Math ECG 2.

2023-2024

Mathématiques Appliquées - F. Gaunard

[Link]
ENC Bessières, Paris 17e.

Chapitre 3. Applications linéaires. Endomorphismes

1 Pré-requis
Dans tout ce chapitre, on utilise les notions rencontrées dans le cours de première année de famille libre,
famille génératrice, base et dimension d’un (sous-)espace vectoriel.
On y renvoie pour tout rafraîchissement indispensable avant la suite.

On a fait le choix de limiter, pour l’instant1, l’étude des applications linéaires aux espaces vectoriels Rn
et Mn,1 (R). Si ces deux espaces vectoriels sont souvent, par abus, confondus (il est en effet possible
d’identifier un vecteur u de Rn et la matrice (ou vecteur) colonne X = mat(u, B) ∈ Mn,1 (R) de ses
coordonnées dans la base canonique B de Rn , on fera toujours attention à la cohérence des résultats
présentés et l’espace de référence dans lequel on travaille.

2 Généralités
Définition
Soient E et F deux espaces vectoriels (de dimension finie).
On dit qu’une application ϕ : E → F est linéaire si

(i) Pour tous u, v ∈ E, ϕ(u + v) = ϕ(u) + ϕ(v);

(ii) Pour tout u ∈ E, pour tout λ ∈ R, ϕ(λu) = λϕ(u).
Lorsque E = F (et uniquement dans ce cas), on dit que ϕ est un endomorphisme.

Règle(s) de calcul
+ Si ϕ est linéaire, alors
ϕ(0E ) = 0F .
(Une application qui n’envoie pas 0 sur 0 n’est donc pas linéaire.)

+ Il découle aussi immédiatement de la définition que, pour tout u ∈ E

ϕ(−u) = −ϕ(u)
et, plus généralement, pour tous u1 , u2 , ..., un ∈ E et tous λ1 , λ2 , ..., λn ∈ R
ϕ(λ1 u1 + λ2 u2 + ... + λn un ) = λ1 ϕ(u1 ) + λ2 ϕ(u2 ) + ... + λn ϕ(un ).

1unchapitre de fin d’année viendra étendre la notion d’espace vectoriel à des espaces de matrice, de polynômes, de
fonctions...
2 Endomorphismes.
+ Pour vérifier qu’une application donnée est bien une application linéaire, on utilise plutôt la définition
équivalente ci-dessous.
À retenir!
Soit ϕ : E → F . On a équivalence
(i) ϕ est une application linéaire;
(ii) Pour tous u, v ∈ E et tous λ, µ ∈ R, on a
ϕ(λu + µv) = λϕ(u) + µϕ(v). (?)

Exemple
(1) L’application identité IdE : E → E, u 7→ u est un endomorphisme de E.

(2) L’application ϕ : E → F , u 7→ 0F est une application linéaire, appelée application nulle.

(3) L’application ϕ1 : R2 → R3 , u = (x, y) 7→ (x + y, x − y, 3y) est une application linéaire de R2

dans R3 . Ce n’est pas un endomorphisme.

(4) L’application ϕ2 : R2 → R2 , u = (x, y) 7→ (2x + y, −y) est un endomorphisme de R2 .

(5) Soient (e1 , ..., en ) et (f1 , ..., fn ) deux bases de E. L’application ϕ5 : E → E, ei 7→ fi est un
endomorphisme de E.

(6) Soit A ∈ M3 (R). L’application fA : M3,1 → M3,1 , X 7→ AX est un endomorphisme de M3,1 .

On verra que tout endomorphisme peut être ramené à cette forme.

+ Beaucoup d’exercices demandent de vérifier qu’une application définie au préalable est un endo-
morphisme; pour cela on vérifie donc deux choses

• Que l’application ϕ arrive bien dans l’espace vectoriel d’arrivée, i.e.

∀u ∈ E, ϕ(u) ∈ E
(On verra plus tard que cette condition est moins triviale dans un espace de polynômes par ex-
emple.)

• Que l’application ϕ est bien linéaire à l’aide la relation (?).

Exercice 1. Montrer que l’application ϕ : R3 → R3 définie par ϕ(x, y, z) = (z, 2y + 3z, x − y − z) est
un endomorphisme de R3 .

Définition
Une application linéaire bijective s’appelle un isomorphisme d’espaces vectoriels.

Lorsque les espaces d’arrivée et de départ sont les mêmes (c’est à dire lorsqu’on a un endomorphisme),
un isomorphisme est parfois appelé automorphisme.

+ Par exemple, l’application Φ définie de Rn dans Mn,1 (R) par

x1
 
 x2 
∀u = (x1 , ..., xn ) ∈ Rn , Φ(u) = 
 ... 


xn
Chapitre 3. 3
est un isomorphisme entre Rn et Mn,1 (R).

3 Noyau, Image, Rang

Définition
Soit ϕ une application linéaire de E dans F . On appelle noyau de ϕ l’ensemble, noté Ker(ϕ), des
vecteurs de E envoyés par ϕ sur le vecteur nul 0F
Ker(ϕ) = {u ∈ E : ϕ(u) = 0F }.
C’est un sous-espace vectoriel de E.

+ ϕ étant linéaire, Ker(ϕ) contient toujours au moins le vecteur nul de E (et n’est donc jamais vide)

0E ∈ Ker(ϕ).

À retenir!
+ Pour déterminer le noyau de ϕ, on résout l’équation (ou
le système d’équations) ϕ(u) = 0 et on exprime les solutions
sous forme d’un Vect()

Exemple
 
1 1
Considérons par exemple ϕ : X ∈ M2,1 (R) 7→ AX avec A = . On écrit
1 1
 
x
X= ∈ Ker(ϕ) ⇐⇒ ϕ(X) = 0 ⇐⇒ AX = 0
y

x+y = 0
⇐⇒ ⇐⇒ y = −x
x+y = 0
   
x 1
⇐⇒ X = =x
−x −1
 
1
⇐⇒ X ∈ Vect
−1
Donc  
1
Ker(ϕ) = Vect .
−1

Exercice 2. Déterminer le noyau de l’application f : R3 → R2 , u = (x, y, z) 7→ (x + y, y − z).

Propriété
Soit ϕ une application linéaire de E dans F . Alors
ϕ est injective ⇐⇒ Ker(ϕ) = {0E }.
+ La linéarité permet de ramener l’étude de l’injectivité de Φ en 0. Ce résultat est crucial!
4 Endomorphismes.

Définition
Soit ϕ une application linéaire de E dans F . On appelle image de ϕ l’ensemble, noté Im(ϕ), des
vecteurs de F ("touchés par ϕ") admettant un antécédent par ϕ:
Im(ϕ) = {v ∈ F : ∃ u ∈ E, v = ϕ(u)} = {ϕ(u) : u ∈ E}.
C’est un sous-espace vectoriel de F .

Propriété
Soit ϕ une application linéaire de E dans F . Alors
ϕ est surjective ⇐⇒ Im(ϕ) = F.

+ Le caractère linéaire permet de voir immédiatement que, si E est de dimension finie et que
B = (u1 , u2 , ..., un ) est une base de E,
Im(ϕ) = Vect(ϕ(u1 ), ϕ(u2 ), ..., ϕ(un )).

À retenir!
+ Pour déterminer l’image, on détermine donc le sous-espace en-
gendré par les images des vecteurs d’une base de l’espace de départ.

Définition
Soit ϕ une application linéaire de E dans F . On appelle rang de ϕ la dimension de l’image de ϕ
rg(ϕ) = dim(Im(ϕ)).
+ L’image de ϕ étant un sous-espace vectoriel de F , on a toujours
rg(ϕ) ≤ dim(F ).

À retenir!
+ Si B = (u1 , u2 , ..., un ) est une base quelconque de E,
rg(ϕ) = dim (Vect(ϕ(u1 ), ϕ(u2 ), ..., ϕ(un ))) .
+ Avec ce qui précède, on a aussi
ϕ surjective ⇐⇒ Im(ϕ) = F ⇐⇒ rg(ϕ) = dim(E).

+ Le théorème qui suit est central dans l’étude des endomorphismes. Il permet bien souvent de déduire
des informations sans ajouter de calculs supplémentaires.

À connaître sur le bout des doigts

Théorème du rang. Soit ϕ une application linéaire de E dans F . Alors,
dim(E) = dim(Ker(ϕ)) + rg(ϕ).

+ On observe que seule la dimension de l’espace de départ intervient dans le théorème du rang.
Exercice 3. Soit f un endomorphisme non nul d’une espace vectoriel E de dimension 3 tel que f ◦f = 0.
(1) Montrer que Im(f ) ⊂ Ker(f ).
(2) En déduire que dim(Ker(f )) ≥ 2.
(3) Conclure que rg(f ) = 1.
Chapitre 3. 5
+ Il découle du théorème la propriété suivante.

Propriété
Soit ϕ une application linéaire de E dans F . Alors,

(i) Si dim(E) < dim(F ), alors Φ n’est pas surjective;

(ii) Si dim(F ) < dim(E), alors Φ n’est pas injective;
(iii) Si dim(E) = dim(F ), alors on a équivalence
ϕ est un isomorphisme ⇐⇒ ϕ est injectif ⇐⇒ ϕ est surjectif.

+ En prenant E = F dans le résultat précédent, on obtient l’équivalence ci-dessous. En particulier,

il suffit la plupart du temps de vérifier qu’un endomorphisme est injectif (car c’est souvent plus facile
que surjectif) en déterminant son noyau pour obtenir le caractère bijectif.

À connaître sur le bout des doigts

Soient E un espace vectoriel de dimension n et ϕ un endomorphisme de E. Alors,

ϕ est un automorphisme ⇐⇒ ϕ est injectif

⇐⇒ Ker(ϕ) = {0E }
⇐⇒ Im(ϕ) = E
⇐⇒ rg(ϕ) = n
⇐⇒ ϕ est surjectif.

4 Endomorphisme associé à une matrice

On s’intéresse dans cette section à un cas (pas si) particulier d’application linéaire. On verra dans la
suite que tout endomorphisme se ramène à ce type d’application linéaire.

Définition
Soit A une matrice de Mn (R). Alors, l’application
Mn,1 (R) −→ Mn,1 (R)
X 7−→ AX
est un endomorphisme, dit endomorphisme canoniquement associé à A.
6 Endomorphismes.

Définition
Soit A une matrice de Mn (R).

On appelle noyau de A, et on note Ker (A), le noyau de l’endomorphisme canoniquement associé à

A, c’est à dire sous-espace vectoriel de Mn,1 (R) défini par :
Ker (A) = {X ∈ Mn,1 (R) | AX = 0} .
On appelle image de A, et on note Im(A), l’image de l’endomorphisme canoniquement associé à
A. Notant C1 , ..., Cn les colonnes de A (et observant que Aei = Ci (où (e1 , .., en ) base canonique de
Mn,1 (R), on a
Im(A) = Vect(C1 , ..., Cn )
On appelle alors rang de A, le rang de l’endomorphisme canoniquement associé à A et on a bien sûr
rg(A) = dim(Im(A)) = dim (Vect(C1 , ..., Cn ))

+ Le rang d’une matrice est alors égale au rang de la famille de vecteurs constituée de ses colonnes.
avec Python
La commande matrix_rank( ) de la librairie [Link] renvoie
le rang d’une matrice.

À connaître sur le bout des doigts

Théorème du rang pour les matrices. Soit A une matrice de Mn (R). Alors :
dim(Ker (A)) + rg (A) = n.
Caractérisation de l’inversibilité
A est inversible ⇐⇒ Ker (A) = {0} ⇐⇒ rg (A) = n.

Exercice 4. Discuter sans calcul de l’inversibilité des matrices ci-dessous

     
1 1 1 0 0 1 1 2 1
(i) A = 1 1 1 , B = 0 1 0 , C = 3 2 5
1 1 1 1 0 0 1 2 1
   
−1 1 0 1
Exercice 5. On considère les matrices A =  0 −1 1  et U = 1.
1 0 −1 1
(1) Déterminer le rang de A.
(2) Calculer AU .
(3) En déduire Ker(A).

5 Matrice d’une application linéaire dans une base

On voit dans cette section que tout endomorphisme peut finalement se représenter sous la forme du cas
particulier précédent.
5.1 Action d’une application linéaire sur une base

Propriété
Soit ϕ une application linéaire de E dans F . Alors, ϕ est entièrement déterminée par l’image des
vecteurs d’une base de E.
Chapitre 3. 7
+ Le résultat précédent signifie qu’il suffit de connaître les images des vecteurs d’une base quelconque
de l’espace de départ pour "connaître" ϕ.

Propriété
Soient ϕ et ψ deux applications linéaires de E dans F . Si ϕ et ψ coïncident sur les vecteurs d’une
base de E, alors ϕ = ψ.

+ Les propriétés d’injectivité, de surjectivité et de bijectivité se traduisent sur la famille des images
des vecteurs de la base de départ. On rappelle au lecteur que si (u1 , ..., un ) est une base de E, alors
Im(ϕ) = Vect(ϕ(u1 ), ..., ϕ(un )).
Propriété
Soient ϕ une application linéaire de E dans F et B = (u1 , u2 , ..., un ) une base de E. Alors,

(i) ϕ est injective si et seulement si (ϕ(u1 ), ϕ(u2 ), ..., ϕ(un )) est libre;
(ii) ϕ est surjective si et seulement si (ϕ(u1 ), ϕ(u2 ), ..., ϕ(un )) est génératrice dans F ;
(iii) ϕ est bijective si et seulement si (ϕ(u1 ), ϕ(u2 ), ..., ϕ(un )) est une base de F .

5.2 Matrice associée à une application linéaire

Considérons une application linéaire
ϕ : E −→ F,
BE = (u1 , ..., up ) une base de E et BF = (v1 , ..., vn ) une base de F .

On a dit que ϕ est entièrement caractérisée par son action sur BE . Or, tout vecteur de F se décompose
de manière unique comme combinaison linéaire des vecteurs de BF .
Ainsi, le tableau des cordonnées des images des ϕ(ui ) dans la base BF contient toutes les informations
sur ϕ. On l’appelle la matrice de ϕ dans les bases B et BF .

Définition
La matrice de ϕ dans les bases B et BF est la matrice A ∈ Mn,p dont les colonnes sont constituées
des coordonnées dans la base BF des vecteurs ϕ(ei ) (pour 1 ≤ i ≤ p). Plus précisément,
A = Mat(ϕ, BE , BF ) = (ai,j )1≤i≤n, 1≤j≤p
où, pour tout 1 ≤ j ≤ p,
n
X
ϕ(ej ) = ai,j vi .
i=1
Lorsque E = F , alors la matrice A est simplement notée Mat(ϕ, BE ).

À retenir!

ϕ(u1 ) ϕ(up )
↓ ↓
a1,1 . . . a1,p
 
Mat(ϕ, BE , BF ) = ← coordonnée selon v1
 ... .. 
.
an,1 . . . an,p ← coordonnée selon vn

+ On insiste sur le fait que la matrice d’une application linéaire n’a de sens que si les bases de départ
et d’arrivée sont précisées.
8 Endomorphismes.
+ Attention, si on change l’ordre des vecteurs dans les bases, on change la matrice de l’application.

+ Une même application linéaire admet donc une infinité de représentations matricielles, selon les
bases choisies.

Exemple
+ La matrice de l’application identité (de E dans E, avec dim(E) = n)
est la matrice identité
Mat(IdE , BE ) = In .

Exercice 6. Déterminer la matrice dans les bases canoniques de l’application :

f1 : R3 → R3 ;
(x, y, z) 7→ (2x − y + z, y − 3z, x + 2z)

À retenir!
Soient E et F deux espaces vectoriels, BE = (e1 , ..., ep ) une base de E et BF = (v1 , ..., vn ) une base
de F et ϕ une application linéaire de E dans F .

On note A = Mat(ϕ, BE , BF ).

Soient u ∈ E et v ∈ F . Si X = mat(u, BE ) ∈ Mp,1 représente les coordonnées de u dans BE et

Y = mat(v, BF ) ∈ Mn,1 représente les coordonnées de v dans BF , alors
v = Φ(u) ⇐⇒ Y = AX.

+ Une application linéaire n’est donc rien d’autre qu’une multiplication matricielle sur les coordon-
nées d’un vecteur dans une certaine base.

Propriété
(Composition et puissances). Soient E, F, G trois espaces vectoriels de dimension finie et BE , BF , BG
des bases de chaque espace respectivement.

(1) Si ϕ est une application linéaire de E dans F et ψ une application linéaire de F dans G, alors
Mat(ψ ◦ ϕ, BE , BG ) = Mat(ψ, BF , BG ) · Mat(ϕ, BE , BF ).
(2) Si ϕ est un endomorphisme de E et n ∈ N, alors Mat(ϕn , BE ) = Mat(ϕ, BE )n .

+ Toutes les propriétés d’injectivité, de surjectivité et de bijectivité sur Φ sont équivalentes aux
même propriétés sur la matrice de Φ dans des bases quelconques.
Chapitre 3. 9

À connaître sur le bout des doigts

Soient ϕ un endomorphisme d’un espace vectoriel E de dimension n, BE
une base quelconque de E et A la matrice de ϕ dans la base BE . Alors
ϕ est un automorphisme ⇐⇒ ϕ est injectif
⇐⇒ ϕ est surjectif
⇐⇒ Ker(ϕ) = {0E }
⇐⇒ Im(ϕ) = E
⇐⇒ Ker(A) = {0Mn,1 }
⇐⇒ Im(A) = Mn,1
⇐⇒ A est inversible

+ En particulier, et avec la propriété qui précède, on voit que, si ϕ est un automorphisme de E, alors

Mat(ϕ−1 , BE ) = Mat(ϕ, BE )−1 .

Remarque
Une matrice dont les colonnes sont libres est donc de rang maximal et
par conséquent inversible.

Les colonnes d’une matrice inversible forment toujours une base de

Mn,1 (R).

6 Matrices semblables
On a dit plus haut qu’un endomorphisme pouvait être représenté (selon les bases choisies) par une
infinité de matrices. Si ces matrices sont en effet différentes, elles vont vérifier certaines propriétés et
relations du fait de représenter ce même endomorphisme.

6.1 Matrices de passage

On commence par présenter la notion de matrice de passage qui permet de passer des coordonnées d’un
vecteur dans une certaine base à celles dans une autre base par une opération matricielle.

Définition
Soient B et B 0 deux bases d’un même espace E. On appelle matrice de passage de B à B 0 la matrice
de l’application IdE entre B 0 et B
PB,B0 = Mat(IdE , B 0 , B)
+ Il s’agit de la matrice dont les colonnes sont composées des coordonnées des vecteurs de la nouvelle
base B 0 exprimées dans l’ancienne base B.

C’est une matrice inversible (ses colonnes sont libres). De plus,

(PB,B0 )−1 = Mat(IdE , B, B 0 ) = PB0 ,B

10 Endomorphismes.

À retenir!
Notant B = (u1 , ..., un ) et B 0 = (v1 , ..., vn ), on forme la matrice de passage comme suit.
v1 vn
↓ ↓
a 1,1 . . . a1,p
 
PB,B0 = ← coordonnée selon u1 ,
 ... .. 
.
an,1 . . . an,p ← coordonnée selon un
et
u1 un
↓ ↓
b1,1 . . . b1,p
 
PB0 ,B = ← coordonnée selon v1
 ... .. 
.
bn,1 . . . bn,p ← coordonnée selon vn
où n n
X X
vk = ai,k ui , uj = bi,j vi .
i=1 i=1

Exercice 7. Déterminer la matrice de passage de la base B à la base B 0 où B est la base canonique de

R3 et B 0 = (u, v, w) avec u = (1, 1, 1), v = (1, −1, 0) et w = (1, 1, −2).

Propriété
Soient B et B 0 deux bases de E.

Soit u ∈ E. On note X = mat(u, B) ∈ Mn,1 les coordonnées de u dans la base B et Y = mat(u, B 0 ) ∈

Mn,1 celles dans la base B 0 . Alors,
Y = (PB,B0 )−1 X, ou encore X = PB,B0 Y.

Exercice 8. Soit B = (e0 , e1 , e2 ) la base canonique de R3 .

Soit B 0 = (u, v, w), où u = (1, −1, 1), v = (0, 1, 1) et w = (0, 1, −1), une autre base de R3 .
(1) Déterminer la matrice de passage R de B à B 0 .
(2) Quelles sont les coordonnées du vecteur (1, 2, 3) dans la base B 0 ?
6.2 Formule de changement de base

À connaître sur le bout des doigts

Formule de changement de base.
Soient B et B 0 deux bases de E et ϕ un endomorphisme de E. Alors,
Mat(ϕ, B) = PB,B0 Mat(ϕ, B 0 ) (PB,B0 )−1
ou de manière équivalente
Mat(ϕ, B 0 ) = (PB,B0 )−1 Mat(ϕ, B)PB,B0 .

Exercice 9. Soit f l’endomorphisme de R3 dont la matrice dans la base canonique est

 
2 −1 −2
A=  2 −1 −4 .
−1 1 3
On pose : u = (1, 2, −1), v = (1, 1, 0), w = (2, 0, 1).
Chapitre 3. 11
(1) Calculer f (u).
(2) Montrer que Ker(f − id) = Vect(v, w).
(3) Montrer que B 0 = (u, v, w) est une base de R3 .
(4) Déterminer la matrice A0 de f dans la base B 0 .
(5) Pour tout n ∈ N, calculer f n (u).

Remarque
+ L’idée est alors de trouver une base dans laquelle la matrice qui représente l’endomorphisme est
diagonale (ou au moins triangulaire), celle-ci rendant par exemple le calcul des puissances nettement
plus simple. C’est tout l’objet du chapitre intitulé Réduction des endomorphismes.

6.3 Matrices semblables

Définition
Deux matrices M et M 0 de Mn (R) sont dites semblables s’il existe une matrice P ∈ Mn (R) inversible
telle que
M 0 = P −1 M P.

À retenir!
+ Deux matrices sont semblables si et seulement si elles représentent le même endomorphisme dans
deux bases différentes. La matrice P est alors la matrice de passage entre ces deux bases.

Propriété
Deux matrices semblables ont le même rang.
Si deux matrices sont semblables et que l’une est inversible, alors l’autre aussi.

+ Une récurrence immédiate qu’il faut savoir refaire parfaitement donne la relation ci-dessous, très
pratique comme on l’a déjà compris.

Propriété
Soient M et N deux matrices semblables telles que M = P −1 N P . Alors, pour tout
k ∈ N, on a M k = P −1 N k P .

7 Sélection d’exercices - Travaux dirigés

Révisions
Exercice 10. Les familles suivantes sont-elles libres ou liées? Préciser leur rang.
(1) ((4, −16, 10); (4, −5, 3)) dans R3 .
(2) ((−1, 0, 1); (1, −1, 1); (0, 1, 2)) dans R3 .
(3) ((1, 1, 1, 1); (1, 2, 3, 4); (1, 2, 8, 16)) dans R4 .
(4) ((2, 2, 2); (0, 1, 1); (1, 1, 0); (1, 1, 1)) dans R3 .
Exercice 11. Montrer l’égalité des ensembles F et G définis ci-dessous
F = Vect ((1, 1, 0); (1, 2, 1)) , et G = (x, y, z) ∈ R3 | − x + y − z = 0 .

12 Endomorphismes.
Exercice 12. (Extrait de DM n◦ 2, Automne 2021) Montrer que la famille (u, v, w) est une base de R3 ,
où
u = (−1, 2, 0), v = (3, −5, −1), w = (0, 1, −2).
Expliciter les coordonnées d’un vecteur (x, y, z) dans cette nouvelle base.
Exercice 13. Justifier que les ensembles suivants sont des espaces vectoriels en déterminant une famille
génératrice.
A = (x − y, x + y, 2x − 3y), (x, y) ∈ R2 ; B = (x, y, z) ∈ R3 | x + 2y − 3z = 0 ;
 
     
 x x + z 2x − y z
(
−x + 2y = y + 6z  
3

C=  y ∈ M3,1 (R) :
 ; D=  y − x z + 2y x + z , (x, y, z) ∈ R

 z y + 3z = −2x   0 2x x−z 
 
1 1 1
Exercice 14. On considère la matrice A est donnée par A = 1 1 1.
1 1 3
(1) Déterminer trois vecteurs U, V, W ∈ M3,1 (R) tels que
{X ∈ M3,1 (R) : AX = 0} = Vect(U ), {X ∈ M3,1 (R) : AX = X} = Vect(V ),
et
{X ∈ M3,1 (R) : AX = 4X} = Vect(W ).
(2) En déduire que les trois ensembles précédents sont des (sous-)espaces vectoriels (de M3,1 ) et
préciser leurs dimensions.
(3) La famille (U, V, W ) est-elle libre ? Forme-t-elle une base de M3,1 ?

Applications linéaires
 
1 0 −1
Exercice 15. Déterminer en un coup d’oeil le rang, le noyau et l’image de la matrice A =  0 0 0 .
−1 0 1
Exercice 16. On considère l’endomorphisme f de R4 dont la matrice dans la base canonique B =
{e1 , e2 , e3 , e4 } est donnée par  
0 0 0 1
1 0 0 0
A= 0 1 0 0 .

0 0 1 0
(1) Justifier, sans aucun calcul que f est un automorphisme.
(2) Vérifier que f ◦ f ◦ f ◦ f = Id (sans aucun calcul non plus) et en déduire l’expression de A−1 en
fonction de A.
(3) Déterminer E1 = Ker(f − Id) et E−1 = Ker(f + Id).
Exercice 17. On considère les matrices carrées d’ordre trois suivantes :
     
1 1 1 2 1 1 0 0 0
A= 0 0 −1 , B = −3 −2 −1 , D = 0 −1 0
−2 −2 −1 1 1 0 0 0 1
(1) Déterminer trois vecteurs u, v et w de M3,1 (R) tels que

• les coefficients de la deuxième ligne de u, v et w soient respectivement −1, 1 et 1.

• u forme une base de Ker(A);
• Av = −v;
• Ker(A − I) = Vect(w)
Chapitre 3. 13
(2) Vérifier que (u, v, w) forme une base de M3,1 (R). Former la matrice P de passage de la base
canonique vers cette nouvelle base.

(3) Déterminer P −1 .

(4) Vérifier que P −1 AP = D. Est-ce surprenant? Expliquer.

(5) On note ϕ l’endomorphisme de M3,1 (R) représenté dans la base canonique par la matrice B.
Montrer que la matrice de ϕ dans la base (u, v, w) est encore une matrice diagonale, que l’on
notera C. Expliciter un lien ente C et B.
Exercices d’annales
Exercice 18. (D’après ECRICOME
 2023)

1 0 0 1
1 1 1 0
On considère la matrice A = 
1 1 1 0.

1 0 0 1
On note f l’endomorphisme de R4 représenté par la matrice A dans la base canonique C = (e1 , e2 , e3 , e4 )
de R4 .

(1) On considère les vecteurs suivants de R4 :

u1 = (−1, 1, 0, 1), u2 = (0, −1, 1, 0), u3 = (0, 1, 1, 0) u4 = (1, 0, 0, 1).
On note B = (u1 , u2 , u3 , u4 ).

(a) Montrer que B est une base de R4 .

(b) Déterminer la matrice représentative de f dans la base B.
(c) En déduire une matrice P de M4 (R) inversible et une matrice T de M4 (R) triangulaire
telles que A = P T P −1 .

(2) (a) Calculer A2 , A3 , puis vérifier que A3 = 4A2 − 4A.

(b) Montrer par récurrence que, pour tout entier naturel n non nul, il existe deux réels an et bn
tels que
A n = an A 2 + b n A
vérifiant, pour tout entier naturel n non nul, an+1 = 4an + bn et bn+1 = −4an .

(3) (a) Montrer que, pour tout entier naturel n non nul,
an+2 = 4an+1 − 4an .
(b) Déterminer, pour tout entier naturel n non nul, une expression de an en fonction de n.
(c) En déduire, pour tout entier naturel n non nul, une expression de bn en fonction de n.

(4) Montrer que, pour tout entier naturel n non nul,

 
2n−1 0 0 2n−1
(n + 1)2n−2 2n−1 2n−1 (n − 1)2n−2 
An = 
(n + 1)2n−2 2n−1 2n−1 (n − 1)2n−2  .

2n−1 0 0 2n−1
Exercice 19. (D’après EML 2019).
On rappelle que deux matrices A et B de M3 (R) sont dites semblables lorsqu’il existe une matrice P
de M3 (R) inversible telle que B = P −1 AP .
14 Endomorphismes.
L’objectif de cet exercice est d’étudier des exemples de matrices inversibles qui sont semblables à leur
inverse. Les trois parties de cet exercice sont indépendantes entre elles.
Partie A : Premier exemple
On considère l’endomorphisme ϕ de R3 dont la matrice dans la base canonique est la matrice
 
1 −1 1
A = 0 1/2 0 .
0 0 2
(1) Justifier que ϕ est un automorphisme.

(2) Déterminer trois vecteurs u, v et w de M3,1 (R) tels que

 
1
Ker(A − I) = Vect(u), Ker A − I = Vect(v), et Ker(A − 2I) = Vect(w).
2
(3) Vérifier que la famille B 0 = (v, u, w) forme une base de M3,1 (R) et préciser la matrice D de ϕ
dans cette base.

(4) En déduire une matrice P , inversible, telles que A = P DP −1 . Expliciter la matrice D−1 .
 
0 0 1
(5) On note Q = 0 1 0. Calculer Q2 et QDQ.
1 0 0
(6) En déduire que les matrices A et A−1 sont semblables.
Partie B : Deuxième exemple
On considère f l’endomorphisme de R3 défini par :
∀(x, y, z) ∈ R3 , f (x, y, z) = (x, −z, y + 2z).
On note M la matrice de f dans la base canonique de R3 .
On considère également les vecteurs u1 et u2 de R3 définis par : u1 = (1, 0, 0) et u2 = (0, 1, −1).

(7) Expliciter la matrice M et montrer que M est inversible.

(8) (a) Montrer que (u1 , u2 ) forme une base de Ker(f − id).
(b) Déterminer un vecteur u3 de R3 tel que : f (u3 ) − u3 = u2 .
(c) Montrer que la famille B1 = (u1 , u2 , u3 ) est une base de R3 .

On admet que B2 = (u1 , −u2 , u3 ) est également une base de R3 .

(9) (a) Écrire la matrice M1 de f dans la base B1 et la matrice M2 de f dans la base B2 .

(b) Justifier que les matrices M1 et M2 sont semblables, et calculer M1 M2 .

(10) En déduire que les matrices M et M −1 sont semblables.

Partie C : Troisième exemple
On considère la matrice T de M3 (R) définie par :
 
1 −1 1
T = 0 1 −1
0 0 1
et on pose N = T − I3 .
Chapitre 3. 15
(11) Justifier que la matrice T est inversible.

(12) (a) Calculer N 3 et (I3 + N )(I3 − N + N 2 ).

(b) En déduire une expression de T −1 en fonction de I3 , N et N 2 .
(13) On note g l’endomorphisme de R3 dont la matrice dans la base canonique est N .

(a) Justifier qu’il existe un vecteur u de R3 tel que g ◦ g(u) 6= 0 et g ◦ g ◦ g(u) = 0.

(b) Montrer que la famille B3 = (g ◦ g(u), g(u), u) est une base de R3 .
(c) Écrire la matrice de g dans la base B3 .
(d) Calculer N 2 − N et en déduire que les matrices N et N 2 − N sont semblables.
(14) Montrer que les matrices T et T −1 sont semblables.
Exercice 20. (D’après EDHEC 2013)
(1) On note B = (e1 , e2 , e3 ) la base canonique de R3 et on considère l’endomorphisme f de R3 dont
la matrice dans la base B est
 
2 1 2
A =  −1 −1 −1  .
−1 0 −1
(a) Vérifier que l’on a A2 6= 0 et calculer A3 .
(b) Déterminer une base (u) de Ker (f ) ainsi qu’une base (v, w) de Im (f ).
(c) Montrer que Im (f 2 ) = Ker (f ).
Dans la suite, on considère un endomorphisme g de R3 tel que
g 2 6= 0, et g 3 = 0,
ce qui signifie que g ◦ g n’est pas l’endomorphisme nul, mais que g ◦ g ◦ g est l’endomorphisme
nul. En désignant par M la matrice de g dans la base canonique R3 de R3 on a donc : M 2 6= 0
et M 3 = 0 .
On se propose de montrer, dans ce cas plus général, que Im (g 2 ) = Ker (g).

(2) (a) Justifier qu’il existe un vecteur u de R3 tel que g 2 (u) 6= 0 .

(b) Montrer que (u, g (u) , g 2 (u)) est une base de R3 , que l’on notera B 0 .
(c) Donner la matrice N de g dans la base B 0 .
(d) Déterminer Im (g) et donner sa dimension. En déduire une base de Ker (g). Pour finir,
déterminer Im (g 2 ) puis conclure.
Exercice 21. (Extrait de DS n◦ 4, ECE1, Printemps 2018) On considère la matrice A ∈ M4 (R) définie
par  
1 0 0 −1
 1 0 0 −1 
A=  0 1 0 −1 

0 0 1 −1
et l’endomorphisme f de R dont la matrice dans la base canonique B = (e1 , e2 , e3 , e4 ) de R4 est A.
4

(1) Montrer, sans pivot, que A n’est pas inversible et déterminer Im(f ).
(2) (a) Calculer A2 , A3 , A4 .
(b) Déterminer noyau de f et préciser sa dimension.
(3) (a) Montrer que si il existe λ ∈ R et u ∈ R4 , avec u 6= 0 et f (u) = λu, alors f 4 (u) = λ4 u. En
déduire que λ4 = 0 puis que λ = 0.
(b) Existe-t-il une base de R4 dans laquelle la matrice de f est diagonale?
16 Endomorphismes.
(4) On note
ε1 = e 1 , ε2 = f (ε1 ), ε3 = f (ε2 ), ε4 = f (ε3 )
et C = {ε1 , ε2 , ε3 , ε4 }.
(a) Montrer que C est une base de R4 .
(b) Déterminer la matrice N de f relativement à la base C de R4 .
(5) Existe-t-il un endomorphisme bijectif g de l’espace vectoriel R4 tel que g ◦ f ◦ g −1 = f 2 ?
Exercice 22. (D’après EDHEC 2019 et CB n◦ 3, Automne 2019)
On considère les matrices
   
0 1 1 1 0 0
A = −2 3 2 , I = 0 1 0
1 −1 0 0 0 1
et on note B = (e1 , e2 , e3 ) la base canonique de E = M3,1 .
(1) (a) Déterminer (A − I)2 .
(b) En déduire que A est inversible et écrire A−1 comme combinaison linéaire de I et A.
(2) On pose A = N + I.
(a) Exprimer pour tout entier naturel n, la matrice An comme combinaison linéaire de I et N ,
puis l’écrire comme combinaison linéaire de I et A.
(b) Vérifier que l’expression précédente est aussi valable pour n = −1.
(3) On pose u1 = (A − I)(e1 ) et u2 = e1 + e3 .
(a) Montrer que l’ensemble E1 = {X ∈ E : (A − I)X = 0} est un sous-espace vectoriel de E et
que (u1 , u2 ) en est une base.
(b) Montrer que la famille (u1 , u2 , e1 ) est une base de R3 .
(c) On note T la matrice dont les colonnes sont respectivement les coordonnées de Au1 , Au2 et
Ae1 dans la base (u1 , u2 , e1 ). Expliciter T .
 
−1 1 1
(4) Soit la matrice P = −2 0 0. Vérifier que P est inversible puis que A = P T P −1 .
1 1 0
Chapitre 3. 17
Approfondissement
Exercice 23. On note B = (e1 , e2 , e3 ) la base canonique de R3 et on considère un vecteur v fixé de R3 .
On considère également l’application f qui à tout vecteur u = (a, b, c) de R3 associe le vecteur f (u)
définie par :
f (u) = u − (a + b + c)v
(1) Montrer que f est un endomorphisme de R3 .

(2) Étude d’un cas particulier. Dans cette question 3 seulement, on suppose que v = (2, −1, 0).
(a) Vérifier que f (v) = 0. f est-il un automorphisme ?
(b) Déterminer une base de Im(f ).
(c) On note w = (−1, 1, 0) et z = (0, −1, 1). Montrer que la famille (w, z) est également une
base de Im(f ).
(d) En déduire, sans calculs supplémentaires, une base de Ker(f ).
(e) Montrer que la famille C = (v, w, z) est une base de R3 .
(f) Déterminer la matrice de f dans la base canonique de R3 puis dans la base C.
(3) Retour au cas général. On suppose maintenant que v = (α, β, γ) vérifie α + β + γ = 1.
(a) Montrer que f (v) = 0.
(b) En déduire que f ◦ f = f .
(c) Montrer que le vecteur y appartient à Im(f ) si et seulement si f (y) = y.
(d) En déduire que les vecteurs e2 − e1 et e3 − e2 appartiennent à Im(f ).
(e) Déduire de la question 3a que rg(f ) ≤ 2.
(f) Déterminer une base de Im(f ).
(g) Déterminer, en fonction de (α, β, γ) la matrice de f dans la base canonique de R3 .
Cette matrice est-elle inversible ?
(h) Montrer que la famille C = (v, e2 − e1 , e3 − e2 ) est une base de R3 puis déterminer la matrice
de f dans cette base.
Exercice 24. Les questions sont indépendantes

(1) Soient E un espace vectoriel et u, v deux endomorphismes de E qui commutent. Montrer que
Ker(u) et Im(u) sont stables sous l’action de v.

(2) Soient u = (1, 0, 0), v = (1, 1, 1) deux vecteurs de R3 et F = Vect(u, v). Trouver un endomor-
phisme f de R3 tel que Ker(f ) = F .

Exercice 25. Soit A ∈ Mn (R) non nulle telle que A2 = 0 et rg(A) = r. On note (u1 , u2 , ..., ur ) une
base de Im(A).
(1) Quelle est la dimension de Ker(A)?
(2) Montrer que Im(A) ⊂ Ker(A). En déduire que n ≥ 2r.
(3) En déduire qu’il existe des vecteurs v1 , v2 , ..., vn−2r tels que (u1 , ..., ur , v1 , ..., vn−2r ) forme une base
de Ker(A).
(4) Montrer qu’il existe une matrice P inversible telle que
 
0 Ir
A=P P −1 ,
0 0
où Ir désigne la matrice identité de taille r.