dim Ei
i=1 i=1
avec égalité si, et seulement si la somme est directe.
Page 9
( )
Corollaire 1 caractérisation en dimension finie
Dit plus explicitement, en dimension finie :

( n )
∑ ∑n ∑
n
dim Ei = dim Ei si, et seulement si Ei est directe
i=1 i=1 i=1
(⊕n ) ∑
On note alors dim i=1 Ei = n
i=1 dim Ei .
Remarque 13
On rappelle à cette occasion la formule de Grassmann dim(F + G) = dim F + dim G − dim F ∩ G.
Corollaire 2
Soient E de dimension finie et E1 , E2 , . . . , Eq des sous-espaces vectoriels .
⊕
n { ∑ { ∑
dim E = n
∑ i=1 dim Ei dim E∑= n i=1 dim Ei
E= Ei ⇐⇒ n ⇐⇒
i=1 Ei est directe E= n i=1 Ei
i=1
Pour deux espaces, le théorème devient
Corollaire 3
Soient E de dimension finie et F, G deux sous-espaces vectoriels de E.

{ {
F ∩ G = {0} F +G=E
E = F ⊕ G ⇐⇒ ⇐⇒ .
dim E = dim F + dim G dim E = dim F + dim G
Thèorème 5
Soit E de dimension finie .

Si pour⊕ tout i de [[ 1, q ]], βi désigne une base de Ei , alors la réunion β des βi est une base de E si, et seulement
si E = qi=1 Ei . . ⊕
appelée base adaptée a la décomposition E = qi=1 Ei .De plus :
Elle est ⊕
Si E = qi=1 Ei et si x = x1 + · · · + xq est la décomposition de x suivant les facteurs Ei , on pose :
pi : x 7→ xi
⊕
, pi est le projecteur sur Ei parallèlement à j̸=i Ej et la famille de projecteurs (pi )1≤i≤q est dite famille de
projecteurs associée a cette somme directe ,elle
∑peut être caractérisée par les propriétés
⊕q suivantes:
pi ◦ pi = pi , i ̸= j ⇒ pi ◦ pj = pj ◦ pi = 0, q
i=1 p i = IE , Im p i = E i , ker p i = j=1|j̸=i Ej
Page 10
( )
Thèorème 6 Dualité
• Si H est un hyperplan de E, alors ∃φ ∈ E ∗ \ {0} telle que H = ker φ. Toute forme linéaire φ telle que
H = ker φ s’appelle une équation de H.
⊕
• Si H est un hyperplan de E et x ∈/ H alors : E = H Kx .
• Soient φ, ψ ∈ E ∗ \ {0}, alors ker φ ⊂ ker ψ ⇔ ∃α ∈ K/φ = αψ. Si H est un hyperplan de E et φ une
équation de H, les équations de H sont les αψ avec α ∈ K∗ .
• en dimension finie si B = (e1 , ..., en ) une base de E. On définie la famille de forme linéaire B∗ = (e∗1 , ..., e∗n )
par :
∑n
e∗i (ej ) = δij (ie : e∗i ( xj ej ) = xi )
j=1
La famille B forme une base de E appelée base duale de B. On dit que B est la base antéduale de B∗ .
∗ ∗
II. Exercices corrigés .

( )
Exercice 1 facile
On considère dans R4 :
v1 = (1, 2, 0, 1) v2 = (1, 0, 2, 1) v3 = (2, 0, 4, 2)
w1 = (1, 2, 1, 0) w2 = (−1, 1, 1, 1) w3 = (2, −1, 0, 1) w4 = (2, 2, 2, 2).
1. Montrer que (v1 , v2 ) est libre et que (v1 , v2 , v3 ) est liée.

2. Montrer que (w1 , w2 , w3 ) est libre et que (w1 , w2 , w3 , w4 ) est liée.
3. Montrer que (v1 , v2 , w1 , w2 ) est libre.
4. Soit F le sous-espace vectoriel de R4 engendré par (v1 , v2 , v3 ).
(a) Déterminer une base de F .
(b) Donner un supplémentaire de F .
5. Soit G le sous-espace vectoriel engendré par (w1 , w2 , w3 , w4 ). Déterminer une base de G.
6. (a) A l’aide des bases trouvées en 4. et 5. construire un système générateur de F + G.
(b) En déduire que F + G = R4 .
7. (a) Montrer que v1 + v2 est dans F ∩ G.
(b) Calculer la dimension de F ∩ G.
(c) Donner une base de F ∩ G.
8. F et G sont-ils supplémentaires?
Solutions :
1. v1 et v2 ne sont pas proportionnels, donc la famille (v1 , v2 ) est libre. En revanche, v3 = 2v1 et donc (v1 , v2 , v3 ) est liée.
2. Soit aw1 + bw2 + cw3 = 0. On trouve le système
 

 a − b + 2c = 0 
 a − b + 2c = 0
 
2a + b − c = 0 3b − 5c = 0
⇐⇒

 a+b = 0 
 2b − 2c = 0
 
b+c = 0 b+c = 0
Les deux dernières équations donnent immédiatement b = c = 0 et en revenant à la première on obtient aussi a = 0.
Ainsi, la famille (w1 , w2 , w3 ) est libre. Étudions maintenant aw1 + bw2 + cw3 + dw4 = 0. On trouve le système
 
 a − b + 2c + 2d = 0





a − b + 2c + 2d = 0
2a + b − c + 2d = 0 3b − 5c − 2d = 0
⇐⇒

 a + b + 2d = 0 
 2b − 2c = 0
 
b + c + 2d = 0 b + c + 2d = 0
Page 11


 a + b + 2d = 0

−2b − 2d = 0
⇐⇒

 c = b

2b + 2d = 0
La seconde et la dernière équation sont identiques, et on trouve que le système est équivalent à


 a = b

b = b

 c = b

d = −b
Ainsi, w1 + w2 + w3 − w4 = 0 : la famille (w1 , w2 , w3 , w4 ) est liée. Bien sûr, on pouvait remarquer dès le départ que
w4 = w1 + w2 + w3 . . . .
3. On résoud toujours l’équation av1 + bv2 + cw1 + dw2 = 0 et on prouve que a = b = c = d = 0. Le détail des calculs
est laissé au lecteur courageux...
4. (a) (v1 , v2 , v3 ) est une famille génératrice de F mais ce n’est pas une base de F car elle n’est pas libre. Puisque v3
est C.L de v1 et v2 , la famille (v1 , v2 ) engendre aussi F . Elle est libre : c’est une base de F .
(b) Puisque (v1 , v2 , w1 , w2 ) est une famille libre de 4 vecteurs dans un espace de dimension 4, c’est une base de
R4 . Si F0 est le sous-espace vectoriel engendré par w1 et w2 , alors F0 est un supplémentaire de F . En effet,
F ∩ F0 = {0}, puisqu’un élément x de F ∩ F0 s’écrit à la fois x = av1 + bv2 = av1 + bv2 + 0w1 + 0w2 et
x = cw1 + dw2 = 0v1 + 0v2 + cw1 + dw2 ce qui entraine, par unicité de l’écriture dans une base, a = b = c = d = 0
et x = 0. De plus, dim(F ⊕ F0 ) = dim(F ) + dim(F0 ) = 4, et donc F ⊕ F0 est un sous-espace de R4 de dimension
4 : F ⊕ F0 = R 4 .
5. En raisonnant comme à la question précédente, mais en utilisant cette fois le résultat de la question 2. on trouve que
(w1 , w2 , w3 ) est une base de G.
6. (a) Un système générateur de F + G est obtenu en faisant la réunion d’un système générateur de F et d’un système
générateur de G. La famille (v1 , v2 , v3 , w1 , w2 , w3 , w4 ) est donc un système générateur de F + G.
(b) D’après la question 3, (v1 , v2 , w1 , w2 ) est une famille libre. Puisqu’elle comporte quatre éléments, c’est une base
de R4 . Ainsi, le sous-espace vectoriel qu’elle engendre est égal à R4 . Or, on a vect(v1 , v2 , w1 , w2 ) ⊂ F + G, et
donc F + G = R4 puisqu’il contient R4 (et est évidemment contenu dans R4 ).
7. (a) Puisque v1 et v2 sont dans F et que F est un espace vectoriel, v1 + v2 est dans F . De plus, v1 + v2 = w4 ∈ G.
(b) Par le théorème des quatre dimensions, on a
dim(F + G) = dim(F ) + dim(G) − dim(F ∩ G)
d’où on tire 4 = 2 + 3 − dim(F ∩ G), soit dim(F ∩ G) = 1.
(c) Posons v = v1 + v2 . Alors la famille (v) est une famille libre de un vecteur dans un espace de dimension 1. C’est
une base de F ∩ G.
8. Non, F ∩ G ̸= {0}.
Exercice 2
Soit (ϕλ )λ≥0 la famille de fonctions de C([0, 1], R) définie par ∀x ∈ [0, 1]ϕλ (x) = xλ . Montrer que famille
(ϕλ )λ≥0 est une famille libre de C([0, 1], R).
Solutions :
Méthode 1:
′
On considére l’application linéaire T définie par : T : C 1 (]0, 1], R) → C([0, 1], R), f 7→ x → xf (x). ∀λ ≥ 0 , T (ϕλ ) = λϕλ
ainsi la famille (ϕλ )λ≥0 est une famille de vecteurs propres associés a des valeures propres deux a deux distincts d’ou (ϕλ )λ≥0
est une famille libre.
Méthode 2 :
(par l’absurde).
Soit n ∈ N∗ et (λk )1≤k≤n tels que 0 ≤ λ1 < λ2 < .... < λn supposons que la famille (ϕλk )1≤k≤n est liée. alors il existe
∑n
une famille non nulle de scalaires (αk )1≤k≤n tel que : αk ϕλk = 0.
k=1
∑
n
Soit m=inf{k ∈ [[0, n]];αk non nul }, alors αk ϕλk = 0 et donc pour tout x ∈]0, 1],
k=m
∑
n
αm + αk xλk −λm = 0, ,puis en tendant x vers 0, on obtient que :
k=m+1
αm = 0. ,ce qui est absurde , d’ou la famille (ϕλk )1≤k≤n est une famille libre de C([0,1]).
Enfin la famille (ϕλ )λ≥0 est une famille libre de C([0,1]).
Page 12
Exercice 3
Soit E un ev et f ∈ L(E). Montrer que f est une homothétie si et si ∀x ∈ E (x, f (x)) liée .
Solutions :
Si x est un vecteur non nul tel que (x, f (x)) est liée alors il existe un scalaire λx tel que f (x) = λx x. Si x = 0,
f (x) = 0 = 0x et encore une fois il existe un scalaire λx tel que f (x) = λx x.
Inversement, si pour tout x de E, il existe λx ∈ tel que f (x) = λx x, alors la famille (x, f (x)) est liée. Donc
[(∀x ∈ E, (x, f (x)) liée) ⇔ (∀x ∈ E, ∃λx ∈ / f (x) = λx x)].
Notons de plus que dans le cas oú x ̸= 0, la famille (x) est une base de la droite vectorielle Vect(x) et en particulier, le
nombre λx est uniquement défini.
Montrons maintenant que f est une homothétie c’est á dire montrons que : ∃λ ∈ / ∀x ∈ E, f (x) = λx.
Soient x0 un vecteur non nul et fixé de E puis x un vecteur quelconque de E.
1er cas. Supposons la famille (x0 , x) libre. On a f (x + x0 ) = λx+x0 (x + x0 ) mais aussi f (x + x0 ) = f (x) + f (x0 ) =
λx x + λx0 x0 et donc
(λx+x0 − λx )x + (λx+x0 − λx0 )x0 = 0.
Puisque la famille (x0 , x) est libre, on obtient λx+x0 − λx = λx+x0 − λx0 = 0 et donc λx = λx+x0 = λx0 . Ainsi, pour
tout vecteur x tel que (x, x0 ) libre, on a f (x) = λx0 x.
2ème cas. Supposons la famille (x0 , x) liée. Puisque x0 est non nul, il existe un scalaire µ tel que x = µx0 . Mais alors
f (x) = µf (x0 ) = µλx0 x0 = λx x.
Finalement, il existe un scalaire k = λx0 tel que pour tout vecteur x, f (x) = kx et f est une homothétie. La réciproque
étant claire, on a montré que
∀f ∈ L(E), [(f homothétie) ⇔ (∀x ∈ E, (x, f (x)) liée)].
Exercice 4
Soit A ∈ R[X] un polynôme non-nul et F = {P ∈ R[X]; A divise P }. Montrer que F est un sous-espace
vectoriel de R[X] et trouver un supplémentaire à F .
Solutions :
Remarquons que F = {AQ; Q ∈ R[X]}, ce qui permet facilement de prouver que F est un sous-espace vectoriel de R[X].
D’autre part, prenons maintenant B ∈ R[X]. D’après la division euclidienne, il s’écrit de façon unique sous la B = AQ + R,
où Q ∈ R[X] et R ∈ Rd−1 [X], où d est le degré de d, c’est-à-dire de façon unique comme la somme d’un élément de F et
d’un élément de Rd−1 [X]. Ceci signifie exactement que F et Rd−1 [X] sont des sous-espaces vectoriels supplémentaires de
R[X].
Exercice 5
Soit E = D(R, R) l’espace des fonctions dérivables et F = {f ∈ E | f (0) = f ′ (0) = 0}. Montrer que F est un
sous-espace vectoriel de E et déterminer un supplémentaire de F dans E.
Page 13
Solutions :
Analysons d’abord les fonctions de E qui ne sont pas dans F : ce sont les fonctions h qui vérifient h(0) ̸= 0 ou h′ (0) ̸= 0.
Par exemple les fonctions constantes x 7→ b, (b ∈ R∗ ) ou les homothéties x 7→ ax, (a ∈ R∗ ) n’appartiennent pas à F .
Cela nous donne l’idée de poser { }
G = x 7→ ax + b | (a, b) ∈ R2 .
Montrons que G est un supplémentaire de F dans E.
Soit f ∈ F ∩ G, alors f (x) = ax + b (car f ∈ G) et f (0) = b et f ′ (0) = a ; mais f ∈ F donc f (0) = 0 donc b = 0 et
′
f (0) = 0 donc a = 0. Maintenant f est la fonction nulle : F ∩ G = {0}.
Soit h ∈ E, alors remarquons que pour f (x) = h(x) − h(0) − h′ (0)x la fonction f vérifie f (0) = 0 et f ′ (0) = 0 donc
f ∈ F . Si nous écrivons l’égalité différemment nous obtenons
h(x) = f (x) + h(0) + h′ (0)x.
Posons g(x) = h(0) + h′ (0)x, alors la fonction g ∈ G et
h = f + g,
ce qui prouve que toute fonction de E s’écrit comme somme d’une fonction de F et d’une fonction de G : E = F + G.
En conclusion nous avons montré que E = F ⊕ G.
Exercice 6
Soit E un espace vectoriel et f ∈ L(E).

1. Montrer que
ker(f ) = ker(f 2 ) ⇐⇒ Imf ∩ ker(f ) = {0}.
2. On suppose que E est de dimension finie. Montrer que
ker(f ) = ker(f 2 ) ⇐⇒ Imf ⊕ ker(f ) = E ⇐⇒ Im(f ) = Im(f 2 ).
Solutions :
1. On peut commencer par remarquer que si f (x) = 0, alors f 2 (x) = 0 et donc on a toujours ker(f ) ⊂ ker(f 2 ). C’est
l’autre implication qui n’est pas toujours vraie.
Supposons donc ker(f ) = ker(f 2 ) et montrons que Im(f ) ∩ ker(f ) = {0}. Soit x ∈ Im(f ) ∩ ker(f ). Alors y = f (x), et
f (y) = 0. En particulier, f 2 (x) = 0, donc f (x) = 0, puisque ker(f 2 ) ⊂ ker(f ). Ainsi, y = f (x) = 0, ce qui prouve une
implication.
Réciproquement, supposons ker(f ) ∩ Im(f ) = {0} et montrons que ker(f 2 ) ⊂ ker(f ). Si x ∈ ker(f 2 ), alors on a
f (f (x)) = 0. Si on pose y = f (x), alors y ∈ ker(f ) ∩ Im(f ), et donc f (x) = y = 0, ce qui prouve que x ∈ ker(f ).
2. D’après le théorème du rang, on a dim(Im(f )) + dim(ker(f )) = dim(E). Or, si ker(f ) ∩ Im(f ) = {0}, ker(f ) ⊕ Im(f )
est un sous-espace vectoriel de E de dimension dim(Im(f )) + dim(ker(f )) = dim(E) : il est donc égal à E tout entier.
On vient donc de prouver que
ker(f ) ∩ Im(f ) = {0} ⇐⇒ ker(f ) ⊕ Im(f ) = E.
En tenant compte de la question précédente, ceci prouve la première équivalence.
On va ensuite démontrer que la première et la troisième assertion sont équivalentes, ce qui achèvera la preuve. En
effet, si ker(f ) = ker(f 2 ), d’après le théorème du rang, on
dim(Im(f )) = dim(E) − dim(ker(f ))

= dim(E) − dim(ker(f 2 ))
= dim(Im(f 2 )).
Or, on a toujours Im(f 2 ) ⊂ Im(f ) puisque f 2 (x) = f (f (x)) pour tout x de E. Les deux sous-espaces sont égaux.
La réciproque se prouve exactement de la même façon. On remarque que dim(Im(f )) = dim(Im(f 2 )) entraîne
dim(ker(f )) = dim(ker(f 2 )) en utilisant le théorème du rang, et on utilise l’inclusion toujours vraie ker(f ) ⊂ ker(f 2 ).
Page 14
Exercice 7
Le but de cet exercice est l’étude de l’application ∆ définie sur R[X] par (∆P )(X) = P (X + 1) − P (X).
1. Question préliminaire : Soit (Pn ) une famille de R[X] telle que pour chaque n, deg(Pn ) = n. Prouver que
(Pn ) est une base de R[X].
2. Montrer que ∆ est une application linéaire. Calculer son noyau et son image.
3. Montrer qu’il existe une unique famille (Hn )n∈N de R[X] telle que H0 = 1, ∆(Hn ) = Hn−1 , et Hn (0) = 0.
Montrer que (Hn ) est une base de R[X].
4. Soit P ∈ Rp [X]. Montrer que P peut s’écrire
∑
p
P = (∆n P )(0)Hn .
n=0
∑n
5. Montrer que l’on a (∆n P )(0) = k=0 (−1)
n−k k
Cn P (k).
X(X−1)...(X−n+1)
6. Montrer que pour tout n, Hn = n!
.
7. En déduire que, pour tout polynôme P de degré p, les assertions suivantes sont équivalentes :
i. P prend des valeurs entières sur Z.
ii. P prend des valeurs entières sur {0, . . . , p}.
iii. Les coordonnées de P dans la base (Hn ) sont des entiers.
iv. P prend des valeurs entières sur p + 1 entiers consécutifs.
Solutions :
1. Pour montrer que la famille est libre, il suffit de prouver que toute sous-famille finie est libre ou encore que, pour tout
p, la famille (P0 , . . . , Pp ) est libre. Imaginons que l’on ait une relation de liaison α0 P0 + · · · + αp Pp = 0, où l’un au
moins des αi est non nul. Soit q le plus grand des i pour lequel αi ̸= 0. Alors, le polynôme α0 P0 + · · · + αq Pq est de
degré q, et en même temps il est nul : c’est bien sûr une contradiction. La famille (Pn ) est donc libre. D’autre part,
fixons un p ≥ 0 et Q un polynôme de degré p. Puisque (P0 , . . . , Pp ) est une famille libre de Rp [X] qui est de dimension
p + 1, il en est une base. Ainsi, Q peut s’écrire α0 P0 + · · · + αp Pp , ce qui prouve que la famille (Pn ) est génératrice :
c’est donc une base de R[X].
2. La linéarité ne pose pas de problèmes. D’autre part, si le terme dominant de P est αn X n , le terme dominant de ∆(P )
est αn × nX n−1 . Ainsi, ∆P = 0 si et seulement P ∈ R0 [X] (ie si P est un polynôme constant). D’autre part, posons
pour n ≥ 0 Pn = ∆(X n+1 ). La famille (Pn ) est une famille de polynômes à degrés étagés. En outre, cette famille est
contenue dans Im(∆). On a donc, d’après le résultat de la question préliminaire, R[X] = vect(Pn ; n ≥ 0) ⊂ Im(∆).
Ceci prouve que ∆ est surjective.
3. On note E = {P ∈ R[X]; P (0) = 0}. E est un supplémentaire de R0 [X] dans R[X]. Ainsi, ∆ induit un isomorphisme
de E sur R[X]. On montre alors l’existence et l’unicité de Hn par récurrence sur n, le cas n = 0 étant donné par
l’énoncé. Supposons (H0 , . . . , Hn−1 ) uniquement construits. Alors, la remarque précédente fait qu’il existe un unique
Hn de E tel que ∆(Hn ) = Hn−1 . On montre alors facilement par récurrence que pour chaque n, deg(Hn ) = n (cela
vient du fait que deg(∆(P )) = deg(P ) − 1 si P n’est pas un polynôme constant. D’après le résultat de la question
préliminaire, (Hn ) forme une base de R[X].
4. Puisque (Hn ) est une base de R[X], et puisqu’en outre la famille (Hn ) est à degrés étagés, il existe des réels α0 , . . . , αp
tels que P = α0 H0 + · · · + αp Hp . Calculons ∆n (P ), sachant que ∆n (Hk ) = Hk−n si n ≤ k, ∆n (Hk ) = 0 sinon. On
obtient donc :
∆n P = αn H0 + · · · + αp Hp−n .
On évalue ensuite ce polynôme en 0, en utilisant le fait que Hk (0) = 0 si k ̸= 0, mais vaut 1 si k = 0. On obtient donc
:
∆n P (0) = αn .
5. On va montrer que
∑
n
(∆n P )(X) = (−1)n−k Cnk P (X + k),
k=0
l’évaluation en 0 faisant le reste. Notons T (P )(X) = P (X + 1); clairement, T k (P )(X) = P (X + k). Remarquons que
∆ = T − I. Puisque T et I commutent, il est légitime d’appliquer la formule du binôme, et on a :
∑
n
∆n = (−1)n−k Cnk T k .
k=0
Page 15
Les calculs son effectués dans l’algèbre (L(R[X], +, ., o) des endomorphismes de R[X] . Il suffit d’évaluer
ceci en P pour obtenir le résultat annoncé.
6. Posons Qn = X(X−1)...(X−n+1)
n!
. Il est clair que Q0 = 1, Qn (0) = 0, et un calcul quasi-immédiat montre que
∆Qn = Qn−1 . Ainsi, la famille (Qn ) satisfait les conditions uniques qui définissent la famille (Hn ). C’est donc que
Qn = Hn pour tout n.
7. Il est d’abord clair que i. =⇒ ii.. Que ii. entraîne iii. résulte du calcul de ∆n P (0) et de la décomposition de P dans
la base Hn . Remarquons d’autre part que si a est dans {0, . . . , n − 1}, Hn (a) = 0, et si a ≥ n, Hn (a) = Can ∈ Z. Si
a < 0, a s’écrit −b avec b > 0, et on a Hn (a) = (−1)k Cb+k−1
k
. La décomposition de P dans la base Hn fait alors que
P (a) ∈ Z pour tout a ∈ Z, et on a prouvé l’équivalence des 3 premiers points. Enfin, il est clair que i. =⇒ iv. Si P
prend des valeurs entières sur {a, . . . , a + p}, alors Q(X) = P (X + a) prend des valeurs entières sur {0, . . . , p}, et par
l’équivalence des 3 premiers points, Q prend des valeurs entières sur Z tout entier. Il en est de même pour P .
Exercice 8
Soit E un R-espace vectoriel. Soient p et q deux projecteurs de E.

1. Montrer que p + q est un projecteur si et seulement si p ◦ q = q ◦ p = 0.
2. Montrer que, dans ce cas, on a Im(p + q) = Im(p) ⊕ Im(q) et ker(p + q) = ker p ∩ ker q.
Solutions :
1. La condition est suffisante. En effet, si p ◦ q = q ◦ p = 0, alors
(p + q)2 = p2 + p ◦ q + q ◦ p + q 2 = p + q
et donc p + q est un projecteur.

Réciproquement, si p + q est un projecteur, alors le calcul précédent donne
p ◦ q + q ◦ p = 0.
On a alors :
p ◦ q = p2 ◦ q = p ◦ (p ◦ q) = −p ◦ (q ◦ p) = −(p ◦ q) ◦ p = (q ◦ p) ◦ p = q ◦ p.
On obtient donc 2p ◦ q = 0, ce qui entraîne p ◦ q = 0 et par suite q ◦ p = 0.
2. Prouvons d’abord que Im(p) et Im(q) sont en somme directe. En effet, si x ∈ Im(p) ∩ Im(q), alors x = p(x) et x = q(x)
d’où x = p(x) = p(q(x)) = 0.
D’autre part, il est clair que Im(p + q) ⊂ Im(p) + Im(q). Réciproquement, soit z = p(x) + q(y) ∈ Im(p) + Im(q). Alors
p(z) = p2 (x) + p ◦ q(y) = p(x) et q(z) = q ◦ p(x) + q 2 (y) = q(y).
Ainsi, z = (p + q)(z) ∈ Im(p + q).

Enfin, on a toujours ker(p) ∩ ker(q) ⊂ ker(p + q). Réciproquement, si p(x) + q(x) = 0, alors puisque Im(p) et Im(q)
sont en somme directe, on a p(x) = 0 et q(x) = 0, d’où x ∈ ker(p) ∩ ker(q).
Page 16
( )
Exercice 9 Polynômes d’interpolation de Lagrange
Comment déterminer les polynômes P qui prennent des valeurs données sur une famille (ai )n
i=0 ,(ai )0≤i≤n
d’éléments de K distincts deux à deux?
En utilisant l’application linéaire
( )
u : P ∈ K[X] 7→ P (a0 ), . . . , P (an ) ∈ Kn+1
Le noyau de u est constitué des polynômes qui ∏ admettent pour racines les scalaires ai , i ∈ [[ 0, n ]]; ker u est donc
l’ensemble des multiples du polynôme N = n i=0 (X − ai ). Puisque N est un polynôme de degré n + 1, Kn [X]
est un supplémentaire de (N ) = ker u, donc est isomorphe à Im u.( Ainsi Im u est un) sous-espace vectoriel de
Kn+1 de dimension dim Kn [X] = n + 1, donc Im u = Kn+1 et P 7→ P (a0 ), . . . , P (an ) réalise un isomorphisme
de Kn [X] sur Kn+1 .
∏ X−a
Pour i ∈ [[ 0, n ]], on pose Li = j∈[[ 0,n ]]\{j} ai −ajj . Les Li sont sont des polynômes de degré n qui vérifient
∀(i, j) ∈ [[ 0, n ]]2 , Li (aj ) = δij

∑ ∑n
Puisque n i=0 λi Li (ak ) = i=0 λi δik = λk , la famille (L0 , . . . , Ln ) est une famille libre et maximale, donc une
base de Kn [X] et
∑
n
∀P ∈ Kn [X], P = P (ai )Li
i=0
( )−1 ∑
n
u|Kn [X] (λ0 , . . . , λn ) = λi Li
i=0
∑
n
u(P ) = (λ0 , . . . , λn ) ⇐⇒ ∃A ∈ Kn [X], P = λi Li + AN
i=0
Si Kn [X] et Kn+1 sont munies de leurs bases canoniques, déterminer la matrice de u|Kn [X] et son inverse.
Exercice 10
∩ et f un endomorphisme de E. Pour k ∈ N, on pose Nk = Ker(f ) et Ik = Im(f )

k k
Soient E un
∪espace vectoriel
puis N = Nk et I = Ik . (N est le nilespace de f et I le cœur de f )
k∈N k∈N
1. (a) Montrer que les suites (Nk )k∈N et (Ik )k∈N sont respectivement croissante et décroissante pour
l’inclusion.
(b) Montrer que N et I sont stables par f .
(c) Montrer que ∀k ∈ N, (Nk = Nk+1 ) ⇒ (Nk+1 = Nk+2 ).
2. On suppose de plus que dimE = n entier naturel non nul.
(a) Soit A = {k ∈ N/ Nk = Nk+1 } et B = {k ∈ N/ Ik = Ik+1 }. Montrer qu’il existe un entier p ⩽ n tel
que A = B = {k ∈ N/ k ⩾ p}.
(b) Montrer que E = Np ⊕ Ip .
(c) Montrer que f/N est nilpotent et que f/I ∈ GL(I).
3. Trouver des exemples où
(a) A est vide et B est non vide,
(b) A est non vide et B est vide,
(c) (****) A et B sont vides.
4. Pour k ∈ N, on pose dk = dim(Ik ). Montrer que la suite (dk − dk+1 )k∈N est décroissante.
Solutions :
1. (a) Soient k ∈ N et x ∈ E. x ∈ Nk ⇒ f k (x) = 0 ⇒ f (f k (x)) = 0 ⇒ x ∈ Nk+1 .
Page 17
∀k ∈ N, Nk ⊂ Nk+1 .
Soient k ∈ N et y ∈ Ik+1 ⇒ ∃x ∈ E/ y = f k+1

(x) ⇒ ∃x ∈ E/ y = f k (f (x)) ⇒ y ∈ Ik .
∀k ∈ N, Ik+1 ⊂ Ik .
(b) Soit x ∈ N . Il existe un entier k tel que x est dans Nk ou encore tel que f k (x) = 0. Mais alors f k (f (x)) =
f (f k (x)) = 0 et f (x) est dans Nk et donc dans N . Ainsi, N est stable par f .
Soit y ∈ I. Alors, pour tout naturel k, il existe xk ∈ E tel que y = f k (xk ). Mais alors, pour tout entier k,
f (y) = f (f k (xk )) = f k (f (x)) est dans Ik , et donc f (y) est dans I. I est stable par f .
(c) Si Nk = Nk+1 , on a déjà Nk+1 ⊂ Nk+2 . Montrons que Nk+2 ⊂ Nk+1 .
Soit x ∈ Nk+2 . Alors f k+1 (f (x)) = 0 et donc f (x) ∈ Nk+1 = Nk . Donc, f k (f (x)) = 0 ou encore x est dans
Nk+1 . On a montré que
∀k ∈ N, [(Nk = Nk+1 ) ⇒ (Nk+1 = Nk+2 )].
2. (a) Notons tout d’abord que, pour tout entier naturel k, Nk ⊂ Nk+1 et Ik+1 ⊂ Ik . Si de plus, on est en dimension
finie, alors d’après le théorème du rang,
Nk = Nk+1 ⇔ Ik+1 = Ik ⇔ dimNk = dimNk+1 .
Donc A = B (éventuellement = ∅).

La suite des noyaux itérés ne peut être strictement croissante pour l’inclusion car alors la suite des dimensions de
ces noyaux serait une suite strictement croissante d’entiers naturels, vérifiant par une récurrence facile dimNk ⩾ k
pour tout naturel k, et en particulier dimNn+1 > dimE ce qui est exclu.
Donc il existe un entier k tel que Nk = Nk+1 . Soit p le plus petit de ces entiers k.
Par définition de p, Nk est strictement inclus dans Nk+1 pour k < p, puis Np = Np+1 et d’après 1)c) pour tout
entier naturel k supérieur ou égal à p on a Nk = Np (par récurrence sur k ⩾ p). Donc A = {p, p + 1, p + 2, ...}.
Enfin, dim(N0 ) < dim(N1 ) < ... < dim(Np ) et donc dim(Np ) ⩾ p ce qui impose p ⩽ n.
(b) On a déjà dimNp + dimIp = dimE. Il reste à vérifier que Ip ∩ Np = {0}.
Soit x un élément de Ip ∩ Np . Donc f p (x) = 0 et il existe y ∈ E tel que x = f p (y). Mais alors f 2p (y) = 0 et y
est dans N2p = Np (car 2p ⩾ p) ou encore x = f p (y) = 0.
E = Ip ⊕ Np .
p p
(c) Ici N = Np = Kerf et I = Ip = Imf .
Soit f ′ = f/N . D’après 1)b), f ′ est un endomorphisme de N puis immédiatement f ′p = 0. Donc f/N est
nilpotent.
Soit f ′′ = f/I . f ′′ est d’après 1)b) un endomorphisme de I. Pour montrer que f ′′ est un automorphisme de I,
il suffit de vérifier que Kerf ′′ = {0}. Mais Kerf ′′ ⊂ Kerf ⊂ N et aussi Kerf ′′ ⊂ I. Donc Kerf ′′ ⊂ N ∩ I = {0}.
Donc f/I ∈ GL(I).
3. Il faut bien sûr chercher les exemples en dimension infinie.
(a) Soit f de R[X] dans lui-même qui à un polynôme P associe sa dérivée P ′ . On vérifie aisément que ∀k ∈ N,
Nk = Rk [X] et donc la suite des noyaux itérés est strictement croissante. La suite des Ik est par contre constante
: ∀k ∈ N, Ik = R[X]. Dans ce cas, A est vide et B = N.
(b) A un polynôme P , on associe le polynôme XP . Les Nk sont tous nuls et pour k ∈ N donné, Ik est constitué des
polynômes de valuation supérieure ou égale à k ou encore Ik = X k R[X]. Dans ce cas, A = N et B = ∅.
(c) Soit f l’endomorphisme de R[X] qui à X n associe X n+1 si n n’est pas une puissance de 2 et 0 si n est une
puissance de 2 (f (1) = X, f (X) = 0, f (X 2 ) = 0, f (X 3 ) = X 4 , f (X 4 ) = 0, ...)
Soit k un entier naturel.
k k k
−1 +1+2k −1 k+1 k k k+1
f2 (X 2 +1
) = X2 = X2 ̸= 0 et f 2 (X 2 +1
) = f (X 2 ) = 0.
Donc, pour tout entier naturel k, N2k −1 est strictement inclus dans Nk . A est vide.
k+1 k+1 k
Ensuite, X 2 ∈ I2k −1 mais X 2 ∈
/ I2k . En effet, si l ⩾ 2k+1 + 1, f 2 (X l ) est ou bien nul ou bien de degré
k
supérieur ou égal à 2k + 2k+1 + 1 > 2k+1 et si l ⩽ 2k+1 , f 2 (X l ) = 0 car entre l et 2k + l − 1, il y a une puissance
de 2 (il y a 2k nombres entre l et 2k + l − 1, ensuite 2k + l − 1 < 2k + 2k+1 = 3 × 2k < 2k+2 et enfin l’écart entre
deux puissances de 2 inférieures à 2k+1 vaut au maximum 2k+1 − 2k = 2k ) . Donc, I2k contient le polynôme nul
k+1
ou des polynômes de degré strictement supérieur à 2k+1 et ne contient donc pas X 2 . Finalement, pour tout
entier naturel k, I2k est strictement inclus dans I2k −1 et B est vide.
4. Pour k entier naturel donné, on note fk la restriction de f à Ik . D’après le théorème du rang, on a
dimIk = dimKerfk + dimImfk avec Imfk = f (Ik ) = Ik+1 .
Page 18
Donc, pour tout entier naturel k, dk − dk+1 = dimKerfk .

Or, pour tout entier naturel k, Kerfk+1 = Kerf ∩ Ik+1 ⊂ Kerf ∩ Ik = Kerfk et donc dk+1 − dk+2 = dimKerfk+1 ⩽
dimKerfk = dk − dk+1 .
Finalement, pour tout entier naturel k, dk+1 − dk+2 ⩽ dk − dk+1 et la suite des images itérées décroît de moins en
moins vite.
Exercice 11
Dans cet exercice, on suppose connue la propriété suivante : si E1 est un espace vectoriel et F1 est un sous-espace
vectoriel de E1 , alors il possède un supplémentaire. Soient alors E, F, G trois espaces vectoriels, u ∈ L(F, G) et
v ∈ L(E, G). Démontrer que les propriétés suivantes sont équivalentes :
1. Im(v) ⊂ Im(u);
2. Il existe w ∈ L(E, F ) tel que v = u ◦ w.
Solutions :
• (2) ⇒ (1) : c’est l’inclusion facile. En effet, si x ∈ Im(v), alors x = v(y) = u(w(y)) et donc x ∈ Im(u).
• (1) ⇒ (2) : commençons par réfléchir à ce que l’on souhaite... Pour x ∈ E, on veut définir w(x) ∈ F tel que
u(w(x)) = v(x). Mais, puisque Im(v) ⊂ Im(u), alors il existe y ∈ E tel que v(x) = u(y). On a envie de poser
w(x) = y, ce qui donne la bonne factorisation. Le problème c’est que plusieurs y peuvent répondre à ce problème...
On va se simplifier la tâche en considérant F1 un supplémentaire de ker u dans F . Alors u|F1 est un isomorphisme de
F1 sur G. En particulier, on peut définir l’isomorphisme réciproque f : G → F1 vérifiant u(f (x)) = x. On pose alors
w(x) = f (v(x)). w est bien un élément de L(E, F ), et
∀x ∈ E, u(w(x)) = u(f (v(x))) = v(x).
Exercice 12
Soient un sous-corps de C et E un -espace vectoriel de dimension finie notée n. Soit u un endomorphisme de

E. On dit que u est nilpotent si et seulement si ∃k ∈ N∗ / uk = 0 et on appelle alors indice de nilpotence de u
le plus petit de ces entiers k (par exemple, le seul endomorphisme u, nilpotent d’indice 1 est 0).
1. Soit u un endomorphisme nilpotent d’indice p. Montrer qu’il existe un vecteur x de E tel que la famille
(x, u(x), ..., up−1 (x)) soit libre.
2. Soit u un endomorphisme nilpotent. Montrer que un = 0.
3. On suppose dans cette question que u est nilpotent d’indice n. Déterminer rgu.
Solutions :
1. Soit p(∈ N∗ ) l’indice de nilpotence de u.

Par définition, up−1 ̸= 0 et plus généralement, pour 1 ≤ k ≤ p − 1, uk ̸= 0 car si uk = 0 alors up−1 = uk ◦ up−1−k = 0
ce qui n’est pas.
Puisque up−1 ̸= 0, il existe au moins un vecteur x non nul tel que up−1 (x) ̸= 0.
Montrons que la famille (uk (x))0≤k≤p−1 est libre.
∑
Soit (λk )0≤k≤p−1 ∈p tel que p−1 k
k=0 λk u (x) = 0. Supposons qu’au moins un des coefficients λk ne soit pas nul. Soit
i = Min {k ∈ {0, ..., p − 1}/ λk ̸= 0}.
∑
p−1
∑
p−1
∑p−1
∑
p−1
λk uk (x) = 0 ⇒ λk uk (x) = 0 ⇒ up−1−i ( λk uk (x)) = 0 ⇒ λk up−1−i+k (x) = 0
k=0 k=i k=i k=i
⇒ λi up−1 (x) = 0 (car pour k ≥ i + 1, p − 1 − i + k ≥ p et donc up−1−i+k = 0)

⇒ λi = 0 (car up−1 (x) ̸= 0)
ce qui contredit la définition de i.

Donc tous les coefficients λk sont nuls et on a montré que la famille (uk (x))0≤k≤p−1 est libre.
Page 19
2. Le cardinal d’une famille libre est inférieur ou égal à la dimension de l’espace et donc p ≤ n. Par suite, un =
up ◦ un−p = 0.
3. rg (u) = dim vect(u(x), . . . , un−1 (x)) = n − 1.
III. Matrices -déterminants
Page 20
Matrices et déterminants
I. Cours .
I.1 Les matrices .
I.1.a Calculs matriciels .
Généralités
Définition 1
Soient n, p ∈ N∗ .
• A ∈ Mn,p (K) est une matrice à n lignes et p colonnes , on peut écrire A = (ai,j )(i,j)∈[[ 1,n ]]×[[ 1,p ]] ou
sous 
forme d’un tableau rectangulaire 
a1,1 a1,2 . . . a1,j . . . a1,p
 a2,1 a2,2 . . . a2,j . . . a2,p 
 
... ... ... ... ... ...  ( ) ( )
A=   ou. A = ai,j 1 ⩽ i ⩽ n ou ai,j .

 ai,1 ai,2 . . . ai,j . . . ai,p  1⩽j⩽p
... ... ... ... ... ... 
an,1 an,2 . . . an,j . . . an,p
On dit que A est de taille (n, p) . Les ai,j sont appelés coefficients de la matrices A .
• Attention les couples (i, j) est une variable muette on peut alors noté une matrice A =
(ai,j )(i,j)∈[[ 1,n ]]×[[ 1,p ]] ou A = (ak,l )(k,l)∈[[ 1,n ]]×[[ 1,p ]] ou bien A = (ax,y )(x,y)∈[[ 1,n ]]×[[ 1,p ]] ....etc .
La matrice nulle 0n,p

La matrice de type (n, p) dont tous les coefficients sont des zéros est appelée la matrice nulle et est notée 0n,p ou
plus simplement 0. 0n,p = (0)(i,j)∈[[ 1,n ]]×[[ 1,p ]] La matrice identité In
La matrice carrée suivante s’appelle la matrice identité :
 
1 0 ... 0
 0 1 ... 0 
 
In =  .. .. .. ..  = (δi,j )(i,j)∈[[ 1,n ]]2
 . . . . 
0 0 ... 1
Où δi,j est le symbole de Kronecker . Les matrices triangulaires inférieur

Soit A une matrice carré d’ordre n. On dit que A est triangulaire inférieure si ses éléments au-dessus de la diagonale
sont nuls, autrement dit :
i < j =⇒ aij = 0.
Une matrice triangulaire inférieure a la forme suivante:
 
a11 0 ··· ··· 0
 ..
 a21 a22 . . . .
 
 .. .. .. .. 
..
 . . . . 
.
 
 . . .. 
 .. .. . 0 
an1 an2 ··· ··· ann
On notera T In (K) l’ensemble des matrices triangulaires inférieurs d’ordre n et à coefficients dans K.
Les matrices triangulaires supérieures
Soit A une matrice carré d’ordre n.On dit que A est supérieure si ses éléments en-dessous de la diagonale sont nuls,
page 1 Année 2018/2019 CPGE AL QALAM AGADIR

autrement dit :
i > j =⇒ aij = 0.
Une matrice triangulaire supérieure a la forme suivante:
 
a11 a12 . . . ... ... a1n
 0 a22 . . . ... ... a2n 
 
 .. .. .. .. 
 . . . . 
 
 .. . .. .. 
 . .. . . 
 
 . .. .. .. 
 .. . . . 
0 ... ... ... 0 ann
On notera T Sn (K) l’ensemble des matrices triangulaires inférieurs d’ordre n et à coefficients dans K. Les matrices
diagonales
une matrice diagonale d’ordre n est une matrice carrée d’ordre n dont tous les coefficients extra-diagonaux sont nuls.
Cest donc une matrice de la forme
 
a1 0 ... 0
 0 a2 ... 0 
 
D= .. .. .. ..  = (ai δi,j )(i,j)∈[[ 1,n ]]2
 . . . . 
0 0 ... an
. est notée parfois D = diag(a1 , ..., an ) (C’est une matrice triangulaire supérieure et inférieure en même temps .)
On notera Dn (K) l’ensemble des matrices diagonales d’ordre n à coefficients dans K. Les matrices élémentaires
Ei,j
Une matrice élémentaire de Mn,p (K) est une matrice dont tous les coefficients sont nuls sauf un qui vaut 1 .Si
(i, j) ∈ [[ {, 1 ]]n × [[ {, 1 ]]p , Ei,j la matrice dont tous les coefficients sont nuls sauf celui à la i-ème ligne et j-ème
colonne :
 
0
 .. 
 0 . 0 
 
Ei,j = 0 · · · 0 1 0 · · · 0

 ← i
 .. 
 0 . 0 
0
↑
j
On écrira aussi Ei,j = (δi,k δj,l )(k,l)∈[[ 1,n ]]×[[ 1,p ]]
Attention aux indices des lignes et des colonnes .
Définition 2
Soit  
a11 a12 ... a1p
 a21 a22 ... a2p 
 
A= .. .. ..  ∈ Mn,p (K).
 . . . 
an1 an2 ... anp
On appelle matrice transposée de A la matrice tA de type (p, n) définie par :
 
a11 a21 . . .. an1
 a12 a22 . . . an2 
 
A= . ..  ∈ Mp,n (K).
t
..
 .. . . 
a1p a2p ... anp
Autrement dit : Si A = (ai,j )(i,j)∈[[ 1,n ]]×[[ 1,p ]] ∈ Mn,p (K) , alors
t
A = (aj,i )(i,j)∈[[ 1,p ]]×[[ 1,n ]] ∈ Mp,k (K). Ou encore la i-ème ligne de A devient la i-ème colonne de tA (et
réciproquement la j-ème colonne de tA est la j-ème ligne de A)

Définition 3
Une matrice carrée A d’ordre n est symétrique si elle est égale à sa transposée, c’est-à-dire si
t
A=A
.
ou encore si aij = aji pour tout i, j ∈ [[ 1, n ]]. Les coefficients sont donc symétriques par rapport à la
diagonale.
On notera Sn (K) l’ensemble des matrices symétriques d’ordre n.
Définition 4
Une matrice carrée A d’ordre n est antisymétrique si elle est égale à l’opposée de sa transposée, c’est-à-
dire si
t
A = −A,
.
ou encore si aji = −ai,j pour tout i, j ∈ [[ 1, n ]].
Remarquons que les éléments diagonaux d’une matrice antisymétrique sont toujours tous nuls.
On notera An (K) l’ensemble des matrices symétriques d’ordre n.
( )
Proposition 1 Structure d’espace vectoriel sur Mn,p (K)
1. On définit sur Mn,p (K) une addition et une multiplication externe comme suit :
∀A = (ai,j )(i,j)∈[[ 1,n ]]×[[ 1,p ]] , B = (bi,j )(i,j)∈[[ 1,n ]]×[[ 1,p ]] ∈ Mn,p (K), ∀λ ∈ K :
A + B = (ai,j + bi,j )(i,j)∈[[ 1,n ]]×[[ 1,p ]] et λ.A = (λai,j )(i,j)∈[[ 1,n ]]×[[ 1,p ]]
2. Mn,p (K) est K espace vectoriel .

.
3. (Ei,j )1⩽i⩽n est une base de Mn,p (K) appelée base canonique de Mn,p (K).
1⩽j⩽p
∑
n ∑
p
4. ∀A = (ai,j )1⩽i⩽n ∈ Mn,p (K), A = ai,j Ei,j .
1⩽j⩽p i=1 j=1
5. Mn,p (K) est K espace vectoriel de dimension np . (dim(Mn,p (K)) = n × p).
Proposition 2
L’application transposition A 7→t A est un isomorphisme de l’espace vectoriel Mn,p (K) vers l’espace vecto-
riel Mp,n (K) , en particulier ∀A, B ∈ Mn,p (K), ∀α ∈ K :
• t(A + B) =t A +t B .
• t(αA) = αtA
• t(tA) = A

( )
Proposition 3 sous-espace vectoriel de Mn (K)
1. L’ensemble Dn (K) des matrices diagonales d’ordre n est un sous-espace vectoriel de dimension n de
Mn (K) de plus (E1,1 , . . . , En,n ) est une base de Dn (K).
2. L’ensemble T Sn (K) des matrices triangulaires supérieurs d’ordre n est un sous-espace vectoriel de
n(n + 1)
dimension de Mn (K) de plus {Ei,j |1 ⩽ i ⩽ j ⩽ n} est une base de T Sn (K).
2
3. L’ensemble T In (K) des matrices triangulaires inférieures d’ordre n est un sous-espace vectoriel de
n(n + 1)
dimension de Mn (K) de plus {Ei,j |1 ⩽ j ⩽ i ⩽ n} est une base de T In (K).
2
4. L’ensemble Sn (K) des matrices symétriques d’ordre
. n est un sous-espace vectoriel de dimension
n(n + 1)
de Mn (K) de plus {Ei,j + Ej,i |1 ⩽ i ⩽ j ⩽ n} est une base de Sn (K).
2
5. L’ensemble An (K) des matrices antisymétriques d’ordre n est un sous-espace vectoriel de dimension
n(n − 1)
de Mn (K) de plus {Ei,j − Ej,i |1 ⩽ i < j ⩽ n} est une base de An (K).
2
⊕
6. Mn (K) = Sn (K) An (K)
La somme , le produit par un scalaire d’une matrice diagonale , triangulaires sup , triangulaire
inf , symétrique , antisymétrique est respectivement une matrice diagonale , triangulaires
sup , triangulaire inf , symétrique , antisymétrique
Produit matricielle
( )
Définition 5 Produit de deux matrices
Soient A = (aij ) ∈ Mn,p (K) une matrice de type (n, p) et B = (bij ) ∈ Mp,q (K) une matrice de type (p, q).
Alors le produit C = (cij ) = AB ∈ Mn,q (K) est une matrice de type (n, q) dont les coefficients cij sont
définis par : .
∑
p
∀(i, j) ∈ [[ 1, n ]] × [[ 1, q ]], cij = aik bkj
k=1
On peut écrire le coefficient de façon plus développée, à savoir :
cij = ai1 b1j + ai2 b2j + · · · + aik bkj + · · · + aip bpj .
Il est commode de disposer les calculs de la façon

 suivante. 
b1,1 · · · b1,j ··· b1,q
 .. .. .. 
 . . . 
 
 bi,1 · · · bk,j ··· bi,q 
 
 . .. .. 
 .. . . 
bp,1 · · · bp,j ··· bp,q
 ↓ 
  c1,1 .................. c1,q
a1,1 ··· a1,k ··· a1,p  . .. 
 .. .. ..   .. . 
  
 . . .   
 ai,1 c ci,q 
 ··· ai,k ··· ai,p 
 −→  i,1 ··· ci,j ··· 
 ..   

.. ..  
. . .   .. .. 
 . . 
an,1 ··· an,k ··· an,p
cn,1 .................. cn,q

( )
Remarque 1 Notation très commode !
Soit A = (aij )(i,j)∈[[ 1,n ]]×[[ 1,p ]] ∈ Mn,p (K) il est trés commode d’adopter La notation suivante :
∀ (i, j) ∈ [[ 1, n ]] × [[ 1, p ]], ai,j = [A]i,j Coefficient de la i-éme ligne et de la j-éme collonne de A.
Avec la notation précédente on a :
• [A + B]i,j = [A]i,j + [B]i,j . .
• ∀λ ∈ K, [λA]i,j = λ [A]i,j .
∑
p
• [A × B]i,j = [A]i,k × [B]k,j
k=1
( )
Proposition 4 Récapitulatif important des produits matriciels à apprendre
     
1 0 0
 ..   ..   .. 
.  .  .
     
1. La base canonique (e1 , . . . , en ) de Mn,1 (K) s’écrit (0 , . . . , 1 i-éme , . . . , 
    
0) , de plus :
.  .  .
 ..   ..   .. 
0 0 1
(te1 , . . . ,t en ) = ((1, . . . , 0), . . . , (0, . . . , 1)) est la base canonique de M1,n (K) et de Kn .
( )
x1
2. Pour tout X = . ∈ Mp,1 (K) et pour tout A = (aij )(i,j)∈[[ 1,n ]]×[[ 1,p ]] ∈ Mn,p (K)
..x
p
∑p
• AX = j=1 xj Cj avec (C1 , . . . , Cp ) sont les vecteurs colonnes de A.
∑
.
• Si (e1 , . . . , ep ) est la base canonique de Mp,1 (K) , ∀j ∈ [[ 1, p ]], Aej = Cj j-éme colonne de A.
• Si (f1 , . . . , fn ) est la base canonique de M1,n (K) , ∀i ∈ [[ 1, n ]], fi A = Li i-éme ligne de A.
• ∀ (i, j) ∈ [[ 1, n ]] × [[ 1, p ]], fi Aej = aij
3. Si de plus n = p
• ∀(i, j, k, l) ∈ [[ 1, n ]]4 ,Eij Ekl = δjk Eil
• AEij = (δlj aki )(k,l)∈[[ 1,n ]]2 et Eij A = (δki ajl )(k,l)∈[[ 1,n ]]2
• Si D = diag(λ1 , λ2 , . . . , λn ) une matrice diagonale .
AD = (λj aij )(i,j)∈[[ 1,n ]]2 et DA = (λi aij )(i,j)∈[[ 1,n ]]2
• A ∈ Mn (K) est une matrice triangulaire supérieure si, et seulement si
∀i, ∈ [[ 1, n ]], Aei ∈ vect (e1 , . . . , ei ).
4. ∀A, B ∈ Mn,p (K), A = B ⇔ ∀X ∈ Mn,p (K) AX = BX.

Proposition 5
1. (Mn (K), +, ×) est un anneau , de plus la matrice identité In est son élément neutre pour la multi-
plication .
2. Dés que ⩾ 2n , (Mn (K), +, ×) est non commutatif et non intègre .

3. ∀A ∈ (Mn (K), +, ×), A0 = In , ∀k ∈ N Ak+1 = Ak × A.
Autrement dit, Ak = A × A × · · · × A.
| {z }
k facteurs
4. Soient A et B deux éléments de Mn (K) qui commutent, c’est-à-dire tels que AB = BA. Alors,
pour tout entier p ∈ N∗ , on a les formules du binôme
. :
p ( )
∑ p
(A + B)p = Ap−k B k
k
k=0
∑
p−1
Ap − B p = (A − B)( Ak B p−1−k )
k=0
∑
p−1
In − A = (In − A)(
p
Ak )
k=0
Proposition 6
1. L’ensemble Dn (K) des matrices diagonales d’ordre n est un sous anneau commutatif de l’anneau
(Mn (K), +, ×), de plus :
∀D = diag(λ1 , λ2 , . . . , λn ), D′ = diag(λ′1 , λ′2 , . . . , λ′n ) ∈ Dn (K).
• DD′ = diag(λ1 λ′1 , λ2 λ′2 , . . . , λn λ′n ).

• ∀k ∈ N, Dk = diag(λk1 , λk2 , . . . , λkn ).
2. L’ensemble des T Sn (K) des matrices triangulaires supérieurs d’ordre n est un sous-anneau de l’anneau
(Mn (K), +, ×), de plus : .
∀A = (aij )(i,j)∈[[ 1,n ]]2 , B = (bij )(i,j)∈[[ 1,n ]]2 ∈ T Sn (K) :
• AB est une matrice triangulaire supérieurs dont les termes de la diagonale sont
a11 b11 , . . . , aii bii , . . . , ann bnn .
• ∀k ∈ N Ak est une matrice triangulaire supérieurs dont les termes de la diagonale sont
ak11 , . . . , akii , . . . , aknn .
3. On a des résultats identique pour l’ensemble T In (K) des matrices triangulaires inférieurs .

( )
Proposition 7 GLn (K)
1. L’ensemble des matrices inversibles de l’anneau (Mn (K), +, ×) est noté

GLn (K) = {A ∈ Mn (K)|∃B ∈ Mn (K); AB = In et BA = In }.
2. (GLn (K), ×) est un groupe appelé Groupe linéaire d’ordre n.

3. In est inversible de plus In−1 = In .
4. Soient A et B deux matrices inversibles de Mn (K)

. , alors :
(a) AB est inversible et (AB)−1 = B −1 A−1 .
(b) Par récurrence simple sur m ∈ N∗ , si A1 , . . . , Am sont inversibles, alors
−1 −1
(A1 A2 · · · Am )−1 = A−1
m Am−1 · · · A1 .
(c) tA est inversible et on a (tA)−1 =t (A−1 ).
I.1.b Représentations matricielles .

Définitions
( )
Définition 6 Matrices d’un vecteur et d’une famille de vecteurs
Soit E un espace vectoriel de dimension finie et soit B = (e1 , e2 , . . . , ep ) une base de E.
1. Pour chaque x ∈ E, il existe un p-uplet unique d’éléments de K (x1 , x2 , . . . , xp ) tel que :x = x1 e1 +

x2 e2 + · · · + xp ep .. On appelle matrice du vecteur x dans la base B de E la matrice des coordonnées
de x dans la base B de E définie par :
 x1 
x2
matB (x) =  ..  ∈ Mp,1 (K)
.
. xp
2. Soient F = (u1 , u2 , . . . , uk ) ∈ E k une famille de k vecteurs de E telle que :

∑
p
∀j ∈ [[ 1, k ]], uj = aij ei , on appelle matrice de la famille de vecteurs F dans la base B de E la
i=1
matrice définie par :
matB (F) = (ai,j )(i,j)∈[[ 1,p ]]×[[ 1,k ]] ∈ Mp,k (K)
(Matrice dont les colonnes sont formés des matrices colonnes coordonnée des vecteurs de F )
( )
Définition 7 Matrice d’une application linéaire
Soient B = (e1 , . . . , ep ) une base de E,C ′ = (f1 , . . . , fn ) une base de F . et u ∈ L(E, F ) une application
linéaire de E dans F . On appelle matrice de u dans les bases B de E et C de F la matrice :
matB,C (u) = C(u(B) = C(u(e1 ), . . . , u(ep )) ∈ Mnp (K)

∑
n
Plus précisément , si ∀j ∈ [[ 1, p ]], u(ej ) = a1,j f1 + a2,j f2 + · · · + an,j fn = ai,j fi .
.
i=1
u(e1 ) . . . u(ej ) ... u(ep )
 
f1 a11 a1j ... a1p
f2  a21 a2j ... a2p 
 
matB,C (u) = .  .. .. .. ..  ∈ Mnp (K)
..  . . . . 
fn an1 anj ... anp

( )
Définition 8 Matrice d’une endomorphisme
Si u ∈ L(E) est un endomorphisme de E tel que : dim(E) = n ∈ N∗ et B = (e1 , . . . , en ) une base de E

. On appelle matrice de u dans la base B la matrice. matB (u) = matB,B (u), c’est la matrice de u dans la
base B en tant que base de l’espace de départ E et de l’espace d’arrivée E
Remarque 2
Les matrices représentatives d’un vecteur ,d’une famille

. de vecteurs est d’une application linéaire dépendent
des choix des bases.
Application du calcul matriciel aux applications linéaires Dans tout ce paragraphe E , F et G désignent
trois K-espaces vectoriels de dimension finies tel que :
• dim(E) = p ∈ N∗ , dim(F ) = n ∈ N∗ et dim(G) = m ∈ N∗ .
• e = (e1 , . . . , ep ) base de E ,f = (f1 , . . . , fn ) base de F et g = (g1 , . . . , gm ) base de G.

( )
Thèorème 1 Image d’un vecteur
Soient
 u ∈ L(E, F ) , x ∈ E et y ∈ F
 tel que : A = mate,f (u) = (ai,j ) ∈ Mn,p (K) et X = mate (x) =
x1  y1 
x2 y2
 ..  ∈ Mp,1 (K) et Y = matf (y) =  .  ∈ Mn,1 (K) Alors :
. ..
xp yn


 a11 x1 +a12 x2 +a13 x3 + ··· +a1p xp = y1

 ···

 a21 x1 +a22 x2 +a23 x3 + +a2p xp = y2

 .. ... .. .. .

. . . . = ..
u(x) = y ⇔ AX = Y ⇔

 a i1 x1 +ai2 x2 +ai3 x3 + ··· +aip xp = yi



 .. .. .. .. .

 . . . . = ..

an1 x1 +an2 x2 +an3 x3 + ··· +anp xp = yn
C’est les trois visions équivalentes d’une équation linéaire :

Vectorielle ⇔ Matricielle ⇔ Analytique
Thèorème 2
mate,f L(E, F ) −→ Mn,p (K)

:
L’application . est un isomorphisme d’espaces vectoriels ,
u 7−→ mate,f (u)
en particulier : ∀u, v ∈ L(E, F ), ∀λ ∈ K mate,f (u + λv) = mate,f (u) + λ mate,f (v)
Thèorème 3
1. Pour tout u ∈ L(E, F ) et v ∈ L(F, G), on a mate,g (v ◦ u) = matf,g (v) × mate,f (u) (bases organisées
en Chasles inversé )
2. si dim(E) = dim(F ) (n = p) alors , ∀u ∈ L(E, F. ) :
u est un isomorphisme ⇔ mate,f (u) ∈ GLn (K) Inversible

Dans ce cas : mate,f (u−1 ) = (mate,f (u))−1 .

( )
Corollaire 1 Cas des endomorphisme
Soit E un K espace vectoriel de dimension n ∈ N∗ et e = (e1 , . . . , ep ) une base de E ,alors :

1. Pour tout u, v ∈ L(E), mate (v ◦ u) = mate (v) × mate (u)
.
2. Pour tout u ∈ L(E) et k ∈ N , mate (uk ) = (mate (u))k .
3. ∀u ∈ L(E) , u ∈ GL(E) ⇔ mate (u) ∈ GLn (K).
linéaire canoniquement associée à une matrice , rang d’une matrice

( )
Définition 9 Endomorphisme canoniquement associé à une matrice
Soit A ∈ Mn,p (K) une matrice on appelle application linéaire canoniquement associée à A ,
l’application linéaire définie par :
fA : Mp,1 (K) −→ Mn,1 (K)

∈ L(Mp,1 (K), Mn,1 (K))
X 7−→ AX
Si de plus n = p , fA ∈ L(Mn,1 (K)) est dit endomorphisme canoniquement associé à la matrice carrée A.
.
Noter que la matrice de l’application linéaire canoniquement associée à A dans les bases canoniques de
Mp,1 (K) et Mn,1 (K) est la matrice A.
Par abus de notations en identifiant Mn,1 (K) à Kn et Mp,1 (K) à Kp on pose parfois :
fA : Kp −→ Kn
∈ L(Kn , Kp )
X 7−→ AX
Proposition 8
1. ∀A, B ∈ Mn,p (K), A = B ⇔ fA = fB

∀λ ∈ K, fλA+B = λfA + fB
2. ∀A ∈ Mn,p (K), B ∈ Mp,q (K), fA ◦ fB = fAB .
3. ∀A ∈ Mn (K), A ∈ GLn (K) ⇔ fA ∈ GL(Mn,1 (K)). Dans ce cas :

(fA )−1 = fA−1 (Très utile pour le calcul de A−1 , notamment AX = Y ⇔ X = A−1 Y !!!)
( )
Définition 10 Noyau , image et rang d’une matrice
Soit A ∈ Mn,p (K) une matrice de vecteurs colonnes (C1 , . . . , Cp ). On appelle :

• Noyau de A l’ensemble ker A = {X ∈ Mp,1 (K)|AX = 0} = ker(fA )
• Image de A l’ensemble .
ImA = {AX ∈ Mn,1 (K)|X ∈ Mp,1 (K)} = Im(fA ) = Vect(C1 , . . . , Cp )
• On appelle rang de la matrice A, le rang de la famille de vecteurs (C1 , . . . , Cp ) dans lespace Mn,1 (K)
. On a alors : rg(A) = dim(ImA) = rg(fA ) = dim Vect(C1 , . . . , Cp ).
Remarque 3
Les colonnes de A engendrent l’image, les lignes de A. donnent un système d’équations du noyau.

Proposition 9
1. ∀A ∈ Mn,p (K), rg(A) + dim(ker(A)) = p.
2. ∀A ∈ Mn,p (K), rg(A) ⩽ min(n, p).
3. ∀A ∈ Mn,p (K), ∀B ∈ Mp,q (K), rg(AB) ⩽ min(rg(A), rg(B)). De plus :

Si A est une matrice carrée inversible alors rg(AB) = rg(B)
Si B est une matrice carrée inversible alors rg(AB) = rg(A).
Le rang d’une matrice ne change pas si on la multiplie à droite ou à gauche par une
matrice inversible .
4. ∀A ∈ Mn (K) , les assertions suivantes sont équivalentes :
.
(a) A est inversible
(b) rg(A) = n
(c) ker(A) = {On,1 }
(d) Im(A) = Mn,1 (K)
(e) Les colonnes (C1 , . . . , Cn ) de A est une base de Mn,1 (K)
(f) Les lignes (L1 , . . . , Ln ) de A est une base de M1,n (K)
5. ∀A ∈ Mn,p (K), rg(A) = rg(tA) = rg(L1 , . . . , Ln ) où (L1 , . . . , Ln ) sont les vecteurs lignes de A ,ainsi
Le rang d’une matrice est invariant par transposition.
( )
A B
Matrice par blocs Une matrice M ∈ Mn,p (K) peut s’écrire sous la forme de “blocs” par M = où
C D
A ∈ Mq,l (K), B =∈ Mq,p−l (K), C =∈ Mn−q,l (K) et D ∈ Mn−q,n−l (K).
Remarque 4
Si B = 0q,p−l ou C = 0n−q,l on dit que A est triangulaire

. par blocs.
Si B = 0q,p−l et C = 0n−q,l on dit que A est diagonale par blocs.
Proposition 10
Sous réserve que les opérations soient bien définies, on a

( ) ( ′ ) (. ′ )
A B A B′ AA + BC ′ AB ′ + BD′
× ′ ′ =
C D C D CA′ + DC ′ CB ′ + DD′
Exemple 1
Soient A, B ∈ Mn (K) deux matrices en effectuant les produits par blocs :

 
L1 B
( )  
AB = AC1 . . . . ACn =  ... 
Ln B
Où (C1 , . . . , Cn ) sont les colonnes de B et (L1 , . . . , Ln ) les lignes de A.

Changement de base Soit E un espace vectoriel de dimension finie n. On sait que toutes les bases de E ont n
éléments.
Définition 11
Soit e une base de E. Soit e′ une autre base de E.

On appelle matrice de passage de la base e vers la base e′ , et on note Pee ′ , la matrice carrée de taille
n × n définie par :
.
Pee ′ = mate (e′ )
( La j-ème colonne de cette matrice est formée des coordonnées du j-ème vecteur de la base e′ , par rapport
à la base e).
Proposition 11
1. La matrice de passage d’une base e vers une base e′ est inversible et son inverse est égale à la matrice
de passage de la base e′ vers la base e :
( e ′ )−1
Pee′ =
. Pe
2. Si e, e′ et e′′ sont trois bases, de E alors
Pee” = Pee ′ × Pee”

′
Proposition 12
1. Soit x ∈ E tel que : X = mate (x) (matrice dans l’ancienne base ) et X ′ = mate′ (x) (matrice dans la
nouvelle base ) , alors :
X = P × X ′ et X ′ = P −1 × X (Faites attention. à l’ordre ).
2. Soit F = (u1 , . . . , uk ) ∈ E k une famille de vecteurs de E tel que :A = mate (F) et A′ = mate′ (F) ,
alors :
A = P × A′ et A′ = P −1 × A
( )
Thèorème 4 Formule de changement de base
Soient
• E, F deux K espaces vectoriels de dimensions finies.
• e, e′ deux bases de E et P = Pee ′ .
• f, f ′ deux bases de E et Q = Pff ′ .

• u ∈ L(E, F ). .
• A = mate,f (u) (matrice dans les anciennes bases) et B = mate′ ,f ′ (u) (matrice dans les nouvelles
bases).
Alors :
B = Q−1 AP et A = QAP −1

( )
Corollaire 2 Cas d’un endomorphisme (Q=P
Soient
• E un K espace vectoriel de dimension finie.
• e, e′ deux bases de E et P = Pee ′ .

.
• u ∈ L(E) un endomorphisme de E
• A = mate (u) (matrice dans l’ancienne base ) et B = mate′ (u) (matrice dans la nouvelle base).
Alors :
B = P −1 AP et A = P BP −1
Matrices équivalentes , matrices semblables , trace
Thèorème 5
Si E et F sont deux espaces vectoriels de dimensions p et nrespectivement, et si u ∈ L(E, F ) est de rang

r ∈ [[ 1, min(n, p) ]] alors il existe une base e de E et une base f de F telles que :
(. )
Ir 0r,p−r
mate,f (u) = Jr =
0n−r,r 0n−r,p−r
( )
Définition 12 Matrices équivalentes
. si ∃P ∈ GLn (K), ∃Q ∈ GLp (K) / B = Q−1 AP .

Soient A, B ∈ Mn,p (K). A et B sont dites équivalentes
Remarque 5
.
L’équivalence des matrices est une relation d’équivalence sur Mn,p (K).
Thèorème 6
( )
Ir 0r,p−r
1. Si M ∈ Mn,p (K), M est équivalentes à la matrice Jr = où r = rg(M ).
0n−r,r 0n−r,p−r
2. Deux matrices de Mn,p (K) sont équivalentes si et seulement si elles ont le même rang.
.
3. Si M ∈ Mn,p (K) alors rg(M ) = rg( M
t
4. Si E et F sont deux espaces vectoriels de dimensions p et nrespectivement, et si u ∈ L(E, F ) ,

rg(u) = rg(mate,f (u)) et indépendant du choix des bases e et f .
Définition 13
Soient A, B ∈ Mn (K). On dit que A est semblable à. B s’il existe P ∈ Gln (K) tel que B = P −1 AP .
Elles représentent donc la matrice d’un même endomorphisme f dans des bases différentes.

Remarque 6
A R B ⇐⇒ A est semblable à B est une relation d’équivalence c’est-à-dire (rappel)

La relation est réflexive : ∀ A ∈ Mn (K), ARA, (considérer P = In ).
La relation est symétrique : ∀ (A, B) ∈ Mn (K)2 , ARB ⇐⇒ BRA

( )−1 ( −1 )
puisque B = P −1 AP ⇐⇒ A = P BP −1 = P −1 A P
.
La relation est transitive : ∀ (A, B, C) ∈ Mn (K)3 , ARB et BRC =⇒ ARC
puisque B = P −1 AP et C = Q−1 BQ =⇒ C = Q−1 P −1 AP Q = (P Q)−1 A(P Q)
On appelle alors classe d’équivalence d’une matrice A l’ensemble des matrice en relation avec A c’est-à-dire
{M ∈ Mn (K), | ∃ P ∈ GLn (K), M = P −1 AP }
Définition 14
Soit A = (ai,j )1⩽i,j⩽n ∈ Mn (K).

On appelle trace de la matrice A la somme de ses éléments diagonaux c’est-à-dire
.
∑n
Tr(A) = ak,k .
k=1
Proposition 13
∗
1. Tr ∈ (Mn (K)) .
2. ∀ A ∈ Mn,p (K), ∀ B ∈ Mp,n (K), Tr(AB) = Tr(BA).

.
−1
3. ∀ A ∈ Mn (K), ∀ P ∈ GLn (K), Tr(P AP ) = Tr(A).
4. ∀ A ∈ Mn,p (K), Tr(tA) = Tr(A)
Proposition 14
Soit u ∈ L(E) et soit A = mate u et B = mat′e u. On. a Tr B = Tr A
Définition 15
Soit f ∈ L(E). On appelle trace de f la trace de sa matrice

. relativement à n’importe quel base de E.
Proposition 15
1. Soient u, v ∈ L(E) alors : Tr(u ◦ v) = Tr(v ◦ u).

.
2. Soit p un projecteur de E alors : Tr(p) = rg(p).

I.2 Les déterminants .
Groupe symétrique
Définition 16
Soit n ∈ N∗ .
. noté Sn des bijections de {1..n} dans {1..n}.
on désigne par groupe symétrique d’ordre n l’ensemble
Tout élément de Sn est appelé permutation.
Remarque 7
( )
Sn , ◦ est un groupe d’élément neutre id[[ 1,n ]] . .
On représente une permutation par la liste des éléments de {1..n} en dessous de laquelle on indique l’image de chaque
élément.ainsi σ ∈ Sn est représentée par :
( )
1 2 ... ... ... n
σ= .
σ(1) σ(2) . . . . . . . . . σ(n)
Définition 17
Soit σ ∈ Sn une permutation de [[ 1, n ]] , On appelle Support de la permutation σ l’ensemble :

.
Supp(σ) = {i ∈ [[ 1, n ]] ; σ(i) ̸= i}.
Définition 18
Soit p ∈ [[ 2, n ]] .On dit qu’un élément σ de Sn est un p-cycle si elle a pour support un sous-ensemble
{a1 , a2 , . . . , ap } de [[ 1, n ]] et tel que
• ∀ i ∈ [[ 1, p − 1 ]], σ(ai ) = ai+1 et σ(ap ) = a1

.
• ∀ i ̸∈ {a1 , a2 , . . . , , ap }, σ(i) = i.(bien sur !!)
( )
Dans ce cas σ est noté a1 a2 · · · ap .
Un 2-cycle est appelé transposition elle est noté : (a1 , a2 ).
Thèorème 7
Pour n ⩾ 2, toute permutation de Sn se décompose de façon unique en produit de cycles à supports deux
à deux disjoints . .
On dit que les cycles engendrent le groupe symétrique (Sn , ◦).

Proposition 16
Pour n ⩾ 2.
( )
1. Tout p-cycle a1 a2 ··· ap se décompose en produit de transpositions , de plus :
( )
a1 a2 · · · ap = (a1.ap−1 )(a1 ap−2 ) . . . (a1 a3 )(a1 a2 )
2. Toute permutation de Sn se décompose en produit de transpositions.

On dit que les transpositions engendrent le groupe symétrique (Sn , ◦).
( )
Définition 19 signature d’une permutation
Soit σ ∈ σ ∈ Sn où n ⩾ 2.
On dit qu’un couple (i, j) ∈ [[ 1, n ]]2 est une inversion de σ lorsque : i < j et σ(i) > σ(j).
On note I(σ) le nombre d’inversions de la permutation σ , et on définit la signature de la permutation σ
par :
.
ε(σ) = (1)I(σ) ∈ {1, −1}
• une permutation est dite paire si elle est de signature 1.

• une permutation est dite impaire si elle est de signature -1.
( )
Thèorème 8 Fondamentale
1. Les transpositions sont de signature −1.

2. Soient σ, σ ′ ∈ Sn , on a
ε(σσ ′ ) .= ε(σ)ε(σ ′ ).
( )
Ont dit que l’application ε est donc un morphisme de groupes de (Sn , ◦) vers {−1, 1}, × .
3. La signature d’un p-cycle est (−1)p
Remarque 8
Pour déterminer la signature d’une permutation il suffit de la décomposer en produit de cycles ou de

.
permutations et d’utiliser la deuxième propriété du théorème précédents , si par exemple σn = τ1 τ2 . . . τq
q
où les τi sont des transpositions. On a ε(σ) = (−1) .
Applications multilinéaires

Définition 20
Soit E et F deux espaces vectoriels .

On dit que l’application f : (x1 , x2 , . . . , xn ) 7−→ f (x1 , x2 , . . . , xn ) de E n vers F est n-linéaire de E dans
F si elle est linéaire par rapport à chacune de ses variables c’est-à-dire que chacune de ses applications
partielles y 7−→ f (x1 , , . . . , xi−1 , y, xi+1 , . . . , xn ) est linéaire , c’est à dire :
∀(x1 , x2 , . . . , xn ) ∈ E n , ∀i ∈ [[ 1, n ]], ∀x, y ∈ E, ∀λ ∈ K. ,
f (x1 , . . . , xi−1 , λx + y, xi+1 , . . . , xn ) = λf (x1 , . . . , xi−1 , x, xi+1 , . . . , xn ) + f (x1 , . . . , xi−1 , y, xi+1 , . . . , xn )
• Si n = 2 , f est dite bilinéaire .

• Si n = 3 , f est dite trilinéaire .
Proposition 17
Soit f une application n-linéaire de E vers F .Alors :

∀(x1 , x2 , . . . , xn ) ∈ E n , ∀i ∈ [[ 1, n ]], ∀(λ1 , λ2 , . . . , λn ) ∈ Kn
.
1. f (λ1 x1 , . . . , λn xn ) = λ1 × · · · × λn f (x1 , . . . , xn )
2. f (x1 , , . . . , xi−1 , 0E , xi+1 , . . . , xn ) = 0F
Définition 21
Soit f une application n-linéaire de E vers F .
1. f est dite antisymétrique si pour toute transposition τ ∈ Sn et pour tout

(x1 , . . . , xn ) ∈ E n
f (xτ (1) , . . . , xτ (n) ) = −f (x1 , . . . , xn )

Dit plus simplement, elle change de signe en lui permutant deux de ses variables c’est-à-dire pour
tout i, j ∈ [[ 1, n ]], f (. . . , xi , . . . , xj , . . . ) = −f (. .. . , xj , . . . , xi , . . . )
2. f est dite alternée si elle s’annule dés que deux variables sont égales c’est-à-dire pour tout
(x1 , . . . , xn ) ∈ E n
∃(i, j) ∈ [[ 1, n ]]tel que , (i ̸= j et xi = xj ) ⇒ f (x1 , . . . , xn ) = 0F
3. Si F = K, on dit que f est une forme n-linéaire antisymétrique (resp .alternée).
Proposition 18
Soit f une application n-linéaire de E vers F .Alors :.

f est antisymétrique si, et seulement si f est alternée .

Proposition 19
Soit f une application n-linéaire de E vers F .Alors :

1. f est alternée si, et seulement si , pour tout σ ∈ Sn et pour tout (x1 , . . . , xn ) ∈ E n
f (xσ(1) , . . . , xσ(n) ) = ε(σ)f (x1 , . . . , xn )

.
∑et (x1 , . . . , xn ) ∈ E est liée alors , f (x1 , . . . , xn ) = 0F et f (x1 , . . . , xi , . . . , xn ) =

n
2. Si f est alternée
f (x1 , . . . , xi + λj xj , . . . , xn ) (ie : la valeurs de f ne change pas si on ajoute à un vecteur une
j̸=i
combinaison linéaire des autres .)
Déterminants On suppose que dim E = n, considérons la base e = (e1 , e2 , . . . , en ) de E.

∑
n
Soit x1 , x2 , . . . , xn n vecteurs de E définis par leurs coordonnées xj = ai,j ei .
i=1
( )
Définition 22 formule de Leibniz
On appelle déterminant dans la base e des n vecteurs x1 , x2 , . . . , xn le scalaire

a1,1 a1,2 ··· a1,n

∑ ∑ ∏n a2,1 a2,2 ··· a2,n
.
dete (x1 , x2 , . . . , xn ) = ε(σ)aσ(1)1 aσ(2)2 · · · aσ(n)n = ε(σ)( aσ(i)i ) = . .. .. ..
.. . . .
σ∈Sn σ∈Sn i=1
an,1 an,2 ··· an,n
où (ai,j )1⩽i⩽n désigne les coordonnées de xj dans e.
Thèorème 9
Soit E un espace vectoriel de dimension n et e = (e1 , . . . , en ) une base de E.
• L’ensemble Λ∗n des formes n-linéaire alternées sur

. E est de dimension 1.
Toute forme n-linéaire alternée est multiple du déterminant.
• Notamment, dete est l’unique forme n-linéaire alternée telle que dete (e) = 1.
Corollaire 3
Si e et e′ sont deux bases de E

.
dete′ = dete′ (e) × dete

Remarque 9
1
On a alors dete′ (e) = dete (e′ ) d’où
.
1
dete′ = dete (e′ ) dete
Proposition 20
On suppose dim E = 2, muni d’une base e = (e1 , e2 ).

Soient x, y deux vecteurs de E sécrivant x = x1 e1 + x2 e2 , y = y1 e1 + y2 e2 . Alors le déterminant dans la
base e de x et y est le scalaire
x1 .y1

dete (x, y) = = x1 y2 − x2 y1
x2 y2
De plus si e est la base canonique de R2 ,dete (x, y) représente l’aire orienté du parallélogramme de cotés
x, y .
( )
Thèorème 10 caractérisation des bases
dim E = n. .
la famille (x1 , x2 , . . . , xn ) est une base si, et seulement si dete (x1 , x2 , . . . , xn ) ̸= 0.
Corollaire 4
dim E = n. .
la famille (x1 , x2 , . . . , xn ) est liée si, et seulement si dete (x1 , x2 , . . . , xn ) = 0.
Thèorème 11
Soit f ∈ L(E).
Pour toute base e = (e1 , e2 , . . . , en ) et e′ = (e′1 , e′2 , . . .. , e′n ) de E on a
( ) ( )
dete f (e1 ), f (e2 ), . . . , f (en ) = dete′ f (e′1 ), f (e′2 ), . . . , f (e′n )
Définition 23
On appelle déterminant de l’endomorphisme f le scalaire

( )
det f = dete f (e1 ),. f (e2 ), . . . , f (en )
où e = (e1 , e2 , . . . , en ) est une base quelconque de E.

Remarque 10
( )
. n ) = det f × det(x1 , x2 , . . . , xn ).
D’aprés la démo précédente, dete f (x1 ), f (x2 ), . . . , f (x
e
Proposition 21
∀ u, v ∈ L(E), det(u. ◦ v) = det u × det v
( )
Corollaire 5 caractérisation des automorphismes
f est un isomorphisme si, et seulement si det f ̸= 0.

. −1
On a alors det(f −1 ) = (det f )
Remarque 11
( ) ( )
. K ∗, × .
det est alors un morphisme du groupe GL(E), ◦ vers
Proposition 22
∀ f ∈ L(E), ∀ λ ∈ K,. det(λf ) = λn det f.
Définition 24
On appelle déterminant de la matrice carrée A le déterminant de ses vecteurs colonnes dans la base
canonique de Mn,1 (K) ou Kn . On le note det A. Si A = (ai,j ) 1⩽i⩽n ,
1⩽j⩽n

. a1,1 a1,2 ··· a1,n
∑ ∏n a2,1 a2,2 ··· a2,n

det A = ε(σ)( aσ(i)i ) = . .. .. ..
.. . . .
σ∈Sn i=1
an,1 an,2 ··· an,n
Proposition 23
Soit f ∈ L(E) et e une base de E. Si A = mate f alors

.
det A = det f.

Remarque 12
( ′)
dete (e′ ) = det Pee .
Corollaire 6
1. ∀ A, B ∈ Mn (K), det(AB) = det A × det B.

.
2. ∀ A ∈ Mn (K), ∀ λ ∈ K, det(λA) = λn det A.
( )
Proposition 24 caractérisation des matrices inversibles
A ∈ GLn (K) si, et seulement si det A ̸= 0.

( . ) −1
On a alors det A−1 = (det A) .
Thèorème 12
Pour toute matrice A ∈ Mn (K) on a .

det t A = det A.
Détermination pratique d’un déterminant Le calcul de déterminant de vecteurs dans une base ou d’un endo-
morphisme revient à calculer le déterminant d’une matrice carrée que, dans cette section, nous appellerons simplement
déterminant.
Développement suivant une ligne ou une colonne
Définition 25
On appelle mineur d’ordre i, j d’une matrice carrée A,

. le déterminant ∆i,j obtenu en supprimant la iéme
ligne et j-iéme colonne de A.
( )
Thèorème 13 développement suivant une colonne
Soit A = (ai,j ) 1⩽i⩽n ∈ Mn (K), on a :

1⩽j⩽n
.
∑
n
∀ j ∈ [[ 1, n ]], det A = ai,j (−1)i+j ∆i,j .
i=1

( )
Thèorème 14 développement suivant une ligne
Soit A = (ai,j ) 1⩽i⩽n ∈ Mn (K), on a :

1⩽j⩽n
.
∑
n
∀ i ∈ [[ 1, n ]], det A = ai,j (−1)i+j ∆i,j .
j=1
Corollaire 7
∏
n
Si A = (ai,j ) 1⩽i⩽n est une matrice triangulaire de M. n (K) alors det A = akk .
1⩽j⩽n k=1
Définition 26
On appelle comatrice de A ∈ Mn (K) la matrice notée comat A ∈ Mn (K) formée des cofacteurs de A
. est (−1)i+j ∆ où ∆ est le mineur d’ordre (i, j)
c’est-à-dire la matrice dont le coefficient d’indice (i, j) i,j i,j
de A.
Proposition 25
Soit A ∈ Mn (K). On a .
A.t comat A = t
comat A.A = (det A)In
Corollaire 8
1 t
Soit A ∈ GLn (K), A−1 = comat A. .
det A
Corollaire 9
Soit A ∈ Mn (K), B ∈ Mp (K) et C ∈ Mn,p (K) on a

( ) ( . )
A C A 0n,p
det = det = det A × det B
0p,n B C B

Pour calculer le déterminant d’une matrice
• On peut développer suivant une ligne et une colonne par les relations
∑
n ∑
n
det A = ai,j (−1)i+j ∆i,j = ai,j (−1)i+j ∆i,j
i=1 j=1
• procéder à des opérations élémentaires
– pour faire apparaître un maximum de 0 puis développer

– se ramener à une forme triangulaire.
• On peut aussi utiliser des techniques spécifiques au problème demandé
– Établir une relation de récurrence.

– Décomposer la matrice en blocs “utiles” ou la décomposer en produit de matrices.
– Utiliser une forme polynomiale ( cf. déterminant de Van-der-Monde)
IV. Exercices corrigés :

Exercice 13
 
1 0 2
Soit A = 0 −1 1 . Calculer A3 − A. En déduire que A est inversible puis déterminer A−1 .
1 −2 0
Solutions :
On vérifie facilement que A2 − 3A + 2I3 = 0. On réécrit ceci en :
( )
−1
A(A − 3I3 ) = −2I3 ⇐⇒ A (A − 3I3 ) = I3 .
2
−1
Ainsi, A est inversible et son inverse est 2
(A − 3I3 ).
Exercice 14
1. Pour n ≥ 2, déterminer le reste de la division euclidienne de X n par X 2 − 3X + 2.

 
0 1 −1
2. Soit A = −1 2 −1. Déduire de la question précédente la valeur de An , pour n ≥ 2.
1 −1 2
Solutions :
1. On sait que
X n = (X 2 − 3X + 2)Qn (X) + an X + bn ,
où an X + bn est le reste dans la division euclidienne de X n par X 2 − 3X + 2. Pour trouver la valeur de an et bn , on
évalue l’égalité précédente en les racines de X 2 − 3X + 2, c’est-à-dire en 1 et 2. On trouve le système :
{
an + bn = 1
2an + bn = 2n
dont l’unique solution est an = 2n − 1 et bn = 2 − 2n .

2. Il suffit de remarquer que A2 − 3A + 2I3 = 0. Remplaçant dans l’expression de la division euclidienne, on trouve
An = (2n − 1)A + (2 − 2n )I3 .
Page 42
Exercice 15
On considère l’endomorphisme f de R3 dont la matrice dans la base canonique est :

 
1 1 1
A =  −1 2 −2  .
0 3 −1
Donner une base de ker(f ) et de Im(f ).
Solutions :
Le noyau de f est l’ensemble des triplets (x, y, z) tels que

 
 x+y+z = 0  x = −4y
f (x, y, z) = 0 ⇐⇒ −x + 2y − 2z = 0 ⇐⇒ y = y
 
3y − z = 0 z = 3y
Le noyau de f est donc la droite vectorielle de vecteur directeur (−4, 1, 3) noter que :
−4f (e1 ) + f (e2 ) + 3f (e3 ) = 0. Par le théorème du rang, Im(f ) = vect((f (e1 ), f (e2 ), f (e3 )) est de dimension 2. De plus,
f (e1 ) = (1, −1, 0) et f (e2 ) = (1, 2, 3) sont clairement indépendants. Donc (f (e1 ), f (e2 )) est une base de Im(f ).
Exercice 16
Soit u l’application linéaire de R3 dans R2 dont la matrice dans leur base canonique respective est
( )
2 −1 1
A= .
3 2 −3
On appelle (e1 , e2 , e3 ) la base canonique de R3 et (f1 , f2 ) celle de R2 . On pose

1 1
e′1 = e2 + e3 , e′2 = e3 + e1 , e′3 = e1 + e2 et f1′ = (f1 + f2 ), f2′ = (f1 − f2 ).
2 2
1. Montrer que (e′1 , e′2 , e′3 ) est une base de R3 puis que (f1′ , f2′ ) est une base de R2 .
2. Quelle est la matrice de u dans ces nouvelles bases?
Solutions :
1. Notons P la matrice de passage de (e1 , e2 , e3 ) à (e′1 , e′2 , e′3 ) et Q la matrice de passage de (f1 , f2 ) à (f1′ , f2′ ). Alors on
a:  
0 1 1 ( )
1 1 1
P =  1 0 1  et Q = .
2 1 −1
1 1 0
on a det(P ) = 2 ̸= 0 et det(Q) = −1 2
̸= 0 d’où :
La famille (e′1 , e′2 , e′3 ) est une base de R3 et (f1′ , f2′ ) est une base de R2 .
2. Si B est la matrice de u dans les nouvelles bases, alors la formule du changement de base nous dit que B = Q−1 AP .
Or, ( )
1 1
Q−1 =
1 −1
de sorte que ( )
−1 3 6
B= .
1 3 −4
Page 43
Exercice 17
Soit M ∈ Mn (C).
1. Montrer que si rg(M ) = 1, il existe deux vecteurs X et Y tels que M = XY t .
2. Montrer que si rg(M ) = 2, il existe deux couples de vecteurs indépendants (X, Z) et (Y, T ) tels que
M = XY t + ZT t .
3. Généraliser aux matrices de rang k.
Solutions :    
λ1 µ1
   
Le point de départ de l’exercice est le suivant. Si X =  ...  et Y =  ...  , alors XY t est la matrice
λn µn
 
λ1 Y t
 .. 
XY t =  .  = (λi µj )(i,j)∈[[ 1,n ]]2 .
t
λn Y
1. Puisque le rang de M est égal à 1, alors une des lignes de M , disons Lp , est telle que Li = λi Lp pour tout i. Posons
 
λ1
 
X =  ...  et Y tel que Y t = Lp . Alors on vérifie facilement que M = XY t .
λn
2. Puisque le rang de M est égal à 2, on peut sélectionner deux lignes Lp et Lq telles que, pour chaque i, on a Li =
λi Lp + µi Lq , et les lignes Lp et Lq sont indépendantes. On pose alors Y t = Lp , T t = Lq (le couple (Y, T ) est
   
λ1 µ1
   
bien constitué de deux vecteurs indépendants) et X =  ... , Z =  ... . Les vecteurs X et Z sont aussi
λn µn
indépendants. En effet, on a (λp , µp ) = (1, 0) et (λq , µq ) = (0, 1). Si aX + bZ = 0, en étudiant la p-ième ligne, on
trouve a = 0, et en étudiant la q-ième ligne, on trouve b = 0.
3. Clairement, la même méthode prouve que si le rang de M vaut k, il existe deux couples de k vecteurs indépendants
(X1 , . . . , Xk ) et (Y1 , . . . , Yk ) tels que
M = X1 Y1t + · · · + Xp Ypt .
Exercice 18
Soit E un K−ev, et p ∈ L(E). On dit que p est un projecteur si p ◦ p = p.

1. Etude individuelle
(a) Montrer que pour tout y ∈ Im(p), alors p(y) = y. En déduire que E = ker(p) ⊕ Im(p). On dit que p
est le projecteur sur Im(p) parallèlement à ker(p).
(b) On suppose désormais que E est ( de dimension finie.
) Montrer qu’il existe une base de E dans laquelle
Ir 0n−r,r
la matrice de p s’écrit par blocs avec
0n−r,r 0n−r
r égale au rang de p .
En déduire que la trace d’un projecteur est égal à son rang.
2. Etude collective. Soient E1 , . . . , Ep des sous-espaces vectoriels de E. On suppose que E1 ⊕· · ·⊕Ep = E. On
note pi le projecteur sur Ei parallèlement à ⊕j̸=i Ej . Montrer que pi ◦pj = 0 si i ̸= j et p1 +· · ·+pn = IdE .
Solutions :
1. (a) Soit y ∈ Im(p). Alors y = p(x). On en déduit p(y) = p(p(x)) = p(x) = y. Prouvons maintenant que ker(p) et
Im(p) sont en somme directe. Si y ∈ ker(p) ∩ Im(p), alors y = p(y) = 0. Pour prouver que les deux sous-espaces
sont supplémentaires, il y a deux alternatives :
• la première est d’utiliser le théorème du rang (le faire!). Cette méthode suppose néanmoins que E est de
dimension finie, ce que l’on ne suppose pas à ce moment de l’exercice.
Page 44
• la seconde est de faire à la main! Prenons donc x ∈ E, et posons y = x − p(x). Il est clair que x = p(x) + y,
et comme p(y) = 0, y ∈ ker(p).
(b) Considérons une base de E formée par la réunion d’une base de Im(p) et d’une base de ker(p) (on obtient bien
une base de E car les sous-espaces sont supplémentaires). Alors la matrice de p dans cette base a exactement
la forme voulue. La trace de p (ie la trace de cette matrice) vaut donc le nombre de vecteurs dans une base de
Im(p), donc la dimension de Im(p), c’est-à-dire encore le rang de p.
2. Il est clair que Im(pj ) = Ej ⊂ ker(pi ) ce qui prouve que pi ◦ pj = 0. D’autre part, si x ∈ Ei , on a
p1 (x) + · · · + pi (x) + · · · + pn (x) = 0 + · · · + x + · · · + 0 = x.
On a p1 + · · · + pn = IdE sur chaque Ei , donc sur tout l’espace par ”recollement”. En outre, le calcul de la trace du
projecteur à l’aide de la trace de sa matrice dans cette base montre que cette trace vaut exactement le nombre de
vecteurs d’une base de Im(p), c-est-à-dire exactement le rang de p.
Exercice 19
Soit n ≥ 1. Pour (i, j) ∈ {1, . . . , n}2 , on note Ei,j la matrice dont tous les coefficients sont nuls, sauf le coefficient
situé à la i-ième ligne et à la j-ième colonne qui vaut 1.
1. Soit A ∈ Mn (R). Calculer AEi,j et Ei,j A.
2. En déduire quelles sont les matrices de Mn (R) qui commutent avec toutes les matrices de Mn (R).
Solutions :
1. On effectue les produits comme d’habitude. Notant A = (ak,l ), toutes les colonnes de AEi,j sont nulles sauf la j-ième.
Le terme à la l-ième ligne et à la j-ième colonne de AEi,j est égal à al,i . On a donc
 
0 ... a1,i ... 0
 .. .. 
 . a2,i . 
AEi,j = 

.

 .. .. .. 
. . .
0 ... an,i ... 0
De même, on obtient
 
0 ... ... 0
 .. .. 
 . . 
 
Ei,j A = 
 aj,1 aj,2 ... aj,n 

 .. .. 
 . . 
0 ... ... 0
où la seule ligne non-nulle est la i-ième.
2. Remarquons d’abord que A ∈ Mn (R) commute avec tous les éléments de Mn (R) si et seulement si AEi,j = Ei,j A
pour tout i, j. L’implication directe est évidente. Réciproquement, si A commute avec tous les Ei,j , alors, comme
(Ei,j )1≤i,j≤n est une base de Mn (R), toute matrice M ∈ Mn (R) s’écrit (de façon unique)
∑
n
M= αi,j Ei,j .
i,j=1
On a alors
∑
n
AM = αi,j AEi,j
i,j=1
∑
n
= αi,j Ei,j A
i,j=1
= M A.
Ceci prouve bien que A commute avec toute matrice M . Maintenant, soit A une matrice qui commute avec tous
les Ei,j . Fixons i, j. On a AEi,j = Ei,j A. De la forme de ces deux matrices calculée à la question précédente, on
remarque qu’elles doivent avoir tous leurs coefficients nuls, sauf éventuellement celui situé à l’intersection de la i-ième
ligne et de la j-ième colonne. Ainsi, on obtient
• aj,k = 0 si k ̸= j. Puisque ceci est valable pour j arbitraire, la matrice A est diagonale.
Page 45
• ai,i = aj,j , en identifiant les coefficients situés à l’intersection de la i-ième ligne et de la j-ième colonne de
respectivement AEi,j et Ei,j A. Puisque i et j sont quelconques, tous les coefficients diagonaux de A sont égaux.
Ainsi, on vient de prouver que A = λIn pour un certain réel λ. Réciproquement, toute matrice de cette forme commute
avec les éléments de Mn (R).
Si on interprète ce calcul dans le langage des applications linéaires, on a prouvé que les endomorphismes d’un espace
vectoriel de dimension finie qui commutent avec tous les autres endomorphismes de cet espace sont les homothéties.
Exercice 20
Soit f une forme linéaire sur Mn (C) telle que ∀(A, B) ∈ (Mn (C))2 , f (AB) = f (BA). Montrer qu’il existe un
complexe a tel que f = aTr.
Solutions : ∑
Soit f une forme linéaire sur Mn (C). Pour A = (ai,j )1⩽i,j⩽n , posons f (A) = 1⩽i,j⩽n αi,j ai,j où les αi,j sont indépendants
de A (les αi,j sont les f (Ei,j )).

Soient i et j deux entiers distincts pris dans 1, n.
αi,i = f (Ei,i ) = f (Ei,j Ej,i ) = f (Ej,i Ei,j ) = f (Ej,j ) = αj,j ,
et
αi,j = f (Ei,j ) = f (Ei,i Ei,j ) = f (Ei,j Ei,i ) = f (0) = 0.

∑
Finalement en notant α la valeur commune des αi,i , 1 ⩽ i ⩽ n, pour toute matrice A on a f (A) = α ni=1 ai,i = αTrA
où α est indépendant de A. (Réciproquement, les f = αTr, α ∈ C, sont des formes linéaires vérifiant ∀(A, B) ∈ Mn (R)2 ,
f (AB) = f (BA).)
Exercice 21
Montrer que tout hyperplan de Mn (R) contient des matrices inversibles.
Solutions :
Soit H un hyperplan de Mn (R). H est le∑ noyau d’une forme linéaire non nulle f .
Pour M = (mi,j )1⩽i,j⩽n , posons f (M ) = 1⩽i,j⩽n ai,j mi,j où les ai,j sont n2 scalaires indépendants de M et non tous
nuls. ∑n
ai,i
1er cas. Supposons qu’il existe deux indices distincts k et l tels que ak,l ̸= 0. Soit M = In − i=1 ak,l
Ek,l . M est
∑n ∑n
ai,i
inversible car triangulaire à coefficients diagonaux tous non nuls et M est dans H car f (M ) = i=1 ai,i − ak,l i=1 = 0.
  ak,l
0 1 0 ... 0
 . . 
 .. . . . . . . . . ... 
 
 . 
2ème cas. Si tous les ak,l , k ̸= l, sont nuls, H contient la matrice inversible 
 .. ..
. 0 .

 
 .. 
 0 . 1 
1 0 ... ... 0
Exercice 22
1. Soit E un espace vectoriel et f ∈ L(E). Montrer que f est une homothétie si et seulement si, pour tout
x ∈ E, la famille (x, f (x)) est liée.
2. Soit A ∈ Mn (K) de trace nulle. Montrer que M est semblable à une matrice n’ayant que des zéros sur la
diagonale.
Solutions :
Page 46
1. Si f est une homothétie, alors (x, f (x)) est bien toujours liée. Réciproquement, l’hypothèse nous dit, que pour tout x
non-nul, il existe un scalaire λx tel que f (x) = λx x. On doit prouver qu’il existe un scalaire λ tel que λx = λ pour
tout x de E, ou encore que λx = λy quels que soient x et y non-nuls. Si la famille (x, y) est liée, c’est clair, car y = µx
et µλy x = λy y = f (y) = µf (x) = µλx x et on peut simplifier par µx ̸= 0. Si la famille (x, f (x)) est libre, calculons
f (x + y). D’une part,
f (x + y) = λx+y (x + y) = λx+y x + λx+y y,
d’autre part,
f (x + y) = f (x) + f (y) = λx x + λy y.
Puisque la famille (x, y) est libre, toute décomposition d’un vecteur à l’aide de combinaison linéaire de ces vecteurs
est unique. On obtient donc λx = λy = λx+y , ce qui est le résultat voulu.
2. On va raisonner par récurrence sur n, le résultat étant vrai si n = 1. Soit f l’application linéaire associée à A dans la
base canonique de Kn . Si f est une homothétie, alors A est diagonale et comme sa trace est nulle, c’est la matrice nulle.
Sinon, soit x ∈ Kn tel que (x, f (x)) est libre. Alors on peut compléter cette famille en une base (x, f (x), e3 , . . . , en ).
Dans cette base, la matrice de f est semblable à
 
0 ∗ ... ∗
 1 
 
N = 0 N ′ .
 
..
.
Autrement dit, M est semblable à N . Puisque N est de trace nulle, N ′ est de trace nulle. On peut lui appliquer
l’hypothèse de récurrence : il existe Q ∈ GLn−1 (K) tel que Q−1 N ′ Q soit une matrice n’ayant que des zéros sur la
diagonale. Posons alors
 
1 ∗ ... ∗
 0 
 
P = 0 Q .
 
..
.
Alors, P est inversible, et on vérifie aisément que P −1 N P est une matrice n’ayant que des zéros sur la diagonale.
Ainsi, N , donc M , est semblable à une telle matrice.
Exercice 23
σ étant une permutation de {1, ..., n} donnée, on définit la matrice notée Pσ , carrée d’ordre n dont le terme
ligne i colonne j est δi,σ(j) (où δi,j est le symbôle de Kronecker. On note G l’ensemble des Pσ où σ décrit Sn .
1. (a) σ et σ ′ étant deux éléments de Sn , calculer Pσ × Pσ′ .
(b) En déduire que (G, ×) est un sous-groupe de (GLn (R), ×), isomorphe à (Sn , ◦) (les matrices Pσ sont
appelées matrices de permutation ).
2. (Une utilisation des Pσ ) A étant une matrice carrée donnée, calculer APσ et Pσ A. Que constate-t-on ?
Solutions :
1. (a) Soient σ et σ ′ deux éléments de Sn . Soit (i, j) ∈ {1, ..., n}2 . Le coefficient ligne i, colonne j de Pσ Pσ′ vaut
∑
n
δi,σ(k) δk,σ′ (j) = δi,σ(σ′ (j)) ,
k=1
et est donc aussi le coefficient ligne i, colonne j de la matrice Pσ◦σ′ . Par suite,
∀(σ, σ ′ ) ∈ (Sn )2 , Pσ × Pσ′ = Pσ◦σ′ .

(b) Soit σ ∈ Sn . D’après a), Pσ Pσ−1 = Pσ◦σ−1 = PId = In = Pσ−1 Pσ . On en déduit que toute matrice Pσ est
inversible, d’inverse Pσ−1 . Par suite, G ⊂ GLn (R) (et clairement, G ̸= ∅).
Soit alors (σ, σ ′ ) ∈ (Sn )2 .
Pσ Pσ−1
′ = Pσ Pσ ′ −1 = Pσ◦σ ′ −1 ∈ G.
On a montré que G est un sous-groupe de (GLn (R), ×).

Soit φ : Sn → G . D’après a), φ est un morphisme de groupes. φ est clairement surjectif. Il reste à
σ 7→ Pσ
vérifier que φ est injectif.
Page 47
Soit σ ∈ Sn .
σ ∈ Kerφ ⇒ Pσ = In ⇒ ∀(i, j) ∈ {1, ..., n}2 , δi,σ(j) = δi,j

⇒ ∀i ∈ {1, ..., n}, δi,σ(i) = 1 ⇒ ∀i ∈ {1, ..., n}, σ(i) = i
⇒ σ = Id.
Puisque le noyau du morphisme φ est réduit à {Id}, φ est injectif.

Ainsi, φ est un isomorphisme du groupe (Sn , ◦) sur le groupe (G, ×) et on a montré que (G, ×) est un sous-groupe
de (GLn (R), ×), isomorphe à (Sn , ◦).
2. Soit (i, j) ∈ {1, ..., n}2 . Le coefficient ligne i, colonne j de APσ vaut :
∑
n
ai,k δk,σ(j) = ai,σ(j) .
k=1
Ainsi, l’élément ligne i, colonne j, de APσ est l’élément ligne i, colonne σ(j), de A, ou encore, si j est un élément donné
de {1, ..., n}, la j-ème colonne de APσ est la σ(j)-ème colonne de A. Ainsi, si on note C1 ,...,Cn les colonnes de A (et
donc A = (C1 , ..., Cn )), alors APσ = (Cσ(1) , ..., Cσ(n) ). En clair, multiplier A par Pσ à droite a pour effet d’appliquer
la permutation σ aux colonnes de A (puisque Pσ est inversible, on retrouve le fait que permuter les colonnes de A ne
modifie pas le rang de A).
De même, le coefficient ligne i, colonne j, de Pσ A vaut
∑
n ∑
n
δi,σ(k) ak,j = δσ−1 (i),k ak,j = aσ−1 (i),j ,
k=1 k=1
(on a utilisé σ(k) = i ⇔ k = σ −1 (i)) et multiplier A par Pσ à gauche a pour effet d’appliquer la permutation σ −1 aux
lignes de A.
Exercice 24
1. Soit A ∈ Mn (K) de diagonale nulle. Montrer qu’il existe dans Mn (K) une matrice diagonale D et une
matrice X telles que DX − XD = A.
2. Pour tout n ∈ N∗ , montrer qu’à tout endomorphisme u de trace nulle d’un K-espace vectoriel E de
dimension n, on peut associer une base de E dans laquelle u est représenté par une matrice de diagonale
nulle.
3. Soient E un K-espace vectoriel de dimension finie n > 0, et C(E) l’ensemble des commutateurs de L(E)
(i.e. l’ensemble des applications de la forme f g − gf ).
Montrer que C(E) est un sous-espace vectoriel de L(E) ; en donner une base.
Solutions :
1. Soient D = Diag(η1 , . . . , ηn ) et X = (ξi,j ). L’élément d’indices (i, j) de DX − XD est :

∑n ∑n
k=1 δi,k ηi ξk,j − k=1 ξi,k δk,j ηj = (ηi − ηj )ξi,j . on prenant les ηi deux à deux distincts, et pour avoir DX − XD = A,
il suffit alors de prendre ξi,j = (ηi − ηj )−1 ai,j si i ̸= j, et ξi,i quelconque.
2. Raisonnons par récurrence sur n : c’est clairement vrai au rang n = 1, supposons donc que c’est encore vrai pour
n − 1. Considérons un espace vectoriel de dimension n, et u ∈ L(E) de trace nulle.
Si u = 0, c’est fini. Si u ̸= 0, comme u est de trace nulle, ce n’est pas une homothétie. Soit donc e ∈ E tel que
(en , u(en )) est libre. Complétant cette famille en une base de E, on constate qu’il existe un hyperplan E ′ de E
qui contient u(en ) et ne contient pas en . Soit p le projecteur sur E ′ parallélement à Ken , et u′ l’endomorphisme
x 7→ p(u(x)) de E ′ .
On constate que Tr u′ = Tr u = 0, donc il existe une base e′ = (e1 , . . . , en−1 ) de E ′ dans laquelle la matrice A′ de u′
est de diagonale nulle.
Dans cette base, la matrice A de u est de diagonale nulle.
3. On constate que les commutateurs sont de trace nulle, et réciproquement, on vient de voir que tout endomorphisme
de trace nulle est un commutateur.
Partant de la base canonique de L(E) associée à la base canonique de Mn (K) par le choix d’une base quelconque de
E, on considére les endomorphismes ui,j dont la matrice est Ei,j pour i ̸= j, et les endomorphismes ui,i de matrice
Ei,i − En,n pour 1 ≤ i ≤ n − 1. On obtient bien une famille libre de n2 − 1 éléments du sous-espace C(E) de dimension
n2 − 1. C’est une base cherchée.
Page 48
Exercice 25
Dans E = Rn , on considère l’hyperplan H d’équation x1 + ... + xn = 0 dans la base canonique (ei )1≤i≤n de E.
Pour σ ∈ Sn donnée, ∑on considère l’endomorphisme fσ de E défini par : ∀i ∈ E, fσ (ei ) = eσ(i) .
1
On pose alors p = n! σ∈Sn fσ . Montrer que p est une projection dont on déterminera l’image et la direction.
Solutions :
Pour (x1 , ..., xn ) ∈ E, on pose φ((x1 , ..., xn )) = x1 + ... + xn . φ est une forme linéaire non nulle sur E et H est le noyau
de φ. H est donc bien un hyperplan de E.
Il est clair que, pour (σ, σ ′ ) ∈ Sn2 , fσ ◦ fσ′ = fσ◦σ′ . (L(E), +, .) est un espace vectoriel et donc, p est bien un endomor-
phisme de E.
( )2
1 ∑ ∑
2
p = 2 fσ = fσ ◦ fσ ′ .
n! σ∈Sn (σ,σ ′ )∈(Sn )2
Mais, (Sn , ◦) est un groupe fini. Par suite, l’application Sn → Sn , injective (même démarche que dans l’exercice
σ 7→ σ ◦ σ ′
∑ ∑
précédent ), est une permutation de Sn . On en déduit que, pour σ ′ donnée, σ∈Sn fσ◦σ′ = σ∈Sn fσ . Ainsi, en posant
q = n!p.
1 ∑ ∑ 1 ∑ 1 1
p2 = ( fσ◦σ′ ) = 2 q = 2 .n!q = q = p.
n!2 ′ n! ′
n! n!
σ ∈Sn
σ∈S n σ ∈Sn
p est donc une projection. Déterminons alors l’image et le noyau de p. Soit i ∈ {1, ..., n}.
1 ∑ 1 ∑
p(ei ) = fσ (ei ) = eσ(i) .
n! σ∈S n! σ∈S
n n
Maintenant, il y a (bien sûr) autant de permuations σ telles que σ(i) = 1, que de permutations σ telles que σ(i) = 2,...
ou de permutations σ telles que σ(i) = n, à savoir n!
n
= (n − 1)!. Donc,
1 n! ∑ 1∑
n n
∀i ∈ {1, ..., n}, p(ei ) = ek = ek .
n! n n
k=1 k=1
1
∑n
Posons u = n k=1 ek . D’après ce qui précède,
Imp = Vect(p(e1 ), ..., p(en )) = Vect(u).

Ensuite, si x = x1 e1 + ... + xn en est un élément de E,
∑
n ∑
n ∑
n
p(x) = 0 ⇔ xk p(ek ) = 0 ⇔ ( xk )u = 0 ⇔ xk = 0 ⇔ x ∈ H.
k=1 k=1 k=1
Ainsi, p est la projection sur Vect(u) parallèlement à H.
Exercice 26
Calculer le déterminant suivant :

1 1 ... ... 1

α1 α2 ... ... αn

2
α22 2
V (α1 , . . . , αn ) = α1 ... ... αn .
.. .. ..
. . .

αn−1 n−1
α2 ... ... n−1
αn
1
Solutions :
Nous allons procéder par récurrence sur n. On commence par remarquer que, pour n = 2, on a V (α1 , α2 ) = α2 − α1 . Nous
allons donc prouver que : ∏

V (α1 , . . . , αn ) = (αj − αi ).
1≤i<j≤n
Page 49
Cette formule est vraie pour n = 2, et supposons là vraie au rang n − 1. Si deux des αi sont égaux, la formule est
trivialement vraie, les deux termes étant égaux à 0. On suppose donc que les αi sont tous distincts, et on considère
P (x) = V (α1 , . . . , αn−1 , x). Le développement de ce déterminant par rapport à la dernière colonne prouve que P est un
polynôme de degré exactement n−1, et de coefficient dominant V (α1 , . . . , αn−1 ). Or, si x = αi , avec i ≤ n−1, le déterminant
possède deux colonnes identiques et est donc nul. Ces valeurs sont donc les racines de P (il y en a exactement n − 1), et P
se factorise sous la forme :
P (x) = V (α1 , . . . , αn−1 )(x − α1 ) . . . (x − αn−1 ).
Il suffit de choisir x = αn pour obtenir le résultat.
Exercice 27
Soit A = (ai,j ) ∈ Mn (R). On note A(x) la matrice dont le terme général est ai,j + x.
1. Montrer que la fonction x 7→ det(A(x)) est une fonction polynômiale de degré inférieur ou égal à 1.
2. Pour a et b deux réels distincts et α1 , . . . , αn ∈ R, en déduire la valeur du déterminant suivant

α1 a ... a

.. ..
b α2 . .
.
.. .. ..
. . a
.
b ... b αn
Solutions :
1. Retranchons la première colonne à toutes les autres colonnes. Alors le déterminant de A(x) est égal au déterminant
d’une matrice dont la première colonne est constituée par des termes du type ai,1 + x et tous les autres coefficients
sont des constantes (ne dépendent pas de x). Si on développe ce déterminant par rapport à la première colonne, on
trouve que
∑n
det(A(x)) = (−1)i (ai,1 + x) det(Ai )
i=1
où Ai est une matrice à coefficients réels. D’où le résultat.
2. Soit D(x) le déterminant de la matrice obtenue en ajoutant x à chacun des coefficients. D’après la question précédente,
on sait que D(x) = ax+b pour des réels a et b. De plus, D(−a) est le déterminant d’une matrice triangulaire inférieure
dont les éléments diagonaux sont αi − a. D’où
∏
n
D(−a) = (αi − a).
i=1
De même, on a
∏
n
D(−b) = (αi − b).
i=1
a et c se déduisent alors facilement par la résolution d’un système 2 × 2 :
{
a = D(−b)−D(−a)
a−b
b = aD(−b)−bD(−a)
a−b
.
Exercice 28
Soient a, b, c des réels et ∆n le déterminant de la matrice n × n suivant :

a b 0 . . . 0

.. .
. ..
c a b

∆n = 0
..
.
..
.
..
. 0 .

.. . . .. ..
. . . . b

0 ... 0 c a
1. Démontrer que, pour tout n ≥ 1, on a ∆n+2 = a∆n+1 − bc∆n .

(n+1)an
2. On suppose que b2 = ac. Démontrer que, pour tout n ≥ 1, on a ∆n = 2n
.
Page 50
Solutions :
1. On développe le déterminant par rapport à la première colonne. On trouve :

b 0 ...

c a b 0 ...

∆n+2 = a∆n+1 − c .. .
.
0 c a b
.. .. . .
0 0 . . .
On développe encore le second déterminant par rapport à la première ligne, et on trouve le résultat demandé :
∆n+2 = a∆n+1 − bc∆n .
2. On va procéder par récurrence double. Précisément, on va prouver par récurrence sur n ≥ 1 l’hypothèse Hn suivante
:
(n+1)an (n+2)an+1
Hn : ”∆n = 2n
et ∆n+1 = 2n+1
.”
3a2
Puisque ∆1 = a et ∆2 = a2 − bc = 4
, H1 est vraie. Supposons l’hypothèse vraie au rang n et prouvons-la au rang
(n+2)an+1
n + 1. On a directement ∆n+1 = 2 n+1 . De plus,
(n + 2)an+2 a2 (n + 1)an (n + 3)an+2

∆n+2 = a∆n+1 − bc∆n = − × = .
2n+1 4 2n 2n+2
Ceci prouve Hn+2 .
Exercice 29
Soient a1 , . . . , an des nombres complexes, et ω = e2iπ/n , et A et M les matrices suivantes :

 
a1 a2 a3 ... an
 a2 a3 a4 ... a1 
 
A= . .. .. .. ..  ,
 .. . . . . 
an a1 . . . . . . an−1
 
1 1 ... ... 1
 1 ω ω2 ... ω n−1 
 
M = .. .. .. .. .
 . . . . 
1 ω n−1 ω 2(n−1) ... ω (n−1)(n−1)
Calculer det(AM ) et en déduire det(A).
Solutions :
Effectuons le calcul demandé. On obtient que la k-ième colonne de AM est égale à la k-ième colonne de M multipliée par
a1 + a2 ω k−1 + · · · + an ω (k−1)(n−1) . En notant
P (x) = a1 + a2 x + · · · + an xn−1 ,
on a donc d’une part

det(AM ) = P (1)P (ω) . . . P (ω n−1 ) det(M )
et d’autre part
det(AM ) = det(A) det(M ).
Puisque le déterminant de M est non nul (c’est un déterminant de Van der Monde), on a :
det(A) = P (1)P (ω) . . . P (ω n−1 ).
Page 51
Exercice 30
) D quatre matrices de Mn (K). On leur associe la matrice de M2n (K) :

Soient(A, B, C,
A B
M= .
C D
1. On suppose que C et D commutent. Vérifier : det M = det(AD − BC) (Indication : étudier d’abord le
cas où D est inversible).
2. Que se passe-t-il si ce sont B et D qui commutent ?
Solutions :
( )
X Y
1. (a) Ici D est inversible. Nous aurons à envisager des matrices de la forme : N = où X, Y , Z et T sont des
Z T
matrices carrées d’ordre n. Rappelons que pour une telle matrice, si Y = 0 ou Z = 0, alors det N = det X det T .
( )
AX + BZ AY + BT
MN = , donc en prenant X = D, Y = 0, Z = −C et T = D−1 , on obtient, compte
CX + DZ CY + DT
tenu (
de CD = DC ): ( )
D 0 AD − BC BD−1
N= et M N = ,
−C D−1 0 In
d’où det N = 1 et det M = det(AD − BC).
(b) Ici D n’est pas inversible.
On dispose des)deux polynômes de K[X] : P = det M (X) et Q = det(A(D − XIn ) − BC), où M (X) =
(
A B
.
C D − XIn
Comme C et D − tIn commutent pour tout t ∈ K, ce qui précéde montre que P et D prennent les mêmes valeurs
en tout point de K qui n’est pas valeur propre de K. Il en résulte que P = Q, et en particulier que P (0) = Q(0).
2. Il suffit d’utiliser det M = det tM .
Exercice 31
( )
1
Soit A = ai +bj
où a1 ,..., an , b1 ,...,bn sont 2n réels tels que toutes les sommes ai + bj soient non
1≤i,j≤n
nulles. Calculer detA (en généralisant l’idée du calcul d’un déterminant de Vandermonde par l’utilisation
d’une fraction rationnelle) et en donner une écriture condensée dans le cas ai = bi = i.
Solutions :
Si deux des bj sont égaux, det(A) est nul car deux de ses colonnes sont égales. On suppose dorénavant que les bj sont deux
à deux distincts. Soient λ1 ,..., λn , n nombres complexes tels que λn ̸= 0. On a
1 ∑n
detA = det(C1 , ..., Cn−1 , λj Cj ) = detB,
λn j=1
∑n λj (X−a1 )...(X−an−1 )
où la dernière colonne de B est de la forme (R(ai ))1≤i≤n avec R = j=1 X+bj . On prend R = (X+b1 )...(X+bn )
. R ainsi
définie est irréductible (car ∀(i, j) ∈ [1, n] , ai ̸= −bj ). Les pôles de R sont simples et la partie entière de R est nulle. La
2
décomposition en éléments simples de R a bien la forme espérée. Pour ce choix de R, puisque R(a1 ) = ... = R(an−1 ) = 0,
on obtient en développant suivant la dernière colonne
1
∆n = R(an )∆n−1 ,
λn
avec
(−bn − a1 )...(−bn − an−1 ) (a1 + bn )...(an−1 + bn )

λn = lim (z + bn)R(z) = = .
z→−bn (−bn + b1 )...(−bn + bn−1 ) (bn − b1 )...(bn − bn−1 )
Donc
(an − a1 )...(an − an−1 )(bn − b1 )...(bn − bn−1 )

∀n ≥ 2, ∆n = ∆n−1 .
(an + b1 )(an + b2 )...(an + bn )..(a2 + bn )(a1 + bn )
En réitérant et compte tenu de ∆1 = 1, on obtient
Page 52
∏ ∏
(aj −ai ) 1≤i<j≤n (bj −bi )
∆n = 1≤i<j≤n
∏
(ai +bj )
= Van(a∏1 ,...,an )Van (b1 ,...,bn )
(ai +bj )
.
1≤i,j≤n 1≤i,j≤n
Van(1,2,...,n)2 .
Dans le cas particulier où ∀i ∈ [1, n] , ai = bi = i, en notant Hn le déterminant (de Hilbert) à calculer : Hn = ∏ (i+j) 1≤i,j≤n
Mais,
( ) ∏2n
∏ ∏
n ∏
n ∏n
(n + i)! k!
(i + j) = (i + j) = = (∏nk=1 )2 ,
i=1 j=1 i=1
i! k!
1≤i,j≤n k=1
et d’autre part,
( )
∏ ∏
n−1 ∏
n ∏
n−1
1 ∏
n
Van(1, 2, ..., n) = (j − i) = (j − i) = (n − i)! = k!.
i=1 j=i+1 i=1
n!
1≤i<j≤n k=1
Donc,
∏ 3
( nk=1 k!)
∀n ≥ 1, Hn = ∏
n!2 × 2n k!
.
k=1
Page 53

Revisions Algebre Lineaire

Transféré par

Droits d'auteur :

Formats disponibles

Revisions Algebre Lineaire

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Revisions Algebre Lineaire

Transféré par

Droits d'auteur :

Formats disponibles

CPGE-AGADIR-MP2 Révision algébre linéaire MPSI 2022

1 Révisions algèbre linéaire MPSI 3

I. espaces vectoriels - applications linéaires.

F est un sous-espace vectoriel de E si, et seulement si

f : E −→ F est linéaire (sur le corps K) si, et seulement si

∀ λ ∈ K, ∀ (x, y) ∈ E 2 , f (x + λy) = f (x) + λf (y)

On note alors L(E, F ) l’ensemble des applications linéaires de E dans F

• Si f est bijective ont dit que c’est un isomorphisme.

Rappels des principales définitions

f ∈ L(E) est injective si, et seulement si ker f = {0}

Soit (x1 , . . . , xn ) une famille finie d’éléments de E.

2. On dit qu’elle est génératrice de E si E = vect(x1 , x2 , . . . , xn ) c’est-à-dire

3. une base si elle est libre et génératrice.

Soit E de dimension n ̸= 0 et soit p ∈ [[ 1, n − 1 ]]. Soit (e1 , . . . ep ) une famille libre.

Pour montrer que (e1 , . . . , en ) est une base de E :

• Montrer que detβ (e1 , . . . , en ) ̸= 0 où β est une base de E.

Soit (xi )i∈I une famille de vecteurs du K-espace vectoriel E.

∃K | J ⊂ K ⊂ I et B = (gi )i∈K base de E

Si E et F sont de dimension finie.

On appelle rang de n vecteurs (e1 , e2 , . . . , en ) l’entier positif défini par

rg(e1 , e2 , . . . , en ) = dim vect(e1 , e2 , . . . , en )

Rappel important : Soit (e1 , e2 , . . . , eq ) des vecteurs de E

• rg(e1 , e2 , . . . , eq ) = dim E si, et seulement si (e1 , e2 , . . . , eq ) est génératrice de E

Soit F et G deux sous-espaces vectoriels de E. On appelle somme de F et G, l’ensemble

On dit que la somme F + G est directe si ∀ (f, g) ∈ F × G, f + g = 0 =⇒ f = g = 0.

On dit que F et G sont supplémentaires dans E si E = F ⊕ G ou encore

En dimension finie, tout sous-espace vectoriel de F , admet un supplémentaire.

démonstration : Si F = E, il suffit de poser G = {0}, et inversement G = E si F = {0}.

On rappelle au passage la relation dim(F ⊕ G) = dim F + dim G.

Soit f ∈ L(E, F ), on suppose Im f de dimension finie. On appelle rang de f , l’entier

• f surjective si, et seulement si rg f = dim F

Soit f ∈ L(E, F ) et soit deux isomorphismes h : H → E et g : F → G.

“Le rang est invariant par composition avec un isomorphisme”.

Ce théorème est fondamental :

Soient E de dimension finie et f ∈ L(E, F )

dim E = dim(ker f ) + dim(Im f ) = dim(ker f ) + rg f

Notamment dim(Im f ) ⩽ dim E (espace de départ).

Les propositions suivantes sont équivalentes :

1. f est bijective (ie :det f ̸= 0 ).

L’hypothèse dim E = dim F est notamment vérifiée pour f ∈ (E).

• Soit f ∈ L(E, F ). L’image d’une base de E par f est génératrice de Im f

Soient E1 , E2 , . . . , En des sous-espaces vectoriels d’un K-espace vectoriel E.

la somme est alors notée

Vous avez vu en première année que F + G = F ⊕ G ⇐⇒ F ∩ G = {0}.

La réciproque est fausse à partir de 3 sous-espaces.

Soit E est de dimension finie et E1 , . . . , En des sous-espaces vectoriels de E.

avec égalité si, et seulement si la somme est directe.

Dit plus explicitement, en dimension finie :

On rappelle à cette occasion la formule de Grassmann dim(F + G) = dim F + dim G − dim F ∩ G.

Soient E de dimension finie et E1 , E2 , . . . , Eq des sous-espaces vectoriels .

Pour deux espaces, le théorème devient

Soient E de dimension finie et F, G deux sous-espaces vectoriels de E.

Soit E de dimension finie .

II. Exercices corrigés .

1. Montrer que (v1 , v2 ) est libre et que (v1 , v2 , v3 ) est liée.

[(∀x ∈ E, (x, f (x)) liée) ⇔ (∀x ∈ E, ∃λx ∈ / f (x) = λx x)].

(λx+x0 − λx )x + (λx+x0 − λx0 )x0 = 0.

f (x) = µf (x0 ) = µλx0 x0 = λx x.

∀f ∈ L(E), [(f homothétie) ⇔ (∀x ∈ E, (x, f (x)) liée)].