Université Sultan Moulay Slimane, ENSA Khouribga, API, Semestre 2,

Année universitaire: 2024-25, Correction du TD2, Module : Algèbre 2

Exercice 1:

Solution:

1. Soit u : Rp → Rq , une application linéaire, e = (e1 , . . . , ep ) la base canonique

de Rp et f = (f1 , . . . , fq ) la base canonique de Rq . On pose p = 3, q = 2 et

u(e1 ) = f1 + 2f2 , u(e2 ) = 2f1 − f2 , u(e3 ) = −f1 + f2

a) Déterminer l’image d’un vecteur x = (x1 , x2 , x3 ) par u.

u(x) = u(x1 e1 + x2 e2 + x3 e3 ) = x1 u(e1 ) + x2 u(e2 ) + x3 u(e3 )

= x1 (f1 + 2f2 ) + x2 (2f1 − f2 ) + x3 (−f1 + f2 )

= (x1 + 2x2 − x3 )f1 + (2x1 − x2 + x3 )f2
= (x1 + 2x2 − x3 , 2x1 − x2 + x3 )
b) Déterminer la matrice de u de la base e dans la base f .
 
1 2 −1
A = Mate,f (u) = [u(e1 ) u(e2 ) u(e3 )] =
2 −1 1

c) Déterminer le noyau et l’image de u.

x = (x1 , x2 , x3 ) ∈ ker(u) ⇐⇒ u(x) = 0R2

 
    x1  
0 1 2 −1   0
⇐⇒ AX = ⇐⇒ x2 =
0 2 −1 1 0
x3
( ( (
x1 + 2x2 − x3 = 0 x1 + 2x2 − x3 = 0 x1 = − 51 x3
⇐⇒ ⇔ ⇔
2x1 − x2 + x3 = 0 −5x2 + 3x3 = 0 x2 = 35 x3
   
1 3 1 3
Donc x = − x3 , x3 , x3 = x3 − , , 1
5 5 5 5
 
1 3
On en déduit que ker(u) = Vect(a) avec a = − , , 1
5 5
D’où : dim(ker(u)) = 1 et d’après le théorème du rang :

dim(ker(u)) + dim(Im(u)) = dim(R3 ) ⇔ dim(Im(u)) = 2

Or Im(u) est un sous-espace vectoriel de R2 donc Im(u) = R2

Une autre méthode :
D’abord on écrit que :

Im(u) = Vect(u(e1 ), u(e2 ), u(e3 ))

 Puis, avec le théorème du rang, de dire que la dimension de cet espace
est 2, il suffit donc de trouver deux vecteurs non colinéaires dans Im(u),
soit par exemple (u(e1 ), u(e2 )) ou (u(e1 ), u(e3 )) ou encore (u(e2 ), u(e3 )).
pour trouver une base (libre plus le bon nombre de vecteurs égal base).
Mais on doit remarquer que Im(u) = R2 parce que cela signifie que u
est surjective

2. On a 
x = x

f (x, y, z) = 0 ⇔ x + y − z = 0 ⇔ y = y

z =x+y


ker(f ) est donc un plan vectoriel de base (u, v) avec u = (1, 0, 1) et v =

(0, 1, 1).
D’après le théorème du rang, on sait que Im(u) est de dimension 1. Il est
engendré par exemple par le vecteur non nul w = f (e1 ) = (1, −3, −2).
On remarque que w = u − 3v est élément de ker(f ). Ainsi, Im(f ) ⊂ ker(f )
et donc f 2 = 0. Ensuite, f n = 0 pour tout n ≥ 2 et la matrice de f dans la
base canonique de R3 est elle aussi nulle. Donc M n = 0 pour tout n ≥ 2.
3. (a) Soient i, j, k, l ∈ {1, . . . , n} et Eij , Ekl les matrices élémentaires de
Mn (K) correspondantes. Calculer Eij × Ekl .
(
Eil si j = k
Eij × Ekl = δjk × Eil =
0 sinon

(b) Notons A = ((aij )). Soit k ∈ [[1, n]]. Comme A commute avec la
matrice Ekk , on a
Xn Xn n X
X n
AEkk = aij Eij Ekk = aij Ekk Eij
i=1 j=1 i=1 j=1

et donc n n
X X
aik Eik = akj Ekj
i=1 j=1
Ceci pour tout indice k. Comme le membre de gauche est une matrice
nulle sauf peut-être sur la k-ième colonne et le membre de droite, une
matrice nulle sauf peut-être sur la k-ième ligne. On en déduit que pour
i ̸= k, aik = 0 et donc que A est une matrice diagonale. La réciproque
est claire.
(c) Une matrice A = ((aij )) qui commute avec toutes les matrices symétriques.
Soit k ∈ [[1, n]]. La matrice Ekk est symétrique, et on calcule
X n Xn Xn X n n
X
AEkk = aij Eij Ekk = aij δjk Eik = aik Eik
i=1 j=1 i=1 j=1 i=1

Page 2
 n X
X n n X
X n n
X
Ekk A = aij Ekk Eij = aij δki Ekj = akj Ekj
i=1 j=1 i=1 j=1 j=1

Par conséquent, les coefficients de la matrice AEkk sont nuls, sauf sur
la k-ième colonne où ce sont les coefficients de la k-ième colonne de la
matrice A.
De même, les coefficients de la matrice Ekk A sont tous nuls sauf sur la
k-ième ligne, où l’on retrouve les coefficients de la matrice A.
Puisque AEkk = Ekk A, on en déduit que
∀(i, k) ∈ [[1, n]]2 , i ̸= k ⇒ aik = aki = 0.
La matrice A est donc nécessairement une matrice diagonale :
n
X
A= di Eii .
i=1

Considérons ensuite pour (k, ℓ) ∈ [[1, n]]2 , k ̸= ℓ, la matrice symétrique

S = Ekℓ + Eℓk . On calcule
n
X n
X
AS = di Eii Ekℓ + di Eii Eℓk = dk Ekℓ + dℓ Eℓk
i=1 i=1
n
X n
X
SA = di Ekℓ Eii + di Eℓk Eii = dℓ Ekℓ + dk Eℓk
i=1 i=1
Puisque le système (Ekℓ , Eℓk ) est libre, on trouve que dℓ = dk . En
définitive, la matrice A doit être une matrice scalaire :
∃λ ∈ K tel que A = λIn .
Réciproquement, une matrice scalaire commute avec toute matrice, donc
avec toute matrice symétrique.
4. (a) Soit une matrice A = ((aij )) ∈ Mn (K) et deux indices (k, l) ∈ {1, . . . , n}2 .
Déterminer les matrices AEkl et Ekl A.
Pn
On sait que A = aij Eij donc
i,j=1
n
X n
X n
X
AEkl = aij Eij Ekl = aij δjk Eil = aik Eil
i,j=1 i,j=1 i=1
n
X n
X n
X
Ekl A = aij Ekl Eij = aij δli Ekj = alj Ekj
i,j=1 i,j=1 j=1

D’où :  
a1k a2k · · · ank
 0 0 ··· 0 
AEkl = A × Ekl =  ..
 
.. . . .. 
 . . . . 
0 0 ··· 0

Page 3
  
0 0 ··· 0
 0 0 ··· 0 
Ekl A = Ekl × A = 
 
.. .. .. .. 
 . . . . 
al1 al2 · · · aln

(b) Pour tout B ∈ Mn (K), AB = BA, alors en particulier, pour tout

k, l ∈ {1, . . . , n}, Ekl A = AElk et donc
n
X n
X
aik Eil = alj Ekj
i=1 j=1

Mais la famille {Eij } est libre donc cette égalité n’a lieu que si aik = 0
pour i ̸= k et si aii = ajj pour tout i, j ∈ {1, . . . , n}, autrement dit que
si A est scalaire.
Réciproquement, si A est scalaire alors elle commute avec toutes les
matrices de Mn (K).

5. Soit C = AB, où A = (aij ) 1≤i≤n et B = (bij ) 1≤i≤n sont deux matrices carrées
1≤j≤n 1≤j≤n
symétriques.
n n n
bjk aki = c′ji avec C ′ = BA. Donc
P P P
On a cij = aik bkj = aki bjk =
k=1 k=1 k=1
cij = cji si et seulement si C = C ′ , c’est-à-dire lorsque A et B commutent.
Plus synthétiquement : t(AB) = tB tA = BA car A = tB et B = tB. Donc
t
(AB) = AB si et seulement si AB = BA.

6.

(a)  
−2 0 2
AB =
0 −2 2
BA n’a pas de sens car la taille des lignes de B n’est pas égale à celle
des colonnes de A.
 
−2 0
AC = = −2 Id2
0 −2
 
−2 0
CA = = −2 Id2
0 −2
 
22 −15 −7
CB =
−10 7 3
BC n’a pas de sens car la taille des lignes de de B n’est pas égale à celle
des colonnes de C. B 2 n’a pas de sens car la taille des lignes de de B
n’est pas égale à celle des colonnes de B.

Page 4
 (b) Nous avons : AC = CA = −2Id2 , nous en déduisons:
   
1 1
A − C = − C A = Id2 .
2 2
Il en résulte que la matrice A est inversible, d’inverse :

−2 32
 
−1 1
A =− C=
2 1 − 12

De même :    
1 1
− A C = C − A = Id2 .
2 2
Il en résulte que la matrice C est inversible, d’inverse :
 1
− 2 − 32

−1 1
C =− A=
2 −1 −2
 
√ 1
1 x
7. Pour x ∈] − 1, 1 [, posons M (x) = 1−x2
.
x 1
Posons ensuite G = {M (x), x ∈] − 1, 1[}. Soit alors x ∈] − 1, 1[:
Posons a = argth x de sorte que x = tha. On a
     
1 1 x 1 th a ch a sh a
M (x) = √ = ch a = .
1 − x2 x 1 th a 1 sh a ch a
 
ch a sh a
Posons, pour a ∈ R, N (a) = .
sh a ch a
On a ainsi ∀x ∈] − 1, 1[, M (x) = N (argth x) ou aussi, ∀a ∈ R, N (a) = M ( th
a). Par suite, G = {N (a), a ∈ R}. Soit alors (a, b) ∈ R2 .
  
ch a sh a ch b sh b
N (a)N (b) =
sh a ch a sh b ch b
 
ch a ch b + sh a sh b sh a ch b + sh b ch a
=
sh a ch b + sh b ch a ch a ch b + sh a sh b
 
ch(a + b) sh(a + b)
= = N (a + b)
sh(a + b) ch(a + b)
Montrons alors que G est un sous-groupe de (GL2 (R), ×):
N (0) = I2 ∈ G et donc G est non vide.
∀a ∈ R, det(N (a)) = ch2 a − sh2 a = 1 ̸= 0 et donc G ⊂ GL2 (R).
∀(a, b) ∈ R2 , N (a)N (b)
 = N (a + b) ∈ G.

−1 ch a − sh a
∀a ∈ R, (N (a)) = = N (−a) ∈ G.
− sh a ch a
On a montré que G est un sous-groupe de (GL2 (R), ×).

Page 5
Exercice 2 :

Solution:

1. Si n = 1, alors toutes les formes linéaires conviennent.

On prend n > 1. Une forme linéaire est définie par ses images des vecteurs
d’une base, donc ici les φ(Eik ).
Or Eik = Eij Ejk donc en choisissant A = Eij et B = Ejk avec k ̸= j (c’est
possible puisque n > 1), on a B t A = Ejk Eji = 0. Donc φ(Eik ) = 0 et φ est
la forme nulle.

2. Pour résoudre cette équation, nous suivons les étapes suivantes :

Écrivons l’équation donnée :

X + Tr(X)A = B

Soit Tr(X) = t. Nous avons alors :

X = B − tA

Prenons la trace des deux côtés de cette équation :

Tr(X) = Tr(B) − tTr(A)

Puisque Tr(X) = t, nous obtenons :

t = Tr(B) − tTr(A)

Résolvons pour t :
t(1 + Tr(A)) = Tr(B)
Tr(B)
t=
1 + Tr(A)
Utilisons cette valeur de t pour trouver X :

Tr(B)
X =B− A
1 + Tr(A)
Tr(B)
ˆ Si Tr(A) ̸= −1, alors X = B − 1+Tr(A)
A. Réciproquement, on vérifie
que cette matrice convient.
ˆ Si Tr(A) = −1, alors en prenant la trace dans l’égalité X +Tr(X)A = B,
on déduit Tr(X) + Tr(X)Tr(A) = Tr(B), soit Tr(B) = 0. Donc si
Tr(B) ̸= 0, il n’y a pas de solution.

Page 6
 Réciproquement, si on suppose Tr(B) = 0, alors en posant X = B + λA, on
a bien Tr(X) = Tr(B) + λTr(A) = −λ, et par conséquent X + Tr(X)A =
X − λA = B + λA − λA = B.
Dans le cas où Tr(A) = −1 et Tr(B) = 0, l’ensemble des solutions est
S = {B + λA, λ ∈ R}.
Conclusion :
n o
Tr(B)
ˆ Si Tr(A) ̸= −1, S = B − 1+Tr(A) A .
ˆ Si Tr(A) = −1 et Tr(B) ̸= 0, S = ∅.
ˆ Si Tr(A) = −1 et Tr(B) = 0, alors S = {B + λA, λ ∈ R}.

3. (a) Première méthode :

Soient x et y deux réels.
  
ch x sh x ch y sh y
A(x)A(y) =
sh x ch x sh y ch y
 
ch x ch y + sh x sh y sh x ch y + ch x sh y
=
sh x ch y + ch x sh y ch x ch y + sh x sh y
 
ch(x + y) sh(x + y)
=
sh(x + y) ch(x + y)
En particulier,
 
1 0
A(x)A(−x) = A(−x)A(x) = A(0) = = I2
0 1

et A(x) est inversible d’inverse A(−x). On a aussi, pour n entier naturel

non nul donné :

(A(x))n = A(x)A(x) . . . A(x) = A(x + x . . . + x) = A(nx),

ce qui reste clair pour n = 0 car A(x)0 = I2 = A(0). Enfin, (A(x))−n =

n
(A(x)−1 ) = A(−x)n = A(−nx). Finalement,
 
n ch(nx) sh(nx)
∀n ∈ Z, (A(x)) = A(nx) =
sh(nx) ch(nx)

Deuxième méthode :    
x −x 1 11 1 1 −1
Poser A = e J + e K, avec J = et K = 2 .
1 12 −1 1
Constater que J 2 = J, K 2 =K, et JK = KJ = 0.
ch nx sh nx
En déduire : ∀n ≥ 1, An = .
sh nx ch nx

Page 7
  
1 −1
(b) Noter que A = I + 4J avec J = et J 2 = 0. En appliquant
1 −1
la formule du binôme de Newton:
n   1  
n
X n k n−k
X n
A = (4J) I = (4J)k
k k
k=0 k=0

On peut déduire An = I + 4 n J.
(c) On constate que A3 = 0.
(d) Première solution :
On Calcule à la main, les deuxième, troisième et quatrième puissances
de J4 (λ) et on obtient :
 2   3  4 
λ 2λ 1 0 λ 3λ2 3λ 1 λ 4λ3 6λ2 4λ
 0 λ2 2λ 1   0 λ3 3λ2 3λ   0 λ4 4λ3 6λ2 
 0 0 λ2 2λ ,  0
    .
0 λ3 3λ2   0 0 λ4 4λ3 
0 0 0 λ2 0 0 0 λ3 0 0 0 λ4

Cela suggère qu’en général, l’entrée (i, j) de Jm (λ)n
est

n
λn+i−j , avec la convention que kl = 0 si l < 0.


(Jm (λ)n )ij = j−i
La preuve par induction est basée sur la formule récursive pour les
coefficients binomiaux. En effet, à partir de Jm (λ)n+1 = Jm (λ)n Jm (λ),
nous obtenons

(Jm (λ)n+1 )ij = λ(Jm (λ)n )ij + (Jm (λ)n )i,j−1

     
n n+i−j n n+i−j+1 n + 1 n+1+i−j
=λ λ + λ = λ ,
j−i j−1−i j−i
ce qui prouve l’assertion.
Deuxième solution :
Définissons S comme la matrice n×n avec des 1 juste au-dessus de la di-
agonale et des zéros ailleurs (généralement appelée matrice de décalage),
et notons que S k a des 1 au-dessus de la diagonale à une distance k de
celle-ci, et en particulier S n = On . Ainsi,
n−1  
n n
X n
Jm (λ) = (λIn + S) = λn−k S k .
k=0
k

La conclusion s’ensuit.
Remarque :
La matrice Jm (λ) est appelée un bloc de Jordan. Elle fait partie de
la forme canonique de Jordan d’une matrice. Plus précisément, étant
donné une matrice carrée A, il existe une matrice inversible S telle
que S −1 AS est une matrice diagonale par blocs dont les blocs sont des

Page 8
 matrices de la forme Jmi (λi ). Les nombres λi sont les valeurs propres
de A. En conséquence de ce problème, nous obtenons une méthode
standard pour élever une matrice à la puissance n. L’idée est d’écrire
la matrice sous forme canonique de Jordan, puis d’élever les blocs à la
puissance.

4. On considère B = (ei )1≤i≤n la base canonique de Rn et u l’endomorphisme

de Rn défini par u(e1 ) = 0 et u(ei ) = ei−1 pour i ≥ 2.
J est la matrice de u dans B.
J T est la matrice de v dans B, avec v(ei ) = ei+1 pour i ≤ n − 1 et v(en ) = 0.
J T J est la matrice de v ◦ u dans B.
On a v ◦ u(e1 ) = 0 et v ◦ u(ei ) = v(ei−1 ) = ei . Donc

0 ··· ··· 0
 
0
0
. 1 0 · · · 0
.
J T J =  .. 0 1 · · · .. 
 
. .. .. . . .. 
 .. . . . .
0 0 ··· 0 1

de même
0 ··· ··· 0
 
1
0
. 1 0 · · · 0
.
JJ T =  .. 0 1 · · · .. 
 
. .. .. . . .. 
 .. . . . .
0 0 ··· 0 0

5. (a) Soit A une matrice carrée d’ordre n inversible et B une approximation

de A−1 .
On pose X = I − AB et on suppose que ∥X∥ < 1. Montrer que

∥BX∥
A−1 − B ⩽
1 − ∥X∥

Page 9
 Solution:

AB = I − X ⇒ B −1 A−1 = (I − X)−1 ⇒ A−1 = B(I − X)−1

A−1 = B(I − X)−1 = B I + X + X 2 + · · ·

A−1 − B ⩽ ∥BX∥∥I + X + · · · ∥
⩽ ∥BX∥ 1 + ∥X∥ + ∥X∥2 + · · ·

∥BX∥
⩽ , pour∥X∥ < 1
1 − ∥X∥

(b) Existe-il des matrices A et B telles que AB − BA = In ?

Solution:
Non, car Tr(AB) = Tr(BA) implique Tr(AB − BA) = 0 ̸= Tr (In ).

(c) Soient (A, B) ∈ Mn (K) tels que AB − BA = A. Calculer Tr (Ap ) pour

tout entier non nul p.

Solution:
Tr(A) = Tr(AB − BA) = Tr(AB) − Tr(BA) = 0
Tr (Ap ) = Tr Ap−1 (AB − BA)

= Tr (Ap B) − Tr Ap−1 BA

Or

Tr Ap−1 BA = Tr Ap−1 B A = Tr A Ap−1 B = Tr (Ap B)

et donc Tr (Ap = 0).

6. Calculer le rang de A. Pour quelles valeurs de m la matrice A est-elle in-

versible ?
     
m 2 1 1 2 m 1 2 m
rg(A) = rg 1 2 m = rg m 2 1  = rg 0 2(1 − m) 1 − 2m
2 m 1 2 m 1 0 m − 4 1 − 2m
On va discuter deux cas :
(a) 2(1 − m) = 0 ce qui est équivalent à m = 1. Dans ce cas :
   
1 2 1 1 2 1
rg(A) = rg 0 0 −1 = rg 0 −3 −1 = 3
0 −3 −1 0 0 −1

Page 10
(b) m ̸= 1. Dans ce cas, on a :
  
1 2 m

1 2 m
rg(A) = rg 0 2(1 − m) 1 − 2m = rg 0 2(1 − m) 1 − 2m 
3(1−2m)(2−m)
0 m − 4 1 − 2m 0 0 2(1−m)

3(1−2m)(2−m)
On discute maintenant selon la valeur de 2(1−m)
.

(a) Si 3(1−2m)(2−m)
2(1−m)
̸= 0 ce qui est équivalent à m ̸= 1
2
et m ̸= 2 alors
rg(A) = 3. (b)
(b) Si 3(1−2m)(2−m)
2(1−m)
= 0 ce qui est équivalent à m = 1
2
ou m = 2. Pour
1
m = 2 , on a
1 2 12
 

rg(A) = rg 0 1 0  = 2
0 0 0
Pour m = 2, on a
 
1 2 2
rg(A) = rg 0 −2 −3 = 2
0 0 0

Conclusion : ‘

ˆ Si m ̸= 1
2
et m ̸= 2 alors le rg(A) = 3.
ˆ Si m = 1
2
ou m = 2 alors rg(A) = 2.
ˆ On a aussi A est inversible si et seulement si rg(A) = 3. En particulier,
A est inversible si et seulement si m ̸= 21 et m ̸= 2.

Page 11