Mathématiques Spéciales.

Math Spé
Compléments d’Algèbre Linéaire : Résumé
Ce chapitre expose les points du programme de deuxième année, mais rappelle également, par
souci de cohérence, quelques notions de base de première année.
Les espaces vectoriels considérés dans ce chapitre sont définis sur un corps K de caractéristique
0.
K désigne un corps de caractéristique nulle, et E est un K-espace vectoriel.
1 Familles libres, familles génératrices, bases
Définition 1 Combinaison linéaire
Soit (xi )i∈I une famille de vecteurs de E. On appelle combinaison linéaire de cette famille tout vecteur
X
de E de la forme :
λi xi , où (λi )i∈I est une famille d’éléments de K à support fini, c’est-à-dire telle
i∈I
que l’ensemble {i ∈ I / λi 6= 0} est une partie finie de I.
Notation 1
On note K(I) l’ensemble des familles d’éléments de K à support fini. K(I) est un sous-espace vectoriel de
K(I) .
Définition 2
• (xi )i∈I , famille de vecteurs de E, est libre si, et seulement si, quelle que soit la famille (λi )i∈I ∈ K(I) ,
X
λi xi = 0E =⇒ (∀i ∈ I, λi = 0).
i∈I
• Les xi , i ∈ I, sont linéairement indépendants si, et seulement si, la famille (xi )i∈I est libre.
• Si une famille n’est pas libre, on dit qu’elle est liée.
Remarque 1
On constate que :
si I est fini, on retrouve les définitions de famille libre et de famille liée vue en première années ;
(xi )i∈I , famille de vecteurs de E de cardinal quelconque, est libre si, et seulement si, toutes ses
sous-familles finies sont libres.
www.edukaty.fr
70 Rue Mademoiselle, 75015 Paris
01 43 48 83 36
[email protected]
1/25
Math Spé
Proposition 1
• Si une famille est libre, toute famille obtenue en permutant ses éléments est libre, le fait qu’une
famille soit libre ne dépend pas de l’ordre de ses éléments.
• Toute famille contenue dans une famille libre est libre.
• Toute famille contenant une famille liée est liée. (C’est la transposée de l’implication précédente).
En particulier, toute famille contenant le vecteur nul est liée.
• Une famille de deux vecteurs est liée si, et seulement si, ces deux vecteurs sont colinéaires.
• Une famille non injective (autrement dit qui contient plusieurs fois le même élément) est liée.
b
Proposition 2
Une famille (xi )i∈I est liée si, et seulement si, l’un au moins des xi est combinaison linéaire des autres.
b
Lemme 1
Soit (xi )i∈I une famille de vecteurs de E. Le sous-espace vectoriel engendré par {xi , i ∈ I}, c’est-à-dire
le plus petit sous-espace de E qui contient cet ensemble, est l’ensemble des combinaisons linéaire de la
famille (xi )i∈I .
Définition 3
Une famille (xi )i∈I de vecteurs de E est une famille génératrice de E si, et seulement si, le sousespace vectoriel Vect({xi , i ∈ I}) est E lui-même, c’est-à-dire si, et seulement si, tout élément de E
est combinaison linéaire de (xi )i∈I .
Définition 4
Soit e = (ei )i∈I une base de E. Pour tout vecteur x de E, il existe une unique famille (xi )i∈I à support
fini d’éléments de K telle que :
x=
X
xi ei .
i∈I
Cette famille est appelée la famille des composantes ou des coordonnées du vecteur x dans la base e.
Exemple 1
• (X n )n∈N est une base de K[X].
• ((δi,j )16i6n )16j6n est une base de Kn .
Les bases de chacun de ces espaces vectoriels sont appelées leurs bases canoniques respectives.
Exemple 2
Pour chaque (i, j) ∈ J1, nK × J1, pK, on note Ei,j la matrice de Mn,p (K) dont tous les coefficients sont
nuls, sauf celui de la ligne i et de la colonne j, qui vaut 1.
La famille (Ei,j )(i,j)∈J1,nK×J1,pK des matrices de Mn,p (K) est une base, dite base canoniques, de cet espace
vectoriel.
www.edukaty.fr
70 Rue Mademoiselle, 75015 Paris
01 43 48 83 36
[email protected]
2/25
Math Spé
Proposition 3
Si dim E = n et si e est dite famille de n vecteurs de E, alors il y a équivalence entre
1. e est une base de E
2. e est une famille libre
3. e est une famille génératrice de
E.
b
Proposition 4
Étant donné deux K-espace vectoriels de E et F est une base (ei )i∈I de E et une famille (fi )i∈I de
vecteurs de F , il existe une application linéaire u et une seule de E dans F , telle que :
∀i ∈ I, u(ei ) = fi .
b
Proposition 5
Soit v = (v1 , v2 , . . . , vp ) une famille donnée de p vecteurs du K-espace vectoriel E. On note ε = (ε1 , . . . , εp )
la base canonique de Kp . Il existe une unique application linéaire u de Kp dans E telle que ∀j ∈
J1, pK, u(εj ) = uj . Cette application vérifie :
∀x = (x1 , . . . , xp ) ∈ Kp , u(x) =
p
X
x i vi ;
i=1
Im u = Vect(v1 , . . . , vp ). u est surjective si, et seulement si, v est génératrice ;
u est injective si, et seulement si, v est libre ;
u est bijective si, et seulement si, v est une base de E.
b
2 Somme et somme directe d’une famille finie de sous-espaces vectoriels
Définition 5
Soit (Ei )i∈J1,nK une famille de sous-espaces vectoriels de E. On appelle somme de ces sous-espaces
n
X
vectoriels on note
Ei , le sous-espace vectoriel engendré par la réunion des Ei :
i=1
n
X
i=1
Ei = Vect(
n
[
Ei ).
i=1
Vocabulaire 1
L’application "somme de sous-espace vectoriels" est justifiée par la caractérisation suivante :
Proposition 6
n
X
Ei est l’ensemble des sommes de vecteurs des Ei autrement dit :
i=1
n
X
i=1
(
Ei =
n
X
i=1
)
xi , où ∀i ∈ J1, nK, x ∈ Ei
.
b
www.edukaty.fr
70 Rue Mademoiselle, 75015 Paris
01 43 48 83 36
[email protected]
3/25
Math Spé
Définition 6
La somme des sous-espaces vectoriels de la famille (Ei )i∈J1,nK est directe si, et seulement si :
∀(x1 , x2 , . . . , xn ) ∈ E1 × · · · × En ,
n
X
i=1
xi = 0E =⇒ (∀i ∈ J1, nK, xi = 0E ).
n
M
Lorsque cette condition est remplie, on note la somme de ces sous-espaces vectoriel :
Ei .
i=1
Proposition 7
La famille (Ei )i∈J1,nK est en somme directe si, et seulement si, tout vecteur x de
n
X
manière unique sous la forme :
x=
Ei se décompose de
i=1
n
X
xi , où (xi )i∈J1,nK ∈ E1 × E2 × · · · × En
i=1
b
Définition 7
Les sous-espaces vectoriels (Ei )i∈J1,nK de E sont supplémentaires si, et seulement si, leur somme est
directe et égale à E.
n
M
Dans ce cas, E =
Ei .
i=1
Proposition 8
Tout sous-espace vectoriel d’un K-espace vectoriel de dimension finie admet un supplémentaire.
b
Exemple 3
Dans l’espace vectoriel K[X], un polynôme P de degré n + 1 étant donné, le sous-espace vectoriel K[X]P ,
constitué des multiples de P , et le sous-espace vectoriel Kn [X] des polynômes de degré inférieur ou égale
à n sont supplémentaires : K[X] = Kn [X] ⊕ K[X]P .
Proposition 9
Les sous-espaces vectoriels (Ei )i∈J1,nK de E sont supplémentaires si, et seulement si :
∀x ∈ E, ∃!(Ei )i∈J1,nK ∈ E1 × E2 × · · · × En tel que x =
n
X
xi .
i=1
b
Proposition 10
n
M
Lorsque E =
Ei , chaque vecteur x de E s’écrit, de manière unique :
i=1
x=
n
X
i=1
xi , où (xi )i∈J1,nK ∈
n
Y
Ei .
i=1
Pour tout i ∈ J1, nK, notons pi l’application de E dans E définie par : pi (x) = xi .
www.edukaty.fr
70 Rue Mademoiselle, 75015 Paris
01 43 48 83 36
[email protected]
b
4/25
Math Spé
∀i ∈ J1, nK, pi est un endomorphisme de E ;
∀i ∈ J1, nK, pi ◦ pi = pi (pi est un projecteur) ;
∀(i, j) ∈ J1, nK2 , (i 6= j =⇒ pi ◦ pj = 0L(E) ) ;
n
X
pi = IdE .
i=1
b
Définition 8
La famille des (pi )i∈J1,nK est la famille des projecteurs de E associée à la décomposition E =
n
M
Ei .
i=1
Proposition 11
n
M
Si E =
Ei alors, pour toute famille ui d’application linéaires de Ei dans un espace vectoriel F , il
i=1
existe une application linéaire unique u de E dans F telle que, pour tout i, ui soit la restriction de u à
Ei .
b
Théorème 1
Soit E un K-espace vectoriel de dimension finie et (Ei )i∈J1,nK une famille de n sous-espaces vectoriels de
E, de base respectives bi , 1 6 i 6 n.
Si la somme des (E)i∈J1,nK est directe, alors b =
n
[
bi est une base de
i=1
Si les Ei , 1 6 i 6 n, sont supplémentaires, alors b =
décomposition E =
n
M
n
[
n
M
Ei .
i=1
bi est une base de Ei , dite base adaptée à la
i=1
Ei .
i=1
Corollaire 1
Sous les mêmes hypothèses, la somme des (E)i∈J1,nK est directe si, et seulement si,
!
n
n
X
X
dim
Ei =
dim Ei .
i=1
i=1
Corollaire 2
Les conditions suivantes sont équivalentes :
1. E =
n
M
Ei .
i=1
2. Les (E)i∈J1,nK sont en somme directe et dim E =
n
X
dim Ei .
i=1
3. E =
n
X
i=1
Ei et dim E =
n
X
dim Ei .
i=1
www.edukaty.fr
70 Rue Mademoiselle, 75015 Paris
01 43 48 83 36
[email protected]
5/25
Math Spé
Corollaire 3
Soient F et G deux sous-espaces vectoriels d’un espace vectoriel de dimension finie E alors
dim(F + G) = dim F + dim G − dim(F ∩ G).
Définition 9
Soit F un sous-espace vectoriel de dimension p du K-espace vectoriel de dimension finie E, une base de
E est adaptée à F lorsque ses premiers vecteurs forment une base de F .
3 Image et noyau d’une application linéaire
Théorème 2
Une application linéaire u de E dans F induit un isomorphisme de tout supplémentaire du noyau de u
dans son image si E 0 est un supplémentaire de ker u dans F la restriction à E 0 et corestriction à Im u est
un isomorphisme.
Théorème-Définition 1 Interpolation de Lagrange
Soit n + 1 éléments fixes, distincts deux à deux, a0 , . . . , an de K.
L’application u de K[X] dans Kn+1 définie par :
u(P ) = (P (a0 ), . . . , P (an ))
est une application linéaire.
Le noyau de u est constitué des constitué des multiples du polynôme N =
n
Y
(X − ai ) : ker u = K[X]N .
i=1
En outre, u un endomorphisme u de Kn [X] sur Kn+1 .
par conséquent, pour chaque (λ1 , . . . , λn ) ∈ Kn+1 donnée il existe un unique polynôme L ∈ K[X] de
degré 6 n tel que ∀i ∈ J0, nK, L(ai ) = λi .
L’ensemble des polynômes P ∈ K[X] tels que (P (a0 ), . . . , P (an )) = (λ0 , . . . , λn ) est 1 + K[X]N .
Définition 10
Pour tout i ∈ J0, nK, on pose :
Y
Li =
(X − aj )
j∈J0,nK, j6=i
Y
(ai − aj )
.
j∈J0,nK, j6=i
Les polynômes (L0 , L1 , . . . , Ln ) sont des polynômes de Lagrange (a0 , a1 , . . . , an ). Ils sont tous de degré
n.
Proposition 12
La famille (L0 , L1 , . . . , Ln ) est une base de Kn [X].
Elle vérifie : pour tout (i, j) de J0, nK2 , Li (aj ) = δij .
(λi )i∈J0,nK ∈ Kn+1 étant donné, l’unique polynôme L de Kn [X] tel que pour tout i de J0, nK, L(ai ) = λi ,
est donné par la formule
b
www.edukaty.fr
70 Rue Mademoiselle, 75015 Paris
01 43 48 83 36
[email protected]
6/25
Math Spé
L=
n
X
λ i Li .
i=1
b
Lemme 2
Étant donné un sous-espace vectoriel E 0 de E et deux sous-espace supplémentaires F1 et F2 de E 0 dans
E, le projecteur de E sur F1 parallèlement à E 0 définit un isomorphisme de F2 sur F1 .
Définition 11 Codimension
Soit E un espace vectoriel. Soit E 0 un sous-espace vectoriel de E.
D’après la proposition précédente, les supplémentaires de E 0 dans E sont deux à deux isomorphes.
On est donc dans une et une seule des deux situations suivantes :
− ou bien aucun supplémentaire de E 0 dans E n’est de dimension finie ;
− ou bien tous les supplémentaires de E 0 dans E sont de dimension finie, et alors ils ont tous la
même dimension.
Dans le second cas, cette dimension commune à tous les supplémentaires est appelée la codimension de
E 0 dans E et notée codimE (E 0 ).
Exemple 4
E lui-même est de codimension nulle.
{0} est de codimension finie si, et seulement si, E est de dimension finie, et lorsque ceci est vérifié,
codimE ({0}) = dim(E).
Soit P est un polynôme de degré n + 1 fixé. K[X]P est un sous-espace de codimension finie de
K[X], et sa dimension est n + 1.
Définition 12
On dit que H est un hyperplan de E lorsque H est un sous-espace vectoriel de codimension 1 de E.
Ainsi, un hyperplan de E est un sous-espace H de E qui admet un sous-espace supplémentaire qui soit une
droite vectorielle (ou, ce qui est équivalent, dont tous les supplémentaires sont des droites vectorielles).
Remarque 2
Cette définition est valable que E soit de dimension finie ou non.
Proposition 13
On suppose que l’espace vectoriel E est de dimension finie. Alors tout sous-espace vectoriel E 0 de E est
de codimension finie, et codimE (E 0 ) 6 dim(E) − dim(E 0 ).
b
Définition 13
Le rang d’une application linéaire est la dimension de son image
dim Im u = rgu
www.edukaty.fr
70 Rue Mademoiselle, 75015 Paris
01 43 48 83 36
[email protected]
7/25
Math Spé
Proposition 14
E étant un K-espace vectoriel de dimension finie dont e = (ei )i∈J1,nK est une base et u étant une application
linéaire de E dans K-espace vectoriel F .
Im u = Vect(u(ei ))i∈J1,nK
et rgu = rg(u(ei ))i∈J1,nK
b
Définition 14 Théorème du rang
Soit E et F deux K-espaces vectoriels, et u une application linéaire de E dans F . Alors u est de rang fini si,
et seulement si, ker u est de codimension finie dans E ; et , lorsque ceci est vérifié, rg(u) = codimE (ker(u)).
Corollaire 4
u étant une application linéaire entre deux espaces vectoriels E et F , on a
1. Si F est de dimension finie, alors ker(u) est de codimension finie et codimE (ker(u)) = rg(u).
2. Si E est de dimension finie, alors u est de rang fini et on a dim E = dim(ker(u)) + rg(u).
Corollaire 5
u étant une application linéaire entre deux espaces vectoriels de dimensions finies, E et F , u est un
isomorphisme de E dans F si, et seulement si, rgu = dim E = dim F .
Corollaire 6
Soient E et F deux espaces vectoriels de dimensions finies et u un élément de L(E, F ). Lorsque :
dim E = dim F , les propriétés suivantes sont équivalentes :
1. u est bijective
2. u est injective
3. u est surjective
Corollaire 7
Soient E, F et G trois espaces vectoriels de dimensions finies, u ∈ L(E, F ) et v ∈ L(F, G) :
• si u est un isomorphisme, alors rg(v ◦ u) = rgv ;
• si v est un isomorphisme, alors rg(v ◦ u) = rgu ;
Ainsi, on ne change pas le rang d’une application linéaire si on la compose avec un isomorphisme.
4 Dualité en dimension finie
Définition 15
Une forme linéaire sur E est une application linéaire de E dans son corps de base K, considéré comme
K-espace vectoriel.
Théorème-Définition 2
Soit E un K-espace vectoriel. L’ensemble L(E, K) des formes linéaires sur E est un sous-espace vectoriel
de l’espace des applications de E dans K. L(E, K) est noté E ∗ et appelé l’espace dual de E.
www.edukaty.fr
70 Rue Mademoiselle, 75015 Paris
01 43 48 83 36
[email protected]
8/25
Math Spé
Proposition 15
Un sous-espace vectoriel H de E est un hyperplan de E si, et seulement si, il est le noyau d’une forme
linéaire non nulle sur E.
b
Proposition 16
Deux formes linéaires non nulles ont le même noyau si, et seulement si, elles sont colinéaires.
b
Proposition 17
Soit n un entier non nul, si E est un espace vectoriel de dimension n, un sous-espace vectoriel H est un
hyperplan de E, si, et seulement si, dim H = n − 1.
b
Théorème 3
Soit n un entier naturel non nul, E un espace vectoriel de dimension n, muni d’une base e = (ei )i∈J1,nJ
et H un sous-espace vectoriel de E.
H est un hyperplan de E si, et seulement si, il existe n scalaire (a1 , a2 , . . . , an ) non tous nuls tels que :
x=
n
X
i=1
n
X
xi ei ∈ H ⇔
n
X
ai xi = 0
i=1
ai xi = 0 est alors une équation de H dans la base e ou une équation cartésienne de H dans e.
i=1
Exemple 5
• Les hyperplans de K2 sont les droites vectorielles. Une sous-espace vectoriel de K2 est une droite
vectorielle si, et seulement si, il admet une équation de la forme : ax+by = 0, où (a, b) ∈ K2 \{(0, 0)}.
• Les hyperplans de K3 sont les plans vectoriels. Un sous-espace vectoriel de K3 est un plan vectoriel
si, et seulement si, il admet une équation de la forme : ax + by + cz = 0, où (a, b, c) ∈ K3 \{(0, 0, 0)}.
Proposition 18
Étant donné un vecteur e non nul d’un espace vectoriel E de dimension finie n, il existe une forme linéaire
ϕ sur E telle que ϕ(e) = 1.
b
Corollaire 8
Le vecteur nul est le vecteur de E sur lequel toute forme linéaire s’annule.
Théorème-Définition 3 Base duale
Soit E un espace vectoriel de dimension n.
Soit B = (e1 , e2 , . . . , en ) une base de E. Alors, pour chaque vecteur x de E, il existe un unique
n
X
n
(ϕ1 (x), . . . , ϕn (x)) ∈ K tel que x =
ϕi (x)ei .
i=1
ϕ1 , . . . , ϕn sont n formes linéaires, dites formes linéaires coordonnées associée à B. (ϕ1 , . . . , ϕn ) est une
base B ∗ de E ∗ , appelée base duale de B. La dimension de E ∗ est égale à n.
Dans ces conditions, B et B ∗ vérifient les relations d’orthogonalisation de Kronecker : ϕi (ej ) = δi,j où
δi,j = 1 si j = i et δi,j = 0. Sinon.
www.edukaty.fr
70 Rue Mademoiselle, 75015 Paris
01 43 48 83 36
[email protected]
9/25
Math Spé
Notation 2
On note souvent (e∗1 , . . . , e∗n ) la base duale de (e1 , . . . , en ).
Proposition 19
Soit E un espace vectoriel de dimension n. Étant donné une base L de E ∗ , il existe une unique base B
de E telle que L = B ∗ . On l’appelle la base anté-duale de L.
b
Proposition 20
Soit E un espace vectoriel de dimension n. Si F est un sous-espace vectoriel de dimension p de E,
l’ensemble des formes linéaires s’annulant sur F est un sous-espace vectoriel de E ∗ de dimension n − p.
b
Proposition 21
Soit E un espace vectoriel de dimension n. Si Φ = (ϕ1 , ϕ1 , . . . , ϕq ) est une famille libre de forme linéaires
sur E, l’intersection des noyau respectifs Hi des formes linéaires ϕi est un sous-espace vectoriel F de
dimension n − q de E. Toute forme linéaire s’annulant sur F est combinaison linéaire de (ϕ1 , ϕ1 , . . . , ϕq ).
b
5 Trace d’un endomorphisme
Définition 16
Soit A = (ai,j )(i,j)∈J1,nK2 ∈ Mn (K). On appelle trace de A, et on note Tr(A), le scalaire
Tr(A) =
n
X
ai,i .
i=1
Proposition 22 Propriétés de la trace d’une matrice
• L’application "trace" est une forme linéaire sur Mn (K).
• ∀(A, B) ∈ (Mn (K))2 , Tr(AB) = Tr(BA).
• ∀M ∈ Mn (K), ∀P ∈ GLn (K), Tr(P −1 M P ) = Tr(M ) (deux matrices semblables ont la même
trace).
b
Proposition 23 Trace d’un endomorphisme en dimension finie
Soit u un endomorphisme de l’espace vectoriel de dimension finie E, la trace d’une matrice représentant
u est indépendante de la base de référence.
Cette valeur commune est la trace de l’endomorphisme u.
b
Proposition 24 Trace d’un projecteur
La trace d’un projecteur est égale à son rang.
www.edukaty.fr
70 Rue Mademoiselle, 75015 Paris
01 43 48 83 36
[email protected]
b
10/25
Math Spé
6 Calcul matriciel et systèmes d’équations linéaires
Changement de bases
Définition 17
Soit E un K-espace vectoriel de dimension n > 1, muni de deux base e = (e1 , . . . , en ) et e0 = (e01 , . . . , e0n ).
La matrice de passage de la base e à la base e0 est la matrice carrée P = (pi,j )16i,j6n définie par :
n
X
∀j ∈ J1, nK, e0j =
pi,j ei , c’est-à-dire : la j ième colonne de P est formée par les coordonnées du j ième
i=1
de la base e0 dans e. On la note P (e →, e0 ).
Proposition 25
La matrice de passage de la base e à la base e0 est inversible. Son inverse est la matrice de passage dans
la base e0 à la base e.
b
Proposition 26 Formule de changement de
 
 base
 pour un vecteur
x01
x1




n
n
 x02 
 x2 
X
X
 
 
0
0 0
Si x =
xi ei =
xi ei et si on note X =  .  sa matrice-colonne en base e et X =  .  sa
 .. 
 .. 
i=1
i=1
 
 
x0n
xn
0
matrice colonne en base e , alors :
X = P (e → e0 )X 0
b
Proposition 27 Formule de changement de base pour la matrice d’une application linéaire
Soit E un K-espace vectoriel muni de deux bases e et e0 et P (e → e0 ) la matrice de passage de e à e0 .
Soit F un K-espace vectoriel muni de deux bases f et f 0 et P (f → f 0 ) la matrice de passage de f à f 0 .
Soit u une application linéaire de E dans F . Alors :
M at(u; e0 , f 0 ) = [P (f → f 0 )]−1 M at(u; e, f )P (e → e0 ).
b
Corollaire 9
Si E = F et u est un endomorphisme de E, on a :
M at(u; e0 ) = [P (e → e0 )]−1 M at(u; e)P (e → e0 ).
Équivalence des matrices
Définition 18 Matrices équivalentes
Deux matrices A et B de Mn,p (K) sont équivalentes si, et seulement si, il existe P ∈ GLp (K) et Q ∈
GL (K) telles que : B = Q−1 AP .
n
Remarque 3 Matrices équivalentes
La relation ainsi définie est effectivement une relation d’équivalence sur Mn,p (K)
1. Une matrice est équivalente à elle même.
www.edukaty.fr
70 Rue Mademoiselle, 75015 Paris
01 43 48 83 36
[email protected]
11/25
Math Spé
2. Si A et B sont équivalentes, alors B et A sont équivalentes.
3. Si AA et B sont équivalentes et si B et C sont équivalentes alors, alors A et C sont équivalentes.
Proposition 28 Caractérisation géométrique de l’équivalence de deux matrices
Soit A et B deux matrices de Mn,p (K). E et F deux K-espaces vectoriels fixés, de dimension respectives
p et n, A et B sont équivalentes si, et seulement si, il existe u ∈ L(E, F ) et des bases e et e0 de E, f et
f 0 de F telles que A = M at(u; e, f ) et B = M at(u; e0 , f 0 ).
b
Rappel 1
Le rang d’une famille de vecteurs est la dimension du sous-espace vectoriel qu’elle engendre ; le rang
d’une application linéaire est la dimension de son image.
Définition 19 Rang d’une matrice
Le rang d’une matrice de Mn,p (R) est le rang de la famille de ses vecteurs colonnes.
Remarque 4
Si M ∈ Mn,p (K) et r est son rang, on a nécessairement r 6 p et r 6 n..
Proposition 29 Liens entre les rang d’une famille de vecteurs et d’une application linéaire
et ceux de leurs matrices
Étant donné une base e de E, le rang de la famille (u1 , u2 , . . . , up ) de vecteurs de E est égal au rang de
la matrice Me (u1 , u2 , . . . , up ) de cette famille en base e.
Si E et F sont deux K-espaces vectoriels de dimensions respectives p et n, pour toute application linéaire
u de E dans F , le rang de u est égal au rang de M at(u; e, f ), où e est une base de E et e une base de F .
b
Définition 20
Dans Mn,p (K), la matrice canonique de rang r est la matrice Jr =
: J = (αi,j )16i6n,
r
16j6p
où αi,j = 1 si 1 6 i = j 6 r et αi,j
Ir
0n−r,r
= 0 sinon.
0r,p−r
0n−r,p−r
!
, c’est-à-dire
Proposition 30
Une matrice Mn,p (K) est de rang r, si et seulement si, elle est équivalente à Jr .
b
Théorème 4 Caractérisation de l’équivalence des matrices à l’aide du rang
Soit A et B deux matrices éléments de Mn,p (K). A et B son équivalente si, et seulement si, rgA = rgB.
Corollaire 10
Une matrice carrée de Mn (K) est inversible si, et seulement si, son rang est n.
Proposition 31 Invariance du rang par transposition
Si A appartient à Mn,p (K) , le rang de t A est égal au rang de A.
www.edukaty.fr
70 Rue Mademoiselle, 75015 Paris
01 43 48 83 36
[email protected]
b
12/25
Math Spé
Opérations élémentaires sur les lignes et les colonnes d’une matrice
Dans cette sous-section, A désigne une matrice de Mn,p (K).
Définition 21
On appelle opération élémentaires sur les lignes les opérations d’un des trois types suivants :
• addition d’un multiple d’une ligne à une autre ligne, que l’on code : Li ← Li + λLj ;
• multiplication d’une ligne par un scalaire non nul, que l’on code : Li ← αLi ;
• échange de deux lignes , que l’on code : Li ← Lj .
Proposition 32 Interprétation en terme de produit par une matrice inversible
• Li ← Li +λLj correspond à la multiplication à gauche par la matrice inversible Bi,j (λ) = In +λEi,j
(matrice obtenue à partir de la matrice unité en ajoutant λ en position (i, j)).
• Soit α 6= 0, Li ← αLi correspond à la multiplication à gauche par la matrice inversible Di (α) =
In − Ei,i + αEi,i (matrice obtenue à partir de la matrice unité en remplaçant par α le 1 en position
(i, i)).
• Li ↔ Lj correspond à la multiplication à gauche par Ωi,j = In − Ei,i − Ej,j + Ei,j + Ej,i (matrice
obtenue à partir de la matrice unité en remplaçant 0 par les 1 en position (i, i) et (j, j) et ajoutant
1 en positions (i, j) et (j, i)).
b
Remarque 5
det Bi,j (λ) = 1, det Di (α) = α, det Ωi,j = −1
Remarque 6
On considère, de même les opérations élémentaires sur les colonnes : addition d’un multiple d’une colonne
à une autre colonne, multiplication d’une colonne par un scalaire non nul, échange de deux colonnes.
Proposition 33 Opérations élémentaires sur les colonnes
• L’addition à la i-ème colonne de λ fois la j-ième colonne, que l’on note Ci ← Ci + λCj correspond
à la multiplication à droite par la matrice Ip + λEj,i ∈ GLp (K).
• Soit α 6= 0, la multiplication par α de la i-ème colonne, que l’on note Ci ← αCi , correspond à la
multiplication à droite par la matrice Ip − Ei,i + αEi,i ∈ GLp (K).
• L’échange des i-ème et j-ième colonnes, que l’on note Ci ↔ Cj , correspond à la multiplication à
droite Ip − Ei,i − Ej,j + Ei,j + Ej,i ∈ GLp (K).
b
www.edukaty.fr
70 Rue Mademoiselle, 75015 Paris
01 43 48 83 36
[email protected]
13/25
Math Spé
Théorème 5 Méthode du pivot
Soit A ∈ Mn,p (K) non nulle, il existe r ∈ J1, min(n, p)K et une séquence (ou "suite finie") d’opérations
élémentaires qui conduit de A à la matrice Jr . Il existe U ∈ GLn (K) et V ∈ GLp (K) telles que A = U Jr V .
On a alors :
− Le rang des A est r.
− Si n = p, le déterminant de A est nul si r < n, est égal à det U et det V si r = n.
− Si B ∈ Mn,1 (K), alors l’équation linéaire AX = B, à l’inconnue X ∈ Mp,1 (K), équivaut à
Jr V X = U −1 B.
Proposition 34 Inversion d’une matrice carrée par la méthode du pivot de Gauss
Soit A appartenant à Mn (K) ; s’il existe une suite finie d’opérations élémentaires sur les lignes de A qui
la transformation en la matrice unité In , alors A est inversible et la même suite d’opérations (dans le
même ordre) appliquée à In livre la matrice A−1 .
b
Remarque 7
On a le même résultat avec une suite finie d’opération élémentaires sur les colonnes.
Équations linéaires
Définition 22
Une équation linéaire est une équation de la forme (∗) u(x) = b, où :
− u est une application linéaire d’un K-espace vectoriel E dans K-espace vectoriel F ;
− b est un vecteur de F , appelé second membre de l’équation ;
− l’inconnue x est un vecteur de E.
L’équation u(x) = 0F est appelée l’équation homogène (ou sans second membre) associée à l’équation
u(x) = b.
Proposition 35
Avec les notations précédentes, soit S l’ensemble des solutions de l’équation linéaire u(x) = b. Alors :
− ou bien b ∈
/ Im u et alors S est l’ensemble vide ;
− ou bien b ∈ Im u et alors S est le sous-espace affine x0 + ker u, où x0 est un élément fixé de S
(c’est-à-dire une solution particulière de l’équation).
b
www.edukaty.fr
70 Rue Mademoiselle, 75015 Paris
01 43 48 83 36
[email protected]
14/25
Math Spé
Systèmes d’équations linéaires et matrices
Proposition 36 Écriture matricielle des systèmes d’équations linéaires
Considérons le système de n équations


a1,1 x1




 a2,1 x1
(S)





 a x
n,1 1
linéaire à p inconnues :
+ a1,2 x2
+ ···
+ a1,p xp
= b1
+ a2,2 x2
..
.
+ ···
+
+ a2,p xp
..
.
= b2
..
.
+ an,2 x2
+ ···
+ an,p xp
= bn
Notons A = (ai,j ) ∈ Mn,p (K) la matrice des coefficients de (S) et B = (bi ) ∈ Mn,1 (K) la matrice colonne
second membre. On a l’équivalence :
(S) ⇐⇒ AX = B
b
Définition 23 : Vocabulaire
La matrice A est appelée matrice du système. Le rang d’un système linéaire est le rang de sa matrice.
Comme l’application u : X 7→ AX de Mp,1 (K) dans Mn,1 (K) est linéaire :
AX = B ⇔ u(X) = B.
Un système linéaire est une équation linéaire, dont l’équation homogène associée, appelée système
homogène associée, est :
AX = 0Mn,1 (K) .
Remarque 8
Application de la dualité à l’étude d’un système d’équation linéaire. Avec les notations précédentes,
p
X
notons, pour chaque i ∈ J1, nK, ϕi la forme linéaire sur Kp définie par : ϕi (x1 , . . . , xp ) =
ai,j xj . Alors
j=1
: x est solution de (S) si et seulement si : ∀i ∈ J1, nK, ϕi (x) = bi .
Proposition 37 Structure de l’ensemble des solutions d’un système linéaire
Si l’ensemble solution d’un système linéaire n’est pas vide, c’est-à-dire un sous-espace affine de dimension
p − r, où p est son nombre d’inconnues et r son rang.
www.edukaty.fr
70 Rue Mademoiselle, 75015 Paris
01 43 48 83 36
[email protected]
b
15/25
Math Spé
Compléments d’Algèbre Linéaire : Qcm
Notations. Dans les questions qui suivent, sauf mention contraire, E désigne un espace vectoriel réel
quelconque. On note classiquement L(E) l’algèbre des endomorphismes de E.
1. Soit u ∈ L(E). Si u2 = −Id, que vaut (u2 + u)2 ?
r a. −2Id
r b. −2u
r c. 2Id − 2u
r d. 0
2. Laquelle des applications suivantes est linéaire de R2 dans R ?
r a. f1 : (x, y) 7→ x
r c. f3 : (x, y) 7→ x + y + 1
r b. f2 : (x, y) 7→ xy
r d. f4 : (x, y) 7→ (x + y)(x − y)
3. Laquelle des parties suivantes n’est pas un sous-espace vectoriel de l’espace des fonctions de R dans R
?
r a. l’ensemble des fonctions f telles que f (0) = 0
r b. l’ensemble des fonctions paires
r c. l’ensemble des fonctions croissantes
r d. l’ensemble des fonctions polynomiales
4. Soit u un endomorphisme de E. Quelle propriété est toujours vérifiée ?
r a. Im u ⊂ Im u2
r c. Im u2 ∩ Im u = {0}
r b. Im u2 ⊂ Im u
r d. E = Im u + Im u2
5. Lequel des ensembles suivants est un sous-espace vectoriel de L(E) ?
r a. l’ensemble des projecteurs
r b. l’ensemble des symétries
r c. l’ensemble des homothéties
r d. l’ensemble des automorphismes de E
6. Laquelle des applications suivantes est un projecteur de R2 ?
r a. p1 : (x, y) 7→ (y, x)
r c. p3 : (x, y) 7→ (0, x)
r b. p2 : (x, y) 7→ (1, 0)
r d. p1 : (x, y) 7→ (0, y)
7. Soit F un sous-espace vectoriel de E, u un endomorphisme de E, et v la restriction de u à F . Alors
r a. v ∈ L(F )
r c. v ∈ L(E, F )
r b. v ∈ L(F, E)
r d. v n’est pas forcément linéaire
8. Soit g non nulle dans L(E). Laquelle des applications suivantes de L(E) dans L(E) n’est pas linéaire
?
r a. f 7→ g ◦ f
r c. f 7→ f + g
r b. f 7→ f ◦ g
r d. f 7→ g ◦ f ◦ g
www.edukaty.fr
70 Rue Mademoiselle, 75015 Paris
01 43 48 83 36
[email protected]
16/25
Math Spé
9. Lequel des sous-ensembles suivants de L (E) n’est pas stable par l’application f 7→ f ◦ f ?
r a. l’ensemble des projecteurs
r b. l’ensemble des symétries
r c. l’ensemble des endomorphismes non nuls
r d. l’ensemble des homothéties
10. Soit (e1 , e2 , e3 ) une base de R3 . Lequel des sous-espaces suivants n’est pas un supplémentaire de la
droite Vect(e1 ) ?
r a. F1 = Vect(e2 , e3 )
r c. F3 = Vect(e1 + e2 , e1 − e2 )
r b. F2 = Vect(e1 + e2 , e1 + e3 )
r d. F4 = Vect(e2 + e3 , e2 − e3 )
Notations. Dans toutes les questions, sauf mention contraire, E est un espace vectoriel réel de
dimension finie.
11. Soit E, F deux espaces vectoriels de dimension finie. La dimension de E × F est
r a. dim E + dim F
r c. dim E × dim F
r b. dim E + dim F − dim(E ∩ F )
r d. max(dim E, dim F )
12. Soit F un sous-espace vectoriel de E. Quelle affirmation est vraie ?
r a. toute base de E contient une base de F
r b. toute base de F est contenue dans une base de E
r c. toute famille génératrice de E contient une famille génératrice de F
r d. toute base de E contient une famille génératrice de F
13. Soit x1 , . . . , xn des vecteurs de E. Laquelle des conditions suivantes assure que xn est combinaison
linéaire de x1 , . . . , xn−1 ?
r a. la famille (x1 , . . . , xn ) est liée
r b. la famille (x1 , . . . , xn−1 ) est libre
r c. la famille (x1 , . . . , xn−1 ) est libre et la famille (x1 , . . . , xn ) est liée
r d. la famille (x1 , . . . , xn−1 ) est liée et la famille (x1 , . . . , xn ) est libre
14. Soit e1 , e2 , e3 , e4 des vecteurs de E. On suppose que les familles (e1 , e2 , e3 ) et (e3 , e4 ) sont libres.
La dimension de E est forcément supérieure ou égale à
r a. 2
r b. 3
r c. 4
r d. 5
15. Soit F, G deux sous-espaces de E. Avec quelle hypothèse peut-on trouver à coup sûr un vecteur
non nul dans F ∩ G ?
r a. F et G sont supplémentaires dans E
r c. dim F + dim G > dim E
r b. dim F + dim G = dim E
r d. dim F = dim G
16. Soit F et G deux sous-espaces de dimension 3 de R5 . La dimension p de F ∩ G peut valoir
r a. 1 ou 2
r c. 0, 1 ou 2
r b. 1, 2 ou 3
r d. 0, 1, 2 ou 3
www.edukaty.fr
70 Rue Mademoiselle, 75015 Paris
01 43 48 83 36
[email protected]
17/25
Math Spé
17. Soit E un espace vectoriel réel de dimension n et f une forme linéaire sur E. Une matrice qui
représente f possède
r a. n lignes et n colonnes
r c. une ligne et n colonnes
r b. n lignes et une colonne
r d. une ligne et une colonne
18. Soit s une symétrie de E (i.e. un endomorphisme vérifiant s2 = Id) et B une base quelconque de
E. La matrice de s dans la base B est
r a. symétrique
r c. triangulaire
r b. diagonale
r d. inversible
19. Soit A ∈ M2 (R). Si on calcule BA avec B =
1
0
2
cela revient à
1
r a. rajouter à la première ligne de A la seconde ligne multipliée par 2
r b. rajouter à la première colonne de A la seconde colonne multipliée par 2
r c. rajouter à la seconde ligne de A la première ligne multipliée par 2
r d. rajouter à la seconde colonne de A la première colonne multipliée par 2
20. Soit E l’espace des polynômes réels de degré inférieur ou égal à 3. On considère l’endomorphisme
f de E défini par f (P ) = P (X) − P (X − 1). La matrice de f dans la base canonique de E est :




0 1 −1 1
1 −1 1
r c. M3 = 0 0 2 −3
r a. M1 = 0 2 −3
0 0 0
3
0 0
3




0 1 −1 1
0
0 0 0
0 0 2 −3
1
0 0 0


r d. M4 = 
r b. M2 = 
0 0 0
−1 2 0 0
3
0 0 0
0
1 −3 3 0
21. Soit A une matrice carrée réelle de taille n > 1. On suppose que les p premières colonnes de A sont
nulles, les suivantes étant non nulles. Alors on a forcément
r a. rgA = p
r c. rgA 6 n − p
r b. rgA = n − p
r d. rgA > n − p
22. Soit E un espace vectoriel dont (e1 , e2 , e3 ) est une base. Soit u l’endomorphisme de E défini par
u(e1 ) = e2 , u(e2 ) = e3 et u(e3 ) = e1 . La matrice de u dans la base (e1 + e2 , e2 + e3 , e3 + e1 ) est




0 0 1
0 1 1
r a. 1 0 0
r c. 1 0 1
0 1 0
1 1 0




1 0 0
0 1 0
r b. 0 1 0
r d. 0 0 1
0 0 1
1 0 0
23. Soit u un isomorphisme entre deux espaces vectoriels réels E et F (de même dimension n > 1).
Soit B une base de E. Combien y a-t-il de bases B 0 de F telles que la matrice de u relativement à
B et B 0 soit la matrice identité ?
r a. aucune sauf si u = Id
r c. 2n
r b. une seule
r d. toutes les bases conviennent
www.edukaty.fr
70 Rue Mademoiselle, 75015 Paris
01 43 48 83 36
[email protected]
18/25
Math Spé
Compléments d’Algèbre Linéaire : Exercices
Cette feuille est constituée d’exercices sélectionnés par l’équipe encadrante d’eDukaty, parmi des sources
diverses: ouvrages de référence, feuilles d’exercices de professeurs de prépa, sites internet, etc. Elle doit
être abordée après une bonne connaissance du cours. Les exercices plus délicats sont accompagnés des
symboles (?) ou (??). Les exercices dits "Classiques" doivent absolument être travaillés. Le cas échéant,
leur solution doit être lue et parfaitement comprise. Enfin, le préparationnaire vérifiera qu’il sait les
refaire au propre.
Sous-espaces vectoriels
Exercice 1
Déterminer si les ensembles suivants sont ou ne sont pas des sous-espaces vectoriels :
1. E1 = {P ∈ R[X]; P (0) = P (2)};
2. E2 = {P ∈ R[X]; P 0 (0) = 2};
3. Pour A ∈ R[X] non-nul fixé, E3 = {P ∈ R[X]; A|P };
4. D l’ensemble des fonctions de R dans R qui sont dérivables;
5. E4 , l’ensemble des solutions de l’équation différentielle y 0 + a(x)y = 0, où a ∈ D.
6. E5 , l’ensemble des solutions de l’équation différentielle y 0 + a(x)y = x, où a ∈ D.
Exercice 2 ? C˜l´a¯sfi¯sfi˚i`qfi˚u`e
Soit E un espace vectoriel et soient F et G deux sous-espaces vectoriels de E. On suppose que F ∪ G
est encore un sous-espace vectoriel de E. Montrer que F ⊂ G ou G ⊂ F .
Exercice 3 ? C˜l´a¯sfi¯sfi˚i`qfi˚u`e
Soit E = F(R, R) l’espace vectoriel des fonctions de R dans R. On note F le sous-espace vectoriel des
fonctions paires (i.e f (−x) = f (x) pour tout x ∈ R) et G le sous-espace vectoriel des fonctions impaires
(i.e f (−x) = −f (x) pour tout x ∈ R). Montrer que F et G sont supplémentaires.
Exercice 4
Soit A ∈ R[X] un polynôme non-nul et F = {P ∈ R[X]; A divise P }. Montrer que F est un sous-espace
vectoriel de R[X] et trouver un supplémentaire à F .
Exercice 5 ??
Soit E l’espace vectoriel des fonctions de R dans R.
1. Soit a ∈ R. On désigne par F le sous-espace des fonctions constantes et par Ga le sous-espace des
fonctions qui s’annulent en a. Montrer que F et Ga sont supplémentaires dans E.
2. Plus généralement, soient a0 , . . . , aN des éléments distincts de R et
G = {f ∈ E; f (a0 ) = · · · = f (aN ) = 0}. Trouver un supplémentaire à G.
Exercice 6 ?
Soient F et G deux sous-espaces vectoriels d’un espace vectoriel E tels que F + G = E. Soit F 0 un
supplémentaire de F ∩ G dans F . Montrer que F 0 ⊕ G = E.
Familles libres - liées - génératrices - Bases
Exercice 7 C˜l´a¯sfi¯sfi˚i`qfi˚u`e
Soit (P2 , . . . , Pn ) une famille de polynômes de C[X] non nuls, à degrés échelonnés, c’est-à-dire
deg(P1 ) < deg(P2 ) < · · · < deg(Pn ). Montrer que (P1 , . . . , Pn ) est une famille libre.
Exercice 8 ??
Démontrer que les familles suivantes sont libres dans F(R, R) :
www.edukaty.fr
70 Rue Mademoiselle, 75015 Paris
01 43 48 83 36
[email protected]
19/25
Math Spé
1. (x 7→ eax )a∈R ;
2. (x 7→ |x − a|)a∈R ;
3. (x 7→ cos(ax))a>0 ;
4. (x 7→ (sin x)n )n≥1 .
Exercice 9
Soit E l’ensemble des fonctions continues sur [−1, 1] qui sont affines sur [−1, 0] et sur [0, 1].
Démontrer que E est un espace vectoriel et en donner une base.
Exercice 10
On considère la partie F de R4 définie par
F = {(x, y, z, t) ∈ R4 ; x + y = 0 et x + z = 0}.
1. Donner une base de F .
2. Compléter la base trouvée en une base de R4 .
3. On pose u1 = (1, 1, 1, 1), u2 = (1, 2, 3, 4) et u3 = (−1, 0, −1, 0). La famille (u1 , u2 , u3 ) est-elle libre
?
4. On pose G l’espace vectoriel engendré par les vecteurs u1 , u2 et u3 . Quelle est la dimension de G ?
5. Donner une base de F ∩ G.
6. En déduire que F + G = R4 .
7. Est-ce qu’un vecteur de R4 s’écrit de façon unique comme somme d’un vecteur de F et d’un vecteur
de G ?
Exercice 11 ?
Soit E = R4 [X] et a, b deux réels distincts. On désigne par F l’ensemble des polynômes de E dont a et
b sont racines. Montrer que F est un sous-espace vectoriel de E. En donner une base.
Applications linéaires
Exercice 12 ?
Soient E, F deux espaces vectoriels et f ∈ L(E, F ). Soit G un supplémentaire de Ker(f ) dans E.
Montrer que G et Im(f ) sont isomorphes.
Exercice 13 ?
Soient E et F deux K-espaces vectoriels et f appartient à L(E, F ).
1. On suppose qu’il existe g appartenant à L(F, E) telle que f ◦ g = IdF . Montrer que f est surjective.
2. On suppose que f est surjective. On admet l’existence d’une sous-espace vectoriel G de E tel que
G ⊕ Ker(f ) = E.
a. Soit fb : G → F, x 7→ f (x). Montrer que fb est un isomorphisme d’espaces vectoriels.
b. Soit g : F → E, y 7→ fb−1 (y). Calculer f ◦ g.
3. Conclure.
Exercice 14 ?? C˜l´a¯sfi¯sfi˚i`qfi˚u`e
Soit E un espace vectoriel et f ∈ L(E) tel que, pour tout x ∈ E, la famille (x, f (x)) est liée.
Montrer que f est une homothétie.
www.edukaty.fr
70 Rue Mademoiselle, 75015 Paris
01 43 48 83 36
[email protected]
20/25
Math Spé
Exercice 15 ??
Dans cet exercice, on admet que dans tout espace vectoriel, un sous-espace admet un supplémentaire.
Soient E, F deux espaces vectoriels et u, v ∈ L(E, F ). Montrer que
Ker(u) ⊂ Ker(v) ⇐⇒ ∃f ∈ L(F ) tel que v = f ◦ u.
Exercice 16 ??
Dans cet exercice, on suppose connue la propriété suivante : si E1 est un espace vectoriel et F1 est
un sous-espace vectoriel de E1 , alors il possède un supplémentaire. Soient alors E, F, G trois espaces
vectoriels, u ∈ L(F, G) et v ∈ L(E, G). Démontrer que les propriétés suivantes sont équivalentes :
i) Im(v) ⊂ Im(u);
ii) Il existe w ∈ L(E, F ) tel que v = u ◦ w.
Symétrie et projections
Exercice 17 ? C˜l´a¯sfi¯sfi˚i`qfi˚u`e
Soit E un K-ev, et p ∈ L(E). On dit que p est un projecteur si p ◦ p = p.
1. Étude individuelle
a. Montrer que pour tout y ∈ Im(p), alors p(y) = y.
En déduire que E = Ker(p) ⊕ Im(p).
On dit que p est le projecteur sur Im(p) parallèlement à Ker(p).
b. On suppose désormais que E est de dimension finie. Montrer qu’il existe une base B de E dans
laquelle p a pour matrice


1 0 ...

 0 1 0 ...




..
.

.




0
0
0


..
.
En déduire que la trace d’un projecteur est égal à son rang.
2. Étude collective. Soient E1 , . . . , Ep des sous-espaces vectoriels de E. On suppose que E1 ⊕ . . . Ep =
E. On note pi le projecteur sur Ei parallèlement à ⊕j6=i Ej . Montrer que pi ◦ pj = 0 si i 6= j et
p1 + . . . + pn = IdE .
Exercice 18
Soit E un espace vectoriel et p, q deux projecteurs de E tels que p 6= 0, q 6= 0 et p 6= q.
Démontrer que (p, q) est une famille libre de L(E).
Exercice 19 ? C˜l´a¯sfi¯sfi˚i`qfi˚u`e
Soit E un R-espace vectoriel. Soient p et q deux projecteurs de E.
1. Montrer que p + q est un projecteur si et seulement si p ◦ q = q ◦ p = 0.
2. Montrer que, dans ce cas, on a Im(p + q) = Im(p) ⊕ Im(q) et Ker(p + q) = Kerp ∩ Kerq.
Exercice 20
Soit f ∈ L(E) et soient α, β deux réels distincts.
1. Démontrer que E = Im(f − αIdE ) + Im(f − βIdE ).
On suppose de plus que
(f − αIdE ) ◦ (f − βIdE ) = 0.
2. Démontrer que f est inversible, et calculer f −1 .
3. Démontrer E = Ker(f − αIdE ) ⊕ Ker(f − βIdE ).
www.edukaty.fr
70 Rue Mademoiselle, 75015 Paris
01 43 48 83 36
[email protected]
21/25
Math Spé
4. Exprimer en fonction de f le projecteur p sur Ker(f − αIdE )
parallèlement à Ker(f − βIdE ).
Exercice 21 ?
Soit E un espace vectoriel de dimension n. On souhaite démontrer qu’il existe une base de L(E) constituée
de projecteurs. On fixe une base B de E. On note Ei,j les matrices élémentaires de Mn (R).
1. À quelle condition un matrice M ∈ Mn (R) est-elle la matrice dans la base B d’un projecteur de E.
2. En déduire que pour tout i, j ∈ {1, . . . , n} avec i 6= j, les matrices Ei,i et Ei,i + Ei,j sont des
matrices de projecteurs.
3. Démontrer la propriété annoncée.
Applications linéaires sur Rn
Exercice 22
?
−1
Soient A =
1
2
0
et f l’application de M2 (R) dans M2 (R) définie par f (M ) = AM .
1. Montrer que f est linéaire.
2. Déterminer sa matrice dans la base canonique de M2 (R).
Exercice 23 ?
Montrer que f : R[X] → R[X], P 7→ P − XP 0 est une application linéaire. Déterminer son noyau et son
image.
Exercice 24
Soit E = R3 [X] l’espace vectoriel des polynômes à coefficients réels de degré inférieur ou égal à 3. On
définit u l’application de E dans lui-même par
u(P ) = P + (1 − X)P 0 .
1. Montrer que u est un endomorphisme de E.
2. Déterminer une base de Im(u).
3. Déterminer une base de ker(u).
4. Montrer que ker(u) et Im(u) sont deux sous-espaces vectoriels supplémentaires de E.
Exercice 25 C˜l´a¯sfi¯sfi˚i`qfi˚u`e
On note E l’ensemble des applications de R dans R qui s’inscrivent sous la forme λ cos +µ sin avec λ et
µ réels.
1. Montrer que E est un espace vectoriel. En donner une base et calculer sa dimension.
2. Montrer que la dérivation des fonctions de la variable réelle définit une application de E dans E.
On note D cette application.
3. Rappeler les résultats vus au lycée permettant d’affirmer que D est un endomorphisme.
4. Donner la matrice de D dans la base trouvée en 1.
5. Montrer que D est un isomorphisme, c’est-à-dire que pour tout vecteur v de E, il existe un unique
vecteur u de E tel que Du = v.
6. Montrer qu’on peut alors construire un isomorphisme D−1 de E tel que, pour tout vecteur u de E
on a D(D−1 (u)) = u et D−1 (D(u)) = u.
7. Donner la matrice de D−1 dans la base trouvée en 1.
www.edukaty.fr
70 Rue Mademoiselle, 75015 Paris
01 43 48 83 36
[email protected]
22/25
Math Spé
Exercice 26 ?? C˜l´a¯sfi¯sfi˚i`qfi˚u`e
Le but de cet exercice est l’étude de l’application ∆ définie sur R[X] par
(∆P )(X) = P (X + 1) − P (X).
1. Question préliminaire : soit (Pn ) une famille de R[X] telle que pour chaque n, deg(Pn ) = n.
Prouver que (Pn ) est une base de R[X].
2. Montrer que ∆ est une application linéaire. Calculer son noyau et sont image.
3. Montrer qu’il existe une unique famille (Hn )n∈N de R[X] telle que
H0 = 1, ∆(Hn ) = Hn−1 , et Hn (0) = 0. Montrer que (Hn ) est une base de R[X].
4. Soit P ∈ Rp [X]. Montrer que P peut s’écrire
P =
p
X
(∆n P )(0)Hn .
n=0
n
X
5. Montrer que l’on a (∆n P )(0) =
(−1)n−k Cnk P (k).
n=0
6. Montrer que pour tout n, Hn =
X(X − 1) . . . (X − n + 1)
.
n!
7. En déduire que, pour tout polynôme P de degré p, les assertions suivantes sont équivalentes :
i. P prend des valeurs entières sur Z.
ii. P prend des valeurs entières sur {0, . . . , p}.
iii. Les coordonnées de P dans la base (Hn ) sont des entiers.
iv. P prend des valeurs entières sur p + 1 entiers consécutifs.
Espaces vectoriels de dimension finie
Exercice 27 ?
Démontrer que l’ensemble des suites arithmétiques complexes est un espace vectoriel. Quelle est sa
dimension ?
Exercice 28 ??
Soient E un espace vectoriel de dimension finie n, et F, G deux sous-espaces vectoriels de E de même
dimension p < n. Montrer que F et G ont un supplémentaire commun, c’est-à-dire qu’il existe un
sous-espace H de E tel que F ⊕ H = G ⊕ H = E.
Dimension finie et application linéaires
Exercice 29
Soit E = R4 et F = R2 . On considère H = {(x, y, z, t) ∈ R4 ; x = y = z = t}. Existe-t-il des applications
linéaires de E dans F dont le noyau est H ?
Exercice 30
Soit E un espace vectoriel de dimension finie et f ∈ L(E). On suppose que, pour tout x ∈ E, il existe
un entier nx ∈ N tel que f nx (x) = 0. Montrer qu’il existe un entier n tel que f n = 0.
Exercice 31 C˜l´a¯sfi¯sfi˚i`qfi˚u`e
Soit E un espace vectoriel de dimension n, f ∈ L(E) un opérateur tel que f n = 0 et f n−1 6= 0. Soit
x ∈ E tel que f n−1 (x) 6= 0. Montrer que la famille (x, f (x), . . . , f n−1 (x)) est une base de E.
Exercice 32 ? C˜l´a¯sfi¯sfi˚i`qfi˚u`e
Soit E un espace vectoriel de dimension finie. Montrer qu’il existe f ∈ L(E) tel que ker(f ) = Im(f ) si
et seulement si E est de dimension paire.
www.edukaty.fr
70 Rue Mademoiselle, 75015 Paris
01 43 48 83 36
[email protected]
23/25
Math Spé
Exercice 33 ?
Soient E0 , . . . , En des espaces vectoriels de dimensions finies respectivement égales à a0 , . . . , an .
On suppose qu’il existe n applications linéaires f0 , . . . , fn−1 telles que, pour chaque
k ∈ 0, . . . , n − 1, fk est application linéaire et
(i) f0 est injective;
(ii) ker(fk ) = Im(fk−1 ) pour tout k = 1, . . . , n − 1;
(iii) fn−1 est surjective.
Prouver que
n
X
(−1)k ak = 0.
k=0
Matrices
Exercice 34 ? C˜l´a¯sfi¯sfi˚i`qfi˚u`e
Soit A la matrice de Mn+1 (C) définie par ai,j
j−1
=
si i ≤ j, ai,j = 0 sinon.
i−1
1. Interpréter A comme la matrice d’endomorphisme de Rn [X].
2. En déduire que A est inversible, et calculer son inverse.
Exercice 35 ?? C˜l´a¯sfi¯sfi˚i`qfi˚u`e
Soit A ∈ Mn (C) une matriceX
à diagonale dominante, c’est-à-dire que pour tout
i ∈ {1, · · · , n}, on a |ai,i | >
ai,j . Montrer que la matrice A est inversible.
j6=i
Exercice 36 C˜l´a¯sfi¯sfi˚i`qfi˚u`e
Soit n ≥ 1. Pour (i, j) ∈ {1, · · · , n}2 , on note Ei,j la matrice dont tous les coefficients sont nuls, sauf le
coefficient situé à la i-ème ligne et à la j-ème colonne qui vaut 1.
1. Soit A ∈ Mn (R). Calculer AEi,j et Ei,j A.
2. En déduire quelles sont les matrices de Mn (R) qui commutent avec toutes les matrices de Mn (R) .
Exercice 37
Soit E le sous ensembles de M3 (R) défini par


a

E = M (a, b, c) = 0

c
0
b
0


c

0 : a, b, c ∈ R .

a
Montrer que E est un sous-espace vectoriel de M3 (R) stable pour la multiplication des matrices.
Calculer dim(E).
Exercice 38 ? C˜l´a¯sfi¯sfi˚i`qfi˚u`e
Montrer que l’ensemble des matrices symétriques (A =t A) et l’ensemble des matrices anti-symétriques
(A = −t A) sont deux sous-espaces vectoriels supplémentaires de Mn (K).
Exercice 39 ?
Montrer qu’une matrice de Mn (K) qui n’est pas inversible est équivalente à une matrice nilpotente.
Exercice 40 ?? C˜l´a¯sfi¯sfi˚i`qfi˚u`e
1. Soit E un espace vectoriel et f ∈ L(E). Montrer que f est une homothétie si et seulement si, pour
tout x ∈ E, la famille (x, f (x)) est liée.
2. Soit A ∈ Mn (K) de trace nulle. Montrer que M est semblable à une matrice n’ayant que des zéros
sur la diagonale.
www.edukaty.fr
70 Rue Mademoiselle, 75015 Paris
01 43 48 83 36
[email protected]
24/25
Math Spé
Exercice 41 ?
1. Soit A ∈ Mn (K) une matrice telle que Ak = 0 pour un entier k. Montrer qu’il existe en fait m ≤ n
avec Am = 0.
2. Existe-t-il une matrice complexe A dont le carré soit égal à la matrice suivante ?


0
0 0
B = −1 0 0 .
0 −1 0
Exercice 42 ??
Soit A et B deux matrices vérifiant A+B = AB. Montrer que (I −A) est inversible et donner son inverse.
Exercice 43 ??
Soit M ∈ Mn (Z). Déterminer une CNS pour que M soit inversible et que son inverse soit Mn (Z).
Indication : on s’intéressera au déterminant de M .
www.edukaty.fr
70 Rue Mademoiselle, 75015 Paris
01 43 48 83 36
[email protected]
25/25