CGSI Mathématiques Année 2022-2023 ISEN - Yncréa Ouest

TD 4 : Réduction des endomorphismes

Correction

Exercice 1. Donner les valeurs propres, vecteurs propres et matrice de diagonalisation éventuelle des
matrices suivantes dans C 2 :
     
4 4 , 2 5 , 5 3
1 4 4 3 −8 6 .
Exercice 2(Diagonalisation

en dimension 2). Diagonaliser les matrices suivantes :
1. A = 12 54
 
2
2. A = 4 3 5
 
3. A = −58 −36
 
4
4. A = 1 4 4

   
Correction 2. 1. P = 11 −25 , D = 60 −01
   
5 1
2. P = −4 1 , D = 0 7 −2 0
   
3 1
3. P = −8 −1 , 0 2 −3 0
   
4. P = 21 −12 , D = 60 02

Exercice 3(Diagonalisation

en dimension 3). Diagonaliser les matrices suivantes :
−1 2 −3
1. A = 2 2 −6

−2 2 −6
 
0 1 2
2. A = 1 1 1 
1 0 −1
 
1 2 3
3. A = 2 3 1
3 1 2
 
1 2 3
4. A = 2 −1 −4
3 1 2
 
1 2 3
5. A = 2 1 3
4 2 0
 
1 1 0
6. A = −1 1 2
0 0 2
1
  
2 −1 −1
7. A = −1 2 −1
−1 −1 2
 
1 −1 2
8. A = 3 −3 6
2 −2 4
 
7 −12 −2
9. A =  3 −4 0 
−2 0 −2

−2 8 6 
10. A = −4 10 6 
4 −8 −4
 
1

6 6

−2 0√ 0
Correction 3. 1. P = −5 12√ 12√ , D =  0 − 2
 3 − 57 0√  
−3 9 − 57 9 + 57 0 0 − 3+2 57
   
1 3 −1 0 0 0
2. P = −2 4 0 , D = 0 2 0 
1 1 1 0 0 −2
 √ √  
1 −2 + 3 −2 − 3 6 √0 0
3. P = 1 1√ 1√ , D = 0 3 √ 0 
1 1− 3 1+ 3 0 0 − 3
 √ √ 
−3 0√ 0

−7 5 + 3√ 5 5 −√3 5
4. P =  11 −4 √5 4 5√ , D =  0
5+ 5 0 
2 √5 
2 5+5 5 5−5 5 0 0 5 −
   
2
2 1 1 −1 0 0
5. P = −5 1 1, D =  0 −3 0
2 −2 1 0 0 6
   
1 1 1 1+i 0 0
6. P =  i −i 1, D =  0 1 − i 0
0 0 1 0 0 2
   
1 1 1 0 0 0
7. P = 1 −1 0 , D = 0 3 0
1 0 −1 0 0 3
   
1 2 1 0 0 0
8. P = 1 0 3, D = 0 0 0
0 −1 2 0 0 2
   
−4 −1 −2 0 0 0
9. P = −3 −1 −1, D = 0 −1 0
4 2 1 0 0 2
   
−1 2 3 0 0 0
10. P = −1 1 0, D = 0 2 0
1 0 2 0 0 2

Exercice 4 (Diagonalisation en dimension 4). Diagonaliser les matrices suivantes :

 
0 1 0 0
3 0 2 0
1. 
0 2 0

3
0 0 1 0
2
  
1 1 1 1
1 1 −1 −1
2. 
1 −1 1 −1


1 −1 −1 1
 
0 2 −2 2
−2 0 2 2
3. 
−2 2 0 2


2 2 −2 0

−5 2 0 0
 0 −11 5 0
4. 
 0 7 −9 0 


0 3 1 2
 
2 0 3 4
3 1 2 1 
5.  
0 0 3 0 
0 0 4 −1
 
1 −3 0 3
−2 −6 0 13
6. 
 0 −3 1

3
−1 −4 0 8
 
3 −1 1 −7
9 −3 −7 −1
7. 
0 0 4 −8


0 0 2 −4
 
0 0 2 3
0 0 −2 −3
8. 
2 −2 0 −1


3 −3 −1 −3

−1 −1 1 −1 
1 0 0 0

−1 1 3 3  0 −1 0 0
Correction 4. 1. P = 
 1 1 3 −3, D = 0
 
0 3 0


1 −1 1 1 0 0 0 −3
   
1 1 1 1 2 0 0 0
1 0 0 −1 0 2 0 0 
2. P = 0 1 0 −1, D = 0 0 2 0 
  

0 0 1 −1 0 0 0 −2
   
0 1 1 0 2 0 0 0
1 0 0 −1 0 2 0 0
3. P = 1 0 1 0 , D = 0 0 −2 0 
  

0 1 0 1 0 0 0 −2
  
1 0 30 18 −5 0 0 0 
0 0 15 −99
, D =  0 2 0 0 

4. P = 0 0 21 99   0 0 −4

0 
0 1 −11 11 0 0 0 −16
   
1 0 7 −8 2 0 0 0
3 1 12 9 
, D = 0 1 0 0 
 
5. P = 0 0 1 0 0 0 3 0 
0 0 1 6 0 0 0 −1
6. 1 est valeur propre quadruple, non diagonalisable.
7. 0 est valeur propre quadruple, non diagonalisable.
3
 √
8. 0 est vp double, rgA = 2. Autres vp : −3±23 13 , diagonalisable.
 
1 a b c
0
Exercice 5 (Matrice triangulaire). Soit A =  1 d e
0 −1 f . A quelle condition A est-elle diagonalisable ?

0
0 0 0 −1
Exercice 6. Soit A une matrice carrée d’ordre n. On suppose que A est inversible et que λ ∈ R est
une valeur propre de A.
1. Démontrer que λ 6= 0.
2. Démontrer que si ~x est un vecteur propre de A pour la valeur propre λ alors il est vecteur propre
de A−1 de valeur propre λ−1 .

Correction 6. Soit A une matrice carrée d’ordre n. On suppose que A est inversible et que λ ∈ R est
une valeur propre de A.
1. Démontrons que λ 6= 0. Si λ = 0 est valeur propre de A, alors ker A 6= {0}, donc A n’est pas
injective et sa matrice ne peut pas être inversible. Par conséquent, λ 6= 0.
2. Démontrons que si ~x est un vecteur propre de A pour la valeur propre λ alors il est vecteur
propre de A−1 de valeur propre λ−1 .
Comme A est inversible, on a A~x = λ~x ⇐⇒ A−1 (A~x) = A−1 (λ~x) ⇐⇒ ~x = λA−1~x, d’où
A−1~x = λ−1~x. Ce qui prouve que ~x est vecteur propre de A−1 de valeur propre λ−1 .

Exercice 7. Soit f un endomorphisme de E vérifiant f 2 = mathrmIdE .

1. Démontrer que les seules valeurs propres possibles de f sont 1 et −1.
2. Vérifier que pour tout ~x ∈ E , on a
f (~x − f (~x)) = −(~x − f (~x)) et f (~x + f (~x)) = (~x + f (~x))
et en déduire que f admet toujours une valeur propre.
3. Démontrer que si 1 et −1 sont valeurs propres, alors E est somme directe des sous-espaces
propres correspondants.
4. Traduire géométriquement sur un dessin dans le cas n = 2.

Correction 7. Soit f un endomorphisme de E vérifiant f 2 = mathrmIdE .

1. Démontrons que les seules valeurs propres possibles de f sont 1 et −1.
Si λ est une valeur propre de f , il existe un vecteur non nul ~x ∈ E tel que f (~x) = λ~x. On a
donc
f 2 (~x) = f (λ~x) = λf (~x) = λ2~x.
Mais, f 2 = mathrmIdE donc si ~x est un vecteur propre associé à la valeur propre λ on a
~x = f 2 (~x) = λ2~x,
d’où λ2 = 1, c’est-à-dire (dans R ou C ), λ = 1 ou λ = −1. ce qui prouve que les seules valeurs
propres possibles de f sont 1 et −1.
2. Vérifions que pour tout ~x ∈ E , on a
f (~x − f (~x)) = −(~x − f (~x)) et f (~x + f (~x)) = (~x + f (~x))
Soit ~x ∈ E , on a
f (~x − f (~x)) = f (~x) − f 2(~x) = f (~x) − ~x = −(~x − f (~x))
4
 et
f (~x + f (~x)) = f (~x) + f 2 (~x) = f (~x) + ~x
Nous allons en déduire que f admet toujours une valeur propre.
Supposons que 1 ne soit pas valeur propre de f , alors, ~x = f (~x) ⇒ ~x = ~0. Or, pour tout ~x ∈ E ,
on a f (~x + f (~x)) = f (~x) + x~ , donc pour tout ~x ∈ E , on a f (~x) + x~ = ~0, c’est-à-dire, f (~x) = −~x.
Ce qui prouve que −1 est valeur propre de f . On a même dans ce cas f = −mathrmIdE .
Si −1 n’est pas valeur propre de f , on montre par un raisonnement analogue que pour tout ~x ∈ E
on a f (~x) − ~x = ~0. Ce qui prouve que 1 est valeur propre de f , et dans ce cas f = mathrmIdE .
3. Démontrons que si 1 et −1 sont valeurs propres, alors E est somme directe des sous-espaces
propres correspondants.
Supposons maintenant que 1 et −1 sont valeurs propres de f . Ce sont alors les seules et on a,
pour tout ~x ∈ E ,
~x = 12 (~x + f (~x)) + 21 (~x − f (~x))
Et, quelque soit ~x ∈ E , f (~x − f (~x)) = −(~x − f (~x)) et f (~x + f (~x)) = (~x + f (~x)), c’est-à-dire
~x + f (~x) est dans le sous-espace propre associé à la valeur propre 1 et ~x − f (~x) est dans le sous-
espace propre associé à la valeur propre −1. Par ailleurs on sait que les sous-espaces propres
sont en somme directe ( on peut le vérifier également puisque leur intersection est l’ensemble
des vecteurs ~x tels que ~x = −~x, donc réduite au vecteur nul). par conséquent E est bien somme
directe des sous-espaces propres correspondants aux valeurs propres 1 et −1.
4. Traduisons géométriquement le cas n = 2.
Rappelons que si il n’y a qu’une valeur propre, f est l’identité ou son opposée. Dans le cas où
1 et −1 sont valeur propres, leurs sous-espaces propres sont des droites vectorielles. Soit u un
vecteur propre tel que f (u) = u et v un vecteur propre tel que f (v) = −v, alors si w = au + bv,
f (w) = au − bv.

Exercice 8. Soit E un espace vectoriel sur un corps K (K = R ou C ), et u un endomorphisme de E .

On suppose u nilpotent, c’est-à-dire qu’il existe un entier strictement positif n tel que un = 0.
1. Montrer que u n’est pas inversible.
2. Déterminer les valeurs propres de u et les sous-espaces propres associés.

Correction 8. Soit E un espace vectoriel sur un corps K (K = R ou C ), et u un endomorphisme de

E . On suppose u nilpotent, c’est-à-dire qu’il existe un entier strictement positif n tel que un = 0.
1. Montrons que u n’est pas inversible.
On a : 0 = det un = (det u)n , d’où det u = 0, ce qui prouve que u n’est pas inversible.
2. Déterminons les valeurs propres de u et les sous-espaces propres associés.
Soit λ une valeur propre de u, il existe alors un vecteur x ∈ E non nul tel que u(x) = λx. Or,
u(x) = λx ⇒ un(x) = λn x. Mais, un(x) = 0 et x 6= 0, d’où λn = 0 et donc λ = 0. La seule valeur
propre possible de u est donc 0 et c’est une valeur propre car, comme u n’est pas inversible,
le noyau de u n’est pas réduit à {0}. L’endomorphisme u admet donc 0 comme unique valeur
propre, le sous-espace propre associé est ker u.

Exercice 9. Soit M la matrice de R4 suivante

 
0 1 0 0
2
M = 0 −1 0
0 7 0 6
0 0 3 0
1. Déterminer les valeurs propres de M et ses sous-espaces propres.

5
 2. Montrer que M est diagonalisable.
3. Déterminer une base de vecteurs propres et P la matrice de passage.
4. On a D = P −1 MP , pour k ∈ N exprimer M k en fonction de Dk , puis calculer M k .

Correction 9. Soit M la matrice de R4 suivante

 
0 1 0 0
2
M = 0 −1 0
0 7 0 6
0 0 3 0
1. Déterminons les valeurs propres de M et ses sous-espaces propres.
Les valeurs propres de M sont les réels λ tels que det(M − λI ) = 0.
 
−λ 1 0 0 


det(M −λI ) 2 −λ −1 0  = λ4 −13λ2 +36 = (λ2 −4)(λ2 −9) = (λ−2)(λ+2)(λ−3)(λ+3).

= 
0 7 −λ 6 

0 0 3 −λ


Les valeurs propres de M sont donc 2, −2, 3 et −3. Notons E2 , E−2 , E3 et E−3 les sous-espaces
propres associés.

E2 = {X ∈ R4 , MX = 2X }

= (x, y, z, t) ∈ R4 , y = 2x, 2x − z = 2y, 7y + 6t = 2z, 3z = 2t
 
 y = 2x  y = 2x 
y = 2x

 
 
 2x − z = 2y  2x − z = 4x
or 
7 y + 6t = 2z
⇐⇒ 14x + 9z = 2z ⇐⇒ z = −2x







t = −3x
3z = 2t 3z = 2t
ainsi, E2 est la droite vectorielle engendrée par le vecteur u1 = (1, 2, −2, −3).

E−2 = {X ∈ R4 , MX = −2X }

= (x, y, z, t) ∈ R4 , y = −2x, 2x − z = −2y, 7y + 6t = −2z, 3z = −2t
 
y = −2x y = −2x 
y = −2x

 

  
 2x − z = −2y  2x − z = 4x
or 
7 y + 6t = − 2 z
⇐⇒ −14x − 9z = 2z ⇐⇒ z = −2x
  

 
 t = 3x
3z = −2t 3z = −2t
ainsi, E−2 est la droite vectorielle engendrée par le vecteur u2 = (1, −2, −2, 3).

E3 = {X ∈ R4 , MX = 3X }

= (x, y, z, t) ∈ R4 , y = 3x, 2x − z = 3y, 7y + 6t = 3z, 3z = 3t
 
 y = 3x  y = 3x 
y = 3x

 
 
 2x − z = 3y  2x − z = 9x
or 
7 y + 6t = 3z
⇐⇒ 21x + 6t = 3z ⇐⇒ z = −7x







t = −7x
3z = 3t z=t
ainsi, E3 est la droite vectorielle engendrée par le vecteur u3 = (1, 3, −7, −7).

6
 E−3 = {X ∈ R4 , MX = −3X }

= (x, y, z, t) ∈ R4 , y = −3x, 2x − z = −3y, 7y + 6t = −3z, 3z = −3t
 
y = −3x y = −3x 
y = −3x

 


 2x − z = −3y  
 2x − z = 9x
or 
7y + 6t = −3z
⇐⇒ −21x − 6z = −3z ⇐⇒ z = −7x
  

 
 t = 7x
3z = −3t z = −t
ainsi, E−3 est la droite vectorielle engendrée par le vecteur u4 = (1, −3, −7, 7).
2. Montrons que M est diagonalisable.
La matrice M admet quatre valeurs propres distinctes, ce qui prouve que les quatres vecteurs
propres correspondants sont linéairement indépendants. En effet, les vecteurs u1 , u2 , u3 et u4
déterminés en 1) forment une base de R4 . L’endomorphisme dont la matrice est M dans la base
canonique de R4 est représenté par une matrice diagonale dans la base (u1 , u2 , u3 , u4 ) puisque
Mu1 = 2u1 , Mu2 = −2u2 , Mu3 = 3u3 et Mu4 = −3u4.
3. Déterminons une base de vecteurs propres et P la matrice de passage.
Une base de vecteurs propres a été déterminée dans les questions précédentes. C’est la base
(u1 , u2 , u3 , u4 ) et la matrice de passage est la matrice
 
1 1 1 1
 2 −2 3 −3
P = −2 −2 −7 −7


−3 3 −7 7
4. On a D = P −1 MP , pour k ∈ N exprimons M k en fonction de Dk , puis calculons M k .
On a    k 
2 0 0 0 2 0 0 0
0 −2 0 0 
 donc D k =  0 (−2)
 k 0 0 
D= 0 0 3 0  0 0 3 k 0 .


0 0 0 −3 0 0 0 (−3)k
Mais, M = PDP −1 , d’où, pour k ∈ N , M k = (PDP −1 )k = PDk P −1 .
Pour calculer M k , il faut donc déterminer la matrice P −1 qui exprime les coordonnées des
vecteurs de la base canonique de R4 dans la base (u1 , u2 , u3 , u4 ).
On résout le système, et on a :

 1 (7u + 7u − 2u − 2u )
i = 10


 1 2 3 4
u1 = i + 2j − 2k − 3l 


 1 (7u − 7u − 3u + 3u )
u2 = i − 2j − 2k + 3l j =

⇐⇒ 10 1 2 3 4
u3 = i + 3j − 7k − 7t 
 1 (u + u − u − u )
k = 10

 1 2 3 4
u4 = i − 3j − 7k + 7l 


 l = 1 (3u1 − 3u2 − 2u3 + 2u4 )


10
d’où  
7 7 1 3
1 7 −7 1 −3

P −1 = 10 −2 −3 −1 −2
−2 3 −1 2
et
  k  
1 1 1 1 2 0 0 0 7 7 1 3
 2 −2 3 −3  0 (−2)   7 −7 1 −3 .
1  k 0 0   
M k = PDk P −1 = 10 −2 −2 −7 −7  0 0 3 k 0   −2 −3 −1 −2
−3 3 7 7 0 0 0 (−3) k −2 3 −1 2
7
Exercice 10. Soit A la matrice suivante
 
3 0 −1
A= 2 4 2 
−1 0 3
1. Déterminer et factoriser le polynôme caractéristique de A.
2. Démontrer que A est diagonalisable et déterminer une matrice D diagonale et une matrice P
inversible telles A = PDP −1 .
3. Donner en le justifiant, mais sans calcul, le polynôme minimal de A.
4. Calculer An pour n ∈ N .

Correction 10. Soit A la matrice suivante

 
3 0 −1
A= 2 4 2 

−1 0 3
1. On détermine et on factorise le polynôme caractéristique de A.
Soit PA le polynôme caractéristique de A, on a
 
3 −X 0 −1  
− X −1 

X ) 3
  
P A (X ) =  2 4−X 2  = (4 − −1 3 − X 
 −1 0 3− X
= (4 − X )(X 2 − 6X + 8)
= (4 − X )(X − 4)(X − 2)
= (2 − X )(4 − X )2
2. On démontre que A est diagonalisable et on détermine une matrice D diagonale et une matrice
P inversible telles A = PDP −1 .
Le polynôme PA admet deux racines, donc la matrice A admet deux valeurs propres, λ1 = 2,
valeur propre simple et λ2 = 4, valeur propre double. Déterminons les sous-espaces propres
associés.
Notons E1 = {V~ = (x, y, z )/AV~ = 2V~ }, on résout alors le système

 3x − z = 2x (
 z=x

2 x + 4y + 2z = 2y ⇐⇒ y = −2x

−x + 3z = 2z
Le sous-espace propre E1 associé à la valeur propre 2 est une droite vectorielle, dont un vecteur
directeur est ~e1 = (1, −2, 1).
Notons E2 = {V~ = (x, y, z )/AV~ = 4V~ }, on résout alors le système


 3x − z = 4x

2x + 4y + 2z = 4y ⇐⇒ z = −x

−x + 3z = 4z
Le sous-espace propre E2 associé à la valeur propre 4 est le plan vectoriel, d’équation
z = −x dont une base est donnée, par exemple par les vecteurs ~e2 = (0, 1, 0) et
~e3 = (1, 0, −1). Remarquons que l’on pouvait lire directement sur la matrice A, le fait que le
vecteur ~e2 est vecteur propre associé à la valeur propre 4.

8
 Les dimensions des sous-espaces propres sont égales aux multiplicités des valeurs propres correspondantes,
par conséquent, l’espace R3 admet une base de vecteurs propres et la matrice A est diagonalisable.
Notons P la matrice de passage, on a
 
1 0 1
P = −2 1 0 
1 0 −1
et, si D est la matrice diagonale  
2 0 0
D = 0 4 0 ,

0 0 4
on a la relation
A = PDP −1 .
3. On donne en le justifiant, mais sans calculs, le polynôme minimal de A.
La matrice A est diagonalisable, donc son polynôme minimal n’a que des racines simples, par
ailleurs les racines du polynôme minimal sont exactement les valeurs propres de A et le polynôme
minimal est un polynôme unitaire qui divise le polynôme caractéristique. On a donc
QA(X ) = (X − 2)(X − 4).
4. On calcule An pour n ∈ N .
On a vu, dans la question 2), que A = PDP −1 , on a donc, pour n ∈ N , An = P −1 Dn P , or
 
2n 0 0
n
D =  0 4n 0  ,
0 0 4n
il nous reste à calculer P −1 . On sait que P −1 = det1 P P̃t , d’où

−1 −2 −1 
−1 0 −1


det P = −2, P̃ =  0 −2 0  et P −1 = − 21 −2 −2 −2 .

−1 −2 1 −1 0 1
On a donc
   
1 1 0 1 2n 0 0 −1 0 −1
n
A = − 2 −2 1 0
   0 4n 0  −2 −2 −2
1 0 −1 0 0 4n −1 0 1
 n 
1 2 + 4n 0 2 n − 4n
= 2 2(4n − 2n ) 2.4n 2(4n − 2n ) .
2n − 4n 0 2n + 4n

Exercice 11. Soit A la matrice suivante

 
A = 12 11
1. Calculer le polynôme caractéristique et déterminer les valeurs propres de A.
2. On note λ1 > λ2 les valeurs propres de A, E1 et E2 les sous-espaces propres associés. Déterminer
une base (ε~1 , ε~2 ) de R2 telle que ε~1 ∈ E1 , ε~2 ∈ E2 , les deux vecteurs ayant des coordonnées de
la forme (1, y).
3. Soit ~x un vecteur de R2 , on note (α, β ) ses coordonnées dans la base (ε~1 , ε~2 ). Démontrer que,
pour n ∈ N , on a
An~x = αλn1 ε~1 + βλn2 ε~2
9
  
4. Notons An~x = an dans la base canonique de R2 . Exprimer a et b en fonction de α, β , λ
bn n n 1
√
et λ2 . En déduire que, si α 6= 0, la suite abnn tend vers 2 quand n tend vers +∞.
5. Expliquer,
√ sans calcul, comment obtenir à partir des questions précédentes une approximation
de 2 par une suite de nombres rationnels.
Correction 11. Soit A la matrice suivante
 
A = 12 11
1. On calcule le polynôme caractéristique et on détermine les valeurs propres de A.
Le polynôme caractéristique PA (X ) est égal à
 
1 − X 1 
PA(X ) =  2 1 − X  = (1 − X )2 − 2 = X 2 − 2X − 1.


Calculons ses racines, le discriminant réduit de ce polynôme du second degré est égal à ∆′ =
(−1)2 − (−1) = 2, les racines sont donc
√ √
λ1 = 1 + 2 et λ2 = 1 − 2,
ce sont les valeurs propres de A.
2. On note λ1 > λ2 les valeurs propres de A, E1 et E2 les sous-espaces propres associés. On
détermine une base (ε~1 , ε~2 ) de R2 telle que ε~1 ∈ E1 , ε~2 ∈ E2 , les deux vecteurs ayant des
coordonnées de laforme (1, y).

√
On cherche ~ε1 = y1 tel que A.~ε1 = (1 + 2)~ε1 , on calcule donc y tel que
1 = (1 + √2) 1
    
1 1
2 1 y y
ce qui équivaut à ( √
1+y =1+ 2
√
2 + y = (1 + 2)y
√  
d’où y = 2 et ~ε1 = √12 .
 
√
On cherche ~ε2 = y1 tel que A.~ε2 = (1 − 2)~ε2 , on calcule donc y tel que
1 = (1 − √2) 1
    
1 1
2 1 y y
ce qui équivaut à ( √
1+y =1− 2
√
2 + y = (1 − 2)y
√ 
1 .

d’où y = − 2 et ~ε2 = −√ 2
2
3. Soit ~x un vecteur de R , on note (α, β ) ses coordonnées dans la base (ε~1 , ε~2 ).On démontre que,
pour n ∈ N , on a
An~x = αλn1 ε~1 + βλn2 ε~2 .
On a ~x = α~ε1 + β~ε2 , d’où, par linéarité A~x = αA~ε1 + βA~ε2 et An~x = αAn ~ε1 + βAn ~ε2 . Or, on
montre, par récurrence sur n, que An~ε1 = λn1 ~ε1 et de même An~ε2 = λn2 ~ε2 . Pour n = 1, c’est la
définition des vecteurs propres. Soit n fixé, tel que An~ε1 = λn1 ~ε1 , on a alors An+1 ~ε1 = A.An~ε1 =
λn1 A~ε1 = λn1 +1~ε1 . Ainsi, pour tout n ∈ N , on a An~ε1 = λn1 ~ε1 , et, de même, An ~ε2 = λn2 ε~2 . D’où
le résultat.
10
  
4. Notons An~x = an dans la base canonique de R2 . On exprime a et b en fonction de α, β ,
bn n n
√
λ1 et λ2 et on en déduit que, si α 6= 0, la suite abnn tend vers 2 quand n tend vers +∞.
D’après la question précédente et les vecteurs ~ε1 et ~ε2 obtenus en 2) on a
     
A ~x = αλ1 √2 + βλ2 −√2 = ab n
n n 1 n 1
n
d’où (
an = αλn1 + βλn2
√
bn = 2(αλn1 − βλn2 )
On suppose α 6= 0, pour n assez grand, on a
bn = √2 αλn1 − βλn2 ,
an αλn1 + βλn2
or, √
|λ1 | = |1 + 2| > 1 =⇒ n→lim+∞ λn1 = +∞,
et √
|λ2 | = |1 − 2| < 1 =⇒ n→lim+∞ λn2 = 0.
D’où l’équivalence
bn = √2 αλn1 − βλn2 ∼ √2 αλn1 = √2.
an αλn1 + βλn2 αλn1
On a donc bien √
lim bn = 2.
n→+∞ a n
5. On√explique, sans calcul, comment obtenir, à partir des questions précédentes, une approximation
de 2 par une suite de nombres rationnels.
La matrice A est à coefficients entiers, aussi, pour tout n ∈ N , la matrice An est à coefficients
entiers. Si l’on choisit un vecteur ~x à coordonnées entières dans la base canonique de R2 , alors
les coordonnées an et bn du vecteur An~x sont des entiers et elles nous fournissent une suite abn
√ n
de nombres rationnels qui tend vers 2.

Exercice 12. Déterminer le polynôme caractéristique des matrices suivantes

 
 

0 1 1
 0 1 1 1
0 1 ,  1 0 1 ,

 1 0 1 1 
.
1 0 1 1 0
 1 1 0 1 
1 1 1 0

Exercice 13. Rechercher les valeurs propres et vecteurs propres des matrices suivantes :
     
1 0 0 1 0 4 1 −1 −1
 0 1 1  ,  0 7 −2  ,  −1 a2 0  (a = 6 0).
0 1 −1 4 −2 0 −1 0 a2
Exercice 14. 1. Calculer les valeurs propres et les vecteurs propres de la matrice
 
0 2 −2
A= 1 −1 2 .
1 −3 4
2. Calculer An pour tout n ∈ N .
11
  
1 −1 (0)
−1 2 −1 
 
Exercice 15 (Matrice tridiagonale). Déterminer les valeurs propres de la matrice A = 
 ... ... ... ∈

 
 −1 2 −1
(0) −1 1
M n (R ).
Correction 15. Soit Pn(x) le polynôme caractéristique de x et Qn(x) celui de la matrice obtenue à
partir de A en remplaçant le premier 1 par 2. On a les relations de récurrence :
Pn (x) = (1 − x)Qn−1(x) − Qn−2 (x), Qn(x) = (2 − x)Qn−1(x) − Qn−2(x).
D’où pour x ∈/ {0, 4} :
2n
Pn (x) = (1 −αnα(1)(1+−αα) ) , avec x = 2 − α − α1 .
Les valeurs propres de A autres que 0 et 4 sont les réels xk = 2(1 − cos(kπ/n)) avec 0 < k < n et 0 est
aussi valeur propre (somme des colonnes nulle) donc il n’y en a pas d’autres.

Exercice 16 (X 3 P mod (X − a)(X − b)(X − c)). Soient α, β, γ ∈ K distincts, et ϕ : K2 [X ] →

K2 [X ], P 7→ R où R est le reste de la division euclidienne de X 3 P par (X − α)(X − β )(X − γ ).
Chercher les valeurs et les vecteurs propres de ϕ.
Correction 16. α3 : (X − β )(X − γ ), β 3 : (X − α)(X − γ ), γ 3 : (X − α)(X − β ).
Exercice 17 (****). Soit E un C -espace vectoriel de dimension finie non nulle.
Soient u et v deux endomorphismes de E tels que ∃(α, β ) ∈ C 2 / uv − vu = αu + βv. Montrer que u et
v ont un vecteur propre en commun.
Correction 17. 1er cas. Supposons α = β = 0 et donc uv = vu. Puisque E est un C -espace
de dimension finie non nulle, u admet au moins une valeur propre que l’on note λ. Le sous-espace
propre Eλ correspondant n’est pas réduit à {0}, est stable par u et d’autre part stable par v car
u et v commutent. On note u′ et v′ les restrictions de u et v au sous-espace Eλ . u′ et v′ sont des
endomorphismes de Eλ . De nouveau, Eλ est un C -espace de dimension finie non nulle et donc v′ admet
au moins un vecteur propre x0 . Par construction, x0 est un vecteur propre commun à u et v.
2ème cas. Supposons par exemple α 6= 0.

uv − vu = αu + µv ⇔ (αu + βv) ◦ α1 v − α1 v ◦ (αu + βv) = αu + βv

⇔ fg − gf = f en posant f = αu + βv et g = α1 v.
On va chercher un vecteur propre commun à u et v dans le noyau de f . Montrons tout d’abord que
Kerf n’est pas nul (on sait montrer que f est en fait nilpotent (exercice ??) mais on peut montrer
directement une propriété un peu moins forte).
Si f est inversible, l’égalité fg − gf = f fournit (g + Id) ◦ f = f ◦ g et donc g + Id = f ◦ g ◦ f −1 .
Par suite, g et g + Id ont même polynôme caractéristique ou encore, si λ est valeur propre de g alors
λ + 1 est encore valeur propre de g. Mais alors λ + 2, λ + 3... sont aussi valeurs propres de g et g a une
infinité de valeurs propres deux à deux distinctes. Ceci est exclu et donc Kerf n’est pas réduit à {0}.
Maintenant, si x est un vecteur de Kerf , on a f (g(x)) = g(f (x)) + f (x) = 0 et g(x) est dans Kerf .
Donc g laisse Kerf stable et sa restriction à Kerf est un endomorphisme de Kerf qui admet au moins
une valeur propre et donc au moins un vecteur propre. Ce vecteur est bien un vecteur propre commun
à f et g.
Enfin si x est vecteur propre commun à f et g alors x est vecteur propre de v = α1 g et de u = α1 (f − βv).
x est un vecteur propre commun à u et v.

12
Exercice 18 (***). E = C 0(R, R ). Pour f élément de E , ϕ(f ) est l’application définie par :
R
∀x ∈ R∗ , (ϕ(f ))(x) = x1 0x f (t) dt si x 6= 0 et (ϕ(f ))(0) = f (0).
1. Montrer que ϕ est un endomorphisme de E .
2. Etudier l’injectivité et la surjectivité de ϕ.
3. Déterminer les éléments propres de ϕ.
Correction 18. 1. Soit f ∈ C 0 (R, R ). Soit F une primitive de f sur R. Pour tout x ∈ R∗ , on a
(ϕ(f ))(x) = F (xx)−−F0 (0) .
F est continue sur R donc ϕ(f ) est continue sur R∗ . De plus, F étant dérivable en 0
lim (ϕ(f ))(x) = xlim F (x) − F (0) = F ′ (0) = f (0) = (ϕ(f ))(0).
x→0
x=6 0
→0
x6=0 x−0
Finalement ϕ(f ) est continue sur R. Ainsi, ϕ est une application de E dans E . La linéarité de
ϕ est claire et finalement
ϕ ∈ L(C 0 (R, R )).
R
2. Si f est dans Ker(ϕ) alors f (0) = 0 et pour tout x non nul, 0x f (t) dt = 0. Par dérivation on
obtient ∀x ∈ R∗ , f (x) = 0 ce qui reste vrai pour x = 0 et donc f = 0. Finalement Ker(ϕ) = {0}
et ϕ est injective.
ϕ n’est pas surjective car pour toute f ∈ E , ϕ(f ) est de classe C 1 sur R∗ . Mais alors par
exemple, l’application g : x 7→ |x − 1| est dans E mais n’est pas dans Im(ϕ).
ϕ est injective et n’est pas surjective.
3. On cherche λ ∈ R et f continue sur R et non nulle telle que ∀x ∈ R, (ϕ(f ))(x) = λf (x). D’après
la question précédente, 0 n’est pas valeur propre de ϕ et donc nécessairement λ 6= 0.
Pour x = 0, nécessairement f (0) = λf (0) et donc
Rx
ou bien λ = 1 ou bien f (0) = 0.
1
On doit avoir pour toutR x ∈ R , f (x) = λx 0 f (t) dt. f est nécessairement dérivable sur R∗ .
∗
Pour tout x ∈ R∗ , on a 0x f (t) dt = λxf (x) et par dérivation, on obtient pour x ∈ R∗ ,
f (x) = λ(xf ′(x) + f (x)).
Soit I l’un des deux intervalles ] − ∞, 0[ ou ]0, +∞[.
− 1 f (x) = 0
∀x ∈ I, f (x) = λ(xf ′(x) + f (x)) ⇒ ∀x ∈ I, f ′(x) + λλx
⇒ ∀x ∈ I, e λ− λ |x| f ′(x) + λ − 1 e λ− λ
( 1) ln

λx
( 1) ln | x|
f (x) = 0
 ′
⇒ ∀x ∈ I, |x| λ−λ f (x) = 0
1

⇒ ∃K ∈ R/ ∀x ∈ I, |x| λ−λ f (x) = K ⇒ ∃K ∈ R/ ∀x ∈ I, f (x) = K |x| −λλ

1 1

1er cas. Si λ ∈] − ∞, 0[∪]1, +∞[ alors 1−λλ < 0 et donc limx→0 |x| −λλ = +∞. La fonction
1

x 7→ K |x| −λλ ne peut donc être la restriction à I d’une fonction continue sur R que dans le
1

cas K = 0. Ceci fournit f/]−∞,0[ = 0, f/]0,+∞[ = 0 et f (0) = 0 par continuité en 0. Dons f est
nécessairement nulle et λ n’est pas valeur propre de ϕ dans ce cas.
2ème cas. Si λ = 1, les restriction de f à ] − ∞, 0[ ou ]0, +∞[ sont constantes et donc, par
continuité de f en 0, f est constante sur R. Réciproquement, les fonctions constantes f vérifient
bien ϕ(f ) = f . Ainsi, 1 est valeur propre de f et le sous-espace propre associé est constitué des
fonctions constantes. (
2
3ème cas. Si λ ∈]0, 1[, nécessairement ∃(K1, K2 ) ∈ R / ∀x ∈ R, f (x) = K K1 x λ −1 si x > 0 . 1

2 (−x) λ −1 si x < 0
1

f ainsi définie est bien continue sur R. Calculons alors ϕ(f ).

(ϕ(f ))(0) = f (0) = 0 puis si x > 0,
13
 R −λ
(ϕ(f ))(x) = x1 0x K1 t λ dt = λKx x λ = λK1 x λ −1 = λf (x)
1 1 1
1

et de même si x < 0. Enfin, (ϕ(f ))(0) = 0 = λf (0). Finalement ϕ(f ) = λf . λ est donc valeur
propre de ϕ (K1 = K2 = 1 fournit une fonction non nulle) et le sous-espace propre
associé à λ
−1
est de dimension 2. Une base de ce sous-espace est (f1 , f2 ) où ∀x ∈ R, f1 (x) = x si x > 0
1
λ


0 si x < 0
0 si x > 0
et f2 (x) = .
(−x) λ −1 si x < 0
1

Finalement
Sp(ϕ) =]0, 1].

Exercice 19. Soient trois vecteurs e1 , e2, e3 formant une base de R3 . On note T l’application linéaire
définie par T (e1 ) = T (e3 ) = e3 et T (e2 ) = −e1 + e2 + e3 .
1. Déterminer le noyau de cette application linéaire. Donner la matrice A de T dans la base donnée.

2. On pose f1 = e1 − e3 , f2 = e1 − e2 , f3 = −e1 + e2 + e3 . Calculer e1 , e2 , e3 en fonction de f1 , f2 ,

f3 . Les vecteurs f1, f2 , f3 forment-ils une base de R3 ?
3. Calculer T (f1 ), T (f2 ), T (f3 ) en fonction de f1 , f2 , f3. Écrire la matrice B de T dans cette
nouvelle base.
 
1 1 −1
4. On pose P =  0 −1 1 . Vérifier que P est inversible et calculer P −1 . Quelle relation
−1 0 1
relie A, B, P et P −1 ?

Exercice 20. Soit E un espace vectoriel de dimension 3 et de base (e1 , e2 , e3 ). On désigne par IE
l’application identité de E . Soit f une application linéaire de E dans E telle que f (e1 ) = 2e2 +
3e3 , f (e2 ) = 2e1 − 5e2 − 8e3 , f (e3 ) = −e1 + 4e2 + 6e3 .
1. Donner la matrice de f dans la base (e1 , e2 , e3 ).
2. Donner la dimension et une base de Ker(f − IE ).
3. Donner la dimension et une base de Ker(f 2 + IE ).
4. Montrer que la reunion des bases précédentes constitue une base de E. Quelle est la matrice de
f dans cette nouvelle base ? Et celle de f 2 ?
 
Exercice 21. Soit A = 12 43 . Trouver les valeurs propres de A et les sous-espaces propres
correspondant. En déduire une matrice inversible P telle que P −1 AP soit diagonale.
 
4 1 −1
Exercice 22. Soit A =  2 5 −2 . Diagonaliser A.
1 1 2

Exercice 23. La matrice suivante est-elle diagonalisable, triangularisable ? Effectuer explicitement la

réduction.  
3 2 4
A = −1 3 −1

−2 −1 −3

14
Correction 23. χA = (−1 − X )(2 − X )2 . Donc A est diagonalisable ssi dim ker(A − 2I ) = 2. Or
rg(A − 2I ) = 2, donc dim ker(A − 2I ) = 1 donc A n’est pas diagonalisable. Cependant, χA est scindé
sur R
x
donc A est triangularisable
n 4x+2y+4z =0
sur R.  1 
 z =0
y ∈ ker(A + I ) ⇔ −x+4y−z=0 ⇔ x+y=0 donc ker( A + I ) = R 0
z −2x−y−2z=0 −1
De
x
même, n x+2y+4z =0  
y ∈ ker(A − 2I ) ⇔ −x+y−z=0 ⇔ zx==2−yy donc ker(A + I ) = R 21

z −2x−y−5z=0  2  −1
2
On sait que ker((A − 2I ) ) est de dimension 2, et que −11 ∈ ker(A − 2I ) ⊂ ker((A − 2I )2 ). On
 2 
2
cherche donc un deuxième vecteur dans ker((A − 2I ) ), linéairement indépendant de −11 .
           
(A − 2I )2 = −099 000 −18018 donc 010 convient. De plus : A 010 = −231 = −211 + 2 010 .
   
Donc en posant P = −101 −211 001 , on obtient P −1 AP = −001 020 012 .

1   
Exercice 24. Soit J = et A = J0 J0 . Calculer A2 , puis A3 . A l’aide d’un polynôme
1
2 2
1 1
2 2
annulateur de A, montrer que A est diagonalisable.
Sans chercher à calculer le polynôme caractéristique de A, donner un ensemble fini contenant toutes les
valeurs propres de A, puis donner les valeurs valeurs propres elles mêmes ainsi que leurs multiplicités.
En déduire le polynôme caractéristique de A.

Correction 24. On a A3 = A, donc P = X 3 − X = (X − 1)(X + 1)X est un polynôme annulateur de

A. Il s’agit d’un poynôme scindé à racine simples donc A est diagonalisable. Les valeurs propres de A
sont des racines de P donc Sp(A) ⊂ {0, 1, −1}. On a rgA = 2 donc 0 est valeur propre de multiplicité
 1 
2. La résolution de système (A + I )X = 0 montre que ker(A + I ) = R −11 , donc −1 est valeur
−1
propre de multiplicité 1 donc 1 est nécessairement valeur propre de multiplicité 1 : on en déduit que
χA = X 2 (X − 1)(X + 1).

Exercice 25. Déterminer les valeurs propres des matrices suivantes. Sont-elles diagonalisables, triangularisables ?
   
3 0 0 2 −2 1
A = 2 2 0 B =  3 −3 1
1 1 1 −1 2 0
A l’aide du polynôme caractéristique de B , calculer B −1 .

Correction 25. 1. A est triangulaire inférieure donc ses valeurs sont ses coefficients diagonaux :
1, 2 et 3. A a trois valeurs propres distinctes donc A est diagonalisable.
 
3 −2 1
2. χB = −(X − 1)(X + 1)2 . B + I =  3 −2 1, donc rg(B + I ) = 2, dim(ker B + I ) = 1 < 2
−1 2 1
donc B n’est pas diagonalisable. 
−2 2 1
χB (B ) = 0 donc B (B 2 + B − I ) = I , soit B −1 = B 2 + B − I = −1 1 1.
3 −2 0
 
1 −1 −1
Exercice 26. Soit A la matrice A = −1 1 −1.

−1 −1 1
1. Calculer tA. La matrice A est-elle diagonalisable ?
2. Diagonaliser A.

15
 3. Diagonaliser A dans une base orthonormée (pour le produit scalaire usuel de R3 ).

Correction 26. 1. t A = A donc A est diagonalisable dans une base orthonormée.

  
1 1 1 −1 0 0
2. Par exemple : P = 1 −1 0 , P −1 AP =  0 2 0.
1 0 −1 0 0 2
 √ √ √  
1/√3 1/ √2 1/√6 −1 0 0
3. Q = 1/√3 −1/ 2 1/ √6 , Q−1 AQ =  0 2 0 et t Q = Q−1
1/ 3 0 −2/ 6 0 0 2

Exercice 27. Les questions sont indépendantes. K désigne R ou C , E est un K -espace vectoriel de
dimension finie n, B = (e1 , ..., en ) est une base fixée de E et f un endomorphisme de E .
1. Quels sont les valeurs propres de l’endomorphisme nul de E ?
 3 2 4 
2. On suppose que la matrice de f dans B est M = −−12 −31 −−13 .
(a) 2 est-il valeur propre de f ?
(b) Le vecteur 2e1 + e2 + e3 est-il un vecteur propre de f ?
3. Pourquoi un vecteur de E ne peut-il être vecteur propre relativement à deux valeurs propres
distinctes ?
4. (a) Est-il vrai que si λ est une valeur propre de f et si P est un polynôme annulateur de f alors
λ est racine de P ?
(b) Est-il vrai que si λ est une racine d’un polynôme annulateur de f alors λ est une valeur
propre de f ?
5. Montrer que si f 2 − 2f + IdE = 0 alors 1 est valeur propre de f.
6. Montrer qu’il existe toujours au moins un scalaire α tel que f − αIdE est bijectif.
7. Donner un exemple d’endomorphisme f de E avec n = 2 tel que la somme de deux vecteurs
propres de f n’est pas un vecteur propre de f .
8. On suppose que E = E1 ⊕ E2 et que si x ∈ E s’écrit x1 + x2 avec x1 ∈ E1 et x2 ∈ E2 alors
f (x) = 2x1 − 3x2 .
(a) Quel résultat assure l’existence d’un tel endomorphisme ?
(b) Montrer que f est diagonalisable.
 
9. La matrice M = 100 010 101 est-elle diagonalisable ?
10. Si l’ endomorphisme f admet 0 pour valeur propre et est diagonalisable, que peut-on dire de la
dimension du noyau de f ?

Exercice 28 (Endomorphisme diagonalisable de R2 ). On considère l’endomorphisme

 a de E = R2
dont la matrice représentative A = [a]ee dans la base canonique e est 75 −10 . Calculer la trace, le
−8
déterminant, le polynôme caractéristique et le spectre de a. Quel théorème du cours garantit l’existence
d’une base f = (f~1 , f~2 ) de vecteurs propres ? Choisir ensuite f telle que [idE ]ef et [idE ]fe soient à
coefficients entiers. Dessiner f~1 et f~2 , en prenant des unités d’axes assez petites. Dessiner quelques
vecteurs ~x et leurs images a(~x) à l’aide de f .
Trouver deux matrices P et D carrées d’ordre 2 telles que D soit diagonale, P inversible et A = PDP −1 .
Calculer [a50 ]ff , [a50 ]ee et A50 . Calculer limn∞ 31n a2n .
2

Correction 28. tra = trA = −1, det a = det A = −6

Pa (X ) = X 2 − trX + det a = X 2 + X − 6 = (X − 2)(X + 3).

16
Donc le spectre est {2, −3}, il est de taille 2 comme l’espace est de dimension 2. D’après le cours, a
est diagonalisable et les espaces propres de dimension 1. L’espace propre associé à la valeur propre 2
est l’ensemble des (x, y) tels que 7x − 10y = 2x ou x = 2y. On peut prendre f~1 = (2, 1) pour base
de cet espace propre. L’espace propre associé à la valeur propre −3 est l’ensemble des (x, y) tels que
7x − 10y = −3x ou x = y. On peut prendre f~2 = (1, 1) pour base de cet espace propre. Alors si
f = (f~1, f~2 ) on a
     
P = [idE ]ef = 2 1 , P −1 = [id ]f = 1 −1 , D = [a]f = 2 0 .
1 1 Ee −1 2 f 0 −3
 50   50 (−3)50 
D = [a ]f = 0 (−3)50 , A = [a ]e = PD P = 2.2250 −
50 50 f 2 0 50 50 e 50 − 1 −2.250 + 2.(−3)50
− (−3)50 −250 + 2.(−3)50
  
Donc limn∞ 321n [a2n ]ff = L = 00 01 , et limn∞ 321n [a2n ]ee = PLP −1 = −1 2  .
−1 2
Exercice 29. Soit M la matrice réelle 3 × 3 suivante :
 
0 2 −1
M =  3 −2 0 
−2 2 1
1. Déterminer les valeurs propres de M .
2. Montrer que M est diagonalisable.
3. Déterminer une base de vecteurs propres et P la matrice de passage.
4. On a D = P −1 MP , pour k ∈ N exprimer M k en fonction de Dk , puis calculer M k .
Correction 29. Soit M la matrice réelle 3 × 3 suivante :
 
0 2 −1
M =  3 −2 0 
−2 2 1
1. Déterminons les valeurs propres de M .
Ce sont les racines du polynôme caractéristique
 
 −X 2 −1     
− −32 −2 2− X  + (1 − X ) −3X −2 −2 2X 
     
P M (X ) =  3 −2 − X 0  = 1  (1)
 −2 2 1− X
= (1 − X )(X 2 + 2X − 8) (2)
= (1 − X )(X + 4)(X − 2). (3)
La matrice M admet donc trois valeurs propres distinctes qui sont : 1, 2, et −4.
2. Montrons que M est diagonalisable.
Nous venons de voir que M , matrice réelle 3 × 3, admet trois valeurs propres réelles distinctes,
cela prouve que M est diagonalisable.
3. Déterminons une base de vecteurs propres et P la matrice de passage.
Les trois sous-espaces propres distincts sont de dimension 1, il suffit de déterminer un vecteur
propre pour chacune des valeurs propres.
λ = 1 : Le vecteur ~u de coordonnées (x, y, z) est un vecteur propre pour la valeur propre 1 si et
seulement si  
 2y − z = x −x + 2y − z = 0
 (
 x=y

3 x − 2 y = y ⇐⇒ 
3 x − 3 y = 0 ⇐⇒ x=z

−2x + 2y + z = z 
−2x + 2y = 0
17
 Le sous-espace propre associé à la valeur propre λ = 1 est la droite vectorielle engendrée par le
vecteur e~1 de coordonnées (1, 1, 1).
λ = 2 : Le vecteur ~u de coordonnées (x, y, z) est un vecteur propre pour la valeur propre 2 si et
seulement si 
−2x + 2y − z = 0
 (
3x − 4y = 0

3 x − 4 y = 0 ⇐⇒ −2x + 2y − z = 0

−2x + 2y − z = 0
Le sous-espace propre associé à la valeur propre λ = 2 est la droite vectorielle engendrée par le
vecteur e~2 de coordonnées (4, 3, −2).
λ = −4 : Le vecteur ~u de coordonnées (x, y, z) est un vecteur propre pour la valeur propre −4
si et seulement si 
 −4x + 2y − z = 0
 (
x−z =0

3 x + 2y = 0 ⇐⇒ 2y + 3x = 0

−2x + 2y + 5z = 0
Le sous-espace propre associé à la valeur propre λ = −4 est la droite vectorielle engendrée par
le vecteur e~3 de coordonnées (2, −3, 2).
Les vecteurs e~1 , e~2 et e~3 forment une base de E composée de vecteurs propres, la matrice de
passage P est égale à  
1 4 2
P = 1 3 −3
1 −2 2
4. Exprimons M k en fonction de Dk , puis calculons M k .
On a  
1 0 0
D = P −1MP = 0 2 0 
0 0 −4
pour k ∈ N , on a  
1 0 0
Dk = 0 2k 0  ,
0 0 (−4)k
et M k = PDk P −1 .
Calculons donc la matrice P −1 : on a P −1 = det1 P (comP)t . Or
   
1 4 2  1 6 2   
 1 −3
det P = 1 3 −3 = 1 0 −3 = −6 1 2  = −30,
1 −2 2  1 0 2 
et  
0 −5 −5
comP = −12 0 6 
−18 5 −1
d’où  
1 −05 −012 −518 .
P −1 = − 30
−5 6 −1
On a donc
 k+2 − 10(−4)k −12 + 12(−4)k −18 + 5.2k+2 − 2(−4)k 
− 5 . 2
1  −15.2k − 15(−4)k −12 − 18(−4)k −18 + 5.2k+1 + 3(−4)k 
M k = PDk P −1 = − 30
5.2k+1 − 10(−4)k −12 + 12(−4)k −18 − 5.2k+1 − 2(−4)k

18
Exercice 30. Soit  
1 0 0
A = 0 1 0
1 −1 2
Démontrer que A est diagonalisable et trouver une matrice P telle que P −1 AP soit diagonale.

Correction 30. Soit  

1 0 0
A = 0 1 0
1 −1 2
Démontrons que A est diagonalisable et trouvons une matrice P telle que P −1 AP soit diagonale.
Commençons par calculer le polynôme caractéristique de A :
 
1
 −X 0 0 

PA (X ) =  0 1−X 0  = (1
 − X )2 (2 − X )
 1 −1 2 − X
Les racines du polynôme caractéristique sont les réels 1 avec la multiplicité 2, et 2 avec la multiplicité
1.
Déterminons les sous-espaces propres associés : Soit E1 le sous-espace propre associé à la valeur propre
double 1.
E1 = {V (x, y, z) ∈ R3 / A.V = V },


 x=x
V ∈ E1 ⇐⇒  y = y ⇐⇒ x − y + z = 0

x−y+z =0
E1 est donc un plan vectoriel, dont les vecteurs e1 = (1, 1, 0) et e2 = (0, 1, 1) forment une base.
Soit E2 le sous-espace propre associé à la valeur propre simple 2.
E2 = {V (x, y, z) ∈ R3 / A.V = 2V },


 x = 2x
V ∈ E2 ⇐⇒  y = 2y ⇐⇒ x = 0, y = 0

x − y + 2z = 2z
E2 est donc une droite vectorielle, dont le vecteur e3 = (0, 0, 1) est une base.
Les dimensions des sous-espaces propres sont égales à la multiplicité des valeurs propres correspondantes,
la matrice A est donc diagonalisable. Dans la base (e1 , e2 , e3 ) l’endomorphisme représenté par A (dans
la base canonique) a pour matrice.  
1 0 0
D = 0 1 0
0 0 2
la matrice de passage  
1 0 0
P = 1 1 0
0 1 1
vérifie P −1 AP = D.
Exercice 31. Soit  
1 1 −1
A = 0 1 0 
1 0 1
Factoriser le polynôme caractéristique de A. La matrice A est-elle diagonalisable dans R ? dans C ?

19
Correction 31. Soit  
1 1 −1
A = 0 1 0 
1 0 1
Factorisons le polynôme caractéristique de A.
 
1
 −X 1 −1 

P A (X ) =  0 1−X 0  = (1 − X )3 +(1 − X ) = (1 − X )((1 − X )2 +1) = (1 − X )(X 2 − 2X +2)
 1 0 1− X
factorisons maintenant le polynôme X 2 − 2X + 2, le discriminant réduit ∆′ = 1 − 2 = −1, ce polynôme
n’admet donc pas de racines réelles, mais deux racines complexes conjuguées qui sont : 1 + i et 1 − i.
On a PA (X ) = (1 − X )(1 − i − X )(1 + i − X ).
La matrice A n’est pas diagonalisable dans R car son polynôme caractéristique n’a pas toutes ses
racines dans R, elle est diagonalisable dans C car c’est une matrice 3 × 3 qui admet trois valeurs
propres distinctes.

Exercice 32. Soit  

A = ac dc ∈ M2(R)
Démontrer que A est diagonalisable dans R.

Correction 32. Soit  

A = ac dc ∈ M2(R)
Démontrons que A est diagonalisable dans R.
Le polynôme caractéristique PA (X ) est égal à
 
= a
 −X c  2 2 2
P A (X ) d − = (a − X )(d − X ) − c = X − (a + d)X + ad − c ,

c x
déterminons ses racines : calculons le discriminant :
∆ = (a + d)2 − 4(ad − c2 )
= a2 + d2 + 2ad − 4ad + 4c2
= a2 + d2 − 2ad + 4c2
= (a − d)2 + 4c2 > 0
On a ∆ = 0 ⇐⇒ a − d = 0 et c = 0, mais, si c = 0, la matrice A est déjà diagonale. Sinon ∆ > 0
et le polynôme caractéristique admet deux racines réelles distinctes, ce qui prouve que la matrice est
toujours diagonalisable dans R.

Exercice 33. Soit A la matrice suivante

 
0 1 1
A = 1 0 1
1 1 0
Calculer A2 et vérifier que A2 = A + 2I3 . En déduire que A est inversible et donner son inverse en
fonction de A.

20
Correction 33. Soit A la matrice suivante
 
0 1 1
A = 1 0 1

1 1 0
Calculons A2 et vérifions que A2 = A + 2I3 . On a
    
0 1 1 0 1 1 2 1 1
A2 = 1 0 1 1 0 1 = 1 2 1 = A + 2I3 .
1 1 0 1 1 0 1 1 2
On a donc A2 − A = 2I3 , c’est-à-dire A(A − I3 ) = 2I3 , ou encore A. 12 (A − I3 ) = I3 . Ce qui prouve que
A est in versible et que son inverse est A−1 = 21 (A − I3 )
Exercice 34. (4 points) On suppose qu’une population x de lapins et une population y de loups sont
gouvernées par le système suivant d’équations différentielles :
(
x′ = 4x − 2y
(S )
y′ = x + y
1. Diagonaliser la matrice  
4
A= 1 1 . − 2

2. Exprimer le système (S ) et ses solutions dans une base de vecteurs propres de A.

3. Représenter graphiquement les trajectoires de (S ) dans le repère (Oxy).
4. Discuter graphiquement l’évolution de la population des lapins en fonction des conditions
initiales.
Correction 34. On suppose qu’une population x de lapins et une population y de loups sont gouvernées
par le système suivant d’équations différentielles :
(
x′ = 4x − 2y
(S )
y′ = x + y
1. On diagonalise la matrice  
A = 41 −12 .
Pour cela on détermine ses valeurs propres :
 
4 − λ − 2 
det(A − λI ) =  1 1 − λ = (4 − λ)(1 − λ) + 2 = λ2 − 5λ + 6 = (λ − 2)(λ − 3).
Ainsi, la matrice A admet deux valeurs propres distinctes, qui sont λ1 = 2 et λ2 = 3. Elle est
diagonalisable. Déterminons une base de vecteurs propres :
    
4 −2 x = 2x ⇐⇒ x = y,
1 1 y 2y
d’où le vecteur propre u1 = (1, 1) associé à la valeur propre λ1 = 2 .
    
4 −2 x = 3x ⇐⇒ x = 2y,
1 1 y 3y
d’où le vecteur propre u2 = (2, 1) associé à la valeur propre λ2 = 3 . Dans la base (u1 , u2 ), la
matrice s’écrit  
′
A= 0 3 .2 0

On a A = PA′ P −1 où    
P = 11 21 et P −1 = −11 −21 .

21
 2. Exprimons le système (S ) et ses solutions dans une base de vecteurs propres de A.
Dans la base (u1 , u2 ), le système (S ) devient
(
X ′ = 2X
(S ′ )
Y ′ = 3Y
Ses solutions sont les fonctions (
X (t) = X (0)e2t
Y (t) = Y (0)e3t
3. Pour représenter graphiquement les trajectoires de (S ) dans le repère (Oxy), on trace d’abord
le repère (O, u1 , u2 ) dans le repère (0xy), puis, on trace les courbes
Y =X Y (0) X 3/2
(0)
dans le repère (O, u1 , u2 ) (ou OXY ).
4. On voit sur le dessin que si Y (0) est strictement positif, alors la population des lapins, x(t) tend
vers +∞ quand t tend vers +∞. Si Y (0) est strictement négatif alors la populations des lapins
s’éteint dans la mesure ou x(t) dans ce cas tendrait vers −∞.

Exercice 35. Soit A une matrice 2 × 2 à coefficients réels. On suppose que dans chaque colonne de A
la somme des coefficients est égale à 1.
1. Soient (x1 , x2 ), (y1 , y2 ) deux vecteurs de R2 , on suppose que
   
A xx1 = yy1
2 2
montrer qu’alors
y1 + y2 = x1 + x2 .
2. Soit le vecteur ε = (1, −1), montrer que c’est un vecteur propre de A. On notera λ sa valeur
propre.
3. Montrer que si v est un vecteur propre de A non colinéaire à ε, alors la valeur propre associée
à v est égale à 1.
4. Soit e1 = (1, 0). Montrer que la matrice, dans la base (e1 , ε), de l’endomorphisme associé à A
est de la forme  
1 0 ,
α λ
où α ∈ R.
En déduire que si λ 6= 1, alors A est diagonalisable sur R.

Correction 35. Soit A une matrice 2 × 2 à coefficients réels. On suppose que dans chaque colonne de
A la somme des coefficients est égale à 1.
1. Soient (x1 , x2 ), (y1 , y2 ) deux vecteurs de R2 , on suppose que
   
A xx1 = yy1
2 2
montrons qu’alors
y1 + y2 = x1 + x2 .
Compte tenu des hypothèses, la matrice A est de la forme
 
a b ,
1−a 1−b
22
 où a et b sont des réels. On a alors
     (
a b x1 = y1 ⇐⇒ ax1 + bx2 = y1
1 − a 1 − b x2 y2 (1 − a)x1 + (1 − b)x2 = y2
ce qui implique y1 + y2 = x1 + x2 .
2. Montrons que le vecteur ε = (1, −1) est un vecteur propre de A.
Si Aε = yy1 , alors y1 + y2 = 0 donc y2 = −y1 et Aε = y1 ε, ce qui prouve que ε est un vecteur
2
propre. On peut aussi le voir de la manière suivante
    
a b 1 a − b
Aε = 1 − a 1 − b −1 = b − a = (a − b)ε.
On note λ = (a − b) sa valeur propre.
3. Montrons que si v est un vecteur propre de A non colinéaire à ε, alors la valeur propre associée
à v est égale à 1.
Soit v = (x1 , x2 ) un vecteur propre de A non colinéaire à ε, notons µ sa valeur propre, on a
Av = µv, et, d’après la question 1), on a
x1 + x2 = µx1 + µx2 = µ(x1 + x2 )
ce qui implique µ = 1 car v est supposé non colinéaire à ε donc x1 + x2 6= 0.
4. Soit e1 = (1, 0). Montrons que la matrice, dans la base (e1 , ε), de l’endomorphisme associé à A
est de la forme  
1 0 ,
α λ
où α ∈ R.
Pour cela on écrit Ae1 et Aε dans la base (e1 , ε). On a d’une part Aε = λε et, d’autre part,
        
a b 1 = a = 1 + (a − 1) 1 .
1−a 1−b 0 1−a 0 −1
D’où la matrice dans la base (e1 , ε)  
1 0
α λ
où α = a − 1 et λ = a − b.
On en déduit que si λ 6= 1, alors A est diagonalisable sur R. Le polynôme caractéristique de A
est égal à (1 − X )(λ − X ), ainsi, si λ 6= 1, il admet deux racines distinctes ce qui prouve que A
est diagonalisable.

Exercice 36. Soit N une matrice nilpotente, il existe q ∈ N tel que N q = 0. Montrer que la matrice
I − N est inversible et exprimer son inverse en fonction de N .
Correction 36. Soit N une matrice nilpotente, il existe q ∈ N tel que N q = 0. Montrons que la
matrice I − N est inversible et exprimons son inverse en fonction de N .
On remarque que (I − N )(I + N + N 2 + · · · + N q−1 ) = I − N q = I. Ainsi, la matrice I − N est inversible,
et son inverse est (I − N )−1 = I + N + N 2 + · · · + N q−1 .
Exercice 37. Soit a ∈ R, notons A la matrice suivante
 
A = −a 1 +1 a .
0

On définit une suite (un )n∈N , par la donnée de u0 et u1 et la relation de récurrence suivante, pour
n∈N
un+2 = (1 + a)un+1 − aun
23
 1. Pour quelles valeurs de a la matrice A est-elle diagonalisable ?
2. Lorsque A est diagonalisable, calculer An pour n ∈ N .
 
3. On suppose A diagonalisable. On note Un le vecteur Un = uun , exprimer Un+1 en fonction
n+1
de Un et de A, puis Un en fonction de U0 et de A.

Correction 37. Soit a ∈ R, notons A la matrice suivante

 
A = −a 1 +1 a .
0

On définit une suite (un )n∈N , par la donnée de u0 et u1 et la relation de récurrence suivante, pour
n∈N
un+2 = (1 + a)un+1 − aun
1. Pour quelles valeurs de a la matrice A est-elle diagonalisable ?
Calculons le polynôme caractéristique PA (X ) :
 
PA (X )

=  −X 1  = −X (1 + a − X ) + a = X 2 − (1 + a)X + a.
−a 1 + a − X 
La matrice A est diagonalisable sur R si le polynôme PA admet deux racines distinctes dans
R. En effet, si PA admet une racine double r et A diagonalisable, alors l’endomorphisme de
matrice A est égal à rIdE , ce qui n’est pas le cas. Calculons donc le discriminant du polynôme
caractéristique.
∆ = (1 + a)2 − 4a = 1 + a2 + 2a − 4a = 1 + a2 − 2a = (1 − a)2 .
Ainsi la matrice A est diagonalisable pour tout a 6= 1.
2. Lorsque A est diagonalisable, calculons An pour n ∈ N .
Lorsque A est diagonalisable, il existe une matrice inversible P et une matrice diagonale D telles
que A = PDP −1 , ainsi pour tout n ∈ N , on a An = PDnP −1 . Déterminons les matrices P et
D. Pour cela calculons les deux valeurs propres de A, ce sont les racines du polynôme PA , on a
donc
λ1 = 1 + a +2 1 − a = 1 et λ2 = 1 + a −2 1 + a = a.
Déterminons maintenant des vecteurs propres associés aux valeurs propres 1 et a. On cherche
des vecteurs e~1 et e~2 tels que A~e1 = e~1 et A~e2 = a~e2 .
    
01 x = x ⇐⇒ y = x
−a 1 + a y y
et     
0 1 x = a x ⇐⇒ y = ax
−a 1 + a y y
ainsi on peut choisir ~e1 = (1, 1) et ~e2 = (1, a). On a alors
     
P = 11 a1 , D = 10 a0 , P −1 = a −1 1 −a1 −11 .
D’où, pour tout n ∈ N ,
   
An = PDnP −1 = P 10 a0n P −1 = a −1 1 aa−−aan+1 aan+1−−11
n n

24
  
3. On suppose A diagonalisable. On note Un le vecteur Un = uun , on exprime Un+1 en fonction
n+1
de Un et de A, puis Un en fonction de U0 et de A.
On a, par définition, pour tout n ∈ N , un+2 = (1 + a)un+1 − aun , ainsi,
    
Un+1 = uun+1 = −0a 1 +1 a uun = AUn .
n+2 n+1
On a donc U1 = AU0 , montrons par récurrence sur n, que pour tout n ∈ N , Un = An U0 . C’est
vrai pour n = 0, U0 = A0 U0 = IU0 = U0 et pour n = 1. Soit n fixé pour lequel on suppose
Un = AnU0 , on a alors U n+1 = AUn = A.An U0 = An+1 U0 , le résultat est donc vrai pour tout
entier naturel n.
La matrice A étant supposée diagonalisable, on a donc, pour n ∈ N ,
 n − 1  u0 
n n − 1 1 a − a n
Un = A U0 = PD P U0 = a − 1 a − an+1 an+1 − 1 u , a
1
ainsi on peut exprimer pour n ∈ N , le terme général de la suite un en fonction des premiers
termes u0 et u1 , on a
un = a −1 1 ((a − an)u0 + (an − 1)u1 ) .

Exercice 38. Soit A la matrice de M3(R) suivante :

 
0 1 0
A = −4 4 0 .
−2 1 2
1. La matrice A est-elle diagonalisable ?
2. Calculer (A − 2I3 )2 , puis (A − 2I3 )n pour tout n ∈ N . En déduire An .

Correction 38. Soit A la matrice de M3 (R) suivante :

 
0 1 0
A = −4 4 0 .
−2 1 2
1. La matrice A est-elle diagonalisable ?
Calculons son polynôme caractéristique
 
−X 1 0 
 
PA(X ) =  −4 4 − X 0  = (2 − X )(X 2 − 4X + 4) = (2 − X )3 .

 −2 1 2 − X
la matrice A admet une unique valeur propre 2, si elle était diagonalisable, elle serait semblable
à la matrice 2.I3 , elle serait donc égale à 2I3 ce qui n’est pas le cas, elle n’est donc pas
diagonalisable.
2. Calculons (A − 2I3 )2 , puis (A − 2I3 )n pour tout n ∈ N .
On a 
−2 1 0 −2 1 0 0 0 0
(A − 2I3 )2 = −4 2 0 −4 2 0 = 0 0 0 ,
−2 1 0 −2 1 0 0 0 0
 
−2 1 0
0 1
ainsi, (A − 2I3 ) = I , (A − 2I3 ) = −4 2 0, et, pour tout n > 2, on a (A − 2I3 )n = 0.

−2 1 0
On en déduit A n

25
 Notons B = A − 2I3 , on a A = A − 2I3 + 2I3 = B + 2I3 avec B n = 0 pour n > 2. Par ailleurs,
les matrices B et 2I3 commutent, ainsi
n
X
An = (B + 2I3 )n = Cnk B k (2I3 )n−k
k=0
où les Cnk sont les coefficients du binôme de Newton :
Cnk = k!(nn−! k)! .
Or, pour k > 2, on a B k = 0 d’où pour n > 2,
An = Cn0 B 0 (2I3 )n + Cn1 B 1 (2I3 )n−1
= 2n I3 + 2n−1 nB
= 2n I3 + 2n−1 n(A − 2I3 )
= 2n (1 − n)I3 + 2n−1 nA.

Exercice 39. Soit m ∈ R, et A la matrice

 
1+m 1+m 1
A =  −m −m −1
m m−1 0
1. Factoriser le polynôme caractéristique de A et montrer que les valeurs propres de A sont −1 et
1.
2. Pour quelles valeurs de m la matrice est-elle diagonalisable ? (justifier). Déterminer suivant les
valeurs de m le polynôme minimal de A (justifier).
Correction 39. Soit m ∈ R, et A la matrice
 
1+m 1+m 1
A = −m −m −1

m m−1 0
1. Factorisons le polynôme caractéristique de A et montrons que les valeurs propres de A sont −1
et 1. (1,5 points)
 
1 + m
 −X 1+m 1 
P A (X )=  − m −m − X −1 
 m m − 1 −X 
 
1 + m
 −X 1+m 1 
=  − m −m − X −1 
 0 −X − 1 −X − 1
 
1 + m
 −X m 1 
=  − m 1 − m − X −1 
 0

0 −X − 1
= (−X − 1) 1 +−mm− X 1 − mm− X 
 

= −(1 + X ) (1 − X )2 − m2 + m2
= −(1 + X )(1 − X )2
Ainsi, les valeurs propres de la matrice A sont −1, valeur propre simple, et 1, valeur propre
double.
26
 2. Pour quelles valeurs de m la matrice est-elle diagonalisable ? (1,5 points)
La matrice A est diagonalisable si et seulement si le sous-espace propre associé à la valeur propre
1 est de dimension 2. Déterminons donc ce sous-espace propre E1 = {~u = (x, y, z ) ∈ R3 , A~u =
~u}. 
 mx + (1 + m)y + z = 0

A~u = ~u ⇐⇒ −mx − (1 + m)y − z = 0

mx + (m − 1)y − z = 0
(
mx + (1 + m)y + z = 0
⇐⇒ mx + (m − 1)y − z = 0
(
⇐⇒ 2mx2+y +2my 2z = 0
=0
(
⇐⇒ m(xy++yz) == 00
Ainsi, l’espace E1 est de dimension 2 si et seulement si m = 0, c’est alors le plan d’équation
y + z = 0, sinon c’est une droite, intersection des deux plans y + z = 0 et x + y = 0.
Déterminons suivant les valeurs de m le polynôme minimal de A. (1 point)
Si m = 0, la matrice A est diagonalisable, son polynôme minimal n’a que des racines simples, il
est égal à
Q(X ) = (X − 1)(X + 1).
Si m 6= 0, la matrice A n’est pas diagonalisable, son polynôme minimal ne peut pas avoir
uniquement des racines simples, il est donc égal à
Q(X ) = (X − 1)2 (X + 1).

Exercice 40. Soit u l’endomorphisme de R3 dont la matrice dans la base canonique est

−4 −2 −2
A= 2 0 2 .
3 3 1
1. Déterminer et factoriser le polynôme caractéristique de A.
2. Démontrer que les valeurs propres de A sont 1 et −2. Déterminer les sous-espaces propres
associés.
3. Démontrer que A est diagonalisable et donner une base de R3 dans laquelle la matrice de u est
diagonale.
4. Trouver une matrice P telle que P −1 AP soit diagonale.

Correction 40. Soit u l’endomorphisme de R3 dont la matrice dans la base canonique est

−4 −2 −2
A= 2 0 2 .
3 3 1
1. Déterminons et factorisons le polynôme caractéristique de A.
Par opérations sur les colonnes puis les lignes, on a
   

 −4 − X −2 −2  
  −4 − X 0 −2 

PA (X ) =  2 −X 2  =  2 −X − 2 2  ,
 3 3 1−X  3 2+X 1− X

27
 d’où  

 −4 − X 0 −2 

PA (X ) = 
2 −X − 2 2 
5 0 3− X
et, en développant par rapport à la deuxième colonne
PA (X ) = −(X + 2)[(−4 − X )(3 − X ) + 10] = −(X + 2)(X 2 + X − 2) = −(X + 2)2 (X − 1).
2. Démontrons que les valeurs propres de A sont 1 et −2 et déterminons les sous-espaces propres
associés.
Les valeurs propres de A sont les racines du polynôme caracteristique, c’est-à-dire, 1, valeur
propre simple et, −2, valeur propre double.
Notons E1 le sous-espace propre associé à la valeur propre 1,
E1 = {~u = (x, y, z), A.~u = ~u}.
Ainsi 
−5x − 2y − 2z = 0


(
y = −x
~u = (x, y, z) ∈ E1 ⇐⇒  2x − y + 2z = 0 ⇐⇒
 3x + 2 z = 0
3x + 3y = 0
Le sous-espace propre E1 est donc une droite vectorielle dont un vecteur directeur est donné,
par exemple, par ~e1 = (−2, 2, 3).
Notons E−2 le sous-espace propre associé à la valeur propre −2,
E−2 = {~u = (x, y, z), A.~u = −2~u}.
Ainsi
−2x − 2y − 2z = 0
~u = (x, y, z) ∈ E−2 ⇐⇒ 2x + 2y + 2z = 0 ⇐⇒ x + y + z = 0
3x + 3y + 3z = 0
Le sous-espace propre E−2 est donc le plan vectoriel d’équation x + y + z = 0, dont une base
est donnée, par exemple, par ~e2 = (1, −1, 0) et ~e3 = (1, 0, −1).
3. Démontrons que A est diagonalisable et donnons une base de R3 dans laquelle la matrice de u
est diagonale.
Les sous-espaces propres associés aux valeurs propres sont de dimension la multiplicité de la
valeur propre correspondante, ce qui prouve que la matrice A est diagonalisable. Dans la base
(~e1 ,~e2 ,~e3 )la matrice de l’endomorphisme associé à A est diagonale, elle s’écrit
 
1 0 0
D = 0 −2 0  .
0 0 −2
4. Trouvons une matrice P telle que P −1 AP soit diagonale.
La matrice de changement de base qui exprime la base (~e1 ,~e2 ,~e3 ) des vecteurs propres, trouvés
ci-dessus, dans la base canonique est la matrice P cherchée

−2 1 1  1

1 1 1


P =  2 −1 0  et P −1 = 3 2 −1 2 ,
3 0 −1 3 3 0
elle est inversible et on a P −1 AP = D. (Le calcul de P −1 n’était pas demandé, ni nécessaire).

28
Exercice 41. Soit u l’endomorphisme de R3 , dont la matrice dans la base canonique est
 
3 2 −2
A = −1 0 1  .
1 1 0
1. Calculer les valeurs propres de A. L’endomorphisme u est-il diagonalisable ? (Justifier).
2. Calculer (A − I )2 . Démontrer que An = nA + (1 − n)I .
Correction 41. Soit u l’endomorphisme de R3 , dont la matrice dans la base canonique est
 
3 2 −2
A = −1 0 1  .
1 1 0
1. Calculons les valeurs propres de A et voyons si l’endomorphisme u est diagonalisable.
En opérant sur les colonnes et les lignes du déterminant, on obtient
   
3 − X 2 −2  3 − X 0 −2 

PA (X ) =  −1 −X 1  =  −1 1 − X 1  ,
 1 1 −X   1 1 − X −X 
d’où  
3 − X 0 −2 

PA (X ) =  −1 1 − X 1 
 2 0 −X − 1
et, en développant par rapport à la deuxième colonne
PA (X ) = (1 − X )[(3 − X )(−1 − X ) + 4] = (1 − X )(X 2 − 2X + 1) = (1 − X )3 .
Ainsi, la matrice A admet 1 comme valeur propre triple. Elle n’est donc pas diagonalisable,
sinon elle serait égale à I = I3 , la matrice identité.
2. Calculons (A − I )2 et démontrons que An = nA + (1 − n)I .
On calcule d’abord la matrice A − I ,
 
2 2 −2
A − I = −1 −1 1  ,
1 1 −1
puis la matrice (A − I )2 ,
    
2 2 −2 2 2 −2 0 0 0
(A − I )2 = −1 −1 1  −1 −1 1  = 0 0 0 ,
1 1 −1 1 1 −1 0 0 0
c’est donc la matrice nulle.
Nous allons donner deux méthodes pour démontrer que An = nA + (1 − n)I .
Première méthode : En utilisant le binôme de Newton. On écrit An = (A − I + I )n , or, les
matrices A − I et I commutent, on a donc
n
X
(A − I + I )n = Cnk (A − I )k I (n−k) = Cn0 I + Cn1 (A − I ) = I + n(A − I ) = nA + (1 − n)I.
k=0
Deuxième méthode : Par récurrence sur n. Le résultat est vrai pour n = 0 et n = 1. Fixons n
arbitrairement pour lequel on suppose que An = nA + (1 − n)I , on a alors
An+1 = A(nA + (1 − n)I ) = nA2 + (1 − n)A,
sachant que (A − I )2 = 0, on en déduit que A2 = 2A − I ainsi
An+1 = n(2A − I ) + (1 − n)A = (n + 1)A − nI = (n + 1)A + (1 − (n + 1))I.
L’égalité est donc vraie pour tout n ∈ N .
29
Exercice 42. Soit A la matrice  
1 0 0
A = −1 2 1
0 0 2
et f l’endomorphisme de R3 associé.
1. Déterminer les valeurs propres de A.
2. Déterminer, sans calculs, des vecteurs ~u et ~v tels que f (~u) = 2~u et f (~v) = 2~v + ~u.
3. Soit ~e tel que f (~e) = ~e. Démontrer que (~e, ~u,~v ) est une base de R3 et écrire la matrice de f dans
cette base.
4. La matrice A est-elle diagonalisable ? (Justifier.)
Correction 42. Soit A la matrice  
1 0 0
A = −1 2 1
0 0 2
et f l’endomorphisme de R3 associé.
1. Déterminons les valeurs propres de A.
Calculons les racines du polynôme caractéristique PA (X ) :
 
1 − X 0 0 
 
PA(X ) =  −1 2 − X 1  = (2 − X )2 (1 − X ).

 0 0 2 − X
Les valeurs propres de A sont λ1 = 1, valeur propre simple et λ2 = 2, valeur propre double.
2. Déterminons, sans calculs, des vecteurs ~u et ~v tels que f (~u) = 2~u et f (~v) = 2~v + ~u.
Si l’on note (~e1 ,~e2 ,~e3 ), la base dans laquelle est exprimée la matrice A de l’endomorphisme f ,
on remarque que
f (~e2 ) = 2~e2 et f (~e3 ) = ~e2 + 2~e3 .
Ainsi, les vecteurs ~u = ~e2 et ~v = ~e3 répondent-ils à la question.
3. Soit ~e tel que f (~e) = ~e. Démontrons que (~e, ~u,~v) est une base de R3 et écrivons la matrice de f
dans cette base.
Notons ~e = (x, y, z ) alors

 x=x (
 z=0
f (~e) = ~e ⇐⇒ −x + 2y + z = y ⇐⇒
 x=y
2z = z
Le vecteur ~e = (1, 1, 0) convient. Les vecteurs ~e, ~u et ~v sont linéairement indépendants, ils
forment donc une base de R3 . La matrice de f dans cette base s’écrit
 
1 0 0
B = 0 2 1
0 0 2
4. La matrice A est-elle diagonalisable ?
Le sous-espace propre associé à la valeur propre 2 est l’ensemble des vecteurs (x, y, z ) tels que

 x = 2x (
 x=0

− x + 2y + z = 2y ⇐⇒ z=0

2z = 2z
C’est une droite vectorielle, sa dimension n’est donc pas égale à la multiplicité de la valeur
propre 2 comme racine du polynôme caractéristique, la matrice A n’est pas diagonalisable.
30
Exercice 43. Soient a ∈ R , b ∈ R et A la matrice
 
1 a 0
0 1 b 
0 0 2
1. Donner les valeurs de a et de b pour lesquelles la décomposition de Dunford de A est
   
1 0 0 0 a 0
A = 0 1 0 + 0 0 b
0 0 2 0 0 0
2. On suppose dans la suite que b = 1 et a 6= 0
(a) Déterminer les sous espaces propres et les sous espaces caractéristiques de A.
(b) Trouver D diagonalisable et N nilpotente telles que D commute avec N et
A = D + N.
3. Soit le système différentiel suivant :
 ′
x1 (t) = x1 (t) + 2x2 (t)

E: 
x′2 (t) = x2 (t) + x3 (t)

x′3 (t) = 2x3 (t)
Déterminer les solutions de E .

Correction 43. Soient a ∈ R , b ∈ R et A la matrice

 
1 a 0
0 1 b 
0 0 2
1. Donnons les valeurs de a et de b pour lesquelles la décomposition de Dunford de A est
   
1 0 0 0 a 0
A = 0 1 0 + 0 0 b
  
0 0 2 0 0 0
   
1 0 0 0 a 0
Notons D = 0 1 0 et N = 0 0 b. Cette décomposition de A = D + N est sa
  
0 0 2 0 0 0
décomposition de Dunford si et seulement si N est nilpotente (il est clair que D est diagonale)
et si ND = DN .
Vérifions que N est nilpotente :
       
0 a 0 0 a 0 0 0 ab 0 0 0
N 2 = 0 0 b . 0 0 b = 0 0 0  , N 3 = 0 0 0
0 0 0 0 0 0 0 0 0 0 0 0
ainsi la matrice N est bien nilpotente quelques soient les valeurs de a et b. Déterminons pour
quelles valeurs de a et b les matrices commutent.
     
0 a 0 1 0 0 0 a 0
N.D = 0 0 b . 0 1 0 = 0 0 2b
    
0 0 0 0 0 2 0 0 0
31
 et      
1 0 0 0 a 0 0 a 0
D.N = 0 1 0 . 0 0 b = 0 0 b .
0 0 2 0 0 0 0 0 0
Ainsi, ND = DN si et seulement si b = 2b, c’est-à-dire si b = 0. Le paramètre a peut prendre
n’importe quelle valeur.
2. On suppose dans la suite que b = 1 et a 6= 0.
 
1 a 0
A = 0 1 1
0 0 2
(a) Déterminons les sous espaces propres et les sous espaces caractéristiques de A.
Commençons par déterminer les valeurs propres de A, ce qui est immédiat car A est sous
forme triangulaire. Elle admet donc deux valeurs propres, 1 valeur propre double et 2 valeur
propre simple.
Notons E1 et E2 les sous-espaces propres de A.
E1 = {~u = (x, y, z) ∈ R3 , A~u = ~u}.
On a 
x + ay =x
 (
y=0
~u ∈ E1 ⇐⇒  y + z = y ⇐⇒
 z=0
2z = z
L’espace E1 est donc la droite vectorielle engendrée par le vecteur (1, 0, 0), ce sous-espace
propre associé à la valeur propre double 1 est de dimension 1, la matrice n’est pas diagonalisable.
E2 = {~u = (x, y, z) ∈ R3 , A~u = 2~u}.
On a 
x + ay= 2x
 (
x = ay
~u ∈ E2 ⇐⇒  y + z = 2y ⇐⇒
 y=z
2z = 2z
L’espace E2 est donc la droite vectorielle engendrée par le vecteur (a, 1, 1). La valeur propre
2 étant simple, le sous-espace caractéristique N2 associé est égal à l’espace E2 .
Déterminons le sous-espace caractéristique N1 associé à la valeur propre 1. On a
N1 = ker(A − I )2 . Calculons la matrice (A − I )2.
    
0 a 0 0 a 0 0 0 a
(A − I )2 = 0 0 1 0 0 1 = 0 0 1 .
0 0 1 0 0 1 0 0 1
Ainsi, le noyau de (A − I )2 est le plan engendré par les vecteurs ~e1 = (1, 0, 0) et ~e2 = (0, 1, 0).
(b) Déterminons D diagonalisable et N nilpotente telles que D commute avec N et
A = D + N.
Notons ~e3 = (a, 1, 1), dans la base (~e1 ,~e2 ,~e3 ), la matrice associée à l’endomorphisme représenté
par A s’écrit      
1 a 0 1 0 0 0 a 0
B = 0 1 0 = 0 1 0 + 0 0 0 .
0 0 2 0 0 2 0 0 0
| {z } | {z }
∆ M

32
 Par construction, c’est la décomposition de Dunford de B et on a A = PBP −1 avec
   
1 0 a 1 0 −a
P = 0 1 1 et P −1 = 0 1 −1 .
0 0 1 0 0 1
Les matrices D = P ∆P −1 et N = PMP −1 vérifient, N nilpotente, D diagonalisable et
ND = DN . Calculons les
     
1 0 a 1 0 0 1 0 −a 1 0 a
D = P ∆P −1 = 0 1 1 0 1 0 0 1 −1 = 0 1 1
0 0 1 0 0 2 0 0 1 0 0 2
     
1 0 a 0 a 0 1 0 −a 0 a −a
N = PMP −1 = 0 1 1 0 0 0 0 1 −1 = 0 0 0  = A − D.
0 0 1 0 0 0 0 0 1 0 0 0
Ainsi      
1 a 0 0 a −a 1 0 a
A = 0 1 1  = N + D =  0 0 0  + 0 1 1 .
0 0 2 0 0 0 0 0 2
3. Soit le système différentiel suivant :
 ′
x1 (t)
 = x1 (t) + 2x2 (t)
E : x′2(t) = x2(t) + x3(t)
 ′
x (t) = 2x3 (t)
3
Déterminons les solutions de E .
Remarquons que, si l’on note X = (x1 , x2 , x3 ), le système E s’écrit X ′ = AX avec
 
1 2 0
A = 0 1 1

0 0 2
qui correspond à la matrice A précédente avec a = 2 et b = 1. La solution générale du système
s’écrit
X (t) = exp(tA)V
où V = (a, b, c) est un vecteur de R3 .
Par ailleurs X = PY est solution de X ′ = AX ⇐⇒ Y est solution de Y ′ = P| −{z 1 AP Y .
}
B
La solution générale du système Y ′ = BY s’écrit Y = exp(tB )V où V ∈ R3 . Calculons donc
l’exponentielle de la matrice tB pour t ∈ R. On a vu dans la question précédente que B = ∆+ M
avec ∆M = M ∆, ainsi
exp(tB ) = exp(t∆). exp(tM )
 t 
e 0 0
=  0 et 0  .(I + tM ) car M 2 = O
0 0 e 2t
 t    t 
e 0 0 1 2t 0 e 2tet 0
=  0 et 0  0 1 0 =  0 et 0  .
0 0 e2t 0 0 1 0 0 e2t
La solution générale du système E s’écrit donc X = P exp(tB ).V où V = (a, b, c) ∈ R3 . C’est-
à-dire      t  
1 0 2 et 2tet 0 a e 2tet 2e2t a
X (t) = 0 1 1  0 et 0   b  =  0 et e2t   b 
0 0 1 0 0 e2t c 0 0 e2t c
33
 où encore
= (a + 2bt)et + 2ce2t

x (t )
 1



x2(t) = bet + ce2t

x3(t) = ce2t

Exercice 44 (***I). Sur E un R-espace vectoriel. On donne trois endomorphismes f , u et v tels qu’il
existe deux réels λ et µ tels que pour k ∈ {1, 2, 3}, f k = λk u + µk v. Montrer que f est diagonalisable.

Correction 44. Trouvons un polynôme scindé à racines simples annulant f .

Le polynôme P = X (X − λ)(X − µ) = X 3 − (λ + µ)X 2 + λµX est annulateur de f . En effet,

P (f ) = f 3 − (λ + µ)f 2 + λµf = (λ3 − (λ + µ)λ2 + (λµ)λ)u + (µ3 − (λ + µ)µ2 + (λµ)µ)v

= P (λ)u + P (µ)v = 0.
• Si λ et µ sont distincts et non nuls, P est un polynôme scindé à racines simples annulateur de f et
donc f est diagonalisable.
• Si λ = µ = 0, alors f = 0 et donc f est diagonalisable.
• Si par exemple λ 6= 0 et µ = 0, f 2 = λ2 u = λf et et le polynôme P = X (X − λ) est scindé à racines
simples et annulateur de f . Dans ce cas aussi f est diagonalisable.
• Enfin si λ = µ 6= 0, f 2 = λ2 (u + v ) = λf et de nouveau P = X (X − λ) est scindé à racines simples
et annulateur de f .
Dans tous les cas, f est diagonalisable.
 
1 1 0
Exercice 45 (Recherche de sev stables). Soit A = −3 −2 0 .
0 0 1
1. Déterminer les sev de R3 stables pour l’endomorphisme associé à A.
2. Quelles sont les matrices réelles commutant avec A ?

Correction 45. 1. Valeurs propres : 1, j, j 2 . sev stables : {~0}, vect{~e3 }, vect{~e1 ,~e2 } et R3 .
 
= BA ⇒ φB (~e3 ) = λ~e3
 a + µ a 0
2. tAB
At B = t B tA⇒ φt B (~e3 ) = λ~e3 ⇒ B = −03a −2a0+ µ λ0 .
 

Exercice 46 (Plan affine stable). Soit E = R3 et H : x + 2y + 3z = 1 un plan affine de E . Montrer

que si H est stable par f ∈ L(E ) alors 1 est valeur propre de f .

Correction 46. Soit ϕ(x, y, z) = x + 2y + 3z. f conserve la surface de niveau ϕ = 1 donc par linéarité
f ◦ ϕ = ϕ et ϕ est vecteur propre de t f .

Exercice 3
  47 (Sous-espaces stables (Centrale MP 2003)). Soit f ∈ L(R ) ayant pour matrice M =
1 11 3 3
−1 1 1 dans la base canonique de R . Déterminer les sous-espaces de R stables par f .
1 11

Correction 47. Spec(f ) = {0, 1, 2} donc f est diagonalisable et chaque sous-espace propre est de
dimension 1. Comme la restriction d’un diagonalisable à un sous-espace stable est encore diagonalisable,
les sous-espaces stables par f sont les huit sous-sommes de E0 ⊕ E1 ⊕ E2 .

34
  
1 2 2
Exercice 48 (**). Soit A =  2 1 2 . Pour n entier relatif donné, calculer An par trois méthodes
2 2 1
différentes.
 
1 1 1
Correction 48. 1ère solution. A = 2J −I3 où J =  1 1 1 . On a J 2 = 3J et plus généralement
1 1 1
∀k ∈ N ∗ , J k = 3k−1J .
Soit n ∈ N ∗ . Puisque les matrices 2J et −I commutent, la formule du binôme de Newton permet
d’écrire
!
n n
X n n
X
An = (2J − I )n = (−I )n + k (2J )k (−I )n−k = (−1)n I + k 2k 3k−1 (−1)n−k J
k=1 !
k=1
n  
n k n−k
= (−1)n I + 1 J = (−1)n I + 31 ((6 − 1)n − (−1)n )J
X
3 k=1 k 6 (−1)
 n 
1 5 + 2(−1)n 5n − (−1)n 5n − (−1)n
= 3 5n − (−1)n 5n + 2(−1)n
 5n − (−1)n ,
5n − (−1)n 5n − (−1)n 5n + 2(−1)n
ce qui reste vrai quand n = 0.
Soit de nouveau n ∈ N ∗ .

((−1)n I + 13 (5n − (−1)n )J ) × ((−1)−n I + 13 (5−n − (−1)−n )J )

= I + 31 ((−5)n − 1 + (−5)−n − 1)J + 19 (1 − (−5)n − (−5)−n + 1)J 2
= I + 31 ((−5)n − 1 + (−5)−n − 1)J + 39 (1 − (−5)n − (−5)−n + 1)J = I,
et donc
 
5−n + 2(−1)−n 5−n − (−1)−n 5−n − (−1)−n
A−n = 31  5−n − (−1)−n 5−n + 2(−1)−n 5−n − (−1)−n .
5−n − (−1)−n 5−n − (−1)−n 5−n + 2(−1)−n
Finalement
 
5n + 2(−1)n 5n − (−1)n 5n − (−1)n
∀n ∈ Z, An = 13  5n − (−1)n 5n + 2(−1)n 5n − (−1)n .
5n − (−1)n 5n − (−1)n 5n + 2(−1)n

2ème solution. Puisque rg(A + I ) = 1, dim(Ker(A + I )) = 2 et −1 est valeur propre de A d’ordre au

moins 2. La troisième valeur propre λ est fournie par la trace : λ − 1 − 1 = 3 et donc λ = 5. Par suite,
χA = −(X 2
 (X − 5).
 + 1)    
x 1 1
De plus,  y  ∈ E−1 ⇔ x + y + z = 0 et donc E−1 = Vect(e1 , e2 ) où e1 =  −1  et e2 =  0 .

z   
0 −1
x 1
De même,  y  ∈ E−1 ⇔ x = y = z et E5 = Vect(e3 ) où e3 = 1 .
z
 
1
1 1 1
On pose P =  −1 0 1  et D = diag(−1, −1, 5) et on a A = PDP −1 .
0 −1 1
Calcul de P . Soit (i, j, k) la base canonique de R3 .
− 1

35
 
e1 = i − j

j = i − e1



i = 13 (e1 + e2 + e3 )
  
e2 = i − k ⇔ k = i − e2 ⇔  j = 13 (−2e1 + e2 + e3)

e3 = i + j + k e3 = i + i − e1 + i − e2 
k = 31 (e1 − 2e2 + e3 )
 
1 −2 1
et donc P −1 = 13  1 1 −2 . Soit alors n ∈ Z.
1 1 1
   
1 1 1 1 (−1)n 0 0 1 −2 1
n n −1
A = PD P = 3  −1 0 1   0 (−1)n 0   1 1 −2 
0 −1 1 0 0 5n 1 1 1
    n 
1 (−1) n (−1) 5
n n 1 −2 1 1 5 + 2(−1)n 5n − (−1)n 5n − (−1)n
= 3 −(−1)
 n 0 5n   1 1 −2  = 3  5n − (−1)n 5n + 2(−1)n 5n − (−1)n ,
0 −(−1)n 5n 1 1 1 5n − (−1)n 5n − (−1)n 5n + 2(−1)n
et on retrouve le résultat obtenu plus haut, le calcul ayant été mené directement avec n entier relatif.
3ème solution. Soit n ∈ N ∗ . La division euclidienne de X n par χA fournit trois réels an, bn et cn et
un polynôme Q tels que X n = χA Q + an X 2 + bn X + cn . En prenant les valeurs des membres en 5, puis
la valeur des deux membres ainsi que de leurs dérivées en −1 , on obtient
 
 25an + 5bn + cn = 5n  bn = 2an − n(−1)n
an − bn + cn = (−1)n ⇔  35an + cn = 5n(−1)n + 5n ⇔

−2an + bn= n(−1)n−1 −an + cn = −(n − 1)(−1)n

1
an = 36 (5n + (6n − 1)(−1)n )



cn = 361 (5n + (−30n + 35)(−1)n ) .


bn = 361 (2 × 5n + (−24n − 2)(−1)n )
Le théorème de Cayley-Hamilton fournit alors

1 (5n + (6n − 1)(−1)n )A2 + 2(5n − (12n + 1)(−1)n )A + (5n + (−30n + 35)(−1)n )I
An = 36

    
1 9 8 8 1 2 2
 n n   n
= 36 (5 + (6n − 1)(−1) ) 8 9 8 + 2(5 − (12n + 1)(−1) ) 2 1 2 n  
8 8 9 2 2 1
 
1 0 0
+(5n + (−30n + 35)(−1)n )  0 1 0 
0 0 1
 
1 12 × 5n + 24(−1)n 12 × 5n − 12(−1)n 12 × 5n − 12(−1)n
= 36  12 × 5n − 12(−1)n 12 × 5n + 24(−1)n 12 × 5n − 12(−1)n 
12 × 5n − 12(−1)n 12 × 5n − 12(−1)n 12 × 5n + 24(−1)n
 n 
1 5 + 2(−1)n 5n − (−1)n 5n − (−1)n
= 3  5n − (−1)n 5n + 2(−1)n 5n − (−1)n  .
5n − (−1)n 5n − (−1)n 5n + 2(−1)n
On retrouve encore une fois le même résultat mais pour n ∈ N ∗ uniquement.
 
3 0 0
Exercice 49 (**). Résoudre dans M3 (R) l’équation X 2 = A où A =  8 4 0 .
5 0 1

36
Correction 49. Soit X ∈ M3 (R). Si X 2 = A alors AX = X 3 = XA et donc X et A commutent.
A admet trois valeurs propres réelles et simples à savoir 1, 3 et 4. Donc A est diagonalisable dans R et
les sous espaces propres de A sont des droites. X commute avec A et donc laisse stable les trois droites
propres de A.
Ainsi une base de M3,1 (R) formée de vecteurs propres de A est également une base de vecteurs propres
de X ou encore, si P est une matrice réelle inversible telle que P −1 AP soit une matrice diagonale D0
alors pour la même matrice P , P −1 XP est une matrice diagonale D. De plus
√
X 2 = A ⇔ PD2 P −1 = PD0 P −1 ⇔ D2 = D0 ⇔ D = diag(± 3, ±2, ±1)
 
2 0 0
ce qui fournit huit solutions deux à opposées. On peut prendre P =  −16 1 0  puis P −1 =
 
5 0 1
1/2 0 0
 8 1 0 . D’où les solutions
−5/2 0 1
  √    √  
2 0 0 3ε 1 0 0 1/2 0 0 2 √3ε1 0 0 1/2 0 0
 −16 1 0  0 2ε 0  8 1 0 = −16√ 3ε1 2ε2 0  8 1 0 
5 0 1 0 0 ε3 −5/2 0 1 5 3ε1 0 ε3 −5/2 0 1
 √ 
√ 3 ε1 0 0
= −8√ 3ε1 + 16ε2 2ε2 0 .
5( 3ε1 − ε3 )/2 0 ε3
où (ε1 , ε2 , ε3 ) ∈ {−1, 1}3 .

Exercice 50 (*** I). Soient u et v deux endomorphismes d’un espace vectoriel de dimension finie. On
suppose que u et v commutent et que v est nilpotent. Montrer que det(u + v) = detu.

Correction 50. Si u est inversible,

det(u + v) = detu ⇔ detu × det(Id + u−1 v) = detu ⇔ det(Id + u−1 v) = 1.
u et v commutent et donc u−1 et v également car uv = vu ⇒ u−1 uvu−1 = u−1vuu−1 ⇒ vu−1 = u−1 v.
Mais alors, puisque v est nilpotent, l’endomorphisme w = u−1 v l’est également car (u−1 v)p = u−p vp ).
Il reste donc à calculer det(Id + w) où w est un endomorphisme nilpotent. On remarque que det(Id +
w) = χw (−1). Il est connu que 0 est l’unique valeur propre d’un endomorphisme nilpotent et donc
χw = (−X )n puis
det(Id + w) = χw (−1) = (−(−1))n = 1.
Le résultat est donc démontré dans le cas où u est inversible. Si u n’est pas inversible, u + xId est
inversible sauf pour un nombre fini de valeurs de x et commute toujours avec v. Donc, pour tout x
sauf peut-être pour un nombre fini, det(u + xId + v) = det(u + xId). Ces deux polynômes coïncident
en une infinité de valeurs de x et sont donc égaux. Ils prennent en particulier la même valeur en 0 ce
qui refournit det(u + v) = detu.

Exercice 51 (***). Soit E = R3 [X ]. Pour P élément de E , soit f (P ) le reste de la division euclidienne

de AP par B où A = X 4 − 1 et B = X 4 − X .
Vérifier que f est un endomorphisme de E puis déterminer Kerf , Imf et les valeurs et vecteurs propres
de f .

Correction 51. Soit P = aX 3 + bX 2 + cX + d ∈ R3 [X ]

37
 AP − (X 4 − X )P = (X − 1)P = aX 4 + (b − a)X 3 + (c − b)X 2 + (d − c)X − d =
a(X 4 − X ) + (b − a)X 3 + (c − b)X 2 + (a + d − c)X − d.
et donc AP = (X 4 − X )(P + a) + (b − a)X 3 + (c − b)X 2 + (a + d − c)X − d et donc f (P ) =
(b − a)X 3 + (c − b)X 2 + (a + d − c)X − d. Par suite, f est un endomorphisme de E et la matrice de f
dans la base canonique (1, X, X 2 , X 3 ) de E est

−1 0 0 0 
 1 −1 0 1 
A=
 0 1 −1 0 .


0 0 1 −1
puis
 

 −1 − X 0 0 0 


 −1 − X 0 1


χA

=  1 −1 − X 0 1 −1 −

=(

X )  1 −1 − X 0


 0 1 −1 − X 0 
  0 1 −1 − X


 0 0 1 −1 − X 

= −(X + 1)(−(X + 1) + 1) = X (X + 1)(X 2 + 3X + 3).

3
A admet quatre valeurs propres simples dans C , deux réelles 0 et -1 et deux non réelles −1 + j et
−1 + j 2 . χf n’est pas scindé sur R et donc f n’est pas diagonalisable.
• Soit P ∈ E . P ∈ Kerf ⇔ b − a = c − b = a + d − c = −d = 0 ⇔ a = b = c et d = 0.
Kerf = Vect(X 3 + X 2 + X ).
• Soit P ∈ E . P ∈ Ker(f + Id) ⇔ b = c = a + d = 0 ⇔ b = c = 0 et d = −a. Ker(f + Id) = Vect(X 3 − 1).
• rg(f ) = 3 et immédiatement Imf = Vect(X − 1, X 2 − X, X 3 − X 2 ).
Si K = C , on peut continuer :
P ∈ Ker(f + (1 − j )Id) ⇔ b − ja = c − jb = a + d − jc = −jd = 0 ⇔ b = ja, c = j 2 a et d = 0.
Donc Ker(f + (1 − j )Id) = Vect(X 3 + jX 2 + j 2 X ) et en conjuguant Ker(f + (1 − j 2 )Id) = Vect(X 3 +
j 2 X 2 + jX ).
Remarque. B = X (X − 1)(X − j )(X − j 2 ) et on a trouvé pour base de vecteurs propres les quatre
polynômes de Lagrange X 3 − 1 = (X − 1)(X − j )(X − j 2 ) puis X 3 + X 2 + X = X (X − j )(X − j 2 )
puis X 3 + jX 2 + j 2 X = X (X − 1)(X − j 2 ) et enfin X 3 + j 2 X 2 + jX = X (X − 1)(X − j ). C’est une
généralité. On peut montrer que si E = C n [X ] et si B a n + 1 racines deux à deux distinctes dans C
alors f est diagonalisable et une base de vecteurs propres est fournie par les polynômes de Lagrange
associés aux racines de B et ceci pour un polynôme A quelconque.

Exercice 52 (**). Soit A une matrice antisymétrique réelle. Etudier la parité de son polynôme
caractéristique.
Correction 52. Soit A ∈ Mn(R). A est antisymétrique si et seulement si t A = −A. Dans ce cas
χA = det(A − XI ) = det(t (A − XI )) = det(−A − XI ) = (−1)n det(A + XI ) = (−1)n χA(−X )
Ainsi, χA a la parité de n.

Exercice 53 (**). Trouver une matrice carrée A vérifiant A4 − 3A3 + A2 − I = 0.

Correction 53. On cherche une matrice A deformat 4 dont le polynôme caractéristique est X 4 −
0 1 0 0
3X 3 + X 2 − 1. La matrice compagnon A = 0 0 
 1 0
0 −1  convient (voir l’exercice ??) et le
 
 0 1
1 3 0 0
théorème de Cayley-Hamilton montre que A − 3A + A2 − I4 = 0.
4 3

38
  
1 1
0 0
Exercice 54 (** (ESTP1994)). Soit Ma,b = 
 0 a1 0
1 b . Peut-on trouver deux matrices distinctes

 0 0
0 0
0 1
semblables parmi les quatre matrices M0,0 , M0,1 , M1,0 et M1,1 ?

Correction 54. rg(Ma,b − I ) = 1, si a = b = 0, 2 si l’un des deux nombres a ou b est nul et l’autre
pas et 3 si a et b ne sont pas nuls. Donc M0,0 n’est semblable à aucune des trois autres matrices et de
même pour M1,1 .
Il reste à savoir si les matrices M1,0 et M0,1 sont semblables.
(M1,0 − I )2 = (E1,2 + E2,3 )2 = E1,3 6= 0 et (M0,1 − I )2 = (E1,2 + E3,4 )2 = 0. Donc les matrices M1,0 et
M0,1 ne sont pas semblables.

Exercice 55 (***). Soit f l’endomorphisme de R3 dont la matrice dans la base canonique est A.
Trouver les sous espaces stables par f dans chacun des cas suivants :
 
1 1 −1
1. A =  1 1 1 
1 1 1
 
2 2 1
2. A =  1 3 1 
1 2 2
 
6 −6 5
3. A =  −4 −1 10 .
7 −6 4
 

 1−X 1 −1 
Correction 55. 1. χA =  1 1 − X 1  = (1 − X )(X 2 − 2X ) − (2 − X ) + (2 − X ) =
 1 1 1−X 
−X (X − 1)(X − 2).
On est dans le cas d’une matrice diagonalisable avec 3 valeurs propres simples.
Recherche des droites stables. Dans chacun des cas, les droites stables sont les droites
engendrées par des vecteurs propres. On obtient immédiatement les 3 droites stables : E0 =
Vect(e1) où e1 = (1, −1, 0), E1 = Vect(e2 ) où e2 = (1, −1, −1) et E2 = Vect(e3 ) où e3 = (0, 1, 1).
Recherche des plans stables. Soit P un plan stable par f . La restriction de f à P est un
endomorphisme de P et on sait de plus que le polynôme caractéristique de f/P divise celui de f .
f/P est diagonalisable car f l’est car on dispose d’un polynôme scindé à racines simples annulant
f et donc f/P . On en déduit que P est engendré par deux vecteurs propres indépendants de
f/P qui sont encore vecteurs propres de f . On obtient trois plans stables : P1 = Vect(e2 , e3 ),
P2 = Vect

(e1 , e3 ) et P3 = Vect(e1 , e2 ).

 2−X 2 1 
 
2. χA =  1 3 − X
 1  = (2 − X )(X 2 − 5X +4) − (−2X +2)+(X − 1) = (1 − X )((X −
 1 2 2−X 
2)(X − 4) − 2 − 1) = (1 − X )(X 2 + 6X − 5) = −(X − 1)2 (X − 5). Puis E1 est le plan d’équation
x + 2y + z = 0 et E5 = Vect((1, 1, 1)).
On est toujours dans le cas diagonalisable mais avec une valeur propre double.
Les droites stables sont E5 = Vect((1, 1, 1)) et n’importe quelle droite contenue dans E1 . Une
telle droite est engendrée par un vecteur de la forme (x, y, −x − 2y) avec (x, y) 6= (0, 0).
Recherche des plans stables. Soit P un plan stable par f . f est diagonalisable et donc f/P
est un endomorphisme diagonalisable de P . Par suite, P est engendré par deux vecteurs propres
indépendants de f . On retrouve le plan propre de f d’équation x + 2y + z = 0 et les plans
engendrés par (1, 1, 1) et un vecteur quelconque non nul du plan d’équation x + 2y + z = 0.
L’équation générale d’un tel plan est (−a − 3b)x + (2a + 2b)y + (b − a)z = 0 où (a, b) 6= (0, 0).
39
  
6 − X −6

 5 
3. χA = −4 −1 − X 10  = (6 − X )(X 2 − 3X + 56) + 4(6X + 6) + 7(5X − 55) =


 7 −6 4 − X 
−X + 9X − 15X − 25 = −(X + 1)(X 2 − 10X + 25) = −(X + 1)(X − 5)2 .
3 2
E−1 = Vect(10, 15, 4) et E5 = Vect((1, 1, 1)). On est dans le cas où A admet une valeur propre
simple et une double mais n’est pas diagonalisable. Les droites stables par f sont les deux droites
propres.
Recherche des plans stables. Soit P un plan stable par f . Le polynôme caractéristique de
f/P est unitaire et divise celui de f . Ce polynôme caractéristique est donc soit (X − 1)(X − 5)
soit (X − 5)2 .
Dans le premier cas, f/P est diagonalisable et P est nécessairement le plan Vect((10, 15, 4)) +
Vect((1, 1, 1)) c’est-à-dire le plan d’équation 11x − 6y − 5z = 0.
Dans le deuxième cas, χf/P = (X − 5)2 et 5 est l’unique valeur propre de f/P . Le théorème de
Cayley-Hamilton montre que (f/P − 5Id)2 = 0 et donc P est contenu dans Ker(f − 5Id)2 .
Ker(f − 5Id)2 est le plan d’équation x = z qui est bien sûr stable par f car (f − 5Id)2 commute
avec f .
 
1 3 −7
Exercice 56 (***). Résoudre dans M3 (C ) l’équation X 2 =  2 6 −14 .
1 3 −7
 
1 3 −7
Correction 56. Soit A = 2 6 −14 . A est de rang 1 et donc admet deux valeurs propres égales

1 3 −7
à 0 . TrA = 0 et donc la troisième valeur propre est encore 0. Donc χA = −X 3 . A est nilpotente et
le calcul donne A2 = 0. Ainsi, si X est une matrice telle que X 2 = A alors X est nilpotente et donc
X 3 = 0.
Réduction de A. A2 = 0. Donc ImA ⊂ KerA. Soit e3 un vecteur non dans KerA puis e2 = Ae3 . (e2 )
est une base de ImA que l’on complète en (e1 , e2 ) base de KerA.
(e1 , e2 , e3 ) est une base de M3,1 (C ) car si ae1 + be2 + ce3 = 0 alors A(ae1 + be2 + ce3 ) = 0 c’est-à-dire
ce2 = 0 et donc c = 0. Puis a = b = 0 car la famille (e1 , e2 ) est libre.
Si

P est la matrice

de passage de la base canonique

de M 3,1 (C ) à la base (e1 , e2 , e3 ) alors P −1 AP =
0 0 0 3 −7 0
 0 0 1 . On voit peut prendre P =  −1 −14 0 .
0 0 0 0 −7 1
Si X 2 = A, X commute avec A et donc X laisse stable ImA et KerA. On en déduit  que Xe2 est
a 0 d
colinéaire à e2 et Xe1 est dans Vect(e1 , e2 ). Donc P −1 XP est de la forme  b c e . De plus, X est
0 0 f
nilpotente de polynôme caractéristique
  ( a − λ )( c − λ )( f − λ ) . On a donc nécessairement a = c = f = 0.
0 0 b
P −1 XP est de la forme  a 0 c .
0 0 0
0 0 b 2
   
0 0 0
Enfin, X 2 = A ⇔  a 0 c  =  0 0 1  ⇔ ab = 1.
0 0 0 0 0 0 
0 0 a1 
Les matrices X solutions sont les matrices de la forme P  a 0 b  P −1 où a est non nul et b
0 0 0
quelconque.  
14 −7 0
On trouve P −1 = 491  −1 −3 0  puis
−7 −21 49
40
 
3 − 7 0

0 0 1   14 −7 0

1  −1 −14 0   a
X = 49 a 0 b   −1 −3 0 
0 −7 1 0 0 0 −7 −21 49
 3 
−7a 0 a − 7b  14 −7 0 
1  − 14 0 − 1 − 14b 
= 49

  −1 −3 0 
 a 
−7a 0 −7b −7 −21 49

−2a − 73a + b a − 79a + 3b a3 − 7b 

= − 4 a + 1 + 2b1 2a + 3 + 6b − 1 − 14b 
, (a, b) ∈ C ∗ × C .
 7a 7a a 
−2a + b a + 3b −7b

Exercice 57 (**I). Soit A une matrice carrée réelle de format n > 2 vérifiant A3 + A2 + A = 0.
Montrer que le rang de A est un entier pair.
Correction 57. Soit P = X 3 + X 2 + X = X (X − j )(X − j 2 ). P est à racines simples dans C et
annulateur de A. Donc A est diagonalisable dans C et ses valeurs propres sont à choisir dans {0, j, j 2 }.
Le polynôme caractéristique de A est de la forme (−1)n X α (X − j )β (X − j 2 )γ avec α + β + γ = n. De
plus, A est réelle et on sait que j et j 2 = j ont même ordre de multiplicité ou encore γ = β .
Puisque A est diagonalisable, l’ordre de multiplicité de chaque valeur propre est égale à la dimension
du sous-espace propre correspondant et donc
rg(A) = n − dim(KerA) = n − α = 2β .
On a montré que rgA est un entier pair.

Exercice 58. Donner toutes les suites (xn), (yn) et (zn) telles que : (on notera ω = e iπ ) 3


xn+1 = xn + yn


∀n ∈ N ,
yn+1 = yn + zn
zn+1 = zn + xn
Parmi les solutions de ce système, donner celle qui satisfait x0 = 2 et y0 = z0 = 1.
 
Correction 58.Soit A = 101 110 011 . χA = (2 − X )(ω − X )(ω̄ − X ) donc A est diagonalisable sur C .

ker(A − 2I ) = C 111
x n (1−ω)x+y=0  =(ω−1)x  y=ω x  1 
y ∈ ker(A − ωI ) ⇔ (1−ω)y+z=0 ⇔ zy=( ⇔ donc ker(
2
A − ωI ) = C ω
(1−ω)z+x=0  ω−1) x
2
z z=ω x
2 4
ω 4

1
On en déduit que ker(A − ω̄I ) = C ω̄ 2

1 12 12  ω̄ 4
 
Ainsi en posant P = 1 ω ω̄ on obtient P −1 AP = 100 ω00 ω̄00
1 ω ω̄
4 4
x   n xn = a+b ωn +c ω̄n
n 10 ω0n 00  ab 
On en déduit que les solutions sont les suites de la forme zn = P 0 0 ω̄n c soit : yn = a+b ωnn +c ω̄nn
y n +2 +2

zn = a+b ω +c ω̄ +4 +4

où a, b, c sont trois complexes.

n a+b+c =2
En résolvant le système a+bω +cω̄ =1 on obtient la solution particulière cherchée : c’est la solution
2 2

a+bω +cω̄ =1
4 4

associée
 à a = 4/ 3 , b = c = 1/3.
 xn = 4/3 + 2/3 cos(nπ/3)

yn = 4/3 + 2/3 cos((n + 2)π/3)
zn = 4/3 + 2/3 cos((n + 4)π/3)

41
  
Exercice 59 (Réduction par blocs (Centrale MP 2003)). Soit A ∈ Mn(R) et B = A0 2AA ∈
M2n (R). Déterminer Spec(B ) et fonction de Spec(A).
Correction 59. Calcul du polynôme caractéristique de B par opérations en blocs. On obtient
χB (x) = det(x2 I − 2xA − A2 ) = (−1)n χA x√ χA x√
   

1+ 2 1− 2
donc √ √
Spec(B ) = {(1 + 2)λ, λ ∈ Spec(A)} ∪ {(1 − 2)λ, λ ∈ Spec(A)}.

Exercice 60. La suite de Fibonacci 0, 1, 1, 2, 3, 5, 8, 13, ... est la suite (Fn )n>0 définie par la relation
de récurrence Fn+1 = Fn + Fn−1 pour n > 1, avec F0 = 0 et F1 = 1.
1. Déterminer une matrice A ∈ M2 (R) telle que, pour tout n > 1,
   
Fn+1 = An F1 .
Fn F0
2. Montrer que A admet deux valeurs propres réelles distinctes que l’on note λ1 et λ2 avec λ1 
< λ2 .
3. Trouver des vecteurs propres ε1 et ε2 associés aux valeurs propres λ1 et λ2 , sous la forme α1 ,
avec α ∈ R.  
4. Déterminer les coordonnées du vecteur FF1 dans la base (ε1 , ε2 ), on les note x1 et x2 .
0
 
5. Montrer que FFn+1 = λn1 x1 ε1 + λn2 x2 ε2 . En déduire que
n
n n
Fn = λ λ−1 λ − λ λ−2 λ .
1 2 1 2
6. Donner un équivalent de Fn lorsque n tend vers +∞.
Correction 60. La suite de Fibonacci 0, 1, 1, 2, 3, 5, 8, 13, ... est la suite (Fn)n>0 définie par la relation
de récurrence Fn+1 = Fn + Fn−1 pour n > 1, avec F0 = 0 et F1 = 1.
1. Déterminons une matrice A ∈ M2 (R) telle que, pour tout n > 1,
   
Fn+1 = An F1 .
Fn F0
      
F
On a F = n +1 F n + Fn − 1 1
= 1 0 F1 Fn .
n Fn  
n−1  
Notons, pour n > 1, Xn le vecteur F F n 1 1
et A la matrice 1 0 . Nous allons démontrer,
n−1
par récurrence sur n que pour tout n > 1, on a Xn = An X0 , c’est clairement vrai pour n = 1,
supposons que ce soit vrai pour un n arbitrairement fixé, on a alors
Xn+1 = AXn = AAn X0 = An+1X0 ,
d’où le résultat.
2. Montrons que A admet deux valeurs propres réelles distinctes que l’on note λ1 et λ2 avec λ1 < λ2 .
On a  
1 − X 1 
PA (X ) =  1 −X  = X 2 − X − 1.


Le discriminant ∆ = 5 > 0, le polynôme caractéristique admet deux racines distinctes

√ √
−
λ1 = 2 < λ2 = 2 5 .
1 5 1 +

42
  
3. Trouvons des vecteurs propres ε1 et ε2 associés aux valeurs propres λ1 et λ2 , sous la forme α1 ,
avec α ∈ R.  
Posons ε1 = α1 et calculons α tel que Aε1 = λ1 ε1 , c’est-à-dire
    
1 1 α =λ α
1 0 1 1 1
ce qui équivaut à (
α + 1 = λ1 α
α = λ1
⇐⇒ α = λ1
   
2 λ
car λ1 − λ1 − 1 = 0, on a donc ε1 = 1 et, de même, ε2 = λ12
1
 
4. Déterminons les coordonnées du vecteur FF1 dans la base (ε1 , ε2 ), on les note x1 et x2 .
0
On cherche x1 et x2 tels que
       
F1 = 1 = x ε + x ε = x λ1 + x λ2 ,
F0 0 11 22 1 1 2 1
x1 et x2 sont donc solutions du système
= λ −λ = √

1 −1
x1
( ( 

x1 λ1 + x2 λ2 = 1 x1 (λ1 − λ2 ) = 1 1 2 5
x1 + x2 = 0
⇐⇒ x = −x ⇐⇒  1 1
2 1  x2 = −
λ −λ = √

1 2 5
 
5. Montrons que FFn+1 = λn1 x1 ε1 + λn2 x2 ε2 .
n
Les vecteurs ε1 et ε2 étant vecteurs propres de A, on a Aε1 = λ1 ε1 et Aε2 = λ2 ε2 , ainsi par
récurrence, on a, pour tout n > 1, An ε1 = λn1 ε1 et An ε2 = λn2 ε2 . Ainsi,
   
Fn+1 = An F1 = An(x ε + x ε ) = x Anε + x Anε = λn x ε + λn x ε .
Fn F0 11 22 1 1 2 2 1 11 2 22

On en déduit que n n
Fn = λ λ−1 λ − λ λ−2 λ .
1 2 1 2
   
On a montré que ε1 = λ11 et ε2 = λ12 , on a donc,
       
Fn+1 = λn 1 λ1 + λn −1 λ2 ,
Fn 1 λ1 − λ2 1 2 λ1 − λ2 1
d’où le résultat n n
Fn = λ λ−1 λ − λ λ−2 λ .
1 2 1 2
6. Donnons un équivalent de Fn lorsque n tend vers +∞.
On remarque que |λ1 | < 1 et |λ2 | > 1 ainsi, lorsque n tend vers l’infini, λn1 tend vers 0 et λn2
tend vers +∞. On a donc
n
lim (λ − λ1 ) Fλnn = n→lim
n→+∞ 2 + ∞ − λλn1 + 1 = 1.
2 2
n
Ce qui prouve que λ λ−2 λ est un équivalent de Fn lorsque n tend vers +∞.
2 1
43
Exercice 61 (Suites récurrentes linéaires). Soit (un) une suite réelle vérifiant l’équation de récurrence :
un+3 = 6un+2 − 11un+1 + 6un .
 
un
1. On pose Xn = un+1 . Montrer qu’il existe une matrice A ∈ M3 (R) telle que Xn+1 = AXn .

un+2
2. Diagonaliser A. En déduire un en fonction de u0 , u1 , u2 et n.
 
1 1 1

Correction 61. 2. P = 1 2 3, D = 1 2 3 .
1 4 9
2un = (6 − 6.2 + 2.3 )u0 + (−5 + 8.2n − 3.3n )u1 + (1 − 2.2n + 3n )u2 .
n n

Exercice 62 (Chimie P’ 1996). Soit (Mn ) une suite de points dans le plan, de coordonnées (xn, yn)
définies par la relation de récurrence :

xn+1 = −xn + 2yn
yn+1 = −3xn + 4yn.
1. Montrer que, quelque soit M0 , les points Mn sont alignés.
2. Étudier la suite (Mn ) quand n tend vers l’infini.
3. Quelle est la limite de yn /xn (utiliser une méthode géométrique) ?

Correction 62. 1. Diagonaliser tM ⇒ yn − 32 xn = cste.

2. yn − xn = 2n (y0 − x0 ) donc si y0 6= x0 alors Mn → ∞ sinon la suite est constante.
3. 32 si y0 =
6 x0 .

Exercice 63 (A3 est semblable à A4 ). Quelles sont les matrices A ∈ M3 (C ) telles que A3 est semblable
à A4 ? On étudiera séparément les cas :
1. A a 3 valeurs propres distinctes.
2. A a 2 valeurs propres distinctes
3. A a une seule valeur propre.

Correction 63. 1. A ∼ diag(1, α, α−1 ) où α est une racine primitive 7ème de 1,

A ∼ diag(α, α10 , α−11 ) où α est une racine primitive 37ème de 1.
2. pas de solution.
3. vp = 0 ou 1.
 
−1
2 0
Exercice 64 (Trigonalisation de matrices). Soit A = 2 2 −3 et ϕ l’endomorphisme de R3

−2 2 1
canoniquement associé à A.
1. Vérifier que A n’est pas diagonalisable.
2. Chercher deux vecteurs propres de A linéairement indépendants.
3. Compléter ces vecteurs en une base de R3 .
4. Écrire la matrice de ϕ dans cette base.
5. Résoudre le système différentiel : X ′ = AX .

44
Correction 64. 1. 1 est valeur propre double, d1 = 1.
   
1 2
2. 1, 1.
1 2
 
1
3. 0.
0
 
1 0 6
4. 0 0 −4.
0 0 1
 
(6αt + γ )et + 2β
5. X = (6αt + γ + 3α)et + β .
(6αt + γ − α)et + 2β
 
3 1 0
Exercice 65 (**). Soit A = −4 −1 0 .

4 8 −2
1. Vérifier que A n’est pas diagonalisable.
2. Déterminer Ker(A − I )2 .
 
a 0 0
3. Montrer que A est semblable à une matrice de la forme  0 b c 
0 0 b
4. Calculer An pour n entier naturel donné.
Correction 65. 1. χA = −(2 + X )((3 − X )(−1 − X ) + 4) = −(X + 2)(X 2 − 2X + 1) = −(X +
2)(X − 1)2 .
A diagonalisable ⇒ dim(Ker(A − I )) = 2 ⇒ rg(A− I )= 1 ce qui n’est pas . Donc A n’estpas
0 1
diagonalisable. De plus, E−2 = Vect(e1 ) où e1 =  0  et E1 = Vect(e2 ) où e2 =  −2 .
1 −4
    
2 1 0 2 1 0 0 0 0
2. (A − I )2 =  −4 −2 0   −4 −2 0  =  0 0 0  et donc Ker(A − I )2
4 8 −3 4 8 −3 −36 −36 9
est le plan d’équation 4x + 4y − z = 0.
3. On note f l’endomorphisme de R3 dont la matrice dans la base canonique de R3 est A.
Le théorème de Cayley-Hamilton et le théorème de décomposition des noyaux permettent
d’affirmer
M3(R) = Ker(A + 2I ) ⊕ Ker(A − I )2 .
De plus, chacun des sous-espaces Ker(A +2I ) et Ker(A − I )2 étant stables par f , la matrice de f
dans toute base adaptée à cette décomposition est diagonale par blocs. Enfin, Ker(A − I ) est une
droite vectorielle contenue dans le plan Ker(A − I )2 et en choisissant une base de Ker(A − I )2
dont l’un des deux vecteurs

est

dans Ker(A − I), la matrice de f aura la forme

voulue.
0 1 1
On a déjà choisi e1 =  0  et e2 =  −2  puis on prend e3 =  −1 . On note P =
 
1 −4  
0
0 1 1 −4 −4 1
 0 −2 −1 . P est inversible d’inverse P −1 =  −1 −1 0 . On peut déjà affirmer
1 −4 0 
2 1 0
−2 0 0 
que P −1 AP est de la forme  0 1 × . Plus précisément
0 0 1
45
       
3 1 0 1 1 1
Ae3 − e3 =  −4 −1 0  −1  − −1 = −2  = e2
4 8 −2 0 0 −4
et donc Ae3 = e2 + e3 puis
    
0 1 1 −4 −4 1 −2 0 0 
A = PTP −1 où P =  0 −2 −1 , P −1 =  −1 −1 0  et T =  0 1 1 .
1 −4 0 2 1 0 0 0 1

4. Soit n ∈ N . Posons T = D + N où D = diag(−2, 1, 1) et N = E2,3 . On a ND = DN et N 2 = 0.

Puisque les matrices D et N commutent, la formule du binôme de Newton permet d’écrire

T n = Dn + nDn−1 N = diag((−2)n , 1, 1) + ndiag((−2)n−1 , 1, 1)E2,3 = diag((−2)n , 1, 1) + nE2,3

 
(−2)n 0 0
= 0 1 n .
0 0 1
Puis
   
0 1 1 (−2)n 0 0 −4 −4 1
n n − 1
A = PT P =  0 −2 −1   0 1 n   −1 −1 0 
1 −4 0 0 0 1 2 1 0
    
0 1 n+1 −4 −4 1 2n + 1 n 0
=  0 −2 −2n − 1   −1 −1 0 =
  −4n −2n + 1 0 
(−2)n −4 −4n 2 1 0 −4(−2)n − 8n + 4 −4(−2)n − 4n + 4 (−2)n
 
2n + 1 n 0
∀n ∈ N , An =  −4n −2n + 1 0 .
−4(−2) − 8n + 4 −4(−2) − 4n + 4 (−2)n
n n

Exercice 66 (***). Soient f et g deux endomorphismes d’un C -espace vectoriel de dimension finie
non nulle qui commutent. Montrer que f et g sont simultanément trigonalisables.

Correction 66. Montrons le résultat par récurrence sur n = dimE > 1.

• Si n = 1, c’est clair.
• Soit n > 1. Supposons que deux endomorphismes d’un C -espace de dimension n qui commutent
soient simultanément trigonalisables.
Soient f et g deux endomorphismes d’un C -espace vectoriel de dimension n + 1 tels que fg = gf .
f et g ont au moins un vecteur propre en commun. En effet, f admet au moins une valeur propre λ.
Soit Eλ le sous-espace propre de f associé à λ. g commute avec f et donc laisse stable Eλ . La restriction
de g à Eλ est un endomorphisme de Eλ qui est de dimension finie non nulle. Cette restriction admet
donc une valeur propre et donc un vecteur propre. Ce vecteur est un vecteur propre commun à f et g.
Commençons à construire une base de trigonalisation simultanée de f et g. Soit x un vecteur propre
commun à f et g. On complète la famille libre (x) en une  base B = (x, ...) de E. Dans labase B, les
matrices M et N de f et g s’écrivent respectivement M = λ0 M× et N = µ0 N× où M1 et
1 1
N1 sont de format n. Un calcul par blocs montre que M1 et N1 commutent ou encore si f1 et g1 sont
les endomorphismes de C n de matrices M1 et N1 dans la base canonique de C n , f1 et g1 commutent.
Par hypothèse de récurrence, f1 et g1 sont simultanément trigonalisables. Donc il existe une matrice
inversible de format n P1 et deux matrices triangulaires supérieures de format n T1 et T1′ telles que
P1−1 M1 P1 = T1 et P1−1 N1 P1 = T1′ .
46
  
Soit P = 10 P0 . P est inversible de format n + 1 car detP = detP1 6= 0 et un calcul par blocs
1
montre que P −1 MP et P −1 NP sont triangulaires supérieures.
P est donc la matrice de passage de la base B à une base de trigonalisation simultanée de f et g.

47