Vous êtes sur la page 1sur 8

EPFL

Sections Génie Civil - Sciences et Ingénierie de l’Environnement

Algèbre Linéaire
Dr. Lara Thomas
Semestre d’Automne, 2009-2010

Semaine du 14.12.2009

Série 13
Corrigés 13

Exercice 1

1. D’abord, on a clairement Ker(f ) ⊂ V . De plus, pour tous vecteurs u, v ∈ Ker(f ) et pour


tout nombre réel a ∈ R, on a :
f (au) = af (u) = 0 et f (u + v) = f (u) + f (v),
c’est-à-dire au ∈ Ker(f ) et u + v ∈ Ker(f ). Donc Ker(f ) est un sous-espace vectoriel
de V .

D’abord, on a bien l’inclusion Im(f ) ⊂ W . De plus, soient x, y deux vecteurs de Im(f ) et


soit a un nombre réel. Notons u et v deux vecteurs de V tels que f (u) = x et f (v) = y.
On a :
ax = af (u) = f (au) et x + y = f (u) + f (v) = f (u + v),
c’est-à-dire ax et x + y sont dans Im(f ). Donc Im(f ) est un sous-espace vectoriel de W .
2. Soient x, y deux vecteurs de W et soit a ∈ R un nombre réel. Comme précédemment,
notons u, v deux vecteurs de V tels que f (u) = x et f (v) = y. En particulier, f −1 (x) = u
et f −1 (y) = v car f est bijective. De plus, f (u + v) = x + y et f (au) = ax car f est
linéaire. Alors, on a :
f −1 (x + y) = f −1 (f (u) + f (v))
= f −1 (f (u + v))
= u+v
= f −1 (x) + f −1 (y)
et
f −1 (ax) = f −1 (f (au))
= au
= af −1 (x).
Donc l’application f −1 est linéaire.

Exercice 2  
1 −1
Notons S la base standard de R . Alors la matrice standard de f est [f ]S =
2
. D’après
3 1
le cours, la matrice de f dans la base C est :
[f ]C = PCS [f ]S PSC ,
où PCS (resp. PSC ) est la matrice de changement de base de S à C (resp. C à S). On a :
 
1 1
PSC = ,
1 2
 
−1 2 −1
d’où PCS = PSC = .
−1 1
La matrice de f dans la base C est donc :
     
2 −1 1 −1 1 1 −4 −7
[f ]C = = .
−1 1 3 1 1 2 4 6
   
1 1
Vérification. Il s’agit de calculer f ( ) et f ( ) puis d’écrire leurs coordonnées dans la
1 2
base C : ces coordonnées forment les colonnes de [f ]C . Par exemple,
       
1 0 1 1
f( )= = −4 +4 ,
1 4 1 2
    
1 −4
c’est-à-dire f ( ) = et ce vecteur est bien la première colonne de [f ]C . On peut
1 C
4
 
1
faire les mêmes calculs pour la seconde colonne, en calculant cette fois f ( ).
2

Exercice 3
 
a b
1. Si A = , alors :
c d
 
a−X b
PA (X) = det
c d−X
= (a − X)(d − X) − bc
= X 2 − (a + d) + (ad − bc),

c’est-à-dire PA (X) = X 2 − Tr(A) + det(A).


2. Si C est une matrice inversible alors 0 n’est pas valeur propre de C (vu en cours). En effet,
une matrice carrée C est inversible si et seulement si det(C) 6= 0. Or det(C) = PC (0)
(polynôme caractéristique de C évalué en 0). Donc C est inversible si et seulement si
PC (0) 6= 0, c’est-à-dire si et seulement si 0 n’est pas valeur propre de C.
3. Soit x un vecteur propre pour B, de valeur propre λ. Alors :
||x||2 = x • x = xT x = xT B T Bx = (Bx)T Bx = λxT λx = λ2 ||x||2 .

Donc λ2 = 1, c’est-à-dire λ = 1 ou −1.


Remarque : on a utilisé la formulation matricielle du produit scalaire (vue en cours) :

u • v = uT v.
4. D’après l’énoncé, on a :
P −1 M P = D, c’est-à-dire M = P DP −1 ,
   
1 0 2 0
où P = et D = . Calculons P −1 par l’algorithme de Gauss :
−2 3 0 3
     
1 0 | 1 0 L2 7→ L2 + 2L1 1 0 | 1 0 L2 7→ L2 /3 1 0 | 1 0
.
−2 3 | 0 1 −→ 0 3 | 2 1 −→ 0 1 | 2/3 1/3
 
−1 1 0
Donc P = . Il vient alors :
2/3 1/3
   
1 0 2 0 1 0
M =
−2 3 0 3 2/3
 1/3
2 0 1 0
=
−4 9 2/3 1/3
2 0
=
2 3
 
2 0
d’où M = .
2 3
       
1 1 0 0
On vérifie facilement que l’on a bien M =2 et M =3 .
−2 −2 3 3

Exercice 4

1. Le polynôme caractéristique de la matrice A est :


 
−5 − X 0 6
PA (X) = det  3 −2 − X −6  .
−3 0 4−X
Calculons ce déterminant par la méthode des cofacteurs en développant par rapport à la
deuxième colonne, il vient :
 
−5 − X 6
PA (X) = −(X +2) det = −(X +2)(X 2 +X −2) = −(X −1)(X +2)2 .
−3 4−X
Les valeurs propres de la matrice A sont les racines de son polynôme caractéristique,
c’est-à-dire ce sont 1 et −2.

2. (a) Espace propre E1 associé à la valeur propre λ1 = 1. Il s’agit du noyau de la matrice


A − I, c’est-à-dire de la matrice :
 
−6 0 6
 3 −3 −6 .
−3 0 3
Réduisons cette matrice sous forme échelonnée réduite à l’aide de l’algorithme de
Gauss :
     
−6 0 6 1 0 −1 L2 7→ L2 − 3L1 1 0 −1
 3 −3 −6 L1 7→ L1 /(−6)  3 −3 −6 L3 7→ L3 + 3L1 0 −3 −3
−→
−3 0 3 −3 0 3 −→ 0 0 0
 
1 0 −1
L2 7→ L2 /(−3) 
0 1 1 .
−→
0 0 0
La variable z est libre, posons z = t. L’espace propre associé à la valeur propre 1 est
donc le sous-espace vectoriel :
   
t 1
E1 = {−t ; t ∈ R} = Vect(−1).
t 1
 
1
Puisque le vecteur −1 est non nul, il forme une base de l’espace E1 qui est donc

1
de dimension 1.

(b) Espace propre E−2 associé à la valeur propre λ = −2. Il s’agit du noyau de la ma-
trice A − 2I, c’est-à-dire de la matrice :
 
−3 0 6
 3 0 −6 .
−3 0 6

Réduisons cette matrice sous forme échelonnée réduite, à l’aide de l’algorithme de


Gauss :

     
−3 0 6 1 0 −2 L2 7→ L2 − 3L1 1 0 −2
 3 0 −6 L1 →
7 L1 /(−3) 
3 0 −6 L3 + 3L1 0 0 0 
−→
−3 0 6 −3 0 6 −→ 0 0 0

Les variables y et z sont libres. Posons y = s et z = t. Alors on a :


    
2t  2 
E−2 = { s  ; s, t ∈ R} = Vect 0 , 0 1 0 .
t 1
 
 
2 
Ainsi, puisque les vecteurs 0 et 0 1 0 sont (clairement) linéairement indépendants,

1
ils forment une base de E−2 qui est donc de dimension 2.
   
1 2 
3
3. Puisque dim R = 3, il suffit de montrer que les vecteurs −1 , 0 et 0 1 0 sont
  
1 1
linéairement indépendants. Ceci découle de la relation :
 
1 2 0
det −1 0 1 = 1 6= 0.
1 1 0
    
 1 2 
Donc B :=  −1 , 0 , 0 1 0
   est une base de R3 formée de vecteurs propres
1 1
 
de la matrice A. La matrice A est donc diagonalisable.
 
1 2 0
4. Notons P = −1 0 1(il s’agit de la matrice de changement de base de B à S, si S
1 1 0
est la base standard de R3 ).

Si on calcule l’inverse de la matrice P par l’algorithme de Gauss, on obtient la matrice :


 
−1 0 2
P −1 =  1 0 −1 .
−1 1 2
 
1 0 0
Enfin, notons D la matrice diagonale D = 0 −2 0 . Alors, d’après ce qui précède,
0 0 −2
on a bien la relation :
P −1 AP = D.
5. D’après la question précédente, on a aussi A = P DP 1 . Alors, en élevant cette identité à
la puissance 3, on obtient :
A3 = (P DP −1 )3
= P DP −1 P DP −1 P DP −1
3 −1
= P
D P   
1 2 0 1 0 0 −1 0 2
= −1 0 1 0 −8 0   1 0 −1 .
1 1 0 0 0 −8 −1 1 2

On trouve :  
−17 0 18
A3 =  9 −8 −18 .
−9 0 10
6. Dans R3 muni de la base B, l’application
 fA est une homothétie de rapport 1 sur le
1
sous-espace vectoriel E1 engendré par −1 et une homothétie de rapport −2 sur le
1
 
2 
sous-espace vectoriel E−2 engendré par les vecteurs 0 et 0 1 0 .
1
7. Rappelons : PA (X) = −(X − 1)(X − 2)2 = −(X 3 + 3X 2 − 4). D’où :

PA (A) = −(A3 + 3A2 − 4I3 ),


 
1 0 0
avec I3 = 0 1 0.
0 0 1
Calculons la matrice A2 par la même méthode qu’à la question 6 :
 
7 0 −6
A2 = P D2 P −1 = −3 4 6
3 0 −2
On a alors :
     
−17 0 18 7 0 −6 1 0 0
PA (A) = −  9 −8 −18 − 3 −3
  4 6  + 0 1 0
 −9 0 10  3 0 −2  0 0  1
17 0 −18 −21 0 18 4 0 0
= −9 8 18  +  9 −12 −18 + 0 4 0
 9 0 −10  −9 0 6 0 0 4
−4 0 0 4 0 0
=  0 −4 0  + 0 4 0
0 0  −4 0 0 4
0 0 0
= 0 0 0 .
0 0 0
On a donc bien :
PA (A) = 0 (matrice nulle).

Exercice 5
Le polynôme caractéristique de la matrice B est PB (X) = det(B −XI2 ) = (x−3)2 . La matrice
B admet donc une unique valeur propre qui est 3. Calculons l’espace propre E3 associé à 3,
il s’agit du noyau de la matrice B − 3I2 , c’est-à-dire de la matrice :
 
2 1
.
−4 −2
Réduisons cette matrice sous forme échelonnée réduite, à l’aide de l’algorithme de Gauss :
     
2 1 L1 7→ L1 /2 1 1/2 L2 7→ L2 + 4L1 1 1/2
.
−4 −2 −→ −4 −2 −→ 0 0
La variable y est libre, posons y = t. Alors on a :
   
−1/2 −1/2
E3 = {t , t ∈ R} = Vect .
1 1
 
−1/2
Puisque le vecteur est non nul, il forme une base de E3 qui est de dimension 1. En
1
particulier, il n’existe pas de base de R3 formée uniquement de vecteurs propres pour B. La
matrice B n’est donc pas diagonalisable.

Exercice 6

1 Soient a, b, c et d des réels tels que :


af1 + bf2 + cf3 + df4 = 0,
c’est-à-dire tels que :
(1) a + bex + ce2x + de3x = 0 pour tout x ∈ R.
Dérivons cette relation, il vient ex (b + 2cex + 3de2x ) = 0, et donc
(2) b + 2cex + 3de2x = 0 pour tout x ∈ R
puisque ex 6= 0 quelque soit x.
De même, en dérivant cette nouvelle relation puis en divisant par ex , on obtient :
(3) 2c + 6dex = 0 pour tout x ∈ R.
Enfin, en dérivant à nouveau puis en divisant par ex , on obtient :

(4) 6d = 0 pour tout x ∈ R.


Alors, la relation (4) implique d = 0, donc, en remontant, la relation (3) implique c = 0,
puis la relation (2) implique b = 0 et enfin la relation (1) implique a = 0. Cela montre
que les fonctions f1 , f2 , f3 et f4 sont linéairement indépendantes et forment donc une
base de V .
1. Notons φ l’application de dérivation : φ : f ∈ V 7→ f 0 ∈ V .
Clairement on a, pour toutes fonctions f, g ∈ V et pour tout réel α ∈ R : φ(f + g) =
(f + g)0 = f 0 + g 0 = φ(f ) + φ(g) et φ(af ) = (af )0 = af 0 = aφ(f ).
De plus, si f = af1 + bf2 + cf3 + df4 ∈ V , c’est-à-dire si f (x) = a + bex + ce2x + de3x , alors
f 0 (x) = bex + 2ce2x + 3de3x , c’est-à-dire f 0 est encore combinaison linéaire des fonctions
f1 , f2 , f3 et f4 . Donc φ(f ) ∈ V .
En conclusion, l’application φ est bien une application linéaire de V dans V .
2. La matrice de φ dans la base B = {f1 , f2 , f3 , f4 } est la matrice donc les vecteurs colonnes
sont les coordonnées des φ(fi ) dans cette base :
 
0 0 0 0
0 1 0 0
[φ]BB = [φ]B =  0 0 2 0 .

0 0 0 3

3. Puisque la matrice [φ]B est diagonale, ses valeurs propres sont ses coefficients diagonaux,
c’est-à-dire 0, 1, 2 et 3. De plus, l’espace propre associé à 0 est le sous-espace vectoriel de
V engendré par la fonction f1 , l’espace propre associé à 1 est engendré par f2 , l’espace
propre associé à 2 est engendré par f3 et l’espace propre associé à 3 est engendré par f4 .
Ce sont tous des sous-espaces vectoriels de V de dimension 1.

Remarque : la matrice B est clairement diagonalisable, puisque diagonale. On a P −1 BP =


 
1 0 0 0
0 1 0 0
D avec P = 0 0 1 0 et B = D ! !

0 0 0 1

Exercice 7

1. D’abord, par définition, l’ensemble W ⊥ est bien inclus dans V . Puis, par linéarité du
produit scalaire, on montre facilement que W ⊥ est un sous-espace vectoriel de V . En
effet, pour tous vecteurs u, v de W ⊥ et pour tout réel a ∈ R, on a :
pour tout vecteur w ∈ W, < u + v, w >=< u, w > + < v, w >= 0
et < au, w >= a < u, w >= 0.
Donc u + v ∈ W ⊥ et au ∈ W ⊥ . Donc W ⊥ est un sous-espace vectoriel de V .
 
5
3
2. Il s’agit du plan de R normal au vecteur  3  et passant par 0, c’est-à-dire le plan
−1
d’équation 5x + 3y − z = 0.
 
x
En effet, on a, pour tout vecteur y  ∈ R3 :

z
     
x x 5
 y  ∈ D⊥ ⇔  y  •  3  = 0
z z −1
⇔ 5x + 3y − z = 0.
3. (a) Pour toutes matrices A, B, C ∈ M2 et pour tout réel λ ∈ R, on a successivement :
i. < A, B >= Tr(AB T ) = Tr(AT B) = Tr(BAT ) =< B, A >,
car Tr(M ) = Tr(M T ) et Tr(M N ) = Tr(N M ) pour toutes matrices M et N de
même taille.
ii. < A + C, B >= Tr((A + C)B T ) = Tr(AB T + CB T ) = Tr(AB T ) + Tr(CB T ),
car Tr(M + N ) = Tr(M ) + Tr(N ).
D’où < A + C, B >=< A, B > + < C, B >,
iii. < λA, B >= Tr((λA)B T ) = Tr(λ(AB T )) = λTr(AB T ) = λ < A, B >,
car Tr(λM ) = λTr(M ).
iv. < A, A >= Tr(AAT ). Mais si A est de taille n et si A = (aij )1≤i,j≤n , alors on
peut voir facilement que la trace de la matrice AAT est précisément
X
Tr(AAT ) = a211 + a212 + ... + a21n + a222 + ... + a2nn = a2ij .
1≤i,j≤n

En particulier, < A, A >≥ 0 car < A, A > est une somme de carrés. De plus,
< A, A >= 0 si et seulement si aij = 0 pour tous i, j ∈ {1, ..., n}, c’est-à-dire si
et seulement si A est la matrice nulle.
L’application (A, B) 7→ Tr(AB T ) définit donc bien un produit scalaire sur l’espace
vectoriel M2 .

Remarque : en revanche, l’application (A, B) 7→ Tr(AB) ne définit pas un produit


 
1 2
scalaire sur M2 car on n’a pas toujours Tr(A ) ≥ 0. Par exemple, si A =
2
,
−3 −2
 
−5 −2
alors A2 = , d’où Tr(A2 ) = −7 < 0...
3 −2
 
a b
(b) Soit M = une matrice de M2 .
c d
 
⊥ T T 2a − b 2d − c
Alors M ∈ W si et seulement si Tr(AM ) = 0. Comme AM = ,
3b 3c
alors Tr(AM T ) = 2a − b + 3c. Donc M ∈ W ⊥ si et seulement si 2a − b + 3c = 0. Il
s’agit d’un système linéaire à 1 équation et 4 inconnues (a,b,c et d). Les variables b,
c et d sont libres. Posons b = t, c = s et d = u. Alors a = 12 (t − 3s) et W ⊥ est :
  
⊥ (t − 3s)/2 t
W = ; t, s, u ∈ R
  s u    
1 1 −3 0 0 0
= t +s +u ; t, s, u ∈ R .
0 0 1 0 0 1
     
1 1 −3 0 0 0
Clairement, une base de W est formée des 3 matrices , et .
0 0 1 0 0 1