ExosReduction Aveccorriges

EX.
XVI– RÉDUCTION DES ENDOMORPHISMES PSI* 19-20
EXERCICES : RÉDUCTION DES ENDOMORPHISMES, AVEC CORRIGÉS
Diagonalisation élémentaire (ex. 1 à 9)
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
Exercices – © T.LEGAY – Lycée d’Arsonval 1/19 8 mars 2020

EX. XVI– RÉDUCTION DES ENDOMORPHISMES PSI* 19-20
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
a) Calculer AtA, det A et montrer que rg(A) = 2 ou 4 .

b) On pose α2 = b2 + c2 + d2 supposé non nul. Montrer que A est diagonalisable.
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 .
Les valeurs propres de A sont donc a ± α , chacune étant de multiplicité 2 ( α 6= 0 ).

D’après l’étude précédente, rg(A − (a ± α)I4 ) = 2 , donc la dimension de chaque sous-espace propre est égale
à 2 et A est diagonalisable.
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 :
E(n−1)a = Vect(1, . . . , 1) (droite) et E−a : x1 + . . . + xn = 0 (hyperplan).
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
 
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
On cherche une matrice M telle que M 2 = A soit, en posant ∆ = P −1 M P , ∆2 = D .

∆ commute avec D ( ∆D = D∆ = ∆3 !) et D a ses éléments  diagonaux distincts,
 donc ∆ est diagonale (résultat
√
± 3 √
classique et important, à savoir redémontrer !) . Donc ∆ =  ± 2 .
±1
On a donc 8 ≪ racines carrées ≫ de D , et on a
! √  !
1 0 0 ε3 3 √ 1 0 0
−1
M = P ∆P = −5 1 0  ε2 2  5 1 0
2 0 1 ε1 1 −2 0 1
 √ 
√ε3 3 √ 0√ 0
= −5ε3 √3 + 5ε2 2 ε2 2 0  .
2ε3 3 − 2ε1 0 ε1
avec ε1 , ε2 , ε3 ∈ {−1, 1} .
!
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 .
Puissances de matrices (ex. 10 à 13)
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
ce qui montre que, pour tout p ∈ N , la matrice −p(−p−1)2

(A + I3 )2 + p(A + I3 ) + I3 est l’inverse de la matrice
p(p−1) 2
2
(A + I3 ) − p(A + I3 ) + I3 , autrement dit, la formule (∗) reste valable pour p entier négatif.
• 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∗ .

a

∗ 1 n
Soit a ∈ R. On pose, pour tout n ∈ N : An = a .
n 1
n
Calculer lim (An ) .
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

!
1 −1 −2
a) On pose A = 0 2 1 . Trigonaliser A.
1 1 3
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
2. On pose ensuite Xn = t(un , vn , wn ) , alors Xn = An X0 . Le problème est donc de calculer An .

!
0 0 1
Or T = 2I + N avec N 2 = 0 0 0 et N 3 = 0 donc
0 0 0
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
ce qui donne en définitive
un = 2n − n2n−1 − n(n − 1)2n−3

vn = n(n − 1)2n
wn = n2n−1 .
Exercice 13: Le jeu de saute-moutons (⋆⋆⋆)

Trois moutons sont dans un pré et jouent à saute-moutons. Le premier moutons, nommé Anselme, saute
au-dessus de Barnabé et se retrouve dans la position symétrique de celle qu’il occupait par rapport
à Barnabé. Barnabé saute ensuite au-dessus de Clotaire, puis Clotaire au-dessus d’Anselme. Le jeu
recommence indéfiniment.
Le pré pouvant être considéré comme un plan, trouver les configurations de départ telles que les moutons
restent dans une portion bornée du plan.
Dans ce cas, où se retrouvent les moutons après un nombre infini de parties ?
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 .
Éléments propres (ex. 14 à 25)
Exercice 14: (b)

Soient u et v deux endomorphismes d’un R-espace vectoriel de dimension finie.
Montrer que si λ est une valeur propre de u ◦ v alors λ est aussi valeur propre de v ◦ u .
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) ).
Exercice 15: (b)

Soit A = (ai,j ) ∈ Mn (C), et (λ1 , . . . , λn ) ses valeurs propres dans C (distinctes ou non). Montrer que :
n
X n X
X n
λ2i = ai,j aj,i .
i=1 i=1 j=1
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
Exercice 16: (⋆)

Soit A ∈ Mnp (R) et B ∈ Mpn (R). Soit x ∈ R. En utilisant les produits par blocs :

xIn A −In 0 xIn A −In A
et ,
B Ip B Ip B Ip 0 −xIp
comparer les polynômes caractéristiques de AB et de BA. Que peut-on dire dans le cas n = p ?
Exercice 17: (⋆)

R[X] −→ R[X]
Soit u :
P 7−→ (X 2 − 1)P ′ − (2nX + k)P (n ∈ N∗ , k ∈ R)
Déterminer les éléments propres de u . u est-il diagonalisable ?
Exercice 18: (⋆)

Montrer que l’application
f : P 7→ (X 2 − 1)P ′′ (X) + 2XP ′ (X)
est un endomorphisme de l’espace vectoriel réel E = Rn [X]. Former la matrice de f relative à la base
canonique de E . En déduire la diagonalisabilité de f ainsi que ses valeurs propres et la dimension des
sous-espaces propres associés.
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 .
Exercice 19: (⋆)

C[X] −→ C[X]
Soit u :
P 7−→ (X − 1)P ′ + aP (1) (a ∈ C − N)
u est-elle injective ? surjective ? Déterminer les éléments propres de u .
Solution:
Considérer l’image par u de la base {(X − 1)n , n ∈ N} !

Monter que la matrice suivante est diagonalisable
 
0 1 (0)
 .. 
n . 2 
 .. ..

A= 
 n−1 . .
 ∈ Mn+1 (C)

 .. ..

 . .

n
(0) 1 0
(Indication : on pourra interpréter A comme la matrice d’un endomorphisme de Cn [X])
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
u((X + 1)k ) = nX(X + 1)k + k(1 − X)(X + 1)k
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.


 E
 −→ E
Z 1
Soit E = C ([0 ; 1], R) et u :
 f
 7−→ x 7−→ min(x, t) f (t) dt
0
Déterminer les éléments propres de f .
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 .
Exercice 22: (⋆)

Soit A une matrice donnée non nulle de Mn (K) et u l’endomorphisme de Mn (K) défini par :
∀ M ∈ Mn (K), u(M ) = tr(A)M − (tr M )A.
Déterminer ses éléments propres. u est-il diagonalisable ?
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.
Exercice 23: (⋆)

(
Mn (K) −→ Mn (K)
Soit u : 1
M 7−→ (2M − t M )
3
Montrer que u est diagonalisable. Calculer tr u et det u .
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

Soient A ∈ Mn (C) et ΦA l’endomorphisme de Mn (C) définie par ΦA (M ) = AM .
a) Montrer que les valeurs propres de ΦA sont les valeurs propres de A.
b) Déterminer les valeurs propres de ΨA : M 7→ M A.
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}
(je vous laisse le soin de justifier en détails la dernière équivalence).

Cela montre que λ ∈ Sp(ΦA ) ⇐⇒ λ ∈ Sp(A) d’où le résultat demandé.
On a même plus : en effet, d’après les équivalences précédentes, si λ est une valeur propre de A , M est un
vecteur propre de ΦA si et seulement si Im M est incluse dans Ker(A − λIn ) = Eλ (A) . Donc le sous-espace
propre de ΦA associé à λ est isomorphe à l’espace vectoriel des applications linéaires de Cn dans Eλ (A) , donc
dim Eλ (ΦA ) = n dim Eλ (A) . Il est alors très facile d’en déduire :
ΦA diagonalisable ⇐⇒ A diagonalisable.
b) Utiliser la transposition pour se ramener à la question précédente...
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
a) On note Di la boule fermée de centre aii et de rayon ri (A) (disque de Gershgörin).

n
[
Montrer que Sp(A) ⊂ Di .(utiliser le théorème de Hadamard, voir feuille d’exercices n° ...)
i=1
b) Pour tout i 6= j , on note :

Bij (A) = z ∈ C tq |z − aii | · |z − ajj | 6 ri (A) rj (A) (ovale de Cassini).
[
Posons B(A) = Bij (A).
16i<j6n
Montrer que Sp(A) ⊂ B(A).
c) Application : Diagonaliser la matrice An ∈ Mn (R) telle que :

 ai,i = −2 pour tout i ∈ [1, n]
An = ai,i+1 = ai,i−1 = 1

ai,j = 0 sinon .
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, par inégalité triangulaire et majoration des Xj :

X
|λ − ai0 ,i0 | 6 |ai0 ,j | 6 ri0 (A)
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 ) .
Utilisation de polynômes d’endomorphismes (ex. 26 à 32)
Exercice 26: (b)

!
0 1 1
On pose A = 1 0 1 .
1 1 0
a) Trouver P ∈ R[X] tel que P (A) = 0 .
b) En déduire que A est inversible.
c) Déterminer le spectre de A.
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} .
Exercice 27: (⋆)

Soient A, B ∈ Mn (K) . On suppose qu’il existe un polynôme non constant P ∈ K[X] vérifiant
AB = P (A) et P (0) 6= 0 .
Montrer que A est inversible et que A et B commutent.
Solution:
Le polynôme P s’écrit
P (X) = P (0) + a1 X + . . . + ap X p
L’égalité AB = P (A) donne alors
A(B − (a1 In + a2 A + . . . + ap Ap−1 )) = P (0)In
On en déduit que A est inversible et son inverse est

1
A−1 = (B − (a1 In + a2 A + . . . + ap Ap−1 ))
P (0)
l’égalité A−1 A = In donne alors

BA = P (A)
et on peut conclure que A et B commutent.

Exercice 28: (⋆)

Soit A ∈ Mn (R) tel que A3 − 3A + 4In = 0 . Déterminer le signe de det A.
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
Exercice 29: (b)

Soit A ∈ Mn (R) telle que A3 + A2 + A = 0 . Montrer que le rang de A est pair.
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...
Exercice 30: (⋆)

Soit u l’endomorphisme de Mn (K) défini par : u(M ) = −M + tr(M )In .
Déterminer un polynôme annulateur de u , de degré 2. Quels sont les éléments propres de u ? u est-il
diagonalisable ? u est-il inversible ? Calculer det u .

Soient A, B, C ∈ Mn (C) avec C 6= 0 telles que AC = CB .
Montrer que A et B ont au moins une valeur propre en commun.
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 .

Soit A ∈ Mn (C) telle que An = In et (In , A, A2 , . . . , An−1 ) est libre.
Calculer tr A et det 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 .
Sous-espaces stables (ex. 33 à 37)
Exercice 33: (⋆)

Soient E un R-espace vectoriel de dimension finie et u un endomorphisme de E vérifiant u3 + u = 0 .
a) Montrer que l’espace Im u est stable par u.
b) Pour x ∈ Im u , calculer u2 (x).
c) Soit v l’endomorphisme induit par u sur Im u. Montrer que v est un isomorphisme.
d) En déduire que le rang de l’endomorphisme u est un entier pair.

Solution:
a) L’image d’un endomorphisme est toujours stable par celui-ci ! En effet
∀x ∈ Imu, u(x) ∈ Imu
b) Si x ∈ Imu alors il existe a ∈ E tel que x = u(a) . On a alors
u2 (x) = u3 (a) = −u(a) = −x
c) En vertu de ce qui précède, v 2 = -Id donc v est un isomorphisme et v −1 = −v.

d) D’une part
1
det(v −1 ) =
det v
et d’autre part
det(−v) = (−1)dim Im u det v
donc
(−1)dim Im u > 0
On en déduit que la dimension de l’image de u est paire.

Soit E un K -espace vectoriel de dimension finie et u ∈ L (E) tel que : u3 = IdE .
a) On suppose K = C. Quels sont les sous-espaces vectoriels de E stables par u ?
b) On suppose désormais K = R.
Montrer que :
E = Ker(u − IdE ) ⊕ Ker(u2 + u + IdE ).
Caractériser alors les sous-espaces vectoriels de E stables par u .
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
ce qui permet de conclure.
• Si F est un sous-espace vectoriel stable par u , posons F1 = F ∩Ker(u−IdE ) et F2 = F ∩Ker(u2 +u+IdE ) .

Montrons F = F1 ⊕ F2 .
Tout x ∈ F peut s ’écrire x = a + b avec a ∈ Ker(u − IdE ) et b ∈ Ker(u2 + u + IdE ) .
1
Puisque u(x) = a+u(b) ∈ F et u2 (x) = a+u2 (b) ∈ F , on a a = (x+u(x)+u2(x)) ∈ F puis b = x−a ∈ F.
3
Ainsi a ∈ F1 , b ∈ F2 et on a donc F ⊂ F1 + F2 .
Il est alors immédiat qu’on peut alors conclure F = F1 ⊕ F2 .
Puisque F2 ⊂ Ker(u2 + u + IdE ) , pour x ∈ F2 non nul (x, u(x)) est libre et
Vect (x, u(x)) est stable par u . Cela permet d’établir que F2 est la somme directe de sous-espaces vectoriels
de la forme Vect(x, u(x)) avec x 6= 0 et x ∈ Ker(u2 + u + IdE ) . Quant à F1 , il n’y a pas de condition
particulière puisque tout sous-espace vectoriel de Ker(u − IdE ) est stable par u.


Soient E un K -espace vectoriel muni d’une base B, f ∈ L(E) et H un hyperplan.
a) Déterminer la dimension du sous-espace vectoriel {u ∈ E ⋆ /u(H) = {0}} (Rappel : E ⋆ désigne
l’espace vectoriel dual).
b) Montrer que si H a pour équation u(x) = 0 alors H est stable par f si et seulement si u ◦ f est
colinéaire à u.
c) Soient A et L les matrices dans B de f et u.
Montrer que H est stable par f si et seulement si t L est vecteur propre de t A
 
3 −2 −4
d) Déterminer les plans stables par A = −1 1 1 .
1 −2 −2
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
avec t L colonne non nulle.

d) Sp(tA) = {1, 2, −1} . Une base de vecteurs propres de tA est formée des vecteurs de coordonnées (−1, −1, 1)
, (0, 1, 1) et (−1, 0, 1) .
D’après la question précédente, les plans stables par f sont donc ceux d’équations x + y − z = 0, y + z = 0 et
x − z = 0.

Soient f et g deux endomorphismes l’espace euclidien de R3 canoniquement représentés par
   
1 2 0 0 −1 2
A = −4 3 4 et B =  0 −1 0 .
2 2 −1 −1 1 −3
a) Trouver les droites vectorielles stables par f.

b) Soit P un plan de R3 de vecteur normal ~n . Montrer que P est stable par f si et seulement si
Vect(~n) est stable par f ⋆ , où f ⋆ est l’endomorphisme canoniquement associé à la matrice tA.
En déduire les plans stables par f.
c) Donner les droites et les plans stables par g.
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 :
ε1 = (1, 0, 1) , ε−1 = (−1, 1, −2) et ε3 = (1, 1, 1).
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
n1 = (−3, 1, 2) , n−1 = (−1, 0, 1) et n3 = (−1, 1, 1).
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) .

Soit E un R-ev de dimension supérieure ou égale à 1 , soit f ∈ L (E).
Montrer qu’il existe un sous-espace vectoriel de E stable par f et de dimension 1 ou 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 .
Endomorphismes nilpotents (ex. 38 à 43)
Exercice 38: (b)

Soit E un K -espace vectoriel et u, v deux endomorphismes nilpotents de E , tels que u ◦ v = v ◦ u .
Montrer que u + v et u ◦ v sont nilpotents.
Exercice 39: (⋆)

Soit E un K -espace vectoriel. Montrer que, si u ∈ L (E) est nilpotent et si v ∈ GL(E) commute avec
u , alors u + v est inversible et préciser son inverse (on pourra d’abord traiter le cas v = IdE ).
Trouver un contre-exemple si on ne suppose plus que u et v commutent.

Soient u et v deux endomorphismes d’un K -espace vectoriel de dimension n ∈ N⋆ . On suppose uov = vou
et v nilpotent.
On désire montrer que det(u + v) = det u en raisonnant par récurrence sur la dimension n > 1.
a) Traiter le cas n = 1 et le cas v = 0.
b) Pour n > 2 et v 6= 0 , former les matrices de u et v dans une base adaptée à Im v .
c) Conclure en appliquant l’hypothèse de récurrence aux restrictions de u et v à Im v.
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


Soit E un K -espace vectoriel de dimension finie n.
1. Montrer que, si u ∈ L (E) est nilpotent d’indice p, il existe x0 ∈ E tel que la famille
{x0 , u(x0 ), . . . , up−1 (x0 )} soit libre. En déduire : p 6 n.
2. Prouver que, si u est nilpotent, son indice est égal à n si et seulement si dim(Ker u) = 1 .
Quelle est alors sa matrice dans la base précédente ?
3. Soit u ∈ L (E) nilpotent d’indice n. Prouver que v ∈ L (E) commute avec u si et seulement si il
existe P ∈ Kn−1 [X] tel que v = P (u).

Soit E un K -espace vectoriel de dimension finie. Soient u, v ∈ L (E) tels que u ◦ v − v ◦ u = λv(λ ∈ K∗ ).
a) Montrer que : ∀ P ∈ K[X] , u ◦ P (v) − P (v) ◦ u = λv ◦ P ′ (v).
b) En déduire que v est nilpotent.
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 .
La démonstration se fait par récurrence sur k , je ne détaille pas...

X
Pour un polynôme P quelconque, il suffit alors d’écrire P = ak X k .
b) Considérons l’application :
L (E) −→ L (E)
ϕ:
w 7−→ u◦w−w◦u
ϕ est facilement un endomorphisme de L (E) , et les calculs de la question précédente donnent :
∀ 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 !

Soit E un C-espace vectoriel de dimension finie n, et u ∈ L (E) tel que ∀ k ∈ J1 ; nK , tr uk = 0 .
Montrer que u est nilpotent.
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.
Diagonalisabilité (ex. 44 à 49)

Soit E un C-espace vectoriel de dimension finie, et u ∈ L (E), tel que u2 soit diagonalisable.
Montrer que u est diagonalisable si et seulement si : Ker u = Ker u2

A1 O
Soient A1 ∈ Mp (K) , A2 ∈ Mq (K) et A ∈ Mp+q (K) définie par : A = .
O A2
Montrer que A est diagonalisable si et seulement si A1 et A2 le sont.

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.

α β
Soit C = ∈ M2 (C), non nulle, diagonalisable.
γ δ
αA βA
Soit A ∈ Mn (C), et B ∈ M2n (C) définie par blocs par : B = .
γA δA
Montrer que : A diagonalisable ⇐⇒ B diagonalisable

A A
Soit A ∈ Mn (C), et B ∈ M2n (C) définie par blocs par : B = .
0n A
Trouver une condition nécessaire et suffisante portant sur A pour que B soit diagonalisable.
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
– Cette relation est vraie pour k = 0, 1, 2, 3 comme on vient de le voir.

– Si l’on suppose la relation vérifiée à l’ordre k , alors

Ak kAk A A Ak+1 (k + 1)Ak+1
B k+1 = B k B = × =
0 Ak 0 A 0 Ak+1
ce qui est bien le résultat voulu.

d
X
Soit maintenant P un polynôme quelconque. On peut écrire P = ak X k d’où
k=0
 d d

X X  
d  ak Ak kak Ak  Xd
X  P (A) k
k
 k=0 k=0 kak A 
P (B) = ak B = 
 d
=
 
X k=0
ak Ak
k=0   0 P (A)
0
k=0
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
Exercice 48: Réduction simultanée (⋆⋆)

Soient u et v deux endomorphismes d’un C-espace vectoriel de dimension finie n, tels que u ◦ v = v ◦ u .
a) Montrer que tout sous-espace propre de u (resp. v ) est stable par v (resp. u ). En déduire que u
et v admettent un vecteur propre commun.
b) On suppose ici que u admet n valeurs propres distinctes. Montrer que u et v admettent une base
de vecteurs propres communs, et qu’il existe un polynôme P à coeff. dans C tel que : v = P (u).
c) On suppose ici que u et v sont diagonalisables. Montrer qu’ils admettent une base de vecteurs
propres communs (u et v sont dits co-diagonalisables).
d) Dans le cas général, montrer qu’il existe une base B de E dans laquelle les matrices de u et de v
sont triangulaires supérieures.
Exercice 49: Matrice circulante (⋆⋆)

   ...

0 1 0 0 0 1
 .. .. ..   .. 
. . .  1 . 0 0
On pose J =   et K =  .. 
.
 ..   .. .. 
0 0 . 1 0 . . .
1 0 ... 0 1 0
a) Calculer J k pour tout k ∈ N. Montrer que χ J = X n − 1 . Déterminer les éléments propres de J .

b) Exprimer K en fonction de J .
 
a c b
 .. .. 
b . . 0
c) Montrer que J et K commutent. En déduire que la matrice D(a, b, c) =   est
 .. .. 
0 . . c
c b a
diagonalisable dans C. Déterminer ses éléments propres.
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....

ExosReduction Aveccorriges

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

ExosReduction Aveccorriges

Transféré par

Droits d'auteur :

Formats disponibles

EX.

XVI– RÉDUCTION DES ENDOMORPHISMES PSI* 19-20

EXERCICES : RÉDUCTION DES ENDOMORPHISMES, AVEC CORRIGÉS

Diagonalisation élémentaire (ex. 1 à 9)

Exercices – © T.LEGAY – Lycée d’Arsonval 1/19 8 mars 2020

a) Calculer AtA, det A et montrer que rg(A) = 2 ou 4 .

Les valeurs propres de A sont donc a ± α , chacune étant de multiplicité 2 ( α 6= 0 ).

Exercices – © T.LEGAY – Lycée d’Arsonval 2/19 8 mars 2020

E(n−1)a = Vect(1, . . . , 1) (droite) et E−a : x1 + . . . + xn = 0 (hyperplan).

Exercices – © T.LEGAY – Lycée d’Arsonval 3/19 8 mars 2020

On cherche une matrice M telle que M 2 = A soit, en posant ∆ = P −1 M P , ∆2 = D .

Puissances de matrices (ex. 10 à 13)

Exercices – © T.LEGAY – Lycée d’Arsonval 4/19 8 mars 2020

ce qui montre que, pour tout p ∈ N , la matrice −p(−p−1)2

Exercice 11: (⋆⋆)

Exercice 12: (⋆⋆)

Exercices – © T.LEGAY – Lycée d’Arsonval 5/19 8 mars 2020

2. On pose ensuite Xn = t(un , vn , wn ) , alors Xn = An X0 . Le problème est donc de calculer An .

ce qui donne en définitive

un = 2n − n2n−1 − n(n − 1)2n−3

Exercice 13: Le jeu de saute-moutons (⋆⋆⋆)

Exercices – © T.LEGAY – Lycée d’Arsonval 6/19 8 mars 2020

Éléments propres (ex. 14 à 25)

Exercice 14: (b)

Exercice 15: (b)

Exercice 16: (⋆)

Exercice 17: (⋆)

Exercice 18: (⋆)

Exercices – © T.LEGAY – Lycée d’Arsonval 7/19 8 mars 2020

Exercice 19: (⋆)

Exercice 20: (⋆⋆)

(Indication : on pourra interpréter A comme la matrice d’un endomorphisme de Cn [X])

u((X + 1)k ) = nX(X + 1)k + k(1 − X)(X + 1)k

Exercice 21: (⋆⋆⋆)

Exercices – © T.LEGAY – Lycée d’Arsonval 8/19 8 mars 2020

Exercice 22: (⋆)

Exercice 23: (⋆)

Exercice 24: (⋆⋆⋆)

Exercices – © T.LEGAY – Lycée d’Arsonval 9/19 8 mars 2020

(je vous laisse le soin de justifier en détails la dernière équivalence).

a) On note Di la boule fermée de centre aii et de rayon ri (A) (disque de Gershgörin).

et donc, par inégalité triangulaire et majoration des Xj :

Exercices – © T.LEGAY – Lycée d’Arsonval 10/19 8 mars 2020

Utilisation de polynômes d’endomorphismes (ex. 26 à 32)

Exercice 26: (b)

Exercice 27: (⋆)

A(B − (a1 In + a2 A + . . . + ap Ap−1 )) = P (0)In

On en déduit que A est inversible et son inverse est

l’égalité A−1 A = In donne alors

Exercices – © T.LEGAY – Lycée d’Arsonval 11/19 8 mars 2020

Exercice 28: (⋆)

Exercice 29: (b)

Exercice 30: (⋆)

Exercice 31: (⋆⋆⋆)

Exercice 32: (⋆⋆)

Sous-espaces stables (ex. 33 à 37)

Exercice 33: (⋆)

Exercices – © T.LEGAY – Lycée d’Arsonval 12/19 8 mars 2020

∀x ∈ Imu, u(x) ∈ Imu

b) Si x ∈ Imu alors il existe a ∈ E tel que x = u(a) . On a alors

u2 (x) = u3 (a) = −u(a) = −x

c) En vertu de ce qui précède, v 2 = -Id donc v est un isomorphisme et v −1 = −v.

Exercice 34: (⋆⋆⋆)