Réduction Des Endomorphismes

[http://mp.cpgedupuydelome.
fr] dD Enoncés 1
Réduction des endomorphismes Exercice 6 [ 00756 ] [correction]

Montrer qu’un endomorphisme f d’un K-espace vectoriel E commute avec un
projecteur p si, et seulement si, Imp et ker p sont stables par f .
Polynôme en un endomorphisme
Exercice 7 [ 00757 ] [correction]
Déterminer les sous-espaces vectoriels stables pour l’endomorphisme de dérivation
Soient E un K-espace vectoriel de dimension n et u ∈ L(E).
dans K [X].
On suppose qu’il existe un vecteur x0 ∈ E telle que la famille
(x0 , u(x0 ), . . . , un−1 (x0 )) soit libre.
Montrer que seuls les polynômes en u commutent avec u. Exercice 8 [ 00758 ] [correction]
Soit u un endomorphisme d’un K-espace vectoriel E de dimension finie.
∞ ∞
ker up et I = Imup .
S T
On pose N =
Exercice 2 [ 00754 ] [correction] p=0 p=0
Soit u ∈ L(E) vérifiant u3 = I. a) Montrer qu’il existe n ∈ N tel que N = ker un et I = Imun .
Montrer que b) Etablir que N et I sont des sous-espaces vectoriels supplémentaires stables par
ker(u − Id) ⊕ ker(u2 + u + Id) = E u et tels que les restrictions de u à N et I soient respectivement nilpotente et
bijective.
c) Réciproquement on suppose E = F ⊕ G avec F et G sous-espaces vectoriels
stables par u tels que les restrictions de u à F et G soient respectivement
Exercice 3 X MP [ 03033 ] [correction] nilpotente et bijective. Etablir F = N et G = I.
Soient A et B dans Mn (R). On suppose que A est nilpotente et qu’il existe
P ∈ R [X] tel que P (0) = 1 et B = AP (A). Montrer qu’il existe Q ∈ R [X] tel que
Q(0) = 1 et A = BQ(B). Exercice 9 [ 00759 ] [correction]
Soient u et v deux endomorphismes d’un K-espace vectoriel de dimension n ∈ N? .
On suppose u ◦ v = v ◦ u et v nilpotent.
Exercice 4 [ 03210 ] [correction] On désire montrer que det(u + v) = det u en raisonnant par récurrence sur la
Soient A ∈ GLn (C) et B ∈ Mn (C) telle que B p = On . dimension n > 1.
a) Montrer que In + A−1 BA est inversible et exprimer son inverse. a) Traiter le cas n = 1 et le cas v = 0.
b) On pose b) Pour n > 2 et v 6= 0, former les matrices de u et v dans une base adaptée à Imv.
H = {In + P (B)/P ∈ C [X] , P (0) = 0} c) Conclure en appliquant l’hypothèse de récurrence aux restrictions de u et v au
départ de Imv.
Montrer que H est un sous-groupe commutatif de (GLn (C), ×).
Exercice 10 Centrale MP [ 00760 ] [correction]

Sous-espaces vectoriels stables Soit E = E1 ⊕ E2 un K-espace vectoriel. On considère
Γ = {u ∈ L(E), ker u = E1 et Imu = E2 }.
a) Montrer, pour tout u de Γ que ũ = uE2 est un automorphisme de E2 .
Soit φ : Γ → GL(E2 ) définie par φ(u) = ũ.
Soient u et v deux endomorphismes d’un K-espace vectoriel E.
b) Montrer que ◦ est une loi interne dans Γ.
On suppose que u et v commutent, montrer que Imu et ker u sont stables par v.
c) Montrer que φ est un morphisme injectif de (Γ, ◦) dans (GL(E2 ), ◦).
Que dire de la réciproque ?
d) Montrer que φ est surjectif.
e) En déduire que (Γ, ◦) est un groupe. Quel est son élément neutre ?
[http://mp.cpgedupuydelome.fr] dD Enoncés 2
Exercice 11 [ 00761 ] [correction] Eléments propres d’un endomorphisme

Soient E un K-espace vectoriel muni d’une base B, f ∈ L(E) et H un hyperplan.
a) Déterminer la dimension du sous-espace vectoriel {u ∈ E ? /u(H) = {0}} ? Exercice 15 [ 00762 ] [correction]
b) Montrer que si H a pour équation u(x) = 0 alors H est stable par f si, et Soient f un endomorphisme d’un K-espace vectoriel et n ∈ N? . On suppose que
seulement si, u ◦ f est colinéaire à u. 0 ∈ sp(f n ).
c) Soient A et L les matrices dans B de f et u. Montrer que 0 ∈ sp(f ).
Montrer que H est stable par f si, et seulement si, t L est vecteur propre de t A
d) Déterminer les plans stables par
  Exercice 16 [ 00763 ] [correction]
3 −2 −4
Soit f un endomorphisme d’un K-espace vectoriel E de dimension finie.
A =  −1 1 1 
Montrer que 0 ∈
/ sp(f ) ⇔ f surjectif.
1 −2 −2
Exercice 12 Centrale MP [ 02492 ] [correction] Exercice 17 [ 00764 ] [correction]

Soient f et g deux endomorphismes l’espace euclidien de R3 canoniquement Soit u un automorphisme d’un K-espace vectoriel E.
Etablir Spu−1 = λ−1 /λ ∈ Spu .

représentés par
   
1 2 0 0 −1 2
A =  −4 3 4  et B =  0 −1 0  Exercice 18 [ 00765 ] [correction]
2 2 −1 −1 1 −3 Soient E un K-espace vectoriel, u ∈ L(E), a ∈ GL(E) et v = a ◦ u ◦ a−1 .
Comparer Spu et Spv d’une part, Eλ (u) et Eλ (v) d’autre part.
a) Trouver les droites vectorielles stables par f .
b) Soit P un plan de R3 de vecteur normal ~n. Montrer que P est stable par f si,
et seulement si, Vect(~n) est stable par f ? . Exercice 19 [ 00766 ] [correction]
En déduire les plans stables par f . Soit u un endomorphisme d’un K-espace vectoriel E tel que tout vecteur non nul
c) Donner les droites et les plans stables par g. en soit vecteur propre.
Montrer que u est une homothétie vectorielle.
Exercice 13 Mines-Ponts MP [ 02726 ] [correction]
Soit E un espace vectoriel de dimension finie et u ∈ L(E) tel que
u3 = Id Soit f et g deux endomorphismes d’un C-espace vectoriel E de dimension finie
n > 1 tels que f ◦ g − g ◦ f = f .
Décrire les sous-espaces stables de u. a) Montrer que f est nilpotent.
b) On suppose f n−1 6= 0. Montrer qu’il existe une base e de E et λ ∈ C tels que :
Exercice 14 Mines-Ponts MP [ 02897 ] [correction] 
0 1 (0)

On note E = C(R, R) et on pose, pour toute f ∈ E et tout x ∈ R, .. .
. ..
 
Z x  
Mate f =  
T f (x) = f (x) + f (t) dt  . .. 1 

0
(0) 0
a) L’opérateur T est-il un automorphisme de E ?
b) Existe-t-il un sous-espace vectoriel de E de dimension finie impaire et stable et
par T ? Mate g = diag(λ, λ + 1, . . . , λ + n − 1)
Etude pratique des éléments propres d’un endomor- Exercice 26 [ 00771 ] [correction]
Soit E le sous-espace vectoriel des fonctions de C([0, +∞[ R) s’annulant en 0.
phisme Pour tout f ∈ E, on définit ϕ(f ) : [0, +∞[ → R par
1 x
Z
Exercice 21 [ 00767] [correction]
ϕ(f )(0) = 0 et ϕ(f )(x) = f (t) dt pour x > 0
1 0 a b x 0
Soient A = et M = matrices réelles.
0 2 c d
a) Calculer AM − M A. a) Montrer que ϕ(f ) ∈ E puis que ϕ est un endomorphisme de E.
b) Déterminer les éléments propres de l’endomorphisme M 7→ AM − M A. b) Déterminer les éléments propres de ϕ.

Exercice 22 [ 00768 ] [correction] Soit E = C([0, 1] , R). Si f ∈ E, soit
Soient E = C ∞ (R, R) et D l’endomorphisme de E qui à f associe sa dérivée f 0 .
Déterminer les valeurs propres de D ainsi que les sous-espaces propres associés. Z 1
T (f ) : x ∈ [0, 1] 7→ min(x, t)f (t) dt
0
Exercice 23 [ 00769 ] [correction] a) Vérifier que T est dans L(E).

Soient E = C 0 (R, R) et I l’endomorphisme de E qui à f ∈ E associe sa primitive b) Déterminer les valeurs propres et les vecteurs propres de T .
qui s’annule en 0.
Déterminer les valeurs propres de I.
Soit E l’espace des fonctions f de classe C 1 de [0, +∞[ vers R vérifiant f (0) = 0.
Pour un élément f de E on pose T (f ) la fonction définie par
Soient E = `∞ (R) l’espace des suites réelles bornées et ∆ : E → E
Z x
f (t)
l’endomorphisme défini par T (f )(x) = dt
0 t
∆(u)(n) = u(n + 1) − u(n) Montrer que T est un endomorphisme de E et trouver ses valeurs propres.
Déterminer les valeurs propres de ∆.

Déterminer valeurs propres et vecteurs propres de l’endomorphisme ϕ de Rn [X]
Exercice 25 [ 03126 ] [correction] défini par
Soient E = CN et f : E → E l’application qui transforme une suite u = (un ) en ϕ : P 7→ (X 2 − 1)P 0 − nXP
v = (vn ) définie par
un + un−1 Exercice 30 Centrale MP [ 03103 ] [correction]

v0 = u0 et ∀n ∈ N? , vn =
2 On considère n + 1 réels deux à deux distincts a0 , . . . , an et A le polynôme
Déterminer les valeurs propres et les vecteurs propres de f . n
Y
A(X) = (X − ak )
k=0
Soit B un polynôme réel tel que pour tout k = 0, . . . , n, B(ak ) 6= 0. On considère a) Montrer que 1 ∈ Sp(A).
l’application f qui à un polynôme P de Rn [X] associe le reste R = f (P ) de la b) Justifier que si λ ∈ C est valeur propre de A alors |λ| 6 1.
division euclidienne de BP par A. c) Observer que si λ ∈ C est valeur propre de A et vérifie |λ| = 1 alors λ est une
a) Justifier qu’on définit ainsi un endomorphisme de Rn [X]. racine de l’unité.
b) Etude d’un exemple avec le logiciel de calcul formel : on demande de résoudre
cette question avec le logiciel.
On choisit Exercice 34 [ 00775 ] [correction]
Soient A, B ∈ Mn (R) vérifiant AB − BA = A.
n = 2, A(X) = (X − 1)(X − 2)(X − 3) et B(X) = X 3
a) Calculer Ak B − BAk pour k ∈ N.
Ainsi f est ici l’endomorphisme de R2 [X] qui à P ∈ E associe le reste de la b) A quelle condition la matrice Ak est-elle vecteur propre de l’endomorphisme
division euclidienne de X 3 P par (X − 1)(X − 2)(X − 3). M 7→ M B − BM de Mn (K) ?
Créer l’application f . Utiliser la commande « rem »qui fournit le reste de la c) En déduire que la matrice A est nilpotente.
division euclidienne. Expliciter alors l’image de P = aX 2 + bX + c.
Déterminer le noyau de f .
Suivre le même procédé pour déterminer les éléments propres de f , en annulant Exercice 35 [ 00776 ] [correction]
les coefficients de Q = f (P ) − λP . Soient n ∈ N? et E = Mn (R). Pour A ∈ E, on introduit u : E → E défini par
Créer la matrice de f dans la base canonique de E et retrouver ainsi les valeurs
propres et les vecteurs propres de f . u(M ) = AM
c) On revient au cas général. Déterminer le noyau, les éléments propres (valeurs
propres, sous-espaces propres) et le déterminant de f . L’endomorphisme f est-il Montrer que A et u ont les mêmes valeurs propres et préciser les sous-espaces
diagonalisable ? propres de u en fonction de ceux de A.
Eléments propres d’une matrice Exercice 36 [ 00777 ] [correction]

Soient A ∈ Mn (C) et ΦA l’endomorphisme de Mn (C) définie par ΦA (M ) = AM .
Exercice 31 [ 00772 ] [correction] a) Montrer que les valeurs propres de ΦA sont les valeurs propres de A.
Soit A ∈ Mn (K) vérifiant rg(A) = 1. b) Déterminer les valeurs propres de ΨA : M 7→ M A.
Montrer qu’il existe λ ∈ K tel que A2 = λA et que ce scalaire λ est valeur propre
de A.
Soit la matrice A ∈ Mn (R) donnée par A = (min(i, j))16i,j6n .
Exercice 32 [ 00773 ] [correction] a) Trouver une matrice triangulaire inférieure unité L et une matrice triangulaire
n
P
Pour A ∈ Mn (R), on pose kAk = sup |ai,j |. supérieure U telle que A = LU .  
16i6n j=1 0 1 (0)
Montrer que sp(A) ⊂ [− kAk , kAk].  .. .. 
 . . 
b) Exprimer A−1 à l’aide de N =  .
 .. 
 . 1 
Exercice 33 [ 00774 ] [correction] (0) 0
Soit A = (ai,j ) ∈ Mn (C) vérifiant pour tout i, j ∈ {1, . . . , n} ai,j ∈ R+ et pour −1
c) Montrer que SpA ⊂ [0, 4].
n
P
tout i ∈ {1, . . . , n}, ai,j = 1.
j=1
Exercice 38 X MP [ 02861 ] [correction] Exercice 43 [ 00780 ] [correction]

Déterminer les valeurs propres de la matrice Soit A ∈ Mn (R) inversible de polynôme caractéristique χA .
n n
x

0 ··· 0 1
 Etablir que pour tout x 6= 0, χA−1 (x) = (−1)
χA (0) χA (1/x).
 .. .. .. 
 . . . 
  ∈ Mn (R)
 0 ··· 0 1 
1 ··· 1 1
Soient A, B ∈ Mn (C). On désire établir l’égalité des polynômes caractéristiques
Exercice 39 [ 03173 ] [correction] χAB = χBA

Soit n ∈ N, n > 2. Déterminer les valeurs propres de la comatrice de A ∈ Mn (C).
On commencera par étudier le cas où la matrice A est inversible. a) Etablir l’égalité quand A ∈ GLn (C).
b) Pour A ∈ / GLn (C), justifier que pour t > 0 suffisamment petit
A + tIn ∈ GLn (C) et en déduire que l’égalité est encore vraie.
Soit An = (ai,j ) ∈ Mn (R) la matrice définie par
ai,i = 0 et ai,j = j si i 6= j Exercice 45 [ 01109 ] [correction]
Soient A, B ∈ Mn (K) et p ∈ N? . Etablir
a) A l’aide de Maple, calculer les valeurs approchées des valeurs propres de A2 , A3
et, si possible A10 . χ(AB)p = χ(BA)p
b) Si λ est valeur propre de An , montrer que
n
X k
=1 Exercice 46 Mines-Ponts MP [ 02696 ] [correction]
k+λ
k=1 Soit A, B ∈ Mn (R). Montrer que AB et BA ont même valeurs propres.
c) Nombre et localisation des valeurs propres de An ?
d) On appelle xn la valeur propre de An strictement comprise entre −2 et −1.
Quel est le sens de variation de la suite (xn ) ? Exercice 47 [ 02901 ] [correction]
e) Limite de (xn ) et développement asymptotique à deux termes. Soit A ∈ Mn (C). Montrer
χAĀ ∈ R [X]
Polynôme caractéristique
Exercice 41 [ 00778 ] [correction] Exercice 48 [ 01272 ] [correction]
a) Montrer que deux matrices semblables ont le même polynôme caractéristique. Soient A ∈ Mn,p (K), B ∈ Mp,n (K) et λ ∈ K. En multipliant à droite et à gauche
b) Réciproque ? la matrice
−λIn A
M= ∈ Mn+p (K)
B Ip
par des matrices triangulaires par blocs bien choisies, établir
Soit F un sous-espace vectoriel stable par un endomorphisme u d’un K-espace
vectoriel E de dimension finie.
(−λ)p χAB (λ) = (−λ)n χBA (λ)
Etablir que le polynôme caractéristique de l’endomorphisme induit par u sur F
divise le polynôme caractéristique de u.
Exercice 49 Mines-Ponts MP [ 02697 ] [correction] Calcul de polynôme caractéristique

Soit (A, B) ∈ Mp,q (R) × Mq,p (R). Montrer
X q χAB (X) = X p χBA (X).
que
Ir 0 Exercice 55 [ 00782 ] [correction]
Indice : Commencer par le cas où A = .
0 0 Calculer le polynôme caractéristique de la matrice
 
Exercice 50 Mines-Ponts MP [ 02698 ] [correction] 0 1 0
 .. . . ..
a) Si P ∈ Z [X] est unitaire de degré n, existe-t-il A ∈ Mn (Z) de polynôme

 . . . 
caractéristique P ?
 
 0 ··· 0 1 
n
b) Soient (λ1 , . . . , λn ) ∈ Cn , P = a0 a1 · · · an−1
Q
(X − λi ). On suppose P ∈ Z [X].
i=1
n
?
(X − λqi ) appartient à Z [X].
Q
Montrer, si q ∈ N , que Pq =
i=1 Exercice 56 [ 00784 ] [correction]
c) Soit P dans Z [X] unitaire dont les racines complexes sont de modules 6 1. Soient
Montrer que les racines non nulles de P sont des racines de l’unité.  
0 1 0
 .. .. 
 1 . . 
 ∈ Mn (C) et Pn (x) = det(An − xIn )
Soient A et B dans Mn (K) (K = R ou C). An = 
 .. .. 
a) Comparer SpB = Spt B.
 . . 1 
b) Soit C ∈ Mn (K). Montrer que s’il existe λ pour lequel AC = λC, alors 0 1 0
ImC ⊂ ker(A − λIn ).
a) Montrer que
c) Soit λ une valeur propre commune à A et B. Montrer qu’il existe C ∈ Mn (K),
Pn (x) = −xPn−1 (x) − Pn−2 (x)
C 6= 0, telle que AC = CB = λC.
d) On suppose l’existence de C ∈ Mn (K) avec rgC > r et AC = CB. Montrer que Calculer P1 (x) et P2 (x).
le PGCD des polynômes caractéristiques de A et B est de degré > r. b) Pour tout x ∈ ]−2, 2[, on pose x = −2 cos α avec α ∈ ]0, π[. Montrer que
e) Etudier la réciproque de d).
sin((n + 1)α)
Pn (x) =
sin α
Soit A ∈ Mn (R) telle que SpA ⊂ R+ . c) En déduire que Pn (x) admet n racines puis que An est diagonalisable.
Montrer
det A > 0
Exercice 53 [ 03121 ] [correction] Soient a1 , . . . , an ∈ C? deux à deux distincts.
Soient A, B ∈ Mn (C). Etablir On pose
χA (B) ∈ GLn (C) ⇔ SpA ∩ SpB = ∅

 
0 a2 ... an
 .. .. 
 a1 0 . . 
Exercice 54 [ 03213 ] [correction] P (x) = det(A + xIn ) avec A =  ..

 .. .. 
Soient n > 2 et f ∈ L(Cn ) endomorphisme de rang 2.  . . . an 
a1 ··· an−1 0
Déterminer le polynôme caractéristique de en fonction de trf et trf 2 . a) Calculer P (ai ).
b) Justifier que P est un polynôme unitaire de degré n. Exercice 62 X MP [ 02868 ] [correction]

c) Former la décomposition en éléments simples de la fraction rationnelle Soient E un C-espace vectoriel de dimension finie non nulle, (a, b) ∈ C2 , f et g
dans L(E) tels que f ◦ g − g ◦ f = af + bg.
P (X) Montrer que f et g ont un vecteur propre commun.
n
Q
(X − ai )
i=1
Eléments propres et diagonalisabilité d’une matrice
d) En déduire le déterminant de A + In .
Exercice 63 [correction]
[ 00789 ]

cos α − sin α
Existence de valeur propre sur C Soient α ∈ R et A = ∈ M2 (K) et
sin α cos α
cos α sin α
Exercice 58 [ 00786 ] [correction] B= ∈ M2 (K)
sin α − cos α
Soit E un C-espace vectoriel de dimension finie. a) On suppose K = C. La matrice A est-elle diagonalisable ?
a) Justifier que tout endomorphisme de E possède au moins une valeur propre b) On suppose K = R. La matrice A est-elle diagonalisable ?
b) Observer que l’endomorphisme P (X) 7→ (X − 1)P (X) de C [X] n’a pas de c) Mêmes questions avec B.
valeurs propres.

Exercice 59 [ 00787 ] [correction] Soient a, b, c ∈ R.  
Soient A, B ∈ Mn (C) vérifiant AB = BA. 0 −b c
Montrer que A et B ont un vecteur propre en commun. M = a 0 −c 
−a b 0
est-elle diagonalisable sur R ? sur C ?
Montrer que A, B ∈ Mn (C) ont une valeur propre en commun si, et seulement si, Exercice 65 [ 00791 ] [correction]
il existe U ∈ Mn (C) non nulle vérifiant U A = BU . Parmi les matrices élémentaires Ei,j de Mn (K), lesquelles sont diagonalisables ?
Exercice 61 Centrale MP [ 02441 ] [correction] Exercice 66 [ 00792 ] [correction]

Soient E un C-espace vectoriel de dimension finie non nulle, u, v dans L(E) et a, b Soient a, b ∈ R? tels que |a| =
6 |b| et
dans R. On suppose 
a b a ··· b

u ◦ v − v ◦ u = au + bv  b a b ··· a 
 
a) On étudie le cas a = b = 0. A =  a b a ··· b  ∈ M2n (R) (avec n > 2)
 
Montrer que u et v ont un vecteur propre en commun.  .. .. .. . . .. 
 . . . . . 
b) On étudie le cas a 6= 0, b = 0.
b a b ··· a
Montrer que u est non inversible.
Calculer un ◦ v − v ◦ un et montrer que u est nilpotent. a) Calculer rg(A). En déduire que 0 est valeur propre de A et déterminer la
Conclure que u et v ont un vecteur propre en commun. dimension du sous-espace propre associé.
c) On étudie le cas a, b 6= 0. b) Déterminer deux vecteurs propres non colinéaires et en déduire que A est
Montrer que u et v ont un vecteur propre en commun. diagonalisable.
Exercice 67 Mines-Ponts MP  [correction]

[ 02703 ] Exercice 71 Centrale MP [ 01557 ] [correction]
Soient (a1 , . . . , a2n ) ∈ C2n et A = (ai,j )16i,j62n la matrice de M2n (C) définie par :

0 ··· 0 1
 .. .. .. 
matrices de Mn (R) :  . . . 
 
Diagonaliser les  et (0) a2n

.
 0 ··· 0 1  A = A(a1 , . . . , a2n ) =  .. 
1 ··· 1 1 a1 (0)
··· ··· ··· 1
 
1
 .. ..  autrement dit telle que ai,j = 0 si i + j 6= 2n + 1 et ai,2n+1−i = a2n+1−i pour

 . 0 ··· 0 .   i = 1, . . . , 2n.
.. .. .. .. .
a) Etude du cas n = 2 avec le logiciel de calcul formel : créer la matrice


 . . . . 
 .. ..   
 . 0 ··· 0 .  (0) d
1 ··· ··· ··· 1  c 
A = A(a, b, c, d) =  
 b 
a (0)
Valeurs propres de la matrice de Mn (R) et étudier le caractère diagonalisable de A « en situation générale ».
  Etudier séparément avec le logiciel les cas particuliers non envisagés en situation
1 1 ··· 1
 1 1 générale.
(0) 

 ..
 Vérifier tous les résultats par un étude directe
.. 
 . .  b) Soient u un endomorphisme d’un K-espace vectoriel E et F1 , . . . , Fp des
1 (0) 1 sous-espaces vectoriels stables par u tels que
E = F1 ⊕ · · · ⊕ Fp
Exercice 69 Mines-Ponts  MP [ 02705 ] [correction]
a b ··· b
 
b ··· b a
 Démontrer une condition nécessaire et suffisante pour que u soit diagonalisable,
. ..   .. faisant intervenir les restrictions uF1 , . . . , uFp (où la restriction uFi est
.  . ...
 
 b a . .  a b  considérée comme endomorphisme de Fi ).
Soit a, b deux réels, A =  .

 et B = 
 
..
.
 .. . . . . . . b   b ... ..
. c) En déduire une condition nécessaire et suffisante pour que la matrice

. 
b ··· b a a b ··· b A(a1 , . . . , a2n ) soit diagonalisable.
Réduire ces deux matrices. d) Comment les résultats sont-ils modifiés si la matrice A est réelle et qu’on
étudie si elle est diagonalisable dans M2n (R) ?

On pose Exercice 72 [ 03123 ] [correction]
a2 b2
 
ab ab Monter que la matrice suivante est diagonalisable
 ab a2 b2 ab 
M (a, b) =   
0 1 (0)

 ab b2 a2 ab 
b2 ab ab a2  . . 
 n
 . 2 

pour tous a, b réels. . .
A= n − 1 .. ..  ∈ Mn+1 (C)
 
a) Ces matrices sont-elles simultanément diagonalisables ?  
.. .
b) Etudier et représenter graphiquement l’ensemble des (a, b) ∈ R2 tel que . .. n
 
 
M (a, b)n tend vers 0 quand n tend vers ∞. (0) 1 0
(indice : on pourra interpréter A comme la matrice d’un endomorphisme de Etude de matrices diagonalisables
Cn [X])
Montrer que si A est diagonalisable alors t A l’est aussi.
Exercice 73 X PSI [ 03255 ] [correction]
Soit   Exercice 79 [ 01673 ] [correction]
0 (b) Soient A ∈ GLn (K) et B ∈ Mn (K).
Mn = 
 ..  ∈ Mn (C)
 On suppose la matrice AB diagonalisable. Montrer que BA est diagonalisable.
.
(a) 0
A quelle condition la matrice Mn est-elle diagonalisable ?
A1 O

Déterminer alors une base de vecteurs propres Soient A1 ∈ Mp (K), A2 ∈ Mq (K) et A ∈ Mp+q (K) définie par A = .
O A2
Montrer que A est diagonalisable si, et seulement si, A1 et A2 le sont.
Diagonalisabilité des matrices de rang 1

[ 00798 ]

O In
Exercice 74 [ 00793 ] [correction] Soient A ∈ Mn (K) et B = .
A O
Soit A ∈ Mn (C) telle que rgA = 1. a) Etudier les valeurs propres de B en fonction de celles de A.
Etablir : A diagonalisable si, et seulement si, trA 6= 0. b) On suppose A diagonalisable. B est-elle diagonalisable ?
Exercice 82 Centrale PC [ 03113 ] [correction]

Exercice 75 [ 00794 ] [correction] a) Soit D ∈ Mn (C). Déterminer l’inverse de
Soient X, Y ∈ Mn,1 (K) non nuls.
In D
A quelle condition la matrice X t Y est-elle diagonalisable ?
On In
b) Soient A, B ∈ Mn (C) diagonalisables telles que SpA ∩ SpB = ∅.
Montrer que pour tout matrice C ∈ Mn (C), les matrices suivantes sont semblables
Soient K un sous-corps de C et A C A On
et
On B On B
 
1 ··· 1
 .. ..  ∈ M (K)
J = . .  n Exercice 83 [ 02453 ] [correction]
1 ··· 1 Soient A, B ∈ Mn (R) avec B diagonalisable.
Montrer
Montrer que J est diagonalisable. AB 3 = B 3 A ⇒ AB = BA

Exercice 77 Mines-Ponts MP [ 02702 ] [correction] Soient p, q ∈ N? et A, B, M ∈ Mn (C) avec A, B diagonalisables. Montrer
Soit (a1 , . . . , an ) ∈ Cn . La matrice (ai aj )16i,j6n est-elle diagonalisable ? Ap M B q = On ⇒ AM B = On
Eléments propres et diagonalisabilité d’un endo- Exercice 90 [ 00804 ] [correction]

Soient E un K-espace vectoriel de dimension finie, f ∈ L(E) et F ∈ L(L(E))
morphisme définie par F (u) = f ◦ u.
a) Montrer que f est diagonalisable si, et seulement si, F l’est.
Exercice 85 [ 00799 ] [correction] b) Montrer que f et F ont les mêmes valeurs propres.
Soit u un endomorphisme d’un K-espace vectoriel de dimension finie E. c) Soit λ une valeur propre de f . Etablir dim Eλ (F ) = dim E × dim Eλ (f ).
On suppose que
Im(u − IdE ) ∩ Im(u + IdE ) = {0}
Montrer que u est diagonalisable. Exercice 91 [ 03015 ] [correction]
Soient E un espace vectoriel de dimension finie, un projecteur fixé de E et
F : L(E) → L(E) définie par F : f 7→ 21 (f ◦ p + p ◦ f ).
Exercice 86 [ 00800 ] [correction] a) F est-elle linéaire ?
Soit E = Rn [X]. Pour P ∈ E, on pose ϕ(P ) = P − (X + 1)P 0 . b) F est-elle diagonalisable ?
a) Justifier que ϕ définit un endomorphisme de Rn [X]. c) Quelle est la dimension des sous-espaces propres associés ?
b) Déterminer les valeurs propres de ϕ et justifier que ϕ est diagonalisable.

Exercice 87 [ 00801 ] [correction] Soit A ∈ R [X], B ∈ R [X] scindé à racines simples de degré n + 1. Soit Φ
Montrer que l’application f : P (X) 7→ (X 2 − 1)P 00 (X) + 2XP 0 (X) est un l’endomorphisme de Rn [X] qui à P ∈ R [X] associe le reste de la division
endomorphisme de l’espace vectoriel réel E = Rn [X]. Former la matrice de f euclidienne de AP par B. Déterminer les éléments propres de Φ.
relative à la base canonique de E. En déduire la diagonalisabilité de f ainsi que L’endomorphisme Φ est-il diagonalisable ?
ses valeurs propres et la dimension des sous-espaces propres associés.

Exercice 88 [ 00802 ] [correction] Soit E un espace vectoriel réel de dimension finie, f ∈ L(E) tel que f 2 = f .
Soient E = Rn [X] et deux réels a 6= b. Pour P ∈ E, on pose Etudier les éléments propres et la diagonalisabilité de l’endomorphisme
u 7→ f u − uf de L(E).
ϕ(P ) = (X − a)(X − b)P 0 − nXP
a) Montrer que ϕ(P ) ∈ E puis que ϕ est un endomorphisme de E.

b) Déterminer les valeurs propres de ϕ et en déduire que ϕ est diagonalisable. Exercice 94 Mines-Ponts MP [ 02717 ] [correction]
Dans R3 euclidien, on considère deux vecteurs a et b, et on pose
f (x) = a ∧ (b ∧ x). A quelle condition, f est-elle diagonalisable ?
L’endomorphisme φ de Mn (R) défini par
φ(M ) = M + tr(M ).In Soit E un espace vectoriel réel de dimension finie et f ∈ L(E). On définit
T ∈ L(E) → L(E) par T (g) = f ◦ g − g ◦ f .
est-il diagonalisable ? Montrer que si f est diagonalisable, alors T est diagonalisable ; si f est nilpotente,
alors T est nilpotente.
Etude d’endomorphismes diagonalisables Exercice 100 [ 00809 ] [correction]

Soit f un endomorphisme d’un K-espace vectoriel E de dimension n admettant n
Exercice 96 [ 00805 ] [correction] valeurs propres distinctes.
Soient f, g endomorphisme d’un K-espace vectoriel E de dimension finie. a) Montrer qu’il existe un vecteur a ∈ E tel que (a, f (a), . . . , f n−1 (a)) est base de
On suppose que f est diagonalisable. Montrer : E.
b) Quelle est la forme de la matrice de f dans cette base ?
f ◦ g = g ◦ f ⇔ chaque sous-espace propre de f est stable par g
Soient D = diag(λ1 , . . . , λn ) et ϕ : M 7→ DM − M D endomorphisme de Mn (K).
Exercice 97 [ 00806 ] [correction] a) Calculer ϕ(Ei,j ) où Ei,j désigne la matrice élémentaire d’indice (i, j) de
Soit v un endomorphisme d’un C-espace vectoriel E de dimension finie Mn (K).
diagonalisable. Quelle particularité présente la matrice de ϕ relativement à la base canonique de
Montrer qu’il existe un endomorphisme u de E qui soit un polynôme en v et qui Mn (K) ?
vérifie u2 = v. b) Soit f un endomorphisme diagonalisable d’un K-espace vectoriel E de
dimension finie.
L’endomorphisme φ : u 7→ f ◦ u − u ◦ f de L(E) est-il diagonalisable ?
Soit f un endomorphisme d’un C-espace vectoriel E ayant la propriété. Exercice 102 X MP [ 02675 ] [correction]
Soit E un C-espace vectoriel de dimension finie.
« Tout sous-espace vectoriel stable par f admet un supplémentaire stable » Déterminer les f ∈ L(E) tels que tout sous-espace vectoriel de E stable par f
possède un supplémentaire stable.
Montrer que f est diagonalisable.
Exercice 103 CentralePSI [ 01324

] [correction]
a b
Exercice 99 [ 00808 ] [correction] Soient E = S2 (R), A = ∈ M2 (R) et Φ : S2 (R) → S2 (R) définie par
c d
Soit f un endomorphisme diagonalisable d’un K-espace vectoriel E de dimension
n. Φ(S) = AS + t AS
On note Cf l’ensemble des endomorphismes qui commutent avec f .
a) Montrer que Cf est un sous-espace vectoriel de L(E). a) Déterminer la matrice de Φ dans une base de E.
b) Montrer qu’un endomorphisme g appartient à Cf si, et seulement si, chaque b) Quelle relation existe-t-il entre les polynômes caractéristiques χΦ et χA ?
sous-espace propre de f est stable par g. c) Si Φ est diagonalisable, la matrice A l’est-elle ?
c) En déduire que d) Si A est diagonalisable, l’endomorphisme Φ l’est-il ?
X
dim Cf = αλ2
λ∈Sp(f ) Applications de la diagonalisabilité
où αλ est l’ordre de multiplicité de la valeur propre λ.
d) On suppose que les valeurs propres de f sont simples. Montrer que Exercice 104 [correction] 
[ 00811 ]

(Id, f, . . . , f n−1 ) est une base de Cf . 2 1 1
Calculer An pour A =  1 2 1 .
1 1 2
Exercice105 [ 00812 ] [correction]

Exercice 109  Mines-Ponts
 MP [ 02692 ] [correction]

cos θ 2 sin θ 1 2 3 1 3 2
Soit A = .
sin θ2 cos θ Les matrices  3 1 2  et  2 1 3  sont-elles semblables ?
a) Déterminer deux réels α, β tel que A2 = αA + βI2 . 2 3 1 3 2 1
b) Calculer An pour n > 1.
Exercice 110 X MP [ 02980 ] [correction]

Exercice 106 [ 00813 ] [correction] Soit ϕ une application de M2 (C) vers C vérifiant
:
1

3 0
 λ 0
∀A, B ∈ M2 (C), ϕ(AB) = ϕ(A)ϕ(B) et ϕ = λ. Montrer que ϕ = det.
a) Déterminer les valeurs propres de A =  3 −2 −1 . 0 1
0 −1 1
b) Combien y a-t-il de matrice M telle que M 2 = A dans Mn (C) ? dans Mn (R) ? Exercice 111 Centrale PC [ 01279 ] [correction]
a) Démontrer que, si deux endomorphismes u et v d’un espace vectoriel E
commutent, alors, les sous-espaces
Exercice 107 [ 00814 ] [correction] propres de u et l’image de u sont stables par v.
Soit Dans les deux cas suivants :
5 3
A= ∈ M2 (R) 
20 12 −4 12
 
−12 −16 −8 −4

1 3
 −4 −3 9 −5   4 13 1 −1 
a) Diagonaliser la matrice A en précisant la matrice de passage P A=   et A =  
−4 1 5 −5  4 5 9 −1 
b) Soit M ∈ M2 (R) une matrice telle que M 2 + M = A.
−8 −10 6 −2 8 10 2 6
Justifier que la matrice P −1 M P est diagonale.
c) Déterminer les solutions de l’équation M 2 + M = A. b) Préciser les matrices qui commutent avec A (structure, dimension, base
éventuelle).
c) Etudier dans M4 (R), puis dans M4 (C), l’équation
Soit pour n > 2 la matrice X2 = A
  (nombre de solutions, un exemple de solution quand il y en a, somme et produit
0 1 0 0
 .. des solutions quand elles sont en nombre fini).
.. 
 . 0 . 0 
J = 
 .. 
 0 . 1  Exercice 112 [ 03145 ] [correction]
1 0 ··· 0 Soit G un sous-groupe de (GLn (R), ×) vérifiant
a) Montrer que la matrice J est diagonalisable dans Mn (C) ∀M ∈ G, M 2 = In
b) Application : calculer
a) Montrer que G est commutatif.
a0 a1 ··· an−1 b) En déduire que les éléments de G sont codiagonalisables.
..

.. .. c) En déduire
an−1 . . .
CardG 6 2n

.. .. ..

. . . a1
d) Application : Montrer que s’il existe un isomorphisme entre (GLn (R), ×) et
a1 ··· an−1 a0
(GLm (R), ×) alors n = m.
Exercice 113 CCP MP [ 03215 ] [correction] Exercice 117 [ 00817 ] [correction]

Soit A ∈ M3 (R) telle que Soit A ∈ Mn (K). On suppose χA scindé.
SpA = {−2, 1, 3} a) Justifier que A est trigonalisable.
b) Etablir que pour tout k ∈ N,
a) Exprimer An en fonction de A2 , A et I3 .
Sp(Ak ) = λk /λ ∈ Sp(A)

b) Calculer
+∞
X A2n
ch(A) =
(2n)!
n=0 Exercice 118 [ 00818 ] [correction]
Soit A ∈ Mn (C) de polynôme caractéristique
n
Y
Exercice 114 [ 03252 ] [correction] (X − λi )
Soit f un endomorphisme d’un R-espace vectoriel E de dimension n possédant i=1
exactement n valeurs propres.
a) Déterminer la dimension des sous-espaces propres de f . Déterminer une matrice de polynôme caractéristique
b) Soit g un endomorphisme de E vérifiant g 2 = f . Montrer que g et f commutent. n
Y
En déduire que les vecteurs propres de f sont aussi vecteurs propres de g. (X − λpi )
c) Combien y a-t-il d’endomorphismes g de E solutions de l’équation i=1
g2 = f
Montrer que pour tout A ∈ Mn (C), det(exp(A)) = exp(trA).
a) Déterminer les entiers k pour lesquelles l’équation
Soient A ∈ Mn (K) et P ∈ K [X].
eiθ + eikθ = 1
On suppose le polynôme caractéristique de A de la forme
admet au moins une solution θ ∈ R. n
Y
n
b) Soit Sk l’ensemble des suites réelles u telles que χA (X) = (−1) (X − λk )
k=1
∀n ∈ N, un+k = un + un+k−1
Exprimer le polynôme caractéristique de P (A).
A quelle condition sur k, Sk contient-il une suite périodique non nulle.

Trigonalisation Soit
2

−1 −1

A= 2 1 −2 
Exercice 116 [ 00816 ] [correction] 3 −1 −2
Montrer qu’une matrice triangulaire inférieure est trigonalisable.
a) Calculer le polynôme caractéristique de A.
b) Trigonaliser la matrice A.

Soit   Soient E un K-espace vectoriel de dimension finie et u ∈ L(E).
0 1 1 Justifier l’existence d’un entier p > 0 tel que la famille (Id, u, . . . , up ) soit liée.
A =  −1 1 1  En déduire que u possède un polynôme annulateur non nul.
−1 1 2
a) Calculer le polynôme caractéristique de A.
b) Trigonaliser la matrice A. Exercice 128 [ 00823 ] [correction]
Soient E un K-espace vectoriel de dimension finie et u ∈ L(E) tel que les espaces
ker(u ◦ (u − Id)) et ker(u ◦ (u + Id)) soient supplémentaires.
Exercice 123 Centrale MP [ 02389 ] [correction] Montrer que u est une symétrie vectorielle.
a) Soit A et B dans M2 (K) telles que AB = BA. Montrer que soit B ∈ K [A], soit
A ∈ K [B].
b) Le résultat subsiste-t-il dans M3 (K) ? Exercice 129 [ 00824 ] [correction]
Soient u un endomorphisme d’un K-espace vectoriel admettant un polynôme
minimal Πu et P ∈ K [X].
Exercice 124 Centrale MP [ 02395 ] [correction] Montrer que P (u) est inversible si, et seulement si, P et Πu sont premiers entre
Soit E un espace vectoriel complexe de dimension finie non nulle. Soient u et v eux.
des endomorphismes de E ; on pose [u, v] = uv − vu. Observer qu’alors P (u)−1 ∈ K [u].
a) On suppose [u, v] = 0. Montrer que u et v sont cotrigonalisables.
b) On suppose [u, v] = λu avec λ ∈ C? . Montrer que u est nilpotent et que u et v
sont cotrigonalisables. Exercice 130 [ 00825 ] [correction]
c) On suppose l’existence de complexes α et β tels que [u, v] = αu + βv. Montrer Soient E un K-espace vectoriel de dimension finie et u ∈ L(E).
que u et v sont cotrigonalisables. On suppose qu’il existe deux sous-espaces vectoriels supplémentaires F et G
stables par u.
Etablir que Πu = ppcm(ΠuF , ΠuG ) (en notant Πv le polynôme minimal d’un
Exercice 125 X MP [ 02954 ] [correction] endomorphisme v).
Soit A ∈ Mn (C) telle que tr(Am ) → 0 quand m → +∞.
Montrer que les valeurs propres de A sont de module < 1
Soit u un endomorphisme d’un K-espace vectoriel E.
Polynôme annulateur, polynôme minimal Si u admet un polynôme minimal Πu et si F est un sous-espace vectoriel stable
par u alors montrer que uF admet un polynôme minimal et que celui-ci divise Πu .
Soit M ∈ Mn (K) une matrice triangulaire par blocs de la forme
A C Montrer qu’une matrice A ∈ Mn (K) de polynôme minimal (X − 1)2 est semblable
M= avec A ∈ Mp (K) et B ∈ Mq (K)
O B à une matrice diagonale par blocs avec des blocs diagonaux de la forme ( 1 ) ou

1 1
On suppose connus deux polynômes P et Q ∈ K [X] annulateurs de A et B .
0 1
respectivement.
Exprimer en fonction de P et Q un polynôme annulateur de M .
Exercice 133 [ 00829 ] [correction] Exercice 139 X MP [ 03073 ] [correction]

Soient f et g deux endomorphismes d’un K-espace vectoriel E tels que Etant donné E un espace vectoriel de dimension finie, u un endomorphisme de E
f ◦ g − g ◦ f = I. et λ un scalaire, on dit que λ est séparable si le noyau et l’image de u − λId sont
a) Montrer que, pour tout entier n > 1, on a f n ◦ g − g ◦ f n = nf n−1 . supplémentaires.
b) En dimension finie non nulle, montrer qu’il n’existe pas deux endomorphismes a) Montrer que tout scalaire non séparable de u en est une valeur propre.
f et g tels que f ◦ g − g ◦ f = I. b) Montrer qu’un endomorphisme scindé est diagonalisable si, et seulement si,
c) Montrer que dans E = K [X] les endomorphismes f et g définis par f (P ) = P 0 toutes ses valeurs propres sont séparables.
et g(P ) = XP conviennent. c) Caractériser la séparabilité d’une valeur propre à l’aide du polynôme minimal
de u.
d) Soit, avec ces notations, l’endomorphisme m de L(E) qui à v associe u ◦ v.
Exercice 134 Centrale MP [ 02393 ] [correction] Comparer l’ensembles ses scalaires séparables relativement à m avec celui des
Existe-t-il dans Mn (R) une matrice de polynôme minimal X 2 + 1 ? scalaires séparables relativement à u.

Soit E un espace vectoriel sur K et a un élément non nul de K. Soit f ∈ L(E) tel Exercice 140 X MP [ 01353 ] [correction]
que f 3 − 3af 2 + a2 f = 0. Est-il vrai que ker f et Imf sont supplémentaires ? Soient E un K-espace vectoriel et u ∈ L(E) nilpotent. On suppose qu’il existe
P ∈ K [X] tel que P (u) = 0. Si Q ∈ K [X], existe-t-il R ∈ K [X] tel que
R(Q(u)) = 0 ?
a 0 ··· ··· ··· 0 b
 
.. .. . .
. . .. .. 0  Exercice 141 [ 02442 ] [correction]
 
 0
 .. . ..  Soit f un endomorphisme d’un K-espace vectoriel E de dimension quelconque.
 
.. .
 .
 . a 0 b . .  On suppose qu’il existe un polynôme annulateur P de f vérifiant
Soit A =  ... ..  ∈ M
2n+1 (C).

0 a+b 0 . 

 . . . .
 P (0) = 0 et P 0 (0) 6= 0
 .. .. . . .. 

 b 0 a 
. . .. .. Montrer que l’image et le noyau de f sont supplémentaires dans E.
.. ..
 
 0 . . 0 
b 0 ··· ··· ··· 0 a
Quels sont les P ∈ C [X] tels que P (A) = 0 ? Polynômes annulateurs et valeurs propres
Exercice 137 Mines-Ponts MP [ 02727 ] [correction] Exercice 142 [ 00830 ] [correction]

Soit E un C-espace vectoriel de dimension finie et f ∈ L(E) de polynôme minimal Soit P un polynôme annulateur d’un endomorphisme f .
Πf . Montrer l’existence de x ∈ E tel que {P ∈ C [X] /P (f )(x) = 0} soit Montrer que si λ est valeur propre de f alors P (λ) = 0.
l’ensemble des multiples de Πf .

Exercice 138 X MP [ 02986 ] [correction] Pour f ∈ F(R, R), on note f˜ : x 7→ f (−x). L’application ϕ : f 7→ f˜ est clairement
Soient N une norme sur Cn et kk la norme sur Mn (C) qui lui est associée. un endomorphisme involutif de F(R, R). Quelles en sont les valeurs propres ?
Soit A ∈ Mn (C) telle que 1 est valeur propre de A et kAk 6 1.
Montrer que 1 est racine simple du polynôme minimal de A.

Soit T : R [X] → R [X] l’endomorphisme défini par T (P ) = P (1 − X). Soit f un endomorphisme d’un C-espace vectoriel E de dimension n. On suppose
a) Montrer que T est un automorphisme. que f possède une unique valeur propre λ.
b) Déterminer valeurs propres de T . a) A quelle condition l’endomorphisme est-il diagonalisable ?
b) Calculer le polynôme caractéristique de f .
c) Justifier que l’endomorphisme f − λId est nilpotent.
Montrer que si un endomorphisme u d’un K-espace vectoriel E admet un
polynôme minimal Πu alors les valeurs propres de u sont exactement les racines Exercice 152 [ 00839 ] [correction]
de son polynôme minimal. Soit f un endomorphisme d’un K-espace vectoriel de dimension n.
On suppose qu’il existe x ∈ E et N ∈ N tels que (x, f (x), . . . , f N −1 (x)) soit une
famille génératrice de E.
Exercice 146 Mines-Ponts MP [ 02715 ] [correction] a) Montrer que la famille (x, f (x), . . . , f n−1 (x)) est une base de E.
Trouver les M de Mn (R) telles que t M = M 2 et que M n’ait aucune valeur b) Démontrer que les endomorphismes commutant avec f sont les polynômes en f .
propre réelle.

Exercice 147 [ 00783 ] [correction] Soient A, B, M ∈ Mn (C) telles que AM = M B avec M 6= On .
Soit A ∈ Mn (C) nilpotente. a) Montrer que pour tout P ∈ C [X], on a P (A)M = M P (B).
a) Calculer χA . b) Montrer que A et B ont une valeur propre en commun.
b) Même question avec A ∈ Mn (R).

Théorème de Cayley Hamilton Montrer qu’il existe (a0 , . . . , an−1 ) ∈ Rn tel que :
Exercice 148 [ 00834 ] [correction] n−1

X
∀P ∈ Rn−1 [X] , P (X + n) + ak P (X + k) = 0

a b
Déterminer un polynôme annulateur de A = ∈ M2 (K). k=0
c d
Exprimer A−1 lorsque celle-ci existe.
Dans cet exercice, n est un entier supérieur ou égal à deux et q un nombre
Exercice149 [ 00835 ] [correction]
 complexe non nul tel que pour tout k ∈ Z? , q k 6= 1. On considère également une
λ1 ?
.. matrice A ∈ Mn (C).
Soit A ∈   ∈ Mn (K).
 
. 1. On suppose qu’il existe M ∈ GLn (C) telle que
0 λn
Montrer que (X − λ1 ) . . . (X − λn ) est annulateur de A. M −1 AM = qM
On notre χA le
polynôme
caractéristique de A. Déterminer une relation entre
X
Exercice 150 [ 03019 ] [correction] χA (X) et χA q .
Soit u un automorphisme d’un K-espace vectoriel E de dimension finie n ∈ N? . En déduire que A est nilpotente.
Montrer que u−1 est un polynôme en u. 2. Cette question est à résoudre à l’aide du logiciel de calcul formel.
Dans cette question, on suppose que q = 2 et que A est donnée par : a) Montrer que M est diagonalisable.
  b) Déterminer le polynôme minimal de M .
0 1 0 0 0 1 c) Calculer M p pour p ∈ N.
 0 0 1 0 0 0 
 
 0 0 0 1 0 0 
A=  0

 0 0 0 1 0  
 0 0 0 0 0 1  Soit a un réel. Pour M ∈ Mn (R), on pose L(M ) = aM + tr(M )In .
0 0 0 0 0 0 a) Montrer que L est un endomorphisme de Mn (R), trouver ses éléments propres
et son polynôme minimal.
a) Déterminer les matrices M ∈ M6 (C) vérifiant b) Pour quels a, L est-il un automorphisme ? Trouver son inverse dans ces cas.
AM = 2M A
b) Que dire de l’ensemble des matrices M ainsi obtenues ? Soit f un endomorphisme d’un K-espace vectoriel E de dimension n.
c) Déterminer les matrices M ∈ GL6 (C) vérifiant a) On suppose que f est diagonalisable. A quelle condition existe-t-il un vecteur
M −1 AM = 2A x ∈ E tel que la famille formée des vecteurs x1 = x, x2 = f (x1 ),. . . , xn = f (xn−1 )
forme une base de E ?
b) On ne suppose plus f diagonalisable mais on suppose l’existence d’une base
Exercice 156 Centrale PC [ 03185 ] [correction] (x1 , x2 , . . . , xn ) de E du type précédent. Déterminer le commutant de f . Quel est
a) Soit u un endomorphisme inversible d’un K-espace vectoriel E de dimension le polynôme minimal de f ?
finie.
Montrer qu’il existe un polynôme Q ∈ K [X] vérifiant Exercice 161 Mines-Ponts MP [ 02710 ] [correction]
u −1
= Q(u) 0 1 0
On pose A =  1 0 1 . Que dire de cette matrice ? Sans la diagonaliser,
b) Soit u l’endomorphisme de K [X] qui envoie le polynôme P (X) sur P (2X). 0 1 0
Montrer que u est un automorphisme et déterminer ses éléments propres. déterminer son polynôme caractéristique, son polynôme minimal, calculer Ak pour
Existe-t-il Q ∈ K [X] tel que k ∈ N et évaluer exp(A).
u−1 = Q(u)?
Calcul de polynôme minimal Soient a, b ∈ R, b 6= 0 et A ∈ Mn (R) la matrice dont les éléments diagonaux
valent a et les autres valent b. A est-elle diagonalisable ? Quelles sont les valeurs
propres de A ? Quel est le polynôme minimal de A ? Sous quelles conditions sur a
Exercice157 [ 00841
] [correction] et b, A est-elle inversible ? Lorsque c’est le cas trouver l’inverse de A.
1 1
Soit A = . Déterminer µA .
0 1
Exercice 163 Mines-Ponts MP [ 02701] [correction]
a a2

0
[ 00842 ] Soit a ∈ R? et A =  1/a 0 a .
Soit   1/a2 1/a 0
0 1
a) Calculer le polynôme minimal de A.
M =
 ..  ∈ Mn (R) avec n > 2

. b) La matrice A est-elle diagonalisable ? Si oui, la diagonaliser.
1 0 c) Calculer eA .
Exercice164 Mines-Ponts
 MP [ 02711 ] [correction] Exercice 170 [ 00850 ] [correction]
0 0 0 Soit A ∈ Mn (R) telle que A3 − A2 + A − I = O.
Soit A =  0 0 1 , dans M3 (R). Déterminer le polynôme caractéristique Montrer que det(A) = 1.
0 −1 0
et le polynôme minimal de A. Calculer exp A et exp(A) exp(t A).
Soient E un K-espace vectoriel de dimension n ∈ N et p ∈ L(E) tel que p2 soit un
Exercice165 Mines-Ponts MP [ 02712 ] [correction] projecteur.
1 j j2 a) Quelles sont les valeurs propres possibles pour p ?
Soit A =  j j 2 1 . Etudier la diagonalisabilité de A, déterminer les b) Montrer que p est diagonalisable si, et seulement si, p3 = p.
j2 1 j
polynômes minimal et caractéristique de A, calculer exp A. Proposer une
généralisation en dimension n. Exercice 172 [ 00852 ] [correction]
Soient E un espace vectoriel de dimension 3 et f un endomorphisme de E vérifiant
Diagonalisabilité et polynômes annulateurs f4 = f2

On suppose que 1 et −1 sont valeurs propres de f . Montrer que f est
Exercice 166 [ 00846 ] [correction] diagonalisable.
Montrer qu’une matrice de permutation est diagonalisable.

Exercice167 [ 00847 ][correction] Soit A ∈ Mn (R) tel que A3 + A2 + A = 0. Montrer que rgA est pair.
On In
Soit A = ∈ M2n (K). Calculer A2 .
−In On
Selon que K = R ou C dire si la matrice A est, ou non, diagonalisable. Exercice 174 Mines-Ponts MP [(02716 ] [correction]
M 2 + M + In = 0
Résoudre dans Mn (R) le système t .
M M = M tM
Soit n ∈ N? et A ∈ M2n (C) définie par blocs :
O −In
A= Soient P ∈ Mn (R) une matrice de projection et ϕ l’endomorphisme de Mn (R)
In O
défini par
a) Calculer A2 . ϕ(M ) = P M + M P
b) La matrice A est-elle diagonalisable ? Déterminer les valeurs propres de A et les Montrer que l’endomorphisme ϕ est diagonalisable
dimensions de ses espaces propres ?

Exercice 169 [ 00849 ] [correction] Soit n ∈ N? , u ∈ L(R2n+1 ). On suppose u3 = u, tru = 0 et tru2 = 2n. On note
Soient E un R-espace vectoriel de dimension finie et f un endomorphisme de E
C(u) = v ∈ L(R2n+1 )/uv = vu

vérifiant
f 3 = 4f a) Calculer la dimension C(u).
Montrer que la trace de f est un entier pair. b) Quels sont les n tels que C(u) = R [u] ?

Soit A ∈ Mn (R). On pose fA (M ) = AM , pour toute matrice M ∈ Mn (R). Déterminer les couples (A, B) ∈ Mn (R)2 tels que
a) Montrer que si A2 = A alors fA est diagonalisable.
b) Montrer que fA est diagonalisable si, et seulement si, A est diagonalisable. A B
O A
est diagonalisable.
Soit A ∈ Mn (C). On pose f (M ) = AM pour toute M ∈ Mn (C).
a) L’application f est-elle un endomorphisme de Mn (C) ? Exercice 183 [ 03027 ] [correction]
b) Etudier l’équivalence entre les inversibilités de A et de f . Trouver les matrices M ∈ Mn (C) vérifiant M 5 = M 2 et tr(M ) = n.
c) Etudier l’équivalence entre les diagonalisabilités de A et de f .
Soient α, β ∈ K et u, v, f trois endomorphismes d’un K-espace vectoriel E de
dimension finie vérifiant
Soit A ∈ M2 (Z) vérifiant : 
∃n ∈ N? , An = I2  f = αu + βv

f 2 = α2 u + β 2 v
Montrer que A12 = I2 . 
 3
f = α3 u + β 3 v
Montrer que f est diagonalisable.
On fixe n ∈ N? et on note
Exercice 185 Mines-Ponts PC [ 00708 ] [correction]
En = {A ∈ Mn (Z)/∃m ∈ N , A ? m
= In } Soit (A, B, C) ∈ Mn (R)3 tel que
C = A + B, C 2 = 2A + 3B et C 3 = 5A + 6B
Pour A ∈ En , on pose
Les matrices A et B sont-elles diagonalisables.
ω(A) = min {m ∈ N? /Am = In }
Montrer que ω(En ) est fini. Diagonalisabilité et endomorphisme induit

Soit f un endomorphisme diagonalisable d’un K-espace vectoriel E de dimension
Soit
A A
finie.
B= Montrer que la restriction de f à tout sous-espace vectoriel F 6= {0} stable est
0 A
diagonalisable.
avec A ∈ Mn (R).
a) Montrer que
P (A) AP 0 (A)

∀P ∈ R [X] , P (B) = Soit u un endomorphisme diagonalisable d’un K-espace vectoriel E de dimension
0 P (A)
finie.
b) Enoncer une condition nécessaire et suffisante pour que B soit diagonalisable.
Montrer qu’un sous-espace vectoriel F non nul est stable par u si, et seulement si,
il possède une base de vecteurs propres de u.

Soit u un endomorphisme d’un K-espace vectoriel pour lequel il existe une base Soit f un endomorphisme d’un C-espace vectoriel E tel que f 2 soit diagonalisable.
B = (e1 , . . . , en ) vérifiant u(e1 ) = e1 et u(e2 ) = e1 + e2 . a) Par un exemple, montrer que f n’est pas nécessairement diagonalisable.
L’endomorphisme u est-il diagonalisable ? b) Montrer que si f est aussi diagonalisable alors ker f = ker f 2 .
c) Etablir la réciproque.

Soit f l’endomorphisme de R3 dont la matrice est Exercice 194 [ 00861 ] [correction]
Soient E un C-espace vectoriel de dimension finie n ∈ N? et u ∈ L(E).
a) Enoncer un critère de diagonalisabilité en terme de polynôme annulateur.
 
5 1 −1
 2 4 −2  b) On suppose u ∈ GL(E). Montrer que u est diagonalisable si, et seulement si, u2
1 −1 3 l’est.
c) Généralisation : Soit P ∈ C [X]. On suppose P 0 (u) ∈ GL(E)
dans la base canonique. Montrer que u est diagonalisable si, et seulement si, P (u) l’est.
Déterminer les sous-espaces vectoriels stables par f .

Exercice 190 [ 00857 ] [correction] Soient E un C-espace vectoriel de dimension finie et u un endomorphisme de E.
Soient f et g deux endomorphismes diagonalisables d’un K-espace vectoriel E de Soit P un polynôme complexe, on suppose que P (u) est diagonalisable et que la
dimension finie. valeur prise par P sur toute racine complexe de P 0 n’est pas valeur propre de
Montrer que f et g sont simultanément diagonalisables si, et seulement si, chaque l’endomorphisme P (u).
sous-espace propre de l’un est stable par l’autre. Montrer que u est diagonalisable.
Trigonalisabilité et polynôme annulateur

Soient f et g deux endomorphismes diagonalisables d’un K-espace vectoriel E de
dimension finie.
Soient A ∈ Mn (C) (n > 3) vérifiant
Montrer que f et g commutent si, et seulement si, f et g sont simultanément
diagonalisables. rgA = 2, trA = 0 et An 6= On
Montrer que A est diagonalisable.

Diagonalisabilité des polynômes en un endomor-
phisme Exercice 197 [ 00866 ] [correction]
Soit A ∈ Mn (C) telle que 0 soit la seule valeur propre de A.
Exercice 192 [ 00859 ] [correction] a) Montrer que An = 0.
Soient P ∈ K [X] et u un endomorphisme d’un K-espace vectoriel E de dimension b) Calculer det(A + In ).
finie. c) Soit M ∈ GLn (C) commutant avec A. Calculer det(A + M ).
a) On suppose que u est diagonalisable, montrer que P (u) l’est aussi. d) Inversement, quelles sont les matrices A vérifiant :
b) Que dire de la réciproque ? ∀M ∈ GLn (C), AM = M A ⇒ det(A + M ) = det M ?

Trouver les A de Mn (C) telles que A3 − 4A2 + 4A = 0 et trA = 8. Soient E un espace vectoriel réel de dimension finie, f et g deux endomorphismes
de E vérifiant
f ◦g−g◦f =f
Exercice 199 Mines-Ponts MP [ 02724 ] [correction] a) Calculer
Soit A une matrice carrée réelle d’ordre n. Montrer que A est nilpotente si, et fn ◦ g − g ◦ fn
seulement si, pour tout p ∈ [[1, n]], trAp = 0.
b) Soit P un polynôme. Montrer que si P (f ) = 0 alors f ◦ P 0 (f ) = 0.
c) En déduire que f est un endomorphisme nilpotent.
Exercice 200 Mines-Ponts PC [ 01948 ] [correction]

Trouver les matrices M de Mn (R) vérifiant Exercice 205 [ 00865 ] [correction]
3 2 Soient E un C-espace vectoriel de dimension n et f ∈ L(E).
trM = 0 et M − 4M + 4M = On
a) Montrer que f est nilpotent si, et seulement si, Sp(f ) = {0}.
b) Montrer que f est nilpotent si, et seulement si, ∀1 6 k 6 n, tr(f k ) = 0.

Soit f ∈ L(R3 ) vérifiant Exercice 206 [ 03031 ] [correction]
Soit A ∈ Mn (C). On considère l’endomorphisme T de Mn (C) défini par
f 2 = f 3 et dim ker(f − Id) = 1
T (M ) = AM − M A
Montrer l’existence d’une base de R3 dans laquelle la matrice de f est de la forme
  a) On suppose que la matrice A est nilpotente.
1 0 0 Montrer que l’endomorphisme T est aussi nilpotent.
 0 0 α  avec α ∈ {0, 1} b) Réciproque ?
0 0 0
Nilpotence Exercice 207 X MP [ 00938 ] [correction]

Soient n ∈ N? , A et B dans Mn (C) et λ1 , . . . , λn , λn+1 deux à deux distincts dans
C. On suppose, pour 1 6 i 6 n + 1, que A + λi B est nilpotente.
Exercice 202 [ 00863 ] [correction] Montrer que A et B sont nilpotentes.
Soit A ∈ Mn (C) une matrice nilpotente.
a) Montrer que A est semblable à une matrice triangulaire supérieure stricte.
b) Le résultat est-il encore vrai pour A ∈ Mn (R) ?
Soient E un C-espace vectoriel de dimension finie et u ∈ L(E).
On note I1 = {P ∈ C [X] /P (u) = 0} et I2 = {P ∈ C [X] /P (u) est nilpotent}.
Exercice 203 [ 00837 ] [correction] a) Montrer que I1 et I2 sont des idéaux non nuls de C [X].
Soit u un endomorphisme d’un C-espace vectoriel E de dimension finie. On note P1 et P2 leurs générateurs unitaires respectifs.
Montrer que u possède une seule valeur propre si, et seulement si, il existe λ ∈ C b) Etablir un lien entre P1 et P2 .
tel que u − λIdE soit nilpotent. c) Montrer l’existence de Q ∈ I2 tel que u − Q(u) est diagonalisable
Exercice 209 X PC [ 03095 ] [correction] Exercice 212 [ 01677 ] [correction]

Soit Φ : M2 (R) → R vérifiant Soient A ∈ GLn (C) et N ∈ Mn (C) nilpotente telles que

0 1 AN = N A
∀A, B ∈ M2 (R), Φ(AB) = Φ(A)Φ(B) et Φ 6= Φ(I2 )
1 0
Montrer que
a) Démontrer que Φ(O2 ) = 0. det(A + N ) = det A
b) Si A est nilpotente, démontrer que Φ(A) = 0.
c) Soient A ∈ M2 (R) et B la matrice obtenue à partir de A en permutant les
lignes de A. Exercice 213 Centrale MP [ 00867 ] [correction]
Démontrer que Φ(B) = −Φ(A). Soit A ∈ Mn (C). On suppose qu’il existe p ∈ N? tel que Ap = 0.
d) Démontrer que A est inversible si, et seulement si, Φ(A) 6= 0. a) Montrer que An = 0.
b) Calculer det(A + In ).
Soit M ∈ Mn (C) tel que AM = M A.
Exercice 210 Centrale MP [ 01959 ] [correction] c) Calculer det(A + M ) (on pourra commencer par le cas où M ∈ GLn (C)).
Soit A ∈ Mn (K) une matrice nilpotente non nulle. On appelle indice de d) Le résultat est-il vrai si M ne commute pas avec A ?
nilpotence de A le nombre entier
Ind(A) = min k ∈ N? /Ak = 0

Soit A et B des matrices complexes carrées d’ordre n. On suppose A + 2k B
1. Quelle est la dimension de l’algèbre K [A] engendrée par A ? nilpotente pour tout entier k tel que 0 6 k 6 n. Montrer que A et B sont
2.a) Soit P ∈ K [X] tel que P (0) = 1. Démontrer que la matrice B = AP (A) est nilpotentes.
nilpotente, de même indice que A.
2.b) En déduire qu’il existe un polynôme Q ∈ K [X] vérifiant Q(0) 6= 0 et
A = BQ(B). Exercice 215 [ 03253 ] [correction]
3. Cette question doit être traitée avec le logiciel de calcul formel. On considère la Soient n un entier naturel non nul et E un C-espace vectoriel de dimension n.
matrice A ∈ M8 (R) définie par : a) Montrer qu’il existe un polynôme Pn ∈ R [X] vérifiant au voisinage de 0
2 √
∀(i, j) ∈ [[1, 8]] , A [i, j] = 1 si i = j − 1 ou si i = j − 4 et 0 sinon 1 + x = Pn (x) + O(xn )
3.a) Vérifier que A est nilpotente et calculer son indice de nilpotence. b) Etablir que X n divise alors le polynôme Pn2 (X) − X − 1.
3.b) On suppose ici que P = 1 + X + 2X 2 + 3X 3 et B = AP (A). Déterminer c) Soit f un endomorphisme de E vérifiant f n = 0̃.
explicitement un polynôme Q de coefficient constant non nul tel que A = BQ(B). Montrer qu’il existe un endomorphisme g de E vérifiant
Indication : on peut chercher Q de degré strictement inférieur à l’indice de
nilpotence de A. g 2 = IdE + f
d) Soit maintenant f un endomorphisme de E ne possédant qu’une valeur propre

Exercice 211 Mines-Ponts PC [ 01956 ] [correction] λ.
Soient n > 2 et A = (ai,j )16i,j6n ∈ Mn (R) où ai,i+1 = 1 pour i ∈ {1, . . . , n − 1}, Montrer que (f − λIdE )n = 0̃ et conclure qu’il existe un endomorphisme g de E
les autres coefficients étant nuls. vérifiant
a) La matrice A est-elle diagonalisable ? g2 = f
b) Existe-t-il B ∈ Mn (R) vérifiant B 2 = A ?
[http://mp.cpgedupuydelome.fr] dD Corrections 23
Corrections Donc
P (B) = aB + bB 2 + · · ·
Exercice 1 : [énoncé] puis
La famille (x0 , u(x0 ), . . . , un−1 (x0 )) constitue une base de E. Soit v ∈ L(E) P (B)p = ap B p + b0 B p+1 + · · · = On
commutant avec u. On peut écrire v(x0 ) = a0 x0 + a1 u(x0 ) + · · · + an−1 un−1 (x0 ).
Considérons alors w = a0 Id + a1 u + · · · + an−1 un−1 ∈ K [u]. v(x0 ) = w(x0 ) et On peut alors reprendre le raisonnement de la question précédente et affirmer que
puisque v et w commutent avec u, on a aussi v(uk (x0 )) = w(uk (x0 )). Les la matrice In + P (B) est inversible et que son inverse est de la forme
endomorphismes v et w prennent même valeurs sur une base, ils sont donc égaux
In − P (B) + P (B)2 + · · · + (−1)p P (B)p
et ainsi v ∈ K [u].
On en déduit que H est inclus dans GLn (C) et que l’inverse d’un élément de H
est encore dans H.
Exercice 2 : [énoncé]
Il est immédiat de vérifier que H est non vide et stable par produit. On en déduit
X 3 − 1 = (X − 1)(X 2 + X + 1) avec X − 1 et X 2 + X + 1 premiers entre eux, il
que H est un sous-groupe de (GLn (C), ×). Enfin, on vérifie que H est commutatif
suffit donc d’appliquer le lemme des noyaux.
car les polynômes en une matrice commutent entre eux.
On sait qu’il existe p ∈ N? tel que Ap = On . Exercice 5 : [énoncé]
En introduisant les coefficients de P , la relation B = AP (A) donne ∀y ∈ Imu, ∃x ∈ E, y = u(x) et v(y) = v(u(x)) = u(v(x)) ∈ Imu donc Imu est
B = A + a2 A2 + · · · + ap−1 Ap−1 . stable par v.
On en déduit ∀x ∈ ker u, u(x) = 0 donc u(v(x)) = v(u(x)) = v(0) = 0 et v(x) ∈ ker u. Ainsi ker u
B 2 = A2 + a3,2 A2 + · · · + ap−1,2 Ap−1 ,. . . , B p−2 = Ap−2 + ap−1,p−2 Ap−1 , est stable par v.
B p−1 = Ap−1 . La réciproque est fausse, si u est un automorphisme il est certain que Imu = E et
En inversant ces équations, on obtient ker u = {0} seront stables par v alors qu’il n’y aucune raison que u et v
Ap−1 = B p−1 , Ap−2 = B p−2 + bp−1,p−2 Ap−1 ,. . . , commutent.
A2 = B 2 + b3,2 B 3 + · · · + bp−1,2 B p−1 et enfin A = B + b2,1 B 2 + · · · + bp−1,1 B p−1
ce qui détermine un polynôme Q ∈ R [X] vérifiant Q(0) = 1 et A = BQ(B).
Supposons f ◦ p = p ◦ f . Pour tout x ∈ ker p, p(f (x)) = f (p(x)) = 0 donc
Exercice 4 : [énoncé] f (x) ∈ ker p.
a) Posons N = −A−1 BA. On a Rappelons Imp = ker(p − Id). Pour tout x ∈ Imp, p(f (x)) = f (p(x)) = f (x) donc
f (x) ∈ Imp.
N p = (−1)p A−1 B p A = On Inversement. Supposons ker p et Imp stables par f . Pour tout x ∈ E, on peut
écrire x = u + v avec u ∈ ker p et v ∈ Imp. On a alors f (p(x)) = f (v) et
donc
p(f (x)) = p(f (u) + f (v)) = f (v) donc p ◦ f = f ◦ p.
In = In − N p = (I − N )(I + N + N 2 + · · · + N p−1 )
On en déduit que I − N = In + A−1 BA est inversible et
−1 Exercice 7 : [énoncé]
In + A−1 BA = I + N + N 2 + · · · + N p−1 Les Kn [X] et K [X] sont des sous-espaces vectoriels stables pour l’endomorphisme
b) Soit P ∈ C [X] tel que P (0) = 0. On a de dérivation.
Soit F un sous-espace vectoriel stable.
P (X) = aX + bX 2 + · · · Si F est de dimension finie alors les polynômes de F sont de degrés bornés.

Soit P un polynôme de F de degré n maximal. On a F ⊂ Kn [X]. A B D E
à F les matrices de u et v sont de la forme : et donc
Or la famille des polynômes P, P 0 , P 00 , . . . , P (n) est de degrés étagés et formés O C O O
d’éléments de F car F est stable pour la dérivation donc det(u + v) = det(A + D) × det C.
Kn [X] = Vect(P, P 0 , . . . , P (n) ) ⊂ F puis F = Kn [X]. c) A et D sont associées aux endomorphismes induits par u et v sur F . Ces
Si F n’est pas de dimension finie alors pour tout m ∈ N, F 6⊂ Km [X] et donc il endomorphismes induits vérifient les hypothèses initiales et donc
existe P ∈ F tel que n = deg P > m. Or en raisonnant comme ci-dessus, on det(A + D) = det A puis det(u + v) = det A × det C = det u.
démontre Kn [X] ⊂ F et donc Km [X] ⊂ F . Ainsi ∀m ∈ N, Km [X] ⊂ F donc
F = K [X].
Finalement les Kn [X] et K [X] sont les seuls sous-espace vectoriels stables pour Exercice 10 : [énoncé]
l’endomorphisme de dérivation. a) Imu est stable pour u donc uE2 est bien défini. Par le théorème du rang la
restriction de u à tout supplémentaire de ker u définit un isomorphisme avec Imu.
Ici cela donne uE2 automorphisme.
Exercice 8 : [énoncé] b) Soient u, v ∈ Γ. Si x ∈ ker(v ◦ u) alors u(x) ∈ Imu ∩ ker v donc u(x) ∈ E1 ∩ E2
a) Rappelons que les suites (ker up )p∈N et (Imup )p∈N sont respectivement et u(x) = 0 puis x ∈ E1 . Ainsi ker(v ◦ u) ⊂ E1 et l’inclusion réciproque est
croissante et décroissante pour l’inclusion. La suite (dim ker up )p∈N est une suite immédiate.
croissante et majorée d’entiers naturels, elle est donc stationnaire : Im(v ◦ u) = v(u(E)) = v(E2 ) = E2 car vE2 est un automorphisme de E2 . Ainsi
∃n ∈ N, ∀p > n, dim ker up = dim ker un or ker up ⊃ ker un donc ker up = ker un v ◦ u ∈ Γ.
puis N = ker un . Aussi c) Si φ(u) = φ(v) alors uE2 = vE2 . Or uE1 = 0 = vE1 donc les applications linéaires
dim Imup = dim E − dim ker up = dim E − dim ker un = dim Imun et Imup ⊂ Imun u et v coïncident sur des sous-espaces vectoriels supplémentaires et donc u = v.
donc Imup = Imun puis I = Imun . d) Une application linéaire peut être définit de manière unique par ses restrictions
b) dim N + dim I = dim ker un + dim Imun = dim E en vertu du théorème du rang. linéaires sur deux sous-espaces vectoriels supplémentaires. Pour w ∈ GL(E2 )
Soit x ∈ N ∩ I. Il existe a ∈ E tel que x = un (a) et alors un (x) = 0 donc considérons u ∈ L(E) déterminé par uE1 = 0 et uE2 = w. On vérifie aisément
u2n (a) = 0. Ainsi a ∈ ker u2n = ker un donc x = un (a) = 0. Ainsi N ∩ I = {0} E1 ⊂ ker u et E2 ⊂ Imu. Pour x ∈ ker u, x = a + b avec a ∈ E1 et b ∈ E2 . La
d’où E = N ⊕ I. relation u(x) = 0 donne alors u(a) + u(b) = 0 c’est-à-dire w(b) = 0. Or
u et un commutent donc N et I sont stables par u. w ∈ GL(E2 ) donc b = 0 puis x ∈ E1 . Ainsi ker u ⊂ E1 et finalement ker u = E1 .
(uN )n = (un )ker un = 0 donc uN est nilpotente. Pour y ∈ Im(u), il existe x ∈ E tel que y = u(x). Or on peut écrire x = a + b avec
Imun+1 = Imun donne u(Imun ) = Imun donc uI est surjective puis bijective car a ∈ E1 et b ∈ E2 . La relation y = u(x) donne alors y = u(a) + u(b) = w(b) ∈ E2 .
dim Imun < +∞. Ainsi Imu ⊂ E1 et finalement Imu = E1 . On peut conclure que u ∈ Γ et ũ = w : φ
c) Par supplémentarité : dim E = dim F + dim G = dim N + dim I. est surjectif.
Il existe p ∈ N, tel que (uF )p = 0 donc F ⊂ ker up ⊂ N . e) ϕ est un morphisme bijectif : il transporte la structure de groupe existant sur
uG est bijective donc (uG )n aussi or G = Im(uG )n ⊂ Im(un ) = I. GL(E2 ) en une structure de groupe sur (Γ, ◦). Le neutre est l’antécédent de IdE2
On a alors dim F 6 dim N , dim G 6 dim I et dim F + dim G = dim N + dim I c’est-à-dire la projection sur E2 parallèlement à E1 .
donc dim F = dim N et dim G = dim I. Par inclusion et égalité des dimensions
F = N et G = I.
a) Si e ∈
/ H alors la valeur de u(e) détermine entièrement un élément u de
Exercice 9 : [énoncé] {u ∈ E ? /u(H) = {0}}. Cela permet de même en place un isomorphisme entre
a) Le cas n = 1 est immédiat car v est alors nécessairement nul. {u ∈ E ? /u(H) = {0}} et K. La dimension cherchée vaut 1.
Le cas v = 0 est tout aussi immédiat. b) Si H est stable par f alors pour tout x ∈ H, u(f (x)) = 0 donc
b) F = Imv est stable par u et v et puisque v n’est pas bijectif, 1 6 dim F < n : u ◦ f ∈ {v ∈ E ? /v(H) = {0}} or u est un élément non nul de cette droite
on pourra donc appliquer l’hypothèse de récurrence sur F . Dans une base adaptée vectorielle donc u ◦ f est colinéaire à u. La réciproque est immédiate.
c) MatB (u) = L 6= 0 (car u définit une équation d’hyperplan), MatB (u ◦ f ) = LA Exercice 13 : [énoncé]
donc Dans cet énoncé, le corps de base est ambigu.
u ◦ f = λu ⇔ LA = λL ⇔ t At L = λt L Cas K = C :
u annule un polynôme scindé simple, l’endomorphisme u est donc diagonalisable.
avec t L colonne non nulle.
Tout sous-espace vectoriel possédant une base de vecteurs propres est stable et
d) Sp(t A) = {1, 2, −1}. Une base de vecteurs propres est formée des vecteurs de
inversement.
composantes (−1, −1, 1), (0, 1, 1) et (−1, 0, 1). Les plans stables par f sont ceux
Cas K = R :
d’équations x + y − z = 0, y + z = 0 et x − z = 0.
Par le lemme de décomposition des noyaux, on a
E = ker(u − Id) ⊕ ker(u2 + u + Id).
Si F est un sous-espace vectoriel stable alors posons F1 = F ∩ ker(u − Id) et
Exercice 12 : [énoncé] F2 = F ∩ ker(u2 + u + Id). Montrons F = F1 ⊕ F2 .
a) On définit la matrice A et obtient ses éléments propres : Tout x ∈ F peut s’écrire x = a + b avec a ∈ ker(u − Id) et b ∈ ker(u2 + u + Id).
Puisque u(x) = a + u(b)∈ F et u2 (x) = a + u2 (b) ∈ F , on a
a = 13 x + u(x) + u2 (x) ∈ F puis b = x − a ∈ F .
A:=matrix(3,3,[1,2,0,-4,3,4,2,2,-1]); Ainsi a ∈ F1 , b ∈ F2 et on a donc F ⊂ F1 + F2 .
eigenvects(A); Il est alors immédiat qu’on peut alors conclure F = F1 ⊕ F2 .
Puisque F2 ⊂ ker(u2 + u + Id), pour x ∈ F2 non nul (x, u(x)) est libre et
La matrice A est diagonalisable et ses espaces propres sont des droites vectorielles.
Vect(x, u(x)) est stable par u. Cela permet d’établir que F2 est la somme directe
Puisqu’une droite vectorielle est stable si, et seulement si, elle est engendré par un
de sous-espaces vectoriels de la forme Vect(x, u(x)) avec x 6= 0,
vecteur propre, les droites vectorielles stables par f sont celles engendrée par
x ∈ ker(u2 + u + Id). Quant à F1 , il n’y a pas de condition à souligner puisque
ε1 = (1, 0, 1), ε−1 = (−1, 1, −2) et ε3 = (1, 1, 1).
tout sous-espace vectoriel de ker(u − Id) est stable par u.
b) Rappelons F stable par f si, et seulement si, F ⊥ est stable par f ? .
On en déduit que P est stable par f si, et seulement si, Vect(~n) est stable par f ?
i.e. ~n vecteur propre de f ? . Déterminons ces derniers.
a) L’application T est évidemment linéaire et est à valeurs dans E.
eigenvects(transpose(A)); Soit g ∈ E. Montrons que l’équation Rx T f = g admet une solution unique.
Unicité : Si T f = g alors x 7→ 0 f (t) dt est solution sur R de l’équation
0
Les plans vectoriels stables par f sont ceux de vecteurs normaux R x y + y = g vérifiant y(0) = 0. Par le théorème de Cauchy ceci
différentielle linéaire
détermine x 7→ 0 f (t) dt de façon unique et donc f aussi.
n1 = (−3, 1, 2), n−1 = (−1, 0, 1) et n3 = (−1, 1, 1) Existence : La dérivée de la fonction solution y 0 + y = g vérifiant y(0) = 0 est
solution.
c) On définit la matrice B et on détermine les éléments propres de B et de t B. b) Soit F un sous-espace vectoriel de dimension R x finie stable par T . Notons I
l’endomorphisme de E défini par I(f ) : x 7→ 0 f (t) dt. Puisque F est stable par
T , F est aussi stable par I. L’endomorphisme induit par I sur le sous-espace
B:=matrix(3,3,[0,-1,2,0,-1,0,-1,1,-3]); vectoriel de dimension finie F admet un polynôme minimal
eigenvects(B); π = X n + an−1 X n−1 + · · · + a0 . On a alors pour tout f ∈ F l’égalité
eigenvects(transpose(B)); y + an−1 y 0 + · · · + an y (n) = 0 en notant y = I n (f ). De plus, on a les conditions
initiales y(0) = . . . = y (n−1) (0) = 0 ce qui donne y = 0 puis f = 0. Ainsi F = {0}.
Les droites vectorielles stables par g sont celles incluses dans le plan d’équation
Finalement, l’espace nul est le seul espace de dimension finie stable par T . Quel
x − y + 2z = 0 et celle dirigée par (−1, 0, 1).
intérêt au « impaire » ?
Les plans vectoriels stables par g sont ceux de droite normale incluse dans le plan
d’équation x = z et ou dirigée par (−1, 1, −2).
Exercice 15 : [énoncé] f (g(f n−1 (x)) = 0 donc g(f n−1 (x)) = λf n−1 (x) pour un certain λ ∈ R
0 ∈ sp(f n ) ⇒ f n non injective ⇒ f non injective ⇒ 0 ∈ sp(f ). Aussi f k (g(f n−1−k (x))) = (λ + k)f n−1 (x) et donc la matrice de g dans e0 et
triangulaire supérieure avec sur la diagonale λ, λ + 1, . . . , λ + n − 1. Ainsi
Exercice 16 : [énoncé] Sp(g) = {λ, . . . , λ + n − 1}

0 ∈ sp(f ) ⇔ f non injectif ⇔ f non surjectif.
Soit y vecteur propre associé à la valeur propre λ + n − 1.
Si y ∈ ker f n−1 alors puisque ker f n−1 est stable par g, λ + n − 1 est valeur propre
de l’endomorphisme induit par g sur ker f n−1 . Cela n’étant par le cas
Exercice 17 : [énoncé] y∈/ ker f n−1 . On vérifie alors facilement que la famille e = (f n−1 (y), . . . , f (y), y)
Si λ ∈ Spu alors il existe x 6= 0 vérifiant u(x) = λx. En appliquant u−1 , on obtient résout notre problème.
x = λu−1 (x).
Puisque x 6= 0, λ 6= 0 et on peut écrire u−1 (x) = λ1 x donc λ1 ∈ Spu−1 . Ainsi
{1/λ/λ ∈ Spu} ⊂ Spu−1 .
L’autre inclusion s’obtient par symétrie.
a b a 2b 0 −b
a) AM − M A = − = .
2c 2d c 2d c 0
b) 0 est valeur propre avec E0 = Vect(E1,1 , E2,2 ), 1 est valeur propre avec
Exercice 18 : [énoncé] E1 = Vect(E2,1 ) et −1 est valeur propre avec E−1 = Vect(E1,2 ).
Pour λ ∈ K et x ∈ E,
x ∈ Eλ (v) ⇔ u(a−1 (x)) = λa−1 (x) ⇔ a−1 (x) ∈ Eλ (u) ⇔ x ∈ a(Eλ (u)).
Ainsi Eλ (v) = a(Eλ (u)), puis puisque a est un automorphisme, on peut affirmer
Eλ (v) 6= {0} si, et seulement si, Eλ (u) 6= {0} et donc Sp(u) = Sp(v).
Soient λ ∈ R et f ∈ E. D(f ) = λf ⇔ f est solution de l’équation différentielle
y 0 = λy i.e. f de la forme x 7→ Ceλx . Ainsi Sp(D) = R et Eλ (D) = Vect(x 7→ eλx ).
∀x 6= 0, ∃λx ∈ K, u(x) = λx x. Montrer que x 7→ λx est une fonction constante sur
E\ {0}. Soient x, y 6= 0.
Soient λ ∈ R et f ∈ E. Si I(f ) = λf alors I(f ) est solution de l’équation
Si (x, y) est libre u(x + y) = u(x) + u(y) donne λx+y (x + y) = λx x + λy y donc par
différentielle y = λy 0 . Si λ = 0 alors I(f ) = 0 et si λ 6= 0 alors I(f ) est de la forme
liberté de (x, y) on obtient λx = λx+y = λy .
x 7→ Cex/λ et puisque I(f ) s’annule en 0 donc I(f ) = 0. Dans les deux cas
Si (x, y) est liée, y = µx et donc u(y) = µu(x) = λx µx = λx y puis λy = λx .
f = I(f )0 = 0. Ainsi Sp(I) = ∅.
Ainsi x 7→ λx est une fonction constante. En posant λ la valeur de cette constante,
on a ∀x ∈ E, u(x) = λx que x soit nul ou non.
Soient λ ∈ R et u ∈ E.
∆(u) = λu ⇔ ∀n ∈ N, u(n + 1) = (1 + λ)u(n). Ainsi
a) On vérifie f k ◦ g − g ◦ f k = kf k .
∆(u) = λu ⇔ ∀n ∈ N, u(n) = u0 (1 + λ)n .
Si pour tout k ∈ N, f k 6= 0 alors l’endomorphisme h 7→ h ◦ g − g ◦ h admet une
Pour λ ∈ [−2, 0], la suite u(n) = (1 + λ)n est élément de E et vérifie ∆(u) = λu.
infinité de valeurs propres.
Pour λ ∈/ [−2, 0], seule la suite nulle est bornée et satisfait
Ceci étant impossible en dimension finie, on peut affirmer que f est nilpotent.
∀n ∈ N, u(n) = u0 (1 + λ)n .
b) f n = 0 (car dim E = n) et f n−1 6= 0. Pour x ∈ / ker f n−1 et
Ainsi Sp(∆) = [−2, 0].
e0 = (f n−1 (x), . . . , f (x), x), on montre classiquement que e0 est une base de E
dans laquelle la matrice de f est telle que voulue.
Exercice 25 : [énoncé] avec α = (1 − λ)/λ dont la résolution conduit à

Soient λ ∈ C et u ∈ E. Etudions l’équation f (u) = λu. On a
( f (x) = Cxα , x ∈ ]0, +∞[
(1 − λ)u0 = 0
f (u) = λu ⇔
∀n ∈ N? , (2λ − 1)un = un−1 Pour α = 0 ou α < 0 la condition lim f = 0 entraîne f = 0 et est donc exclue.
0
Par contre le cas α > 0 (correspondant à λ ∈ ]0, 1[) conduit au vecteur propre
Cas λ = 1
f (u) = u ⇔ ∀n ∈ N? , un = un−1 f (x) = Cxα , x ∈ [0, +∞[
On en déduit que 1 est valeur propre de f et que le sous-espace propre associé est
formé des suites constantes. élément de E.
Cas λ 6= 1 (
u0 = 0
f (u) = λu ⇔
∀n ∈ N? , (2λ − 1)un = un−1 Exercice 27 : [énoncé]
Rx R1
Que λ = 1/2 ou non, on obtient a) T (f )(x) = 0 tf (t) dt + x x f (t) dt est une fonction continue (et même
dérivable).
f (u) = λu ⇔ ∀n ∈ N, un = 0 Ainsi T : E → E. La linéarité de T est évidente.
b) Soit λ ∈ R et f ∈ E vérifiant T (f ) = λf .
et donc λ n’est pas valeur propre. Cas λ = 0 :
Finalement on a T (f ) = 0, en dérivant deux fois (ce qui s’avère possible) on obtient f = 0.
Spf = {1} Ainsi 0 n’est pas valeur propre de T .
Cas λ 6= 0 :
on a T (f ) = λf . En particulier, on peut affirmer que f (0) = 0 car T (f )(0) = 0.
Exercice 26 : [énoncé] Le premier membre de l’équation T (f ) = λf est dérivable donc la fonction f est
a) ϕ(f ) est dérivable sur R+? donc continue sur R+? . R1
dérivable et on obtient x f (t) dt = λf 0 (x). En particulier f 0 (1) = 0.
Puisque f est continue, f admet une primitive F et alors quand x → 0+ Le premier membre de cette nouvelle équation étant dérivable, la fonction f est
F (x) − F (0) deux fois dérivable et on obtient λf 00 (x) + f (x) = 0.
ϕ(f )(x) = → F 0 (0) = f (0) = 0 Sous cas λ > 0 :
x
Sachant f (0)= 0,on obtient par résolution de l’équation différentielle
On en déduit que ϕ(f ) est continue en 0. f (x) = A sin √xλ et la condition f 0 (1) = 0 n’entraînera pas f = 0 que si
La linéarité de ϕ est immédiate et donc ϕ est un endomorphisme de E.
b) Soient λ ∈ R et f une fonction de E non nulle vérifiant ϕ(f ) = λf . sin √1λ = 0 i.e. λ = (kπ) 1
2 avec k ∈ N .
?
Pour tout x ∈ R+ , Notons qu’alors il est possible de remonter les précédents calculs et d’affirmer que
Z x
x
f (t) dt = λxf (x) f : x 7→ A sin kπ , pour A 6= 0, est vecteur propre associé à la valeur propre
1
0 λ = (kπ)2 .
donc f est de classe C 1 et vérifie Sous cas λ < 0 :
Sachant f (0) = 0,
la résolution de l’équation différentielle donne
(1 − λ)f (x) = λxf 0 (x)
f (x) = Ash √x et la condition f 0 (1) = 0 entraîne toujours f = 0 et donc un
|λ|
Le cas λ = 0 implique f = 0 et est donc exclu. tel λ n’est pas valeur propre.
Pour λ 6= 0 et x > 0 on a
xf 0 (x) = αf (x)
Exercice 28 : [énoncé] La solution générale de cette équation différentielle est

Puisque f est de classe C 1 et que f (0) = 0, on peut écrire n+λ n−λ
y(x) = C (x − 1) 2
(x + 1) 2
f (t) = f 0 (0)t + o(t) quand t → 0
Ainsi la fonction ϕ : t 7→ f (t)/t peut être prolongée par continuité en 0 et donc Pour λ = −n + 2k avec k ∈ {0, . . . , n}, on obtient une fonction polynomiale non
l’intégrale définissant T (f )(x) a un sens en tant qu’intégrale d’une fonction nulle
continue. De plus, T (f ) apparaît alors comme la primitive s’annulant en 0 de la Pλ (X) = C(X − 1)k (X + 1)n−k avec C 6= 0
fonction continue ϕ, c’est donc une fonction élément de E. Enfin, la linéarité de et donc λ est valeur propre de ϕ et les Pλ sont les vecteurs propres associés.
l’application T étant immédiate, on peut affirmer que T est un endomorphisme de Puisque dim Rn [X] = n + 1, il ne peut y avoir d’autres valeurs propres (et
E. l’endomorphisme ϕ est diagonalisable).
Soient λ ∈ R.
Si T (f ) = λf alors pour tout x ∈ [0, +∞[, T (f )(x) = λf (x)
En dérivant cette relation, on obtient pour tout x ∈ [0, +∞[
f (x) = λxf 0 (x) a) Puisque deg A = n + 1, un reste de division euclidienne par A est de degré au
plus n. Ainsi l’application f va de Rn [X] vers lui-même.
Si λ = 0 alors f est la fonction nulle et λ n’est pas valeur propre.
Soient λ1 , λ2 ∈ R et P1 , P2 ∈ Rn [X].
Si λ 6= 0, f est solution de l’équation différentielle λxy 0 = y.
On a BP1 = Q1 A + f (P1 ) et BP2 = Q2 A + f (P2 ) avec deg f (P1 ), deg f (P2 ) 6 n.
Cette dernière est une équation différentielle linéaire d’ordre 1 homogène dont la
Par combinaison linéaire on a alors
solution générale sur ]0, +∞[ est y(x) = Cx1/λ .
B(λ1 P1 + λ2 P2 ) = (λ1 Q1 + λ2 Q2 )A + λ1 f (P1 ) + λ2 f (P2 ) avec
Ainsi, il existe C ∈ R tel que pour tout x > 0,
deg (λ1 f (P1 ) + λ2 f (P2 )) 6 n
f (x) = Cx1/λ On peut alors identifier le reste de la division euclidienne de λ1 P1 + λ2 P2 par A et
affirmer
Or pour qu’une telle fonction puisse être prolongée en une fonction de classe C 1 f (λ1 P1 + λ2 P2 ) = λ1 f (P1 ) + λ2 f (P2 )
sur [0, +∞[ il faut que C = 0 ou 1/λ > 1.
Ainsi les valeurs propres de T sont les éléments de l’intervalle ]0, 1]. Finalement f est un endomorphisme de Rn [X].
Inversement, soient λ ∈ ]0, 1] et la fonction fλ : x 7→ x1/λ prolongée par continuité b) On définit le polynôme A
en 0.
La fonction fλ est de classe C 1 sur [0, +∞[, s’annule en 0 et vérifie T (fλ ) = λfλ A:=(X-1)*(X-2)*(X-3);
sans être la fonction nulle.
Finalement, les valeurs propres de T sont exactement les éléments de l’intervalle Puis l’endomorphisme f
]0, 1].
f:=P->rem(X^3*P,A,X);
Exercice 29 : [énoncé] On peut alors calculer l’image Q de P = aX 2 + bX + c

L’application ϕ est évidemment linéaire et on vérifie en observant une
simplification que ϕ transforme un polynôme de degré inférieur à n en un autre. P:=a*X^2+b*X+c;
L’application ϕ est donc bien un endomorphisme de Rn [X]. Q:=f(P);
Soient λ ∈ R et P ∈ Rn [X].
Pour résoudre l’équation ϕ(P ) = λP , on recherche les solutions polynomiales de Enfin on détermine les éléments du noyau en résolvant le système formé par
degrés inférieurs à n à l’équation différentielle l’annulation des coefficients de Q
(x2 − 1)y 0 − (nx + λ)y = 0 solve({seq(coeff(Q,X,k)=0,k=0..2)},{a,b,c});

Enfin on peut trouver les éléments propres de f en résolvant le système associé à Exercice 32 : [énoncé]
l’équation f (P ) = λP Soient λ ∈ Sp(A) et X 6= 0 tels que AX = λX.
Posons i ∈ {1, . . . , n} tel que |xi | = max |xk |. On a xi 6= 0 et
solve({seq(coeff(Q,X,k)=coeff(lambda*P,X,k),k=0..2)},{a,b,c,lambda}); 16k6n
Pn P n
|λxi | = ai,j xj 6 |ai,j | |xi | 6 kAk |xi | d’où |λ| 6 kAk.

On définit la matrice M de f dans la base (1, X, X 2 ) j=1 j=1
M:=matrix(3,3,[6,36,150,-11,-60,-239,6,25,90]);
Puis on calcule ses éléments propres Exercice 33 : [énoncé]

a) Le vecteur X = t (1 . . . 1) est évidemment vecteur propre associé à la valeur
with(linalg); propre 1.
eigenvects(M); b) Soient λ ∈ Sp(A) et X = t (x1 . . . xn ) un vecteur propre associé. Soit i0 l’indice
vérifiant |xi0 | = max |xi |, on a |xi0 | =
6 0. La relation AX = λX donne
16i6n
c) Introduisons les polynômes de Lagrange L0 , . . . , Ln associés aux réels a0 , . . . , an . n
P n
P n
P
La famille (Lk )06k6n est une base de Rn [X]. Pour tout k = 0, . . . , n λxi0 = ai0 ,j xj donc |λ| |xi0 | 6 |ai0 ,j | |xj | 6 ai0 ,j |xi0 | = |xi0 | puis |λ| 6 1.
j=1 j=1 j=1
BLk = Qk A + f (Lk ) c) Si de plus |λ| = 1 alors il y a égalité dans l’inégalité précédente.
L’égalité dans la deuxième inégalité entraîne |xj | = |xi0 | pour tout j tel que
En évaluant cette relation en les aj , on obtient ai0 ,j 6= 0.
L’égalité dans première inégalité les complexes engagés sont positivement liés et
f (Lk )(aj ) = B(aj )δj,k donc qu’il existe θ ∈ R tel que pour tout j ∈ {1, . . . , n}, ai0 ,j xj = ai0 ,j |xj | eiθ .
Ces deux propriétés donne que pour tout j ∈ {1, . . . , n}, ai0 ,j xj = ai0 ,j |xi0 | eiθ
et donc que ai0 ,j 6= 0 ou non.
f (Lk ) = B(ak )Lk n
ai0 ,j xj , on obtient λxi0 = |xi0 | eiθ .
P
En injectant ceci dans la relation λxi0 =
La famille (Lk )06k6n est une base de diagonalisation de l’endomorphisme f . On j=1
en déduit Pour j ∈ {1, . . . , n} tel que ai0 ,j 6= 0, xj = λxi .
n
Y Posons i1 = j et reprenons la même démarche, ce qui est possible puisque
det f = B(ak ) 6= 0 et ker f = {0}
|xi1 | = max |xi |.
k=1 16i6n
N
Les valeurs propres de f sont les B(ak ) et le sous-espace propre associé à la valeur On définit ainsi une suite (ip ) ∈ {1, . . . , n} vérifiant λxip = xip+1 .
propre B(ak ) est Cette suite étant non injective, il existe p ∈ N et q ∈ N? tel que ip = ip+q ce qui
Vect {Lj /j = 0, . . . , n, B(aj ) = B(ak )} donne λq = 1.
Exercice 31 : [énoncé] Exercice 34 : [énoncé]

On retraduit le problème en termes d’endomorphismes. Soit u un endomorphisme a) Une récurrence facile donne Ak B − BAk = kAk .
d’un K-espace vectoriel de dimension finie vérifiant rg(u) = 1. Soit x ∈
/ ker u. On a b) Ak est vecteur propre de l’endomorphisme considéré si, et seulement si, Ak 6= 0.
Vect(x) ⊕ ker u = E. u(x) ∈ E donc on peut écrire u(x) = λx + y avec y ∈ ker u de c) L’endomorphisme M 7→ M B − BM opère en dimension finie, il ne peut donc
sorte que u2 (x) = λu(x). On observe alors que u2 et λu coïncident sur Vect(x) et avoir qu’un nombre fini de valeurs propres et donc il existe k ∈ N vérifiant Ak = 0.
bien sûr sur ker u donc u2 = λu. De plus, pour y ∈ Im(u)\ {0}, y = u(a),
u(y) = u2 (a) = λu(a) = λy donc λ est valeur propre de u.
Si λ est valeur propre de A alors il existe une colonne non nulle telle que
AX = λX. Pour M matrice dont toutes les colonnes sont égales à X on a Exercice 38 : [énoncé]
u(M ) = λM . Ainsi λ est valeur propre de u. Inversement si λ est valeur propre de Notons M la matrice étudiée et supposons n > 3, les cas n = 1 et 2 étant
u, une colonne non nulle d’un vecteur propre associé à λ définit un vecteur propre immédiats.
associée à la valeur propre λ pour A. Ainsi λ est aussi valeur propre de A. Puisque rgM = 2, 0 est valeur propre de Mn (R) et dim E0 (M ) = n − 2.
Finalement Sp(A) = Sp(u). Une matrice M appartient au sous-espace propre Soit λ une valeur propre non nulle de Mn (R) et X = t (x1 · · · xn ) un vecteur
associé à la valeur propre λ de u si, et seulement si, chaque colonne de M propre associé.
appartient au sous-espace propre associé à la valeur propre λ de A. L’équation M X = λX fournit le système
xn = λx1



 ..


Exercice 36 : [énoncé] .
a) Si λ est valeur propre de A de colonne propre X 6= 0 alors pour M ∈ Mn (C) 

 xn = λxn−1
dont toutes les colonnes sont égales à X, on a AM = λM avec M 6= 0. Ainsi λ est


x1 + · · · + xn = λxn
aussi valeur propre de ΦA . On en déduit λ(λ − 1)xn = λx1 + · · · + λxn−1 = (n − 1)xn avec xn 6= 0 car xn = 0
Inversement, si λ est valeur propre de ΦA d’élément propre M 6= 0 alors pour X et λ 6= 0 entraînent X = 0. √
colonne non nul de M , on a AX = λX donc λ valeur propre de A.
Par suite λ est racine de l’équation λ2 − λ − (n − 1) = 0 et donc λ = 1± 24n−3 .
b) On remarque M A = t (t At M ). Un raisonnement semblable au précédent
Inversement, on justifie que ses valeurs sont valeurs propres, soit en remontant le
permet d’établir que les valeurs propres de ΨA sont les valeurs propres de t A i.e.
raisonnement, soit en exploitant la diagonalisabilité de la matrice symétrique
celles de A.
réelle M pour affirmer l’existence de n valeurs propres comptées avec multiplicité.
Exercice
 37 : [énoncé]   Exercice 39 : [énoncé]
1 (0) 1 ··· 1 Notons λ1 , . . . , λn les valeurs propres de A comptées avec multiplicité.
 .. . . .. ..  = t L.
a) L =  .  et U =  Si la matrice A est inversible alors
 
. . . 
1 ··· 1 (0) 1 t
(comA) = det(A)A−1
b) U = I + N + · · · + N n−1 , (I − N )U = I donc U −1 = I − N ,
L−1 = t (U −1
) = I − t N donc A−1 −1 −1
 = U L = I − N − N + N N.
t t
Les valeurs propres de A−1 sont alors
2 1 (0)
. . 1 1

 1 . . . .
 ,...,
−1
c) A =  

. Posons χn le polynôme caractéristique de λ1 λn
. .. 2

 1  Les valeurs propres de comA, qui sont aussi celles de t (comA), sont alors les
(0) 1 1
A−1 ∈ Mn (R). det A det A
,...,
On a χn+2 (λ) = (2 − λ)χn+1 (λ) − χn (λ) avec χ0 (λ) = 1 et χ1 (λ) = 1 − λ. λ1 λn
En écrivant λ = 2 + 2 cos θ avec θ ∈ [0, π] et en posant fn (θ) = χn (2 + 2 cos θ) on a Si rgA 6 n − 1 alors la comatrice de A est de rang inférieur à 1. En effet on a
la relation :
t
fn+2 (θ) + 2 cos θfn+1 (θ) + fn (θ) = 0, f0 (θ) = 1 et f1 (θ) = 2 cos θ − 1. (comA)A = On
cos(n+ 1 )θ
La résolution de cette récurrence linéaire d’ordre 2 donne fn (θ) = cos θ2 . donc
2
Ainsi, χn admet n racines dans [0, 4] et puisque ce polynôme est de degré n il n’y ImA ⊂ ker(t comA)
en a pas ailleurs : SpA−1 ⊂ [0, 4].
puis
dim ker(comA) = dim ker(t comA) > n − 1
et par la formule du rang A2:=matrix(2,2,[0,2,1,0]);

rg(comA) 6 1 eigenvals(A2);
Sachant que la comatrice de A est de rang 0 ou 1, 0 est valeur propre de comA de et pour obtenir les valeurs approchées
multiplicité au moins égale à n − 1. Puisque la trace de comA ∈ Mn (C) est égale
à la somme de ses valeurs propres comptées avec multiplicité, la dernière valeur map(evalf,{eigenvals(A2)});
propre de comA n’est autre
tr(comA) Procédons de même avec A3 et A10
Pour calculer cette dernière, considérons At = A + tIn avec t > 0. Puisque A n’est A3:=matrix(3,3,[0,2,3,1,0,3,1,2,0]);
pas inversible, 0 est valeur propre de A et on peut indexer les valeurs propres map(evalf,{eigenvals(A3)});
λ1 , . . . , λn de A de sorte que λn = 0. A10:=matrix(10,10,(i,j)->if i=j then 0 else j fi);
Pour t assez petit, la matrice At est inversible de valeurs propres map(evalf,{eigenvals(A10)});

λ1 + t, . . . , λn−1 + t, t b) Soient λ une valeur propre de An et X = t x1 · · · xn un vecteur propre
associé.
Les valeurs propres de la comatrice de At sont alors L’équation An X = λX conduit au système
x1 + 2x2 + · · · + nxn = (λ + 1)x1


det At det At det At
,..., , 

λ1 + t λn−1 + t t  x1 + 2x2 + · · · + nxn = (λ + 2)x2


avec ..

 .
det At = (λ1 + t) . . . (λn−1 + t)t



x1 + 2x2 + · · · + nxn = (λ + n)xn
On en déduit
S’il existe k ∈ {1, . . . , n} tel que λ + k = 0 alors les égalités
tr(comAt ) = ((λ2 + t) . . . (λn−1 + t)t)+. . .+((λ1 + t) . . . (λn−2 + t)t)+(λ1 +t) . . . (λn−1 +t)
(λ + j)xj = (λ + k)xk
et enfin
tr(comA) = lim+ tr(comAt ) = λ1 . . . λn−1 donne xj = 0 pour tout j 6= k et l’égalité
t→0
x1 + 2x2 + · · · + nxn = (λ + k)xk
Si rgA = n − 1 alors 0 est valeur propre de multiplicité n − 1 de comA et l’autre
valeur propre de comA est le produit des valeurs propres non nulles de A. donne xk = 0. Ainsi X = 0 et cette situation est donc à exclure.
Si rgA 6 n − 2 alors 0 est valeur propre au moins double de A et donc On a donc pour tout k ∈ {1, . . . , n}, λ + k 6= 0 et le système donne
tr(comA) = 0. Dans ce cas, 0 est valeur propre de multiplicité n de comA. En fait,
on peut montrer que la comatrice de A est nulle puisque tous les mineurs de A λ+1
xj = x1 pour tout j ∈ {1, . . . , n}
sont nuls quand rgA 6 n − 2. λ+j
Puisque X 6= 0, le coefficient x1 est non nul et la première équation du système
donne
Exercice 40 : [énoncé] λ+1 2(λ + 1) n(λ + 1)
a) Commençons par charger le package linalg x1 + x1 + · · · + x1 = (λ + 1)x1
λ+1 λ+2 λ+n
et en simplifiant on obtient
with(linalg);
1 2 n
Définissons la matrice A2 et calculons ses valeurs propres + + ··· + =1
λ+1 λ+2 λ+n
c) Inversement, si λ vérifie l’équation e) La suite (xn ) est croissante et majorée par −1 donc cette suite converge vers
` 6 −1.
1 2 n Si ` < −1 alors la relation
+ + ··· + =1
λ+1 λ+2 λ+n
1 1
alors en posant + ··· + =1
1 1 1
xn + 1 xn + n
X=t

λ+1 λ+2 ··· λ+n
donne
on obtient une colonne X 6= 0 vérifiant An X = λX. 1 1
1> + ··· +
Ainsi les valeurs propres de An sont exactement les racines de l’équation `+1 `+n
1 2 n pour tout n ∈ N? . P 1
+ + ··· + =1 Or la série numérique `+k est divergente et donc ce qui précède est absurde.
λ+1 λ+2 λ+n
On en déduit que la suite (xn ) croît vers −1.
Considérons la fonction f définie par On peut donc écrire xn = −1 − yn avec yn → 0+ , yn ∈ ]0, 1[ et
1 1 1 1 1
f (x) = + ··· + − + + ··· + =1
x+1 x+n yn 1 − yn (n − 1) − yn
La fonction f est strictement décroissante sur chacun des intervalles On en déduit

1 yn 1 1
= + + ··· +
]−∞, −n[ , ]−n, −(n − 1)[ , · · · , ]−2, −1[ , ]−1, +∞[ yn 1 − yn 2 − yn (n − 1) − yn
Puisque
et les limites de f aux extrémités de ces intervalles sont aisées. On en déduit que yn
→0
An admet une valeur propre dans chacun des intervalles 1 − yn
et
]−n, −(n − 1)[ , · · · , ]−2, −1[ , ]−1, +∞[
1 1 1 1 1 1
Notons que de plus la somme des valeurs propres de An étant égale à trAn = 0, + ··· + 6 + ··· + 6 1 + + ··· +
2 n−1 2 − yn (n − 1) − yn 2 n−2
l’unique valeur propre positive est comprise entre
avec les termes encadrant tout deux équivalents à ln n.
n−1 n On en déduit
X n(n − 1) X (n − 1)(n + 1) 1
k= et k= ∼ ln n
2 2 yn
k=1 k=2
puis
d) Le terme xn est caractérisé par
1 1
xn = −1 − +o
1 1 ln n ln n
+ ··· + = 1 et xn ∈ ]−2, −1[
xn + 1 xn + n
Si xn+1 6 xn alors Exercice 41 : [énoncé]
a) Si B = P −1 AP alors −1
χB =det(P AP
−1
− P XP ) = χA .
1 1 1 1 1 1
1= +· · ·+ > +· · ·+ > +· · ·+ =1 0 1 0 0
xn+1 + 1 xn+1 + n + 1 xn+1 + 1 xn+1 + n xn + 1 xn + n b) Inversement A = 0 0
et B =
0 0
ne sont pas semblables mais ont
ce qui est absurde. même polynôme caractéristique.

On en déduit que xn < xn+1 et donc que la suite (xn ) est strictement croissante.
Exercice 42 : [énoncé] donc en conjuguant

Soit G un supplémentaire de F . Dans une base adaptée à la décomposition
E = F ⊕ G, la matrice de u est triangulaire supérieure par blocs et en calculant le χAĀ (X) = det(ĀA − XIn ) = χĀA (X)
polynômes caractéristique de u par cette matrice on obtient immédiatement la
propriété demandée. Or il est bien connu que pour A, B ∈ Mn (C)
χAB = χBA
Exercice 43 : [énoncé] On obtient donc
(−x)n
χA−1 (x) = det(A−1 − xI) = det A−1 det(I − xA) = det A − x1 I donc

n
det A χAĀ = χAĀ
χA−1 (x) = (−x)
χA (0) χA (1/x). et par conséquent
χAĀ ∈ R [X]
a) Pour x ∈ C,
det(AB − xIn ) = det A det(B − xA−1 ) = det(B − xA−1 ) det A = det(BA − xIn )
D’une part
donc χAB (x) = χBA (x).
b) t 7→ det(A + tIn ) est une fonction polynomiale en t donc ses annulations sont

λIn A −In On,p AB − λIn A
isolées et donc pour tout t > 0 suffisamment petit A + tIn ∈ GLn (C). Comme vu =
B Ip B Ip Op,n Ip
ci-dessus, pour x ∈ K,
χ(A+tIn )B (x) = χB(A+tIn ) (x) D’autre part
Les applications t 7→ χ(A+tIn )B (x) et t 7→ χB(A+tIn ) (x) sont polynomiales en t
−In On,p

λIn A

−λIn −A

donc continues et en passant à la limite quand t → 0 on obtient χAB (x) = χBA (x). =
B −λIp B Ip Op,n BA − λIp
En passant au déterminant, on obtient

Il est bien connu que det M × (−1)n = χAB (λ) et (−1)n (−λ)p det M = (−λ)n χBA (λ)
∀M, N ∈ Mn (K), χM N = χN M
et on en déduit
On en déduit (−λ)p χAB (λ) = (−λ)n χBA (λ)
χ(AB)p = χ[A(BA)p−1 ]B = χB[A(BA)p−1 ] = χ(BA)p
Ir 0
Exercice 46 : [énoncé] Dans le cas où A = Jr = , la propriété est immédiate en écrivant
0 0
Il est classique d’établir χAB = χBA en commençant par établir le résultat pour A
inversible et le prolongeant par un argument de continuité et de densité. C D
B= avec C bloc carré de taille r.
E F
Dans le cas général, on peut écrire A = QJr P avec r = rgA et P, Q inversibles.
X q χAB (X) = X q χQ−1 ABQ (X) = X q χJr P BQ (X) donc
X q χAB (X) = X p χP BQJr (X) = X p χBQJr P (X) = X p χBA (X).
On a
χAĀ (X) = det(AĀ − XIn )
Exercice 50 : [énoncé] On a
a) Oui un tel polynôme existe, il suffit de se référer aux matrices compagnons. χA (X) = (−1)n X n + · · · + det A
Notons qu’il est entendu, qu’ici, le polynôme caractéristique d’une matrice carrée
Si det A < 0 alors puisque lim χA (t) = +∞ et sachant la fonction t 7→ χA (t)
A est définie par χA = det(XIn − A). t→−∞
b) Il existe une matrice A dont le polynôme caractéristique est P .Celle-ci est continue, il existe λ ∈ ]0, +∞[ racine de χA et donc valeur propre de A.
On peut aussi établir le résultat en observant que le déterminant de A est le

λ1 ?
. produit des valeurs propres complexes de A comptées avec multiplicité. Parmi
semblable à une matrice triangulaire de la forme  ..  et donc Aq
 
celles-ci, celles qui sont réelles sont positives et celles qui sont complexes non
0 λn réelles, sont deux à deux conjuguées. Le produit est donc positif.
λq1
 
?
est semblable à 
 .. . Ainsi le polynôme caractéristique de Aq est Pq

.
0 λqn Exercice 53 : [énoncé]
q On peut écrire
et puisque A est à coefficients entiers, Pq l’est aussi.
n
c) Compte tenu des relations coefficients-racines d’un polynôme scindé, on peut Y
χA (X) = (−1)n (X − λk )
majorer les coefficients de P et affirmer que, pour un degré fixé, il n’y a qu’un
k=1
nombre fini de polynômes P possibles. Considérons un tel polynôme.
L’application q ∈ N? 7→ Pq n’est pas injective compte tenu des résultats avec λ1 , . . . , λn les valeurs propres de A comptées avec multiplicité.
précédents, il existe donc q < r tel que Pq = Pr . Ainsi, il existe une permutation σ On a alors
de Nn vérifiant : ∀i ∈ Nn , λqi = λrσ(i) . A l’aide d’une décomposition en cycles de σ,
on peut affirmer qu’il existe une puissance de σ égale à l’identité et donc conclure χA (B) ∈ GLn (C) ⇔ ∀1 6 k 6 n, B − λk In ∈ GLn (C)
0
que pour tout i ∈ Nn il existe q 0 > q tel que λqi = λqi . On peut alors affirmer que ce qui donne
λi est nul ou bien une racine de l’unité. χA (B) ∈ GLn (C) ⇔ ∀1 6 k 6 n, λk ∈
/ SpB
et on peut ainsi affirmer
a) SpB = Spt B car χB = χt B . χA (B) ∈ GLn (C) ⇔ SpA ∩ SpB = ∅
b) Pour tout X ∈ Mn,1 (K), A(CX) = λ(CX) donc CX ∈ ker(A − λIn ).
c) Soit X et Y des vecteurs propres de A et t B associé à la valeur propre λ. La
matrice C = X t Y est solution. Exercice 54 : [énoncé]
d) On peut écrire C = QJr P avec P, Q inversibles. La relation AC = CB donne
Q−1 AQJr = Jr P BP −1 .
Dans une base adaptée au noyau , la matrice de est
En écrivant les matrices Q−1 AQ et P BP −1 par blocs, l’égalité
Q−1 AQJr = Jr P BP −1 impose une décomposition en blocs triangulaire puis 
a b 0 ··· 0

permet d’observer que χA = χQ−1 AQ et χB = χP BP −1 ont un facteur commun de . .. 
d ..

degré > r, à savoir le polynôme caractéristique du bloc commun en position (1,1).  c . 
 
e) La réciproque est assurément fausse en toute généralité. Pour r = n, deux  .. .. 
 ? ? . . 
matrices ayant même polynôme caractéristique ne sont pas nécessairement 
 . .. ..

.. 
semblables.  .. . . . 
? ? 0 ··· 0
Exercice 52 : [énoncé] On a alors

χf (X) = (−1)n X n−2 X 2 − (a + d)X + ad − bc

Par contraposition, montrons det A < 0 ⇒ SpA ∩ ]−∞, 0[ 6= ∅.
Or En retranchant la ième ligne à chacune des autres

trf = a + d et trf 2 = a2 + 2bc + d2
ai − a1 0 0
donc
.. ..

(trf )2 − tr(f 2 )

χf (X) = (−1)n X n−2 X 2 − tr(f )X +

0 . .

2 P (ai ) = ai
.
.. ..
1 .

.
. .
.

. . 0

En développant selon la première colonne 0 0 ai − an

−λ 1 0 −λ 1 0 et donc

.. .. .. .. .. .. P (ai ) = ai
Y
(ai − aj )
.
. . = (−1)
n+1
a0 −λ .
. .

0 ··· j6=i
−λ 1

0
··· −λ 1

a0 · · · an−2 an−1 − λ a1 ··· an−2 an−1 − λ [n−1] b) En utilisant la formule des déterminants
[n]
puis en reprenant le processus on parvient à X n

Y
n+1 n−1 n P (x) = ε(σ) aσ(i),i + xδσ(i),i
(−1) (a0 + a1 λ + · · · + an−1 λ −λ ) i=1
σ∈Sn
On peut aussi résoudre le problème via l’opération élémentaire : n n
C1 ← C1 + λC2 + · · · + λn−1 Cn .
Q Q
Si σ = IdNn alors aσ(i),i + xδσ(i),i = (ai,i + x) est une expression
i=1 i=1
polynomiale unitaire de degré n.
Exercice 56 : [énoncé] n
Q n
Q
Si σ 6= IdNn alors aσ(i),i + xδσ(i),i = (ai,i + x) est une expression
a) Pn (x) est un déterminant tri-diagonal. On développe selon la première colonne i=1 i=1
en un déterminant triangulaire et en un second déterminant qu’on développe selon polynomiale de degré strictement inférieure à n.
la première ligne. On peut donc affirmer que P est une fonction polynomiale unitaire de degré
P1 (x) = −x et P2 (x) = x2 − 1. exactement n.
b) La suite (Pn (−2 cos α)) est une suite récurrente linéaire d’ordre 2. On introduit c) Puisque les ai sont deux à deux distincts
l’équation caractéristique associée dont les racines permettent d’exprimer le terme
n
général de (Pn (x)) à l’aide de coefficients inconnus déterminés par les valeurs P (X) X λi
n =1+
n = 1 et n = 2. Q X − ai
kπ (X − ai ) i=1
c) Les xk = −2 cos n+1 avec k ∈ {1, . . . , n} sont racines distinctes de Pn (x). i=1
An ∈ Mn (C) possède n valeurs propres distinctes donc A est diagonalisable.
avec
P (ai )
λi = Q = ai
Exercice 57 : [énoncé] (ai − aj )
a) En factorisant sur la ième colonne j6=i

ai 1 an

d) On a det(A + In ) = P (1).

.. ..

Si l’un des ai vaut 1, il suffit de reprendre la valeur de P (ai ).

a1 . .
Sinon, par la décomposition précédente
P (ai ) = ai
.. ..
. 1 . n
P (1) X ai
.. ..
n =1+
. . an Q 1 − ai
(1 − ai ) i=1
a1 1 ai
i=1
et donc ! associé est stable par v. L’endomorphisme induit par v sur celui-ci admet une
n n
X ai Y valeur propre et ceci assure l’existence d’un vecteur propre commun à u et v.
det(A + In ) = 1+ (1 − ai )
1 − ai b) u ◦ v − v ◦ u = au.
i=1 i=1
v admet une valeur propre λ et si x est vecteur propre associé, la relation
précédente donne
v(u(x)) = (λ − a)u(x)
a) Pour tout f ∈ L(E), f admet un polynôme minimal qui admet au moins une Si u est inversible alors λ − a est valeur propre de v et en reprenant ce schéma, on
racine dans C qui est alors valeur propre de f . obtient λ − na valeurs propres de v pour tout n ∈ N. C’est absurde car v ne
b) Si λ est valeurs propre de l’endomorphisme considéré alors il existe un possède qu’un nombre fini de valeurs propres et donc u n’est pas inversible.
polynôme P non nul tel que XP (X) = (1 + λ)P (X) ce qui est impossible pour Par récurrence sur n ∈ N, on obtient
des raisons de degré.
un ◦ v − v ◦ un = naun
Exercice 59 : [énoncé] L’endomorphisme ϕ : w 7→ w ◦ v − v ◦ w n’admet qu’un nombre fini de valeurs

On retraduit le problème en terme d’endomorphismes. Soient u et v deux propres car opère en dimension finie. Si u n’est pas nilpotent alors pour tout
endomorphismes d’un C-espace vectoriel de dimension finie vérifiant u ◦ v = v ◦ u. n ∈ N, na est valeur propre de ϕ. C’est absurde et donc u est nilpotent.
Tout endomorphisme sur un C-espace vectoriel admet au moins une valeur propre. Enfin, soit x ∈ ker u. On a u(v(x)) = v(u(x)) + au(x) = 0 donc v(x) ∈ ker u. Par
Soit λ une valeur propre de u. Eλ (u) est un sous-espace vectoriel stable par v (car suite ker u 6= {0} est stable v et un vecteur propre de l’endomorphisme induit est
u ◦ v = v ◦ u) et l’endomorphisme induit par v sur Eλ (u) admet au moins une vecteur propre commun à u et v.
valeur propre. Un vecteur propre associé à celle-ci est vecteur propre commun à u c) u ◦ v − v ◦ u = au + bv.
et v. Si a = 0 il suffit de transposer l’étude précédente.
Si a 6= 0, considérons w = au + bv.
On a
(au + bv) ◦ v − v ◦ (au + bv) = a(u ◦ v − v ◦ u) = a(au + bv)
Si A et B ont λ pour valeur propre commune alors puisque A et t A ont les mêmes Par l’étude qui précède, au + bv et v ont un vecteur propre en commun puis u et v
valeurs propres, il existe des colonnes X, Y 6= 0 vérifiant t AX = λX et BY = λY . ont un vecteur propre en commun.
Posons alors U = Y t X ∈ Mn (C)\ {0}.
On a BU = λY t X et U A = Y t (t AX) = λY t X donc U A = BU .
Inversement, supposons qu’il existe U ∈ Mn (C) non nulle vérifiant U A = BU . On Exercice 62 : [énoncé]
peut écrire U = QJr P avec P, Q inversibles et r = rgU > 0. L’égalité U A = BU Cas a = b = 0
entraîne alors Jr A0 = B 0 Jr avec A0 = P AP −1 et B 0 = Q−1 BQ. Puisque Les endomorphismes f et g commutent donc les sous-espaces propres de l’un sont
semblables, SpA0 = SpA et SpB 0 = SpB.
En raisonnant
par blocs, l’égalité stables pour l’autre. Puisque le corps de base est C, l’endomorphisme f admet au
M 0 M ? moins une valeur propre λ. L’espace Eλ (f ) 6= {0} est stable par g donc on peut
Jr A0 = B 0 Jr entraîne A0 = et B 0 = avec M ∈ Mr (C).
? ? 0 ? introduire l’endomorphisme induit par g sur Eλ (f ) et ce dernier admet aussi au
0 0
Ces formes matricielles SpM ⊂ SpA et SpM ⊂ SpB . Or SpM 6= ∅ (cadre moins une valeur propre. Un vecteur propre associé à cette valeur propre de g est
complexe) donc SpA ∩ SpB 6= ∅. aussi un vecteur propre de f car élément non nul de Eλ (f ). Ainsi f et g ont un
vecteur propre commun.
Cas a = 0 et b 6= 0
Exercice 61 : [énoncé] Par récurrence, on obtient f ◦ g n − g n ◦ f = nbg n pour tout n ∈ N.
a) Puisque u ◦ v = v ◦ u les sous-espaces propres de u sont stables par v. Puisque L’application u ∈ L(E) 7→ f ◦ u − u ◦ f est un endomorphisme de L(E) or
E est un C-espace vectoriel, u admet une valeur propre et le sous-espace propre dim L(E) < +∞ donc cet endomorphisme n’admet qu’un nombre fini de valeur
propre. Cependant, pour chaque n ∈ N tel que g n 6= 0̃, le scalaire nb est valeur Pour i 6= j, χEi,j (X) = (−1)n X n donc seul 0 est valeur propre. Par suite si Ei,j
propre de cet endomorphisme, on en déduit qu’il existe n ∈ N tel que g n = 0̃ et en est diagonalisable alors Ei,j = 0 ce qui est incorrect. Conclusion Ei,j
particulier ker g 6= {0}. diagonalisable si, et seulement si, i = j.
On vérifie aisément que ker g est stable par f et un vecteur propre de
l’endomorphisme induit par f sur ker g est alors vecteur propre commun à f et g.
Cas b = 0 et a 6= 0 Exercice 66 : [énoncé]
Semblable
Cas a 6= 0 et b 6= 0 A ne possède que deux colonnes différentes donc rg(A) 6 2.
a)
a b 2 2
On a b a = a − b 6= 0 donc rg(A) = 2. Par le théorème du rang

f ◦ (af + bg) − (af + bg) ◦ f = b(f ◦ g − g ◦ f ) = b(af + bg) dim ker A = 2n − 2 donc 0 est valeur propre de A et la dimension du sous-espace
Par l’étude qui précède, f et af + bg admettent un vecteur propre commun et propre associé est 2n − 2.
celui-ci est alors vecteur propre commun à f et g. b) Les vecteurs t 1 . . . 1 et t 1 −1 . . . 1 −1 sont vecteurs propres
associées aux valeurs propres non nulles n(a + b) et n(a − b). La somme des
dimensions des sous-espaces propres vaut 2n donc A est diagonalisable.
a) χA (X) = (X − cos α)2 + sin2 α de racines eiα et e−iα .
Si α 6= 0 [π] alors A possède deux valeurs propres distinctes donc A est Exercice 67 : [énoncé]
diagonalisable. Etudions la première matrice que nous noterons A.
Si α = 0 [π] alors A est diagonale. Celle-ci est de rang 2 et on peut facilement déterminer une base de son noyau.
b) Si α 6= 0 [π] alors A ne possède pas de valeurs propres (réelles) donc n’est pas En posant le système AX = λX avec λ 6= 0, on obtient une solution non nulle
diagonalisable. sous réserve que λ2 − λ + (n − 1) = 0. En notant  λ1 et λ2 les deux racines  de cette
Si α = 0 [π] alors A est diagonale. 1 (0) 1 1
c) χB (X) = (X − cos α)(X + cos α) − sin2 α de racines ±1 donc B est  .. .. .. 
diagonalisable.

 . . . 
−1 .. .. 
équation, on obtient A = P DP avec P =   et
 (0) 1 . . 

 −1 · · · −1 1 1 
Exercice 64 : [énoncé] 0 0 0 λ1 λ2
χM (x) = −x3 + x(ab + bc + ca). Posons δ = ab + bc + ca. D = diag(0, . . . , 0, λ1 , λ2 ).
Cas complexe. En reprenant la même démarche avec la seconde matrice que  nous noterons B, on
Si δ 6= 0 alors M est diagonalisable car χM admet trois racines distinctes. 1 ··· 1 λ1 λ2
Si δ = 0 alors 0 est seule valeur propre et par suite M est diagonalisable si, et  1 (0) 2 2 
 
seulement si M est semblable à la matrice nulle ce qui n’est le cas que si obtient B = P DP −1
avec P = 
 . .. .
.. ..  et
a = b = c = 0.  . 

 (0) 1 2 2 
Cas réel.
Si δ > 0 alors M est diagonalisable. −1 · · · −1 λ1 λ2
Si δ = 0 alors M est diagonalisable si, et seulement si, a = b = c = 0. D = diag(0, . . . , 0, λ1 , λ2 ) où λ1 , λ2 sont les deux racines de λ2 − 2λ − 2(n − 2) = 0.
Si δ < 0 alors M n’est pas diagonalisable.
Exercice 65 : [énoncé] 1ère méthode :
Ei,i est diagonale donc diagonalisable. Notons χn (λ) le polynôme caractéristique de cette matrice de taille n.
 
Par développement du déterminant selon la dernière colonne on obtient 1 1 (0)
 ..
 . −1 . . .

χn (λ) = (1 − λ)χn−1 (λ) − (1 − λ)n−2

P =  .
.
 .. .. 
. 1 
En étudiant les premiers termes de cette suite, on conjecture 1 (0) −1
B = Q∆Q−1 avec
χn (λ) = (1 − λ)n − (n − 1)(1 − λ)n−2
Si n est impair : ∆ = diag(a + (n − 1)b, b − a, . . . , b − a, a − b, . . . , a − b) et
1 1 (0) 1 (0)
 
que l’on vérifie aisément par récurrence. Les valeurs
√ propres de la matrice sont  .. .. ..
donc 1 (pour n > 3) et les deux racines λ = 1 ± n − 1. . .

 . 
2ème méthode :  ..
 

 . (0) 1 (0) 1 
Notons A la matrice étudiée. L’équation AX = λX donne le système  
Q =  ... 0 · · · .
 
0 −2 · · · −2
x1 + · · · + xn = λx1
  
 .
 .. (0)
 
−1 (0) 1 

 x1 + x2 = λx2

  
 . . .
 .. .. ..

.. 
 .
−1



 1 (0) 1 (0)
x1 + xn = λxn Si n pair : ∆ = diag(a + (n − 1)b, b − a, . . . , b − a, a − b, . . . , a − b) et
1 1 (0) 1 (0)
 
x1 + · · · + xn = λx1

 .. .. .
. −1 . .

 .


 x1 = (λ − 1)x2

 
 ..
 
.. .. 
..  . . . 1 
.  ..

  
 

  . (0) 1 (0) −1 
x1 = (λ − 1)xn Q=  .
.
 ..

(0) −1 (0) −1 
Pour λ = 1, on peut obtenir une solution non nulle avec les conditions x1 = 0 et 
 .

 .. . . . . 
x2 + · · · + xn = 0.  . . 1  
Pour λ 6= 1, le système devient  .
 .. . . . . 
. −1 . (0) 
1 −1

 2
(n − 1)x1 = (λ − 1) x1 (0) 1


x2 = x1 /(λ − 1)



.. Exercice 70 : [énoncé]
. a) M (a, b) = P D(a, b)P −1 avec D(a, b) = diag((a + b)2 , (a − b)2 , a2 − b2 , a2 − b2 ) et





xn = x1 /(λ − 1)
  
1 1 1 0
 1 −1 0 1 
Pour x1 = 0, la solution du système est nulle. P = 
 1 −1 0 −1 
Pour x1 6= 0, on peut former une solution non nulle à condition que
(λ − 1)2 = n − 1. 1 1 −1 0

b) M (a, b)n → 0 si, et seulement si, |a + b| < 1, |a − b| < 1 et a2 − b2 < 1.
Or a2 − b2 = (a + b)(a − b) donc la dernière condition l’est automatiquement si les
Exercice 69 : [énoncé] deux premières le sont.
A = P DP −1 avec D = diag(a + (n − 1)b, a − b, . . . , a − b) et L’étude graphique est alors simple.
a) On charge le package linalg et on définit la matrice étudiée 0 a2n+1−i
ai 0
with(linalg): et cette dernière est diagonalisable dans M2 (C) si, et seulement si,
A:=matrix(4,4,[0,0,0,d,0,0,c,0,0,b,0,0,a,0,0,0]);
ai a2n+1−i 6= 0 ou ai = a2n+1−i = 0
On détermine ses éléments propres
On peut alors affirmer que A est diagonalisable si, et seulement si,
eigenvects(A);
∀i ∈ {1, . . . , n} , ai a2n+1−i 6= 0 ou ai = a2n+1−i = 0
Dans le cas où a, b, c, d sont non nuls, on obtient quatre vecteurs propres non
colinéaires et la matrice est diagonalisable. d) Dans M2 (R), la matrice
Si a = 0 et d 6= 0
0 b
a 0
A:=matrix(4,4,[0,0,0,d,0,0,c,0,0,b,0,0,0,0,0,0]); est diagonalisable si, et seulement si,
ab > 0 ou a = b = 0
En adaptant l’étude qui précède, on obtient que A est diagonalisable dans
eigenvects(A); M2n (R) si, et seulement si,
∀i ∈ {1, . . . , n} , ai a2n+1−i > 0 ou ai = a2n+1−i = 0

On obtient 0 valeur propre double et le sous-espace propre correspondant est de
dimension 1.
La matrice A n’est alors pas diagonalisable. Exercice 72 : [énoncé]
Si b = 0 et c 6= 0, ou si c = 0 et b 6= 0, ou encore si d = 0 et a 6= 0, c’est semblable. La matrice A est la matrice dans la base canonique (1, X, . . . , X n ) de
Dans les cas complémentaires (par exemple a = d = 0 et b, c 6= 0), la matrice est l’endomorphisme
diagonalisable. u : P ∈ Cn [X] 7→ nXP + (1 − X 2 )P 0
b) Si u est diagonalisable alors les endomorphismes uF1 , . . . , uFp le sont aussi (car
Considérons alors la base de polynômes étagés (1, (X + 1), . . . , (X + 1)n ). On a
sont annulé par un polynôme scindé simple annulant u).
Inversement, si les endomorphismes uF1 , . . . , uFp sont diagonalisables alors, u (X + 1)k = nX(X + 1)k + k(1 − X)(X + 1)k

sachant E = F1 ⊕ · · · ⊕ Fp , on peut former une base de E diagonalisant u en
accolant des bases des Fi diagonalisant uFi . qui se réécrit
Finalement, u est diagonalisable si, et seulement si, les endomorphismes
u (X + 1)k = (n − k)(X + 1)k+1 + (k − 2n)(X + 1)k

uF1 , . . . , uFp le sont.
c) Soient (e1 , . . . , e2n ) la base canonique de C2n et u ∈ L(C2n ) de matrice A dans
La matrice de l’endomorphisme u dans la base (1, (X + 1), . . . , (X + 1)n ) est
cette base.
triangulaire inférieure de coefficients diagonaux
Les espaces F1 , . . . , Fn définis par Fi = Vect(ei , e2n+1−i ) sont stables par u et
vérifient C2n = F1 ⊕ · · · ⊕ Fn . k − 2n avec k ∈ {0, . . . , n}
Par ce qui précède, u est diagonalisable si, et seulement si, les endomorphismes
uF1 , . . . , uFn le sont. On en déduit χA et on observer que A possède n + 1 valeurs propres distinctes. La
Or la matrice de uFi dans la base (ei , e2n+1−i ) est matrice A est donc diagonalisable.
Exercice 73 : [énoncé] Puisque ce système est de rang n − 1 (car λ est valeur propre simple) et puisque
Cas a = b = 0 la résolution est immédiate. les n − 1 dernières équations sont visiblement indépendantes, ce système équivaut
Cas a = 0 et b 6= 0, la matrice Mn est triangulaire supérieure stricte non nulle, elle encore à 
n’est pas diagonalisable. 
 (a + λ)x1 + (b + λ)x2 = 0

Cas a 6= 0 et b = 0, idem. ..
Cas a = b  .

χMn (X) = (−1)n (X − (n − 1)a)(X + a)n−1 (a + λ)xn−1 − (b + λ)xn = 0

avec La résolution de ce dernier est immédiate. On obtient pour vecteur propre

E(n−1)a = Vect(1, . . . , 1) x = (x1 , . . . , xn ) avec
k
a+λ
et xk =
E−a : x1 + · · · + xn = 0 b+λ
La matrice Mn est donc diagonalisable et il est aisé de former une base de

vecteurs propres. Exercice 74 : [énoncé]
Cas a 6= b et ab 6= 0 Via un changement de bases réalisé de sorte
que les premiers
vecteurs soient dans
Après calculs (non triviaux) O n−1 ?
le noyau de A, on peut écrire P −1 AP = avec λ = trA.
0 λ
b(X + a)n − a(X + b)n Si λ 6= 0 alors λ est valeur propre de A ce qui permet de diagonaliser A.
χMn (X) = (−1)n
b−a Si A est diagonalisable, sachant que A n’est pas nulle, λ 6= 0.
Les racines de ce polynôme sont les solutions de l’équation d’inconnue z ∈ C

z+a
n
a Exercice 75 : [énoncé]
= Posons M = X t Y . On a M 2 = X(t Y X)t Y . Or α = t Y X est un scalaire donc
z+b b
M 2 = αX t Y = αM .
Il y en a exactement n s’exprimant en fonction des racines nème de l’unité. Si α 6= 0 alors M annule le polynôme scindé simple X(X − α) et donc M est
On en déduit que Mn est diagonalisable. diagonalisable.
Soit λ une valeur propre de Mn et x = (x1 , . . . , xn ) ∈ Cn . Si α = 0 alors M annule le polynôme X 2 et donc 0 est la seule valeur propre
L’équationMn x = λx équivaut au système possible. Si M est diagonalisable alors M est semblable à la matrice nulle et donc
M = On . Ceci est exclu car on suppose les colonnes X et Y non nulles.
−λx1 + bx2 + · · · + bxn = 0


 Au final M est diagonalisable si, et seulement si, α 6= 0.
 ax1 − λx2 + · · · + bxn = 0 Notons que α = tr(t Y X) = tr(X t Y ) = trM et que M est une matrice de rang 1.


.. On peut montrer qu’une matrice de rang 1 est diagonalisable si, et seulement si,



 . sa trace est non nulle.

ax1 + · · · + axn−1 − λxn = 0
En retranchant à chaque équation la précédente, on obtient le système équivalent Exercice 76 : [énoncé]

Notons B = (e1 , . . . , en ) la base canonique de Kn et f l’endomorphisme de Kn
−λx1 + bx2 + · · · + bxn = 0


 dont la matrice dans B est J.
 (a + λ)x1 + (b + λ)x2 = 0 Posons ε1 = e1 + · · · + en , de sorte que f (ε1 ) = nε1 .


.. Puisque rgf = rgJ = 1, on peut introduire (ε2 , . . . , εn ) base du noyau de f .
. Il est alors clair que B 0 = (ε1 , . . . , εn ) est une base de Kn et que la matrice de f




dans celle-ci est diagonale.

(a + λ)xn−1 − (b + λ)xn = 0

n
a) On vérifie
En posant M = (ai aj )16i,j6n , on vérifie M 2 = λM avec λ = a2k .
P
−1
k=1 In D In −D
Si λ 6= 0 alors M annule un polynôme scindé simple, elle est donc diagonalisable. =
On In On In
Si λ = 0 alors M 2 = 0 et donc M est diagonalisable si, et seulement si, M = 0 ce
qui revient à (a1 , . . . , an ) = 0. b) On observe
−1
In D A C In D A E
=
Exercice 78 : [énoncé] On In On B On In On B
Si A est diagonalisable alors il existe une matrice P inversible telle que
P −1 AP = D diagonale. En transposant, t P t At (P −1 ) = D c’est-à-dire avec E = AD + C − DB.
Qt AQ−1 = D avec Q = t P inversible d’inverse Q−1 = t (P −1 ). Pour conclure, montrons qu’il existe D ∈ Mn (C) vérifiant DB − AD = C.
Considérons pour cela l’endomorphisme ϕ de Mn (C) défini par
Exercice 79 : [énoncé] ϕ(M ) = M B − AM

Il existe des matrices P ∈ GLn (K) et D ∈ Dn (K) telles que
Pour M ∈ ker ϕ, on a M B = AM .
AB = P DP −1 Pour tout X vecteur propre de B associé à une valeur propre λ, on a
On a alors AM X = M BX = λM X
A(BA)A−1 = P DP −1
puis Puisque λ est valeur propre de B, λ n’est pas valeur propre de A et donc
BA = (A −1
P )D(P −1
A) = (A −1
P )D(P −1
A) −1 M X = On,1 .
Puisqu’il existe une base de vecteurs propres de B et puisque chacun annule M ,
on a M = On .
Exercice 80 : [énoncé] Ainsi l’endomorphisme ϕ est injectif, or Mn (C) est de dimension finie donc ϕ est
Soient F1 et F2 des sous-espaces vectoriels supplémentaires de dimension p et q bijectif. Ainsi il existe une matrice D telle ϕ(D) = C et, par celle-ci, on obtient la
d’un K-espace vectoriel E. Soit B = (B1 , B2 ) une base adaptée à la similitude demandée.
supplémentarité de F1 et F2 et f1 , f2 et f les endomorphismes de F1 , F2 et E
déterminés par Mat(f1 , B1 ) = A1 , Mat(f2 , B2 ) = A2 et Mat(f, B) = A. Il est clair
que pour tout λ ∈ K, on a Eλ (f ) = Eλ (f1 ) ⊕ Eλ (f2 ). En caractérisant la Exercice 83 : [énoncé]
diagonalisabilité par la somme des dimensions des sous-espaces propres, on Il existe des matrices P ∈ GLn (R) et D ∈ Dn (R) telles que
conclut à l’équivalence voulue.
B = P DP −1
Exercice 81 : [énoncé] Si AB 3 = B 3 A alors

X1 AP D3 P −1 = P D3 P −1 A
a) X = ,
X2
puis on obtient
BX = λX ⇔ X2 = λX1 etAX1 = λX2 ⇔ X2 = λX1 etAX1 = λ2 X1 .
M D3 = D3 M
Par conséquent λ est valeur propre de B si, et seulement si, λ2 est valeur propre
de A. avec M = P −1 AP .
b) Si A = On alors A est diagonalisable mais pas B. Notons mi,j le coefficient général de M et λ1 , . . . , λn les coefficients diagonaux de
En effet, 0 est la seule valeur propre de B alors que B 6= On . D.
La relation M D3 = D3 M donne Exercice 86 : [énoncé]

2 a) clair, notamment il n’y a pas de problème sur le degré de ϕ(P ).
∀(i, j) ∈ {1, . . . , n} , mi,j λ3j = mi,j λ3i b) ϕ(X k ) = X k − k(X + 1)X k−1 = (1 − k)X k − kX k−1 . La matrice de ϕ dans la
et donc base canonique de E est triangulaire supérieure. Les coefficients diagonaux sont
2 alors les racines du polynôme caractéristique et ce sont donc les valeurs propres de
∀(i, j) ∈ {1, . . . , n} , mi,j = 0 ou λ3i = λ3j
ϕ à savoir 1, 0, −1, . . . , (1 − n). Ces n + 1 = dim E valeurs sont distinctes donc ϕ
Comme la fonction x 7→ x3 est injective sur R, on obtient est diagonalisable.
2
∀(i, j) ∈ {1, . . . , n} , mi,j = 0 ou λi = λj
et donc
M D = DM
L’application f est clairement linéaire de R [X] vers lui-même. De plus, si
puis deg P 6 n, il est aisé d’observé que deg f (P ) 6 n. On peut donc conclure que f
AB = BA est un endomorphisme de Rn [X]. Pour tout k ∈ {0, . . . , n},
f (X k ) = k(k + 1)X k − k(k − 1)X k−2 ce qui permet de former la représentation
matricielle souhaitée. On constate alors que la matrice de f est triangulaire de
Exercice 84 : [énoncé] coefficients diagonaux 0, . . . , k(k + 1), . . . , n(n + 1) distincts. Il est alors aisé de
On peut écrire calculer le polynôme caractéristique de f est de conclure que f est diagonalisable,
A = P DP −1 et B = Q∆Q−1 de valeurs propres 0, . . . , k(k + 1), . . . , n(n + 1) et de sous-espaces propres de
avec P, Q ∈ GLn (K) et D, ∆ ∈ Mn (K) diagonales. dimension 1.
Si Ap M Qq = On alors
Dp N ∆q = On
avec N = P −1 M Q = (ni,j ). Exercice 88 : [énoncé]
En notant λ1 , . . . , λn et µ1 , . . . , µn les coefficients diagonaux de D et ∆, on obtient a) Si deg P 6 n − 1, il est clair que ϕ(P ) ∈ E. Si deg P = n après simplification
2
des termes en X n+1 , on obtient que ϕ(P ) ∈ E. La linéarité de ϕ est claire et donc
∀(i, j) ∈ {1, . . . , n} , λqi ni,j µqj = 0 on peut conclure que ϕ est un endomorphisme.
et donc b) La matrice de ϕ dans la base canonique est tri-diagonale et peu pratique.
2
∀(i, j) ∈ {1, . . . , n} , λi ni,j µj = 0 Formons plutôt la matrice de ϕ dans la base des (X − a)k
ϕ((X − a)k ) = k(X − a)k (X − b) − nX(X − a)k donc
puis ϕ((X − a)k ) = (k − n)(X − a)k+1 + (k(a − b) − na)(X − a)k et cette fois-ci la
DN ∆ = On matrice de ϕ est triangulaire inférieure à coefficients diagonaux distincts :
ce qui permet de conclure. −nb, −(a + (n − 1)b), −(2a + (n − 2)b), . . . , −((n − 1)a + b), −na qui sont les
valeurs propres de ϕ. Puisque ϕ admet n + 1 valeurs propres distinctes et que
dim E = n + 1, on peut conclure que ϕ est diagonalisable
Puisque Im(u − IdE ) ∩ Im(u + IdE ) = {0}, on a
rg(u − IdE ) + rg(u + IdE ) 6 dim E Exercice 89 : [énoncé]
Si M appartient à l’hyperplan des matrices de trace nulle alors φ(M ) = M et
puis par la formule du rang donc M ∈ E1 (φ).
dim ker(u − IdE ) + dim ker(u + IdE ) > dim E Ainsi l’espace propre E1 (φ) est de dimension au moins égale à n2 − 1.
De plus, φ(In ) = (n + 1)In donc l’espace propre En+1 (φ) est de dimension au
On en déduit que u est diagonalisable de valeurs propres possibles 1 et −1. moins égale à 1.
Puisque la somme des dimensions des sous-espaces propres est au moins égale à Exercice 92 : [énoncé]
n2 = dim Mn (R), l’endomorphisme φ est diagonalisables (et les inégalités B = α(X − x0 ) . . . (X − xn ).
précédentes étaient des égalités). Si P ∈ Rn [X] est vecteur propre de Φ associé à la valeur propre λ alors
B | (A − λ)P . Pour des raisons de degré, B et A − λ ne peuvent être premiers
entre eux, ces polynômes ont donc une racine commune. Ainsi il existe
Exercice 90 : [énoncé] i ∈ {0, . . . , n} tel que λ = A(xi ). Inversement pour λ = A(xi ),
n
a) Soit P un polynôme. P (F )(u) = P (f ) ◦ u donc P (f ) = 0 ⇔ P (F ) = 0. La P =
Q
(X − xj ), Φ(P ) = λP avec P 6= 0. Ainsi SpΦ = {A(xi )/i ∈ [[0, n]]}.
diagonalisabilité étant équivalente à l’existence d’un polynôme scindé à racines j=0,j6=i
simples, on peut conclure. Précisons le sous-espace propre associé à la valeur propre λ = A(xi ). Quitte à
b) f et F ont le même polynôme minimal donc les mêmes valeurs propres. réindexer, on peut supposer que λ = A(x0 ).
c) Tout u ∈ L(E, Eλ (f )) ⊂ L(E) est élément de Eλ (F ) donc S’il existe d’autres xi tels que λ = A(xi ) on réindexe encore les x1 , . . . , xn de sorte
dimPEλ (F ) > dim E × dim Eλ (f ).PMais par diagonalisabilité dim L(E)) = que λ = A(x0 ) = . . . = A(xp ) et λ 6= A(xp+1 ), . . . , A(xn ). Ainsi x0 , . . . , xp sont
dim Eλ (F ) > dim E × dim Eλ (f ) = dim E 2 = dim L(E) et donc on racines de A − λ alors que xp+1 , . . . , xn ne le sont pas.
λ∈Sp(F ) λ∈Sp(f ) Pour P ∈ Rn [X], on a Φ(P ) = λP si, et seulement si, B | (A − λ)P . Or
a les égalités dim Eλ (F ) = dim E × dim Eλ (f ) pour tout λ ∈ Sp(f ). A − λ = (X − x0 ) . . . (X − xp )Ã avec xp+1 , . . . , xn non racines de Ã. Puisque
(X − xp+1 ) . . . (X − xn ) ∧ Ã = 1, B | (A − λ)P équivaut à
(X − xp+1 ) . . . (X − xn ) | P .
Exercice 91 : [énoncé] Ainsi Eλ (Φ) = {(X − xp+1 ) . . . (X − xn )Q/Q ∈ Rn−p [X]}.
a) oui La somme des dimensions des sous-espaces propres étant égal à la dimension de
b) Pour f ∈ L(E). l’espace, Φ est diagonalisable.
Si Imf ⊂ Imp et ker p ⊂ ker f alors F(f ) = f .
Un tel endomorphisme f est entièrement déterminé par sa restriction de Imp vers
Imp. Exercice 93 : [énoncé]
On en déduite dim E1 (F) > (dim Imp)2 . Posons φ l’endomorphisme de L(E) étudié. On observe que φ3 = φ. Par
Si Imf ⊂ ker p et Imp ⊂ ker f alors F(f ) = 0. annulation d’un polynôme scindé simple, on peut affirmer que φ est diagonalisable
Un tel endomorphisme f est entièrement déterminé par sa restriction de ker p vers de seules valeurs propres possibles 0, 1 et −1.
ker p. à la projection f , la matrice de cet
En introduisant unebase adaptée
On en déduit dim E0 (F) > (dim ker p)2 . Ir 0
endomorphisme est
Si Imf ⊂ Imp et Imp ⊂ ker f alors F(f ) = 12 f . 0 0
Un tel endomorphisme f est entièrement déterminé par sa restriction de ker p vers

A B
Imp. En notant la matrice de u dans cette base, on obtient :
C D
Si Imf ⊂ ker p et ker p ⊂ ker f alors F(f ) = 12 f . φ(u) = 0 ⇔ B = 0 et C = 0.
Un tel endomorphisme f est entièrement déterminé par sa restriction de Imp vers φ(u) = u ⇔ A = 0, C = 0 et D = 0.
ker p. φ(u) = −u ⇔ A = 0, B = 0 et D = 0.
De plus un endomorphisme appartenant à ces deux dernières catégories est
nécessairement nul.
On en déduit dim E1/2 (F) > 2 dim ker p × dim Imp. Exercice 94 : [énoncé]
Or (dim Imp)2 + 2 dim ker p dim Imp + (dim ker p)2 = (dim Imp + dim ker p)2 = Si b = 0 alors f = 0. Sinon, par la formule du double produit vectoriel
dim E 2 = dim L(E) donc f (x) = (a | x)b − (a | b)x.
F est diagonalisable et f (b) = 0 et pour tout x ∈ Vect(a)⊥ , f (x) = −(a | b)x.
c) dim E1 (F) = (dim Imp)2 , dim E0 (F) = (dim ker p)2 et Si (a | b) 6= 0 alors f est diagonalisable dans une base adaptée à
dim E1/2 (F) = 2 dim ker p × dim Imp. R3 = Vect(a)⊥ ⊕ Vect(b).
Si (a | b) = 0 alors f (x) = (a | x)b et tout vecteur propre de f est soit colinéaire à 1ère démarche : Soit λ une valeur propre de f . Eλ (f ) est stable par f et donc
b, soit orthogonal à a. Or b est orthogonal à a donc les vecteurs propres de f sont possède un supplémentaire F stable par f .
tous orthogonaux à a. Dans ce cas f est diagonalisable si, et seulement si, a = 0. Si F = {0} alors f est diagonalisé.
Sinon, la restriction de f à F possède au moins une valeur propre µ qui est bien
entendu valeur propre de f . L’espace Eλ (f ) ⊕ Eµ (f ) est stable par f et donc
Exercice 95 : [énoncé] possède un supplémentaire G stable par f .
Supposons f diagonalisable et soit B = (e1 , . . . , en ) une base de vecteurs propres Si G = {0} alors f est diagonalisé.
de f . Pour 1 6 i, j 6 n, on pose gi,j l’endomorphisme de E déterminé par Sinon, on itère le processus.
gi,j (ek ) = δj,k ei . La famille (gi,j ) est une base de L(E) et on observe 2ème démarche : Le sous-espace vectoriel F = ⊕ Eλ (f ) est stable par f , il
λ∈Spf
T (gi,j ) = (λi − λk )gi,j donc T est diagonalisable.
admet donc un supplémentaire stable G, si G 6= {o} alors fG admet un vecteur
Supposons f nilpotente, c’est-à-dire qu’il existe n ∈ N? pour lequel f n = 0.
propre qui sera aussi vecteur propre de f donc élément de F . C’est contradictoire
Puisque T p (g) est combinaison linéaire de termes de la forme f k ◦ g ◦ f p−k , il est
donc G = {0} et E = ⊕ Eλ (f ).
assuré que T 2n = 0 et donc que T est nilpotente. λ∈Spf

(⇒) Supposons f et g commutent. a) ok
b) Supposons g ∈ Cf . Pour tout λ ∈ Sp(f ) et tout x ∈ Eλ (f ),
∀x ∈ ker(f − λ.Id), (f − λId)(g(x)) = g(f (x) − λx) = 0 f (g(x)) = g(f (x)) = g(λx) = λg(x) donc g(x) ∈ Eλ (f ). Ainsi les sous-espaces
propres sont stables par g.
donc ker(f − λId) est stable par g.
(⇐) Supposons que chaque sous-espace propre soit stable par g.
Inversement, supposons que chaqueP sous-espace propre soit stable par g. Pour
P tout x ∈ E, on peut écrire x = xλ et on a
Puisque E = ⊕ Eλ (f ), pour tout x ∈ E, on peut écrire x = xλ avec λ∈Sp(f )
λ∈Sp(f ) λ∈Sp(f )
xλ ∈ Eλ et alors X
 
(g ◦ f )(x) = λg(xλ ) = (f ◦ g)(x) g(f (x)) = g 
X
λxλ  =
X
λg(xλ )
λ∈Sp(f )
donc f ◦ g = g ◦ f .
et  
X X
f (g(x)) = f  g(xλ ) = λg(xλ )
Notons λ1 , . . . , λn les valeurs propres deux à deux distinctes de v et µ1 , . . . , µn des
complexes tels que µ2k = λk . Par interpolation, il existe un polynôme P (de degré donc f et g commutent. Q
strictement inférieur à n) tel que P (λk ) = µk . Considérons alors u = P (v). Pour c) Considérons ϕ : L(E) → L(Eλ (f )) l’endomorphisme défini par ϕ(g) est
tout x ∈ Eλk (v), u(x) = P (v)(x) = P (λk )(x) = µk x donc u2 (x) = λk x = v(x). Les λ∈Sp(f )
endomorphismes u2 et v coïncident sur les espaces propres de v dont la somme est le produit des restrictions aux Eλ (f ) de g. Cette application est bien définie en
égale à E car v est diagonalisable. vertu des stabilités évoquées en b). Cette application est clairement bijective car,
par diagonalisabilité de f , E = ⊕ Eλ (f ) et qu’on sait une application g est
λ∈Sp(f )
alors entièrement déterminée par ses restrictions aux Eλ (f ). Par isomorphisme
Exercice 98 : [énoncé] dim Cf =
P
αλ2 .
Rappelons que tout endomorphisme d’un C-espace vectoriel possède au moins un λ∈Sp(f )
valeur propre. d) Ici dim Cf = n et les Id, f, . . . , f n−1 sont clairement éléments de Cf .
Supposons λ0 Id + λ1 f + · · · + λn−1 f n−1 = 0. Posons Exercice 102 : [énoncé]

P = λ0 + λ1 X + · · · + λn−1 X n−1 . Ce polynôme est annulateur de f donc les Les endomorphismes recherchés sont les endomorphismes diagonalisables.
valeurs propres de f en sont racines. Ce polynôme possède au moins n racines, or En effet, si f est diagonalisable et si F est un sous-espace vectoriel stable par f
il est de degré strictement inférieur à n, donc il est nul et ainsi alors puisque fF est diagonalisable, il existe une base de F formée de vecteurs
λ0 = . . . = λn−1 = 0. propres de f . En complétant cette base à l’aide de vecteur bien choisis dans une
Finalement (Id, f, . . . , f n−1 ) est une famille libre formé de n = dim Cf éléments de base diagonalisant f , les vecteurs complétant engendrent un supplémentaire de F
Cf , c’en est donc une base. stable par f .
Inversement, si f ∈ L(E) vérifie la propriété proposée alors le sous-espace vectoriel
F = ⊕ Eλ (f ) étant stable par f , celui-ci admet un supplémentaire stable. Or f
Exercice 100 : [énoncé] λ∈Spf
a) Notons λ1 , . . . , λn les n valeurs propres distinctes de f et x1 , . . . , xn des ne possède pas de vecteurs propres sur ce dernier et celui ne peut donc qu’être {0}
vecteurs propres associés. La famille (x1 , . . . , xn ) est base de E. car ici le corps de base est C. Par suite F = E et donc f est diagonalisable.
Posons a = x1 + · · · + xn . Pour tout k ∈ {0, 1, . . . , n − 1},
f k (a) = λk1 x1 + · · · + λkn xn Exercice 103 : [énoncé]

Supposons α0 a + α1 f (a) + · · · + αn−1 f n−1
(a) = 0. En exprimant cette relation en On vérifie aisément que Φ est endomorphisme de S2 (R).
fonction des vecteurs de la famille libre (x1 , . . . , xn ), on parvient à a) En choisissant la base de S2 (R) formée des matrices E1,1 , E2,2 et E1,2 + E2,1 ,
P (λ1 ) = . . . = P (λn ) = 0 avec on obtient la matrice de Φ suivante
 
P = α0 + α1 X + · · · + αn−1 X n−1 2a 0 2b
 0 2d 2c 
Le polynôme P admet plus de racines que son degré donc P = 0 puis c b a+d
α0 = . . . = αn−1 = 0.
Ainsi la famille (a, f (a), . . . , f n−1 (a)) est libre et finalement base de E. b) Par la règle de Sarrus, on calcule χΦ (λ) et on obtient
b) La matrice de f dans la base considérée est de la forme
  χΦ (2λ) = −4(2λ − (a + d))χA (λ)
0 0 α0
..  c) Posons ∆ égal au discriminant de χA .
 1 ...

 .   Si ∆ > 0 alors χΦ possède trois racines réelles distinctes
 .. .. 
 . 0 .  √ √
0 1 αn−1 a + d, a + d + ∆ et a + d − ∆
avec Si ∆ = 0 alors χΦ possède une racine réelle triple

f n (a) = α0 a + α1 f (a) + · · · + αn−1 f n−1 (a)
a+d
Exercice 101 : [énoncé] Si ∆ < 0 alors χΦ possède une racine réelle et deux racines complexes non réelles.
a) ϕ(Ei,j ) = (λi − λj )Ei,j . La matrice de ϕ relative à la base canonique de Supposons Φ diagonalisable.
Mn (K) est diagonale. Le polynôme caractéristique de Φ est scindé sur R donc ∆ > 0.
b) Soit B une base de E dans laquelle l’endomorphisme f est représenté par une Si ∆ > 0 alors χA possède deux racines réelles distinctes et donc la matrice A est
matrice diagonale D. En introduisant l’image réciproque de la base canonique de diagonalisable.
Mn (K) par l’isomorphisme de représentation matricielle dans B, on obtient une Si ∆ = 0 alors Φ est diagonalisable et ne possède qu’une seule valeur propre
base de L(E) dans laquelle φ est représenté par une matrice diagonale. λ = a + d donc l’endomorphisme Φ est une homothétie vectorielle de rapport égal
à cette valeur propre. On obtient matriciellement b) Il existe une matrice P inversible tel que A = P DP −1 avec D = diag(1, 3, −4).
    Si M ∈ Mn (C) est solution de l’équation M 2 = A alors (P −1 M P )2 = D et donc
2a 0 2b a+d 0 0 P −1 M P commute avec la matrice D. Or celle-ci est diagonale à coefficient
 0 2d 2c  =  0 a+d 0  diagonaux distincts donc P −1 M P est diagonale de coefficients diagonaux a, b, c
c b a+d 0 0 a+d vérifiant a2 = 1, b2 = 3 et c2 = −4. La réciproque est immédiate. Il y a 8 solutions
possibles pour (a, b, c) et donc autant de solutions pour M . Les solutions réelles
On en déduit sont a fortiori des solutions complexes or toutes les solutions complexes vérifient
a b a 0
A= = trM = a + b + c ∈ C\R. Il n’existe donc pas de solutions réelles.
c d 0 a
et donc la matrice A est diagonalisable.
d) Supposons A diagonalisable Exercice 107 : [énoncé]
Le polynôme caractéristique de A est scindé sur R donc ∆ > 0. a) det(A − λI) = (λ − 2)(λ − 6).
Si ∆ > 0 alors Φ est diagonalisable car possède 3 valeurs propres réelles distinctes.
(
5x + 3y = 2x

1
Si ∆ = 0 alors A possède une seule valeur propre et étant diagonalisable, c’est une ⇔ x + y = 0 et est vecteur propre associé à la valeur
x + 3y = 2y −1
matrice scalaire
propre 2.

a 0
A= (
5x + 3y = 6x

0 a 3
⇔ −x + 3y = 0 et est vecteur propre associé à la valeur
x + 3y = 6y 1
et alors la matrice de Φ est diagonale
propre 6.
On a A = P DP −1 avec
 
2a 0 0
 0 2a 0 
1 3 2 0
0 0 2a P = et D =
−1 1 0 6
b) Si M est solution alors P −1 M P est solution de l’équation X 2 + X = D donc

Exercice 104 : [énoncé] P −1 M P et D commutent or D est diagonale à coefficients diagonaux distincts
A est diagonalisable avec SpA = {1, 4}. donc P −1 M P est diagonale
Pour Pn un polynôme vérifiant Pn (1) = 1n et Pn (4) = 4n , on a An = P (A). c) Les coefficients diagonaux a, b vérifient a2 + a = 2 et b2 + b = 6 donc a = 1 ou
n n n n
Pn = 1n + 4 −13 (X − 1) convient et donc An = 4 3−1 A + 4−4
3 I3 . a = −2 et b = 2 ou b = −3. Au termes des calculs on obtient les solutions

1 7 3 −2 −3 1 3 1 −11 −3
, , ,
Exercice 105 : [énoncé] 4 1 5 −1 0 1 −1 4 −1 −9
a) α = trA = 2 cos θ et β = − det A = − cos 2θ conviennent.
b) Les racines de X 2 − 2 cos θX + cos 2θ sont cos θ + sin θ et cos θ − sin θ.
n 2 Exercice 108 : [énoncé]
Réalisons la division euclidienne X par X − 2 cos θX + cos 2θ.
X n = X 2 − 2 cos θX + cos 2θ Q(X) + R(X) avec deg R < 2, a)
R(cos θ + sin θ) = (cos θ + sin θ)n et R(cos θ − sin θ) = (cos θ − sin θ)n . −λ 1 0 ··· 0
..
n

−(cos θ−sin θ)n ..
On obtient R = (cos θ+sin θ)2 sin (X − cos θ − sin θ) + (cos θ + sin θ)n .

θ 0 −λ
1 . .

det(J − λ.In ) = ... .. .. .. n
0 = (−λ) + (−1)
n+1
= (−1)n (λn − 1).

. . .
.. ..
Exercice 106 : [énoncé] 0
. . 1
a) sp(A) = {1, 3, −4}. 1 0 ··· 0 −λ
J possède exactement n valeurs propres qui sont les racines n ème de l’unité Exercice 111 : [énoncé]
2ikπ
ω0 , ..., ωn−1 avec ωk = e n . a) C’est du cours.
b) Soit P ∈ GLn (C) la matrice de passage telle que J = P DP −1 avec b) On charge le package permettant les manipulations linéaires puis on définit la
D = diag(ω0 , ..., ωn−1 ).  matrice
a0 a1 ··· an−1
..  with(linalg):
 an−1 . . . ..

. . 
 = a0 I + a1 J + a2 J 2 + · · · + an−1 J n−1 A:=matrix(4,4,[20,12,-4,12,-4,-3,9,-5,-4,1,5,-5,-8,-10,6,-2]);
A= . 
 .. .. .. 
. . a1 
On recherche les éléments propres de cette matrice
a1 · · · an−1 a0
n−1
donc P −1 AP = a0 I + a1 D + a2 D2 + · · · + an−1 Dn−1 = diag((
P
ak ωik )06i6n−1 eigenvects(A);
k=0
n−1
Q n−1 On peut conclure que A est diagonalisable semblables à diag(8, 4, 12, −4) et
−1
ak ωik .
P
puis det A = det(P AP ) = concrétiser cette diagonalisation
i=0 k=0
P:=concat(vector([-2, 3/2, 3/2, 1]),vector([-2, 1, 1, 2]),vector([-4, 1, 1,

evalm(inverse(P)&*A&*P);
La colonne t 1 1 1 est vecteur propre associé à la valeur propre 6. On peut faire la même étude avec la deuxième matrice
Les deux√
matrices√ont le même polynôme caractéristique et celui-ci a pour racines
B:=matrix(4,4,[-12,-16,-8,-4,4,13,1,-1,4,5,9,-1,8,10,2,6]);
6, −3+i
2
3
et −3−i
2
3
. √ √ eigenvects(B);
−3+i 3 −3−i 3
Ces deux matrices sont semblables à diag 6, 2 , 2 et donc a fortiori Q:=concat(vector([-4, 1, 1, 2]),vector([1, 0,-3, 1]),vector([0, 1,-3, 2]),v
semblables entre elles dans Mn (C), mais aussi, et c’est assez classique, dans evalm(inverse(Q)&*B&*Q);
Mn (R).
et on observe que la deuxième matrice est semblable à diag(−4, 8, 8, 4).
Puisque dans les deux cas la matrice A est diagonalisable, les matrices commutant
avec A sont celles laissant stables les sous-espaces propres de A.
Exercice 110 : [énoncé] Dans le premier cas, les matrices commutant avec A sont de la forme P DP −1
ϕ(I2 ) = 1 donc si P est inversible alors ϕ(P −1 ) = ϕ(P )−1 . Par suite, si A et B avec D matrice diagonale et P la matrice de passage définie dans le code Maple
sont semblables
ϕ(A)
alors = ϕ(B).
précédent..
µ 0 1 0 1 0 L’ensemble de ces matrices est une sous-algèbre de dimension 4 de M4 (K).
Puisque et sont semblables, ϕ = µ puis
0 1 0 µ 0 µ Dans le deuxième cas, les matrices commutant avec A sont de la forme Q∆Q−1
λ 0 avec ∆ diagonale par blocs de la forme suivante
ϕ = λµ. Ainsi pour A diagonale, ϕ(A) = det A et plus généralement
0 µ  
cela vaut encore pour A diagonalisable. Si A est une matrice deM2 (C), non a 0 0 0
λ α  0 b c 0 
diagonalisable, celle-ci est semblable à une matrice de la forme . ∆=  0 d e 0 

0 λ
Si λ = 0 alors A2 = 0 et donc ϕ(A)
= 0 = det A. 0 0 0 f
λ α 1 0 λ α λ α
Si λ 6= 0 alors puisque = et que est et Q la matrice de passage définie dans le code Maple précédent
0 λ 0 2 0 2λ 0 2λ
diagonalisable, on obtient 2ϕ(A) = 2λ2 = 2 det A et on peut conclure. L’ensemble de ces matrices est une sous-algèbre de dimension 6 de M4 (K).
c) Dans les deux cas, si X est solution de l’équation X 2 = A alors X commute
avec A et la droite vectorielle sous-espace propre associée à la valeur propre
strictement négative de A est stable par X (aussi l’argument det A < 0 permet Il existe donc une matrice inversible P vérifiant
d’affirmer l’incompatibilité de l’équation X 2 = A dans M4 (R)).
Ir Or,n−r

−1
Dans M4 (C), les solutions de l’équation X 2 = A sont à rechercher parmi les P AP =
On−r,r −In−r
matrices commutant avec A et sont donc de la forme P DP −1 (ou Q∆Q−1 ) avec
D (ou ∆) de carré convenable. Soit M un autre élément de G. Puisque A et M commutent, les sous-espaces
Dans le premier cas, on obtient 16 solutions de la forme propres de A sont stables par M et on peut donc écrire
 √ 
M0 Or,n−r

2 2ε1 (0) P −1 M P =
2ε2  −1 On−r,r M 00
√

P P
 2 3ε3  Sachant M 2 = In , on a M 02 = Ir et M 002 = In−r de sorte que les ensembles G0 et
(0) 2iε4 G00 formés des matrices M 0 et M 00 ainsi obtenues sont des sous-groupes de
respectivement (GLr (R), ×) et (GLn−r (R), ×). Par hypothèse de récurrence, il
avec εi = ±1.
existe P 0 et P 00 inversibles telles que
Une solution particulière est obtenue par
∀M 0 ∈ G0 , P 0−1 M 0 P 0 ∈ Dr (K) et ∀M 00 ∈ G00 , P 00−1 M 00 P 00 ∈ Dn−r (K)
evalm(P&*diag(2*sqrt(2),2,2*sqrt(3),2*I)&*inverse(P));
et en posant alors
La somme des solutions est nulle et le produit des solutions vaut A8 .
P0 Or,n−r

Dans le second cas, on obtient une infinité de solution de la forme Q= P ∈ GLn (R)
On−r,r P 00
 
2iε1 (0) on a
√
Q 2 2S  Q−1 ∀M ∈ G, Q−1 M Q ∈ Dn (K)
(0) 2ε2 Récurrence établie.
c) Les matrices appartenant à G sont semblables, via une même matrice de
avec εi = ±1 et S ∈ M2 (C) vérifiant S 2 = I2 . passage, à des matrices diagonales dont les coefficients diagonaux ne peuvent
Une solution particulière est obtenue par qu’être 1 et −1. Il n’existe que 2n matrices de ce type dans Mn (R), on en déduit
evalm(Q&*diag(2*I,2*sqrt(2),2*sqrt(2),2)&*inverse(Q)); CardG 6 2n
d) Soit ϕ un isomorphisme de (GLn (R), ×) vers (GLm (R), ×).
Considérons l’ensemble G formé des matrices diagonales M de Mn (R) vérifiant
Exercice 112 : [énoncé] M 2 = In . G est un sous-groupe de (GLn (R), ×) de cardinal exactement 2n .
a) Pour tout élément A ∈ G, on a A−1 = A. On en déduit que pour tout A, B ∈ G, Puisque pour tout M ∈ G,
AB = (AB)−1 = B −1 A−1 = BA ϕ(M )2 = ϕ(M 2 ) = ϕ(In ) = Im
b) Montrons le résultat par récurrence forte sur n > 1. l’ensemble ϕ(G) est un sous-groupe de (GLm (R), ×) vérifiant
Pour n = 1, la propriété est immédiate. ∀M 0 ∈ ϕ(G), M 02 = Im
Supposons le résultat vrai jusqu’au rang n − 1 > 1. Par l’étude qui précède, on peut affirmer
Soit G un sous-groupe de GLn (R) vérifiant la propriété de l’énoncé. Cardϕ(G) 6 2m
S’il n’existe pas d’autre élément dans G que In et −In , la propriété est acquise. et puisque
Sinon, il existe un élément A ∈ G autre que In et −In . Puisque A2 = In , on a Cardϕ(G) = CardG = 2n
on en déduit n 6 m.
ker(A − In ) ⊕ ker(A + In ) = Rn Un raisonnement symétrique donne m > n et permet de conclure.
Exercice 113 : [énoncé] et donc

a) Puisque de taille 3 avec 3 valeurs propres distinctes, la matrice A est 3ch3 + 2ch2 − 5ch1
α=
diagonalisable et son polynôme minimal est 30
De même, on obtient
ΠA = (X + 2)(X − 1)(X − 3)
3ch3 − 8ch2 + 5ch1 5ch1 + ch2 − ch3
La division euclidienne de X n par ΠA s’écrit β= et γ =
30 5
X n = ΠA Q + R avec deg R < 2
Le polynôme R peut s’écrire
a) Puisque f possède n valeurs propres en dimension n, il est diagonalisable et ses
R(X) = a(X − 1)(X − 3) + b(X − 3) + c valeurs propres sont simples. Les sous-espaces propres de f sont donc de
dimension 1.
et l’évaluation de la relation division euclidienne en −2, 1 et 3 donne b) g ◦ f = g 3 = f ◦ g.
Puisque f et g commutent, les sous-espaces propres de f sont stables par g.
 n
 15a − 5b + c = (−2)
 Si x est vecteur propre de f associé à la valeur propre λ alors g(x) appartient au
2b + c = 1 même sous-espace propre et puisque celui-ci est une droite et que x est non nul,
g(x) est colinéaire à x. Ainsi x est vecteur propre de g.
c = 3n


c) Notons λ1 , . . . , λn les valeurs propres de f et considérons une base de vecteurs
puis propres de f dans laquelle la matrice de f est
3n+1 − (−2)n+1 − 5


 a = D = diag(λ1 , . . . , λn )
30



3n − 1
b= Un endomorphisme g de E vérifiant g 2 = f a une matrice diagonale dans la base
2


de vecteurs propres de f précédente.


c = 3n

Résoudre l’équation g 2 = f revient alors à résoudre l’équation ∆2 = D avec ∆ la
et enfin matrice diagonale
∆ = diag(α1 , . . . , αn )
3n+1 − (−2)n+1 − 5 2 3n+1 + (−2)n+3 + 5 3n − (−2)n − 5
R(X) = X + X +− L’équation ∆2 = D équivaut à
30 30 5
En évaluant la relation de division euclidienne en A, on obtient ∀1 6 i 6 n, αi2 = λi
3n+1 − (−2)n+1 − 5 2 3n+1 + (−2)n+3 + 5 −3n + (−2)n + 5 Si les λi ne sont pas tous positifs ou nuls, il n’y a pas de solutions.
An = R(A) = A + A+ I3
30 30 5 Si les λi sont tous positifs ou nuls alors les solutions de l’équation g 2 = f sont les
endomorphismes représentés dans la base de vecteurs propres de f par les matrices
b) En vertu de ce qui précède
p p
chA = αA2 + βA + γI3 diag(± λ1 , . . . , ± λn )
avec Si aucune des valeurs propres n’est nulle, il y a 2n solutions et si l’une d’elle est
nulle, il y a 2n−1 solutions.
+∞ +∞ +∞
!
1 X 32n X 22n X 1
α= 3 +2 −5
30 n=0
(2n!) n=0
(2n)! n=0
(2n)!
Exercice 115 : [énoncé] La suite v de terme général vn = e−inθ vérifie alors

Supposons que l’équation étudiée admet une solution θ.
En passant aux parties réelle et imaginaire on obtient ∀n ∈ N, vn+k = vn + vn+k−1
(
cos θ + cos kθ = 1 et donc la suite u = Rev est un élément non nul de Sk . Puisque
sin θ + sin kθ = 0 nπ
un = cos
3
La deuxième équation donne
la suite u est périodique et non nulle.
θ = −kθ [2π] ou θ = π − kθ [2π] Inversement, montrons qu’il est nécessaire que 6 divise k + 1 pour qu’il existe une
suite périodique non nulle dans Sk . On vérifie aisément que Sk est un R-espace
Si θ = π − kθ [2π] alors cos θ + cos kθ = 0 et le système initial n’est pas vérifié. vectoriel de dimension k dont une base est formée par les suites e0 , e1 , . . . , ek−1
Si θ = −kθ [2π] alors déterminées par
cos θ + cos kθ = 1 ⇔ cos θ = 1/2 ∀0 6 n 6 k − 1, ej (n) = δn,j et ∀n ∈ N, ej (n + k) = ej (n) + ej (n + k − 1)
ce qui donne θ = π/3 [2π] ou θ = −π/3 [2π]. Considérons l’endomorphisme T : (un ) 7→ (un+1 ) opérant sur RN .
Cas θ = π/3 [2π] On vérifie aisément que T laisse stable Sk ce qui permet d’introduire
On obtient ( l’endomorphisme induit par T sur Sk que nous noterons encore T . Affirmer
θ = π/3 + 2pπ l’existence d’une suite périodique non nulle dans Sk signifie que 1 est valeur
(k + 1)θ = 2qπ propre d’une puissance T q de T .
La matrice de T dans la base (e0 , . . . , ek−1 ) est
avec p, q ∈ Z.
On a alors 
0 ··· ··· 0 1

(6p + 1)(k + 1) = 6` ..
 1 ...
 
. 0 
Puisque 6` ∧ (6p + 1) = 1, le théorème de Gauss donne 6 | (k + 1).  
. . 
 0 . . . . . . .. .. 

Inversement, si 6 | (k + 1) alors on peut écrire k + 1 = 6` et pour θ = π/3  
 . .
 .. .. ... 0 0 

eiπ/3 + ei(6`−1)π/3 = eiπ/3 + e−iπ/3 = 1
0 ··· 0 1 1
donc l’équation étudiée admet au moins une solution.
Cas θ = −π/3 [2π] car T (ek−1 ) = ek−1 + e0 . Le polynôme caractéristique de T est
Une étude semblable conduit à la même condition.
−X 0 ··· 0 1
Finalement, l’équation étudiée possède une solution réelle si, et seulement si,
.

. .. ..
1 −X 0
6 | (k + 1)
. . .

χT (X) = 0
.. .. 0 .
.

b) Supposons que 6 divise k + 1. Pour θ = π/3 on a . ..
..

. 1 −X 0

eiθ + eikθ = 1 0 ··· 0 1 1−X
donc en multipliant par e−ikθ Par l’opération L1 ← L1 + XL2 + X 2 L3 + · · · + X n−1 Ln , on obtient
e−ikθ = 1 + e−i(k−1)θ χT (X) = (−1)k X k − X k−1 − 1

Les valeurs propres complexes de T sont alors les racines du polynôme et donc Aq est semblable à
λq1
 
?
X k − X k−1 − 1  .. 
 . 
On vérifie que ce polynôme et son polynôme dérivé n’ont pas de racines en 0 λqn
commun ; on en déduit que T admet exactement k valeurs propres complexes Ainsi le polynôme caractéristique de Aq est celui voulu.
distinctes. L’endomorphisme T est diagonalisable dans le cadre complexe, il en est
de même de T q dont les valeurs propres sont alors les puissances qème des valeurs
propres de T . Ainsi 1 est valeur propre de T q si, et seulement si, il existe λ ∈ C tel
que Exercice 119 : [énoncé]
λk − λk−1 − 1 = 0 et λq = 1 A
 est semblable 
à une matrice triangulaire supérieure de la forme
λ1 ?
Un tel nombre complexe peut s’écrire λ = e−iθ et l’on parvient alors à l’existence .. .
 
.
d’une solution à l’équation

eiθ + eikθ = 1 0 λn
exp(A) est alors semblable 
à une matrice de la forme
?0

et donc à la condition 6 | (k + 1). exp(λ1 )
 .. .

 .
0 exp(λn )
Exercice 116 : [énoncé] Cela suffit pour conclure.
Son polynôme caractéristique est scindé.

Exercice 117 : [énoncé] Puisque le polynôme χA est scindé, la matrice A est trigonalisable. Plus
a) A est annule le polynôme χA qui est scindé donc A est trigonalisable. précisément, la matrice A est semblable à une matrice de la forme
b) Soit T une matrice triangulaire semblable à A. Les coefficients diagonaux de T
sont les valeurs propres de A comptées avec multiplicité. Cependant Ak est 
λ1 ?

semblables à T k donc les valeurs propres de Ak sont les coefficients diagonaux de  .. 
T k or ceux-ci sont les puissances d’ordre k des coefficients diagonaux de T  . 
c’est-à-dire des valeurs propres de A. (0) λn
La matrice P (A) est alors semblable à

Exercice 118 : [énoncé] 
P (λ1 ) ?

Il est entendu, qu’ici, le polynôme caractéristique d’une matrice carrée A est  .. 
définie par  . 
χA = det(XId − A) (0) P (λn )
La matrice A est semblable à une matrice triangulaire de la forme et donc

n
Y
χP (A) = (−1)n (X − P (λk ))
 
λ1 ?
 ..  k=1
 . 
0 λn

Exercice 121 : [énoncé] λ µ
Si A = avec µ 6= 0, une étude de commutativité par coefficients
a) χA (X) = −(X + 1)(X −1)2 . 0 λ

b) E−1 = Vectt 1 1 2 , E1 = Vectt 1 0 1 . α β
inconnus donne B = . Pour P = βµ X + γ avec βλ
µ + γ = α, on a
La matrice A n’est pas diagonalisable mais on peut la rendre semblable à la 0 α
matrice
  B = P (A) ∈ K [A].
−1 0 0 Enfin, dans le cas général, A est semblable à l’un des trois cas précédent via une
T =  0 1 1 . matrice P ∈ GL2 (K). La matrice B 0 = P −1 BP commute alors avec A0 = P −1 AP
0 0 1 donc B 0 est polynôme en A0 et par le même polynôme B est polynôme en A.

On prend C1 = t 1 1 2 , C2 = t 1 0 1 . b) On imagine que non, reste à trouver un contre-exemple.
t
 C3 tel queAC3 = C3 + C2 . C3 =
On détermine 0 −1 0 convient. Par la recette des tâtonnements
 successifsou saisi d’une
 inspiration
 venue d’en
1 1 0 1 1 0 1 0 0
Pour P =  1 0 −1 , on a P −1 AP = T . haut, on peut proposer A =  0 1 0  et B =  0 1 0 . On vérifie que
2 1 0 0 0 1 0 1 1
A et B commutent et ne sont ni l’un ni l’autre polynôme en l’autre car tout
polynôme en une matrice triangulaire supérieure est une matrice triangulaire
Exercice 122 : [énoncé] supérieure.
a) χA (X) = −(X − 1)3 .
b) E1 = Vectt 1 0 1 .
La matrice A n’est pas diagonalisable mais on peut la rendre semblable à la Exercice 124 : [énoncé]
matrice
  a) u admet une valeur propre λ et le sous-espace propre associé est stable par v.
1 1 0 Cela assure que u et v ont un vecteur propre en commun e1 . On complète celui-ci
T =  0 1 1 . en une base(e1 , e2 , . .. , en ). Lesmatrices
de u et v dans cette base sont de la
0 0 1 λ ? µ ?
On prend C1 = t 1 0 1 .
forme A = et B = . Considérons les endomorphismes u0 et
0 A0 0 B0
On détermine C2 tel que AC2 = C2 + C1 . C2 = t 0 1 0 convient. v 0 de E 0 = Vect(e2 , . . . , en ) représentés par A0 et B 0 dans (e2 , . . . , en ). AB = BA
t
0 −1 1 convient. donne A0 B 0 = B 0 A0 et donc [u0 , v 0 ] = 0. Cela permet d’itérer la méthode jusqu’à
 C3 tel queAC3 = C3 + C2 . C3 =
On détermine
1 0 0 obtention d’une base de cotrigonalisation.

Pour P =  0 1 −1 , on a P −1 AP = T . b) Par récurrence, on vérifie uk , v = kλuk . L’endomorphisme w 7→ [w, v] de
1 0 1 L(E) ne peut avoir une infinité de valeurs propres donc il existe k ∈ N? tel que
uk = 0. L’endomorphisme u est nilpotent donc ker u 6= {0} ce qui permet
d’affirmer que u et v ont un vecteur propre commun. On peut alors reprendre la
Exercice 123 : [énoncé] démarche de la question a) sachant qu’ici A0 B 0 − B 0 A0 = λA0 .
a) Contrairement à ce qu’entend l’énoncé, l’alternative B ∈ K [A] ou A ∈ K [B] c) Si α = 0, l’étude qui précède peut se reprendre pour conclure. Si α 6= 0, on
n’est pas exclusive. introduit w = αu + βv et on vérifie [w, v] = αw. Ainsi w et v sont
Commençons
parquelques cas particuliers. cotrigonalisables puis u et v aussi cas u = α1 (w − βv).
λ 0
Si A = alors A ∈ K [B] en s’appuyant sur un polynôme constant.
0 λ

λ1 0 Exercice 125 : [énoncé]
Si A = avec λ1 6= λ2 alors les matrices qui commutent avec A sont
0 λ2 La matrice A est trigonalisable et si l’on note λ1 , . . . , λp ses valeurs propres
p
α1 0
distinctes alors tr(Am ) = αj λm
P
diagonales donc B est de la forme . En considérant P = aX + b tel j avec αj la multiplicité de la valeur propre λj .
0 α2 j=1
que P (λ1 ) = α1 et P (λ2 ) = α2 , on a B = P (A) ∈ K [A]. Pour conclure, il suffit d’établir résultat suivant :
« Soient α1 , . . . , αp ∈ C? et λ1 , . . . , λp ∈ C deux à deux distincts. Exercice 127 : [énoncé]

p
Les vecteurs de (Id, u, . . . , up ) évoluent dans L(E) qui est de dimension n2 . Pour
αj λm
P
Si j −−−−−→ 0 alors ∀1 6 j 6 p, |λj | < 1 ».
j=1 m→+∞ p = n2 la famille est assurément liée. Une relation linéaire donne alors
Raisonnons pour cela par récurrence sur p > 1. immédiatement un polynôme annulateur non nul.
Pour p = 1, la propriété est immédiate.
Supposons la propriété vraie au rang p > 1.
Soient α1 , . . . , αp+1 ∈ C? et λ1 , . . . , λp+1 ∈ C deux à deux distincts tels que Exercice 128 : [énoncé]
u ◦ (u − Id) ◦ (u + Id) s’annule sur ker(u ◦ (u − Id)) et sur ker(u ◦ (u + Id)) donc
p+1
X sur ker(u ◦ (u − Id)) + ker(u ◦ (u − Id)) = E et ainsi u ◦ (u2 − Id) = 0.
αj λm
j −−−−−→ 0 (1)
m→+∞ Si x ∈ ker u alors x ∈ ker(u ◦ (u − Id)) ∩ ker(u ◦ (u + Id)) = {0} donc ker u = {0}
j=1
et u ∈ GL(E).
Par décalage d’indice, on a aussi Par suite u2 − Id = u−1 ◦ u ◦ (u2 − Id) = 0 et donc u2 = Id. Ainsi u est une
symétrie vectorielle.
p+1
X
αj λm+1
j −−−−−→ 0 (2)
m→+∞
j=1
λp+1 × (1) − (2) donne Si P et Πu sont premiers entre eux alors par l’égalité de Bézout, il existe
U, V ∈ K [X] tels que U P + V Πu = 1 donc U (u)P (u) = IdE . Aussi
p
X P (u)U (u) = IdE donc P (u) est inversible et P (u)−1 = U (u) ∈ K [u].
αj (λp+1 − λj )λm
j −−−−−→ 0
m→+∞ Si P et Πu ne sont par premiers entre eux alors on peut écrire Πu = QD avec D le
j=1
pgcd de P et Πu . On a Πu | P Q donc P (u)Q(u) = 0 alors que Q(u) 6= 0 puisque
qui se comprend encore deg Q < deg Πu . Par suite P (u) n’est pas inversible.
p
X
βj λm
j −−−−−→ 0
m→+∞
j=1
avec les β1 , . . . , βp non nuls. Πu annule u donc aussi uF et ainsi ΠuF | Πu . De même ΠuG | Πu donc
Par hypothèse de récurrence, on a alors ∀1 6 j 6 p, |λj | < 1. ppcm(ΠuF , ΠuG ) | Πu .
p
P
αj λm Inversement si P = ppcm(ΠuF , ΠuG ) alors ∀x ∈ F , P (u)(x) = 0 et ∀x ∈ G,
On en déduit j −−−−−→ 0 et la relation (1) donne alors
j=1 m→+∞ P (u)(x) = 0 donc ∀x ∈ E = F ⊕ G, P (u)(x) = 0 donc P annule u puis Πu | P .
αp+1 λm
p+1 −−−−−→ 0 d’où l’on tire |λp+1 | < 1.
m→+∞
Récurrence établie.
Πu annule u donc aussi uF puis la conclusion.
P (A) ? O ?
On a P (M ) = = et
O P(B) O ? Exercice 132 : [énoncé]
Q(A) ? ? ? Considérons B = A − In . On a B 2 = On .
Q(M ) = =
O Q(B) O
O Soit u l’endomorphisme de Kn dont la matrice est B dans la base canonique.
On a u2 = 0̃ donc Imu ⊂ ker u.

O ? ? ?
donc (P Q)(M ) = P (M )Q(M ) = = On .
O ? O O Soit (e1 , . . . , ep ) une base de Imu complétée en (e1 , . . . , ep , ep+1 , . . . , eq ) base de
Ainsi le polynôme P Q est annulateur de M . ker u.
Pour tout j ∈ {1, . . . , p}, considérons εj ∈ E tel que u(εj ) = ej . X 2 − 3aX + a2 sont premiers entre eux. Or a étant non nul, on montre
Supposons λ1 ε1 + · · · + λp εp + µ1 e1 + · · · + µq eq = 0. élémentairement ker(f 2 − 3af + a2 Id) ⊂ Imf tandis que l’inclusion réciproque
On appliquant u à cette relation, on obtient λ1 e1 + · · · + λp ep = 0 donc provient de ce que (f 2 − 3af + a2 Id) ◦ f = 0. Il est donc vrai que ker f et Imf sont
λ1 = . . . = λp = 0. supplémentaires.
La relation initiale devient µ1 e1 + · · · + µq eq = 0 qui entraîne µ1 = . . . = µq = 0.
Finalement la famille (ε1 , . . . , εp , e1 , . . . , eq ) est libre et puisque formée de
p + q = dim Imu + dim ker u = n vecteurs de E, c’est une base de E. Exercice 136 : [énoncé]
−1
La matrice de u dans la base (e1 , ε1 , . . . , ep , εp , ep+1 , . . . , eq ) a alors ses coefficients A=P DP avec D = diag(a + b, . . . , a +b, a − b, . . . , a − b) et
tous nuls sauf p coefficients sur la sur-diagonale. 1 (0) 0 1 (0)
La matrice B est donc semblable à la matrice précédente et A = In + B est  . . .. . . 
 . . . 
semblable à une matrice de la forme voulue. 
 1 0 (0) 1


 
P =  0 · · · 0 1 0 · · · 0 .

 (0) 1 0 (0) −1 
 

. . .
. . . 
a) Il suffit de procéder par récurrence en exploitant
 . . . 
f n+1 ◦ g − g ◦ f n+1 = f ◦ (nf n + g ◦ f n ) + (I − f ◦ g) ◦ f n . 1 (0) 0 −1 (0)
b) Par linéarité P (f ) ◦ g − g ◦ P (f ) = P 0 (f ). Par suite πA = (X − (a + b))(X − (a − b)) et les polynômes annulateurs de A sont
Ainsi si P annule f alors P 0 aussi. Ceci est impossible en dimension finie car le les multiples de πA .
polynôme minimal d’un endomorphisme annule celui-ci et est de degré minimal.
Notons qu’un argument de calcul de trace est de loin plus rapide et plus simple !
c) f ◦ g(P ) = (XP )0 = XP 0 + P et g ◦ f (P ) = XP 0 donc (f ◦ g − g ◦ f )(P ) = P . Exercice 137 : [énoncé]
(X − λ)αλ et E = ker(f − λId)αλ
Q
On peut écrire Πf = ⊕
décomposition en somme de sous-espaces vectoriels stables par f .
Exercice 134 : [énoncé] Pour chaque λ ∈ Sp(f ), ker(f − λId)αλ −1 6= ker(f − λId)αλ par minimalité de Πf
Supposons n est impair. Le polynôme caractéristique d’une matrice de Mn (R) et donc il existe xλ ∈ ker(f − λId)αλ \ ker(f − λId)αλ−1 .
étant de degré impair possèdera une racine qui sera valeur propre de la matrice et On peut alors établir que la famille (f − λId)k (xλ ) 06k6α −1 est libre.
λ
aussi racine de son polynôme minimal. Celui-ci ne peut alors être le polynôme Considérons maintenant x =
P
xλ .
X 2 + 1. λ∈Sp(f )
P (f )(xλ ) avec P (f )(xλ ) ∈ ker(f − λId)αλ par
P
Supposons n est pair. Considérons Pour P ∈ C [X], P (f )(x) =
λ∈Sp(f )
0 −1 stabilité.
A= et An = diag(A, . . . , A) ∈ Mn (R)
1 0 Par décomposition en somme directe, P (f )(x) = 0 ⇔ ∀λ ∈ Sp(f ), P (f )(xλ ) = 0.
Par division euclidienne P = (X − λ)αλ Q + R avec deg R < αλ de sorte qu’on
An n’est pas une homothétie donc le degré de son polynôme minimal est supérieur αPλ −1
à 2. puisse écrire R = ak (X − λ)k . On alors P (f )(xλ ) = 0 ⇔ ∀0 6 k < αλ , ak = 0.

k=0
De plus A2n = −In donc X 2 + 1 annule An . Ainsi P (f )(x) = 0 ⇔ ∀λ ∈ Sp(f ), (X − λ)αλ | P
Au final, X 2 + 1 est polynôme minimal de An . Enfin puisque les termes (X − λ)αλ sont premiers entre eux, on peut conclure
P (f )(x) = 0 ⇔ Πf | P .

P = X(X 2 − 3aX + a2 ) est annulateur de f donc par le théorème de Exercice 138 : [énoncé]
décomposition des noyaux, E = ker f ⊕ ker(f 2 − 3af + a2 Id) car X et Cas particulier : Supposons que 1 est la seule valeur propre de A.
La matrice A est alors semblable à une matrice triangulaire supérieure avec des On en déduit que λ est séparable.
coefficients diagonaux toux égaux à 1. Ceci permet d’écrire P −1 AP = T avecP Par contraposée, si λ n’est pas séparable alors λ est valeur propre de u.
inversible et   b) Si u est un endomorphisme diagonalisable alors pour tout scalaire λ,
1 ? ker(u − λId) = ker(u − λId)2 .
T =
 ..  Par suite Im(u − λId) ∩ ker(u − λId) = {0} et on en déduit que λ est séparable.
. 
(0) 1 Inversement, soit u un endomorphisme scindé dont toutes les valeurs propres sont
séparables.
Notons a l’élément d’indice (1, 2) de cette matrice. Puisque le polynôme caractéristique de u est scindé, on peut écrire
Par une récurrence facile, on montre Y
  χu = (−1)dim E (X − λ)mλ
1 ma ? λ∈Spu
 1 
P −1 Am P =  et par le lemme de décomposition des noyaux
 
.. 
 . 
(0) 1 E= ⊕ ker(u − λId)mλ
λ∈Spu
1 m
Or kAk 6 1, donc kAm k 6 1 puis mA −−−−−→ On et enfin Or, pour toute valeur propre λ, Im(u − λId) ∩ ker(u − λId) = {0} entraîne
m→+∞
1
mP
−1 m
A P −−−−−→ On . ker(u − λId) = ker(u − λId)2 puis par le principe des noyaux itérés
m→+∞
Or ker(u − λId) = ker(u − λId)mλ . Par suite
 
1/m a ?
E= ⊕ ker(u − λId)
1 −1 m  1/m  λ∈Spu
P A P =
 
m .. 
 .  et donc u est diagonalisable
(0) 1/m c) Soit λ une valeur propre de u. Le polynôme minimal de u peut s’écrire
On en déduit a = 0.
πu = (X − λ)α Q avec Q(λ) 6= 0
Par ce principe, on peut annuler successivement chaque coefficient de la
sur-diagonale de T puis chaque coefficient de la sur-diagonale suivante etc. πu (u) = 0 donne
Au final T = In puis A = In et le polynôme minimal de A est ΠA = X − 1. ImQ(u) ⊂ ker(u − λId)α
Cas général :
Le polynôme minimal de A s’écrit ΠA = (X − 1)α Q(X) avec Q(1) 6= 0. Si λ est une valeur propre séparable alors ker(u − λId) = ker(u − λId)α et donc
Par le lemme de décomposition des noyaux, Cn = F ⊕ G avec F = ker(A − I)α et
ImQ(u) ⊂ ker(u − λId)
G = ker Q(A).
Notons B la matrice de l’endomorphisme induit par A sur le sous-espace vectoriel puis le polynôme (X − λ)Q annule u. Par minimalité de πu , on conclut α = 1.
stable F . On vérifie que 1 est la seule valeur propre de B et que kBk 6 1. L’étude Inversement, si λ est une racine simple du polynôme minimal, alors
qui précède assure alors que B = In et donc le polynôme X − 1 annule A sur F .
De plus le polynôme Q annule A sur G donc le polynôme (X − 1)Q annule A sur πu = (X − λ)Q avec Q(λ) 6= 0
Cn . Puisque 1 n’est pas racine de Q, 1 n’est que racine simple du polynôme
minimal ΠA . Puisque les polynômes Q et X − λ sont premiers entre eux, on peut écrire
QU + (X − λ)V = 1 avec U, V ∈ K [X]
Exercice 139 : [énoncé] et en évaluant

a) Si ker(u − λId) = {0} alors Im(u − λId) = E car u − λId est inversible. Q(u)U (u)(x) + (u − λId)V (u)(x) = x
avec Q(u)U (u)(x) ∈ ker(u − λId) (car πu est annulateur) et Or

(u − λId)V (u)(x) ∈ Im(u − λId). P (f )(x) = f (x) + f 2 (Q(f )(x)) = 0
Ainsi λ est une valeur propre séparable.
donc
Finalement les scalaires non séparables sont les racines multiples de πu .
f (x) = f 2 (−Q(f )(x))
d) m(v) = u ◦ v, m2 (v) = u2 ◦ v,. . . P (m)(v) = P (u) ◦ v pour tout polynôme P .
Par suite les endomorphismes m et u ont les mêmes polynômes annulateurs et Synthèse :
donc le même polynôme minimal. Puisque les scalaires non séparables sont les Posons u = −f (Q(f )(x)) et v = x − u.
racines multiples du polynôme minimal, les endomorphismes u et m ont les On a immédiatement u ∈ Imf et x = u + v.
mêmes valeurs séparables. On a aussi
f (v) = f (x) − f (u) = f (x) + f 2 (Q(f )(x)) = P (f )(x) = 0

et donc v ∈ ker f .
Puisque u possède un polynôme annulateur, on a
dim K [u] < +∞

Or K [Q(u)] ⊂ K [u] donc Soit x vecteur propre associé à la valeur propre λ.
dim K [Q(u)] < +∞ P (f )(x) = P (λ)x or P (f ) = 0 et x 6= 0 donc P (λ) = 0.
et par conséquent Q(u) possède un polynôme annulateur.

Exercice 141 : [énoncé] ϕ2 = Id donc X 2 − 1 est annulateur de ϕ. Les valeurs propres de ϕ ne peuvent
Quitte à considérer λP avec λ ∈ K? bien choisi, on peut supposer être que 1 et −1. En prenant pour f une fonction paire et une fonction impaire
non nulle, on montre que 1 et −1 sont effectivement valeurs propres de ϕ.
P (0) = 0 et P 0 (0) 6= 0
ce qui permet d’écrire Exercice 144 : [énoncé]

a) On vérifier T 2 = Id donc T est un automorphisme et T −1 = T .
P (X) = X + X 2 Q(X) avec Q ∈ K [X] b) Puisque T annule X 2 − 1, SpT ⊂ {1, −1} puis égale car par exemple 1 est
vecteur propre associé à la valeur propre 1 et X − 1/2 est vecteur propre associé à
Soit x ∈ Imf ∩ ker f . Il existe a ∈ E tel que x = f (a) et on a f (x) = 0.
la valeur propre −1.
On en déduit f 2 (a) = 0. Or P (f )(a) = 0 et
P (f )(a) = f (a) + Q(f ) f 2 (a) = f (a) = x

Ainsi Les valeurs propres de u sont racines des polynômes annulateurs donc du
Imf ∩ ker f = {0} polynôme minimal.
Soit a une racine de Πu . On a Πu = (X − a)P et P (u) 6= 0 car P ne peut être
Soit x ∈ E.
annulateur de u. Pour y ∈ Im(P (u))\ {0}, il existe x ∈ E, y = P (u)(x) et
Analyse :
Π(u)(x) = 0 donc (u − aId)(y) = 0 avec y 6= 0. Ainsi a est valeur propre de u (et y
Supposons x = u + v avec u = f (a) ∈ Imf et v ∈ ker f .
est vecteur propre associé).
On a
f (x) = f 2 (a) + f (v) = f 2 (a)
Exercice 146 : [énoncé] Par suite

Soit M solution. M 4 = t (M 2 ) = M donc X 4 − X est annulateur de M et puisque En composant avec u−1 à gauche on obtient
0 et 1 ne sont pas valeurs propres de M , X 3 − 1 puis X 2 + X + 1 sont annulateurs
de M . an un−1 + · · · + a1 Id = −a0 u−1
Ainsi, on peut affirmer M 3 = t M M = I (ainsi M ∈ On (R)) et M 2 + M + I = 0. et on en déduit
Pour X 6= 0, P = Vect(X, M X) est un plan (car il n’y a pas de valeurs propres
1
réelles) stable par M (car M 2 = −M − I). La restriction de M à ce plan est un u−1 = − an un−1 + · · · + a1 IdE ∈ K [u]

automorphisme orthogonal sans valeur propre, c’est donc une rotation et celle-ci a0
est d’angle ±2π/3 car M 3 = In . De plus ce plan est aussi stable par M 2 = t M
donc P ⊥ est stable par M ce qui permet de reprendre le raisonnement à partir Exercice 151 : [énoncé]
d’un X 0 ∈ P ⊥ \ {0}. Au final, M est orthogonalement semblable √à une matrice
a) Si f est diagonalisable alors f est représenté par λIn dans une certaine base et
−1/2
√ 3/2 donc f est une homothétie vectorielle. La réciproque est immédiate.
diagonale par blocs et aux blocs diagonaux égaux à ou
− 3/2 −1/2 b) Calculé dans une base de triangulation, χf (x) = (x − λ)n .
√
−1/2 − 3/2
√ c) χf est annulateur de f dans (f − λId)n = 0̃.
.
3/2 −1/2
La réciproque est immédiate.
a) Le polynôme caractéristique de f est un polynôme de degré n annulant f .
Exercice 147 : [énoncé] Ainsi f n ∈ Vect(Id, f, . . . , f n−1 ). Par récurrence, on montre alors que pour tout
a) Puisque A est nilpotente, A ne peut avoir que des valeurs propres nulles. Les m > n, f m ∈ Vect(Id, f, . . . , f n−1 ).
valeurs propres étant les racines du polynôme caractéristique et ce dernier étant Par suite f n (x), . . . , f N −1 (x) ∈ Vect(x, f (x), . . . , f n−1 (x)) puis
scindé sur C, χA = (−1)n X n . E = Vect(x, f (x), . . . , f N −1 (x)) donne E = Vect(x, f (x), . . . , f n−1 (x)). La famille
b) Pour A ∈ Mn (R), on a aussi A ∈ Mn (C) et le polynôme caractéristique est (x, f (x), . . . , f n−1 (x)) est alors génératrice et formée de n = dim E vecteurs de E,
calculé par la même formule dans les deux cas. c’est donc une base de E.
b) Les polynômes en f commute avec f .
Inversement, supposons que g ∈ L(E) commute avec f . Puisque g(x) ∈ E, on peut
Exercice 148 : [énoncé] écrire g(x) = a0 x + a1 f (x) + · · · + an−1 f n−1 (x).
χA = X 2 − (a + d)X + (ad − bc) annule matrice A. Puisque f et g commute, on a encore
On en déduit A−1 = ad−bc
1
((a + d)I2 − A). g(f k (x)) = a0 f k (x) + a1 f k+1 (x) + · · · + an−1 f n+k−1 (x) de sorte que les
endomorphismes g et a0 Id + a1 f + · · · + an−1 f n−1 coïncident sur une base de E et
c’est donc égaux. Au final f est un polynôme en f .
χA = (λ1 − X) . . . (λn − X) annule A en vertu du théorème de Cayley Hamilton.
a) A2 M = AM B = M B 2 et ainsi de suite : Ap M = M B p pour tout p ∈ N.
Exercice 150 : [énoncé] Par linéarité P (A)M = M P (B).
Considérons le polynôme caractéristique de u : b) Considérons P = χA . La relation P (A)M = M P (B) entraîne M P (B) = On .
Or M 6= On donc la matrice P (B) n’est pas inversible. Par suite det(P (B)) = 0.
χu = an X n + · · · + a1 X + a0 avec a0 = det u 6= 0 n
Or P = (−1)n
Q
(X − λi ) avec λi valeur propre de A donc il existe i ∈ {1, . . . , n}
Puisque χu (u) = 0̃, on obtient i=1
telle que det(B − λi In ) = 0.
an un + · · · + a1 u + a0 Id = 0̃ Ainsi A et B ont une valeur propre commune.
Exercice 154 : [énoncé] b) L’ensemble des matrices obtenu est un sous-espace vectoriel de M6 (C). C’est
Considérons T : P (X) 7→ P (X + 1). T est un endomorphisme de Rn−1 [X] qui est entendu car c’est en fait le noyau de l’application linéaire M 7→ AM − 2M A.
n−1 c) Une matrice M inversible vérifiant M −1 AM = 2A doit aussi vérifier
annulé par son polynôme caractéristique de la forme χT = (−1)n (X n + ak X k ).
P
k=0
AM = 2M A et est donc de la forme précédente. De plus, une matrice de la forme
précédente est inversible si, et seulement si, m1,1 6= 0.
Inversement, une matrice M de la forme précédente avec m1,1 6= 0 vérifie
Exercice 155 : [énoncé] M −1 AM = 2A.
1. Puisque les matrices A et qA sont semblables, elles ont le même polynôme
caractéristique
X X a) Par le théorème de Cayley Hamilton, on a
χA (X) = χqA (X) = det(qA − XIn ) = q n det A − In = q n χA
q q
χu (u) = 0̃
Introduisons les coefficients du polynôme χA
avec χu polynôme de coefficient constant det u 6= 0.
χA (X) = an X n + · · · + a1 X + a0 En écrivant
χu (X) = XP (X) + det u
L’égalité précédente entraîne an−1 = . . . = a1 = a0 car q k 6= 1 pour tout
1 6 k 6 n − 1. Ainsi χA = an X n et puisque χA est annulateur de A, la matrice A le polynôme
1
est nilpotente. Q(X) = − P (X)
det u
2.
est solution.
On définit la matrice A
b) Considérons l’endomorphisme v de K [X] qui envoie le polynôme P (X) sur
A:=matrix(6,6,(i,j)->if j=i+1 or (i=1 and j=6) then 1 else 0 fi); P (X/2).
On vérifie aisément u ◦ v = v ◦ u = Id ce qui permet d’affirmer que u est inversible
a) On introduit une matrice M quelconque et on calcule AM − 2M A d’inverse v.
M:=matrix(6,6); Soit P = an X n + · · · + a1 X + a0 un polynôme de degré exactement n.
B:=evalm(A&*M-2*M&*A); Si u(P ) = λP alors par identification des coefficients de degré n, on obtient
λ = 2n
On résout le système correspondent à l’équation AM = 2M A
puis on en déduit
solve({seq(seq(B[i,j]=0,i=1..6),j=1..6)}); P = an X n
Enfin on visualise la matrice M La réciproque étant immédiate, on peut affirmer
assign(%); Spu = {2n /n ∈ N} et E2n (u) = Vect(X n )
evalm(M);
Si par l’absurde il existe Q ∈ K [X] tel que
On obtient les matrices de la forme
  u−1 = Q(u)
m1,1 m1,2 m1,3 m1,4 m1,5 m1,6
alors le polynôme non nul
 0 2m 1,1 2m 1,2 2m1,3 2m1,4 2m1,5 − 30m1,1 

 0
 XQ(X) − 1
 0 4m 1,1 4m1,2 4m1,3 4m1,4 

 0
 0 0 8m1,1 8m1,2 8m1,3 
 est annulateur de u. Les valeurs propres de u sont alors racines de celui-ci ce qui
 0 0 0 0 16m1,1 16m1,2  donne une infinité de racines.
0 0 0 0 0 32m1,1 C’est absurde.

µA | χA = (X − 1)2 mais A n’est pas diagonalisable, donc µA = (X − 1)2 . a) Il est clair que L est linéaire.
Si tr(M ) = 0 alors L(M ) = aM .
a est valeur propre de L et le sous-espace propre associé est l’hyperplan des
Exercice 158 : [énoncé] matrices de trace nulle.
a) 1ère méthode : Si tr(M ) 6= 0 alors L(M ) = λM implique M ∈ Vect(In ). Or L(In ) = (a + n)In

(n − 1) − λ 1 · · ·

1 donc a + n est valeur propre de L et le sous-espace propre associé est la droite
−λ 1
Vect(In ).
(n − 1) − λ −λ 1

det(M − λIn ) =
. .. = = L’endomorphisme L est donc diagonalisable et par suite
.. . ..
. µL (X) = (X − a)(X − (a + n)).
1 −λ
(n − 1) − λ 1

−λ b) En dimension finie, L est un automorphisme si, et seulement si, 0 ∈ / Sp(L) i.e.
1 1 ··· 1 a 6= 0, −n.
Puisque L2 − (2a + n)L + a(a + n)I = 0, on a L−1 = a(a+n) 1

0 −λ − 1 0 (L − (2a + n)I) et
((n − 1) − λ) .

.. . . −1 1
donc L (M ) = a(a+n) (tr(M )In − (a + n)M ).
? .

0 ? ? −λ − 1
puis det(M − λIn ) = ((n − 1) − λ)(−λ − 1)n−1 et donc sp(M ) = {−1, (n − 1)}.
Soit f l’application linéaire canoniquement associée à M . Exercice 160 : [énoncé]
f (x1 , ..., xn ) = (x1 , ..., xn ) ⇔ x1 + ... + xn = 0. a) Notons α1 , . . . , αn les composantes de x dans une base de diagonalisation B de
Donc E−1 est l’hyperplan d’équation x1 + ... + xn = 0. f . La matrice de la famille (x1 , . . . , xn ) dans la base B est
Puisque En−1 est au moins une droite vectorielle, la matrice M est diagonalisable.
α1 λ1 . . . α1 λn1
 
2ème méthode :
Par le calcul, on obverse que M 2 = (n − 1)In + (n − 2)M .
 .. .. 
 . . 
Par suite, M annule le polynôme scindé simple (X + 1)(X − (n − 1)) et donc M αn λn ... αn λnn
est diagonalisable.
b) Le polynôme minimal de M est (X + 1)(X − (n − 1)) car en vertu de la avec λ1 , . . . , λn les valeurs propres de f comptées avec multiplicité. Cette matrice
première méthode, la connaissance des valeurs propres de M détermine son est de rang n, si, et seulement si,
polynôme minimal sachant M diagonalisable et, pour la deuxième méthode, ce
λ1 . . . λn1

polynôme est annulateur alors que les polynômes X + 1 et X − (n − 1) ne le sont

pas. α1 , . . . , αn 6= 0 et ... ..
6= 0

.
Par division euclidienne X p = (X + 1)(X − (n − 1))Q + αX + β
λn . . . λ n

n
En évaluant
( la relation en −1 et en n − 1, on obtient
p
−α + β = (−1) Par déterminant de Vandermonde, on peut assurer l’existence de x tel que voulu
avec p
α(n − 1) + β = (n − 1) si, et seulement, si les valeurs propres de f sont deux à deux distincts et non
Après résolution nulles. N’importe quel x aux composantes toutes non nulles est alors convenable.

(n − 1)p − (−1)p b) Les polynômes en f commutent avec f .
α =

Supposons que g soit un endomorphisme de E commutant avec f .
n
 (n − 1) p
+ (n − 1)(−1)p On peut écrire g(x1 ) = a1 x1 + · · · + an xn = P (f )(x1 ) avec
β =
n p P = a1 + a2 X + · · · + an−1 X n−1 .
p p p
d’où M p = (n−1) n−(−1) M + (n−1) +(n−1)(−1) In . On a alors
n
g(x2 ) = g(f (x1 )) = f (g(x1 )) = f (P (f )(x1 )) = P (f )(f (x1 )) = P (f )(x2 ).
Plus généralement, en exploitant xk = f k−1 (x1 ), on obtient g(xk ) = P (f )(xk ).
Les endomorphismes g et P (f ) coïncident sur les éléments d’une base, ils sont Exercice 163 : [énoncé]
a2
 
donc égaux. Finalement, le commutant de f est exactement formé des polynômes
en f . a) χA = −(X − 2)(X + 1)2 , E2 (A) = Vect  a  et
 
Si le polynôme minimal Πf de f est de degré < n alors la famille (Id, f, . . . , f n−1 )
1
est liée et alors pour tout x ∈ E, la famille (x, f (x), . . . , f n−1 (x)) l’est aussi. Cela
−a2
  

contredit l’hypothèse de départ. On peut donc affirmer que deg Πf > n et puisque −a
E−1 (A) = Vect  0  ,  1 .
   
Πf | χf , on a Πf = (−1)χf avec χf polynôme caractéristique de f .
1 0
a2 −a2 −a
 
Exercice 161 : [énoncé] La matrice A est diagonalisable, P −1 AP = D avec P =  a 0 1  et
3
A est   diagonalisable. χA = −X + 2X, πA = −χA .
symétrique donc 1 1 0
1 0 1
 
2 0 0
A2 =  0 2 0 , A3 = 2A, A2k+1 = 2k A et A2k+2 = 2k A2 pour k > 0. D =  0 −1 0 .
1 0 1 0 0 −1
+∞ +∞
P 2k P 2k−1 2 1 2 On en déduit µA = (X − 2)(X + 1).
exp(A) = I3 + (2k+1)! A + (2k)! A = I3 + sh(2)A + 2 (ch(2) − 1)A .
k=0 k=1 b) Ci-dessus.
c) Par division euclidienne X n = (X + 1)(X − 2)Q(X) + αX + β avec
n n n n n n n n
α = 2 −(−1)
3 et β = 2(−1)3 +2 donc An = 2 −(−1)
3 A + 2(−1)3 +2 I3 puis
Exercice 162 : [énoncé] 2
eA = e −e
−1 −1 2
A + 2e 3+e I3 .
3
A est symétrique donc diagonalisable.
χA = (−1)n (X − (a + (n − 1)b)(X − (a − b))n−1

Sp(A) = {a + (n − 1)b, a − b} (si n > 2) χA = −X(X 2 + 1), πA = X(X 2 + 1), exp(A)  exp(t A) = exp(A) exp(−A) = I3 .

πA = (X − (a + (n − 1)b))(X − (a − b)) 1 0 0
En calculant A2 , A3 , . . . on obtient exp(A) =  0 cos 1 − sin 1 .
A est inversible si, et seulement si, 0 ∈
/ Sp(A) i.e. a + (n − 1)b 6= 0 et a 6= b. 0 sin 1 cos 1
    
a (b) x (y) α (β)
 ..  .. =
  .. 
 .  . . 
(b) a (y) x (β) α A2 = O donc Sp(A) = {0}. Puisque A 6= 0, A n’est pas diagonalisable. πA = X 2 et
avec ( χA = −X 3 . exp(A) = I + A.
α = ax + (n − 1)by L’étude se généralise pour n > 3 avec A = (ω i+j−2 )16i,j6n et ω ∈ Un \ {1}.
β = ay + bx + (n − 2)by
Il suffit alors de résoudre le système
Soient P ∈ Mn (K) une matrice de permutation et σ la permutation associée. Il
(
ax + (n − 1)by = 1
existe q ∈ N? tel que σ q = Id et donc P q = In . La matrice P annule alors X q − 1
bx + (a + (n − 2)b)y = 0 qui est scindé à racines simples donc P est diagonalisable.
pour expliciter A−1 .

A2 = −I2n . On observe que X 2 + 1 est annulateur de A. Si 1 et −1 sont les seules valeurs propres alors f ∈ GL(E) et la relation f 4 = f 2
Si K = C alors A est diagonalisable car annule le polynôme X 2 + 1 qui est scindé donne f 2 = Id ce qui fournit un polynôme annulateur scindé à racines simples et
à racines simples. permet de conclure.
Si K = R alors A n’est pas diagonalisable car sans valeurs propres. En effet une Si 1 et −1 ne sont pas les seules valeurs propres c’est que 0 est aussi valeur propre
valeur propre (réelle) de A doit être annulé par le polynôme X 2 + 1. car les valeurs propres figurent parmi les racines de tout polynôme annulateur. f
présente alors 3 = dim Evaleurs propres distincts donc f est diagonalisable.
a) A2 = −I2n .
b) X 2 + 1 = (X − i)(X + i) est annulateur de A et scindé simple donc A est Exercice 173 : [énoncé]
diagonalisable. De plus A est réelle donc ses valeurs propres sont deux à deux X(X − j)(X − j 2 ) annule A donc A est diagonalisable dans Mn (C) et puisque
conjuguées, deux valeurs propres conjuguées ont même multiplicité. Puisque les A ∈ Mn (R), j et j 2 ont même multiplicité en tant que valeur propre de A.
valeurs propres figurent parmi les racines de X 2 + 1 et que la matrice complexe A Puisque le rang de A est la somme de ces deux multiplicités, il est pair.
possède au moins une valeur propre, on peut affirmer que i et −i sont les deux
seules valeurs propres de A, qu’elles sont de multiplicité n. Enfin les sous-espaces
propres associés sont de dimension n car A est diagonalisable et donc les Exercice 174 : [énoncé]
dimensions des sous-espaces propres égales la multiplicité des valeurs propres Soit M solution, M est diagonalisable sur C avec pour valeurs propres j et j 2 .
respectives. Puisque trM est réel, les valeurs propres j et j 2 ont même multiplicité. Par suite
n est pair, n = 2p.
Nous allons montrer, en raisonnantpar récurrence sur  p qu’il existe une matrice
Exercice 169 : [énoncé] J (0)
f est diagonalisable car annule le polynôme ..
orthogonale P tel que P M P −1 =   avec
 
.
X 3 − 4X = X(X − 2)(X + 2) (0) J
√
scindé simple. Les valeurs propres de f figurent parmi {−2, 0, 2} et donc la trace −1/2 − 3/2
√
J = R2π/3 = ou J = R−2π/3 .
de f qui est la somme de ses valeurs propres comptées avec multiplicité est paire. 3/2 −1/2
(
ab + cd = ac + db

a b t t
Pour n = 2 : M = . MM = M M ⇔ .
Exercice 170 : [énoncé] c d b2 = c2
A annule un polynôme scindé à racines simples (1, i et −i) donc A est Si b = c alors M est symétrique donc diagonalisable sur R ce qui n’est pas le cas.
diagonalisable dans Mn (C). −c et donca = d.
Il reste b =
Les valeurs propres possibles de A sont 1, i et −i. Puisque tr(A) ∈ R, la a b
Ainsi M = et la relation M 2 + M + I = 0 donne
multiplicité de i égale celle de −i. ( −b a (
Par suite det(A) = 1. a2 − b2 + a + 1 = 0 a = −1/2
puis √ ce qui permet de conclure (car le cas
2ab + b = 0 b = ± 3/2
Exercice 171 : [énoncé] b = 0 est à exclure).
a) Puisque p4 = p2 , une valeur propre λ doit vérifier λ4 = λ2 donc λ ∈ {−1, 0, 1}. Supposons la propriété établie au rang n = 2p et étudions le rang n = 2p + 2.
b) Si p est diagonalisable alors sa matrice A dans une base de vecteurs propres Soit M une matrice solution.
sera diagonale avec des −1, 0 ou 1 sur la diagonale. Comme alors A3 = A on a La matrice S = t M + M est symétrique et donc il existe X 6= 0 tel que SX = λX.
p3 = p. On observe alors que l’espace F = Vect(X, M X) est stable par M et par t M . Par
Si p3 = p alors p est annulé par un polynôme scindé à racines simples donc p est suite F ⊥ est aussi stable par M et t M . On peut alors appliquer l’étude menée
diagonalisable. pour n = 2 à l’action de M sur F et l’hypothèse de récurrence à celle sur F ⊥ .
Cela établit la récurrence. Il ne reste plus qu’à souligner que les matrices ainsi diagonalisabilité équivaut à l’existence d’un polynôme annulateur scindé à racines
obtenues sont bien solutions. simples, on peut conclure.

ϕ2 (M ) = P (P M + M P ) + (P M + M P )P = P M + 2P M P + M P car P 2 = P . La matrice A est diagonalisable car A annule un polynôme scindé simple.
ϕ3 (M ) = P M + 6P M P + M P . Les racines complexes du polynôme caractéristique χA de A sont conjuguées et
Par suite ϕ3 (M ) − 3ϕ2 (M ) = −2P M − 2M P = −2ϕ(M ). valeurs propres de A donc racines du polynôme annulateur X n − 1.
Ainsi ϕ annule le polynôme X 3 − 3X 2 + 2X = X(X − 1)(X − 2). Si les deux racines de χA sont réelles alors SpA ⊂ {−1, 1} et A est semblable à
Puisque ce polynôme est scindé simple, l’endomorphisme ϕ est diagonalisable.
1 0 1 0 −1 0
, ou
0 1 0 −1 0 −1
a) Puisque u3 = u, par annulation d’un polynôme scindé simple, on peut affirmer et donc A12 = I2 .
que u est diagonalisable de valeurs propres possibles 0, 1, −1. Par les égalités Sinon les racines de χA sont complexes conjuguées z, z̄. Leur somme sera
2
tru = 0 et tru2 = 2n on peut affirmerqu’il existe unebase de R2n+1 dans laquelle 2Re(z) ∈ [−2, 2], leur produit z z̄ = |z| = 1. La matrice A étant de plus à
In 0 0 coefficients entiers, 2Re(z) ∈ Z. Les polynômes caractéristiques de A possibles
la matrice de u est de la forme A =  0 −In 0 . sont alors X 2 − 2X + 1, X 2 − X + 1, X 2 + 1, X 2 + X + 1 et X 2 + 2X + 1.
0 0 0 Dans chaque cas le polynôme X 12 − 1 est multiple du polynôme caractéristique et

M 0 0
 donc annulateur.
Les matrices commutant avec A étant celle de la forme  0 N 0  avec
0 0 0
M, N ∈ Mn (R), on peut affirmer dim C(u) = 2n2 .
Si A ∈ En alors A est diagonalisable et ses valeurs propres sont des racines de
b) Πu = X 3 − X donc dim R [u] = 3 et par suite C(u) = R [u] si, et seulement si,
l’unité. Ces valeurs propres sont aussi racines du polynôme caractéristique de A.
n = 1.
Or les coefficients de ce polynôme sont entiers et, par les expressions des
coefficients d’un polynôme scindé en fonction de ses racines complexes (ici de
module 1), on peut borner les coefficients du polynôme caractéristique de A. Par
suite, il n’y a qu’un nombre fini de polynômes caractéristiques possibles pour un
a) Si A2 = A alors fA2 = fA . fA est une projection donc diagonalisable.
élément A ∈ En . Ces polynômes ont eux-mêmes qu’un nombre fini de racines et il
b) Pour tout P ∈ R [X], on observe P (fA ) : M 7→ P (A)M de sorte que
n’y a donc qu’un nombre fini de racines de l’unité possibles pour les valeurs
P (fA ) = 0 ⇔ P (A) = 0.
propres de A ∈ En .
Tout endomorphisme étant diagonalisable si, et seulement si, il annule un
On peut alors affirmer qu’il existe N ∈ N? tel que toutes les valeurs propres λ des
polynôme scindé simple, on peut conclure.
matrices A ∈ En vérifient λN = 1. On a alors aussi AN = 1 (car A est
diagonalisable) et donc ω(A) 6 N . Ainsi ω(En ) ⊂ [[1, N ]].
a) oui
b) Si A est inversible alors M 7→ A−1 M est clairement application réciproque de Exercice 181 : [énoncé]
f. a) Par récurrence
Ak kAk

Si f est inversible alors posons B = f −1 (In ). On a AB = In donc A est inversible. k
B =
c) On observe que f n (M ) = An M donc pour P ∈ C [X], P (f )(M ) = P (A)M . Par 0 Ak
suite P est annulateur de f si, et seulement si, il est annulateur de A. La puis on étend par linéarité.
b) Si B est diagonalisable alors B annule un polynôme scindé simple P et les On écrivant la matrice C par blocs selon la même décomposition que A :
calculs précédents montrent que A annule aussi ce polynôme. Par suite A est  
diagonalisable. De plus A annule aussi le polynôme XP 0 de sorte que si λ est C1,1 · · · C1,m
valeur propre de A alors A est racine commune de P et de XP 0 . Or P n’a que des C =  ... ..
 avec Ci,j ∈ Matαi ,αj (K)
 
.
racines simples donc P et P 0 n’ont pas de racines communes d’où λ = 0. A est Cm,1 ··· Cm,m
diagonalisable et Sp(A) = {0} donne A = 0.
Ainsi B est diagonalisable si, et seulement si, A = 0. et la condition

A − λ k In B
rg(M − λk I2n ) = rg
Exercice 182 : [énoncé] O Ak − λIn
Notons M la matrice étudiée et supposons celle-ci diagonalisable.
Il existe un polynôme P scindé simple annulant M . Puisque se relit après formule de passage Ck,k = Oαk .
Inversement, si la matrice A est diagonalisable et s’il y a nullité des blocs
P (A) ? diagonaux d’une représentation de B dans une base adaptée à la décomposition
P (M ) = = O2n
O P (A) de Kn en somme de sous-espaces propres de A alors on peut reprendre dans
l’autre sens l’étude qui précède pour affirmer que M est diagonalisable.
le polynôme P annule aussi la matrice A qui est donc nécessairement
diagonalisable.
De plus, puisque χM = χ2A , les matrices A et M ont les mêmes valeurs propres et
on a l’égalité suivantes sur leurs multiplicités : Exercice 183 : [énoncé]
Soit M solution.
∀λ ∈ SpA, mλ (M ) = 2mλ (A) Puisque le corps de base est C, la matrice M est semblable à une matrice
triangulaire supérieure où figure sur la diagonale les valeurs propres de M
ce qui entraîne l’égalité suivante sur la dimension des sous-espaces propres
comptées avec multiplicité.
∀λ ∈ SpA, dim Eλ (M ) = 2 dim Eλ (A) Puisque tr(M ) = n, la somme des valeurs propres de M comptées avec
multiplicité vaut n.
et enfin l’égalité de rang suivante Or les valeurs propres de M sont racines du polynôme X 5 − X 2 = X 2 (X 3 − 1),
elle ne peuvent donc qu’être 0, 1, j ou j 2 . Notons p, q, r et s les multiplicités de
∀λ ∈ SpA, rg(M − λI2n ) = 2rg(A − λIn )
chacune ; on a trM = q + rj + sj 2 = n. Puisque les parties réelles de j et j 2 valent
Or −1/2, la seule possibilité est que q = n, r = s = 0 et alors p = 0.
A − λIn B En particulier 0 n’est pas valeur propre de M et donc M est inversible.
rg(M − λI2n ) = rg
O A − λIn La relation M 5 = M 2 donne alors M 3 = In et donc M est diagonalisable puisque
La matrice A étant diagonalisable, on peut écrire A = P DP −1 avec P inversible et M annule un polynôme scindé simple. Finalement M est semblable à In donc
  égale In car sa seule valeur propre est 1.
λ1 Iα1 (0) Inversement, la matrice In est solution.
D=
 .. 
. 
(0) λm Iαm
où λ1 , . . . , λm sont les valeurs propres distinctes
A et αk = dim Eλk (A).
de Par élimination de u, on a f 2 − αf = β(β − α)v et f 3 − αf 2 = β 2 (β − α)v.
P O Par élimination de v, on obtient f ◦ (f − αId) ◦ (f − βId) = 0̃.
En considérant la matrice inversible Q = , on a
O P Ainsi P = X(X − α)(X − β) est annulateur de f .
Cas α 6= β et α, β 6= 0

D C
Q−1 M Q = avec C = P −1 BP . f est diagonalisable car annule un polynôme scindé simple.
O D
Cas α = β = 0 Exercice 189 : [énoncé]

f est diagonalisable car f est l’endomorphisme nul. Spf = {2, 4, 6}, E2 (A) = Vecte1 , E4 (A) = Vecte2 et E6 (A) = Vecte3 avec
Cas β = 0 et α 6= 0. e1 = (0, 1, 1), e2 = (1, 0, 1), e3 = (1, 1, 0).
On a f 2 − αf = 0 donc f est diagonalisable car annule le polynôme scindé simple Si V est un sous-espace vectoriel stable alors fV est diagonalisable et donc
X(X − α). possède une base de vecteurs propres de f . Ainsi V = {0}, Vect(ei ) avec
Cas α = 0 et β 6= 0. i ∈ {1, 2, 3}, Vect(ej , ek ) avec j 6= k ∈ {1, 2, 3} ou V = R3 .
Semblable.
Cas α = β 6= 0.
On a f = α(u + v) et f 2 = α2 (u + v) donc à nouveau f 2 − αf = 0. Exercice 190 : [énoncé]
Dans tous les cas, l’endomorphisme f est diagonalisable. Si f et g sont simultanément diagonalisables alors on peut former une base de
chaque sous-espace propre de f à l’aide de vecteur propre de g. Par suite les
sous-espaces propres de f sont stables par g et inversement.
Exercice 185 : [énoncé] Supposons que les sous-espaces propres de f soient stables par g. f étant
On remarque diagonalisable, E est la somme directe des sous-espaces propres de f . Sur chaque
C 3 − C 2 = 3A + 3B = 3C sous-espace propre de f , la restriction de g définit un endomorphisme
La matrice C annule donc le polynôme diagonalisable car annulé par un polynôme scindé à racines simples (car g
diagonalisable). Cela permet de construire une base de diagonalisation simultanée.
X 3 − X 2 − 3X
On vérifie aisément que ce polynôme est scindé à racines simples et on peut donc
affirmer que C est diagonalisable. Exercice 191 : [énoncé]
Or Si f et g sont simultanément diagonalisable alors leurs représentations diagonales
A = C 3 − 2C 2 et B = C + 2C 2 − C 3 commutent donc f et g commutent.
Si f et g commutent alors g laisse stable chaque sous-espace propre Eλ (f ) et donc
donc A et B sont diagonalisables. la restriction de g à celui-ci est diagonalisable dans une certaine base Bλ . En
accolant les bases Bλ , pour λ ∈ Sp(f ) on obtient une base où f et g sont
représentés par des matrices diagonales.
f annule un polynôme scindé à racines simple et f|F aussi.
Exercice 187 : [énoncé] a) Une base de vecteur propre de u est aussi une base de vecteur propre de P (u).
Si F admet une base de vecteurs propres, il est immédiat d’établir qu’il est stable b) La réciproque n’est pas vraie en toute généralité comme le montre le cas d’un
par u. polynôme constant.
Inversement, si F est stable alors uF est diagonalisable et donc il existe une base En revanche, on peut montrer que la réciproque est vraie si deg P = 1.
de F formée de vecteurs propres de u.

Exercice 188 : [énoncé] 0 1
a) Posons A = . Un endomorphisme représenté par A n’est pas
Le sous-espace vectoriel F = Vect(e1 , e2 ) eststable par u et l’endomorphisme 0 0
1 1 diagonalisable alors que son carré est nul.
induit par u sur F a pour matrice dans(e1 , e2 ).
0 1 b) Dans une base de vecteurs propres de f , f est représenté par une matrice
Or cette matrice n’est pas diagonalisable donc l’endomorphisme induit par u sur diagonale D et f 2 par la matrice D2 . Cela permet de déterminer ker f 2 et de
F n’est pas diagonalisable et donc u ne l’est pas non plus. conclure ker f 2 = ker f .
c) Supposons ker f = ker f 2 . Soit P le polynôme minimal de f 2 . Or ω est aussi valeur propre de u donc P 0 (ω) = 0 est valeur propre de P 0 (u) mais
Si 0 n’est pas racine de P alors, sachant f 2 diagonalisable, on peut écrire P 0 (u) ∈ GL(E), c’est donc impossible.
p
P =
Q
(X − λi ) avec λi 6= 0. Par suite les racines de M sont simples et u est donc diagonalisable.
i=1
Pour chaque λi , posons δi et −δi les deux solutions complexes de l’équation
z 2 = λi .
p Exercice 195 : [énoncé]
(X − δi )(X + δi ) de sorte que Q(f ) = P (f 2 ) = 0.
Q
Considérons ensuite Q = Soient λ1 , . . . , λn les valeurs propres deux à deux distinctes de P (u).
i=1 n
Puisque f annule un polynôme scindé à racines simples, f est diagonalisable.
Q
Posons Q = (X − λk ). Q est un polynôme annulateur de P (u) donc
p
Q k=1
Si 0 est racine de P alors on peut écrire P = X (X − λi ) avec λi 6= 0. En n
Q
i=1 (P (u) − λk IdE ) = 0̃.
reprenant les notations ci-dessus, et on considérant le polynôme k=1
p n
Q
(X − δi )(X + δi ), on a f 2 Q(f ) = P (f 2 ) = 0. Ainsi ImQ(f ) ⊂ ker f 2 , or Posons Qk = P − λk . Le polynôme Qk est annulateur de u et les racines d’un
Q
Q=
i=1 k=1
2
ker f = ker f donc f Q(f ) = 0. Ainsi f annule un polynôme scindé à racines polynôme Qk sont distinctes de celles d’un polynôme Q` avec k 6= ` car λk 6= λ` .
simples donc f est diagonalisable. De plus si α est racine multiple de Qk alors P (α) = λk et Q0k (α) = P 0 (α) = 0 ce
qui est exclu par hypothèse.
n
Q
Par conséquent le polynôme Qk est scindé simple donc u est diagonalisable.
k=1
a) u est diagonalisable si, et seulement si, u annule un polynôme scindé à racines
simples. Exercice 196 : [énoncé]
ou encore : dim ker A = n − 2 donc 0 est valeur propre de A de multiplicité au moins n − 2.
u est diagonalisable si, et seulement si, le polynôme minimal de u est scindé à Puisque χA est scindé, la trace de A est la somme des valeurs propres de A
racines simples. comptées avec multiplicité.
b) Si u est diagonalisable, il est clair que u2 l’est aussi. Si 0 est la seule valeur propre de A alors A est semblable à une matrice
Inversement, si u2 est diagonalisable alors son polynôme annulateur est scindé à triangulaire supérieure stricte et alors An = On ce qui est exclu.
racines simples : (X − λ1 )...(X − λp ). Sinon A possède alors une autre valeur propre, puis deux car la somme des valeurs
Puisque u ∈ GL(E) : ∀1 6 i 6 p, λi 6= 0 car 0 n’est pas valeur propre de u. propres est nulle. Par suite la somme des dimensions des sous-espaces propres de
Notons αi et βi les deux solutions de l’équation z 2 = λi . A est au moins n et donc A est diagonalisable.
Puisque (u2 − λ1 Id) ◦ . . . ◦ (u2 − λp Id) = 0 on a
(u − α1 Id) ◦ (u − β1 Id) ◦ . . . ◦ (u − αp Id) ◦ (u − βp Id) = 0.
Ainsi u annule un polynôme scindé à racines simples. Par suite u est
diagonalisable.
a) A est semblable à une matrice triangulaire supérieure stricte T .
c) Si u est diagonalisable alors P (u) l’est aussi. b) On peut écrire A = P T P −1 donc det(A + In ) = det(T + In ) = 1.
Inversement, si P (u) est diagonalisable alors son polynôme minimal est scindé à c) det(A + M ) = det(M ) det(AM −1 + In ).
racines simples (X − λ1 ) . . . (X − λp ) où les λi sont les valeurs propres de P (u). Puisque (AM −1 )n = An M −n = On , 0 est la seule valeur propre de AM −1 et par
Le polynôme (P (X) − λ1 ) . . . (P (X) − λp ) est alors annulateur de u. l’étude qui précède det(A + M ) = det M .
Les facteurs P (X) − λi sont sans racines communes.
d) Si A est solution alors pour tout λ 6= 0, det(A − λIn ) 6= 0 donc 0 est seule
Le polynôme minimal M de u divise (P (X) − λ1 ) . . . (P (X) − λp ).
valeur propre de A.
Si ω est racine au moins double de M alors ω est racine au moins double de l’un
des facteurs P (X) − λi donc racine de P 0 .
Exercice 198 : [énoncé] On en déduit que la matrice M − 2In est inversible et puisque
Si A est solution alors P = X(X − 2)2 est annulateur de A et les valeurs propres
de A figurent parmi {0, 2}. Par la trace, on peut alors affirmer que 2 est valeur M (M − 2In )2 = On
propre de multiplicité 4.
on obtient
Par le lemme de décomposition des noyaux, ker(A − 2Id)2 et ker A sont
M = On
supplémentaires.
Par multiplicité des valeurs
propres, leurs dimensions
respectives sont 4 et n − 4.
2I4 + M 0 Exercice 201 : [énoncé]
Ainsi A est semblable à avec M ∈ M4 (C) vérifiant M 2 = 0.
0 On−4 Puisque le polynôme X 3 − X 2 = X 2 (X − 1) annule f le lemme de décomposition
On
 raisonnant sur le rang,
 on montre que M est semblable à O4 , des noyaux donne
0 0 0 1 0 0 1 0
 0 0 0 0   0 0 0 1  R3 = ker f 2 ⊕ ker(f − Id)
 0 0 0 0  ou  0 0 0 0 . Sachant dim ker(f − Id) = 1, on a dim ker f 2 = 2.
   
0 0 0 0 0 0 0 0 On ne peut avoir dim ker f = 0 et puisque ker f ⊂ ker f 2 , on a

La réciproque est immédiate.
dim ker f = 1 ou 2
Si dim ker f = 2 alors

Exercice 199 : [énoncé] R3 = ker(f − Id) ⊕ ker f
 A est nilpotente
Si  alors seule 0 est valeur propre de A et donc A est semblable à et dans une base adaptée à cette supplémentarité, la matrice de f est
0 ?  
 .. . Par suite trAp = 0 pour tout p > 1.
 1 0 0
 .  0 0 0 
0 0
0 0 0
Inversement, supposons trAp = 0 pour tout p ∈ [[1, n]].
Notons λ1 , ..., λm les racines non nulles de χf et α1 , ..., αm leurs multiplicités Si dim ker f = 1 alors considérons e3 ∈ ker f 2 \ ker f et e2 = f (e3 ).
respectives. On vérifie aisément que (e2 , e3 ) est une base de ker f 2 et en considérant un
m
On a ∀1 6 p 6 m 6 n, tr(f p ) = αi λpi = 0. vecteur e1 ∈ ker(f − Id) non nul, on obtient une base (e1 , e2 , e3 ) dans laquelle la
P
i=1 matrice de f est
Ce système de Vandermonde implique : ∀1 6 i 6 p, αi = 0 et donc l’inexistence de 
1 0 0

valeurs propres autres que 0 ce qui permet de conclure queA est nilpotente via  0 0 1 
trigonalisation. 0 0 0

Le polynôme a) Si A ∈ Mn (C) alors A est triangularisable et lors de cette triangularisation les
X 3 − 4X 2 + 4X = X(X − 2)2 valeurs propres de A apparaissent sur la diagonale. Or A est nilpotent donc 0 est
sa seule valeur propre et la diagonale de la matrice triangulaire obtenue est nulle.
est annulateur de M . Le polynôme caractéristique de A ∈ Mn (C) est alors égal à (−1)n X n .
On en déduit SpM ⊂ {0, 2} et M trigonalisable (car M annule un polynôme b) Pour A ∈ Mn (R), on a aussi A ∈ Mn (C) et le polynôme caractéristique est
scindé). calculé par la même formule dans les deux cas. Par suite le polynôme
Par suite trM est la somme des valeurs propres de M comptées avec multiplicité caractéristique pour A ∈ Mn (R) est scindé et donc à nouveau A est
et puisque trM = 0, seul 0 est valeur propre de M . triangularisable avec des 0 sur la diagonale.
Exercice 203 : [énoncé] En raisonnant par récurrence, nous allons établir que la seule solution est
Si u possède une unique valeur propre λ alors celle-ci est la seule racine de son λ1 = . . . = λn = 0ce qui permettra de conclure que f est nilpotente car
polynôme caractéristique qui est alors (λ − X)dim E . Ce dernier annulant u, on χf = (−1)n X n est annulateur de f .
peut affirmer u − λIdE est nilpotent. Pour n = 1 : la propriété est immédiate.
Si u − λIdE est nilpotent alors il existe p ∈ N tel que (X − λ)p soit annulateur de Supposons la propriété au rang n − 1.
u. Les valeurs propres de u étant racine de ce polynôme, elles ne peuvent qu’être Considérons le polynôme P (X) = (X − λ1 ) . . . (X − λn ).
égale à λ. De plus λ est assurément valeur propre car un endomorphisme d’un En développant, P (X) = X n + an−1 X n−1 + · · · + a1 X + a0 .
n
C-espace vectoriel de dimension finie possède au moins une valeur propre. P
Comme P (λi ) = 0, on a P (λi ) = 0.
i=1
n n n n
λni λn−1
P P P P
Or P (λi ) = + an−1 i + · · · + a1 λi + na0 = na0 .
Exercice 204 : [énoncé] i=1 i=1 i=1 i=1
On en déduit a0 =
0 et donc 0 est racine de P .
a) Par récurrence
n n n Il existe alors i ∈ {1, . . . , n} tel que λi = 0.
f ◦ g − g ◦ f = nf
Par symétrie du problème, on peut supposer λn = 0.
b) Par linéarité Par application de l’hypothèse de récurrence, on obtient λ1 = . . . = λn = 0.
P (f ) ◦ g − g ◦ P (f ) = f ◦ P 0 (f ) La récurrence est établie.
Par suite, si P (f ) = 0, alors f ◦ P 0 (f ) = 0.

c) Soit π le polynôme minimal de l’endomorphisme f . Exercice 206 : [énoncé]
π annule f donc Xπ 0 aussi. Par minimalité de π, π | Xπ 0 . Pour des raisons de a) Soit λ une valeur propre de l’endomorphisme T .
degré et de coefficients dominants, απ = Xπ 0 avec α = deg π. On en déduit Il existe une matrice M non nulle vérifiant T (M ) = λM .
π = X α et donc f est nilpotent. On a alors M A = (A + λIn )M .
Par une récurrence facile, M Ap = (A + λIn )p M .
Or pour un certain p ∈ N? , Ap = On donc (A + λIn )p M = On .
Exercice 205 : [énoncé] Cependant la matrice M n’est pas nulle donc la matrice (A + λIn )p n’est pas
a) Supposons ∃p ∈ N? , f p = 0. inversible puis la matrice A + λIn ne l’est pas non plus. Ainsi λ est valeur propre
Soit λ valeur propre de f . On a λp = 0 donc λ = 0 puis sp(f ) ⊂ {0}. de A et donc λ = 0 car 0 est la seule valeur propre d’une matrice nilpotente.
Or sp(f ) 6= ∅ donc sp(f ) = {0}. On en déduit SpT ⊂ {0} puis SpT = {0} car le corps de base C assure l’existence
Inversement, si sp(f ) = {0} alors seule 0 est racine de son polynôme d’au moins une valeur propre.
caractéristique et donc χf = (−1)n X n d’où f n = 0 et donc f est nilpotente. Le polynôme caractéristique de T étant scindé dans C [X] et de degré n2 , on a
2 2 2
b) Supposons f nilpotent. χT = (−1)n X n puis T n = 0̃ car le polynôme caractéristique est annulateur en
Par l’étude ci-dessus, f est trigonalisable stricte et donc ∀1 6 k 6 n, tr(f k ) = 0 vertu du théorème de Cayley Hamilton.
car les puissances de f pourront aussi être représentées par des matrices Finalement, l’endomorphisme T est nilpotent.
triangulaires strictes. b) Pour g = IdE on a T = 0̃.
Inversement, si ∀1 6 k 6 n, tr(f k ) = 0 alors en notant λ1 , . . . , λn les valeurs Ainsi l’endomorphisme T est nilpotent alors que g ne l’est pas.
propres comptées avec multiplicité de A, on obtient le système : La réciproque est fausse.
 λ1 + · · · + λn = 0


 λ2 + · · · + λ2 = 0

1 n Exercice 207 : [énoncé]


 · · · Une matrice M ∈ Mn (C) nilpotente vérifie M n = On . Considérons la matrice
 n
λ1 + · · · + λnn = 0 (A + xB)n . Les coefficients de cette matrice sont des polynômes de degrés
La résolution de ce système est délicate. inférieurs à n s’annulant chacun en les λ1 , . . . , λn , λn+1 , ce sont donc des
polynômes nuls. Ainsi, pour tout x ∈ C, (A + xB)n = On . En particulier pour On a  

x = 0, on obtient An = On . Aussi pour tout y 6= 0, en considérant y = 1/x, on a Y
(yA + B)n = On et en faisant y → 0, on obtient B n = On . X − λ − P2 (X)R(X) = (X − λ) 1 − (X − µ)R(X)
µ6=λ
La condition voulue est assurément vérifiée si βλ = Q1.

Exercice 208 : [énoncé] Pour βλ > 2, la condition voulue est satisfaite si (λ − µ)R(λ) = 1 et si pour
a) I1 est l’idéal des polynômes annulateurs de u ; il est engendré par P1 = πu µ6=λ Q
polynôme minimal de u. tout k ∈ {1, . . . , βλ − 2}, la dérivée kème du polynôme (X − µ)R(X) s’annule
La somme de deux endomorphismes nilpotents commutant est encore nilpotent µ6=λ
car la formule du binôme de Newton s’applique et il suffit de travailler avec un en λ. Cela fournit des équationsQdéterminant pleinement
exposant assez grand. On obtient alors facilement que I2 est un sous-groupe de R(λ), R0 (λ), . . . , Rβλ −2 (λ) car (λ − µ) 6= 0.
µ6=λ
(K [X] , +). La stabilité par absorption étant immédiate, I2 est un idéal de K [X] Sachant qu’il est possible de construire un polynôme prenant des valeurs données
et comme il contient I1 , il est non nul. ainsi que ses dérivées en des éléments deux à deux distincts de K, on peut
b) Puisque I1 ⊂ I2 , P1 ∈ P2 K [X] et donc P2 | P1 . déterminer un polynôme résolvant notre problème.
Aussi, en posant n la dimension de E, on sait que pour tout endomorphisme
nilpotent de v de E, on a v n = 0̃. Puisque P2 (u) est nilpotent, on en déduit que
(P2 )n (u) = 0̃ et donc P1 | P2n .
c) Cette question est immédiate avec la décomposition de Dunford mais cette
a) O22 = O2 donc Φ(O2 )2 = Φ(O2 ) d’où Φ(O2 ) = 0 ou 1.
dernière est hors-programme. . . Procédons autrement !
Si Φ(O2 ) = 1 alors pour tout A ∈ M2 (R),
Puisque P2 | P1 et P1 | P2n , les racines de P2 sont exactement celles de P1
Φ(A) = Φ(A) × Φ(O2 ) = Φ(A × O2 ) = 1.
c’est-à-dire les valeurs propres de l’endomorphisme u. On peut donc écrire
Ceci est exclu car la fonction Φ n’est pas constante. On en déduit Φ(O2 ) = 0.
b) Si A est nilpotente alors A2 = O2 (car A est de taille 2) et donc Φ(A)2 = 0 puis
Y
P2 = (X − λ)αλ
λ∈Spu
Φ(A) = 0.
Q c) I22 = I2 donc Φ(I2 )2 = Φ(I2 ) puis Φ(I2 ) = 0 ou 1.
Or P2 (u) étant nilpotent, il est immédiat que l’endomorphisme (u − λIdE ) Si Φ(I2 ) = 0 alors pour tout A ∈ M2 (R), Φ(A) = Φ(A × I2 ) = Φ(A) × 0 = 0.
λ∈Spu Ceci est exclu car la fonction Φ n’est pas constante. On en déduit Φ(I2 ) = 1.
l’est aussi. 0 1

On en déduit que Notons E = .
Y 1 0
P2 = (X − λ) On remarque E 2 = I2 donc Φ(E)2 = 1 puis Φ(E) = −1 car Φ(E) 6= Φ(I2 ).
λ∈Spu
Puisque B = EA, on en déduit Φ(B) = −Φ(A).
et ce polynôme est donc scindé simple. d) Si A est inversible alors Φ(I2 ) = Φ(A) × Φ(A−1 ) et donc Φ(A) 6= 0 puisque
Déterminons maintenons un polynôme R ∈ K [X] tel que pour Q = P2 R, on ait Φ(I2 ) = 1 6= 0.
P2 (u − Q(u)) = 0̃. Inversement, supposons A non inversible. 0 est valeur propre de A.
On en déduira que u − Q(u) est diagonalisable avec Q(u) ∈ I2 . On vérifie aisément que deux matrices A et B semblables vérifient Φ(A) = Φ(B).
L’identité P2 (u − Q(u)) = 0̃ est obtenue dès que P1 divise le polynôme Si A est diagonalisable alors A est semblable à
Y
P2 (X − P2 (X)R(X)) = (X − λ − P2 (X)R(X)) 0 0
λ∈Spu 0 trA
(X − λ)βλ donc il suffit que pour chaque λ ∈ Spu, le facteur

Q
Or P1 = Par suite
λ∈Spu 0 0 0 trA
(X − λ) βλ
divise le facteur X − λ − P2 (X)R(X) pour pouvoir conclure. Φ(A) = Φ = −Φ =0
0 trA 0 0
car cette dernière matrice est nilpotente.

Si A n’est pas diagonalisable A est trigonalisable (car χA scindé sur R) et A est B:=evalm(A*(1+A+2*A^2+3*A^3));
semblable à
On cherche ensuite le polynôme Q a coefficients inconnus. On définit celui-ci

0 1
0 0
Q:=unapply(add(a[k]*X^k,k=0..6),X);
et par suite Φ(A) = 0 car cette dernière matrice est nilpotente.
ainsi que la matrice C = BQ(B)
C:=evalm(B&*Q(B));
Exercice 210 :[énoncé]
1. K [A] = Vect Ak /k ∈ N . En jouant avec le facteur de zoom, on observe la structure de cette matrice et
En notant p l’indice de nilpotence de A, K [A] = Vect(In , A, . . . , Ap−1 ). celle-ci correspond à A si, et seulement si, les ak sont solutions d’un système facile
D’autre part, on établit facilement que la famille (In , A, . . . , Ap−1 ) est libre et à former. On résout celui-ci
donc on peut conclure dim K [A] = p.
2.a) B p = Ap P (A)p = 0 donc B est nilpotente et Ind(B) 6 Ind(A).
solve({C[1,2]=1,C[1,3]=0,C[1,4]=1,seq(C[1,k]=0,k=5..8)});
Si B q = 0 alors Aq P (A)q = 0 et donc le polynôme X q P (X)q est annulateur de A.
Or le polynôme minimal de A est X p et celui-ci divise tout polynôme annulateur On peut vérifier l’exactitude de cette solution
de A donc X p divise X q P (X)q . Sachant P (0) 6= 0, on obtient que X p divise X q et
donc p 6 q. assign(%);
2.b) Puisque B est un polynôme en A, on a K [B] ⊂ K [A]. Or par égalité des evalm(B&*Q(B));
indices de nilpotence, on a égalité des dimensions et donc K [B] = K [A]. Par suite
il existe R ∈ K [X] tel que A = R(B). Finalement, on obtient le polynôme
Puisque Ap = 0, le polynôme R(X)p est annulateur de B, or le polynôme minimal
Q(X) = 1 − X + X 2 − 2X 3 + 9X 4 − 32X 5 + 72X 6
de B est X p donc X p divise R(X)p et on en déduit R(0) = 0. Cela permet
d’écrire R(X) = XQ(X) et donc A = BQ(B).
Si Q(0) = 0, alors on peut encore écrire A = B 2 S(B) et alors l’indice de
nilpotence de A est inférieur au plus petit entier supérieur à p/2. Si p > 1, c’est
a) SpA = {0} et A 6= On donc A n’est pas diagonalisable.
absurde et donc on peut affirmer Q(0) 6= 0.
b) On remarque An = On et An−1 6= On .
Dans le cas p = 1, on a A = 0, B = 0 et la résolution est immédiate.
S’il existe B ∈ Mn (R) vérifiant B 2 = A alors B 2n = An = On donc B est
3.a) On définit la matrice étudiée
nilpotente. Par suite B n = On .
Or B 2n−2 6= On avec 2n − 2 > n, c’est absurde.
A:=matrix(8,8,(i,j)->if i=j-1 or i=j-4 then 1 else 0 fi);
Cette matrice est triangulaire supérieure, donc nilpotente.
On a
On évalue les puissances successives de la matrice A
det(A + N ) = det(A) det(In + A−1 N )
Puisque A et N commutent, il en est de même de A−1 et N . On en déduit que la
seq(evalm(A^k),k=1..8); matrice A−1 N est nilpotente car N l’est.
La matrice A−1 N est alors semblable à une matrice triangulaire supérieure stricte
On observe alors Ind(A) = 8. et la matrice In + A−1 N est semblable à une matrice triangulaire supérieure avec
3.b) On définit la matrice B des 1 sur la diagonale.
On en déduit avec Pn polynôme de degré inférieur à n − 1.

det(In + A−1 N ) = 1 b) On a
√ 2
puis Pn2 (x) = 1 + x + O(xn ) = 1 + x + O(xn )
det(A + N ) = det A donc
Pn2 (x) − x − 1 = O(xn )
Exercice 213 : [énoncé] Notons α la multiplicité de 0 en tant que racine du polynôme Pn2 (X) − X − 1.
a) Si λ est valeur propre de A alors λp = 0 d’où λ = 0. Par suite χA = (−1)n X n On peut écrire Pn2 (X) − X − 1 = X α Q(X) avec Q(0) 6= 0 et donc
puis par Cayley Hamilton An = 0.
b) det(A + I) = χA (−1) = (−1)n (−1)n = 1 xα Q(x) = O(xn ) au voisinage de 0
c) Si M est inversible det(A + M ) = det(AM −1 + I) det M .
puis
Or A et M −1 commutent donc (AM −1 )p = 0 puis par b) : det(A + M ) = det M .
xα−n Q(x) = O(1)
Si M n’est pas inversible. Posons Mp = M + p1 In . Quand p → +∞, Mp est
inversible et commute avec A donc det(A + Mp ) = det Mp . Or det Mp → det M et Nécessairement α − n > 0 et on en déduit que 0 est racine de multiplicité au
det(A + Mp ) → det(A + M ) donc on peut prolonger l’égalité à toute matrice qui moins n du polynôme Pn2 (X) − X − 1 et donc que X n divise ce polynôme.
commute avec A. c) Puisque X n annule f , Pn2 (X) − X − 1 annule aussi f et alors l’endomorphisme
0 1 1 2 g = Pn2 (f ) vérifie
d) Non prendre : A = et M = .
0 0 3 4 g 2 = f + IdE
d) Puisque E est un C-espace vectoriel, le polynôme caractéristique de f est
Exercice 214 : [énoncé] scindé et puisque λ est sa seule valeur propre, celui-ci est
On a
χf = (−1)n (X − λ)n
∀k ∈ {0, . . . , n} , (A + 2k B)n = On
Considérons alors la matrice En vertu du théorème de Cayley-Hamilton, on a (f − λIdE )n = 0̃.
Considérons alors µ ∈ C vérifiant µ2 = λ et posons
(A + XB)n ∈ Mn (K [X])
g = µPn ((f − λIdE )/µ2 )
Celle-ci est à coefficients polynomiaux de degrés inférieurs à n. Puisque
1, 2, . . . , 2n sont n + 1 racines distinctes de ces coefficients, ceux-ci sont tous nuls. Puisque (f − λIdE )/µ2 vérifie l’hypothèse du c), on a
On en déduit
An = On 2 2 f − λIdE
g =µ + IdE = f
µ2
car les coefficients constants sont nuls, et
B n = On
car les coefficients des termes X n sont nuls.
Exercice 215 : [énoncé] √

a) Par le développement limite de 1 + x en 0 on peut écrire
√
1 + x = Pn (x) + O(xn )

Réduction Des Endomorphismes

Transféré par

Droits d'auteur :

Formats disponibles

Réduction Des Endomorphismes

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Réduction Des Endomorphismes

Transféré par

Droits d'auteur :

Formats disponibles

[http://mp.cpgedupuydelome.

Réduction des endomorphismes Exercice 6 [ 00756 ] [correction]

Exercice 10 Centrale MP [ 00760 ] [correction]

Exercice 11 [ 00761 ] [correction] Eléments propres d’un endomorphisme

Exercice 12 Centrale MP [ 02492 ] [correction] Exercice 17 [ 00764 ] [correction]

Exercice 27 Mines-Ponts MP [ 02700 ] [correction]

Exercice 23 [ 00769 ] [correction] a) Vérifier que T est dans L(E).

Déterminer les valeurs propres de ∆.

un + un−1 Exercice 30 Centrale MP [ 03103 ] [correction]

Eléments propres d’une matrice Exercice 36 [ 00777 ] [correction]

Exercice 38 X MP [ 02861 ] [correction] Exercice 43 [ 00780 ] [correction]

Exercice 39 [ 03173 ] [correction] χAB = χBA

Exercice 49 Mines-Ponts MP [ 02697 ] [correction] Calcul de polynôme caractéristique

χA (B) ∈ GLn (C) ⇔ SpA ∩ SpB = ∅

b) Justifier que P est un polynôme unitaire de degré n. Exercice 62 X MP [ 02868 ] [correction]

Exercice 64 [ 00790 ] [correction]

Exercice 61 Centrale MP [ 02441 ] [correction] Exercice 66 [ 00792 ] [correction]

Exercice 67 Mines-Ponts MP  [correction]

Exercice 70 Mines-Ponts MP [ 02706 ] [correction]

Diagonalisabilité des matrices de rang 1

Exercice 82 Centrale PC [ 03113 ] [correction]

Exercice 84 [ 03122 ] [correction]

Eléments propres et diagonalisabilité d’un endo- Exercice 90 [ 00804 ] [correction]

Exercice 92 Mines-Ponts MP [ 02718 ] [correction]

Exercice 93 Mines-Ponts MP [ 02722 ] [correction]

a) Montrer que ϕ(P ) ∈ E puis que ϕ est un endomorphisme de E.

Etude d’endomorphismes diagonalisables Exercice 100 [ 00809 ] [correction]

Exercice 103 CentralePSI [ 01324

Exercice105 [ 00812 ] [correction]

Exercice 110 X MP [ 02980 ] [correction]

Exercice 113 CCP MP [ 03215 ] [correction] Exercice 117 [ 00817 ] [correction]

Exercice 121 [ 00820 ] [correction]

Exercice 122 [ 00821 ] [correction] Exercice 127 [ 00822 ] [correction]

Exercice 133 [ 00829 ] [correction] Exercice 139 X MP [ 03073 ] [correction]

Exercice 135 Mines-Ponts MP [ 02681 ] [correction]

Exercice 137 Mines-Ponts MP [ 02727 ] [correction] Exercice 142 [ 00830 ] [correction]

Exercice 143 [ 00831 ] [correction]

Exercice 144 [ 00832 ] [correction] Exercice 151 [ 00836 ] [correction]

Exercice 153 [ 00840 ] [correction]

Exercice 154 Mines-Ponts MP [ 02667 ] [correction]

Exercice 148 [ 00834 ] [correction] n−1

Diagonalisabilité et polynômes annulateurs f4 = f2

Exercice 173 Mines-Ponts MP [ 02714 ] [correction]

Exercice 176 Mines-Ponts MP [ 02720 ] [correction]

Exercice 177 Mines-Ponts MP [ 02721 ] [correction] Exercice 182 [ 02953 ] [correction]

Montrer que ω(En ) est fini. Diagonalisabilité et endomorphisme induit

Exercice 188 [ 03038 ] [correction] Exercice 193 [ 00860 ] [correction]

Exercice 189 [ 00856 ] [correction]

Exercice 195 [ 00862 ] [correction]

Trigonalisabilité et polynôme annulateur

Montrer que A est diagonalisable.

Exercice 198 Mines-Ponts MP [ 02713 ] [correction] Exercice 204 [ 00828 ] [correction]

Exercice 200 Mines-Ponts PC [ 01948 ] [correction]

Exercice 201 [ 03239 ] [correction]

Nilpotence Exercice 207 X MP [ 00938 ] [correction]

Exercice 209 X PC [ 03095 ] [correction] Exercice 212 [ 01677 ] [correction]

Ind(A) = min k ∈ N? /Ak = 0

d) Soit maintenant f un endomorphisme de E ne possédant qu’une valeur propre

Exercice 16 : [énoncé] Sp(g) = {λ, . . . , λ + n − 1}

Exercice 103 CentralePSI [ 01324

Exercice105 [ 00812 ] [correction]

Exercice 81 : [énoncé] Si AB 3 = B 3 A alors

Exercice 193 : [énoncé]