Académique Documents
Professionnel Documents
Culture Documents
Exercice 1
1. Pour tous x, y , z ∈ R, montrer l’inégalité |x + 4y + 8z| ≤ 9 x2 + y 2 + z 2 .
p
Solution
1) C’est l’inégalité de Cauchy-Schwarz appliquée avec le produit scalaire usuel sur R3.
1 x 1 x p
|x + 4y + 8z| = h 4 , y i ≤ 4 y =9 x2 + y 2 + z 2 .
8 z 8 z
z 8
Exercice 2
0 1 1
On considère la matrice A = 1 0 1 ∈ M3 (R).
1 1 0
1. Calculer le rang de A.
2. La matrice A est-elle diagonalisable sur R ? Justifier.
3. Calculer le polynôme caractéristique de A.
4. Calculer les valeurs propres de A.
5. Déterminer une base de chaque sous-espace propre de A.
6. Donner une base de R3 orthonormée pour le produit scalaire usuel dans laquelle A est
diagonale.
Solution
1) Par un calcul direct, on trouve det(A) = 2. La matrice A est de déterminant non nul donc
inversible et de rang égal à sa dimension, ici 3. On pouvait aussi appliquer l’algorithme de
Gauss qui donne 3 pivots.
2) La matrice A est symétrique, c’est-à-dire égale à sa transposée, donc diagonalisable sur R
par un théorème du cours.
1
3) Par développement relativement à la première colonne,
X −1 −1
det −1 X −1 = X(X 2 −1)+(−X−1)−(1+X) = (X+1)(X 2 −X−2) = (X+1)(X+1)(X−2)
−1 −1 X
ou encore X 3 − 3X − 2.
4) Les valeurs propres valent −1 et 2.
5) La résolution du système
Av = 2v montre que tout vecteur propre associé à la valeur propre
2 est proportionnel à 1.
1
1
1
ker(A − 2id) = vect 1 .
1
Pour la valeur propre −1, on obtient l’équation x + y + z = 0 après mise sous forme échelonnée
de la matrice A + id.
x
ker(A + id) = y x+y+z =0 .
z
Ce sous-espace propre est de dimension 2, un système d’équations paramétriques est donné par
x = −λ1 −λ2 x −1 −1
y = λ1 , y = λ1 1 + λ2 0 .
z = λ2 z 0 1
−1 −1
ker(A + id) = vect 1 , 0 .
0 1
Posons
−1 −1 1
v1 = 1 , v2 = 0 , v3 = 1 .
0 1 1
6) Pour obtenir une base orthonormée (e1 , e2, e3 ) de vecteurs propres, on commence par appli-
quer le procédé d’orthonormalisation de Gram-Schmidt
à la base (v1 , v2 ) de ker(A + id).
−1
Normalisons le premier vecteur : e1 = v1
kv1 k
= √1
2
1 .
0
On calcule ensuite
−1/2
hv1 , v2 i
v2 − v1 = −1/2
kv1 k2
1
−1
et on normalise pour obtenir le second vecteur de la base recherchée : e2 = √16 −1 .
2
1
Il ne reste plus qu’à normaliser un vecteur associé à la valeur propre 2 : e3 = 3 1 .
√1
2
Exercice 3
Soit E un R-espace vectoriel de dimension finie n ∈ N∗. Soient q : E → R une forme quadratique
sur E et f : E → E une application linéaire. Notons ϕq la forme polaire de q.
1. Montrer que l’application composée
q◦f : E → R
x 7→ q(f (x))
Solution
1) Pour (x, y) ∈ E × E , notons ψ(x, y) = ϕq (f (x), f (y)). On vérifie que ψ est une forme
bilinéaire symétrique sur E × E , de plus (par définition de la forme polaire)
q(f (x)) = ϕq (f (x), f (x)) = ψ(x, x).
Ainsi, q ◦ f est une forme quadratique sur E et, par unicité, ψ est sa forme polaire.
Attention à ne pas confondre forme bilinéaire symétrique et forme quadratique. La première
est une fonction de deux variables, la seconde d’une seule variable.
2)a. Les coordonnées de f (x) dans la base B sont les coefficients du vecteur AX .
2)b. Le réel q(f (x)) vaut t (AX)B(AX). Rappelons que si B est la matrice d’une forme
quadratique dans une base donnée, alors q(x) = t XBX , avec X le vecteur coordonnées de x
dans cette base.
2)c. Pour x ∈ E , q(f (x)) = t(AX)B(AX) = t X(tABA)X , donc la matrice de q ◦ f relative à
B est t ABA.
3
3) Avec les notations de l’énoncé, ici B est la base canonique de R2 ,
2 2 1 2 0 0
A = matB (f ) = , B = matB (q) = , BA = .
−1 −1 2 4 0 0
Ainsi
t 0 0
matB (q ◦ f ) = ABA = .
0 0
La signature de q ◦ f est donc égale à (0, 0). Le calcul précédent montre que le vecteur −12
est dans le noyau de B , donc 0 est valeur propre de B . Sachant que la trace de B est la somme
de ses valeurs propres, 5 est l’autre valeur propre de B , donc la signature de q est (1, 0). On
peut aussi remarquer qu’une décomposition de q en carrés de formes linéaires indépendantes
est donnée par
q(x1 , x2 ) = x21 + 4x1 x2 + 4x22 = (x1 + 2x2 )2 .
Exercice 4
Soient (E, h·, ·i) un espace euclidien et p : E → E une application linéaire satisfaisant
p ◦ p = p.
Pour x, y ∈ E , on définit
hx, yin = hp(x), p(y)i + hx − p(x), y − p(y)i.
On admet que l’application h·, ·in : E × E → R est une forme bilinéaire symétrique.
1. Montrer que h·, ·in : E × E → R est un produit scalaire.
2. L’endomorphisme p est-il auto-adjoint pour h·, ·in ? Justifier.
3. Supposons dans cette question que p est auto-adjoint pour h·, ·i, comparer alors hx, yin et
hx, yi pour x, y ∈ E .
4. Donner une condition nécessaire et suffisante sur p pour que les deux produits scalaires
h·, ·in et h·, ·i coïncident sur E × E .
Solution
1) Comme il est admis que h·, ·in est une forme bilinéaire symétrique, il reste seulement à vérifier
que sa forme quadratique associée est définie positive.
Comme h·, ·i est un produit scalaire, alors pour tout x ∈ E ,
hx, xin = hp(x), p(x)i + hx − p(x), x − p(x)i = kp(x)k2 + kx − p(x)k2 ≥ 0,
où k.k est la norme associée au produit scalaire h., .i. Pour la définie positivité, considérons
x ∈ E tel que hx, xin = 0. Alors (d’après ce qui précède)
En conséquence, on a (en substituant par ce qui précède le dernier terme de la première égalité
ci-dessous) :
hx − p(x), y − p(y)i = hx, yi − hp(x), yi − hx, p(y)i + hp(x), p(y)i
= hx, yi − hp(x), yi − hx, p(y)i + hx, p(y)i
= hx, yi − hp(x), yi.
4) Les deux produits scalaires coïncident si et seulement si p est auto-adjoint pour le produit
scalaire h., .i, c’est-à-dire si et seulement si p est une projection orthogonale relativement à ce
produit scalaire. Il est important de justifier cette assertion. D’après la question 2), p est
auto-adjoint pour h·, ·in ; donc si h·, ·in et h·, ·i coïncident, alors p est aussi auto-adjoint pour
h·, ·i. La réciproque a été prouvée dans la question 3).