DIAGONALISATION

EXERCICE 1.
E = R3 est rapport sa base canonique e = {e1 , e2 , e3 }. f est lendomorphisme de matrice M dans cette base :

1 1
1

M = 2
0 1

1
2 2

1.
2.
3.
4.
5.
6.

Dterminer son polynme caractristique.

Calculer ses valeurs propres.
Donner une base des sous-espaces propres.
Dcider si f est diagonalisable.
Donner ventuellement lexpression diagonalise.
Vrifier en utilisant les matrices de changement de base.

EXERCICE 2.
Faire, pour la matrice A suivante, une tude semblable celle de lexercice 1 pour la matrice M :

3
5 5

A = 5 7
5

3
5 5

EXERCICE 3.
E = R3 est rapport sa base canonique e = {e1 , e2 , e3 }. f est lendomorphisme de matrice B dans cette base :

3 1
1

B = 1 1 1

0 0
1

1.
2.
3.
4.
5.
6.

Dterminer son polynme caractristique.

Calculer ses valeurs propres.
Donner une base des sous-espaces propres.
Dcider si f est diagonalisable.
Donner ventuellement lexpression diagonalise.
Vrifier en utilisant les matrices de changement de base.

EXERCICE 4.
Faire, pour la matrice C suivante, une tude semblable celle de lexercice 3 pour la matrice B :

3 1
1 1

0
1 0
0

C=
2 1 2
4

1 1 2
2

EXERCICE 5.
Soit M une matrice 55 relle dont le polynme caractristique est :
P (X) = (X + 1)2 (X 2)3.
1. Quelles sont les valeurs propres de M ?
2. M est-elle diagonalisable ?
3. On suppose de plus que les sous-espaces propres sont de dimension 2. Que conclure ?

EXERCICE 6.
E = R4 est rapport sa base canonique e = {e1 , e2 , e3 , e4}. f est lendomorphisme de matrice M dans cette base :
2
0 0 0
4 6 4 4

M=
4 4 2 4

0 4 4 2
1. Quelle est la matrice de g = f 2 dans la base {e} ?
2. Quels sont les vecteurs propres et les valeurs propres de g ?
3. Montrer que si est une valeur propre de f , alors = 2 est valeur propre de g.
4. En dduire les seules valeurs propres possibles pour f.
5. Pour un vecteur x quelconque de E, montrer que :
f(x) + 2 x Ker (f 2 idE )
f(x) 2 x Ker (f + 2 idE )
6. Construire un systme de gnrateurs de E form de vecteurs propres de f.
7. Diagonaliser f , soit directement, soit en utilisant ce qui prcde.

EXERCICE 7.
Etudier le rang, limage, le noyau, les sous-espaces propres,
loprateur associ :
1 / 2 1 /

A = 1 / 2
1/

le polynme caractristique et le polynme minimal de

2 1/ 2
2 1/ 2
0

Peut-on diagonaliser cette matrice ?

EXERCICE 8.
Etudier le rang, limage, le noyau, les sous-espaces propres, le polynme caractristique et le polynme minimal de
loprateur associ :
1
0 1

B = 1 1 2 .

0
1 1
Peut-on diagonaliser cette matrice ?

EXERCICE 9.
Etudier le rang, limage, le noyau, les sous-espaces propres, le polynme caractristique et le polynme minimal de
loprateur associ :

0 7 6

C = 1 4 0 .

0 2 2

Peut-on diagonaliser cette matrice ?

EXERCICE 10.
Etudier le rang, limage, le noyau, les sous-espaces propres, le polynme caractristique et le polynme minimal de
loprateur associ :

0 0 4 0
2 1 4 1
.
D=
0 0 2 0

4 0 8 2
Peut-on diagonaliser cette matrice ?

EXERCICE 11.
Etudier la matrice n lignes et n colonnes :

F=

1 1 L 1
1 1 L 1

G=

0 L 0 1
0 L 1 0

M M O M
1 1 L 1

EXERCICE 12.
Etudier la matrice n lignes et n colonnes :

M N M
1 L 0

M
0

EXERCICE 13.
Etudier la matrice n lignes et n colonnes :

H=

L
O

M O O
L

EXERCICE 14.
Soit A une matrice symtrique relle n lignes et n colonnes telle quil existe un entier k vrifiant Ak = In .Montrer que
A 2 = In .

EXERCICE 15.
Vrai ou Faux.
E est un espace vectoriel de dimension finie sur un corps de nombres complexes K. Soit f un endomorphisme de E. Id est
lapplication identique. Donnez votre opinion sur les assertions suivantes ( justifier par une dmonstration).
01. Si f 2 = f , alors f est inversible.
02. Si f est inversible, alors f 1 est diagonalisable.
03. Si f est diagonalisable, alors f est inversible.
04. Si f est inversible, alors f 2 lest aussi.
05. Si f est diagonalisable, alors f 2 lest aussi.
06. Si f 2 = f, alors f est diagonalisable.
07. Si f 2 = Id, alors f est inversible.
08. Si f est inversible et diagonalisable, alors f1 est diagonalisable.
09. Si la matrice de f par rapport une base {u} est symtrique, alors f est diagonalisable.
10. Le noyau de f est un sous-espace propre de f.
11. Limage et le noyau dun endomorphisme diagonalisable et non inversible forment une somme directe.
12. Si une matrice lments dans R est diagonalisable et inversible, son inverse est diagonalisable.
13. La somme de deux endomorphismes diagonalisables dans R 2 nest pas forcment diagonalisable.
14. La matrice :

3 0
8

A=
3 1 6

2 0 5
est diagonalisable.

DIAGONALISATION
EXERCICE 1.
E = R3 est rapport sa base canonique e = {e1 , e2 , e3 }. f est lendomorphisme de matrice M dans cette base :

1 1
1

M = 2
0 1

1
2 2
1. Dterminer son polynme caractristique.
2. Calculer ses valeurs propres.
3. Donner une base des sous-espaces propres.
4. Dcider si f est diagonalisable.
5. Donner ventuellement lexpression diagonalise.
6. Vrifier en utilisant les matrices de changement de base.

SOLUTION.
1/ Polynme caractristique.
Le polynme caractristique de la matrice

M=

1
2

1
1
0 1

est le dterminant de la matrice M idE .

P () = Dt (M idE ) =

2 2 1
On ne change pas la valeur du dterminant en ajoutant la 2e ligne la 1e :
1 1
1
1 1
0
2

2 1

On peut mettre (1 + ) en facteur dans la 1 ligne :

1 1
1

= (1 + )

2 2 1
2 2 1
e
On ne change pas la valeur du dterminant en retranchant la 1 colonne de la 2e.
1 1
1
1
0
0
2

= (1 + )

2 2 1
On peut dvelopper le dterminant par rapport la 1e ligne.
1 1
1
2

= (1 + )

2 2 1
On peut dvelopper le dterminant par rapport la 1e colonne.

0 1
2

0 1

= (1 + )(2 )(1 )

Le polynme caractristique de la matrice M est P () = (+1)( 1)( 2)

2/ Valeurs propres.
Les valeurs propres de la matrice M sont les racines du polynme caractristique : 1, 1, 2. Ces racines sont
toutes trois relles et simples.
Les valeurs propres de la matrice M sont 1 = 1, 2 = 1, 3 = 2.

3/ Sous-espaces propres.
Comme les valeurs propres sont relles et distinctes, chaque sous-espace propre est de dimension 1 et engendr
par un vecteur propre quelconque pour la valeur propre correspondante.
Le sous-espace propre pour une valeur propre est le noyau de la matrice M I.
2 1 1

pour la valeur propre 1 = 1, M 1 I = 2 1 1 . Rduisons cette matrice :

2 2 2
2 1 1
1 0 0

2 1 1
0 1 0

2 2 2
0 0 1
Ajoutons la 2e colonne la 3e, et ajoutons deux fois la 2e colonne la 1e
0 1 0
1 0 0

0 1 0
2 1 1

6 2 0
0 0 1
La matrice M 1 I est de rang 2 (les deux premires colonnes de la matrice rduite forment une famille libre
0

de vecteurs), et son noyau a pour base par le vecteur a1 = 1 .

1
0 1 1

pour la valeur propre 2 = 1, M 2 I = 2 1 1 . Rduisons cette matrice :

2 2 0
0 1 1
1 0 0

2 1 1
0 1 0

2 2 0
0 0 1
Soustrayons de la 1e colonne la somme des deux autres, puis ajoutons la 2e colonne la 3e :

0 0 1
1 0 0

0 2 1
1 1 0

0 2 0
1 1 1
La matrice M 2 I est de rang 2 (les deux dernires colonnes de la matrice rduite forment une famille libre
1

de vecteurs), et son noyau a pour base par le vecteur a2 = 1 .

 1 1 1

pour la valeur propre 3 = 2, M 3 I = 2 2 1 . Rduisons cette matrice :

2 2 1
1 1 1
1 0 0

2 2 1
0 1 0

2 2 1
0 0 1
Soustrayons de la 1e colonne la 2e, puis ajoutons la 2e colonne la 3e :
0 0 1
1 0 0

0 3 1
1 1 0

0 3 1
0 1 1
La matrice M 3 I est de rang 2 (les deux dernires colonnes de la matrice rduite forment une famille libre
1

de vecteurs), et son noyau a pour base par le vecteur a3 = 1 .

4/ Diagonalisation.
Le polynme minimal de M est ( + 1)( 1)( 2). Ses racines sont relles et dordre 1 : la matrice M est donc
diagonalisable.
0
1 1 0
1
1

Soit P = 1 1 1 la matrice des vecteurs propres {a1 , a2 , a3 } : P 1 = 1 1 1 . On a :

1
1 1 0
0 1
1 1 0
1 1
1 0
1
1 1 0 0

0 1 1 1 1 =
0 1 0
P 1 M P = 1 1 1 2

1 2
2
1 1 1 0
0 0 2
0 1
La matrice P est la matrice du changement de base [idE ,{a},{e}]. La relation prcdente montre que lon a :
1 0 0

[ f ,{a},{a}] = [idE ,{e},{a}][ f ,{e},{e}][idE ,{a},{e}] =

0 1 0 .

0 0 2

Lendomorphisme f se dcompose donc en :

0

une homothtie de rapport 1 (symtrie) sur laxe dfini a1 = 1 = e2 + e3 ;

une homothtie de rapport 1 (identit) sur laxe dfini par a2 = 1 = e1 e2 e3 ;

une homothtie de rapport 2 sur laxe dfini par a3 = 1 = e1 e2 .

Les vecteurs de la base canonique sont donns, en fonction de la base propre, par :
e1 = a 1 + a 2
e2 = a 1 + a 2 a 3
e3 = a 3 a 2

EXERCICE 2.
Faire, pour la matrice A suivante, une tude semblable celle de lexercice 1 pour la matrice M :

3
5 5

A = 5 7
5

3
5 5

SOLUTION.
1/ Polynme caractristique.
3
P() = Dt (A I) =

5 7

5
5 3
On ne change pas la valeur du dterminant en ajoutant la 3e colonne la 2e.
3
0
5
P() =

5 2

5 2

On peut mettre en facteur dans le dterminant le facteur commun (2 + ) de la 2e colonne.

3 0
5
P() = (2 + )

5 1 3
On ne change pas la valeur du dterminant en ajoutant 5 fois la 2e colonne la 1e colonne.
3 0
5
P() = (2 + )

0 1 3
On ne change pas la valeur du dterminant en retranchant la 2e ligne de la 3e.
3 0
5
P() = (2 + )

0 0 2
On peut dvelopper le dterminant par rapport la 1e colonne.
1
5
P() = (2 + )(3 )
.
0 2
On peut dvelopper le dterminant par rapport la 1e colonne.
P() = (2 + )(3 )(2 + ).
P () = ( + 2)2 ( 3)

2/ Polynme minimal.

Le thorme de Hamilton-Cailey donne : (A + 2 I )2 (A 3 I ) = 0. On a, en fait : (A + 2 I )(A 3 I ) = 0. Ceci

signifie que le polynme minimal de la matrice A est ( + 2)( 3). Les racines du polynme minimal sont
simples et relles. Il en rsulte que la matrice A est diagonalisable.

3/ Valeurs propres.

Les valeurs propres de la matrice A sont les racines de son polynme caractristique : 1 = 2 et 2 = 3. Le
spectre de A est {2 ; 3}.

4/ Vecteurs propres.
Le sous-espace propre relativement la valeur propre 1 = 2 est le noyau de la matrice

1
1 1

A + 2 I = 5 1 1
1 .

1
1 1
Rduisons cette matrice :
1 1 1
1 0 0

1 1 1
0 1 0

1 1 1
0 0 1
Ajoutons la 3e colonne la 1e et la 2e :
0 0 1
1 0 0

0 0 1
0 1 0

0 0 1
1 1 1
1
0

Ce calcul montre que la matrice A + 2 I est de rang 1, et que les vecteurs a1 = 0 et a2 = 1

1
1
forment une base de son noyau. On peut donc prendre les vecteurs a1 et a2 comme base du sous-espace propre
pour la valeur propre 1 = 2.
Le sous-espace propre relativement la valeur propre 1 = 3 est le noyau de la matrice
0 1 1

A 3 I = 5 1 2 1 .

1 1 0
Rduisons cette matrice :
0 1 1
1 0 0

1 2 1
0 1 0

1 1 0
0 0 1
Retranchons de la 1e colonne, la somme des deux autres, puis ajoutons la 2e colonne la 3e :
0 0 1
1 0 0

0 1 1
1 1 0

0 1 0
1 1 1
1

Ce calcul montre que la matrice A 3 I est de rang 2, et que le vecteur a3 = 1 forme une base de son

1
noyau. On peut donc prendre le vecteur a3 comme base du sous-espace propre pour la valeur propre 2 = 3.

5/ Diagonalisation.

Soit P =

0 1 1

0 1 1 une matrice de vecteurs propres de A. Son inverse est P 1 = 1 2 1 .

1 1 1
1 1 1
0 1 1 3 5 5 1 0 1 2 0 0

1
P A P = 1 2 1 5 7
5 0 1 1 = 0 2 0

3 1 1 1 0 0 3
1 1 1 5 5
Cest la matrice diagonale des valeurs propres de la matrice A. La matrice A est donc diagonalisable, ce qui
rsulte aussi du fait quil existe une base forme de vecteurs propres.
1 0

EXERCICE 3.
E = R3 est rapport sa base canonique e = {e1 , e2 , e3 }. f est lendomorphisme de matrice B dans cette base :

3 1
1

B = 1 1 1

0 0
1

1. Dterminer son polynme caractristique.

2. Calculer ses valeurs propres.
3. Donner une base des sous-espaces propres.
4. Dcider si f est diagonalisable.
5. Donner ventuellement lexpression diagonalise.
6. Vrifier en utilisant les matrices de changement de base.

SOLUTION.
1/ Polynme caractristique.
3
P () = Dt (B I) =

1 1

0
0 1
On peut dvelopper le dterminant par rapport la 1e colonne :
1
1
1
1
P () = (3 )
+
= (3 )(1 )2 + (1 ) = (1 )[(3 )(1 ) + 1]
0 1
0 1
P () = (1 )( 2 4 + 4) = ( 1)( 2)2
P () = ( 1)( 2)2

2/ Polynme minimal.

1
1 0

Le thorme de Hamilton-Cailey donne : (B I )(B 2 I )2 = 0. On a : (B I )(B 2 I ) = 1 1 0

0
0 0

donc le polynme minimal de la matrice B est le polynme ( 1)( 2)2. Les racines du polynme minimal
sont relles, mais ne sont pas simples. Il en rsulte que la matrice B nest pas diagonalisable.

3/ Valeurs propres.
Les valeurs propres de la matrice B sont les racines de son polynme caractristique : 1 et 2. Le spectre est
lensemble {1 ; 2}.

4/ Vecteurs propres.
2 1 1

Les vecteurs propres pour la valeur propre 1 = 1 forment le noyau de la matrice B 1 I = 1 0 1

0 0 0
Rduisons cette matrice :
2 1 1
1 0 0

1 0 1
0 1 0

0 0 0
0 0 1

Retranchons de la 1e colonne la somme des deux autres ; retranchons de la 3e colonne, la 2e :

0 1 0
1 0 0

0 0 1
1 1 1

0 0 0
1 0 1
Ce calcul montre que la matrice B I est de rang 2 et que son noyau, de dimension 1, est engendr par le
vecteur propre
1

a1 = 1 .

1
1 1 1

Les vecteurs propres pour la valeur propre 2 = 2 forment le noyau de la matrice B 2 I = 1 1 1

0 0 1
Rduisons cette matrice :
1 1 1
1 0 0

1 1 1
0 1 0

0 0 1
0 0 1
Retranchons de la 1e colonne la 2e , puis retranchons de la 2e colonne la 3e:
0 0 1
1 0 0

0 0 1
1 1 0

0 1 1
0 1 1
Ce calcul montre que la matrice B 2 I est de rang 2 et que son noyau, de dimension 1, est engendr par le
vecteur propre
1

a2 = 1 .

5/ Diagonalisation.
Comme E = R 3 nest pas somme directe de sous-espace propres, la matrice B nest pas diagonalisable. On peut
cependant la triangulariser en prenant, pour complter la famille {a1 , a2 } de vecteur propres en une base de E,
un vecteur a3 dans limage de B I mais nappartenant pas au noyau de B 2 I , par exemple, le vecteur
1

a3 = 0 .

6/ Triangularisation.

Soit P =

1 1 0 la matrice des vecteurs de la famille a = {a1 ,

1 0 0
0 0 1

1
base de E, la matrice P est inversible, son inverse est P = 0 1 1

1 1 0
1

P1 B P =

1 0

3
1
0

1 1
0

a2 , a3 }. Comme la famille a est une

et lon a :

1
1 1 1 0

1 1 0 = 0 2

1 0 0 0 0

0
1
2

Le rsultat nest pas une matrice diagonale, mais une matrice dont la restriction au sous-espace engendr par les
vecteurs {a2 , a3 } est triangulaire.

EXERCICE 4.
Faire, pour la matrice C suivante, une tude semblable celle de lexercice 3 pour la matrice B :

3 1
1 1

0
1 0
0

C=
2 1 2
4

1 1 2
2

SOLUTION.
1/ Polynme caractristique.
3

1
1

P () = Dt (C I) =

2
1
1
2
e
On ne change pas la valeur du dterminant en ajoutant la 3 colonne la 2e et la 4e.
3
0
1
0
0 1
P () =

4 1

0
.

1 1

2
0
1 1
On peut mettre en facteur (1 ) dans la 2e colonne et dans la 4e colonne.
3 0
1 0
P () = (1 )2

0
4

0 0

1 1

2 0
1 1
On ne change pas la valeur du dterminant en retranchant la 2e ligne de la 3e.
3 0
1 0
P () = (1 )2

0 0
1

2 0
1 1
On peut dvelopper le dterminant par rapport la 2e colonne.
3
1 0
P () = (1 )2

2
1 1
On ne change pas la valeur du dterminant en retranchant la 3e ligne de la 2e.
3
1 0
P () = (1 )2

2 1 1
On peut dvelopper le dterminant par rapport la 3e colonne.
3
1
P () = (1 )2
.
2
On peut dvelopper le dterminant par rapport la 1e colonne.

P () = (1 )2 ( (3 ) + 2) = ( 1)2 (2 3 + 2) = ( 1)3 ( 2)
P () = ( 1)3 ( 2)

2/ Polynme minimal.
Le thorme de Hamilton-Cailey donne : (C I )3 (C 2 I ) = 0. Le produit (C I )(C 2 I ) est nul, donc le
polynme minimal de la matrice C est ( 1)( 2). Ses racines sont relles et simples. Il en rsulte que :
1. la matrice C est diagonalisable,
2. il existe une base forme de vecteurs propres.
3. la matrice C 2 I est de rang 3 ; son noyau, sous-espace propre pour la valeur propre 2, est de dimension 1,
cest limage de la matrice C I : Im (C 2 I) = Ker (C I)
4. la matrice C I est de rang 1 : son noyau, sous-espace propre pour la valeur propre 1, est de dimension 3,
cest limage de la matrice C 2 I : Im (C I) = Ker (C 2 I).
5. R 4 = Ker (C 2 I) Ker (C I)

3/ Valeurs propres.
Les valeurs propres de la matrice C sont les racines du polynme caractristique P () : 1 = 1 et 2 = 2. Le
spectre de C est {1 ; 2}.

4/ Vecteurs propres.

(C I ) =

1 1

0
0
0
0
. On peut la rduire de la faon suivante :
2 2
2
4

1 1
1
2
2 1 1 1
1 0 0 0
0 0 0 0
0 1 0 0

4 2 2 2
0 0 1 0

2 1 1 1
0 0 0 1
Ajouter la 1e colonne 2 fois la 2e, ajouter la 2e colonne la 3e, ajouter la 4e colonne la 3e :
0 0 1 0
1 0 0 0
0 0 0 0
2 1 0 0

0 0 2 0
0 1 1 1

0 0 1 0
0 0 0 1
Ce calcul montre que la matrice C I est de rang 1. Son noyau a pour base les vecteurs :
1
0
0
2
1
0
a2 =

a1 =
a3 =
0
1
1

0
0
1
Ces vecteurs sont vecteurs propres pour la valeur propre triple 1.
1
0
. Ce vecteur est vecteur propre pour la valeur propre simple 2.
Son image a pour base le vecteur a4 =
2

1
2

La famille {a1 , a2 , a3 , a4 } forme une base de E constitue de vecteurs propres. E = R 4 est somme directe de
sous-espaces propres de dimension 1.

5/ Diagonalisation.
Comme il existe une base forme de vecteurs propres, la matrice C est diagonalisable. Soit P la matrice des
vecteurs propres {a1 , a2 , a3 , a4 } :
1 0 0 1
2 1 0 0

P=
0 1 1 2

0 0 1 1
Comme la famille a = {a1 , a2 , a3 , a4 } est une base, la matrice P est la matrice de changement de base :
P = [idE , {a},{e}]
Cette matrice est inversible, son inverse est :
1 1 1 1
2 1 2 2

P1 =
2 1 1 0

2 1 1 1
et lon a :
1 0 0 0

0 1 0 0
1
P CP=
0 0 1 0

0 0 0 2
Cest la matrice diagonale des valeurs propres. Cette diagonalisation montre que lendomorphisme f de matrice C
sur la base canonique de R 4 peut se dcomposer en :
application identique dans le sous-espace propre engendr par les vecteurs {a1 , a2 , a3 },
homothtie de rapport 2 dans le sous-espace propre engendr par le vecteur a4.

EXERCICE 5.
Soit M une matrice 55 relle dont le polynme caractristique est :
P (X) = (X + 1)2 (X 2)3.
1. Quelles sont les valeurs propres de M ?
2. M est-elle diagonalisable ?
3. On suppose de plus que les sous-espaces propres sont de dimension 2. Que conclure ?

SOLUTION.
1/ Valeurs propres.
La matrice M a, par hypothse, pour polynme caractristique : P () = ( + 1)2 ( 2)3. Les valeurs propres de
la matrice M sont les racines du polynme caractristique, ce sont donc les nombres 1 et 2. La valeur propre 1
est dordre de multiplicit 2, la valeur propre 2 est dordre de multiplicit 3. La matrice M possde donc un sousespace propre pour la valeur propre 1 et un sous-espace propre pour la valeur propre 2.

2/ Diagonalisation.
Cependant le polynme caractristique ne permet pas de conclure quand au caractre diagonalisable ou non de la
matrice M. Pour que la matrice M soit diagonalisable, il faudrait que le polynme minimal de la matrice M soit
Pu () = ( + 1)( 2)
de telle sorte que la matrice (M + I ) soit de rang 3 et la matrice (M 2 I ) de rang 2. Dans ce cas, le noyau de la
matrice (M + I ), cest--dire le sous-espace propre relativement la valeur propre 1, serait de dimension 2 et le
noyau de la matrice (M 2 I ), cest--dire le sous-espace propre relativement la valeur propre 2, serait de
dimension 3.

3/ Dimension des sous-espaces propres.

La matrice M nest diagonalisable que si, pour toute valeur propre, la dimension du sous-espace
propre correspondant est gale lordre de multiplicit de la valeur propre dans le polynme
caractristique de la matrice.
Dans le cas o les sous-espaces propres sont tous deux de dimension 2, la dimension du sous-espace propre
relatif la valeur propre 1 est gale lordre de multiplicit de cette valeur propre dans le polynme
caractristique, de sorte que la restriction de M ce sous-espace propre est diagonalisable et sa diagonalise
comportera uniquement des 1 sur la diagonale.
La dimension du sous-espace propre relatif la valeur propre 2, par contre, nest pas gale lordre de
multiplicit de la valeur propre 2 dans le polynme caractristique et la restriction de M au noyau de la matrice
(M + I )2 conservera une partie triangulaire.
Le polynme minimal de la matrice M est ( + 1)2 ( 2)2 et il est possible de trouver une base de R 5 dans
laquelle la matrice de lendomorphisme de matrice M dans la base canonique prend la forme :

1
0

1 0

EXERCICE 6.
E = R4 est rapport sa base canonique e = {e1 , e2 , e3 , e4}. f est lendomorphisme de matrice M dans cette base :
2
0 0 0
4 6 4 4

M=
4 4 2 4

0 4 4 2
1. Quelle est la matrice de g = f 2 dans la base {e} ?
2. Quels sont les vecteurs propres et les valeurs propres de g ?
3. Montrer que si est une valeur propre de f , alors = 2 est valeur propre de g.
4. En dduire les seules valeurs propres possibles pour f.
5. Pour un vecteur x quelconque de E, montrer que :
f(x) + 2 x Ker (f 2 idE )
f(x) 2 x Ker (f + 2 idE )
6. Construire un systme de gnrateurs de E form de vecteurs propres de f.
7. Diagonaliser f , soit directement, soit en utilisant ce qui prcde.

SOLUTION.
1/ Carr de la matrice M.
Si f est lendomorphisme de matrice M dans la base canonique de R 4, lendomorphisme g = f 2 a pour matrice
dans la base canonique le carr M 2 de la matrice M.
2
4 0 0 0
0 0 0

4 6 4 4
0 4 0 0
2
M=

M =
= 4 I.
4 4 2 4
0 0 4 0

0 4 4 2
0 0 0 4
M 2 = 4 I.
Cette relation montre que lon a : (M 2 I )(M + 2 I ) = 0, donc le polynme minimal de la matrice M est :
Pu (X) = (X 2)(X + 2)

2/ Valeurs propres du carr de M.

Les valeurs propres de M 2 sont les racines du polynme caractristique (X 4)4 de M 2. Il y en a une seule, 4,
dordre de multiplicit 4.
La matrice M 2 a une seule valeur propre, 4.

3/ Valeurs propres de la matrice M.

Soit une valeur propre de M. Pour tout vecteur propre x relativement cette valeur propre on a f (x) = x,
donc g (x) = f ( f (x)) = f ( x) = f (x) = 2 x. Il en rsulte que = 2 est valeur propre de g, donc de la matrice
M 2 et que x est vecteur propre pour cette valeur propre.
Comme la seule valeur propre de M 2 est 4, les valeurs propres de M vrifient 2 = 4. Les seules valeurs propres
possibles de M sont donc 2 et 2.
On a dj observ que le polynme minimal de la matrice M est
Pu (X) = (X 2)(X + 2)
Les racines du polynme minimal de M sont aussi des racines du polynme caractristique de M, de sorte que les
deux valeurs 2 et 2 sont des racines du polynme caractristique de M : ce sont toutes deux des valeurs propres
de M. Comme ce sont les seules valeurs possibles pour les valeurs propres, on en conclue :
Les valeurs propres de la matrice M sont 2 et 2.

4/ Sous-espaces propres.
Pour tout vecteur x de E, on a :
(f 2 idE )( f (x) + 2 x) = (M 2 I )(M + 2 I ) x = 0
(f + 2 idE )( f (x) 2 x) = (M + 2 I )(M 2 I ) x = 0
puisque (M 2 I )(M + 2 I ) = (M + 2 I )(M 2 I ) x = 0.
do les relations :
f (x) + 2 x Ker ( f 2 idE )
f (x) 2 x Ker ( f + 2 idE )
Ces relations montrent que limage de ( f + 2 idE ) est dans le noyau de ( f 2 idE ) et inversement, limage de ( f
2 idE ) est dans le noyau de ( f + 2 idE ).
Considrons alors, par exemple, la matrice M 2 I. On peut rduire cette matrice pour calculer son rang. On
arrivera une matrice comportant un certain nombre de colonnes de zros qui dfinissent le noyau de (f 2 idE ),
cest--dire le sous-espace propre pour la valeur propre 2. Les autres colonnes donnent limage de (f 2 idE ),
cest--dire le sous-espace complmentaire du sous-espace propre pour la valeur propre 2. Ce sous-espace est le
noyau de (f +2 idE ), cest--dire le sous-espace propre pour la valeur propre 2.

5/ Base de vecteurs propres.

Comme le polynme minimal de la matrice M ne comporte que des racines simples, la matrice M est
diagonalisable et lon peut trouver une base forme de vecteurs propres. Pour dterminer une telle base,
rduisons la matrice M 2 I.
0
1 0 0 0
0 0 0

4 8 4 4
0 1 0 0
M2I=
0 0 1 0
4 4 0 4

0 4 4 0
0 0 0 1
Soustraire la 1e colonne de la 4e. Ajouter la somme de la 1e et de la 3e colonnes la 2e.

0 0 0 0
1 1 0 1

4 0 4 0
0 1 0 0
4 0 0 0
0 1 1 0

1
0 0 4 0
0 0 0
Ce calcul montre que :
La matrice M 2 I est de rang 2 : son image est de dimension 2, son noyau est de dimension 2.
1
1

0
1

On peut prendre pour vecteurs propres relativement la valeur propre 2 les vecteurs
et
.
1
0

1
0

0
0

1
1
On peut prendre pour vecteurs propres pour la valeur propre 2 les vecteurs
et
.
1
0

0
1
Les valeurs propres 2 et 2 sont toutes deux des valeurs propres doubles. Le polynme caractristique de la
matrice M est donc P () = (2 4)2 = ( 2)2 ( + 2)2.

Les vecteurs a1 =

propres.

0
1
1
0

, a2 =

0
1
0
1

, a3 =

1
1
1
0

, a4 =

1
0
0
1

forment une base de vecteurs

6/ Diagonalisation de la matrice M.

1
1 0 1

1 1 1 0
0
1 1 0

1
la matrice forme des vecteurs propres. P =
1 0 1 0
1 1
1
1

0 1 0
1
0 1
1
1

2
0 0 0

0 2 0 0

1
P MP=
0
0 2 0

0
0 0 2

La matrice obtenue est diagonale, avec, sur la diagonale, les valeurs propres avec leurs ordres de multiplicit.

Soit P =

1 1

EXERCICE 7.
Etudier le rang, limage, le noyau, les sous-espaces propres,
loprateur associ :
1 / 2 1 /

A = 1 / 2
1/

le polynme caractristique et le polynme minimal de

2 1/ 2
2 1/ 2
0

Peut-on diagonaliser cette matrice ?

SOLUTION.
1/ Rduction de la matrice A.
Rduisons la matrice A.
1 1 1
1
1 1
1
2
0
0 2

Ajouter la 1e colonne la 2e et la 3e.

1 0

1 0

1 2 0
1 1 1

1
0 0
1
0 1 0
2

0
0 2

0 0 1
Multiplier par 2 la 1e colonne. Multiplier par 1 la 2e colonne. Retrancher la 2e colonne de la 1e.
Echanger la 1e et la 2e colonnes.

1 0 0
1 1 1

1 0
0 1 0
1

0
0 1
0 0 1

Ce calcul montre que :

La matrice A est de rang 3 : son image est R 3, son noyau est {0}.
1 1 1

La matrice A est inversible et son inverse est A 1 = 1

1 0 .

0
0 1

2/ Polynme caractristique.
P () = Dt (A I ) =

0,5

0 ,5

0,5

0,5

0,5

0,5

0
e

0 1

On peut dvelopper le dterminant par rapport la 3 ligne.

0,5
0 ,5
P () = (1 )
= (1 ) [ ( 0,5)( + 0,5) 0,52 ]
0,5 0,5
P () = (1 )(2 2 0,52 ) = ( 1)(2 0,5)

P () = ( +

2
2

)(

2
2

)( 1)

3/ Valeurs propres.
2

La matrice A a trois valeurs propres simples distinctes,

2
2

, 1.

4/ Polynme minimal.
Comme le polynme caractristique est produit de facteurs de premier degr distincts, ces facteurs forment aussi
le polynme minimal de la matrice, cest--dire le polynme unitaire de degr minimal tel que Pu (A) = 0.
Pu () = ( +

2
2

)(

2
2

)( 1)

5/ Vecteurs propres.
Les trois valeurs propres sont relles et distinctes. Les sous-espaces propres sont donc de dimension 1, leur
somme est directe et gale R 3.
2
Pour vecteur propre relativement la valeur propre
, on peut prendre nimporte quelle combinaison
2
linaire non nulle des colonnes de la matrice
2 1 1
3 1 1

2
2
1
2
(A
I )(A I ) = A (A I )
(A I ) =
1 0 0
1 1 1
2
2
2
2

0 0 0
0 0 0

par exemple 2 fois la diffrence entre la 1e et la 2e colonnes :

1
1 1+ 2

a1 = 1 + 2 0 =
1

0
0
0

Pour vecteur propre relativement la valeur propre

2
2

, on peut prendre nimporte quelle combinaison

linaire non nulle des colonnes de la matrice

1
I )(A I ) = A (A I ) +
(A I ) =
(A +

2
2
2

e
e
par exemple 2 fois la diffrence entre la 1 et la 2 colonnes :
2

1 1

2
+

3 1

1 1

1
1 1 2

a2 = 1 2 0 =
1

0
0
0

Pour vecteur propre relativement la valeur propre 1, on peut prendre nimporte quelle combinaison linaire
non nulle des colonnes de la matrice
0 0 0

2
2
1
1
I )(A
I ) = A2 I =
(A +
0 0 1
2
2
2
2

0 0 1

par exemple le vecteur a3 =

0
1
1

6/ Diagonalisation.
Soit P la matrice des vecteurs propres,
1+ 2 1 2

P=
1
1

0
0

1 ; P1 =
1

1
P1 A P =

1 1 + 2

1 2

1+ 2

1 2

2 2

0 2

EXERCICE 8.
Etudier le rang, limage, le noyau, les sous-espaces propres, le polynme caractristique et le polynme minimal de
loprateur associ :
1
0 1

B = 1 1 2 .

0
1 1
Peut-on diagonaliser cette matrice ?

SOLUTION.
1/ Rduction de la matrice B.
Rduisons la matrice B.
1 0 1
1 0 0

1 2
1
0 1 0

0
1 1
0 0 1
Ajouter la somme de 1e et de la 2e colonnes la 3e.

1 0 0
1 0 1

1 0
1
0 1 1

1 1 0
0 0 1
Ce calcul montre que :
La matrice B est de rang 2 : son image est de dimension 2, son noyau est de dimension 1.
1
0



Limage de B est engendre par la famille libre 1 ;
1 , tire de la la matrice de



1 1
gauche.
1

Le noyau de B est engendr par le vecteur 1 , tir de la matrice de droite.

1
Si f est lendomorphisme de matrice B dans la base canonique de R 3, on a :
1

1
0

f (e1 ) = 1 , f (e2 ) =
1 , f (e3 ) = 2 ,

0
1
1

1
1

2
2
f (e1 ) = 0 , f (e2 ) = f (e2 ) f ( e3 ) =
3 , f (e3 ) = f (e1 ) 2 f ( e2 ) = 3

1
0
1

1 0 1
0
0
1 1
2 2

2
3
B= 1
1 2 B = 0
3 3 B = 0
6 6 = 2 B 2.

0
1
2
1 1
0 1
0 2
B 2 (B 2 I ) = 0
1 0 1

B (B 2 I ) =
1 1 2 .

1 1 2

2/ Polynme caractristique.
1
P () = Dt (B I) =

1 1

1
1
On peut dvelopper le dterminant par rapport la 1e ligne.
1 2
1 1
P () = (1 )

= (1 )(2 2) ( 2) = 3 + 2 2 = 2 ( 2)
1
1
1
P () = 2 ( 2)
Ce rsultat confirme le rsultat obtenu pour la matrice B : B 2 (B 2 I ) = 0, cest le thorme de HamiltonCailey.

3/ Valeurs propres.
Les valeurs propres de la matrice B sont les racines du polynme caractristique, 0 et 2. La valeur propre 0 est
racine double. La valeur propre 2 est racine simple.

4/ Polynme minimal.
La relation B (B 2 I ) 0 confirme que le polynme minimal de la matrice B est 2 ( 2).

5/ Vecteurs propres.
Pour vecteur propre pour la valeur propre 0, on peut prendre nimporte quelle combinaison linaire non nulle
2 1 1
1

des colonnes de la matrice B (B 2 I ) = 2 1 1 , par exemple le vecteur a1 = 1 .

2 1 1
1
Le noyau de la matrice B (B 2 I ) est un sous-espace vectoriel de dimension 2, mais le noyau de B est de
dimension 1, comme on la vu plus haut.
Pour vecteur propre relativement la valeur propre 2, on peut prendre nimporte quelle combinaison linaire
0

1 1
1

2
non nulle des colonnes de la matrice B = 0
3 3 , par exemple le vecteur a3 =
3 . La

1
0 1
1
matrice B 2 est de rang 1, son noyau est de dimension 2, engendr par les vecteurs e1 et e2 + e3 , comme on le
voit en faisant la somme des 2e et 3e colonnes de la matrice B 2.
Comme le vecteur a2 = e1 est linairement indpendant des vecteurs a1 et a3 , on peut complter la famille
libre {a1 , a3 } en une base de R 3 avec le vecteur a2 = e1 .
Les vecteurs propres {a1 , a2 , a3 } forment une base de R 3 , mais ce nest pas une matrice de vecteurs
propres, de sorte que la matrice B nest pas diagonalisable.

6/ Triangularisation.

Soit P =

0
1

1
1 0
3 , la matrice de la base a. P = 4
4

1 0 1
0
0 1 0

1
P BP= 0 0 0

0 0 2
La matrice obtenue comporte sur la diagonale les valeurs propres
pour 0, simple pour 2.
1

de B avec leur ordre de multiplicit : double

Dans le sous-espace de base {a1 , a2 }, la restriction de lendomorphisme f dfini par la matrice B nest pas
0 1
diagonal, il a pour matrice sur {a1 , a2 }
: pour un x = x1 a1 + x2 a2 du plan engendr par a1 et a2 ,
0 0
B x = x2 a 1 .
Dans le sous-espace de base a3 , la restriction de lendomorphisme f dfini par la matrice B est une homothtie de
rapport 2.
R 3 = Ker B R e1 Ker (B 2 I)

EXERCICE 9.
Etudier le rang, limage, le noyau, les sous-espaces propres, le polynme caractristique et le polynme minimal de
loprateur associ :

0 7 6

C = 1 4 0 .

0 2 2

Peut-on diagonaliser cette matrice ?

SOLUTION.
1/ Dterminant.
0

1 4
0

6
0

= 12 14 = 2 0. La matrice C est inversible. 0 nest pas valeur propre. La matrice C est

de rang 3, son image est R 3 tout entier, son noyau est rduit 0.

2/ Polynme caractristique.

P() = Dt (C I) =

1 4

0
2 2
On peut dvelopper le dterminant par rapport la premire colonne :
P() = ( 4)( + 2) + (14 7 + 12) = (2 2 8) 2 7 = 3 + 2 2 + 2
P() = 2 ( 2) + ( 2) = ( 2)(1 2 ) = ( + 1)( 1)( 2)
P() = ( 2)(1 2 )

3/ Valeurs propres.
Les valeurs propres de la matrice C sont les racines du polynme caractristique : 1, 1, 2. Il y a trois valeurs
propres relles simples distinctes.

4/ Vecteurs propres.
Comme les trois valeurs propres sont distinctes, il y a trois sous-espaces propres de dimension 1.
5 5 30
5

(C I )(C 2 I ) = 1 1 6 Sous-espace propre pour 1 = 1 : R 1 .

2 2 12
2
9 9 18
9

(C + I )(C 2 I ) = 3 3 6 Sous-espace propre pour 2 = 1 : R 3 .

4
2 2
2
8 16 12
4

(C + I )(C I ) = 4 8
6 Sous-espace propre pour 3 = 2 : R 2 .

3
2 4
1

5/ Diagonalisation.
5
9
4

Les vecteurs a1 = 1 , a2 = 3 , a3 = 2 , forment une base. Dans cette base, la matrice de

2
2
1
lendomorphisme f , de matrice C dans la base canonique, est diagonale car f (a1 ) = a1 , f(a2 )=a2 , f(a3 )=2a3 .
1 0 0 5 9 4 1
0 7 6 5 9 4

[ f ,{a},{a}] =
0 1 0 = 1 3 2
0 1 3 2
1 4

0 0 2 2 2 1
0 2 2 2 2 1

1 1 6
0 7 6 5 9 4 1 0 0
1

3 3 6 1 4
0 1 3 2 =
0 1 0
6

8
6
0 2 2 2 2 1
0 0 2
4

EXERCICE 10.
Etudier le rang, limage, le noyau, les sous-espaces propres, le polynme caractristique et le polynme minimal de
loprateur associ :

0 0 4 0
2 1 4 1
.
D=
0 0 2 0

4 0 8 2
Peut-on diagonaliser cette matrice ?

SOLUTION.
1/ Dterminant.
0

1 4

= 0 car la 1e et la 4e colonnes sont proportionnelles.

2/ Polynme caractristique.

4
0
Dveloppons par rapport la 2 colonne :

4
0

P () = Dt (D I) =

P () = (1 )

4
8 2
Dveloppons par rapport la 3e colonne :

4
P () = (1 )(2 )
0 2

= ( 1)(2 )2

P () = ( 1)( 2)2

3/ Valeurs propres.
Les valeurs propres de la matrice D sont les racines du polynme caractristique : 0, 1, 2 (racine double).

4/ Vecteurs propres.
D (D I)(D 2 I) = 0
Donc le polynme minimal de la matrice D est ( 1)( 2).
2 0 4 0
1
0 0

0
0 0
a1 =
est vecteur propre pour la valeur propre 0.
(D I)(D 2 I) =
0 0
0 0
0

4 0 8 0
2
Rduisons la matrice D.

1 0 0 0

0 1 0 0

0 0 2 0
0 0 1 0

4 0 8 2
0 0 0 1
Ajouter 2 fois la 4e colonne la 1e. Retrancher la 2e colonne de la 4e.

0 0 4 0
1 0 0 0
0 1 4 0
0 1 0 1

0 0 2 0
0 0 1 0

1
0 0 8 2
2 0 0
Ce calcul montre que la matrice D est de rang 3. Son noyau, qui est le sous-espace propre pour la valeur propre
0, est de dimension 1, donc la vecteur a1 forme lui seul une base du sous-espace propre pour la valeur propre 0.

0
0
0 0 0
2 1 4 1
1
a2 =
est une base du sous-espace propre pour la valeur propre
D (D 2I) =
0
0 0 0

0
0 0 0

0
1.

0
2
0 0 4 0
4 0 8 2
1
0
a3 =
et a4 =
forment une base du sous-espace propre
D (D I) =
0 0 2 0

0
1

4 0 8 2
1
0
pour la valeur propre 2, qui est de dimension 2.
0

1 4

5/ Diagonalisation.
Comme il existe une base a = {a1 , a2 , a3 , a4 } forme de vecteur propres, la matrice D est diagonalisable :
0 0 0 0
0 1 0 0

[ f ,{a},{a}] =
0 0 2 0

0 0 0 2
La matrice du changement de base est :
1 0 0 2
0 1 1 0

[idE ,{a},{e}] =
0 0 0 1

2 0 1 0
Ceci traduit les formules :
a 1 = e1 + 2 e4
a 2 = e2
a 3 = e2 + e4
a 4 = 2 e1 + e3
On a alors :
e2 = a 2
e4 = a 3 e2 = a 3 a 2
e1 = a1 2 e4 = a1 2 (a3 a2 )
e3 = a4 2 e1 = a4 2 (a1 + 2 a2 2 a3 )

1 0 2
0

2 1 4 1
= [idE ,{a},{e}] 1
[idE ,{e},{a}]=
4
1
2 0

0 0
1 0

1 4

1 0
2
2

1 4

1 0

1 0

1 0

EXERCICE 11.
Etudier la matrice n lignes et n colonnes :

F=

1 1 L 1
1 1 L 1
M M O M
1 1 L 1

SOLUTION.
La matrice F, n lignes et n colonnes, est de rang 1. Son noyau est donc de dimension n 1. et a pour base la
famille {e2 e1 , e3 e1 , , en e1 }. Dans la base a = {e1 , e2 e1 , e3 e1 , , en e1 }, la matrice de
lendomorphisme f de matrice F dans la base canonique est donne par les images des vecteurs de base :
f (e1 ) = e1 + e2 + + en = n e1 + (e2 e1 ) + + (en e1 )
f (ei e1 ) = 0
n 0 L 0

[f ,{a},{a}] =

0 L 0
M O M

0 L 0

n1

Le polynme caractristique est P () = (n )()

Les valeurs propres de f sont donc 0 (valeur propre dordre n 1) et n, valeur propre simple.
La relation :
f (e1 ) = n e1 + (e2 e1 ) + + (en e1 )
donne
f (f(e1 )) = f (ne1 ) + f (e2 e1 ) + + f (en e1 ) = n f (e1 )
et cette relation montre que le vecteur non nul :
f (e1 ) = n e1 + (e2 e1 ) + + (en e1 ) = e1 + e2 + + en
est vecteur propre pour la valeur propre n.
Dans la base b = {e1 + e2 + + en , e2 e1 , e3 e1 , , en e1 }, la matrice de lendomorphisme f de matrice F
dans la base canonique est diagonale :
n 0 L 0

[f ,{b},{b}] =

0 L 0
M O M

0 L 0

et la matrice du changement de base est :

1 1 L 1

[ idE ,{b},{e}] =

1
M
1

1 L
M O
L

0
1
Son inverse est la matrice des composantes des ei sur la base b :
b1 (b2 + + bn ) = n e1
1
1
1
e1 = b 1 b 2 b n
n
n
n
1
1
1
n1
1
ei = b i + e1 = b i + ( b 1 b 2 b n ) = b 1 b 2 +
bi bn
n
n
n
n
n
1
1 L
1

[ idE ,{e},{b}] =

1
n

1 n 1 L
M
M O
1

L
1
n 1

Diagonalisation.

1
n

1 L
1 n 1 L

M
1

M O

1 1 1 L 1
1 1 1 L 1

M M M O M

1 L n 1

1 1 L 1

1
1
M
1

1 L 1
1 L 0

M O

0 L

n
0

0 L 0
0 L 0

M O M

0 L 0

EXERCICE 12.
Etudier la matrice n lignes et n colonnes :

G=

0 L 0 1
0 L 1 0
M N M
1 L 0

M
0

SOLUTION.
Remarques gnrales.

n ( n+1)

G est une matrice relle symtrique. Son dterminant est (1) 2 , comme on le voit par rcurrence :
Dt (G1 ) = 1
Dt (Gn ) = (1)n Dt (Gn 1 )
On remarque aussi que G2 = I.
Soit f lendomorphisme de matrice G dans la base canonique. Le changement de base ai = en + 1 i , soit

[idE ,{a},{e}] =

0 L 0 1
0 L 1 0
M N M
1 L 0

M
0

=G

donne :
f (ai ) = f(en + 1 i ) = ei
do :

[ f ,{a},{e}]=

1 0 L 0
0 1 L 0
M
0

M N
0 L

M
1

La relation G2 = I montre que G 1 = G, donc :

[idE ,{e},{a}] = [idE ,{a},{e}] = G
[ f ,{a},{a}] = [idE ,{e},{a}][ f ,{a},{e}] = G
La matrice de G est invarante dans ce changement de base.
On a aussi (G I)(G + I) = 0, donc le polynme minimal de G est Pu () = ( + 1) ( 1). Les valeurs propres de
G sont donc 1 et 1.
On a
f(e1 + e2 + + en ) = e1 + e2 + + en ,
donc e1 + e2 + + en est toujours vecteur propre pour la valeur propre 1.

Polynme caractristique et valeurs propres.

1er cas : n est pair, n = 2 k.
Dans ce cas, il ny a pas de 1 sur la diagonale de G. Le polynme caractristique de G est :
L
0
0 L
1

M O
P () = Dt(G I) =

M O

1 L

M O

M O

1 L

On ne change pas la valeur du dterminant en ajoutant fois la dernire colonne la premire :

P () =

0 L

M O

M O

0 L

1 L

0 L

M O

M O

1 2 L
0
0 L
e
On peut dvelopper le dterminant par rapport la 1 colonne, puis le dterminant restant par rapport la 1e ligne
:
Pn () = (1)n (1 2 )(1)n 1 Pn 2 () = (1 2 ) Pn 2 () .
2
Avec P2 () = ( 1) = (1 2 ), il vient par rcurrence :
Pn () = (1)k (1 2 )k = ( + 1)k ( 1)k
n
Les valeurs propres de G sont donc 1 et 1, avec, pour chacune un ordre de multiplicit gal k = .
2

2e cas : n est impair, n = 2 k + 1.

Dans ce cas, il y a un 1 sur la diagonale de G.
L
M O
P () =

0
M

0
M

0 L
M O

1
M

1 L

M O

M O

1 L

On ne change pas la valeur du dterminant en ajoutant la 1 colonne fois la dernire colonne :

0
0 L
0 L
0
1
M O
M
M
M O
M
e

0 L
P () =

1 L

0 L

0 L

M O

M O

Dveloppons le dterminant par rapport la 1 colonne, puis le dterminant restant par rapport la 1e ligne :
Pn () = (1)n (1 2 ) (1)n 1 Pn 2 () = (1 2 ) Pn 2 ()
Avec P1 () = (1 ), il vient par rcurrence :
Pn () = (1)k (1 2 )(1 ) = (1)k (1 + )k (1 )k + 1 = ( + 1)k ( 1)k + 1 .
n1
n+1
, 1 est dordre k + 1 =
.
Les valeurs propres de G sont 1 et 1, 1 est dordre k =
2
2

Vecteurs propres.
En raison de la symtrie de la matrice de G, nous allons considrer les vecteurs ei + en + 1 i .
f (ei + en + 1 i ) = f (ei ) + f (en + 1 i ) = en + 1 i + ei = ei + en + 1 i

n
Le vecteur ei + en + 1 i est toujours vecteur propre pour la valeur propre 1, pour tout i de 1 (partie entire
2
n
de ). Nous obtenons ainsi k vecteurs propres si n = 2 k ou si n = 2 k + 1. A ces k vecteurs, il convient dajouter
2
le vecteur dindice central ek + 1 lorsque n est impair : ce vecteur est invariant par la matrice G, il correspond au 1
de la diagonale de G, donc il est vecteur propre pour la valeur propre 1.
Ces k ou k + 1 vecteurs forment une famille libre de faon vidente car la matrice de leurs composantes sur la
base canonique comporte une diagonale de 1 avec des 0 au-dessus.
Si lon considre maintenant les vecteurs ei en + 1 i , il vient :
f (ei en + 1 i ) = f (ei ) f (en + 1 i ) = en + 1 i ei = (ei en + 1 i )

n
Le vecteur ei en + 1 i est vecteur propre pour la valeur propre 1, pour tout i de 1 .
2
Nous obtenons ainsi k vecteurs propres si n = 2 k ou si n = 2 k + 1. Les k vecteurs obtenus forment aussi une
famille libre.
Les n vecteurs ainsi dfinis forment une base de vecteurs propres.

Diagonalisation.
Comme il existe une base forme de vecteurs propres, la matrice G est diagonalisable, avec, sur la diagonale, k
fois la valeur propre 1 et k (n pair) ou k + 1 (n impair) fois la valeur propre 1.

EXERCICE 13.
Etudier la matrice n lignes et n colonnes :

H=

L
O

M O O
L

SOLUTION.
La matrice H est une matrice symtrique. Ses valeurs propres sont donc relles.

Dterminant.
On ne change pas la valeur du dterminant en ajoutant la 1e colonne la somme des n 1 autres colonnes :
+ (n 1) L
L
Dt (H) =

M O O
L

+ (n 1) O M
O O
M

+ (n 1) L

On peut mettre en facteur + (n 1) dans la 1 colonne :

e

L
O

Dt (H) = ( + (n 1) )

M O O

1 L

On ne change pas la valeur du dterminant en retranchant fois la 1 colonne de chacune des (n 1) autres :
1
0
L
0
e

Dt (H) = ( + (n 1) )

1
0
L
On peut dvelopper le dterminant par rapport la 1e ligne :
Dt (H) = ( + (n 1) ) ( )n 1

Polynme caractristique.
P () = Dt (H I) sobtient en remplaant par ( ) dans le dterminant de H :
P () = ( + (n 1) ) ( )n 1

Valeurs propres.
La matrice H a 2 valeurs propres :
1 = + (n 1) , dordre 1.
2 = , dordre n 1.

Polynme minimal.

H ( ) I =

Or H

1
1
M

1
1
1

est le vecteur dont les composantes sont les sommes des lignes de la matrice H , donc :

= ( + (n 1) )

M
1

1
1

1
1

, soit (H ( + (n 1) ) I )

et, par consquent,

0
0

1
1

comme toutes les colonnes de la matrice H ()I sont proportionnelles au vecteur

, le produit de

1
matrices (H ( + (n 1) ) I )(H ( ) I) est nul. Le polynme minimal de la matrice H est donc :
Pu () = ( ( + (n 1) ))( ( ))

Vecteurs propres.

Rduisons la matrice H ( + (n 1) ) I =

(n 1)

(n 1)

0
0
M

(n 1)

(n 1)

L (n 1)
1 0 L 0

1 L 0

L (n 1)
0 0 L 1
e
Ajouter la 1 colonne la somme des (n 1) autres colonnes

1 0 L 0

1 1 L 0
(n 1) L

L (n 1)
1 0 L 1
1

1
est dans le noyau de H ( + (n 1) ) I . Comme la valeur
Ce calcul montre que le vecteur a1 =
M
0

1
propre ( + (n 1) ) est simple, le sous-espace propre correspondant est de dimension 1 : le vecteur a1 est donc
une base du noyau de H ( + (n 1) ) I .
La matrice H ( ) I a toutes ses colonnes identiques. Pour 0, on voit, en soustrayant la 1e colonne de
chacune des autres que :
cette matrice est de rang 1,
son noyau a pour base la famille de vecteurs {e2 e1 , e3 e1 , , en e1 } : ces vecteurs sont donc des
vecteurs propres de la matrice H pour la valeur propre . On note ai = ei e1 , pour i 2.

Diagonalisation.
Les vecteurs {a1 , a2 , , an } forment (comme pour la matrice F) une base de Rn . Dans cette base, la matrice de
lendomorphisme f de matrice H dans la base canonique est diagonale :

[ f ,{a},{a}] =

+ (n 1)

EXERCICE 14.
Soit A une matrice symtrique relle n lignes et n colonnes telle quil existe un entier k vrifiant Ak = In .Montrer que

A 2 = In .

SOLUTION.
Soit A une matrice relle symtrique n lignes et n colonnes telle quil existe un entier k > 1 vrifiant Ak = In . A
est la matrice dune endomorphisme f de Rn. On sait qualors existe dans Rn une base forme de vecteurs
propres. Soit a = {a1 , , an } une telle base. On sait aussi que toutes les racines du polynme caractristique
sont relles, donc toutes les valeurs propres sont relles. Soit i ces valeurs propres, i = 1, , n. Certaines des
valeurs propres peuvent tre multiples.
i=n

Soit x =

xi ai un vecteur quelconque de Rn . On a :

i =1

i=n

fk (x) = x donc

i =1

xi ik ai =

Comme les ai forment une base, on obtient , pour tout i ,

ik = 1.
Comme i est rel, cest que i = 1, donc
i2 = 1.
On a alors :
i=n

f2 (x) =
do f2 = idE et

i =1

xi i2 ai =
A2 = In .

i=n

xi a i

i =1

i=n

i =1

xi a i = x

EXERCICE 15.
Vrai ou Faux.
E est un espace vectoriel de dimension finie sur un corps de nombres complexes K. Soit f un endomorphisme de E. Id
est lapplication identique. Donnez votre opinion sur les assertions suivantes ( justifier par une dmonstration).
01. Si f 2 = f , alors f est inversible.
02. Si f est inversible, alors f 1 est diagonalisable.
03. Si f est diagonalisable, alors f est inversible.
04. Si f est inversible, alors f 2 lest aussi.
05. Si f est diagonalisable, alors f 2 lest aussi.
06. Si f 2 = f, alors f est diagonalisable.
07. Si f 2 = Id, alors f est inversible.
08. Si f est inversible et diagonalisable, alors f1 est diagonalisable.
09. Si la matrice de f par rapport une base {u} est symtrique, alors f est diagonalisable.
10. Le noyau de f est un sous-espace propre de f.
11. Limage et le noyau dun endomorphisme diagonalisable et non inversible forment une somme directe.
12. Si une matrice lments dans R est diagonalisable et inversible, son inverse est diagonalisable.
13. La somme de deux endomorphismes diagonalisables dans R 2 nest pas forcment diagonalisable.
14. La matrice :

3 0
8

A=
3 1 6

2 0 5
est diagonalisable.

SOLUTION.
01. Endomorphisme idempotent.
Faux.
Soit f un endomorphisme de E vrifiant f 2 = f . On a alors Dt ( f 2 ) = Dt ( f ), soit :
(Dt (f) ) 2 = Dt (f)
do Dt (f) = 0 ou Dt (f) = 1. Si Dt (f) = 1, f est inversible, mais si Dt (f) = 0, f nest pas inversible.
Par exemple, si lon prend pour f le projecteur sur le premier axe canonique :
f : (x1 , x2 , , xn ) a (x1 , 0 , , 0 )
on a bien :
f 2 (x1 , x2 , , xn ) = f ( f (x1 , x2 , , xn )) = f (x1 , 0 , , 0 ) = (x1 , 0 , , 0 ) = f (x1 , x2 , , xn )
donc f 2 = f, mais le noyau de f est lensemble des vecteurs dont la premire composante est nulle : cest un sousespace vectoriel de dimension n 1 : il nest pas rduit 0 ds que n est strictement plus grand que 1. Comme le
noyau nest pas rduit 0, f nest pas inversible.
f 2 = f f est inversible

02. Endomorphisme inversible.

Faux.

Lendomorphisme inverse f 1 possde les mmes sous-espaces propres que f avec pour valeurs propres les
inverses des valeurs propres de f, ce qui rsulte de :
f (x) = x f 1 (x) = 1 x
Dire que E possde une base forme de vecteurs propres pour f est donc quivalent dire que E possde une base
forme de vecteurs propres pour f 1. Donc, pour un endomorphisme inversible, f 1 est diagonalisable si et
seulement si, f est diagonalisable. Or il existe des endomorphismes inversibles non diagonalisables, par exemple
une rotation dangle dans R 2, donc :

f inversible f 1 diagonalisable

03. Endomorphisme diagonalisable.

Faux.
Il existe des endomorphismes diagonalisables non inversibles. Exemple : le projecteur sur laxe des x dans R 2. Sa
1 0
matrice dans la base canonique est
. Cette matrice est diagonale, mais comme 0 est valeur propre
0 0
(le dterminant est nul), elle nest pas inversible.
f diagonalisable f inversible

04. Carr dun endomorphisme inversible.

Vrai.

f inversible Dt f 0 (Dt f ) 2 0 Dt f 2 0 f 2 inversible

f inversible f 2 inversible

05. Carr dun endomorphisme diagonalisable.

Vrai.

f (x) = x f 2(x) = f (x) = f (x) = 2 x

Tout vecteur propre pour f est vecteur propre pour f 2. Donc sil existe une base forme de vecteurs propres pour
f, cette base est forme de vecteurs propres pour f 2. Il en rsulte que :
f diagonalisable f 2 diagonalisable

06. Endomorphisme idempotent.

Vrai.
Un endomorphisme idempotent est, par dfinition, un projecteur. Tout projecteur f est diagonalisable car E est
somme directe du noyau et de limage du projecteur, et, dans le noyau, f est nul, et, dans limage, f est
lapplication identique, donc
f 2 = f f est diagonalisable

07. Endomorphisme involutif.

Vrai.

f 2 = Id f f = Id f = f 1 f est inversible
f 2 = Id f est inversible

08. Endomorphisme inversible et diagonalisable.

Vrai.

Dans 3.02, nous avons vu que, pour un endomorphisme inversible, f 1 est diagonalisable si et seulement si, f est
diagonalisable. Donc
f inversible et diagonalisable f 1 diagonalisable

09. Endomorphisme symtrique.

Faux.
On sait que toute matrice relle symtrique est diagonalisable, mais que dire des matrices complexes symtriques
? Lextension des matrices relles symtriques au cas complexe est constitu par les matrices hermitiennes (cest-dire dont la transpose est gale la conjugue) : toute matrice hermitienne est diagonalisable, et, plus
gnralement, tout endomorphisme normal est diagonalisable (un endomorphisme est normal si, et seulement si,
il commute avec son adjoint ; tout endomorphisme unitaire, cest--dire inversible et de dterminant 1, est normal
; tout endomorphisme hermitien est normal )
0 i
Considrons par exemple la matrice A =
. Cest une matrice symtrique. Son polynme
i 2
caractristique est (2 ) i 2 = 2 2 + 1 = ( 1) 2. Il y a donc une seule valeur propre = 1. On a :
1 i
AI=

i 1
Cette matrice est de rang 1 et son noyau a pour base le vecteur e1 i e2 . Le sous-espace propre pour la valeur
propre 1, est de dimension 1, diffrente de lordre de multiplicit 2 de la valeur propre dans le polynme
caractristique : donc la matrice A nest pas diagonalisable, et on a construit un exemple de matrice symtrique
non diagonalisable.
f symtrique f diagonalisable

10. Noyau dun endomorphisme.

Faux.

x Ker f f (x) = 0 f (x) = 0.x

On voit donc que, pour que Ker f soit sous-espace propre pour la valeur propre 0, il faut et il suffit quil ne soit
pas rduit 0, donc il faut et il suffit que Dt f = 0.
Ker f sous-espace propre de f Dt f = 0
Comme il existe videment des endomorphismes dont le dterminant nest pas nul, il existe des endomorphismes
dont le noyau nest pas un sous-espace propre.

11. Somme directe de limage et du noyau dun

endomorphisme.
Vrai.
x Ker f I Im f (f (x) = 0 et ( y E)(x = f (y) ))
f diagonalisable Il existe une base a = {a1 , , an } forme de vecteurs propres
y E y = i yi a i
x = f (y) = i yi f (ai ) = i yi i ai f (x) = i yi i f (ai ) = i yi i 2 ai
f (x) = 0 (i )(yi i 2 = 0) (i )(yi = 0 ou i = 0) (i )(yi i = 0) x = 0.
Limage et le noyau de f forment donc une somme directe.

12. Inverse dune matrice diagonalisable.

Vrai.
Soit M une matrice inversible et diagonalisable. Elle est semblable une matrice diagonale : il existe donc une
matrice P telle que :
M = P1 A P
o A est une matrice diagonale, ayant pour lments de la diagonale principale, les valeurs propres de M. Comme
M est inversible, son dterminant, produit des valeurs propres, nest pas nul, donc 0 nest pas valeur propre :
aucun lment de la diagonale principale de A nest nul. Alors A est inversible et son inverse est la matrice
diagonale dont les lments de la diagonale principale sont les inverses des lments de la diagonale principale
de A.

M 1 = (P 1 A P) 1 = P 1 A 1 P
Comme la matrice A1 est une matrice diagonale, la matrice M1 est diagonalisable.

13. Somme de deux endomorphismes diagonalisables.

Vrai.
Considrons par exemple lendomorphisme f1 , de matrice

1 0
1 0

dans la base canonique, et

0 1
lendomorphisme f2 , de matrice
dans la base canonique.
0 1
Le polynme caractristique de f1 est P1 () = ( 1) : f1 a deux valeurs propres relles distinctes, cest un
endomorphisme diagonalisable.
Le polynme caractristique de f2 est P2 () = ( 1) : f2 a deux valeurs propres relles distinctes, cest un
endomorphisme diagonalisable.
1 0 0 1 1 1
La somme f = f1 + f2 a pour matrice dans la base canonique
+
=
. Son
1 0 0 1 1 1
polynme caractristique est P () = (1 ) 2 + 1. Il nest jamais nul, donc f na pas de valeur propre relle et
nest donc pas diagonalisable.

14. Matrice diagonalisable ?

Faux.
Le polynme caractristique de la matrice A est :
P () = (3 )(1 )(5 ) + 16 (1 ) = (1 )((3 )(5 ) + 16) = (1 )( 2 + 2 + 1)
P () = ( + 1) 2 ( 1)
Le polynme minimal est donn par :
(A + I) (A I) 0 Pu () = ( + 1) 2 ( 1)
La matrice A + I a sa premire et sa troisime colonnes proportionnelles : elle est de rang 2, le sous-espace
propre pour la valeur propre 1 est de dimension 1, diffrente de lordre de multiplicit de la valeur propre 1
dans le polynme caractristique, donc la matrice A nest pas diagonalisable.