Exercices D'algèbre Linéaire

Sciences.
ch Algbre linaire
Serveur d'exercices 1/26

EXERCICES D'
ALGEBRE LINEAIRE
Sciences.ch Algbre linaire

EXERCICE 1.
Niveau : Premier Cycle
Auteur : Anonyme (10.01.05)
Mots Cls :Valeurs propres et vecteurs propres

nonc :
Dterminer les valeurs propres et les vecteurs propres de la matrice
1 2
3 4
A
| |
=
|
\ .
.
Solution : Le polynme caractristique de A est donn par
2
1 2
det( ) det 5 2
3 4
X
X I A X X
X
| |
= =
|

\ .
. Les valeurs propres de A sont les racines
de
2
5 2 X X . On trouve
1 2
5 33 5 33
,
2 2

+
= = . Les vecteurs propres associs la
valeur propre
1
sont les solutions du systme
1
1
1 2 0
3 4 0
x
y
| | | | | |
=
| | |

\ . \ . \ .
. On trouve
1
( 1) 2 x y = c'est--dire
1
1
( 1)
2
y x = . L'espace propre est donc
1 1
2
|
1
1 ( 1)
2
x
x
x

| |
| |

|
e =
` |
|

| \ .

\ .
)
. De la mme faon pour
2
on trouve
2
2
1
| |
|
\ .
.
EXERCICE 2.
Mots Cls :Diagonalisation

nonc :
Diagonaliser la matrice
3 6 4
0 1 1
3 5 3
A
| |
|
=
|
|
\ .
.
Solution : Le polynme caractristique de A est donn par
3 6 4
1 1 6 4
det( ) det 0 1 1 (3 ) 3
5 3 1 1
3 5 3
X
X
A X I X X
X X
X
| |

|
= = +
|

|

\ .

2
( 2) ( 1)( 2) X X X X X X = + = + .
Les racines du polynme caractristique correspondant aux valeurs propres de A sont:
{ } 0,1, 2 . Calculons les espaces propres. L'espace propre associ la valeur propre 0 est
obtenu en rsolvant le systme :
3 6 4 0
0 1 1 0
3 5 3 0
x
y
z
| || | | |
| | |
=
| | |
| | |
\ .\ . \ .
. Nous obtenons
2
,
3
z y x y = = .
D'o l'espace propre,
2
3
3
| |
|
|
|
\ .
. L'espace propre associ la valeur propre 1 est obtenu en
rsolvant le systme :
2 6 4 0
0 2 1 0
3 5 4 0
x
y
z
| || | | |
| | |
=
| | |
| | |
\ .\ . \ .
. Nous obtenons 2 , z y x y = = . D'o l'espace
propre,
1
1
2
| |
|
|
|
\ .
. L'espace propre associ la valeur propre -2 est obtenu en rsolvant le
systme :
5 6 4 0
0 1 1 0
3 5 1 0
x
y
z
| || | | |
| | |
=
| | |
| | |
\ .\ . \ .
. Nous obtenons , 2 y z x z = = . D'o l'espace propre,
2
1
1
| |
|
|
|
\ .
. Ainsi dans la base
2 1 2
3 , 1 , 1
3 2 1
| | | | | |
| | |
`
| | |
| | |
\ . \ . \ .
)
, la matrice de l'endomorphisme A s'crit,
0 0 0
0 1 0
0 0 2
| |
|
|
|
\ .
. Ou dit autrement,
1
2 1 2 3 6 4 2 1 2 0 0 0
3 1 1 0 1 1 3 1 1 0 1 0
3 2 1 3 5 3 3 2 1 0 0 2
| | | | | | | |
| | | |
=
| | | |
| | | |

\ . \ . \ . \ .
.
EXERCICE 3.
Auteur : Anonyme(10.01.05)
Mots Cls : Dterminant de Vandermonde, polynmes

nonc : Soit un corps quelconque et
1
,..,
n
x x e . On considre la matrice carre
suivante :
2 1
1 1 1
2 1
2 2 2
1
2 1
1
1
( ,.., )
1
n
n
n
n
n n n
x x x
x x x
M x x
x x x
| |
|
|
=
|
|
|
\ .

1. On dfinit
1 1
( ,.., ) det( ( ,.., ))
n n n
V x x M x x = . Montrer que
1 1 1 2
2
( ,.., ) ( ) ( ,.., )
n
n n j n n
j
V x x x x V x x
=
| |
= |
|
\ .
[
. [Indication : calculer le dterminant de la
matrice obtenue partir de
1
( ,.., )
n
M x x en soustrayant chaque colonne
1
x fois la
prcdente.]
2. Dduire de 1. que
1
1
1 1
( ,.., ) ( )
n n
n n j i
i j i
V x x x x
= = +
=
[[
pour 2 n > .
3. Donner une condition ncessaire et suffisante, portant sur les
i
x , pour que la matrice
1
( ,.., )
n
M x x soit inversible.
4. En utilisant 1. montrer qu'il existe un unique polynme de degr n s passant par les
1 n + points
1 1 1 1
( , ),..,( , )
n n
x y x y
+ +
e avec pour
i j
x x i j = = .

Solution :

1. A l'aide de l'indication nous obtenons la matrice suivante,

2
2 1 2 2 1 2 2 1
2
1 1 1
1 0 0 0
1 ( ) ( )
1 ( ) ( )
n
n
n n n n n
x x x x x x x x
x x x x x x x x
| |
|
|
|
|
|

\ .

qui a videmment le mme dterminant que
1
( ,.., )
n
M x x . En dveloppant selon la
premire ligne nous obtenons :
1 1
( ,.., ) det( ( ,.., )) det( )
n n n
V x x M x x A = = o
2
2 1 2 2 1 2 2 1
2
1 1 1
( ) ( )
( ) ( )
n
n
n n n n n
x x x x x x x x
A
x x x x x x x x
| |

|
= |
|
|

\ .
.

Sachant que le dterminant est multilinaire nous obtenons
2
2 2
1 1 1 1 1 2
2 2
2
1
( ,.., ) det( ( ,.., )) ( ) det ( ) ( ,.., ).
1
n
n n
n n n j j n n
j j
n
n n
x x
V x x M x x x x x x V x x
x x
= =
| |
|
= = = |
|
|
\ .
[ [

2. Par rcurrence sur n. Si 2 n = ,
2 1 2 2 1
( , ) ( ) V x x x x = et la proposition est vraie.
Supposons l'affirmation dmontre pour 2 n > . Par 1. on a
1
1 1 1 2 1
2
( ,.., ) ( ) ( ,.., )
n
n n j n n
j
V x x x x V x x
+
+ +
=
| |
= |
|
\ .
[
. Par hypothse de rcurrence,
1
2 1 1 1
1 1
( ,.., ) ( )
n n
n n j i
i j i
V x x x x
+ + +
= = +
=
[[
d'o
1 1 1
1 1 1 1 1
2 1 1 1 1
( ,.., ) ( ) ( ) ( )
n n n n n
n n j j i j i
j i j i i j i
V x x x x x x x x
+ +
+ + +
= = = + = = +
| |
= = |
|
\ .
[ [[ [[
. Ainsi
l'affirmation est vrifie pour 1 n + .
3. La matrice
1
( ,.., )
n
M x x est inversible ssi son dterminant est non nul c'est--dire ssi
1
1
1 1
( ,.., ) ( ) 0
n n
n n j i
i j i
V x x x x
= = +
= =
[[
, donc ssi pour
i j
x x i j = = .
4. Soit
1 1 1 1
( , ),..,( , )
n n
x y x y
+ +
e 1 n + points. La recherche d'un polynme
0
( )
n
i
i
i
p X a X
=
=
de degr n s passant par ces 1 n + points nous amne rechercher les

solutions des quations
0
n
i
i j j
i
a x y
=
=
pour 1 1 j n s s + . C'est--dire
2
1 1 1
0 1
2
2 2 2 1 2
2
1
1 1 1
1
1
1
n
n
n
n n
n n n
x x x
a y
x x x a y
a y
x x x
+
+ + +
| |
| | | |
|
| |
|
| |
=
|
| |
|
| |
| |
|
\ . \ .
\ .
. Or par 3, la matrice de ce systme est
inversible. Par suite, l'affirmation de l'nonc est prouve.

EXERCICE 4.
Auteur : Anonyme(10.01.05)
Mots Cls : Thorme de Cayley

nonc : On se propose de dmontrer le thorme suivant: soit ( )
n
A M e une matrice
carre de dimension n coefficients dans le corps alors ( ) 0
A
Car A = o ( )
A
Car X est le
polynme caractristique de A.
1. Vrifier le thorme pour la matrice
1 2
5 3
| |
|
\ .
.
2. Pour
n
xe , considrer la famille
{ }
2 1
: , , ,...,
m
x Ax A x A x
= avec
{ } { }
2
1 max | , , ,..., est libre
k
m k x Ax A x A x = e . Complter (ventuellement) la
famille pour obtenir une base de
n
. Exprimer la matrice de l'endomorphisme A
dans cette nouvelle base et montrer que le polynme caractristique s'exprime comme
produit de deux polynmes ( ) et ( ) P X Q X avec ( ) 0 P A x = . En dduire le thorme.

Solution :
1. Si
1 2
5 3
A
| |
=
|
\ .
on a
2
1 2
( ) det( ) det 4 13
5 3
A
X
Car X X I A X X
X
| |
= = = +
|
\ .
.
2
1 2 1 2 9 8
5 3 5 3 20 1
A
| | | | | |
= =
| | |

\ . \ . \ .
. Donc
2
9 8 4 8 13 0 0 0
( ) 4 13
20 1 20 12 0 13 0 0
A
Car A A A I
| | | | | | | |
= + = + =
| | | |

\ . \ . \ . \ .
.
2. Nous allons montrer que pour tout
n
xe , ( )( ) 0
A
Car A x = . Soit donc
n
xe ,
considrons la famille
{ }
2 1
: , , ,...,
m
x Ax A x A x
= avec
{ } { }
2
1 max | , , ,..., est libre
k
m k x Ax A x A x = e . Dans ce cas
1
0
m
m i
i
i
A x a A x
=
=
avec
i
a e et
0
A I = . Compltons si ncessaire la famille pour obtenir une base de
n
. Dans la base , la matrice de l'endomorphisme A s'crit,
0
B C
D
| |
|
\ .
o
0
1
1
0 0 0
1 0 0
0 1
m
a
a
B
a

| |
|
|
=
|
|
|
\ .
est une matrice m m et D est une matrice ( ) ( ) n m n m .
Le polynme caractristique de B est donn par
0
1
1
0 0
1 0
( )
0 1
B
m
X a
X a
Car X
X a

=

.
En dveloppant par rapport la dernire colonne on voit que
1
0
( )
m
i m
B i
i
Car X a X X
=
= +
. De plus
1
0
( ) 0
m
i m
B i
i
Car A x a A x A x
=
= + =
. Donc
( ) ( ) ( ) ( ) ( ) 0
A B D D B
Car A x Car A Car A x Car A Car A x = = = .

EXERCICE 5.
Mots Cls : Espace des suites et quations aux diffrences

nonc : On considre l'espace vectoriel des suites valeur dans avec les oprations
d'addition et de multiplication par un scalaire suivantes:
( ) ,( ) ,( ) ( ) ( )
n n n n n n
a b a b a b e + = + . , ( ) ( )
n n
a a e = . Soit l'application
linaire : D dfinie par
0 1 1 2
( , ,...) ( , ,...) a a a a .
1. Soit
1
0
k
k i
i
i
A D D
=
= +
avec
i
e et ...
j
D D D D = j fois,
0
D id = et 1 k > .
Montrer que le noyau de A est de dimension k.
2. On considre le polynme caractristique
1
0
( )
k
k i
i
i
P X X X
=
= +
associ A. Soit
{ }
1
,...,
k
z z les racines de P. Montrer que si
i j
z z = pour i j = alors
{ }
1
( ) ,..., ( )
n n
n k n
z z
e e
est une base de ker( ) A avec ( ) (1, 0,...)
n
z = si 0 z = .
[Indication : pour montrer que
1
( ) ,..., ( )
n n
n k n
z z
e e
sont linairement indpendantes
crire que
1 1
( ) ... ( ) 0
n n
n k k n
z z
e e
+ + = et montrer qu'en prenant 0... 1 n k = on
tombe sur un systme d'quations dfini par une matrice k k de Vandermonde].
3. Dterminer la suite de Fibonacci ( )
n
a a = ,
n
a e dfinie par
2
0 D a Da a = ,
avec "conditions initiales"
0 1
1 a a = = .

Solution :
1. Soit ( )
n
a a = .
1 1
0 0
ker( ) 0 ,
k k
k i
i n k i n i
i i
a A D a D a n a a

+ +
= =
e + = e =

. Ainsi
tout lment de ker( ) A est uniquement dtermin par le choix de
0 1
,..,
k
a a

. Par suite
ker( )
k
A et donc dim(ker( )) A k = .
2. Soit z une racine de
1
0
( )
k
k i
i
i
P X X X
=
= +
. Montrons que ( ) ker( )

n
a z A = e . En effet
1 1 1
0 0 0
( ) ( ) ( ) 0
k k k
k i n k n i k i
i n i n i
i i i
Aa D a D a z z a z z a P z

+ +
e e
= = =
| |
= + = + = + = =
|
\ .

.
Supposons de plus que les racines de P sont deux deux distinctes. Notons { }
1
,...,
k
z z
ces racines et ( ) ,1
n
i i n
a z i k
e
= s s . Nous avons dj montr que ker( )
i
a A e pour
1 i k s s . Montrons que { }
1
,..,
k
a a est une base de ker( ) A . Il suffit pour cela de
montrer que
1
,..,
k
a a sont linairement indpendants. Si
1
0
k
i i
i
a
=
=
alors pour tout

ne ,
1
0
k
n
i i
i
z
=
=
. En prenant 0... 1 n k = on obtient le systme suivant,

1
1
1 1
1
1 1
0
k
k
k k
k
z z
z z

| |
|
| |
|
|
=
|
|
| |
\ .
|
\ .
. Or la matrice
1
1 1
1
1 1
k
k k
k
z z
M
z z

| |
|
|
=
|
|
|
\ .
est une matrice de
Vandermonde et nous savons que si les
i
z sont distincts deux deux, une telle matrice
est inversible. Ainsi
1 2
... 0
k
= = = = .
3.
2
A D D I = . Le polynme caractristique associ A est donc
2
1 X X qui
admet les racines
1 2
1 5 1 5
et
2 2

+
= = . L'espace des solutions de l'quation
2
0 D a Da a = est engendr par
( ) ( )
1 2
,
n n
. La condition
0 1
1 a a = = nous
amne chercher , o | e tels que
1 2
1 o | o | + = + = . Nous devons donc
rsoudre le systme 2 2 :
1 2
1 1 1
1
o
|
| | | | | |
=
| | |
\ . \ . \ .
. Les solutions sont
2 1
1 1 5 1 1 5
,
5 2 5 5 2 5

o |
+ +
= = = = . La suite de Fibonacci est donne par
( ) ( ) ( )
1 1 1 1
1 2 1 2
1 1 1
5 5 5
n n n n
a
+ + + +
= = .
EXERCICE 6.
Mots Cls :Rang d'une matrice

nonc: Dterminer le rang de la matrice
1 1 2 5 4 4
2 0 3 2 4 5
3 0 9 3 21 6
4 1 0 0 5 1
| |
|

|
|
|
|
\ .
.
Solution: On rappelle que les permutations de lignes ou de colonnes ne changent pas le rang
d'une matrice. On peut aussi remplacer une ligne (ou une colonne) par une combinaison
linaire de lignes (respectivement de colonnes) dans laquelle cette dernire intervient sans
changer le rang. Dans les lignes qui suivent un symbole du type:
2
1 4
1

signifie que l'on
a remplac la premire ligne de la matrice par deux fois la premire moins la quatrime,
tandis qu'un symbole du type
,
1 2
C C
signifie que l'on a permut la premire colonne avec
la deuxime. On a:

,
1 2 1 4
4
2 3
3 2
3
1 1 2 5 4 4 1 1 2 5 4 4 1 1 2 5 4 4
2 0 3 2 4 5 0 2 3 2 4 5 0 2 3 2 4 5
3 0 9 3 21 6 0 3 9 3 21 6 0 3 9 3 21 6
4 1 0 0 5 1 1 4 0 0 5 1 0 5 2 5 9 3
1 1 2 5 4 4
0 2 3 2 4 5
0 0
C C +

| | | | | |
| | |

| | |

| | |

| | |
| | |

\ . \ . \ .

5 2
2 4
4
/ 27 /19
3 4
3 4
1 1 2 5 4 4
0 2 3 2 4 5
27 0 54 27 0 0 27 0 54 27
0 5 2 5 9 3 0 0 19 0 38 19
1 1 2 5 4 4 1 1 2 5 4 4
0 2 3 2 4 5 0 2 3 2 4 5
0 0 1 0 2 1 0 0 1 0 2 1
0 0 19 0 38 19 0

| | | |
| |

| |
| |
| |
| |

\ . \ .
| |
|

|

|
|
|

\ .
3 4
4
0 1 0 2 1
1 1 2 5 4 4
0 2 3 2 4 5
0 0 1 0 2 1
0 0 0 0 0 0
| |
|
|
|
|
|
\ .
| |
|

|
|
|
|
\ .

et cette dernire matrice est de rang 3.
EXERCICE 7.
Mots Cls : Espace orthogonal

nonc: Soit , n m deux entiers 1 > . Soit
,
( ) ( )
ij n m
A a M = e ( A est une matrice n lignes
et m colonnes coefficients dans ).
1. Montrer que ker( ) Im( )
t
A A

= o
t
A est la matrice transpose de A.
2. Dduire de 1. que dim(Im( )) dim(Im( ))
t
A A = .

Solution :
1. Notons
1
,...,
n
a a les vecteurs lignes de la matrice A. Soit
m
ve .
1
n
a v
Av
a v
| |
|
=
|
|
\ .
o
. . est le produit scalaire standard sur
m
. Par suite, dire que ker( ) v A e est
quivalent dire que v est orthogonal l'espace engendr par
1
,..,
n
a a c'est--dire
Im( )
t
A . Donc ker( ) Im( )
t
A A

= .
2. Par le thorme de la dimension on a,
dimker( ) dimIm( ) dimIm( ) dimIm( )
t
m A A A A
= + = + . Or Im( ) Im( )
m t t
A A

= ,
donc dimIm( ) dimIm( )
t t
m A A

= + et en remplaant dans l'expression prcdente on
trouve dimIm( ) dimIm( )
t
A A = .
EXERCICE 8.
Mots Cls :Classes de conjugaison des matrices 2 2

nonc: On dit que deux matrices , ( )
n
A B M e sont conjugues s'il existe une matrice
inversible ( )
n
S M e telle que
1
A SBS
= . tre conjugu est une relation d'quivalence sur

( )
n
M dont les classes sont appeles classes de conjugaison. Montrer que toute matrice de
2
( ) M est conjugue exactement une des matrices suivantes:
1 1
2 2
0 1
, ,
0 0
a b
b a

| | | | | |
| | |
\ . \ . \ .
. [Indication : distinguer les cas A diagonalisable, A n'a qu'une
valeur propre de multiplicit gomtrique un et A n'a aucune valeur propre relle. Pour ce
dernier cas, regarder A comme un lment de ( )
n
M .]

Solution : Soit
2
( ) A M e . Trois cas peuvent se prsenter.
Premier cas : A est diagonalisable.
Deuxime cas : A n'a qu'une valeur propre de multiplicit gomtrique un.
Troisime cas : A n'a aucune valeur propre relle.

Dans le premier cas, la matrice A est conjugue une matrice du type
1
2
0
0
| |
|
\ .
.
Dans le deuxime cas, soit la valeur propre de A. Soit v un vecteur propre et w tel que
2
v w = . Dans la base { } , v w la matrice A s'crit
0
a
b
| |
|
\ .
avec Aw av bw = + ,
, a be . Or tant donn que est l'unique valeur propre de A, on a forcment b = . Le fait
que soit de multiplicit gomtrique gale un entrane que 0 a = et par suite dans la base
1
, v w
a

`
)
la matrice A s'crit
1
0
| |
|
\ .
.
Dans le troisime cas, A possde deux valeurs propres complexes conjugues, notons-les
, a ib a ib = + = avec 0 b = . Soit
1 2
v v iv = + un vecteur propre associ avec
2
1 2
, v v e . On a
1 2 1 2 1 2
( ) Av Av iAv v av bv i bv av = + = = + + et donc
1 1 2 2 1 2
, Av av bv Av bv av = = + . Par suite, dans la base { }
1 2
, v v A s'crit
a b
b a
| |
|
\ .
. Il nous
reste encore montrer que les matrices
1 1
2 2
0 1
, ,
0 0
a b
b a

| | | | | |
| | |
\ . \ . \ .
ne sont pas conjugues
deux deux. Mais ceci est vident car les trois cas que nous avons traits s'excluent
mutuellement.
EXERCICE 9.
Mots Cls :Matrices Trigonalisables

nonc :
1. Montrer que dans ( )
n
M il existe des matrices non diagonalisables.
n
M il existe des matrices non trigonalisables (on rappelle
qu'une matrice A est trigonalisable s'il existe une matrice inversible S telle que
1
SAS

est triangulaire suprieure)
n
M toutes les matrices sont trigonalisables. [Indication:
procder par rcurrence sur n en se rappelant que si ( )
n
M M e , M possde toujours
une valeur propre.]

Solution :
1. La matrice
2
1 1
( )
0 1
M
| |
e
|
\ .
n'est pas diagonalisable. En effet la dimension de l'espace
propre associ la valeur propre 1 est 1 et il n'y a pas d'autres valeurs propres. On ne
peut donc pas trouver de base forme de vecteurs propres.
2. Soit
1 2
2 1
M
| |
=
|
\ .
. Le polynme caractristique de M est
2
( ) 2 5
M
P X X X = + . Or
( )
M
P X ne possde aucune racine relle, par consquent M n'a aucune valeur propre
relle et donc ne peut tre trigonalisable.
3. Par rcurrence sur n. Si 1 n = il n'y a rien montrer. Supposons l'affirmation vrifie
jusqu' 1 n > . Soit
1
( )
n
M M
+
e . tant algbriquement clos, M possde une valeur
propre . Soit v un vecteur propre de valeur propre . Compltons v en une base de
1 n+
. Dans cette nouvelle base la matrice M s'crit:
1
0
C
SMS
B
| |
=
|
\ .
o ( )
n
B M e
et S est la matrice de changement de base. Par hypothse de rcurrence, il existe
( )
n
D M e inversible telle que
1
DBD
soit triangulaire suprieure. Ainsi

1
1
1 1
1
1
0
0
0
0 0
CD
SMS
D
D DBD

| | | |
| |
= | |
|
| |
\ .
\ . \ .
est triangulaire suprieure.
EXERCICE 10.
Mots Cls : Polynmes et thorme de dcomposition

nonc :
1. Soit un corps, , [ ] p q X e deux polynmes et A un endomorphisme de l'espace
vectoriel
n
. Montrer que si et p q sont premiers entre eux alors
ker( ( ) ( )) ker( ( )) ker( ( )) p A q A p A q A = . [Indication : utiliser le thorme de
Bzout].
2. Dans les mmes conditions que 1. montrer que si
1
,..., [ ]
m
p p X e sont premiers
deux deux alors
1
1
ker( ( )) ker( ( )) ... ker( ( ))
m
i m
i
p A p A p A
=
=
[
.
3. Supposons algbriquement clos. Soit
1
1
( ) ( ) ... ( )
d
A d
Car X X X
o o
= le
polynme caractristique de A avec si
i j
i j = = ,
1
d
i
i
n o
=
=
. Le thorme de
Cayley affirme que ( ) 0
A
Car A = , en dduire que
1
1
ker( ) ... ker( )
n
d
d
A A
o o
= (ce dernier rsultat constitue le thorme de
dcomposition).
4. Montrer que dans 3. dim(ker( ) )
i
i i
A
o
o = . [Indication : remarquer que A induit par
restriction une application linaire : ker( ) ker( )
i i
i i
A A A
o o
et que le
polynme caractristique de A est
dimker( )
1
( )
i
A
i
X
o

].

Solution :
1. Si et p q sont premier entre eux alors il existe deux polynmes ( ), ( ) [ ] a X b X X e
tels que ( ) ( ) ( ) ( ) 1 a X p X b X q X + = . On a l'inclusion vidente
ker( ( )) ker( ( )) ker( ( ) ( )) p A q A p A q A + _ . Montrons que la somme dans le membre de
gauche est une somme directe. En effet
ker( ( )) ker( ( )) ( ) ( ) ( ) ( ) 0 x p A q A a A p A x b A q A x x e + = = . Pour finir si
ker( ( ) ( )) x p A q A e , alors ( ) ( ) ker( ( )) a A p A x q A e et ( ) ( ) ker( ( )) b A q A x p A e donc
( ) ( ) ( ) ( ) ker( ( )) ker( ( )) a A p A x b A q A x x p A q A + = e . Donc
ker( ( ) ( )) ker( ( )) ker( ( )) p A q A p A q A = .
2. Par rcurrence sur m. Si 2 m= l'affirmation dcoule de 1. Supposons l'affirmation
vrifie pour 2 m> . Soit
1 1
,..., [ ]
m
p p X
+
e premiers deux deux. Alors
1 m
p
+
est
premier avec
1
( )
m
i
i
p A
=
[
et par hypothse rcurrence
1
1
1 1
ker( ( )) ker( ( )) ker( ( ))
m m
i i m
i i
p A p A p A
+
+
= =
=
[ [
. Toujours par hypothse de rcurrence
1
1
ker( ( )) ker( ( )) ... ker( ( ))
m
i m
i
p A p A p A
=
=
[
. Donc
1
1 1
1
ker( ( )) ker( ( )) ... ker( ( ))
m
i m
i
p A p A p A
+
+
=
=
[
.
3. ( ) 0
A
Car A = entrane ker( ( ))
n
A
Car A = . Si
1
1
( ) ( ) ... ( )
d
A d
Car X X X
o o
= , 2.
entrane
1
1
ker( ) ... ker( )
n
d
d
A A
o o
= car les ( )
i
i
X
o
sont premiers
deux deux.
4. L'espace ker( )
i
i
A
o
est invariant par A. En effet si ker( )
i
i
x A
o
e alors
( ) ( ) 0
i i
i i
A Ax A A x
o o
= = et donc ker( )
i
i
Ax A
o
e . Notons
: ker( ) ker( )
i i
i i
A A A
o o
la restriction de A ker( )
i
i
A
o
. La seule valeur
propre de A est
i
. Par suite ( ) ( )
d
i
i
A
Car X X = o dimker( )
i
i i
d A
o
= .
( )
A
Car X divise ( )
A
Car X . Pour le voir il suffit de complter ker( )
i
i
A
o
en une
base de
n
, dans cette nouvelle base, la matrice de l'endomorphisme A est
0
B C
D
| |
|
\ .

o , , B C D sont des matrices et B est la matrice de A dans une base de ker( )
i
i
A
o
,
il s'ensuit que ( ) ( ) ( )
A D
A
Car X Car X Car X = . Nous avons donc
i i
d o s . D'autre part
1 1
d d
i i
i i
n d o
= =
= =

, donc
i i
d o = .
EXERCICE 11.
Mots Cls :Suites exactes d'espaces vectoriels

nonc:
1. Soit
1
,...,
n
V V n espaces vectoriels de dimension finie sur un corps quelconque. On
considre la suite { } { }
0 1 2
1 2 3
0 ... 0
f f f
f
n
n
V V V V o les
i
f sont des
applications linaires et { } 0 est l'espace vectoriel rduit au seul lment 0. On dit que
cette suite est exacte si
1
ker( ) Im( )
i i
f f
+
= , 0 1 i n s s . Montrer que dans ce cas
1
f
est injective et
1 n
f

est surjective et que
1
( 1) dim( ) 0
n
i
i
i
V
=
=
.
2. Montrer que la suite
2 3 1
1 2
0 0
A A
o
1
1 1
0 1
0 0
A
| |
|
=
|
|
\ .
et
( )
2
0 0 2 A = est exacte.

Solution :
1. { }
1 0
ker( ) Im( ) 0 f f = = prouve que
1
f est injective.
1
Im( ) ker( )
n n n
f f V
= = prouve
que
1 n
f

est surjective . Par le thorme de la dimension,
dim( ) dimker( ) dimIm( )
i i i
V f f = + . Ainsi,
1 1 1
( 1) dim( ) ( 1) dimker( ) ( 1) dimIm( )
n n n
i i i
i i i
i i i
V f f
= = =
= +

1
1
1 1
( 1) dimker( ) ( 1) dimker( )
n n
i i
i i
i i
f f
+
= =
= +

. Cette dernire expression est gale
( )
1 1
1
1 2 2
( 1) dimker( ) ( 1) dimker( ) dimker( ) ( 1) ( 1) dimker( ).
n n n
i i i i
i i i
i i i
f f f f

= = =
= + = + +

Or
1
dimker( ) 0 f = donc
1
( 1) dim( ) 0
n
i
i
i
V
=
=
.
2. ( ) ( )
2 1
1 1
0 0 2 0 1 0 0
0 0
A A
| |
|
= =
|
|
\ .
ce qui montre que
1 2
Im( ) ker( ) A A _ . De plus
1
A
est une matrice de rang 2 donc
1
dimIm( ) 2 A = et
2
A est une matrice de rang 1 donc
2
dimker( ) 2 A = . Ainsi
1 2
Im( ) ker( ) A A = .
EXERCICE 12.
Mots Cls : Polynme caractristique d'une matrice inversible

nonc : Soit ( )
n
A M e inversible. Montrer que
1 1
1
\ {0}, ( ) det( ) ( 1) ( )
n n
A
A
x Car x A x Car x

e = o
1
( ) et ( )
A
A
Car X Car X
sont les
polynmes caractristiques de A et
1
A
. Que peut-on en dduire sur les multiplicit

algbriques des valeurs propres de A et
1
A
?

Solution : Si 0 x = ,
1 1 1 1
1
( ) det( ) det( ) det( ) det( ) det( ) det( )
A
Car x A xI A A A xI A I xA

= = =
1 1 1 1
det( ) det( ( )) det( ) ( 1) ( )
n n
A
A x x I A A x Car x

= = . Cette galit montre entre autre
que si est valeur propre de A alors
1
est valeur propre de

1
A
avec mme multiplicit

algbrique.
EXERCICE 13.
Mots Cls :Polynme caractristique

nonc: Quel est le polynme caractristique de la matrice ( ) avec 1
ij ij
M m m = = pour tout
1 , i j n s s ?

Solution: Soit
1
( ,..., )'
n
n
v v v = e un vecteur propre de valeur propre . Notons
1
n
k
s v =
,
on a ( , ,..., )' Mv s s s v = = . Donc 1.. ,
k
k n s v = = et si 0 = , 1.. , /
k
k n v s = = ce qui
entrane n = . Pour 2 n > nous avons donc deux valeurs propres, 0 et n . Le polynme
caractristique s'crit comme, ( ) ( )
M
P X X X n
o |
= . De plus v est un vecteur propre de
valeur propre 0 ssi
1
0
n
k
v =
donc 0 est de multiplicit gomtrique gale 1 n ainsi

1 n o = et 1 | = . Nous obtenons donc
1
( ) ( )
n
M
P X X X n
= .
EXERCICE 14.
Mots Cls : Espaces vectoriels quotients

nonc : Soit V un espace vectoriel sur un corps quelconque et U V c un sous-espace.
On dfinit une relation note sur V de la manire suivante : , , ssi x y V x y x y U e e .
1. Montrer que est une relation d'quivalence.
2. Montrer que est compatible avec l'addition et la multiplication par un scalaire c'est-
-dire : , , , , x x y y V ' ' e e , si et x x y y ' ' alors et x y x y x x ' ' ' + + .
3. Notons / V U l'ensemble des classes d'quivalence pour la relation . Dduire de 2.
qu'en dfinissant les oprations : et x y x y x x + = + = o et x y dsignent les
classes de et x y V e , on munit / V U d'une structure d'espace vectoriel.
4. Montrer que si V est de dimension finie alors / V U aussi et
dim( / ) dim( ) dim( ) V U V U = . [Indication : considrer l'application linaire
: / , V V U x x t appele projection canonique]
5. Soit E un deuxime espace vectoriel et : f V E une application linaire. Dmontrer
que si ker U f c alors il existe une unique application linaire : / f V U E telle
que f f t = , o t est la projection canonique.
6. Dmontrer que si ker U f = alors lapplication linaire f dfinie ci-dessus est
injective.

Solution :
1. 0 x x x x = ce qui prouve que est rflexive. Si x y alors x y U e et par
suite y x U e donc y x, est donc symtrique. Si et x y y z alors
( ) ( ) x z x y y z U = + e ce qui montre que est transitive.
2. Si et x x y y ' ' alors et x x U y y U ' ' e e , donc
( ) ( ) ( ) et x y x y x x y y U x x x x U ' ' ' ' ' ' + = + e = e , c'est--dire
et x y x y x x ' ' ' + + .
3. Remarquons que grce 2. les oprations d'addition et de multiplication par un
scalaire sont bien dfinies. On vrifie immdiatement que / V U est un groupe pour
l'addition avec 0 comme lment neutre et x comme oppos de x . On a
1 1 x x x = = et le reste des proprits est vident
4. La projection canonique : / , V V U x x t est linaire, en effet,
( ) ( ) ( ) x y x y x y x y t t t + = + = + = + . t est surjective et par le
thorme de la dimension, dim dim / dimker( ) V V U t = + . Or ker( ) U t = , donc
dim / dim dim V U V U = .
5. Soient , x y V e . Si x y , x y U e et par consquent, ( ) ( ) f x f y = car ker . U f c
Ceci implique que f est constante sur les classes dquivalences. Nous pouvons alors
dfinir
( )
f x comme tant gale ( ) f x . On vrifie immdiatement que f est
linaire. Lunicit de f dcoule du fait que lon a pas le choix dans la dfinition de
( )
f x .
6. Il suffit de remarquer que pour x V e on a,
( )
( ) ( ) ( ) ker 0 0 0 ker 0 x f f x f x f x x f x t e = = = e = .
EXERCICE 15.
Mots Cls : Polynme caractristique

nonc : Considrons les applications : ( )
i n
a M , 0 1 i n s s ( ( )
n
M est l'ensemble
des matrices n n coefficients dans ) o ( )
i
a A est le coefficient de degr i du polynme
caractristique de A. Montrer que pour toutes matrices , A B, si B est inversible,
( ) ( )
i i
a AB a BA = pour tout 0 1 i n s s .

Solution :On a
1
( ) det( ) det( ( ) ) det( ) ( )
AB BA
Car X AB XI B AB XI B BA XI Car X
= = = = .
Le polynme caractristique de AB est le mme que celui de BA, par suite ( ) ( )
i i
a AB a BA = .
Remarque : on montre plus gnralement que ( ) ( )
AB BA
Car X Car X = pour toutes matrices
, ( )
n
A B M e .
EXERCICE 16.
Mots Cls : Formes bilinaires symtriques

nonc : Soit un corps quelconque, V un espace vectoriel de dimension finie sur et
:V V | une forme bilinaire symtrique.
1. Montrer que si est de caractristique 2 = alors il existe une base { }
1
,..,
n
e e de V
telle que ( , ) 0
i j
e e | = si i j = . [Indication : procder par rcurrence sur dim( ) V .
Montrer qu'il existe x V e tel que ( , ) 0 x x | = et qu'en notant x l'espace engendr
par x on a V x x

= o { } | ( , ) 0 x y V x y |
= e = .]
2. Donner un exemple qui prouve qu'en caractristique deux l'affirmation de 1. est
fausse.
3. On dfinit le sous-espace { } | , ( , ) 0 H x V y V x y | = e e = . On dit que | est non
dgnre si ( ) , ( , ) 0 0 y V x y x | e = = . Montrer que | est non dgnre
{0} H = .
4. On suppose de caractristique 2 = . Soit { }
1
,..,
n
e e une base de V telle que
( , ) 0
i j
e e | = si i j = . Soit r le cardinal de l'ensemble { } { }
1,..., | ( , ) 0
i i
E i n e e | = e = .
Montrer que l'ensemble
{ }
|
j
e j E e engendre H et que par consquent dim( ) H r = .
5. Si
n
V = , montrer que la forme bilinaire symtrique dfinie par
1
, ,
n
n
i i
i
x y x y x y
=
e =
est non dgnre.

6. Avec les mmes notations que dans 5, on considre de plus la matrice dfinie par
1 ,
( )
ij i j n
A a
s s
= , ( , )
ij i j
a e e | = o { }
1
,..,
n
e e est la base canonique de
n
. Montrer que
( , ) x y x Ay | = . En dduire que ker( ) H A = et que par suite | est non dgnre ssi
det( ) 0 A = .
7. Dterminer la dimension de H dans le cas o
3 3
: | est dfinie par
( )
1 2 3 1 2 3 1 1 1 2 2 3
( , , ),( , , ) x x x y y y x y x y x y | = + + .
Solution :
1. Si 0 | = il n'y a rien montrer, supposons donc 0 | = . Dmontrons l'affirmation par
rcurrence sur dim( ) n V = . Si 1 n = il n'y a rien montrer. Supposons l'affirmation
vrifie pour 1 n > . Soit V un espace vectoriel de dimension 1 n + . Il existe un lment
x V e tel que ( , ) 0 x x | = car sinon pour tout , ,0 ( , ) 2 ( , ) x y V x y x y x y | | e = + + = et
par consquent 0 | = (c'est ici qu'on utilise le fait que n'est pas de caractristique
2). Soit donc x un tel lment. Considrons la forme linaire : f V dfinie par
( ) ( , ) f y x y | = . { } ker( ) | ( , ) 0 f y V x y | = e = est de dimension dim( ) 1 n V = . De
plus ker( ) x f e
/
, par suite ker( ) V x f = . Par hypothse de rcurrence il existe une
base
1
,..,
n
x x de ker( ) f avec ( , ) 0
i j
x x | = si i j = .
1
, ,..,
n
x x x est donc la base
cherche.
2. Soit
2
2
V = l'espace vectoriel de dimension deux sur le corps
2
. Soit
1 2
, e e les
vecteurs de la base canonique. On dfinit | de la manire suivante :
1 1 2 2 1 2 2 1
( , ) ( , ) 0, ( , ) ( , ) 1 e e e e e e e e | | | | = = = = . { }
1 2 1 2
0, , , V e e e e = + et on voit
facilement qu'il n'existe pas de base comme dans 1.
3. Supposons | non dgnre et soit x H e alors pour tout , ( , ) 0 y V x y | e = et par
suite 0 x = . Rciproquement si {0} H = supposons que pour tout , ( , ) 0 y V x y | e =
alors x H e et donc 0 x = .
4. Notant
{ }
|
j
e j E e l'espace engendr par
{ }
|
j
e j E e il est facile de voir que
{ }
|
j
e j E H e _ . Rciproquement, soit x H e .
1
n
i i
i
x e
=
=
et
1 1
0 ( , ) ( , ) ( , ) ( , )
n n
j i i j i i j j j j
i i
x e e e e e e e | | | |
= =
= = = =

. Ainsi pour j E e
/
,
( , ) 0
j j
e e | = et donc 0
j
= par suite x est combinaison linaire d'lments de
{ }
|
j
e j E e . On en dduit immdiatement dim( ) H r = .
5. Supposons que
n
xe vrifie :
1
, 0
n
n
i i
i
y x y x y
=
e = =
. Dans ce cas en prenant

pour y les vecteurs de la base canonique on obtient,
1
... 0
n
x x = = = c'est--dire 0 x = .
6. Soit
1 1
,
n n
i i i i
i i
x x e y y e
= =
= =

avec ,
i i
x y e .
1 1 1 1 1
( , ) ( , ) ( , ) ( )
n n n n n
i i j j i j i j i i
i j i j i
x y x e y e x y e e x Ay x Ay | | |
= = = = =
= = = =

o ( )
i
Ay
est la i-me composante du vecteur Ay . ker( ) H A = en effet,
, ( , ) 0 , 0 0
n n
y H z z y z z Ay Ay | e e = e = = . | est non
dgnre ssi ker( ) {0} H A = = donc ssi det( ) 0 A = .
7. La matrice associe | dans la base canonique est
1 1 0
0 0 1
0 0 0
A
| |
|
=
|
|
\ .
et cette matrice
est visiblement de rang 2 donc dimker( ) dim( ) 1 A H = = .

EXERCICE 17.
Auteur : Anonyme
Mots Cls : factorisation

nonc : Soit , E F et G trois espaces vectoriels sur un corps quelconque.
1. Soient : f E F et : g E G deux applications linaires. Dmontrer que si
ker ker f g c alors il existe une application linaire : h F G telle que g h f = .
2. Soient : f E G et : g F G deux applications linaires. Dmontrer que si
Im Im f g c alors il existe une application linaire : h E F telle que f g h = .
Solution :
1. Commenons par dfinir h sur Im f . Soit donc Im v f e , il existe x E e tel que
( ) v f x = . Pour obtenir lgalit g h f = nous sommes obligs de poser
( ) ( ) : h v g x = . ( ) h v ainsi dfini ne dpend pas de lantcdent de v, en effet si y est
un autre antcdent de v, x y appartient ker f et donc ker g , par consquent
( ) ( ) g x g y = . Nous voyons donc que lon peut dfinir h sur Im f . Lapplication ainsi
dfinie est bien linaire car si , o | e , et , x y E e ,
( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) h f x f y h f x y g x y g x g y o | o | o | o | + = + = + = +
( ) ( ) ( ) ( )
. h f x h f y o | = + On peut facilement prolonger h F tout entier, il suffit de
prendre un supplmentaire de Im f dans F, disons U, et de dfinir h comme tant
nulle sur U.
2. Considrons un supplmentaire U de ker g dans F. La restriction de g U note
U
g
est une application linaire bijective de U dans Img . Notons alors
( )
1
U
g

la
rciproque. Comme dans 1. nous prolongeons
( )
1
U
g

G tout entier et nous posons
( )
1
:
U
h g f
= . Nous avons bien

( )
1
U
g h g g f f
= = car
( ) ( )
1
U
g g v v
=
pour tout Im v g e .

Remarque : suivant la dimension des espaces considrs, lexistence dun supplmentaire
demande lutilisation de laxiome du choix.

EXERCICE 18.
Auteur : Anonyme
Mots Cls : Dual, bidual

nonc : Soit V un espace vectoriel sur un corps et
*
V le dual de V. Pour toute partie M
de
*
V soit M
lensemble des v V e tels que ( ) 0 v = pour tout M e .

1. Soit { }
*
1
: ,...,
n
M V = c . Dmontrer que si est une forme linaire qui sannule sur
M
alors il existe
1
,...,
n
o o dans tels que
1 1
...
n n
o o = + + .
Notons
**
V le dual de
*
V . Pour v V e , on dfinit la forme linaire
v
sur
*
V par
( ) ( ) :
v
v = . On considre alors lapplication linaire
**
:V V u ,
v
v .
2. Dmontrer que u est injective.
3. Prenons pour le corps des nombre complexes. Soit
**
L V e et supposons quil
existe
1
,...,
n
v v V e tels que pour tout
*
V e , ( ) ( ) { }
max ; 1..
k
L v k n s = .
Dmontrer que L appartient limage de u.
Solution :
1. Considrons lapplication linaire ( ) ( )
1 1
: , ...
n
n n
V v v e v e I + + o
1
,...,
n
e e
est la base canonique de
n
. On voit facilement que le noyau de I est gal M
. Par
consquent, si :V est une forme linaire qui sannule sur M
, il existe une
forme linaire :
n
telle que = I (cf. exercice 17). Nous voyons donc
que pour tout ( ) ( ) ( ) ( ) ( ) ( ) ( )
1 1
, ...
n n
v V v v v e v e e = I = + + . Donc,
( ) ( )
1 1
...
n n
e e = + + .
2. Remarquons que nous avons lquivalence ( )
*
ker , 0 v V v e u e = . Si v V e
est non nul, on sait quil existe une forme linaire non nulle en v et par consquent,
ker ve u. Donc { } ker 0 u = .
3. Il suffit dappliquer 1. en remplaant V par
*
V . Notons
( ) ( ) { }
**
1
: ,..., .
n
M v v V = u u c On remarque alors que L sannule sur
( ) { }
*
; 0, 1..
k
M V v k n
= e = = . Par consquent, il existe

1
,...,
n
o o dans tels que
( ) ( ) ( )
1 1 1 1
... ...
n n n n
L v v v v o o o o = u + + u = u + + .

Exercices D'algèbre Linéaire

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Exercices D'algèbre Linéaire

Uploaded by

Copyright:

Available Formats

Sciences.

de degr n s passant par ces 1 n + points nous amne rechercher les

. Montrons que ( ) ker( )

alors pour tout

. En prenant 0... 1 n k = on obtient le systme suivant,

= . tre conjugu est une relation d'quivalence sur

soit triangulaire suprieure. Ainsi

. Que peut-on en dduire sur les multiplicit

est valeur propre de

avec mme multiplicit

donc 0 est de multiplicit gomtrique gale 1 n ainsi

est non dgnre.

. Dans ce cas en prenant

= . Nous avons bien

lensemble des v V e tels que ( ) 0 v = pour tout M e .

= e = = . Par consquent, il existe

You might also like