Bibm@th.

net
Rechercher sur le site...

Bibm@th

Rechercher sur le site...

Accueil Lycée Supérieur Bibliothèques Références Thèmes Forum

Bibliothèque d'exercicesBibliothèque de problèmesAutomatismes

Accueil

Lycée
Collège
Seconde

Supérieur
Math Sup
Math Spé
Capes
Agreg interne
BTS

Bibliothèques
Bibliothèque d'exercices
Bibliothèque de problèmes
Automatismes

Références
Dictionnaire
Biographie de mathématiciens
Formulaire
Lexique français/anglais
Une formation complète
Thèmes
Choisissez dans quel domaine Ouvrir
Cryptographie et codes secrets
souhaitez-vous vous former.
Jeux et énigmes
GOMYCODE
Carrés magiques
Mathématiques au quotidien
Dossiers

Forum
 Gagnez $3.5 par réponse
Répondez et gagnez de l'argent. Il est facile et
amusant de participer.

Ouvrir

Ressources mathématiques > Base de données d'exercices > Exercices d'algèbre linéaire >
Accéder à mon compte > Accéder à ma feuille d'exercices >

Exercices corrigés - Réduction des endomorphismes : exercices

pratiques
Exercice 1 - Vrai/faux [Signaler une erreur] [Ajouter à ma feuille d'exos]
Enoncé

1. En dimension finie, un endomorphisme admet un nombre fini de vecteurs propres.

2. Si A est diagonalisable, alors A2 est diagonalisable.
3. Si A2 est diagonalisable, alors A est diagonalisable.
4. Tout endomorphisme d'un espace vectoriel réel de dimension impaire admet au moins une valeur
propre.
5. La somme de deux matrices diagonalisables est diagonalisable.

Indication

Corrigé

1. C'est faux! Ou un endomorphisme n'admet pas de vecteurs propres, ou il en admet une infinité. En
effet, si x est vecteur propre, tous ses multiples non nuls sont vecteurs propres.
2. C'est vrai! Si A = P DP −1 avec D diagonale, alors A2 = P D2 P −1 et D2 est diagonale.
0 1
3. Non! Considérer par exemple A=( ) qui n'est pas diagonalisable alors que son carré est
0 0
la matrice nulle qui est diagonale.
4. C'est vrai! Le polynôme caractéristique de A est de degré impair, et tout polynôme réel de degré
impair admet une racine réelle (appliquer le théorème des valeurs intermédiaires avec le calcul des
limites en ±∞).
5. Sûrement pas! Prendre par exemple

1 1 −1 0
A=( ) et B = ( ).
0 3 0 −3
Valeurs propres, vecteurs propres, sous-espaces stables
Exercice 2 - Dérivation [Signaler une erreur] [Ajouter à ma feuille d'exos]
Enoncé
Soit E = C ∞ (R) et D l'endomorphisme de E qui à f associe f ′ . Déterminer les valeurs propres de D et les
sous-espaces propres associés.

Indication
C'est une question d'équation différentielle, à revoir de toute urgence si vous ne savez pas traiter l'exercice!

Corrigé
f est un vecteur propre de D associé à la valeur propre λ ∈ R si et et seulement si f ′ = λf . f est donc
un multiple de la fonction x ↦ exp(λx), et la réciproque est vraie. Autrement dit, tous les réels sont des
valeurs propres pour D, et exp(λx) est une base de l'espace propre associé à λ.

Exercice 3 - Avec des suites [Signaler une erreur] [Ajouter à ma feuille d'exos]
Enoncé
Soit E = CN l'espace des suites à coefficients complexes, et ϕ l'endomorphisme de E qui à une suite (un )
associe la suite (vn ) définie par v0 = u0 et pour tout n ≥ 1,

un + un−1
vn = .
2
Déterminer les valeurs propres et les vecteurs propres de ϕ.

Indication
Écrire (vn ) = λ(un ). On obtient une relation de récurrence sur les (un ). On séparera alors les cas λ = 1
et λ = 1/2 des autres.

Corrigé
Soit (un ) un vecteur propre associé à la valeur propre λ. Alors on a u0 = λu0 et pour tout n ≥ 1, on a
un + un−1
= λun ⟺ (1 − 2λ)un = −un−1 .
2
On distingue alors trois cas :

Siλ = 1, alors on a u0 = u0 (qui n'implique plus rien sur u0 ), puis pour tout n ≥ 1, on a
un = un−1 . Réciproquement, toute suite constante et non-nulle est bien vecteur propre de ϕ pour la
valeur propre 1. On en déduit que 1 est une valeur propre de ϕ dont l'espace propre associé est
constitué par les suites constantes.
Si λ = 1/2, alors le système devient u0 = 0 et pour tout n ≥ 1, un−1 = 0 ce qui implique que
(un ) est la suite nulle et donc 1/2 n'est pas valeur propre de ϕ.
Dans tous les autres cas, le système devient u0 = 0 et pour tout n ≥ 1,

1
un = un−1 .
2λ − 1
Ainsi, la suite (un ) est là-encore la suite nulle, et λ n'est pas valeur propre. En conclusion, la seule
valeur propre est 1, et les seuls vecteurs propres sont les suites constantes.

Exercice 4 - Valeurs propres des matrices stochastiques [Signaler une erreur] [Ajouter à ma feuille
d'exos]
:
 Enoncé
Une matrice A ∈ Mn (R) est dite stochastique si ses coefficients sont des réels positifs ou nuls et si la
somme des coefficients de chacune de ses lignes est égale à 1.

1. Démontrer que si λ ∈ C est une valeur propre de A, alors |λ| ≤ 1.

2. Démontrer que 1 est valeur propre et donner un vecteur propre associé.

Indication

1. Supposer que λ est une valeur propre de A avec comme vecteur propre non-nul associé Z.
Appliquer l'inégalité triangulaire à une coordonnée bien choisie de AZ .
2. Le produit par quel vecteur donne la somme des lignes?

Corrigé

1. Supposons que λ ∈ C soit une valeur propre de A et soit Z un vecteur propre non-nul associé.
n
Soit i ∈ {1, … , n} tel que |zi | = maxj=1,…,n |zj |. La i-ème coordonnée de AZ est ∑j=1 ai,j zj
et ceci doit être égal à λzi . Prenant les valeurs absolues et utilisant l'inégalité triangulaire, on
obtient
n n
|λ||zi | ≤ ∑ ai,j |zj | ≤ ∑ ai,j |zi | ≤ |zi |
j=1 j=1

où on a utilisé aussi que ai,j ≥ 0 et que ∑n a = 1. On a donc obtenu |λ||zi |

j=1 i,j
≤ |zi |. Comme
|zi | ≠ 0 (sinon Z serait le vecteur nul), ceci entraîne encore que |λ| ≤ 1.
⎛ ⎞
1
2. Il suffit de choisir Z = ⎜
⎜⋮⎟ ⎟ pour remarquer que AZ = Z . Ainsi, Z est un vecteur propre pour
⎝1⎠
la valeur propre 1.

Diagonalisation de matrices sur R

Exercice 5 - [Signaler une erreur] [Ajouter à ma feuille d'exos]

Enoncé
Diagonaliser les matrices suivantes :

⎛ 0 2 −1 ⎞ ⎛ 0 3 2⎞ ⎛1 0 0⎞
A = ⎜ 3 −2 0 ⎟ , B = ⎜ −2 5 2 ⎟ , C = ⎜ 0 1 0 ⎟ .
⎝ −2 2 1 ⎠ ⎝ 2 −3 0 ⎠ ⎝ 1 −1 2 ⎠

On donnera aussi la matrice de passage de la base canonique à la base de vecteurs propres.

Indication
Calculer le polynôme caractéristique, le factoriser, puis chercher les sous-espaces propres.

Corrigé
Procédons d'abord avec A. Son polynôme caractéristique vaut
χA (X) = (X − 1)(X − 2)(X + 4).

Il est scindé à racines simples, ce qui assure que A est diagonalisable. Il suffit de chercher pour chaque

⎛ ⎞
:
 ⎛x⎞
valeur propre un vecteur propre associé. D'abord pour 1, on pose u = ⎜ y ⎟ on résout Au = u, c'est-à-
⎝z⎠
dire le système :

⎧
⎪
−x + 2y − z = 0
⎨ 3x − 3y = 0
⎩
⎪ −2x + 2y = 0

⎛1⎞
Ce système est équivalent à x = y = z et un vecteur propre est donc donnée par ⎜ 1 ⎟. On fait de même
⎝1⎠

⎛ 4 ⎞ ⎛ 2 ⎞
pour 2 et -4, et on trouve respectivement ⎜ 3 ⎟ et ⎜ −3 ⎟. La matrice A est donc semblable à
⎝ −2 ⎠ ⎝ 2 ⎠
diag(1, 2, −4), la matrice de passage étant

⎛1 4 2 ⎞
P = ⎜ 1 3 −3 ⎟ .
⎝ 1 −2 2 ⎠

Poursuivons avec B dont on calcule le polynôme caractéristique :

PB (X) = X 3 − 5X 2 + 8X − 4.

1 est racine évidente, on factorise par X − 1 et finalement on trouve

χB (X) = (X − 1)(X − 2)2 .

On cherche le sous-espace propre associé à 1 en résolvant, avec les mêmes notations, Bu = u, c'est-à-dire
le système :

⎧
⎪
−x + 3y + 2z = 0
⎨ −2x + 4y + 2z = 0
⎩
⎪ 2x − 3y − z = 0

Ce système est équivalent à x = y = −z. Ainsi, le sous-espace propre associé à 1 est de dimension 1,
⎛ 1 ⎞
engendré par le vecteur propre ⎜ 1 ⎟. L'étude du sous-espace propre associé à 2 conduit au système :
⎝ −1 ⎠

⎧
⎪
−2x + 3y + 2z = 0
⎨ −2x + 3y + 2z = 0
⎩
⎪ 2x − 3y − 2z = 0

Ces trois équations se ramènent à 2x − 3y − 2z = 0, qui est l'équation d'un plan de R3 . Le sous-espace
⎛3⎞ ⎛1⎞
propre associé à 2 est donc de dimension 2, et une base est donnée par les vecteurs ⎜ 2 ⎟ et ⎜ 0 ⎟. B
⎝0⎠ ⎝1⎠
est donc semblable à la matrice diag(1, 2, 2), la matrice de passage P étant donnée par

⎛ 1 3 1⎞
:
 ⎛ 1 3 1⎞
P = ⎜ 1 2 0⎟.
⎝ −1 0 1 ⎠

Le polynôme caractéristique de C est χC (X) = −(1 − X)2 (2 − X). On procède exactement comme
précédemment, et on trouve que (u1 , u2 ) forme une base de l'espace propre associé à la valeur propre 1,
avec u1 = (1, 1, 0) et u2 = (0, 1, 1) et que (u3 ) forme une base de l'espace propre associé à la valeur
propre 2, avec u3 = (0, 0, 1). Ainsi, C s'écrit C = P DP −1 avec D la matrice diagonale

⎛1 0 0⎞
D = ⎜0 1 0⎟
⎝0 0 2⎠

et

⎛1 0 0⎞
P = ⎜1 1 0⎟.
⎝0 1 1⎠

Exercice 6 - Sans calculs [Signaler une erreur] [Ajouter à ma feuille d'exos]

Enoncé
Expliquer sans calculs pourquoi la matrice suivante n'est pas diagonalisable :

⎛π 1 2⎞
A = ⎜0 π 3⎟.
⎝0 0 π⎠

Indication
Quelles sont les valeurs propres de la matrice? A quoi serait-elle semblable si elle était diagonalisable?

Corrigé
La matrice A étant triangulaire supérieure, ses valeurs propres sont données par les éléments de la
diagonale. La seule valeur propre de A est donc π. Si A était diagonalisable, alors il existerait une matrice
P ∈ GL3 (R) telle que

A = P (πI3 )P −1 .

Mais puisque I3 commute avec toutes les matrices, on aurait

A = πI3 P P −1 = πI3 .

Ce n'est pas le cas : A n'est donc pas diagonalisable.

Exercice 7 - Avec un paramètre [Signaler une erreur] [Ajouter à ma feuille d'exos]

Enoncé
3
Soit m un nombre réel et f l'endomorphisme de R dont la matrice dans la base canonique est

⎛ 1 0 1 ⎞
A = ⎜ −1 2 1 ⎟.
⎝2 − m m − 2 m⎠
:
 1. Quelles sont les valeurs propres de f ?
2. Pour quelles valeurs de m l'endomorphisme est-il diagonalisable?
3. On suppose m = 2. Calculer Ak pour tout k ∈ N.

Indication

1. Calculer le polynôme caractéristique de A.

2. Si m ≠ 1, m ≠ 2, appliquer un théorème du cours. Si m = 1 ou m = 2, chercher la dimension
de l'espace propre associé.
3. Diagonaliser A et écrire Ak = P Dk P −1 .

Corrigé

1. On calcule le polynôme caractéristique de A. On a

∣X −1 0 −1 ∣ ∣X − 1 0 −1 ∣
χA (X) = ∣ 1 X−2 −1 ∣ =C1 +C2 →C1 ∣X − 1 X − 2 −1 ∣
∣ ∣ ∣ ∣
∣m − 2 2 − m X − m∣ ∣ 0 2−m X − m∣

∣X − 1 0 −1 ∣
∣ 0 ∣X −2 0 ∣
=L2 −L1 →L2 X−2 0 ∣ = (X − 1) ∣ ∣
∣ ∣ ∣2 − m X − m∣
∣ 0 2−m X − m∣

= (X − 1)(X − 2)(X − m).

Les valeurs propres de f sont donc 1,2 et m. En particulier, si m = 1 ou 2, f n'admet que deux
valeurs propres.
3
2. Si m ≠ 1 et m ≠ 2, f est un endomorphisme de R qui admet trois valeurs propres distinctes :
f est donc diagonalisable. Si m = 1, le polynôme caractéristique de f est (X − 1)2 (X − 2). Dans
ce cas, 2 est valeur propre de multiplicité 1 de f et 1 est valeur propre de multiplicite 2.
L'endomorphisme f est donc diagonalisable si et seulement si la dimension du sous-espace propre
associé à la valeur propre 1 est égale à 2. Cherchons ce sous-espace (rappelons qu'on a m = 1). Pour
u = (x, y, z), on a

⎧
⎪ z = 0 ⎧
⎪x = x
f(u) = u ⟺ ⎨ −x + y + z = 0 ⟺ ⎨y = x
⎩
⎪ ⎩
⎪
x−y = 0 z = 0

Une base de ker(f − I) est donc donnée par le vecteur (1, 1, 0). L'espace est de dimension 1 ≠ 2 :
la matrice n'est pas diagonalisable.
Supposons maintenant m = 2. Cette fois, c'est 1 qui est valeur propre de f de multiplicité 1 et 2 qui
est valeur propre de multiplicité 2. On doit donc calculer la dimension de ker(f − 2I). On a, pour
u = (x, y, z):

⎧
⎪ −x + z = 0 ⎧
⎪x = x
f(u) = 2u ⟺ ⎨ −x + z = 0 ⟺ ⎨ y = y
⎩
⎪ ⎩
⎪
0 = 0 z = x

Une base de ker(f − 2I) est donnée par la famille des deux vecteurs (1, 0, 1) et (0, 1, 0). En
particulier, ker(f − 2I) est de dimension 2 et f est diagonalisable.
3. On va commencer par diagonaliser f . On a déjà cherché une base du sous-espace propre
:
 correspondant à la valeur propre 2. Pour la valeur propre 1 (attention, on travaille cette fois avec
m = 2), on a, pour u = (x, y, z) :

⎧
⎪ z = 0 ⎧
⎪x = x
f(u) = u ⟺ ⎨ −x + y + z = 0 ⟺ ⎨y = x
⎩
⎪ ⎩
⎪
z = 0 z = 0

Une base de ker(f − I) est donc donnée par le vecteur (1, 1, 0). Notons u = (1, 1, 0),
v = (0, 1, 0) et w = (1, 0, 1). Alors (u, v, w) est une base de vecteurs propres de f et dans cette
base, la matrice de f est

⎛1 0 0⎞
D = ⎜0 2 0⎟.
⎝0 0 2⎠

Notons P la matrice de passage de la base canonique de R3 à la base (u, v, w). La matrice P est
donnée par

⎛1 0 1⎞
P = ⎜1 1 0⎟
⎝0 0 1⎠

et on a A = P DP −1 . On doit calculer P −1 . On trouve

⎛ 1 0 −1 ⎞
−1
= ⎜ −1 1 1 ⎟ .
⎝ 0 0 1 ⎠
P

De A = P DP −1 , on déduit facilement par récurrence Ak = P Dk P −1 . Mais puisque D est

diagonale, on a

⎛1 0 0 ⎞
D = ⎜ 0 2k
k
0 ⎟.
⎝0 0 2k ⎠

Le calcul précédent donne finalement

⎛ 1 0 2k − 1 ⎞
A = ⎜ 1 − 2k
k
2k 2k − 1 ⎟ .
⎝ 0 0 2k ⎠

Exercice 8 - A paramètres [Signaler une erreur] [Ajouter à ma feuille d'exos]

Enoncé

⎛ 0 −b c ⎞
Soit (a, b, c) ∈ R . La matrice A = ⎜ a
3
0 −c ⎟ est-elle diagonalisable?
⎝ −a b 0 ⎠

Indication
Calculer le polynôme caractéristique, puis discuter.

Corrigé
:
 On calcule le polynôme caractéristique de A et on trouve facilement que

χa (X) = X(X 2 + (ab + bc + ca)).

Posons δ = ab + bc + ca. On discute alors suivant la valeur de δ :

Si δ > 0, le polynôme caractéristique n'est pas scindé sur R et donc la matrice n'est pas
diagonalisable.
Si δ < 0, le polynôme caractéristique est scindé à racines simples : la matrice est diagonalisable.
Si δ = 0, alors 0 est racine de multiplicité 3 du polynôme caractéristique. La matrice n'est
diagonalisable que s'il s'agit de la matrice nulle, c'est-à-dire si et seulement si a = b = c = 0.

Exercice 9 - A paramètres [Signaler une erreur] [Ajouter à ma feuille d'exos]

Enoncé

⎛a a(a + 2) a(a + 2) ⎞
2

Soit a ∈ R et soit A = ⎜ 0 2 − a2 a + 1 ⎟ . Déterminer les valeurs de a pour lesquelles A est

⎝0 0 a ⎠
diagonalisable.

Indication
Calculer le polynôme caractéristique de A. Si toutes ses racines sont distinctes, A est diagonalisable.
Sinon, il faut discuter....

Corrigé
Le polynôme caractéristique de A est

PA (X) = (a2 − X)(2 − a2 − X)(a − X).

Si ses racines sont distinctes, alors A est diagonalisable. Or,

a2 = a ⟺ a = 0 ou a = 1
2 − a2 = a ⟺ a = 1 ou a = −2
2 − a2 = a2 ⟺ a = 1 ou a = −1.
Donc, si a ≠ 0, 1, −1, −2, A est diagonalisable. Dans les autres cas, il faut discuter.
⎛0 0 0⎞ ⎛x⎞
Si a = 0, alors A = ⎜ 0 2 1 ⎟ . Dans ce cas, 0 est valeur propre double. Mais pour X = ⎜ y ⎟,
⎝0 0 0⎠ ⎝z⎠
AX = 0 ⟺ 2y + z = 0 ⟺ z = −2y. On en déduit que ((1, 0, 0), (0, 1, −2)) est une base de
ker(A) qui est de dimension 2. Ainsi, A est diagonalisable.
⎛1 3 3⎞
Si a = 1, alors A = ⎜ 0 1 2 ⎟ . Cette matrice n'est pas diagonalisable : sa seule valeur propre est 1,
⎝0 0 1⎠
et si elle était diagonalisable, alors A = P I3 P −1 = I3 , ce qui n'est pas le cas.
⎛ 1 −1 −1 ⎞
Si a = −1, alors A = ⎜ 0 1 0 ⎟ . Dans ce cas, −1 est valeur propre de multiplicité 2. Or
⎝ 0 0 −1 ⎠

⎧
⎪x − y − z = −x ⎧
⎪x = x
AX = −X ⟺ ⎨ = −y ⟺ ⎨ y = 0
⎩
⎪ ⎩
⎪
y
−z = −z z = 2x
((1, 0, 2)) ker( + ) 1
:
 ⎩
⎪ ⎩
⎪
Alors, ((1, 0, 2)) est une base de ker(A + I3 ) qui est de dimension 1, inférieure strice à la multiplicité de
A : la matrice A n'est pas diagonalisable.
⎛4 0 0 ⎞
Si a = −2, alors A = ⎜ 0 −2 −1 ⎟ . Dans ce cas, −2 est valeur propre de multiplicité 2. De la
⎝ 0 0 −2 ⎠
même façon, on prouve que ker(A + 2I3 ) est de dimension 1 (engendré par (0, 1, 0)). La matrice A n'est
donc pas diagonalisable.

Exercice 10 - Réduction d'une matrice par polynôme annulateur [Signaler une erreur] [Ajouter à
ma feuille d'exos]

Enoncé
1 1

Soit J = ( ) et A = ( ).
2 2 0 J
1 1
2 2
J 0

1. Calculer A2 , puis A3 .
2. A l'aide d'un polynôme annulateur de A, démontrer que A est diagonalisable.
3. Sans chercher à calculer le polynôme caractéristique de A, donner un ensemble fini contenant
toutes les valeurs propres de A, puis donner les valeurs propres elles-mêmes ainsi que la dimension
du sous-espace propre associé.
4. En déduire le polynôme caractéristique de A.

Indication

1. Calculer J 2 puis faire le produit par blocs.

2. Remarquer que A3 − A = 0.
3. Quel est le rang de A?
4.

Corrigé

1. On commence par remarquer que J 2 = J puis, en faisant le produit par blocs :

A2 = ( ) et A3 = ( ) = A.
J 0 0 J
0 J J 0
3 3
2. On remarque que A = A. Posons P (X) = X − X . Alors P est un polynôme annulateur pour
A. De plus, P se factorise en P (X) = X(X − 1)(X + 1) : il est donc scindé à racines simples.
Donc A est diagonalisable.
3. Les valeurs propres de A sont contenues dans les racines du polynôme caractéristique. Les valeurs
propres de A sont donc à chercher parmi 0, 1 et −1. De plus, on vérifie facilement que A est de
rang 2 (par exemple, parce que les deux premières et les deux dernières colonnes sont identiques).
Ainsi, dim(ker(A)) = 4 − 2 = 2. Cherchons la dimension du sous-espace propre associé à 1.
⎛x⎞
⎜y⎟
Posons u = ⎜ ⎟. Alors on vérifie facilement que
⎜z⎟
⎝t⎠

Au = u ⟺ x = y = z = t.
Ainsi, E(1) est de dimension 1, une base de E(1) étant donnée par ((1, 1, 1, 1)). De même, on a
Au = −u ⟺ x = y = −z = −t,
(−1) 1 (−1) (1, 1, −1, −1)
:
 ce qui prouve que E(−1) est de dimension 1, une base de E(−1) étant donnée par (1, 1, −1, −1).
4. Puisque A est diagonalisable, la multiplicité de chaque valeur propre (en tant que racine du
polynôme caractéristique) et la dimension du sous-espace vectoriel associé coïncident. On a donc
CA (X) = X 2 (X − 1)(X + 1).

Exercice 11 - Matrices élémentaires [Signaler une erreur] [Ajouter à ma feuille d'exos]

Enoncé
Parmi les matrices élémentaires Ei,j , lesquelles sont diagonalisables???

Indication

Corrigé
Les matrices Ei,i sont diagonales, donc diagonalisables! Si i ≠ j, alors le polynôme caractéristique de Ei,j
est X . Autrement dit, 0 est la seule valeur propre de Ei,j . Cette matrice est donc diagonalisable si et
n

seulement si c'est la matrice nulle. Et ce n'est pas le cas! Donc Ei,j est diagonalisable si et seulement si
i = j.

Exercice 12 - Matrice de rang 1 [Signaler une erreur] [Ajouter à ma feuille d'exos]

Enoncé

⎛ ⎞
1 1 1 1

Soit A = ⎜
2⎟
⎜ ⎟.
2 2 2
⎜3 3 3 3⎟
⎝4 4 4 4⎠

1. Déterminer, sans calculer le polynôme caractéristique, les valeurs propres de A. A est-elle

diagonalisable?
2. Plus généralement, donner une condition nécessaire et suffisante pour qu'une matrice de rang 1
soit diagonalisable.

Indication
Dans cet exercice, la trace et le rang pourront être utiles!

Corrigé

1. Toutes les colonnes étant identiques, et la matrice n'étant pas la matrice nulle, elle est de rang 1.
Autrement dit, 0 est valeur propre de A et la dimension de l'espace propre associé à 0 est égale à 3.
Ainsi, on en déduit que X 3 divise le polynôme caractéristique de A. Ce polynôme étant de degré 4 et
étant divisible par X 3 , il se factorise en X 3 (X − λ). En particulier, il est scindé. La somme des
valeurs propres de A comptées avec leur multiplicité étant égal à la trace de la matrice, on en déduit
que la dernière valeur propre est λ = 10 ≠ 0. Ainsi, 10 est valeur propre de A, et la dimension de
l'espace propre associé est au moins égale à 1. Puisque 3 + 1 ≥ 4, on en déduit que A est
diagonalisable.
2. Le même raisonnement peut être repris dans le cas général. 0 est valeur propre, et l'espace
propre associé est de dimension n − 1. Le polynôme caractéristique est scindé, et se factorise en
X n−1 (X − λ). On a alors λ qui vaut la trace de A. Si la trace de A n'est pas nulle, alors on
raisonne comme à la question précédente pour déduire que A est diagonalisable. Si la trace de A est
nulle, alors λ = 0 et 0 est racine du polynôme caractéristique de degré n alors que la dimension de
l'espace propre associé ne vaut que n − 1. Donc A n'est pas diagonalisable.
En conclusion, une matrice de rang 1 est diagonalisable si et seulement si sa trace n'est pas nulle.

Exercice 13 - Que des 1! [Signaler une erreur] [Ajouter à ma feuille d'exos]

:
 Enoncé
On note B = (e1 , … , en ) la base canonique de R , n ≥ 2. Soit f l'endomorphisme de R dont la matrice A
n n

dans B vérifie ai,j = 1 pour tout (i, j) ∈ {1, … , n}2 .

1. Déterminer la dimension de ker(f).

n
2. Soit v = ∑i=1 ei . Calculer f(v).
3. Démontrer que f est diagonalisable. Préciser les valeurs propres et les dimensions des sous-
espaces propres associés.

Indication

1. Il n'y a plus qu'une seule équation!

2.
3.

Corrigé

1. Soit u = ∑ni=1 xi ei . Posons a = ∑nj=1 xj . Alors f(u) = a ∑ni=1 ei . Autrement dit,

u ∈ ker(f) ⟺ a = 0 ⟺ x1 + x2 + ⋯ + xn = 0.

On en déduit que ker(f) est de dimension n − 1, une base de ker(f) etant donné par les vecteurs
(u1 , … , un−1 ) avec ui = ei − en . On peut aussi remarquer que le rang de la matrice A vaut 1,
puisque toutes ses colonnes sont identiques, et donc par le théorème du rang que la dimension de son
noyau vaut n − 1.
2. On vérifie facilement que f(v) = nv.
3. On a donc prouvé que 0 est valeur propre de f et que la dimension de l'espace propre associé
vaut n − 1, puis que n est valeur propre de f et que la dimension de l'espace propre associé est au
moins égale à 1. La somme des dimensions des espaces propres étant inférieure ou égale à n, on en
déduit que la dimension de l'espace propre associé à n vaut 1. L'endomorphisme f est donc
diagonalisable et ses valeurs propres sont 0 et n, les sous-espaces propres associés étant
respectivement de dimension n − 1 et 1.

Exercice 14 - Diagonalisation par polynôme minimal [Signaler une erreur] [Ajouter à ma feuille
d'exos]

Enoncé
Soit U la matrice

⎛ ⎞
0 1 1 1

U =⎜
1⎟
⎜ ⎟.
1 0 1
⎜1 1 0 1⎟
⎝1 1 1 0⎠

1. Calculer U 2 et en déduire une relation simple liant U 2 , U et I4 .

2. En déduire que U est diagonalisable et donner ses valeurs propres.
3. Diagonaliser U .

Indication

1.
2. Quel est le polynôme minimal de U?
:
 Corrigé

1. On vérifie facilement que

⎛ ⎞
3 2 2 2

U2 = ⎜
2 3 2 2⎟
⎜
⎜2 ⎟
2 3 2⎟
⎝2 2 2 3⎠

et donc que U 2 = 2U + 3I4 .

2. Le polynôme X 2 − 2X − 3 est un polynôme annulateur de U . Il est scindé, à racines simples (
−1 et 3), et donc U est diagonalisable. On peut même aller un cran plus loin et affirmer que
X 2 − 2X − 3 est le polynôme minimal de U , puisqu'aucun polynôme de degré un n'est polynôme
annulateur de U qui n'est pas multiple de I4 . Ainsi, les valeurs propres de U sont −1 et 3.
⎛x⎞
⎜y⎟
3. Soit X = ⎜ ⎟. On commence par résoudre UX = −X :
⎜z⎟
⎝t⎠

⎧
⎪
y + z + t = −x
⎪ x + z + t = −y
UX = −X ⟺ ⎨
⎪
⎪
x + y + t = −z
⎩
x + y + z = −t
⟺ x+y+z+t=0
⎧
⎪
x = −y − z − t
⎪
⟺ ⎨
y = y
⎪
⎪
⎩
z = z
t = t

Ainsi, −1 est une valeur propre de multiplicité 3, et une base de l'espace propre associé est donnée
par les vecteurs (−1, 1, 0, 0), (−1, 0, 1, 0) et (−1, 0, 0, 1). Pour déterminer l'espace propre associé
à la valeur propre 3, dont on sait désormais qu'il est de dimension 1, on peut résoudre UX = 3X .
On peut aussi remarquer que la somme de chaque ligne de la matrice fait 3. Ainsi, le vecteur
(1, 1, 1, 1) est vecteur propre de U pour la valeur propre 3. Il constitue une base de l'espace propre
associé à la valeur propre 3.

Exercice 15 - Déduire du cas 2x2 [Signaler une erreur] [Ajouter à ma feuille d'exos]
Enoncé

0 a
1. Soit A = ( ) dans M2 (R). Donner une condition nécessaire et suffisante pour que A soit
b 0
diagonalisable.
2. Soient p ≥ 1 et α1 , … , α2p des réels. Soit A = (ai,j ) ∈ M2p (R) tel que ai,2p+1−i = αi si 1 ≤ i ≤ 2p
et ai,j = 0 sinon. Donner une condition nécessaire et suffisante pour que A soit diagonalisable sur R.

Indication

1. Calculer le polynôme caractéristique de A.

2. Remarquer que Ei = vect(ei , e2p+1−i ) est stable par A.
:
 Corrigé

1. Le polynôme caractéristique de A est X 2 − ab. Si ab > 0, alors il se factorise en

(X − √ab)(X + √ab). Autrement dit, A admet deux valeurs propres distinctes, et donc A est
diagonalisable. Si ab = 0, alors si a = b = 0, A est déjà diagonale. Si a = 0 et b ≠ 0 (ou
symétriquement si b = 0 et a ≠ 0), la seule valeur propre de A est 0, et donc si A était
diagonalisable, elle serait égale à la matrice nulle, ce qui n'est pas le cas. Donc A n'est pas
diagonalisable. Enfin, si ab < 0, A n'admet pas de valeurs propres, et donc A n'est pas
diagonalisable. En résumé, on a prouvé que A est diagonalisable si et seulement si a = b = 0 ou
ab > 0.
2p
2. Soit (e1 , … , e2p ) la base canonique de R et soit Ei = vect(ei , e2p+1−i ), pour 1 ≤ i ≤ p. On
a Aei = α2p+1−i e2p+1−i et Ae2p+1−i = αi ei . Chaque sous-espace Ei est donc stable par A, et de
2p
plus R = E1 ⊕ E2 ⊕ ⋯ ⊕ Ep . A est donc diagonalisable si et seulement A|Ei est diagonalisable
pour chaque i. Mais la matrice de la restriction de A à Ei est exactement une matrice 2 × 2 comme
celle de la question précédente, avec b = α2p+1−i et a = αi . On conclut finalement que :

A est diagonalisable ⟺ ∀i ∈ {1, … , p}, αi = α2p+1−i = 0 ou αi α2p+1−i > 0.

Exercice 16 - De rang 2!!! [Signaler une erreur] [Ajouter à ma feuille d'exos]

Enoncé
Soient a, b ∈ R tels que |a| ≠ |b|. On considère la matrice carrée de taille
2n
a b a b …
⎛ ⎞
⎜
⎜a b a b … ⎟
b a b a …
⎟
A=⎜
⎜ ⎟
⎟.
⎜
⎜ b a b a …⎟⎟
⎜ ⎟
⎝ ⋮ ⋮ ⋮ ⋮ ⋱⎠

1. Calculer le rang de A. En déduire que si n > 1, alors 0 est valeur propre de A et déterminer la
dimension du sous-espace propre associé.
2. Déterminer deux vecteurs propres associés à deux autres valeurs propres, et en déduire que A est
diagonalisable.

Indication

1. Extraire une matrice 2 × 2 inversible.

2. Utiliser la structure de la matrice. Par exemple, les sommes des coefficients sur chaque ligne sont
égales...

Corrigé

1. Puisque la matrice n'admet que deux colonnes distinctes, elle est de rang au plus 2. De plus, la

( ) est inversible puisque son déterminant est a2 − b2 ≠ 0. Le rang de la

a b
matrice extraite
b a
matrice est 2 ce qui fait, d'après le théorème du rang, que la dimension du noyau de A est 2n − 2.
Ainsi, 0 est valeur propre de A de multiplicité 2n − 2.
2. Utilisons la structure de la matrice. On remarque que les sommes des coefficients sur chaque
ligne sont égales, et égales à n(a + b). Ceci signifie que le vecteur

⎛ ⎞
1
:
 ⎛ ⎞
1
⎜
⎜
1⎟
⎟
⎜
⎜ 1⎟⎟
⎜
⎜ ⎟
⎜ ⎟
1 ⎟
⎝⋮⎠

est vecteur propre associé à la valeur propre n(a + b). De même, en faisant cette fois des sommes
"alternées", on remarque que le vecteur

⎛ ⎞
1
⎜
⎜
−1 ⎟
⎟
⎜
⎜ 1 ⎟
⎟
⎜
⎜ ⎟
⎟
⎜ −1 ⎟
⎝ ⋮ ⎠

est vecteur propre associé à la valeur propre n(a − b). Ces deux vecteurs sont non colinéaires, et
a + b comme a − b sont non nuls. On a donc trouvé les deux vecteurs propres manquants, et A est
diagonalisable.

Exercice 17 - Matrice d'ordre n [Signaler une erreur] [Ajouter à ma feuille d'exos]

Enoncé
Soit, pour n ≥ 1, la matrice Mn de Mn (R) dont les coefficients diagonaux sont égaux à 1, 2, … , n et les
autres coefficients sont tous égaux à 1. Soit Pn le polynôme caractéristique de Mn .

1. Démontrer que, pour tout n ≥ 2, Pn (X) = (X − (n − 1))Pn−1 (X) − X(X − 1) … (X − (n − 2)).

2. Démontrer que, pour tout n ≥ 1 et tout k ∈ {0, … , n − 1}, (−1)n+k Pn (k) > 0.
3. En déduire que Mn est diagonalisable et que chaque intervalle ]0, 1[, ]1, 2[, … , ]n − 1, +∞[
contient exactement une valeur propre de Mn .

Indication

1. Retirer la première colonne à la dernière.

2. Procéder par récurrence sur n.
3. Utiliser le théorème des valeurs intermédiaires.

Corrigé

1. On calcule le polynôme caractéristique de Mn en retirant la première colonne à la dernière, puis

en développant suivant la dernière colonne. On trouve :

−1 −1 … … −
:
 ∣X − 1 −1 … … ∣ −X
∣ −1 X−2 −1 … ∣ 0
∣ ∣
∣ ∣
Pn (X) = ∣ ⋮ … ⋱ … ⋮ ∣
∣ ∣
∣ ⋮ … … ⋱ 0 ∣
∣ ∣
∣ −1 −1 … … X − (n − 1) ∣
∣ −1 X−2 −1 … −1 ∣
∣ ∣
∣ −1 −1 X−3 … ⋮ ∣
n ∣ ∣
= (−1) X ∣ ∣ + (X − (n − 1))Pn−1 (X).
∣ ⋮ ⋮ … ⋱ ⋮ ∣
∣ −1 −1 … −1 X − (n − 1) ∣
∣ ∣
∣ −1 −1 … … −1 ∣

Pour calculer l'avant-dernier déterminant qui apparait, on retranche l'avant-dernière ligne à la

dernière, puis la ligne n − 3 à la ligne n − 2, etc. jusqu'à retirer la ligne 1 à la ligne 2. On trouve :

∣ −1 X − 2 −1 … −1 ∣
∣ ∣ ∣ −1 ∗ … ∗ ∣
∣ −1 −1 X−3 … ⋮ ∣ ∣ 0 1−X ∗ … ∣
∣ ∣ ∣ ∣
∣ ∣=∣ ∣.
∣ ⋮ ⋮ … ⋱ ⋮ ∣ ∣… ⋱ ⋱ ∗ ∣
∣ −1 −1 … −1 X − (n − 1) ∣ ∣ 0 …
∣
0 (n − 2) − X ∣
∣ ∣ ∣
∣ −1 −1 … … −1 ∣

La matrice que l'on obtient est triangulaire supérieure, son déterminant est le produit des termes
diagonaux, et on obtient

Pn (X) = (X − (n − 1))Pn−1 (X) + (−1)n+1 X(1 − X) ⋯ (n − 2 − X)

= (X − (n − 1))Pn−1 (X) − X(X − 1) ⋯ (X − (n − 2)).

2. On procède par récurrence sur n. Le résultat est vrai pour n = 1, puisque P1 (X) = X − 1 et
−Pn (0) > 0. Supposons la propriété vraie au rang n − 1 et démontrons-la au rang n. Alors, pour
k ≤ n − 2, d'après la formule précédente, on a

(−1)n+k Pn (k) = (−1)n+k Pn−1 (k) × (k − (n − 1)) + 0 = (n − 1 − k) × (−1)n−1+k Pn−1 (k) > 0.

Pour k = n − 1, alors

(−1)n+k Pn (n − 1) = (n − 1)! > 0.

3. Pour k ∈ {0, … , n − 2}, le résultat de la question précédente nous dit que Pn (k) et
Pn (k + 1) sont de signe contraire. Ainsi, par le théorème des valeurs intermédiaires, Pn possède au
moins une racine dans l'intervalle ]k, k + 1[, ce qui nous donne n − 1 racines distinctes. De plus, la
limite de Pn en +∞ est +∞ et

Pn (n − 1) = −(−1)n+n−1 Pn (n − 1) < 0.

Donc, toujours par le théorème des valeurs intermédiaires, on trouve une racine dans l'intervalle
[n − 1, +∞[. On a trouvé n racines distinctes pour le polynôme caractéristique de Mn , qui est une
matrice d'ordre n. Ainsi, Mn est diagonalisable, et on a trouvé toutes les valeurs propres de Mn . Il y
en a bien exactement une dans chaque intervalle proposé.
:
 Exercice 18 - [Signaler une erreur] [Ajouter à ma feuille d'exos]

Enoncé
Pour n ≥ 1, soit

0 1 0 … 0
⎛ ⎞
⎜
⎜ 1 ⋱ ⋱ ⋱ ⋮ ⎟
⎟
⎜ ⎟
An = ⎜ 0 ⋱ ⋱ ⋱ ⋮ ⎟
⎜ ⎟
⎜
⎜ ⎟
⎟
⎜
⎜ ⎟
⎜ ⋮ ⋱ ⋱ ⋱ 1⎟⎟
⎝0 … 0 1 0⎠

et Pn (x) = det(xIn − An ) son polynôme caractéristique.

1. Démontrer que pour tout n ≥ 2, on a

Pn (x) = xPn−1 (x) − Pn−2 (x).

Calculer P1 et P2 .
2. Pour tout x ∈] − 2, 2[, on pose x = 2 cos α avec α ∈]0, π[. Démontrer que

sin((n + 1)α)
Pn (x) = .
sin α
3. En déduire que An est diagonalisable.

Indication

1. Développer suivant la première colonne, puis suivant la première ligne.

2. Par récurrence?
3. Démontrer que Pn admet n racines distinces.

Corrigé

1. On développe le déterminant suivant la première colonne. On trouve

∣ −1 0 … … 0 ∣
∣ −1 x −1 0 … ∣
∣ ∣
∣ ∣
Pn (x) = xPn−1 (x) + ∣ 0 ⋱ ⋱ ⋱ ⋱ ∣ .
∣ ∣
∣ ⋮ ⋱ ⋱ ⋱ −1 ∣
∣ ∣
∣ 0 … … −1 x ∣

On développe ensuite suivant la première ligne et on trouve le résultat demandé. On a par ailleurs
P1 (x) = x et P2 (x) = x2 − 1.
2. On va procéder par récurrence double. Le résultat est vrai pour n = 1 car
sin(2α) = 2 sin(α) cos(α) et pour n = 2 car

sin(3α) = sin(2α) cos(α) + sin(α) cos(2α)

= 2 sin(α) cos2 (α) + 2 sin(α) cos2 (α) − sin(α)
= sin(α) ((2 cos α)2 − 1) .

Si le résultat est vrai aux rang n − 2 et n − 1, alors en utilisant le résultat de la première question,
on a
sin( ) ( ) = (2 cos ) sin( ) ( ) − sin( ) ( )
:
 sin(α)Pn (x) = (2 cos α) sin(α)Pn−1 (x) − sin(α)Pn−2 (x)
= 2 cos α sin(nα) − sin((n − 1)α))
= sin((n + 1)α) + sin((n − 1)α) − sin((n − 1)α)
= sin((n + 1)α)

ce qui prouve que le résultat est encore vrai au rang n.

3. L'équation sin((n + 1)α) = 0 admet n racines dans l'intervalle ]0, π[ qui sont les réels
kπ
αk = n+1
,k = 1, … , n. Par bijectivité de la fonction cos sur l'intervalle ]0, π[, les n réels
xk = 2 cos(αk ), k = 1, … , n sont distincts et ce sont des racines de Pn . Pn , qui est de degré n,
et donc scindé à racines simples. Puisqu'il s'agit du polynôme caractéristique de An , on en déduit que
An est diagonalisable.

Exercice 19 - Une grande matrice! [Signaler une erreur] [Ajouter à ma feuille d'exos]
Enoncé
On considère, pour n ≥ 4, la matrice A = (ai,j )1≤i,j≤n telle que ai,j = 1 si i = 1 ou i = n ou j = 1 ou j = n,
et ai,j = 0 sinon. Démontrer que A est diagonalisable.

Indication
Commencer par calculer le rang de A.
Corrigé
On peut commencer par calculer le rang de A. Il est facile de vérifier qu'il est égal à 2. En effet, en
enlevant la dernière colonne à la première colonne, et la deuxième colonne aux colonnes 3, … , n − 1, on
trouve que le rang de A est égal au rang de la matrice

⎛ ⎞
0 1 0 … 1
⎜
⎜
0 0 0 … 1 ⎟
⎟
⎜
⎜⋮ ⋮ ⋮ ⎟
⋮ ⋮⎟
⎝0 1 0 … 1⎠

Le rang de cette dernière matrice est clairement égal à 2. Ainsi, la dimension de ker A est égale à n − 2.
Il suffit alors de vérifier que A admet deux valeurs propres distinctes, et différentes de 0, pour prouver que
A est diagonalisable. Pour cela, on va calculer le polynôme caractéristique de A. En réalisant les mêmes
opérations élémentaires que pour le calcul du rang, on trouve

∣ −X 1 0 … ∣ 1
∣ 0 −X X … ∣ 1
∣ ∣
∣ ∣
CA (X) = ∣ 0 0 ⋱ ⋱ ⋮ ∣.
∣ ∣
∣ ⋮ ⋮ ⋮ ⋮ ⋮ ∣
∣ ∣
∣ X 1 0 … 1−X∣

On ajoute ensuite la dernière ligne à la première, puis les lignes 3, … , n − 1 à la deuxième ligne. On peut
alors finir le calcul du polynôme caractéristique (en développant par rapport aux colonnes ne contenant plus
qu'un terme non nul) :

0 2 0 … 2−
:
 ∣0 2 0 …
2−X∣
∣0 −X 0 n−2 ∣
…
∣ ∣
∣ ∣
CA (X) = ∣ ⋮ 0 ⋱ ⋮ ⋮ ∣
∣ ∣
∣ ⋮ ⋮ ⋮ ⋱ ⋮ ∣∣
∣
∣X 1 0 … 1−X∣
∣ 2 2−X∣
= (−1)n−1 X n−2 ∣ ∣
∣ −X n − 2 ∣
= (−1)n−1 X n−2 (−X 2 + 2X + 2n − 4).

Le polynôme −X 2 + 2X + 2n − 4 admet deux racines distinctes et différentes de zéro (son discriminant

vaut 8n − 12, il est strictement positif car on a supposé n ≥ 4). La matrice A est donc diagonalisable.
Il est aussi possible de remarquer, si l'on connait le résultat, que la matrice A est diagonalisable car c'est
une matrice symétrique réelle.

Diagonalisation de matrices sur C

Exercice 20 - Réduction d'une matrice circulante [Signaler une erreur] [Ajouter à ma feuille d'exos]
Enoncé
Pour a, b, c des nombres complexes, on pose

⎛a b c⎞
M(a, b, c) = ⎜ c a b ⎟
⎝ b c a⎠

et J = M(0, 1, 0).

1. Exprimer M(a, b, c) en fonction de I3 , J et J 2 .

2. Démontrer que J est diagonalisable, et donner son spectre.
3. En déduire que M(a, b, c) est diagonalisable et donner son spectre.

Indication

1.
2. Calculer le polynôme caractéristique de J .
3. Utiliser le résultat de la première question et le fait que J = P DP −1 .

Corrigé

1. On trouve sans difficultés que J 2 = M(0, 0, 1), puis que M(a, b, c) = aI3 + bJ + cJ 2 .
2. Calculons le polynôme caractéristique de J :

∣ X −1 0 ∣
χJ (X) = ∣ 0 X −1 ∣
∣ ∣
∣ −1 0 X ∣
∣ X −1 ∣ ∣ −1 0 ∣
= X∣ ∣−1×∣ ∣
∣0 X ∣ ∣ X −1 ∣
= X 3 − 1.

Les racines du polynôme X 3 − 1 sont 1, j, j2 avec j = e2iπ/3 . Ainsi, le polynôme caractéristique de

J est scindé à racines simples : J est diagonalisable et ses valeurs propres sont 1, j et j2 .
:
 3. Il faut mieux éviter de calculer le polynôme caractéristique de M(a, b, c) et plutôt utiliser le
résultat des questions précédentes. En effet, on peut écrire que J = P DP −1 avec D la matrice
diagonale dont les coefficients diagonaux sont 1, j et j2 . On a alors

M(a, b, c) = aI3 + bJ + cJ 2
= P (aI3 )P −1 + P (bD)P −1 + P (cD2 )P −1
= P (aI3 + bD + cD2 )P −1 .

Posons D(a, b, c) = aI3 + bD + cD2 , c'est-à-dire que D(a, b, c) est la matrice diagonale

⎛ ⎞
a+b+c 0 0
D(a, b, c) = ⎜ 0 a + bj + cj2 0 ⎟.
⎝ 0 0 a + bj + cj ⎠
2

Ainsi, la matrice M(a, b, c) est diagonalisable, et ses valeurs propres sont a + b + c, a + bj + cj2 ,
2
a + bj + cj.

Exercice 21 - Un bloc [Signaler une erreur] [Ajouter à ma feuille d'exos]

Enoncé

Soit A ∈ Mn (C) une matrice diagonalisable et B = ( ) ∈ M2n (C). Donner les valeurs propres de
A 0
0 In
B et la dimension des sous-espaces propres correspondants. À quelle condition B est-elle diagonalisable?

Indication
Résoudre B(xy) = λ(xy) et trouver quelles sont les valeurs de λ possibles.

Corrigé
Soit X = (xy), et soit λ ∈ C. Alors on a :

Ay = λx Ay = λ2 y
BX = λX ⟺ { ⟺ {
x = λy x = λy

Ainsi,λ est valeur propre de B si et seulement si λ2 est valeur propre de A, et X = (xy) est vecteur
propre de B pour la valeur propre λ si et seulement si x = λy et y est vecteur propre de A pour la valeur
2 2
propre λ . Pour µ ∈ C, notons Eµ = ker(A − µIn ) et Fµ = ker(B − µI2n ). Soit µ = λ ∈ C. Si
(y1 , … , yk ) est une base de Eµ , alors en posant Xi = (λy
yi ), (X1 , … , Xk ) est une base de Fλ .
i

Puisque A est diagonalisable, on sait que

p
∑ dim(Eµi ) = n,
i=1

oùµ1 , … , µp sont les valeurs propres de A. Si µi ≠ 0 pour tout i, chaque µi admet deux racines carrées
complexes distinctes λi , λ′i , et on a

p p p
∑ dim(Fλi ) + ∑ dim(Fλ′i ) = 2 ∑ dim(Eµi ) = 2n,
i=1 i=1 i=1

et donc B est diagonalisable. Au contraire, si µ1 = 0, alors on obtient une seule racine carrée, qui vaut 0,
et la somme des dimensions des sous-espaces propres de B vaut
:
 p
dim(E0 ) + 2 ∑ dim(Eµi ) = 2n − dim(E0 ) < 2n.
i=2

On en conclut que B est diagonalisable si et seulement si 0 n'est pas valeur propre de A.

Application de la diagonalisation
Exercice 22 - Calcul d'une puissance n-ième [Signaler une erreur] [Ajouter à ma feuille d'exos]
Enoncé
Soit A la matrice suivante :

⎛ 3 0 −1 ⎞
A = ⎜ 2 4 2 ⎟.
⎝ −1 0 3 ⎠

Démontrer que A est diagonalisable et donner une matrice P inversible et une matrice D diagonale telles
que A = P DP −1 . En déduire la valeur de An pour tout n ∈ N.

Indication
Calculer le polynôme caractéristique...

Corrigé
Le calcul du polynôme caractéristique ne pose pas de problèmes, et on trouve, sous forme factorisée,
χA (x) = (x − 2)(x − 4)2 . On ne peut pas conclure directement que A est diagonalisable, il faut
déterminer une base des sous-espaces propres associés. Pour la valeur propre 2, on résout l'équation
⎛x⎞
AX = 2X avec X = ⎜ y ⎟. On trouve le système
⎝z⎠

⎧
⎪x = x
⎨ y = −2x
⎩
⎪
z = x

Ainsi, le sous-espace propre associé à la valeur propre 2 est le sous-espace vectoriel engendré par le vecteur
⎛ 1 ⎞
u1 = ⎜ −2 ⎟ .
⎝ 1 ⎠
Cherchons ensuite le sous-espace propre associé à la valeur propre 4. On doit résoudre AX = 4X et on
trouve cette fois le système :

⎧
⎪x = x
⎨y = y
⎩
⎪
z = −x

⎛0⎞
Une base de l'espace propre associé à la valeur propre 4 est donc donné par (u2 , u3 ), avec u2 = ⎜ 1 ⎟ et
⎝0⎠

⎛ 1 ⎞
u3 = ⎜ 0 ⎟ .
⎝ −1 ⎠
Les dimensions des sous-espaces propres sont égales aux multiplicités des valeurs propres correspondantes,
donc A est diagonalisable. Plus précisément on a A = P DP −1 avec
⎛ 1 0 1 ⎞ ⎛2 0 0⎞
:
 ⎛ 1 0 1 ⎞ ⎛2 0 0⎞
P = ⎜ −2 1 0 ⎟ et D = ⎜ 0 4 0 ⎟ .
⎝ 1 0 −1 ⎠ ⎝0 0 4⎠

Il vient alors que, pour tout n ∈ N, on a An = P Dn P −1 . Dn est tout simplement égale à

⎛2 0 ⎞
n
0
D =⎜ 0
n
4n 0 ⎟.
⎝ 0 0 4n ⎠

Après un petit calcul, on trouve que

1⎛
−1 0 −1 ⎞
−1
= − ⎜ −2 −2 −2 ⎟ .
2⎝
1 ⎠
P
−1 0

On en déduit finalement que

⎛ 2 n+ 4 n 2n − 4n ⎞
n n
0
An = ⎜ 2(4 − 2 ) 2(4n − 2n ) ⎟ .
1
2.4n
2⎝ n
2 − 4n 0 2n + 4n ⎠

Exercice 23 - Racine cubique [Signaler une erreur] [Ajouter à ma feuille d'exos]

Enoncé
−5 3
Soit A = ( ) . Montrer que A est diagonalisable et calculer ses valeurs propres. En déduire qu'il
6 −2
existe une matrice B telle que B3 = A.

Indication
Calculer le polynôme caractéristique de A. A est semblable à une matrice diagonale D. Trouver d'abord
3
une matrice M telle que M = D.

Corrigé
On calcule le polynôme caractéristique de A et on trouve

PA (X) = (X − 1)(X + 8).

Les racines du polynôme caractéristique de A sont toutes dans R et toutes distinctes. A est donc
diagonalisable. Il existe donc une matrice inversible P telle que A = P DP −1 , avec

1 0
D=( ).
0 −8

Pour prouver l'existence d'une matrice B telle que B3 = A, l'idée est de d'abord faire la même chose avec
D. Mais si
1 0
M=( )
0 −2

alors on a M 3 = D. Posons B = P MP −1 . Alors

B3 = P M 3 P −1 = P DP −1 = A.
Remarquons que l'énoncé de l'exercice ne demande pas de calculer B...
:
 Exercice 24 - Application à des suites récurrentes [Signaler une erreur] [Ajouter à ma feuille d'exos]
Enoncé

⎛ −4 −6 0 ⎞
Soit A la matrice ⎜ 3 5 0 ⎟.
⎝ 3 6 5⎠

1. Diagonaliser A.
2. Calculer An en fonction de n.
3. On considère les suites (un ), (vn ) et (wn ) définies par leur premier terme u0 , v0 et w0 et les
relations suivantes :

⎧
⎪ un+1 = −4un − 6vn
⎨ vn+1 = 3un + 5vn
⎩
⎪
wn+1 = 3un + 6vn + 5wn

⎛ n⎞
u
pour n ≥ 0. On pose Xn = ⎜ vn ⎟. Exprimer Xn+1 en fonction de A et Xn . En déduire un , vn et wn
⎝ wn ⎠
en fonction de n.

Indication

1. Méthode usuelle. Calcul du polynôme caractéristique.

2. Utiliser la relation A = P DP −1 qui donne An = P Dn P −1 par récurrence.
3. On a Xn+1 = AXn . Par récurrence, Xn = An X0 ce qui permet de calculer un , vn et wn .

Corrigé

1. On calcule le polynôme caractéristique de A. On trouve

PA (X) = (X + 1)(X − 2)(X − 5).

A ∈ M3 (R) a trois valeurs propres, −1, 2, 5 : A est donc diagonalisable. On cherche les sous-
espaces propres associés. Pour −1, on a, pour X = (x, y, z),

⎧
⎪
−3x − 6y = 0 ⎧
⎪ x = −2y
AX = −X ⟺ ⎨ 3x + 6y = 0 ⟺ ⎨y =
⎩
⎪ 3x + 6y + 6z ⎩
⎪
y
= 0 z = 0

Le vecteur (2, −1, 0) est donc un vecteur propre de A associé à la valeur propre -1. On fait de
même avec 2, et on trouve (par exemple) le vecteur propre (1, −1, 1) et pour 5, et on trouve le
vecteur propre (0, 0, 1). Ainsi, en posant

⎛ 2 1 0⎞ ⎛ −1 0 0 ⎞
P = ⎜ −1 −1 0 ⎟ et D = ⎜ 0 2 0 ⎟
⎝ 0 1 1⎠ ⎝ 0 0 5⎠

on a P DP −1 = A. Le calcul de P −1 donne

⎛ 1 1 0⎞
−1
= ⎜ −1 −2 0 ⎟ .
⎝ 1 2 1⎠
P

1 1
:
 ⎝ ⎠
2. On a A = P DP −1 , ce qui entraîne par récurrence An = P Dn P −1 . Dn se calcule facilement
en mettant les coefficients de la diagonale à la puissance n. En effectuant les deux produits de
matrice, on trouve finalement :

⎛ 2(−1) − 2 0 ⎞
n
n 2(−1)n − 2n+1
An = ⎜
⎜ (−1)
n+1
+ 2n (−1) n+1
+2 n+1
0 ⎟⎟.
⎝ −2n + 5n −2n+1 + 2.5n 5n ⎠

3. On a Xn+1 = AXn . Par récurrence, on a Xn = An X0 . Grâce au calcul de An effectué à la

question précédente, on trouve

⎧
⎪ n
u = (2(−1)n − 2n )u0 + (2(−1)n − 2n+1 )v0
⎨ vn = ((−1)n+1 + 2n )u0 + ((−1)n+1 + 2n+1 )v0
⎪
⎩
wn = (−2n + 5n )u0 + (−2n+1 + 2.5n )v0 + 5n w0 .

Exercice 25 - Commutant d'une matrice [Signaler une erreur] [Ajouter à ma feuille d'exos]
Enoncé
Soit A la matrice

⎛ 1 0 −1 ⎞
A = ⎜1 2 1 ⎟.
⎝2 2 3 ⎠

1. Diagonaliser A.
2. En déduire toutes les matrices M qui commutent avec A.

Indication

1.
2. Si A = P DP −1 , commencer par déterminer toutes les matrices qui commutent avec D, puis
remarquer que si M commute avec A, alors P −1 MP commute avec D.

Corrigé

1. La diagonalisation de A ne pose pas de problèmes. Son polynôme caractéristique est

χA (x) = (x − 1)(x − 2)(x − 3). Il est scindé à racines simples, et donc A est diagonalisable. En
particulier, il existe P inversible telle que A = P DP −1 avec

⎛1 0 0⎞
D = ⎜0 2 0⎟.
⎝0 0 3⎠

2. On va commencer par déterminer les matrices N = (ni,j ) qui commutent avec D. On remarque
que

⎛ 1,1 ⎞ ⎛ 1,1 ⎞
1n 2n1,2 3n1,3 1n 1n1,2 1n1,3
ND = ⎜ 1n2,1 2n2,2 2n2,3 ⎟ et DN = ⎜ 2n2,1 2n2,2 3n2,3 ⎟ .
⎝ 1n3,1 2n3,2 3n3,3 ⎠ ⎝ 3n3,1 3n3,2 3n3,3 ⎠

Pour que ND = DN , il est donc nécessaire et suffisant que N soit une matrice diagonale,

⎛ 0 0⎞
:
 ⎛a 0 0⎞
N = ⎜0 b 0⎟.
⎝0 0 c⎠

Ensuite, on remarque que si M commute avec A, alors

P DP −1 M = MP DP −1 ⟺ (P −1 MP )D = D(P −1 MP )

et donc M commute avec A si et seulement si P −1 MP commute avec D, donc si et seulement si

cette matrice est diagonale. Après calcul de P et de P −1 , on trouve que M est de la forme

⎛ 2b − c ⎞
a−c
−a + 2b − c 2
M=⎜
⎜ −b + c a−b+c
−a+c ⎟
⎟.
⎝ 2c − 2b ⎠
2
−2b + 2c c

Exercice 26 - Matrices semblables? [Signaler une erreur] [Ajouter à ma feuille d'exos]

Enoncé
Les matrices

⎛0 0 4 ⎞ ⎛2 1 1 ⎞
A = ⎜ 1 0 −8 ⎟ et B = ⎜ 0 0 −2 ⎟
⎝0 1 5 ⎠ ⎝0 1 3 ⎠

sont-elles semblables?

Indication
L'une est diagonalisable, pas l'autre...

Corrigé
On vérifie facilement que A et B ont le même polynôme caractéristique (1 − x)(2 − x)2 . Cherchons les
⎛x⎞
sous-espaces propres associés à la valeur propre 2. Pour la matrice A, avec X = ⎜ y ⎟, on a
⎝z⎠

⎧
⎪ x = 2z
AX = 2X ⟺ ⎨ y = −3z .
⎩
⎪
z = z

Le sous-espace propre associé à la valeur propre 2 pour A est donc la droite vectorielle engendrée par
(2, −3, 1). En particulier, A n'est pas diagonalisable.
Pour B maintenant, on a

⎧
⎪x = x
BX = 2X ⟺ ⎨ y = y .
⎩
⎪ z = −y

Le sous-espace propre associé à la valeur propre 2 est donc le plan engendré par les deux vecteurs (1, 0, 0)
et (0, 1, −1). En particulier, la dimension de ce sous-espace propre est égale à la multiplicité de 2 comme
racine du polynôme caractéristique.
Maintenant, ceci entraîne que A et B ne sont pas semblables. Si c'était le cas, alors la relation être
semblable étant transitive, A serait semblable à une matrice diagonale, donc diagonalisable, ce qui n'est
pas le cas.
:
 Exercice 27 - Application au calcul d'un déterminant circulant [Signaler une erreur] [Ajouter à
ma feuille d'exos]

Enoncé
Soient a0 , … , an−1 des nombres complexes, et soient A, J les matrices de Mn (C) définies par

⎛ ⎞ ⎛ ⎞
a0 a1 … an−1 0 1 0 …
⎜ an−1 ⋮ ⎟ ⎜
⎜ ⋮ ⋱ ⋱ ⋮ ⎟
⎟
A=⎜
⎜ ⎟
⎟ ⎜ ⎟
⋱ ⋱
⎜ ⎟ , = ⎜
⎜ ⎟
⎟
.
⎜ ⎟
J
⎜ ⋮ ⋱ ⋱ a1 ⎟ ⎜ 0 ⋱ ⋱ 1 ⎟
⎝ a1 … an−1 a0 ⎠ ⎝1 0 … 0 ⎠

1. Démontrer que J est diagonalisable et calculer ses valeurs propres.

2. Déterminer un polynôme Q tel que A = Q(J).
3. En déduire le déterminant de A.

Indication

1. Calculer le polynôme caractéristique.

2. Calculer d'abord J 2 , J 3 ,...
3. Écrire que J = P DP −1 et en déduire, à l'aide du polynôme de la question précédente, une
matrice diagonale à laquelle A est semblable.

Corrigé

1. On calcule le polynôme caractéristique de J . En développant par rapport à la première ligne, on

trouve

χJ (x) = det(xIn − J)
∣ 0 −1 0 … 0 ∣
∣ x −1 0 … ∣ ∣ 0 x −1 0 … ∣
∣ ∣ ∣ ∣
∣0 ⋱ ⋱ ⋮ ∣ ∣ ∣
= x∣ ∣ + ∣ ⋮ ⋱ ⋱ ⋱ ⋮ ∣.
∣ ⋮ ⋱ ⋱ −1 ∣ ∣ ∣
∣ ∣ ∣ 0 … … ⋱ −1 ∣
∣0 … 0 x ∣ ∣ ∣
∣ −1 0 … 0 x ∣
Le premier déterminant qui apparait est celui d'une matrice triangulaire supérieure, son calcul ne
pose pas de difficultés. Pour calculer le second, on développe par rapport à la première colonne :

∣ 0 −1 0 … 0 ∣
∣ 0 x −1 0 … ∣ ∣ −1 0 … 0 ∣
∣ ∣ ∣ x −1 0 … ∣
∣ ∣ n−2 ∣ ∣
∣ ⋮ ⋱ ⋱ ⋱ ⋮ ∣ = (−1) × (−1) × ∣ ∣
∣ ∣ ∣… ⋱ ⋱ ⋮ ∣
∣ 0 … … ⋱ −1 ∣ ∣ ∣
∣ ∣ ∣ … … ⋱ −1 ∣
∣ −1 0 … 0 x ∣
= (−1)n−1+1 × (−1) × (−1)n−2
= − 1.
Finalement, on trouve que

χJ (x) = xn − 1.
C
:
 Ce polynôme est scindé à racines simples sur C, ses racines étant les racines n-ièmes de l'unité
ωk = e2ikπ/n , k = 0, … , n − 1. Ainsi, J est diagonalisable, et il existe une matrice P ∈ GLn (C)
tel que J = P DP −1 , avec D la matrice dont les éléments diagonaux sont les ωk .
2. On calcule d'abord J 2 , J 3 , etc… et on observe que la diagonale de 1 se décale vers la droite. On
en déduit alors que

A = a0 In + a1 J + ⋯ + an−1 J n−1 = Q(J)

oùQ est le polynôme Q(X) = a0 + a1 X + … an−1 X n−1 .

3. On a P −1 AP = Q(D) qui est une matrice diagonale dont les coefficients diagonaux sont les
Q(ωk ), et donc
n−1
det(A) = det(Q(D)) = ∏ (a0 + a1 ωk + ⋯ + an−1 ωn−1
k ).
k=0

Trigonalisation de matrices
Exercice 28 - Trigonalisation - avec indication [Signaler une erreur] [Ajouter à ma feuille d'exos]
Enoncé
Soit f l'endomorphisme de R3 dont la matrice dans la base canonique est donnée par

⎛ 1 0 1⎞
A = ⎜ −1 2 1 ⎟ .
⎝ 1 −1 1 ⎠

1. Montrer que f est trigonalisable.

2. Montrer que l'espace propre associé à la valeur propre 1 est de dimension 1. Montrer que
u = (1, 1, 0) est un vecteur non-nul de cet espace propre.
3. Montrer que v = (0, 0, 1) est tel que (f − idR3 )(v) = u.
4. Chercher un vecteur propre w associé à la valeur propre 2. Montrer que (u, v, w) est une base de
R3 . Calculer la matrice T de f dans la base (u, v, w).
5. Calculer f k (v) pour tout k ∈ N. En déduire T k .
6. Calculer Ak pour tout k ∈ N.

Indication

1. Calculer le polynôme caractéristique de f .

2. Résoudre l'équation (A − I)u = 0, avec u = (x, y, z).
3. Calcul direct.
4. Idem!
5. Procéder par récurrence sur k.
6. Ecrire A = QT Q−1 , et utiliser la question précédente.

Corrigé

1. On calcule le polynôme caractéristique de f . On trouve Pf (X) = (1 − X)2 (2 − X). Puisqu'il a

toutes ses racines dans R, l'endomorphisme f est trigonalisable.
2. Pour u = (x, y, z), on a

⎧
⎪ = 0 ⎧
⎪ =
:
 ⎧
⎪ z = 0 ⎧
⎪x = x
f(u) = u ⟺ ⎨ −x + y + z = 0 ⟺ ⎨y = x
⎩
⎪ ⎩
⎪
x−y = 0 z = 0

Une base de ker(f − I) est donc donnée par le vecteur (1, 1, 0).
3. On a f(v) = (1, 1, 1) d'où f(v) − v = u.
4. On cherche l'espace propre associé à la valeur propre 2. On a, pour w = (x, y, z),

⎧
⎪ −x + z = 0 ⎧
⎪x = x
f(w) = 2w ⟺ ⎨ = 0 ⟺ ⎨y = 0
⎩ ⎩
−x + z
⎪ x−y−z = 0 ⎪
z = x

Le vecteur w = (1, 0, 1) est donc un vecteur propre de f associé à la valeur propre 2. On vérifie
3
facilement que la famille (u, v, w) est une famille libre de R , donc une base. La matrice de f dans
cette base est donnée par

⎛1 1 0⎞
T = ⎜0 1 0⎟.
⎝0 0 2⎠

5. On montre par récurrence sur k que f k (v) = v + ku. En effet, c'est vrai pour k = 1 et si c'est
vrai au rang k, alors

f k+1 (v) = f(v + ku) = f(v) + kf(u) = v + u + ku = v + (k + 1)u.

Puisque f k (u) = u et f k (w) = 2k w, on en déduit

⎛1 k 0 ⎞
T = ⎜0 1 0 ⎟.
k

⎝ 0 0 2k ⎠

6. Soit Q la matrice de passage de la base canonique de R3 à la base (u, v, w). Q est donnée par

⎛1 0 1⎞
Q = ⎜1 0 0⎟
⎝0 1 1⎠

et on a la relation A = QT Q−1 . Par récurrence, on montre que Ak = QT k Q−1 . Il reste à calculer

Q−1 et à utiliser le résultat de la question précédente. On trouve

⎛ 0 1 0⎞
−1
= ⎜ −1 1 1 ⎟
⎝ 1 −1 0 ⎠
Q

et

⎛2 − k k + 1 − 2 k⎞
k k

Ak = ⎜ −k k+1 k⎟.
⎝ 2k − 1 1 − 2k 1⎠

Exercice 29 - Trigonalisation - avec indications [Signaler une erreur] [Ajouter à ma feuille d'exos]
:
 Enoncé
Soit f : R3 → R3 l'endomorphisme dont la matrice dans la base canonique (e1 , e2 , e3 ) est

⎛ 0 1 0⎞
A = ⎜ −4 4 0 ⎟ .
⎝ −2 1 2 ⎠

1. Calculer le polynôme caractéristique de A. En déduire que f est trigonalisable.

2. Démontrer que f n'est pas diagonalisable.
3. Notons g = f − 2idR3 et B = A − 2I3 sa matrice dans la base canonique.
3.1. Calculer B2 .
3.2. Déterminer une base de ker(g), puis démontrer que ker(g) et vect(e2 ) sont
supplémentaires dans R3 .
3.3. Déterminer une base de R3 dans laquelle la matrice de g est triangulaire supérieure.
3.4. Donner la matrice de f dans cette base.
4. Déduire de 3.a. la valeur de An pour tout n ≥ 1.

Indication

1.
2. Quelle est la seule valeur propre de f ? Que se passerait-il si f était diagonalisable?
3.
3.1.
3.2.
3.3. Il faut (bien sûr!) considérer la base (u1 , u2 , e2 ) où (u1 , u2 ) est une base de ker(g).
3.4.
4. Écrire A = 2I3 + B et utiliser la formule du binôme de Newton.

Corrigé

1. On vérifie facilement que CA (X) = −(X − 2)3 . Il est scindé, donc f est trigonalisable.
2. D'après la question précédente, 2 est la seule valeur propre de f (de A). Si f (ou A) était
diagonalisable, A serait semblable à 2I3 : il existerait P ∈ GL3 (R) tel que A = P (2I3 )P −1 ce
qui entraîne A = 2I3 , ce qui n'est pas le cas!
3.
3.1. On trouve B2 = 0.
3.2. Soit u = (x, y, z). Alors g(u) = 0 si et seulement si

⎛x⎞ ⎧
⎪
−2x + y = 0 ⎧
⎪x = x
B ⎜ y ⎟ = 0 ⟺ ⎨ −4x + 2y = 0 ⟺ ⎨ y = 2x
⎝z⎠ ⎩
⎪ ⎩
⎪
−2x + y = 0 z = z

Posons u1 = e1 + 2e2 et u2 = e3 . Alors (u1 , u2 ) est une base de ker(g). Pour prouver que
ker(g) et vect(e2 ) sont supplémentaires, il suffit de vérifier que la famille (u1 , u2 , e2 ) est
libre, ce qui est évident!
3
3.3. Soit B = (u1 , u2 , e2 ) qui est une base de R . Puisque u1 , u2 ∈ ker g et que
g(e2 ) = e1 + 2e2 + e3 = u1 + u3 , la matrice de g dans cette base est

⎛0 0 1⎞
⎜0 0 1⎟.
⎝0 0 0⎠

3.4. La matrice de f dans la base précédente est donc

⎛2 0 1⎞
:
 ⎛2 0 1⎞
⎜0 2 1⎟.
⎝0 0 2⎠

4. Écrivons A = 2I3 + B. Puisque I3 et B commutent pour le produit matriciel, on peut appliquer

la formule du binôme de Newton. Ici, elle se simplifie grandement parce que B2 = 0. On a donc,
utilisant I3n = I3 et I3 B = B,

An = 2n I3 + n2n−1 B.

Après calculs, on trouve

⎛ (1 − n)2 0 ⎞
n
n2n−1
A =⎜
n
⎜ −n2
n+1
(n + 1)2 n
0 ⎟⎟.
⎝ −n2n n2n−1 2n ⎠

Exercice 30 - Trigonalisation [Signaler une erreur] [Ajouter à ma feuille d'exos]

Enoncé
On considère la matrice

⎛1 0 0 ⎞
A = ⎜ 0 0 −1 ⎟ .
⎝0 1 2 ⎠

A est-elle diagonalisable? Montrer que A est semblable à la matrice

⎛1 0 0⎞
B = ⎜0 1 1⎟.
⎝0 0 1⎠

Indication
Pour la trigonalisation, chercher deux vecteurs propres u1 et u2 , puis un troisième vecteur u3 tel que
Au3 = u3 + u2 .
Corrigé
Le polynôme caractéristique de A est χA (X) = −(1 − X)3 . 1 est la seule racine de ce polynôme, et
comme A ≠ I3 , A n'est pas diagonalisable. Cherchons l'espace propre associé à la valeur propre 1. Notons
f l'endomorphisme canoniquement associé à A. On a (x, y, z) ∈ ker(f − I) ⟺ y + z = 0. L'espace
propre associé est donc de dimension 2, de base (u1 , u2 ) avec u1 = (1, 0, 0) et u2 = (0, 1, −1). On
cherche ensuite un troisième vecteur u3 tel que f(u3 ) = u2 + u3 . Posons u3 = (x, y, z). Alors

⎧
⎪ x = x
f(u3 ) = u2 + u3 ⟺ ⎨
⎩
−z = 1 + y ⟺ z = −1 − y.
⎪ y + 2z = −1 + z
3
Posons alors u3 = (0, 0, −1). Il est clair que la famille (u1 , u2 , u3 ) est une base de R et dans cette base,
la matrice de l'endomorphisme canoniquement associé à A est B. Donc A est semblable à B.

Exercice 31 - Trigonalisation - sans indications [Signaler une erreur] [Ajouter à ma feuille d'exos]
Enoncé
:
 Trigonaliser les matrices suivantes :

⎛ 1 4 −2 ⎞ ⎛ 2 −1 −1 ⎞
A = ⎜ 0 6 −3 ⎟ , B = ⎜ 2 1 −2 ⎟ .
⎝ −1 4 0 ⎠ ⎝ 3 −1 −2 ⎠

Indication

Corrigé
On commence par calculer le polynôme caractéristique de A, on trouve χA (X) = (X − 3)(X − 2)2 . On
cherche ensuite le sous-espace propre associé à la valeur propre 3, en résolvant AX = 3X . Un rapide
⎛1⎞
calcul montre qu'il est engendré par le vecteur propre u1 = ⎜ 1 ⎟. On cherche ensuite le sous-espace
⎝1⎠
propre associé à la valeur propre 2, en résolvant AX = 2X . On trouve cette fois qu'il est engendré par le
⎛4⎞
vecteur propre u2 = ⎜ 3 ⎟. Pour trigonaliser la matrice, il suffit de compléter la base par un troisième
⎝4⎠

⎛0⎞
vecteur indépendant des deux premiers, par exemple u3 = ⎜ 0 ⎟. On a
⎝1⎠

⎛ −2 ⎞
Au3 = ⎜ −3 ⎟ = −6u1 + u2 + 2u3 . La matrice A est donc semblable à la matrice
⎝ 0 ⎠

⎛ 3 0 −6 ⎞
⎜0 2 1 ⎟
⎝0 0 2 ⎠

la matrice de passage étant

⎛1 4 0⎞
⎜1 3 0⎟.
⎝1 4 1⎠

Il n'y a bien sûr pas unicité ni de la matrice triangulaire supérieure à laquelle A est semblable, ni de la
matrice de passage.
D'ailleurs, dans l'exemple de la matrice B, nous allons donner une forme plus précise à la trigonalisation. Le
polynôme caractéristique de B est égal à χB (X) = (X + 1)(X − 1)2 . On cherche une base de l'espace
propre associé à la valeur propre −1 en résolvant l'équation BX = −X . On trouve que le vecteur
⎛1⎞
u1 = ⎜ 1 ⎟ engendre cet espace propre. Ensuite, on cherche une base de l'espace propre associé à la
⎝2⎠

⎛1⎞
valeur propre 1 en résolvant l'équation BX = X . On trouve que le vecteur u2 = ⎜ 0 ⎟ engendre cet
⎝1⎠
espace propre. On cherche enfin un vecteur u3 tel que Bu3 = u3 + u2 . On obtient que le vecteur
⎛ 0 ⎞
u3 = ⎜ −1 ⎟ convient. Finalement, on a prouvé que B = P T P −1 , avec
⎝ 0 ⎠

⎛ −1 0 0 ⎞ ⎛1 1 0 ⎞
:
 ⎝ ⎠

⎛ −1 0 0 ⎞ ⎛1 1 0 ⎞
T = ⎜ 0 1 1 ⎟ et P = ⎜ 1 0 −1 ⎟ .
⎝ 0 0 1⎠ ⎝2 1 0 ⎠

Remarquons qu'on peut toujours réduire une matrice trigonalisable de sorte que, hormis les coefficients
diagonaux, les seuls coefficients non-nuls sont situés juste au-dessus de la diagonale, et ces coefficients
hors-diagonale sont égaux à 0 ou 1.

Réduction d'autres endomorphismes

Exercice 32 - Un endomorphisme sur les polynômes [Signaler une erreur] [Ajouter à ma feuille d'exos]
Enoncé
Soit E = Rn [X] et soit ϕ l'endomorphisme de E défini par ϕ(P ) = P − (X + 1)P ′ . Justifier que ϕ est
diagonalisable et donner les valeurs propres de ϕ.

Indication
Calculer le polynôme caractéristique de ϕ en écrivant sa matrice dans la base canonique de E.
Corrigé
On va écrire la matrice de ϕ dans la base canonique de E. Remarquons que pour tout k = 0, … , n, on a

ϕ(X k ) = (−k + 1)X k − kX k−1 .

Ainsi, la matrice de ϕ dans la base (1, X, … , X n ) est triangulaire supérieure, et ses coefficients
diagonaux sont 1, 0, … , −n + 1. Les valeurs propres d'une matrice triangulaire supérieure étant
exactement les valeurs situées sur la diagonale, on en déduit que ϕ est diagonalisable, ses valeurs propres
étant les (n + 1) = dim(E) réels distincts 1, 0, −1, … , −n + 1.

Exercice 33 - Endomorphisme d'un espace de polynômes [Signaler une erreur] [Ajouter à ma feuille
d'exos]

Enoncé
Soit n ∈ N∗ . On considère l'application linéaire f : Rn [X] → Rn [X], P ↦ (X 2 − 1)P ′ (X) − (nX + 1)P (X).

1. Justifier que f est bien définie.

2. Pour k = 0, … , n, on note Pk (X) = (1 − X)k (1 + X)n−k . Calculer f(Pk ).
3. En déduire que f est diagonalisable. Préciser ses valeurs propres et les vecteurs propres associés.
4. Pour quelles valeurs de n l'endomorphisme f est-il bijectif?

Indication

1. Il faut vérifier que le degré de f(P ) est bien inférieur ou égal à n.

2. Commencer par calculer Pk′ (X) en factorisant le plus possible...
3. La question précédente nous donne beaucoup de valeurs propres!
4. f est bijectif si et seulement si 0 n'est pas valeur propre de f .

Corrigé

1. On doit vérifier que si P ∈ Rn [X], alors f(P ) ∈ Rn [X]. Pour cela, on remarque que si
P (X) = an X n + ⋯ (avec éventuellement an = 0), alors (X 2 − 1)P ′ (X) = nan X n+1 + ⋯ et
(nX + 1)P (X) = nan X n+1 + ⋯. Les éventuels termes de degré n + 1 se simplifient, et f(P )
est donc de degré au plus n.
2. On commence par remarquer que, pour k = 1, … , n − 1,
′ −1 − − −1
:
 Pk′ (X) = −k(1 − X)k−1 (1 + X)n−k + (n − k)(1 − X)k (1 + X)n−k−1
= (1 − X)k−1 (1 + X)n−k−1 (−k(1 + X) + (n − k)(1 − X))
= (1 − X)k−1 (1 + X)n−k−1 (−nX + (n − 2k)).

On en déduit que

(X 2 − 1)Pk′ (X) = (nX − (n − 2k))Pk (X)

et donc

f(Pk ) = (nX − (n − 2k) − nX − 1)Pk = (2k − n − 1)Pk .

Ce calcul reste valable (et est même plus facile!) lorsque k = 0 ou k = n.

3. f est en endomorphisme de Rn [X] qui est de dimension n + 1. On a trouvé n + 1 valeurs
propres distinctes pour cet endomorphisme, les réels 2k − n − 1 pour k = 0, … , n. Il est donc
diagonalisable, et chaque espace propre est de dimension 1. Plus précisément, (Pk ) est une base de
l'espace propre associé à la valeur propre 2k − n − 1.
4. f est bijectif si et seulement si 0 n'est pas valeur propre de f . Or, l'équation 2k − n − 1 = 0 est
équivalente à k = (n + 1)/2. Ceci est un élément de {0, … , n} si et seulement n est impair. Donc
f est bijectif si et seulement si n est pair.

Exercice 34 - Transposition [Signaler une erreur] [Ajouter à ma feuille d'exos]

Enoncé
Soit ϕ : M ∈ Mn (R) → Mn (R), M ↦ t M . Déterminer les valeurs propres de ϕ. ϕ est-elle diagonalisable?

Indication
Chercher l'équation ϕ(M) = λM .
Corrigé
Soitλ ∈ R et M ∈ Mn (R), M ≠ 0 tel que ϕ(M) = λM . Les termes diagonaux donnent mi,i = λmi,i
pour 1 ≤ i ≤ n, les termes non-diagonaux donnent mi,j = λmj,i , pour 1 ≤ i ≠ j ≤ n. On en déduit que
mi,j = λ2 mi,j pour tous les couples (i, j). Ceci entraîne que λ = ±1. On distingue plusieurs cas.

Si λ = −1, tous les coefficients sur la diagonale sont égaux à 0 et on a mi,j = −mj,i . On en déduit
que −1 est une valeur propre de ϕ, les vecteurs propres appartenant à vect(fi,j ; 1 ≤ j < i ≤ n)
avec fi,j = Ei,j − Ej,i . L'espace propre associé est donc de dimension n(n − 1)/2.
Si λ = 1, on n'a plus de contraintes sur les éléments diagonaux, et mi,j = mj,i pour les éléménts
non-diagonaux. On en déduit que 1 est valeur propre, les vecteurs propres étant éléments de
vect(Ei,i , gi,j ; 1 ≤ j < i ≤ n), avec gi,j = Ei,j + Ej,i . L'espace propre associé est donc de
dimension n + n(n − 1)/2 = n(n + 1)/2.

n(n−1) n(n+1)
Finalement, puisque 2 + 2 = n2 , ϕ est bien diagonalisable.

Exercice 35 - Endomorphisme de polynômes [Signaler une erreur] [Ajouter à ma feuille d'exos]

Enoncé

Soit L l'endomorphisme de Rn [X] défini par L(P ) = X n P ( X1 ). Démontrer que L est un endomorphisme
diagonalisable de Rn [X], déterminer ses valeurs propres et une base de vecteurs propres associés.

Indication
L est une symétrie. On pourra distinguer les cas n pair et n impair.
:
 Corrigé
On commence par remarquer que L est une symétrie : L2 (P ) = P pour tout polynôme P . Ainsi, L est
diagonalisable, et ses seules valeurs propres possibles pour L sont donc 1 et −1.
Cherchons maintenant les vecteurs propres associés. Il est facile de voir que, pour λ = ±1, le polynôme
X k + λX n−k est un vecteur propre associé à la valeur propre λ. On distingue alors deux cas :
n = 2p + 1 est impair. Alors pour k = 0, … , p, on pose

Pk (X) = X k + X n−k et Qk (X) = X k − X n−k .

Alors les familles (Pk )k=0,…,p et(Qk )k=0,…,p sont deux familles libres (car elles sont à degré étagé)
constituées de vecteurs propres associés respectivement à 1 et −1. Les deux espaces propres
associés étant en somme directe, la réunion des deux familles est encore une famille libre de Rn [X],
constituée de 2(p + 1) = n + 1 vecteurs. C'est donc une base de Rn [X] constituée de vecteurs
propres pour L.
n = 2p est pair. Le raisonnement est similaire. Simplement, cette fois, on ne peut plus considérer le
polynôme Qp qui est nul. Mais les familles (Pk )k=0,…,p et (Qk )k=0,…,p−1 sont encore des familles
libres de vecteurs propres dont la réunion est une base de Rn [X] (il y a cette fois
p + 1 + p = 2p + 1 = n + 1 vecteurs).

Exercice 36 - Matrice nilpotente [Signaler une erreur] [Ajouter à ma feuille d'exos]

Enoncé
Soit n ≥ 1 et A, B ∈ Mn (R) tels que AB − BA = A. Le but de l'exercice est de démontrer que A est
nilpotente, c'est-à-dire qu'il existe k ≥ 1 tel que Ak = 0.

1. Montrer que, pour tout k ≥ 0, on a Ak B − BAk = kAk .

2. On considère

ϕB : Mn (R) → Mn (R)
M ↦ MB − BM.

Vérifier que ϕB est un endomorphisme de Mn (R).

3. Justifier que si Ak ≠ 0, alors k est une valeur propre de ϕB .
4. En déduire l'existence d'un entier k > 0 tel que Ak = 0.

Indication

1. Récurrence.
2.
3. Ak est un vecteur propre!
4. Nombre fini de valeurs propres!

Corrigé

1. On va procéder par récurrence sur k. La propriété est vraie si k = 0 ou si k = 1. Soit un entier

k ≥ 1 tel que la propriété est vraie. Multiplions alors cette égalité à gauche par A. On trouve

Ak+1 B − ABAk = kAk+1 .

De même, multiplions à droite par Ak l'égalité AB − BA = A. Il vient :

ABAk − BAk+1 = Ak+1 .

Si on somme les deux inégalités obtenues, on obtient immédiatement que la propriété est aussi vraie
+1
:
 au rang k + 1.
2. La vérification est immédiate et laissée au lecteur.
3. Il suffit de remarquer que le résultat de la question 1. entraîne que Ak est un vecteur propre de
ϕB associé à la valeur propre k.
4. Mn (R) étant de dimension finie n2 , ϕB admet au plus un nombre fini de valeurs propres
distinctes. Or, si Ak ≠ 0, k est une valeur propre de ϕB . Il existe donc un nombre fini d'entiers k
tels que Ak ≠ 0. En particulier, il existe au moins un entier k avec Ak = 0.

Exercice 37 - Composition [Signaler une erreur] [Ajouter à ma feuille d'exos]

Enoncé
Soit E un K-espace vectoriel de dimension finie et soit f ∈ L(E). On considère l'endomorphisme ϕ de L(E)
défini par ϕ(g) = f ∘ g.

1. Démontrer que toute valeur propre de f est une valeur propre de ϕ puis, si λ est une valeur
propre de f , déterminer Eλ (ϕ).
2. En déduire que si f est diagonalisable, alors ϕ est diagonalisable.

Indication

1. Considérer par exemple un projecteur sur Eλ (f).

2. Avec la question précédente, on doit être capable de déterminer la dimension de Eλ (ϕ). Il doit
alors être facile de la somme des dimensions des Eλ (ϕ) vaut la dimension de L(E).

Corrigé

1. Soit λ une valeur propre de f . Considérons pλ un projecteur sur Eλ (f). Alors, pour tout x ∈ E,

ϕ(pλ )(x) = f(pλ (x)) = λpλ (x)

et donc pλ est un vecteur propre associé à la valeur propre λ. Plus généralement, soit g ∈ L(E).
Alors

g ∈ Eλ (ϕ) ⟺ ∀x ∈ E, f(g(x)) = λg(x)

⟺ ∀x ∈ E, g(x) ∈ Eλ (f)
⟺ g(E) ⊂ Eλ (f).

2. D'après la question précédente, Eλ (ϕ) est l'ensemble des applications linéaires de E à valeurs
dans Eλ (f). En particulier, on en déduit que dim(Eλ (ϕ)) = dim(E) × dim(Eλ (f)). Si
maintenant f est diagonalisable, de valeurs propres λ1 , … , λp , alors

p p p
∑ dim(Eλi (ϕ)) = ∑ dim(E) × dim(Eλi (f)) = dim(E) ∑ dim(Eλi (f)) = dim(E)2
i=1 i=1 i=1

où la dernière égalité vient du fait que f est diagonalisable. On en déduit que ϕ est lui-même
diagonalisable.

Exercice 38 - Reste de la division euclidienne [Signaler une erreur] [Ajouter à ma feuille d'exos]
Enoncé
Soit E = Rn [X] et soient A, B deux éléments de E premiers entre eux tels qu'en outre B est scindé à
racines simples. On notera x1 , … , xp ses racines. On note ϕ l'application de E dans lui-même qui à un
:
 polynôme P associe le reste de AP dans la division euclidienne par B.

1. Démontrer que ϕ est un endomorphisme de E. Est-ce un isomorphisme?

2. Démontrer que 0 est une valeur propre de ϕ et déterminer le sous-espace propre associé.
3. Démontrer que, pour chaque k = 1, … , p, Pk (X) = ∏j≠k (X − xj ) est un vecteur propre de ϕ.
4. En déduire que ϕ est diagonalisable.

Indication

1. Utiliser l'unicité dans la division euclidienne.

2. Que se passe-t-il sur P si AP = BQ, sachant que A et B sont premiers entre eux?
3. La valeur propre associée est A(xk ).
4. Utiliser les polynômes interpolateurs de Lagrange.

Corrigé

1. Soient P1 , P2 ∈ E et λ ∈ R. Alors on a

AP1 = BQ1 + ϕ(P1 ), AP2 = BQ2 + ϕ(P2 )

où Q1 , Q2 ∈ R[X] et donc

A(P1 + λP2 ) = B(Q1 + λQ2 ) + (ϕ(P1 ) + λϕ(P2 )).

Or, ϕ(P1 ) + λϕ(P2 ) est de degré inférieur strict à B. Par unicité dans la division euclidienne, il
s'agit du reste de la division euclidienne de A(P1 + λP2 ) par B, c'est-à-dire de ϕ(P1 + λP2 ).
Autrement dit, on vient de prouver que ϕ(P1 + λP2 ) = ϕ(P1 ) + λϕ(P2 ) et donc que ϕ est un
endomorphisme de E . Comme il est à valeurs dans Rn−1 [X], il ne peut pas être surjectif et donc ce
n'est pas un isomorphisme.
2. Remarquons que la réponse à la question précédente a permis de prouver que 0 est valeur propre
pour ϕ. Soit P un vecteur propre associé. Alors on a AP = BQ, et donc B|AP . Comme
B ∧ A = 1, on a B|P , et réciproquement tout multiple de B dans E est tel que ϕ(P ) = 0. On a
donc prouvé que E0 (ϕ) = vect(B, XB, … , X n−p B).
3. Soit λ ≠ 0 une autre valeur propre de ϕ et P un vecteur propre associé. Ceci est équivalent à
dire que (A − λ)P = BQ et donc B divise (A − λ)P . Si on souhaite que Pk soit un vecteur
propre de ϕ, il ne reste plus qu'une seule racine de B à "tuer", que l'on tue en choisissant λ = A(xk )
. Autrement dit, si λ = A(xk ), alors toutes les racines de B sont des racines du polynôme
(A − A(xk ))Pk , et donc (B est scindé à racines simples) B|(A − A(xk ))Pk . Ceci entraîne que Pk
est un vecteur propre de ϕ associé à la valeur propre A(xk ).
4. Les Pk peuvent être compris (à un coefficient multiplicatif non nul près) comme les polynômes
interpolateurs de Lagrange associés aux réels x1 , … , xp (qui sont tous distincts). Ainsi, ces
polynômes forment une base de Rp [X]. Par des considération de degrés, il est facile de vérifier que
Rp [X] et E0 (ϕ) sont supplémentaires dans E. On vient donc de trouver une base de E constituée
de vecteurs propres pour ϕ. On en déduit que ϕ est diagonalisable.

Discussions des forums

Aide svp à résoudre cet e …
exponentielle a solution …
Limite et inexistance
Preuve fonction bijective
:
 Programme python en Haskell
Une équation est-il une s …
suitrs et foncttions deri …
Combinaisons
Niveau en maths France vs USA
Le chiffre de Grandpré
Est-ce que c'est une fonc …
Que regardez-vous comme m …
variables aléatoire
mathématique financiere
Questions sur les ENS
Accéder aux forums

Mathématicien du mois

Rafael Bombelli (1526 - 1572)

Toutes les biographies
Signaler une erreur/Nous contacterMentions LégalesConfidentialité
ContactConfidentialitéMentions légales
: