Document créé le 29 octobre 2015 Lien vers les énoncés des exercices Lien vers le cours de ce chapitre

Chapitre 17

Matrices et applications linéaires

17.1 Matrices et applications linéaires

I Solution 17.1.1 ............................................................................................................
     
2 3x 1 0
La matrice s’écrit A = 1 0y . L’hypothèse sur Kerf s’exprime en disant que A 2  = 0.
 1 −1z   −1 0
x = 8
 2 3 8
Ainsi y=1 et on en déduit A = 1 0 1 .
z = −1 1 −1 −1


I Solution 17.1.2 ............................................................................................................

 
x1 x2
– Notons A =  y1 y2  la matrice de f dans les bases canoniques.
z1 z2    
  −1   0
1 2
Par hypothèse, A = −2 et A = 5.
−1 −3
5 4
 
x1 − x2 = −1 2x1 − 3x2 = 0

 

Autrement dit : 1y − y = −2
2 et 2y − 3y = 5
1 2
 
z − z = 5
 2z − 3z = 4

1 2 1 2
 
−3 −2
( ( (
x1 = −3 y1 = −11 z1 = 11
On en déduit , et . Ainsi A = −11 −9.
x2 = −2 y2 = −9 z2 = 6 11 6

– On peut procéder différemment en utilisant une formule de changement de matrice.

Pour cela, on note (e) et (e0 ) les bases canoniques de R2 et de R3 .
Soit (ε) la base de R2 définie par ε1 = (1, −1) et ε2 = (2, −3).  
2 1 2
Dans R , la matrice de passage de la base (e) à la base (ε) est P = .
−1 −3
 
3 2
L’inverse de la matrice P est P −1 = .
−1 −1
 
−1 0
Par hypothèse la matrice de f dans les bases (ε) et (e0 ) est B = M(f, (ε), (e0 )) = −2 5.
On cherche la matrice de f dans (e), (e0 ), c’est-à-dire A = M(f, (e), (e0 )). 5 4
La formule de changement de bases s’écrit ici B = AP . Autrement dit :
   
−1 0   −3 −2
3 2
A = BP −1 = −2 5 = −11 −9
−1 −1
5 4 11 6
17.1 Matrices et applications linéaires Chapitre 17 : Matrices et applications linéaires

I Solution 17.1.3 ............................................................................................................

On constate que A2 = A.
Ainsi f est une projection vectorielle.
Il reste à déterminer le noyau et les vecteurs invariants de f .

2x − y − z = 0


u = (x, y, z) ∈ Kerf ⇔ −x + 2y − z = 0 ⇔ x = y = z.

−x − y + 2z = 0


2x − y − z = 3x


u = (x, y, z) ∈ Inv f ⇔ −x + 2y − z = 3y ⇔ x + y + z = 0.

−x − y + 2z = 3z


Conclusion : L’application f est la projection vectorielle : (

a = (1, −1, 0)
 Sur plan vectoriel d’équation x + y + z = 0, engendré par les vecteurs
b = (1, 0, −1)
 Parallèlement à la droite engendrée par le vecteur c = (1, 1, 1).

I Solution 17.1.4 ............................................................................................................

Soit u(x, y, z) ∈ R3 et v = p(u) = (x0 , y 0 , z 0 ).

Il existe λ ∈ R tel que v = u + λ(3, 2, 1).
1
On écrit que v est dans (Π) : x0 + 2y 0 + 3z 0 = 0 donc λ = − (x + 2y + 3z).
10
1
Ainsi (x0 , y 0 , z 0 ) = (x, y, z) − (x + 2y + 3z)(3, 2, 1).
10

1
x0 = (7x − 6y − 9z)


10

  
7 −6 −9


1 1
On en déduit y 0 = (−2x + 6y − 6z) Donc P = −2 6 −6

 10 10 −1 −2 7
1


 0
z =
 (−x − 2y + 7z)
10

I Solution 17.1.5 ............................................................................................................

L’idée est d’associer à la matrice A une application linéaire f très simple.

On se place dans R4 [X], muni de la base canonique 1, X, X 2 , X 3 , X 4 .
f (X 3 ) = (1 + X)3
( (
f (1) = 1, f (X) = 1 + X
On constate que ,
f (X 2 ) = 1 + 2X + X 2 = (1 + X)2 f (X 4 ) = (1 + X)4


Par linéarité, on en déduit, pour tout polynôme : f P (X) = P (X + 1).
Il est clair que f est un automorphisme de R4 [X], et que f −1 P (X) = P (X − 1).

Il est tout aussi clair que, pour tout n de Z, f n P (X) = P (X + n).

n n2 n3 n4
   
1 −1 1 −1 1 1
0 1 −2 3 −4 0 1 2n 3n2 4n3 
Ainsi A−1 =  n
   
0 0 1 −3 6 et, ∀ n ∈ Z, A = 0
 0 1 3n 6n2 
.
0 0 0 1 −4  0 0 0 1 4n 
0 0 0 0 1 0 0 0 0 1

Mathématiques en MPSI mathprepa.fr Page 2

© Jean-Michel Ferrard
17.2 Image, noyau, rang Chapitre 17 : Matrices et applications linéaires

17.2 Image, noyau, rang

I Solution 17.2.1 ............................................................................................................

Soit u = (x, y, z, t) un vecteur de R4 .

Ce vecteur est dans Kerf si et seulement si :
    
x 0
2x − y + z + 5t = 0 (E1 )
 (
2x − y + z + 5t = 0

y  0
 z  = 0 ⇔ −x + 2y + 3z − 4t = 0
A (E2 ) ⇔
  

3x + 5z + 6t = 0 −x + 2y + 3z − 4t = 0
t 0 (E3 )

On a pu réduire le système au deux équations précédentes car (E3 ) = 2(E1 ) + (E2 ).


5
x = − z − 2t
( 
2x − y = −z − 5t

Le dernier système obtenu équivaut à ⇔ 3
x − 2y = 3z − 4t 7
y = − z + t


3
z
Ce qui équivaut à (x, y, z, t) = (−5, −7, 3, 0) + t(−2, 1, 0, 1), avec (z, t) ∈ R2 .
3
4
Ainsi Kerf est le plan de R engendré par a = (−5, −7, 3, 0) et b = (−2, 1, 0, 1).
Le théorème de la dimension donne dim R4 = dim Imf + dim Kerf .
Or dim Kerf = 2. On en déduit dim Imf = 2.
Les vecteurs f (e1 ) = (2, −1, 3) et f (e2 ) = (−1, 2, 0) sont dans Imf et ils sont libres.
Ces deux vecteurs forment donc une base de Imf .
Imf est un plan de R3 , donc le noyau d’une forme linéaire sur R3 .
→
−
Il existe ainsi (a, b, c) 6= 0 dans R3 tel que (X, Y, Z) ∈ Imf ⇔ aX + bY + cZ = 0.
( ( (
f (e1 ) = (2, −1, 3) 2a − b + 3c = 0 a = 2b
En utilisant on trouve donc
f (e2 ) = (−1, 2, 0) −a + 2b = 0 c = −b
Les coefficients de l’équation aX + bY + cZ = 0 sont uniques à un facteur près.
L’équation de Imf dans la base canonique est donc : 2X + Y − Z = 0.

I Solution 17.2.2 ............................................................................................................

Un vecteur u = (x, y, z) est dans le noyau de f si et seulement si :



 x − ay + 2az = 0  
x − ay + 2az = 0 (a + 1)(x + y + z) = 0

  
ax − y + az = 0
  
⇔ ax − y + az = 0 ⇔ ax − y + az = 0


 2ax + 2ay + z = 0 

2ax + 2ay + z = 0


2ax + 2ay + z = 0

(2a + 1)x + ay + (2a + 1)z = 0



On est passé de (S1 ) à (S2 ) en remarquant que (E4 ) = (E1 ) + (E3 ).

On est passé de (S2 ) à (S3 ) en remplaçant (E1 ) par (E1 ) − (E2 ) + (E3 ).
– Premier cas : a = −1.
( (
x + y − 2z = 0 y = −x
On a u = (x, y, z) ∈ Kerf ⇔ ⇔ ⇔ (x, y, z) = x(1, −1, 0).
x+y+z =0 z=0
Ainsi Kerf est la droite vectorielle engendrée par le vecteur (1, −1, 0).
On sait que dim R3 = 3 = dim Kerf + dim Imf .
On en déduit que Imf est un plan vectoriel.

Mathématiques en MPSI mathprepa.fr Page 3

© Jean-Michel Ferrard
17.2 Image, noyau, rang Chapitre 17 : Matrices et applications linéaires

 
1 1 −2 (
−1 −1 −1 f (e1 ) = (1, −1, −2, −1)
A=
−2
. Les vecteurs forment une base de Imf .
−2 1  f (e2 ) = (−2, −1, 1, −1)
−1 −1 −1
1



 f (e1 ) − f (e2 ) = (1, 0, −1, 0)

On obtient une base plus simple de Imf avec 3 1

− 2f (e1 ) + f (e2 ) = (0, 1, 1, 1)

3
– Deuxième cas : a 6= −1.   
x + y + z = 0 x + y + z = 0 x = −z

 
 

u = (x, y, z) ∈ Kerf ⇔ ax − y + az = 0 ⇔ (a + 1)y = 0 ⇔ y=0
  

2ax + 2ay + z = 0 (1 − 2a)z = 0
 (1 − 2a)z = 0


1 →
−
 Si a 6= , on voit que Kerf = { 0 }.
2
Dans ce cas, l’application f est injective.
Imf est alors sous-espace de dimension 3 (un hyperplan) de R4 .
Notons (X, Y, Z, T ) les composantes d’un vecteur de R4 , dans la base canonique.
On sait que f (e1 ), f (e2 ), f (e3 ) sont dans l’hyperplan T = X + Z (cf (S1 ) et (S2 ).)
Ainsi l’image de f est précisément l’hyperplan d’équation X + Z − T = 0.

1
 Si a = , on a u = (x, y, z) ∈ Kerf ⇔ x = −z ⇔ (x, y, z) = x(1, 0, −1).
2
Dans ce Kerf est la droite vectorielle engendrée par le vecteur (1, 0, −1).
− 12
 
1 1 
1 1 f (e1 ) = (1, 1 , 1, 2)
−1  2
On a A =  2 2  et forment une base du plan Imf .
1 1 1  f (e ) = (− 1 , −1, 1, 1 )
1 2 2 2
2 2 2

I Solution 17.2.3 ............................................................................................................

Une base de P est formée des vecteurs u1 = (1, −1, 0) et u2 = (1, 0, −1).
Les vecteurts f (u1 ) et f (u2 ) forment donc une famille génératrice de f (P ).
Or f (u1 ) = (3, −5, 1, 4) et f (u2 ) = (6, −10, 2, 8) = 2f (u1 ).
Ainsi f (P ) est la droite vectorielle engendrée par le vecteur v = (3, −5, 1, 4).
Inversement soit u = (x, y, z). On connait l’expression des composantes X, Y, Z, T de f (u).
u est dans l’image réciproque de H si et seulement si :

(5x + 2y − z) + (−8x − 3y + 2z) + (−x − 2y − 3z) + (3x − y − 5z) = 0 ⇔ x + 4y + 7z = 0

L’image réciproque de H est donc l’hyperplan Q de R2 d’équation x + 4y + 7z = 0 dans la base canonique

(il est engendré par (4, −1, 0) et (7, 0, −1).)

I Solution 17.2.4 1. On applique la méthode du pivot :

   
2 1 3 −1 x 2 1 3 −1 x
3 −1 2 0 y  L ← 2L − 3L 0 −5 −5 3 2y − 3x
 2 2 1 
⇒
 
1 3 4 −2 z  L3 ← 2L3 − L1 0 5 5 −3 2z − x  L3 ← L3 + L2
  

4 −3 1 1 t L4 ← L4 − 2L1 0 −5 −5 3 t − 2x L4 ← L4 − L2
 
2 1 3 −1 x
0 −5 −5 3 2y − 3x 
⇒
 
0 0 0 0 −4x + 2y + 2z 


0 0 0 0 x − 2y + t

On constate que la matrice A est de rang 2. Donc Imf est un plan vectoriel.

Mathématiques en MPSI mathprepa.fr Page 4

© Jean-Michel Ferrard
17.2 Image, noyau, rang Chapitre 17 : Matrices et applications linéaires

Les vecteurs f (e1 ) = (2, 3, 1, 4) et f (e2 ) = (1, −1, 3, −3) forment une base de ce plan.
(
2x − y − z = 0
Le calcul précédent montre que u(x, y, z, t) ∈ Imf ⇔
x − 2y + t = 0
On a obtenu un système d’équations de Imf (intersection de deux hyperplans de R4 .)
(
z = 2x − y
Cela équivaut à : ⇔ (x, y, z, t) = x(1, 0, 2, −1) + y(0, 1, −1, 2)
t = −x + 2y
(
a = (1, 0, 2, −1)
On obtient ainsi une base un peu plus simple de Imf :
b = (0, 1, −1, 2)
2. La théorème de la dimension donne dim Kerf = 2.
On peut réutiliser les calculs précédents.
   
2 1 3 −1 2 1 3 −1
3 −1 2 0  0 −5 −5 3
En effet, on est passé de A =   à B =   par une successions
1 3 4 −2 0 0 0 0
4 −3 1 1 0 0 0 0
d’opérations élémentaires sur les lignes.
On en déduit qu’il existe une matrice inversible P telle que B = P A.
En particulier, pour toute matrice colonne X : AX = 0 ⇔ P AX = 0 ⇔ BX = 0.
Les deux matrices A et B ont donc le même noyau.
1

x = −z + t
(
2x + y + 3z − t = 0

Ainsi u(x, y, z, t) ∈ Kerf ⇔ B[u] = 0 ⇔ ⇔ 5
−5y − 5z + 3t = 0 3
y = −z + t

5
On a ainsi obtenu un système d’équations de Kerf (intersection de deux hyperplans.)
1 3 1
Cela équivaut à (x, y, z, t) = (−z + t, −z + t, z, t) = −z(1, 1, −1, 0) + t(1, 3, 0, 5).
5 5 ( 5
c = (1, 1, −1, 0)
Une base de Kerf est donc formée des vecteurs
d = (1, 3, 0, 5)

I Solution 17.2.5 ............................................................................................................

On note ε = (α, β, γ). Notons (e) = e1 , e2 , e3 la base canonique de R3 .

On constate que f (e1 ) = αε, f (e2 ) = βε et f (e3 ) = γε.
Ainsi les f (ek ) (qui engendrent Imf ) sont dans la droite Kε dirigée par ε.
Puisque (α, β, γ) 6= (0, 0, 0), l’un au moins des f (ek ) est non nul.
Ainsi l’application f est de rang 1 et Imf = Kε.

α(αx + βy + γz) = 0


→
−
Soit u(x, y, z) dans R3 On a f (u) = 0 ⇔ β(αx + βy + γz) = 0 ⇔ αx + βy + γz = 0.


γ(αx + βy + γz = 0

Ainsi Kerf est le plan de R3 d’équation αx + βy + γz = 0.

   
α
α
γ  β  = α2 + β 2 + γ 2 .


On a A = β  α β γ . D’autre part α β
γ γ
On en déduit : A2 = (α2 + β 2 + γ 2 )A, puis : ∀ n ∈ N∗ , An = (α2 + β 2 + γ 2 )n−1 A.

I Solution 17.2.6 ............................................................................................................

Mathématiques en MPSI mathprepa.fr Page 5

© Jean-Michel Ferrard
17.3 Changements de base Chapitre 17 : Matrices et applications linéaires

Pour répondre aux deux questions, on applique la méthode du pivot au tableau ci-dessous :
   
1 0 2 4 x 1 0 2 4 x
 1 1 −1 1 y L ← L − L
 2 2 1
 0 1 −3 −3 −x + y 
A0 =  ⇒
  
−1 1 3 1 z  L3 ← L3 + L1 0 1 5 5 x+z  L3 ← L3 + L2
 
 
1 2 1 3 t L4 ← L4 − L1 0 2 −1 −1 −x + t L4 ← L4 + 2L2
   
1 0 2 4 x 1 0 2 4 x
 0 1 −3 −3 −x +y   0 1 −3 −3 −x + y 
⇒ ⇒
   
 0 0 8 8 2x − y + z  0 0 8 8 2x − y + z

 
0 0 5 5 x − 2y + t 0 0 0 0 −2x − 11y − 5z + 8t
Le calcul précédent montre que rg A = 3.
1. Comme on n’a agi que sur les lignes, tout se passe comme si on avait multiplié à gauche par une
martice inversible P : le noyau est donc conservé.
Le vecteur u(x, y, z, t) est donc dans le noyau si et seulement si :
 
x + 2z + 4t = 0 x = −2t

 

y − 3z − 3t = 0 ⇐⇒ y=0 ⇐⇒ (x, y, z, t) = λ(2, 0, 1, −1), où λ ∈ R.
 

8z + 8t = 0 z = −t


le noyau de f est donc la droite vectorielle engendrée par le vecteur (2, 0, 1, −1).
2. Reprenons les calculs précédents par la méthode du pivot, avec le tableau A0 c’est-à-dire avec la
colonne supplémentaire des indéterminées x, y, z, t.
On sait que les vecteurs-colonne de A forment une famille génératrice de Imf , qui est un sous-espace
vectoriel de dimension 3 de K4 .
Le vecteur (x, y, z, t) est dans Imf si et seulement si la matrice A0 est encore de rang 3 et le calcul
ci-dessus montre que cela équivaut à 2x + 11y + 5z − 8t = 0.
On a ainsi obtenu une équation de l’hyperplan Imf .

17.3 Changements de base

I Solution 17.3.1 ............................................................................................................
 
0 1 1
1. La matrice de passage de (e) vers (e0 ) est P = 1 0 1.
1 1 0
 
0 3 1
On en déduit B = AP = .
−1 0 5
 
0 2 5
2. La matrice de passage de (ε) vers (ε ) est Q = .
1 3
 
3 −5
La matrice Q est inversible (donc (ε0 ) est une base de F ) et on a Q−1 = .
−1 2
 
5 9 −22
On en déduit C = Q−1 B = .
−2 −3 9

I Solution 17.3.2 ............................................................................................................

Soit f l’endomorphisme de R3 de matrice A dans la base canonique.

Il faut montrer qu’il existe une base (ε) de R3 dans laquelle la matrice de f est B.
( →
−
f (ε1 ) = f (ε3 ) = 0
Cela revient à trouver trois vecteurs libres ε1 , ε2 , ε3 tels que
f (ε2 ) = ε1
On voit que A (donc f ) est de rang 1 (trois colonnes proportionnelles deux à deux.)
On doit prendre ε1 dans Imf . On choisit par exemple ε1 = f (e1 ) = (1, −3, −2).
On constate que u(x, y, z) ∈ Kerf ⇔ x + y − z = 0 ⇔ (x, y, z) = x(1, 0, 1) + y(0, 1, 1).

Mathématiques en MPSI mathprepa.fr Page 6

© Jean-Michel Ferrard
17.3 Changements de base Chapitre 17 : Matrices et applications linéaires


ε1 = (1, −3, −2) →
−
 (
f (ε1 ) = f (ε3 ) = 0

On choisit ε2 = e1 = (1, 0, 0) . On a bien


ε = (1, 0, 1) f (ε2 ) = ε1
3
Les vecteurs ε1 , ε3 forment une base du plan Kerf , et ε2 n’appartient pas à Kerf .
La famille ε1 , ε2 , ε3 est donc une base de R3 , dans laquelle la matrice de f est B.
Ainsi les matrices A, B sont semblables.  1 1 1
Plus précisément, B = P −1 AP avec P = −3 0 0 (matrice de passage de (e) à (ε).)
−2 0 1
I Solution 17.3.3 ............................................................................................................

Les vecteurs ε1 , ε2 , non proportionnels, forment une base de C2 .  

i −2i
La matrice de passage de la base canonique à la base (ε) est P = .
2 1
1 −i 2
     
−1 2i i −2i 3 0
La matrice de f dans (ε) est B = P −1 AP = = .
5 2i 1 −2i 2 2 1 0 −2
On constate que cette matrice est diagonale.
On pouvait le voir directement en calculant f (ε1 ) et f (ε2 ).
    
−1 2i i 3i
En effet : A[ε1 ](e) = = = 3[ε1 ](e) donc f (ε1 ) = 3ε1 .
−2i 2 2 6
    
−1 2i −2i 4i
De même : A[ε2 ](e) = = = −2[ε2 ](e) donc f (ε2 ) = −2ε2 .
−2i 2 1 −2
L’égalité B = P −1 AP donne A = P BP −1 puis An = P B n P −1 .
Cette dernière égalité est valable pour n ∈ Z, car A et B sont inversibles.
On trouve finalement, pour tout n de Z :
1 i −2i 3n 1
 n
3 + 4(−2)n 2i3n − 2i(−2)n
    
0 −i 2
An = =
5 2 1 0 (−2)n 2i 1 5 −2i3n + 2i(−2)n 43n + (−2)n

I Solution 17.3.4 ............................................................................................................

Soit P une matrice inversible. On a P −1 AP = B si et seulement si P B = AP .

On va résoudre cette dernière équation (plus simple), et ne garder que les solutions inversibles.
     
a b 16a + 232b −a − 15b c d
Posons P = . On a P B = AP ⇔ = .
c d 16c + 232d −c − 15d 8a + c 8b + d



 16a + 232b − c = 0
 (
a + 15b + d = 0 a = −15b − d

Ce système équivaut à qui se réduit à


8a − 15c − 232d = 0 c = −8b − 16d

8b + c + 16d = 0


     
−15b − d b −15 1 −1 0
Les solutions sont donc les matrices P (b, d) = =b +d .
−8b − 16d d −8 0 −16 1
 b 2 33
Le déterminant d’une telle matrice P (b, d) est ∆ = bd − d2 + 8b2 = − d − + b2 .
2 4
On constate que ∆ > 0 sauf pour a = b = 0. Ainsi P est inversible si (b, d) 6= (0, 0).
Conclusion :
 Les matrices A et B sont semblables dans M2 (R).
 
−15b − d b
 Les matrices P telles que B = P −1 AP sont les P = , avec (b, d) 6= (0, 0).
−8b − 16d d

I Solution 17.3.5 ............................................................................................................

→
−
Il existe un vecteur u de E tel que f n−1 (u) 6= 0 .

Mathématiques en MPSI mathprepa.fr Page 7

© Jean-Michel Ferrard
17.3 Changements de base Chapitre 17 : Matrices et applications linéaires

On pose u1 = f n−1 (u), u2 = f n−2 (u), . . . , un−1 = f (u), un = u.

Supposons par l’absurde que les vecteurs uk soient liés.
n
P →
−
Il existe donc λ1 , . . . , λn , non tous nuls, tels que λk uk = 0 .
k=1
→
−
Soit j l’indice maximum tel que λj 6= 0. On trouve λj f n−j (u) + λk f n−k (u) = 0 .
P
k<j
→
−
On applique f j−1 à cette égalité et on trouve λj f n−1 (u) = 0 ce qui est contradictoire.
Ainsi les n vecteurs u1 , . . . , un sont libres : ils forment une base de E.
→
−
Par construction, on a f (uk ) = uk−1 pour tout k de {2, . . . , n}, et f (u1 ) = 0 .
Cela signifie que la matrice de f dans la base u1 , u2 , . . . , un est la matrice A de l’énoncé.

I Solution 17.3.6 ............................................................................................................

 
−13 1 1 −7
−37 −1 2 1
– La matrice de la famille (ε) dans la base canonique est P =  
 3 0 0 −5
Montrons que P est inversible. 1 0 0 5
Pour cela, onmontre que pour toute matricecolonne X, on a P X= 0 ⇒ X = 0.


 −13x + y + z − 7t = 0 

 y+z =0 

 x=0
  
−37x − y + 2z + t = 0
 −y + 2z = 0
 y = 0

PX = 0 ⇔ ⇔ ⇔


 3x − 5t = 0 

 x=0 

 z=0
  
x + 5t = 0
 t = 0
 t = 0


Ainsi la matrice P est inversible.

On en déduit que la famille (ε) est une base de R4 .

– Pour montrer que B est diagonale on montre que ∀ k ∈ {1, 2, 3, 4}, ∃ λk ∈ R, f (εk ) = λk εk .
Pour cela on utilise la matrice A de f dans (e) et les coordonnées des εk dans (e).
    
0 1 5 9 −13 −13
 −37 −37
2 1 6 8    
 On a A[ε1 ] =  =  = [ε1 ]. On en déduit f (ε1 ) = ε1 .

0 0 0 3  3   3 


0 0 1 −2 1 1

 De même, A[ε2 ] = −[ε2 ] donc f (ε2 ) = −ε2 .

 On a aussi que A[ε3 ] = 2[ε3 ] donc f (ε3 ) = 2ε3 .

 Enfin, on a A[ε4 ] = −3[ε4 ] donc f (ε4 ) = −3ε4 .

 
1 0 0 0
0 −1 0 0
Ces résultats signifient que la matrice de f dans (ε) est B = 
0

0 2 0
0 0 0 3

I Solution 17.3.7 ............................................................................................................

(
une base (ε) = ε1 , ε2 , ε3 , ε4 de R4
Il faut trouver tels que : ∀ k ∈ {1, . . . , 4}, f (εk ) = λε4 .
quatre scalaires λ1 , λ2 , λ3 , λ4
 
λ1 0 0 0
0 λ2 0 0
La matrice de f dans la base (ε) sera alors D =  .
0 0 λ3 0
0 0 0 λ4

Mathématiques en MPSI mathprepa.fr Page 8

© Jean-Michel Ferrard
17.3 Changements de base Chapitre 17 : Matrices et applications linéaires

On considère donc l’équation f (u) = λu, avec u = (x, y, z, t) dans R4 et λ dans R.

 


−x − 4y − 2z − 2t = λx 

−5x − 5y − 4z − 4t = λ(x + y)
 
−4x − y − 2z − 2t = λy
 3x − 3y = λ(x − y)

f (u) = λu ⇔ ⇔


2x + 2y + z + 4t = λz 

4x + 4y + 5z + 5t = λ(z + t)
 
2x + 2y + 4z + t = λt −3z + 3t = λ(z − t)

 




(λ + 5)(x + y) + 4(z + t) = 0

4(x + y) − (λ − 5)(z + t) = 0

⇔


(λ − 3)(x − y) = 0

(λ + 3)(z − t) = 0



 Supposons λ = 3. Alors :
( (
2(x + y) + (z + t) = 0 y = −x − t
f (u) = 3u ⇔ ⇔
z=t z=t
⇔ (x, y, z, t) = (x, −x − t, t, t) = x(1, −1, 0, 0) + t(0, −1, 1, 1)
( (
ε1 = (1, −1, 0, 0) f (ε1 ) = 3ε1
Les deux vecteurs sont libres et
ε2 = (0, −1, 1, 1) f (ε2 ) = 3ε3
En fait, ε1 et ε2 forment une base du plan Ker(f − 3Id).

 Supposons λ = −3. Alors :

( (
(x + y) + 2(z + t) = 0 y=x
f (u) = −3u ⇔ ⇔
y=x z = −t − x
⇔ (x, y, z, t) = (x, x, −t − x, t) = x(1, 1, −1, 0) + t(0, 0, −1, 1)
( (
ε3 = (1, 1, −1, 0) f (ε3 ) = −3ε3
Les deux vecteurs sont libres et
ε4 = (0, 0, −1, 1) f (ε4 ) = −3ε4
En fait, ε3 et ε4 forment une base du plan Ker(f + 3Id).
Les deux plans Ker(f − 3Id) et Ker(f + 3Id) sont en somme directe.
→
−
En effet, si u ∈ Ker(f − 3Id) ∩ Ker(f + 3Id) alors f (u) = 3u = −3u donc u = 0 .
 
On en déduit E = Ker(f − 3Id) ⊕ Ker(f + 3Id). 3 0 0 0
0 3 0 0
ε1 , . . . , ε4 forment donc une base de R4 , où la matrice de f est D = 

.
0 0 −3 0
0 0 0 −3

I Solution 17.3.8 ............................................................................................................

 
0 1 1
La matrice de la famille (ε) dans la base (e) est P = 1 1 1.
1 0 1
 
y + z = a x = −a + b
        
x a x −1 1 0 a

 

P y  =  b  ⇔ x + y + z = b ⇔ y =b−c ⇔ y  =  0 1 −1 b 
z c z 1 −1 1 c
 
=a−b+c

x + z = c 
z

 
−1 1 0
Ce calcul prouve que P est inversible et que P −1 =  0 1 −1.
1 −1 1
Ainsi ε1 , ε2 , ε3 forment une base de R3 .
La matrice de f dans cette base est :

Mathématiques en MPSI mathprepa.fr Page 9

© Jean-Michel Ferrard
17.3 Changements de base Chapitre 17 : Matrices et applications linéaires

        
−1 1 0 3 −1 1 0 1 1 −1 1 0 0 1 1 1 0 0
B = P −1 AP =  0 1 −12 0 11 1 1 =  1 1 −11 1 1 = 0 2 1
1 −1 1 1 −1 2 1 0 1 2 −2 2 1 0 1 0 0 2

f (ε1 ) = ε1


Pour trouver B, il est quand même plus simple de vérifier que f (ε ) = 2ε
2 2


f (ε ) = ε + 2ε
     3 2 3
3 −1 1 0 0
Effectivement A[ε1 ](e) = 2 0 11 = 1 = [ε1 ](e) .
1 −1 2 1 1
    
3 −1 1 1 2
De même, A[ε2 ](e) = 2 0 11 = 2 = 2[ε2 ](e) .
1 −1 2 0 0
    
3 −1 1 1 3
Enfin A[ε3 ](e) = 2 0 11 = 3 = [ε2 ](e) + 2[ε3 ](e) .
1 −1 2 1 2
L’égalité A = P BP −1 donne An = P B n P −1 pour tout n de N.  
1 0 0
Une récurrence évidente montre que pour tout n de N on a B n = 0 2n n2n−1 .
0 0 2n
On en déduit, pour tout n de N.

(n + 2)2n−1 −n2n−1 n2n−1

     
0 1 1 1 0 0 −1 1 0
An =  1 1 10 2n n2n−1  0 1 −1 = (n + 2)2n−1 − 1 1 − n2n−1 n2n−1 
1 0 1 0 0 2n 1 −1 1 2n − 1 1 − 2n 2n

Remarque : on vérifie facilement que l’expression donnant B n (donc celle donnant An ) sont encore valables
si n est un entier strictement négatif.

I Solution 17.3.9 ............................................................................................................

G 6= ∅ car g = 0 convient. Soient g1 , g2 dans L(F, E), et α1 , α2 dans K. On a :

f ◦ (α1 g1 + α2 g2 ) ◦ f = f ◦ (α1 g1 ◦ f + α2 g2 ◦ f ) = α1 f ◦ g1 ◦ f + α2 f ◦ g2 ◦ f = 0

Ainsi g = α1 g1 + α2 g2 appartient à G, qui est donc un sous-espace vectoriel de L(F, E).

Soient F 0 un supplémentaire de Imf dans F , et E 0 un supplémentaire de Kerf dans E.
On munit F d’une base (ε) ∪ (ε0 ) adaptée à la somme directe F = Imf ⊕ F 0 .
Dans cette notation, (ε) est une base de Imf , donc formée de r vecteurs.
On munit E d’une base (e) ∪ (e0 ) adaptée à la somme directe E = Kerf ⊕ E 0 .
Dans cette notation, (e) est une base de Kerf , donc formée de n − r vecteurs.
Soit g dans L(F, E), de matrice A dans les bases (ε) ∪ (ε0 ) et (e) ∪ (e0 ).
Dire que g est dans G, c’est dire que Im(g ◦ f ) ⊂ Kerf , ou encore g(Imf ) ⊂ Kerf .
 
B C
Cela équivaut à dire que A se décompose en blocs sous la forme A = , où B est une matrice
0 D
quelconque de type (r, n − r), le bloc nul étant une matrice carrée d’ordre r.
Dans cette notation, B est la matrice dans les bases (ε) et (e) de la restriction de g à Imf (cette restriction
étant un morphisme quelconque de Imf dans Kerf .)
On sait que l’application qui à un morphisme associe sa matrice dans une couple de bases donné est un
isomorphisme. On en déduit que la dimension de G est égal à la dimension de l’espace vectoriel des matrices
A de la forme précédente, c’est-à-dire np − r2 .
Remarque : on vérifie que le résultat est correct même dans les “cas-limites” par exemple quand r = 0
(c’est-à-dire f = 0) car alors on ne peut parler d’une base (ε) de Imf . En effet dans ce cas, G est égal à
L(F, E) tout entier et on a dim G = np.

Mathématiques en MPSI mathprepa.fr Page 10

© Jean-Michel Ferrard
17.3 Changements de base Chapitre 17 : Matrices et applications linéaires

I Solution 17.3.10 ..........................................................................................................

Soient f, g les endomorphismes de Kn de matrices respectives A, B dans la base canonique.

L’hypothèse AB = 0 devient f ◦ g = 0 et elle signifie que Img est inclus dans Kerf .
Cela implique rg g 6 dim Kerf , c’est-à-dire rg g 6 n − rg f .
On a donc déja démontré l’inégalité rg f + rg g 6 n.
L’autre hypothèse dit que f + g est un automorphisme de Kn , c’est-à-dire Im(f + g) = Kn .
Or on a toujours Im(f + g) ⊂ Imf + Img : en effet tout vecteur y = (f + g)(x) de Im(f + g) s’écrit comme
la somme de f (x) ∈ Imf et de g(x) ∈ Img.
On en déduit ici Imf + Img = Kn .
Par conséquent n = dim(Imf + Img) = rg (f ) + rg (g) − dim(Imf ∩ Img).
Il en résulte l’inégalité rg (f ) + rg (g) > n.
On a donc démontré l’égalité rg f + rg g = n.

I Solution 17.3.11 ..........................................................................................................

1. Soient x1 , x2 , . . . , xn les coefficients successifs de X.

On a X > X = x21 + x22 + · · · + x2n .
On en déduit effectivement que X > X = 0 si et seulement si les coefficients xi sont nuls.
Autrement dit, c’est-à-dire X > X = 0 si et seulement si X = 0.

2. Soit f l’endomorphisme de Rn de matrice A dans la base canonique.

De même, soit g l’endomorphisme de matrice B = A> A.
On note X la matrice colonne des coordonnées d’un vecteur x quelconque de Rn .
→
−
Soit x un vecteur de Kerf . On a f (x) = 0 , c’est-à-dire AX = 0.
Il en découle A> AX = 0, ce qui prouve que x est dans le noyau de g.
Ainsi on a Kerf ⊂ Kerg.
→
−
Réciproquement, soit x un vecteur de Kerg. On a g(x) = 0 , c’est-à-dire A> AX = 0.
Mais cela implique X > A> AX = 0, c’est-à-dire (> AX)AX = 0.
En utilisant (a), on en déduit AX = 0, ce qui prouve que x est dans Kerf .
On a ainsi démontré que Kerg = Kerf . Il en découle que f et g ont le même rang.
(On rappelle que n = rg f + dim Kerf = rg g + dim Kerg.)
Mais l’égalité rg f = rg g n’est autre que l’égalité rg A> A = rg A.
Enfin, en appliquant ce qui précède à A> , on trouve rg AA> = rg A> = rg A.
Conclusion : pour toute matrice A de Mn (K), rg AA> = rg A> A = rg A.

3. On va construire un contre-exemple A dans M2 (C).

Si on veut que B = A> A et A n’aient pas le même rang, il ne faut pas choisir A inversible (car alors
B le serait).
Il ne faut pas non plus choisir A = 0 car alors B serait nulle elle aussi.
On doit donc choisir une matrice!
de rang 1.
a a
Posons par exemple A = (on choisit donc deux colonnes identiques).
b b
! ! !
a b a a c c
On a A> A = = où c = a2 + b2 : il suffit de choisir a = 1, b = i.
a b b b c c
!
1 1
Ainsi A = est de rang 1 alors que A> A est de rang 0.
i i
!
1 i
De même, par transposition, A = est de rang 1 mais AA> est nulle.
1 i

Mathématiques en MPSI mathprepa.fr Page 11

© Jean-Michel Ferrard
17.3 Changements de base Chapitre 17 : Matrices et applications linéaires

I Solution 17.3.12 ..........................................................................................................

1. Soit A une matrice de Mn (K), de rang r.

– Premier cas particulier : si r = 0.
Alors A = 0 et on a Q−1 AP = Jn (0) = 0, avec P, Q inversibles quelconques.
– Deuième cas particulier, si r = n.
A est inversible, et Q−1 AP = Jn (n) = In avec par exemple Q = A, P = In .
– On suppose donc 1 6 r 6 n − 1.
Soit f ∈ L(Kn ), de matrice A dans la base canonique (e) = e1 , e2 , . . . , en .
Le rang de f est égal à r.
La dimension de son noyau est donc égale à n − r.
Soit H un supplémentaire de Kerf dans Kn : dim H = r.
On note (ε) = ε1 , . . . , εr , εr+1 , . . . , εn une base de Kn adaptée à Kn = H ⊕ Kerf .
| {z } | {z }
base de H base de Kerf
On sait que la restriction de f à H est un isomorphisme de H sur Imf .
On en déduit que les vecteurs ε01 = f (ε1 ), . . . , ε0r = f (εr ) forment une base de Imf .
Complétons-la en une base (ε0 ) = ε01 , . . . , ε0r , ε0r+1 , . . . , ε0n de Kn .
Par construction, la matrice de f entre les bases (ε) et (ε0 ) est Jn (r).
Autrement dit, si on note P la matrice de passage de (e) à (ε) et Q la matrice de passage de (e) à
(ε0 ), on a l’égalité Q−1 AP = Jn (r).
Réciproquement, une égalité telle que Q−1 AP = Jn (r) (où P et Q sont deux matrices inversibles)
prouve que A et Jn (r) sont susceptibles de représenter une même application linéaire f .
Les deux matrices A et Jn (r) ont donc le même rang (celui de f ), et il est clair que celui de Jn (r)
est égal à r.

2. Il existe P, Q inversibles telles que Q−1 AP = Jn (r) avec r = rg (A).

−1
On en déduit par transpostion que P > A> Q> = Jn> (r) = Jn (r).
En réutilisant la fin de (a), cette égalité prouve que le rang de A> est encore égal à r.
3. Reprenons l’égalité Q−1 AP = Jn (r), qui s’écrit A = QJn (r)P −1 .
On peut écrire Jn (r) = Kn + Ln , avec Kn = In + Jn (r) et Ln = −In .
Kn et Ln sont inversibles car diagonales avec des coefficients diagonaux non nuls.
Jn (r) = Kn + Ln donne A = QJn (r)P −1 = Q(Kn + Ln )P −1 = QKn P −1 + QLn P −1 .
C’est bien l’écriture de A comme somme de deux matrices inversibles.

I Solution 17.3.13 ..........................................................................................................

1. On note comme toujours Eij les matrices de la base canonique de Mn (K).

Soit M = (mij ) un élément de Mn (K).
n
P n
P P P
On a légalité M = mij Eij = mii Eii + mij Eij + mij Eij .
i,j=1 i=1 i<j j<i
Dire que M est antisymétrique, c’est dire que pour tous i, j on a mji = −mij .


mij Eij − Eji .
P
Cela équivaut à M =
i<j
n(n − 1)
Les matrices Fij = Eij − Eji avec i < j forment donc une base de E.
2
On voit que la composante de M sur Fij est égal au coefficient d’indice (i, j) de M .
Exemple : si n = 3, on obtient les matrices :
     
0 1 0 0 0 1 0 0 0
F12 = −1 0 0 , F13 =  0 0 0 , F23 = 0 0 1 
     
0 0 0 −1 0 0 0 −1 0

Mathématiques en MPSI mathprepa.fr Page 12

© Jean-Michel Ferrard
17.4 Calcul effectif du rang Chapitre 17 : Matrices et applications linéaires

2. Pour toute matrice M de E la matrice f (M ) est encore un élément de Mn (K) et :

(> f (M )) = (> A> M + M A) = M > > A> + A> M > = −M A − A> M = −f (M )

L’application f est donc bien à valeurs dans E.

Enfin la linéarité de f est évidente : f (λM + µN ) = λf (M ) + µf (N ).
Pour calculer la trace de f , on évalue la composante fij de f (Fij ) sur Fij (les fij seraient les coefficients
diagonaux de la matrice de f dans la base de E formée des matrices Fij .)
On se donne donc un couple d’indices (i, j), avec i < j.
 
Notons B rs le coefficient général (ligne r, colonne s) de toute matrice B.
La composante de f (Fij ) = A> Fij + Fij A sur Fij est son coefficient d’indice (i, j).
Cette composante s’écrit :
n n
A> ik Fij kj = A>
  X     X        
f (Fij ) ij
= + Fij ik
A kj ii
+ A jj
= aii + ajj
k=1 k=1

P    P
On en déduit trf = f (Fij ) ij
= (aii + ajj ).
i<j i<j
P
Par symétrie, cette somme S s’écrit aussi T = (ajj + aii ).
j<i
On obtient donc la valeur de la trace de l’endomorphisme f :
n
1 1X
aii = (n − 1)(> A)
X X
trf = (S + T ) = (aii + ajj ) = aii = (n − 1)
2 2 i6=j i6=j i=1

17.4 Calcul effectif du rang

I Solution 17.4.1 ............................................................................................................

On réalise, dans cet ordre, les opérations L4 ← L4 − L3 , L3 ← L3 − L2 , et L2 ← L2 − L1 .

 
1 2 3 4 5  
1 1 1 1 1
Alors rg A = rg   = rg 1 2 3 4 5
= 2.
1 1 1 1 1 1 1 1 1 1
1 1 1 1 1

I Solution 17.4.2 ............................................................................................................

On procède par opérations élémentaires sur les lignes de la matrice A :

8 L1 ← L1 + 5L4 0 27 75 −27 48
   
5 2 20 −2
−6 L2 ← L2 + 8L4  0 42 98 −40 58
8 2 10 0  

2 2 2 −1 −3L3 ← L3 + 2L4  0 12 24 −11 13
−1 5 11 −5 8 =⇒ −1 5 11 −5 8
   
L1 ← L1 /3 0 9 25 −9 16 0 0 0 0 0
0 21 49 −20 29L1 ← L1 − L2 + L3  0 21 49 −20 29
L2 ← L2 /2
  
0 12 24 −11 13 =⇒ 0 12 24 −11 13
=⇒ −1 5 11 −5 8 −1 5 11 −5 8
 
0 21 49 −20 29
Ainsi les matrices A et B =  0 12 24 −11 13 ont le même rang.
−1 5 11 −5 8
Les lignes L1 et L2 de B sont indépendantes (non proportionnelles), et la ligne L3 de B (dont la première
composante n’est pas nulle) n’est pas dans le plan engendré par L1 et L2 .
On en déduit rg A = rg B = 3.

Mathématiques en MPSI mathprepa.fr Page 13

© Jean-Michel Ferrard
17.4 Calcul effectif du rang Chapitre 17 : Matrices et applications linéaires

I Solution 17.4.3 ............................................................................................................

On procède par opérations élémentaires sur les lignes de la matrice A :

L2 ← L2 − λL1 1
   
1 −1 2 L ← 2L2 + (1 − λ)L3 1 1 −1 2
L3 ← L3 − L1 0 1 − λ 1 + λ 1 − 2λ 2 0 0 2(3 − λ) λ − 3
  L4 ← L4 − L3  
L4 ← L4 − 4L1 0 −2
 4 −5   0 −2 4 −5 
0 −2 4 λ−8 =⇒ 0 0 0 λ−3
=⇒

Pour ramener la matrice à une forme échelonnée, il reste à échanger L2 et L3 .

   
1 1 −1 2 1 1 −1 2
0 −2 4 −5 0 −2 4 −5
6 3, rg A = rg 
Si λ =  = 4, et si λ = 3, on a rg A = rg   = 2.
0 0 −2 1 0 0 0 0
0 0 0 1 0 0 0 0

I Solution 17.4.4 ............................................................................................................

On ne change pas le rang de A en ajoutant à la ligne L1 la somme des autres lignes.

On obtient une matrice B dont la ligne L1 s’écrit (c, c, . . . , c), avec c = a + (n − 1)b.
– Cas général : a 6= (1 − n)b.
Dans ce cas, on divise la ligne L1 de B par c = a + (n − 1)b. On a alors :
   
1 1 1 ... 1 1 1 1 ... 1
b a b ... b 0 a − b 0 ... 0 
  ∀ i ∈ {2, . . . , n}  
 .. .. ..   .. .. .. 
rg A = rg 
: . . . : Li ← Li − bL1 rg 
: . . . : 
 . .. .. ..  =⇒  . .. .. .. 
: . . b : . . 0 
b ... ... b a 0 ... ... 0 a−b
On voit alors que si a = b (avec a + (n − 1)b 6= 0 c’est-à-dire a = b 6= 0), alors rg A = 1.
En revanche, si a 6= b (toujours avec a 6= (1 − n)b) alors rg A = n.

– Cas particulier : a = (1 − n)b. Si b = 0 (donc si a = b = 0) on a évidemment rg A = 0.

Supposons donc a = (1 − n)b 6= 0.
On peut alors supprimer la ligne nulle L1 de B, et diviser le reste par b.
 
1 1−n 1 ... 1
 .. .. .. 
: . . . : 
 (matrice de type (n − 1) × n.)
On en déduit rg A = rg 
 .. .. .. 
: . . . 1 
1 ... ... 1 1 − n
On ne modifie pas le rang en appliquant les opérations Ci ← Ci − C1 , pour tout i > 2.
 
1 −n 0 ... 0
 .. .. 
: 0 . . : 
 = n − 1.
On trouve donc rg A = rg 
 .. .. .. 
: . . . 0 
Conclusion : 1 ... ... 0 −n

 Si a = b = 0, rg A = 0 ; si a = b 6= 0, rg A = 1
 Si a = (1 − n)b 6= 0, rg A = n − 1 ; si a ∈
/ {b, (1 − n)b}, rg A = n.

I Solution 17.4.5 ............................................................................................................

          
x 0 r −q x ry − qz x p
On a Ay  = −r 0 p y  = −rx + pz  = y  ∧ q 
z q −p 0 z qx − py z r
Ainsi la matrice A représente le produit vectoriel par le vecteur ω = (p, q, r).
Le noyau de A est donc formé des vecteurs liés à (p, q, r).
On en déduit que dim KerA = 1, donc rg A = 2.

Mathématiques en MPSI mathprepa.fr Page 14

© Jean-Michel Ferrard
17.4 Calcul effectif du rang Chapitre 17 : Matrices et applications linéaires

I Solution 17.4.6 ............................................................................................................

A est une matrice carrée d’ordre n dont le terme général est aij = (i + j − 1)2 .
On écrit aij = (j − 1)2 + 2i(j − 1) + i2 . On en déduit que pour tout indice i, on a :

2 2 2

U = (0, 1, 2 , . . . , (j − 1) , . . . , (n − 1) )


Li = U + 2iV + i2 W, avec V = (0, 1, 2, . . . , j − 1, . . . , n − 1)


W = (1, 1, 1, . . . , 1, . . . , 1)

Ainsi toutes les lignes de A sont dans le sous-espace E de Rn engendré par U, V, W .

Il en découle que le rang de A est inférieur ou égal à 3.
 

1 4
– Si n = 1, alors A = 1 est de rang 1. Si n = 2, alors A = est de rang 2.
4 9
– Si n > 3, les vecteurs U = (0, 1, 4, . . .), V = (0, 1, 2, . . .) sont indépendants (non proportionnels) et le
vecteur W = (1, 1, 1, . . .) (dont la première composante n’est pas nulle) n’appartient pas au plan engendré
par U et V .
Il en découle que le sous-espace E de Rn engendré par U, V, W est de dimension 3.
D’autre part, on a L1 = U + 2V + W , L2 = U + 4V + 4W et L3 =U + 6V  + 9W .
1 1 1
La matrice de L1 , L2 , L3 dans la base U, V, W de E est donc B = 2 4 6.
1 4 9
 
1 1 1
On a rg B = rg 0 2 4 = 3. Ainsi L1 , L2 , L3 sont libres et rg A = 3.

0 3 8

I Solution 17.4.7 ............................................................................................................

Contrairement à ce qu’on peut craindre, il n’y a pas de calcul pénible.

3
On constate en effet que dans A on a l’égalité L2 = L4 .
2
On peut donc supprimer la ligne L2 sans modifier le rang de la matrice.
Il reste alors à effectuer une permutation sur les colonnes et la matrice obtenue est échelonnée.
   
75 0 116 39 0 0 0 116 39 75
rg A = rg 301 0 87 −417 −169 = rg  0 −169 87 −417 301 = 3
114 −46 268 82 30 −46 30 268 82 114

I Solution 17.4.8 ............................................................................................................

On procède par opérations élémentaires sur les lignes de la matrice A :


1 −2 3 −1 −1 −2
 L2 ← L2 − 2L1 
1 −2 3 −1 −1 −2

2
 −1 1 0 −2 −2
L3 ← L3 + 2L1 0
 3 −5 2 0 2
−2
 −5 8 −4 3 −1 L4 ← L4 − 6L1 0
 −9 14 −6 1 −5

6 0 −1 2 −7 −5 L5 ← L5 + L1 0 12 −19 8 −1 7
−1 −1 1 −1 2 1 =⇒ 0 −3 4 −2 1 −1

   
1 −2 3 −1 −1 −2 1 −2 3 −1 −1 −2
L3 ← L3 + 3L1 
0 3 −5 2 0 2
0
 3 −5 2 0 2
L4 ← L4 − 4L1 
0 0 −1 0 1 1L4 ← L4 + L3 0
 0 −1 0 1 1
L5 ← L5 + L1 0 0 1 0 −1 −1 L5 ← L5 − L3 0
 0 0 0 0 0
=⇒ 0 0 −1 0 1 1 =⇒ 0 0 0 0 0 0

On constate donc que le rang de la matrice A est égal à 3.

Mathématiques en MPSI mathprepa.fr Page 15

© Jean-Michel Ferrard
17.4 Calcul effectif du rang Chapitre 17 : Matrices et applications linéaires

I Solution 17.4.9 ............................................................................................................

On écrit la matrice P de la famille (ε) dans la base canonique.

On borde cette matrice par la colonne des coordonnées de v. Soit A la matrice obtenue.
On applique à A la méthode du pivot de manière à transformer P en I5 .

1 L1 ← L1 − 2L2
   
1 2 1 1 1 1 2 1 1
−1 L2 ← L1 − L2 0 1 1 2 −1 L3 ← L3 + L2
1 1 0 2  

1 1 1 −1 3L3 ← L3 − L1 0 −1 0 −2 2  L4 ← L4 − L2
0 1 2 1 4 =⇒ 0 1 2 1 4 =⇒
−3 3 L1 ← L1 + L3 1 0 0 −3 4 L ← L + 3L 1
     
1 0 −1 0 0 0 −8
1 1 4
2 −1L2 ← L2 − L3 0 1 0 2 −2L2 ← L2 − 2L4 0
0 1 1    1 0 0 6
 
0 0 1 0 1 L4 ← L3 − L4 0 0 1 0
  1  0 0 1 0 1
0 0 1 −1 5 0 0 0 1 −4 =⇒ 0 0 0 1 −4
=⇒

On a pu passer de P à I5 par des opérations élémentaires. On en déduit que A est inversible.

Le résultat ci-dessus montre alors que v = −8ε1 + 6ε2 + ε3 − 4ε4 .
En effet toute succession d’opérations élémentaires sur les lignes se traduit par une multiplication à gauche
par une matrice inversible Q. Si on passe de P à I5 , c’est que Q = P −1 .
En agissant sur le tableau A = (P | [v]e ), on est passé à QA = (QP | Q[v]e ) = (I | P −1 [v]e ).
Enfin on sait que la matrice-colonne des coordonnées de v dans (ε) est reliée à la matrice-colonne des
coordonnées de v dans (e) par [v]e = P [v]ε .

I Solution 17.4.10 ..........................................................................................................

On forme la matrice A de la famille u1 , . . . , u5 dans la base canonique de R5 .

On borde cette matrice A par la colonne des coordonnées d’un vecteur v = (x1 , x2 , x3 , x4 , x5 ).
   
1 2 −1 1 3 1 2 −1 1 3 x1
−1 1 2 5 −7 −1 1 2 5 −7 x2 
   
Ainsi A = 
2 −1 1 −8 8 puis B =  2
 −1 1 −8 8 x3 

3 2 1 −5 9 3 2 1 −5 9 x4 
4 0 3 −12 13 4 0 3 −12 13 x5
Pour trouver le rang de A, on procède par opérations élémentaires sur les lignes de B.
Mais le fait d’agir sur les lignes de B va permettre de trouver les conditions nécessaires et suffisantes pour
que v appartienne au sous-espace engendré par u1 , . . . , u5 .
Il suffira en effet d’exprimer que rg A = rg B.
   
1 2 −1 1 3 x1 1 −1 2 1 3 x1
0
 3 1 6 −4 x2 + x1  0
C2  C3  1 3 6 −4 x2 + x1 
B =⇒ 
0 −5 3 −10 2 x3 − 2x1 
 =⇒ 0
 3 −5 −10 2 x3 − 2x1 

0 −4 4 −8 0 x4 − 3x1  0 4 −4 −8 0 x4 − 3x1 
0 −8 7 −16 1 x5 − 4x1 0 7 −8 −16 1 x5 − 4x1

Mathématiques en MPSI mathprepa.fr Page 16

© Jean-Michel Ferrard
17.4 Calcul effectif du rang Chapitre 17 : Matrices et applications linéaires

 
1 −1 2 1 3 x1
L3 ← L3 − 3L2 
0 1 3 6 −4 x2 + x1 

L4 ← L4 − 4L2 
0 0 −14 −28 14 −3x2 − 5x1 + x3 
L5 ← L5 − 7L2 0 0 −16 −32 16 −4x2 − 7x1 + x4 
=⇒ 0 0 −29 −58 29 −7x2 − 11x1 + x5
 
1 −1 2 1 3 x1
L5 ← L5 − L3 − L4 
0 1 3 6 −4 x2 + x1 

puis 0 0
 −14 −28 14 −3x2 − 5x1 + x3  
L4 ← L4 − L3 0 0 −2 −4 2 −x2 − 2x1 − x3 + x4 
=⇒ 0 0 1 2 −1 x1 − x4 − x3 + x5
 
1 −1 2 1 3 x1
L3 ← L3 − 7L4 
0 1 3 6 −4 x2 + x1 

puis 0 0
 0 0 0 9x1 + 4x2 + 8x3 − 7x4 

L4 ← L4 + 2L5 0 0 0 0 0 −x2 − 3x3 − x4 + 2x5 
=⇒ 0 0 1 2 −1 x1 − x4 − x3 + x5

Ainsi rg A = 3. Le sous-espace E de R5 engendré par u1 , . . . , u5 est donc de dimension 3.

(
9x1 + 4x2 + 8x3 − 7x4 = 0
v(x1 , . . . , x5 ) est dans E ⇔ rg B = 3 ⇔
x2 + 3x3 + x4 − 2x5 = 0

I Solution 17.4.11 ..........................................................................................................

 
( ( 0 0 0 b
a=0 a=0 b 0 0 0
Si alors rg A = 0. Si on a rg A = rg   = 4.
b=0 b 6= 0 0 b 0 0
0 0 b 0
On peut donc supposer a 6= 0. On utilise successivement les opérations suivantes :
L2 ← aL2 − bL1 , L3 ← a2 L3 − bL2 , L4 ← a3 L4 − bL3
On obtient alors les matrices :
       
a 0 0 b a 0 0 b a 0 0 b a 0 0 b
b a 0 0  0 a2 0 −b2  0 a2 0 −b2  0 a2 0 −b2 
 ⇒ ⇒ ⇒ 
0 b a 0 0 b a 0  0 0 a3 b3  0 0 a3 b3 
0 0 b a 0 0 b a 0 0 b a 0 0 0 a4 − b4
On en déduit que si b4 6= a4 , alors rg A = 4 (la matrice A est inversible.)
Dans le cas contraire, c’est-à-dire si b ∈ {a, ia, −a, −ia}, alors rg A = 3.

I Solution 17.4.12 ..........................................................................................................

On applique des opérations sur les lignes de A, de manière à la transformer en I4 .

  
1 1 1 1
L2 ← L2 − L1


0 a 0 0
On a applique les opérations L ← L −L
3 3 1 qui transforment A en B = 
0 0 b 0
.

L ← L − L

4 4 1 0 0 0 c
On a (A inversible) ⇔ (B inversible) ⇔ (a, b, c sont non nuls).  
abc 0 0 0
 0 a 0 0
Dans ce cas L1 ← abcL1 − aL2 − bL3 − cL4 transforme B en C = 
 0 0 b 0.


0 0 0 c
1 1 1 1
On transforme C en I4 en appliquant : L1 ← L1 , L2 ← L2 , L3 ← L3 , L4 ← L4 .
abc a b c
On applique maintenant les mêmes opérations à la matrice I4 pour passer de I4 à A−1 .
     
1 0 0 0 1 0 0 0 abc + bc + ac + ab −bc −ac −ab
0 1 0 0 −1 1 0 0  −1 1 0 0 
 ⇒ ⇒ 
0 0 1 0 −1 0 1 0  −1 0 1 0 
0 0 0 1 −1 0 0 1 −1 0 0 1

Mathématiques en MPSI mathprepa.fr Page 17

© Jean-Michel Ferrard
17.5 Formes linéaires Chapitre 17 : Matrices et applications linéaires

 1 1 1 1 1 1
1+ + + − − −
 a b c a b c
 1 1 
 − 0 0 
Les dernières opérations conduisent à A−1 = 
 a a 

 1 1 
 − 0 0 
 b b 
1 1
 
− 0 0
c c

17.5 Formes linéaires

NB : les trois exercices suivants sont « légèrement » hors-programme en MPSI.
I Solution 17.5.1 ............................................................................................................

1. On note (e) = e1 , e2 , e3 la base canonique de K3 .

Soit (e∗ ) = e∗1 , e∗2 , e∗3 la base de L(K3 , K) formée des « applications coordonnées ».

∗ ∗ ∗
ϕ1 = e1 + 2e2 + 3e3


La définition de ϕ1 , ϕ2 , ϕ3 est 2 ϕ = 2e∗ + 5e∗ + 4e∗
1 2 3

ϕ = e∗ + 3e∗ + 2e∗

3 1 2 3  
1 2 1
La matrice de la famille ϕ1 , ϕ2 , ϕ3 dans (e∗ ) est donc A = 2 5 3.
 
3 4 2
3 ∗
ϕ1 , ϕ2 , ϕ3 forment une base de (K ) si et seulement si A est inversible. Or :
=⇒
   
1 2 1 1 0 0 2 1 1 1 0 0
2 5 3 0 1 0 L2 ← L2 − 2L1 1 0 1 −2 1 0
3 4 2 0 0 1 L3 ← L3 + 3L1 −2 0 1 −3 0 1
L1 ← L1 + 2L2
 
1 0 −1 5 −2 0
=⇒ 0 1 1 −2 1 0
L3 ← L3 + 2L2 0 0 1 −7 2 1
L1 ← L1 + L3
 
1 0 0 −2 0 1
L2 ← L2 + L3 0 1 0 5 −1 −1
=⇒ 0 0 1 −7 2 1
 
−2 0 1
Ainsi A est inversible et A−1 =  5 −1 −1.
 
−7 2 1
2. Soient u(x, y, z) et u0 (x0 , y 0 , z 0 ) = (f (u), g(u), h(u)). On constate que :
 

1 2 1
x0 y0 0



z = x y z 2 5 3 = x y z A
3 4 2
⇒ x y z = x0 y 0 z 0 A−1

Les trois vecteurs uk = (xk , yk , zk ) tels que ϕk = u∗k sont donc donnés par :
     
(x1 , y1 , z1 ) = 1 0 0 A−1 , (x2 , y2 , z2 ) = 0 1 0 A−1 , (x3 , y3 , z3 ) = 0 0 1 A−1
   
x1 y1 z1 1 0 0
c’est-à-dire x2 y2 z2  = 0 1 0 A−1 = A−1 .
   
x3 y3 z3 0 0 1

u1 = (−2, 0, 1)


Ainsi les vecteurs u1 , u2 , u3 sont donnés par u = (5, −1, −1)
2


u = (−7, 2, 1)
3

Mathématiques en MPSI mathprepa.fr Page 18

© Jean-Michel Ferrard
17.5 Formes linéaires Chapitre 17 : Matrices et applications linéaires

I Solution 17.5.2 ............................................................................................................

Z 1
1
Pour tout indice i compris entre 0 et 3, fj (Xi ) = ti+j dt = .
0 i + j +1
Notons (e) la base canonique 1, X, X2 , X3 et (e∗ ) = e∗1 , e∗2 , e∗3 , e∗4 sa base duale.
L’application e∗i envoie P = a0 + a1 X + a2 X2 + a3 X3 sur sa composante ai suivant Xi .
3
f (Xi )e∗i pour tout f de E ∗ .
P
On sait que f = 1

1/2 1/3 1/4

i=0
1/2 1/3 1/4 1/5
On en déduit la matrice A de la famille (ε∗ ) dans (e∗ ) : A =
 
1/3 1/4 1/5 1/6


1/4 1/5 1/6 1/7

1. Pour montrer que (ε∗ ) est une base de E ∗ , on montre que A est inversible.
On

va même calculer l’inverse de A, ce 
qui servira pour la question suivante.
1 1/2 1/3 1/4 1 0 0 0 L1 ← 12L1
 1/2 1/3 1/4 1/5 0 1 0 0  L ← 60L
  2 2
 1/3 1/4 1/5 1/6 0 0 1 0  L3 ← 60L3
 

1/4 1/5 1/6 1/7 0 0 0 1 L4 ← 420L4

 
12 6 4 3 12 0 0 0
 L2 ← 2L2 − 5L1
 30 20 15 12 0 60 0 0 
⇒

 20 15 12 10 0 0 60 0  L3 ← 3L3 − 5L1


105 84 70 60 0 0 0 420 L4 ← 4L4 − 35L1

 
12 6 4 3 12 0 0 0 L1 ← 5L1 − 3L2
 0 10 10 9 −60 120 0 0 
⇒
 
 0 15 16 15 −60 0 180 0  L3 ← 2L3 − 3L2


0 126 140 135 −420 0 0 1680 L4 ← 5L4 − 63L2

 
60 0 −10 −12 240 −360 0 0 L1 ← L1 + 5L3
 0 10 10 9 −60 120 0 0  L ← L − 5L
 2 2 3
⇒

 0 0 2 3 60 −360 360 0 


0 0 70 108 1680 −7560 0 8400 L4 ← L4 − 35L3

 
60 0 0 3 540 −2160 1800 0 L1 ← L1 − L4
 0 10 0 −6 −360 1920 −1800 0  L2 ← L2 + 2L4

⇒

 0 0 2 3 60 −360 360 0  L3 ← L3 − L4


0 0 0 3 −420 5040 −12600 8400

 
60 0 0 0 960 −7200 14400 −8400 L1 ← L1 /60
 0 10 0 0 −1200 12000 −27000 16800  L ← L /10
 2 2
⇒

 0 0 2 0 480 −5400 12960 −8400  L3 ← L3 /2


0 0 0 3 −420 5040 −12600 8400 L4 ← L4 /3

 
1 0 0 0 16 −120 240 −140
 0 1 0 0 −120 1200 −2700 1680 
⇒
 
 0 0 1 0 240 −2700 6480 −4200 


0 0 0 1 −140 1680 −4200 2800

Ainsi la matrice A est inversible : la famille (ε∗ ) = f0 , f1 , f2 , f3 est une base de E ∗ .
2. Soit P = a + bX + cX2 + dX3 un polynôme quelconque de E.
On note ϕ(P ) la matrice-ligne (f0 (P ) f1 (P ) f3 (P ) f4 (P )).
On constate que ϕ(P ) est donné par ϕ(P ) = (a b c d )A. Donc (a b c d) = ϕ(P )A−1 .
Trouver une base (ε) de E dont la base duale est f0 , f1 , f2 , f3 , c’est trouver quatre polynômes ε1 ,
ε2 , ε3 , ε4 tels que

ϕ(ε0 ) = (1 0 0 0), ϕ(ε1 ) = (0 1 0 0), ϕ(ε2 ) = (0 0 1 0), ϕ(ε3 ) = (0 0 0 1)

Les composantes de ε0 dans la base (e) sont donc données par (1 0 0 0)A−1 , c’est-à-dire par la
première ligne de A−1 .

Mathématiques en MPSI mathprepa.fr Page 19

© Jean-Michel Ferrard
17.5 Formes linéaires Chapitre 17 : Matrices et applications linéaires

Ainsi ε0 = 16 − 120X + 240X2 − 140X3 .

De même les composantes de εk sont les coefficients de la k-ième ligne de A−1 .
Conclusion : f0 , f1 , f2 , f3 est la base duale de la base ε0 , ε1 , ε2 , ε3 de E définie par :

ε0 = 16 − 120X + 240X2 − 140X3 ε1 = −120 + 1200X − 2700X2 + 1680X3

ε2 = 240 − 2700X + 6480X2 − 4200X3 ε3 = −140 + 1680X − 4200X2 + 2800X3

I Solution 17.5.3 ............................................................................................................

n n n n
Pour tous x ∈ E, et ϕ ∈ E ∗ : x = e∗i (x)ei = ε∗i (x)εi et ϕ = ϕ(ej )e∗j = ϕ(εj )ε∗j .
P P P P
i=1 i=1 j=1 j=1
Le coefficient d’indice (i, j) de P est la composante de εj sur ei , c’est-à-dire e∗i (εj ).
Mais e∗i (εj ) est aussi la composante de e∗i sur ε∗j , c’est-à-dire le terme d’indice (j, i) de la matrice de passage
Q∗ de (ε∗ ) à (e∗ ).
On en déduit que les matrices P et Q∗ sont transposées l’une de l’autre.
Or P ∗ , matrice de passage de (e∗ ) à (ε∗ ), est l’inverse de la matrice Q∗ .
>
On en déduit finalement que P ∗ = (Q∗ )−1 = P −1 .

Mathématiques en MPSI mathprepa.fr Page 20

© Jean-Michel Ferrard