2 0 2 3

P S I* 10 3

R é d u c t io n e n d im e n s io n f in ie

C o u r s 3
1 Diagonalisation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.1 Endomorphismes diagonalisables, matrices carrées diagonalisables . . . . . . . 3
1.2 Caractérisation par les sous-espaces propres . . . . . . . . . . . . . . . . . . . . 3
1.3 Une condition suffisante de diagonalisabilité . . . . . . . . . . . . . . . . . . . . 4
1.4 Application de la diagonalisation . . . . . . . . . . . . . . . . . . . . . . . . . . 4
2 Diagonalisation et polynômes annulateurs . . . . . . . . . . . . . . . . . . . . . . . . . 6
2.1 Théorème de Cayley-Hamilton . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
2.2 Polynômes annulateurs scindés et diagonalisabilité . . . . . . . . . . . . . . . . 6
3 Trigonalisation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
4 Exercices et résultats classiques à connaître . . . . . . . . . . . . . . . . . . . . . . . . 8
4.1 Conditions de diagonalisabilité . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
4.2 Diagonalisabilité d’une matrice de rang 1 . . . . . . . . . . . . . . . . . . . . . 8
4.3 Un exemple d’équation matricielle . . . . . . . . . . . . . . . . . . . . . . . . . 8
4.4 Diagonalisation simultanée . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
4.5 Réduction d’une matrice circulante . . . . . . . . . . . . . . . . . . . . . . . . . 9
5 Compléments de cours . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
5.1 Une démonstration du théorème de Cayley-Hamilton . . . . . . . . . . . . . . . 10
5.2 Une démonstration de la caractérisation des endomorphismes diagonalisables . 11
5.3 Une démonstration de la caractérisation de trigonalisabilité . . . . . . . . . . . 12

E x e r c ic e s 13
Exercices de mathématiques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
Petits problèmes d’entrainement . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15

2 0 2 2 - 2 0 2 3 [Link] 1/ 18
 2 0 2 3
P S I* 1 0 3 . R é d u c t io n e n d im e n s io n f in ie

Pour bien démarrer

1. Comment définir « valeur propre » ? « vecteur propre » ?

2. Que dire des sous-espaces propres associés à des valeurs propres deux à deux distinctes ?

3. Que dire de la dimension d’un sous-espace propre ?

4. Qu’est-ce qu’un polynôme annulateur d’un endomorphisme ?

5. Quelle relation entre le spectre et les racines d’un polynôme annulateur ?

6. Énoncer le théorème de la division euclidienne des polynômes.

7. Rappeler la formule de changement de base.

[Link] cbn

Lu dans le programme officiel

La démonstration du théorème de Cayley-Hamilton n’est pas exigible.

Le théorème de décomposition des noyaux est hors programme.
La démonstration de la condition de trigonalisabilité n’est pas exigible.
La technique générale de trigonalisation n’est pas au programme. On se limite dans la
pratique à des exemples simples en petite dimension et tout exercice de trigonalisation
effective doit comporter une indication.
La notion de polynôme minimal est hors programme.

2 / 18 [Link] 2 0 2 2 - 2 0 2 3
 2 0 2 3
P S I* 1 0 3 . R é d u c t io n e n d im e n s io n f in ie

Dans ce chapitre, E désigne un K-espace vectoriel de dimension finie n.

1 Diagonalisation
1.1 Endomorphismes diagonalisables, matrices carrées diagonalisables

Définition. Soit u ∈ L(E). On dit que u est diagonalisable si et seulement s’il existe une base B
de E telle que :
MatB (u) est diagonale
Remarque. Une telle base est appelé base de diagonalisation de u. On dit aussi que u est diagonalisable
dans la base B.
En cas de diagonalisabilité, les termes diagonaux de la matrices sont les valeurs propores de u, et les
vecteurs de B sont des vecteurs propres associés.
Définition. Soit A ∈ Mn (K) une matrice carrée. On dit que A est diagonalisable si et seulement si
l’endomorphisme canoniquement associé à A est diagonalisable.
Proposition. A ∈ Mn (K) est diagonalisable si et seulement si elle est semblable à une matrice
diagonale.
Remarque. Diagonaliser un endomorphisme u, c’est déterminer une base de vecteurs propres et exprimer la
matrice (diagonale) représentant u dans cette base.
Diagonaliser une matrice A, c’est déterminer une matrice D diagonale et une matrice P inversible telles
que A = P DP −1 .
Théorème.

Soit u ∈ L(E). Les propositions suivantes sont équivalentes :

(i) u est diagonalisable

(ii) Il existe une base de E formée de vecteurs propres de u

(iii) E est la somme directe des sous-espaces propres de u :

M
E= Eλ (u)
λ∈Sp(u)

Exemple. Les projecteurs, les symétries sont diagonalisables.

1.2 Caractérisation par les sous-espaces propres

Théorème.

u ∈ L(E) est diagonalisable si et seulement si

dim Eλ (u) = dim E

X

λ∈Sp(u)

A ∈ Mn (K) est diagonalisable si et seulement si

dim Eλ (A) = n
X

λ∈Sp(A)

2 0 2 2 - 2 0 2 3 [Link] 3 / 18
 2 0 2 3
P S I* 1 0 3 . R é d u c t io n e n d im e n s io n f in ie

Proposition. Si u ∈ L(E) (resp. A ∈ Mn (K)) est diagonalisable, alors son polynôme caractéristique
est scindé sur K.
Remarque. Il s’agit bien d’une condition nécessaire de diagonalisabilité, et elle est toujours satisfaite lorsque
K = C.
Théorème.

u ∈ L(E) (resp. A ∈ Mn (K) est digonalisable si et seulement si :

• son polynôme caractéristique est scindé

• la multiplicité de chaque valeur propre est égale à la dimension du sous-espace propre

Corollaire. Dans E de dimension n, si u ∈ L(E) admet n valeurs propres deux à deux distinctes,
alors u est diagonalisable et ses espaces propres sont des droites vectorielles.
Remarque. Résultat analogue pour les matrices de Mn (K).
Remarque. Ce corollaire donne bien une condition suffisante, mais non nécessaire, de diagonalisabilité. Dans
ce cas, χu est scindé à racines simples.
Exemple. Les matrices suivantes sont-elles diagonalisables ?
     
−2 0 1 3 0 1 1 1 1
A = −1 1 1 B= 2 1 1 C = 0 2 2
−1 1 1 −1 1 1 1 −1 3
     
2 0 0 1 4 2 0 1 0
D = −3
 −1 3  E = 0 −3
 −2 F = 0
 0 1
3 3 −1 0 4 3 1 0 0

On rappelle qu’on a calculé les polynômes caractéristiques au chapitre précédent :

χA (X) = X(X 2 − 3) χB (X) = (X − 3)(X − 1)2 χC (X) = (X − 2)3

χD (X) = (X + 4)(X − 2)2 χE (X) = (X + 1)(X − 1)2 χF (X) = X 3 − 1

1.3 Une condition suffisante de diagonalisabilité

Une conséquence du théorème spectral, qui sera étudié au chapitre 105, est le résultat suivant :
Théorème.

Toute matrice symétrique réelle est diagonalisable.

1.4 Application de la diagonalisation

1.4.1 Calcul des puissances successives d’une matrice diagonalisable

 
λ1 (0)
..
.
 
Méthode 1. Soit A ∈ Mn (K) une matrice diagonalisable, P ∈ GLn (K) et D = 
 
..
 
.

 
(0) λn
telles que :
A = P DP −1

4 / 18 [Link] 2 0 2 2 - 2 0 2 3
 2 0 2 3
P S I* 1 0 3 . R é d u c t io n e n d im e n s io n f in ie

Alors, pour tout k ∈ N, par récurrence :


λk1

(0)
..
.
 
k
et D = 
k −1 k
 
A = PD P ..

.
 
 
(0) λkn
 
0 −1 1
Exemple. Pour k ∈ N, calculer Ak lorsque A = −1 0 1.
1 1 0
Méthode 2. En connaissant un polynôme annulateur de A, on peut exploiter une division euclidienne.
 
0 −1 1
Exemple. À nouveau avec A = −1 0 1, déterminer un polynôme annulateur de degré 2 et en
1 1 0
déduire l’expression de A .
k

Méthode 3. Lorsque la matrice s’écrit par exemple : λI + J où J est nilpotente ou à puissance

simple, on peut exploiter la formule du binôme
 de Newton.

1 1 0
Exemple. Pour k ∈ N, calculer B k lorsque B = 0 1 0.
0 0 1

1.4.2 Suites récurrentes linéaires simultanées

Exemple. Déterminer les suites définies par :

 
u0 = 1
 un+1 = 2un + vn + wn

v0 = 1 et ∀n ∈ N, vn+1 = un + 2vn + wn
 
w0 = 1 wn+1 = 2un + vn + wn
 

1.4.3 Suites récurrentes linéaires à coefficients constants

Définition. On dit qu’une suite (un )n satisfait une relation de récurrence linéaire d’ordre p à
coefficients constants s’il existe p ∈ N∗ et a0 , a1 , . . . , ap−1 ∈ K des scalaires tels que
∀n ∈ N, un+p = ap−1 un+(p−1) + · · · + a1 un+1 + a0 un
On appelle équation caractéristique associée à cette relation de récurrence l’équation :
rp = ap−1 rp−1 + · · · + a1 r + a0
Exemple. Les suites récurrentes linéaires d’ordre 2 étudiées en première année rentrent dans ce cadre.

Proposition. L’ensemble des suites vérifiant la relation de récurrence linéaire d’ordre p à coefficients
constant est un espace vectoriel de dimension p sur K.
Technique d’étude. On conserve les notations de la définition, et on définit :
 
   0 1 0 0
un

 
 un+1   
Xn =  .  et A = 
 
 .. 
 
0

 
 
un+p−1  0 0 1
 

 
a0 ap−2 ap−1

2 0 2 2 - 2 0 2 3 [Link] 5 / 18
 2 0 2 3
P S I* 1 0 3 . R é d u c t io n e n d im e n s io n f in ie

La suite (un )n vérifie la relation de récurrence précédente si et seulement si :

∀n ∈ N, Xn+1 = AXn

Par suite, la suite Xn est uniquement déterminée par X0 et on a par récurrence :

Xn = An X0
Remarque. La matrice A est la matrice compagnon du polynôme :

P = X p − ap−1 X p−1 − · · · − a1 X − a0

donc χA = P . Les racines de l’équation caractéristique sont les valeurs propres de la matrice A.
Exemple. Déterminer la suite définie par :

u0 = 1, u1 = 1, u2 = 1 et ∀n ∈ N, un+3 = 7un+2 − 14un+1 + 8un

1.4.4 Systèmes différentiels

Exemple. Résoudre :
x0 = 4x − 2y
®

y0 = x + y
où les inconnues sont x et y, deux fonctions dérivables sur R.

2 Diagonalisation et polynômes annulateurs

2.1 Théorème de Cayley-Hamilton

Théorème de Cayley-Hamilton.
Le polynôme caractéristique de A ∈ Mn (K) est un polynôme annulateur de A :

χA (A) = 0Mn (K)

Théorème de Cayley-Hamilton.
Le polynôme caractéristique de u ∈ L(E) est un polynôme annulateur de u :

χu (u) = 0L(E)

Preuve. La preuve, non exigible, est proposée en annexe au § 5.1.

2.2 Polynômes annulateurs scindés et diagonalisabilité

Théorème.
Une matrice A ∈ Mn (K) est diagonalisable si et seulement si elle admet un polynôme annulateur
scindé à racines simples.

Théorème.

6 / 18 [Link] 2 0 2 2 - 2 0 2 3
 2 0 2 3
P S I* 1 0 3 . R é d u c t io n e n d im e n s io n f in ie

Un endomorphisme u ∈ L(E) est diagonalisable si et seulement s’il admet un polynôme annu-

lateur scindé à racines simples.

Preuve. La preuve, non exigible, est proposée en annexe au § 5.2.

Attention. On ne confondra pas polynôme annulateur et polynôme caractéristique, ni « existence d’un poly-
nôme annulateur scindé simple » avec « le polynôme caractéristique est scindé simple ».
Proposition. Soit u ∈ L(E) et F un sous-espace vectoriel de E. Si u est diagonalisable et F stable
par u, alors l’endomorphisme induit uF induit par u sur F est diagonalisable.
p
Corollaire. Soit u ∈ L(E). Si E = Fk où chaque Fk est stable par u, alors u est diagonalisable si
L
k=1
et seulement si chaque endomorphisme induit uFk par u sur Fk est diagonalisable.
Corollaire. Soit u ∈ L(E) et F un sous-espace vectoriel de E. On suppose u diagonalisable. Alors F
est stable par u si et seulement si F est engendré par une famille de vecteurs propres de u.
Remarque. Ce dernier résultat est faux si u n’est pas diagonalisable.
Théorème.

Une matrice A ∈ Mn (K) est diagonalisable si et seulement si (X − λ) annule A.

Y

λ∈Sp(A)

Théorème.

Un endomorphisme u ∈ L(E) est diagonalisable si et seulement si (X − λ) annule u.

Y

λ∈Sp(u)

3 Trigonalisation
Définition. Soit u ∈ L(E). On dit que u est trigonalisable si et seulement s’il existe une base B
de E telle que :
MatB (u) est triangulaire supérieure
Définition. Soit A ∈ Mn (K). On dit que A est trigonalisable si et seulement si l’endomorphisme
canoniquement associé à A est trigonalisable.
Remarque. Trigonaliser un endomorphisme u, c’est déterminer une base de vecteurs dans laquelle la matrice
représentant u est triangulaire.
Trigonaliser une matrice A, c’est déterminer une matrice T triangulaire et une matrice P inversible telles
que A = P T P −1 .
Réduire un endomorphisme u (resp. une matrice A), c’est le diagonaliser ou le trigonaliser.
Proposition. Soit A ∈ Mn (K). A est trigonalisable si et seulement elle est semblable à une matrice
triangulaire supérieure.
Proposition. Soit u ∈ L(E) (resp. A ∈ Mn (K)) trigonalisable. Alors les éléments diagonaux d’une
matrice triangulaire représentant u (resp. triangulaire semblable à A) sont les valeurs propres de u
(resp. A) comptées avec multiplicité.
Théorème.

u ∈ L(E) (resp. A ∈ Mn (K)) est trigonalisable si et seulement si son polynôme caractéristique

est scindé sur K.

Preuve. La preuve, non exigible, est proposée en annexe au § 5.3.

Corollaire. Si E est un espace vectoriel sur C et u ∈ L(E) (resp. A ∈ Mn (C)), alors u (resp. A) est
trigonalisable.

2 0 2 2 - 2 0 2 3 [Link] 7 / 18
 2 0 2 3
P S I* 1 0 3 . R é d u c t io n e n d im e n s io n f in ie

Remarque. On peut aller un peu plus loin et imposer la forme a priori de la matrice triangulaire, mais cela
dépasserait le cadre de notre programme.
Exemple. Déterminer l’expression de la suite définie par :

u0 = 1, u1 = 1, u2 = 1 et ∀n ∈ N, un+3 = 11un+2 − 39un+1 + 45un

4 Exercices et résultats classiques à connaître

4.1 Conditions de diagonalisabilité

103.1
   
−2 0 1 1 1 1
Pour les matrices A = −1 1 1 et C = 0 2 2, calculer le polynôme caractéristique et
−1 1 1 1 −1 3
étudier la diagonalisabilité.

4.2 Diagonalisabilité d’une matrice de rang 1

103.2

(a) Soit n > 2 et A ∈ Mn (R) de rang 1. Montrer qu’il existe deux matrices colonnes U et V de
Mn,1 (R) telles que A = U V > .

(b) Exprimer A2 en fonction de A. En déduire les valeurs propres possibles de A.

(c) Montrer que A est diagonalisable si et seulement si tr(A) 6= 0.

4.3 Un exemple d’équation matricielle

103.3

6 0 0
Soit A = 0 2 −2.
0 0 0
On propose de résoudre dans M3 (R) l’équation : (E) : X 2 + X = A.

(a) Déterminer une matrice diagonale D et une matrice inversible P telles que A = P DP −1 .

(b) Déterminer les matrices Y ∈ M3 (R) telles que Y 2 + Y = D. On commencera pour cela par mon-
trer qu’une telle matrice Y commute avec D, et par en déduire que c’est une matrice diagonale.

(c) Résoudre alors l’équation (E).

8 / 18 [Link] 2 0 2 2 - 2 0 2 3
 2 0 2 3
P S I* 1 0 3 . R é d u c t io n e n d im e n s io n f in ie

4.4 Diagonalisation simultanée

103.4
Dans une espace vectoriel E de dimension finie, on considère deux endomorphismes u et v diagonali-
sables tels que u ◦ v = v ◦ u.

(a) Montrer que les sous-espaces propres de v sont stables par u.

(b) Montrer que l’endomorphisme induit de u à un sous-espace propre de v est diagonalisable.

(c) Montrer qu’il existe une base de E constituée de vecteurs propres de u et v.

4.5 Réduction d’une matrice circulante

103.5
 
0 1 0 0
 
 
On considère, pour n > 2, la matrice J = 
 
 0 


 0 1 

1 0 0

(a) Montrer que la matrice J est diagonalisable dans Mn (C)

a0 a1 an−1
an−1
(b) Application : calculer, pour a0 , . . . , an−1 ∈ C,
a1
a1 an−1 a0

2 0 2 2 - 2 0 2 3 [Link] 9 / 18
 2 0 2 3
P S I* 1 0 3 . R é d u c t io n e n d im e n s io n f in ie

5 Compléments de cours
5.1 Une démonstration du théorème de Cayley-Hamilton

Soit x ∈ E. On veut montrer que χu (u)(x) = 0 ver p tel que (x, u(x), . . . , up−1 (x)) libre et
pour tout x ∈ E. (x, u(x), . . . , up−1 (x), up (x)) liée. Il existe donc
Si x = 0E , on a bien χu (u)(0) = 0. a0 , . . . , ap−1 ∈ K tels que up (x) = ap−1 up−1 (x) +
On suppose donc x 6= 0E . La famille (x) · · · + a1 u(x) + a0 x. On note B une base
est libre, tandis que (x, u(x), . . . , un (x)) est liée de E obtenue en complétant la famille libre
comme famille de n + 1 vecteurs dans un es- (x, u(x), . . . , up−1 (x)). La matrice de u dans la
pace de dimension n. On peut donc trou- base B est alors :

 
 0 0 a0 • • 
 

 1 a1 

  A
0
 
 
 
 
 
MatB (u) = 
 
0 ap−2

 
 
• •
 
 0 0 1 ap−1 
 
 

 0 0 

 

 B 

 
0 0

On reconnaît, dans le bloc en haut à gauche no- et donc :

té A, la transposée d’une matrice compagnon. En p−1
!
calculant par blocs, on a : χu (u)(x) = χB (u) u (x) − p
X
k
ak u (x)
χu (X) = χA (X) × χB (X) k=0
p−1
X
! = χB (u)(0E )
= Xp − ak X k × χB (X) =0
k=0
On a donc :
p−1
!
X
p k
χu (u) = χB (u) ◦ u − ak u
k=0

10 / 18 [Link] 2 0 2 2 - 2 0 2 3
 2 0 2 3
P S I* 1 0 3 . R é d u c t io n e n d im e n s io n f in ie

5.2 Une démonstration de la caractérisation des endomorphismes diagonalisables

On veut montrer que u est diagonalisable si et seulement si u admet un polynôme annulateur scindé
à racines simples.

⇒ On suppose u diagonalisable, et on note On a donc :

λ1 , . . . , λp ses valeurs propres, deux à deux
q
distinctes.
Im Lk (u)
X
p E=
Définissons P = (X − λk ) et montrons
Q
k=1
k=1
que P est annulateur de u. On fixe alors
• Montrons maintenant que :
x ∈ E, et on va montrer que P (u)(x) = 0.
Comme u est diagonalisable, on a :
Mp Im Lk (u) ⊂ Ker(u − λk idE )
E= Eλk (u)
k=1 c’est-à-dire :
Donc x se décompose de manière unique en
x = x1 + · · · + xp où chaque xk est dans (u − λk idE ) ◦ Lk (u) = 0
Eλk (u) = Ker(u − λk idE ).
Soit k ∈ {1, . . . , p}. On note Q le polynôme On sait que :
tel que P = Q×(X −λk ). On calcule alors :
P (u)(xk ) = Q(u) ◦ (u − λk idE )(xk ) (u − λk idE ) ◦ Lk (u) = ((X − λk )Lk ) (u)
= Q(u)(0E ) = α P (u)
=0 seul le coefficient dominant diffère
=0
Il suit, par linéarité, que P (u)(x) = 0.
Ainsi, P (u) = 0.
• On en déduit que :
⇐ • Soit P ∈ K[X] annulateur de u, scindé à
racines simples notées λ1 , . . . , λq . On note q
Im Lk (u)
X
(L1 , . . . , Lq ) les polynômes d’interpolation E=
de Lagrange définis par : k=1
q
q
Ker(u − λk idE ) ⊂ E
X
Y (X − λi ) ⊂
Lk (X) =
(λk − λi ) k=1
i=1
i6=k
et donc l’égalité :
Alors, pour tout Q ∈ Kq−1 [X], on a :
q q
Ker(u − λk idE )
X X
Q(X) = Q(λk )Lk (X) E=
k=1 k=1

En appliquant cette propriété avec le po-

En ne conservant dans cette somme que les
lynôme constant Q = 1, on en déduit que
q termes non nuls (c’est-à-dire ceux pour les-
Lk (X) et donc, en considérant les quels Ker(u−λk idE ) est vraiment un espace
P
1=
propre, de dimension > 1), on a décomposé
k=1
polynômes de l’endomorphisme u associés :
q E comme somme de sous-espaces propres
idE = de E, ce qui prouve que u est diagonali-
X
Lk (u)
k=1
sable.

2 0 2 2 - 2 0 2 3 [Link] 11/ 18
 2 0 2 3
P S I* 1 0 3 . R é d u c t io n e n d im e n s io n f in ie

5.3 Une démonstration de la caractérisation de trigonalisabilité

⇒ On suppose u trigonalisable. Dans une base Notons F = Vect(e2 , . . . , en+1 ), de dimen-

de trigonalisation B, on a : sion n, et p le projecteur sur F de direction
  Vect(e1 ).
 λ1 • •  Par les propriétés des calculs des détermi-

 0 λ
 nants pour les matrices triangulaires par
blocs, on a :

 2 
MatB (u) = 
 
 

  χu (X) = χA (X) = (X − λ)χC (X)

 • 

où C est la matrice de p ◦ uF ∈ L(F ).
 
 
0 0 λn
Par hypothèse, χu est scindé donc χC l’est
aussi, et on peut appliquer l’hypothèse de
En notant A cette matrice, on a :
n
récurrence à p ◦ uF . Il existe une base
(e02 , . . . , e0n+2 ) de F dans laquelle la matrice
Y
χu (X) = χA (X) = (X − λk )
k=1
de p ◦ uF est triangulaire supérieure.
On note B 0 = (e1 , e02 , . . . , e0n+1 ). Il reste sim-
qui est bien scindé.
plement à vérifier que dans la base B 0 , la
⇐ On raisonne par récurrence sur n, la dimen- matrice de u est triangulaire supérieure.
sion de E. Pour k > 2 :
• Si E est de dimension 1, le résultat est
évident. u(e0k ) = αk e1 + p ◦ u(e0k )
en décomposant selon Vect(e1 ) ⊕ F
• Soit n ∈ N∗ quelconque fixé. On sup-
pose que le résultat est vrai dans un espace = αk e1 + CL(e02 , . . . , e0k )
de dimension n. car (e02 , . . . , e0n+1 ) est une base
Soit alors E un espace de dimension n + 1, de trigonalisation de p ◦ u
et u ∈ L(E) dont le polynôme caractéris-
tique est scindé. On note λ l’une des ra- ce qui prouve que la matrice de u dans B 0
cines de χu , qui est une valeur propre de u, est triangulaire supérieure.
et e1 un vecteur propre associé à λ. On • Par le principe du raisonnement par ré-
complète la famille libre (e1 ) en une base currence, le résultat est donc vrai dans tout
B = (e1 , e2 , . . . , en+1 ) de E, dans laquelle espace de dimension finie.
la matrice de u est donnée par blocs :
 
 λ B 
 
 0
MatB (u) = 


C
| {z }  
notée A
 
 
0

12 / 18 [Link] 2 0 2 2 - 2 0 2 3
 Exercices de mathématiques (a) φ est-elle linéaire ?
2 0 2 2 - 2 0 2 3

2 0 2 3

P S I*
(b) φ est-elle diagonalisable ?
Diagonalisation et utilisation - calculs
(c) Quelle est la dimension des sous-espaces propres de φ ?
103.6
103.10
Diagonaliser :
   
a b d a
Pour M = ∈ M2 (R), on pose f (M ) = . f est-elle
     
3 −1 1 1 0 1 −1 −3 4 c d b c
A = 0 2 0 B = 1 1 0
 C = −2 −2 4 diagonalisable ?
1 −1 3 0 1 1 −2 −3 5
103.11
L’endomorphisme φ de Mn (R) défini par :
103.7

0 1 1
 
0 1 0
 φ(M ) = M + tr(M )In
Les matrices A = 1 0 0 et B = 1 0 1 de M3 (R) sont-elles
[Link]

est-il diagonalisable ?
2 1 0 1 2 0
semblables ? 103.12

103.8 Montrer que g, défini sur Rn [X] par :

On considère :   g(P )(X) = n2 XP (X) − (X 2 + X)P 0 (X) − X 3 P 00 (X)
1 0 0 0
1 0 0 0 est un endomorphisme. Est-il diagonalisable ? Est-il injectif ?
A=
1

0 0 0
1 1 1 1 Équations matricielles
Donner le rang et l’image de A. Est-elle diagonalisable ? Donner les

1 0 3 . R é d u c t io n e n d im e n s io n f in ie
dimensions de ses espaces propres. 103.13
 
2 3
Endomorphismes de matrices, de polynômes, d’endomorphismes Soit n ∈ N ; résoudre l’équation Mn = , d’inconnue M ∈
4 6
M2 (C).
103.9
103.14
Soit E un espace vectoriel de dimension finie, p un projecteur fixé de E
et φ : L(E) → L(E) définie par : 
2 1

(a) On pose A = . Déterminer les valeurs propres et les
1 4 −1
13 / 18

φ(f ) = (f ◦ p + p ◦ f ) vecteurs propres de A.

2
 (b) Déterminer
 toutes les matrices qui commutent avec la matrice
14 / 18

2 0 2 3

P S I*

3 0 103.19
et en déduire l’ensemble des matrices qui commutent
0 −2
avec A.  
1 4
(a) On note M = . Montrer que M est diagonalisable et dia-
1 1
gonaliser M .
Autres    
A 4A 3A 0
(b) Soit A ∈ Mn (R), B = et C = .
A A 0 −A
103.15 Montrer que B est semblable à C.

0 Établir que B est diagonalisable si et seulement si A est diago-
x = 2x + y + 3z

nalisable.
Résoudre, le système différentiel y 0 = 2y

 0
z =x
103.20
[Link]

103.16
 
−1 1 −3
Soit A =  0 2 −1.
x0 = x + y
®
Résoudre le système différentiel 1 0 2
y 0 = −x + 3y
(a) La matrice A est-elle diagonalisable ?
103.17
(b) Soit B = I3 − A. Trouver X ∈ M3,1 (R) tel que (B 2 X, BX, X)
soit une base de M3,1 (R). En déduire une matrice P inversible
(a) Soit P ∈ GLn (C). L’application M 7→ P −1 M P est-elle continue ?
telle que P −1 AP soit triangulaire.
(b) Soit A ∈ Mn (Z) une matrice à coefficients entiers, telle que
4A3 + 2A2 + A = 0. Montrer que la suite (Ak )k converge. En 103.21

1 0 3 . R é d u c t io n e n d im e n s io n f in ie
déduire que A = 0.  
1 1 −1
1
Soit A = 1 −1 1 .
103.18 2
2 0 0

(a) Calculer le polynôme caractéristique de A.

(a) Soit A ∈ Mn (C). Montrer que A est nilpotente si et seulement si
sa valeur propre est 0. (b) Est-ce que A est diagonalisable ?
(b) Soit A, B ∈ Mn (C) telles qu’il existe n + 1 valeurs µ pour les-
 
0 1 0
quelles A + µB est nilpotente. Montrer que A et B sont nilpo- (c) Montrer que A est semblable à T = 0 0 1.
2 0 2 2 - 2 0 2 3

tentes. 0 0 0
 - 103.24
2 0 2 2 - 2 0 2 3

2 0 2 3

P S I*
103.22
Soient n un entier naturel non nul et E un C-espace vectoriel de di-
Soit E = R3 muni de sa base canonique B et f l’endomorphisme de E mension n.
tel que :
(a) Montrer qu’il existe un polynôme Pn ∈ R[X] vérifiant au voisi-
 
−3 −3 2
MatB (f ) =  1 1 −2 nage de 0
√
2 4 −4 1 + x = Pn (x) + O(xn )
(a) Montrer que f n’a qu’une seule valeur propre λ et que son sous-
(b) Etablir que X n divise alors le polynôme Pn2 (X) − X − 1.
espace propre associé Eλ (f ) est de dimension 1. On exprimera
Eλ sous la forme Eλ = Vect(u1 ).
(b) Déterminer E 0 = Ker((f − λidE )2 ). (c) Soit f un endomorphisme de E vérifiant f n = 0.
Montrer qu’il existe un endomorphisme g de E vérifiant
(c) Déterminer un vecteur u2 tel que u2 ∈ E 0 r Eλ . Que peut-on dire
de la famille (u1 , u2 ) ? g 2 = IdE + f
[Link]

(d) Déterminer une base C de E dans laquelle la matrice de f soit

triangulaire supérieure. (d) Soit maintenant f un endomorphisme de E ne possédant qu’une
valeur propre λ, non nulle.
Montrer que (f − λIdE )n = 0 et conclure qu’il existe un endo-
morphisme g de E vérifiant
Petits problèmes d’entrainement
g2 = f
- 103.23


0 0 0 1
 103.25

1 0 3 . R é d u c t io n e n d im e n s io n f in ie
0 0 0 2
(a) Diagonaliser M = 
0
.
(a) Soit f une endomorphisme de Rn et A sa matrice dans la base
0 0 3
1 2 3 0 canonique de Rn . On suppose que λ est une valeur propre non
réelle de A et que Z ∈ Cn est un vecteur propre associé.
(b) Trouver deux matrices A et B telles que : On note X et Y les vecteurs de Rn dont les composantes sont
n
∀n > 1 M n = 14 2 (A + (−1)n B). respectivement les parties réelles et imaginaires des composantes
de Z.
(c) Déterminer le commutant de M (c’est-à-dire l’ensemble des ma-
trices qui commutent avec M ) et sa dimension. En déduire les a1. Montrer que X et Y sont non colinéaires.
15 / 18

solutions de l’équation X 2 = M , d’inconnue X ∈ M4 (R). a2. Montrer que Vect(X, Y ) est stable par f .
 (b) On suppose que la matrice de f est donnée par (b) Montrer que 1 est valeur propre de A. Quelles sont les autres ?
16 / 18

2 0 2 3

P S I*
  Déterminer la dimension des espaces propres.
1 1 0 0
A=
−1 2 0 1  (c) Déterminer un polynôme annulateur de degré 2 de B.
0 0 −1 0
1 0 0 1 (d) En déduire qu’il existe deux suites (an )n et (bn )n telles que, pour
tout n, B n = an B + bn I.
b1. Déterminer deux plans stables par f .  
b2. Déterminer tous les plans stables par f .
a  bn
(e) Étudier les suites et .
n
5n n 5n n
103.26
(f) Étudier les suites (un )n , (vn )n , (wn )n et (xn )n .
(a) Soit u un endomorphisme inversible d’un K-espace vectoriel E de
dimension finie. 103.28
Montrer qu’il existe un polynôme Q ∈ K [X] vérifiant On considère la matrice A ∈ Mn (R) suivante, où n > 3 :
[Link]

u−1 = Q(u)  
1 1
(b) Soit u l’endomorphisme de K [X] qui envoie le polynôme P (X)
 
 0 0 
sur P (2X).
 
 
Montrer que u est un automorphisme et déterminer ses éléments
 
 
propres.
 
0 0
 
Existe-t-il Q ∈ K [X] tel que
 
1 1
u−1 = Q(u) ?
(a) On souhaite dans cette question déterminer les valeurs propres
de A.

1 0 3 . R é d u c t io n e n d im e n s io n f in ie
103.27
Soit quatre suites réelles satisfaisant : a1. Quel est le rang de A ?
 a2. Calculer A2 .
 un+1 = 15 (2un + vn + wn + xn )
a3. Justifier que 0 est valeur propre d’ordre au moins n − 2.



v 1
n+1 = 5 (un + 2vn + wn + xn )
wn+1 = 15 (un + vn + 2wn + xn ) a4. En notant λ1 et λ2 les deux autres valeurs propres (éven-
tuellement nulle, égales, complexes), donner λ1 +λ2 et λ1 λ2 .



x 1
n+1 = 5 (un + vn + wn + 2xn )
a5. En déduire Sp(A).
(a) Déterminer la matrice A décrivant la récurrence.
2 0 2 2 - 2 0 2 3

On pose B = 5A. B est-elle diagonalisable ? (b) Déterminer une CNS pour avoir SpR (A) ⊂ Z.
 (c) Démontrer que, pour tout k > 3, il existe λk , µk tels que : et m ∈ L(R5 ) canoniquement associé à M .
2 0 2 2 - 2 0 2 3

2 0 2 3

P S I*
Ak = λk A + µk A2 (a) En procédant à un calcul par bloc, déterminer p ∈ N? tel que
M p = I5 .
103.29 En déduire que M est diagonalisable dans M5 (C).
Soit E un espace vectoriel de dimension finie p > 1, u et v deux endo-
(b) Déterminer un vecteur x ∈ R5 tel que la famille :
morphismes de E tels que :
u◦v−v◦u=u (x, m(x), m2 (x), m3 (x), m4 (x))

(a) Montrer que tr(u) = 0. forme une base de R5 .

(b) Montrer que, pour tout n ∈ N : Quelle est la matrice de m dans cette base ?

un ◦ v − v ◦ un = nun
103.32
(c) Pour f ∈ L(E), on note ψ(f ) = f ◦ v − v ◦ f . Montrer que Soit f un endomorphisme diagonalisable d’un K-espace vectoriel E de
[Link]

ψ ∈ L(L(E)). dimension n. On note Cf l’ensemble des endomorphismes qui com-

(d) Utiliser ψ et ses éléments propres pour montrer que u est nil- mutent avec f .
potent.
(a) Montrer que Cf est un sous-espace vectoriel de L(E).
103.30 (b) Montrer qu’un endomorphisme g appartient à Cf si et seulement
si chaque sous-espace propre de f est stable par g.
 
1 2 −3
Soit A = 2 4 −6 .
(c) En déduire que :
4 8 −12
dim Cf =
X
αλ2
(a) Calculer le rang de A. En déduire sans calcul le polynôme carac-
λ∈Sp(f )
téristique de A. A est-elle diagonalisable ?

1 0 3 . R é d u c t io n e n d im e n s io n f in ie
où αλ est la multiplicité de la valeur propre λ.
(b) Donner les éléments propres de A.
(d) On suppose que les valeurs propres de f sont simples. Montrer
103.31 que (Id, f, f 2 , . . . , f n−1 ) est une base de Cf .
Soient  
0 −1 0 0 0
1 0 0 0 0 103.33
Soit E un C-e.v. de dimension finie, et u ∈ L(E). Pour λ ∈ C∗ , on
 
M =0 0 0 0 1  ∈ M5 (R)
note (αi (λ))16i6n les racines n-ièmes de λ. On note (Li (X))16i6n les
 
0 0 1 0 0
17 / 18

0 0 0 1 0 polynômes annulateurs de Lagrange associés aux αi (λ).

 (a) Montrer que u diagonalisable implique un diagonalisable. Que (a) On suppose que toutes les valeurs propres de M sont simples.
18 / 18

2 0 2 3

P S I*
penser de la réciproque ? Calculer le nombre de solutions de l’équation (E).
n n
(b) Montrer que Li = 1. En déduire Ker(un −λIdE ) = Ker(u− (b) Donner l’exemple d’une matrice M pour laquelle l’équation (E)
P L
i=1 i=1 admet une infinité de solutions.
αi (λ)IdE ).  
0 1 0 ··· 0
(c) Montrer que si u est inversible, alors un diagonalisable implique
0 . . . . . . . . . ... 
 
u diagonalisable.
 .. . . . . . .
 
(c) Si M =  . . . . 0 , montrer que (E) n’admet au-

103.34  .. .. ..
 
. . . 1

Soit n un entier > 2 et f ∈ L(Rn ) un endomorphisme de rang 1. 0 ··· ··· 0 0
cune solution.
(a) Justifier que 0 est valeur propre de f et préciser la dimension de
E0 (f ). En déduire que f est trigonalisable.
103.37
[Link]

(b) Montrer que f est diagonalisable si et seulement si tr(f ) 6= 0.

(c) En déduire que f 2 = tr(f )f . 
1 1 −1


(a) On considère la matrice A = 0 2 1 .

103.35 0 0 3

(a) Soit A ∈ Mp (R) diagonalisable et vérifiant : a1. Déterminer les valeurs propres de A puis une base de vec-
teurs propres associés.
Sp(A) ⊂] − 1, 1[
a2. Déterminer la matrice de passage P de la base initiale à la
Montrer que An −−−−−→ 0 base de vecteurs propres, puis sa matrice inverse P −1 .
n→+∞

1 0 3 . R é d u c t io n e n d im e n s io n f in ie
(b) Même question dans le cas où A est seulement trigonalisable.

0
x = x + y − z + t

(On pourra faire une récurrence sur p.) (b) On considère le système différentiel y 0 = 2y + z + 1 x, y, z

 0
z = 3z
103.36 désignant trois fonctions de la variable t, dérivables sur R.
Soit n > 2, et M ∈ Mn (C). On s’intéresse à l’équation (E) : Z 2 = M , Résoudre ce système différentiel en utilisant la question 1.
d’inconnue Z ∈ Mn (C).
2 0 2 2 - 2 0 2 3