Contents

1 Rappel: Matrices et Applications Linéaires 3

1.1 Généralité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.1.1 Somme directe des sous espaces vectoriels . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.2 Applications linéaires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.2.1 Définitions et propriétés de base . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.2.2 Noyau et Image d’une application linéaire . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.2.3 Endomorphismes et Automorphismes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.3 Matrice d’une application linéaire . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.4 Changement de Bases . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.4.1 Matrice de passage d’une base à une autre . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.5 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8

1
2 CONTENTS
Chapter 1

Rappel: Matrices et Applications

Linéaires

1.1 Généralité
1.1.1 Somme directe des sous espaces vectoriels
Soient E un K espace vectoriel et F1 , F2 , . . . , Fn des n sous espaces vectoriels de E.

Définition 1.1.1. On définit la partie de E, notée par F1 + F2 + . . . + Fn , par

x ∈ F1 + F2 + . . . + Fn , si et seulement si, il existe (x1 , x2 , . . . , xn ) ∈ F1 × F2 × . . . × Fn , tel que x = x1 + x2 + . . . + xn

Proposition 1.1.2. F1 + F2 + . . . + Fn est un sous espace vectoriel de E, appelé sous espace vectoriel somme des
F1 , F2 , . . . , Fn .

Définition 1.1.3. Somme directe

On dit que la somme F1 + F2 + . . . + Fn est directe, si pour tout x ∈ F1 + F2 + . . . + Fn il exite un unique
(x1 , x2 , . . . , xn ) ∈ F1 × F2 × . . . × Fn , tel que x = x1 + x2 + . . . + xn

Notation
Dans le cas ou la somme de F1 + F2 + . . . + Fn est directe on la note,
n
M
F1 ⊕ F2 ⊕ . . . ⊕ Fn ou encore Fi
i=1

Proposition 1. La somme F1 +F2 +. . .+Fn est directe, si et seulement si, pour tout (x1 , x2 , . . . , xn ) ∈ F1 ×F2 ×. . .×Fn
on a
x1 + x2 + . . . xn = 0E =⇒ x1 = x2 = . . . = xn = 0E

Preuve. Exercice

Comme conséquence de la proposition précédente on a

Théorème 1. La somme F1 + F2 + . . . + Fn est directe, si et seulement si,

\ 
∀i ∈ {1, 2, . . . , n − 1}, Fi Fi+1 + . . . Fn = {0E }

Remarque 1.1.4. ˆ La somme de deux sous espaces vectoriels F et G de E est directe, si et seulement si,

F ∩ G = {0E }

ˆ La somme de trois sous espaces vectoriels F, G et H de E est directe si et seulement si,

F ∩ G + H = {0E } et G ∩ H = {0E }

3
4 CHAPTER 1. RAPPEL: MATRICES ET APPLICATIONS LINÉAIRES

Définition 1.1.5. Soient F et G dux sous espaces vectoriels de E. On dit que F et G sont supplémentaires dans
E, si,
(i) F + G est directe
(ii) E = F ⊕ G
Remarque 1.1.6. 1.
E =F ⊕G ⇐⇒ E = F + G et F ∩ G = {0E }

2. Si dim(E) est finie alors

E =F ⊕G ⇐⇒ F + G et F ∩ G = {0E }
⇐⇒ F + G et dim(E) = dim(F ) + dim(G)
⇐⇒ F ∩ G = {0E } et dim(E) = dim(F ) + dim(G)

Exemple 1.1.7. ˆ Soit E = RR le R espace vectoriel de toutes les fonction de R dans R. Soit F l’ensemble des
fonctions f ∈ E qui sont paires et G l’ensemble des fonctions f ∈ E qui sont impaires. Alors F et G sont des
sous espaces vectories supplémentaires de E.
En effet ....
ˆ Soit E = C m (R, R) le R espace vectoriel de toutes les fonctions de classe C m de R dans R. On pose

F = {f ∈ E : f (0) = f ′ (0) = f ′′ (0) = . . . = f (m) (0) = 0} et G = Rm [x]

Alors F et G sont supplémentaires dans E.....

ˆ Soit E = Mn (K) l’ensemble des matrices carrées d’ordre n à coefficients dans K. On note par

F = {A ∈ E : A = At } G = {A ∈ E : A = −At }

F est l’ensemble des matrices symétriques et G celui des matrices antisymétriques. Alors F et G sont supplémentaires
dans E.....
Théorème 2. Soit E un K-espace vectoriel quelconque. Alors tout sous-espace vectoriel de E possède au moins un
supplémentaire.

1.2 Applications linéaires

1.2.1 Définitions et propriétés de base
Définition 1.2.1. Soient E et F deux K-espaces [Link] application f : E → F est dite Linéaire si pour tout
α ∈ K et x, y ∈ E on a f (x + αy) = f (x) + αf (y).
Si une application linéaire f est bijective, on dit que f est un isomorphisme d’espaces vectoriels.
Notation: On désigne par L(E, F ) l’ensemble des applications linéaires de E dans F .
Exemple 1.2.2. 1. Soit E un K-ev et F un sev de E. alors. On apple injection canonique de F dans E
l’application j : F → E définie par
∀x ∈ F ; j(x) = x
Alors j est une application linéaire.
2. Soit f : R[X] → R[X] définie par
∀p ∈ R[X]; f (P ) = P ′
où P ′ est la dérivée du polynôme P . f est une application linéaire.
3. Soit E = C([0, 1], R) l’ensemble de fonctions continues de [0, 1] vers R. On pose f : E → R la fonction définie
par Z 1
∀φ ∈ E, f (φ) = φ(x)dx
0
φ est une application linéaire.
1.2. APPLICATIONS LINÉAIRES 5

Proposition 2. 1. Soient E, F et G trois K espaces vectoriels. f : E → F et g : F → G deux applications linéaires.

Alors g ◦ f est une application linéaire.
2. Soit f : E → F un isomorphisme d’espaces vectoriels, alors f −1 : F → E est aussi un isomorphisme d’espaces
vectoriels.
3. Deux espaces vectoriels de dimension finie et de même dimension sont isomorphes.
Preuve. Exercice...
Théorème 3. (Admis)
1. L(E, F ) est un K-espace vectoriel.
2. Si E et F deux K-espaces vectoriels de dimension finie alors L(E, F ) est de dimension finie et on a

dim(L(E, F )) = dim(E) × dim(F )

1.2.2 Noyau et Image d’une application linéaire

Proposition 3. Soient E et F deux K-espaces vectoriels et f : E → F une application linéaire. Alors :
1. L’image par f d’un sous-espace vectoriel de E est un sous-espace vectoriel de F . En particulier, f (E) est un
sous-espace vectoriel de F , appelé image de f et noté Im(f ).
2. L’image réciproque par f d’un sous-espace vectoriel de F est un sous-espace vectoriel de E. En particulier,
f −1 ({0F }) est un sous- espace vectoriel de E, appelé noyau de f et noté ker(f ).
Remarque 1.2.3.
ker(f ) = {x ∈ E; f (x) = 0F }
Im(f ) = {y ∈ F ; ∃x ∈ E; f (x) = y}
Théorème 4. Soient E et F deux K-espaces vectoriels et f : E → F une application linéaire
1. f est injective si et suelement si ker(f ) = {0E }
2. f est surjective si et seulement si Im(f ) = F
Preuve. Exercice ...
Théorème 5 (Théorème du rang (de la dimension)). (Admis) Soit E un K-espace vectoriel de dimension finie. Alors
pour toute application linéaire f : E → F on a la dimension de Im(f ) est finie, de plus on a

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

Corollaire 1.2.4. Soient E et F deux K espaces vectoriels de dimension finie et dim(E) = dim(F ), alors on a les
équivalences suiventes:
f est bijective ⇐⇒ f est injective ⇐⇒ f est surjective.

1.2.3 Endomorphismes et Automorphismes

Définition 1.2.5. Soit E un K espace vectoriel.
ˆ Une application linéaire u : E → E s’appelle un endomorphisme de E.
ˆ Un endomorphime bijectif s’appelle un automorphisme de E.
Notation: On désigne parL(E) l’ensemble de tous les endomorphismes de E et par GL(E) l’ensemble de tous les
automorphismes de E.
Remarque 1.2.6. Soient E un K -espace vectoriel de dimension finie et u un endomorphisme de E. Alors d’après le
théorème du rang, on sait que
dim(E) = dim(ker(u)) + dim(Im(u))
Par contre, on a pas toujours E = ker(u) ⊕ Im(u) comme le montre le théorème suivant :
6 CHAPTER 1. RAPPEL: MATRICES ET APPLICATIONS LINÉAIRES

Théorème 6. Soient E un K-espace vectoriel de dimension finie et u : E → E un endomorphisme de E. Alors les

propositions suivantes sont équivalentes:
ˆ E = ker(u) ⊕ Im(u)
ˆ Im(u) = Im(u2 ); avec u2 = u ◦ u
ˆ ker(u) = ker(u2 )
ˆ ker(u) ∩ Im(u) = {0E }
Preuve. Ind. On a toujours Im(u2 ) ⊂ Im(u) et ker(u) ⊂ ker(u2 )

Exemples des endomorphismes remarquables

Projecteur
Définition 1.2.7. Soit E un K-espace vectoriel quelconque, on appele projecteur de E tout endomorphisme de E
vérifiant u2 = u ◦ u = u
Exemple 1.2.8. Soit F un sous-espace vectoriel de E et G un supplémentaire de F dans E. alors pF : F ⊕ G → E
définie par pF (x1 + x2 ) = x1 est un projecteur de E.
Proposition 4. Soit u un projecteur de E, alors on a
ˆ E = ker(u) ⊕ Im(u)
ˆ ∀x ∈ E; x ∈ Im(u) ⇐⇒ u(x) = x
Preuve. Exercice Ind pour le deuxième item : x − u(x) ∈ Im(u) ∩ ker(u)
Symétrie vectorielle
Définition 1.2.9. On appelle symétrie vectorielle, tout endomorphisme u de E, vérifiant u2 = u ◦ u = ldE .
Exemple 1.2.10. Soit F un sous-espace vectoriel de E et G un supplémentaire de F dans E. alors sF : F ⊕ G → E
définie par sF (x1 + x2 ) = x1 − x2 est un endomorphisme vérifiant s2F = IdE donc elle est une symétrie vectorielle de
E.
Proposition 5. Soit u une symétrie vectorielle de E. Alors,
E = ker(u − idE ) ⊕ ker(u + idE )
Preuve. Soit x ∈ ker(u − idE ) ∩ ker(u + idE ) alors u(x) = x et u(x) = −x donc x = 0E .
Pour chaque x ∈ E on pose x1 = x+u(x)
2 ∈ ker(u − idE ) et x2 = x−u(x)
2 ∈ ker(x + idE ). Comme x = x1 + x2 alors on
a le résultat.

1.3 Matrice d’une application linéaire

Soient E et F deux K-espaces vectoriels de dimension finie, B = (e1 , e2 , . . . , en ) une base de E et B ′ = (e′1 , e′2 , . . . , e′m )
une base de F . Soit f : E → F une application linéaire. Alors pour tout j ∈ {1, . . . , n} il existe (a1j , a2j , . . . , amj ) ∈ Km
tel que
m
X
f (ej ) = aij e′ i
j=1

On obtient donc la matrice A = (aij )1≤i≤m;1≤j≤n , où pour chaque j ∈ {1, . . . , n} la j ième colonne est formée par les
composeantes de vecteur f (ej ) dans la base B ′

f (e1 ) f (e2 ) ... f (en )

e′1
 
a11 a12 ... a1n
e′2  a21 a 22 ... a2n 
A= ..  ∈ Mmn (K)
 
..  .. .. ..
.  . . . . 
e′m am1 am2 ... amn
La matrice A s’appelle la matrice de f par rapport aux bases B et B ′ . On écrit A = M at(f, B, B ′ ).
1.4. CHANGEMENT DE BASES 7

Remarque 1.3.1. 1. Soit u un endomorphisme de E où dim(()E) = n. Dans ce cas, on parle seulement de la
matrice de u par rapport à la base B et on a

f (e1 ) f (e2 ) ... f (en )

 
e1 a11 a12 ... a1n
e2  a21 a22 ... a2n 
A= ..  .. .. .. 
 
..
.  . . . . 
en an1 an2 ... ann

2. Soient E et F deux K-espaces vectoriels de dimension finie, B = (e1 , e2 , . . . , en ) une base de E et B ′ =

(e′1 , e′2 , . . . , e′m ) une base de F . Alors l’application

L(E, F ) → Mm,n (K)

f 7→ M at(f, B, B ′ )

est un isomorphisme d’espace vectoriels.

Proposition 1.3.2. SOient f : E → F et g : F → G deux applications linéaires et soient B une base de E, B ′ une
base de F et B ′′ une base de G alors

M at(g ◦ f, B, B ′′ ) = M at(g, B ′ , B ′′ ) × M at(f, B, B ′ )

1.4 Changement de Bases

1.4.1 Matrice de passage d’une base à une autre
Soit E un espace vectoriel de dimension finie n.

Définition 1.4.1. Soit B une base de E. Soit B ′ une autre base de E. On appelle matrice de passage de la base B
vers la base B ′ , et on note PB,B′ , la matrice carrée de taille n × n dont la j-ième colonne est formée des coordonnées
du j-ème vecteur de la base B ′ , par rapport à la base B.

La matrice de passage PB,B′ contient en colonnes les coordonnées des vecteurs de la nouvelle base B ′ exprimés
dans l’ancienne base B.

Exemple 1.4.2. On considère

       
1 1 1 5
e1 = e2 = ϵ1 = ϵ2 =
0 1 2 4

Soient la base B = (e1 , e2 ) et B ′ = (ϵ1 , ϵ2 ). Quelle est la matrice de passage de la base B vers la base B ′ ?
Il faut exprimer ϵ1 et ϵ2 en fonction de (e1 , e2 ):
   
−1 1
ϵ1 = −e1 + 2e2 = ϵ2 = e1 + 4e2 =
2 B 4 B

La matrice de passage est donc :  

−1 1
PB,B′ =
2 4

Proposition 1.4.3. La matrice de passage PB,B′ de la base B vers la base B ′ est la matrice associée à l’identité
idE : (E, B ′ ) → (E, B), où E est l’espace de départ muni de la base B ′ et E est aussi l’espace d’arrivée, mais muni de
la base B :

PB,B′ = M at(idE , B ′ , B)
8 CHAPTER 1. RAPPEL: MATRICES ET APPLICATIONS LINÉAIRES

Faites bien attention à l’inversion de l’ordre des bases !

Proposition 1.4.4. 1. La matrice de passage d’une base B vers une base B ′ est inversible et son inverse est égale
 −1
à la matrice de passage de la base B ′ vers la base B: PB′ ,B = PB,B′

2. Soient B, B ′ , B ′′ trois bases de E alors: PB,B′′ = PB,B′ × PB′ ,B′′

Preuve. 1. Comme PB,B′ = M at(idE , B ′ , B) et la fonction idE est bijective alors PB,B′ est inversible. De plus,
 −1
P−1
B,B ′ = M at(id E , B ′
, B) = M at((idE )−1 , B, B ′ ) = M at(idE , B, B ′ ) = PB′ ,B

2. Comme idE = idE ◦idE alors M at(idE , B ′′ , B) = M at(idE , B ′ , B)×M at(idE , B ′′ , B ′ ) i.e PB,B′′ = PB,B′ ×PB′ ,B′′
Exemple 1.4.5. Soit E = R3 muni de sa base canonique B. On pose
           
1 0 3 −1 0 0
B1 = 1 −1  2  B2 =  1  1  1 
0 0 −1 0 0 −1
Quelle est la matrice de passage de B1 vers B2 ?
On a    
1 0 3 1 0 0
PB,B1 = 1 −1 2 PB,B2 = −1 1 0
0 0 −1 0 0 −1
D’après la proposition précédente, PB,B2 = PB,B1 × PB1 ,B2 d’où PB1 ,B2 = P−1
B,B1 × PB,B2 . Donc il suffit de calculer
P−1
B,B1 .

Théorème 7. Formule de changement de base

Soient E et F deux K-espaces vectoriels de dimension p et n, B et B ′ deux bases de E, C et C ′ deux bases de F , et
f ∈ L(E, F ). Notons P = PB,B′ , Q = PC,C ′ , A = M at(f, B, C) et A′ = M at(f, B ′ , C ′ ) on a:
A′ = Q−1 AP
Preuve.
Q−1 AP = M at(idF , C, C ′ ) × M at(f, B, C) × M at(idE , B ′ , B) = M at(idF ◦ f ◦ idE , B ′ , C ′ ) = M at(f, B ′ , C ′ ) = A′

Corollaire 1.4.6. Cas d’un endomorphisme.

E = F , B, B ′ deux bases de E et f ∈ L(E). Notons P = PB,B′ , A = M at(f, B) et A′ = M at(f, B ′ ). Alors :
A′ = P−1 AP
Remarque 1.4.7. On dit alors que les matrices A et A′ sont semblables (on peut vérifier que c’est une relation
d’équivalence sur les matrices de Mn (K)).

Deux matrices semblables représentent le même endomorphisme, mais exprimé dans des bases différentes.

1.5 Exercices

Exercice
On considère l’endomorphisme de R3 défini par:

f : R3 → R3
(x, y, z) 7→ (10x − y − z, −6x + 9y − 3z, −2x − y + 11z)

1. Déterminer A = M at(f, Bc ) ou Bc est la base canonique de R3 .

2. Montrer que la famille B = ((1, 3, 1), (1, 0, −2), (0, 1, −1)) est une base de R3 . Déterminer B = M at(f, B).
1.5. EXERCICES 9

3. Calculer An , pour tout n ∈ N.

Exercice
On considère ϕ l’endomorphisme de R3 dont la matrice relativement à la base canonique Bc est
 
−1 −1 2
A = −2 −1 2
0 −1 1

1. Montrer que ϕ est bijective.

2. Montrer que la famille B = ((1, 1, 0), (−1, −2, −1), (1, 0, 1)) est une base de R3 . Déterminer B = M at(ϕ, B).
3. Calculer B10 , puis A10 .

2

4. Montrer que ϕ + idR3 ◦ ϕ − idR3 est l’endomorphisme nul de R3 .
(a) Calculer le reste de la division euclidienne de X 2023 par (X + 1)2 (X − 1).
(b) En déduire A2025 .