My Ismail Mamouni

MP http ://myismail.net

Résumé de cours: Révision Algèbre Linéaire

Programme Sup

Blague du jour
Une femme arrive et voit son mari avec une tapette à mouche...
- Que fais-tu ?
- Je chasse les mouches... - En as-tu tué ?
- Oui, 3 mâles, 2 femelles
Intriguée, elle lui demande : Comment fais-tu la différence entre les fe-
melles et les mâles ?
3 étaient sur la cafétière et 2 sur le téléphone.

Mathématicen du jour Al-Khawarizmi

Al-Khawarizmi, (783-850), est un mathématicien, géographe, astrologue et astronome mu-
sulman arabophone d’origine ouzbakistan, plus précisement de la ville khiva, appelé jadis
Khwarezm.
Il est à l’origine des mots algorithme (qui n’est autre que son nom latinisé) et algèbre (issu
d’une méthode et du titre d’un de ces ouvrages) ou encore de l’utilisation des chiffres arabes
et de l’habitude de désigner l’inconnue par la lettre x dans une équation.
Son apport en mathématiques fut tel qu’il est également surnommé le père de l’algèbre ,
avec Diophante dont il reprendra les travaux. En effet, il fut le premier à répertorier de
façon systématique des méthodes de résolution d’équations en classant celles-ci.

Page 1 / 19
Mamouni, CPGE Rabat Résumé de cours [email protected]
MPSI-Maths Révision Algèbre Linéaire (Sup) www.chez.com/myismail

Table des matières

1 Structures d’espaces vectoriels. 3
1.1 Structures. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.2 Familles particulières. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.3 Notion de dimension. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5

2 Polynômes. 6
2.1 Degré d’un polynôme. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
2.2 Arithmétique dans K[X]. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
2.3 Racines d’un polynôme. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
2.4 Dérivation dans K[X]. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
2.5 Polynômes scindés. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9

3 Applications linéaires. 10
3.1 Généralités. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
3.2 Applications linéaires en dimension finie. . . . . . . . . . . . . . . . . . . . . . . . . 11
3.3 Rang d’une application linéaire . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11

4 Somme d’espaces vectoriels. 12

4.1 Généralités. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
4.2 Projection et projecteur. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
4.3 Symétries. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13

5 Matrices. 13
5.1 Généralités. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
5.1.1 Trace d’une matrice carré. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
5.1.2 Transposée d’une matrice. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
5.2 Matrices en tant qu’applications linéaires. . . . . . . . . . . . . . . . . . . . . . . . 14
5.3 Matrice d’une application linéaire. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
5.4 Matrice de passage entre deux bases. . . . . . . . . . . . . . . . . . . . . . . . . . . 15
5.5 Matrice d’une famille de vecteurs dans une base . . . . . . . . . . . . . . . . . . . 15
5.6 Matrice de passage entre deux bases . . . . . . . . . . . . . . . . . . . . . . . . . . . 16

6 Déterminants. 16
6.1 Formes n-linéaires. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
6.1.1 Formes bilinéaires. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
6.1.2 Formes n-linéaires. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
6.2 Déterminant d’une famille de vecteurs dans une base donnée. . . . . . . . . . . . 18
6.2.1 Généralités. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
6.2.2 Orientation d’un R-espace vectoriel de dimension finie. . . . . . . . . . . . 18
6.3 Déterminant d’un endomorphisme. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
6.4 Déterminant d’une matrice carrée d’ordre n. . . . . . . . . . . . . . . . . . . . . . . 19

Page 2 / 19
Mamouni, CPGE Rabat Résumé de cours [email protected]
MPSI-Maths Révision Algèbre Linéaire (Sup) www.chez.com/myismail

Dans tout le résumé de cours K désigne un sous-corps de C, en général K = R ou K = C.

1 Structures d’espaces vectoriels.

1.1 Structures.
Définition 1
On dit qu’un ensemble E est un K-ev s’il est muni d’une LCI + et d’une LCE . à
coéfficients dans K, vérifiant les axiomes suivants :
– (E, +) est un groupe abélien, dont l’élément neutre sera noté dorénavant par 0E .
– (α + β).x = α.x + β.x, ∀x ∈ E, ∀(α, β) ∈ K2 .
– α.(x + y) = α.x + α.y, ∀(x, y) ∈ E 2 , ∀α ∈ K.
– α(β.x) = (αβ).x, ∀x ∈ E, ∀(α, β) ∈ K2 .
– 1.x = x, ∀x ∈ E.

Définition 2
Soit E un K-espace vectoriel , une partie F de E est dite sous-espace vectoriel de E
si elle vérifie les deux propriétés suivantes :
– 0E ∈ F .
– ∀(x, y) ∈ E 2 , ∀λ ∈ K on a : x + λy ∈ F .
Autrement dit F est une partie de E stable pour les deux lois + et . et qui hérite de
E sa structure d’espace vectoriel .

Remarque 1
Pour montrer qu’un ensemble est un espace vectoriel , il est plus judicieux de re-
marquer qu’il est inclu dans un espace vectoriel , puis montrer que c’en est un
sous-espace vectoriel .

Définition 3
On appelle algébre sur K, tout ensemble A muni de deux lois de composition interne
+, × et d’une loi de composition externe ,., telle que :
1) (A, +, .) soit un K-ev
2) (A, +, ×) soit un anneau, dont l’élément neutre pour la 2ème loi est noté 1A .
3) ∀(x, y) ∈ A2 , ∀λ ∈ K, on a : λ.(x × y) = (λ.x) × y = x × (λ.y)

Définition 4
Soit A une algèbre, une partie B de A est dite sous-algébre de A si elle vérifie les
propriétés suivantes :
– 1A ∈ B.
– ∀(x, y) ∈ B 2 , ∀λ ∈ K on a : x + λy ∈ B et x × y ∈ B.
Autrement dit B est une partie de A stable pour les deux lois internes et celle externe,
et qui hérite de A sa structure d’algèbre.

1.2 Familles particulières.

Définition 5
Soit E un K-ev , x ∈ E, n ∈ N∗ et (xk )1≤k≤n ∈ E n une famille de vecteurs de E. On dit
que x est une combiniason linéaires de xk si
n
X
∃(λk )1≤k≤n ) ∈ Kn tel que x = λk xk .
k=1

Page 3 / 19
Mamouni, CPGE Rabat Résumé de cours [email protected]
MPSI-Maths Révision Algèbre Linéaire (Sup) www.chez.com/myismail

Définition 6
L’ensemble des combinaisons linéaires d’une famille (xk )1≤k≤n est un
sous-espace vectoriel de E, s’appelle le sous-espace vectoriel de E engendré
par (xk )1≤k≤n et se note Vect ((xk )1≤k≤n ). Autrement dit
n
X
x ∈ Vect ((xk )1≤k≤n ) ⇐⇒ ∃(λk )1≤k≤n ) ∈ Kn tel que x = λk xk .
k=1

Proposition 1
– Soit B une famille d’éléments de E, alors Vect(B) est le plus petit
sous-espace vectoriel de E contenant la famille B.
– Par convention on écrit, Vect(∅) = {0E }.

Définition 7
Une famille B est dite génératrice de E si et seulement si tout élément de E s’écrit
combinaison linéaire d’éléments de B, Autrement dit Vect(B) = E.
Ainsi pour montrer que (xk )1≤k≤n est une famille génératrice de E, il suffit de montrer
Pn
que ∀x ∈ E, ∃(λk )1≤k≤n ∈ Kn tel que x = λk xk .
k=1

Définition 8
Une famille est dite liée lorsque l’un de ses éléments est combinaison linéaire des
autres.

Proposition 2
1) Toute famille contenant un élément nul est liée.
2) Tout famille où un élément se répète au moins deux fois est liée.
3) Tout famille contenant une famille liée est aussi liée.
4) L’image par une application linéaire d’une famille liée est aussi liée.

Définition 9
Une famille sera dite libre lorsqu’elle n’est pas liée, autrement dit aucun de ses
éléments n’est combinaison linéaire des autres.

Théorème 1
Une famille B = (xk )1≤k≤n est libre si et seulement si
n
X
∀(λk )1≤k≤n ∈ Kn , λk xk = 0E ⇒ λk = 0.
k=1

Et on peut surtout en conclure que si deux combinisons linéaires d’une famille libre
sont égales alors leurs coefficients sont égaux.

Proposition 3
1) Une famille formée par un seul élément est libre si et seulement si cet élément
n’est pas nul.
2) Une famille formée par deux élémentx est libre si et seulement si ces deux
éléments ne sont pas proportionnels.
3) Tout famille contenue dans une famille libre est aussi libre.

Définition 10
On appelle base toute famille à la fois libre et génératrice.

Page 4 / 19
Mamouni, CPGE Rabat Résumé de cours [email protected]
MPSI-Maths Révision Algèbre Linéaire (Sup) www.chez.com/myismail

Théorème 2
Soit B = (xk )1≤k≤n une base de E et x ∈ E, alors
n
X
∃!(λk )1≤k≤n ∈ Kn tel que x = λk xk .
k=1

Les coefficients (λk )1≤k≤n s’appellent coordonnées de x dans la base B.

1.3 Notion de dimension.

Définition 11
Un espace vectoriel est dit de dimension finie s’il admet au moins une famille
génératrice finie.

Théorème 3 Théorème de la base incompléte

Toute famille libre d’un espace vectoriel de dimension finie peut être complétée par
des éléments de n’importe quelle famille génératrice finie pour avoir une base.

Corollaire 1
Tout espace vectoriel de dimension finie admet au moins une base finie.

Théorème 4
Soit B et C deux familles finies d’éléments d’un K-espace vectoriel . On a les propriétés
suivantes :
– Si B est génératrice et cardC > cardB, alors C est liée.
– Si B est génératrice et C est libre, alors cardC ≤ cardB.
– Si B et C sont deux bases de E, alors cardC = cardB.

Théorème 5
Dans un K-ev, E, de dimension finie toutes les bases sont finie et ont même cardinal,
leur cardinal commun s’appelle base de E et se note dimK (E).

Théorème 6
Soit E un K-espace vectoriel et F un sous-espace vectoriel de E. Si E est de dimension
finie, alors F l’est aussi tel que dim F ≤ dim E, avec égalité si et seulement si E = F .

Théorème 7
Soit E un K-espace vectoriel de dimension finie, B une famille d’éléments de E. On a
les propriétés suivantes :
– Si B est génératrice, alors cardC ≥ dim E, avec égalité si et seulement si B est une
base de E.
– Si B est libre, alors cardC ≤ dim E, avec égalité si et seulement si B est une base
de E.

Définition 12
Soit E un K-espace vectoriel et B une famille d’éléments de E, le rang de B, noté
rg(B) est défini par la relation suivante :

rg(B) = dim Vect(B).

Définition 13
Soit E un K-espace vectoriel et B une famille d’éléments de E, alors

rg(B) ≤ card(B).

Avec égalité si et seulement si B est libre.

Page 5 / 19
Mamouni, CPGE Rabat Résumé de cours [email protected]
MPSI-Maths Révision Algèbre Linéaire (Sup) www.chez.com/myismail

2 Polynômes.
2.1 Degré d’un polynôme.
Définition 14 Soit P un polynôme non nul, de coéfficients ak , on appelle degré de P ,
le plus grand indice de ses coefficients non nuls, et on le note degP .
Ce coéfficient non nul d’indice maximal, s’appelle le coefficient dominant de P et se
note co(P ).
Par convention deg0 = −∞.
L’ensemble des polynômes à coéfficients dans K se note K[X], celui des polynômes de
degré inférieur à n, se note Kn [X].

Remarque 2

– degP = n ⇐⇒ P (X) = an X n + an−1 X n−1 + . . . + a0 avec an 6= 0.

– P (X) = an X n + an−1 X n−1 + . . . + a0 ⇐⇒ degP ≤ n.

Proposition 4
Soit P, Q ∈ K[X], on a les propriétés suivantes :
– deg(P + Q) ≤ max(degP, degQ), vec égalité dans le cas où degP 6= degQ ou bien degP =
degQ mais degP + deg 6= 0.
– deg(P Q) = degP + degQ

2.2 Arithmétique dans K[X].

Définition 15
Soit A, B deux polynômes non nuls.
– On dit que B divise A dans K[X] si ∃Q ∈ K[X] tel que A = BQ.
– On dit que A et B sont associés si ∃λ 6= 0 tel que P = λQ.
– Un polynôme est dit irréductible dans K[X] quand ses seuls diviseurs dans K[X]
sont les constantes et ses polynômes associés.

Proposition 5
Deux polynômes P et Q sont associés si et seulement si P divise Q avec degP = degQ.
En particulier tout polynôme de degré 1 est irreductible.

Théorème 8
∀(A, B) ∈ K[X] tel que B 6= 0 ∃!(Q, R) ∈ K[X] tel que A = BQ + R avec degR < degQ.
Q s’appelle le quotient de la division euclidienne de A par B et R son reste.

Remarque 3
B divise A si et seulement si le reste de la division euclidienne de A par B est nul.

Algorithme d’Euclide.
Soit A, B deux polynôme non nuls, on effectue les divisions euclidiennes successives des quo-
tients par leurs restes, jusqu’à arriver à un reste nul, alors le dernier reste non nul est un
diviseur commun de A et B de degré minimal, ce reste un fois normalisé, s’appelle le PGCD
de A et B et se note A ∧ B.
Définition 16
Deux polynômes sont dits premiers entre eux si et seulement si leur PGCD est égal
à 1.

Page 6 / 19
Mamouni, CPGE Rabat Résumé de cours [email protected]
MPSI-Maths Révision Algèbre Linéaire (Sup) www.chez.com/myismail

Proposition 6 Soient P et Q deux polynômes non nuls, et D leurs PGCD, alors

P = DP 0 , Q = DQ0 avec Q ∧ Q0 = 1

Théorème 9 Théorème de Bezout.

Soit (A, B) ∈ K[X], alors

A ∧ B = 1 ⇐⇒ ∃(A, B) ∈ K[X] tel que AU + BV = 1

Théorème 10 Théorème de Gauss.

Soit (A, B, C) ∈ K[X] tel que A divise BC et A ∧ B = 1 alors A divise C.

Corollaire 2

– A ∧ B = A ∧ C = 1 =⇒ A ∧ BC = 1.
– A ∧ B = 1 ⇐⇒ A ∧ B β = 1 ⇐⇒ Aα ∧ B β = 1.
– Si A et B divisent C et sont premiers entre eux, alors AB divise C.

2.3 Racines d’un polynôme.

Définition 17
A chaque polynôme P (X) = an X n + . . . + a0 ∈ K[X], on associé la fonction réelle :

Pb(x) : K → K
x 7→ an xn + . . . + a0

appellée fonction polynômiale de P et on dit que α ∈ K est une racine de P

si et seulement si Pb (α) = 0, dans la suite on notera P (α) = 0 au lieu de Pb (α).

Théorème 11
Soit P ∈ K[X], α ∈ K, alors α est une racine de P si et seulement si X − a divise P
dans K[X].

Théorème 12 Théorème de D’Alembert

Tout polynôme, non constant admet au moins une racine dans C.

Corollaire 3

– Un polynôme irreductible dans K[X] de degré ≥ 2 n’admet jamais de racine dans

K.
– Un polynôme, non nul de degré n ∈ N admet au maximun n racines.
– Tout polynôme qui admet un nombre de racines supérieur strictement à son degré
est nul, en particulier tout polynôme qui admet une infinité de racines est nul.

Théorème 13
Tout polynôme, non constant admet au moins un facteur (diviseur) irréductible.

Théorème 14
Tout polynôme, non constant, P se décompse de façon unique en facteurs irreductibles
sous la forme
P = λP1α1 . . . Prαr
avec λ ∈ K , αi ∈ N∗ et Pi des polynômes irreductibles unitaires.

Page 7 / 19
Mamouni, CPGE Rabat Résumé de cours [email protected]
MPSI-Maths Révision Algèbre Linéaire (Sup) www.chez.com/myismail

Corollaire 4

– Les polynômes irréductibles dans C[X] sont exactement les polynômes de degré 1.
En particulier la décomposition de P dans C[X] est de la forme

P (X) = λ(X − z1 )α1 . . . (X − zr )αr

où les zi sont les racines de P .

– Les polynômes irréductibles dans X] sont exactement les polynômes de degré 1 ou
]

ceux de degré 2 à descriminant strictement négatif.

En particulier la décomposition de P dans X] est de la forme
]

r
Y p
Y
P (X) = λ(X − xi )αi (X 2 − 2<e(zi ) + |zi |2 )βi
i=1 i=1

où les xi sont les racines réelles de P et zi ceux complexes non réelles.
Il faut noter que si P ∈ R[X] et z ∈ CR racine de P , alors z aussi racine de P .

2.4 Dérivation dans K[X].

Définition 18
Soit P (X) = an X n + . . . + a0 , on appelle polynôme dérivé de P , le polynôme noté P 0
défini par P 0 (X) = nan X n−1 + . . . + a1 .

Proposition 7

– Si degP = n, alors degP 0 = n − 1 et co(P 0 ) = nco(P ). En particulier la dérivée d’un

polynôme est nul si et seulement si il est constant.
– ∀(P, Q) ∈ K[X]2 ∀λ ∈ K, on a : (P + λQ)0 = P 0 + λQ0 , en conséquence l’application :
Kn [X] −→ Kn−1 [X] est linéaire.
P (X) 7−→ P 0 (X)

Définition 19
Soit P ∈ K[X] et k ∈ N∗ , on définit par récurrence la dérivée k–ème de P à l’aide de
la formule P (k) = (P (k−1) )0 = (P 0 )(k−1) .
Et on convient d’écrire P (0) = P .

Proposition 8

– Si degP = n, alors degP (k) = n − k et coP (k) = Akn coP , avec la convention Akn = 0 si
k > n.
En particulier la dérivée k–ème d’un polynôme est nul si et seulement si ce po-
lynôme est de degré inférieur à k − 1.
– Si deg = n alors P (n) = n!coP .
– ∀(P, Q) ∈ K[X]2 ∀λ ∈ K, on a : (P + λQ)(k) = P (k) + λQ(k) , en conséquence l’applica-
tion : Kn [X] −→ Kn−k [X] est linéaire.
P (X) 7−→ P (k) (X)
– ∀(P, Q) ∈ K[X]2 ∀n ∈ N on a :
n
X
(P Q)(n) = Cnk P (k) Q(n−k) Formule de Leibniz
k=0

Page 8 / 19
Mamouni, CPGE Rabat Résumé de cours [email protected]
MPSI-Maths Révision Algèbre Linéaire (Sup) www.chez.com/myismail

Définition 20
Soit P ∈ K[X], on dit qu’une racine a ∈ K de P est de multiplicité n ∈ N∗
si et seulement si P (a) = . . . P (n−1) (a) = 0 mais P (n) (a) 6= 0. Et convient de dire que a
est multiplicité nulle dans P lorsqu’elle n’est pas une racine de P .

Théorème 15
n
X P (k) (a)
Soit P ∈ K[X], ∀n ∈ N, ∀a ∈ K on a : P (X) = (X − a)k .
k!
k=0

Théorème 16
Soit P ∈ K[X], n ∈ N et a ∈ K, les propriétés suivantes sont équivalentes :
– a est une racine de P de multiplicité n
– (X − a)n divise P, (X − a)n+1 ne divise pas P .
– ∃Q ∈ K[X] tel que P (X) = (X − a)n avec Q(a) 6= 0.

2.5 Polynômes scindés.

Définition 21 On dit qu’un polynôme P ∈ K[X] est scindé dans K
si et seulement si toutes ses racines sont dans K.

Remarque 4

– Tout polynôme non constant est scindé dans C.

– Un polynôme P ∈ R[X] est scindé dans R si et seulement si toutes ses racines sont
réelles.

Théorème 17
Soit P ∈ K[X] scindé dans K, alors
n
Y
P (X) = co(P ) (X − zk )αk
k=1

où zk sont les racines de P et αk leurs multiplictés respectives.

Xn
En particulier degP = αk .
k=1

Formules de Viète-Newton entre racines et coefficients d’un polynôme scindé :

Soit P (X) = an X n + . . . + a0 un polynôme scindé de degré n, et z1 , . . . , zn ses racines distincts ou
non, on a les formules suivantes :
n
X an−1
zk = −
an
k=0
XY an−2
zi zj =
an
X i<jY an−k
zi1 . . . zik = (−1)k
i1 <...<ik
an
Yn
a0
zk = (−1)n
an
k=1

Page 9 / 19
Mamouni, CPGE Rabat Résumé de cours [email protected]
MPSI-Maths Révision Algèbre Linéaire (Sup) www.chez.com/myismail

3 Applications linéaires.
3.1 Généralités.
Définition 22
Soit E et F deux K-espaces vectoriels et u : E → F , on dira que u est linéaire si elle
vérifie la propriété suivante :

∀(x, y) ∈ E 2 , ∀λ ∈ K on a : u(x + λy) = u(x) + λu(y)

Vocabulaire et notations :
– L’ensemble des applications linéaires de E vers F se note LK (E, F ).
– Une application linéaire est dite endomorphisme lorsque l’ensemble d’arrivée est inclu dans
celui de départ. L’ensemble des endomorphismes de E se note LK (E).
– Elle sera dite isomorphisme lorsqu’elle est bijective. L’ensemble des isomorphismes de E
vers F se note IsomK (E).
– Elle sera dite automorphisme lorsqu’elle est bijective et lorsque l’ensemble d’arrivée est inclu
dans celui de départ. L’ensemble des automorphismes de E se note GlK (E) .

Proposition 9
Soit u ∈ LK (E, F ), On a les propriétés suivantes :
– Si B = ((xk )1≤k≤n ) famille de vecteurs de E, et (λk )1≤k≤n ∈ Kn alors :
n
! n
X X
u λk xk = λk u(xk ) en particulier u (Vect(B)) = Vect (u(B)) .
k=1 k=1

– Deux applications linéaires égales sur une famille génératrice sont égales sur
l’espace vectoriel tout entier.
– Une application linéaire est nulle si et seulement si elle est nulle sur la base.
– Une application linéaire est entièrement déterminée par ses valeurs sur la base.
– Si B famille génératrice de E, alors u(B) est une famille génératrice de Im u.
En particulier si u est surjective si et seulement si u(B) est une famille génératrice
de F .
– Si B est libre dans E et u injective, alors u(B) est libre dans F .
– Si B est une base de E, alors u est un isomorphisme si et seulement si u(B) est une
base de F .

Proposition 10
Soit u ∈ LK (E, F ), On a les propriétés suivantes :
– u(0E ) = 0F .
– L’image directe et réciproque d’un sous-espace vectoriel est aussi un
sous-espace vectoriel .
– ker u = {x ∈ E tel que u(x) = 0F } est un sous-espace vectoriel de E, on l’appelle
noyau de u.
– u est injective si et seulement si ker u = {0E }.
– Im u = u(E) est un sous-espace vectoriel de F , on l’appelle image de u.
– u est surjective si et seulement si Im u = F .

Proposition 11
Soit u ∈ LK (E, F ), On a les propriétés suivantes :
– (LK (E, F ), +, .) est un K-ev ,en particulier la somme de deux applications linéaires
est aussi linéaire.
– La composée de deux applications linéaires est aussi linéaire, en particulier
(LK (E), +, ., ◦) est une algèbre sur K.
– La réciproque d’un isomorphisme est aussi un isomorphisme, en particulier
(GlK (E), ◦) est un groupe, on l’appelle le groupe linéaire de E.

Page 10 / 19
Mamouni, CPGE Rabat Résumé de cours [email protected]
MPSI-Maths Révision Algèbre Linéaire (Sup) www.chez.com/myismail

3.2 Applications linéaires en dimension finie.

Théorème 18
– Tout K-ev de dimension n est isomorphe à Kn .
– Deux K-ev de dimension finie sont isomorphe si et seulement si ils sont de même
dimension.

Théorème 19
Soient E et F deux K-ev de dimensions finies, alors LK (E, F ) est de dimension finie
avec
dimK (LK (E, F )) = dimK (E). dimK (F )

3.3 Rang d’une application linéaire

Définition 23
Le rang d’une application linéaire, u, noté rg(u) est défini par la rzlation suivante :

rg(u) = dim Im u.

Théorème 20 Formule du rang

Soit u : E → F linéaire avec E un K-ev de dimension finie, on a le résultat suivant :

dim E = dim ker u + dim Im u

Corollaire 5
Soit u : E → F linéaire, on a les propriétés suivantes :
– u est injective si et seulement si rg(u) = dim E.
– u est surjective rg(u) = dim F .
– u est bijjective rg(u) = dim E = dim F .

Corollaire 6
Le rang est invariant par composition à gauche ou a droite par un isomorphisme.
Autrement dit si u est linéaire et v isomorphisme alors : rg(v ◦ u) = rg(u) et rg(u ◦ v) =
rg(u).

Corollaire 7
Soit u : E → F linéaire où E et F deux K-ev de dimensions finies et égales, on a les
équivalences suivantes : u isomorphisme ⇐⇒ u injective
⇐⇒ u injective

Corollaire 8
Un endomorphisme sur un espace vectoriel de dimension fini est bijectif
si et seulement si il est injectif.

Page 11 / 19
Mamouni, CPGE Rabat Résumé de cours [email protected]
MPSI-Maths Révision Algèbre Linéaire (Sup) www.chez.com/myismail

4 Somme d’espaces vectoriels.

4.1 Généralités.
Définition 24
Soit E un espace vectoriel , F et G deux sous-espace vectoriel de E.
– On appelle somme de F et G le sous-espace vectoriel de E noté F + G défini par la
relation suivante

x ∈ F + G ⇐⇒ ∃x1 ∈ F, ∃x2 ∈ G tel que x = x1 + x2 .

– Si de plus F ∩ G = {0E }, on dit que la somme est directe et on la note par F ⊕ G.

– Si de plus E = F ⊕ G, on dit que les sous-espace vectoriel F et G sont
supplémentaires dans E, et dans ce cas

∀x ∈ E, ∃!x1 ∈ F et ∃!x2 ∈ G tel que x = x1 + x2 .

Remarque 5
Soit F et G deux sous-espace vectoriel d’un K-espace vectoriel E et B1 ⊂ F, B2 ⊂ G,
alors :
– Vect (B1 ∪ B2 ) = Vect (B1 ) + Vect (B2 ).
– Si de plus F ∩ G = {0E }, alors Vect (B1 ∪ B2 ) = Vect (B1 ) ⊕ Vect (B2 ).

Théorème 21
Soit E un K-espace vectoriel de dimension finie, F et G deux sous-espace vectoriel de
E tels que F ∩ G = {0E }, alors :

dimK (F ⊕ G) = dimK (F ) + dimK (G)

Corollaire 9
Soit E un K-espace vectoriel de dimension finie, F et G deux sous-espace vectoriel de
E supplémenttaires alors : dimK (G) = dimK (E) − dimK (F ).

Corollaire 10
Soit F et G deux sous-espace vectoriel d’un K-ev , E, de dimension finie alors :

dimK (F + G) = dimK (F ) + dimK (G) − dimK (F ∩ G)

4.2 Projection et projecteur.

Définition 25
Si E = F ⊕ G, on rappelle que ∀x ∈ E, ∃x1 ∈ F et ∃x2 ∈ G tel que x = x1 + x2 .
– x1 s’appelle la projection de x sur F parallélement à G et se note pF//G (x).
– x2 s’appelle la projection de x sur G parallélement à F et se note pG//F (x).

Proposition 12
Avec les notations précédentes l’application : p = pF//G : E −→ F est
x 7−→ x1 = pF//G (x)
linéaire vérifiant les propriétés suivantes :
1) p2 = p.
2) Im p = F, ker p = G en particulier

E = Im p ⊕ ker p.

Page 12 / 19
Mamouni, CPGE Rabat Résumé de cours [email protected]
MPSI-Maths Révision Algèbre Linéaire (Sup) www.chez.com/myismail

Définition 26
On appelle projecteur sur E, tout endomorphisme, p de E tel que

p2 = p.

Proposition 13
Soit p un projecteur de E, on a les propriétés suivantes :
1) E = Im p ⊕ ker p.
2) x ∈ Im p ⇐⇒ p(x) = x.
3) p est la projection sur son image paraléllement à son noyau.

Conclusion. Toute projection est un projecteur, et tout projecteur est une projection sur son
image paraléllement à son noyau.

4.3 Symétries.
Définition 27
On appelle symétrie sur E, tout endomorphisme, s de E tel que : s2 = idE .

Proposition 14
Soit s une symétrie de E, on a les propriétés suivantes :
1) p = 21 (s + idE ) est un projecteur.

x ∀x ∈ F
2) En posant F = Im p et G = ker p, on a E = F ⊕ G avec s(x) = .
−x ∀x ∈ G
On dit alors que s est la symétrie par rapport à F parallélement à G.
3) Inversement tout projecteur p permet de définir la symétrie s = 2p− idE sur Im p
parallélement à ker p.

5 Matrices.
5.1 Généralités.
5.1.1 Trace d’une matrice carré.
Définition 28
Soit A = (ai,j )1≤i,j≤n ∈ Mn (K), on appelle trace de A, le nombre notée tr(A), défini par
la relation suivante :
Xn
tr(A) = ai,i .
i=1

Proposition 15
Soit A, B ∈ Mn (K), λ ∈ K et P inversible, on a les propriètes suivantes :
– tr(A + λB) = tr(A) + λtr(B).
– tr(AB) = tr(BA).
– tr(P −1 AP ) = tr(A).

5.1.2 Transposée d’une matrice.

Définition 29
Soit A = (ai,j )i,j ∈ Mn,p (K), on appelle transposé de A, la matrice notée t A, défini par
la relation suivante :
t
A = (aj,i )i,j ∈ Mn,p (K)

Page 13 / 19
Mamouni, CPGE Rabat Résumé de cours [email protected]
MPSI-Maths Révision Algèbre Linéaire (Sup) www.chez.com/myismail

Proposition 16
Soit A, B ∈ Mn (K), λ ∈ K et P inversible, on a les propriètes suivantes :
– t (A + λB) = t A + λt B.
– t (AB) = t B.t A.
– t P est inversible, avec (t P )−1 = t (P −1 ).

5.2 Matrices en tant qu’applications linéaires.

Remarque 6
Soit M ∈ Mn,p (K), alors l’application

M : Kp −→ Kn
X 7−→ M X

est linéaire. Ainsi toute matrice peut être étudiée comme application linéaire, avec :
1) X ∈ ker M ⇐⇒ X ∈ KP et M X = 0.
2) Y ∈ Im M ⇐⇒ Y ∈ Kn et ∃X ∈ Kp tel que Y = M X.
En particulier rg(M ) = dim Im M = rg(colonnes de M ).
3) rg(M ) + dim ker M = p =nombre de colonnes de M .

Proposition 17
Soit M ∈ Mn (K), alors : M est inversible ⇐⇒ ker M = {0}
⇐⇒ rg(M ) = n

Théorème 22
Deux matrices sont équivalentes si et seulement si elles sont de même rang.

5.3 Matrice d’une application linéaire.

Définition 30
Soient E et F deux K-espace vectoriel tels que dim E = n et dim F = p. Soient B =
(ei )1≤i≤n une base de E et B 0 = (e0i )1≤i≤p une base de F et u : E → F une application
linéaire. On appelle la matrice de u relativement aux bases B et B 0 , la matrice notée

MB,B0 (u) ∈ Mp,n (K)

dont la j–ème colonne est formée par les coordonnées de u(e0j ) dans la base B 0 .

u(e1 ) . . . u(en )
e01
MB,B0 (u) = ..
.
e0p

Dans le cas où B = B 0 on note tout simplement MB (u).

Page 14 / 19
Mamouni, CPGE Rabat Résumé de cours [email protected]
MPSI-Maths Révision Algèbre Linéaire (Sup) www.chez.com/myismail

Proposition 18
u
Soient E, F des espaces vectoriels de bases respectives B1 = (ei ), B2 = (e0j ) et E → F
une application linéaire. On a les propriétés suivantes :
– Si M = MB,B0 (u) = (ai,j )1≤i≤p,1≤j≤n alors
p
X
u(ej ) = ai,j e0i
i=1

– Soit x ∈ E, et X la matrice colonne formée par les coordonnés de x dans B1 et Y

celle formée par les coordonnés de y = u(x) dans B2 alors l’équation linéaire y = u(x)
s’écrit sous la forme matricielle
Y = M X.

Proposition 19
Avec les notations de la proposition suivante, on a les propriétés suivantes
– Si u, v : E −→ F est linéaire et λ ∈ K, alors

MB,B0 (u + λv) = MB,B0 (u) + λMB,B0 (v).

– MB,B0 (u) = 0 si et seulement si u = 0.

En particulier deux applications linéaires sont égales si et seulement si leurs ma-
trices associées dans les mêmes bases sont égales.
– Ainsi on définit un isomorphisme d’espaces vectoriels entre

M : LK (E, F ) −→ Mp,n (K)

u 7−→ MB,B0 (u)
u v
– Si E, F, G des espaces vectoriels de bases respectives B1 , B2 , B3 et E → F → G appli-
cations linéaires alors :

MB1 ,B3 (v ◦ u) = MB2 ,B3 (v).MB1 ,B2 (u)

u
– Si E, F des espaces vectoriels de bases respectives B1 , B2 et E → F application
linéaire alors : MB1 ,B2 (u) est inversible si et seulement si u est un isomorphisme et
dans ce cas
MB1 ,B2 (u)−1 = MB2 ,B1 (u−1 )

5.4 Matrice de passage entre deux bases.

5.5 Matrice d’une famille de vecteurs dans une base
Définition 31
Soit E un K-espace vectoriel de dimension n, B une base de E et C une famille de p
vecteurs de E, la matrice de la famille C dans la base B est la matrice à n lignes et p
colonnes notée MB (C) dont les colonnes sont formées par les coordonnés des éléments
de C dans B.

Proposition 20
Avec les notations de la définition précèdente on a :

rg (MB (C)) = rg(C)

En particulier C est une base de E si et seulement si MB (C) est inversible.

Page 15 / 19
Mamouni, CPGE Rabat Résumé de cours [email protected]
MPSI-Maths Révision Algèbre Linéaire (Sup) www.chez.com/myismail

5.6 Matrice de passage entre deux bases

Définition 32
Soit E un K-espace vectoriel et B1 , B2 deux bases de E de dimension n. La matrice de
passage de B1 vers B2 est la la matrice carrée d’ordre n notée PB1 →B2 définie par :

PB1 →B2 = MB1 (B2 )

Proposition 21
Soit E un K-espace vectoriel et B1 , B2 deux bases de E de dimension n. Soit P =
PB1 →B2 , on a les résultats suivants :
– P = MB2 ,B1 (idE )
– Soit x ∈ E, X1 = [x]B1 la matrice colonne formée par les coordonnés de x dans B1 et
X2 = [x]B2 celle formée par ses coordonnés dans B2 alors :

X1 = P X2

Théorème 23
Soit E et F deux K-espace vectoriel . B1 , B2 deux bases de E et B10 , B20 deux bases de
F . Soit u : E → F linéaire. Posons M = MB2 ,B20 (u), N = MB1 ,B10 (u) et P = PB20 →B10 , Q =
PB1 →B2 on a les résultats suivants :
– M = P.N.Q
– Si u est un endomorphisme de E et M = MB2 (u), N = MB1 (u), P = PB1 →B2 alors

M = P −1 .N.P

Corollaire 11

– Deux matrices sont équivalentes si et seulement si elles representent la même ap-

plication linéaire dans des bases différentes.
– Deux matrices sont semblables si et seulement si elles representent le même en-
domorphisme dans deux bases différentes.

6 Déterminants.
6.1 Formes n-linéaires.
6.1.1 Formes bilinéaires.
Définition 33
On appelle forme bilinéaire sur E, toute application ϕ : E × E −→ K linéaire
(x, y) 7−→ ϕ(x, y)
par rapport à l’une des variables fixant l’autre, autrement dit :

ϕ(x1 + λx2 , y) = ϕ(x1 , y) + λϕ(x2 , y)

ϕ(x, y1 + λy2 ) = ϕ(x, y1 ) + λϕ(x, y2 )

Proposition 22
Soit ϕ une forme bilinéaire sur E, (x, y) ∈ E 2 , et (λ, µ) ∈ K2 , on a les résultats suivants :
– ϕ(λx, µy) = λµϕ(x, y).
– ϕ(x, y) = 0 si x = 0E ou y = 0E .

Définition 34
Soit ϕ une forme bilinéaire sur E, on dit que :
– ϕ est symétrique si et seulement si ϕ(x, y) = ϕ(y, x) ∀(x, y) ∈ E 2 .
– ϕ est antisymétrique ou bien alternée si et seulement si
ϕ(x, y) = −ϕ(y, x) ∀(x, y) ∈ E 2 .

Page 16 / 19
Mamouni, CPGE Rabat Résumé de cours [email protected]
MPSI-Maths Révision Algèbre Linéaire (Sup) www.chez.com/myismail

Proposition 23
Soit ϕ une forme bilinéaire alternée sur E, (x, y) ∈ E 2 , et (λ, µ) ∈ K2 on a les résultats
suivants :
– ϕ(x, x) = 0.
– ϕ(x, y + λx) = ϕ(x, y).
– ϕ(x, y) = 0 si {x, y} est liée.

Théorème 24
Toutes les formes bilinéaires alternées sur un K-espace vectoriel de dimension 2 sont
proprtionnelles.

6.1.2 Formes n-linéaires.

Définition 35
On appelle forme n-linéaire sur E, toute application

| × .{z
ϕ: E . . × E} −→ K
n fois
(x1 , . . . , xn ) 7−→ ϕ((x1 , . . . , xn ))

linéaire par rapport à chacune de ses variables en fixant les autres, autrement ! dit :
Xn
– Linéarité par rapport à la première variable : ϕ λi xi , y2 , . . . , yn =
i=1
n
X
λi ϕ(xi , y2 , . . . , yn ).
i=1 !
n
X
– Linéarité par rapport à la deuxième variable : ϕ y1 , λi xi , y3 , . . . , yn =
i=1
n
X
λi ϕ(y1 xi , y3 , . . . , yn ).
i=1 !
n
X
– Linéarité par rapport à la dernière variable : ϕ y1 , . . . , yn−1 , λi xi =
i=1
n
X
λi ϕ(y1 , . . . , yn−1 , xi ).
i=1

Proposition 24
Soit ϕ une forme n-linéaire sur E, (x1 , . . . , xn ) ∈ E n , et (λ1 , . . . , λn ) ∈ Kn , on a les
résultats suivants :
n
Y
– ϕ(λ1 x1 , . . . , λn xn ) = ϕ(x1 , . . . , xn ).
i=1
– ϕ(x1 , . . . , xn ) = 0 si l’un des xi est nul.

Proposition 25
Soit ϕ une forme n-linéaire sur E, on dit que :
– ϕ est symétrique si et seulement si :
ϕ(xσ(1) , . . . , xσ(n) ) = ϕ(x1 , . . . , xn ) ∀(x1 , . . . , xn ) ∈ E n .
– ϕ est antisymétrique si et seulement si
ϕ(xσ(1) , . . . , xσ(n) ) = ε(σ)ϕ(x1 , . . . , xn ) ∀(x1 , . . . , xn ) ∈ E n .
– ϕ(x1 , . . . , xi , . . . , xj , . . . , xn ) = −ϕ(x1 , . . . , xj , . . . , xi , . . . , xn ),
∀(x1 , . . . , xn ) ∈ E n , ∀1 ≤ i 6= j ≤ n.

Page 17 / 19
Mamouni, CPGE Rabat Résumé de cours [email protected]
MPSI-Maths Révision Algèbre Linéaire (Sup) www.chez.com/myismail

Proposition 26
Soit ϕ une forme bilinéaire, alors ϕ est alternée si et seulement si elle est anti-
symétrique.

Proposition 27
Soit ϕ une forme bilinéaire alternée sur E, (x1 , . . . , xn ) ∈ E n , et (λ1 , . . . , λn ) ∈ Kn on a
les résultats suivants :
1 , . . . , xn ) = 0 si ∃i 6= j tel que
– ϕ(x  xi = xj .
X
– ϕ x1 , . . . , xi + λj xj , . . . , xn  = ϕ(x1 , . . . , xn ).
j6=i
– ϕ(x1 , . . . , xn ) = 0 si {x1 , . . . , xn } est liée.

Théorème 25
Toutes les formes n-linéaires alternées sur un K-espace vectoriel de dimension n sont
proprtionnelles.

6.2 Déterminant d’une famille de vecteurs dans une base donnée.

6.2.1 Généralités.
Définition 36
Soit B une base de E tel que dim E = n. On appelle déterminant dans la base B,
l’unique forme n-linéaire alternée définie sur E n notée detB vérifiant la relation sui-
vante : detB (B) = 1

Proposition 28
Soit B une base de E, et B 0 famille d’éléments de E tel que cardB 0 = dim E, on a les
résultats suivants :
– B 0 est liée si et seulement si detB (B 0 ) = 0.
– B 0 est libre si et seulement si detB (B 0 ) 6= 0.
– B 0 est une base de E si et seulement si detB (B 0 ) 6= 0, et dans ce cas on a :
1
detB0 (B) =
detB (B 0 )

6.2.2 Orientation d’un R-espace vectoriel de dimension finie.

Principe : Orienter E revient à se fixer une base B0 , toute autre base B est dite directe
si et seulement si detB0 (B) > 0, dans le cas contraire c’est à dire si detB0 (B) < 0 elle est dite
indirecte.
En général les bases canoniques sont directes et orientent l’espace vectoriel .
Équation d’une droite du plan.
Si D est la droite du plan passant par le point A est dirigée par le vecteur ~u, alors son équation
s’obtient à l’aide da la relation suivante :
M ∈ D ⇐⇒ detB (AM ~ , ~u) = 0 où B = (~i, ~j) la base canonique de R2 .

6.3 Déterminant d’un endomorphisme.

Définition 37
Soit u : E −→ E un endomorphisme, alors detB (u(B)) ne dépond pas du choix de la
base B de E, on pose alors det(u) = detB (u(B)) et on l’appelle le déterminant de u.

Page 18 / 19
Mamouni, CPGE Rabat Résumé de cours [email protected]
MPSI-Maths Révision Algèbre Linéaire (Sup) www.chez.com/myismail

Proposition 29
Soit u, v : E −→ E deux endomorphismes de E tel que dim E = n, B une base de E et
B 0 = (x1 , . . . , xn ) famille d’élements de E, on a les résultats suivants :
– det(idE ) = 1.
– detB (u(B 0 )) = det(u) detB (B 0 ).
– det(u ◦ v) = det(u) det(v).
1
– u est un automorphisme de E si et seulement si det(u) 6= 0, avec det(u−1 ) =
det(u)

6.4 Déterminant d’une matrice carrée d’ordre n.

Définition 38
Le déterminant d’une matrice carrée d’ordre n,
A ∈ Mn (K), noté det(A) est par définition le déterminant de ses vecteurs colonnes
dans la base canonique de Kn .

Notation.
Si A = (ai,j )1≤i,j≤n , son déterminant se note aussi |ai,j |.

Proposition 30

– Si E est un K-ev de dimension finie, de base B et u un endomorphisme de E, alors :

det u = det (MB (u)).
– det(In ) = 1.

Proposition 31
X n
Y
– Soit A = (ai,j )1≤i,j≤n , alors det A = ε(σ) ai,σ(i) .
σ∈Sn i=1
Xn
– Soit A = (ai,j )1≤i,j≤n alors det(A) = (−1)i+j det(Ai,j ) ∀1 ≤ j ≤ n où Ai,j est la
i=1
matrice obtenue en enlevant la i–ème ligne et j–ème colonne, det(Ai,j ) s’appelle
cofacteur d’indice (i, j), la matrice formée par ses cofacteurs s’appelle comatrice de
A et se note Com(A). On dit qu’on a developpé le déterminant suivant la j–ème
colonne. n
X
– Si A = (ai,j )1≤i,j≤n alors det(A) = (−1)i+j det(Ai,j ) ∀1 ≤ i ≤ n. On dit qu’on a
j=1
developpé le déterminant suivant la j–ème colonne.

Proposition 32

– Si B et B 0 sont deux bases de E, alors detB (B 0 ) = det(P ) où P est la matrice de

passage de B vers B 0 .
– A = (ai,j ) est inversible si et seulement si det(A) 6= 0 et dans ce cas :

1 1 t
det(A−1 ) = avec A−1 = Com(A)
det(A) det(A)

– det(AB) = det(A) det(B).

– Si P est inversible alors det(P AP −1 ) = det(A).

Fin
à la prochaine

Page 19 / 19