Universit Mohammed V . Anne 2014-2015.

Facult Des Sciences

Dpartement De Mathmatiques
Avenue Ibn Batouta, B.P 1014, Rabat, Maroc

Filire :
Sciences Mathmatiques Informatique et Applications (SMIA)
Module Algbre III
Cours Algbre III

ALAMI IDRISSI ALI

BENLARBI-DELAI M HAMMED
JABBOURI ELMOSTAFA
 1

Table des matires

Chapitre 1 : Systmes linaires-Mthode du pivot
Introduction
1. Systmes linaires
2. Systmes linaires homognes
Chapitre 2 : Espaces vectoriels
1. I.Gnralits

(a) Structure despace vectoriel

(b) Sous-espaces vectoriels
(c) Sous-espace vectoriel engendr par une partie
(d) Partie libre et partie lie.Base.
(e) Somme de sous espaces vectoriels.

2. II.Applications linaires
(a) Gnralits.
(b) Structure des endomorphismes.
Chapitre 3 : Espaces vectoriels de dimension finie
1. Gnralits

(a) Lemme fondammental

(b) Existence dune base-dimension dun espace vectoriel
(c) Thorme de la base incomplte
(d) Dimension dun sous-espace vectoriel
(e) Rang dun systme de vecteurs

2. Somme de sous-espaces vectoriels

(a) Somme directe de deux sous-espaces
(b) Sous-espaces supplmentaires
(c) Cas de la dimension finie
3. Applications linaires

(a) Gnralits
(b) Applications linaires
(c) Image et noyau dune application linaire
(d) Thorme de la dimension
(e) Structure despace vectoriel de L (E, F )
(f) Algbre L (E )
(g) Les projecteurs

Chapitre 4 : Matrices
1. Matrices associes aux applications linaires
 2

2. Matrice colonne associ un vecteur

3. Matrice de linverse dune application linaire
4. Changement de bases
5. Rang dune matrice
6. Matrices remarquables
 Chapitre 1

SYSTEMES LINEAIRES-METHODE DU
PIVOT

INTRODUCTION
De nombreux problmes mathmatiques peuvent tre traduits par des quations algbriques
et notamment par des systmes linaires. Lobjet du chapitre est la prsentation de la mthode
du pivot dans un corps commutatif K, appele aussi mthode dlimination de Gauss , et qui
permet la rsolution de tels systmes. Dans ce chapitre, le corps K dsigne Q, R, ouC.

1. Systmes linaires
1.1. Dfinition
Dfinition 1

Un systme linaire est la donne dun nombre fini dquations linaires telles que :


a 11 x1 +a 12 x2 +a 13 x3 + +a 1n xn = b1 ( quation 1)



a 21 x1 +a 22 x2 +a 23 x3 + +a 2n xn = b2 ( quation 2)
.. .. .. .. .

= ..


. . . .
(1)

a i1 x1 +a i2 x2 +a i3 x3 + +a in xn = bi ( quation i )
.. .. .. .. .

= ..





. . . .
a p1 x1 +a p2 x2 +a p3 x3 +a pn xn = b p ( quation p)

+

Les lments x1 , x2 , ....., xn sont les inconnues du systme (1).

Les termes a i j , b i pour 1 i p et 1 j n sont donns dans le corps IK et sappellent
respectivement les coefficients et les seconds membres du systme (1).

Rsoudre le systme (1), cest dterminer lensemble S de toutes les solutions . Nous allons
montrer que si S nest pas vide, il est soit rduit un singleton, soit cest un ensemble infini.

3
 SYSTEMES LINEAIRES-METHODE DU PIVOT 4

1.2. Exemples

Exemple 1

En se plaant dans R , nous cherchons rsoudre le systme suivant :

2 x y +4 z = 4
(L 1 )
3 x 2 y 3 z = 17 (L 2 )

5 x 3 y +8 z = 10

(L 3 )

Notons L 1 , L 2 , L 3 les trois lignes de ce systme.Remplaons la ligne L 2 par L02 = 2L 2 3L 1

puis L 3 par L03 = 2L 3 5L 1 , nous obtenons le systme :

2 x y +4 z = 4
(L 1 )
7 y 18 z = 46 (L02 )

y 4 z = 0 (L03 )

Remplaons la nouvelle ligne L03 par L"3 = 7L03 + L02 , on a alors :

2 x y +4 z = 4
(L 1 )
7 y 18 z = 46 (L02 )

46 z = 46 (L"3 )

Nous obtenons la solution du systme en remontant les lignes : z = 1, y = 4, x = 2 et

S = {(2, 4, 1)}

Exemple 2

Soit le systme :
2x y +z = 4
(L 1 )
3 x 2 y 2 z = 5 (L 2 )

x + y z = 2

(L 3 )

Notons L 1 , L 2 , L 3 les trois lignes de ce systme.Remplaons la ligne L 2 par L02 = 2L 2 3L 1

puis L 3 par L03 = 2L 3 + L 1 , nous obtenons le systme :

2x y +z = 4
(L 1 )
7 y 7 z = 2 (L02 )

+ y z = 8 (L03 )

Remplaons la nouvelle ligne L03 par L"3 = 7L03 + L02 , on a alors :

2x y +z = 4
(L 1 )
7 y 7 z = 2 (L02 )

0 = 58 (L"3 )

ce qui est impossible . Par consquent le systme propos na pas de solution soit S = ;.
 SYSTEMES LINEAIRES-METHODE DU PIVOT 5

Exemple 3

Dterminons toutes les solutions du systme quatre inconnues et trois quations :

x y +z +t = 2
(L 1 )
2 x y +2 z t = 3 (L 2 )

3 x + y + z 2 t = 5

(L 3 )

En procdant de faon analogue aux exemples 1 et 2 , nous pouvons "liminer" les coeffi-
cients de la variable x des lignes L 2 et L 3 , ce qui donne le systme :

x
y +z +t = 2 (L 1 )
y 3 t = 1 (L02 )

+4 y 2 z 5 t = 1 (L03 )

Ensuite nous remplaons la ligne L03 par L"3 = L03 4L02 , do le systme final :

x y
+z +t = 2 (L 1 )
y 3 t = 1 (L02 )

2 z +7 t = 3 (L"3 )

Ainsi le systme admet une infinit de solutions ( une droite affine dans R3 ) qui scrivent
sous forme paramtrique , le paramtre tant la variable libre t :
3 5

x = 2 t + 2

y = 3t 1
z = 72 t + 52

3
2 t + 52 , 3 t 1, 27 t + 52 / t R .

do S =

A travers les exemples traits, il apparat que la mthode du pivot est base sur les proprits
des systmes lin aires , elle permet la fois dassurer lexistence des solutions mais aussi leur
dtermination :
Oprations lmentaires : Lensemble des solutions dun systme linaire reste inchang si
lon procde aux oprations suivantes :
La modification de lordre des quations ;
La multiplication dune ligne par une constante non nulle du corps K ;
Laddition une ligne donne dune combinaison linaire des autres lignes.

1.3. Mthode du pivot

Considrons le systme linaire :
SYSTEMES LINEAIRES-METHODE DU PIVOT 6

a 11 x1 +a 12 x2 +a 13 x3 + +a 1n xn = b1 ( quation 1)



a 21 x1 +a 22 x2 +a 23 x3 + +a 2n xn = b2 ( quation 2)
.. .. .. .. .

= ..


. . . .
(1)
a i1 x1 +a i2 x2 +a i3 x3
+ +a in xn = bi ( quation i )
.. .. .. .. .

= ..





. . . .
a p1 x1 +a p2 x2 +a p3 x3 +a pn xn = b p ( quation p)

+

On commence par modifier lordre des quations ( si cest ncessaire ) pour que le pivot du
systme ( savoir le coefficient a 11 ) , soit non nul .Ensuite, la premire tape consiste
"liminer" les coefficients a 21 , ...., a p1 .Pour cela, nous remplaons les lignes L 2 , ..., L p par les
lignes L02 = a 11 L 2 a 21 L 1 , ..., L0p = a 11 L p a p1 L 1 .Nous obtenons un systme ayant le mme
ensemble de solutions , il est donn par :



a 11 x1 +a 12 x2 +a 13 x3 + +a 1n xn = b 1
0 x1 +a022 x2 +a023 x3 + +a02n xn = b02




.. .. .. .. .

= ..


. . . .
(2)
0 x1
+a0i2 x2 +a0i3 x3 + +a0in xn = b0i
.. .. .. .. .

= ..

. . . .





0 x1 +a0 x2 +a0 x3 + +a0 xn = b0

p2 p3 pn p

Nous appliquons la mthode dlimination explicite ci-dessus au sous systme de (2) reprsent
par les lignes L02 , ..., L0p .Et ainsi de suite, lopration donne la fin un systme quivalent de la
forme suivante :


a 11 x1 +a 12 x2 +a 13 x3 + +a 1n xn = b1
0 0
+a02n xn = b02

0 x1 +a 22 x2 +a 23 x3 +




.. .. .. .. .
( s) . . . . = ..
.
.. .
.. .. .. .
= ..

. .




+0 x3 ........... + a(s 1) (s1)
= b(s 1)

0 x1 +0 x2 ps x s + +a pn xn

p

o tous les coefficients a 11 , a022 , ...., a(s

ps
1)
sont non nuls, ce sont les pivots successifs.

Remarque 1

Si en appliquant la mthode du pivot, nous obtenons une quation de la forme 0 = b , avec

b non nul, nous pouvons affirmer que le systme (1) na pas de solution.

Ltude du systme (s) donne lieu deux possibilits :

1 er cas : p = s = n
Le systme (s) devient triangulaire :


a 11 x1 +a 12 x2 +a 13 x3 + +a 1n xn = b1
0 x1 +a022 x2 +a023 x3 + +a02n xn = b02





.. .. .. .. .
. . . . = ..
.
.. .
.. .
.. .. .
= ..

.




(s1)
= b(s 1)

0 x1 0 x2 +0 x3 + +a pn xn

p
 SYSTEMES LINEAIRES-METHODE DU PIVOT 7

La dernire quation permet de calculer linconnue xn .Et de proche en proche en remon-

tant les quations nous pouvons calculer successivement les variables xn1 , xn2 , ....., x1
(voir.l0 exemple 1)).Le systme admet une solution et une seule.
2 eme cas : p = s < n
Les inconues x1 , x2 , ....., x p dites principales ,sexpriment en fonction des inconnues restantes
x p+1 , x p+2 , ....., xn appeles variables libres .Nous obtenons une infinit de solutions dans ce
cas.

2. Systmes linaires homognes

Dfinition 2

Un systme linaire est dit homogne si les seconds membres de (1) son nuls, cest dire :


a 11 x1 +a 12 x2 +a 13 x3 + +a 1n xn = 0 ( quation 1)



a 21 x1 +a 22 x2 +a 23 x3 + +a 2n xn = 0 ( quation 2)
.. .. .. .. .

= ..


0
. . . .
(1 )

a i1 x1 +a i2 x2 +a i3 x3 + +a in xn = 0 ( quation i )
.. .. .. .. .

= ..





. . . .
a p1 x1 +a p2 x2 +a p3 x3 +a pn xn = 0 ( quation p)

+

Remarque 2

Le n-uplet (0, ..., 0) est toujours une soution de (1).

La solution gnrale ( x1 , ...., xn ) du systme (1),est la somme dune solution particulire
( y1 , ...., yn ) du systme (1) et de la solution gnrale ( z1 , ...., z n ) du systme (1).
Un systme linaire homogne avec plus dinconnues que dquations ( n > p ) admet
une infinit de solutions non nulles.
 Chapitre 2

ESPACES VECTORIELS

La notion despace vectoriel est une structure fondamentale des mathmatiques modernes. Il
sagit de dgager les proprits communes que partagent des ensembles pourtant trs diffrents.
Par exemple, on peut additionner deux vecteurs du plan, et aussi multiplier un vecteur par un
rel (pour lagrandir ou le rtrcir). Mais on peut aussi additionner deux fonctions, ou multiplier
une fonction par un rel. Mme chose avec les polynmes, les matrices,... Le but est dobtenir
des thormes gnraux qui sappliqueront aussi bien aux vecteurs du plan, de lespace, aux
espaces de fonctions, aux polynmes, aux matrices,...

Dans ce chapitre et dans les suivants, K dsignera un corps commutatif quelconque (le plus
souvent K = R ou C).

1. Gnralits
1.1. Structure despace vectoriel

Dfinition 3

On appelle espace vectoriel sur K ou encore K-espace vectoriel, tout ensemble E muni de
deux lois :
1. Une loi interne appele addition, note + telle que (E, +) soit un groupe ablien.
2. Une loi externe qui tout couple (, x) K E fait correspondre un lment de E not
.x, cette loi vrifiant les quatres proprits suivantes :
(a) x E 1.x = x
(b) K x, y E .( x + y) = .x + .y
(c) , K x E ( + ).x = .x + .x
(d) , K x E ().x = .(.x)
Les lments de E sappellent vecteurs, ceux de K scalaires.

Exemple 4

1. Soit Kn lensemble des n-uplets (1 , 2 , ...n ) dlments de K. Munissons Kn des lois

suivantes :

8
ESPACES VECTORIELS 9

- Une addition dfinie par (1 , 2 , ..., n ) + (1 , 2 , ..., n ) = (1 + 1 , 2 + 2 , ..., n + n )

- Une loi externe dfinie par : .(1 , 2 , ..., n ) = (1 , 2 , ..., n )
Il est facile de vrifier que (Kn , +, .) est un espace vectoriel sur K.
2. Lensemble Mn (K) des matrices carres dordre n coefficients dans K est un K-espace
vectoriel. Les lois sont dfinies par :

(a i, j ) + ( b i, j ) = (a i, j + b i, j ) et .(a i, j ) = (a i, j )

3. Si E et F sont des espaces vectoriels sur K, on peut munir E F dune structure

naturelle de K-espace vectoriel, en dfinissant ainsi les oprations :
( x, y), ( x0 , y0 ) E F ( x, y) + ( x0 , y0 ) = ( x + x0 , y + y0 )
( x, y) E F K .( x, y) = ( x, y)
Lensemble E F muni de ces deux lois sappelle lespace vectoriel produit de E par
F.
4. Lensemble K[ X ] des polynmes coefficients dans K muni des lois classiques :
(P,Q ) P + Q et (, P ) P est un espace vectoriel sur K.
5. Soit D un ensemble quelconque, et A (D, K) lensemble des applications de D dans
K. Munissons A (D, K) des lois suivantes : Pour tout f , g A (Dd, K) et K
f + g : x f ( x) + g( x), . f : x f ( x)
Il nest pas difficile de vrifier que A (D, K) muni de ces deux lois A (D, K) est un
espace vectoriel sur K (appel espace des applications de D dans K).
On peut noter les cas particuliers suivants :
(a) D = N, K = R, A (D, K) est lespace vectoriel rel des suites relles.

(b) D = N, K = C, A (D, K) est lespace vectoriel complexe des suites complexes.

(c) D R, K = R, A (D, K) est lespace vectoriel rel des fonctions numriques, de

variable relle, dfinies sur le domaine D .

Calcul dans un espace vectoriel

La proposition suivante montre quil ny a absolument aucune surprise et que lon calcule en
fait comme dans toute structure algbrique classique.

Proposition 1

1. x, y E , K, .( x y) = .x .y.
2. K, .0 = 0.
3. y E , . K, .( y) = .y.
4. , K, x E , ( ).x = .x .x.
5. K, x E , ().x = .x.
 ESPACES VECTORIELS 10

6. x E , 0.x = 0.
7. x E , K, .x = 0 = 0 ou x = 0.

Dmonstration

1). On a ( x y) + y = (( x y) + y) = x. 2) On fait x = y dans (1). 3) On fait x = 0 dans

dans 1). 4) On a ( ) x + x = (( ) + ) x = x. 5) On fait = 0 dans 4). 6) On fait =
dans 4). 7) En effet, supposons que x = 0. Si = 0 , on a gagn. Sinon est inversible dans
le corps K et on a par multiplication par 1 : 1 ( x) = 1 0 = 0, do 1.x = 0, i.e x = 0.

Exercices
1. Justifier si les objets suivants sont des espaces vectoriels.
(a) Lensemble des fonctions relles sur [0, 1], continues, positives ou nulles, pour laddi-
tion et le produit par un rel.
(b) Lensemble des fonctions relles sur R vrifiant lim x+ f ( x) = 0 pour les mmes
oprations.
(c) Lensemble des fonctions sur R telles que f (3) = 7.
(d) Lensemble R+ pour les oprations x y = x y et x = x ( R).
(e) Lensemble des points ( x, y) de R2 vrifiant sin( x + y) = 0.
(f) Lensemble des vecteurs ( x, y, z) de R3 orthogonaux au vecteur (1, 3, 2).
(g) Lensemble des fonctions de classe C 2 vrifiant f 00 + f = 0.
R1
(h) Lensemble des fonctions continues sur [0, 1] vrifiant 0 f ( x) sin x dx = 0.
(i) Lensemble des matrices ac db M2 (R) vrifiant a + d = 0.

1.2. Sous-espaces vectoriels

Dfinition 4

Soit (E, +, .) un espace vectoriel sur K et F une partie non vide de E . On dira que F est un
sous-espace vectoriel de E (en abrg s.e.v) si :
1. F est stable pour les deux lois + et .
2. F muni des deux lois induites + et . est un K-espace vectoriel.

Le thorme suivant donne une caractrisation des sous-espaces vectoriels. Dans la pratique,
pour montrer quune partie F dun espace vectoriel de rfrence E , est un espace vectoriel il
suffit de montrer que F est un sous-espace vectoriel de E .

Thorme 1

Soit F une partie non vide dun K-espace vectoriel E . Les propositions suivantes sont
quivalentes :
1. F est un sous-espace vectoriel de E .
ESPACES VECTORIELS 11

2. x, y E , , K, .x + .y F .

Dmonstration

Il est clair que 1) = 2). Inversement, supposons quon ait 2). Prenons = 1 et = 1. alors
x F et y F entrainent que x y F . Donc F est un sous-groupe additif de E . Prenons
ensuite = 0. Alors K et x F entrainent x F .

Exemple 5

1. Soit E un K-espace vectoriel. Les parties {0} et E sont des sous-espaces vectoriels de
E appels sous-espaces triviaux.
2. Soit n N. Lensemble Kn [ X ] des polynmes coefficients dans K de degr infrieur
ou gal n est un s.e.v de v de K[ X ].
3. Lintersection quelconque dune famille de s.e.v dun K-espace vectoriel E est un s.e.v
de E .
4. Lanalyse fournit de nombreux exemples de s.e.v de A ( I, R), o I est un intervalle de
R. Entre autres :
(a) Lensemble C ( I, R) des applications continues sur I .
(b) Lensemble D ( I, R) des applications drivables sur I .
(c) Pour tout n 1, lensemble Dn ( I, R) des applications n fois drivables sur I est
un sous-espace vectoriel de A ( I, R). Lintersection de tous ces sous-espaces vec-
toriels est un sous-espace vectoriel not D ( I, R), espace vectoriel des fonctions
indfiniment drivables sur I .
(d) Pour tout n 1, lensemble C n ( I, R) des applications C n sur I .
5. Il y a videment des parties de K-espaces vectoriels qui ne sont pas des sous-espaces
vectoriels. Notons en particulier :
(a) Lensemble des polynmes de degr exactement n nest pas un sous-espace vec-
toriel de K[ X ].
(b) Lensemble des fonctions positives ou nulles (resp. ngatives ou nulles) dfinies
sur une partie D de R, nest pas un sous-espace vectoriel de A (D, R).

Exercices
Parmi les ensembles suivants, reconnatre ceux qui sont des sous-espaces vectoriels :
1. ( x, y, z) R3 | x + y = 0

2. ( x, y, z, t) R4 | x = t et y = z

3. ( x, y, z) R3 | z = 1

4. ( x, y) R2 | x2 + x y 0

5. ( x, y) R2 | x2 + y2 1

6. f F (R, R) | f (0) = 1

 ESPACES VECTORIELS 12

f F (R, R) | f (1) = 0

7.
f F (R, R) | f est croissante

8.

9. ( u n )nN | ( u n ) tend vers 0

1.3. Sous-espace engendr par une partie

Dfinition 5

Soit ( x1 , ..., xn ) un systme fini de vecteurs dun K-espace vectoriel E . Un vecteur x E est
dit combinaison linaire des vecteurs x1 , ..., xn si lon peut trouver un systme (1 , ..., n ) de
scalaires, tel que
x = 1 x1 + ... + n .xn .

Les scalaires i sont nomms coefficients de la combinaison linaire x.

Exemple 6

1. Le vecteur 0 est combinaison linaire de toute famille finie de vecteurs, les coefficients
tant nuls.
2. Tout vecteur x est combinaison linaire de tout systme de vecteurs contenant x, le
coefficient de x tant 1, tous les autres gaux 0.
3. Dans lespace vectoriel K3 sur le corps K, soit le triplet ( e 1 , e 2 , e 3 ) o e 1 = (1, 0, 0), e 2 =
(0, 1, 0), e 3 = (0, 0, 1). Tout vecteur (a, b, c) de K3 est combinaison linaire des vecteurs
e 1 , e 2 , e 3 car : (a, b, c) = ae 1 + be 2 + ce 3

Thorme 2

Soit ( x1 , ..., xn ) un systme fini de vecteurs dun K-espace vectoriel E . Lensemble F des
combinaisons linaires des vecteurs x1 , ..., xn est un s.e.v de E ; cest le plus petit s.e.v (pour
linclusion) de E contenant les vecteurs x1 , ..., xn . F est dit sous-espace engendr par les
vecteurs x1 , ..., xn et il est not :

F = V ect( x1 , ..., xn ) = {1 x1 + ... + n .xn : 1 . . . n K}

Dmonstration

Partons de deux lments de F :

x = 1 .x1 + ... + n .xn , y = 1 .x1 + ... + n .xn

Quels que soient les scalaires et , on a :

.x + .y = (1 + 1 ).x1 + ... + (n + n .) xn

On obtient une combinaison linaire du systme propos, donc un lment de F qui est, par
consquent, sous-espace vectoriel de E .
F contient videmment chacun des x i du systme ( x1 , ..., xn ). Dautre part, tout sous-espace,
 ESPACES VECTORIELS 13

contenant les vecteurs x1 , ..., xn , doit contenir aussi la somme 1 .x1 + ...n .xn pour tout n-
uplets de scalaires (1 , ..., n ). Un tel sous-espace contient donc F qui est, par consquent,
le plus petit sous-espace contenant les vecteurs x1 , ..., xn .

Dfinition 6

Un systme fini ( x1 , ..., xn ) de vecteurs dun K-espace vectoriex E est dit gnrateur de E (
ou aussi engendre E ) si E = V ect( x1 , ..., xn ). En dautres termes :

x E, 1 , ..., n K, / x = 1 .x1 + ... + n .xn .

Exemple 7

1. Kn est engendr par les n-uplets (1, 0, 0, ..., 0), (0, 1, 0, ..., 0), ..., (0, 0, 0, ..., 1).
2. Soit n un entier. Dans A (R, R) les fonctions 1, x, x2 ,..., x n engendrent le sous-espace
vectoriel des fonctions polynmiales de degr infrieur ou gal n.

Thorme 3

Soit A une partie dun K-espace vectoriel E . Lensemble H des combinaisons linaires finies
dlments de A est un s.e.v de E ; cest le plus petit s.e.v (pour linclusion) de E contenant
A . H est dit sous-espace engendr par la partie A , il est not :

V ect( A ) = {1 .x1 + ... + n .xn : x1 . . . xn A n 1}

Exemple 8

1. K[ X ] est engendr par la partie {1, X , ..., X n , ....}.

2. Soient (E n ) une suite croissante de s.e.v dun K-espace vecrtoriel E . Si G n est un
systme gnrateur de E n , alors E = n E n est un s.e.v de E admettant n G n comme
partie gnratrice.

Exercices
1 1
1. Montrer que le systme ( u, v, w) est un systme gnrateur de R3 avec u = 1 , v = 1 et
1 1 0
w= 0
0
1 1 1
2. Peut-on trouver t R tel que le vecteur 3t soit une combinaison linaire de 3 et 1 ?
t 2 1

1.4. Partie libre - Partie lie

Dfinition 7

1. On dit quun systme fini ( x1 , ..., xn ) de vecteurs dun K-espace vectoriel E est libre si
toute combinaison linaire de x1 , ..., xn est triviale cd :

Si 1 , ..., n K tels que 1 .x1 + ... + n .xn = 0 , alors 1 = ... = n = 0.

ESPACES VECTORIELS 14

2. On dit quun systme fini ( x1 , ..., xn ) de vecteurs dun K-espace vectoriel E est li sil
nest pas libre. Ce qui revient dire quil existe des scalaires 1 , ..., n non tous nuls
tels que :
1 .x1 + ... + n .xn = 0.

Proprit 1

1. Tout vecteur non nul est libre.

2. Tout systme contenu dans un systme fini libre est libre.
3. Tout systme contenant le vecteur nul est li.
4. Tout systme fini contenant un systme li est li.

Proposition 2

Soit E un K-espace vectoriel. Le systme ( x1 , ..., xn ) est li, si et seulement si, lun au moins
des vecteurs x i sexprime comme combinaison linaire des autres vecteurs.

Dmonstration

Supposons que le systme ( x1 , ..., xn ) est li, il existe donc un systme (1 , ..., n ) de scalaires
non tous nuls tel que 1 x1 + ... + n xn = 0. Soit alors i 6= 0, il est inversible dans K et on
peut crire :

u i = i 1 1 .x1 + ... + i 1 i1 .x i1 + i 1 i+1 .x i+1 + ... + i 1 n .xn .

Inversement lautre implication est vidente.

Dfinition 8

1. On dit quune partie A dun K-espace vectoriel E est libre si tout systme fini dl-
ments distincts de A est libre, cd :
n 1, x1 , ..., xn A, 1 , ..., n K tels que 1 .x1 + ... + n .xn = 0 , on a :

1 = ... = n = 0.

2. On dit quune partie A de E est lie si elle nest pas libre. Autrement dit, il existe un
systme fini de vecteurs de A qui soit li.

Exemple 9

1. La partie {1, X , ..., X n , ....} est libre dans K[ X ]

2. La partie forme des applications f n dfinies par f n ( x) = e nx est libre dans A (R, R)
 ESPACES VECTORIELS 15

1.5. Somme de sous-espaces vectoriels

Il est noter que la runion de deux s.e.v dun K-espace vectoriel nest pas en gnral un s.e.v.
Pour remdier cet inconvnient nous allons remplacer lunion des s.e.v par une opration plus
convenable qui est la somme des s.e.v.

Dfinition 9

Soit E un K-espace vectoriel, de dimemsion finie ou non, F et G deux sous-espaces vectoriels

de E . On appelle somme de F et G lensemble, not F + G , dfini par :

F + G = { z E / x F, y G , z = x + y}.

Proposition 3

La somme F + G de deux s.e.v dun K-espace vectoriel E est un s.e.v de E . De plus cest le
plus petit s.e.v de E (au sens de linclusion) contenant F G .

Dmonstration

Soient deux lments x + y et x0 + y0 F + G avec x, x0 F et y, y0 G et soit et deux

scalaires, on a ( x + y) + ( x0 + y0 ) = ( x + x0 ) + ( y + y0 ) F + G . Donc F + G est un s.e.v de E .
Il est clair que F + G contient F et G , donc F G . Dautre part, tout sous-espace, contenant
F G , doit contenir aussi la somme x + y avec x F et y G . Un tel sous-espace contient
donc F + G qui est, par consquent, le plus petit sous-espace contenant F G .

Dfinition 10

Soit E un K-espace vectoriel et F ,G deux s.e.v de E . On dit que la somme F + G est directe
et on note F G , si tout lment de F + G scrit dune manire unique sous la forme x + y
avec x F et y G .

Proposition 4

Soit E un K-espace vectoriel et F ,G deux s.e.v de E . Il y a quivalence entre :

1. F + G est directe.
2. F G = {0}.
3. x + y = 0 avec x F et y G = x = y = 0.

Dmonstration

1) = 2) Si z F G , z peut scrire z = z + 0 = 0 + z. La dcomposition tant unique, z = 0.

2) = 3) Si x + y = 0 avec x F et y G , alors x = y F G = {0}. 3) = 1) Si x + y = x0 + y0
avec x, x0 F et y, y0 G , alors on a ( x x0 ) + ( y y0 ) = 0 avec x x0 F et y y0 G ; donc
x = x0 et y = y0 .
 ESPACES VECTORIELS 16

Dfinition 11

Soit E un K-espace vectoriel et F,G deux s.e.v de E . On dit F et G sont supplmentaires,

et on note E = F G , si tout lment de E scrit dune manire unique sous la forme x + y
avec x F et y G .

En dautre termes, E = F G si les deux conditions suivantes sont ralises :

1. E = F + G .
2. La somme F + G est directe (i.e F G = {0}).

Exemple 10

Soit E un K-espace vectoriel muni dune base finie ( e 1 , ..., e n ) .Alors E = F G avec
F = vect ( e 1 , ..., e i ) et G = vect ( e i+1 , ..., e n ) , i {1, ..., n 1} .
On a F (R, R) = F G , avec F ( respectivement G ) lespace des applications paires
(respectivement impaires ).

Dfinition 12

Soit E un K-espace vectoriel et soit F un s.e.v de E . On appelle supplmentaire de F

(sous-entendu dans E ) tout s.e.v G de E vrifiant E = F G .

2. Les Applications Linaires.

2.1. Gnralits
Dfinition 13

Soient E et E 0 deux espaces vectoriels sur K et f une application de E dans E 0 . On dit que
f est linaire, si :
1. f (v + w) = f (v) + f (w), v, w E .
2. f (v) = f (v), v E, K.
Si de plus f est bijective, f est un isomorphisme despaces vectoriels.

Lensemble des applications linaires de E dans E 0 est not L (E, E 0 ). Une application linaire
de E dans E est appel endomorphisme de E . Lensemble des endomorphismes de E est not
L ( E ).

Remarque 3

Pour toute application linaire f , on a f (0) = 0 puisque f est un homomorphisme de

groupes.(On a : f ( x) = f ( x + 0) = f ( x) + f (0) ).
ESPACES VECTORIELS 17

Exemple 11

1. Lapplication f : E E 0 qui associe un lment v E , le vecteur nul est linaire ; elle

est dite lapplication nulle.
2. Lapplication id E : E E qui associe un lment v E , le vecteur v lui mme,est
linaire ; elle est dite lapplication identit de E .
3. Lapplication h : E E qui associe un lment v E , le vecteur v ( K\ {0}) est
linaire ; elle est appele lhomothtie de rapport .
4. Lapplication drivation D : K[ X ] K[ X ] qui associe un polynme P sa drive P 0 ,
est linaire.
5. Soit E = E 1 E 2 . Lapplication P1 : E E qui associe vecteur x = x1 + x2 , le vecteur x1
( x1 E 1 , x2 E 2 ), est linaire ; elle est appele la projection de E sur E 1 paralllement
E2.
6. Soit v0 6= 0 un vecteur de E . La translation : E E qui associe tout vecteur v, le
vecteur v + v0 , est non linaire, car (0) = v0 6= 0.

Image et noyau d une application linaire

Proposition 5

Soit f L (E, E 0 ) et F un sous-espace vectoriel de E . Alors f (F ) est un sous-espace vectoriel

de E 0 . En particulier f (E ) est un sous espace vectoriel de E 0 appel image de f et not I m f .

Dmonstration

On sait que f (F ) est un sous groupe de E 0 , il suffit donc de vrifier la stabilit pour lopra-
tion externe. Soit K et f (v) f (F ), on a f (V ) = f (v) f (F ).

Remarque 4

On peut montrer que limage rciproque dun s.e.v F 0 de E 0 est un s.e.v de E.

Proposition 6

Soit f L (E, E 0 ), K er f = { x E : f ( x) = 0} est un sous espace vectoriel de E , appel noyau

de f .

Dmonstration

Il suffit de vrifier la stabilit pour lopration externe. Si K et x E , on a f ( x) = f ( x) =

0 = 0 et par suite x ker f .
 ESPACES VECTORIELS 18

Proposition 7

f est injective si et seulement si K er f = {0}

Exemple 12

1. Soit E = E 1 E 2 . On a I mP1 = E 1 et K erP1 = E 2 .

2. Soit D : K[ X ] K[ X ] lapplication drivation. On a K erD = K et I mD = K[ X ]
3. Soit f : K3 K2 lapplication dfinie par f ( x, y, z) = (2 x + y, y z). On a :
K er f = {( x, y, z) K3 : y = 2 x et z = y} = {( x, 2 x, 2 x) : x K}. Kerf est la droite
vectorielle engendr par (1, 2, 2).
I m f = {( x0 , y0 ) K2 : ( x, y, z) K3 : x0 = 2 x + y, et y0 = y z}. Soit ( x0 , y0 ) K2 . En
x0 y0
posant x = 2 , y = y0 , z = 0, on vrifie que f ( x, y, z) = ( x0 , y0 ), donc f esr surjective,
do I m f = K2 .

Proposition 8

Soit f L (E, E 0 ) et (v1 , ..., vn ) un systme de vecteurs de E .

1. Si f est injective et le systme (v1 , ..., vn ) est libre dans E , alors le systme
( f (v1 ), ..., f (vn )) est libre dans E 0 .Si f est injective et A une partie libre de E ,
alors f ( A ) est libre dans E 0 .
2. Si f est surjective et le systme (v1 , ..., vn ) est gnrateur de E , alors le systme
( f (v1 ), ..., f (vn )) est gnrateur de E 0 .Plus gnralement, si f est surjective et A une
partie gnratrice de E , alors f ( A ) engendre E 0
En particulier si f est bijective, limage dune base de E est une base de E 0 .

Dmonstration

iX
=n iX
=n
1) Supposons que i f (v i ) = 0 avec 1 , ..., n IK. Comme f est linaire, f ( i v i ) = 0,do
i =1 i =1
iX
=n
i v i = 0 compte tenu de linjection de f . Lindpendence du sysme (v1 , ..., vn ) entraine
i =1
1 = ... = n = 0.Soit A une partie libre de E , alors daprs ce qui prcde limage par f de
0 0
toute partie finie de A est libre dans E , par suite f ( A ) est libre. 2) Soit y E , il existe
iX
=n
donc x E tel que f ( x) = y. Or on peut crire x = i v i o les i K.
i =1
iX
=n iX
=n
Il sen suit que y = f ( x) = f ( i vi ) = i f (v i ).
i =1 i =1

2.2. Structure des endomorphismes

E, E 0 , E 00 sont des espaces vectoriels sur K.
ESPACES VECTORIELS 19

Proposition 9

1. L (E, E 0 ) muni des lois ( f + g)( x) = f ( x) + g( x) et ( f )( x) = f ( x), ( f , g L (E, E 0 ),

K, x E ) est un espace vectoriel sur K
2. Si f L (E, E 0 ), g L (E 0 , E 00 ), alors g f L (E, E 00 )
3. Pour tout f , h L (E, E 0 ), g, k L (E 0 , E 00 ), K :

(a) g ( f + h) = g f + g h.
(b) ( g + k) f = g f + k f .
(c) g ( f ) = g f .

4. Si f est bijective, alors f 1 est linaire.

Dmonstration

L (E, E 0 ) est un espace vectoriel, voir exemple 3 du par.1 chap 2. On a g f ( x + y) =

g[ f ( x + y)] = g[ f ( x) + f ( y)] = g( f ( x)) + g( f ( y) = ( g f )( x) + ( g f )( y). Il suffit de
vrifier que f 1 ( y) = f 1 ( y) puisquon a dj vrifi que f 1 est un homomorphisme de
groupes. Posons y = f ( x), alors f 1 ( f ( x)) = f 1 ( f ( x)) = x = f 1 ( y)

Anneau L (E ) - Groupe Gl(E).

Thorme 4

Lensemble L (E ) des endomorphismes de E muni des oprations ( f , g) f + g et ( f , g)

f g a une structure danneau unitaire.

Dmonstration

Daprs ce qui prcde, (L (E ), +) est un groupe commutatif et la composition des endomor-

phismes est associative et distributive par rapport laddition.

Thorme 5

Lensemble des automorphismes dun espace vectoriel E est pour la composition des appli-
cations un groupe, appel groupe linaire de E et not Gl (E ).

Algbre L (E )- Application : Les projecteurs

Thorme 6

Lensemble L (E ) muni des oprations

1 ( f , g) f + g,
2 (, f ) f ,
3 ( f , g) f g
ESPACES VECTORIELS 20

a une structure despace vectoriel pour les lois 1 et 2 et de plus ( f g) = ( f ) g = f ( g),

on dit que L (E ) a une structure dalgbre sur K.

Soit E un espace vectoriel sur K, E 1 , E 2 deux sous-espaces vecrtoriels tels que E = E 1 E 2 . On

dfinit lapplication P E 1 : E E 1 qui associe x = x1 + x2 , le vecteur x1 ( x1 E 1 , x2 E 2 ).
On a les proprits suivantes :
1. P E 1 est linaire, K erP E 1 = E 2 et I mP E 1 = E 1 .
2. (P E 1 )2 = P E 1 , P E 1 + P E 2 = I d E .
3. P E 2 P E 1 = P E 1 P E 2 = 0 et
4. E = K erP E 1 I mP E 2 et E = K erP E 2 I mP E 1 .

Dfinition 14

Un endomorphisme p de E est appel projecteur si p p = p.

 Chapitre 3

ESPACES VECTORIELS DE
DIMENSION FINIE

1. Gnralits
Dfinition 15

1. On appelle espace vectoriel de dimension finie tout espace vectoriel engendr par un
systme fini de vecteurs. Dans le cas contraire on dit que lespace vectoriel est de
dimension infinie.
2. Un systme ( u 1 , ..., u n ) de vecteurs dun K-espace vectoriel E est dit base de E si
( u 1 , ..., u n ) est libre et gnrateur E .

Exemple 13

1. Une base de Kn est (1, 0, 0, ..., 0), (0, 1, 0, ..., 0), ..., (0, 0, 0, ..., 1) ; elle est dite base cano-
nique de Kn .
2. Les polynmes 1, X , X 2 ,..., X n forment une base de lespace vectoriel Kn [ X ] des poly-
nmes de degr infrieur ou gal n.
3. Si E et F sont deux espaces vectoriels de bases respectives ( e 1 , ..., e n ) et ( f 1 , ..., f m ),
alors E F admet pour base ( e 1 , 0F ), ..., ( e n , 0F ), (0E , f 1 ), ...(0E , f m ).
,

Remarque 5

Il ne faudrait pas croire que tous les espaces vectoriels sur un corps K soient de dimension
finie. Lexemple le plus simple est K[ X ], en effet supposons que K[ X ] est engendr par
P1 ,...P r . Si n est le plus haut degr des polynmes P1 ,...P r , le polynme X n+1 ne peut
scrire comme combibaison linaire des vecteurs P1 ,...,P r . Il sen suit que K[ X ] ne peut pas
tre engendr par un nombre fini de polynmes.

Le lemme suivant est fondamental. Il nous permettera de montrer que toutes les bases dun
K-espace vectoriel sont constitues du mme nombre de vecteurs. Ce nombre sappellera dimen-
sion de lespace.

21
ESPACES VECTORIELS DE DIMENSION FINIE 22

Lemme 1

Soit E un K-espace vectoriel engendr par le systme ( e 1 , ..., e n ) et soit ( f 1 , ..., f m ) un systme
de vecteurs de E . Si m > n, alors ( f 1 , ..., f m ) est li.

Dmonstration

La dmonstration se fait par rcurrence sur n. Soit m > n.

Cette proprit est vraie pour n = 1, car si ( f 1 , f 2 ) sont deux vecteurs dun espace vectoriel
engendr par e 1 , il existe 1 et 2 tels que :

f 1 = 1 e 1 et f 2 = 2 e 1 .

Si les deux coefficients sont nuls, alors le systme est li. Sinon, on a 2 f 1 1 f 2 = 0 et le
systme est li.
On suppose la proprit vraie pour n 1 et on la montre pour n. Soit ( f 1 , ..., f m ) un systme
de vecteurs dun espace vectoriel engendr par ( e 1 , ..., e n ), avec m > n. On peut crire

i = 1, ..., m f i = a i e 1 + g i , avec a i K et g i < e 2 , ...e n > .

Si tous les a i sont nuls, alors les vecteurs f i < e 2 , ..., e n > pour tout i = 1, ..., m. Daprs
lhypothse de rcurrence, le systme ( f 1 , ..., f m ) est li.
Sinon, lun des a i est non nul, par exemple a 1 . Dans ce cas on a :

a 1 f 2 a 2 f 1 < e 2 , ..., e n >, ..., a 1 f m a m f 1 < e 2 , ..., e n > .

Or m 1 > n 1 donc lhypothse de rcurrence sapplique : ils sont lis. Par suite il existe
des coefficients i non tous nuls tels que :

2 (a 1 f 2 a 2 f 1 ) + ... + m (a 1 f m a m f 1 ) = 0.

Il sensuit que
(2 a 2 + ... + m a m ) f 1 + 2 a 1 f 2 + ... + m a 1 f m = 0.

Comme lun des coefficients i a 1 6= 0, le systme ( f 1 , ..., f m ) est li, ce qui achve la dmons-
tration.

Thorme 7

1. Tout K-espace vectoriel de dimension finie admet au moins une base. Plus prcis-
ment, tout systme gnrateur fini contient au moins une base.
2. Toutes les bases dun K-espace vectoriel E ont le mme nombre de vecteurs. Ce
nombre sappelle la dimension de E et se note dimE .

Dmonstration

Existence dune base. Si ( e 1 , ...e n ) engendre E et si ce systme est libre, il forme une base.
Sil est li, lun des vecteurs, par exemple e n est combinaison linaire des autres vecteurs.
ESPACES VECTORIELS DE DIMENSION FINIE 23

Il nest pas difficile de voir que, dans ce cas, le systme ( e 1 , ...e n1 ) engendre E . On itre
le procd jusqu obtenir un systme gnrateur libre. Cette mthode est constructive.
Soient ( e 1 , ...e n ) et ( f 1 , ..., f m ) deux bases de E . Alors on a daprs le lemme fondamental
( e 1 , ...e n ) est gnrateur de E et ( f 1 , ..., f m ) est libre dans E , donc m n, ( e 1 , ...e n ) est libre
et ( f 1 , ..., f m ) est gnrateur, donc n m.

Thorme 8

Soient E un K-espace vectoriel de dimension finie n.

1. Tout systme libre de E ayant n vecteurs est une base.
2. Tout systme gnrateur de E ayant n vecteurs est une base de E .
3. Soit F E un sous-espace vectoriel de E . Alors F est de dimension finie, dimF
dimE et il y a galit si et seulement si F = E

Dmonstration

Soit ( e 1 , ..., e n ) un systme libre de E , montrons quil est gnrateur de E . Soit x E , le

systme ( x, e 1 , ..., e n ) est li daprs le lemme fondamental. Il existe donc un systme de
scalaires non tous nuls (, 1 , ..., n ) tel que :

x + 1 e 1 + ... + n e n = 0.

Le scalaire est forcment non nul, car sinon 1 = ... = n = 0 compte tenu de la libert
du systme ( e 1 , ..., e n ). Par suite on peut crire :

x = (1 1 e 1 + ... + 1 n e n ).

Donc ( e 1 , ...e n ) engendre E .

Soit ( e 1 , ..., e n ) un systme gnrateur de E , montrons quil est libre dans E . Si le systme
( e 1 , ..., e n ) est li, alors lun des vecteurs est combinaison linaire des autres vecteurs ;
soit par exemple e 1 . Dans ce cas le systme ( e 2 , ...e n ) est gnrateur de E , ce qui est
contradictoire en tenant compte du lemme fondamental, car une base de E qui contient
forcment n lments serait lie.
Parmi tous les systmes libres de F , on en choisit un maximal et on le note ( f 1 , ... f m ).
Le nombre des vecteurs de ce systme est ncessairement infrieur dim E, daprs
le lemme fondamental. Ce systme est forcment gnrateur, car si x F , le systme
( x, f 1 , ... f m ) est li puisque ( f 1 , ... f m ) est libre maximal, et donc x peut scrire comme
combinaison linaire des vecteurs du systme ( f 1 , ..., f m ) comme dans 1).
Si F est un sous-espace vrifiant dimE = dimF , alors F = E , puisquune base de F tant
un systme libre de E , possdant n vecteurs est aussi une base de E en vertu de 1).

Un autre moyen de former une base dans un K-espace vectoriel est le suivant ; cest le thorme
de la base incomplte.
 ESPACES VECTORIELS DE DIMENSION FINIE 24

Thorme 9

Soit E un espace vectoriel de base ( e 1 , ..., e n ) et soit ( f 1 , ..., f m ) un syst me libre. Alors il
existe n m vecteurs parmi les vecteurs e 1 , ..., e n tels que le systme constitu de ces n m
vecteurs et des vecteurs f 1 , ..., f m forme une base de E .

Dmonstration

On voit que si m < n, alors il existe un des vecteurs e i tel que ( f 1 , ... f m , e i ) soit libre. Sinon,
pour tout i = 1, ..., n, tous les systmes ( f 1 , ... f m , e i ) seront lis et les vecteurs e 1 , ..., e n seront
combinaisons linaires des vecteurs f 1 , ... f m et donc le systme ( f 1 , ..., f m ) sera gnrateur
de E , ce qui est impossible. En posant f m+1 = e i , on itre le procd jusqu obtenir n
vecteurs libres f j . Ils forment alors une base. Cette mthode est constructive.

Exemple 14

Dans R4 , on prend la base canonique ( e 1 , e 2 , e 3 , e 4 ) et le systme libre suivant : f 1 = e 1 + 2 e 2

et f 2 = e 1 + e 2 . Le complter en une base de de R4 . On a :
( f 1 , f 2 , e 1 ) est li
( f 1 , f 2 , e 2 ) est li
( f 1 , f 2 , e 3 ) est libre
( f 1 , f 2 , e 3 , e 4 ) est libre.
Ces quatres vecteurs forment une base de R4 .

2. Rang dun systme fini de vecteurs

Soit E un espace vectoriel sur K, de dimension n et, soit S = ( u 1 , ..., u p ) un systme de p vecteurs
de E ( p n).

Dfinition 16

Soit E un espace vectoriel sur K, de dimension n et, soit S = ( u 1 , ..., u p ) un systme de

p vecteurs de E ( p n). On appelle rang du systme de vecteus S = ( u 1 , ..., u p ) et on
note, par r g(S ), la dimension du sous-espace vectoriel engendr par ce systme i.e r g(S ) =
r g( u 1 , ..., u p ) = dim V ect( u 1 , ..., u p ).

Exemple 15

Dans K4 , considrons le systme des trois vecteurs :

u 1 = (1, 0, 0, 0), u 2 = (0, 1, 0, 0), x3 = (1, 1, 0, 0).

Il est clair que le systme ( u 1 , u 2 ) est libre dans K4 et que x3 = u 1 + u 2 . Par consquent, le
sous-espace F engendr par ( u 1 , u 2 , x3 ) est aussi engendr par le systme libre ( u 1 , u 2 ) et
 ESPACES VECTORIELS DE DIMENSION FINIE 25

par suite le rang de F est 2.

Proposition 10

Le rang dun systme de vecteurs est le nombre maximum de vecteurs libres que l on peut
extraire de ce systme.

2.1. Somme vectorielle

Proposition 11

Soit E est un K-espace vectoriel de dimension finie. Tout sous-espace vectoriel F de E

admet au moins un supplmentaire G ; de plus tous les supplmentaires ont pour dimension
dimE dimF .

Dmonstration

Si ( e 1 , ..., e n ) est une base de E et ( f 1 , ... f m ) une base de F , le thorme de la base incomplte
nous permet de complter la base de F par n m vecteurs pour former une base de E . Ces
n m vecteurs engendrent un sous-espace vectoriel G qui sera supplmentaire de F .

Proposition 12

Soient F et G deux sous-espaces vectoriels de dimension finie dun espace vectoriel E . Alors
F + G est de dimension finie et on a :

dim(F + G ) = dim F + dim G dim(F G ).

Dmonstration

Soit ( e 1 , ..., e p ) une base de F G , que lon complte en une base ( e 1 , ..., e p , f 1 , ..., f q ) de F et
( e 1 , ..., e p , g 1 , ..., g r ) de G . On vrifiera alors que ( e 1 , ..., e p , f 1 , ..., f q , g 1 , ..., g r ) est une base de
F + G.

Corollaire 1

Soient F et G deux sous-espaces vectoriels de dimension finie dun espace vectoriel E.Alors
E est somme directe de F et de G si et seulement si dim F + dim G = dim E et
F G = {0} .

2.2. Applications linaires en dimension finie.

Proposition 13

Soit E, E 0 deux espaces vectoriels ,E tant de dimension finie. Soit f une application
ESPACES VECTORIELS DE DIMENSION FINIE 26

linaire de E dans E 0 . Alors I m f est un sous-espace vectoriel de dimension finie de E 0 . Sa

dimension est appele le rang de f ( r g ( f ) = dim I m f ).

Dmonstration

Soit ( e 1 , ..., e n ) une base de E.Alors le systme image ( f ( e 1 ), ..., f ( e n )) engendre I m f ,qui
est par consquent de dimension finie avec dim I m f n.

Thorme 10

Deux espaces vectoriels de dimension finie sont isomorphes si et seulement si, ils ont la
mme dimension.

Dmonstration

= Si f : E E 0 est un isomorphisme, alors daprs la proposition prcdente limage dune

base de E est une base de E 0 , donc E et E 0 ont la mme dimension.
= Supposons que dimE = dimE 0 et soit ( e 1 , ..., e n ) une base de E et ( e01 , ...e0n ) une base de
iX
=n iX
=n
E 0 . Soit f : E E 0 dfinie par f ( i e i ) = i e0i . Il est facile de voir que f est linaire
i =1 i =1
bijective.

Corollaire 2

Soit E un espace vectoriel de dimension finie sur K, alors E est isomorphe K si et seule-
ment si dimE = n.

Thorme 11

Thorme de la dimension. Soient E et E 0 deux espaces vectoriels de dimension finie et

f L (E, E 0 ), alors dimE = dim(K er f ) + dim( I m f ).

Dmonstration

Supposons que dimE = n, dim(K er f ) = r et montrons que dim( I m f ) = n r . Soit

(w1 , ..., wr ) une base de K er f et compltons la pour obtenir une base de E , en loccu-
rence (w1 , ...wr , v1 , ...vnr ). montrons que B = ( f (v1 ), ... f (vnr )) est une base de I m f . B
i =X
n r
engendre I m f en effet f ( x) = f (1 w1 + ... + r wr + 1 v1 + ... + nr vnr ) = i f (v i ). B
i =1
i =X
n r i =X
n r i =X
n r
est libre puisque si i f (v i ) = 0, alors f ( i v i ) = 0 et donc i v i K er f . Il sen
i =1 i =1 i =1
i =X
n r iX
=r
suit que i vi = i f (v i )
i =1 i =1
ESPACES VECTORIELS DE DIMENSION FINIE 27

Corollaire 3

f L (E, E 0 ), E et E 0 tant de mme dimension, alors les proprits suivantes sont quiva-
lentes :
1. f est injective.
2. f est surjective.
3. f est bijective.

Dmonstration

Il suffit de montrer que 1) 2). De lgalit dimE = dim(K er f ) + dim( I m f ), rsulte f

injective K er f = {0} dimE = dim( I m f ) dimE 0 = dim( I m f ) E 0 = I m f
f surjective

Remarque 6

1. Ce rsultat est faux en dimension infinie. Lapplication drivation D : K[ X ] K[ X ]

qui un polynme P fait correspondre P 0 est surjective mais non injective.
2. Une application linaire f est parfaitement dfinie si lon connait limage des vecteurs
dune base, car daprs la linarit de f on a :
f ( x) = f ( ii=
P n P i=n
=1 x i e i ) = i =1 x i f ( e i ), donc si on connait f ( e 1 ), ..., f ( e n ), f est connue en
tout vecteur de E.

Thorme 12

Soient E et E 0 deux K-espace vectoriels. Si dimE = n et dimE 0 = m, alors dimL (E, E 0 ) =

nm.

Dmonstration

Soit ( e 1 , ...e n ) une base de E et (v1 , ..., vn ) une base de E 0 . Soit u L (E, E 0 ) et x E . Il existe
un unique n-uplet ( x1 , ...xn ) Kn tel que x = ii=
P n
=1 x i e i . Pour tout i = 1, ..., n, on peut crire
P j=m
u( e i ) = j=1 i j v j avec i j K. Par suite on a :

iX
=n iX
=n iX
=n jX
=m
u ( x) = u ( xi e i ) = x i u( e i ) = xi ( i j v j )
i =1 i =1 i =1 j =1

On pose u i j ( e i ) = v j et u i j ( e k ) = 0 pour k 6= i , les applictions u i j sont linaires et on a :

iX
=n jX
=m = n jX
iX =m = n jX
iX =m = n jX
iX =m
u ( x) = xi ( i j u i j ( e i )) = ( i j u i j ( x i e i )) = i j u i j (xi e i ) = i j u i j ( x).
i =1 j =1 i =1 j =1 i =1 j =1 i =1 j =1

P i=n P j=m
i =1 ( j =1 i j u i j et les u i j engendrent L(E, E ). Vrifions que les
0
Il sen suit que u =
ESPACES VECTORIELS DE DIMENSION FINIE 28

u i j forment un systme libre. Supposons que i, j i j u i j = 0. Pour k = 1, ..., n, on a

P
P j=m
i, j i j u i j ( e k ) = j =1 k j v j = 0. Par suite k j = 0 pour tout j = 1, ...m et k = 1, ..., n.
P
 Chapitre 4

MATRICES

1. Gnralits
Dfinition 17

Soient n, m N. Une matrice A , coefficients dans un corps commutatif K est un tableau

qui se prsente sous la forme suivante :

a 11 . . . a 1m
a 21 . . . a 2m



.
A=

.

.


a n1 . . . a nm

Il sagit dune matrice m colonnes et n lignes.Les coefficients a i j IK, i dsigne la

ligne, j celui de la colonne.

Notation

: La matrice A se note A = a i j 1 i n,1 j m

Lensemble des matrices m colonnes et n lignes, coefficients dans K, est not Mn,m (K).
Si K = R (respectivement K = C), la matrice est dite relle (respectivement complexe). Si n = m,
la matrice A est dite carre dordre n. Si m = 1, A est dite matrice unicolonne.

Exemple 16

Si n = m et que a ii = 1, pour tout i, a i j = 0, si i 6= j , la matrice A est appele la matrice

identit et se note I n .
Si n = m et que a ii = i , pour tout i, a i j = 0, si i 6= j , la matrice est dite diagonale.
Si n = m et que a i j = 0 pour i < j , on dit que A est triangulaire infrieure.

Oprations sur les matrices

29
 MATRICES 30

1. Laddition :
Soient A, B Mn,m (K) avec A = a i j 1 i n,1 j m , B = b i j 1 i n,1

j m .La matrice
somme de A et B ,note A + B = C, est dfinie par : c i j = a i j + b i j .
2. Produit externe :
Si K, le produit .A est dfini par : . a i j = a i j

3. Produit de matrices :
Soient A Mn,m (K), B Mm,p (K).La matrice produit ,note A.B = C, est dfinie par :
m
a ik b k j .On alors C Mn,p (K).
X
ci j =
k=1

Remarque 7

Le produit A.B est dfini si le nombre de colonnes de A est gal au nombre de lignes
de B .

4. Transpose dune matrice :

t
Soit A Mn,m (K).Lamatrice transpose de A,note A,appartenant Mm,n (K), est
dfinie par :
t

A = b i j avec b i j = a ji . A titre dexemple :

! 1 2
t 1 4 1
= 4 7

2 7 9

1 9
Nous avons les proprits suivantes :
t ( A + B) = t A + t B;
t ( A ) = t A ;
t ( A.B) = t B. t A ( dans le cas o le produit est bien dfini).

Proposition 14

Lespace Mn,m (K) muni de laddition et de la loi externe est un K-espace vectoriel.
(Mn (K), +, , .) est une algbre non commutative sur K.

2. Applications linaires et matrices

2.1. Matrices associes une application linaire
Soient E et E 0 deux espaces vectoriels sur K, de dimension m et n respectivement, et f : E E 0
une application linaire. Choisissons ( e 1 , ..., e m ) une base de E et ( e01 , ..., e0n ) une base de E 0 , les
images par f des vecteurs e 1 , ...e m se dcomposent sur la base ( e01 , ..., e0n ) :
f ( e 1 ) = a 11 e01 + a 21 e02 + ... + a n1 e0n
f ( e 2 ) = a 12 e01 + a 22 e02 + ... + a n2 e0n
.
.
.
f ( e m ) = a 1m e 1 + a 2n e 2 + ... + a nm e0n
0 0
MATRICES 31

Dfinition 18

On appelle matrice de f dans les bases B =( e 1 , ..., e m ),B 0 = ( e01 , ..., e0n ) la matrice note
M ( f )B 0 ,B appartenant Mn,m (K) dont les colonnes sont les composantes des vecteurs
f ( e 1 ), f ( e 2 ), ..., f ( e m ) dans la base ( e01 , ..., e0n ) :

a 1,1 a 1,2 ... a 1, j ... a 1,p
a 2,1 a 2,2 ... a 2, j ... a 2,p


... ... ... ... ... ...
A=
a
ou A = a i, j 1 in ou a i, j .
i,1 a i,2 ... a i, j ... a i,p
1 j p
... ... ... ... ... ...

a n,1 a n,2 ... a n, j ... a n,p

Il est clair que la matrice associe f dpend du choix des bases de E et de E 0 .

Exemple 17

1. Soit E de dimension finie et id E : E E lapplication qui x associe x. On considre

une base ( e i , i = 1, ..., n) de E . On a

1 0 ... 0 ... 0
0 1 ... 0 ... 0


. . . ... ... ... ... ...
M ( id E ) e i =
0

0 ... 1 ... 0
. . . ... ... ... ... ...

0 0 ... 0 ... 1
matrice unit de Mn (K).
2. Soit E = K2 et P1 : K2 K2 lapplication linaire qui ( x, y) associe ( x, 0). Considrons !
1 0
la base canonique ( e 1 , e 2 ) de K2 . On a P1 ( e 1 ) = e 1 , P1 ( e 2 ) = 0 et M (P1 ) e i =
0 0
3. Soit ( e 1 , e 2 , e 3 ) la base canonique de K3 et ( e01 , e02 ) la base canonique de K2 . Consid-
rons lapplication linaire f : K3 K2 qui ( x, y, z) associe ( x y, z y). On a :
!
1 1 0
M ( f )B 0 , B = .
0 1 1.
4. Soit D : K4 [ X ] K3 [ X ] lapplication linaire qui p( X ) associe p0 ( X ). On a

0 1 0 0 0
0 0 2 0 0
M ( D )B 0 , B = .

0 0 0 3 0
0 0 0 0 4

(1, X , ..., X 4 ) et (1, X , .., X 3 ) tant les bases canoniques respectivement de K4 [ X ] et de

K3 [ X ].
MATRICES 32

Proposition 15

Soient E et E 0 deux K-espaces vectoriels de dimension m et n respectivement, ( e i , = 1, ...m)

et ( e0j , j = 1, ..., n) des bases de E et E 0 . Alors laplication M : L (E, E 0 ) Mn,m (K) qui f
associe M ( f )B 0 ,B est un isomorphisme despaces vectoriels. En particulier dimL (E, E 0 ) =
mn.

Dmonstration

Il est facile de vrifier la linarit de M . Soit f K erM , donc M ( f )B 0 ,B = 0 et par suite

f ( e 1 ) = f ( e 2 ) = ... f ( e m ) = 0 do f = 0 et M est injective.
Elle est aussi surjective, car si

a 1,1 a 1,2 ... a 1, j ... a 1,p
a 2,1 a 2,2 ... a 2, j ... a 2,p


... ... ... ... ... ...
A=
a

i,1 a i,2 ... a i, j ... a i,p

... ... ... ... ... ...

a n,1 a n,2 ... a n, j ... a n,p

on construit f en posant :
f ( e 1 ) = a 11 e01 + a 21 e02 + ... + a n1 e0n
f ( e 2 ) = a 12 e01 + a 22 e02 + ... + a n2 e0n .
.
.
f ( e m ) = a 1m e01 + a 2m e02 + ... + a nm e0n .
Pour x E , x = x1 e 1 + ...xn e n avec x i K. On pose f ( x) = x1 f ( e 1 ) + ... = xn f ( e n ). On vrifie
que f est linaire et que M ( f )B 0 ,B = A .

Soient E, F,G trois K-espaces vectoreils, f L (E, F ), g L (F,G ). Soient B = ( e 1 , ..., e m ), C =

( e01 , ..., e0n ) et D = ( e"1 , ..., e" p ) des bases respectives de E, F,G . Posons :
MC B ( f ) = (a k j ) matrice de type ( n, m)
MDC ( g) = ( b ik ) matrice de type ( p, n)
MC B ( g f ) = ( c i j ) matrice de type ( n, m)
On a alors j = 1, ...m :
P k= p P k= p P k= p
g f ( e j ) = g( f ( e j )) = g( k=1 a k j e0k ) = k=1 a k j g()e0 k=1 a k j ( ii=
P m
k =1 b ike" i ) =
P k= p P i = m P i = m P k= p
a b e"
k=1 i =1 k j ik i i =1
( k=1 b ik a k j ) e" i

Proposition 16

Avec les notations prcdentes on a : MDB ( g f ) = MDC ( g) MC B ( f ).

Matrice de linverse dune application linaire

 MATRICES 33

Proposition 17

Soient E et E 0 deux espaces vecroriels de mme dimension et de bases respectives B et B 0 .

f L (E, E 0 ) est bijective si et seulement si M ( f )B 0 B est inversible. De plus M ( f 1 )B B 0 =
M ( f )B 0 B 1 .

Dmonstration

Comme f f 1 = id E 0 et f 1 f = id E , M ( f 1 f )B = M ( f f 1 )B 0 = M ( id E ) = M ( id E 0 ) et
par suite M ( f 1 ) M ( f ) = M ( f ) M ( f 1 ) = I n o n = dim E , par suite M ( f 1 ) = M ( f )1 .

matrice colonne
Soit E un espace vectoriel, B = ( e 1 , ...e n ) une base de E . Chaque vecteur x E scrit x =
x1 e 1 + xn e n . On peut ainsi associer chaque vecteur x E une matrice du type ( n, 1) suivante
+ ...
x1
x2


.
X = . . Une matrice de ce type sappelle une matrice colonne. Une matrice colonne peut tre


.

xn
interprte comme matrice de lapplication linaire X : K E qui chaque K associe x.
On a X = M1,B ( X ) o (1) est la base canonique K.

Proposition 18

Soient E, F deux espaces vectoriels munis respectivement des bases B = ( e 1 , ..., e n ), C =

( e01 , ..., e0p ) et f L (E, F ). Soient Y la matrice colonne associ f ( x) dans la base C et X la
matrice colonne de x dans la base B . On a Y = MB C .X

Dmonstration

Nous pouvons utiliser la proposition prcdente. On a :

K . f x() = f ( X ()) = f ( x) = f ( x) = f ( x)() cd f X = f ( X ) et par passage aux
matrices on a Y = MB C .X

2.2. Changement de bases

Soient B = ( e 1 , ..., e n ) et B 0 = ( e01 , ..., e0n ) deux bases dun espace vectoriel E .

Dfinition 19

On appelle matrice de passage de la base B la base B 0 , la matrice P , carre dordre n,

dont la jme colonne est forme des coordonnes du vecteur e0 j dans la base B . Autrement
dit si e0j = ii=
P n
=1 p i j e i ( j = 1, ..., n), alors :
MATRICES 34

p 11 p 12 ... p 1n
p 21 p 22 ... p 2n


P = (pi j) =
. . ... .
. . ... .

p n1 p n2 ... p nn .

Exemple 18

Si E est un espace vectoriel de base ( e 1 , e 2 ) et ( e01 , e02 ) avec e01 = 3 e 1 + e2 et e02!= 2 e 1 + 5 e 2 ,

3 2
alors la matrice de passage de la base ( e 1 , e 2 ) la base ( e01 , e02 ) est P =
1 5

Interprtation. Pour tout indice j , la jme colonne de P est lexpression du vecteur e0j

dans la base B . P est donc la matrice de lapplication identite de E dans E quand on munit
au dpart E de la base B 0 et larrive de la base B . Autrement dit P = MB B 0 ( id E ).

Thorme 13

Soient B et B 0 deux bases de E , P la matrice de passage de B B 0 et P 0 la matrice de

passage de B 0 B . Alors PP 0 = P 0 P = I et ainsi P 01 = P .

Dmonstration

Considrons le diagramme : (E, B 0 ) (E, B ) (E, B 0 ). Comme id id = id , en passant

aux matrices on obtient MB 0 ( id ) = MB B 0 MB 0 B cd I = PP 0 = P 0 P .

Action sur les coordonnes

Proposition 19

Soient x E , B et B 0 deux bases de E et P la matrice de passage DE B B 0 . Soient X la

matrice colonne de x dans B et X 0 la matrice colonne de x dans la base B 0 . On a X = P X 0
et ainsi X 0 = P 1 X .

Dmonstration

Dcoule immdiatement de lgalit id ( x) = x o id : (E, B 0 ) (E, B 0 ) et de la proposition

prcdente.

Exemple 19

Soit K2 muni de deux bases, la base canonique ( e 1 , e 2 ) et la base ( e01 , e02 ) dfinie par e01 =
2 e 1 + e 2 et e02 = 3 e 1 + 2 e 2 . Soit x = 2 e 1 + 3 e 2 , calculons les composantes de x dans la base
 MATRICES 35

! ! ! !
2 3 2 3 2 3 2 5
( e01 , e02 ). On a P = , P 1 = , X0 = = , et ainsi x0 = 5 e01 + 4 e02
1 2 1 2 1 2 3 4

Proposition 20

Soient E et E 0 deux espaces vectoriels de dimension finie et f L (E, E 0 ). Soient B , C deux

bases de E et B 0 , C 0 deux bases de E 0 . Notons A = M ( f )B 0 ,B A 0 = M ( f )C 0 C , P la matrice
de passage de B `a C et Q la matrice de passage de B 0 C 0 . On a alors A 0 = Q 1 AP .

Dmonstration

Considrons le diagramme :
(E, B ) f (E 0 , B 0 )


(E, C ) f (E 0 , C 0 )


On a f id E = id E 0 f , et donc M ( f )C 0 C M ( id E )C B = M ( id E 0 )C 0 B 0 M ( f )B 0 B 0 cd A 0 P 1 =
Q 1 A ou encore A 0 = Q 1 AP .

Corollaire 4

Soit f L(E ) et B , B 0 deux bases de E . Notons A = M ( f )B , A 0 = M ( f )B 0 et P la matrice de

passage de B B 0 . On a alors A 0 = P 1 AP .

Dfinition 20

Deux matrices A, A 0 Mn (IK IK ) sont dites semblables sil existe une matrice P Mn (IK IK )
inversible telle que P 1 AP = A 0 .

Exemple 20
2
Soit f lendomorphisme de K! qui dans la base canonique ( e 1 , e 2 ) est reprsent par la
3 1
matrice A = M ( f ) e i = . Dterminons la matrice A 0 qui reprsente f dans la base
0 2
! ! ! !
0 0 0 0 0 1 1 1 3 1 0 1 5 2
( e 1 , e 2 ) avec e 1 = (0, 1) et e 2 = (1, 1).OnaA = P AP = = .
1 0 0 2 1 1 3 0

2.3. Rang dune Matrice

Dfinition 21

Soit A Mn,m (K), A = [ c 1 , ..., c m ] o lon a not c j le vecteur colonne dindice j ( c j Kn ). On

appelle rang de A le rang du systme constitu des vecteurs colonnes de A .
MATRICES 36

Lemme 2

Soient E, F,G des espaces vectoreils de dimension finie, f L (E, F ), g L (G, E ).On a les
rsultats suivants
Si g est surjective, alors rang ( f ) = rang ( f g) ,
Si f est injective, alors rang ( g ) = rang ( f g) .

Dmonstration

a) rang ( f ) = dim f (E ) = dim f ( g (G )) = dim ( f g) (E ) = rang ( f g) .

b) Soit ( g(v1 ), ..., g(vr )) une base de I mg . Le systme ( f ( g(v1 )), ..., f ( g(vr ))) est libre puisque
f est injective et il est gnrateur de I m( f g) car si y I m( f g) , on peut crire y =
r
X r
X
( f g)( x) = f [ g( x)] = f ( i g(v i )) = i f [ g (v i )] , donc ( f ( g(v1 )), ..., f ( g(vr ))) est une base
i =1 i =1
de I m( f g) , do rang( g ) = rang( f g).

Proposition 21

Soit f L(E, E 0 ). Soient B et B 0 deux bases quelconques de E et E 0 respectivement et

A = M ( f )B 0 ,B . On a alors rang f = rangA . Ainsi deux matrices qui reprsentent la mme
application linaire en des bases diffrentes ont mme rang, en particulier deux matrices
semblables ont mme rang.

Dmonstration

On a : A = [ f ( e 1 ) , ..., f ( e n )] , o B =( e 1 , ..., e n ).Par dfinition nous avons :

rangA = dim vect ( f ( e 1 ), ..., f ( e n )) = dim I m f = rang f .

Dfinition 22

Deux matrices A, B Mn,m (K) sont dites quivalentes sil existe P Mm (K) et Q Mn (K)
inversibles telles que B = Q 1 AP .Il sagit dune relation dquivalence sur Mn,m (K) .

Lemme 3

Soit A Mn,m (K) .Alors A est de rang r 1 si et seulement si A est quivalente la

matrice Jr dfinie par blocs :
!
Ir 0
Jr =
0 0

o I r dsigne la matrice identit dordre r.

MATRICES 37

Dmonstration

Soit A = a i j Mn,m (K) , de rang r . Considrons lapplication linaire : Km Kn

as-
P j=n
socie la matrice A et dfinie par : ( e i ) = j=1 a ji e j ,1 i m, o ( e i )1 i m (respec-
0

tivement e0i 1 i n ) est la base canonique de Km ( respectivement de Kn ).Comme A

est de rang r,on peut supposer par exemple que le systme ( e i ) 1 i r forme une base

P j=n
de I m.Ecrivons alors : ( e k ) = j=1 c k j ( e j ) , pour k { r + 1, ..., m} .On dfinit une base
P j=n
nouvelle de Km ,note ( f k ) ,en posant : f k = e k , pour k {1, ..., r } et f k = e k j=1 c k j e j ,pour
k { r + 1, ..., m} . On a alors : ( f k ) = 0 , pour k { r + 1, ..., m} .Notons t j = ( f j ) , pour
j {1, ..., r } .Le systme t j 1 j r tant libre, il peut tre complt en une base de Kn ,note


aussi t j 1 j n .Considrons la matrice de lapplication dans les bases ( f k )1 k m et

t j 1 j n ., nous obtenons :

1 0 . . 0
0 1 . . 0


M () f i , t j =

. 0 1 0 = Jr

. 0 0 0


0 0 . . 0

Les matrices A et Jr sont alors quivalentes car elles reprsentent lapplication linaire
.

Thorme 14

Soient A, B Mn,m (K). Alors A et B sont quivalentes si et seulement si rangA = rangB.

Dmonstration

Supposons que A et B soient quivalentes.Il existe alors des matrices inversibles P

Mm K) et Q Mn (K) telles que : B = Q 1 AP .Notons f , g et h les applications linaires
associes respectivement A, P et Q.Grce au lemme , on a :
rang h1 f g = rang( f ),do rangA = rangB.Rciproquement si rangA = rangB, le

lemme prcdent permet daffirmer que les matrices A et B sont quivalentes la

matrice Jr , par consquent elles sont quivalentes.

Thorme 15

Soit A Mn (K). Alors A rangA = rang t A . Cela signifie que le rang dune matrice donne
est gal la dimension du systme form des vecteurs lignes de la matrice.

Dmonstration

supposons que rangA = r, donc A est quivalente la matrice Jr , et par suite, il existe
P Mm (K) et Q Mn (K) inversibles telles que A = Q 1 Jr P . Donc t A = t P t Jr t (Q 1 ) =
 MATRICES 38

( t P 1 )1 Jr t (Q 1 ), car Jr est symtrique, do t

A est quivalente A et donc rang t A =
rang A = r.

2.4. Dtermination pratique du rang dune matrice.

Soit A Mn,m (K).
i) On supprime toute ligne (ou colonne)qui est nulle ou qui est colinaire une autre.
ii) En permutant les lignes ou les colonnes, on obtient une matrice de la forme :

a 11 . . . a 1m
a 21 . . . a 2m


.
A1 =
.



.


a n1 . . . a nm
avec a 11 non nul et de prfrence valant 1.
a
iii) Pour tout i [2, n] , on remplace la ligne L i par L i a1i 11 L 1 , on se ramne une matrice :

a 11 . . . a 1m
0 . . . a02m


0
.
A1 =
.


.


0
0 . . . a nm
!
a 11
soit A 01 =
0 B
o B est une matrice du type ( n 1, m 1) .
iv) On applique les tapes i) iii) la matrice B.En rptant au besoin la mthode indique ,
nousobtenons une matrice chelonne
:
c 11 . . . c 1m
0 c 22 . . . a02m


.
C=
. c rr

. 0 0

0 0 . 0 0
o les coefficients c ii sont non nuls, et le rang est celui du nombre des lignes non nulles.
v) En procdant de faon analogue sur les lignes et les colonnes, on obtient une matrice quiva-
lente A,de la ! forme :
Ir 0
Jr =
0 0

Exemple 21

1 2 0 1
Dterminons le rang de la matrice : A = 2 6 3 3

3 10 6 5
Les oprations lmentaires donnent :
MATRICES 39

1 2 0 1 1 2 0 1
A 1 = 0 2 3 1 , A 2 = 0 2 3 1

0 4 6 2 0 0 0 0
Les deux vecteurs lignes de la matrice A 2 tant linairement indpendants, le rang de A
est gal 2.

Calcul de linverse dune matrice carre par la mthode du pivot.

Soit A Mn (K
). On considre la matrice A 1 Mn,2n (K),dfinie par :
A1 = A I n
On effectue des oprations lmentaires uniquement sur les lignes (ou uniquement sur les
colonnes)
de B , de telle sorte que la matrice obtenue soit de la forme :
Am = In C
La matrice C correspond linverse de A.

Exemple 22

1 2 1
Soit calculer linverse de la matrice A= 2 1 0

1 1 2

1 2 1 . 1 0 0
On pose A 1 = 2 1 0 . 0 1 0 .Nous obtenons :

1 1 2 . 0 0 1

1 2 1 . 1 0 0
A 2 = 0 3 2 . 2 1 0 L 2 L 2 2L 1 , L 3 L 3 + L 1

0 3 1 . 1 0 1

1 2 1 . 1 0 0
A 3 = 0 3 2 . 2 1 0 L3 L3 + L2

0 0 3 . 1 1 1

1 2 1 . 1 0 0
A 4 = 0 3 2 . 2 1 0 L 3 1/3L 3

0 0 1 . 1/3 1/3 1/3

1 2 0 . 2/3 1/3 1/3
A 5 = 0 3 0 . 4/3 1/3 2/3 L 2 L 2 2L 3 , L 1 L 1 + L 3

0 0 1 . 1/3 1/3 1/3

1 2 0 . 2/3 1/3 1/3
A6 = 0 1 0 . 4/9 1/9 2/9 L 2 (1/3)L 2

0 0 1 . 1/3 1/3 1/3

1 0 0 . 2/9 5/9 1/9
A7 = 0 1 0 . 4/9 1/9 2/9 L 1 L 1 2L 2

0 0 1 . 1/3 1/3 1/3

MATRICES 40

2/9 5/9 1/9
do A 1 = 4/9 1/9 2/9

1/3 1/3 1/3

 Chapitre 5

DETERMINANTS ET APPLICATIONS

1. Dfinition des dterminants par rcurrence

Dfinition 23

Soit n 1. Pour toute matrice carre A = a i j , dordre n, nous associons det A K,dfini

comme suit :
Si n = 1, on pose det (a) = a (avec A = (a) ).
Si n > 1, en supprimant la premire ligne et la j-ime colonne de A,nous obtenons une
matrice carre dordre n 1 note A 1 j .Lhypothse de rcurrence permet alors de poser :

n
(1)1+ j a 1 j det A 1 j
X
det A =
j =1

Remarque 8

la formule a t obtenue en dveloppant le dterminant de A suivant la premire ligne,

on peut montrer que la quantit est indpendante du choix de la ligne ou de la colonne.
Cas o n = 2. !
a c
Soit A = .En dveloppant le dterminant de A suivant la premire ligne ( ou
b d
colonne), nous obtenons
:
a c
det A = = ad bc

b d

a 11 a 12 a 13
Cas o n = 3. Soit A = a 21 a 22 a 23 . Dveloppons le dterminant de A, suivant la

a 31 a 32 a 33
premire ligne :
a a a
11 12 13

a
22 a 23
a
21 a 23
a
21 a 22

det A = a 21 a 22 a 23 = a 11 a 12 + a 13

a 32 a 33 a 31 a 33 a 31 a 32


a 31 a 32 a 33
= a 11 a 22 a 33 a 11 a 23 a 32 a 12 a 21 a 33 + a 12 a 31 a 23 + a 21 a 13 a 32 a 13 a 22 a 31

Rgle de Sarrus :
Cette mthode propose de calculer les dterminants dordre 3 de la faon suivante :

41
 DETERMINANTS ET APPLICATIONS 42

Une fois le dterminant pos, nous plaons sa droite les 2 premires colonnes.Ensuite,
nous calculons, en partant de gauche droite, les trois premires diagonales puis nous
soustrayons les trois diagonales en partant de droite gauche.Nous obtenons :

a a a a
11 12 13 11 a 12
a 21 a 22 a 23 a 21 a 22 =


a 31 a 32 a 33 a 31 a 32
a 11 a 22 a 33 + a 12 a 23 a 31 + a 13 a 21 a 32 a 12 a 21 a 33 a 11 a 23 a 32 a 13 a 22 a 31

3 1 1 3 1

1 2 0 1 2 = 42 + 20 16 + 7 = 53


2 5 7 2 5
Cas o la matrice A est triangulaire :
a 11 0 . . 0
a 21 a 22 0 . 0


A= .


. 0


a n1 a nn
Le calcul du dterminant de A se fait par rcurrence sur n , nous obtenons :
det A = a 11 a 22 a 33 ...a nn

Dfinition 24

Soit E un espace vectoriel de dimension n sur K, et B =( e 1 , ..., e n ) une base de E . Soit

n
X
(v1 , ..., vn ) un systme de n vecteurs de E . Ecrivons v j = a i j e i . On dfinit le dtermi-
i=1
nant du systme v j , en posant :

det (v1 , ..., vn ) = det a i j

Nous verrons ultrieurement que cette quantit est indpendante de la base B .

2. Proprits des dterminants.

Grce la dfinition 24, nous pouvons exprimer le dtrminant dune matrice dordre n comme
le dterminant des vecteurs colonnes composant la matrice,soit :
det A = det( c 1 , ..., c n ) , o c j dsigne la j-ime colonne de A.
Le thorme suivant donne les premires proprits des dterminants.

Thorme 16

Avec les notations ci-dessus, nous avons :

det( c 1 , ..., c k , ..., c n ) = det( c 1 , ..., c k , ..., c n ) , IK.
det( c 1 , ..., c k + c0k , ..., c n ) = det( c 1 , ..., c k , ..., c n ) + det( c 1 , ..., c0k , ..., c n )
ce qui signifie que lapplication c k det( c 1 , ..., c k , ..., c n ), est linaire, pour tout k
{1, ..., n} .
Si deux colonnes sont gales ( ou colinaires) , le dterminant est nul.
DETERMINANTS ET APPLICATIONS 43

Dmonstration

Raisonnons
pa rcurrence sur n.Le rsultat est vident pour n = 2.
a c a c
= = (ad bc)

b d b d

Supposons la proprit vraie pour tout dterminant dordre n 1.

Posons A = [ c 1 ...c k ...c n ] = a i j , B = [ c 1 ... c k ...c n ] = b i j .

On a : b i j = a i j si j 6= k, b ik = a ik .
n n
(1)1+ j b 1 j det B1 j = (1)1+ j a 1 j det B1 j +
X X
i)On a : det( c 1 , ..., c k , ..., c n ) =
j =1 j = 1, j 6= k
(1)1+k a ik det A 1k
La matrice B1 j tant dordre n 1 , lhypothse de rcurrence donne alors :
det B1 j = det A 1 j pour tout j 6= k
par suite,
n
(1)1+ j a 1 j det A 1 j = det( c 1 , ..., c n )
X
det( c 1 , ..., c k , ..., c n ) =
j=1
De faon analogue, nous raisonnons pa rcurrence sur n.Le rsultat est vraie pour n =
2.En effet :
a + a0 c a c a0 c
= a + a0 d b + b0 c = (ad bc) + a0 d b0 c =

+

b + b0 d b d b0 d

Supposons la proprit vraie pour tout dterminant dordre n 1.

Posons A = [ c 1 ...c k ...c n ] = a i j , B = c 1 ...c0k ...c n = b i j , D = c 1 ...c k + c0k ...c n = d i j

On a : b i j = a i j si j 6= k, b ik = a0ik et d i j = a i j si j 6= k , d ik = a ik + a0ik
n n
(1)1+ j d 1 j det D ik = (1)1+ j a 1 j det D 1 j +(1)1+k (a 1k +
X X
det( c 1 , ..., c k + c0k , ..., c n ) =
j=1 j = 1, j 6= k
a01k ) det A ik
La matrice D 1 j tant dordre n 1 , lhypothse de rcurrence donne alors :
det D 1 j = det A 1 j + det B1 j
do :
n n
(1)1+ j a 1 j det A 1 j + (1)1+ j b 1 j det B1 j
X X
det( c 1 , ..., c k + c0k , ..., c n ) =
j=1 j=1
= det( c 1 , ..., c k , ..., c n ) + det( c 1 , ..., c0k , ..., c n )
Raisonnons
pa rcurrence sur n.Le rsultat est vident pour n = 2.
a a
= ab ab = 0


b b
Supposons la proprit vraie pour tout dterminant dordre n 1.
Rsolvonsdabord le cas o les deux colonnes sont adjacentes :
Soit A = [ c 1 ...c k ...c n ] .Supposons que les colonnes c l et c l +1 sont gales.Par dfinition
on a :
n
(1)1+ j a 1 j det A 1 j + (1)1+l a 1l det A 1l + (1)1+l +1 a 1l +1 det A 1l +1
X
det A =
j = 1, j 6= l, j 6= l +1
Pour tout j 6= l,et j 6= l + 1, la matrice A 1 j est dordre n 1 et contient deux colonnes
gales,donc daprs lhypothse de rcurrence son dterminant est nul. Dautre part, on
a : a 1l = a 1l +1 et A 1l = A 1l +1 , ce assure que le dterminant de A est nul.
Montrons le lemme suivant :
DETERMINANTS ET APPLICATIONS 44

Lemme 4

Si dans un dterminant donn,on permute deux colonnes adjacentes, la valeur du

dterminant est multiplie par -1.

Dmonstration

Daprs le rsultat prcdent on a :

det( c 1 , ..., c l + c0l +1 , c l + c0l +1 ..., c n ) = 0
puisque deux colonnes adjacentes sont gales.
Ensuite,grce la linarit du dterminant par rapport aux colonnes dindices rerspec-
tivement l et l + 1 , nous obtenons :
det( c 1 , ..., c l , c l , ..., c n ) + det( c 1 , ..., c0l +1 , c0l +1 ..., c n ) +
det( c 1 , ..., c l , c0l +1 , ..., c n ) + det( c 1 , ..., c0l +1 , c l , ..., c n ) = 0
Les deux premiers termes de lexpression ci-dessus sont nuls, puiquil sagit de dter-
minants contenant deux colonnes adjacentes gales, ce qui donne le rsultat du lemme.

Suite de la preuve du thorme :

Soit un dterminant dordre n,comprenant deux colonnes c k et c l gales avec l > k + 1.En
changeant les colonnes c k et c k+1 ,puis c k et c k+2 et ainsi de suite nous obtenons grce
au lemme 4, un dterminant avec deux colonnes adjacentes :
det( c 1 , ..., c k , ..., c l , ..., c n ) = (1)l k1 det( c 1 , ..., c k , c l , ..., c n ) = 0.

Le lemme admet lextension suivante :

Corollaire 5

Si dans un dterminant donn,on permute deux colonnes , la valeur du dterminant est

multipli par 1

Dmonstration

reprenant les notations prcdentes et en permutant la colonne c l et les colonnes prc-

dentes jusqu la colonne dindice k nous obtenons :
det( c 1 , ..., c k , ..., c l , ..., c n ) = (1)2(l k)1 det( c 1 , ..., c l , ..., c k , ..., c n ) = det( c 1 , ..., c l , ..., c k , ..., c n )

Exemple 23

Soit calculer le dterminant suivant :

1 0 0 0

2 0 4 0


1 0 1 9

1 3 5 7
Aprs permutation des colonnes 2 et 3 puis 3 et 4 nous obtenons :
DETERMINANTS ET APPLICATIONS 45

1 0 0 0
1 0 0 0

2 0 4 0 2 4 0 0
= = 4 9 3 = 108



1 0 1 9
1 1 9 0

1 3 5 7 1 5 7 3

Le thorme suivant donne un critre pour vrifier quun systme de vecteurs est libre.

Thorme 17

Soit E un espace vectoriel de dimension n sur IK et (v1 , ..., vn ) un systme de vecteurs

de E .Alors (v1 , ..., vn ) est une base de E si et seulement si det (v1 , ..., vn ) 6= 0.

Dmonstration

Supposons que le systme (v1 , ..., vn ) ne soit pas une base de E ,alors il est ncessairement
li .Supposons par exemple, que le vecteur v1 soit une combinaison linaire des autres
vecteurs, cest dire :
n
X
v1 = i vi
i=2
Nous avons alors :
n
X n
X
det (v1 , ..., vn ) = det ( i v i , ..., vn ) = det (v i , v2 , ..., vn ) = 0
i =2 i =2
puisque tous les dterminants figurant dans cette expression sont nuls car contenant cha-
cun deux colonnes gales.
Rciproquement supposons que le systme (v1 , ..., vn ) soit une base de E.Soit B =( e 1 , ..., e n )
la base canonique de E.Tout vecteur e i sexprime en fonction de la base (v1 , ..., vn ).Nous
avons :
Xn
ei = i j v j .Le calcul du dterminant,gce la linarit par rapport la premire colonne,
j=1
donne :
n
X
det ( e 1 , e 2 , ..., e n ) = 1 j 1 det (v j 1 , e 2 , ..., e n )
j1 = 1
En procdant de mme avec les vecteurs e 2 , ..., et e n , et en simplifiant les dterminants
contenant au moins 2 colonnes gales ,on a :
n
X n
X
det ( e 1 , e 2 , ..., e n ) = l j l det (v j 1 , v j 2 , ..., v j n ) avec j k 6= j l pour k 6= l.
j 1 , j 2 ,..., j n = 1 l =1
Tout n-uplet ( j 1 , j 2 , ..., j n ) avec j k 6= j l pour k 6= l, se dduit par permutation du n-uplet
(1, 2, ..., n) .Il existe alors un scalaire :
det ( e 1 , e 2 , ..., e n ) = det (v1 , ..., vn ) = 1
Donc det (v1 , ..., vn ) 6= 0.

Le thorme suivant donne une formule explicite du dterminant dune matrice, laide des
permutations du groupe symtrique :

Thorme 18

Soit A = a i j une matrice carre dordre n , on a :
X
det A = () a (1)1 .a (2)2 ...a (n)n
S n
DETERMINANTS ET APPLICATIONS 46

o S n dsigne le groupe symtrique dordre n et () la signature de la permutation .

Exemple 24

On prend
n= ! 2.Le groupe symtrique
! S 2 est constitu de deux lments :
1 2 1 2
1 = et 2 =
1 2 2 1
avec (1 ) = 1, (2 ) = 1.
Lapplication
de la formule du thorme 2.5 , donne :
a
11 a 12

= a 11 a 22 a 21 a 12
a 21 a 22
On prend n = 3.Dterminer les lments du groupe symtrique S 3 ainsi que leurs signa-
tures.En dduire lexpression du dterminant dordre 3.

Thorme 19

Soit A = a i j une matrice carre dordre n,on a :

det( t A ) = det A

o t A dsigne la matrice transpose de A.

Dmonstration

Posons t A = b i j .Par dfinition on a : b i j = a j i .La formule du thorme 18, applique

B, donne :
det( t A ) =
X X
() b (1)1 .b (2)2 ...b (n)n = () a 1(1) .a 2(2) ...a n(n)
S n S n
Pour tout i {1, ..., n}, soit p i tel que ( p i ) = i .On a : a p i (p i ) = a 1 (i)i , ce qui donne, grce
la commutativit du produit des scalaires :

det( t A ) =
X
() a 1 (1)1 .a 1 (2)2 ...a 1 (n)n
S n

Comme () = 1 , et en posant = 1 ,nous obtenons :

det( t A ) =
X
() a (1)1 .a (2)2 ...a (n)n = det A
S n

Le thorme 19 permet dtendre aux lignes les proprits des colonnes.Cest lobjet du prochain
corollaire :

Corollaire 6

L1
.



Soit A = a i j une matrice carre dordre n.A scrit A =
. .

.


Ln
DETERMINANTS ET APPLICATIONS 47

On a les proprits suivantes :

Le dterminant est linaire par rapport chaque ligne.
Si dans un dterminant donn on change deux lignes, la valeur du dterminant change
de signe.
Si dans un dterminant donn deux lignes sont gales (ou colinaires),le dterminant est
nul.
Plus gnralement, le dterminant dune matrice est non nul si seulement si le systme
des vecteurs lignes (L 1 , ..., L n ) est une base de IK n .

Le thorme suivant affirme que le dterminant du produit de deux matrices carres est gal
au produit des dterminants des matrices :

Thorme 20

Soient A et B deux matrices carres dordre n, on a le rsultat :

det ( A.B) = det A. det B

Corollaire 7

Une matrice carre dodre n est inversible si et seulement si son dterminant est non nul.

Dmonstration

Soit A une matrice inversible.On a alors : A.A 1 = I n .Par suite :

det A.A 1 = det A. det A 1 = det I n = 1,

donc det A est non nul,et lon a :

det A 1 = det1 A
Rciproquement,supposons que det A soit non nul et notons A = [ c 1 ...c k ...c n ] .
Comme det( c 1 , ..., c k , ..., c n ) 6= 0,le systme ( c 1 , ..., c k , ..., c n ) est libre ( th.2.4).
n
Posons : f ( x) = A.x, x IK n .On a : A.x =
X
x i c i . Alors x ker f si et seulement si
i =1
n
X
: x i c i = 0.Ce qui implique que x i = 0, i = 1, .., n
i =1
puisque le systme ( c 1 , ..., c k , ..., c n ) est libre.Donc f est injective et par suite A est

inversible.

Corollaire 8

Si A et A 0 sont deux matrices semblables, alors det A = det A 0 .

Dmonstration

On a : A 0 = P 1 AP , do det A 0 = det P 1 . det A. det P = det I n . det A = det A.

 DETERMINANTS ET APPLICATIONS 48

Dfinition 25

Soit E un espace vectoriel de dimension finie muni dune base ( e i ) et f un endomorphisme

de E .On appelle dterminant de f le dterminant de la matrice de f dans la base ( e i ) :
det f = det M ( f ) e i

Exemple 25

Soit [0, [,calculons le dterminant de lendomorphisme f de R2 associ la rotation

dangle .On a :
f (1, 0) = (cos , sin ) : f (0, 1) = ( sin , cos )
donc : !
cos sin
M ( f )e i =
sin cos
do :
cos sin
det f = = cos2 + sin2 = 1

sin cos

3. Aplications des dterminants

3.1. Calcul des dterminants par les cofacteurs

Dfinition 26

Soit A = a i j une matrice carre dordre n, on appelle cofacteur de llment a i j le
scalaire dfini par :
co f a i j = (1) i+ j det A i j

o A i j la matrice dordre n-1,obtenue en supprimant la j-ime colonne et la i-ime ligne.

Le thorme suivant donne le calcul du dterminant en dveloppant suivant la j-ime colonne

ou de i-ime ligne :

Thorme 21

Soit A = a i j ,on a les formules :
n
(1)k+ j a k j co f (a k j )
X
det A =
k=1
n
(1)k+ i a i k co f (a i k )
X
det A =
k=1

Exemple 26

1 5 7
Soit calculer le dterminant de la matrice A = 3 2 2

1 4 0
Dveloppons suivant la dernire colonne :
DETERMINANTS ET APPLICATIONS 49

3 2 1 5
det A = 7 2 = 98 16 = 114

1 4 1 3

Le thorme suivant donne une formule permettant le calcul de linverse dune matrice laide
des cofacteurs :
La proposition suivante permet deffectuer des oprations lmentaires sur les dterminants :

Proposition 22

Le dterminant dune matrice reste inchang si lon ajoute une colonne ( respectivement
une ligne) donne ,une combinaison linaire des autres colonnes (respectivement des autres
lignes).

Dmonstration

Le rsultat dcoule des thormes 16 et 19

Exemple 27


1 2 1 0
0 3 1 1
Soit calculer =



1 0 5 2
2 1 3 0
Nous remplaons leslignes L 3 et L 4 par L 3 + L 1 et L 4 2L 1 , nous obtenons :
1 2 1 0

0 3 1 1
= En dveloppant par rapport la premire colonne, on a :

0 2 6 2

0 3 1 0

3 1 1 0 2 1

= 2 6 2 Remplaons L01 par L01 + L03 ,on a : = 2 6 2 puis la colonne


3 1 0 3 1 0
C 200 par la colonne C 200 2C 300 , on a alors,en dveloppant suivant la premire ligne :

0 0 1

= 2 2 2 =8


3 1 0

Le thorme suivant donne lexpression de linverse dune matrice laide des cofacteurs :

Thorme 22

Soit A = a i j une matrice carre invesible,alors on a :
t
A 1 = det1 A com ( A )

avec com ( A ) = b i j o b i j = co f a i j
 DETERMINANTS ET APPLICATIONS 50

Exemple 28
!
a c
Soit calculer linverse de la matrice carre dordre 2 , A = .On a grce la formule
b d
ci-dessus ona : !
1 d c
A 1 = ad bc
b a

3.2. Calcul du rang dune matrice

Dfinition 27

On appelle mineur dordre r dune matrice A le dterminant dune matrice carre dordre
r extraite de A.On appelle bordant du mineur tout dterminant dordre r + 1 contenant
le dterminant .

Exemple 29

3 1 4 0
0 2 3 2



Soit la matrice A =
1 3 5 1 .Dterminer tous les bordants la sous matrice A 1 =

0 2 3 1


3 2 2 4
!
1 0
2 2

Thorme 23

Le rang dune matrice A est r si et seulement si lon peut en extraire un mineur dordre
r non nul et que les bordants de soient nuls.

Exemple 30

1 2 6
1 3 8
Dterminer le rang de la matrice


2 3 10
2 4 4