Exercice Reduction Des Endomorphismes

  • November 2019
  • PDF

This document was uploaded by user and they confirmed that they have the permission to share it. If you are author or own the copyright of this book, please report to us by using this DMCA report form. Report DMCA


Overview

Download & View Exercice Reduction Des Endomorphismes as PDF for free.

More details

  • Words: 10,878
  • Pages: 22
2. R´ eduction des endomorphismes Exercice 2.1 Soient f et g deux endomorphismes de E, avec dim(E) = n ≥ 1. On suppose que f et g commutent et qu’ils sont diagonalisables. Montrer que f et g sont diagonalisables dans une mˆeme base (e) de E. Exercice 2.2 Soit M une matrice de Mn (IK), inversible. Exprimer le polynˆome caract´eristique de M −1 en fonction de celui de M . Exercice 2.3 



−1 1 1   Diagonaliser A =  1 −1 1  1 1 −1 Exercice 2.4 







−4 0 −2 1 1 0     1. A =  0 1 0 . Montrer qu’il existe P telle que P −1 AP = T =  0 1 0  5 1 3 0 0 −2 n 2. Calculer A , pour tout n de ZZ.

Exercice 2.5 1. Montrer que P → ϕ(P ) = X(X − 1)P 0 − nXP d´efinit un endomorphisme ϕ de IKn [X]. 2. L’endomorphisme ϕ est-il diagonalisable? 3. D´eterminer les sous-espaces propres de ϕ.

Exercice 2.6 Soit A une matrice de M(IK) telle que A3 = A2 + 4A − 4In . Montrer que A est diagonalisable. Exercice 2.7 Soit f un endomorphisme de E tel que (f − Id)3 ◦ (f + 2Id) = 0 et (f − Id)2 ◦ (f + 2Id) 6= 0. L’endomorphisme f est-il diagonalisable ?

Jean-Michel.Ferrard @ ac-lyon.fr, 23 mai 2000

Page 1

Exercice 2.8

1 −1 0 0  0  0 1 −1  Peut-on diagonaliser A =   ?  0 0 −1 1  −1 1 0 0 



Exercice 2.9 On se donne une famille λ1 , . . . , λn de n nombres complexes. Dans Mn ( C), l on d´efinit la matrice A de terme g´en´eral aij = λi λj . La matrice A est-elle diagonalisable ? Exercice 2.10 2 1  Montrer que la matrice A =  0 0 

3 −4 −4 0 0 0    n’est pas diagonalisable. 1 0 0  0 1 0 

Trouver une matrice inversible P telle que T = P −1 AP soit triangulaire sup´erieure et “la plus simple possible”. Exercice 2.11 0 1  Trouver une matrice M de M4 ( C) l telle que M 2 = A =  1 1 

Exercice 2.12

1 0 1 1



1 1 0 1

1 1   1 0 



3 0 0   2 Trouver toutes les matrices M de M3 ( C) l tq M = A =  −5 2 0 . 4 0 1 Exercice 2.13 Soient f et g deux endomorphismes d’un C-espace l vectoriel E de dimension n ≥ 1. On suppose que f et g commutent. Montrer que f et g ont au moins un vecteur propre en commun. Exercice 2.14 1 0  Donner une CNS sur a, b, c, d, e, f pour que A =  0 0 

Jean-Michel.Ferrard @ ac-lyon.fr, 23 mai 2000

a b c 1 d e   soit diagonalisable. 0 2 f 0 0 2 

Page 2

Exercice 2.15 



0 −2 0   Diagonaliser A =  1 0 −1  dans IR si possible, sinon dans C. l 0 2 0 Exercice 2.16 Soit M une matrice de Mn (IK), ayant n valeurs propres distinctes. Montrer que les matrices qui commutent avec M sont les combinaisons lin´eaires de In , M, M 2 , . . . , M n−1 . Exercice 2.17 Soit A une matrice de Mn ( C), l inversible et diagonalisable. Soit B une matrice de Mn ( C), l telle que B 2 = A. Montrer que B est diagonalisable. Exercice 2.18

0 0  Diagonaliser A =  0  0 1 

Exercice 2.19

1 0 0 0 0

0 1 0 0 0

0 0 1 0 0

0 0  0   1 0 

1 −1 2 −2 0 0 1 −1    Peut-on diagonaliser B =  ?  1 −1 1 0  1 −1 1 0 



Exercice 2.20 Vecteurs propres de l’endomorphisme f de IR[X] d´efini par f (P ) = (2X + 1)P + (1 − X 2 )P 0 .

Exercice 2.21 Soit E l’espace des fonctions continues de IR+ dans IR. 1Zx f (t)dt. Soit T d´efinie sur E par T (f )(0) = f (0) et, pour x > 0, T (f )(x) = x 0 1. Montrer que T est un endomorphisme de E. 2. D´eterminer le noyau de T . L’op´erateur T est-il injectif ? surjectif ? 3. Indiquer ses valeurs propres non nulles et les sous-espaces propres associ´es.

Jean-Michel.Ferrard @ ac-lyon.fr, 23 mai 2000

Page 3

Exercice 2.22





a c b   Diagonaliser la matrice A =  c a + b c . b c a

Exercice 2.23 Soient f et g deux endomorphismes d’un espace vectoriel E de dimension n ≥ 1. Montrer que g ◦ f et f ◦ g ont les mˆemes valeurs propres. Indication : consid´erer `a part le cas de la valeur propre 0. Donner un contre-exemple dans le cas o` u E n’est pas de dimension finie. Exercice 2.24 Soient A et B dans deux matrices de Mn (IK). Montrer que AB et BA ont le mˆeme polynˆome caract´eristique. Indication : commencer par supposer que A est inversible. Exercice 2.25 

Pour tous A =

a b c d



de M2 (IK) et M de Mn (IK), on pose A ⊗ M =



aM cM

bM . dM 

1. Montrer que (A ⊗ M )(B ⊗ N ) = (AB) ⊗ (M N ). 2. Etablir que det(A ⊗ M ) = (det A)n (det M )2 . 3. Montrer que : A, M inversibles ⇒ A ⊗ M inversible et (A ⊗ M )−1 = A−1 ⊗ M −1 . 4. Prouver que si A et M sont diagonalisables, alors A ⊗ M est diagonalisable. Exercice 2.26 Montrer qu’il existe une matrice inversible P telle que P −1 AP = J, avec : 0 1 1 0  −1 −2 1 −2    A=   2 6 −1 4  4 8 −4 7 



1 0  J = 0 0 

1 1 0 0

0 1 1 0

0 0   0 1 

Exercice 2.27 Montrer qu’il existe une matrice inversible P telle que P −1 AP = J, avec : 1 0 −1 1  0 −2 0 0   A= 1 0 1 0  1 0 0 1 0 0 1 −1 

Jean-Michel.Ferrard @ ac-lyon.fr, 23 mai 2000

0 0   1  1 1 

−2  0   J = 0   0 0 

0 1 0 0 0

0 1 1 0 0

0 0 0 1 0

0 0   0  1 1 

Page 4

Corrig´ e des exercices ´ de l’exercice 2.1 Corrige Par hypoth`ese, E est somme directe des diff´erents sous-espaces propres de f : E = ⊕Eλ (f ). Puisque f et g commutent, chaque Eλ (f ) = ker(f − λId) est stable par g. On en d´eduit que la restriction de g `a Eλ (f ) est diagonalisable. Ainsi il existe dans Eλ (f ) une base form´ee de vecteurs propres de g (et elle est form´ee de vecteurs propres de f pour λ.) Si on “juxtapose” les bases choisies dans chaque Eλ (f ), on obtient une base (e) de E adapt´ee a` la somme directe E = ⊕Eλ (f ) et form´ee de vecteurs propres `a la fois pour f et pour g. C’est donc une base de E dans laquelle f et g sont simultan´ement diagonalis´ees.

´ de l’exercice 2.2 Corrige Pour tout scalaire x non nul :  1  χM −1 (x) = det(M −1 − xIn ) = det(M −1 ) det(In − xM ) = det(M −1 ) (−x)n det M − In x 1 . On a donc l’´egalit´e polynˆomiale : χM −1 (X) = det(M −1 ) (−X)n χM X

´ de l’exercice 2.3 Corrige −1 − x 1 1 1 1 1 χA (x) = 1 −1 − x 1 = (1 − x) 1 −1 − x 1 1 1 1 −1 − x 1 −1 − x 1  1 1 1 est valeur propre simple 2 = (1 − x) 0 −2 − x 0 = (1 − x)(x + 2) : −2 est valeur propre double 0 0 −2 − x

Notons E 1 et E −2 les deux sous-espaces propres. 



















x x x 1 0         2 u= y   y  ∈ E −2 ⇔ x+y+z = 0 ⇔  y  =   = x  0  +y  1  , (x, y) ∈ IR . z z −x − y −1 −1  

1

  On voit que  1  est vecteur propre pour λ = 1.

1

On a ainsi obtenu une base de vecteurs propres. 







1 0 1 −2 0 0     −1 La matrice de passage est P =  0 1 1  et P AP =  0 −2 0  −1 −1 1 0 0 1

Jean-Michel.Ferrard @ ac-lyon.fr, 23 mai 2000

Page 5

´ de l’exercice 2.4 Corrige 1. Soit f l’endomorphisme de IR3 de matrice A dans la base canonique.    f (u1 ) = u1 3 Suivant l’´enonc´e, on cherche une base u1 , u2 , u3 de IR telle que  f (u2 ) = u1 + u2  f (u3 ) = −2u3  x −5x − 2z = 0 Si u = (x, y, z), f (u) = u ⇔ ⇔ (x, y, z) = (2, 0, −5) 5x + y + 2z = 0 2 On choisit donc u1 = (2, 0, −5).   −5x − 2z = 2 5x + 2z = −2 Dans ces conditions (f − Id)(u) = u1 ⇔ ⇔ 5x + y + 2z = −5 y = −3 On choisit par exemple u2 = (0, −3, −1).    −2x − 2z = 0 x+z =0 Enfin f (u) = −2u ⇔ 3y = 0 ⇔ ⇔ (x, y, z) = x(1, 0, −1).  y=0 5x + y + 5z = 0   2 0 1 On pose donc u3 = (1, 0, −1) ce qui donne la matrice de passage P =  −3 0   0  −5 −1 −1 La matrice P est inversible (det P = −9). Les vecteurs u1 , u2 , u3 forment donc une base de IR3 dans laquelle, par construction, la matrice de f est T .     1 1 0 1 2. Pour tout n de IN, = I2 + N o` uN= , telle que N 2 = 0. 0 1 0 0     1 1 n 1 n La formule du binˆome donne : ∀n ∈ IN, = . 0 1 0 1    1 n 1 −n = I2 ⇒ le r´esultat est vrai pour tout n de ZZ. 0 1 0 1   1 n 0   La matrice T est diagonale par blocs. Ainsi, pour tout n de ZZ, T n =  0 1 0  0 0 (−2)n On sait que A = P T P −1 . On en d´eduit, pour tout n de ZZ, An = P T n P −1 (la matrice A, tout comme T , est inversible : 0 n’est en effet pas valeur propre. D’autre part : 2  0 −5

0 −3 −1

1 0 −1

1 0 0 2 0 L3 ← 2L3 + 5L1   0 1 0 0 −3 ⇒ 0 0 1 0 −2

1 1 0 0 0 0 1 0 3 5 0 2

2 L3 ← 3L3 − 2L2  0 ⇒ 0

0 −3 0

1 0 9

0 −3 0







1 0 0 1 15 −2



On en d´eduit P −1



0 18 L1 ← 9L1 − L3   0 0 ⇒ 6 0 





0 −6 0 0 9 15

2 −6 1 0  −2 6 



−3 1 −3 1  =  0 −3 0  puis finalement (apr`es calcul !) : 9 15 −2 6 

∀n ∈ ZZ, An = P T n P −1

1 =   9

Jean-Michel.Ferrard @ ac-lyon.fr, 23 mai 2000

−6 + 15(−2)n 0 15 − 15(−2)n

2 − 6n − 2(−2)n 9 −2 + 15n + 2(−2)n

−6 + 6(−2)n  0  15 − 6(−2)n 

Page 6

´ de l’exercice 2.5 Corrige 1. L’application qui `a un polynˆome P associe le polynˆome X(X − 1)P 0 − nXP est de mani`ere ´evidente lin´eaire de IK[X] dans lui-mˆeme. Pour montrer que la restriction ϕ de cette application d´efinit bien un endomorphisme de IKn [X], il reste `a montrer que IKn [X] est stable par ϕ. En vertu de la lin´earit´e, il suffit de v´erifier que pour tout monˆome X m , avec 0 ≤ m ≤ n, le polynˆome ϕ(X m ) est encore dans IKm [X]. Or ∀m ∈ {0, 1, . . . , n}, ϕ(X m ) = mX m (X − 1) − nX m+1 = (m − n)X m+1 − mX m . On constate que pour tout m < n, deg ϕ(X m ) = m + 1 ≤ n, et enfin deg ϕ(X n ) = n. Ainsi ϕ est bien un endomorphisme de IKn [X]. 2. Ce qui pr´ec`ede montre que la matrice de ϕ dans la base 1, X, . . . , X n de IKn [X] est : 

0

  −n     0  . A =  ..   .  ..   .  .. 

0

0

...

...

...

...

−1

0

...

...

...

1−n

−2

0

...

...

0 .. . .. .

2−n

−3 .. .

0 .. .

... .. .

0

−2

1−n

...

...

...

0

−1

0 .. .

0 .. . .. . .. . .. .



              0  

−n

Cette matrice est triangulaire. Ses valeurs propres sont donc ses coefficients diagonaux 0, −1, −2, . . . , −n. On obtient ainsi les valeurs propres de ϕ. Elles sont au nombre de n + 1 et sont toutes de multiplicit´e 1. Donc ϕ est diagonalisable. • On sait d´eja que les valeurs propres de ϕ sont 0, −1, −2, . . . , −n et que les sous-espaces propres sont des droites vectorielles. Soit λ dans {0, −1, −2, . . . , −n}, et Eλ le sous-espace propre associ´e. P ∈ Eλ ⇔ X(X − 1)P 0 − nXP = λP ⇔

P0 nX + λ n+λ λ = = − P X(X − 1) X −1 X

(1)

Or pour tout polynˆome P de racines x1 , . . . , xr avec les multiplicit´es m1 , . . . , mr , on a : P =α

r Y

(X − xk )mk ⇒

k=1

r X P0 mk = P k=1 X − xk

(2)

L’´egalit´e (1), jointe `a (2) et au fait que la d´ecomposition en ´el´ements simples d’une fraction rationnelle est unique, exprime que le polynˆome P admet pour racines 0 avec la multiplicit´e −λ et 1 avec la multiplicit´e n + λ (remarquons qu’ici −λ et n + λ sont des entiers compris entre 0 et n) ou encore que P s’´ecrit P = αX −λ (X − 1)n+λ . Ainsi pour tout λ de {0, −1, −2, . . . , −n}, Pλ = X −λ (X − 1)n+λ est une base de la droite vectorielle propre pour la valeur propre λ.

Jean-Michel.Ferrard @ ac-lyon.fr, 23 mai 2000

Page 7

´ de l’exercice 2.6 Corrige L’hypoth`ese s’´ecrit P (A) = 0, avec P = X 3 − X 2 − 4X + 4 = (X − 2)(X − 1)(X + 2). La matrice A est donc annul´ee par un polynˆome scind´e `a racines simples : on sait que cela implique que A est diagonalisable. Pour ˆetre plus complet, on peut dire que les valeurs propres ´eventuelles de A sont les racines du polynˆome P : autrement dit on a l’inclusion Sp (f ) ⊂ {−2, 1, 2} et IKn est la somme directe des sous-espaces ker(A + 2In ), ker(A − In ) et ker(A − 2In ) (on commet l’abus de langage de parler du noyau d’une matrice) qui ne sont vraiment des sous-espaces propres que s’ils sont non r´eduits `a {0}. Il serait faux de dire que −2, −1, 1 sont les valeurs propres de A. Il est en effet tout `a fait possible que A soit ´egale `a l’une des matrices In , 2In ou −2In (dans ce cas elle n’a qu’une valeur propre). On ne confondra donc pas avec la propri´et´e : les valeurs propres d’une matrice sont les racines de son polynˆome caract´eristique.

´ de l’exercice 2.7 Corrige On constate que f est annul´ee par le polynˆome P = (X − 1)3 (X + 2). Le spectre de f est donc inclus dans l’ensemble {−2, 1} des racines de P . Si f ´etait diagonalisable, on aurait E = E1 ⊕ E−2 (l’un de ces deux sous-espaces ´etant ´eventuellement r´eduit `a {0} si seul 1 ou −2 est valeur propre, c’est-`a-dire ici si f = Id ou si f = −2Id.) Dans tous les cas, on aurait (f − Id) ◦ (f + 2Id) = 0 (en effet ce produit commutatif s’annule sur E1 `a cause du facteur f − Id et sur E−2 `a cause du facteur f + 2Id.) Mais (f − Id) ◦ (f + 2Id) = 0 impliquerait (f − Id)2 ◦ (f + 2Id) = 0, ce qui n’est pas. Conclusion : l’endomorphisme f n’est pas diagonalisable.

´ de l’exercice 2.8 Corrige 1 −1 −1 1  1 −1 −1 1   On constate que A2 =   , puis A3 = 0.  −1 1 1 −1  −1 1 1 −1 



0 est donc la seule valeur propre de A (c’est la seule racine du polynˆome annulateur X 3 .) Si A ´etait diagonalisable, elle serait semblable `a la matrice “diagonale” D = 0, et elle serait la matrice nulle, ce qui n’est pas. Conclusion : la matrice A n’est pas diagonalisable. Plus g´en´eralement, un endomorphisme nilpotent n’est diagonalisable que s’il est nul.

Jean-Michel.Ferrard @ ac-lyon.fr, 23 mai 2000

Page 8

´ de l’exercice 2.9 Corrige Remarquons que si tous les λk sont nuls, alors A est nulle donc diagonalisable ! Dans toute la suite nous supposons donc que l’un au moins des coefficients λk est non nul. Notons u le vecteur-colonne de composantes successives λ1 , λ2 , . . . , λn . On constate que les colonnes de A s’´ecrivent λ1 u, . . . , λn u et sont proportionnelles `a u. La matrice A (non nulle car l’un au moins des coefficients diagonaux λ2i est non nul) est donc de rang 1. On en d´eduit (on suppose que n ≥ 2) que 0 est valeur propre de A, et que le sous-espace propre correspondant (le “noyau” de A) est de dimension n − 1. Le scalaire 0 est donc valeur propre de A avec une multiplicit´e au moins ´egale `a n − 1. On dispose donc d´eja de n − 1 valeurs propres ´egales `a 1. La derni`ere valeur propre de A est donc ´egale `a la trace de A, elle mˆeme ´egale `a s =

n X

λ2k .

k=1

• Si s = 0, alors 0 est valeur propre de multiplicit´e n, alors que A 6= 0. Dans ce cas A n’est pas diagonalisable (remarquons que cela ne se produit pas si IK = IR, car alors l’hypoth`ese s = 0 implique la nullit´e de tous les λk , ce que nous avons exclu.) • Si s 6= 0, alors il existe une droite vectorielle propre, n´ecessairement en somme directe avec l’hyperplan ker A. La matrice A est donc diagonalisable. On trouve d’ailleurs facilement que le sous-espace propre associ´e `a s est engendr´e par le vecteur u. Quant au sous-espace propre pour 0, c’est l’hyperplan d’´equation λ1 x1 + . . . + λn xn = 0. On peut retrouver les r´esultats pr´ec´edents par une m´ethode plus classique. Si on se place dans la base canonique (e1 , e2 , . . . , en ) de IKn , on voit en effet que : χA (x) = det(λ1 u − xe1 , λ2 u − xe2 , . . . , λn u − xen ) Si on d´eveloppe en utilisant le caract`ere n-lin´eaire et altern´e, on voit que tous les d´eterminants contenant au moins deux fois une colonne proportionnelle `a u sont nuls. Il ne reste donc que : χA (x) = det(−xe1 , −xe2 , . . . , −xen ) + = (−x)n + (−x)n−1

n X

n X

det(−xe1 , . . . , −xej−1 , λj u, −xej+1 , . . . , −xen )

j=1

det(e1 , . . . , ej−1 , λj u, ej+1 , . . . , en )

j=1

Puisque u =

n X

λk ek , le d´eterminant figurant dans la somme vaut λ2j .

k=1

On trouve donc χA (x) = (−1)n xn−1 (x − s), avec s =

n X

λ2k .

k=1

Donc 0 est valeur propre de multiplicit´e n si s = 0 (et dans ce cas A n’est pas diagonalisable, sauf si tous les λk sont nuls), et de multiplicit´e n−1 si s 6= 0 : dans ce cas A est diagonalisable, le sous-espace propre pour 0 est l’hyperplan λ1 x1 + . . . + λn xn = 0, et celui pour s est la droite vectorielle engendr´ee par u.

Jean-Michel.Ferrard @ ac-lyon.fr, 23 mai 2000

Page 9

´ de l’exercice 2.10 Corrige On calcule le polynˆome caract´eristique de A : 2 − λ 1 χA (λ) = 0 0

3 −4 −4 3 −4 −4 −λ 0 0 = (λ − 2)λ3 − 1 −λ 0 1 −λ 0 0 1 −λ 0 1 −λ 3 = (λ − 2)λ − (3λ2 − 4λ − 4) = (λ − 2)(λ3 − 3λ − 2) = (λ − 2)(λ + 1)(λ2 − λ − 2) = (λ − 2)2 (λ + 1)2

Ainsi la matrice A poss`ede deux valeurs propres doubles : 2 et −1. • Pour λ = −1. La recherche du sous-espace propre conduit `a la r´esolution suivante :  3x + 3y − 4z − 4t = 0   

x+y =0   y + z = 0 z+t=0

x 1 y  −1     ⇔ z=x ⇔   = xu1 avec u1 =    z  1  t = −x t −1 







  y = −x

Le sous-espace propre est la droite engendr´ee par u1 : A n’est pas diagonalisable. • Pour λ = 2. La recherche du sous-espace propre conduit `a la r´esolution suivante :  3y − 4z − 4t = 0   

x − 2y = 0

   y − 2z = 0

z − 2t = 0

x 8 y 4     ⇔  y = 2z ⇔   = t   z 2 z = 2t t 1 



 

  x = 2y

On trouve la droite engendr´ee par le vecteur u3 = (8, 4, 2, 1). Faute de pouvoir la diagonaliser, on va chercher `a trigonaliser A sous la forme T suivante : Cela revient `a chercher deux vecteurs-colonne u2 et u4 tels que Au2 = u1 − u2 et Au4 = u3 + 2u4 c’est-`a-dire tels que (A + I4 )u2 = u1 et (A − 2I4 )u4 = u3 .

−1 1 0 0  0 −1 0 0    T =   0 0 2 1 0 0 0 2 



Cela conduit aux syst`emes suivants (et on choisit deux solutions particuli`eres u2 et u4 ) :    −3 3x + 3y − 4z − 4t = 1      2    x + y = −1  x = −t − 3 x + y = −1   Pour u2 : ⇔ y + z = 1 ⇔ y = t + 2 u2 =      −1 y + z = 1   z + t = −1 z = −t − 1 0 z + t = −1    12 3y − 4z − 4t = 8      x = 8t + 12  4  x − 2y = 4  Pour u4 : ⇔ y = 4t + 4 u4 =   .     1 y − 2z = 2   z = 2t + 1 0 z − 2t = 1   1 −3 8 12  −1 2 4 4    On trouve donc la matrice P =  . On a alors P −1 AP = T .  1 −1 2 1  −1 0 1 0

Jean-Michel.Ferrard @ ac-lyon.fr, 23 mai 2000

Page 10

´ de l’exercice 2.11 Corrige • Premi`ere m´ethode : On calcule le polynˆome caract´eristique de A. Pour cel`a on effectue L1 ← L1 + L2 + L3 + L4 puis les op´erations Li ← Li − L1 (avec i ≥ 2) : −λ 1 1 1 1 1 1 1 1 −λ 1 −λ 1 1 1 1 χA (λ) = = (3 − λ) 1 1 −λ 1 1 −λ 1 1 1 1 1 1 −λ 1 1 −λ 1 1 1 1 0 −1 − λ 0 0 = (3 − λ) = (λ − 3)(λ + 1)3 0 0 −1 − λ 0 0 0 0 −1 − λ Donc 3 est valeur propre simple et −1 est valeur propre triple. Pour λ = −1, le sous-espace propre est l’hyperplan x + y + z + t = 0 dont une base est form´ee des vecteurs u1 = (1, −1, 0, 0), u2 = (1, 0, −1, 0), u3 = (1, 0, 0, −1). Pour λ = 3, le sous-espace propre est une droite, et u4 = (1, 1, 1, 1) est vecteur propre.     1 1 1 1 −1 0 0 0  −1  0 0 0 1 −1 0 0      Avec P =   et D =  , on a donc A = P DP −1 .  0  0 −1 0 1  0 −1 0  0 0 −1 1 0 0 0 3   i 0 0 0 0 i 0 0     et M = P ∆P −1 : ∆2 = D ⇒ M 2 = P ∆2 P −1 = P DP −1 = A. Avec ∆ =  0 0 i 0 √  3 0 0 0 On trouve P −1 puis M : √ √ √    √ 1 −3 1 1 3 + 3i 3 − i 3 − i 3 − i √ √ √ √ 1 1 1 −3 1  3 + 3i √ 3 − i √3 − i  1   √3 − i  −1 √ P =   M=      1 −3 4 1 1 4 √3 − i √3 − i √3 + 3i √ 3 − i  1 1 1 1 3−i 3−i 3−i 3 + 3i • Deuxi`eme m´ethode (bien meilleure) :

3 2 2 3  On constate que le carr´e de A s’´ecrit A2 =  2 2 2 2 Plus g´en´eralement, si on pose M = xI + yA, alors

2 2 2 2   = 3I + 2A. 3 2 2 3 M 2 = (x2 + 3y 2 )I + 2y(x + y)A. ( x2 + 3y 2 = 0 Sous cette forme, la matrice M v´erifie M 2 = A ⇔ 2y(x + y) = 1 √ √ √ On choisit par exemple x = iy 3 puis 1 = 2y 2 (1 + i 3) = y 2 ( 3 + i)2 . 1 1 √ 1 √ On choisit y = √ = ( 3 − i) et donc x = ( 3 + 3i). 4 4 3+i  √ 1 √ Avec ce choix de la forme M = xI+yA, puis x, y, on obtient M = ( 3+3i)I+( 3−i)A , 4 c’est-`a-dire la matrice M trouv´ee par la m´ethode pr´ec´edente.

Jean-Michel.Ferrard @ ac-lyon.fr, 23 mai 2000





Page 11

´ de l’exercice 2.12 Corrige Puisque A est triangulaire, ses valeurs propres sont ses coefficients diagonaux 3, 2, 1. Ils sont distincts donc A est diagonalisable. On voit clairement que u2 = (0, 1, 0) est vecteur propre pour λ = 2 et que u3 = (0, 0, 1) est vecteur propre pour λ = 1.   −5x − y = 0 y = −5x Le sous-espace propre pour λ = 3 s’obtient en r´esolvant : ⇔ . 4x − 2z = 0 z = 2x On trouve la droite vectorielle engendr´ee par u1 = (1, −5, 2). 







1 0 0 3 0 0    Ainsi, avec P =  −5 1 0  et D =  0 2 0  , on a A = P DP −1 . 2 0 1 0 0 1 Soit M une matrice quelconque de M3 ( C). l Posons ∆ = P −1 M P . L’´egalit´e M 2 = A s’´ecrit P ∆2 P −1 = P DP −1 et elle ´equivaut `a ∆2 = D. Il s’agit maintenant de trouver toutes les matrices ∆ de M3 ( C) l telles que ∆2 = D. Notons δij les coefficients d’une telle matrice ∆ (on ne sait pas encore si ∆ est diagonale.) Si ∆2 = D, alors ∆ et D commutent : en effet ∆D = ∆3 = D∆.    3δ11 2δ12 δ13 3δ11 3δ12    Mais l’´egalit´e ∆D = D∆ s’´ecrit  3δ21 2δ22 δ23  =  2δ21 2δ22 3δ31 2δ32 δ33 δ31 δ32



3δ13  2δ23  δ33

Cette ´egalit´e de matrices ´equivaut `a δ12 = δ13 = δ21 = δ23 = δ31 = δ32 = 0. 



δ11 0 0   Autrement dit, la matrice ∆ est n´ecessairement diagonale : ∆ =  0 δ22 0  0 0 δ33   √ 2    δ11 = 3  δ11 = ε1 √3, ε1 ∈ {−1, 1} 2 2 Inversement, si ∆ a cette forme : ∆ = D ⇔ δ22 = 2 ⇔ δ22 = ε2 2, ε2 ∈ {−1, 1}  2    δ33 = 1 δ33 = ε3 ∈ {−1, 1} Il y a donc 8 matrices ∆ possibles, ce qui conduit `a 8 solutions distinctes (et 8 seulement) pour le probl`eme initial M 2 = A. La matrice A poss`ede donc 8 “racines carr´ees” dans M3 ( C). l Les matrices M solutions du probl`eme sont   √ 1 0 0 ε1 3 0√   −1 P DP =  −5 1 0   0 ε2 2 2 0 1 0 0 √   ε1 √ 3 0√ 0 1   =  −5ε1√ 3 ε2 2 0   5 2ε1 3 0 ε3 −2

donc donn´ees  0 1 0  0  5 1 ε3 −2 0

par :  0  0 1

√    0 0 ε1 3 √ 0√ 0 √    1 0  =  −5ε1 √3 + 5ε2 2 ε2 2 0  0 1 2ε1 3 − 2ε3 0 ε3

Remarque : cette m´ethode donne toutes les “racines carr´ees” de A, mais elle ne fonctionne bien que parce que les valeurs propres de A, c’est-`a-dire les coefficients diagonaux de D, sont tous distincts : la cons´equence ´etant alors que les matrices ∆ telles que ∆2 = D sont n´ecessairement diagonales. Il en va tout autrement si la matrice A poss`ede des valeurs propres multiples (c’´etait le cas dans l’exercice pr´ec´edent, o` u on s’est content´e de trouver une racine carr´ee de A.)

Jean-Michel.Ferrard @ ac-lyon.fr, 23 mai 2000

Page 12

´ de l’exercice 2.13 Corrige Soit λ une valeur propre de f (il en existe car on est dans C). l Soit Eλ le sous-espace propre associ´e. Les applications f et g commutent : l’ensemble Eλ = ker(f − λId) est donc stable par g. Soit h la restriction de g `a Eλ (dim ≥ 1) : h poss`ede au moins une valeur propre µ. Soit u un vecteur propre de h (et donc g) pour la valeur propre µ. Alors u est un vecteur propre propre commun `a f et `a g (car u appartient `a Eλ ).

´ de l’exercice 2.14 Corrige Les valeurs propres de A sont 1 et 2. Ce sont des valeurs propres doubles. La matrice A est diagonalisable ⇔ les noyaux de A − I4 et de A − 2I4 sont de dimension 2, c’est-`a-dire (puisqu’on est en dimension 4 et en vertu du th´eor`eme du rang) si ces matrices sont de rang 2.     0 a b c −1 a b c 0 0 d e   0 −1 d e     Or A − I4 =    et A − 2I4 =  . 0 0 1 f   0 0 0 f 0 0 0 1 0 0 0 0  rg (A − I4 ) = 2 ⇔ a = 0 Donc rg (A − 2I4 ) = 2 ⇔ f = 0 Ainsi une condition n´ecessaire et suffisante pour que A soit diagonalisable est a = f = 0.

´ de l’exercice 2.15 Corrige On calcule le polynˆome caract´eristique de A. −λ χA (λ) = 1 0



−2 0 −λ −1 = −λ3 − 4λ = −λ(λ2 + 4) 2 −λ

χA n’est pas scind´e dans IR : la matrice A n’est donc pas diagonalisable dans IR. Mais dans C, l il y a trois valeurs propres distinctes : 0, 2i et −2i. La matrice A est donc diagonalisable dans C. l On voit que le vecteur (1, 0, 1) dirige le sous-espace propre pour λ = 0. Pour λ = 2i, le sous-espace propre s’obtient en r´esolvant le syst`eme :   −2ix − 2y = 0

x − 2iy − z = 0 ⇔  2y − 2iz = 0



x = iy ⇔ (x, y, z) = iy(1, −i, −1) avec y ∈ Cl z = −iy

Pour λ = −2i, il suffit de proc´eder par conjugaison, car A est `a coefficients r´eels. Le sous-espace propre est engendr´e par le vecteur (1, i, −1). Jean-Michel.Ferrard @ ac-lyon.fr, 23 mai 2000

Page 13









1 1 1 0 0 0     Avec P =  0 −i i  et D =  0 2i 0 , on a donc : P −1 AP = D. 1 −1 −1 0 0 −2i ´ de l’exercice 2.16 Corrige Il revient au mˆeme de traiter le probl`eme en termes d’applications lin´eaires. Soit f l’endomorphisme de IKn , de matrice M dans la base canonique. Notons λ1 , . . . , λn les valeurs propres de f (c’est-`a-dire de M ) qui sont par hypoth`ese toutes distinctes : f est donc diagonalisable et ses sous-espaces propres sont des droites vectorielles. Soit g un endomorphisme de IKn . Il faut montrer que g commute avec f ⇔ g est combinaison lin´eaire de Id, f, f 2 , . . . , f n−1 . Dans un sens, c’est ´evident : si g est dans le sous-espace de L(IKn ) engendr´e par Id, f, f 2 , . . . , f n−1 , alors g est un polynˆome en f et on sait que cela implique g ◦ f = f ◦ g. R´eciproquement, supposons g ◦ f = f ◦ g. Il en d´ecoule que les sous-espaces propres Eλk de f sont stables par g. Or chaque Eλk est une droite vectorielle, engendr´ee par un certain vecteur uk . Autrement dit, pour tout indice k de {1, . . . , n} : ∃µk ∈ IK tel que g(uk ) = µk uk . La famille u1 , . . . , un est donc une base de IKn form´ee de vecteurs propres de f et de g. Il faut montrer que g est un polynˆome P (f ) de degr´e inf´erieur ou ´egal `a n − 1. L’´egalit´e g = P (f ) est r´ealis´ee ⇔ g et P (f ) ont le mˆeme “comportement” sur la base (u), c’est-`a-dire si, pour tout k de {1, . . . , n}, on a P (f )(uk ) = µk uk . Or, en posant P (f ) =

n−1 X

j

αj f , on a l’´egalit´e P (f )(uk ) =

j=0

n−1 X

j

αj f (uk ) =

j=0

Les conditions P (f )(uk ) = µk uk s’´ecrivent donc

n−1 X

n−1 X



λjk αj uk .

j=0

λjk αj = µk , pour 1 ≤ k ≤ n.

j=0

Ce syst`eme de n ´equations lin´eaires s’´ecrit :  α 0   α  1 λn−1  2  α 2 ..    . .  .   .

1

λ1

λ21

. . . λn−1 1

  1  . . . 

λ2 .. .

λ22 .. .

... .. .

1 λn

λ2n

. . . λn−1 n



αn−1





        =        

µ0 µ1 µ2 .. .

         

µn−1

C’est un syst`eme de Cramer car sa matrice est une matrice de Van der Monde inversible. Ce syst`eme poss`ede donc une solution unique (α0 , α1 , . . . , αn−1 ). Autrement dit, il existe un polynˆome unique P de degr´e ≤ n − 1 tel que g = P (f ).

Jean-Michel.Ferrard @ ac-lyon.fr, 23 mai 2000

Page 14

´ de l’exercice 2.17 Corrige P =

m Y

(X − λk ) dont les racines sont les valeurs propres distinctes de A, annule A.

k=1 2

On a donc 0 = P (A) = P (B ) =

m Y

(B 2 − λk In ).

k=1

La matrice A ´etant inversible, 0 n’est pas valeur propre de A. Les λk sont donc non nuls. Chaque λk poss`ede dans Cl deux racines carr´ees distinctes αk et −αk . On peut donc ´ecrire 0 =

m Y

(B 2 − αk2 In ) =

k=1

m  Y



(B − αk In )(B + αk In ) .

k=1

Ainsi B est annul´ee par un polynˆome scind´e `a racines simples : B est donc diagonalisable.

´ de l’exercice 2.18 Corrige On forme le polynˆome caract´eristique de A (on d´eveloppe par rapport `a la premi`ere colonne) : −λ 0 χA (λ) = 0 0 1

1 0 0 0 −λ 1 0 0 1 0 0 −λ 1 0 0 0 −λ −λ 1 0 1 0 0 −λ 1 0 = −λ + 0 0 −λ 1 0 −λ 1 0 0 −λ 1 0 0 0 −λ 0 0 −λ 0 0 0 −λ



0 0 0 1

Ainsi χA (λ) = 1 − λ5 . Les valeurs propres de A sont les racines cinqui`emes de l’unit´e : elles sont bien sˆ ur distinctes, ce qui prouve que A est diagonalisable dans Cl (en revanche elle ne l’est pas dans IR car χA n’est pas scind´e dans IR). Dans toute la suite, on pose ω = exp( 2iπ ). Les valeurs propres de 5 k A sont donc les ω , pour k compris entre 0 et 4. Pour chacune des valeurs propres λ, le sous-espace propre s’obtient en r´esolvant le syst`eme suivant o` u on cherche les vecteurs propres sous la forme (x, y, z, t, u). Le syst`eme se simplifie car λ5 = 1.  −λx + y = 0       −λy + z = 0

x 1 y  λ          3 l ⇔ ⇔  z  = x  λ2  , avec x ∈ C −λz + t = 0 t = λ x         3 4      t λ   −λt + u = 0 u=λ x     u λ4 −λu + x = 0 x = λ5 x  y = λx     2  z = λ x









On a donc P −1 AP , avec : 1 1 1 ω  P =  1 ω2   1 ω3 1 ω4 

1 ω2 ω4 ω6 ω8

1 ω3 ω6 ω9 ω 12

1 1 1 4   ω  1 ω  ω8   =  1 ω2   ω 12   1 ω 3 ω 16 1 ω4 



1 ω2 ω4 ω ω3

1 ω3 ω ω4 ω2

1 1 0 4  ω  0 ω  ω3   et D =  0 0   0 0 ω2  ω 0 0 



0 0 ω2 0 0

0 0 0 ω3 0

0 0   0    0  ω4 

Remarque : la matrice de passage P est une matrice de Van der Monde. Jean-Michel.Ferrard @ ac-lyon.fr, 23 mai 2000

Page 15

Il est assez facile de calculer l’inverse de P . On introduit pour cela la matrice Q dont les coefficients sont les conjugu´es de ceux de P . On utilise le fait que le conjugu´e de ω k est son inverse ω −k = ω 5−k . Dans le calcul suivant, les coefficients diagonaux de P Q sont nuls, car ils sont tous ´egaux (apr`es r´eduction ´eventuelle des exposants de ω) `a la somme 1 + ω + ω 2 + ω 3 + ω 4 qui est nulle car ω est une racine cinqui`eme de l’unit´e diff´erente de 1 : 1 1 1 ω   P Q =  1 ω2   1 ω3 1 ω4 

1 ω2 ω4 ω ω3

1 ω3 ω ω4 ω2

1 1 1  1 ω4 ω4    ω3   1 ω3  ω2   1 ω2 ω 1 ω

1 ω3 ω ω4 ω2



1 ω2 ω4 ω ω3

1 5 0 ω      ω2  =  0   ω3   0 ω4 0 



0 5 0 0 0

0 0 5 0 0

0 0 0 5 0

0 0   0  = 5I5  0 5 

1 1 Autrement dit, P −1 = Q = P¯ . 5 5 ´ de l’exercice 2.19 Corrige On applique les op´erations L4 ← L4 − L3 puis C3 ← C3 + C4 , et on d´eveloppe. 1 − λ 0 χB (λ) = 1 1 1 − λ 0 = 1 0

−1 2 −2 1 − λ −1 2 −2 −λ 1 −1 0 −λ 1 −1 = −1 1 − λ 0 1 −1 1 − λ 0 −1 1 −λ 0 0 λ −λ −1 0 −2 1 − λ −1 0 −λ 0 −1 −λ 0 = −λ 0 −1 1 − λ 0 1 −1 1 − λ 0 0 −λ

1 − λ

= λ(λ − 1)

0





−1 = λ2 (λ − 1)2 −λ

Pour trouver le sous-espace propre E0 pour λ = 0, on r´esout le syst`eme suivant :   x − y + 2z − 2t = 0 

z−t=0 x−y+z =0



 x = y 

 x = y

z = t ⇔ z = 0 ⇔ (x, y, z, t) = x(1, 1, 0, 0)  z=0 t=0

E0 est donc la droite vectorielle engendr´ee par u = (1, 1, 0, 0), alors que 0 est une valeur propre double. On est donc certain que B n’est pas diagonalisable. ´ de l’exercice 2.20 Corrige Soit P un polynˆome non nul de degr´e n. Posons P = an X n + Q, avec an 6= 0 et deg Q < n. Alors f (P ) = (2X + 1)(an X n + Q) + (1 − X 2 )(nan X n−1 + Q0 ) = an (2 − n)X n+1 + · · ·. En particulier, si n 6= 2, deg f (P ) = 1 + deg P : toute ´egalit´e f (P ) = λP est alors impossible. Seuls les polynˆomes de degr´e 2 peuvent donc ˆetre vecteurs propres de f . Jean-Michel.Ferrard @ ac-lyon.fr, 23 mai 2000

Page 16

Posons alors P = aX 2 + bX + c, avec a 6= 0. f (P ) = (2X + 1)(aX 2 + bX + c) + (1 − X 2 )(2aX + b) = (a + b)X 2 + (2a + b + 2c)X + (b + c). 



1 1 0   La matrice de la restriction de f `a IR2 [X] (dans la base X 2 , X, 1) est donc M =  2 1 2 . 0 1 1 1 − λ On a χm (λ) = 2 0



1 0 1−λ 2 = (1 − λ)3 − 4(1 − λ) = −(λ − 1)(λ + 1)(λ − 3). 1 1 − λ

La matrice M est donc diagonalisable (trois valeurs propres distinctes).  β = 0

Pour λ = 1 :  2α + 2γ = 0 ⇔ (α, β, γ) = α(1, 0, −1) β=0 Pour λ = −1 :

  2α + β = 0 

Pour λ = 3 :

2α + 2β + 2γ = 0 ⇔ (α, β, γ) = α(1, −2, 1) β + 2γ = 0

  −2α + β = 0 

2α − 2β + 2γ = 0 ⇔ (α, β, γ) = α(1, 2, 1) β − 2γ = 0

On obtient donc les vecteurs propres de f :

 2   P = α(X − 1)

pour λ = 1 P = α(X − 2X + 1) pour λ = −1   P = α(X 2 + 2X + 1) pour λ = 3 2

´ de l’exercice 2.21 Corrige 1. Soit f un ´el´ement de E, et F la primitive de f qui s’annule en 0. L’application F est de classe C 1 sur IR+ . Or pour tout x > 0, T (f )(x) =

F (x) . x

L’application T (f ) est donc de classe C 1 sur IR+∗ . F (x) F (x) − F (0) = lim = F 0 (0) = f (0) = T (f )(0). x→0 x x Cela prouve la continuit´e de T (f ) en 0. Enfin lim T (f )(x) = lim x→0

x→0

L’application T (f ) est donc continue sur IR+ : c’est un ´el´ement de E. Enfin la lin´earit´e de l’op´erateur T est ´evidente. T est donc un endomorphisme de E. 2. Soit f un ´el´ement de E tel que T (f ) = 0. Ainsi

Rx 0

f (t)dt = 0 pour tout x > 0.

Par d´erivation, on trouve f (x) = 0 si x > 0. L’application f ´etant continue en 0, elle est donc nulle sur IR+ . Autrement dit, le noyau de T est r´eduit `a l’application nulle : T est injectif. L’op´erateur T n’est pas surjectif. En effet, pour tout f de E, l’application T (f ) est non seulement continue sur IR+ mais plus encore elle est de classe C 1 sur IR+∗ : l’image de E par T est donc une partie stricte de E. Jean-Michel.Ferrard @ ac-lyon.fr, 23 mai 2000

Page 17

3. Soit λ un r´eel non nul, et f un ´el´ement de E tel que T (f ) = λf . Comme T (f ), l’application f = λ1 T (f ) est n´ecessairement de classe C 1 sur IR+∗ . Soit F la primitive de f nulle en 0. T (f ) = λf ⇔ ∀x ≥ 0, F (x) = λxf (x). Mais les applications F et λf , qui sont de toutes fa¸cons ´egales en 0, co¨ıncident sur IR+ ⇔ elles ont la mˆeme d´eriv´ee sur IR+∗ . Ainsi : T (f ) = λf ⇔ ∀x > 0, f (x) = λ(xf 0 (x) + f (x)) ⇔ ∀x > 0, λxf 0 (x) = (1 − λ)f (x) Sur IR+∗ la solution g´en´erale de xy 0 =

1−λ y λ

est la droite engendr´ee par yλ (x) = x

1−λ λ

.

Mais yλ n’est prolongeable par continuit´e `a l’origine que ⇔ λ ≤ 1. Cela implique que si λ > 1, la seule solution de l’´equation T (f ) = λf qui soit continue sur IR+ est l’application nulle. Les λ > 1 ne sont donc pas valeurs propres de f . Le spectre de l’op´erateur T est donc ]0, 1]. Pour tout λ de cet intervalle, le sous-espace propre est la droite engendr´ee par yλ (si λ = 1, on obtient les applications constantes.)

´ de l’exercice 2.22 Corrige Calculons le d´eterminant de A : a det(A) = c b











c b a − b 0 b − a a − b 0 0 a+b c = c a+b c = c a+b 2c c a b c a b c a + b

a + b = (a − b) c

2c a + b

√ √ = (a − b)((a + b)2 − 2c2 ) = (a − b)(a + b − c 2)(a + b + c 2) Le polynˆome caract´eristique de A s’obtient en rempla¸cant a par a − λ. √ √ χA (λ) = (a − λ − b)(a − λ + b − c 2)(a − λ + b + c 2) √ √ = −(λ − a + b)(λ − a − b + c 2)(λ − a − b − c 2) √ √ La matrice A poss`ede donc trois valeurs propres : a − b, a + b − c 2 et a + b + c 2. On remarque l’existence de trois vecteurs propres libres, un pour chacune de ces trois valeurs propres et qui n’en d´ependent pas. La diagonalisation obtenue sera donc valable dans tous les cas, que les valeurs propres soient distinctes ou non. • Pour λ = a − b : on constate facilement que u1 = (1, 0, −1) est vecteur propre. √ √ • Pour λ = a + b − c 2 : le vecteur u2 = (1, 2, 1) convient. √ √ • Pour λ = a + b + c 2 : le vecteur u3 = (1, − 2, 1) convient. 







1 √1 1 a−b 0 √ 0 √     Posons donc P =  0 2 − 2  et D =  0 a+b+c 2 0 √ . −1 1 1 0 0 a+b−c 2 On v´erifie que P est inversible. Par construction, on a l’´egalit´e P −1 AP = D.

Jean-Michel.Ferrard @ ac-lyon.fr, 23 mai 2000

Page 18

´ de l’exercice 2.23 Corrige Soit λ une valeur propre de g ◦ f . Il suffit de prouver que λ est valeur propre de f ◦ g. • Supposons λ = 0 : g ◦ f n’est pas injective. Comme on est en dimension finie, f ◦ g n’est pas injective non plus (par exemple det(f ◦ g) = det f det g = det(g ◦ f ) = 0.) Ainsi λ = 0 est ´egalement une valeur propre de f ◦ g. • Supposons λ 6= 0. Il existe un vecteur x non nul tel que g ◦ f (x) = λx. On en d´eduit, en composant par f `a gauche : (f ◦ g)(f (x)) = λf (x). → − Mais f (x) n’est pas nul, car g ◦ f (x) = λx avec x 6= 0 et λ 6= 0. On en d´eduit que λ est une valeur propre de f ◦ g. Ceci termine la d´emonstration. La d´emonstration pr´ec´edente n’utilise l’hypoth`ese sur la dimension que pour λ = 0. Pour le contre-exemple, on doit donc chercher f et g tels que g ◦ f soit injectif mais pas f ◦ g. Pour cela on se place dans E = IK[X] et on pose f (P ) = XP et g(P ) = P 0 . • L’application g ◦ f est d´efinie par g ◦ f (P ) = XP 0 + P : elle est injective car il y a conservation du degr´e. 0 n’est donc pas valeur propre de g ◦ f . • L’application f ◦ g est d´efinie par f ◦ g(P ) = XP 0 et son noyau est form´e des polynˆomes constants. Cette application n’est donc pas injective : 0 en est une valeur propre.

´ de l’exercice 2.24 Corrige • On suppose que A est inversible. Pour tout x de IK : χAB (x) = det(AB − xIn ) = det(A(B − xA−1 )) = det(A) det(B − xA−1 ) = det(B − xA−1 ) det(A) = det((B − xA−1 )A) = det(BA − xIn ) = χBA (x). • On suppose que la matrice A est non inversible. Soit x un ´el´ement fix´e de IK. Pour tout λ de IK, posons Aλ = A − λIn . Consid´erons les applications λ → ϕ(λ) = det(Aλ B − xIn ) et ψ(λ) = det(BAλ − xIn ). On doit prouver χAB (x) = χBA (x), c’est-`a-dire avec nos notations : ϕ(0) = ψ(0). Or ϕ et ψ sont des applications polynˆomiales en la variable λ. D’autre part, si λ n’est pas une valeur propre de A (et dans IK cela fait une infinit´e de valeurs !) la matrice Aλ est inversible, ce qui implique ϕ(λ) = ψ(λ) en utilisant ce qui pr´ec`ede. Les applications polynˆomiales ϕ et ψ sont donc ´egales sur IK. En particulier elles sont ´egales en 0, ce qu’il fallait d´emontrer. • Remarque : le r´esultat de cet exercice implique le r´esultat du pr´ec´edent. On en apprend mˆeme un peu plus ici : si λ est une valeur propre d’une des deux applications g ◦ f ou f ◦ g, c’est une valeur propre de l’autre avec la mˆeme multiplicit´e.

Jean-Michel.Ferrard @ ac-lyon.fr, 23 mai 2000

Page 19

´ de l’exercice 2.25 Corrige 

1. On pose A =

a b c d



et A0 =



a0 c0

b0 . d0 

Alors, pour tous M, N de Mn (IK) : (A ⊗ M )(B ⊗ N ) =

aM cM



(aa0 + bc0 )M N (ca0 + dc0 )M N

=

bM dM

a0 N c0 N





b0 N d0 N



(ab0 + bd0 )M N (cb0 + dd0 )M N



= (AB) ⊗ (M N ) 2. Supposons a = 0, donc det A = −bc. 0n bM n cM det(A ⊗ M ) = = (−1) cM dM 0n

dM (on a effectu´e n ´echanges de lignes.) bM

On en d´eduit det(A ⊗ M ) = (−1)n (bc)n (det M )2 = (det A)n (det M )2 . On suppose maintenant a 6= 0. Pour tout i de 1, . . . , n, on retranche la ligne aM det(A ⊗ M ) = cM 

c Li `a la ligne Ln+i . On obtient : a

aM bM = dM 0n

= an d −



bM  bc  M d− a

bc n (det M )2 = (det A)n (det M )2 a

3. Si A et M sont inversibles, (A ⊗ M )(A−1 ⊗ M −1 ) = (AA−1 ) ⊗ (M M −1 ) = I2 ⊗ In = I2n . On en d´eduit que A ⊗ M est inversible et que (A ⊗ M )−1 = A−1 ⊗ M −1 .   λ 0 −1 4. Il existe P dans GL2 (IK) et deux scalaires λ, µ tels que P AP = . 0 µ De mˆeme, il existe Q dans GLn (IK) et D diagonale telles que Q−1 M Q = D. D’apr`es ce qui pr´ec`ede R = P ⊗ Q est dans GL2n (IK) et R−1 = P −1 ⊗ Q−1 . On constate alors que : R−1 (A ⊗ M )R = (P −1 ⊗ Q−1 )(A ⊗ M )(P ⊗ Q) = (P −1 AP ) ⊗ (Q−1 M Q) 

=

λ 0 0 µ



⊗D =



λD 0n

0n µD



La matrice obtenue est diagonale, ce qui prouve que A ⊗ M est diagonalisable. Remarque : Si α1 , . . . , αn sont les valeurs propres de la matrice M , alors celles de la matrice A ⊗ M sont λα1 , . . . , λαn , µα1 , . . . , µαn .

Jean-Michel.Ferrard @ ac-lyon.fr, 23 mai 2000

Page 20

´ de l’exercice 2.26 Corrige Soit f le morphisme de IR4 de matrice A dans la base canonique. Tout revient `a montrer qu’il existe une base (u) de IR4 telle que : (S)

Or (S) ⇔

 (f − Id)(u1 ) = 0    

(f − Id)(u2 ) = u1

 (f − Id)(u3 ) = u2   

⇔ (Σ)

(f − Id)(u4 ) = 0

 u2 = (f − Id)(u3 )     2

 f (u1 ) = u1    

f (u2 ) = u1 + u2  f (u3 ) = u2 + u3    f (u4 ) = u4

u1 = (f − Id) (u3 )

 (f − Id)3 (u3 ) = 0   

(f − Id)(u4 ) = 0

La matrice de f − Id dans la base canonique est A − I4 . On trouve successivement : −1 1 1 0  −1 −3 1 −2    A − I4 =  ,  2 6 −2 4  4 8 −4 6 



2 2 −2 2  −2 −2 2 −2    (A − I4 )2 =    4 4 −4 4  4 4 −4 4 



et (A − I4 )3 = 04

On constate que la condition (f − Id)3 (u3 ) = 0 de (Σ) est automatiquement r´ealis´ee. Il faut choisir un vecteur u3 puis poser u2 = (f − Id)(u3 ) et u1 = (f − Id)2 (u3 ). Ce choix n’est pas arbitraire car le vecteur u1 doit au moins ˆetre non nul. Pour assurer u1 6= 0, on voit que u3 = (1, 0, 0, 0) convient, avec



u2 = (−1, −1, 2, 4) u1 = (2, −2, 4, 4)

Il reste `a choisir un vecteur u4 = (x, y, z, t) qui soit dans le noyau de f − Id et qui ne soit pas dans le sous-espace de IR4 engendr´e par u1 , u2 , u3 . On constate que le vecteur u4 = (1, 0, 1, 0) semble convenir : il est en effet dans le noyau de f − Id car les colonnes C1 et C3 de A − I4 sont oppos´ees. Soit P la matrice de la famille u1 , u2 , u3 , u4 dans la base canonique. On a : 2 −1 1 1 2 −1 1  −2 −1 0 0  −2 −1   = 4 6= 0 P =  ⇒ det P = − −2 −1 0 = −  4 2 0 1 4 4 4 4 0 4 4 0 0 



Ainsi u1 , u2 , u3 , u4 forment une base de IR4 et par construction la matrice de f dans cette base est la matrice J donn´ee par l’´enonc´e. Autrement dit P −1 AP = J. Remarque : Puisqu’on nous donne dans l’´enonc´e la forme r´eduite J de la matrice A, il n’a pas ´et´e n´ecessaire de calculer le polynˆome caract´eristique de A. Il est bien sˆ ur ´egal `a celui de J c’est-`a-dire (1 − x)4 . Autrement dit, 1 est une valeur propre de la matrice A avec la multiplicit´e 4. Cela implique que A n’est pas diagonalisable sinon A serait semblable donc ´egale `a I4 . Le sous-espace propre de f pour λ = 1 n’est d’ailleurs pas de dimension 4 mais 2 : en effet la matrice A − I4 est de rang 2 car ses lignes v´erifient L3 = −2L2 et L4 = −L1 − 3L2 .

Jean-Michel.Ferrard @ ac-lyon.fr, 23 mai 2000

Page 21

´ de l’exercice 2.27 Corrige Soit f le morphisme de IR5 de matrice A dans la base canonique.

 f (u1 ) = −2u1       f (u2 ) = u2

Tout revient `a montrer qu’il existe une base (u) de IR5 telle que : (S)  f (u3 ) = u2 + u3   f (u4 ) = u4      f (u5 ) = u4 + u5 Cette matrice est de rang 3 0 0 −1 1 0  0 −3  0 0 0  car ses lignes L1 , L2 , L3 sont libres    et de plus L4 = L3 et L5 = −L1 . 1 0 0 0 1 A − I5 =    1  Le sous-espace propre E1 pour λ = 1 0 0 0 1 est donc un plan vectoriel. 0 0 1 −1 0 

On voit sans calculs qu’une base de E1 est form´ee de

u2 = (0, 0, 1, 1, 0) car C4 = −C3 u4 = (1, 0, 0, 0, −1) car C5 = C1

On doit trouver u3 = (x, y, z, t, r) tel que (f − Id)(u3 ) = u2 . On voit sur la matrice A − I5 que le vecteur u3 = (1, 0, 0, 0, 0) convient. On constate toujours sur A − I5 que (f − Id)(u5 ) = u4 , avec u5 = (0, 0, 0, 1, 0). Il reste enfin `a trouver u1 , vecteur propre de f pour λ = −2. On voit sur la matrice A initiale que le vecteur u1 = (0, 1, 0, 0, 0) convient. Soit P la matrice de la famille u1 , u2 , u3 , u4 , u5 dans la base canonique : 0 1   P = 0  0 0 

0 0 1 1 0

1 1 0 0 0 0 0 0 0 −1

0 0  0 1  0 ⇒ det(P ) =  0 1 0 0 

0 0 1 1

1 0 0 0



0 0 0 1 0 = 1 0 0 = 1 6= 0 0 0 1 0 1

Ainsi u1 , u2 , u3 , u4 , u5 forment une base de IR5 et par construction la matrice de f dans cette base est la matrice J donn´ee par l’´enonc´e. Autrement dit P −1 AP = J. Remarque : La matrice A n’est pas diagonalisable. En effet 1 est valeur propre quadruple mais le sousespace est seulement de dimension 2.

Jean-Michel.Ferrard @ ac-lyon.fr, 23 mai 2000

Page 22

Related Documents

Exercice
November 2019 20
Reduction
May 2020 18
Exercice 1
July 2020 8
Exercice D'html
May 2020 11