ASSIGNMENT OF LINEAR ALGEBRA

Exponents: Group 10
— Rokhaya Diop
— Fallou Beye
— Ananmah Rose Ayine
— Diallo Thierno Souleymane
EXERCICE 1 .

f :Rn → Rn
Show that f (ker(g ◦ f )) = Im(f ) ∩ ker(g)
f (ker(g ◦ f )) ∈ Im(f ) because f is an endomorphism of Rn
⇒f (ker(g ◦ f )) = {f (x) ∈ Im(f ) | g(f (x)) = 0}
⇒f (ker(g ◦ f )) = {f (x) ∈ Im(f ) | f (x) ∈ ker(g)}
f (ker(g ◦ f )) = Im(f ) ∩ ker(g)

EXERCICE 2 .

QUESTION 1 1. we solve the following system of equations using the Gauss method.

x + 2y + 3z = 10


(S1 )

2x + y − z = 3


−x + 3y + 2z = 5

Let’s eliminate x in the last two equations.

2(x + 2y + 3z = 10) − (2x + y − z = 3)3y + 7z = 17


x + 2y + 3z = 10


(S1 ) 3y + 7z = 17



y+z =3
Let’s eliminate y in the last equation.

−(3(y + z = 3))3y + 7z = 174z = 8z = 2


x + 2y
+ 3z = 10
 
y =1

(S1 ) y+z =3 ⇒

 x =2

z=2
The solution of the first system of equations is given by :

X = 2Y = 1Z = 2

QUESTION 2
Solve using Gauss method.
 
3x − 4y + 5z = 1 −x − 6y + 14z = 8

 

(S2 ) 7x − 2y − 4z = 3 ⇒ (S2 ) 3x − 4y + 5z = 1

 


−x − 6y + 14z = 8 
7x − 2y − 4z = 3

Let’s eliminate x in the last two equations.

7(−x − 6y + 14z = 8)7x − 2y − 4z = 33(−x − 6y + 14z = 8)3x − 4y + 5z = 1

 59
−22y + 47z =
2
−22y + 47z = 25
59
From the last two equations, we find out that 25 ̸= 2
. This is impossible, then the set solution is empty
set SS2 = ∅.

EXERCICE 3 We are given the endomorphism f of R3 defined by :

f (x, y, z) = (3x − z, 2x + 4y + 2z, −x + 3z)

1. Matrix A of f with respect to the canonical basis

We need to find the matrix of f in the canonical basis {(1, 0, 0), (0, 1, 0), (0, 0, 1)}.

f (1, 0, 0) = (3(1) − 0, 2(1) + 4(0) + 2(0), −1 + 3(0)) = (3, 2, −1)

f (0, 1, 0) = (3(0) − 0, 2(0) + 4(1) + 2(0), −0 + 3(0)) = (0, 4, 0)

f (0, 0, 1) = (3(0) − 1, 2(0) + 4(0) + 2(1), −0 + 3(1)) = (−1, 2, 3)

Therefore, the matrix A of f with respect to the canonical basis is :
 
3 0 −1
A =  2 4 2 .
 

−1 0 3

2. Characteristic polynomial, eigenvalues, and eigenspaces

The characteristic polynomial pA (λ) is given by :

pA (λ) = det(A − λI)

We compute A − λI :  
3−λ 0 −1
A − λI =  2

4−λ 2 
.
−1 0 3−λ
Now, we compute the determinant :
 
3−λ 0 −1
det(A − λI) = det  2

4−λ 2 
.
−1 0 3−λ

We expand this determinant along the first row :

! !
4−λ 2 2 4−λ
det(A − λI) = (3 − λ) det − 0 + (−1) det .
0 3−λ −1 0

The determinants of the 2 × 2 matrices are :

!
4−λ 2
det = (4 − λ)(3 − λ),
0 3−λ
 !
2 4−λ
det = (2)(0) − (−1)(4 − λ) = 4 − λ.
−1 0
Thus :
det(A − λI) = (3 − λ)((4 − λ)(3 − λ)) − (4 − λ).
Expanding :
(3 − λ)((4 − λ)(3 − λ)) = (3 − λ)(12 − 7λ + λ2 ) = 36 − 21λ + 3λ2 − 12λ + 7λ2 − λ3 .
This simplifies to :
−λ3 + 10λ2 − 33λ + 36.
Adding −(4 − λ), we get :
det(A − λI) = −λ3 + 10λ2 − 33λ + 36 − 4 + λ = −λ3 + 10λ2 − 32λ + 32.
Thus, the characteristic polynomial is :
pA (λ) = −λ3 + 10λ2 − 32λ + 32.
Factoring this polynomial, we find :
pA (λ) = −(λ − 2)(λ − 4)2 .
The eigenvalues are λ = 2 (with multiplicity 1) and λ = 4 (with multiplicity 2).

3. Diagonalizability of f
We now determine the eigenspaces.
— Eigenspace for λ = 2 :
We solve (A − 2I)v = 0, with :
 
1 0 −1
A − 2I = 
 2 2 2 .


−1 0 1
The system of equations is :
 
v1 − v3 = 0, 2v1 + 2v2 + 2v3 = 0, −v1 + v3 = 0.
This gives v1 = v3 and v2 = −2v1 , so v = v1 (1, −2, 1). Therefore,
E(2) = span{(1, −2, 1)}, dim(E(2)) = 1.
— Eigenspace for λ = 4 :
We solve (A − 4I)v = 0, with :
 
−1 0 −1
A − 4I =  2 0 2  .
 

−1 0 −1
The system of equations is :  
−v1 − v3 = 0, 2v1 + 2v3 = 0.
This gives v1 = −v3 , and the eigenvectors are of the form :
v = (−v3 , v2 , v3 ).
By setting v2 = 0, we obtain two linearly independent solutions :
(1, 0, −1) and (0, 1, 0).
Therefore,
E(4) = span{(1, 0, −1), (0, 1, 0)}, dim(E(4)) = 2.
The sum of the dimensions of the eigenspaces is 1 + 2 = 3, which equals the dimension of R3 . Therefore,
f is diagonalizable.
4. Find a matrix P such that A = P DP −1 , where D is a diagonal matrix.
We know that the eigenvalues of A are λ1 = 2 and λ2 = 4, and the corresponding eigenvectors are : - For
λ = 2, the eigenvector is (1, −2, 1), - For λ = 4, the eigenvectors are (1, 0, −1) and (0, 1, 0).
Thus, we can take the matrix P whose columns are the eigenvectors of A :
 
1 1 0
P = −2 0 1 .
 

1 −1 0

The corresponding diagonal matrix D is :

 
2 0 0
D = 0 4 0 .
 

0 0 4

Verification of A = P DP −1
Now, let’s calculate P −1 . The determinant of P is given by :

0 1 −2 1 −2 0
det(P ) = 1 × −1× +0× .
−1 0 1 0 1 −1

The determinants of the 2 × 2 submatrices are :

0 1 −2 1
= 1, = −1.
−1 0 1 0

Thus, the determinant of P is :

det(P ) = 1 × 1 − 1 × (−1) = 1 + 1 = 2.

The determinant is nonzero, so P −1 exists. The inverse of P is :

 
1 −1 0
1 1
P −1 = adj(P ) = 2 −1 −1
.
det(P ) 2
1 1 1

Multiplying P and D, we get :

    
1 1 0 2 0 0 2 4 0
P D = −2 0 1 0 4 0 = −4 0 4
   
.
1 −1 0 0 0 4 2 −4 0

Now, we calculate P DP −1 :
   
2 4 0 1 −1 0
1
(P D)P −1 = −4 0 4 2 −1 −1

.
2
2 −4 0 1 1 1

Performing the matrix multiplication gives :

  
2 4 0 1 −1 0
1
(P D)P −1 = −4 0 4 2 −1 −1 .
 
2
2 −4 0 1 1 1
This results in :  
3 0 −1
(P D)P −1 =  2 4 2 .
 

−1 0 3
We have found that P DP −1 gives exactly the matrix A, that is :
 
3 0 −1
P DP −1 = A =  2 4 2 .
 

−1 0 3

Thus, the equation A = P DP −1 is verified.

5. Calculation of An for n > 1

Let A = P DP −1 be the diagonalization of A, where :
   
1 1 0 2 0 0
−2 0 1 ,
P = 0 4 0 .
D=
 

1 −1 0 0 0 4

The general formula to calculate An is :

An = P Dn P −1 .

Since D is a diagonal matrix, raising it to the power of n is straightforward :

 n 
2 0 0
Dn = 0 4n 0 
.


0 0 4n

The inverse of P is :  
1 −1 0
1
P −1 = 2 −1 −1.
2
1 1 1
The formula for An is :
An = P Dn P −1 .
Thus :
2n 0 0
    
1 1 0 1 −1 0
n n 1
A = −2 0 1  0 4
  
0  2 −1 −1
.
2
1 −1 0 0 0 4n 1 1 1
This gives :  n
2 + 2 · 4n −2n − 4n −2n

1
An = 2 · 2n + 4n −2 · 2 − 4 −2 · 2n 
n n
.

2
2n + 2 · 4n −2n + 4n −2n

EXERCICE 4 .

Compute
 An ∀n 
∈N
0 1 1
A=−1 1 1


−1 1 2
  
−1 1 1
A = B + I with B = −1 0 1
 

−1 1 1
   
−1 0 1 0 0 0
B 2 =  0 0 0 and B 3 = 0 0 0 so ∀n ≥ 3
   

−1 0 1 0 0 0
we have B n = 0

An = (B + I)n
n
Cnk B k I n−k
X
=
k=0
n
n(n − 1) 2
Cnk B k = I + nB + B + 0 + ... + 0 because ∀ n ≥ 3 , B n = 0
X
=
k=0 2
n − n2 0 n2 − n
   
−n n n
1
= I + −n 0 n +  0 0 0 
  
2

2 2
−n n n n−n 0 n −n

−n2 − n 2n n2 + n
   
2 0 0
1 1
= 0 2 0 +  −2n 0 2n 

2 2

2 2
0 0 2 −n − n 0 n +n

−n2 − n + 2 2n n + n2
 
1
= −2n 2 2n 
2
 
−n2 − n 2n n2 + n + 2

EXERCICE 5 .
I Soit (E, ⟨·, ·⟩) un espace préhilbertien. Montrer que l’application φ(x, y) = ⟨x, y⟩ est une forme bilinéaire
symétrique sur E. Montrer que sa forme quadratique associée q est définie positive.
Bilinéarité : Pour tout x, y, z ∈ E et a, b ∈ R :

φ(ax + by, z) = ⟨ax + by, z⟩ = a⟨x, z⟩ + b⟨y, z⟩ = aφ(x, z) + bφ(y, z).

Donc, φ est linéaire en son premier argument. De même, on peut montrer que φ est linéaire en son second
argument.
Symétrie : Pour tout x, y ∈ E :

φ(x, y) = ⟨x, y⟩ = ⟨y, x⟩ = φ(y, x).

Donc, φ est symétrique.
Définitude positive : Pour montrer que la forme quadratique associée q(x) = φ(x, x) = ⟨x, x⟩ est définie
positive :
Pour tout x ∈ E :

q(x) = ⟨x, x⟩.

Puisque ⟨x, x⟩ ≥ 0 et ⟨x, x⟩ = 0 si et seulement si x = 0, la forme quadratique q est définie positive.
Exemple : Produit scalaire bilinéaire
 a trois dimension
 
x1 y1
Soit E = R3 . Considérons x =  x2  et y = y2 . Alors,
  

x3 y3
 3
X
⟨x, y⟩ = xi y i .
i=1

1. ⟨y, x⟩ = 3i=1 yi xi = 3i=1 xi yi = ⟨x, y⟩.

P P

Donc, ⟨·, ·⟩ est symétrique.

2. ⟨αx + βy, z⟩ = 3i=1 (αxi + βyi )zi = α 3i=1 xi zi + β 3i=1 yi zi = α⟨x, z⟩ + β⟨y, z⟩.
P P P

Alors ⟨·, ·⟩ est linéaire par rapport à la 1ère composante, donc ⟨·, ·⟩ est bilinéaire.
3. ⟨x, x⟩ = 0 ⇒ 3i=1 x2i = 0 ⇒ xi = 0 ∀i ∈ {1, 2, 3}.
P

4. La positivité :
3
x2i ≥ 0 ∀x ∈ R3 .
X
⟨x, x⟩ =
i=1

Alors, ⟨·, ·⟩ est positive.

2.
Donner la décomposition en carrés de Gauss sur R4 de la forme :

Q(x, y, z, t) = y 2 + z 2 − 4xz − 4xt + 2yz.

Pour trouver la décomposition en carrés de Gauss de Q :
Identifier les termes de produit croisé et compléter le carré :

Q(x, y, z, t) = y 2 + z 2 − 4xz − 4xt + 2yz.

Regrouper les termes pour compléter le carré :

Q(x, y, z, t) = y 2 + z 2 + 2yz − 4xz − 4xt.

Complétons le carré pour les termes impliquant z et y :

y 2 + 2yz + z 2 = (y + z)2 .
On peut donc réécrire Q comme :

Q(x, y, z, t) = (y + z)2 − 4xz − 4xt.

Maintenant, regrouper les termes restants impliquant x et compléter encore le carré :

Q(x, y, z, t) = (y + z)2 − 4x(z + t).

Remarquez que l’expression −4x(z+t) ne se prête pas facilement à un carré parfait, donc nous la réécrivons
en factorisant :

Q(x, y, z, t) = (y + z)2 − 4x(z + t).

Écrire la forme quadratique dans une forme standard si possible : Puisque nous avons des termes croisés
qui ne s’insèrent pas facilement dans la complétion du carré, nous exprimons Q tel quel. 1. φ(x, y) est une
forme bilinéaire symétrique sur R alors :
1
φ(x, y) = [(x + y)2 − (x − y)2 ]
2
Ainsi, en développant les carrés :
(x + y)2 = x2 + 2xy + y 2
 (x − y)2 = x2 − 2xy + y 2
Substituons dans φ(x, y) :
1
φ(x, y) = [(x2 + 2xy + y 2 ) − (x2 − 2xy + y 2 )]
2
1
= [x2 + 2xy + y 2 − x2 + 2xy − y 2 ]
2
1
= [4xy]
2
= 2xy
Le polynôme homogène de degré 2 est donc :

φ(x, y) = 2xy

Passons maintenant à Q(x, y, z).

Donnée dans le texte :
Q(x, y, z) = x2 + y 2 − 4xz − 4yz + z 2
Nous pouvons reformuler Q(x, y, z) en complétant le carré pour les termes impliquant z :

Q(x, y, z) = x2 + y 2 + z 2 − 4xz − 4yz

Q(x, y, z) = (x − 2z)2 − 4z 2 + (y − 2z)2 − 4z 2 + z 2

Q(x, y, z) = (x − 2z)2 + (y − 2z)2 − 3z 2
En introduisant les nouvelles variables u et v telles que u = x − 2z et v = y − 2z, nous obtenons :

Q(x, y, z) = u2 + v 2 − 3z 2

La signature de Q est déterminée par le nombre de termes positifs et négatifs dans la forme quadratique.
Les termes sont :
Terme positif : u2 Terme positif : v 2 Terme négatif : −3z 2
Conclusion :
sig(Q) = (2, 1)