Réduction Des Endomorphismes

[http://mp.cpgedupuydelome.
fr] édité le 19 janvier 2014 Enoncés 1
Réduction des endomorphismes Exercice 6 [ 03210 ] [correction]

Soient A ∈ GLn (C) et B ∈ Mn (C) telle que B p = On .
a) Montrer que In + A−1 BA est inversible et exprimer son inverse.
Polynôme en un endomorphisme b) On pose
H = {In + P (B)/P ∈ C [X] , P (0) = 0}
Exercice 1 [ 00753 ] [correction] Montrer que H est un sous-groupe commutatif de (GLn (C), ×).
Soient E un K-espace vectoriel de dimension n et u ∈ L(E).
On suppose qu’il existe un vecteur x0 ∈ E telle que la famille
(x0 , u(x0 ), . . . , un−1 (x0 )) soit libre.
Montrer que seuls les polynômes en u commutent avec u. Exercice 7 [ 02574 ] [correction]
Dans Mn (R), on considère la matrice
 
0 1 (0)
Exercice 2 [ 00754 ] [correction]  .. .. 
. .
Soit u ∈ L(E) vérifiant u3 = Id. Justifier
 
J = 
 .. 
 . 1 
2
ker(u − Id) ⊕ ker(u + u + Id) = E (0) 0
Exprimer simplement P (aIn + J) pour P ∈ R [X].

Exercice 3 CCP PSI [ 02598 ] [correction]
Soient A et B deux matrices réelles carrées d’ordre n telles qu’il existe un
polynôme P ∈ R [X] de degré au moins égal à 1 et vérifiant Sous-espaces vectoriels stables
P (0) = 1 et AB = P (A) Exercice 8 [ 00755 ] [correction]
Soient u et v deux endomorphismes d’un K-espace vectoriel E.
Montrer que A est inversible et que A et B commutent. On suppose que u et v commutent, montrer que Imu et ker u sont stables par v.
Que dire de la réciproque ?
Exercice 4 [ 03423 ] [correction]

Soient A, B ∈ Mn (K). On suppose qu’il existe un polynôme non constant Exercice 9 [ 00756 ] [correction]
P ∈ K [X] vérifiant Montrer qu’un endomorphisme f d’un K-espace vectoriel E commute avec un
AB = P (A) et P (0) 6= 0 projecteur p si, et seulement si, les espaces Imp et ker p sont stables par f .
Montrer que A est inversible et que A et B commutent.

Déterminer les sous-espaces vectoriels stables pour l’endomorphisme de dérivation
Exercice 5 X MP [ 03033 ] [correction] dans K [X].
Soient A et B dans Mn (R). On suppose que A est nilpotente et qu’il existe
P ∈ R [X] tel que P (0) = 1 et B = AP (A). Montrer qu’il existe Q ∈ R [X] tel que
Q(0) = 1 et A = BQ(B).
Soit u un endomorphisme d’un K-espace vectoriel E de dimension finie.
Diffusion autorisée à titre entièrement gratuit uniquement - dD

[http://mp.cpgedupuydelome.fr] édité le 19 janvier 2014 Enoncés 2
On pose b) Montrer que ◦ est une loi interne dans Γ.

∞ ∞
[ \ c) Montrer que φ est un morphisme injectif de (Γ, ◦) dans (GL(E2 ), ◦).
N= ker up et I = Imup d) Montrer que φ est surjectif.
p=0 p=0
e) En déduire que (Γ, ◦) est un groupe. Quel est son élément neutre ?
a) Montrer qu’il existe n ∈ N tel que N = ker u et I = Imun .
n
b) Etablir que N et I sont des sous-espaces vectoriels supplémentaires stables par

u et tels que les restrictions de u à N et I soient respectivement nilpotente et Exercice 15 [ 00761 ] [correction]
bijective. Soient E un K-espace vectoriel muni d’une base B, f ∈ L(E) et H un hyperplan.
c) Réciproquement on suppose E = F ⊕ G avec F et G sous-espaces vectoriels a) Déterminer la dimension du sous-espace vectoriel {u ∈ E ? /u(H) = {0}} ?
stables par u tels que les restrictions de u à F et G soient respectivement b) Montrer que si H a pour équation u(x) = 0 alors H est stable par f si, et
nilpotente et bijective. Etablir F = N et G = I. seulement si, u ◦ f est colinéaire à u.
c) Soient A et L les matrices dans B de f et u.
Montrer que H est stable par f si, et seulement si, t L est vecteur propre de t A
Exercice 12 [ 03462 ] [correction] d) Déterminer les plans stables par
[Endomorphisme cyclique]  
Soient u endomorphisme d’un K-espace vectoriel E de dimension finie n > 2. 3 −2 −4
On suppose que E est le seul sous-espace vectoriel non nul stable par u. A =  −1 1 1 
a) L’endomorphisme u possède-t-il des valeurs propres ? 1 −2 −2
b) Montrer que pour tout x ∈ E\ {0E }, la famille (x, u(x), . . . , un−1 (x)) est une
base de E.
Quelle est la forme de la matrice de u dans cette base ? Exercice 16 Centrale MP [ 02492 ] [correction]
c) Montrer que cette matrice ne dépend pas du choix de x. Soient f et g deux endomorphismes l’espace euclidien de R3 canoniquement
représentés par
   
Exercice 13 [ 00759 ] [correction] 1 2 0 0 −1 2
Soient u et v deux endomorphismes d’un K-espace vectoriel de dimension n ∈ N? . A =  −4 3 4  et B =  0 −1 0 
On suppose u ◦ v = v ◦ u et v nilpotent. 2 2 −1 −1 1 −3
On désire montrer que det(u + v) = det u en raisonnant par récurrence sur la
a) Trouver les droites vectorielles stables par f .
dimension n > 1.
b) Soit P un plan de R3 de vecteur normal ~n. Montrer que P est stable par f si,
a) Traiter le cas n = 1 et le cas v = 0.
et seulement si, Vect(~n) est stable par f ? .
b) Pour n > 2 et v 6= 0, former les matrices de u et v dans une base adaptée à Imv.
En déduire les plans stables par f .
c) Conclure en appliquant l’hypothèse de récurrence aux restrictions de u et v au
c) Donner les droites et les plans stables par g.
départ de Imv.
Exercice 17 Mines-Ponts MP [ 02726 ] [correction]

Exercice 14 Centrale MP [ 00760 ] [correction]
Soit E un espace vectoriel de dimension finie et u ∈ L(E) tel que
Soit E = E1 ⊕ E2 un K-espace vectoriel. On considère
u3 = Id
Γ = {u ∈ L(E), ker u = E1 et Imu = E2 }
Décrire les sous-espaces stables de u.
a) Montrer, pour tout u de Γ que ũ = uE2 est un automorphisme de E2 .
Soit φ : Γ → GL(E2 ) définie par φ(u) = ũ.

Exercice 18 Mines-Ponts MP [ 02897 ] [correction] Exercice 22 CCP MP [ 03205 ] [correction]

On note E = C(R, R) et on pose, pour toute f ∈ E et tout x ∈ R, Soient E un R-espace vectoriel de dimension finie et u un endomorphisme de E
Z x vérifiant
T f (x) = f (x) + f (t) dt u3 + u = 0
0
a) Montrer que l’espace Imu est stable par u.
a) L’opérateur T est-il un automorphisme de E ? b) Pour x ∈ Imu, calculer u2 (x)
b) Existe-t-il un sous-espace vectoriel de E de dimension finie impaire et stable c) Soit v l’endomorphisme induit par u sur Imu.
par T ? Montrer que v est un isomorphisme.
d) En déduire que le rang de l’endomorphisme u est un entier pair.

Soit u un endomorphisme d’un R-espace vectoriel E de dimension finie non nulle
Eléments propres d’un endomorphisme
Montrer qu’il existe une droite vectorielle ou un plan vectoriel stable par u.
Soient f un endomorphisme d’un K-espace vectoriel et n ∈ N? . On suppose que
0 ∈ sp(f n ).
Exercice 20 X MP [ 03474 ] [correction]
Montrer que 0 ∈ sp(f ).
Soient K un corps et A1 , A2 , . . . , An des matrices de Mn (K) nilpotentes
commutant deux à deux.
Montrer
A1 A2 . . . An = On Exercice 24 [ 00763 ] [correction]
Soit f un endomorphisme d’un K-espace vectoriel E de dimension finie.
Montrer
0∈ / sp(f ) ⇔ f surjectif
Exercice 21 Centrale PC [ 03745 ] [correction]
Soient f une endomorphisme de Rn et A sa matrice dans la base canonique de
Rn . On suppose que λ est une valeur propre non réelle de A et que Z ∈ Cn est un
vecteur propre associé. Exercice 25 [ 00764 ] [correction]
On note X et Y les vecteurs de Rn dont les composantes sont respectivement les Soit u un automorphisme d’un K-espace vectoriel E .
parties réelles et imaginaires des composantes de Z. Etablir
Spu−1 = λ−1 /λ ∈ Spu

a) Montrer que X et Y sont non colinéaires.
b) Montrer que Vect(X, Y ) est stable par f .
c) On suppose que la matrice de f est donnée par
  Exercice 26 [ 00765 ] [correction]
1 1 0 0 Soient E un K-espace vectoriel, u ∈ L(E), a ∈ GL(E) et v = a ◦ u ◦ a−1 .
 −1 2 0 1  Comparer Spu et Spv d’une part, Eλ (u) et Eλ (v) d’autre part.
A=  0 0 −1 0 

1 0 0 1
Déterminer tous les plans stables par f .
Soit u un endomorphisme d’un K-espace vectoriel E tel que tout vecteur non nul
Enoncé fourni par le concours CENTRALE-SUPELEC (CC)-BY-NC-SA
en soit vecteur propre.
Montrer que u est une homothétie vectorielle.

Exercice 28 Mines-Ponts MP [ 02719 ] [correction] Exercice 31 CCP MP [ 03187 ] [correction]

Soient f et g deux endomorphismes d’un C-espace vectoriel E de dimension finie a) Soit f un endomorphisme d’un R-espace vectoriel de dimension finie. Si a est
n > 1 tels que valeur propre de f , de multiplicité m, et si E(f, a) est le sous-espace propre
f ◦g−g◦f =f attaché, montrer
1 6 dim E(f, a) 6 m
a) Montrer que f est nilpotent.
b) On suppose f n−1 6= 0. Montrer qu’il existe une base e de E et λ ∈ C tels que : b) Soit  
1 1 1 1
   2 2 2 2 
0 1 (0) A= 
 .. ..   3 3 3 3 
 . .  4 4 4 4
Mate f =  
 .. 
 . 1  Déterminer simplement les valeurs propres de A.
(0) 0 La matrice A est-elle diagonalisable ?
et
Mate g = diag(λ, λ + 1, . . . , λ + n − 1) Exercice 32 CCP MP [ 00042 ] [correction]
Soient u, v deux endomorphismes d’un espace vectoriel.
a) Si λ 6= 0 est valeur propre de u ◦ v, montrer qu’il l’est aussi de v ◦ u.
b) Pour P ∈ E = R [X], on pose
Z X
Soit E le R-espace vectoriel des fonctions continues de [0, +∞[ vers R convergeant 0
en +∞. u(P ) = P et v(P ) = P (t) dt
0
Soit T l’endomorphisme de E donné par
ce qui définit des endomorphismes de E. Déterminer
∀x ∈ [0, +∞[ , T (f )(x) = f (x + 1) ker(u ◦ v) et ker(v ◦ u)
Déterminer les valeurs propres de T et les vecteurs propres associés. c) Montrer que la propriété de la première question reste valable pour λ = 0 si
l’espace E est de dimension finie.
Exercice 30 CCP MP [ 02577 ] [correction]

a) Montrer que Φ, qui à P associe
Soient u et v deux endomorphismes d’un R-espace vectoriel E de dimension finie.
Montrer que si λ est valeur propre de u ◦ v alors λ est aussi valeur propre de v ◦ u.
(X 2 − 1)P 0 (X) − (4X + 1)P (X)
est un endomorphisme de R4 [X]. Etude pratique des éléments propres d’un

b) Résoudre l’équation différentielle
endomorphisme
5−λ 3+λ
y0 = + y
2(x − 1) 2(x + 1) Exercice 34 [ 00767 ] [correction]
On considère les matrices réelles
c) En déduire les valeurs propres et les vecteurs propres de Φ.
1 0 a b
A= et M =
0 2 c d

a) Calculer AM − M A. Exercice 40 [ 03435 ] [correction]

b) Déterminer les éléments propres de l’endomorphisme M 7→ AM − M A. Soit E l’espace vectoriel des fonctions continues de [0, +∞[ vers R.
Pour tout f ∈ E, on définit T (f ) : ]0, +∞[ → R par
1 x
Z
Exercice 35 [ 00768 ] [correction] T (f )(x) = f (t) dt pour x > 0
Soient E = C ∞ (R, R) et D l’endomorphisme de E qui à f associe sa dérivée f 0 . x 0
Déterminer les valeurs propres de D ainsi que les sous-espaces propres associés. a) Montrer que la fonction T (f ) se prolonge par continuité en 0 et qu’alors T un
endomorphisme de E.
b) Déterminer les éléments propres de T .
Soient E = C 0 (R, R) et I l’endomorphisme de E qui à f ∈ E associe sa primitive
qui s’annule en 0. Exercice 41 Mines-Ponts MP [ 02700 ] [correction]
Déterminer les valeurs propres de I. Soit E = C([0, 1] , R). Si f ∈ E on pose
Z 1
Exercice 37 [ 00770 ] [correction] T (f ) : x ∈ [0, 1] 7→ min(x, t)f (t) dt
0
Soient E l’espace des suites réelles convergeant vers 0 et ∆ : E → E
l’endomorphisme défini par a) Vérifier que T est un endomorphisme de E.
b) Déterminer les valeurs propres et les vecteurs propres de T .
∆(u)(n) = u(n + 1) − u(n)
Déterminer les valeurs propres de ∆. Exercice 42 Mines-Ponts MP [ 03063 ] [correction]

Soit E l’espace des fonctions f de classe C 1 de [0, +∞[ vers R vérifiant f (0) = 0.
Pour un élément f de E on pose T (f ) la fonction définie par
Exercice 38 [ 03126 ] [correction] Z x
Soient E = CN et f : E → E l’application qui transforme une suite u = (un ) en f (t)
T (f )(x) = dt
v = (vn ) définie par 0 t
un + un−1 Montrer que T est un endomorphisme de E et trouver ses valeurs propres.
v0 = u0 et ∀n ∈ N? , vn =
2
Déterminer les valeurs propres et les vecteurs propres de f .
Déterminer valeurs propres et vecteurs propres de l’endomorphisme ϕ de Rn [X]
défini par
ϕ : P 7→ (X 2 − 1)P 0 − nXP
Soit E le sous-espace vectoriel des fonctions de C([0, +∞[ R) s’annulant en 0.
Pour tout f ∈ E, on définit ϕ(f ) : [0, +∞[ → R par
1 x
Z Exercice 44 Centrale MP [ 03103 ] [correction]
ϕ(f )(0) = 0 et ϕ(f )(x) = f (t) dt pour x > 0 On considère n + 1 réels deux à deux distincts a0 , . . . , an et A le polynôme
x 0
n
a) Montrer que ϕ(f ) ∈ E puis que ϕ est un endomorphisme de E.
Y
A(X) = (X − ak )
b) Déterminer les éléments propres de ϕ. k=0

Soit B un polynôme réel tel que pour tout k = 0, . . . , n, B(ak ) 6= 0. On considère Exercice 47 [ 00773 ] [correction]
l’application f qui à un polynôme P de Rn [X] associe le reste R = f (P ) de la Pour A ∈ Mn (R), on pose
division euclidienne de BP par A. n
a) Justifier qu’on définit ainsi un endomorphisme de Rn [X].
X
kAk = sup |ai,j |
b) Etude d’un exemple avec le logiciel de calcul formel : on demande de résoudre 16i6n j=1
cette question avec le logiciel.
On choisit Montrer que
sp(A) ⊂ [− kAk , kAk]
3
n = 2, A(X) = (X − 1)(X − 2)(X − 3) et B(X) = X
Ainsi f est ici l’endomorphisme de R2 [X] qui à P ∈ E associe le reste de la
Soit A = (ai,j ) ∈ Mn (R) vérifiant pour tout i, j ∈ {1, . . . , n} ai,j > 0 et pour tout
division euclidienne de X 3 P par (X − 1)(X − 2)(X − 3). n
P
Créer l’application f . Utiliser la commande « rem »qui fournit le reste de la i ∈ {1, . . . , n}, ai,j = 1.
j=1
division euclidienne. Expliciter alors l’image de P = aX 2 + bX + c.
a) Montrer que 1 ∈ Sp(A).
Déterminer le noyau de f .
b) Justifier que si λ ∈ C est valeur propre de A alors |λ| 6 1.
Suivre le même procédé pour déterminer les éléments propres de f , en annulant
c) Observer que si λ ∈ C est valeur propre de A et vérifie |λ| = 1 alors λ = 1.
les coefficients de Q = f (P ) − λP .
Créer la matrice de f dans la base canonique de E et retrouver ainsi les valeurs
propres et les vecteurs propres de f . Exercice 49 [ 03280 ] [correction]
c) On revient au cas général. Déterminer le noyau, les éléments propres (valeurs Soit A = (ai,j ) ∈ Mn (R) vérifiant pour tout i, j ∈ {1, . . . , n} ai,j ∈ R+ et pour
propres, sous-espaces propres) et le déterminant de f . L’endomorphisme f est-il n
P
diagonalisable ? tout i ∈ {1, . . . , n}, ai,j = 1.
j=1
Enoncé fourni par le concours CENTRALE-SUPELEC (CC)-BY-NC-SA a) Montrer que 1 ∈ Sp(A).
b) Justifier que si λ ∈ C est valeur propre de A alors |λ| 6 1.
c) Observer que si λ ∈ C est valeur propre de A et vérifie |λ| = 1 alors λ est une
racine de l’unité.
Soit a ∈ R et n > 2.
a) Montrer que φ(P )(X) = (X − a) (P 0 (X) − P 0 (a)) − 2(P (X) − P (a)) définit un Exercice 50 [ 00775 ] [correction]
endomorphisme de Rn [X]. Soient A, B ∈ Mn (R) vérifiant AB − BA = A.
b) A l’aide de la formule de Taylor, déterminer l’image et le noyau de φ. a) Calculer Ak B − BAk pour k ∈ N.
c) Trouver ses éléments propres. L’endomorphisme est-il diagonalisable ? b) A quelle condition la matrice Ak est-elle vecteur propre de l’endomorphisme
M 7→ M B − BM de Mn (R) ?
c) En déduire que la matrice A est nilpotente.
Eléments propres d’une matrice
Exercice 46 [ 00772 ] [correction] Soient n ∈ N? et E = Mn (R). Pour A ∈ E, on introduit u : E → E défini par
Soit A ∈ Mn (K) vérifiant rg(A) = 1.
Montrer qu’il existe λ ∈ K tel que A2 = λA et que ce scalaire λ est valeur propre u(M ) = AM
de A.
Montrer que A et u ont les mêmes valeurs propres et préciser les sous-espaces
propres de u en fonction de ceux de A.

Exercice 52 [ 00777 ] [correction] b) Si λ est valeur propre de An , montrer que

Soient A ∈ Mn (C) et ΦA l’endomorphisme de Mn (C) définie par ΦA (M ) = AM .
n
a) Montrer que les valeurs propres de ΦA sont les valeurs propres de A. X k
=1
b) Déterminer les valeurs propres de ΨA : M 7→ M A. k+λ
k=1
c) Nombre et localisation des valeurs propres de An ?

Exercice 53 Mines-Ponts MP [ 02729 ] [correction] d) On appelle xn la valeur propre de An strictement comprise entre −2 et −1.
Soit la matrice A ∈ Mn (R) donnée par A = (min(i, j))16i,j6n . Quel est le sens de variation de la suite (xn ) ?
a) Trouver une matrice triangulaire inférieure unité L et une matrice triangulaire e) Limite de (xn ) et développement asymptotique à deux termes.
supérieure U telle que A = LU . Enoncé fourni par le concours CENTRALE-SUPELEC (CC)-BY-NC-SA
b) Exprimer A−1 à l’aide de
 
0 1 (0)
.. . Exercice 57 [ 03316 ] [correction]
. ..
 
Soient n > 3 et
 
N =  
 . .. 1 
 
0 (0) 1

.. 
(0) 0  1 ...

. 
 ∈ Mn (R)
A=  .
 .. .. 
c) Montrer que SpA−1 ⊂ [0, 4]. . 1 
1 (0) 0
a) Calculer les rangs de A et A2 .
b) Soit f l’endomorphisme de Rn canoniquement représenté par la matrice A.
Déterminer les valeurs propres de la matrice
Montrer
ker f ⊕ Imf = Rn
 
0 ··· 0 1
 .. .. .. 
 .
 . .  ∈ Mn (R) c) En déduire que la matrice A est semblable à une matrice de la forme
 0 ··· 0 1 
 
1 ··· 1 1 0 (0)
 .. 

 .  avec B ∈ GL2 (R)

 0 
Exercice 55 [ 03173 ] [correction] (0) B
Soit n ∈ N, n > 2. Déterminer les valeurs propres de la comatrice de A ∈ Mn (C).
On commencera par étudier le cas où la matrice A est inversible. d) Calculer trB et trB 2 .
En déduire les valeurs propres de B puis celles de A.
e) La matrice A est-elle diagonalisable ?
Soit An = (ai,j ) ∈ Mn (R) la matrice définie par
ai,i = 0 et ai,j = j si i 6= j Exercice 58 [ 03672 ] [correction]

Soit (a0 , . . . , ap−1 ) ∈ Cp . On suppose que 1 est racine simple de
a) A l’aide de Maple, calculer les valeurs approchées des valeurs propres de A2 , A3
P (X) = X p − ap−1 X p−1 + · · · + a1 X + a0

et, si possible A10 .

On suppose la convergence d’une suite (un )n∈N déterminée par ses p premiers Polynôme caractéristique
termes u0 , . . . , up−1 et la relation de récurrence
un+p = ap−1 un+p−1 + · · · + a1 un+1 + a0 un Exercice 61 [ 00778 ] [correction]
a) Montrer que deux matrices semblables ont le même polynôme caractéristique.
Déterminer la limite de (un )n∈N . b) Réciproque ?
Exercice 59 CCP MP [ 02543 ] [correction] Exercice 62 [ 00779 ] [correction]

Expliquer brièvement pourquoi Soit F un sous-espace vectoriel stable par un endomorphisme u d’un K-espace
t
com(A)A = det(A)In vectoriel E de dimension finie.
Etablir que le polynôme caractéristique de l’endomorphisme induit par u sur F
On suppose que A admet n valeurs propres distinctes ; que vaut det(A) ? divise le polynôme caractéristique de u.
Que représente un vecteur propre de A pour t com(A) ?
On suppose de plus que A n’est pas inversible. Déterminer
dim ker t comA
Soit A ∈ Mn (R) inversible de polynôme caractéristique χA .
Prouver que t comA n’admet que deux valeurs propres, les expliciter. Etablir que pour tout x 6= 0,
(−1)n xn
χA−1 (x) = χA (1/x)
Exercice 60 [ 02613 ][correction] χA (0)
Soient  
0 1 (0)
 . .. ..  Exercice 64 [ 00781 ] [correction]
 1 . 
 ∈ Mn (C)
An =  Soient A, B ∈ Mn (C). On désire établir l’égalité des polynômes caractéristiques
 .. .. 
 . . 1 
(0) 1 0 χAB = χBA
et χn son polynôme caractéristique. a) Etablir l’égalité quand A ∈ GLn (C).
a) Calculer b) Pour A ∈ / GLn (C), justifier que pour p ∈ N assez grand A + p1 In ∈ GLn (C).
un = χn (−2 cos α) En déduire que l’égalité est encore vraie pour A non inversible.
pour tout α ∈ ]0, π[.
b) Déterminer les valeurs propres de An .
Quelle est la dimension des sous-espaces propres de An ? Exercice 65 [ 01109 ] [correction]
c) Déterminer les sous-espaces propres de An Soient A, B ∈ Mn (K) et p ∈ N? . Etablir
Indice : on pourra, pour λ valeur propre de An , chercher
  χ(AB)p = χ(BA)p
x1
 . 
X=  ..  ∈ Mn,1 (C)

xn Soient A, B ∈ Mn (R). Montrer que AB et BA ont même valeurs propres.
vérifiant AX = λX et poser x0 = xn+1 = 0.

Exercice 67 [ 02901 ] [correction] Exercice 71 Mines-Ponts MP [ 02699 ] [correction]

Soit A ∈ Mn (C). Montrer Soient A et B dans Mn (K) (K = R ou C).
χAĀ ∈ R [X] a) Comparer SpB et Spt B.
b) Soit C ∈ Mn (K). Montrer que s’il existe λ pour lequel AC = λC, alors
ImC ⊂ ker(A − λIn ).
Exercice 68 [ 01272 ] [correction] c) Soit λ une valeur propre commune à A et B. Montrer qu’il existe C ∈ Mn (K),
Soient A ∈ Mn,p (K), B ∈ Mp,n (K) et λ ∈ K. En multipliant à droite et à gauche C 6= 0, telle que AC = CB = λC.
la matrice d) On suppose l’existence de C ∈ Mn (K) avec rgC = r et AC = CB. Montrer que
−λIn A le PGCD des polynômes caractéristiques de A et B est de degré > r.
M= ∈ Mn+p (K)
B Ip e) Etudier la réciproque de d).
par des matrices triangulaires par blocs bien choisies, établir
(−λ)p χAB (λ) = (−λ)n χBA (λ) Exercice 72 [ 03083 ] [correction]

Soit A ∈ Mn (R) telle que SpA ⊂ R+ .
Montrer
Exercice 69 Mines-Ponts MP [ 02697 ] [correction] det A > 0
Soit (A, B) ∈ Mp,q (R) × Mq,p (R). Montrer que
X q χAB (X) = X p χBA (X) Exercice 73 [ 03121 ] [correction]

Soient A, B ∈ Mn (C). Etablir
Indice : Commencer par le cas où
χA (B) ∈ GLn (C) ⇔ SpA ∩ SpB = ∅
Ir 0
A=
0 0
Soient n > 2 et f ∈ L(Cn ) endomorphisme de rang 2.
Exercice 70 Mines-Ponts MP [ 02698 ] [correction] Déterminer le polynôme caractéristique de f en fonction de trf et trf 2 .
a) Si P ∈ Z [X] est unitaire de degré n, existe-t-il une matriceA ∈ Mn (Z) de
polynôme caractéristique (−1)n P (X) ?
b) Soient (λ1 , . . . , λn ) ∈ Cn et le polynôme Exercice 75 [ 03476 ] [correction]
Soient A, B ∈ Mn (R). On suppose qu’il existe M dans Mn (R) de rang r tel que
n
Y AM = M B.
P = (X − λi )
Montrer que deg(χA ∧ χB ) > r.
i=1
Soient A et B dans Mn (K) (K = R ou C).
On suppose P ∈ Z [X]. Montrer que pour tout q ∈ N? le polynôme
n
Y Exercice 76 CCP MP [ 02521 ] [correction]
Pq = (X − λqi ) Pour A = (ai,j ) ∈ Mn (C) et B = (bi,j ) ∈ Mn (C), on définit A ? B ∈ Mn2 (C) par
i=1
 
a1,1 B · · · a1,n B
appartient encore à Z [X].
A?B =
 .. .. 
c) Soit P dans Z [X] unitaire dont les racines complexes sont de modules 6 1. . . 
Montrer que les racines non nulles de P sont des racines de l’unité. an,1 B ··· an,n B

a) Montrer que si A, A0 , B, B 0 ∈ Mn (C) alors (A ? B)(A0 ? B 0 ) = (AA0 ) ? (BB 0 ). On pose

b) En déduire que A ? B est inversible si, et seulement si, A et B sont inversibles.  
c) Déterminer le spectre de A ? B. 0 a2 ... an
.. .. 
En déduire le polynôme caractéristique, la trace et le déterminant de A ? B.

 a1 0 . . 
P (x) = det(A + xIn ) avec A =  ..

 .. .. 
 . . . an 
Calcul de polynôme caractéristique a1 ··· an−1 0
a) Calculer P (ai ).
Exercice 77 [ 00782 ] [correction] b) Justifier que P est un polynôme unitaire de degré n.
Calculer le polynôme caractéristique de la matrice c) Former la décomposition en éléments simples de la fraction rationnelle

0 1 0
 P (X)
n
 .. .. ..  Q
(X − ai )
 . . . 
  i=1
 0 ··· 0 1 
a0 a1 ··· an−1 d) En déduire le déterminant de A + In .

Exercice 78 [ 00784 ] [correction] Soient a1 , . . . , an ∈ C? , tous distincts et P (x) = det(A + xIn ) avec
Soient  
  0 a2 ··· an
0 1 0  .. 
 a1 0 . 
 .. ..  A= .
. .
 1  

 ∈ Mn (C) et Pn (x) = det(An − xIn )  .. . ..

An =  an 
 .. .. 
 . . 1  a1 · · · an−1 0
0 1 0
a) Calculer P (ai ) et décomposer en éléments simples la fraction
a) Montrer
P (x)
Pn (x) = −xPn−1 (x) − Pn−2 (x) n
Q
(x − ai )
Calculer P1 (x) et P2 (x). i=1
b) Pour tout x ∈ ]−2, 2[, on pose x = −2 cos α avec α ∈ ]0, π[. Montrerque b) En déduire det A.
sin((n + 1)α)
Pn (x) =
sin α Existence de valeur propre sur C
c) En déduire que Pn (x) admet n racines puis que An est diagonalisable.
Soit E un C-espace vectoriel de dimension finie.
a) Justifier que tout endomorphisme de E possède au moins une valeur propre
Exercice 79 [ 00785 ] [correction] b) Observer que l’endomorphisme P (X) 7→ (X − 1)P (X) de C [X] n’a pas de
Soient a1 , . . . , an ∈ C? deux à deux distincts. valeurs propres.

Exercice 82 [ 00502 ] [correction] Exercice 87 CCP PC [ 03795 ] [correction]

a) Rappeler pourquoi un endomorphisme d’un C-espace vectoriel de dimension K désigne R ou C.
finie non nulle admet au moins un vecteur propre. On dit qu’une matrice A ∈ Mn (K) vérifie la propriété (P ) si
b) Soient u, v deux endomorphismes d’un C-espace vectoriel E de dimension finie
non nulle. ∃M ∈ Mn (K), ∀λ ∈ K, det(M + λA) 6= 0
On suppose a) Rappeler pourquoi une matrice de Mn (C) admet au moins une valeur propre.
u◦v =v◦u b) Soit T une matrice triangulaire supérieure de diagonale nulle.
Montrer que u et v ont un vecteur propre en commun. Calculer det(In + λT ). En déduire que T vérifie la propriété (P )
c) Déterminer le rang de la matrice

0 Ir
Exercice 83 [ 00787 ] [correction] Tr = ∈ Mn (K)
0 0
Soient A, B ∈ Mn (C) vérifiant AB = BA.
Montrer que A et B ont un vecteur propre en commun. d) Soient A vérifiant (P ) et B une matrice de même rang que A ; montrer
∃(P, Q) ∈ GLn (K)2 , B = P AQ
Exercice 84 [ 00788 ] [correction] et en déduire que B vérifie (P ).
Montrer que A, B ∈ Mn (C) ont une valeur propre en commun si, et seulement si, e) Conclure que, dans Mn (C), les matrices non inversibles vérifient (P ) et que ce
il existe U ∈ Mn (C) non nulle vérifiant U A = BU . sont les seules.
f) Que dire des cette propriété dans le cas Mn (R) (on distinguera n pair et n
impair) ?
Soient E un C-espace vectoriel de dimension finie non nulle, u, v dans L(E) et a, b
dans C. On suppose Eléments propres et diagonalisabilité d’une matrice
u ◦ v − v ◦ u = au + bv
a) On étudie le cas a = b = 0. Exercice 88 [ 00789 ] [correction]
Montrer que u et v ont un vecteur propre en commun. Soient α ∈ R et
b) On étudie le cas a 6= 0, b = 0.
cos α − sin α

cos α sin α

Montrer que u est non inversible. A= ∈ M2 (K) et B = ∈ M2 (K)
sin α cos α sin α − cos α
Calculer un ◦ v − v ◦ un et montrer que u est nilpotent.
Conclure que u et v ont un vecteur propre en commun. a) On suppose K = C. La matrice A est-elle diagonalisable ?
c) On étudie le cas a, b 6= 0. b) On suppose K = R. La matrice A est-elle diagonalisable ?
Montrer que u et v ont un vecteur propre en commun. c) Mêmes questions avec B.
Exercice 86 X MP [ 02868 ] [correction] Exercice 89 [ 00790 ] [correction]

Soient E un C-espace vectoriel de dimension finie non nulle, (a, b) ∈ C2 , f et g Soient a, b, c ∈ R. La matrice
dans L(E) tels que 
0 −b c

f ◦ g − g ◦ f = af + bg M = a 0 −c  ∈ M3 (R)
Montrer que f et g ont un vecteur propre commun. −a b 0
est-elle diagonalisable ?


Soient a, b ∈ R? tels que |a| =
6 |b| et On pose
a2 b2
 
  ab ab
a b a ··· b
 b a b ···
 ab a2 b2 ab 
a M (a, b) =  
b2 a2

   ab ab 
A =  a b a ··· b  ∈ M2n (R) (avec n > 2) b2 a2
 
 .. .. .. . . ..  ab ab
 . . . . . 
pour tous a, b réels.
b a b ··· a a) Ces matrices sont-elles simultanément diagonalisables ?
a) Calculer le rang de A. En déduire que 0 est valeur propre de A et déterminer la b) Etudier et représenter graphiquement l’ensemble des (a, b) ∈ R2 tel que
dimension du sous-espace propre associé. M (a, b)n tend vers 0 quand n tend vers ∞.
b) Déterminer deux vecteurs propres non colinéaires et en déduire que A est
diagonalisable.
Soient (a1 , . . . , a2n ) ∈ C2n et A = (ai,j )16i,j62n la matrice de M2n (C) définie par :
Exercice 91 Mines-Ponts MP [ 02703 ] [correction]  
Diagonaliser les matrices de Mn (R) (0) . a 2n
A = A(a1 , . . . , a2n ) =  .. 
1 ··· ··· ···
 
1 a1 (0)
 .. ..
 
0 ··· 0 1 
 .. .. .. 
 .
 0 ··· 0 . 
 autrement dit telle que ai,j = 0 si i + j 6= 2n + 1 et ai,2n+1−i = a2n+1−i pour
 . . .  .. .. .. ..
 et  .
 
 . . .  i = 1, . . . , 2n.
 0 ··· 0 1   
 .
. ..  a) Etude du cas n = 2 avec le logiciel de calcul formel : créer la matrice
1 ··· 1 1  . 0 ··· 0 . 
 
1 ··· ··· ··· 1 (0) d
 c 
A = A(a, b, c, d) =  
 b 
a (0)
Déterminer les valeurs propres de la matrice de Mn (R) suivante

1 1 ··· 1
 et étudier le caractère diagonalisable de A « en situation générale ».
 1 1 (0)  Etudier séparément avec le logiciel les cas particuliers non envisagés en situation
M = .

..
 générale.
 ..

.  Vérifier tous les résultats par un étude directe
1 (0) 1 b) Soient u un endomorphisme d’un K-espace vectoriel E et F1 , . . . , Fp des
sous-espaces vectoriels stables par u tels que
Exercice 93 Mines-Ponts MP [ 02705 ] [correction] E = F1 ⊕ · · · ⊕ Fp
Soient a, b deux réels et les matrices
    Démontrer une condition nécessaire et suffisante pour que u soit diagonalisable,
a b ··· b b ··· b a
. . faisant intervenir les restrictions uF1 , . . . , uFp (où la restriction uFi est
 . . . .. 

 .
 .. 
 et B =  . . considérée comme endomorphisme de Fi ).
 b a a b 
A=  . . ..

 .. .. ... b   b ... ..
. c) En déduire une condition nécessaire et suffisante pour que la matrice
  
. 
A(a1 , . . . , a2n ) soit diagonalisable.
b ··· b a a b ··· b
d) Comment les résultats sont-ils modifiés si la matrice A est réelle et qu’on
Réduire ces deux matrices. étudie si elle est diagonalisable dans M2n (R) ?

Exercice 96 [ 03123 ] [correction] Exercice 99 CCP MP [ 03767 ] [correction]

Monter que la matrice suivante est diagonalisable Considérons la matrice A suivante :
 
0 1 0 0
 
0 1 (0)
..  1 k 1 1 

 n . 2

A=  ∈ M4 (C)


  0 1 0 0 
A=
 .. ..  ∈ Mn+1 (C)

0 1 0 0
 n−1 . . 
 .. .. 
 . . n  1. On suppose k réel, la matrice A est-elle diagonalisable dans M4 (R) ? (sans
(0) 1 0 calculs) ;
2.a) Déterminer le rang de A.
(indice : on pourra interpréter A comme la matrice d’un endomorphisme de 2.b) Donner la raison pour laquelle le polynôme caractéristique de A est de la
Cn [X]) forme
X 2 (X − u1 )(X − u2 )
Exercice 97 X PSI [correction]

[ 03255 ]
avec u1 , u2 appartenant à C? et vérifiant
Soit 
0 (b)
 u1 + u2 = k et u21 + u22 = k 2 + 6
Mn = 
 ..  ∈ Mn (C)

. 2.c) Etudier les éléments propres dans le cas où u1 = u2 .
(a) 0 2.d) En déduire les valeurs de k pour que A soit diagonalisable dans M4 (C).
A quelle condition la matrice Mn est-elle diagonalisable ?
Déterminer alors une base de vecteurs propres
Pour quelle(s) valeurs de x ∈ R, la matrice suivante n’est-elle pas diagonalisable ?
Exercice 98 [ 03283 ] [correction]  
a) Exprimer le polynôme caractéristique de la matrice −2 − x 5 + x x
A= x −2 − x −x 
−5 5 3
 
0 1 0
 .. . . . .. 
M = .
 . 

 0 ··· 0 1 
a0 a1 · · · an−1 Exercice 101 CCP PSI [ 03809 ] [correction]
a) Déterminer l’ensemble Ω des réels a tels que
en fonction du polynôme  
2 1 −2
P (X) = X n − (an−1 X n−1 + · · · + a1 X + a0 ) A= 1 a −1 
1 1 −1
b) Soit λ une racine de P . Déterminer le sous-espace propre de M associé à la
valeur propre λ. n’est pas diagonalisable.
c) A quelle condition la matrice M est-elle diagonalisable ? b) Pour a ∈ Ω, trouver P inversible telle que P −1 AP soit triangulaire supérieure.

Exercice 102 CCP MP [ 02536 ] [correction] Montrer que J est diagonalisable.

Soient a, b, c, d quatre nombres complexes avec a2 + b2 6= 0 et
 
a b c d
 −b a −d c  Exercice 107 Mines-Ponts MP [ 02702 ] [correction]
A=  −c d a −b 
 Soit (a1 , . . . , an ) ∈ Cn . La matrice (ai aj )16i,j6n est-elle diagonalisable ?
−d −c b a
a) Calculer At A, det A et montrer que rg(A) = 2 ou 4. Exercice 108 [ 00791 ] [correction]
b) On pose α2 = b2 + c2 + d2 supposé non nul. Montrer que A est diagonalisable. Parmi les matrices élémentaires Ei,j de Mn (K), lesquelles sont diagonalisables ?

Soit (a1 , . . . , an−1 ) ∈ Cn−1 . Exercice 109 CCP PSI [ 02595 ] [correction]
a) Quel est le rang de A ∈ Mn (C) définie par Soient (a1 , . . . , an ) ∈ (R?+ )n et
   
0 ··· 0 a1 a1 a1 ··· a1
 .. .. ..   a2 a2 ··· a2 
A= . . . ? N =
 
.. .. ..
 

 0 ··· 0 an−1   . . . 
a1 · · · an−1 0 an an ··· an
b) Avec la trace, que peut-on dire des valeurs propres ? Calculer N 2 , la matrice N est-elle diagonalisable ?
c) A est-elle diagonalisable ? Montrer que M = 2N + In est inversible et calculer M −1 .
Diagonalisabilité des matrices de rang 1 Etude de matrices diagonalisables

Exercice 104 [ 00793 ] [correction] Exercice 110 [ 00796 ] [correction]
Soit A ∈ Mn (C) telle que rgA = 1. Montrer que si A est diagonalisable alors t A l’est aussi.
Etablir
A diagonalisable si, et seulement si, trA 6= 0
Exercice 105 [ 00794 ] [correction] Soient A ∈ GLn (K) et B ∈ Mn (K).
Soient X, Y ∈ Mn,1 (K) non nuls. On suppose la matrice AB diagonalisable. Montrer que BA est diagonalisable.
A quelle condition la matrice X t Y est-elle diagonalisable ?

Exercice 106 Centrale MP [ 02391 ] [correction] Soient A1 ∈ Mp (K), A2 ∈ Mq (K) et A ∈ Mp+q (K) définie par
Soient K un sous-corps de C et


1 ··· 1
 A1 O
A=
O A2
J =  ... ..  ∈ M (K)

.  n
1 ··· 1 Montrer que A est diagonalisable si, et seulement si, A1 et A2 le sont.

Exercice 113 [correction]

[ 00798 ] Exercice 118 [ 00800 ] [correction]
Soit E = Rn [X]. Pour P ∈ E, on pose ϕ(P ) = P − (X + 1)P 0 .

O In
Soient A ∈ Mn (K) et B = .
A O a) Justifier que ϕ définit un endomorphisme de Rn [X].
a) Etudier les valeurs propres de B en fonction de celles de A. b) Déterminer les valeurs propres de ϕ et justifier que ϕ est diagonalisable.
b) On suppose A diagonalisable. B est-elle diagonalisable ?

Exercice 114 Centrale PC [ 03113 ] [correction] Montrer que l’application
a) Soit D ∈ Mn (C). Déterminer l’inverse de
f : P (X) 7→ (X 2 − 1)P 00 (X) + 2XP 0 (X)
In D
On In est un endomorphisme de l’espace vectoriel réel E = Rn [X]. Former la matrice de
b) Soient A, B ∈ Mn (C) diagonalisables telles que SpA ∩ SpB = ∅. f relative à la base canonique de E. En déduire la diagonalisabilité de f ainsi que
Montrer que pour tout matrice C ∈ Mn (C), les matrices suivantes sont semblables ses valeurs propres et la dimension des sous-espaces propres associés.

A C A On
et
On B On B Exercice 120 [ 00802 ] [correction]
Soient E = Rn [X] et deux réels a 6= b. Pour P ∈ E, on pose
Exercice 115 [ 02453 ] [correction] ϕ(P ) = (X − a)(X − b)P 0 − nXP

Soient A, B ∈ Mn (R) avec B diagonalisable.
Montrer a) Montrer que ϕ est un endomorphisme de E.
AB 3 = B 3 A ⇒ AB = BA b) Déterminer les valeurs propres de ϕ et en déduire que ϕ est diagonalisable.

Soient p, q ∈ N? et A, B, M ∈ Mn (C) avec A, B diagonalisables. Montrer L’endomorphisme φ de Mn (R) défini par
Ap M B q = On ⇒ AM B = On
φ(M ) = M + tr(M ).In
Eléments propres et diagonalisabilité d’un est-il diagonalisable ?
endomorphisme
Exercice 117 [ 00799 ] [correction] Soient E un K-espace vectoriel de dimension finie, f ∈ L(E) et F ∈ L(L(E))
Soit u un endomorphisme d’un K-espace vectoriel de dimension finie E. définie par F (u) = f ◦ u.
On suppose que a) Montrer que f est diagonalisable si, et seulement si, F l’est.
Im(u − IdE ) ∩ Im(u + IdE ) = {0E } b) Montrer que f et F ont les mêmes valeurs propres.
Montrer que u est diagonalisable. c) Soit λ une valeur propre de f . Etablir dim Eλ (F ) = dim E × dim Eλ (f ).


Soient E un espace vectoriel de dimension finie, un projecteur fixé de E et Soient E un espace vectoriel réel de dimension finie et f ∈ L(E). On définit
F : L(E) → L(E) définie par T ∈ L(E) → L(E) par
T (g) = f ◦ g − g ◦ f
1
F : f 7→ (f ◦ p + p ◦ f ) Montrer que si f est diagonalisable, alors T est diagonalisable ; si f est nilpotente,
2
alors T est nilpotente.
a) F est-elle linéaire ?
b) F est-elle diagonalisable ?
c) Quelle est la dimension des sous-espaces propres associés ? Exercice 129 CCP MP [ 03776 ] [correction]
Soient E un C-espace vectoriel de dimension finie et e = (e1 , . . . , en ) une base de
E.
On considère l’endomorphisme f de E déterminé par
Exercice 124 Mines-Ponts MP [ 02718 ] [correction] n
Soient A ∈ R [X] et B ∈ R [X] scindé à racines simples de degré n + 1. Soit Φ
X
∀k ∈ {1, . . . , n} , f (ek ) = ek + ei
l’endomorphisme de Rn [X] qui à P ∈ R [X] associe le reste de la division i=1
euclidienne de AP par B. Déterminer les éléments propres de Φ.
L’endomorphisme Φ est-il diagonalisable ? a) Donner la matrice de f dans e.
b) Déterminer les sous-espaces propres de f .
c) L’endomorphisme f est-il diagonalisable ?
d) Calculer le déterminant de f . L’endomorphisme f est-il inversible ?
Soient A, B fixés dans Rn [X].
On note f l’application qui, à P ∈ Rn [X] associe le reste de la division Exercice 130 CCP MP [ 03450 ] [correction]
euclidienne de AP par B. On considère un R-espace vectoriel de dimension finie E, u un endomorphisme de
a) Montrer que f est un endomorphisme ; est-ce un isomorphisme ? E, U = (ui,j ) la matrice de u dans une base de E, ei,j les projecteurs associés à
b) On suppose dans la suite que les polynômes A et B premiers entre eux avec B cette base et Ei,j la matrice de ces projecteurs.
scindé à racines simples ; donner les valeurs propres de f . On considère ϕ l’endomorphisme dans L(E) tel que
c) L’endomorphisme f est-il diagonalisable ?
ϕ(v) = u ◦ v
a) Montrer que ϕ et u ont les mêmes valeurs propres.
b) Calculer U Ei,j en fonction des Ek,j . En déduire qu’il existe une base de L(E)
dans laquelle la matrice de ϕ est diagonale par blocs.
Soit E un espace vectoriel réel de dimension finie, f ∈ L(E) tel que f 2 = f .
c) Exprimer cette matrice.
Etudier les éléments propres et la diagonalisabilité de l’endomorphisme
u 7→ f u − uf de L(E).
Etude d’endomorphismes diagonalisables
Exercice 127 Mines-Ponts MP [ 02717 ] [correction] Exercice 131 [ 00805 ] [correction]

Dans R3 euclidien, on considère deux vecteurs a et b, et on pose Soient f, g endomorphisme d’un K-espace vectoriel E de dimension finie.
f (x) = a ∧ (b ∧ x). A quelle condition, f est-elle diagonalisable ? On suppose que f est diagonalisable. Montrer :
f ◦ g = g ◦ f ⇔ chaque sous-espace propre de f est stable par g

Exercice 132 [ 00806 ] [correction] a) Calculer ϕ(Ei,j ) où Ei,j désigne la matrice élémentaire d’indice (i, j) de
Soit v un endomorphisme d’un C-espace vectoriel E de dimension finie Mn (K).
diagonalisable. Quelle particularité présente la matrice de ϕ relativement à la base canonique de
a) Montrer qu’il existe un endomorphisme u de E vérifiant u2 = v. Mn (K) ?
b) Montrer qu’on peut choisir u solution qui soit un polynôme en v (indice : on b) Soit f un endomorphisme diagonalisable d’un K-espace vectoriel E de
pourra introduire un polynôme interpolateur). dimension finie.
L’endomorphisme φ : u 7→ f ◦ u − u ◦ f de L(E) est-il diagonalisable ?

Soit f un endomorphisme d’un C-espace vectoriel E de dimension finie vérifiant : Exercice 137 X MP [ 02675 ] [correction]
Soit E un C-espace vectoriel de dimension finie.
« Tout sous-espace vectoriel stable par f admet un supplémentaire stable » Déterminer les f ∈ L(E) tels que tout sous-espace vectoriel de E stable par f
possède un supplémentaire stable.
Montrer que l’endomorphisme f est diagonalisable.
Exercice 138 Centrale PSI [ 01324 ] [correction]

Exercice 134 [ 00808 ] [correction] Soient E = S2 (R),
Soit f un endomorphisme diagonalisable d’un K-espace vectoriel E de dimension a b
n. A= ∈ M2 (R)
c d
On note Cf l’ensemble des endomorphismes qui commutent avec f .
a) Montrer que Cf est un sous-espace vectoriel de L(E). et Φ : S2 (R) → S2 (R) définie par
b) Montrer qu’un endomorphisme g appartient à Cf si, et seulement si, chaque Φ(S) = AS + S t A
sous-espace propre de f est stable par g.
c) En déduire que X a) Déterminer la matrice de Φ dans une base de E.
dim Cf = αλ2 b) Quelle relation existe-t-il entre les polynômes caractéristiques χΦ et χA ?
λ∈Sp(f ) c) Si Φ est diagonalisable, la matrice A l’est-elle ?
d) Si A est diagonalisable, l’endomorphisme Φ l’est-il ?
où αλ est l’ordre de multiplicité de la valeur propre λ.
d) On suppose que les valeurs propres de f sont simples. Montrer que
(Id, f, . . . , f n−1 ) est une base de Cf .
Soit E un espace vectoriel de dimension finie n > 2.
a) Donner un exemple d’endomorphisme f de E dont l’image et le noyau ne sont
pas supplémentaires.
Soit f un endomorphisme d’un K-espace vectoriel E de dimension n admettant
b) On suppose, dans cette question seulement, que f est une endomorphisme de E
exactement n valeurs propres distinctes.
diagonalisable.
a) Montrer qu’il existe un vecteur a ∈ E tel que la famille (a, f (a), . . . , f n−1 (a))
Justifier que l’image et le noyau de f sont supplémentaires.
soit une base de E.
c) Soit f un endomorphisme de E. Montrer qu’il existe un entier nature non nul k
b) Quelle est la forme de la matrice de f dans cette base ?
tel que
Im(f k ) ⊕ ker(f k ) = E
Exercice 136 [ 00810 ] [correction] L’endomorphisme f k est-il nécessairement diagonalisable ?

Soient D = diag(λ1 , . . . , λn ) et ϕ : M 7→ DM − M D endomorphisme de Mn (K). d) Le résultat démontré en c) reste-t-il valable si l’espace est de dimension infinie ?

Applications de la diagonalisabilité a) Montrer que la matrice J est diagonalisable dans Mn (C)

b) Application : calculer
Exercice 140 [ 00811 ] [correction] a0 a1 ··· an−1
Calculer An pour .. .. ..
an−1 . .
 
2 1 1 .
A= 1 2 1  .. .. ..
. . . a1
1 1 2
a1 ··· an−1 a0

Soit Exercice 145 Mines-Ponts MP [correction]
[ 02692 ]
Les matrices

cos θ 2 sin θ    
A= 1 1 2 3 1 3 2
2 sin θ cos θ
 3 1 2  et  2 1 3 
a) Déterminer deux réels α, β tel que A2 = αA + βI2 . 2 3 1 3 2 1
b) Calculer An pour n > 1.
sont-elles semblables ?

a) Déterminer les valeurs propres de Exercice 146 X MP [ 02980 ] [correction]
  Soit ϕ une application de M2 (C) vers C vérifiant :
1 3 0
A= 3 −2 −1  λ 0
∀A, B ∈ M2 (C), ϕ(AB) = ϕ(A)ϕ(B) et ϕ =λ
0 −1 1 0 1
b) Combien y a-t-il de matrice M telle que M 2 = A dans Mn (C) ? dans Mn (R) ? Montrer que ϕ = det.
Exercice 143 [ 00814 ] [correction] Exercice 147 Centrale PC [ 01279 ] [correction]

Soit a) Démontrer que, si deux endomorphismes u et v d’un espace vectoriel E
5 3 commutent, alors, les sous-espaces propres de u et l’image de u sont stables par v.
A= ∈ M2 (R)
1 3 Dans les deux cas suivants :
a) Diagonaliser la matrice A en précisant la matrice de passage P
   
20 12 −4 12 −12 −16 −8 −4
b) Soit M ∈ M2 (R) une matrice telle que M 2 + M = A.  −4 −3 9 −5  1 −1 
 et A =  4 13

Justifier que la matrice P −1 M P est diagonale. A=  −4

1 5 −5   4 5 9 −1 
c) Déterminer les solutions de l’équation M 2 + M = A. −8 −10 6 −2 8 10 2 6
b) Préciser les matrices qui commutent avec A (structure, dimension, base
Exercice 144 [ 00815 ] [correction] éventuelle).
Soit pour n > 2 la matrice c) Etudier dans M4 (R), puis dans M4 (C), l’équation
 
0 1 (0)
X2 = A
 .. .. 
 . 0 . 
J =  (nombre de solutions, un exemple de solution quand il y en a, somme et produit
 .. 
 0 . 1  des solutions quand elles sont en nombre fini).
1 0 ··· 0 Enoncé fourni par le CENTRALE-SUPELEC (CC)-BY-NC-SA


Soit G un sous-groupe de (GLn (R), ×) vérifiant On considère trois suites réelles (un )n>0 , (vn )n>0 et (wn )n>0 vérifiant
∀M ∈ G, M 2 = In 
 un+1 = −un + vn + wn

a) Montrer que G est commutatif. vn+1 = un − vn + wn
b) En déduire que les éléments de G sont codiagonalisables.

wn+1 = un + vn − wn

c) En déduire
CardG 6 2n A quelle condition sur (u0 , v0 , w0 ), ces trois suites sont-elles convergentes ?
d) Application : Montrer que s’il existe un isomorphisme entre (GLn (R), ×) et
(GLm (R), ×) alors n = m.

Exercice 149 CCP MP [ 03215 ] [correction] Soit f un endomorphisme d’un K-espace vectoriel E de dimension n ∈ N? .
Soit A ∈ M3 (R) telle que On suppose que f possède exactement n valeurs propres distinctes. Montrer que
SpA = {−2, 1, 3} seuls les polynômes en f commutent avec f (indice : on pourra introduire un
a) Exprimer An en fonction de A2 , A et I3 . polynôme interpolateur convenable).
b) Calculer
+∞
X A2n
ch(A) =
n=0
(2n)! Exercice 154 CCP PSI [ 03810 ] [correction]
a) Trouver les valeurs propres des matrices M ∈ M2 (R) vérifiant

Exercice 150 [ 03252 ] [correction] 2 1 1
Soit f un endomorphisme d’un R-espace vectoriel E de dimension n possédant M +M =
1 1
exactement n valeurs propres.
a) Déterminer la dimension des sous-espaces propres de f . b) Déterminer alors les matrices M solutions à l’aide de polynômes annulateurs
b) Soit g un endomorphisme de E vérifiant g 2 = f . Montrer que g et f commutent. appropriés.
En déduire que les vecteurs propres de f sont aussi vecteurs propres de g.
c) Combien y a-t-il d’endomorphismes g de E solutions de l’équation
g2 = f Exercice 155 CCP MP [ 02502 ] [correction]
Soient E un R-espace vectoriel de dimension finie et u ∈ L(E), v ∈ L(E)
diagonalisables vérifiant
a) Déterminer les entiers k pour lesquelles l’équation u3 = v 3
eiθ + eikθ = 1 Montrer que u = v.
admet au moins une solution θ ∈ R.

b) Soit Sk l’ensemble des suites réelles u telles que
∀n ∈ N, un+k = un + un+k−1
Soit M ∈ Mn (R) telle que M 2 soit triangulaire supérieure à coefficients
A quelle condition sur k, Sk contient-il une suite périodique non nulle. diagonaux deux à deux distincts. Montrer que M est aussi triangulaire supérieure.

Trigonalisation Exercice 162 [ 00820 ] [correction]

Soit  
2 −1 −1
A= 2 1 −2 
Montrer qu’une matrice triangulaire inférieure est trigonalisable.
3 −1 −2
a) Calculer le polynôme caractéristique de A.
Exercice 158 [ 00817 ] [correction] b) Trigonaliser la matrice A.
Soit A ∈ Mn (K). On suppose χA scindé.
a) Justifier que A est trigonalisable.
b) Etablir que pour tout k ∈ N, Exercice 163 [ 00821 ] [correction]
Soit
Sp(Ak ) = λk /λ ∈ Sp(A)
 
0 1 1
A =  −1 1 1 
−1 1 2
a) Calculer le polynôme caractéristique de A.
Soit A ∈ Mn (Z) de polynôme caractéristique
b) Trigonaliser la matrice A.
n
Y
(X − λi ) avec λi ∈ C
i=1
Déterminer une matrice à coefficients entiers de polynôme caractéristique Trigonaliser la matrice  
1 0 0
n
Y A= 0 0 −1 
(X − λpi ) 0 1 2
i=1

Montrer que la matrice
Montrer que pour tout A ∈ Mn (C), det(exp(A)) = exp(trA).  
13 −5 −2
 −2 7 −8 
−5 4 7
Soient A ∈ Mn (K) et P ∈ K [X]. est trigonalisable et préciser la matrice de passage.
On suppose le polynôme caractéristique de A de la forme
n
Y
χA (X) = (−1)n (X − λk )
k=1
a) Soient A et B dans M2 (K) telles que AB = BA. Montrer que B ∈ K [A] ou
A ∈ K [B].
Exprimer le polynôme caractéristique de P (A). b) Le résultat subsiste-t-il dans M3 (K) ?

Exercice 167 Centrale MP [ 02395 ] [correction] Exercice 173 [ 00822 ] [correction]

Soit E un espace vectoriel complexe de dimension finie non nulle. Soient u et v Soient E un K-espace vectoriel de dimension finie et u ∈ L(E).
des endomorphismes de E ; on pose [u, v] = uv − vu. Justifier l’existence d’un entier p > 0 tel que la famille (Id, u, . . . , up ) soit liée.
a) On suppose [u, v] = 0. Montrer que u et v sont cotrigonalisables. En déduire que u possède un polynôme annulateur non nul.
b) On suppose [u, v] = λu avec λ ∈ C? . Montrer que u est nilpotent et que u et v
sont cotrigonalisables.
c) On suppose l’existence de complexes α et β tels que [u, v] = αu + βv. Montrer Exercice 174 [ 00823 ] [correction]
que u et v sont cotrigonalisables. Soient E un K-espace vectoriel de dimension finie et u ∈ L(E) tel que les espaces
ker(u ◦ (u − Id)) et ker(u ◦ (u + Id)) soient supplémentaires.
Montrer que u est une symétrie vectorielle.
Soit A ∈ Mn (C) telle que tr(Am ) → 0 quand m → +∞.
Montrer que les valeurs propres de A sont de module < 1
Soient u un endomorphisme d’un K-espace vectoriel admettant un polynôme
Exercice 169 [ 03284 ] [correction] minimal Πu et P ∈ K [X].
Soient A, B ∈ Mn (C) vérifiant AB = On . Montrer que P (u) est inversible si, et seulement si, P et Πu sont premiers entre
a) Montrer que les matrices A et B ont un vecteur propre en commun. eux.
b) Etablir que A et B sont simultanément trigonalisable Observer qu’alors P (u)−1 ∈ K [u].

Soient A, B ∈ Mn (C) vérifiant Soient E un K-espace vectoriel de dimension finie et u ∈ L(E).
∀m ∈ N, tr(Am ) = tr(B m ) On suppose qu’il existe deux sous-espaces vectoriels supplémentaires F et G
stables par u.
Montrer que les matrices A et B ont les mêmes valeurs propres. Etablir que Πu = ppcm(ΠuF , ΠuG ) (en notant Πv le polynôme minimal d’un
endomorphisme v).
Expliquer pourquoi le déterminant de A ∈ Mn (R) est le produit des valeurs
propres complexes de A, valeurs propres comptées avec multiplicité. Exercice 177 [ 00826 ] [correction]
Soit u un endomorphisme d’un K-espace vectoriel E.
Si u admet un polynôme minimal Πu et si F est un sous-espace vectoriel stable
Polynôme annulateur, polynôme minimal par u alors montrer que uF admet un polynôme minimal et que celui-ci divise Πu .

Soit M ∈ Mn (K) une matrice triangulaire par blocs de la forme Exercice 178 [ 00827 ] [correction]
Montrer qu’une matrice A ∈ Mn (K) de polynôme minimal (X − 1)2 est semblable
A C à une matrice diagonale par blocs avec des blocs diagonaux de la forme
M= avec A ∈ Mp (K) et B ∈ Mq (K)
O B
1 1
On suppose connus deux polynômes P et Q ∈ K [X] annulateurs de A et B ( 1 ) ou
0 1
respectivement.
Exprimer en fonction de P et Q un polynôme annulateur de M .

Exercice 179 [ 00829 ] [correction] Exercice 184 X MP [ 02986 ] [correction]

Soient f et g deux endomorphismes d’un K-espace vectoriel E tels que Soient N une norme sur Cn et kk la norme sur Mn (C) qui lui est associée.
f ◦ g − g ◦ f = I. Soit A ∈ Mn (C) telle que 1 est valeur propre de A et kAk 6 1.
a) Montrer que, pour tout entier n > 1, on a f n ◦ g − g ◦ f n = nf n−1 . Montrer que 1 est racine simple du polynôme minimal de A.
b) En dimension finie non nulle, montrer qu’il n’existe pas deux endomorphismes
f et g tels que f ◦ g − g ◦ f = I.
c) Montrer que dans E = K [X] les endomorphismes f et g définis par f (P ) = P 0 Exercice 185 X MP [ 03073 ] [correction]
et g(P ) = XP conviennent. Etant donné E un espace vectoriel de dimension finie, u un endomorphisme de E
et λ un scalaire, on dit que λ est séparable si le noyau et l’image de u − λId sont
supplémentaires.
Exercice 180 Centrale MP [ 02393 ] [correction] a) Montrer que tout scalaire non séparable de u en est une valeur propre.
Existe-t-il dans Mn (R) une matrice de polynôme minimal X 2 + 1 ? b) Montrer qu’un endomorphisme scindé est diagonalisable si, et seulement si,
toutes ses valeurs propres sont séparables.
c) Caractériser la séparabilité d’une valeur propre à l’aide du polynôme minimal
Exercice 181 Mines-Ponts MP [ 02681 ] [correction] de u.
Soit E un espace vectoriel sur K et a un élément non nul de K. Soit f ∈ L(E) tel d) Soit, avec ces notations, l’endomorphisme m de L(E) qui à v associe u ◦ v.
que f 3 − 3af 2 + a2 f = 0. Est-il vrai que ker f et Imf sont supplémentaires ? Comparer l’ensembles ses scalaires séparables relativement à m avec celui des
scalaires séparables relativement à u.

Soit Exercice 186 X MP [ 01353 ] [correction]
a 0 ··· ··· ··· 0 b
 
Soient E un K-espace vectoriel et u ∈ L(E) nilpotent. On suppose qu’il existe
. .. . .
 0 .. . .. .. P ∈ K [X] tel que P (u) = 0. Si Q ∈ K [X], existe-t-il R ∈ K [X] tel que
 
0 
 .. . . .. R(Q(u)) = 0 ?
 
.
..

 .
 . a 0 b .


 .. ..
A= .  ∈ M2n+1 (C)

 0 a+b 0 .
 . ..
 .. . . . .. Exercice 187 [ 02442 ] [correction]

b 0 a . .
  Soit f un endomorphisme d’un K-espace vectoriel E de dimension quelconque.
 0 ... ..
. .. ..
 
. . 0  On suppose qu’il existe un polynôme annulateur P de f vérifiant
b 0 ··· ··· ··· 0 a
P (0) = 0 et P 0 (0) 6= 0
Quels sont les P ∈ C [X] tels que P (A) = 0 ?
Montrer que l’image et le noyau de f sont supplémentaires dans E.

Soient E un C-espace vectoriel de dimension finie et f ∈ L(E) de polynôme Exercice 188 [ 03277 ] [correction]
minimal Πf . Soit u un endomorphisme d’un K-espace vectoriel.
Montrer l’existence de x ∈ E tel que On suppose qu’il existe un polynôme annulateur de u dont 0 est racine simple.
Montrer
{P ∈ C [X] /P (f )(x) = 0}
ker u = ker u2
soit l’ensemble des multiples de Πf .


Soit u un endomorphisme d’un K-espace vectoriel E et P ∈ K [X] annulateur de u. Trouver les M de Mn (R) telles que t M = M 2 et que M n’ait aucune valeur
On suppose qu’on peut écrire P = QR avec Q et R premiers entre eux. propre réelle.
Etablir
ImQ(u) = ker R(u)
Soit A ∈ Mn (C) nilpotente.
a) Calculer χA .
b) Même question avec A ∈ Mn (R).
Soient E un K-espace vectoriel de dimension quelconque, u ∈ L(E) et P ∈ K [X]
ayant 0 comme racine simple et tel que P (u) = 0.
a) Montrer Exercice 197 CCP MP [ 03191 ] [correction]
ker u2 = ker u et Imu2 = Imu a) Montrer que si P est un polynôme annulateur d’un endomorphisme f alors
b) En déduite P (λ) = 0 pour toute valeur propre λ de f .
b) Montrer que si f vérifie
E = ker u ⊕ Imu
f 3 + 2f 2 − f − 2Id = 0
Polynômes annulateurs et valeurs propres alors f est bijectif.

Soit P un polynôme annulateur d’un endomorphisme f .
Théorème de Cayley Hamilton
Montrer que si λ est valeur propre de f alors P (λ) = 0.
Déterminer un polynôme annulateur de

Exercice 192 [ 00831 ] [correction] a b
A= ∈ M2 (K)
Pour f ∈ F(R, R), on note f˜ : x 7→ f (−x). L’application ϕ : f 7→ f˜ est clairement c d
un endomorphisme involutif de F(R, R). Quelles en sont les valeurs propres ?
Exprimer A−1 lorsque celle-ci existe.

Soit T : R [X] → R [X] l’endomorphisme défini par T (P ) = P (1 − X). Soit  
a) Montrer que T est un automorphisme. λ1 ?
b) Déterminer valeurs propres de T . A∈ ..  ∈ Mn (K)
 
.
0 λn
Exercice 194 [ 00833 ] [correction] Montrer que (X − λ1 ) . . . (X − λn ) est annulateur de A.

Montrer que si un endomorphisme u d’un K-espace vectoriel E admet un
polynôme minimal Πu alors les valeurs propres de u sont exactement les racines
de son polynôme minimal.
Soit u un automorphisme d’un K-espace vectoriel E de dimension finie n ∈ N? .
Montrer que u−1 est un polynôme en u.

Exercice 201 [ 00836 ] [correction] Dans cette question, on suppose que q = 2 et que A est donnée par :
Soit f un endomorphisme d’un C-espace vectoriel E de dimension n. On suppose  
que f possède une unique valeur propre λ. 0 1 0 0 0 1
a) A quelle condition l’endomorphisme est-il diagonalisable ?  0 0 1 0 0 0 
 
b) Calculer le polynôme caractéristique de f .  0 0 0 1 0 0 
A=  0

c) Justifier que l’endomorphisme f − λId est nilpotent.  0 0 0 1 0  
 0 0 0 0 0 1 
0 0 0 0 0 0
Soit f un endomorphisme d’un K-espace vectoriel de dimension n. a) Déterminer les matrices M ∈ M6 (C) vérifiant
On suppose qu’il existe x ∈ E et N ∈ N tels que (x, f (x), . . . , f N −1 (x)) soit une
famille génératrice de E. AM = 2M A
a) Montrer que la famille (x, f (x), . . . , f n−1 (x)) est une base de E.
b) Que dire de l’ensemble des matrices M ainsi obtenues ?
b) Démontrer que les endomorphismes commutant avec f sont les polynômes en f .
c) Déterminer les matrices M ∈ GL6 (C) vérifiant
M −1 AM = 2A
Soient A, B, M ∈ Mn (C) telles que AM = M B avec M 6= On . Enoncé fourni par le concours CENTRALE-SUPELEC (CC)-BY-NC-SA
a) Montrer que pour tout P ∈ C [X], on a P (A)M = M P (B).
b) Montrer que A et B ont une valeur propre en commun.

Exercice 204 Mines-Ponts MP [ 02667 ] [correction] a) Soit u un endomorphisme inversible d’un K-espace vectoriel E de dimension
Montrer qu’il existe (a0 , . . . , an−1 ) ∈ Rn tel que : finie.
Montrer qu’il existe un polynôme Q ∈ K [X] vérifiant
n−1
X
∀P ∈ Rn−1 [X] , P (X + n) + ak P (X + k) = 0 u−1 = Q(u)
k=0
b) Soit u l’endomorphisme de K [X] qui envoie le polynôme P (X) sur P (2X).
Montrer que u est un automorphisme et déterminer ses éléments propres.
Exercice 205 Centrale MP [ 03114 ] [correction] Existe-t-il Q ∈ K [X] tel que
Dans cet exercice, n est un entier supérieur ou égal à deux et q un nombre u−1 = Q(u) ?
complexe non nul tel que pour tout k ∈ Z? , q k 6= 1. On considère également une
matrice A ∈ Mn (C).
1. On suppose qu’il existe M ∈ GLn (C) telle que
M −1
AM = qA Soit A ∈ Mn (K) une matrice inversible.
Montrer que A est triangulaire supérieure si, et seulement si, Ak l’est pour tout
On notre χA le
polynôme
caractéristique de A. Déterminer une relation entre k > 2.
X
χA (X) et χA q . Donner un contre-exemple dans le cas où l’on ne suppose plus la matrice A
inversible.
En déduire que A est nilpotente.
2. Cette question est à résoudre à l’aide du logiciel de calcul formel.


Soit la matrice   Soit a un réel. Pour M ∈ Mn (R), on pose
0 −b a
A= b 0 −c  ∈ M3 (R) L(M ) = aM + tr(M )In
−a c 0 a) Montrer que L est un endomorphisme de Mn (R), trouver ses éléments propres
a) A est-elle diagonalisable dans M3 (R) ? et son polynôme minimal.
b) A est-elle diagonalisable dans M3 (C) ? b) Pour quels a, L est-il un automorphisme ? Trouver son inverse dans ces cas.
c) Soit λ un réel non nul ; la matrice B = A + λI3 est-elle inversible ?
d) Montrer qu’il existe trois réels α, β, γ tels que
B −1 2
= αA + βA + γI3 Soit f un endomorphisme d’un K-espace vectoriel E de dimension n.
a) On suppose que f est diagonalisable. A quelle condition existe-t-il un vecteur
x ∈ E tel que la famille formée des vecteurs x1 = x, x2 = f (x1 ),. . . , xn = f (xn−1 )
forme une base de E ?
b) On ne suppose plus f diagonalisable mais on suppose l’existence d’une base
Soient n > 2, A et B des matrices de Mn (Z) de déterminants non nuls et
(x1 , x2 , . . . , xn ) de E du type précédent. Déterminer le commutant de f . Quel est
premiers entre eux.
le polynôme minimal de f ?
Montrer qu’il existe U et V dans Mn (Z) telles que
U A + V B = In Exercice 214 Mines-Ponts MP [ 02710 ] [correction]

On pose
(on pourra écrire χA (X) = XQA (X) + det A)  
0 1 0
On donnera un exemple pour n = 2.
A= 1 0 1 
0 1 0
Calcul de polynôme minimal Que dire de cette matrice ? Sans la diagonaliser, déterminer son polynôme
caractéristique, son polynôme minimal, calculer Ak pour k ∈ N et évaluer exp(A).
Soit Exercice 215 Mines-Ponts MP [ 02707 ] [correction]
1 1
A= Soient a, b ∈ R, b 6= 0 et A ∈ Mn (R) la matrice dont les éléments diagonaux
0 1
valent a et les autres valent b. A est-elle diagonalisable ? Quelles sont les valeurs
Déterminer µA . propres de A ? Quel est le polynôme minimal de A ? Sous quelles conditions sur a
et b, A est-elle inversible ? Lorsque c’est le cas trouver l’inverse de A.

[ 00842 ]
Soit Exercice 216 Mines-Ponts MP [ 02701 ] [correction]
Soient a ∈ R? et
 
0 1
a a2
 
.. 0
M =  ∈ Mn (R) avec n > 2
 
. A =  1/a 0 a 
1 0 1/a2 1/a 0
a) Montrer que M est diagonalisable. a) Calculer le polynôme minimal de A.
b) Déterminer le polynôme minimal de M . b) La matrice A est-elle diagonalisable ? Si oui, la diagonaliser.
c) Calculer M p pour p ∈ N. c) Calculer eA .

Exercice 217 Mines-Ponts MP [correction]

[ 02711 ] Exercice 222 [ 00848 ] [correction]
Soit   Soient n ∈ N? et A ∈ M2n (C) définie par blocs
0 0 0
A= 0 0 1  O −In
A=
0 −1 0 In O
dans M3 (R). Déterminer le polynôme caractéristique et le polynôme minimal de
a) Calculer A2 .
A. Calculer exp A et exp(A) exp(t A).
b) La matrice A est-elle diagonalisable ? Déterminer les valeurs propres de A et les
dimensions de ses espaces propres ?
Exercice 218 Mines-Ponts MP [correction]
[ 02712 ]
Soit
1 j j2 Exercice 223 [ 00849 ] [correction]
 
A =  j j2 1  Soient E un R-espace vectoriel de dimension finie et f un endomorphisme de E

j2 1 j vérifiant
f 3 = 4f
Etudier la diagonalisabilité de A, déterminer les polynômes minimal et
caractéristique de A, calculer exp A. Proposer une généralisation en dimension n. Montrer que la trace de f est un entier pair.

Soit a un réel. Pour M ∈ Mn (R)(avec n > 2), on pose Soit A ∈ Mn (R) telle que
L(M ) = aM + tr(M )In A3 − A2 + A − I = O
a) Montrer que L est un endomorphisme de Mn (R) et trouver ses éléments Montrer que det(A) = 1.
propres et son polynôme minimal.
b) Pour quels a, l’endomorphisme L est-il un automorphisme ?
Trouver son inverse dans ces cas. Exercice 225 [ 00851 ] [correction]
Soient E un K-espace vectoriel de dimension n ∈ N et p ∈ L(E) tel que p2 soit un
projecteur.
Diagonalisabilité et polynômes annulateurs a) Quelles sont les valeurs propres possibles pour p ?
b) Montrer que p est diagonalisable si, et seulement si, p3 = p.
Montrer qu’une matrice de permutation est diagonalisable.
Soient E un espace vectoriel de dimension 3 et f un endomorphisme de E vérifiant
Soit f4 = f2
On In
A= ∈ M2n (K)
−In On On suppose que 1 et −1 sont valeurs propres de f . Montrer que f est
diagonalisable.
Calculer A2 .
Selon que K = R ou C dire si la matrice A est, ou non, diagonalisable.


Soit A ∈ Mn (R) vérifiant Soient P ∈ Mn (R) une matrice de projection et ϕ l’endomorphisme de Mn (R)
A3 + I n = O n défini par
ϕ(M ) = P M + M P
Montrer que la trace de A est un entier.
Montrer que l’endomorphisme ϕ est diagonalisable

Soit A ∈ Mn (R) vérifiant Exercice 234 Mines-Ponts MP [ 02720 ] [correction]
A3 + A2 + A = 0 Soit n ∈ N? , u ∈ L(R2n+1 ). On suppose u3 = u, tru = 0 et tru2 = 2n. On note
C(u) = v ∈ L(R2n+1 )/uv = vu

Montrer que la matrice A est de rang pair.
a) Calculer la dimension C(u).

Exercice 229 [ 03469 ] [correction] b) Quels sont les n tels que C(u) = R [u] ?
Soit M ∈ Mn (R) vérifiant
M 2 + t M = 2In
Montrer que cette matrice M est diagonalisable. Soit A ∈ Mn (R). On pose fA (M ) = AM , pour toute matrice M ∈ Mn (R).
a) Montrer que si A2 = A alors fA est diagonalisable.
b) Montrer que fA est diagonalisable si, et seulement si, A est diagonalisable.
Exercice 230 Centrale PSI [ 03645 ] [correction]
Soit M ∈ Mn (C) telle que
M 2 + t M = In Exercice 236 Centrale MP [ 00853 ] [correction]
Soit A ∈ Mn (C). On pose f (M ) = AM pour toute M ∈ Mn (C).
a) Montrer
a) L’application f est-elle un endomorphisme de Mn (C) ?
M inversible si, et seulement si, 1 ∈
/ SpM
b) Etudier l’équivalence entre les inversibilités de A et de f .
b) Montrer que la matrice M est diagonalisable. c) Etudier l’équivalence entre les diagonalisabilités de A et de f .
Exercice 231 [ 03792 ] [correction] Exercice 237 CCP MP [ 03192 ] [correction]

Soient n un entier supérieur ou égal à 2 et M une matrice carrée de taille n telle Soit A ∈ M2 (Z) telle que det A = 1 et qu’il existe p ∈ N? pour lequel
que M 2 + t M = In
Ap = In
Quelles sont les valeurs propres de M ? Est-elle symétrique ? Est-elle
diagonalisable ? a) Montrer que A est diagonalisable dans C.
On note α et β les deux valeurs propres de A.
b) Montrer que |α| = |β| = 1, que α = β̄ et
Résoudre dans Mn (R) le système |Re(α)| ∈ {0, 1/2, 1}
c) Montrer que A12 = I2

( 2
M + M + In = 0
t d) Montrer que l’ensemble G = {An /n ∈ N} est un groupe monogène fini pour le
M M = M tM produit matriciel.

Exercice 238 X MP [ 00838 ] [correction] Exercice 242 [ 02953 ] [correction]

Soit A ∈ M2 (Z) vérifiant : Déterminer les couples (A, B) ∈ Mn (R)2 tels que
∃n ∈ N? , An = I2
A B
Montrer que A12 = I2 . O A
est diagonalisable.
On fixe n ∈ N? et on note
En = {A ∈ Mn (Z)/∃m ∈ N? , Am = In } Trouver les matrices M ∈ Mn (C) vérifiant M 5 = M 2 et tr(M ) = n.
Pour A ∈ En , on pose
ω(A) = min {m ∈ N? /Am = In } Soient f, u, v trois endomorphismes d’un R-espace vectoriel E de dimension finie .
Montrer que ω(En ) est fini. On suppose qu’il existe α, β ∈ R distincts tels que

 Id = u + v

f = αu + βv
Exercice 240 [ 03138 ] [correction] 
 2
Soit f = α2 u + β 2 v
A A
M= a) Montrer que f est diagonalisable.
0 A
b) Justifier que u et v sont des projections vectorielles dont on précisera noyau et
avec A ∈ Mn (R). image en fonction des espace ker(f − αId) et ker(f − βId).
a) Montrer que c) Exprimer f n pour tout n ∈ N en fonction de α, β et u, v.
P (A) AP 0 (A)

∀P ∈ R [X] , P (M ) =
0 P (A)
b) Enoncer une condition nécessaire et suffisante pour que M soit diagonalisable. Soient α, β ∈ K et u, v, f trois endomorphismes d’un K-espace vectoriel E de
dimension finie vérifiant 
 f = αu + βv

Exercice 241 [ 03281 ] [correction] f 2 = α2 u + β 2 v
Soit

 3
f = α3 u + β 3 v
A B
M= Montrer que f est diagonalisable.
0 A
avec A, B ∈ Mn (R) vérifiant AB = BA
a) Montrer que Exercice 246 CCP MP [ 03056 ] [correction]
0
Soient λ, µ ∈ C? , λ 6= µ et A, B, M ∈ Mp (C) telles que
P (A) P (A)B
∀P ∈ R [X] , P (M ) =
0 P (A) Ip = A + B
b) Enoncer une condition nécessaire et suffisante sur A et B pour que M soit M = λA + µB
diagonalisable. M 2 = λ2 A + µ2 B

a) Montrer que M est inversible et exprimer M −1 . Exercice 250 [ 03798 ] [correction]

On pourra calculer M 2 − (λ + µ)M + λµIp Soient E un K-espace vectoriel de dimension finie et F, G deux sous-espaces
b) Montrer que A et B sont des projecteurs. vectoriels supplémentaires non triviaux. On note p la projection sur F
c) La matrice M est-elle diagonalisable ? Déterminer son spectre. parallèlement à G et s la symétrie par rapport à F et parallèlement à G. Enfin on
pose pour f endomorphisme de F
φ(f ) = p ◦ f ◦ s
Exercice 247 Mines-Ponts PC [ 00708 ] [correction]
Soit (A, B, C) ∈ Mn (R)3 tel que ce qui définit un endomorphisme φ sur L(E).
a) Montrer que φ annule un polynôme « simple ». L’endomorphisme φ est-il
C = A + B, C 2 = 2A + 3B et C 3 = 5A + 6B diagonalisable ?
b) Déterminer les éléments propres de φ.
Les matrices A et B sont-elles diagonalisables ?
(indice : on pourra considérer les matrices de p et s dans une base adaptée à la
décomposition E = F ⊕ G)
a) Montrer que, pour z1 , . . . , zn ∈ C avec z1 6= 0, on a l’égalité Exercice 251 Centrale PC [ 03744 ] [correction]
n n
Soient n ∈ N? et E = Mn (R). Pour A, B ∈ E fixées non nulles, on définit
X
zk =
X
|zk | f ∈ L(E) par
k=1 k=1
∀M ∈ E, f (M ) = M + tr(AM )B
a) Déterminer un polynôme annulateur de degré 2 de f et en déduire une
si, et seulement si, il existe n − 1 réels positifs α2 , . . . , αn tels que
condition nécessaire et suffisante sur (A, B) pour que f soit diagonalisable. Quels
∀k > 2, zk = αk z1 sont alors les éléments propres de f ?
b) Déterminer dim C où
b) Déterminer toutes les matrices de Mn (C) telles que M n = In et trM = n
C = {g ∈ L(E)/f ◦ g = g ◦ f }

[ 03425 ]
Soient  
0 −1 0 0 0 Exercice 252 CCP MP [ 02410 ] [correction]
 1 0
 0 0 0 
 Soient n > 2, A ∈ Mn (R) et f l’endomorphisme de Mn (R) défini par
M =  0 0  ∈ M5 (R)
0 0 1 
f (M ) = tr(A)M − tr(M )A
 0 0 1 0 0 
0 0 0 1 0 où tr désigne la forme linéaire trace.
5
et m ∈ L(R ) canoniquement associé à M . Etudier la réduction de l’endomorphisme f et préciser la dimension de ses
a) En procédant à un calcul par bloc, déterminer p ∈ N? tel que M p = I5 . sous-espaces propres.
En déduire que M est diagonalisable dans M5 (C).
b) Déterminer un vecteur x ∈ R5 tel que x, m(x), m2 (x), m3 (x) et m4 (x) forme
une base de R5 . Exercice 253 [ 00479 ] [correction]
Quelle est la matrice de m dans cette base ? Soit A la matrice donnée par
1 1
A=
1 1

a) Déterminer un polynôme annulateur non trivial de la matrice A. Exercice 258 [ 00856 ] [correction]
b) Soit M ∈ M2 (R) vérifiant Soit f l’endomorphisme de R3 dont la matrice est
M2 + M = A  
5 1 −1
Justifier que la matrice M est diagonalisable et déterminer les valeurs propres  2 4 −2 
possibles pour M . 1 −1 3
c) Déterminer alors les matrices M possibles à l’aide de polynômes annulateurs
appropriés. dans la base canonique.
Déterminer les sous-espaces vectoriels stables par f .

Soit u un endomorphisme d’un R-espace vectoriel E de dimension finie tel qu’il Exercice 259 [ 00857 ] [correction]
existe deux réels non nuls distincts a et b vérifiant Soient f et g deux endomorphismes diagonalisables d’un K-espace vectoriel E de
dimension finie.
(u − aId)(u − bId) = 0 Montrer que f et g sont simultanément diagonalisables si, et seulement si, chaque
sous-espace propre de l’un est stable par l’autre.
Soient
1 1
p= (u − aId) et q = (u − bId)
b−a a−b Exercice 260 [ 00858 ] [correction]
a) Calculer p + q, p ◦ p, q ◦ q et q ◦ p. Soient f et g deux endomorphismes diagonalisables d’un K-espace vectoriel E de
b) Montrer que E = ker p ⊕ ker q. dimension finie.
c) Trouver les éléments propres de u. L’endomorphisme u est-il diagonalisable ? Montrer que f et g commutent si, et seulement si, f et g sont simultanément
diagonalisables.
Diagonalisabilité et endomorphisme induit
Exercice 255 [ 00854 ] [correction] Soient A, B, C ∈ Mn (R) vérifiant
Soit f un endomorphisme diagonalisable d’un K-espace vectoriel E de dimension AB − BA = C
finie.
Montrer que la restriction de f à tout sous-espace vectoriel F 6= {0} stable est On suppose en outre que C commute avec les matrices A et B.
diagonalisable. a) On suppose que A et diagonalisable. Montrer que la matrice C est nulle.
b) On suppose que la matrice C est diagonalisable. Montrer à nouveau de que la
matrice C est nulle.
Soit u un endomorphisme diagonalisable d’un K-espace vectoriel E de dimension
finie. Diagonalisabilité des polynômes en un
Montrer qu’un sous-espace vectoriel F non nul est stable par u si, et seulement si,
il possède une base de vecteurs propres de u.
endomorphisme
Exercice 257 [ 03038 ] [correction] Soient P ∈ K [X] et u un endomorphisme d’un K-espace vectoriel E de dimension
Soit u un endomorphisme d’un K-espace vectoriel pour lequel il existe une base finie.
B = (e1 , . . . , en ) vérifiant u(e1 ) = e1 et u(e2 ) = e1 + e2 . a) On suppose que u est diagonalisable, montrer que P (u) l’est aussi.
L’endomorphisme u est-il diagonalisable ? b) Que dire de la réciproque ?


Soit f un endomorphisme d’un C-espace vectoriel E de dimension finie. Soit A ∈ Mn (C) telle que 0 soit la seule valeur propre de A.
a) On suppose que f est diagonalisable. Montrer que f 2 est diagonalisable et a) Montrer que An = 0.
ker f = ker f 2 . b) Calculer det(A + In ).
On étudie désormais la propriété inverse. c) Soit M ∈ GLn (C) commutant avec A. Calculer det(A + M ).
b) Par un exemple, montrer que si f 2 est diagonalisable, f n’est pas d) Inversement, quelles sont les matrices A vérifiant :
nécessairement diagonalisable.
c) Montrer que si f 2 est diagonalisable et si ker f = ker f 2 alors f est ∀M ∈ GLn (C), AM = M A ⇒ det(A + M ) = det M ?
diagonalisable.

Exercice 264 [ 00861 ] [correction] Trouver les A de Mn (C) telles que
Soient E un C-espace vectoriel de dimension finie n ∈ N? et u ∈ L(E).
a) Enoncer un critère de diagonalisabilité en terme de polynôme annulateur. A3 − 4A2 + 4A = 0
b) On suppose u ∈ GL(E). Montrer que u est diagonalisable si, et seulement si, u2
l’est. et trA = 8.
c) Généralisation : Soit P ∈ C [X]. On suppose P 0 (u) ∈ GL(E)
Montrer que u est diagonalisable si, et seulement si, P (u) l’est.
Soit A une matrice carrée réelle d’ordre n.
Montrer que A est nilpotente si, et seulement si,
Soient E un C-espace vectoriel de dimension finie et u un endomorphisme de E.
Soit P un polynôme complexe, on suppose que P (u) est diagonalisable et que la ∀p ∈ [[1, n]] , trAp = 0
valeur prise par P sur toute racine complexe de P 0 n’est pas valeur propre de
l’endomorphisme P (u).
Montrer que u est diagonalisable.
Trouver les matrices M de Mn (R) vérifiant
Soient A, B ∈ GLn (C) telles que B = Ap . trM = 0 et M 3 − 4M 2 + 4M = On
Montrer que A est diagonalisable si, et seulement si, B l’est.

Trigonalisabilité et polynôme annulateur Soit f ∈ L(R3 ) vérifiant
Exercice 267 [ 00864 ] [correction] f 2 = f 3 et dim ker(f − Id) = 1

Soient A ∈ Mn (C) (n > 3) vérifiant
Montrer l’existence d’une base de R3 dans laquelle la matrice de f est de la forme
n
rgA = 2 , trA = 0 et A 6= On  
1 0 0
Montrer que A est diagonalisable.  0 0 α  avec α ∈ {0, 1}
0 0 0

Nilpotence Exercice 278 X MP [ 00938 ] [correction]

Soient n ∈ N? , A et B dans Mn (C) et λ1 , . . . , λn , λn+1 deux à deux distincts dans
Exercice 273 [ 00863 ] [correction] C. On suppose, pour 1 6 i 6 n + 1, que A + λi B est nilpotente.
Soit A ∈ Mn (C) une matrice nilpotente. Montrer que A et B sont nilpotentes.
a) Montrer que A est semblable à une matrice triangulaire supérieure stricte.
b) Le résultat est-il encore vrai pour A ∈ Mn (R) ?
Soient E un C-espace vectoriel de dimension finie et u ∈ L(E).
Exercice 274 [ 00837 ] [correction] On note I1 = {P ∈ C [X] /P (u) = 0} et I2 = {P ∈ C [X] /P (u) est nilpotent}.
Soit u un endomorphisme d’un C-espace vectoriel E de dimension finie. a) Montrer que I1 et I2 sont des idéaux non nuls de C [X].
Montrer que u possède une seule valeur propre si, et seulement si, il existe λ ∈ C On note P1 et P2 leurs générateurs unitaires respectifs.
tel que u − λIdE soit nilpotent. b) Etablir un lien entre P1 et P2 .
c) Montrer l’existence de Q ∈ I2 tel que u − Q(u) est diagonalisable

Soient E un espace vectoriel réel de dimension finie, f et g deux endomorphismes Exercice 280 X PC [ 03095 ] [correction]
de E vérifiant Soit Φ : M2 (R) → R vérifiant
f ◦g−g◦f =f
0 1

∀A, B ∈ M2 (R), Φ(AB) = Φ(A)Φ(B) et Φ 6= Φ(I2 )
a) Calculer 1 0
fn ◦ g − g ◦ fn
a) Démontrer que Φ(O2 ) = 0.
b) Soit P un polynôme. Montrer que si P (f ) = 0 alors f ◦ P 0 (f ) = 0. b) Si A est nilpotente, démontrer que Φ(A) = 0.
c) En déduire que f est un endomorphisme nilpotent. c) Soient A ∈ M2 (R) et B la matrice obtenue à partir de A en permutant les
lignes de A.
Démontrer que Φ(B) = −Φ(A).
Exercice 276 [ 00865 ] [correction] d) Démontrer que A est inversible si, et seulement si, Φ(A) 6= 0.
Soient E un C-espace vectoriel de dimension n et f ∈ L(E).
a) Montrer que l’endomorphisme f est nilpotent si, et seulement si,
Sp(f ) = {0}
Soit A ∈ Mn (K) une matrice nilpotente non nulle. On appelle indice de
b) Montrer que l’endomorphisme f est nilpotent si, et seulement si, nilpotence de A le nombre entier
Ind(A) = min k ∈ N? /Ak = 0

∀1 6 k 6 n, tr(f k ) = 0
1. Quelle est la dimension de l’algèbre K [A] engendrée par A ?
Exercice 277 [ 03031 ] [correction] 2.a) Soit P ∈ K [X] tel que P (0) = 1. Démontrer que la matrice B = AP (A) est
Soit A ∈ Mn (C). On considère l’endomorphisme T de Mn (C) défini par nilpotente, de même indice que A.
2.b) En déduire qu’il existe un polynôme Q ∈ K [X] vérifiant Q(0) 6= 0 et
T (M ) = AM − M A A = BQ(B).
3. Cette question doit être traitée avec le logiciel de calcul formel. On considère la
a) On suppose que la matrice A est nilpotente. matrice A ∈ M8 (R) définie par :
Montrer que l’endomorphisme T est aussi nilpotent.
2
b) Réciproque ? ∀(i, j) ∈ [[1, 8]] , A [i, j] = 1 si i = j − 1 ou si i = j − 4 et 0 sinon

3.a) Vérifier que A est nilpotente et calculer son indice de nilpotence. a) Montrer qu’il existe un polynôme Pn ∈ R [X] vérifiant au voisinage de 0
3.b) On suppose ici que P = 1 + X + 2X 2 + 3X 3 et B = AP (A). Déterminer √
explicitement un polynôme Q de coefficient constant non nul tel que A = BQ(B). 1 + x = Pn (x) + O(xn )
Indication : on peut chercher Q de degré strictement inférieur à l’indice de
b) Etablir que X n divise alors le polynôme Pn2 (X) − X − 1.
nilpotence de A.
c) Soit f un endomorphisme de E vérifiant f n = 0̃.
Montrer qu’il existe un endomorphisme g de E vérifiant
g 2 = IdE + f
Soient n > 2 et A = (ai,j )16i,j6n ∈ Mn (R) où ai,i+1 = 1 pour i ∈ {1, . . . , n − 1}, d) Soit maintenant f un endomorphisme de E ne possédant qu’une valeur propre
les autres coefficients étant nuls. λ.
a) La matrice A est-elle diagonalisable ? Montrer que (f − λIdE )n = 0̃ et conclure qu’il existe un endomorphisme g de E
b) Existe-t-il B ∈ Mn (R) vérifiant B 2 = A ? vérifiant
g2 = f

Soient A ∈ GLn (C) et N ∈ Mn (C) nilpotente telles que
Soient A, B ∈ Mn (C). On suppose que la matrice A est nilpotente et que la
AN = N A matrice B commute avec A. Que dire de tr(AB) ?
Montrer que
det(A + N ) = det A Exercice 288 X MP [ 03477 ] [correction]
Soit A ∈ Mn (R).
a) On suppose A3 = A2 . Montrer que A2 est diagonalisable et que A2 − A est
nilpotente.
b) Plus généralement on suppose Ak+1 = Ak pour un certain entier k > 0.
Soit A ∈ Mn (C). On suppose qu’il existe p ∈ N? tel que Ap = 0.
Etablir l’existence d’un entier p > 0 tel que Ap est diagonalisable et Ap − A
a) Montrer que An = 0.
nilpotente.
b) Calculer det(A + In ).
Soit M ∈ Mn (C) tel que AM = M A.
c) Calculer det(A + M ) (on pourra commencer par le cas où M ∈ GLn (C)).
d) Le résultat est-il vrai si M ne commute pas avec A ?
Pour n > 2, on note H un hyperplan de Mn (K) ne contenant aucune matrice
inversible.
a) Montrer que H contient toutes les matrices nilpotentes.
Exercice 285 Mines-Ponts MP [ 02690 ] [correction] b) En déduire que tout hyperplan de Mn (K) rencontre GLn (K).
Soient A et B des matrices complexes carrées d’ordre n. On suppose les matrices
A + 2k B nilpotentes pour tout entier k tel que 0 6 k 6 n. Montrer que les
matrices A et B sont nilpotentes. Exercice 290 [ 03765 ] [correction]
Soient A, M ∈ Mn (C) avec M matrice nilpotente.
a) On suppose M A = On . Montrer que les matrices A + M et A ont le même
Exercice 286 [ 03253 ] [correction] polynôme caractéristique.
Soient n un entier naturel non nul et E un C-espace vectoriel de dimension n. b) Même question en supposant cette fois-ci AM = On .


Soient n ∈ N et E = Mn (C). On note E ? = L(E, C) le C-espace vectoriel des
formes linéaires sur E.
a) Montrer que L : E → E ? , A 7→ LA où LA est la forme linéaire M 7→ tr(AM )
est un isomorphisme
d’espaces vectoriels. En déduire une description des hyperplans de E.
b) Soit T ∈ Mn (C)une matrice triangulaire supérieure non nulle et H = ker LT .
On note Tn+ (respectivement Tn− ) le sous-espace vectoriel des matrices triangulaires
supérieures (respectivement inférieures) à diagonales nulles.
Déterminer H ∩ Tn+ .
En discutant selon que T possède ou non un coefficient non nul (au moins) hors
de la diagonale, déterminer la dimension de H ∩ Tn− .
c) Une matrice A ∈ Mn (C) est dite nilpotente s’il existe k ∈ N tel que Ak = 0.
Prouver que les éléments de Tn+ ∪ Tn− sont des matrices nilpotentes.
En déduire que H contient au moins n2 − n − 1 matrices nilpotentes linéairement
indépendantes.
d) Montrer que tout hyperplan de E contient au moins n2 − n − 1 matrices
nilpotentes linéairement indépendantes.
Enoncé fourni par le CENTRALE-SUPELEC (CC)-BY-NC-SA

[http://mp.cpgedupuydelome.fr] édité le 19 janvier 2014 Corrections 35
Corrections l’égalité A−1 A = In donne alors
BA = P (A)
Exercice 1 : [énoncé]
La famille (x0 , u(x0 ), . . . , un−1 (x0 )) constitue une base de E. Soit v ∈ L(E) et on peut conclure que A et B commutent.
commutant avec u. On peut écrire v(x0 ) = a0 x0 + a1 u(x0 ) + · · · + an−1 un−1 (x0 ).
Considérons alors w = a0 Id + a1 u + · · · + an−1 un−1 ∈ K [u]. v(x0 ) = w(x0 ) et
puisque v et w commutent avec u, on a aussi v(uk (x0 )) = w(uk (x0 )). Les
endomorphismes v et w prennent même valeurs sur une base, ils sont donc égaux
On sait qu’il existe p ∈ N? tel que Ap = On .
et ainsi v ∈ K [u].
En introduisant les coefficients de P , la relation B = AP (A) donne
B = A + a2 A2 + · · · + ap−1 Ap−1
Le polynôme X 3 − 1 = (X − 1)(X 2 + X + 1) est annulateur de u avec les facteurs On en déduit
X − 1 et X 2 + X + 1 premiers entre eux, il suffit alors d’appliquer le lemme des
noyaux pour conclure ! B 2 = A2 +a3,2 A3 +· · ·+ap−1,2 Ap−1 ,. . . , B p−2 = Ap−2 +ap−1,p−2 Ap−1 , B p−1 = Ap−1
En inversant ces équations, on obtient

Ap−1 = B p−1 , Ap−2 = B p−2 +bp−1,p−2 Ap−1 ,. . . , A2 = B 2 +b3,2 B 3 +· · ·+bp−1,2 B p−1
On peut écrire
AB = P (A) = αn An + · · · + α1 A + In et enfin
donc A = B + b2,1 B 2 + · · · + bp−1,1 B p−1
A B − (αn An−1 + · · · + α1 In ) = In

ce qui détermine un polynôme Q ∈ R [X] vérifiant Q(0) = 1 et A = BQ(B).
Par le théorème d’inversibilité, A est inversible et
A−1 = B − (αn An−1 + · · · + α1 In ).
Puisque A commute avec A−1 et ses puissances, on en déduit que A commute avec Exercice 6 : [énoncé]
a) Posons N = −A−1 BA. On a
B = A−1 + αn An−1 + · · · + α1 I
N p = (−1)p A−1 B p A = On
Exercice 4 : [énoncé] donc

Le polynôme P s’écrit In = In − N p = (I − N )(I + N + N 2 + · · · + N p−1 )
On en déduit que I − N = In + A−1 BA est inversible et
P (X) = P (0) + a1 X + · · · + ap X p
−1
L’égalité AB = P (A) donne alors In + A−1 BA = I + N + N 2 + · · · + N p−1
A(B − (a1 In + a2 A + · · · + ap Ap−1 )) = P (0)In b) Soit P ∈ C [X] tel que P (0) = 0. On a
On en déduit que A est inversible et son inverse est P (X) = aX + bX 2 + · · ·
1 Donc
A−1 = B − a1 In + a2 A + · · · + ap Ap−1

P (0) P (B) = aB + bB 2 + · · ·

puis Exercice 9 : [énoncé]

P (B)p = ap B p + b0 B p+1 + · · · = On Supposons f ◦ p = p ◦ f . Pour tout x ∈ ker p, p(f (x)) = f (p(x)) = 0 donc
On peut alors reprendre le raisonnement de la question précédente et affirmer que f (x) ∈ ker p.
la matrice In + P (B) est inversible et que son inverse est de la forme Rappelons Imp = ker(p − Id). Pour tout x ∈ Imp, p(f (x)) = f (p(x)) = f (x) donc
f (x) ∈ Imp.
In − P (B) + P (B)2 + · · · + (−1)p P (B)p Inversement. Supposons ker p et Imp stables par f . Pour tout x ∈ E, on peut
écrire x = u + v avec u ∈ ker p et v ∈ Imp. On a alors f (p(x)) = f (v) et
On en déduit que H est inclus dans GLn (C) et que l’inverse d’un élément de H p(f (x)) = p(f (u) + f (v)) = f (v) donc p ◦ f = f ◦ p.
est encore dans H.
Il est immédiat de vérifier que H est non vide et stable par produit. On en déduit
que H est un sous-groupe de (GLn (C), ×). Enfin, on vérifie que H est commutatif
car les polynômes en une matrice commutent entre eux. Exercice 10 : [énoncé]
Les Kn [X] et K [X] sont des sous-espaces vectoriels stables pour l’endomorphisme
de dérivation.
Exercice 7 : [énoncé] Soit F un sous-espace vectoriel stable.
Par la formule de Taylor en a Si F est de dimension finie alors les polynômes de F sont de degrés bornés.
Soit P un polynôme de F de degré n maximal. On a F ⊂ Kn [X].
+∞
X P (k) (a) Or la famille des polynômes P, P 0 , P 00 , . . . , P (n) est de degrés étagés et formés
P (X) = (X − a)k d’éléments de F car F est stable pour la dérivation donc
k!
k=0
Kn [X] = Vect(P, P 0 , . . . , P (n) ) ⊂ F puis F = Kn [X].
donc Si F n’est pas de dimension finie alors pour tout m ∈ N, F 6⊂ Km [X] et donc il
+∞
X P (k) (a) existe P ∈ F tel que n = deg P > m. Or en raisonnant comme ci-dessus, on
P (aIn + J) = Jk démontre Kn [X] ⊂ F et donc Km [X] ⊂ F . Ainsi ∀m ∈ N, Km [X] ⊂ F donc
k!
k=0
F = K [X].
Il est facile de calculer les puissances de J et l’on conclut Finalement les Kn [X] et K [X] sont les seuls sous-espace vectoriels stables pour
 00
P (n−1) (a)
 l’endomorphisme de dérivation.
P (a) P 0 (a) P 2!(a) · · · (n−1)!
..

.. .. ..


. . .


 . 

P (aIn + J) =  .. .. P 00 (a)  Exercice 11 : [énoncé]
. .
a) Rappelons que les suites (ker up )p∈N et (Imup )p∈N sont respectivement

 2! 
. .. croissante et décroissante pour l’inclusion. La suite (dim ker up )p∈N est une suite
 
 P 0 (a) 
(0) P (a) croissante et majorée d’entiers naturels, elle est donc stationnaire :
∃n ∈ N, ∀p > n, dim ker up = dim ker un or ker up ⊃ ker un donc ker up = ker un
puis N = ker un . Aussi
Exercice 8 : [énoncé] dim Imup = dim E − dim ker up = dim E − dim ker un = dim Imun et Imup ⊂ Imun
∀y ∈ Imu, ∃x ∈ E, y = u(x) et v(y) = v(u(x)) = u(v(x)) ∈ Imu donc Imu est donc Imup = Imun puis I = Imun .
stable par v. b) dim N + dim I = dim ker un + dim Imun = dim E en vertu du théorème du rang.
∀x ∈ ker u, u(x) = 0 donc u(v(x)) = v(u(x)) = v(0) = 0 et v(x) ∈ ker u. Ainsi ker u Soit x ∈ N ∩ I. Il existe a ∈ E tel que x = un (a) et alors un (x) = 0 donc
est stable par v. u2n (a) = 0. Ainsi a ∈ ker u2n = ker un donc x = un (a) = 0. Ainsi N ∩ I = {0}
La réciproque est fausse, si u est un automorphisme il est certain que Imu = E et d’où E = N ⊕ I.
ker u = {0} seront stables par v alors qu’il n’y aucune raison que u et v u et un commutent donc N et I sont stables par u.
commutent. (uN )n = (un )ker un = 0 donc uN est nilpotente.

Imun+1 = Imun donne u(Imun ) = Imun donc uI est surjective puis bijective car Exercice 13 : [énoncé]
dim Imun < +∞. a) Le cas n = 1 est immédiat car v est alors nécessairement nul.
c) Par supplémentarité : dim E = dim F + dim G = dim N + dim I. Le cas v = 0 est tout aussi immédiat.
Il existe p ∈ N, tel que (uF )p = 0 donc F ⊂ ker up ⊂ N . b) F = Imv est stable par u et v et puisque v n’est pas bijectif, 1 6 dim F < n :
uG est bijective donc (uG )n aussi or G = Im(uG )n ⊂ Im(un ) = I. on pourra donc appliquer l’hypothèse de récurrence
surF . Dans
une base
adaptée
On a alors dim F 6 dim N , dim G 6 dim I et dim F + dim G = dim N + dim I A B D E
à F les matrices de u et v sont de la forme : et donc
donc dim F = dim N et dim G = dim I. Par inclusion et égalité des dimensions O C O O
F = N et G = I. det(u + v) = det(A + D) × det C.
c) A et D sont associées aux endomorphismes induits par u et v sur F . Ces
endomorphismes induits vérifient les hypothèses initiales et donc
Exercice 12 : [énoncé] det(A + D) = det A puis det(u + v) = det A × det C = det u.
a) Si x est vecteur propre de u alors D = Vect(x) est stable par u. C’est contraire
à l’hypothèse de travail car D est un sous-espace vectoriel non nul distinct de E.
On en déduit que u ne possède pas de valeurs propres. Exercice 14 : [énoncé]
b) Puisque x 6= 0E , il existe un plus grand entier p > 1 tel que la famille a) Imu est stable pour u donc uE2 est bien défini. Par le théorème du rang la
(x, u(x), . . . , up−1 (x)) est libre. restriction de u à tout supplémentaire de ker u définit un isomorphisme avec Imu.
Par définition de p, on a alors (x, u(x), . . . , up−1 (x), up (x)) liée et donc Ici cela donne uE2 automorphisme.
up (x) ∈ Vect(x, u(x), . . . , up−1 (x)). On en déduit que le sous-espace vectoriel b) Soient u, v ∈ Γ. Si x ∈ ker(v ◦ u) alors u(x) ∈ Imu ∩ ker v donc u(x) ∈ E1 ∩ E2
F = Vect(x, u(x), . . . , up−1 (x)) est stable par u. et u(x) = 0 puis x ∈ E1 . Ainsi ker(v ◦ u) ⊂ E1 et l’inclusion réciproque est
Puisque ce sous-espace vectoriel est non nul, on a F = E et donc par dimension immédiate.
p = n. Au final, la famille (x, u(x), . . . , un−1 (x)) est une base de E. Im(v ◦ u) = v(u(E)) = v(E2 ) = E2 car vE2 est un automorphisme de E2 . Ainsi
La matrice de u dans cette base a la forme suivante v ◦ u ∈ Γ.
  c) Si φ(u) = φ(v) alors uE2 = vE2 . Or uE1 = 0 = vE1 donc les applications linéaires
0 ··· 0 a0
 ..  u et v coïncident sur des sous-espaces vectoriels supplémentaires et donc u = v.
 1 (0) .  d) Une application linéaire peut être définit de manière unique par ses restrictions
 
 . .. ..  linéaires sur deux sous-espaces vectoriels supplémentaires. Pour w ∈ GL(E2 )
 . 
considérons u ∈ L(E) déterminé par uE1 = 0 et uE2 = w. On vérifie aisément
(0) 1 an−1
E1 ⊂ ker u et E2 ⊂ Imu. Pour x ∈ ker u, x = a + b avec a ∈ E1 et b ∈ E2 . La
avec ak les scalaires donnés par la relation relation u(x) = 0 donne alors u(a) + u(b) = 0 c’est-à-dire w(b) = 0. Or
w ∈ GL(E2 ) donc b = 0 puis x ∈ E1 . Ainsi ker u ⊂ E1 et finalement ker u = E1 .
un (x) = a0 x + a1 u(x) + · · · + an−1 un−1 (x) Pour y ∈ Im(u), il existe x ∈ E tel que y = u(x). Or on peut écrire x = a + b avec
a ∈ E1 et b ∈ E2 . La relation y = u(x) donne alors y = u(a) + u(b) = w(b) ∈ E2 .
c) En composant la relation précédente avec u, on obtient Ainsi Imu ⊂ E1 et finalement Imu = E1 . On peut conclure que u ∈ Γ et ũ = w : φ
est surjectif.
∀0 6 k 6 n − 1, un (uk (x)) = a0 uk (x) + a1 u(uk (x)) + · · · + an−1 un−1 (uk (x)) e) ϕ est un morphisme bijectif : il transporte la structure de groupe existant sur
GL(E2 ) en une structure de groupe sur (Γ, ◦). Le neutre est l’antécédent de IdE2
Puisque la famille (x, u(x), . . . , un−1 (x)) est une base de E, on en déduit c’est-à-dire la projection sur E2 parallèlement à E1 .
∀y ∈ E, un (y) = a0 y + a1 u(y) + · · · + an−1 un−1 (y)
On en déduit que pour y 6= 0E , la matrice de u dans la base (y, u(y), . . . , un−1 (y)) Exercice 15 : [énoncé]
est la même que la précédente. a) Si e ∈
/ H alors la valeur de u(e) détermine entièrement un élément u de

{u ∈ E ? /u(H) = {0}}. Cela permet de mette en place un isomorphisme entre Cas K = C :

{u ∈ E ? /u(H) = {0}} et K. La dimension cherchée vaut 1. u annule un polynôme scindé simple, l’endomorphisme u est donc diagonalisable.
b) Si H est stable par f alors pour tout x ∈ H, u(f (x)) = 0 donc Tout sous-espace vectoriel possédant une base de vecteurs propres est stable et
u ◦ f ∈ {v ∈ E ? /v(H) = {0}} or u est un élément non nul de cette droite inversement.
vectorielle donc u ◦ f est colinéaire à u. La réciproque est immédiate. Cas K = R :
c) MatB (u) = L 6= 0 (car u définit une équation d’hyperplan), MatB (u ◦ f ) = LA Par le lemme de décomposition des noyaux, on a
donc E = ker(u − Id) ⊕ ker(u2 + u + Id).
u ◦ f = λu ⇔ LA = λL ⇔ t At L = λt L Si F est un sous-espace vectoriel stable alors posons F1 = F ∩ ker(u − Id) et
F2 = F ∩ ker(u2 + u + Id). Montrons F = F1 ⊕ F2 .
avec t L colonne non nulle.
Tout x ∈ F peut s’écrire x = a + b avec a ∈ ker(u − Id) et b ∈ ker(u2 + u + Id).
d) Sp(t A) = {1, 2, −1}. Une base de vecteurs propres est formée des vecteurs de
Puisque u(x) = a + u(b)∈ F et u2 (x) = a + u2 (b) ∈ F , on a
composantes (−1, −1, 1), (0, 1, 1) et (−1, 0, 1). Les plans stables par f sont ceux
a = 13 x + u(x) + u2 (x) ∈ F puis b = x − a ∈ F .
d’équations x + y − z = 0, y + z = 0 et x − z = 0.
Ainsi a ∈ F1 , b ∈ F2 et on a donc F ⊂ F1 + F2 .
Il est alors immédiat qu’on peut alors conclure F = F1 ⊕ F2 .
Exercice 16 : [énoncé] Puisque F2 ⊂ ker(u2 + u + Id), pour x ∈ F2 non nul (x, u(x)) est libre et
a) On définit la matrice A et obtient ses éléments propres : Vect(x, u(x)) est stable par u. Cela permet d’établir que F2 est la somme directe
A:=matrix(3, 3, [1, 2, 0, -4, 3, 4, 2, 2, -1]); de sous-espaces vectoriels de la forme Vect(x, u(x)) avec x 6= 0,
eigenvects(A); x ∈ ker(u2 + u + Id). Quant à F1 , il n’y a pas de condition à souligner puisque
La matrice A est diagonalisable et ses espaces propres sont des droites vectorielles. tout sous-espace vectoriel de ker(u − Id) est stable par u.
Puisqu’une droite vectorielle est stable si, et seulement si, elle est engendré par un
vecteur propre, les droites vectorielles stables par f sont celles engendrée par Exercice 18 : [énoncé]
ε1 = (1, 0, 1), ε−1 = (−1, 1, −2) et ε3 = (1, 1, 1). a) L’application T est évidemment linéaire et est à valeurs dans E.
b) Rappelons F stable par f si, et seulement si, F ⊥ est stable par f ? . Soit g ∈ E. Montrons que l’équation Rx T f = g admet une solution unique.
On en déduit que P est stable par f si, et seulement si, Vect(~n) est stable par f ? Unicité : Si T f = g alors x 7→ 0 f (t) dt est solution sur R de l’équation
i.e. ~n vecteur propre de f ? . Déterminons ces derniers. 0
R x y + y = g vérifiant y(0) = 0. Par le théorème de Cauchy ceci
différentielle linéaire
eigenvects(transpose(A)); détermine x 7→ 0 f (t) dt de façon unique et donc f aussi.
Les plans vectoriels stables par f sont ceux de vecteurs normaux Existence : La dérivée de la fonction solution y 0 + y = g vérifiant y(0) = 0 est
solution.
n1 = (−3, 1, 2), n−1 = (−1, 0, 1) et n3 = (−1, 1, 1) b) Soit F un sous-espace vectoriel de dimension R x finie stable par T . Notons I
l’endomorphisme de E défini par I(f ) : x 7→ 0 f (t) dt. Puisque F est stable par
c) On définit la matrice B et on détermine les éléments propres de B et de t B.
T , F est aussi stable par I. L’endomorphisme induit par I sur le sous-espace
B:=matrix(3, 3, [0, -1, 2, 0, -1, 0, -1, 1, -3]);
vectoriel de dimension finie F admet un polynôme minimal
eigenvects(B);
π = X n + an−1 X n−1 + · · · + a0 . On a alors pour tout f ∈ F l’égalité
eigenvects(transpose(B));
y + an−1 y 0 + · · · + an y (n) = 0 en notant y = I n (f ). De plus, on a les conditions
Les droites vectorielles stables par g sont celles incluses dans le plan d’équation
initiales y(0) = . . . = y (n−1) (0) = 0 ce qui donne y = 0 puis f = 0. Ainsi F = {0}.
x − y + 2z = 0 et celle dirigée par (−1, 0, 1).
Finalement, l’espace nul est le seul espace de dimension finie stable par T . Quel
Les plans vectoriels stables par g sont ceux de droite normale incluse dans le plan
intérêt au « impaire » ?
d’équation x = z et ou dirigée par (−1, 1, −2).
Exercice 17 : [énoncé] Si l’endomorphisme u possède une valeur propre alors la droite vectorielle
Dans cet énoncé, le corps de base est ambigu. engendrée par un vecteur propre associé est évidemment stable par u.

Sinon, la matrice réelle A représentant u dans une base n’a que des valeurs propres Exercice 21 : [énoncé]
complexes non réelles. Parmi celles-ci considérons en une que nous notons λ. Il a) Par l’absurde supposons X et Y colinéaires. Il existe alors une colonne X0
existe alors une colonne complexe Z non nulle telle que AZ = λZ. En écrivant réelle telle que
λ = α + iβ et Z = X + iY avec α, β, X, Y réels, l’équation précédente donne X = αX0 et Y = βX0 avec (α, β) 6= (0, 0)
AX = αX − βY et AY = βX + αY On a alors Z = (α + iβ)X0 et la relation AZ = λZ donne
Considérons ensuite les vecteurs x et y de E représentés par les colonnes réelles X (α + iβ)AX0 = λ(α + iβ)X0
et Y . Les relations précédentes donnent
Puisque α + iβ 6= 0, on peut simplifier et affirmer AX0 = λX0 . Or X0 est une
u(x), u(y) ∈ Vect(x, y) colonne réelle donc, en conjuguant, AX0 = λ̄X0 puis λ ∈ R ce qui est exclu.
b) On écrit λ = a + ib avec a, b ∈ R. La relation AZ = λZ donne en identifiant
et donc le sous-espace vectoriel Vect(x, y) est stable par u. parties réelles et imaginaires
Or celui-ci n’est pas nul car Z 6= 0 et est donc de dimension 1 ou 2 (et en fait 2
car l’absence de valeurs propres réelles dans le cas présent signifie l’absence de AX = aX − bY et AY = aY + bX
droite vectorielle stable).
On en déduit que Vect(X, Y ) est stable par A.
c) Le polynôme caractéristique de f est
(X + 1)(X − 2)(X 2 − 2X + 2)
Commençons par établir pour A, B ∈ Mn (K) :
Les valeurs propres de A sont −1, 2 et 1 ± i avec
A 6= On , AB = BA et B nilpotente ⇒ rg(AB) < rgA
E−1 (A) = Vectt (0, 0, 1, 0) , E2 (A) = Vectt (1, 1, 0, 1) et E1+i (A) = Vectt (i, −1, 0, 1)
Supposons donc A 6= On , AB = BA et B nilpotente.
Par l’absurde, supposons aussi rg(AB) > rgA. Soit P un plan stable par f . Le polynôme caractéristique de l’endomorphisme u
Puisque rg(AB) 6 min(rgA, rgB), on a rg(AB) = rgA. induit par f sur ce plan divise le polynôme caractéristique de f tout en étant réel
Par la formule du rang, on obtient et de degré 2. Ce polynôme caractéristique ne peut qu’être
dim ker(AB) = dim ker A (X + 1)(X − 2) ou X 2 − 2X + 2
Or ker A ⊂ ker(BA) = ker(AB) donc ker A = ker(AB). Dans le premier cas, 1 et 2 sont valeurs propres de u et les vecteurs propres
Considérons ensuite ϕ : ImA → ImA donné par ϕ(Y ) = BY . associés sont ceux de f . Le plan P est alors
L’application ϕ est linéaire et bien définie car ImA est stable par B puisque A et
B commutent. Vect {(0, 0, 1, 0), (1, 1, 0, 1)}
Soit Y = AX ∈ ImA
Si ϕ(Y ) = 0 alors BAX = ABX = 0 donc X ∈ ker(AB) = ker A puis Y = 0. Dans le second cas, pour tout x ∈ P , on a par le théorème de Cayley Hamilton
L’application linéaire ϕ est donc injective.
u2 (x) − 2u(x) + 2x = 0E
Or il existe p ∈ N? tel que B p = On et donc ϕp : Y → B p Y = On,1 est
l’application nulle. et donc la colonne X des coordonnées de x vérifie
Sachant l’espace ImA non réduit à {0}, il y a absurdité et ainsi rg(AB) < rgA.
En revenant à l’énoncé initial, on montre alors par récurrence X ∈ ker(A2 − 2A + 2I4 )
∀1 6 p 6 n, rg(A1 A2 . . . Ap ) 6 n − p Après calculs, on obtient
et en particulier rg(A1 A2 . . . An ) = 0. X ∈ Vect(t (1, 0, 0, 0), t (0, −1, 0, 1))

Ainsi le plan est inclus dans le plan Exercice 26 : [énoncé]

Pour λ ∈ K et x ∈ E,
Vect {(1, 0, 0, 0), (0, −1, 0, 1)} x ∈ Eλ (v) ⇔ u(a−1 (x)) = λa−1 (x) ⇔ a−1 (x) ∈ Eλ (u) ⇔ x ∈ a(Eλ (u)).
ce qui suffit à le déterminer. Ainsi Eλ (v) = a(Eλ (u)), puis puisque a est un automorphisme, on peut affirmer
Eλ (v) 6= {0} si, et seulement si, Eλ (u) 6= {0} et donc Sp(u) = Sp(v).
a) L’image d’un endomorphisme est toujours stable par celui-ci. . . En effet Exercice 27 : [énoncé]
∀x 6= 0, ∃λx ∈ K, u(x) = λx x. Montrer que x 7→ λx est une fonction constante sur
∀x ∈ Imu, u(x) ∈ Imu E\ {0}. Soient x, y 6= 0.
b) Si x ∈ Imu alors il existe a ∈ E tel que x = u(a). On a alors Si (x, y) est libre u(x + y) = u(x) + u(y) donne λx+y (x + y) = λx x + λy y donc par
liberté de (x, y) on obtient λx = λx+y = λy .
u2 (x) = u3 (a) = −u(a) = −x Si (x, y) est liée, y = µx et donc u(y) = µu(x) = λx µx = λx y puis λy = λx .
Ainsi x 7→ λx est une fonction constante. En posant λ la valeur de cette constante,
c) En vertu de ce qui précède, v 2 = −Id donc v est un isomorphisme et v −1 = −v. on a ∀x ∈ E, u(x) = λx que x soit nul ou non.
d) D’une part
1
det(v −1 ) =
det v
et d’autre part
a) On vérifie f k ◦ g − g ◦ f k = kf k .
det(−v) = (−1)dim Imu det v
Si pour tout k ∈ N, f k 6= 0 alors l’endomorphisme h 7→ h ◦ g − g ◦ h admet une
donc infinité de valeurs propres.
(−1)dim Imu > 0 Ceci étant impossible en dimension finie, on peut affirmer que f est nilpotent.
On en déduit que la dimension de l’image de u est paire. b) f n = 0 (car dim E = n) et f n−1 6= 0. Pour x ∈ / ker f n−1 et
0
e = (f n−1
(x), . . . , f (x), x), on montre classiquement que e0 est une base de E
dans laquelle la matrice de f est telle que voulue.
Exercice 23 : [énoncé] f (g(f n−1 (x)) = 0 donc g(f n−1 (x)) = λf n−1 (x) pour un certain λ ∈ R
0 ∈ sp(f n ) ⇒ f n non injective ⇒ f non injective ⇒ 0 ∈ sp(f ). Aussi f k (g(f n−1−k (x))) = (λ + k)f n−1 (x) et donc la matrice de g dans e0 et
triangulaire supérieure avec sur la diagonale λ, λ + 1, . . . , λ + n − 1. Ainsi
Exercice 24 : [énoncé] Sp(g) = {λ, . . . , λ + n − 1}

En vertu du théorème d’isomorphisme
Soit y vecteur propre associé à la valeur propre λ + n − 1.
0 ∈ sp(f ) ⇔ f non injectif ⇔ f non surjectif Si y ∈ ker f n−1 alors puisque ker f n−1 est stable par g, λ + n − 1 est valeur propre
de l’endomorphisme induit par g sur ker f n−1 . Cela n’étant par le cas
y∈/ ker f n−1 . On vérifie alors facilement que la famille e = (f n−1 (y), . . . , f (y), y)
Exercice 25 : [énoncé] résout notre problème.
Si λ ∈ Spu alors il existe x 6= 0 vérifiant u(x) = λx. En appliquant u−1 , on obtient
x = λu−1 (x).
Puisque x 6= 0, λ 6= 0 et on peut écrire u−1 (x) = λ1 x donc λ1 ∈ Spu−1 . Ainsi Exercice 29 : [énoncé]
{1/λ/λ ∈ Spu} ⊂ Spu −1 Soit λ un réel et f une fonction élément de E.
Si T (f ) = λf alors
L’autre inclusion s’obtient par symétrie. ∀x ∈ [0, +∞[ , f (x + 1) = λf (x)

En passant cette relation à la limite quand x → +∞, on obtient de X 4 dans P , le coefficient de X 5 dans Φ(P ) est 4a − 4a = 0. Par suite Φ est
bien à valeurs dans R4 [X] et c’est donc un endomorphisme de cet espace.
` = λ` b) L’équation
0 5−λ 3+λ
en notant ` la limite de f . y = + y
2(x − 1) 2(x + 1)
Cas ` 6= 0 :
Nécessairement λ = 1 et est une équation différentielle linéaire d’ordre 1 de solution générale
(5−λ)/2 (3+λ)/2
∀x ∈ [0, +∞[ , f (x + 1) = f (x) y(x) = C |x − 1| |x + 1|
Puisque la fonction f est périodique et converge en +∞, elle est constante. sur I = ]−∞, −1[, ]−1, 1[ ou ]1, +∞[.
Inversement, toute fonction constante non nulle est vecteur propre associé à la c) Pour λ ∈ R, Φ(P ) = λP si, et seulement si, P 0 (X) = 4X+(1+λ)
X 2 −1 P (X) i.e. si, et
valeur propre 1. seulement si, la fonction polynomiale P est solution, par exemple sur ]1, +∞[, de
Cas ` = 0 : l’équation différentielle
Si λ est valeur propre alors en introduisant f vecteur propre associé, il existe 4x + (1 + λ)
y0 = y
x0 ∈ [0, +∞[ tel que f (x0 ) 6= 0 et la relation T (f ) = λf donne par récurrence x2 − 1
Or moyennant une décomposition en éléments simples et passage à l’opposé de λ,
∀n ∈ N, f (x0 + n) = λn f (x0 ) cette équation est celle précédemment résolue et le problème est alors de
déterminer pour quel paramètre −λ, la solution précédemment présentée est une
En faisant tendre n vers +∞, on obtient |λ| < 1.
fonction polynomiale de degré inférieur à 4. Les valeurs 3, 1, −1, −3, −5
Inversement, supposons |λ| < 1.
conviennent et ce sont donc des valeurs propres de Φ, de plus il ne peut y en avoir
Si T (f ) = λf alors
d’autres car dim R4 [X] = 5. Les vecteurs propres associés à ces valeurs propres λ
f (1) = λf (0) et ∀n ∈ N, ∀x ∈ [0, 1[ , f (x + n) = λn f (x) sont les polynômes
5+λ 3−λ
La fonction f est donc entièrement déterminée par sa restriction continue sur C(X − 1) 2 (X + 1) 2 avec C 6= 0
[0, 1] vérifiant f (1) = λf (0).
Inversement, si ϕ : [0, 1] → R est une fonction continue sur [0, 1] vérifiant
ϕ(1) = λϕ(0) alors la fonction f donnée par Exercice 31 : [énoncé]
I) a) Il suffit de calculer le polynôme caractéristique de f à partir d’une
∀n ∈ N, ∀x ∈ [0, 1[ , f (x + n) = λn ϕ(x) représentation matricielle triangulaire par blocs relative à une base adaptée à
l’espace non nul E(f, a).
et continue (on vérifie la continuité en k ∈ N? par continuité à droite et à gauche), b) La matrice A est de rang 1 donc 0 est valeur propre de A et par la formule du
converge vers 0 en +∞ et vérifie T (f ) = λf . rang dim E(A, 0) = 3.
Puisqu’il est possible de construire une fonction non nulle de la sorte, le scalaire Le polynôme caractéristique de A étant de degré 4 et factorisable par X 3 , c’est un
λ ∈ ]−1, 1[ est valeur propre et les vecteurs propres associés sont les fonctions non polynôme scindé. La somme des valeurs propres de A comptées avec multiplicité
nulles de la forme précédente. vaut alors trA = 10.
Par suite 10 est valeur propre de A de multiplicité nécessairement 1.
Finalement A est diagonalisable semblable à diag(0, 0, 0, 10).
a) L’application Φ est évidemment linéaire, il reste à voir qu’elle est à valeurs
dans R4 [X]. Exercice 32 : [énoncé]
Pour un polynôme P de degré inférieur à 4, le polynôme a) Il existe x 6= 0Z , vérifiant
(X 2 − 1)P 0 (X) − (4X + 1)P (X) est de degré inférieur à 5 et, si a est le coefficient u(v(x)) = λx

On a alors Exercice 37 : [énoncé]

(v ◦ u)(v(x)) = λv(x) Soient λ ∈ R et u ∈ E.
Or v(x) 6= 0E car u(v(x)) 6= 0E et u(0E ) = 0E .
∆(u) = λu ⇔ ∀n ∈ N, u(n + 1) = (1 + λ)u(n)
On en déduit que λ est valeur propre de v ◦ u.
b) On observe
Ainsi
u ◦ v(P ) = P et v ◦ u(P ) = P − P (0)
∆(u) = λu ⇔ ∀n ∈ N, u(n) = u0 (1 + λ)n
On en déduit
ker(u ◦ v) = {0} et ker(v ◦ u) = R0 [X] Pour λ ∈ ]−2, 0[, la suite u(n) = (1 + λ)n est élément non nul de E et vérifie
∆(u) = λu.
En substance, la propriété précédente ne vaut pas pour λ = 0 en dimension Pour λ ∈
/ ]−2, 0[, seule la suite nulle est converge vers 0 et satisfait
quelconque.
c) Cependant, en dimension finie, si 0 est valeur propre de u ◦ v alors ∀n ∈ N, u(n) = u0 (1 + λ)n
det(u ◦ v) = 0 et donc det(v ◦ u) = 0 d’où 0 valeur propre de v ◦ u.
On peut donc conclure
Sp(∆) = ]−2, 0[
Cas λ = 0
det(u ◦ v) = 0 entraîne det(v ◦ u) = 0 ce qui donne la propriété.
Cas λ 6= 0 Exercice 38 : [énoncé]
Si x est vecteur propre associé à la valeur propre λ alors u(v(x)) = λx donne Soient λ ∈ C et u ∈ E. Etudions l’équation f (u) = λu. On a
v(u(v(x))) = λv(x). (
De plus λx 6= 0 entraîne v(x) 6= 0 et donc λ est valeur propre de v ◦ u. (1 − λ)u0 = 0
f (u) = λu ⇔
∀n ∈ N? , (2λ − 1)un = un−1
Cas λ = 1
a)
a b

a 2b

0 −b
f (u) = u ⇔ ∀n ∈ N? , un = un−1
AM − M A = − =
2c 2d c 2d c 0 On en déduit que 1 est valeur propre de f et que le sous-espace propre associé est
b) 0 est valeur propre avec E0 = Vect(E1,1 , E2,2 ), 1 est valeur propre avec formé des suites constantes.
E1 = Vect(E2,1 ) et −1 est valeur propre avec E−1 = Vect(E1,2 ). Cas λ 6= 1 (
u0 = 0
f (u) = λu ⇔
∀n ∈ N? , (2λ − 1)un = un−1
Soient λ ∈ R et f ∈ E. D(f ) = λf ⇔ f est solution de l’équation différentielle Que λ = 1/2 ou non, on obtient
y 0 = λy i.e. f de la forme x 7→ Ceλx . Ainsi Sp(D) = R et Eλ (D) = Vect(x 7→ eλx ).
f (u) = λu ⇔ ∀n ∈ N, un = 0
Exercice 36 : [énoncé] et donc λ n’est pas valeur propre.

Soient λ ∈ R et f ∈ E. Si I(f ) = λf alors I(f ) est solution de l’équation Finalement
différentielle y = λy 0 . Si λ = 0 alors I(f ) = 0 et si λ 6= 0 alors I(f ) est de la forme Spf = {1}
x 7→ Cex/λ et puisque I(f ) s’annule en 0 donc I(f ) = 0. Dans les deux cas
f = I(f )0 = 0. Ainsi Sp(I) = ∅.

Exercice 39 : [énoncé] Pour tout x > 0, Z x

a) ϕ(f ) est dérivable sur R+? donc continue sur R+? .
f (t) dt = λxf (x)
Puisque f est continue, f admet une primitive F et alors quand x → 0+ 0
F (x) − F (0) donc f est de classe C 1 et vérifie

ϕ(f )(x) = → F 0 (0) = f (0) = 0
x (1 − λ)f (x) = λxf 0 (x)
On en déduit que ϕ(f ) est continue en 0.
Le cas λ = 0 implique f = 0 et est donc exclu.
La linéarité de ϕ est immédiate et donc ϕ est un endomorphisme de E.
Pour λ 6= 0 et x > 0 on a
b) Soient λ ∈ R et f une fonction de E non nulle vérifiant ϕ(f ) = λf .
xf 0 (x) = αf (x)
Pour tout x ∈ R+ , Z x
avec α = (1 − λ)/λ dont la résolution conduit à
f (t) dt = λxf (x)
0
f (x) = Cxα , x ∈ ]0, +∞[
1
donc f est de classe C et vérifie
Pour α < 0 la condition lim f = 0 entraîne f = 0 et est donc exclue.
0
(1 − λ)f (x) = λxf 0 (x) Par contre le cas α > 0 (correspondant à λ ∈ ]0, 1]) conduit aux vecteurs propres
Le cas λ = 0 implique f = 0 et est donc exclu. f (x) = Cxα , x ∈ [0, +∞[ , C 6= 0
Pour λ 6= 0 et x > 0 on a
xf 0 (x) = αf (x) éléments de E.
avec α = (1 − λ)/λ dont la résolution conduit à
f (x) = Cxα , x ∈ ]0, +∞[ Exercice 41 : [énoncé]

a) On peut écrire
Z x Z 1
Pour α = 0 ou α < 0 la condition lim f = 0 entraîne f = 0 et est donc exclue. T (f )(x) = tf (t) dt + x f (t) dt
0
Par contre le cas α > 0 (correspondant à λ ∈ ]0, 1[) conduit au vecteur propre 0 x
L’application T (f ) apparaît alors comme continue (et même dérivable).

f (x) = Cxα , x ∈ [0, +∞[ Ainsi, l’application T opère de E dans E, elle de surcroît évidemment linéaire.
b) Soient λ ∈ R et f ∈ E vérifiant
élément de E.
T (f ) = λf
Cas λ = 0
On a T (f ) = 0donc
a) T (f ) est dérivable sur R+? donc continue sur R+? . Z x Z 1
Puisque f est continue, f admet une primitive F et alors quand x → 0+ tf (t) dt + x f (t) dt = 0
0 x
F (x) − F (0) En dérivant, on obtient
T (f )(x) = → F 0 (0) = f (0)
x Z 1 Z 1
On en déduit que T (f ) se prolonge en une fonction continue en 0. xf (x) − xf (x) + f (t) dt = f (t) dt = 0
x x
La linéarité de T est immédiate et donc T est un endomorphisme de E.
b) Soient λ ∈ R et f une fonction de E non nulle vérifiant T (f ) = λf . En dérivant à nouveau, on obtient f = 0. Ainsi 0 n’est pas valeur propre de T .

Cas λ 6= 0 Exercice 42 : [énoncé]

On a T (f ) = λf Puisque f est de classe C 1 et que f (0) = 0, on peut écrire
Z x Z 1
tf (t) dt + x f (t) dt = λf f (t) = f 0 (0)t + o(t) quand t → 0
0 x
En particulier, on peut affirmer que f (0) = 0 car T (f )(0) = 0. Ainsi la fonction ϕ : t 7→ f (t)/t peut être prolongée par continuité en 0 et donc
Le premier membre de l’équation T (f ) = λf est dérivable donc la fonction f est l’intégrale définissant T (f )(x) a un sens en tant qu’intégrale d’une fonction
également dérivable et, en dérivant, on obtient la relation continue. De plus, la fonction T (f ) apparaît alors comme la primitive s’annulant
Z 1 en 0 de cette fonction continue ϕ, c’est donc une fonction élément de E. Enfin, la
f (t) dt = λf 0 (x) linéarité de l’application T étant immédiate, on peut affirmer que T est un
x endomorphisme de E.
0
En particulier f (1) = 0. Soient λ ∈ R.
Le premier membre de cette nouvelle équation étant dérivable, la fonction f est Si T (f ) = λf alors pour tout x ∈ [0, +∞[,
deux fois dérivable et on obtient en dérivant l’équation différentielle
T (f )(x) = λf (x)
λf 00 (x) + f (x) = 0
En dérivant cette relation, on obtient pour tout x ∈ [0, +∞[
Sous cas λ < 0
Sachant f (0) = 0, la résolution de l’équation différentielle donne f (x) = λxf 0 (x)
!
x Si λ = 0 alors f est la fonction nulle et λ n’est pas valeur propre.
f (x) = Ash p Si λ 6= 0, f est solution de l’équation différentielle λxy 0 = y.
|λ|
Cette dernière est une équation différentielle linéaire d’ordre 1 homogène dont la
La condition f 0 (1) = 0 entraîne toujours f = 0 et donc un tel λ n’est pas valeur solution générale sur ]0, +∞[ est
propre de T .
Sous cas λ > 0 y(x) = Cx1/λ
Sachant f (0) = 0, on obtient par résolution de l’équation différentielle
Ainsi, il existe C ∈ R tel que pour tout x > 0,
x
f (x) = A sin √ f (x) = Cx1/λ
λ
La condition f 0 (1) = 0 n’entraînera pas f = 0 que si Or pour qu’une telle fonction puisse être prolongée en une fonction de classe C 1
sur [0, +∞[, il faut C = 0 ou 1/λ > 1. Ainsi les valeurs propres de T sont les
1 éléments de l’intervalle ]0, 1].
sin √ =0
λ Inversement, soient λ ∈ ]0, 1] et la fonction fλ : x 7→ x1/λ prolongée par continuité
c’est-à-dire si, et seulement si, en 0.
La fonction fλ est de classe C 1 sur [0, +∞[, s’annule en 0 et vérifie T (fλ ) = λfλ
1 sans être la fonction nulle.
λ= avec k ∈ N?
(kπ)2 Finalement, les valeurs propres de T sont exactement les éléments de l’intervalle
Notons qu’alors il est possible de remonter les précédents calculs et d’affirmer que ]0, 1].
x
f : x 7→ sin
kπ Exercice 43 : [énoncé]
est vecteur propre associé à la valeur propre λ = 1/(kπ)2 L’application ϕ est évidemment linéaire et on vérifie en observant une

simplification que ϕ transforme un polynôme de degré inférieur à n en un autre. solve(seq(coeff(Q, X, k)=0, k=0..2), a, b, c);
L’application ϕ est donc bien un endomorphisme de Rn [X]. Enfin on peut trouver les éléments propres de f en résolvant le système associé à
Soient λ ∈ R et P ∈ Rn [X]. l’équation f (P ) = λP
Pour résoudre l’équation ϕ(P ) = λP , on recherche les solutions polynomiales de solve(seq(coeff(Q, X, k)=coeff(lambda*P, X, k), k=0..2), a, b, c,
degrés inférieurs à n à l’équation différentielle lambda);
On définit la matrice M de f dans la base (1, X, X 2 )
(x2 − 1)y 0 − (nx + λ)y = 0 M:=matrix(3, 3, [6, 36, 150, -11, -60, -239, 6, 25, 90]);
Puis on calcule ses éléments propres
La solution générale de cette équation différentielle est with(linalg);
n+λ n−λ eigenvects(M);
y(x) = C (x − 1) 2
(x + 1) 2
c) Introduisons les polynômes de Lagrange L0 , . . . , Ln associés aux réels a0 , . . . , an .
La famille (Lk )06k6n est une base de Rn [X]. Pour tout k = 0, . . . , n
Pour λ = −n + 2k avec k ∈ {0, . . . , n}, on obtient une fonction polynomiale non
nulle BLk = Qk A + f (Lk )
Pλ (X) = C(X − 1)k (X + 1)n−k avec C 6= 0
En évaluant cette relation en les aj , on obtient
et donc λ est valeur propre de ϕ et les Pλ sont les vecteurs propres associés.
Puisque dim Rn [X] = n + 1, il ne peut y avoir d’autres valeurs propres (et f (Lk )(aj ) = B(aj )δj,k
l’endomorphisme ϕ est diagonalisable).
et donc
f (Lk ) = B(ak )Lk
Exercice 44 : [énoncé] La famille (Lk )06k6n est une base de diagonalisation de l’endomorphisme f . On
a) Puisque deg A = n + 1, un reste de division euclidienne par A est de degré au en déduit
n
plus n. Ainsi l’application f va de Rn [X] vers lui-même. det f =
Y
B(ak ) 6= 0 et ker f = {0}
Soient λ1 , λ2 ∈ R et P1 , P2 ∈ Rn [X]. k=1
On a BP1 = Q1 A + f (P1 ) et BP2 = Q2 A + f (P2 ) avec deg f (P1 ), deg f (P2 ) 6 n.
Par combinaison linéaire on a alors Les valeurs propres de f sont les B(ak ) et le sous-espace propre associé à la valeur
B(λ1 P1 + λ2 P2 ) = (λ1 Q1 + λ2 Q2 )A + λ1 f (P1 ) + λ2 f (P2 ) avec propre B(ak ) est
deg (λ1 f (P1 ) + λ2 f (P2 )) 6 n Vect {Lj /j = 0, . . . , n, B(aj ) = B(ak )}
On peut alors identifier le reste de la division euclidienne de λ1 P1 + λ2 P2 par A et
affirmer
f (λ1 P1 + λ2 P2 ) = λ1 f (P1 ) + λ2 f (P2 )
a) La linéarité est immédiate et sans peine deg(φ(P )) 6 n pour P ∈ Rn [X].
Finalement f est un endomorphisme de Rn [X]. b) On a
n
b) On définit le polynôme A X P (k) (a)
A:=(X-1)*(X-2)*(X-3); P (X) = (X − a)k
k!
k=0
Puis l’endomorphisme f
n
f:=P->rem(Xˆ3*P, A, X); X P (k) (a)
On peut alors calculer l’image Q de P = aX 2 + bX + c P 0 (X) = (X − a)k−1
(k − 1)!
k=1
P:=a*Xˆ2+b*X+c;
Q:=f(P); puis
n n
Enfin on détermine les éléments du noyau en résolvant le système formé par
X P (k) (a) X P (k) (a)
φ(P )(X) = (X − a)k − 2 (X − a)k
l’annulation des coefficients de Q (k − 1)! k!
k=2 k=1

donc Les applications linéaires u2 et λu sont alors égales sur Vect(x) mais aussi bien
n (k)
X P (a) sûr sur ker u, ces applications linéaires sont donc égales sur E.
φ(P )(X) = (k − 2) (X − a)k − 2P 0 (a)(X − a)
k! De plus, pour y ∈ Im(u)\ {0}, on peut écrire y = u(a) et alors
k=3
Ainsi u(y) = u2 (a) = λu(a) = λy

0 (k)
P ∈ ker φ ⇔ P (a) = 0 et ∀3 6 k 6 n, P (a) = 0
Ainsi λ est bien valeur propre de u.
et donc
ker φ = Vect(1, (X − a)2 )
Aussi
00 Soient λ ∈ Sp(A) et X 6= 0 tels que AX = λX.
P ∈ Imφ ⇔ P (a) = P (a) = 0
Posons i ∈ {1, . . . , n} tel que |xi | = max |xk |. On a xi 6= 0 et
16k6n
et donc
3
Imφ = (X − a) Rn−3 [X] + Vect(X − a) n n
X X
c) On a |λxi | = ai,j xj 6 |ai,j | |xi | 6 kAk |xi |
j=1 j=1

 0 = λP (a)

d’où |λ| 6 kAk.
0 0
φ(P ) = λP ⇔ −2P (a) = λP (a)

(k − 2)P (k) (a) = λP (k) (a) pour k ∈ {2, . . . , n}

Cette équation possède une solution non nulle si, et seulement si, λ = 0, λ = −2 a) Le vecteur X = t (1 . . . 1) est évidemment vecteur propre associé à la valeur
et λ = k − 2 avec k ∈ {2, . . . , n}. propre 1.
Ainsi b) Soient λ ∈ Sp(A) et X = t (x1 . . . xn ) un vecteur propre associé. Soit i0 l’indice
Sp(φ) = {−2, 0, 1, . . . , n − 2} vérifiant
On a E−2 (φ) = Vect(X − a), E0 (φ) = ker φ, Ek−2 (φ) = Vect(X − a)k pour |xi0 | = max |xi |
16i6n
k ∈ {3, . . . , n}. n
P
La somme des dimensions des sous-espaces propres vaut dim Rn [X] : On a |xi0 | =
6 0 et la relation AX = λX donne λxi0 = ai0 ,j xj donc
l’endomorphisme est diagonalisable. j=1
En fait, la base des (X − a)k est base de diagonalisation de l’endomorphisme φ. n n n

X X X
|λ| |xi0 | = ai0 ,j xj 6 |ai0 ,j | |xj | 6 ai0 ,j |xi0 | = |xi0 |
j=1 j=1 j=1
On retraduit le problème en termes d’endomorphismes. puis |λ| 6 1.
Soit u un endomorphisme d’un K-espace vectoriel de dimension finie vérifiant c) Si de plus |λ| = 1 alors il y a égalité dans l’inégalité précédente.
rg(u) = 1. L’égalité dans la deuxième inégalité entraîne |xj | = |xi0 | pour tout j ∈ {1, . . . , n}
Le noyau de u est un hyperplan et si l’on fixe x ∈
/ ker u, on obtient car les coefficients de la matrice A sont tous non nuls.
L’égalité dans la première inégalité entraîne que les complexes engagés sont
Vect(x) ⊕ ker u = E positivement liés et donc qu’il existe θ ∈ R tel que pour tout j ∈ {1, . . . , n},
Puisque u(x) ∈ E, on peut écrire u(x) = λx + y avec y ∈ ker u de sorte que xj = |xj | eiθ
u2 (x) = λu(x) On en déduit x1 = . . . = xn puis λ = 1.

Exercice 49 : [énoncé] Exercice 51 : [énoncé]

a) Le vecteur X = t (1 . . . 1) est évidemment vecteur propre associé à la valeur Si λ est valeur propre de A alors il existe une colonne non nulle telle que
propre 1. AX = λX. Pour M matrice dont toutes les colonnes sont égales à X on a
b) Soient λ ∈ Sp(A) et X = t (x1 . . . xn ) un vecteur propre associé. Soit i0 l’indice u(M ) = λM . Ainsi λ est valeur propre de u. Inversement si λ est valeur propre de
vérifiant u, une colonne non nulle d’un vecteur propre associé à λ définit un vecteur propre
|xi0 | = max |xi | associée à la valeur propre λ pour A. Ainsi λ est aussi valeur propre de A.
16i6n
Finalement Sp(A) = Sp(u).
n
P Une matrice M appartient au sous-espace propre associé à la valeur propre λ de u
On a |xi0 | =
6 0 et la relation AX = λX donne λxi0 = ai0 ,j xj donc
j=1 si, et seulement si, chaque colonne de M appartient au sous-espace propre associé
à la valeur propre λ de A.
n
X n
X n
X
|λ| |xi0 | = ai0 ,j xj 6 |ai0 ,j | |xj | 6 ai0 ,j |xi0 | = |xi0 |
j=1 j=1 j=1 Exercice 52 : [énoncé]
a) Si λ est valeur propre de A de colonne propre X 6= 0 alors pour M ∈ Mn (C)
puis |λ| 6 1. dont toutes les colonnes sont égales à X, on a AM = λM avec M 6= 0. Ainsi λ est
c) Si de plus |λ| = 1 alors il y a égalité dans l’inégalité précédente. aussi valeur propre de ΦA .
L’égalité dans la deuxième inégalité entraîne |xj | = |xi0 | pour tout j tel que Inversement, si λ est valeur propre de ΦA d’élément propre M 6= 0 alors pour X
ai0 ,j 6= 0. colonne non nul de M , on a AX = λX donc λ valeur propre de A.
L’égalité dans la première inégalité entraîne que les complexes engagés sont b) On remarque M A = t (t At M ). Un raisonnement semblable au précédent
positivement liés et donc qu’il existe θ ∈ R tel que pour tout j ∈ {1, . . . , n}, permet d’établir que les valeurs propres de ΨA sont les valeurs propres de t A i.e.
celles de A.
ai0 ,j xj = ai0 ,j |xj | eiθ
Ces deux propriétés donnent pour tout j ∈ {1, . . . , n}, ai0 ,j xj = ai0 ,j |xi0 | eiθ que
ai0 ,j 6= 0 ou non. Exercice 53 : [énoncé]
n a)
ai0 ,j xj , on obtient λxi0 = |xi0 | eiθ .
P
En injectant ceci dans la relation λxi0 =
   
1 (0) 1 ··· 1
j=1  .. . .
L= . .. ..  = t L
 et U = 
 
Pour j ∈ {1, . . . , n} tel que ai0 ,j 6= 0, xj = λxi0 . . . . 
Posons i1 = j et reprenons la même démarche, ce qui est possible puisque 1 ··· 1 (0) 1
|xi1 | = max |xi |.
16i6n b) U = I + N + · · · + N n−1 , (I − N )U = I donc U −1 = I − N ,
N
On définit ainsi une suite (ip ) ∈ {1, . . . , n} vérifiant λxip = xip+1 . L−1 = t (U −1 ) = I − t N donc A−1 = U −1 L−1 = I − N − t N + N t N .
Cette suite étant non injective, il existe p ∈ N et q ∈ N? tel que ip = ip+q ce qui c)
donne λq = 1.
 
2 1 (0)
 1 ... ...
 
−1

A =  
. .. 2

Exercice 50 : [énoncé]  1 
a) Une récurrence facile donne Ak B − BAk = kAk . (0) 1 1
b) Ak est vecteur propre de l’endomorphisme considéré si, et seulement si, Ak 6= 0.
Posons χn le polynôme caractéristique de A−1 ∈ Mn (R).
c) L’endomorphisme M 7→ M B − BM opère en dimension finie, il ne peut donc
On a χn+2 (λ) = (2 − λ)χn+1 (λ) − χn (λ) avec χ0 (λ) = 1 et χ1 (λ) = 1 − λ.
avoir qu’un nombre fini de valeurs propres et donc il existe k ∈ N vérifiant Ak = 0.
En écrivant λ = 2 + 2 cos θ avec θ ∈ [0, π] et en posant fn (θ) = χn (2 + 2 cos θ) on a
la relation :

fn+2 (θ) + 2 cos θfn+1 (θ) + fn (θ) = 0, f0 (θ) = 1 et f1 (θ) = 2 cos θ − 1. Les valeurs propres de A−1 sont alors
La résolution de cette récurrence linéaire d’ordre 2 donne
1 1
,...,
cos n + 21 θ

λ1 λn
fn (θ) =
cos θ2 Les valeurs propres de comA, qui sont aussi celles de t (comA), sont alors les
Ainsi, χn admet n racines dans [0, 4] et puisque ce polynôme est de degré n il n’y det A det A
,...,
en a pas ailleurs : SpA−1 ⊂ [0, 4]. λ1 λn
Si rgA 6 n − 2 alors tous les mineurs de A sont nuls et donc comA = On et l’on
peut immédiatement conclure.
Si rgA = n − 1 alors la comatrice de A est de rang inférieur à 1. En effet on a
Notons M la matrice étudiée et supposons n > 3, les cas n = 1 et 2 étant
immédiats. t
(comA)A = On
Puisque rgM = 2, 0 est valeur propre de Mn (R) et dim E0 (M ) = n − 2.
Soit λ une valeur propre non nulle de Mn (R) et X = t (x1 · · · xn ) un vecteur donc
propre associé. ImA ⊂ ker(t comA)
L’équation M X = λX fournit le système puis
dim ker(comA) = dim ker(t comA) > n − 1
x = λx1

 n

et par la formule du rang
 ..


. rg(comA) 6 1



 xn = λxn−1 Sachant que la comatrice de A est de rang 0 ou 1, 0 est valeur propre de comA de
multiplicité au moins égale à n − 1. Puisque la trace de comA ∈ Mn (C) est égale

x1 + · · · + xn = λxn
à la somme de ses valeurs propres comptées avec multiplicité, la dernière valeur
On en déduit propre de comA n’est autre
λ(λ − 1)xn = λx1 + · · · + λxn−1 = (n − 1)xn tr(comA)
avec xn 6= 0 car xn = 0 et λ 6= 0 entraînent X = 0. Pour calculer cette dernière, considérons At = A + tIn avec t > 0. Puisque A n’est
Par suite λ est racine de l’équation λ2 − λ − (n − 1) = 0 et donc pas inversible, 0 est valeur propre de A et on peut indexer les valeurs propres
√ λ1 , . . . , λn de A de sorte que λn = 0.
1 ± 4n − 3 Pour t assez petit, la matrice At est inversible de valeurs propres
λ=
2
λ1 + t, . . . , λn−1 + t, t
Inversement, on justifie que ses valeurs sont valeurs propres, soit en remontant le
raisonnement, soit en exploitant la diagonalisabilité de la matrice symétrique Les valeurs propres de la comatrice de At sont alors
réelle M pour affirmer l’existence de n valeurs propres comptées avec multiplicité.
det At det At det At
,..., ,
λ1 + t λn−1 + t t
Exercice 55 : [énoncé] avec
Notons λ1 , . . . , λn les valeurs propres de A comptées avec multiplicité. det At = (λ1 + t) . . . (λn−1 + t)t
Si la matrice A est inversible alors On en déduit
t
(comA) = det(A)A−1 tr(comAt ) = ((λ2 + t) . . . (λn−1 + t)t)+. . .+((λ1 + t) . . . (λn−2 + t)t)+(λ1 +t) . . . (λn−1 +t)

et enfin On a donc pour tout k ∈ {1, . . . , n}, λ + k 6= 0 et le système donne

tr(comA) = lim+ tr(comAt ) = λ1 . . . λn−1
t→0 λ+1
xj = x1 pour tout j ∈ {1, . . . , n}
Si rgA = n − 1 alors 0 est valeur propre de multiplicité n − 1 de comA et l’autre λ+j
valeur propre de comA est le produit des valeurs propres non nulles de A.
Puisque X 6= 0, le coefficient x1 est non nul et la première équation du système
Si rgA 6 n − 2 alors 0 est valeur propre au moins double de A et donc
donne
tr(comA) = 0. Dans ce cas, 0 est valeur propre de multiplicité n de comA. En fait, λ+1 2(λ + 1) n(λ + 1)
on peut montrer que la comatrice de A est nulle puisque tous les mineurs de A x1 + x1 + · · · + x1 = (λ + 1)x1
λ+1 λ+2 λ+n
sont nuls quand rgA 6 n − 2.
et en simplifiant on obtient
1 2 n
Exercice 56 : [énoncé] + + ··· + =1
λ+1 λ+2 λ+n
a) Commençons par charger le package linalg
with(linalg); c) Inversement, si λ vérifie l’équation
Définissons la matrice A2 et calculons ses valeurs propres 1 2 n
A2:=matrix(2, 2, [0, 2, 1, 0]); + + ··· + =1
λ+1 λ+2 λ+n
eigenvals(A2);
et pour obtenir les valeurs approchées alors en posant
1 1 1
X=t

map(evalf, eigenvals(A2)); λ+1 λ+2 ··· λ+n
Procédons de même avec A3 et A10
on obtient une colonne X 6= 0 vérifiant An X = λX.
A3:=matrix(3, 3, [0, 2, 3, 1, 0, 3, 1, 2, 0]);
Ainsi les valeurs propres de An sont exactement les racines de l’équation
map(evalf, eigenvals(A3));
A10:=matrix(10, 10, (i, j)->if i=j then 0 else j fi); 1 2 n
+ + ··· + =1
map(evalf, eigenvals(A10)); λ+1 λ+2 λ+n
b) Soient λ une valeur propre de An et X = t x1 · · · xn un vecteur propre
associé. Considérons la fonction f définie par
L’équation An X = λX conduit au système 1 1
f (x) = + ··· +
x+1 x+n
x1 + 2x2 + · · · + nxn = (λ + 1)x1



 x1 + 2x2 + · · · + nxn = (λ + 2)x2

 La fonction f est strictement décroissante sur chacun des intervalles
.. ]−∞, −n[ , ]−n, −(n − 1)[ , · · · , ]−2, −1[ , ]−1, +∞[



 .

x1 + 2x2 + · · · + nxn = (λ + n)xn et les limites de f aux extrémités de ces intervalles sont aisées. On en déduit que
An admet une valeur propre dans chacun des intervalles
S’il existe k ∈ {1, . . . , n} tel que λ + k = 0 alors les égalités
]−n, −(n − 1)[ , · · · , ]−2, −1[ , ]−1, +∞[
(λ + j)xj = (λ + k)xk
Notons que de plus la somme des valeurs propres de An étant égale à trAn = 0,
donne xj = 0 pour tout j 6= k et l’égalité l’unique valeur propre positive est comprise entre
x1 + 2x2 + · · · + nxn = (λ + k)xk n−1 n
X n(n − 1) X (n − 1)(n + 1)
k= et k=
donne xk = 0. Ainsi X = 0 et cette situation est donc à exclure. 2 2
k=1 k=2

d) Le terme xn est caractérisé par Exercice 57 : [énoncé]

1 1 a) Par le calcul
+ ··· + = 1 et xn ∈ ]−2, −1[
 
1 (0) 0
xn + 1 xn + n  .. 
 . 1
Si xn+1 6 xn alors A2 = 

 ∈ Mn (R)
 .. 
1 1 1 1 1 1  1 . 
1= +· · ·+ > +· · ·+ > +· · ·+ =1 0 (0) 1
xn+1 + 1 xn+1 + n + 1 xn+1 + 1 xn+1 + n xn + 1 xn + n
2
ce qui est absurde. Puisque A et A ne possèdent que deux colonnes non nulles et que celles-ci sont
On en déduit que xn < xn+1 et donc que la suite (xn ) est strictement croissante. visiblement indépendantes, on a rgA = rgA2 = 2.
e) La suite (xn ) est croissante et majorée par −1 donc cette suite converge vers b) On a rgf = rgf 2 donc dim ker f = dim ker f 2 . Or ker f ⊂ ker f 2 donc
` 6 −1. ker f = ker f 2 .
Si ` < −1 alors la relation Pour x ∈ ker f ∩ Imf , on peut écrire x = f (a) et on a f (x) = 0 donc
a ∈ ker f 2 = ker f puis x = 0.
1 1
+ ··· + =1 On en déduit ker f ∩ Imf = {0E } et un argument de dimension permet d’affirmer
xn + 1 xn + n ker f ⊕ Imf = Rn .
donne c) Une base adaptée à la décomposition ker f ⊕ Imf = Rn permet de justifier que
1 1
1> + ··· + la matrice A est semblable à
`+1 `+n  
pour tout n ∈ N? . 0 (0)
P 1  .. 
Or la série numérique `+k est divergente et donc ce qui précède est absurde. .  avec B ∈ M2 (R)
 
On en déduit que la suite (xn ) croît vers −1.

 0 
On peut donc écrire xn = −1 − yn avec yn → 0+ , yn ∈ ]0, 1[ et (0) B
1 1 1 Puisqu’on a alors rgA = rgB = 2, on peut affirmer que la matrice B est inversible.
− + + ··· + =1
yn 1 − yn (n − 1) − yn d) trB = trA = 0 et trB 2 = trA2 = 2.
On en déduit Soient λ et µ les deux valeurs propres complexes de la matrice B. On a
1 yn 1 1
= + + ··· +
(
yn 1 − yn 2 − yn (n − 1) − yn λ+µ=0
Puisque λ2 + µ2 = 2
yn
→0 On en déduit
1 − yn
{λ, µ} = {1, −1}
et
1 1 1 1 1 1 Ainsi
+ ··· + 6 + ··· + 6 1 + + ··· + SpB = {1, −1} et SpA = {1, 0, −1}
2 n−1 2 − yn (n − 1) − yn 2 n−2
e) Par calcul de rang
avec les termes encadrant tout deux équivalents à ln n.
On en déduit dim E0 (A) = dim ker A = n − 2
1
∼ ln n
yn On a aussi
puis dim E1 (A) = dim E1 (B) = 1 et dim E−1 (A) = 1
1 1 donc la matrice A est diagonalisable car la somme des dimensions de ses
xn = −1 − +o
ln n ln n sous-espaces propres est égale à n.

Exercice 58 : [énoncé] Si A n’est pas inversible alors det A = 0donc t com(A)A = 0 puis
Introduisons la colonne Xn = t un un+1 · · · un+p−1 . On vérifie ImA ⊂ ker t comA.
Xn+1 = AXn avec Ainsi dim ker t com(A) > n − 1. De plus comA 6= 0 car rgA = n − 1 (car les valeurs
propres de A sont simples, en particulier 0). Par suite dim ker t com(A) = n − 1
 
0 1 (0)
 .. ..  Sous réserve que n > 2, 0 est valeur propre de t comA et puisque
A= . .
dim ker t com(A) = n − 1, il ne reste de place que pour une seule autre valeur
 

 (0) 0 1 
propre.
a0 a1 · · · ap−1
Soit X ∈ ker A\ {0},. On a t com(A + tIn )(A + tIn )X = det(A + tIn )X
Pour déterminer la limite de (un ), on va chercher une constance le long de la Pour t 6= 0, on a t com(A + tIn )X = det(A+tI
t
n)
X.
dynamique. Il parait naturel de la considérer linéaire et fonction p termes Quand t → 0+ , par continuité t com(A + tIn )X → t com(A)X.
consécutifs de la suite. Nous cherchons donc une ligne L ∈ Mp,1 (C) telle que En calculant le déterminant par diagonalisation, det(A+tI
t
n)
→ µ avec µ le produit
LXn+1 = LXn . Il suffit pour cela de déterminer L vérifiant L = LA et donc de des valeurs propres non nulles de A.
trouver t L vecteur propre de t A associé à la valeur propre 1. Après calcul, on Par unicité de la limite, on obtient t com(A)X = µX.
obtient Au final, t comA admet 2 valeurs propres : 0 et µ.
L = a0 a0 + a1 · · · a0 + · · · + ap−1
sachant P (1) = 1 − (a0 + · · · + ap−1 ) = 0.
En posant ` la limite de la suite (un )n∈N , la relation LXn = LX0 donne à la limite Exercice 60 : [énoncé]
a) un = χn (−2 cos α) est un déterminant tridiagonal.
p−1 p−1
! k
X X X On développe selon la première colonne en un déterminant triangulaire et en un
(p − k)ak `= ak uj second déterminant qu’on développe selon la première ligne.
k=0 k=0 j=0 On obtient
Puisque 1 est racine simple de P , un = 2 cos(α)un−1 − un−2
p−1 p−1 La suite (un ) est une suite récurrente linéaire d’ordre 2 d’équation caractéristique
X X
0
P (1) = p − kak = (p − k)ak 6= 0
r2 − 2 cos(α)r + 1 = 0
k=0 k=0
et donc de racines e±iα .

p−1
P k
P Les conditions initiales donnent alors
ak uj
k=0 j=0
`= sin(n + 1)α
P 0 (1) un =
sin α

kπ
b) Les λk = −2 cos n+1 avec k ∈ {1, . . . , n} sont racines distinctes de Pn (x).
Exercice 59 : [énoncé] An ∈ Mn (C) possède n valeurs propres distinctes donc A est diagonalisable et ses
Les coefficients de t com(A).A s’interprètent comme des développements de sous-espaces propres sont de dimension 1.
déterminants selon une colonne. . . c) Posons
Si A admet n valeurs propres distinctes, det A est le produit de ces valeurs
λ = −2 cos(kπ/(n + 1))
propres.
Si X 6= 0 vérifie AX = λX alors λt com(A)X = (det A)X. Soit X ∈ Mn,1 (C) vérifiant AX = λX. On a
Ainsi quand λ 6= 0, X est vecteur propre de t com(A) associé à la valeur propre
det A
λ . ∀j ∈ {1, . . . , n} , xj−1 − 2λxj + xj+1 = 0

La suite (xj )06j6n+1 est alors une suite récurrente linéaire double d’équation b) La matrice A + p1 In n’est pas inversible seulement si −1/p est valeur propre de
caractéristique A. Puisque la matrice A ne possède qu’un nombre fini de valeurs propres, pour p
2 kπ assez grand on est sûr que A + p1 In ∈ GLn (C).
r + 2 cos r+1=0
n+1 Comme vu ci-dessus, pour x ∈ C,
On en déduit
χ(A+ p1 In )B (x) = χB(A+ p1 In ) (x)

(n + 1 − k)π (n + 1 − k)π
xj = λ cos j + µ sin j En passant à la limite quand p → +∞, on obtient χAB (x) = χBA (x).
n+1 n+1
Ceci valant pour tout x ∈ C, les polynômes χAB et χBA sont égaux.
Les conditions x0 = xn+1 = 0 donnent λ = 0 et finalement

(n + 1 − k)π
xj = µ sin j Exercice 65 : [énoncé]
n+1
Il est bien connu que
∀M, N ∈ Mn (K), χM N = χN M
Exercice 61 : [énoncé] On en déduit
a) Si B = P −1 AP alors −1
χB =det(P AP
−1
− P XP ) = χA .
0 1 0 0 χ(AB)p = χ[A(BA)p−1 ]B = χB[A(BA)p−1 ] = χ(BA)p
b) Inversement A = et B = ne sont pas semblables mais ont
0 0 0 0
même polynôme caractéristique.
Il est classique d’établir χAB = χBA en commençant par établir le résultat pour A
Exercice 62 : [énoncé] inversible et le prolongeant par un argument de continuité et de densité.
Soit G un supplémentaire de F . Dans une base adaptée à la décomposition
E = F ⊕ G, la matrice de u est triangulaire supérieure par blocs et en calculant le
polynômes caractéristique de u par cette matrice on obtient immédiatement la Exercice 67 : [énoncé]
propriété demandée. On a
χAĀ (X) = det(AĀ − XIn )
Exercice 63 : [énoncé] donc en conjuguant
(−x)n

1
χAĀ (X) = det(ĀA − XIn ) = χĀA (X)
χA−1 (x) = det(A−1 − xI) = det A−1 det(I − xA) = det A − I
det A x
Or il est bien connu que pour A, B ∈ Mn (C)
donc
(−x)n χAB = χBA
χA−1 (x) = χA (1/x)
χA (0)
On obtient donc
χAĀ = χAĀ
et par conséquent
a) Pour x ∈ C,
χAĀ ∈ R [X]
det(AB − xIn ) = det A det(B − xA−1 ) = det(B − xA−1 ) det A = det(BA − xIn )
donc χAB (x) = χBA (x).

Exercice 68 : [énoncé] Son polynôme caractéristique est

D’une part
−X (0) −a0
λIn A −In On,p AB − λIn A ..
= 1 . −a1
B Ip B Ip Op,n Ip χM (X) =
.. ..
. −X .
D’autre part
(0) 1 −an−1 − X

−In On,p λIn A −λIn −A
= Il peut se calculer par la succession d’opérations élémentaires
B −λIp B Ip Op,n BA − λIp
Li ← Li + XLi+1 avec i allant de n − 1 à 1 dans cet ordre
En passant au déterminant, on obtient
On obtient alors
det M × (−1)n = χAB (λ) et (−1)n (−λ)p det M = (−λ)n χBA (λ)
0 (0) α
et on en déduit .. ..
(−λ)p χAB (λ) = (−λ)n χBA (λ) 1 . .
χM (X) =
..
. 0 −(an−2 + an−1 X + X 2 )
Exercice 69 : [énoncé] (0) 1 −an−1 − X
Dans le cas où avec
Ir 0 α = − a0 + a1 X + · · · + an−1 X n−1 + X n

A = Jr =
0 0
En développant selon la première ligne, on obtient
la propriété est immédiate en écrivant
χM (X) = (−1)n a0 + a1 X + · · · + an−1 X n−1 + X n

C D
B=
E F Ainsi, pour P ∈ Z [X] unitaire de degré n, on peut construire une matrice à
coefficients entiers dont le polynôme caractéristique est (−1)n P (X).
avec C bloc carré de taille r. b) Il existe une matrice A dont le polynôme caractéristique est P . Puisque toute
Dans le cas général, on peut écrire A = QJr P avec r = rgA et P, Q inversibles. matrice complexe est trigonalisable, la matrice A est en particulier semblable dans
X q χAB (X) = X q χQ−1 ABQ (X) = X q χJr P BQ (X) Mn (C) à une matrice triangulaire de la forme
 
donc λ1 ?
X q χAB (X) = X p χP BQJr (X) = X p χBQJr P (X) = X p χBA (X)
 .. 
 . 
0 λn
Exercice 70 : [énoncé] La matrice Aq est alors semblable à la matrice
a) Oui, un tel polynôme existe, il suffit de se référer aux matrices compagnons !  q
?0

λ1
Pour a0 , a1 , . . . , an−1 ∈ K, la matrice compagnon associée est  .. 
   . 
0 (0) −a0 0 λnq
 1 ...
 
−a1 
M =   Le polynôme caractéristique de Aq est alors Pq . Or Aq est une matrice à
.. .. 
 . 0 .  coefficients entiers et donc son polynôme caractéristique Pq est aussi à coefficients
(0) 1 −an−1 entiers.

c) Compte tenu des relations entre les coefficients et les racines d’un polynôme Exercice 73 : [énoncé]
scindé, on peut majorer les coefficients de P et affirmer que, pour un degré fixé, il On peut écrire
n
n’y a qu’un nombre fini de polynômes P possibles car les coefficients de P sont Y
entiers et borné. Considérons un tel polynôme. L’application q ∈ N? 7→ Pq n’est χA (X) = (−1)n (X − λk )
k=1
pas injective compte tenu à cause de l’argument de cardinalité précédent. Il existe
donc q < r tel que Pq = Pr . Ainsi, il existe une permutation σ de Nn vérifiant : avec λ1 , . . . , λn les valeurs propres de A comptées avec multiplicité.
On a alors
∀i ∈ Nn , λqi = λrσ(i)
χA (B) ∈ GLn (C) ⇔ ∀1 6 k 6 n, B − λk In ∈ GLn (C)
A l’aide d’une décomposition en cycles de σ, on peut affirmer qu’il existe une
puissance de σ égale à l’identité et donc conclure que pour tout i ∈ Nn il existe ce qui donne
0
q 0 > q tel que λqi = λqi . On peut alors affirmer que λi est nul ou bien racine de χA (B) ∈ GLn (C) ⇔ ∀1 6 k 6 n, λk ∈
/ SpB
l’unité. et on peut ainsi affirmer
χA (B) ∈ GLn (C) ⇔ SpA ∩ SpB = ∅
a) SpB = Spt B car χB = χt B .
b) Pour tout X ∈ Mn,1 (K), A(CX) = λ(CX) donc CX ∈ ker(A − λIn ). Exercice 74 : [énoncé]
c) Soit X et Y des vecteurs propres de A et t B associé à la valeur propre λ. La Dans une base adaptée au noyau f , la matrice de f est
matrice C = X t Y est solution.
0 ··· 0
 
d) On peut écrire C = QJr P avec P, Q inversibles. La relation AC = CB donne a b
.. .. 
Q−1 AQJr = Jr P BP −1 .

 c d . . 
En écrivant les matrices Q−1 AQ et P BP −1 par blocs, l’égalité
 
 .. .. 
 ? ? . . 
Q−1 AQJr = Jr P BP −1 impose une décomposition en blocs triangulaire puis  
 . . .. .. 
permet d’observer que χA = χQ−1 AQ et χB = χP BP −1 ont un facteur commun de  .. .. . . 
degré > r, à savoir le polynôme caractéristique du bloc commun en position (1,1). ? ? 0 ··· 0
e) La réciproque est assurément fausse en toute généralité. Pour r = n, deux
matrices ayant même polynôme caractéristique ne sont pas nécessairement On a alors
χf (X) = (−1)n X n−2 X 2 − (a + d)X + ad − bc

semblables.
Or
Exercice 72 : [énoncé] trf = a + d et trf 2 = a2 + 2bc + d2
Par contraposition, montrons donc
(trf )2 − tr(f 2 )

n n−2 2
det A < 0 ⇒ SpA ∩ ]−∞, 0[ 6= ∅ χf (X) = (−1) X X − tr(f )X +
2
On a
χA (X) = (−1)n X n + · · · + det A
Si det A < 0 alors puisque lim χA (t) = +∞ et sachant la fonction t 7→ χA (t) On peut écrire M = QJr P avec P, Q inversibles. La relation AM = M B donne
t→−∞
continue, il existe λ ∈ ]−∞, 0[ racine de χA et donc valeur propre de A. Q−1 AQJr = Jr P BP −1 .
On peut aussi établir le résultat en observant que le déterminant de A est le En écrivant les matrices Q−1 AQ et P BP −1 par blocs, l’égalité
produit des valeurs propres complexes de A comptées avec multiplicité. Parmi Q−1 AQJr = Jr P BP −1 impose une décomposition en blocs triangulaire puis
celles-ci, celles qui sont réelles sont positives et celles qui sont complexes non permet d’observer que χA = χQ−1 AQ et χB = χP BP −1 ont un facteur commun de
réelles, sont deux à deux conjuguées. Le produit est donc positif. degré > r, à savoir le polynôme caractéristique du bloc commun en position (1,1).


a) Poser le produit par blocs. a) Pn (x) est un déterminant tri-diagonal. On développe selon la première colonne
b) Si A et B sont inversibles alors (A ? B)(A−1 ? B −1 ) = In ? In = In2 donc A ? B en un déterminant triangulaire et en un second déterminant qu’on développe selon
est inversible. la première ligne.
Si A n’est pas inversible alors il existe A0 6= 0 tel que AA0 = On et alors P1 (x) = −x et P2 (x) = x2 − 1
(A ? B)(A0 ? In ) = 0 avec A0 ? In 6= 0 donc A ? B n’est pas inversible.
b) La suite (Pn (−2 cos α))n>1 est une suite récurrente linéaire d’ordre 2. On
Un raisonnement semblable s’applique dans le cas où B n’est pas inversible.
introduit l’équation caractéristique associée dont les racines permettent
c) Il existe P, Q matrice inversible telles que
    d’exprimer le terme général de (Pn (x)) à l’aide de coefficients inconnus déterminés
λ1 ? µ1 ? par les valeurs n = 1 et n = 2. On peut aussi simplement vérifier la relation
P −1 AP = 
 .. −1
 et Q BQ = 
  ..  proposée en raisonnant par récurrence double.
. .  kπ
c) Les xk = −2 cos n+1 avec k ∈ {1, . . . , n} sont racines distinctes de Pn (x).
0 λn 0 µn
An ∈ Mn (C) possède n valeurs propres distinctes donc A est diagonalisable.
avec λi et µi les valeurs propres de A et B.
On observe alors que (P −1 ? Q−1 )(A ? B)(P ? Q) = (P −1 AP ) ? (Q−1 BQ) est
triangulaire supérieure de coefficients diagonaux λi µj . Les valeurs propres de Exercice 79 : [énoncé]
A ? B sont les produits des valeurs propres de A et B. a) En factorisant sur la ième colonne
d) On note que P −1 ? Q−1 = (P ? Q)−1 de sorte que A ? B est semblable à la
matrice triangulaire précédente et donc ai 1 an
n Y
n .. ..
2 Y a1 . .
χA?B = (−1)n (X − λi µj ) .. ..
i=1 j=1
P (ai ) = ai . 1 .
.. ..
On en déduit . . an
det(A ? B) = (det A det B)n a1 1 ai
et la relation
tr(A ? B) = tr(A)tr(B) En retranchant la ième ligne à chacune des autres
est immédiate par un calcul direct. ai − a1 0 0

.. ..
0 . .
Exercice 77 : [énoncé] .. ..
P (ai ) = ai . 1 .
En développant selon la première colonne
.. ..
−λ 1 0 −λ 1 0 . . 0
.. .. .. .. .. .. 0 0 ai − an
. . . = (−1)n+1 a0 −λ . . .
0 ··· −λ 1 0 ··· −λ 1 et donc Y
a0 ··· an−2 an−1 − λ [n]
a1 ··· an−2 an−1 − λ [n−1]
P (ai ) = ai (ai − aj )
j6=i
puis en reprenant le processus on parvient à
b) En utilisant la formule des déterminants
(−1)n+1 (a0 + a1 λ + · · · + an−1 λn−1 − λn )
X n
Y
On peut aussi résoudre le problème via l’opération élémentaire :

P (x) = ε(σ) aσ(i),i + xδσ(i),i
C1 ← C1 + λC2 + · · · + λn−1 Cn . σ∈Sn i=1

n n
Si σ = IdNn alors
Q
aσ(i),i + xδσ(i),i =
Q
(ai,i + x) est une expression Notons que l’on peut proposer une démarche plus simple en commençant par
i=1 i=1 factoriser les ai par colonnes.
polynomiale unitaire de degré n.
n
Q n
Q
Si σ 6= IdNn alors aσ(i),i + xδσ(i),i = (ai,i + x) est une expression
i=1 i=1 Exercice 81 : [énoncé]
polynomiale de degré strictement inférieure à n. a) Pour tout f ∈ L(E), f admet un polynôme minimal qui admet au moins une
On peut donc affirmer que P est une fonction polynomiale unitaire de degré racine dans C qui est alors valeur propre de f .
exactement n. b) Si λ est valeurs propre de l’endomorphisme considéré alors il existe un
c) Puisque les ai sont deux à deux distincts polynôme P non nul tel que XP (X) = (1 + λ)P (X) ce qui est impossible pour
n des raisons de degré.
P (X) X λi
n =1+
Q X − ai
(X − ai ) i=1
i=1 Exercice 82 : [énoncé]
avec Tout endomorphisme sur un C-espace vectoriel de dimension finie admet au moins
P (ai ) une valeur propre. Soit λ une valeur propre de u. Eλ (u) est un sous-espace
λi = Q = ai
(ai − aj ) vectoriel stable par v (car u ◦ v = v ◦ u) et l’endomorphisme induit par v sur
j6=i Eλ (u) admet au moins une valeur propre. Un vecteur propre associé à celle-ci est
d) On a det(A + In ) = P (1). vecteur propre commun à u et v.
Si l’un des ai vaut 1, il suffit de reprendre la valeur de P (ai ).
Sinon, par la décomposition précédente
n
P (1) X ai On retraduit le problème en terme d’endomorphismes. Soient u et v deux
n =1+ endomorphismes d’un C-espace vectoriel de dimension finie vérifiant u ◦ v = v ◦ u.
Q 1 − ai
(1 − ai ) i=1
Tout endomorphisme sur un C-espace vectoriel admet au moins une valeur propre.
i=1
Soit λ une valeur propre de u. Eλ (u) est un sous-espace vectoriel stable par v (car
et donc ! u ◦ v = v ◦ u) et l’endomorphisme induit par v sur Eλ (u) admet au moins une
n n
X ai Y
valeur propre. Un vecteur propre associé à celle-ci est vecteur propre commun à u
det(A + In ) = 1+ (1 − ai )
i=1
1 − ai i=1 et v.

a) On obtient Y Si A et B ont λ pour valeur propre commune alors puisque A et t A ont les mêmes
P (ai ) = ai (ai − aj ) valeurs propres, il existe des colonnes X, Y 6= 0 vérifiant t AX = λX et BY = λY .
j6=i Posons alors U = Y t X ∈ Mn (C)\ {0}.
P est de degré n et unitaire donc On a BU = λY t X et U A = Y t (t AX) = λY t X donc U A = BU .
Inversement, supposons qu’il existe U ∈ Mn (C) non nulle vérifiant U A = BU . On
n
P (x) X ai peut écrire U = QJr P avec P, Q inversibles et r = rgU > 0. L’égalité U A = BU
=1+
n
Q x − ai entraîne alors Jr A0 = B 0 Jr avec A0 = P AP −1 et B 0 = Q−1 BQ. Puisque
(x − ai ) i=1
i=1 semblables, SpA0 = SpA et SpB 0 = SpB.
En raisonnant
par blocs, l’égalité
0 0 0 M 0 0 M ?
b) On en déduit Jr A = B Jr entraîne A = et B = avec M ∈ Mr (C).
n
? ? 0 ?
Ces formes matricielles SpM ⊂ SpA0 et SpM ⊂ SpB 0 . Or SpM 6= ∅ (cadre
Y
det A = P (0) = (−1)n−1 (n − 1) ai
i=1
complexe) donc SpA ∩ SpB 6= ∅.

Exercice 85 : [énoncé] propre. Cependant, pour chaque n ∈ N tel que g n 6= 0̃, le scalaire nb est valeur
a) Puisque u ◦ v = v ◦ u les sous-espaces propres de u sont stables par v. Puisque propre de cet endomorphisme, on en déduit qu’il existe n ∈ N tel que g n = 0̃ et en
E est un C-espace vectoriel, u admet une valeur propre et le sous-espace propre particulier ker g 6= {0}.
associé est stable par v. L’endomorphisme induit par v sur celui-ci admet une On vérifie aisément que ker g est stable par f et un vecteur propre de
valeur propre et ceci assure l’existence d’un vecteur propre commun à u et v. l’endomorphisme induit par f sur ker g est alors vecteur propre commun à f et g.
b) u ◦ v − v ◦ u = au. Cas b = 0 et a 6= 0
Si u est inversible alors u ◦ v ◦ u−1 − v = aIdE et donc Semblable
tr(u ◦ v ◦ u−1 ) − trv = a dim E. Cas a 6= 0 et b 6= 0
Or tr(u ◦ v ◦ u−1 ) = trv ce qui entraîne une absurdité. On a
On en déduit que u est non inversible. f ◦ (af + bg) − (af + bg) ◦ f = b(f ◦ g − g ◦ f ) = b(af + bg)
Par récurrence sur n ∈ N, on obtient Par l’étude qui précède, f et af + bg admettent un vecteur propre commun et
n n
u ◦ v − v ◦ u = nau n celui-ci est alors vecteur propre commun à f et g.
L’endomorphisme ϕ : w 7→ w ◦ v − v ◦ w n’admet qu’un nombre fini de valeurs

propres car opère en dimension finie. Si u n’est pas nilpotent alors pour tout Exercice 87 : [énoncé]
n ∈ N, na est valeur propre de ϕ. C’est absurde et donc u est nilpotent. a) Le polynôme caractéristique d’une matrice complexe possède au moins une
Enfin, soit x ∈ ker u. On a u(v(x)) = v(u(x)) + au(x) = 0 donc v(x) ∈ ker u. racine dans C.
Par suite ker u 6= {0} est stable v et un vecteur propre de l’endomorphisme induit b) det(In + λT ) = 1 6= 0 et donc T vérifie (P ).
est vecteur propre commun à u et v. c) rgTr = r.
c) u ◦ v − v ◦ u = au + bv. d) Les matrices A et B étant de même rang, elles sont équivalentes et donc il
Si a = 0 il suffit de transposer l’étude précédente. existe P, Q inversibles vérifiant A = P BQ. Puisqu’il existe une matrice M telle
Si a 6= 0, considérons w = au + bv. que det(M + λA) 6= 0 pour tout λ ∈ K, on a
On a det(P M Q + λB) = det P det(M + λA) det Q 6= 0
(au + bv) ◦ v − v ◦ (au + bv) = a(u ◦ v − v ◦ u) = a(au + bv)
et donc B vérifie la propriété (P ).
Par l’étude qui précède, au + bv et v ont un vecteur propre en commun puis u et v
e) Si une matrice est non inversible, elle est de même rang qu’une matrice Tr avec
ont un vecteur propre en commun.
r < n et comme cette dernière vérifie (P ), on peut conclure qu’une matrice non
inversible vérifie (P ).
Inversement, si A est une matrice inversible alors pour tout M ∈ Mn (C)
Cas a = b = 0 det(M + λA) = det(A) det(M A−1 + λIn )
Les endomorphismes f et g commutent donc les sous-espaces propres de l’un sont
stables pour l’autre. Puisque le corps de base est C, l’endomorphisme f admet au et puisque la matrice M A−1 admet une valeur propre, il est impossible que
moins une valeur propre λ. L’espace Eλ (f ) 6= {0} est stable par g donc on peut det(M + λA) soit non nul pour tout λ ∈ C.
introduire l’endomorphisme induit par g sur Eλ (f ) et ce dernier admet aussi au f) Si n est impair alors toute matrice de Mn (R) admet une valeur propre (car le
moins une valeur propre. Un vecteur propre associé à cette valeur propre de g est polynôme caractéristique réel est de degré impair). On peut alors conclure comme
aussi un vecteur propre de f car élément non nul de Eλ (f ). Ainsi f et g ont un au dessus.
vecteur propre commun. Si n est pair, la propriété précédente n’est plus vraie. Par exemple
Cas a = 0 et b 6= 0
0 −1

Par récurrence, on obtient f ◦ g n − g n ◦ f = nbg n pour tout n ∈ N. A=
1 0
L’application u ∈ L(E) 7→ f ◦ u − u ◦ f est un endomorphisme de L(E) or
dim L(E) < +∞ donc cet endomorphisme n’admet qu’un nombre fini de valeur est inversible et vérifie la propriété (P ) avec M = In .

Exercice 88 : [énoncé] En notant λ1 et λ2 les deux racines de cette équation, on obtient A = P DP −1

a) χA (X) = (X − cos α)2 + sin2 α de racines eiα et e−iα . avec  
Si α 6= 0 [π] alors A possède deux valeurs propres distinctes donc A est 1 (0) 1 1
diagonalisable.  .. .. .. 
 . . . 
Si α = 0 [π] alors A est diagonale. P =

.

..  et D = diag(0, . . . , 0, λ1 , λ2 )
 (0) 1 .
. . 
b) Si α 6= 0 [π] alors A ne possède pas de valeurs propres (réelles) donc n’est pas  
diagonalisable.  −1 · · · −1 1 1 
Si α = 0 [π] alors A est diagonale. 0 0 0 λ1 λ2
c) χB (X) = (X − cos α)(X + cos α) − sin2 α de racines ±1 donc B est En reprenant la même démarche avec la seconde matrice que nous noterons B, on
diagonalisable. obtient B = P DP −1 avec
 
1 0 ··· 0 λ1 λ2
 0 1 (0) 2 2 
 .. . .. 
 
Exercice 89 : [énoncé] . .. ..
 . . 
On obtient P =  et D = diag(0, . . . , 0, λ1 , λ2 )
 . . .
χM = −X(X 2 + (ab + bc + ca))  .. . .

 (0) 1 . . 

 0 −1 · · · −1 2 2 
Posons δ = ab + bc + ca.
−1 0 · · · 0 λ1 λ2
Si δ < 0 alors M est diagonalisable car χM admet trois racines distinctes et donc
M admet trois valeurs propres distinctes. où λ1 , λ2 sont les deux racines de
Si δ = 0 alors M est diagonalisable si, et seulement si M est semblable à la
λ2 − 2λ − 2(n − 2) = 0
matrice nulle ce qui n’est le cas que si a = b = c = 0.
Si δ > 0 alors M n’est pas diagonalisable car χM n’est pas scindé sur R [X].
1ère méthode :
Exercice 90 : [énoncé] Notons χn (λ) le polynôme caractéristique de cette matrice de taille n.
a) A ne possède que deux colonnes différentes donc rgA 6 2. Par développement du déterminant selon la dernière colonne on obtient
a b
= a2 − b2 6= 0 donc rg(A) = 2. Par le théorème du rang χn (λ) = (1 − λ)χn−1 (λ) − (1 − λ)n−2
b a
dim ker A = 2n − 2 donc 0 est valeur propre de A et la dimension du sous-espace En étudiant les premiers termes de cette suite, on conjecture
propre associé est 2n − 2. χn (λ) = (1 − λ)n − (n − 1)(1 − λ)n−2
b) Les vecteurs t 1 . . . 1 et t 1 −1 . . . 1 −1 sont vecteurs propres
associées aux valeurs propres non nulles n(a + b) et n(a − b). La somme des ce que l’on vérifie aisément par récurrence.
dimensions des sous-espaces propres vaut 2n donc A est diagonalisable. √ propres de la matrice sont donc 1 (pour n > 3) et les deux racines
Les valeurs
λ = 1 ± n − 1.
2ème méthode :
Notons A la matrice étudiée. L’équation AX = λX donne le système
x1 + · · · + xn = λx1

Etudions la première matrice que nous noterons A. 

Celle-ci est de rang 2 et on peut facilement déterminer une base de son noyau.  x1 + x2 = λx2


En posant le système AX = λX avec λ 6= 0, on obtient une solution non nulle ..
sous réserve que



 .
λ2 − λ − (n − 1) = 0

x1 + xn = λxn

qui équivaut à Si n pair : ∆ = diag(a + (n − 1)b, b − a, . . . , b − a, a − b, . . . , a − b) et

x + · · · + xn = λx1

 1
 
1 1 (0) 1 (0)

 x1 = (λ − 1)x2


.. .. ..
. −1 .
 
..  . 


 . 
 .. .. ..



  . . . 1 
x1 = (λ − 1)xn
..
 
 
Pour λ = 1, on peut obtenir une solution non nulle avec les conditions  . (0) 1 (0) −1 
Q=
 ..


x1 = 0 et x2 + · · · + xn = 0 
 . (0) −1 (0) −1 

 .. .. ..

Pour λ 6= 1, le système devient 
 . . . 1 

 2
 .. .. ..


 (n − 1)x1 = (λ − 1) x1  . . −1 . (0) 
1 −1 (0) 1

x2 = x1 /(λ − 1)



..
.





xn = x1 /(λ − 1)

a) M (a, b) = P D(a, b)P −1 avec D(a, b) = diag((a + b)2 , (a − b)2 , a2 − b2 , a2 − b2 ) et
Pour x1 = 0, la solution du système est nulle.  
Pour x1 6= 0, on peut former une solution non nulle à condition que 1 1 1 0
(λ − 1)2 = n − 1 ce qui fournit les valeurs déjà remarquées au dessus.  1 −1 0 1 
P =  1 −1 0 −1 

1 1 −1 0
A = P DP −1 avec D = diag(a + (n − 1)b, a − b, . . . , a − b) et b) M (a, b)n → 0 si, et seulement si, |a + b| < 1, |a − b| < 1 et a2 − b2 < 1.

1 1 (0)
 Or a2 − b2 = (a + b)(a − b) donc la dernière condition l’est automatiquement si les
 .. deux premières le sont.
 . −1 . . .

L’étude graphique est alors simple.

P = .

 .. .. 
. 1 
1 (0) −1
B = Q∆Q−1 avec a) On charge le package linalg et on définit la matrice étudiée
Si n est impair : ∆ = diag(a + (n − 1)b, b − a, . . . , b − a, a − b, . . . , a − b) et with(linalg):

1 1 (0) 1 (0)
 A:=matrix(4, 4, [0, 0, 0, d, 0, 0, c, 0, 0, b, 0, 0, a, 0, 0, 0]);
 .. .. .. On détermine ses éléments propres
. .

 .  eigenvects(A);
 ..
 
 . (0)
 Dans le cas où a, b, c, d sont non nuls, on obtient quatre vecteurs propres non
1 (0) 1 
  colinéaires et la matrice est diagonalisable.
Q =  ... 0 · · ·
 
 0 −2 · · · −2 
 Si a = 0 et d 6= 0
 . A:=matrix(4, 4, [0, 0, 0, d, 0, 0, c, 0, 0, b, 0, 0, 0, 0, 0, 0]);
 .. (0)

−1 (0) 1 

 .
 eigenvects(A);
 .. . . . . 
. .  On obtient 0 valeur propre double et le sous-espace propre correspondant est de
1 −1 (0) 1 (0) dimension 1.

La matrice A n’est alors pas diagonalisable. Exercice 96 : [énoncé]

Si b = 0 et c 6= 0, ou si c = 0 et b 6= 0, ou encore si d = 0 et a 6= 0, c’est semblable. La matrice A est la matrice dans la base canonique (1, X, . . . , X n ) de
Dans les cas complémentaires (par exemple a = d = 0 et b, c 6= 0), la matrice est l’endomorphisme
diagonalisable. u : P ∈ Cn [X] 7→ nXP + (1 − X 2 )P 0
b) Si u est diagonalisable alors les endomorphismes uF1 , . . . , uFp le sont aussi (car Considérons alors la base de polynômes étagés (1, (X + 1), . . . , (X + 1)n ). On a
sont annulé par un polynôme scindé simple annulant u).
u (X + 1)k = nX(X + 1)k + k(1 − X)(X + 1)k

Inversement, si les endomorphismes uF1 , . . . , uFp sont diagonalisables alors,
sachant E = F1 ⊕ · · · ⊕ Fp , on peut former une base de E diagonalisant u en
accolant des bases des Fi diagonalisant uFi . qui se réécrit
Finalement, u est diagonalisable si, et seulement si, les endomorphismes u (X + 1)k = (n − k)(X + 1)k+1 + (2k − n)(X + 1)k

uF1 , . . . , uFp le sont.
c) Soient (e1 , . . . , e2n ) la base canonique de C2n et u ∈ L(C2n ) de matrice A dans La matrice de l’endomorphisme u dans la base (1, (X + 1), . . . , (X + 1)n ) est
cette base. triangulaire inférieure de coefficients diagonaux distincts
Les espaces F1 , . . . , Fn définis par Fi = Vect(ei , e2n+1−i ) sont stables par u et
vérifient C2n = F1 ⊕ · · · ⊕ Fn . 2k − n avec k ∈ {0, . . . , n}
Par ce qui précède, u est diagonalisable si, et seulement si, les endomorphismes On en déduit χA et on observer que A possède n + 1 valeurs propres distinctes. La
uF1 , . . . , uFn le sont. matrice A est donc diagonalisable.
Or la matrice de uFi dans la base (ei , e2n+1−i ) est

0 a2n+1−i Exercice 97 : [énoncé]
ai 0 Cas a = b = 0 la résolution est immédiate.
Cas a = 0 et b 6= 0, la matrice Mn est triangulaire supérieure stricte non nulle, elle
et cette dernière est diagonalisable dans M2 (C) si, et seulement si, n’est pas diagonalisable.
Cas a 6= 0 et b = 0, idem.
ai a2n+1−i 6= 0 ou ai = a2n+1−i = 0
Cas a = b
On peut alors affirmer que A est diagonalisable si, et seulement si, χMn (X) = (−1)n (X − (n − 1)a)(X + a)n−1
avec
∀i ∈ {1, . . . , n} , ai a2n+1−i 6= 0 ou ai = a2n+1−i = 0 E(n−1)a = Vect(1, . . . , 1)
d) Dans M2 (R), la matrice et

0 b
E−a : x1 + · · · + xn = 0
a 0 La matrice Mn est donc diagonalisable et il est aisé de former une base de
vecteurs propres.
est diagonalisable si, et seulement si,
Cas a 6= b et ab 6= 0
ab > 0 ou a = b = 0 Après calculs (non triviaux)
b(X + a)n − a(X + b)n
En adaptant l’étude qui précède, on obtient que A est diagonalisable dans χMn (X) = (−1)n
b−a
M2n (R) si, et seulement si,
Les racines de ce polynôme sont les solutions de l’équation d’inconnue z ∈ C
∀i ∈ {1, . . . , n} , ai a2n+1−i > 0 ou ai = a2n+1−i = 0 n
z+a a
=
z+b b

Il y en a exactement n s’exprimant en fonction des racines n-ième de l’unité. On peut aussi retrouver ce résultat via l’opération élémentaire :
On en déduit que Mn est diagonalisable. C1 ← C1 + λC2 + · · · + λn−1 Cn .
Soit λ une valeur propre de Mn et x = (x1 , . . . , xn ) ∈ Cn . On en déduit
L’équationMn x = λx équivaut au système χM (X) = (−1)n P (X)

 −λx1 + bx2 + · · · + bxn = 0 b) Si λ est racine du polynôme P alors λ est valeur propre de M . Après

 ax1 − λx2 + · · · + bxn = 0

 résolution, le sous-espace propre associé est engendré par la colonne
.. t
1 λ . . . λn−1




 .

ax1 + · · · + axn−1 − λxn = 0 c) Puisque les sous-espaces propres sont de dimension 1, la matrice M est
diagonalisable si, et seulement si, elle possède exactement n valeur propres ce qui
En retranchant à chaque équation la précédente, on obtient le système équivalent
revient à dire que le polynôme P est scindé à racines simple.
−λx1 + bx2 + · · · + bxn = 0



 (a + λ)x1 + (b + λ)x2 = 0


..


 . 1. La matrice A est symétrique réelle donc orthogonalement diagonalisable.
2.a) rgA = 2.


(a + λ)xn−1 − (b + λ)xn = 0
2.b) Le polynôme caractéristique de A est scindé et unitaire.
Puisque ce système est de rang n − 1 (car λ est valeur propre simple) et puisque Puisque dim ker A = 2, 0 est valeur propre au moins double de A et donc
les n − 1 dernières équations sont visiblement indépendantes, ce système équivaut
encore à  χA = X 2 (X − u1 )(X − u2 )
 (a + λ)x1 + (b + λ)x2 = 0
avec u1 , u2 ∈ C.


..
 . La matrice A est trigonalisable semblable à une matrice triangulaire où figurent
sur la diagonale les valeurs 0, 0, u1 et u2 . Par similitude, on a

(a + λ)xn−1 − (b + λ)xn = 0

La résolution de ce dernier est immédiate. On obtient pour vecteur propre trA = u1 + u2 et trA2 = u21 + u22
x = (x1 , . . . , xn ) avec
k et donc
a+λ
xk = u1 + u2 = k et u21 + u22 = k 2 + 6
b+λ
Enfin u1 6= 0 car sinon u2 = k et u22 = k 2 6= k 2 + 6. De même u2 6=√0.
2.c) Siu1 = u2 alors u1 = u2 = k/2 et k 2 /2 = k 2 + 6 donc k = ±i2 3.
La résolution du système
a) En développant selon la première colonne k
AX = X
−λ 1 0 −λ 1 0 2
.. .. .. .. .. .. conduit à un espace de solution de dimension 1
. . . = (−1)n+1 a0 −λ . . .
0 ··· −λ 1 0 ··· −λ 1 Vectt (1, k/2, 1, 1)
a0 ··· an−2 an−1 − λ [n]
a1 ··· an−2 an−1 − λ [n−1]
2.d) Finalement,
√ la matrice A est diagonalisable dans M4 (C) si, et seulement si,
puis en reprenant le processus on parvient à k 6= ±i2 3.
(−1)n+1 (a0 + a1 λ + · · · + an−1 λn−1 − λn )

Exercice 100 : [énoncé] Par conséquent la matrice suivante convient

En ajoutant la troisième colonne à la première puis en retranchant la première  
ligne à la première 1 3 0
P = 0 1 0 
−λ − 2 5+x x 1 2 1
χA (λ) = 0 −2 − x − λ −x
0 −x 3−x−λ Cas a = 1    
1 1
ce qui donne ker A = Vect  0 et ker(A − I3 ) = Vect  1
   
χA (λ) = −(λ + 2) λ2 + (2x − 1)λ − x − 6

1 1
Le facteur a pour discriminant Par conséquent la matrice suivante convient
∆ = (2x − 1)2 + 4x + 24 = 4x2 + 25 > 0 
1 1 0

et possède donc deux racines réelles distinctes. Si celles-ci diffèrent de −2, alors la P = 0 1 0 
matrice A possède trois valeurs propres distinctes et est donc diagonalisable. 1 1 1
Il est donc nécessaire que −2 soit racine de λ2 + (2x − 1)λ − x − 6 pour que la
matrice A ne soit pas diagonalisable. C’est le cas si, et seulement si, x = 0 et alors
  Exercice 102 : [énoncé]
−2 5 1 a) On obtient
A =  0 −2 0  At A = (a2 + b2 + c2 + d2 )I4
−5 5 3 4
et donc (det A)2 = a2 + b2 + c2 + d2 .
On a alors D’autre part, pour b, c, d fixés, a 7→ det A est une fonction polynomiale unitaire de
rg(A + 2I3 ) = 2 degré 4 donc
et donc dim E−2 (A) = 1 < m−2 (A) ce qui entraîne que la matrice A n’est pas
diagonalisable. det A = a4 + α(b, c, d)a3 + β(b, c, d)a2 + γ(b, c, d)a + δ(b, c, d)
Finalement A n’est pas diagonalisable si, et seulement si, x = 0.
La valeur connue de (det A)2 permet alors de déterminer α, β, γ, δ et d’affirmer
Exercice 101 : [énoncé] det(A) = (a2 + b2 + c2 + d2 )2

a) χA = −X(X − 1)(X − a).
Si a2 + b2 + c2 + d2 6= 0 alors rg(A) = 4.
Si a 6= 0, 1 alors A est diagonalisable.
Si a2 + b2 + 2 2 2 2
c + d = 0 alors rg(A) 6 3. Or a + b 6= 0 donc la sous matrice
Si a = 0 alors rgA = 2 donc dim ker A = 1 < m0 (A) et la matrice A n’est pas
a b
diagonalisable. est de rang 2 et donc rg(A) > 2.
−b a
Si a = 1 alors rg(A − I) = 2 et par le même argument qu’au dessus, A n’est pas
On observe de plus que
diagonalisable.
On conclut ac + bd bc − ad
Ω = {0, 1} C3 = 2 2
C1 + 2 C2
a +b a + b2
b) Cas a = 0     et
1 3 ad − bc bd + ac
C4 = 2 2
C1 + 2 C2
ker A = Vect  0 et ker(A − I3 ) = Vect  1
    a +b a + b2
1 2 donc rg(A) = 2.

b) Par la formule obtenue ci-dessus, χA = ((a − X)2 + b2 + c2 + d2 ) et donc Au final M est diagonalisable si, et seulement si, α 6= 0.
χA = ((a − X)2 + α2 )2 . Notons que α = tr(t Y X) = tr(X t Y ) = trM et que M est une matrice de rang 1.
Les valeurs propres de A sont a + α et a − α. On peut montrer qu’une matrice de rang 1 est diagonalisable si, et seulement si,
Par l’étude qui précède rg(A − (a + α)Id) = 2 et rg(A − (a − α)Id) = 2 donc sa trace est non nulle.
dim Ea+α (A) = dim Ea−α (A) = 2
et par suite A est diagonalisable. Exercice 106 : [énoncé]

Notons B = (e1 , . . . , en ) la base canonique de Kn et f l’endomorphisme de Kn
dont la matrice dans B est J.
Exercice 103 : [énoncé] Posons ε1 = e1 + · · · + en , de sorte que f (ε1 ) = nε1 .
a) rg(A) = 0 si a1 = . . . = an−1 = 0 et rg(A) = 2 sinon. Puisque rgf = rgJ = 1, on peut introduire (ε2 , . . . , εn ) base du noyau de f .
b) La somme des valeurs propres est nulle. Il est alors clair que B 0 = (ε1 , . . . , εn ) est une base de Kn et que la matrice de f
c) En développant le déterminant selon la dernière colonne puis en développant dans celle-ci est diagonale.
les mineurs obtenus selon leur k-ieme colonne, on obtient On peut aussi observer J 2 = nJ et exploiter que X(X − n) est un polynôme
annulateur scindé simple de J.
χA = (−1)n X n−2 (X 2 − (a21 + · · · + a2n−1 ))
Si a21 + · · · + a2n−1 6= 0 alors A admet deux valeurs propres opposées non nulles et 0
pour valeur propre d’espace propre de dimension n − 2 donc A est diagonalisable. Exercice 107 : [énoncé]
n
Si a21 + · · · + a2n−1 = 0 alors 0 est la seule valeur propre de A et A est En posant M = (ai aj )16i,j6n , on vérifie M 2 = λM avec λ =
P
a2k .
diagonalisable si, et seulement si, A = 0 i.e. a1 = . . . = an−1 = 0. k=1
Si λ 6= 0 alors M annule un polynôme scindé simple, elle est donc diagonalisable.
Si λ = 0 alors M 2 = 0 et donc M est diagonalisable si, et seulement si, M = 0 ce
Exercice 104 : [énoncé] qui revient à (a1 , . . . , an ) = 0.
Via un changement de bases réalisé de sorte que les premiers vecteurs soient dans
le noyau de A, on peut écrire

On−1 ?
P −1 AP = Ei,i est diagonale donc diagonalisable.
0 λ
Pour i 6= j, χEi,j (X) = (−1)n X n donc seul 0 est valeur propre. Par suite si Ei,j
avec λ = trA. est diagonalisable alors Ei,j = 0 ce qui est incorrect. Conclusion Ei,j
Si λ 6= 0 alors λ est valeur propre de A ce qui permet de diagonaliser A. diagonalisable si, et seulement si, i = j.
Si A est diagonalisable, sachant que A n’est pas nulle, λ 6= 0.

Exercice 105 : [énoncé] On obtient N 2 = sN avec s = a1 + · · · + an .
Posons M = X t Y . On a M 2 = X(t Y X)t Y . Or α = t Y X est un scalaire donc Puisque s > 0, N annule un polynôme scindé simple et donc est diagonalisable.
M 2 = αX t Y = αM . −1/2 n’est pas valeur propre de N car n’est pas racine du polynôme annulateur
Si α 6= 0 alors M annule le polynôme scindé simple X(X − α) et donc M est X 2 − sX donc M est inversible. En recherchant M −1 de la forme xM + yIn , on
diagonalisable. obtient
Si α = 0 alors M annule le polynôme X 2 et donc 0 est la seule valeur propre
M −1 = In − (2 + s)N
possible. Si M est diagonalisable alors M est semblable à la matrice nulle et donc
M = On . Ceci est exclu car on suppose les colonnes X et Y non nulles.

Exercice 110 : [énoncé] b) On observe

Si A est diagonalisable alors il existe une matrice P inversible telle que −1
P −1 AP = D diagonale. En transposant, t P t At (P −1 ) = D c’est-à-dire In D A C In D A E
=
Qt AQ−1 = D avec Q = t P inversible d’inverse Q−1 = t (P −1 ). On In On B On In On B
avec E = AD + C − DB.
Pour conclure, montrons qu’il existe D ∈ Mn (C) vérifiant DB − AD = C.
Considérons pour cela l’endomorphisme ϕ de Mn (C) défini par
Il existe des matrices P ∈ GLn (K) et D ∈ Dn (K) telles que
ϕ(M ) = M B − AM
AB = P DP −1
Pour M ∈ ker ϕ, on a M B = AM .
On a alors Pour tout X vecteur propre de B associé à une valeur propre λ, on a
A(BA)A−1 = P DP −1
puis AM X = M BX = λM X
−1 −1 −1 −1 −1
BA = (A P )D(P A) = (A P )D(A P)
Puisque λ est valeur propre de B, λ n’est pas valeur propre de A et donc
M X = On,1 .
Puisqu’il existe une base de vecteurs propres de B et puisque chacun annule M ,
Exercice 112 : [énoncé] on a M = On .
Soient F1 et F2 des sous-espaces vectoriels supplémentaires de dimension p et q Ainsi l’endomorphisme ϕ est injectif, or Mn (C) est de dimension finie donc ϕ est
d’un K-espace vectoriel E. Soit B = (B1 , B2 ) une base adaptée à la bijectif. Ainsi il existe une matrice D telle ϕ(D) = C et, par celle-ci, on obtient la
supplémentarité de F1 et F2 et f1 , f2 et f les endomorphismes de F1 , F2 et E similitude demandée.
déterminés par Mat(f1 , B1 ) = A1 , Mat(f2 , B2 ) = A2 et Mat(f, B) = A. Il est clair
que pour tout λ ∈ K, on a Eλ (f ) = Eλ (f1 ) ⊕ Eλ (f2 ). En caractérisant la
diagonalisabilité par la somme des dimensions des sous-espaces propres, on Exercice 115 : [énoncé]
conclut à l’équivalence voulue. Il existe des matrices P ∈ GLn (R) et D ∈ Dn (R) telles que
B = P DP −1
X1 Si AB 3 = B 3 A alors
a) X = , AP D3 P −1 = P D3 P −1 A
X2
BX = λX ⇔ X2 = λX1 etAX1 = λX2 ⇔ X2 = λX1 etAX1 = λ2 X1 . puis on obtient
Par conséquent λ est valeur propre de B si, et seulement si, λ2 est valeur propre M D3 = D3 M
de A.
b) Si A = On alors A est diagonalisable mais pas B. avec M = P −1 AP .
En effet, 0 est la seule valeur propre de B alors que B 6= On . Notons mi,j le coefficient général de M et λ1 , . . . , λn les coefficients diagonaux de
D.
La relation M D3 = D3 M donne
Exercice 114 : [énoncé] 2
∀(i, j) ∈ {1, . . . , n} , mi,j λ3j = mi,j λ3i
a) On vérifie
−1
In D In −D et donc
= 2
∀(i, j) ∈ {1, . . . , n} , mi,j = 0 ou λ3i = λ3j
On In On In

Comme la fonction x 7→ x3 est injective sur R, on obtient Exercice 118 : [énoncé]

a) clair, notamment il n’y a pas de problème sur le degré de ϕ(P ).
2
∀(i, j) ∈ {1, . . . , n} , mi,j = 0 ou λi = λj b) ϕ(X k ) = X k − k(X + 1)X k−1 = (1 − k)X k − kX k−1 . La matrice de ϕ dans la
base canonique de E est triangulaire supérieure. Les coefficients diagonaux sont
et donc alors les racines du polynôme caractéristique et ce sont donc les valeurs propres de
M D = DM ϕ à savoir 1, 0, −1, . . . , (1 − n). Ces n + 1 = dim E valeurs sont distinctes donc ϕ
puis est diagonalisable.
AB = BA

L’application f est clairement linéaire de R [X] vers lui-même. De plus, si
deg P 6 n, il est aisé d’observé que deg f (P ) 6 n. On peut donc conclure que f
On peut écrire
est un endomorphisme de Rn [X]. Pour tout k ∈ {0, . . . , n},
A = P DP −1 et B = Q∆Q−1
avec P, Q ∈ GLn (K) et D, ∆ ∈ Mn (K) diagonales. f (X k ) = k(k + 1)X k − k(k − 1)X k−2
Si Ap M Qq = On alors
ce qui permet de former la représentation matricielle souhaitée. On constate alors
D p N ∆q = O n
que la matrice de f est triangulaire de coefficients diagonaux
avec N = P −1 M Q = (ni,j ). 0, . . . , k(k + 1), . . . , n(n + 1) distincts. Il est alors aisé de calculer le polynôme
En notant λ1 , . . . , λn et µ1 , . . . , µn les coefficients diagonaux de D et ∆, on obtient caractéristique de f est de conclure que f est diagonalisable, de valeurs propres
0, . . . , k(k + 1), . . . , n(n + 1) et de sous-espaces propres de dimension 1.
2
∀(i, j) ∈ {1, . . . , n} , λqi ni,j µqj = 0
et donc Exercice 120 : [énoncé]

2
∀(i, j) ∈ {1, . . . , n} , λi ni,j µj = 0 a) Si deg P 6 n − 1, il est clair que ϕ(P ) ∈ E.
puis Si deg P = n après simplification des termes en X n+1 , on obtient que ϕ(P ) ∈ E.
DN ∆ = On La linéarité de ϕ est claire et donc on peut conclure que ϕ est un endomorphisme.
b) La matrice de ϕ dans la base canonique est tridiagonale et peu pratique.
ce qui permet de conclure. Formons plutôt la matrice de ϕ dans la base des (X − a)k
ϕ((X − a)k ) = k(X − a)k (X − b) − nX(X − a)k

donc
Puisque Im(u − IdE ) ∩ Im(u + IdE ) = {0E }, on a
ϕ((X − a)k ) = (k − n)(X − a)k+1 + (k(a − b) − na)(X − a)k
rg(u − IdE ) + rg(u + IdE ) 6 dim E et cette fois-ci la matrice de ϕ est triangulaire inférieure à coefficients
diagonaux distincts :
puis par la formule du rang
−nb, −(a + (n − 1)b), −(2a + (n − 2)b), . . . , −((n − 1)a + b), −na
dim ker(u − IdE ) + dim ker(u + IdE ) > dim E
qui sont les valeurs propres de ϕ. Puisque ϕ admet n + 1 valeurs propres
On en déduit que u est diagonalisable de valeurs propres possibles 1 et −1. distinctes et que dim E = n + 1, on peut conclure que ϕ est diagonalisable

Exercice 121 : [énoncé] Un tel endomorphisme f est entièrement déterminé par sa restriction de Imp vers
Si M appartient à l’hyperplan des matrices de trace nulle alors φ(M ) = M et ker p.
donc M ∈ E1 (φ). De plus un endomorphisme appartenant à ces deux dernières catégories est
Ainsi l’espace propre E1 (φ) est de dimension au moins égale à n2 − 1. nécessairement nul.
De plus, φ(In ) = (n + 1)In donc l’espace propre En+1 (φ) est de dimension au On en déduit
moins égale à 1. dim E1/2 (F) > 2 dim ker p × dim Imp
Puisque la somme des dimensions des sous-espaces propres est au moins égale à
n2 = dim Mn (R), l’endomorphisme φ est diagonalisable (et les inégalités Or
précédentes étaient des égalités).
(dim Imp)2 +2 dim ker p dim Imp+(dim ker p)2 = (dim Imp+dim ker p)2 = dim E 2 = dim L(E
donc F est diagonalisable avec

Exercice 122 : [énoncé] c) dim E1 (F) = (dim Imp)2 , dim E0 (F) = (dim ker p)2 et
a) Soit P un polynôme. P (F )(u) = P (f ) ◦ u donc P (f ) = 0 ⇔ P (F ) = 0. La dim E1/2 (F) = 2 dim ker p × dim Imp.
diagonalisabilité étant équivalente à l’existence d’un polynôme scindé à racines
simples, on peut conclure.
b) f et F ont le même polynôme minimal donc les mêmes valeurs propres.
c) Tout u ∈ L(E, Eλ (f )) ⊂ L(E) est élément de Eλ (F ) donc Exercice 124 : [énoncé]
dimPEλ (F ) > dim E × dim Eλ (f ).PMais par diagonalisabilité dim L(E)) = On écrit
dim Eλ (F ) > dim E × dim Eλ (f ) = dim E 2 = dim L(E) et donc on B = α(X − x0 ) . . . (X − xn )
λ∈Sp(F ) λ∈Sp(f )
a les égalités dim Eλ (F ) = dim E × dim Eλ (f ) pour tout λ ∈ Sp(f ). Si P ∈ Rn [X] est vecteur propre de Φ associé à la valeur propre λ alors
B | (A − λ)P . Pour des raisons de degré, B et A − λ ne peuvent être premiers
entre eux, ces polynômes ont donc une racine commune. Ainsi il existe
Exercice 123 : [énoncé] i ∈ {0, . . . , n} tel que λ = A(xi ). Inversement pour λ = A(xi ),
n
a) oui
Q
P = (X − xj ), Φ(P ) = λP avec P 6= 0. Ainsi SpΦ = {A(xi )/i ∈ [[0, n]]}.
b) Pour f ∈ L(E). j=0,j6=i
Si Imf ⊂ Imp et ker p ⊂ ker f alors F(f ) = f . Précisons le sous-espace propre associé à la valeur propre λ = A(xi ).
Un tel endomorphisme f est entièrement déterminé par sa restriction de Imp vers Quitte à réindexer, on peut supposer que λ = A(x0 ).
Imp. S’il existe d’autres xi tels que λ = A(xi ) on réindexe encore les x1 , . . . , xn de sorte
On en déduit que λ = A(x0 ) = . . . = A(xp ) et λ 6= A(xp+1 ), . . . , A(xn ). Ainsi x0 , . . . , xp sont
dim E1 (F) > (dim Imp)2 racines de A − λ alors que xp+1 , . . . , xn ne le sont pas.
Pour P ∈ Rn [X], on a Φ(P ) = λP si, et seulement si, B | (A − λ)P . Or
Si Imf ⊂ ker p et Imp ⊂ ker f alors F(f ) = 0. A − λ = (X − x0 ) . . . (X − xp )Ã avec xp+1 , . . . , xn non racines de Ã. Puisque
Un tel endomorphisme f est entièrement déterminé par sa restriction de ker p vers (X − xp+1 ) . . . (X − xn ) ∧ Ã = 1, B | (A − λ)P équivaut à
ker p. (X − xp+1 ) . . . (X − xn ) | P .
On en déduit Ainsi
dim E0 (F) > (dim ker p)2 Eλ (Φ) = {(X − xp+1 ) . . . (X − xn )Q/Q ∈ Rn−p [X]}
Si Imf ⊂ Imp et Imp ⊂ ker f alors F(f ) = 12 f . La somme des dimensions des sous-espaces propres étant égale à la dimension de
Un tel endomorphisme f est entièrement déterminé par sa restriction de ker p vers l’espace, Φ est diagonalisable.
Imp.
Si Imf ⊂ ker p et ker p ⊂ ker f alors F(f ) = 12 f .


L’application f est à valeurs dans Rn [X] car le reste R d’une division euclidienne Posons φ l’endomorphisme de L(E) étudié. On observe que φ3 = φ. Par
par B vérifie annulation d’un polynôme scindé simple, on peut affirmer que φ est diagonalisable
deg R < deg B 6 n de seules valeurs propres possibles 0, 1 et −1.
Soient λ1 , λ2 ∈ R et P1 , P2 ∈ Rn [X]. à la projection f , la matrice de cet
En introduisant unebase adaptée
On a Ir 0
endomorphisme est
AP1 = BQ1 + f (P1 ) et AP2 = BQ2 + f (P2 ) 0 0

A B
donc En notant la matrice de u dans cette base, on obtient :
C D
A(λ1 P1 + λ2 P2 ) = B(λ1 Q1 + λ2 Q2 ) + λ1 f (P1 ) + λ2 f (P2 ) φ(u) = 0 ⇔ B = 0 et C = 0.
avec φ(u) = u ⇔ A = 0, C = 0 et D = 0.
deg (λ1 f (P1 ) + λ2 f (P2 )) 6 max {deg f (P1 ), deg f (P2 )} < deg B φ(u) = −u ⇔ A = 0, B = 0 et D = 0.
Par unicité d’une division euclidienne, on peut affirmer
f (λ1 P1 + λ2 P2 ) = λ1 f (P1 ) + λ2 f (P2 )
Puisque les valeurs prises par f sont Rn−1 [X], l’endomorphisme f ne peut être Si b = 0 alors f = 0. Sinon, par la formule du double produit vectoriel
surjectif, ce n’est donc pas un isomorphisme. f (x) = (a | x)b − (a | b)x.
b) Soit λ ∈ R. Si f (P ) = λP alors c’est qu’il existe un polynôme Q tel que f (b) = 0 et pour tout x ∈ Vect(a)⊥ , f (x) = −(a | b)x.
Si (a | b) 6= 0 alors f est diagonalisable dans une base adaptée à
AP = BQ + λP
R3 = Vect(a)⊥ ⊕ Vect(b).
Cas λ = 0. Si (a | b) = 0 alors f (x) = (a | x)b et tout vecteur propre de f est soit colinéaire à
On a f (P ) = 0 si, et seulement si, le polynôme B divise le polynôme AP . Or A et b, soit orthogonal à a. Or b est orthogonal à a donc les vecteurs propres de f sont
B sont premiers entre eux, donc f (P ) = 0 si, et seulement si, B divise P . tous orthogonaux à a. Dans ce cas f est diagonalisable si, et seulement si, a = 0.
On en déduit que 0 est valeur propre de f et le sous-espace propre associé est
E0 (f ) = B.Vect(1, X, . . . , X n−deg B )
c’est-à-dire l’espace des multiples de B inclus dans Rn [X]. Supposons f diagonalisable et soit B = (e1 , . . . , en ) une base de vecteurs propres
Cas λ 6= 0. On obtient de f .
(A − λ)P = BQ Pour 1 6 i, j 6 n, on pose gi,j l’endomorphisme de E déterminé par
et donc B divise le polynôme (A − λ)P . Or deg P < deg B donc au moins une des
racines de B n’est pas racine de P et est donc racines deA − λ. Ainsi λ = A(xk ) gi,j (ek ) = δj,k ei
avec xk une des racines deB.
Inversement, soit xk une racine de B,λ = A(xk ) et La famille (gi,j ) est une base de L(E) et on observe
Y
Pk = (X − xj ) 6= 0 T (gi,j ) = (λi − λj )gi,j
j6=k
donc T est diagonalisable.
On a deg Pk < deg B et B | (A − A(xk ))Pk . On en déduit f (Pk ) = A(xk )Pk et
Supposons f nilpotente, c’est-à-dire qu’il existe n ∈ N? pour lequel f n = 0.
donc A(xk ) est valeur propre de f et Pk en est un vecteur propre associé.
Puisque T p (g) est combinaison linéaire de termes de la forme f k ◦ g ◦ f p−k , il est
c) La famille de Pk se comprend comme la famille d’interpolation de Lagrange en
assuré que T 2n = 0 et donc que T est nilpotente.
les xk , elle constitue donc une base de Rdeg B−1 [X]. Puisque ker f = E0 (f ) est un
supplémentaire de cet espace, l’endomorphisme est diagonalisable.

Exercice 129 : [énoncé] Dans la base ((E1,1 , . . . , En,1 ), (E1,2 , . . . , En,2 ), . . . , (E1,n , . . . , En,n )), la matrice de
a) On obtient   ϕ est diagonale par blocs avec des blocs diagonaux chacun égaux à U .
2 (1)
Mate f = 
 .. 
. 
(1) 2 (⇒) Supposons f et g commutent.
b) D’une part
f (e1 + · · · + en ) = (n + 1) (e1 + · · · + en )) ∀x ∈ ker(f − λ.Id), (f − λId)(g(x)) = g(f (x) − λx) = 0
et d’autre part, pour x = x1 e1 + · · · + xn en avec x1 + · · · + xn = 0 on a donc ker(f − λId) est stable par g.
(⇐) Supposons que chaque sous-espace propre soit stable par g.
f (x) = x Puisque E = ⊕ Eλ (f ), pour tout x ∈ E, on peut écrire x =
P
xλ avec
λ∈Sp(f ) λ∈Sp(f )
On en déduit que 1 et n + 1 sont valeurs propres de f et puisque la valeur propre xλ ∈ Eλ et alors
1 est associé à un hyperplan, il ne peut y avoir d’autres valeurs propres. X
(g ◦ f )(x) = λg(xλ ) = (f ◦ g)(x)
En résumé Spf = {1, n + 1} et
λ∈Sp(f )
E1 (f ) = {x/x1 + · · · + xn = 0} et En+1 (f ) = Vect(e1 + · · · + en ) donc f ◦ g = g ◦ f .
c) L’endomorphisme f est diagonalisable car
dim E1 (f ) + dim En+1 (f ) = n Exercice 132 : [énoncé]
Pour λ = |λ| eiα ∈ C avec α ∈ [0, 2π[, on pose
d) Par les valeurs propres √ p
det f = (n + 1) 6= 0 λ = |λ|eiα/2
et l’endomorphisme f est inversible. . . ce qui définit une notion de racine carrée sur les nombres complexes et nous
permettra de nous exprimer avec plus d’aisance. . .
a) Soit B = (e1 , . . . , en ) une base de vecteur propre de v. La matrice de v dans
cette base est de la forme
a) Soit λ une valeurpropre de ϕ.
Il existe v ∈ L(E)\ 0̃ tel que u ◦ v = λv.
 
λ1 (0)
Soit alors x ∈ E tel que v(x) 6= 0 (ce qui est possible puisque v 6= 0̃) D=
 .. 
. 
Puisque u (v(x)) = λv(x), on peut affirmer que λ est valeur propre de u.
Inversement soit λ une valeur propre de u et x 6= 0 un vecteur propre associé. (0) λn
Considérons v l’endomorphisme de E déterminé par Considérons l’endomorphisme u de E défini par
∀1 6 i 6 n, v(ei ) = x  √ 
λ1 (0)
L’endomorphisme v est bien déterminé puisqu’on a ici fixé l’image d’une base. MatB u = 
 .. =∆

.
Puisque a u ◦ v = λv (car cette égalité vaut pour les vecteurs d’une base), on √
(0) λn
obtient ϕ(v) = λv avec v 6= 0̃. Ainsi λ est aussi valeur propre de ϕ.
b et c) Sachant Ei,j Ek,` = δj,k Ei,` , On vérifie aisément que u2 = v.
n n b) Par les polynômes interpolateurs de Lagrange, on peut introduire un polynôme
P ∈ C [X] vérifiant
X X
U Ei,j = uk,` Ek,` Ei,j = uk,i Ek,j √
k,`=1 k=1 ∀λ ∈ Spu, P (λ) = λ

On observe alors   et  
P (λ1 ) (0) X X
P (D) = 
 .. =∆
 f (g(x)) = f  g(xλ ) = λg(xλ )
.
λ∈Sp(f ) λ∈Sp(f )
(0) P (λn )
donc f et g commutent.
et donc P (v) se confond avec l’endomorphisme u précédemment introduit. c) Considérons ϕ : L(E) →
Q
L(Eλ (f )) l’endomorphisme défini par ϕ(g) est
λ∈Sp(f )
le produit des restrictions aux Eλ (f ) de g. Cette application est bien définie en
vertu des stabilités évoquées en b). Cette application est clairement bijective car,
par diagonalisabilité de f , E = ⊕ Eλ (f ) et qu’on sait une application g est
Rappelons que tout endomorphisme d’un C-espace vectoriel possède au moins un λ∈Sp(f )
valeur propre. alors entièrement déterminée par ses restrictions aux Eλ (f ). Par isomorphisme
αλ2 .
P
1ère démarche : Soit λ une valeur propre de f . Eλ (f ) est stable par f et donc dim Cf =
possède un supplémentaire F stable par f . λ∈Sp(f )
Si F = {0E } alors f est diagonalisé. d) Ici dim Cf = n et les Id, f, . . . , f n−1 sont clairement éléments de Cf .
Sinon, la restriction de f à F possède au moins une valeur propre µ qui est bien Supposons λ0 Id + λ1 f + · · · + λn−1 f n−1 = 0. Posons
entendu valeur propre de f . L’espace Eλ (f ) ⊕ Eµ (f ) est stable par f et donc P = λ0 + λ1 X + · · · + λn−1 X n−1 . Ce polynôme est annulateur de f donc les
possède un supplémentaire G stable par f . valeurs propres de f en sont racines. Ce polynôme possède au moins n racines, or
Si G = {0E } alors f est diagonalisé. il est de degré strictement inférieur à n, donc il est nul et ainsi
Sinon, on itère le processus. λ0 = . . . = λn−1 = 0.
2ème démarche : Le sous-espace vectoriel F = ⊕ Eλ (f ) est stable par f , il Finalement (Id, f, . . . , f n−1 ) est une famille libre formé de n = dim Cf éléments de
λ∈Spf Cf , c’en est donc une base.
admet donc un supplémentaire stable G, si G 6= {0E } alors fG admet un vecteur
propre qui sera aussi vecteur propre de f donc élément de F . C’est contradictoire
donc G = {0E } puis
E = ⊕ Eλ (f ) Exercice 135 : [énoncé]
λ∈Spf a) Notons λ1 , . . . , λn les n valeurs propres distinctes de f et x1 , . . . , xn des
vecteurs propres associés. La famille (x1 , . . . , xn ) est base de E.
ce qui affirmer f diagonalisable.
Posons a = x1 + · · · + xn . Pour tout k ∈ {0, 1, . . . , n − 1},
f k (a) = λk1 x1 + · · · + λkn xn

a) ok Supposons α0 a + α1 f (a) + · · · + αn−1 f n−1 (a) = 0E . En exprimant cette relation
b) Supposons g ∈ Cf . Pour tout λ ∈ Sp(f ) et tout x ∈ Eλ (f ), en fonction des vecteurs de la famille libre (x1 , . . . , xn ), on parvient à
f (g(x)) = g(f (x)) = g(λx) = λg(x) donc g(x) ∈ Eλ (f ). Ainsi les sous-espaces P (λ1 ) = . . . = P (λn ) = 0 avec
propres sont stables par g.
P = α0 + α1 X + · · · + αn−1 X n−1
Inversement, supposons que chaqueP sous-espace propre soit stable par g. Pour
tout x ∈ E, on peut écrire x = xλ et on a
λ∈Sp(f ) Le polynôme P admet plus de racines que son degré donc P = 0 puis
α0 = . . . = αn−1 = 0.
Ainsi la famille (a, f (a), . . . , f n−1 (a)) est libre et finalement base de E.
 
X X
g(f (x)) = g  λxλ  = λg(xλ ) En fait, n’importe quel vecteur dont les coordonnées sont toutes non nulles dans
λ∈Sp(f ) λ∈Sp(f ) la base de vecteur propre est solution.

b) La matrice de f dans la base considérée est de la forme b) Par la règle de Sarrus, on calcule χΦ (λ) et on obtient
χΦ (2λ) = −4(2λ − (a + d))χA (λ)

 
0 0 α0
 . . .. 
 1
 . . 
 c) Posons ∆ égal au discriminant de χA .
 . .. 0 ..  Si ∆ > 0 alors χΦ possède trois racines réelles distinctes
 . 
0 1 αn−1 √ √
a + d, a + d + ∆ et a + d − ∆
avec
f n (a) = α0 a + α1 f (a) + · · · + αn−1 f n−1 (a) Si ∆ = 0 alors χΦ possède une racine réelle triple
a+d
Exercice 136 : [énoncé] Si ∆ < 0 alors χΦ possède une racine réelle et deux racines complexes non réelles.
a) ϕ(Ei,j ) = (λi − λj )Ei,j . La matrice de ϕ relative à la base canonique de Supposons Φ diagonalisable.
Mn (K) est diagonale. Le polynôme caractéristique de Φ est scindé sur R donc ∆ > 0.
b) Soit B une base de E dans laquelle l’endomorphisme f est représenté par une Si ∆ > 0 alors χA possède deux racines réelles distinctes et donc la matrice A est
matrice diagonale D. En introduisant l’image réciproque de la base canonique de diagonalisable.
Mn (K) par l’isomorphisme de représentation matricielle dans B, on obtient une Si ∆ = 0 alors Φ est diagonalisable et ne possède qu’une seule valeur propre
base de L(E) dans laquelle φ est représenté par une matrice diagonale. λ = a + d donc l’endomorphisme Φ est une homothétie vectorielle de rapport égal
à cette valeur propre. On obtient matriciellement
   
Exercice 137 : [énoncé] 2a 0 2b a+d 0 0
Les endomorphismes recherchés sont les endomorphismes diagonalisables.
 0 2d 2c  =  0 a+d 0 
En effet, si f est diagonalisable et si F est un sous-espace vectoriel stable par f c b a+d 0 0 a+d
alors puisque fF est diagonalisable, il existe une base de F formée de vecteurs
On en déduit
propres de f . En complétant cette base à l’aide de vecteur bien choisis dans une

a b a 0
base diagonalisant f , les vecteurs complétant engendrent un supplémentaire de F A= =
c d 0 a
stable par f .
Inversement, si f ∈ L(E) vérifie la propriété proposée alors le sous-espace vectoriel et donc la matrice A est diagonalisable.
F = ⊕ Eλ (f ) étant stable par f , celui-ci admet un supplémentaire stable. Or f d) Supposons A diagonalisable
λ∈Spf Le polynôme caractéristique de A est scindé sur R donc ∆ > 0.
ne possède pas de vecteurs propres sur ce dernier et celui ne peut donc qu’être {0} Si ∆ > 0 alors Φ est diagonalisable car possède 3 valeurs propres réelles distinctes.
car ici le corps de base est C. Par suite F = E et donc f est diagonalisable. Si ∆ = 0 alors A possède une seule valeur propre et étant diagonalisable, c’est une
matrice scalaire
a 0
A=
Exercice 138 : [énoncé] 0 a
On vérifie aisément que Φ est endomorphisme de S2 (R). et alors la matrice de Φ est diagonale
a) En choisissant la base de S2 (R) formée des matrices E1,1 , E2,2 et E1,2 + E2,1 ,  
on obtient la matrice de Φ suivante 2a 0 0
   0 2a 0 
2a 0 2b 0 0 2a
 0 2d 2c 
c b a+d


a) Un endomorphisme non nul vérifiant f 2 = 0 avec f 6= 0 convient. C’est le cas a) α = trA = 2 cos θ et β = − det A = − cos 2θ conviennent.
d’un endomorphisme représenté par la matrice b) Les racines de X 2 − 2 cos θX + cos 2θ sont cos θ + sin θ et cos θ − sin θ.
Réalisons la division euclidienne X n par X 2 − 2 cos θX + cos 2θ.
0 1
0 0 X n = X 2 − 2 cos θX + cos 2θ Q(X) + R(X)

b) Soit (e1 , . . . , en ) une base de vecteurs propres de f . La matrice de f dans cette

avec deg R < 2,
base est de la forme
R(cos θ + sin θ) = (cos θ + sin θ)n
 
λ1 (0)
 .. 
et
 . 
(0) λn R(cos θ − sin θ) = (cos θ − sin θ)n
et alors les espaces On obtient
ker f = Vect {ei /λi = 0} et Imf = Vect {ei /λi 6= 0} (cos θ + sin θ)n − (cos θ − sin θ)n
R= (X − cos θ − sin θ) + (cos θ + sin θ)n
2 sin θ
sont évidemment supplémentaires (puisque associés à des regroupements de
vecteurs d’une base). et donc
c) On vérifie ker f k ⊂ ker f k+1 . La suite des dimensions des noyaux des f k est
(cos θ + sin θ)n − (cos θ − sin θ)n
croissante et majorée par n. Elle est donc stationnaire et il existe k ∈ N tel que An = (A − (cos θ + sin θ)I2 ) + (cos θ + sin θ)n In
2 sin θ
∀` > k, dim ker f `+1 = dim ker f `
Par inclusion et égalité des dimensions Exercice 142 : [énoncé]
∀` > k, ker f `+1
= ker f ` a) sp(A) = {1, 3, −4}.
b) Il existe une matrice P inversible tel que A = P DP −1 avec D = diag(1, 3, −4).
En particulier ker f 2k = ker f k . On peut alors établir Imf k ∩ ker f k = {0E } et par Si M ∈ Mn (C) est solution de l’équation M 2 = A alors (P −1 M P )2 = D et donc
la formule du rang on obtient la supplémentarité P −1 M P commute avec la matrice D. Or celle-ci est diagonale à coefficient
Im(f k ) ⊕ ker(f k ) = E diagonaux distincts donc P −1 M P est diagonale de coefficients diagonaux a, b, c
vérifiant a2 = 1, b2 = 3 et c2 = −4. La réciproque est immédiate. Il y a 8 solutions
L’endomorphisme f k n’est pas nécessairement diagonalisable. Pour s’en possibles pour (a, b, c) et donc autant de solutions pour M . Les solutions réelles
convaincre il suffit de choisir pour f un automorphisme non diagonalisable. sont a fortiori des solutions complexes or toutes les solutions complexes vérifient
d) Le résultat n’est plus vrai en dimension infinie comme le montre l’étude de trM = a + b + c ∈ C\R. Il n’existe donc pas de solutions réelles.
l’endomorphisme de dérivation dans l’espace des polynômes.

A est diagonalisable avec SpA = {1, 4}. a) det(A − λI) = (λ − 2)(λ − 6).
(
Pour Pn un polynôme vérifiant Pn (1) = 1n et Pn (4) = 4n , on a An = P (A). 5x + 3y = 2x 1
⇔ x + y = 0 et est vecteur propre associé à la valeur
x + 3y = 2y −1
4n − 1n
Pn = 1n + (X − 1) propre 2.
3 (
5x + 3y = 6x 3
convient et donc ⇔ −x + 3y = 0 et est vecteur propre associé à la valeur
4n − 1 4 − 4n x + 3y = 6y 1
An = A+ I3
3 3 propre 6.

On a A = P DP −1 avec Exercice 145 : [énoncé]

1 3

2 0
La colonne t 1 1 1 est vecteur propre associé à la valeur propre 6.
P = et D = Les deux matrices ont le même polynôme caractéristique et celui-ci a pour racines
−1 1 0 6
√ √
b) Si M est solution alors P −1 M P est solution de l’équation X 2 + X = D donc −3 + i 3 −3 − i 3
6, et
P −1 M P et D commutent or D est diagonale à coefficients diagonaux distincts 2 2
donc P −1 M P est diagonale Ces deux matrices sont semblables à
c) Les coefficients diagonaux a, b vérifient a2 + a = 2 et b2 + b = 6 donc a = 1 ou √ √
a = −2 et b = 2 ou b = −3. Au termes des calculs on obtient les solutions −3 + i 3 −3 − i 3
diag 6, ,
2 2
1 7 3 −2 −3 1 3 1 −11 −3
, , ,
4 1 5 −1 0 1 −1 4 −1 −9 et donc a fortiori semblables entre elles dans Mn (C), mais aussi, et c’est assez
classique, dans Mn (R).
a) En développant selon la dernière ligne Exercice 146 : [énoncé]
−λ 1 0 ··· 0 ϕ(I2 ) = 1 donc si P est inversible alors ϕ(P −1 ) = ϕ(P )−1 . Par suite, si A et B
..
.
.. sont semblables ϕ(A)
alors = ϕ(B).
0 −λ 1 .

µ 0 1 0 1 0
.. .. .. .. Puisque et sont semblables, ϕ = µ puis
det(J − λ.In ) = . . . . 0 = (−1)n+1 + (−λ)n = (−1)n (λn − 1)
0 1 0 µ 0 µ
.. .. λ 0
0 . . 1 ϕ = λµ. Ainsi pour A diagonale, ϕ(A) = det A et plus généralement
0 µ
1 0 ··· 0 −λ cela vaut encore pour A diagonalisable. Si A est une matrice deM2 (C), non
λ α
J possède exactement n valeurs propres qui sont les racines n ème de l’unité diagonalisable, celle-ci est semblable à une matrice de la forme .
2ikπ 0 λ
ω0 , ..., ωn−1 avec ωk = e n .
b) Soit P ∈ GLn (C) la matrice de passage telle que J = P DP −1 avec Si λ = 0 alors A2 = 0 et donc ϕ(A)
= 0 = det A.
D = diag(ω0 , ..., ωn−1 ). λ α 1 0 λ α λ α
Si λ 6= 0 alors puisque = et que est
  0 λ 0 2 0 2λ 0 2λ
a0 a1 ··· an−1 diagonalisable, on obtient 2ϕ(A) = 2λ2 = 2 det A et on peut conclure.
.. 
 an−1 . . . ..

. . 
 = a0 I + a1 J + a2 J 2 + · · · + an−1 J n−1
A= . 
 .. .. .. 
. . a1  Exercice 147 : [énoncé]
a1 · · · an−1 a0 a) C’est du cours.
b) On charge le package permettant les manipulations linéaires puis on définit la
donc matrice
n−1
X with(linalg):
P −1 AP = a0 I + a1 D + a2 D2 + · · · + an−1 Dn−1 = diag(( ak ωik )06i6n−1 A:=matrix(4, 4, [20, 12, -4, 12, -4, -3, 9, -5, -4, 1, 5, -5, -8,
k=0 -10, 6, -2]);
puis On recherche les éléments propres de cette matrice
n−1
Y n−1
X eigenvects(A);
det A = det(P −1 AP ) = ak ωik On peut conclure que A est diagonalisable semblables à diag(8, 4, 12, −4) et
i=0 k=0 concrétiser cette diagonalisation

P:=concat(vector([-2, 3/2, 3/2, 1]), vector([-2, 1, 1, 2]), evalm(P&*diag(2*sqrt(2), 2, 2*sqrt(3), 2*I)&*inverse(P));

vector([-4, 1, 1, 2]), vector([-1, 1, 0, 1])); La somme des solutions est nulle et le produit des solutions vaut A8 .
evalm(inverse(P)&*A&*P); Dans le second cas, on obtient une infinité de solution de la forme
On peut faire la même étude avec la deuxième matrice  
B:=matrix(4, 4, [-12, -16, -8, -4, 4, 13, 1, -1, 4, 5, 9, -1, 8, 10, 2iε1 √ (0)
2, 6]); Q 2 2S  Q−1
eigenvects(B); (0) 2ε2
Q:=concat(vector([-4, 1, 1, 2]), vector([1, 0, -3, 1]), vector([0,
1, -3, 2]), vector([-2, 1, 1, 2])); avec εi = ±1 et S ∈ M2 (C) vérifiant S 2 = I2 .
evalm(inverse(Q)&*B&*Q); Une solution particulière est obtenue par
et on observe que la deuxième matrice est semblable à diag(−4, 8, 8, 4). evalm(Q&*diag(2*I, 2*sqrt(2), 2*sqrt(2), 2)&*inverse(Q));
Puisque dans les deux cas la matrice A est diagonalisable, les matrices commutant
avec A sont celles laissant stables les sous-espaces propres de A.
Dans le premier cas, les matrices commutant avec A sont de la forme P DP −1 Exercice 148 : [énoncé]
avec D matrice diagonale et P la matrice de passage définie dans le code Maple a) Pour tout élément A ∈ G, on a A−1 = A. On en déduit que pour tout A, B ∈ G,
précédent..
L’ensemble de ces matrices est une sous-algèbre de dimension 4 de M4 (K). AB = (AB)−1 = B −1 A−1 = BA
Dans le deuxième cas, les matrices commutant avec A sont de la forme Q∆Q−1 b) Montrons le résultat par récurrence forte sur n > 1.
avec ∆ diagonale par blocs de la forme suivante Pour n = 1, la propriété est immédiate.

a 0 0 0
 Supposons le résultat vrai jusqu’au rang n − 1 > 1.
 0 b c 0  Soit G un sous-groupe de GLn (R) vérifiant la propriété de l’énoncé.
∆=  0 d e 0 
 S’il n’existe pas d’autre élément dans G que In et −In , la propriété est acquise.
0 0 0 f Sinon, il existe un élément A ∈ G autre que In et −In . Puisque A2 = In , on a
et Q la matrice de passage définie dans le code Maple précédent ker(A − In ) ⊕ ker(A + In ) = Rn

L’ensemble de ces matrices est une sous-algèbre de dimension 6 de M4 (K).
c) Dans les deux cas, si X est solution de l’équation X 2 = A alors X commute Il existe donc une matrice inversible P vérifiant
avec A et la droite vectorielle sous-espace propre associée à la valeur propre

Ir Or,n−r
strictement négative de A est stable par X (aussi l’argument det A < 0 permet P −1 AP =
On−r,r −In−r
d’affirmer l’incompatibilité de l’équation X 2 = A dans M4 (R)).
Dans M4 (C), les solutions de l’équation X 2 = A sont à rechercher parmi les Soit M un autre élément de G. Puisque A et M commutent, les sous-espaces
matrices commutant avec A et sont donc de la forme P DP −1 (ou Q∆Q−1 ) avec propres de A sont stables par M et on peut donc écrire
D (ou ∆) de carré convenable.
M0

Dans le premier cas, on obtient 16 solutions de la forme −1 Or,n−r
P MP =
 √  On−r,r M 00
2 2ε1 (0)
2ε2  −1 Sachant M 2 = In , on a M 02 = Ir et M 002 = In−r de sorte que les ensembles G0 et
√

P P
G00 formés des matrices M 0 et M 00 ainsi obtenues sont des sous-groupes de
 2 3ε3 
(0) 2iε4 respectivement (GLr (R), ×) et (GLn−r (R), ×). Par hypothèse de récurrence, il
existe P 0 et P 00 inversibles telles que
avec εi = ±1.
Une solution particulière est obtenue par ∀M 0 ∈ G0 , P 0−1 M 0 P 0 ∈ Dr (K) et ∀M 00 ∈ G00 , P 00−1 M 00 P 00 ∈ Dn−r (K)

et en posant alors Le polynôme R peut s’écrire
P0

Or,n−r R(X) = a(X − 1)(X − 3) + b(X − 3) + c
Q= P ∈ GLn (R)
On−r,r P 00
et l’évaluation de la relation division euclidienne en −2, 1 et 3 donne
on a
−1
∀M ∈ G, Q M Q ∈ Dn (K)  n
 15a − 5b + c = (−2)

Récurrence établie. 2b + c = 1
c) Les matrices appartenant à G sont semblables, via une même matrice de
c = 3n


passage, à des matrices diagonales dont les coefficients diagonaux ne peuvent
qu’être 1 et −1. Il n’existe que 2n matrices de ce type dans Mn (R), on en déduit puis
3n+1 − (−2)n+1 − 5

n
CardG 6 2 
 a =
30



d) Soit ϕ un isomorphisme de (GLn (R), ×) vers (GLm (R), ×). 3n − 1
b=
2

Considérons l’ensemble G formé des matrices diagonales M de Mn (R) vérifiant 


M 2 = In . G est un sous-groupe de (GLn (R), ×) de cardinal exactement 2n . c = 3n

Puisque pour tout M ∈ G,
et enfin
2 2
ϕ(M ) = ϕ(M ) = ϕ(In ) = Im 3n+1 − (−2)n+1 − 5 2 3n+1 + (−2)n+3 + 5 3n − (−2)n − 5
R(X) = X + X +−
l’ensemble ϕ(G) est un sous-groupe de (GLm (R), ×) vérifiant 30 30 5
En évaluant la relation de division euclidienne en A, on obtient
∀M 0 ∈ ϕ(G), M 02 = Im
3n+1 − (−2)n+1 − 5 2 3n+1 + (−2)n+3 + 5 −3n + (−2)n + 5
Par l’étude qui précède, on peut affirmer An = R(A) = A + A+ I3
30 30 5
Cardϕ(G) 6 2m
b) En vertu de ce qui précède
et puisque
chA = αA2 + βA + γI3
Cardϕ(G) = CardG = 2n
on en déduit n 6 m. avec !
+∞ +∞ +∞
Un raisonnement symétrique donne m > n et permet de conclure. 1 X 32n X 22n X 1
α= 3 +2 −5
30 n=0
(2n!) n=0
(2n)! n=0
(2n)!
Exercice 149 : [énoncé] et donc

a) Puisque de taille 3 avec 3 valeurs propres distinctes, la matrice A est 3ch3 + 2ch2 − 5ch1
α=
diagonalisable et son polynôme minimal est 30
De même, on obtient
ΠA = (X + 2)(X − 1)(X − 3)
3ch3 − 8ch2 + 5ch1 5ch1 + ch2 − ch3
La division euclidienne de X n par ΠA s’écrit β= et γ =
30 5
X n = ΠA Q + R avec deg R < 3

Exercice 150 : [énoncé] Si θ = π − kθ [2π] alors cos θ + cos kθ = 0 et le système initial n’est pas vérifié.
a) Puisque f possède n valeurs propres en dimension n, il est diagonalisable et ses Si θ = −kθ [2π] alors
valeurs propres sont simples. Les sous-espaces propres de f sont donc de
dimension 1. cos θ + cos kθ = 1 ⇔ cos θ = 1/2
b) g ◦ f = g 3 = f ◦ g.
Puisque f et g commutent, les sous-espaces propres de f sont stables par g. ce qui donne θ = π/3 [2π] ou θ = −π/3 [2π].
Si x est vecteur propre de f associé à la valeur propre λ alors g(x) appartient au Cas θ = π/3 [2π]
même sous-espace propre et puisque celui-ci est une droite et que x est non nul, On obtient (
g(x) est colinéaire à x. Ainsi x est vecteur propre de g. θ = π/3 + 2pπ
c) Notons λ1 , . . . , λn les valeurs propres de f et considérons une base de vecteurs (k + 1)θ = 2qπ
propres de f dans laquelle la matrice de f est
avec p, q ∈ Z.
D = diag(λ1 , . . . , λn ) On a alors
(6p + 1)(k + 1) = 6`
Un endomorphisme g de E vérifiant g 2 = f a une matrice diagonale dans la base
de vecteurs propres de f précédente. Puisque 6` ∧ (6p + 1) = 1, le théorème de Gauss donne 6 | (k + 1).
Résoudre l’équation g 2 = f revient alors à résoudre l’équation ∆2 = D avec ∆ la Inversement, si 6 | (k + 1) alors on peut écrire k + 1 = 6` et pour θ = π/3
matrice diagonale
eiπ/3 + ei(6`−1)π/3 = eiπ/3 + e−iπ/3 = 1
∆ = diag(α1 , . . . , αn )
L’équation ∆2 = D équivaut à donc l’équation étudiée admet au moins une solution.
Cas θ = −π/3 [2π]
∀1 6 i 6 n, αi2 = λi Une étude semblable conduit à la même condition.
Finalement, l’équation étudiée possède une solution réelle si, et seulement si,
Si les λi ne sont pas tous positifs ou nuls, il n’y a pas de solutions.
Si les λi sont tous positifs ou nuls alors les solutions de l’équation g 2 = f sont les 6 | (k + 1)
endomorphismes représentés dans la base de vecteurs propres de f par les matrices
p p b) Supposons que 6 divise k + 1. Pour θ = π/3 on a
diag(± λ1 , . . . , ± λn )
eiθ + eikθ = 1
Si aucune des valeurs propres n’est nulle, il y a 2n solutions et si l’une d’elle est
nulle, il y a 2n−1 solutions. donc en multipliant par e−ikθ
e−ikθ = 1 + e−i(k−1)θ
Supposons que l’équation étudiée admet une solution θ. La suite v de terme général vn = e−inθ vérifie alors
En passant aux parties réelle et imaginaire on obtient
( ∀n ∈ N, vn+k = vn + vn+k−1
cos θ + cos kθ = 1
et donc la suite u = Rev est un élément non nul de Sk . Puisque
sin θ + sin kθ = 0
nπ
La deuxième équation donne un = cos
3
θ = −kθ [2π] ou θ = π − kθ [2π] la suite u est périodique et non nulle.

Inversement, montrons qu’il est nécessaire que 6 divise k + 1 pour qu’il existe une propres de T . Ainsi 1 est valeur propre de T q si, et seulement si, il existe λ ∈ C tel
suite périodique non nulle dans Sk . On vérifie aisément que Sk est un R-espace que
vectoriel de dimension k dont une base est formée par les suites e0 , e1 , . . . , ek−1 λk − λk−1 − 1 = 0 et λq = 1
déterminées par
Un tel nombre complexe peut s’écrire λ = e−iθ et l’on parvient alors à l’existence
∀0 6 n 6 k − 1, ej (n) = δn,j et ∀n ∈ N, ej (n + k) = ej (n) + ej (n + k − 1) d’une solution à l’équation
eiθ + eikθ = 1
Considérons l’endomorphisme T : (un ) 7→ (un+1 ) opérant sur RN . et donc à la condition 6 | (k + 1).
On vérifie aisément que T laisse stable Sk ce qui permet d’introduire
l’endomorphisme induit par T sur Sk que nous noterons encore T . Affirmer
l’existence d’une suite périodique non nulle dans Sk signifie que 1 est valeur
propre d’une puissance T q de T . Exercice 152 : [énoncé]
La matrice de T dans la base (e0 , . . . , ek−1 ) est Introduisons la colonne Xn = t un vn wn et la matrice
 

0 ··· ··· 0 0
 −1 1 1
.. ..  A= 1 −1 1 
 1 ...

 . .  1 1 −1

 0 . .. . . . ... 0 
de sorte qu’on ait Xn+1 = AXn et donc Xn = An X0 .

 
 . .
 .. .. ... 0 1  Après réduction, on a A = P DP −1 avec

0 ··· 0 1 1    
1 0 0 1 1 1
car T (ek−1 ) = ek−1 + e0 . Le polynôme caractéristique de T est D =  0 −2 0  , P =  1 −1 0 
0 0 −2 1 0 −1
−X 0 ··· 0 0
.. .. .. On a alors An = P Dn P −1 puis
1 −X . . .
χT (X) = 0
..
.
..
. 0 0 Xn = P Dn P −1 X0
.. ..
. . 1 −X 1 La suite (Xn ) converge si, et seulement si, la suite (P −1 Xn ) converge. Or
0 ··· 0 1 1−X
P −1 Xn = Dn P −1 X0
Par l’opération L1 ← L1 + XL2 + X 2 L3 + · · · + X k−1 Lk , on obtient
converge si, et seulement si, les deux dernières coefficients de la colonne P −1 X0
χT (X) = (−1)k X k − X k−1 − 1 sont nuls ce qui donne X0 de la forme

   
Les valeurs propres complexes de T sont alors les racines du polynôme λ λ
X0 = P  0  =  λ
   
X k − X k−1 − 1
0 λ
On vérifie que ce polynôme et son polynôme dérivé n’ont pas de racines en
Finalement, les suites (un )n>0 , (vn )n>0 et (wn )n>0 convergent si, et seulement si,
commun ; on en déduit que T admet exactement k valeurs propres complexes
u0 = v0 = w0 (et ces suites sont alors en fait constantes. . . )
distinctes. L’endomorphisme T est diagonalisable dans le cadre complexe, il en est
de même de T q dont les valeurs propres sont alors les puissances qème des valeurs

Exercice 153 : [énoncé] Il y a alors quatre situations possibles :

Il est bien connu que les polynômes en f commutent avec f . Cas λ = 0 et µ = 1
Inversement, soit g un endomorphisme commutant avec f . On a M (M − I2 ) = O2 donc M 2 − M = O2 . Combinée à la relation M 2 + M = A,
Notons λ1 , . . . , λn les valeurs propres deux à deux distinctes de f et e1 , . . . , en des on obtient
vecteurs propres associés. La famille (e1 , . . . , en ) est une base de E diagonalisant 1
M= A
f et les sous-espaces propres de f sont de dimension 1. Puisque f et g commutent, 2
ses sous-espaces propres de f sont stables par g et donc, pour tout k ∈ {1, . . . , n}, Cas λ = 0 et µ = −2
il existe µk tel que g(ek ) = µk ek . Considérons alors un polynôme interpolateur P Un raisonnement analogue donne
vérifiant M = −A
∀k ∈ {1, . . . , n} , P (λk ) = µk
Cas λ = −1
On a pour tout k ∈ {1, . . . , n},
On obtient
1
P (f )(ek ) = P (λk )(ek ) = µk ek = g(ek ) M = A − I2 et M = −I2 − A
2
Puisque les applications linéaires P (f ) et g sont égales sur une base, on peut Inversement, on vérifie par le calcul que ces matrices sont solutions.
conclure
P (f ) = g
Soient λ ∈ Sp(u) et x ∈ Eλ (u) non nul. On a
Exercice 154 : [énoncé] v 3 (x) = u3 (x) = λ3 x
Posons
1 1 Or v est diagonalisable donc, en notant µ1 , . . . , µp les valeurs propres de v, on a la
A=
1 1 décomposition en somme directe
On obtient aisément SpA = {0, 2} p
E = ⊕ Eµj (v)
a) Soit M une matrice solution de l’équation M 2 + M = A. j=1
Si λ est valeur propre de M alors λ2 + λ est valeur propre de A et donc p
xj avec xj ∈ Eµj (u). L’égalité v 3 (x) = λ3 x donne
P
2 2
On peut alors écrire x =
λ + λ = 0 ou λ + λ = 2 j=1
p p
On en déduit X X
λ ∈ {0, −1, 1, −2} µ3j xj = λ 3 xj
j=1 j=1
b) Posons
Les espaces Eµj (v) étant en somme directe, on peut identifier les termes de ces
P (X) = X(X + 1)(X − 1)(X + 2) = (X 2 + X)(X 2 + X − 2) sommes
µ3j xj = λ3 xj
On a
P (M ) = A(A − 2I2 ) = O2 Si xj 6= 0E , on obtient µj = λ et donc µj xj = λxj .
Si xj = 0E , l’identité µj xj = λxj reste vraie.
Puisque M annule un polynôme scindé à racines simple, la matrice M est On en déduit
diagonalisable. v(x) = λx = u(x)
Notons λ et µ ses deux valeurs propres. Puisque λ2 + λ et µ2 + µ correspondent
aux deux valeurs propres de A, on a, quitte à échanger λ et µ : Ainsi les endomorphismes v et u coïncident sur Eλ (u). Or, l’endomorphisme u
étant diagonalisable, E est la somme des sous-espaces propres de u. Les
λ ∈ {0, −1} et µ ∈ {1, −2} endomorphismes v et u coïncident donc sur E.

Exercice 156 : [énoncé] et donc Aq est semblable à

λq1
 
Posons T = M 2 . Il est clair que T et M commutent et l’étude de cette ?
commutation peut, par le calcul, permettre de conclure que M est triangulaire  .. 
 . 
supérieure. On peut aussi proposer une démonstration plus abstraite que voici :
0 λqn
Les coefficients diagonaux λ1 , . . . , λn de T déterminent ses valeurs propres et la
matrice T est donc diagonalisable. On peut donc écrire T = P DP −1 avec P Ainsi le polynôme caractéristique de Aq est celui voulu avec Aq ∈ Mn (Z).
inversible et
D = diag(λ1 , . . . , λn )
Puisque M est T commutent, les matrices N = P −1 M P et D commutent. Or les Exercice 160 : [énoncé]
matrices commutant avec une matrice diagonale à coefficients diagonaux distincts A
 est semblable 
à une matrice triangulaire supérieure de la forme
sont elles-mêmes diagonales. La matrice N est donc diagonale λ1 ?
 .. .

N = diag(µ1 , . . . , µn )  .
0 λn
En considérant un polynôme d’interpolation Q ∈ R [X] vérifiant
exp(A) est alors semblable 
à une matrice de la forme
?0

∀1 6 k 6 n, Q(λk ) = µk exp(λ1 )
 .. .

on obtient N = Q(D) puis M = Q(T ). En particulier, la matrice M est  .
triangulaire supérieure. 0 exp(λn )
Cela suffit pour conclure.

Son polynôme caractéristique est scindé.
Puisque le polynôme χA est scindé, la matrice A est trigonalisable. Plus
Exercice 158 : [énoncé] précisément, la matrice A est semblable à une matrice de la forme
a) A est annule le polynôme χA qui est scindé donc A est trigonalisable.  
b) Soit T une matrice triangulaire semblable à A. Les coefficients diagonaux de T λ1 ?
sont les valeurs propres de A comptées avec multiplicité. Cependant Ak est  .. 
.
semblables à T k donc les valeurs propres de Ak sont les coefficients diagonaux de
 
(0) λn
T k or ceux-ci sont les puissances d’ordre k des coefficients diagonaux de T
c’est-à-dire des valeurs propres de A.
La matrice P (A) est alors semblable à
 
Exercice 159 : [énoncé] P (λ1 ) ?
Il est entendu, qu’ici, le polynôme caractéristique d’une matrice carrée A est  .. 
 . 
définie par (0) P (λn )
χA = det(XId − A)
La matrice A est semblable à une matrice triangulaire de la forme et donc
n
Y
χP (A) = (−1)n (X − P (λk ))
 
λ1 ?
 ..  k=1
 . 
0 λn

Exercice 162 : [énoncé] et puisque        

a) χA (X) = −(X + 1)(X −1)2 . 0 0 0 0
b) E−1 = Vectt 1 1 2 , E1 = Vectt 1 0 1 . A  0 =  −1 =  0 +  −1
       
La matrice A n’est pas diagonalisable mais on peut la rendre semblable à la
1 2 1 1
matrice
 
−1 0 0 on a A = P T P −1 avec
T =  0 1 1 .    
0 0 1 1 0 0 1 0 0

On prend C1 = t 1 1 2 , C2 = t 1 0 1 .
T = 0 1 1  et P =  0 −1 0 
t
0 0 1 0 1 1
 C3 tel queAC3 = C3 + C2 . C3 =
On détermine 0 −1 0 convient.
1 1 0
Pour P =  1 0 −1 , on a P −1 AP = T . Exercice 165 : [énoncé]
2 1 0 Notons A la matrice étudiée. χA = −(X − 9)3 donc χA est scindé et par
conséquent A est trigonalisable.
t
dim E9 (A) = 1 et X1 = 2 2 −1 est vecteur propre.
Exercice 163 : [énoncé] t

X2 = −7 −8 3 vérifie AX2 = 9X2 + 3X1 et X3 = t −5 5 9 vérifie
a) χA (X) = −(X − 1)3 . AX3 = 9X3 + 9X2 .
b) E1 = Vectt 1 0 1 . Ainsi pour
La matrice A n’est pas diagonalisable mais on peut la rendre semblable à la
 
2 −7 −5
matrice   P =  2 −8 5 
1 1 0 −1 3 9
T = 0 1 1 
0 0 1 on obtient  
9 3 0
P −1 AP =  0

On prend C1 = t 1 0 1 . 9 9 
0 0 9

On détermine C2 tel que AC2 = C2 + C1 . C2 = t 0 1 0 convient.
On détermine C3 tel que AC3 = C3 + C2 . C3 = t 0 −1 1 convient.
Pour
 
1 0 0
P =  0 1 −1  a) Commençons
par quelques cas particuliers.

1 0 1 λ 0
Si A = alors A ∈ K [B] en s’appuyant sur un polynôme constant.
on a P −1 AP = T . 0 λ
λ1 0
Si A = avec λ1 6= λ2 alors les matrices qui commutent avec A sont
0 λ2
α1 0
Exercice 164 : [énoncé] diagonales donc B est de la forme . En considérant P = aX + b tel
0 α2
Le polynôme caractéristique χA (X) = −(X − 1)3 est scindé donc A est et P (λ2 ) = α2 , on a B = P (A) ∈ K [A].
que P (λ1 ) = α1
trigonalisable. λ µ
On a Si A = avec µ 6= 0, une étude de commutativité par coefficients
    0 λ
1 0
α β

E1 (A) = Vect  0 ,  −1
    inconnus donne B = . Pour P = βµ X + γ avec βλµ + γ = α, on a
0 α
0 1 B = P (A) ∈ K [A].

Enfin, dans le cas général, A est semblable à l’un des trois cas précédent via une Raisonnons pour cela par récurrence sur p > 1.
matrice P ∈ GL2 (K). La matrice B 0 = P −1 BP commute alors avec A0 = P −1 AP Pour p = 1, la propriété est immédiate.
donc B 0 est polynôme en A0 et par le même polynôme B est polynôme en A. Supposons la propriété vraie au rang p > 1.
b) On imagine que non, reste à trouver un contre-exemple. Soient α1 , . . . , αp+1 ∈ C? et λ1 , . . . , λp+1 ∈ C deux à deux distincts tels que
Par la recette dite des « tâtonnements successifs »ou saisi d’une inspiration
venue d’en haut, on peut proposer p+1
X
αj λm
j −−−−−→ 0 (1)
m→+∞
   
1 1 0 1 0 0 j=1
A =  0 1 0  et B =  0 1 0 
0 0 1 0 1 1 Par décalage d’indice, on a aussi
On vérifie que A et B commutent et ne sont ni l’un ni l’autre polynôme en l’autre p+1
X
car tout polynôme en une matrice triangulaire supérieure est une matrice αj λm+1
j −−−−−→ 0 (2)
m→+∞
triangulaire supérieure. j=1
λp+1 × (1) − (2) donne

a) u admet une valeur propre λ et le sous-espace propre associé est stable par v. p
X
Cela assure que u et v ont un vecteur propre en commun e1 . On complète celui-ci αj (λp+1 − λj )λm
j −−−−−→ 0
m→+∞
en une base(e1 , e2 , . .. , en ). Lesmatrices
de u et v dans cette base sont de la j=1
λ ? µ ?
forme A = et B = . Considérons les endomorphismes u0 et qui se comprend encore
0 A0 0 B0 p
v 0 de E 0 = Vect(e2 , . . . , en ) représentés par A0 et B 0 dans (e2 , . . . , en ). AB = BA X
βj λ m
j −−−−−→ 0
donne A0 B 0 = B 0 A0 et donc [u0 , v 0 ] = 0. Cela permet d’itérer la méthode jusqu’à j=1
m→+∞
obtention d’une base de cotrigonalisation.

b) Par récurrence, on vérifie uk , v = kλuk . L’endomorphisme w 7→ [w, v] de avec les β1 , . . . , βp non nuls.
L(E) ne peut avoir une infinité de valeurs propres donc il existe k ∈ N? tel que Par hypothèse de récurrence, on a alors ∀1 6 j 6 p, |λj | < 1.
p
uk = 0. L’endomorphisme u est nilpotent donc ker u 6= {0} ce qui permet P
αj λm
On en déduit j −−−−−→ 0 et la relation (1) donne alors
d’affirmer que u et v ont un vecteur propre commun. On peut alors reprendre la j=1 m→+∞
démarche de la question a) sachant qu’ici A0 B 0 − B 0 A0 = λA0 . αp+1 λm
p+1 −−−−−→ 0 d’où l’on tire |λp+1 | < 1.
m→+∞
c) Si α = 0, l’étude qui précède peut se reprendre pour conclure. Si α 6= 0, on Récurrence établie.
introduit w = αu + βv et on vérifie [w, v] = αw. Ainsi w et v sont
cotrigonalisables puis u et v aussi cas u = α1 (w − βv).

Exercice 168 : [énoncé] a) Si B = On alors tout vecteur propre de A (et il en existe car le corps de base
La matrice A est trigonalisable et si l’on note λ1 , . . . , λp ses valeurs propres est C) est aussi vecteur propre de B.
p
distinctes alors tr(Am ) =
P
αj λm Si B 6= On alors l’espace ImB est stable par B et il existe alors un vecteur propre
j avec αj la multiplicité de la valeur propre λj .
j=1 de B dans ImB. Puisque ImB ⊂ ker A car AB = On , ce vecteur propre de B est
Pour conclure, il suffit d’établir résultat suivant : aussi vecteur propre de A (associé à la valeur propre 0).
« Soient α1 , . . . , αp ∈ C? et λ1 , . . . , λp ∈ C deux à deux distincts. b) Par récurrence sur la taille n des matrices.
p
Pour n = 1, c’est immédiat.
αj λm
P
Si j −−−−−→ 0 alors ∀1 6 j 6 p, |λj | < 1 ».
j=1 m→+∞ Supposons la propriété vérifiée au rang n − 1 > 1.

Soit A, B ∈ Mn (C) vérifiant AB = On . Soit X1 un vecteur propre commun aux Celle-ci est inversible car les α1 , . . . , αr sont deux à deux distincts. Or les égalités
matrices A et B associé aux valeurs propres λ et µ respectivement. Soit P une qui précèdent donnent
r
matrice inversible dont la première colonne est X1 . Par changement de base on a X
aαj Cj = 0
λ ? µ ? j=1
P −1 AP = et P −1
BP =
0 A0 0 B0
en notant Cj les colonnes de la matrice de Vandermonde précédente.
Puisque AB = On on a λµ = 0 et A0 B 0 = On−1 . On en déduit
Par hypothèse de récurrence, il existe une matrice Q ∈ GLn−1 (C) telle que ∀1 6 j 6 r, aαj = 0
Q−1 A0 Q et Q−1 B 0 Q sont triangulaires supérieures. Pour la matrice ce qui donne
∀λ ∈ SpA ∪ SpB, mλ (A) = mλ (B)

1 0
R=P × ∈ GLn (C)
0 Q
on obtient R−1 AR et R−1 BR triangulaires supérieures. Exercice 171 : [énoncé]
Récurrence établie Sur C, A est trigonalisable semblable à une matrice triangulaire supérieure ou sur
la diagonale figurent les valeurs propres complexes de A comptées avec
Exercice 170 : [énoncé] multiplicité.
Notons λ1 , . . . , λp et µ1 , . . . , µq les valeurs propres deux à deux distinctes des
matrices A et B respectivement.
L’hypothèse de travail donne Exercice 172 : [énoncé]
p q P (A) ? O ?
On a P (M ) = = et
O P(B) O ?
X X
∀m ∈ N, mλj (A)λm
j = mµk (B)µm
k
j=1 j=1 Q(A) ? ? ?
Q(M ) = =
O Q(B) O
O
Avec des notations étendues, ceci donne
O ? ? ?
X donc (P Q)(M ) = P (M )Q(M ) = = On .
∀m ∈ N, aλ λm = 0 O ? O O
λ∈SpA∪SpB Ainsi le polynôme P Q est annulateur de M .
avec aλ = mλ (A) − mλ (B).

Indexons alors les valeurs propres de A et B de sorte que Exercice 173 : [énoncé]
SpA ∪ SpB = {α1 , . . . , αr } Les vecteurs de (Id, u, . . . , up ) évoluent dans L(E) qui est de dimension n2 . Pour
p = n2 la famille est assurément liée. Une relation linéaire donne alors
avec α1 , . . . , αr deux à deux distinctes. On obtient donc immédiatement un polynôme annulateur non nul.
r
X
∀m ∈ N, aαj αjm = 0
j=1 Exercice 174 : [énoncé]
Considérons alors la matrice carrée de Vandermonde u ◦ (u − Id) ◦ (u + Id) s’annule sur ker(u ◦ (u − Id)) et sur ker(u ◦ (u + Id)) donc
  sur ker(u ◦ (u − Id)) + ker(u ◦ (u − Id)) = E et ainsi u ◦ (u2 − Id) = 0.
1 1 ··· 1
Si x ∈ ker u alors x ∈ ker(u ◦ (u − Id)) ∩ ker(u ◦ (u + Id)) = {0} donc ker u = {0}
 α1 α 2 · · · α r 

 ..
 et u ∈ GL(E).
.. ..
Par suite u2 − Id = u−1 ◦ u ◦ (u2 − Id) = 0 et donc u2 = Id. Ainsi u est une

 . . . 
α1r−1 α2r−1 · · · αrr−1 symétrie vectorielle.

Exercice 175 : [énoncé] f n+1 ◦ g − g ◦ f n+1 = f ◦ (nf n + g ◦ f n ) + (I − f ◦ g) ◦ f n .

Si P et Πu sont premiers entre eux alors par l’égalité de Bézout, il existe b) Par linéarité P (f ) ◦ g − g ◦ P (f ) = P 0 (f ).
U, V ∈ K [X] tels que U P + V Πu = 1 donc U (u)P (u) = IdE . Aussi Ainsi si P annule f alors P 0 aussi. Ceci est impossible en dimension finie car le
P (u)U (u) = IdE donc P (u) est inversible et P (u)−1 = U (u) ∈ K [u]. polynôme minimal d’un endomorphisme annule celui-ci et est de degré minimal.
Si P et Πu ne sont par premiers entre eux alors on peut écrire Πu = QD avec D le Notons qu’un argument de calcul de trace est de loin plus rapide et plus simple !
pgcd de P et Πu . On a Πu | P Q donc P (u)Q(u) = 0 alors que Q(u) 6= 0 puisque c) f ◦ g(P ) = (XP )0 = XP 0 + P et g ◦ f (P ) = XP 0 donc (f ◦ g − g ◦ f )(P ) = P .
deg Q < deg Πu . Par suite P (u) n’est pas inversible.

Supposons n est impair. Le polynôme caractéristique d’une matrice de Mn (R)
étant de degré impair possèdera une racine qui sera valeur propre de la matrice et
Πu annule u donc aussi uF et ainsi ΠuF | Πu . De même ΠuG | Πu donc
aussi racine de son polynôme minimal. Celui-ci ne peut alors être le polynôme
ppcm(ΠuF , ΠuG ) | Πu .
X 2 + 1.
Inversement si P = ppcm(ΠuF , ΠuG ) alors ∀x ∈ F , P (u)(x) = 0 et ∀x ∈ G,
Supposons n est pair. Considérons
P (u)(x) = 0 donc ∀x ∈ E = F ⊕ G, P (u)(x) = 0 donc P annule u puis Πu | P .
0 −1
A= et An = diag(A, . . . , A) ∈ Mn (R)
1 0
Exercice 177 : [énoncé] An n’est pas une homothétie donc le degré de son polynôme minimal est supérieur
Πu annule u donc aussi uF puis la conclusion. à 2.
De plus A2n = −In donc X 2 + 1 annule An .
Au final, X 2 + 1 est polynôme minimal de An .
Considérons B = A − In . On a B 2 = On .
Soit u l’endomorphisme de Kn dont la matrice est B dans la base canonique. Exercice 181 : [énoncé]
On a u2 = 0̃ donc Imu ⊂ ker u. P = X(X 2 − 3aX + a2 ) est annulateur de f donc par le théorème de
Soit (e1 , . . . , ep ) une base de Imu complétée en (e1 , . . . , ep , ep+1 , . . . , eq ) base de décomposition des noyaux, E = ker f ⊕ ker(f 2 − 3af + a2 Id) car X et
ker u. X 2 − 3aX + a2 sont premiers entre eux. Or a étant non nul, on montre
Pour tout j ∈ {1, . . . , p}, considérons εj ∈ E tel que u(εj ) = ej . élémentairement ker(f 2 − 3af + a2 Id) ⊂ Imf tandis que l’inclusion réciproque
Supposons λ1 ε1 + · · · + λp εp + µ1 e1 + · · · + µq eq = 0. provient de ce que (f 2 − 3af + a2 Id) ◦ f = 0. Il est donc vrai que ker f et Imf sont
On appliquant u à cette relation, on obtient λ1 e1 + · · · + λp ep = 0 donc supplémentaires.
λ1 = . . . = λp = 0.
La relation initiale devient µ1 e1 + · · · + µq eq = 0 qui entraîne µ1 = . . . = µq = 0.
Finalement la famille (ε1 , . . . , εp , e1 , . . . , eq ) est libre et puisque formée de Exercice 182 : [énoncé]
p + q = dim Imu + dim ker u = n vecteurs de E, c’est une base de E. A = P DP −1 avec D = diag(a + b, . . . , a + b, a − b, . . . , a − b) et
La matrice de u dans la base (e1 , ε1 , . . . , ep , εp , ep+1 , . . . , eq ) a alors ses coefficients 
1 (0) 0 1 (0)

tous nuls sauf p coefficients sur la sur-diagonale.  .. .. .. 
La matrice B est donc semblable à la matrice précédente et A = In + B est

 . . . 

semblable à une matrice de la forme voulue.

 1 0 (0) 1 

P = 0 · · · 0 1 0 · · · 0 

 (0)
 1 0 (0) −1 


. . .
. . . 
Exercice 179 : [énoncé]  . . . 
a) Il suffit de procéder par récurrence en exploitant 1 (0) 0 −1 (0)

Par suite Exercice 184 : [énoncé]

πA = (X − (a + b))(X − (a − b)) Cas particulier : Supposons que 1 est la seule valeur propre de A.
La matrice A est alors semblable à une matrice triangulaire supérieure avec des
et les polynômes annulateurs de A sont les multiples de πA . coefficients diagonaux toux égaux à 1. Ceci permet d’écrire P −1 AP = T avecP
inversible et  
1 ?
Exercice 183 : [énoncé] T =
 .. 
. 
On peut écrire Y (0) 1
Πf = (X − λ)αλ
λ∈Sp(f ) Notons a l’élément d’indice (1, 2) de cette matrice.
Par une récurrence facile, on montre
et
E= ⊕ ker(f − λId)αλ 
1 ma ?

λ∈Sp(f )
 1 
décomposition en somme de sous-espaces vectoriels stables par f . P −1 Am P = 
 
.. 
Pour chaque λ ∈ Sp(f ),
 . 
(0) 1
ker(f − λId)αλ −1 6= ker(f − λId)αλ
1 m
Or kAk 6 1, donc kAm k 6 1 puis mA −−−−−→ On et enfin
αλ αλ −1 m→+∞
par minimalité de Πf et donc il existe xλ ∈ ker(f − λId) \ ker(f − λId) . 1 −1 m
A P −−−−−→
mP On .
On peut alors établir que la famille (f − λId)k (xλ ) 06k6α −1 est libre. m→+∞
P λ
Or
Considérons maintenant x = xλ .  
λ∈Sp(f )
1/m a ?
Pour P ∈ C [X], P (f )(x) =
P
P (f )(xλ ) avec P (f )(xλ ) ∈ ker(f − λId)αλ par 1 −1 m  1/m 
P A P =
 
λ∈Sp(f )
m .. 
 . 
stabilité.
Par décomposition en somme directe, (0) 1/m
On en déduit a = 0.
P (f )(x) = 0 ⇔ ∀λ ∈ Sp(f ), P (f )(xλ ) = 0 Par ce principe, on peut annuler successivement chaque coefficient de la
sur-diagonale de T puis chaque coefficient de la sur-diagonale suivante etc.
Par division euclidienne P = (X − λ)αλ Q + R avec deg R < αλ de sorte qu’on
αPλ −1
Au final T = In puis A = In et le polynôme minimal de A est ΠA = X − 1.
puisse écrire R = ak (X − λ)k . On alors Cas général :
k=0 Le polynôme minimal de A s’écrit ΠA = (X − 1)α Q(X) avec Q(1) 6= 0.
Par le lemme de décomposition des noyaux, Cn = F ⊕ G avec F = ker(A − I)α et
P (f )(xλ ) = 0 ⇔ ∀0 6 k < αλ , ak = 0
G = ker Q(A).
Notons B la matrice de l’endomorphisme induit par A sur le sous-espace vectoriel
Ainsi
stable F . On vérifie que 1 est la seule valeur propre de B et que kBk 6 1. L’étude
P (f )(x) = 0 ⇔ ∀λ ∈ Sp(f ), (X − λ)αλ | P
qui précède assure alors que B = In et donc le polynôme X − 1 annule A sur F .
Enfin puisque les termes (X − λ)αλ sont premiers entre eux, on peut conclure De plus le polynôme Q annule A sur G donc le polynôme (X − 1)Q annule A sur
Cn . Puisque 1 n’est pas racine de Q, 1 n’est que racine simple du polynôme
P (f )(x) = 0 ⇔ Πf | P minimal ΠA .

Exercice 185 : [énoncé] et en évaluant

a) Si ker(u − λId) = {0} alors Im(u − λId) = E car u − λId est inversible. Q(u)U (u)(x) + (u − λId)V (u)(x) = x
On en déduit que λ est séparable.
avec Q(u)U (u)(x) ∈ ker(u − λId) (car πu est annulateur) et
Par contraposée, si λ n’est pas séparable alors λ est valeur propre de u.
(u − λId)V (u)(x) ∈ Im(u − λId).
b) Si u est un endomorphisme diagonalisable alors pour tout scalaire λ,
Ainsi λ est une valeur propre séparable.
ker(u − λId) = ker(u − λId)2 .
Finalement les scalaires non séparables sont les racines multiples de πu .
Par suite Im(u − λId) ∩ ker(u − λId) = {0} et on en déduit que λ est séparable.
d) m(v) = u ◦ v, m2 (v) = u2 ◦ v,. . . P (m)(v) = P (u) ◦ v pour tout polynôme P .
Inversement, soit u un endomorphisme scindé dont toutes les valeurs propres sont
Par suite les endomorphismes m et u ont les mêmes polynômes annulateurs et
séparables.
donc le même polynôme minimal. Puisque les scalaires non séparables sont les
Puisque le polynôme caractéristique de u est scindé, on peut écrire
racines multiples du polynôme minimal, les endomorphismes u et m ont les
Y mêmes valeurs séparables.
χu = (−1)dim E (X − λ)mλ
λ∈Spu
et par le lemme de décomposition des noyaux Exercice 186 : [énoncé]

Puisque u possède un polynôme annulateur, on a
E= ⊕ ker(u − λId)mλ
λ∈Spu
dim K [u] < +∞
Or, pour toute valeur propre λ, Im(u − λId) ∩ ker(u − λId) = {0} entraîne Or K [Q(u)] ⊂ K [u] donc
ker(u − λId) = ker(u − λId)2 puis par le principe des noyaux itérés dim K [Q(u)] < +∞
ker(u − λId) = ker(u − λId)mλ . Par suite
et par conséquent Q(u) possède un polynôme annulateur.
E= ⊕ ker(u − λId)
λ∈Spu
et donc u est diagonalisable Exercice 187 : [énoncé]

c) Soit λ une valeur propre de u. Le polynôme minimal de u peut s’écrire Quitte à considérer λP avec λ ∈ K? bien choisi, on peut supposer
πu = (X − λ)α Q avec Q(λ) 6= 0 P (0) = 0 et P 0 (0) = 1
πu (u) = 0 donne ce qui permet d’écrire

ImQ(u) ⊂ ker(u − λId)α
P (X) = X + X 2 Q(X) avec Q ∈ K [X]
α
Si λ est une valeur propre séparable alors ker(u − λId) = ker(u − λId) et donc
Soit x ∈ Imf ∩ ker f . Il existe a ∈ E tel que x = f (a) et on a f (x) = 0.
ImQ(u) ⊂ ker(u − λId) On en déduit f 2 (a) = 0. Or P (f )(a) = 0 et
puis le polynôme (X − λ)Q annule u. Par minimalité de πu , on conclut α = 1. P (f )(a) = f (a) + Q(f ) f 2 (a) = f (a) = x

Inversement, si λ est une racine simple du polynôme minimal, alors
Ainsi
πu = (X − λ)Q avec Q(λ) 6= 0 Imf ∩ ker f = {0}
Puisque les polynômes Q et X − λ sont premiers entre eux, on peut écrire Soit x ∈ E.
Analyse :
QU + (X − λ)V = 1 avec U, V ∈ K [X] Supposons x = u + v avec u = f (a) ∈ Imf et v ∈ ker f .

On a Par la formule du rang

f (x) = f 2 (a) + f (v) = f 2 (a)
dim ImQ(u) = dim E − dim ker Q(u)
Or
P (f )(x) = f (x) + f 2 (Q(f )(x)) = 0 et par la supplémentarité qui précède
donc dim E = dim ker Q(u) + dim ker R(u)
f (x) = f 2 (−Q(f )(x))
donc
Synthèse : dim ImQ(u) = dim ker R(u)
Posons u = −f (Q(f )(x)) et v = x − u.
On a immédiatement u ∈ Imf et x = u + v. et l’on peut conclure.
On a aussi
f (v) = f (x) − f (u) = f (x) + f 2 (Q(f )(x)) = P (f )(x) = 0 Exercice 190 : [énoncé]
a) On sait déjà ker u ⊂ ker u2 . On a P = XQ avec Q(0) 6= 0. Pour x ∈ ker u2 , on a
et donc v ∈ ker f . u2 (x) = 0 et Q(u)(u(x)) = 0 donc u(x) ∈ ker u ∩ ker Q(u) puis u(x) = 0 car
Q(0) 6= 0. On en déduit ker u2 ⊂ ker u puis l’égalité.
L’inclusion Imu2 ⊂ Imu est entendue.
Exercice 188 : [énoncé] Inversement, soit x ∈ Imu. On peut écrire x = u(a) pour un certain a ∈ E. Or
On sait déjà ker u ⊂ ker u2 . P (u)(a) = 0 et l’on peut écrire P sous la forme
Inversement, soit x ∈ ker u2 .
Notons P le polynôme annulateur en question. On peut écrire P (X) = an X n + · · · + a1 X avec a1 6= 0
P (X) = aX + X 2 Q(X) avec a 6= 0 et Q ∈ K [X] donc

a1 u(a) ∈ Imu2
L’égalité P (u)(x) = 0 donne puis x ∈ Imu2 .
Ainsi Imu2 = Imu
au(x) + Q(u)(u2 (x)) = 0
b) Pour x ∈ ker u ∩ Imy, il existe a ∈ E, x = u(a) et a ∈ ker u2 = ker u donc x = 0.
et donc u(x) = 0 car a 6= 0 et u2 (x) = 0. Pour x ∈ E, u(x) ∈ Imu = Imu2 et on peut écrire u(x) = u2 (a) pour un certain
Ainsi x ∈ ker u et on peut conclure. a ∈ E. On a alors x = y + z avec y = u(a) ∈ Imu et z = x − y où l’on vérifie
z ∈ ker u.

Par le lemme de décomposition des noyaux Soit x vecteur propre associé à la valeur propre λ.
P (f )(x) = P (λ)x or P (f ) = 0 et x 6= 0 donc P (λ) = 0.
ker P (u) = ker Q(u) ⊕ ker R(u)
et puisque P est annulateur

E = ker Q(u) ⊕ ker R(u) ϕ2 = Id donc X 2 − 1 est annulateur de ϕ. Les valeurs propres de ϕ ne peuvent
être que 1 et −1. En prenant pour f une fonction paire et une fonction impaire
De plus R(u) ◦ Q(u) = 0̃ et donc ImQ(u) ⊂ ker R(u). non nulle, on montre que 1 et −1 sont effectivement valeurs propres de ϕ.


a) On vérifier T 2 = Id donc T est un automorphisme et T −1 = T . a) Soit x un vecteur propre associé à la valeur propre λ. On a f (x) = λx avec
b) Puisque T annule X 2 − 1, SpT ⊂ {1, −1} puis égale car par exemple 1 est x 6= 0E . Par composition f n (x) = λn x puis P (f )(x) = P (λ)x. Or P (f )(x) = 0E et
vecteur propre associé à la valeur propre 1 et X − 1/2 est vecteur propre associé à x 6= 0E donc P (λ) = 0.
la valeur propre −1. b) Le polynôme X 3 + 2X 2 − X − 2 est annulateur de f et 0 n’en est pas racine
donc 0 ∈ / Spf . Cela suffit pour conclure si l’espace est de dimension finie. Sinon,
on exploite
Les valeurs propres de u sont racines des polynômes annulateurs donc du 1 2 1 2
f ◦ (f + 2f − Id) = (f + 2f − Id) ◦ f = Id
polynôme minimal. 2 2
Soit a une racine de Πu . On a Πu = (X − a)P et P (u) 6= 0 car P ne peut être pour conclure.
annulateur de u. Pour y ∈ Im(P (u))\ {0}, il existe x ∈ E, y = P (u)(x) et
Π(u)(x) = 0 donc (u − aId)(y) = 0 avec y 6= 0. Ainsi a est valeur propre de u (et y
est vecteur propre associé).
χA = X 2 − (a + d)X + (ad − bc) annule matrice A.
On en déduit
Exercice 195 : [énoncé] 1
A−1 = ((a + d)I2 − A)
Soit M solution. M 4 = t (M 2 ) = M donc X 4 − X est annulateur de M et puisque ad − bc
0 et 1 ne sont pas valeurs propres de M , X 3 − 1 puis X 2 + X + 1 sont annulateurs
de M .
Ainsi, on peut affirmer M 3 = t M M = I (ainsi M ∈ On (R)) et M 2 + M + I = 0. Exercice 199 : [énoncé]
Pour X 6= 0, P = Vect(X, M X) est un plan (car il n’y a pas de valeurs propres χA = (λ1 − X) . . . (λn − X) annule A en vertu du théorème de Cayley Hamilton.
réelles) stable par M (car M 2 = −M − I). La restriction de M à ce plan est un
automorphisme orthogonal sans valeur propre, c’est donc une rotation et celle-ci
est d’angle ±2π/3 car M 3 = In . De plus ce plan est aussi stable par M 2 = t M Exercice 200 : [énoncé]
donc P ⊥ est stable par M ce qui permet de reprendre le raisonnement à partir Considérons le polynôme caractéristique de u :
d’un X 0 ∈ P ⊥ \ {0}. Au final, M est orthogonalement semblable √à une matrice
−1/2 3/2
χu = an X n + · · · + a1 X + a0 avec a0 = det u 6= 0
diagonale par blocs et aux blocs diagonaux égaux à √ ou
− 3/2 −1/2
√ Puisque χu (u) = 0̃, on obtient
−1/2 − 3/2
√ .
3/2 −1/2 an un + · · · + a1 u + a0 Id = 0̃
La réciproque est immédiate.
Par suite
an un + · · · + a1 u = −a0 Id
Exercice 196 : [énoncé] En composant avec u−1 à gauche on obtient
a) Puisque A est nilpotente, A ne peut avoir que des valeurs propres nulles. Les
valeurs propres étant les racines du polynôme caractéristique et ce dernier étant an un−1 + · · · + a1 Id = −a0 u−1
scindé sur C, χA = (−1)n X n .
b) Pour A ∈ Mn (R), on a aussi A ∈ Mn (C) et le polynôme caractéristique est et on en déduit
calculé par la même formule dans les deux cas. 1
u−1 = − an un−1 + · · · + a1 IdE ∈ K [u]

a0


a) Si f est diagonalisable alors f est représenté par λIn dans une certaine base et 1. Puisque les matrices A et qA sont semblables, elles ont le même polynôme
donc f est une homothétie vectorielle. La réciproque est immédiate. caractéristique
b) Calculé dans une base de triangulation, χf (x) = (x − λ)n .
c) χf est annulateur de f dans (f − λId)n = 0̃. n X n X
χA (X) = χqA (X) = det(qA − XIn ) = q det A − In = q χA
q q
Exercice 202 : [énoncé] Introduisons les coefficients du polynôme χA

a) Le polynôme caractéristique de f est un polynôme de degré n annulant f .
Ainsi f n ∈ Vect(Id, f, . . . , f n−1 ). Par récurrence, on montre alors que pour tout χA (X) = an X n + · · · + a1 X + a0
m > n, f m ∈ Vect(Id, f, . . . , f n−1 ).
Par suite f n (x), . . . , f N −1 (x) ∈ Vect(x, f (x), . . . , f n−1 (x)) puis L’égalité précédente entraîne an−1 = . . . = a1 = a0 car q k 6= 1 pour tout
E = Vect(x, f (x), . . . , f N −1 (x)) donne E = Vect(x, f (x), . . . , f n−1 (x)). La famille 1 6 k 6 n − 1. Ainsi χA = an X n et puisque χA est annulateur de A, la matrice A
(x, f (x), . . . , f n−1 (x)) est alors génératrice et formée de n = dim E vecteurs de E, est nilpotente.
c’est donc une base de E. 2.
b) Les polynômes en f commute avec f . On définit la matrice A
Inversement, supposons que g ∈ L(E) commute avec f . Puisque g(x) ∈ E, on peut A:=matrix(6, 6, (i, j)->if j=i+1 or (i=1 and j=6) then 1 else 0 fi);
écrire g(x) = a0 x + a1 f (x) + · · · + an−1 f n−1 (x). a) On introduit une matrice M quelconque et on calcule AM − 2M A
Puisque f et g commute, on a encore M:=matrix(6, 6);
g(f k (x)) = a0 f k (x) + a1 f k+1 (x) + · · · + an−1 f n+k−1 (x) de sorte que les B:=evalm(A&*M-2*M&*A);
endomorphismes g et a0 Id + a1 f + · · · + an−1 f n−1 coïncident sur une base de E et On résout le système correspondent à l’équation AM = 2M A
c’est donc égaux. Au final f est un polynôme en f . solve(seq(seq(B[i, j]=0, i=1..6), j=1..6));
Enfin on visualise la matrice M
assign(%);
Exercice 203 : [énoncé] evalm(M);
a) A2 M = AM B = M B 2 et ainsi de suite : Ap M = M B p pour tout p ∈ N. Par On obtient les matrices de la forme
linéarité P (A)M = M P (B).  
b) Considérons P = χA . La relation P (A)M = M P (B) entraîne M P (B) = On . Or m1,1 m1,2 m1,3 m1,4 m1,5 m1,6
M 6= On donc la matrice P (B) n’est pas inversible. Par suite det(P (B)) = 0. Or  0
 2m1,1 2m1,2 2m1,3 2m1,4 2m1,5 − 30m1,1  
n
 0 0 4m1,1 4m1,2 4m1,3 4m1,4 
Y  
P = (−1)n (X − λi )  0 0 0 8m 1,1 8m 1,2 8m 1,3

 
i=1
 0 0 0 0 16m1,1 16m1,2 
0 0 0 0 0 32m1,1
avec λi valeur propre de A donc il existe i ∈ {1, . . . , n} telle que
det(B − λi In ) = 0 b) L’ensemble des matrices obtenu est un sous-espace vectoriel de M6 (C). C’est
entendu car c’est en fait le noyau de l’application linéaire M 7→ AM − 2M A.
Ainsi A et B ont une valeur propre commune. c) Une matrice M inversible vérifiant M −1 AM = 2A doit aussi vérifier
AM = 2M A et est donc de la forme précédente. De plus, une matrice de la forme
précédente est inversible si, et seulement si, m1,1 6= 0.
Inversement, une matrice M de la forme précédente avec m1,1 6= 0 vérifie
Considérons T : P (X) 7→ P (X + 1). T est un endomorphisme de Rn−1 [X] qui est
n−1 M −1 AM = 2A.
annulé par son polynôme caractéristique de la forme χT = (−1)n (X n + ak X k ).
P
k=0

Exercice 206 : [énoncé] triangulaire supérieure pour tout k > 2. Introduisons le polynôme caractéristique
a) Par le théorème de Cayley Hamilton, on a de A
P (X) = an X n + · · · + a1 X + det(A)
χu (u) = 0̃
Puisque celui-ci est annulateur de A, on peut écrire
avec χu polynôme de coefficient constant det u 6= 0.
an An + · · · + a1 A + det(A)In = On
En écrivant
χu (X) = XP (X) + det u En multipliant la relation par A et en réorganisant
le polynôme −1
1 A= (a1 A2 + · · · + an An+1 )
Q(X) = − P (X) det A
det u
et la matrice A est donc triangulaire supérieure.
est solution.
Pour
b) Considérons l’endomorphisme v de K [X] qui envoie le polynôme P (X) sur

1 −1
P (X/2). A=
1 −1
On vérifie aisément u ◦ v = v ◦ u = Id ce qui permet d’affirmer que u est inversible
d’inverse v. nous obtenons un contre-exemple où Ak = O2 pour tout k > 2.
Soit P = an X n + · · · + a1 X + a0 un polynôme de degré exactement n.
Si u(P ) = λP alors par identification des coefficients de degré n, on obtient
λ=2 n Par Sarrus
χA = −X(X 2 + (a2 + b2 + c2 ))
puis on en déduit a) Si (a, b, c) 6= (0, 0, 0) alors a2 + b2 + c2 > 0 et la matrice A n’est pas
P = an X n diagonalisable sur R car son polynôme caractéristique n’est pas scindé.
La réciproque étant immédiate, on peut affirmer Si (a, b, c) = (0, 0, 0) alors A est la matrice nulle.
b) Si (a, b, c) 6= (0, 0, 0) alors la matrice A diagonalisable
√ dans M3 (C) car possède
Spu = {2n /n ∈ N} et E2n (u) = Vect(X n ) trois valeurs propres distinctes à savoir 0 et ±i a2 + b2 + c2 .
Si (a, b, c) = (0, 0, 0) alors A est la matrice nulle.
Si par l’absurde il existe Q ∈ K [X] tel que c) Puisque 0 est la seule valeur propre réelle de A et puisque B est inversible si, et
seulement si, −λ est valeur propre de A, on peut conclure que B est inversible
u−1 = Q(u) pour tout λ 6= 0.
d) Puisque le polynôme caractéristique est annulateur de A on a
alors le polynôme non nul
XQ(X) − 1 A3 + (a2 + b2 + c2 )A = O3
est annulateur de u. Les valeurs propres de u sont alors racines de celui-ci ce qui donc
donne une infinité de racines. (B − λI3 )3 + (a2 + b2 + c2 )(B − λI3 ) = O3
C’est absurde.
Il suffit de développer et de réorganiser pour obtenir une expression du type
B(uB 2 + vB + wI3 ) = I3
L’implication directe est immédiate : elle découle de la stabilité par produit de et conclure
l’espace des matrices triangulaires supérieures. Inversement, supposons Ak B −1 = uB 2 + vB + wI3 = αA2 + βA + γI3

Exercice 209 : [énoncé] (n − 1) − λ 1 ··· 1

−λ 1
Puisque les entiers det A et det B sont premiers entre eux, on peut écrire par (n − 1) − λ −λ 1
det(M − λIn ) = .. = .. =
l’égalité de Bézout . ..
. .
u. det A + v. det B = 1 avec u, v ∈ Z 1 −λ
(n − 1) − λ 1 −λ
On écrit χA (X) = XQA (X) + det A et de même χB (X) (ces écritures sont 1 1 ··· 1
possibles car le déterminant est le coefficient constant d’un polynôme 0 −λ − 1 0
((n − 1) − λ) . ..
caractéristique). .. ? .
Posons alors 0 ? ? −λ − 1
U = −uQA (A) et V = −vQB (B) puis det(M − λIn ) = ((n − 1) − λ)(−λ − 1)n−1 et donc sp(M ) = {−1, (n − 1)}.
Soit f l’application linéaire canoniquement associée à M .
Puisque χA et χB sont à coefficients entiers, on a U, V ∈ Mn (Z). f (x1 , ..., xn ) = (x1 , ..., xn ) ⇔ x1 + ... + xn = 0.
Puisque χA et χB sont annulateurs, on a Donc E−1 est l’hyperplan d’équation x1 + ... + xn = 0.
Puisque En−1 est au moins une droite vectorielle, la matrice M est diagonalisable.
QA (A)A = − det A.In et QB (B)B = − det B.In
2ème méthode :
Par le calcul, on obverse que M 2 = (n − 1)In + (n − 2)M .
On observe alors
Par suite, M annule le polynôme scindé simple (X + 1)(X − (n − 1)) et donc M
est diagonalisable.
U A + V B = (u. det A + v. det B)In = In
b) Le polynôme minimal de M est (X + 1)(X − (n − 1)) car en vertu de la
Remarquons que prendre première méthode, la connaissance des valeurs propres de M détermine son
polynôme minimal sachant M diagonalisable et, pour la deuxième méthode, ce
U = ut comA et V = v t comB polynôme est annulateur alors que les polynômes X + 1 et X − (n − 1) ne le sont
pas.
était sans doute plus simple. . . Par division euclidienne X p = (X + 1)(X − (n − 1))Q + αX + β
Pour En évaluant
( la relation en −1 et en n − 1, on obtient
p
−α + β = (−1)

1 0 2 0
A= et B = avec p
0 1 0 2 α(n − 1) + β = (n − 1)
Après résolution
les matrices 
(n − 1)p − (−1)p
3 0 −1 0 α =

U= et V = n
0 3 0 −1 p p
 β = (n − 1) + (n − 1)(−1)

conviennent. . . p
n p p p
d’où M p = (n−1) n−(−1) M + (n−1) +(n−1)(−1) n In .

µA | χA = (X − 1)2 mais A n’est pas diagonalisable, donc µA = (X − 1)2 . Exercice 212 : [énoncé]
a) Il est clair que L est linéaire.
Si tr(M ) = 0 alors L(M ) = aM .
a est valeur propre de L et le sous-espace propre associé est l’hyperplan des
Exercice 211 : [énoncé] matrices de trace nulle.
a) 1ère méthode : Si tr(M ) 6= 0 alors L(M ) = λM implique M ∈ Vect(In ). Or L(In ) = (a + n)In

donc a + n est valeur propre de L et le sous-espace propre associé est la droite Les endomorphismes g et P (f ) coïncident sur les éléments d’une base, ils sont
Vect(In ). donc égaux. Finalement, le commutant de f est exactement formé des polynômes
L’endomorphisme L est donc diagonalisable et par suite en f .
µL (X) = (X − a)(X − (a + n)). Si le polynôme minimal Πf de f est de degré < n alors la famille (Id, f, . . . , f n−1 )
b) En dimension finie, L est un automorphisme si, et seulement si, 0 ∈/ Sp(L) i.e. est liée et alors pour tout x ∈ E, la famille (x, f (x), . . . , f n−1 (x)) l’est aussi. Cela
a 6= 0, −n. contredit l’hypothèse de départ. On peut donc affirmer que deg Πf > n et puisque
Puisque Πf | χf , on a Πf = (−1)χf avec χf polynôme caractéristique de f .
L2 − (2a + n)L + a(a + n)I = 0
on a Exercice 214 : [énoncé]
1
L−1 = (L − (2a + n)I) A est symétrique donc diagonalisable. χA = −X 3 + 2X, πA = −χA .
a(a + n)  
1 0 1
et donc
1 A2 =  0 2 0 
L−1 (M ) = (tr(M )In − (a + n)M ) 1 0 1
a(a + n)
A3 = 2A, A2k+1 = 2k A et A2k+2 = 2k A2 pour k > 0.
+∞ +∞
Exercice 213 : [énoncé] X 2k X 2k−1 1
exp(A) = I3 + A+ A2 = I3 + sh(2)A + (ch(2) − 1)A2
a) Notons α1 , . . . , αn les composantes de x dans une base de diagonalisation B de (2k + 1)! (2k)! 2
k=0 k=1
f . La matrice de la famille (x1 , . . . , xn ) dans la base B est
α1 λ1 . . . α1 λn1
 
 .. ..  A est symétrique donc diagonalisable.
 . . 
αn λn ... αn λnn χA = (−1)n (X − (a + (n − 1)b)(X − (a − b))n−1
avec λ1 , . . . , λn les valeurs propres de f comptées avec multiplicité. Cette matrice Sp(A) = {a + (n − 1)b, a − b} (si n > 2)
est de rang n, si, et seulement si, πA = (X − (a + (n − 1)b))(X − (a − b))
λ1 ... λn1 A est inversible si, et seulement si, 0 ∈
/ Sp(A) i.e. a + (n − 1)b 6= 0 et a 6= b.
α1 , . . . , αn 6= 0 et .. .. 6= 0

a (b)

x (y)
 
α (β)

. .
λn ... λnn
 ..  .. =
  .. 
 .  . . 
(b) a (y) x (β) α
Par déterminant de Vandermonde, on peut assurer l’existence de x tel que voulu
si, et seulement, si les valeurs propres de f sont deux à deux distincts et non avec (
nulles. N’importe quel x aux composantes toutes non nulles est alors convenable. α = ax + (n − 1)by
b) Les polynômes en f commutent avec f . β = ay + bx + (n − 2)by
Supposons que g soit un endomorphisme de E commutant avec f . Il suffit alors de résoudre le système
On peut écrire g(x1 ) = a1 x1 + · · · + an xn = P (f )(x1 ) avec (
P = a1 + a2 X + · · · + an−1 X n−1 . ax + (n − 1)by = 1
On a alors bx + (a + (n − 2)b)y = 0
g(x2 ) = g(f (x1 )) = f (g(x1 )) = f (P (f )(x1 )) = P (f )(f (x1 )) = P (f )(x2 ).
Plus généralement, en exploitant xk = f k−1 (x1 ), on obtient g(xk ) = P (f )(xk ). pour expliciter A−1 .


a) χA = −(X − 2)(X + 1)2 , a) Il est immédiat que L est un endomorphisme de Mn (R).
 2  2    Sp(L) = {a, a + n}, Ea (L) = ker(tr) et Ea+n (L) = Vect(In ),
a −a −a ΠL = (X − a)(X − (a + n)) car L est diagonalisable et donc son polynôme
E2 (A) = Vect  a  et E−1 (A) = Vect  0  ,  1  minimal est le polynôme simple dont les racines sont les valeurs propres de L.
     
2
1 1 0 b) Par une base de diagonalisation, det L = an −1 (a + n) et donc L est un

automorphisme si, et seulement si, a 6= 0, −n.
La matrice A est diagonalisable, P −1 AP = D avec Par le polynôme minimal, on a L2 − (2a + n)L + a(a + n)Id = 0 et donc
 2
a −a2 −a
   1
2 0 0 L−1 = ((2a + n)Id − L)
P = a 0 1  et D =  0 −1 0  a(a + n)
1 1 0 0 0 −1
On en déduit µA = (X − 2)(X + 1).
Soient P ∈ Mn (K) une matrice de permutation et σ la permutation associée. Il
b) Ci-dessus.
existe q ∈ N? tel que σ q = Id et donc P q = In . La matrice P annule alors X q − 1
c) Par division euclidienne X n = (X + 1)(X − 2)Q(X) + αX + β avec
qui est scindé à racines simples donc P est diagonalisable.
2n − (−1)n 2(−1)n + 2n
α= et β =
3 3
donc A2 = −I2n . On observe que X 2 + 1 est annulateur de A.
2n − (−1)n 2(−1)n + 2n Si K = C alors A est diagonalisable car annule le polynôme X 2 + 1 qui est scindé
An = A+ I3
3 3 à racines simples.
puis Si K = R alors A n’est pas diagonalisable car sans valeurs propres. En effet une
e2 − e−1 2e−1 + e2 valeur propre (réelle) de A doit être annulé par le polynôme X 2 + 1.
eA = A+ I3
3 3

Exercice 217 : [énoncé] a) A2 = −I2n .
χA = −X(X 2 + 1), πA = X(X 2 + 1), exp(A) exp(t A) = exp(A) exp(−A) = I3 . b) X 2 + 1 = (X − i)(X + i) est annulateur de A et scindé simple donc A est
En calculant A2 , A3 , . . . on obtient diagonalisable. De plus A est réelle donc ses valeurs propres sont deux à deux
  conjuguées, deux valeurs propres conjuguées ont même multiplicité. Puisque les
1 0 0 valeurs propres figurent parmi les racines de X 2 + 1 et que la matrice complexe A
exp(A) =  0 cos 1 − sin 1  possède au moins une valeur propre, on peut affirmer que i et −i sont les deux
0 sin 1 cos 1 seules valeurs propres de A, qu’elles sont de multiplicité n. Enfin les sous-espaces
propres associés sont de dimension n car A est diagonalisable et donc les
dimensions des sous-espaces propres égales la multiplicité des valeurs propres
Exercice 218 : [énoncé] respectives.
A2 = O donc Sp(A) = {0}.
Puisque A 6= 0 , A n’est pas diagonalisable. πA = X 2 et χA = −X 3 .
exp(A) = I + A f est diagonalisable car annule le polynôme
L’étude se généralise pour n > 3 avec A = (ω i+j−2 )16i,j6n et ω ∈ Un \ {1}. X 3 − 4X = X(X − 2)(X + 2)

scindé simple. Les valeurs propres de f figurent parmi {−2, 0, 2} et donc la trace Puisque la matrice A est réelle, les valeurs propres j et j 2 ont même multiplicité
de f qui est la somme de ses valeurs propres comptées avec multiplicité est paire. p ∈ N. La diagonalisation complexe de A comporte alors p nombres j et p
nombres j 2 sur la diagonale, les éventuels autres coefficients diagonaux étant nuls.
La matrice A est alors de même rang que cette matrice diagonale, c’est-à-dire 2p.
A annule un polynôme scindé à racines simples (1, i et −i) donc A est
diagonalisable dans Mn (C). Exercice 229 : [énoncé]
Les valeurs propres possibles de A sont 1, i et −i. Puisque tr(A) ∈ R, la On a
multiplicité de i égale celle de −i. (M 2 − 2In )2 = (t M )2 = t (M 2 ) = 2In − M
Par suite det(A) = 1.
On en déduit le polynôme annulateur de M suivant
X 4 − 4X 2 + X + 2
a) Puisque p4 = p2 , une valeur propre λ doit vérifier λ4 = λ2 donc λ ∈ {−1, 0, 1}. qui se factorise
b) Si p est diagonalisable alors sa matrice A dans une base de vecteurs propres
sera diagonale avec des −1, 0 ou 1 sur la diagonale. Comme alors A3 = A on a X 4 − 4X 2 + X + 2 = (X − 1)(X + 2)(X − α)(X − β)
p3 = p.
avec √ √
Si p3 = p alors p est annulé par un polynôme scindé à racines simples donc p est 1+ 5 1− 5
diagonalisable. α= et β =
2 2
Puisque la matrice M annule un polynôme réel scindé à racines simples, cette
Exercice 226 : [énoncé] matrice est diagonalisable.
Si 1 et −1 sont les seules valeurs propres alors f ∈ GL(E) et la relation f 4 = f 2
donne f 2 = Id ce qui fournit un polynôme annulateur scindé à racines simples et
permet de conclure. Exercice 230 : [énoncé]
Si 1 et −1 ne sont pas les seules valeurs propres c’est que 0 est aussi valeur propre a) Si M n’est pas inversible, il existe une colonne X non nulle telle que M X = 0
car les valeurs propres figurent parmi les racines de tout polynôme annulateur. f et alors l’identité de l’énoncé donne t M X = X donc 1 ∈ Sp(t M ) = SpM .
présente alors 3 = dim Evaleurs propres distincts donc f est diagonalisable. Inversement, si 1 ∈ SpM alors il existe une colonne X non nulle telle que
M X = X et alors l’identité de l’énoncé donne t M X = 0 et donc t M n’est pas
inversible. Or det(t M ) = det M donc M n’est pas inversible non plus.
Exercice 227 : [énoncé] b) La relation donnée entraîne
A est diagonalisable sur C semblable à une matrice D = diag(−Ip , −jIq , −j 2 Iq ) 2 2
t
donc M = In − M 2 = M 4 − 2M 2 + In
trA = trD = −p − q(j + j 2 ) = q − p ∈ Z
Or 2
t
= t M 2 = In − M

M
Le polynôme M 4 − 2M 2 + In = In − M
X 3 + X 2 + X = X(X − j)(X − j 2 )
et donc la matrice M est annulé par le polynôme
annule la matriceA. Ce polynôme étant scindé à racines simples dans C, la
matrice A est diagonalisable dans Mn (C). De plus P (X) = X 4 − 2X 2 + X = X(X − 1)(X 2 + X − 1)
SpA ⊂ 0, j, j 2

C’est un polynôme scindé à racines simples donc la matrice M est diagonalisable.


Exercice 231 : [énoncé] a b
Pour n = 2 : M = .
La relation donnée entraîne c d
t
2 2
M = In − M 2 = M 4 − 2M 2 + In
(
t t
ab + cd = ac + db
MM = M M ⇔
b2 = c2
Or
t
2
= t M 2 = In − M

M Si b = c alors M est symétrique donc diagonalisable sur R ce qui n’est pas le cas.
donc −c et donca = d.
Il reste b =
a b
M 4 − 2M 2 + In = In − M Ainsi M = et la relation M 2 + M + I = 0 donne
−b a
et donc la matrice M est annulée par le polynôme (
a2 − b2 + a + 1 = 0
4 2 2
P (X) = X − 2X + X = X(X − 1)(X + X − 1) 2ab + b = 0
Les valeurs propres possibles de M sont les racines de ce polynôme.
puis
Chacune de celles-ci peut être valeur propre. En effet pour les racines de (
X 2 + X − 1, il suffit de considérer une matrice diagonale avec les coefficients a = −1/2
√
diagonaux correspondant aux racines. Pour les racines de X(X − 1), il suffit de b = ± 3/2
considérer
ce qui permet de conclure (car le cas b = 0 est à exclure).

1 1 −i
M= Supposons la propriété établie au rang n = 2p et étudions le rang n = 2p + 2.
2 i 1
Soit M une matrice solution.
La matrice M n’est pas nécessairement symétrique comme le montre l’exemple au La matrice S = t M + M est symétrique et donc il existe X 6= 0 tel que SX = λX.
dessus. On observe alors que l’espace F = Vect(X, M X) est stable par M et par t M . Par
La matrice M annule un polynôme scindé à racines simples, elle est donc suite F ⊥ est aussi stable par M et t M . On peut alors appliquer l’étude menée
diagonalisable. pour n = 2 à l’action de M sur F et l’hypothèse de récurrence à celle sur F ⊥ .
Cela établit la récurrence. Il ne reste plus qu’à souligner que les matrices ainsi
obtenues sont bien solutions.
Soit M solution, M est diagonalisable sur C avec pour valeurs propres j et j 2 .
Puisque trM est réel, les valeurs propres j et j 2 ont même multiplicité. Par suite Exercice 233 : [énoncé]
n est pair, n = 2p. ϕ2 (M ) = P (P M + M P ) + (P M + M P )P = P M + 2P M P + M P car P 2 = P .
Nous allons montrer, en raisonnant par récurrence sur p qu’il existe une matrice ϕ3 (M ) = P M + 6P M P + M P .
orthogonale P tel que Par suite ϕ3 (M ) − 3ϕ2 (M ) = −2P M − 2M P = −2ϕ(M ).
  Ainsi ϕ annule le polynôme X 3 − 3X 2 + 2X = X(X − 1)(X − 2).
J (0)
Puisque ce polynôme est scindé simple, l’endomorphisme ϕ est diagonalisable.
P M P −1 = 
 .. 
. 
(0) J
avec √ Exercice 234 : [énoncé]
a) Puisque u3 = u, par annulation d’un polynôme scindé simple, on peut affirmer

−1/2
√ − 3/2
J = R2π/3 = ou J = R−2π/3
3/2 −1/2 que u est diagonalisable de valeurs propres possibles 0, 1, −1. Par les égalités

tru = 0 et tru2 = 2n on peut affirmer qu’il existe une base de R2n+1 dans laquelle Exercice 237 : [énoncé]
la matrice de u est de la forme a) La matrice A annule le polynôme X p − 1 qui est scindé simple dans C [X] donc
  A est diagonalisable dans M2 (C).
In 0 0 b) Les valeurs propres α et β sont racines du polynôme annulateur donc
A =  0 −In 0  αp = β p = 1. En particulier |α| = |β| = 1.
0 0 0 2
Puisque det A = αβ = 1, on a α = 1/β = β̄/ |β| = β̄.
Enfin, trA = 2Re(α) ∈ Z et 2Re(α) ∈ [−2, 2] car |α| 6 1 donc |Re(α)| ∈ {0, 1/2, 1}.
Les matrices commutant avec A étant celle de la forme
c) Selon la valeur de Re(α) et sachant |α| = 1, les valeurs possibles de α sont
 
M 0 0
 0 N 0  −1, j, i, −j 2 , 1
0 0 α
et leurs conjuguées.
Dans tous les cas, on vérifie α12 = 1 et on a aussi β 12 = 1.
avec M, N ∈ Mn (R), on peut affirmer
Puisque A est semblable à la matrice diagonale D = diag(α, β) et que celle-ci
dim C(u) = 2n2 + 1 vérifie D12 = I2 , on a A12 = I2 .
d) On vérifie aisément que G est un sous-groupe du groupe (GL2 (C), ×) et puisque
b) Πu = X 3 − X donc dim R [u] = 3 et par suite C(u) = R [u] si, et seulement si,
G = I2 , A, A2 , . . . , A11

n = 1.
G est un groupe monogène fini.

a) Si A2 = A alors fA2 = fA . fA est une projection donc diagonalisable. Exercice 238 : [énoncé]
b) Pour tout P ∈ R [X], on observe P (fA ) : M 7→ P (A)M de sorte que La matrice A est diagonalisable car A annule un polynôme scindé simple.
P (fA ) = 0 ⇔ P (A) = 0. Les racines complexes du polynôme caractéristique χA de A sont conjuguées et
Tout endomorphisme étant diagonalisable si, et seulement si, il annule un valeurs propres de A donc racines du polynôme annulateur X n − 1.
polynôme scindé simple, on peut conclure. Si les deux racines de χA sont réelles alors SpA ⊂ {−1, 1} et A est semblable à

1 0 1 0 −1 0
, ou
0 1 0 −1 0 −1
a) oui. et donc A12 = I2 .
b) Si A est inversible alors M 7→ A−1 M est clairement application réciproque de Sinon les racines de χA sont complexes conjuguées z, z̄. Leur somme sera
f. 2
2Re(z) ∈ [−2, 2], leur produit z z̄ = |z| = 1. La matrice A étant de plus à
Si f est inversible alors posons B = f −1 (In ). On a AB = In donc A est inversible. coefficients entiers, 2Re(z) ∈ Z. Les polynômes caractéristiques de A possibles
c) On observe que f n (M ) = An M donc pour P ∈ C [X], sont alors X 2 − 2X + 1, X 2 − X + 1, X 2 + 1, X 2 + X + 1 et X 2 + 2X + 1.
Dans chaque cas le polynôme X 12 − 1 est multiple du polynôme caractéristique et
P (f )(M ) = P (A)M donc annulateur.
Par suite P est annulateur de f si, et seulement si, il est annulateur de A.
Puisque la diagonalisabilité équivaut à l’existence d’un polynôme annulateur
scindé à racines simples, on peut conclure.
Si A ∈ En alors A est diagonalisable et ses valeurs propres sont des racines de
l’unité. Ces valeurs propres sont aussi racines du polynôme caractéristique de A.

Or les coefficients de ce polynôme sont entiers et, par les expressions des De plus, on a
coefficients d’un polynôme scindé en fonction de ses racines complexes (ici de P 0 (A)B = On
module 1), on peut borner les coefficients du polynôme caractéristique de A. Par et la matrice P 0 (A) est semblable à
suite, il n’y a qu’un nombre fini de polynômes caractéristiques possibles pour un
P 0 (λ1 )
 
élément A ∈ En . Ces polynômes ont eux-mêmes qu’un nombre fini de racines et il (0)
n’y a donc qu’un nombre fini de racines de l’unité possibles pour les valeurs P 0 (D) = 
 .. 
. 
propres de A ∈ En .
(0) P 0 (λn )
On peut alors affirmer qu’il existe N ∈ N? tel que toutes les valeurs propres λ des
matrices A ∈ En vérifient λN = 1. On a alors aussi AN = 1 (car A est Puisque les racines de P sont simples et que les λ1 , . . . , λn sont racines de P , on a
diagonalisable) et donc ω(A) 6 N . Ainsi ω(En ) ⊂ [[1, N ]]. P 0 (λ1 ), . . . , P 0 (λn ) 6= 0. On en déduit que la matrice P 0 (A) est inversible et
l’identité P 0 (A)B = On donne alors B = On .
Ainsi, si M est diagonalisable, A est diagonalisable et B est nulle. La réciproque
Exercice 240 : [énoncé] est immédiate.
a) Par récurrence
Ak kAk

k
M = Exercice 242 : [énoncé]
0 Ak
Notons M la matrice étudiée et supposons celle-ci diagonalisable.
puis on étend par linéarité. Il existe un polynôme P scindé simple annulant M . Puisque
b) Si M est diagonalisable alors M annule un polynôme scindé simple P et les
calculs précédents montrent que A annule aussi ce polynôme. Par suite A est P (A) ?
P (M ) = = O2n
diagonalisable. De plus A annule aussi le polynôme XP 0 de sorte que si λ est O P (A)
valeur propre de A alors A est racine commune de P et de XP 0 . Or P n’a que des
le polynôme P annule aussi la matrice A qui est donc nécessairement
racines simples donc P et P 0 n’ont pas de racines communes d’où λ = 0. A est
diagonalisable.
diagonalisable et Sp(A) = {0} donne A = 0.
De plus, puisque χM = χ2A , les matrices A et M ont les mêmes valeurs propres et
Ainsi M est diagonalisable si, et seulement si, A = 0.
on a l’égalité suivante sur leurs multiplicités :
∀λ ∈ SpA, mλ (M ) = 2mλ (A)
a) Par récurrence et en exploitant AB = BA ce qui entraîne l’égalité suivante sur la dimension des sous-espaces propres
k
A kAk−1 B
∀λ ∈ SpA, dim Eλ (M ) = 2 dim Eλ (A)
k
M =
0 Ak et enfin l’égalité de rang suivante
puis on étend par linéarité. ∀λ ∈ SpA, rg(M − λI2n ) = 2rg(A − λIn )
b) Si M est diagonalisable alors M annule un polynôme scindé simple P et les
calculs précédents montrent que A annule aussi ce polynôme. Par suite A est Or
A − λIn B
diagonalisable semblable à une matrice rg(M − λI2n ) = rg
O A − λIn
 
λ1 (0) La matrice A étant diagonalisable, on peut écrire A = P DP −1 avec P inversible et
D=
 .. 
.  
λ1 Iα1 (0)

(0) λn ..
D=
 
. 
avec λ1 , . . . , λn les valeurs propres de A qui sont racines de P . (0) λm Iαm

où λ1 , . . . , λm sont les valeurs propres distinctes

A et αk = dim Eλk (A).
de L’endomorphisme f annule un polynôme scindé simple, il est donc diagonalisable.
P O De plus Spf ⊂ {α, β}.
En considérant la matrice inversible Q = , on a
O P On af (x) = αx ⇔ βv(x) = αv(x) ⇔ v(x) = 0.
b) On a (f − βId) = (α − β)u et (f − αId) = (β − α)v.

D C
Q−1 M Q = avec C = P −1 BP . La relation (f − αId) ◦ (f − βId) = 0̃ donne v ◦ u = 0̃ et par un calcul symétrique
O D
On écrit la matrice C par blocs selon la même décomposition que A : on obtient aussi u ◦ v = 0̃.
  On en déduit u = u ◦ Id = u2 + u ◦ v = u2 et donc u est une projection vectorielle.
C1,1 · · · C1,m De plus ker u = ker ((α − β)u) = ker(f − βId) et
C =  ... ..
 avec Ci,j ∈ Matαi ,αj (K) Imu = ker(Id − u) = ker v = ker(f − αId).
 
.
Cm,1 ··· Cm,m c) Par récurrence f n = αn u + β n v.
et la condition

A − λk In B
rg = 2rg(A − λk In ) Par élimination de u, on a f 2 − αf = β(β − α)v et f 3 − αf 2 = β 2 (β − α)v.
O Ak − λIn
Par élimination de v, on obtient f ◦ (f − αId) ◦ (f − βId) = 0̃.
se relit après formule de passage Ck,k = Oαk . Ainsi P = X(X − α)(X − β) est annulateur de f .
Inversement, si la matrice A est diagonalisable et s’il y a nullité des blocs Cas α 6= β et α, β 6= 0
diagonaux d’une représentation de B dans une base adaptée à la décomposition f est diagonalisable car annule un polynôme scindé simple.
de Kn en somme de sous-espaces propres de A alors on peut reprendre dans Cas α = β = 0
l’autre sens l’étude qui précède pour affirmer que M est diagonalisable. f est diagonalisable car f est l’endomorphisme nul.
Cas β = 0 et α 6= 0.
On a f 2 − αf = 0 donc f est diagonalisable car annule le polynôme scindé simple
Exercice 243 : [énoncé] X(X − α).
Soit M solution. Cas α = 0 et β 6= 0.
Puisque le corps de base est C, la matrice M est semblable à une matrice Semblable.
triangulaire supérieure où figure sur la diagonale les valeurs propres de M Cas α = β 6= 0.
comptées avec multiplicité. On a f = α(u + v) et f 2 = α2 (u + v) donc à nouveau f 2 − αf = 0.
Puisque tr(M ) = n, la somme des valeurs propres de M comptées avec Dans tous les cas, l’endomorphisme f est diagonalisable.
multiplicité vaut n.
Or les valeurs propres de M sont racines du polynôme X 5 − X 2 = X 2 (X 3 − 1),
elle ne peuvent donc qu’être 0, 1, j ou j 2 . Notons p, q, r et s les multiplicités de Exercice 246 : [énoncé]
chacune ; on a trM = q + rj + sj 2 = n. Puisque les parties réelles de j et j 2 valent a) On vérifie par le biais des relations proposées
−1/2, la seule possibilité est que q = n, r = s = 0 et alors p = 0.
En particulier 0 n’est pas valeur propre de M et donc M est inversible. M 2 − (λ + µ)M + λµIp = Op
La relation M 5 = M 2 donne alors M 3 = In et donc M est diagonalisable puisque
M annule un polynôme scindé simple. Finalement M est semblable à In donc On en déduit
égale In car sa seule valeur propre est 1. λ+µ 1
M Ip − M = Ip
Inversement, la matrice In est solution. λµ λµ
Par le théorème d’inversibilité, M est inversible et
Exercice 244 : [énoncé] λ+µ 1
a) En développant, on vérifie (f − αId) ◦ (f − βId) = 0̃. M −1 = Ip − M
λµ λµ

b) M − µIp = (λ − µ)A et M − λIp = (µ − λ)B. En écrivant u = a + ib avec a, b ∈ R et en élevant au carré l’identité précédente, on
Or obtient p
(M − µIp )(M − λIp ) = M 2 − (λ + µ)M + λµIp = Op (1 + a)2 + b2 = 1 + 2 a2 + b2 + a2 + b2
donc (λ − µ)2 AB = Op puis AB = Op car λ 6= µ. et cette identité est vérifiée si, et seulement si, a ∈ R+ et b = 0 ce qui permet
Puisque A = A × Ip = A2 + AB = A2 , A est un projecteur. d’écrire z2 = α2 z1 avec α2 = a ∈ R+ .
Il en est de même pour B. Supposons la propriété établie au rang n > 2.
c) M annule le polynôme scindé simple Soient z1 , . . . , zn , zn+1 ∈ C avec z1 6= 0 tels que
n+1 n+1
X 2 − (λ + µ)X + λµ = (X − λ)(X − µ)
X X
zk = |zk |
k=1 k=1
La matrice M est donc diagonalisable et Sp(M ) ⊂ {λ, µ}.
Il se peut que cette inclusion soit stricte, c’est le cas si M = λIp avec A = Ip et Par l’inégalité triangulaire
B = Op . n+1 n n+1
X X X
En tout cas, le spectre n’est pas vide car M est diagonalisable. zk 6 zk + |zn+1 | 6 |zk |
k=1 k=1 k=1
et puisque les termes extrémaux sont égaux on a

n n
On remarque X X
zk = |zk |
C 3 − C 2 = 3A + 3B = 3C
k=1 k=1
La matrice C annule donc le polynôme donc par hypothèse de récurrence on peut écrire pour tout k > 2
3 2
X − X − 3X zk = αk z1 avec αk > 0
On vérifie aisément que ce polynôme est scindé à racines simples et on peut donc On en déduit
n
affirmer que C est diagonalisable. Or X
zk = (1 + α2 + · · · + αn )z1 6= 0
3 2 2 3 k=1
A = C − 2C et B = C + 2C − C
et puisque
n n
donc A et B sont diagonalisables. X
zk + zn+1 =
X
zk + |zn+1 |
k=1 k=1
l’étude du cas n = 2 permet d’écrire
n
a) L’implication (⇐) est immédiate X
zn+1 = a zk = αn+1 z1 avec αn+1 ∈ R+
(⇒) Par récurrence sur n > 2.
k=1
Cas n = 2
Soient z1 , z2 ∈ C? tels que Récurrence établie.
|z1 + z2 | = |z1 | + |z2 | b) Si M ∈ Mn (C) vérifie M n = In et trM = n alors cette matrice est
diagonalisable (car annule le polynôme scindé à racines simples X n − 1) et ses
En posant u = z2 /z1 , on a alors (car z1 6= 0) valeurs propres λ1 , . . . , λn vérifient
|1 + u| = 1 + |u| λ1 + · · · + λn = n

Or les valeurs propres vérifient aussi Exercice 250 : [énoncé]

a) On a
∀1 6 k 6 n, λnk = 1 φ3 (f ) = p3 ◦ f ◦ s3 = p ◦ f ◦ s = φ(f )
et elles sont donc de module 1. Nous sommes donc dans la situation où L’endomorphisme φ annule le polynôme X 3 − X = X(X − 1)(X + 1).
Ce polynôme étant scindé simple, l’endomorphisme φ est diagonalisable.
|λ1 + · · · + λn | = |λ1 | + · · · + |λn | b) Les valeurs propres possibles de φ sont 0, 1, −1.
En raisonnant dans une base adaptée à la décomposition E = F ⊕ G, les matrices
Puisque λ1 6= 0, on peut écrire λk = αk λ1 pour tout k > 2 avec αk > 0. Or tous de p et s sont de la forme
les λk sont de module 1 donc les αk sont égaux à 1 et par suite
Ir O Ir O
et
λ1 = . . . = λn O O O −Is
avec r = dim F et s = dim G. La matrice de f sera dans une même décomposition

Enfin puisque la somme des valeurs propres vaut n, on peut conclure
par blocs de la forme
λ1 = . . . = λn = 1 A B
C D
et finalement M = In car la matrice M est semblable à In . et par calcul la matrice de φ(f ) sera
La réciproque est immédiate.
A −B
O O
Exercice 249 : [énoncé] Il est alors facile de résoudre les équations φ(f ) = λf pour λ = 0, 1, −1.
a) Pour On obtient
 
0 0 1 E0 (φ) = {f ∈ L(E)/Imf ⊂ G}
0 −1
A= et B =  1 0 0 
1 0 E1 (φ) = {f ∈ L(E)/G ⊂ ker f et Imf ⊂ F }
0 1 0
et
on vérifie A4 = I2 et B 3 = I3 . On en déduit M 12 = I5 .
E−1 (φ) = {f ∈ L(E)/F ⊂ ker f et Imf ⊂ G}
Puisque M annule le polynôme X 12 − 1 scindé simple sur C [X], la matrice M est
diagonalisable dans M5 (C).
b) Posons x = (1, 0, 1, 0, 0), on a m(x) = (0, 1, 0, 1, 0), m2 (x) = (−1, 0, 0, 0, 1),
m3 (x) = (0, −1, 1, 0, 0) et m4 (x) = (1, 0, 0, 1, 0). On vérifie aisément que la famille Exercice 251 : [énoncé]
correspondante est une base de R5 en observant par exemple qu’elle est a) On a
génératrice. f (f (M )) = M + (2 + tr(AB))tr(AM )B
Puisque m5 (x) = (0, 1, 0, 0, 1), matrice de m dans cette nouvelle base est donc
  P (X) = X 2 − (2 + tr(AB))X + 1 + tr(AB)
0 0 0 0 1
 1 0 0 0 0  est annulateur de f . Les racines de ce polynôme sont 1 et 1 + tr(AB).

 0 1 0 0 1 
 Si tr(AB) 6= 0 alors f est diagonalisable car annulé par un polynôme scindé

 0 0 1 0 −1 
 simple.
0 0 0 1 0 Pour M appartenant à l’hyperplan défini par la condition tr(AM ) = 0, on a
f (M ) = M .
Pour M ∈ Vect(B) 6= {0}, on a f (M ) = (1 + tr(AB))M .

Ce qui précède détermine alors les sous-espaces propres de f . Si trA = 0 alors les valeurs propres de f figurent parmi les racines du polynôme
Si tr(AB) = 0 alors 1 est la seule valeur propre possible de f et donc f est X 2 . Seule 0 peut donc être valeur propre de f et par conséquent f est
diagonalisable si, et seulement si, f = Id ce qui donne la conditio diagonalisable si, et seulement si, f = 0̃. Ceci correspond au cas A = On .
Déterminons maintenant les sous-espaces propres de f .
∀M ∈ Mn (R), tr(AM )B = On Le cas A = On est immédiat. Supposons-le désormais exclu.
Si tr(M ) = 0 alors
Cette propriété a lieu si, et seulement si, A = On ou B = On . f (M ) = tr(A)M
b) Si A = On ou B = On alors f = Id et donc
Pour M matrice de l’hyperplan des matrices de trace nulle, f (M ) = λM avec
dim C = n4 λ = tr(A). On en déduit que tr(A) est valeur propre de M et le sous-espace propre
associé est de dimension au moins n2 − 1.
Si tr(AB) 6= 0 alors f est diagonalisable avec des sous-espaces propres de Dans le cas où tr(A) = 0, l’endomorphisme n’est pas diagonalisable et la
dimensions 1 et n2 − 1. On en déduit dimension du sous-espace propre associé à la valeur propre tr(A) est exactement
n2 − 1.
dim C = 1 + (n2 − 1)2 Dans le cas où tr(A) 6= 0, l’endomorphisme f est diagonalisable et donc la
dimension des sous-espaces propres des valeurs propres 0 et tr(A) sont
Il reste à étudier le cas complémentaire
respectivement 1 et n2 − 1.
tr(AB) = 0 et A = On ou B = On
Considérons une base de l’hyperplan de Mn (R) donnée par l’équation Exercice 253 : [énoncé]
tr(AM ) = 0 dont le premier éléments serait B. Complétons celle-ci en une base de a) X 2 − 2X annule A.
Mn (R). La matrice de f dans cette base est de la forme b) Puisque A2 − 2A = A(A − 2I2 ) = O2 , on a (M 2 + M )(M 2 + M − 2I2 ) = O2 .
On en déduit que
 
1 (0) λ
P (X) = (X 2 + X)(X 2 + X − 2) = X(X + 1)(X − 1)(X + 2)
 .. 
 .  avec λ 6= 0


 (0) 1 (0)  est annulateur de M .
(0) 1 On en déduit que M est diagonalisable et que ces valeurs propres possibles sont
0, −1, 1, 2.
En étudiant la commutation avec une telle matrice, on obtient c) Notons λ et µ les deux valeurs propres de M .
Celles-ci ne peuvent être égales car si λ = µ alors M = λI2 n’est pas solution de
dim C = n4 − 2n2 + 2 l’équation.
Cas λ = 0 et µ = 1
On a M (M − I2 ) = O2 donc M 2 − M = O2 . Combinée à la relation M 2 + M = A,
Exercice 252 : [énoncé] on obtient
1
On observe M= A
2
f ◦ f (M ) = tr(A) (tr(A)M − tr(M )A) − tr (tr(A)M − tr(M )A) A = tr(A)f (M ) Cas λ = 0 et µ = −2
Un raisonnement analogue donne
Ainsi
f ◦ f = tr(A).f M = −A
Si trA 6= 0 alors l’endomorphisme f est diagonalisable car annule le polynôme Cas λ = 0 et µ = −1

X 2 − tr(A)X qui est scindé à racines simples. On a M 2 + M = O2 et donc ce cas est impossible etc.

Exercice 254 : [énoncé] sous-espace propre de f , la restriction de g définit un endomorphisme

a) p + q = Id, p ◦ q = 0 car (u − aId)(u − bId) = 0, p = p ◦ Id = p ◦ p + p ◦ q = p ◦ p, diagonalisable car annulé par un polynôme scindé à racines simples (car g
aussi q ◦ q = q via q ◦ p = 0. diagonalisable). Cela permet de construire une base de diagonalisation simultanée.
b) ker p = ker(u − aId), ker q = ker(u − bId) et (u − aId)(u − bId) = 0 donne par le
lemme de décomposition des noyaux, E = ker p ⊕ ker q.
c) u est diagonalisable car annule un polynôme scindé simple, Exercice 260 : [énoncé]
Sp(u) = {a, b}, Ea (u) = ker p, Eb (u) = ker q à moins que u = aId ou u = bId. Si f et g sont simultanément diagonalisable alors leurs représentations diagonales
commutent donc f et g commutent.
Si f et g commutent alors g laisse stable chaque sous-espace propre Eλ (f ) et donc
Exercice 255 : [énoncé] la restriction de g à celui-ci est diagonalisable dans une certaine base Bλ . En
f annule un polynôme scindé à racines simple et f|F aussi. accolant les bases Bλ , pour λ ∈ Sp(f ) on obtient une base où f et g sont
représentés par des matrices diagonales.

Si F admet une base de vecteurs propres, il est immédiat d’établir qu’il est stable a) Par récurrence, on obtient
par u.
Inversement, si F est stable alors uF est diagonalisable et donc il existe une base ∀n ∈ N? , An B − BAn = nAn−1 C
de F formée de vecteurs propres de u.
On en déduit
∀P ∈ K [X] , P (A)B − BP (A) = P 0 (A)C
Exercice 257 : [énoncé] Si la matrice A est diagonalisable, elle annule un polynôme scindé à racine simple
Le sous-espace vectoriel F = Vect(e1 , e2 ) eststable par u et l’endomorphisme P et donc
1 1 P 0 (A)C = 0
induit par u sur F a pour matrice dans(e1 , e2 ).
0 1 Puisque les racines de P sont simples, les valeurs propres de A ne sont pas racine
Or cette matrice n’est pas diagonalisable donc l’endomorphisme induit par u sur de P 0 et une diagonalisation de A permet d’affirmer
F n’est pas diagonalisable et donc u ne l’est pas non plus.
det P 0 (A) 6= 0
Exercice 258 : [énoncé] Puisque la matrice P 0 (A) est inversible, l’identité P 0 (A)C = 0 donne C = 0.
Spf = {2, 4, 6}, E2 (A) = Vecte1 , E4 (A) = Vecte2 et E6 (A) = Vecte3 avec b) Supposons C diagonalisable.
e1 = (0, 1, 1), e2 = (1, 0, 1), e3 = (1, 1, 0). Notons a, b, c les endomorphismes de Rn canoniquement associés aux matrices
Si V est un sous-espace vectoriel stable alors fV est diagonalisable et donc A, B, C.
possède une base de vecteurs propres de f . Ainsi V = {0}, Vect(ei ) avec Soit λ une valeur propre de C. Le sous-espace propre Eλ (c) est stables par les
i ∈ {1, 2, 3}, Vect(ej , ek ) avec j 6= k ∈ {1, 2, 3} ou V = R3 . endomorphismes a et b car la matrice C commute avec A et B. Notons aλ et bλ
les endomorphismes induits associés. On a
aλ ◦ bλ − bλ ◦ aλ = λIdEλ (c)
Si f et g sont simultanément diagonalisables alors on peut former une base de En considérant la trace, on obtient
chaque sous-espace propre de f à l’aide de vecteur propre de g. Par suite les λ dim Eλ (c) = 0
sous-espaces propres de f sont stables par g et inversement.
Supposons que les sous-espaces propres de f soient stables par g. f étant On en déduit que seule 0 est valeur propre de C et donc la matrice diagonalisable
diagonalisable, E est la somme directe des sous-espaces propres de f . Sur chaque C est nulle.

Exercice 262 : [énoncé] on a

a) Une base de vecteur propre de u est aussi une base de vecteur propre de P (u). f 2 Q(f ) = P (f 2 ) = 0
b) La réciproque n’est pas vraie en toute généralité comme le montre le cas d’un
Ainsi
polynôme constant.
ImQ(f ) ⊂ ker f 2
En revanche, on peut montrer que la réciproque est vraie si deg P = 1.
or ker f 2 = ker f donc
f Q(f ) = 0
a) Une base diagonalisant f diagonalise aussi f 2 et permet d’affirmer Ainsi f annule le polynôme scindé à racines simples
p
rgf = rgf 2 Y
R=X (X − δi )(X + δi )
Sachant ker f ⊂ ker f 2 , on obtient ker f = ker f 2 par égalité des dimensions. i=1
b) Posons
0 1
On en déduit à nouveau f diagonalisable.
A=
0 0
Un endomorphisme représenté par A n’est pas diagonalisable alors que son carré
est nul et donc diagonalisable.
a) u est diagonalisable si, et seulement si, u annule un polynôme scindé à racines
c) Supposons f diagonalise et ker f = ker f 2 . Soit P le polynôme minimal de f 2 .
simples.
Celui-ci est scindé à racines simples car f 2 est diagonalisable.
ou encore :
Cas 0 n’est pas racine de P .
u est diagonalisable si, et seulement si, le polynôme minimal de u est scindé à
On peut écrire
p racines simples.
b) Si u est diagonalisable, il est clair que u2 l’est aussi.
Y
P = (X − λi ) avec ∀1 6 i 6 n, λi 6= 0
i=1 Inversement, si u2 est diagonalisable alors son polynôme annulateur est scindé à
Pour chaque λi , posons δi et −δi les deux solutions complexes de l’équation racines simples : (X − λ1 )...(X − λp ).
Puisque u ∈ GL(E) : ∀1 6 i 6 p, λi 6= 0 car 0 n’est pas valeur propre de u.
z 2 = λi Notons αi et βi les deux solutions de l’équation z 2 = λi .
Puisque (u2 − λ1 Id) ◦ . . . ◦ (u2 − λp Id) = 0 on a
Considérons ensuite
p
Y (u − α1 Id) ◦ (u − β1 Id) ◦ . . . ◦ (u − αp Id) ◦ (u − βp Id) = 0.
Q= (X − δi )(X + δi ) Ainsi u annule un polynôme scindé à racines simples. Par suite u est
i=1 diagonalisable.
Le polynôme Q est scindé à racines simples et Q(f ) = P (f 2 ) = 0. c) Si u est diagonalisable alors P (u) l’est aussi.
On en déduit que f est diagonalisable. Inversement, si P (u) est diagonalisable alors son polynôme minimal est scindé à
Cas 0 est racine de P . racines simples (X − λ1 ) . . . (X − λp ) où les λi sont les valeurs propres de P (u).
On peut écrire Le polynôme (P (X) − λ1 ) . . . (P (X) − λp ) est alors annulateur de u.
Yp Les facteurs P (X) − λi sont sans racines communes.
P =X (X − λi ) avec ∀1 6 i 6 n, λi 6= 0 Le polynôme minimal M de u divise (P (X) − λ1 ) . . . (P (X) − λp ).
i=1 Si ω est racine au moins double de M alors ω est racine au moins double de l’un
En reprenant les notations ci-dessus, et on considérant le polynôme des facteurs P (X) − λi donc racine de P 0 .
p Or ω est aussi valeur propre de u donc P 0 (ω) = 0 est valeur propre de P 0 (u).
Cependant P 0 (u) ∈ GL(E), c’est donc impossible.
Y
Q= (X − δi )(X + δi )
i=1
Par suite les racines de M sont simples et u est donc diagonalisable.

Exercice 265 : [énoncé] Si 0 est la seule valeur propre de A alors A est semblable à une matrice
Soient λ1 , . . . , λn les valeurs propres deux à deux distinctes de P (u). triangulaire supérieure stricte et alors An = On ce qui est exclu.
n
Q Sinon A possède alors une autre valeur propre, puis deux car la somme des valeurs
Posons Q = (X − λk ). Q est un polynôme annulateur de P (u) donc
k=1 propres est nulle. Par suite la somme des dimensions des sous-espaces propres de
n
Q A est au moins n et donc A est diagonalisable.
(P (u) − λk IdE ) = 0̃.
k=1
n
Q
Posons Qk = P − λk . Le polynôme Qk est annulateur de u et les racines d’un
k=1 Exercice 268 : [énoncé]
polynôme Qk sont distinctes de celles d’un polynôme Q` avec k 6= ` car λk 6= λ` .
a) A est semblable à une matrice triangulaire supérieure stricte T .
De plus si α est racine multiple de Qk alors P (α) = λk et Q0k (α) = P 0 (α) = 0 ce
b) On peut écrire A = P T P −1 donc
qui est exclu par hypothèse.
n
Q
Par conséquent le polynôme Qk est scindé simple donc u est diagonalisable. det(A + In ) = det(T + In ) = 1
k=1
c) det(A + M ) = det(M ) det(AM −1 + In ).

Puisque (AM −1 )n = An M −n = On , 0 est la seule valeur propre de AM −1 et par
Exercice 266 : [énoncé] l’étude qui précède det(A + M ) = det M .
Si A est diagonalisable, on peut écrire A = P DP −1 avec P inversible et D d) Si A est solution alors pour tout λ 6= 0, det(A − λIn ) 6= 0 donc 0 est seule
diagonale. On a alors B = Ap = P −1 Dp P avec Dp diagonale et donc B est valeur propre de A.
diagonalisable.
Inversement, si B est diagonalisable alors il existe un polynôme annulateur de B
scindé à racines simple de la forme
m
Y Si A est solution alors P = X(X − 2)2 est annulateur de A et les valeurs propres
(X − λk )
de A figurent parmi {0, 2}. Par la trace, on peut alors affirmer que 2 est valeur
k=1
propre de multiplicité 4.
De plus, puisque B est inversible, on peut supposer les λk tous non nuls. Par le lemme de décomposition des noyaux, ker(A − 2Id)2 et ker A sont
Sachant B = Ap , le polynôme supplémentaires.
m
Par multiplicité des valeurs propres, leurs dimensions respectives sont 4 et n − 4.
Y Ainsi A est semblable à
(X p − λk )
2I4 + M 0
k=1
0 On−4
est annulateur de A. Or ce dernier est scindé à racines simples car
- les facteurs X p − λk et X p − λ` (avec k 6= `) ont des racines deux à deux avec M ∈ M4 (C) vérifiant M 2 = 0.
distinctes ; On raisonnant sur le rang, on montre que M est semblable à
- les racines de X p − λk sont toutes simples (car λk 6= 0).    
0 0 0 1 0 0 1 0
On en déduit que A est diagonalisable.  0 0 0 0   0 0 0 1 
O4 , 
 0 0 0 0  ou
 
 0 0 0 0 

0 0 0 0 0 0 0 0
dim ker A = n − 2 donc 0 est valeur propre de A de multiplicité au moins n − 2. La réciproque est immédiate.
Puisque χA est scindé, la trace de A est la somme des valeurs propres de A
comptées avec multiplicité.

Exercice 270 : [énoncé] Le déterminant de la matrice V se calcule par déterminant de Vandermonde et est
Si la matrice A est nilpotente alors elle est annulée par un polynôme X m et donc non nul car λ1 , . . . , λm 6= 0. On en déduit
SpA ⊂ {0} ∀1 6 i 6 m, αi = 0
Dans Mn (C), la matrice A est trigonalisable semblable à une matrice triangulaire ce qui est absurde car les αi étaient des multiplicités de véritables valeurs propres.
supérieure stricte  
0 ?
T =
 .. 
. 
0 0 Le polynôme
X 3 − 4X 2 + 4X = X(X − 2)2
De la même façon, les matrices Ap sont aussi semblables à des matrices
triangulaires supérieures strictes et donc est annulateur de M .
On en déduit SpM ⊂ {0, 2} et M trigonalisable (car M annule un polynôme
∀p ∈ [[1, n]] , trAp = 0 scindé).
Par suite trM est la somme des valeurs propres de M comptées avec multiplicité
Inversement, supposons trAp = 0 pour tout p ∈ [[1, n]].
et puisque trM = 0, seule 0 est valeur propre de M .
Nous allons montrer que seule 0 est valeur propre de A. On pourra alors par
On en déduit que la matrice M − 2In est inversible et puisque
trigonalisation affirmer que la matrice A est semblable dans Mn (C) à une matrice
triangulaire supérieure stricte T et puisque T n = On on aura aussi An = On ce M (M − 2In )2 = On
qui conclut.
Par l’absurde supposons donc que la matrice A ait au moins une valeur propre on obtient
non nulle. M = On
Notons λ1 , ..., λm les valeurs propres non nulles de la matrice A et α1 , ..., αm leurs
multiplicités respectives.
En procédant encore à une trigonalisation de la matrice A, on peut affirmer Exercice 272 : [énoncé]
m
X Puisque le polynôme X 3 − X 2 = X 2 (X − 1) annule f le lemme de décomposition
∀1 6 p 6 n, tr(Ap ) = αi λpi = 0 des noyaux donne
i=1 R3 = ker f 2 ⊕ ker(f − Id)
On ne retient que les m premières équations pour exprimer le système Sachant dim ker(f − Id) = 1, on a dim ker f 2 = 2.
On ne peut avoir dim ker f = 0 et puisque ker f ⊂ ker f 2 , on a
λ1 α1 + λ2 α2 + · · · + λm αm = 0



 λ2 α + λ2 α + · · · + λ2 α = 0
 dim ker f = 1 ou 2
1 1 2 2 m m


 ... Si dim ker f = 2 alors
 m
λ1 α1 + λm α
2 2 + · · · + λm
m αm = 0 R3 = ker(f − Id) ⊕ ker f
Ce système peut se percevoir sous la forme matricielle V X = 0 avec et dans une base adaptée à cette supplémentarité, la matrice de f est
X = t (α1 . . . αm ) et  

λ1 λ2 · · · λm
 1 0 0
 λ21 λ22 · · · λ2m   0 0 0 
V = .

.. .. 
 0 0 0
 .. . . 
λ1 λ2 · · · λm
m m
m
Si dim ker f = 1 alors considérons e3 ∈ ker f 2 \ ker f et e2 = f (e3 ).

On vérifie aisément que (e2 , e3 ) est une base de ker f 2 et en considérant un Exercice 276 : [énoncé]
vecteur e1 ∈ ker(f − Id) non nul, on obtient une base (e1 , e2 , e3 ) dans laquelle la a) Supposons qu’il existe p ∈ N? tel que f p = 0.
matrice de f est   X p est annulateur de f donc Sp(f ) ⊂ {0}. Or Sp(f ) 6= ∅ donc Sp(f ) = {0}.
1 0 0 Inversement, si Sp(f ) = {0} alors seule 0 est racine de son polynôme
 0 0 1  caractéristique. Or χf est scindé dans C [X] donc χf = (−1)n X n puis f n = 0 en
0 0 0 vertu du théorème de Cayley Hamilton. On en déduit que f est nilpotente.
b) Supposons f nilpotent.
Par l’étude ci-dessus, f est trigonalisable stricte et donc
a) Si A ∈ Mn (C) alors A est triangularisable et lors de cette triangularisation les ∀1 6 k 6 n, tr(f k ) = 0
valeurs propres de A apparaissent sur la diagonale. Or A est nilpotent donc 0 est
car les puissances de f pourront aussi être représentées par des matrices
sa seule valeur propre et la diagonale de la matrice triangulaire obtenue est nulle.
triangulaires strictes.
Le polynôme caractéristique de A ∈ Mn (C) est alors égal à (−1)n X n .
Inversement, supposons
b) Pour A ∈ Mn (R), on a aussi A ∈ Mn (C) et le polynôme caractéristique est
∀1 6 k 6 n, tr(f k ) = 0
calculé par la même formule dans les deux cas. Par suite le polynôme
caractéristique pour A ∈ Mn (R) est scindé et donc à nouveau A est En notant λ1 , . . . , λn les valeurs propres comptées avec multiplicité de A, on
triangularisable avec des 0 sur la diagonale. obtient le système
 λ1 + · · · + λn = 0


 λ2 + · · · + λ2 = 0

1 n
Exercice 274 : [énoncé]  · · ·

Si u possède une unique valeur propre λ alors celle-ci est la seule racine de son 
 n
λ1 + · · · + λnn = 0
polynôme caractéristique qui est alors (λ − X)dim E . Ce dernier annulant u, on
peut affirmer u − λIdE est nilpotent. La résolution de ce système est délicate.
Si u − λIdE est nilpotent alors il existe p ∈ N tel que (X − λ)p soit annulateur de En raisonnant par récurrence, nous allons établir que la seule solution est
u. Les valeurs propres de u étant racine de ce polynôme, elles ne peuvent qu’être λ1 = . . . = λn = 0ce qui permettra de conclure que f est nilpotente car
égale à λ. De plus λ est assurément valeur propre car un endomorphisme d’un χf = (−1)n X n est annulateur de f .
C-espace vectoriel de dimension finie possède au moins une valeur propre. Pour n = 1 : la propriété est immédiate.
Supposons la propriété au rang n − 1.
Considérons le polynôme
a) Par récurrence P (X) = (X − λ1 ) . . . (X − λn )
n n n
f ◦ g − g ◦ f = nf En développant,
b) Par linéarité
P (f ) ◦ g − g ◦ P (f ) = f ◦ P 0 (f ) P (X) = X n + an−1 X n−1 + · · · + a1 X + a0
n
Par suite, si P (f ) = 0, alors f ◦ P 0 (f ) = 0. Comme P (λi ) = 0, on a
P
P (λi ) = 0.
c) Soit π le polynôme minimal de l’endomorphisme f . i=1
π annule f donc Xπ 0 aussi. Par minimalité de π, π | Xπ 0 . Pour des raisons de Or
n n n n
degré et de coefficients dominants, απ = Xπ 0 avec α = deg π. On en déduit
X X X X
P (λi ) = λni + an−1 λin−1 + · · · + a1 λi + na0 = na0
π = X α et donc f est nilpotent. i=1 i=1 i=1 i=1
On en déduit a0 = 0 et donc 0 est racine de P .

Il existe alors i ∈ {1, . . . , n} tel que λi = 0. (K [X] , +). La stabilité par absorption étant immédiate, I2 est un idéal de K [X]
Par symétrie du problème, on peut supposer λn = 0. et comme il contient I1 , il est non nul.
Par application de l’hypothèse de récurrence, on obtient λ1 = . . . = λn = 0. b) Puisque I1 ⊂ I2 , P1 ∈ P2 K [X] et donc P2 | P1 .
La récurrence est établie. Aussi, en posant n la dimension de E, on sait que pour tout endomorphisme
nilpotent de v de E, on a v n = 0̃. Puisque P2 (u) est nilpotent, on en déduit que
(P2 )n (u) = 0̃ et donc P1 | P2n .
Exercice 277 : [énoncé] c) Cette question est immédiate avec la décomposition de Dunford mais cette
a) Soit λ une valeur propre de l’endomorphisme T . dernière est hors-programme. . . Procédons autrement !
Il existe une matrice M non nulle vérifiant T (M ) = λM . Puisque P2 | P1 et P1 | P2n , les racines de P2 sont exactement celles de P1
On a alors M A = (A + λIn )M . c’est-à-dire les valeurs propres de l’endomorphisme u. On peut donc écrire
Par une récurrence facile, M Ap = (A + λIn )p M . Y
Or pour un certain p ∈ N? , Ap = On donc (A + λIn )p M = On . P2 = (X − λ)αλ
λ∈Spu
Cependant la matrice M n’est pas nulle donc la matrice (A + λIn )p n’est pas
inversible puis la matrice A + λIn ne l’est pas non plus. Ainsi λ est valeur propre Or P2 (u) étant nilpotent, il est immédiat que l’endomorphisme
Q
(u − λIdE )
de A et donc λ = 0 car 0 est la seule valeur propre d’une matrice nilpotente. λ∈Spu
On en déduit SpT ⊂ {0} puis SpT = {0} car le corps de base C assure l’existence l’est aussi.
d’au moins une valeur propre. On en déduit que Y
Le polynôme caractéristique de T étant scindé dans C [X] et de degré n2 , on a P2 = (X − λ)
2 2 2
χT = (−1)n X n puis T n = 0̃ car le polynôme caractéristique est annulateur en λ∈Spu
vertu du théorème de Cayley Hamilton. et ce polynôme est donc scindé simple.
Finalement, l’endomorphisme T est nilpotent. Déterminons maintenons un polynôme R ∈ K [X] tel que pour Q = P2 R, on ait
b) Pour g = IdE on a T = 0̃. P2 (u − Q(u)) = 0̃.
Ainsi l’endomorphisme T est nilpotent alors que g ne l’est pas. On en déduira que u − Q(u) est diagonalisable avec Q(u) ∈ I2 .
La réciproque est fausse. L’identité P2 (u − Q(u)) = 0̃ est obtenue dès que P1 divise le polynôme
Y
P2 (X − P2 (X)R(X)) = (X − λ − P2 (X)R(X))
Exercice 278 : [énoncé] λ∈Spu
Une matrice M ∈ Mn (C) nilpotente vérifie M n = On . Considérons la matrice

(X − λ)βλ donc il suffit que pour chaque λ ∈ Spu, le facteur
Q
Or P1 =
(A + xB)n . Les coefficients de cette matrice sont des polynômes de degrés λ∈Spu
inférieurs à n s’annulant chacun en les λ1 , . . . , λn , λn+1 , ce sont donc des (X − λ)βλ divise le facteur X − λ − P2 (X)R(X) pour pouvoir conclure.
polynômes nuls. Ainsi, pour tout x ∈ C, (A + xB)n = On . En particulier pour On a
x = 0, on obtient An = On . Aussi pour tout y 6= 0, en considérant y = 1/x, on a
 
Y
(yA + B)n = On et en faisant y → 0, on obtient B n = On . X − λ − P2 (X)R(X) = (X − λ) 1 − (X − µ)R(X)
µ6=λ
La condition voulue est assurément vérifiée si βλ = Q1.

Exercice 279 : [énoncé] Pour βλ > 2, la condition voulue est satisfaite si (λ − µ)R(λ) = 1 et si pour
a) I1 est l’idéal des polynômes annulateurs de u ; il est engendré par P1 = πu µ6=λ Q
polynôme minimal de u. tout k ∈ {1, . . . , βλ − 2}, la dérivée kème du polynôme (X − µ)R(X) s’annule
µ6=λ
La somme de deux endomorphismes nilpotents commutant est encore nilpotent
en λ. Cela fournit des équationsQdéterminant pleinement
car la formule du binôme de Newton s’applique et il suffit de travailler avec un
R(λ), R0 (λ), . . . , Rβλ −2 (λ) car (λ − µ) 6= 0.
exposant assez grand. On obtient alors facilement que I2 est un sous-groupe de µ6=λ

Sachant qu’il est possible de construire un polynôme prenant des valeurs données En notant p l’indice de nilpotence de A, K [A] = Vect(In , A, . . . , Ap−1 ).
ainsi que ses dérivées en des éléments deux à deux distincts de K, on peut D’autre part, on établit facilement que la famille (In , A, . . . , Ap−1 ) est libre et
déterminer un polynôme résolvant notre problème. donc on peut conclure dim K [A] = p.
2.a) B p = Ap P (A)p = 0 donc B est nilpotente et Ind(B) 6 Ind(A).
Si B q = 0 alors Aq P (A)q = 0 et donc le polynôme X q P (X)q est annulateur de A.
Exercice 280 : [énoncé] Or le polynôme minimal de A est X p et celui-ci divise tout polynôme annulateur
a) O22 = O2 donc Φ(O2 )2 = Φ(O2 ) d’où Φ(O2 ) = 0 ou 1. de A donc X p divise X q P (X)q . Sachant P (0) 6= 0, on obtient que X p divise X q et
Si Φ(O2 ) = 1 alors pour tout A ∈ M2 (R), donc p 6 q.
Φ(A) = Φ(A) × Φ(O2 ) = Φ(A × O2 ) = 1. 2.b) Puisque B est un polynôme en A, on a K [B] ⊂ K [A]. Or par égalité des
Ceci est exclu car la fonction Φ n’est pas constante. On en déduit Φ(O2 ) = 0. indices de nilpotence, on a égalité des dimensions et donc K [B] = K [A]. Par suite
b) Si A est nilpotente alors A2 = O2 (car A est de taille 2) et donc Φ(A)2 = 0 puis il existe R ∈ K [X] tel que A = R(B).
Φ(A) = 0. Puisque Ap = 0, le polynôme R(X)p est annulateur de B, or le polynôme minimal
c) I22 = I2 donc Φ(I2 )2 = Φ(I2 ) puis Φ(I2 ) = 0 ou 1. de B est X p donc X p divise R(X)p et on en déduit R(0) = 0. Cela permet
Si Φ(I2 ) = 0 alors pour tout A ∈ M2 (R), Φ(A) = Φ(A × I2 ) = Φ(A) × 0 = 0. d’écrire R(X) = XQ(X) et donc A = BQ(B).
Ceci est exclu car la fonction Φ n’est pas constante. On en déduit Φ(I2 ) = 1. Si Q(0) = 0, alors on peut encore écrire A = B 2 S(B) et alors l’indice de
nilpotence de A est inférieur au plus petit entier supérieur à p/2. Si p > 1, c’est

0 1
Notons E = . absurde et donc on peut affirmer Q(0) 6= 0.
1 0
On remarque E 2 = I2 donc Φ(E)2 = 1 puis Φ(E) = −1 car Φ(E) 6= Φ(I2 ). Dans le cas p = 1, on a A = 0, B = 0 et la résolution est immédiate.
Puisque B = EA, on en déduit Φ(B) = −Φ(A). 3.a) On définit la matrice étudiée
d) Si A est inversible alors Φ(I2 ) = Φ(A) × Φ(A−1 ) et donc Φ(A) 6= 0 puisque A:=matrix(8, 8, (i, j)->if i=j-1 or i=j-4 then 1 else 0 fi);
Φ(I2 ) = 1 6= 0. Cette matrice est triangulaire supérieure, donc nilpotente.
Inversement, supposons A non inversible. 0 est valeur propre de A. On évalue les puissances successives de la matrice A
On vérifie aisément que deux matrices A et B semblables vérifient Φ(A) = Φ(B). seq(evalm(Aˆk), k=1..8);
Si A est diagonalisable alors A est semblable à On observe alors Ind(A) = 8.
3.b) On définit la matrice B

0 0 B:=evalm(A*(1+A+2*Aˆ2+3*Aˆ3));
0 trA On cherche ensuite le polynôme Q a coefficients inconnus. On définit celui-ci
Q:=unapply(add(a[k]*Xˆk, k=0..6), X);
Par suite ainsi que la matrice C = BQ(B)
0 0 0 trA C:=evalm(B&*Q(B));
Φ(A) = Φ = −Φ =0
0 trA 0 0 En jouant avec le facteur de zoom, on observe la structure de cette matrice et
car cette dernière matrice est nilpotente. celle-ci correspond à A si, et seulement si, les ak sont solutions d’un système facile
Si A n’est pas diagonalisable A est trigonalisable (car χA scindé sur R) et A est à former. On résout celui-ci
semblable à solve(C[1, 2]=1, C[1, 3]=0, C[1, 4]=1, seq(C[1, k]=0, k=5..8));
0 1 On peut vérifier l’exactitude de cette solution
0 0 assign(%);
evalm(B&*Q(B));
et par suite Φ(A) = 0 car cette dernière matrice est nilpotente. Finalement, on obtient le polynôme
Q(X) = 1 − X + X 2 − 2X 3 + 9X 4 − 32X 5 + 72X 6

Exercice 281 :[énoncé]
1. K [A] = Vect Ak /k ∈ N .

Exercice 282 : [énoncé] Considérons alors la matrice

a) SpA = {0} et A 6= On donc A n’est pas diagonalisable.
b) On remarque An = On et An−1 6= On . (A + XB)n ∈ Mn (K [X])
S’il existe B ∈ Mn (R) vérifiant B 2 = A alors B 2n = An = On donc B est
nilpotente. Par suite B n = On . Celle-ci est à coefficients polynomiaux de degrés inférieurs à n. Puisque
Or B 2n−2 6= On avec 2n − 2 > n, c’est absurde. 1, 2, . . . , 2n sont n + 1 racines distinctes de ces coefficients, ceux-ci sont tous nuls.
On en déduit
An = On
Exercice 283 : [énoncé] car les coefficients constants sont nuls, et
On a
det(A + N ) = det(A) det(In + A−1 N ) B n = On
Puisque A et N commutent, il en est de même de A−1 et N . On en déduit que la car les coefficients des termes X n sont aussi nuls.
matrice A−1 N est nilpotente car N l’est.
La matrice A−1 N est alors semblable à une matrice triangulaire supérieure stricte
et la matrice In + A−1 N est semblable à une matrice triangulaire supérieure avec Exercice 286 : [énoncé] √
des 1 sur la diagonale. a) Par le développement limite de 1 + x en 0 on peut écrire
On en déduit √
det(In + A−1 N ) = 1 1 + x = Pn (x) + O(xn )
puis avec Pn polynôme de degré inférieur à n − 1.
det(A + N ) = det A b) On a
√ 2
Pn2 (x) = 1 + x + O(xn ) = 1 + x + O(xn )
a) Si λ est valeur propre de A alors λp = 0 d’où λ = 0. Par suite χA = (−1)n X n Pn2 (x) − x − 1 = O(xn )
puis par Cayley Hamilton An = 0. Notons α la multiplicité de 0 en tant que racine du polynôme Pn2 (X) − X − 1.
b) det(A + I) = χA (−1) = (−1)n (−1)n = 1 On peut écrire Pn2 (X) − X − 1 = X α Q(X) avec Q(0) 6= 0 et donc
c) Si M est inversible det(A + M ) = det(AM −1 + I) det M .
Or A et M −1 commutent donc (AM −1 )p = 0 puis par b) : det(A + M ) = det M . xα Q(x) = O(xn ) au voisinage de 0
Si M n’est pas inversible. Posons Mp = M + p1 In . Quand p → +∞, Mp est
inversible et commute avec A donc det(A + Mp ) = det Mp . Or det Mp → det M et puis
det(A + Mp ) → det(A + M ) donc on peut prolonger l’égalité à toute matrice qui xα−n Q(x) = O(1)
commute avec A. Nécessairement α − n > 0 et on en déduit que 0 est racine de multiplicité au
0 1 1 2
d) Non prendre : A =
0 0
et M =
3 4
. moins n du polynôme Pn2 (X) − X − 1 et donc que X n divise ce polynôme.
c) Puisque X n annule f , Pn2 (X) − X − 1 annule aussi f et alors l’endomorphisme
g = Pn (f ) vérifie
g 2 = f + IdE
Rappelons qu’une matrice M carrée de taille n qui est nilpotente vérifie M n = On d) Puisque E est un C-espace vectoriel, le polynôme caractéristique de f est
(l’ordre de nilpotence est au plus égal à la taille de la matrice). On a scindé et puisque λ est sa seule valeur propre, celui-ci est
∀k ∈ {0, . . . , n} , (A + 2k B)n = On χf = (−1)n (X − λ)n

En vertu du théorème de Cayley-Hamilton, on a (f − λIdE )n = 0̃. Exercice 289 : [énoncé]

Considérons alors µ ∈ C vérifiant µ2 = λ et posons a) Puisque H est un hyperplan et que In ∈
/ H, on a
g = µPn ((f − λIdE )/µ2 ) H ⊕ Vect(In ) = Mn (K)
Puisque (f − λIdE )/µ2 vérifie l’hypothèse du c), on a Soit A une matrice nilpotente. On peut l’écrire A = B + λIn avec B ∈ H. La
matrice B n’étant pas inversible, il existe une colonne X non nulle telle que
BX = O et alors AX = λX. Le scalaire λ est une valeur propre de la matrice A.

f − λIdE
g 2 = µ2 + IdE =f Or les seules valeurs propres d’une matrice nilpotente sont nulles. On en déduit
µ2
λ = 0 puis A = B ∈ H.
b) Les matrices élémentaires Ei,j avec i 6= j sont nilpotentes car de carrées nulles ;
elles sont donc toutes éléments de H et par combinaison linéaire la matrice
Puisque la matrice A est nilpotente, on a
 
0 1 (0)
 .. .. 
An = On
 . . 
M = 
.
(0) . . 1 
 

et donc puisque A et B commutent 1 0
(AB)n = An B n = On appartient à H. Cependant celle-ci est notoirement inversible.
On en déduit que la matrice AB est aussi nilpotente. Elle est alors semblable à
une matrice triangulaire supérieure stricte et donc Exercice 290 : [énoncé]
a) Sachant M A = On , on a ImA ⊂ ker M . Introduisons F un sous-espace vectoriel
tr(AB) = 0 supplémentaire de ker M dans Mn,1 (C). En considérant une matrice de passage P
traduisant un changement de base vers une base adaptée à la supplémentarité
Exercice 288 : [énoncé] Mn,1 (C) = ker M ⊕ F

a) On remarque
on obtient les écritures par blocs
∀k > 2, Ak = A2

4 2 2 2 −1 A1 A2 −1 O M1
En particulier A = A donc X − X = X(X − 1) annule A . Ce poly étant scindé P AP = et P M P =
O O O M2
simple, la matrice A2 est diagonalisable.
De plus (A2 − A)2 = A4 − 2A3 + A2 = On donc A2 − A est nilpotente. On a alors
b) On remarque χA = χA1 × (−X)dim F et χA+M = χA1 χM2
∀i > k, Ai = Ak
Or M2 est une matrice nilpotente complexe, sa seule valeur propre étant 0, on
et donc A2k = Ak ce qui assure comme au dessus que Ak est diagonalisable et obtient
! ! χM2 = (−X)dim F
k k
k k
X
i k k(k−i)+i
X
i k et l’identité voulue est établie. b) C’est le même raisonnement avec ImM ⊂ ker A
(A − A) = (−1) A = (−1) Ak = On
i=0
i i=0
i et l’introduction d’un sous-espace vectoriel F tel que
Mn,1 (C) = ker A ⊕ F

On a alors ϕ : M → P −1 M P et considérons l’hyperplan

O A1 M1 M2 K = {N ∈ Mn (C)/tr(T N ) = 0}
P −1 AP = et P −1 M P =
O A2 O O
On constate
avec M1 nilpotente.
M ∈ H ⇔ ϕ(N ) ∈ K
Par l’isomorphisme ϕ, on transforme une famille de n2 − n − 1 matrices nilpotentes
Exercice 291 : [énoncé] linéairement indépendantes d’éléments de K en une famille telle que voulue.
a) Notons qu’il est immédiat de vérifier que LA est une forme linéaire sur E.
Par linéarité de la trace, on vérifie tr((λA + µB)M ) = λtr(AM ) + µtr(BM ) ce qui
fournit la linéarité de l’application L.
Puisque dim E = dim E ? < +∞, il suffit désormais de vérifier l’injectivité de L
pour assurer qu’il s’agit d’un isomorphisme. Si LA = 0 (l’application nulle) alors
en particulier LA (t Ā) = 0 et donc tr(At Ā) = tr(t ĀA) = 0.
Or
Xn
2
tr(t ĀA) = |ai,j |
i,j=1
donc A = 0.
Puisque les hyperplans sont exactement les noyaux des formes linéaires non nulles,
on peut assurer que pour tout hyperplan H de E, il existe A ∈ Mn (C) non nulle
telle que
H = {M ∈ Mn (C)/tr(AM ) = 0}
b) Pour tout matrice M ∈ Tn+ , le produit T M est triangulaire à coefficients
diagonaux nuls donc tr(T M ) = 0. Ainsi Tn+ ⊂ H puis H ∩ Tn+ = Tn+ .
Concernant H ∩ Tn− , ou bien c’est un hyperplan de Tn− , ou bien c’est Tn− entier.
S’il n’y a pas de coefficient non nul dans le bloc supérieur strict de T alors T est
diagonale et un calcul analogue au précédent donne H ∩ Tn− = Tn− (de dimension
n(n − 1)/2)
Sinon, on peut déterminer une matrice élémentaire dans Tn− qui n’est pas dans H
(si [T ]i,j 6= 0 alors Ej,i convient) et donc H ∩ Tn− est un hyperplan de Tn− (de
dimension n(n − 1)/2 − 1).
c) Les matrices triangulaire strictes sont bien connes nilpotentes. . .
Une base de Tn+ adjointe à une base de H ∩ Tn− fournit une famille libre (car Tn+
et Tn− sont en somme directe) et celle-ci est formée d’au moins
n(n − 1)/2 + n(n − 1)/2 − 1 = n2 − n − 1 éléments.
d) Soit H un hyperplan de E. Il existe A ∈ Mn (C) non nulle telle que
H = {M ∈ Mn (C)/tr(AM ) = 0}
La matrice A est trigonalisable donc on peut écrire A = P T P −1 avec P ∈ GLn (C)

et T triangulaire supérieure non nulle. Posons alors l’isomorphisme

Réduction Des Endomorphismes

Transféré par

Informations du document

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Réduction Des Endomorphismes

Transféré par

Droits d'auteur :

Formats disponibles

[http://mp.cpgedupuydelome.

fr] édité le 19 janvier 2014 Enoncés 1

Réduction des endomorphismes Exercice 6 [ 03210 ] [correction]

Exprimer simplement P (aIn + J) pour P ∈ R [X].

Exercice 4 [ 03423 ] [correction]

Exercice 10 [ 00757 ] [correction]

Diffusion autorisée à titre entièrement gratuit uniquement - dD

On pose b) Montrer que ◦ est une loi interne dans Γ.

b) Etablir que N et I sont des sous-espaces vectoriels supplémentaires stables par

Exercice 17 Mines-Ponts MP [ 02726 ] [correction]

Diffusion autorisée à titre entièrement gratuit uniquement - dD

Exercice 18 Mines-Ponts MP [ 02897 ] [correction] Exercice 22 CCP MP [ 03205 ] [correction]

Exercice 19 [ 03464 ] [correction]

Diffusion autorisée à titre entièrement gratuit uniquement - dD

Exercice 28 Mines-Ponts MP [ 02719 ] [correction] Exercice 31 CCP MP [ 03187 ] [correction]

Exercice 30 CCP MP [ 02577 ] [correction]

est un endomorphisme de R4 [X]. Etude pratique des éléments propres d’un

Diffusion autorisée à titre entièrement gratuit uniquement - dD

a) Calculer AM − M A. Exercice 40 [ 03435 ] [correction]

Déterminer les valeurs propres de ∆. Exercice 42 Mines-Ponts MP [ 03063 ] [correction]

Diffusion autorisée à titre entièrement gratuit uniquement - dD

Diffusion autorisée à titre entièrement gratuit uniquement - dD

Exercice 52 [ 00777 ] [correction] b) Si λ est valeur propre de An , montrer que

c) Nombre et localisation des valeurs propres de An ?

ai,i = 0 et ai,j = j si i 6= j Exercice 58 [ 03672 ] [correction]

Diffusion autorisée à titre entièrement gratuit uniquement - dD

Exercice 59 CCP MP [ 02543 ] [correction] Exercice 62 [ 00779 ] [correction]

Diffusion autorisée à titre entièrement gratuit uniquement - dD

Exercice 67 [ 02901 ] [correction] Exercice 71 Mines-Ponts MP [ 02699 ] [correction]

(−λ)p χAB (λ) = (−λ)n χBA (λ) Exercice 72 [ 03083 ] [correction]

X q χAB (X) = X p χBA (X) Exercice 73 [ 03121 ] [correction]

Diffusion autorisée à titre entièrement gratuit uniquement - dD

a) Montrer que si A, A0 , B, B 0 ∈ Mn (C) alors (A ? B)(A0 ? B 0 ) = (AA0 ) ? (BB 0 ). On pose

Exercice 80 CCP MP [ 02493 ] [correction]

Diffusion autorisée à titre entièrement gratuit uniquement - dD

Exercice 82 [ 00502 ] [correction] Exercice 87 CCP PC [ 03795 ] [correction]

Exercice 86 X MP [ 02868 ] [correction] Exercice 89 [ 00790 ] [correction]

Diffusion autorisée à titre entièrement gratuit uniquement - dD

Exercice 90 [ 00792 ] [correction] Exercice 94 Mines-Ponts MP [ 02706 ] [correction]

Diffusion autorisée à titre entièrement gratuit uniquement - dD

Exercice 96 [ 03123 ] [correction] Exercice 99 CCP MP [ 03767 ] [correction]

Exercice 97 X PSI [correction]

Diffusion autorisée à titre entièrement gratuit uniquement - dD

Exercice 102 CCP MP [ 02536 ] [correction] Montrer que J est diagonalisable.

Exercice 103 CCP MP [ 02522 ] [correction]

Diagonalisabilité des matrices de rang 1 Etude de matrices diagonalisables

Exercice 112 [ 00797 ] [correction]

Diffusion autorisée à titre entièrement gratuit uniquement - dD

Exercice 113 [correction]

Exercice 119 [ 00801 ] [correction]

Exercice 115 [ 02453 ] [correction] ϕ(P ) = (X − a)(X − b)P 0 − nXP

Exercice 116 [ 03122 ] [correction] Exercice 121 [ 00803 ] [correction]

Eléments propres et diagonalisabilité d’un est-il diagonalisable ?

Diffusion autorisée à titre entièrement gratuit uniquement - dD

Exercice 123 [ 03015 ] [correction] Exercice 128 Mines-Ponts MP [ 02723 ] [correction]

Exercice 127 Mines-Ponts MP [ 02717 ] [correction] Exercice 131 [ 00805 ] [correction]

Diffusion autorisée à titre entièrement gratuit uniquement - dD

Exercice 133 [ 00807 ] [correction]

Exercice 138 Centrale PSI [ 01324 ] [correction]

Exercice 136 [ 00810 ] [correction] L’endomorphisme f k est-il nécessairement diagonalisable ?

Diffusion autorisée à titre entièrement gratuit uniquement - dD

Applications de la diagonalisabilité a) Montrer que la matrice J est diagonalisable dans Mn (C)

Exercice 141 [ 00812 ] [correction]

Exercice 142 [ 00813 ] [correction]