Académique Documents
Professionnel Documents
Culture Documents
Exercice 1: (b)
!
2 0 1
Diagonaliser la matrice A = 1 1 1 ∈ M3 (R).
−2 0 −1
Solution:
! !
1 0 1 −1 0 −1
−1 −1
On trouve (par exemple) A = P DP avec P = 1 1 0 P = 1 1 1 D = diag(0, 1, 1).
−2 0 −1 2 0 1
Exercice 2: (⋆)
1 1 1 1
Soit A = 2 2 2 2
. Déterminer simplement les valeurs propres de A. A est-elle diagonalisable ?
3 3 3 3
4 4 4 4
Solution:
La matrice est de rang 1 donc dim Ker A = 3 et 0 est valeur propre d’ordre au moins 3 .
De plus, tr(A) = 10 donc la 4ème valeur propre est 10 , et 0 est valeur propre d’ordre exactement 3 .
Les sous-espaces propres étant tous deux de dimension égale à l’ordre de multiplicité de la valeur propre
correspondante, A est diagonalisable.
Si on veut préciser une base de vecteurs propres :
– puisque C1 = C2 = C3 = C4 , une base de Ker A est par exemple formée des vecteurs de coordonnées
(1, −1, 0, 0) , (1, 0, −1, 0) et (1, 0, 0, −1) .
– le vecteur de coordonnées (1, 2, 3, 4) est ≪ évidemment ≫ un vecteur propre associé à la valeur propre 10 .
Exercice 3: (⋆⋆)
!
1 0 0
Trigonaliser la matrice suivante : A = 0 −5 −4 .
0 9 7
Solution:
Cette solution s’inspire de la démonstration du cours sur la caractérisation des matrices trigonalisables (récurrence
sur la taille de la matrice).
−5 −4
On pose B = , alors χ B = X 2 − tr(B)X + det B = X 2 − 2X + 1 = (X − 1)2 , donc B admet pour
9 7
valeur propre unique λ = 1 , et B n’est pas diagonalisable (sinon on aurait B = I2 ).
On recherche
le sous-espace propre de B associé à la valeur propre 1 :
x 2
−6x − 4y = 0 3 x x 2
soit V = ∈ R , alors (B − I2 )V = 0 ⇐⇒ ⇐⇒ y = − x ⇐⇒ V = = .
y 9x + 6y = 0 2 − 23 x 2 −3
2
On a donc Ker(B − I2 ) = Vect .
−3
1
On complète ce vecteur pour avoir une base de R2 , par exemple par le vecteur . On prend donc
0
2 1 1 0 −1
P = , P est clairement inversible et P −1 = , d’où :
−3 0 3 3 2
1 0 −1 −5 −4 2 1 1 0 −1 2 −5 1 −3
P −1 BP = = =
3 3 2 9 7 −3 0 3 3 2 −3 9 0 1
1 0 1 0 1 0
En posant alors Q = , on a Q−1 = et Q −1
AQ = d’où
0 P 0 P −1 0 P −1 BP
! !
1 0 0 1 0 0
−1
Q= 0 2 1 et Q AQ = 0 1 −3 .
0 −3 0 0 0 1
Exercice 4:
Soient a, b, c, d quatre nombres complexes avec a2 + b2 6= 0 et
a b c d
−b a −d c
A= −c d
a −b
−d −c b a
Solution:
a) – On trouve : AtA = (a2 + b2 + c2 + d2 )I4 .
– On en déduit det(tAA) = (det A)2 = (a2 + b2 + c2 + d2 )4 donc det A = ±(a2 + b2 + c2 + d2 )2 .
Or le développement (fictif) du déterminant selon la 1ère colonne montre que det A est un polynôme en a ,
de degré 4 et unitaire. Donc det A = (a2 + b2 + c2 + d2 )2 .
– Si a2 + b2 + c2 + d2 6= 0 , la matrice A est inversible donc rg A = 4 .
a b
Sinon, le rang de A est 6 3 , mais comme on peut extraire de A la matrice inversible (d’après
−b a
l’hypothèse de l’énoncé, le déterminant de cette matrice est non nul), on a aussi rg A > 2 .
Enfin, en notant Ci les colonnes de la matrice, on a facilement les relations :
aC1 + bC2 + cC3 + dC4 = 0
−bC1 + aC2 − dC3 + cC4 = 0
a b
et puisque
6= 0 , ces relations montrent que C3 et C4 sont combinaisons linéaires de C1 et C2 .
−b a
Finalement, rg A = 2 .
b) D’après le calcul précédent (en remplaçant a par a − X ) :
χ A = ((a − X)2 + b2 + c2 + d2 )2 = ((a − X)2 + α2 )2 .
Exercice 5: (⋆)
a1
Soient a1 , . . . , an ∈ R des réels non tous nuls, et posons C = ... ∈ Mn1 (R) et A = C tC ∈ Mn (R).
an
Quel est le rang de A ? Quel est le polynôme caractéristique de A ? A est-elle diagonalisable ?
Solution:
On suppose C 6= 0 . A s’écrit par blocs A = a1 C a2 C . . . an C donc rg A = 1 , donc dim Ker A = n − 1 .
Donc 0 est Pvaleur propre de A d’ordre
P 2de multiplicité > n − 1 . De plus, C est vecteur propre pour la valeur
propre λ = ai 2 6= 0 (car tCC = ai ), ce qui montre que l’ordre de multiplicité de 0 est exactement n − 1 .
Finalement tous les espaces propres ont la bonne dimension : A est diagonalisable.
Exercice 6: (⋆⋆⋆)
0 (b)
Soit Mn =
..
∈ Mn (C) . À quelle condition la matrice Mn est-elle diagonalisable ?
.
(a) 0
Déterminer alors une base de vecteurs propres
Solution:
– Si a = b = 0 , la résolution est immédiate.
– Si a = 0 et b 6= 0 , la matrice Mn est triangulaire supérieure stricte non nulle, elle n’est pas diagonalisable (car
0 étant la seule valeur propre, elle devrait être semblable donc égale à la matrice nulle).
– Si a 6= 0 et b = 0 , idem.
– Si a = b : χ Mn (X) = (X − (n − 1)a)(X + a)n−1 (calcul classique, voir cours sur les déterminants).
Les sous-espaces propres sont :
La matrice Mn est donc diagonalisable et il est aisé de former une base de vecteurs propres.
– Dernier cas : a 6= b et ab 6= 0 .
b(X + a)n − a(X + b)n
Après calculs (non triviaux, voir exercice feuille déterminants) : χ Mn (X) = (−1)n .
b−a
z+a n a
Les racines de ce polynôme sont les solutions de l’équation d’inconnue z ∈ C : = ·
z+b b
Il y en a exactement n s’exprimant en fonction des racines n -ième de l’unité (calcul à faire). On en déduit que
Mn est diagonalisable.
Reste à déterminer les sous-espaces propres.
Soit λ une valeur propre de Mn et V = t(x1 , . . . , xn ) ∈ Mn,1 (C).
−λx1 + bx2 + . . . + bxn = 0
ax1 − λx2 + . . . + bxn
= 0
L’équation Mn V = λV équivaut au système : ..
.
ax1 + . . . + axn−1 − λxn = 0
En retranchant à chaque équation la précédente, on obtient le système équivalent :
−λx1 + bx2 + . . . + bxn = 0
(a + λ)x1 + (b + λ)x2 = 0
...
(a + λ)xn−1 − (b + λ)xn = 0
Puisque ce système est de rang n − 1 (car λ est valeur propre simple) et puisque les n − 1 dernières équations
sont visiblement indépendantes, ce système équivaut encore à
(a + λ)x1 + (b + λ)x2 = 0
..
.
(a + λ)x
n−1 − (b + λ)xn = 0
La résolution de ce dernier est immédiate. On obtient pour vecteur propre V = t(x1 , . . . , xn ) avec
k
a+λ
xk = ·
b+λ
Exercice 7: (⋆⋆)
a b ... b
.. .
b a . ..
Soient a, b ∈ R. Diagonaliser la matrice A =
.
.
.. .. ..
. . b
b ... b a
Solution:
Le déterminant de cette matrice a déjà été calculé en classe ; il est égal à (a + (n − 1)b)(a − b)n−1 .
On en déduit χ A = (X − a − (n − 1)b)(X − a + b)n−1 . On peut supposer b 6= 0 (sinon A = aIn est déjà diagonale),
ainsi a + (n − 1b 6= a − b et :
– a − b est valeur propre d’ordre n − 1 ; puisque b 6= 0 , on trouve facilement que le sous-espace propre associé
n
X
est l’hyperplan d’équation xi = 0 .
i=1
– a+(n−1)b est valeur propre d’ordre 1 , le sous-espace propre associé est la droite de base le vecteur (1, 1, . . . , 1) .
Et A est diagonalisable.
Autre solution pour éviter de calculer χ A : remarquer que la matrice A + (b − a)In est de rang 1 (si b 6= 0 )....
Exercice 8: (⋆)
3 0 0
Trouver toutes les matrices M ∈ M3 (C) telles que M 2 = −5 2 0 .
4 0 1
Solution:
A étant triangulaire, ses valeurs propres sont ses éléments diagonaux soit 1, 2, 3 . On diagonalise :
! ! !
1 0 0 3 0 0 1 0 0
−1
A = P DP = −5 1 0 0 2 0 5 1 0 .
2 0 1 0 0 1 −2 0 1
avec ε1 , ε2 , ε3 ∈ {−1, 1} .
Exercice 9: (⋆⋆)
!
6 −6 5
Déterminer toutes les matrices qui commutent avec la matrice A = 14 −13 10 .
7 −6 4
Solution:
! !
6 −5
−1 est valeur propre triple. Le sous-espace propre associé est de dimension 2, engendré par 7 et 0 .
0 7
!
0 0 0
A est donc semblable à −I3 + N avec N = 0 0 1 : A = P (−I3 + N )P −1 (il faut calculer explicitement P ,
0 0 0
c’est-à-dire trigonaliser A ...)
Soit M ∈ M3 (R) , et M ′ = P −1 M P . Alors M commute avec A si et seulement si M ′ commute avec −I3 + N
donc commute avec N . !
a b c
Il ne reste donc plus qu’à chercher les matrices M ′ = d e f telles que M ′ N = N M ′ , ce qui est facile. Puis
g h i
aura à la fin M = P M ′ P −1 .
Exercice 10:
Calculer les puissances pièmes (p ∈ N ou p ∈ Z) des matrices suivantes :
−1 a −a 1 1 1 1 a a2
A = 1 −1 0 ; B = 2 2 2 ; C= a1 1 a .
1 0 −1 0 0 1 a2
1 1
a 1
Solution:
• −1 est valeur propre triple de A , donc par Cayley-Hamilton : (A + I3 )3 = 0 .
Pour p ∈ N , la division euclidienne de X p par (X +1)3 s’écrit, grâce à la formule de Taylor pour les polynômes :
p(p − 1)
X p = (X + 1)3 Q + (−1)p−2 (X + 1)2 + (−1)p−1 p(X + 1) + (−1)p
2
ce qui conduit à
p(p − 1)
∀ p ∈ N, Ap = (−1)p (A + I3 )2 + (−1)p−1 p(A + I3 ) + (−1)p I3
2
p(p − 1)
= (−1)p (A + I3 )2 − p(A + I3 ) + I3 (∗)
2
D’autre part, 0 n’étant pas valeur propre de A , A est inversible. On calcule alors (en utilisant (A + I3 )3 = 0 ) :
p(p − 1) −p(−p − 1)
(A + I3 )2 − p(A + I3 ) + I3 (A + I3 )2 + p(A + I3 ) + I3
2 2
p(p − 1) −p(−p − 1)
= (A + I3 )2 − p(A + I3 ) − p2 (A + I3 )2 + p(A + I3 ) + (A + I3 )2
2 2
p(p − 1) −p(−p − 1)
= − p2 + + I3
2 2
= I3
• B admet pour valeurs propres 0, 1, 3 donc B est diagonalisable (mais pas inversible). On effectue alors la division
euclidienne de X p par χ B (qui est annulateur de B par Cayley-Hamilton) etc...
• On remarque ici que C 2 = 3C d’où par récurrence C p = 3p−1 C pour p ∈ N∗ .
Solution:
2
On calcule le polynôme caractéristique de An : χ An = (X − 1)2 − na 2 = X 2 − 2X + 1 − a
n
· 1+ a
n
dont les
racines sont λ+
n = 1+ n
a
et λ− n = 1− n.
a
+ 1 − 1
Les vecteurs propres de A sont respectivement X = et X = ,
1 −1
la matrice diagonalisant An est donc indépendante de n et vaut
1 1 1 1 1
P = , avec P −1 = .
1 −1 2 1 −1
On a donc
a
1+ 0
An = P n
a P −1
0 1− n
n
1 + na 0
An
n = P n P −1 ,
0 1 − na
c’est-à-dire
ea 0 ch a sh a
lim An
n =P P −1
= .
n→∞ 0 e−a sh a ch a
b) Déterminer les suites (un ), (vn ) et (wn ) qui vérifient (u0, v0 , w0 ) = (1, 0, 0) et les relations de
récurrence valables pour tout n ∈ N :
un+1 = un − vn − 2wn
vn+1 = 2vn + wn
wn+1 = un + vn + 3wn .
Solution:
1. Un calcul passionnant du polynôme caractéristique montre que χ A = (X − 2)3 , donc seul 2 est valeur propre,
or A 6= 2I donc A n’est pas diagonalisable.
Une base de Ker(A − 2In ) est V = t(1, −1, 0) . On la complète avec V2 = t(−1, 0, 1) et V3 = t(1, 0, 0) et
! ! !
0 1 0 1 −1 −2 1 −1 1
−1
P AP = 0 0 1 · 0 2 1 · −1 0 0
1 1 1 1 1 3 0 1 0
!
2 1 0
= 0 2 1 = T.
0 0 2
n(n − 1) n−2 2
T n = 2n I + n2n−1 N + 2 N
2
!
2n n2n−1 2n−3
n(n − 1)
= 0 2n n2n−1 ,
0 0 2n
Solution:
En notant (an , bn , cn ) les affixes des positions respectives dans le plan complexe des moutons Anselme, Barnabé
et Clotaire, on a la relation de récurrence
! ! !
an+1 −1 2 0 an
bn+1 = 0 −1 2 · bn .
cn+1 −2 4 −1 cn
(un peu de géométrie élémentaire...) √ √
Les valeurs propres de A sont 1 , λ = 5 − 2 et µ = −(2 + 5) .
Les vecteurs propres correspondants aux deux premières valeurs propres (les seules dont le module n’est pas > 1 )
sont ! !
1 1
e1 = 1 e2 ρ − 1
1 2−ρ
√
5+1
où ρ désigne le nombre d’or . Notons aussi e3 un vecteur propre pour la troisième valeur propre.
! 2
a0
Si on a, initialement, b0 = αe1 + βe2 + γen , on aura, au bout de n parties :
c0
!
an
bn = αe1 + βλn e2 + γ n e3
cn
.
Une c.n.s pour que les moutons ne se perdent pas est donc γ = 0 . La position initiale est donc αe1 + βe2 .
Le premier vecteur propre indique simplement que la position initiale des trois moutons peut être translatée de
la même quantité pour chacun (invariance par translation, logique). Le deuxième vecteur propre indique que la
position des moutons doit donc être : alignés, avec Clotaire éloigné d’Anselme ρ fois plus que Barnabé d’Anselme
c0 − a0 2−ρ−1
(on calcule en effet que = = ρ ).
b0 − a 0 ρ−1−1
Au bout d’un nombre infini de parties, puisque β n −→ 0 , les moutons se retrouvent tous au même point d’affixe
−→ −→
α ; c’est le point Ω tq AΩ = (ρ + 1)AB .
Solution:
Cas λ = 0
Alors u ◦ v n’est pas inversible, et det(u ◦ v) = 0 entraı̂ne det(v ◦ u) = 0 donc v ◦ u non inversible donc 0 est
aussi valeur propre de v ◦ u .
Cas λ 6= 0
Si x est vecteur propre associé à la valeur propre λ alors u(v(x)) = λx donne v(u(v(x))) = λv(x) .
De plus λx 6= 0 entraı̂ne v(x) 6= 0 et donc λ est valeur propre de v ◦ u (un vecteur propre associé étant v(x) ).
Solution:
n n
X X
En trigonalisant A , on obtient tr A2 = λ2i . Or, le terme d’indice (i, i) de A2 n’est autre que ai,j aj,i ....
i=1 j=1
comparer les polynômes caractéristiques de AB et de BA. Que peut-on dire dans le cas n = p ?
Solution:
Puisque f laisse stable chacun des sous-espaces Rp [X] (car il est clair que deg(P ) 6 p ⇒ deg(f (P )) 6 p ), la
matrice de f dans la base canonique (1, X, X 2 , . . . , X n ) de Rn [X] est triangulaire supérieure. Les valeurs propres
de f sont donc les éléments diagonaux de cette matrice.
Or pour tout k f (X k ) = k(k + 1)X k − k(k − 1)X k−2 donc les valeurs propres de f sont les entiers k(k + 1)
pour k ∈ J0 ; nK . Ces n + 1 nombres sont distincts donc f est diagonalisable, et chaque sous-espace propre est de
dimension 1 .
Solution:
Considérer l’image par u de la base {(X − 1)n , n ∈ N} !
Solution:
La matrice A est la matrice dans la base canonique (1, X, . . . , X n ) de
l’endomorphisme
u : P ∈ Cn [X] 7→ nXP + (1 − X 2 )P ′
Considérons alors la base de polynômes étagés (1, (X + 1), . . . , (X + 1)n ) . On a
qui se réécrit
u((X + 1)k ) = (n − k)(X + 1)k+1 + (2k − n)(X + 1)k
La matrice de l’endomorphisme u dans la base (1, (X +1), . . . , (X +1)n ) est triangulaire inférieure de coefficients
diagonaux distincts
2k − n avec k ∈ {0, . . . , n}
On en déduit χA et on observer que A possède n + 1 valeurs propres distinctes. La matrice A est donc
diagonalisable.
Solution:
Z x Z 1
Posons F = u(f ) . On a F (x) = t f (t) dt + x f (t) dt .
0 x Z 1
1 ′
Cela montre que F est de classe C . On calcule sa dérivée : ∀ x ∈ [0, 1], F (x) = f (t) dt , donc F ′ est de classe
x
C 1 puis F ′′ (x) = −f (x) .
Soit f ∈ E telle que u(f ) = λf .
Si λ = 0 , on a F = 0 d’où f = 0 : 0 n’est pas valeur propre.
Sinon f est de classe C 2 et vérifie : λf ′′ + f = 0 . Puisque f (0) = 0 , on a nécessairement :
x
f (x) = A sin √ si λ > 0
λ
x
f (x) = A sh √ si λ < 0
λ
Cependant, l’expression de la première dérivée montre que u′ (f )(1) = 0 , donc aussi f ′ (1) = 0 .
x ′ A 1
Si λ > 0 , une solution est de la forme fA : x 7−→ A sin √ . On a fA (1) = √ cos √ .
λ λ λ
1 π
Puisque A 6= 0 , on doit donc avoir √ ∈ πZ + , soit
λ 2
1
λ= 2 , avec k ∈ Z∗
k + 21 π 2
(en fait, N∗ suffit).
x ′ 1 x
Si λ < 0 , et si gA = A sh √ , on a gA (x) = √ ch √ et ne peut donc s’annuler nulle part, et donc en
−λ −λ −λ
particulier pas en 1 .
Ainsi le spectre de u est ( )
1
Sp(u) = λk = , k ∈ N∗
1 2
k+ 2
π2
l’espace propre associé à λk est
1
Eλk = x 7−→ A sin k+ 2
πx tq A ∈ C .
Solution:
On a par linéarité : u2 (M ) = tr(A)u(M )−(tr M ) u(A) = tr(A)u(M ) donc le polynôme X 2 −tr(A)X est annulateur
|{z}
=0
de u .
Les valeurs propres de u sont donc incluses dans {0, tr(A)} .
– Si tr(A) = 0 , la seule valeur propre de u est 0 , et u(M ) = 0 ⇐⇒ tr(M ) = 0 (car on a supposé A 6= 0 ) donc
le sous-espace propre associé est l’hyperplan des matrices de trace nulle ; u n’est donc pas diagonalisable.
– Sinon, u annule un polynôme scindé à racines simples donc est diagonalisable.
Le sous-espace propre associé à la valeur propre tr(A) est l’hyperplan des matrices de trace nulle puisque
u(M ) = tr(A)M ⇐⇒ tr(M ) = 0 (car on a supposé A 6= 0 ).
Le sous-espace propre associé à la valeur propre 0 est donc une droite, et c’est facilement celle engendrée par
A.
Solution:
1
On remarque que si M est symétrique, c’est-à-dire si tM = M on a u(M ) = M et que si M est antisymétrique,
3
on a u(M ) = M . Sn (R et AS n , (R) sont donc des sous-espaces propres de u associés aux valeurs propres 1/3 et
1 . Comme ils sont supplémentaires (résultat de cours), u est diagonalisable.
n(n + 1)
On en déduit alors que 1/3 est d’ordre de multiplicité dim Sn (R) = et que 1 est d’ordre de multiplicaité
2
n(n − 1) n(n + 1) 1 n(n − 1)
n(n+1)
1 2
dim AS n (R) = . On aura donc tr u = · + = . . . et det u = .
2 2 3 2 3
Solution:
a)
λ ∈ Sp(ΦA ) ⇐⇒ ∃M 6= 0 tq AM = λM ⇐⇒ ∃M 6= 0 tq (A − λIn )M = 0
⇐⇒ ∃M 6= 0 tq Im M ⊂ Ker(A − λIn ) ⇐⇒ Ker(A − λIn ) 6= {0}
Exercice 25: Localisation des valeurs propres : disques de Gershgörin et ovales de Cassini (⋆⋆⋆)
n
X
Soit A = (aij )ij ∈ Mn (C). Notons ri (A) = |aij |.
j=1
j6=i
Solution:
1. On peut utiliser directement le th. d’Hadamard : si λ est valeur propre de A , A − λIn n’est pas inversible,
donc n’est pas à diagonale strictement dominante...
Cependant, celui-ci n’étant pas au programme, on peut refaire la démonstration :
Soit X = t(X1 , . . . , Xn ) un vecteur propre de A pour la valeur propre λ . Soit i0 l’indice i0 ∈ J1 ; nK tel que
|Xi0 | > |Xi | pour tout i ( Xi0 est non nul puisque X 6= 0 ).
On considère alors la i0 -ième ligne du système AX = λX , ce qui donne
X
(λ − ai0 ,i0 ) Xi0 = ai0 ,j Xj
j6=i0
et donc λ ∈ Di0 .
2. On fait la même chose en choisissant les deux indices i et j tels que |Xi | > |Xj | > |Xk | pour tout k ∈ J1 ; nK .
Deux cas sont à considérer :
– Si Xj = 0 , alors X n’a qu’une coordonnée non nulle, et on obtient (pour la i -ème ligne du système
AX = λX ), λ = aii , ce qui montre que λ ∈ Bij .
– Si Xj 6= 0 , alors les lignes i et j du système AX = λX s’écrivent, après réorganisation et inégalités
triangulaires :
X
|λ − aii | · |Xi | 6 |aik | · |Xk | (∗)
k6=i
X
|λ − ajj | · |Xj | 6 |ajℓ | · |Xℓ | (∗∗) .
ℓ6=j
Dans la première équation, tous les |Xk | sont majorés par |Xj | (puisque le plus grand, |Xi | , ne figure pas
dans la somme) ; dans la seconde, on ne peut en revanche majorer les |Xℓ | que par |Xi | . Les deux inégalités
s’écrivent donc
|λ − aii | · |Xi | 6 ri (A) |Xj | et |λ − ajj | · |Xj | 6 rj (A) |Xi | .
Le produit de ces deux équations et la simplification par |Xi Xj | (non nul) montre que λ ∈ Bij .
3. On a ici ri (A) = 2 pour tout i , donc, pour tout λ ∈ Sp(An ) , on a |λ − 2| 6 2 , donc les valeurs propres réelles
de An appartiennent à l’intervalle [0, 4] . (remarque pour les 5/2 : An est symétrique réelle donc...).
Soit λ ∈ Sp(A) et X = t(X1 , . . . , Xn ) un vecteur propre associé. En posant de plus X0 = Xn+1 = 0 , le système
An X = λX s’écrit :
∀ k ∈ J1 ; nK, Xk−1 + (−2 − λ)Xk + Xk+1 = 0
Puisque λ ∈ [0, 4] , on peut poser λ + 2 = 2 cos θ avec θ ∈ [0, π] . On a donc :
∀ k ∈ J1 ; nK, Xk−1 − 2 cos θXk + Xk+1 = 0
La suite (Xk )06i6n+1 vérifient donc une récurrence linéaire d’ordre deux, dont l’équation caractéristique est
r 2 − 2 cos θr + 1 = 0 , dont les racines sont ±eiθ .
Limitons nous pour l’instant au cas λ ∈]0, 4[ , i.e θ ∈/ {0, π} . Les deux racines de l’équation caractéristique sont
donc distinctes, et il existe donc α, β tels que Xk = α sin(kθ) + β cos(kθ) . La condition X0 = 0 donne β = 0 .
kπ
La condition Xn+1 = 0 s’écrit (puisque β 6= 0 car X 6= 0 ) : sin (n + 1)θ = 0 , soit θ = avec k ∈ J1 ; nK
n+1
puisque θ ∈]0, π[ .
On a trouvé n valeurs propres dans ]0, 4[ , ce sont donc exactement les valeurs propres de An .
kπ
En conclusion, les valeurs propres de An sont les réels λk = 2 cos θk − 2 = −4 sin2 (θk /2) avec θk = et
n+1
k ∈ J1 ; nK . Le sous-espace propre associé à la valeur propre λk est de dimension 1 ; c’est la droite vectorielle
engendrée par le vecteur X = t(X1 , . . . , Xn ) avec Xi = sin(iθk ) .
Solution:
a) On a A = J − I donc A2 = J 2 − 2J + I = J + I ce qui montre que A2 − A − 2I = 0 : on pose donc
P = X 2 − X − 2 = (X + 1)(X − 2) .
b) Les valeurs propres de A sont dans les racines de P , donc 0 ∈
/ Sp(A) donc A inversible.
c) Sp(A) ⊂ {−1, 2} . Par ailleurs A est diagonalisable ( P est scindé à racines simples), le spectre de A est non
vide (dimension 3 impaire), et A ne saurait avoir une seule valeur propre (sans quoi, étant diagonalisable, elle
serait scalaire), donc Sp(A) = {−1, 2} .
Solution:
Le polynôme P s’écrit
P (X) = P (0) + a1 X + . . . + ap X p
L’égalité AB = P (A) donne alors
Solution:
Un polynôme annulateur de A est X 3 − 3X + 4 = (X − λ)(X − µ)(X − µ̄) , où λ est la racine réelle ( λ < 0 ).
On en déduit que det(A) = λp · (µµ̄)2q où p = n − 2q .
Ainsi, det A est du signe de (−1)p = (−1)n
Solution:
Un polynôme annulateur de A est X 3 + X 2 + X , de racines 0, j, j 2 . Il suffit alors de diagonaliser A dans Mn (C)
en remarquant que j et j 2 ont même ordre de multiplicité...
Solution:
On a facilement, par récurrence, Ak C = CB k pour tout entier k . Donc, pour tout P ∈ C[X] , on a
P (A) · C = C · P (B) .
Soit P le polynôme caractéristique de B . Alors P (B) = 0 (Cayley-Hamilton) donc P (A) · C = 0 . Ainsi,
Im C ⊂ Ker P (A) . Or, puisque C 6= 0 , on en déduit que Im C 6= {0} donc Ker P (A) 6= {0} donc det P (A) = 0 .
n
Y Y
Or P = (λi − X) où les λi sont les valeurs propres de B distinctes ou non. P (A) = (A − λi In ) donc
i=1
Y
det P (A) = det(A − λi In ) = 0 implique que l’un des det(A − λi In ) est nul, i.e que l’un des λi est aussi valeur
propre de A .
Solution:
χ A = X n −tr(A) X n−1 + . . . +(−1)n det(A) In . Or χ A (A) = 0 (Cayley-Hamilton), d’où An −tr(A) An−1 + . . . +(−1)n det(A) In
On remplace An par In et on utilise la liberté de la famille donnée ; on obtient la nullité des coefficients, d’où
tr A = 0 et det A = (−1)n+1 .
Solution:
a) L’image d’un endomorphisme est toujours stable par celui-ci ! En effet
Solution:
a) Ici, K = C .
u annule un polynôme scindé simple, l’endomorphisme u est donc diagonalisable. Tout sous-espace vectoriel
possédant une base de vecteurs propres est stable et inversement (vu en classe, cela découle du fait que la
restriction d’un endomorphisme diagonalisable à un sous-espace vectoriel stable est encore diagonalisable).
b) Maintenant, K = R , cela change tout !
• On vérifie facilement que Ker(u − IdE ) ∩ Ker(u2 + u + IdE ) = {0} (si x est dans l’intersection alors u(x) = x
et u2 (x) + u(x) + x = 0 d’où ...) donc la somme des deux sous-espaces vectoriels est directe.
Il est tout aussi facile de montrer que Im(u−IdE ) ⊂ Ker(u2 +u+IdE ) (compte tenu de u3 = IdE c’est-à-dire
(u2 + u + IdE ) ◦ (u − IdE ) = 0 ).
On a donc dim(Ker(u2 + u + IdE )) > dim Im(u − IdE ) donc par le théorème du rang
dim Ker(u − IdE ) ⊕ Ker(u2 + u + IdE ) = dim(Ker(u2 + u + IdE )) + dim Ker(u − IdE ) > dim E
Solution:
a) Si e 6∈ H alors la valeur de u(e) détermine entièrement un élément u de {u ∈ E ⋆ /u(H) = {0}}
(car une application linéaire est entièrement déterminée par ses restrictions à deux sous-espaces vectoriels
supplémentaires).
Cela permet de montrer que l’application qui à u ∈ {u ∈ E ⋆ /u(H) = {0}} associ u(e) est un isomorphisme
entre cet ensemble et K . Donc la dimension cherchée vaut 1.
b) Si H est stable par f alors pour tout x ∈ H, u(f (x)) = 0 donc u ◦ f ∈ {v ∈ E ⋆ /v(H) = {0}} . Or cet ensemble
est une droite vectorielle contenant u (et u 6= 0 sinon H ne serait pas un hyperplan) donc u ◦ f est colinéaire
à u . La réciproque est immédiate.
c) MatB (u) = L 6= 0 (car u définit une équation d’hyperplan), MatB (u ◦ f ) = LA donc
u ◦ f = λu ⇔ LA = λL ⇐⇒ t At L = λt L
Solution:
a) Sp(A) = {−1, 1, 3} . Les 3 valeurs propres étant distinctes, la matrice A est diagonalisable et ses espaces
propres sont des droites vectorielles. Puisqu’une droite vectorielle est stable si et seulement si elle est engendré
par un vecteur propre, les droites vectorielles stables par f sont celles engendrées par des vecteurs propres
associés aux valeurs propres propres trouvées précédemment ; on calcule et on trouve :
b) On montre déjà (cf. exercice précédent) que P est stable par f si et seulement si Vect(~n) est stable par
l’endomorphisme canoniquement associé à tA , i.e. ~n vecteur propre de tA . On calcule alors ces vecteurs
propres et on trouve que les plans vectoriels stables par f sont ceux de vecteurs normaux
c) Même principe, sauf que maintenant B possède une valeur propre double.
Les droites vectorielles stables par g sont celles incluses dans le plan d’équation x − y + 2z = 0 et celle de base
par (−1, 0, 1) .
Les plans vectoriels stables par g sont ceux de droite normale incluse dans le plan d’équation x = z et ou de
base par (−1, 1, −2) .
Solution:
Soit B une base de E , et A ∈ Mn (R) la matrice de f dans cette base. On suppose que E n’admet aucun
sous-espace stable par f de dimension 1 , par suite f n’admet pas de valeurs propres (réelles), donc A admet au
moins deux valeurs propres complexes non réelles conjuguées λ = a + ib et λ = a − ib . Notons alors X ∈ Cn \ {0}
un vecteur propre de A associé à la valeur propre a + ib , on peut écrire X = U + iV avec (U, V ) ∈ (Rn )2 , et de
plus clairement V 6= 0 .
On a alors AX = λX , i.e. A(U + iV ) = (a + ib)(U + iV ) d’où AU + iAV = aU − bV + i(bU + aV ) , et
AU = aU − bV
donc
AV = bU + aV
2
f (u) = au − bv
Notons alors (u, v) ∈ E dont les coordonnées dans la base B sont respectivement U et V , alors
f (v) = bu + av
et donc Vect{u, v} est stable par f .
Si la famille (u, v) était liée, alors comme v 6= 0 il existerait µ ∈ R tel que u = µv , d’où f (v) = (bµ + a)v , et v
serait vecteur propre de f , ce qui est exclus par hypothèse. On a donc dim Vect{u, v} = 2 , et E admet un sev
stable par f de dimension 2 .
Solution:
a) Le cas n = 1 est immédiat car v est alors nécessairement nul.
Le cas v = 0 est tout aussi immédiat.
b) F = Imv est stable par u car u et v commutent et v et puisque v n’est pas bijectif, 1 6 dim F < n : on
pourra donc appliquer 1’hypothèse de récurrence à F .
On choisit une base formée d’une base de F que l’on a complétée en une base de E . Alors les matrices de u
et v dans cette base sont de la forme :
A B D E
et
0 C 0 0
pour u et v respectivement.
c) A et D sont associées aux endomorphismes induits par u et v sur F . Ces endomorphismes induits vérifient les
hypothèses initiales et donc, par l’hypothèse de récurrence, det(A+D) = det A puis det(u+v) = det(A+D)×det C = detA×d
Solution:
a) On commence par démontrer la propriété pour P = X k ( k ∈ N ), ce qui s’écrit :
∀ k ∈ N, uv k − v k u = λkv k .
∀ k ∈ N, ϕ(v k ) = λkv k .
Si par l’absurde v n’était pas nilpotent, les endomorphismes v k étant tous non nuls, cela signifierait que les
scalaires λk pour k ∈ N sont tous valeurs propres de ϕ . Or ces scalaires sont en nombre infini puisque λ 6= 0 ,
ϕ possèderait donc une infinité de valeurs propres alors que c’est un endomorphisme de L (E) espace vectoriel
de dimension finie : contradiction !
Solution:
p
X
Si (λ1 , . . . , λp ) étaient les valeurs propres distinctes non nulles de u , alors tr uk = λki . L’énoncé donne alors un
i=1
système de Vandermonde homogène de déterminant non nul et ayant une solution non triviale, d’où impossibilité.
Ainsi, la seule valeur propre possible de u est 0 . Le polynôme caractéristique de u est donc X n et, d’après
Cayley-Hamilton, u est nilpotent.
Solution:
– 1ère solution
D1 0 P1 0
• Si A1 et A2 sont diagonalisables, on écrit Ai = P Di Pi−1 puis A = Q Q−1 avec Q =
0 D2 0 P2
donc A est diagonalisable.
Ak1 0
• Si A est diagonalisable, elle annule un polynôme scindé à racines simples Π . Puisque Ak = pour
0 Ak2
Π(A1 ) 0
tout entier k , on a par linéarité Π(A) = = 0 et ainsi Π est aussi un polynôme annulateur
0 Π(A2 )
des Ai , scindé à racines simples, donc les matrices Ai sont diagonalisables.
– 2ème solution
Soient F1 et F2 des sous-espaces vectoriels supplémentaires de dimension p et q d’un K -espace vectoriel E .
Soit B = (B1 , B2 ) une base adaptée à la supplémentarité de F1 et F2 et f1 , f2 et f les endomorphismes de
F1 , F2 et E déterminés par Mat (f1 , B1 ) = A1 , Mat (f2 , B2 ) = A2 et Mat (f, B) = A .
Il est clair que pour tout λ ∈ K , on a Eλ (f ) = Eλ (f1 ) ⊕ Eλ (f2 ) . En caractérisant la diagonalisabilité par la
somme des dimensions des sous-espaces propres, on conclut à l’équivalence voulue.
Solution:
On commence par calculer, en utilisant le produit par blocs :
A A A2
2 2A2 A3
3 3A3
B= , B = , B = ...
0 A 0 A2 0 A3
Ak kA k
On va donc démontrer par récurrence sur k ∈ N que : B k = .
0 Ak
Or !
d
X d
X d
X
k k k−1
kak X = kak X = X ak (kX ) = XP ′ (X)
k=0 k=1 k=1
P (A) AP ′ (A)
de sorte que l’on a : P (B) = .
0 P (A)
Supposons B diagonalisable. Il existe donc un polynôme P , scindé à racines simples, tel que P (B) = 0 . On
déduit alors du calcul précédent que P (A) = 0 et AP ′ (A) = 0 ; cela signifie que les polynômes P et XP ′ sont
annulateurs de A .
On en déduit que les valeurs propres de A font partie des racines communes à P et à XP ′ . Or, P et P ′ n’ont
pas de racine commune puisque P est scindé à racines simples ! La seule valeur propre possible de A est donc 0 .
D’autre part, puisque P (A) = 0 , A possède aussi un polynôme annulateur scindé à racines simples, donc A est
diagonalisable.
A étant diagonalisable et sa seule valeur propre étant 0 , A est semblable à diag(0, . . . , 0) , c’est-à-dire : A = 0 .
Réciproquement,
si A = 0 , on a aussi B = 0 et B est diagonalisable. Donc :
A A
B= est diagonalisable si et seulement si A est nulle.
0 A
Solution:
1. J est la matrice d’un endomorphisme d’un espace vectoriel de dimension n qui transforme une base
(e1 , e2 , . . . , en ) en la base (en , e1 , e2 , . . . , en−1 ) (matrice de permutation). Cela permet de calculer facilement
les J k et en particulier on obtient J n = In , ce qui montre que le polynôme X n − 1 est annulateur de J . On
en déduit que
Sp(J) ⊂ ωnk tq k ∈ J0 ; n − 1K ,
où l’on a posé ωn = e2iπ/n .
En résolvant le système JV = ωnk V on trouve que le sous-espace propre associé à la valeur propre ωnk est de
1
k
ωn
ω 2k
dimension 1 et engendré par le vecteur n
. .
..
(n−1)k
ωn
Cela montre que J est diagonalisable.
On peut alors écrire
J = P ∆P −1 P = (ωn(j−1)(i−1) )
et ∆ = diag(1, ωn , ωn2 , . . . , ωnn−1 ) .
2.3. Questions bizarrement posées...
On a K = J −1 = J n−1 donc D(a, b, c) = AIn + cJ + bJ n−1 = P (aIn + c∆ + b∆n−1 )P −1 et c’est fini....