Algèbre linéaire Corrigé 5

Exercice 1. Parmi les applications suivantes, lesquelles sont des applications linéaires ? Donner une
preuve ou un contre-exemple. Pour les applications qui sont linéaires, calculer le noyau.
1) f1 : R2 → R2 , (x, y) 7→ (x + 3y, x2 + y 2 ).
2) f2 : P(R) → P(R), p 7→ p(′ . )
a b
3) f3 : M2×2 (R) → P3 (R), 7→ (a + b)x3 − cx2 + 2d.
c d
4) f4 : R3 → R3 , (x, y, z) 7→ (2x + y − z, −x + y − 3z, y + z − 1).
5) f5 : R3 → R2 , (x, y, z) 7→ (x − y, sin(z)).

Solution 1.
1) L’application n’est pas linéaire. En effet, 2f1 (1, 1) = 2(1 + 3, 12 + 12 ) = 2(4, 2) = (8, 4) mais
f1 (2(1, 1)) = f1 (2, 2) = (2 + 6, 22 + 22 ) = (8, 8) ̸= (8, 4).
2) Par les propriétés de la dérivation, on sait que (λp)′ = λp′ et (p + q)′ = p′ + q ′ pour tout
λ ∈ R et tous p, q ∈ P(R). L’application est donc linéaire. Pour calculer le noyau, on cherche
tous les polynômes tels que leur dérivée est nulle. On obtient donc Ker(f2 ) = {polynômes
constants}.
3) On vérifie les deux propriétés pour que l’application soit linéaire :
(( ))
a b
λf3 = λ((a + b)x3 − cx2 + 2d) = (λa + λb)x3 − λcx2 + 2λd =
c d
(( )) ( ( )) ( )
λa λb a b a b
f3 = f3 λ , pour tous λ ∈ R, ∈ M2×2 (R),
λc λd c d c d
et
(( )) (( ))
a1 b1 a2 b2
f3 + f3 = (a1 + b1 )x3 − c1 x2 + 2d1 + (a2 + b2 )x3 − c2 x2 + 2d2
c1 d1 c2 d2
(( ))
a1 + a2 b1 + b2
= ((a1 + a2 ) + (b1 + b2 ))x − (c1 + c2 )x + 2(d1 + d2 ) = f3
3 2
c1 + c2 d1 + d2
(( ) ( )) ( ) ( )
a1 b1 a2 b2 a1 b1 a2 b 2
= f3 + , pour tous , ∈ M2×2 (R).
c 1 d1 c2 d2 c1 d1 c2 d2
( )
a b
On calcule à présent le noyau de f3 . On veut donc une matrice telle que (a + b)x3 −
c d
cx2 + 2d = 0, i.e. ( a + b )= 0, −c = 0, 2d = 0. On obtient donc a = −b, c = d = 0, d’où
1 −1
Ker(f3 ) = Vect({ }).
0 0
4) On constate que f4 (0, 0, 0) = (0, 0, −1) ̸= (0, 0, 0), et l’application ne peut donc pas être
linéaire, puisque toute application f : V → W linéaire a la propriété que f (0V ) = 0W .
5) On calcule 2f5 ((0, 0, π/2)) = 2(0, 1) = (0, 2) mais f5 (2(0, 0, π/2)) = f5 ((0, 0, π)) = (0, 0) ̸=
(0, 2). L’application n’est pas linéaire.
Exercice 2. Pour les applications linéaires suivantes, déterminer si elles sont injectives, surjectives
ou bijectives. Justifier. Pour les applications qui sont bijectives, donner l’application inverse.
1) g1 : R2 → R3 , (x, y) 7→ (x − y, y, x).
2) g2 : M3×2 (R) → M2×3 (R), A 7→ AT .
3) g3 : R3 → R3 , (x, y, z) 7→ (x + 3y − 2z, 3x + 4y + 2z, 4x + 7y).
4) g4 : R3 → R2 , (x, y, z) 7→ (x + y + z, x − y − z).
5) g5 : R3 → P2 (R), (a, b, c) 7→ (a + b)x2 − cx + (b + c).
6) g6 : R2 → R2 , (x, y) 7→ (3x − y, x + 4y).

Solution 2.
1) On calcule le noyau de g1 , et on obtient donc x − y = 0, y = 0, x = 0, d’où Ker(g1 ) = {0}, et
g1 est injective. Par le théorème du rang, dim(Im(g1 )) = dim(R2 ) − dim(Ker(g1 )) = 2 − 0 = 2.
Or l’espace d’arrivée est R3 donc de dimension 3, l’application g1 n’est pas surjective.
2) Pour calculer le noyau, on observe que AT = 0 ⇐⇒ (AT )T = 0T = 0 ⇐⇒ A = 0
puisque (AT )T = A. On a donc Ker(g2 ) = {0}. Par le théorème du rang, dim(Im(g2 )) =
dim(M3×2 (R)) − dim(Ker(g2 )) = 6 − 0 = 6 = dim(M2×3 (R)), donc l’application g2 est surjec-
tive (l’image est toujours un sous-espace de l’espace d’arrivée, donc l’égalité des dimensions
implique que l’image et l’espace d’arrivée sont égaux). L’application est donc bijective.
Pour son inverse, on constate que g2−1 : M2×3 (R) → M3×2 (R), A 7→ AT est l’application
recherchée, puisque (AT )T = A. Attention, g2−1 ̸= g2 , les espaces de départ et d’arrivée sont
inversés !
3) On commence à nouveau par calculer le noyau, et on obtient le système

 x + 3y − 2z = 0
3x + 4y + 2z = 0 .

4x + 7y = 0
En additionnant les deux premières lignes, on retrouve la troisième, et on a donc comme
solution x = − 74 y, y = y, z = 85 y, donc Ker(g3 ) = Vect({(− 74 , 1, 85 )}), et l’application n’est pas
injective. Le théorème du rang nous donne dim(Im(g3 )) = dim(R3 )−dim(Ker(g3 )) = 3−1 = 2,
donc l’application n’est pas surjective puisque son espace d’arrivée est de dimension 3.
Autrement, on peut utiliser le résultat suivant qui découle du théorème du rang : Si f : V →
W est une application linéaire entre des R-espaces vectoriels V et W de dimension finie tels
que dim V = dim W , alors f est injective si et seulement si f est surjective.
Ici, on a V = W = R3 et dim V = dim W = 3. Comme g3 n’est pas injective, on obtient que
g3 n’est pas surjective.
4) Pour calculer le noyau, on pose x+y +z = 0, x−y −z = 0, d’où x = 0 et y = −z. Le noyau est
donc de dimension 1 engendré par {(0, 1, −1)}, l’application n’est pas injective, et le théorème
du rang implique la surjectivité puisque dim(Im(g4 )) = dim(R3 ) − dim(Ker(g4 )) = 3 − 1 =
2 = dim(R2 ).
5) Le calcule du noyau nous donne a + b = 0, −c = 0, b + c = 0, dont on déduit a = b = c = 0,
soit Ker(g5 ) = {0}, et l’application est injective. Toujours par le théorème du rang, on a
dim(Im(g5 )) = dim(R3 ) − dim(Ker(g5 )) = 3 − 0 = 3 = dim(P2 (R)), et donc l’application est
surjective, donc bijective.
Autrement, on peut utiliser le résultat suivant qui découle du théorème du rang : Si f : V →
W est une application linéaire entre des R-espaces vectoriels V et W de dimension finie tels
que dim V = dim W , alors f est injective si et seulement si f est surjective.
Ici, on a V = R3 , W = P2 (R) et dim V = dim W = 3. Comme g5 est injective, on obtient que
g5 est surjective et donc bijective.
On cherche à présent à calculer l’application inverse g5−1 : P2 (R) → R3 . On considère la base
B = (1, x, x2 ) de W = P2 (R), et pour chaque élément de B on cherche sa préimage dans
 V = R3 .
Cherchons (a, b, c) ∈ V tels que g5 (a, b, c) = x2 . On obtient le système :

 a+b=1
−c = 0

b+c=0

On déduit que a = 1, b = 0 et c = 0. Ainsi g5 ((1, 0, 0)) = x2 et g5−1 (x2 ) = (1, 0, 0).

Cherchons à présent (a, b, c) ∈ V tels que g5 (a, b, c) = x. On obtient le système :

 a+b=0
−c = 1

b+c=0

On déduit que a = −1, b = 1 et c = −1. Ainsi g5 ((−1, 1, −1)) = x et g5−1 (x) = (−1, 1, −1).
Finalement, cherchons (a, b, c) ∈ V tels que g5 (a, b, c) = 1. On obtient le système :

 a+b=0
−c = 0

b+c=1

On déduit que a = −1, b = 1 et c = 0. Ainsi g5 ((−1, 1, 0)) = 1 et g5−1 (1) = (−1, 1, 0).
Comme g5−1 : P2 (R) → R3 est une application linéaire, on obtient g5−1 (ax2 + bx + c) =
(a − b − c, b + c, −b) pour tous a, b, c ∈ R.
6) Le calcul du noyau de g6 donne le système
{
3x − y = 0
,
x + 4y = 0

et on trouve donc x = y = 0, c’est-à-dire que Ker(g6 ) = {0}, l’application est injective. La

dimension de l’image vaut dim(Im(g6 )) = dim(R2 ) − dim(Ker(g6 )) = 2 − 0 = 2 = dim(R2 )
par le théorème du rang, et l’application g6 est surjective donc bijective.
Pour l’inverse, on aimerait que (3x − y, x + 4y) soit envoyé sur (x, y). On vérifie donc que
−x+3y
g6−1 : R2 → R2 , (x, y) 7→ ( 4x+y
13 , 13 ) est l’application inverse.

Exercice 3. Soit T : P2 (R) → R2 , p 7→ (p(0), p(0)). Montrer que T est une application linéaire.
Donner une base du noyau de T . Donner une base de l’image de T .

Solution 3. Pour la linéarité, on a bien

λT (p) = λ(p(0), p(0)) = (λp(0), λp(0)) = ((λp)(0), (λp)(0)) = T (λp),

T (p) + T (q) = (p(0), p(0)) + (q(0), q(0)) = (p(0) + q(0), p(0) + q(0))
= ((p + q)(0), (p + q)(0)) = T (p + q),
pour tous λ ∈ R, p, q ∈ P2 (R).
Soit p ∈ Ker(T ). Ecrivons p(x) = ax2 + bx + c où a, b, c ∈ R. On a

p∈T ⇔ T (p) = 0
⇔ T (ax2 + bx + c) = 0
⇔ (c, c) = (0, 0)
⇔ c = 0.
On a donc
Ker(T ) = {ax2 + bx : a, b ∈ R}.
On voit facilement que (x, x2 ) est une famille libre et qu’elle génère Ker(T ), c’est donc une base du
noyau.
Pour l’image, on a (a, b) ∈ Im(T ) ⇐⇒ ∃p ∈ P2 (R), (a, b) = (p(0), p(0)). On doit donc avoir a = b. Il
est clair que l’image de T est un sous-ensemble de {(a, a), a ∈ R}. On va montrer que cet ensemble
est en fait égal à l’image, en montrant l’autre inclusion, à savoir {(a, a), a ∈ R} ⊆ Im(T ). En effet,
soit p = a le polynôme constant égal à a. Alors T (p) = (a, a). On a donc Im(T ) = {(a, a), a ∈ R},
et une base de l’image est donnée par ((1, 1)).
Remarque : on peut vérifier nos résultats en utilisant le théorème du rang, ici on a bien dim(Im(T ))+
dim(Ker(T )) = 1 + 2 = 3 = dim(P2 (R)).

Exercice 4. Soit ϕ : R3 −→ R3 l’application définie par

ϕ(x, y, z) = (2x + y, 3x + y − z, x + y + z).

1) Montrer que ϕ est linéaire.

2) Déterminer Ker(ϕ) et interpréter géométriquement le résultat. Calculer la dimension de
Ker(ϕ).
3) Déterminer le rang de ϕ.
4) L’application ϕ est-elle surjective ?

Solution 4.
1) Pour tous (x1 , y1 , z1 ), (x2 , y2 , z2 ) ∈ R3 , on vérifie

ϕ((x1 , y1 , z1 ) + (x2 , y2 , z2 )) = ϕ(x1 + x2 , y1 + y2 , z1 + z2 )

= (2(x1 + x2 ) + y1 + y2 , 3(x1 + x2 ) + y1 + y2 − (z1 + z2 ), x1 + x2 + y1 + y2 + z1 + z2 )

= (2x1 + y1 , 3x1 + y1 − z1 , x1 + y1 + z1 ) + (2x2 + y2 , 3x2 + y2 − z2 , x2 + y2 + z2 )
= ϕ(x1 , y1 , z1 ) + ϕ(x2 , y2 , z2 ).
On montre encore plus facilement que pour tout a ∈ R et tout (x, y, z) ∈ R3 , on a

ϕ(a(x, y, z)) = ϕ(ax, ay, az) = (2ax + ay, 3ax + ay − az, ax + ay + az)

= a(2x + y, 3x + y − z, x + y + z) = aϕ(x, y, z).

Il en résulte que ϕ est linéaire.
2) Ker(ϕ) est l’espace vectoriel des solutions du système homogène :

 2x + y = 0
3x + y − z = 0

x + y + z = 0.

L’addition des deux dernières équations donne 4x + 2y = 2(2x + y) = 0, c’est-à-dire la

première équation. Par conséquent, une des équations est conséquence des deux autres et
on doit résoudre le système constitué de deux d’entre elles, par exemple la première et la
troisième. Cela donne y = −2x et z = x et on a donc Ker(ϕ) = {(x, −2x, x)) | x ∈ R}. C’est
donc une droite passant par l’origine. Une base de Ker(ϕ) est formée d’un vecteur (x, −2x, x)
avec x ̸= 0, par exemple (1, −2, 1), donc dim(Ker(ϕ)) = 1.
3) On a rang(ϕ) = dim(Im(ϕ)) = 3 − dim(Ker(ϕ)) = 2.
 4) L’application ϕ n’est donc pas surjective puisque l’espace d’arrivée est R3 , de dimension 3.

Exercice 5. Soit Tr : Mn×n (R) → R une application définie par Tr(A) = A11 + · · · + Ann , i.e., on
effectue la somme des coefficients diagonaux de la matrice. Cette application s’appelle la trace.
1) Vérifier que la trace est une application linéaire.
2) Calculer la dimension du noyau et la dimension de l’image de Tr.
3) Fixons n = 2. Montrer que Tr(AB) = Tr(BA). Remarque : ce résultat est vrai pour tout n
(essayez de vous en convaincre !).

Solution 5. Voir la vidéo correspondante.

1) Soient A, B ∈ Mn×n (R) et λ ∈ R. On a :

∑
n ∑
n ∑n
Tr(λA) = (λA)ii = λ(A)ii = λ( Aii ) = λTr(A),
i=1 i=1 i=1

∑
n ∑
n ∑
n ∑
n
Tr(A + B) = (A + B)ii = (Aii + Bii ) = Aii + Bii = Tr(A) + Tr(B).
i=1 i=1 i=1 i=1

2) Puisque la trace est définie de Mn×n (R) dans R, son image est un sous-espace vectoriel de
R. De plus, on sait que dim(R) = 1, donc dim(Im(Tr)) = 0 ou 1, i.e., Im(Tr) = {0} ou R. Il
suffit de voir que, par exemple, Tr(In ) = 1 + 1 + 1 + · · · + 1 = n ̸= 0 pour en conclure que
Im(Tr) = R et donc dim(Im(T )) = 1.
On applique ensuite le théorème du rang pour trouver la dimension du noyau :

dim(Ker(Tr)) = dim(Mn×n (R)) − dim(Im(Tr)) = n2 − 1.

( ) ( )
a b e f
3) Pour n = 2, on peut vérifier explicitement le résultat. Posons A = et B = .
c d g h
On a alors ( )( ) ( )
a b e f ae + bg af + bh
AB = = ,
c d g h ce + dg cf + dh
d’où Tr(AB) = ae + bg + cf + dh. Similairement, on trouve
( )( ) ( )
e f a b ae + cf be + df
BA = = ,
g h c d ag + ch bg + dh

et donc Tr(BA) = ae + cf + bg + dh = T r(AB).

Pour vérifier la∑
formule dans le cas général, on utilise la formule du produit matriciel, à savoir
que (AB)jk = ni=1 Aji Bik . On trouve ainsi

∑
n ∑
n ∑ n ∑
n ∑ n
Tr(AB) = (AB)ii = ( Aij Bji ) = ( Aij Bji )
i=1 i=1 j=1 j=1 i=1

∑
n ∑ n ∑
n
= ( Bji Aij ) = (BA)jj = Tr(BA).
j=1 i=1 j=1

Exercice 6. Pour les applications linéaires suivantes, donner la dimension du noyau.

1) f : R5 → R7 de rang 3.
 2) g : R3 → R4 dont l’image est engendrée par (1, 0, 3, 2), (4, 2, 3, 1), (5, 2, 6, 3).
3) h : R6 → R3 qui est surjective.

Solution 6. Il s’agit simplement d’appliquer le théorème du rang.

1) On a dim(Ker(f )) = dim(R5 ) − dim(Im(f )) = 5 − 3 = 2.
2) On observe que (5, 2, 6, 3) = (1, 0, 3, 2) + (4, 2, 3, 1), et que les vecteurs (1, 0, 3, 2) et (4, 2, 3, 1)
sont linéairement indépendants. Une base de l’image est donc donnée par ((1, 0, 3, 2), (4, 2, 3, 1)),
et l’image est de dimension 2. Pour le noyau, on a donc dim(Ker(g)) = dim(R3 )−dim(Im(g)) =
3 − 2 = 1.
3) Puisque l’espace d’arrivée est R3 et que l’application est surjective, son image est de dimension
3. On a ainsi dim(Ker(h)) = dim(R6 ) − dim(Im(h)) = 6 − 3 = 3.

Exercice 7. Soit V un R-espace vectoriel. Soit ϕ : V → V une application linéaire telle que
Ker(ϕ) = Im(ϕ). Montrer que ϕ ◦ ϕ = 0. Supposons que V soit un R-espace vectoriel de dimension
finie. Montrer qu’alors la dimension de V est paire.

Solution 7. On cherche( à )montrer que (ϕ ◦ ϕ)(v) = 0 pour tout v ∈ V . Soit donc v ∈ V . On

calcule (ϕ ◦ ϕ)(v) = ϕ ϕ(v) . Posons w = ϕ(v). Ainsi, w est dans l’image de ϕ par définition. Par
hypothèse que Im(ϕ) = Ker(ϕ), on en déduit que w est dans le noyau de ϕ, donc ϕ(w) = 0. On a
ainsi (ϕ ◦ ϕ)(v) = ϕ(w) = 0, pour tout v ∈ V .
Si V est un espace vectoriel de dimension finie, on peut alors appliquer le théorème du rang. Puisque
Im(ϕ) = Ker(ϕ), on a évidemment dim(Im(ϕ)) = dim(Ker(ϕ)). Donc le théorème du rang nous donne
dim(V ) = dim(Im(ϕ)) + dim(Ker(ϕ)) = 2 dim(Im(ϕ)), donc dim(V ) est paire.

Exercice 8. Soient U, V, W des R-espaces vectoriels de dimension finie. Soient T : U → V et

S : V → W deux applications linéaires. Montrer qu’on a rang(S ◦ T ) ≤ rang(T ). Utiliser ce résultat
pour montrer qu’une application linéaire inversible (i.e. T : U → V telle qu’il existe T −1 : V → U
avec T ◦ T −1 = idV et T −1 ◦ T = idU ) est nécessairement bijective.

Solution 8. Soit R = S ◦T . On a que R : U → W est une application linéaire. Aussi par le théorème
du rang, on a
dim Im(R) = dim U − dim Ker(R).
De même, comme T : U → V est une applications linéaire, on a :

dim Im(T ) = dim U − dim Ker(T ).

On montre à présent que Ker(T ) est un sous ensemble de Ker(R). En effet, soit u ∈ Ker(T ), on a
alors R(u) = S(T (u)) = S(0) = 0 et donc u ∈ Ker(T ). Ainsi, on a bien Ker(T ) ⊂ Ker(R).
On a donc que Ker(T ) est un sous espace vectoriel de Ker(R) et dim Ker(T ) ≤ dim Ker(R). Ainsi

dim Im(R) = dim U − dim Ker(R)

≤ dim U − dim Ker(T )
= dim Im(T )

Supposons maintenant que T : U → V est inversible. Il existe alors une application linéaire T −1 :
V → U telle que T ◦ T −1 = idV et T −1 ◦ T = idU . En utilisant le résultat démontré ci-dessus, on
obtient
dim Im(T ◦ T −1 ) ≤ dim Im(T −1 ) et dim Im(T −1 ◦ T ) ≤ dim Im(T ),
c’est a dire :
dim V ≤ dim Im(T −1 ) et dim U ≤ dim Im(T ).
Or dim Im(T ) ≤ dim V (car Im(T ) est un sous espace vectoriel de V ) et dim Im(T −1 ) ≤ dim U (car
Im(T −1 ) est un sous espace vectoriel de U ). Ainsi on a :

dim V ≤ dim Im(T −1 ) ≤ dim U et dim U ≤ dim Im(T ) ≤ dim V.

On obtient donc
dim U = dim V = dim Im(T ) = dim Im(T −1 ).
On en déduit que T et T −1 sont surjectives. Comme dim U = dim V < ∞, par le théorème du rang
on obtient que dim Ker(T ) = dim Ker(T −1 ) = 0, et donc T et T −1 sont injectives. Ainsi T et T −1
sont bijectives.

Exercice 9. Soient f : R3 → R4 , (a, b, c) 7→ (−3a − 6b, 2c, a + 2b + c, −c) et g : R4 → P3 (R),

(a, b, c, d) 7→ cx3 + (−a + b)x2 + (b + c − d)x − 2a deux applications linéaires. Calculer l’image et le
noyau de (g ◦ f ).

Solution 9. On commence par calculer la composée des deux applications. On a donc

( )
(g ◦ f )(a, b, c) = g (−3a − 6b, 2c, a + 2b + c, −c)

= (a + 2b + c)x3 + (3a + 6b + 2c)x2 + (a + 2b + 4c)x + (6a + 12b).

Pour qu’un élément (a, b, c) soit dans le noyau de g ◦ f , il doit donc être une solution du système
suivant : 

 a + 2b + c = 0

3a + 6b + 2c = 0
.

 a + 2b + 4c = 0

6a + 12b = 0
La matrice correspondante (non-augmentée puisqu’il s’agit d’un système homogène) est
 
1 2 1
 3 6 2
 
 1 2 4 ,
6 12 0

qu’on échelonne comme suit :

     
1 2 1 L2 →L2 −3L1 , 1 2 1 L1 →L1 +L2
1 2 0
3 6 2 L3 →L3 −L1 , 0 0 −1 L3 →L3 +3L2 , 0 0 −1
     .
1 2 4 L →−→ 1
L −L
0 −→
0 3  L4 →L4 −L2 0 0 0
4 6 4 1
6 12 0 0 0 −1 0 0 0

On trouve donc c = 0 et a = −2b, ce qui implique que ((−2, 1, 0)) est une base de Ker(g ◦ f ).
Par le théorème du rang, on trouve que dim(Im(g ◦ f )) = dim(R3 ) − dim(Ker(g ◦ f )) = 3 − 1 = 2.
Si on trouve deux vecteurs u, v linéairement indépendants dans l’image, ils formeront donc une base
de Im(g ◦ f ), puisque Vect({u, v}) ⊆ Im(g ◦ f ) et l’égalité des dimensions nous permet de conclure
que Vect({u, v}) = Im(g ◦ f ). Ici, on calcule

(g ◦ f )(1, 0, 0) = x3 + 3x2 + x + 6,
 (g ◦ f )(0, 0, 1) = x3 + 2x2 + 4x,
et on vérifie que x3 + 3x2 + x + 6 et x3 + 2x2 + 4x sont linéairement indépendants, et forment donc
une base de l’image de g ◦ f .

 
−1 −5 −3
Exercice 10. Soient a ∈ R et A = −2 −4 a  ∈ M3×3 (R). Trouver les valeurs de a pour
−1 −a 2
lesquelles la matrice A est inversible.

Solution 10. Voir la vidéo correspondante.