Alg 2

Mathématiques CPEC .
Exercices d’algèbre
Exercice 1 ESC 98
M3 (R) désigne l’ensemble des matrices carrées d’ordre 3 à coefficients réels. On considère
les deux matrices suivantes :
   
−1 −1 0 0 0 0
A= 2 2 −1  et O =  0 0 0 
2 2 −1 0 0 0
1. (a) Vérifier que A3 + A = O

(b) A est-elle diagonalisable ?
2. L’espace vectoriel R3 est muni de la base canonique B=(e1 , e2 , e3 ).
On pose v1 = e1 − e2 , v2 = e2 + e3 , v3 = −e1 + e2 + e3
(a) Montre que C=(v1 , v2 , v3 ) est une base de R3
(b) Ecrire la matrice de passage de B à C
(c) On note u l’endomorphisme de R3 canoniquement associé à la matrice A.
Déterminer la matrice de U dans C
Preuve
1. Un calcul matriciel simple donne A3 + A = 0

2. (a) Le polynôme P (x) = x3 + x est un polynôme annulateur de A. Il n’a qu’une
seule racine réelle 0 et deux racines complexes conjugués i et −i. A n’est pas
diagonalisable dans M3 (R). Est-elle diagonalisable dans M3 (C) ?
La matrice A a deux lignes identiques : elle n’est pas inversible, ce qui est
équivalent à dire que 0 est valeur propre de A.
~
 de A, il existe un vecteur X 6= 0 tel que AX = iX.
Si i est valeurpropre
x
Posons X =  y  et :
z

 (−1 − i)x − y = 0
AX = iX ⇔ 2x + (2 − i)y − z = 0
2x + 2y − (1 + i)z = 0

1−i
On déduit y = z et x = − y
2
De la même manière on montre que −i est valeur propre de A.
A admettant trois valeurs propres complexes distinctes est diagonalisable dans
M3 (C).
3.
    
1 0 −1
V1 = e1 −e2 =  −1  ; V2 = e2 +e3 =  1  ; V3 = −e1 +e2 +e3 =  1 
0 1 1
1
(a) 
 α=0
αV1 + βV2 + γV3 = 0 ⇒ −α + β + γ = 0
β+γ =0

et il vient : α = β = γ = 0. C= (V1 , V2 , V3 ) est une base de R3 .

(b) La matrice de passage de la base canonique à la base C est :
   
1 0 −1 0 −1 1
 −1 1 1  ⇒ P −1 =  1 1 0 
0 1 1 −1 −1 1
Si A0 est la matrice de u relativement à C alors
A0 = P −1 AP
Il suffit de remplacer.
2
Exercice 2 1. Soit E = R[X]. On étudie la transformation A qui à tout polynôme P
de E associe le polynôme Q tel que
Q(x) = (2x + 1)P − (x2 − 1)P 0
Montrer que A est linéaire.
2. Trouver les vecteurs propres de A
3. Soit F le sous espace de E constitué par les polynômes de degré au plus égal à 2.
On étudie la restriction de A à F .
(a) Soit (1, x, x2 ) une base de F . Ecrire la matrice A de A par rapport à cette base.
(b) Trouver les valeurs propres et les vecteurs propres
Solution
1. ∀(α, β) ∈ IR2 on a :
A(αP + βQ) = (2x + 1)(αP + βQ) − (x2 − 1)(αP + βQ)0 qui donne :
A(αP + βQ) = (2x + 1)(αP ) + (2x + 1)(βQ) − (x2 − 1)(αP 0 ) − (x2 − 1)(βQ0 ) et
donc :
∀(α, β) ∈ IR2 , A(αP + βQ) = αA(P ) + βA(Q)
A est linéaire.
2. Soit P est vecteur propre de A et λ la valeur propre associé .Supposons que :
n
X
P (x) = ak x k
k=0
A(P ) = (2x + 1)P − (x2 − 1)P 0 est un polynôme de degré n + 1 et de coefficient

dominant (2 − n)an .
Si l’égalité A(P ) = λP est vraie, les polynômes A(P ) et P sont de même degré.Ceci
n’est possible que si n = 2.
Les éventuels vecteurs propres de A sont les polynômes de degré 2
3. On a :
A(1) = 1 + 2x
A(x) = x(2x + 1) − (x2 − 1) = 1 + x + x2
A(x2 ) = x2 (2x + 1) − (x2 − 1)(2x) = 2x + x2
La matrice A de la restriction de A à F est :
 
1 1 0
 2 1 2 
0 1 1
Le traditionnel pivot de Gauss donne les valeurs propres de cette matrice. Ce sont :
λ1 = 1 ; λ2 = −1 ; λ3 = −3
Recherchons les vecteurs propres associés.
(A-λI)P conduit au système :

 (1 − λ)a + b = 0
2a + (1 − λ)b + 2c = 0
b + (1 − λ)c = 0

3
En remplaçant successivement λ par 1, -1, -3, on trouve les vecteurs propres associés :
P1 = 1 − x 2 ; P2 = 1 − 2x + x2 ; P3 = 1 + 2x + x2
4
Exercice 3 ESC 99
Partie A 

1 1 0
Soit u l’endomorphisme de l’espace vectoriel R3 , de matrice M =  0 2 0 dans la
−1 1 2
3
base canonique de R .
1. Identifier : u2 − 3u + 2IdR3 .
2. Déterminer les valeurs propres et les sous-espaces propres de u.
3. L’endomorphisme u est-il diagonalisable ?
Partie B
E est un espace vectoriel réel de dimension n (n ≥ 1).
u est un endomorphisme de E vérifiant : u2 − 3u + 2IdE = 0.
1. On pose : v = u − IdE et w = u − 2IdE .
(a) Identifier (v − w) et en déduire que : E = Im(v) + Ker(w).
(b) Identifier v ◦ w et w ◦ v ; en déduire que : Im(w) ⊂ Ker(v) et Im(v) ⊂ Ker(w).
(c) Montrer que : E = Ker(v) ⊕ Ker(w).
(d) Prouver que u est diagonalisable.
2. (a) Montrer qu’il existe deux suites (an )n∈N et (bn )n∈N telles que :
∀n ∈ N, un = an u + bn IdE (avec la convention : u0 = IdE ).
Donner les valeurs de a0 , b0 , a1 et b1 .
(b) Etablir que : ∀n ∈ N, an+2 = 3an+1 − 2an .
En déduire les expressions de an et bn , en fonction de n.
(c) Exprimer un en fonction de n, u et IdE .
Preuve
1. Pour identifier u2 − 3u + 2id , on calcule M 2 − 3M + 2I. Un rapide calcul montre

que M 2 − 3M + 2I est la matrice nulle donc :
u2 − 3u + 2id = 0
2. Le polynôme P (X) = X 2 − 3X + 2 est un polynôme annulateur de u. On sait alors

que le spectre de u que nous notons Sp(u) est unclus dans l’ensemble des racines de
u.
Sp(u) ⊂ {1, 2}
De manière générale si λ est valeur de propre de u donc de M , il existe U 6= 0 tel
que 
 (1 − λ)x + y = 0
(M − λ.I)U = 0 ⇔ (2 − λ)y = 0
−x + y + (2 − λ)z = 0

Remplaçons λ par 1 et on trouve :

y=0
−x + y + z = 0
5
 
1
qui fournit le vecteur propre associé à 1 : U1 =  0 .
1
De même si on remplace λ par 2, le système se réduit à

−x + y = 0
z∈R
−x+y = 0 est l’équation d’un plan de l’espace R3 , ce qui sous entend que dimker(u−
2id) = 2. On choisira comme base de ker(u − 2id) les vecteurs :
   
1 0
U2 =  1  et U3 =  0 
0 1
3. Comme dimR3 = dimker(u − id) + dimker(u − 2id), u est diagonalisable.

Partie B
1. (a) On a v = u − id et w = u − 2id d’où : v − w = id .

∀x ∈ E x = v(x) − w(x) x ∈ Imv + Imw donc :
E ⊂ Imv + Imw
Comme d’autre part Imv + Imw est un sous espace de E, on a l’inclusion dans
l’autre sens et apr conséquent :
E = Imv ⊕ Imw
(b) v ◦ w = w ◦ v = u2 − 3id + 2id = 0

Soit y ∈ Imw. Il existe x ∈ E tel que y = w(x) et :
v(y) = v(w(x)) = 0 y ∈ kerv Imw ⊂ kerv
.
De même soit y ∈ Imv. Il existe z ∈ E tel que y = v(z) et alors :
w(y) = w(v(z)) = 0 y ∈ kerw Imv ⊂ kerw
(c) D’après 1)a), ∀x ∈ E,,il existe z ∈ Imv et t ∈ Imw tel que x = z + t.

D’après la question précédente z ∈ kerv et t ∈ kerw.
On montre facilement que kerv ∩ kerw = ∅ et on conclut que :
E = kerv ⊕ kerw
(d) kerv et kerw sont les sous espaces propres associés aux valeurs propres de u.Les
sous espaces propres étant supplémentaires, u est diagonalisable.
2. (a) Soit (Pn ) la propriété :
Il existe deux suites (an ) et (bn ) telles que un = an u + bn id
6
Si n = 0 alors u0 = id = 0u + 1id ⇒ a0 = 0 et b0 = 1.
P0 est vraie.Supposons Pn vraie et montrons qu’elle implique Pn+1 .
Si un = an u + bn id alors un+1 = an u2 + bn u = an (3u − 2id) + bn u et après
simplification, il reste :
un+1 = (3an + bn )u − 2an id
Il suffit de poser
an+1 = 3an + bn
bn+1 = −2an
pour conclure que Pn+1 est vraie.
(b) On a : an+2 = 3an+1 +bn+1 = 3an+1 −2an . La suite (an ) est une suite récurrente
linéaire d’ordre 2 et d’équation caractéristique :
q 2 − 3q + 2 = 0 ⇒ q1 = 1 et q2 = 2
Sous sa forme générale an s’écrit an = α + β.2n .

Les conditions initiales a0 = 0 et a1 = 1 font que α = −1 et β = 1. Il vient
alors :
an = 2n − 1 et bn = −2an−1 = −2(2n−1 − 1) = 2 − 2n
(c) Il suffit de remplacer an et bn par ces valeurs pour trouver :
un = (2n − 1)u + (2 − 2n )id
7
Exercice 4 EMLyon 99 E
On considère les éléments suivants de M3 (R) :
       
1 0 0 0 1 0 0 0 1 1
√ −1 √1
I=  0 1 0  J=  1 0 1  K= 0 1 0  P = − 2 0 2 
0 0 1 0 1 0 1 0 0 1 1 1
1. a. Justifier (sans calcul) que J est diagonalisable, que J n’est pas inversible, et que
0 est valeur propre de J.
b. Calculer J 2 et exprimer J 2 en fonction de I et K.
2. a. Calculer les valeurs propres de J et déterminer une base de M3,1 (R) formée de
vecteurs propres pour J.
En déduire que P −1 J P est une matrice diagonale que l’on explicitera.
b. Montrer, en utilisant 1.b. et 2.a. que P −1 K P est une matrice diagonale que
l’on explicitera.
3. Soit (a, b, c) ∈ R3 . On considère l’élément suivant de M3 (R) :
 
a b c
M = b a+c b 
c b a
a. Montrer que M s’exprime simplement à l’aide de I, J, K et a, b, c.

b. En déduire que P −1 M P est une matrice diagonale que l’on explicitera.
4. Trouver une matrice X de M3 (R) telle que :
 
2 2 1
X2 =  2 3 2 
1 2 2
Preuve
1. (a) La matrice J est réelle symétrique. Elle est donc diagonalisable.

Deux lignes de cette matrice sont identiques : elle n’est pas inversible.
Si J est non inversible, kerJ 6= {0} et il existe un vecteur X 6= 0 tel que
J.X = 0. Autrement dit : 0 est valeur propre de J.
(b) Un calcul simple donne
 
1 0 1
J2 =  0 2 0  = I + K
1 0 1
2. (a) Cherchons les valeurs propres de J.

Nous avons :
J 2 = I + K ⇒ J 3 = J + KJ. Mais KJ = J donc J 3 = 2J.
Si λ est valeur propre de J associé à un vecteur propre X 6= 0, la relation
trouvée implique :
λ3 .X − 2λ.X = 0 ⇒ λ(λ2 − 2) = 0
8
√
Les valeurs propres possibles sont : 0 et ± 2. Recherchons les vecteurs propres
associées.
La relation J.U0 = 0 est équivalente à

y=0
x+z =0
 
−1
Un vecteur propre associé à 0 est U0 =  0 .
1
De même  √
√  y = x 2√
J.U1 = 2U1 ⇔ x + z =√y 2
y=z 2

 
√ √1
Un vecteur propre associé à 2 est U1 =  2 .
1
 
1
√
En procédant de la même manière on montre que U1 =  − 2  est un vec-
1
√
teur propre associé à − 2.
Conclusion : J possède trois valeurs propres distinctes. J est diagon-
lisable. (U0 , U1 , U2 ) est une base de vecteurs propres. La matrice de passage
de la base de R3 à cette base de vecteurs propres est
 
1
√ −1 √1
P = − 2 0 2 
1 1 1
P −1 JP est la matrice diagonale
√  
− 2 0 0
D= 0 0 √0 
0 0 2
(b) Montrons que P −1 KP est une matrice diagonale.

On sait que J 2 = I + K d’où : K = J 2 − I.
De P −1 JP = D, on tire J = P DP −1 et J 2 = P D2 P −1 , si bien que :
K = P D2 P −1 − I = P D2 P −1 − P P −1 = P (D2 − I)P −1
Bref :  
1 0 0
P −1 KP = D2 − I =  0 −1 0 
0 0 1
3. (a) Rapidement on trouve que :
 
a b c
M =  b a + c b  = aI + bJ + cK
c b a
9
(b) M = aI + bJ + cK ⇒ P −1 M P = aI + bP −1 JP + cP −1 KP c’est à dire :
 √ 
a−b 2+c 0 0
P −1 M P = aI + bD + c(D2 − I) =  0 a−c 0
√

0 0 a+b 2+c
4. Remarquons que  
2 2 1
X 2 =  2 3 2  = 2I + 2J + K
1 2 2
D’après ce qui précède P −1 X 2 P est la matice diagonale
 √ 
3−2 2 0 0
D” =  0 1 0√ 
0 0 3+2 2
 p √ 
3−2 2 0 0
Posons ∆ =  0 1 p 0 . La matrice cherchée X est :
 
√
0 0 3+2 2
X = P.∆.P −1
10
Exercice 5 ESC 2000
Pour n ∈ N, Rn [X] désigne l’espace vectoriel des polynômes à coefficients réels, de degré
au plus n. Soit f l’application qui, à tout polynôme P de Rn [X] associe le polynôme Q
défini par :
Q(X) = P (X + 1) + X.P 0 (X)
Partie A
1. Montrer que f est un endomorphisme de Rn [X]

2. Donner la matrice M de f dans la base canonique de Rn [X]
3. f est-il un automorphisme de Rn [X] ?
Partie B
1. Quelles sont les valeurs propres de f ? L’endomorphisme f est-il diagonalisable ?

2. (a) Montrer qu’il existe un polynôme Pn non nul de Rn [X] tel que :
f (Pn ) = (n + 1).Pn
(b) Vérifier que Pn est de degré n

3. (a) Montrer que :
∀k ∈ {0, 1, 2, .., n} , f (Pn(k) ) = (n + 1 − k).Pn(k)

(k)
(b) En déduire que Pn est une base de IRn [X] constituée de vecteurs
0≤k≤n
propres de f .
(c) Donner la matrice D de f dans cette base
Partie C
Dans cette partie n = 2. On définit les polynômes E0 , E1 et E2 apr :

 E0 = 1
0
E = E0 et E1 (1) = 2E1 (0)
 10
E2 = E1 et E2 (1) = 3E2 (0)
1. Expliciter les polynômes E1 et E2

2. Montrer que (E0 , E1 , E2 ) est une base B de R2 [X] formée de vecteurs propres de f .
3. Calculer les coordonnées du polynôme Q(X) = X 2 + X + 1 dans la base B
4. Déterminer le polynôme P de R2 [X] tel que :
P (X + 1) + XP 0 (X) = X 2 + X + 1
Solution
Partie A
1. Le soin est laissé au lecteur de vérifier que f est bien un endomorphisme de IRn [X]
. Il y arrivera sans difficultés.
11
2. Trouvons la matrice de f dans la base canonique de IRn [X]. Pour 0 ≤ p ≤ n, on a :
n
X
f (X p ) = (X + 1)p + X(p.X p−1 ) = Cpk X k + p.X p que nous écrivons :
k=0
f (X p ) = 1 + Cp1 X + Cp2 X 2 + .... + Cpp−1 X p−1 + (p + 1)X p

A partir de cette formule nous pouvons établir la matrice de f dans la base canonique
de IRn [X]. C’est la matrice :
 
1 1 1 1 ... ... 1
 0 2 2 3 ... ...
 Cn1  
 0 0 3 3 ... ... Cn2 
M =  
 . . . . . . . . . . . . . . . . . . . . . 

 ... ... ... ... ... ... ... 
0 0 0 0 0 0 (n + 1)
3. Nous pouvons répondre en même temps à cette question et à la première question
de la partie B :
La matrice de f dans la base canonique de IRn [X] est triangulaire supérieure. Les
valeurs propres sont les coefficients diagonaux. 0 n’est pas valeur propre de f donc
f est un automorphisme. Les coefficients diagonaux (donc les valeurs propres) sont
tous distincts. f est diagonalisable.
Partie B
1. (Voir fin de la partie A)

2. (a) (n + 1) est une valeur propre de f . Ce qui signifie qu’il existe un polynôme Pn
(vecteur propre associé à n + 1) de IRn [X] , non nul , tel que :
f (Pn ) = (n + 1)Pn
k
X
(b) Supposons que Pn = ap x p .
p=0
f (Pn ) = (n + 1)Pn ⇒ (n − k)ak X k + .... = 0 et on déduit que k = n.
Pn est un polynôme de degré n.
3. (a) Procédons par récurrence.
Si k = 0 la relation est vraie puisque f (Pn ) = (n + 1)Pn . Supposons la vérifiée
pour le rang k et démontrons la au rang k + 1
Nous supposons donc que :
Pn(k) (X + 1) + X.Pn(k+1) (X) = (n + 1 − k)Pn(k) (X)
Dérivons :
Pn(k+1) (X + 1) + X.Pn(k+2) (X) + Pn(k+1) (X) = (n + 1 − k)Pn(k+1) (X)
En regroupant il reste :
Pn(k+1) (X + 1) + X.Pn(k+2) (X) = (n − k)Pn(k+1) (X)
C’est ce qu’il fallait démontrer.
12
(k) (k)
(b) ∀k ∈ {0, 1, 2, .., n} , f (Pn ) = (n + 1 − k).Pn signifie que (n + 1 − k) est
(k)
une valeur propre de f et que Pn est un vecteur propre associé. En faisant
varier k de 0 à n, on retrouve toutes les valeurs propres de f mises en evidence
à la question
A)3◦ .
(k)
Pn est une famille de vecteurs propres d’un endomorphisme diagona-
0≤k≤n
lisable : c’est une base de IRn [X].
(c) Dans cette base la matrice de f est une matrice diagonale :
 
1 0 ... ... 0
 0 2 ...... 0 
 
D=  0 0 3 ... 0  
 ... ... ... ... ... 
0 ... ... ... n + 1
Partie C
1. E10 = E0 = 1 ⇒ E1 = X + C. La condition E1 (1) = 2E1 (0) permet de trouver

C = 1 donc :
E1 (X) = X + 1
X2 3
De même E20 = E1 ⇒ E2 = + X + K et E2 (1) = 3E2 (0) donne K =
2 4
d’où :
X2 3
E2 (X) = +X +
2 4
2. On montre facilement que : 
 f (E0 ) = E0
f (E1 ) = 2E1
f (E2 ) = 3E2

E0 , E1 , E2 sont des vecteurs propres de f associés aux valeurs propres 1, 2, 3 qui

est diagonalisable. C’est donc une base de vecteurs propres de IR2 [X].
3. Des expressions de E0 , E1 , E2 , on extrait :
1 1
X = E1 − E0 ; X 2 = 2E2 − 2E1 + E0 ⇒ Q = 2E2 − E1 + E0
2 2
4. On pose P (X) = aX 2 + bX + c.
f (P ) = Q implique par identification :

 3a = 1
2a + 2b = 1
a+b+c=1

1 1 1
qui admet pour solution : a = b= c=
3 6 2
13
Exercice 6 ESG 97 S
Soit n un entier ≥ 2 et E l’espace vectoriel sur R des matrices carrées d’ordre n à coeffi-
cients réels.
aij désigne le terme de la matrice situé à l’intersection de la i-ième ligne et de la j-ième
colonne. Partie 1
1. Soit f l’application de E dans R définie par :

n
X
∀A ∈ E f (A) = aii
i=1
Démontrer que f est linéaire

2. Déterminer la dimension du noyau de f.
3. Démontrer que
∀(A, B) ∈ E 2 f (AB) = f (BA)
4. Démontrer que si A et B sont deux matrices semblables alors f (A) = f (B)
Partie 2
Soit φ l’application de E 2 dans R telle que :
∀(A, B) ∈ E 2 φ(A, B) = f (A.B)
1. Démontrer que φ est une forme bilinéaire symétrique

2. φ est-elle un poduit scalaire ? Justifier vôtre réponse.
3. Si A est symétrique et B antisymétrique, montrer que φ(A, B) = 0
Preuve
Partie I
1. Soit A = (aij ) et B = (bij ) deux matrices. Posons C = αA + B = (cii ). On alors :

n
X n
X n
X n
X
f (αA + B) = αaii + bii = (αaii + bii ) = cii
i=1 i=1 i=1 i=1
L’application f est linéaire. f (A) est la trace de la matrice A.

2. Il est évident que Im(f ) = R d’où dimIm(f ) = 1 et par suite grâce au théorème
du rang :
dimker(f ) = dimE − dimIm(f ) = n2 − 1
n
X
3. AB est la matrice dont le terme général est aik bkj . La trace de la matrice AB
k=1
n X
X n
est aik bki
i=1 k=1
n
X n X
X n
BA est la matrice dont le terme général est bik akj . Sa trace est bik aki
k=1 i=1 k=1
Et comme nous pouvons permuter les deux symbôles sigma, on a bien f (AB) =
f (BA)
14
4. Montrons que deux matrices semblables ont même trace.
Si A et B sont deux matrices semblables, il existe une matrice inversible P telle que
B = P −1 AP . D’où :
f (B) = f (P −1 AP ) = f (AP P −1 ) = f (A)
Partie II
1. On définit une application φ de E 2 vers R en posant
φ(A, B) = f (AB)
La dernière question de la partie I prouve que φ est symétrique. Il suffira de montrer

la linéarité de φ par rapport à la première variable.
φ(αA + C, B) = f ((αA + C)B) = αf (AB) + f (CB) = αφ(A, B) + φ(C, B)

φ est une forme bilinéaire symétrique.
2. On montre que φ n’est pas définie. En effet dans M3 (R) considèrons la matrice
 
0 0 1
A= 0 0 0 
0 0 0
Cette matrice est nilpotente d’ordre 2 (A2 est la matrice nulle) donc φ(A, A) =
f (A2 ) = 0 sans que ceci n’implique la nullité de A
3. On suppose que A est symétrique et B antisymétrique.
Puisque deux matrices transposées ont même trace, on écrit :
φ(A, B) = f (AB) = f (t (AB)) = f (t B t A) = f (−BA) = −f (BA) = −φ(B, A)
Comme φ est une forme symétrique, le seul cas possible est φ(A, B) = 0
15
Exercice 7 Oral HEC 97
Soit n un entier ≥ 2 et E = IRn muni de sa structure euclienne canonique.
Soit a un vecteur unitaire de E.
On désigne par sa l’application définie sur E par : ∀x ∈ E, sa (x) = x − 2 < x, a > a.
1. Montrer que sa est un endomorphisme de E.
2. Montrer que sa est diagonalisable.
3. On dit qu’un endomorphisme g de E est orthogonal si :
∀(x, y) ∈ E 2 , < g(x), g(y) >=< x, y >

.
(a) Montrer que tout endomorphisme orthogonal est bijectif.
(b) Montrer que si g est orthogonal alors g ◦ sa ◦ g −1 = sg(a) .
4. (a) Montrer que sa est un endomorphisme orthogonal.
(b) Soient a et b deux vecteurs unitaires, non colinéaires de E.
Montrer que sa ◦ sb = sb ◦ sa si et seulement si a et b sont orthogonaux.
Solution
On considére sa l’application définie par : ∀x ∈ E, sa (x) = x − 2 < x, a > .a.
1. Notons d’abord que ∀x ∈ E, sa (x) ∈ E. Justifions que sa est un endomorphisme de
E.
∀α ∈ R :
sa (α.x+y) = α.x+y−2 < α.x+y, a >= α.x+y−2α < x, a > +2 < y, a >= α.sa (x)+sa (y)
2. Montrons que sa est diagonalisable.

Pour cela on établit que sa est symétrique. En effet ∀(x, y)i nE 2 :
< sa (x), y >=< x−2 < x, a > .a, y >=< x, y > −2 < x, a >< a, y >=< x, y−2 < y, a > a >=< x
(a) ∀(x, y) ∈ E 2 , < g(x), g(y) >=< x, y >. C’est donc vrai en particulier si x = y
et on a alors :< g(x), g(x) >=< x, x >⇐⇒ k g(x) k2 = k x k2 donc tout sim-
plement :
k g(x) k=k x k
On dit que g conserve les distances : c’est une isométrie
Si on suppose que g(x) = 0 alors k x k= 0 =⇒ x = 0 et g est injectif, donc
bijectif.
(b) Montrons que g ◦ sa ◦ g −1 = sg(a) .
On a :sa (g −1 (x)) = g −1 (x) − 2 < g −1 (x), a > .a et g(sa (g −1 (x)) = x − 2 <
g −1 (x), a > .g(a)
Remarquons que : < g −1 (x), a >=< g −1 (x), g −1 (g(a)) >=< x, g(a) > et si on
remplace on arrive au résultat souhaité.
3. (a) Il suffit de montrer que < sa (x), sa (y) >=< x, y >. Ceci se fait sans difficulté.
16
(b) On a démontré que si g est un automorphisme orthogonal alors : g ◦ sa ◦ g −1 =
sg(a) .
Appliquons avec g = sb . On obtient sb ◦ sa ◦ sb −1 = ssb (a) . Avec :
sb (a) = a − 2 < a, b > .b et on conclut que :
< a, b >= 0 ⇐⇒ sb (a) = sa =⇒ sb ◦ sa ◦ sb −1 = sa =⇒ sb ◦ sa = sa ◦ sb .
17
On appelle trace d’une matrice carrée A et on note tr(A) la somme de ses coefficients
diagonaux.
1. Démontrer que deux matrices semblables ont la même trace et dire pourquoi on
peut parler de la trace d’un endomorphisme.
Montrer qu’on définit un produit scalaire sur Mn (IR) en posant :
< A, B >= tr(tAB)

.
Calculer tr(tAA) en fonction des coefficients de A.
2. Soit A une matrice symétrique à coefficients réels.
(a) Comment sont ses valeurs propres ? Est-elle diagonalisable ?
(b) Montrer tr(A2 ) = ni=1 λ2i où les λi désignent les éléments de la diagonale de
P
toute matrice diagonale D semblable à A.
3. Calculer < A, In > et montrer que pour toute matrice A de Mn (IR) :
√ p t
tr(A) ≤ n tr( AA)
Solution
1. (a) La trace, notée tr, est une forme linéaire sur Mn (R) qui en plus vérifie :
tr(A.B) = tr(B.A)
Si M et M 0 sont deux matrices semblables ⇐⇒ il existe une matrice inversible
P telle que : M 0 = p−1 .M.P .En utilisant la propriétée de la trace rappelée
précédemment on a : tr(M 0 ) = tr(P −1 .M.P ) = tr(M.P −1 .P ) = tr(M.I) =
tr(M ).
Deux matrices semblables ont même trace
(b) On pose < A, B >= tr(t A.B).

Les propriétés de la transposée et de la trace d’une matrice font que sans
difficulté particulière, on montre que c’est une f.b.s.
Il reste à montrer que c’est une forme définie, positive.
< A, A >= tr(t A.A). Or t A.A est une matrice symétrique, définie, positive. Ses
valeurs propres sont positives, et elle est semblable à une matrice diagonale de
trace positive et dont tous les éléments diagonaux sont positifs. Nous pouvons
dire que la f.b.s est définie positive : C’est un produit scalaire.
(c) Calculons tr(t A.A) en fonction des coefficients de A. X
Lorsqu’on multiplie deux matrices, le coefficient du produit est : cjk = i = 1n aji .bik
X n
et le terme diagonal est : cjj = aji bij
i=1
Si on multiplie une matrice par sa transposée, le terme de rang j de la diagonale
Xn X
est cjj = aji 2 et par suite tr(t A.A = a2ij
i=1 i,j
18
2. (a) Si A est une matrice symétrique, ses valeurs propres sont toutes réelles et A
est diagonalisable.
(b) Désignons par (λ1 , ...., λn ) les valeurs propres de A. Il existe une matrice inver-
sible P et une matrice daigonale : D = diag(λ1 , .., λn ) telles que :
D = P −1 .A.P =⇒ A = P.D.P −1 =⇒ A2 = P.D2 .P −1 P. Comme deux matrices
semblables ont la même trace, on a bien : tr(A2 ) = ni=1 λi .
3. Calculons < A, I >.
< A, I >= tr(t A.I) = tr(t I.A) = tr(A). Utilisons l’inégalité de Cauchy-Schwarz
pour écrire : √ √ √ p
tr(A) =< A, I >≤ < I, I >. < A, A > ⇐⇒ tr(A) ≤ n. (t A.A)
19
Exercice 9 Oral ESCP 98
Soit n un entier et M une matrice d’ordre n antisymétrique (i.e t M = −M ).
1. Montrer que pour tout X de Mn,1 (R) on a : t X.M.X =
2. Montrer que la matrice I + M est inversible.
3. On pose A = (I − M )(I + M )−1 .
Montrer que cette matrice vérifie t A = A−1 .
4. Réciproquement montrer que si A vérifie cette égalité, M est antisymétrique.
Solution
Soit M une matrice antisymétrique. Rappelons que :
Un endomorphisme f d’un espace euclidien E est antisymétrique si et seule-
ment si :
∀(x, y) ∈ E 2 , < f (x), y >= − < x, f (y) >

M antisymétrique ssi t M = −M
1. Puisque ∀(x, y) ∈ E 2 , < f (x), y >= − < x, f (y) >, c’est encore vrai pour x = y et
donc :
< f (x), x >=< x, f (x) >=⇒< f (x), x >= 0 qui se traduit matriciellement par
t
(M.X).X = 0 ⇔t X.t M.X = 0 et puisque M est antisymétrique, il reste :
t
X.M.X = 0
2. Montrons que I + M est inversible.
Il suffit de montrer que 0 n’est pas valeur propre de I +M . Raisonnons par l’absurde.
Si 0 ∈ Spec(I + M ), il existe X 6= 0 tel que (I + M ).X = 0 et M.X = −X.
De t X.M.X = 0, on déduira que t X.X = 0 d’où k X k2 = 0 et X = 0. D’où l’ab-
surdité.
I + M est inversible
3. On pose A = (I − M ).(I + M )−1 et montrons que t A = A−1 .

t
A =t [(I − M )(I + M )−1 ] =t [(I + M )−1 ].t [(I − M )] = [t (I + M )]t [I − M ] =
[t I +t M ]−1 .(I −t M )
Comme M est antisymétrique, on a :t M = −M ce qui permet de conclure que
t
A = A−1 .
Reamarque
On a ainsi démontré que la matrice A est orthogonale
4. Réciproquement, on suppose que A est orthogonale et il faut montrer que M est

antisymétrique.
t
A = A−1 ⇐⇒ (I + M )((I − M )−1 = (I +t M )−1 .(I −t M ). On multiplie les deux
membres de cette égalité, à gauche, par (I +t M ) et à droite par (I − M ). Il restera
après avoir développé les calculs : M +t M = 0.
20
On note E l’espace vectoriel des polynômes à coefficients réels de degré inférieur ou égal
à 2. On munit E du produit scalaire défini par :
Z 1
< P, Q >= P (t)Q(t)dt
0
1. Déterminer une famille orthonormale (L0 , L1 , L2 ) de E telle que pour tout i de

{0, 1, 2}, Li est un polynôme de degré i et de coefficient dominant strictement positif.
2. On définit l’application :
1
φ(P, Q) ∈ E 2 :7−→ φ(P, Q) = (P (0)Q(1) + P (1)Q(0))
2
On note A = (aij ) la matrice de M3 (R) de terme général aij = φ(Li , Lj )
(a) L’application φ définit-elle un produit scalaire ?
(b) Déterminer A et indiquer pourquoi elle est diagonalisable.
(c) Justifier l’existence d’une matrice R de M3 (R), inversible, telle que
 
−3 0 0
t
RAR = D =  0 0 0 
0 0 6
Le calcul de R n’est pas demandé.

 
x0
(d) Soit P = x0 L0 + x1 L1 + x2 L2 . Montrer que si on pose  x1  alors on
x2
a :φ(P, P ) =t XAX.
Comment s’exprime φ(P, P ) en fonction de Y = R−1 X ?
(e) Donner également l’expression de < P, P > en fonction de Y = R−1 X
Solution
1. A partir de la base canonique de E et par le procédé de Schmidt, on construit une

base orthonormale.
Construisons d’abord une base orthogonale {T1 , T2 , T3 } en posant : T1 = 1
< X, T1 >
T2 = X + αT1 avec α = −
k T1 k2
1
Les calculs donnent α = − d’où
2
1
T2 = X −
2
< X 2 , T2 > < X 2 , T1 >
T3 = X 2 + βT2 + γT1 avec β = − et γ = −
k T2 k2 k T1 k2
Les calculs donnent :
Z 1 Z 1
2 1 1 1
< X , T1 >= X 2 dX = ; 2
< X , T2 >= X 2
X− dX =
0 3 0 2 12
21
d’où
1
T3 = X 2 − X +
6
On norme ensuite cette base pour obtenir :
L1 = 1
√

T2 1
L2 = =2 3 X−
k T2 k2 2
√

T3 2 1
L3 = =6 5 X −X +
k T3 k2 6
2. (a) On vérifie facilement que φ est une forme bilinéaire symétrique.
Cependant φ n’est pas positive car si P (X) = 2X 2 +X −1 alors P (0)P (1) = −2
et ceci contredit l’affirmation : ∀P φ(P, P ) ≥ 0
φ n’est donc pas un produit scalaire sur E.
(b) Déterminons la matrice A.
A est la matrice de φ dans la base (L0 , L1 , L2 ). Cette matrice est symétrique
et après calculs on trouve :
 √ 
1 0 5
 0 −3 0 
√
5 0 5
A,symétrique, est diagonalisable.Exploitons ces deux propriétés de A.

(c) La recherche des valeurs propres conduit à l’existence de trois valeurs propres :
λ1 = −3 ; λ2 = 0 ; λ3 = 6
A étant diagonalisable, il existe une matrice inversible R telle que

 
−3 0 0
 0 0 0  = R−1 AR
0 0 6
Puisque A est symétrique il existe une base orthonormée de E, (B) formée de

vecteurs propres de A. R est la matrice de passage de (L0 , L1 , L2 ) à (B) . La
matrice de passage d’une base orthonormée à une base orthonormée est une
matrice orthogonale donc : R−1 =t R.
(d) Pour tout couple de polynômes de E on a :
2 2
! 2 X
2
X X X
φ(P, Q) = φ x i Li , y i Lj = xi yj φ(Li , Lj ) =t XAY
i=0 j=0 i=0 j=0
Et en particulier
φ(P, P ) =t XAX
Nous savons que R−1 AR = D ⇒ A = R.D.R−1 et si on remplace dans
φ(P, P ) on obtient :
φ(P, P ) =t X.R.D.R−1 X =t (t RX).D.R−1 X =t (R−1 X).D.R−1 X =t Y.D.Y
22
(e) On a
< P, P >=< x0 L0 + x1 L1 + x2 L2 , x0 L0 + x1 L1 + x2 L2 = x20 + x21 + x22 =t XX
on peut remplacer X par RY et comme t R = R−1 il restera :
< P, P >=t Y Y
23
Exercice 11 ESG 2001 Voies E et T
Soit E = R2 l’espace vectoriel sur R.
Soit B = (e1 , e2 ) la base canonique de R2 .
Soit f l’endomorphisme de E tel que f (e1 ) = 2e1 + 4e2 ) et f (e2 ) = 4e1 + 2e2 . Soit A la
matrice de f dans B.
1. (a) Déterminer les valeurs propres et les sous espaces propres de f .
(b) En déduire une matrice D diagonale semblable à A
(c) Déterminer ∀n ∈ N An
2. Soit a un réel strictement positif. On considère la suite (Un ) réelle définie par

 U0 = a
2 + Un
 Un+1 =
1 + 2Un
On définit aussi les suites (Vn ) et (Wn ) telles que

V0 = a W0 = 1
Vn+1 = 2Vn + 4Wn et Wn+1 = 4Vn + 2Wn
Vn
(a) Démontrer que ∀n ∈ N : Un =
Wn
n
(b) En utilisant la matrice A , exprimer Vn et Wn en fonction de n et a.
(c) Déterminer la limite de la suite (Un )
Preuve
1. (a) Ecrivons la matrice A. Ses colonnes sont les coordonnées de f (e1 ) et f (e2 )
exprimés dans B. On trouve :

2 4
A=
4 2
C’est une matrice symétrique. On sait donc par avance qu’elle est diagona-
lisable.La recherche des valeurs propres conduit à l’existence de ux valeurs
propres distinctes :
λ = −2 et µ = 6
Si
x
U=
y
est un vecteur propre associé à λ = −2 on a :
(A + 2I)U = 0 ⇒ x+y =0

1
U = x.
−1
24
et le
sous espace
propre associé à λ = −2 est de dimension 1 et admet pour
1
base .
−1
z
De même si V = est un vecteur propre associé à µ = 6 alors :
t
(A − 6I)V = 0 ⇒ −z + t = 0

1
V = z.
1
et le sous espace propre associé à µ = 6 est de dimension 1
(b)
1 1
,
−1 1
est une base de vecteurs propres. A est semblable à

−2 0
D=
0 6
et la matrice de passage de la base canonique à l base de vecteurs propres est

1 1 −1 1/2 −1/2
P = ⇒ P =
−1 1 1/2 1/2
(c) De A = P.D.P −1 on tire An = P.Dn .P −1 . Il suffit de remplacer pour obtenir :

n 1 6n + (−2)n 6n − (−2)n
A =
2 6n − (−2)n 6n + (−2)n
Vn
2. (a) Démontrons par récurrence que Un = .
Wn
Vn
Cette affirmation est vraie pour n = 0. Supposons que Un = soit vraie et
Wn
Vn+1
prouvons que Un+1 = .
Wn+1
A partir de la relation de récurrence qui définit la suite (Un ) on a :
Vn
2+
Wn Vn + 2Wn
Un+1 = =
Vn 2Vn + Wn
1+2
Wn
Soit
Vn+1
Un+1 =
Wn+1
C’est ce qu’il fallait justifier.
25
(b) Les relations Vn+1 = 2Vn + 4Wn et Wn+1 = 4Vn + 2Wn admettent pour
écriture matricielle :
Vn+1 Vn
=A×
Wn+1 Wn
Par récurrence simple on montre que :

Vn n a
=A ×
Wn 1
qui implique :

 Vn = a [6n + (−2)n ] + 1 [6n − (−2)n ]

2 2
 W = a [6n − (−2)n ] + 1 [6n + (−2)n ]
 n
2 2
(c)
6n − (−2)n
a+
Vn 6n + (−2)n
= n
Wn 6 − (−2)n
a n +1
6 + (−2)n
avec
6n − (−2)n 1 − (−1/3)n
=
6n + (−2)n 1 + (−1/3)n
qui tend vers 1 lorsque n → ∞ et par suite :
lim Un = 1
n→∞
26
Exercice 12 Edhec 2001 S
On considère l’espace euclidien R3 , muni du produit scalaire noté (./.) défini par :
∀u = (x, y, z) ∈ R3 , ∀u0 = (x0 , y 0 , z 0 ) ∈ R3 , (u/u0 ) = xx0 + yy 0 + zz 0 .
p
La norme du vecteur u est alors définie par ||u|| = (u/u).
On note B=(e1 , e2 , e3 ) la base canonique de R3 et on rappelle que B est une base ortho-
normale pour le produit scalaire défini ci-dessus.
On désigne par a, b et c trois réels, on pose ω = (a, b, c) et on suppose que c est non nul.
On note φ l’endomorphisme de R3 qui à tout vecteur u = (x, y, z) de R3 associe le vecteur
φ(u) = (yc − zb, za − xc, xb − ya)
1. Ecrire la matrice M de φ dans la base B.
2. (a) Vérifier que ω appartient à ker φ.

(b) Montrer que φ(e1 ), φ(e2 ) est une famille libre.
(c) Déduire des questions précédentes que ker φ = V ect(ω).
3. (a) Montrer que pour tout vecteur u de R3 , (φ(u)/ω) = 0.
(b) En déduire que : Im φ=(ker φ)⊥ .
4. (a) Justifier que pour tout vecteur u de R3 , il existe un unique couple (u1 , u2 )
élément de kerφ×Imφ tel que u = u1 + u2 .
(b) Montrer que (u/ω) = (u1 /ω).
(u/ω)
(c) En déduire que u1 = ω, puis déterminer u2 en fonction de u et ω.
||ω||2
5. (a) Montrer que M 3 = − ||ω||2 .M .
(b) En déduire que :∀v ∈Imφ, φ ◦ φ(v) = − ||ω||2 .v.
(c) Montrer finalement que : ∀u ∈ R3 , φ ◦ φ(u) = − ||ω||2 .u + (u/ω).ω
Preuve
1. Ecrivons la matrice de φ dans B.

Sans difficulté aucune on trouve
 
0 c −b
M =  −c 0 a 
b a 0
C’est une matrice antisymétrique.
2. (a) On remplace x, y, z par a, b, c et on voit que φ(ω) est le vecteur nul donc
ω ∈kerφ.
(b) Les coordonnées de φ(e1 ) et φ(e2 ) sont les deux premières colonnes de M .

 β.c = 0
αφ(e1 ) + βφ(e2 ) = 0 ⇒ −α.c = 0
α.b − β.a = 0

Mais puisque c 6= 0, il reste : α = β = 0.

La famille (φ(e1 ), φ(e2 )) est libre.
27
(c) • Puisque (φ(e1 ), φ(e2 )) est une famille libre, et que (φ(e1 ), φ(e2 ), φ(e3 )) ne l’est
pas (sinon φ serait un isomorphisme de R3 , ce qui n’est pas le cas), le rang de
la famille (φ(e1 ), φ(e2 ), φ(e3 )) est 2. On peut donc dire que dim Imφ=2 et par
le théorème du rang, on arrive à : dim kerφ=1.
• Il est immédiat que tout vecteur du type λ.ω (λ ∈ R) est dans ker φ donc
que Vect(ω) ⊂kerφ.
• Vect(ω) ⊂kerφ et dim Vect(ω)=dim kerφ font que nous pouvons conclure :
kerφ=Vect(ω).
3. (a) (φ(u)/ω) = a(yc − zb) + b(za − xc) + c(xb − ya) = 0. Les vecteurs φ(u) et ω
sont orthogonaux.
(b) Soit y ∈Imφ. Il existe u ∈ R3 tel que y = φ(u) et d’après 3)a) on aura (y/ω) = 0.
Soit x ∈kerφ. Il s’écrit x = α.ω et bien sur : (y/x) = 0. Ce qui prouve que
y ∈(kerφ)⊥ et nous avons justifié l’inclusion : Imφ ⊂(kerφ)⊥ .
Mais :
dim Imφ = 3-dim kerφ et dim (kerφ)⊥ =3-dim kerφ d’où dim Imφ =dim (kerφ)⊥ .
Récapitulons : Imφ ⊂(kerφ)⊥ et dim Imφ =dim (kerφ)⊥ impliquent : Imφ
=(kerφ)⊥ .
4. (a) Puisque R3 est muni de sa structure euclidienne, tout sous espace de R3 admet
un supplémentaire orthogonal dans R3 et en particulier :
R3 = kerφ ⊕ (kerφ)⊥
Utilisons la question précédente pour justifier que
R3 = kerφ ⊕ Imφ
et pour tout vecteur u de R3 , il existe un unique couple (u1 , u2 ) élément de

kerφ×Imφ tel que u = u1 + u2 .
(b) (u/ω) = (u1 /ω) + (u2 /ω). Mais (u2 /ω) = 0 puisque u2 appartient à (kerφ)⊥ .
(c) u1 appartient au noyau de φ donc il existe α tel que u1 = α.ω.
Il vient alors :
(u/ω)
(u/ω) = (α.ω/ω) = α ||ω||2 ⇒ α=
||ω||2
Finalement :
(u/ω)
u1 = α.ω = .ω
||ω||2
Il en découle :
(u/ω)
u2 = u − u1 = u − .ω
||ω||2
5. (a) Un calcul matriciel donne
 
0 −c(a2 + b2 + c2 ) +b(a2 + b2 + c2 )
M 3 =  c(a2 + b2 + c2 ) 0 −aa(a2 + b2 + c2 )  = −(a2 +b2 +c2 )M = − ||
−b(a2 + b2 + c2 ) a(a2 + b2 + c2 ) 0
28
(b) L’équivalent de la formule que nous venons d’établir est :
φ3 = − ||ω||2 .φ
Si v ∈Imφ, il existe w ∈ R3 tel que v = φ(w) et :
φ ◦ φ(v) = φ ◦ φ(w) == − ||ω||2 .φ(w) == − ||ω||2 .v
(c) Décomposons u en u1 + u2 où (u1 , u2 ) élément de kerφ×Imφ. Nous avons alors :
φ ◦ φ(u) = φ ◦ φ(u1 ) + φ ◦ φ(u2 )
avec φ ◦ φ(u1 ) = 0 car u1 ∈kerφ et φ ◦ φ(u2 ) = − ||ω||2 .u2 d’après le b).

(u/ω)
Comme u2 = u − .ω il reste après remplacement :
||ω||2
φ ◦ φ(u) = − ||ω||2 .u + (u/ω).ω
29
Exercice 13 Ecricome S 2001
Soient n un entier ≥ 2 et E l’espace vectoriel des matrices carrées d’ordre n à coefficients
réels.
I est la matrice identité de E. On note t A la transposée d’un élément A de E. Si A = (ai,j )
appartient à E, on appelle trace de A et on note tr(A), la somme a1,1 > + a2,2 + · · · + an,n
des éléments diagonaux de A.
On considère l’application g de E × E dans R, qui à deux matrices A et B de E fait
correspondre le réel g(A, B) = tr(t AB).
1. Montrer que l’application tr qui à tout élément de E associe sa trace, est une forme
linéaire sur E.
2. (a) Soit M une matrice de E. Montrer que tr(M ) = tr(t M ).
(b) En déduire que, pour tout couple (A, B) de matrices de E, on a g(A, B) =
g(B, A).
3. Soit A un élément de E. Montrer que g(A, A) est la somme des carrés des coefficients
de A.
4. Montrer, à (aide des questions précédentes), que g est un produit scalaire sur E.
Soit B = (e∞ , e∈ , . . . , e\ ) la base canonique de Rn et f l’endomorphisme de Rn défini

par :
f (e1 ) = en et, pour tout entier k tel que 2 ≤ k ≤ n, f (ek ) = ek−1
(a) Montrer que f est un automorphisme de Rn .
(b) Soit U la matrice de f dans la base B. Montrer que U n = I et que U −1 =t U .
On suppose, pour les deux questions suivantes, que n = 4.

5. Calculer U 2 et U 3 et montrer que (I, U, U 2 , U 3 ) est une famille orthogonale pour le
produit scalaire g.
6. On note F le sous espace vectoriel de E engendré par la famille (I, U, U 2 , U 3 ) et V
la matrice de E dont la première ligne est constituée de 1 et les autres uniquement
de 0. Calculer la projection orthogonale W de V sur F .
Preuve
1. Il est clair que l’application tr est une application de E dans R.

Soient A = (aij ) et B = (bij ) deux matrices de E, α et β deux réels.
Le terme général de la matrice α.A+β.B est α.aij +β.bij et la somme des coefficients
diagonaux de cette matrice est :
n
X
tr(α.A + β.B) = (α.aii + β.bii ) = α.tr(A) + β.tr(B)
i=1
La trace est donc une forme linéaire.

2. (a) Soit M une matrice de E de terme général (mij ). Le terme général de la matrice
N=t M est nij = mji et il est clair que pour les termes diagonaux, on a :
nii = mii ⇒ tr(M ) = tr(t M )
30
(b) Nous avons g(A, B) = tr(t A.B) et en appliquant le résultat précédent :
g(A, B) = tr(t A.B)) = tr(t t A.B = tr(t B.A)) = g(B, A)

3. Calculons tr(t A.A)) en fonction des coefficients de A.

Lorsqu’on multiplie deux matrices carrées A et B de termes généraux (aij et (bij ),
n
X
le coefficient de la matrice produit est : cij = aik .bkj. Dans le cas particulier où
k=1
B =t A : n n
X X
bkj = ajk ; cij = aik .ajk ; cii = aik 2
k=1 k=1
et par suite
n X
X n
t
tr( A.A) = a2ik
i=1 k=1
• La trace étant linéaire, il ne fait aucun doute que cette application g est bilinéaire.
• g(A, B) = g(B, A). L’application est symétrique.
• g est définie positive car : X
< M, M >= tr(t M.M ) = m2ij ≥ 0 et d’autre part < M, M >= 0 implique
i,j
obligatoirement M = 0.
Toutes les conditions sont réunies pour dire que g est un produit scalaire sur E.
4. (a) Soit B= (e1 , e2 , . . . , en ) la base canonique de Rn et f l’endomorphisme de Rn
défini par :
f (e1 ) = en et, pour tout entier k tel que 2 ≤ k ≤ n, f (ek ) = ek−1 .

Montrons que f est un automorphisme de Rn et pour cela justifions que f est
injective.
Soit x un élément de E. Il se décompose de manière unique dans B et s’écrit :
n
X
x= xi ei ⇒ f (x) = x1 en + x2 e1 + ... + xn e1
i=1
Si on suppose que x ∈kerf alors :
x1 en + x2 e1 + ... + xn e1 = 0 ⇒ ∀i , 1≤i≤n : xi = 0
Bref kerf = {0} ⇔ f est injective et c’est un automorphisme de E.

(b) Observons comment agit f n sur les vecteurs de la base B.
Nous avons f n (e1 ) = e1 et f k−1 (e1 ) = ek d’où :
f n (ek ) = f n (f k−1 (e1 )) = f k−1 (f n (e1 )) = f k−1 (e1 ) = ek
En conclusion : Pour tout 1 ≤ i ≤ n, on a f n (ei ) = ei et ceci signifie que
f n = id ⇒ Un = I
31
n
X n
X
Soit x = xi ei et y = yi ei deux éléments de Rn auquels on associe les
i=1 i=1
vecteurs
X = (x1 , x2 , . . . , xn ) et Y = (y1 , y2 , . . . , yn ).
En utilisant le produit scalaire canonique de Rn on a :
n
X
< f (x), f (y) >=< x1 en +x2 e1 +..+xn en−1 , y1 en +y2 e1 +..+yn en−1 >= xi .yi =< x, y >
i=1
Egalité que nous traduisons par :

t
< U X, U Y >=< X, Y > ⇔ X.t U.U.Y =t X.Y
et comme ceci est vraie pour tout couple (X, Y ), on conclut que :
t
U.U = I ⇒ t
U = U −1
5. Déterminons U dans ce cas particulier où n = 4.

Sans difficulté :
     
0 1 0 0 0 0 1 0 0 0 0 1
 0 0 1 0 
 0 0 0 1 1 0 0 0 
2
  
U = 0 0 0 1  ; U = 1 0 0 0
  ; U3 = 
 0

 1 0 0 
1 0 0 0 0 1 0 0 0 0 1 0
Nous avons
p p
g(U p , U q ) = tr t U p .U q = tr t
.U q = tr U −1 .U q

U
A partir de cette formule et des expressions de U , U 2 , U 3 , on vérifie que la famille
{I, U, U 2 , U 3 } est orthogonale. En effet :
p
• Si p = 0 alors tr (U −1 ) .U q = tr(U q ) = 0 ∀1 ≤ q ≤ 3 et I est orthogonale à U ,
U 2, U 3.
p
• Si p = 1 alors tr (U −1 ) .U q = tr(U q−1 ) = 0 ∀2 ≤ q ≤ 3 et U est orthogonale à
U 2, U 3.
• Enfin si p = 2 :
p
tr (U −1 ) .U q = tr(U q−2 ) = 0 si q = 3 et U 2 est orthogonale à U 3 .
6. Soit F =Vect(I, U, U 2 , U 3 ) et
 
1 1 1 1
 0 0 0 0 
V =
 0

0 0 0 
0 0 0 0
Commençons par construire une base (V1 , V2 , V3 , V4 ) orthonormée de F . Puisque la
base {I, U, U 2 , U 3 } est orthogonale, il suffira de la normer et poser :
I p
V1 = avec ||I|| = g(I, I) = 2 donc
||I||
1
V1 = I
2
32
U p
V2 = avec ||U || = g(U, U ) = 2 d’où
||U ||
1
V2 = U
2
De la même façon on trouve :
1 1
V3 = U 2 ; V4 = U 3
2 2
Appliquons le cours et on aura :
4
X
W = PF (V ) = g(V, Vi ).Vi
i=1
1
avec pour tout 1 ≤ i ≤ 4 : g(V, Vi ) = donc
2
1 1
I + U + U2 + U3

W = PF (V ) = (V1 + V2 + V3 + V4 ) =
2 4
33

Alg 2

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Alg 2

Transféré par

Droits d'auteur :

Formats disponibles

Mathématiques CPEC .

1. (a) Vérifier que A3 + A = O

1. Un calcul matriciel simple donne A3 + A = 0

et il vient : α = β = γ = 0. C= (V1 , V2 , V3 ) est une base de R3 .

Si A0 est la matrice de u relativement à C alors

A(P ) = (2x + 1)P − (x2 − 1)P 0 est un polynôme de degré n + 1 et de coefficient

1. Pour identifier u2 − 3u + 2id , on calcule M 2 − 3M + 2I. Un rapide calcul montre

2. Le polynôme P (X) = X 2 − 3X + 2 est un polynôme annulateur de u. On sait alors

Remplaçons λ par 1 et on trouve :

3. Comme dimR3 = dimker(u − id) + dimker(u − 2id), u est diagonalisable.

1. (a) On a v = u − id et w = u − 2id d’où : v − w = id .

(b) v ◦ w = w ◦ v = u2 − 3id + 2id = 0

v(y) = v(w(x)) = 0 y ∈ kerv Imw ⊂ kerv

w(y) = w(v(z)) = 0 y ∈ kerw Imv ⊂ kerw

(c) D’après 1)a), ∀x ∈ E,,il existe z ∈ Imv et t ∈ Imw tel que x = z + t.

Il existe deux suites (an ) et (bn ) telles que un = an u + bn id

un+1 = (3an + bn )u − 2an id

Sous sa forme générale an s’écrit an = α + β.2n .

un = (2n − 1)u + (2 − 2n )id

a. Montrer que M s’exprime simplement à l’aide de I, J, K et a, b, c.

1. (a) La matrice J est réelle symétrique. Elle est donc diagonalisable.

2. (a) Cherchons les valeurs propres de J.

(b) Montrons que P −1 KP est une matrice diagonale.

1. Montrer que f est un endomorphisme de Rn [X]

1. Quelles sont les valeurs propres de f ? L’endomorphisme f est-il diagonalisable ?

(b) Vérifier que Pn est de degré n

∀k ∈ {0, 1, 2, .., n} , f (Pn(k) ) = (n + 1 − k).Pn(k)

1. Expliciter les polynômes E1 et E2

f (X p ) = 1 + Cp1 X + Cp2 X 2 + .... + Cpp−1 X p−1 + (p + 1)X p

1. (Voir fin de la partie A)

1. E10 = E0 = 1 ⇒ E1 = X + C. La condition E1 (1) = 2E1 (0) permet de trouver

E0 , E1 , E2 sont des vecteurs propres de f associés aux valeurs propres 1, 2, 3 qui

1. Soit f l’application de E dans R définie par :

Démontrer que f est linéaire

∀(A, B) ∈ E 2 φ(A, B) = f (A.B)

1. Démontrer que φ est une forme bilinéaire symétrique

1. Soit A = (aij ) et B = (bij ) deux matrices. Posons C = αA + B = (cii ). On alors :

L’application f est linéaire. f (A) est la trace de la matrice A.

f (B) = f (P −1 AP ) = f (AP P −1 ) = f (A)

1. On définit une application φ de E 2 vers R en posant

La dernière question de la partie I prouve que φ est symétrique. Il suffira de montrer

φ(αA + C, B) = f ((αA + C)B) = αf (AB) + f (CB) = αφ(A, B) + φ(C, B)

φ(A, B) = f (AB) = f (t (AB)) = f (t B t A) = f (−BA) = −f (BA) = −φ(B, A)

∀(x, y) ∈ E 2 , < g(x), g(y) >=< x, y >

2. Montrons que sa est diagonalisable.

< A, B >= tr(tAB)

(b) On pose < A, B >= tr(t A.B).

∀(x, y) ∈ E 2 , < f (x), y >= − < x, f (y) >

3. On pose A = (I − M ).(I + M )−1 et montrons que t A = A−1 .

4. Réciproquement, on suppose que A est orthogonale et il faut montrer que M est

1. Déterminer une famille orthonormale (L0 , L1 , L2 ) de E telle que pour tout i de

Le calcul de R n’est pas demandé.

1. A partir de la base canonique de E et par le procédé de Schmidt, on construit une

A,symétrique, est diagonalisable.Exploitons ces deux propriétés de A.

A étant diagonalisable, il existe une matrice inversible R telle que

Puisque A est symétrique il existe une base orthonormée de E, (B) formée de

φ(P, P ) =t X.R.D.R−1 X =t (t RX).D.R−1 X =t (R−1 X).D.R−1 X =t Y.D.Y

< P, P >=< x0 L0 + x1 L1 + x2 L2 , x0 L0 + x1 L1 + x2 L2 = x20 + x21 + x22 =t XX

on peut remplacer X par RY et comme t R = R−1 il restera :

On définit aussi les suites (Vn ) et (Wn ) telles que

et la matrice de passage de la base canonique à l base de vecteurs propres est

(c) De A = P.D.P −1 on tire An = P.Dn .P −1 . Il suffit de remplacer pour obtenir :

1. Ecrivons la matrice de φ dans B.