Professional Documents
Culture Documents
Exercice 2.2
Exercice 2.3
−1 1 1
Diagonaliser A = 1 −1 1
1 1 −1
Exercice 2.4
−4 0 −2 1 1 0
1. A = 0 1 0 . Montrer qu’il existe P telle que P −1 AP = T = 0 1 0
5 1 3 0 0 −2
n
2. Calculer A , pour tout n de ZZ.
Exercice 2.5
1. Montrer que P → ϕ(P ) = X(X − 1)P 0 − nXP définit un endomorphisme ϕ de IKn [X].
2. L’endomorphisme ϕ est-il diagonalisable?
3. Déterminer les sous-espaces propres de ϕ.
Exercice 2.6
Exercice 2.7
−1 1 0 0
Exercice 2.9
Exercice 2.10
2 3 −4 −4
1 0 0 0
Montrer que la matrice A = n’est pas diagonalisable.
0 1 0 0
0 0 1 0
Trouver une matrice inversible P telle que T = P −1 AP soit triangulaire supérieure et “la
plus simple possible”.
Exercice 2.11
0 1 1 1
1 0 1 1
l telle que M 2 = A =
Trouver une matrice M de M4 ( C)
1 1 0 1
1 1 1 0
Exercice 2.12
3 0 0
2
Trouver toutes les matrices M de M3 ( C)
l tq M = A = −5 2 0 .
4 0 1
Exercice 2.13
Exercice 2.14
1 a b c
0 1 d e
Donner une CNS sur a, b, c, d, e, f pour que A = soit diagonalisable.
0 0 2 f
0 0 0 2
0 2 0
Exercice 2.16
Soit M une matrice de Mn (IK), ayant n valeurs propres distinctes. Montrer que les matrices
qui commutent avec M sont les combinaisons linéaires de In , M, M 2 , . . . , M n−1 .
Exercice 2.17
Exercice 2.18
0 1 0 0 0
0 0 1 0 0
Diagonaliser A =
0 0 0 1 0
0 0 0 0 1
1 0 0 0 0
Exercice 2.19
1 −1 2 −2
0 0 1 −1
Peut-on diagonaliser B =
?
1 −1 1 0
1 −1 1 0
Exercice 2.20
Exercice 2.21
b c a
Exercice 2.23
Soient f et g deux endomorphismes d’un espace vectoriel E de dimension n ≥ 1.
Montrer que g ◦ f et f ◦ g ont les mêmes valeurs propres.
Indication : considérer à part le cas de la valeur propre 0.
Donner un contre-exemple dans le cas où E n’est pas de dimension finie.
Exercice 2.24
Soient A et B dans deux matrices de Mn (IK).
Montrer que AB et BA ont le même polynôme caractéristique.
Indication : commencer par supposer que A est inversible.
Exercice 2.25
a b aM bM
Pour tous A = de M2 (IK) et M de Mn (IK), on pose A ⊗ M = .
c d cM dM
1. Montrer que (A ⊗ M )(B ⊗ N ) = (AB) ⊗ (M N ).
2. Etablir que det(A ⊗ M ) = (det A)n (det M )2 .
3. Montrer que : A, M inversibles ⇒ A ⊗ M inversible et (A ⊗ M )−1 = A−1 ⊗ M −1 .
4. Prouver que si A et M sont diagonalisables, alors A ⊗ M est diagonalisable.
Exercice 2.26
Montrer qu’il existe une matrice inversible P telle que P −1 AP = J, avec :
0 1 1 0 1 1 0 0
−1 −2 1 −2 0 1 1 0
A= J =
2 6 −1 4 0 0 1 0
4 8 −4 7 0 0 0 1
Exercice 2.27
Montrer qu’il existe une matrice inversible P telle que P −1 AP = J, avec :
1 0 −1 1 0 −2 0 0 0 0
0 −2 0 0 0 0 1 1 0 0
A= 1 0 1 0 1 J = 0 0 1 0 0
1 0 0 1 1 0 0 0 1 1
0 0 1 −1 1 0 0 0 0 1
z z −x − y −1 −1
1
On voit que 1 est vecteur propre pour λ = 1.
1
On a ainsi obtenu une base de vecteurs propres.
1 0 1 −2 0 0
−1
La matrice de passage est P = 0 1 1 et P AP = 0 −2 0
−1 −1 1 0 0 1
0 0 (−2)n
On sait que A = P T P −1 . On en déduit, pour tout n de ZZ, An = P T n P −1 (la matrice
A, tout comme T , est inversible : 0 n’est en effet pas valeur propre. D’autre part :
2 0 1 1 0 0 2 0 1 1 0 0
L3 ← 2L3 + 5L1
0 −3 0 0 1 0 0 −3 0 0 1 0
⇒
−5 −1 −1 0 0 1 0 −2 3 5 0 2
2 0 1 1 0 0 18 0 0 −6 2 −6
L3 ← 3L3 − 2L2 L1 ← 9L1 − L3
0 −3 0 0 1 0 0 −3 0 0 1 0
⇒ ⇒
0 0 9 15 −2 6 0 0 9 15 −2 6
−3 1 −3
1
On en déduit P −1 = 0 −3 0 puis finalement (après calcul !) :
9
15 −2 6
−6 + 15(−2)n 2 − 6n − 2(−2)n −6 + 6(−2)n
1
∀n ∈ ZZ, An = P T n P −1 = 0 9 0
9
15 − 15(−2)n −2 + 15n + 2(−2)n 15 − 6(−2)n
• On sait déja que les valeurs propres de ϕ sont 0, −1, −2, . . . , −n et que les sous-espaces
propres sont des droites vectorielles.
Soit λ dans {0, −1, −2, . . . , −n}, et Eλ le sous-espace propre associé.
P0 nX + λ n+λ λ
P ∈ Eλ ⇔ X(X − 1)P 0 − nXP = λP ⇔ = = − (1)
P X(X − 1) X −1 X
Or pour tout polynôme P de racines x1 , . . . , xr avec les multiplicités m1 , . . . , mr , on a :
r r
P0 mk
(X − xk )mk ⇒
Y X
P =α = (2)
k=1 P k=1 X − xk
L’égalité (1), jointe à (2) et au fait que la décomposition en éléments simples d’une fraction
rationnelle est unique, exprime que le polynôme P admet pour racines 0 avec la multiplicité
−λ et 1 avec la multiplicité n + λ (remarquons qu’ici −λ et n + λ sont des entiers compris
entre 0 et n) ou encore que P s’écrit P = αX −λ (X − 1)n+λ .
Ainsi pour tout λ de {0, −1, −2, . . . , −n}, Pλ = X −λ (X − 1)n+λ est une base de la droite
vectorielle propre pour la valeur propre λ.
−1 1 1 −1
0 est donc la seule valeur propre de A (c’est la seule racine du polynôme annulateur X 3 .)
Si A était diagonalisable, elle serait semblable à la matrice “diagonale” D = 0, et elle serait
la matrice nulle, ce qui n’est pas.
Conclusion : la matrice A n’est pas diagonalisable.
Plus généralement, un endomorphisme nilpotent n’est diagonalisable que s’il est nul.
Si on développe en utilisant le caractère n-linéaire et alterné, on voit que tous les déterminants
contenant au moins deux fois une colonne proportionnelle à u sont nuls.
Il ne reste donc que :
n
X
χA (x) = det(−xe1 , −xe2 , . . . , −xen ) + det(−xe1 , . . . , −xej−1 , λj u, −xej+1 , . . . , −xen )
j=1
n
X
= (−x)n + (−x)n−1 det(e1 , . . . , ej−1 , λj u, ej+1 , . . . , en )
j=1
n
X
Puisque u = λk ek , le déterminant figurant dans la somme vaut λ2j .
k=1
n
λ2k .
X
On trouve donc χA (x) = (−1)n xn−1 (x − s), avec s =
k=1
Donc 0 est valeur propre de multiplicité n si s = 0 (et dans ce cas A n’est pas diagonalisable,
sauf si tous les λk sont nuls), et de multiplicité n−1 si s 6= 0 : dans ce cas A est diagonalisable,
le sous-espace propre pour 0 est l’hyperplan λ1 x1 + . . . + λn xn = 0, et celui pour s est la
droite vectorielle engendrée par u.
• Première méthode :
On calcule le polynôme caractéristique de A.
Pour celà on effectue L1 ← L1 + L2 + L3 + L4 puis les opérations Li ← Li − L1 (avec i ≥ 2) :
−λ
1 1 1 1
1 1 1
1 −λ 1 1 1 −λ 1 1
χA (λ) = = (3 − λ)
1 1 −λ 1 1 1 −λ 1
1 1 1 −λ 1 1 1 −λ
1 1 1 1
0 −1 − λ 0 0
= (3 − λ) = (λ − 3)(λ + 1)3
0
0 −1 − λ 0
0 0 0 −1 − λ
Donc 3 est valeur propre simple et −1 est valeur propre triple.
Pour λ = −1, le sous-espace propre est l’hyperplan x + y + z + t = 0 dont une base est
formée des vecteurs u1 = (1, −1, 0, 0), u2 = (1, 0, −1, 0), u3 = (1, 0, 0, −1).
Pour λ = 3, le sous-espace propre est une droite, et u4 = (1, 1, 1, 1) est vecteur propre.
1 1 1 1 −1 0 0 0
−1 0 0 1 0 −1 0 0
Avec P = et D = , on a donc A = P DP −1 .
0 −1 0 1 0 0 −1 0
0 0 −1 1 0 0 0 3
i 0 0 0
0 i 0 0
Avec ∆ = et M = P ∆P −1 : ∆2 = D ⇒ M 2 = P ∆2 P −1 = P DP −1 = A.
0 0 i 0
√
0 0 0 3
On trouve P −1 puis M :
√ √ √ √
1 −3 1 1 3 + 3i 3 − i 3 − i 3 − i
√ √ √ √
−1 1
1 1 −3 1 1 √3 − i √ 3 + 3i √ 3 − i √3 − i
P =
M=
4 1 1 1 −3 4 √3 − i √3 − i √3 + 3i √ 3 − i
1 1 1 1 3−i 3−i 3−i 3 + 3i
• Deuxième méthode (bien meilleure) :
3 2 2 2
2 3 2 2
On constate que le carré de A s’écrit A2 = = 3I + 2A.
2 2 3 2
2 2 2 3
Plus généralement, si on pose M = xI + yA, alors M 2 = (x2 + 3y 2 )I + 2y(x + y)A.
(
x2 + 3y 2 = 0
Sous cette forme, la matrice M vérifie M 2 = A ⇔
2y(x + y) = 1
√ √ √
On choisit par exemple x = iy 3 puis 1 = 2y 2 (1 + i 3) = y 2 ( 3 + i)2 .
1 1 √ 1 √
On choisit y = √ = ( 3 − i) et donc x = ( 3 + 3i).
3+i 4 4
1 √ √
Avec ce choix de la forme M = xI+yA, puis x, y, on obtient M = ( 3+3i)I+( 3−i)A ,
4
c’est-à-dire la matrice M trouvée par la méthode précédente.
Puisque A est triangulaire, ses valeurs propres sont ses coefficients diagonaux 3, 2, 1. Ils sont
distincts donc A est diagonalisable. On voit clairement que u2 = (0, 1, 0) est vecteur propre
pour λ = 2 et que u3 = (0, 0, 1) est vecteur propre pour λ = 1.
−5x − y = 0 y = −5x
Le sous-espace propre pour λ = 3 s’obtient en résolvant : ⇔ .
4x − 2z = 0 z = 2x
On trouve la droite vectorielle engendrée par u1 = (1, −5, 2).
1 0 0 3 0 0
, on a A = P DP −1 .
Ainsi, avec P = −5 1 0 et D = 0 2 0
2 0 1 0 0 1
l Posons ∆ = P −1 M P .
Soit M une matrice quelconque de M3 ( C).
L’égalité M 2 = A s’écrit P ∆2 P −1 = P DP −1 et elle équivaut à ∆2 = D.
l telles que ∆2 = D.
Il s’agit maintenant de trouver toutes les matrices ∆ de M3 ( C)
Notons δij les coefficients d’une telle matrice ∆ (on ne sait pas encore si ∆ est diagonale.)
Si ∆2 = D, alors ∆ et D commutent : en effet ∆D = ∆3 = D∆.
3δ11 2δ12 δ13 3δ11 3δ12 3δ13
Mais l’égalité ∆D = D∆ s’écrit 3δ21 2δ22 δ23 = 2δ21 2δ22 2δ23
0 0 δ33
2
√
δ11 = 3
δ11 = ε1 √3, ε1 ∈ {−1, 1}
2 2
Inversement, si ∆ a cette forme : ∆ = D ⇔ δ22 = 2 ⇔ δ22 = ε2 2, ε2 ∈ {−1, 1}
2
δ33 = 1 δ33 = ε3 ∈ {−1, 1}
Il y a donc 8 matrices ∆ possibles, ce qui conduit à 8 solutions distinctes (et 8 seulement) pour
le problème initial M 2 = A. La matrice A possède donc 8 “racines carrées” dans M3 ( C). l
Les matrices M solutions du problème sont donc données par :
√
1 0 0 ε1 3 0√ 0 1 0 0
−1
P DP = −5 1 0 0 ε2 2 0 5 1 0
2 0 1 0 0 ε3 −2 0 1
√ √
ε1 √3 0√ 0 1 0 0 √ε1 3 √ 0√ 0
= −5ε1√ 3 ε2 2 0 5 1 0 = −5ε1 √3 + 5ε2 2 ε2 2 0
Soit λ une valeur propre de f (il en existe car on est dans C).
l
Soit Eλ le sous-espace propre associé.
Les applications f et g commutent : l’ensemble Eλ = ker(f − λId) est donc stable par g.
Soit h la restriction de g à Eλ (dim ≥ 1) : h possède au moins une valeur propre µ.
Soit u un vecteur propre de h (et donc g) pour la valeur propre µ.
Alors u est un vecteur propre propre commun à f et à g (car u appartient à Eλ ).
0 0 0 1 0 0 0 0
rg (A − I4 ) = 2 ⇔ a = 0
Donc
rg (A − 2I4 ) = 2 ⇔ f = 0
Ainsi une condition nécessaire et suffisante pour que A soit diagonalisable est a = f = 0.
χA n’est pas scindé dans IR : la matrice A n’est donc pas diagonalisable dans IR.
l il y a trois valeurs propres distinctes : 0, 2i et −2i.
Mais dans C,
La matrice A est donc diagonalisable dans C.
l
On voit que le vecteur (1, 0, 1) dirige le sous-espace propre pour λ = 0.
Pour λ = 2i, le sous-espace propre s’obtient en résolvant le système :
−2ix − 2y = 0
x = iy
x − 2iy − z = 0 ⇔ ⇔ (x, y, z) = iy(1, −i, −1) avec y ∈ Cl
z = −iy
2y − 2iz = 0
Pour λ = −2i, il suffit de procéder par conjugaison, car A est à coefficients réels.
Le sous-espace propre est engendré par le vecteur (1, i, −1).
1 −1 −1 0 0 −2i
n−1
λjk αj = µk , pour 1 ≤ k ≤ n.
X
Les conditions P (f )(uk ) = µk uk s’écrivent donc
j=0
On a donc P −1 AP , avec :
1 1 1 1 1 1 1 1 1 1 1 0 0 0 0
1 ω
ω2 ω3 4
ω 1 ω ω2 ω3 4
ω 0 ω
0 0 0
1 ω2
P = ω4 ω6 ω8 = 1 ω2 ω4 ω ω3
et D = 0 0 ω2 0 0
1 ω3 ω6 ω9 ω 12 1 ω 3 ω4 ω2 ω3
ω 0 0 0 0
1 ω4 ω8 ω 12 ω 16 1 ω4 ω3 ω2 ω 0 0 0 0 ω4
1 1 1 1 1 1 1 1 1 1 5 0 0 0 0
1 ω
ω2 ω3 ω4
1 ω4 ω3 ω2 ω
0
5 0 0 0
P Q = 1 ω2 ω4 ω ω3 1 ω3 ω ω4 ω2 = 0 0 5 0 0 = 5I5
1 ω3 ω4 ω2 1 ω2 ω4 ω3 0
ω ω 0 0 5 0
1 ω4 ω3 ω2 ω 1 ω ω2 ω3 ω4 0 0 0 0 5
1 1
Autrement dit, P −1 = Q = P̄ .
5 5
x − y + 2z − 2t = 0 x = y x = y
E0 est donc la droite vectorielle engendrée par u = (1, 1, 0, 0), alors que 0 est une valeur
propre double. On est donc certain que B n’est pas diagonalisable.
0 1 1
1 − λ 1 0
On a χm (λ) = 2 1−λ 2 = (1 − λ)3 − 4(1 − λ) = −(λ − 1)(λ + 1)(λ − 3).
1 − λ
0 1
La matrice M est donc diagonalisable (trois valeurs propres distinctes).
β = 0
Calculons le déterminant de A :
a
c b a − b 0 b − a a − b 0 0
det(A) = c a+b c = c
a+b c = c
a+b 2c
b c a b c a b c a + b
a + b 2c
= (a − b)
c a + b
√ √
= (a − b)((a + b)2 − 2c2 ) = (a − b)(a + b − c 2)(a + b + c 2)
Le polynôme caractéristique de A s’obtient en remplaçant a par a − λ.
√ √
χA (λ) = (a − λ − b)(a − λ + b − c 2)(a − λ + b + c 2)
√ √
= −(λ − a + b)(λ − a − b + c 2)(λ − a − b − c 2)
√ √
La matrice A possède donc trois valeurs propres : a − b, a + b − c 2 et a + b + c 2.
On remarque l’existence de trois vecteurs propres libres, un pour chacune de ces trois valeurs
propres et qui n’en dépendent pas. La diagonalisation obtenue sera donc valable dans tous
les cas, que les valeurs propres soient distinctes ou non.
• Pour λ = a − b : on constate facilement que u1 = (1, 0, −1) est vecteur propre.
√ √
• Pour λ = a + b − c 2 : le vecteur u2 = (1, 2, 1) convient.
√ √
• Pour λ = a + b + c 2 : le vecteur u3 = (1, − 2, 1) convient.
1 √1 1
√ a−b 0 √ 0
Posons donc P = 0 2 − 2 et D = 0 a+b+c 2 0 √ .
−1 1 1 0 0 a+b−c 2
On vérifie que P est inversible. Par construction, on a l’égalité P −1 AP = D.
a b a0 b0
1. On pose A = et A0 = .
c d c0 d0
Alors, pour tous M, N de Mn (IK) :
aM bM a0 N b0 N
(A ⊗ M )(B ⊗ N ) =
cM dM c0 N d0 N
(aa0 + bc0 )M N (ab0 + bd0 )M N
=
(ca0 + dc0 )M N (cb0 + dd0 )M N
= (AB) ⊗ (M N )
4 8 −4 6 4 4 −4 4
0 0 1 1 0
0 0 1 0
1 0 0 0 0 0 0 1
1 0 0 0
P = 0 1 0 0 0 ⇒ det(P ) = = 1 0 0 = 1 6= 0
0 1 0 0
0 1 0 0 1 0 1 0
0 1 0 1
0 0 0 −1 0
Ainsi u1 , u2 , u3 , u4 , u5 forment une base de IR5 et par construction la matrice de f dans cette
base est la matrice J donnée par l’énoncé. Autrement dit P −1 AP = J.
Remarque :
La matrice A n’est pas diagonalisable. En effet 1 est valeur propre quadruple mais le sous-
espace est seulement de dimension 2.