Vous êtes sur la page 1sur 33

Chapitre 23

MATRICES
Enoncé des exercices
1 Les basiques
Exercice 23.1 Donner la matrice de l’application linéaire f : R
3
→ R
3
, f (x, y, z) = (z, y, x) dans les bases cano-
niques.
Puis montrer que E =((1, 0, 1) , (0, 1, 0) , (1, 0, −1)) est une base. Donner la matrice de f dans E.
Exercice 23.2 Soit f l’endomorphisme de R
2
défini par
f
_
x
y
_
=
_
x −3y
2x + 4y
_
Justifier que E =
__
1
−1
_
,
_
2
1
__
est une base de R
2
.
Soit A =
_
1 −3
2 4
_
, B =
_
4 −1
−2 8
_
que représentent A et B vis à vis de f ?
Exercice 23.3 Donner la matrice de l’application linéaire f : R
2
[X] → R
2
[X] , f (P) = (X −1)
2
P
_
1
X−1
_
+
(X −1) P

(X) dans la base canonique, puis dans la base de Taylor :
_
1, (X −1) ,
(X−1)
2
2
_
.
Exercice 23.4 Soit E = Vect (sin, cos, ch, sh) . On a vu que E =(sin, cos, ch, sh) est une base de E. Donner la matrice
de l’opérateur de dérivation dans cette base.
Exercice 23.5 Soit A =
_
_
1 −1 2
0 1 0
1 1 2
_
_
et f l’endomorphisme canoniquement associé. Déterminer le rang de f,
déterminer ker f. Donner une base de Imf
Exercice 23.6 Soit E =(e
1
, e
2
, e
3
) où e
1
=
_
_
1
0
1
_
_
, e
2
=
_
_
1
−1
2
_
_
et e
3
=
_
_
2
−1
1
_
_
. Montrer que c’est une base de
R
3
. Soit f l’endomorphisme de R
3
de matrice A =
_
_
1 0 3
0 2 0
3 0 1
_
_
dans cette base. Que vaut f (e
1
−2e
2
+ 3e
3
) ?
1. LES BASIQUES CHAPITRE 23. MATRICES
Exercice 23.7 Soit A =
_
_
−1 0 1
−1 −2 1
−1 −1 1
_
_
et f l’endomorphisme de R
3
associé. Montrer qu’il existe une base
E =(e
1
, e
2
, e
3
) telle que
B = Mat
B
(f) =
_
_
0 0 0
0 −1 1
0 0 −1
_
_
Exercice 23.8 Puissance énième et racine énième de matrices.
1. Calculer A
n
pour A =
_
_
1 2 1
0 1 2
0 0 1
_
_
et n entier.
2. (Plus technique) Trouver B tel que B
2
= A et plus généralement B tel que B
n
= A pour n ≥ 2.
Exercice 23.9 Trouver B tel que B
2
=
_
_
1 2 3
0 1 2
0 0 1
_
_
Exercice 23.10 Soit E = R
3
[X] et ∆ : P →P(X + 1) −P(X)
1. Ecrire la matrice de ∆ dans la base canonique Ede E, calculer ∆(8X
3
+ 2X
2
−5X + 1). ∆ est-elle injective ?
Que vaut Im(∆) ?
2. Soit N
0
= 1 , N
1
= X , N
2
=
X(X−1)
2!
, N
3
=
X(X−1)(X−2)
3!
, vérifier que ces quatre vecteurs forment une base
E

de E. Ecrire la matrice de ∆ dans cette base.
3. Déterminer la matrice de passage de Eà E

, et calculer son inverse.
4. Calculer les coordonnées de 8X
3
+ 2X
2
−5X + 1 dans E

, en déduire l’expression de
∆(8X
3
+ 2X
2
−5X + 1) dans E

. Retrouver enfin la valeur de ∆(8X
3
+ 2X
2
−5X + 1) dans E.
5. Calculer ∆
4
(P) à l’aide de la définition de ∆ puis avec sa matrice dans E

. Quelle relation peut-on en déduire ?
Exercice 23.11 Soit A =
_
_
2 0 0
0 1 0
0 1 2
_
_
et f l’endomorphisme associé à A dans la base canonique E=(e
1
, e
2
, e
3
) de
R
3
.
1. Déterminer F = ker (f −2Id) et G = ker (f −Id) . Justifier que F ⊕G = R
3
2. Soit p la projection sur F de direction G, déterminer P = Mat
B
(p), la matrice de p dans E.
Soit q la projection sur G de direction F, que valent p +q, p ◦ q, q ◦ p et Q = Mat
B
(q).
3. Montrer que A = 2P +Q et en déduire A
n
.
Exercice 23.12 Soit E = R
3
. On note E la base canonique de R
3
. On définit F =
_
(x, y, z) ∈ R
3
, x +y +z = 0
_
et
G =
_
(x, y, z) ∈ R
3
, x = y = z
_
1. Justifier que F et G sont des sous espaces vectoriels supplémentaires de E .
2. Soit E

= (u
1
, u
2
, u
3
) où u
1
= (1, 1, 1), u
2
= (1, 0, −1), u
3
= (0, 1, −1).
Montrer que E

est une base.
3. Calculer P
B,B
′ , justifier que cette matrice est inversible, puis déterminer P
−1
B,B

4. Soit p la projection sur F de direction G, et f l’affinité de base G, de direction F et de rapport 2.
Donner les matrices de p et f dans E (on utilisera la base E

puis un changement de bases)
Exercice 23.13 Soit A =
_
_
−5 3 −3
−15 9 −7
−9 5 −3
_
_
et f l’endomorphisme canoniquement associé dans la base canonique
de R
3
.
—2/33— G
´
in. H·\i:1 - Liºiio: M.1iº -(c) 2000
CHAPITRE 23. MATRICES 2. LES TECHNIQUES
On pose u
1
=
_
_
1
1
−1
_
_
, u
2
=
_
_
0
1
1
_
_
et u
3
=
_
_
1
2
1
_
_
.
Montrer que E =(u
1
, u
2
, u
3
) est une base et calculer la matrice de f dans E. En déduire A
n
.
Exercice 23.14 Soit A =
_
_
_
_
_
_
1 0 0 a
1
0
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
0
.
.
.
0 0 1 a
n
_
_
_
_
_
_
et f l’application linéaire associée de R
p
dans R
q
. Préciser p et
q en fonction de n. Déterminer Imf et ker f.
Exercice 23.15
Soit A =
_
_
0 1 0
2 −1 −2
−1 1 1
_
_
et f l’endomorphisme de R
3
de matrice A dans la base canonique E
1
de R
3
.
1. Déterminer ker f.
2. Soit
−→
u =
_
_
1
1
0
_
_
,
−→
v =
_
_
1
−1
1
_
_
et w =
_
_
1
0
1
_
_
. Montrer que E
2
=(
−→
u ,
−→
v , w) est une base de R
3
.
3. Donner la matrice B de f dans E
2
.
4. Quelle est la matrice de passage P de E
1
à E
2
? Justifier que P est inversible et calculer P
−1
.
5. Comment peut-on calculer A
n
?
Exercice 23.16 On considère les deux suites récurrentes (u
n
)
n∈N
et (v
n
)
n∈N
définies par
u
0
= 0
v
0
= 0
u
n+1
= au
n
+αb
n
v
n+1
= bv
n
+αa
n
où a, b et α sont des complexes. On définit la matrice M par M =
_
_
a 0 α
0 1 0
0 0 b
_
_
.
1. Montrer que M
n
=
_
_
a
n
0 u
n
0 1 0
0 0 b
n
_
_
=
_
_
a
n
0 v
n
0 1 0
0 0 b
n
_
_
, en déduire u
n
et v
n
lorsque a ,= b.
2. Pour a = b, calculer M
n
et en déduire u
n
.
2 Les techniques
Exercice 23.17 Soit A ∈ /
n
(R) telle que A
n
= 0 et A
n−1
,= 0. Soit u l’endomorphisme canoniquement associé à
u. Montrer qu’il existe x
0
∈ R
n
tel que
_
u
n−1
(x
0
) , u
n−2
(x
0
) , , u(x
0
) , x
0
_
soit une base de R
n
.
Quelle est la matrice de u dans cette base ?
Exercice 23.18 Soit λ ∈ R et f
λ
: R
n
[X] →R
n
[X] défini par f
λ
= λ(P) (X) (P (X) −P (a))−(X −a) (P

(X) −P

(a))
Déterminer le noyau et l’image de f
λ
Exercice 23.19 Soit
A =
_
_
1 1 −1
−3 −3 3
−2 −2 2
_
_
et f l’endomorphisme associé à A dans la base canonique de R
3
.
—3/33— G
´
in. H·\i:1 - Liºiio: M.1iº -(c) 2000
2. LES TECHNIQUES CHAPITRE 23. MATRICES
1. Déterminer le noyau et l’image de f
2. Trouver une base de R
3
où la matrice de f est
B =
_
_
0 1 0
0 0 0
0 0 0
_
_
Exercice 23.20 Soit A =
1
2
_
_
_
_
1 1 0 0
−1 −1 0 0
0 0 3 1
0 0 −1 1
_
_
_
_
et f l’endomorphisme de R
4
canoniquement associé à A.
Montrer qu’il existe une base E

de R
4
telle que Mat
B
′ (f) = B =
_
_
_
_
0 1 0 0
0 0 0 0
0 0 1 1
0 0 0 1
_
_
_
_
Comment peut-on calculer A
n
?
Exercice 23.21 Soient (a, b, c) ∈ C et A =
_
_
a c b
c a +b c
b c a
_
_
. On note f l’endomorphisme de C
3
canoniquement
associé à A. On considère les vecteurs v
1
=
_
_
1

2
1
_
_
, v
2
=
_
_
1


2
1
_
_
et v
3
=
_
_
1
0
−1
_
_
.
Montrer que (v
1
, v
2
, v
3
) est une base de R
3
. Donner la matrice de f dans cette base. En déduire un moyen de calculer
A
n
.
Exercice 23.22 Soit a ∈ R, on définit M (a) =
_
_
_
_
_
_
a 1 1
1
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
. 1
1 1 a
_
_
_
_
_
_
∈ /
n
(R)
1. Pour quelles valeurs de a, la matrice M (a) est-elle inversible ? Calculer alors son inverse.
2. Calculer M (a) M (b) et retrouver l’inverse de M (a) quand elle est inversible. (On pourra utiliser M (1))
Exercice 23.23 Soit A =
_
_
chx 0 shx
0 1 0
shx 0 chx
_
_
où x ∈ R, on note f l’endomorphisme canoniquement associé à A
dans la base canonique de R
3
.
1. On pose e
1
=
_
_
0
1
0
_
_
, e
2
=
_
_
1
0
1
_
_
et e
3
=
_
_
1
0
−1
_
_
. Montrer que E =(e
1
, e
2
, e
3
) est une base de R
3
.
2. Déterminer la matrice B de f dans la base E. En déduire A
n
.
Exercice 23.24 Soit a, b, c trois réels dont un au moins est non nul, on définit
A =
_
_
a
2
ba ca
ab b
2
cb
ac bc c
2
_
_
On note f l’endomorphisme de R
3
de matrice A dans la base canonique.
1. Quel est le rang de f ?
2. Déterminer ker f, Imf, en donner une base et préciser leur dimension.
3. A-t-on ker f ⊕Imf = R
3
?
—4/33— G
´
in. H·\i:1 - Liºiio: M.1iº -(c) 2000
CHAPITRE 23. MATRICES 2. LES TECHNIQUES
Exercice 23.25 Soit M =
_
_
_
_
_
_
_
1 1 1 1
0 1 0 0
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
0 0 1 0
1 1 1 1
_
_
_
_
_
_
_
∈ /
n
(R) , on note f l’endomorphisme associé à M dans la
base canonique de R
n
.
1. Caculer M
n
.
2. Montrer qu’il existe une base E de R
n
telle que Mat
B
(f) =
_
_
_
_
_
_
_
_
0 0 0
0 1 0 0
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
. 0 1 0
0 0 2
_
_
_
_
_
_
_
_
(matrice diagonale).
Exercice 23.26 Soit M =
_
_
_
_
_
_
_
_
1 1
1 1 0 0
.
.
. 0
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
. 1 0
1 0 0 1
_
_
_
_
_
_
_
_
, on note f l’endomorphisme associé à M dans la base cano-
nique. Montrer qu’il existe une base E de R
n
telle que
Mat
B
(f) =
_
_
_
_
_
_
_
_
_
1 0 0
0
.
.
.
0 0
.
.
.
.
.
. 1
.
.
.
.
.
.
.
.
. 0 λ 0
0 0 µ
_
_
_
_
_
_
_
_
_
où λ et µ sont deux réels à déterminer.
Exercice 23.27 Soit A ∈ /
n
(R) , montrer l’équivalence
A antisymétrique ⇐⇒ ∀X ∈ /
n,1
(R) ,
t
XAX = 0
Exercice 23.28 Soit n ≥ 2 et E = R
n
[X] , on définit f par f (P) =
_
X
2
−X
_
P (1) +
_
X
2
+X
_
P (−1).
1. Montrer que f est un endomorphisme de E.
2. Donner la matrice de f dans la base canonique. Quel est le rang de f ?
3. Déterminer ker f et Imf.
Exercice 23.29 Soit n ∈ N, n ≥ 2, on note E = R
n
[X] , on définit pour P ∈ E, ϕ(P) par
ϕ(P) = (X −1) P

+P
′′
(0)
1. Montrer que ϕ est un endomorphisme de E.
2. Donner la matrice M de ϕ dans la base canonique de E.
3. Déterminer ker ϕ et Imϕ,donner une base de ces sous-espace vectoriels.
4. Montrer que Imϕ = ¦Q ∈ E, Q(0) +Q

(0) = 0¦
5. Retrouver ce résultat en utilisant la dérivée de ϕ(P) .
—5/33— G
´
in. H·\i:1 - Liºiio: M.1iº -(c) 2000
3. LES EXOTIQUES CHAPITRE 23. MATRICES
Exercice 23.30 Soit (u
n
)
n∈N
la suite définie par la récurrence
u
0
= 0 et u
n+1
= au
n
+bu
n−1
pour n ≥ 1 avec u
1
,= 0
On considère la matrice M =
_
0 c
u
1
a
_
où c =
b
u
1
.
1. Montrer que
M
n
=
_
_
cu
n−1
cu
n
u
1
u
n
u
n+1
u
1
_
_
2. En déduire que pour n ≥ 0, le terme u
n
u
n+2
−u
2
n+1
ne dépend que de b et de u
1
.
3. Lorsque b = −1, a = 2 chθ où θ > 0 et u
1
= 1, calculer u
n
en fonction de θ, puis exprimer la relation obtenue
en 2).
Exercice 23.31 Soit A ∈ /
3
(R) telle que A
3
+A = 0, montrer que A est non inversible.
3 Les exotiques
Exercice 23.32 Soit A la matrice
_
_
_
_
_
_
_
_
C
0
0
C
0
1
C
0
2
C
0
n
0 C
1
1
C
1
2
C
1
n
.
.
.
.
.
.
C
2
2
.
.
.
.
.
.
.
.
.
.
.
.
.
.
. C
n−1
n
0 0 C
n
n
_
_
_
_
_
_
_
_
∈ /
n+1
(K) de terme général a
i,j
= C
i−1
j−1
, pour
i et j ∈ ¦0, , n¦ (avec la convention classique : i > j ⇒ C
j
i
= 0).
1. Ecrire A et l’inverser pour n = 2 et 3.
2. Soit u l’endomorphisme de R
n
[X] ayant A pour matrice, calculer u(X
k
) puis u(P) pour P ∈ R
n
[X] .
3. En déduire l’inverse de A, montrer que A
−1
= JAJ où J est diagonale à déterminer.
Exercice 23.33 Soit (A
i
)
1≤i≤n
2 une base de /
n
(C) et X ∈ /
n,1
(C) une matrice colonne non nulle. Montrer que
la famille (A
i
X)
1≤i≤n
2
engendre /
n,1
(C).
4 Les olympiques
Exercice 23.34 Soit ϕ l’endomorphisme de E = /
n
(C) défini par ϕ(M) =
t
M. Calculer le déterminant de ϕ.et
vérifier votre calcul à l’aide de la matrice de ϕ dans la base canonique de /
2
(C).
5 Le grenier
Exercice 23.35 Soit E = R
2
[X] et f définie par f (P) =
_
X
2
+X + 1
_
P
′′
+X
2
P

−2XP
1. Justifier que si P est dans E alors f (P) est aussi dans E.
2. Montrer que f est linéaire.
3. Donner la matrice de f dans la base canonique.
4. Soit ( =
_
X, X
2
, X
2
+X + 1
_
, justifier que ( est une base de E et préciser la matrice de f dans la base (.
Exercice 23.36 Soit E = R
n
[X] et ϕ : P →(X +n) P (X) −XP (X + 1)
1. Ecrire la matrice dans la base canonique.
2. Déterminer son noyau et son image.
—6/33— G
´
in. H·\i:1 - Liºiio: M.1iº -(c) 2000
CHAPITRE 23. MATRICES 5. LE GRENIER
Exercice 23.37 Soit M =
_
_
_
1 1
.
.
. _
.
.
.
1 1
_
_
_, on note f l’endomorphisme associé à M dans la base canonique. Montrer
qu’il existe une base E de R
n
telle que
Mat
B
(f) =
_
_
_
_
_
_
_
_
_
1 0 0
0
.
.
.
0 0
.
.
.
.
.
.
1
.
.
.
.
.
.
.
.
. 0 λ 0
0 0 µ
_
_
_
_
_
_
_
_
_
où λ et µ sont deux réels à déterminer.
Exercice 23.38 Montrer que la matrice M =
_
_
b −1 b 2b
−b −b −1 −2b
1 1 1
_
_
représente une symétrie dont on précisera
la base et la direction.
Exercice 23.39 Montrer que la matrice M =
_
_
b + 1 b 0
−b −2 −b −1 0
1 1 1
_
_
représente une symétrie dont on précisera la
base et la direction.
Exercice 23.40 On se place sur E = R
2
[X], on considère l’endomorphisme ϕ défini par ϕ(P) =
_
X
2
−3
_
P (α)
où α est un réel fixé. Donner la matrice dans la base canonique. Préciser ker ϕ, Imϕ. A-t-on ker ϕ ⊕ Imϕ = E?
L’endomorphisme ϕ peut-il être un projecteur, une symétrie ?
—7/33— G
´
in. H·\i:1 - Liºiio: M.1iº -(c) 2000
5. LE GRENIER CHAPITRE 23. MATRICES
—8/33— G
´
in. H·\i:1 - Liºiio: M.1iº -(c) 2000
Chapitre 23
MATRICES
Solution des exercices
1 Les basiques
Exercice 23.1 On a immédiatement Mat
Bc
(f) =
_
_
0 0 1
0 1 0
1 0 0
_
_
.
On calcule le rang de E. rg (E) = rg
_
_
1 0 1
0 1 0
1 0 −1
_
_
=
C
2
+C
3
rg
_
_
1 0 2
0 1 0
1 0 0
_
_
= 3, on a trois vecteurs de rang 3 en
dimension 3. Ils forment une base.
Puis f (1, 0, 1) = (1, 0, 1) , f (0, 1, 0) = (0, 1, 0) et f (1, 0, −1) = −(1, 0, −1).
D’où Mat
B
(f) =
_
_
1 0 0
0 1 0
0 0 −1
_
_
Exercice 23.2 Det E =
¸
¸
¸
¸
1 2
−1 1
¸
¸
¸
¸
= 3 ,= 0 donc E est une base de R
2
. On a f
_
1
0
_
=
_
1
2
_
et f
_
0
1
_
=
_
−3
4
_
donc A est la matrice de f dans la base canonique E
c
.
Puis f
_
1
−1
_
= A
_
1
−1
_
=
_
4
−2
_
, f
_
2
1
_
= A
_
2
1
_
=
_
−1
8
_
donc B = Mat
B,Bc
(f).
Exercice 23.3 f (1) = (X −1)
2
, f (X) = (X −1)
2
_
1
X−1
_
+ (X −1) = 2X − 2 et f
_
X
2
_
= (X −1)
2
_
1
X−1
_
2
+
2X (X −1) = 1 −2X + 2X
2
On a donc
Mat
Bc
(f) =
f (1) f (X) f
_
X
2
_
_
_
1 −2 1
−2 2 −2
1 0 2
_
_
1
X
X
2
Ensuite f (X −1) = f (X) −f (1) = 2 (X −1) −(X −1)
2
, f
_
(X−1)
2
2
_
=
1
2
(X −1)
2
_
1
X−1
−1
_
2
+ (X −1)
2
=
1
2
(X −1)
2
_
1
(X−1)
2

2
X−1
+ 1
_
+ (X −1)
2
=
3
2
(X −1)
2
−(X −1) +
1
2
D’où
Mat
BT
(f) =
_
_
0 0
1
2
0 2 −1
2 −2 3
_
_
1. LES BASIQUES CHAPITRE 23. MATRICES
Exercice 23.4 On a facilement Mat
B
(d) =
_
_
_
_
0 −1 0 0
1 0 0 0
0 0 0 1
0 0 1 0
_
_
_
_
Exercice 23.5 D’après la matrice on a rg A = 2 (On peut supprimer, pour le calcul du rang et uniquement
pour cela, la troisième colonne. Il reste deux colonnes indépendantes (car non colinéaires).
On constate que 2C
1
−C
3
=
_
_
0
0
0
_
_
, or 2C
1
−C
3
représente le vecteur 2f (i) −f (k) = f (2i −k) (où (i, j, k) est la
base canonique). Ainsi 2i −k =
_
_
2
0
−1
_
_
∈ ker f. D’après le théorème du rang on a dimker f = dimR
3
−dimImf =
3 −2 = 1. Or Vect (2i −k) ⊂ ker f, par égalité des dimensions, on a égalité des ensembles.
Enfin F = Vect
_
_
_
_
1
0
1
_
_
,
_
_
−1
1
1
_
_
_
_
⊂ Imf, la famille
_
_
1
0
1
_
_
,
_
_
−1
1
1
_
_
est libre donc engendre un espace de di-
mension 2. On en déduit que dimF = 2 = dimImf =⇒F = Imf.
Une base de Imf est donc
_
_
_
_
1
0
1
_
_
,
_
_
−1
1
1
_
_
_
_
(car elle est libre et engendre Imf)
Exercice 23.6 On calcule le déterminant de la famille.
Det (E) =
¸
¸
¸
¸
¸
¸
1 1 2
0 −1 −1
1 2 1
¸
¸
¸
¸
¸
¸
=
C
2
−C
3
¸
¸
¸
¸
¸
¸
1 −1 2
0 0 −1
1 1 1
¸
¸
¸
¸
¸
¸
= −(−1)
¸
¸
¸
¸
1 −1
1 1
¸
¸
¸
¸
= 2 ,= 0
On a bien une base.
Première méthode :
D’après la linéarité de f, on a f (e
1
−2e
2
+ 3e
3
) = f (e
1
)−2f (e
2
)+3f (e
3
). Les colonnes de A donnent les coordonnées
des images de e
1
, e
2
, e
3
d’où
f (e
1
−2e
2
+ 3e
3
) a pour coordonnées dans E :
_
_
1
0
3
_
_
−2
_
_
0
2
0
_
_
+ 3
_
_
3
0
1
_
_
=
_
_
10
−4
6
_
_
Ceci signifie que
f (e
1
−2e
2
+ 3e
3
) = 10e
1
−4e
2
+ 6e
3
= 10
_
_
1
0
1
_
_
−4
_
_
1
−1
2
_
_
+ 6
_
_
2
−1
1
_
_
=
_
_
18
−2
8
_
_
Seconde méthode (la meilleure ! ! !) :
Les coordonnées de
−→
u = e
1
− 2e
2
+ 3e
3
dans la base E =(e
1
, e
2
, e
3
) sont
_
_
1
−2
3
_
_
, ainsi les coordonnées dans E de
f (
−→
u ) sont A
_
_
1
−2
3
_
_
=
_
_
1 0 3
0 2 0
3 0 1
_
_
_
_
1
−2
3
_
_
=
_
_
10
−4
6
_
_
. La matrice de passage de la base canonique à E est
P =
_
_
1 1 2
0 −1 −1
1 2 1
_
_
, ainsi les coordonnées dans la base canonique de f (
−→
u ) sont
P
_
_
10
−4
6
_
_
=
_
_
1 1 2
0 −1 −1
1 2 1
_
_
_
_
10
−4
6
_
_
=
_
_
18
−2
8
_
_
—10/33— G
´
in. H·\i:1 - Liºiio: M.1iº -(c) 2000
CHAPITRE 23. MATRICES 1. LES BASIQUES
Exercice 23.7 On a
B = Mat
B
(f) =
_
_
_
_
f (e
1
) f (e
2
) f (e
3
)
_
_
0 0 0
0 −1 1
0 0 −1
_
_
e
1
e
2
e
3
_
_
_
_
Ainsi e
1
∈ ker f. Or dans A, on a C
1
+C
3
= 0 donc f (i) +f (j) = 0 si (i, j, k) est la base canonique de R
3
.
On choisit donc
e
1
= i +k =
_
_
1
0
1
_
_
∈ ker f
On cherche ensuite e
2
telle que
f (e
2
) = −e
2
⇐⇒f (e
2
) +Id (e
2
) = 0 ⇐⇒(f +Id) (e
2
) = 0 ⇐⇒e
2
∈ ker f +Id
La matrice dans la base canonique de f +Id est
A+I
3
=
_
_
−1 0 1
−1 −2 1
−1 −1 1
_
_
+
_
_
1 0 0
0 1 0
0 0 1
_
_
=
_
_
0 0 1
−1 −1 1
−1 −1 2
_
_
dont la différence des deux premières colonnes donne le vecteur nul. Ainsi e
2
= i −j =
_
_
1
−1
0
_
_
convient.
Enfin on cherche e
3
tel que f (e
3
) = −e
3
+e
2
. Si on pose e
3
=
_
_
x
y
z
_
_
alors
f (e
3
) =
_
_
−x +z
−x −2y +z
−x −y +z
_
_
=
_
_
1
−1
0
_
_

_
_
x
y
z
_
_
⇐⇒
_
_
_
z = 1
−x −y +z = −1
−x −y + 2z = 0
⇐⇒
_
z = 1
x +y = 2
On choisit e
3
=
_
_
2
0
1
_
_
qui convient. On vérifie que (e
1
, e
2
, e
3
) est bien une base.
Exercice 23.8 1. On décompose A = I
3
+ N où N =
_
_
0 2 1
0 0 2
0 0 0
_
_
. On applique alors le binôme de Newton
car I
3
N = NI
3
(l’identité commute avec toutes les matrices). Tout cela marche bien car N est nilpotente (Nihil
—11/33— G
´
in. H·\i:1 - Liºiio: M.1iº -(c) 2000
1. LES BASIQUES CHAPITRE 23. MATRICES
Potent), en effet N
2
=
_
_
0 0 4
0 0 0
0 0 0
_
_
et N
3
= (_). Ainsi
A
n
=
n

k=0

k
n
N
k
I
n−k
=
n

k=0

k
n
N
k
=
2

k=0

k
n
N
k
(ceci même si n < 2 car ∁
k
n
= 0 pour k > n)
= ∁
0
n
N
0
+ ∁
1
n
N + ∁
2
n
N
2
= I
3
+nN +
n(n −1)
2
N
2
=
_
_
1 0 0
0 1 0
0 0 1
_
_
+
_
_
0 2n n
0 0 2n
0 0 0
_
_
+
_
_
0 0 2n(n −1)
0 0 0
0 0 0
_
_
=
_
_
1 2n n(2n −1)
0 1 2n
0 0 1
_
_
2. Considèrons l’expression
A
n
= I
3
+nN +
n(n −1)
2
N
2
Si les mathématiques sont bien faites (et elles le sont) on peut éventuellement faire n =
1
2
.
On pose donc
B = I
3
+
N
2

1
8
N
2
Alors
B
2
=
_
I
3
+
N
2

1
8
N
2
_
2
= I
3
+N −
1
4
N
2
+
1
4
N
2

1
8
N
3
+
1
64
N
4
= I
3
+N = A car N
3
= (_)
Plus généralement on pose
B = I
3
+
1
n
N +
1
n
_
1
n
−1
_
2
N
2
= I
3
+
1
n
N +
1 −n
2n
2
N
2
= I
3
+M où M =
1
n
N +
1 −n
2n
2
N
2
Alors
MI
3
= I
3
M, on peut appliquer le binôme donc
B
n
= (I
3
+M)
n
= I
3
+nM +
n(n −1)
2
M
2
+M
3
( )
Mais
M
2
=
_
1
n
N +
1 −n
2n
2
N
2
_
2
=
1
n
2
_
N +
1 −n
n
2
N
2
_
=
1
n
2
N +
2 (1 −n)
n
2
N
3
+
_
1 −n
n
2
_
2
N
4
=
1
n
2
N
—12/33— G
´
in. H·\i:1 - Liºiio: M.1iº -(c) 2000
CHAPITRE 23. MATRICES 1. LES BASIQUES
(n’oublions pas que N et N
2
commutent)
enfin
M
3
=
1
n
3
_
N +
1 −n
2n
N
2
_
3
=
1
n
3
_
N
3
+ 3
1 −n
2n
N
4
+ 3
_
1 −n
2n
_
2
N
5
+
_
1 −n
2n
_
3
N
6
_
= (_)
d’où
B
n
= I
3
+nM +
n(n −1)
2
M
2
= I
3
+n
_
1
n
N +
1 −n
2n
2
N
2
_
+
n(n −1)
2

1
n
2
N
= I
3
+N = A
Exercice 23.9 Comme on vient de faire l’exercice précédent, on a une petite idée. Soit I la matrice identité et
N =
_
_
0 1 0
0 0 1
0 0 0
_
_
, alors N
2
=
_
_
0 0 1
0 0 0
0 0 0
_
_
et N
3
= (_) d’où
_
_
1 2 3
0 1 2
0 0 1
_
_
= I +2N +3N
2
. Cherchons B sous
la forme B = I +αN +βN
2
.
_
I +αN +βN
2
_
2
= I +2αN +2βN
2

2
N
2
+2αβN
3

2
N
4
= I +2αN +
_
2β +α
2
_
N
2
. Il suffit de prendre α = 1,
β = 1.
B =
_
_
1 1 1
0 1 1
0 0 1
_
_
convient
Exercice 23.10 Signalons qu’une vérification élémentaire prouve que ∆ est linéaire.
1. On a ∆(1) = 1 − 1 = 0, ∆(X) = (X + 1) − X = 1, ∆
_
X
2
_
= (X + 1)
2
− X
2
= 2X + 1 et ∆
_
X
3
_
=
(X + 1)
3
−X
3
= 3X
2
+ 3X + 1. On en déduit que :
Mat
B
(∆) =
∆(1) ∆(X) ∆
_
X
2
_

_
X
3
_
_
_
_
_
0 1 1 1
0 0 2 3
0 0 0 3
0 0 0 0
_
_
_
_
1
X
X
2
X
3
On a
Mat
B
_
∆(8X
3
+ 2X
2
−5X + 1)
_
= Mat
B
(∆) Mat
B
_
8X
3
+ 2X
2
−5X + 1)
_
Mat
B
_
∆(8X
3
+ 2X
2
−5X + 1)
_
=
_
_
_
_
0 1 1 1
0 0 2 3
0 0 0 3
0 0 0 0
_
_
_
_
_
_
_
_
+1
−5
+2
+8
_
_
_
_
=
_
_
_
_
5
28
24
0
_
_
_
_
. La colonne
obtenue représente les coordonnées de ∆(8X
3
+ 2X
2
−5X + 1) dans la base
B
, ainsi ∆(8X
3
+ 2X
2

5X + 1) = 5 + 28X + 24X
2
On constate que ∆ n’est pas injective, car ∆(1) = 0 donc 1 ∈ ker (∆) et par stabilité linéaire, V ect (1) = R
0
[X] ⊂
ker (∆) . Mais il est clair que ∆ est de rang 3, et dim R
3
[X]
. ¸¸ .
Espace de départ
= 4 = rg (∆) + dim(ker (∆)) (théorème
du rang), on en déduit que dim(ker (∆)) = 1. En conclusion R
0
[X] = ker (∆) car ces deux espaces ont même
dimension et que l’un est inclus dans l’autre.
De plus la présence d’une ligne de zéro dans la matrice de ∆ nous donne le renseignement suivant : ∆(P) n’a
pas de composante suivant X
3
, ce qui signifie que Im(∆) ⊂ R
2
[X], puis par égalité des dimensions, on a
Im(∆) = R
2
[X]
—13/33— G
´
in. H·\i:1 - Liºiio: M.1iº -(c) 2000
1. LES BASIQUES CHAPITRE 23. MATRICES
Les quatre vecteurs donnés sont échelonnés en degré donc forment une base (Il suffit d’écrire leur matrice dans la
base canonique, la matrice obtenue est alors clairement de rang 4. On a donc 4 vecteurs de rang 4, en dimension
4, ils forment ainsi une base ).
2. On a ∆(N
0
) = 0, ∆(N
1
) = 1 = N
0
, ∆(N
2
) =
(X+1)X
2

X(X−1)
2
= X = N
1
et ∆(N
3
) =
(X+1)(X)(X−1)
3!

X(X−1)(X−2)
3!
=
X(X−1)
3!
(X + 1 −X + 2) =
X(X−1)
2
= N
2
. Ainsi :
Mat
B
′ (∆) =
∆(N
0
) ∆(N
1
) ∆(N
2
) ∆(N
3
)
_
_
_
_
0 1 0 0
0 0 1 0
0 0 0 1
0 0 0 0
_
_
_
_
N
0
N
1
N
2
N
3
3. On a N
0
= 1, N
1
= X, N
2
=
1
2
X
2

1
2
X et N
3
=
1
6
X
3

1
2
X
2
+
1
3
X, ainsi
P
BB
′ =
N
0
N
1
N
2
N
3
_
_
_
_
1 0 0 0
0 1 −
1
2
1
3
0 0
1
2

1
2
0 0 0
1
6
_
_
_
_
1
X
X
2
X
3
Pour calculer l’inverse de cette matrice, le plus simple est d’écrire que :
1 = N
0
, X = N
1
, X
2
= 2N
2
+ N
1
, X
3
= 6N
3
+ 3X
2
− 2X = 6N
3
+ 3 (2N
2
+N
1
) − 2N
1
= 6N
3
+ 6N
2
+ N
1
,
ainsi
P
B

B
=
1 X X
2
X
3
_
_
_
_
1 0 0 0
0 1 1 1
0 0 2 6
0 0 0 6
_
_
_
_
N
0
N
1
N
2
N
3
4. On a
Mat
B

_
8X
3
+ 2X
2
−5X + 1
_
= P
B

B
Mat
B
_
8X
3
+ 2X
2
−5X + 1
_
Ce qui donne Mat
B

_
8X
3
+ 2X
2
−5X + 1
_
=
_
_
_
_
1 0 0 0
0 1 1 1
0 0 2 6
0 0 0 6
_
_
_
_
_
_
_
_
1
−5
2
8
_
_
_
_
=
_
_
_
_
1
5
52
48
_
_
_
_
. Ce qui signifie que
8X
3
+ 2X
2
−5X + 1 = 48N
3
+ 52N
2
+ 5N
1
+N
0
Puis Mat
B

_

_
8X
3
+ 2X
2
−5X + 1
__
=
_
_
_
_
0 1 0 0
0 0 1 0
0 0 0 1
0 0 0 0
_
_
_
_
_
_
_
_
1
5
52
48
_
_
_
_
=
_
_
_
_
5
52
48
0
_
_
_
_
ainsi ∆
_
8X
3
+ 2X
2
−5X + 1
_
= 48N
2
+ 52N
1
+ 5N
0
Enfin Mat
B
_

_
8X
3
+ 2X
2
−5X + 1
__
= P
BB
′ Mat
B

_

_
8X
3
+ 2X
2
−5X + 1
__
=
_
_
_
_
1 0 0 0
0 1 −
1
2
1
3
0 0
1
2

1
2
0 0 0
1
6
_
_
_
_
_
_
_
_
5
52
48
0
_
_
_
_
=
_
_
_
_
5
28
24
0
_
_
_
_
. On retrouve le résultat.
5. ∆
2
(P) = P (X + 2) −P (X + 1) −(P (X + 1) −P (X)) = P (X + 2) −2P (X + 1) +P (X)

3
(P) = P (X + 3) −2P (X + 2) +P (X + 1) −(P (X + 2) −2P (X + 1) +P (X))
= P (X + 3) − 3P (X + 2) + 3P (X + 1) − P (X) et enfin ∆
4
(P) = P (X + 4) − 4P (X + 3) + 6P (X + 2) −
4P (X + 1) +P (X) (Les coefficients vous sont-ils connus ?)
Mais Mat
B
′ (∆) =
_
_
_
_
0 1 0 0
0 0 1 0
0 0 0 1
0 0 0 0
_
_
_
_
4
= (_) donc ∆
4
= 0.
—14/33— G
´
in. H·\i:1 - Liºiio: M.1iº -(c) 2000
CHAPITRE 23. MATRICES 1. LES BASIQUES
On en déduit que ∀P ∈ R
3
[X] , ∆
4
(P (X)) = P (X + 4) −4P (X + 3) +6P (X + 2) −4P (X + 1) +P (X) = 0.
Généralisation?
Exercice 23.11 1. La matrice associée à f −2Id dans la base canoniques est A−2I =
_
_
0 0 0
0 1 0
0 1 0
_
_
qui est de
rang 1 et contient deux colonnes nulles. On en déduit que e
1
et e
3
sont dans ker (f −2Id). Ainsi V ect (e
1
, e
3
) ⊂
ker (f −2Id) et par le théorème du rang, ker (f −2Id) est de dimension 2.
Conclusion : ker (f −2Id) = V ect (e
1
, e
3
) = ¦(x, y, z) , y = 0¦
La matrice associée à f −Id dans la base canoniques est A −2I =
_
_
1 0 0
0 0 0
0 1 1
_
_
qui est de rang 2, puisque la
deuxième colonne est égale à la troisième. De plus, cette égalité traduit le fait que (f −Id) (e
2
) = (f −Id) (e
3
) ⇔
(f −Id) (e
2
−e
3
) = 0. Ainsi e
2
−e
3
∈ ker (f −Id). Par le théorème du rang, on a ker (f −Id) = V ect (e
2
−e
1
).
2. Notons (X, Y, Z) = p (u) où u = (x, y, z).
Alors
p (u) ∈ F ⇔Y = 0 (1)
u −p (u) ∈ G ⇔∃λ ∈ R,
_
_
_
x −X = λ 0
y −Y = λ 1
z −Z = λ (−1)
(2)
, de (2) on déduit que Y = y − λ que l’on
reporte dans (1). Il en résulte que λ = y puis avec (2) que
_
_
_
X = x
Y = 0
Z = y +z
( On constate que p (u) ∈ F, et on
vérifie ce calcul en considérant p (e
1
) , p(e
3
) et p (e
2
−e
3
) ).
Il en résulte que P =
_
_
1 0 0
0 0 0
0 1 1
_
_
.
Puis (cf cours), p +q = Id, pq = qp = 0, d’où Q = I −P =
_
_
0 0 0
0 1 0
0 −1 0
_
_
.
3. On a 2
_
_
1 0 0
0 0 0
0 1 1
_
_
+
_
_
0 0 0
0 1 0
0 −1 0
_
_
=
_
_
2 0 0
0 1 0
0 1 2
_
_
= A. (Une autre preuve est la suivante, si on décompose
u = u
F
+u
G
, alors
f (u) = 2u
F
+ u
G
, en effet u
F
∈ ker (f −2Id) ⇔ f (u
F
) − 2u
F
= 0 ⇔ f (u
F
) = 2u
F
et u
G
∈ ker (f −Id) ⇔
f (u
G
) − u
G
= 0 ⇔ f (u
G
) = u
G
et f linéaire. Puis (2p +q) (u) = 2p (u) + q (u) = 2u
F
+ u
G
par définition
même de p et q ( p (u) est la composante sur F de u ).
On peut ensuite appliquer le binôme car PQ = QP = 0.
Ainsi A
n
=
n

k=0
C
k
n
2
k
P
k
Q
n−k
= Q
n
+ 2
n
P
n
+
n

k=0
C
k
n
2
k
PQ = 2
n
P
n
+Q
n
, en effet, si k > 0 et n −k > 0, alors
P
k
Q
n−k
= P
k−1
(PQ) Q
n−k−1
= 0.
On en déduit que
A
n
= 2
n
_
_
1 0 0
0 0 0
0 1 1
_
_
+
_
_
0 0 0
0 1 0
0 −1 0
_
_
=
_
_
2
n
0 0
0 1 0
0 2
n
−1 2
n
_
_
Exercice 23.12 1. F = V ect(u
2
, u
3
) et G = V ect(u
1
) donc sont des sous-espaces vectoriels„ dim(F) = 2 et
dim(G) = 1.
On a donc dim(F) + dim(G) = dim(E), on vérifie facilement que F ∩ G = ¦0¦, en effet si (x, y, z) ∈ F ∩ G, on
a x = y = z et x +y +z = 3x = 0 .
2. rg(E

) = rg
_
_
1 1 0
1 0 1
1 −1 −1
_
_
=
C
1
←C
1
+C
3
C
2
←C
2
−C
3
rg
_
_
1 1 0
1 −1 1
0 0 −1
_
_
=
C1←C1+C2
rg
_
_
2 1 0
0 −1 1
0 0 −1
_
_
est de rang 3, or
—15/33— G
´
in. H·\i:1 - Liºiio: M.1iº -(c) 2000
1. LES BASIQUES CHAPITRE 23. MATRICES
dim(E) = 3 donc B

est une base.
3. P
B,B
′ =
_
_
1 1 0
1 0 1
1 −1 −1
_
_
est inversible en tant que matrice de passage.
_
_
a
b
c
_
_
= P
B,B

_
_
x
y
z
_
_

_
_
_
x +y = a
x +z = b
x −y −z = c

L
3
←L
3
−L
1
L
2
←L
2
−C
1
_
_
_
1 x +y = a
−y +z = b −a
−2y −z = c −a

L3←L3−2L2
_
_
_
1 x +y = a
−1 y +z = b −a
−3z = c −2b +a

_
_
x
y
z
_
_
=
_
_
1
3
1
3
1
3
2
3

1
3

1
3

1
3
2
3

1
3
_
_
_
_
a
b
c
_
_
P
−1
B,B
′ =
1
3
_
_
1 1 1
2 −1 −1
−1 2 −1
_
_
4. Mat
B
′ (p) =
_
_
0 0 0
0 1 0
0 0 1
_
_
,
Mat
B
(p) = P
B,B
′ Mat
B
′ (p) P
−1
B,B

=
1
3
_
_
1 1 0
1 0 1
1 −1 −1
_
_
_
_
0 0 0
0 1 0
0 0 1
_
_
_
_
1 1 1
2 −1 −1
−1 2 −1
_
_
=
1
3
_
_
2 −1 −1
−1 2 −1
−1 −1 2
_
_
(on vérifie que cette matrice élevée au carrée est égale à elle même)
Puis f(x) = 2p(x) +q(x) où p +q = Id, donc f = p +Id et Mat
B
(f) = Mat
B
(p) +I
3
.
Mat
B
(f) =
1
3
_
_
5 −1 −1
−1 5 −1
−1 −1 5
_
_
Exercice 23.13 rg (u
1
, u
2
, u
3
) = rg
_
_
1 0 1
1 1 2
−1 1 1
_
_
= rg
_
_
1 0 0
1 1 −1
−1 1 1
_
_
rg
_
_
1 0 0
1 1 0
−1 1 2
_
_
= 3, on a bien une
base ( 3 vecteurs de rang 3 en dimension 3). On calcule les images par f des trois vecteurs. On a, si Ec est la base
canonique de R
3
.
Mat
Bc
(f (u
1
)) = A
_
_
1
1
−1
_
_
=
_
_
−5 3 −3
−15 9 −7
−9 5 −3
_
_
_
_
1
1
−1
_
_
=
_
_
1
1
−1
_
_
f (u
1
) = u
1
Mat
Bc
(f (u
2
)) = A
_
_
0
1
1
_
_
=
_
_
−5 3 −3
−15 9 −7
−9 5 −3
_
_
_
_
0
1
1
_
_
=
_
_
0
2
2
_
_
f (u
2
) = 2u
2
Mat
Bc
(f (u
3
)) = A
_
_
1
2
1
_
_
=
_
_
−5 3 −3
−15 9 −7
−9 5 −3
_
_
_
_
1
2
1
_
_
=
_
_
−2
−4
−2
_
_
f (u
3
) = −2u
3
—16/33— G
´
in. H·\i:1 - Liºiio: M.1iº -(c) 2000
CHAPITRE 23. MATRICES 1. LES BASIQUES
On trouve donc
B = Mat
B
(f) =
_
_
1 0 0
0 2 0
0 0 −2
_
_
Ensuite on a,
A
n
= Mat
Bc
(f
n
) =⇒B
n
= Mat
B
(f
n
)
d’où
A
n
= PB
n
P
−1
où P est la matrice de passage de Ec à E.
P =
_
_
1 0 1
1 1 2
−1 1 1
_
_
On termine l’exercice avec sa TI préférée.
On remplace le −2 par un paramètre a
(essayez donc avec un −2)
On trouve alors
A
n
=
_
_
−1 −(−2)
n+1
1 −(−2)
n
−1 + (−2)
n
−1 −3 2
n
+ (−2)
n+2
1 + 2
n+1
+ (−2)
n+1
−1 −2
n
−(−2)
n+1
1 −3 2
n
−(−2)
n+1
−1 + 2
n+1
−(−2)
n
1 −2
n
+ (−2)
n
_
_
On vérifie pour n = 0 et n = 1
—17/33— G
´
in. H·\i:1 - Liºiio: M.1iº -(c) 2000
1. LES BASIQUES CHAPITRE 23. MATRICES
On peut même en déduire A
−1
, en effet B est inversible d’inverse
_
_
1 0 0
0 2
−1
0
0 0 (−2)
−1
_
_
. Or A
−1
= Mat
Bc
_
f
−1
_
et
B
−1
= Mat
B
(f
−1
). La relation A
n
= PB
n
P
−1
est encore vraie si n = −1.
Exercice 23.14 On a n lignes et n + 1 colonnes, ainsi f va de R
n+1
dans R
n
. Calculons le rang de A (qui vaut
le rang de f), puisque C
n+1
= a
1
C
1
+ a
1
C
2
+ + a
n
C
n
, on a rg (A) = rg (C
1
, , C
n
) = rg (I
n
) = n. On en
déduit que Imf = R
n
et par la formule du rang, dimker f = 1. De plus f
_
_
_
_
_
_
_
_
−a
1
.
.
.
.
.
.
−a
n
1
_
_
_
_
_
_
_
_
=
_
_
_
_
_
_
0
.
.
.
.
.
.
0
_
_
_
_
_
_
(ceci correspond à
C
n+1
−a
1
C
1
−a
1
C
2
− −a
n
C
n
=
−→
0 car C
i
= f (
−→
e
i
) où (
−→
e
1
, ,
−−→
e
n+1
) est la base canonique de R
n+1
). On a donc
ker f = vect
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
−a
1
.
.
.
.
.
.
−a
n
1
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
.
Exercice 23.15
1. On a rg A = 2 d’où dimker f = 1, or w ∈ ker f (regardez les colonnes) ainsi ker f = vect ( w).
2. On a Det (
−→
u ,
−→
v , w) =
¸
¸
¸
¸
¸
¸
1 1 1
1 −1 0
0 1 1
¸
¸
¸
¸
¸
¸
= −1 ,= 0 donc c’est une base.
3. On a A
_
_
1
1
0
_
_
=
_
_
1
1
0
_
_
, A
_
_
1
−1
1
_
_
= −
_
_
1
−1
1
_
_
d’où f (
−→
u ) =
−→
u , f (
−→
v ) = −
−→
v et f ( w) =
−→
0 . Ainsi
B =
_
_
1 0 0
0 −1 0
0 0 0
_
_
4. On a P =
_
_
1 1 1
1 −1 0
0 1 1
_
_
est inversibe comme toute matrice de passage. On résout P
_
_
x
y
z
_
_
=
_
_
a
b
c
_
_
,
d’incounnes x, y, z (via Cramer par exemple) et on trouve P
−1
=
_
_
1 0 −1
1 −1 −1
−1 1 2
_
_
.
5. On a A
n
= P
_
_
1 0 0
0 (−1)
n
0
0 0 0
_
_
P
−1
si n ≥ 1 et A
0
= I
3
Attention au cas n = 0 !
Exercice 23.16
—18/33— G
´
in. H·\i:1 - Liºiio: M.1iº -(c) 2000
CHAPITRE 23. MATRICES 2. LES TECHNIQUES
1. En écrivant que M
n+1
= M M
n
, on montre par récurrence que
M
n
=
_
_
a
n
0 u
n
0 1 0
0 0 b
n
_
_
de même avec M
n+1
= M
n
M, on a
M
n
=
_
_
a
n
0 v
n
0 1 0
0 0 b
n
_
_
On en déduit que u
n
= v
n
et que
au
n
+αb
n
= bu
n
+αa
n
ainsi pour a ,= b
u
n
= α
b
n
−a
n
b −a
2. Pour a = b, on calcule M
n
par le binôme car
_
_
a 0 0
0 1 0
0 0 a
_
_

_
_
0 0 α
0 0 0
0 0 0
_
_
=
_
_
0 0 α
0 0 0
0 0 0
_
_
_
_
a 0 0
0 1 0
0 0 a
_
_
. :
_
_
0 0 aα
0 0 0
0 0 0
_
_
. Puisque
_
_
0 0 α
0 0 0
0 0 0
_
_
2
=
_
_
0 0 0
0 0 0
0 0 0
_
_
, on a
M
n
=
n

k=0
_
n
k
_
_
_
0 0 α
0 0 0
0 0 0
_
_
k
_
_
a
n−k
0 0
0 1 0
0 0 a
n−k
_
_
=
_
_
a
n
0 0
0 1 0
0 0 a
n
_
_
+n
_
_
0 0 α
0 0 0
0 0 0
_
_
_
_
a
n−1
0 0
0 1 0
0 0 a
n−1
_
_
=
_
_
a
n
0 0
0 1 0
0 0 a
n
_
_
+
_
_
0 0 nαa
n−1
0 0 0
0 0 0
_
_
Ainsi
u
n
= αna
n−1
(on remarque que α
b
n
−a
n
b −a
tend vers αna
n−1
si b tend vers a, car c’est un taux d’accroissement entre a et b de
x →x
n
).
2 Les techniques
Exercice 23.17 On prend x
0
tel que u
n−1
(x
0
) ,= 0 (possible car A
n−1
= Mat
_
u
n−1
_
,= 0 ). Alors x
0
convient, en
effet si

n−1
i=0
λ
i
u
i
(x
0
) = 0 alors
u
n−1
_
n−1

i=0
λ
i
u
i
(x
0
)
_
= λ
0
u
n−1
(x
0
) +
n−1

i=1
λ
i
u
i−1
(u
n
(x
0
))
= λ
0
u
n−1
(x
0
) = 0
=⇒λ
0
= 0
Puis on compose par u
n−2
pour en déduire
u
n−2
_
n−1

i=1
λ
i
u
i
(x
0
)
_
= λ
1
u
n−1
(x
0
) +
n−1

i=2
λ
i
u
i−1
(u
n
(x
0
))
= λ
1
u
n−1
(x
0
) = 0 =⇒λ
1
= 0
—19/33— G
´
in. H·\i:1 - Liºiio: M.1iº -(c) 2000
2. LES TECHNIQUES CHAPITRE 23. MATRICES
etc...
La famille est libre de cardinal n, c’est donc une base. Dans cette base u a pour matrice
_
_
_
_
_
_
0 1 0 0
.
.
.
.
.
.
.
.
. 0
.
.
. 0
.
.
. 1
0 0
_
_
_
_
_
_
Exercice 23.18 Il s’agit de choisir une bonne base, la meilleure semble être la base de Taylor en a, à savoir
E =
_
1, (X −a) , (X −a)
2
, ..., (X −a)
n
_
En effet la matrice de f est alors
_
_
_
_
_
_
_
0 _
λ
λ −2
.
.
.
_ λ −n
_
_
_
_
_
_
_
.
On a donc ker (f
λ
) = R
0
[X] , Im(f
λ
) = ¦P, P (0) = 0¦ si λ / ∈ ¦0, 2, ..., n¦ .
ker (f
λ
) = R
0
[X] ⊕Vect
_
(X −a)
λ
_
, Im(f
λ
) =
_
P, P (0) = P
(λ)
(a) = 0
_
si λ ∈ ¦0, 2, ..., n¦ .
Exercice 23.19 1. La matrice est de rang 1, ker f est donc de dimension 2 (théorème du rang). On constate que
C
2
−C
1
= 0 et C
1
+C
3
= 0 donc f ((−1, 1, 0)) = f ((1, 0, 1)) = 0.
On a donc Vect ((−1, 1, 0) , (1, 0, 1)) ⊂ ker f, puisque ((−1, 1, 0) , (1, 0, 1)) est une famille libre, l’espace qu’elle
engendre est de dimension égale à 2 = dimker f. Il y a donc égalité dans l’inclusion précédente.
Les colonnes de A forment une famille génératrice de Imf. On en déduit que Imf est une droite engendrée par
(1, −3, −2).
2. Compte tenu de la matrice qui est donnée, on doit avoir (si la nouvelle base est (e

1
, e

2
, e

3
) ), f (e

2
) = e

1
∈ Imf.
On prend donc e

1
= (1, −3, −2) , e

2
= (1, 0, 0) et e

3
= (1, 0, 1). On a rg
_
_
1 1 1
−3 0 0
−2 0 1
_
_
= 3 ,= 0. Il s’agit bien
d’une base dans laquelle la matrice est celle demandée.
Exercice 23.20 Analysons la matrice B. Sa première colonne est nulle, donc si l’on note E

= (e

1
, e

2
, e

3
, e

4
) , on a
f (e
1
) = 0. Déterminons ker f. La matrice A est clairement de rang 3 et (C
2
= C
1
), (1, −1, 0, 0) ∈ ker f.
On prend donc
e
1
=
_
_
_
_
1
−1
0
0
_
_
_
_
Ensuite, on désire avoir f (e
2
) = e
1
. On résout donc f (x, y, z, t) = (1, −, 1, 0, 0) , i.e.
A
_
_
_
_
x
y
z
t
_
_
_
_
=
1
2
_
_
_
_
x +y
−x −y
3z +t
−z +t
_
_
_
_
=
_
_
_
_
1
−1
0
0
_
_
_
_
Il est clair que z = t = 0 , x = y = 1. On prend donc
e
2
=
_
_
_
_
1
1
0
0
_
_
_
_
—20/33— G
´
in. H·\i:1 - Liºiio: M.1iº -(c) 2000
CHAPITRE 23. MATRICES 2. LES TECHNIQUES
On cherche ensuite à avoir f (e
3
) = e
3
⇐⇒(f −Id) (e
3
) = 0 ⇐⇒e
3
∈ ker f −Id. La matrice de f −Id dans la base
canonique est
A−I
4
=
1
2
_
_
_
_
−1 1 0 0
−1 −3 0 0
0 0 1 1
0 0 −1 −1
_
_
_
_
Ainsi
e
3
=
_
_
_
_
0
0
1
−1
_
_
_
_
Enfin, il faut déterminer e
4
tel que f (e
4
) = e
4
+e
3
. On résout donc
A
_
_
_
_
x
y
z
t
_
_
_
_
=
_
_
_
_
x
y
z
t
_
_
_
_
+
_
_
_
_
0
0
1
−1
_
_
_
_
⇐⇒
_
¸
¸
_
¸
¸
_
−x +y = 0
−x −3y = 0
3z +t = 2
−z +t = 2
dont une solution est
e
4
=
_
_
_
_
0
0
0
2
_
_
_
_
On peut vérifier que si
P =
_
_
_
_
1 1 0 0
−1 1 0 0
0 0 1 0
0 0 −1 2
_
_
_
_
alors
A = PBP
−1
Pour calculer A
n
= Mat
Bc
(f
n
) ,on utilise la relation (compte tenu de B
n
= Mat
B
(f
n
) )
A
n
= PB
n
P
−1
B =
_
_
_
_
0 0 0 0
0 0 0 0
0 0 1 0
0 0 0 1
_
_
_
_
. ¸¸ .
D
+
_
_
_
_
0 1 0 0
0 0 0 0
0 0 0 1
0 0 0 0
_
_
_
_
. ¸¸ .
N
On vérifie que DN = ND =
_
_
_
_
0 0 0 0
0 0 0 0
0 0 0 1
0 0 0 0
_
_
_
_
, N
2
=
_
_
_
_
0 0 0 0
0 0 0 0
0 0 0 0
0 0 0 0
_
_
_
_
, D
n
= D
D’après le binôme de Newton, on a
B
n
= D
n
+nND
n−1
= D +nND =
_
_
_
_
0 0 0 0
0 0 0 0
0 0 1 n
0 0 0 1
_
_
_
_
—21/33— G
´
in. H·\i:1 - Liºiio: M.1iº -(c) 2000
2. LES TECHNIQUES CHAPITRE 23. MATRICES
puis
A
n
= P
_
_
_
_
0 0 0 0
0 0 0 0
0 0 1 n
0 0 0 1
_
_
_
_
P
−1
=
1
2
_
_
_
_
0 0 0 0
0 0 0 0
0 0 2 +n n
0 0 −n 2 −n
_
_
_
_
Remarque : le calcul, à la main, de P
−1
est très simple
Exercice 23.21 On montre (par le rang, ou le déterminant) que E = (v
1
, v
2
, v
3
) est une base de R
3
. On calcule
Av
1
, Av
2
et Av
3
pour obtenir Mat
B
(f) =
_
_
a +b +

2c 0 0
0 a +b −

2c 0
0 0 a −b
_
_
pour calculer A
n
, on peut écrire P =
_
_
1

2
1
1


2
1
1
0
−1
_
_
, A
n
= PMat
B
(f)
n
P
−1
, mais il y a plus malin.
Posons A(α, β, γ) =
_
_
α γ β
γ α +β γ
β γ α
_
_
, et B(α, β, γ) =
_
_
α +β +

2γ 0 0
0 α +β −

2γ 0
0 0 α −β
_
_
On a montré que ∀(α, β, γ) ∈ C,
A(α, β, γ) = P B(α, β, γ) P
−1
or
B
n
=
_
_
_
a +b +

2c
_
n
0 0
0
_
a +b −

2c
_
n
0
0 0 (a −b)
n
_
_
Il suffit d’écrire B
n
= B(α, β, γ) pour α, β et γ bien choisis. On prend donc
_
_
_
α +β +

2γ =
_
a +b +

2c
_
n
α +β −

2γ =
_
a +b −

2c
_
n
α −β = (a −b)
n
pour obtenir
A
n
=
_
_
α γ β
γ α +β γ
β γ α
_
_
Exercice 23.22 1. Puisque l’on demande M (a)
−1
, on résout le système M (a) X = Y que l’on inverse. On consi-
dère donc le système
_
¸
¸
¸
_
¸
¸
¸
_
ax
1
+ x
2
+ + x
n
= y
1
x
1
+ ax
2
+ + ax
n
= y
2
.
.
.
.
.
.
x
1
+ x
2
+ + x
n
= y
n
De manière à préserver la symétrie du système, on adjoint une équation qui est la somme de toutes les lignes du
système, à savoir
_
¸
¸
¸
¸
¸
_
¸
¸
¸
¸
¸
_
ax
1
+ x
2
+ + x
n
x
1
+ ax
2
+ + ax
n
.
.
.
x
1
+ x
2
+ + x
n
= y
1
= y
2
.
.
.
= y
n
(a +n −1)
_
x
1
+ x
2
+ + x
n
_
= y
1
+ +y
n
—22/33— G
´
in. H·\i:1 - Liºiio: M.1iº -(c) 2000
CHAPITRE 23. MATRICES 2. LES TECHNIQUES
Si a = 1 −n, le système n’admet pas toujours de solution, la matrice n’est pas inversible.
Si a ,= 1−n, on obtient x
1
+ +x
n
=
1
a +n −1
(y
1
+ +y
n
) que l’on reporte dans chaque ligne pour obtenir
(a −1) x
i
= y
i

1
a +n −1
(y
1
+ +y
n
)
Si a = 1, la matrice n’est pas inversible (mais est-ce une surprise ?).
En définitive, si (a −1) (a +n −1) ,= 0, M (a) est inversible, la solution du système s’écrit
x
i
=
1
(a −1) (a +n −1)
(−y
1
− −y
i−1
+ (a +n −2) y
i
−y
i+1
− −y
n
)
d’où
M (a)
−1
=
1
(a −1) (a +n −1)
_
_
_
_
_
_
(a +n −2) −1 −1
−1
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
. −1
−1 −1 (a +n −2)
_
_
_
_
_
_
=
−1
(a −1) (a +n −1)
M (2 −n −a)
2. Comme indiqué, on introduit M (1) car M (1)
2
= nM (1) . On a alors M (a) = (a −1) I +M (1) d’où
M (a) M (b) = ((a −1) I +M (1)) ((b −1) I +M (1))
= (a −1) (b −1) I + (a +b −2) M (1) +nM (1)
2
= (a −1) (b −1) I + (a +b +n −2) M (1)
Si on choisit a +b +n −2 = 0, soit b = 2 −n −b, on obtient
M (a) M (2 −n −a) = (a −1) (1 −n −a) I
Si (a −1) (1 −n −a) ,= 0, on retrouve bien M (a)
−1
.
Exercice 23.23
1. On a Det (e
1
, e
2
, e
3
) =
¸
¸
¸
¸
¸
¸
0 1 1
1 0 0
0 1 −1
¸
¸
¸
¸
¸
¸
= 2 ,= 0, donc E est bien une base R
3
.
2. On a A
_
_
0
1
0
_
_
=
_
_
0
1
0
_
_
, A
_
_
1
0
1
_
_
= (chx + shx)
_
_
1
0
1
_
_
et A
_
_
1
0
−1
_
_
= (chx −shx)
_
_
1
0
−1
_
_
donc
f (e
1
) = e
1
, f (e
2
) = e
x
e
2
et f (e
3
) = −e
x
e
3
d’où
B =
_
_
1 0 0
0 e
x
0
0 0 e
−x
_
_
Ainsi A =
_
_
1 0 1
0 1 0
1 0 −1
_
_
_
_
1 0 0
0 e
x
0
0 0 e
−x
_
_
_
_
1 0 1
0 1 0
1 0 −1
_
_
−1
. D’où
A
n
=
_
_
1 0 1
0 1 0
1 0 −1
_
_
_
_
1 0 0
0 e
nx
0
0 0 e
−nx
_
_
_
_
1 0 1
0 1 0
1 0 −1
_
_
−1
ce qui revient à remplacer x par nx dans la matrice A, donc
A
n
=
_
_
chnx 0 shnx
0 1 0
shnx 0 chnx
_
_
—23/33— G
´
in. H·\i:1 - Liºiio: M.1iº -(c) 2000
2. LES TECHNIQUES CHAPITRE 23. MATRICES
Exercice 23.24
1. Soit C =
_
_
a
b
c
_
_
, si C
1
, C
2
et C
3
désignent les colonnes de A, alors C
1
= aC, C
2
= bC et C
3
= cC. On a donc
rg A = rg f = 1 si un au moins des trois réels a, b, c est non nul.
2. D’après le théorème du rang, dimker f = dimR
3
− dimImf = 3 − 1 = 2. Puisque aC
2
− bC
1
= aC
3
− cC
1
=
_
_
0
0
0
_
_
, on a
_
_
−b
a
0
_
_
∈ ker f et
_
_
−c
0
a
_
_
∈ ker f, donc
vect
_
_
_
_
−b
a
0
_
_
,
_
_
−c
0
a
_
_
_
_
⊂ ker f
par égaité des dimension, il y a égalité entre ces deux espaces. En particulier, on a une base de ker f.
Enfin, les colonnes de A engendrent Imf, puisqu’elles sont toutes colinéaires à C, on a
Imf = vect
_
_
_
_
a
b
c
_
_
_
_
est de dimension 1
3. On a bien dimker f + dimImf = dimR
3
, reste à prouver que Imf + ker f = R
3
.
Or Imf + ker f = vect
_
_
_
_
−b
a
0
_
_
,
_
_
−c
0
a
_
_
,
_
_
a
b
c
_
_
_
_
et
¸
¸
¸
¸
¸
¸
−b −c a
a 0 b
0 a c
¸
¸
¸
¸
¸
¸
= a
3
+b
2
a +ac
2
= a
_
a
2
+b
2
+c
2
_
,= 0
donc
_
_
−b
a
0
_
_
,
_
_
−c
0
a
_
_
,
_
_
a
b
c
_
_
est une base de R
3
, ainsi vect
_
_
_
_
−b
a
0
_
_
,
_
_
−c
0
a
_
_
,
_
_
a
b
c
_
_
_
_
= R
3
. On a
donc
Imf ⊕ker f = R
3
Exercice 23.25
1. On a M = I
n
+N où N =
_
_
_
_
_
_
_
_
_
0 1 1 1
0
.
.
.
0 0
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
0 0
.
.
. 0
1 1 1 0
_
_
_
_
_
_
_
_
_
, l’endomorphisme g associé à N est f −Id. Si (e
1
, , e
n
)
est la base canonique de R
n
, on a
g (e
1
) = e
n
g (e
i
) = e
1
+e
n
si i ∈ ¦1, , n −1¦
g (e
n
) = e
1
On en déduit que
g
2
(e
1
) = g (e
n
) = e
1
g
2
(e
i
) = g (e
1
) +g (e
n
) = e
n
+e
1
si i ∈ ¦1, , n −1¦
g
2
(e
n
) = g (e
1
) = e
n
—24/33— G
´
in. H·\i:1 - Liºiio: M.1iº -(c) 2000
CHAPITRE 23. MATRICES 2. LES TECHNIQUES
puis par récurrence, si k ≥ 1
g
k
(e
1
) =
_
e
1
si k est pair
e
n
si k est pair
g
k
(e
i
) = e
n
+e
1
si i ∈ ¦1, , n −1¦
g
k
(e
n
) =
_
e
n
si k est pair
e
1
si k est pair
d’où
N
2k+1
= N, N
0
= I
n
et N
2k
= N
2
=
_
_
_
_
_
_
_
1 1 1 0
0 0 0 0
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
0 0 0 0
0 1 1 1
_
_
_
_
_
_
_
si k ≥ 1
On applique alors le binôme (car NI
n
= I
n
N), ainsi
M
n
=
n

k=0
_
n
k
_
N
k
=

2k≤n
_
n
2k
_
N
2k
+

2k+1≤n
_
n
2k + 1
_
N
2k+1
= I
n
+

1≤2k≤n
_
n
2k
_
N
2
+

0≤2k+1≤n
_
n
2k + 1
_
N
De plus,

2k≤n
_
n
2k
_
+

2k+1≤n
_
n
2k + 1
_
=

n
k=0
_
n
k
_
= 2
n
et (1 −1)
n
=

2k≤n
_
n
2k
_
+

2k+1≤n
_
n
2k + 1
_
=
0 si n ≥ 1. Ceci prouve que pour n ≥ 1,

2k≤n
_
n
2k
_
=

2k+1≤n
_
n
2k + 1
_
= 2
n−1
. On en déduit que pour
n ≥ 1, on a
M
n
= I
n
+
_
2
n−1
−1
_
N
2
+
_
2
n−1
_
N
=
_
_
_
_
_
_
_
_
_
2
n−1
−1 2
n−1
−1 2
n−1
−1 0
0
.
.
. 0 0
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
0 0
.
.
. 0
0 2
n−1
−1 2
n−1
−1 2
n−1
−1
_
_
_
_
_
_
_
_
_
+
_
_
_
_
_
_
_
_
_
1 0 0
0
.
.
.
.
.
. 0
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
. 0
.
.
. 0
0 0 1
_
_
_
_
_
_
_
_
_
+
_
_
_
_
_
_
_
0 2
n−1
2
n−1
2
n−1
0 0 0 0
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
0 0 0 0
2
n−1
2
n−1
2
n−1
0
_
_
_
_
_
_
_
=
_
_
_
_
_
_
_
2
n−1
2
n−1
−1 2
n−1
−1 2
n−1
0 1 0 0
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
0 0 1 0
2
n−1
2
n−1
−1 2
n−1
−1 2
n−1
_
_
_
_
_
_
_
2. Soit E =
_
e

1
, e

2
, e

n−1
, e

n
_
les vecteurs de E alors
f (e

1
) =
−→
0 ⇐⇒e

1
∈ ker f
f (e

i
) = e

i
si i ∈ ¦1, , n −1¦ donc e

i
∈ ker (f −Id)
f (e

n
) = 2e

n
donc e

i
∈ ker (f −2Id)
—25/33— G
´
in. H·\i:1 - Liºiio: M.1iº -(c) 2000
2. LES TECHNIQUES CHAPITRE 23. MATRICES
On a immédiatement un vecteur du noyau puisque dans M, l’opération sur les colonnes C
1
−C
n
donne la colonne
nulle. Ainsi e

1
=
_
_
_
_
_
_
_
1
0
.
.
.
0
−1
_
_
_
_
_
_
_
convient.
Si on considère M −I
n
= N, elle est de rang 2, et les vecteurs du noyau de g sont clairement
_
_
_
_
_
_
_
_
_
_
_
_
0
1
−1
0
.
.
.
.
.
.
0
_
_
_
_
_
_
_
_
_
_
_
_
,
_
_
_
_
_
_
_
_
_
_
_
0
1
0
−1
.
.
.
0
0
_
_
_
_
_
_
_
_
_
_
_
,
_
_
_
_
_
_
_
_
_
_
_
0
1
0
.
.
.
0
−1
0
_
_
_
_
_
_
_
_
_
_
_
,
_
_
_
_
_
_
_
_
_
_
_
_
1
−1
0
.
.
.
.
.
.
0
1
_
_
_
_
_
_
_
_
_
_
_
_
Ces vecteurs donnent e

2
, , e

n−1
. Enfin f (e
1
+e
n
) = 2 (e
1
+e
n
) , donc
e

n
=
_
_
_
_
_
_
_
1
0
.
.
.
0
1
_
_
_
_
_
_
_
Il reste à vérifier que l’on a bien une base. Mais
Mat
(e1,··· ,en)
(e

1
, , e

n
) =
_
_
_
_
_
_
_
_
_
_
_
_
_
_
1 0 0 1 1
0 1 1 1 −1 0
.
.
. −1 0 0 0
.
.
.
.
.
. 0
.
.
.
.
.
.
.
.
. 0
.
.
.
.
.
.
.
.
.
.
.
.
.
.
. 0
.
.
.
.
.
.
0
.
.
. _
.
.
.
−1 0 0
−1 0 0 0 1 1
_
_
_
_
_
_
_
_
_
_
_
_
_
_
Le rang de cette matrice est égal au rang de
_
_
_
_
_
_
_
_
_
_
_
_
_
_
1 0 0 2 2
0 1 1 1 −1 0
.
.
. −1 0 0 0
.
.
.
.
.
. 0
.
.
.
.
.
.
.
.
. 0
.
.
.
.
.
.
.
.
.
.
.
.
.
.
. 0
.
.
.
.
.
.
0
.
.
. _
.
.
. −1 0 0
−1 0 0 0 0 0
_
_
_
_
_
_
_
_
_
_
_
_
_
_
en faisant C
n
+C
1
et C
n−1
+C
1
—26/33— G
´
in. H·\i:1 - Liºiio: M.1iº -(c) 2000
CHAPITRE 23. MATRICES 2. LES TECHNIQUES
soit celui de
_
_
_
_
_
_
_
_
_
_
_
_
_
2
0
.
.
.
.
.
.
.
.
.
0
0
2
−1
0
0
.
.
.
0
0
0 0
1 1 1
−1 0 0
0
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
. 0
.
.
. _
.
.
. −1
0 0 0
1
0
.
.
.
.
.
.
.
.
.
0
−1
_
_
_
_
_
_
_
_
_
_
_
_
_
soit n
On a bien une base (avec le programme de Spé, cet exo est bien plus simple....)
Exercice 23.26 Si E =
_
e

1
, e

2
, e

n−1
, e

n
_
alors on a
f (e

i
) = e

i
si i ∈ ¦0, , n −2¦ donc e

i
∈ ker (f −Id)
on regarde donc la matrice M−I
n
= N =
_
_
_
_
_
_
_
_
1 1 1
1 0 0 0
.
.
. 0
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
. 0 0
1 0 0 0
_
_
_
_
_
_
_
_
qui est de rang 2. Le noyau de f −Id est engendré
par la famille (clairement libre)
_
_
_
_
_
_
_
_
_
_
_
_
0
1
−1
0
.
.
.
.
.
.
0
_
_
_
_
_
_
_
_
_
_
_
_
,
_
_
_
_
_
_
_
_
_
_
_
0
1
0
−1
.
.
.
0
0
_
_
_
_
_
_
_
_
_
_
_
,
_
_
_
_
_
_
_
_
_
_
_
0
1
0
.
.
.
0
−1
0
_
_
_
_
_
_
_
_
_
_
_
Il reste à déterminer les deux derniers veteurs. Si e

n−1
=
_
_
_
x
1
.
.
.
x
n
_
_
_ alors f
_
e

n−1
_
= λe

n−1
⇐⇒ M
_
_
_
x
1
.
.
.
x
n
_
_
_ =
λ
_
_
_
x
1
.
.
.
x
n
_
_
_ ce qui donne
n

k=1
x
i
= λx
1
x
1
+x
i
= λx
i
si i ∈ ¦1, , n¦
soit
n

k=1
x
i
= λx
1
x
i
=
1
λ −1
x
1
car λ ,= 1
Le fait que λ ,= 1 provient du fait que si λ = 1 alors e

n−1
∈ ker (f −Id). Puisque la famille
_
e

1
, , e

n−1
_
est libre,
on en déduit que dimker (f −Id) ≥ n −1 et rg (M −I
n
) ≤ 1 ce qui est faux. On a donc
x
1
_
1 +
n −1
λ −1
_
= λx
1
—27/33— G
´
in. H·\i:1 - Liºiio: M.1iº -(c) 2000
2. LES TECHNIQUES CHAPITRE 23. MATRICES
On a x
1
,= 0 car sinon e

n−1
=
−→
0 (et on cherche une base) ainsi
_
1 +
n −1
1 −λ
_
= λ ⇐⇒n −1 = (λ −1)
2
. On a donc
deux valeurs possibles
λ = 1 +

n −1 et µ = 1 −

n −1
et (en prenant x
1
= λ −1)
e

n−1
=
_
_
_
_
_

n −1
1
.
.
.
1
_
_
_
_
_
, e

n
=
_
_
_
_
_


n −1
1
.
.
.
1
_
_
_
_
_
Reste à vérifier que la famille (e

1
, , e

n
) est bien une base, mais sa matrice dans la base canonique vaut
_
_
_
_
_
_
_
_
_
_
_
_
_
_
0 0

n −1 −

n −1
1 1 1 1 1
−1 0 0
.
.
.
.
.
.
0
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
. 0
.
.
.
.
.
.
.
.
. _
.
.
. −1
.
.
.
.
.
.
0 0 0 1 1
_
_
_
_
_
_
_
_
_
_
_
_
_
_
On remplace C
n
par C
n
−C
n−1
et on met la colonne obtenu en première place. On obtient une matrice diagonale donc
de rang n.
Exercice 23.27 Avant tout, que dire de
t
XAX ? On sait que AX est une matrice colonne et
t
X est une matrice
ligne. Le produit d’une matrice ligne par une matrice colonne donne un réel (en toute rigueur une matrice 1−1). Donc
pour toute colonne (ou tout vecteur de R
n
),
t
XAX ∈ R (c’est un résultat connu en spé, mais en sup ).
On travaille ensuite par double implication .
=⇒ : Par hypothèse
t
A = −A. On sait déjà que
t
XAX ∈ R donc est égal à sa transposée. Ainsi, ∀X ∈ /
n,1
(R)
t
_
t
XAX
_
=
t
XAX =
t
X
t
AX = −
t
XAX =⇒
t
XAX = 0
⇐= : On a ∀X ∈ /
n,1
(R) ,
t
XAX = 0. On va donc commencer par regarder ce que cela donne sur des X simples.
Posons A = ((a
i,j
))
1≤i,j≤n
, et prenons X = X
i
le i-ème vecteur de la base canonique de R
n
(qui a toutes ses
composantes nulles sauf la i-ième). Alors AX
i
est égal à C
i
=
_
_
_
a
1,i
.
.
.
a
n,i
_
_
_, la i-ième colonne de A, et
t
X
i
AX
i
= a
i,i
= 0.
On sait déjà que A a sa diagonale nulle (ouf ! car notre objectif est de prouver que A est antisymétrique). Prenons
maintenant X = X
i
+X
j
avec i ,= j, alors AX = C
i
+C
j
=
_
_
_
a
1,i
+a
1,j
.
.
.
a
n,i
+a
n,j
_
_
_ et
t
XAX =
_
0 1 1 0
i-ième place j-ième place
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
a
1,i
+a
1,j
.
.
.
a
i,i
+a
i,j
.
.
.
.
.
.
a
j,i
+a
j,j
.
.
.
a
n,i
+a
n,j
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
= a
i,i
+a
i,j
+a
j,i
+a
j,j
= 0
—28/33— G
´
in. H·\i:1 - Liºiio: M.1iº -(c) 2000
CHAPITRE 23. MATRICES 2. LES TECHNIQUES
Or a
i,i
= a
j,j
= 0 donc
a
i,j
+a
j,i
= 0
ce qui prouve que A est bien antisymétriqe.
1. Sans problèmes, on a bien f (P) ∈ R
n
[X] car n ≥ 2. Puis si (P, Q) ∈ E et (λ, µ) ∈ R alors
f (λP +µQ) =
_
X
2
−X
_
((λP +µQ) (1)) +
_
X
2
+X
_
((λP +µQ) (−1))
=
_
X
2
−X
_
(λP (1) +µQ(1)) +
_
X
2
+X
_
(λP (−1) +µQ(−1))
= λ
__
X
2
−X
_
P (1) +
_
X
2
+X
_
P (−1)
¸

__
X
2
−X
_
Q(1) +
_
X
2
+X
_
Q(−1)
¸
= λf (P) +µf (Q)
d’où la linéarité
2. En fait, si on cherche les images des vecteurs de la base canonique, pour avoir la matrice de f, on a
f (1) =
_
X
2
−X
_
+
_
X
2
+X
_
= 2X
2
f (X) =
_
X
2
−X
_

_
X
2
+X
_
= −2X
f
_
X
2
_
= 2X
2
f
_
X
k
_
=
_
1 + (−1)
k
_
X
k
+
_
−1 + (−1)
k
_
X
ainsi
Mat
Bx
(f) =
_
_
_
_
_
_
_
_
_
_
_
_
_
0 0
0 −2 0 −2 0 −2 (1 + (−1)
n
)
2 0 2 0 2 (−1 + (−1)
n
)
0 0 0 0
.
.
.
.
.
.
.
.
.
.
.
.
0 0 0 0
_
_
_
_
_
_
_
_
_
_
_
_
_
Cette matrice est clairement de rang 2.
3. On sait par le théorème du rang que dimker f = n + 1 − 2 = n − 1. On a f (P) = 0 si et seulement si
_
X
2
−X
_
P (1) +
_
X
2
+X
_
P (−1) = 0. Les polynômes
_
X
2
−X
_
et
_
X
2
+X
_
forment une famille libre de
R
2
[X] (ils sont non colinéaires), et P (1) , P (−1) sont des scalaires, ainsi cela équivaut à P (1) = P (−1) = 0.
On en déduit que
ker f = ¦P ∈ R
n
[X] , P (1) = P (−1) = 0¦
=
_
X
2
−1
_
R
n−2
[X]
= Vect
_
X
2
−1, X
3
−X, , X
n
−X
n−2
_
Pour Imf, il est clair que Imf ⊂ Vect
_
X
2
−X, X
2
+X
_
. Puisque f
_
X −1
2
_
= X
2
+ X et f
_
X + 1
2
_
=
X
2
−X, on a
Imf = Vect
_
X
2
−X, X
2
+X
_
(On retrouve bien que dimker f = n + 1 −2 = n −1 = dimR
n−2
[X])
Exercice 23.28
1. Soit P ∈ E, on a deg (X −1) P

≤ n et deg P
′′
(0) = 0 donc deg (ϕ(P)) ≤ n, ainsi ϕ(P) ∈ E. Soient (P, Q) ∈ E
et (λ, µ) ∈ R
ϕ(λP +µQ) = (X −1) (λP +µQ)

+ (λP +µQ)
′′
(0)
= (X −1) (λP

+µQ

) + (λP
′′
(0) +µQ
′′
(0))
= λ(X −1) P

+µ(X −1) Q

+λP
′′
(0) +µQ
′′
(0)
= λ((X −1) P

+P
′′
(0)) +µ((X −1) Q

+Q
′′
(0))
= λϕ(P) +µϕ(Q)
—29/33— G
´
in. H·\i:1 - Liºiio: M.1iº -(c) 2000
2. LES TECHNIQUES CHAPITRE 23. MATRICES
Ainsi ϕ est un endomorphisme de E.
2. Soit M la matrice de ϕ dans la base canonique, on a ϕ(1) = 0, ϕ(X) = X −1, ϕ
_
X
2
_
= (X −1) 2X + 2 =
2X
2
−2X + 2 et pour k ≥ 3, ϕ
_
X
k
_
= k
_
X
k
−X
k−1
_
donc
M =
_
_
_
_
_
_
_
_
_
_
_
_
0 −1 2 0 . . . 0
0 1 −2 0
.
.
.
0 0 2 −3
.
.
.
.
.
.
0 0 0 3
.
.
.
0
.
.
.
.
.
.
.
.
. −n
0 . . . . . . . . . 0 n
_
_
_
_
_
_
_
_
_
_
_
_
3. On en déduit que rg (ϕ) = n −1, ainsi dimker ϕ = 1 Or 1 ∈ ker ϕ =⇒Vect 1 = R
0
[X] ⊂ ker ϕ et par égalité des
dimensions, on a
ker ϕ = R
0
[X]
Ensuite, soit Q = b
0
+b
1
X + +b
n
X
n
, alors Q ∈ Imf ⇐⇒∃P = a
0
+a
1
X + +a
n
X
n
tel que ϕ(P) = Q.
Ceci se traduit par
M
_
_
_
_
_
_
a
0
.
.
.
.
.
.
a
n
_
_
_
_
_
_
=
_
_
_
_
_
_
b
0
.
.
.
.
.
.
b
n
_
_
_
_
_
_
⇐⇒
_
¸
¸
¸
¸
¸
_
¸
¸
¸
¸
¸
_
−a
1
+ 2a
2
= b
0
a
1
−2a
2
= b
1
.
.
.
(n −1) a
n−1
−na
n
= b
n−1
na
n
= b
n
⇐⇒
_
¸
¸
¸
¸
¸
_
¸
¸
¸
¸
¸
_
b
0
+b
1
= 0
a
1
−2a
2
= b
1
.
.
.
(n −1) a
n−1
−na
n
= b
n−1
na
n
= b
n
Le système admet une solution si et seulement si b
0
+b
1
= 0. Ainsi Imϕ est constitué des polynômes de la forme
b
0
−b
0
X +b
2
X
2
+ +b
n
X
n
Imϕ = Vect
_
1 −X, X
2
, , X
n
_
4. Si Q est dans Imϕ, il s’écrit sous la forme
Q = b
0
−b
0
X +b
2
X
2
+ +b
n
X
n
on a alors
Q(0) = b
0
Q

= −b
0
+ 2b
2
X + =⇒Q

(0) = −b
0
Ces deux conditions sont donc les mêmes.
5. Pour P ∈ E, posons Q = ϕ(P) = (X −1) P

+P
′′
(0) . Alors
Q(0) = P
′′
(0) −P

(0)
Q

= (X −1) P
′′
+P

=⇒Q

(0) = P

(0) −P
′′
(0)
Ainsi
∀Q ∈ Imϕ, Q(0) +Q

(0) = 0
d’où Imϕ ⊂ F. Enfin F est le noyau d’une forme linéaire donc a même dimension que Imϕ. Par égalité des
dimensions, on a
Imϕ = F
Exercice 23.29
—30/33— G
´
in. H·\i:1 - Liºiio: M.1iº -(c) 2000
CHAPITRE 23. MATRICES 2. LES TECHNIQUES
1. Par récurrence pour n ≥ 1, on définit P (n) = ”M
n
=
_
_
cu
n−1
cu
n
u
1
u
n
u
n+1
u
1
_
_
”. Alors
M
1
=
_
cu
0
cu
1
u
1
u
2
_
=
_
0 cu
1
u
1
u
2
_
car u
2
= au
1
+bu
0
= au
1
et
b
u
1
M
n+1
=
_
0 c
u
1
a
_
_
_
cu
n−1
cu
n
u
1
u
n
u
n+1
u
1
_
_
=
_
_
cu
n
c
u
1
u
n+1
au
n
+cu
1
u
n−1
cu
n
+
a
u
1
u
n+1
_
_
=
_
_
_
cu
n
c
u
1
u
n+1
au
n
+bu
n−1
au
n+1
+bu
n
u
1
_
_
_ =
_
_
cu
n
cu
n+1
u
1
u
n+1
u
n+2
u
1
_
_
2. En prenant le déterminant, il vient (det M
n
= det M
n
)
c
u
1
_
u
n−1
u
n+1
−u
2
n
_
= (−u
1
c)
n
= (−b)
n
=⇒u
n−1
u
n+1
−u
2
n
= u
2
1
(−b)
n−1
(Pour la suite de Fibonacci, on retrouve la classique identité de Cassini).
3. Dans le cas où b = −1 et u
1
= 1, avec a = x, on obtient
c = −1, u
2
= x
et au rang n + 1
u
n
u
n+2
−u
2
n+1
= −1 =⇒u
n
u
n+2
+ 1 = u
2
n+1
On peut résoudre la récurrence linéaire d’ordre 2
u
0
= 0, u
1
= 1, u
n+1
= xu
n
−u
n−1
qui donne
u
n
=
1

__
x +δ
2
_
n

_
x −δ
2
_
n
_
où δ =
_
x
2
−4
ce qui montre que u
n
est un polynôme en x (développer avec le binôme). De plus si on pose x = 2 chθ où θ > 0,
alors
δ =
_
x
2
−4 = 2
_
ch
2
θ −1 = 2 shθ car θ > 0
x +δ
2
= e
θ
et
x −δ
2
= e
θ
ainsi
u
n
=
shnθ
shθ
> 0
(donc u
n
est relié au ploynômes de Tchebychev de seconde espèce....).
La relation
u
n
u
n+2
+ 1 = u
2
n+1
s’écrit alors
shnθ sh(n + 2) θ + sh
2
θ = sh
2
(n + 1) θ
relation que l’on peut vérifier à la main.....
Exercice 23.30 Par l’absurde, si A est inversible alors
A
−1

_
A
3
+A
_
= A
2
+I
3
= 0 =⇒A
2
= −I
3
mais en passant au déterminant, on obtient
0 < det
_
A
2
_
= det (A)
2
= det (−I
3
) = (−1)
3
= −1
absurde !
—31/33— G
´
in. H·\i:1 - Liºiio: M.1iº -(c) 2000
3. LES EXOTIQUES CHAPITRE 23. MATRICES
3 Les exotiques
Exercice 23.31 1. Pour n = 2, A =
_
1 1
0 1
_
d’inverse
_
1 −1
0 1
_
pour n = 3, A =
_
_
1 1 1
0 1 2
0 0 1
_
_
d’inverse
_
_
1 −1 1
0 1 −2
0 0 1
_
_
2. On a u
_
X
k
_
= C
0
k
+C
1
k
X +C
2
k
X
2
+... +C
k
k
X
k
= (X + 1)
k
ainsi P (X) →P (X + 1) coïncide avec u sur une
base donc coïncide partout.
En conclusion
u(P) (X) = P (X + 1)
3. On a donc u
−1
: P →P (X −1) a pour matrice
_
_
_
_
_
_
_
_
C
0
0
−C
0
1
C
0
2
(−1)
n
C
0
n
0 C
1
1
−C
1
2
(−1)
n−1
C
1
n
.
.
.
.
.
. C
2
2
.
.
.
.
.
.
.
.
.
.
.
.
.
.
. (−1)
1
C
n−1
n
0 0 (−1)
0
C
n
n
_
_
_
_
_
_
_
_
Pour la dernière question , on regarde sur le deuxième exemple. On cherche J =
_
_
a 0 0
0 b 0
0 0 c
_
_
telle que
_
_
a 0 0
0 b 0
0 0 c
_
_
_
_
1 1 1
0 1 2
0 0 1
_
_
_
_
a 0 0
0 b 0
0 0 c
_
_
=
_
_
a
2
ab ac
0 b
2
2bc
0 0 c
2
_
_
=
_
_
1 −1 1
0 1 −2
0 0 1
_
_
Un peu de concentration, et l’on devine que
J =
_
_
1 0 0
0 −1 0
0 0 1
_
_
Il reste à le vérifier que dans le cas général
J =
_
_
_
_
_
1 _
−1
.
.
.
_ (−1)
n+1
_
_
_
_
_
est un meilleur choix (pour la rédaction...). On peut montrer que A
−1
= JAJ en utilisant des produits de
matrices, mais il y a plus subtil. Soit s l’endomorphisme de R
n
[X] ayant pour matrice S, on connaît les images
des vecteurs de la base, S (1) = 1, S (X) = −X, S
_
X
k
_
= (−1)
k
X
k
et plus généralement
s (P) (X) = P (−X)
Le produit JAJ correspond à la composée s ◦ u ◦ s. Or
[u ◦ s (P)] (X) = u(P (−X)) = P (−(X + 1)) = P (−X −1)
[s ◦ u ◦ s (P)] (X) = s (P (−X −1)) = P (X −1) = u
−1
(P) (X)
Il faut bien comprendre que le polynôme u(P) est obtenu en remplaçant X par X + 1.
Exercice 23.32 Soit Y un vecteur de /
n,1
(C) , on veut l’écrire comme combinaison linéaire des A
i
X. On va montrer
qu’il existe un endomorphisme de C
n
qui envoie le vecteur X sur Y, la matrice A de cet endomorphisme se décomposera
sur la famille (A
i
)
1≤i≤n
2 et le tour est joué !
—32/33— G
´
in. H·\i:1 - Liºiio: M.1iº -(c) 2000
CHAPITRE 23. MATRICES 4. LES OLYMPIQUES
On construit ainsi l’endomorphisme :
On complète X en une base E = (X, e
2
, , e
n
) de C
n
, on définit f par f (X) = Y et f (e
i
) =
−→
0 . Soit A la matrice
de f dans les base canoniques, alors AX = Y . Puisque (A
i
)
1≤i≤n
2 est une famille génératrice de /
n
(C), il existe

i
)
1≤i≤n
2 tels que

n
2
i=1
λ
i
A
i
= A, on a alors

n
2
i=1
λ
i
A
i
X = Y . Ce qui prouve bien que la famille (A
i
X)
1≤i≤n
2 est
génératrice de /
n,1
(C).
4 Les olympiques
Exercice 23.33 On sait que l’on peut calculer le déterminant d’un endomorphisme dans une base quelconque. Or
ϕ ◦ ϕ = Id, donc ϕ est une symétrie de E, on va donc se placer dans la base où ϕ est diagonalisée (la base constituée
du sous espace par rapport à quoi à lieu la symétrie, et su sous espace donné par la direction).
Pour une symétrie, il y a deux valeurs propres 1 et −1. Pour la valeur propre 1, on a ϕ(M) = M si et seulement si
M est une matrice symétrique, et de même ϕ(M) = −M si et seulement si M est antisymétrique.
On sait que si Sym(C) et Asym(C) représente respectivement le sous espace des matrices symétriques et antisy-
métriques, alors Sym(C) ⊕ Asym(C) = E. Dans la base de E constituée d’une base de chacun de ces sous-espaces
vectoriels, la matrice de ϕ est
_
_
_
_
_
_
_
_
_
_
_
_
1 0 0
0
.
.
.
.
.
.
.
.
.
.
.
.
.
.
. 1
.
.
.
.
.
.
.
.
.
.
.
.
−1
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
0
0 0 −1
_
_
_
_
_
_
_
_
_
_
_
_
donc
det (ϕ) = (−1)
dim(Asym(C))
Or la dimension de Asym(C) est égale à
n
2
−n
2
(on choisit les termes au dessus de la diagonale, ceux en dessous s’en
déduisent, ceux sur la diagonales sont nuls ! ! !, plus rigoureusement une base de Asym(C) est donnée par les matrices
E
ij
−E
ji
où j > i). En conclusion
det ϕ = (−1)
n(n−1)
2
Pour n = 2, la base canonique est
_
1 0
0 0
_
,
_
0 1
0 0
_
,
_
0 0
1 0
_
,
_
0 0
0 1
_
. La matrice de ϕ est alors
_
_
_
_
1 0 0 0
0 0 1 0
0 1 0 0
0 0 0 1
_
_
_
_
dont le déterminant vaut −1 = (−1)
2(2−1)
2
.
—33/33— G
´
in. H·\i:1 - Liºiio: M.1iº -(c) 2000