Réduction d'endomorphismes (corrigé niveau 2).

Valeurs propres, vecteurs propres, spectre.

41. On peut ici développer directement χ A puisqu’il n’y a pas de transformation simple du déterminant.
On trouve : χ A ( x) = x 3 − 3.x 2 + 4 = ( x − 2) 2 .( x + 1) .
 4   2 
   
On trouve, en résolvant les systèmes associés : E 2 ( A) = Vect   − 7   , E −1 ( A) = Vect   − 4   .
 6   3 
   
On remarque que A n’est pas diagonalisable, f non plus, et :
E 2 ( f ) = Vect ((4,−7,6)) , et : E −1 ( f ) = Vect ((2,−4,3)) .

42. a. Si s désigne une telle symétrie dans un K-espace vectoriel E, alors : s 2 = id E , alors X 2 − 1 est
annulateur pour s et étant scindé à racines simples (dans ou dans ), s est diagonalisable.
b. La linéarité de φ est évidente.
2.n +1 2.n +1 2. n +1 2.n +1
1
De plus : ∀ P = ∑
k =0
a k . X , on a : φ ( P ) = X 2.n +1 .
k
∑
k =0
ak . k = ∑ ak .X
X k =0
2.n +1− k
= ∑ a 2.n +1−i . X i ∈
i =0
2.n+1[X].

φ est donc bien un endomorphisme de 2.n+1[X].

On remarque par ailleurs que :
1 2.n +1  1 
∀ P ∈ 2.n+1[X], φ 2 ( P) = φ (φ ( P)) = X 2.n+1 .φ ( P) = X . 2.n +1 .P ( X )  = P ( X ) .
X X 
Donc φ est une symétrie de 2.n+1[X], donc est diagonalisable et ses seules valeurs propres possibles
sont ±1.
Pour déterminer les espaces propres de φ, on peut repartir de l’expression au-dessus et :
2.n +1 n
•∀ P= ∑ ak .X k , ( φ ( P) = P ) ⇔ (∀ 0 ≤ k ≤ 2.n + 1 , a 2.n+1−k = a k ) ⇔ ( P = ∑ ak .( X k + X 2.n+1−k ) ).
k =0 k =0

Une base de E1 (φ ) est ainsi ( ( X + X k 2.n +1− k

), 0 ≤ k ≤ n ) et : dim( E1 (φ )) = n + 1 .
2.n +1 n
•∀ P= ∑ ak .X k , ( φ ( P) = − P ) ⇔ (∀ 0 ≤ k ≤ 2.n + 1 , a 2.n+1−k = −ak ) ⇔ ( P = ∑ ak .( X k − X 2.n+1−k ) ).
k =0 k =0

Une base de E −1 (φ ) est ainsi ( ( X − X k 2.n +1− k

), 0 ≤ k ≤ n ) et : dim( E1 (φ )) = n + 1 .

x −1 0 L 0
0 O O O M
43. a. On écrit donc : χ A ( x) = M O O O 0 , et en développant suivant la dernière ligne :
0 L 0 x −1
− a0 L L − a n−2 x − a n −1
χ A ( x) = (−1) n +1 .(− a0 ).(−1) n −1 + (−1) n + 2 .(− a1 ).(−1) n − 2 .x + ... + (−1) n + n−1 .(−a n −2 ).(−1)1 .x n −2 + ( x − a n −1 ).x n −1 ,
soit : χ A ( x) = −a 0 − a1 .x − ... − a n − 2 .x n − 2 − a n −1 .x n −1 + x n = P ( x) .
− λ 1 0 L 0 
 
 0 O O O M 
b. Si λ est une valeur propre de A , alors : A − λ.I n =  M O O O 0  , et les n − 1
 
 0 L 0 −λ 1 
a L L an−2 a n −1 − λ 
 0
dernières colonnes de cette matrice sont libres puisque échelonnées avec des pivots non nuls.
Donc : rg ( A − λ .I n ) ≥ n − 1 .
Mais puisque λ est valeur propre de A , A − λ.I n n’est pas inversible et : rg ( A − λ .I n ) ≤ n − 1 .

PSI Dupuy de Lôme – Chapitre 07 : Réduction d’endomorphismes (Exercices : corrigé niveau 2). -1-
 Finalement : rg ( A − λ .I n ) = n − 1 , et avec le théorème du rang : dim(ker( A − λ .I n )) = 1 .
Donc chaque espace propre de A est de dimension 1.
c. On sait que A est diagonalisable (en général) si et seulement si son polynôme caractéristique est
scindé sur K et si la somme des dimensions des sous-espaces propres vaut n .
Or pour la matrice A de l’exercice, la somme des dimensions des sous-espaces propres est égale au
nombre de valeurs propres de A dans K.
Donc A est diagonalisable si et seulement si son polynôme caractéristique est P est scindé à racines
simples dans K.
d. Pour le cas proposée, P s’écrit : Pn ( x) = x n − n.x n −1 − ... − 2.x − 1 .
Pour : n = 1 , on a : P1 ( x) = x − 1 , qui s’annule une unique fois sur ]0,+∞) en : x = 1 .
Pour : n ≥ 2 , il est clair que : ∀ x ∈ ]0,1], Pn ( x ) ≤ x 2 − 2.x − 1 < 0 ,
et on va restreindre l’étude qui suit à l’intervalle ]1,+∞).
x n+1 − 1
On remarque alors que : ∀ x > 1 , n.x n −1 + ... + 2.x + 1 , est la dérivée de : x n + ... + x 2 + x + 1 = .
x −1
(n + 1).x n .( x − 1) − ( x n +1 − 1) x n + 2 − (n + 2).x n +1 + (n + 2).x n − 1
Donc : Pn ( x) = x −n
= ,
( x − 1) 2 ( x − 1) 2
et Pn s’annule si et seulement si son numérateur N s’annule.
Enfin : ∀ x > 1 , N ' ( x) = ( n + 2).( x n +1 − ( n + 1).x n + n.x n −1 ) = ( n + 2).x n −1 .( x − 1).( x − n) .
Donc N décroît strictement sur ]1, n ], et croît strictement sur [ n ,+∞).
Comme N est nul en 1, N est strictement négatif en n et tend vers +∞ en +∞.
Le théorème des valeurs intermédiaires garantit que N (et donc Pn (x) ) s’annule une unique fois sur
]1,+∞) et donc sur ]0,+∞).

44. u est évidemment un endomorphisme de E, et f est vecteur propre associé à λ si et seulement si :

• f ∈ E, f ≠ 0 ,
•λ∈ ,
• u ( f ) = λ . f , soit : ∀ x ∈ , f ' ( x) = λ. f ( x) .
Or ce dernier problème a toujours des solutions, pour tout λ réel, qui sont :
∀ x x ∈ , y ( x) = A.e λ . x = A. y λ ( x) ,
où on a posé : ∀ λ ∈ , ∀ x ∈ , y λ ( x) = e λ . x , qui est bien une fonction non nulle.
En conclusion, on a : Sp (u ) = , et : ∀ λ ∈ , E λ (u ) = Vect ( y λ ) , qui est donc une droite.

45. a. Par linéarité de la dérivation des fonctions, φ est linéaire et associe bien à tout élément de E un élément
de E.
Donc : φ ∈ L(E).
b. Soient : f ∈ E, et : λ ∈ .
Alors : ( φ ( f ) = λ . f ) ⇔ (∀ x ∈ , f ' ( x) − x. f ( x) = λ . f ( x) ) ⇔ ( f solution sur de : y '−( x + λ ). y = 0 ).
Or toutes ces équations différentielles ont des solutions sur et :
• Sp (φ ) = ,
x2
+λ .x
• ∀ λ ∈ , E λ (φ ) = Vect ( y λ ) , où y λ est défini par : ∀ x ∈ , y λ ( x) = e 2
.
En particulier, tous les sous-espaces propres de φ sont des droites.
x2
c. Tout d’abord : ker(φ ) = E 0 (φ ) = Vect ( y 0 ) , et : ∀ x ∈ , y 0 ( x) = e 2
.
Puis : ∀ f ∈ E, ( φ 2 ( f ) = 0 ) ⇔ ( φ (φ ( f )) = 0 ) ⇔ φ ( f ) ∈ ker(φ ) ).
x2
Autrement dit c’est équivalent à : ∃ A ∈ , ∀ x ∈ , f ' ( x) − x. f ( x) = A. y 0 ( x) = A.e 2
.
On utilise alors la méthode de variation de la constante en posant : ∀ x ∈ , f ( x) = C ( x). y 0 ( x) , où C
est une fonction dérivable sur , et f est solution de la nouvelle équation sur si et seulement si :

PSI Dupuy de Lôme – Chapitre 07 : Réduction d’endomorphismes (Exercices : corrigé niveau 2). -2-
 ∀ x ∈ , C ' ( x) = A , soit : ∃ B ∈ , ∀ x ∈ , C ( x ) = A.x + B , et donc : f ( x) = ( A.x + B ). y 0 ( x) ).
On a ainsi montré que : ker(φ 2 ) = { x a ( A.x + B ). y 0 ( x), ( A, B ) ∈ 2
}.

46. a. On peut calculer le polynôme caractéristique de A et montrer que 1 est toujours racine de χ A (par
exemple en ajoutant à la première colonne toutes les autres, ce qui permet de factoriser 1 − λ .
On peut aussi remarquer que si on note X la matrice colonne dont tous les termes valent 1, on a :
A. X = X = 1. X , en développant le produit matriciel.
1 est bien valeur propre de A .
b. On peut remarquer que i0 existe bien puisqu’on cherche le maximum d’un nombre fini de réel et
puisque X est non nul, xi0 est non nul.
Si on développe le produit : A. X = λ . X , alors en examinant la ligne i0 , on obtient :
n n n n n

∑ ai0 , j .x j = λ.xi0 , et donc : λ.xi0 = λ . xi0 =

j =1
∑ ai0 , j .x j ≤ ∑ ai0 , j .x j ≤ ∑ ai0 , j . x j ≤ ∑ ai0 , j . xi0 .
j =1 j =1 j =1 j =1

 n 
Il suffit alors de diviser par xi0 , pour obtenir : λ ≤  ∑a i0 , j
 = 1.

 j =1 

47. a. On peut calculer les premières puissances, puis démontrer par récurrence que :
∀ k ∈ *, A k .B − B. A k = k . A k (elle est aussi vraie pour : k = 0 ).
Cette égalité est vraie pour : k = 1 , et si on la suppose vraie pour un entier k donné, alors :
A k +1 .B − B. A k +1 = A.( A k .B ) − B. A k +1 = A.(k . A k + B. A k ) − B. A k +1 = k . A k +1 + ( B. A + A). A k − B. A k +1 ,
en utilisant l’hypothèse initiale, et donc : A k +1 .B − B. A k +1 = ( k + 1). A k +1 ,
ce qui termine la récurrence.
b. Si A n’est pas nilpotente, alors : ∀ k ∈ *, A k n’est pas nulle.
Mais alors pour tout entier : k ∈ *, A k est vecteur propre de u associé à la valeur propre k .
Donc u admet une infinité de valeurs propres, à savoir au moins tous les entiers naturels non nuls.
c. Puisque u est un endomorphisme d’un espace vectoriel de dimension finie ( n 2 ), il ne peut avoir qu’un
nombre fini de valeurs propres.
Conclusion : ce qu’on a supposé est absurde et A est nilpotente.

48. a. Tout d’abord u est linéaire, par dérivation de la dérivation des polynômes.
Puis c’est une application qui à tout polynôme réel P fait correspondre un polynôme réel.
Enfin : u (1) = −2. X , et : ∀ 1 ≤ k ≤ 2 , u ( X k ) = ( k − 2). X k +1 − 2.k . X k − 3.k . X k −1 .
Donc si : k < 2 , u ( X k ) est de degré au plus : k + 1 ≤ 2 , et si : k = 2 , le coefficient de X k +1 s’annule et
u ( X 2 ) est de degré 2.
Par linéarité, on en déduit : ∀ P ∈ 2[X], deg(u ( P )) ≤ 2 .
b. Cette question est immédiate puisque : ∀ P ∈ 2[X], ∀ λ ∈ ,
( u ( P ) = λ .P ) ⇔ (∀ x ∈ , ( x + 1).( x − 3).P ' ( x) = ( 2.x + λ ).P ( x) ).
c. L’équation différentielle précédente est linéaire, du premier ordre et homogène.
On peut la résoudre sur (-∞,-1[, sur ]-1,+3[ ou sur ]+3,+∞).
Sur chacun de ces intervalles I k , les solutions de l’équation sont :
 2. x + λ 
∀ x ∈ I k , y ( x) = exp ∫ .dx  .
 ( x + 1).( x − 3) 
On décompose alors la fraction en éléments simples et on intègre :
2. x + λ a b 2−λ 6+λ
= + , et on trouve : a = , b= , puis :
( x + 1).( x − 3) x + 1 x − 3 4 4
2. x + λ 2−λ 6+λ 2− λ 6+λ

∫ ( x + 1).( x − 3) .dx =
4
. ln x + 1 +
4
. ln x − 3 + K , et enfin : y ( x ) = C . x + 1 4 .x −3 4 .

Les solutions trouvées sont polynomiales si et seulement si les exposants sont des entiers naturels, ce
PSI Dupuy de Lôme – Chapitre 07 : Réduction d’endomorphismes (Exercices : corrigé niveau 2). -3-
 2−λ
qui conduit à : λ = 4.k − 6 , k ∈ , et : = 2 − k , autrement dit on considère : 0 ≤ k ≤ 2 .
4
Finalement, les valeurs qui conduisent à des solutions polynomiales sont : − 6,−2,+2 (pour : k = 0,1,2 ).
En fait, les fonctions trouvées sont solutions sur de l’équation différentielle initiale puisque l’égalité
qu’on obtient sur chaque intervalle étant polynomiale (par exemple sur ]3,+∞)) est alors vraie aussi sur
, par égalité de polynômes en une infinité de valeurs.
d. Les valeurs et vecteurs propres de u sont donc :
• λ = −6 , et : E −6 (u ) = Vect (( X + 1) 2 ) ,
• λ = −2 , et : E − 2 (u ) = Vect (( X + 1).( X − 3)) ,
• λ = 2 , et : E 2 (u ) = Vect (( X − 3) 2 ) .
e. Pour n[X], on définit u en posant : ∀ P ∈ n[X], u ( P ) = ( X + 1).( X − 3).P '− n. X .P .
3.n + λ
Les valeurs propres de u sont alors : λ k = , avec : 0 ≤ k ≤ n , et :
4
3.n + λk n − λk

∀ 0 ≤ k ≤ n , E λk = Vect (( X + 1) 4
.( X − 3) 4
).

x a2 L an
a1 O O M
49. a. P s’écrit : P ( x) = det( A + x.I n ) = .
M O O an
a1 L a n −1 x
a1 a2 L L an
a1 a2 L an
0 a1 − a 2 0 L 0
a1 O O M n
Donc : P (a1 ) = = M 0 O O M = a1 .∏ (a1 − a k ) ,
M O O an k =2
M M O O 0
a1 L a n −1 a1
0 0 L 0 a1 − a n
en soustrayant la première ligne à toutes les autres.
∏
De même : ∀ 1 ≤ i ≤ n , P (a i ) = a i . (a i − a k ) .
k ≠i
b. Comme polynôme caractéristique de − A , P est unitaire et son coefficient dominant est 1.
La fraction proposée est ensuite irréductible puisqu’on vient de constater que les racines du
dénominateur n’annulent pas le numérateur.
De plus sa partie entière vaut 1, soit le quotient du numérateur par le dénominateur (ils sont tous deux
de degré n et ont même coefficient dominant égal à 1).
P n
αi
Enfin, elle admet n pôles simples et sa décomposition théorique est : = 1+ ∑ ,
Q i =1 X − a i
n
où on a posé : Q = ∏(X − a ) .
i =1
i

Puisque les pôles sont simples, on peut calculer les valeurs αi en multipliant l’ égalité par ( X − a i ) , en
n
P ( ai ) P ai
simplifiant et en évaluant en a i , soit : ∀ 1 ≤ i ≤ n , α i = = ai , et : = 1+ ∑ .
∏ (ai − a k )
k ≠i
Q i =1 X − a i

d. Pour calculer det(A) , on évalue l’égalité précédente en 0 et :

n
P(0) a
= 1 + ∑ i = 1 − n donc : det( A) = P (0) = (1 − n).Q(0) = (1 − n).(−1) n .a1 ...a n .
Q(0) i =1 − a i

Pour det( A + I n ) , on évalue l’égalité en 1 et :

P(1) n
a  n
a   n
a  n
= 1 + ∑ i , soit : P(1) = det( A + I n ) = 1 + ∑ k .Q(1) = 1 + ∑ k .∏ (1 − a k ) .
Q(1) i =1 1 − a i  k =1 1 − a k   k =1 1 − a k  k =1

PSI Dupuy de Lôme – Chapitre 07 : Réduction d’endomorphismes (Exercices : corrigé niveau 2). -4-
Diagonalisation, trigonalisation.
50. On peut par exemple calculer le polynôme caractéristique de u dans une base de Mn( ), qui peut être
la base canonique ou une autre base, plus adaptée, comme par exemple obtenue en juxtaposant une
base de l’espace des matrices symétriques et une de l’espace des matrices antisymétriques.
Dans cette dernière base, la matrice de u est même diagonale.
Les valeurs propres de u sont 1 et − 1 (pour : n ≥ 2, sinon 1 est l’unique valeur propre), et les espaces
propres sont Sn( ) pour la valeur propre 1 et Ån( ) pour la valeur propre − 1 .
On peut aussi remarquer que : u 2 = id Mn( ), et donc u admet un polynôme annulateur scindé à racines
simples qui est : X 2 − 1 .
Donc u est diagonalisable, ses valeurs propres ne peuvent valoir que 1 et − 1 et on retrouve ainsi les
espaces propres précédents.

51. Le polynôme caractéristique de A vaut : χ A ( x ) = x 3 + (a.b + b.c + c.a ).x .

En effet, en sommant toutes les lignes on constate que : rg ( A) ≤ 2 , et donc 0 est valeur propre de A : on
peut ainsi développer directement le déterminant.
Distinguons alors trois cas :
• si : a.b + b.c + c.a > 0 , alors χ A n’étant pas scindé sur , A ne peut être diagonalisable.
• si : a.b + b.c + c.a = 0 , alors χ A admet une unique racine (triple) qui vaut 0.
Dans ce cas, si A est diagonalisable, alors A est semblable à la matrice nulle, donc A est nulle, et :
a = b = c = 0.
Réciproquement, si : a = b = c = 0 , A est nulle donc évidemment diagonalisable.
• si : a.b + b.c + c.a < 0 alors χ A admet alors trois racines réelles distinctes et A est diagonalisable.

52. • Pour la première matrice, on calcule χ A en ajoutant les deux dernières colonnes et :
1 1
   
χ A ( x) = ( x − 1) .( x + 1) , puis : E1 ( A) = Vect   0   , E −1 ( A) = Vect   1   .
2

1  2
   
On choisit alors une troisième matrice colonne, libre avec les deux que l’on vient de trouver, et on construit
 1 1 1 −1 0 1 
  −1
 
la matrice P correspondante : P =  1 0 0  , puis : P . A.P =  0 1 − 2  = T .
 2 1 0 0 0 1 
   
On aurait pu aussi choisir la troisième colonne de P pour que la troisième colonne de T soit ( 0,1,1 ).
• Pour la deuxième matrice, on procède de même en ajoutant les colonnes 1 et 3, et on obtient :
1
 
χ B ( x) = ( x − 1) , E1 ( B) = Vect   0   .
3

1
 
1
 
On choisit C1 =  0  , un deuxième vecteur C 2 tel que : B.C 2 = C1 + C 2 , puis C 3 tel que : B.C 3 = C 2 + C 3 .
1
 
0 0 1 0 0   −1 1 0
      −1
 
On trouve par exemple : C 2 =  1  , C 3 =  − 1 , puis : P =  0 1 − 1 , et : P . A.P =  0 1 1  = T .
0 1 1 0 1   0 0 1
       
1  0 
   
• Pour la troisième matrice, on a à nouveau : χ C ( x) = ( x − 1) , et on trouve : E1 (C ) = Vect   0 ,  − 1  .
3

 0  1 
   

PSI Dupuy de Lôme – Chapitre 07 : Réduction d’endomorphismes (Exercices : corrigé niveau 2). -5-
 0 1 0 0  −1 0 0
    −1
 
On choisit une troisième colonne  1  , puis on pose : P =  0 − 1 1  , et : P . A.P =  0 1 1  = T .
0 0 1 0  0 0 1
     

53. La matrice A est clairement de rang 1, donc 0 est valeur propre de A de multiplicité au moins 3.
En effet, ker( A) est de dimension 3 du fait du théorème du rang et la multiplicité de 0 comme valeur
propre est donc supérieure ou égale à cette dimension.
De plus, la trace de A est égale à la somme des racines de χ A .
Notons alors 0,0,0, λ les quatre racines de χ A ; on a donc : 0 + 0 + 0 + λ = 10 = tr ( A) .
Donc : λ = 10 , qui est donc une racine simple de χ A .
Puis l’espace propre associé E10 ( A) est donc de dimension 1 et comme : E10 ( A) = ker( A) , est de
dimension 3, A est donc diagonalisable.

54. Soit donc A une matrice de rang 1.

Alors ker( A) est de dimension n − 1 .
Donc 0 est valeur propre de A de multiplicité au moins égale à n − 1 , puisque cette multiplicité est
supérieure ou égale à la dimension de l’espace propre correspondant c'est-à-dire celle de ker( A) .
La dernière racine λ du polynôme caractéristique de A est telle que : 0 + 0 + ... + 0 + λ = tr ( A) .
• si : tr ( A) = 0 , alors : λ = 0 , et A ne peut être diagonalisable car elle serait alors semblable à la
matrice diagonale nulle, donc on aurait : A = P.0.P −1 = 0 , ce qui n’est pas le cas puisque : rg ( A) = 1 .
• si : tr ( A) ≠ 0 , alors : λ = tr ( A) ≠ 0 , est valeur propre simple de A , avec un sous-espace propre
associé de dimension 1.
Mais alors la somme des dimensions des sous-espaces propres de A vaut n et A est diagonalisable.
Conclusion : ( A diagonalisable) ⇔ (tr(A) ≠ 0).

55. On calculer pour commencer les valeurs propres de A et de B :

1− x j j2 −x j j2 1 j j2
χ A ( x) = − j j2 − x 1 = −− x j2 − x 1 = x.1 j2 − x 1 , puis :
j 2
1 j−x −x 1 j−x 1 1 j−x
1 j j2
χ A ( x) == x. 0 j2 − j − x 1 − j 2 = x.(( j 2 − j − x).( j − j 2 − x) − (1 − j ).(1 − j 2 )) = x 3 .
0 1− j j − j2 − x
3− x −3 6 −x −3 6 1 −3 6
De même : χ B ( x) = − 1 −1− x 2 = − − x −1− x 2 = x. 0 2 − x − 4 = x3 .
−1 1 −2− x 0 1 −2−x 0 1 −2− x
Donc A et B admettent 0 comme valeur propre triple.
 j   j 2  1  2 
       
Puis : E 0 ( A) = ker( A) = Vect   − 1,  0   , et : E 0 ( B ) = ker( B ) = Vect   1 ,  0   .
        0   − 1 
  0   − 1     
Donc ni A ni B n’est diagonalisable.
1 1  j
     
Soit alors : C 3 =  0  ∉ ker( A) , puis : C 2 = A.C 3 =  j  ∈ ker( A) , et : C1 =  − 1 ∈ ker( A) .
0  j2  0
     

PSI Dupuy de Lôme – Chapitre 07 : Réduction d’endomorphismes (Exercices : corrigé niveau 2). -6-
  j 1 1  0 0 0
  −1
 
La famille ( C1 , C 2 , C 3 ) est libre et en posant : P =  − 1 j 0  , on a : P . A.P =  0 0 1  .
0 j 2 0   0 0 0
  
1 3 1
     
De même, en choisissant : C ' 3 =  0  ∉ ker( B ) , puis : C ' 2 = B.C ' 3 =  1  ∈ ker( B ) , et : C '1 =  1  ∈ ker( B ) ,
0  − 1  0
     
1 3 1  0 0 0
  −1
 
on pose alors : Q =  1 1 0  , et on a encore : Q .B.Q =  0 0 1  .
0 − 1 0   0 0 0
  
Par transitivité, A et B
sont semblables.
Remarque : on aurait pu constater que : rg ( A) = rg ( B ) = 1 , donc : dim(ker( A)) = dim(ker( B )) = 2 .
Ensuite, on pouvait constater que : A 2 = B 2 = 0 , de choisir pour A un vecteur : C 3 ∉ ker( A) , sans les
calculer, de poser : C 2 = A.C 3 , de vérifier que : C 2 ∈ ker( A) , et de compléter avec C1 en une base de
ker( A) , puis de vérifier (toujours sans calcul) que ( C1 , C 2 , C 3 ) était libre.
 0 0 0
  −1
On en déduit qu’en construisant P à l’aide de C1 , C 2 , C 3 , on a : P . A.P =  0 0 1  .
 0 0 0
 
On peut ensuite faire exactement la même chose pour B , et en déduire le résultat obtenu plus haut sans
aucun calcul.

2 1 L 1
 
1 O O M 
56. a. La matrice se construit comme d’habitude : A = mat tB ( f ) =  .
M O O 1
 
 1 L 1 2
 
b. Il est clair que, pour : n ≥ 2 , 1 est valeur propre de A car toutes les colonnes de A − I n sont égales.
L’espace propre associé à 1 correspond au noyau de A − I n et c’est l’hyperplan d’équation, dans la
base B : x1 + ... + x n = 0 .
La multiplicité de 1 comme valeur propre est donc au moins n − 1 .
Puisque la somme des racines de χ f doit donner tr ( f ) (ou tr (A) ) la dernière racine λ vérifie :
1.(n − 1) + λ = 2.n , et donc vaut : λ = n + 1 ,
qu’on aurait pu trouver aussi en remplaçant la première colonne de det( A − x.I n ) par la somme de
toutes les colonnes, ce qui permet de factoriser ((n + 1) − x) .
L’espace propre associé à cette dernière valeur propre est : E n +1 ( f ) = Vect ((1,1,...,1)) .
Enfin, on en déduit aussi que 1 est valeur propre de multiplicité exactement n − 1 .
c. f est donc diagonalisable puisque la somme des dimensions des espaces propres est égale à n .
Enfin f est inversible puisque 0 n’est pas valeur propre de f .

57. Soit : B = ( e1 ,..., e n ), une base de E formée de vecteurs propres de f associés à λ1 ,..., λ n .
Posons alors :
• g1, k (e1 ) = ek , et : ∀ 2 ≤ i ≤ n , g1,k (ei ) = 0 .
Alors : φ ( g 1,k (e1 )) = f ( g 1,k (e1 )) − g 1,k ( f (e1 )) = f (ek ) − g 1,k (λ1 .e1 ) = (λ k − λ1 ).ek = (λ k − λ1 ).g1, k (e1 ) , et :
∀ 2 ≤ i ≤ n , φ ( g1,k (ei )) = 0 − g 1,k ( f (ei )) = 0 − g1,k (λi .ei ) = 0 = (λ k − λ1 ).g1,k (ei ) .
Autrement dit : φ ( g 1,k ) = (λ k − λ1 ).g 1,k .
Plus généralement, on peut définir g i ,k en posant : ∀ 1 ≤ i ≤ n , g i , k (e j ) = δ i , j .ek ,

PSI Dupuy de Lôme – Chapitre 07 : Réduction d’endomorphismes (Exercices : corrigé niveau 2). -7-
 et ces endomorphismes g i ,k sont vecteurs propres de φ associés aux valeurs propres (λ k − λi ) .
On vient donc de construire n 2 éléments de L(E), vecteurs propres de φ.
Mais de plus la famille est libre, puisque :
n

∑α
1≤ j , k ≤ n
j ,k .g j ,k = 0 , entraîne : ∀ 1 ≤ i ≤ n , ∑α
1≤ j , k ≤ n
j ,k .g j ,k (ei ) = 0 = ∑ α i ,k .ek ,
k =1
et tous les coefficients sont nuls.
Donc on a construit une base de L(E) formée de vecteurs propres de φ et φ est diagonalisable.

58. On peut calculer le polynôme caractéristique de A2.n +1 en ajoutant les colonnes C k et C 2.n +1− k , ce qui
permet de factoriser ( x − a − b) n +1 , puis d’enlever les lignes Lk aux lignes L2.n +1− k , ce qui permet de
factoriser ( x − a + b) n +1 .
Autrement dit a + b est valeur propre d’ordre n + 1 et a − b est valeur propre d’ordre n .
On peut trouver les espaces propres en s’inspirant des opérations effectuées dans le calcul du polynôme
caractéristique, à savoir :
• toute matrice colonne X k comportant des 0 partout sauf sur les lignes k et 2.n + 1 − k où l’on place un
1, est vecteur propre associé à a + b , et vérifie donc : A2.n +1 . X k = ( a + b). X k .
• toute matrice colonne Yk comportant des 0 partout sauf sur les lignes k où il y a un 1 et 2.n + 1 − k où il
y a un − 1 , est vecteur propre associé à a − b et vérifie : A2.n +1 .Yk = ( a − b).Yk .
Comme il est clair que la famille ( X 1 ,..., X n +1 ) est libre, de même que la famille ( Y1 ,..., Yn ), on déduit :
E a +b ( A2.n +1 ) = Vect ( X 1 ,..., X n +1 ) , de dimension n + 1 ,
E a −b ( A2.n +1 ) = Vect (Y1 ,..., Yn ) , de dimension n .
Finalement, A2.n +1 est diagonalisable.

Utilisation de la diagonalisabilité.
59. a. Supposons que λ soit valeur propre de M .
Alors : ∃ X ∈ M2,1( ), X ≠ 0 , M . X = . X , et donc : ( M 2 + M ). X = (λ2 + λ ). X = A. X .
 1 1
Autrement dit λ2 + λ est valeur propre de : A =   , et vaut donc 0 ou 2.
 1 1
Donc λ ne peut valoir que 0,1,−1 ou − 2 .
b. Posons : Q = X .( X − 1).( X + 1).( X + 2) = ( X 2 + X ).( X 2 + X − 2) .
Alors : Q ( M ) = ( M 2 + M ).( M 2 + M − 2.I 2 ) .
Si donc M est solution de l’équation, alors : Q( M ) = A.( A − 2.I 2 ) = 0 , et M est diagonalisable.
Si on note α et β les valeurs propres de M , celles de M 2 + M sont α 2 + α et β 2 + β .
Donc par exemple : α 2 + α = 0 , et : β 2 + β = 2 , soit : ( α = 0 , ou : α = −1 ) et ( β = 1 , ou : β = −2 ).
1
• Si : α = 0, β = 1 , alors : M 2 = M , (puisqu’une matrice D semblable à M le vérifie) et : M = .A .
2
• Si : α = 0, β = −2 , alors : M 2 = −2.M , (même argument) et : M = − A .
• Si : α = −1, β = 1 , alors : M 2 = I 2 , et : M = A − I 2 ,
• Si : α = −1, β = −2 , alors on a : M 2 + 3.M + 2.I 2 = 0 (théorème de Cayley-Hamilton) et :
M 2 = −3.M − 2.I 2 .
1
Donc dans ce cas : − 2.M = A + 2.I 2 , soit : M = − I 2 − .A .
2
Réciproquement, on vérifie que les quatre matrices trouvées satisfont à l’équation et en sont solutions.

PSI Dupuy de Lôme – Chapitre 07 : Réduction d’endomorphismes (Exercices : corrigé niveau 2). -8-
 1 1  3 1
   − 1 − 1  0 1  − − 
Ce sont les solutions de l’équation qui valent donc :  2 2,   ,   , et :  2 2.
 1 1
  − 1 − 1  1 0   − 1 3
− 
2 2  2 2

60. a. Puisque les valeurs propres sont simples (et donc distinctes), les espaces propres sont tous de
dimension 1.
b. Supposons que g soit donc solution du problème.
Alors : gou = gog 2 = g 3 = g 2 og = uog , et u et g commutent.
c. Soit e un vecteur propre de u .
Il existe alors : λ ∈ , tel que : u (e) = λ .e , et : u ( g (e)) = uog (e) = gou (e) = g (λ.e) = λ .g (e) .
Donc g (e) est dans le sous-espace propre de u associé à λ , qui est de dimension 1 et dont e est
donc une base.
Par conséquent : ∃ µ ∈ , g (e) = µ .e , et e est vecteur propre de g .
d. On peut donc choisir une base de E formée de vecteurs propres de u : B = ( e1 ,..., en ).
On a donc : ∀ 1 ≤ i ≤ n , u (ei ) = λi .ei .
De plus, si g est solution du problème, alors : ∀ 1 ≤ i ≤ n , ∃ µ i ∈ , g (ei ) = µ i .ei , et déterminer g
revient donc à déterminer les µ i .
Or g est solution si et seulement si : ∀ 1 ≤ i ≤ n , µ i2 = λi .
Trois cas se présentent alors :
• une des valeurs propres de u est strictement négative et il n’y a pas de solutions,
• toutes les valeurs propres de u sont strictement positives et il y a deux solutions pour chaque valeur
µ i , ce qui donne 2 n solutions pour g définies par : ∀ 1 ≤ i ≤ n , g (ei ) = ± λi .ei .
• une des valeurs propres vaut 0, toutes les autres (distinctes) étant strictement positives, et il y a 2 n −1
solutions définies par : g (ek ) = 0 pour la valeur : λ k = 0 , et : ∀ 1 ≤ i ≠ k ≤ n , g (ei ) = ± λi .ei .

61. Pour : x ∈ , la matrice complexe x.I n − A est trigonalisable puisque son polynôme caractéristique est
scindé sur .
Puis si on note λ1 ,..., λ n les valeurs propres complexes de A , répétées avec leurs multiplicités, on a :
 λ1 * L * 
 
0 O O M 
∃ P ∈ Gln( ), ∃ T =  ∈ Mn( ), T = P −1 . A.P , et : x.I n − A = P.( x.I n − T ).P −1 .
M O O *
 
0 L 0 λ 
 n

Si x n’est pas valeur propre de A , la matrice x.I n − A est alors inversible, tout comme x.I n − T , et :
 ( x − λ1 ) −1 * L * 
 
 0 O O M 
( x.I n − T ) −1 =  , comme inverse d’une matrice triangulaire.
 M O O * 
 0 L 0 ( x − λ ) −1 
 n 
n
1
−1
En particulier : tr (( x.I n − A) ) = tr (( x.I n − T ) ) = −1
∑ x−λ
k =1
.
k
n n
D’autre part : ∀ x ∈ , χ A ( x) = ∏ ( x − λi ) , et : χ A ' ( x) = ∑ ( x − λ1 )...( x − λk −1 ).( x − λk +1 )...( x − λn ) .
i =1 k =1

χ A ' ( x) ( x − λ1 )...( x − λ k −1 ).( x − λ k +1 )...( x − λ n )

n n
1
Donc pour : x ∈ \ Sp ( A) , =∑ = ∑ ,
χ A ( x) k =1 n
k =1 ( x − λ k )
∏ ( x − λi )
i =1

PSI Dupuy de Lôme – Chapitre 07 : Réduction d’endomorphismes (Exercices : corrigé niveau 2). -9-
 ce qui est bien égal finalement à tr (( x.I n − A) −1 ) .

Polynômes de matrices, utilisation de polynômes.

62. Posons : P = X 3 − X − 1 .
L’étude des variations de la fonction polynôme associée montre qu’elle admet une unique racine réelle.
1 1  2 − 3. 3   1  − 2 − 3. 3
En effet, P ' s’annule en ± , et on a : P −
 = < 0 , et : P  = < 0.
3  3 3. 3  3 3. 3
Donc les racines de P sont simples et on les note : α ∈ +*, λ ∈ \ , et λ .
A comme une matrice à coefficients complexes, admet un polynôme annulateur scindé à racines simples
et est donc diagonalisable sur , étant semblable à une matrice diagonale comportant sur sa diagonale α,
λ et λ .
Mais la somme de ces valeurs doit être réelle puisque A est réelle, donc il y a autant de λ que de λ .
(On peut aussi remarquer que comme racines de : χ A ∈ [X], λ et λ ont la même multiplicité).
mult ( λ ) 2.mult ( λ )
Donc : det( A) = α mult (α ) .λmult ( λ ) .λ = α mult (α ) . λ > 0.

63. a. Si X est solution, alors le polynôme : P (T ) = T 5 − 1 , est annulateur pour X dans M5( ).
Or P est scindé à racines simples dans , donc X est diagonalisable.
b. Posons alors : X = Q.D.Q −1 , où Q est inversible et D diagonale.
L’équation devient : D 5 = I 5 , autrement dit D est solution si et seulement si ses coefficients diagonaux
sont des racines 5èmes de l’unité.
Cela fournit donc : 5 5 = 3125 , matrices D possibles, et Q étant quelconque, on aura 3125 familles de
solutions potentielles.
Réciproquement (puisqu’on a en fait raisonné par analyse-synthèse), toutes ces matrices sont solutions
du problème.

64. On peut faire ce calcul de façon propre, en posant : B = A 2 .

n
 n 2  n 2  n 2
Dans ce cas, on a : ∀ 1 ≤ i, j ≤ n , bi , j = ∑
k =1
a i ,k .a k, j = a i ∑ k
. a
 k =1 
.a j =  ∑ k i, j
a
 k =1 
.a , et : B =  ∑ a k . A .
 k =1 
 n
Puisque : A 2 = 

k =1
∑a
. A , on dispose du polynôme annulateur : P = X 2 − S . X = X .( X − S ) , pour A où

2
k

 n

on a posé : S =  ∑ a k2  .
 k =1 
On distingue alors deux cas :
• S ≠ 0 , et dans ce cas P est scindé à racines simples.
Dans ce cas, A est diagonalisable.
• S = 0 , et puisqu’on raisonne dans , tous les a k sont nuls, A est également la matrice nulle.
Dans ce cas, A est évidemment diagonalisable.
Conclusion : A est toujours diagonalisable.
Remarque : cet exercice constitue un cas particulier de l’étude des matrices de rang 1 (si : A ≠ 0 ).

65. Dans cet exercice, il est plus simple de commencer par la deuxième question.
En effet : ∀ u ∈ L(E), Φ 2 (u ) = po( pou ) = p 2 ou = pou = Φ ( p ) ,
autrement dit on dispose d’un polynôme annulateur pour Φ : P = X 2 − X , scindé à racines simples.
Φ est donc diagonalisable et c’est même un projecteur de E.
Ses seules valeurs propres possibles sont 0 et 1.
On étudie alors :
• 0 valeur propre de Φ si et seulement si : ∃ u ∈ L(E), u ≠ 0 , et : pou = 0 .
Si p est l’identité, alors 0 n’est pas valeur propre de Φ,
et si p est un projecteur distinct de l’identité, alors u est vecteur propre de Φ si et seulement si :
PSI Dupuy de Lôme – Chapitre 07 : Réduction d’endomorphismes (Exercices : corrigé niveau 2). - 10 -
 Im(u ) ⊂ ker( p ) , et : u ≠ 0 .
Matriciellement, si on appelle : B = ( e1 ,..., en ), une base de E adaptée à : E = ker( p ) ⊕ Im( p ) , u est
 A
dans E0(Φ) si et seulement si : mat B (u ) =   , où : A ∈ Mn-r,n( ), r = rg ( p ) .
0
Donc : dim( E 0 (Φ)) = (n − r ).n .
• 1 est valeur propre de Φ si et seulement si : ∃ u ∈ L(E), u ≠ 0 , pou = u .
Si p est l’endomorphisme nul, alors 1 n’est pas valeur propre de Φ,
et si p est un projecteur distinct de 0, alors u est vecteur propre de Φ si et seulement si :
Im(u ) ⊂ ker(id E − p) = Im( p) , et : u ≠ 0 .
Matriciellement et toujours avec la base B précédente, u est dans E1(Φ) si et seulement si :
0
mat B (u ) =   , où cette fois : B ∈ Mr,n( ).
 B
Donc : dim( E1 (Φ)) = r.n .
On retrouve bien le fait que : dim( E 0 (Φ )) + dim( E1 (Φ )) = ( n − r ).n + r.n = n 2 = dim( L (E )) .

66. a. Il est clair que u est un endomorphisme de K[X].

De plus, u est un automorphisme de K[X] car on peut proposer un inverse, à savoir v défini par :
X
∀ P ∈ K[X], v( P ) = Q , avec : Q = P .
2
Attention à ne pas se contenter de ker(u ) , puisque l’espace de référence n’est pas de dimension finie.
Pour ses valeurs et vecteurs propres, on cherche : P ∈ K[X], P ≠ 0 , et : λ ∈ K, tels que : u ( P ) = λ .P .
n
Notons alors : P = ∑a
k =0
k . X k , avec : n = deg(P ) , a n ≠ 0 .

Le problème est équivalent à : ∀ 0 ≤ k ≤ n , 2 n .a k = λ .a k , et comme : a n ≠ 0 , on en déduit :

λ = 2 n , puis : ∀ 0 ≤ k ≤ n − 1 , a k = 0 .
En conclusion : Sp (u ) = { 2 n , n ∈ }, et : ∀ n ∈ , E 2 n (u ) = Vect ( X n ) .
b. Si on pouvait trouver un tel polynôme Q , on aurait : id = Q (u )ou , et le polynôme : R = X .Q − 1 , serait
annulateur pour u .
Or toutes les valeurs propres de u seraient dans ce cas racines de R qui admettrait ainsi un nombre
infini de racines, ce qui est impossible.
On ne peut donc trouver un tel polynôme Q .

67. a. On obtient en développant : M 2 − (λ + µ ).M + λ .µ .I n = 0 .

Puisque : λ.µ ≠ 0 , on en déduit que M est inversible, et : M .( M − (λ + µ ).I n ) = −λ .µ .I n , soit :
1
M −1 = .((λ + µ ).I n − M ) .
λ.µ
b. On peut remarquer que : ( M − µ .I n ) = (λ − µ ). A , et : ( M − λ .I n ) = ( µ − λ ).B , donc :
0 = ( M − µ .I n ).( M − λ .I n ) = ( µ − λ ).(λ − µ ).B. A , et : 0 = ( M − λ .I n ).( M − µ .I n ) = (λ − µ ).( µ − λ ). A.B .
Et comme λ et µ sont distincts, on en déduit que : A.B = B. A = 0 .
Il suffit alors de calculer : A = A.I n = A 2 + A.B = A 2 , de même pour B .
A et B sont bien des matrices de projecteurs.
c. On dispose d’un polynôme annulateur pour M qui est : P = X 2 − (λ + µ ). X + λ .µ = ( X − λ ).( X − µ ) ,
qui est donc scindé à racines simples : M est diagonalisable.
Les seules valeurs propres possibles de M sont ainsi λ et µ, et comme la dimension de l’espace de
référence est au moins 1, l’une de ces deux valeurs est valeur propre de M .
Si on suppose que λ est valeur propre de M , alors c’est la seule si et seulement si M est semblable à
λ.I n , autrement dit si : M = λ.I n , mais alors : λ. A + µ .B = λ.( A + B) , soit : (λ − µ ).B = 0 , et : B = 0 .
PSI Dupuy de Lôme – Chapitre 07 : Réduction d’endomorphismes (Exercices : corrigé niveau 2). - 11 -
 En conclusion :
• si A et B sont non nulles, λ et µ sont les valeurs propres de M ,
• si l’une est nulle, par exemple B , on a : M = λ .I n , et λ est la seule valeur propre de M (et un
résultat similaire si A est nulle).

68. Soient A et B deux matrices de Mn( ).

a. Puisque χ B est scindé sur , B est trigonalisable sur et est semblable à une matrice triangulaire
supérieure T dont les éléments diagonaux sont les valeurs propres µ1 ,..., µ n de B , autrement dit :
 µ1 * L * 
 
0 O O M 
∃ P ∈ Gln( ), B = P.T .P −1 , avec : T = .
M O O *
 
0 L 0 µ 
 n

 µ1k * L *   χ A ( µ1 ) * L * 
   
 0 O O M   0 O O M 
Puis : ∀ k ∈ , T k =  , et : χ A (T ) =  .
 M O O *  M O O * 
 
 0 L 0 µ nk   0 L 0 χ ( µ ) 
  A n 
n
Enfin : det( χ A ( B )) = det( χ A (T )) = ∏χ
i =1
A ( µ i )) .

Les affirmations suivantes sont alors équivalentes :

• A et B n’ont pas de valeur propre en commun,
• ∀ 1 ≤ i ≤ n , χ A ( µ i )) ≠ 0 ,
n
• ∏χ
i =1
A ( µ i )) ≠ 0 ,

• det( χ A ( B )) ≠ 0 ,
• χ A (B ) est inversible.
b. L’affirmation proposée se démontre par récurrence sur k .
Elle est évidente pour : k = 0 , puisque : A 0 .M = I n .M = M .I n = M .B 0 , et si on la suppose vraie pour
une valeur : k ≥ 0 , alors : A k +1 .M = A.( A k .M ) = A.M .B k = M .B.B k = M .B k +1 .
Par combinaison linéaire, on déduit ensuite que : ∀ P ∈ [X], P ( A).M = M .P ( B ) .
Si on examine alors cette égalité pour : P = χ A , on obtient avec le théorème de Cayley-Hamilton :
χ A ( A).M = 0.M = 0 , et donc : 0 = M .χ A ( B) .
Mais si A et B n’ont pas de valeur propre en commun alors χ A (B ) est inversible et on en déduit, en
multipliant par ( χ A ( B )) −1 que : M = 0 , ce qui est absurde.
Donc A et B ont une valeur propre en commun.
c. L’idée est de s’appuyer sur des vecteurs propres pour cette valeur propre commune qu’on note λ .
Mais λ est alors aussi valeur propre de t B puisque B et t B ont mêmes valeurs propres.
Soit alors X un vecteur propre de A associé à λ et Y un vecteur propre de t B associé à λ .
On note enfin : M = X .t Y ∈ Mn( ).
Alors :
• M ≠ 0 , car si : xi ≠ 0 , et : y j ≠ 0 , (il en existe car X et Y sont non nuls), alors : mi , j = xi . y j ≠ 0 ,
• A.M = A. X .t Y = λ. X .t Y = λ .M , et : M .B = X .t Y .B = X .t ( t B.Y ) = X .t (λ .Y ) = λ. X .t Y = λ .M = A.M .
On vient donc d’établir l’équivalence :
( A et B ont une valeur propre en commun) ⇔ (∃ M ∈ Mn( ), M ≠ 0 , telle que : A.M = M .B ).
d. φ est évidemment un endomorphisme de Mn( ) et cet espace est de dimension finie ( = n 2 ).
Si on examine le noyau de φ, on a alors :
∀ M ∈ Mn( ), φ ( M ) = 0 , soit encore : A.M = M .B .
Du fait de l’équivalence précédente, et puisque A et B n’ont pas de valeurs propre en commun, on en
PSI Dupuy de Lôme – Chapitre 07 : Réduction d’endomorphismes (Exercices : corrigé niveau 2). - 12 -
 déduit que : ker(φ ) = {0} .
φ est donc injectif et c’est un automorphisme de Mn( ).

Sous-espaces vectoriels stables.

69. a. On sait que : p ( x) = p ( xi ) + p ( x k ) = xi .
De plus : p ( x) ∈ F , puisque F est stable par p , donc : xi ∈ F , puis : x k = x − xi ∈ F .
b. Notons alors : Fi = F ∩ Im( p ) , et : Fk = F ∩ ker( p ) .
Il est clair que la somme Fi + Fk est directe puisque Im( p ) et ker( p ) sont supplémentaires dans E.
De plus : Fi + Fk ⊂ F .
Enfin, pour : x ∈ F , la question a. a montré que :
∃ xi ∈ F ∩ Im( p ) = Fi , ∃ x k ∈ F ∩ ker( p ) = Fk , x = xi + x k .
Donc on en déduit que : Fi ⊕ Fk = F , avec les deux espaces précédents.
c. Les sous-espaces vectoriels de E stables par p peuvent s’écrire comme la somme directe de deux
sous-espaces vectoriels de E, l’un inclus dans Im( p ) , l’autre dans ker( p ) d’après la question b.
Il est immédiat, réciproquement que tout sous-espace du type précédent est stable par p .

70. a. On remarque que : ∀ x ∈ n

, ∀ 0 ≤ k ≤ n , p (u n − k ( x )) ∈ Im( p ) ,
et comme : Im( p ) = E , est stable par u , on a aussi : u k ( p (u n − k ( x ))) ∈ E .
On en déduit, E étant stable par combinaison linéaire, que : ∀ x ∈ n, q ( x ) ∈ E .
Autrement dit : Im(q ) ⊂ E .
Soit maintenant : x ∈ E .
Alors : ∀ 0 ≤ k ≤ n , u n − k ( x ) ∈ E , car E est stable par u , et : p (u n − k ( x )) = u n − k ( x ) , car : E = Im( p ) .
1 n k 1 n k n−k 1 n
Donc : q ( x) = .∑ u o p o u n − k ( x) = .∑ u (u ( x)) = .∑ x = x , puisque : u n = Id C n .
n + 1 k =0 n + 1 k =0 n + 1 k =0
Donc : E ⊂ Im(q ) , et finalement : E = Im(q ) .
Si enfin : x ∈ E ∩ ker(q ) , alors : q ( x) = x , d’après ce qui précède, et : q ( x) = 0 , donc : x = 0 .
La somme E + ker(q ) est donc directe et le théorème du rang montre que : dim( E ) + dim(ker(q )) = n .
En conclusion, on a bien : E ⊕ ker(q ) = n.
b. Soit maintenant : x ∈ n, écrit avec : x = x E + x k , où : x E ∈ E , x k ∈ ker(q ) .
Alors : q ( x) = x E , d’après ce qu’on a vu au dessus, et : q 2 ( x) = q ( x E ) = x E = q ( x) , donc : q 2 = q .
q est donc un projecteur de n, sur : Im(q ) = E , dans la direction ker(q ) .

71. a. Il est immédiat que T est involutif : ∀ P ∈ K[X], T (T ( P )) = P (1 − (1 − X )) = P ( X ) , soit : T 2 = id K[X].

Donc T , qui est évidemment linéaire, et aussi bijectif sur K[X], et T est un automorphisme de K[X].
b. Puisqu’on a en plus un polynôme annulateur pour T qui est X 2 − 1 , T ne peut admettre comme
valeurs propres que 1 et − 1 .
1 1 1
Enfin, si on pose : P = X − , alors : T ( P ) = (1 − X ) − = − X = − P , autrement dit − 1 est valeur
2 2 2
propre de T .
1
Et si on pose : P = ( X − ) 2 , alors : T ( P ) = P , et 1 est valeur propre de T .
2
Les valeurs propres de T sont donc effectivement 1 et -1.
Remarque : on peut montrer que :
2. k
 1
• E1 (T ) = Vect ( X −  , k ∈ ), et :
 2
2.k +1
 1
• E −1 (T ) = Vect ( X −  , k ∈ ).
 2

PSI Dupuy de Lôme – Chapitre 07 : Réduction d’endomorphismes (Exercices : corrigé niveau 2). - 13 -