Lycée Pierre de Fermat 2020/2021

MPSI 1 TD

Matrices

1 Calcul matriciel. Puissances de matrices, inversibilité.

 
1 0 2
⊲ Exercice 1.1. Soit A =  0 −1 1 . Calculer A3 − A et en déduire une expression polynomiale annulant
1 −2 0
A. A est-elle inversible et si oui quel est son inverse ?
⊲ Exercice
 1.2. 
0 0 i
Soit A =  i 0 0  ∈ M3 (C). Calculer Ak pour tout k ∈ N∗ .
0 0 1
 
3 1 −1
⊲ Exercice 1.3. Soit A =  1 1 1  ∈ M3 (C). Montrer que A est inversible et calculer A−1 .
2 0 2

⊲ Exercice 1.4. Notons J la matrice de Mn (K) dont tous les coefficients sont égaux à 1
1. Déterminer le rang et le noyau de l’endomorphisme canoniquement associé à J.
2. Calculer J k , pour tout k ∈ N.
3. Calculer, pour tout λ ∈ R, (J + λIn )k .
 
5 2 2
4. En déduire l’expression des puissances de A =  2 5 2 
2 2 5
   
2 4 6 0 4 6
⊲ Exercice 1.5. Soit A =  0 2 3  ∈ M3 (C) et N =  0 0 3  ∈ M3 (C).
0 0 2 0 0 0
1. Calculer N k , pour tout k ∈ N∗ .
2. En déduire Ak pour tout k ∈ N∗ .
 
0 0 0
⊲ Exercice 1.6. Soit A =  −2 1 −1  ∈ M3 (C)
2 0 2
1. Calculer le reste de la division euclidienne de X n par X 3 − 3X 2 + 2X.
2. En déduire le calcul de Ak pour tout k ∈ N∗ .
⊲ Exercice 1.7. Une matrice N ∈ Mn (K) non nulle est nilpotente s’il existe k ∈ N∗ tel que N k = 0n .
1. Montrer que la somme (resp. le produit) de deux matrices nilpotentes (A, B) ∈ Mn (K)2 qui commutent
est une matrice nilpotente.
2. Montrer que, si N ∈ Mn (K) est nilpotente, ∀λ ∈ K, In + λN est inversible.
 
−2 1 3
En déduire que A =  0 −2 −1  est inversible et préciser son inverse.
0 0 −2
 
a b
⊲ Exercice 1.8. Soit A = ∈ M2 (K) fixée quelconque.
c d
1. Calculer A2 − (a + d)A + (ad − bc)I2 .
2. En déduire une CNS sur (a, b, c, d) ∈ K4 pour que A ∈ GL2 (K).
   
1 2 −1 −3
3. B = et C = sont-elles inversibles et si oui, préciser leurs inverse.
−1 −2 2 −1

⊲ Exercice 1.9. Oral X-2009. Soit B ∈ Mn (R) nilpotente non nulle telle qu’il existe A ∈ Mn (R) vérifiant
AB 2 − B 2 A = B. Montrer que l’indice de nilpotence pB de B est impair. On rappelle que pB = min{p ∈
N∗ | B p = 0}.

1
2 Structures algébriques sur les espaces de matrices.
2.1 Sous-anneaux, sous-groupes, sous-algèbres de matrices.
  
x+y 3y 2
⊲ Exercice 2.1. Montrer que E = | (x, y) ∈ R est un sous-espace vectoriel de (M2 (R), +·),
−y x−y
un sous-anneau de (M2 (R), +, ×), une sous-R-algèbre de (M2 (R), +·, ×), puis que c’est un corps isomorphe à
C.  
1 3
On posera S = .
−1 −1
   
 1 0 0 
⊲ Exercice 2.2. Posons G = M (x) =  −x2 1 x  ∈ M3 (R) x ∈ R
 
−2x 0 1

R −→ G
Soit Φ : .
x 7−→ M (x)
1. Comparer, pour tout (x, y) ∈ R2 , Φ(x + y) et Φ(x) × Φ(y).
2. Montrer que G est un sous-groupe de (GL3 (R), ×) isomorphe à (R, +).
  
a+b b 2
⊲ Exercice 2.3. Soit E = | (a, b) ∈ R
−b a − b
1. Montrer que E est un sous-espace vectoriel de M2 (R) dont on donnera une base et la dimension.
2. Montrer que E est un sous-anneau commutatif de M2 (R).
3. Déterminer les éléments inversibles de E.
4. Déterminer les diviseurs de zéro de E (est-ce nécessaire de distinguer diviseur de zéro à gauche et diviseur
de zéro à droite ?).
On rappelle que dans un anneau (A, +, ×) de neutre additif 0A ,
— a ∈ A \ {0A } est un diviseur de zéro à gauche s’il existe b ∈ A \ {0A } tel que a × b = 0A ,
— a ∈ A \ {0A } est un diviseur de zéro à droite s’il existe b ∈ A \ {0A } tel que b × a = 0A .
Il est évident que si l’anneau (A, +, ×) est commutatif, les deux notions de diviseur de zéro à droite et à
gauche coïncident et donnent la notion de diviseur de zéro.
On rappelle également (voir exercice non évident plus loin) que, dans Mn (K), une matrice est un diviseur
de zéro à droite si et seulement si c’est un diviseur de zéro à gauche.

2.2 Matrices inversibles dans Mn (K).

⊲ Exercice 2.4. Soient (A, B) ∈ Mn (K)2 telles que In + AB est inversible. Montrer que (In + BA) ∈ GLn (K).
⊲ Exercice 2.5. Inversibilité des matrices à “diagonale dominante”.
1. Soit (Ai,j ) 16i6n une matrice de Mn (K) (K = R ou C) telle que
16j6n

n
X
∀i ∈ {1, 2, . . . , n}, |Ai,i | > |Ai,j | , ce qui se lit “A est à diagonale dominante”.
j=1
j6=i

Montrer que cette matrice est inversible.

   
7 −2 2 7 1 6
2. La matrice A =  0 −6 1  est-elle inversible ? et B =  −3 −5 3  ? Donner une condi-
1 3 −10 2 1 −10
 
λ −3 2
tion suffisante sur λ ∈ C pour que Mλ =  −2 λ 2  soit inversible.
1 0 λ

3 Algèbre linéaire sur les espaces de matrices.

⊲ Exercice 3.1. Soit A ∈ Mn (K). Montrer qu’il existe p ∈ N∗ et (λ0 , . . . , λp ) ∈ Kp+1 non tous nuls tels que

λ0 .In + λ1 .A + λ2 .A2 + . . . + λp .Ap = 0n .


M2 (R) −→ M2 (R)
⊲ Exercice 3.2. Soit A ∈ M2 (R) fixée. Considérons ΦA : .
M 7−→ MA

2
 1. Montrer que ΦA est une application linéaire et donner sa matrice relativement à la base canonique de
M2 (R).
2. Calculer Tr(ΦA ).
3. Donner une CNS sur A ∈ M2 (R) pour que Φ ∈ GLR (M2 (R)).
⊲ Exercice 3.3. À proposde la trace d’une matrice carrée.
 Mn (K) → n K

Considérons l’application Tr X .

 A 7→ Ai,i
i=1
1. Montrer que Tr est une forme linéaire sur Mn (K).
2. En déduire que l’ensemble des matrices de trace nulle, E = {M ∈ Mn (K) | Tr(M ) = 0}, est un sous-espace
vectoriel de Mn (K) dont on précisera la dimension et une base (que l’on explicitera pour n = 2 et n = 3).
⊲ Exercice 3.4. Base duale de la base canonique de Mn,p (K).
1. Quelle est la dimension de Mn,p (K)∗ (espace dual de Mn,p (K)) ? Expliciter la base duale de la base
canonique de M2,3 (K).

Mn (K) → K
2. Exprimer dans la base duale de la base canonique les formes linéaires Tr et ϕA :
M 7→ Tr(AM )
où A ∈ Mn (K) est fixée.

 Mn (K) →  Mn (K)∗
3. En déduire l’expression de ϕE i,j et montrer que Φ : Mn (K) → K est un
 A 7→
M 7→ Tr(AM )
isomorphisme.
⊲ Exercice 3.5.
1. (a) Soient (A, B) ∈ Mn (K)2 telles que, ∀M ∈ Mn (K), Tr(AM ) = Tr(BM ). Montrer que A = B (on
pourra tester les matrices de la base canonique de Mn (R)).
(b) Soit ϕ ∈ Mn (K)∗ (forme linéaire sur Mn (K)). Montrer qu’il existe une unique matrice A ∈ Mn (K)
telle que
∀M ∈ Mn (K) , ϕ(M ) = Tr(AM ) .
2. (a) Montrer que ∀(A, B) ∈ Mn (K)2 , Tr(AB) = Tr(BA).
(b) Calculer, pour A ∈ Mn (K) et (i, j, k, l) ∈ [[1, n]], Tr(AE i,j E k,l ).
(c) Soit ϕ ∈ Mn (K)∗ telle que ∀(A, B) ∈ Mn (K)2 , ϕ(AB) = ϕ(BA). Montrer qu’il existe λ ∈ K tel que

∀M ∈ Mn (K) , ϕ(M ) = λ.Tr(M ) .

4 Interprétation matricielle des endomorphismes.

4.1 Application linéaire associé à une matrice
 
1 −2 0
⊲ Exercice 4.1. Considérons la matrice A =  0 −1 3  et a l’endomorphisme de R3 canoniquement
1 −4 6
associé à A. Déterminer le noyau et l’image de l’endomorphisme a.

4.2 Matrice représentant une application linéaire.

⊲ Exercice 4.2. Dans tout l’exercice, on traitera le cas n = 4 avant de traiter le cas général n ∈ N∗ .
1. (a) Donner la matrice, relativement à la base canonique de Rn [X], de l’endomorphisme de Rn [X], u :
P (X) 7→ P (X + 1).
(b) Montrer que c’est un automorphisme et préciser sa matrice inverse (on pourra chercher la matrice de
l’endomorphisme réciproque car ici, u s’inverse plus rapidement que sa matrice ! !).
2. Expliciter la décomposition d’un polynôme P ∈ Rn [X] dans la base de Hilbert (T0 , . . . , Tn ) de Rn [X] où,
k−1
Y
(X − i)
i=0 X(X − 1) . . . (X − k + 1)
T0 (X) = 1 , ∀k ∈ [[1, n]] , Tk (X) = = .
k! k!
3. En déduire la base duale (T0∗ , . . . , Tn∗ ) de la base de Hilbert.

3
⊲ Exercice 4.3. Soit f ∈ L(R2 ) telle que Imf = Kerf . On note Bc = (e1 , e2 ) la base canonique de R2 .
 
0 1
1. Montrer qu’il existe une base B de R2 telle que mat(f, B) =
0 0
 
0 1
2. Quel lien y a-t-il entre et mat(f, Bc ) ?
0 0
⊲ Exercice 4.4. Soit f ∈ L(R4 ) tel qu’il existe (u, v) ∈ (R4 )2 vérifiant
u 6= 0R4 , v 6= 0R4 , f (u) = v , f (v) = −u , rg(f ) = 2
On note A la matrice de f relativement à la base canonique Bc de R4 .
1. Montrer que Imf ∩ Kerf = {0R4 }.
 
0 1 0 0
 −1 0 0 0 
2. Montrer que A est semblable à M =   0 0 0 0 .


0 0 0 0
3. Calculer la dimension du commutant C(M ) = {G ∈ M4 (R) | M G = GM } de M .
En déduire la dimension du commutant C(f ) = {g ∈ L(R4 ) | f ◦ g = g ◦ f } de f .

4.3 Changements de base.

⊲ Exercice 4.5. Soit E un K-espace vectoriel de dimension n ∈ N∗ , B = (e1 , e2 , . . . , en ) une base de E et
u ∈ LK (E). On note B ′ la base (en , en−1 , . . . , e1 ).
1. Relier A = mat(u, B) et A′ = mat(u, B ′ ) avec la formule de changement de base. On commencera par le
cas n = 3.
2. En supposant que n = 2 et que tous les coefficients diagonaux de A sont nuls, que dire de A et A′ ?
   
2 1 1 0
⊲ Exercice 4.6. Montrer que les matrices A = et B = sont sembables (i.e. représentent le
1 2 0 3
même endormorphisme lu dans les mêmes bases au départ et à l’arrivée mais relativement à des bases différentes.
On pourra étudier l’équation d’inconnue P ∈ GL2 (R) A = P −1 BP en remarquant que A = P −1 BP ⇐⇒ P A =
BP ⇐⇒ P A − BP = 0.
⊲ Exercice 4.7.  
a b
1. Soit u ∈ LK (K2 ) et (e1 , e2 ) une base de K2 telle que A = mat(u, (e1 , e2 )) = ∈ M2 (K). Exprimer
0 c
en fonction de λ ∈ K∗ , a, b et c les matrices mat(u, (e2 , e1 )), mat(u, (λ.e1 , λ.e2 )) et mat(u, (e1 , λ.e2 )).
   
1 1 1 λ
2. Les matrices et sont-elles dans la même classe de similitude pour tout λ ∈ K∗ ?
0 1 0 1
  
1 λ ∗
3. L’ensemble E = λ∈K est-il une classe de similitude ?
0 1
⊲ Exercice 4.8. Soit u un endomorphisme d’un K-espace vectoriel E de dimension finie n tel qu’il existe k ∈ N∗
pour lequel uk = 0. Montrer qu’il existe une base de E relativement à laquelle la matrice de u est strictement
triangulaire supérieure.
 
1 0 0
⊲ Exercice 4.9. Notons u l’endomorphisme de R3 canoniquement associé à A =  1 2 0 .
1 0 4
1. Résoudre, en fonction de λ ∈ R le système linéaire d’inconnue X ∈ M3,1 (R), (A − λ.I3 )X = 03,1 .
2. Déterminer les droites vectorielles stabilisées par u. En déduire une base de R3 relativement à laquelle la
matrice de u est diagonale.
3. Résoudre dans M3 (R) l’équation M 2 = A. On pourra montrer que l’endomorphisme canoniquement
associé à M commute avec u et qu’il stabilise les droites stables de u.
⊲ Exercice 4.10. Considérons l’endomorphisme de R3 [X], ϕ : P (X) 7→ P (X) + P ′ (X).
1. Donner la matrice de l’endomorphisme de ϕ dans la base canonique de R3 [X].
2. En déduire le rang de l’endomorphisme. Existe-t-il un endomorphisme ψ de R3 [X] tel que ϕ◦ψ = idR3 [X] ?
l’expliciter dans la base canonique de R3 [X]. Calculer ϕ−1 (X 3 + X + 2).
3. En observant le comportement de ϕ2 , ϕ3 ,. . . trouver une expression polynômiale annulant ϕ et retrouver
les résultats ci-dessus.
4. Donner l’expression de la matrice de ϕ dans la base {1, X − 1, (X − 1)2 , (X − 1)3 } d’une part en appliquant
la formule du changement de base et d’autre part en calculant directement la matrice cherchée.

4
5 Rang d’une famille de vecteurs. Rang d’une application linéaire.
⊲ Exercice 5.1. Rang d’un produit de matrices
Soient (A, B) ∈ Mn,p (K) × Mp,q (K).
Montrer que
rg(AB) 6 min(rg(A), rg(B))
⊲ Exercice 5.2. Rang d’un projecteur
1. Rappeler les définitions et les propriétés des sous-espaces vectoriels qui caractérisent un projecteur vectoriel
d’un R-espace vectoriel E.
2. Montrer que le rang d’un projecteur d’un espace de dimension finie est égal à sa trace.
3. Soit E un K-espace vectoriel. Soient (u, v) ∈ L(E)2 . u est semblable à v s’il existe ϕ ∈ GL(E) telle que
u = ϕ−1 ◦ v ◦ ϕ.
(a) Montrer que la relation binaire « être semblable » est une relation d’équivalence sur GL(E).
(b) Montrer que deux projecteurs d’un espace de dimension finie sont semblables si et seulement si ils ont
le même rang.
⊲ Exercice 5.3. Matrices de rang 1
Soit A ∈ Mn (K) une matrice de rang 1.
1. Montrer qu’il existe (C, C ′ ) ∈ Mn,1 (K)2 telle que A = C ×t C ′ .
2. Montrer que, si on note a le réel t C ′ × C, pour tout p ∈ N∗ , Ap+1 = ap A.
3. Prouver que a = TrA.
4. En déduire une CNS pour qu’une matrice de rang 1 soit canoniquement associée à une projection vectorielle
dont on déterminera l’image et le noyau en fonction des coefficients des matrices C et C ′ .
5. Montrer que A + In est inversible si et seulement si a 6= −1 et préciser son inverse. On pourra chercher
l’inverse sous la forme In + λA.
⊲ Exercice 5.4. Calculer le rang des matrices suivantes et leur inverse s’il y a lieu
     
1 1 0 1 1 1 −1 2 3 1 1
 3 2 −1 3   1   λ 
A=   , B =  λ −1 1 , C =  1 1  .
λ 3 −2 0   1 −1 3 −3   −4 4 −4 
−1 0 −4 −3 4 2 0 λ 6 4 0

⊲ Exercice 5.5. Soit (A1 , A2 , . . . , Ak ) ∈ GLn (K)k une famille de matrices stable par multiplication. On note
(ai )i∈{1,...,k} les automorphismes de Kn canoniquement associés à ces matrices.
1. Montrer que la famille constitue un sous-groupe de GLn (K).
k
1X
2. Montrer que l’application linéaire p = ai est un projecteur vectoriel. En déduire que la trace de
k i=1
k
X
S= Ai est un multiple de k.
i=1
n\
k o
3. Montrer que Tr(p) = dimK Ker(ai − id) , ce qui s’écrit aussi
i=1
n o
Tr(S) = k × dimK X ∈ Kn | ∀i ∈ {1, . . . , k}, Ai X = X .

⊲ Exercice 5.6. (Voir exercice 2.3)

1. Montrer que, dans l’anneau (Mn (K), +, ×), une matrice M est un diviseur de zéro à droite si et seulement
si c’est un diviseur de zéro à gauche. On pourra par exemple utiliser la décomposition P Jr Q de M .
2. On se place dans l’anneau (L(E), +, ◦) où E est le R-espace vectoriel des suites réelles. On considère
l’endomorphisme décalage à gauche. Montrer que c’est un diviseur de zéro à gauche mais pas à droite.
⊲ Exercice 5.7. Application de la décomposition P Jr Q.
Soit f une application de Mn (R) dans R non constante telle que ∀(M1 , M2 ) ∈ Mn (R)2 , f (M1 M2 ) = f (M1 )f (M2 ).
1. f est-elle un morphisme de groupes ?
2. Montrer que f (In ) = 1 et que f (0Mn (R) ) = 0.
3. Soit A ∈ Mn (K) telle qu’il existe p ∈ N∗ : Ap = 0Mn (R) . Montrer que f (A) = 0.
4. Montrer que M ∈ GLn (R) ⇐⇒ f (M ) 6= 0.

5
L’indispensable : complétez, démontrez ou infirmez les assertions sui-
vantes.
⊲ Exercice 5.8.
 
    1 −2 1
1 −2 1 −2
1. Quels sont les inverses, s’ils existent, des matrices A = ,B = ,C = 0 −3 2  ?
0 −3 −2 4
0 0 −2
 
−1 1 1
2. Soit A =  1 −1 1 . Calculer A2 et en déduire une expression polynômiale annulant A. A est-elle
1 1 −1
inversible et si oui quel est son inverse ?
  
 a 0 c 
3. L’ensemble des matrices E = A ∈ M3 (C) | ∃(a, b, c) ∈ C3 : A =  0 b 0  est-il un sous-espace
 
c 0 a
vectoriel de M3 (C) ? un sous-anneau ? Quels sont les éléments inversibles dans cet ensemble de cet en-
semble ?
4. Si A est une matrice de M3 (K) telle que pour tout B ∈ M3 (K), (AB)2 = 0, alors A = 0.
5. Si A et B sont deux matrices carrées de même taille telles que AB = 0, alors A = 0 ou B = 0.
6. Donner une base de {A ∈ M3 (C) | Tr(A) = 0} (comme R-espace vectoriel puis comme C-espace vectoriel).
7. Que peut-on dire d’une matrice A ∈ Mn (K) telle que Tr(t AA) = 0 ?
8. Trouver deux matrices (A2 , B2 ) ∈ M2 (R)2 telles que A2 B2 = 0 et B2 A2 6= 0. En déduire des matrices
(Ap , Bp ) ∈ Mp (R)2 (p > 2) telles que Ap Bp = 0 et Bp Ap 6= 0.
9. Le produit de deux matrices symétriques est une matrice symétrique si et seulement si elles commutent.
10. Il existe A ∈ M2n (R) telle que A2 = −I2n .
11. La trace d’un projecteur vectoriel est égale à son rang.
12. La somme de deux matrices inversibles est inversible.  
1 2 4 8 16
 0 1 2 4 8 
 
13. Vu à l’oral de l’X. Quelle est, sans calcul ou presque, la matrice inverse de A = 
 0 0 1 2 4 ?

 0 0 0 1 2 
0 0 0 0 1
la réponse est dans un exemple du cours.
14. Si A et B sont deux matrices de Mn (K) qui commutent et telles que A3 = 7In + B 3 , alors A − B est
inversible. Que se passe-t-il si la relation précédente est changée en A3 = 7In − B 3 ?
15. Soit A ∈ Mn (R) tel que A3 = 0. Calculer, pour tout k ∈ N∗ , (In + A + A2 )k .
16. Résoudre, dans M2 (C), M 2 = I2 .

6 Calcul matriciel par blocs

6.1 Calcul par blocs
⊲ Exercice 6.1. Inverse d’une matrice diagonale par blocs 
A 0n,p
Soient (A, B) ∈ GLn (K) × GLp (K). Montrer que M = ∈ Mn+p (K) est une matrice inversible et
0p,n B
préciser son inverse.
⊲ Exercice 6.2. Inverse d’une matrice triangualire supérieurepar blocs
A C
Soient (A, B, C) ∈ GLn (K) × GLp (K) × Mn,p (K). Montrer que M = ∈ Mn+p (K) est une matrice
0p,n B
inversible et préciser son inverse.
⊲ Exercice 6.3. Transposée d’une matrice par blocs  
A B
Soient (A, B, C, D) ∈ Mn (K) × Mn,p (K) × Mp,n (K) × Mp (K). Posons M = ∈ Mn+p (K)
C D
1. Exprimer t M en fonction des transposées de chaque bloc.
2. Donner une CNS portant sur les blocs pour que M ∈ Sn+p (K) (resp. M ∈ An+p (K)).

6
⊲ Exercice 6.4. Puissances d’unematrice par blocs 
0n,n A 0n,n 0n,n  
 0n,n 0n,n  2In A 0n,n
A 0n,n
Soient A ∈ Mn (K) . Posons M =  0n,n 0n,n 0n,n
 ∈ M4n (K) et U =  0n,n
 2In A  ∈
A
0n,n 0n,n 2In
0n,n 0n,n 0n,n 0n,n
M3n (K).
1. Montrer que M est nilpotente.
2. Exprimer les puissances de U comme une matrice par blocs en fonction de A.
⊲ Exercice 6.5. Puissances d’une matrice triangulaire supérieure par blocs
Soit A ∈ Mn (K). 
In A 0n,n
Posons M =  0n,n 2In A  ∈ M3n (K).
0n,n 0n,n 3In
Exprimer les puissances de M comme une matrice par blocs en fonction de A.
⊲ Exercice 6.6. Commutant
 d’une matrice  par blocs   
0n,n In In 0n,n Ip 0p,q
Posons L = ∈ M2n (K) , M = ∈ M2n (K) et N = ∈ Mp+q (K).
0n,n 0n,n −In 0n,n 0q,p 3Iq
Déterminer les commutants respectifs C(L), C(M ) et C(N ) des matrices L, M et N . On précisera également
leurs dimensions.

6.2 Rang d’une matrice par blocs

⊲ Exercice 6.7.  
A 0Mn,p (K)
Soient (A, B) ∈ Mn (K) × Mp (K). Notons M = .
0Mp,n (K) B
1. Montrer que rg(M ) = rgA + rgB.
2. En déduire que M ∈ GLn+p (K) si et seulement si (A, B) ∈ GLn (K) × GLp (K).
⊲ Exercice 6.8.  
A C
Soient (A, B, C) ∈ Mn (K) × Mp (K) × Mn,p (K). Notons M = .
0Mp,n (K) B
1. Montrer que, si rgA = n, alors rg(M ) = rgA + rgB.
2. La formule rg(M ) = rgA + rgB est elle encore vraie si rgA < n ?
3. Montrer que M ∈ GLn+p (K) ⇐⇒ (A, B) ∈ GLn (K) × GLp (K).
4. Dans le cas où M ∈ GLn+p (K), expliciter M −1 .

6.3 Interprétation géométrique d’une matrice par blocs

⊲ Exercice 6.9.
1. Soient E un K-espace vectoriel de dimension finie, E1 , E2 et E3 des sous-espaces vectoriels de E de
dimensions n1 , n2 et n3 vérifiant E1 ⊕ E2 ⊕ E3 = E. Soit u ∈ L(E) tel que E1 est stable par u, u(E2 ) ⊂ E3
et u(E3 ) ⊂ E1 + E2 . On note B1 , B2 et B3 des bases respectives de E1 , E2 et E3 et B la base de E obtenue
par concaténation des bases B1 , B2 et B3 . Quelle est la forme de mat(u, B) ?
En déduire la dimension de H = {u ∈ L(E) | u(E1 ) ⊂ E1 , u(E2 ) ⊂ E3 , u(E3 ) ⊂ E1 + E2 }.
 
−2In1 0n1 ,n2 0n1 ,n3
2. Soit M matrice par blocs  B In2 0n2 ,n3  ∈ Mn (R). Que peut-on en déduire sur les entiers
0n3 ,n1 0n3 ,n2 C
n1 , n2 , n3 et n et sur l’endomorphisme mb ∈ LK (Rn ) canoniquement associé à M ?

7 Utilisation du calcul matriciel pour résoudre des récurrences li-

néaires couplées et des systèmes différentiels linéaires
⊲ Exercice 7.1. Pertinence du formalisme matriciel
Soient n > 2 un entier et x1 , . . ., xn−1 des réels.
On pose u0 = v0 = 0, u1 = v1 = 1 puis, pour tout i ∈ {1, . . . , n − 1},

ui+1 = xi ui + ui−1 et vi+1 = xn−i vi + vi−1

Prouver (sans calcul) que un = vn .

7
⊲ Exercice 7.2. D’où l’intérêt de rechercher des bases dans lesquelles la matrice d’un endomor-
phisme estdiagonale.     
1 1 0 2 −4 3 2 −1 1
Soient P =  1 −1 1 , A =  −3 3 −3  et B =  −1 2 −1 .
1 0 1 −2 4 −3 0 1 1
   
x a
1. Résoudre le système linéaire P  y  =  b 
z c
2. En déduire que P est inversible et donner son inverse.
3. Calculer A1 = P AP −1 et B1 = P BP −1 .
4. En déduire les matrices An et B n pour tout n ∈ N∗ .
5. Résoudre les systèmes de suites récurrentes
 
 xn+1 = 2xn −4yn +3zn  xn+1 = 2xn −yn +zn
yn+1 = −3xn +3yn −3zn et yn+1 = −xn +2yn −zn
 
zn+1 = −2xn +4yn −3zn zn+1 = yn +zn
en fonction des données initiales (x0 , y0 , z0 ). Donner une CNS sur les données initiales pour que la suite
(xn )n∈N converge.
6. Considérons les systèmes différentiels
 ′  ′
 x (t) = 2x(t) −4y(t) +3z(t)  x (t) = 2x(t) −y(t) +z(t)
y ′ (t) = −3x(t) +3y(t) −3z(t) et y ′ (t) = −x(t) +2y(t) −z(t)
 ′  ′
z (t) = −2x(t) +4y(t) −3z(t) z (t) = y(t) +z(t)
 
x(t)
Posons X(t) =  y(t)  et Y (t) = P X(t). On suppose que les fonctions cherchées sont définies sur R.
z(t)
(a) Montrer que ∀t ∈ R, X ′ (t) = AX(t) si et seulement si ∀t ∈ R, Y ′ (t) = A1 Y (t). De même, ∀t ∈
R, X ′ (t) = BX(t) si et seulement si ∀t ∈ R, Y ′ (t) = B1 Y (t).
(b) Résoudre Y ′ (t) = A1 Y (t) et Y ′ (t) = B1 Y (t).
(c) En déduire les solutions des systèmes différentiels initiaux.
⊲ Exercice 7.3. Considérons le R-espace vectoriel des suites réelles RN . Notons F l’ensemble des suites de RN
qui satisfont la relation de récurrence
∀n ∈ N , un+2 = un+1 + un . (1)
Soit (an )n∈N la suite définie de manière unique par la relation de récurrence (1) et les conditions initiales
(a0 , a1 ) = (0, 1) (cette suite s’appelle la suite de Fibonacci). De même, (bn )n∈N désigne la suite de F caractérisée
par
b0 = 1 , ∀n ∈ N , bn+1 = an .
1. (a) Montrer que F est un sous-espace vectoriel de RN .
(b) Montrer que les suites (an )n∈N et (bn )n∈N forment une base de F et en déduire la dimension de F .
2. (a) Définissons
√ les nouvelles suites (c √n )n∈N et (dn )n∈N de F vérifiant les conditions initiales (c0 , c1 ) =
1− 5 1+ 5
(1, ) et (d0 , d1 ) = (1, ). Montrer que ces deux suites forment une base de F .
2 2
(b) Montrer que les suites (cn )n∈N et (dn )n∈N sont des suites géométriques (on pourra procéder par récur-
rence) dont on déterminera l’expression du terme général en fonction de n.
(c) En décomposant toute suite (un )n∈N de F dans la base {(cn )n∈N , (dn )n∈N }, donner l’expression du
terme général de (un )n∈N en fonction de n et des conditions initiales u0 et u1 . En déduire l’expression
du terme général de la suite (an )n∈N en fonction de n.
3. Soit (un )n∈N une suite de F .
(a) Montrer qu’il existe une matrice
 2 ×2 A indépendante
  de n, dont on précisera les coefficients, telle
u2n+2 u2n
que pour tout n ∈ N, on a =A .
u2n+3 u2n+1
 
1√ 1√
(b) Soit P la matrice  1 + 5 1 − 5  . Montrer que P est inversible et déterminer son inverse. En
2 2
déduire que D = P −1 AP est une matrice diagonale que l’on déterminera.
 
u2n
(c) Montrer par récurrence sur n que le vecteur s’exprime en fonction des matrices P , P −1 ,
  u 2n+1
u0
Dn et du vecteur . Retrouver l’expression obtenue en 2. (c) de an en fonction de n.
u1

8
8 Formalisme matriciel et dénombrement
⊲ Exercice 8.1. Sur le plan d’une ville, on observe n carrefours notés C1 , C2 , . . ., Cn (n ∈ N∗ ). On définit
2
une matrice V ∈ Mn (R) en posant, pour tout (i, j) ∈ [[1, n]] , Vi,j = 1 si une rue mène directement du carrefour
Ci au carrefour Cj sans passer par un autre carrefour, Vi,j = 0 sinon. On convient que la diagonale de V est
constituée de zéros.
1. Que dire de V si toutes les rues sont à double sens ?
2. Pour tout k ∈ N∗ , montrer que le coefficient (i, j) de V k correspond au nombre d’itinéraires distincts
permettant de relier Ci à Cj en empruntant k rues non nécessairement distinctes.
3. Supposons qu’il existe N ∈ N∗ tel que V N = 0. Montrer que, pour tout (i, j) ∈ [[1, n]], le nombre total de
chemins reliant Ci à Cj , noté γi,j , est fini. Posons Γ = (γi,j ) 16i6n . Montrer que (In + Γ) = (In − V )−1 .
16j6n

⊲ Exercice 8.2.
1. Soient β ∈ R∗+ et (αi )i∈[[1,n] ∈ Rn (n ∈ N∗ \ {1}) tels que ∀i ∈ [[1, n]], αi > β et tel qu’il existe au plus un
indice i ∈ [[1, n]] vérifiant αi = β. Montrer que la matrice, de terme d’indices (i, j) égal à β si i 6= j et αi
si i = j, est inversible.
2. Soit E un ensemble fini de cardinal p ∈ N∗ \ {1} : E = {ei |i ∈ [[1, p]]}. Soit (Ak )16k6n une famille de n
parties (n ∈ N∗ ) de E, deux à deux distinctes telles que
2
∃β ∈ N∗ : ∀(i, j) ∈ [[1, n]] , i 6= j ⇒ |Ai ∩ Aj | = β.

Montrer que n 6 p.
Indication : On pourra introduire la matrice M ∈ Mp,n (R) dont le terme d’indice (i, j) vaut 1 ou 0 selon
que ei appartient à Aj ou non, et appliquer la première question à une matrice construite à partir de M .

9 L’indispensable : complétez, démontrez ou infirmez les assertions

suivantes.
⊲ Exercice 9.1. 1. Peut-on trouver deux matrices (A, B) ∈ Mn (K)2 telles que AB − BA = 2In ?
2. Soit une matrice A ∈ Mn (K) non nulle telle que A3 6= 0 et A4 = 0. La matrice In − 7A est-elle inversible ?
Si oui, donner son inverse.
3. L’application de Mn (K) dans Mn (K)∗ , A 7→ (M 7→ Tr(AM )) est un isomorphisme d’espaces vectoriels.
4. Si A est une matrice symétrique/antisymétrique, que dire de An si n ∈ N ?
5. Soient (A, B) ∈ Mn (K)2 telles que A3 + B 3 = 7In . À quelle condition suffisante portant sur A et B,
A + B est elle inversible ? A2 − AB + B 2 est-elle alors inversible aussi ?
6. Soient (A, B) ∈ Mn (K)2 fixées quelconques. Existe-t-il un lien entre les rangs de AB et BA ? la réponse
est-elle modifiée si l’une des deux matrices est inversible ?
7. Deux matrices semblables ont même trace, mais deux matrices de même trace sont-elles équivalentes ?
       
3 1 0 −2 0 0 3 1 0 −2 1 −1
8. Les matrices  0 −1 0  et  4 −1 0  sont-elles équivalentes ? et  0 0 −3  et  4 −1 3  ?
0 0 1 0 0 4 0 0 1 −1 0 −1

9
Correction des exercices
⊲ Corrigé de l’exercice
 1.1
1 0 2
Soit A =  0 −1 1 .
1 −2 0
Le Calcul de A3 − A donne 4.I3 .

1
On en déduit que A A2 − I3 = 4.I3 donc, en multipliant avec la LCE par et en utilisant le bon comportement
4
de la LCE “·” vis-à-vis de la LCI × (car (M3 (R), +, ·, ×) est une R-algèbre)
 
1 2 1
A× .A − .I3 = I3 .
4 4
De plus, la R-algèbre R[A] des polynômes en A est commutative donc
 
1 2 1
.A − .I3 × A = I3
4 4

1 2 1
si bien que A ∈ GL3 (R) et A−1 = .A − .I3 .
4 4

⊲ Corrigé de l’exercice 1.2 

0 0 i
Le calcul de A2 donne A2 =  0 0 −1 .
0 0 1
 
0 0 i
Le calcul de A3 donne A3 =  0 0 −1  si bien que A3 = A2 .
0 0 1
À partir de cela, un récurrence immédiate permet de montrer que ∀k ∈ N, k > 2 ⇒ Ak = A2 .

 In si k = 0 (par convention),
Ainsi, pour tout k ∈ N, Ak = A si k = 1,
 2
A si k > 2.

⊲ Corrigé de l’exercice 1.3

⊲ Corrigé de l’exercice 1.4
1.
2. Un calcul immédiat permet de montrer que J 2 = n.J ce qui permet de prouver par récurrence que
∀k ∈ N∗ , J k = nk−1 .J

3. La R-algèbre Mn (R) des matrices carrées n’est pas commutative, toutefois In étant l’élḿent neutre pour
le produit matriciel, λ.In commute avec J ce qui permt d’appliquer la formule du binôme de Newton pour
tout k ∈ N :

Xk  
k j
(J + λ.In )
k
= J (λ.In )k−j avec la convention J 0 = In
j=0
j
  Xk  
k 0 k j
= J (λ.In )k−0
+ J (λ.In )k−j car la formule J k = nk−1 .J ne s’applique que pour k > 1
0 j=1
j
  Xk  
k k k j−1 k−j
= λ .In + n λ .J
0 j=1
j
 
X k  
1 k j k−j 
= λk .In +  n λ .J
n j=1 j
 
(n + λ)k − λk
= λk .In + .J
n
(2)

Par exemple,

1
 — pour k = 0, par convention (J + λ.In )0 = In et la formule donne
 
0 0 (n + λ)0 − λ0
(J + λ.In ) = λ .In + .J = In + 0.J = In
n
ce qui correspond bien !
— pour k = 1, formule donne
 
(n + λ) − λ
(J + λ.In )1 = λ.In + .J = λ.In + J
n
ce qui correspond bien !
— pour k = 2, (J + λ.In )2 = J 2 + 2λ.J + λ2 In = (n + 2λ).J + λ2 In et la formule donne
   2 
2 2 (n + λ)2 − λ2 2 n + 2nλ
(J + λ.In ) = λ .In + .J = λ .In + .J
n n
ce qui correspond bien !
 
5 2 2
4. A =  2 5 2  = 2.J + 3.I3 .
2 2 5
Soit k ∈ N∗ .
 k
k 3
A = 2 J + I2
k
2
 k   
k 3 1 9k 3k
= 2 .I3 + − k .J
2k 3 2k 2
1

= 3k .I3 + 9k − 3k .J
3
= 3k .I3 + 3k−1 (3k − 1).J

Ainsi, A0 = I3 et pour tout k ∈ N∗ , Ak = 3k .I3 + 3k−1 (3k − 1).J

⊲ Corrigé de l’exercice 1.5

 
0 0 12
1. Un calcul explicite donne N 2 =  0 0 0  et N 3 = 03 .
0 0 0
   
0 4 6 0 0 12
Par conséquent, N =  0 0 3 , N 2 =  0 0 0  et pour tout k ∈ N∗ , k > 3 ⇒ N k = 03 .
0 0 0 0 0 0

2. Observons d’une part que A = 2I3 + N et d’autre part que 2I3 et N commutent ce qui permet d’utiliser la
formule du binôme de Newton bien que la R-algèbre M3 (R) ne soit pas commutative : pour tout k ∈ N∗ ,
Ak = (N + 2I3 )k
Xk  
k
= N j × 2k−j I3
j=0
j
min(k,2)  
X k
= N j × 2k−j I3
j=0
j
(
2I3 + N si k = 1,
= k(k − 1) k−2 2
2 I3 + k2
k k−1
N+ 2 N si k > 2.
2
  

 1 0 0

 I3 =  0 1 0  si k = 0,



 0 0 1

 

 2 4 6

Ainsi, Ak = 2I3 + N =  0 2 3  si k = 1,

 0 0 2

  k 



 2 k2k+1 3k(k + 1)2k−1

 k k−1 k(k − 1) k−2 2   si k > 2.

 2 I3 + k2 N + 2 N = 0 2k 3k2k−1
 2
0 0 2k

2
  
0 0 0
⊲ Corrigé de l’exercice 1.6 Soit A =  −2 1 −1  ∈ M3 (C)
2 0 2
1. D’après le théorème de division euclidienne dans R[X], pour tout k ∈ N,
∃!(Qk , ak , bk , ck ) ∈ R[X] × R3 : X k = (X 3 − 3X 2 + 2X)Q(X) + ak X 2 + bk X + ck (3)
| {z }
= Rk (X) ∈ R2 (X)

Observons que X 3 − 3X 2 + 2X = X(X − 1)(X − 2).

En particularisant en les valeurs 0, 1 et 2 qui sont les racines du diviseur la relation (3), on obtient :
 
 ck = 0  ck = 0
∗
∀k ∈ N , a k + b k + c k = 1 ⇐⇒ a k + b k = 1
 
4ak + 2bk + ck = 2 k
4ak + 2bk = 2k

ak + b k = 1
Or le système linéaire 2 × 2 a pour déterminant 2 − 4 = −2 donc il admet une
4ak + 2bk = 2k
unique solution donnée par les formules de Cramer :
1 1 1 1
2k 2 4 2n
ak = = 2k−1 − 1 et bk = = 2 − 2k−1
−2 −2
Par ailleurs, pour k = 0, le reste est 1 donc a0 = b0 = 0 et c0 = 1

Ainsi, R0 = 1 et, pour tout k ∈ N∗ , Rk = (2k−1 − 1)X 2 + (2 − 2k−1 )X.

2. On vérifie facilement par un calcul explicite que A3 − 3A2 + 2A = 03 ce qui permet de prendre l’image
des identités polynomiales de la question précédente
∀k ∈ N , X k = ((X 3 − 3X 2 + 2X))Qk (X) + ak X 2 + bk X + ck
R[X] → R[A]
par le morphisme d’algèbre ΦA ce qui donne
P 7→ P (A)

A0 = I3 et ∀k ∈ N∗ , Ak = (2k−1 − 1)A2 + (2 − 2k−1 )A.

⊲ Corrigé de l’exercice 1.7 Une matrice N ∈ Mn (K) non nulle est nilpotente s’il existe k ∈ N∗ tel que
N = 0n .
k

1. Montrer que la somme (resp. le produit) de deux matrices nilpotentes (A, B) ∈ Mn (K)2 qui commutent
est une matrice nilpotente.
2. Montrer que, si N ∈ Mn (K) est nilpotente, ∀λ ∈ K, In + λN est inversible.
Observons que
 1 3 
    0 − −
−2 0 0 0 1 3  2 2 
A =  0 −2 0  +  0 0 −1  = −2 (I3 + N ) où N =  1 
 0 0 
0 0 −2 0 0 0 2
0 0 0
 1 
0 0 −
2 
Un calcul explicite montre que N =  0 0 4  3
0  et N = 03 si bien que N est nilpotente et nous
0 0 0
avons prouvé dans ce cas que In + N est inversible d’inverse
 1 3    1 5 
  0 − − 1  1
1 0 0  2 2   0 0 − 2 4
(I3 + N )−1 = I3 − N + N 2 =  0 1 0  −  1 + 4 =
 1


 0 0  0 0 0   0 1 − 
0 0 1 2 0 0 0 2
0 0 0 0 0 1
Par conéquent, puisque −2 ∈ K∗ et I3 + N ∈ GL3 (K), A = −2(I3 + N ) est inversible
 
1 1 5
−
 2 − −
 4 8 
−1 −1 −1  1 1  
A = (−2) (I3 + N ) =  0 −
 2 4 
1 
0 0 −
2

3
  
1 1 5
 −2 −
4
−
8 
 1 1 
Ainsi, A ∈ GL2 (R) et A −1
=
 0 − .

 2 4 
1
0 0 −
2

⊲ Corrigé de l’exercice 1.8

1. A2 − (a + d)A + (ad − bc)I2 = 02,2 .
2. Montrons que A ∈ GL2 (K) ⇐⇒ ad − bc 6= 0K .
• Supposons que ad − bc 6= 0K .
Alors la relation A2 − (a + d)A + (ad − bc)I2 = 02,2 donne
 
1
A − (A − (a + d).I2 ) = I2
ad − bc
1
or K2 [A] est une K-algèbre commutative donc A ∈ GL2 (K) et A−1 = − (A − (a + d).I2 ).
ad − bc
−1
Bonus : nous pouvons expliciter les coefficients de A en fonction de ceux de A :
      
1 a b 1 0 1 d −b
A−1 = − + (a + d) = .
ad − bc c d 0 1 ad − bc −c a

• Supposons que A ∈ GL2 (K).

Raisonnons par l’absurde en supposant que ad − bc = 0.
La relation de la question 1 donne, après multiplication par A−1 ,

A − (a + d)I2 = 02,2

si bien que    
a b a+d 0
=
c d 0 a+d
donc
a = a + d et b = 0 et c = 0 et d = a + d
donc a = b = c = d = 0. Ainsi, A = 02,2 donc ∀B ∈ M2 (K), AB = 02,2 6= I2 , ce qui contredit
A ∈ GL2 (K).
Par conséquent l’assertion ad − bc = 0 est fausse.
3. • B ∈
/ GL2 (C) car 1 × (−2) − (−2) × 1 = 0.
1  3 
−
2
• C ∈ GL2 (C) car (−1) − (−2) × 3 6= 0 et C −1  7 7 .
2 1
− −
7 7
⊲ Corrigé de l’exercice 1.9
Soit B ∈ Mn (R) nilpotente non nulle telle qu’il existe A ∈ Mn (R) vérifiant AB 2 − B 2 A = B. Montrer que
l’indice de nilpotence pB de B est impair. On rappelle que pB = min{p ∈ N∗ | B p = 0}.
L’idée : montrons que si B 2p+2 s’annule, alors B 2p+1 s’annule aussi, et pour cela, il faudrait exprimer B 2p+1 en
fonction de B 2p+2 . Essayons pour les petites valeurs :
• Par hypothèse, B = AB 2 − B 2 A.
•

B3 = B2 × B
= B 2 (AB 2 − B 2 A)
2
= B
| {zA} B2 − B4A
= AB 2 − B
= AB 4 − B 3 − B 4 A

donc 2B 3 = AB 4 − B 4 A.

4
 •
B5 = B2 × B3
1 2
= B (AB 4 − B 4 A)
2 
1 2 
=  B
| {zA} B 4 − B 6 A
2
= AB 2 − B
1

= AB 6 − B 5 − B 6 A
2
donc 3B 5 = AB 6 − B 6 A.
D’où l’idée de prouver par récurrence la conjecture :
∀k ∈ N , (k + 1)B 2k+1 = AB 2k+2 − B 2k+2 A
Soit P(·) la propriété définie pour tout k ∈ N par
P(k) : “(k + 1)B 2k+1 = AB 2k+2 − B 2k+2 A “
• Par hypothèse, B = AB 2 − B 2 A donc P(0) est vraie.
• Soit k ∈ N fixé quelconque tel que P(k) est vraie.
B 2k+3 = B 2 × B 2k+1
1
= B 2 (AB 2k+2 − B 2k+2 A) car P(k) est vraie
k+1
 
1  2 
=  |B{zA} B 2k+2 − B 2k+4 A
k+1
= AB 2 − B
1

= AB 2k+4 − B 2k+3 − B 2k+4 A
k+1
si bien que (k + 2)B 2k+3 = AB 2k+4 − B 2k+4 A.
Ainsi P(k + 1) est vraie.
Raisonnons par l’absurde en supposant que l’indice de nilpotence de B noté pB > 1 est pair. Alors
⋆ d’une part ∃q ∈ N∗ tel que pB = 2q
⋆ d’autre part B pB −1 6= 0,
donc, en utilisant la formule reliant B 2q−1 et B 2q ,
0 6= qB 2q−1 = AB 2q − B 2q A = A B pB
|{z} A = 0
|{z} − B
pB

=0 =0
ce qui est une contradiction.
Ainsi, l’indice de nilpotence de B est impair.

⊲ Corrigé de l’exercice 2.1

1. Structure de sous-espace vectoriel de M2 (R).
2. Structure de sous-anneau de M2 (R).
3. Structure de sous-algèbre de M2 (R).
4. Structure de corps.
5. Isomorphisme avec C.
E → C√
Considérons l’application ψ Montrons que ψ est un isomorphisme de corps,
xI2 + yS 7→ x + iy 2
ce qui signifie que c’est un morphisme d’anneau entre deux corps :
⋆ ψ est un morphisme pour les lois +.
Soient (M, M ′ ) ∈ E 2 fixées quelconques.
∃(x, y, x′ , y ′ ) ∈ R4 : M = xI2 + yS et M ′ = x′ I2 + y ′ S.
ψ(M + M ′ ) = ψ(xI2 + yS + x′ I2 + y ′ S)
= ψ((x + x′ )I2 + (y + y ′ )S)
√
= (x + x′ ) + i(y + y ′ ) 2
√ √
= x + iy 2 + x′ + iy ′ 2
= ψ(M ) + ψ(M ′ )

5
 ⋆ ψ est un morphisme pour les lois ×.
Soient (M, M ′ ) ∈ E 2 fixées quelconques.
∃(x, y, x′ , y ′ ) ∈ R4 : M = xI2 + yS et M ′ = x′ I2 + y ′ S.

ψ(M × M ′ ) = ψ((xI2 + yS) × (x′ I2 + y ′ S))

= ψ((xx′ − 2yy ′ )I2 + (xy ′ + yx′ )S)
√
= (xx′ − 2yy ′ ) + i(xy ′ + yx′ ) 2

Par ailleurs,
 √  √  √
ψ(M ) × ψ(M ′ ) = x + iy 2 x′ + iy ′ 2 = (xx′ − 2yy ′ ) + i 2(xy ′ + yx′ )

d’où ψ(M M ′ ) = ψ(M ) × ψ(M ′ ).

⋆ L’image du neutre multiplicatif de E par ψ est le neutre multiplicatif de C :
√
ψ(I2 ) = ψ(1.I2 + 0.S) = 1 + 0.i 2 = 1

⊲ Corrigé de l’exercice 2.2

⊲ Corrigéde l’exercice 2.3

 
a+b b 2
Soit E = | (a, b) ∈ R
−b a − b
1. Observons que par définition,
  
a+b b 2
E = | (a, b) ∈ R
−b a − b
     
1 0 1 1 2
= a +b | (a, b) ∈ R
0 1 −1 −1
 
1 1
= Vect{I2 , M } où M est la matrice .
−1 −1

donc E est le sous-espace vectoriel engendré par les matrices I2 et M .

Ainsi, E est un sous-espace vectoriel de M2 (R).

De plus l’interprétation ci-dessus permet d’affirmer que E est engendré par la famille (I2 , M ).
Soient (λ, µ) ∈ R2 fixés quelconques tels que λ.I2 + µ.M = 02,2 .
  
λ+µ µ λ + µ = 0
Alors = 02,2 donc si bien que λ = µ = 0 d’où la liberté de la
−µ λ−µ µ = 0
famille (I2 , M ).

Ainsi, E est de dimension 2 et (I2 , M ) est une base de E.

2. • E=6 ∅ car I2 ∈ E.
• E ⊆ M2 (R) et M2 (R) est un anneau.
• E est stable pour la loi + car c’est un sous-espace vectoriel de M2 (R).
• I2 ∈ E.
• Soient (A, B) ∈ E 2 fixées quelconques.
∃(xA , xB , yA , yB ) ∈ R4 : A = xA .I2 + yA .M et A = xB .I2 + yB .M .
Calculons, en utilisant que M 2 = 02,2 ,

A × B = (xA .I2 + yA .) × (xB .I2 + yB .M ) = xA xB .I2 + (xA yB + xB yA ).M

On en déduit
⋆ que A × B ∈ E donc E est stable pour la loi ×,
⋆ que A×B = B×A par symétrie des rôles joués par xA et xB , yA et yB donc la loi × est commutative
en restriction à E.
Ainsi, E est un sous-anneau commutatif de M2 (R).

3. Soient (x, y) ∈ R2 fixés quelconques.

6
 x.I2 + y.M est inversible ⇐⇒ ∃(a, b) ∈ R2 : (x.I2 + y.M )(a.I2 + b.M ) = I2
⇐⇒ ∃(a, b) ∈ R2 : xa.I2 + (ya + bx).M = I2

2 xa = 1
⇐⇒ ∃(a, b) ∈ R : car (I2 , M ) est une famille libre
ya + xb = 0
⇐⇒ x 6= 0

Pour la dernière équivalence, il est indispensable de lire correctement les

 équivalences précédentes : la CNS
xa = 1
cherchée est une CNS d’existence d’au moins une solution au système d’inconnues
ya + xb = 0
(a, b) et de paramètres (x, y). Or si x = 0, il n’y a aucune solution (car la première équation devient
0 = 1) et si x 6= 0, on trouve une unique valeur pour a et en reportant dans la seconde équation, on trouve
toujours au moins une valeur de b qui convient.

Ainsi, les éléments inversibles de E sont {x.I2 + y.M |x ∈ R∗ , y ∈ R} c’est à dire E \ Vect{M }.

4. L’anneau E étant commutatif, il n’est pas ici nécessaire de distinguer les diviseurs de zéro à gauche et les
diviseurs de zéro à droite.
Soient (x, y) ∈ R2 \ {(0, 0)} fixés quelconques.

x.I2 + y.M est un diviseur de zéro ⇐⇒ ∃(a, b) ∈ R2 \ {(0, 0)} : (x.I2 + y.M )(a.I2 + b.M ) = 02,2
⇐⇒ ∃(a, b) ∈ R2 \ {(0, 0)} : xa.I2 + (ya + bx).M = 02

xa = 0
⇐⇒ ∃(a, b) ∈ R2 \ {(0, 0)} : car (I2 , M ) est une fam
ya + xb = 0
⋆ si x 6= 0,   
xa = 0 a = 0 a = 0
⇐⇒ ⇐⇒
ya + xb = 0 xb = 0 b = 0
or (a, b) ∈ R2 \ {(0, 0)} donc le système n’admet aucune solution,
⋆ si x = 0, alors y 6= 0 car (x, y) ∈ R2 \ {(0, 0)},
  
xa = 0 0 = 0 0 = 0
⇐⇒ ⇐⇒
ya + xb = 0 ya = 0 a = 0

donc le système admet au moins (0, 1) comme solution (en fait l’ensemble des solutions est {(0, t)|t ∈
R∗ }).
Par conséquent,
x.I2 + y.M est un diviseur de zéro ⇐⇒ x = 0

Ainsi, les diviseurs de zéro de E sont {y.M |y ∈ R∗ } .

⊲ Corrigé de l’exercice 2.4

• Supposons que In + BA est inversible.
Soit X ∈ Mn,1 (K) fixé quelconque tel que (In + AB)X = 0n,1 .
Alors X + ABX = 0n,1 si bien qu’en multipliant par B à gauche,
BX + BABX = 0n,1
d’où, en factorisant par BX à droite (possible par associativité du produit matriciel),
(In + BA)(BX) = 0n,1
or In + BA est inversible donc BX = 0.
En reprenant l’équation de départ,
BX = 0n,1
X = −A |{z}
= 0n,1
Par conséquent, la matrice carrée In + AB vérifie
h i
∀X ∈ Mn,1 (K) , (In + AB)X = 0n,1 ⇒ X = 0n,1

donc (In + AB) ∈ GLn (K).

7
 • Supposons que In +AB est inversible. En échangeant les rôles joués par A et B on montre comme ci-dessus
que In + BA est inversible.
Ainsi, (In + AB) ∈ GLn (K) ⇐⇒ (In + BA) ∈ GLn (K).

⊲ Corrigé de l’exercice 2.5

1. Raisonnons par l’absurde en supposant que A n’est pas inversible.
Alors, il existe X ∈ Mn,1 (K) tel que AX = 0n,1 et X 6= 0n,1 .
La iième ligne de l’égalité AX = 0 est
n
X
Ai,k Xk,1 = 0n,1
k=1

soit n
X
∀i ∈ [[1, n]] , −Ai,i Xi,1 = Ai,k Xk,1
k=1
k6=i

Puisque X 6= 0n,1 , posons M = max{|Xk,1 | | k ∈ [[1, n]]}. M est bien défini car {|Xk,1 | | k ∈ [[1, n]]} est une
partie
⋆ non vide,
⋆ finie,
⋆ d’un ensemble totalement ordonné (à savoir (R, 6)).
De plus, par définition du plus grand élément d’une partie,

∃i0 ∈ [[1, n]] , M = |Xi0 ,1 |

et puisque X 6= 0n,1 , M = |Xi0 ,1 | > 0.

La iième
0 ligne de l’égalité AX = 0 devient, en prenant le module

n
X
|Ai0 ,i0 | × |Xi0 ,1 | = Ai0 ,k Xk,1
k=1
k6=i

d’où, par inégalité triangulaire,

n
X
|Ai0 ,i0 | × |Xi0 ,1 | 6 |Ai0 ,k ||Xk,1 |
k=1
k6=i

soit, après multiplication par |Xi0 ,1 |−1 ,

n
X X n
|Xk,1 |
|Ai0 ,i0 | 6 |Ai0 ,k | 6 |Ai0 ,k |
k=1
|Xi0 ,1 | k=1
k6=i k6=i

si bien que
n
X
∃i0 ∈ [[1, n]] , |Ai0 ,i0 | 6 |Ai0 ,k |
k=1
k6=i

ce qui contredit l’hypothèse de “diagonale dominante”.

 
7 −2 2
2. • A =  0 −6 1  est à diagonale dominante donc A ∈ GL3 (R).
 1 3 −10 
7 1 6
• B =  −3 −5 3  n’est pas à diagonale dominante car |B1,1 | 6 |B1,2 | + |B1,3 | ce qui ne permet
2 1 −10
pas de conclure a priori.
Toutefois, t B est à diagonale dominante donc t B ∈ GL3 (R)
 donc B ∈ GL3 (R).
 |λ| > 3 + 2
• En utilisant le critère “être à diagonale dominante”, si |λ| > 2 + 2 alors Mλ ∈ GL3 (R). Par

|λ| > 1 + 0
conséquent une condition suffisante d’inversibilité de Mλ est |λ| > 5.

8
 Mais ce résultat
 peut être amélioré ! en effet, en utilisant le critère “être à diagonale dominante” pour
 |λ| > 2 + 1
t
Mλ , si |λ| > 3 + 0 alors t Mλ ∈ GL3 (R) doncune condition suffisante d’inversibilité de t Mλ

|λ| > 2 + 2
est |λ| > 4
Or Mλ ∈ GL3 (R) ⇐⇒ t Mλ ∈ GL3 (R) donc la condition suffisante la moins restrictive (parmi les

deux trouvées ci-dessus) garantissant l’inversibilité de Mλ est |λ| > 4 ⇒ Mλ ∈ GL3 (R).

⊲ Corrigé de l’exercice 3.1

Soit A ∈ Mn (K).
2
La famille {In , A, A2 , . . . , An } est de cardinal n2 + 1 dans le K-espace vectoriel Mn (K) qui est de dimension n2
donc elle est liée. Par conséquent,
2 2
+1
∃(λ0 , . . . , λn2 ) ∈ Kn \ {0Kn2 +1 } : λ0 .In + λ1 .A + λ2 .A2 + . . . + λp .An = 0n .

⊲ Corrigé de l’exercice 3.2

1. Soient (M, M ′ ) ∈ M2 (R)2
Notons Bc = (E 1,1 , E 1,2 , E 2,1 , E 2,2 ) la base canonique de M2 (R).
 
a b
Notons A = la matrice A.
c d
Observons que      
1,1 1,1 1 0 a b a b
⋆ u(E ) = E × A = × = = aE 1,1 + bE 1,2 ,
 0 0   c d   0 0 
0 1 a b c d
⋆ u(E 1,2 ) = E 1,2 × A = × = = cE 1,1 + dE 1,2 ,
0 0 c d 0 0
     
0 0 a b 0 0
⋆ u(E 2,1 ) = E 2,1 × A = × = = aE 2,1 + bE 2,2 ,
 1 0   c d   a b 
0 0 a b 0 0
⋆ u(E 2,2 ) = E 2,2 × A = × = = cE 2,1 + dE 2,2 .
0 1 c d  c d
a c 0 0  t 
 b d 0 0  A 02
Par conséquent, mat(ΦA , Bc ) =    =
0 0 a c  02 t A
0 0 b d
2. Montrons que A ∈ GL2 (R) ⇐⇒ ΦA ∈ GL2 (M2 (R)).
• Supposons que A ∈ GL2 (R). Explicitons ΦA ◦ ΦA−1 .
Soit M ∈ M2 (R) fixée quelconque.

ΦA ◦ ΦA−1 (M ) = ΦA (M A−1 ) = (M A−1 )A = M AA −1

| {z } = M
= In
Par conséquent, ΦA−1 vérifie ΦA ◦ΦA−1 = idM2 (R) donc ΦA est surjectif or il s’agit d’un endomorphisme
en dimension finie (M2 (R) est un espace de dimension finie) donc ΦA ∈ GLR (M2 (R)) (on peut aussi
utiliser que pour un endomorphisme d’un espace de dimension finie, l’existence d’un inverse à droite
ou à gauche suffit à conclure à l’inversibilité).
• Supposons que ΦA ∈ GLR (M2 (R)).
Alors, il existe ψ ∈ GL2 (R) telle que ΦA ◦ ψ = idM2 (R) . En particulier,

ΦA ◦ ψ(I2 ) = I2 ⇒ ψ(I2 )A = I2

mais l’égalité ψ(I2 )A = I2 implique l’inversibilité de A à gauche qui est équivalente à l’inversibilité de
A. Par conséquent, A ∈ GL2 (R).
Autre tméthode.  Raisonner sur la matrice par blocs de ΦA dans la base canonique en observant qu’elle
A 02
vaut et justifier qu’une telle matrice diagonale par blocs est inversible si et seulement si tous
02 t A
ses blocs diagonaux sont inversibles.

Ainsi, ΦA ∈ GLR (M2 (R)) ⇐⇒ A ∈ GL2 (R).

⊲ Corrigé de l’exercice 3.3

1. Ainsi, Tr est une forme linéaire sur Mn (K).

9
 !
2. Ainsi, (E ) i∈[[1,n]] , (E
i,j i,i
−E n,n
)i∈[[1,n−1]] est une base de E.
j∈[[1,n]]
i6=j

⊲ Corrigé de l’exercice 3.4

1. Quelle est la dimension de Mn,p (K)∗ (espace dual de Mn,p (K)) ? Expliciter la base duale de la base
canonique de M2,3 (K).

Mn (K) → K
2. Exprimer dans la base duale de la base canonique les formes linéaires Tr et ϕA :
M 7→ Tr(AM )
où A ∈ Mn (K) est fixée.

 Mn (K) →  Mn (K)∗
3. En déduire l’expression de ϕE i,j et montrer que Φ : Mn (K) → K est un
 A 7→
M 7→ Tr(AM )
isomorphisme.
⊲ Corrigé de l’exercice 3.5
1. (a) Soient (A, B) ∈ Mn (K)2 telles que, ∀M ∈ Mn (K), Tr(AM ) = Tr(BM ). Montrer que A = B (on
pourra tester les matrices de la base canonique de Mn (R)).
(b) Soit ϕ ∈ Mn (K)∗ (forme linéaire sur Mn (K)). Montrer qu’il existe une unique matrice A ∈ Mn (K)
telle que
∀M ∈ Mn (K) , ϕ(M ) = Tr(AM ) .
2. (a) Soient (A, B) ∈ Mn (K)2 ,
n
X
Tr(AB) = [AB]k,k
k=1
n n
!
X X
= Ak,i Bi,k
k=1 i=1
Xn Xn
= (Ak,i Bi,k )
k=1 i=1
Xn X n
= (Bi,k Ak,i )
i=1 k=1
n n
!
X X
= Bi,k Ak,i
i=1 k=1
Xn
= [BA]i,i
i=1
= Tr(BA)
(b) Soient A ∈ Mn (K) et (i, j, k, l) ∈ [[1, n]].
Observons que
E i,j × E k,l = δj,k E i,l
si bien que
Tr(AE i,j E k,l ) = δj,k Tr(AE i,l ) = δj,k Al,i .
(c) Soit ϕ ∈ Mn (K)∗ telle que ∀(A, B) ∈ Mn (K)2 , ϕ(AB) = ϕ(BA).
D’après la question 1, ϕ ∈ Mn (K)∗ donc
∃A ∈ Mn (K) : ∀M ∈ Mn (K) , ϕ(M ) = Tr(AM ) .
2
⋆ Soient (r, s) ∈ [[1, n]] tels que r 6= s. En utilisant la question précédente pour (i, j) = (s, s) et
(k, l) = (s, r),
Ar,s = Tr(AE s,s E s,r ) = ϕ(E s,s E s,r )
or, par hypothèse, ϕ(E s,s E s,r ) = ϕ(E s,r E s,s ) donc en utilisant le calcul de la question précédente
pour (i, j) = (s, r) et (k, l) = (s, s),
Ar,s = ϕ(E s,r E s,s ) = Tr(AE s,r E s,s ) = δr,s As,s = 0 .
|{z}
=0
car r 6= s
Par conséquent, A est une matrice diagonale.

10
 ⋆ Soit r ∈ [[1, n]] fixé quelconque. En utilisant la question précédente pour (i, j) = (1, s) et (k, l) =
(s, 1),
A1,1 = Tr(AE 1,s E s,1 ) = ϕ(E 1,s E s,1 )
or, par hypothèse, ϕ(E 1,s E s,1 ) = ϕ(E s,1 E 1,s ) donc en utilisant le calcul de la question précédente
pour (i, j) = (s, 1) et (k, l) = (1, s),

A1,1 = ϕ(E s,1 E 1,s ) = Tr(AE s,1 E 1,s ) = δ1,1 As,s = As,s .

Par conséquent, A possède tous ses coefficients diagonaux égaux.

Ainsi, ∃λ ∈ K tel que A = λ.In si bien que

∀M ∈ Mn (K) , ϕ(M ) = λ.Tr(M ) .

⊲ Corrigé de l’exercice 4.1 Déterminons le noyau de a :

  
x1  x1 − 2x2 = 0
 x2  ∈ Kera ⇐⇒ − x2 + 3x3 = 0

x3 x1 − 4x2 + 6x3 = 0

 x1 − 2x2 = 0
⇐⇒ − x2 + 3x3 = 0

− 2x2 + 6x3 = 0

 x1 − 2x2 = 0
⇐⇒ − x2 + 3x3 = 0

0 = 0
    
x1  6t 
⇐⇒  x2  ∈  3t  t ∈ R
 
x3 t
  
 6 
Ainsi, Kera = Vect  3  .
 
1
Déterminons l’image de a :
• Méthode 1 : résolution d’un système :
  
y1  x1 − 2x2 = y1
 y2  ∈ Ima ⇐⇒ ∃(x1 , x2 , x3 ) ∈ R3 : − x2 + 3x3 = y2

y3 x1 − 4x2 + 6x3 = y3

 x1 − 2x2 = y1
⇐⇒ ∃(x1 , x2 , x3 ) ∈ R3 : − x2 + 3x3 = y2

− 2x2 + 6x3 = y3 − y1

 x1 − 2x2 = y1
⇐⇒ ∃(x1 , x2 , x3 ) ∈ R3 : − x2 + 3x3 = y2

= y3 − y1 − 2y2
⇐⇒ y3 − y1 − 2y2 = 0
    
y1  u 
⇐⇒  y2  ∈  v  (u, v) ∈ R2
 
y3 u + 2v
   
 1 0 
Ainsi, Ima = Vect  0  ,  1  .
 
1 2
• Méthode 2 : puisque le noyau est de dimension 1, d’après le théorème du rang, l’image est de dimension
2 donc il suffit de trouver deux vecteurs libres de l’image. Or les vecteurs colonnes de A sont eds vecteurs
de l’image de a puisque, par définition
  de a,  ce  sont les images respectives des 
trois
 vecteurs
  delabase
1 0  1 0 
canonique de R3 . Par exemple,  0  et  3  sont libres donc Ima = Vect  0  ,  3  . De
 
   1   6     1 6
 1 −2   1 2 
même, Ima = Vect  0  ,  −1  = Vect  0  ,  1 
   
1 −4 1 4

⊲ Corrigé de l’exercice 4.2

11
1. • Montrons que u ∈ LR (Rn [X]).
• Posons Bc,Rn[X] = (X 0 , X 1 , . . . , X n ) et M = mat(u, Bc,Kn[X] ).
⋆ Cas particulier n = 4 :  
1 1 1 1 1
 0 1 2 3 4 
 
M = 0 0 1 3 6


 0 0 0 1 4 
0 0 0 0 1
⋆ Cas général.
2
La matrice M est de taille (n + 1, n + 1) et pour tout (i, j) ∈ [[1, n + 1]] , Mi,j est la coordonnée de
u(X j−1 ) selon X i−1 (les décalages i − 1 et j − 1 viennent du fait que les lignes et colonnes sont
indicées à partir de 1 tandis que les éléments de la base Bc,Rn [X] ont des puissances qui commencent
à 0 : X 0, X 1 , . . . , X n )
Or
j−1 
X  X j − 1
n−1
j−1 j−1
u(X ) = (X + 1)j−1
= X =
k
Xk
k k
k=0 k=0
| {z }
 en rappelant
 que
j−1
= 0 si k > j − 1
k
donc  
j−1
Mi,j =
i−1

Rn [X] → Rn [X]
• Il est immédiat de vérifier que l’endomorphisme v satisfait v ◦ u = idRn [X]
P (X) 7→ P (X − 1)
si bien que u est injectif, or c’est un endomorphisme d’un espace de dimension finie donc c’est
un automorphisme de Rn [X] et u−1 = v.
De plus, u ∈ GL(Rn [X]) donc d’une part M = mat(u, Bc,Rn [X] ) ∈ GLn+1 (R) et d’autre part

M −1 = mat(u−1 , Bc,Rn [X] ) = mat(v, Bc,Rn [X] ) .

⋆ Cas particulier n = 4.  
1 −1 1 −1 1
 0 1 −2 3 −4 
 
M −1 = 
 0 0 1 −3 6  .

 0 0 0 1 −4 
0 0 0 0 1
⋆ Cas général.
2
La matrice M −1 est de taille (n+1, n+1) et pour tout (i, j) ∈ [[1, n+1]] , [M −1 ]i,j est la coordonnée
de v(X j−1
) selon X i−1
(les décalages i − 1 et j − 1 viennent du fait que les lignes et colonnes sont
indicées à partir de 1 tandis que les éléments de la base Bc,Rn [X] ont des puissances qui commencent
à 0 : X 0, X 1 , . . . , X n )
Or
j−1 
X  n−1
X  
j−1 j−1
v(X j−1 ) = (X − 1)j−1 = (−1)j−1−k X k = (−1)j−1−k Xk
k k
k=0 k=0
| {z }
 en rappelant
 que
j−1
= 0 si k > j − 1
k
donc    
−1 j−i j−1 j+i j−1
[M ]i,j = (−1) = (−1)
i−1 i−1
| {z }
(−1)j−i = (−1)i+j
2. ⋆ Cas particulier n = 4.
Rappelons que
X(X − 1) X(X − 1)(X − 2) X(X − 1)(X − 3)
T0 (X) = 1 , T1 (X) = X , T2 (X) = , T3 (X) = , T4 (X) = .
2 6 24
La famille (T0 , T1 , T2 , T3 , T4 ) est constituée de polynômes non nuls de degrés étagés donc elle est libre.
De plus c’est une famille de R4 [X] qui est de dimension 5 donc elle est libre de cardinal maximal donc
(T0 , T1 , T2 , T3 , T4 ) est une base de R4 [X].

12
 Soit P ∈ R4 [X] fixé quelconque.
∃(λ0 , λ1 , λ2 , λ3 , λ4 ) ∈ R5 , P = λ0 T0 + λ1 T1 + λ2 T2 + λ3 T3 + λ4 T4 (∗)
En particularisant pour X = 0, X = 1, X = 2, X = 3 et X = 4, (i.e. en prenant l’image de (∗) par les
formes linéaires d’évaluation en 0, 1, 2, 3 et 4) on obtient le système


 λ0 + = P (0)


 λ0 + λ1 = P (1)
λ0 + 2λ1 + λ2 = P (2)



 λ 0 + 3λ 1 + 3λ2 + λ3 = P (3)

λ0 + 4λ1 + 6λ2 + 3λ3 + λ4 = P (4)
dont la version matricielle est
     
1 0 0 0 0 λ0 P (0)
 1 1 0 0 0   λ1   P (1) 
     
 1 2 1 0 0 × λ2 = P (2) 
     
 1 3 3 1 0   λ3   P (3) 
1 4 6 4 1 λ4 P (4)
soit    
λ0 P (0)
 λ1   P (1) 
   
t
M ×
 λ2 =
  P (2) 

 λ3   P (3) 
λ4 P (4)
donc, en utilisant que (t M )−1 = t (M −1 ),
       
λ0 P (0) 1 0 0 0 0 P (0)
 λ1   P (1)   −1 1 0 0 0   P (1) 
  t      
 λ2  = (M −1 )  P (2) = 1 −2 1 0 0 × P (2) 
       
 λ3   P (3)   −1 3 −3 1 0   P (3) 
λ4 P (4) 1 −4 6 −4 1 P (4)
d’où 

 λ0 = P (0)

 λ
 1 = −P (0) + P (1)
λ2 = P (0) − 2P (1) + P (2)



 λ3 = −P (0) + 3P (1) − 3P (2) + P (3)

λ4 = P (0) − 4P (1) + 6P (2) − 4P (3) + P (4)
⋆ Cas général.
La famille (T0 , T1 , . . . , Tn ) est constituée de polynômes non nuls de degrés étagés donc elle est libre.
De plus c’est une famille de Rn [X] qui est de dimension n + 1 donc elle est libre de cardinal maximal
donc (T0 , T1 , . . . , Tn ) est une base de Rn [X].
Soit P ∈ Rn [X] fixé quelconque.
n
X
∃(λ0 , λ1 , . . . , λn ) ∈ Rn+1 , P = λk Tk (∗∗)
k=0

En remarquant que, pour tout k ∈ [[0, n]] et tout p ∈ N,

 
p(p − 1) . . . (p − k + 1) p
Tk (p) = = ,
k! k
l’image de (∗∗) par les formes linéaires d’évaluation en 0, 1, . . ., n, on obtient le système
   
λ0 P (0)
 λ1   P (1) 
t    
M × . = . 
 ..   .. 
λn P (n)
qui est équivalent à
     
λ0 P (0) P (0)
 λ1   P (1)   P (1) 
    t  
 ..  = (t M )−1 ×  ..  = (M −1 ) ×  .. 
 .   .   . 
λn P (n) P (n)

13
 Par conséquent, pour tout k ∈ [[0, n]],
n+1
X
λk = [t (M −1 )]k+1,i × P (i − 1)
i=1
n+1
X
= [M −1 ]i,k+1 × P (i − 1)
i=1
n+1
X  
k
= (−1)i+k+1 × P (i − 1)
i−1
i=1
Xn  
k
= (−1)k+s × P (s) en posant s = i − 1,
s=0
s
Xk    
k k
= (−1)k+s × P (s) car = 0 pour s > k.
s=0
s s

3. L’expression de la base duale (T0∗ , T1∗ , T2∗ , T3∗ , T4∗ ) se lie sur les coordonnées d’un polynôme P dans cette
base de Hilbert :
⋆ Cas particulier n = 4.

∀P ∈ R4 [X] , T0∗ (P ) = P (0)

T1∗ (P ) = −P (0) + P (1)
T2∗ (P ) = P (0) − 2P (1) + P (2)
T3∗ (P ) = −P (0) + 3P (1) − 3P (2) + P (3)
T4∗ (P ) = P (0) − 4P (1) + 6P (2) − 4P (3) + P (4)

⋆ Cas général.
Pour tout k ∈ [[0, n]] ;
k
X  
k
∀P ∈ Rn [X] , Tk∗ (P ) = (−1)k+s × P (s) .
s=0
s

⊲ Corrigé de l’exercice 4.3

1. Observons la structure de la solution d’un exercice de ce type :
• Analyse des propriétés de la base B = (e′1 , e′2 ) cherchée.
0 1
Puisque mat(f, B) = , f (e′1 ) = 0R2 et f (e′2 ) = e′1 donc e′1 est un vecteur du noyau de f tandis
0 0
que e′2 est un antécédent de e′1 .
• Construction d’une famille qui est candidate pour être une base B qui convient.
Puisque R2 est un espace de dimension 2, le théorème du rang donne

2 = rgf + dimKerf ,

or Imf = Kerf donc

dimImf = dimKerf = 1
Choisisons u un vecteur non nul de Imf (qui est donc aussi un vecteur de Kerf ).
Par définition de Imf , ∃v ∈ R2 tel que f (v) = u.
Notre famille candidate est (u, v).
• Montrons que (u, v) est une base de R2 .
Soient (λ, µ) ∈ R2 fixés quelconques tels que

λ.u + µ.v = 0R2

En prenant l’image de cette égalité par f , puisque u ∈ Kerf ,

λ.0R2 + µ.f (v) = 0R2

donc µ.u = 0R2 , or u 6= 0R2 donc µ = 0.
En reportant dans l’égalité de départ, λ.u = 0R2 , or u 6= 0R2 donc λ = 0.
Ainsi, (λ, µ) = (0, 0) donc (u, v) est une famille libre, or elle est de cardinal maximal dans R2 qui est
de dimension 2 donc c’est une base de R2 .

14
 • Calcul de mat(f, (u, v)).
Puisque u ∈ Imf = Kerf , f (u) = 0R2 et, par construction, f (v) = u si bien que
 
0 1
mat(f, (u, v)) = .
0 0

2. Posons P = P(Bc , (u, v)) la matrice de passage de la base canonique de R2 à la base (u, v).
D’après la formule de changement de base,
 
0 1
= mat(f, B) = P −1 mat(f, Bc )P
0 0

⊲ Corrigé de l’exercice 4.4

1. Observons que u = f (−v) ∈ Imf et v = f (u) ∈ Imf donc (u, v) est une famille de deux vecteurs de Imf .
Soient (α, β) ∈ R2 fixés quelconques tels que

α.u + β.v = 0R4 (4)

En prenant l’image de cette équation par f , on obtient

− β.u + α.v = 0R4 (5)

si bien qu’en calculant α(4)−β(5), on obtient

(α2 + β 2 ).u = 0R4

or u 6= 0R4 donc α2 + β 2 = 0 donc α = β = 0.

Ainsi, (u, v) est une famille libre de Imf , or son cardinal est égal à la dimension de Imf donc c’est une
base de Imf .
⋆ L’inclusion {0R4 } ⊆ Imf ∩ Kerf est immédiate.
⋆ Soit x ∈ Imf ∩ Kerf fixé quelconque.
Puisque (u, v) est une base de Imf , ∃(α, β) ∈ R2 tels que

x = α.u + β.v

donc f (x) = α.v − β.u, or x ∈ Kerf d’où

α.v − β.u = 0R4

or (u, v) libre donc α = β = 0 donc x = 0R4 .

Ainsi, Imf ∩ Kerf = {0R4 }.

2. Les deux conditions

⋆ Imf ∩ Kerf = {0R4 } (question précédente),
⋆ dimImf + dimKerf = 4 (théorème du rang)
permettent de conclure que Imf ⊕ Kerf = R4 .
Par ailleurs, nous avons prouvé que (u, v) est une base de Imf , et nous pouvons choisir (e3 , e4 ) une base
de Kerf (qui est de dimension 2 d’après le théorème du rang) de sorte que B = (u, v, e3 , e4 ) est une base
de R4 .  
0 −1 0 0
 1 0 0 0 
Ainsi, mat(f, B) =  0 0 0 0 .


0 0 0 0
Or ce n’est pas tout à fait la matrice attendue.  Deux idées permettent
 de terminer l’exercice,
0 1 0 0
 −1 0 0 0 
— en posant B ′ = (v, u, e3 , e4 ), mat(f, B ′ ) = 
 0 0 0 0 ,


0 0 0 0
 
0 1 0 0
 −1 0 0 0 
— en posant B ′′ = (u, −v, e3 , e4 ), mat(f, B ′′ ) = 
 0 0 0 0 .


0 0 0 0

15
 Enfin, en notant P la matrice de passage de la base canonique de R4 à la base B ′ (resp. B ′′ ), on a
 
0 1 0 0
 −1 0 0 0 
  = P −1 AP .
 0 0 0 0 
0 0 0 0

⊲ Corrigé de l’exercice 4.5

1. Traitons le cas n = 3.  
0 0 1
P3 = P((e1 , e2 , e3 ) → (e3 , e2 , e1 )) =  0 1 0 
1 0 0
 
0 0 1
En résolvant le système linéaire P3 X = Y , on obtient imméditement que P3−1 =  0 1 0  = P3 .
1 0 0
Sachant que la formule de changement de base donne

A′ = P3−1 AP3 = P3 AP3

 
A3,3 A3,2 A3,1
le calcul explicite donne A′ =  A2,3 A2,2 A2,1 .
A1,3 A1,2 A1,1
On observe une sorte de « symétrie centrale par rapport au centre de la matrice ».
Montrons cela en toute généralité.
Posons Pn = P((e1 , . . . , en ) → (en , en−1 , . . . , e1 )). On a

∀(i, j) ∈ [[1, n]]2 , [Pn ]i,j = δi,1+n−j

et la résolution du système Pn X = Y donne Pn−1 = Pn .

Calculons, pour (i, j) ∈ [[1, n]]2 ,

A′i,j = [Pn APn ]i,j

Xn
= [Pn ]i,k [APn ]k,j
k=1
Xn n
X
= [Pn ]i,k Ak,s [Pn ]s,j
k=1 s=1
Xn Xn
= [Pn ]i,k Ak,s δs,1+n−j
k=1 s=1
| {z }
= Ak,1+n−j
n
X
= δi,1+n−k Ak,1+n−j
| {z }
k=1
6= 0
⇐⇒ i = 1 + n − k
⇐⇒ k = 1 + n − i
= A1+n−i,1+n−j

Ainsi, A′ = [A1+n−i,1+n−j ] 16i6n .

16j6n

 
1 0
2. Dans le cas n = 2, en posant P2 = P((e1 , e2 ) → (e2 , e1 )) = ,
0 1
   
′ −1 A1,1 A1,2 A2,2 A2,1
A = P2 AP2 = P2 P2 =
A2,1 A2,2 A1,2 A1,1
 
0 A2,1
de sorte que si A1,1 = A2,2 = 0, A′ = =t A.
A1,2 0
⊲ Corrigé de l’exercice 4.6

A et B son semblables ⇐⇒ ∃P ∈ GL2 (R) : A = P −1 BP

⇐⇒ ∃P ∈ GL2 (R) : P A = BP

16
  
x y
Cherchons donc P = ∈ GL2 (R) telle que P A = BP .
z t
   
2x + y x + 2y x y
P A = BP ⇐⇒ =
2z + t z + 2t 3z 3t


 2x + y = x

x + 2y = y
⇐⇒

 2z + t = 3z

z + 2t = 3t


 x + y = 0

x + y = 0
⇐⇒

 − z + t = 0

z − t = 0

x = 0 + y
⇐⇒
t = 0
z −
   
x y −r r 2
⇐⇒ ∈ (r, s) ∈ R
z t s s
 
−1 1
Parmi toutes les solutions trouvées ci-dessus, la matrice P = appartient à GL2 (R) donc A et B sont
1 1
semblables et la relation de similitude est A = P −1 BP .
⊲ Corrigé de l’exercice 4.7
1. ⋆ Par définition, u(e2 ) = b.e1 + c.e2 = c.e2 + b.e1 et u(e1 ) = a.e1 = 0.e2 + a.e1 donc
 
c 0
mat(u, (e2 , e1 )) =
b a
⋆ u(λ.e1 ) = λ.u(e1 ) = (λa).e1 = a.(λ.e1 ) et u(λ.e2 ) = λ.u(e2 ) = λ(b.e1 + c.e2 ) = b.(λ.e1 ) + c.(λ.e2 ) donc
 
a b
mat(u, (λ.e1 , λ.e2 )) =
0 c
⋆ u(e1 ) = a.e1 et u(λ.e2 ) = λ.u(e2 ) = λ(b.e1 + c.e2 ) = λb.e1 ) + c.(λ.e2 ) donc
 
a λb
mat(u, (e1 , λ.e2 )) =
0 c
   
1 1 1 λ
2. Notons M = et, pour λ ∈ K∗ , Mλ = .
0 1 0 1
Notons mb et mcλ les endomorphismes de K2 canoniquement associés à M et Mλ , (e1 , e2 ) la base canonique
2
de K .
D’après la question précédente,  
1 λ
mat(m,
b (e1 , λ.e2 )) =
0 1
Les matrices M et Mλ représentent le même endomorphisme lu dans des bases différentes, elles sont donc
semblables.  
1 0
Précisons la matrice de passage en posant P = P(e1 , e2 () → (e1 , λ.e2 )). P = . La formule de
0 λ
changement de base s’écrit
b (e1 , λ.e2 )) = P −1 mat(m,
mat(m, b (e1 , e2 ))P
soit    
1 λ 1 1
= P −1 P
0 1 0 1
Vérifions cette relation par le calcul :
           
1 1 1 0 1 1 1 0 1 0 1 λ 1 0 1 λ
P −1 P = = =
0 1 0 λ−1 0 1 0 λ 0 λ−1 0 λ 0 λ−1 0 1

   
∗ 1 1 1 λ
Ainsi, pour tout λ ∈ K , les matrices et sont dans la même classe de similitude.
0 1 0 1

17
  
1 1
3. Notons C la classe de similitude de la matrice .
0 1
D’après la question précédente, E ⊂ C.
Par ailleurs, en utilisant la question 1 et en reprenant les notations et les idées de la question 2,
 
1 0
mat(m,
b (e2 , e1 )) =
1 1
 
1 0
Les matrices M et représentent le même endomorphisme lu dans des bases différentes, elles sont
1 1   
1 0 1 0
donc semblables d’où ∈ C. Or ∈
/ E,
1 1 1 1
  
1 λ ∗
donc E= λ∈K n’est pas une classe de similitude.
0 1
 
1 1
Rmq Vérifions que M et sont semblables par le calcul : notons Q = P((e1 , e2 ) → (e2 , e1 )).
  0 1
0 1
Q= . La formule de changement de base s’écrit
1 0

b (e2 , e1 )) = Q−1 mat(m,

mat(m, b (e1 , e2 ))Q
   
1 0 −1 1 1
soit =Q Q.
1 1 0 1
En effet,
          
1 1 0 1 1 1 0 1 0 1 1 1 1 0
Q−1 Q= = =
0 1 1 0 0 1 1 0 1 0 1 0 1 1

⊲ Corrigé de l’exercice 4.8

Procédons par récurrence sur la dimension de l’espace E en considérant la propriété P(·) définie pour tout n ∈ N∗
par
P(n) : « pour tout espace vectoriel E de dimension n , pour tout endomorphisme nilpotent u de E, il existe une
base B de E telle que mat(u, B) est strictement triangulaire supérieure ».
• P(1) est vraie car le seul endomorphisme nilpotent d’un espace vectoriel de dimension 1 est l’endomor-
phisme nul.
• Soit E un K-espace vectoriel de dimension 2 et u ∈ L(E) nilpotent.
Keru 6= {0E } (sinon f serait injectif donc up serait injectif pour tout p ∈ N∗ ce qui contredit la nilpotence
de u). On peut donc choisir e1 ∈ Keru \ {0E }. (e1 ) est libre (car e1 6= 0E ) donc on peut le compléter en
une base de E en lui adjoignant un vecteur e2 .
 
0 a
mat(u, (e1 , e2 )) =
0 b
où (a, b) ∈ R2 sont les coordonnées de u(e2 ) dans (e1 , 2).
Une récurrence immédiate montre que
 
∗ k 0 abk−1
∀k ∈ N , mat(u , (e1 , e2 )) =
0 bk
or u est nilpotente donc ∃p ∈ N∗ : mat(up , (e1 , e2 )) = 0M2 (K) donc bp = 0, or K est un corps donc, par
intégrité, b = 0.  
0 a
Par conséquent, mat(u, (e1 , e2 )) = .
0 0
Ainsi, P(2) est vraie.
• Soit n ∈ N fixé quelconque tel que P(n) est vraie et n > 1.
Soit E un K-espace vectoriel de dimension n + 1 et u ∈ L(E) nilpotent.
⊲ Corrigé de l’exercice 4.9
 
x1
1. Notons X =  x2 .
x3

 (1 − λ)x1 = 0
(A − λ.I3 )X = 03,1 ⇐⇒ x1 + (2 − λ)x2 = 0

x1 (4 − λ)x3 = 0

18
 ⋆ Si λ = 1,

x1 + x2 = 0
(A − λ.I3 )X = 03,1 ⇐⇒
x1 + 3x3 = 0

+ x2
x1 = 0
⇐⇒
− x2 + 3x3 = 0
  
 −3t 
⇐⇒ X ∈  3t  t ∈ R
 
t

⋆ Si λ = 2,

 −x1 = 0
(A − λ.I3 )X = 03,1 ⇐⇒ x1 = 0

x1 2x3 = 0

x1 = 0
⇐⇒
= 0 x3
  
 0 
⇐⇒ X∈  t  t∈R
 
0

⋆ Si λ ∈ R \ {1, 2},

 (1 − λ)x1 = 0
(A − λ.I3 )X = 03,1 ⇐⇒ x1 + (2 − λ)x2 = 0

x1 (4 − λ)x3 = 0

 x1 = 0
⇐⇒ x2 = 0

(4 − λ)x3 = 0
  
 0 
⋆⋆ Si λ = 4, (A − λ.I3 )X = 03,1 ⇐⇒ X ∈  0  t ∈ R .
 
t
⋆⋆ Si λ ∈ R \ {1, 2, 4}, (A − λ.I3 )X = 03,1 ⇐⇒ X ∈ {03,1 }.
2. Soit e ∈ R3 un vecteur non nul générateur d’une droite D (donc D = Vect{e}) stabilisée par u. Alors
u(e) ∈ D donc ∃λ ∈ R : u(e) = λ.e donc il existe λ ∈ R tel que le système AX = λ.X admet au moins
une solution non nulle.
D’après la question précédente, les seules valeurs possibles pour λ sont 1, 2 et 4.
De plus la résolution effectuée dans la question précédent montre que pour chacune de ces valeurs il existe
une unique droite.
      
 −3   0   0 
Ainsi, u admet 3 droites stables : D1 = Vect  3  , D2 = Vect  1  et D4 = Vect  0  .
     
1 0 1

3. Notons Bcan,R3 = (e1 , e2 , e3 ) la base canonique de R3 .

Posons e′1 = −3e1 + 3e2 + e3 , e′2 = e2 et e′3 = e3 .
On montre assez simplement que la famille B ′ = (e′1 , e′2 , e′3 ) est libre, or elle est de cardinal 3 dans un
espace de dimension 3, c’est donc une base de R3 . Posons P = P(Bcan,R3 → B ′ ).
b ∈ L(R3 ) l’endomorphisme canniquement associé à M .
Soit M ∈ M3 (R). Notons m

M 2 = A ⇐⇒ m
b2 = u

On en déduit que m
b ◦u=mb ◦m b2 = mb3 = mb2 ◦ m
b =u◦m b donc m b commute avec u.
Par conséquent,
b ′1 )) = (u ◦ m)(e
u(m(e b ′1 ) = (m
b ◦ u)(e′1 ) = m(u(e
b ′
b ′1 )
1 )) = m(e

b ′1 ) ∈ Ker(u − idR3 ) = Vect{e′1 }. On en déduit qu’il existe a ∈ R : m(e

donc m(e b ′1 ) = a.e′1 .
′ ′
On montre de même que m(e b 2 ) ∈ Ker(u − 2idR3 ) = Vect{e2 } et m(e ′
b 3 ) ∈ Ker(u − 4idR3 ) = Vect{e′3 }. On
3 ′ ′
en déduit qu’il existe (b, c) ∈ R tels que m(e b 3 ) = c.e′3 .
b 2 ) = b.e2 et m(e ′

19
 Par conséquent,  
a 0 0
∃(a, b, c)inR3 b (e′1 , e′2 , e′3 )) =  0
: mat(m, b 0 
0 0 c

b (e′1 , e′2 , e′3 )) = P −1 mat(m,

D’après la formule de changement de base, mat(m, b Bcan,R3 )P donc
 
a 0 0
∃(a, b, c)inR3 : M = P  0 b 0  P −1
0 0 c

On en déduit que l’ensemble des solutions est inclus dans

   
 a 0 0 
P 0 b 0  P −1 (a, b, c)inR3
 
0 0 c
 
a 0 0
Soient (a, b, c) ∈ R3 fixés quelconques. Posons M = P  0 b 0  P −1 .
0 0 c
La formule de changement de base donne mat(u, (e1 , e2 , e′3 )) = P −1 mat(u, Bcan,R3 )P donc
′ ′

 
1 0 0
 0 2 0  = P −1 AP
0 0 4

de sorte que

M2 = A ⇐⇒ P −1 M 2 P = P 
−1
AP 
1 0 0
⇐⇒ (P −1 M P )2 =  0 2 0 
0 0 4
 2  
a 0 0 1 0 0
⇐⇒  0 b 0  = 0 2 0 
0 0 c 0 0 4
 2   
a 0 0 1 0 0
⇐⇒  0 b2 0  =  0 2 0 
0 0 c2 0 0 4

 a ∈ {−1, √ 1}√
⇐⇒ b ∈ {− 2, 2}

c ∈ {−2, 2}

Ainsi, l’ensemble des solutions est

   
 a 0 0 √ √ 
P  0 b 0  P −1 a ∈ {−1, 1}, b ∈ {− 2, 2}, c ∈ {−2, 2}
 
0 0 c

⊲ Corrigé de l’exercice 4.10

⊲ Corrigé de l’exercice 5.1

⋆ Méthode 1 : passage par les applications linéaires canoniquement associées.
a ∈ L(Kp , Kn ) et bb ∈ L(Kq , Kp ) les applications linéaires canoniquement associées à A et B.
Notons b
• On a

a ◦ bb, Bcan,Kq , Bcan,Kn ) = mat(b

mat(b a, Bcan,Kp , Bcan,Kn ) × mat(bb, Bcan,Kq , Bcan,Kp ) = AB

a ◦ bb si bien que
donc l’application linéaire canoniquement associée à AB est b

a ◦ bb) = dimIm(b
rg(AB) = rg(b a ◦ bb) = dimb
a(Imbb) 6 dim(Imb
a) = rgb
a
|{z}
a(Imbb) ⊂ Imb
b a

20
 • Par ailleurs,
a ◦ bb) = dimIm(b
rg(AB) = rg(b a ◦ bb) = dimb
a(Imbb)
or la dimension de l’image d’un espace vectoriel par une application linéaire est toujours inférieure ou
égale à sa dimension donc dimba(Imbb) 6 dimdim(Imbb) = rgbb d’où rg(AB) 6 rgbb = rgB.
⋆ Méthode 2 : matriciellement avec la décomposition P jr Q.
Posons rA = rgA et rB = rgB.
Effectuons les décompositions P jr Q de A et B :

∃(PA , QA ) ∈ GLn (K) × GLp (K) : A = PA JrA QA

∃(PB , QB ) ∈ GLp (K) × GLq (K) : A = PB JrB QB

On a donc
rg(AB) = rg(PA JrA QA PB JrB QB )
or le rang est invariant par multiplication à droite/gauche par une matrice inversible donc

rg(AB) = rg(JrA QA PB JrB QB ) = rg(JrA QA PB JrB )

Posons M = QA PB .
Observons, en effectuant le produit par blocs, qu’il existe M ′ ∈ MrA ,p (K)
 
M′
JrA M =
0n−rA ,p

si bien qu’il existe M ′′ ∈ MrA ,rB (K) :

 
M ′′′ 0rA ,q−rB
JrA M JrB =
0n−rA ,rB 0n−rA ,q−rB

donc  
M ′′ 0rA ,q−rB
rg(AB) = rg(JrA M JrB ) = rg = rgM ′′
0n−rA ,rB 0n−rA ,q−rB
or nous savons que le rang d’une matrice est majoré par la plus petite de ses deux dimensions d’où

rg(AB) = rgM ′′ 6 min(rA , rB )

⋆ Méthode 3.
Mn,1 (K) → Mn,1 (K)
Notons ϕA
X 7→ AX
Notons (B1 , . . . , Bq ) ∈ Mp,1 (K)q les q colonnes de B de sorte que

AB = [AB1 |AB2 | . . . |ABq ] = [ϕ(B1 )|ϕ(B2 )| . . . |ϕ(Bq )]

Par définition du rang,

rgAB = dimVect{ϕ(B1 ), ϕ(B2 ), . . . , ϕ(Bq )}

= dimϕ (Vect{B1 , B2 , . . . , Bq })
or la dimension de l’image d’un sev est majorée par la dimension du sev
6 dimVect{B1 , B2 , . . . , Bq }
6 rgB (6)

Sachant que rgAB 6 rgB, on montre que rgAB 6 rgA astucieusement en passant par la transposée et en
utilisant que la tranposition n’affecte pas le rang :

rg(AB) = rg(tAB)
= rg(tB tA)
6 rg(tA) en appliquant (6) pour A ←t B et B ←t A
6 rgA

Ainsi, rg(AB) 6 min(rg(A), rg(B)).

⊲ Corrigé de l’exercice 5.2

21
 1. Rappeler les définitions et les propriétés des sous-espaces vectoriels qui caractérisent un projecteur vectoriel
d’un R-espace vectoriel E.
2. Montrer que le rang d’un projecteur d’un espace de dimension finie est égal à sa trace.
3. Soit E un K-espace vectoriel. Soient (u, v) ∈ L(E)2 . u est semblable à v s’il existe ϕ ∈ GL(E) telle que
u = ϕ−1 ◦ v ◦ ϕ.
(a) Montrer que la relation binaire « être semblable » est une relation d’équivalence sur GL(E).
(b) Montrer que deux projecteurs d’un espace de dimension finie sont semblables si et seulement si ils ont
le même rang.

⊲ Corrigé de l’exercice 5.3

1. Notons (C1 , . . . , Cn ) ∈ Mn,1 (K) les colonnes de A.
Si ∀i ∈ [[1, n]], Ci = 0Mn,1 , alors A = 0n,n donc rgA = 0 ce qui contredit rgA = 1.
Par conséquent, ∃i0 ∈ [[1, n]] : Ci0 6= 0n,1 .
 
c1
Posons Ci0 =  ... .
 

cn
Puisque A est de rang 1,
Vect{C1 , . . . , Cn } = Vect{Ci0 }
donc ∀j ∈ [[1, n]], Cj ∈ Vect{Ci0 } donc ∃bj ∈ K : Cj = bj .Ci0 .
Ainsi, A = [C1 | . . . |Cn ] = [b1 .Ci0 | . . . |bn .Ci0 ] = Ci0 × [b1 b2 . . . bn ].
 
b1
Posons C = Ci0 ∈ Mn,1 (K) et C ′ =  ...  ∈ Mn,1 (K). On a donc
 

bn

A = Ci0 × [b1 b2 . . . bn ] = C ×t C ′

2. Observons que, par assoiativité du produit matriciel,

A2 = C × t ′
C ×C ×tC ′ = C × [a] ×tC ′ = a.C ×t C ′ = a.A
| {z } | {z }
= [a] ∈ M1,1 (K) = a.C

On montre alors par une récurrence simple que, pour tout p ∈ N∗ , Ap+1 = ap A.
3. Observons que, par abus de notation (matrices (1, 1) confondues avec les scalaires)
t ′
a = C ×C
 
c1
[b1 b2 . . . bn ] ×  ... 
 
=
cn
Xn
= b i ci
i=1

Par ailleurs,  
  c1 b 1 c1 b 2 ··· c1 b n
c1  
c2 b 1 c2 b 2 ··· c2 b n
A =  ...  × [b1 b2 . . . bn ] = 
   
.. .. .. 
 . . . 
cn
cn b 1 cn b 2 ··· cn b n
donc n
X
TrA = b i ci = a
i=1

4. Soit A ∈ Mn (K) une matrice de rang 1. On a prouvé que

A2 = Tr(A).A

Montrons que A est un projecteur si et seulement si Tr(A) = 1.

⋆ Si Tr(A) = 1, alors A2 = A donc A est une matrice de projection.

22
 ⋆ Si A est un projecteur, alors A2 = A or A2 = Tr(A).A donc A = Tr(A).A si bien que

(1 − Tr(A)).A = 0n,n

or A 6= 0n,n (sinon rg(A) = 0 or ici rg(A) = 1) donc 1 − Tr(A) = 0K si bien que Tr(A) = 1.
Soit b
a l’endomorphisme canoniquement associé à A.
Notons (e1 , . . . , en ) la base canonique de Kn .
Si A est un projecteur,
n
X
x= xi .ei ∈ Kerb
a ⇐⇒ a(x) = 0Kn
b
i=1
 
x1
A  ...  = 0n,1
 
⇐⇒
xn
 n 
X
 c1 bj xj 
 j=1 
 
 .. 
⇐⇒   = 0n,1
 n . 
 X 
 cn bj xj 
j=1
n
X
⇐⇒ ∀i ∈ [[1, n]] , ci bj xj = 0
j=1
n
X
⇐⇒ ∀i ∈ [[1, n]] , ci bj xj = 0
j=1

Or, C 6= 0n,1 donc ∃i0 ∈ [[1, n]] : ci0 6= 0K si bien que

n
X n
X
x= xi .ei ∈ Kerb
a ⇐⇒ bj xj = 0
i=1 j=1

x ∈ Imb
a ⇐⇒ x ∈ Vect{b
a(e1 ), b
a(e2 ), . . . , b
a(en )}
⇐⇒ mat(x, (e1 , . . . , en )) ∈ Vect{b1 .Ci0 , b2 .Ci0 , . . . , bn .Ci0 }
or ∃j0 ∈ [[1, n]] : bj0 6= 0K donc Vect{b1 .Ci0 , b2 .Ci0 , . . . , bn .Ci0 } = Vect{Ci0 }
⇐⇒ mat(x, (e1 , . . . , en )) ∈ Vect{Ci0 }
( n )
X
⇐⇒ x ∈ Vect ci .ei
i=1

Ainsi, lorsque A est une matrice de projection, b a est la projection vectorielle de rang 1 sur la droite
n
X Xn
vectorielle Vect{ ci .ei } et parallèlement à l’hyperplan d’équation bj xj = 0.
i=1 j=1

5. Pour étudier l’inversibilité de B = A + In , cherchons une expression polynomiale annulant B sachant que
le polynôme X 2 − Tr(A)X annule A.
Or A = B − In donc
(B − In )2 − Tr(A)(B − In ) = 0n,n
donc
B 2 − (2 + Tr(A))B + (1 + Tr(A))In = 0n,n
⋆ Si Tr(A) 6= −1, alors 1 + Tr(A) 6= 0 donc la relation polynomiale ci-dessus donne
1
B× . (B − (2 + Tr(A)).In ) = In
Tr(A) + 1
donc B est inversible à droite, donc B est inversible et son inverse est son inverse à droite :
1
B −1 = . (B − (2 + Tr(A)).In )
Tr(A) + 1

23
 ⋆ Si Tr(A) = −1, alors la relation polynomiale ci-dessus donne

B 2 − B = 0n,n

donc B est la matrice d’un projecteur. Par conséquent, rg(B) = Tr(B) = Tr(In +A) = Tr(In )+Tr(A) =
n − 1 donc rg(B) < n donc B ∈ / GLn (K).

Ainsi, B = In + A est inversible si et seulement si a 6= −1.

⊲ Corrigé de l’exercice 5.4

⊲ Corrigé de l’exercice 5.5

⊲ Corrigé de l’exercice 5.6

⊲ Corrigé de l’exercice 5.7

1. Non, (Mn (R), ×) n’est pas un groupe ! f est seulement un morphisme du magma associatif (Mn (R), ×)
dans le magma associatif (R, ×). Ces magmas ne sont pas unitaires (le candidat neutre est In resp. 1 or
0Mn (R) × In = 0Mn (R) resp. 0 × 1 = 0) donc ce ne sont pas des groupes !
2. In2 = In donc f (In )2 = f (In ) d’où f (In ) ∈ {0, 1}. Si f (In ) = 0, pour tout M ∈ Mn (R), f (M ) =
f (M In ) = f (M )f (In ) = 0 donc f est l’application identiquement nulle, contradiction, donc f (In ) = 1.
De même, 02Mn (R) = 0Mn (R) donc f (0Mn (R) )2 = f (0Mn (R) ) donc f (0Mn (R) ) ∈ {0, 1}. Si f (0Mn (R) ) =
1, pour tout M ∈ Mn (R), f (M ) = f (0Mn (R) )f (M ) = f (0Mn (R) M ) = f (0Mn (R) ) = 1 donc f est
l’application constante égale à 1, contradiction, donc f (0Mn (R) ) = 0.
3. Ap = 0Mn (R) donc 0 = f (0Mn (R) ) = f (Ap ) = f (A) × f (A) × . . . × f (A) = f (A)p donc f (A)p = 0 si bien
que f (A) = 0 car 0 est l’unique solution de xp = 0 dans R.
4. • Si M ∈ GLn (R), alors M M −1 = In donc f (M )f (M −1 ) = 1 donc f (M ) 6= 0.
• Le sens réciproque se prouve par la contraposée : montrons que si une matrice n’est pas inversible,
alors f (M ) = 0.
Soit M ∈ Mn (R) \ GLn (R). Notons r ∈ [[0, n − 1]] le rang de M . La décomposition P Jr Q de M donne :
∃(P, Q) ∈ GLn (R)2 tels que M = P Jr Q si bien que f (M ) = f (P )f (Jr )f (Q). Par ailleurs la matrice  Jr
0r,1 | Ir | 0r,n−r−1
est de rang r < n donc elle est équivalente à la matrice Nr = car
0n−r,1 | 0n−r,r | 0n−r,n−r−1
cette dernière est aussi de rang r (la matrice Nr s’interprète comme la matrice représentant l’endomor-
phisme canoniquement associé à Jr relativement à la base (en , e1 , e2 , . . . , en−1 ) où (e1 , e2 , . . . , en ) est la
base canonique de Rn ). Or la matrice Nr est nilpotente : Nrn = 0Mn (R) donc d’après la question précé-
dente, f (Nr ) = 0, or ∃(P ′ , Q′ ) ∈ GLn (R)2 tels que Jr = P ′ Nr Q′ donc f (Jr ) = f (P ′ )f (Nr )f (Q′ ) = 0
d’où f (M ) = 0.
Une autre preuve consiste à introduire, pour tout k ∈ [[1, r]], la matrice Jr,k qui est celle représentant
l’endomorphisme canoniquement associé à Jr relativement à la base (eσ(1) , eσ(2) , . . . , eσ(n) ) où σ est la
transposition (k, n) et (e1 , e2 , . . . , en ) est la base canonique de Rn . On peut expliciter ces matrices, Jr,k
est une matrice diagonale dont les éléments diagonaux non nuls sont ceux d’indice ([[1, r]] \ {k}) ∪ {n}
et ils valent 1.
Toutes ces matrices étant semblables à Jr , il existe (Pk )k∈[[1,r] ∈ GLn (R)k :

∀k ∈ [[1, r]] , Jr = Pk Jr,k Pk−1

Ainsi,
r
Y
f (M r ) = f (P Jr Q)
k=1
r
Y
= f (P )f (Q) f (Pk Jr,k p−1
k )
k=1
Yr
= f (P )f (Q) f (Pk )f (Pk−1 )f (Jr,k )
k=1
r
!
Y
= f (P )f (Q)f Jr,k car f (Pk )f (Pk−1 ) = f (In ) = 1
k=1

r
Y
d’où le résultat en remarquant que Jr,k = 0n,n .
k=1

24
⊲ Corrigé de l’exercice 5.8
 
    1 −2 1
1 −2 1 −2
1. Quels sont les inverses, s’ils existent, des matrices A = ,B = ,C = 0 −3 2  ?
0 −3 −2 4
0 0 −2
La résolution des systèmeslinéaires correspondants permet de montrer que
2 
1 −
⋆ A ∈ GL2 (R) et A−1 =  3 ,
1
0 −
  3
2
⋆ B∈ / GL2 (R) car B × = 02,1 ,
1
 
2 1
 1 − −
 3 6 
 1 1 
−1
⋆ C ∈ GL3 (R) et C =  0 − −  .
 3 3 
1 
0 0 −
  2
−1 1 1
2. Soit A =  1 −1 1 . Calculer A2 et en déduire une expression polynômiale annulant A. A est-elle
1 1 −1
inversible
 et si oui quelest son inverse ?
3 −1 −1  
2   2 1 1
A = −1 3 −1 donc A + A − 2I3 = 03 soit A A + I3 = I3 . Par conséquent, A ∈ GL3 (R)
−1 −1 3 2 2
 
1 1
 0 2 2 
1 1  1 1 
et A−1 = A + I3 =   0 .

2 2 2
 1 1 2 
0
2 2  
 a 0 c 
3. L’ensemble des matrices E = A ∈ M3 (C) | ∃(a, b, c) ∈ C3 : A =  0 b 0  est-il un sous-espace
 
c 0 a
vectoriel de M3 (C) ? un sous-anneau ? Quels sont les éléments inversibles dans cet ensemble de cet en-
semble ?

       
 1 0 0 0 0 0 0 0 1 
E = a 0 0 0 +b 0 1 0  + c 0 0 0  | (a, b, c) ∈ C3
 
0 0 1 0 0 0 1 0 0
= Vect{E 1,1 + E 3,3 , E 2,2 , E 1,3 + E 3,1 }
donc E, défini comme le sous-espace engendré par (E 1,1 + E 3,3 , E 2,2 , E 1,3 + E 3,1 ) dans M3 (C) est un
sous-espace vectoriel de M3 (C). La famille génératrice (E 1,1 + E 3,3 , E 2,2 , E 1,3 + E 3,1 ) est aussi libre (exo
2
facile en utilisant que {E i,j | (i, j) ∈ [[1, 3]] } est une base de M3 (C)), donc dimC E = 3.
De plus
⋆ E est inclus dans l’anneau M3 (C),
⋆ E= 6 ∅ car 03 ∈ E,
⋆ E est stable pour la loi + car c’est un sev de M3 (C),
⋆ E est stable
 pour la loi  × :′ 
a 0 c a 0 c′
Soient  0 b 0   0 b′ 0  ∈ E 2 fix’ee quelconques.
c 0 a c′ 0 a ′
   ′   
a 0 c a 0 c′ aa′ + cc′ 0 ca′ + ac′
 0 b 0  ×  0 b′ 0  =  0 bb′ 0 ∈E
′ ′ ′ ′
c 0 a c 0 a ca + ac 0 aa′ + cc′
⋆ (E, ×) admet un neutre qui est In (pour a = 1, b = 1 et c = 0).
Ainsi, (E, +, ×) est un sous-anneau de (M3 (C), +, ×). De plus, nous pouvons remarquer que cet anneau
est commutatif (par symétrie des coefficients du produit de deux éléments de E).
 
a 0 c
La matrice M (a, b, c) =  0 b 0  ∈ E est inversible si et seulement il existe (a′ , b′ , c′ ) ∈ C3 tels que
c 0 a
M (a, b, c) × M (a′ , b′ , c′ ) = M (a′ , b′ , c′ ) × M (a, b, c) = In

25
 qui équivaut, puisque l’anneau est commutatif, à

M (a, b, c) × M (a′ , b′ , c′ ) = In (∗)

Or
   
aa′ + cc′ 0 ca′ + ac′ 1 0 0
(∗) ⇐⇒  0 bb′ 0 = 0 1 0 
′ ′
ca + ac 0 aa′ + cc′ 0 0 1
 ′ ′
 aa + cc = 1
⇐⇒ bb′ = 1
 ′
ca + ac′ = 0

 b ∈ C∗
⇐⇒ aa′ + cc′ = 1
 ′
ca + ac′ = 0

ax + cy = 1
Or le système linéaire 2×2 d’inconnues (x, y) ∈ C2 et de paramètres (a, c) ∈ C2 (S)
cx + ay = 0
a pour déterminant a2 − c2 si bien que  
1 c a 1
 0 a a c 0 c 
6 0, il existe une unique solution au système qui vaut 
— si a2 −c2 = 
 a 2 − c2 = a 2 − c2 , a 2 − c2 = − a 2 − c2 

— si a2 − c2 = 0, alors
— soit a = c si bien que
 
ax + ay = 1 ax + cy = 1
(S) ⇐⇒ ⇐⇒
ax + ay = 0 0 = 1

donc (S) n’admet aucune solution,

— soit a = −c si bien que
 
ax − ay = 1 ax + cy = 1
(S) ⇐⇒ ⇐⇒
−ax + ay = 0 0 = 1

donc (S) n’admet aucune solution.

En conclusion, (a, b, c) ∈ C3 étant fixés quelconques,

b 6= 0
∃(a′ , b′ , c′ ) ∈ C3 : M (a, b, c) × M (a′ , b′ , c′ ) = In ⇐⇒
a 2 − c2 6= 0
  
b 6 = 0 ′ ′ ′ a 1 c
et de plus, si , il existe un unique triplet (a , b , c ) solution qui est , ,−
a 2 − c2
6= 0 a 2 − c2 b a 2 − c2
donc  
a c
 −1 2 2
0 − 2 2
a 0 c  a −c a −c 
 0 b 0  = 1 
 0 0  .
c 0 a  c b a 
− 2 0
a − c2 a 2 − c2
4. Si A est une matrice de M3 (K) telle que pour tout B ∈ M3 (K), (AB)2 = 0, alors A = 0.
Vrai.
2
Fixons (i, j) ∈ [[1, 3]] .
   
A1,1 0 0 A21,1 0 0
Particularisons pour B = E 1,1 : AB = AE 1,1 =  A2,1 0 0  si bien que (AB)2 =  A2,1 A1,1 0 0 
A3,1 0 0 A3,1 A1,1 0 0
donc A21,1 = 0 donc A1,1 = 0.
2
Plus généralement, fixons (i, j) ∈ [[1, 3]] et particularisons pour B = E i,j , on trouve A2j,i = 0 d’où Aj,i = 0.
Ainsi, A = 0.
5. Si A et B sont deux matrices carrées de même taille telles que AB = 0, alors A = 0 ou B = 0.
Faux.  
0 1
Pour A = B = , AB = 02 et pourtant A 6= 02 6= B.
0 0

26
 6. Donner une base de {A ∈ M3 (C) | Tr(A) = 0} (comme R-espace vectoriel puis comme C-espace vectoriel).
La famille {E 1,2 , E 1,3 , E 2,1 , E 2,3 , E 3,1 , E 3,2 , E 1,1 − E 3,3 , E 2,2 − E 3,3 } est une base du C-espace vectoriel
KerTr (hyperplan de M3 (C) donc de dimension 8). Une base de cet espace vu comme R-espace vectoriel
(donc de dimension 16 et ce n’est plus un hyperplan car le R-espace vectoriel M3 (C) est de dimension 18
donc un hyperplan de cet espace est de dimension 17 ! en effet la trace n’est pas une forme linéaire sur
le R-espace vectoriel M3 (C) car elle est à valeur dans C alors que le nouveau corps de base est R !) est
donnée par l’union de

{E 1,2 , E 1,3 , E 2,1 , E 2,3 , E 3,1 , E 3,2 , E 1,1 − E 3,3 , E 2,2 − E 3,3 }

et de
{i.E 1,2 , i.E 1,3 , i.E 2,1 , i.E 2,3 , i.E 3,1 , i.E 3,2 , i.E 1,1 − i.E 3,3 , i.E 2,2 − i.E 3,3 } .
7. Que peut-on dire d’une matrice A ∈ Mn (K) telle que Tr(t AA) = 0 ?
C’est la matrice nulle. En effet,
n
X n
X n
X
∀i ∈ [[1, n]] , [t AA]i,i = t
Ai,k Ak,i = Ak,i Ak,i = A2k,i
k=1 k=1 k=1

si bien que
n X
X n
Tr(t AA) = A2i,k .
i=1 k=1

Par conséquent,
⋆ si K = R, Tr(t AA) = 0 implique la nullité de tous les coefficients,
 
i 0
⋆ si K = C, la même conclusion ne tient pas ! par exemple si A = , on a A 6= 02 et Tr(t AA) = 0.
0 1
8. Trouver deux matrices (A2 , B2 ) ∈ M2 (R)2 telles que A2 B2 = 0 et B2 A2 6= 0. En déduire des matrices
(Ap , Bp ) ∈ Mp (R)2 (p > 2) telles que Ap Bp = 0 et Bp Ap 6= 0.
       
0 2 1 0 0 0 0 2
Pour A2 = et B2 = , on a A2 B2 = et B2 A2 = .
0 1 0 0 0 0 0 0
Le passage de la dimension 2 à la dimension p > 2 se fait  en utilisant des matrices diagonales par
A2 02,p−2 B2 02,p−2
blocs, par exemple Ap = et Bp = qui vérifient Ap Bp =
0p−2,2 0p−2,p−2 0p−2,2 0p−2,p−2
   
02,2 02,p−2 B2 A2 02,p−2
et Bp AP = .
0p−2,2 0p−2,p−2 0p−2,2 0p−2,p−2
9. Le produit de deux matrices symétriques est une matrice symétrique si et seulement si elles commutent.
10. Il existe A ∈ M2n (R) telle que A2 = −I2n .
Oui.  
0 −1
Pour n = 1 A1 = vérifie A21 = −I2 .
1 0
Le passage de la dimension 2 à la dimension 2n se fait en utilisant la matrice diagonale par blocs
 
A1 02,2 · · · 02,2
 .. .. 
 02,2 A1 . . 

An =  . 
. . 
 .. .. .. 0
2,2

02,2 · · · 02,2 A1

qui vérifie    
A21 02,2 ··· 02,2 −I2 02,2 ··· 02,2
 .. ..   .. .. 
 02,2 A21 . .   . . 
A2n =  =  02,2 −I2  = −I2n .
 . .. ..   . .. .. 
 .. . . 02,2   .. . . 02,2 
02,2 ··· 02,2 A21 02,2 ··· 02,2 −I2
11. La trace d’un projecteur vectoriel est égale à son rang.
VRAI.
Soit p un projecteur de rang r ∈ [[0, n]] d’un K-espace vectoriel E de dimension n.
Alors E = Imp ⊕ Kerp.
Choisissons (e1 , . . . , er ) une base de Imp (dimImp = rgp = r) et (er+1 , . . . , en ) une base de Kerp
(dimKerp = n − r d’après le thórème du rang)

27
 Posons B = (e1 , . . . , er , er+1 , . . . , en ) la base obtenue par concaténation des deux bases précédentes.
 
Ir 0r,n−r
Alors mat(p, B) = si bien que Tr(p) qui est la trace de toute matrice associée à p
0n−r,r 0n−r,n−r
relativement à une même base au départ et à l’arrivée vaut Tr(mat(p, B)) = r = rgp.
12. La somme de deux matrices inversiblesest inversible.
    
2 0 −2 0 0 0
FAUX. In + (−In ) = 0n ∈
/ GLn (K) ou + = / GLn (K).
∈
0 1 0 1 0 2
 
1 2 4 8 16
 0 1 2 4 8 
 
13. Vu à l’oral de l’X. Quelle est, sans calcul ou presque, la matrice inverse de A =  
 0 0 1 2 4 ?
 0 0 0 1 2 
0 0 0 0 1
la réponse est dans un exemple du cours.
 
0 1 0 0 0
 0 0 1 0 0 
 
Considérons N =  
 0 0 0 1 0  qui est nilpotente d’indice 5.
 0 0 0 0 1 
0 0 0 0 0
Avec N , A = I5 +2N +(2N )2 +(2N )3 +(2N )4 si bien que l’on pense immédiatement et spontanément
à une identité algébrique vraie dans un anneau en multipliant par In − 2N :

(I5 − 2N )A = (I5 − 2N )[I5 + 2N + (2N )2 + (2N )3 + (2N )4 ] = I5 − (2N )5 = I5

 
1 −2 0 0 0
 0 1 −2 0 0 
 
donc A−1 
= I5 − 2N =  0 0 1 −2 0  .
 0 0 0 1 −2 
0 0 0 0 1
14. Si A et B sont deux matrices de Mn (K) qui commutent et telles que A3 = 7In + B 3 , alors A − B est
inversible. Que se passe-t-il si la relation précédente est changée en A3 = 7In − B 3 ?
Vrai.
Sachant que A et B commutent, on a la relation

A3 − B 3 = (A − B)(A2 + AB + B 2 )

donc  
1 2 1 1
A3 − B 3 = 7In ⇐⇒ (A − B) A + AB B 2 = In
7 7 7
1 2 1 1
donc A − B ∈ GLn (K) et (A − B)−1 = A + AB B 2
7 7 7
Si la relation change en A3 = 7In − B 3 , la même technique peut être adaptée en utilisant l’identité

A3 + B 3 = (A + B)(A2 − AB + B 2 )

si bien que  
3 3 1 2 1 1
A + B = 7In ⇐⇒ (A + B) A − AB B 2 = In
7 7 7
d’où l’inversibilité de A + B.
15. Soit A ∈ Mn (R) tel que A3 = 0. Calculer, pour tout k ∈ N∗ , (In + A + A2 )k .
On travaille dans la R-algèbre commutative R[A] des polynômes en A :
— si k = 1, (In + A + A2 )1 = In + A + A2 ,
— si k = 2, (In + A + A2 )2 = In + A2 + A4 + 2In A + 2In A2 + 2AA2 = In + 2A + 3a2 ,

28
 — si k > 2, la formule du binôme de Newton donne
(In + A + A2 )k = (A(In + A) + In )k
Xk  
k
= Ai (In + A)i Ink−i
i=0
i
X2  
k
= Ai (In + A)i
i=0
i
     
k k k
= In + A(In + A) + A2 (In + A)2
0 1 2
k(k − 1) 2
= In + kA(In + A) + A (In + 2A + A2 )
2
k(k − 1) 2
= In + kA + kA2 + A
2
k(k + 1) 2
= In + kA + A
2
16. Résoudre, dans M2 (C), M 2 = I2 .
⊲ Corrigé de l’exercice 6.1

A−1 0n,p
Posons D = ∈ Mn+p (K).
0p,n B −1
Calculons par blocs M × D et D × M :
   −1   
A 0n,p A 0n,p In 0n,p
M ×D = × =
0p,n B 0p,n B −1 0p,n Ip
 −1     
A 0n,p A 0n,p In 0n,p
D×M = × =
0p,n B −1 0p,n B 0p,n Ip
donc M × D = D × M = In+p donc M ∈ GLn+p (K) et M −1 = D.
Remarque : le calcul M × D = In+p suffit pour conclure à condition de rappeler que, pour une matrice carrée,
l’existence d’un inverse à droite (resp. à gauche) permet de conclure à l’inversibilité et l’inverse est égal à l’inverse
à droite (resp. à gauche).
⊲ Corrigé de l’exercice 6.2
⊲ Corrigé de l’exercice 6.3
⊲ Corrigé de l’exercice 6.4
   
0n,n 0n,n A2 0n,n 0n,n 0n,n 0n,n A3
 0n,n 0n,n 0n,n A2   0n,n 0n,n 0n,n 0n,n 
1. M 2 = 
 0n,n 0n,n 0n,n
, M = 
3  et M 4 = 04n,4n .
0n,n   0n,n 0n,n 0n,n 0n,n 
0n,n 0n,n 0n,n 0n,n 0n,n 0n,n 0n,n 0n,n

Ainsi, M est nilpotente.

2. Observons que
     
2In A 0n,n 2In 0n,n 0n,n 0n,n A 0n,n
U =  0n,n 2In A  =  0n,n 2In 0n,n  +  0n,n 0n,n A 
0n,n 0n,n 2In 0n,n 0n,n 2In 0n,n 0n,n 0n,n
| {z } | {z }
2I3n notée N
Observons que N et 2I3n commutent ce qui permet d’utiliser la formule du binôme de Newton :
∀k ∈ N∗ , U k = (2I3n + N )k
Xk  
k
= N j (2I3n )k−j
j=0
j

Or en reprenant le même type de calculs que dans la question précédente,

   
0n,n 0n,n A2 0n,n 0n,n 0n,n
N 2 =  0n,n 0n,n 0n,n  et N 3 =  0n,n 0n,n 0n,n  = 03n,3n
0n,n 0n,n 0n,n 0n,n 0n,n 0n,n
si bien que,

29
  
2In A 0n,n
⋆ pour k = 1, U 1 =  0n,n 2In A ,
0n,n 0n,n 2In
⋆ pour k > 2,
2  
X k
Uk = N j (2I3n )k−j
j=0
j
   
k k
= 2k I3n + 2k−1 N + 2k−2 N2
1 2
 
2k In k2k−1 A k(k − 1)2k−3 A2
donc U =  0n,n
k
2k In k2k−1 A .
0n,n 0n,n 2k In
⊲ Corrigé de l’exercice 6.5
1. Une première idée consiste à décomposer M sous la forme suivante :
     
In A 0n,n In 0n,n 0n,n 0n,n A 0n,n
M =  0n,n 2In A  =  0n,n 2In 0n,n  +  0n,n 0n,n A 
0n,n 0n,n 3In 0n,n 0n,n 3In 0n,n 0n,n 0n,n
| {z } | {z }
notée D notée N
dans l’espoir d’utiliser la formule du binôme de Newton. Or malheureusement, D et N ne commutent pas
(faire le calcul !) ce qui ne permet pas d’utiliser la formule du binôme !
2. Optons pour une autre stratégie : nous allons essayer d’obtenir au brouillon une conjecture pour M k puis
nous prouverons cette formule par récurrence.
• Partie brouillon.
Calculons les premières puissances de M :
   
In 3A A2 In 7A 4A2
M 2 =  0n,n 22 In 5A  , M 3 =  0n,n 23 In 19A 
0n,n 0n,n 32 In 0n,n 0n,n 33 In
Nous conjecturons à partir de ces premières puissances l’existence de 3 suites (αk )k∈N∗ , (βk )k∈N∗ et
(γk )k∈N∗ telles que
 
In αk A βk A2
∀k ∈ N∗ , M k =  0n,n 2k In γk A 
0n,n 0n,n 3k In
Cherchons des relations de récurrence satisfaites par ces suites en utilisant que
   
In αk+1 A βk+1 A2 In (1 + 2αk )A (αk + 3βk )A2
 0n,n 2 k+1
In γk+1 A  M k+1
= M × M =  0n,n
k
2 In
k
(2 + 3γk )A  M k+1
k

0n,n 0n,n 3k+1 In 0n,n 0n,n 3k In

si bien que
  
∀k ∈ N∗ , αk+1 = 2αk + 1 ∀k ∈ N∗ , βk+1 = 3βk + αk ∀k ∈ N∗ , γk+1 = 3γk + 2k
,
α1 = 1 β1 = 0 γ1 = 1
Déterminons ces 3 suites explicitement : 
∀k ∈ N∗ , αk+1 − 2αk = 1
⋆ Déterminons la suite α caractérisée par
α1 = 1
La droite vectorielle des solutions de l’équation homogène ∀k ∈ N, uk+1 −2uk = 0 est Vect{(2k )k∈N }.
Le second membre est de la forme P (k)1k avec P ∈ R[X] et deg P = 0 : 1 n’est pas solution de
l’équation caractéristique (qui est r − 2 = 0) donc on cherche une solution particulière sous la forme
Q(k)1k avec Q ∈ R[X] et deg Q = 0.
(a)k∈N est solution particulière ⇐⇒ ∀k ∈ N , a − 2a = 1 ⇐⇒ a = −1

Ainsi, la droite affine des solutions de l’équation ∀k ∈ N, uk+1 −2uk = 1 est {(λ.2k −1)k∈N | λ ∈ R}.
Par conséquent, ∃λ ∈ R : ∀k ∈ N, αk = λ.2k − 1.
La condition α1 = 1 impose donc 2λ − 1 = 2 donc λ = 1.

Ainsi ∀k ∈ N, αk = 2k − 1.

30
 
∀k ∈ N∗ , βk+1 − 3βk = 2k − 1
⋆ Déterminons la suite β caractérisée par
β1 = 0
La droite vectorielle des solutions de l’équation homogène ∀k ∈ N, uk+1 −3uk = 0 est Vect{(3k )k∈N }.
Le second membre 2k est de la forme P (k)2k avec P ∈ R[X] et deg P = 0 : 2 n’est pas solution
de l’équation caractéristique (qui est r − 3 = 0) donc on cherche une solution particulière sous la
forme Q(k)2k avec Q ∈ R[X] et deg Q = 0.

(a2k )k∈N est solution particulière ⇐⇒ ∀k ∈ N , a2k+1 −3a2k = 2k ⇐⇒ 2a−3a = 1 ⇐⇒ a = −1

Le second membre 1 est de la forme P (k)1k avec P ∈ R[X] et deg P = 0 : 1 n’est pas solution
de l’équation caractéristique (qui est r − 3 = 0) donc on cherche une solution particulière sous la
forme Q(k)1k avec Q ∈ R[X] et deg Q = 0.
1
(a)k∈N est solution particulière ⇐⇒ ∀k ∈ N , a − 3a = 1 ⇐⇒ a = −
2

Ainsi, en utilisant le principe de superposition, la droite affine des solutions de l’équation ∀k ∈ N,

1
uk+1 − 3uk = 2k − 1 est {(λ.3k − 2k + )k∈N | λ ∈ R}.
2
1
Par conséquent, ∃λ ∈ R : ∀k ∈ N, βk = λ.3k − 2k + .
2
1 1
La condition β1 = 0 impose donc 3λ − 2 + = 0 donc λ = .
2 2

1 k 1
Ainsi ∀k ∈ N, βk = 3 − 2k + .
2 2

∀k ∈ N∗ , γk+1 − 3γk = 2k
⋆ Déterminons la suite γ caractérisée par
α1 = 1
La droite vectorielle des solutions de l’équation homogène ∀k ∈ N, uk+1 −3uk = 0 est Vect{(3k )k∈N }.
Le second membre est de la forme P (k)2k avec P ∈ R[X] et deg P = 0 : 2 n’est pas solution de
l’équation caractéristique (qui est r − 3 = 0) donc on cherche une solution particulière sous la forme
Q(k)2k avec Q ∈ R[X] et deg Q = 0.

(a2k )k∈N est solution particulière ⇐⇒ ∀k ∈ N , a2k+1 −3a2k = 2k ⇐⇒ 2a−3a = 1 ⇐⇒ a = −1

Ainsi, la droite affine des solutions de l’équation ∀k ∈ N, uk+1 − 3uk = 2k est {(λ.3k − 2k )k∈N | λ ∈
R}.
Par conséquent, ∃λ ∈ R : ∀k ∈ N, γk = λ.3k − 2k .
La condition γ1 = 1 impose donc 3λ − 2 = 1 donc λ = 1.

Ainsi ∀k ∈ N, γk = 3k − 2k .

Remarque : il existe une astuce permettant d’accéder encore plus rapidement aux expressions ex-
plicites des suites (αk )k∈N∗ , (βk )k∈N∗ et (γk )k∈N∗ , elle consiste à comparer les résultats des calculs de
M k+1 de deux manières différentes :
   
In αk+1 A βk+1 A2 In (1 + 2αk )A (αk + 3βk )A2
 0n,n 2k+1 In γk+1 A  M k+1 = M k × M =  0n,n 2k In (2k + 3γk )A  M k+1
0n,n 0n,n 3 k+1
In 0n,n 0n,n 3k In
et
   
In αk+1 A βk+1 A2 In (αk + 2k )A (βk + γk )A2
 0n,n 2k+1 In γk+1 A  M k+1 = M × M k =  0n,n 2k In (2γk + 3k )A  M k+1
0n,n 0n,n 3k+1 In 0n,n 0n,n 3k In

si bien que, pour tout k ∈ N∗ ,


   αk = 2k − 1
 2αk + 1 = αk + 2k  αk = 2k − 1 

αk + 3βk = βk + γk ⇒ 2βk = γk − αk ⇒ 3k
1
   βk = − 2k +
2k + 3γk = 2γk + 3k γk = 3k − 2k 
 2 k 2
γk = 3 − 2k

31
 • Partie rédaction.
Considérons la propriété P(·) définie pour k ∈ N par
   
3k 1
 In (2k − 1)A − 2k + A2 
2 2
P(k) : « M k = 
 0n,n
»

2 In
k
(3k − 2k )A
0n,n 0n,n 3k In

• Pour k = 1,
   
31 1  
 In (21 − 1)A − 21 + A2  In A 0n,n
 2 2  =  0n,n
 0n,n  2In A =M
21 In (31 − 21 )A
0n,n 0n,n 3In
0n,n 0n,n 31 In

donc P(1) est vraie.

• Soit k ∈ N∗ fixé quelconque tel que P(k) est vraie.

M k+1 = Mk × M
  k  
3 1 2  
 In (2 − 1)A
k
−2 +k
A  In A 0n,n
 2 2  ×  0n,n 2In
=  0n,n  A  car P(k) est vraie
2k In (3k − 2k )A
0n,n 0n,n 3In
0n,n 0n,n 3k In
   k  
k k 3 k 1 2
 nI (1 + 2(2 − 1))A (2 − 1) + 3 − 2 + A 
 2 2 
=  0n,n k+1 k k k 
2 In (2 + 3(3 − 2 ))A
0n,n 0n,n 3 In
k+1
  k+1  
3 1 2
 In (2
k+1
− 1)A −2 k+1
+ A 
 2 2 
=  0n,n 
2k+1 In (3k+1 − 2k+1 )A
0n,n 0n,n 3 In
k+1

Par conséquent, P(k + 1) est vraie.

⊲ Corrigé de l’exercice 6.6

1.
2.
3.

⊲ Corrigé de l’exercice 6.7

1. • Méthode 1 élémentaire.
Utiliser que le sev engendré par les n premières colonnes est en somme directe avec celui engendré par
les p suivantes.
• Méthode 2 élémentaire.
Observer que l’action sur les lignes et les colonnes de A ne modifie absolument pas les trois autres
blocs (le bloc B et les deux blocs nuls).
Cela permet d’utiliser l’algorithme de calcul du rang en commençant par le blog A ce qui permet
d’aboutir à
 
A 0Mn,p (K)
rg . . + 1} +rg([B]) = rg(A) + rg(B)
= |1 + .{z
0Mp,n (K) B
= rg(A)

• Méthode 3 : recherche du noyau de M

32
   

 AX1
 
 = 0n+p,1
 BX2 
M X = 0n+p,1
⇐⇒ X1
X ∈ Mn+p,1 (K)  X=


 X2

(X1 , X2 ) ∈ Mn,1 (K) × Mp,1 (K)


 AX1 = 0n,1


 BX2 = 0p,1 
⇐⇒ X1

 X=

 X2

(X1 , X2 ) ∈ Mn,1 (K) × Mp,1 (K)
  
X1
⇐⇒ X∈ (X1 , X2 ) ∈ Mn,1 (K) × Mp,1 (K) , AX1 = 0n,1 , BX2 = 0p,1
X2
(7)
Déterminons la dimension du noyau de l’endomorphisme m b canoniquement associé à M : c’est la
dimension de l’espace vectoriel des solutions de M X = 0n+p,1 quiest isomorphe à l’espace vectoriel
AX1 = 0n,1
produit obtenu en considérant les couples (X1 , X2 ) solution de qui est lui même
BX2 = 0p,1
isomorphe au produit des noyaux des endomorphisme b a et bb canoniquement associé à A et B, il est
donc, en appliquant le théorème du rang à b a ∈ L(Kn ) et bb ∈ L(Kp ), de dimension
dimKerm a × Kerbb) = dimKerb
b = dim(Kerb a + dimKerbb = n − rg(b
a) + p − rg(bb) = n + p − rgA − rgB
Or le rang de M est aussi le rang de l’endomorphisme m
b canoniquement associé à M , donc, en
appliquant le théorème du rang à m
b ∈ L(Kn+p ),
rg(M ) = rg(m)
b = n + p − dimKerm
b = n + p − (n + p − rgA − rgB) = rgA + rgB
• Méthode 4 moins élémentaire, elle utilise P Jr Q.
rA = rg(A)
Posons et effectuons la décomposition P Jr Q de A et B :
rB = rg(B)

∃(PA , QA ) ∈ GLn (K) × GLp (K) : A = PA JrA QA
∃(PB , QB ) ∈ GLn (K) × GLp (K) : B = PB JrB QB
Par conséquent,
 
A 0Mn,p (K)
M =
0Mp,n (K) B
 
PA JrA QA 0Mn,p (K)
=
0Mp,n (K) PB JrB QB
   
PA 0Mn,p (K) JrA 0Mn,p (K) QA 0Mn,p (K)
=
0Mp,n (K) PB 0Mp,n (K) JrB 0Mp,n (K) QB
   
PA 0Mn,p (K) QA 0Mn,p (K)
Or les matrices par blocs et sont inversibles (il suffit
0Mp,n (K) PB 0Mp,n (K) QB
   
PA−1 0Mn,p (K) Q−1 0Mn,p (K)
de calculer leur produit respectif avec les matrices et A
)
0Mp,n (K) PB−1 0Mp,n (K) Q−1
B
donc  
JrA 0Mn,p (K)
rg(M ) = rg
0Mp,n (K) JrB
et, en observant que les colonnes non nulles de la matrice ci-dessus forment une sous-famille de la base
canonique de Mn+p,1 (K), on peut affirmer que c’est une famille libre d’où rg(M ) = rA + rB .
2. • Supposons que M ∈ GLn+p (K).
Méthode 1. Soit Z ∈ M (K) fixé quelconque tel que M Z = 0n+p,1 .
 n+p,1
X
Décomposons Z : Z = avec (X, Y ) ∈ Mn,1 (K) × Mp,1 (K) si bien que le produit par blocs
Y
donne
   
AX AX = 0n,1 X = A−1 0n,1 = 0n,1
M Z = 0n+p,1 ⇐⇒ = 0n+p,1 ⇐⇒ ⇐⇒ ⇐⇒ Z = 0n+p,
BY BY = 0p,1 Y = B −1 0p,1 = 0p,1
Ainsi M ∈ GLn+p (K).
Méthode 2. Avec la question précédente.

33
 • Supposons que (A, B) ∈ GLn (K) × GLp (K).
 
A−1 0Mn,p (K)
3. Posons C = . Un calcul de produit par blocs montre que M C = In+p donc M est
0Mp,n (K) B −1
inversible (mais on le sait déjà) et M −1 = C.

⊲ Corrigé de l’exercice 6.8

1. • Méthode 1 élémentaire.
Observer que l’action sur les lignes et les colonnes de A ne modifie absolument pas le bloc B et les
deux blocs nuls).
Cela permet d’utiliser l’algorithme de calcul du rang en commençant par le blog A ce qui permet
d’aboutir à  
A C
rg = 1 + . . . + 1 +rg([B]) = rg(A) + rg(B)
0Mp,n (K) B | {z }
= rg(A)
• Méthode 2 : recherche du « noyau de M »

  

 AX1 + CX2
 
 = 0n+p,1
M X = 0n+p,1
 BX2 
⇐⇒ X1
X ∈ Mn+p,1 (K)  X=


 X2

(X1 , X2 ) ∈ Mn,1 (K) × Mp,1 (K)


 AX1 + CX2 = 0n,1


 BX2 = 0p,1 
⇐⇒ X1

 X=

 X2

(X1 , X2 ) ∈ Mn,1 (K) × Mp,1 (K)


 X1 = −A−1 CX2


 BX2 = 0p,1 
⇐⇒ X1

 X=

 X2

(X1 , X2 ) ∈ Mn,1 (K) × Mp,1 (K)
  
−A−1 CX2
⇐⇒ X∈ X2 ∈ Mp,1 (K) , BX2 = 0p,1
X2
(8)

Déterminons la dimension du noyau de l’endomorphisme m b canoniquement associé à M : c’est la

dimension de l’espace vectoriel des solutions de M X = 0n+p,1 qui est isomorphe à l’espace vectoriel
des solution de BX2 = 0p,1 qui est lui même isomorphe au noyau de l’endomorphisme bb canoniquement
associé à B, il est donc, en appliquant le théorème du rang à bb ∈ L(Kp ), de dimension

dimKerbb = p − rg(bb) = p − rgB

Or le rang de M est aussi le rang de l’endomorphisme m

b canoniquement associé à M , donc, en
appliquant le théorème du rang à m
b ∈ L(Kn+p ),

rg(M ) = rg(m)
b = n + p − dimKerm
b = n + p − (p − rgB) = n + rgB

• Méthode 3 moins élémentaire, elle utilise P Jr Q.

n = rg(A)
Posons et effectuons la décomposition P Jr Q de A et B :
rB = rg(B)

∃(PA , QA ) ∈ GLn (K) × GLp (K) : A = PA In QA
∃(PB , QB ) ∈ GLn (K) × GLp (K) : B = PB JrB QB
Par conséquent,
 
A C
M =
0Mp,n (K) B
 
PA In QA 0Mn,p (K)
=
0Mp,n (K) PB JrB QB
   
PA 0Mn,p (K) In PA−1 CQ−1 QA 0Mn,p (K)
= B
0Mp,n (K) PB 0Mp,n (K) JrB 0Mp,n (K) QB

34
    
PA 0Mn,p (K) QA 0Mn,p (K)
Or les matrices par blocs et sont inversibles (il suffit
0Mp,n (K) PB 0Mp,n (K) QB
   
PA−1 0Mn,p (K) Q−1 0Mn,p (K)
de calculer leur produit respectif avec les matrices et A )
0Mp,n (K) PB−1 0Mp,n (K) Q−1
B
donc  
In PA−1 CQ−1
rg(M ) = rg B
0Mp,n (K) JrB
L’algorithme de calcul du rang permet alors d’obtenir

rg(M ) = n + rg([JrB ]) = n + rB

Ainsi, si rgA = n, alors rg(M ) = rgA + rgB.

2. La formule
 rg(M ) = rgA + rgB devient fausse si rgA < n. En effet, si B = 0p,p par exemple, pour
1 0 0 0
 0 0 1 0 
M = 
 0 0 0 0 , rg(M ) = 2 > 1 + 0 = rg(A) + rg(B).
0 0 0 0
3. Montrer que M ∈ GLn+p (K) ⇐⇒ (A, B) ∈ GLn (K) × GLp (K)
4. Supposons que M ∈ GLn+p (K). Alors, d’après la question précédente, (A, B) ∈ GLn (K) × GLp (K).
 −1 
A −A−1 CB −1
Posons R = et calculons
0n,p B −1
   −1   
A | C A −A−1 CB −1 In 0n,p
M ×R= × = = In+p
0p,n | B 0n,p B −1 0p,n Ip

si bien que M est inversible et M −1 = R.

⊲ Corrigé de l’exercice 6.9

1. Soit u ∈ L(E).

 
A 0n1 ,n2 C
u ∈ H ⇐⇒ ∃(A, B, C, D) ∈ Mn1 (K)×Mn2 ,n3 (K)×Mn3 ,n1 (K)×Mn3 ,n2 (K) : mat(u, B) =  0n2 ,n1 0n2 ,n2 D 
0n3 ,n1 B 0n3 ,n3


 Mn1 (K) × Mn2 ,n3 (K) × Mn3 ,n1 (K) × Mn3 ,n2 (K) →  H 

A 0n1 ,n2 C
Considérons l’application Ψ :

 (A, B, C, D) 7→  0n2 ,n1 0n2 ,n2 D 

0n3 ,n1 B 0n3 ,n3
⋆ ψ est bien définie.
⋆ ψ est linéaire (exo).
⋆ ψ est surjective d’après la caractérisation de H énoncée ci-dessus.
⋆ ψ est injective :
soient (A, B, C, D) ∈ Mn1 (K) × Mn2 ,n3 (K) × Mn3 ,n1 (K) ×  Mn3 ,n2 (K) tels que (A, B, C, D) ∈ Kerψ.
A 0n1 ,n2 C
Alors ψ(A, B, C, D) = 0n,n donc  0n2 ,n1 0n2 ,n2 D  = 0n,n donc A = 0n1 ,n1 , B = 0n3 ,n2 ,
0n3 ,n1 B 0n3 ,n3
C = 0n1 ,n3 et D = 0n2 ,n3 .
Par conséquent, ψ est un isomorphisme, or Mn1 (K) × Mn2 ,n3 (K) × Mn3 ,n1 (K) × Mn3 ,n2 (K) est un espace

vectoriel de dimension finie égale à n21 + n2 n3 + n1 n3 + n2 n3 donc dimH = n21 + 2n2 n3 + n1 n3 .

2. ⋆ La lecture de la troisème colonne donne

∀x ∈ E3 , u(x) ∈ E3
ce qui équivaut à u(E3 ) ⊂ E3 et se lit u stabilise E3 (ou E3 est stable par u).
⋆ La lecture de la deuxième colonne donne
∀x ∈ E2 , u(x) = x
|E
ce qui équivaut à u|E22 = idE2 et se lit E2 est stable par u et la restriction de u à E2 est l’identité de
E2 .

35
 ⋆ La lecture de la première colonne donne
∀x ∈ E1 , existsy ∈ E2 : u(x) = −2x + y .
⊲ Corrigé de l’exercice 7.1
Exercice extrait du numéro 96 de la revue Quadrature page 46 (corrigé dans le numéro 102 page
49) : énoncé E. 370.      
xi 1 ui+1 vi+1
Posons, pour tout i ∈ [[1, n − 1]], Mi = , et pour tout i ∈ [[0, n − 1]], Ui = et Vi = .
1 0 ui vi
Les relations de récurrence donnent :
∀i ∈ [[1, n − 1]] , Ui = Mi Ui−1 , Vi = Mn−i Vi−1
si bien que
Un−1 = Mn−1 Mn−2 . . . M1 U0 , Vn−1 = M1 M2 . . . Mn−2 Mn−1 V0
| {z } | {z }
=M =P
 
1
Or un est la première composante de Un−1 donc un = [1 0] × Un−1 = [1 0]M = M1,1 .
  0
1
De même, vn = [1 0] × Vn−1 = [1 0]P = P1,1 .
0
Enfin, observons que les matrices Mi sont symétriques pour i ∈ [[1, n − 1]], donc
t
P =t (M1 M2 . . . Mn−2 Mn−1 ) = (tMn−1 )(tMn−2 ) . . . (tM1 ) = Mn−1 Mn−2 . . . M1 = M
si bien que P1,1 = [tP ]1,1 = M1,1 , d’où le résultat.
Remarque : après un peu plus de réflexion, on peut plus subtilement introduire Wi = [vi+1 vi ] de sorte que
∀i ∈ [[1, n − 1]] , Wi = Wi−1 Mn−i
de sorte que
Wn−1 = W0 Mn−1 Mn−2 . . . M1
si bien que    
1 1
vn = Wn × = [1 0] × Mn−1 Mn−2 . . . M1 × = un
0 | {z } 0
=M
d’où le résultat (l’argument de symétrie des matrices Mi est remplacé par l’utilisation de la représentation
matricielle de la suite v par une matrice ligne tandis que u est représentée par une matrice colonne).
⊲ Corrigé de l’exercice 7.2
⊲ Corrigé de l’exercice 7.3
⊲ Corrigé de l’exercice 8.1
⊲ Corrigé de l’exercice 8.2
 
α1 β . . . β
 .. 
 β α2 . 

1. Posons A =  . .
. . 
 .. .. .. β 
β . . . β αn
Soit X ∈ Mn,1 (R) fixé quelconque tel que AX = 0n,1 .
Alors, on obtient le système


 α1 X1 + βX2 + ... + βXn = 0

 ..


 βX1 + α2 X2 . = 0
AX = 0n,1 ⇐⇒ .. .. .. ..

 . . . .



 βX 1 + . . . + αn−1 Xn−1 + βXn = 0

βX1 + ... + βXn−1 + αn Xn = 0
n
X
Notons s = Xi . On obtient alors
i=1


 (α1 − β)X1 = −βs

 (α2 − β)X2 = −βs
AX = 0n,1 ⇐⇒ .. .. ..

 . . .


(αn − β)Xn = −βs

36
 • Si s = 0, sachant qu’il existe au plus un i0 ∈ [[1, n]] tel que (αi0 − β) = 0, tous les Xi sont nuls sauf
Xn
éventuellement Xi0 , mais alors la nullité de s impose Xi0 = − Xk = 0 donc X = 0n,1 .
k=1
k6=i0

• Si s 6= 0, alors pour tout i ∈ [[1, n]], (αi − β) 6= 0 donc

βs
∀i ∈ [[1, n]] , Xi = −
αi − β
d’où en sommant sur i = 1, . . . , n,  
X n
β 
 
s = − s
 i=1 αi − β 
| {z }
>0
ce qui est une contradiction car les deux membres ont des signes opposés et le membre de gauche n’est
pas nul par hypothèse.
Par conséquent le cas s 6= 0 ne se produit pas.
Ainsi, AX = 0n,1 ⇒ X = 0n,1 .

Ainsi, A est inversible.

Autre méthode inspirée de l’étude des formes quadratiques.

Soit X ∈ Mn,1 (R) fixé quelconque tel que AX = 0n,1 .
Calculons de deux façons différentes t XAX.
D’une part AX = 0n,1 ⇒t XAX = 0n,1 et d’autre part
n X
X n
t
XAX = Ai,j Xi Xj
i=1 j=1
Xn X
= αi Xi2 + β Xi Xj
i=1 16i,j6n
i6=j
n
X X
= (αi − β)Xi2 + β Xi Xj
i=1 16i,j6n
n n
!2
X X
= (αi − β) Xi2 +β Xi
| {z }
i=1 i=1
>0
par conséquent,
n n
!2
X X
(αi − β) Xi2 +β Xi =0
| {z }
i=1 i=1
>0
donc, tous les termes de cette somme sont nuls :

 ∀i ∈
 [[1, n]] , (αi − β)Xi = 0
Xn

 β
 Xi = 0
i=1

Puisque β > 0, la deuxième condition impose

n
X
Xi = 0
i=1

et sachant qu’il existe au plus un i0 ∈ [[1, n]] tel que αi0 = β, il existe au plus un i0 ∈ [[1, n]] tel que Xi0 6= 0,
or leur somme étant nulle, ils sont tous nuls d’où X = 0n,1 .
2. Considérons la matrice M ∈ Mp,n (R) dont le terme d’indice (i, j) vaut 1 ou 0 selon que ei appartient à
Aj ou non.
Calculons alors t M × M ∈ Mn (R) : pour tout (i, j) ∈ [[1, n]],
p
X p
X
[t M × M ]i,j = [ t M ]i,k × Mk,j = Mk,i × Mk,j = |Ai ∩ Aj |
k=1 k=1
|{z } | {z }
=1 ⇐⇒ ek ∈Ai =1 ⇐⇒ ek ∈Aj

37
 donc
   
|A1 | |A1 ∩ A2 | ... |A1 ∩ An | |A1 | β ... β
 ..   .. 
 |A2 ∩ A1 | |A2 | .   β |A2 | . 
t
M ×M =
 ..
=
  ..
 .

 .. .. .. ..
. . . |An−1 ∩ An |   . . . β 
|An ∩ A1 | ... |An ∩ An−1 | |An | β ... β |An |

D’une part
— par hypothèse β > 0,
— ∀i ∈ [[1, n]], |Ai | > β,
2
— s’il existe (i0 , j0 ) ∈ [[1, n]] tels que i0 6= j0 et |Ai0 | = β = |Aj0 |, alors |Ai0 | = β = |Ai0 ∩ Aj0 | donc
Ai0 ⊂ Aj0 et on montre de même l’inclusion réciproque donc Ai0 = Aj0 ce qui est en contradiction
avec l’hypothèse disant que les parties (Ak )16k6n sont deux à deux distinctes, par conséquent, il existe
au plus un indice i ∈ [[1, n]] tel que |Ai | = β,
donc le résultat de la première question donne t M × M ∈ GLn (R) ⇒ rg( t M × M ) = n.
D’autre part, nous savons que

rg( t M × M ) 6 rg( t M ) = rg(M ) 6 min(n, p) 6 p .

Ainsi, n 6 p.

⊲ Corrigé de l’exercice 9.1

1. Peut-on trouver deux matrices (A, B) ∈ Mn (K)2 telles que AB − BA = 2In ?
Non, en prenant l’image de l’identité espérée par la forme linéaire trace, on obtient 0 = 2n, équation sans
solutions car n > 1.
2. Soit une matrice A ∈ Mn (K) non nulle telle que A3 6= 0 et A4 = 0. La matrice In − 7A est-elle inversible ?
Si oui, donner son inverse.
Les matrices In et 7A commutent donc

In4 − (7A)4 = (In − 7A)(In + 7A + 72 A2 + 73 A3 )

or (7A)4 = 74 A4 = 0Mn (K) donc (In − 7A)(In + 7A + 72 A2 + 73 A3 ) = In donc In − 7A est inversible et

(In − 7A)−1 = In + 7A + 72 A2 + 73 A3 .
3. L’application Ψ de Mn (K) dans Mn (K)∗ , A 7→ (M 7→ Tr(AM )) est un isomorphisme d’espaces vectoriels.

Mn (K) −→ K
— Ψ est bien définie car, pour A ∈ Mn (K) fixé quelconque, Ψ(A) : est bien
M 7−→ Tr(AM )
une forme linéaire sur Mn (K).
— Ψ est injective. Soit A ∈ KerΨ fixée quelconque. Notons A = (ap,q ) 16p6n . Alors,
16q6n

∀M ∈ Mn (K), Ψ(A)(M ) = Tr(AM ) = 0K

2
En particulier, pour tout (i, j) ∈ [[1, n]] , pour M = Ei,j , 0 = Tr(AEi,j ) = aj,i donc A = 0Mn (K) .
— Les espaces vectoriels Mn (K) et Mn (K)∗ ont même dimension (qui est n2 ) car (tout espace vectoriel
de dimension finie a même dimension que son espace dual)
Par conséquent, Ψ est un isomorphisme d’espaces vectoriels.
4. Si A est une matrice symétrique/antisymétrique, que dire de Ak si k ∈ N ?
Par propriété de la transposition vis-à-vis des produits, pour tout k ∈ N, t (Ak ) = (t A)k .
Par conséquent,
• si A est symétrique, pour tout k ∈ N, t (Ak ) = (t A)k = Ak donc Ak est symétrique.
• si A est antisymétrique, pour tout k ∈ N, t (Ak ) = (t A)k = (−1)k Ak donc Ak est symétrique si k ≡ 0[2]
et Ak est antisymétrique si k ≡ 1[2].
5. Soient (A, B) ∈ Mn (K)2 telles que A3 + B 3 = 7In . À quelle condition portant suffisante sur A et B,
A + B est elle inversible ? A2 − AB + B 2 est-elle alors inversible aussi ?
Supposons que A et B commutent, d’après les relations usuelles de calcul algébrique dans un anneau,
(A2 − AB + B 2 )
A3 + B 3 = (A + B)(A2 − AB + B 2 ) donc (A + B) = In donc A + B est inversible et
7
A 2
− AB + B 2
A+B
(A + B)−1 = . Dans ce cas, A2 − AB + B 2 est aussi inversible d’inverse .
7 7

38
6. Soient (A, B) ∈ Mn (K)2 fixées quelconques. Existe-t-il un lien entre les rangs de AB et BA ? la réponse
est-elle modifiée si l’une des deux matrices est inversible ?    
0 1 1 0
Non, il n’existe aucun lien en général entre les rangs de AB et BA. Pour A = et B = ,
0 0 0 0
AB = 0M2 (R) et BA = B donc rg(AB) = 0 6= 1 = rg(BA).
7. Deux matrices semblables ont même trace, mais deux matrices de même trace sont-elles équivalentes ?
En effet, deux matrices semblables ont même trace, mais la réciproque est fausse. Deux
 matrices
 semblables
 
1 0 1 1
sont équivalentes et par conséquent ont même rang. Par conséquent, les matrices et
0 1 1 1
ne sont pas semblables car de rangs respectifs différents 2 et 1 alors qu’elles ont la même trace.
   
3 1 0 −2 0 0
8. Les matrices  0 −1 0  et  4 −1 0  sont-elles équivalentes ?
0 0 1 0 0 4
Oui car elles sont toutes les deux de même rang (égal à 3).
   
3 1 0 −2 1 −1
9. Les matrices  0 0 −3  et  4 −1 3  sont-elles équivalentes ?
0 0 1 −1 0 −1
La première matrice est de rang 2, la seconde est aussi de rang 2 (à prouver par opérations élémentaires
sur les lignes et les colonnes) donc elles sont équivalentes.

39