Université Claude Bernard - Lyon 1 Semestre d’automne 2020-2021

Maths III PMI - Algèbre

Feuille d’exercices no 1 : révisions d’algèbre linéaire

I. Espaces vectoriels – Bases

Exercice 1. Soient F et G des sous-espaces vectoriels de E.

1. Montrer que F ∩ G = F + G si et seulement si F = G.

2. Montrer que F ∪ G est un sous-espace vectoriel de E si et seulement si F ⊂ G ou G ⊂ F .

Solution

Rappel : F + G = {x + y; x ∈ F, y ∈ G}.
1. On procède par double implication, en commençant par le sens “facile”.
(⇐) : Supposons F = G. Alors on a F ∩ G = F ∩ F = F . On a aussi F + G = F + F .
Montrons finalement F + F = F . Soit z ∈ F + F . Alors ∃(x, y) ∈ (F, G), z = x + y, donc
z ∈ F car F est un ev. Réciproquement ∀x ∈ F , x = x + 0 ∈ F + F .
(⇒) : Supposons F ∩ G = F + G, montrons F = G.
Soit x ∈ F . Alors, astuce, x + 0 ∈ F + G, car 0 ∈ G. Donc x + 0 = x ∈ F + G. Ainsi en
utilisant l’hypothèse, x ∈ F ∩ G, d’où x ∈ G. De manière analogue, en supposant x ∈ G, on
obtient x ∈ F . D’où F = G.
2. Double implication aussi.
(⇐) : Supposons F ∈ G ou G ∈ F . Alors F ∪ G = G (ou F ) qui est bien sev de E.
(⇒) : Raisonnons par l’absurde, en supposant que F 6⊂ G et G 6⊂ F . Ainsi ∃x ∈ F, x ∈
/ G.
Et de même ∃y ∈ G, y ∈ / F . Maintenant x + y ∈ F ∪ G donc de deux choses l’une.
Ou bien x + y ∈ F . Alors comme x ∈ F , x + y − x ∈ F donc y ∈ F car F est un sev. D’où
y ∈ F et on a une contradiction. Ou bien x + y ∈ G. Alors comme y ∈ G, x + y − y ∈ G
donc x ∈ G car G est un sev. D’où x ∈ G et on a une contradiction.
Ainsi on a bien la négation de “F 6⊂ G et G 6⊂ F ” qui est “F ⊂ G ou G ⊂ F ”.

Exercice 2.

1. Soit H = {(x1 , . . . , xn ) ∈ Rn | x1 + · · · + xn = 0}. Montrer que H et Vect{(1, . . . , 1)} sont des

sous-espaces supplémentaires de Rn .

2. Soient F = {f ∈ C 1 (R, R) | f (0) = f 0 (0) = 0} et G = {x 7−→ ax + b, (a, b) ∈ R2 }. Montrer que F

et G sont des sous-espaces vectoriels supplémentaires de C 1 (R, R).

Solution
Rappel : on dit que F et G sont supplémentaires dans E, et l’on note E = F ⊕ G, si E = F + G et
F ∩G = {0}. Le signe ⊕ s’appelle “somme directe”. Autre définition équivalente, ∀z ∈ E, ∃!(x, y) ∈
F × G, z = x + y.
1. Tout d’abord, H et V = Vect{(1, 1, . . . , 1)} sont non vides (ils contiennent le vecteur nul),
et l’on vérifie facilement la stabilité sous l’addition et la multiplication par λ ∈ R. Ils sont
donc sev de Rn . L’énoncé demande de montrer Rn = H ⊕ V , avec V .
Vérifions les deux propriétés de la somme directe, en commençant par la deuxième.
 Pn
Soit x ∈ H ∩ V . Alors x = (λ, . . . , λ) pour un λ ∈ R, et x ∈ H impose i=1 λ = nλ = 0,
d’où λ = 0 (on suppose bien sûr n ≥ 1). Donc x = (0, . . . , 0) est le vecteur nul.
Montrons maintenant Rn = H + V . On vérifie trivialement H + V ⊂ Rn , il reste donc à
montrer Rn ⊂ H + V .
Pn
Soit x = (x1 , . . . , xn ) ∈ Rn . Posons s = n1 i=1 xi la moyenne des xi . Alors on a la décom-
position
x = (x1 − s, x2 − s, . . . , xn − s) + s(1, . . . , 1)
| {z } | {z }
∈H ∈V
Pn Pn
Le premier terme à droite du signe = est bien dans H, car i=1 (xi −s) = ( i=1 xi )−ns = 0
par définition de s.
Alternative On peut aussi procéder par analyse-synthèse. (i) Analyse. On suppose que l’on
peut écrire (x1 , . . . , xn ) = (y1 , . . . , yn ) + s(1, . . . , 1) avec (y1 , . . . , yn ) ∈ H. Alors on a né-
Pn (y1 , . . . , ynP
cessairement ) = (x1 , . . . , xn ) − s(1, . . . , 1)Pet l’apartenance de (y1 , . . . , yn ) à H
n n
impose i=1 yi = 0 = ( i=1 xi ) − ns et donc s = n1 i=1 xi . (ii) Synthèse : on vérifie bien
dans ce cas que (y1 , . . . , yn ) ∈ H et s(1, . . . , 1) ∈ V .
2. Même approche qu’à la question précédente. On vérifie facilement que F et G sont sev de
C 1 (R, R). Soit maintenant f ∈ F ∩ G. Alors ∃a, b ∈ R, f (x) = ax + b et f ∈ F impose
f 0 (0) = 0 = a et f (0) = 0 = b. Donc f est la fonction nulle, et on a bien F ∩ G = {0}.
On vérifie aussi facilement F + G ⊂ C 1 (R, R), reste à montrer C 1 (R, R) ⊂ F + G. Soit
f ∈ C 1 (R, R). Alors on peut écrire

f (x) = f (x) − f 0 (0)x − f (0) + f 0 (0)x + f (0)

| {z } | {z }
∈F ∈G

(Les appartenances respectives à F et G se vérifient facilement).

Alternative : On peut aussi procéder par analyse-synthèse.

Exercice 3.
1. Soient F et G deux sous-espaces vectoriels d’un R-espace vectoriel E de dimension finie n. Montrer
que si dim F + dim G > n, alors F ∩ G contient un vecteur non nul.
2. Dans R4 , on considère les vecteurs u = (1, 0, 1, 0), v = (0, 1, −1, 0), w = (1, 1, 1, 1), x = (0, 0, 1, 0) et
y = (1, 1, 0, −1). Soit F = Vect(u, v, w) et G = Vect(x, y). Quelles sont les dimensions de F, G, F +G
et F ∩ G ?

Solution

1. Supposons par l’absurde que F ∩ G = {0}. Alors F ⊕ G = F + G est un sev de E donc

dim(F ⊕ G) ≤ n. Or on a dim(F ⊕ G) = dim F + dim G > n, contradiction.
Remarque : En général on a dim(F + G) = dim F + dim G − dim(F ∩ G) pour tous F, G
sev de E. Une preuve élégante utilise l’application linéaire u : F × G → E, (x, y) 7→ x − y.
Le théorème du rang donne dim(F × G) = dim ker u + dim Im u, et l’on vérifie facilement
ker u = F ∩ G, Im u = F + G. Comme dim F × G = dim F + dim G, le résultat suit. Une
preuve plus pédestre consiste à considérer une base (h1 , . . . , hp ) de F ∩ G, que l’on peut
compléter (thm de la base incomplète) en une base (h1 , . . . , hp , f1 , . . . , fk ) de E et une base
(h1 , . . . , hp , g1 , . . . , gl ) de F . Alors on peut vérifier que (h1 , . . . , hp , f1 , . . . , fk , g1 , . . . , gl ) est
une base de F + G.
On a bien dim(F + G) = p + k + l = (p + k) + (p + l) − p = dim F + dim G − dim(F ∩ G).
2. (i) La famille (u, v, w) est par définition génératrice de Vect(u, v, w). Un calcul simple montre
qu’elle est libre, λ1 u + λ2 v + λ3 w = 0 implique λ1 = λ2 = λ3 = 0. Ainsi c’est une base, il y
a trois éléments de base donc dim Vect(u, v, w) = 3.
Remarque : Pour montrer que la famille (u, v, w) est libre, on peut également montrer que
 la matrice M (u|v|w) des vecteurs en colonne a rang maximal, dans ce cas 3. Rappellons
que le rang d’une matrice A est le est le nombre maximal de vecteurs colonnes (ou lignes)
linéairement indépendants, et peut se calculer comme la plus grande taille des matrices
carrées inversibles extraites de A. Or, dans la matrice
 
1 0 1
0 1 1
M (u|v|w) = 1 −1 1


0 0 1
 
1 0 1
la matrice extraite 0 1 1 a détérminant non nul (= 1), donc rang M (u|v|w) = 3 et
1 −1 1
la famille (u, v, w) est libre.
 
0 1
0 1 
(ii) De même dim Vect(x, y) = 2, car la matrice M (x|y) =  1 0  a rang 2, vu que la


0 −1
 
1 0
matrice extraite a détérminant non nul (= −1).
0 −1
(iii) La famille (u, v, w, x) est libre car le détérminant de la matrice M (u|v|w|x) est non nul
(= −1). Comme il y a 4 éléments, et que dim R4 = 4, c’est aussi une base de R4 , et comme
F + G est un sev de R4 et dim(F + G) = dim R4 , alors F + G = R4 .
(iv) dim(F + G) = dim F + dim G − dim(F ∩ G), donc 4 = 3 + 2 − dim(F ∩ G), donc
dim(F ∩ G) = 1.
Remarque : Comment montrer en dimension finie que si F est un sev de E et dim F =
dim E = n, alors E = F ? Par l’absurde. Supposons ∃x ∈ E, x ∈ / F . Soit (e1 , . . . , en ) une
base de E. Alors on vérifie facilement que la famille (x, e1 , . . . , en ) est libre dans F ce qui
implique dim F ≥ n + 1 en contradiction avec le fait que F est un sev de E de dimension n.

Exercice 4. Soit E un R-espace vectoriel et (e1 , . . . , en ) une famille libre de vecteurs de E.

1. On pose f1 = e1 + e2 , f2 = e2 + e3 et f3 = e3 + e1 . Montrer que la famille (f1 , f2 , f3 ) est libre.
2. On pose g1 = e1 + e2 , g2 = e2 + e3 , g3 = e3 + e4 et g4 = e4 + e1 . Montrer que la famille (g1 , g2 , g3 , g4 )
n’est pas libre.
3. On pose h1 = e1 + e2 , h2 = e2 + e3 , . . . , hn−1 = en−1 + en et hn = en + e1 . La famille de vecteurs
(h1 , h2 , . . . , hn−1 , hn ) est-elle libre ?

Solution
Conseil : Pour montrer qu’une famille est libre, utiliser la définition. Pour montrer qu’une famille
n’est pas libre (liée), il suffit trouver une combinaison linéaire à coefficients non nuls qui s’annule.
1. On résoud αf1 + βf2 + γf3 = 0, α, β, γ ∈ R, ce qui donne, en réarrangeant les termes,
(α + γ)e1 + (α + β)e2 + (γ + β)e3 = 0 ce qui donne le système

 γ+α =0
α+β =0
γ+β =0


dont l’unique solution est α = β = γ = 0. Ainsi, la famille est bien libre.

2. On vérifie que g2 − g1 = g3 − g4 = 0, donc g2 − g1 + g4 − g3 = 0 et la famille est liée.
3. Supposons qu’il existe des réels α1 , ..., αn tels que

0 = α1 h1 + · · · + αn hn = (α1 + αn ) e1 + · · · (αn−1 + αn ) en .
 Puisque la famille (e1 , ..., en ) est libre, on obtient le système à n équations
 

 α1 + αn = 0 
 α1 = −αn
α + α = 0  α2 = −α1 = αn
 
1 2

 


α2 + α3 = 0 d’où suit α3 = −α2 = −αn
 ..  ..
 . .

 

 

αn−1 + αn = 0 αn = −αn−1 = ±αn selon la parité de n
 

De la dernière ligne on déduit que

(i) si n est impair : on a αn = −αn , donc αn = 0 et par conséquent αi = 0 pour tout
i = 1, ..., n, ainsi la famille (h1 , ..., hn ) est libre ;
(ii) si n est pair : on a αn = αn , donc αn est indéterminé. L’égalité de départ devient
αn (−h1 + h2 − h3 + h4 − · · · + hn ) = 0, d’où suit, pour un αn 6= 0, la relation hn =
h1 − h2 + h3 − h4 + · · · + hn−2 − hn−1 . Ainsi, la famille (h1 , ..., hn ) est liée.
Methode alternative : Inspirés par 1. et 2., distinguons selon la parité de n.
(i) n = 2p, p ∈ N∗ . On peut vérifier que

S = (h2 − h1 ) + (h4 − h3 ) + . . . + (h2p−2 − h2p−3 ) + (h2p − h2p−1 ) (1)

= (e3 − e1 ) + (e5 − e3 ) + . . . + (e2p−1 − e2p−3 ) +(e1 − e2p−1 ) (2)
| {z }
telescopage

= (e2p−1 − e1 ) + (e1 − e2p−1 ) (3)

=0 (4)

et la famille est donc liée.

(ii) n = 2p + 1, p ∈ N∗ . On utilise la définition : supposons qu’il existe des réels α1 , ..., αn
tels que
0 = α1 h1 + · · · + αn hn = (α1 + αn ) e1 + · · · (αn−1 + αn ) en .
Puisque la famille (e1 , ..., en ) est libre, on obtient le système à 2p + 1 équations


 α1 + α2p+1 = 0
 α1 + α2 =0



α2 + α3 =0
 ..
.




α2p + α2p+1 = 0


Maintenant, si l’on calcule (2ème ligne−3ème ligne)+(4ème ligne−5ème ligne)+ . . . +(2p ème
ligne−(2p + 1)ème ligne), on trouve

(α1 + α2 ) − (α2 + α3 ) + (α3 + α4 ) + . . . + (α2p−1 + α2p ) − (α2p + α2p+1 ) = α1 − α2p+1 = 0

En combinant avec la première ligne, on trouve le système


α1 + α2p+1 = 0
,
α1 − α2p+1 = 0

qui donne α1 = α2p+1 = 0, et par suite αi = 0 ∀i = 1, . . . , 2p + 1. Donc la famille est libre.

     
1 0 1
2 1 4
     
Exercice 5. On considère les vecteurs de R5 : u1 = 
0, u2 = 1 et u3 = 1.
    
1 1 2
1 1 1
1. Montrer que la famille (u1 , u2 , u3 ) est libre.

2. Soit v ∈ R5 . À quelle condition v ∈ Vect(u1 , u2 , u3 ) ?

3. Trouver un supplémentaire de E = Vect(u1 , u2 , u3 ) dans R5 .

Solution

1. Utiliser la définition. En alternative, il suffit d’observer que la matrice

 
1 0 1
2 1 4
 
M (u1 |u2 |u3 ) = 0 1 1
1 1 2
1 1 1
 
1 0 1
a rang 3, car la matrice extraite 2 1 4 a détérminant non nul (= −1).
0 1 1
u3 ) = {αu1 +βu2 + γu3 , α, β, γ ∈ R}. Donc ses éléments se mettent sous la
2. Vect(u1 , u2 ,
α+γ
2α + β + 4γ 
  5
forme v =   β + γ  pour α, β, γ ∈ R. Un vecteur v = (a, b, c, d, e) de R est donc

 α + β + 2γ 
α+β+γ
dans Vect(u1 , u2 , u3 ) si et seulement si
 

 a=α+γ 
 α = 3a − b + c
 b = 2α + β + 4γ  β = 2a − b + 2c

 

c=β+γ d’où suit γ = b − 2a − c
d = α + β + 2γ d=a+c

 


 

e=α+β+γ e = 3a − b + 2c
 

Les deux dernières relations sont des contraintes sur le vecteur v et on conclut que v =
(a, b, c, d, e) ∈ Vect(u1 , u2 , u3 ) si et seulement si

d=a+c et e = 3a − b + 2c. (∗)

3. Il suffit de trouver deux vecteurs de R5 qui ne

vérifient
 pas 
les 
contraintes (∗) et qui sont linéa-
1 0
0 1
   
rement indépendants. Par exemple : v1 = 0 et v2 = 
 
0. La famille (u1 , u2 , u3 , v1 , v2 )

0 0
0 0
est alors libre, donc c’est une base de R5 car elle a 5 éléments, et Vect(v1 , v2 ) est bien un
supplémentaire de Vect(u1 , u2 , u3 ) dans R5 .
II. Applications linéaires – Théorème du rang

Théorème du rang (Rappel)

Soient E et F deux ev de dimension finie sur un corps K, et u : E → F une application linéaire.

Alors
dim E = dim ker u + dim Im u
dim Im u s’appelle le rang de u, et est aussi noté rang u. Noter que c’est la dimension de l’espace
“de départ”, soit E, qui apparaît dans la formule.

Preuve : Supposons ker u 6= {0}. Soit (h1 , . . . , hp ) une base de ker u. Cette famille est libre dans
E, donc peut être complétée (thm de base incomplète) en une base (e1 , . . . , ek , ek+1 , . . . , en ) de E.
Montrons maintenant que la famille (u(ek+1 ), . . . , u(en )) est une basePde Im u.
n
Pn Soit y ∈ Im u. Alors ∃x ∈ E, y = u(x). En écrivant x =
(a) i=1 xi ei , on obtient y =
i=p+1 x i u(e i ), donc la famille est bien génératrice de Im u.
Pn
(b) Reste à montrer qu’elle est libre dans Im u. Supposons i=p+1 λi u(ei ) = 0, ce qui peut se ré-
Pn Pn Pp Pn
écrire u( i=p+1 λi ei ) = 0. Ainsi, i=p+1 λi ei ∈ ker u, donc ∃λ1 , . . . , λp , i=1 λi ei = i=p+1 λi ei ,
et comme la famille (e1 , . . . , en ) est libre, tous les λi = 0.
Ainsi la famille u(ep+1 , . . . , u(en )) est une base de Im u, et dim Im u = n − p, dim ker u = p,
dim E = n.
Dans le cas ker u = {0}, il suffit de considérer une base (e1 , . . . , en ) de E, et l’on montre que
(u(e1 ), . . . , u(en )) est une base de Im u.

Remarque : Le théorème ne signifie pas E = ker u ⊕ Im u, identité qui est fausse. Par contre,
on a E = ker u ⊕ V , avec V isomorphe à Im u. La preuve construit d’ailleurs explicitement cet
isomorphisme.

Exercice 6. Soit α ∈ R. On considère l’application u :

R4 −→ R3
u:
(x, y, z, t) 7−→ (x + y + αz + t, x + z + t, y + z).

1. Montrer que u est une application linéaire de R4 dans R3 .

2. Déterminer le noyau et l’image de u.

Solution

Pour montrer qu’une application est linéaire, on peut vérifier les deux propriétés u(λx) = λu(x),
u(x + y) = u(x) + u(y) pour λ ∈ K et x, y ∈ E. Une alternative consiste à vérifier les deux en
même temps, via u(λx + µy) = λu(x) + µu(y) pour λ, µ ∈ K et x, y ∈ E.
1. u(λ(x, y, z, t)) = u((λx, λy, λz, λt)) = (λx+λy +αλz +λt, λx+λz +λt, λyλz) = λu(x, y, z, t).
De même on vérifie facilement u((x, y, z, t)+(x0 , y 0 , z 0 , t0 )) = u(x, y, z, t)+u(x0 , y 0 , z 0 , t0 ). Donc
u est linéaire.
2. Commençons par déterminer le noyau. Par définition ker u = {(x, y, z, t) ∈ R4 , u(x, y, z, t) =
0}, il faut donc résoudre le système
 
 x + y + αz + t = 0  (2 − α)y = 0
x+z+t =0 d’où suit x + t = −z = y
y+z =0 z = −y
 

si l’on soustrait la deuxième équation à la première. Il faut donc maintenant distinguer deux
cas
 (i) α 6= 2. Alors y = 0, d’où x + t = 0 et z = 0. Ainsi on a

ker u = {(x, 0, 0, t) ∈ R4 , x + t = 0}
= {(x, 0, 0, −x), x ∈ R}
= Vect{(1, 0, 0, −1)}.

(ii) α = 2. Alors z = −y et t = y − x, avec x et y indéterminés. Ceci donne un noyau de

dimension 2 :

ker u = {(x, y, −y, y − x), x, y ∈ R}

= {(x, 0, 0, −x) + (0, y, −y, y), x, y ∈ R}
= Vect((1, 0, 0, −1), (0, 1, −1, 1)).

Maintenant déterminons l’image. D’après le théorème du rang, dim Im u = dim R4 −

dim ker u, avec dim R4 = 4. Il faut donc distinguer deux cas selon la dimension du noyeau :
(i) α 6= 2. Alors dim Im u = 4 − 1 = 3, et puisque Im u est un sev de R3 , forcement on a
Im u = R3 .
Alternative : sans utiliser le théorème du rang, on peut compléter la base de
ker u = Vect((1, 0, 0, −1)) en une base de R4 , par exemple en choisissant la famille
((1, 0, 0, −1), (1, 0, 0, 0), (0, 1, 0, 0), (0, 0, 1, 0)) que l’on vérifie facilement être libre, et on
calcule

Im u = Vect(u(1, 0, 0, 0), u(0, 1, 0, 0), u(0, 0, 1, 0))

= Vect((1, 1, 0), (1, 0, 1), (α, 0, 1)) = R3

en vérifiant que la famille ((1, 1, 0), (1, 0, 1), (α, 0, 1)) est libre dans R3 .
(ii) α = 2. Alors dim Im u = 4 − 2 = 2. Pour décrire Im u comme sev de
R3 , on peut compléter la base ((1, 0, 0, −1), (0, 1, −1, 1)) de ker u en une base
((1, 0, 0, −1), (0, 1, −1, 1), (0, 1, 0, 0), (0, 0, 1, 0)) de R4 , et calculer u sur les vecteurs ajou-
tés :

Im u = Vect(u(0, 1, 0, 0), u(0, 0, 1, 0))

= Vect((1, 0, 1), (2, 1, 1)).

Alternative : sans compléter la base de ker u, on peut décrire Im u à partir de sa défi-

nition (ici, dans le cas α = 2) :

Im u = {(a, b, c) = u(x, y, z, t) = (x + y + 2z + t, x + z + t, y + z), x, y, z, t ∈ R}.

En inversant l’égalité, sous forme de système, on a

 
 a = x + y + 2z + t  a = x + y + 2(c − y) + (b − x − c + y) = b + c
b=x+z+t d’où suit t=b−x−z =b−x−c+y
c=y+z z =c−y
 

et donc

Im u = {(a, b, c) ∈ R3 , a = b + c} = {(b + c, b, c), b, c ∈ R}

= {(b, b, 0) + (c, 0, c), b, c ∈ R} = Vect((1, 1, 0), (1, 0, 1)).

Il est facile de montrer que la base ((1, 1, 0), (1, 0, 1)) engendre bien le même ev de la
base précédente ((1, 0, 1), (2, 1, 1)).

Exercice 7. Pour chacune des applications qui suit, dire (en le justifiant) si elle est linéaire ou non :
R[X] −→ R[X]
1. f : , où P 0 désigne le polynôme dérivé de P .
P 7−→ 2P P 0
 2. f : R[X] −→ R3 [X] définie par “f (P ) est le reste de la division euclidienne de P par X 4 − 5X + 2”.

Solution

1. Soit λ ∈ R. Alors f (λP ) = 2(λP )(λP )0 = 2λ2 P P 0 = λ2 f (P ). Donc f n’est pas linéaire.
2. On rappelle que tout polynôme P peut s’écrire de manière unique sous la forme P (X) =
A(X)(X 4 − 5X + 2) + R(X), où A(X) est un polynôme, et R(X) est un polynôme de degré
≤ 3. R est le reste de la division euclidienne, donc f (P ) = R. En notant R1 le reste pour
P1 , et R2 le reste pour P2 , on obtient

αP1 (X) + βP2 (X) = (αA1 (X) + βA2 (X))(X 4 − 5X + 2) + (αR1 (X) + βR2 (X)),

où αA1 + βA2 est bien un polynôme, et le reste αR1 + βR2 a encore bien degré ≤ 3. Ainsi
f (αP1 + βP2 ) = αf (P1 ) + βf (P2 ), et f est linéaire.

Exercice 8. Soient E un R-espace vectoriel de dimension finie et u ∈ L(E).

1. Montrer que Ker(u) ⊂ Ker(u2 ) et que Im(u2 ) ⊂ Im(u).
2. (a) Montrer que Ker(u) = Ker(u2 ) si et seulement si Im(u) = Im(u2 ).
(b) Montrer que Ker(u) = Ker(u2 ) si et seulement si E = Ker(u) ⊕ Im(u).
(c) Montrer que E = Ker(u) ⊕ Im(u) si et seulement si Im(u) ⊂ Im(u2 ).
3. (a) Donner des exemples d’endomorphismes vérifiant les propriétés du 2.
(b) Les équivalences sont-elles encore vraies en dimension infinie ?

Solution (exercice plus théorique)

1. Soit x ∈ ker u, c’est-à-dire u(x) = 0. Alors u2 (x) = u(u(x)) = u(0) = 0 car u est linéaire,
donc x ∈ ker u2 . Ainsi ker u ⊂ ker u2 . En particulier, ker u est sev de ker u2 .
Soit z ∈ Im(u2 ). Alors ∃x ∈ E tel que z = u(u(x)). Posons y = u(x). Alors bien sûr on a
z = u(y), donc z ∈ Im u. Ainsi Im u2 ⊂ Im u. En particulier, Im u2 est un sev de Im u.
2. (a) Appliquons le théorème du rang à u. Alors dim E = dim ker u + dim Im u. De même pour
u2 , dim E = dim ker u2 +dim Im u2 . Et donc dim ker u = dim ker u2 ssi dim Im u = dim Im u2 .
Maintenant, si dim ker u = dim ker u2 , puisque ker u est sev de ker u2 , on a ker u = ker u2 .
De même pour Im u et Im u2 . Ainsi, on déduit que ker u = ker u2 ssi Im u = Im u2 .
(b) On procède par double implication.
(⇐) : Supposons que E = ker u ⊕ Im u. Pour montrer que ker u2 = ker u, il suffit de montrer
ker u2 ⊂ ker u.
Soit x ∈ ker u2 , alors u(u(x)) = 0, et donc u(x) ∈ ker u. Or bien sûr u(x) ∈ Im u. Donc on a
u(x) ∈ ker u ∩ Im u = {0}. Donc u(x) = 0, donc x ∈ ker u.
(⇒) : Supposons que ker u2 = ker u. Montrons que ker u ∩ Im u = {0} dans un premier
temps, puis E = ker u ⊕ Im u dans un deuxième temps.
Soit x ∈ ker u∩Im u, alors u(x) = 0 et ∃y ∈ E tel que x = u(y). Il suit que y ∈ ker u2 = ker u,
d’où y ∈ ker u et enfin x = u(y) = 0. Donc ker u ∩ Im u = {0}. Par conséquent, la somme
ker u + Im u est directe, et bien sur c’est un sev de E.
Reste à montrer que ker u ⊕ Im u = E. Par la formule de Grassmann d’abord, et par le
théorème du rang ensuite, on a que dim(ker u ⊕ Im u) = dim ker u + dim Im u = dim E. Donc
ker u ⊕ Im u est un sev de E et ces deux ev ont même dimension, donc ils coincident.
(c) On a

Im u ⊂ Im u2 ⇔ ker u = ker u2 par 1 et 2 (a)

⇔ E = ker u ⊕ Im u par 2 (b).
 3. (a) Tout isomorphisme u vérifie les conditions de 2, car ker u = {0} et Im u = E.
Sinon, une condition suffisante pour garantir Im u = Im u2 est que u2 = u. Un endomor-
phisme qui satisfait cette propriété s’appelle un projecteur.
Par exemple, dans un ev de dimension n et base (e1 , . . . , en ), l’endomorphisme u défini par
u(ei ) = e1 pour tout i = 1, ..., n est bien un projecteur. Pour n = 3, cela donne l’exemple

u(x, y, z) = (x + y + z, 0, 0), avec ker u = Vect{e2 , e3 }, Im u = Vect{e1 + e2 + e3 }.

D’autres exemples de projecteurs pour n = 3 :

u(x, y, z) = (x, 0, 0), avec ker u = Vect{e2 , e3 }, Im u = Vect{e1 }

u(x, y, z) = (x, y, 0), avec ker u = Vect{e3 }, Im u = Vect{e1 , e2 }.

(b) Les équivalences du point 2 ne sont pas valables si E a dimension infinie. En particulier,
la démonstration donnée de (a) fait appel au théorème du rang, qui n’est valable qu’en
dimension finie (même s’il existe des généralisations hors programme).
Un contre-exemple au résultat de la question 2a est donné par l’endomorphisme u : R[X] →
R[X], P (X) 7→ XP (X). En effet, on montre facilement ker u = ker u2 = {0}. Pourtant,
le monôme X est dans Im u mais pas dans Im u2 , donc Im u 6= Im u2 . Un autre contre-
exemple est donné par l’endomorphisme v : R[X] → R[X], P (X) 7→ P 0 (X). On vérifie que
Im v = Im v 2 = R[X], mais ker v est l’ensemble des polynômes constants, tandis que ker v 2
est l’ensemble des polynôme de degré 1.

Exercice 9. Soient E un R-espace vectoriel de dimension finie n et u un endomorphisme de E. On

suppose qu’il existe x0 ∈ E tel que B = (u(x0 ), u2 (x0 ), . . . , un (x0 )) forme une base de E.
1. Montrer que u est bijective.
2. Montrer qu’il existe (a0 , . . . , an−1 ) ∈ Rn tels que un + an−1 un−1 + · · · + a0 idE = 0L(E) .

Solution

1. Puisque un endomorphisme d’un ev de dimension finie est injectif ssi il est surjectif, pour
montrer qu’il est bijectif il suffit de montrer qu’il est soit injectif soit surjectif. Normalement
il est plus simple de montrer l’injectivité que la surjectivité. Cette fois il est plus simple de
montrer que u est surjective.
Soit y ∈ E, alors on peut l’écrire dans la base donnée : il existe λ1 , ..., λn ∈ R tels que
n n
!
X X
y= λi ui (x0 ) = u λi ui−1 (x0 ) = u(x)
i=1 i=1
Pn
où x = i=1 λi u (x0 ) = λ1 x0 + λ2 u(x0 ) + . . . + λn un−1 (x0 ) est bien un vecteur de E.
i−1

Donc u est surjectif et par conséquent il est bijectif.

2. On considère la famille (x0 , u(x0 ), . . . , un (x0 )). Cette famille comporte n + 1 éléments, elle
est donc nécessairement liée car dim E = n. Donc, ∃ b0 , . . . , bn ∈ R, tels que (b0 , . . . , bn ) 6=
(0, 0, . . . , 0) et
bn un (x0 ) + bn−1 un−1 (x0 ) + . . . + b0 x0 = 0. (5)
On peut supposer bn 6= 0, car si ce n’était pas le cas, (5) entrainerait que tous les bi = 0 pour
i = 0, . . . , n, car la famille (x0 , u(x0 ), . . . , un−1 (x0 )) est libre (comme image par la bijection
u−1 d’une base). Ainsi, en posant ai = bi /bn , il vient

un (x0 ) + an−1 un−1 (x0 ) + . . . + a0 x0 = 0. (6)

Définissons alors l’endomorphisme

v = un + an−1 un−1 + . . . + a0 idE ,

 ayant la propriété que v(x0 ) = 0. En appliquant ui pour i = 1, . . . , n à l‘équation (6), et en
utilisant le fait que uk (ui (x0 )) = ui (uk (x0 )) pour tout k et i, on obtient

v(ui (x0 )) = un (ui (x0 )) + an−1 un−1 (ui (x0 )) + . . . + a0 ui (x0 ) = 0 pour tout i = 1, . . . , n.

Ainsi, v s’annule sur tous les éléments de la base B de E, donc v est identiquement nul.

Exercice 10. Soit E un K-espace vectoriel. On dit qu’un endomorphisme u ∈ L(E) est nilpotent s’il
existe un entier naturel p tel que up = 0L(E) . On dira que u est ponctuellement nilpotent si, pour tout
x ∈ E, il existe un entier naturel p (qui dépend de x) tel que up (x) = 0E .
1. Démontrer que tout endomorphisme nilpotent est ponctuellement nilpotent.
2. Démontrer que la réciproque est vraie si E est de dimension finie.
3. Donner un exemple d’endomorphisme ponctuellememt nilpotent non nilpotent.
4. On suppose E de dimension finie n et soit u ∈ L(E) un endomorphisme nilpotent. Démontrer que
un = 0L(E) .
Indication : soit p le plus petit entier strictement positif tel que up = 0, montrer qu’il existe x ∈ E
tel que la famille (x, u(x), u2 (x), . . . , up−1 (x)) soit libre.

Solution

1. Supposons que u est nilpotent et que p ∈ N soit le plus petit entier positif tel que up = 0.
Alors, pour tout x ∈ E il suffit de choisir k ≥ p (par exemple k = p) pour avoir uk (x) = 0.
Donc u est ponctuellement nilpotent.
2. Montrons que si dim E est finie et u est ponctuellement nilpotent, alors u est nilpotent.
Soit (e1 , . . . , en ) une base de E. Puisque u est ponctuellement nilpotent, pour tout i =
1, . . . , n il existe pi ∈ N tel que upi (ei ) = 0 et on a aussi uqi (ei ) = 0 pour tout qi ≥ pi . Donc,
en choisissant p = max{p1 , . . . , pn }, qui existe car c’est un ensemble fini, on obtient que up
est nul sur tous les éléments de la base. Ainsi up est identiquement nul, donc u est nilpotent.
3. Soit u : R[X] → R[X], P 7→ P 0 . Soit P ∈ R[X], alors P a un degré fini, que l’on note
k, et uk+1 (P ) = 0, donc u est ponctuellement nilpotent. Cependant, u n’est pas nilpotent
car pour tout k ∈ N, il existe P ∈ R[X] tel que uk (P ) 6= 0 (par exemple en choisissant un
polynôme P de degré k + 1).
4. Soit p le plus petit entier positif tel que up = 0. Alors up−1 n’est pas identiquement nul,
donc il existe un x ∈ E tel que up−1 (x) 6= 0. On a aussi ui (x) 6= 0 pour tout i = 0, . . . , p − 1,
car sinon on trouverait up−1 (x) = 0, ce qui contredit notre hypothèse sur x.
Considérons maintenant la famille (x, u(x), . . . , up−1 (x)), et montrons qu’elle est libre. Si
Pp−1 i p−1
i=0 λi u (x) = 0, pour des coefficients λ0 , ..., λp−1 ∈ R, alors en appliquant u à l’identité
k
précédente, et en sachant que u = 0 pour tout k > p − 1, on trouve
p−1
! p−1
X X
p−1 i
0=u λi u (x) = λi up−1+i (x) = λ0 up−1 (x).
i=0 i=0

Pp−1
Comme up−1 (x) 6= 0, il faut que λ0 = 0. De même, en appliquant up−2 à i=1 λi ui (x) = 0,
il résulte λ1 = 0, puis successivement λi = 0 pour tout i = 0, . . . , p − 1. Donc cette famille
est libre. Comme dim E = n, on a nécessairement p − 1 < n, donc p ≤ n, donc un = 0.

Exercice 11. Soit E un R-espace vectoriel de dimension finie. Montrer qu’il existe un endomorphisme
f ∈ L(E) tel que Ker(f ) = Im(f ) si et seulement si la dimension de E est paire.
 Solution
On procède par double implication.
(⇒) : Supposons ker f = Im f , alors d’après le théorème du rang on a dim ker f + dim Im f =
2 dim ker f = n. La dimension étant un entier, n est nécessairement pair.
(⇐) : Il suffit de construire explicitement un exemple en dimension paire n = 2p, p ∈ N, par
exemple comme suit. Soit (e1 , . . . , e2p ) une base de E. Considérons l’endomorphisme f , qui agit
de la manière suivante sur les vecteurs ei de la base :

u(ei ) = 0
∀i = 1, . . . p.
u(ei+p ) = ei

Alors par construction on a ker u = Vect(e1 , . . . , ep ) et Im u = Vect(e1 , . . . , ep ) = ker u. On voit

bien que la construction ne marche que si n est pair, car il est nécessaire de diviser la base en deux
familles de même dimension.
Un autre exemple : 
u(ei ) = ei + ep+i
∀i = 1, . . . p.
u(ei+p ) = −(ei + ep+i )
On a alors Im u = Vect(ei + ei+p , i = 1, ..., p) de dimension p. Par le théorème du rang on a
alors dim ker u = 2p − p = p, et puisque il est évident que les vecteurs ei + ep+i appartiennent à
ker u pour tout i = 1, ..., p (vu que u(ei + ep+i ) = u(ei ) + u(ep+i ) = 0) et qu’ils sont linéairement
indépendants, on a aussi ker u = Vect(ei + ei+p , i = 1, ..., p) = Im u.

III. Matrices – Changements de base

Exercice 12. On considère l’endomorphisme u de R3 [X] défini par :

u(P ) = (1 − X 2 )P 00 − XP 0 ,

pour tout polynôme P de R3 [X].

1. Écrire la matrice de u dans la base canonique (1, X, X 2 , X 3 ) de R3 [X].
2. Déterminer des bases respectives de l’image et du noyau de u.

Solution

1. Par définition, la matrice de u dans la base B = (1, X, X 2 , X 3 ) de R3 [X] est la matrice

MBB (u) = MB (u(1)|u(X)|u(X 2 )|u(X 3 ))

obtenue en mettant en colonne les vecteurs image u(1), ..., u(X 3 ) exprimés dans la base B.
Rappellons que tout polynôme P se représente dans la base B par un vecteur colonne
 
a0
 a1 
MB (P ) = 
 a2 
 tel que P (X) = a0 + a1 X + a2 X 2 + a3 X 3 .
a3

Les réels (a0 , a1 , a2 , a3 ) sont les coordonnées de P dans la base B.

Calculons donc l’image par u des polynômes de B :

P (X) = 1 ⇒ P 0 (X) = 0, P 00 (X) = 0 ⇒ u(1) = 0

0 00
P (X) = X ⇒ P (X) = 1, P (X) = 0 ⇒ u(X) = −X
2 0 00
P (X) = X ⇒ P (X) = 2X, P (X) = 2 ⇒ u(X 2 ) = (1 − X 2 )2 − X2X = 2 − 4X 2
P (X) = X 3 ⇒ P 0 (X) = 3X 2 , P 00 (X) = 6X ⇒ u(X 3 ) = (1 − X 2 )6X − X3X 2 = 6X − 9X 3 .
 Par conséquent, on trouve
 
0 0 2 0
 0 −1 0 6 
MBB (u) =  .
 0 0 −4 0 
0 0 0 −9

Alternative : La matrice MBB (u) se trouve également comme l’unique matrice qui permet
de calculer le vecteur qui représente u(P ) dans la base B comme produit des matrices
représentant u et P , c’est-à-dire telle que

MB (u(P )) = MBB (u)MB (P ).

Pour la trouver, il faut d’abord calculer les coordonnées de l’image u(P (X)) pour un poly-
nôme P (X) = a0 + a1 X + a2 X 2 + a3 X 3 quelconque :

P 0 (X) = a1 + 2a2 X + 3a3 X 2 et P 00 (X) = 2a2 + 6a3 X,

donc

u(P (X)) = (1 − X 2 )(2a2 + 6a3 ) − X(a1 + 2a2 X + 3a3 X 2 )

= 2a2 + (6a3 − a1 )X − 4a2 X 2 − 9a3 X 3 .

Pour avoir    
2a2 a0
 6a3 − a1   a1 
 = MBB (u)
 a2  ,
  
 4a2 
−9a3 a3
il faut donc bien prendre la matrice donnée plus haut, car
    
0 0 2 0 a0 2a2
 0 −1 0 6   a1   6a3 − a1 
MBB (u)MB (P ) = 
 0 0 −4 0  
 =  = MB (P (u)).
a2   4a2 
0 0 0 −9 a3 −9a3

2. Soit P ∈ ker u. Alors P (X) = a0 + a1 X + a2 X 2 + a3 X 3 est tel que u(P (X)) = 2a2 + (6a3 −
a1 )X − 4a2 X 2 − 9a3 X 3 = 0, ce qui donne a3 = 0, a2 = 0 et a1 = 6a3 = 0, en somme
P (X) = a0 est constant. Donc

ker u = {P (X) = a0 ∈ R3 [X], a0 ∈ R} = Vect(1)

a dimension 1. Par le théorème du rang, Im u a donc dimension égale à 4 − 1 = 3. Pour

trouver une base de Im u, il suffit de compléter la base du noyau en la base canonique de
R3 [X], en rajoutant X, X 2 et X 3 , et calculer les images u(X), u(X 2 ) et u(X 3 ). On a donc

Im u = Vect(u(X), u(X 2 ), u(X 3 )) = Vect(−X, 2 − 4X 2 , 6X − 9X 3 )

= Vect(X, 1 − 2X 2 , 2X − 3X 3 ).

Exercice 13. On note S(n) = {A ∈ Mn (K) | A = tA} l’ensemble des matrices symétriques de taille n
et A(n) = {A ∈ Mn (K) | A = −tA} l’ensemble des matrices antisymétriques.
1. Montrer que S(n) et A(n) sont deux sous-espaces vectoriels supplémentaires de Mn (K).
2. Calculer la dimension de chacun de ces sous-espaces vectoriels.
3. On considère l’endomorphisme φ de Mn (K) défini par φ(A) = tA pour tout A ∈ Mn (K). Calculer
la trace de φ.
Solution
   
1 2 3 1 47
La matrice transposée de  4 5 6  est la matrice  2 58 . Alors, un exemple de ma-
7 8 9 3 69
   
1 2 3 0 1 2
trice symétrique est  2 4 5 , et celui d’une matrice antisymétrique est  −1 0 3 .
3 5 6 −2 −3 0
1. Ces deux ensembles contiennent la matrice nulle, et sont stables par addition et multiplica-
tion par un scalaire : pour tout A, B ∈ Mn (K) et tout λ, µ ∈ K, on a
(i) si A, B ∈ S(n), i.e. t A = A et t B = B, on a t (λA + µB) = λt A + µt B = λA + µB donc
λA + µB ∈ S(n),
(ii) si A, B ∈ A(n), i.e. t A = −A et t B = −B, on a t (λA + µB) = λt A + µt B = −(λA + µB)
donc λA + µB ∈ A(n).
Ce sont donc des sev de Mn (K). Montrons maintenant qu’ils sont supplémentaires.
Soit A ∈ A(n) ∩ S(n). Alors tA = A = −A, donc 2A = 0 et A = 0. Ainsi, A(n) ∩ S(n) = {0}
et la somme S(n) + A(n) est directe et forme u nsev de Mn (K).
Montrons que Mn (K) = S(n) + A(n). Soit A ∈ Mn (K). Alors
A + tA A − tA
A= + ,
2 } | {z
| {z 2 }
∈S(n) ∈A(n)

autrement dit, toute matrice carrée s’écrit comme somme (forcement unique) d’une matrice
symétrique et d’une antisymétrique. Cela prouve que Mn (K) = S(n) ⊕ A(n).
2. Pour tout i, j = 1, ..., n, soit ei,j (souvent notée aussi Ei,j ) la matrice n × n dont tous les
coefficients sont nuls, à l’exception de celui à l’intersection de la ligne i avec la colonne j,
qui vaut 1. Une telle matrice s’appelle élémentaire. L’ensemble B des matrices élémentaires
d’indices (i, j), pour tout i, j = 1, ..., n, forme une base de l’ev Mn (K), que l’on appelle base
canonique. Évidemment, on a donc dim Mn (K) = n2 .
Pour connaître la dimension de l’ev S(n), on peut compter le nombre de paramètres libres
dans une matrice symétrique de taille n : la diagonale et le triangle supérieur sont libres, le
triangle inférieur est au contraire le miroir de celui supérieur et n’est donc pas libre. On a
donc n paramètres libres sur la diagonale, n − 1 sur la 1ère ligne du triangle supérieur, n − 2
sur la 2ème ligne, n − 3 sur la 3ème ligne et ainsi de suite jusqu’à 1 paramètre libre sur la
(n − 1)ème ligne. Au total, on a
1
n + (n − 1) + (n − 2) + · · · + 1 = n(n + 1)
2
paramètres libres, donc dim S(n) = 21 n(n + 1). On peut vérifier qu’une base de S(n) est
fournie par les matrices symétriques fi,j = ei,j + ej,i pour tous les 1 ≤ i ≤ j ≤ n.
La dimension de l’ev A(n) peut se calculer comme nombre de paramètres libres dans une
matrice antisymétrique (0 sur la diagonale, n − 1 sur la 1ère ligne, etc), ou bien se déduit de
la décomposition Mn (K) = S(n) ⊕ A(n) par la formule de Grassmann :
1 1
dim A(n) = dim Mn (K) − dim S(n) = n2 − n(n + 1) = n(n − 1).
2 2
Une base de A(n) est fournie par les matrices antisymétriques gi,j = ei,j − ej,i pour 1 ≤ i <
j ≤ n. L’union des deux familles (fi,j , 1 ≤ i ≤ j ≤ n) et (gi,j , 1 ≤ i < j ≤ n) forme une
base B 0 de Mn (K) alternative à la base canonique.
3. Considérons pour Mn (K) la base B 0 formée des matrices symétriques fi,j et antisymétriques
gi,j et choisissons un ordre total < dans cette base pour représenter les coordonnées de toute
matrice M . Par exemple, l’ordre lexicographique dans lequel fi,j < gi0 ,j 0 pour tout i, j, i0 , j 0 ,
fi,j < fi0 ,j 0 si i < i0 ou si i = i0 et j < j 0 , et pareil pour gi,j < gi0 ,j 0 .
Ce choix permet d’exprimer toute matrice M de taille n×n par ses n2 coordonnées, également
la matrice φ(M ) = t M par ses n2 coordonnées, et enfin de calculer la trace de l’endomor-
phisme φ comme trace de la matrice MB0 B0 (φ) de taille n2 × n2 qui le représente dans la
 base B 0 , où l’on rappelle que la trace d’une matrice carrée est la somme des coefficients qui
se trouvent sur la diagonale.
On vérifie aisément que u(fi,j ) = fi,j et u(gi,j ) = −gi,j , ce qui nous permet de déterminer
que les éléments de la diagonale de MB0 B0 (φ) sont 1 où −1 (d’ailleurs la matrice est diagonale
dans cette base). Ainsi,
X X n(n + 1) n(n − 1)
Tr φ = 1+ −1 = − = n.
2 2
1≤i≤j≤n 1≤i<j≤n

Exercice 14. Soit u ∈ L(R3 ) dont la matrice dans la base canonique est
 
−10 8 −4
1
A= −4 2 −4 ,
3
8 −16 2
et soient E = {x ∈ R3 | u(x) = 2x} et F = {x ∈ R3 | u(x) = −2x}.
1. Montrer que E et F sont des sous-espaces vectoriels de R3 , en donner une base et la dimension.
2. Montrer que R3 = E ⊕ F .
3. Soit e1 un vecteur directeur de E et (e2 , e3 ) une base de F . Calculer la matrice de u dans la base
(e1 , e2 , e3 ).

Solution

1. Soient x, y ∈ R3 et λ, µ ∈ R. Alors si u(x) = 2x, u(y) = 2y, on a bien u(λx + µy) =

λu(x) + µu(y) = 2λx + 2µy = 2(λx + µy). Puisque u(0) = 0, on a bien 0 ∈ E, donc E est
non vide. En somme, E est un sev de R3 . Même raisonnement pour F .
Cherchons la dimension et une base de E et de F . Pour x = (x1 , x2 , x3 ), on a
    
−10 8 −4 x1 −10x1 + 8x2 − 4x3
1 1
u(x) = At x =  −4 2 −4 x2  =  −4x1 + 2x2 − 4x3  .
3 3
8 −16 2 x3 8x1 − 16x2 + 2x3

On déduit que x = (x1 , x2 , x3 ) ∈ E ssi u(x) = 2x ssi (calculs) x2 = x1 et x3 = −2x1 , donc

E = {x = (x1 , x1 , −2x1 ), x1 ∈ R} = Vect((1, 1, −2))

et dim E = 1. De même, on déduit que x = (x1 , x2 , x3 ) ∈ F ssi u(x) = −2x ssi (calculs)
x1 − 2x2 + x3 = 0, donc

F = {x = (x1 , x2 , −x1 + 2x), x1 , x2 ∈ R} = Vect((1, 0, −1), (0, 1, 2))

et dim F = 2.
2. Soit x ∈ E ∩ F . Alors u(x) = 2x = −2x, donc u(x) = 0. De même, si u(x) = 0 alors
x ∈ E ∩ F . Ainsi, on a E ∩ F = ker u. On montre assez facilement, en résolvant le système
associé, que ker u = {0}.
Or, on a montré à la question précédente que dim E = 1 et dim F = 2, et comme E∩F = {0},
alors dim(E + F ) = dim(E ⊕ F ) = 2 + 1 = 3. Et donc E + F = E ⊕ F = R3 .
3. Soit B = (e1 , e2 , e3 ) la base de R3 . On veut calculer la matrice MBB (u) =
MB (u(e1 )|u(e2 )|u(e3 )). On a u(e1 ) = 2e1 car e1 ∈ E, et u(e2 ) = −2e2 et u(e3 ) = −2e3
car e2 , e3 ∈ F . Donc  
2 0 0
MBB (u) = 0 −2 0  .
0 0 −2
Exercice 15.

1. Soit A, B ∈ Mn (R). Montrer que AB et BA ont la même trace.

2. Soit u ∈ L(Rn ). Montrer que toutes les matrices de u ont la même trace.

3. Soit A, B ∈ Mn (R) deux matrices semblables. Montrer que pour tout entier naturel k, les matrices
Ak et B k ont la même trace.

Solution
Pn
1. Notons A P
= (Aij )1≤i,j≤n etP B = (Bij )1≤i,j≤n . Alors (AB)ij = k=1 Aik Bkj et donc
n P
Tr AB =P i=1 (AB)ii = i,k Aik Bki . De même, on a (BA)ij = k Bik Akj et donc
Tr BA = i,k Bik Aki . Les noms des indices sont neutres, donc Tr BA = Tr AB.
Remarque : On a Tr AB = Tr BA, et donc Tr ABC = Tr CAB = Tr BCA, mais pas
Tr ABC = Tr CBA en général.
2. Toutes les matrices de u sont semblables, donc en notant H l’ensemble des matrices de u,
on a que ∀M, M 0 ∈ H, ∃Q ∈ GLn (K) tel que M 0 = Q−1 M Q. Et en utilisant la question
précédente, il suit que Tr M 0 = Tr Q−1 M Q = Tr QQ−1 M = Tr M .
3. A et B sont semblables, donc ∃Q ∈ GLn (K) tel que B = Q−1 AQ. On a alors

B n = (Q−1 AQ)(Q−1 AQ) . . . (Q−1 AQ) = Q−1 AQQ−1 A . . . QQ−1 AQ = Q−1 An Q.

Donc An et B n sont semblables, et ont même trace.

Exercice 16. Soit u ∈ L(R3 , R4 ) définie par u(x, y, z) = (x − y, y + z, x + y + 2z, x).

1. Écrire la matrice A de u relativement aux bases canoniques de R3 et R4 .

 
1 0 0
0 1 0
2. Montrer que A est équivalente à la matrice 
0
.
0 1
0 0 0

Solution

1. Soit E = (e1 , e2 , e3 ) la base canonique de R3 et B = (b1 , b2 , b3 , b4 ) la base canonique de R4 .

Alors les colonnes de A sont les coordonnées des vecteurs u(ei ), pour i = 1, 2, 3, exprimés
dans la base B de R4 , c’est-à-dire
 
1 −1 0
0 1 1
A = MB (u(e1 )|u(e2 )|u(e3 )) = 
1 1 2 .


1 0 0

2. Deux matrices A et B sont équivalentes ssi ∃P, Q inversibles telles que B = Q−1 AP . Une
caractérisation utile : deux matrices sont équivalentes ssi elles ont le même rang. La matrice
suggérée par l’énoncé à évidemment rang 3 car les trois vecteurs colonnes sont linéairement
indépendants. Pour A on peut utiliser le théorème du rang. On a (petit calcul) ker A = {0},
donc l’image a dimension 3 − 0 = 3. Donc A et l’autre matrice ont même rang, elles sont
donc equivalentes.

Exercice
 17. Soitu l’endomorphisme de R3 dont la matrice dans la base canonique Bc = (e1 , e2 , e3 ) est
3 1 −3
A = −1 1 1 . On pose ε1 = (1; 1; 1), ε2 = (1; −1; 0), ε3 = (1; 0; 1) et B = (ε1 , ε2 , ε3 ).
1 1 −1
 1. Montrer que B constitue une base de R3 .

2. Écrire la matrice M de u dans cette base. Quelle relation lie A et M ?

3. Déterminer une base de Ker u et de Im(u).

Solution

1. On vérifie facilement que la famille B est libre. Comme elle possède 3 éléments, c’est une
base de R3 .
En alternative, B est une base de R3 ssi la matrice de passage, appélée aussi matrice du
changement de base,
 
1 1 1
P = PBc B = MBc (ε1 |ε2 |ε3 ) = 1 −1 0
1 0 1

est inversible (i.e. a rang 3). C’est le cas, puisque

   
1 1 1 1
det P = det + det = −1.
−1 0 1 −1

2. On cherche M = MBB (u) = MB (u(ε1 )|u(ε2 )|u(ε3 )). Calculons :

u(ε1 ) = u(ε1 ) + u(ε2 ) + u(ε3 ) = (3 + 1 − 3)e1 + (−1 + 1 + 1)e2 + (1 + 1 − 1)e3

= (e1 + e2 + e3 ) = ε1 ,
u(ε2 ) = u(e1 ) − u(e2 ) = (3 − 1)e1 + (−1 − 1)e2 = 2(e1 − e2 ) = 2ε2 ,
u(ε3 ) = u(e1 + e3 ) = (3 − 3)e1 + (−1 + 1)e2 + (1 − 1)e3 = 0.
 
1 0 0
Ainsi, la matrice M de u dans la base B s’écrit M = 0 2 0. Noter qu’elle est diagonale.
0 0 0
La relation entre A et M est donnée par la matrice de passage P = PBc B et par son inverse
 
1 1 −1
P −1 = PBBc =  1 0 −1 ,
−1 −1 2

que l’on calcule avec le pivot de Gauss. Notamment, on a

M = MBB (u) = PBBc MBc Bc (u)PBc B

= P −1 AP,

donc M et A sont semblables. Puisque M est diagonale, on dit que l’on a diagonalisé A.
3. ker u = Vect(ε3 ) et Im u = Vect(u(ε1 ), u(ε2 )) = Vect(ε1 , ε2 ).

Exercice 18. Soit A ∈ Mn (C). On définit l’application :

Mn (C) −→ Mn (C)
uA :
M 7−→ AM − M A.
1. Montrer que u est une application linéaire.

2. (a) En calculant u(In ), déterminer s’il existe des matrices A telles que l’application u soit injective.

(b) Existe-il des matrices A telles que l’application u soit surjective ?

 
a 1
3. Soit A = où a ∈ C. Donner la matrice de u dans la base canonique de M2 (C).
1 a+1
 Solution

1. uA (λM + µM 0 ) = A(λM + µM 0 ) − (λM + µM 0 )A = λ(AM − M A) + µ(AM 0 − M 0 A) =

λuA (M ) + µuA (M 0 ), donc uA est linéaire.
2. (a) uA (In ) = AIn − In A = A − A = 0. Donc pour tout A, In ∈ ker uA , donc ker uA 6= {0}
donc uA n’est jamais injective, quel que soit le choix de A.
(b) uA est un endomorphisme et Mn (C) est un ev de dimension finie, donc uA est surjective
ssi uA est injective. Or, ceci n’arrive jamais d’après (a).
3. Attention
 ils’agit d’une
 matrice
 4× 4, car
 dim M  2 (C)= 4. En écrivant la base canonique
1 0 0 1 0 0 0 0
e1 = , e2 = , e3 = , e4 = , on a
0 0 0 0 1 0 0 1

u(e1 ) = Ae1 − e1 A = −e2 + e3 ,

u(e2 ) = Ae2 − e2 A = −e1 − e2 + e4 ,
u(e3 ) = Ae3 − e3 A = e1 + e3 − e4 ,
u(e4 ) = Ae4 − e4 A = e2 − e3 .

Et donc, en posant U la matrice de u dans la base canonique, on a

 
0 −1 1 0
−1 −1 0 1
U = .
1 0 1 −1
0 1 −1 0

m2
   
1 1 1−m 1 −m
Exercice 19. Soit m ∈ R. Déterminer le rang de A = 1 + m −1 2  et B = m −m2 m .
2 −m 3 m 1 −m3

Solution

1. Si on interprète A comme la matrice qui représente un endomorphisme u ∈ L(R3 ), dans

une base donnée, le rang de A est le rang de u, c’est-à-dire la dimension de Im u (qu’on
note aussi Im A). Une possibilité pour le calculer est de déterminer d’abord le noyau de A
(c’est-à-dire le noyeau de u) en résolvant l’équation AX = 0. On trouve (calcul) ker A = {0}
sauf si m = 0 où m = ±2, auquel cas c’est un sev de dimension 1. En utilisant le théorème
du rang, on trouve alors dim Im A = 2 si m = 0, ±2, et dim Im A = 3 sinon.
Alternative : le calcul du déterminant de A donne det A = m(m + 2)(m − 2). Donc A est
inversible (et par conséquent son rang est 3) si m 6= 0, ±2. Sinon, si m = 0 ou m = ±1, on
peut vérifier qu’au moins deux vecteurs colonnes de A sont linéairement indépendants (ou
également qu’il y a bien une matrice extraite de A inversible et de taille 2), donc A a rang
2.
2. Raisonnement similaire. On trouve ker B = {0} sauf si m = 0 ou m4 = 1 (soit m = ±1 car
m ∈ R) auquel cas c’est un sev de dimension 1. Ainsi dim Im A = 2 si m = 0 ou m = ±1 et
dim Im B = 3 sinon.
Alternative : det B = m(m4 − 1) = m(m − 1)(m + 1)(m2 + 1), donc B est inversible (et par
conséquent elle a rang 3) si m 6= 0, ±1. Sinon, au moins deux vecteurs colonnes se trouvent
être linéairement indépendants, donc B a rang 2.

Exercice 20. Soit A ∈ Mn (K) une matrice de rang 1. Montrer qu’il existe λ ∈ K tel que A2 = λA.
 Solution

Si A est de rang 1, alors dim Im A = 1. Soit e l’unique vecteur de la base de Im A. Im A2 est sev
de Im A (cf. exo 8), donc ou bien Im A2 = {0} auquel cas A2 = 0 et l’égalité demandée est vérifiée
pour λ = 0, ou bien Im A2 = Im A. Alors, en désignant par u l’endomorphisme représenté par A
dans la base canonique de K3 , il existe un λ ∈ K tel que u(u(e)) = λu(e), et donc par linéarité
u(u(x)) = λu(x), qui signifie A2 = λA.
Alternative : On sait que deux matrices A et B sont équivalentes si et seulement si elles ont le
même rang. Puisque A a rang 1, A est  équivalente à toute matrice de rang 1, par exemple à la
1 0 ···
matrice élementaire E11 = 0 0 · · ·. Il existe donc deux matrices inversibles P = (pij ) et
 
.. .. . .
. . .
Q = (qij ) telles que A = QE11 P , et on a donc A2 = QE11 P QE11 P . Par calculs succéssifs on
trouve    Pn 
q11 0 ··· Pi=1 p1i qi1 0 · · ·
 q21 0 · · ·  n p2i qi1 0 · · ·
 i=1
QE11 =  . , puis P QE11 =  ,
  
.. .. ..
 .. .   . . 
Pn
qn1 0 ··· p
i=1 ni i1q 0 · · ·
et enfin Pn 
i=1 p1i qi1 0 ···
 0 0 · · · n
 X
E11 P QE11 =  = p1i qi1 E11 .

.. ..
 . .  i=1
0 0 ···
Pn
Si on pose λ = i=1 p1i qi1 ∈ K, on a donc

A2 = QE11 P QE11 P = Q(λ E11 )P = λ QE11 P = λ A.

IV. Inversibilité

Exercice 21. Calculer l’inverse des matrices carrées suivantes :

     
1 0 1 1 1 −1 2 0 1
A =  2 −1 1  ; B = 2 0 1  ; C = −1 1 1 .
−1 1 −1 2 1 −1 1 0 1

Solution

On utilise le pivot de Gauss, ou bien on résoud le système linéaire AX = b, qui donne X = A−1 b
si l’inverse existe. On trouve
     
0 1 1 −1 0 1 1 0 −1
A−1 = 1 0 1 ; B −1 =  4 1 −3 ; C −1 = 2 1 −3 .
1 −1 −1 2 1 −2 −1 0 2

Voici les calculs avec le pivot de Gauss :

   
1 0 1 1 0 0 1 0 1 1 0 0
(A|I3 ) =  2 −1 1 0 1 0  −→  0 −1 −1 −2 1 0  −→
−1 1 −1 0 0 1 0 1 0 1 0 1
   
1 0 1 1 0 0 1 0 0 0 1 1
1  = I3 |A−1


−→  0 1 0 1 0 1  −→  0 1 0 1 0
0 1 1 2 −1 0 0 0 1 1 −1 −1
    
1 1 −1 1 0 0 1 0 1 1 0 0
(B|I3 ) =  2 0 1 0 1 0  −→  0 −1 −1 −2 1 0  −→
2 1 −1 0 0 1 0 −2 3 −2 1 0
   
1 1 −1 1 0 0 1 1 −1 1 0 0
−→  0 1 −2 0 −1 1  −→  0 1 −2 0 −1 1  −→
0 0 −1 −2 −1 2 0 0 1 2 1 −2
   
1 1 0 3 1 −2 1 0 0 −1 0 1
1 −3  = I3 |B −1


−→  0 1 0 4 1 −3  −→  0 1 0 4
0 0 1 2 1 −2 0 0 1 2 1 −2

   
2 0 1 1 0 0 1 0 1 0 0 1
(C|I3 ) =  −1 1 1 0 1 0  −→  0 1 2 1 1 0  −→
1 0 1 0 0 1 0 0 −1 1 0 −2
   
1 0 1 0 0 1 1 0 0 1 0 −1
1 −4  = I3 |C −1


−→  0 1 2 1 1 0  −→  0 1 0 3
0 0 1 −1 0 2 0 0 1 −1 0 2

 
−1 −2
Exercice 22. Soit A = .
3 4
1. Calculer A2 − 3A + 2I2 .
2. En déduire que la matrice A est inversible et expliciter son inverse.
3. Pour tout entier n ≥ 2, déterminer le reste de la division euclidienne de X n par X 2 − 3X + 2.
4. En déduire An pour tout n ≥ 2.

Solution

1. On trouve A2 − 3A + 2I2 = 0.
2. Raisonnement par analyse-synthèse.
Analyse : Supposons que A est inversible, et donc que A−1 existe. Alors en multipliant à
gauche (ou à droite) l’équation précédente par A−1 , on trouve A − 3I2 + 2A−1 = 0, ce qui
donne A−1 = (3I2 − A)/2.
Synthèse : Finalement, la matrice B = (3I2 −A)/2 est bien définie et on vérifie (ne pas oublier
cette étape) qu’on a bien AB = BA = I2 , donc A est inversible et A−1 = B = (3I2 − A)/2.
Methode alternative : L’identité A2 − 3A + 2I2 = 0 s’écrit également I2 = 12 (3A − A2 ). En
factorisant A à gauche et ensuite à droite, on trouve
3I2 − A 3I2 − A
I2 = A et I2 = A.
2 2
La matrice B = 12 (3I2 − A) est bien définie et vérifie donc les identités de l’inverse de A.
Puisque l’inverse est unique (quand elle existe), on a bien A−1 = 3I22−A .
3. Soit Rn (X) le reste de la division euclidienne de X n par X 2 −3X +2. On a X n = X n−2 (X 2 −
3X + 2) + 3X n−1 − 2X n−2 , d’où l’on obtient Rn (X) = 3Rn−1 (X) − 2Rn−2 (X). Rn est
nécessairement un polynôme de degré 1, donc Rn (X) = an X + bn et en identifiant les
coefficients il vient an = 3an−1 − 2an−2 , bn = 3bn−1 − 2bn−2 . Les conditions initiales sont
a0 = 0, a1 = 1 et b0 = 1, b1 = 0. On peut vérifier par récurrence an = 2n −1 et bn = −(2n −2)
pour n ≥ 1, et donc Rn (X) = (2n − 1)X − (2n − 2).
Alternative : On remarque que X = 1 et X = 2 sont racines de X 2 − 3X + 2, et en utilisant
l’écriture de la division eulclidienne il vient 2n = Rn (2) et 1 = Rn (1), ce qui donne aussi
Rn (X) = (2n − 1)X − (2n − 2).
 4. On a l’écriture X n = Pn (X)(X 2 − 3X + 2) + Rn (X) où Pn est un polynôme. En utilisant
ce résultat pour la matrice A, on obtient An = Pn (A) (A2 − 3A + 2) +Rn (A). Et donc
| {z }
=0

1 − 2n − (2n − 2) −2(2n − 1)
 
An = (2n − 1)A − (2n − 2)I2 = n
3(2 − 1) 4(2 − 1) − (2n − 2)
n

3 − 2n+1 2(1 − 2n )
 
=
3(2n − 1) 3 × 2n − 2

Exercice 23. Soit A = (ai,j ) ∈ Mn (C) telle que pour tout i ∈ {1, . . . , n}, on ait
X
|ai,j | < |ai,i |.
1≤j≤n
j6=i

Montrer que A est inversible.

Solution
t
Pnque ker A = {0}. Soit X = (x1 , . . . , xn )
Pour montrer que A est inversible, il suffit de montrer
un vecteur colonne tel que AX = 0. On a (AX)i = j=1 Aij Xj , donc X vérifie le système à n
équations (une pour chacun des i, i = 1, . . . , n) :
n
X
aij xj = 0.
j=1

Considérons maintenant l’indice j0 correspondant à la composante xj0 de X de plus grande valeur

absolue, c’est-à-dire telle que |xj0 | = max(|x1 |, . . . , |xn |). La j0 -ième équation du système peut se
réécrire
X n
−xj0 aj0 j0 = aj0 j xj ,
j=1,j6=j0

et en utilisant l’inégalité triangulaire, il vient

n
X n
X n
X
|xj0 ||aj0 j0 | = aj0 j xj ≤ |aj0 j ||xj | ≤ |xj0 | |aj0 j |.
j=1,j6=j0 j=1,j6=j0 j=1,j6=j0

Pn
Si xj0 6= 0, il suit de l’inégalité précédente que |aj0 j0 | ≤ j=1,j6=j0 |aj0 j |, qui contredit l’hypothèse
Pn
j=1,j6=j0 |aj0 j | < |aj0 j0 |. On a donc xj0 = 0, d’où suit que xi = 0 pour tout i, c’est-à-dire que
X = 0. Ainsi, A est inversible.

V. Sommes directes

Exercice 24. Trouver trois sous-espaces vectoriels F1 , F2 , F3 de R3 (deux de dimension 1 et un de

dimension 2 par exemple) tels que les trois conditions suivantes soient satisfaites.

1. Fi ∩ Fj = {0} pour i 6= j,

2. R3 = F1 + F2 + F3 ,

3. R3 n’est pas la somme directe des Fi .

 Solution

Soit F1 = Vect((1, 0, 0), (0, 1, 0)), F2 = Vect((0, 0, 1)), F3 = Vect((1, 1, 1)).

Alors on peut vérifier que R3 = F1 ⊕F2 = F1 +F2 +F3 . On a aussi F1 ∩F2 = F2 ∩F3 = F3 ∩F1 = {0}.
Par contre, on n’a pas R3 = F1 ⊕ F2 ⊕ F3 , car l’écriture d’un élément de R3 comme somme
d’éléments dans F1 , F2 , F3 n’est pas unique. Ainsi, par exemple,

(1, 1, 1) = (1, 1, 1) = (1, 0, 0) + (0, 1, 0) + (0, 0, 1)

| {z } | {z } | {z } | {z }
∈R3 ∈F3 ∈F1 ∈F2

Exercice 25. Soient F1 , . . . , Fp des sous-espaces vectoriels d’un espace vectoriel E de dimension finie.
1. Soient G1 , . . . , Gp des familles génératrices respectives de F1 , . . . , Fp . Montrer que la réunion des Gi
est une famille génératrice de F1 + · · · + Fp .
2. Montrer que les Fi sont en somme directe si et seulement si pour toutes bases B1 , . . . , Bp de
F1 , . . . , Fp respectivement, la famille B1 ∪ · · · ∪ Bp est libre.
3. Montrer que E = F1 ⊕ · · · ⊕ Fp si et seulement si pour toutes bases B1 , . . . , Bp de F1 , . . . , Fp
respectivement, la famille B1 ∪ · · · ∪ Bp est une base de E.
4. Montrer que E = F1 ⊕ · · · ⊕ Fp si et seulement si E = F1 + · · · + Fp et dim E = dim F1 + · · · + dim Fp .

Solution
(i) (i) P (i)
1. On note Gi = (e1 , . . . , eki ) les bases. Soit xi ∈ Fi . Alors xi peut s’écrire xi = k λk ek .
Pp Pp Pp P (i) S p
Pp x ∈ i=1 Fi . Alors x = i=1 xi = i=1 k λk ek . Ainsi i=1 Gi est génératrice de
Soit
i=1 Fi .
Pp Qp
Les Fi sont en somme directe ssi E = i=1 Fi et ∀x ∈ E, ∃!(x1 , . . . , xp ) ∈ i=1 Fi , x =
2. P
p
i=1 xi . L’existence est déjà garantie (question 1), il reste donc à considérer l’unicité.
(⇐) : Supposons ∪pi=1 Bi est libre. Montrons l’unicité, par l’absurde. On suppose deux écri-
P P 0 P 0
P P (i) 0(i) (i)
tures x = i xi = i xi . Alors 0 = i (xi − xi ) = i k (λk − λk )ek = 0 donc
(i) 0(i) S
λk = λk car i Gi est libre. Contradiction.
S
(⇒) : On prouve l’autre sens par contraposée, c’est à dire en prouvant que si i Gi était
liée, alors on pourrait trouver une autre écriture de x. C’est le cas car si la famille est liée,
on peut exprimer l’un des éléments de la famille en fonction des autres, et utiliser ceci pour
trouver une deuxième écriture.
Lp S
3. (⇒) : Si E = Fi alors d’après la question précédente, la famille Bi est libre. De
i=1P
p
plus, on aSdim E = i=1 dim Fi et cette quantité coincide avec le nombre d’éléments dans
la famille Bi . Cette dernière est donc une base.
(⇐) : Si Bi est une base, alors, par l’absurde, si l’on avait deux écritures x = i xi = i x0i ,
S P P
on parviendrait facilement à une contradiction avec le fait que la famille est libre.
Lp Pp
4. (⇒) : Si E = i=1 Fi , alors on a déjà montré que i=1 dim Fi = dim E.
(⇐) : Supposons que E = F1 + · · · + Fp et que dim E = dim F1 + · · · dim Fp . Pour tout
i = 1, ..., p, soit Bi une base de Fi et notons #Bi la cardinalité de Bi (c’est-à-dire la dimension
de Fi ). D’un coté, on a que
p p p
!
[ X X
# Bi ≤ #Bi = dim Fi = dim E,
i=1 i=1 i=1

Sp bases Bi peuvent avoir des vecteurs en commun. De l’autre, on a (par

parce que à priori les
la question 1) que i=1 Bi est une famlille génératrice de F1 + · · · + Fp = E, donc
p
!
[
# Bi ≥ dim E.
i=1
 Sp Sp
On déduit que # ( i=1 Bi ) = dim E, et donc que l’ensemble i=1 Bi est une base de E.
D’après la question 3, la somme F1 + · · · + Fp = E est donc directe.