Vous êtes sur la page 1sur 18

Algèbre linéaire d'un point de vue algorithmique

chapV. Le théorème du rang

1. Noyau et Image d'une application linéaire

Dans le cas d'une application linéaire il y a deux sous-espaces importants


le noyau qui est dans l'espace source
l'image qui est dans l'espace cible

Dénition 1. Noyau d'une application linéaire


Soit f une application linéaire de matrice standard A 2
Mnp(R), on appelle noyau de f, noté Ker(f), l'espace des solu-
tions de l'équation f(x ~ , c'est à dire du système d'équations
~ )=0
AX=0, c'est un sous-espace vectoriel de Rp.

Exemple 2.
0 1
1 ¡2 1 0
B 1 ¡2 1 0 C
Soit A =B C
@ 1 ¡2 1 0 A et f de matrice standard A.
0 0 0 1

On désignera par ("1; "2; "3; "4) la base standard de R4.


a. Déterminer Ker(f).
b. Déterminer une base de Ker(f).

Solution.

1
a. On résoud f(x)=(0):
0 1 0 1
1 ¡2 1 0 0 1 ¡2 1 0 0
B 1 ¡2 C B 0 0 0 0 0 C
B
@ 1 ¡2
1
1
0
0
0 C
0 A
¡! B
@ 0 0 0 0 0 A
C donc Ker(f)=f(2x2-x3,x2; x3; 0); (x2; x3) 2
0 0 0 1 0 0 0 0 1 0
R g = fx2(2; 1; 0; 0; 0) + x3(0; 0; 1; 0; 0); (x2; x3 ) 2 R2g = fx2(2"1 + "2) +
2

x3"3; (x2; x3) 2 R2g=Vect(2"1 + "2; "3); d'où

une famille génératrice de Ker(f):(2"1 + "2; "3)


b. Pour savoir si cette famille est une base il reste à vérier si elle est libre.

Remarque 3.

Lorsqu'on écrit que Ker(f)=Vect(2"1 + "2; "3) cela signie que Ker(f) est l'ensemble
de TOUS LES VECTEURS de la forme fa(2"1 + "2) + b"3g.

Ne pas confondre l'ensemble de ces vecteurs avec la simple liste de sa base

Dénition 4. Image d'une application linéaire


Soit f une application linéaire de matrice standard A 2
Mnp(R), on appelle image de f, notée Im(f), l'espace des vec-
teurs de la forme ~y=f(x
~ ), c'est à dire l'ensemble des vecteurs
~b, tels que le système d'équations AX=b est résoluble, c'est
un sous-espace vectoriel de Rn.

Dénition 5. Espace des colonnes d'une matrice


0 1
a11 a12 ::: a1P
B a21 a22 ::: a2p C
B C
Soit A 2 Mnp(R) où A=B
B ::: :; ::: ::: C,
C on appelle espace des colonnes de A le
@ :::: ::: :::: A 0 1 0 1
a11 a12
an1 an2 ::: anp B a21 C B a22 C
B C B C
sous-espace
0 1
de Rn qui est engendré par les colonnes
0 1
A1 = B
B :::: C;
C A2 = B
B :::: C;
C ::::;
@ :::: A @ :::: A
a1p a1k
B a2p C Pp B a2k C an1 an2
B C 0 B C
Ap = B Cc est à dire l'ensemble des k=1 kB
:::: B :::: C
B C C
@ :::: A @ :::: A
anp ank

Exemple 6. Reprendre l'exemple au-dessus et déterminer la dimension de l'espace


des colonnes de A

Solution. les 3 premières colonnes sont des multiples de la première; la première et la quatrième
sont linéairement indépendantes

2
2. Injectif, surjectif, bijectif, le cas linéaire

Question 7.
Soit une application f de A vers B
lire la suite de propositions
i) tout élément y de B possède au moins un
antécédent
ii) si deux éléments x et x' de A ont la
même image f(x)=f(x') ils sont forcément
égaux
iii) si deux éléments x et x' de A sont égaux
alors leurs images f(x) et f(x') sont égales
iv) tout élément x de A possède une seule
image f(x)
v) tout élément y de B possède un et un seul
antécédent x dans A

Déterminer ce qui exprime l'injectivité de f,


ce qui exprime la surjectivité de f , ce qui
exprime la bijectivité de f et ce qui est sans
intérêt.
3
Solution. Soit une application f de A vers B

i) tout élément y de B possède au moins un antécé-


dent SURJECTIVITE
ii) si deux éléments x et x' de A ont la même image
f(x)=f(x') ils sont forcément égaux INJECTIVITE
iii) si deux éléments x et x' de A sont égaux alors
leurs images f(x) et f(x') sont égales banalité
iv) tout élément x de A possède une seule image f(x)
banalité
v) tout élément y de B possède un et un seul antécé-
dent x dans A BIJECTIVITE

Théorème 8.
Soit A 2 Mnp(R) et f l'application linéaire de Rp vers Rn dont
la matrice standard est A alors
1. L'espace des colonnes de A est égal à Rn si et seulement si
f est surjective.
2. Le noyau Ker(f) est égal à f0g si et seulement si f est
injective.
3. AX=b admet une solution (au moins) si et seulement si b
appartient à l'espace des colonnes de A.

4
4. Lorsque f n'est pas injective la résolution du système AX=0
permet d'obtenir une base du noyau de f.
5. Soit x0 un vecteur solution du système AX=b et (v ~1; :::; v
~t)
une base de Ker(f A), alors l'ensemble des solutions du système
AX=b est fx0 + 1v ~1 + :::; tv
~t ; (1; :::; t) réelsg.
6. L'image de f, Im(f), est engendrée par les vecteurs colonnes
de la matrice A

Exemple 9.
0 1
1 ¡2 1 0
B 1 ¡2 0 C
Soit A =B
@ 1 ¡2
1
1
C
0 A
et l'application linéaire f: R4 ¡! R4 dont la matrice standard
0 0 0 1
est A.
On désigne ici par ("1; "2; "3; "4) la base standard de R4
a. Déterminer si f est surjective .
b. Déterminer si f est injective .
c. Déterminer un vecteur b tel que le système AX = b possède des solutions et un
vecteur b tel que ce système n'en possède pas.
01
1
B 1 C
d. Soit le système AX =B
@ 1 A;
C déterminer une solution et en vous aidant des résultats
1
de l'exercice précédent déterminer l'ensemble des solutions.

5
Solution.
0 1 0 1
1 ¡2 1 0 1 ¡2 1 0
B 1 ¡2 1 0 C B 0 0 0 0 C
a. échelonnons la matrice B C
@ 1 ¡2 1 0 A ¡! B
@ 0 0 0 0 A
C on voit que le
0 0 0 1 0 0 0 1
système associé n'a pas toujours de solutions, donc pas surjective.

b. On voit immédiatement sur les colonnes 1 et 3 que f(e1)=f(e3), donc


f n'est pas injective.
0 10 1 0 1
1 ¡2 1 0 x1 0
B 1 ¡2 0 CB C B 0 C
Le noyau de f se trouve en résolvant B
@ 1 ¡2
1
1
CB
0 A@
x2 C
x3 A
=B
@
C;
0 A
on obtient
0 0 0 1 x4 0
ker(f)=Vect(2"1+"2,"1 ¡"3).
c. Aidons-nous de la première colonne f("1)="1 + "2 + "3.
Si on regarde bien les colonnes de la matrice on voit que les colonnes A2
et A3 sont des multiples de A1 donc les colonnes sont des combinaisons
linéaires de A1 et de A4.
Donc les images sont des combinaisons linéaires de "1 + "2 + "3 et de "4.

Alors si on prend le vecteur "1 il ne peut être dans l'image.


d. Le calcul montre qu'une solution est "1 + "4.
Mais aussi tout vecteur de la forme "1 + "4 +v
~ ,où ~
v appartient à Ker(f),
aura pour image "1 + "2 + "3 + "4.
Est-ce tout ?
réciproque :
si f(x ~ donc x~-("1 + "4) appartient au
~ )=f("1 + "4) alors f(x~ -("1 + "4))=0
noyau
Conclusion: nous avons montré par double inclusion que fx; f (x
~) =
"1 + "2 + "3 + "4 = f"1 + "4 + ~ v 2 Ker(f )g.
v; ~

Question: cet ensemble est-il un espace vectoriel ?

Revoir la caractérisation des sous-espaces vectoriels

6
Théorème 10. rang de f et Im(f)
Soit A 2 Mnp(R), matrice standard de l'application f, la
dimension de l'espace des colonnes de A sera appelée le rang
de A et notée rg(A); c'est aussi la dimension de Im(f); on
la note alors aussi rang(f).

Théorème 11. rang et  1  directeurs


Soit A 2 Mnp(R), matrice standard de f, le rang de f est égal
au nombre de 1 directeurs de la matrice échelonnée de A

Dénition 12. Soit f une application linéaire de Rp vers Rn, on


appelle nullité de f la dimension du noyau de f: dim(Ker(f)).

Théorème 13. Noyau et variables libres


Soit A 2 Mnp(R), matrice standard de f, la nullité de f est
égale au nombre de variables libres dans la matrice échelonnée
de A

Attention : TRES IMPORTANT

Remarque 14.
Soit A 2 Mnp(R) une matrice
si on l'échelonne

7
le nombre de variables libres est égal au nombre de colonnes
qui n'ont pas de 1 directeurs.

Théorème 15. Théorème du rang


Soit A 2 Mnp(R) et l'application linéaire f de matrice stan-
dard A, alors rg(f)+dim(Ker(f))=p.

Travaux dirigés 1
Exercice 1.
On considère l'application linéaire f de R3 vers R4, représentée dans
les 0bases standards
1 ("1; "2; "3) et ( 1; 2; 3; 4) par la matrice
1 0 1
B 0 ¡1 0 C
A=B
@ 1 0 1 A
C:

0 1 0

a. Déterminer son noyau, et la dimension de celui-ci.


b. Déterminer le rang de f et une base de Im(f).
c. Proposer un vecteur y de R4 tel que f(x)=y possède des solutions.
d. Proposer un vecteur y de R4 tel que f(x)=y ne possède pas de
solutions
e. Proposer un vecteur x de R3nf0g tel que f(x)=0.

Exercice 2.
On considère l'application linéaire f de R4 vers R40, représentée
1
dans
1 0 1 1
B 0 ¡1 0 1 C
la base standard ("1; "2; "3; "4) par la matrice A=B
@ 1 0 1 1 A
C:

0 1 0 1

a. Déterminer son noyau, et la dimension de celui-ci.


b. Déterminer le rang de f et une base de Im(f).
c. Proposer un vecteur y de R4 tel que f(x)=y possède des solutions.
d. Proposer un vecteur y de R4 tel que f(x)=y ne possède pas de
solutions
e. Proposer un vecteur x de R4nf0g tel que f(x)=0.

8
Exercice 3.
0 1
0 0 0 0 0 0
B 1 0 0 0 0 0 C
B C
B 0 0 C
Soit la matrice A=B
B
0
0
1
0
0
1
0
0
C et
0 ¡1 C
l'application linéaire fA : R6 7¡!
B C
@ 0 0 0 1 0 1 A
0 0 0 0 1 ¡1
R6.
a. Montrer que le déterminant de A est nul.
b. Déterminer si fA est injective, surjective. donc ni injective, ni
surjective
c. Déterminer le noyau de fA
e. On désigne par g l'application composée fA fA ; déterminer sa
matrice standard, que l'on désignera par G.
G=
0 1
0 0 0 0 0 0
B 0 0 0 0 0 0 C
B C
B 1 0 0 0 0 0 C
B C
B 0 1 0 0 ¡1 1 C
B C
@ 0 0 1 0 1 ¡2 A
0 0 0 1 ¡1 2

f. Prouver, sans calcul que det(G)=0.


g. Déterminer le noyau de g , une base et sa dimension.
h. En déduire la dimension de Im(g) et en déterminer une base.

i. On désigne par h l'application composée g fA ; déterminer sa


matrice standard, que l'on désignera par H.

j. Mêmes questions pour h que les questions f,g,h,


k. On désigne par m l'application composée h fA ; déterminer sa
matrice standard, que l'on désignera par M.
l. Mêmes questions.

Exercice 4.
On considère l'espace vectoriel R4, sa base standard B = ("1; "2;
"3; 0"4) et l' application
1
linéaire de R4 vers R4 de matrice standard
1 ¡1 1 1
B 1 ¡1 ¡1 1 C
A=B
@ 1 ¡1 0 1 A
C.

1 ¡1 0 1

1. Déterminer le noyau de f et une base de celui-ci.

9
2. Déterminer la dimension du noyau de f.
3. En déduire la dimension de l'image et une base de celle-ci.
4. Montrer que la concaténation de ces deux bases donne une base
de R4 , que vous appellerez B 0.

Exercice 5.
On considère l'espace vectoriel R4, sa base standard B = ("1; "2;
"3; 0"4) et l' application
1
linéaire de R4 vers R4 de matrice standard
1 ¡1 1 1
B 1 ¡1 1 C
A=B
@ 1 ¡1
1
0
C.
1 A
1 ¡1 0 1

1. Déterminer le noyau de f et une base de celui-ci.


2. Déterminer la dimension du noyau de f.
3. En déduire la dimension de l'image et une base de celle-ci.
4. Montrer que la concaténation de ces deux bases ne donne pas une
base de R4.

0 1
1 0 1 0
B 0 1 1 0 C
Exemple 16. Soit A=B
@ 1 1 2
C.
0 A
On désigne par f l'application
-1 1 1 1
linéaire de R4
vers R4 dont la matrice standard est A.
On désigne par ("1; "2; "3; "4) la base standard de R4.
a. Déterminer le noyau de f.

10
b. En déduire le rang de f.
c. Déterminer une base de col(A).

Solution.
0 10 1 0 1
1 0 1 0 x1 0
B 0 0 CB x2 C B 0 C
a. Il s'agit
0
de résoudre
1
le système B
@ 1
1
1
1
2
CB
0 A@
C
x3 A
= @ 0 A,
B C de matrice
1 0 1 0 0 -1 1 1 1 x4 0
B 0 0 C
associée B
@ 1
1
1
1
2
0
0
C;
0 A
réduisons:
-1 1 1 1 0
0 1 0 1 0 1 0 1
1 0 1 0 0 1 0 1 0 0 1 0 1 0 0 1 0 0 -1 0
B 0 0 C B 0 C B 0 C B 0 -1 0 C
B 1 1 0 C 7¡! B 0 1 1 0 C 7¡! B 0 1 1 0 C 7¡! B 0 1 C; d'où le
@ 1 1 2 0 0 A @ 0 1 1 0 0 A @ 0 0 0 0 0 A @ 0 0 0 0 0 A
-1 1 1 1 0 0 1 2 1 0 0 0 1 1 0 0 0 1 1 0
noyau f(x4; x4; -x4,x4)g = Vect(1; 1; -1,1) = Vect(("1 + "2¡"3 + "4) ); donc
le noyau est de dimension 1
b. Par suite le rang est 4-1=3
c. Une base de col(A) est formée par les 3 premiers vecteurs colonnes,
puisqu'ils sont indépendants.
Une base de Im(f) est donc ("1 + "3 ¡ "4; "2 +"3 + "4; "1 + "2+2"3 + "4).
Questions:
1. Comment montrer facilement que f n'est pas surjective ?
2. Comment montrer facilement que "4 est dans Im(f) ?
3. Comment tester si "1 + "3 est dans Im(f) ?
4. Comment montrer facilement que "1 + "3 n'est pas dans Ker(f) ?

Théorème 17. Le cas des matrices carrées


Soit A 2 Mnn(R), alors les armations suivantes sont équi-
valentes
1. A est inversible
2. rg(A)=n
3. null(f A)=0

11
Exemple 18.

0 1
0 1 1 1 1 1
B 1 0 1 1 1 1 C
B C
B 1 1 0 1 1 1 C
Soit A=B
B 1 1 1 0 1 1
C.
C (n>1).
B C
@ 1 1 1 1 0 1 A
1 1 1 1 1 0

On désigne par f l'application linéaire de R6 vers R6 dont la


matrice standard est A.
On désigne par ("1; "2; "3; :::; "6) la base standard de R6
a. Montrer que la résolution du système AX=0 conduit à une
solution unique que l'on trouvera.
b. Déduire le rang de A.
c. Déterminer une base (simple !) de col(A).

Solution.
0 1
1 1 1 1 1 1
B 1 1 1 1 1 1 C
B C
B C
a. A=J-I, où =J =B
B
1
1
1
1
1
1
1
1
1
1
1
1
C
C et I est la matrice unité; donc AX=(0)
B C
@ 1 1 1 1 1 1 A
1 1 1 1 1 1
0 1
x1 + x2 + x3 + :::: + x6
B x1 + x2 + x3 + :::: + x6 C
B C
équivaut à JX=X; mais JX=B
B ::: C,
C donc JX=X entraine
@ ::: A
x1 + x2 + x3 + :::: + x6
x1 = x2 = x3 = :::: = x6. Désignons par u cette valeur commune
0 1 01
u nu
B ::: C B nu C
X=B C
@ ::: A et JX=B
@ ::: A,
C donc AX=(0) entraîne que u=6u, d'où u=0, et
u nu
par suite X=(0)
b. Donc rang(A)=6.
c. col(A) est un sous-ev de dimension 6 dans R6, c'est donc R6.

12
Problème 1.
0 1
1 2 1
B 1 0 ¡1 C
Soit A=@ 1 2 1 C
B
A et l'application linéaire f de R3 vers R4 de matrice standard A; on désigne
2 5 3
par ("1; "2; "3) la base standard de R3 et par ( 1; 2; 3; 4) la base standard de R4.

a. Déterminer le noyau de f.
b. En déduire le rang de f.
c. Déterminer une base de Im(f).

Problème 2.
0 1
1 0 1 0 1
B 0 1 0 1 0 C
Soit A=B
@ 1 0 1 0
C et
1 A
l'application linéaire f de R5 vers R4 de matrice standard A; on désigne
0 1 0 1 0
par ("1; "2; :::; "5) la base standard de R4 et par ( 1; 2; 3; 4) la base standard de R4.
a. Déterminer le noyau de f.
b. En déduire le rang de f.
c. Déterminer une base de Im(f).

Objectifs:
1. Connaitre et comprendre les dénitions de noyau et image d'une application
linéaire.
2. Savoir trouver le noyau d'une application linéaire.
3. Savoir lire dans la matrice d'une application linéaire une famille génératrice de
l'image.
4. Savoir lire dans la matrice échelonnée et réduite de la matrice d'une application
linéaire son rang et la dimension du noyau.
5. Connaitre et savoir appliquer le théorème du rang pour déduire la dimension de
l'image de celle du noyau (et réciproquement).

Travaux Dirigés
Exercice 6.
0 1
0 0 0 0 0 0
B 1 0 0 0 0 0 C
B C
B 0 1 0 0 0 0 C
Soit la matrice A=B
B 0 0 1 0
C
0 ¡1 C
et l'application linéaire fA : R6 7¡! R6.
B C
@ 0 0 0 1 0 1 A
0 0 0 0 1 ¡1

a. Montrer que le déterminant de A est nul.


b. Déterminer si fA est injective, surjective.
c. Déterminer le noyau de fA , une base et sa dimension.

d. En déduire la dimension de Im(fA ) et en déterminer une base.


e. On désigne par g l'application composée fA fA ; déterminer sa matrice standard, que l'on
désignera par G.

13
f. Prouver, sans calcul que det(G)=0.
g. Déterminer le noyau de g , une base et sa dimension.
h. En déduire la dimension de Im(g) et en déterminer une base.
i. On désigne par h l'application composée g fA ; déterminer sa matrice standard, que l'on
désignera par H.
j. Mêmes questions pour h que les questions f,g,h,
k. On désigne par m l'application composée h fA ; déterminer sa matrice standard, que l'on
désignera par M.
l. Mêmes questions.

Exercice 7.
On considère l'espace vectoriel R0
4, sa base standard B = ("1; "2; "3; "4) et la famille de vecteurs
1 0 1 0 1 0 1
1 1 0 1
B 0 C B 1 C B 0 C B 0 C
(!1; !2; !3; !4), dénie par !1 = B
@
C,
1 A
!2 = B
@
C;
1 A
!3 = B
@
C;
0 A
!4 = B
@
C.
0 A
0 0 1 1

a. Montrer que ces vecteurs forment une base que l'on notera B 0.
b. Déterminer la matrice de passage PBB 0:
c. Déterminer la matrice de passage PB 0B.
d. Le vecteur v a pour expression "1 + 2"2 ¡ 2"3 + "4; déterminer son expression dans la base B 0.
e. Le vecteur w a pour expression 3!1 + 4!2 ¡ 5!3 + !4; déterminer son expression dans la base B.
0 1
1 ¡1 0 1
B 2 ¡2 0 C
2 C
f. L'application linéaire f a pour matrice dans la base standard la matrice A=B
@ 1 ¡1 0 1 A
; ce qui
2 ¡2 0 2
signie que l'image z d'un vecteur v s'exprime dans la base B comme suit: zB = AvB ; comment
s'expriment les coordonnées zB 0 de z dans la base B' en fonction des coordonnées vB 0 de v dans
la base B' ?
On trouvera une matrice que l'on désignera sous le nom de matrice de f dans la base B'; si on la
nomme A' exprimer A' en fonction de A.

Exercice 8.
On considère l'espace vectoriel R4, sa base
0 standard 1
B = ("1; "2; "3; "4) et l' application linéaire
1 ¡1 1 1
B 1 ¡1 ¡1 1 C
de R4 vers R4 de matrice standard A=B
@ 1 ¡1 0 1 A
C.

1 ¡1 0 1

1. Déterminer le noyau de f et une base de celui-ci.


2. Déterminer la dimension du noyau de f.
3. En déduire la dimension de l'image et une base de celle-ci.
4. Montrer que la concaténation de ces deux bases donne une base de R4 , que vous appellerez B 0.
5. Déterminer la matrice de passage de B à B 0.
6. Calculer (éventuellement par Maxima ) la matrice PB 0B.
7. Déterminer, sans utiliser la formule du cours, la matrice de f relativement à la base B 0
(vous penserez à la signication des colonnes de la matrice d'une application relativement à une
base)
8. Résoudre la question au moyen de la formule du cours (éventuellement avec Maxima).

Exercice 9.
On considère l'espace vectoriel R4, sa base
0 standard
1 B = ("1; "2; "3; "4) et l' application linéaire
1 ¡1 1 1
B 1 ¡1 1 1 C
de R4 vers R4 de matrice standard A=B
@ 1 ¡1 0
C.
1 A
1 ¡1 0 1

1. Déterminer le noyau de f et une base de celui-ci.


2. Déterminer la dimension du noyau de f.

14
3. En déduire la dimension de l'image et une base de celle-ci.
4. Montrer que la concaténation de ces deux bases ne donne pas une base de R4.

Objectifs:
1. Savoir ce qu'est l'espace des lignes, l'espace des colonnes d'une matrice.
2. Savoir la signication des colonnes d'une matrice représentant une application
linéaire relativement à une base de l'espace de départ et une base de l'espace d'arrivée.
3. Savoir ce qu'est le noyau d'une application linéaire, savoir que le noyau est un sous-
espace vectoriel de l'espace de départ.
4. Savoir ce qu'est l'image d'une application linéaire, savoir que c'est un sous-espace
de l'espace d'arrivée.
5. Savoir ce qu'est le rang d'une application linéaire, savoir ce qu'est la nullité d'une
application linéaire.
6. Connaître le théorème du rang et savoir l'utiliser pour découvrir le rang ou la
nullité.

8. Activité informatique Maxima


le rang d'une matrice M s'obtient avec  rank(M) 
le noyau de la matrice M s'obtient avec  nullspace(M) 
l'espace des colonnes de M s'obtient avec  columnspace(M) 

Exercice 10.
Soit l'espace E=R6 et sa base standard B = ("1; "2; "3; "4; "5; "6)
On
0
considère l'application
1
linéaire f de R6 vers R6 de matrice standard A =
0 1 0 ¡1 0 1
B 2 0 ¡2 0 2 0 C
B C
B ¡1 1 1 ¡1 1 1 C
B C
B 0 ¡1 0 1 0 1 C
B C
@ ¡1 0 1 0 1 0 A
2 ¡1 ¡2 1 2 ¡1

a. Avec Maxima étudier les rangs de f,f2;, ..., jusqu'à être sûr que ces valeurs sont stationnaires
b. (raisonnement) Montrer que les images de ces applications linéaires sont incluses les unes dans
les autres
c. (raisonnement) Montrer que les noyaux forment une suite de sous-espaces vectoriels inclus les
uns dans les autres.

9. Problèmes de révision

Ce premier problème a pour objectif de montrer que les connaissances du cours permettent parfois
d'éviter de longs calculs.

15
Exercice 11.
Soit l'espace vectoriel R4 muni de sa base standard B = ("1; "2; "3; "4) et l'application linéaire f de R4 vers R4
dénie par les données suivantes:

f ("1)="2 ,f ("2)= "1+ "3, f ("3)="2+"4, f ("4)="3.


a. Déterminer la matrice standard de f , que l'on désignera par M.
b. Déterminer le déterminant de M.

c. Déterminer ( si possible sans calcul) le noyau de M .


d. Montrer (si possible sans nouveau calcul) que les vecteurs colonnes de M sont linéairement indépendants.
e. Montrer (si possible sans calcul) que les vecteurs v1 = "2 , v2="1+ "3, v3="2+"4, v4 = "3 forment une base
de R4 que l'on désignera par B 0.

la suite utilise le chapitre 06


f. Déterminer la matrice de passage PBB 0.
g. Exprimer "1; "2; "3; "4 en fonction de v1; v2; v3; v4.

h. En déduire PB 0B.
i. Déterminer si M est inversible, et si oui déterminer (si possible sans calcul) M ¡1.
0 1
1
B 2 C
j. Soit b=@ 3 C
B
A, justier l'existence (ou la non-existence) d'un vecteur X de R4 tel que MX=b.
4

k. Si X existe, le déterminer avec un minimum de calculs.

Solution.

a. La matrice standard de f est celle dont les colonnes contiennent les images des vecteurs de la base standard
0 1
0 1 0 0
B 1 0 1 0 C
donc M=B
@ 0 1 0
C.
1 A
0 0 1 0

b. Nous allons développer det(M) suivant la première colonne ( car il n ' y a qu'un terme non nul):

1 0 0 1 0 0
0 1
det(M)=1(-1)3 1 0 1 ; on continue suivant la première ligne 1 0 1 = 1
1 0
= ¡1;
d'où det(M)=(-1)(¡1) = 1.
0 1 0 0 1 0

c. Dans ce cas M est inversible, donc injective, d'où Ker(M)=fX ; MX= (0)g ne contient qu'un élément le vecteur nul.

d. Pour savoir si les vecteurs colonnes de M, que je désignerai par M1,M2,M3,M4 , sont
0 liées
1 ou pas on considère des
a
B b C
scalaires
0
(a,b,c,d)
1 0 1
tels que aM1 + bM2+cM3+dM4=(0). Or aM1 +0bM21+cM +dM4=MB
0 31 @
C;
c A
donc nus avons supposé
a 0 a 0 d
B b C B 0 C B b C B 0 C
que MB
@ c A=@ 0 A,
C B C mais comme M est injective il en découle que B
@ c A=@ 0 A,
C B C d'où ces vecteurs colonnes sont libres.
d 0 d 0

e. Les vecteurs v1 = "2 , v2="1+ "3, v3="2+"4, v4 = "3 sont justement les vecteurs colonnes de M, nous venons de
montrer qu'ils sont libres, il s'agit de quatre vecteurs libres dans R4, qui est de dimension 4, donc c'est une base de R4.
f. La matrice de passage PBB 0 est la matrice dont les colonnes représentent dans la base B les vecteurs de la base
B 0, donc c'est exactement la matrice M.
g. Nous savons que v1 = "2 , v2="1+ "3, v3="2+"4, v4 = "3, ce qui nous donne déjà "2 = v1 et "3=v4; pour les deux
autres il sut d'éliminer "3 entre les deux égalités : v2="1+ "3 et "3=v4, d'où "1 = v2-v4 et, de même, "4 = ¡v1 + v3.
h. Pour construire PB 0B il sut de savoir exprimer les vecteurs de B en fonction de ceux de B 0, c'est juste ce que
nous venons de faire:
0 1
0 1 0 ¡1
B 1 0 0 0 C
"1 = v2-v4, "2 = v1, "3=v4, "4 = ¡v1 + v3; donc nous connaissons les colonnes de PB 0B: donc PB 0 B = B
@ 0 0 0 1 A
C.

¡1 0 1 0

i. Nous savons, depuis le c que M est inversible


0 ( sinon elle est inversible car c'est une
0 matrice de changement de base);0 1
0 1 0 ¡1
B B B 1 0 0 0 C
et nous savons aussi( cf cours) que PB 0B=@ PBB')¡1, et PBB 0=M; donc M ¡1 =@ PBB')¡1=PB 0B =B
@ 0 0 0 1 A
C.

¡1 0 1 0

16
0 10 1 0 1
0 1 0 0 x1 y1
B 1 0 1 0 CB x2 C B y2 C
Remarque: sinon il fallait poser B
@ 0 1 0
CB
1 A@
C=B
x3 A @
C et
y3 A
résoudre ce système pour en déduire M ¡1.
0 0 1 0 x4 y4

j. Comme M est inversible MX=b est équivalent à X=M ¡1b.


0 10 1 0 1 0 1
0 1 0 ¡1 1 2¡4 ¡2
B 1 0 0 0 C B 2 C B 1 C B 1 C
k. Donc X=B
@ 0 0
CB
0 1 A@ 3
C=B
A @ 4
C=B
A @ 4 A
C

¡1 0 1 0 4 ¡1 + 3 2

Exercice 12.
Toutes les matrices considérées sont dans M3(R).

Dénition 19. Une matrice M=(aij )2M3(R) est dite magique lorsque les huit sommes suivantes sont égales:
8
>
> a11 + a12 + a13
>
>
>
> a21 + a22 + a23
>
>
> a31 + a32 + a33
>
<
a11 + a21 + a31
sont égales.
>
> a12 + a22 + a32
>
>
>
> a13 + a23 + a33
>
>
> a + a22 + a33
: 11
>
a31 + a22 + a13
Une matrice M=(aij )2M3(R) est symétrique lorsque M = tM et antisymétrique lorsque M = ¡tM.

0 1 0 1
¡1 2 ¡1 1 1 1
On dénit les trois matrices: A =@ 0 0 0 A, B =t A et C =@ 1 1 1 A.
1 ¡2 1 1 1 1

1. Sont-elles magiques ? symétriques ? antisymétriques ?


M + tM 0 M ¡ tM
2. Soit M=(aij)2M3(R) montrer que M 0 = 2
et M 0 = 2
; les utiliser pour établir que toute matrice
est la somme d'une matrice symétrique et d'une matrice antisymétrique; montrer que cette décomposition est
unique.
solution:
i. on remarque que M' est symétrique, car égale à sa transposée et M antisymétrique car opposée à sa transposée.
t t
ii. l'unicité ? Si M=S+A, où S est symétrique et A antisymétrique, alors tM=S-A, d'où 2S=M+ M et 2A=M- M
donc S=M' et A=M, ce qui établit l'unictié
3. Soit MAG l'ensemble des matrices magiques, montrer que
i) MAG est un espace vectoriel
voir caractérisation des sous ev
ii) la transposée d'une matrice magique est une matrice magique
voir def des matrices magiques et faire un schéma pour se convaincre
iii) si M 2 MAG il en est de même pour M 0 et M (dénies au dessus).
découle du i)
4. Montrer que les matrices qui sont à la fois magiques et antisymétriques forment un espace vectoriel de
dimension 1 dont vous déterminerez une base, que l'on désignera par A .
0 1 0 1
0 ¡a a 0 ¡1 1
Soit M magique
0
et antisymétrique
1
elle a nécessairement l'air suivant :@ a 0 ¡a A=a@ 1 0 ¡1 A, d'où on
0 ¡1 1 ¡a a 0 ¡1 1 0
prend A =@ 1 0 ¡1 A.
¡1 1 0

5. Montrer que les matrices qui sont à la fois magiques et symétriques et dont la trace est nulle forment un
espace vectoriel de dimension 1 dont vous déterminerez une base que l'on désignera par S.
0 1
a b ¡a ¡ b
Soit M magique et symétrique et de trace nulle, elle a nécessairement l'air suivant :@ b 2a + 2b ¡2a ¡ 3b A, ce
¡a ¡ b a ¡3a ¡ 2b
0 1
a ¡a 0
qui
0
vérie 6 conditions
1
et il faut 0
en plus que -6a-6b=0,
1
-3a-3b=0, d'où il faut b=-a; c'est à dire @ ¡a 0 a A=
1 ¡1 0 1 ¡1 0 0 a ¡a
a@ ¡1 0 1 A; on posera S =@ ¡1 0 1 A.
0 1 ¡1 0 1 ¡1

17
6. Soit une matrice M, magique et symétrique, dont la trace est égale à t, montrer qu'elle est la somme d'un
multiple de S et d'un multiple de C.
M=(M-tC/3)+tC/3 et (M-tC/3) vérie les hyppothèses du 5 donc c'est un multiple de S.
7. En déduire une base B de l'espace vectoriel MAG et sa dimension.
synthèse du 2,3,4 et du 6
Si M est magique , elle est la somme d'une symétrique M' et d'une antisymétrique M (2), celles-ci sont
magiques (3), la première est une combinaison linéaire de S et C, la seconde est un multiple de A, donc M est
une combinaison linéaire de ces trois matrices; donc elles forment une famille génératrice de MAG.
Soient (a,c,s) telles que aC+cC+sS=(0) alors (0) est la somme d'une symétrique aC+sS et d'une antitymé-
trique aA; or (0)=(0)+(0), et la décomposition entre symétrique et antisymétrique est unique donc aA=(0) et
cC+sS=(0), d'où a=0
0 1 0 1 0 1
c c c s ¡s 0 c+s c¡s c
pour le reste on a cC+sS=@ c c c A+@ ¡s 0 s A=@ c ¡ s c c + s A, si cette matrice est nulle, c est nul,
c c c 0 s ¡s c c+s c ¡s
et alors s aussi
nous avons donc une base de MAG: A, C, S.
et donc sa dimension :3.
8. Montrer que (A,B,C) forment une base B 0 de MAG; comme la dimension de MAG est 3, il sut de montrer
que cette famille est génératrice, et pour cela qu'elle engendre A, B, C:
Or
A = (1/2)A ¡ (1/2)B + 0C
S = (¡1/2)A + (¡1/2)B + 0C
C = 1C
9. Déterminer les deux matrices de passage PBB 0 et PB 0B:
0 1 0 1
1 / 2 ¡1 / 2 0 1 ¡1 0
P BB 0 = ¡1 / 2 ¡1 / 2 0 A et
@ P B 0B est son inverse ¡1 ¡1 0 A
@
0 0 1 0 0 1

18

Vous aimerez peut-être aussi