Vous êtes sur la page 1sur 31

Mathématiques

Méthodes et exercices
ECS 2e année

Cécile Lardon
Professeur en classe préparatoire
au lycée du Parc à Lyon

Jean-Marie Monier
Professeur en classe préparatoire
au lycée La Martinière-Monplaisir à Lyon
© Dunod, Paris, 2012
ISBN 978-2-10-057671-5
Table des matières

Remerciements VI Du mal à démarrer ? 161


Corrigés des exercices 163
1. Réduction des endomorphismes
et des matrices carrées 1 6. Variables aléatoires à densité 180
Les méthodes à retenir 2 Les méthodes à retenir 180
Énoncés des exercices 4 Énoncés des exercices 183
Du mal à démarrer ? 12 Du mal à démarrer ? 190
Corrigés des exercices 15 Corrigés des exercices 193

2. Algèbre bilinéaire 38 7. Convergences et approximations 217


Les méthodes à retenir 39 Les méthodes à retenir 217
Énoncés des exercices 41 Énoncés des exercices 218
Du mal à démarrer ? 47 Du mal à démarrer ? 224
Corrigés des exercices 50 Corrigés des exercices 227

3. Intégrales sur un intervalle 8. Estimation, statistique 243


quelconque 66
Les méthodes à retenir 244
Les méthodes à retenir 66 Énoncés des exercices 245
Énoncés des exercices 70 Du mal à démarrer ? 254
Du mal à démarrer ? 79 Corrigés des exercices 257
Corrigés des exercices 84
9. Algorithmique 276
4. Fonctions numériques de plusieurs
Les méthodes à retenir 276
variables réelles 116
Énoncés des exercices 281
© Dunod. Toute reproduction non autorisée est un délit

Les méthodes à retenir 117 Du mal à démarrer ? 290


Énoncés des exercices 120 Corrigés des exercices 293
Du mal à démarrer ? 126
Corrigés des exercices 129 10. Problèmes de révision 312

5. Variables aléatoires discrètes, Énoncés des exercices 313


vecteurs aléatoires discrets 150 Du mal à démarrer ? 332
Corrigés des exercices 338
Les méthodes à retenir 151
Énoncés des exercices 154 Index 378

III
Pour bien utiliser cet ouvrage

La page d’entrée de chapitre


Elle propose un plan du chapitre, les
thèmes abordés dans les exercices, ainsi
qu’un rappel des points essentiels du cours
pour la résolution des exercices.

Les méthodes à retenir


Cette rubrique constitue une synthèse des prin-
cipales méthodes à connaître, détaillées étape
par étape, et indique les exercices auxquels elles
se rapportent.

IV
Pour bien utiliser cet ouvrage

Énoncés des exercices


De nombreux exercices de difficulté croissante
sont proposés pour s’entraîner. La difficulté de
chaque exercice est indiquée sur une échelle
de 1 à 4.

Du mal à démarrer ?
Des conseils méthodologiques sont proposés
pour bien aborder la résolution des exercices.
© Dunod. Toute reproduction non autorisée est un délit

Corrigés des exercices


Tous les exercices sont corrigés de façon détaillée.

V
Remerciements

Nous tenons ici à exprimer notre gratitude aux nombreux collègues qui ont accepté de réviser des parties du manuscrit :
Pascal Alessandri, Jean-Philippe Berne, Gérard Bourgin, Frédérique Christin, Jean-Paul Christin, Sophie Cohéléach,
Carine Courant, Sylvain Delpech, Hermin Durand, Viviane Gaggioli, Marguerite Gauthier, André Laffont, Tewfik
Lahcène, Hadrien Larome, Ibrahim Rihaoui, René Roy, Marie-Dominique Siéfert, Marie-Pascale Thon, Audrey Verdier.

VI
Réduction CHAPITRE 1
des endomorphismes
et des matrices carrées
Plan
Thèmes abordés dans les exercices
Les méthodes à retenir 2
• Détermination des valeurs propres et des sous-espaces propres d’un endomor-
Énoncés des exercices 4 phisme ou d’une matrice carrée
Du mal à démarrer ? 12 • Étude de la diagonalisabilité d’un endomorphisme ou d’une matrice carrée, ob-
Corrigés des exercices 15 tention d’une diagonalisation
• Calcul des puissances d’une matrice carrée
• Résolution d’équations matricielles.

K désigne R ou C Points essentiels du cours


Par commodité, on utilise pour la résolution des exercices
les abréviations suivantes : • Définition de : valeur propre, vecteur propre, sous-espace propre
ev pour : espace vectoriel
• Matrices de passage, formules de changement de base, matrices carrées sem-
sev pour : sous-espace vectoriel
blables
vp pour : valeur propre
SEP pour : sous-espace propre. • Définition de la diagonalisabilité, d’une diagonalisation
• CNS de diagonalisabilité faisant intervenir la somme des sous-espaces propres
• CNS de diagonalisabilité faisant intervenir la somme des dimensions des sous-
espaces propres
• Condition suffisante de diagonalisabilité : n valeurs propres deux à deux dis-
tinctes en dimension n
• Polynômes d’endomorphisme, polynômes de matrice carrée, polynômes annu-
lateurs d’un endomorphisme, polynômes annulateurs d’une matrice carrée
© Dunod. Toute reproduction non autorisée est un délit

• Toute matrice symétrique réelle est diagonalisable.

1
Chapitre 1 • Réduction des endomorphismes et des matrices carrées

Les méthodes à retenir


Essayer l’une des trois méthodes suivantes :
• calculer, pour tout λ ∈ K, le rang de la matrice A − λIn en fonction
de λ ; λ est valeur propre si et seulement si rg (A − λIn ) < n
➥ Exercices 1.1 a), b), c), e), f), 1.4 b), 1.6 b)2), 1.10 a), 1.11 a),
1.35 b)
• revenir à la définition, c’est-à-dire résoudre l’équation f (x) = λx,
Pour déterminer d’inconnue λ ∈ K, où x ∈ E\{0}, ou l’équation AX = λX, d’inconnue
les valeurs propres λ ∈ K, où X ∈ Mn,1 (K) \ {0}
d’un endomorphisme f
d’un espace vectoriel E
➥ Exercices 1.26 b), 1.34
ou d’une matrice carrée A de M n(K) • faire intervenir la notion de polynôme annulateur, si f ou A satisfait
une équation assez simple.
➥ Exercices 1.2 b), 1.5 a), 1.16 d), 1.18 a), 1.19, 1.32, 1.33 b)
Se rappeler que les valeurs propres d’une matrice triangulaire se lisent
sur sa diagonale.
➥ Exercices 1.1 d), 1.8 c), 1.13 c), 1.15 a), 1.20 a), 1.25 d)2),
1.33 a).

Appliquer la définition :
Pour déterminer SEP ( f, λ0 ) = Ker ( f − λ0 IdE ) = {x ∈ E ; f (x) = λ0 x},
le sous-espace propre  
associé à une valeur propre λ0 SEP (A, λ0 ) = X ∈ Mn,1 (K) ; AX = λ0 X ,
d’un endomorphisme f c’est-à-dire résoudre l’équation f (x) = λ0 x, d’inconnue x ∈ E ou
ou d’une matrice carrée A de M n(K) l’équation AX = λ0 X, d’inconnue X ∈ Mn,1 (K).
➥ Exercices 1.1, 1.5 b), 1.10 b), 1.20 a), 1.25 d)2), 1.33 a).

Essayer de :
• déterminer d’abord les valeurs propres de f ou de A, par une mé-
Pour déterminer
thode vue plus haut, puis, pour chaque valeur propre, déterminer le
les valeurs propres
sous-espace propre associé par la méthode vue plus haut
et les vecteurs propres
d’un endomorphisme f ➥ Exercice 1.1
d’un espace vectoriel E • résoudre l’équation f (x) = λx, d’inconnues λ ∈ K, x ∈ E \ {0} ou
ou d’une matrice carrée A de M n(K) l’équation AX = λX, d’inconnues λ ∈ K, X ∈ Mn,1 (K).
➥ Exercices 1.3 b), 1.6 b)1), 1.14 b), 1.27, 1.28 b).

Déterminer les valeurs propres de A :


Pour étudier la diagonalisabilité • si A admet n valeurs propres deux à deux distinctes, alors, d’après le
d’une matrice carrée A de M n(K) et cours, A est diagonalisable
éventuellement pour diagonaliser A
➥ Exercices 1.1 a), b), 1.6 c), 1.9, 1.11 a), 1.27 d)

2
Les méthodes à retenir

• si A n’admet qu’une seule valeur propre α et si A  α In , alors A


n’est pas diagonalisable, comme on le montre en raisonnant par l’ab-
surde.
➥ Exercices 1.1 d), 1.8 c), 1.9, 1.13 c)
• sinon, déterminer les sous-espaces propres de A puis les dimensions
des sous-espaces propres de A ; d’après le cours, A est diagonalisable
si et seulement si la somme des dimensions des sous-espaces propres
de A est égale à n
➥ Exercices 1.1 c), e), 1.2 c), 1.5 c), 1.8 c), 1.10 b), 1.17,
1.25 d)2), 1.26 c)
(suite)
• si A est diagonalisable, en notant D la matrice diagonale formée
(sur la diagonale) par les valeurs propres de A (présentes autant de
fois que la dimension du sous-espace propre associé), et en notant
P la matrice de passage de la base canonique de Mn,1 (K) à une base
de vecteurs propres de A (associés aux valeurs propres de A, dans
l’ordre), on obtient une diagonalisation A = PDP−1 de A
➥ Exercices 1.1 a), b), c)
• se rappeler que toute matrice symétrique réelle est diagonalisable.
➥ Exercices 1.1 b), 1.2 c), 1.3 a), 1.4 a), 1.7 b), 1.12 e), 1.14 a),
1.28 a), 1.35 a) .

Déterminer les valeurs propres de f :


• si f admet n valeurs propres deux à deux distinctes, alors f est dia-
gonalisable
➥ Exercice 1.6
• sinon, déterminer les sous-espaces propres de f , puis éventuelle-
ment les dimensions des sous-espaces propres de f
Pour étudier  f est diagonalisable si et seulement si la somme des sous-espaces
la diagonalisabilité propres de f est égale à E
d’un endomorphisme f
d’un espace vectoriel E ➥ Exercice 1.16
de dimension finie n  f est diagonalisable si et seulement si la somme des dimensions
des sous-espaces propres de f est égale à n
© Dunod. Toute reproduction non autorisée est un délit

➥ Exercices 1.6, 1.25


• on peut essayer de se ramener à l’étude de la diagonalisabilité d’une
matrice carrée, en considérant la matrice de f dans une certaine base
de E.
➥ Exercices 1.7, 1.8, 1.12, 1.29.

Essayer d’utiliser, si possible, une diagonalisation A = PDP−1 de A,


où D est diagonale et P est inversible.
Pour calculer
On a alors : ∀n ∈ N, An = PDn P−1 .
les puissances
De plus, A est inversible si et seulement si D est inversible, et, dans ce
d’une matrice carrée
cas, on a alors : ∀n ∈ Z, An = PDn P−1 .
➥ Exercice 1.3 c).
3
Chapitre 1 • Réduction des endomorphismes et des matrices carrées

Énoncés des exercices

1.1 Exemples d’étude de diagonalisabilité et de diagonalisation éventuelle de matrices carrées


d’ordre 3
Pour chacune des matrices suivantes, est-elle diagonalisable et, si oui, la diagonaliser :
⎛ ⎞ ⎛ ⎞ ⎛ ⎞
⎜⎜⎜−4 6 −3⎟⎟⎟ ⎜⎜⎜0 0 1⎟⎟⎟ ⎜⎜⎜3 −6 −2⎟⎟⎟
⎜⎜ ⎟ ⎜⎜ ⎟ ⎜⎜ ⎟
a) A = ⎜⎜−1 3 −1⎟⎟⎟⎟
⎜ b) B = ⎜⎜0 0 1⎟⎟⎟⎟
⎜ c) C = ⎜⎜0 1 0 ⎟⎟⎟⎟

⎝ ⎠ ⎝ ⎠ ⎝ ⎠
4 −4 3 111 4 −12 −3
⎛ ⎞ ⎛ ⎞ ⎛ ⎞
⎜⎜⎜1 2 1 ⎟⎟⎟ ⎜⎜⎜ 3 −1 1⎟⎟⎟ ⎜⎜⎜−1 0 1⎟⎟⎟
⎜⎜ ⎟ ⎜⎜⎜ ⎟ ⎜⎜ ⎟
d) E = ⎜⎜0 1 −1⎟⎟⎟⎟
⎜ e) F = ⎜⎜ 0 2 2⎟⎟⎟⎟ f) G = ⎜⎜ 0 1 2⎟⎟⎟⎟ .

⎝ ⎠ ⎝ ⎠ ⎝ ⎠
00 1 −1 1 3 1 −1 1

1.2 Exemple de diagonalisation d’une matrice carrée d’ordre 4, d’après HEC 2009
⎛ ⎞
⎜⎜⎜1 1 1 1 ⎟⎟⎟
⎜⎜⎜⎜1 1 −1 −1⎟⎟⎟⎟
On considère la matrice A = ⎜⎜⎜⎜ ⎟⎟ de M4 (R) et on note f l’endomorphisme de R4
⎜⎜⎜1 −1 1 −1⎟⎟⎟⎟⎟
⎝ ⎠
1 −1 −1 1
représenté par A dans la base canonique B0 = (e1 , e2 , e3 , e4 ) de R4 .

a) On note v1 = (1, 1, 0, 0), v2 = (1, −1, 1, 1), v3 = (1, 0, 1, 0).


Calculer f (vi ) pour tout i ∈ 1 ; 3.
b) Calculer A2 . Qu’en déduit-on pour les valeurs propres de A ?
c) Montrer que A est diagonalisable dans M4 (R) et déterminer une matrice de passage P de la
base B0 à une base de vecteurs propres pour f .

1.3 Exemple de détermination des valeurs propres et des sous-espaces propres d’une matrice
carrée d’ordre 5, d’après HEC 2006
⎛ ⎞
⎜⎜⎜0 1 0 0 0⎟⎟
⎟⎟
⎜⎜⎜
⎜⎜⎜1 0 1 0 0⎟⎟⎟⎟
⎜ ⎟⎟
On considère la matrice A = ⎜⎜⎜⎜0 1 0 1 0⎟⎟⎟⎟ ∈ M5 (R).
⎜⎜⎜ ⎟
⎜⎜⎜⎝0 0 1 0 1⎟⎟⎟⎟⎟

0001 0
a) Est-ce que A est diagonalisable ?
b) Déterminer les valeurs propres et les sous-espaces propres de A.

1.4 Exemple de calcul des puissances d’une matrice carrée d’ordre 3 à l’aide d’une diagonali-
sation
⎛ ⎞
⎜⎜⎜0 0 1 ⎟⎟⎟
⎜⎜ ⎟
On note A = ⎜⎜0 1 1 ⎟⎟⎟⎟ ∈ M3 (R).

⎝ ⎠
1 1 1/2
a) Montrer que A est diagonalisable et que A est inversible.
b) Diagonaliser A.
c) En déduire l’expression de An pour tout n ∈ Z.

4
Énoncés des exercices

1.5 Exemple d’étude de diagonalisabilité pour un endomorphisme de M2 (R)





a b 1 a+d b+c
On note E = M2 (R) et : f : E −→ E,  →
− .
c d 2 b+c a+d
a) Vérifier : f ∈ L (E) et f 2 = f.
b) Déterminer les valeurs propres et les sous-espaces propres de f .
c) Est-ce que f est diagonalisable ?

1.6 Éléments propres d’un endomorphisme d’un ev de polynômes


On considère l’application f définie dans C2 [X] par :

∀P ∈ C2 [X], f (P) = (X2 + 1)P  − (2X − 1)P.

a) Montrer que f est un endomorphisme de C2 [X].


b) Déterminer les valeurs propres et les sous-espaces propres de f , de deux façons différentes,
en utilisant :
1) la définition des éléments propres de f
2) la matrice de f dans la base (1, X, X2 ) de C2 [X].
c) L’endomorphisme f est-il diagonalisable ?

1.7 Exemple de détermination des éléments propres d’un endomorphisme de M2 (R)





ab d −b
On considère l’application f : M2 (R) −→ M2 (R),  →
− .
c d −c a
a) Vérifier que f est un endomorphisme de l’espace vectoriel M2 (R) et écrire la matrice de f
dans la base canonique de M2 (R).
b) Montrer que f est diagonalisable.

1.8 Étude de diagonalisabilité pour un endomorphisme d’un ev de polynômes


Soit (a, b) ∈ R2 . On note

f : R2 [X] −→ R2 [X], P −→ P(X + a) + P(X + b) − (a + b)P  (X).



a) Vérifier : f ∈ L R2 [X] .
b) Former la matrice de f dans la base canonique B = (1, X, X2 ) de R2 [X].
© Dunod. Toute reproduction non autorisée est un délit

c) Déterminer une CNS sur (a, b) pour que f soit diagonalisable.

1.9 Étude de diagonalisabilité pour une matrice carrée d’ordre 2 à paramètres, d’après
EDHEC 2008


0 −1
Déterminer une condition nécessaire et suffisante sur (x, y) ∈ R pour que la matrice A =
2
y 2x
soit diagonalisable dans M2 (R).

1.10 Exemple d’étude de diagonalisabilité d’une matrice carrée d’ordre 3 à paramètre, d’après
EDHEC 2008
⎛ ⎞
⎜⎜⎜3 − a −5 + a a ⎟⎟⎟
⎜⎜⎜ ⎟
On note, pour tout a ∈ R, M(a) = ⎜⎜ −a a − 2 a ⎟⎟⎟⎟ ∈ M3 (R).
⎝ ⎠
5 −5 −2

5
Chapitre 1 • Réduction des endomorphismes et des matrices carrées

a) Déterminer les valeurs propres de M(a), pour tout a ∈ R.


b) Trouver l’ensemble des a ∈ R tels que M(a) soit diagonalisable.

1.11 Étude de diagonalisabilité pour une matrice carrée d’ordre 3 à paramètre


⎛ ⎞
⎜⎜⎜0 0 1⎟⎟⎟
⎜⎜ ⎟
a) On note J = ⎜⎜1 0 1⎟⎟⎟⎟ . Montrer que J est diagonalisable dans M3 (C).

⎝ ⎠
010
⎛ ⎞
⎜⎜⎜a c b ⎟⎟⎟
⎜⎜ ⎟
b) On note, pour tout (a, b, c) ∈ C , M(a, b, c) = ⎜⎜b a + c b + c⎟⎟⎟⎟ .
3 ⎜
⎝ ⎠
c b a+c

Montrer que, pour tout (a, b, c) ∈ C3 , M(a, b, c) est diagonalisable dans M3 (C).

1.12 Exemple d’étude de diagonalisabilité pour un endomorphisme de M2 (R)




11
On note A = ∈ M2 (R) et f : M2 (R) −→ M2 (R), M −→ AM.
11

a) Vérifier : f ∈ L M2 (R) .
b) Déterminer Ker ( f ) et en donner une base et la dimension.
c) Déterminer Im ( f ) et en donner une base et la dimension.
d) Écrire la matrice de f dans la base canonique B = (E1 , E2 , E3 , E4 ) de M2 (R), où :





10 01 00 00
E1 = , E2 = , E3 = , E4 = .
00 00 10 01

e) Est-ce que f est diagonalisable ?

1.13 Exemple d’endomorphisme d’un espace de fonctions, d’après HEC 2010


On note, pour tout k ∈ 0 ; 3 : fk : R −→ R, x −→ xk e −x

et on note B = ( f0 , f1 , f2 , f3 ), E = Vect (B).

a) Montrer que B est une base de E et déterminer dim (E).


b) Montrer que l’application φ : f −→ f  − f 
est un endomorphisme du R-espace vectoriel E.
On note M la matrice de f dans B.
c) La matrice M est-elle inversible ? diagonalisable ?

1.14 Exemple de détermination des valeurs propres d’une matrice carrée d’ordre n



∗ ⎨1 si i + j est pair

Soient p ∈ N , n = 2p + 1, A = (ai j )i j ∈ Mn (R), où : ai j = ⎪


⎩0 sinon.

a) Est-ce que A est diagonalisable ?


b) Déterminer les valeurs propres et les sous-espaces propres de A.

1.15 Exemple d’étude de diagonalisabilité pour une matrice carrée d’ordre n





⎨1 si (i = 1 ou j = n)
Soient n ∈ N \ {0, 1}, A = (ai j )i j ∈ Mn (R) où : ai j = ⎪

⎩0 sinon.

6
Énoncés des exercices

a) Déterminer les valeurs propres de A.


b) Calculer A2 . Est-ce que A2 = A ?
c) Montrer que A n’est pas diagonalisable.

1.16 Endomorphismes f tels que ( f − ae) ◦ ( f − be) = 0, d’après EDHEC 2006


Soient E un K-ev de dimension finie, n = dim (E) ∈ N∗ , e = IdE , (a, b) ∈ K2 tel que a  b,
f ∈ L (E) tel que ( f − ae) ◦ ( f − be) = 0.

a) Montrer : Im ( f − be) ⊂ Ker ( f − ae) et Im ( f − ae) ⊂ Ker ( f − be).


1 1
b) Établir : ( f − be) + ( f − ae) = e.
a−b b−a
c) Démontrer que les sev Ker ( f − ae) et Ker ( f − be) de E sont supplémentaires dans E.
d) Conclure que f est diagonalisable.

1.17 Matrices A ∈ Mn(R) telles que A2 = −In, d’après EDHEC 2006


Soit n ∈ N∗ . Le but de l’exercice est d’étudier l’existence de matrices A ∈ Mn (R) telles que
A2 = −In .

a) On suppose ici n pair.




0 1
En utilisant la matrice , montrer qu’il existe A ∈ Mn (R) telle que A2 = −In .
−1 0
b) On suppose ici n impair, et on suppose qu’il existe A ∈ Mn (R) telle que A2 = −In .
1) En utilisant l’exercice 1.16, montrer que A est diagonalisable dans Mn (C) et que ses valeurs
propres sont i et − i .
On note E i et E− i les sous-espaces propres de A respectivement associés à i et − i .
Pour toute matrice carrée M = (mi j )i j ∈ Mn (C), on note M = (mi j )i j ∈ Mn (C), et, pour toute
matrice colonne X = (xi )i ∈ Mn,1 (C), on note X = (xi )i ∈ Mn,1 (C).
2) Montrer, pour toute X ∈ Mn,1 (C) : X ∈ E i ⇐⇒ X ∈ E− i .
3) En déduire que, si (u1 , ..., ud ) est une base de E i , alors (u1 , ..., ud ) est une base de E− i et
conclure : dim (E i ) = dim (E− i ).
4) Amener une contradiction et conclure.

1.18 Étude d’un endomorphisme nilpotent


© Dunod. Toute reproduction non autorisée est un délit

Soient E un K-ev de dimension finie n  1 et f ∈ L (E) nilpotent (c’est-à-dire qu’il existe


p ∈ N∗ tel que f p = 0).

a) Montrer que 0 est une valeur propre de f , et que c’est la seule.


b) L’endomorphisme f est-il diagonalisable ?

1.19 Polynômes d’endomorphismes, d’après HEC 2010


Soient E un espace vectoriel de dimension finie, e = IdE , f ∈ L (E) tel que :
( f − e)3 ◦ ( f − 2e)2 = 0 et ( f − e)3 ◦ ( f − 2e)  0.
Étudier la diagonalisabilité de f .

1.20 Exemple de recherche des sev stables par un endomorphisme, d’après HEC 2009
Soient E un K-espace vectoriel de dimension 3, B = (e1 , e2 , e3 ) une base de E.

7
Chapitre 1 • Réduction des endomorphismes et des matrices carrées

⎛ ⎞
⎜⎜⎜0 1 0⎟⎟⎟
⎜⎜⎜ ⎟
On considère la matrice A = ⎜⎜0 0 1⎟⎟⎟⎟ de M3 (K) et on note f l’endomorphisme représenté par A
⎝ ⎠
000
dans la base B de E.

On se propose de trouver tous les sev F de E stables par f , c’est-à-dire les sev F de E tels que
f (F) ⊂ F.

a) Déterminer les valeurs propres et les sous-espaces propres de f .


b) Soit F un sev de E stable par f .
1) Montrer que, si dim (F) = 1, alors F = Vect (e1 ).
2) Montrer que, si dim (F) = 2, alors F = Vect (e1 , e2 ).
c) Conclure.

1.21 Noyau et image de f 2 lorsque f est diagonalisable


Soient E un espace vectoriel de dimension finie, f ∈ L (E) diagonalisable. Montrer :

Ker ( f 2 ) = Ker ( f ) et Im ( f 2 ) = Im ( f ).

1.22 Racines carrées d’une matrice carrée de Mn(C) ayant n valeurs propres
Soient n ∈ N∗ , A ∈ Mn (C) admettant n valeurs propres deux à deux distinctes, notées λ1 , ..., λn .
On note D = diag(λi ) et P ∈ GLn (C) telle que A = PDP−1 .
1in

On se propose de résoudre l’équation M 2 = A, d’inconnue M ∈ Mn (C).

a) Soit M ∈ Mn (C). On note N = P−1 MP. Montrer : M 2 = A ⇐⇒ N 2 = D.


b) Montrer que, pour toute N ∈ Mn (C), si N 2 = D, alors N commute avec D.
c) Déterminer toutes les matrices de Mn (C) qui commutent avec D.
 
d) En déduire l’ensemble M ∈ Mn (C) ; M 2 = A .

Cet ensemble est-il fini ? Si oui, combien a-t-il d’éléments ?

1.23 Lien entre les diagonalisabilités de AB et de BA


Soient n ∈ N∗ , A, B ∈ Mn (R) telles que AB soit diagonalisable.

a) Montrer que, si A ou B est inversible, alors BA est diagonalisable.


b) Le résultat précédent est-il valable sans l’hypothèse d’inversibilité ? (On pourra se limiter au
cas n = 2.)

1.24 f ◦ g et g ◦ f ont les mêmes valeurs propres


Soient E un espace vectoriel de dimension finie, f, g ∈ L (E). Montrer que f ◦ g et g ◦ f ont les
mêmes valeurs propres.

1.25 Exemple d’endomorphisme d’un espace de polynômes, d’après HEC 2010


On note f : R[X] −→ R[X], P −→ 3XP + (X2 − X)P  − (X3 − X2 )P  .

a) Montrer que f est un endomorphisme du R-espace vectoriel R[X].


b) Calculer f (Xn ) pour tout n ∈ N.
c) L’application f est-elle injective ? surjective ?

8
Énoncés des exercices

d) 1) Montrer qu’il existe n ∈ N∗ unique tel que Rn [X] soit stable par f et déterminer cet entier n.
2) On note g l’endomorphisme de Rn [X] (où n a la valeur obtenue ci-dessus) induit par f .
Est-ce que g est diagonalisable ?

1.26 Exemple d’étude de diagonalisabilité pour une matrice carrée d’ordre n


⎛ ⎞
⎜⎜⎜2 2 . . . 2 2⎟⎟
⎜⎜⎜⎜1 ⎟
0 . . . 0 1⎟⎟⎟⎟
⎜⎜⎜ ⎟
Soit n ∈ N tel que n  3. On note An = ⎜⎜⎜⎜⎜ ... .. . . ⎟⎟⎟⎟
. (0) .. .. ⎟⎟⎟⎟ ∈ Mn (R).
⎜⎜⎜⎜ ⎟
⎜⎜⎝1 0 . . . 0 1⎟⎟⎟⎟⎠
2 2 ... 2 2
a) Quel est le rang de An ? En déduire que 0 est valeur propre de An et déterminer la dimension
du sous-espace propre associé.
b) Déterminer les valeurs propres de An .
c) Montrer que An est diagonalisable.

1.27 Étude de diagonalisabilité pour une matrice carrée d’ordre n


Soient n ∈ N∗ , a1 , ..., an ∈ R tels que 0 < a1 < ... < an . On note :
⎛ ⎞
⎜⎜⎜ 0 a2 a3 . . . . . . an ⎟⎟⎟
⎜⎜⎜a 0 a . . . . . . a ⎟⎟⎟
⎜⎜⎜ 1 3 n⎟ ⎟
⎜⎜⎜⎜ .. .. ⎟⎟⎟⎟⎟
⎜⎜⎜a1 a2 0 . . ⎟⎟⎟⎟

A = ⎜⎜⎜⎜ . . . . . . ⎟⎟⎟ ∈ Mn (R).
⎜⎜⎜⎜ .. .. . . . . . . .. ⎟⎟⎟⎟⎟
⎜⎜⎜ ⎟⎟⎟
⎜⎜⎜ .. .. .. ⎟
⎜⎜⎜ . . . 0 an ⎟⎟⎟⎟⎟
⎝ ⎠
⎛ ⎞ a1 a2 . . . . . . an−1 0
⎜⎜⎜ x1 ⎟⎟⎟
⎜⎜ ⎟⎟  n
a) Soit λ ∈ R, X = ⎜⎜⎜⎜⎜ ... ⎟⎟⎟⎟⎟ ∈ Mn,1 (R) \ {0}, S = ai xi . Montrer :
⎜⎝ ⎟⎠ i=1
xn
 
AX = λX ⇐⇒ S = (λ + a1 )x1 , . . . , S = (λ + an )xn .

b) En déduire que, pour tout λ ∈ R, λ est valeur propre de A si et seulement si :



n
ak
∀k ∈ 1 ; n, λ + ak  0 et = 1.
k=1
λ + ak
© Dunod. Toute reproduction non autorisée est un délit


n
ak
c) Dresser le tableau des variations de la fonction f : λ −→ − 1 + .
k=1
λ + ak
d) Conclure quant à la diagonalisabilité de A dans Mn (R).

1.28 Étude des valeurs propres d’une matrice carrée d’ordre n tridiagonale, par utilisation
d’une suite récurrente linéaire
⎛ ⎞
⎜⎜⎜0 1 0 . . . 0⎟⎟

⎜⎜⎜ .. .. ⎟⎟⎟⎟
⎜⎜⎜
⎜⎜⎜1 0 . (0) . ⎟⎟⎟⎟
⎜⎜⎜ . . . ⎟⎟⎟
Soient n ∈ N , A = ⎜⎜⎜0 . . . . . . ⎟
0⎟⎟⎟⎟⎟ ∈ Mn (R).

⎜⎜⎜ ⎟⎟⎟
⎜⎜⎜ .
⎜⎜⎜ .. (0) . . . 0 1⎟⎟⎟⎟⎠

⎜⎝
0 ... 0 1 0

9
Chapitre 1 • Réduction des endomorphismes et des matrices carrées

a) Montrer que A est diagonalisable dans Mn (R).


⎛ ⎞
⎜⎜⎜ x1 ⎟⎟⎟
⎜⎜ ⎟⎟
b) Soient λ ∈ R une valeur propre de A, X = ⎜⎜⎜⎜⎜ ... ⎟⎟⎟⎟⎟ ∈ Mn,1 (R) \ {0} tel que AX = λX. On note de
⎜⎝ ⎟⎠
xn
plus x0 = 0 et xn+1 = 0.
1) Montrer : ∀i ∈ 0 ; n − 1, xi+2 − λxi+1 + xi = 0.
2) Établir que l’équation r − λr + 1 = 0, d’inconnue r ∈ C, admet deux solutions distinctes,
2

notées r1 , r2 .
3) En déduire : λ ∈ [−2 ; 2].

1.29 Somme de projecteurs


k
Soient E un K-ev de dimension finie notée n, e = IdE , k ∈ N∗ , (u1 , ..., uk ) ∈ L (E) tel que :
k

ui = e et ∀(i, j) ∈ 1 ; k2 , i  j =⇒ ui ◦ u j = 0 .
i=1

a) Montrer : ∀i ∈ 1 ; k, u2i = ui .



k
b) Établir que les sev Im (ui ), i ∈ 1 ; k, sont en somme directe et que E = Im (ui ).
i=1

c) Démontrer que tout élément de Vect (u1 , ..., uk ) est diagonalisable.

1.30 Trois endomorphismes vérifiant des égalités


Soient E un espace vectoriel de dimension finie, e = IdE , f, g, h ∈ L (E) tels que :

f ◦ g = h, g ◦ h = f, h ◦ f = g.

a) Montrer : f 2 = g2 = h2 puis f 5 = f.
On suppose dorénavant que f est bijectif et diagonalisable.
b) Établir : f 2 = e.
c) Montrer que f, g, h commutent deux à deux.

1.31 CNS pour que α2 soit valeur propre de f 2


Soient E un espace vectoriel de dimension finie, α ∈ R, f ∈ L (E).
Montrer : α2 est valeur propre de f 2 si et seulement si α ou −α est valeur propre de f .

1.32 Exemple des puissances d’une matrice carrée non diagonalisable


Soient n ∈ N∗ , A ∈ Mn (R) telle que :

A(A − In )2 = 0, (A − In )2  0, A(A − In )  0.

a) Montrer que les valeurs propres de A sont 0 et 1.


b) Établir que A n’est pas diagonalisable.
c) Exprimer, pour tout k ∈ N∗ , Ak comme combinaison linéaire de A et A2 .
d) Donner un exemple de telle matrice A pour n = 3.

10
Énoncés des exercices

1.33 Étude de projecteur, d’après HEC 2010


⎛ ⎞
⎜⎜⎜0 0 1⎟⎟⎟
⎜⎜⎜ ⎟
a) La matrice A = ⎜⎜0 1 0⎟⎟⎟⎟ est-elle diagonalisable dans M3 (R) ?
⎝ ⎠
000
b) Soient E un R-ev de dimension 3 et f ∈ L (E) tel que f 2 soit un projecteur et que rg ( f 2 ) = 1.

1) Montrer que l’ensemble des valeurs propres de f est {0} ou {0, 1} ou {0, −1}.
2) On suppose, de plus, que f admet 1 pour valeur propre et que f n’est pas un projecteur.
Montrer qu’il existe une base B de E dans laquelle f est représenté par A.

1.34 Disques de Gershgorin


Soient n ∈ N∗ , A = (ai j )i j ∈ Mn (C). Montrer
 que, pour toute valeur propre λ de A dans C, il
existe i ∈ 1 ; n tel que : |λ − aii |  |ai j |.
1 jn, ji

1.35 Comportement asymptotique des valeurs propres d’une matrice carrée d’ordre n
⎛ ⎞
⎜⎜⎜1 1 1 ... 1⎟⎟
⎜⎜⎜⎜1 ⎟
⎜⎜⎜ 1 0 ... 0⎟⎟⎟⎟⎟
⎜⎜ ⎟⎟⎟
. ⎟
On note, pour tout n ∈ N tel que n  4 : An = ⎜⎜⎜⎜⎜1 0 0 .. 0⎟⎟⎟⎟⎟ ∈ Mn (R).
⎜⎜⎜ . .. .. .. ⎟⎟⎟⎟
⎜⎜⎜ .
⎜⎜⎝ . . . (0) . ⎟⎟⎟⎟

1 0 0 ... 0
a) Montrer que An est diagonalisable dans Mn (R).
b) Montrer que 0 est valeur propre de An et déterminer la dimension du sous-espace propre
associé.
c) Établir que An admet exactement quatre valeurs propres, qui sont 0 et trois autres réelles deux
à deux distinctes, notées an , bn , cn , qui sont les racines du polynôme
Pn = X3 − 2X2 − (n − 2)X + (n − 2), et que : an < 0 < bn < 1 < cn .
d) Démontrer successivement :
√ √
cn > 2, cn −→ +∞, cn ∼ n, bn −→ 1, an ∼ − n.
n∞ n∞ n∞ n∞
© Dunod. Toute reproduction non autorisée est un délit

1.36 Égalités de polynômes de matrices carrées


Soient P ∈ K[X], A, B ∈ Mn (K) diagonalisables. On suppose que l’application polynomiale
P : K −→ K, x −→ P(x) est injective et que P(A) = P(B). Montrer : A = B.

11
Chapitre 1 • Réduction des endomorphismes et des matrices carrées

Du mal à démarrer ?
1.1 a) Pour déterminer les vp de A, étudier le rang de la ma- 1.6 a) Immédiat.
trice A − λI3 selon les valeurs du réel λ.
b) 1) Résoudre l’équation f(P) = λP, d’inconnues λ ∈ C,
Déterminer les SEP en utilisant la définition. P ∈ C2 [X] \ {0}, en notant P = aX2 + bX + c, (a, b, c) ∈ C2 .
b) Remarquer que B est symétrique réelle. b) 2) Calculer f(1), f(X), f(X2 ), en déduire la matrice de f dans
la base canonique (1, X, X2 ) de C2 [X] et déterminer les vp et
Pour déterminer les vp de B, étudier le rang de la matrice B−λI3
les SEP de cette matrice carrée d’ordre 3 par la méthode habi-
selon les valeurs du réel λ.
tuelle.
Déterminer les SEP en utilisant la définition.
c) L’endomorphisme f de C2 [X] admet trois vp deux à deux dis-
c) Pour déterminer les vp de C, étudier le rang de la matrice tinctes.
C − λI3 selon les valeurs du réel λ.
Déterminer les SEP en utilisant la définition. 1.7 a) La linéarité de f est immédiate.

d) Pour les vp, remarquer que E est triangulaire. Calculer les images par f des vecteurs de la base canonique
B = (E1 , E2 , E3 , E4 ) de M2 (R).
Montrer que E n’est pas diagonalisable en raisonnant par l’ab-
surde. b) Remarquer que la matrice de f dans B est symétrique réelle.

e) Pour déterminer les vp de F, étudier le rang de la matrice 1.8 a) Immédiat.


F − λI3 selon les valeurs du réel λ.
b) Calculer f(1), f(X), f(X2 ).
Déterminer les SEP en utilisant la définition.
c) Le cas a2 + b2 = 0 est d’étude immédiate.
f) Pour déterminer les vp de G, étudier le rang de la matrice
G − λI3 selon les valeurs du réel λ. À cet effet, étudier les varia- Si a2 + b2  0, raisonner par l’absurde pour montrer qu’alors f
tions de la fonction λ −→ − λ3 + λ2 − 4. n’est pas diagonalisable.

Montrer que G n’est pas diagonalisable en raisonnant par l’ab- 1.9 Étudier les valeurs propres de A et séparer en cas selon
surde. le signe de y − x 2 .

1.2 a), b) Immédiats. 1.10 a) Calculer, pour λ ∈ R, le rang de M(a) − λI3 selon les
c) • Remarquer que A est symétrique réelle. valeurs de λ.
• Déterminer SEP (f, −2) et, d’autre part, utiliser a) pour dé- b) Déterminer les SEP de M(a) en utilisant la définition.
duire Vect (v1 , v2 , v3 ) ⊂ SEP (f, 2). Étudier la somme des dimensions des SEP de M(a).

1.3 a) Remarquer que A est symétrique. 1.11 a) Déterminer les vp de J par la méthode habituelle.
b) Résoudre l’équation AX = λX, d’inconnues λ ∈ R, Montrer que le polynôme X3 − X − 1 de C[X] admet trois zéros
⎛ ⎞
⎜⎜⎜⎜x1 ⎟⎟⎟⎟ deux à deux distincts.
⎜⎜⎜ ⎟⎟⎟
X = ⎜⎜⎜⎜ .. ⎟⎟⎟⎟ ∈ M5,1 (R) \ {0}, en exprimant, par exemple, x2 , x3 , x4 , x5 b) Remarquer que M(a, b, c) se décompose linéairement sur
⎜⎜⎜ . ⎟⎟⎟
⎝ ⎠ I3 , J, J2 .
x5
en fonction de x1 .
1.12 a) Immédiat.


1.4 a) Remarquer que A est symétrique réelle.
b) Résoudre f(M) = 0, d’inconnue M =
x y
∈ M2 (R).
z t
Calculer le rang de A, par exemple.


b) Pour déterminer les vp de A, étudier le rang de la matrice x y
c) Calculer f(M) pour toute M = ∈ M2 (R).
A − λI3 selon les valeurs du réel λ. z t

Déterminer les SEP de A par la définition. d) Calculer f(E1 ), ..., f(E4 ) en fonction de E1 , ..., E4 .

c) Utiliser la diagonalisation A = PDP −1 obtenue en b) pour cal- e) Remarquer que la matrice obtenue en d) est symétrique
culer (PDP −1 )n = PDn P −1 . réelle.

1.5 a) Immédiat. 1.13 a) Montrer que B est libre en revenant à la définition et


en faisant intervenir un polynôme.
b) Pour déterminer les vp, utiliser a).
b) Calculer φ(fi ) pour tout i ∈ 0 ; 3.
Déterminer les SEP en utilisant la définition.
c) Montrer que M admet une valeur propre et une seule, puis
c) Calculer la somme des dimensions des SEP. raisonner par l’absurde.

12
Du mal à démarrer ?

1.14 a) Remarquer que A est symétrique réelle. Utiliser : λ2 = 0 ⇐⇒ λ = 0.


b) Résoudre l’équation AX = λX, d’inconnues λ ∈ R,
⎛ ⎞ 1.22 a) Remplacer M par PNP −1 .
⎜⎜⎜ x1 ⎟⎟⎟
⎜⎜⎜ ⎟⎟⎟
⎜ ⎟ b) Immédiat.
X = ⎜⎜⎜⎜ .. ⎟⎟⎟⎟ ∈ M2p+1,1 (R) \ {0}.
⎜⎜⎜ . ⎟⎟⎟
⎝ ⎠ c) Noter N = (xij )ij et traduire ND = DN.
x2p+1
d) Utiliser a), b), c). Pour déterminer le nombre d’éléments de
1.15 a) Remarquer que A est triangulaire. b) Immédiat. l’ensemble étudié, distinguer en deux cas selon que 0 est valeur
propre de A ou non.
c) Pour montrer que A n’est pas diagonalisable, raisonner par
l’absurde et remarquer que, si D est une matrice diagonale sem- 1.23 a) Supposer A inversible et diagonaliser AB sous la forme
blable à A, alors D2 = D. AB = PDP −1 .

1.16 a) Passer par les éléments. Étudier le cas où B est inversible.

b) Immédiat. b) Trouver un contrexemple, par exemple dans lequel AB = 0 et


BA  0.
c) • Montrer que Ker (f − ae) ∩ Ker (f − be) = {0} en passant par
les éléments. 1.24 • Soit λ une valeur propre de f ◦ g, x ∈ E \ {0} tel que

• Montrer E = Ker (f) + Im (f) en passant par les éléments et (f ◦ g)(x) = λx. Calculer (g ◦ f) g(x) et séparer en deux cas :
en utilisant a). g(x)  0, g(x) = 0.
d) Montrer que les vp de f sont parmi a et b et utiliser c). • Appliquer le résultat de 1) à (g, f) à la place de (f, g).

1.17 a) Considérer la matrice, diagonale par blocs, formée par 1.25 a) b) Immédiats.
la répétition de la matrice d’ordre 2 proposée.
c) • Considérer f(X2 ) et f(X3 ).
b) 1) Appliquer l’exercice 1.16, version matricielle, au couple
(a, b) = ( i , − i ). • Remarquer : f(P)(0) = 0.

Ne pas oublier de montrer que i et − i sont vp de A, en raison- d) 1) Utiliser b).


nant par l’absurde. d) 2) Écrire la matrice de g dans la base canonique de R3 [X],
b) 2) Partir de AX = i X et conjuguer. en déduire les valeurs propres de g, puis déterminer les sous-
espaces propres de g.
b) 3) Montrer que u1 , ..., ud sont dans E− i ù et que la famille
(u1 , ..., ud ) est libre et génératrice de E− i . 1.26 a) Remarquer que, en notant C1 , ..., Cn les colonnes
b) 4) Déduire n = 2 dim (E i ), puis une contradiction. de An , on a C1 = Cn et C2 = ... = Cn−1 .
Appliquer le théorème du rang.
1.18 a) Remarquer que le polynôme Xp est annulateur de f.
b) Déterminer les vp de An par l’étude de l’équation An X = λX,
Montrer que f n’est pas bijectif. d’inconnue λ ∈ R et où X ∈ Mn,1 (R) \ {0}.
b) Montrer que, si f est diagonalisable, alors f = 0. c) Étudier les dimensions des SEP de An .
Réciproque immédiate.
1.27 a) Immédiat.
1.19 Remarquer que le polynôme (X − 1)3 (X − 2)2 est annula- b) • Supposer, par exemple, λ + a1 = 0, et déduire X = 0, contra-
teur de f et raisonner par l’absurde pour montrer que f n’est diction.
© Dunod. Toute reproduction non autorisée est un délit

pas diagonalisable.
• Déduire S  0.
1.20 a) Immédiat. c) Calculer f  (λ) pour λ ∈ R \ {a1 , ..., ad } et déterminer les limites
b) 1) Immédiat. de f.

b) 2) Supposer qu’il existe v ∈ F tel que v  Vect (e1 , e2 ), noter d) Déduire de c) que A admet n vp deux à deux distinctes.
v = a1 e1 + a2 e2 + a3 e3 où (a1 , a2 , a3 ) ∈ R3 et a3  0, et considérer
f(v) et f 2 (v). 1.28 a) Remarquer que A est symétrique réelle.

c) Immédiat. b) 1) Poser le système d’équations correspondant à AX = λX.


b) 2) Raisonner par l’absurde : supposer que l’équation
1.21 Faire intervenir une base B = (e1 , ..., en ) de E dans la-
quelle f est représenté par une matrice diagonale. Exprimer r2 − λr + 1 = 0, d’inconnue r ∈ C, admet une solution double, et
Ker (f) et Im (f) à l’aide de e1 , ..., en . amener une contradiction.
b) 3) Remarquer : r1 + r2 = λ, r1 r2 = 1.

13
Chapitre 1 • Réduction des endomorphismes et des matrices carrées

1.29 a) Pour i ∈ 1 ; k, calculer ui par ui = e ◦ ui . d) Envisager, par exemple, une matrice triangulaire dont les

k termes diagonaux sont 0, 1, 1.
b) • Soit (x1 , ..., xk ) ∈ Im (u1 ) × · · · × Im (uk ) tel que xi = 0. In-
i=1 1.33 a) Déterminer les vp et les SEP de A.
troduire ti ∈ E tel que xi = ui (ti ), déduire xi = ui (xi ), puis, pour

k  b) 1) Remarquer que le polynôme X4 − X2 est annulateur de f.
j ∈ 1 ; k, calculer uj xi .
i=1
Montrer que 0 est valeur propre de f, en raisonnant par l’ab-
surde.
• Montrer que, pour tout x ∈ E, x se décompose sur les
Im (ui ), 1  i  k, en partant de x = e(x). Montrer que 0, 1, −1 ne peuvent pas être tous trois valeurs
propres de f, en raisonnant par l’absurde.
c) Utiliser une base de E formée par la réunion de bases des
Im (ui ). b) 2) Montrer que f n’est pas diagonalisable, en raisonnant par
l’absurde.
1.30 a) Calculer f 2 en remplaçant (une fois) f par g ◦ h et en
utilisant les hypothèses. Établir : Ker (f)  Ker (f 2 ).

Calculer f 5 par f 2 ◦ f ◦ f 2 (par exemple). Utiliser un vecteur v3 tel que v3 ∈ Ker (f 2 ) et v3  Ker (f).

b) Remarquer f ◦ (f 4 − e) = 0 et utiliser la bijectivité de f.


1.34 Soit λ une vp de A dans C.
Montrer que f 2 +e est bijectif, par exemple en passant à l’aspect ⎛ ⎞
⎜⎜⎜x1 ⎟⎟⎟
matriciel dans une base de diagonalisabilité de f. ⎜⎜⎜⎜ ⎟⎟⎟⎟
c) Calculer g ◦ f, en utilisant les hypothèses et g2 = e (par Introduire X = ⎜⎜⎜⎜ .. ⎟⎟⎟⎟ ∈ Mn,1 (C) \ {0} tel que AX = λX, et pas-
⎜⎜⎜ . ⎟⎟⎟
⎝ ⎠
exemple). xn
ser aux éléments. Considérer un indice i ∈ 1 ; n tel que
1.31 1) Supposer que α est valeur propre de f. Faire intervenir |xi | = Max |xk |. Faire passer aii xi dans l’autre membre et utiliser
un vecteur propre x de f associé à α, et calculer f 2 (x). 1kn
l’inégalité triangulaire.
De même si −α est valeur propre de f.
2) Pour la réciproque, raisonner par contraposition. Supposer 1.35 a) Remarquer que An est symétrique réelle.
que α n’est pas valeur propre de f et que −α n’est pas valeur
propre de f. Traduire ceci par des bijectivités. b) Montrer rg (An ) = 3 et déduire dim SEP (An , 0) = n − 3  1.

c) • Étudier, pour λ ∈ R, le rang de An − λ In et séparer en cas :


1.32 a) 1) Remarquer que le polynôme X(X−1)2 est annulateur
λ = 0, λ = 1, λ  0 et λ  1.
de A.
• Montrer que Pn admet trois zéros réels, deux à deux dis-
2) • Supposer que 0 n’est pas valeur propre de A et, en utilisant
tincts.
A−1 , déduire une contradiction.
• Supposer que 1 n’est pas valeur propre de A et, en utilisant d) • Calculer Pn (2).
(A − In )−1 , déduire une contradiction. • Montrer cn3  n − 2.
b) Raisonner par l’absurde : supposer A diagonalisable. • Montrer cn3 ∼ (n − 2)cn .
n∞
−1
Écrire alors A = PDP avec D = diag (1, ..., 1, 0, ..., 0) et P inver-
b3n − b2n
sible. • Montrer bn − 1 = .
n−2
Calculer D2 puis A2 et conclure. • Remarquer an bn cn = −(n − 2).
c) Obtenir A3 = 2A2 − A.
Montrer, par récurrence, que, pour tout k ∈ N∗ , il existe 1.36 Introduire D = diag(di ), E = diag(ei ), Q, R ∈ GLn (K) telles
1in 1in
(ak , bk ) ∈ R2 tel que : Ak = ak A + bk A2 , et obtenir des rela-
que : A = QDQ−1 et B = RER−1 .
tions exprimant ak+1 et bk+1 en fonction de ak et bk .
Déduire : (R−1 Q)P(D) = P(E)(R−1 Q).
Exprimer ak+2 en fonction de ak et ak+1 . Résoudre cette récur-
−1
rence linéaire du second ordre à coefficients constants. Noter U = R Q et passer aux éléments.

14
Corrigés des exercices

⎛ ⎞ ⎛ ⎞
1.1  ⎜⎜⎜⎜ x ⎟⎟⎟⎟  ⎜⎜⎜ 1 ⎟⎟⎟
⎜ ⎟
Ainsi : SEP (A, −1) = ⎜⎜⎜⎜ 0 ⎟⎟⎟⎟ ; x ∈ R = Vect (⎜⎜⎜⎜ 0 ⎟⎟⎟⎟).
a) • Déterminons les valeurs propres de A. Soit λ ∈ R. On a : ⎝ ⎠ ⎝ ⎠
−x −1
⎛ ⎞
⎜⎜⎜−4 − λ 6 −3 ⎟⎟⎟
⎜⎜⎜ ⎟  X ∈ SEP (A, 1) ⇐⇒ AX = X
rg (A − λI3 ) = rg ⎜⎜ −1 3 − λ −1 ⎟⎟⎟⎟
⎝ ⎠ ⎧ ⎧
4 −4 3 − λ ⎪

⎪−4x + 6y − 3z = x ⎪

⎪−5x + 6y − 3z = 0
⎛ ⎞ ⎪

⎪ ⎪


⎜⎜⎜ −1 3 − λ −1 ⎟⎟⎟ ⎨ ⎨
⇐⇒ ⎪ ⎪−x + 3y − z = y ⇐⇒ ⎪ ⎪−x + 2y − z = 0
⎜⎜
⎜ ⎟ ⎪
⎪ ⎪

= rg ⎜⎜−4 − λ 6 −3 ⎟⎟⎟⎟ L1 ←→ L2 ⎪

⎩4x − 4y + 3z = z ⎪

⎩4x − 4y + 2z = 0
⎝ ⎠
4 −4 3 − λ
⎛ ⎞ ⎧


⎪ x = 2y − z ⎧
⎜⎜⎜−1 3−λ −1 ⎟⎟⎟ ⎪
⎪ ⎪

⎜⎜⎜
= rg ⎜⎜ 0 6 − (4 + λ)(3 − λ) −3 + (4 + λ)⎟⎟⎟⎟
⎟ ⎪
⎨ ⎨z = 2y

⎝ ⎠ ⇐⇒ ⎪ ⎪ −5(2y − z) + 6y − 3z = 0 ⇐⇒ ⎪ ⎪
−4 + 4(3 − λ) −1 − λ ⎪

⎪ ⎪
⎩ x = 0.
0 ⎪
⎩4(2y − z) − 4y + 2z = 0

L2 ←− L2 − (4 + λ)L1 ⎛ ⎞ ⎛ ⎞
L3 ←− L3 + 4L1  ⎜⎜⎜⎜ 0 ⎟⎟⎟⎟  ⎜⎜⎜0⎟⎟⎟
⎜ ⎟
⎛ ⎞ Ainsi : SEP (A, 1) = ⎜⎜⎜⎜ y ⎟⎟⎟⎟ ; y ∈ R = Vect (⎜⎜⎜⎜1⎟⎟⎟⎟).
⎜⎜⎜−1 3−λ −1 ⎟⎟⎟ ⎝ ⎠ ⎝ ⎠
⎜⎜
⎜ ⎟ 2y 2
= rg ⎜⎜ 0 8 − 4λ −1 − λ⎟⎟⎟⎟ L2 ←→ L3
⎝ ⎠
0 −6 + λ + λ 1 + λ
2
 X ∈ SEP (A, 2) ⇐⇒ AX = 2X
⎛ ⎞ ⎧ ⎧
⎜⎜⎜−1 −1 3 − λ ⎟⎟⎟ ⎪
⎪ −4x + 6y − 3z = 2x ⎪
⎪ −6x + 6y − 3z = 0
⎜⎜⎜ ⎟ ⎪
⎪ ⎪

= rg ⎜⎜ 0 −1 − λ 8 − 4λ ⎟⎟⎟⎟ C2 ←→ C3 ⎪

⎨ ⎪


⎝ 2⎠ ⇐⇒ ⎪ −x + 3y − z = 2y ⇐⇒ ⎪ −x + y − z = 0
0 1 + λ −6 + λ + λ ⎪

⎪ ⎪


⎛ ⎞ ⎪

⎩4x − 4y + 3z = 2z ⎪

⎩4x − 4y + z = 0
⎜⎜⎜−1 −1 3 − λ ⎟⎟⎟
⎜ ⎟ ⎧
= rg ⎜⎜⎜⎜ 0 −1 − λ 8 − 4λ ⎟⎟⎟⎟ L3 ←− L3 + L2 ⎪
⎪ −2(x − y) − z = 0 ⎧
⎝ ⎠ ⎪

⎪ ⎪

0 0 λ − 3λ + 2
2

⎨ ⎨x − y = 0

⎧ ⇐⇒ ⎪ ⎪ −(x − y) − z = 0 ⇐⇒ ⎪ ⎪

⎪ ⎪

⎪ ⎪
⎩z = 0.
⎨3 si λ  −1 et λ  1 et λ  2
⎪ ⎪
⎩4(x − y) + z = 0
=⎪⎪

⎩2 sinon.
⎛ ⎞ ⎛ ⎞
 ⎜⎜⎜⎜ x⎟⎟⎟⎟  ⎜⎜⎜1⎟⎟⎟
⎜ ⎟
Ceci montre que les valeurs propres de A sont : −1, 1, 2. Ainsi : SEP (A, 2) = ⎜⎜⎜⎜ x⎟⎟⎟⎟ ; x ∈ R = Vect (⎜⎜⎜⎜1⎟⎟⎟⎟).
⎝ ⎠ ⎝ ⎠
Comme A est carrée d’ordre 3 et que A admet trois valeurs 0 0
propres deux à deux distinctes, d’après le cours, A est diagona- On conclut A = PDP−1 , où, par exemple :
lisable.
⎛ ⎞ ⎛ ⎞
• Déterminons les sous-espaces propres de A. ⎜⎜⎜ 1 0 1⎟⎟⎟ ⎜⎜⎜−1 0 0⎟⎟⎟
⎜⎜⎜ ⎟ ⎜⎜ ⎟
⎛ ⎞ P = ⎜⎜ 0 1 1⎟⎟⎟⎟ , D = ⎜⎜ 0 1 0⎟⎟⎟⎟ .

⎜⎜⎜ x⎟⎟⎟ ⎝ ⎠ ⎝ ⎠
⎜ ⎟ −1 2 0 0 02
Soit X = ⎜⎜⎜⎜y⎟⎟⎟⎟ ∈ M3,1 (R).
⎝ ⎠
z
b) La matrice B est symétrique réelle, donc, d’après le cours, B
 X ∈ SEP (A, −1) ⇐⇒ AX = −X est diagonalisable.
⎧ ⎧


⎪ −4x + 6y − 3z = −x ⎪

⎪−3x + 6y − 3z = 0 • Déterminons les valeurs propres de B. Soit λ ∈ R. On a :


⎪ ⎪


⎨ ⎨
⇐⇒ ⎪⎪ −x + 3y − z = −y ⇐⇒ ⎪⎪−x + 4y − z = 0 ⎛ ⎞


⎪ ⎪

⎪ ⎜⎜⎜−λ 0 1 ⎟⎟⎟

⎩4x − 4y + 3z = −z ⎪
⎩4x − 4y + 4z = 0 ⎜ ⎟
rg (B − λI3 ) = rg ⎜⎜⎜⎜ 0 −λ 1 ⎟⎟⎟⎟
⎧ ⎝ ⎠
⎪−(x + z) + 2y = 0 ⎧ 1 1 1−λ


⎪ ⎪
⎪ ⎪ ⎛ ⎞

⎨ ⎨x + z = 0
⎪ ⎜⎜⎜ 1 1 1 − λ⎟⎟⎟ L1 ←→ L3
⇐⇒ ⎪⎪ −(x + z) + 4y = 0 ⇐⇒ ⎪
⎪ ⎜ ⎟


⎪ ⎪
⎩y = 0. = rg ⎜⎜⎜⎜ 0 −λ 1 ⎟⎟⎟⎟

⎩(x + z) − y = 0 ⎝ ⎠
−λ 0 1

15
Chapitre 1 • Réduction des endomorphismes et des matrices carrées

⎛ ⎞
⎜⎜⎜1 1 1 − λ ⎟⎟⎟ c) • Déterminons les valeurs propres de C. Soit λ ∈ R. On a :
⎜ ⎟⎟⎟
= rg ⎜⎜⎜⎜0 −λ 1 ⎟⎟ ⎛ ⎞
⎝ 2 ⎠ L3 ←− L3 + λL1 ⎜⎜⎜3 − λ −6 −2 ⎟⎟⎟
0 λ 1+λ−λ ⎜⎜ ⎟
rg (C − λI3 ) = rg ⎜⎜ 0 1 − λ ⎜ 0 ⎟⎟⎟⎟
⎛ ⎞ ⎝ ⎠
⎜⎜⎜1 1 1 − λ⎟⎟⎟ 4 −12 −3 − λ
⎜ ⎟
= rg ⎜⎜⎜⎜0 −λ 1 ⎟⎟⎟⎟ ⎛ ⎞
⎝ ⎠ ⎜⎜⎜ 4 −12 −3 − λ⎟⎟⎟ L1 ←→ L3
0 0 α L3 ←− L3 + L2 ⎜⎜⎜ ⎟
= rg ⎜⎜ 0 1 − λ 0 ⎟⎟⎟⎟
où α = 2 + λ − λ2 = (1 + λ)(2 − λ) ⎝ ⎠
⎧ 3 − λ −6 −2

⎪ ⎛ ⎞
⎨3 si λ  0 et λ  −1 et λ  2
⎪ ⎜⎜⎜4 −12 −3 − λ⎟⎟⎟
=⎪ ⎜⎜
⎜ ⎟


⎩2 sinon. = rg ⎜⎜0 1 − λ 0 ⎟⎟⎟⎟
⎝ 2 ⎠ L3 ←− 4L3 + (λ − 3)L1
0 12(1 − λ) 1 − λ
Ceci montre que les valeurs propres de B sont : 0, −1, 2. ⎛ ⎞
⎜⎜⎜4 −12 −3 − λ⎟⎟⎟
⎜⎜⎜ 2⎟
Puisque B est carrée d’ordre 3 et admet trois valeurs propres = rg ⎜⎜0 12(1 − λ) 1 − λ ⎟⎟⎟⎟ L2 ←→ L3
⎝ ⎠
deux à deux distinctes, d’après le cours, B est diagonalisable, 0 1−λ 0
ce que l’on a vu autrement plus haut. ⎛ ⎞
⎜⎜⎜4 −12 −3 − λ ⎟⎟⎟
• Déterminons les sous-espaces propres de B. = rg ⎜⎜⎝⎜0 12(1 − λ) 1−λ 2 ⎟⎟⎠⎟
⎛ ⎞ 0 0 −12(1 − λ)(1 + λ) L3 ←− L3 − 12L2
⎜⎜⎜ x⎟⎟⎟ ⎧
⎜ ⎟ ⎪

Soit X = ⎜⎜⎜⎜y⎟⎟⎟⎟ ∈ M3,1 (R). ⎪


3 si λ  −1 et λ  1
⎝ ⎠ ⎪

z =⎪
⎪ 2 si λ = −1




⎩1 si λ = 1.
 X ∈ SEP (B, 0) ⇐⇒ BX = 0
⎧ ⎧


⎪z = 0 ⎪
⎪ Ceci montre que les valeurs propres de C sont : −1 et 1.
⎨ ⎨z = 0

⇐⇒ ⎪
⎪ ⇐⇒ ⎪


⎩x + y + z = 0 ⎪
⎩y = −x, • Déterminons les sous-espaces propres de C.
⎛ ⎞
⎧⎛ ⎞ ⎫ ⎛⎛ ⎞⎞ ⎜⎜⎜ x⎟⎟⎟
⎜ ⎟

⎪ ⎜x⎟ ⎪
⎪ ⎜⎜⎜⎜⎜⎜ 1 ⎟⎟⎟⎟⎟⎟ Soit X = ⎜⎜⎜⎜y⎟⎟⎟⎟ ∈ M3,1 (R).
⎨⎜⎜⎜⎜ ⎟⎟⎟⎟
⎪ ⎪
⎬ ⎜⎜⎜⎜⎜⎜ ⎟⎟⎟⎟⎟⎟ ⎝ ⎠
donc : SEP (B, 0) = ⎪
⎪ ⎜⎜⎜−x⎟⎟⎟ ; x ∈ R⎪
⎪ = Vect ⎜⎜⎝⎜⎜⎝−1⎟⎟⎠⎟⎟⎠ . z

⎩⎝ 0 ⎠ ⎪
⎭ 0
∗ X ∈ SEP (C, −1) ⇐⇒ CX = −X

 X ∈ SEP (B, −1) ⇐⇒ BX = −X ⎪

⎪ 3x − 6y − 2z = −x ⎧
⎧ ⎪
⎪ ⎪


⎪z = −x ⎧ ⎪
⎨ ⎨y = 0


⎪ ⎪ ⇐⇒ ⎪ ⎪ y = −y ⇐⇒ ⎪



⎨ ⎪
⎨y = x
⎪ ⎪
⎪ ⎪
⎩z = 2x


⎩4x − 12y − 3z = −z
⇐⇒ ⎪
⎪z = −y ⇐⇒ ⎪



⎪ ⎪
⎩z = −x,

⎩ x + y + z = −z ⎧⎛ ⎞ ⎫ ⎛⎛ ⎞ ⎞

⎪ ⎜x⎟ ⎪
⎪ ⎜⎜⎜⎜⎜⎜⎜⎜1⎟⎟⎟⎟⎟⎟⎟⎟
⎨⎜⎜⎜⎜ ⎟⎟⎟⎟
⎪ ⎪
⎬ ⎜⎜⎜⎜⎜⎜0⎟⎟⎟⎟⎟⎟ .
⎧⎛ ⎞ ⎫ ⎛⎛ ⎞⎞ donc : SEP (C, −1) = ⎪
⎪ ⎜⎜ 0 ⎟⎟⎟ ; x ∈ R⎪
⎜ ⎪ = Vect ⎜⎝⎜⎝ ⎟⎠⎟⎠
⎪ ⎜x⎟ ⎪ ⎪ ⎝ ⎠ ⎪

⎨⎜⎜⎜⎜ ⎟⎟⎟⎟
⎪ ⎪

⎬ ⎜⎜⎜⎜⎜⎜⎜⎜⎜⎜ 1 ⎟⎟⎟⎟⎟⎟⎟⎟⎟⎟ ⎩ 2x ⎭ 2
donc : SEP (B, −1) = ⎪
⎪ ⎜ ⎟
⎜⎜⎝ ⎟⎟⎠
x ; x ∈ R ⎪
⎪ = Vect ⎜⎜⎜⎜⎜⎜ 1 ⎟⎟⎟⎟⎟⎟ .

⎩ −x ⎪
⎭ ⎝⎝ ⎠⎠ ∗ X ∈ SEP (C, 1) ⇐⇒ CX = X
−1



⎪ 3x − 6y − 2z = x
 X ∈ SEP (B, 2) ⇐⇒ BX = 2X ⎪


⎧ ⎨
⎪ ⇐⇒ ⎪ ⎪ y=y ⇐⇒ x = 3y + z,

⎪z = 2x ⎧ ⎪



⎪ ⎪
⎪ ⎪
⎩4x − 12y − 3z = z

⎨ ⎨y = x

⇐⇒ ⎪
⎪z = 2y ⇐⇒ ⎪



⎪ ⎪
⎩z = 2x, ⎧⎛ ⎞ ⎫
⎪ ⎪ ⎪
⎩ x + y + z = 2z ⎪⎜⎜⎜⎜⎜3y + z⎟⎟⎟⎟⎟

⎨ ⎪

donc : SEP (C, 1) = ⎪ ⎪ ⎜⎜⎜ y ⎟⎟⎟ (y, z) ∈ R2 ⎬


⎧⎛ ⎞ ⎫ ⎛⎛ ⎞⎞ ⎪
⎩⎝ z ⎠ ⎪


⎪ ⎜x⎟ ⎪
⎪ ⎜⎜⎜⎜⎜⎜1⎟⎟⎟⎟⎟⎟
⎨⎜⎜⎜⎜⎜ ⎟⎟⎟⎟⎟
⎪ ⎪
⎬ ⎜⎜⎜⎜⎜⎜⎜⎜1⎟⎟⎟⎟⎟⎟⎟⎟ . ⎧ ⎛ ⎞ ⎛ ⎞ ⎫ ⎛⎛ ⎞ ⎛ ⎞⎞
donc : SEP (B, 2) = ⎪
⎪ ⎜
⎜ x ⎟
⎟ ; x ∈ R ⎪
⎪ = Vect ⎜⎝⎜⎝ ⎟⎠⎟⎠ ⎪ ⎜3⎟ ⎜⎜⎜1⎟⎟⎟ ⎪ ⎜⎜⎜⎜⎜⎜3⎟⎟⎟ ⎜⎜⎜1⎟⎟⎟⎟⎟⎟

⎩ 2x ⎝ ⎠ ⎪
⎭ ⎪
⎨ ⎜⎜⎜⎜ ⎟⎟⎟⎟
⎪ ⎪


⎜ ⎟ ⎜⎜ ⎟ ⎜ ⎟⎟
2 =⎪⎪y ⎜⎜⎜1⎟⎟⎟ + z ⎜⎜⎜⎜0⎟⎟⎟⎟ ; (y, z) ∈ R2 ⎪ ⎪ = Vect ⎜⎜⎜⎜⎜⎜⎜⎜1⎟⎟⎟⎟ , ⎜⎜⎜⎜0⎟⎟⎟⎟⎟⎟⎟⎟ .

⎩ ⎝0⎠ ⎝ ⎠ ⎪
⎭ ⎝⎝ ⎠ ⎝ ⎠⎠
On conclut B = PDP−1, où, par exemple : 1 0 1
⎛ ⎞ ⎛ ⎞
⎜⎜⎜ 1 1 1⎟⎟⎟ ⎜⎜⎜0 0 0⎟⎟⎟ La matrice C est carrée d’ordre 3 et la somme des dimensions
⎜⎜⎜ ⎟ ⎜⎜⎜ ⎟
P = ⎜⎜−1 1 1⎟⎟⎟⎟ , D = ⎜⎜0 −1 0⎟⎟⎟⎟ . des sous-espaces propres de C est égale à 1 + 2 = 3, donc,
⎝ ⎠ ⎝ ⎠
0 −1 2 0 0 2 d’après le cours, C est diagonalisable.

16
Corrigés des exercices

⎧⎛ ⎞ ⎫ ⎛⎛ ⎞⎞
On conclut C = PDP−1, où, par exemple : ⎪
⎪ ⎜0 ⎟ ⎪
⎪ ⎜⎜⎜⎜⎜⎜0⎟⎟⎟⎟⎟⎟
⎨⎜⎜⎜⎜⎜ ⎟⎟⎟⎟⎟
⎪ ⎪
⎬ ⎜⎜⎜⎜⎜⎜ ⎟⎟⎟⎟⎟⎟
donc : SEP (F, 4) = ⎪
⎪ ⎜
⎜ y ⎟
⎟ ; y ∈ R ⎪
⎪ = Vect ⎜⎜⎝⎜⎜⎝1⎟⎟⎠⎟⎟⎠ .
⎛ ⎞ ⎛ ⎞ ⎪
⎩⎝y⎠ ⎪

⎜⎜⎜1 3 1⎟⎟⎟ ⎜⎜⎜−1 0 0⎟⎟⎟ 1
⎜⎜⎜ ⎟ ⎜⎜ ⎟
P = ⎜⎜0 1 0⎟⎟⎟⎟ , D = ⎜⎜ 0 1 0⎟⎟⎟⎟ .

Puisque F est carrée d’ordre 3 et que la somme des dimensions
⎝ ⎠ ⎝ ⎠
201 0 01 des sous-espaces propres de F est 1 + 1 = 2, on conclut que F
n’est pas diagonalisable.
d) La matrice E est triangulaire (supérieure) donc les valeurs
f) Déterminons les valeurs propres de G. Soit λ ∈ R. On a :
propres de E se lisent sur sa diagonale : E admet une valeur ⎛ ⎞
propre et une seule, qui est 1. ⎜⎜⎜−1 − λ 0 1 ⎟⎟⎟
⎜⎜⎜ ⎟
rg (G − λI3 ) = rg ⎜⎜ 0 1 − λ 2 ⎟⎟⎟⎟
Si E était diagonalisable, il existerait P ∈ M3 (R) inversible telle ⎝ ⎠
1 −1 1 − λ
que E = PI3 P−1 = PP−1 = I3 , contradiction. ⎛ ⎞
⎜⎜⎜ 1 −1 1 − λ⎟⎟⎟ L1 ←→ L3
On conclut que E n’est pas diagonalisable. ⎜⎜
⎜ ⎟
= rg ⎜⎜ 0 1 − λ 2 ⎟⎟⎟⎟
e) • Déterminons les valeurs propres de F. Soit λ ∈ R. On a : ⎝ ⎠
−1 − λ 0 1
⎛ ⎞ ⎛ ⎞
⎜⎜⎜3 − λ −1 1 ⎟⎟⎟ ⎜⎜⎜1 −1 1 − λ ⎟⎟⎟
⎜⎜⎜ ⎟
⎜⎜⎜
rg (F − λI3 ) = rg ⎜⎜ 0 2 − λ 2 ⎟⎟⎟⎟
⎟ = rg ⎜⎜0 1 − λ 2 ⎟⎟⎟⎟
⎝ ⎠ ⎝ 2 ⎠ L3 ←− L3 + (1 + λ)L1
−1 1 3−λ 0 −(1 + λ) 2 − λ
⎛ ⎞ ⎛ ⎞
⎜⎜⎜ −1 1 3 − λ⎟⎟⎟ ⎜⎜⎜1 1 − λ −1 ⎟⎟⎟
⎜⎜
⎜ ⎟

= rg ⎜⎜⎜⎜ 0 2 − λ 2 ⎟⎟⎟⎟ 1
⎟ L ←→ L3 = rg ⎜⎜0 2 1 − λ ⎟⎟⎟⎟ C2 ←→ C3
⎝ ⎠ ⎝ ⎠
3 − λ −1 1 0 2 − λ −1 − λ
2

⎛ ⎞ ⎛ ⎞
⎜⎜⎜−1 1 3−λ ⎟⎟⎟ ⎜⎜⎜1 1 − λ −1 ⎟⎟⎟
⎜⎜⎜ ⎟
= rg ⎜⎝ ⎜
⎜ 0 2 − λ 2 ⎟⎟⎟
⎠ = rg ⎜⎜0 2 1 − λ⎟⎟⎟⎟
⎝ ⎠
0 2 − λ λ − 6λ + 10 L3 ←− L3 + (3 − λ)L1 α L3 ←− 2L3 − (2 − λ )L2
2 2
0 0
⎛ ⎞
⎜⎜⎜−1 1 3 − λ⎟⎟⎟ où α = −2 − 2λ − (2 − λ2 )(1 − λ) = −λ3 + λ2 − 4
⎜⎜⎜ ⎟
= rg ⎜⎜ 0 2 − λ 2 ⎟⎟⎟⎟ ⎧

⎝ ⎠ ⎪

⎨3 si α  0
0 0 α L3 ←− L3 − L2 =⎪


⎩2
où α = λ2 − 6λ + 8 = (λ − 2)(λ − 4) si α = 0.



⎨3 si λ  2 et λ  4 Les valeurs propres de G sont donc les λ tels que α = 0.
=⎪

⎩2 si λ = 2 ou λ = 4. Étudions les variations de l’application

Ceci montre que les valeurs propres de F sont : 2 et 4. P : R −→ R, λ −→ − λ3 + λ2 − 4.


• Déterminons les sous-espaces propres de F. L’application P est dérivable (donc continue) sur R et :
⎛ ⎞
⎜⎜⎜ x⎟⎟⎟ ∀λ ∈ R, P  (λ) = −3λ2 + 2λ = λ(−3λ + 2).
⎜ ⎟
Soit X = ⎜⎜⎜⎜y⎟⎟⎟⎟ ∈ M3,1 (R).
⎝ ⎠ On forme le tableau des variations de P :
z
λ −∞ 0 2/3 +∞
© Dunod. Toute reproduction non autorisée est un délit

 X ∈ SEP (F, 2) ⇐⇒ FX = 2X P  (λ) − 0 + 0 −


⎧ +∞ <0


⎪3x − y + z = 2x ⎧

⎪ ⎪
⎪   

⎨ ⎨z = 0
⎪ P(λ)
⇐⇒ ⎪⎪2y + 2z = 2y ⇐⇒ ⎪
⎪ −4 −∞


⎪ ⎪
⎩ x = y,

⎩−x + y + 3z = 2z 2 8 4
On a : P = − + − 4 < 0.
⎧⎛ ⎞ ⎫ ⎛⎛ ⎞ ⎞ 3 27 9

⎪ ⎜ x⎟ ⎪
⎪ ⎜⎜1⎟⎟
⎨⎜⎜⎜⎜ ⎟⎟⎟⎟
⎪ ⎪
⎬ ⎜⎜⎜⎜⎜⎜⎜⎜⎜⎜ ⎟⎟⎟⎟⎟⎟⎟⎟⎟⎟ Ceci montre que P ne s’annule en aucun point de [0 ; +∞[.
donc : SEP (F, 2) = ⎪
⎪ ⎜

⎜ x ⎟

⎟ ; x ∈ R ⎪ = Vect
⎪ ⎜⎜⎝⎜⎜⎝1⎟⎟⎠⎟⎟⎠ .

⎩⎝0⎠ ⎪
⎭ D’après le théorème de la bijection monotone, P admet un zéro
0
et un seul, noté μ et on a : μ < 0.
 X ∈ SEP (F, 4) ⇐⇒ FX = 4X Ainsi, G admet une valeur propre et une seule, et c’est μ.



⎪3x − y + z = 4x ⎧

⎪ ⎪
⎪ Si G était diagonalisable, il existerait P ∈ M3 (R) inversible telle

⎨ ⎨x = 0

⇐⇒ ⎪
⎪2y + 2z = 4y ⇐⇒ ⎪
⎪ , que G = P(μI3 )P−1 = μI3 , contradiction.


⎪ ⎪
⎩y = z

⎩−x + y + 3z = 4z On conclut que G n’est pas diagonalisable.

17
Chapitre 1 • Réduction des endomorphismes et des matrices carrées

1.2 Montrons que (v1 , v2 , v3 ) est libre.


a) On a : On a, pour tout (a1 , a2 , a3 ) ∈ R3 :
⎛ ⎞⎛ ⎞ ⎛ ⎞
⎜⎜⎜1 1 1 1 ⎟⎟ ⎜⎜1⎟⎟ ⎜⎜2⎟⎟
⎟⎜ ⎟ ⎜ ⎟
⎜⎜⎜1
⎜⎜⎜ 1 −1 −1⎟⎟⎟⎟⎟ ⎜⎜⎜⎜⎜1⎟⎟⎟⎟⎟ ⎜⎜⎜⎜⎜2⎟⎟⎟⎟⎟ a1 v1 + a2 v2 + a3 v3 = 0
⎟⎜ ⎟ = ⎜ ⎟, ⎧
⎜⎜⎜1
⎜⎝ −1 1 −1⎟⎟⎟⎟ ⎜⎜⎜⎜0⎟⎟⎟⎟ ⎜⎜⎜⎜0⎟⎟⎟⎟ ⎪

⎪a1 + a2 + a3 = 0 ⎧
⎠⎝ ⎠ ⎝ ⎠ ⎪
⎪ ⎪ a2 = 0
1 −1 −1 1 0 0 ⎪

⎪ ⎪



⎪a1 − a2 = 0
⎨ ⎪


⎛ ⎞⎛ ⎞ ⎛ ⎞ ⇐⇒ ⎪ ⇐⇒ ⎪ a1 = 0
⎜⎜⎜1 1 1 1 ⎟⎟⎟ ⎜⎜⎜ 1 ⎟⎟⎟ ⎜⎜⎜ 2 ⎟⎟⎟ ⎪

⎪ ⎪


⎜⎜⎜1 1 −1 −1⎟⎟⎟ ⎜⎜⎜−1⎟⎟⎟ ⎜⎜⎜−2⎟⎟⎟ ⎪
⎪a2 + a3 = 0 ⎪

⎜⎜⎜ ⎟⎜ ⎟ ⎜ ⎟ ⎪

⎪ ⎩a = 0,
⎜⎜⎜1 −1 1 −1⎟⎟⎟⎟⎟ ⎜⎜⎜⎜⎜ 1 ⎟⎟⎟⎟⎟ = ⎜⎜⎜⎜⎜ 2 ⎟⎟⎟⎟⎟ , ⎪
⎩a2 = 0 3
⎜⎝ ⎟⎠ ⎜⎝ ⎟⎠ ⎜⎝ ⎟⎠
1 −1 −1 1 1 2
⎛ ⎞⎛ ⎞ ⎛ ⎞ donc (v1 , v2 , v3 ) est libre.
⎜⎜⎜1 1 1 1 ⎟⎟⎟ ⎜⎜⎜1⎟⎟⎟ ⎜⎜⎜2⎟⎟⎟
⎜⎜⎜1 1 −1 −1⎟⎟⎟ ⎜⎜⎜0⎟⎟⎟ ⎜⎜⎜0⎟⎟⎟ Il en résulte : dim SEP( f, 2)  3.
⎜⎜⎜ ⎟⎜ ⎟ ⎜ ⎟
⎜⎜⎜1 −1 1 −1⎟⎟⎟⎟⎟ ⎜⎜⎜⎜⎜1⎟⎟⎟⎟⎟ = ⎜⎜⎜⎜⎜2⎟⎟⎟⎟⎟ ,
Si dim SEP ( f, 2) = 4, alors SEP ( f, 2) = R4 , et −2 ne serait
⎜⎝ ⎟⎠ ⎜⎝ ⎟⎠ ⎜⎝ ⎟⎠
1 −1 −1 1 0 0 pas valeur propre de f , contradiction.

d’où : ∀i ∈ 1 ; 3, f (vi ) = 2vi . On a donc dim SEP ( f, 2) = 3, et on obtient :
b) • On calcule le produit de A par elle-même et on obtient : SEP ( f, 2) = Vect (v1 , v2 , v3 ).
A = 4 I4 .
2
On conclut qu’une matrice de passage P de la base canonique
• Ainsi, le polynôme X − 4 est annulateur de A. D’après le
2 B0 de R4 à une base de vecteurs propres pour f est :
cours, les valeurs propres de A sont parmi les zéros de ce poly- ⎛ ⎞
⎜⎜⎜1 1 1 1 ⎟⎟⎟
nôme, donc les valeurs propres de A sont parmi 2 et −2. Comme ⎜⎜⎜1 −1 0 −1⎟⎟⎟
P = ⎜⎜⎜⎜⎜ ⎟⎟⎟ .
⎜⎜⎝0 1 1 −1⎟⎟⎟⎟⎠
f est représenté par A, on conclut que les valeurs propres de f
sont parmi 2 et −2. 0 1 0 −1
c) • La matrice A est symétrique réelle, donc, d’après le cours,
A est diagonalisable dans M4 (R).
1.3
⎛ ⎞ a) La matrice A est symétrique, donc, d’après le cours, A est
⎜⎜⎜ x⎟⎟⎟
⎜⎜⎜y⎟⎟⎟ diagonalisable.
• On a, pour tout V = ⎜⎜⎜⎜⎜ ⎟⎟⎟⎟⎟ ∈ M4,1 (R) : ⎛ ⎞
⎜⎜⎝ z ⎟⎟⎠ ⎜⎜⎜ x1 ⎟⎟⎟
⎜⎜ . ⎟⎟
t b) Soient λ ∈ R, X = ⎜⎜⎜⎜⎜ .. ⎟⎟⎟⎟⎟ ∈ M5,1 (R) \ {0}. On a :
⎜⎝ ⎟⎠
⎧ x5


⎪ x + y + z + t = −2x




⎪ ⎧ ⎧

⎨ x + y − z − t = −2y
⎪ ⎪

⎪ x2 = λx1 ⎪

⎪ x2 = λx1
AV = −2V ⇐⇒ ⎪ ⎪

⎪ ⎪




⎪ ⎪

⎪ ⎪



⎪ x − y + z − t = −2z ⎪
⎪ x1 + x3 = λx2 ⎪
⎪ x3 = λx2 − x1


⎪ ⎪

⎪ ⎪



⎩ x − y − z + t = −2t ⎨ ⎨
AX = λX ⇐⇒ ⎪
⎪ x2 + x4 = λx3 ⇐⇒ ⎪ ⎪ x4 = λx3 − x2


⎪ ⎪


⎧ ⎧ ⎪
⎪ ⎪



⎪3x + y + z + t = 0 ⎪

⎪4x + 4y = 0 ⎪

⎪ x3 + x5 = λx4 ⎪

⎪ x5 = λx4 − x3


⎪ ⎪

⎪ ⎪

⎪ ⎪




⎪ ⎪

⎪ ⎪
⎩ x4 = λx5 ⎪
⎩ x4 = λx5
⎪ x + 3y − z − t = 0
⎨ ⎪2x − 2y + 2z + 2t = 0

⇐⇒ ⎪⎪ ⇐⇒ ⎪ ⎪ ⎧


⎪ x − y + 3z − t = 0 ⎪

⎪2x − 2y + 2z + 2t = 0 ⎪
⎪ x2 = λx1


⎪ ⎪

⎪ ⎪



⎪ ⎪
⎪ ⎪


⎩ x − y − z + 3t = 0 ⎩4z − 4t = 0 ⎪
⎪ x3 = (λ2 − 1)x1



⎧ ⎪



⎪ y = −x ⇐⇒ (S) ⎪⎪ x4 = (λ3 − 2λ)x1


⎪ ⎪


⎨ ⎪


⇐⇒ ⎪ ⎪ z = −x ⎪
⎪ x5 = (λ4 − 3λ2 + 1)x1


⎪ ⎪



⎩t = −x, ⎪
⎩(λ3 − 2λ)x1 = (λ5 − 3λ3 + λ)x1 .

Si x1 = 0, alors, x2 , x3 , x4 , x5 sont tous nuls, donc X = 0, exclu.


donc : SEP ( f, 2) = Vect (1, −1, −1, −1) .
• D’après a), 2 est valeur propre de f et v1 , v2 , v3 sont des vec- On a donc x1  0. Et :
teurs propres pour f associés à la valeur propre 2, donc :
λ3 − 2λ = λ5 − 3λ3 + λ ⇐⇒ λ5 − 4λ3 + 3λ = 0
Vect (v1 , v2 , v3 ) ⊂ SEP ( f, 2). ⇐⇒ λ(λ4 − 4λ2 + 3) = 0 ⇐⇒ λ(λ2 − 1)(λ2 − 3) = 0

18
Corrigés des exercices

√ √
⇐⇒ λ(λ − 1)(λ + 1)(λ − 3)(λ + 3) = 0. Remarque : Puisque A est carrée d’ordre 5 et que que A admet
cinq valeurs propres deux à deux distinctes, d’après le cours, A
• Si λ = 0, alors : est diagonalisable, ce que l’on avait obtenu en a) par une autre
méthode.
(S) ⇐⇒ x2 = 0, x3 = −x1 , x4 = 0, x5 = x1 ,
⎛⎛ ⎞⎞
⎜⎜⎜⎜⎜⎜ 1 ⎟⎟⎟⎟⎟⎟ 1.4
⎜⎜⎜⎜⎜⎜ 0 ⎟⎟⎟⎟⎟⎟
⎜⎜⎜⎜⎜⎜ ⎟⎟⎟⎟⎟⎟
donc 0 est vp de A et SEP (A, 0) = Vect ⎜⎜⎜⎜⎜⎜⎜⎜−1⎟⎟⎟⎟⎟⎟⎟⎟ . a) • La matrice carrée A est symétrique réelle, donc, d’après le
⎜⎜⎜⎜⎜⎜ ⎟⎟⎟⎟⎟⎟ cours, A est diagonalisable.
⎜⎜⎝⎜⎜⎝ 0 ⎟⎟⎠⎟⎟⎠
1 • On a, par L1 ←→ L3 :
• Si λ = 1, alors : ⎛ ⎞ ⎛ ⎞
⎜⎜⎜0 0 1 ⎟⎟⎟ ⎜⎜⎜1 1 1/2⎟⎟⎟
(S) ⇐⇒ x2 = x1 , x3 = 0, x4 = −x1 , x5 = −x1 , ⎜⎜⎜ ⎟⎟⎟ ⎜⎜⎜ ⎟
rg (A) = rg ⎜⎜0 1 1 ⎟⎟ = rg ⎜⎜0 1 1 ⎟⎟⎟⎟ = 3,
⎛⎛ ⎞⎞ ⎝ ⎠ ⎝ ⎠
1 1 1/2 00 1
⎜⎜⎜⎜⎜⎜ 1 ⎟⎟⎟⎟⎟⎟
⎜⎜⎜⎜⎜⎜⎜⎜ 1 ⎟⎟⎟⎟⎟⎟⎟⎟
⎜⎜⎜⎜ ⎟⎟⎟⎟
donc 1 est vp de A et SEP (A, 1) = Vect ⎜⎜⎜⎜⎜⎜⎜⎜ 0 ⎟⎟⎟⎟⎟⎟⎟⎟ . donc A est inversible.
⎜⎜⎜⎜⎜⎜ ⎟⎟⎟⎟⎟⎟
⎜⎜⎝⎜⎜⎝−1⎟⎟⎠⎟⎟⎠ b) • Déterminons les valeurs propres de A. Soit λ ∈ R. On a :
−1
⎛ ⎞
• Si λ = −1, alors : ⎜⎜⎜−λ 0 1 ⎟⎟⎟
⎜ ⎟
rg (A − λI3 ) = rg ⎜⎜⎜⎜ 0 1 − λ 1 ⎟⎟⎟⎟
(S) ⇐⇒ x2 = −x1 , x3 = 0, x4 = x1 , x5 = −x1 , ⎝ ⎠
1 1 1/2 − λ
⎛⎛ ⎞⎞
⎜⎜⎜⎜⎜⎜ 1 ⎟⎟⎟⎟⎟⎟ ⎛ ⎞
⎜⎜⎜⎜⎜⎜⎜⎜−1⎟⎟⎟⎟⎟⎟⎟⎟ ⎜⎜⎜ 1 1 1/2 − λ⎟⎟⎟
⎜⎜⎜ ⎟
⎜⎜⎜⎜ ⎟⎟⎟⎟
donc −1 est vp de A et SEP (A, −1) = Vect ⎜⎜⎜⎜⎜⎜⎜⎜ 0 ⎟⎟⎟⎟⎟⎟⎟⎟ . = rg ⎜⎜ 0 1 − λ 1 ⎟⎟⎟⎟
⎜⎜⎜⎜⎜⎜ ⎟⎟⎟⎟⎟⎟ ⎝ ⎠ L ←→ L
−λ 0 1 1 3
⎜⎝⎜⎜⎝⎜ 1 ⎟⎠⎟⎟⎠⎟
−1 ⎛ ⎞
⎜⎜⎜1 1 1/2 − λ ⎟⎟⎟
√ ⎜⎜⎜ ⎟⎟⎟
• Si λ = 3, alors : = rg ⎜⎜0 1 − λ 1 ⎟⎟⎠

√ √ 0 λ 1 + λ2 − λ2 L3 ←− L3 + λL1
(S) ⇐⇒ x2 = 3 x1 , x3 = 2x1 , x4 = 3 x1 , x5 = x1 ,
⎛⎛ ⎞⎞ Si λ  1, alors, par L3 ←− (1 − λ)L3 − λL2 :
⎜⎜⎜⎜⎜⎜ √1 ⎟⎟⎟⎟⎟⎟
⎜⎜⎜⎜⎜⎜⎜⎜ 3⎟⎟⎟⎟⎟⎟⎟⎟
√ √ ⎜⎜⎜⎜ ⎟⎟⎟⎟ ⎛ ⎞
donc 3 est vp de A et SEP (A, 3) = Vect ⎜⎜⎜⎜⎜⎜⎜⎜⎜⎜ √2 ⎟⎟⎟⎟⎟⎟⎟⎟⎟⎟ . ⎜⎜⎜1 1 1/2 − λ⎟⎟⎟
⎜⎜⎜⎜⎜⎜ ⎟⎟⎟⎟⎟⎟ ⎜⎜⎜ ⎟
⎜⎜⎝⎜⎜⎝ 3⎟⎟⎠⎟⎟⎠ rg (A − λ I3 ) = rg ⎜⎜0 1 − λ 1 ⎟⎟⎟⎟
⎝ ⎠
1 0 0 α

• Si λ = − 3, alors :
où :
√ √
(S)⇐⇒ x2 = − 3 x1 , x3 = 2x1 , x4 = − 3 x1 , x5 = x1 ,  
⎛⎛ ⎞⎞ λ 3 3
α = (1 − λ) 1 + − λ2 − λ = 1 − λ − λ2 + λ3
© Dunod. Toute reproduction non autorisée est un délit

⎜⎜⎜⎜⎜⎜ 1√ ⎟⎟⎟⎟⎟⎟ 2 2 2
⎜⎜⎜⎜⎜⎜ ⎟⎟
√ √ ⎜⎜⎜⎜⎜⎜− 3⎟⎟⎟⎟⎟⎟⎟⎟⎟⎟


donc − 3 est vp de A et SEP (A, − 3) = Vect ⎜⎜⎜⎜⎜⎜⎜⎜ 2√ ⎟⎟⎟⎟⎟⎟⎟⎟⎟⎟ . ⎜ ⎜ 5 1
⎜⎜⎜⎜⎜⎜ ⎟⎟⎟⎟ = (1 + λ) 1 − λ + λ = (1 + λ)(2 − λ)
2
−λ .
⎜⎜⎝⎜⎜⎝− 3⎟⎟⎟⎠⎟⎟⎟⎠ 2 2
1
On conclut que les valeurs propres de A sont 1
√ √ On conclut que les valeurs propres de A sont : −1, 2, .
0, 1, −1, 3, − 3 et que les sous-espaces propres de A sont 2
les droites vectorielles engendrées respectivement par les cinq Remarque : Puisque A est carrée d’ordre 3 et que A admet trois
vecteurs : valeurs propres deux à deux distinctes, A est diagonalisable,
⎛ ⎞ ⎛ ⎞ ⎛ ⎞ ⎛ ⎞ ⎛ ⎞ résultat obtenu en a) par une autre méthode.
⎜⎜⎜ 1 ⎟⎟⎟ ⎜⎜⎜ 1 ⎟⎟⎟ ⎜⎜⎜ 1 ⎟⎟⎟ ⎜⎜⎜ √1 ⎟⎟⎟ ⎜⎜⎜ 1√ ⎟⎟⎟
⎜⎜⎜⎜ 0 ⎟⎟⎟⎟ ⎜⎜⎜⎜ 1 ⎟⎟⎟⎟ ⎜⎜⎜⎜−1⎟⎟⎟⎟ ⎜⎜⎜⎜ 3⎟⎟⎟⎟ ⎜⎜⎜⎜− 3⎟⎟⎟⎟ • Déterminons les sous-espaces propres de A.
⎜⎜⎜ ⎟⎟⎟ ⎜⎜⎜ ⎟⎟⎟ ⎜⎜⎜ ⎟⎟⎟ ⎜⎜⎜ ⎟⎟⎟ ⎜⎜⎜ ⎟⎟ ⎛ ⎞
⎜⎜⎜−1⎟⎟⎟ , ⎜⎜⎜ 0 ⎟⎟⎟ , ⎜⎜⎜ 0 ⎟⎟⎟ , ⎜⎜⎜ 2 ⎟⎟⎟ , ⎜⎜⎜ 2 ⎟⎟⎟⎟ . ⎜⎜⎜ x⎟⎟⎟
⎜⎜⎜ ⎟⎟⎟ ⎜⎜⎜ ⎟⎟⎟ ⎜⎜⎜ ⎟⎟⎟ ⎜⎜⎜ √ ⎟⎟⎟ ⎜⎜⎜ √ ⎟⎟⎟ ⎜ ⎟
⎜⎜⎝ 0 ⎟⎟⎠ ⎜⎜⎝−1⎟⎟⎠ ⎜⎜⎝ 1 ⎟⎟⎠ ⎜⎜⎜ 3⎟⎟⎟ ⎜⎜⎜− 3⎟⎟⎟ Soit X = ⎜⎜⎜⎜y⎟⎟⎟⎟ ∈ M3,1 (R). On a :
⎝ ⎠ ⎝ ⎠ ⎝ ⎠
1 −1 −1 1 1 z

19
Chapitre 1 • Réduction des endomorphismes et des matrices carrées

 X ∈ SEP (A, −1) ⇐⇒ AX = −X 1.5


⎧ a) •
On a, pour
tout α ∈ R et pour toutes matrices


⎪z = −x ⎧ ab a b


⎪ ⎪
⎪ M= , M  =   ∈ M2 (R) :

⎪ ⎪
⎪z = −x c d c d
⎨y + z = −y ⎨
⇐⇒ ⎪
⎪ ⇐⇒ ⎪
⎪ x


⎪ ⎪

⎩y = ,




⎪ 1 2 αa + a αb + b
⎩ x + y + z = −z f (αM + M  ) = f  
2 αc + c αd + d


⎛⎛ ⎞⎞ 1 (αa + a ) + (αd + d ) (αb + b ) + (αc + c )
⎜⎜⎜⎜⎜⎜ 2 ⎟⎟⎟⎟⎟⎟ =
⎜⎜ ⎟⎟ 2 (αb + b ) + (αc + c ) (αa + a ) + (αd + d )
donc : SEP (A, −1) = Vect ⎜⎜⎜⎜⎜⎜⎜⎜ 1 ⎟⎟⎟⎟⎟⎟⎟⎟ .


⎝⎝ ⎠⎠ 1 a+d b+c 1 a + d b + c
−2 =α +
2 b+c a+d 2 b + c a + d
 X ∈ SEP (A, 2) ⇐⇒ AX = 2X
= α f (M) + f (M  ),



⎪z = 2x

⎪ ⎧ donc f est linéaire.

⎪ ⎪



⎨y + z = 2y ⎨z = 2x
⎪ ab
⇐⇒ ⎪
⎪ ⇐⇒ ⎪
⎪ • On a, pour toute M = ∈ M2 (R) :


⎪ ⎪
⎩y = 2x, c d


⎪ 1
⎩ x + y + z = 2z

2 1 a+d b+c
f 2 (M) = f f (M) = f ( )
⎛⎛ ⎞⎞ 2 b+c a+d
⎜⎜⎜⎜⎜⎜1⎟⎟⎟⎟⎟⎟

⎜⎜ ⎟⎟ 1 1 (a + d) + (a + d) (b + c) + (b + c)
donc : SEP (A, 2) = Vect ⎜⎜⎜⎜⎜⎜⎜⎜2⎟⎟⎟⎟⎟⎟⎟⎟ . =
⎝⎝ ⎠⎠ 2 2 (b + c) + (b + c) (a + d) + (a + d)
2

 1 1 1 a+d b+c
 X ∈ SEP A, ⇐⇒ AX = X = = f (M),
2 2 2 b+c a+d

⎧ donc : f 2 = f.



1

⎪z= x b) Puisque f 2 − f = 0, le polynôme X2 − X est annulateur de f .


⎪ 2 ⎧

⎪ ⎪


⎨ 1 ⎨ x = 2z
⎪ D’après le cours, les valeurs propres de f sont parmi les zéros
⇐⇒ ⎪
⎪y+z= y ⇐⇒ ⎪



⎪ 2 ⎪
⎩y = −2z, de ce polynôme annulateur de f , donc les valeurs propres de f


⎪ sont parmi 0 et 1.


⎪ 1 1
⎩x + y + z= z

2 2 ab
• On a, pour toute M = ∈ M2 (R) :
c d
⎛⎛ ⎞⎞
 ⎜⎜⎜⎜⎜⎜ 2 ⎟⎟⎟⎟⎟⎟


1 ⎜⎜⎜⎜⎜⎜ ⎟⎟⎟⎟⎟⎟ 1 a+d b+c 00
donc : SEP A, = Vect ⎜⎜⎝⎜⎜⎝−2⎟⎟⎠⎟⎟⎠ . f (M) = 0M ⇐⇒ =
2 2 b+c a+d 00
1
⎧ ⎧

⎪ ⎪

On en déduit une ⎛ diagonalisation
⎞ ⎛ de A, A ⎞= PDP−1, où, par ⎨a + d = 0
⎪ ⎨d = −a

⎜⎜⎜ 2 1 2 ⎟⎟⎟ ⎜⎜⎜−1 0 0 ⎟⎟⎟ ⇐⇒ ⎪ ⎪ ⇐⇒ ⎪


⎩b + c = 0 ⎪
⎩c = −b
⎜ ⎟ ⎜ ⎟
exemple : P = ⎜⎜⎜⎜ 1 2 −2⎟⎟⎟⎟ , D = ⎜⎜⎜⎜ 0 2 0 ⎟⎟⎟⎟ .
⎝ ⎠ ⎝ ⎠
−2 2 1 0 0 1/2 donc 0 est valeur propre de f et :
⎛ ⎞ 

⎜2 1 −2⎟⎟⎟
1 ⎜⎜⎜⎜ ⎟ a b
−1 −1
On calcule P et on obtient : P = ⎜⎜⎜1 2 2 ⎟⎟⎟⎟ . SEP ( f, 0) = ; (a, b) ∈ R2
9⎝ ⎠ −b −a
2 −2 1



1 0 0 1
c) Remarquons d’abord que, pour tout n ∈ Z, An et Dn existent, = Vect , .
0 −1 −1 0
car A et D sont inversibles.
On a, pour tout n ∈ Z : An = (PDP−1)n = PDn P−1

ab
et on obtient en faisant le produit de ces trois matrices, la ma- • On a, pour toute M = ∈ M2 (R) :
c d
trice An :



⎛ ⎞
1 a+d b+c a b
+ 4 · 2−n 2(−1)n + 2n+1 − 22−n −4(−1)n + 2n+1 + 21−n ⎟⎟ f (M) = 1M ⇐⇒ =
1 ⎜⎜⎜⎜⎜ 4(−1)n + 2n+1
n n
⎟ 2 b+c a+d c d
⎜⎜⎝ 2(−1) + 2 − 22−n (−1)n + 2n+2 + 22−n −2(−1)n + 2n+2 − 21−n ⎟⎟⎟⎟⎠ ⎧ ⎧
9 −4(−1)n + 2n+1 + 21−n −2(−1)n + 2n+2 − 21−n 4(−1)n + 2n+2 + 2−n ⎪
⎪ ⎪

⎨a + d = 2a = 2d
⎪ ⎨d = a

⇐⇒ ⎪
⎪ ⇐⇒ ⎪


⎩b + c = 2b = 2c ⎪
⎩c = b

20
Corrigés des exercices

donc 1 est valeur propre de f et : Donc :


f (P) = λP

a b  
1 0
0 1  ⎛⎧ ⎧ ⎧ ⎞
SEP ( f, 1) = ; (a, b) ∈ R2 = Vect , . ⎜⎜⎜⎪ ⎪λ=1 ⎪
⎪λ = 1 + 2i ⎪
⎪ λ = 1 − 2i ⎟⎟⎟
ba 01 10 ⎜⎜⎜⎪ ⎪









⎪ ⎟⎟⎟

⎜ ⎨ ⎨ ⎨ ⎟⎟⎟ .
⇐⇒ ⎜⎜⎜⎪ b = 0 ou ⎪c = −a ou ⎪ c = −a ⎟⎟⎟
Finalement, les valeurs propres de f sont 0 et 1 et les sous- ⎜⎜⎝⎪










⎪ ⎟⎠

⎩a = c ⎪
⎩b = −2 i a ⎪
⎩b = 2 i a
espaces propres associés ont été déterminés ci-dessus.
c) Chacun des deux sous-espaces propres de f est de di- Ainsi, les valeurs propres de f sont 1, 1 + 2 i , 1 − 2 i , et les
mension 2, donc la somme des dimensions des sous-espaces sous-espaces propres de f sont :
propres de f est égale à 4, donc égale à la dim (E). D’après le SEP ( f, 1) = Vect (1 + X2 ),
cours, on conclut que f est diagonalisable.
SEP ( f, 1 + 2 i ) = Vect (1 + 2 i X − X2 ),
1.6 SEP ( f, 1 − 2 i ) = Vect (1 − 2 i X − X2 ).
a) • On a, pour tout P = aX + bX + c ∈ C2 (X] :
2
b) 2) On calcule les images par f des vecteurs de la base cano-
f (P) = (X2 + 1)(2aX + b) − (2X − 1)(aX2 + bX + c) nique de C2 [X] :
= (a − b)X2 + (2a + b − 2c)X + (b + c) ∈ C2 [X]. ⎧


⎪ f (1) = −(2X − 1) = 1 − 2X




• On a, pour tout α ∈ C et tous P, Q ∈ C2 [X] : ⎪
⎪ f (X) = (X2 + 1) − (2X − 1)X = 1 + X − X2




⎩ f (X2 ) = (X2 + 1)2X − (2X − 1)X2 = 2X + X2 ,
f (αP + Q) = (X2 + 1)(αP + Q) − (2X − 1)(αP + Q)
= (X2 + 1)(αP  + Q  ) − (2X − 1)(αP + Q) d’où la matrice A de f dans B = (1, X, X2 ) :
2
= α (X + 1)P  − (2X − 1)P + (X2 + 1)Q  − (2X − 1)Q ⎛ ⎞
= α f (P) + f (Q), ⎜⎜⎜ 1 1 0⎟⎟⎟
⎜⎜ ⎟
A = ⎜⎜−2 1 2⎟⎟⎟⎟ .

⎝ ⎠
donc f est linéaire. 0 −1 1
On conclut que f est un endomorphisme du C-ev C2 [X].
• Déterminons les valeurs propres de A. Soit λ ∈ R. On a :
b) 1) Soient λ ∈ C, P = aX2 + bX + c ∈ C2 [X] \ {0}.
⎛ ⎞
On a, en réutilisant le calcul de f (p) effectué en a) : ⎜⎜⎜1 − λ 1 0 ⎟⎟⎟
⎜⎜⎜ ⎟
rg (A − λI3 ) = rg ⎜⎜ −2 1 − λ 2 ⎟⎟⎟⎟
f (P) = λP ⇐⇒ (a − b)X2 + (2a + b − 2c)X + (b + c) = λ(aX2 + bX + c) ⎝ ⎠
0 −1 1 − λ
⎛ ⎞
⎧ ⎧ ⎜⎜⎜ −2 1 − λ 2 ⎟⎟⎟
⎪ ⎪ ⎜⎜
⎜ ⎟


⎪a − b = λa ⎪

⎪b = (1 − λ)a = rg ⎜⎜1 − λ 1 0 ⎟⎟⎟⎟ L1 ←→ L2


⎨ ⎪

⎨ ⎝ ⎠
⇐⇒ ⎪
⎪2a + b − 2c = λb ⇐⇒ ⎪ ⎪2a + (1 − λ)b − 2c = 0 0 −1 1 − λ


⎪ ⎪

⎪ ⎛ ⎞

⎩b + c = λc ⎪
⎩b = (λ − 1)c ⎜⎜⎜−2 1−λ 2 ⎟⎟⎟
⎜⎜⎜ ⎟
⎧ ⎧ = rg ⎜⎜ 0 2 + (1 − λ)2 2(1 − λ)⎟⎟⎟⎟
⎛ ⎞ ⎝ ⎠
⎜⎜⎜⎪ λ=1 ⎪ ⎟⎟⎟ −1 1−λ
⎪ ⎪c = −a

⎪ ⎪ 0
⎜⎜⎜⎜⎪ ⎪

⎨ ⎪

⎨ ⎟⎟⎟⎟
⇐⇒ ⎜⎜⎜⎜⎪ b=0 ou ⎪ b = (1 − λ)a ⎟⎟⎟ L2 ←− 2L2 + (1 − λ)L1
© Dunod. Toute reproduction non autorisée est un délit


⎪ ⎪
⎪ ⎟⎟⎟
⎜⎜⎝⎪
⎪ ⎪


⎩2a − 2c = 0 ⎩2a + (1 − λ)2 a + 2a = 0 ⎠

⎛ ⎞
⎜⎜⎜−2 1−λ 2 ⎟⎟⎟
⎛⎧ ⎧ ⎞ ⎜⎜⎜
= rg ⎜⎜ 0 −1

1 − λ ⎟⎟⎟⎟
⎜⎜⎜⎪ ⎪
⎪λ=1 ⎪

⎪(1 − λ)2 + 4 = 0 ⎟⎟⎟ ⎝ ⎠
⎜⎜⎜⎪ ⎪
⎪ ⎪

⎪ ⎟⎟⎟ 0 2 + (1 − λ)2 2(1 − λ) L2 ←→ L3
⎨ ⎨
⇐⇒ ⎜⎜⎜⎜⎜⎪ b = 0 ou ⎪c = −a ⎟⎟⎟
⎟⎟⎟ ⎛ ⎞
⎜⎜⎝⎪






⎪ ⎟⎠ ⎜⎜⎜−2 1 − λ 2 ⎟⎟⎟

⎩a = c ⎪
⎩b = (1 − λ)a, ⎜⎜⎜ ⎟
= rg ⎜⎜ 0 −1 1 − λ⎟⎟⎟⎟
⎝ ⎠
car, dans le second système, si a = 0, alors c = 0, b = 0, donc 0 0 α
P = 0, exclu.
L3 ←− L3 + 2 + (1 − λ)2 L2
Et :
où :
(1 − λ)2 + 4 = 0 ⇐⇒ (λ − 1)2 = −4
α = 2(1 − λ) + 2 + (1 − λ)2 (1 − λ)
⇐⇒ λ − 1 = 2 i ou λ − 1 = −2 i

⇐⇒ λ = 1 + 2 i ou λ = 1 − 2 i . = (1 − λ) 4 + (1 − λ)2 ,

21
Chapitre 1 • Réduction des endomorphismes et des matrices carrées

et : α = 0 ⇐⇒ λ = 1 ou λ = 1 + 2 i ou λ = 1 − 2 i . 1.7
Ainsi, les valeurs propres de A sont : 1, 1 + 2 i , 1 − 2 i . a) •
On a, pour
tout α ∈ R et pour toutes matrices
ab a b
• Déterminons les sous-espaces propres de A. M= , M  =   ∈ M2 (R) :
⎛ ⎞ c d c d
⎜⎜⎜ x⎟⎟⎟

⎜ ⎟
 X = ⎜⎜⎜⎜y⎟⎟⎟⎟ ∈ SEP (A, 1) ⇐⇒ AX = X  αa + a αb + b
⎝ ⎠ f (αM + M ) = f ( )
z ⎛ ⎞⎛ ⎞ ⎛ ⎞ αc + c αd + d
⎜⎜⎜ 1 1 0⎟⎟⎟ ⎜⎜⎜ x⎟⎟⎟ ⎜⎜⎜ x⎟⎟⎟

⎜⎜ ⎟⎜ ⎟ ⎜ ⎟ αd + d −(αb + b )

⇐⇒ ⎜⎜−2 1 2⎟⎟⎟⎟ ⎜⎜⎜⎜y⎟⎟⎟⎟ = ⎜⎜⎜⎜y⎟⎟⎟⎟
⎜ =
−(αc + c ) αa + a
⎝ ⎠⎝ ⎠ ⎝ ⎠


0 −1 1 z z d −b d −b
⎧ =α + = α f (M) + f (M  ),


⎪ x + y = x ⎧ −c a −c a

⎪ ⎪


⎨ ⎨y = 0

⇐⇒ ⎪ ⎪ −2x + y + 2z = y ⇐⇒ ⎪



⎪ ⎪
⎩ x = z, ce qui montre que f est linéaire.

⎩−y + z = z
On conclut que f est un endomorphisme de l’espace vectoriel
⎛⎛ ⎞⎞ M2 (R).
⎜⎜⎜⎜⎜⎜1⎟⎟⎟⎟⎟⎟
⎜⎜ ⎟⎟ • Considérons la base canonique B = (E1 , E2 , E3 , E4 ) de
donc : SEP (A, 1) = Vect ⎜⎜⎜⎜⎜⎜⎜⎜0⎟⎟⎟⎟⎟⎟⎟⎟ .
⎝⎝ ⎠⎠ M2 (R), définie par :
1
⎛ ⎞




⎜⎜⎜ x⎟⎟⎟ E1 =
10
, E2 =
01
, E3 =
00
, E4 =
00
.
⎜ ⎟
 X = ⎜⎜⎜⎜y⎟⎟⎟⎟ ∈ SEP (A, 1 + 2 i ) ⇐⇒ AX = (1 + 2 i )X 00 00 10 01
⎝ ⎠
z ⎛ ⎞⎛ ⎞ ⎛ ⎞ On a :
⎜⎜⎜ 1 1 0⎟⎟⎟ ⎜⎜⎜ x⎟⎟⎟ ⎜⎜⎜ x⎟⎟⎟
⎜⎜⎜ ⎟⎟⎟ ⎜⎜⎜ ⎟⎟⎟ ⎜ ⎟
⇐⇒ ⎜⎜−2 1 2⎟⎟ ⎜⎜y⎟⎟ = (1 + 2 i ) ⎜⎜⎜⎜y⎟⎟⎟⎟ f (E1 ) = E4 , f (E2 ) = −E2 , f (E3 ) = −E3 , f (E4 ) = E1 .
⎝ ⎠⎝ ⎠ ⎝ ⎠
0 −1 1 z z
⎧ On en déduit la matrice A de f dans B :


⎪ x + y = (1 + 2 i )x


⎪ ⎛ ⎞
⎨ ⎜⎜⎜0 0 0 1⎟⎟⎟
⇐⇒ ⎪ ⎪ −2x + y + 2z = (1 + 2 i )y ⎜⎜⎜0 −1 0 0⎟⎟⎟




⎩−y + z = (1 + 2 i )z A = ⎜⎜⎜⎜⎜ ⎟⎟⎟ .
⎧ ⎜⎜⎝0 0 −1 0⎟⎟⎟⎟⎠


⎪ −2 i x + y = 0 ⎧ 1 0 0 0

⎪ ⎪


⎨ ⎨y = 2 i x
⎪ b) La matrice A est symétrique réelle, donc, d’après le cours, A
⇐⇒ ⎪ ⎪ −2x − 2 i y + 2z = 0 ⇐⇒ ⎪



⎪ ⎪z = −x,
⎩ est diagonalisable, puis, comme A représente f dans une base

⎩−y − 2 i z = 0 de E, on conclut que f est diagonalisable.
⎛⎛ ⎞⎞
⎜⎜⎜⎜⎜⎜ 1 ⎟⎟⎟⎟⎟⎟ 1.8
⎜⎜ ⎟⎟
donc : SEP (A, 1 + 2 i ) = Vect ⎜⎜⎜⎜⎜⎜⎜⎜ 2 i ⎟⎟⎟⎟⎟⎟⎟⎟ .
⎝⎝ ⎠⎠ a) • Pour tout P ∈ R2 [X], on a :
−1
⎛⎛ ⎞⎞
⎜⎜⎜⎜⎜⎜ 1 ⎟⎟⎟⎟⎟⎟ P(X + a) ∈ R2 [X], P(X + b) ∈ R2 [X],
⎜⎜⎜⎜⎜ ⎟⎟
 De même : SEP (A, 1 − 2 i ) = Vect ⎜⎜⎜⎜−2 i⎟⎟⎟⎟⎟⎟⎟⎟ . ⎜
⎝⎝ ⎠⎠ (a + b)P  (X) ∈ R1 [X] ⊂ R2 [X],
−1
• L’endomorphisme f a les mêmes valeurs propres que A, donc : f (P) = P(X + a) + P(X + b) − (a + b)P  [X] ∈ R2 [X].
donc les valeurs propres de f sont 1, 1 + 2 i , 1 − 2 i . Les vec- • On a, pour tous α ∈ R, P, Q ∈ R2 [X] :
teurs propres de A nous donnent les coordonnées des vecteurs
f (αP + Q) = (αP + Q)(X + a) + (αP + Q)(X + b) − (a + b) (αP + Q) (X)
propres de f dans la base (1, X, X2 ) de C2 [X] :
= αP(X + a) + Q(X + a) + αP(X + b) + Q(X + b)
SEP ( f, 1) = Vect (1 + X ), 2 −α(a + b)P (X) − (a + b)Q (X)

= α P(X + a) + P(X + b) − (a + b)P (X)
SEP ( f, 1 + 2 i ) = Vect (1 + 2 i X − X2 ),
+ Q(X + a) + Q(X + b) − (a + b)Q (X)
SEP ( f, 1 − 2 i ) = Vect (1 − 2 i X − X2 ). = α f (P) + f (Q),

Remarque : On retrouve bien les mêmes résultats que dans 1). donc f est linéaire.

c) L’endomorphisme f admet trois valeurs propres deux à deux On conclut : f ∈ L R2 [X] .

distinctes et dim C2 [X] = 3, donc, d’après le cours, f est dia- b) On a :
gonalisable. f (1) = 1 + 1 − 0 = 2,

22
Corrigés des exercices

f (X) = (X + a) + (X + b) − (a + b) = 2X, Finalement :

f (X2 ) = (X + a)2 + (X + b)2 − (a + b)2X = 2X2 + (a2 + b2 ). A est diagonalisable dans M2 (R) si et seulement si y < x2 .

On en déduit la matrice M de f dans la base canonique 1.10


B = (1, X, X ) de R2 [X] :
2 a) Soit a ∈ R. Soit λ ∈ R. On a :
⎛ ⎞ ⎛ ⎞
⎜⎜⎜2 0 a2 + b2 ⎟⎟⎟ ⎜⎜⎜3 − a − λ −5 + a a ⎟⎟⎟
⎜⎜⎜ ⎟ ⎜⎜⎜ ⎟
M = ⎜⎜0 2 0 ⎟⎟⎟⎟ . rg M(a) − λI3 = rg ⎜⎜ −a a−2−λ a ⎟⎟⎟⎟
⎝ ⎠ ⎝ ⎠
00 2 5 −5 −2 − λ
⎛ ⎞
⎜⎜⎜3 − λ λ − 3 0 ⎟⎟⎟ L1 ←− L1 − L2 .
⎜⎜⎜ ⎟
c) On remarque que M est triangulaire (supérieure), donc = rg ⎜⎜ −a a − 2 − λ a ⎟⎟⎟⎟
⎝ ⎠
les valeurs propres de M se lisent sur sa diagonale, d’où 5 −5 −2 − λ
Sp (M) = {2}.
Si λ = 3, alors : rg M(a) − λI3  2.
Ainsi, M est diagonalisable si et seulement s’il existe
P ∈ M3 (R) inversible telle que M = P(2 I3 )P−1 = 2 I3 , si et Si λ  3, alors, en divisant L1 par 3 − λ, on a :
seulement si a2 + b2 = 0, si et seulement si a = b = 0. ⎛ ⎞
⎜⎜⎜ 1 −1 0 ⎟⎟⎟
⎜⎜⎜ ⎟
On conclut que f est diagonalisable si et seulement si rg M(a) − λI3 = rg ⎜⎜−a a − 2 − λ a ⎟⎟⎟⎟
a2 + b2 = 0, c’est-à-dire si et seulement si a = b = 0, puisque ⎝ ⎠
5 −5 −2 − λ
(a, b) ∈ R2 . ⎛ ⎞
⎜⎜⎜ 1 0 0 ⎟⎟⎟
⎜⎜⎜ ⎟
= rg ⎜⎜−a −2 − λ a ⎟⎟⎟⎟ C2 ←− C2 + C1 .
1.9 Soit (x, y) ∈ R2 fixé. ⎝ ⎠

5 0 −2 − λ
0 −1
Étudions les valeurs propres de A = . Si λ  −2, alors, en divisant C2 par −2 − λ :
y 2x
⎛ ⎞
On a, pour tout λ ∈ R : ⎜⎜⎜ 1 0 0 ⎟⎟⎟
⎜⎜⎜ ⎟

rg M(a) − λI3 = rg ⎜⎜−a 1 a ⎟⎟⎟⎟
−λ −1 C1 ←→ C2 ⎝ ⎠
rg (A − λ I2 ) = rg 5 0 −2 − λ
y 2x − λ


1 a
−1 −λ L2 ←− L2 + (2x − λ)L1 = 1 + rg = 1 + 2 = 3.
= rg 0 −2 − λ
2x − λ y

⎧ ⎪

⎨1 si λ − 2xλ + y = 0
⎪ Si λ = −2, alors : rg M(a) − λI3  2.
2
−1 −λ
= rg = ⎪

0 λ2 − 2xλ + y ⎪
⎩2 sinon. On obtient :


Il en résulte : ⎪
⎨ 2
⎪ si λ = −2 ou λ = 3
rg M(a) − λI3 ⎪


⎩= 3 sinon.
λ vp de A ⇐⇒ λ2 − 2xλ + y = 0
⇐⇒ (λ − x)2 + (y − x2 ) = 0 (∗). On conclut que les valeurs propres de M(a) sont : −2 et 3.
© Dunod. Toute reproduction non autorisée est un délit

Remarque : les valeurs propres de M(a) ne dépendent pas de a.


• Si y− x2 < 0, alors l’équation (∗) ci-dessus, d’inconnue λ ∈ R,
b) Déterminons les sous-espaces propres de M(a).
admet deux solutions distinctes, donc A admet deux valeurs ⎛ ⎞
propres distinctes, et donc, comme A est carrée d’ordre 2, on ⎜⎜⎜ x⎟⎟⎟
⎜ ⎟
conclut que A est diagonalisable dans M2 (R). Soit X = ⎜⎜⎜⎜y⎟⎟⎟⎟ ∈ M3,1 (R). On a :
⎝ ⎠
z
• Si y − x2 > 0, alors l’équation (∗) n’a pas de solution dans R,
donc A n’est pas diagonalisable dans M2 (R). • X ∈ SEP M(a), −2 ⇐⇒ M(a)X = −2X
• Supposons y − x2 = 0. ⎛ ⎞⎛ ⎞ ⎛ ⎞
⎜⎜⎜3 − a −5 + a a ⎟⎟⎟ ⎜⎜⎜ x⎟⎟⎟ ⎜⎜⎜ x⎟⎟⎟
⎜⎜ ⎟⎟ ⎜⎜⎜ ⎟⎟⎟ ⎜ ⎟
Alors, A admet une valeur propre et une seule, qui est λ = x. ⇐⇒ ⎜⎜ −a a − 2 a ⎟⎟ ⎜⎜y⎟⎟ = −2 ⎜⎜⎜⎜y⎟⎟⎟⎟
⎜ ⎟
⎝ ⎠⎝ ⎠ ⎝ ⎠

P ∈ GL2 (R)
Si A était diagonalisable dans M2 (R),
il existerait 5 −5 −2 z z
0 −1 x0 ⎧
−1
telle que A = P(x I2 )P = x I2 , d’où = , contra- ⎪

⎪(5 − a)x + (−5 + a)y + az = 0 ⎧
y 2x 0 x ⎪
⎪ ⎪


⎨ ⎨x = y

diction (−1  0). ⇐⇒ ⎪ ⎪−ax + ay + az = 0 ⇐⇒ ⎪ ⎪


⎪ ⎪
⎩az = 0,
On déduit que A n’est pas diagonalisable dans M2 (R). ⎪
⎩5x − 5y = 0

23
Chapitre 1 • Réduction des endomorphismes et des matrices carrées

⎛⎛ ⎞ ⎛ ⎞⎞
⎜⎜⎜⎜⎜⎜1⎟⎟⎟ ⎜⎜⎜0⎟⎟⎟⎟⎟⎟ montrons que celles-ci sont deux à deux distinctes. Raisonnons
⎜⎜⎜⎜⎜⎜ ⎟⎟⎟ ⎜⎜⎜ ⎟⎟⎟⎟⎟⎟
donc : si a = 0, alors SEP M(a), −2 = Vect ⎜⎜⎝⎜⎜⎝1⎟⎟⎠ , ⎜⎜⎝0⎟⎟⎠⎟⎟⎠ , et, si par l’absurde : supposons que l’équation admette (au moins)
0 1 une solution (au moins) double, notée λ. D’après le cours, λ
⎛⎛ ⎞⎞
⎜⎜⎜⎜⎜⎜1⎟⎟⎟⎟⎟⎟ annule ⎧le polynôme considéré et sa dérivée première, c’est-à-
⎜⎜⎜⎜⎜⎜ ⎟⎟⎟⎟⎟⎟
a  0, alors SEP M(a), −2 = Vect ⎜⎜⎝⎜⎜⎝1⎟⎟⎠⎟⎟⎠ , ⎪

⎪λ3 − λ − 1 = 0

0 dire : ⎪

⎧ ⎪
⎩3λ2 − 1 = 0.

⎪⎨2 si a = 0

d’où : dim SEP M(a), −2 = ⎪ ⎪
1
On déduit λ2 = , puis, en reportant dans la première équa-

⎩1 si a  0. 3
1 3  3 2 1
• X ∈ SEP M(a), 3 ⇐⇒ M(a)X = 3X tion : λ − λ − 1 = 0, donc λ = − , puis − = ,
3 2 2 3
⎛ ⎞⎛ ⎞ ⎛ ⎞ contradiction.
⎜⎜⎜3 − a −5 + a a ⎟⎟⎟ ⎜⎜⎜ x⎟⎟⎟ ⎜⎜⎜ x⎟⎟⎟
⎜⎜⎜ ⎟⎟⎟ ⎜⎜⎜ ⎟⎟⎟ ⎜ ⎟ Ceci montre que les racines du polynôme λ3 − λ − 1 sont toutes
⇐⇒ ⎜⎜ −a a − 2 a ⎟⎟ ⎜⎜y⎟⎟ = 3 ⎜⎜⎜⎜y⎟⎟⎟⎟
⎝ ⎠⎝ ⎠ ⎝ ⎠ simples.
5 −5 −2 z z
⎧ ⎧

⎪ ⎪
⎪ Ainsi, l’équation λ3 − λ − 1 = 0, d’inconnue λ ∈ C, admet
⎨−ax + (a − 5)y + az = 0
⎪ ⎨z = x

⇐⇒ ⎪⎪ ⇐⇒ ⎪
⎪ exactement trois solutions deux à deux distinctes.

⎩5x − 5y − 5z = 0 ⎪
⎩y = 0
Il en résulte que J admet (dans C) trois valeurs propres deux
⎛⎛ ⎞⎞ à deux distinctes. Comme J est carrée d’ordre trois et admet
⎜⎜⎜⎜⎜⎜1⎟⎟⎟⎟⎟⎟
⎜⎜ ⎟⎟
donc : SEP M(a), 3 = Vect ⎜⎜⎜⎜⎜⎜⎜⎜0⎟⎟⎟⎟⎟⎟⎟⎟,
trois valeurs propres deux à deux distinctes, d’après le cours,
⎝⎝ ⎠⎠ on conclut que J est diagonalisable dans M3 (C).
1
b) Soit (a, b, c) ∈ C3 . On a :
d’où : dim SEP M(a), 3 = 1.
⎛ ⎞
Il en résulte que la somme des dimensions des sous-espaces ⎜⎜⎜a c b ⎟⎟⎟
⎜⎜⎜ ⎟
propres de M(a) est égale à 3 si a = 0, et est égale à 2 si a  0. M(a, b, c) = ⎜⎜b a + c b + c⎟⎟⎟⎟
⎝ ⎠
Comme M(a) est diagonalisable si et seulement si la somme c b a+c
⎛ ⎞ ⎛ ⎞ ⎛ ⎞
des dimensions de ses sous-espaces propres est égale à 3, on ⎜⎜⎜1 0 0⎟⎟⎟ ⎜⎜⎜0 0 1⎟⎟⎟ ⎜⎜⎜0 1 0⎟⎟⎟
⎜ ⎟ ⎜ ⎟⎟⎟ ⎜⎜⎜ ⎟
conclut que M(a) est diagonalisable si et seulement si a = 0. = a ⎜⎜⎜⎜0 1 0⎟⎟⎟⎟ + b ⎜⎜⎜⎜1 0 1⎟⎟ +c ⎜⎜0 1 1⎟⎟⎟⎟
⎝ ⎠ ⎝ ⎠ ⎝ ⎠
001 0 10 101
 !"
1.11 =J

a) Déterminons les valeurs propres de J dans C. et on remarque que la troisième matrice, dans cette dernière
Soit λ ∈ C. On a : expression, est J 2 .
⎛ ⎞ D’après a), il existe D ∈ D3 (C) et P ∈ GL3 (C) telles que
⎜⎜⎜−λ 0 1 ⎟⎟⎟
⎜⎜⎜ ⎟ J = PDP−1 . On a alors J 2 = PD2 P−1 , puis :
rg (J − λ I3 ) = rg ⎜⎜⎝ 1 −λ 1 ⎟⎟⎟⎟⎠
0 1 −λ M(a, b, c) = a I3 + bJ + cJ 2
⎛ ⎞
⎜⎜⎜ 1 −λ 1 ⎟⎟⎟ = a I3 + bPDP−1 + cPD2 P−1 = P(a I3 + bD + cD2 )P−1 .
⎜⎜⎜ ⎟
= rg ⎜⎜⎝−λ 0 1 ⎟⎟⎟⎟⎠ L1 ↔ L2
0 1 −λ Comme a I3 + bD+ cD2 est diagonale, on conclut que M(a, b, c)
⎛ ⎞ est diagonalisable dans M3 (C).
⎜⎜⎜1 −λ 1 ⎟⎟⎟
= rg ⎜⎜⎜⎜0 −λ2 1 + λ⎟⎟⎟⎟ L2 ←− L2 + λL1
⎜⎝ ⎟⎠ 1.12
0 1 −λ
⎛ ⎞ a) D’abord, f est bien une application de M2 (R) dans lui-
⎜⎜⎜1 −λ 1 ⎟⎟⎟
= rg ⎜⎜⎜⎜0 1 −λ ⎟⎟⎟⎟ même.
⎜⎝ ⎟⎠
0 −λ2 1 + λ L2 ←→ L3 On a, pour tout α ∈ R et toutes M, N ∈ M2 (R) :
⎛ ⎞
⎜⎜⎜1 −λ 1 ⎟⎟⎟ f (αM + N) = A(αM + N) = αAM + AN = α f (M) + f (N),
⎜⎜⎜ ⎟⎟⎟
= rg ⎜⎜⎝ 0 1 −λ ⎟⎟⎠ .
0 0 −λ + λ + 1 ←− L3 + λ2 L2
3 donc f est linéaire.

On conclut : f ∈ L M2 (R) .
Les valeurs propres de J sont donc les solutions de l’équation

λ3 − λ − 1 = 0, d’inconnue λ ∈ C. xy
b) • On a, pour toute M = ∈ M2 (R) :
z t
D’après le cours, cette équation du troisième degré admet,
dans C, trois solutions (a priori non nécessairement distinctes) ; M ∈ Ker ( f ) ⇐⇒ f (M) = 0 ⇐⇒ AM = 0

24
Corrigés des exercices







11 xy 00 ⎨x + z = 0
⎪ c’est-à-dire : ∀x ∈ R, a0 + a1 x + a2 x2 + a3 x3 = 0.
⇐⇒ = ⇐⇒ ⎪ ⎪
11 z t 00 ⎪
⎩y + t = 0, Le polynôme a0 + a1 X+ a2 X2 + a3 X3 s’annule en tout réel, donc

c’est le polynôme nul, d’où a0 = a1 = a2 = a3 = 0.
 xy 
donc : Ker ( f ) = ; x + z = 0 et y + t = 0 Ceci montre que B est libre.
z t

Puisque B est libre et que, par définition de E, B engendre E,
 x y 
= ; (x, y) ∈ R2 on conclut : B est une base de E.
−x −y

1 0
0 1  Il en résulte : dim (E) = Card (B) = 4.
• Une base de Ker ( f ) est ,
−1 0 0 −1 b) Il est clair que, pour toute f ∈ E, f est deux fois dérivable
sur R, donc φ( f ) = f  − f  existe.
et dim Ker ( f ) = 2.

Calculons les images par φ des éléments de B.
xy
c) Comme, pour toute matrice M = ∈ M2 (R),
z t On a, pour tout x ∈ R :


x+z y+t
f (M) = , on a :
x+z y+t φ( f0 )(x) = − e −x , φ( f1 )(x) = (1 − x) e −x ,

a b  
1 0
0 1 
Im ( f ) ⊂ ; (a, b) ∈ R2 = Vect , . φ( f2 )(x) = (2x − x2 ) e −x , φ( f3 )(x) = (3x2 − x3 ) e −x ,
a b 1 0 0 1

donc :
D’autre part, d’après le théorème du rang : φ( f0 ) = − f0 , φ( f1 ) = f0 − f1 ,

dim Im ( f ) = dim M2 (R) − dim Ker ( f ) = 22 − 2 = 2. φ( f2 ) = 2 f1 − f2 , φ( f3 ) = 3 f2 − f3 .
Il en résulte qu’il y a égalité dans l’inclusion précédente :
Comme φ est linéaire (par linéarité de la dérivation), il en ré-

a b  
1 0
0 1  sulte : ∀ f ∈ E, φ( f ) ∈ E.
Im ( f ) = ; (a, b) ∈ R2 = Vect , .
a b 1 0 0 1
On conclut : φ est un endomorphisme de l’espace vectoriel E.

d) On calcule les images des éléments E1 , E2 , E3 , E4 de B De plus, la matrice M de φ dans B est :


par f : ⎛ ⎞


⎜⎜⎜−1 1 0 0 ⎟⎟

1 0 1 1 1 0 ⎜⎜⎜ 0 −1 0 ⎟⎟⎟⎟⎟
M = ⎜⎜⎜⎜⎜
2
f (E1 ) = AE1 = = = E1 + E3 , ⎟.
1 0 1 0 1 0 ⎜⎜⎝ 0 0 −1 3 ⎟⎟⎟⎟



0 0 0 −1
1 1 1 0 0 1
f (E2 ) = AE2 = = = E2 + E4 ,
1 0 1 0 0 1


c) • La matrice M est triangulaire (supérieure) et ses termes
1 0 1 0 1 0
f (E3 ) = AE3 = = = E1 + E3 , diagonaux sont tous non nuls, donc M est inversible.
1 0 1 1 1 0


• La matrice M est triangulaire (supérieure), donc ses valeurs
1 0 1 0 0 1 propres se lisent sur sa diagonale : M admet −1 pour valeur
f (E4 ) = AE4 = = = E2 + E4 ,
1 1 1 0 0 1 propre et c’est la seule.
⎛ ⎞
⎜⎜⎜1 0 1 0⎟⎟⎟
© Dunod. Toute reproduction non autorisée est un délit

⎜⎜⎜0 1 Si M était diagonalisable, il existerait P ∈ GL4 (R) telle que


0 1⎟⎟⎟⎟⎟
d’où la matrice de f dans B : F = ⎜⎜⎜⎜⎜ ⎟. M = P(−I4 )P = −I4 , contradiction. On conclut que M n’est
⎜⎜⎝1 0 1 0⎟⎟⎟⎟
⎠ pas diagonalisable.
01 01
e) La matrice F de f dans B est symétrique réelle, donc, 1.14
d’après le cours, F est diagonalisable, et on conclut : f est dia-
Il s’agit d’une matrice formée de 0 et de 1 en damier :
gonalisable.
⎛ ⎞
⎜⎜⎜1 0 1 0 ... 0 1⎟⎟
1.13 ⎟
⎜⎜⎜⎜0
⎜⎜⎜ 1 0 1 ... 1 0⎟⎟⎟⎟⎟

a) Montrons que B est libre. ⎜⎜⎜1 0 1 0 ... 0 1⎟⎟⎟⎟
⎜⎜⎜ ⎟
 A = ⎜⎜⎜⎜0 1 0 1 ... 1 0⎟⎟⎟⎟ ∈ M
3
⎟ 2p+1 (R).
Soit (a0 , a1 , a2 , a3 ) ∈ R4 tel que ak fk = 0. On a donc : ⎜⎜⎜ . .. .. .. .. .. .. ⎟⎟⎟⎟
⎜⎜⎜ .. . . . . . . ⎟⎟⎟⎟
⎜⎜⎜ ⎟
0⎟⎟⎟⎟
k=0
⎜⎜⎜0 1 0 1 ... 1
⎝ ⎠
∀x ∈ R, (a0 + a1 x + a2 x2 + a3 x3 ) e −x = 0, 1 0 1 0 ... 0 1

25