Beruflich Dokumente
Kultur Dokumente
ALGÈBRE LINÉAIRE
(version 2.0 du 28.02.2010)
Sciences.ch Algèbre Linéaire
EXERCICE 1.
Niveau : Deuxième Cycle
Auteur : Ruben Ricchiuto (30.12.04)
Mots Clés : Matrices à coefficients dans un anneau
Énoncé :
1. Montrer que pour toute matrice A M n ( R ) il existe deux matrices B et C telles que
BA AC det( A) I où I est la matrice identité. [Indications: si a1 ,.., an sont les
vecteurs colonnes de la matrice A et e j (0, ...,0,1,0,...,0)t avec 1 à la j-ème place
alors vérifier que la matrice C (cij ) définie par cij det(a1 ,..., ai 1 , e j , ai 1 , ..., an ) fait
l'affaire.]
5 3 X 4 X 3
3. Est-ce que les matrices suivantes: , sont inversibles dans
2 1 X 3 X 4
respectivement / 10[ X ] ? Si oui, calculer leur inverse.
Solution :
aik det(a1,..., ak 1, e j , ak 1,..., an ) est le déterminant de la matrice que nous obtenons
k
en remplaçant la j-ème ligne de A par la i-ème ligne (développer le déterminant de
cette dernière matrice par rapport à la j-ème ligne pour le voir) par conséquent cette
expression est nulle (les lignes i et j sont identiques). Pour i j ,
aik det(a1,..., ak 1, e j , ak 1,..., an ) est le déterminant de la matrice A. Ainsi mij 0
k
si i j et mij det( A) si i j , en d'autres termes nous venons de montrer que
AC det( A) I . En considérant At (la matrice transposée) nous obtenons par le
raisonnement précédent l'existence d'une matrice B telle que At B det( A) I et donc
A B
t
t
Bt A det( A) I .
2. Si A est inversible, alors 1 det( I ) det( A A1 ) det( A) det( A1 ) ce qui montre que
det( A) est inversible. Réciproquement, étant donné que AC BA det( A) I on a
A det( A)1 C det( A)1 B A I ce qui montre que A est inversible.
5 3 5 3
3. det 5 6 1 est inversible. L'inverse de est
2 1 2 1
1 3 X 4 X 3
X 16 X 9 3(mod10) est inversible.
2 2
. det
2 5 X 3 X 4
X 4 X 3 3 X 2 3 X 1
L'inverse de est .
X 3 X 4 3 X 1 3 X 2
EXERCICE 2.
Niveau : Premier Cycle
Auteur : Ruben Ricchiuto (10.01.05)
Mots Clés :Valeurs propres et vecteurs propres
Énoncé :
1 2
Déterminer les valeurs propres et les vecteurs propres de la matrice A .
3 4
Solution :
3 X 4
5 33 5 33
de X 2 5 X 2 . On trouve 1 , 2 . Les vecteurs propres associés à la
2 2
1 2 x 0
valeur propre 1 sont les solutions du système 1 . On trouve
3 1 4 y 0
1
(1 1) x 2 y c'est-à-dire y (1 1) x . L'espace propre est donc
2
x
2 2
1 | x . De la même façon pour 2 on trouve .
2 (1 1) x 1 1 2 1
EXERCICE 3.
Niveau : Premier Cycle
Auteur : Ruben Ricchiuto (10.01.05)
Mots Clés : Diagonalisation
Énoncé :
3 6 4
Diagonaliser la matrice A 0 1 1 .
3 5 3
Solution :
X ( X 2 X 2) X ( X 1)( X 2) .
2 2 1 2
1 . Ainsi dans la base 3 , 1 , 1 , la matrice de l'endomorphisme A s'écrit,
1 3 2 1
1
0 0 0 2 1 2 3 6 4 2 1 2 0 0 0
0 1 0 . Ou dit autrement, 3 1 1 0 1 1 3 1 1 0 1 0 .
0 0 2
3 2 1 3 5 3 3 2 1 0 0 2
EXERCICE 4.
Niveau : Premier Cycle
Auteur : Ruben Ricchiuto(10.01.05)
Mots Clés : Déterminant de Vandermonde, polynômes
Énoncé :
1 x1 x12 x1n 1
1 x2 x22 x2n 1
M ( x1 ,.., xn )
xn2 xnn 1
1 xn
3. Donner une condition nécessaire et suffisante, portant sur les xi , pour que la matrice
M ( x1 ,.., xn ) soit inversible.
4. En utilisant 1. montrer qu'il existe un unique polynôme de degré n passant par les
n 1 points ( x1 , y1 ),..,( xn 1 , yn 1 ) avec xi x j pour i j .
Solution :
x2 x1 x2 ( x2 x1 ) x2n 2 ( x2 x1 )
A . Sachant que le déterminant est
xn x1 xn ( xn x1 ) xnn 2 ( xn x1 )
multilinéaire nous obtenons
1 x2 x2n2
n
Vn ( x1 ,.., xn ) det( M ( x1 ,.., xn )) ( x j x1 ) det
j 2
1 xn xnn2
n
( x j x1 ) Vn 1 ( x2 ,.., xn ).
j 2
n 1 n 1 n n n 1
Vn 1 ( x1 ,.., xn ) ( x j x1 ) ( x j 1 xi 1 ) ( x j xi ) . Ainsi
j 2 i 1 j i 1
i 1 j i 1
3. La matrice M ( x1 ,.., xn ) est inversible ssi son déterminant est non nul c'est-à-dire ssi
n 1 n
Vn ( x1 ,.., xn ) ( x j xi ) 0 , donc ssi xi x j pour i j .
i 1 j i 1
EXERCICE 5.
Niveau : Premier Cycle
Auteur : Ruben Ricchiuto(10.01.05)
Mots Clés : Théorème de Cayley
Énoncé :
1 2
1. Vérifier le théorème pour la matrice .
5 3
2. Pour x n , considérer la famille : x, Ax, A2 x,..., Am 1 x avec
m 1 max k | x, Ax, A2 x,..., Ak x est libre . Compléter (éventuellement) la
Solution :
1 2 X 1 2
1. Si A on a CarA ( X ) det( X I A) det X 4 X 13 .
2
5 3 5 X 3
1 2 1 2 9 8
A2 . Donc
5 3 5 3 20 1
9 8 4 8 13 0 0 0
CarA ( A) A2 4A 13 I .
20 1 20 12 0 13 0 0
Nous allons montrer que pour tout x n , CarA ( A)( x) 0 . Soit donc x n , considérons la
famille : x, Ax, A2 x,..., Am 1 x avec m 1 max k | x, Ax, A2 x,..., Ak x est libre .
m 1
Dans ce cas Am x ai Ai x avec ai et A0 I . Complétons si nécessaire la famille
i 0
X 0 0 a0
1 X 0 a1
CarB ( X ) . En développant par rapport à la dernière colonne on voit
0 1 X am 1
m 1 m 1
que CarB ( X ) ai X i X m . De plus CarB ( A) x ai Ai x Am x 0 . Donc
i 0 i 0
CarA ( A) x CarB ( A) CarD ( A) x CarD ( A) CarB ( A) x 0
EXERCICE 6.
Niveau : Premier Cycle
Auteur : Ruben Ricchiuto (10.01.05)
Mots Clés : Rang d'une matrice
Énoncé :
1 1 2 5 4 4
2 0 3 2 4 5
Déterminer le rang de la matrice .
3 0 9 3 21 6
4 1 0 0 5 1
Solution :
On rappelle que les permutations de lignes ou de colonnes ne changent pas le rang d'une
matrice. On peut aussi remplacer une ligne (ou une colonne) par une combinaison linéaire de
lignes (respectivement de colonnes) dans laquelle cette dernière intervient sans changer le
2
rang. Dans les lignes qui suivent un symbole du type:
1 4
signifie que l'on a remplacé
1
la première ligne de la matrice par deux fois la première moins la quatrième, tandis qu'un
C ,C
symbole du type
1 2
signifie que l'on a permuté la première colonne avec la deuxième.
On a:
1 1 2 5 4 4 1 1 2 5 4 4 1 1 2 5 4 4
2 0 3 2 4 5 C1 , C2
0 2 3 2 4 5 1 4 0
2 3 2 4 5
3 0 9 3 21 6 0 3 9 3 21 6 4 0 3 9 3 21 6
4 1 0 0 5 1 1 4 0 0 5 1 0 5 2 5 9 3
1 1 2 5 4 4 1 1 2 5 4 4
2 3 3 2
0 2 3 2 4 5 5 2 2 4 0 2 3 2 4 5
3 0 0 27 0 54 27 4 0 0 27 0 54 27
0 5 2 5 9 3 0 0
19 0 38 19
1 1 2 5
4 4 1 1 2 5
4 4
3 / 27
0 2 3 2 4 5 4 /19 0 2 3 2 4 5
3 0 0 1 0 2 1 4 0 0 1 0 2 1
0 0 19 0 38 19 0 0 1 0 2 1
1 1 25 4 4
3 4
0 2 3 2 4 5
4 0 0 1 0 2 1
0 0 0 0 0 0
EXERCICE 7.
Niveau : Premier Cycle
Auteur : Ruben Ricchiuto (10.01.05)
Mots Clés : Classes de conjugaison des matrices 2 2
Énoncé :
On dit que deux matrices A, B M n ( ) sont conjuguées s'il existe une matrice inversible
S M n () telle que A SBS 1 . Être conjugué est une relation d'équivalence sur M n ()
dont les classes sont appelées classes de conjugaison. Montrer que toute matrice de M 2 ()
0 1 1 a b
est conjuguée à exactement une des matrices suivantes: 1 , , .
0 2 0 2 b a
[Indication : distinguer les cas A diagonalisable, A n'a qu'une valeur propre de multiplicité
géométrique un et A n'a aucune valeur propre réelle. Pour ce dernier cas, regarder A comme
un élément de M n () .]
Solution :
Soit A M 2 () . Trois cas peuvent se présenter.
Premier cas : A est diagonalisable.
Deuxième cas : A n'a qu'une valeur propre de multiplicité géométrique un.
Troisième cas : A n'a aucune valeur propre réelle.
0
Dans le premier cas, la matrice A est conjuguée à une matrice du type 1 .
0 2
Dans le deuxième cas, soit la valeur propre de A. Soit v un vecteur propre et w tel que
a
2 v w . Dans la base v, w la matrice A s'écrit avec Aw av bw ,
0 b
a, b . Or étant donné que est l'unique valeur propre de A, on a forcément b . Le fait
que soit de multiplicité géométrique égale à un entraîne que a 0 et par suite dans la base
1 1
v, w la matrice A s'écrit .
a 0
Dans le troisième cas, A possède deux valeurs propres complexes conjuguées, notons-les
a ib, a ib avec b 0 . Soit v v1 iv2 un vecteur propre associé à avec
v1 , v2 2 . On a Av Av1 iAv2 v av1 bv2 i (bv1 av2 ) et donc
a b
Av1 av1 bv2 , Av2 bv1 av2 . Par suite, dans la base v1 , v2 A s'écrit . Il nous
b a
0 1 1 a b
reste encore à montrer que les matrices 1 , , ne sont pas conjuguées
0 2 0 2 b a
deux à deux. Mais ceci est évident car les trois cas que nous avons traités s'excluent
mutuellement.
EXERCICE 8.
Niveau : Premier Cycle
Auteur : Ruben Ricchiuto (10.01.05)
Mots Clés : Matrices Trigonalisables
Énoncé :
1. Montrer que dans M n () il existe des matrices non diagonalisables.
2. Montrer que dans M n ( ) il existe des matrices non trigonalisables (on rappelle
qu'une matrice A est trigonalisable s'il existe une matrice inversible S telle que SAS 1
est triangulaire supérieure)
3. Montrer que dans M n () toutes les matrices sont trigonalisables. [Indication:
procéder par récurrence sur n en se rappelant que si M M n () , M possède toujours
une valeur propre.]
Solution :
1 1
1. La matrice M 2 () n'est pas diagonalisable. En effet la dimension de l'espace
0 1
propre associé à la valeur propre 1 est 1 et il n'y a pas d'autres valeurs propres. On ne
peut donc pas trouver de base formée de vecteurs propres.
1 2
2. Soit M . Le polynôme caractéristique de M est PM ( X ) X 2 X 5 . Or
2
2 1
PM ( X ) ne possède aucune racine réelle, par conséquent M n'a aucune valeur propre
réelle et donc ne peut être trigonalisable.
EXERCICE 9.
Niveau : Premier Cycle
Auteur : Ruben Ricchiuto (10.01.05)
Mots Clés : Espace des suites et équations aux différences
Énoncé :
On considère l'espace vectoriel des suites à valeur dans avec les opérations d'addition
et de multiplication par un scalaire suivantes: (an ) ,(bn ) ,(an ) (bn ) (an bn ) .
, (an ) ( an ) . Soit l'application linéaire D : définie par
(a0 , a1 ,...) (a1 , a2 ,...) .
k 1
1. Soit A D k i D i avec i et D j D D ... D j fois, D 0 id et k 1 .
i 0
Montrer que le noyau de A est de dimension k.
k 1
2. On considère le polynôme caractéristique P( X ) X k i X i associé à A. Soit
i 0
( z )
n n
1 n ,..., ( zk ) n est une base de ker( A) avec ( z ) n
(1,0,...) si z 0 .
[Indication : pour montrer que ( z1n ) n ,..., ( zkn ) n sont linéairement indépendantes
écrire que 1 ( z1n ) n ... k ( zkn ) n 0 et montrer qu'en prenant n 0...k 1 on
tombe sur un système d'équations défini par une matrice k k de Vandermonde].
3. Déterminer la suite de Fibonacci a (an ) , an définie par D 2 a Da a 0 ,
avec "conditions initiales" a0 a1 1 .
Solution :
k 1 k 1
1. Soit a (an ) . a ker( A) D k a i Di a 0 n , an k i an i . Ainsi
i 0 i 0
tout élément de ker( A) est uniquement déterminé par le choix de a0 ,.., ak 1 . Par suite
ker( A) k et donc dim(ker( A)) k .
k 1
2. Soit z une racine de P( X ) X k i X i . Montrons que a ( z n ) ker( A) . En effet
i 0
k 1 k 1 k 1
Aa D k a i D i a ( z n k ) n i ( z n i ) n a z k i z i a P ( z ) 0 .
i 0 i 0 i 0
Supposons de plus que les racines de P sont deux à deux distinctes. Notons z1 ,..., zk
ces racines et ai ( zin ) n ,1 i k . Nous avons déjà montré que ai ker( A) pour
1 i k . Montrons que a1 ,.., ak est une base de ker( A) . Il suffit pour cela de
k
montrer que a1 ,.., ak sont linéairement indépendants. Si i ai 0 alors pour tout
i1
k
n , i zin 0 . En prenant n 0...k 1 on obtient le système suivant,
i 1
1 1 1 1
1
z1 zk z1 zk
0 . Or la matrice M est une matrice de
z k 1 z k 1 k z k 1 z k 1
1 k 1 k
Vandermonde et nous savons que si les zi sont distincts deux à deux, une telle matrice
est inversible. Ainsi 1 2 ... k 0 .
EXERCICE 10.
Niveau : Premier Cycle
Auteur : Ruben Ricchiuto (10.01.05)
Mots Clés : Espace orthogonal
Énoncé :
Soit n, m deux entiers 1 . Soit A (aij ) M n, m () ( A est une matrice à n lignes et m
colonnes à coefficients dans ).
1. Montrer que ker( A) Im( At ) où At est la matrice transposée de A.
EXERCICE 11.
Niveau : Premier Cycle
Auteur : Ruben Ricchiuto (10.01.05)
Mots Clés : Polynômes et théorème de décomposition
Énoncé :
1. Soit un corps, p, q [ X ] deux polynômes et A un endomorphisme de l'espace
vectoriel n . Montrer que si p et q sont premiers entre eux alors
ker( p( A) q( A)) ker( p( A)) ker(q( A)) . [Indication : utiliser le théorème de
Bézout].
2. Dans les mêmes conditions que 1. montrer que si p1 ,..., pm [ X ] sont premiers
m
deux à deux alors ker( pi ( A)) ker( p1 ( A)) ... ker( pm ( A)) .
i 1
d
3. Supposons algébriquement clos. Soit CarA ( X ) ( X 1 ) 1 ... ( X d ) le
d
polynôme caractéristique de A avec i j si i j , i n . Le théorème de
i 1
Cayley affirme que CarA ( A) 0 , en déduire que
1 d
n ker( A 1 ) ... ker( A d ) (ce dernier résultat constitue le théorème de
décomposition).
4. Montrer que dans 3. dim(ker( A i ) i ) i . [Indication : remarquer que A induit par
restriction une application linéaire
A : ker( A i ) i ker( A i ) i et que le
dim ker( A ) i
polynôme caractéristique de
A est ( X i ) 1 ].
Solution :
1. Si p et q sont premier entre eux alors il existe deux polynômes a ( X ), b( X ) [ X ]
tels que a( X ) p( X ) b( X )q( X ) 1 . On a l'inclusion évidente
ker( p( A)) ker( q( A)) ker( p( A) q( A)) . Montrons que la somme dans le membre de
gauche est une somme directe. En effet
x ker( p ( A)) ker(q( A)) a ( A) p( A) x b( A)q( A) x x 0 . Pour finir si
x ker( p( A) q( A)) , alors a( A) p( A) x ker(q( A)) et b( A)q ( A) x ker( p( A)) donc
a ( A) p ( A) x b( A)q ( A) x x ker( p ( A)) ker(q ( A)) . Donc
ker( p ( A) q ( A)) ker( p( A)) ker(q( A)) .
2. Par récurrence sur m. Si m 2 l'affirmation découle de 1. Supposons l'affirmation
vérifiée pour m 2 . Soit p1 ,..., pm 1 [ X ] premiers deux à deux. Alors pm 1 est
m
premier avec pi ( A) et par hypothèse récurrence
i 1
m 1 m
ker( pi ( A)) ker( pi ( A)) ker( pm 1 ( A)) . Toujours par hypothèse de récurrence
i 1 i 1
m
ker( pi ( A)) ker( p1 ( A)) ... ker( pm ( A)) . Donc
i 1
m 1
ker( pi ( A)) ker( p1 ( A)) ... ker( pm 1 ( A)) .
i 1
d
3. CarA ( A) 0 entraîne ker(CarA ( A)) n . Si CarA ( X ) ( X 1 ) 1 ... ( X d ) , 2.
1 d
entraîne n ker( A 1 ) ... ker( A d ) car les ( X i ) i sont premiers
deux à deux.
4. L'espace ker( A i ) i est invariant par A. En effet si x ker( A i ) i alors
( A i ) i Ax A( A i ) i x 0 et donc Ax ker( A i ) i . Notons
A : ker( A i ) i ker( A i ) i la restriction de A à ker( A i ) i . La seule valeur
propre de A est i . Par suite CarA ( X ) ( X i ) i où di dim ker( A i ) i .
d
CarA ( X ) divise CarA ( X ) . Pour le voir il suffit de compléter ker( A i ) i en une
B C
base de n , dans cette nouvelle base, la matrice de l'endomorphisme A est
0 D
où B, C , D sont des matrices et B est la matrice de
A dans une base de ker( A ) i , i
il s'ensuit que CarA ( X ) CarA ( X ) CarD ( X ) . Nous avons donc di i . D'autre part
d d
n i di , donc i di .
i 1 i 1
EXERCICE 12.
Niveau : Premier Cycle
Auteur : Ruben Ricchiuto (10.01.05)
Mots Clés : Suites exactes d'espaces vectoriels
Énoncé :
1. Soit V1 ,...,Vn n espaces vectoriels de dimension finie sur un corps quelconque. On
considère la suite 0 0 où les fi sont des
f f f
V1
1 V
2 V ...V
0 n f
2 3 n
applications linéaires et 0 est l'espace vectoriel réduit au seul élément 0. On dit que
cette suite est exacte si ker( fi 1 ) Im( fi ) , 0 i n 1 . Montrer que dans ce cas f1
n
est injective et f n 1 est surjective et que (1)i dim(Vi ) 0 .
i 1
1 1
A1 A2
2. Montrer que la suite 0 0 où A1 0 1 et
2 3 1
0 0
A2 0 0 2 est exacte.
Solution :
1. ker( f1 ) Im( f 0 ) 0 prouve que f1 est injective. Im( f n 1 ) ker( f n ) Vn prouve
que f n 1 est surjective . Par le théorème de la dimension,
dim(Vi ) dim ker( fi ) dim Im( fi ) . Ainsi,
n n n
(1)i dim(Vi ) (1)i dim ker( fi ) (1)i dim Im( fi )
i 1 i 1 i 1
n n 1
(1)i dim ker( fi ) (1)i dim ker( fi 1 ) . Cette dernière expression est égale à
i 1 i 1
n n n
(1)i dim ker( fi ) (1)i 1 dim ker( fi ) dim ker( f1 ) (1)i 1 (1)i dim ker( fi ).
i 1 i 2 i 2
n
Or dim ker( f1 ) 0 donc (1)i dim(Vi ) 0 .
i 1
1 1
2. A2 A1 0 0 2 0 1 0 0 ce qui montre que Im( A1 ) ker( A2 ) . De plus A1
0 0
est une matrice de rang 2 donc dim Im( A1 ) 2 et A2 est une matrice de rang 1 donc
dim ker( A2 ) 2 . Ainsi Im( A1 ) ker( A2 ) .
EXERCICE 13.
Niveau : Premier Cycle
Auteur : Ruben Ricchiuto (10.01.05)
Mots Clés : Polynôme caractéristique d'une matrice inversible
Énoncé :
Soit A M n () inversible. Montrer que x \ {0}, Car ( x) det( A1 ) x n (1) n CarA ( x 1 )
A1
Si x 0 , Car ( x) det( A1 xI ) det( A1 ) det( A) det( A1 xI ) det( A1 ) det( I xA)
A1
det( A1 ) det( x( x 1I A)) det( A1 ) x n (1)n CarA ( x 1 ) . Cette égalité montre entre autre
que si est valeur propre de A alors 1 est valeur propre de A1 avec même multiplicité
algébrique.
EXERCICE 14.
Niveau : Premier Cycle
Auteur : Ruben Ricchiuto (10.01.05)
Mots Clés : Polynôme caractéristique
Énoncé :
Quel est le polynôme caractéristique de la matrice M (mij ) avec mij 1 pour tout
1 i, j n ?
Solution :
n
Soit v (v1,..., vn ) ' n un vecteur propre de valeur propre . Notons s vk , on a
1
Mv ( s, s,..., s )' v . Donc k 1..n, s vk et si 0 , k 1..n, vk s / ce qui entraîne
n . Pour n 2 nous avons donc deux valeurs propres, 0 et n . Le polynôme
caractéristique s'écrit comme, PM ( X ) X ( X n) . De plus v est un vecteur propre de
n
valeur propre 0 ssi vk 0 donc 0 est de multiplicité géométrique égale à n 1 ainsi
1
EXERCICE 15.
Niveau : Premier Cycle
Auteur : Ruben Ricchiuto (10.01.05)
Mots Clés : Espaces vectoriels quotients
Énoncé :
Soit V un -espace vectoriel et U V un sous-espace. On définit une relation notée sur
V de la manière suivante : x, y V , x y ssi x y U .
1. Montrer que est une relation d'équivalence.
2. Montrer que est compatible avec l'addition et la multiplication par un scalaire c'est-
à-dire : x, x, y, y V , , si x x et y y alors x y x y et x x .
3. Notons V / U l'ensemble des classes d'équivalence pour la relation . Déduire de 2.
qu'en définissant les opérations : x y x y et x x où x et y désignent les
classes de x et y V , on munit V / U d'une structure d'espace vectoriel.
4. Montrer que si V est de dimension finie alors V / U aussi et
dim(V / U ) dim(V ) dim(U ) . [Indication : considérer l'application linéaire
: V V / U , x x où x est la classe d'équivalence de x.]
Solution :
1. x x 0 x x ce qui prouve que est réflexive. Si x y alors x y U et par
suite y x U donc y x , est donc symétrique. x y et
y z xz x y y z U ce qui montre que est transitive.
U U
2. Si x x et y y alors x x U et y y U . Donc
x y x y y y U et x x x x U , c'est-à-dire
x x
U U
x y x y et x x .
3. Remarquons que grâce à 2. les opérations d'addition et de multiplication par un
scalaire sont bien définies. On vérifie immédiatement que V / U est un groupe pour
l'addition avec 0 comme élément neutre et x comme opposé de x . On a
1 x 1 x x et le reste des propriétés est évident…
EXERCICE 16.
Niveau : Premier Cycle
Auteur : Ruben Ricchiuto (10.01.05)
Mots Clés : Polynôme caractéristique
Énoncé :
Considérons les applications ai : M n () , 0 i n 1 ( M n () est l'ensemble des
matrices n n à coefficients dans ) où ai ( A) est le coefficient de degré i du polynôme
caractéristique de A. Montrer que pour toutes matrices A, B , si B est inversible,
ai ( AB) ai ( BA) pour tout 0 i n 1 .
Solution :
On a CarAB ( X ) det( AB XI ) det( B ( AB XI ) B 1 ) det( BA XI ) CarBA ( X ) . Le
polynôme caractéristique de AB est le même que celui de BA , par suite ai ( AB) ai ( BA) .
Remarque : on montre plus généralement que CarAB ( X ) CarBA ( X ) pour toutes matrices
A, B M n () .
EXERCICE 17.
Niveau : Premier Cycle
Auteur : Ruben Ricchiuto (10.01.05)
Mots Clés : Formes bilinéaires symétriques
Énoncé :
Soit un corps quelconque, V un espace vectoriel de dimension finie sur et
: V V une forme bilinéaire symétrique.
1. Montrer que si est de caractéristique 2 alors il existe une base e1 ,.., en de V
telle que (ei , e j ) 0 si i j . [Indication : procéder par récurrence sur dim(V ) .
Montrer qu'il existe x V tel que ( x, x) 0 et qu'en notant x l'espace engendré
y V | ( x, y ) 0 .]
par x on a V x x où x
6. Avec les mêmes notations que dans 5, on considère de plus la matrice définie par
A (aij )1i , j n , aij (ei , e j ) où e1 ,.., en est la base canonique de n . Montrer que
( x, y ) x Ay . En déduire que H ker( A) et que par suite est non dégénérée ssi
det( A) 0 .
4. Notant e j | j E
l'espace engendré par e j | j E il est facile de voir que
n
e j | j E H . Réciproquement, soit x H . x i ei et
i 1
n n
0 ( x, e j ) ( i ei , e j ) i (ei , e j ) j (e j , e j ) . Ainsi pour j E ,
i 1 i 1
(e j , e j ) 0 et donc j 0 par suite x est combinaison linéaire d'éléments de
e j | j E . On en déduit immédiatement dim( H ) r .
n
5. Supposons que x n vérifie : y n , x y xi yi 0 . Dans ce cas en prenant
i 1
pour y les vecteurs de la base canonique on obtient, x1 ... xn 0 c'est-à-dire x 0 .
n n
6. Soit x xi ei , y yi ei avec xi , yi .
i 1 i 1
n n n n n
( x, y ) ( xi ei , y j e j ) xi y j (ei , e j ) xi ( Ay )i x Ay où ( Ay )i
i 1 j 1 i 1 j 1 i 1
est la i-ème composante du vecteur Ay . H ker( A) en effet,
y H z n , ( z , y ) 0 z n , z Ay 0 Ay 0 . est non
dégénérée ssi H ker( A) {0} donc ssi det( A) 0 .
1 1 0
7. La matrice associée à dans la base canonique est A 0 0 1 et cette matrice
0 0 0
est visiblement de rang 2 donc dim ker( A) dim( H ) 1 .