Algèbre Linéaire

Fiche de TD
Licence 2 Informatique (2022-2023)
Guillaume Metzler
Institut de Communication (ICOM)
Université de Lyon, Université Lumière Lyon 2
Laboratoire ERIC UR 3083, Lyon, France
[email protected]

Résumé
Les exercices proposés dans cette fiche constituent une bonne base d’entraînement pour mettre
en application les différentes notions vues en cours. Les exercices sont essentiellement triés par
thème mais il n’est pas impossible qu’il faille avoir recours à des notions vues ultérieurement afin
de pouvoir le traiter.

Les exercices proposés sont également séparés en deux catégories, une partie dite "Applications"
constituée des exercices simples que vous devez savoir faire dans le cadre de ce cours. D’autres exer-
cices sont proposés dans une partie "Pour aller plus loin". Ces exercices là présentent des difficultés
supplémentaires : parfois plus complexes en terme de calculs, plus théoriques ou nécessitent de faire
des démonstrations en revenant aux définitions donnés dans le cours. Bien que je ne demande pas,
dans le cadre de ce cours, à ce que vous sachiez résoudre ce type d’exercices, ils restent très forma-
teurs.

En cas de problème dans la résolution de ces exercices, vous pouvez toujours me solliciter par
mail.

Tous les exercices ne pourront pas être traités en TD, il est donc important que vous vous
entraîniez chez vous pour maîtriser ces notions et que vous refassiez les exercices traités en cours.

1 - Algèbre Linéaire - L2 Informatique

1 Espaces vectoriels et Applications linéaires

1.1 Applications du cours

Exercice 1.1. Soit E un ensemble, typiquement E = R2 muni d’une loi interne, notée + et d’une loi
externe notée · définies pour tout x, y ∈ E et pour tout λ ∈ R par

x + y = (x1 , x2 ) + (y1 , y2 ) = (x1 + y1 , x2 + y2 ) et λ · x = λ · (x1 , x2 ) = (0, λx2 ).

L’ensemble (E, +, ·) a-t-il une structure d’espace vectoriel sur R ?

Exercice 1.2. Soit E = Rn [X] l’espace des polynômes de degré n, i.e. si P est un élément de E, alors
il existe des coefficients a0 , . . . , an ∈ R et an ̸= 0 tels que

n
X
P (X) = a0 + a1 X + a2 X 2 + . . . + an X n = ak X k .
k=0

L’ensemble E muni des lois internes et externes, respectivement définies, pour tout P, Q ∈ E et
λ ∈ R par

n
X n
X
P (X) + Q(X) = (ak + bk )X k et λ · P (X) = λak X k
k=0 k=0

a-t-il une structure d’espace vectoriel sur R ? Sans chercher à justifier votre réponse, quelle est
une base de cet espace vectoriel et quelle est sa dimension ?
Exercice 1.3. Montrer que la famille de vecteurs v1 = (1, 1) et v2 = (2, 0) forme une famille généra-
trice de R2 .
Exercice 1.4. Montrer que la famille de vecteurs v1 = (1, 1, 1), v2 = (0, 0, 1) et v3 = (1, −1, 2) forme
une famille libre de R3 .
Exercice 1.5. Montrer que la famille B = (v1 , v2 , v3 ) forme une base de l’espace R3 où

v1 = (1, 3, 2), v2 = (2, 5, 2) et v3 = (−2, −2, 1).

Exercice 1.6. On considère une famille de vecteurs de R4 définies par

v1 = (1, 1, 1, 0), v2 = (0, 0, 1, 1) et v3 = (−1, 0 − 1, −2).

Cette famille est-elle une famille libre de R4 ? Compléter cette famille en une base de l’espace
R4 .
Exercice 1.7. Montrer que le noyau d’une application linéaire ϕ de E forme un sous-espace de E, i.e.

Ker(ϕ) = {x ∈ E : ϕ(x) = 0}

muni des lois internes et externes de E (addition et multiplication) est un sous-espace vectoriel
de E.
Exercice 1.8. On considère E l’espace vectoriel des fonctions continues de R dans R. On note P
l’ensemble des fonctions paires de E et I l’ensemble des fonctions impaires de E.

Montrer que les ensembles P et I, munis des structures induites par celle de E sont des sous-
espaces vectoriels de E. Que peut-on dire de l’intersection de ces deux sous-espaces.

2 - Algèbre Linéaire - L2 Informatique

Exercice 1.9. Montrer que l’application ϕ : R2 → R2 définie par

ϕ(x1 , x2 ) = (3x1 + 6x2 , −2x1 )

est une application linéaire de R2 dans R2 . Est-ce que cette application est injective ? Est-elle
surjective ?
Exercice 1.10. On considère l’application ϕ : K[X] → K[X], i.e. une application de l’espace des
polynômes dans l’espace des polynômes (de degré quelconque), définie par

ϕ(P (X)) = XP (X).

Montrer que cette application définie un endormorphisme injectif mais non surjectif de K[X].
Exercice 1.11. On considère l’application ϕ : K[X] → K[X], i.e. une application de l’espace des
polynômes dans l’espace des polynômes (de degré quelconque), définie par

ϕ(P (X)) = P ′ (X),

où P ′ (X) désigne le polynôme dérivé. Montrer que cette application définie un endormorphisme
surjectif mais non injectif de K[X].
Exercice 1.12. On considère l’application ϕ : R3 → R3 définie par

ϕ(x) = (2x1 + x2 − x3 , 2x1 − x2 + 2x3 , 8x1 + 2x3 ).

Déterminer le noyau de l’application linéaire ϕ. Quelle est sa dimension ?

Exercice 1.13. Déterminer une base du noyau de l’application linéaire ϕ dont la représentation ma-
tricielle est donnée par
 
1 1 1 1
1 2 3 4
4 3 2 1
Exercice 1.14. Déterminer une base de l’image de l’application linéaire ϕ dont la représentation
matricielle est donnée par
 
1 1 1 1
1 2 3 4
4 3 2 1
Exercice 1.15. On considère l’application ϕ : R3 → R3 définie par

ϕ(x1 , x2 , x3 ) = (4x1 + 2x2 − x3 , x1 + x2 + x3 , −x1 + x2 − x3 ).

Déterminer le noyau de cette application. Peut-on dire que ϕ est un automorphisme de R3 ?

Exercice 1.16. Considérons une application linéaire ϕ : R3 → R2 définie par

ϕ(x1 , x2 , x3 ) = (2x1 − x2 + x3 , −x1 + x2 − x3 ).

Supposons que R2 est muni de sa base canonique (e1 , e2 ) et R3 de sa base canonique (e′1 , e′2 , e′3 ).
1. Déterminer la représentation matricielle de l’application ϕ.
2. Déterminer l’image du vecteur u = 2e′1 − 2e′2 − e′3 avec et sans l’aide de la représentation
matricielle.

3 - Algèbre Linéaire - L2 Informatique

1.2 Pour aller plus loin

Exercice 1.17 (Images et Noyaux). Soit E un espace vectoriel sur un corps R. Soit f un endomor-
phisme de E. Montrer que les équivalence suivantes sont vraies 1 :

1. Ker(f 2 ) = Ker(f ) ⇐⇒ Ker(f ) ∩ Im(f ) = {0}.

2. Im(f 2 ) = Im(f ) ⇐⇒ Ker(f ) + Im(f ) = E.

Exercice 1.18 (Images et noyaux en dimension finie). Soit E un R-espace vectoriel de dimension finie
n. Soit f un endomorphisme de E. Démontrer les équivalences suivantes

Ker(f ) ⊕ Im(f ) = E ⇐⇒ Im(f 2 ) = Im(f ) ⇐⇒ Ker(f ) = Ker(f 2 )

Exercice 1.19 (Homothéties). Soit E un espace vectoriel sur R de dimension finie n. On appelle
homothétie, une application linéaire ha de la forme

ha : E → E,
x 7→ ax,

où a est un nombre réel.

1. Soit f un endomorphisme de E. Supposons que, quelque soit x ∈ E, il existe ax ∈ R tel que :

f (x) = ax x.
(a) Soient x, y ∈ E deux vecteurs linéairements indépendants. Montrer que ax = ay . On
pourra chercher à calculer f (x + y) de deux façons différentes.
(b) Montrer que f est une homothétie.

2. On appelle centre de L (E) (i.e. centre de l’ensemble des endomorphismes de E) l’ensemble

des éléments f ∈ L (E) vérifiant

∀g ∈ L (E), f ◦ g = g ◦ f,

i.e. il s’agit des endomorphismes de E qui commutent avec tous les autres.

(a) Soit x ∈ E. Montrer qu’il existe un projecteur px de E dont l’image est égale à V ect(x) =
⟨x⟩.
(b) Déterminer le centre de L (E).

1. Pour montrer que deux ensembles A et B sont égaux, il nous faut montrer que A ⊂ B et B ⊂ A.

4 - Algèbre Linéaire - L2 Informatique

2 Matrices, changements de bases, et équations linéaires

2.1 Applications du cours

Exercice 2.1. Déterminer le rang des matrices suivantes

   
−1 1 −1 −3 1 7
A = −2 0 −2 et B = −4 2 10
−1 −3 1 1 2 0

Exercice 2.2. Soient a, b, c ∈ R et A ∈ M3 (R) définie par :

1 a a3
 

A = 1 b b3 
1 c c3

Calculer son déterminant et déterminer à quelle(s) condition(s) la matrice A est inversible.

Exercice 2.3. Déterminer l’inverse de la matrice A ∈ M3 (R) suivante :

 
1 2 1
A =  4 0 −1
−1 2 2

Exercice 2.4. Soient a, b, c ∈ R et soient A, B ∈ M3 (R) définies par :

   
1 1 1 2a 2a a−b−c
A = a + b c + a b + c et B =  2b b−c−a 2b 
ab ca bc c−a−b 2c 2c

Calculer leur déterminant et déterminer à quelle(s) condition(s) les matrices A et B sont inver-
sibles.

Exercice 2.5. On considère la matrice A ∈ M3 (R) définie par

 
1 1 3
A = 0 1 2 
0 0 1

1. La matrice A est-elle inversible ? Déterminer son inverse.

2. Déterminer une matrice N telle que A = (I3 + N ).
3. Calculer N 2 et N 3 . Que remarquez vous ?
4. Exprimer A−1 en fonction de I3 , N et N 2 .
5. En déduire l’expression de Ap pour tout entier p > 0 2 .

Exercice 2.6. Soit (e1 , e2 , e3 ) une base de R3 et on considère les vecteurs e′1 , e′2 et e′3 définis par

e′1 = e1 + e2 − e3 ,
e′2 = e1 − e2 + e3 ,
e′3 = −e1 + e2 + e3 .

1. Déterminer la matrice de passage de B vers la base B ′ .

2. On utilisera le fait que les matrices I3 et N commutent et la formule du binôme

5 - Algèbre Linéaire - L2 Informatique

 2. Montrer que B ′ = (e′1 , e′2 , e′3 ) est une base de R3 .
3. Déterminer la matrice de passage de B ′ vers la base B.
4. Soit ϕ l’endomorphisme de R3 dont la représentation matricielle A dans la base (e1 , e2 , e3 )
est donnée par
 
a−b a+c c−b
1
b − a c − a b + c
2
a+b a−c b−c
Déterminer la matrice de ϕ dans la base (e′1 , e′2 , e′3 ).
Exercice 2.7. Soit u un endomorphisme de E = R3 dont la matrice, relativement à la base canonique,
est donnée par :
 
2 −1 −1
1
A = −1 2 −1
3
−1 −1 2

1. Déterminer le noyau et l’image de u.

2. Montrer que Ker(u) + Im(u) = E.
3. Déterminer une base B ′ de R3 adaptée à la somme directe Ker(u) + Im(u) = E.
4. Déterminer la matrice de l’endomorphisme de u relativment à la base B ′ .
5. Quelle la nature de u ?
Exercice 2.8. On se place dans l’espace vectoriel E = R3 , on note B = (e1 , e2 , e3 ) sa base canonique.
Soit u un endomorphisme de E dont la représentation matricielle dans la base B, notée A, est donnée
par :
 
3 −1 1
A = 0 2 0 
1 −1 3

On pose f1 = e1 + e3 , f2 = e1 + e2 et f3 = e1 − e3 .

1. Montrer que B ′ = (f1 , f2 , f3 ) une base de E.

2. Déterminer u(f1 ), u(f2 ) et u(f3 ) et en déduire une représentation matricielle de A dans cette
nouvelle base B ′ . Elle sera appelée D dans la suite.
3. Calculer Dn pour tout entier n ∈ N⋆ .
4. Calculer An pour tout entier n ∈ N⋆ en fonction de la matrice An .
Exercice 2.9 (Projection et symétrie). Les deux questions de cet exercice sont indépendantes.

1. Soient les vecteurs de R3

b1 = (1, 1, 2) b2 = (−2, −1, 3) et b3 = (0, −3, −1).

Notons alors E l’espace engendré par les vecteurs b1 et b2 et F l’espace engendré par le
vecteur b3 .
(a) Montrer que la famille B = (b1 , b2 , b3 ) est une base de R3 .
Que peut-on dire des espaces E et F .
(b) Soit p la projection sur E parallèlement à F . Calculer la matrice M de p dans la base B.
(c) Notons E = (e1 , e2 , e3 ) la base canonique de R3 . Calculer la matrice N de p dans la base
E.

6 - Algèbre Linéaire - L2 Informatique

 (d) Calculer la matrice P de passage de E vers B.
Quelle relation existe-t-il entre les matrices M, N et P .

2. Soient les vecteurs de R3

c1 = (1, −1, −3) c2 = (1, 0, 3) et c3 = (2, −1, 1).

Notons alors G l’espace engendré par le vecteur c1 et F l’espace engendré par les vecteurs c2
et c3 .
(a) Montrer que la famille C = (c1 , c2 , c3 ) est une base de R3 .
Que peut-on dire des espaces G et H.
(b) Soit s la symétrie par rapport à G parallèlement à H. Calculer la matrice S de s dans la
base C .
(c) Notons E = (e1 , e2 , e3 ) la base canonique de R3 . Calculer la matrice Q de passage de E
vers C ainsi que son inverse.
(d) En utilisant la question précédente, calculer la matrice T de s dans la base E.

7 - Algèbre Linéaire - L2 Informatique

2.2 Pour aller plus loin

Exercice 2.10 (Déterminant de Vandermonde). Soit n ∈ N\{0, 1} et a1 , . . . , an ∈ Rn .

Calculer le déterminant de la matrice suivante :

1 a1 a21 · · · a1n−1
1 a2 a22 · · · a2n−1
.. .. .. ..
. . . .
n−1
1 an−1 a2n−1 · · · an−1
1 an 2
an · · · an n−1

On commencera par calculer ce déterminant pour n = 2 et n = 3 et on procédera par récurrence.

Exercice 2.11 (Système linéaire). Résoudre le système (S) suivant en discutant selon les valeurs du
réel m

(1 − m)x + (2m + 1)y + (2m + 2)z = m
(S) : mx + my = 2m + 2 ,
2x + (m + 1)y + (m − 1)z = m2 − 2m + 9


Exercice 2.12 (Rang de la comatrice). Soit n un entier supérieur ou égal à 3. Pour toute matrice
A ∈ Mn (R), on note Com(A) la comatrice de A, dont les coefficients sont les cofacteurs de A.

Déterminer le rang de Com(A) en fonction du rang de A, qu’on note rg(A).

Exercice 2.13 (Matrices triangulaires par blocs et inversion). L’objectif de cet exercice est d’établir
un résultat pour une matrice par blocs.

1. Soient A, B, C et D des matrices de Mn (R) et considérons la matrice M triangulaire supé-

rieure par blocs de la forme
 
A C
M= .
0 D
Montrer que det(M ) = det(A)det(D).
Indication : on pourra commencer par montrer que det(M ) = det(A)det(D) en considérant
la décomposition suivante :
     
A C In 0 ? ? A 0
= .
0 D 0 D 0 ? 0 In
2. On suppose maintenant que les matrices C et D commutent et que D est inversible. Montrer
que l’on a

A C
det(N ) = = det(DA − CB).
B D
Indication : on cherchera multiplier N par une
 certaine matrice de sorte à ce que le produit
A − CD−1 B C

des deux donne la matrice
0 D

8 - Algèbre Linéaire - L2 Informatique

3 Réduction des endomorphismes

3.1 Applications du cours

Exercice 3.1. Considérons un endomorphisme u dont la représentation matricielle A est donnée par
 
8 −1 −5
A = −2 3 1
4 −1 −1

1. Déterminer le polynôme caractéristique de u.

2. Déterminer ses valeurs propres (sachant que 2 est racine du polynôme caractéristique)
3. La matrice A est-elle diagonalisable ?

Exercice 3.2. Considérons un endomorphisme u dont la représentation matricielle A est donnée par
 
6 2 0
A= 2 3 0
−10 −5 2

Diagonaliser la matrice A et déterminer la matrice de passage P permettant de passer de la

matrice A à sa version diagonale. A nouveau, on remarquera que 2 est une valeur propre de la matrice
A.

Exercice 3.3. Considérons un endomorphisme u dont la représentation matricielle A est donnée par
 
−3 −2 0
A= 6 3 1
4 0 3

1. Calculer les puissances de la matrice A − I3

2. Pour k ∈ {1, 2, 3}, on pose Ek = Ker((u − λId)k ).
(a) Montrer que dim(Ek ) = k. Pour cela on utilisera le fait que si f et g sont deux endor-
morphismes, alors Ker(f ) ⊂ Ker(g ◦ f ) et on pensera au théorème du rang qui fait le lien
entre le rang et la dimension du noyau. Aucun calcul n’est nécessaire.
(b) En déduire une base (e1 , e2 , e3 ) de E3 telle que (e1 ) est une base de E1 et (e1 , e2 ) est une
base de E2 .
3. En déduire l’expression de la matrice de passage P formée par les trois vecteurs précédents.
Peut-on dire que la matrice A est semblable à une matrice diagonale ?
Pour rappel, deux matrices A et B sont semblables s’il existe une matrice P inversible telle
que

B = P −1 AP.

Exercice 3.4. Pour quelles valeurs des scalaires a, b, c et d la matrice

 
1 a b
A = 0 2 c 
0 0 d

est elle diagonalisable ?

9 - Algèbre Linéaire - L2 Informatique

Exercice 3.5. On considère la matrice A suivante
 
γ 1 2
A = 0 γ 3
0 0 γ

où γ est la Constante d’Euler-Mascheroni 3 . Expliquez, sans calculs, pourquoi cette matrice n’est
pas diagonalisable.

Exercice 3.6. On considère la matrice réelle A définie par

 
1 3
A=
3 1

1. La matrice A est-elle inversible ?

2. Montrer que A est diagonalisable et expliciter une matrice D diagonale et une matrice P
inversible telle que A = P DP −1 .
3. Justifier que pour tout n ∈ N⋆ An = P Dn P −1 .
4. En déduire une expression de An .

Exercice 3.7. On considère l’endomorphisme u de rang 1 dont la représentation matricielle est donnée
par
 
a1 a2 · · · an
 0 0 ··· 0 
..  .
 
 .. ..
. . .
0 0 ··· 0

Montrer que le polynôme caractéristique de cette matrice est (−λ)n−1 (tr(u) − λ).

3. C’est une constante qui apparaît naturellement lorsque l’on étudie la Série Harmonique et on a γ ≃ 0.577.

10 - Algèbre Linéaire - L2 Informatique

3.2 Pour aller plus loin

Exercice 3.8 (Matrice compagnon). Déterminer le polynôme caractéristique de l’endomorphisme u

dont la représentation matricielle 4 est donnée par :
 
0 0 ··· 0 −c0
1 0 · · · 0 −c1 
 
0 1 · · · 0 −c2 
 
 .. .. . . .. .. 
. . . . . 
0 0 ··· 1 −cn−1

Pn Indication : on transformera la première ligne à l’aide d’une transformation de la forme L1 ←

i=1 Pi (λ)Li pour un bon choix de Pi . L’idée est de faire apparaître des 0 sur les n − 1 premières
entrées de la matrice

Exercice 3.9. Soit E un espace vectoriel sur le corps R, de dimension finie n ≥ 1 et soit u un
endomorphisme de E qui commute avec tous les projecteurs de E.

1. Montrer que tout vecteur non nul de E est un vecteur propre de u

2. Montrer que u est une homothétie 5

Exercice 3.10 (Diagonalisation par blocs). Soient A, C et D trois matrices de Mn (R) et considérons
la matrice M triangulaire supérieure par blocs de la forme
 
A C
M= .
0 D

Montrer que le spectre de M est l’union des spectres des matrices A et D.

Indication : on pourra commencer par montrer que det(M ) = det(A)det(D) en considérant la

décomposition suivante :
     
A C In 0 ? ? A 0
=
0 D 0 D 0 ? 0 In

4. une telle matrice est appelée matrice compagnon

5. Une homothétie est une application linéaire u de la forme u(x) = λx pour un réel λ fixé pour tout vecteur x.

11 - Algèbre Linéaire - L2 Informatique

4 Espaces Euclidiens et formes bilinéaires et quadratiques

4.1 Applications du cours

Exercice 4.1. Soit f l’application de R3 × R3 dans R définie par :

f (x, y) = x1 y1 + 2x2 y2 + 3x3 y3 + x1 y2 + x2 y1 .

Est-ce que l’application f définie un produit scalaire ?

Exercice 4.2. Soit A une matrice symétrique réelle de taille n, associée à un endomorphisme f , qui
possède n valeurs propres distinctes, notées λ1 < · · · < λn , et notons v1 , · · · , vn ∈ Rn les vecteurs
propres associés, on supposera que ces vecteurs ont une norme égale à 1.

1. Montrer que les sous espaces propres sont deux à deux orthogonaux, i.e. montrer que les vec-
teurs propres associés à des valeurs propres distinctes sont orthogonaux 6 .

2. Montrer que la matrice V dont les colonnes sont formées par les vecteurs propres de A ( que
vérifie

V −1 = V T .

3. En déduire, que dans une base adaptée, la forme quadratique associée au produit scalaire
défini par la matrice A peut s’écrire comme la somme de monômes au carré (i.e. sous la
forme λ1 z12 + · · · + λn zn2 ).

Exercice 4.3. Soit f l’application de R3 × R3 dans R définie par :

  
1 1
f (x, y) = √ x1 − 2x2 + 5x3 √ y1 − 2y2 + 5y3 + (x2 − x3 )(y2 − y3 ) + 2x3 y3 .
2 2

Est-ce que l’application f définie un produit scalaire ?

Exercice 4.4. Soit f l’application de R3 × R3 dans R définie par

f (u, v) = 3u1 v1 + u2 v2 + 3u3 v3 − u2 v1 − u1 v2 − u3 v2 − u2 v3 .

1. Montrer que f est un produit scalaire.

2. Soit P la matrice de passage de la base canonique (ei ) vers une base (e′i ) définie par
 
1 0 1
P = 0 1 1 .
1 1 0
(a) Déterminer la matrice du produit scalaire associée à l’application f dans la base canonique
(ei ). On notera S cette matrice.
(b) Déterminer la matrice S ′ de ce même produit scalaire mais dans la base (e′i ).
6. On peut étendre ce résultat et montrer que, sans hypothèses sur le caractère distinct des valeurs propres, une
matrice symétrique réelle est orthogonalement semblable à une matrice diagonale, dont les éléments diagonaux sont des
nombres réels. Pour construire cette base orthogonale (ou orthonormale), on montrera que les espaces propres associés à
deux valeurs propres distinctes sont deux à deux orthogonaux et au sein d’un espace propre, on peut toujours construire
une base orthognale (Gram-Schmidt).

12 - Algèbre Linéaire - L2 Informatique


T
T
3. On considère les vecteurs x′ = 0 1 0 et y′ = −1 1 1 dans la base (e′i ). Déterminer
le produit scalaire de ces deux vecteurs et conclure.

T
T
Exercice 4.5. Soient u = 1 −1 1 et v = 2 1 −1 deux vecteurs de R3 muni du produit
scalaire canonique et considérons l’espace vectoriel F engendré par les vecteurs u et v.

1. Quelle est la dimension de F ?

2. Déterminer la matrice de projection orthogonale P sur F .

T
3. Soit w = 0 1 1 .
(a) Après avoir calculer les produits scalaires des vecteurs u et v avec le vecteur w, dire à
quel espace appartient le vecteur w.
(b) Que peut-on dire du produit P w ?

13 - Algèbre Linéaire - L2 Informatique

4.2 Pour aller plus loin

Exercice 4.6 (Cauchy-Schwarz pour les formes blinéaires). Soit ϕ une forme bilinéaire sur un espace
vectoriel réel E et soit q sa forme quadratique associée.
1. Montrer l’identité de Cauchy

q(q(u)v − ϕ(u, v)u) = q(u)[q(u)q(v) − ϕ(u, v)ϕ(v, u)].

2. En déduire, si q est définie positive, l’inégalité de Cauchy-Schwarz

ϕ(u, v)ϕ(v, u) ≤ q(u)q(v).

Exercice 4.7 (Etude d’une forme quadratique). On considère l’espace M2 (R) des matrices carrées
d’ordre 2 sur R.
    
a b 1 1
E= ∈ M2 (R); a − d = 0 et J = .
c d 1 −1

On définit l’application

ϕ : E × E −→ R

en posant, pour tous M, N ∈ M2 (R),

ϕ(M, N ) = tr(M JN ).

1. Montrer que ϕ est une forme bilinéaire. Est-elle symétrique ?

     
1 0 0 1 0 0
2. Montrer que B = , , est une base de E.
0 1 0 0 1 0
3. Déterminer la matrice de la forme quadratique q dans la base B. La forme quadratique
 qest
a b
définie, pour tout M ∈ M2 (R) par q(M ) = ϕ(M, M ). Pour cela, on prendra M = et
c d
on calculera q(M ).
4. Ecrire la forme quadratique q comme une somme de carrés, i.e. on ne doit plus voir apparaître
de termes rectangles.
5. Est-elle définie ? Positive ? Négative ?
6. En déduire le rang et le noyau de cette forme quadratique.
7. Déterminer la forme polaire associée à q.
8. On considère maintenant un sous-espace de E défini par
  
a 0
F = ∈ M2 (R); a − d = 0 .
0 d

Déterminer F ⊥ l’espace orthogonal à F .

14 - Algèbre Linéaire - L2 Informatique

5 Exercices supplémentaires

Exercice 5.1 (Endomorphismes commutants et diagonalisation). On se donne deux matrices A et B

dans Mn (C) (avec n entier naturel non nul) et on se propose de montrer que A et B ont une valeur
propre commune si et seulement s’il existe M ∈ Mn (C) non nulle telle que M A = BM .

1. Condition suffisante
On suppose dans cette question que M A = BM pour une certaine M ∈ Mn (C) non nulle.
(a) Montrer, pour tout P ∈ C[X], que M P (A) = P (B)M .
(b) En déduire que A et B ont une valeur propre commune 7 .
2. Condition nécessaire
On suppose dans cette question que A et B ont une valeur propre commune λ.
(a) Montrer que Sp(AT ) = Sp(A) (c’est-à-dire que AT et A ont mêmes valeurs propres).
Ainsi, il existe X ∈ Cn et Y ∈ Cn non nulles telles que AT X = λX et BY = λY .
(b) À l’aide de X et de Y , construire M non nulle telle que M A = BM .

Exercice 5.2 (Probabilités et diagonalisation). Soit X et Y deux variables aléatoires à valeurs dans
N et indépendantes.

P+∞
1. Montrer que P[X = Y ] = k=0 P[X = k] × P[Y = k].

On suppose à partir de maintenant que X suit une loi de Poisson de paramètre λ > 0 et qu’il
existe p ∈]0, 1[ tel que, pour tout k ∈ N, P[Y = k] = p(1 − p)k . Enfin, on considère la matrice
aléatoire
 
X X +Y
A= .
0 Y
2. Calculer la probabilité que A soit inversible.
3. En déduite la probabilité que la matrice ne soit pas inversible.
4. Préciser la loi de la variable aléatoire rg(A) (qui donne le rang de la matrice A) ainsi que
son espérance.
5. Donner une condition nécessaire et suffisante sur les réels a, b et c pour que la matrice
 
a c
0 b
soit diagonalisable

P+∞A soit diagonalisable.

6. Déterminer la probabilité que la matrice
Indication : on utilisera le fait que k=1 P[X = k] × P[Y = k] = pe−λ eλ(1−p) − 1 .

Exercice 5.3 (Diagonalisation ? (sans calcul de déterminant)). On considère la matrice

 
1/2 1/2 0 0
1/4 1/4 1/2 0 
A=  ∈ M4 (R).
1/8 1/8 1/4 1/2
1/8 1/8 1/4 1/2

1. Déterminer la dimension du noyau de la matrice A

2. Quel est le déterminant de A ? Préciser le rang de la matrice A.
7. On pourra appliquer le résultat précédent avec P égal au polynôme caractéristique de A.

15 - Algèbre Linéaire - L2 Informatique

 3. Déterminer les valeurs propres de la matrice A.
Indication : on pourra effectuer les calculs suivants
   
1 2
1 0
A
1
 et A
−1


1 −1
La matrice A est-elle diagonalisable ?

16 - Algèbre Linéaire - L2 Informatique

6 Exercices pour réviser

Exercice 6.1. On considère la famille de vecteurs (v1 , v2 , v3 ) définie par

     
1 −1 0
1 0 1
v1 = 
0 ,
 v2 = 
1
 et v3 = 
1 .


2 1 0

On considère également un endomorphisme u : R4 → R4 dont la représentation matricielle est

donnée par
 
4 −1.6 3.2 −0.2
−7 4.6 −9.2 2.2 
A=
−7 3.8 −7.6 1.6  .


−1 1 −2 2

1. Montrer que la famille de vecteurs (v1 , v2 , v3 ) forme une famille libre de R4 .

2. Donner la définition de u pour tout vecteur x de R4 .
3. L’endomorphisme u est-il injectif ?
4. Enoncer le théorème du rang. En déduire le rang de la matrice A.
5. Calculer l’image des vecteurs v1 et v2 suivants par l’endomorphisme u
   
1 −1
1 0
v1 = 
0
 et v2 = 
 1 .


2 1
Que peut-on dire concernant ces deux vecteurs ?
6. Déterminer le spectre de la matrice A. Quelle est la dimension des sous-espaces propres as-
sociés ?
7. La matrice A est-elle diagonalisable ?
8. En déduire le polynôme caractéristique de la matrice A.
 
2
1
 0  par l’application u.
9. Calculer l’image du vecteur v4 =  

−1
10. Est-ce que la famille de vecteurs B ′ = (v1 , v2 , v3 , v4 ) constitue une base R4 ?
11. On note P la matrice dont les colonnes sont formées par les vecteurs de B ′ . Déterminer P −1 .
12. Expliciter la forme de la matrice P −1 AP .
Exercice 6.2. On dit qu’une matrice A réelle symétrique est positive (respectivement définie positive)
lorsque pour tout x ∈ Rn , on a xT Ax ≥ 0 (resp. pour tout x ∈ Rn , on a xT Ax > 0). Les ensembles
correspondants sont notés S + (R) (resp. S ++ (R)).

1. A quelle condition une matrice diagonale est-elle positive ? (resp définie positive ?)
2. Montrer qu’une matrice symétrique est positive (resp. définie positive) si et seulement si ses
valeurs propres sont positives (resp. strictement positives).
 
a b
3. Montrer que la matrice ∈ M2 (R) est positive (resp. définie positive) si et seulement
b c
si a ≥ 0 et ac − b2 ≥ 0 (resp. a > 0 et ac − b2 > 0).

17 - Algèbre Linéaire - L2 Informatique

 4. Soit A une matrice positive. Montrer qu’il existe une unique matrice carrée B posiitve telle
que B 2 = A.
 
1 2
5. Soit A = ∈ M2 (R). Déterminer une matrice B positive telle que B 2 = A.
2 8
6. Soit A ∈ S ++ (R). Montrer que l’application (x, y) 7→ xT Ay définit un produit scalaire sur
Rn
7. Soit X une matrice de donnée et on note C = X T X la matrice de variance-covariance des
données. Montrer que la matrice de variance-covariance est définie positive.

Exercice 6.3. On considère la matrice A donnée par

 
2 0 4
A = 3 −4 12
1 −2 5

1. La matrice A est-elle inversible ?

2. Déterminer une base de l’image et du noyau.
3. La matrice A est-elle diagonalisable ?
4. Déterminer une base des sous-espaces propres.
5. On note v0 , v1 et v2 les vecteurs propres associés aux différents sous-espaces propres. Déter-
miner le projeté orthogonal des vecteurs v1 et v2 sur le vecteur v0 .
6. La famille de vecteurs (v0 , v1 , v2 ) forme-t-elle une famille orthogonale ?
7. A partir de la famille (v0 , v1 , v2 ) construire une base orthogonale (u0 , u1 , u2 ) à l’aide du
procédé d’orthogonalisation de Gram-Schmidt.

Exercice 6.4. Soit un E un espace vectoriel et soient u et v deux endomorphismes de E qui vérifient
u ◦ v = v ◦ u, i.e. deux endomorphismes qui commutent.

1. Montrer que Ker(u), après avoir rappelé sa définition, est un sous-espace vectoriel de E.
2. Montrer que les espaces Ker(u) et Im(u) sont stables par v.
3. Montrer que les sous-espaces propres de u sont stables par v.

Exercice 6.5. Soit f une application de R2 [X] dans R2 [X], i.e. une application de l’ensemble des
polynômes de degré inférieur ou égal à 2 dans lui même. Pour tout P ∈ R2 [X], on pose

f (P ) = P − (X − 2)P ′ ,
P2 k.
où P (X) = k=0 αk X

1. Montrer que f est un endomorphisme de R2 [X].

2. Déterminer le noyau et l’image de f
3. Déterminer la matrice de f dans la base B = (1, X, X 2 )
4. Montrer que B ′ = (1, X − 2, (X − 2)2 ) est une base de R2 [X].
5. Déterminer la matrice de passage P de B vers B ′ .
6. Donner la représentation matricielle de f dans la base B ′ .

18 - Algèbre Linéaire - L2 Informatique