MP3, Agadir R ÉVISION D ’ ALG ÈBRE LIN ÉAIRE

I. Espaces vectoriels
1. Exercices d’introduction
Exercice 1 (Polynômes de Lagrange)
Soit E = Cn−1 [X] et soit α1 , . . . , αn des nombres complexes deux à deux distincts. On pose, pour k = 1, . . . , n,

∏ni=1 (X − αi )
i6=k
Lk = .
∏ni=1 (αk − αi )
i6=k

Démontrer que (Lk )k=1,...,n est une base de E. Déterminer les coordonnées d’un élément P ∈ E dans cette base.

Exercice 2 (Supplémentaire commun)

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.

Exercice 3 (Intersection d’hyperplans)

E un espace vectoriel de dimension n.
1 Étant donné k hyperplans H1 , ..., Hk de l’espace vectoriel E. Montrer que

dim(∩k1 Hi ) ≥ n − k

2 Si F un sous-espace vectoriel de E, distinct de E.

Montrer que F peut s’écrire comme une intersection d’un nombre fini d’hyperplans.
Quel est le nombre minimum d’hyperplans nécessaire ?

Exercice 4 (Un opérateur classique)

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 son 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 ∈ R p [X]. Montrer que P peut s’écrire

p
P= ∑ (∆n P)(0)Hn .
n=0

n  
n
5 Montrer que l’on a (∆n P)(0) = ∑ (−1)n−k P(k).
k=0 k

X(X − 1) . . . (X − n + 1)
6 Montrer que pour tout n, Hn = .
n!

7 En déduire que, pour tout polynôme P de degré p, les assertions suivantes sont équivalentes :
7.a. P prend des valeurs entières sur Z.
7.b. P prend des valeurs entières sur {0, . . . , p}.
7.c. Les coordonnées de P dans la base (Hn ) sont des entiers.
7.d. P prend des valeurs entières sur p + 1 entiers consécutifs.

Exercice 5 (Noyau et image)

Soit E = Rn [X] et soit f l’application définie sur E par f (P) = P(X + 1) + P(X − 1) − 2P(X).
1 Vérifier que f est un endomorphisme de E.

2 Quel est le degré de f (X p ) ? En déduire ker( f ) et Im( f ).

3 Soit Q un polynôme de Im f . Démontrer qu’il existe un unique polynôme P tel que f (P) = Q et P(0) = P0 (0) = 0.

Exercice 6 (Le Rang)

Soient E un espace vectoriel de dimension finie, u et v dans L(E).
1 Montrer que rg(u + v) ≤ rgu + rg(v).

2 On suppose que u + v bijectif et u ◦ v = 0. Montrer que rg(u) + rg(v) = dim E et que Im(v) = Ker(u).

Exercice 7 (Un endomorphisme particulier)

Soit E un espace vectoriel réel de dimension finie n et f ∈ L(E) tel que f 2 = −IE .
1 Montrer que (a, f (a)) est libre pour tout a non nul de E.

2 Montrer que n est un entier pair. On pose n = 2p. On pose Vect(a, f (a)) = F(a) pour tout a non nul de E.

3 Montrer l’existence de a1 , ..., a p dans E tels que F(a1 ) ⊕ ... ⊕ F(a p ) = E

4 Déduire des questions précédentes une base de E dans laquelle la matrice de f est particulièrement simple.

LYC ÉE R ÉDA S LAOUI 1

 2. Factorisation d’endomorphismes
Soient E, F et G des K-espaces vectoriels de dimension finie.
1 Soient u dans L(E, F) et v dans L(E, G). Montrer que l’existence de w dans L(F, G) telle que v = w ◦ u équivaut à : Keru ⊂ Kerv.

2 Soient u dans L(E, G) et v dans L(F, G). Montrer que l’existence de w dans L(E, F) telle que u = v ◦ w équivaut à : Imu ⊂ Imv.

3 Soit u dans L(E). Établir l’existence de p dans L(E) et v dans GL(E) telles que p2 = p et u = p ◦ v.

4 Soit u dans L(E). Établir l’existence de p dans L(E) et v dans GL(E) telles que p2 = p et u = v ◦ p.

3. Endomorphisme nilpotent
Soit E un K -espace vectoriel de dimension n ≥ 1 et f un endomorphisme nilpotent non nul de E . Soit p l’indice de nilpotence de f .

5 Montrer qu’il existe x ∈ E tel que la famille (x, f (x), f 2 (x), .., f p−1 (x)) soit libre et en déduire que f n = 0.

6 6.a. Etablir que pour tout k ∈ {1, .., p} , il existe un sous-espace vectoriel Fk de E tel que ker f k = ker f k−1 ⊕ Fk .
6.b. Etablir que E = F1 ⊕ F2 .. ⊕ Fp .
6.c. Observer que la matrice de f dans une base adaptée à la somme directe ci-dessus est triangulaire supérieure à coefficients diagonaux
nuls.

7 On suppose que p = n.
7.a. Montrer qu’il existe un vecteur x0 ∈ E pour lequel la famille (x0 , f (x0 ), ..., f n−1 (x0 )) soit une base de E .
7.b. On note C = {g ∈ L(E)/g ◦ f = f ◦ g}.
i) Montrer que C est un sous-espace vectoriel de L(E) .
ii) Montrer que C = K[ f ].
iii) En déduire la dimension de C .

4. La suite des itérés

Soit f ∈ £(E), E de dim finie égale à n. pour tout k ∈ N on pose.
+∞ +∞
Nk = Kerf k , nk = dim Nk , N = ∪ kerfp , I = ∩ Imfp
p=0 p=0

8 8.a. Montrer que (Nk )k∈IN est une suite croissante de sev de E, et que s’il existe k0 tel que :
Nk0 = Nk0 +1 alors ∀k ≥ k0 : Nk = Nk+1 .

8.b. Montrer l’existence d’un tel entier k0 , on suppose que c’est le plus petit ; montrer que k0 ≤ n.
8.c. Montrer que N = Nk0 et I = Ik0 .
8.d. Etablir que N et I sont des sous-espaces vectoriels supplémentaires stables par f et tels que les restrictions de f à N et I soient
respectivement nilpotente et bijective.
8.e. Réciproquement on suppose E = F ⊕ G avec F et G sous-espaces vectoriels stables par f tels que les restrictions de u à F et G
soient respectivement nilpotent et bijective. Etablir F = N et G = I.

Pour la suite on note : nk = dim ker f k

9 Montrer que :
∀k, p ∈ N : nk+p ≤ nk + n p

10 Dans cette question on suppose que f est nilpotente d’indice p et que n1 = 1 on se propose de montrer que :
∀k ≤ n, nk = k
10.a. Montrer que : nk ≤ nk+1 ≤ nk + 1.
10.b. En déduire que : p = n et que ∀k ≤ n : nk = k.
On pourra montrer que ∀k ∈ |[0, p]|, nk = k, puis en déduire que p = n

II. Matrices
1. Matrice de rang 1

11 Soit A ∈ Mn (C).
Démontrer que A est de rang 1 si, et seulement si, il existe une matrice colonne C non nulle et une matrice ligne L non nulle telles que
A = CL.
En déduire que A2 = tr(A)A.

2. Matrices semblables
 
0 1 0
12 Soit M =  0 .. t
1  Montrer que A est semblable à A
 
.
0 0 0
 
0 0 0
13 Soit M ∈ Mn 3R non nulle telle que M = −M, montrer que M est semblable à  0 0
3
−1 
0 1 0

14 Soit f ∈ L(E) ayant même matrice dans toutes les bases de E. Montrer que f est une homothétie.

LYC ÉE R ÉDA S LAOUI 2

 3. Matrice à diagonale strictement dominante

15 Soit A une matrice carrée d’ordre n à coéfficients dans K de terme général ai j .

On dit que A est à diagonale strictement dominante si, pour tout i, |aii | > ∑ |ai j |.
j6=i
Montrer dans ce cas que la matrice A est inversible. indication : Considérer un vecteur colonne X tel que AX = 0 et la composante de
module maximum.

4. Formes linéaires sur Mn (K)

Soit ϕ une forme linéaire sur Mn (K).

16 Montrer qu’il existe une unique matrice A ∈ Mn (K) tel que :

∀X ∈ Mn (K) : ϕ(X) = tr(AX)

On pourra utiliser la base canonique : (Ei j )

17 On suppose de plus que ∀X,Y ∈ Mk (K) : ϕ(XY ) = ϕ(Y X) Montrer qu’il existe λ ∈ K : ϕ = λ tr

5. Matrice de trace nulle

18 Soit u un endomorphisme. Démontrer que u est une homothétie si, et seulement si, ∀x ∈ E : (x, u(x)) est liée.

19 Soit A une matrice non scalaire de trace nulle.

19.a. En utilisant la première question, montrer que A est semblable à une matrice dont le premier coefficient diagonal est nul.
19.b. En déduire et grâce à un procédé récurrent que A est semblable à une matrice dont tous les coefficients diagonaux sont nuls.

20 Une première caractérisation.

En déduire qu’une matrice est de trace nulle si, et seulement si, elle est semblable à une matrice dont tous les coefficients diagonaux sont
nuls.

21 Application.
Soit A une matrice non scalaire. Montrer grâce que A est semblable à une matrice dont tous les coefficients sont nuls, sauf peut-être le
premier.

22 Une seconde caractérisation.

22.a. Soit H une matrice à diagonale nulle.

Montrer qu’il existe une matrice diagonale D et une matrice B tel que : H = DB − BD.
22.b. En déduire et en utilisant la première caractérisation, démontrer qu’une matrice A est de trace nulle si, et seulement si, il existe
deux matrices U,V tels que : A = UV −VU

III. Déterminant
1. Déterminant par bloc

23 Soient A, B,C, D ∈ Mn (K).

23.a. On suppose que D est inversible et que C et D commutent. Etablir
 
A B
det = det(AD − BC)
C D

23.b. On suppose que AB = BA. Montrer que  

A B
det = det(DA −CB)
C D

24 Soient A, B ∈ Mn (R).
24.a. Montrer
A B
= det(A + B) det(A − B)
B A
24.b. Justifier
A −B
>0
B A

2. Techniques de Calcul

25 Calculer les déterminants d’ordre n suivants :

x+1 1 1 ... 1
2 x+2 2 ... 2
25.a. 3 3 x+3 ... 3
.. .. .. .. ..
. . . . .
n n ... n x+n

LYC ÉE R ÉDA S LAOUI 3

 1 n n ... n
n 2 n ... n
25.b. n n 3 ... n
.. .. .. .. ..
. . . . .
n n ... n n
−a1 a1 0 ... ... 0
0 −a2 a2 0 ... 0
.. .. .. .. .. ..
. . . . . .
25.c. .. .. .. .. ..
. . . . . 0
0 ... . . . 0 −an−1 an−1
1 1 1 1 1 1
−X 0 ... 0 −a0
..
1 −X 0 . −a1
.. .. .
0 1 . . .. −a2
25.d. .. ..
.. .. ..
. . . . 0 .
.. .. ..
. . 1 . −a n−2
0 ... ... 0 1 −X − an−1
r1 a ... a
.. ..
b r2 . .
25.e. . (a 6= b)
.. .. ..
. . a
b ... b rn

3. Déterminant de Vandermonde

26 Soient x1 , ..xn des nombres réels deux à deux distincts.

1 x1 x12 . . x1n−1
1 x2 x22 . . x2n−1
On considère le déterminant d’ordre n suivant : Dn (x1 , x2 , ..., xn ) = . . . . .
. . . . .
1 xn xn2 . . xnn−1
26.a. Montrer que le déterminant Pn (X) = Dn (x1 , ..., xn−1 , X) est un polynôme de C[X] de degré ≤ n − 1.
26.b. Calculer Pn (xi ) pour 1 ≤ i ≤ n − 1 ; en déduire le degré de Pn (X) et préciser son terme de plus haut degré.
26.c. Ecrire Pn (X) sous forme d’un produit de polynômes de degré 1 ; en déduire un lien entre les déterminants Dn (x1 , ..., xn ) et
Dn−1 (x1 , ..., xn−1 ).
26.d. Etablir que Dn (x1 , ..., xn ) = ∏(x j − xi ).
j>i

4. Déterminant circulant

2iπ
27 Soit α1 , ..., αn ∈ C, et ω = e n . On pose
1 1 1 1 1
   
α1 α2 α3 ... αn
 αn α1 α2 ... αn−1  1 ω ω2 ... w n−1 
ω2 ω4 ω 2(n−1)
   
A = αn−1 αn α1
 ... αn−2 
 Ω = 1
 ... 

 .. .. . . .. ..  . .. .. .. ..
 ..

 . . . . .  . . . . 
α2 α3 . . . αn α1 1 wn−1 w2(n−1) ... w(n−1)(n−1)
n
27.a. Calculer AΩ en fonction de ω et de P = ∑ αk X k−1 .
k=1
27.b. En déduire que det A = P(1)P(ω)...P(ω n−1 ).
1 a a2 ... an−1
an−1 1 a ... an−2
n−2
27.c. Application : Calculer pour a ∈ C a an−1 1 ... an−3
.. .. .. .. ..
. . . . .
a a2 ... an−1 1

5. Déterminant de Cauchy

28 On considère un entier n > 0 et deux suites finies (ak )1≤k≤n et (bk )1≤k≤n de réels telles que ak + bk 6= 0 pour tout k ∈ {1, 2, ..., n}. Pour
tout entier m tel que 0 < m ≤ n, le déterminant de Cauchy d’ordre m est défini par :
1 1 1
...
a1 + b1 a1 + b2 a1 + bm
1 1 1
...
Dm = a2 + b1 a2 + b2 a2 + bm
.. .. ..
. . .
1 1 1
...
am + b1 am + b2 am + bm
On définit la fraction rationnelle :
∏n−1
k=1 (X − ak )
R(X) =
∏nk=1 (X + bk )

LYC ÉE R ÉDA S LAOUI 4

 n
Ak
28.a. Montrer que si R(X) est de la forme R(X) = ∑ , alors
k=1 X + bk

An Dn = R(an )Dn−1 .
 
R(a1 )
R(a2 )
On pourra pour cela considérer le déterminant obtenu à partir de Dn en remplaçant la dernière colonne par  . 
 
 .. 
R(an )
28.b. En déduire que
∏1≤i< j≤n (a j − ai )(b j − bi )
Dn =
∏1≤i, j≤n (ai + b j )

IV. Matrice tridiagonale

 
b1 c1 0 ... 0
 .. .. 
a2
 b2 c2 . . 

29 soit An =  0
 .. .. .. 
une matrice tridiagonale pour la quelle on suppose que les nombres δk = det Ak , k = 1..n
 . . . 0 
. ..
 ..

. an−1 bn−1 cn−1 
0 ... 0 an bn
sont tous non nuls.
29.a. On pose δ0 = 1. Vérifier que les δk satisfont la relation :

δk = bk δk−1 − ak ck−1 δk−2 2≤k≤n

29.b. En déduire que  

  δ1
1 c1
  δ0
 
 δ0 
a2 1 δ2
c2
 
 δ1  
 δ1  δ1 

An =  a3 1
 .. .. 
 δ2

 . . 

 .. ..  δn−1 

 . . 
 cn−1 

 δn−2  δn−2 
an 1  δn 
δn−1
δn−1
Remarque : on peut en tirer une méthode très économique de résolution du système linéaire Ax = b

LYC ÉE R ÉDA S LAOUI 5