Vous êtes sur la page 1sur 25

Sciences.

ch Algèbre Linéaire

EXERCICES DE

ALGÈBRE LINÉAIRE

Serveur d'exercices 1/25


Sciences.ch Algèbre Linéaire

EXERCICE 1.
Niveau : Deuxième Cycle
Auteur : Ruben Ricchiuto (30.12.04)
Mots Clés : Matrices à coefficients dans un anneau

Énoncé :
Soit R un anneau commutatif unitaire et M n ( R ) l'ensemble des matrices carrées n × n à
coefficients dans R.
1. Montrer que pour toute matrice A ∈ M n ( R ) il existe deux matrices B et C telles que
BA = AC = det( A) ⋅ I où I est la matrice identité. [Indications: si {a1 ,.., an } sont les
vecteurs colonnes de la matrice A et e j = (0,...,0,1,0,...,0)t avec 1 à la j-ème place
alors vérifier que la matrice C = (cij ) définie par cij = det(a1 ,..., ai −1 , e j , ai +1 ,..., an ) fait
l'affaire.]
2. Déduire de 1. que A est inversible ssi det( A) est inversible dans A.

⎛ 5 3⎞ ⎛ X − 4 X − 3 ⎞
3. Est-ce que les matrices suivantes: ⎜ ⎟, ⎜ ⎟ sont inversibles dans
⎝ 2 1⎠ ⎝ X + 3 X + 4⎠
respectivement /10 [ X ] ? Si oui, calculer leur inverse.
Solution :
1. Soit C = (cij ) définie comme dans l'indication et A = (aij ) . Notons M = (mij ) := AC .
On a, mij = ∑ aik ckj = ∑ aik ⋅ det(a1 ,..., ak −1, e j , ak +1 ,..., an ) . Or pour i ≠ j ,
k k

∑ aik ⋅ det(a1,..., ak −1, e j , ak +1,..., an ) est le déterminant de la matrice que nous obtenons
k
en remplaçant la j-ème ligne de A par la i-ème ligne (développer le déterminant de
cette dernière matrice par rapport à la j-ème ligne pour le voir) par conséquent cette
expression est nulle (les lignes i et j sont identiques). Pour i = j ,
∑ aik ⋅ det(a1,..., ak −1, e j , ak +1,..., an ) est le déterminant de la matrice A. Ainsi mij = 0
k
si i ≠ j et mij = det( A) si i = j , en d'autres termes nous venons de montrer que
AC = det( A) ⋅ I . En considérant At (la matrice transposée) nous obtenons par le
raisonnement précédent l'existence d'une matrice B telle que At B = det( A) ⋅ I et donc

( A B)
t
t
= Bt A = det( A) ⋅ I .

2. Si A est inversible, alors 1 = det( I ) = det( A ⋅ A−1 ) = det( A) ⋅ det( A−1 ) ce qui montre que
det( A) est inversible. Réciproquement, étant donné que AC = BA = det( A) ⋅ I on a
( ) ( )
A ⋅ det( A) −1 C = det( A)−1 B ⋅ A = I ce qui montre que A est inversible.

Serveur d'exercices 2/25


Sciences.ch Algèbre Linéaire

⎛ 5 3⎞ ⎛ 5 3⎞
3. det ⎜ ⎟ = 5 − 6 = −1 est inversible. L'inverse de ⎜ ⎟ est
⎝ 2 1⎠ ⎝ 2 1⎠
⎛ −1 3 ⎞ ⎛ X − 4 X − 3⎞
⎟ = X − 16 − X + 9 = 3(mod10) est inversible.
2 2
⎜ ⎟ . det ⎜
⎝ 2 −5 ⎠ ⎝ X + 3 X + 4⎠
⎛ X − 4 X − 3⎞ ⎛ −3 X − 2 3 X + 1 ⎞
L'inverse de ⎜ ⎟ est ⎜ ⎟.
⎝ X + 3 X + 4⎠ ⎝ 3 X − 1 −3 X + 2 ⎠

Serveur d'exercices 3/25


Sciences.ch Algèbre Linéaire

EXERCICE 2.
Niveau : Premier Cycle
Auteur : Ruben Ricchiuto (10.01.05)
Mots Clés :Valeurs propres et vecteurs propres

Énoncé :
⎛1 2⎞
Déterminer les valeurs propres et les vecteurs propres de la matrice A = ⎜ ⎟.
⎝3 4⎠
Solution :
Le polynôme caractéristique de A est donné par
⎛ X − 1 −2 ⎞
det( X ⋅ I − A) = det ⎜ ⎟ = X − 5 X − 2 . Les valeurs propres de A sont les racines
2

⎝ −3 X − 4⎠
5 + 33 5 − 33
de X 2 − 5 X − 2 . On trouve λ1 = , λ2 = . Les vecteurs propres associés à la
2 2
⎛ λ − 1 −2 ⎞ ⎛ x ⎞ ⎛ 0 ⎞
valeur propre λ1 sont les solutions du système ⎜ 1 ⎟ ⋅ ⎜ ⎟ = ⎜ ⎟ . On trouve
⎝ −3 λ1 − 4 ⎠ ⎝ y ⎠ ⎝ 0 ⎠
1
(λ1 − 1) ⋅ x = 2 y c'est-à-dire y = (λ1 − 1) ⋅ x . L'espace propre est donc
2
⎧⎛ x ⎞ ⎫
⎪⎜ ⎟ ⎪ ⎛ 2 ⎞ ⎛ 2 ⎞
⎨⎜ 1 | x∈ ⎬ = ⎜ ⎟ . De la même façon pour λ2 on trouve ⎜ ⎟ .

⎪⎝ 2 1
( λ − 1) ⋅ x ⎟
⎟ ⎪ ⎝ λ1 − 1 ⎠ ⎝ λ2 − 1 ⎠
⎩ ⎠ ⎭

Serveur d'exercices 4/25


Sciences.ch Algèbre Linéaire

EXERCICE 3.
Niveau : Premier Cycle
Auteur : Ruben Ricchiuto (10.01.05)
Mots Clés : Diagonalisation

Énoncé :
⎛ 3 6 −4 ⎞
⎜ ⎟
Diagonaliser la matrice A = ⎜ 0 −1 1 ⎟ .
⎜ 3 5 −3 ⎟
⎝ ⎠
Solution :
Le polynôme caractéristique de A est donné par
⎛3 − X 6 −4 ⎞
⎜ ⎟ −1 − X 1 6 −4
det( A − X ⋅ I ) = det ⎜ 0 −1 − X 1 ⎟ = (3 − X ) +3
⎜ 3 5 −3 − X −1 − X 1
⎝ 5 −3 − X ⎟⎠

= − X ⋅ ( X 2 + X − 2) = − X ( X − 1)( X + 2) .
Les racines du polynôme caractéristique correspondant aux valeurs propres de A sont:
{0,1, −2} . Calculons les espaces propres. L'espace propre associé à la valeur propre 0 est
⎛ 3 6 −4 ⎞⎛ x ⎞ ⎛ 0 ⎞
⎜ ⎟⎜ ⎟ ⎜ ⎟ 2
obtenu en résolvant le système : ⎜ 0 −1 1 ⎟⎜ y ⎟ = ⎜ 0 ⎟ . Nous obtenons z = y, x = − y .
⎜ 3 5 −3 ⎟⎜ z ⎟ ⎜ 0 ⎟ 3
⎝ ⎠⎝ ⎠ ⎝ ⎠
⎛ −2 ⎞
⎜ ⎟
D'où l'espace propre, ⎜ 3 ⎟ . L'espace propre associé à la valeur propre 1 est obtenu en
⎜ 3⎟
⎝ ⎠
⎛ 2 6 −4 ⎞⎛ x ⎞ ⎛ 0 ⎞
⎜ ⎟⎜ ⎟ ⎜ ⎟
résolvant le système : ⎜ 0 −2 1 ⎟⎜ y ⎟ = ⎜ 0 ⎟ . Nous obtenons z = 2 y, x = y . D'où l'espace
⎜ 3 5 −4 ⎟⎜ z ⎟ ⎜ 0 ⎟
⎝ ⎠⎝ ⎠ ⎝ ⎠
⎛1⎞
⎜ ⎟
propre, ⎜ 1 ⎟ . L'espace propre associé à la valeur propre -2 est obtenu en résolvant le
⎜ 2⎟
⎝ ⎠
⎛ 5 6 −4 ⎞⎛ x ⎞ ⎛ 0 ⎞
⎜ ⎟⎜ ⎟ ⎜ ⎟
système : ⎜ 0 1 1 ⎟⎜ y ⎟ = ⎜ 0 ⎟ . Nous obtenons y = − z , x = 2 z . D'où l'espace propre,
⎜ 3 5 −1 ⎟⎜ z ⎟ ⎜ 0 ⎟
⎝ ⎠⎝ ⎠ ⎝ ⎠

Serveur d'exercices 5/25


Sciences.ch Algèbre Linéaire

⎛2⎞ ⎧⎛ −2 ⎞ ⎛ 1 ⎞ ⎛ 2 ⎞ ⎫
⎜ ⎟ ⎪⎜ ⎟ ⎜ ⎟ ⎜ ⎟ ⎪
⎜ −1⎟ . Ainsi dans la base ⎨⎜ 3 ⎟ , ⎜ 1 ⎟ , ⎜ −1⎟ ⎬ , la matrice de l'endomorphisme A s'écrit,
⎜1⎟ ⎪⎜ 3 ⎟ ⎜ 2 ⎟ ⎜ 1 ⎟ ⎪
⎝ ⎠ ⎩⎝ ⎠ ⎝ ⎠ ⎝ ⎠ ⎭
−1
⎛0 0 0 ⎞ ⎛ −2 1 2 ⎞ ⎛ 3 6 −4 ⎞ ⎛ −2 1 2 ⎞ ⎛ 0 0 0 ⎞
⎜ ⎟ ⎜ ⎟ ⎜ ⎟ ⎜ ⎟ ⎜ ⎟
⎜ 0 1 0 ⎟ . Ou dit autrement, ⎜ 3 1 −1⎟ ⋅ ⎜ 0 −1 1 ⎟ ⋅ ⎜ 3 1 −1⎟ = ⎜ 0 1 0 ⎟ .
⎜ 0 0 −2 ⎟ ⎜ 3 2 1 ⎟ ⎜ 3 5 − 3 ⎟ ⎜ 3 2 1 ⎟ ⎜ 0 0 −2 ⎟
⎝ ⎠ ⎝ ⎠ ⎝ ⎠ ⎝ ⎠ ⎝ ⎠

Serveur d'exercices 6/25


Sciences.ch Algèbre Linéaire

EXERCICE 4.
Niveau : Premier Cycle
Auteur : Ruben Ricchiuto(10.01.05)
Mots Clés : Déterminant de Vandermonde, polynômes

Énoncé :
Soit K un corps quelconque et x1 ,.., xn ∈ K . On considère la matrice carrée suivante :
⎛ 1 x1 x12 x1n −1 ⎞
⎜ ⎟
⎜ 1 x2 x22 x2n −1 ⎟
M ( x1 ,.., xn ) = ⎜ ⎟
⎜ ⎟
⎜ 1 xn2 n −1 ⎟
⎝ xn xn ⎠

1. On définit Vn ( x1 ,.., xn ) = det( M ( x1 ,.., xn )) . Montrer que


⎛ n ⎞
Vn ( x1 ,.., xn ) = ⎜ ∏ ( x j − x1 ) ⎟ ⋅ Vn −1 ( x2 ,.., xn ) . [Indication : calculer le déterminant de la
⎜ j =2 ⎟
⎝ ⎠
matrice obtenue à partir de M ( x1 ,.., xn ) en soustrayant à chaque colonne x1 fois la
précédente.]
n −1 n
2. Déduire de 1. que Vn ( x1 ,.., xn ) = ∏ ∏ ( x j − xi ) pour n ≥ 2 .
i =1 j = i +1

3. Donner une condition nécessaire et suffisante, portant sur les xi , pour que la matrice
M ( x1 ,.., xn ) soit inversible.
4. En utilisant 1. montrer qu'il existe un unique polynôme de degré ≤ n passant par les
n + 1 points ( x1 , y1 ),..,( xn +1 , yn +1 ) ∈ K × K avec xi ≠ x j pour i ≠ j .

Solution :
1. A l'aide de l'indication nous obtenons la matrice suivante,
⎛1 0 0 0 ⎞
⎜ ⎟
⎜ 1 x2 − x1 x2 ( x2 − x1 ) x2n − 2 ( x2 − x1 ) ⎟
⎜ ⎟ qui a évidement le même déterminant
⎜ ⎟
⎜ 1 x − x x (x − x ) xn ( xn − x1 ) ⎟⎠
n−2
⎝ n 1 n n 1
que M ( x1 ,.., xn ) . En développant selon la première ligne nous obtenons :
Vn ( x1 ,.., xn ) = det( M ( x1 ,.., xn )) = det( A) où
⎛ x2 − x1 x2 ( x2 − x1 ) x2n − 2 ( x2 − x1 ) ⎞
⎜ ⎟
A=⎜ ⎟ . Sachant que le déterminant est
⎜ ⎟
⎜ xn − x1 xn ( xn − x1 ) xnn − 2 ( xn − x1 ) ⎟⎠

Serveur d'exercices 7/25


Sciences.ch Algèbre Linéaire

multilinéaire nous obtenons


⎛1 x2 x2n −2 ⎞
n ⎜ ⎟
Vn ( x1 ,.., xn ) = det( M ( x1 ,.., xn )) = ∏ ( x j − x1 ) ⋅ det ⎜ ⎟
j =2 ⎜ n−2 ⎟
⎜1 xn xn ⎟⎠

n
= ∏ ( x j − x1 ) ⋅ Vn −1 ( x2 ,.., xn ).
j =2

2. Par récurrence sur n. Si n = 2 , V2 ( x1 , x2 ) = ( x2 − x1 ) et la proposition est vraie.


Supposons l'affirmation démontrée pour n ≥ 2 . Par 1. on a
⎛ n +1 ⎞
Vn +1 ( x1 ,.., xn ) = ⎜ ∏ ( x j − x1 ) ⎟ ⋅ Vn ( x2 ,.., xn +1 ) . Par hypothèse de récurrence,
⎜ j =2 ⎟
⎝ ⎠
n −1 n
Vn ( x2 ,.., xn +1 ) = ∏ ∏ ( x j +1 − xi +1 ) d'où
i =1 j = i +1

⎛ n +1 ⎞ n −1 n n n +1
Vn +1 ( x1 ,.., xn ) = ⎜ ∏ ( x j − x1 ) ⎟ ⋅ ∏ ∏ ( x j +1 − xi +1 ) = ∏ ∏ ( x j − xi ) . Ainsi
⎜ j =2 ⎟ i =1 j = i +1
⎝ ⎠ i =1 j = i +1

l'affirmation est vérifiée pour n + 1 .


3. La matrice M ( x1 ,.., xn ) est inversible ssi son déterminant est non nul c'est-à-dire ssi
n −1 n
Vn ( x1 ,.., xn ) = ∏ ∏ ( x j − xi ) ≠ 0 , donc ssi xi ≠ x j pour i ≠ j .
i =1 j = i +1

4. Soit ( x1 , y1 ),..,( xn +1 , yn +1 ) ∈ K × K n + 1 points. La recherche d'un polynôme


n
p ( X ) = ∑ ai X i de degré ≤ n passant par ces n + 1 points nous amène à rechercher les
i =0
n
solutions des équations ∑ ai xij = y j pour 1 ≤ j ≤ n + 1 . C'est-à-dire
i =0
⎛ 1 x1 x12 x1n ⎞ ⎛ a0 ⎞ ⎛ y1 ⎞
⎜ ⎟⎜ ⎟ ⎜ ⎟
⎜ 1 x2 x22 x2n ⎟ ⎜ a1 ⎟ ⎜ y2 ⎟
⎜ ⎟⎜ ⎟ = ⎜ ⎟
. Or par 3, la matrice de ce système est
⎜ ⎟⎜ ⎟ ⎜
⎜ 1 ⎜ ⎟ ⎜ ⎟⎟
⎝ xn +1 xn2+1 xnn+1 ⎟⎠ ⎝ an ⎠ ⎝ yn +1 ⎠
inversible. Par suite, l'affirmation de l'énoncé est prouvée.

Serveur d'exercices 8/25


Sciences.ch Algèbre Linéaire

EXERCICE 5.
Niveau : Premier Cycle
Auteur : Ruben Ricchiuto(10.01.05)
Mots Clés : Théorème de Cayley

Énoncé :
On se propose de démontrer le théorème suivant: soit A ∈ M n (K ) une matrice carrée de
dimension n à coefficients dans le corps K alors CarA ( A) = 0 où CarA ( X ) est le polynôme
caractéristique de A.
⎛ 1 2⎞
1. Vérifier le théorème pour la matrice ⎜ ⎟.
⎝ −5 3 ⎠

{ }
2. Pour x ∈ K n , considérer la famille F := x, Ax, A2 x,..., Am −1 x avec

{
m − 1 = max k ∈ { } }
| x, Ax, A2 x,..., Ak x est libre . Compléter (éventuellement) la

famille F pour obtenir une base de K n . Exprimer la matrice de l'endomorphisme A


dans cette nouvelle base et montrer que le polynôme caractéristique s'exprime comme
produit de deux polynômes P ( X ) et Q( X ) avec P ( A) x = 0 . En déduire le théorème.
Solution :
⎛ 1 2⎞ ⎛ X − 1 −2 ⎞
1. Si A = ⎜ ⎟ on a CarA ( X ) = det( X ⋅ I − A) = det ⎜ ⎟ = X − 4 X + 13 .
2

⎝ −5 3 ⎠ ⎝ 5 X − 3⎠
⎛ 1 2⎞ ⎛ 1 2 ⎞ ⎛ −9 8 ⎞
A2 = ⎜ ⎟⋅⎜ ⎟=⎜ ⎟ . Donc
⎝ −5 3 ⎠ ⎝ −5 3 ⎠ ⎝ −20 −1⎠
⎛ −9 8 ⎞ ⎛ 4 8 ⎞ ⎛ 13 0 ⎞ ⎛ 0 0 ⎞
CarA ( A) = A2 − 4 A + 13 ⋅ I = ⎜ ⎟−⎜ ⎟+⎜ ⎟=⎜ ⎟.
⎝ −20 −1⎠ ⎝ −20 12 ⎠ ⎝ 0 13 ⎠ ⎝ 0 0 ⎠

Nous allons montrer que pour tout x ∈ K n , CarA ( A)( x) = 0 . Soit donc x ∈ K n , considérons la

{ } {
famille F := x, Ax, A2 x,..., Am −1 x avec m − 1 = max k ∈ { } }
| x, Ax, A2 x,..., Ak x est libre .
m −1
Dans ce cas Am x = ∑ ai Ai x avec ai ∈ K et A0 = I . Complétons si nécessaire la famille F
i =0

pour obtenir une base B de K n . Dans la base B , la matrice de l'endomorphisme A s'écrit,


⎛ 0 0 0 a0 ⎞
⎜ ⎟
⎛B C⎞ ⎜ 1 0 0 a1 ⎟
⎜ ⎟ où B = ⎜ est une matrice m × m et D est une matrice
⎝ 0 D⎠ ⎟
⎜⎜ ⎟
⎝0 1 am −1 ⎟⎠
(n − m) × (n − m) . Le polynôme caractéristique de B est donné par

Serveur d'exercices 9/25


Sciences.ch Algèbre Linéaire

X 0 0 − a0
−1 X 0 −a1
CarB ( X ) = . En développant par rapport à la dernière colonne on voit

0 −1 X − am −1
m −1 m −1
que CarB ( X ) = ∑ −ai X i + X m . De plus CarB ( A) x = ∑ −ai Ai x + Am x = 0 . Donc
i =0 i =0
CarA ( A) x = CarB ( A) ⋅ CarD ( A) x = CarD ( A) ⋅ CarB ( A) x = 0

Serveur d'exercices 10/25


Sciences.ch Algèbre Linéaire

EXERCICE 6.
Niveau : Premier Cycle
Auteur : Ruben Ricchiuto (10.01.05)
Mots Clés : Rang d'une matrice

Énoncé :
⎛ 1 −1 2 −5 4 −4 ⎞
⎜ ⎟
⎜ 2 0 −3 −2 −4 −5 ⎟
Déterminer le rang de la matrice .
⎜ 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 linéaire de
lignes (respectivement de colonnes) dans laquelle cette dernière intervient sans changer le
2⋅ −
rang. Dans les lignes qui suivent un symbole du type: ⎯⎯⎯⎯
1 4
→ signifie que l'on a remplacé
1
la première ligne de la matrice par deux fois la première moins la quatrième, tandis qu'un
C ,C
symbole du type ⎯⎯⎯
1 2
→ signifie que l'on a permuté la première colonne avec la deuxième.
On a:

⎛ 1 −1 2 −5 4 −4 ⎞ ⎛ −1 1 2 −5 4 −4 ⎞ ⎛ −1 1 2 − 5 4 −4 ⎞
⎜ ⎟ ⎜ ⎟ ⎜ ⎟
⎜ 2 0 −3 −2 −4 −5 ⎟ ⎯⎯⎯ C1 , C2
→⎜
0 2 − 3 −2 − 4 −5 ⎟ 1 + 4 ⎜ 0
⎯⎯⎯→
2 −3 −2 −4 − 5 ⎟
⎜ 3 0 9 −3 21 6 ⎟ ⎜ 0 3 9 −3 21 6⎟ 4 ⎜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 ⎞ ⎛ −1 1 2 −5 4 −4 ⎞
⎜ ⎟ ⎜ ⎟
2⋅ 3 − 3⋅ 2
⎜ 0 2 −3 −2 −4 −5 ⎟ 5⋅ 2 − 2⋅ 4 ⎜ 0 2 −3 −2 −4 −5 ⎟
⎯⎯⎯⎯→ ⎯⎯⎯⎯→
3 ⎜ 0 0 27 0 54 27 ⎟ 4 ⎜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 ⎟ − 4 /19 ⎜ 0 2 −3 − 2 − 4 − 5 ⎟
3 / 27
⎯⎯⎯ →⎜ ⎯⎯⎯⎯→
3 ⎜0 0 1 0 2 1 ⎟ 4 ⎜0 0 1 0 2 1⎟
⎜⎜ ⎟⎟ ⎜⎜ ⎟
⎝0 0 −19 0 −38 −19 ⎠ ⎝0 0 1 0 2 1 ⎟⎠
⎛ −1 1 2 −5 4 −4 ⎞
⎜ ⎟
3− 4
0 2 −3 −2 −4 −5 ⎟
⎯⎯⎯→ ⎜
4 ⎜0 0 1 0 2 1⎟
⎜⎜ 0 0 0 0 0 0 ⎟⎠

et cette dernière matrice est de rang 3.

Serveur d'exercices 11/25


Sciences.ch Algèbre Linéaire

EXERCICE 7.
Niveau : Premier Cycle
Auteur : Ruben Ricchiuto (10.01.05)
Mots Clés : Classes de conjugaison des matrices 2 × 2

Énoncé :
On dit que deux matrices A, B ∈ M n ( ) sont conjuguées s'il existe une matrice inversible
S ∈ M n ( ) telle que A = SBS −1 . Être conjugué est une relation d'équivalence sur M n ( )
dont les classes sont appelées classes de conjugaison. Montrer que toute matrice de M 2 ( )
⎛ λ 0 ⎞ ⎛ λ1 1 ⎞ ⎛ a b ⎞
est conjuguée à exactement une des matrices suivantes: ⎜ 1 ⎟,⎜ ⎟,⎜ ⎟.
⎝ 0 λ2 ⎠ ⎝ 0 λ2 ⎠ ⎝ −b a ⎠
[Indication : distinguer les cas A diagonalisable, A n'a qu'une valeur propre de multiplicité
géométrique un et A n'a aucune valeur propre réelle. Pour ce dernier cas, regarder A comme
un élément de M n ( ) .]
Solution :
Soit A ∈ M 2 ( ) . Trois cas peuvent se présenter.
Premier cas : A est diagonalisable.
Deuxième cas : A n'a qu'une valeur propre de multiplicité géométrique un.
Troisième cas : A n'a aucune valeur propre réelle.
⎛λ 0 ⎞
Dans le premier cas, la matrice A est conjuguée à une matrice du type ⎜ 1 ⎟.
⎝ 0 λ2 ⎠
Dans le deuxième cas, soit λ la valeur propre de A. Soit v un vecteur propre et w tel que
⎛λ a⎞
2
= v ⊕ w . Dans la base {v, w} la matrice A s'écrit ⎜ ⎟ avec Aw = av + bw ,
⎝ 0 b ⎠
a, b ∈ . Or étant donné que λ est l'unique valeur propre de A, on a forcément b = λ . Le fait
que λ soit de multiplicité géométrique égale à un entraîne que a ≠ 0 et par suite dans la base
⎧ 1 ⎫ ⎛λ 1 ⎞
⎨v, w⎬ la matrice A s'écrit ⎜ ⎟.
⎩ a ⎭ ⎝0 λ⎠

Dans le troisième cas, A possède deux valeurs propres complexes conjuguées, notons-les
λ = a + ib, λ = a − ib avec b ≠ 0 . Soit v = v1 + iv2 un vecteur propre associé à λ avec
v1 , v2 ∈ 2
. On a Av = Av1 + iAv2 = λ v = av1 − bv2 + i (bv1 + av2 ) et donc
⎛ a b⎞
Av1 = av1 − bv2 , Av2 = bv1 + av2 . Par suite, dans la base {v1 , v2 } A s'écrit ⎜ ⎟ . Il nous
⎝ −b a ⎠
⎛ λ 0 ⎞ ⎛ λ1 1 ⎞ ⎛ a b ⎞
reste encore à montrer que les matrices ⎜ 1 ⎟,⎜ ⎟,⎜ ⎟ ne sont pas conjuguées
⎝ 0 λ2 ⎠ ⎝ 0 λ2 ⎠ ⎝ −b a ⎠
deux à deux. Mais ceci est évident car les trois cas que nous avons traités s'excluent
mutuellement.

Serveur d'exercices 12/25


Sciences.ch Algèbre Linéaire

EXERCICE 8.
Niveau : Premier Cycle
Auteur : Ruben Ricchiuto (10.01.05)
Mots Clés : Matrices Trigonalisables

Énoncé :
1. Montrer que dans M n ( ) il existe des matrices non diagonalisables.
2. Montrer que dans M n ( ) il existe des matrices non trigonalisables (on rappelle
qu'une matrice A est trigonalisable s'il existe une matrice inversible S telle que SAS −1
est triangulaire supérieure)
3. Montrer que dans M n ( ) toutes les matrices sont trigonalisables. [Indication:
procéder par récurrence sur n en se rappelant que si M ∈ M n ( ) , M possède toujours
une valeur propre.]
Solution :
⎛ 1 1⎞
1. La matrice ⎜ ⎟ ∈ M 2 ( ) n'est pas diagonalisable. En effet la dimension de l'espace
⎝ 0 1⎠
propre associé à la valeur propre 1 est 1 et il n'y a pas d'autres valeurs propres. On ne
peut donc pas trouver de base formée de vecteurs propres.
⎛ 1 −2 ⎞
2. Soit M = ⎜ ⎟ . Le polynôme caractéristique de M est PM ( X ) = X − 2 X + 5 . Or
2

⎝2 1 ⎠
PM ( X ) ne possède aucune racine réelle, par conséquent M n'a aucune valeur propre
réelle et donc ne peut être trigonalisable.

3. Par récurrence sur n. Si n = 1 il n'y a rien à montrer. Supposons l'affirmation vérifiée


jusqu'à n ≥ 1 . Soit M ∈ M n +1 ( ) . étant algébriquement clos, M possède une valeur
propre λ . Soit v un vecteur propre de valeur propre λ . Complétons v en une base de
n +1 ⎛λ C ⎞
. Dans cette nouvelle base la matrice M s'écrit: SMS −1 = ⎜ ⎟ où B ∈ M n ( )
⎝0 B⎠
et S est la matrice de changement de base. Par hypothèse de récurrence, il existe
D ∈ M n ( ) inversible telle que DBD −1 soit triangulaire supérieure. Ainsi
⎛1 0⎞ −1
⎛ 1 0 ⎞ ⎛ λ CD −1 ⎞
⎜ ⋅
⎟ SMS ⎜⎜⋅ ⎟ = ⎜⎜
−1 ⎟
⎟ est triangulaire supérieure.
0 −1 ⎟
⎝ D ⎠ ⎝ 0 D ⎠ ⎝ 0 DBD ⎠

Serveur d'exercices 13/25


Sciences.ch Algèbre Linéaire

EXERCICE 9.
Niveau : Premier Cycle
Auteur : Ruben Ricchiuto (10.01.05)
Mots Clés : Espace des suites et équations aux différences

Énoncé :
On considère l'espace vectoriel des suites à valeur dans avec les opérations d'addition
et de multiplication par un scalaire suivantes: ∀(an ) ,(bn ) ∈ ,(an ) + (bn ) = (an + bn ) .
∀λ ∈ , λ ⋅ (an ) = (λ an ) . Soit l'application linéaire D : → définie par
(a0 , a1 ,...) (a1 , a2 ,...) .
k −1
1. Soit A = D k + ∑ λi D i avec λi ∈ et D j = D D ... D j fois, D 0 = id et k ≥ 1 .
i =0
Montrer que le noyau de A est de dimension k.
k −1
2. On considère le polynôme caractéristique P( X ) = X k + ∑ λi X i associé à A. Soit
i =0

{ z1,..., zk } les racines de P. Montrer que si zi ≠ z j pour i ≠ j alors

{( z ) n
1 n∈ ,...,( zkn ) n∈ } est une base de ker( A) avec ( z )
n
= (1,0,...) si z = 0 .
[Indication : pour montrer que ( z1n ) n∈ ,...,( zkn ) n∈ sont linéairement indépendantes
écrire que λ1 ( z1n ) n∈ + ... + λk ( zkn ) n∈ = 0 et montrer qu'en prenant n = 0...k − 1 on
tombe sur un système d'équations défini par une matrice k × k de Vandermonde].
3. Déterminer la suite de Fibonacci a = (an ) , an ∈ définie par D 2 a − Da − a = 0 ,
avec "conditions initiales" a0 = a1 = 1 .
Solution :
k −1 k −1
1. Soit a = (an ) . a ∈ ker( A) ⇔ D k a + ∑ λi Di a = 0 ⇔ ∀n ∈ , an + k = −∑ λi an + i . Ainsi
i =0 i =0
tout élément de ker( A) est uniquement déterminé par le choix de a0 ,.., ak −1 . Par suite
ker( A) K k et donc dim(ker( A)) = k .
k −1
2. Soit z une racine de P( X ) = X k + ∑ λi X i . Montrons que a = ( z n ) ∈ ker( A) . En effet
i =0
k −1 k −1 ⎛ k −1 ⎞
Aa = D k a + ∑ λi D i a = ( z n + k ) n∈ + ∑ λi ( z n + i ) n∈ = a ⋅ ⎜ z k + ∑ λi z i ⎟ = a ⋅ P ( z ) = 0 .
i =0 i =0 ⎝ i =0 ⎠
Supposons de plus que les racines de P sont deux à deux distinctes. Notons { z1 ,..., zk }
ces racines et ai = ( zin ) n∈ ,1 ≤ i ≤ k . Nous avons déjà montré que ai ∈ ker( A) pour
1 ≤ i ≤ k . Montrons que {a1 ,.., ak } est une base de ker( A) . Il suffit pour cela de
k
montrer que a1 ,.., ak sont linéairement indépendants. Si ∑ λi ai = 0 alors pour tout
i =1

Serveur d'exercices 14/25


Sciences.ch Algèbre Linéaire

k
n∈ , ∑ λi zin = 0 . En prenant n = 0...k − 1 on obtient le système suivant,
i =1
⎛ 1 1 ⎞ ⎛ 1 1 ⎞
⎜ ⎟ ⎛ λ1 ⎞ ⎜ ⎟
⎜ z1 zk ⎟ ⎜ ⎟ ⎜ z1 zk ⎟
⎜ ⎟ ⎜ ⎟ = 0 . Or la matrice M = ⎜ ⎟ est une matrice de
⎜ ⎟⎜ λ ⎟ ⎜ ⎟
⎜ z k −1 k −1 ⎟
⎝ k⎠ ⎜ k −1 k −1 ⎟
⎝ 1 zk ⎠ ⎝ z1 zk ⎠
Vandermonde et nous savons que si les zi sont distincts deux à deux, une telle matrice
est inversible. Ainsi λ1 = λ2 = ... = λk = 0 .

3. A = D 2 − D − I . Le polynôme caractéristique associé à A est donc X 2 − X − 1 qui


1+ 5 1− 5
admet les racines λ1 = et λ2 = . L'espace des solutions de l'équation
2 2
( ) ( )
D 2 a − Da − a = 0 est engendré par λ1n , λ2n . La condition a0 = a1 = 1 nous
amène à chercher α , β ∈ tels que α + β = αλ1 + βλ2 = 1 . Nous devons donc
⎛ 1 1 ⎞ ⎛ α ⎞ ⎛ 1⎞
résoudre le système 2 × 2 : ⎜ ⎟ ⋅ ⎜ ⎟ = ⎜ ⎟ . Les solutions sont
⎝ λ1 λ2 ⎠ ⎝ β ⎠ ⎝ 1⎠
1 − λ2 1 + 5 λ − 1 −1 + 5
α= = ,β = 1 = . La suite de Fibonacci est donnée par
5 2 5 5 2 5
a=
1
5
(
⋅ λ1n +1 − )1
5
(
⋅ λ2n +1 = )
1
5
(
⋅ λ1n +1 − λ2n +1 . )

Serveur d'exercices 15/25


Sciences.ch Algèbre Linéaire

EXERCICE 10.
Niveau : Premier Cycle
Auteur : Ruben Ricchiuto (10.01.05)
Mots Clés : Espace orthogonal

Énoncé :
Soit n, m deux entiers ≥ 1 . Soit A = (aij ) ∈ M n, m ( ) ( A est une matrice à n lignes et m
colonnes à coefficients dans ).
1. Montrer que ker( A) = Im( At ) ⊥ où At est la matrice transposée de A.

2. Déduire de 1. que dim(Im( A)) = dim(Im( At )) .


Solution :
⎛ a1 v ⎞
⎜ ⎟
1. Notons a1 ,..., an les vecteurs lignes de la matrice A. Soit v ∈ . Av = ⎜
m
⎟ où
⎜ a v ⎟
⎝ n ⎠
. . est le produit scalaire standard sur m . Par suite, dire que v ∈ ker( A) est
équivalent à dire que v est orthogonal à l'espace engendré par a1 ,.., an c'est-à-dire à
Im( At ) . Donc ker( A) = Im( At ) ⊥ .
2. Par le théorème de la dimension on a,
m = dim ker( A) + dim Im( A) = dim Im( At ) ⊥ + dim Im( A) . Or m
= Im( At ) ⊕ Im( At ) ⊥ ,
donc m = dim Im( At ) + dim Im( At )⊥ et en remplaçant dans l'expression précédente on
trouve dim Im( At ) = dim Im( A) .

Serveur d'exercices 16/25


Sciences.ch Algèbre Linéaire

EXERCICE 11.
Niveau : Premier Cycle
Auteur : Ruben Ricchiuto (10.01.05)
Mots Clés : Polynômes et théorème de décomposition

Énoncé :
1. Soit K un corps, p, q ∈ K[ X ] deux polynômes et A un endomorphisme de l'espace
vectoriel K n . Montrer que si p et q sont premiers entre eux alors
ker( p( A) ⋅ q( A)) = ker( p( A)) ⊕ ker(q( A)) . [Indication : utiliser le théorème de
Bézout].
2. Dans les mêmes conditions que 1. montrer que si p1 ,..., pm ∈ K[ X ] sont premiers
m
deux à deux alors ker(∏ pi ( A)) = ker( p1 ( A)) ⊕ ... ⊕ ker( pm ( A)) .
i =1

α αd
3. Supposons K algébriquement clos. Soit CarA ( X ) = ( X − λ1 ) 1 ⋅ ... ⋅ ( X − λd ) le
d
polynôme caractéristique de A avec λi ≠ λ j si i ≠ j , ∑αi = n . Le théorème de
i =1
Cayley affirme que CarA ( A) = 0 , en déduire que
α αd
K n = ker( A − λ1 ) 1 ⊕ ... ⊕ ker( A − λd ) (ce dernier résultat constitue le théorème de
décomposition).
α
4. Montrer que dans 3. dim(ker( A − λi ) i ) = α i . [Indication : remarquer que A induit par
α α
restriction une application linéaire A : ker( A − λi ) i → ker( A − λi ) i et que le
α
dim ker( A − λ ) i
polynôme caractéristique de A est ( X − λi ) 1 ].
Solution :
1. Si p et q sont premier entre eux alors il existe deux polynômes a ( X ), b( X ) ∈ K[ X ]
tels que a ( X ) p ( X ) + b( X )q( X ) = 1 . On a l'inclusion évidente
ker( p( A)) + ker(q( A)) ⊆ ker( p( A) ⋅ q( A)) . Montrons que la somme dans le membre de
gauche est une somme directe. En effet
x ∈ ker( p( A)) ∩ ker( q( A)) ⇒ a ( A) p( A) x + b( A)q( A) x = x = 0 . Pour finir si
x ∈ ker( p( A) ⋅ q( A)) , alors a( A) p( A) x ∈ ker(q( A)) et b( A)q ( A) x ∈ ker( p( A)) donc
a ( A) p ( A) x + b( A)q ( A) x = x ∈ ker( p ( A)) ⊕ ker(q ( A)) . Donc
ker( p( A) ⋅ q( A)) = ker( p( A)) ⊕ ker(q( A)) .
2. Par récurrence sur m. Si m = 2 l'affirmation découle de 1. Supposons l'affirmation
vérifiée pour m ≥ 2 . Soit p1 ,..., pm +1 ∈ K[ X ] premiers deux à deux. Alors pm +1 est
m
premier avec ∏ pi ( A) et par hypothèse récurrence
i =1
m +1 m
ker(∏ pi ( A)) = ker(∏ pi ( A)) ⊕ ker( pm +1 ( A)) . Toujours par hypothèse de récurrence
i =1 i =1

Serveur d'exercices 17/25


Sciences.ch Algèbre Linéaire

m
ker(∏ pi ( A)) = ker( p1 ( A)) ⊕ ... ⊕ ker( pm ( A)) . Donc
i =1
m +1
ker(∏ pi ( A)) = ker( p1 ( A)) ⊕ ... ⊕ ker( pm +1 ( A)) .
i =1

α αd
3. CarA ( A) = 0 entraîne ker(CarA ( A)) = K n . Si CarA ( X ) = ( X − λ1 ) 1 ⋅ ... ⋅ ( X − λd ) , 2.
α1 αd α
entraîne K n = ker( A − λ1 ) ⊕ ... ⊕ ker( A − λd ) car les ( X − λi ) i sont premiers
deux à deux.
α α
4. L'espace ker( A − λi ) i est invariant par A. En effet si x ∈ ker( A − λi ) i alors
α α α
( A − λi ) i Ax = A( A − λi ) i x = 0 et donc Ax ∈ ker( A − λi ) i . Notons
α α α
A : ker( A − λi ) i → ker( A − λi ) i la restriction de A à ker( A − λi ) i . La seule valeur
α
propre de A est λi . Par suite CarA ( X ) = ( X − λi ) où di = dim ker( A − λi ) i .
di

α
CarA ( X ) divise CarA ( X ) . Pour le voir il suffit de compléter ker( A − λi ) i en une
⎛B C⎞
base de K n , dans cette nouvelle base, la matrice de l'endomorphisme A est ⎜ ⎟
⎝ 0 D⎠
α
où B, C , D sont des matrices et B est la matrice de A dans une base de ker( A − λi ) i ,
il s'ensuit que CarA ( X ) = CarA ( X ) ⋅ CarD ( X ) . Nous avons donc di ≤ α i . D'autre part
d d
n = ∑ α i = ∑ di , donc α i = di .
i =1 i =1

Serveur d'exercices 18/25


Sciences.ch Algèbre Linéaire

EXERCICE 12.
Niveau : Premier Cycle
Auteur : Ruben Ricchiuto (10.01.05)
Mots Clés : Suites exactes d'espaces vectoriels

Énoncé :
1. Soit V1 ,...,Vn n espaces vectoriels de dimension finie sur un corps K quelconque. On
considère la suite {0} ⎯⎯ →{0} où les fi sont des
f f f
→V1 ⎯⎯
1 →V ⎯⎯
2 →V ...V ⎯⎯
0 n f
2 3 n

applications linéaires et {0} est l'espace vectoriel réduit au seul élément 0. On dit que
cette suite est exacte si ker( fi +1 ) = Im( fi ) , 0 ≤ i ≤ n − 1 . Montrer que dans ce cas f1
n
est injective et f n −1 est surjective et que ∑ (−1)i dim(Vi ) = 0 .
i =1

⎛1 1⎞
A1 A2 ⎜ ⎟
2. Montrer que la suite 0 → 2
⎯⎯→ 3
⎯⎯→ 1
→ 0 où A1 = ⎜ 0 1 ⎟ et
⎜0 0⎟
⎝ ⎠
A2 = ( 0 0 2 ) est exacte.

Solution :
1. ker( f1 ) = Im( f 0 ) = {0} prouve que f1 est injective. Im( f n −1 ) = ker( f n ) = Vn prouve
que f n −1 est surjective . Par le théorème de la dimension,
dim(Vi ) = dim ker( fi ) + dim Im( fi ) . Ainsi,
n n n
∑ (−1)i dim(Vi ) = ∑ (−1)i dim ker( fi ) + ∑ (−1)i dim Im( fi )
i =1 i =1 i =1
n n −1
= ∑ (−1)i dim ker( fi ) + ∑ (−1)i dim ker( fi +1 ) . Cette dernière expression est égale à
i =1 i =1

( )
n n n
= ∑ (−1)i dim ker( fi ) + ∑ (−1)i −1 dim ker( fi ) = − dim ker( f1 ) + ∑ (−1)i −1 + (−1)i dim ker( fi ).
i =1 i=2 i=2
n
Or dim ker( f1 ) = 0 donc ∑ (−1)i dim(Vi ) = 0 .
i =1

⎛1 1⎞
⎜ ⎟
2. A2 A1 = ( 0 0 2 ) ⎜ 0 1 ⎟ = ( 0 0 ) ce qui montre que Im( A1 ) ⊆ ker( A2 ) . De plus A1
⎜0 0⎟
⎝ ⎠
est une matrice de rang 2 donc dim Im( A1 ) = 2 et A2 est une matrice de rang 1 donc
dim ker( A2 ) = 2 . Ainsi Im( A1 ) = ker( A2 ) .

Serveur d'exercices 19/25


Sciences.ch Algèbre Linéaire

EXERCICE 13.
Niveau : Premier Cycle
Auteur : Ruben Ricchiuto (10.01.05)
Mots Clés : Polynôme caractéristique d'une matrice inversible

Énoncé :
Soit A ∈ M n ( ) inversible. Montrer que ∀x ∈ \ {0}, Car ( x) = det( A−1 ) ⋅ x n (−1) n CarA ( x −1 )
A−1

où CarA ( X ) et Car ( X ) sont les polynômes caractéristiques de A et A−1 . Que peut-on en


A−1

déduire sur les multiplicité algébriques des valeurs propres de A et A−1 ?


Solution :

Si x ≠ 0 , Car ( x) = det( A−1 − xI ) = det( A−1 ) ⋅ det( A) ⋅ det( A−1 − xI ) = det( A−1 ) ⋅ det( I − xA)
A−1

= det( A−1 ) ⋅ det( x( x −1I − A)) = det( A−1 ) ⋅ x n (−1)n CarA ( x −1 ) . Cette égalité montre entre autre
que si λ est valeur propre de A alors λ −1 est valeur propre de A−1 avec même multiplicité
algébrique.

Serveur d'exercices 20/25


Sciences.ch Algèbre Linéaire

EXERCICE 14.
Niveau : Premier Cycle
Auteur : Ruben Ricchiuto (10.01.05)
Mots Clés : Polynôme caractéristique

Énoncé :
Quel est le polynôme caractéristique de la matrice M = (mij ) avec mij = 1 pour tout
1 ≤ i, j ≤ n ?
Solution :
n
Soit v = (v1,..., vn ) ' ∈ n
un vecteur propre de valeur propre λ . Notons s = ∑ vk , on a
1
Mv = ( s, s,..., s )' = λ v . Donc ∀k = 1..n, s = λ vk et si λ ≠ 0 , ∀k = 1..n, vk = s / λ ce qui entraîne
λ = n . Pour n ≥ 2 nous avons donc deux valeurs propres, 0 et n . Le polynôme
caractéristique s'écrit comme, PM ( X ) = X α ⋅ ( X − n) β . De plus v est un vecteur propre de
n
valeur propre 0 ssi ∑ vk = 0 donc 0 est de multiplicité géométrique égale à n − 1 ainsi
1

α = n − 1 et β = 1 . Nous obtenons donc PM ( X ) = X n −1 ⋅ ( X − n) .

Serveur d'exercices 21/25


Sciences.ch Algèbre Linéaire

EXERCICE 15.
Niveau : Premier Cycle
Auteur : Ruben Ricchiuto (10.01.05)
Mots Clés : Espaces vectoriels quotients

Énoncé :
Soit V un K -espace vectoriel et U ⊆ V un sous-espace. On définit une relation notée ∼ sur
V de la manière suivante : ∀x, y ∈ V , x ∼ y ssi x − y ∈ U .
1. Montrer que ∼ est une relation d'équivalence.
2. Montrer que ∼ est compatible avec l'addition et la multiplication par un scalaire c'est-
à-dire : ∀x, x′, y, y′ ∈ V , ∀λ ∈ K , si x ∼ x′ et y ∼ y′ alors x + y ∼ x′ + y′ et λ x ∼ λ x′ .
3. Notons V / U l'ensemble des classes d'équivalence pour la relation ∼ . Déduire de 2.
qu'en définissant les opérations : x + y = x + y et λ x = λ x où x et y désignent les
classes de x et y ∈ V , 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(V / U ) = dim(V ) − dim(U ) . [Indication : considérer l'application linéaire
π :V → V /U , x x où x est la classe d'équivalence de x.]

Solution :
1. x − x = 0 ⇒ x ∼ x ce qui prouve que ∼ est réflexive. Si x ∼ y alors x − y ∈ U et par
suite y − x ∈ U donc y ∼ x , ∼ est donc symétrique. x ∼ y et
y ∼ z ⇒ x − z = x − y + y − z ∈ U ce qui montre que ∼ est transitive.
∈U ∈U

2. Si x ∼ x′ et y ∼ y′ alors x − x′ ∈ U et y − y′ ∈ U . Donc
x + y − x′ − y′ = x − x′ + y − y′ ∈ U et λ x − λ x′ = λ ⋅ ( x − x′ ) ∈ U , c'est-à-dire
∈U ∈U
x + y ∼ x′ + y′ et λ x ∼ λ x′ .
3. Remarquons que grâce à 2. les opérations d'addition et de multiplication par un
scalaire sont bien définies. On vérifie immédiatement que V / U est un groupe pour
l'addition avec 0 comme élément neutre et − x comme opposé de x . On a
1 ⋅ x = 1 ⋅ x = x et le reste des propriétés est évident…

4. La projection canonique π : V → V / U , x x est linéaire, en effet,


π (λ x + µ y ) = λ x + µ y = λ x + µ y = λπ ( x) + µπ ( y ) . π est surjective et par le
théorème de la dimension, dim V = dim V / U + dim ker(π ) . Or ker(π ) = U , donc
dim V / U = dim V − dim U .

Serveur d'exercices 22/25


Sciences.ch Algèbre Linéaire

EXERCICE 16.
Niveau : Premier Cycle
Auteur : Ruben Ricchiuto (10.01.05)
Mots Clés : Polynôme caractéristique

Énoncé :
Considérons les applications ai : M n ( ) → , 0 ≤ i ≤ n − 1 ( M n ( ) est l'ensemble des
matrices n × n à coefficients dans ) où ai ( A) est le coefficient de degré i du polynôme
caractéristique de A. Montrer que pour toutes matrices A, B , si B est inversible,
ai ( AB) = ai ( BA) pour tout 0 ≤ i ≤ n − 1 .
Solution :
On a CarAB ( X ) = det( AB − XI ) = det( B ( AB − XI ) B −1 ) = det( BA − XI ) = CarBA ( X ) . Le
polynôme caractéristique de AB est le même que celui de BA , par suite ai ( AB) = ai ( BA) .

Remarque : on montre plus généralement que CarAB ( X ) = CarBA ( X ) pour toutes matrices
A, B ∈ M n ( ) .

Serveur d'exercices 23/25


Sciences.ch Algèbre Linéaire

EXERCICE 17.
Niveau : Premier Cycle
Auteur : Ruben Ricchiuto (10.01.05)
Mots Clés : Formes bilinéaires symétriques

Énoncé :
Soit K un corps quelconque, V un espace vectoriel de dimension finie sur K et
β :V × V → K une forme bilinéaire symétrique.
1. Montrer que si K est de caractéristique ≠ 2 alors il existe une base {e1 ,.., en } de V
telle que β (ei , e j ) = 0 si i ≠ j . [Indication : procéder par récurrence sur dim(V ) .
Montrer qu'il existe x ∈ V tel que β ( x, x) ≠ 0 et qu'en notant x l'espace engendré
= { y ∈ V | β ( x, y ) = 0} .]
⊥ ⊥
par x on a V = x ⊕ x où x

2. Donner un exemple qui prouve qu'en caractéristique deux l'affirmation de 1. est


fausse.
3. On définit le sous-espace H = { x ∈ V | ∀y ∈ V , β ( x, y ) = 0} . On dit que β est non
dégénérée si ( ∀y ∈ V , β ( x, y ) = 0 ) ⇒ x = 0 . Montrer que β est non dégénérée
⇔ H = {0} .
4. On suppose K de caractéristique ≠ 2 . Soit {e1 ,.., en } une base de V telle que
β (ei , e j ) = 0 si i ≠ j . Soit r le cardinal de l'ensemble E = {i ∈ {1,..., n} | β (ei , ei ) = 0} .
{ }
Montrer que l'ensemble e j | j ∈ E engendre H et que par conséquent dim( H ) = r .

5. Si V = K n , montrer que la forme bilinéaire symétrique définie par


n
∀x, y ∈ K n , x y = ∑ xi yi est non dégénérée.
i =1

6. Avec les mêmes notations que dans 5, on considère de plus la matrice définie par
A = (aij )1≤ i , j ≤ n , aij = β (ei , e j ) où {e1 ,.., en } est la base canonique de K n . Montrer que
β ( x, y ) = x Ay . En déduire que H = ker( A) et que par suite β est non dégénérée ssi
det( A) ≠ 0 .

7. Déterminer la dimension de H dans le cas où β : 3


× 3
→ est définie par
β ( ( x1 , x2 , x3 ),( y1 , y2 , y3 ) ) = x1 y1 + x1 y2 + x2 y3 .
Solution :
1. Si β = 0 il n'y a rien à montrer, supposons donc β ≠ 0 . Démontrons l'affirmation par
récurrence sur n = dim(V ) . Si n = 1 il n'y a rien à montrer. Supposons l'affirmation
vérifiée pour n ≥ 1 . Soit V un espace vectoriel de dimension n + 1 . Il existe un élément
x ∈ V tel que β ( x, x) ≠ 0 car sinon pour tout x, y ∈ V ,0 = β ( x + y, x + y ) = 2 β ( x, y ) et
par conséquent β = 0 (c'est ici qu'on utilise le fait que K n'est pas de caractéristique
2). Soit donc x un tel élément. Considérons la forme linéaire f : V → K définie par

Serveur d'exercices 24/25


Sciences.ch Algèbre Linéaire

f ( y ) = β ( x, y ) . ker( f ) = { y ∈ V | β ( x, y ) = 0} est de dimension n = dim(V ) − 1 . De


plus x ∈
/ ker( f ) , par suite V = x ⊕ ker( f ) . Par hypothèse de récurrence il existe une
base x1 ,.., xn de ker( f ) avec β ( xi , x j ) = 0 si i ≠ j . x, x1 ,.., xn est donc la base
cherchée.
2. Soit V = F22 l'espace vectoriel de dimension deux sur le corps F2 . Soit e1 , e2 les
vecteurs de la base canonique. On définit β de la manière suivante :
β (e1 , e1 ) = β (e2 , e2 ) = 0, β (e1, e2 ) = β (e2 , e1 ) = 1 . V = {0, e1 , e2 , e1 + e2 } et on voit
facilement qu'il n'existe pas de base comme dans 1.
3. Supposons β non dégénérée et soit x ∈ H alors pour tout y ∈ V , β ( x, y ) = 0 et par
suite x = 0 . Réciproquement si H = {0} supposons que pour tout y ∈ V , β ( x, y ) = 0
alors x ∈ H et donc x = 0 .

4. Notant {e j | j ∈ E} { }
l'espace engendré par e j | j ∈ E il est facile de voir que
n
{e j | j ∈ E} ⊆ H . Réciproquement, soit x ∈ H . x = ∑ λi ei et
i =1
n n
0 = β ( x, e j ) = β (∑ λi ei , e j ) = ∑ λi β (ei , e j ) = λ j β (e j , e j ) . Ainsi pour j ∈/ E ,
i =1 i =1
β (e j , e j ) ≠ 0 et donc λ j = 0 par suite x est combinaison linéaire d'éléments de
{e j | j ∈ E} . On en déduit immédiatement dim( H ) = r .
n
5. Supposons que x ∈ K n vérifie : ∀y ∈ K n , x y = ∑ xi yi = 0 . Dans ce cas en prenant
i =1
pour y les vecteurs de la base canonique on obtient, x1 = ... = xn = 0 c'est-à-dire x = 0 .
n n
6. Soit x = ∑ xi ei , y = ∑ yi ei avec xi , yi ∈ K .
i =1 i =1
n n n n n
β ( x, y ) = β (∑ xi ei , ∑ y j e j ) = ∑ xi ⋅ ∑ y j β (ei , e j ) = ∑ xi ⋅ ( Ay )i = x Ay où ( Ay )i
i =1 j =1 i =1 j =1 i =1
est la i-ème composante du vecteur Ay . H = ker( A) en effet,
y ∈ H ⇔ ∀z ∈ K n , β ( z , y ) = 0 ⇔ ∀z ∈ K n , z Ay = 0 ⇔ Ay = 0 . β est non
dégénérée ssi H = ker( A) = {0} donc ssi det( A) ≠ 0 .

⎛1 1 0⎞
⎜ ⎟
7. La matrice associée à β dans la base canonique est A = ⎜ 0 0 1 ⎟ et cette matrice
⎜0 0 0⎟
⎝ ⎠
est visiblement de rang 2 donc dim ker( A) = dim( H ) = 1 .

Serveur d'exercices 25/25