L,ceE

D'EXCELLE,尀䨀tE Dt BENGUEAIR

Classe MP*2. 2019-2020

Lydex le 24/09/2020

Espaces vectoriels - Applications linéaires - Matrices

1. Polynômes d'interpolation de Lagrange : Soit a0 < a 1 < ... < an et L k = 吀䤀 X - a; .
i=O, i㬀℀k a k - a;

(a) 氀尀lontrer que (L k)o<k<n

- - est une base de Kn (X) et donner la décomposition d'un polynôme dans cette
b 猀였.

(b) Que vaut la somme LL

k ?
n

\ J k=O
(c) SoiH : I ⴀ嬀 ㄀䬀 une fonction dé昀椀nit sur un intervalle I contenant les ncuds ao . .... a,.. 氀尀Iontrer qu'il
existe un unique polynôme P E K⸀Ⰰ [X] ,·éri昀椀ant P (a;) =
f (a;) pour tout 1 $ i $ n. Exprimer ce
polynôme en 昀漀nction des Lk .Pest dit le polynôme d'interpolation de Lagrange de / pour le support
OQ, .... U n ,

2. Base de M n (K): Soit (X 1 .....X.,) et (Y1 . ... Y,,) deux familles libres de Mn,! (K). 氀尀lontrer que (X; 1 堀需 )1 Ⰰ甀;,jⰀ甀n
est une base de M,, (K) .
-
3. Puissances d'une matrice : Soit A= ( !
1 E M3 (氀刀).
� )

(a) 氀尀lontrer que A est semblables dans ,尀㄀13 (吀⸀) à la matrice D

-
=(� l� ) et déterminer une matrice
inversible P telle que: A=PDP 1
(b) Calculer A" pour n EN.

2 -3 3
4. Soit A = ( -3 3 -4 ) E M3 (氀刀).
-3 4 -5

(a) Montrer que A est semblable à la matrice T = ( -g l _1 Og )

0
1

(b) Calculer les puissances de Tet en déduire celle de A.

5. Image et noyau itérés, indice de Fitting : Soit E un K-espace vectoriel de dimension 昀椀nie ✀怀 1. Pour
n EN, on pose Fn = ker/"et G,, = lm/".
(a) Montrer que la suite (Fn ) est croissante et la suite (Gn) est décroissante.
(b) Montrer que s'il existe un entier p tel que Fp = Fp+I ou Gp = Gp+I, alors ✀瘀 n ✀怀 p, Fn = Fp et
=
Gn Gp
(c) En déduire que ces deux suites sont stationnaires à partir du même rang.
=
(d) Justi昀椀er l'existence d'un entier p tel que Fp Fp+I · montrer qu'on a pour cet entier p:
=
E ker/P $ Im fP.
(e) Montrer que toute matrice M est semblable à une matrice de type ( t g ); avec N nilpotente et
C inversible.
6. Matrice antisymétrique réelle :
Montrer qu'une matrice réelle A est antisymétrique si et seulement si pour toute colonne X, les vecteurs
AX et X sont orthogonaux pour le produits scalaire usuel.
7. Image et noyau de 1 A

Scanné avec CamScanner

 Mn,1 {䤀刀),
(a) 氀尀,[0ntrer que ker (1 A) est l'orthogonal de lm (A) pour le produit scalaire usuel de
(b) Soit A E ⸀䄀n (氀刀). montrer que le rang de A est pair.

8. Matrice orthogonale : Interpréter l'égalité I AA = In,

9. Projecteur : Soit pet q deux projecteurs d'un 伀䌀-espace vectoriel E.
(a) 氀尀lontrer que p + q est un projecteur si et seulement si p o q = q op= O.
(b) Généraliser pour n projecteurs.
(c) Dans ce cas, véri昀椀er que: lm (p + q) = lm (p) 䔀䈀 lm (q) et ker (p + q) = ker (p) n ker (q).
10. Caractérisation des homothéties : Soit E un 伀䌀-espace vectoriel de dimension 昀椀nie n, u un endomor­
phisme de E.
(a) On suppose que 瀀漀ur tout x de E, la 昀愀mille (x, u (x)) est liée. Montrer que u est une homothétie :
u = ⸀氀JdE ,
(b} On suppose que u laisse stable toute droite vectorielle de E. montrer que u est une homothétie.
(c) On suppose que u laisse stable tous sous-espace de dimension k E {l, ... ,n -1} de E, montrer encore
que tt est une homothétie.
11. Endomorphisme nilpotent : Soit E un K-espace vectoriel de dimension n -
> 1, f un endomorphisme de
E. nilpotent d'indice p.
(a) �lontrer qu'il existe x0 élément de E, tel que: (x0• f(x0)•.... fP-1(x0)) est libre.
(b) En déduire que p $net que f" = O.
(c) On suppose que dim (ker /) = I.
i. �lontrer que f (ker Jk+i ) C ker Jk , puis en appliquant la formule du rang, en déduire que
dimkcr Jk +l -dim kerfk $1.
ii. 氀尀lontrer que V k. 1 $ k $n. on a dim (ker Jk) = k.

12. Opérations sur les nilpotents : Soit A.BE M n (䨀䬀) deux matrices nilpotentes.
(a) Que peut-on dire de A+ B et AD
(b) On suppose de plus que AB= B䄀⸀. µ:·0,.•1昀挀': que A+ B et AB sont nilpotentes
{c) 氀尀lontrer que In + A et In - A sor � m,,rsi!,l㬀Ⰰs daus 氀䬀 [A].

13. Commutant de matrice : Soit n � '⸀℀ ,,r.. W 䔀✀ Jv! n (伀䌀). On note C (.M) = {N E Mn (伀䌀) / MN = NM}
appelé le commutant de 氀尀f.
(a) 氀尀lontrer que C (.111) est une sous-algèbre de Mn (䨀䬀) et que 伀䌀 [M] c C (.M).
(b) Caractériser les matrices M pour lesquelles C (M) = M,. {䤀䬀)
(c) Déterminer C (氀尀/) dans le cas ou :
i. ㄀尀1 est une matrice diagonale ayant sur la diagonale des éléments deux à deux distincts et préciser
sa dimension.
ii. ㄀尀1 est une matrice diagonale quelconque et préciser sa dimension.
(d) On suppose que l1f est nilpotente d'indice n. Soit u l'endomorphisme canonique associé à M et v E
C(伀䌀").
i. Montrer que 伀䌀" admet une base B = (e, u (e), ... , u"-1 (e)) avec e E 伀䌀".
n-1
ii. On suppose v commute avec u et on écrit v (e) = L À k uk (e) dans la base B, montrer que
k=O
n-1
v = LÀk uk .
k=O
iii. En déduire que C (M) = 伀䌀 [M] = vect (In . M, ..., M"-1) . Quelle est la dimension de C (M)?
(e) Déduire les résultats analogues de (a), {b), (c) et (d) pour un endomorphisme.
14. Endomorphisme et matrice de rang 1 : Soit E un K-espace vectoriel, f un endomorphisme de E de
rang 1, u E E tel que lm(!) = 伀䌀 u.

(a) Montrer qu'il existe une forme linéaire 挀瀀 sur E unique telle que: V x E E, f(x) = 'f(X)u.
(b) 氀尀lontrer qu'il existe 愀Ⰰ E 伀䌀 unique tel que /2 = 愀Ⰰ/ et que, si a⼀稀 1. f - IdE est inversible.

Scanné avec CamScanner

 (c) En d6duirc que toute matrice M de rang 1 est
de la forme M = U 1V où U, VE Mn ,! (䤀䬀) non nuls.
15· �upp�émentaire commu!l : S㬀稀it E un 䤀䬀-espace vectoriel de dimension 昀椀nie, F et G deux sous-espaces
'ectonels de E, de même d1mens1on. �lontrer que F et G admettent un supplémentaire commun.
On pourra faire une réccurence descendante sur dim F.
16. Matrice à diagonale strictement dominante: Soit A= (a;i) E Mn (䤀礀) telle que 戀ꌀ i E {l, 2, ... , n},

L Ja;il. Montrer
n

Ja;;j > que l'unique solution du système linéaire AX = 0 est la solution nulle. En
j=l, j#i
déduire que A est inversible.
17. Matrices semblables : �lontrer que deux matrices de Mn (䤀刀) semblables dans Mn (C) sont aussi sem­
blables dans M 11 {氀刀).

18. Matrices semblables: Caractériser le fait que p-1MPest diagonale à l'aide des images des colonnes P
par M.
19. Matrice de trace nulle: Soit AE Mn (氀刀) de trace nulle et A 㴀䨀 0, f l'endomorphisme de 䤀刀" canonique-
ment associé à A. �lontrer que:
{a) f n'est pas une homothétie et en déduire qu'il existe xE 䤀刀". tel que (x. f (x)) est libre.
(b) A est semblable à une matrice de diagonale nulle. (on pourra faire une récurrence sur n).
(c) Il existe deux matrices B et CE Mn (氀刀) telles que: A= BC -CB.

20. 吀爀ace : Soit f une 昀漀rme linéaire sur Mn (䤀礀) véri昀椀ant 㬀謀 M, NE Mn (䨀䬀), f (MN) = f (NM), montrer
qu'il existe ÀE ㄀䬀 tel que f = À x trace.

n (䤀䬀)ⴀ⬀ M., (䤀礀)

· A = (U- ij)E Mn (쀀退)
21 · SOlt ✀䤀'A : { M
∀䤀 et ,ⰀⰀ Al 欀堀 AAI + 1\/A

L akiEkj + L aikEik
n n.
{a) 1Iontrer que 昀栀A (Eii) =
k=I k=I
(b) En déduire Tr (⼀蘀A) en 昀漀nction de Tr (A).
22. Quel est le sous-espace de M,, (䤀礀) engendré par les matrices nilpotentes?
23. Déterminant de Vandermonde
Soit n ㈀㨀 2. a1 , .... an E 䤀䬀, on note v (a1 ..... a,,) l" :léterminant de la matrice carrée de taille n dont l'élément
d'indice (i.j) est a;-1.
n-1
(a) Pour n ㈀㨀 3. montrer que: V (a1, .... an) = V (a1 , ..., a,,_i)
i=l
n
(an - a;).

(b) En déduire quev(a1 , .... an )= 吀吀 (ai-a;)

1$j<i$n
Applications:
(c) Soit Ào, ..., À11 E ㄀䬀 deux à deux distincts. 1Iontrer que la famille ((X+ Ào) , ... , (X+ Àn )") est une
n

base de ℀䬀n [X]

(d) Soit A1 , ... , ÀnE ㄀䬀 deux à deux distincts et DE M,, (䨀䬀) la matrice diagonale: D = diag (A 1 , ... , Àn ).
Déterminer le commutant C (D) = {A E M n (䨀䬀) / AD = DA} de D et montrer que C (D) =
vect(In ,D, ...,D"-1).
0 0 0 ao

(e) Montrer que la matrice D ci-dessus est semblable à une matrice du type compagnon 0

0 0 1 an !
-
24. Déterminant de Cauchy et déterminant d'Hilbert :
Soit a;, b;E 氀刀 tel que a;+ b; 㴀䨀O et n ㈀㨀 2.

(a) Calculer Dn = det ((01 !bJ ) 1㨀㔀i,j㔀愀n

) {Déterminant de Cauchy)

Scanné avec CamScanner

 (b) Traiter le cas a;= b; = i. (Déterminant de d'Hilbert)
25. Déterminant tridiagonal
a C 0 0

b a c
. Trouver une
(a) Soit 氀ꈀn le déterminant de la matrice carrée de taille n 0 b 0

0 0 b a
C

relation de réccurence entre 氀ꈀ,,+2, 氀ꈀn+l et 椀ꈀ 11 • Indiquer une méthode de calcul de An

-2cos0 1 0 0
1 -2cos0 1
(b) Calculer le déterminant de la matrice de taille n: 0 0

0
1
0 1 -2cos0

26. Matrices par blocs :

(a) Soit M =(é �) E M 2,, (IK), ayec A. B, C. DE M ⰀⰀ (䤀䬀) . Ecrire tM et calculer t MM.
Calculer det (M) lorsque Cet D commutent.

(b) Soit 氀椀!= (

1
i g). On suppose que A et D sont inversibles, montrer que 䨀椀;J est aussi invesible et
exprimer ㄀椀1- sous forme de bloc. on pourra s'inspirer du cas scalaire.

{c) Soit M = ( !
0
r
0
1�
-1
L ),
1
chercher les matrices A E M 4 (䤀刀) qui commutent avec M

AM=MA
(d) Soit M = ( 1 1) E J"1 2 ,. (䤀䬀). avec A. B E M ⰀⰀ {䤀䬀).

i. Calculer rg (M) en fonctÎ0!1 d挀樀 A el. B.

ii. Calculer ㄀椀1-1 lorsqu'elle cxis琀⸀e

27. Sous espaces de L (E) : Soit E un K-cspace wctoriel de dimension 昀椀nie et g un endomorphisme de E.

(a) Soit f E㨀ꀀ (E), montrer que: go f = 0 Im (!) C ker g.

(b) 䨀尀lontrer que l'ensemble des endomorphismes f de E, vérifiant go f 0 est un sous-ev de 㨀騀 (E) de
Ĥ⒡

=
dimension dim E x dim ker (g).
(c) Démontrer un résultat analogue pour l'ensemble des endomorphismes f de E, véri昀椀ant f o g = O
(d) Démontrer un résultat analogue pour l'ensemble des endomorphismes f de E, véri昀椀ant ho f o g = 0,
où g.hE l(E)
(e) Soit G un sous-ev de E, on pose A = { u E L (E) / G C ker u}. Montrer que A est un sous-ev de 㨀ꀀ (E)
et déterminer sa dimension.
28. Hyperplan : Soit E un IK-ev de dimension 昀椀nie ou in昀椀nie. On appelle hyperplan de E tout sous-ev H
admettant un suplémentaire de dimension 1 ( de codimension 1)

(a) Justi昀椀er que cette dé昀椀nition est cohérente.

(b) Montrer que tout hyperplan H est le noyau d'une forme linéaire 昀稀 non nulle sur E
(c) Sous quelle condition 2 formes linéaires ont le même noyau
(d) En dimension 昀椀nie, que vaut la dimension de l'intersection de p hyperplans?

29. Décomposition d'une 昀漀rme linéaire : Soit E le 伀䌀-espace vectoriel des polynômes de degré inférieur
ou égal à n (n ✀怀 1), soit xo,... ,x㄀㄀ des réels deux à deux distincts, montrer qu'ils existent des scalaires

㸀ⴀo, ... , 㸀⸀ⰀⰀ uniques tels que: V p E E, on a: r P(x}dx = L À;P(x;).

1 i=n

lo i= O

Scanné avec CamScanner

 30. Formule de Burnside •. s01·t E un C - ev de d1mens1on
. .
GL (E). On note 昀椀nie n ✀怀 1 et G un groupe 昀椀ni d'éléments de

EG = {x E E / V g E G. g(x)= x}
氀尀lontrer que dim (E G ) = � L Tr(g).
1 1 gE G

31. i it d� matrices nilpotentes : Que peut-on dire du produit den matrices nilpotentes A 1 , ... , A n E
Prod
Mn (,⸀堀 ) qui commutent deux à deux?
32. Lemme d e 昀愀ctorisation : Soit E .F et G des 嬀⠀ - ev de dimensions 昀椀nies .
(a) Soit / E 嬀Ⰰ (E. F), g E 嬀Ⰰ (E. G). Donner une CNS sur/ et g pour qu'il existe h E 嬀Ⰰ (F, G) tel que
g =ho/.
(b) Soit g E 嬀Ⰰ (E. G). g E 笀Ⰰ(F, G). Donner une CNS sur g et h pour qu'il existe/ E 嬀Ⰰ (E. F) tel que
g=hof.

33. Hyperplan de A1,, {䤀䬀) : Soit n un entier supérieur ou égal à 1.

(a) Montrer que pour toute forme linéaire Ⰰ sur M ⰀⰀ(伀䌀), il existe une unique matrice A E Mn(䤀䬀)tel que
<昀㸀(X) = Tr (AX). pour tout X E M,,(伀䌀).
{b) 椀尀lontrer que tout hyperplan de .MⰀⰀ (伀䌀)contient au moins une matrice inversible. ( on pourra chercher
une matrice de la forme 1ⰀⰀ + otE;i)

34. Base duale et préduale : Soit E un 伀䌀-espace vectoriel de dimension 昀椀nie n ✀怀 1. On note E• = 嬀Ⰰ (E, 伀䌀)
l'espace des formes linéaires de E. E* est le dual de E.
(a) 䨀尀lontrer que pour toute base B = ( e1 .....e,,) de E, il existe une unique base B" = ( ⼀稀1, ..., ⼀洀ⰀⰀ) de E*
,·éri昀椀ant <㬀㸀, (ej)= ô;i· pour tout i.j E {1.....n}. Que vaut 樀稀(x)? n• est dite la base duale de B.
(b) 䨀尀lontrer que pour toute base B* = ( 昀ꌀ 1 , .... ⼀稀,,) de E' . il existe une unique base B = ( e1 ..... en) de E
,·éri昀椀ant 9 1 (e1 )= 6;1 • pour tout i.j E {1. .... n}. Best dite la base antéduale ou préduale de B.
(c) Dualité en dimension in昀椀nie : Soit E = 伀䌀[X]. soit B = (Xk ) kEN la base canonique. Soit
B' = (℀,k ) kEN , avec<:•; la 昀漀rme linéaire sur E dé昀椀nit par 昀ꌀ; (Xi ) = Ôij·
i. B' 倀ⴀ琀椀t-elle une base J.c E•7
ii. La base B admet-elle un ,,. bPsc duaie? Conclure
35. Multiplicateurs de Lagrange : :,·);� i.' c:n J{ -espace ,·ectoriel de dimension 昀椀nie, ⼀稀 une 昀漀rme linéaire
sur E. 㰀⼀) 1, ... , 90 des 昀漀rmes linéaires su? 䔀Ⰰ'. 㨀尀lontrer que les propositions suivantes sont équi\'alentes :

(a) 搀㸀 E Vect(昀稀 1 ..... ⼀ꔀⰀⰀ ).

(b) iri"K er(⼀稀;) C Ker(⼀稀).

t=l

36. O r thogonalité au sens de la dualité

Soit E un 伀䌀-espace \'ectoriel de dimenion 昀椀nie n � 1, si F un sous-espace de E et G un sous-espace du
dual E·. on dé昀椀nit alor琀椀

• F
0
= {⼀稀 E E· / V x E F, ⼀稀(x) = (⼀稀.x) = O}, dit l'orthogonal de Fau sens de la dualité .
G = {x E E /V℀稀 E G, ⼀稀 (x) = (⼀稀, x) = O}, dit aussi l'orthogonal de G au sens de la dualité.
0
•

(a) Montrer que F est un sous-espace de E" et Gest un sous-espace de E.

0 O

(b) 䨀尀lontrer que dim F + dim F = dim G + din/ G = dim E. En déduire qu'un espace est nulle si et
0

seulement si son orthogonal est l'espace tout entier.

37. Polynôme d'interpolation 㰀氀'Hermite
Soitn ✀怀 1. On se donne ao, a1, ..., a n E 䤀刀 des réels deux à deux distincts.

Pour tout k E {O, 1, ...,n}, On dé昀椀nit les 昀漀rmes linéaires ⼀稀 k : { p��)樀餀] 倀嘀! )
(a) Montrer que la 昀愀mille C =(⼀稀0 , . . ., 琀堀ⰀⰀ , ⼀娀0 . ..., ⼀欀ⰀⰀ)est une base de l'espace dual (䤀刀 2n+1 [X])* de 䨀刀2ⰀⰀ +l [X].
(b) Soi�/: 䤀刀ⴀ堀 䤀刀 une 昀漀nction dérivable sur 䤀刀, montrer qu'il existe un unique polynôme H de 䨀刀2,,+l [X]
vén昀椀ant:
琀嘀 k E {0, 1, ...,n}; H(ak) = f(ak) et H' (ak)= J'(ak)

Scanné avec CamScanner

 (c) Pour tout k E {O, 1, ... , n}, on dé昀椀nit le polynôme

On note B =(Po, ... , Pn , Qo, ... , Qn) la base de 䤀刀2n +1 [X] préduale de C = (⼀稀o , ... , ⼀稀n, ㄀倀o, ..., ㄀倀n).
2
i. Pour tout k E {O, 1, ... , n}, justi昀椀er que Pk et Qk sont divisibles par (L k ) . Quel est le degré du
quotient?
ii. Déterminer Pk et Qk en fonction de (L k)2 , ak et dk = L� (ak).
iii. Donner la décompostion du polynôme H dé昀椀nit à la question (b), dans la base B. H est dit le
polynôme d'interpolation 㰀氀'Hermite de f pour le support ao, ..., an,

Scanné avec CamScanner

Powered by TCPDF (www.tcpdf.org)