Vous êtes sur la page 1sur 20

Enoncs et corrections : Sandra Delaunay

Exo7
Sujets de lanne 2005-2006
1 Devoir la maison
Exercice 1
Soient a, b, c des rels vriant a
2
+b
2
+c
2
= 1 et P la matrice relle 33 suivante :
P =
_
_
a
2
ab ac
ab b
2
bc
ac bc c
2
_
_
1. Calculer le dterminant de P.
2. Dterminer les sous-espaces vectoriels de R
3
, ker P et ImP.
3. Soit Q = I P, calculer P
2
, PQ, QP et Q
2
.
4. Caractriser gomtriquement P et Q.
Correction [002578]
Exercice 2
Soit E un espace vectoriel sur un corps K (K =R ou C), et u un endomorphisme de E. On suppose u nilpotent,
cest--dire quil existe un entier strictement positif n tel que u
n
= 0.
1. Montrer que u nest pas inversible.
2. Dterminer les valeurs propres de u et les sous-espaces propres associs.
Correction [002579]
Exercice 3
Soit M la matrice de R
4
suivante
M =
_
_
_
_
0 1 0 0
2 0 1 0
0 7 0 6
0 0 3 0
_
_
_
_
1. Dterminer les valeurs propres de M et ses sous-espaces propres.
2. Montrer que M est diagonalisable.
3. Dterminer une base de vecteurs propres et P la matrice de passage.
4. On a D = P
1
MP, pour k N exprimer M
k
en fonction de D
k
, puis calculer M
k
.
Correction [002580]
1
2 Partiel
Exercice 4
Soit u lendomorphisme de R
3
dont la matrice dans la base canonique est
A =
_
_
3 2 2
2 1 2
3 3 2
_
_
1. Dterminer et factoriser le polynme caractristique de A.
2. Dmontrer que les valeurs propres de A sont 1 et 2. Dterminer les sous-espaces propres associs.
3. Dmontrer que A est diagonalisable et donner une base de R
3
dans laquelle la matrice de u est diagonale.
4. Trouver une matrice P telle que P
1
AP soit diagonale.
Correction [002581]
Exercice 5
Soit a R et A la matrice suivante
A =
_
_
1 0 a
0 a 1
a 1 0
_
_
1. Calculer le dterminant de A et dterminer pour quelles valeurs de a la matrice est inversible.
2. Calculer A
1
lorsque A est inversible.
Correction [002582]
Exercice 6
Soit A =
_
_
_
_
1 2 0 0
0 1 2 0
0 0 1 2
0 0 0 1
_
_
_
_
. Expliquer sans calcul pourquoi la matrice A nest pas diagonalisable.
Correction [002583]
Exercice 7
Soit A une matrice 2 2 coefcients rels. On suppose que dans chaque colonne de A la somme des coef-
cients est gale 1.
1. Soient (x
1
, x
2
), (y
1
, y
2
) deux vecteurs de R
2
, on suppose que
A
_
x
1
x
2
_
=
_
y
1
y
2
_
montrer qualors
y
1
+y
2
= x
1
+x
2
.
2. Soit le vecteur = (1, 1), montrer que cest un vecteur propre de A. On notera sa valeur propre.
3. Montrer que si v est un vecteur propre de A non colinaire , alors la valeur propre associe v est
gale 1.
4. Soit e
1
= (1, 0). Montrer que la matrice, dans la base (e
1
, ), de lendomorphisme associ A est de la
forme
_
1 0

_
,
o R.
En dduire que si = 1, alors A est diagonalisable sur R.
2
Correction [002584]
Exercice 8
Soient A et B des matrices non nulles de M
n
(R). On suppose que A.B = 0.
1. Dmontrer que ImB ker A.
2. On suppose que le rang de A est gal n1, dterminer le rang de B.
Correction [002585]
3 Examen
Exercice 9
I
Soit R et A

M
3
(R) la matrice suivante
A

=
_
_
1 0 +1
1 2 0
1 1
_
_
Premire partie :
1. Factoriser le polynme caractristique P
A

(X) en produit de facteurs du premier degr.


2. Dterminer selon la valeur du paramtre les valeurs propres distinctes de A

et leur multiplicit.
3. Dterminer les valeurs de pour lesquelles la matrice A

est diagonalisable.
4. Dterminer selon la valeur de le polynme minimal de A

.
Seconde partie :
On suppose dsormais que = 0, on note A = A
0
et f lendomorphisme de R
3
associ la matrice A.
1. Dterminer les sous-espaces propres et caractristiques de A.
2. Dmontrer que f admet un plan stable (cest--dire f -invariant).
3. Dmontrer quil existe une base de R
3
dans laquelle la matrice de f est
B =
_
_
1 1 0
0 1 1
0 0 1
_
_
et trouver une matrice P inversible telle que A = PBP
1
.
4. Ecrire la dcomposition de Dunford de B (justier).
5. Pour t R, calculer exptB et exprimer exptA laide de P et exptB.
6. Donner les solutions des systmes diffrentiels Y

= BY et X

= AX.
II
On rappelle quune matrice N M
n
(C) est dite nilpotente dordre m si N
m
= 0, et si pour tout k dans N, k < m,
on a N
k
= 0. Soient N M
n
(C) une matrice nilpotente dordre m et A M
n
(C) une matrice telle que AN = NA.
1. Dterminer un polynme annulateur de N. En dduire le polynme minimal et le polynme caractris-
tique de N.
2. Dterminer les valeurs propres de N.
3. Dmontrer que det(I +N) = 1.
4. On suppose A inversible. Dmontrer que les matrices AN et NA
1
sont nilpotentes. En dduire que
det(A+N) = det A.
3
5. On suppose A non inversible. En exprimant (A+N)
k
pour tout k N, dmontrer que
det(A+N) = 0.
Correction [002586]
4 Rattrapage
Exercice 10
Soit A =
_
a c
c d
_
M
2
(R), montrer que A est diagonalisable sur R.
Correction [002587]
Exercice 11
Soit N une matrice nilpotente, il existe q N tel que N
q
= 0. Montrer que la matrice I N est inversible et
exprimer son inverse en fonction de N.
Correction [002588]
Exercice 12
On considre la matrice suivante
A =
_
_
1 1 0
1 0 1
1 0 2
_
_
et f lendomorphisme de R
3
associ.
1. Factoriser le polynme caractristique de A.
2. Dterminer les sous-espaces propres et caractristiques de A.
3. Dmontrer quil existe une base de R
3
dans laquelle la matrice de f scrit
B =
_
_
1 1 0
0 1 1
0 0 1
_
_
.
4. Ecrire la dcomposition de Dunford de B (justier).
Correction [002589]
Exercice 13
La suite de Fibonacci 0, 1, 1, 2, 3, 5, 8, 13, ... est la suite (F
n
)
n0
dnie par la relation de rcurrence F
n+1
=
F
n
+F
n1
pour n 1, avec F
0
= 0 et F
1
= 1.
1. Dterminer une matrice A M
2
(R) telle que, pour tout n 1,
_
F
n+1
F
n
_
= A
n
_
F
1
F
0
_
.
2. Montrer que A admet deux valeurs propres relles distinctes que lon note
1
et
2
avec
1
<
2
.
3. Trouver des vecteurs propres
1
et
2
associs aux valeurs propres
1
et
2
, sous la forme
_

1
_
, avec
R.
4. Dterminer les coordonnes du vecteur
_
F
1
F
0
_
dans la base (
1
,
2
), on les note x
1
et x
2
.
4
5. Montrer que
_
F
n+1
F
n
_
=
n
1
x
1

1
+
n
2
x
2

2
. En dduire que
F
n
=

n
1


n
2

2
.
6. Donner un quivalent de F
n
lorsque n tend vers +.
Correction [002590]
Retrouver cette che et dautres
exercices de maths sur
exo7.emath.fr
5
Correction de lexercice 1
Soient a, b, c des rels vriant a
2
+b
2
+c
2
= 1 et P la matrice relle 33 suivante :
P =
_
_
a
2
ab ac
ab b
2
bc
ac bc c
2
_
_
1. Calculons le dterminant de P.
det P =

a
2
ab ac
ab b
2
bc
ac bc c
2

= abc

a a a
b b b
c c c

= 0.
2. Dterminons les sous-espaces vectoriels de R
3
, ker P et ImP.
ker P =
_
_
_
(x, y, z) R
3
,
_
_
a
2
ab ac
ab b
2
bc
ac bc c
2
_
_
_
_
x
y
z
_
_
=
_
_
0
0
0
_
_
_
_
_
,
on a
(x, y, z) ker P
_

_
a(ax +by +cz) = 0
b(ax +by +cz) = 0
c(ax +by +cz) = 0
Or, a, b et c ne sont pas simultanment nuls car a
2
+b
2
+c
2
= 1, ainsi
ker P ={(x, y, z) R
3
, ax +by +cz = 0},
cest le plan vectoriel dquation ax +by +cz = 0.
Limage de P est le sous-espace de R
3
engendr par les vecteurs colonnes de la matrice P. Sachant que
dimker P+dimImP = dimR
3
= 3, on sait que la dimension de limage de P est gale 1, cest--dire
que limage est une droite vectorielle. En effet, les vecteurs colonnes de P sont les vecteurs
_
_
a
2
ab
ac
_
_
,
_
_
ab
b
2
bc
_
_
,
_
_
ac
bc
c
2
_
_
cest--dire
a
_
_
a
b
c
_
_
, b
_
_
a
b
c
_
_
, c
_
_
a
b
c
_
_
.
Le sous-espace ImP est donc la droite vectorielle engendre par le vecteur
_
_
a
b
c
_
_
.
3. Soit Q = I P, calculons P
2
, PQ, QP et Q
2
.
P
2
=
_
_
a
2
ab ac
ab b
2
bc
ac bc c
2
_
_
_
_
a
2
ab ac
ab b
2
bc
ac bc c
2
_
_
=
_
_
a
4
+a
2
b
2
+a
2
c
2
a
3
b+ab
3
+abc
2
a
3
c +ab
2
c +ac
3
a
3
b+ab
3
+abc
2
a
2
b
2
+b
4
+b
2
c
2
a
2
bc +b
3
c +bc
3
a
3
c +ab
2
c +ac
3
a
2
bc +b
3
c +bc
3
a
2
c
2
+b
2
c
2
+c
4
_
_
=
_
_
a
2
(a
2
+b
2
+c
2
) ab(a
2
+b
2
+c
2
) ac(a
2
+b
2
+c
2
)
ab(a
2
+b
2
+c
2
) b
2
(a
2
+b
2
+c
2
) bc(a
2
+b
2
+c
2
)
ac(a
2
+b
2
+c
2
) bc(a
2
+b
2
+c
2
) c
2
(a
2
+b
2
+c
2
)
_
_
=
_
_
a
2
ab ac
ab b
2
bc
ac bc c
2
_
_
= P.
6
Car a
2
+b
2
+c
2
= 1.
Si Q = I P, on a
PQ = P(I P) = PI P
2
= PP = 0,
QP = (I P)P = IPP
2
= PP = 0
et
Q
2
= (I P)(I P) = I
2
IPPI +P
2
= I PP+P = I P = Q.
4. Caractrisons gomtriquement P et Q.
Nous avons vu que le noyau de P tait gal au plan vectoriel dquation ax +by +cz = 0 et que son
image de tait la droite vectorielle engendre par le vecteur (a, b, c). Par ailleurs, on a P
2
= P, galit
qui caractrise les projecteurs, lendomorphisme de matrice P est donc la projection sur ImP suivant la
direction ker P.
Soit X R
3
, on a
QX = 0 IX PX = 0 PX = X X ImP,
ainsi ker Q = ImP. Dautre part,
Q = I P =
_
_
1a
2
ab ac
ab 1b
2
bc
ac bc 1c
2
_
_
=
_
_
b
2
+c
2
ab ac
ab a
2
+c
2
bc
ac bc a
2
+b
2
_
_
.
On a dimImQ = 2 et les vecteurs colonnes de Q vrient lquation ax+by+cz = 0, ainsi ImQ = ker P.
Lgalit Q
2
=Q prouve que Q est galement un projecteur, cest la projection sur ImQ dirige par ker Q.
Correction de lexercice 2
Soit E un espace vectoriel sur un corps K (K =R ou C), et u un endomorphisme de E. On suppose u nilpotent,
cest--dire quil existe un entier strictement positif n tel que u
n
= 0.
1. Montrons que u nest pas inversible.
On a : 0 = det u
n
= (det u)
n
, do det u = 0, ce qui prouve que u nest pas inversible.
2. Dterminons les valeurs propres de u et les sous-espaces propres associs.
Soit une valeur propre de u, il existe alors un vecteur x E non nul tel que u(x) =x. Or, u(x) =x
u
n
(x) =
n
x. Mais, u
n
(x) = 0 et x = 0, do
n
= 0 et donc = 0. La seule valeur propre possible de u
est donc 0 et cest une valeur propre car, comme u nest pas inversible, le noyau de u nest pas rduit
{0}. Lendomorphisme u admet donc 0 comme unique valeur propre, le sous-espace propre associ est
ker u.
Correction de lexercice 3
Soit M la matrice de R
4
suivante
M =
_
_
_
_
0 1 0 0
2 0 1 0
0 7 0 6
0 0 3 0
_
_
_
_
1. Dterminons les valeurs propres de M et ses sous-espaces propres.
Les valeurs propres de M sont les rels tels que det(MI) = 0.
det(MI) =

1 0 0
2 1 0
0 7 6
0 0 3

=
4
13
2
+36 = (
2
4)(
2
9) = ( 2)( +2)( 3)( +3).
Les valeurs propres de M sont donc 2, 2, 3 et 3. Notons E
2
, E
2
, E
3
et E
3
les sous-espaces propres
associs.
7
E
2
={X R
4
, MX = 2X}
=
_
(x, y, z, t) R
4
, y = 2x, 2x z = 2y, 7y +6t = 2z, 3z = 2t
_
or
_

_
y = 2x
2x z = 2y
7y +6t = 2z
3z = 2t

_
y = 2x
2x z = 4x
14x +9z = 2z
3z = 2t

_
y = 2x
z =2x
t =3x
ainsi, E
2
est la droite vectorielle engendre par le vecteur u
1
= (1, 2, 2, 3).
E
2
={X R
4
, MX =2X}
=
_
(x, y, z, t) R
4
, y =2x, 2x z =2y, 7y +6t =2z, 3z =2t
_
or
_

_
y =2x
2x z =2y
7y +6t =2z
3z =2t

_
y =2x
2x z = 4x
14x 9z = 2z
3z =2t

_
y =2x
z =2x
t = 3x
ainsi, E
2
est la droite vectorielle engendre par le vecteur u
2
= (1, 2, 2, 3).
E
3
={X R
4
, MX = 3X}
=
_
(x, y, z, t) R
4
, y = 3x, 2x z = 3y, 7y +6t = 3z, 3z = 3t
_
or
_

_
y = 3x
2x z = 3y
7y +6t = 3z
3z = 3t

_
y = 3x
2x z = 9x
21x +6t = 3z
z =t

_
y = 3x
z =7x
t =7x
ainsi, E
3
est la droite vectorielle engendre par le vecteur u
3
= (1, 3, 7, 7).
E
3
={X R
4
, MX =3X}
=
_
(x, y, z, t) R
4
, y =3x, 2x z =3y, 7y +6t =3z, 3z =3t
_
or
_

_
y =3x
2x z =3y
7y +6t =3z
3z =3t

_
y =3x
2x z = 9x
21x 6z =3z
z =t

_
y =3x
z =7x
t = 7x
ainsi, E
3
est la droite vectorielle engendre par le vecteur u
4
= (1, 3, 7, 7).
2. Montrons que M est diagonalisable.
La matrice M admet quatre valeurs propres distinctes, ce qui prouve que les quatres vecteurs propres
correspondants sont linairement indpendants. En effet, les vecteurs u
1
, u
2
, u
3
et u
4
dtermins en 1)
forment une base de R
4
. Lendomorphisme dont la matrice est M dans la base canonique de R
4
est
reprsent par une matrice diagonale dans la base (u
1
, u
2
, u
3
, u
4
) puisque Mu
1
=2u
1
, Mu
2
=2u
2
, Mu
3
=
3u
3
et Mu
4
=3u
4
.
8
3. Dterminons une base de vecteurs propres et P la matrice de passage.
Une base de vecteurs propres a t dtermine dans les questions prcdentes. Cest la base (u
1
, u
2
, u
3
, u
4
)
et la matrice de passage est la matrice
P =
_
_
_
_
1 1 1 1
2 2 3 3
2 2 7 7
3 3 7 7
_
_
_
_
4. On a D = P
1
MP, pour k N exprimons M
k
en fonction de D
k
, puis calculons M
k
.
On a
D =
_
_
_
_
2 0 0 0
0 2 0 0
0 0 3 0
0 0 0 3
_
_
_
_
donc D
k
=
_
_
_
_
2
k
0 0 0
0 (2)
k
0 0
0 0 3
k
0
0 0 0 (3)
k
_
_
_
_
.
Mais, M = PDP
1
, do, pour k N, M
k
= (PDP
1
)
k
= PD
k
P
1
.
Pour calculer M
k
, il faut donc dterminer la matrice P
1
qui exprime les coordonnes des vecteurs de la
base canonique de R
4
dans la base (u
1
, u
2
, u
3
, u
4
).
On rsout le systme, et on a :
u
1
= i +2j 2k 3l
u
2
= i 2j 2k +3l
u
3
= i +3j 7k 7t
u
4
= i 3j 7k +7l

_
i =
1
10
(7u
1
+7u
2
2u
3
2u
4
)
j =
1
10
(7u
1
7u
2
3u
3
+3u
4
)
k =
1
10
(u
1
+u
2
u
3
u
4
)
l =
1
10
(3u
1
3u
2
2u
3
+2u
4
)
do
P
1
=
1
10
_
_
_
_
7 7 1 3
7 7 1 3
2 3 1 2
2 3 1 2
_
_
_
_
et
M
k
= PD
k
P
1
=
1
10
_
_
_
_
1 1 1 1
2 2 3 3
2 2 7 7
3 3 7 7
_
_
_
_
_
_
_
_
2
k
0 0 0
0 (2)
k
0 0
0 0 3
k
0
0 0 0 (3)
k
_
_
_
_
_
_
_
_
7 7 1 3
7 7 1 3
2 3 1 2
2 3 1 2
_
_
_
_
.
Correction de lexercice 4
Soit u lendomorphisme de R
3
dont la matrice dans la base canonique est
A =
_
_
3 2 2
2 1 2
3 3 2
_
_
1. Dterminons le polynme caractristique de A.
On a
P
A
(X) =

3X 2 2
2 1X 2
3 3 2X

3X 0 2
2 1X 2
3 1+X 2X

3X 0 2
5 0 4X
3 1+X 2X

=(1+X)

3X 2
5 4X

=(1+X)[(X 4)(X +3) +10] =(1+X)(X


2
X 2) =(1+X)
2
(X 2)
9
2. Dmontrons que les valeurs propres de A sont 1 et 2 et dterminons les sous-espaces propres associs.
Les valeurs propres de A sont les racines du polynme caractristique, ce sont donc bien les rels 1 et
2.
Les sous-espaces propres associs sont les ensembles
E
1
=
_
_
_
(x, y, z) R
3
, A
_
_
x
y
z
_
_
=
_
_
x
y
z
_
_
_
_
_
= ker(A+I
3
)
et
E
2
=
_
_
_
(x, y, z) R
3
, A
_
_
x
y
z
_
_
= 2
_
_
x
y
z
_
_
_
_
_
= ker(A2I
3
)
On a
(x, y, z) E
1

_

_
3x 2y 2z =x
2x +y +2z =y
3x +3y +2z =z

_
2x 2y 2z = 0
2x +2y +2z = 0
3x +3y +3z = 0
Le sous-espace caractristique E
1
associ la valeur propre 1 est donc le plan vectoriel dquation
x +y +z = 0, il est de dimension 2, gale la multiplicit de la racine 1.
On a
(x, y, z) E
2

_

_
3x 2y 2z = 2x
2x +y +2z = 2y
3x +3y +2z = 2z

_
5x 2y 2z = 0
2x y +2z = 0
3x +3y = 0
ce qui quivaut y =x et 2z =3x.
Le sous-espace caractristique E
2
associ la valeur propre 2 est donc la droite vectorielle engendre par
le vecteur (2, 2, 3) , il est de dimension 1, gale la multiplicit de la racine 2.
3. Dmontrons que A est diagonalisable et donnons une base de R
3
dans laquelle la matrice de u est diago-
nale.
La question prcdente et les rsultats obtenus sur les dimensions des sous-espaces propres permettent
dafrmer que la matrice A est diagonalisable. Une base de R
3
obtenue partir de bases des sous-espaces
propres est une base de vecteurs propres dans laquelle la matrice de u est diagonale. Par exemple dans
la base forme des vecteurs u
1
= (1, 1, 0), u
2
= (1, 0, 1) et u
3
= (2, 2, 3), la matrice de u est la
matrice D qui scrit
D =
_
_
1 0 0
0 1 0
0 0 2
_
_
4. Trouvons une matrice P telle que P
1
AP soit diagonale.
La matrice cherche P est la matrice de passage exprimant la base de vecteurs propres (u
1
, u
2
, u
3
) dans
la base canonique. Cest donc la matrice
P =
_
_
1 1 2
1 0 2
0 1 3
_
_
.
On a P
1
AP = D.
Correction de lexercice 5
Soit a R et A la matrice suivante
A =
_
_
1 0 a
0 a 1
a 1 0
_
_
10
1. Calculons le dterminant de A et dterminons pour quelles valeurs de a la matrice est inversible.
det A =

1 0 a
0 a 1
a 1 0

a 1
1 0

+a

0 a
a 1

=1a
3
.
La matrice A est inversible si et seulement si son dterminant est non nul, cest--dire si et seulement si
1+a
3
= 0, ce qui quivaut a =1 car a R.
2. Calculons A
1
lorsque A est inversible, cest--dire a =1. Pour cela nous allons dterminer la comatrice

A de A. On a

A =
_
_
1 a a
2
a a
2
1
a
2
1 a
_
_
,
on remarque que

A =
t

A et on a bien A
t

A =
t

AA = (1a
3
)I
3
do
A
1
=
1
(1a
3
)

A =
1
1a
3
_
_
1 a a
2
a a
2
1
a
2
1 a
_
_
.
Correction de lexercice 6
Soit A =
_
_
_
_
1 2 0 0
0 1 2 0
0 0 1 2
0 0 0 1
_
_
_
_
. Expliquons sans calcul pourquoi la matrice A nest pas diagonalisable.
On remarque que le polynme caractristique de A est gal (1X)
4
. Ainsi la matrice A admet-elle une unique
valeur propre : = 1, si elle tait diagonalisable, il existerait une matrice P inversible telle que A = PI
4
P
1
alors A = I
4
, or ce nest pas le cas, par consquent la matrice A nest pas diagonalisable.
Correction de lexercice 7
Soit A une matrice 2 2 coefcients rels. On suppose que dans chaque colonne de A la somme des coef-
cients est gale 1.
1. Soient (x
1
, x
2
), (y
1
, y
2
) deux vecteurs de R
2
, on suppose que
A
_
x
1
x
2
_
=
_
y
1
y
2
_
montrons qualors
y
1
+y
2
= x
1
+x
2
.
Compte tenu des hypothses, la matrice A est de la forme
_
a b
1a 1b
_
,
o a et b sont des rels. On a alors
_
a b
1a 1b
__
x
1
x
2
_
=
_
y
1
y
2
_

_
ax
1
+bx
2
= y
1
(1a)x
1
+(1b)x
2
= y
2
ce qui implique y
1
+y
2
= x
1
+x
2
.
11
2. Montrons que le vecteur = (1, 1) est un vecteur propre de A.
Si A =
_
y
1
y
2
_
, alors y
1
+y
2
= 0 donc y
2
=y
1
et A = y
1
, ce qui prouve que est un vecteur propre.
On peut aussi le voir de la manire suivante
A =
_
a b
1a 1b
__
1
1
_
=
_
ab
ba
_
= (ab).
On note = (ab) sa valeur propre.
3. Montrons que si v est un vecteur propre de A non colinaire , alors la valeur propre associe v est
gale 1.
Soit v = (x
1
, x
2
) un vecteur propre de A non colinaire , notons sa valeur propre, on a Av = v, et,
daprs la question 1), on a
x
1
+x
2
= x
1
+x
2
= (x
1
+x
2
)
ce qui implique = 1 car v est suppos non colinaire donc x
1
+x
2
= 0.
4. Soit e
1
= (1, 0). Montrons que la matrice, dans la base (e
1
, ), de lendomorphisme associ A est de la
forme
_
1 0

_
,
o R.
Pour cela on crit Ae
1
et A dans la base (e
1
, ). On a dune part A = et, dautre part,
_
a b
1a 1b
__
1
0
_
=
_
a
1a
_
=
_
1
0
_
+(a1)
_
1
1
_
.
Do la matrice dans la base (e
1
, )
_
1 0

_
o = a1 et = ab.
On en dduit que si = 1, alors A est diagonalisable sur R. Le polynme caractristique de A est gal
(1X)( X), ainsi, si = 1, il admet deux racines distinctes ce qui prouve que A est diagonalisable.
Correction de lexercice 8
Soient A et B des matrices non nulles de M
n
(R). On suppose que A.B = 0.
1. Dmontrons que ImB ker A.
Soit y ImB, il existe x R
n
tel que y =Bx, do Ay =ABx =0, ainsi y ker A ce qui prouve linclusion.
2. On suppose que le rang de A est gal n1, dterminons le rang de B.
On a rgB = dimImB et on sait que dimImA + dimker A = n par consquent, si rgA = n 1 on a
dimker A = 1 et linclusion ImB ker A implique dimImB 1 or, B est suppose non nulle do
dimImB = 1 = rgB.
Correction de lexercice 9
I
Soit R et A

M
3
(R) la matrice suivante
A

=
_
_
1 0 +1
1 2 0
1 1
_
_
Premire partie :
12
1. Factorisons le polynme caractristique P
A

(X) en produit de facteurs du premier degr.


On a
P
A

(X) =

1X 0 +1
1 2X 0
1 1 X

1X 0 +1
1X 2X 0
0 1 X

1X 0 +1
0 2X 1
1 1 X

= (1X)[(2X)( X) + +1]
=(X +1)[X
2
+(2)X +1].
Factorisons le polynme X
2
+(2)X +1, son discriminant est gal
= (2)
2
4(1) =
2
.
On a donc

=||, ce qui nous donne les deux racines

1
=
2
2
=1 et
2
=
2+
2
= 1.
Le polynme caractristique P
A

(X) se factorise donc en


P
A

(X) =(X +1)


2
(X +1).
2. Dterminons selon la valeur du paramtre les valeurs propres distinctes de A

et leur multiplicit.
Les valeurs propres de A

sont les racines du polynme caractristique P


A

, ainsi,
- si = 0, la matrice A

admet une valeur propre triple =1,


- si = 0, la matrice A

admet deux valeurs propres distinctes


1
= 1 valeur propre double et
2
=
1, valeur propre simple.
3. Dterminons les valeurs de pour lesquelles la matrice A

est diagonalisable.
Il est clair que dans le cas = 0, la matrice nest pas diagonalisable, en effet si elle ltait, il existerait
une matrice inversible P telle que A

= P(I)P
1
=I, ce qui nest pas le cas.
Si = 0, la matrice A

est diagonalisable si le sous-espace propre associ la valeur propre 1 est de


dimension 2. Dterminons ce sous-espace propre.
E
1
= ker(A

+I) =
_
_
_
(x, y, z) R
3
,
_
_
1 0 +1
1 2 0
1 1
_
_
_
_
x
y
z
_
_
=
_
_
x
y
z
_
_
_
_
_
ainsi,
(x, y, z) E
1

_

_
x +( +1)z =x
x 2y =y
x +y +z =z

_
( +1)z = 0
x y = 0
Il faut distinguer les cas =1 et =1.
- Si = 1, le sous-espace E
1
est le plan vectoriel dquation x = y, dans ce cas la matrice A

est
diagonalisable.
- Si =1, le sous-espace E
1
est la droite vectorielle engendre par le vecteur (1, 1, 0), dans ce cas la
matrice A

nest pas diagonalisable.


4. Dterminons selon la valeur de le polynme minimal de A

.
Notons Q
A
le polynme minimal de A

. On sait que la matrice A

est diagonalisable sur Rsi et seulement


si son polynme minimal a toutes ses racines dans R et que celles-ci sont simples. Or, nous venons de
dmontrer que A

est diagonalisable sur R si et seulement =1, on a donc


- Si =1, A

est diagonalisable, donc Q


A
(X) = (X +1)(X +1) = (X +1)(X +2).
- Si =1, A

nest pas diagonalisable, donc Q


A
(X) = P
A
(X) = (X +1)
2
(X +1).
13
Seconde partie :
On suppose dsormais que = 0, on note A = A
0
et f lendomorphisme de R
3
associ la matrice A. On a
donc
A = A
0
=
_
_
1 0 1
1 2 0
1 1 0
_
_
et P
A
(X) =(X +1)
3
.
1. Dterminons les sous-espaces propres et caractristiques de A.
La matrice A admet une unique valeur propre =1 de multiplicit 3, le sous-espace propre associ est
lespace E
1
= ker(A+I), et on a
(x, y, z) E
1

_

_
x +z =x
x 2y =y
x +y =z

_
z = 0
x = y
Le sous-espace E
1
est la droite vectorielle engendre par le vecteur (1, 1, 0).
Le sous-espace caractristique de A, associ lunique valeur propre =1, est le sous-espace N
1
=
ker(A+I)
3
, or, compte tenu du thorme de Hamilton-Cayley, on sait que P
A
(A) = 0, ainsi, la matrice
(A+I)
3
est la matrice nulle, ce qui implique N
1
=R
3
, cest donc lespace tout entier.
2. Dmontrons que f admet un plan stable.
La matrice de f nest pas diagonalisable, mais comme son polynme caractristique se factorise sur R,
elle est trigonalisable, ce qui prouve quelle admet un plan stable, le plan engendr par les deux premiers
vecteurs dune base de trigonalisation.
Par ailleurs, on a E
1
= ker(A+I) ker(A+I)
2
ker(A+I)
3
= R
3
, le sous-espace ker(A+I)
2
est
clairement stable par A car pour tout v ker(A+I)
2
, Av ker(A+I)
2
, en effet
(A+I)
2
Av = A(A+I)
2
v = 0.
Dmontrons que ce sous-espace est un plan. On a
A
2
=
_
_
1 0 1
1 2 0
1 1 0
_
_
_
_
1 0 1
1 2 0
1 1 0
_
_
=
_
_
1 1 1
1 1 1
0 0 0
_
_
,
donc ker(A+I)
2
={(x, y, z) R
3
, x +y +z = 0}, cest bien un plan vectoriel.
3. Dmontrons quil existe une base de R
3
dans laquelle la matrice de f est
B =
_
_
1 1 0
0 1 1
0 0 1
_
_
et trouvons une matrice P inversible telle que A = PBP
1
.
Nous cherchons des vecteurs e
1
, e
2
, e
3
tels que Ae
1
= e
1
, Ae
2
= e
1
e
2
et Ae
3
= e
2
e
3
. Le vecteur e
1
appartient E
1
=ker(A+I), nous choisirons e
2
ker(A+I)
2
tel que (e
1
, e
2
) soit une base de ker(A+I)
2
.
Remarquons que si lon cherche e
2
= (x, y, z) tel que Ae
2
= e
1
e
2
, on obtient le systme
_
_
1 0 1
1 2 0
1 1 0
_
_
_
_
x
y
z
_
_
=
_
_
1x
1y
z
_
_

_

_
x +z = 1x
x 2y = 1y
x +y =z

_
z = 1
x y = 1
ce qui nous donne bien un vecteur de ker(A +I)
2
. Ainsi, les vecteurs e
1
= (1, 1, 0) et e
2
= (1, 0, 1)
conviennent. Il nous reste chercher un vecteur e
3
tel que Ae
3
= e
2
e
3
, cest--dire
_
_
1 0 1
1 2 0
1 1 0
_
_
_
_
x
y
z
_
_
=
_
_
1x
y
1z
_
_

_

_
x +z = 1x
x 2y =y
x +y = 1z

_
z = 1
x = y
14
Le vecteur e
3
= (0, 0, 1) convient. On obtient alors la matrice P suivante qui est inversible et vrie
A = PBP
1
,
P =
_
_
1 1 0
1 0 0
0 1 1
_
_
4. Dcomposition de Dunford de B
On a
B =
_
_
1 1 0
0 1 1
0 0 1
_
_
=
_
_
1 0 0
0 1 0
0 0 1
_
_
+
_
_
0 1 0
0 0 1
0 0 0
_
_
et il est clair que les deux matrices commutent car lune est gale I. Or, il existe un unique couple
de matrice D et N, D diagonalisable et N nilpotente, telles que B = D+N et DN = ND. Cest donc l la
dcomposition de Dunford, B = D+N avec
D =
_
_
1 0 0
0 1 0
0 0 1
_
_
et N =
_
_
0 1 0
0 0 1
0 0 0
_
_
.
5. Pour t R, calculons exptB et exprimons exptA laide de P et exptB.
Remarquons tout dabord que N
2
= 0 donc pour tout t R, (tN)
2
= 0 et lexpenentielle est gale
exp(tN) = I +tN, par ailleurs ND = DN, donc pour tout t R, les matrices tN et tD commutent gale-
ment, (tN)(tD) = (tD)(tN), on a donc
exp(tB) = exp(tD+tN) = exp(tD)exp(tN) = exp(tI)exp(tN) = e
t
(I +tN).
Do
exp(tB) = e
t
_
_
1 t 0
0 1 t
0 0 1
_
_
.
Pour dterminer lexponentielle de la matrice tA, on crit
exp(tA) = exp(t(PBP
1
)) = exp(P(tA)P
1
) = Pexp(tB)P
1
.
6. Solutions des systmes diffrentiels Y

= BY et X

= AX.
La solution gnrale du systme Y

= BY scrit
S(t) = exp(tB)v
o v = (a, b, c) est un vecteur de R
3
. La solution S : R R
3
scrit donc
S(t) =
_
_
x(t)
y(t)
z(t)
_
_
= e
t
_
_
1 t 0
0 1 t
0 0 1
_
_
_
_
a
b
c
_
_
= e
t
_
_
a+bt
b+ct
c
_
_
Pour obtenir la solution du systme X

= AX, on crit
X

= AX X

= (PBP
1
)X P
1
X

= (BP
1
)X (P
1
X)

= B(P
1
X)
ainsi, en notant Y = P
1
X ou encore X = PY, les solutions du systme X

= AX sont les PS(t) o P est


la matrice vriant A = PBP
1
et S une solution du systme Y

= BY.
La solution gnrale du systme X

= AX scrit donc
X(t) =
_
_
x(t)
y(t)
z(t)
_
_
=
_
_
1 1 0
1 0 0
0 1 1
_
_
_
_
e
t
(a+bt)
e
t
(b+ct)
e
t
c
_
_
= e
t
_
_
a+b+(c +b)t
a+bt
b+c +ct
_
_
o (a, b, c) R
3
.
15
II
Soient K un corps, N M
n
(K) une matrice nilpotente et A une matrice telle que
AN = NA.
1. Dterminons les valeurs propres de N.
La matrice N tant nilpotente, il existe un entier naturel mtel que N
n
=0, on a donc det N
m
= (det N)
m
=0
donc det N = 0, lendomophisme de matrice N nest pas bijectif ce qui prouve que 0 est valeur propre de
N, cest la seule, en effet si est une autre valeur propre et x = 0 un vecteur propre associ on a
Nx = x N
m
x =
m
x
do
m
x = 0, mais x = 0 donc = 0. Ainsi la matrice N admet une unique valeur propre = 0 de
multiplicit n.
2. Dmontrons que N est trigonalisable.
Le polynme caractristique de N admet une unique racine 0 K, toutes ses racines sont donc dans K,
ce qui prouve que la matrice N est trigonalisable. Elle est semblable une matrice triangulaire nayant
que des 0 sur la diagonale.
3. Dmontrons que det(I +N) = 1.
Compte tenu de ce qui prcde, la matrice N +I est une matrice triangulaire nayant que des 1 sur la
diagonale, or le dterminant dune matrice triangulaire est le produit de ses termes diagonaux, ainsi on a
bien det(N+I) = 1.
4. On suppose A inversible. Dmontrons que les matrices AN et NA
1
sont nilpotentes.
Comme les matrices A et N commutent, pour tout k N, on a (AN)
k
= A
k
N
k
donc pour k = m, (AN)
m
=
A
m
N
m
= A.0 = 0 ce qui prouve que AN est nilpotente. De mme NA
1
= A
1
N et NA
1
est nilpotente.
On en dduit que
det(A+N) = det A.
Lgalit AN = NA implique N = ANA
1
ainsi, on a
det(N+A) = det(ANA
1
+A) = det(A(NA
1
+I)) = det Adet(NA
1
+I) = det A.
5. On suppose A non inversible. En exprimant (A+N)
k
pour k N, dmontrons que det(A+N) = 0.
Comme les matrices A et N commutent, on peut utiliser la formule du binme de Newton pour calculer
les puissances de A+N. Soit m tel que N
m
= 0 et, pour tout k < m, N
k
= 0 on a alors
(A+N)
m
=
m

k=0
C
k
m
A
k
N
mk
=
m

k=1
C
k
m
A
k
N
mk
= A
m

k=1
C
k
m
A
k1
N
mk
ainsi
det((A+N)
m
) = det A. det
m

k=1
C
k
m
A
k1
N
mk
= 0
car det A = 0. Or, det((A+N)
m
) = (det(A+N))
m
, on a donc bien det(A+N) = 0.
Correction de lexercice 10
Soit A =
_
a c
c d
_
M
2
(R), on montre que A est diagonalisable sur R.
Le polynme caractristique P
A
(X) est gal
P
A
(X) =

aX c
c d x

= (aX)(d X) c
2
= X
2
(a+d)X +ad c
2
,
16
dterminons ses racines : calculons le discriminant :
= (a+d)
2
4(ad c
2
)
= a
2
+d
2
+2ad 4ad +4c
2
= a
2
+d
2
2ad +4c
2
= (ad)
2
+4c
2
0
On a = 0 ad = 0 et c = 0, mais, si c = 0, la matrice A est dj diagonale. Sinon > 0 et le polynme
caractristique admet deux racines relles distinctes, ce qui prouve que la matrice est toujours diagonalisable
dans R.
Correction de lexercice 11
Soit N une matrice nilpotente, il existe q N tel que N
q
= 0. Montrons que la matrice I N est inversible et
exprimons son inverse en fonction de N.
On remarque que (I N)(I +N +N
2
+ +N
q1
) = I N
q
= I. Ainsi, la matrice I N est inversible, et son
inverse est (I N)
1
= I +N+N
2
+ +N
q1
.
Correction de lexercice 12
On considre la matrice suivante
A =
_
_
1 1 0
1 0 1
1 0 2
_
_
et f lendomorphisme de R
3
associ.
1. Factorisons le polynme caractristique de A.
On a
P
A
(X) =

1X 1 0
1 X 1
1 0 2X

= (1X)

X 1
0 2X

1 1
1 2X

= (1X)(X
2
2X) +(1X)
= (1X)(X
2
2X +1) = (1X)
3
.
Le polynme caractristique de A admet une valeur propre triple = 1.
2. Dterminons les sous-espaces propres et caractristiques de A.
La matrice A admet une unique valeur propre = 1 de multiplicit 3, le sous-espace propre associ est
lespace E
1
= ker(AI), et on a
(x, y, z) E
1

_

_
x y = x
x z = y
x +2z = z

_
y = 0
x = z
Le sous-espace E
1
est la droite vectorielle engendre par le vecteur (1, 0, 1).
Le sous-espace caractristique de A, associ lunique valeur propre = 1, est le sous-espace N
1
=
ker(AI)
3
, or, compte tenu du thorme de Hamilton-Cayley, on sait que P
A
(A) = 0, ainsi, la matrice
(AI)
3
est la matrice nulle, ce qui implique N
1
=R
3
, cest donc lespace tout entier.
3. Dmontrons quil existe une base de R
3
dans laquelle la matrice de f scrit
B =
_
_
1 1 0
0 1 1
0 0 1
_
_
.
17
Nous cherchons des vecteurs e
1
, e
2
, e
3
tels que Ae
1
= e
1
, Ae
2
= e
1
+e
2
et Ae
3
= e
2
+e
3
. Le vecteur e
1
appartient E
1
= ker(AI), et ker(AI) est la droite dquations :
{y = 0, x = z}. On dtermine e
2
= (x, y, z) tel que Ae
2
= e
1
+e
2
, on obtient le systme
_
_
1 1 0
1 0 1
1 0 2
_
_
_
_
x
y
z
_
_
=
_
_
1+x
1+y
z
_
_

_

_
x y = 1+x
x z = y
x +2z = 1+z

_
y =1
x z =1
Ainsi, les vecteurs e
1
= (1, 0, 1) et e
2
= (1, 1, 0) conviennent. Il nous reste chercher un vecteur e
3
tel que Ae
3
= e
2
+e
3
, cest--dire
_
_
1 1 0
1 0 1
1 0 2
_
_
_
_
x
y
z
_
_
=
_
_
1+x
1+y
z
_
_

_

_
x y = x 1
x z = y 1
x +2z = z

_
y = 1
x = z
Le vecteur e
3
= (0, 1, 0) convient. On obtient alors la matrice P suivante qui est inversible et vrie
A = PBP
1
,
P =
_
_
1 1 0
0 1 1
1 0 0
_
_
4. Dcomposition de Dunford de B
On a
B =
_
_
1 1 0
0 1 1
0 0 1
_
_
=
_
_
1 0 0
0 1 0
0 0 1
_
_
+
_
_
0 1 0
0 0 1
0 0 0
_
_
et il est clair que les deux matrices commutent car lune est gale I. Or, il existe un unique couple de
matrices D et N, D diagonalisable et N nilpotente, telles que B = D+N et DN = ND. Or si
D =
_
_
1 0 0
0 1 0
0 0 1
_
_
et N =
_
_
0 1 0
0 0 1
0 0 0
_
_
,
On a
N
2
=
_
_
0 1 0
0 0 1
0 0 0
_
_
_
_
0 1 0
0 0 1
0 0 0
_
_
=
_
_
0 0 1
0 0 0
0 0 0
_
_
et N
3
= 0. La dcomposition B = D+N est donc bien la dcomposition de Dunford de la matrice B.
Correction de lexercice 13
La suite de Fibonacci 0, 1, 1, 2, 3, 5, 8, 13, ... est la suite (F
n
)
n0
dnie par la relation de rcurrence F
n+1
=
F
n
+F
n1
pour n 1, avec F
0
= 0 et F
1
= 1.
1. Dterminons une matrice A M
2
(R) telle que, pour tout n 1,
_
F
n+1
F
n
_
= A
n
_
F
1
F
0
_
.
On a
_
F
n+1
F
n
_
=
_
F
n
+F
n1
F
n
_
=
_
1 1
1 0
__
F
n
F
n1
_
.
Notons, pour n 1, X
n
le vecteur
_
F
n
F
n1
_
et A la matrice
_
1 1
1 0
_
. Nous allons dmontrer, par rcurrence
sur n que pour tout n 1, on a X
n
= A
n
X
0
, cest clairement vrai pour n = 1, supposons que ce soit vrai
pour un n arbitrairement x, on a alors
X
n+1
= AX
n
= AA
n
X
0
= A
n+1
X
0
,
do le rsultat.
18
2. Montrons que A admet deux valeurs propres relles distinctes que lon note
1
et
2
avec
1
<
2
.
On a
P
A
(X) =

1X 1
1 X

= X
2
X 1.
Le discriminant = 5 > 0, le polynme caractristique admet deux racines distinctes

1
=
1

5
2
<
2
=
1+

5
2
.
3. Trouvons des vecteurs propres
1
et
2
associs aux valeurs propres
1
et
2
, sous la forme
_

1
_
, avec
R.
Posons
1
=
_

1
_
et calculons tel que A
1
=
1

1
, cest--dire
_
1 1
1 0
__

1
_
=
1
_

1
_
ce qui quivaut
_
+1 =
1

=
1
=
1
car
2
1

1
1 = 0, on a donc
1
=
_

1
1
_
et, de mme,
2
=
_

2
1
_
4. Dterminons les coordonnes du vecteur
_
F
1
F
0
_
dans la base (
1
,
2
), on les note x
1
et x
2
.
On cherche x
1
et x
2
tels que
_
F
1
F
0
_
=
_
1
0
_
= x
1

1
+x
2

2
= x
1
_

1
1
_
+x
2
_

2
1
_
,
x
1
et x
2
sont donc solutions du systme
_
x
1

1
+x
2

2
= 1
x
1
+x
2
= 0

_
x
1
(
1

2
) = 1
x
2
=x
1

_
x
1
=
1

2
=
1

5
x
2
=
1

2
=
1

5
5. Montrons que
_
F
n+1
F
n
_
=
n
1
x
1

1
+
n
2
x
2

2
.
Les vecteurs
1
et
2
tant vecteurs propres de A, on a A
1
=
1

1
et A
2
=
2

2
, ainsi par rcurrence, on
a, pour tout n 1, A
n

1
=
n
1

1
et A
n

2
=
n
2

2
. Ainsi,
_
F
n+1
F
n
_
= A
n
_
F
1
F
0
_
= A
n
(x
1

1
+x
2

2
) = x
1
A
n

1
+x
2
A
n

2
=
n
1
x
1

1
+
n
2
x
2

2
.
On en dduit que
F
n
=

n
1


n
2

2
.
On a montr que
1
=
_

1
1
_
et
2
=
_

2
1
_
, on a donc,
_
F
n+1
F
n
_
=
n
1
_
1

2
__

1
1
_
+
n
2
_
1

2
__

2
1
_
,
do le rsultat
F
n
=

n
1


n
2

2
.
19
6. Donnons un quivalent de F
n
lorsque n tend vers +.
On remarque que |
1
| < 1 et |
2
| > 1 ainsi, lorsque n tend vers linni,
n
1
tend vers 0 et
n
2
tend vers
+. On a donc
lim
n+
(
2

1
)
F
n

n
2
= lim
n+

n
1

n
2
+1 = 1.
Ce qui prouve que

n
2

1
est un quivalent de F
n
lorsque n tend vers +.
20