Vous êtes sur la page 1sur 384

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, 2011
ISBN 978-2-10-058112-2
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)





ab 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)





a b 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) ∈ R2 pour que la matrice A =
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) ∈ C3 , M(a, b, c) = ⎜⎜⎜⎜b a + c b + c⎟⎟⎟⎟ .
⎝ ⎠
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 = ⎜⎜⎜⎜⎜ ...
⎜ .. .. .. ⎟⎟⎟⎟ ∈ M (R).
⎜⎜⎜ . (0) . . ⎟⎟⎟⎟ n

⎜⎜⎜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⎟ ⎟⎟⎟
⎜⎜⎜ .
⎜⎜⎜a a 0 . . . .. ⎟⎟⎟⎟⎟
⎜⎜ 1 2 ⎟⎟⎟
A = ⎜⎜⎜⎜ . . . . ⎟ ∈ Mn (R).
⎜⎜⎜ .. .. . . . . . . . ... ⎟⎟⎟⎟⎟
⎜⎜⎜ ⎟⎟⎟
⎜⎜⎜ . . .. ⎟⎟⎟
⎜⎜⎜ .. .. . 0 a ⎟⎟⎟
⎝⎜ n
⎠⎟
⎛ ⎞ a a
1 2 . . . . . . 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 r2 − λr + 1 = 0, d’inconnue r ∈ C, admet deux solutions distinctes,
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 − x2 .

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-
rence linéaire du second ordre à coefficients constants. Noter U = R−1 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 ⎟⎟⎟⎟
⎧ ⎝ ⎠
⎪ ⎧ 1 1 1−λ


⎪ −(x + z) + 2y = 0 ⎪
⎪ ⎪ ⎛ ⎞

⎨ ⎨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 ⎟⎟⎟

= rg ⎜⎜⎝0 12(1 − λ) 1−λ 2 ⎟⎟⎟
• Déterminons les sous-espaces propres de B. ⎠
⎛ ⎞ 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).
⎨⎜⎜⎜⎜ ⎟⎟⎟⎟
⎪ ⎪
⎬ ⎜⎜⎜⎜⎜⎜⎜⎜−1⎟⎟⎟⎟⎟⎟⎟⎟ . ⎝ ⎠
donc : SEP (B, 0) = ⎪
⎪ ⎜

⎜ −x ⎟

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

⎪ ⎜x⎟ ⎪
⎪ ⎜⎜⎜⎜⎜⎜ 1 ⎟⎟⎟⎟⎟⎟ ⎪
⎩⎝2x⎠ ⎪

⎨⎜⎜⎜⎜ ⎟⎟⎟⎟
⎪ ⎪
⎬ ⎜⎜⎜⎜⎜⎜⎜⎜ 1 ⎟⎟⎟⎟⎟⎟⎟⎟ . 2
donc : SEP (B, −1) = ⎪
⎪ ⎜

⎜ x ⎟

⎟ ; x ∈ R ⎪
⎪ = Vect ⎜⎝⎜⎝ ⎟⎠⎟⎠

⎩ −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) ∈ R 2


⎧⎛ ⎞ ⎫ ⎛⎛ ⎞⎞ ⎪
⎩⎝ z ⎠ ⎪


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

2x
⎠ ⎪
⎭ 2

⎨ ⎜⎜⎜⎜ ⎟⎟⎟⎟
⎪ ⎜
⎜ ⎟



2⎬ ⎜⎜⎜⎜⎜⎜⎜⎜1⎟⎟⎟⎟ , ⎜⎜⎜⎜0⎟⎟⎟⎟⎟⎟⎟⎟ .
=⎪
⎪y ⎜

⎜ 1 ⎟

⎟ + z ⎜

⎜0 ⎟

⎟ ; (y, z) ∈ R ⎪
⎪ = Vect ⎜⎝⎜⎝ ⎟⎠ ⎜⎝ ⎟⎠⎟⎠

⎩ ⎝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⎟⎟⎟⎟⎟⎟
⎨⎜⎜⎜⎜ ⎟⎟⎟⎟
⎪ ⎪
⎬ ⎜⎜⎜⎜⎜⎜⎜⎜1⎟⎟⎟⎟⎟⎟⎟⎟ .
donc : SEP (F, 4) = ⎪
⎪ ⎜

⎜ y ⎟

⎟ ; y ∈ R ⎪
⎪ = Vect ⎜⎝⎜⎝ ⎟⎠⎟⎠
⎛ ⎞ ⎛ ⎞ ⎪
⎩ 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 − λ2 −1 − λ
⎛ ⎞ ⎛ ⎞
⎜⎜⎜−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⎟⎟⎟⎟⎟⎟
⎨⎜⎜⎜⎜⎜ ⎟⎟⎟⎟⎟
⎪ ⎪
⎬ ⎜⎜⎜⎜⎜⎜⎜⎜1⎟⎟⎟⎟⎟⎟⎟⎟ .
Ceci montre que P ne s’annule en aucun point de [0 ; +∞[.
donc : SEP (F, 2) = ⎪
⎪ ⎜
⎜ x ⎟
⎟ ; x ∈ R ⎪
⎪ = Vect ⎜⎝⎜⎝ ⎟⎠⎟⎠

⎩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 ⎪

⎜⎜⎜ ⎟⎜ ⎟ ⎜ ⎟ ⎪

⎪ ⎩a3 = 0,
⎜⎜⎜1 −1 1 −1⎟⎟⎟⎟⎟ ⎜⎜⎜⎜⎜ 1 ⎟⎟⎟⎟⎟ = ⎜⎜⎜⎜⎜ 2 ⎟⎟⎟⎟⎟ , ⎪
⎩a2 = 0
⎜⎝ ⎟⎠ ⎜⎝ ⎟⎠ ⎜⎝ ⎟⎠
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 ⎟⎟⎟⎟⎟⎟⎟⎟
⎜⎜⎜⎜ ⎟⎟⎟⎟ a) • La matrice carrée A est symétrique réelle, donc, d’après le
donc 0 est vp de A et SEP (A, 0) = Vect ⎜⎜⎜⎜⎜⎜⎜⎜−1⎟⎟⎟⎟⎟⎟⎟⎟ .
⎜⎜⎜⎜⎜⎜ ⎟⎟⎟⎟⎟⎟ 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 ⎟⎟
⎝ λ 2 ⎠ L3 ←− L3 + λL1
√ √ 0 λ 1+ 2 −λ
(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⎟⎟⎟
⎜⎜⎜⎜⎜⎜ ⎟⎟⎟⎟⎟⎟ ⎜⎜
⎜ ⎟
rg (A − λ I3 ) = rg ⎜⎜0 1 − λ 1 ⎟⎟⎟⎟
⎜⎜⎝⎜⎜⎝ 3⎟⎟⎠⎟⎟⎠ ⎝ ⎠
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 + λ2 = (1 + λ)(2 − λ) −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) :


⎨y + z = −y ⎪z = −x

⎨ c d c d
⇐⇒ ⎪
⎪ ⇐⇒ ⎪
⎪ 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
⎪ a b
⇐⇒ ⎪
⎪ ⇐⇒ ⎪
⎪ • 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 a b
• On a, pour toute M = ∈ M2 (R) :
c d
⎛⎛ ⎞⎞
 ⎜⎜⎜⎜⎜⎜ 2 ⎟⎟⎟⎟⎟⎟


1 ⎜⎜⎜⎜⎜⎜⎜⎜−2⎟⎟⎟⎟⎟⎟⎟⎟ . 1 a+d b+c 00
donc : SEP A, = Vect ⎜⎝⎜⎝ ⎟⎠⎟⎠ 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
On calcule P−1 et on obtient : P−1 = ⎜⎜⎜⎜1 2 2 ⎟⎟⎟⎟ . SEP ( f, 0) = ; (a, b) ∈ R 2
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

a b
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(−1)n + 2n + 4 · 2−n 2(−1)n + 2n+1 − 22−n −4(−1)n + 2n+1 + 21−n ⎟⎟ f (M) = 1M ⇐⇒ =
1 ⎜⎜⎜⎜⎜ ⎟ 2 b+c a+d c d
⎜⎜⎝ 2(−1)n + 2n+1 − 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 ) :

= α (X2 + 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(1 − λ)⎟⎟⎟⎟
2
⎛⎧ ⎧ ⎞ ⎝ ⎠
⎜⎜⎜⎪ ⎪ λ=1 ⎪
⎪ c = −a ⎟⎟⎟ 0 −1 1−λ
⎜⎜⎜⎪ ⎪





⎪ ⎟⎟⎟

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


⎜⎜⎝⎪

b 0 ⎪


b (1 ⎟⎟⎟⎟


⎩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(1 − λ) L2 ←→ L3
2
⎨ ⎨
⇐⇒ ⎜⎜⎜⎜⎜⎪ ⎪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⎟⎟⎟ 10 01 00 00
⎜ ⎟ E1 = , E2 = , E3 = , E4 = .
 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 + X2 ), −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, X2 ) de R2 [X] : 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 λ − 2xλ + y
2
⎪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,
admet deux solutions distinctes, donc A admet deux valeurs b) Déterminons les sous-espaces propres de M(a).
⎛ ⎞
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
⎜⎜⎜⎜⎜⎜⎜⎜1⎟⎟⎟⎟ , ⎜⎜⎜⎜0⎟⎟⎟⎟⎟⎟⎟⎟ , et, si
donc : si a = 0, alors SEP M(a), −2 = Vect ⎜⎝⎜⎝ ⎟⎠ ⎜⎝ ⎟⎠⎟⎠ 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⎟⎟⎠⎟⎟⎠ , ⎪

⎨λ − λ − 1 = 0
⎪ 3
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 ⎟⎟⎟
⎜⎜⎜⎜ 1 −λ 1 ⎟⎟⎟⎟ J = PDP−1. On a alors J 2 = PD2 P−1 , puis :
rg (J − λ I3 ) = rg ⎜⎝ ⎟⎠
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 ⎟⎟⎟
⎜⎜⎜ ⎟ L2 ←− L2 + λL1
= rg ⎜⎜⎝0 −λ 1 + λ⎟⎟⎟⎟⎠
2
1.12
0 1 −λ
⎛ ⎞ a) D’abord, f est bien une application de M2 (R) dans lui-
⎜⎜⎜1 −λ 1 ⎟⎟⎟
⎜⎜⎜ ⎟ même.
= rg ⎜⎜⎝0 1 −λ ⎟⎟⎟⎟⎠
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 ⎟⎟⎟⎟ .
⎜⎝ ⎟⎠ donc f est linéaire.
0 0 −λ + λ + 1 ←− L3 + λ2 L2
3

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⎟⎟⎟⎟⎟
⎜⎜⎜1 ⎟
a) Montrons que B est libre. ⎜⎜⎜ 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
Chapitre 1 • Réduction des endomorphismes et des matrices carrées

a) D’après la définition de A : qui est de dimension 1, engendré par le vecteur de coordonnées


(0, 1, 0, 1, ..., 0, 1, 0)
∀(i, j) ∈ 1 ; n2 , ai j = a ji , ⎛ ⎞
⎜ x1 ⎟
 ⎜⎜⎜⎜ . ⎟⎟⎟⎟
donc A est symétrique réelle. SEP (A, p + 1) = ⎜⎜⎜⎜⎜ .. ⎟⎟⎟⎟⎟ ∈ M2p+1,1 (R) ;
⎜⎝ ⎟⎠
D’après le cours, on conclut que A est diagonalisable. x2p+1
⎛ ⎞ 
⎜⎜⎜ x1 ⎟⎟⎟ x1 = x3 = · · · = x2p+1 et x2 = x4 = · · · = x2p = 0 ,
⎜⎜⎜ . ⎟⎟⎟
b) Soient λ ∈ R, X = ⎜⎜⎜⎜ .. ⎟⎟⎟⎟ ∈ M2p+1 (R) \ {0}. On a :
⎜⎝ ⎟⎠ qui est de dimension 1, engendré par le vecteur de coordonnées
x2p+1 (1, 0, 1, 0, ..., 1, 0, 1).



⎪ x1 + x3 + · · · + x2p+1 = λx1 (1) Remarque : La somme des dimensions des sous-espaces


⎪ propres de A est égale à 2p + 1, et on retrouve ainsi le fait




⎨ x2 + x4 + · · · + x2p = λx2
⎪ (2) que A est diagonalisable.
AX = λX ⇐⇒ ⎪



⎪ .
..

⎪ ⎛ ⎞


⎪ ⎜⎜⎜1 . . . 1 1⎟⎟
⎪ ⎜⎜⎜0 ⎟
⎩ x1 + x3 + · · · + x2p+1 = λx2p+1
⎜⎜ . . . 0 1⎟⎟⎟⎟⎟
1.15 Il s’agit de la matrice A = ⎜⎜⎜⎜ . . . ⎟⎟⎟⎟ .
⇐⇒ ⎜⎜⎜ .. (0) .. .. ⎟⎟⎟⎟
⎝⎜ ⎠
0 ... 0 1
(1), (2), λx1 = λx3 = · · · = λx2p+1 , λx2 = λx4 = · · · = λx2p a) Puisque la matrice A est triangulaire (supérieure), les valeurs
⇐⇒ propres de A se lisent sur sa diagonale, donc les valeurs propres
⎧ de A sont 0 et 1.


⎪λ0
⎧ ⎪



⎪ λ=0 ⎪

⎪ x = x3 = · · · = x2p+1 b)


⎨ ⎪
⎪ 1


⎪ x1 + x3 + · · · + x2p+1 = 0 ou ⎪
⎪ x2 = x4 = · · · = x2p ⎛ ⎞


⎪ ⎪

⎪ ⎛ ⎞⎛ ⎞ ⎜1 · · · 1 n⎟⎟
⎩ x2 + x4 + · · · + x2p = 0 ⎪
⎪ + 1)x1 = λx1 ⎜⎜⎜1 . . . 1⎟⎟ ⎜⎜1 . . . 1⎟⎟ ⎜⎜⎜⎜ ⎟
1⎟⎟⎟⎟⎟

⎪(p
⎪ ⎜⎜ ⎟⎜ ⎟⎟⎟ ⎜⎜
⎩ px = λx
A = ⎜⎜⎜⎜⎜ (0) .. ⎟⎟⎟⎟ ⎜⎜⎜⎜ .. ⎟⎟ = ⎜⎜⎜
. ⎟⎟⎟⎟ ⎜⎜⎜⎜ (0) . ⎟⎟⎟⎟ ⎜⎜⎜⎜ . ⎟⎟⎟⎟ ,
2 2 2
⇐⇒ ⎜⎝ ⎠⎝ ⎠ ⎜⎜ (0) .. ⎟⎟⎟⎟
1 1 ⎝ ⎠
1



⎪ λ=0


⎨ donc A2  A.
⎪ x1 + x3 + · · · + x2p+1 = 0




⎩ x2 + x4 + · · · + x2p = 0 c) Nous allons montrer que A n’est pas diagonalisable, en rai-
⎧ ⎧ sonnant par l’absurde. Supposons que A est diagonalisable. Il


⎪ λ= p+1 ⎪

⎪ λ=p


⎨ ⎪

⎨ existe alors P ∈ Mn (R) inversible et D ∈ Mn (R) diagonale
ou ⎪
⎪ x = x = · · · = x ou ⎪
⎪ x1 = x3 = · · · = x2p+1 = 0



1 3 2p+1


⎪ telles que A = PDP−1. Puisque les termes diagonaux de D sont
⎩ x2 = x4 = · · · = x2p = 0 ⎩ x2 = x4 = ... = x2p .
les valeurs propres de A, les termes diagonaux de D sont parmi
0 et 1, donc D2 = D. D’où :
On conclut que les valeurs propres de A sont 0, p, p + 1 et que
A2 = (PDP−1 )2 = PD2 P−1 = PDP−1 = A.
les sous-espaces propres de A sont :
⎛ ⎞ Contradiction avec b).
⎜ x1 ⎟⎟⎟
 ⎜⎜⎜⎜ .. ⎟⎟⎟
SEP (A, 0) = ⎜⎜⎜⎜⎜ .
⎟⎟⎟ ∈ M2p+1,1 (R) ;
⎟⎟⎠
On conclut : A n’est pas diagonalisable.
⎜⎝
x2p+1
 1.16
x1 + x3 + · · · + x2p+1 = 0 et x2 + x4 + · · · + x2p = 0 ,
a) • Soit y ∈ Im ( f − be).
qui est de dimension 2p − 1 (on peut, par exemple, exprimer Il existe x ∈ E tel que y = ( f − be)(x). On a :
x2p et x2p+1 en fonction de x1 , ..., x2p−1 ),
( f − ae)(y) = ( f − ae) ( f − be)(x)
⎛ ⎞
⎜ x1 ⎟⎟⎟ = ( f − ae) ◦ ( f − be) (x) = 0,
 ⎜⎜⎜⎜ .. ⎟⎟⎟  !"
SEP (A, p) = ⎜⎜⎜⎜⎜ .
⎟⎟⎟ ∈ M2p+1,1 (R) ; =0
⎜⎝ ⎟⎟⎠
x2p+1 donc : y ∈ Ker ( f − ae).

x1 = x3 = · · · = x2p+1 = 0 et x2 = x4 = · · · = x2p Ceci montre : Im ( f − be) ⊂ Ker ( f − ae).

26
Corrigés des exercices

• Puisque f − ae et f − be commutent, on a aussi : Si − i n’est pas valeur propre de A, alors i est la seule valeur
propre de A, et alors, comme A est diagonalisable, A est sem-
Im ( f − ae) ⊂ Ker ( f − be). blable à i In , donc A = i In , contradiction, car A ∈ Mn (R).
Ceci montre que − i est valeur propre de A.
b) On a :
1 1 De même, i est valeur propre de A.
( f − be) + ( f − ae)
a−b b−a
1 1 On conclut que les valeurs propres de A sont i et − i .
= ( f − be) − ( f − ae) = (a − b)e = e.
a−b a−b b) 2) Soit X ∈ Mn,1 (C).
c) • Soit x ∈ Ker ( f − a) ∩ Ker ( f − be). • Supposons X ∈ E i .
On a alors : ( f − ae)(x) = 0 et ( f − be)(x) = 0, On a alors AX = i X, donc AX = i X = − i X.
c’est-à-dire : f (x) = ax et f (x) = bx, Mais AX = A X, comme on le voit en passant aux éléments.
d’où : ax = bx, puis (a − b) x = 0, donc x = 0. D’où : AX = − i X.
 !"
0 Comme A est réelle, on a A = A, d’où : AX = − i X.
On a alors : Ker ( f − ae) ∩ Ker ( f − be) ⊂ {0}, et, comme Ainsi : X ∈ E− i .
l’autre inclusion est évidente, on obtient :
Ceci montre : X ∈ E i =⇒ X ∈ E− i .
Ker ( f − ae) ∩ Ker ( f − be) = {0},
• On montre de même la réciproque.
• Soit y ∈ E. D’après b), on a :
On conclut, pour toute X ∈ Mn,1 (C) : X ∈ E i ⇐⇒ X ∈ E− i .
1 1
y = e(y) = ( f − be)(y) + ( f − ae)(y), b) 3) Le sev E i admet au moins une base (u1 , ..., ud ).
a − b b − a !"
 !" 
noté u noté v • D’après 2), puisque : ∀k ∈ 1 ; d, uk ∈ E i ,
⎧ on a : ∀k ∈ 1 ; d, uk ∈ E− i .


⎨u ∈ Im ( f − be) ⊂ Ker ( f − ae)

et : ⎪
⎪ . • Montrons que (u1 , ..., ud ) est libre.

⎩v ∈ Im ( f − ae) ⊂ Ker ( f − be)

d
Ceci montre : E ⊂ Ker ( f − ae) + Ker ( f − be), et, comme Soit (α1 , ..., αd ) ∈ Cd tel que αk uk = 0.
l’autre inclusion est évidente, on obtient : k=1

E = Ker ( f − ae) + Ker ( f − be), 


d 
d

On conclut que Ker ( f −ae) et Ker ( f −be) sont supplémentaires On a alors, en conjuguant : αk uk = αk uk = 0 = 0.
k=1 k=1
dans E.
Comme (u1 , ..., ud ) est libre, il s’ensuit :
d) D’après le cours, puisque (X − a)(X − b) est un polynôme
annulateur de f , les valeurs propres de f sont parmi a et b.
∀k ∈ 1 ; d, αk = 0,
Les sous-espaces propres de f sont donc Ker ( f − ae) et
Ker ( f − be), lorsque ceux-ci sont différents de {0}. puis, en conjuguant : ∀k ∈ 1 ; d, αk = 0.
D’après c), la somme des sous-espaces propres de f est égale Ceci montre que (u1 , ..., ud ) est libre.
© Dunod. Toute reproduction non autorisée est un délit

à E.
• Montrons que (u1 , ..., ud ) engendre E− i .
On conclut, d’après le cours, que f est diagonalisable.
Soit X ∈ E− i . D’après 2), on a alors X ∈ E i . Il existe donc

d
1.17 (β1 , ..., βd ) ∈ Cd tel que X = βk uk .
a) On suppose ici n pair, n = 2p, p ∈ N∗ . k=1




d 
d
0 1 −1 0
Pour A2 = , on a A2 =
2
= −I2 . D’où, en conjuguant : X= βk uk = βk uk .
−1 0 0 −1 k=1 k=1
La matrice A, diagonale par blocs, formée par la répétition du Ceci montre que (u1 , ..., ud ) engendre E− i .
bloc A2 (p fois) sur la diagonale, vérifie alors A2 = −I2p , donc
A convient. On conclut que (u1 , ..., ud ) est une base de E− i .

b) 1) On a : 0 = A2 + In = (A − i In )(A + i In ), On a donc dim (E− i ) = d = dim (E i ).

donc comme i  − i , d’après l’exercice 1.16, A est diagonali- b) 4) D’après 1), on a : E = E i ⊕ E− i .


sable dans Mn (C) et ses valeurs propres sont parmi i et − i . D’où : n = dim (E) = dim (E i ) + dim (E− i ) = 2 dim (E i ),

27
Chapitre 1 • Réduction des endomorphismes et des matrices carrées

contradiction avec n impair. pour valeur propre et c’est la seule, et donc, comme f est re-
Ce raisonnement par l’absurde montre que, si n est impair, il présenté par A, on conclut que f admet 0 pour valeur propre et
n’existe pas de matrice A ∈ Mn (R) telle que A2 = −In . que c’est la seule.
• On a, pour tout v = (x1 , x2 , x3 ) ∈ R3 :
1.18 L’endomorphisme f étant nilpotent, il existe p ∈ N ∗ ⎧


⎨ x2 = 0
tel que f p = 0. f (v) = 0 ⇐⇒ ⎪ ⎪
⎩ x3 = 0
a) • Puisque le polynôme X p est annulateur de f , d’après le
donc : SEP ( f, 0) = Vect (e1 ).
cours, les valeurs propres de f sont parmi les zéros de X p , donc
la seule valeur propre possible de f est 0. b) 1) Puisque dim (F) = 1, il existe v1 ∈ F − {0} tel que
F = Vect (v1 ).
• De plus, puisque f n’est pas bijectif (car sinon, f p = 0 le se-
rait aussi, ce qui est absurde, puisque E n’est pas réduit à {0} !), Comme F est stable par f , on a f (v1 ) ∈ F, donc il existe α ∈ K
f n’est donc pas injectif, d’où Ker( f )  {0}. Donc 0 est une tel que f (v1 ) = αv1 .
valeur propre de f . Ceci montre que v1 est un vecteur propre pour f . D’après a),
il en résulte v1 ∈ Vect (e1 ), puis F = Vect (v1 ) ⊂ Vect (e1 ).
Ainsi : 0 est la seule valeur propre de f .
Comme dim (F) = 1 = dim Vect (e1 ) , on a nécessairement :
b) • Si f est diagonalisable, comme f admet une seule valeur
F = Vect (e1 ).
propre, le SEP associé est de dimension n = dim(E).
b) 2) Soit v ∈ F.
Ainsi : Ker( f ) = SEP( f, 0) = E.
Il existe (a1 , a2 , a3 ) ∈ K3 tel que v = a1 e1 + a2 e2 + a3 e3 .
Donc : f est l’application nulle.
Puisque F est stable par f , on a f (v) ∈ F, puis encore f 2 (v) ∈ F.
• Réciproquement, si f = 0, alors il est clair que f est diago-
Et : f (v) = a2 e1 + a3 e2 et f 2 (v) = a3 e1 .
nalisable.
1 2
On conclut, pour un endomorphisme nilpotent : Si a3  0, alors e1 = f (v) ∈ F,
a3
f est diagonalisable si et seulement si f = 0. puis a3 e2 = f (v) − a2 e1 ∈ F, donc e2 ∈ F,
puis a3 e3 = v − a1 e1 − a2 e2 ∈ F, donc e3 ∈ F et donc F = E,
1.19 Notons n = dim (E). Supposons f diagonalisable.
exclu car dim (F) = 2 et dim (E) = 3.
D’après l’hypothèse, le polynôme (X − 1)3 (X − 2)2 est annula-
Ceci montre a3 = 0, donc v = a1 e1 + a2 e2 ∈ Vect (e1 , e2 ).
teur de f .
On a donc : F ⊂ Vect (e1 , e2 ).
D’après le cours, il en résulte que les valeurs propres de f sont
parmi 1 et 2. Comme dim (F) = 2 = dim Vect (e1 , e2 ) , il en résulte :
Il existe donc une base B de E telle que la matrice D de f F = Vect (e1 , e2 ).
dans B soit diagonale, à termes diagonaux parmi 1 et 2, c) D’après b), si F est un sev de E stable par f et de dimension
D = diag (1, ..., 1, 2, ..., 2) où 1 est écrit p fois, 2 est écrit q fois, 1 ou 2, alors F = Vect (e1 ) ou F = Vect (e1 , e2 ).
(p, q) ∈ N2 , p + q = n.
Réciproquement, Vect (e1 ) et Vect (e1 , e2 ) sont stables par f ,
On a alors, par produit de matrices diagonales : car f (e1 ) = 0 et f (e2 ) = e1 .
(D−In )3 (D−2 In ) = diag (0, ..., 0, 1, ..., 1) diag (−1, ..., −1, 0, ..., 0) Enfin, d’autre part, {0} et E sont stables par f .
 !"  !"  !"  !"
p fois q fois p fois q fois
On conclut que les sev de E stables par f sont :
= diag (0, ..., 0, 0, ..., 0) = 0,
 !"  !" {0}, Vect (e1 ), Vect (e1 , e2 ), E.
p fois q fois

donc ( f − e)3 ◦ ( f − 2e) = 0, contradiction. 1.21 Puisque f est diagonalisable, il existe une base
On conclut, par ce raisonnement par l’absurde, que f n’est pas B = (e1 , ..., en ) de E et il existe (λ1 , ..., λn ) ∈ Rn tels que :
diagonalisable.
∀i ∈ 1 ; n, f (ei ) = λi ei .
1.20 La matrice de f dans B est la matrice diagonale
⎛ ⎞
⎜⎜⎜0 1 0⎟⎟⎟ ⎛ ⎞
⎜⎜ ⎟ ⎜⎜⎜ λ1 (0)⎟⎟
a) • Puisque A = ⎜⎜0 0 1⎟⎟⎟⎟ est triangulaire (supérieure), les va-
⎜ ⎜⎜⎜ ⎟⎟⎟
⎝ ⎠ ⎜⎜⎜ .. ⎟⎟⎟ .
000 ⎜⎜⎝ . ⎟⎟⎟

leurs propres de A se lisent sur sa diagonale, donc A admet 0 (0) λn

28
Corrigés des exercices

 
On a alors : On conclut que l’ensemble M ∈ Mn (C) ; M 2 = A est
l’ensemble des matrices de Mn (C) de la forme PNP−1 , où
Ker ( f ) = Vect (ei ; λi = 0), Im ( f ) = Vect (ei ; λi  0) N = diag (μ1 , ..., μn ), (μ1 , ..., μn ) ∈ Cn tel que, pour tout
où, par exemple, Vect (ei ; λi = 0) désigne le sev de E engendré i ∈ 1 ; n, μ2i = λi .
par les ei correspondants aux indices i ∈ 1 ; n tels que tels  • Pour chaque u ∈ 1 ; n, l’équation μ2i = λi , d’in-
que λi = 0. connue μi ∈ C admet exactement une solution si λi = 0,
et exactement deux solutions si λi  0. Il en résulte que
De plus :  
M ∈ Mn (C) ; M 2 = A est fini.

∀i ∈ 1 ; n, f 2 (ei ) = f f (ei ) = f (λi ei ) = λi f (ei ) = λ2i ei , • Comme λ1 , ..., λn sont deux à deux distincts, il existe au plus
donc on a aussi de même : un indice i ∈ 1 ; n tel que λi = 0 et on conclut :
 
Ker ( f 2 ) = Vect (ei ; λ2i = 0), Im ( f 2 ) = Vect (ei ; λ2i  0). Card M ∈ Mn (C) ; M 2 = A
⎧ ⎧
⎪ ⎪

⎨2n si ∀i ∈ 1 ; n; λi  0

⎨λi = 0 ⇐⇒ λi = 0
⎪ 2
=⎪
Comme : ∀i ∈ 1 ; n, ⎪ , ⎪
⎩2n−1 si ∃ i ∈ 1 ; n; λi = 0 .


⎩λ2i  0 ⇐⇒ λi  0
1.23
il en résulte : Ker ( f 2 ) = Ker ( f ) et Im ( f 2 ) = Im ( f ).
a) 1) Supposons A inversible.
1.22 Puisque AB est diagonalisable, il existe P ∈ Mn (R) inversible
−1 et D ∈ Mn (R) diagonale telles que AB = PDP−1 .
a) On a A = PDP , donc :
On a alors :
M 2 = A ⇐⇒ (PNP−1 )2 = PDP−1
BA = A−1 (AB)A = A−1 (PDP−1)A = (A−1 P)D(P−1 A).
⇐⇒ PN 2 P−1 = PDP−1 ⇐⇒ N 2 = D. Comme (A−1 P)(P−1 A) = A−1 (PP−1)A = A−1 A = In ,

b) Soit N ∈ Mn (C) telle que N 2 = D. Alors : la matrice P−1 A est inversible et son inverse est A−1 P.
On obtient : BA = (P−1 A)−1 D(P−1 A),
ND = NN 2 = N 3 = N 2 N = DN.
donc BA est diagonalisable.
c) Soit N = (xi j )i j ∈ Mn (C). On a : De plus, AB et BA ont les mêmes valeurs propres.

ND = DN ⇐⇒ ∀(i, j) ∈ 1 ; n2 , (ND)i j = (DN)i j 2) Le cas où B est supposée inversible se traite de la même
façon.

n 
n
⇐⇒ ∀(i, j) ∈ 1 ; n2 , (N)ik (D)k j = (D)ik (N)k j On conclut que, si A ou B est inversible et si AB est diagonali-
k=1 k=1 sable, alors BA est diagonalisable.
⇐⇒ ∀(i, j) ∈ 1 ; n2 , xi j λ j = λi xi j b) Montrons que le résultat précédent n’est pas valable sans
⇐⇒ ∀(i, j) ∈ 1 ; n2 , (λi − λ j )xi j = 0. l’hypothèse d’inversibilité, pour n = 2, par exemple.



Comme λ1 , ..., λn sont deux à deux distincts, on a donc : 01 11
Considérons : A= , B= .
00 00


ND = DN ⇐⇒ ∀(i, j) ∈ 1 ; n2 , i  j =⇒ xi j = 0 .
© Dunod. Toute reproduction non autorisée est un délit

00
On a : AB = , donc AB est diagonalisable.
On conclut que l’ensemble des matrices N de Mn , (C) qui com- 00


mutent avec D est l’ensemble des matrices diagonales. 01
D’autre part : BA = , qui n’est pas diagonalisable. En
d)  • Soit M ∈ Mn (C) telle que M 2 = A. 00
effet, BA est triangulaire (supérieure), donc les valeurs propres
En notant N = P−1 MP, on a, d’après a), N 2 = D, puis, d’après de BA se lisent sur sa diagonale, BA n’admet que 0 pour va-
c), N est diagonale. Notons diag (μ1 , ..., μn ) = N. Alors : leur propre ; si BA était diagonalisable, elle serait semblable à
N 2 = D ⇐⇒ diag (μ21 , ..., μ2n ) = diag (λ1 , ..., λn ) la matrice nulle, donc serait égale à la matrice nulle, contradic-
tion.
⇐⇒ ∀i ∈ 1 ; n, μ2i = λi . 1.24
• Réciproquement, pour tout i ∈ 1 ; n, soit μi ∈ C tel que 1) Montrons que toute valeur propre de f ◦ g est valeur propre
μ2i = λi . Notons N = diag (μ1 , ..., μn ) et M = PNP−1 . On a alors de g ◦ f .
M 2 = A. Soit λ ∈ R une valeur propre de f ◦ g.

29
Chapitre 1 • Réduction des endomorphismes et des matrices carrées

Il existe x ∈ E \ {0} tel que : ( f ◦ g)(x) = λx. • On a, d’après la définition de f :


On a alors :
∀P ∈ R(X], f (P) (0) = 0,

(g ◦ f ) g(x) = (g ◦ f ) ◦ g (x) = g ◦ ( f ◦ g) (x)
puisque f (P) contient X en facteur. En particulier, le polynôme
= g ( f ◦ g)(x) = g(λx) = λg(x).
constant 1 n’est pas atteint par f , donc f n’est pas surjective.
• Si g(x)  0, le résultat ci-dessus montre que λ est valeur d) 1) • Soit n ∈ N∗ tel que Rn [X] soit stable par f .
propre de g ◦ f (et que g(x) est un vecteur propre associé). On a alors en particulier : f (Xn ) ∈ Rn [X], donc, d’après b) :
• Supposons g(x) = 0. On a alors : −n2 + 2n + 3 = 0, c’est-à-dire n = −1 ou n = 3, donc n = 3
(puisque n ∈ N).
λx = ( f ◦ g)(x) = f g(x) = f (0) = 0.
• Réciproquement, montrons que R3 [X] est stable par f .
Comme x  0, on déduit λ = 0. D’autre part, puisque x  0 et
On a, d’après b) :
g(x) = 0, 0 est valeur propre de g, donc g n’est pas bijectif.
Montrons alors que g ◦ f n’est pas bijectif. Raisonnons par f (1) = 3X, f (X) = 4X2 − X, f (X2 ) = 3X3 , f (X3 ) = 3X3 .
l’absurde et supposons g ◦ f bijectif. Alors g ◦ f est surjec-
tif, et d’après l’exercice 1.17 du volume de première année, g Il en résulte, puisque f est linéaire et que (1, X, X2 , X3 ) est
est alors surjectif. Puisque E est de dimension finie, g est alors une base de R3 [X], que R3 [X] est stable par f .
bijectif, d’où une contradiction. On conclut qu’il existe n ∈ N unique tel que Rn [X] soit stable
par f , et on a n = 3.
Ce raisonnement par l’absurde montre que g ◦ f n’est pas bi-
jectif. Donc 0 est valeur propre de g ◦ f . d) 2) D’après 1), la matrice A de g dans la base canonique
⎛ ⎞
⎜⎜⎜0 0 0 0⎟⎟⎟
On a montré que toute valeur propre de f ◦ g est valeur propre ⎜⎜⎜3 −1 0 0⎟⎟⎟⎟⎟
de g ◦ f . (1, X, X2 , X3 ) de R3 [X] est : A = ⎜⎜⎜⎜⎜ ⎟.
⎜⎜⎝0 4 0 0⎟⎟⎟⎟

2) En appliquant le résultat précédent au couple (g, f ) à la place 0 0 3 3
du couple ( f, g), on a aussi : toute valeur propre de g ◦ f est va- Puisque A est triangulaire (inférieure), les valeurs propres de A
leur propre de f ◦ g.
se lisent sur sa diagonale, donc les valeurs propres de A sont :
On conclut : f ◦ g et g ◦ f ont les mêmes valeurs propres. −1, 0, 3.
Déterminons les sous-espaces propres de A.
1.25 ⎛ ⎞
⎜⎜⎜ x⎟⎟⎟
a) Il est clair que f est une application de R[X] dans R[X]. ⎜⎜⎜y⎟⎟⎟
On a, pour tout α ∈ R et tous P, Q ∈ R[X] : Soit V = ⎜⎜⎜⎜⎜ ⎟⎟⎟⎟⎟ ∈ M4,1 (R). On a :
⎜⎜⎝ z ⎟⎟⎠
f (αP + Q) t
= 3X(αP + Q) + (X2 − X)(αP + Q) − (X3 − X2 )(αP + Q)
= 3X(αP + Q) + (X2 − X)(αP  + Q ) − (X3 − X2 )(αP  + Q ) • V ∈ SEP (A, −1) ⇐⇒ AV = −V

= α 3XP + (X2 − X)P  − (X3 − X2 )P  ⎪


⎪0 = −x ⎧
+ 3XQ + (X2 − X)Q − (X3 − X2 )Q , ⎪

⎪ ⎪

⎪ x=0

⎪ ⎪

⎨3x − y = −y
⎪ ⎪

donc f est linéaire. ⇐⇒ ⎪⎪ ⇐⇒ ⎪
⎪ z = −4y


⎪4y = −z ⎪


On conclut que f est un endomorphisme du R-espace vectoriel ⎪

⎪ ⎪
⎩t = 3y,


⎩3z + 3t = −t
R[X].
b) On a, pour tout n ∈ N : ⎛ ⎞
⎜⎜⎜ 0 ⎟⎟⎟
f (Xn ) = 3X · Xn − (X2 − X)(nXn−1 ) − (X3 − X2 )n(n − 1)Xn−2 ⎜⎜⎜ 1 ⎟⎟⎟
= 3Xn+1 + n(Xn+1 − Xn ) − n(n − 1)(Xn+1 − Xn ) donc SEP (A, −1) = Vect (⎜⎜⎜⎜⎜ ⎟⎟⎟⎟⎟), dim SEP (A, −1) = 1.
⎜⎜⎝−4⎟⎟⎠
= (−n2 + 2n + 3)Xn+1 + (n2 − 2n)Xn . 3
(Les écritures nXn−1 et n(n − 1)Xn−2 ne sont pas clairement dé-
finies lorsque n = 0 ou n = 1, mais le résultat final est valable • V ∈ SEP (A, 0) ⇐⇒ AV = 0
aussi dans ces deux cas.) ⎧ ⎧


⎪ 3x − y = 0 ⎪

⎪ x=0


⎪ ⎪


c) • D’après b), on a, en particulier : f (X ) = 3X et
2 3
⎨ ⎨
f (X3 ) = 3X3 . Ainsi, X2 et X3 sont différents et ont la même ⇐⇒ ⎪ ⎪ 4y = 0 ⇐⇒ ⎪
⎪y=0


⎪ ⎪


image par f , donc f n’est pas injective. ⎪
⎩3z + 3t = 0 ⎪
⎩t = −z,

30
Corrigés des exercices

⎛ ⎞
⎜⎜⎜ 0 ⎟⎟⎟ ⇐⇒ x1 = xn , x2 = ... = xn−1 ,
⎜⎜⎜ 0 ⎟⎟⎟
donc SEP (A, 0) = Vect (⎜⎜⎜⎜⎜ ⎟⎟⎟⎟⎟), dim SEP (A, 0) = 1. 2(x1 + · · · + xn ) = λx1 , x1 + xn = λx2
⎜⎜⎝ 1 ⎟⎟⎠
−1 ⇐⇒ x1 = xn , x2 = ... = xn−1 ,

2 2x1 + (n − 2)x2 = λx1 (1), 2x1 = λx2 (2).
• V ∈ SEP (A, 3) ⇐⇒ AV = 3V



⎪0 = 3x ⎧ On a :


⎪ ⎪
⎪ x=0

⎪ ⎪
⎪ ⎧ ⎧ λ

⎨3x − y = 3y
⎪ ⎪

⎨ ⎪ ⎪

⎪ x1 = x2
⇐⇒ ⎪ ⇐⇒ ⎪ y=0 ⎪

⎨(1) ⎪




⎪ ⎪

⎪ ⎪ ⇐⇒ ⎪
2

⎪4y = 3z ⎪
⎪ ⎪
⎪ ⎪

⎪ ⎩ ⎩(2) ⎩2λx2 + 2(n − 2)x2 = λ x2
⎪ 2


⎪ z = 0, ⎪ (3)
⎩3z + 3t = 3t 2
⎛ ⎞ et :
⎜⎜⎜0⎟⎟⎟
⎜⎜⎜0⎟⎟⎟
donc : SEP (A, 3) = Vect (⎜⎜⎜⎜⎜ ⎟⎟⎟⎟⎟), dim SEP (A, 3) = 1.  λ2 
⎜⎜⎝0⎟⎟⎠ (3) ⇐⇒ − 2λ − 2(n − 2) x2 = 0
2
1
⇐⇒ λ2 − 4λ − 4(n − 2) = 0 (4),
Puisque A est carrée d’ordre 4 et que la somme des dimensions
des sous-espaces propres de A est 1 + 1 + 1 = 3  4, d’après le car x2  0, puisque, si x2 = 0, alors on déduit x1 = 0, puis
cours, A n’est pas diagonalisable dans M4 (R). x3 = ... = xn−1 = 0, xn = 0, X = 0, exclu.
Comme A représente g, on conclut que g n’est pas diagonali- Le discriminant Δ de cette équation du second degré en λ est :
sable. Δ = 16 + 16(n − 2) = 16(n − 1) > 0,

donc : (4) ⇐⇒ λ = λ1 ou λ = λ2 ,
1.26 √ √
où : λ1 = 2 − 2 n − 1, λ2 = 2 + 2 n − 1.
a) • On remarque, en notant C1 , ..., Cn les colonnes de An :
C1 = Cn et C2 = C3 = · · · = Cn−1 , Il en résulte que les valeurs propres de An sont :
√ √
d’où : rg (An )  2. 0, 2 − 2 n − 1, 2 + 2 n − 1,
D’autre part, (C1 , C2 ) est libre, car C2 n’est pas colinéaire à C1 .
et ces trois valeurs propres sont bien deux à deux distinctes, car
On conclut : rg (An ) = 2. n  3.
• Comme rg (An ) = 2 < n, 0 est valeur propre de An et : c) Notons, pour λ ∈ {0, λ1 , λ2 }, Eλ = SEP (An , λ).

dim SEP (An , 0) = n − rg (An ) = n − 2. D’après a), dim (E0 ) = n − 2.
Ceci montre que 0 est valeur propre de An et : D’après b), dim (Eλ1 )  1 et dim (Eλ2 )  1.
dim SEP (An , 0) = n − 2.
D’autre part, d’après le cours, la somme des dimensions des
b) • On sait déjà que 0 est valeur propre de An . sous-espaces propres pour A est inférieure ou égale à n.
⎛ ⎞
⎜⎜⎜ x1 ⎟⎟⎟ On a donc nécessairement :
⎜⎜ ⎟⎟
• Soient λ ∈ R , X = ⎜⎜⎜⎜⎜ ... ⎟⎟⎟⎟⎟ ∈ Mn,1 (R) \ {0}. On a :

⎜⎝ ⎟⎠ dim (E0 ) = n − 2, dim (Eλ1 ) = dim (Eλ2 ) = 1,
© Dunod. Toute reproduction non autorisée est un délit

xn
⎛ ⎞⎛ ⎞ ⎛ ⎞ donc la somme des dimensions des sous-espaces propres
⎜⎜⎜2 2 . . . 2 2⎟⎟⎟ ⎜⎜⎜ x1 ⎟⎟⎟ ⎜⎜⎜ x1 ⎟⎟⎟
⎜⎜⎜⎜1 0 . . . 0 1⎟⎟⎟⎟ ⎜⎜⎜⎜ x2 ⎟⎟⎟⎟ ⎜⎜⎜⎜ x2 ⎟⎟⎟⎟ pour An est égale à n.
⎜⎜⎜ ⎟⎟⎟ ⎜⎜⎜ ⎟⎟⎟ ⎜⎜⎜ ⎟⎟⎟
An X = λX ⇐⇒ ⎜⎜⎜⎜⎜ ... ... (0) ... ... ⎟⎟⎟⎟⎟ ⎜⎜⎜⎜⎜ ... ⎟⎟⎟⎟⎟ = λ ⎜⎜⎜⎜⎜ ... ⎟⎟⎟⎟⎟
On conclut, d’après le cours, que An est diagonalisable.
⎜⎜⎜ ⎟⎜ ⎟ ⎜⎜⎜ ⎟
⎜⎜⎜1 0 . . . 0 1⎟⎟⎟⎟⎟ ⎜⎜⎜⎜⎜ xn−1 ⎟⎟⎟⎟⎟ ⎜⎜⎜ xn−1 ⎟⎟⎟⎟⎟
⎝ ⎠⎝ ⎠ ⎝ ⎠ 1.27
2 2 . . . 2 2 xn xn
⎧ a) On a :


⎪2x1 + 2x2 + · · · + 2xn−1 + 2xn = λx1


⎪ ⎧


⎪ ⎪

⎪ a2 x2 + · · · + an xn = λx1

⎪ x1 + xn = λx2 ⎪



⎪ ⎪

⎨ .. ⎪

⎪ a x + a3 x3 + · · · + an xn = λx2
⇐⇒ ⎪ ⎪ ⎪
⎨ 1 1

⎪ . AX = λX ⇐⇒ ⎪


⎪ ⎪
⎪ ..

⎪ x1 + xn = λxn−1 ⎪

⎪ .


⎪ ⎪




⎩2x + 2x + · · · + 2x + 2x = λx ⎪

⎩a x + · · · + a x = λx
1 2 n−1 n n 1 1 n−1 n−1 n

31
Chapitre 1 • Réduction des endomorphismes et des matrices carrées




⎪S − a1 x1 = λx1 ⎧ Ceci montre que A admet n valeurs propres réelles deux à deux


⎪ ⎪
⎪S = (λ + a1 )x1


⎪ ⎪

⎪ distinctes.

⎪S − a2 x2 = λx2 ⎪

⎨ ⎨ ..
⇐⇒ ⎪
⎪ .. ⇐⇒ ⎪
⎪ . d) Puisque A ∈ Mn (R) et que A admet n valeurs propres deux à


⎪ ⎪




⎪ . ⎪

⎩S = (λ + a )x . deux distinctes, d’après le cours, on conclut que A est diagona-



⎩S − a x = λx n n lisable dans Mn (R).
n n n

b) Supposons λ + a1 = 0. 1.28
On a alors S = (λ + a1 )x1 = 0. D’autre part, comme a2 , ..., an a) La matrice carrée A est symétrique réelle, donc, d’après le
sont tous différents de a1 , on a : cours, A est diagonalisable dans Mn (R).
b) 1) On a :
λ + a2  0, ... , λ + an  0,
⎛ ⎞
d’où : x2 = ... = xn = 0. ⎜⎜⎜0 1 0 . . . 0⎟⎟ ⎛ ⎞ ⎛ ⎞
⎜⎜⎜⎜ ⎟
.. .. ⎟⎟⎟⎟ ⎜⎜⎜⎜ x1 ⎟⎟⎟⎟ ⎜⎜⎜ x1 ⎟⎟⎟


n ⎜⎜⎜1
⎜⎜⎜ 0 . ⎟

(0) . ⎟⎟ ⎜⎜ x2 ⎟⎟⎜ ⎟ ⎜⎜⎜ x2 ⎟⎟⎟⎟⎟

⎟⎜ ⎟
Ensuite : 0=S = ak xk = a1 x1 ,
AX = λX ⇐⇒ ⎜⎜⎜⎜0
⎜ .. .. . . ⎟⎟⎟⎟ ⎜⎜⎜⎜⎜ .. ⎟⎟⎟⎟⎟ = λ ⎜⎜⎜⎜⎜ .. ⎟⎟⎟⎟⎟
k=1 ⎜⎜⎜ . . . 0⎟⎟⎟ ⎜⎜⎜ . ⎟⎟⎟ ⎜⎜⎜ . ⎟⎟⎟
⎟⎟ ⎜ ⎟ ⎜⎜⎜ ⎟
donc x1 = 0. On obtient X = 0, contradiction. ⎜⎜⎜ .
⎜⎜⎜ .. .. . . ⎟⎟⎟⎟ ⎜⎜⎜⎜⎝ xn−1 ⎟⎟⎟⎟⎠ ⎜⎜⎝ xn−1 ⎟⎟⎟⎟⎠
⎜⎝ (0) . . 1⎟⎟⎟
Ceci montre : λ + a1  0. ⎠ xn xn
0 ... 0 1 0
• De même : ∀k ∈ 1 ; n, λ + ak  0.
⎧ ⎧


⎪ x2 = λx1 ⎪

⎪ x2 − λx1 + x0 = 0
• Comme X  0, il existe i ∈ 1 ; n tel que xi  0, et, comme ⎪
⎪ ⎪



⎪ ⎪


λ + ai  0, on a : S = (λ + ai )xi  0. ⎪
⎪ x1 + x3 = λx2 ⎪
⎪ x3 − λx2 + x1 = 0


⎪ ⎪


• D’où : ⎪

⎨ .. ⎪

⎨ ..
⇐⇒ ⎪
⎪ . ⇐⇒ ⎪
⎪ .
AX = λX ⎪

⎪ ⎪




⎪ ⎪


S  S  S 
n

⎪ xn−2 + xn = λxn−1 ⎪
⎪ xn − λxn−1 + xn−2 = 0
⇐⇒ x1 = , ..., xn = , S = ak ⎪

⎪ ⎪


λ + a1 λ + an λ + ak ⎪

⎩ x = λx ⎪

⎩ x − λx + x = 0
k=1 n−1 n n+1 n n−1
 S S 
n
ak 
⇐⇒ x1 = , ..., xn = , =1 . ⇐⇒ ∀i ∈ 0 ; n − 1, xi+2 − λxi+1 + xi = 0.
λ + a1 λ + an k=1
λ + ak
b) 2) Pour montrer que l’équation du second degré
Ceci montre que, pour tout λ ∈ R, λ est valeur propre de A si et
seulement si :
r2 − λr + 1 = 0,

n
ak
∀k ∈ 1 ; n, λ + ak  0 et = 1. d’inconnue r ∈ C, admet deux solutions distinctes, il suffit de
λ + ak
k=1 montrer que son discriminant Δ = λ2 − 4 est non nul. À cet
effet, raisonnons par l’absurde : supposons Δ = 0.

n
ak
c) La fonction f : λ −→ − 1 + est définie sur D’après le cours sur les suites récurrentes linéaires du second
k=1
λ + ak ordre à coefficients constants et sans second membre, il existe
D = R \ {a1 , ..., an }, dérivable sur D, et : alors (α, β) ∈ R2 tel que :

n
ak ∀k ∈ 0 ; n + 1, xk = (αk + β)r0k−1 ,
∀λ ∈ D, f  (λ) = − < 0.
(λ + ak )2
k=1
λ
où r0 = est la racine double du trinôme.
On en déduit le tableau des variations de f : 2
λ −∞ −an ... −a1 +∞ On a :
f  (λ) − || ... || − ⎧ ⎧

⎪ ⎪

⎨ x0 = 0
−1 || || +∞
 || ... || 
⎪ ⎨β = 0

f (λ)

⎪ ⇐⇒ ⎪

−∞ || || −1 ⎪
⎩ xn+1 = 0 ⎪
⎩ α(n + 1) + β r0n = 0

D’après le théorème des valeurs intermédiaires et la stricte ⎪

⎨β = 0

monotonie par intervalles, f admet exactement n zéros, notés ⇐⇒ ⎪ ⎪

⎩α = 0 ou r0 = 0.
λ1 , ..., λn et on a :

−an < λn < −an−1 < ... < −a2 < λ2 < −a1 < λ1 . Si α = β = 0, alors tous les xk sont nuls, X = 0, exclu.

32
Corrigés des exercices

Si r0 = 0, alors λ = 2r0 = 0, Δ = λ2 − 4 = −4  0, contradic- Comme l’autre inclusion est évidente, on a l’égalité.


tion. On conclut que les sev Im (ui ), i ∈ 1 ; k, sont en somme
Ce raisonnement par l’absurde montre Δ  0. On conclut que directe et que leur somme est égale à E.
l’équation r2 − λr + 1 = 0, d’inconnue r ∈ C, admet deux c) Pour chaque i ∈ 1 ; k, il existe une base Bi de Im (ui ).
solutions distinctes, notées r1 , r2 . Comme E est somme directe des Im (ui ), i ∈ 1 ; k, la famille
b) 3) En considérant la somme et le produit des racines r1 , r2 de B = B1 ∪ · · · ∪ Bk est une base de E.
l’équation du second degré r2 − λr + 1 = 0, d’inconnue r ∈ C, Soit f ∈ Vect (u1 , ..., uk ).
on a : r1 + r2 = λ et r1 r2 = 1.

k
D’où : |r1 | |r2 | = |r1 r2 | = 1. Il existe (α1 , ..., αk ) ∈ Kk tel que f = αi ui .
i=1
De plus, puisqu’il s’agit d’une équation à coefficients réels,
on a r2 = r1 , donc |r2 | = |r1 |, puis : |r1 |2 = 1, |r1 | = 1 = |r2 |. Soit x ∈ B1 . Il existe alors t ∈ E tel que x = u1 (t), d’où :
Ensuite : |λ| = |r1 + r2 |  |r1 | + |r2 |  2. 
k 
k
f (x) = αi ui (x) = αi ui ◦ u1 (t) = α1 u21 (t) = α1 u1 (t) = α1 x.
On conclut : λ ∈ [−2 ; 2].  !"
i=1 i=1
= 0 si i1

1.29 De même :
a) Soit i ∈ 1 ; k. On a :
∀i ∈ 1 ; k, ∀x ∈ Bi , f (x) = αi x.

k  
k
ui = e ◦ ui = u j ◦ ui = (u j ◦ ui ). ⎛ ⎞
⎜⎜⎜α1 In1 (0) ⎟⎟
⎟⎟⎟
j=1 j=1 ⎜⎜⎜ .. ⎟⎟⎟ ,
On a donc : MatB ( f ) = ⎜⎜⎜⎜ . ⎟⎟⎟
D’après l’hypothèse, u j ◦ ui est nul lorsque j  i, donc : ⎜⎝ ⎠
(0) αk Ink


k où, pour chaque i ∈ 1 ; k, on a noté ni = dim Im (ui ) .
u j ◦ ui = ui ◦ ui = u2i
On conclut que f est diagonalisable.
j=1

et on conclut : u2i = ui . 1.30





 ⎨ f = (g ◦ h) ◦ f = g ◦ (h ◦ f ) = g ◦ g = g

k 2 2

b) • Soit (x1 , ..., xk ) ∈ Im (u1 ) × · · · × Im (uk ) tel que xi = 0. a) • On a : ⎪




⎩g2 = (h ◦ f ) ◦ g = h ◦ ( f ◦ g) = h ◦ h = h2 .
i=1
Pour tout i ∈ 1 ; n, il existe ti ∈ E tel que xi = ui (ti ), donc : • Puis :

xi = ui (ti ) = u2i (ti ) = ui ui (ti ) = ui (xi ).
Soit j ∈ 1 ; n fixé. On a donc : f 5 = f 2 ◦ f ◦ f 2 = h2 ◦ f ◦ h2 = h ◦ (h ◦ f ) ◦ h2 = h ◦ g ◦ h2
= h ◦ (g ◦ h) ◦ h = h ◦ f ◦ h = (h ◦ f ) ◦ h = g ◦ h = f.

k  
k 
0 = uj xi = u j ui (xi )
i=1 i=1 b) • On a : f ◦ ( f 4 − e) = f 5 − f = 0.
 !"
=0 Comme f est supposé bijectif, on déduit : f 4 − e = 0.
© Dunod. Toute reproduction non autorisée est un délit


k
D’autre part : f 4 − e = ( f 2 + e) ◦ ( f 2 − e).
= u j ◦ ui (xi ) = u2j (x j ) = u j (x j ) = x j .
i=1
 !" Ainsi : ( f 2 + e) ◦ ( f 2 − e) = 0.
= 0 si i j
• Montrons que f 2 + e est bijectif.

k
Ceci montre que la somme Im (ui ) est directe. Puisque f est supposé diagonalisable, il existe une base B
i=1 de E telle que la matrice de f dans B soit diagonale :
• Soit x ∈ E. On a :
MatB ( f ) = diag (λ1 , ..., λn ).

k  
k 
k
x = e(x) = ui (x) = ui (x) ∈ Im (ui ). On a alors : MatB ( f 2 + e) = diag (λ21 + 1, ..., λ2n + 1).
 !"
i=1 i=1 i=1
∈ Im (ui ) Comme : ∀i ∈ 1 ; n, λ2i + 1  0,


k la matrice diag (λ21 + 1, ..., λ2n + 1) est inversible,
Ceci montre : E⊂ Im (ui ).
i=1
donc f 2 + e est bijectif.

33
Chapitre 1 • Réduction des endomorphismes et des matrices carrées

• Puisque ( f 2 + e) ◦ ( f 2 − e) = 0 et que f 2 + e est bijectif, on donc : A(A − In ) = A(−A2 + 2A − In )


déduit f 2 − e = 0, et on conclut : f 2 = e. = −A(A − In )2 = 0, exclu.
c) On a : On conclut : A n’est pas diagonalisable.
g ◦ f = g ◦ (g ◦ h) = g2 ◦ h = f 2 ◦ h = e ◦ h = h = f ◦ g. c) • De A(A − In )2 = 0, on déduit : A3 − 2A2 + A = 0, donc :
A3 = 2A2 − A.
Comme les hypothèses de l’énoncé sont invariantes en permu-
tant circulairement ( f, g, h), on a aussi : • Montrons que, pour tout k ∈ N∗ , il existe (ak , bk ) ∈ R2 tel
que : Ak = ak A + bk A2 .
h ◦ g = g ◦ h et f ◦ h = h ◦ f.
À cet effet, raisonnons par récurrence sur k.
Finalement, f, g, h commutent deux à deux. Comme A = 1 A + 0 A2 , le couple (a1 , b1 ) = (1, 0) convient.
Supposons, pour un k ∈ N∗ fixé quelconque, qu’il existe
1.31 (ak , bk ) ∈ R2 tel que Ak = ak A + bk A2 . On a alors :
1) • Supposons que α est valeur propre de f . Il existe x ∈ E\{0}
tel que f (x) = αx. On a alors : Ak+1 = A Ak = A(ak A + bk A2 ) = ak A2 + bk A3
= ak A2 + bk (2A2 − A) = −bk A + (ak + 2bk )A2 .
f 2 (x) = f f (x) = f (αx) = α f (x) = α(αx) = α2 x,
donc α2 est valeur propre de f 2 . Ainsi, la suite (ak , bk )k∈N∗ définie par (a1 , b1 ) = (1, 0) et :
• Supposons que −α est valeur propre de f . D’après le résultat
∀k ∈ N∗ , ak+1 = −bk , bk+1 = ak + 2bk
précédent (−α)2 est valeur propre de f 2 , c’est-à-dire que α2 est
valeur propre de f 2 . convient.
2) Pour la réciproque, raisonnons par contraposition. • On a alors, pour tout k ∈ N∗ :
Supposons que α et −α ne sont pas valeurs propres de f . ak+2 = −bk+1 = −(ak + 2bk ) = −ak − 2(−ak+1 ) = 2ak+1 − ak .
Alors, en notant e = IdE , les endomorphismes f − αe et
La suite (ak )k∈N∗ est donc une suite récurrente linéaire du se-
f + αe sont bijectifs. Par composition, il en résulte que f 2 − α2 e
cond ordre à coefficients constants. L’équation caractéristique
= ( f − αe) ◦ ( f + αe) est bijectif, donc α2 n’est pas valeur propre
r2 − 2r + 1 = 0 admet une racine double égale à 1. D’après le
de f 2 .
cours, il existe (α, β) ∈ R2 tel que :
Finalement, α2 est valeur propre de f 2 si et seulement si α ou
−α est valeur propre de f . ∀k ∈ N∗ , ak = (αk + β)1k = αk + β.
⎧ ⎧ ⎧

⎪ ⎪
⎪ ⎪

1.32 ⎨a1 = 1
⎪ ⎨α + β = 1
⎪ ⎨α = −1

On a : ⎪
⎪ ⇐⇒ ⎪
⎪ ⇐⇒ ⎪

a) 1) Puisque A(A − In )2 = 0, le polynôme X(X − 1)2 est an- ⎪
⎩a2 = 0 ⎪
⎩2α + β = 0 ⎪
⎩β = 2.
nulateur de A, donc, d’après le cours, les valeurs propres de A On obtient : ∀k ∈ N∗ , ak = −k + 2,
sont parmi 0 et 1.
puis : ∀k ∈ N∗ , bk = −ak+1 = − − (k + 1) + 2 = k − 1.
2) • Supposons que 0 n’est pas valeur propre de A. Alors, A est
inversible. Comme A(A − In )2 = 0, en multipliant par A−1 , on On conclut : ∀k ∈ N∗ , Ak = (2 − k)A + (k − 1)A2 .
déduit A−1 A(A − In )2 = 0, (A − In )2 = 0, exclu. Remarque :
Ceci montre que 0 est valeur propre de A. On peut contrôler ce résultat pour k = 1, k = 2, k = 3 :
• Supposons que 1 n’est pas valeur propre de A. Alors, A − In
est inversible. Comme A(A − In )2 = 0, on déduit A = 1 A + 0 A2 , A2 = 0 A + 1 A2 , A3 = −A + 2A2 .
A(A − In )2 (A − In )−1 = 0, A(A − In ) = 0, exclu. ⎛ ⎞
⎜⎜⎜0 0 0⎟⎟⎟
⎜⎜⎜ ⎟
d) La matrice A = ⎜⎜0 1 1⎟⎟⎟⎟ convient.
Ceci montre que 1 est valeur propre de A.
⎝ ⎠
On conclut : les valeurs propres de A sont 0 et 1. 001
b) Raisonnons par l’absurde : supposons A diagonalisable. 1.33
⎛ ⎞
Il existe P ∈ Mn (R) inversible, D = diag (1, ..., 1, 0, ..., 0) telles ⎜⎜⎜0 0 1⎟⎟⎟
⎜⎜⎜ ⎟
que A = PDP−1. a) • La matrice A = ⎜⎜0 1 0⎟⎟⎟⎟ est triangulaire (supérieure), donc
⎝ ⎠
On a alors D2 = D, puis : 000
les valeurs propres de A se lisent sur sa diagonale : les valeurs
A2 = (PDP−1)2 = PD2 P−1 = PDP−1 = A, propres de A sont 0 et 1.

34
Corrigés des exercices

• Déterminons les sous-espaces propres de A. • Comme f admet 0 et 1 pour valeurs propres, que f n’est pas
⎛ ⎞ diagonalisable et que dim (E) = 3, on déduit :
⎜⎜⎜ x⎟⎟⎟
⎜ ⎟
Soit X = ⎜⎜⎜⎜y⎟⎟⎟⎟ ∈ M3,1 (R). dim SEP ( f, 0) = 1 et dim SEP ( f, 1) = 1.
⎝ ⎠
z
En particulier : dim Ker ( f ) = dim SEP ( f, 0) = 1.
On a : AX = 0 ⇐⇒ (z = 0, y = 0),
Remarquons : Ker ( f ) ⊂ Ker ( f 2 ).
⎛ ⎞
⎜⎜⎜1⎟⎟⎟ D’autre part, par hypothèse : rg ( f 2 ) = 1, donc, d’après le théo-
⎜ ⎟
donc : SEP (A, 0) = Vect (⎜⎜⎜⎜0⎟⎟⎟⎟), dim SEP (A, 0) = 1.
rème du rang : dim Ker ( f 2 ) = 3 − rg ( f 2 ) = 3 − 1 = 2.
⎝ ⎠
0
On a donc : Ker ( f ) ⊂ Ker ( f 2 ) et Ker ( f 2 )  Ker ( f )
On a : AX = X ⇐⇒ (x = 0, z = 0),
• Il existe donc v3 ∈ Ker ( f 2 ) tel que v3  Ker ( f ). Notons
⎛ ⎞
⎜⎜⎜0⎟⎟⎟ v1 = f (v3 ). On a alors : f (v1 ) = f 2 (v3 ) = 0.
⎜ ⎟
donc : SEP (A, 1) = Vect (⎜⎜⎜⎜1⎟⎟⎟⎟), dim SEP (A, 1) = 1. D’autre part, il existe un vecteur propre v2 pour la valeur propre
⎝ ⎠
0 1 de f , c’est-à-dire tel que f (v2 ) = v2 .
• Puisque A est carrée d’ordre 3 et que la somme des dimen- Notons B = (v1 , v2 , v3 ).
sions des sous-espaces propres pour A est 1 + 1 = 2  3, on
Montrons que B est libre.
conclut, d’après le cours, que A n’est pas diagonalisable.
Soit (α1 , α2 , α3 ) ∈ R3 tel que α1 v1 + α2 v2 + α3 v3 = 0.
b) 1) • Puisque f 2 est un projecteur, on a ( f 2 )2 = f 2 , c’est-à-
dire f 4 − f 2 = 0. Ainsi, le polynôme X4 − X2 est annulateur On obtient, en appliquant f : α2 v2 + α3 v1 = 0,
de f . D’après le cours, les valeurs propres de f sont parmi les puis, en appliquant encore f : α2 v2 = 0. D’où α2 = 0, puis
zéros de X4 − X2 = X2 (X − 1)(X + 1), donc les valeurs propres α3 v1 = 0, donc α3 = 0, puis α1 v1 = 0, donc α1 = 0.
de f sont parmi 0, 1, −1.
Ainsi, B est libre.
• Si 0 n’est pas valeur propre de f , alors f est bijectif, puis
Comme E est de dimension 3, que B est libre et que
f 2 est bijectif, donc rg ( f 2 ) = 3, contradiction avec l’hypothèse
Card (B) = 3, il s’ensuit que B est une base de E.
rg ( f 2 ) = 1. Ceci montre que 0 est valeur propre de f .
Puisque f (v⎛1 ) = 0,⎞ f (v2 ) = v2 , f (v3 ) = v1 , la matrice de f
• Si 1 et −1 sont valeurs propres de f , alors f admet trois
⎜⎜⎜0 0 1⎟⎟⎟
valeurs propres, qui sont 0, 1, −1, donc, puisque E est de di- ⎜ ⎟
dans B est ⎜⎜⎜⎜0 1 0⎟⎟⎟⎟ c’est-à-dire A.
mension 3, f est diagonalisable et il existe une base B1 de E ⎝ ⎠
0 0 0
telle ⎛que la matrice
⎞ de f dans B1 soit la matrice diagonale
⎜⎜⎜0 0 0 ⎟⎟⎟
⎜ ⎟ 1.34 Soit λ une valeur propre de A dans C.
D = ⎜⎜⎜⎜0 1 0 ⎟⎟⎟⎟ et alors f 2 est représenté, dans B1 , par la ma- ⎛ ⎞
⎝ ⎠
0 0 −1 ⎜⎜⎜ x1 ⎟⎟⎟
⎛ ⎞ ⎜⎜ . ⎟⎟
⎜⎜⎜0 0 0⎟⎟⎟
⎜ ⎟ Il existe X = ⎜⎜⎜⎜⎜ .. ⎟⎟⎟⎟⎟ ∈ Mn,1 (C) \ {0} tel que AX = λX. On a :
trice diagonale D2 = ⎜⎜⎜⎜0 1 0⎟⎟⎟⎟ , d’où rg ( f 2 ) = rg (D2 ) = 2, ⎜⎝ ⎟⎠
⎝ ⎠ xn
001
contradiction avec l’hypothèse rg ( f 2 ) = 1. ⎛ ⎞⎛ ⎞ ⎛ ⎞
⎜⎜⎜a11 . . . a1n ⎟⎟⎟ ⎜⎜⎜ x1 ⎟⎟⎟ ⎜⎜⎜ x1 ⎟⎟⎟
⎜⎜⎜ . .. ⎟⎟⎟ ⎜⎜⎜ .. ⎟⎟⎟ = λ ⎜⎜⎜⎜ .. ⎟⎟⎟⎟
⎟ ⎜ ⎟
On conclut que l’ensemble des valeurs propres de f est {0} ou AX = λX ⇐⇒ ⎜⎜⎜⎜ .. ⎟ ⎜
. ⎟⎟⎟ ⎜⎜⎜ . ⎟⎟⎟⎟ ⎜⎜⎜ . ⎟⎟⎟
© Dunod. Toute reproduction non autorisée est un délit

{0, 1} ou {0, −1}. ⎜⎝ ⎠⎝ ⎠ ⎜⎝ ⎟⎠


an1 . . . ann xn xn
b) 2) D’après l’hypothèse et 1), l’ensemble des valeurs propres ⎧


⎪ a11 x1 + · · · + a1n xn = λx1
de f est {0, 1}. ⎪



⎨ ..
• Montrons que f n’est pas diagonalisable. ⇐⇒ ⎪ ⎪ .





⎩a x + · · · + a x = λx .
Raisonnons par l’absurde : supposons f diagonalisable. n1 1 nn n n

Il existe alors une base B2 de E telle que f soit représenté Il existe i ∈ 1 ; n tel que : |xi | = Max |xk |. On a alors, en
1kn
dans B2 par une matrice diagonale D dont les termes diago- prenant la ligne numéro i du système d’équations précédent :
naux sont parmi 0 et 1. Comme alors D2 = D, on a f 2 = f,
donc f est un projecteur, exclu. ai1 x1 + · · · + ain xn = λxi ,

Ce raisonnement par l’absurde montre que f n’est pas diago- d’où, en faisant passer aii xi dans l’autre membre :
nalisable. 
(λ − aii )xi = − ai j x j ,
1 jn, ji

35
Chapitre 1 • Réduction des endomorphismes et des matrices carrées

puis, en prenant les modules et en utilisant l’inégalité triangu-  Si λ = 1, alors :


laire : ⎛ ⎞
⎜⎜⎜0 1 1 . . . 1 ⎟⎟⎟
##  ## ⎜⎜⎜⎜1 0 0 . . . 0 ⎟⎟⎟⎟
|λ − aii | |xi | = ## ai j x j ## ⎜⎜⎜ ⎟
⎜⎜ . ⎟⎟⎟⎟
1 jn, ji
    rg (A − In ) = rg ⎜⎜⎜⎜⎜1 0 −1 (0) .. ⎟⎟⎟⎟⎟
⎜⎜⎜ . . ⎟⎟⎟
 |ai j | |x j |  |ai j | |xi |. ⎜⎜⎜ . . .. ⎟
1 jn, ji 1 jn, ji
⎜⎜⎝ . . (0) . 0 ⎟⎟⎟⎟⎠
1 0 . . . 0 −1
Si |xi | = 0, alors ∀ j ∈ 1 ; n, x j = 0, donc X = 0, exclu. ⎛ ⎞
⎜⎜⎜1 1 . . . 1 0 ⎟⎟⎟
On a donc |xi | > 0, et on conclut, en simplifiant par |xi | : ⎜⎜⎜⎜0 0 . . . 0 1 ⎟⎟⎟⎟
⎜⎜⎜ ⎟⎟⎟
 ⎜⎜ . ⎟⎟
|λ − aii |  |ai j |. = rg ⎜⎜⎜⎜⎜0 −1 (0) .. 1 ⎟⎟⎟⎟⎟
⎜⎜⎜ . ⎟
⎜⎜⎜ . .. . . ⎟⎟⎟
⎜⎜⎝ . (0) . 0 . ⎟⎟⎟⎟⎠
1 jn, ji

0 . . . 0 −1 1
Géométriquement, dans le plan complexe,
 λ est dans le disque
fermé de centre aii et de rayon |ai j |. par échange successifs des colonnes C1 , ..., Cn pour amener C1
1 jn, ji en dernière colonne
Remarque : ⎛ ⎞
⎜⎜⎜1 1 . . . 1 0⎟⎟⎟
⎜⎜⎜⎜ . ⎟⎟
En appliquant ce résultat à la matrice A de l’exercice 1.28, on ⎜⎜⎜0 −1 (0) .. 0⎟⎟⎟⎟⎟
retrouve le fait que les valeurs propres de A (qui sont alors ⎜⎜⎜ ⎟⎟⎟
= rg ⎜⎜⎜⎜ .. .. ⎟⎟
toutes réelles car A est symétrique réelle) sont dans [−2 ; 2]. ⎜⎜⎜ . (0) . 0 0⎟⎟⎟⎟⎟
⎜⎜⎜ ⎟
⎜⎜⎝0 . . . 0 −1 1⎟⎟⎟⎟⎠
1.35 0 0 ... 0 1
a) La matrice carrée An est symétrique réelle, donc, d’après le
par échange successifs des lignes L2 , ..., Ln pour amener L2 en
cours, An est diagonalisable dans Mn (R).
dernière ligne
b) En notant C1 , ..., Cn les colonnes de An , on remarque que
donc : rg (A − In ) = n.
C3 = ... = Cn , donc :
 Si λ  0 et λ  1, alors, en mettant λ − 1 en facteur
rg (An ) = rg (C1 , C2 , C3 ) dans L2 et λ en facteur dans L3 , ..., Ln , puis en effectuant
L1 ←− L1 + (L2 + · · · + Ln ), on a :
⎛ ⎞ ⎛ ⎞
⎜⎜⎜1 1 1⎟⎟
⎟ ⎜⎜⎜1 1 1⎟⎟
⎟ ⎛ ⎞
⎜⎜⎜1 1 0⎟⎟⎟⎟ ⎜⎜⎜0 1 1⎟⎟⎟⎟ ⎜⎜⎜1 − λ 1 1 . . . 1 ⎟⎟⎟
⎜⎜⎜ ⎟ ⎜⎜⎜ ⎟ ⎜⎜⎜⎜ 1 −1 0 . . . 0 ⎟⎟⎟⎟
= rg ⎜⎜⎜⎜⎜1
⎜ 0⎟⎟⎟⎟⎟ rg ⎜⎜⎜⎜⎜0
⎜ 1⎟⎟⎟⎟⎟ = 3 < n. ⎜⎜⎜ λ−1 ⎟
0 −1 (0) 0 ⎟⎟⎟⎟⎟
0 = 0
.. ⎟⎟⎟⎟⎟ .. ⎟⎟⎟⎟⎟ rg (An − λIn ) = rg ⎜⎜⎜⎜⎜ λ
1
⎜⎜⎜ .. .. C1 ←→C3 ⎜⎜⎜ .. .. ⎟⎟⎟
⎜⎜⎜ . . . ⎟⎟⎟⎠ ⎜⎜⎜ . . . ⎟⎟⎟⎠ ⎜⎜⎜⎜ .. .. . ⎟
⎝ ⎝ ⎜⎜⎝ . . (0) . . 0 ⎟⎟⎟⎟⎠
1 0 0 0 0 1 1
λ
0 . . . 0 −1
Il en résulte que 0 est valeur propre de A et, en utilisant le théo- ⎛ ⎞
rème du rang : 0 ... ⎜⎜⎜ α 0 0 ⎟⎟⎟
0 ... ⎜⎜⎜ 1 −1 0 ⎟⎟⎟
⎜⎜⎜ λ−1 ⎟⎟⎟
⎜ 1 ⎟⎟⎟
dim SEP (An , 0) = n − rg (An ) = n − 3  1. = rg ⎜⎜⎜⎜⎜ λ
−1 (0) 0 0 ⎟⎟⎟
. ⎜⎜⎜ .. .. ⎟⎟
(0) . . ⎜⎜⎜ .
⎝ 1 . 0 ⎟⎟⎟⎟⎠
c) • Déterminons les valeurs propres (réelles) de An . ... 0 0 −1
λ
Soit λ ∈ R. On a : 1 1
où : α= 1−λ+ + (n − 2) .
⎛ ⎞ λ−1 λ
⎜⎜⎜1 − λ 1 1 . . . 1 ⎟⎟

⎜⎜⎜ 1 1 − λ 0 . . . 0 ⎟⎟⎟⎟⎟
On obtient :
⎜⎜⎜ ⎧
⎜⎜⎜ . ⎟⎟⎟⎟ ⎪

⎪ 3 si λ = 0
rg (An − λ In ) = rg ⎜⎜⎜⎜⎜ 1 0 −λ (0) .. ⎟⎟⎟⎟⎟ . ⎪



⎜⎜⎜ . .. ⎟⎟⎟⎟ rg (A − λIn ) = ⎪n − 1 si λ  0, λ  1, α = 0
⎜⎜⎜ . . ⎪

⎜⎜⎝ . . (0) . . 0 ⎟⎟⎟⎟ ⎪

⎩ n si λ = 1 ou λ  0, λ  1, α  0 .


1 0 . . . 0 −λ
Il en résulte que les valeurs propres de An sont 0 et les solutions
 Le cas λ = 0 a été vu en b). en λ de l’équation α = 0, où λ  0 et λ  1.

36
Corrigés des exercices

n−2 √
Et : d’où : an ∼ − √ ∼ − n.
n∞ n n∞
α = 0 ⇐⇒ (1 − λ)(λ − 1)λ + λ + (n − 2)(λ − 1) = 0
1.36
⇐⇒ − λ3 + 2λ2 + (n − 2)λ − (n − 2) = 0
• Puisque A et B sont diagonalisables dans Mn (K), il existe
⇐⇒ λ3 − 2λ2 − (n − 2)λ + (n − 2) = 0
D, E ∈ Mn (K) diagonales, Q, R ∈ GLn (K), telles que :
⇐⇒ Pn (λ) = 0, A = QDQ−1 et B = RER−1 .
en utilisant la notation Pn de l’énoncé. Notons D = diag(di ), E = diag(ei ). On a alors :
1in 1in
• Étudions les zéros de Pn .
P(A) = Q P(D)Q−1 et P(B) = R P(E)R−1 ,
Puisque Pn est un polynôme de R3 [X], Pn admet au plus trois
zéros réels. d’où :
On a : Pn (λ) −→ −∞, Pn (0) = n − 2 > 0,
λ −→ −∞ P(A) = P(B) ⇐⇒ Q P(D)Q−1 = R P(E)R−1
Pn (1) = −1 < 0, Pn (λ) −→ +∞,
λ −→ +∞ ⇐⇒ (R−1 Q)P(D) = P(E)(R−1 Q).
donc, d’après le théorème des valeurs intermédiaires, Pn admet
Notons U = R−1 Q. On a donc :
au moins trois zéros réels.
On conclut que Pn admet exactement trois zéros réels, notés UP(D) = P(E)U.
an , bn , cn , deux à deux distincts, et :
• Passons aux éléments des matrices dans l’égalité ci-dessus.
an < 0 < bn < 1 < cn .
Notons U = (ui j )i j .
d) • On a, pour tout n  4 : Pn (2) = −(n − 2) < 0, En utilisant
⎧ le symbole de Kronecker, défini par


⎪1 si k = j
donc : cn > 2. ⎨
δk j = ⎪
⎪ , on a, pour tout (i, j) ∈ 1 ; n2 :
⎪0 si k  j

• On a, pour tout n  4 : c3n = c2n +(n − 2)(cn − 1)  n − 2,
 !"  !"
0 1

n
 n

donc cn  (n − 2) , d’où : cn −→ +∞.


1/3 UP(D) ij = uik P(D) k j = uik P(d j )δk j = ui j P(d j ),
n∞ k=1 k=1

• Puisque c3n − c2n = (n − 2)(cn − 1) et que cn −→ +∞, on a, en 


n  n
n∞
passant aux équivalents : c3n ∼ (n − 2)cn , d’où, puisque les cn P(E)U ij = P(E) ik uk j = P(ei )δik uk j = P(ei )ui j .
n∞ k=1 k=1
sont tous  0 : c2n ∼ n − 2 ∼ n, puis, comme les cn sont tous
√ n∞ n∞ Ainsi : ∀(i, j) ∈ 1 ; n2 , ui j P(d j ) = P(ei )ui j .
> 0 : cn ∼ n.
n∞ • Soit i ∈ 1 ; n fixé.
• On a, pour tout n  4 : b3n − b2n = (n − 2)(bn − 1),
Soit j ∈ 1 ; n. On a : ui j P(d j ) − P(ei ) = 0,
b3n − b2n donc : ui j = 0 ou P(d j ) = P(ei ).
donc : bn − 1 = −→ 0, car (bn )n est bornée.
n − 2 n∞
Il en résulte : bn −→ 1. Comme P est injectif, il s’ensuit : ui j = 0 ou d j = ei .
© Dunod. Toute reproduction non autorisée est un délit

n∞
Dans chacun de ces deux cas, on a nécessairement :
• Comme
ui j (d j − ei ) = 0.
Pn = (X − an )(X − bn )(X − cn )
= X3 − 2X2 − (n − 2)X + (n − 2), Par un calcul analogue à celui du deuxième point ci-dessus et
plus simple, il en résulte UD = EU.
on déduit, en remplaçant X par 0 : an bn cn = −(n − 2).
√ Puis, par un calcul analogue à celui du premier point ci-dessus
D’autre part : an bn cn ∼ an 1 n, et plus simple, on conclut A = B.
n∞

37
Algèbre bilinéaire CHAPITRE 2

Plan
Thèmes abordés dans les exercices
Les méthodes à retenir 39
• Montrer qu’une certaine application est un produit scalaire
Énoncés des exercices 41
• Trouver une base orthogonale, trouver une base orthonormale d’un espace vec-
Du mal à démarrer ? 47 toriel euclidien
Corrigés des exercices 50 • Obtenir des inégalités par utilisation de l’inégalité de Cauchy-Schwarz ou de
l’inégalité triangulaire
• Étude de sous-espaces vectoriels orthogonaux, détermination du supplémentaire
orthogonal d’un sous-espace vectoriel, détermination d’un projeté orthogonal,
calcul de la distance d’un vecteur à un sous-espace vectoriel
• Montrer ou utiliser qu’un endomorphisme est symétrique
• Étudier des matrices symétriques réelles
• Étudier le signe d’une forme quadratique.

On abrège espace vectoriel en ev, Points essentiels du cours


sous-espace vectoriel en sev. pour la résolution des exercices
• Définitions de : forme bilinéaire symétrique, produit scalaire, vecteurs orthogo-
naux entre eux, famille orthogonale, famille orthonormale, sous-espaces vecto-
riels orthogonaux entre eux, supplémentaire orthogonal d’un sous-espace vec-
toriel
• Expression matricielle du produit scalaire et de la norme euclidienne en base
orthonormale, coordonnées et norme d’un vecteur dans une base orthonormale
• Changement de base orthonormale
• Projecteur orthogonal sur un sous-espace vectoriel
• Définition et propriétés des endomorphismes symétriques
• Théorème spectral : tout endomorphisme symétrique est diagonalisable et ses
sous-espaces propres sont deux à deux orthogonaux
• Expression matricielle du théorème spectral : pour toute matrice symétrique
réelle S , il existe une matrice orthogonale P et une matrice diagonale D telles
que S = PDP−1
• Étude du signe d’une forme quadratique sur Rn , associée à une endomorphisme
ou à une matrice symétrique réelle.

38
Les méthodes à retenir

Les méthodes à retenir

Pour montrer
Revenir à la définition d’une forme bilinéaire symétrique.
qu’une application E × E −→ R
est une forme bilinéaire symétrique ➥ Exercice 2.5 a).

Pour montrer
Revenir à la définition d’une produit scalaire sur un R-ev.
qu’une application ϕ : E × E −→ R
est un produit scalaire sur un R-ev E ➥ Exercices 2.1, 2.10 b), 2.16 a), 2.19 c)1), 2.20 c)2).

Pour obtenir une inégalité


faisant intervenir des racines carrées, Essayer d’utiliser l’inégalité de Cauchy-Schwarz.
ou des carrés, ou des carrés ➥ Exercice 2.11 d)4).
de normes, ou des produits scalaires

Essayer de :
Pour montrer qu’un vecteur x
• montrer : ||x||2 = 0
d’un espace vectoriel euclidien
 
E, (. | .) ➥ Exercice 2.1
muni de la norme associée ||.||,
• montrer : ∀y ∈ E, (x | y) = 0.
est le vecteur nul
➥ Exercice 2.7.

Essayer de :
• utiliser la définition de l’orthogonal F ⊥ d’un sev F de E :
 
F ⊥ = x ∈ E ; ∀y ∈ F, (x | y) = 0
Pour manipuler
© Dunod. Toute reproduction non autorisée est un délit

des orthogonaux de sev ➥ Exercice 2.6


d’un espace vectoriel euclidien E
• utiliser la formule sur la dimension de l’orthogonal F ⊥ d’un sev F
de E :
dim (F ⊥ ) = dim (E) − dim (F).

➥ Exercice 2.6.

Pour montrer que deux sev F, G Revenir à la définition, c’est-à-dire montrer :


d’un espace vectoriel euclidien
  ∀x ∈ F, ∀y ∈ G, (x | y) = 0.
E, (. | .)
sont orthogonaux ➥ Exercice 2.22.

39
Chapitre 2 • Algèbre bilinéaire

Montrer que F est orthogonale et que F est une base de E.


Éventuellement, utiliser les propriétés suivantes :
Pour montrer
qu’une famille finie F = (e1 , ..., e n) • si F est orthogonale et à vecteurs tous non nuls, alors F est libre
est une base orthogonale • si F est libre et si Card (F ) = dim (E), alors F est une base de E
d’un espace vectoriel euclidien
  • si F engendre E et si Card (F ) = dim (E), alors F est une base
E, (. | .)
de E.
➥ Exercice 2.16.


n

Pour manipuler un vecteur x Penser à décomposer x sur B, sous la forme x = xi ei , où


d’un espace vectoriel euclidien i=1
  (x1 , ..., xn ) ∈ Rn , ou plus précisément, d’après le cours, sous la forme
E, (. | .)  n
muni d’une base orthonormale x= (ei | x)ei .
B = (e1 , ..., e n) i=1
➥ Exercice 2.15.

Pour faire disparaître Essayer de faire le produit de cette combinaison linéaire avec un vec-
tous les termes sauf l’un d’eux teur orthogonal à presque tous les termes de cette combinaison li-
dans une combinaison linéaire néaire.
de vecteurs
d’un espace vectoriel euclidien ➥ Exercice 2.22.

• Si on connaît le supplémentaire orthogonal G = F ⊥ de F dans E,


Pour calculer décomposer x en x = y+z, où y ∈ F et z ∈ G, et on a alors pF (x) = y.
le projeté orthogonal pF (x)
d’un vecteur x • Si on connaît une base orthonormale ( f1 , ..., f p ) de F, appliquer la
p
d’un espace vectoriel euclidien
  formule du cours : pF (x) = ( fk | x) fk .
E, (. | .) k=1
sur un sev F de E
➥ Exercices 2.3, 2.12 a).

• Revenir à la définition : un endomorphisme f de E est symétrique si


et seulement si :
Pour montrer
# #
qu’un endomorphisme f ∀(x, y) ∈ E 2 , f (x) ##y = x ## f (y)
d’un espace vectoriel euclidien
 
E, (. | .) ➥ Exercice 2.11 c)
est symétrique
• Montrer qu’il existe une base orthonormale B de E telle que la ma-
trice de f dans B soit symétrique.

Pour montrer
qu’une matrice A de M n(R) Revenir à la définition, c’est-à-dire montrer : t A = A.
est symétrique ➥ Exercice 2.8 .

40
Énoncés des exercices

• Essayer de revenir à la définition, c’est-à-dire montrer :





⎨∀x ∈ E, q(x)  0




Pour décider ⎩∀x ∈ E, q(x) = 0 =⇒ x = 0
si une forme quadratique q : E −→ R
est définie-positive ➥ Exercices 2.8 c), 2.23
• Si E = R , essayer de montrer que les valeurs propres de la matrice
n

de q dans la base canonique sont toutes strictement positives.


➥ Exercices 2.5 d), 2.10 b)2).

Utiliser :
• la définition : t S = S
Pour résoudre une question
faisant intervenir • le théorème spectral sous sa forme matricielle : il existe une matrice
une (seule) matrice symétrique orthogonale P et une matrice diagonale D telles que : S = PDP−1 .
réelle S On est ainsi ramené à l’étude d’une matrice diagonale, pour laquelle
on pourra passer aux coefficients des matrices.
➥ Exercices 2.13, 2.14, 2.21 b), 2.24.

Énoncés des exercices


2.1 Exemple de produit scalaire sur un espace de fonctions
On note E l’ensemble des applications f : [0 ; 1] −→ R de classe C 1 telles que f (0) = 0, et :
$ 1
ϕ : E × E −→ R, ( f, g) −→ (2 f  g + 2 f g + 3 f  g ).
0

Montrer que E est un espace vectoriel et que ϕ est un produit scalaire sur E.

2.2 Exemple d’inégalité à plusieurs variables réelles



n 2 
n
Montrer, pour tous n ∈ N∗ et (a1 , ..., an ) ∈ Rn : ak n a2k .
© Dunod. Toute reproduction non autorisée est un délit

k=1 k=1

2.3 Exemple de détermination d’un projeté orthogonal


Déterminer, dans R4 muni de son produit scalaire canonique, le projeté orthogonal de
u = (1, −1, 1, −1) sur le sous-espace vectoriel

 ⎪

⎨ x1 + 2x2 + 3x3 + 4x4 = 0 

F = (x1 , x2 , x3 , x4 ) ∈ R ; ⎪
4
⎪ .

⎩ x1 + 3x2 + 5x3 + 7x4 = 0

2.4 Exemple d’endomorphisme sur un espace de fonctions, d’après EML 2011


On note E = C ∞ ([0 ; 1] ; R), muni du produit scalaire (. | .) défini par :
$ 1
∀ f, g ∈ E, ( f | g) = f (x)g(x) dx
0

41
Chapitre 2 • Algèbre bilinéaire

et, pour toute f ∈ E : T ( f ) : [0 ; 1] −→ R, x −→ (x2 − x) f  (x) + (2x − 1) f  (x).

Montrer que T est un endomorphisme de E et que :



∀ f, g ∈ E, T ( f ) | g = f | T (g) .

2.5 Exemple de produit scalaire en dimension 3, d’après ESC 2005


Soit a ∈ R.
⎛ ⎞
⎜⎜⎜2 a 1⎟⎟⎟
⎜⎜ ⎟ 2
On note Ma = ⎜⎜a 3 a⎟⎟⎟⎟ ∈ M3 (R) et ϕa : M3,1 (R) −→ R, (X, Y) −→ t XMa Y.

⎝ ⎠
1a2
a) Vérifier que, pour tout a ∈ R, ϕa est une forme bilinéaire symétrique sur M3,1 (R).
⎛ ⎞ ⎛ ⎞ ⎛ ⎞
⎜⎜⎜−1⎟⎟⎟ ⎜⎜⎜ √1 ⎟⎟⎟ ⎜⎜⎜ 1√ ⎟⎟⎟
⎜⎜⎜ ⎟⎟⎟ ⎜⎜⎜ ⎟⎟⎟ ⎜⎜⎜ ⎟
b) On note U1 = ⎜⎜ 0 ⎟⎟ , U2 = ⎜⎜ 2⎟⎟ , U3 = ⎜⎜− 2⎟⎟⎟⎟ .
⎝ ⎠ ⎝ ⎠ ⎝ ⎠
1 1 1
Calculer, pour tout a ∈ R, les produits Ma U1 , Ma U2 , Ma U3 .

c) En déduire, pour tout a ∈ R, une matrice diagonale Da de M3 (R) et une matrice inversible P
de M3 (R) telles que : Ma = PDa P−1 .
3 3
d) Montrer que ϕa est un produit scalaire si et seulement si : − √ < a < √ .
2 2

2.6 Étude d’orthogonaux de sous-espaces vectoriels



Soient E, (. | .) un espace vectoriel euclidien, F, G deux sous-espaces vectoriels de E, supplé-
mentaires dans E. Montrer que F ⊥ et G⊥ sont supplémentaires dans E.

2.7 Linéarité d’applications associées via un produit scalaire


Soient E un espace vectoriel muni # d’un produit scalaire (. | .), f, g : E −→ E des applications
#
telles que : ∀(x, y) ∈ E 2 , f (x) ## y = x ## g(y) .
Démontrer que f et g sont linéaires.

2.8 Exemple de matrice symétrique définie-positive


Soit n ∈ N∗ .
⎛ ⎞
⎜⎜⎜1 ⎟⎟⎟
⎜⎜⎜⎜ 1 (1) ⎟⎟⎟
⎟⎟⎟
⎜⎜⎜ ⎟⎟⎟
a) On note T = ⎜⎜⎜⎜ ⎜ . .. ⎟⎟⎟ ∈ Mn (R). Est-ce que T est inversible ?
⎜⎜⎜⎜ ⎟⎟⎟⎟
⎜⎜⎝ (0) 1 ⎟⎟⎠
1

b) Calculer le produit t T T .

c) On note M = Min (i, j) 1i, jn ∈ Mn (R).

Démontrer que la forme quadratique canoniquement associée à M est définie-positive.

2.9 Noyaux, images, rangs de matrices


Soient n, p ∈ N∗ , A ∈ Mn,p (R). Montrer : Ker (A) = Ker ( t AA).

42
Énoncés des exercices

2.10 Exemple de produit scalaire sur R3 , d’après ESC 2009


On considère une matrice symétrique H de M3 (R) telle que H 2 = H. On note I = I3 et, pour
tout a ∈ ]0 ; +∞[ : M(a) = aI + (1 − a)H.

a) 1) Justifier que, pour tout a ∈ ]0 ; +∞[, M(a) est une matrice symétrique et diagonalisable
dans M3 (R).

2) Montrer : ∀(a, b) ∈ ]0 ; +∞[2 , M(a)M(b) = M(ab).


 −1 1 
3) Montrer : ∀a ∈ ]0 ; +∞[, M(a) ∈ GL3 (R) et M(a) = M ..
a
√ √
4) Montrer : ∀a ∈ ]0 ; +∞[, M(a) = t M( a) M( a).

b) Soit a ∈ ]0 ; +∞[ fixé.

1) Soit λ une valeur propre de M(a), X un vecteur propre pour M(a) associé à la valeur propre
λ de M(a).
√ √
Montrer : t M( a)X M( a)X = λ t XX et en déduire : λ > 0.

2) En déduire que l’application


⎛ ⎞
  ⎜⎜⎜ x ⎟⎟⎟
⎜ ⎟
ϕ : R3 × R3 −→ R, (x, y, z), (x , y , z ) −→ x y z M(a) ⎜⎜⎜⎜y ⎟⎟⎟⎟
⎝ ⎠
z

est un produit scalaire sur R3 .


⎛ √ ⎞
⎜⎜⎜ 3 −1 − √2⎟⎟⎟
1 ⎜⎜⎜ ⎟
c) On suppose ici a = 4 et on note H = ⎜⎜⎜ −1 3√ − 2⎟⎟⎟⎟⎟ .
4 ⎝ √ ⎠
− 2− 2 2

1) Vérifier H 2 = H et expliciter la matrice M(4).


√ √ √ √
 2 2  1 1 2 1 1 2
2) On note : u = ,− ,0, v= , ,− , w= , , .
2 2 2 2 2 2 2 2
Montrer que B = (u, v, w) est une base de R3 , orthonormée pour le produit scalaire canonique
et orthogonale pour le produit scalaire ϕ.

2.11 Exemple d’endomorphisme symétrique de R3 , d’après ESC 2008


On munit R3 de son produit scalaire canonique < . , . > et de la norme ||.|| associée. Soit (u1 , u2 )
une famille libre de R3 . On note H = Vect (u1 , u2 ) et
© Dunod. Toute reproduction non autorisée est un délit

f : R3 −→ R3 , u −→ f (u) = < u1 , u > u2 + < u2 , u > u1 .

a) Vérifier : f ∈ L (R3 ).

b) Montrer : Ker ( f ) = H ⊥ et Im ( f ) = H.

c) Montrer que f est un endomorphisme symétrique de R3 , < . , . > .

d) 1) Montrer que H est stable par f .

On note g : H −→ H, x −→ f (x) l’endomorphisme induit par f sur H.

2) Écrire la matrice de g dans la base B = (u1 , u2 ) de H.



3) On note B  = ||u2 ||u1 − ||u1 ||u2 , ||u2 ||u1 + ||u1 ||u2 .

43
Chapitre 2 • Algèbre bilinéaire

Vérifier que B  est une base orthogonale de H et former la matrice de g dans B  .

4) En utilisant l’inégalité de Cauchy-Schwarz, montrer que f admet une valeur propre λ1 < 0,
la valeur propre 0, une valeur propre λ2 > 0.

2.12 Étude d’une matrice antisymétrique d’ordre 3, d’après Ecricome 2008


Le R-espace vectoriel R3 est muni de son produit scalaire canonique < . , . > et de la base

− → − → −
canonique B = ( i , j , k ). On note e = IdR3 .

Soit →
−u = (a, b, c) ∈ R3 tel que a2 + b2 + c2 = 1.

On note D = Vect (→
−u ) et p le projecteur orthogonal sur D.

−v ∈ R3 , p(→
a) Exprimer, pour tout → −v ) à l’aide de < →
−v , →
−u > et de →
−u .


− →
− →

Calculer p( i ), p( j ), p( k ).

En déduire la matrice P de p dans la base B.


⎛ ⎞
⎜⎜⎜ 0 −c b ⎟⎟⎟
⎜⎜⎜ ⎟
On note M = ⎜⎜ c 0 −a⎟⎟⎟⎟ et f l’endomorphisme de R3 représenté par M dans la base B.
⎝ ⎠
−b a 0

b) 1) Montrer : M 2 = P − I3 .

2) Montrer : Ker ( f ) = D et Im ( f ) = D⊥ .

c) 1) Établir : f 3 + f = 0.

2) Quelles sont les valeurs propres de f ?

3) Est-ce que f est diagonalisable ?

d) On note, pour tout t ∈ R : gt = e + (sin t) f + (1 − cos t) f 2 .

1) Calculer la composée gt ◦ gt pour tout (t, t ) ∈ R2 et montrer qu’elle se met sous la forme
g où t ∈ R est à calculer.
t

2) En déduire que, pour tout t ∈ R, gt est bijectif et exprimer (gt )−1 .

2.13 Valeurs propres extrêmes d’une matrice symétrique réelle, d’après HEC 2006
Soient n ∈ N∗ , S ∈ Mn (R) symétrique. On note α la plus petite valeur propre de S , et β la plus
grande valeur propre de S . On munit Mn,1 (R) de son produit scalaire canonique et de la norme
associée ||.||.

Montrer : ∀X ∈ Mn,1 (R), α||X||2  t XS X  β||X||2 .

2.14 Existence d’une racine carrée symétrique positive d’une matrice symétrique positive,
d’après EML 2009
On note Sn (R) l’ensemble des matrices symétriques de Mn (R), et S+n l’ensemble des matrices
symétriques positives de Mn (R). Soit S ∈ S+n .

a) Montrer que toutes les valeurs propres de S sont  0.

b) Justifier l’existence d’une matrice orthogonale P de Mn (R) telle que la matrice


D = P−1 S P soit diagonale.

c) Trouver une matrice R de S+n telle que R2 = S .

44
Énoncés des exercices

2.15 Diverses CNS pour une base orthonormale


Soient E un espace vectoriel muni d’un produit scalaire (. | .), n ∈ N∗ , (e1 , ..., en ) ∈ E n . Montrer
que les assertions suivantes sont deux à deux équivalentes :
(i) (e1 , ..., en ) est une base orthonormale de E
 
n 
(ii) ∀i ∈ 1 ; n, ||e1 || = 1 et ∀(x, y) ∈ E 2 , (ei | x)(ei | y) = (x | y)
i=1

 
n 
(iii) ∀i ∈ 1 ; n, ||ei || = 1 et ∀x ∈ E, (ei | x)2 = ||x||2 .
i=1

2.16 Exemple de produit scalaire sur un espace vectoriel de polynômes, mise en évidence d’une
base orthonormale
Soit n ∈ N∗ . On note E = Rn [X] et ϕ : E × E −→ R l’application définie par :
n
∀(P, Q) ∈ E × E, ϕ(P, Q) = P(k) (0)Q(k) (0).
k=0

a) Vérifier que ϕ est un produit scalaire sur E.

b) 1) Calculer, pour tout (i, j) ∈ 0 ; n2 , ϕ(Xi , X j ).

2) En déduire une base orthonormale de (E, ϕ).


p
2.17 Étude de l’application x −→ (ei | x)ei
i=1

Soient E, (. | .) un espace vectoriel euclidien, p ∈ N∗ , F = (e1 , ..., e p ) ∈ E p .

p
On considère l’application f : E −→ E, x −→ f (x) = (ei | x)ei .
i=1

a) Vérifier que f est un endomorphisme de l’espace vectoriel E.

b) Montrer : Ker ( f ) = F ⊥ et Im ( f ) = Vect (F ).

c) Établir que f est bijective si et seulement si F engendre E.

2.18 Somme d’une matrice symétrique définie-positive et d’une matrice antisymétrique


Soient n ∈ N∗ , S ∈ Mn (R) symétrique définie-positive, A ∈ Mn (R) antisymétrique, c’est-à-dire
telle que t A = −A.
© Dunod. Toute reproduction non autorisée est un délit

Démontrer que S + A est inversible.

2.19 Exemple de produit scalaire défini par une intégrale sur un intervalle quelconque, d’après
EML 2009
On note E l’ensemble des applications f : [0 ; +∞[ −→ R bornées, de classe C 1 , telles que
f (0) = 0.

a) Démontrer que E est un sous-espace vectoriel de l’espace vectoriel réel des applications de
[0 ; +∞[ dans R.
f (x)
b) 1) Montrer : ∀ f ∈ E, −→ f  (0).
x x −→ 0
$ +∞
f (x)g(x)
2) Démontrer que, pour tout ( f, g) ∈ E 2 , l’intégrale dx converge.
0 x2

45
Chapitre 2 • Algèbre bilinéaire

$ +∞
f (x)g(x)
On note : < . , . > : E 2 −→ R, ( f, g) −→ < f , g > = dx.
0 x2
c) 1) Montrer que < . , . > est un produit scalaire sur E.

2) On note f : [0 ; +∞[ −→ R, x −→ x e −x et, pour tout a ∈ R :

ga : [0 ; +∞[ −→ R, x −→ x(x − a) e −x .

Montrer que f appartient à E et que, pour tout a ∈ R, ga appartient à E.

Déterminer l’ensemble des a ∈ R tels que f ⊥ ga .


$ +∞
f  (x)g(x) + f (x)g (x)
d) Démontrer, pour tout ( f, g) ∈ E : < f , g > =
2
dx.
0 x
À cet effet, on pourra commencer par effectuer une intégration par parties sur un segment.

2.20 Exemple de produit scalaire défini par une intégrale sur un intervalle quelconque, d’après
EML 2008
On note E l’ensemble des applications u : R −→ R continues sur R et telles que l’intégrale
$ +∞
2
u(x) e −x dx converge, et on note F le R-espace vectoriel des applications polynomiales
2

−∞
de R dans R.
1 2
a) Établir : ∀(α, β) ∈ [0 ; +∞[2 , αβ  (α + β2 ).
2
$ +∞
u(x)v(x) e −x dx converge.
2
b) En déduire que, pour tout (u, v) ∈ E 2 , l’intégrale
−∞

c) 1) Démontrer que E est un R-espace vectoriel.


$ +∞
2
2) Montrer que l’application (. | .) : E × E −→ R, (u, v) −→ u(x)v(x) e −x dx
−∞

est un produit scalaire sur E.

d) Démontrer : F ⊂ E.

2.21 Exemple d’équation matricielle à deux inconnues


Soient n ∈ N∗ , X, Y ∈ Mn (R) telles que : X t XY = In et Y t Y X = In .

a) Montrer que X et Y sont symétriques.

b) En déduire : X = Y = In .

2.22 Diverses caractérisations des projecteurs orthogonaux parmi les projecteurs



Soient E, (. | .) un espace vectoriel euclidien, ||.|| la norme associée, p un projecteur de E.
Montrer que les assertions suivantes sont deux à deux équivalentes :

(1) p est symétrique

(2) Im (p) ⊥ Ker (p)


#
(3) ∀x ∈ E, x ## p(x)  0

(4) ∀x ∈ E, ||p(x)||  ||x||.

46
Du mal à démarrer ?

2.23 Matrice de Hilbert


 1 
Soit n ∈ N∗ . On note Hn = ∈ Mn (R).
i + j − 1 1i, jn
Démontrer que la forme quadratique sur Rn canoniquement associée à Hn est définie-positive.

2.24 Matrices symétriques réelles à coefficients > 0, d’après HEC 2006


Soient n ∈ N∗ , S = (ai j )1i, jn ∈ Mn (R) symétrique telle que :

∀(i, j) ∈ 1 ; n2 , ai j > 0.

On note β la plus grande valeur propre de S et V le sous-espace propre de S associé à β.

On munit Mn,1 (R) de son produit scalaire canonique et de la norme associée ||.||.
⎛ ⎞ ⎛ ⎞
⎜⎜⎜ x1 ⎟⎟⎟ ⎜⎜⎜|x1 |⎟⎟⎟
⎜⎜⎜⎜ . ⎟⎟⎟⎟ ⎜⎜ ⎟⎟
a) Soit X0 = ⎜⎜⎜ .. ⎟⎟⎟ ∈ V \ {0}. On note |X0 | = ⎜⎜⎜⎜⎜ ... ⎟⎟⎟⎟⎟ .
⎜⎝ ⎟⎠ ⎜⎝ ⎟⎠
xn |xn |

1) Montrer t X0 S X0  t |X0 | S |X0 | et en déduire : |X0 | ∈ V.

2) Montrer que les coordonnées de S |X0 | sont toutes strictement positives et en déduire que
X0 n’a aucune coordonnée nulle.

3) Montrer : t
X0 S X0 = t |X0 | S |X0 | et en déduire que les coordonnées de X0 sont toutes de
même signe.

b) 1) En déduire qu’il n’existe pas deux vecteurs de V \ {0} orthogonaux entre eux.

2) Conclure : dim (V) = 1.

Du mal à démarrer ?
2.1 Revenir à la définition d’un espace vectoriel et à la défi- x−  → (x2 − x)f  (x) + (2x − 1)f  (x) est la dérivée de l’application
nition d’un produit scalaire. x −→ (x2 − x)f  (x).

2.2 Appliquer l’inégalité de Cauchy et Schwarz dans Rn muni 2.5 a) Revenir à la définition d’une forme bilinéaire symé-
© Dunod. Toute reproduction non autorisée est un délit

de son produit scalaire canonique. trique.


b) Immédiat.
2.3 • Déterminer une base de F, puis une base orthonor-
male (u1 , u2 ) de F à l’aide du procédé d’orthonormalisation de c) Interpréter les résultats obtenus en b).
Schmidt. d) Utiliser le résultat du cours faisant intervenir les valeurs
• Appliquer la formule du cours donnant le projeté ortho- propres de Ma .
gonal d’un vecteur u de E sur F, à l’aide de la base orthonor-
male (u1 , u2 ) de F. 2.6 1) Pour montrer F ⊥ ∩ G⊥ = {0}, considérer x ∈ F ⊥ ∩ G⊥ ,
puis décomposer x en x = u + v, où u ∈ F et v ∈ G.
2.4 1) Vérifier que, pour toute f ∈ E, T (f) existe et T (f) ∈ E. 2) Considérer les dimensions.
2) Vérifier que T est linéaire.
# 2.7 Soient α ∈ R, y, z ∈ E.
3) Pour tout (f, g) ∈ E2 , calculer T (f) ## g à l’aide d’une
intégration par parties, en remarquant que l’application Montrer que le vecteur g(αy + z) − αg(y) − g(z) est orthogonal à
tout vecteur de E.

47
Chapitre 2 • Algèbre bilinéaire



2.8 a) Remarquer que T est triangulaire (supérieure) et que  Réciproquement, pour v ∈ Ker (f), en notant V la ma-


ses termes diagonaux sont tous non nuls. trice de v dans B, calculer MV, M2 V et obtenir PV = V.

− →
− → − →

b) Immédiat. •  Soit w ∈ Im (f). Calculer < w , u > et déduire w ∈ D⊥ ,
d’où une inclusion.
c) Remarquer M = t TT et calculer le produit t XMX pout tout
X ∈ Mn,1 (R).  Pour obtenir l’égalité, raisonner sur les dimensions.
c) 1) Calculer M3 + M en utilisant M2 = P − I3 .
2.9 Se rappeler la définition du noyau d’une matrice :
c) 2) Remarquer que, d’après 1), on dispose d’un polynôme an-
 
Ker (A) = X ∈ Mp,1 (R) ; AX = 0 . nulateur de f.
c) 3) Raisonner par l’absurde, pour montrer que f n’est pas dia-
• Montrer d’abord : Ker (A) ⊂ Ker ( t AA). gonalisable.
• Pour l’autre inclusion, faire intervenir le produit scalaire ca- d) 1) Calculer gt ◦ gt en remplaçant gt et gt par leurs expres-
nonique sur Mn,1 (R). sions en fonction de t, t , e, f, et obtenir : gt ◦ gt = gt+t .
d) 2) Exprimer gt ◦ g−t et g−t ◦ gt en utilisant 1).
2.10 a) 1) et 2) Immédiats.
1 1
a) 3) Calculer M(a)M et M M(a). 2.13 Utiliser le théorème spectral, d’où S = PDP −1 , où P est
a a orthogonale et D = diag (λ1 , ..., λn ) est diagonale.
a) 4) Immédiat. ⎛ ⎞
⎜⎜⎜y1 ⎟⎟⎟
b) 1) Immédiat. ⎜⎜⎜⎜ ⎟⎟⎟⎟
Soit X ∈ Mn,1 (R). Exprimer XSX en notant Y = PX = ⎜⎜⎜⎜ .. ⎟⎟⎟⎟ .
t
⎜⎜⎜ . ⎟⎟⎟
b) 2) Utiliser le résultat du cours faisant intervenir les valeurs ⎝ ⎠
propres de M(a). yn

c) 1) Immédiat. 2.14 a) Soit λ une valeur propre de S. Faire intervenir un vec-


c) 2) • Calculer les produits scalaires de u, v, w deux à deux. teur propre X associé à la valeur propre λ et calculer t XSX.

• En notant U, V, W les matrices-colonnes de u, v, w dans b) Citer le théorème spectral.


la base canonique de R3 , calculer M(4)V et M(4)W, puis c) En notant D√ = diag√(λ1 , ..., λn ), considérer la matrice diago-
t
UM(4)V, t UM(4)W, t VM(4)W. nale ´ = diag ( λ1 , ..., λn ), et montrer que R = P´P −1 convient.

2.11 a) Immédiat. 2.15 (i) =⇒ (ii) :


b) 1) Montrer, pour tout u ∈ R3 : u ∈ Ker (f) ⇐⇒ u ∈ H⊥ . Pour (x, y) ∈ E2 . calculer (x | y) en utilisant
b) 2) • Montrer : Im (f) ⊂ H.
• Raisonner sur les dimensions pour obtenir l’égalité. 
n 
n
x= (ei | x)ei , y = (ej | y)ej .
c) Revenir à la définition d’un endomorphisme symétrique. i=1 j=1

d) 1) et 2) Immédiats.
d) 3) • Noter v1 = ||u2 ||u1 − ||u1 ||u2 , v2 = ||u2 ||u1 + ||u1 ||u2 , (ii) =⇒ (iii) :

et calculer < v1 , v2 >. Immédiat.

• Calculer g(v1 ) et g(v2 ). (iii) =⇒ (i) :

d) 4) Utiliser l’inégalité de Cauchy-Schwarz et l’étude du cas •


Appliquer l’hypothèse à ek pour k ∈ 1 ; n fixé, et déduire :
d’égalité dans l’inégalité de Cauchy-Schwarz pour obtenir : (ei | ek )2 = 0, puis : ∀i  k, (ei | ek ) = 0.
i, ik

< u1 , u2 > < ||u1 || ||u2 ||. 


n
• Pour x ∈ E, noter u = (ei | x)ei , calculer ||x−u||2 , en montrant
Utiliser la matrice de g dans B  obtenue en d)3) et utiliser b). i=1
(u | x) = ||x||2 et ||u||2 = ||x||2 , et déduire x = u.
2.12 a) Immédiat.
2.16 a) Revenir à la définition d’un produit scalaire.
b) 1) Immédiat.
⎛ ⎞ b) 1) Soit (i, j) ∈ 1 ; n2 . Calculer (Xi )(k) pour tout k ∈ 0 ; n, en
⎜⎜⎜ a⎟⎟⎟ déduire (Xi )(k) (0), puis ϕ(Xi , Xj ).
⎜ ⎟
b) 2) •  Calculer M ⎜⎜⎜⎜b⎟⎟⎟⎟ pour déduire D ⊂ Ker (f).
⎝ ⎠ b) 2) Immédiat.
c

48
Du mal à démarrer ?

2.17 a) Immédiat. 2.21 a) Montrer que Y est inversible, que Y −1 est symétrique,
puis que Y est symétrique.
b) •  Montrer : F ⊥ ⊂ Ker (f).
b) Obtenir : X 3 = In .
 Pour x ∈ Ker (f), calculer f(x) | x pour obtenir

n
Utiliser le théorème spectral pour déduire X = In .
(ei | x)2 = 0, et en déduire x ∈ F ⊥ .
i=1
2.22 Montrer (par exemple) :
•  Montrer Im (f) ⊂ Vect (F ).
(1) =⇒ (2), (2) =⇒ (3), (2) =⇒ (4),
 Pour obtenir l’égalité, considérer les dimensions.
(3) =⇒ (2), (4) =⇒ (2), (2) =⇒ (1).
c) Utiliser b).
Pour montrer (3) =⇒ (2), pour tous y ∈ Im (p) et z ∈ Ker (p),
2.18 Soit X ∈ Mn,1 (R) tel que (S + A)X = 0. Montrer t XAX = 0, appliquer l’hypothèse à x = λy + z pour tout λ ∈ R.
déduire t XSX = 0, puis X = 0. Pour montrer (4) =⇒ (2), pour tout y ∈ Im (p) et z ∈ Ker (p),
appliquer l’hypothèse à x = y + λz pour tout λ ∈ R.
2.19 a) Revenir à la définition d’un sous-espace vectoriel.
$ 1
1
b) 1) Utiliser la définition de la dérivée de f en 0. 2.23 Remarquer : ∀k ∈ N∗ , = tk−1 dt.
k 0
f(x)g(x) ⎛ ⎞
b) 2) • Vérifier que l’application h : x −→ est continue
x2 ⎜⎜⎜x1 ⎟⎟⎟
sur ]0 ; +∞[. ⎜⎜⎜⎜ ⎟⎟⎟⎟
En déduire, pour tout X = ⎜⎜⎜⎜ .. ⎟⎟⎟⎟ ∈ Mn,1 (R) :
• Étudier h(x) lorsque x tend vers 0 en utilisant 1). ⎜⎜⎜⎝ . ⎟⎟⎟⎠
xn
• Étudier h(x) lorsque x tend vers +∞ en utilisant le fait
que f et g sont bornées. $ 1 
n 2
c) 1) Revenir à la définition d’un produit scalaire.
t
XHn X = ti−1 xi dt.
0 i=1
c) 2) • Pour montrer que f est bornée, étudier (par exemple) les
variations de f.
2.24 a) 1) Développer t X0 SX0 .
• Décomposer linéairement ga sur f et sur l’application
Utiliser le théorème spectral : il existe une base orthonormale
(X1 , ..., Xn ) de Mn,1 (R) formée de vecteurs propres pour S. No-
k : [0 ; +∞[, x −→ x2 e −x , ter λ1 , ..., λn les valeurs propres de S respectivement associées à
X1 , ..., Xn , de façon que :
et montrer que k est bornée.
• Calculer < f , ga >, par exemple en faisant intervenir la λ1  ...  λk < λk+1 = ... = λn = β.
fonction Γ d’Euler.
Décomposer |X0 | sur (X1 , ..., Xn ) et calculer t X0 SX0 et t |X0 | S |X0 |.
d) Utiliser une intégration par parties sur un segment [ε ; X]

n
puis faire tendre ε vers 0 et X vers +∞. a) 2) Étudier les sommes aij |xj |.
j=1
1 2
2.20 a) Calculer (α + β2 ) − αβ. Remarquer que, d’après 1) : S|X0 | = β|X0 |.
2
b) Utiliser a), le théorème de majoration pour des fonctions à a) 3) • Utiliser X0 ∈ V et |X0 | ∈ V pour calculer les produits
valeurs positives ou nulles, et le lien entre absolue convergence t
X0 SX0 et t |X0 | S |X0 |.
et convergence.
• Développer t |X0 | S |X0 | − t X0 SX0 .
© Dunod. Toute reproduction non autorisée est un délit

c) 1) Revenir à la définition d’un produit scalaire.


b) 1) Soient X, X  ∈ V \ {0}. Raisonner sur les signes des coordon-
c) 2) Revenir à la définition de E. nées de X et X  pour montrer : t XX   0.
d) Utiliser la comparaison à l’exemple de Riemann en +∞. b) 2) Raisonner par l’absurde et utiliser 1).

49
Corrigés des exercices

2.1 À cet effet, commençons par remplacer le système d’équations


• D’abord, E est bien un R-espace vectoriel, car c’est un sous- définissant F par un système plus simple, par exemple en ex-
espace vectoriel de C 1 ([0 ; 1], R), puisque E  ∅ et : primant x1 et x2 en fonction de x3 et x4 .

On a, pour tout x = (x1 , x2 , x3 , x4 ) ∈ R4 :


∀α ∈ R, ∀ f, g ∈ E, (α f + g)(0) = α f (0) + g(0) = 0. ⎧
 !"  !" ⎪
$ 1 =0 =0 ⎪
⎨ x1 + 2x2 + 3x3 + 4x4 = 0 L1

x ∈ F ⇐⇒ ⎪ ⎪
• Pour toutes f, g ∈ E, ϕ( f, g) = (2 f  g + 2 f g + 3 f  g ) ⎪
⎩ x1 + 3x2 + 5x3 + 7x4 = 0 L2
0 ⎧
existe, car 2 f  g + 2 f g + 3 f  g est continue sur le seg- ⎪

⎨ x1 − x3 − 2x4 = 0
⎪ L1 ←− 3L1 − 2L2
ment [0 ; 1]. ⇐⇒ ⎪ ⎪

⎩ x2 + 2x3 + 3x4 = 0 L2 ←− L2 − L1
1) Il est clair que ϕ est symétrique et que ϕ est linéaire par ⎧


rapport à la deuxième place (par exemple) par linéarité de l’in- ⎨ x1 = x3 + 2x4

tégration, donc ϕ est bilinéaire. ⇐⇒ ⎪ ⎪

⎩ x2 = −2x3 − 3x4 .
$ 1
2) Notons q : E −→ R, f −→ ϕ( f, f ) = (4 f f  + 3 f 2 ). En choisissant successivement (x3 , x4 ) = (1, 0) puis (x3 , x4 )
0 = (0, 1), on obtient deux vecteurs v1 , v2 de F, formant une fa-
• On a, pour toute f ∈ E : mille libre :
$ 1 v1 = (1, −2, 1, 0), v2 = (2, −3, 0, 1).
2 2 2
4 f f  = [2 f 2 ]10 = 2 f (1) − 2 f (0) = 2 f (1) , Ainsi, (v1 , v2 ) est une base de F.
0  !"
=0
$ 1 Cherchons un vecteur v3 de la forme v3 = αv1 + v2 (α ∈ R) de
2 2
donc : q( f ) = 2 f (1) + f  0. façon que v3 soit orthogonal à v1 . On a :
#
0

• Si q( f ) = 0, alors, comme les deux termes formant q( f ) ci- v ⊥ v ⇐⇒ (v | v ) = 0 ⇐⇒ v ## αv + v = 0
3 1 1 3 1 1 2

dessus sont  0, chacun des deux est nul, donc, en particulier 4


$ 1 ⇐⇒ α||v1 ||2 + (v1 | v2 ) = 0 ⇐⇒ 6α + 8 = 0 ⇐⇒ α = − .
3
f 2 = 0. Comme f 2 est continue et  0, il en résulte :
0 Considérons donc v3 défini par : v3 = αv1 + v2
2
f = 0, puis f  = 0. Ainsi, f est constante. 4 1
= − (1, −2, 1, 0) + (2, −3, 0, 1) = (2, −1, −4, 3).
Comme de plus f (0) = 0, on déduit : f = 0. 3 3
v1 v3
En notant u1 = et u2 = , on obtient une base ortho-
On conclut : ϕ est un produit scalaire sur E. ||v1 || ||v3 ||
normale (u1 , u2 ) de F :
2.2 Appliquons l’inégalité de Cauchy-Schwarz 1
u1 = √ (1, −2, 1, 0),
1
u2 = √ (2, −1, −4, 3).
(u | v)2  ||u||2 ||v||2 dans Rn muni de son produit scalaire ca- 6 30
nonique, aux vecteurs u = (1, ..., 1) et v = (a1 , ..., an ) :
⎛ n ⎞2 ⎛ n ⎞ • D’après le cours, le projeté orthogonal pF (u) de u sur F est
⎜⎜ ⎟⎟ ⎜⎜ ⎟⎟2 donné par la formule : pF (u) = (u1 | u)u1 + (u2 | u)u2 .
(u | v)2 = ⎜⎜⎜⎝ 1 · uk ⎟⎟⎟⎠ = ⎜⎜⎜⎝ uk ⎟⎟⎟⎠ ,
k=1 k=1 1 4
Ici : (u1 | u) = √ (1 + 2 + 1 + 0) = √ ,

n 
n 6 6
||u||2 = 12 = n, ||v||2 = u2k , 1 4
k=1 k=1 (u2 | u) = √ (2 + 1 − 4 − 3) = − √ ,
30 30

n 2 
n
d’où : ak n a2k . donc :
k=1 k=1 4 1 −4 1
pF (u) = √ √ (1, −2, 1, 0) + √ √ (2, −1, −4, 3)
2.3 6 6 30 30
• Déterminons une base orthonormale de F, en utilisant le pro- 2 2 1
= (1, −2, 1, 0) − (2, −1, −4, 3) = (2, −6, 6, −2).
cédé d’orthonormalisation de Schmidt. 3 15 5

50
Corrigés des exercices

2.4 car t Y Ma X ∈ R et Ma est symétrique.


1) D’abord, il est clair que, pour toute f ∈ E, T ( f ) existe et Ainsi, ϕa est symétrique.
T ( f ) ∈ E.
• On a, pour tout α ∈ R et tous X, X  , Y ∈ M3,1 (R) :
2) Soient α ∈ R, f, g ∈ E.
ϕa (αX + X  , Y) = t (αX + X  )Ma Y = (α t X + t X  )Ma Y
On a, pour tout x ∈ [0 ; 1] :
= α t XMa Y + t X  Ma Y = αϕa (X, Y) + ϕa (X  , Y).

T (α f + g)(x) = (x − x) (α f + g) (x) + (2x − 1) (α f + g) (x)
2

Ainsi, ϕa est linéaire par rapport à la première place.


= (x2 − x) α f  (x) + g (x) + (2x − 1) α f  (x) + g (x)
% & Puisque ϕa est linéaire par rapport à la première place et est
= α (x2 − x) f  (x) + (2x − 1) f  (x)
% 2   & symétrique, d’après le cours, ϕa est bilinéaire.
+ (x − x)g (x) + (2x − 1)g (x)
On conclut que ϕa est une forme bilinéaire symétrique.
= αT ( f )(x) + T (g)(x) = αT ( f ) + T (g) (x),
b) On a, pour tout a ∈ R :
donc : T (α f + g) = αT ( f ) + T (g).
⎛ ⎞⎛ ⎞ ⎛ ⎞
⎜⎜⎜2 a 1⎟⎟⎟ ⎜⎜⎜−1⎟⎟⎟ ⎜⎜⎜−1⎟⎟⎟
Ceci montre que T est linéaire. ⎜ ⎟⎜ ⎟ ⎜ ⎟
• Ma U1 = ⎜⎜⎜⎜a 3 a⎟⎟⎟⎟ ⎜⎜⎜⎜ 0 ⎟⎟⎟⎟ = ⎜⎜⎜⎜ 0 ⎟⎟⎟⎟ = U1 ,
⎝ ⎠⎝ ⎠ ⎝ ⎠
1a2 1 1
Ainsi, T est un endomorphisme de E.

3) Soit ( f, g) ∈ E 2 . On a : ⎛ ⎞⎛ ⎞ ⎛ ⎞
⎜⎜⎜2 a 1⎟⎟⎟ ⎜⎜⎜ √1 ⎟⎟⎟ √ ⎜⎜⎜⎜ √1 ⎟⎟⎟⎟ √
⎜⎜⎜ ⎟⎟⎟ ⎜⎜⎜ ⎟⎟⎟
# $ 1% 2 • Ma U2 = ⎜⎜a 3 a⎟⎟ ⎜⎜ 2⎟⎟ = (3 + a 2) ⎜⎜⎜⎜ 2⎟⎟⎟⎟ = (3 + a 2)U2 ,
& ⎝ ⎠⎝ ⎠ ⎝ ⎠
T ( f ) ## g = (x − x) f  (x) + (2x − 1) f  (x) g(x) dx. 1a2 1 1
0

On remarque que l’application ⎛ ⎞⎛ ⎞ ⎛ ⎞


⎜⎜⎜2 a 1⎟⎟⎟ ⎜⎜⎜ 1√ ⎟⎟⎟ √ ⎜⎜⎜⎜ 1√ ⎟⎟⎟⎟ √
⎜⎜ ⎟⎟⎟ ⎜⎜⎜ ⎟⎟⎟
⎜ ⎜
• Ma U3 = ⎜⎜a 3 a⎟⎟ ⎜⎜− 2⎟⎟ = (3− a 2) ⎜⎜⎜− 2⎟⎟⎟⎟ = (3− a 2)U3 .
x −→ (x2 − x) f  (x) + (2x − 1) f  (x) ⎝ ⎠⎝ ⎠ ⎝ ⎠
1a2 1 1
est la dérivée de l’application v : x −→ (x2 − x) f  (x).
√ √
On effectue donc une intégration par parties, avec c) D’après b), les réels 1, 3 + a 2, 3 − a 2 sont des valeurs
⎧ ⎧ propres de Ma , et U1 , U2 , U3 sont des vecteurs propres pour

⎪ ⎪
⎪  
⎨u = g(x)
⎪ ⎨u = g (x)
⎪ Ma respectivement associés aux valeurs propres considérées.

⎪ ⎪ ⎛ ⎞
⎩v = (x2 − x) f  (x) + (2x − 1) f  (x) ⎪
⎪ ⎪
⎩v = (x2 − x) f  (x) ⎜⎜⎜1 0√ 0 ⎟⎟⎟
⎜⎜
⎜ ⎟
Notons Da = ⎜⎜⎜0 3 + a 2 0 √ ⎟⎟⎟⎟ qui est diagonale, et
⎝ ⎟⎠
où u, v sont de classe C 1 sur le segment [0 ; 1] : 0 0 3−a 2
⎛ ⎞
# % $ 1 ⎜⎜⎜−1 √1 1√ ⎟⎟
&1 ⎜⎜ ⎟⎟
T ( f ) ## g = (x2 − x) f  (x)g(x) 0 − g (x)(x2 − x) f  (x) dx. P = ⎜⎜ 0⎜ 2 − 2⎟⎟⎟⎟ .
 !" 0 ⎝ ⎠
1 1 1
© Dunod. Toute reproduction non autorisée est un délit

=0

Dans cette dernière expression, f et g ont des rôles symé- La matrice P est inversible car c’est la matrice de la famille
triques, donc, en appliquant le résultat ci-dessus au couple (U1 , U2 , U3 ) dans la base canonique de M3,1 (R) et ces trois
(g, f ) à la place du couple ( f, g), on obtient : vecteurs sont des vecteurs propres pour Ma associés à des va-
leurs propres deux à deux distinctes, en choisissant par exemple
# $ 1 # #
a = 1 et en remarquant que P ne dépend pas de a. On peut aussi
T ( f ) ## g = − (x2 −x) f  (x)g (x) dx = T (g) ## f = f ## T (g) . remarquer que P est inversible par une méthode usuelle.
0

2.5 Puisque (U1 , U2 , U3 ) est une base de vecteurs propres pour Ma ,


2 on a : Ma = PDa P−1 .
a) • D’abord, ϕa est bien une application de M3,1 (R) dans R.
d) L’application ϕa est un produit scalaire sur M3,1 (R) si et
• On a, pour tous X, Y ∈ M3,1 (R) :
seulement si les valeurs propres de Ma sont strictement
√ po-
ϕa (Y, X) = t Y Ma X = t ( t Y Ma X) sitives, c’est-à-dire si et seulement si 3 + a 2 > 0 et
√ 3 3
= t X t Ma Y = t XMa Y = ϕa (X, Y), 3 − a 2 > 0, ce qui revient à : − √ < a < √ .
2 2
51
Chapitre 2 • Algèbre bilinéaire

2.6 D’abord, d’après le cours, F ⊥ et G⊥ sont des sous- b) On calcule le produit t T T :


espaces vectoriels de E.
T
!"

1) Montrons : F ∩ G = {0}. ⊥ ⎛ ⎞
⎜⎜⎜1 ⎟⎟⎟
⎜⎜⎜ 1 (1) ⎟⎟⎟⎟
Soit x ∈ F ⊥ ∩ G⊥ . ⎜⎜⎜ ⎟⎟⎟
⎜⎜⎜ .. ⎟⎟⎟
⎜⎜⎜ . ⎟⎟⎟
Puisque F + G = E, il existe u ∈ F, v ∈ G tel que : x = u + v. ⎜⎜⎜ ⎟⎟⎟
⎜⎜⎜ (0) 1 ⎟⎟⎠

On a alors : (x | x) = (x | u + v) = (x | u) + (x | v). ⎛
1

⎛ ⎞ ⎜⎜⎜1 1⎟⎟ .
⎜⎜⎜1 ⎟⎟⎟ ⎜⎜⎜ 2 ⎟
Mais : (x | u) = 0 car x ∈ F ⊥ et u ∈ F, ⎜⎜⎜ 1 (0) ⎟⎟⎟⎟ ⎜⎜⎜ 2⎟⎟⎟⎟⎟
⎜⎜⎜ ⎟⎟⎟ ⎜⎜⎜ ⎟⎟⎟
et (x | v) = 0 car x ∈ G⊥ et v ∈ G. ⎜⎜⎜ .. ⎟⎟⎟ ⎜⎜⎜ .. ⎟⎟⎟
⎜⎜⎜ . ⎟⎟⎟ ⎜⎜⎜ . ⎟⎟⎟
⎜⎜⎜ ⎟⎟⎟ ⎜⎜⎜ ⎟⎟⎟
On a donc : (x | x) = 0 + 0 = 0, d’où : x = 0. ⎜⎜⎜ (1) .
⎝ 1 ⎟⎟⎠ ⎜⎜⎜⎜ . . ⎟⎟⎟⎟⎟
1 ⎝ ⎠
Ceci montre : F ⊥ ∩ G⊥ = {0}.  !" 12 n
tT
 !"
Ainsi, la somme F ⊥ + G⊥ est directe.
tT T

2) Passons aux dimensions : c) D’après b) et la définition de M, on a : M = t T T.


dim (F ⊥ ⊕ G⊥ ) = dim (F ⊥ ) + dim (G⊥ ) D’où, pour tout X ∈ Mn,1 (R) :

= dim (E) − dim (F) + dim (E) − dim (G)

t
XMX = t X( t T T )X = ( t X t T )(T X) = t (T X)(T X) = ||T X||2  0,
= 2 dim (E) − dim (F) + dim (G)
= 2 dim (E) − dim (F ⊕ G) et :
= 2 dim (E) − dim (E) = dim (E). t
XMX = 0 ⇐⇒ ||T X||2 = 0 ⇐⇒ T X = 0 ⇐⇒ X = 0,
On conclut : F ⊥ ⊕ G⊥ = E, puisque T est inversible.
c’est-à-dire que F ⊥ et G⊥ sont supplémentaires dans E.
On conclut que la forme quadratique canoniquement associée
à M est définie-positive.
2.7 Soient α ∈ R, y, z ∈ E.

Nous allons montrer que le vecteur g(αy + z) − αg(y) − g(z) est 2.9 Rappelons la notion de noyau d’une matrice, définie,
orthogonal à tout vecteur x de E. pour A ∈ Mn,p (R) par exemple, par :

On a, pour tout x ∈ E :  
Ker (A) = X ∈ M p,1 (R) ; AX = 0 .
##
x # g(αy + z) − αg(y) − g(z)
# # # • Soit X ∈ Ker (A).
= x ## g(αy + z) − α x ## g(y) − x ## g(z)
# # # ( t AA)X = t A(AX) = t A0 = 0,
= f (x) ## αy + z − α f (x) ## y − f (x) ## z
On a alors :
% # # & # #
= α f (x) ## y + f (x) ## z −α f (x) ## y − f (x) ## z donc : X ∈ Ker ( t AA).

= 0. Ceci montre : Ker (A) ⊂ Ker ( t AA).

Ceci montre que le vecteur g(αy+z)−αg(y)−g(z) est orthogonal • Soit X ∈ Ker ( t AA).
à tout vecteur x de E, donc est nul, c’est-à-dire :
g(αy + z) = αg(y) + g(z). On a alors, en utilisant le produit scalaire canonique sur
Mn,1 (R) et la norme euclidienne ||.|| associée :
On conclut que g est linéaire.
||AX||2 = t (AX)(AX) = t X t AAX = t X( t AAX) = t X0 = 0,
Par rôles symétriques, f est linéaire.
donc AX = 0, d’où X ∈ Ker (A).
2.8
Ceci montre : Ker ( t AA) ⊂ Ker (A).
a) Puisque T est triangulaire (supérieure) à termes diagonaux
tous non nuls, T est inversible. On conclut : Ker (A) = Ker ( t AA).

52
Corrigés des exercices

2.10 D’après le cours, il en résulte que ϕ est un produit scalaire sur


a) 1) Soit a ∈ ]0 ; +∞[. On a : R3 .

t c) 1) • On effectue le produit de H par H :


M(a) = t aI + (1 − a)H
= aI + (1 − a) H = aI + (1 − a)H = M(a),
t ⎛ √ ⎞⎛ √ ⎞
⎜⎜⎜ 3 −1 − √2⎟⎟⎟ ⎜⎜⎜ 3 −1 − √2⎟⎟⎟
1 ⎜⎜⎜ ⎟⎟⎟ ⎜⎜⎜ ⎟
H2 = ⎜⎜⎜ −1 3√ − 2⎟⎟⎟ ⎜⎜⎜ −1 3√ − 2⎟⎟⎟⎟⎟
donc M(a) est symétrique. 16 ⎝ √ ⎠⎝ √ ⎠
− 2− 2 2 − 2− 2 2
D’après le cours, puisque M(a) est symétrique réelle, M(a) est ⎛ √ ⎞
⎜ 12 −4 −4 √2⎟⎟⎟
diagonalisable dans M3 (R). 1 ⎜⎜⎜⎜⎜ ⎟
= ⎜ −4 12√ −4 2⎟⎟⎟⎟⎟
16 ⎜⎜⎝ √ ⎠
a) 2) On a, pour tout (a, b) ∈ ]0 ; +∞[2 : −4 2 −4 2 8
⎛ √ ⎞
⎜ 3 −1 − √2⎟⎟⎟
M(a)M(b) = aI + (1 − a)H (bI + (1 − b)H) 1 ⎜⎜⎜⎜⎜ ⎟

= abI + a(1 − b)+(1 − a)b H +(1−a)(1−b) H!"
= ⎜⎜⎜ −1 3√ − 2⎟⎟⎟⎟⎟ = H.
4⎝ √
2

− 2− 2 2
=H
= abI + (a + b − 2ab)H + (1 − a − b + ab)H
= abI + (1 − ab)H = M(ab). ⎛ √ ⎞
⎜⎜⎜ 7 3 3 √2⎟⎟⎟
1 ⎜⎜⎜ ⎟
• M(4) = 4I − 3H = ⎜⎜⎜ √3 7 3 2⎟⎟⎟⎟⎟ .

a) 3) On déduit de 2) : 4 ⎝ ⎠
3 2 3 2 10
⎧ 1  1


⎪ = a = M(1) = I

⎪ M(a)M M c) 2) • On calcule les produits scalaires de u, v, w entre eux
⎨ a a
∀a ∈ ]0 ; +∞[, ⎪
⎪ 1 1 
(pour le produit scalaire canonique), et on obtient :



⎩M M(a) = M a = M(1) = I.
a a < u , u > = 1, < u , v > = 0, < u , w > = 0,
Ceci montre :
< v , v > = 1, < v , w > = 0, < w , w > = 1.
 −1  1 
∀a ∈ ]0 ; +∞[, M(a) ∈ GL3 (R) et M(a) =M . Ainsi, B = (u, v, w) est une famille orthonormale de R3 pour
a
le produit scalaire canonique.

a) 4) On a, pour tout a ∈ ]0 ; +∞[ : Puisque B est orthogonale et formée de vecteurs tous non nuls,
√ √ 2 √ √ d’après le cours, B est libre.
M(a) = M ( a)2 = M( a) = t M( a) M( a),
√ Puisque B est libre et a trois éléments dans R3 qui est de di-
puisque M( a) est symétrique. mension 3, B est une base de R3 .

b) 1) • On a : Ainsi, B est une base orthonormale de R3 pour le produit sca-


√ laire canonique.
t √ √ √
M( a)X M( a)x = t X t M( a) M( a) X
= t XM(a)X = t XλX = λ t XX. • Notons U, V, W les matrices-colonnes de u, v, w dans la base
canonique de R3 , c’est-à-dire :
© Dunod. Toute reproduction non autorisée est un délit

⎛ √ ⎞ ⎛ ⎞ ⎛ ⎞
• Puisque X  0, on a t XX = ||X||2 > 0. ⎜⎜⎜ 2/2 ⎟⎟⎟ ⎜⎜⎜ 1/2 ⎟⎟⎟ ⎜⎜⎜ 1/2 ⎟⎟⎟
⎜⎜⎜ √ ⎟⎟⎟ ⎜⎜⎜ 1/2 ⎟⎟⎟ ⎜⎜⎜ 1/2 ⎟⎟⎟
√ U = ⎜⎜⎜− 2/2⎟⎟⎟ , V = ⎜⎜ √ ⎟⎟ , W = ⎜⎜ √ ⎟⎟ .
Puisque X  0 et que M( a) est inversible (cf. a)3)), on a : ⎝ ⎠ ⎝ ⎠ ⎝ ⎠
0 − 2/2 2/2

M( a)X  0,
√ √ √ On a :
donc : t M( a)X M( a)X = ||M( a)X||2 > 0. ⎛ √ ⎞⎛ ⎞ ⎛ ⎞
⎜⎜⎜ 7 3 3 √2⎟⎟⎟ ⎜⎜ 1/2 ⎟⎟
⎟⎟⎟ 1 ⎜⎜⎜⎜⎜
√ √ 2 ⎟⎟
t ⎜⎜⎜ ⎟⎟⎟ ⎜⎜⎜ ⎟
⎟⎟⎟ = ⎜⎜⎜ 2√ ⎟⎟⎟⎟⎟ = V,
M( a)X M( a)X 1
On déduit : λ = > 0. M(4)V = ⎜⎜⎜ √3 7 3 2⎟⎟⎟ ⎜⎜⎜ 1/2
√ √
t XX 4 ⎝ ⎠ ⎝ ⎠ 4 ⎝ ⎠
3 2 3 2 10 − 2/2 −2 2
b) 2) Puisque M(a) est symétrique, l’application ϕ est une
forme bilinéaire symétrique sur R3 . ⎛ √ ⎞⎛ ⎞ ⎛ ⎞
⎜⎜⎜ 7 3 3 √2⎟⎟⎟ ⎜⎜ 1/2 ⎟⎟
⎟⎟⎟ 1 ⎜⎜⎜⎜⎜
8 ⎟⎟
⎜⎜⎜ ⎟⎟⎟ ⎜⎜⎜ ⎟
8 ⎟⎟⎟⎟⎟ = 4W.
1
De plus, d’après b)1), les valeurs propres de M(a) sont M(4)W = ⎜⎜⎜ √
3 7 3 2⎟⎟⎟ ⎜⎜⎜ √1/2 ⎟⎟⎟ = ⎜⎜⎜ √

toutes > 0. 4 ⎝ ⎠⎝ ⎠ 4⎝ ⎠
3 2 3 2 10 2/2 8 2

53
Chapitre 2 • Algèbre bilinéaire

⎧t


⎪ U M(4)V = 4 t UV = 0 c) On a, pour tout (u, v) ∈ (R3 )2 :




⎨t ' (
D’où : ⎪
⎪ U M(4)W = 4 t UW = 0 < f (u) , v > = < u1 , u > u2 + < u2 , u > u1 , v





⎩ t V M(4)W = 4 t VW = 0, = < u1 , u >< u2 , v > + < u2 , u >< u1 , v >
= < u1 , v >< u2 , u > + < u2 , v >< u1 , u >
c’est-à-dire : ϕ(u, v) = ϕ(u, w) = ϕ(v, w) = 0. ' (
= < u1 , v > u2 + < u2 , v > u1 , u
On conclut que B = (u, v, w) est une base orthogonale pour le
= < f (v) , u > = < u , f (v) >,
produit scalaire ϕ.
donc f est un endomorphisme symétrique de R3 pour le produit
2.11 scalaire canonique < . , . >.
a) Il est clair que d) 1) On a : ∀x ∈ H, f (x) ∈ Im ( f ) ⊂ H,
f : u −→ < u1 , u > u2 + < u2 , u > u1 donc H est stable par f .

est une application de R3 dans R3 . On peut donc considérer l’endomorphisme g induit par f
sur H : g : H −→ H, x −→ f (x).
On a, pour tout α ∈ R et tous u, v ∈ R3 :
d) 2) On a : g(u1 ) = < u1 , u1 > u2 + < u2 , u1 > u1 ,
f (αu + v) = < u1 , αu + v > u2 + < u2 , αu + v > u1
g(u2 ) = < u1 , u2 > u2 + < u2 , u2 > u1 ,
= α < u1 , u > + < u1 , v > u2
donc la matrice G de g dans la base B = (u1 , u2 ) de H est :
+ α < u2 , u > + < u2 , v > u1


= α < u1 , u > u2 + < u2 , u > u1 < u2 , u1 > < u2 , u2 >
G= .
< u1 , u1 > < u1 , u2 >
+ < u1 , v > u2 + < u2 , v > u1
d) 3) Notons
= α f (u) + f (v),
v1 = ||u2 ||u1 − ||u1 ||u2 , v2 = ||u2 ||u1 + ||u1 ||u2 ,
donc f est linéaire.

On conclut : f ∈ L (R3 ). de sorte qu’avec les notations de l’énoncé : B  = (v1 , v2 ).

b) 1) On a, pour tout u ∈ R3 : • On a :
' (
< v1 , v2 > = ||u2 ||u1 − ||u1 ||u2 , ||u2 ||u1 + ||u1 ||u2
u ∈ Ker ( f ) ⇐⇒ f (u) = 0
= ||u2 ||2 < u1 , u1 > +||u2 || ||u1 || < u1 , u2 >
⇐⇒ < u1 , u > u2 + < u2 , u > u1 = 0
−||u1 || ||u2 || < u2 , u1 > −||u1 ||2 < u2 , u2 >
⇐⇒ < u1 , u > = 0 et < u2 , u > = 0
car (u1 , u2 ) est libre = ||u2 ||2 ||u1 ||2 − ||u1 ||2 ||u2 ||2 = 0,

⇐⇒ u ∈ Vect (u1 , u2 ) ⇐⇒ u ∈ H ⊥ . donc : v1 ⊥ v2 .

Ceci montre : Ker ( f ) = H ⊥ . D’autre part :


v1 = 0 ⇐⇒ ||u2 ||u1 − ||u1 ||u2 = 0
2) • On a, pour tout u ∈ E :
⇐⇒ ||u2 || = ||u1 || = 0 car (u1 , u2 ) est libre
f (u) = < u1 , u > u2 + < u2 , u > u1 ∈ Vect (u1 , u2 ) = H,
⇐⇒ u1 = u2 = 0,
donc : Im ( f ) ⊂ H. contradiction avec (u1 , u2 ) libre.
Il en résulte v1  0, et de même v2  0.
• D’après le théorème du rang et le théorème sur la dimension
de l’orthogonal d’un sous-espace vectoriel, on a : Comme B  est une famille orthogonale à vecteurs tous non
nuls, d’après le cours, B  est libre.
dim Im ( f ) = 3 − dim Ker ( f ) = 3 − dim (H ⊥ ) = dim (H).
Ainsi B  est une famille libre à deux éléments dans un espace
Comme : Im ( f ) ⊂ H et dim Im ( f ) = dim (H), vectoriel H qui est de dimension 2, donc B  est une base de H.

on conclut : Im ( f ) = H. On conclut que B  est une base orthogonale de H.

54
Corrigés des exercices

• On a : Enfin, comme R3 est de dimension 3 et que f est un endomor-


phisme de R3 , f admet au plus trois valeurs propres.
g(v1 ) = f (v1 )
Finalement, f admet une valeur propre λ1 < 0, la valeur propre
= f (||u2 ||u1 − ||u1 ||u2 )
0, une valeur propre λ2 > 0.
= ||u2 || f (u1 ) − ||u1 || f (u2 )

= ||u2 || < u1 , u1 > u2 + < u2 , u1 > u1 2.12

−||u1 || < u1 , u2 > u2 + < u2 , u2 > u1 a) D’après le cours, puisque (→
−u ) est une base orthonormale de
D, on a : ∀ v ∈ R , p( v ) = < →

− 3 →
− −u |→
−v > →
−u .
= ||u2 || < u1 , u2 > −||u1 || ||u2 || u1

+||u1 || ||u1 || ||u2 ||− < u1 , u2 > u2 En particulier :


= < u1 , u2 > −||u1 || ||u2 || ||u2 ||u1 − ||u1 ||u2 −u |→
p( i ) = < →
− →
i > −u = a→ −u

= < u1 , u2 > −||u1 || ||u2 || v1 , →− →
− →
− →
− →
− →

= a(a i + b j + c k ) = a2 i + ab j + ac k ,

− −u |→
− →
p( j ) = < → j > −u = b→−u
g(v2 ) = f (v2 ) →
− →
− →
− →
− →
− →

= b(a i + b j + c k ) = ba i + b2 j + bc k ,
= f (||u2 ||u1 + ||u1 ||u2 ) →
− −u |→
− →
p( k ) = < → k > −u = c→
−u
= ||u2 || f (u1 ) + ||u1 || f (u2 ) →
− →
− →
− →
− →
− →

= c(a i + b j + c k ) = ca i + cb j + c2 k .
= ||u2 || < u1 , u1 > u2 + < u2 , u1 > u1

− →− → −
+||u1 || < u1 , u2 > u2 + < u2 , u2 > u1 La matrice P de p dans B = ( i , j , k ) est donc :
⎛ 2 ⎞
= ||u2 || < u2 , u1 > +||u1 || ||u2 || u1 ⎜⎜⎜ a ab ac⎟⎟⎟
⎜⎜⎜ ⎟
+||u1 || ||u1 || ||u2 ||+ < u1 , u2 > u2 P = ⎜⎜ba b2 bc⎟⎟⎟⎟ .
⎝ 2⎠
ca cb c
= < u2 , u1 > +||u1 || ||u2 || ||u2 ||u1 + ||u1 ||u2
b) 1) On a :
= < u2 , u1 > +||u1 || ||u2 || v2 .
⎛ ⎞⎛ ⎞
⎜⎜⎜ 0 −c b ⎟⎟⎟ ⎜⎜⎜ 0 −c b ⎟⎟⎟
⎜ ⎟⎜ ⎟
On conclut que la matrice de g dans B  est : M 2 = ⎜⎜⎜⎜ c 0 −a⎟⎟⎟⎟ ⎜⎜⎜⎜ c 0 −a⎟⎟⎟⎟
⎝ ⎠⎝ ⎠

−b a 0 −b a 0
< u1 , u2 > −||u1 || ||u2 || 0 ⎛ 2 ⎞
. ⎜⎜⎜−b − c2 ab ac ⎟⎟⎟
0 < u1 , u2 > +||u1 || ||u2 || ⎜⎜
⎜ ⎟
= ⎜⎜ ab −a − c
2 2
bc ⎟⎟⎟⎟
⎝ 2⎠
ac bc −a − b
2

d) 4) D’après l’inégalité de Cauchy-Schwarz : ⎛ ⎞


⎜⎜⎜−1 + a2 ab ac ⎟⎟⎟
⎜⎜⎜ ⎟
= ⎜⎜ ab −1 + b 2
bc ⎟⎟⎟⎟ = P − I3 .
| < u1 , u2 > |  ||u1 || ||u2 ||. ⎝ 2⎠
ac bc −1 + c
De plus, comme (u1 , u2 ) est libre, d’après l’étude du cas d’éga- b) 2) •  On a :
lité dans l’inégalité de Cauchy-Schwarz : ⎛ ⎞ ⎛ ⎞⎛ ⎞ ⎛ ⎞
© Dunod. Toute reproduction non autorisée est un délit

⎜⎜⎜a⎟⎟⎟ ⎜⎜⎜ 0 −c b ⎟⎟⎟ ⎜⎜⎜a⎟⎟⎟ ⎜⎜⎜0⎟⎟⎟


⎜⎜⎜ ⎟⎟⎟ ⎜⎜⎜ ⎟⎜ ⎟ ⎜ ⎟
| < u1 , u2 > |  ||u1 || ||u2 ||. M ⎜⎜b⎟⎟ = ⎜⎜ c 0 −a⎟⎟⎟⎟ ⎜⎜⎜⎜b⎟⎟⎟⎟ = ⎜⎜⎜⎜0⎟⎟⎟⎟ ,
⎝ ⎠ ⎝ ⎠⎝ ⎠ ⎝ ⎠
c −b a 0 c 0
On a donc : | < u1 , u2 > | < ||u1 || ||u2 ||.
donc →
−u ∈ Ker ( f ), puis : D ⊂ Ker ( f ).
La matrice de g dans B  , qui est diagonale d’après 3), admet
deux valeurs propres qui sont  Réciproquement, soit →
−v ∈ Ker ( f ).

λ1 = < u1 , u2 > −||u1 || ||u2 || < 0, En notant V la matrice de →


−v dans B, on a : MV = 0, donc :

λ2 = < u1 , u2 > +||u1 || ||u2 || > 0. M 2 V = M(MV) = M0 = 0,


Comme g est l’endomorphisme induit par f sur H, les deux puis : PV = (M 2 + I3 )V = M 2 V + V = V,
réels λ1 et λ2 sont aussi valeurs propres de f .
donc →
−v ∈ Im (p) = D.
De plus, comme Ker ( f ) = H ⊥  {0}, le réel 0 est valeur propre
de f . Il en résulte : Ker ( f ) ⊂ D.

55
Chapitre 2 • Algèbre bilinéaire

Ceci montre : Ker ( f ) = D. = e + (sin t + sin t ) f + (2 − cos t − cos t + sin t sin t ) f 2



+ sin t(1 − cos t ) + sin t (1 − cos t) f 3
•  Soit →

w ∈ Im ( f ).  !"
=−f
−v ∈ R3 tel que →
Il existe → −
w = f (→
−v ). + (1 − cos t)(1 − cos t ) f 4
 !"
Notons U la matrice de →
−u dans B et V la matrice de →
−v dans =−f2
% &
= e + sin t + sin t − sin t(1 − cos t ) − sin t (1 − cos t) f
B. On a : % &
+ 2 − cos t − cos t + sin t sin t − (1 − cos t)(1 − cos t ) f 2
<→

w ,→
−u > = < f (→
−v ) , →
−u > = t (MV)U = e + (sin t cos t + sin t cos t) f
+ (1 − cos t cos t + sin t sin t ) f 2
= t V t MU = t V(−M)U = − t V(MU
!") = 0, = e + sin(t + t ) f + 1 − cos(t + t ) f 2 = gt+t .
donc →
− =0
w ∈ D⊥ .
d) 2) D’après 1), en remplaçant t par −t, on a :

Ainsi : Im ( f ) ⊂ D .
∀t ∈ R, gt ◦ g−t = g0 = e et g−t ◦ gt = g0 = e .
 D’après le théorème du rang et le théorème sur la dimen-
sion du supplémentaire orthogonal d’un sous-espace vectoriel, Il en résulte que, pour tout t ∈ R, gt est bijectif et que :
on a : (gt )−1 = g−t .

dim Im ( f ) = 3 − dim Ker ( f ) = 3 − dim (D) = dim (D⊥ ). 2.13 Puisque S est symétrique réelle, d’après le théorème
⊥ ⊥ spectral, il existe D = diag (λ1 , ..., λn ) ∈ Dn (R) et P orthogo-
Ainsi, Im ( f ) ⊂ D et dim Im ( f ) = dim (D ), donc, d’après le
nale telles que : S = PDP−1.
cours : Im ( f ) = D⊥ .
Soit X ∈ Mn,1 (R).
c) 1) On a :
On a, en utilisant t P = P−1 :
M 3 + M = MM 2 + M = M(P − I3 ) + M = MP
⎛ ⎞⎛ ⎞
t
XS X = t X(PDP−1)X = ( t XP)D(P−1 X)
⎜⎜⎜ 0 −c b ⎟⎟⎟ ⎜⎜⎜−1 + a2 ab ac ⎟⎟⎟
⎜⎜⎜ ⎟⎟⎟ ⎜⎜⎜ ⎟ = t ( t PX)D(P−1 X) = t (P−1 X)D(P−1 X).
= ⎜⎜ c 0 −a⎟⎟ ⎜⎜ ab −1 + b2 bc ⎟⎟⎟⎟ = 0,
⎝ ⎠⎝ 2⎠ ⎛ ⎞
−b a 0 ac bc −1 + c ⎜⎜⎜y1 ⎟⎟⎟
⎜⎜ . ⎟⎟
donc : f 3 + f = 0. Notons Y = P X = ⎜⎜⎜⎜⎜ .. ⎟⎟⎟⎟⎟ . On a :
−1
⎜⎝ ⎟⎠
yn
On peut aussi remarquer P = U t U, donc : ⎛ ⎞⎛ ⎞
⎜ λ1 (0)⎟⎟ ⎜⎜y1 ⎟⎟
MP = M(U t U) = (MU   ⎜⎜⎜⎜ ⎟⎟⎟ ⎜⎜⎜ ⎟⎟⎟  n
!") U = 0. ⎟⎟⎟⎟ ⎜⎜⎜⎜ .. ⎟⎟⎟⎟ =
t
t
XS X = t Y DY = y1 . . . yn ⎜⎜⎜⎜⎜ ..
. λi y2i .
=0 ⎜⎝ ⎟⎟⎠ ⎜⎜⎝ . ⎟⎟⎠ i=1
(0) λ n yn
c) 2) D’après 1), le polynôme X +X = X(X2 +1) est annulateur
3

de f , donc les valeurs propres de f sont parmi les zéros (réels) Comme : ∀i ∈ 1 ; n, α  λi  β,
de ce polynôme, donc la seule valeur propre possible pour f et que les y2i sont tous  0, on déduit :
est 0. n n 
n
α y2i  λi y2i  β y2i .
D’autre part, comme Ker ( f ) = D  {0}, 0 est valeur propre
i=1 i=1 i=1
de f .
Et :
On conclut :
f admet une valeur propre et une seule, qui est 0. ||X||2 = t XX = t (PY)(PY) = t Y t PPY

n
c) 3) Si f était diagonalisable, comme f n’admet que la valeur = t Y(P−1 P)Y = t YY = ||Y||2 = y2i .
propre 0, f serait représenté par la matrice nulle, donc f = 0, i=1
contradiction avec Ker ( f ) = D  R3 .
On conclut : α||X||  XS X  β||X|| .
2 t 2
On conclut : f n’est pas diagonalisable.

d) 1) On a, pour tout (t, t ) ∈ R2 : 2.14


a) Soit λ une valeur propre de S .
gt ◦ gt = e + (sin t) f + (1 − cos t) f 2

◦ e + (sin t ) f + (1 − cos t ) f 2 Il existe X ∈ Mn,1 (R) tel que : S X = λX et X  0.

56
Corrigés des exercices

Puisque S ∈ S+n , on a : t XS X  0. On suppose que (e1 , ..., en ) est une base orthonormale de E.

Et : t
XS X = X(λX) = λ( XX) = λ ||X|| .
t t 2
Il est clair qu’alors : ∀i ∈ 1 ; n, ||ei || = 1.
 !"
>0
t
XS X De plus, d’après le cours, pour tout (x, y) ∈ E 2 , on a :
D’où : λ=  0.  
||X||2 n n
x= (ei | x)ei et y = (e j | y)e j ,
On conclut : toutes les valeurs propres de S sont  0. i=1 j=1

d’où :
b) Puisque S ∈ Sn (R), d’après le théorème spectral, il existe

n ## 
n 
une matrice orthogonale P de Mn (R) et une matrice diagonale (x | y) = (ei | x)ei ## (e j | y)e j
D de Mn (R) telles que S = PDP−1 , d’où D = P−1 S P. i=1 j=1

n 
n 
n
c) Notons λ1 , ..., λn les éléments diagonaux de D : = (ei | x)(e j | y) (ei | e j ) = (ei | x)(ei | y).
D = diag (λ1 , ..., λn ). i=1 j=1
 !" i=1
= δi j

D’après a) : ∀k ∈ 1 ; n, λk  0.
Montrons (ii) =⇒ (iii) :
√ √
Considérons la matrice diagonale Δ = diag ( λ1 , ..., λn ) et la
Évident : il suffit d’appliquer (ii) à (x, x) à la place de (x, y).
matrice R = PΔP−1 .

• On a : R2 = (PΔP−1)2 = PΔ2 P−1 = PDP−1 = S . Montrons (iii) =⇒ (i) :





⎪∀i ∈ 1 ; n, ||ei || = 1
• On a : t
R = t (PΔP−1) = t P−1 t Δ t P = PΔP−1 = R, ⎪



On suppose : ⎪
⎪ n
car P est orthogonale et Δ est diagonale. ⎪

⎪∀x ∈ (ei | x)2 = ||x||2 .

⎩ E,
i=1
• Montrons Δ ∈ S+n .
• En appliquant l’hypothèse à ek pour k ∈ 1 ; n fixé, on a :
1re méthode : n
(ei | ek )2 = ||ek ||2 = 1.
Soit X ∈ Mn,1 (R) quelconque. On a : i=1

En isolant le terme d’indice k dans la sommation précédente :


t
XRX = t XPΔP−1 X n 
(ei | ek )2 = ||ek ||4 + (ei | ek )2 .
= t ( t PX)Δ(P−1 X) = t (P−1 X)Δ(P−1 X).  !"
i=1 i, ik
=1
⎛ ⎞ 
⎜⎜⎜y1 ⎟⎟⎟
⎜⎜ ⎟⎟ On déduit : (ei | ek )2 = 0.
Notons P X = ⎜⎜⎜⎜⎜ ... ⎟⎟⎟⎟⎟ .
−1  !"
⎜⎝ ⎟⎠ i, ik
0
yn
Il en résulte : ∀i  k, (ei | ek ) = 0.

n
)
On a alors : t
XRX = YΔY =
t
λk y2k  0. Ceci montre que la famille (e1 , ..., en ) est orthogonale.
k=1
© Dunod. Toute reproduction non autorisée est un délit

Vu l’hypothèse, on conclut que la famille (e1 , ..., en ) est ortho-


On conclut : R ∈ S+n . normale.

2e méthode : • En particulier, puisque la famille (e1 , ..., en ) est orthogonale et


√ √ à vecteurs tous non nuls, cette famille est libre.
Considérons la matrice diagonale U = diag ( 4 λ1 , ..., 4 λn ) de
sorte que Δ = U = UU.
2 t 
n
• Soit x ∈ E. Notons u = (ei | x)ei .
On a alors, pour toute X ∈ Mn,1 (R) : i=1

t
XRX = t XPΔP−1 X = t XP t UUP−1 X Nous allons montrer x = u, en calculant ||x − u||2 .

= t (UP−1 X)(UP−1 X) = ||UP−1 X||2  0. On a : ||x − u||2 = ||x||2 − 2(x | u) + ||u||2 .

On conclut : R ∈ S+n . Mais :



n ##  n 
n
(u | x) = (ei | x)ei ## x = (ei | x)(ei | x) = (ei | x)2 = ||x||2
2.15 Montrons (i) =⇒ (ii) : i=1 i=1 i=1

57
Chapitre 2 • Algèbre bilinéaire

et, puisque (e1 , ..., en ) est une famille orthonormale : b) 1) Soit (i, j) ∈ 0 ; n2 . On a, pour tout k ∈ 0 ; n :
####  ####2  ⎧
n n ⎪

⎪i(i − 1) · · · (i − k + 1)Xi−k si k < i
||u||2 = #### (ei | x)ei #### = (ei | x)2 = ||x||2 . ⎪




i=1 i=1 (X ) = ⎪
i (k)
⎪ i! si k = i






On obtient : ||x − u||2 = ||x||2 − 2||x||2 + ||x||2 = 0, 0 si k > i

n
donc x − u = 0, x = u = (ei | x)ei .
donc : ⎧


⎪ si k  i
⎨0
i=1
(Xi )(k) (0) = ⎪


⎩i! si k = i.
Ceci montre que la famille (e1 , ..., en ) engendre E.
Il en résulte :
Finalement, (e1 , ..., en ) est une base orthonormale de E.


n ⎪

⎪ si i  j
⎨ 0
2.16 ϕ(Xi , X j ) = (Xi )(k) (0)(X j )(k) (0) = ⎪


⎩(i!)2 si i = j.
k=0
a) On a, pour tout (P, Q) ∈ E × E :


n 
n
ϕ(Q, P) = Q(k) (0)P(k) (0) = P(k) (0)Q(k) (0) = ϕ(P, Q), b) 2) D’après 1), (Xi )0in est une famille orthogonale pour ϕ,
k=0 k=0 formée de vecteurs tous non nuls, donc cette famille est libre.
Comme dim (E) = n + 1, cette famille libre de n + 1 éléments
donc ϕ est symétrique. est une base de E.

• On a, pour tout α ∈ R et tous P, Q, R ∈ E : De plus : ∀i ∈ 0 ; n, ϕ(Xi , Xi ) = (i!)2 .


 Xi 

n
On conclut que est une base orthonormale de (E, ϕ).
ϕ(P, αQ + R) = P (0)(αQ + R) (0)
(k) (k)
i! 0in
k=

n 2.17

= P(k) (0) αQ(k) (0) + R(k) (0) a) Soient α ∈ R, x, y ∈ E. On a :
k=0

n 
n 
p

=α P(k) (0)Q(k) (0) + P(k) (0)R(k) (0) f (αx + y) = (ei | αx + y)ei


k=0 k=0 i=1

= αϕ(P, Q) + ϕ(P, R), 


p

= α(ei | x)ei + (ei | y)ei
donc ϕ est linéaire par rapport à la seconde place. i=1

p 
p

Puisque ϕ est symétrique et linéaire par rapport à la seconde =α (ei | x)ei + (ei | y)ei
place, ϕ est aussi linéaire par rapport à la première place, donc i=1 i=1

ϕ est bilinéaire. = α f (x) + f (y),


n
2 donc f est linéaire.
• On a, pour tout P ∈ E : ϕ(P, P) = P(k) (0)  0.
k=0 On conclut que f est un endomorphisme de l’espace vecto-
riel E.
• Soit P ∈ E tel que ϕ(P, P) = 0.

n b) •  Soit x ∈ F ⊥ .
2
On a alors : P (0) = 0,
(k)

k=0
 !" On a alors : ∀i ∈ 1 ; p, (ei | x) = 0,
0

p
donc : ∀k ∈ 0 ; n, P(k) (0) = 0. donc : f (x) = (ei | x) ei = 0,
 !"
i=1
=0
Si P  0, en notant k = deg (P), on a k ∈ 0 ; n et P(k) est une
constante non nulle, contradiction avec le résultat précédent. d’où : x ∈ Ker ( f ).

Il en résulte : P = 0. Ceci montre : F ⊥ ⊂ Ker ( f ).

On conclut que ϕ est un produit scalaire sur E.  Soit x ∈ Ker ( f ).

58
Corrigés des exercices


p
et on conclut : S + A est inversible.
On a donc : f (x) = (ei | x)ei = 0,
i=1
2.19
d’où, en faisant le produit scalaire avec x :
a) • On a E ⊂ R[0 ; +∞[ et 0 ∈ E.

p ## 
0 = (0 | x) = f (x) | x = (ei | x)ei ## x
i=1
• Soient α ∈ R, f, g ∈ E.

p 
p
 Puisque f et g sont
= (ei | x)(ei | x) = (ei | x)2 . ⎧ bornées, il existe M f , Mg ∈ R+ tels que :
 !" ⎪

i=1 i=1 ⎨∀x ∈ [0 ; +∞[, | f (x)|  M f

0 ⎪

⎪∀x ∈ [0 ; +∞[, |g(x)|  M .
⎩ g
Il en résulte : ∀i ∈ 1 ; p, (ei | x) = 0,
On a alors :
et donc : x ∈ F ⊥ .
# #
Ceci montre : Ker ( f ) ⊂ F ⊥ . ∀x ∈ R, ##α f (x) + g(x)##  |α| | f (x)| + |g(x)|  |α|M f + Mg ,

On conclut : Ker ( f ) = F ⊥ .
donc α f + g est bornée.

p
 Puisque f et g sont de classe C 1 , d’après le cours, α f + g est
•  On a : ∀x ∈ E, f (x) = (ei | x)ei ∈ Vect (F ),
i=1
de classe C 1 .

donc : Im ( f ) ⊂ Vect (F ).  On a : (α f + g)(0) = α f (0) + g(0) = 0.


 !"  !"
=0 =0
 D’après le théorème du rang et le résultat précédent (sur le
noyau de f ), on a : On déduit : α f + g ∈ E.

dim Im ( f ) = dim (E) − dim Ker ( f ) = dim (E) − dim (F ⊥ ) On conclut : E est un sous-espace vectoriel de l’espace vecto-
⊥ riel réel des applications de [0 ; +∞[ dans R.
= dim (E) − dim Vect (F ) = dim Vect (F ).
Comme Im ( f ) ⊂ Vect (F ) et que ces deux sev sont de dimen- b) 1) Soit f ∈ E. Puisque f (0) = 0 et que f est dérivable en 0,
sions finies et ont la même dimension, on conclut : f (x) f (x) − f (0)
on a : = −→ f  (0).
Im ( f ) = Vect (F ). x x−0 x −→ 0

b) 2) Soit ( f, g) ∈ E 2 .
c) Puisque f est un endomorphisme de l’espace vectoriel E qui
est de dimension finie, on a : f (x)g(x)
• L’application h : x −→ est continue sur ]0 ; +∞[.
f bijective ⇐⇒ f surjective ⇐⇒ Im ( f ) = E x2

⇐⇒ Vect (F ) = E ⇐⇒ F engendre E. f (x) g(x)


• On a, d’après 1) : h(x) = −→ f  (0)g (0).
x x x −→ 0
2.18 Soit X ∈ Mn,1 (R) telle que (S + A)X = 0. Ainsi, l’application h admet une limite finie en 0, donc l’inté-
$ 1
On a alors : t X(S + A)X = 0. grale h(x) dx converge (intégrale faussement impropre).
© Dunod. Toute reproduction non autorisée est un délit

Mais : t
X(S + A)X = t XS X + t XAX. • Puisque f et g sont
⎧ bornées, il existe M f , Mg ∈ R+ tels que :


Comme A = −A et que XAX est une matrice carrée à une seul ⎨∀x ∈ [0 ; +∞[, | f (x)|  M f

t t

élément, on a : ⎪

⎪∀x ∈ [0 ; +∞[, |g(x)|  M .
⎩ g
t
XAX = t ( t XAX) = t X t AX = t X(−A)X = − t XAX,
| f (x)| |g(x)| M f Mg
donc 2 t XAX = 0, d’où t XAX = 0. On a : ∀x ∈ [1 ; +∞[, |h(x)| =  .
x2 x2
On obtient alors t XS X = 0. D’après l’exemple de Riemann en +∞ (2 $ > 1), l’inté-
$ +∞ +∞
1 M f Mg
Comme S est symétrique définie-positive, la forme quadratique grale 2
dx converge, donc l’intégrale dx
1 x 1 x2
canoniquement associée à S est définie-positive, donc X = 0. converge.

On a montré : Par
$ +∞théorème de majoration pour des fonctions  0, l’intégrale
|h(x)| dx converge.
∀X ∈ Mn,1 (R), (S + A)X = 0 =⇒ X = 0 ,
1

59
Chapitre 2 • Algèbre bilinéaire

$ +∞
Ainsi, l’intégrale h(x) dx est absolument convergente, Nous allons maintenant montrer que f est bornée.
1
donc convergente. 1re méthode : utilisation des variations de la fonction f :
$ 1 $ +∞ On a : ∀x ∈ [0 ; +∞[, f  (x) = (1 − x) e −x ,
Puisque les deux intégrales h(x) dx et h(x) dx
$ +∞ 1 0 d’où le tableau des variations de f :
convergent, par définition, l’intégrale h(x) dx converge. x 0 1 +∞
0 f  (x) + 0 −
e −1
$ +∞conclut que, pour tout ( f, g)
On ∈ E 2 , l’intégrale
f (x)g(x) f (x)  
dx converge. 0 0
0 x2

c) 1) • La symétrie est évidente. On a donc : ∀x ∈ [0 ; +∞[, 0  f (x)  e −1 .


• La linéarité par rapport à la première place est immédiate, par Il en résulte que f est bornée.
linéarité de l’intégration.
2e méthode : utilisation du comportement à l’infini et de la
Puisque < . , . > est linéaire par rapport à la seconde place et continuité sur un segment :
est symétrique, < . , . > est bilinéaire.
On a, par prépondérance de l’exponentielle sur les puissances :
$ +∞ 2
f (x) f (x) −→ 0.
• On a : ∀ f ∈ E, < f | f > = dx  0. x −→ +∞
0 x2
Il existe donc α ∈ [0 ; +∞[ tel que :
• Soit f ∈ E telle que < f | f > = 0, c’est-à-dire telle
$ +∞ 2 ∀x ∈ [0 ; +∞[, | f (x)|  1.
f (x)
que : dx = 0. On a alors, d’après la relation de
0 x2 D’autre part, f est continue sur le segment [0 ; α], donc,
Chasles :
$ 1 2 $ +∞ 2 $ +∞ 2 d’après le cours, f est bornée sur ce segment ; il existe donc
f (x) f (x) f (x) M ∈ R+ tel que : ∀x ∈ [0 ; α], | f (x)|  M.
dx + dx = dx = 0,
x2 x2 x2

0
!" 
1
!" 0
On a donc : ∀x ∈ [0 ; +∞[, | f (x)|  Max (1, M),
0 0
$ 1 2 $ +∞ 2 ce qui montre que f est bornée.
f (x) f (x)
donc : dx = 0 et dx = 0.
0 x2 1 x2 On conclut : f ∈ E.
$ X 2
f (x) • Soit a ∈ R.
L’application H : X −→ dx
1 x2
L’application ga : [0 ; +∞[ −→ R, x −→ x(x − a) e −x
est croissante sur [1 ; +∞[, car elle est de classe C 1 et sa dérivée
2
f (X) est de classe C 1 et ga (0) = 0.
est X −→ qui est  0.
X2
On remarque : ga = k − a f, où on a noté
$ +∞ 2
f (x)
De plus, H(1) = 0 et H(X) −→ dx = 0. k : [0 ; +∞[ −→ R, x −→ x2 e −x .
X −→ +∞ 1 x2
Il en résulte : ∀X ∈ [1 ; +∞[, H(X) = 0, Comme ci-dessus (par l’une des deux méthodes), on montre
2 que k est bornée.
f (X)
puis, en dérivant : ∀X ∈ [1 ; +∞[, = 0, Ainsi : k ∈ E.
X2
donc : ∀X ∈ [1 ; +∞[, f (X) = 0. Comme E est un R-espace vectoriel et que ( f, k) ∈ E 2 , on dé-
duit, par combinaison linéaire : ga ∈ E.
On montre de même : ∀X ∈ ]0 ; 1], f (X) = 0.

On obtient donc : f = 0. • On a, pour tout a ∈ R :


$ +∞
On conclut que < . . . > est un produit scalaire sur E. f (x)ga (x)
< f , ga > = dx
0 x2
c) 2) • L’application f : [0 ; +∞[ −→ R, x −→ x e −x est de $ +∞
(x e −x ) x(x − a) e −x
classe C 1 et f (0) = 0. = dx
0 x2
60
Corrigés des exercices

$ +∞
L’application f : x −→ u(x)v(x) e −x est continue sur R
2
= (x − a) e −2x dx
0
$ et, d’après a), pour tout x ∈ R :
+∞ t  1
= − a e −t dt 1
| f (x)| = |u(x)| |v(x)| e −x  u(x)2 + v(x)2 e −x
2 2
t=2x 0 2 2
$ +∞ 2
1
= (t − 2a) e −t dt 1 2 1 2
= u(x) e −x + v(x) e −x .
2 2
4 0 2 2
$ $ +∞
1  +∞ −t  $ +∞
= t e dt − 2a e −t dt 2
u(x) e −x dx et
2
4 0 0 Comme les deux intégrales
1 $ +∞ −∞
= Γ(2) − 2aΓ(1) 2 −x2
4 v(x) e dx convergent, par combinaison linéaire,
−∞ $ +∞ 
1 1 1 2 1 2 2
= (1! − 2a 0!) = (1 − 2a). u(x) e −x + v(x) e −x dx converge,
2
l’intégrale
4 4 −∞ 2 2
puis, par$théorème de majoration pour des fonctions  0, l’in-
1 +∞
On conclut : l’ensemble des a ∈ R tels que f ⊥ ga est . tégrale | f (x)| dx converge.
2 −∞
$ +∞
d) Soit ( f, g) ∈ E .
2
Ainsi, l’intégrale f (x) dx est absolument convergente,
−∞
Soit (ε, X) ∈ ]0 ; +∞[2 tel que ε < X. donc convergente.
$ ∞
On a, par intégration par parties avec 2
On conclut : l’intégrale u(x)v(x) e −x dx converge.
⎧ ⎧  −∞


⎪ u(x) = f (x)g(x) ⎪

⎪ u (x) = f  (x)g(x) + f (x)g (x)

⎨ ⎪


⎪ ⎪
⎪ c) 1) • Il est clair que E ⊂ RR et que, en notant 0 la fonction

⎪v = 1
⎩ ⎪
⎪v = − 1

2 constante nulle, 0 ∈ E.
x x
où u, v sont de classe C 1 sur le segment [ε ; X] : • Soient u, v ∈ E. On a, pour tout x ∈ R :
$ X 2
u(x) + v(x) e −x
2
f (x)g(x)
dx 2 2
= u(x) e −x + 2u(x)v(x) e −x + v(x) e −x .
2 2 2
ε x2
* f (x)g(x) +X $ X f  (x)g(x) + f (x)g (x) $ +∞
= − + dx. 2
u(x) e −x dx et
2
x ε
ε x Puisque u, v ∈ E, les deux intégrales
$ +∞ −∞
f (X)g(X) 2
v(x) e −x dx convergent.
2
Comme f et g sont bornées, on a : −→ 0.
X X −→ +∞ −∞
$ +∞
D’autre part, d’après b)1) appliqué à f et puisque g est continue
u(x)v(x) e −x dx converge.
2
f (ε)g(ε) f (ε) D’après b), l’intégrale
en 0 : = g(ε) −→ f  (0) g(0) = 0. −∞
ε ε ε −→ 0  !"
=0 Par combinaison linéaire, on déduit que l’intégrale
$ +∞
$ 2
u(x) + v(x) e −x dx converge, donc u + v ∈ E.
+∞ 2
 
f (x)g(x) + f (x)g (x)
© Dunod. Toute reproduction non autorisée est un délit

Il en résulte que l’intégrale dx −∞


0 x
converge et que : • Soient α ∈ R, u ∈ E.
$ +∞ $ +∞
f  (x)g(x) + f (x)g (x) 2
< f , g >= dx. Puisque l’intégrale u(x) e −x dx converge, par multi-
2
x
0 −∞ $ +∞
2
αu(x) e −x dx
2
2.20 plication par la constante α2 , l’intégrale
−∞
a) On a, pour tout (α, β) ∈ [0 ; +∞[2 : converge, donc αu ∈ E.

1 2 α2 + β2 − 2αβ (α − β)2 Ceci montre que E est un sous-espace vectoriel de RR .


(α + β2 ) − αβ = =  0,
2 2 2
On conclut : E est un R-espace vectoriel.
1 2
donc : αβ  (α + β2 ).
2 c)
$ 2) D’après b), pour tout (u, v) ∈ E 2 , l’intégrale
+∞
u(x)v(x) e −x dx converge, donc (u | v) existe.
2
b) Soit (u, v) ∈ E 2 .
−∞

61
Chapitre 2 • Algèbre bilinéaire

• La symétrie est évidente. Par théorème $ +∞de majoration pour des fonctions  0,
2
P(x) e −x dx converge, donc l’intégrale
2
l’intégrale
• La linéarité par rapport à la première place résulte de la linéa-
$ +∞ a
rité de l’intégration.
P(x) 2 e −x dx converge.
2

$ +∞ 0
2 $
e −x dx  0.
2
• On a : ∀u ∈ E, (u | u) = u(x) 0
2
e −x dx converge.
2
−∞ De même, l’intégrale P(x)
−∞
• Soit u ∈ E telle que (u | u) = 0, c’est-à-dire telle
$ +∞ $ 0
2 2
P(x) e −x dx et
2 2
que u(x) e −x dx = 0. On a alors, par la relation de Puisque les deux intégrales
−∞ $ +∞ −∞
Chasles : 2
P(x) e −x dx convergent, par définition, l’intégrale
2

$ 0 $ +∞ $0 +∞
2 2 2
u(x) e −x dx + u(x) e −x dx
2 2
P(x) e −x dx converge, et on conclut : P ∈ E.
2

−∞
 !"  !"
0
−∞
0 0
$ +∞ Finalement : F ⊂ E.
2
e −x dx = 0,
2
= u(x)
−∞
2.21
d’où : a) Puisque (X t X)Y = In , la matrice Y est inversible et on a :
$ 0 $ +∞ Y −1 = X t X.
2 2
e −x dx = 0 et e −x dx = 0.
2 2
u(x) u(x)
−∞ 0 On a alors : t
(Y −1 ) = t (X t X) = X t X = Y −1 ,
$ X
2 donc Y −1 est symétrique, puis Y = (Y −1)−1 est symétrique.
u(x) e −x dx
2
L’application F : [0 ; +∞[ −→
0
Comme X et Y ont des rôles symétriques dans les hypothèses,
est croissante, à valeurs  0 et de limite 0 en +∞, donc : on conclut que X est aussi symétrique.
∀X ∈ [0 ; +∞[, F(X) = 0, b) Puisque t X = X et t Y = Y, on a : X 2 Y = In donc Y = X −2
2 −X 2 puis : In = Y 2 X = (X −2 )2 X = X −3 ,
puis, par dérivation : ∀X ∈ [0 ; +∞[, u(X) e = 0,
donc : X 3 = In .
puis : ∀X ∈ [0 ; +∞[, u(X) = 0.
Puisque X est symétrique réelle, d’après le théorème spectral,
De même : ∀X ∈ ] − ∞ ; 0], u(X) = 0.
il existe une matrice orthogonale P et une matrice diagonale D
On déduit : u = 0. telles que : X = PDP−1 .

1re méthode :
On conclut : (. | .) est un produit scalaire sur E.
On a : D3 = (P−1 XP)3 = P−1 X 3 P = P−1 In P = In .
d) Soit P ∈ F.
Mais, en notant D = diag (λ1 , ..., λn ), où (λ1 , ..., λn ) ∈ Rn , on a
Il est clair qu’alors P est continue sur R. D3 = diag (λ31 , ..., λ3n ). d’où : ∀k ∈ 1 ; n, λ3k = 1,
2
L’application x −→ P(x) e −x est continue sur R et, par pré-
2
puis, comme les λk sont réels : ∀k ∈ 1 ; n, λk = 1,
pondérance de l’exponentielle sur les puissances :
−1
  donc D = In , puis : X = PDP = PIn P−1 = In .
2
x2 P(x) e −x
2
−→ 0.
x −→ +∞ Enfin : Y = X −2 = I−2
n = In .

Il existe donc a > 0 tel que : 2e méthode :


 2 
−x2
∀x ∈ [a ; +∞[, x2 P(x) e  1, Comme X 3 = In , d’après le cours, les valeurs propres de X sont
parmi les racines du polynôme X3 − 1, donc X n’admet que 1
2 1 pour valeur propre, d’où D = In , X = PIn P−1 = In .,
∀x ∈ [a ; +∞[, 0  P(x) e −x  2 .
2
d’où :
x
D’après
$ +∞ l’exemple de Riemann en +∞ (2 > 1), l’intégrale 2.22
1
dx converge. • Montrons (1) =⇒ (2) :
a x2
62
Corrigés des exercices

On suppose que p est symétrique. En appliquant l’hypothèse à x = y + λz, pour tout λ ∈ R, on a :

Soient y ∈ Im (p), z ∈ Ker (p). ||y||2 = ||p(x)||2  ||x||2 = ||y + λz||2


Il existe x ∈ E tel que y = p(x), donc : = ||y||2 + 2λ(y | z) + λ2 ||z||2 ,

p(y) = p p(x) = p2 (x) = p(x) = y. c’est-à-dire : ||z||2 λ2 + 2(y | z)λ  0.
# #
On a : (y | z) = p(y) ## z = y ## p(z ) = 0. Par le même raisonnement que pour l’implication précédente,
 !" on déduit (y | z) = 0 et on conclut : Im (p) ⊥ Ker (p).
=0

Ceci montre : Im (p) ⊥ Ker (p). • Montrons (2) =⇒ (1) :

• Montrons (2) =⇒ (3) : On suppose : Im (p) ⊥ Ker (p).

On suppose : Im (p) ⊥ Ker (p). Soit (x, u) ∈ E 2 .

Soit x ∈ E. Puisque p est un projecteur, d’après le cours : Puisque p est un projecteur, d’après le cours :


x = p(x) + x − p(x) , y ∈ Im (p), z ∈ Ker (p). x = p(x) + x − p(x) , y ∈ Im (p), z ∈ Ker (p).
 !"  !"  !"  !"
noté y noté z noté y noté z

On a alors : On a :
## ## # # # #

x # p(x) = (y + z | y) = (y | y) + (z | y) = ||y||2  0. x # p(u) = y + z ## p(u) = y ## p(u) + z ## p(u) = p(x) ## p(u) .
 !"  !"
=0 =0

• Montrons (2) =⇒ (4) : En appliquant ce résultat à (u, x) à la place de (x, u), on a aussi :
## # #
On suppose : Im (p) ⊥ Ker (p). u # p(x) = p(u) ## p(x) = p(x) ## p(u) .
Soit x ∈ E. ## # #
D’où : x # p(u) = u ## p(x) = p(x) ## u .
Avec les mêmes notations que ci-dessus, on a :
On conclut que p est symétrique.
||x||2 = ||y + z||2 = ||y||2 + 2 (y | z) + ||z||2  ||y||2 = ||p(x)||2 ,
 !"  !"
=0 0
2.23 D’abord, il est clair que Hn est symétrique.
$ 1
donc : ||p(x)||  ||x||. 1
Remarquons : ∀k ∈ N∗ , = tk−1 dt.
k 0
• Montrons (3) =⇒ (2) : ⎛ ⎞
⎜⎜⎜ x1 ⎟⎟⎟
# ⎜⎜ ⎟⎟
On suppose : ∀x ∈ E, x ## p(x)  0. • Soit X = ⎜⎜⎜⎜⎜ ... ⎟⎟⎟⎟⎟ ∈ Mn,1 (R). On a :
⎜⎝ ⎟⎠
Soient y ∈ Im (p), z ∈ Ker (p). xn
© Dunod. Toute reproduction non autorisée est un délit

En appliquant l’hypothèse à x = λy + z, pour tout λ ∈ R, on a :  1


t
XHn X = xi xj
# i+ j−1
0  x ## p(x) = (λy + z | λy) = ||y||2 λ2 + (y | z)λ. 1i, jn
 $ 1

Ainsi, le trinôme λ −→ ||y|| λ + (y | z)λ est positif ou nul sur


2 2 = ti+ j−2 xi x j dt
1i, jn 0
tous les réels, donc son discriminant est négatif ou nul, d’où $
(y | z)2  0, puis (y | z) = 0. 1   
= ti+ j−2 xi x j dt
0
Ceci montre : Im (p) ⊥ Ker (p). 1i, jn
$
   
1 n n

• Montrons (4) =⇒ (2) : = ti−1 xi t j−1 x j dt


0 i=1 j=1
On suppose : ∀x ∈ E, ||p(x)||  ||x||. $ 1 
n 2
= ti−1 xi dt  0.
Soient y ∈ Im (p), z ∈ Ker (p). 0 i=1

63
Chapitre 2 • Algèbre bilinéaire

⎛ ⎞ 
n
⎜⎜⎜ x1 ⎟⎟⎟
⎜⎜ . ⎟⎟ et : || |X0 | ||2 = u2i .
• Soit X = ⎜⎜⎜⎜⎜ .. ⎟⎟⎟⎟⎟ ∈ Mn,1 (R) tel que t XHn X = 0.
⎜⎝ ⎟⎠ i=1

xn D’après le point précédent :


Avec les notations précédentes, on a donc : 
n

$ β u2i = β|| |X0 | ||2 = β||X0 ||2


1 
n 2 i=1
t i−1
xi dt = 0.
0 i=1

n
= t X0 S X0  t |X0 | S |X0 | = λi u2i .

n 2 i=1
Comme l’application polynomiale t −→ ti−1 xi est conti-
i=1

n

nue et à valeurs  0, on déduit : D’où : (λi − β)u2i  0,


i=1

n
∀t ∈ [0 ; 1], ti−1 xi = 0. c’est-à-dire, puisque λk+1 = ... = λn = β :
i=1

k


n (λi − β)u2i  0.
 !"
Ainsi, la fonction polynomiale t −→ t i−1
xi s’annule en une i=1
<0
i=1
infinité de points (les éléments de [0 ; 1]), donc c’est le poly- Il en résulte : ∀i ∈ 1 ; k, ui = 0,
nôme nul, d’où : ∀i ∈ 1 ; n, xi = 0, puis : X = 0.

n

On conclut que la forme quadratique canoniquement associée donc : |X0 | = ui Xi ∈ Vect (Xk+1 , ..., Xn ) = V.
i=k+1
à Hn est définie-positive.

n

2.24 a) 2) • Les coordonnées de S |X0| sont les ai j |x j |, pour


j=1
a) 1) • On a : i ∈ 1 ; n. Comme les ai j sont tous > 0 et que les |x j | sont
  tous  0 et non tous nuls (car X0  0), il en résulte que la
t
X0 S X0 = ai j xi x j  ai j |xi | |x j | = |X0 | S |X0 |. t
sommation précédente est > 0.
1i, jn
 !" 1i, jn
0
On conclut que les coordonnées de S |X0| sont toutes > 0.
• Puisque S est symétrique réelle, d’après le théorème spectral,
il existe une base orthonormale (X1 , ..., Xn ) de Mn,1 (R) formée • Puisque |X0 | ∈ V, on a : S |X0| = β|X0 |.
de vecteurs propres pour S .
D’après le point précédent, les coordonnées de β|X0 | sont donc
Notons λ1 , ..., λn les valeurs propres de S respectivement asso- toutes > 0, donc, comme β > 0, les coordonnées de X0 sont
ciées à ces vecteurs propres, c’est-à-dire : toutes > 0.

∀i ∈ 1 ; n, S Xi = λi Xi . Il en résulte que les coordonnées de X0 sont toutes non nulles.


a) 3) • On a, puisque X0 et |X0 | sont dans V :
On peut supposer les λi rangés de façon que :
t
X0 S X0 = t X0 βX0 = β t X0 X0 = β||X0 ||2
λ1  ...  λk < λk+1 = ... = λn = β,
et
où k ∈ 0 ; n − 1. Autrement dit, on a rangé les valeurs propres
de S par ordre croissant, les dernières étant égales à la plus t
|X0 | S |X0 | = t |X0 | β |X0 | = β t |X0 | |X0 | = β|| |X0 | ||2 = β||X0 ||2 ,
grande valeur propre, notée β.
d’où : t
X0 S X0 = t |X0 | S |X0 |.
D’une part : t
X0 S X0 = t X0 βX0 = β t X0 X0 = β||X0 ||2 .
• On a :
D’autre part, il existe (u1 , ..., un ) ∈ Rn tel que :  
0 = t |X0 | S |X0 | − t X0 S X0 = ai j |xi | |x j | − ai j xi x j

n
1i, jn 1i, jn
|X0 | = ui Xi , 
i=1 = ai j |xi | |x j | − xi x j .
1i, jn
 !"  !"
 
n >0 0
d’où : t
|X0 | S |X0 | = ui u j t Xi S X j = u2i λi
1i, jn i=1 Il en résulte : ∀(i, j) ∈ 1 ; n2 , ai j |xi | |x j | − xi x j = 0,

64
Corrigés des exercices

puis, comme les ai j sont tous > 0 : sont toutes non nulles de même signe. Il en résulte que les pro-
duits x1 x1 , ..., xn xn sont tous non nuls et de même signe, donc :
∀(i, j) ∈ 1 ; n , |xi | |x j | − xi x j = 0,
2
n

c’est-à-dire : ∀(i, j) ∈ 1 ; n2 , xi x j  0.


t
XX  = xi xi  0.
i=1
Comme de plus les xi sont tous non nuls, on a : On conclut que X et X  ne sont pas orthogonaux entre eux.
∀(i, j) ∈ 1 ; n2 , xi x j > 0.
b) 2) Raisonnons par l’absurde : supposons dim (V)  2.
Ceci montre que x1 , ..., xn sont tous de même signe.
D’après le cours, V admet au moins une base orthonormale,
b) 1) Soient X, X  ∈ V \ {0}. donc il existe au moins deux vecteurs non nuls de V et ortho-
gonaux entre eux, contradiction avec le résultat de 1).
D’après a)3), les coordonnées (x1 , ..., xn ) de X sont toutes non
nulles et de même signe, et les coordonnées (x1 , ..., xn ) de X  On conclut : dim (V) = 1.
© Dunod. Toute reproduction non autorisée est un délit

65
Intégrales CHAPITRE 3
sur un intervalle
quelconque

Plan
Thèmes abordés dans les exercices
Les méthodes à retenir 66
• Détermination de la nature d’une intégrale impropre
Énoncés des exercices 70
• Existence et calcul d’intégrales impropres
Du mal à démarrer ? 79
• Détermination de la limite ou d’un équivalent simple d’une intégrale impropre
Corrigés des exercices 84 dépendant d’un paramètre

• Étude d’une fonction définie par une intégrale.

Points essentiels du cours


pour la résolution des exercices
• Définition de la convergence, de la divergence d’une intégrale impropre
• Théorème de majoration, théorème d’équivalence, théorème de comparaison
pour des fonctions à valeurs positives ou nulles
• Exemples de Riemann en +∞, en 0
• Relation de Chasles pour des intégrales impropres
• Définition de la convergence absolue pour une intégrale impropre et lien entre
convergence absolue et convergence.

Les méthodes à retenir


S’assurer d’abord que f est continue (ou continue par morceaux)
sur [a ; +∞[.
Pour déterminer la nature Essayer d’utiliser :
+∞
d’une intégrale impropre f • le théorème de majoration (pour montrer que l’intégrale converge)
a
où f est une application ➥ Exercices 3.1 d), 3.8, 3.9 c), 3.17 a), 3.20 a)2), 3.21 a),
continue sur [a ; +∞[ 3.30 a), 3.37 b), 3.40 a)
et à valeurs positives ou nulles
• le théorème de minoration (pour montrer que l’intégrale diverge)
➥ Exercice 3.1 e), g)

66
Les méthodes à retenir

• le théorème d’équivalence
➥ Exercices 3.1 a), b), c), f), h), 3.9 a), 3.10 a), 3.11 a),
3.12 d), e), 3.22 a), 3.26
• la comparaison à l’exemple de Riemann en +∞, c’est-à-dire :
∗ chercher α ∈ ]1 ; +∞[ fixé, tel que xα f (x) −→ 0, pour
x −→ +∞
conclure que l’intégrale converge
➥ Exercices 3.12 a), f), g), h), 3.18 a), 3.31 a), 3.34 a), 3.40 a)
∗ ou montrer, par exemple, x f (x) −→ +∞, pour conclure
x −→ +∞
(suite)
que l’intégrale diverge
➥ Exercice 3.12 b)
$ X
• le retour à la définition, c’est-à-dire étudier ou calculer f (x) dx
a
pour tout X ∈ [a ; +∞[, puis étudier la limite de cette intégrale
lorsque X tend vers +∞ si elle existe. Mais cette méthode four-
nit (lorsqu’elle s’applique) non seulement l’existence de l’intégrale,
mais aussi sa valeur, donc l’énoncé aurait plutôt posé la question
sous la forme : existence et calcul de l’intégrale (voir méthodes ci-
dessous).

S’assurer d’abord que f est continue (ou continue par morceaux)


sur [a ; +∞[.
Si f  0, considérer − f et appliquer les méthodes vues ci-dessus pour
une fonction  0.
➥ Exercice 3.12 c)
Essayer de :
• étudier la convergence absolue, par les méthodes indiquées ci-
Pour déterminer la nature dessus, sachant que la convergence absolue entraîne la convergence
+∞
d’une intégrale impropre f ➥ Exercice 3.3, 3.14, 3.37 c)
a
où f est une application • utiliser une intégration par parties
continue sur [a ; +∞[ ➥ Exercice 3.15
et non nécessairement • utiliser un développement asymptotique
à valeurs positives ou nulles ➥ Exercices 3.27, 3.28
© Dunod. Toute reproduction non autorisée est un délit

$ X
• revenir à la définition, c’est-à-dire étudier ou calculer f (x) dx
a
pour tout X ∈ [a ; +∞[, puis étudier la limite de cette intégrale
lorsque X tend vers ∞ si elle existe. Mais cette méthode fournit (lors-
qu’elle s’applique) non seulement l’existence de l’intégrale, mais
aussi sa valeur, donc l’énoncé aurait plutôt posé la question sous la
forme : existence et calcul de l’intégrale (voir méthodes ci-dessous).

Pour déterminer la nature


b
d’une intégrale impropre f, S’assurer d’abord que f est continue (ou continue par morceaux)
−∞ sur ] − ∞ ; b].
où f est une application continue
de ] − ∞ ; b] dans R

67
Chapitre 3 • Intégrales sur un intervalle quelconque

Essayer de :
• faire le changement de variable t = −x pour se ramener à une in-
tégrale impropre sur [−b ; +∞[, puis appliquer les méthodes vues
ci-dessus
(suite)
➥ Exercices 3.2 b), 3.13 a), b)
• appliquer les méthodes vues pour les intégrales impropres
sur [a ; +∞[, adaptées au cas de ] − ∞ ; b].
➥ Exercices 3.2 a), 3.4, 3.34 c).

S’assurer d’abord que f est continue (ou continue par morceaux)


sur [a ; b[ (resp. ]a ; b]).
Essayer d’utiliser :
• le théorème de majoration (pour montrer que l’intégrale converge)
• le théorème de minoration (pour montrer que l’intégrale diverge)
➥ Exercices 3.2 e), 3.13 d)
• le théorème d’équivalence
➥ Exercices 3.2 c), d), 3.23 a), 3.32 a), b)
• la comparaison à l’exemple de Riemann en b (resp. a) c’est-à-dire :
∗ chercher α ∈ [0 ; 1[ fixé, de façon que (b − x)α f (x) −→ 0
x −→ b
Pour déterminer la nature
b (resp. (x − a)α f (x) −→ 0 ), pour conclure que l’intégrale
x −→ a
d’une intégrale impropre f, converge
a ➥ Exercices 3.12 c), 3.13 c), e)
où f est une application
continue sur [a ; b[ (resp. ]a ; b]) ∗ montrer, par exemple, (b − x) f (x) −→ +∞ (resp
x −→ b
et à valeurs positives ou nulles (x − a) f (x) −→ +∞) pour montrer que l’intégrale diverge
x −→ a
$ X
• le retour à la définition, c’est-à-dire étudier ou calculer f (x) dx
$ b a

(resp. f (x) dx) pour tout X ∈ [a ; b[ (resp. pour tout ε ∈ ]a ; b]),


ε
puis étudier la limite de cette intégrale lorsque X tend vers b (resp.
ε tend vers a).
Si f : [a ; b[ −→ R admet une limite finie en b (resp. si
$ b
f : ]a ; b] −→ R admet une limite finie en a), alors l’intégrale f
a
converge.
➥ Exercices 3.2 f), g), 3.21 d), 3.24 a), 3.35 b)1).

Pour déterminer la nature


b
d’une intégrale impropre f, S’assurer d’abord que f est continue (ou continue par morceaux)
a sur [a ; b[ (resp. ]a ; b]).
où f est une application
continue sur [a ; b[ (resp. ]a ; b]) Si f  0, considérer − f et appliquer les méthodes vues ci-dessus pour
et non nécessairement une fonction  0.
à valeurs positives ou nulles

68
Les méthodes à retenir

Essayer de :
• étudier la convergence absolue, par les méthodes indiquées ci-
dessus, sachant que la convergence absolue entraîne la convergence
$ X
• revenir à la définition, c’est-à-dire étudier ou calculer f (x) dx
(suite) a
pour tout X ∈ [a ; b[, puis étudier la limite de cette intégrale lorsque
X tend vers b, si elle existe. Mais cette méthode fournit (lorsqu’elle
s’applique) non seulement l’existence de l’intégrale, mais aussi sa
valeur, donc l’énoncé aurait plutôt posé la question sous la forme :
existence et calcul de l’intégrale (voir méthodes ci-dessous).

S’assurer d’abord que f est continue (ou continue par morceaux)


sur ]a ; b[. $ b
Pour déterminer la nature Revenir à la définition : l’intégrale f , impropre à la borne a et à
b a
d’une intégrale impropre f, la borne b, converge si et seulement s’il existe c ∈ ]a ; b[ tel que les
$ c $ b
a
où f est une application continue deux intégrales f, impropre à la borne a, et f, impropre à la
a c
sur ]a ; b[ borne b, convergent.
➥ Exercices 3.14, 3.17 a), 3.18 f), 3.19 a), 3.29, 3.33, 3.36,
3.40 b)d).

Suivant les exemples, on séparera existence et calcul, ou bien on étu-


diera existence et calcul de façon groupée :
• pour l’existence, voir les méthodes ci-dessus
• pour le calcul, revenir à la définition, c’est-à-dire calculer une pri-
mitive puis passer à la limite
➥ Exercices 3.5 a) à f), 3.6, 3.7, 3.16 a), b), c), 3.34 d)
Pour montrer • un changement de variable peut être fait directement sur une inté-
qu’une intégrale impropre converge grale impropre
et calculer cette intégrale,
dans un exemple ➥ Exercice 3.30 e)
• penser éventuellement à un changement de variable qui échange les
bornes
© Dunod. Toute reproduction non autorisée est un délit

➥ Exercice 3.29
• mais, pour une intégration par parties, on procédera d’abord sur un
segment, puis on fera tendre une borne vers la valeur indiquée.
➥ Exercices 3.5 b), c), 3.16 b), 3.18 b), 3.31 b), 3.36, 3.38.

• Essayer de conjecturer la limite, qui est souvent l’intégrale de la


limite, et montrer que la différence entre l’intégrale de l’énoncé et la
Pour trouver la limite limite conjecturée tend vers 0.
d’une intégrale ➥ Exercice 3.7 b), 3.10, 3.11 b)
dépendant d’un paramètre
• Envisager l’utilisation d’un changement de variable
➥ Exercice 3.33.
69
Chapitre 3 • Intégrales sur un intervalle quelconque

Énoncés des exercices

3.1 Exemples de détermination de la nature d’une intégrale impropre de fonction positive ou


nulle, à la borne +∞
Déterminer la nature des intégrales impropres suivantes :
$ +∞ $ +∞ $ +∞ 2 $ +∞
1 1 x +1 1
a) √ dx b) √ dx c) dx d) dx
1 x x+2 0 (x + 1)(x + 2) 0 x5 + 1 2 x2 ln x
$ +∞ $ +∞ $ +∞ $ +∞
ln x 1 ex x ex +1
e) dx f) dx g) dx h) dx.
1 x+1 0 x e +1
x
0 x+1 0 x e 2x + 1

3.2 Exemples de détermination de la nature d’une intégrale impropre de fonction positive ou


nulle
Déterminer la nature des intégrales impropres suivantes :
$ $ $ ,
0
1 0
ex 1
x2 + 2
a) dx b) dx c) dx
−∞ x4 + x + 1 −∞ x−1 0 x2 + x
$ $ $ $
1
x+1 1
ln x 1
√ 1
1 + ln x
d) dx e) dx f) x ln x dx g) dx.
0 x2 + 2x 0 x4 + x2 0 0 1 + (ln x)2

3.3 Exemples de détermination de la nature d’une intégrale impropre de fonction à la


borne +∞
Déterminer la nature des intégrales impropres suivantes :
$ +∞ $ +∞ $ +∞ $ +∞
sin x sin x + cos x cos x
a) dx b) √ dx c) e −x sin x dx d) dx.
1 x2 0 x3 + 1 0 0 e x + cos x

3.4 Exemples de détermination de la nature d’une intégrale impropre


Déterminer la nature des intégrales impropres suivantes :
$ −1 $ $ π
sin3 x 0
a) dx b) e x cos x dx c) ln(2x + 3 sin x) dx.
−∞ x2 −∞ 0

3.5 Exemples d’existence et calcul d’intégrales impropres


Existence et calcul des intégrales suivantes :
$ +∞ $ 1 $ +∞
1
a) dx b) ln x dx c) x e −x dx
0 (x + 1)2 0 0

$ +∞ $ +∞ $ +∞
x2 − 3x − 4 x
d) dx e) x4 e −x dx f) dx.
1 x4 0 0 (x2 + 1)2

3.6 Utilisation d’une décomposition en éléments simples pour le calcul d’une intégrale
a) Déterminer des réels a, b, c, d de façon que :
4 a b c d
∀x ∈ [1 ; +∞[, = 2 + + + .
x2 (x + 1)(x + 2) x x x+1 x+2

70
Énoncés des exercices

$ +∞
4
b) Existence et calcul de I = dx.
1 x2 (x + 1)(x + 2)

3.7 Calcul direct d’une intégrale impropre avec paramètre


$ 1
+∞
a 2
a) Existence et calcul, pour tout a ∈ R, de I(a) = − dx.
1 x x2
b) Déterminer le minimum de I(a) lorsque a décrit R.

3.8 Lien entre les convergences des intégrales de f et de f 2 , lorsque f est bornée
$ 1
Soit f : ]0 ; 1] −→ R continue et bornée. Montrer que, si l’intégrale | f (x)| dx converge,
$ 1 0
2
alors l’intégrale f (x) dx converge.
0

Le résultat subsiste-t-il si on ne suppose pas que f est bornée ?

3.9 Limite d’une intégrale dépendant d’un paramètre entier, d’après EDHEC 2004
On note, pour tout n ∈ N \ {0, 1}, sous réserve d’existence :
$ +∞ $ 1 $ +∞
1 1 1
In = dt, Jn = dt, Kn = dt.
0 1 + t + tn 0 1+t+t
n
1 1 + t + tn

a) Justifier, pour tout n ∈ N \ {0, 1}, l’existence de In , Jn , Kn .

Quelle relation y a-t-il entre In , Jn , Kn ?


$ 1
1
b) On note J = dt. 1) Montrer : Jn − J −→ 0. 2) En déduire lim Jn .
0 1 +t n∞ n∞
$ +∞
1
c) 1) Montrer : ∀n ∈ N − {0, 1}, 0  Kn  n
dt. 2) En déduire lim Kn .
1 t n∞

d) Conclure sur lim In .


n∞

3.10 Exemple de recherche de limite d’une intégrale dépendant d’un paramètre entier, d’après
ESC 2007
$ +∞
1
On note, pour tout n ∈ N∗ : In = dx.
1 (1 + x3 )n
© Dunod. Toute reproduction non autorisée est un délit

a) Prouver, pour tout n ∈ N∗ , l’existence de In .


1
b) Établir : ∀n ∈ N∗ , 0  In  . En déduire lim In .
3n − 1 n∞

3.11 Étude d’une intégrale dépendant d’un paramètre, d’après EDHEC 2004
$ +∞
1
On note, sous réserve d’existence, pour x ∈ R : f (x) = dt.
1 1 + t + t x+1
a) Montrer que, pour tout x ∈ R, f (x) existe si et seulement si x ∈ ]0 ; +∞[.

b) Établir : f (x) −→ +∞ et f (x) −→ 0.


x −→ 0 x −→ +∞

c) Montrer que f est décroissante sur ]0 ; +∞[.

d) Tracer l’allure de la courbe représentative de f . (On admettra que − f est convexe.)

71
Chapitre 3 • Intégrales sur un intervalle quelconque

3.12 Exemples de détermination de la nature d’une intégrale impropre de fonction positive ou


nulle, à la borne +∞
Déterminer la nature des intégrales impropres suivantes :
$ +∞ $ +∞ $ +∞
ln x 1 ln x
a) dx b) √ dx c) √ dx
1 x2 2 x ln x 1 x3 + 1
$ +∞
√ √ $ +∞
√ √
x2 + x − x2 + 1 x2 + 3x + 1 − x2 + x + 3
d) √ √ dx e) dx
0 x2 + x + x2 + 1 1 x2
$ +∞ √ $ +∞ $ +∞
x4 + 1 √
f) x x + 2 e −3x dx g) dx h) e− x
dx.
0 0 x2 e x + 1 0

3.13 Exemples de détermination de la nature d’une intégrale impropre de fonction positive ou


nulle
Déterminer la nature des intégrales impropres suivantes :
$ $ $ $ +∞ $ +∞
0
x2 + 1 0 1
ln x
e −x dx e) e −x dx
3 4
a) dx b) x e x dx c) √ dx d)
−∞ x4 + e x −∞ 0 x −∞ −∞

3.14 Détermination de la nature d’une intégrale impropre avec paramètre


Déterminer l’ensemble des couples (a, b)
$ ∈ R2 tels que l’intégrale impropre
+∞
1 − e −x + a sin x + b cos x
dx converge.
0 x2
 +∞  +∞
cos x sin x
3.15 Nature des intégrales impropres dx et dx
1 xα 1 xα
Soit α ∈ R fixé.
$ +∞ $ +∞
cos x sin x
a) 1) Montrer que, si α = 0, alors les intégrales dx et dx sont diver-
1 xα 1 xα
gentes.
$ +∞ $ +∞
cos x sin x
2) Montrer que, si α < 0, alors les intégrales dx et dx sont diver-
1 xα 1 xα
gentes.
$ +∞ $ +∞
cos x sin x
b) Montrer que, si α > 1, alors les intégrales dx et dx sont absolument
1 xα 1 xα
convergentes, donc convergentes.
$ +∞ $ +∞
cos x sin x
c) Montrer que, si 0 < α  1, alors les intégrales dx et dx sont conver-
1 xα 1 xα
gentes et non absolument convergentes.

3.16 Exemples d’existence et calcul d’intégrales impropres


Existence et calcul des intégrales suivantes :
$ +∞ $ +∞ $ 1
1 ln x
a) dx b) dx c) xa ln x dx, a ∈ ] − 1 ; +∞[ fixé.
0 (x + 1)(x + 2) 1 x2 0

3.17 Calcul d’intégrales impropres avec paramètre entier


$ +∞ $ +∞
1 ln x
On note, pour tout n ∈ N∗ : In = dx, Jn = dx.
0 (1 + x2 )n 0 (1 + x2 )n

72
Énoncés des exercices

a) Montrer que, pour tout n ∈ N∗ , In et Jn existent.

b) 1) Établir : ∀n ∈ N∗ , 2nIn+1 = (2n − 1)In .

2) En déduire l’expression de In en fonction de n, pour tout n ∈ N∗ , à l’aide de factorielles.

c) 1) Établir : ∀n ∈ N∗ , 2nJn+1 = (2n − 1)Jn − In .

2) Calculer In et Jn pour n = 1, 2, 3.

3.18 Exemples de calcul d’intégrales liées à l’intégrale de Gauss


$ +∞
xn e −x
2 /2
On note, pour tout n ∈ N, sous réserve d’existence : In = dx.
0

a) Montrer que, pour tout n ∈ N, In existe.

b) À l’aide d’une intégration par parties sur un segment puis d’un passage à la limite, montrer :
∀n ∈ N, In+2 = (n + 1)In .
,
π
c) En utilisant la loi normale centrée réduite, justifier que : I0 = .
2
d) Calculer I1 .

e) Démontrer, par récurrence sur p, que, pour tout p ∈ N :


,
(2p)! π
I2p = p et I2p+1 = 2 p p!.
2 p! 2
$ +∞
xn e −x /2 dx.
2
f) Existence et calcul, pour tout n ∈ N, de : Jn =
−∞

3.19 Calcul d’une intégrale particulière, d’après EML 2009


Soit (a, b) ∈ (R∗+ )2 .
$ +∞
e −ax − e −bx
a) Montrer que l’intégrale dx converge.
0 x

b) 1) Établir, pour tout (ε, X) ∈ ]0 ; +∞[2 tel que ε  X :


$ X −ax $ aX −y $ X −bx $ bX −y
e e e e
dx = dy et dx = dy.
ε x aε y ε x bε y
(À cet effet, on pourra utiliser des changements de variable.)
© Dunod. Toute reproduction non autorisée est un délit

2) En déduire, pour tout (ε, X) ∈ ]0 ; +∞[2 tel que ε  X :


$ X −ax $ bε −y $ bX −y
e − e −bx e e
dx = dy − dy.
ε x aε y aX y


⎪ 1 − e −y


⎨ si y  0
c) 1) Montrer que l’application h : [0 ; +∞[ −→ R, y −→ ⎪ y est conti-



⎩ 1 si y = 0
nue sur [0 ; +∞[.
$ bε −y
e b
2) En déduire : dy −→ ln .
aε y y −→ 0 a
$ X −ax $ bX −y
e − e −bx b e
d) Établir, pour tout X ∈ ]0 ; +∞[ : dx = ln − dy.
0 x a aX y

73
Chapitre 3 • Intégrales sur un intervalle quelconque

$ +∞
e −ax − e −bx b
e) Conclure : dx = ln .
0 x a

3.20 Convergence d’intégrales impropres de f 2 , g2 , f g


1 2
a) 1) Montrer : ∀(α, β) ∈ (R+ )2 , αβ  (α + β2 ).
2
$ +∞ $ +∞
2) Soient a ∈ R, f, g : [a ; +∞[ continues telles que les intégrales f 2 et g2
$ +∞ a a

convergent. Établir que l’intégrale | f g| converge.


a
$ +∞ $ +∞
b) Soient a ∈ R, f : [a ; +∞[ −→ R continue telle que les intégrales f 2 et f4
$ +∞ a a

convergent. Montrer que l’intégrale f 3 converge.


a

3.21 Détermination d’un équivalent d’une intégrale à paramètre


$ +∞
e −t
On note, pour tout x ∈ ]0 ; +∞[, sous réserve d’existence : I(x) = dt.
x t
a) Montrer que, pour tout x ∈ ]0 ; +∞[, I(x) existe.
$ 1 −t
e
b) Établir : ∀x ∈ ]0 ; +∞[, I(x) = dt + I(1).
x t
$ 1
1 − e −t
c) On note, pour tout x ∈ ]0 ; 1] : J(x) = dt.
x t
$ 1 −t
e
Montrer : ∀x ∈ ]0 ; 1], dt + J(x) = − ln x.
x t
$ 1
1 − e −t
d) Établir que l’intégrale impropre dt converge.
0 t
e) Conclure : I(x) ∼ − ln x.
x −→ 0

3.22 Nature d’une série d’intégrales, d’après EDHEC 2009


Soit α ∈ N \ {0, 1}.
$ +∞
1
a) Montrer que, pour tout n ∈ N∗ , l’intégrale un = dt existe et que un > 0.
0 (1 + tα )n
b) 1) Montrer, grâce à une intégration par parties : ∀n ∈ N∗ , un = nα(un − un+1 ).
-
n−1 
1 
2) En déduire : ∀n ∈ N \ {0, 1}, un = u1 1− .
k=1

3) Montrer : un −→ 0.
n∞

n
c) On note, pour tout n ∈ N∗ : S n = uk .
k=1

1) Montrer : ∀n ∈ N∗ , S n =
un+1 .
α−1
 n *  1   1 +
2) En déduire : ∀n ∈ N \ {0, 1}, ln S n = ln u1 + ln 1 − − ln 1 − .
k=2
kα k

74
Énoncés des exercices

1
3) À l’aide d’un développement limité à l’ordre 1 en , donner un équivalent simple, lorsque