Vous êtes sur la page 1sur 18

Enoncs et corrections : Sandra Delaunay

Exo7

Sujets de lanne 2007-2008

Partiel

Exercice 1
Soit a R et A la matrice suivante

1 a 0
A = a 0 1 .
0 1 a

1. Calculer le dterminant de A et dterminer pour quelles valeurs de a la matrice est inversible.


2. Calculer A1 lorsque A est inversible.
Correction H

[002603]

Exercice 2
Soit R, on considre lendomorphisme f de R3 dont la matrice dans la base canonique est la suivante

cos sin 0
A = sin cos 0 .
0
0
1
1. Quelle est la nature gomtrique de cet endomorphisme ?
2. Dmontrer que, pour tout R \ Z, la matrice A admet une unique valeur propre relle. Quel est le
sous-espace propre associ ? Que se passe-t-il si Z ?
Correction H

[002604]

Exercice 3
Soit u lendomorphisme de R3 dont la matrice dans la base canonique est

4 2 2
0
2 .
A= 2
3
3
1
1.
2.
3.
4.

Dterminer et factoriser le polynme caractristique de A.


Dmontrer que les valeurs propres de A sont 1 et 2. Dterminer les sous-espaces propres associs.
Dmontrer que A est diagonalisable et donner une base de R3 dans laquelle la matrice de u est diagonale.
Trouver une matrice P telle que P1 AP soit diagonale.

Correction H

[002605]

Exercice 4
Soit u lendomorphisme de R3 , dont la matrice dans la base canonique est

3 2 2
A = 1 0 1 .
1 1 0
1

1. Calculer les valeurs propres de A. Lendomorphisme u est-il diagonalisable ? (Justifier).


2. Calculer (A I)2 . Dmontrer que An = nA + (1 n)I.
Correction H

[002606]

Examen

Exercice 5
Soit A la matrice

1 0 0
A = 1 2 1
0 0 2

et f lendomorphisme de R3 associ.
1. Dterminer les valeurs propres de A.
2. Dterminer, sans calculs, des vecteurs ~u et ~v tels que f (~u) = 2~u et f (~v) = 2~v +~u.
3. Soit ~e tel que f (~e) = ~e. Dmontrer que (~e,~u,~v) est une base de R3 et crire la matrice de f dans cette
base.
4. La matrice A est-elle diagonalisable ? (Justifier.)
Correction H

Exercice 6
Soit A la matrice

[002607]

1
0
0
A = 1 1 0
1 2 1

et f lendomorphisme de R3 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 R3 dans laquelle la matrice de f est

1 0
0
B = 0 1 2
0 0 1
et trouver une matrice P inversible telle que AP = PB (ou A = PBP1 ).
4. Ecrire la dcomposition de Dunford de B (justifier).
5. Pour t R, calculer exptB.
6. Donner les solutions des systmes diffrentiels y0 = By et x0 = Ax, o x et y dsignent des fonctions relles
valeurs dans R3 .
Correction H

Exercice 7
Soit a R et A la matrice

[002608]

0
1
0
a
0 .
A = 0
0 a2 2

1. Pour quelles valeurs de a la matrice A est-elle diagonalisable ?


Lorsque A est diagonalisable, dterminer une base de vecteurs propres de A.
2

2. Soit E lespace vectoriel des solutions du systme x0 = Ax, o x est une fonction de la variable relle t
valeur dans R3 .
(a) Lorsque A est diagonalisable, donner une base de E en fonction des vecteurs propres et des valeurs
propres de A. Ecrire la solution gnrale du systme.
(b) Lorsque A nest pas diagonalisable, intgrer directement le systme x0 = Ax.
3. Soit E0 lensemble des lments s de E tels que limt+ s(t) = ~0. Dmontrer que E0 est un sous-espace
vectoriel de E. (hors barme) Dterminer sa dimension en fonction de a.
4. Soit F lensemble des lments s de E borns sur [0, +[. Dmontrer que F est un sous-espace vectoriel
de E. (hors barme) Dterminer sa dimension en fonction de a.
Correction H

[002609]

Rattrapage

Exercice 8
Soit R et A M3 (R) la matrice suivante

1 0 + 1
0
A = 1 2
1 1

I
1. Factoriser le polynme caractristique PA (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 .
II
On suppose, dans cette partie, que = 0, on note A = A0 et f lendomorphisme de R3 associ la matrice A.
1. Dterminer les sous-espaces propres et caractristiques de A.
2. Dmontrer que le sous-espace vectoriel ker(A + I)2 est un plan stable par f .
3. Dmontrer quil existe une base de R3 dans laquelle la matrice de f est

1 1
0
B = 0 1 1
0
0 1
et trouver une matrice P inversible telle que A = PBP1 (AP = PB).
4. Ecrire la dcomposition de Dunford de B (justifier).
5. Pour t R, calculer exptB et exprimer exptA laide de P et exptB.
6. Donner les solutions des systmes diffrentiels Y 0 = BY et X 0 = AX.
III
On suppose, dans cette partie, que = 1, on note A = A1 .
1. Vrifier que la matrice A est diagonalisable.
2. Diagonaliser la matrice A.
3. Donner les solutions du systme diffrentiel X 0 = A.X.
IV
On suppose, dans cette partie, que = 1, on note A = A1 .
3

1. Dterminer les sous-espaces propres et caractristiques de A.


2. Trigonaliser la matrice A.
Correction H

[002610]

Retrouver cette fiche et dautres


exercices de maths sur
exo7.emath.fr
4

Correction de lexercice 1 N
Soit a R et A la matrice suivante

1 a 0
A = a 0 1 .
0 1 a

1. Calculons le dterminant de A et dterminons pour quelles valeurs de a la matrice est inversible.


On dveloppe le dterminant par rapport la premire colonne, on obtient





1 a 0
a 0

0 1
3






det A = a 0 1 =
a 1 a = 1 a .
1
a
0 1 a
La matrice A est inversible si et seulement si son dterminant est non nul.
det A 6= 0 1 + a3 6= 0 a 6= 1.
2. Calculons A1 lorsque A est inversible.
1 t
On a
On suppose a 6= 1, on a A1 =
A, o A est la comatrice de A et tA la transpose de A.
det A

1 a2
a

a
1 =t A.
A = a2
2
a
1 a

1 a2 a
1 2
a
a 1 .
Do A1 =
1 + a3
a 1 a2

Correction de lexercice 2 N
Soit R, on considre lendomorphisme f de R3 dont la matrice dans la base canonique est la suivante

cos sin 0
A = sin cos 0 .
0
0
1
1. Dterminons la nature gomtrique de cet endomorphisme.
Notons (~i, ~j,~k) la base canonique de R3 , la matrice A est la matrice de la rotation daxe R~k dangle .
On peut ajouter que les vecteurs colinaires ~k sont fixes. Un vecteur de coordonnes (x, y, z) est envoy
sur le vecteur (x cos y sin , x sin + y cos , z), sa composante dans le plan engendr par ~i et ~j subit
la rotation plane dangle .
2. Dmontrons que, pour tout R\Z, la matrice A admet une unique valeur propre relle et dterminons
son sous-espace propre associ.
Calculons le polynme caractristique de la matrice A.


cos X
sin
0

cos X
0 = [(cos X)2 + sin2 ](1 X)
PA (X) = sin

0
0
1 X
= (1 X)(X 2 2X cos + 1
Cherchons les racines du polynme X 2 2X cos + 1, pour cela on calcule son discrimminant rduit
0 = cos2 1 = sin2 < 0,
en effet, si R \ Z, alors sin 6= 0, donc le polynme PA nadmet quune racine relle = 1. Son
sous-espace propre associ est de dimension 1, cest laxe R~k de la rotation.
5

Cas o Z
On distingue les cas = n avec n pair ou impair :

1 0 0
- Si = 2n, n Z, alors A = 0 1 0, cest la matrice de lidentit.
0 0 1

1 0 0
- Si = (2n + 1), n Z, alors A = 0 1 0, cest la matrice de la symtrie orthogonale par
0
0 1
~
rapport laxe Rk. Elle admet deux valeurs propres, la valeur propre 1 dont le sous-espace propre est
laxe R~k et la valeur propre 1 dont le sous-espace propre est le plan R~i + R~j.
Correction de lexercice 3 N
Soit u lendomorphisme de R3 dont la matrice dans la base canonique est

4 2 2
0
2 .
A= 2
3
3
1
1. Dterminons et factorisons le polynme caractristique de A.
Par oprations sur les colonnes puis les lignes, on a


4 X 2
2 4 X

X
2 = 2
PA (X) = 2
3
3 1 X 3
do


4 X

PA (X) = 2
5


0
2
X 2
2 ,
2 + X 1 X


0
2
X 2
2
0
3 X

et, en dveloppant par rapport la deuxime colonne


PA (X) = (X + 2)[(4 X)(3 X) + 10] = (X + 2)(X 2 + X 2) = (X + 2)2 (X 1).
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 caracteristique, cest--dire, 1, valeur propre
simple et, 2, valeur propre double.
Notons E1 le sous-espace propre associ la valeur propre 1,
E1 = {~u = (x, y, z), A.~u = ~u}.
Ainsi

5x 2y 2z = 0
y = x
2x y + 2z = 0
~u = (x, y, z) E1

3x + 2z = 0

3x + 3y = 0

Le sous-espace propre E1 est donc une droite vectorielle dont un vecteur directeur est donn, par exemple,
par ~e1 = (2, 2, 3).
Notons E2 le sous-espace propre associ la valeur propre 2,
E2 = {~u = (x, y, z), A.~u = 2~u}.
Ainsi
2x 2y 2z = 0
~u = (x, y, z) E2

2x + 2y + 2z = 0 x + y + z = 0
3x + 3y + 3z = 0

Le sous-espace propre E2 est donc le plan vectoriel dquation x + y + z = 0, dont une base est donne,
par exemple, par ~e2 = (1, 1, 0) et ~e3 = (1, 0, 1).
6

3. Dmontrons que A est diagonalisable et donnons une base de R3 dans laquelle la matrice de u est
diagonale.
Les sous-espaces propres associs aux valeurs propres sont de dimension la multiplicit de la valeur
propre correspondante, ce qui prouve que la matrice A est diagonalisable. Dans la base (~e1 ,~e2 ,~e3 )la
matrice de lendomorphisme associ A est diagonale, elle scrit

1 0
0
D = 0 2 0 .
0 0 2
4. Trouvons une matrice P telle que P1 AP soit diagonale.
La matrice de changement de base qui exprime la base (~e1 ,~e2 ,~e3 ) des vecteurs propres, trouvs ci-dessus,
dans la base canonique est la matrice P cherche

2 1
1
1 1 1
1
P = 2 1 0 et P1 = 2 1 2 ,
3
3
0 1
3 3 0
elle est inversible et on a P1 AP = D. (Le calcul de P1 ntait pas demand, ni ncessaire).
Correction de lexercice 4 N
Soit u lendomorphisme de R3 , dont la matrice dans la base canonique est

3 2 2
A = 1 0 1 .
1 1 0
1. Calculons les valeurs propres de A et voyons si lendomorphisme u est diagonalisable.
En oprant sur les colonnes et les lignes du dterminant, on obtient



3 X 2
3 X

2
0
2






PA (X) = 1 X 1 = 1 1 X 1 ,
1
1 X 1
1 X X
do


3 X

PA (X) = 1
2

0
1X
0


2
1
X 1

et, en dveloppant par rapport la deuxime colonne


PA (X) = (1 X)[(3 X)(1 X) + 4] = (1 X)(X 2 2X + 1) = (1 X)3 .
Ainsi, la matrice A admet 1 comme valeur propre triple. Elle nest donc pas diagonalisable, sinon elle
serait gale I = I3 , la matrice identit.
2. Calculons (A I)2 et dmontrons que An = nA + (1 n)I.
On calcule dabord la matrice A I,

2
2 2
A I = 1 1 1 ,
1
1 1
puis la matrice (A I)2 ,

2
2 2
2
2 2
0 0 0
(A I)2 = 1 1 1 1 1 1 = 0 0 0 ,
1
1 1
1
1 1
0 0 0
7

cest donc la matrice nulle.


Nous allons donner deux mthodes pour dmontrer que An = nA + (1 n)I.
Premire mthode : En utilisant le binme de Newton. On crit An = (A I + I)n , or, les matrices A I
et I commutent, on a donc
n

(A I + I)n =

Cnk (A I)k I (nk) = Cn0 I +Cn1 (A I) = I + n(A I) = nA + (1 n)I.


k=0

Deuxime mthode : Par rcurrence sur n. Le rsultat est vrai pour n = 0 et n = 1. Fixons n arbitrairement
pour lequel on suppose que An = nA + (1 n)I, on a alors
An+1 = A(nA + (1 n)I) = nA2 + (1 n)A,
sachant que (A I)2 = 0, on en dduit que A2 = 2A I ainsi
An+1 = n(2A I) + (1 n)A = (n + 1)A nI = (n + 1)A + (1 (n + 1))I.
Lgalit est donc vraie pour tout n N.
Correction de lexercice 5 N
Soit A la matrice

1 0 0
A = 1 2 1
0 0 2

et f lendomorphisme de R3 associ.
1. Dterminons les valeurs propres de A.
Calculons les racines du polynme caractristique PA (X) :


1 X
0
0

1 = (2 X)2 (1 X).
PA (X) = 1 2 X
0
0
2 X
Les valeurs propres de A sont 1 = 1, valeur propre simple et 2 = 2, valeur propre double.
2. Dterminons, sans calculs, des vecteurs ~u et ~v tels que f (~u) = 2~u et f (~v) = 2~v +~u.
Si lon note (~e1 ,~e2 ,~e3 ), la base dans laquelle est exprime la matrice A de lendomorphisme f , on remarque que
f (~e2 ) = 2~e2 et f (~e3 ) =~e2 + 2~e3 .
Ainsi, les vecteurs ~u =~e2 et ~v =~e3 rpondent-ils la question.
3. Soit~e tel que f (~e) =~e. Dmontrons que (~e,~u,~v) est une base de R3 et crivons la matrice de f dans cette
base.
Notons ~e = (x, y, z) alors

(
x=x

z=0
f (~e) =~e x + 2y + z = y

x=y

2z = z
Le vecteur ~e = (1, 1, 0) convient. Les vecteurs ~e, ~u et ~v sont linairement indpendants, ils forment donc
une base de R3 . La matrice de f dans cette base scrit

1 0 0
B = 0 2 1
0 0 2

4. La matrice A est-elle diagonalisable ?


Le sous-espace propre associ la valeur propre 2 est lensemble des vecteurs (x, y, z) tels que

(
x = 2x

x=0
x + 2y + z = 2y

z=0

2z = 2z
Cest une droite vectorielle, sa dimension nest donc pas gale la multiplicit de la valeur propre 2
comme racine du polynme caractristique, la matrice A nest pas diagonalisable.
Correction de lexercice 6 N
Soit A la matrice

1
0
0
A = 1 1 0
1 2 1

et f lendomorphisme de R3 associ.
1. Dterminons et factorisons le polynme caractristique de A.
On note PA (X) le polynme caractristique, on a


1 X

0
0

1 X
1 X
0 = (1 X)
PA (X) = 1
1
1
2
1 X


0
= (1 X)2 (1 X).
1 X

La matrice A admet deux valeurs propres, 1, valeur propre simple, et 1, valeur propre double.
2. Dterminons les sous-espaces propres et les sous-espaces caractristiques de A.
La valeur propre 1 est simple, le sous-espace propre associ est gal au sous-espace caractristique, cest
lensemble
E1 = N1 = {~u = (x, y, z) R3 , A~u = ~u}.
On a
~u E1

x=x

x y = y
x + 2y z = z

x = 2y
z=0

Lespace E1 est une droite vectorielle dont un vecteur directeur ~e1 est donn, par exemple, par ~e1 =
(2, 1, 0).
Le sous-espace propre associ la valeur propre 1 est dfini par
E1 = {~u = (x, y, z) R3 , A~u = ~u}.
On a
~u E1

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

x=0
y=0

Lespace E1 est une droite vectorielle dont un vecteur directeur ~e2 est donn, par exemple, par ~e2 =
(0, 0, 1). La dimension de E1 nest pas gale la multiplicit de la racine, la matrice nest pas diagonalisable. Dterminons le sous-espace caractristique associ la valeur propre 1. Pour cela calculons la
matrice (A + I)2 .

2 0 0
4 0 0
(A + I)2 = 1 0 0 = 2 0 0
1 2 0
0 0 0
N1 = ker(A + I)2 = {~u = (x, y, z) R3 , x = 0}
Le sous-espace caractristique N1 est le plan vectoriel engendr par les vecteurs
e2 = (0, 0, 1) et e3 = (0, 1, 0).
9

3. Dmontrons quil existe une base de R3 dans laquelle la matrice de f est

1 0
0
B = 0 1 2
0 0 1
et trouvons une matrice P inversible telle que AP = PB (ou A = PBP1 ).
On considre les vecteurs ~e1 = (2, 1, 0) et ~e2 = (0, 0, 1) et on cherche un vecteur ~e N1 tel que f (~e) =
2~e2 ~e. Notons ~e = (0, y, z),
f (~e) = 2~e2 ~e y = 1,
le vecteur~e =~e3 = (0, 1, 0) convient, on pouvait le voir directement sur la deuxime colonne de la matrice
A. Ainsi, dans la base (~e1 ,~e2 ,~e3 ) avec ~e1 = (2, 1, 0), ~e2 = (0, 0, 1) et ~e3 = (0, 1, 0), la matrice de f scrit

1 0
0
B = 0 1 2 .
0 0 1
La matrice P cherche est la matrice de passage qui exprime la base (~e1 ,~e2 ,~e3 ) dans la base canonique
(~i, ~j,~k). On a

2 0 0
P = 1 0 1
0 1 0
et AP = PB ou A = PBP1 . On peut calculer P1 , cest la matrice qui exprime les vecteurs ~i, ~j et ~k dans
la base (~e1 ,~e2 ,~e3 ),

1/2 0 0
0 1 .
P1 = 0
1/2 1 0
4. Ecrivons la dcomposition de Dunford de B.
On a



1 0
0
1 0
0
0
B = 0 1 2 = 0 1 0 + 0
0 0 1
0 0 1
0
|
{z
} |
D

0 0
0 2 .
0 0
{z
}
N

Il est clair que la matrice D est diagonalisable puisque diagonale, on vrifie facilement que N 2 = 0,
cest--dire que la matrice N est nilpotente et que les deux matrices commutent, DN = ND. Ainsi la
dcomposition B = D + N est bien la dcomposition de Dunford de la matrice B.
5. Pour t R, calculons exptB.
On utilise la dcomposition de Dunford de la matrice tB, tB = tD + tN, on a donc
exp(tB) = exp(tD + tN) = exp(tD). exp(tN)
car les matrices commutent, par ailleurs, comme D est diagonale, on a
t

e
0
0
exp(tD) = 0 et 0 ,
0 0 et
et comme N 2 = 0, on a

1 0 0
exp(tN) = I + tN = 0 1 2t .
0 0 1
Do

t
e
exp(tB) = 0
0

0
et
0

t
0
1 0 0
e
0 0 1 2t = 0
et
0 0 1
0
10

0
et
0

0
2tet .
et

6. Donnons les solutions des systmes diffrentiels y0 = By et x0 = Ax, o x et y dsignent des fonctions
relles valeurs dans R3 .
Les solutions du systme diffrentiel y0 (t) = B.y(t) sont les fonctions y(t) = exp(tB).V o V est un
vecteur quelconque de R3 . Donc


t
a
aet
e
0
0
y(t) = 0 et 2tet b = bet + 2ctet ,
c
cet
0 0
et
(a, b, c) R3 .
Pour trouver les solutions du systme diffrentiel x0 (t) = A.x(t), on utilise le fait suivant
P.y est solution de x0 = A.x y

est solution de y0 = (P1 AP).y = B.y.

Ainsi, les solutions du systme x0 = A.x scrivent


x(t) = P. exp(tB).V
o V est un vecteur quelconque
Cest--dire

2
x(t) = 1
0

de R3 . On remarque quil nest pas utile de calculer la martrice P1 .

0 0
aet
2aet
0 1 bet + 2ctet = aet + cet ,
1 0
cet
bet + 2ctet

(a, b, c) R3 .
Correction de lexercice 7 N
Soit a R et A la matrice

0
1
0
a
0 .
A = 0
0 a2 2

1. Pour quelles valeurs de a la matrice A est-elle diagonalisable ?


Dterminons le polynme caractristique de la matrice A.


X
1
0

0 = X(a X)(2 X).
PA (X) = det(A XI) = 0 a X
0
a 2 2 X
Ce polynme admet trois racines 0, a et 2. Ainsi, si a
/ {0, 2} la matrice est diagonalisable. Examinons
les cas a = 0 et a = 2.
Si a = 0, la valeur propre 0 est valeur propre double, on a

0 1 0
A = 0 0 0 .
0 2 2
Le sous-espace propre associ 0 est gal ker A = {~u = (x, y, z), A~u = ~0},
(
y=0
~u ker A
y = z = 0.
2y + 2z = 0
Le sous-espace propre associ la valeur propre double 0 est une droite vectorielle, la droite engendre
par (1, 0, 0), la matrice nest donc pas diagonalisable.
Si a = 2, la valeur propre 2 est double, on a

0 1 0
A = 0 2 0 .
0 0 2
11

Le sous-espace propre associ 2 est gal E2 = {~u = (x, y, z), A~u = 2~u},

y = 2x
~u E2 2y = 2y y = 2x.

2z = 2z
Le sous-espace propre associ la valeur propre double 2 est un plan vectoriel, le plan dquation y = 2x,
la matrice est donc diagonalisable.
Ainsi la matrice A est diagonalisable si et seulement si a 6= 0.
Lorsque A est diagonalisable, dterminons une base de vecteurs propres de A.
On a a 6= 0 et on distingue les cas a 6= 2 et a = 2.
Si a 6= 2, les sous-espaces propres associs aux valeurs propres 0 et 2 sont lisibles sur la matrice, on a
E0 = ker A = R.(1, 0, 0) et E2 = R.(0, 0, 1),
On dtermine Ea = {~u = (x, y, z), A~u = a~u}.

(
(
y = ax

y = ax
y = ax
ay = ay
~u Ea

(a 2)y = (a 2)z
y=z

(a 2)y + 2z = az
Cest la droite vectorielle engendre par le vecteur ~e = (1, a, a). Ainsi, une base de vecteurs propres est
donne par les vecteurs (1, 0, 0), (0, 0, 1) et (1, a, a).
Si a = 2, nous avons vu que le sous-espace propre associ la valeur propre double 2 est le plan dquation y = 2x. Ainsi, une base de vecteurs propres est donne par les vecteurs (1, 0, 0), (0, 0, 1) et (1, 2, 0).
2. Soit E lespace vectoriel des solutions du systme x0 = Ax, o x est une fonction de la variable relle t
valeur dans R3 .
(a) Lorsque A est diagonalisable, donnons une base de E en fonction des vecteurs propres et des valeurs
propres de A et crivons la solution gnrale du systme.
Si 1 , 2 , 3 sont les valeurs propres de A et ~e1 ,~e2 et ~e3 les vecteurs propres associs, on sait quune
base de lespace des solutions du systme diffrentiel x0 = Ax est donne par
e1t~e1 , e2t~e2 , e3t~e3 .
Ainsi, si a 6= 2 cette base est donne par
(1, 0, 0), e2t (0, 0, 1), eat (1, a, a)
et si a = 2, elle est donne par
(1, 0, 0), e2t (0, 0, 1), e2t (1, 2, 0).
(b) Lorsque A nest pas diagonalisable, intgrons directement le systme X 0 = AX.
Lorsque A nest pas diagonalisable, a = 0 et

0 1 0
A = 0 0 0 .
0 2 2
Le systme X 0 = AX est quivalent
0
0

x (t)
0 1 0
x(t)
x = y
y0 (t) = 0 0 0 y(t) y0 = 0

0
z0 (t)
0 2 2
z(t)
z = 2y + 2z
12

Si y0 = 0, alors y(t) = , R. Ainsi, si x0 = , x(t) = t + , R et la troisime quation


devient
z0 = 2z 2
et sa solution scrit z(t) = e2t + , R. Do la solution gnrale du systme




x(t)
t +
t
1
0
X(t) = y(t) = = 1 + 0 + 0
z(t)
e2t +
1
0
e2t
(, , ) R3 .
3. Soit E0 lensemble des lments s de E tels que limt+ s(t) = ~0. Dmontrons que E0 est un sous-espace
vectoriel de E.
Pour dmontrer que E0 est un sous-espace vectoriel de E, il suffit de dmontrer que 0E E0 et que E0
est stable par combinaison linaire. La fonction nulle est clairement dans E0 , par ailleurs, si s1 et s2 sont
dans E0 et si a1 , a2 R, on a
lim a1 s1 (t) + a2 s2 (t) = ~0
t+

ce qui prouve que a1 s1 + a2 s2 E0 .


Dterminons sa dimension en fonction de a.
Nous avons, dans tous les cas, une base de lespace des solutions, donc lcriture de la solution gnrale,
on regarde alors les solutions de E qui sont dans E0 .
1er cas : a 6= 2 et a 6= 0, la solution gnrale scrit
s(t) = (1, 0, 0) + (0, 0, e2t ) + (eat , aeat , aeat ), (, , ) R3 .
Ainsi, si a > 0, s(t) E0 s = ~0, dim E0 = 0,
et si a < 0, s(t) E0 = = 0, dim E0 = 1.
2me cas : a = 2, la solution gnrale scrit
s(t) = (1, 0, 0) + (0, 0, e2t ) + (e2t , 2e2t , 0), (, , ) R3 .
Ainsi, s(t) E0 s = ~0, dim E0 = 0.
3me cas : a = 0, la solution gnrale scrit
s(t) = (1, 0, 0) + (0, 0, e2t ) + (t, 1, 1), (, , ) R3 .
Ainsi, s(t) E0 s = ~0, dim E0 = 0.
4. Soit F lensemble des lments s de E borns sur [0, +[. Dmontrons que F est un sous-espace vectoriel
de E.
Pour dmontrer que F est un sous-espace vectoriel de E, il suffit de dmontrer que 0E F et que F est
stable par combinaison linaire. La fonction nulle est clairement dans F, par ailleurs, si s1 et s2 sont dans
E0 et si a1 , a2 R, la fonction a1 s1 (t) + a2 s2 (t) est borne sur [0, +[, donc dans F.
Dterminons sa dimension en fonction de a.
Comme dans le cas prcdent, suivant la forme de la solution gnrale, on a
si a > 0, les seules solutions bornes sur [0, +[ sont de la forme
s(t) = (1, 0, 0), R, ainsi dim F = 1.
si a < 0, les seules solutions bornes sur [0, +[ sont de la forme
s(t) = (1, 0, 0) + (eat , aeat , aeat ), (, ) R2 , dim F = 2.
Correction de lexercice 8 N
I
Soit R et A M3 (R) la matrice suivante

1 0 + 1
0
A = 1 2
1 1

13

1. Factorisons le polynme caractristique PA (X) en produit de facteurs du premier degr.


On a



1 X
1 X

0

+
1
0

+
1






2 X
0 = 1 X 2 X
0
PA (X) = 1
1
1
X 0
1
X


1 X
0
+ 1

2 X 1
= 0
0
1
X
= (1 X)[(2 X)( 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 =
= 1.
2
2

Le polynme caractristique PA (X) se factorise donc en


PA (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 PA , ainsi,
- si = 0, la matrice A admet une valeur propre triple = 1,
- si 6= 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)P1 = I, ce qui nest pas le cas.
Si 6= 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.

x
1 0 + 1
x

1 2
0
y = y
E1 = ker(A + I) = (x, y, z) R ,

z
1 1

z
ainsi,
(x, y, z) E1

x + ( + 1)z = x
( + 1)z = 0
x 2y = y

xy = 0

x + y + z = z

Il faut distinguer les cas = 1 et 6= 1.


- Si = 1, le sous-espace E1 est le plan vectoriel dquation x = y, dans ce cas la matrice A est
diagonalisable.
- Si 6= 1, le sous-espace E1 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 QA le polynme minimal de A . On sait que la matrice A est diagonalisable sur R si 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
14

- Si = 1, A est diagonalisable, donc QA (X) = (X + 1)(X + 1) = (X + 1)(X + 2).


- Si 6= 1, on doit distinguer les cas = 0 et 6= 0, en effet,
- si 6= 0, A nest pas diagonalisable donc les racines de QA ne sont pas toutes les deux simples, et PA
admet deux racines distinctes, donc
QA (X) = PA (X) = (X + 1)2 (X + 1).
- si = 0, on a PA (X) = (X + 1)3 et A0
gal (X + 1)2 ou (X + 1)3 , or

0
0
(A + I)2 = 1 1
1 1

nest pas diagonalisable, le polynme minimal peut donc tre

1
0
0 1
1 1 1
0 1 1 0 = 1 1 1 6= 0
1
1 1 1
0 0 0

donc le polynme minimal QA est gal (X + 1)3 .


II
On suppose dsormais que = 0, on note A = A0 et f lendomorphisme de R3 associ la matrice A. On a
donc

1 0 1
A = A0 = 1 2 0
1 1 0
et PA (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 E1 = ker(A + I), et on a

x + z = x
z=0
x 2y = y
(x, y, z) E1

x=y

x + y = z
Le sous-espace E1 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 N1 =
ker(A + I)3 , or, compte tenu du thorme de Hamilton-Cayley, on sait que PA (A) = 0, ainsi, la matrice
(A + I)3 est la matrice nulle, ce qui implique N1 = R3 , cest donc lespace tout entier.
2. Dmontrons que le sous-espace vectoriel ker(A + I)2 est un plan stable par f .
On a E1 = ker(A + I) ker(A + I)2 ker(A + I)3 = R3 , 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

0
0 1
0
0 1
1 1 1
(A + I)2 = 1 1 0 1 1 0 = 1 1 1
1 1 1
1 1 1
0 0 0
donc ker(A + I)2 = {(x, y, z) R3 , x + y + z = 0}, cest bien un plan vectoriel.
3. Dmontrons quil existe une base de R3 dans laquelle la matrice de f est

1 1
0
B = 0 1 1
0
0 1
et trouvons une matrice P inversible telle que A = PBP1 .
15

Nous cherchons des vecteurs e1 , e2 , e3 tels que Ae1 = e1 , Ae2 = e1 e2 et Ae3 = e2 e3 . Le vecteur e1
appartient E1 = ker(A + I), et ker(A + I) est la droite dquations :
{z = 0, x y = 0} ; nous choisirons e2 ker(A + I)2 tel que (e1 , e2 ) soit une base de ker(A + I)2 . Remarquons que si lon cherche e2 = (x, y, z) tel que Ae2 = e1 e2 , on obtient le systme

1 0 1
x
1x
x + z = 1 x
z=1
1 2 0 y = 1 y
x 2y = 1 y

xy = 1

1 1 0
z
z
x + y = z
ce qui nous donne bien un vecteur de ker(A + I)2 . Ainsi, les vecteurs e1 = (1, 1, 0) et e2 = (1, 0, 1)
conviennent. Il nous reste chercher un vecteur e3 tel que Ae3 = e2 e3 , cest--dire

1 0 1
x
1x
x + z = 1 x
z=1
1 2 0 y = y
x 2y = y

x=y

1 1 0
z
1z
x + y = 1 z
Le vecteur e3 = (0, 0, 1) convient. On obtient alors
A = PBP1 ,

1
P = 1
0

la matrice P suivante qui est inversible et vrifie

1 0
0 0
1 1

4. Dcomposition de Dunford de B
On a

0 1 0
1 0
0
1 1
0
B = 0 1 1 = 0 1 0 + 0 0 1
0 0 0
0
0 1
0
0 1
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

0 1 0
1 0
0
D = 0 1 0 et N = 0 0 1 ,
0 0 0
0
0 1
On a

0 1 0
0 1 0
0 0 1
N 2 = 0 0 1 0 0 1 = 0 0 0
0 0 0
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.


5. Pour t R, calculons exptB et exprimons exptA laide de P et exptB.
On a N 3 = 0 donc pour tout t R, (tN)3 = 0 et lexponentielle est gale
exp(tN) = I + tN + (t 2 /2)N 2 ,
par ailleurs ND = DN, donc pour tout t R, les matrices tN et tD commutent galement, (tN)(tD) =
(tD)(tN), on a donc


t2 2
t
exp(tB) = exp(tD + tN) = exp(tD) exp(tN) = exp(tI) exp(tN) = e I I + tN + N
2
Do

1 t
t
exp(tB) = e
0 1
0 0

t2
2

t .
1

Pour dterminer lexponentielle de la matrice tA, on crit


exp(tA) = exp(t(PBP1 )) = exp(P(tA)P1 ) = P exp(tB)P1 .
16

6. Solutions des systmes diffrentiels Y 0 = BY et X 0 = AX.


La solution gnrale du systme Y 0 = BY scrit
S(t) = exp(tB)v
o v = (a, b, c) est un vecteur de R3 . La solution S : R 7 R3 scrit donc

2
2
x(t)
a
1 t t2
a + bt + c t2
S(t) = y(t) = et 0 1 t b = et b + ct
z(t)
c
0 0 1
c
Pour obtenir la solution du systme X 0 = AX, on crit
X 0 = AX X 0 = (PBP1 )X P1 X 0 = (BP1 )X (P1 X)0 = B(P1 X)
ainsi, en notant Y = P1 X ou encore X = PY , les solutions du systme X 0 = AX sont les PS(t) o P est
la matrice vrifiant A = PBP1 et S une solution du systme Y 0 = BY .
La solution gnrale du systme X 0 = AX scrit donc


t
2
2
x(t)
1 1 0
(a + b) + (c + b)t + c t2
e (a + bt + c t2 )

2
X(t) = y(t) = 1 0 0 et (b + ct) = et

a + bt + c t2
z(t)
0 1 1
et c
(b + c) + ct
o (a, b, c) R3 .
III
On suppose, dans cette partie, que = 1, on note A = A1 .

1 0
0
A = 1 2 0
1 1 1
1. Vrifions que la matrice A est diagonalisable.
Nous avons vu dans la partie I)3) que lorsque = 1, la matrice est diagonalisable, en effet, dans ce cas,
elle admet deux valeurs propres : 1, valeur propre double et 2, valeur propre simple. Le sous-espace
propre associ la valeur propre 1 tant le plan dquation x = y.
2. Diagonalisons la matrice A.
Pour cela dterminons une base de vecteurs propres. Le plan x = y est engendr par les vecteurs u(1, 1, 0)
et v(0, 0, 1), dterminons un vecteur directeur de la droite E2 :


x
2x
1 0
0

E2 = ker(A + 2I) = (x, y, z) R3 , 1 2 0 y = 2y

z
2z
1 1 1
ainsi,
(x, y, z) E2

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

Le sous-espace propre E2 est la droite vectorielle


base (u, v, w) la matrice est diagonale et scrit

1
D= 0
0

0
0
1 0 ,
0 2

1 0 0
P = 1 0 1
0 1 1
17

x=0
y = z

engendre par le vecteur w(0, 1, 1). Ainsi, dans la

on a A = PDP1 , o

3. Donnons les solutions du systme diffrentiel X 0 = A.X.


Si on note X = PY , les solutions du systme X 0 = AX sont les PS(t) o S une solution du systme
Y 0 = DY . Ainsi, la solution gnrale du systme X 0 = A.X scrit

x(t)
1 0 0
ae
aet
X(t) = y(t) = 1 0 1 bet = aet + bet
z(t)
0 1 1
ce2t
bet + ce2t
o (a, b, c) R3 .
IV
On suppose, dans cette partie, que = 1, on note A = A1 .

1 0 2
A = 1 2 0
1 1 1
1. Dterminons les sous-espaces propres et caractristiques de A.
La matrice A admet deux valeurs propres : 1, valeur propre double et 0, valeur propre simple. Le
sous-espace propre E1 , associ la valeur propre 1, est la droite vectorielle engendre par le vecteur
(1, 1, 0). Dterminons le sous-espace E0 :

0
x
1 0 2

y = 0
1 2 0
E0 = ker(A) = (x, y, z) R ,

0
z
1 1 1
ainsi,
(x, y, z) E0

x + 2z = 0

x + y + z = 0

x 2y = 0

x = 2z
x = 2y

Le sous-espace propre E0 est la droite vectorielle engendre par (2, 1, 1). Le sous-espace caractristique
associ la valeur propre 0 est le sous-espace propre E0 . Dterminons le sous-espace caractristique
associ la valeur propre double 1 cest lespace vectoriel ker(A + I)2 . On a
2

0
0 2
2 2 4
(A + I)2 = 1 1 0 = 1 1 2 .
1 1 2
1 1 2

Ainsi, ker(A + I)2 est le plan vectoriel dquation x + y + 2z = 0, engendr par les vecteurs (1, 1, 0)
E1 et (2, 0, 1).
2. Trigonalisons la matrice A.
Dans la base (u, v, w) o u(2, 1, 1), v(1, 1, 0) et w(2, 0, 1) la matrice est triangulaire, il existe tel que
A.w = v w.



1 0 2
2
0
1
0

A.w = 1 2 0 . 0 = 2 = 2 1 2
1 1 1
1
1
0
1
Ainsi A = PT P1 o

0 0
0
2 1 2
T = 0 1 2 et P = 1 1 0 .
0 0 1
1 0 1

18