You are on page 1of 22

2.

Réduction des endomorphismes


Exercice 2.1

Soient f et g deux endomorphismes de E, avec dim(E) = n ≥ 1.


On suppose que f et g commutent et qu’ils sont diagonalisables.
Montrer que f et g sont diagonalisables dans une même base (e) de E.

Exercice 2.2

Soit M une matrice de Mn (IK), inversible.


Exprimer le polynôme caractéristique de M −1 en fonction de celui de M .

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

Soit A une matrice de M(IK) telle que A3 = A2 + 4A − 4In .


Montrer que A est diagonalisable.

Exercice 2.7

Soit f un endomorphisme de E tel que (f − Id)3 ◦ (f + 2Id) = 0 et (f − Id)2 ◦ (f + 2Id) 6= 0.


L’endomorphisme f est-il diagonalisable ?

Jean-Michel.Ferrard @ ac-lyon.fr, 23 mai 2000 Page 1


Exercice 2.8
1 −1 0 0
 
 0 0 1 −1 
Peut-on diagonaliser A =  ?

 0 0 −1 1 

−1 1 0 0

Exercice 2.9

On se donne une famille λ1 , . . . , λn de n nombres complexes.


Dans Mn ( C),
l on définit la matrice A de terme général aij = λi λj .
La matrice A est-elle diagonalisable ?

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

Soient f et g deux endomorphismes d’un C-espace


l vectoriel E de dimension n ≥ 1.
On suppose que f et g commutent.
Montrer que f et g ont au moins un vecteur propre en commun.

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

Jean-Michel.Ferrard @ ac-lyon.fr, 23 mai 2000 Page 2


Exercice 2.15
 
0 −2 0
Diagonaliser A =  1 0 −1  dans IR si possible, sinon dans C.
l
 

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

Soit A une matrice de Mn ( C),


l inversible et diagonalisable.
l telle que B 2 = A.
Soit B une matrice de Mn ( C),
Montrer que B est diagonalisable.

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

Vecteurs propres de l’endomorphisme f de IR[X] défini par f (P ) = (2X + 1)P + (1 − X 2 )P 0 .

Exercice 2.21

Soit E l’espace des fonctions continues de IR+ dans IR.


1Zx
Soit T définie sur E par T (f )(0) = f (0) et, pour x > 0, T (f )(x) = f (t)dt.
x 0
1. Montrer que T est un endomorphisme de E.
2. Déterminer le noyau de T . L’opérateur T est-il injectif ? surjectif ?
3. Indiquer ses valeurs propres non nulles et les sous-espaces propres associés.

Jean-Michel.Ferrard @ ac-lyon.fr, 23 mai 2000 Page 3


Exercice 2.22  
a c b
Diagonaliser la matrice A =  c a + b c .
 

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

Jean-Michel.Ferrard @ ac-lyon.fr, 23 mai 2000 Page 4


Corrigé des exercices
Corrigé de l’exercice 2.1
Par hypothèse, E est somme directe des différents sous-espaces propres de f : E = ⊕Eλ (f ).
Puisque f et g commutent, chaque Eλ (f ) = ker(f − λId) est stable par g.
On en déduit que la restriction de g à Eλ (f ) est diagonalisable.
Ainsi il existe dans Eλ (f ) une base formée de vecteurs propres de g (et elle est formée de
vecteurs propres de f pour λ.)
Si on “juxtapose” les bases choisies dans chaque Eλ (f ), on obtient une base (e) de E adaptée
à la somme directe E = ⊕Eλ (f ) et formée de vecteurs propres à la fois pour f et pour g.
C’est donc une base de E dans laquelle f et g sont simultanément diagonalisées.

Corrigé de l’exercice 2.2


Pour tout scalaire x non nul :
 1 
χM −1 (x) = det(M −1 − xIn ) = det(M −1 ) det(In − xM ) = det(M −1 ) (−x)n det M − In
x
1
On a donc l’égalité polynômiale : χM −1 (X) = det(M −1 ) (−X)n χM .
X

Corrigé de l’exercice 2.3



−1 − x 1 1 1 1 1

χA (x) = 1 −1 − x 1 = (1 − x) 1 −1 − x 1

1 1 −1 − x 1 1 −1 − x

1 1 1
1 est valeur propre simple

2
= (1 − x) 0 −2 − x 0 = (1 − x)(x + 2) :

−2 est valeur propre double
0 0 −2 − x
Notons E 1 et E −2 les deux sous-espaces propres.
         
x x x 1 0
2
 y  ∈ E −2 ⇔ x+y+z = 0 ⇔  y  = 
u= y   = x  0  +y  1  , (x, y) ∈ IR .
       

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

Jean-Michel.Ferrard @ ac-lyon.fr, 23 mai 2000 Page 5


Corrigé de l’exercice 2.4

1. Soit f l’endomorphisme de IR3 de matrice A dans la base canonique.



 f (u1 ) = u1

3
Suivant l’énoncé, on cherche une base u1 , u2 , u3 de IR telle que  f (u2 ) = u1 + u2

f (u3 ) = −2u3
−5x − 2z = 0 x

Si u = (x, y, z), f (u) = u ⇔ ⇔ (x, y, z) = (2, 0, −5)
5x + y + 2z = 0 2
On choisit donc u1 = (2, 0, −5).
−5x − 2z = 2 5x + 2z = −2
 
Dans ces conditions (f − Id)(u) = u1 ⇔ ⇔
5x + y + 2z = −5 y = −3
On choisit par exemple u2 = (0, −3, −1).
 −2x − 2z = 0

x+z =0

Enfin f (u) = −2u ⇔ 3y = 0 ⇔ ⇔ (x, y, z) = x(1, 0, −1).
 y=0
5x + y + 5z = 0
 
2 0 1
On pose donc u3 = (1, 0, −1) ce qui donne la matrice de passage P =   0 −3 0  
−5 −1 −1
La matrice P est inversible (det P = −9). Les vecteurs u1 , u2 , u3 forment donc une base
de IR3 dans laquelle, par construction, la matrice de f est T .
1 1 0 1
   
2. Pour tout n de IN, = I2 + N où N = , telle que N 2 = 0.
0 1 0 0
1 1 n 1 n
   
La formule du binôme donne : ∀n ∈ IN, = .
0 1 0 1
1 n 1 −n
  
= I2 ⇒ le résultat est vrai pour tout n de ZZ.
0 1 0 1  
1 n 0
La matrice T est diagonale par blocs. Ainsi, pour tout n de ZZ, T n =  0 1 0 
 

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

Jean-Michel.Ferrard @ ac-lyon.fr, 23 mai 2000 Page 6


Corrigé de l’exercice 2.5

1. L’application qui à un polynôme P associe le polynôme X(X − 1)P 0 − nXP est de


manière évidente linéaire de IK[X] dans lui-même.
Pour montrer que la restriction ϕ de cette application définit bien un endomorphisme
de IKn [X], il reste à montrer que IKn [X] est stable par ϕ.
En vertu de la linéarité, il suffit de vérifier que pour tout monôme X m , avec 0 ≤ m ≤ n,
le polynôme ϕ(X m ) est encore dans IKm [X].
Or ∀m ∈ {0, 1, . . . , n}, ϕ(X m ) = mX m (X − 1) − nX m+1 = (m − n)X m+1 − mX m .
On constate que pour tout m < n, deg ϕ(X m ) = m + 1 ≤ n, et enfin deg ϕ(X n ) = n.
Ainsi ϕ est bien un endomorphisme de IKn [X].
2. Ce qui précède montre que la matrice de ϕ dans la base 1, X, . . . , X n de IKn [X] est :
 
0 0 ... ... ... ... 0

 −n ..
 −1 0 ... ... ... .

 ..

 0

1−n −2 0 ... ... .



. ..

 ..
A = 2−n −3

 0 0 ... 
.
 . .. .. .. .. ..
 ..

 . 0 . . . 
 .
 . .. ..
 ..

 . . 0 −2 1−n 0 

0 ... ... ... 0 −1 −n
Cette matrice est triangulaire.
Ses valeurs propres sont donc ses coefficients diagonaux 0, −1, −2, . . . , −n.
On obtient ainsi les valeurs propres de ϕ.
Elles sont au nombre de n + 1 et sont toutes de multiplicité 1.
Donc ϕ est diagonalisable.

• 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.

Jean-Michel.Ferrard @ ac-lyon.fr, 23 mai 2000 Page 7


Corrigé de l’exercice 2.6

L’hypothèse s’écrit P (A) = 0, avec P = X 3 − X 2 − 4X + 4 = (X − 2)(X − 1)(X + 2).


La matrice A est donc annulée par un polynôme scindé à racines simples : on sait que cela
implique que A est diagonalisable.
Pour être plus complet, on peut dire que les valeurs propres éventuelles de A sont les racines
du polynôme P : autrement dit on a l’inclusion Sp (f ) ⊂ {−2, 1, 2} et IKn est la somme
directe des sous-espaces ker(A + 2In ), ker(A − In ) et ker(A − 2In ) (on commet l’abus de
langage de parler du noyau d’une matrice) qui ne sont vraiment des sous-espaces propres que
s’ils sont non réduits à {0}.
Il serait faux de dire que −2, −1, 1 sont les valeurs propres de A.
Il est en effet tout à fait possible que A soit égale à l’une des matrices In , 2In ou −2In (dans
ce cas elle n’a qu’une valeur propre).
On ne confondra donc pas avec la propriété : les valeurs propres d’une matrice sont les
racines de son polynôme caractéristique.

Corrigé de l’exercice 2.7

On constate que f est annulée par le polynôme P = (X − 1)3 (X + 2).


Le spectre de f est donc inclus dans l’ensemble {−2, 1} des racines de P .
Si f était diagonalisable, on aurait E = E1 ⊕ E−2 (l’un de ces deux sous-espaces étant
éventuellement réduit à {0} si seul 1 ou −2 est valeur propre, c’est-à-dire ici si f = Id ou si
f = −2Id.)
Dans tous les cas, on aurait (f − Id) ◦ (f + 2Id) = 0 (en effet ce produit commutatif s’annule
sur E1 à cause du facteur f − Id et sur E−2 à cause du facteur f + 2Id.)
Mais (f − Id) ◦ (f + 2Id) = 0 impliquerait (f − Id)2 ◦ (f + 2Id) = 0, ce qui n’est pas.
Conclusion : l’endomorphisme f n’est pas diagonalisable.

Corrigé de l’exercice 2.8


1 −1 −1 1
 
 1 −1 −1 1 
On constate que A2 =  , puis A3 = 0.

 −1 1 1 −1 

−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.

Jean-Michel.Ferrard @ ac-lyon.fr, 23 mai 2000 Page 8


Corrigé de l’exercice 2.9
Remarquons que si tous les λk sont nuls, alors A est nulle donc diagonalisable ! Dans toute
la suite nous supposons donc que l’un au moins des coefficients λk est non nul.
Notons u le vecteur-colonne de composantes successives λ1 , λ2 , . . . , λn .
On constate que les colonnes de A s’écrivent λ1 u, . . . , λn u et sont proportionnelles à u.
La matrice A (non nulle car l’un au moins des coefficients diagonaux λ2i est non nul) est donc
de rang 1.
On en déduit (on suppose que n ≥ 2) que 0 est valeur propre de A, et que le sous-espace
propre correspondant (le “noyau” de A) est de dimension n − 1.
Le scalaire 0 est donc valeur propre de A avec une multiplicité au moins égale à n − 1.
On dispose donc déja de n − 1 valeurs propres égales à 1.
n
λ2k .
X
La dernière valeur propre de A est donc égale à la trace de A, elle même égale à s =
k=1

• Si s = 0, alors 0 est valeur propre de multiplicité n, alors que A 6= 0.


Dans ce cas A n’est pas diagonalisable (remarquons que cela ne se produit pas si IK = IR,
car alors l’hypothèse s = 0 implique la nullité de tous les λk , ce que nous avons exclu.)
• Si s 6= 0, alors il existe une droite vectorielle propre, nécessairement en somme directe avec
l’hyperplan ker A. La matrice A est donc diagonalisable. On trouve d’ailleurs facilement
que le sous-espace propre associé à s est engendré par le vecteur u.
Quant au sous-espace propre pour 0, c’est l’hyperplan d’équation λ1 x1 + . . . + λn xn = 0.
On peut retrouver les résultats précédents par une méthode plus classique.
Si on se place dans la base canonique (e1 , e2 , . . . , en ) de IKn , on voit en effet que :
χA (x) = det(λ1 u − xe1 , λ2 u − xe2 , . . . , λn u − xen )

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.

Jean-Michel.Ferrard @ ac-lyon.fr, 23 mai 2000 Page 9


Corrigé de l’exercice 2.10

On calcule le polynôme caractéristique de A :


2 − λ 3 −4 −4


3 −4 −4
1 −λ 0 0
χA (λ) = = (λ − 2)λ3 − 1 −λ 0

0 1 −λ 0
1 −λ

0
0 0 1 −λ
= (λ − 2)λ − (3λ2 − 4λ − 4) = (λ − 2)(λ3 − 3λ − 2)
3

= (λ − 2)(λ + 1)(λ2 − λ − 2) = (λ − 2)2 (λ + 1)2


Ainsi la matrice A possède deux valeurs propres doubles : 2 et −1.
• Pour λ = −1. La recherche du sous-espace propre conduit à la résolution suivante :
3x + 3y − 4z − 4t = 0 x 1
    
 y = −x
 
 y  −1 

x+y =0
⇔ z=x ⇔   = xu1 avec u1 = 
  
z  1 
y + z = 0

t = −x

 
z+t=0 t −1

Le sous-espace propre est la droite engendrée par u1 : A n’est pas diagonalisable.


• Pour λ = 2. La recherche du sous-espace propre conduit à la résolution suivante :
3y − 4z − 4t = 0 x 8
    
 x = 2y
 
x − 2y = 0 y 4


⇔  y = 2z ⇔   = t  
   
 y − 2z = 0
 z 2
z = 2t

z − 2t = 0 t 1

On trouve la droite engendrée par le vecteur u3 = (8, 4, 2, 1).


Faute de pouvoir la diagonaliser, on va chercher
−1 1 0 0
 
à trigonaliser A sous la forme T suivante :  0 −1 0 0 
Cela revient à chercher deux vecteurs-colonne u2 et u4 T =
 
 0 0 2 1

tels que Au2 = u1 − u2 et Au4 = u3 + 2u4 c’est-à-dire
0 0 0 2
tels que (A + I4 )u2 = u1 et (A − 2I4 )u4 = u3 .
Cela conduit aux systèmes suivants (et on choisit deux solutions particulières u2 et u4 ) :
3x + 3y − 4z − 4t = 1  −3
  
 x + y = −1  x = −t − 3
 
x + y = −1  2 


Pour u2 : ⇔ y + z = 1 ⇔ y = t + 2 u2 = 
 
y + z = 1 −1


z + t = −1 z = −t − 1
  

z + t = −1 0
3y − 4z − 4t = 8  12
  
 x = 8t + 12

x − 2y = 4  4 


Pour u4 : ⇔ y = 4t + 4 u4 =  .

y − 2z = 2 1

   

 z = 2t + 1
z − 2t = 1 0
1 −3 8 12
 
 −1 2 4 4 
On trouve donc la matrice P =  . On a alors P −1 AP = T .
 
 1 −1 2 1 
−1 0 1 0

Jean-Michel.Ferrard @ ac-lyon.fr, 23 mai 2000 Page 10


Corrigé de l’exercice 2.11

• 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.

Jean-Michel.Ferrard @ ac-lyon.fr, 23 mai 2000 Page 11


Corrigé de l’exercice 2.12

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 
   

3δ31 2δ32 δ33 δ31 δ32 δ33


Cette égalité de matrices équivaut à δ12 = δ13 = δ21 = δ23 = δ31 = δ32 = 0.
 
δ11 0 0
Autrement dit, la matrice ∆ est nécessairement diagonale : ∆ =  0 δ22 0 
 

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 
    

2ε1 3 0 ε3 −2 0 1 2ε1 3 − 2ε3 0 ε3


Remarque : cette méthode donne toutes les “racines carrées” de A, mais elle ne fonctionne
bien que parce que les valeurs propres de A, c’est-à-dire les coefficients diagonaux de D,
sont tous distincts : la conséquence étant alors que les matrices ∆ telles que ∆2 = D sont
nécessairement diagonales.
Il en va tout autrement si la matrice A possède des valeurs propres multiples (c’était le cas
dans l’exercice précédent, où on s’est contenté de trouver une racine carrée de A.)

Jean-Michel.Ferrard @ ac-lyon.fr, 23 mai 2000 Page 12


Corrigé de l’exercice 2.13

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 ).

Corrigé de l’exercice 2.14

Les valeurs propres de A sont 1 et 2. Ce sont des valeurs propres doubles.


La matrice A est diagonalisable ⇔ les noyaux de A − I4 et de A − 2I4 sont de dimension 2,
c’est-à-dire (puisqu’on est en dimension 4 et en vertu du théorème du rang) si ces matrices
sont de rang 2.
0 a b c −1 a b c
   
0 0 d e   0 −1 d e 
Or A − I4 =   et A − 2I4 = 

.
 
0 0 1 f   0 0 0 f

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.

Corrigé de l’exercice 2.15

On calcule le polynôme caractéristique de A.



−λ −2 0

χA (λ) = 1 −λ −1 = −λ3 − 4λ = −λ(λ2 + 4)
2 −λ

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).

Jean-Michel.Ferrard @ ac-lyon.fr, 23 mai 2000 Page 13


   
1 1 1 0 0 0
Avec P =  0 −i i  et D =  0 2i 0 , on a donc : P −1 AP = D.
   

1 −1 −1 0 0 −2i

Corrigé de l’exercice 2.16


Il revient au même de traiter le problème en termes d’applications linéaires.
Soit f l’endomorphisme de IKn , de matrice M dans la base canonique.
Notons λ1 , . . . , λn les valeurs propres de f (c’est-à-dire de M ) qui sont par hypothèse toutes
distinctes : f est donc diagonalisable et ses sous-espaces propres sont des droites vectorielles.
Soit g un endomorphisme de IKn .
Il faut montrer que g commute avec f ⇔ g est combinaison linéaire de Id, f, f 2 , . . . , f n−1 .
Dans un sens, c’est évident :
si g est dans le sous-espace de L(IKn ) engendré par Id, f, f 2 , . . . , f n−1 , alors g est un polynôme
en f et on sait que cela implique g ◦ f = f ◦ g.
Réciproquement, supposons g ◦ f = f ◦ g.
Il en découle que les sous-espaces propres Eλk de f sont stables par g.
Or chaque Eλk est une droite vectorielle, engendrée par un certain vecteur uk .
Autrement dit, pour tout indice k de {1, . . . , n} : ∃µk ∈ IK tel que g(uk ) = µk uk .
La famille u1 , . . . , un est donc une base de IKn formée de vecteurs propres de f et de g.
Il faut montrer que g est un polynôme P (f ) de degré inférieur ou égal à n − 1.
L’égalité g = P (f ) est réalisée ⇔ g et P (f ) ont le même “comportement” sur la base (u),
c’est-à-dire si, pour tout k de {1, . . . , n}, on a P (f )(uk ) = µk uk .
n−1 n−1 n−1 
j j
λjk αj uk .
X X X
Or, en posant P (f ) = αj f , on a l’égalité P (f )(uk ) = αj f (uk ) =
j=0 j=0 j=0

n−1
λjk αj = µk , pour 1 ≤ k ≤ n.
X
Les conditions P (f )(uk ) = µk uk s’écrivent donc
j=0

Ce système de n équations linéaires s’écrit :


 α µ0
  
λ21 . . . λn−1

1 λ1 1
0
 α µ1
   
λ22 λn−1 1
   
1 λ2 ...
 
2    
 α µ2
  

. 2 =
.. .. .. .. 

.  .
  
. . . . .  .
  .. 
 . .
   
  
1 λn λ2n . . . λn−1
n αn−1 µn−1
C’est un système de Cramer car sa matrice est une matrice de Van der Monde inversible.
Ce système possède donc une solution unique (α0 , α1 , . . . , αn−1 ).
Autrement dit, il existe un polynôme unique P de degré ≤ n − 1 tel que g = P (f ).

Jean-Michel.Ferrard @ ac-lyon.fr, 23 mai 2000 Page 14


Corrigé de l’exercice 2.17
m
Y
P = (X − λk ) dont les racines sont les valeurs propres distinctes de A, annule A.
k=1
m
(B 2 − λk In ).
Y
2
On a donc 0 = P (A) = P (B ) =
k=1
La matrice A étant inversible, 0 n’est pas valeur propre de A. Les λk sont donc non nuls.
Chaque λk possède dans Cl deux racines carrées distinctes αk et −αk .
m m  
(B 2 − αk2 In ) =
Y Y
On peut donc écrire 0 = (B − αk In )(B + αk In ) .
k=1 k=1
Ainsi B est annulée par un polynôme scindé à racines simples : B est donc diagonalisable.

Corrigé de l’exercice 2.18

On forme le polynôme caractéristique de A (on développe par rapport à la première colonne) :


−λ 1 0 0 0

−λ

1 0 0 1 0 0 0
0 −λ 1 0 0
0 −λ 1 0 −λ 1 0 0
χA (λ) = 0 0 −λ 1 0 = −λ +

0 0 −λ 1 0 −λ 1 0

0 −λ 1

0 0
0 0 0 −λ 0 0 −λ 1
1 0 0 0 −λ
Ainsi χA (λ) = 1 − λ5 .
Les valeurs propres de A sont les racines cinquièmes de l’unité : elles sont bien sûr distinctes,
ce qui prouve que A est diagonalisable dans Cl (en revanche elle ne l’est pas dans IR car χA
n’est pas scindé dans IR). Dans toute la suite, on pose ω = exp( 2iπ 5
). Les valeurs propres de
k
A sont donc les ω , pour k compris entre 0 et 4.
Pour chacune des valeurs propres λ, le sous-espace propre s’obtient en résolvant le système
suivant où on cherche les vecteurs propres sous la forme (x, y, z, t, u).
Le système se simplifie car λ5 = 1.
−λx + y = 0 x 1
 
y = λx
   

 

2
 −λy + z = 0
y  λ 
z = λ x

 

     
−λz + t = 0 ⇔ t = λ 3
x ⇔  z  = x  λ2  , avec x ∈ C
l
   
3
     
−λt + u = 0 4 t λ
u=λ x

 
   

 

x = λ5 x λ4
 
−λu + x = 0 u

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

Remarque : la matrice de passage P est une matrice de Van der Monde.

Jean-Michel.Ferrard @ ac-lyon.fr, 23 mai 2000 Page 15


Il est assez facile de calculer l’inverse de P . On introduit pour cela la matrice Q dont les
coefficients sont les conjugués de ceux de P . On utilise le fait que le conjugué de ω k est son
inverse ω −k = ω 5−k .
Dans le calcul suivant, les coefficients diagonaux de P Q sont nuls, car ils sont tous égaux
(après réduction éventuelle des exposants de ω) à la somme 1 + ω + ω 2 + ω 3 + ω 4 qui est nulle
car ω est une racine cinquième de l’unité différente de 1 :

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

Corrigé de l’exercice 2.19

On applique les opérations L4 ← L4 − L3 puis C3 ← C3 + C4 , et on développe.


1 − λ −1 −2 1 − λ −1 −2

2 2
0 −λ 1 −1 0
−λ 1 −1
χB (λ) = =

1 −1 1 − λ 0 1 −1 1 − λ 0


1 −1 1 −λ 0 0 λ −λ
1 − λ −1 −2

0
1 − λ −1

0
0 −λ 0 −1
= = −λ 0 −λ 0

1 −1 1 − λ 0
−1 1 − λ

1
0 0 0 −λ
1 − λ −1

= λ(λ − 1) = λ2 (λ − 1)2
0 −λ

Pour trouver le sous-espace propre E0 pour λ = 0, on résout le système suivant :

 x − y + 2z − 2t = 0 x = y x = y
  

z−t=0 ⇔ z = t ⇔ z = 0 ⇔ (x, y, z, t) = x(1, 1, 0, 0)


x−y+z =0
  
z=0 t=0

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.

Corrigé de l’exercice 2.20

Soit P un polynôme non nul de degré n. Posons P = an X n + Q, avec an 6= 0 et deg Q < n.


Alors f (P ) = (2X + 1)(an X n + Q) + (1 − X 2 )(nan X n−1 + Q0 ) = an (2 − n)X n+1 + · · ·.
En particulier, si n 6= 2, deg f (P ) = 1 + deg P : toute égalité f (P ) = λP est alors impossible.
Seuls les polynômes de degré 2 peuvent donc être vecteurs propres de f .

Jean-Michel.Ferrard @ ac-lyon.fr, 23 mai 2000 Page 16


Posons alors P = aX 2 + bX + c, avec a 6= 0.
f (P ) = (2X + 1)(aX 2 + bX + c) + (1 − X 2 )(2aX + b) = (a + b)X 2 + (2a + b + 2c)X + (b + c).
 
1 1 0
La matrice de la restriction de f à IR2 [X] (dans la base X 2 , X, 1) est donc M =  2 1 2 .
 

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

Pour λ = 1 :  2α + 2γ = 0 ⇔ (α, β, γ) = α(1, 0, −1)


β=0
 2α + β = 0

Pour λ = −1 : 2α + 2β + 2γ = 0 ⇔ (α, β, γ) = α(1, −2, 1)



β + 2γ = 0
 −2α + β = 0

Pour λ = 3 : 2α − 2β + 2γ = 0 ⇔ (α, β, γ) = α(1, 2, 1)


β − 2γ = 0


2
 P = α(X − 1)
 pour λ = 1
2
On obtient donc les vecteurs propres de f : P = α(X − 2X + 1) pour λ = −1
P = α(X 2 + 2X + 1) pour λ = 3

Corrigé de l’exercice 2.21

1. Soit f un élément de E, et F la primitive de f qui s’annule en 0.


F (x)
L’application F est de classe C 1 sur IR+ . Or pour tout x > 0, T (f )(x) = .
x
L’application T (f ) est donc de classe C 1 sur IR+∗ .
F (x) F (x) − F (0)
Enfin lim T (f )(x) = lim = lim = F 0 (0) = f (0) = T (f )(0).
x→0 x
x→0 x→0 x
Cela prouve la continuité de T (f ) en 0.
L’application T (f ) est donc continue sur IR+ : c’est un élément de E.
Enfin la linéarité de l’opérateur T est évidente. T est donc un endomorphisme de E.
Rx
2. Soit f un élément de E tel que T (f ) = 0. Ainsi 0 f (t)dt = 0 pour tout x > 0.
Par dérivation, on trouve f (x) = 0 si x > 0.
L’application f étant continue en 0, elle est donc nulle sur IR+ .
Autrement dit, le noyau de T est réduit à l’application nulle : T est injectif.
L’opérateur T n’est pas surjectif. En effet, pour tout f de E, l’application T (f ) est non
seulement continue sur IR+ mais plus encore elle est de classe C 1 sur IR+∗ : l’image de
E par T est donc une partie stricte de E.

Jean-Michel.Ferrard @ ac-lyon.fr, 23 mai 2000 Page 17


3. Soit λ un réel non nul, et f un élément de E tel que T (f ) = λf .
Comme T (f ), l’application f = λ1 T (f ) est nécessairement de classe C 1 sur IR+∗ .
Soit F la primitive de f nulle en 0. T (f ) = λf ⇔ ∀x ≥ 0, F (x) = λxf (x).
Mais les applications F et λf , qui sont de toutes façons égales en 0, coı̈ncident sur IR+
⇔ elles ont la même dérivée sur IR+∗ . Ainsi :
T (f ) = λf ⇔ ∀x > 0, f (x) = λ(xf 0 (x) + f (x)) ⇔ ∀x > 0, λxf 0 (x) = (1 − λ)f (x)
1−λ
Sur IR+∗ la solution générale de xy 0 = 1−λ
λ
y est la droite engendrée par yλ (x) = x λ .
Mais yλ n’est prolongeable par continuité à l’origine que ⇔ λ ≤ 1.
Cela implique que si λ > 1, la seule solution de l’équation T (f ) = λf qui soit continue
sur IR+ est l’application nulle. Les λ > 1 ne sont donc pas valeurs propres de f .
Le spectre de l’opérateur T est donc ]0, 1]. Pour tout λ de cet intervalle, le sous-espace
propre est la droite engendrée par yλ (si λ = 1, on obtient les applications constantes.)

Corrigé de l’exercice 2.22

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.

Jean-Michel.Ferrard @ ac-lyon.fr, 23 mai 2000 Page 18


Corrigé de l’exercice 2.23
Soit λ une valeur propre de g ◦ f .
Il suffit de prouver que λ est valeur propre de f ◦ g.
• Supposons λ = 0 : g ◦ f n’est pas injective. Comme on est en dimension finie, f ◦ g n’est
pas injective non plus (par exemple det(f ◦ g) = det f det g = det(g ◦ f ) = 0.)
Ainsi λ = 0 est également une valeur propre de f ◦ g.
• Supposons λ 6= 0. Il existe un vecteur x non nul tel que g ◦ f (x) = λx.
On en déduit, en composant par f à gauche : (f ◦ g)(f (x)) = λf (x).


Mais f (x) n’est pas nul, car g ◦ f (x) = λx avec x 6= 0 et λ 6= 0.
On en déduit que λ est une valeur propre de f ◦ g. Ceci termine la démonstration.
La démonstration précédente n’utilise l’hypothèse sur la dimension que pour λ = 0. Pour le
contre-exemple, on doit donc chercher f et g tels que g ◦ f soit injectif mais pas f ◦ g.
Pour cela on se place dans E = IK[X] et on pose f (P ) = XP et g(P ) = P 0 .
• L’application g ◦ f est définie par g ◦ f (P ) = XP 0 + P : elle est injective car il y a
conservation du degré. 0 n’est donc pas valeur propre de g ◦ f .
• L’application f ◦ g est définie par f ◦ g(P ) = XP 0 et son noyau est formé des polynômes
constants. Cette application n’est donc pas injective : 0 en est une valeur propre.

Corrigé de l’exercice 2.24

• On suppose que A est inversible. Pour tout x de IK :


χAB (x) = det(AB − xIn ) = det(A(B − xA−1 )) = det(A) det(B − xA−1 )
= det(B − xA−1 ) det(A) = det((B − xA−1 )A) = det(BA − xIn ) = χBA (x).
• On suppose que la matrice A est non inversible.
Soit x un élément fixé de IK. Pour tout λ de IK, posons Aλ = A − λIn .
Considérons les applications λ → ϕ(λ) = det(Aλ B − xIn ) et ψ(λ) = det(BAλ − xIn ).
On doit prouver χAB (x) = χBA (x), c’est-à-dire avec nos notations : ϕ(0) = ψ(0).
Or ϕ et ψ sont des applications polynômiales en la variable λ.
D’autre part, si λ n’est pas une valeur propre de A (et dans IK cela fait une infinité de
valeurs !) la matrice Aλ est inversible, ce qui implique ϕ(λ) = ψ(λ) en utilisant ce qui
précède.
Les applications polynômiales ϕ et ψ sont donc égales sur IK.
En particulier elles sont égales en 0, ce qu’il fallait démontrer.
• Remarque :
le résultat de cet exercice implique le résultat du précédent. On en apprend même un peu
plus ici : si λ est une valeur propre d’une des deux applications g ◦ f ou f ◦ g, c’est une
valeur propre de l’autre avec la même multiplicité.

Jean-Michel.Ferrard @ ac-lyon.fr, 23 mai 2000 Page 19


Corrigé de l’exercice 2.25

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 )

2. Supposons a = 0, donc det A = −bc.


0n bM n cM dM


det(A ⊗ M ) =
= (−1) (on a effectué n échanges de lignes.)
cM dM 0n bM
On en déduit det(A ⊗ M ) = (−1)n (bc)n (det M )2 = (det A)n (det M )2 .
On suppose maintenant a 6= 0.
c
Pour tout i de 1, . . . , n, on retranche la ligne Li à la ligne Ln+i . On obtient :
a
aM bM

aM bM


det(A ⊗ M ) = =  bc 
cM dM 0n d− M
a
 bc n
= an d − (det M )2 = (det A)n (det M )2
a
3. Si A et M sont inversibles, (A ⊗ M )(A−1 ⊗ M −1 ) = (AA−1 ) ⊗ (M M −1 ) = I2 ⊗ In = I2n .
On en déduit que A ⊗ M est inversible et que (A ⊗ M )−1 = A−1 ⊗ M −1 .
λ 0
 
−1
4. Il existe P dans GL2 (IK) et deux scalaires λ, µ tels que P AP = .
0 µ
De même, il existe Q dans GLn (IK) et D diagonale telles que Q−1 M Q = D.
D’après ce qui précède R = P ⊗ Q est dans GL2n (IK) et R−1 = P −1 ⊗ Q−1 .
On constate alors que :

R−1 (A ⊗ M )R = (P −1 ⊗ Q−1 )(A ⊗ M )(P ⊗ Q) = (P −1 AP ) ⊗ (Q−1 M Q)


λ 0 λD 0n
   
= ⊗D =
0 µ 0n µD

La matrice obtenue est diagonale, ce qui prouve que A ⊗ M est diagonalisable.


Remarque :
Si α1 , . . . , αn sont les valeurs propres de la matrice M , alors celles de la matrice A ⊗ M
sont λα1 , . . . , λαn , µα1 , . . . , µαn .

Jean-Michel.Ferrard @ ac-lyon.fr, 23 mai 2000 Page 20


Corrigé de l’exercice 2.26

Soit f le morphisme de IR4 de matrice A dans la base canonique.




 f (u1 ) = u1
f (u2 ) = u1 + u2


Tout revient à montrer qu’il existe une base (u) de IR4 telle que : (S)

 f (u3 ) = u2 + u3
(f − Id)(u1 ) = 0 u2 = (f − Id)(u3 )
  
f (u4 ) = u4


 

2
(f − Id)(u2 ) = u1 u1 = (f − Id) (u3 )

 

Or (S) ⇔ ⇔ (Σ)


 (f − Id)(u3 ) = u2 

 (f − Id)3 (u3 ) = 0
(f − Id)(u4 ) = 0 (f − Id)(u4 ) = 0
 

La matrice de f − Id dans la base canonique est A − I4 . On trouve successivement :


−1 1 1 0 2 2 −2 2
   
 −1 −3 1 −2   −2 −2 2 −2 
A − I4 =  , (A − I4 )2 =  et (A − I4 )3 = 04
   
 2 6 −2 4   4 4 −4 4 

4 8 −4 6 4 4 −4 4

On constate que la condition (f − Id)3 (u3 ) = 0 de (Σ) est automatiquement réalisée.


Il faut choisir un vecteur u3 puis poser u2 = (f − Id)(u3 ) et u1 = (f − Id)2 (u3 ).
Ce choix n’est pas arbitraire car le vecteur u1 doit au moins être non nul.
u2 = (−1, −1, 2, 4)

Pour assurer u1 6= 0, on voit que u3 = (1, 0, 0, 0) convient, avec
u1 = (2, −2, 4, 4)
Il reste à choisir un vecteur u4 = (x, y, z, t) qui soit dans le noyau de f − Id et qui ne soit
pas dans le sous-espace de IR4 engendré par u1 , u2 , u3 .
On constate que le vecteur u4 = (1, 0, 1, 0) semble convenir : il est en effet dans le noyau de
f − Id car les colonnes C1 et C3 de A − I4 sont opposées.
Soit P la matrice de la famille u1 , u2 , u3 , u4 dans la base canonique. On a :
2 −1 1 1
 

 −2 −1 0 0 
2
−1 1 −2 −1

P =  ⇒ det P = − −2 −1 0 = − = 4 6= 0
 
 4 2 0 1 4 4
4 4 0
4 4 0 0
Ainsi u1 , u2 , u3 , u4 forment une base de IR4 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 :
Puisqu’on nous donne dans l’énoncé la forme réduite J de la matrice A, il n’a pas été
nécessaire de calculer le polynôme caractéristique de A.
Il est bien sûr égal à celui de J c’est-à-dire (1 − x)4 .
Autrement dit, 1 est une valeur propre de la matrice A avec la multiplicité 4.
Cela implique que A n’est pas diagonalisable sinon A serait semblable donc égale à I4 .
Le sous-espace propre de f pour λ = 1 n’est d’ailleurs pas de dimension 4 mais 2 : en effet
la matrice A − I4 est de rang 2 car ses lignes vérifient L3 = −2L2 et L4 = −L1 − 3L2 .

Jean-Michel.Ferrard @ ac-lyon.fr, 23 mai 2000 Page 21


Corrigé de l’exercice 2.27
f (u1 ) = −2u1

Soit f le morphisme de IR5 de matrice A dans la base canonique. 

 f (u2 ) = u2



Tout revient à montrer qu’il existe une base (u) de IR5 telle que : (S)  f (u3 ) = u2 + u3



 f (u4 ) = u4


0 0 −1 1 0

Cette matrice est de rang 3 f (u5 ) = u4 + u5
 0 −3 0 0 0  car ses lignes L1 , L2 , L3 sont libres


A − I5 = 

1 0 0 0 1

et de plus L4 = L3 et L5 = −L1 .
 
1 0 0 0 1  Le sous-espace propre E1 pour λ = 1
0 0 1 −1 0 est donc un plan vectoriel.
u2 = (0, 0, 1, 1, 0) car C4 = −C3

On voit sans calculs qu’une base de E1 est formée de
u4 = (1, 0, 0, 0, −1) car C5 = C1
On doit trouver u3 = (x, y, z, t, r) tel que (f − Id)(u3 ) = u2 .
On voit sur la matrice A − I5 que le vecteur u3 = (1, 0, 0, 0, 0) convient.
On constate toujours sur A − I5 que (f − Id)(u5 ) = u4 , avec u5 = (0, 0, 0, 1, 0).
Il reste enfin à trouver u1 , vecteur propre de f pour λ = −2.
On voit sur la matrice A initiale que le vecteur u1 = (0, 1, 0, 0, 0) convient.
Soit P la matrice de la famille u1 , u2 , u3 , u4 , u5 dans la base canonique :

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.

Jean-Michel.Ferrard @ ac-lyon.fr, 23 mai 2000 Page 22

You might also like