Académique Documents
Professionnel Documents
Culture Documents
Série 9 (Corrigé)
1
b) Soit φ : R4 → R3 une application linéaire. Si v1 , v2 , v3 , v4 ∈ R4 sont linéairement indé-
pendants dans R4 , est-ce que leurs images φ(v1 ), φ(v2 ), φ(v3 ), φ(v4 ) sont linéairement
indépendantes ?
⃝ Non si l’un des vecteurs est dans Ker(φ), mais oui sinon.
⃝ Oui, toujours.
⃝ Non, jamais.
Sol.:
⃝ Non si l’un des vecteurs est dans Ker(φ), mais oui sinon.
⃝ Oui, toujours.
Non, jamais.
Exercice 2
b) Soit n ≥ 1 un entier. Considérons Mn×n (C) comme espace vectoriel sur le corps R et
notons-le V .
i) Calculer dim(V ).
ii) Soit H1 ⊆ Mn×n (C) l’ensemble des matrices hermitiennes. Est-ce que H1 est un
C-sous-espace vectoriel de V ? Si oui, calculer dim(H1 ).
iii) Soit H1 ⊆ Mn×n (C) l’ensemble des matrices hermitiennes. Est-ce que H1 est un
R-sous-espace vectoriel de V ? Si oui, calculer dim(H1 ).
iv) Soit H2 ⊆ Mn×n (C) l’ensemble des matrices anti-hermitiennes. Est-ce que H2
est un R-sous-espace vectoriel de V ? Si oui, calculer dim(H2 ).
Sol.:
a) i) Soit A ∈ Mn×n (R), avec pour éléments aij , i, j = 1, . . . , n. On définit les matrices
Eij ∈ Mn×n (R), i, j = 1, . . . , n par
j
↓
0 ··· ··· 0
...
Eij =
... ∈ Mn×n (R).
1
i →
0 ··· ··· 0
2
On voit que A = ni,j=1 aij Eij , c-à-d, l’ensemble {Eij : i, j = 1, . . . , n} engendre
P
Mn×n (R).
Soient αij ∈ R, i, j = 1, . . . , n t.q. ni,j=1 αij Eij = 0 ∈ Mn×n (R). Alors,
P
α11 α12 · · · α1n 0 0 ··· 0
. .. .. ..
. = .. .. .. ..
. . . . . . . . ⇒ αij = 0, i, j = 1, . . . , n,
αn1 αn2 · · · αnn 0 0 ··· 0
c-à-d, {Eij : i, j = 1, . . . , n} est une base pour Mn×n (R) ⇒ dim(Mn×n (R)) = n2 .
ii) D’abord on montre que S1 est un sous-espace vectoriel de Mn×n (R). La matrice
nulle est une matrice symétrique, donc S1 ̸= ∅. Soient A, B ∈ S1 et α ∈ R.
Comme
(A + B)T = AT + B T = A + B ⇒ A + B ∈ S1 ,
(αA)T = αAT = αA ⇒ αA ∈ S1 ,
c-à-d, n(n+1)
2
matrices Sij , 1 ≤ i ≤ j ≤ n. Soit A ∈ S1 avec pour éléments
aij = aji , i, j = 1, . . . , n. On obtient que
n
X X
A= aij Eij = aij Sij .
i,j=1 i≤j
Alors, l’ensemble des matrices Sij engendre S1 . De même que pour i), on montre
que les Sij sont linéairement indépendantes. Alors, dim(S1 ) = n(n+1)
2
.
iii) Soient A, B ∈ S2 et α ∈ R. La matrice nulle est dans S2 . Puisque
(A + B)T = AT + B T = −(A + B) ⇒ A + B ∈ S2 ,
(αA)T = αAT = −αA ⇒ αA ∈ S2 ,
Tr(0) = 0 ⇒ 0 ∈ T,
n
X n
X n
X
Tr(A + B) = (A + B)ii = aii + bii = 0 ⇒ A + B ∈ T,
i=1 i=1 i=1
Xn n
X
Tr(αA) = (αA)ii = α aii = 0 ⇒ αA ∈ T,
i=1 i=1
3
T est un sous-espace vectoriel de Mn×n (R).
Soit A ∈ T . Alors, comme a11 = −(a22 + · · · + ann ), on obtient
n
X n
X X
A= aij Eij = aii Eii + aij Eij
i,j=1 i=1 i̸=j
X
= a22 (−E11 + E22 ) + · · · + ann (−E11 + Enn ) + aij Eij .
i̸=j
on a
α11 + iβ11 α12 + iβ12 · · · α1n + iβ1n 0 0 ··· 0
.. .. .. .. = ..
.. .. ..
. . . . . . . .,
αn1 + iβn1 αn2 + iβn2 · · · αnn + iβnn 0 0 ··· 0
⇒ αij = βij = 0, i, j = 1, . . . , n.
Alors, dim(V ) = 2n2 .
ii) Soient A, B ∈ H1 et α ∈ R. Comme
0H = 0 ⇒ 0 ∈ H1 ,
(A + B)H = AH + B H = A + B ⇒ A + B ∈ H1 ,
(αA)H = ᾱAH = αA ⇒ αA ∈ H1 ,
4
Exercice 3
Lesquelles des applications suivantes sont linéaires ? Sauf indication contraire, montrer la
linéarité sur le corps R.
1. C → C, z 7→ z.
2. C → C, z 7→ z, sur le corps C.
Z1
2
0
3. C ((−2, 2)) → R, f 7→ f (0) + f (x) ex dx.
−1
0 0
4. C ((0, ∞)) → C ((0, ∞)), f 7→ x 7→ x f (1/x) .
f (0)+ π
2
Z
5. C 0 (R/2πZ) → R, f 7→ f (2x) dx.
f (0)− π
2
6. (⋆⋆) R4 [x] → R4 [x], p 7→ p′ .
7. (⋆⋆) R3 [x] → R5 [x], p 7→ (2 − 3x + x2 )p.
8. F22 → F22 , (x, y) 7→ (x + y, x2 + y 2 ).
Z3
0
9. C ([0, 3]) → R, f 7→ 37f (1) + 58 f (x) dx.
2
(⋆⋆) Pour les applications 6 et 7, calculer une base de l’image et du noyau, et dire si les
applications sont injectives ou surjectives.
Notation : Pour I ⊆ R, on dénote l’espace vectoriel des fonctions réelles continues sur I
par C 0 (I). Par ailleurs, C 0 (R/2πZ) désigne l’espace vectoriel des fonctions sur R qui sont
2π-périodiques.
Sol.: Mises à part 2 et 8, les applications ci-dessus sont toutes linéaires sur le corps R.
On note h chacune de ces applications.
1. L’application h est linéaire car on a, pour λ ∈ R (λ = λ),
λh(x + iy) = λ(x + iy) = λ(x + iy) = h(λ(x + iy)).
Par ailleurs, pour a, b ∈ C,
h(a) + h(b) = a + b = a + b = h(a + b).
2. L’application n’est pas linéaire car
ih(i) = ii = −i2 = 1 ̸= −1 = h(i2 ) .
3. Pour f, g ∈ C 0 ((−2, 2)) et λ, µ ∈ R on a
Z1 2
h(λf + µg) = λf + µg (0) + λf + µg (x) ex dx
−1
Z1 2
= λf (0) + µg(0) + λf (x) + µg(x) ex dx
−1
Z1 Z1
x2 x2
= λf (0) + f (x) e dx + µg(0) + g(x) e dx = λh(f ) + µh(g)
−1 −1
5
4. Pour f, g ∈ C 0 ((0, ∞)) et λ, µ ∈ R on a
h(λf + µg) = x 7→ x λf + µg (1/x) = x 7→ xλf (1/x) + xµg(1/x)
= x 7→ λ xf (1/x) + x 7→ µ xg(1/x) = λh(f ) + µh(g)
Pour f, g ∈ C 0 (R/2πZ) et λ, µ ∈ R on a
λf +µg (0)+ π2
Z Zπ Zπ
h(λf + µg) = λf + µg (2x) dx = λ f (2x) dx + µ g(2x) dx
0 0
λf +µg (0)− π2
f (0)+ π2 g(0)+ π2
Z Z
=λ f (2x) dx + µ g(2x) dx = λh(f ) + µh(g)
f (0)− π2 g(0)− π2
donc h est linéaire. Le noyau contient tous les polynômes p tels que h(p) = p′ = 0,
c’est-à-dire les polynômes de degré 0. Une base du noyau est par exemple l’ensemble
{1}. L’image contient tous les polynômes p pour lesquels il existe un polynôme q de
degré ≤ 4 t.q. h(q) = q ′ = p, et donc l’image est donnée par tous les polynômes de
degré ≤ 3. Une base de l’image est l’ensemble {1, x, x2 , x3 }. L’application n’est ni
injective ni surjective.
7. Pour f, g ∈ R3 [x] et λ, µ ∈ R on a
donc h est linéaire. Le noyau contient tous les polynômes p tels que h(p) = 0, c’est-à-
dire seulement le polynôme p = 0, et donc le noyau est de dimension zéro et l’ensemble
vide ∅ en forme une base. L’image contient tous les polynômes p pour lesquels il existe
un polynôme q de degré ≤ 3 tel que h(q) = p, et donc une base de l’image est donnée
par {(2 − 3x + x2 ), (2 − 3x + x2 )x, (2 − 3x + x2 )x2 , (2 − 3x + x2 )x3 }. L’application est
injective mais elle n’est pas surjective.
8. L’application n’est pas linéaire sur R (F2 n’est pas un R-espace vectoriel).
6
9. L’application est linéaire. Soient λ, µ ∈ R et f, g ∈ C 0 ([0, 3]). Alors, en tenant compte
du fait que l’intégration est linéaire, on obtient
Z3
h(λf + µg) = 37(λf + µg)(1) + 58 (λf + µg)(x) dx
2
Z3
= 37(λf (1) + µg(1)) + 58 (λf (x) + µg(x)) dx
2
Z3 Z3
Exercice 4
Soit V un espace vectoriel de dimension finie. L’application linéaire P : V → V est une
projection si P 2 = P . Montrer que :
i) V = Ker (P ) ⊕ Im (P ).
ii) Pour deux sous-espaces vectoriels W1 , W2 ⊆ V tels que V = W1 ⊕ W2 , il existe
exactement une projection P : V → V telle que Ker (P ) = W1 et Im (P ) = W2 .
Sol.:
i) Soient W1 := Ker (P ) et W2 := Im (P ).
(a) On montre que V = W1 +W2 . Soit v ∈ V , alors v = (v −P (v))+P (v). Il est clair
que P (v) ∈ W2 . De plus P (v − P (v)) = P (v) − P 2 (v) = P (v) − P (v) = 0 et donc
v − P (v) ∈ W1 . Il s’ensuit que v ∈ W1 + W2 . On a montré que V ⊆ W1 + W2 et
W1 + W2 ⊆ V découle de la définition d’espace vectoriel. Donc, V = W1 + W2 .
(b) On montre que W1 ∩ W2 = {0}. Soit v ∈ W1 ∩ W2 . Comme v est dans W2 =
Im (P ), alors il existe w ∈ V tel que P (w) = v. En appliquant P on obtient
P 2 (w) = P (w) = P (v). Mais comme on a aussi que v ∈ W1 = Ker (P ), alors
0 = P (v) = P (w) = v. On a montré la somme directe.
ii) Soient W1 , W2 ⊆ V deux sous-espaces vectoriels de V t.q. V = W1 ⊕ W2 .
(a) Existence de P : soient {u1 , ..., uk } une base de W1 et {v1 , ..., vl } une base de
W2 . Alors, {u1 , ..., uk , v1 , ..., vl } est une base de V . On définit P (ui ) = 0 pour
i = 1, ..., k et P (vj ) = vj pour j = 1, ..., l. Ainsi, l’application P est définie pour
tout élément de la base, par linéarité on étend la définition à tout élément de
l’espace.
7
donc P (v) = P ′ (v) pour tout élément v ∈ W2 . Comme P, P ′ sont linéaires et
W1 ⊕ W2 = V , on a P (v) = P ′ (v) pour tout élément v de V .
Exercice 5
On considère les trois applications linéaires FA : R3 → R3 , FB : R2 → R3 , FC : R3 → R3
définies, pour D ∈ {A, B, C}, comme FD : x 7→ Dx, où
2 2 1 1 2 4 2 4
A = 2 3 2 ,
B = 3 4 , C = 4 2 5 .
4 2 2 1 3 6 3 3
1. Déterminer pour les applications linéaires FA , FB , FC si elles sont surjectives, injec-
tives, bijectives.
2. Calculer une base de leur noyau et de leur image.
Sol.:
1. Pour déterminer si les applications linéaires sont surjectives, injectives ou bijectives,
nous calculons la forme échelonnée de chaque matrice.
2 2 1 2 2 1 2 2 1
2 3 2 ; 0 1 1 ; 0 1 1 .
A=
4 2 2 0 −2 0 0 0 2
L’application linéaire FA : R3 → R3 est surjective, puisque rang(A) = dim(R3 ) = 3,
et est injective car tous les vecteurs colonnes de A sont linéairement indépendants.
Puisque FA est surjective et injective, FA est bijective.
1 2 1 2 1 2
B = 3 4 ; 0 −2 ; 0 −2 .
1 3 0 1 0 0
L’application linéaire FB : R2 → R3 est injective car tous les vecteurs colonnes de B
sont linéairement indépendants. Mais elle n’est pas surjective puisque rang(B) = 2 <
3 = dim (R3 ). Donc FB n’est pas bijective.
4 2 4 4 2 4 4 2 4
C = 4 2 5 ; 0 0 1 ; 0 0 1 .
6 3 3 0 0 −3 0 0 0
L’application linéaire FC : R3 → R3 n’est ni surjective ni injective, car rang(C) =
2 < 3 = dim(R3 ), et C a seulement 2 vecteurs colonnes qui sont linéairement indé-
pendants. Donc FC n’est pas bijective.
2. Les applications FA et FB sont injectives, donc Ker (FA ) = Ker (FB ) = {0}, et par
conséquent leur noyau est de dimension 0 et l’ensemble vide ∅ en est une base. Les
vecteurs colonnes de A et B constituent une base de l’image de FA et FB , respecti-
vement, puisqu’ils sont linéairement indépendants. Ainsi, une base de l’image de FA
est
2
2 1
Im(FA ) : 2 , 3 , 2 .
4 2
2
8
Comme FA est surjective, on peut aussi considérer la base canonique de R3 . Une base
de l’image de FB est
1
2
Im(FB ) : 3 , 4 .
1
3
La matrice C a seulement deux vecteurs colonnes qui sont linéairement indépendants,
par exemple les vecteurs colonnes 1 et 3. Ils forment une base de l’image de FC .
4
4
Im(FC ) : 4 , 5 .
6
3
Pour calculer une base du noyau de FC , nous résolvons Cx = 0. Puisque la solution
de Cx = 0 ne change pas si nous faisons des opérations sur les lignes de C, nous
prenons la forme échelonnée de la matrice C. Nous devons donc résoudre le système
linéaire (
4x1 + 2x2 + 4x3 = 0,
x3 = 0.
L’une des variables x1 ou x2 peut être choisie librement, par exemple x2 , et donc
x1 = −x2 /2, x3 = 0. Une base du noyau de FC est donnée par
−1/2
Ker (FC ) :
1 .
0
Exercice 6 !
2 p(0)
Soit la transformation T : R2 [t] → R définie par T (p) = .
p′ (0)
i) Vérifier que T est linéaire.
ii) Trouver une base de Ker(T ).
iii) Trouver une base de Im(T ).
Sol.:
i) Pour tous p1 , p2 , p ∈ R2 [t] et c ∈ R, on a :
! ! !
p1 (0) + p2 (0) p1 (0) p2 (0)
T (p1 + p2 ) = = + = T (p1 ) + T (p2 ).
p′1 (0) + p′2 (0) p′1 (0) p′2 (0)
! !
cp(0) p(0)
T (cp) = =c = cT (p).
cp′ (0) p′ (0)
!
p(0)
ii) T (p) = 0 ⇔ = 0 ⇔ p(0) = 0 et p′ (0) = 0. Considérons un polynôme
p′ (0)
p ∈ R2 [t] de la forme p(t) = c2 t2 + c1 t + c0 . Donc, p′ (t) = 2c2 t + c1 . On a p(0) = 0 ⇔
c0 = 0 ⇔ p(t) = c2 t2 + c1 t. De plus, p′ (0) = 0 ⇔ c1 = 0 ⇔ p(t) = c2 t2 .
Ainsi, une base de Ker(T ) est {t2 }.
9
iii) Soit p ∈ R2 [t] de la forme! p(t) = c2!t2 + c1 t + c0!. L’image Im
! T est l’ensemble des
p(0) c0 1 0
vecteurs T (p) = = = c0 + c1 . Ainsi, Im(T ) = R2
p′ (0) c1 0 1
( ! !)
1 0
(l’application est surjective) et une base de Im(T ) est l’ensemble , .
0 1
Exercice 7
Soient K un corps et n ≥ 1 un entier. Soit Tr : Mn×n (K) → K l’application trace.
i) Montrer que Tr est une application linéaire.
ii) Montrer que Tr(AB) = Tr(BA) pour toutes matrices A, B ∈ Mn×n (K).
iii) Montrer que Tr(S −1 AS) = Tr(A) pour A, S ∈ Mn×n (K) et S une matrice inversible.
Sol.:
i) Soient A, B ∈ Mn×n (K) et λ, µ ∈ K. Alors
n P
Tr(λA + µB) = i=1 (λA + µB)
P n Piin
= λ i=1 aii + µ i=1 bii
= λTr(A) + µTr(B).
Cela montre que Tr est une application linéaire.
ii) Par définition, (AB)ij = nk=1 aik bkj et donc
P
n
X n X
X n
Tr(AB) = (AB)ii = aik bki .
i=1 i=1 k=1
Comme les indices de sommation sont toujours des indices muets (c-à-d que l’on peut
les désigner par les symboles de notre choix), on a
n X
X n n X
X n
arp bpr = aik bki .
r=1 p=1 i=1 k=1
10
le noyau de l’application linéaire F : Mn×n (R) → Mn×n (R) définie comme
F : X 7→ AX − XA.
Sol.: On note
x11 x12 . . . x1n
x21 x22 . . . x2n
.. .. ..
X= ... ,
. . .
xn1 xn2 . . . xnn
et on cherche les n2 coefficients x11 , . . . , xnn ∈ R t.q. X ∈ Ker(F ). On calcule les multipli-
cations matricielles
x21 x22 . . . x2n 0 x11 x12 . . . x1,n−1
. .. . . ..
.. . . . 0 x21 x22 . . . x2,n−1
.. .. .. ..
AX =
, XA = .. ,
xn1 xn2 . . . xnn
. . . . .
0 0 0 0 0 xn1 xn2 . . . xn,n−1
Ainsi, si l’on connaît xi−1,j−1 , l’entrée xi,j suit. Avec ces conditions, cependant, il existe des
entrées de X qui sont libres : ce sont par exemple les entrées x11 , x12 , . . . , x1n . Le noyau a
donc pour dimension n et on a
a1 a2 . . . an
.. ..
. .
0
a1
Ker (F ) = . : a1 , a2 , . . . , an ∈ R .
. .. ..
. . . a2
0 . . . 0 a1
11
matrice A = diag(1/2, 1/3, 1/4), ainsi que de la matrice générée par hilb(4)/2. Proposer
une modification de la méthode qui permette de calculer une racine carrée de
3 1 1
A = 1 3 1
.
1 1 3
Sol.: Pour les matrices A = diag(1/2, 1/3, 1/4) et A = hilb(4)/2 on peut utiliser la
fonction
1 f u n c t i o n X1 = m a t r i x _ s q _ r o o t (A)
2
3 X0 = e y e ( s i z e (A) ) ;
4 f l a g = 1;
5 t o l = 1 e −15;
6 maxit = 1000;
7 i t e r a t i o n = 0;
8
9 while flag
10 i t e r a t i o n = i t e r a t i o n + 1;
11
12 X1 = (X0 + A/X0) / 2 ;
13
14 i f norm (X1−X0)< t o l
15
16 f l a g = 0;
17
18 end
19
20 i f i t e r a t i o n >= m a x i t
21
22 f l a g = 0;
23 warning ( ’No c o n v e r g e n c e : maximum number o f i t e r a t i o n s
reached ’ )
24
25 end
26
27 X0 = X1 ;
28
29 end
30
31 end
La fonction de Matlab sqrtm(A) calcule la racine carrée de A. On peut vérifier l’exactitude
de notre solution en utilisant norm(sqrtm(A) − P ).
Pour la troisième matrice, expérimentalement on voit que on peut pas utiliser la même
fonction. La formule est vraie pour 0 ≤ x ≤ 1. Si la méthode doit être appliquée à x > 1,
12
alors on doit le mettre à l’échelle pour obtenir un nombre dans l’intervalle [0, 1]. Cela nous
donne une motivation de multiplie la matrice A par un scalaire. Si on multiplie A avec
0 < c < 1, par example c√= 0.1, on peut utiliser la fonction donnée. Si B est une racine
de cA, il s’en suit que 1/ cB est une racine de A. L’argument rigoureux pour justifier la
multiplication avec un scalaire nécessite des connaissances sur les valeurs propres.
13