Correction Détaillée des Exercices 1 et 7

31 octobre 2025

Exercice 01
Énoncé : Soit E un K-espace vectoriel de dimension finie, f, g ∈ L(E).
1. (a) Montrer que rg(f + g) ≤ rg(f ) + rg(g).
(b) En déduire que | rg(f ) − rg(g)| ≤ rg(f + g).
2. On suppose de plus que f + g ∈ GL(E) et f ◦ g = 0.
(a) Montrer que Im(g) ⊆ Ker(f ).
(b) En déduire que rg(f ) + rg(g) = dim(E).

Solution Détaillée
1. (a) Inégalité triangulaire du rang
L’objectif est de montrer que rg(f + g) ≤ rg(f ) + rg(g).
Démonstration. Par définition, le rang d’une application linéaire est la dimension de son
image. Nous allons donc comparer les sous-espaces vectoriels Im(f + g), Im(f ) et Im(g).
Soit y un vecteur quelconque appartenant à Im(f + g). Par définition de l’image, il
existe un vecteur x ∈ E tel que :

y = (f + g)(x)

Par la définition de la somme de deux applications linéaires, on a :

y = f (x) + g(x)

Observons les termes de cette somme :

— f (x) est, par définition, un élément de Im(f ).
— g(x) est, par définition, un élément de Im(g).
Ainsi, y est la somme d’un vecteur de Im(f ) et d’un vecteur de Im(g). Ceci signifie que y
appartient à la somme des sous-espaces vectoriels Im(f ) et Im(g), notée Im(f ) + Im(g).
Puisque ce raisonnement est valable pour n’importe quel y ∈ Im(f + g), nous avons
démontré l’inclusion de sous-espaces vectoriels suivante :

Im(f + g) ⊆ Im(f ) + Im(g)

Lorsqu’un sous-espace vectoriel est inclus dans un autre, sa dimension est inférieure ou
égale. En passant aux dimensions, on obtient :

dim(Im(f + g)) ≤ dim(Im(f ) + Im(g))

1
En utilisant la notation du rang, cela s’écrit :

rg(f + g) ≤ dim(Im(f ) + Im(g))

Nous utilisons maintenant la formule de Grassmann pour la dimension de la somme de

deux sous-espaces :

dim(Im(f ) + Im(g)) = dim(Im(f )) + dim(Im(g)) − dim(Im(f ) ∩ Im(g))

dim(Im(f ) + Im(g)) = rg(f ) + rg(g) − dim(Im(f ) ∩ Im(g))

Comme la dimension d’un espace vectoriel est toujours un entier positif ou nul, on a
dim(Im(f ) ∩ Im(g)) ≥ 0. Par conséquent :

dim(Im(f ) + Im(g)) ≤ rg(f ) + rg(g)

En combinant nos inégalités, nous obtenons le résultat final :

rg(f + g) ≤ rg(f ) + rg(g)

1. (b) Seconde inégalité du rang

Démonstration. Nous partons de l’inégalité démontrée en 1.(a) et l’appliquons astucieu-
sement. L’idée est d’isoler rg(f ) et rg(g).

Première partie : rg(f ) − rg(g) ≤ rg(f + g) On peut écrire f = (f + g) + (−g).

Appliquons l’inégalité triangulaire à cette somme :

rg(f ) = rg((f + g) + (−g)) ≤ rg(f + g) + rg(−g)

L’image de −g est la même que l’image de g, car si y = −g(x), alors y = g(−x), donc
Im(−g) = Im(g). Leurs dimensions sont donc égales : rg(−g) = rg(g). L’inégalité devient :

rg(f ) ≤ rg(f + g) + rg(g)

En réarrangeant les termes, on obtient :

rg(f ) − rg(g) ≤ rg(f + g) (∗)

Deuxième partie : rg(g) − rg(f ) ≤ rg(f + g) De manière symétrique, on écrit g =

(f + g) + (−f ). On applique l’inégalité triangulaire :

rg(g) = rg((f + g) + (−f )) ≤ rg(f + g) + rg(−f )

Comme précédemment, rg(−f ) = rg(f ). Donc :

rg(g) ≤ rg(f + g) + rg(f )

En réarrangeant, on a :
rg(g) − rg(f ) ≤ rg(f + g)
Multiplions cette inégalité par −1, ce qui inverse le sens :

−(rg(g) − rg(f )) ≥ − rg(f + g) =⇒ rg(f ) − rg(g) ≥ − rg(f + g) (∗∗)

2
Conclusion En combinant les deux inégalités (∗) et (∗∗), nous avons un encadrement
de la quantité rg(f ) − rg(g) :

− rg(f + g) ≤ rg(f ) − rg(g) ≤ rg(f + g)

Ceci est la définition de la valeur absolue. On conclut donc :

| rg(f ) − rg(g)| ≤ rg(f + g)

2. (a) Inclusion de Im(g) dans Ker(f )

Démonstration. On suppose f +g ∈ GL(E) et f ◦g = 0. Pour montrer que Im(g) ⊆ Ker(f ),
nous devons prendre un élément quelconque de Im(g) et montrer qu’il appartient à Ker(f ).
Soit y ∈ Im(g). Par définition de l’image de g, il existe un vecteur x ∈ E tel que
y = g(x).
Maintenant, pour vérifier si y appartient à Ker(f ), nous devons calculer f (y) et voir
si le résultat est le vecteur nul.
f (y) = f (g(x))
Par définition de la composition d’applications, f (g(x)) = (f ◦ g)(x). L’hypothèse de
l’énoncé est que f ◦ g = 0, où 0 est l’endomorphisme nul. Cela signifie que pour tout
z ∈ E, (f ◦ g)(z) = 0E . En particulier pour notre vecteur x :

(f ◦ g)(x) = 0E

Donc, f (y) = 0E . Ceci signifie, par définition du noyau, que y ∈ Ker(f ).

Puisque tout élément y de Im(g) est aussi un élément de Ker(f ), nous avons prouvé
l’inclusion :
Im(g) ⊆ Ker(f )

2. (b) Égalité des rangs

Démonstration. Le raisonnement se fait en deux temps, en montrant une double inégalité.

Première inégalité : rg(f ) + rg(g) ≤ dim(E) D’après la question 2.(a), nous savons
que Im(g) ⊆ Ker(f ). En passant aux dimensions, on a :

dim(Im(g)) ≤ dim(Ker(f )) =⇒ rg(g) ≤ dim(Ker(f ))

Le théorème du rang, appliqué à l’endomorphisme f , nous dit :

dim(E) = rg(f ) + dim(Ker(f ))

De cette égalité, on peut exprimer dim(Ker(f )) = dim(E) − rg(f ). En substituant cette

expression dans notre inégalité, on obtient :

rg(g) ≤ dim(E) − rg(f )

Ce qui est équivalent à :

rg(f ) + rg(g) ≤ dim(E) (A)

3
Seconde inégalité : rg(f ) + rg(g) ≥ dim(E) L’hypothèse nous dit que f + g ∈ GL(E).
Un endomorphisme est dans le groupe linéaire GL(E) si et seulement s’il est bijectif (ou
inversible). Un endomorphisme en dimension finie est bijectif si et seulement si il est
surjectif. La surjectivité de f + g signifie que son image est l’espace E tout entier :

Im(f + g) = E

Par conséquent, le rang de f + g est la dimension de E :

rg(f + g) = dim(Im(f + g)) = dim(E)

Maintenant, nous utilisons l’inégalité triangulaire démontrée à la question 1.(a) :

rg(f + g) ≤ rg(f ) + rg(g)

En remplaçant rg(f + g) par sa valeur, on obtient :

dim(E) ≤ rg(f ) + rg(g) (B)

Conclusion Nous avons démontré deux inégalités :

— (A) : rg(f ) + rg(g) ≤ dim(E)
— (B) : rg(f ) + rg(g) ≥ dim(E)
La seule façon pour que ces deux affirmations soient vraies simultanément est que la
quantité soit égale à dim(E). On conclut donc :

rg(f ) + rg(g) = dim(E)

Exercice 07
Énoncé : Soit E = Mn (K).
1. Calculer AEij et Eij A pour tout A ∈ Mn (K).
2. (a) Montrer que ∀A, B ∈ Mn (K), Tr(AB) = Tr(BA).
(b) Résoudre dans Mn (K) l’équation AX − XA = In .

Solution Détaillée
1. Produit avec les matrices de la base canonique
Démonstration. Soit A = (akl )1≤k,l≤n une matrice de Mn (K). La matrice Eij est la matrice
dont tous les coefficients sont nuls, sauf celui à la ligne i et colonne j, qui vaut 1. On peut
l’écrire avec le symbole de Kronecker : (Eij )kl = δik δjl .

Calcul de AEij Soit C = AEij . Le coefficient (k, l) de la matrice C est donné par la
formule du produit matriciel :
n
X n
X
ckl = (A)kp (Eij )pl = akp (δip δjl )
p=1 p=1

4
Dans la somme sur p, le terme δip est non nul (et vaut 1) uniquement lorsque p = i. Tous
les autres termes de la somme sont donc nuls. La somme se réduit à un seul terme pour
p=i:
ckl = aki δjl
Analysons ce résultat :
— Si l ̸= j, alors δjl = 0, et donc ckl = 0. Cela signifie que toutes les colonnes de C
sont nulles, sauf potentiellement la j-ième colonne.
— Si l = j, alors δjl = 1, et ckj = aki .
Ainsi, la j-ième colonne de la matrice C = AEij est le vecteur colonne (a1i , a2i , . . . , ani )T ,
qui est précisément la i-ième colonne de la matrice A. Toutes les autres colonnes de C
sont nulles.

Calcul de Eij A Soit D = Eij A. Le coefficient (k, l) de la matrice D est :

n
X n
X
dkl = (Eij )kp (A)pl = (δik δjp )apl
p=1 p=1

Dans la somme sur p, le terme δjp est non nul (et vaut 1) uniquement lorsque p = j. La
somme se réduit donc au terme pour p = j :

dkl = δik ajl

Analysons ce résultat :
— Si k ̸= i, alors δik = 0, et donc dkl = 0. Cela signifie que toutes les lignes de D sont
nulles, sauf potentiellement la i-ième ligne.
— Si k = i, alors δik = 1, et dil = ajl .
Ainsi, la i-ième ligne de la matrice D = Eij A est le vecteur ligne (aj1 , aj2 , . . . , ajn ), qui est
précisément la j-ième ligne de la matrice A. Toutes les autres lignes de D sont nulles.

2. (a) Cyclicité de la trace

Démonstration. Soient A = (aij ) et B = (bij ) deux matrices de Mn (K). La trace d’une
matrice carrée est la somme de ses éléments diagonaux.
n
X
Tr(M ) = Mii
i=1

Calculons la trace de AB. Soit C = AB. Le coefficient (i, j) de C est cij = nk=1 aik bkj .
P

Les éléments diagonaux sont donc cii = nk=1 aik bki . La trace de AB est la somme de ces
P

éléments :
n n n
!
X X X
Tr(AB) = cii = aik bki
i=1 i=1 k=1

Calculons maintenant la trace de BA. Soit D = BA. Le coefficient (i, j) de D est dij =
Pn Pn
k=1 bik akj . Les éléments diagonaux sont dii = k=1 bik aki . La trace de BA est :

n n n
!
X X X
Tr(BA) = dii = bik aki
i=1 i=1 k=1

5
Les indices i et k sont des indices de sommation "muets". Nous pouvons les renommer et
intervertir l’ordre des deux sommes (car ce sont des sommes finies) :
n X
X n n X
X n
Tr(AB) = aik bki = aik bki
i=1 k=1 k=1 i=1

Dans l’expression de Tr(BA), renommons l’indice de sommation i en k et k en i :

n n n X
n
!
X X X
Tr(BA) = bki aik = aik bki
k=1 i=1 k=1 i=1

Les deux expressions sont identiques. On a donc bien :

Tr(AB) = Tr(BA)

2. (b) Résolution de l’équation AX − XA = In

Démonstration. Nous allons procéder par l’absurde. Supposons qu’il existe une matrice
X ∈ Mn (K) qui soit solution de l’équation :

AX − XA = In

où In est la matrice identité de taille n. Si cette égalité entre matrices est vraie, alors leurs
traces doivent également être égales. Appliquons l’opérateur trace aux deux membres de
l’équation :
Tr(AX − XA) = Tr(In )
Utilisons la propriété de linéarité de la trace sur le membre de gauche :

Tr(AX) − Tr(XA) = Tr(In )

D’après la propriété de cyclicité de la trace démontrée en 2.(a), nous savons que Tr(AX) =
Tr(XA). Le membre de gauche se simplifie donc :

Tr(AX) − Tr(AX) = 0

Calculons maintenant le membre de droite. La matrice identité In a des 1 sur sa diagonale

principale et des 0 partout ailleurs.
n
X n
X
Tr(In ) = (In )ii = 1=n
i=1 i=1

En remplaçant les deux membres par leurs valeurs, l’équation devient :

0=n

Cette égalité est une contradiction, car la taille de la matrice n est un entier strictement
positif (n ≥ 1). L’hypothèse de départ, à savoir l’existence d’une matrice solution X, nous
a conduits à une absurdité. Par conséquent, cette hypothèse est fausse.
Conclusion : L’équation AX − XA = In n’admet aucune solution dans Mn (K).