Vous êtes sur la page 1sur 10

Chapitre 17

La dimension finie

Objectifs
– Définir les notions de familles libres, familles liées, familles génératrices et étudier leurs propriétés.
– Définir la notion de dimension finie et établir le théorème fondamental de la dimension finie.
– Définir les notions de bases, de coordonnées et les propriétés.
– Faire le lien entre la dimension finie et les applications linéaires : notion de rang, théorème du rang...
– Étudier la méthode de Gauss pour le calcul du rang d’une famille de vecteurs.

Sommaire
I) Espaces de dimension finie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1) Familles génératrices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
2) Familles libres, familles liées . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
3) Familles libres et familles liées en dimension finie . . . . . . . . . . . . . . . . . . . . . 3
II) Propriétés de la dimension finie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1) Bases, coordonnées . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
2) Sous-espaces vectoriels . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
3) Applications linéaires et dimension finie . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
III) Notion de rang . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1) Rang d’une application linéaire . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
2) Rang d’une famille de vecteurs . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
3) Méthode du pivot de Gauss . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
IV) Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7

I) Espaces de dimension finie


1) Familles génératrices

D ÉFINITION 17.1
.
. Soit E un K-e.v, et soit A une famille de vecteurs de
. E, on dit que la famille A est une famille génératrice
de E lorsque E = Vect[A]. Ce qui signifie que tout vecteur de E est combinaison linéaire d’un nombre
fini de vecteurs de A.

. THÉORÈME 17.1 (premières propriétés)


Soit A une famille génératrice de E :
. une famille de vecteurs de E telle que A ⊂ B, alors
. – Toute sur-famille de A est génératrice, i.e. si B est
B est génératrice.
– Si f ∈ L (E, F), alors B = ( f (x))x∈A est une famille génératrice de Im( f ).
. – Soit f ∈ L (E, F), alors f est surjective ssi f < A > est une famille génératrice de F.

MPSI LYCÉE G UEZ D E B ALZAC http://pagesperso-orange.fr/Fradin.Patrick/ 1


Espaces de dimension finie Chapitre 17 : La dimension finie

D ÉFINITION 17.2 (espace de dimension finie)


.
. Soit E un K-e.v, on dit que E est de dimension finie . lorsque E possède une famille génératrice finie,
c’est à dire lorsqu’il existe des vecteurs x 1 , . . . , x n ∈ E tels que E = Vect[x 1 , . . . , x n ]. Si ce n’est pas le cas,
on dit que E est de dimension infinie.

. THÉORÈME 17.2
Soit E un K-e.v de dimension finie :
. .
– Si f ∈ L (E, F), alors Im( f ) est de dimension finie. En particulier lorsque f est surjective, F est de
dimension finie.
. – Si F est de dimension finie, alors E × F est de dimension finie également.

2) Familles libres, familles liées

D ÉFINITION 17.3
.
Soit (x 1 , . . . , x n ) une famille de vecteurs d’un K-e.v E, on dit que :
– La famille est libre lorsque la seule combinaison linéaire de la famille qui donne le vecteur nul est
celle pour laquelle tous les coefficients sont nuls (on dit aussi que les vecteurs sont linéairement
indépendants), c’est à dire :


n
.
. αk x k = 0E =⇒ ∀ k ∈ [[1..n]], αk = 0.
k=1

– La famille est dite liée lorsqu’elle n’est pas libre (on dit aussi que les vecteurs sont linéairement
dépendants), ce qui signifie qu’il existe des scalaires α1 , . . . , αn non tous nuls tels que :


n
α k x k = 0E .
k=1

. THÉORÈME 17.3 (caractérisation des familles liées)


. .
. La famille (x 1 , . . . , x n ) est liée ssi un des vecteurs de la famille est combinaison linéaire des autres.

. Soient x, y ∈ E, alors la famille (x, y) est liée ssi les deux vecteurs sont colinéaires.

. THÉORÈME 17.4 (propriétés des familles libres et des familles liées)


Soit E un K-e.v
– Si x ∈ E, alors la famille (x) est libre ssi x 6= 0E .
– Toute famille contenant le vecteur nul est liée.
– Toute partie d’une famille libre est une famille libre.
. – Toute famille contenant une famille liée est une . famille liée.
– L’image d’une famille liée par une application linéaire est une famille liée.
– Soit f ∈ L (E, F), alors f est injective ssi f transforme toute famille libre de E en une famille libre
de F.
– La famille (x 1 , . . . , x n ) est libre ssi ∀ x ∈ Vect[x 1 , . . . , x n ], x s’écrit de manière unique comme combi-
naison linéaire des vecteurs x 1 , . . . , x n .
. – Soit (x 1 , . . . , x n ) une famille libre, alors ∀ x ∈ E, x ∈ Vect[x 1 , . . . , x n ] ⇐⇒ (x 1 , . . . , x n , x) est liée.

MPSI LYCÉE G UEZ D E B ALZAC http://pagesperso-orange.fr/Fradin.Patrick/ 2


Propriétés de la dimension finie Chapitre 17 : La dimension finie

3) Familles libres et familles liées en dimension finie

. THÉORÈME 17.5 (fondamental de la dimension finie)


. .
Si E est de dimension finie et si (x 1 , . . . , x n ) est une famille génératrice de E, alors toute famille de
. cardinal supérieur ou égal à n + 1 est une famille liée.

. THÉORÈME 17.6
. .
Si E est de dimension finie et si (x 1 , . . . , x n ) est une famille libre, alors toute famille génératrice de E
. contient au moins n vecteurs.

II) Propriétés de la dimension finie


1) Bases, coordonnées

D ÉFINITION 17.4
.
Soit E un K-e.v et soit B = (e 1 , . . . , e n ) une famille de vecteurs de E, on dit que B est une base de E
lorsque B est à la fois libre et génératrice de E.. Si c’est le cas, alors ∀ x ∈ E, ∃!(λ1 , . . . , λn ) ∈ Kn , tel
. ∑n
que x = λk x k . Par définition (λ1 , . . . , λn ) sont les coordonnées de x dans la base B, et on pose
k=1
CoordB (x) = (λ1 , . . . , λn ) ∈ Kn (on fera attention à l’ordre sur les vecteurs de la base B, λi est la coor-
donnée de x sur le vecteur e i ).

. THÉORÈME 17.7 (existence de bases)


. .
Tout K-e.v non réduit au vecteur nul et de dimension finie, possède des bases. Plus précisément,
. toute famille génératrice contient une base.

. THÉORÈME 17.8 (propriété fondamentale des bases en dimension finie)


. .
Si E est un K-e.v de dimension finie, alors toutes les bases de E ont le même cardinal. Ce cardinal est
. appelé dimension de E et noté dim(E) ou dimK (E). Par convention {0E } est de dimension 0.

. THÉORÈME 17.9 (application)


Si E est de dimension n > 1 et si B est une famille de vecteurs de E alors les assertions suivantes sont
équivalentes :
. .
a) B est une base de E.
b) B est libre de cardinal n (on dit aussi libre maximale).
. c) B est génératrice de cardinal n (on dit aussi génératrice minimale).

MPSI LYCÉE G UEZ D E B ALZAC http://pagesperso-orange.fr/Fradin.Patrick/ 3


Propriétés de la dimension finie Chapitre 17 : La dimension finie

. THÉORÈME 17.10
Soit B = (e 1 , . . . , e n ) une base de E, l’application :

. CoordB : E . → Kn

x 7→ CoordB (x)

n
. est un isomorphisme entre E et K .
. Ce théorème permet de calculer facilement les coordonnées d’une combinaison linéaire de vecteurs connais-
sant les coordonnées de chacun d’eux.

. THÉORÈME 17.11
Soient E et F deux K-e.v, soit B = (e 1 , . . . , e n ) une base de E, toute application linéaire de E vers F
est entièrement déterminée par la donnée des images des vecteurs de la base B, plus précisément,
. si on se donne y 1 , . . . , y n ∈ F, alors il existe une unique
. application linéaire f : E → F telle que ∀ i ∈
[[1..n]], f (e i ) = y i , de plus :
– f est injective ssi (y 1 , . . . , y n ) est libre dans F.
– f est surjective ssi (y 1 , . . . , y n ) est génératrice de F.
. – f est bijective ssi (y 1 , . . . , y n ) est une base de F.

. Il en découle que deux applications linéaires de E vers F qui coïncident sur une base de E sont égales.

. THÉORÈME 17.12 (de la base incomplète)


. .
Soit B = (e 1 , . . . , e n ) une base de E et soit (y 1 , . . . , y r ) une famille libre de E avec r < n alors il existe des
. vecteurs e i r +1 , . . . , e i n de B tels que la famille (y 1 , . . . , y r , e i r +1 , . . . , e i n ) soit une base de E.

2) Sous-espaces vectoriels

. THÉORÈME 17.13
. .
Si E est de dimension finie, alors tout s.e.v F de E est de dimension finie et dim(F) 6 dim(E). De plus,
. si dim(F) = dim(E) alors F = E.

. THÉORÈME 17.14
. .
. Si E est de dimension finie, alors tout s.e.v F de E admet au moins un supplémentaire G dans E.

. THÉORÈME 17.15
Soient F et G deux s.e.v d’un K-e.v E de dimension finie, les assertions suivantes sont équivalentes :
. .
i) F est G sont supplémentaires.
ii) La somme F + G est directe et dim(F) + dim(G) = dim(E).
. iii) E = F + G et dim(F) + dim(G) = dim(E).

MPSI LYCÉE G UEZ D E B ALZAC http://pagesperso-orange.fr/Fradin.Patrick/ 4


Propriétés de la dimension finie Chapitre 17 : La dimension finie

. THÉORÈME 17.16
. .
Si E est de dimension finie et si F et G sont deux s.e.v de E, alors (formule de Grassmann1 ) :

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

. THÉORÈME 17.17
. .
Si E et F sont deux K-e.v de dimension finie, alors E×F est de dimension finie et dim(E×F) = dim(E)+
. dim(F).

3) Applications linéaires et dimension finie

. THÉORÈME 17.18 (dimension de L (E, F))


. .
. Si dim(E) = n et dim(F) = p , alors L (E, F) est de dimension finie et dim(L (E, F)) = np .

. THÉORÈME 17.19 (comparaison des dimensions)


Si E et F sont de dimension finie et si f ∈ L (E, F) :
. .
– f injective =⇒ dim(E) 6 dim(F).
– f surjective =⇒ dim(E) > dim(F).
. – f bijective (isomorphisme) =⇒ dim(E) = dim(F).

Remarques :
– Tout K-e.v de dimension n est isomorphe à Kn .
– Si E est de dimension finie, alors E est isomorphe à E∗ , son dual.

. THÉORÈME 17.20 (caractérisations des isomorphismes)


Soient E et F deux K-e.v de dimension finie tels que dim(E) = dim(F), et soit f ∈ L (E, F), les assertions
suivantes sont équivalentes :
a) f est injective.
. .
b) f est surjective.
c) f est bijective.
d) ∃ g ∈ L (F, E), f ◦ g = idF .
. e) ∃ h ∈ L (F, E), h ◦ f = idE .

Remarques :
– Lorsque dim(E) = dim(F) l’égalité f ◦ g = idF entraîne automatiquement g ◦ f = idE , ce qui est tout à
fait remarquable puisqu’en général la loi ◦ n’est pas commutative.
– Le théorème précédent est faux en dimension infinie comme le montre les exemples suivants : f :
K[X] → K[X] définie par f (P) = P 0 (surjective non injective) et g : K[X] → K[X] définie par g (P) = XP
(injective non surjective).

1 Hermann Günter GRASSMANN (1809 – 1877) : mathématicien allemand qui a développé les notions fondamentales de l’algèbre

linéaire.

MPSI LYCÉE G UEZ D E B ALZAC http://pagesperso-orange.fr/Fradin.Patrick/ 5


Notion de rang Chapitre 17 : La dimension finie

III) Notion de rang


1) Rang d’une application linéaire

D ÉFINITION 17.5
.
. Soit E un espace vectoriel de dimension finie et f. ∈ L (E, F), on sait que Im( f ) est de dimension finie,
par définition, on appelle rang de f la dimension de Im( f ).
Notation : rg( f ) = dim(Im( f )).
Remarques :
– Si B = (e 1 , . . . , e n ) est une base de E alors on sait que ( f (e 1 ), . . . , f (e n )) est une famille génératrice de
Im( f ) donc dim(Im( f )) 6 n, c’est à dire :

rg( f ) 6 dim(E).

– Si de plus F est de dimension finie, alors dim(Im( f )) 6 dim(F), donc :

rg( f ) 6 min(dim(E), dim(F)).

– f est surjective ssi Im( f ) = F, donc :

f est surjective ⇐⇒ rg( f ) = dim(F).

. THÉORÈME 17.21 (théorème du rang)


. .
. Si E et de dimension finie et si f ∈ L (E, F) alors : dim(E) = dim(ker( f )) + rg( f ).

Conséquences : Soit f : E → F linéaire,si E de dimension finie, alors : f est injective ⇐⇒ rg( f ) = dim(E).

. THÉORÈME 17.22 (propriétés du rang)


. .
Soient E, F, G trois K-e.v, soit f ∈ L (E, F) et g ∈ L (F, G), on a : rg(g ◦ f ) 6 min(rg(g ), rg( f )).
. De plus, si f est surjective, alors rg(g ◦ f ) = rg(g ), et si g est injective, alors rg(g ◦ f ) = rg( f ).

2) Rang d’une famille de vecteurs

D ÉFINITION 17.6
.
. Soit (x 1 , . . . , x n ) une famille de vecteurs d’un K-.v .E. On appelle rang de la famille (x 1 , . . . , x n ) la dimen-
sion du s.e.v engendré par cette famille.
Notation : rg(x 1 , . . . , x n ) = dim(Vect[x 1 , . . . , x n ]).
Remarques :
– La famille (x 1 , . . . , x n ) est génératrice de F = Vect[x 1 , . . . , x n ], donc son rang est inférieur ou égal à n. De
plus on sait que l’on peut extraire de cette famille une base de F en prenant une sous-famille libre de
cardinal maximal, ce cardinal maximal est donc le rang de la famille.
– La famille (x 1 , . . . , x n ) est libre ssi c’est une base de F = Vect[x 1 , . . . , x n ] ce qui équivaut à dim(F) = n, ce
qui équivaut encore à : le rang de la famille est égal à n, donc :

(x 1 , . . . , x n ) libre ⇐⇒ rg(x 1 , . . . , x n ) = n.

– Soit B = (e 1 , . . . , e n ) une base de E et soit f ∈ L (E, F) alors :

rg( f ) = dim(Im( f )) = dim(Vect[ f (e 1 ), . . . , f (e n )]) = rg( f (e 1 ), . . . , f (e n )).

MPSI LYCÉE G UEZ D E B ALZAC http://pagesperso-orange.fr/Fradin.Patrick/ 6


Exercices Chapitre 17 : La dimension finie

3) Méthode du pivot de Gauss


Celle-ci est utilisée dans la pratique pour le calcul du rang d’une famille de vecteurs.
Soit E un K-e.v de dimension n et soit B = (e 1 , . . . , e n ) une base de E, on considère une famille de vecteurs
de E : (x 1 , . . . , x p ) dont on cherche le rang. On a les propriétés suivantes :
– Si x p = 0E , alors rg(x 1 , . . . , x p ) = rg(x 1 , . . . , x p−1 ). Autrement dit, si l’un des vecteurs de la famille est nul,
on peut le retirer de la famille, cela ne change pas le rang (en fait cela ne change pas le s.e.v engendré).
– Si α ∈ K∗ , alors rg(x 1 , . . . , x p ) = rg(αx 1 , . . . , x p ), autrement dit, multiplier l’un des vecteurs par un sca-
laire non nul ne change pas le rang.
∑p
– Si λ2 , . . . , λp ∈ K, alors rg(x 1 , . . . , x p ) = rg(x 1 + λk x k , x 2 , . . . , x p ). Autrement dit, ajouter à l’un des vec-
k=2
teurs une combinaison linéaire des autres ne change pas le rang.
– Si on a le système suivant (dans le cas où p 6 n) :


 x 1 = λ1,1 e 1 +λ1,2 e 2 + ··· +λ1,n e n





 x2 = λ2,2 e 2 + ··· +λ2,n e n
.. ,



 .



 x
p = λp,p e p + · · · +λp,n e n

alors si les scalaires λ1,1 , . . . , λp,p (pivots de Gauss) sont tous non nuls, on a rg(x 1 , . . . , x p ) = p, c’est à
dire la famille (x 1 , . . . , x p ) est libre.
La méthode est la suivante, on exprime les vecteurs x 1 , . . . , x p dans une base (e 1 , . . . , e n ), puis on effectue
sur ce système des transformations élémentaires de manière à le rendre triangulaire (comme le système
ci-dessus). Les transformations élémentaires de la méthode de Gauss sont :
– Échanger deux lignes : Li ↔ L j (elle permet de mettre le pivot dans la bonne ligne (ligne k pour le
k-ième pivot).
– Échanger deux colonnes : Ci ↔ C j (elle permet de mettre le pivot dans la bonne colonne (colonne k
pour le k-ième pivot).
– Multiplier une ligne par un scalaire non nul : Li ← αLi .
– Ajouter à une ligne un multiple d’une autre ligne : Li ← Li + λL j (elle permet les éliminations à partir
de la ligne du pivot dans les lignes suivantes).
D’après les propriétés précédentes, après chaque opération élémentaire, on obtient une nouvelle fa-
mille qui a le même rang que la précédente.

IV) Exercices
F Exercice 17.1
Dans chacun des cas suivants, montrer que F est un R-e.v et calculer sa dimension et donner une
base :
a) F = {(x, y, z) ∈ R3 /2 x − y + z = x + 2y − 3z = 0}.
b) F = {x, y, z) ∈ R3 / ∃ α, β ∈ R, (x, y, z) = (α − β, 2α − 2β + γ, 2γ + β − α)}.
c) F = {(x, y, z, t ) ∈ R4 / x + y + z + t = 0, x + 2y − z − t = 0}.

n
d) F = {(x 1 , . . . , x n ) ∈ Rn / x i = 0}.
i =1
e) F = { f : R → R / ∃ P ∈ Rn [X], f : t 7→ e −t P(t )}.
k k +1
f) Soit n ∈ N∗ , F = { f ∈ F ([0; 1], R)/∀ k ∈ [[0..n − 1]], f est constante sur ] ; [}.
n n

F Exercice 17.2
→− →

Dans K4 on pose → −
a = (1, 2, 3, 4), b = (1, 1, 1, 3), →

c = (2, 1, 1, 1), d = (−1, 0, −1, 2) et →

e = (2, 3, 0, 1). On

− →− →
− →
− →

pose U = Vect[ a , b , c ] et V = Vect[ d , e ]. Déterminer une base des s.e.v suivants : U, V, U ∩V, U +V.

MPSI LYCÉE G UEZ D E B ALZAC http://pagesperso-orange.fr/Fradin.Patrick/ 7


Exercices Chapitre 17 : La dimension finie

F Exercice 17.3

 →
− →
− − →
→ −

 f (i ) = 2i +3 j + k



− → −→ − →
− →
− →

Soit ( i , j k ) une base de R3 , et soit f ∈ L (R3 ) définie par f ( j ) = −4 j − 2 k .



 f (→
 − →
− →
− →

k ) = 4 i + 12 j + 5 k
a) Déterminer le rang de f , son noyau et son image.
b) Déterminer les réels λ tels que f − λid soit non inversible.

F Exercice 17.4

− → − → −
Soit f : R3 → R3 l’application linéaire définie dans une base ( i , j , k ) de R3 par :

 →
− → −

 f (i ) = i + j



− → − → −
 f (j) = i + j + k
.


 f (k) = 2→
 − − →
→ −
i +2 j + k

Déterminer rg( f ), puis ker( f ) et Im( f ), donner une base de chaque.

F Exercice 17.5

n
Soit (e 1 , . . . , e n ) une famille libre d’un K-e.v E. Soient λ1 , . . . , λn ∈ K, on pose u = λi e i et v i = u + e i .
i =1

n
Montrer que la famille (v 1 , . . . , v n ) est libre ssi λi 6= −1.
i =1

F Exercice 17.6
Soit (P0 , . . . , Pn ) une famille de polynômes telle que ∀ k ∈ [[0..n]], deg(Pk ) = k. Montrer que cette fa-
mille est une base de Kn [X] (théorème des degrés étagés).

F Exercice 17.7
Soit n ∈ N∗ et soit u : Kn [X] → Kn+1 [X] définie par u(P) = 2XP − P 0 . Montrer que u est linéaire et
calculer rg(u).

F Exercice 17.8
Soit E = K3 , on pose i = (1, 1, 1), j = (0, 1, 2) et k = (−1, 0, 2). Montrer
 que B = (i , j , k) est une base

 f (i ) = 2i + j



de E et pour x ∈ E, calculer CoordB (x). Soit f ∈ L (E) définie par f ( j ) = −i + k , déterminer




 f (k) = i − j + k
ker( f ) et Im( f ).

F Exercice 17.9
Soit E un K-e.v de dimension finie, et soit F, G deux s.e.v de E.
a) Montrer que si F et G ont la même dimension, alors ils possèdent au moins un supplémentaire
commun.
b) Exemple : soit E = K4 , F = Vect[(1, 1, 0, −1); (2; 0; 1; −1)] et G = {(x, y, z, t ) ∈ E / x + y + z + t =
x − y + z − t = 0}. Montrer que dim(F) = dim(G) et trouver un supplémentaire commun.

F Exercice 17.10
Soient E et F deux K-e.v de dimension finie et soit f ∈ L (E, F), montrer que :
a) f est injective ssi ∃ g ∈ L (F, E), g ◦ f = idE .
b) f est surjective ssi ∃ h ∈ L (F, E), f ◦ h = idF .

MPSI LYCÉE G UEZ D E B ALZAC http://pagesperso-orange.fr/Fradin.Patrick/ 8


Exercices Chapitre 17 : La dimension finie

F Exercice 17.11
Soit E un K-e.v de dimension finie, et f , g ∈ L (E).
a) Montrer que si E = Im( f ) + Im(g ) et E = ker( f ) + ker(g ), alors ces deux sommes sont directes.
b) Montrer que si les sommes Im( f ) + Im(g ) et ker( f ) + ker(g ) sont directes, alors E = Im( f ) ⊕
Im(g ) = ker( f ) ⊕ ker(g ).

F Exercice 17.12
Soit E = Kn [X].
a) Soit u ∈ L (E) défini par u(X k ) = X k (1 − X)n−k pour k ∈ [[0..n]]. Montrer que u ∈ GL(E).
b) Soient a 0 , . . . , a n ∈ K n + 1 scalaires distincts, et soit u ∈ L (E) défini par u(X k ) = (X + a k )n pour
k ∈ [[0..n]]. Montrer que u ∈ GL(E).

F Exercice 17.13
Soit E un K-e.v de dimension n, et soit u ∈ L (E).
a) Soient λ1 , . . . , λp ∈ K des scalaires distincts tels que pour k ∈ [[1..p]] il existe un vecteur x k ∈ E
non nul tel que u(x k ) = λk x k . Montrer que la famille (x 1 , . . . , x p ) est libre, que dire alors de p ?
En déduire qu’il existe une infinité de scalaires λ ∈ K tels que u − λid ∈ GL(E).
b) Montrer que tout endomorphisme de E est la somme de deux automorphismes de E.

F Exercice 17.14
Soit u ∈ L (E), on dit que u est nilpotent d’indice p ∈ N∗ lorsque u p−1 6= 0 et u p = 0.
a) Montrer que si u est nilpotent d’indice p, alors u ±idE ∈ GL(E) et déterminer l’inverse. Montrer
que si u et v sont deux endomorphismes de E nilpotents et qui commutent, alors u + v est
nilpotent.
b) On suppose dim(E) = n et u ∈ L (E) nilpotent d’indice p. Montrer qu’il existe un vecteur x 0 de
E tel que la famille (x 0 , u(x 0 ), . . . , u p−1 (x 0 )) soit libre dans E. Que dire alors de p ? de la famille
(id, u, . . . , u p−1 ) ? Déduire de ce qui précède que si u ∈ L (E) est nilpotent, alors u n = 0.

F Exercice 17.15
Soit E un K-e.v de dimension n, soient a, b ∈ L (E), on cherche à résoudre l’équation a ◦ u = b d’in-
connue u ∈ L (E).
a) Montrer qu’il s’agit d’une équation linéaire.
b) Montrer qu’il existe une solution particulière ssi Im(a) ⊂ Im(b).
c) Déterminer l’ensemble des solutions de l’équation homogène, montrer qu’il s’agit d’un K-e.v
de dimension n(n − rg(a)). Donner alors toutes les solutions. Dans quel cas y-a-t’il une seule
solution ?

F Exercice 17.16
Soit u ∈ L (E) de rang égal à 1.
a) Montrer qu’il existe un scalaire unique λ tel que u 2 = λu.
b) Montrer que si a ∈ K∗ \ {λ}, alors u − aidE ∈ GL(E) et calculer l’inverse.

F Exercice 17.17
Soit E un e.v de dimension 3, soit f ∈ L (E) tel que f 2 = 0 et f 6= 0. Montrer que rg( f ) = 1.

MPSI LYCÉE G UEZ D E B ALZAC http://pagesperso-orange.fr/Fradin.Patrick/ 9


Exercices Chapitre 17 : La dimension finie

F Exercice 17.18
Soit E un K-e.v de dimension finie, et soit f ∈ L (E). Montrer que les assertions suivantes sont équi-
valentes :
i ) E = ker( f ) ⊕ Im( f ).
i i ) Im( f ) = Im( f 2 ).
i i i ) ker( f ) = ker( f 2 ).

F Exercice 17.19
Soit E un e.v de dimension finie, soient u, v ∈ L (E). Montrer que les assertions suivantes sont équi-
valentes :
i ) rg(u + v) = rg(u) + rg(v).
i i ) Im(u) ∩ Im(v) = {0E } et E = ker(u) + ker(v).

F Exercice 17.20
Soient E, F deux K-e.v de dimension finie, soit f ∈ L (E, F) et soit g ∈ L (F, E), on suppose que f ◦ g ◦
f = f et g ◦ f ◦ g = g .
a) Montrer que les applications : f , g , f ◦ g , g ◦ f ont le même rang.
b) Montrer que E = ker( f ) ⊕ Im(g ) et F = Im( f ) ⊕ ker(g ).

F Exercice 17.21
Soient E, F deux K-e.v de dimension finie, et f , g ∈ L (E, F). Montrer que les assertions suivantes sont
équivalentes :
i ) rg( f ) 6 rg(g ).
i i ) ∃ h ∈ GL(F), ∃ k ∈ L (E), h ◦ f = g ◦ k.

MPSI LYCÉE G UEZ D E B ALZAC http://pagesperso-orange.fr/Fradin.Patrick/ 10