Vous êtes sur la page 1sur 11

EPFL

Sections Génie Civil - Sciences et Ingénierie de l’Environnement

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

Sujet A
Corrigés

Test
Jeudi 03 décembre 2009

13h15-15h00

Nom : .................................................................................
Prénom : ...........................................................................
Section : .............................................................................

Aucun document n’est autorisé. Les calculatrices sont interdites.


Ne pas dégrafer le document. Utiliser les feuilles de couleur comme brouillons.
Tous les calculs et raisonnements doivent figurer dans le dossier rendu.

La qualité de la rédaction est prise en compte dans l’évaluation.

Exercice 1 Exercice 2 Exercice 3 Exercice 4 Exercice 5

/10 points /10 points /10 points / 10 points / 10 points

Total / 50
Exercice 1
 
x
1. Soient a, b et c trois nombres réels. On note E l’ensemble des vecteurs y  ∈ R3 qui

z
sont solutions du système linéaire :

x + y + z = 0
S : .
ax + by + cz = 0

– Il existe des valeurs de a, b et c pour lesquelles E = {0}.


 Si a = b = c, alors E est un plan de R3 .
 Si a 6= b, le système linéaire S n’a qu’une seule variable libre.

2. Soient A et B deux matrices carrées de taille n ≥ 2. Alors :


 det((AB)T ) = det(A) det(B).
– det(A + B) = det(A) + det(B).
– det(3A) = 3 det(A).
 
0 −1 0
3. On note A la matrice 1 0 0. Alors :
0 0 1
– A est une matrice élémentaire.  
1 2 3
– det(A) = sgn(σ), où σ est la permutation σ = .
2 1 3
 L’application linéaire fA : X ∈ R3 7→ AX ∈ R3 est une rotation autour de l’axe Oz .

4. Soit A une matrice carrée de taille n ≥ 2. On note R la forme échelonnée réduite de A.


On suppose que la matrice A n’est pas inversible. Alors :
 det(R) = 0.
– La matrice R ne possède aucun 1 directeur.
 Il existe des matrices élémentaires E1 , E2 , ..., Er telles que E1 E2 ...Er A = R.

5. Soit u un vecteur de R3 . Cocher chaque application qui est une application linéaire.
– f1 : R3 → R3 donnée par f1 (x) = x + u.
 f2 : R3 → R donnée par f2 (x) = x • u (produit scalaire).
 f3 : R3 → R3 donnée par f3 (x) = x × u (produit vectoriel).

6. Soit f : R4 → R4 une application linéaire. On suppose que son noyau est égal à {0},
c’est-à-dire Ker(f ) = {0}. Alors :
 L’application f est injective.
 L’application f est surjective.
– Il existe des vecteurs B ∈ R4 pour lesquels le système [f ]X = B a une infinité de
solutions.
7. Soit V un espace vectoriel. Cocher chaque sous-ensemble de V qui est un sous-espace
vectoriel.
– L’ensemble vide ∅.
 L’ensemble {0}.
– L’ensemble {−u; 0; u} si u est un vecteur non nul de V .

  le plan P d’équation −3x + z − 1 = 0. Alors :


8. Dans R3 , on considère
−3
– Le vecteur  1  est normal à P.
−1
 Le plan P est parallèle au plan d’équation 6x − 2z = 0.
– P est un sous-espace vectoriel de R3 de dimension 2.

9. Cocher chaque ensemble qui est un sous-espace vectoriel de l’espace vectoriel M23 des
matrices de taille 2 × 3.
 {A ∈ M23 : la matrice AAT est symétrique}.
– {A ∈ M23 : Tr(AAT ) = 0}.
 {A ∈ M23 : AB = 0}, où B est une matrice non nulle fixée de taille 3 × 2.

10. Cocher chaque famille de polynômes qui forme une base de l’espace vectoriel P3 des
polynômes de degré ≤ 3.
 {1, X 2 + X 3 , X, −X 3 }.
– {1 + X 2 , X + X 3 , X 3 − X, X}.
 {X, X − X 2 , X 2 − X 3 , X 3 − 1}.
Exercice 2

1. La matrice augmentée du système linéaire Sa est :


 
1 −1 −1 1
Ma = 2 1 3a + 1 8 .
3 a + 1 2a − 1 −5a − 3

2. On réduit la matrice Ma sous forme échelonnée à l’aide de l’algorithme d’élimination de


Gauss :
   
1 −1 −1 1 1 −1 −1 1
2 1 3a + 1 8  L2 → L2 − 2L1 0 3 3a + 3 6  L3 → L3 − 3L1
−→ −→
3 a + 1 2a − 1 −5a − 3 3 a + 1 2a − 1 −5a − 3
   
1 −1 −1 1 1 −1 −1 1
0 3 3a + 3 6  L2 → L2 /3 0 1 a+1 6  L2 → L3 − (a + 4)L2
−→ −→
0 a + 4 2a + 2 −5a − 6 0 a + 4 2a + 2 −5a − 6
 
1 −1 −1 1
0 1 a+1 2 
0 0 −(a + 1)(a + 2) −7(a + 2)
On doit arrêter l’algorithme ici et discuter des valeurs de a pour continuer, plus précisément
suivant que le produit (a + 1)(a + 2) est nul ou pas.

(a) Si a = −1, la forme échelonnée de Ma est :


 
1 −1 −1 1
0 1 0 2
0 0 0 −7
(b) Si a = −2, la forme échelonnée de Ma est :
 
1 −1 −1 1
0 1 −1 2
0 0 0 0
(c) Si (a + 1)(a + 2) 6= 0, c’est-à-dire si a 6= −1 et a 6= −2, alors on poursuit la réduction
précédente en divisant L3 par (a + 1)(a + 2). Cela donne :
   
1 −1 −1 1 1 −1 −1 1
0 1 a+1 2  L3 → L3 / − (a + 1)(a + 2) 0 1 a + 1 2 
−→
0 0 −(a + 1)(a + 2) −7(a + 2) 0 0 1 7/(a + 1)
et cette dernière matrice est la forme échelonnée de Ma dans ce cas.

3. D’après ce qui précède, on a les trois cas suivants.


(a) Si a = −1, la dernière ligne de la forme échelonnée de Ma donne l’équation 0 = −7
qui est impossible. Le système S−1 n’a donc pas de solution.
(b) Si a = −2, la variable z est libre et le système S−2 admet une infinité de solutions.
(c) Si a 6= −1 et a 6= −2, alors toutes les variables sont directrices et le système Sa
admet une unique solution.
4. Résolvons le système Sa dans les cas (ii) et (iii).

Cas ii). Si a = −2, on poursuit la réduction de la matrice Ma sous forme échelonnée réduite
comme suit :
   
1 −1 −1 1 1 0 −2 1
L → L1 + L2 
0 1 −1 2 1 0 1 −1 2
−→
0 0 0 0 0 0 0 0

Les variables x et y sont directrices et la variable z est libre. Posons z = t. Alors


l’ensemble des solutions est :
       
 1 + 2t   1 2 
2+t ; t∈R = 2 + t 1 ; t ∈ R .
t 0 1
   

Cas iii). Si a 6= −1 et a 6= −2, on poursuit la réduction de la matrice Ma sous forme échelonnée


réduite comme suit :

   
1 −1 −1 1 1 −1 −1 1
L2 → L2 − (a + 1)L3 
0 1 a + 1 2  0 1 0 −5 
−→
0 0 1 7/(a + 1) 0 0 1 7/(a + 1)
   
1 −1 0 1 + 7/(a + 1) 1 0 0 −4 + 7/(a + 1)
L1 → L1 + L3   L1 → L1 + L3 0 1
0 1 0 −5 0 −5 
−→ −→
0 0 1 7/(a + 1) 0 0 1 7/(a + 1)
 
1 0 0 (3 − 4a)/(a + 1)
L1 → L1 + L2 
0 1 0 −5 
−→
0 0 1 7/(a + 1)
Toutes les variables sont directrices et le système admet une unique solution qui est
le vecteur :  
(3 − 4a)/(a + 1)
 −5 .
7/(a + 1)
5. Pour toute valeur de a, la matrice Ma n’est pas inversible puisqu’il s’agit d’une matrice
qui n’est pas carrée...

Remarque : en revanche, si a = 0, alors (a + 1)(a + 2) 6= 0. Donc, en appliquant les


mêmes opérations élémentaires qu’aux questions 2 et 4 (pour le cas iii) à la matrice
   
1 −1 −1 1 −1 −1
A 0 = 2 1 3a + 1 = 2 1 1 ,
3 a + 1 2a − 1 |a=0 3 1 −1

on voit que sa forme échelonnée réduite ne contient pas de ligne de 0 et donc que cette
matrice est inversible (il s’agit de la matrice M0 à laquelle on a enlevé la dernière colonne).
Exercice 3
 
1 2 3 4
1. (a) Pour σ = , on a :
2 4 1 3
σ(1) = 2, σ(2) = 4, σ(3) = 1 σ(4) = 3.
Les coefficients aij de la matrice Mσ qui valent 1 sont donc :
a21 = a42 = a13 = a34 = 1.
Les autres coefficients sont nuls. On en déduit :
 
0 0 1 0
1 0 0 0
Mσ = 0 0 0
.
1
0 1 0 0

(b) Calculons le nombre d’inversions de σ :


– “2” produit 1 seule inversion : le couple (1, 3) ;
– “4” produit 2 inversions : les couples (2, 3) et (2, 4) ;
– “1 et “3” ne produisent aucune inversion.
Au total il y a 3 inversions.
On en déduit la signature de σ : sgn(σ) = −1 car 3 est impair.

(c) On constate que la matrice Mσ ne contient qu’un seul produit élémentaire non
nul, précisément
  le produit a13 a21 a34 a42 . Ce produit est associé à la permutation
1 2 3 4
qui est σ −1 . On en déduit donc que Pσ−1 est le seul produit élémentaire
3 1 4 2
signé non nul de la matrice Mσ . D’où :
det(Mσ ) = Pσ−1 = sgn(σ −1 )a13 a21 a34 a42 = sgn(σ −1 ).
On conclut avec la relation sgn(σ) = sgn(σ −1 ) donnée en cours. On a donc bien :
det(Mσ ) = sgn(σ).

(d) D’après ce qui précède, det(Mσ ) = sgn(σ) = −1 6= 0, donc la matrice Mσ est


inversible.
Calculons Mσ−1 à l’aide de l’algorithme d’élimination de Gauss :
   
0 0 1 0 | 1 0 0 0 1 0 0 0 | 0 1 0 0
1 0 0 0 | 0 1 0 0 L1 ↔ L2 0 0 1 0 | 1 0 0
    L2 ↔ L4
0
0 0 0 1 | 0 0 1 0 −→ 0 0 0 1 | 0 0 1 0 −→
0 1 0 0 | 0 0 0 1 0 1 0 0 | 0 0 0 1
   
1 0 0 0 | 0 1 0 0 1 0 0 0 | 0 1 0 0
0 1 0 0 | 0 0 0 1 L3 ↔ L4 0 1 0 0 | 0 0 0 1
   
0 0 0 1 | 0 0 1 0 −→ 0 0 1 0 | 1 0 0 0
0 0 1 0 | 1 0 0 0 0 0 0 1 | 0 0 1 0
On en déduit :  
0 1 0 0
0 0 0 1
Mσ−1 =
1
.
0 0 0
0 0 1 0
 
1 2 3 4
(e) On constate que Mσ−1 = Mγ avec γ = . En fait, γ = σ −1 et on a donc
3 1 4 2
Mσ−1 = Mσ−1 .

2. (a) La matrice A est carrée et sa forme échelonnée réduite ne contient aucune ligne de
0, cela implique que A est inversible.

Plus précisément, notons R la forme échelonnée réduite de A. D’une part R = I3


(matrice identité). D’autre part, d’après l’énoncé, il existe six matrices élémentaires
E1 , E2 , ... E6 (associées aux opérations élémentaires inverses de celles effectuées pour
réduire la matrice A) telles que A = E1 E2 E3 E4 E5 E6 R et donc A est inversible en
tant que produit de matrices inversibles.

(b) D’après l’énoncé, en écrivant chaque opération élémentaire effectuée comme produit
par une matrice élémentaire, on a :

E13 (−2)E23 (1)E32 (−2)E2 (1/3)E31 (−1)E12 A = I3 .


D’où,
A−1 = E13 (−2)E23 (1)E32 (−2)E2 (1/3)E31 (−1)E12 ,
puis en inversant les matrices élémentaires du membre de droite, on trouve :
A = E12 E31 (1)E2 (3)E32 (2)E23 (−1)E13 (2).

(c) Le déterminant de A est le produit des déterminants des matrices élémentaires qui
apparaissent dans la décomposition de A. D’après la question précédente, on a donc :
det(A) = (−1) × 1 × 3 × 1 × 1 × 1 = −3.

Puisque det(A−1 ) = det(A)−1 , il vient alors :


det(A−1 ) = −1/3.
Exercice 4

1. Soit n ≥ 1. On a d’une part :


||u + v||2 = (u + v) • (u + v)
= ||u||2 + ||v||2 + 2u • v
et d’autre part :
||u − v||2 = (u − v) • (u − v)
= ||u||2 + ||v||2 − 2u • v.
D’où, en additionnant ces deux égalités :
||u + v||2 + ||u − v||2 = 2(||u||2 + ||v||2 ).

2. Soit k un nombre réel. Dans R3 , on considère les vecteurs :


     
−9 2 k
v1 =  k  , v2 = 0 et v3 = −1 .
0 1 0

     
−9 2 k
(a) On a v1 × v2 =  k  × 0 =  9 .
0 1 −2k

(b) D’après le cours, les vecteurs v1 , v2 et v3 sont coplanaires si et seulement si le produit


mixte [v3 , v1 , v2 ] est
 nul,ou  si et seulement si v3 • (v1 × v2 ) = 0, c’est-à-dire
encore,
k k
si et seulement si −1 •   9  = 0. On trouve donc la condition :
0 −2k

k 2 − 9 = 0,
c’est-à-dire, les 3 vecteurs sont coplanaires si et seulement si k = 3 ou k = −3.

     
1 2 3
3. Dans R3 , on considère les points A = 2, B = 1 et C = 2.
0 3 4
   
1 2
~   ~
(a) On a AB = −1 , AC = 0 et : 
3 4
     
1 2 −4
~ ~
AB × AC = −1 × 0 =
     2 .
3 4 2

(b) L’aire du triangle ABC est la moitié de l’aire du parallélogramme engendré par les
~ et AC.
vecteurs AB ~ D’après la cours et la question précédente, cette aire vaut donc

1 ~ ~ = 1 √ 24 √
||AB × AC|| 16 + 4 + 4 = = 6.
2 2 2
 
−4
(c) Le plan P est normal au vecteur AB × AC =
~ ~  2 . Son équation est donc du type
2
−4x + 2y + 2z + d = 0 où d est un nombre réel que l’on peut déterminer par exemple
à l’aide des coordonnées du point A. En effet, puisque A ∈ P, on a −4 + 4 + d = 0,
d’où d = 0 et l’équation du plan P est :
−4x + 2y + 2z = 0, soit encore 2x − y − z = 0.

(d) Soit Q le plan d’équation x − y + z = 0.

 
2
i. Les plans P et Q ne sont pas parallèles. En effet, les vecteurs u = −1 et
−1
 
1
v = −1 sont normaux à P et Q respectivement mais ne sont pas colinéaires

1
 
−2
puisque l’on a u × v = −3 6= 0.
−1
On en déduit que les plans P et Q s’intersectent le long d’une droite.

ii. Clairement, le point B n’appartient pas à Q puisque ses coordonnées ne satisfont


pas l’équation du plan Q : 2 − 1 + 3 = 4 6= 0.
D’après le cours, la distance de B à Q est donnée par :

|2 − 1 + 3| 4 4 3
d= √ =√ = .
1+1+1 3 3
Exercice 5
 
x  
3 2 x + 2y − z
1. Soit f : R → R l’application donnée par y 7→
  .
2x − 4z
z
(a) L’application f est linéaire puisque f (u) = M u pour tout vecteur u ∈ R3 , où M est
une matrice de taille 2 × 3 donnée par :
 
1 2 −1
M= .
2 0 −4
Dans la suite, on note [f ] la matrice M .

(b) Le noyau de l’application f , noté Ker(f ), est l’ensemble solution du système linéaire
homogène : 
x + 2y − z = 0
S : ,
2x − 4z =0
c’est-à-dire du système S : [f ]X = 0.
Résolvons ce système par l’algorithme d’élimination de Gauss. La réduction de la
matrice [f ] sous forme échelonnée réduite donne :
   
L2 7→ L2 − 2L1 1 2 −1 L2 7→ L2 /(−4) 1 2 −1
[f ]
−→ 0 −4 −2 −→ 0 1 1/2
 
L1 7→ L1 − 2L2 1 0 −2
−→ 0 1 1/2
Seule la variable z est libre. En posant z = t, l’ensemble des solutions du système,
c’est-à-dire le noyau de l’application f , est donc :
   
 2 
Ker(f ) = t −1/2 ; t ∈ R .
 
 1 

(c) D’après la question précédente, Ker(f ) est une droite de R3 qui passe par 0, c’est
donc un sous-espace vectoriel de R3 (vu en cours).

Autre réponse. Puisque f est une application linéaire, alors pour tous vecteurs u, v ∈
Ker(f ) et pour tout réel λ on a :
– 0 ∈ Ker(f ) car f (0) = 0 ;
– u + v ∈ Ker(f ) car f (u + v) = f (u) + f (v) = 0 + 0 = 0 ;
– λu ∈ Ker(f ) car f (λu) = λf (u) = 0.
 
2
D’après la question précédente, le vecteur −1/2 engendre Ker(f ). Puisque ce
1
vecteur est non nul, il forme donc une base de Ker(f ).

(d) Puisque f est linéaire, f est injective si et seulement si Ker(f ) = 0, ce qui n’est pas
le cas. En effet, d’après la question (b), Ker(f ) est une droite de R3 et donc le vecteur
0 ∈ R2 a une infinité d’antécédants par f . Donc l’application f n’est pas injective.
2. Dans l’espace vectoriel M2 des matrices carrées de taille 2, on considère le sous-ensemble :
  
a b
W = ∈ M2 : a + d = b + c .
c d
 
a1 b 1
(a) W est un sous-espace vectoriel de M2 puisque pour toutes matrices M1 =
c1 d 1
 
a2 b 2
et M2 = de W et pour tout scalaire λ ∈ R on a :
c2 d 2  
a1 + a2 b 1 + b 2
– M1 + M2 ∈ W car M1 + M2 = et :
c1 + c2 d1 + d2
(a1 +a2 )+(d1 +d2 ) = (a1 +d1 )+(a2 +d2 ) = (b1 +c1 )+(b2 +c2 ) = (b1 +b2 )+(c1 +c2 ).
 
λa1 λb1
– λM1 ∈ W car λM1 = et :
λc1 λd1
(λa1 + λd1 ) = λ(a1 + d1 ) = λ(b1 + c1 ) = λb1 + λc1 .

(b) Les matrices A (a + d = 1 = b + c), B (a + d = 1 = b + c) et C (a + d = 0 = b + c)


sont clairement dans W .

(c) Soient α, β, γ trois réels tels que αA + βB + γC = 0. Alors :


   
α+β+γ α 0 0
= .
β −γ 0 0
D’où le système linéaire homogène :

 α+β+γ
 =0
α =0

,

 β =0
 −γ =0
qui admet clairement le triplet (α = 0, β = 0, γ = 0) comme unique solution.
Ceci montre que les matrices A, B et C sont linéairement indépendantes.
 
a b
(d) Soit M = une matrice de W , c’est-à-dire telle que a + d = b + c. Considérons
c d
le système suivant, d’inconnues α, β, γ :
M = αA + βB + γC,
c’est-à-dire : 

 α+β+γ =a
α =b


 β =c
 −γ =d
Alors, puisque b + c − d = a, on en déduit que le triplet (α = b, β = c, γ = −d)
est bien solution du système. On a donc M = bA + cB − dC, c’est-à-dire M est
combinaison linéaire des matrices A, B et C.
Donc les matrices A, B et C engendrent le sous-espace vectoriel W .

(e) D’après ce qui précède, les matrices A, B et C forment une famille de matrices de
W qui est à la fois libre et génératrice, c’est donc une base de W .
D’où la dimension du sous-espace vectoriel W : dim(W ) = 3.