Académique Documents
Professionnel Documents
Culture Documents
1
Exercice 5: Soit E un espace vectoriel de dimension 3, {e1 , e2 , e3 } une base de E , et λ un
paramètre réel.
ϕ (e1 ) = e1 + e2
Démontrer que la donnée de ϕ (e2 ) = e1 − e2 définit une application linéaire ϕ de E
ϕ (e3 ) = e1 + λe3
dans E . Écrire l’image par ϕ du vecteur x = α1 e1 +α2 e2 +α3 e3 . Comment choisir λ pour que
ϕ soit injective ? surjective ?
2x + y + z = 3
3x − y − 2z = 0
S2.
x + y − z = −2
x + 2y + z = 1
2
x+y+z+t=1
x − y + 2z − 3t = 2
S3. 2x + 4z + 4t = 3
2x + 2y + 3z + 8t = 2
5x + 3y + 9z + 19t = 6
x + 2y + 3z + 4t = 2
2x + y + z + t = 1
S4.
3x − y − 3z + 2t = 5
5y + 9z − t = −6
x−y+z+t=5
S5. 2x + 3y + 4z + 5t = 8
3x + y − z + t = 7
0 0 0 1 0 0 0 1
1 1 1
1 0 1 a 1 1 1 a 0 1
1 1 , E = 0 1 1 + a 1 où a est un paramètre réel.
1 1 0 , D = 0
1 1+a 0 a 1 0 1
1 0 0
6. f : P ∈ Rn [X] → 0 P (x)dx .
3
Exercice 12: Résoudre les systèmes d’équations suivants, par la méthode
du pivot de Gauss :
x+y =0
1. (S1) 2x + y = 1
x + 2y = −1
2x − y + 3z = 1
−4x + 2y + z = 3
2. (S2)
−2x + y + 4z = 4
10x − 5y − 6z = −10
x−y+z+t=0
3x − 3y + 3z + 2t = 0
3. (S3)
x−y+z =0
5x − 5y + 5z + 7t = 0
Exercice 13: Soit β = (e1 , e2 , e3 ) la base canonique de R3
Soit u un endomorphisme de R3 défini par :
u (e1 ) = 2e1 + e2 + 3e3 ; u (e2 ) = e2 − 3e3 ; u (e3 ) = −2e2 + 2e3
1. Soit x = (x1 , x2 , x3 ) ∈ R3 un vecteur.
Déterminer l’image par u du vecteur x . (Calculer u(x) ).
2. Soient E = {x ∈ R3 , u(x) = 2x} et F = {x ∈ R3 , u(x) = −x}
Montrer que E et F sont des sous-espaces vectoriels de R3 .
3. Déterminer une base de E et une base de F .
4. A-t-on E ⊕ F = R3 ?
Exercice 14: Soit (e1 , e2 , e3 ) la base canonique de R3
Soit f : R3 → R3 l’application linéaire telle que : f (e1 ) = 13 (−e1 + 2e2 + 2e3 ) , f (e2 ) =
1
3
(2e1 − e2 + 2e3 ) etf (e3 ) = 13 (2e1 + 2e2 − e3 ) .
Soient E−1 = {u ∈ R3 | f (u) = −u} et E1 = {u ∈ R3 | f (u) = u}
1. Montrer que E−1 et E1 sont des sous-espaces vectoriels de R3 .
2. Montrer que e1 −e2 et e1 −e3 appartiennent à E−1 et que e1 +e2 +e3 appartient à E1 .
3. Que peut-on en déduire sur les dimensions de E−1 et de E1 ?
4. Déterminer E−1 ∩ E1 .
5. A-t-on E−1 ⊕ E1 = R3 ?
6. Calculer f 2 = f ◦ f et en déduire que f est bijective et déterminer f −1 .
Exercice 15: Soit u : R3 → R3 l’application définie par :
u (x1 , x2 , x3 ) = (−2x1 + 4x2 + 4x3 , −x1 + x3 , −2x1 + 4x2 + 4x3 )
1. Montrer que u est linéaire.
2. Déterminer une base de ker(u) et une base de Im(u) .
4
3. A-t-on ker (u) ⊕ Im(u) = R3 ?
Exercice 16: Soit E un espace vectoriel sur un corps commutatif K.
On appelle projecteur de E tout endomorphisme p de E tel que p ◦ p = p.
On désigne par IE l’application identité de E (on notera que c’est un projecteur de E ).
1. Montrer que p est un projecteur si et seulement si IE −p est un projecteur de E.
Quelles relations y a-t-il entre les images et les noyaux de p et IE − p ?
2. Montrer que si p est un projecteur de E , alors E = Im p ⊕ Ker p .
3. Montrer que si p est un projecteur de E et si f est un endomorphisme de E tel que
f (Im p) ⊂ Im p et f (Ker p) ⊂ Ker p, alors f ◦ p = p ◦ f
Exercice 17: Dans R3 , montrer que le sous-espace engendré par u = (2, 0, −1) et v =
(3, 2, −4) coïncide avec le sous-espace engendré par w = (1, 2, −3) et t = (0, 4, −5).
Exercice 18: Soit α un paramètre réel, soient F et Gα les sous-espaces vectoriels de R3
définis par les équations :
3x − 2z = 0
F : x − y + z = 0, Gα :
y − αz = 0
5
. . . + α n xn =
0 où (α1 , . . . αn ) ∈ Rn et (α1 , . . . αn ) ∕= (0, . . . 0) . (On dit que cette équation est une
équation cartésienne de l’hyperplan H ).
e. Quelle est l’équation cartésienne d’un hyperplan de R3 ?
f. Montrer l’équivalence des définitions suivantes :
(i) D est une droite de R3 , c’est-à-dire un sous-espace de dimension 1.
(ii)D est l’ensemble des solutions d’un système linéaire
ax + by + cz = 0
(S) Où (a, b, c) et (a′ , b′ , c′ ) ne sont pas colinéaires.
a′ x + b′ y + c′ z = 0
Exercice 20: A l’aide de la méthode du pivot de Gauss, déterminer quelles
matrices sont inversibles, et calculer leurs inverses :
3 1 1
1. A = 2 1 2
1 3 2
2 4 8
2. B = 1 3 5
3 8 14
1 1 −1 1
−1 1 0 1
3. C = 1 2 3 0
−1 0 0 2
1 4 2
4. D = 1 3 −3.
1 −2 2
6
2 Permutations et déterminants
Exercice 21: [Cf EXO7]
Soit σl’élément de S12 : σ = (3, 10, 7, 1, 2, 6, 4, 5, 12, 8, 9, 11)
1. Combien σ possède-t-elle d’inversions ? Que vaut sa signature ?
2. Décomposer σ en produit de transpositions. Retrouvez sa signature.
3. Déterminer les orbites de σ.
4. Déterminer σ 2005 .
7
Mn ∈ Mn+1 (R) de coefficient général f|i−j| (On pourra chercher une rela-
tion de récurrence en soustrayant à la dernière colonne de la matrice les deux
colonnes précédentes.)
Exercice 25: [cf EXO7] Calculer les déterminants des matrices suivantes :
1 0 6 1 0 2 1 0 −1
7 11 3 4 15 3 4 5 2 3 5
−8 4
5 6 21 5 6 7 4 1 3
0 1 2 3 0 1 1 0 1 2 1 2
1 2 3 0 1 0 0 1 1 3 1 3
2 3 0 1 1 1 0 1 2 1 0 6
3 0 1 2 1 1 1 0 1 1 1 7
(a, b, c) ∈ R quelconques.
8
Exercice 28: Calculer le déterminant :
b+c c+a a+b
2
b + c2 c2 + a2 a2 + b2
3
b + c3 c3 + a3 a3 + b3
Exercice 30:
1. Soient A, B ∈ Mn (R) telles que AB = BA.Montrer que
det (A2 + B 2 ) ≥ 0
2. Chercher A, B ne commutant pas telles que det (A2 + B 2 ) < 0
9
Exercice 34:
Montrer que
1+a a a
D = b 1+b b =1+a+b+c
c c 1+c
sans le développer.
10
3 Valeurs propres et vecteurs propres
Exercice 36:
1. Soient E, F des K-espaces vectoriels, et soient f une application li-
néaire de E dans F et g une application linéaire de F dans E. Soit
λ ∈ K . Démontrer que f induit un isomorphisme de ker(g ◦ f − λIdE )
sur ker(f ◦ g − λIdF ).
2. Soit E un K-espace vectoriel de dimension finie et f, g des endomor-
phismes de E. Démontrer que f ◦ g et g ◦ f ont mêmes valeurs propres.
Exercice 37:
1. Soit E un espace vectoriel complexe de dimension finie, et soit f un
endomorphisme linéaire de E. Montrer que f possède au moins un
vecteur propre.
2. Soit E un espace vectoriel réel de dimension impaire, et soit f un
endomorphisme linéaire de E. Montrer que f possède au moins un
vecteur propre.
3. Donner un exemple d’endomorphisme d’un espace vectoriel réel qui
ne posséde pas de vecteur propre.
11
Exercice 40: Expliquer sans calculs pourquoi la matrice suivante n’est
pas diagonalisable :
π 1 2
A = 0 π 3 .
0 0 π
Exercice 42: Une matrice A ∈ Mn (R) est dite stochastique si ses coeffi-
cients sont des réels positifs ou nuls et si la somme des coefficients de chacune
de ses lignes est égale à 1.
1. Démontrer que si λ ∈ C est une valeur propre de A, alors |λ| ≤ 1.
2. Démontrer que 1 est valeur propre et donner un vecteur propre associé.
12
4 Exercices supplémentaires
14