Algbre Linaire

18 dcembre 2013

Table des matires

1 Gnralits
1.1 Espaces vectoriels . . . . . . . . .
1.2 Applications linaires . . . . . . .
1.3 Familles libres, gnratrices, bases
1.4 Matrices . . . . . . . . . . . . . .

2
. . . . . . . . . . . . . . . . . . . 2
. . . . . . . . . . . . . . . . . . . 4
et dimension dun espace vectoriel 5
. . . . . . . . . . . . . . . . . . . 8

2 Rduction des endomorphismes et des matrices

2.1 Stabilit et polynmes dendomorphisme . . . . .
2.2 Elments propres . . . . . . . . . . . . . . . . . .
2.3 Polynme caractristique . . . . . . . . . . . . . .
2.4 Rduction en dimension finie . . . . . . . . . . . .

.
.
.
.

10
10
12
13
14

3 Exercices et corrigs
3.1 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
3.2 Indications . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
3.3 Corrigs . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

16
16
21
24

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

Gnralits

Il sagit dun rappel de certaines notions dalgbre linaire, non pas dun cours
complet sur le sujet.

1.1

Espaces vectoriels

On rappelle ici brivement les premires dfinitions.

Le corps K sera R ou C en gnral.
Dfinition 1. On appelle espace vectoriel sur le corps K tout triplet (E, +, .) o :
(E, +) est un groupe ablien (= commutatif).
. est une loi de composition externe gauche, i.e une application
KE E
(, x) 7 .x
vrifiant :
1. x E, 1K x = x
2. K, (x, y) E 2 , (x + y) = x + y
3. (, ) K2 , ( + )x = x + x
4. (, ) K2 , ()x = (x)
Dfinition 2. Soit (E, +, .) un K-espace vectoriel. On appelle sous-espace vectoriel
de E toute partie F de E stable pour + et . et qui, munie des lois induites, est un
K-espace vectoriel.
Pour dmontrer quun espace est un sous-espace vectoriel, on utilise en gnral
la caractrisation suivante :
Proposition 1. Soit F E
(

F est un sous-espace vectoriel de E

F 6=
(x, y) F 2 , (, ) K2 , x + y F

Dfinition 3. Soit X une partie de E. On appelle sous-espace vectoriel de E

engendr par X (on le note Vect(X)) le plus petit espace vectoriel contenant X.
On pourra vrifier la matrise de cette dfinition en rsolvant lexercice 1 par
exemple.

Dfinition 4. Soient F et G deux sous-espaces vectoriels dun mme espace vectoriel E. On appelle somme de F et G et on note F + G
F + G = {x + y, (x, y) F G}
Lapplication somme
F G F +G
(a, b) 7 a + b
est surjective par dfinition. Lorsquelle est injective, on dit que F +G est directe
ou que F et G sont en somme directe. Dans ce cas, on note F + G = F G.
On dit que F et G sont supplmentaires si
F +G=F G=E
Proposition 2.
F + G = F G

G = {0}

=F +G
F G = E \
F G = {0}
Pour se familiariser avec ces diffrentes notions, les exercices 2 et 3 sont vivement conseills.
Remarque. (a) Il ny a pas (en gnral) unicit du supplmentaire :
R2 = Vect {(1, 0)} Vect {(0, 1)} = Vect {(1, 0)} Vect {(1, 1)}
(b) Ne pas confondre supplmentaire et complmentaire :
R2 = Vect {(1, 0)} Vect {(0, 1)} mais (1, 1)
/ Vect {(1, 0)}

Vect {(0, 1)}

1.2

Applications linaires

Dfinition 5. On appelle application K-linaire de E vers F toute application

f : E F vrifiant :
(x, y) E 2 , (, ) K2 , f (x + y) = f (x) + f (y)
On note LK (E, F ) lensemble de ces applications. Si E = F , on le note LK (E) et
ces applications sont appeles endormorphismes.
Lorquil ny a pas de confusion possible, on omet souvent le corps de base pour
allger la notation.
Exemples :
(a) IdE LK (E)
f : R R
(b)
x 7 ax
f : C
z 7
(d) E = C (R)
D : E
f 7
(c)

C
z
E
f0

appartient LK (R)
appartient LR (C) mais nappartient pas LC (C)

appartient LR (E)

Dfinition 6. Si f L(E, F ), limage de f , note f (E) ou Imf , est un sous-espace

vectoriel de F .
Il en est de mme pour le noyau de f , not kerf et dfini par
kerf = {x E|f (x) = 0}
Proposition 3.
f est surjective Imf = F
f est injective kerf = {0}
Dfinition 7. On note GL(E) lensemble des isomorphismes (endomorphismes
bijectifs) de E. Cet ensemble forme alors un groupe pour la loi de composition.
Dfinition 8. On appelle forme linaire sur E un K-espace vectoriel toute application linaire de E dans K. On note E = LK (E, K) lensemble de ces formes
linaires, autrement appel lespace dual de E.
Dfinition 9. On appelle hyperplan de E tout noyau dune forme linaire non
identiquement nulle sur E.
Remarque. On verra aprs avec la notion de dimension que cette dfinition dhyperplan rejoint bien en dimension finie celle dun espace de dimension n 1.
4

1.3

Familles libres, gnratrices, bases et dimension dun

espace vectoriel

Dfinition 10. Soit (vi )iI une famille de vecteurs de E.

1. La somme i vi , o {i 6= 0} est fini, est appele combinaison linaire
(C.L) des {vi }.
P

2. On dit que les vecteurs v1 , . . . , vk sont linairement indpendants ou

encore quils forment une famille libre si , pour tous 1 , . . . , k dans K, on
a limplication
1 v1 + . . . + k vk = 0 1 = 2 = . . . = k = 0.
3. On dit au contraire que les vecteurs v1 , . . . , vk sont linairement dpendants ou encore quils forment une famille lie sil existe 1 , . . . , k dans
K tels que :
1 v1 + . . . + k vk = 0 et (1 , . . . , k ) 6= (0, . . . , 0).
4. Les vecteurs v1 , . . . , vk engendrent E, ou encore forme une famille gnratrice de E si pour tout v E, il existe x1 , . . . , xk dans K tels que
v = x1 v1 + . . . + xk vk . Autrement dit Vect(v1 , . . . , vk ) = E.
5. Une famille libre et gnratrice est appel une base de E.
Exemples :
(a) Toute famille forme dun unique vecteur non nul est libre.
(b) Toute famille dont lun des vecteur est nul est lie.
(c) (1, i) est libre dans le R-espace vectoriel C, mais lie dans le C-espace vectoriel
C.
(d) Dans Kn , posons ej = (0, . . . , 0, 1, 0, . . . , 0) avec le 1 en j-me position. Alors
les {ej }j=1...n forment une base, appele la base canonique de Kn .
(e) (1, X, . . . , X n ) est la base canonique de Kn [X].
Remarque. On a dfini ces notions dans le cadre de famille finie, mais on peut aussi
le faire pour des familles infinies. Une famille est dite libre si toute sous-famille
finie lest. Elle est gnratrice lorsque tout lement peut sexprimer comme une
combinaison linaire finie de ses lements. On peut par exemple se convaincre que
(X k )k>0 est une base (infinie) de K[X].
Thorme 1. Sil existe une base de E de cardinal n < , toutes les bases de E
ont ce mme cardinal n, quon appelle alors la dimension de E. Dans ce cas, E
est un espace de dimension finie.

Remarque. (i) La comprhension des familles libres ou gnratrices et des bases

est extrmement importante car ce sont des outils trs utiliss en algbre
linaire. En effet, si on connat une application linaire sur une base, on la
connat sur lespace entier (grce la linarit de la fonction et au caractre
gnrateur de la base). Cest pour cette raison que les applications linaires
peuvent tre reprsentes dans un tableau de taille finie, quon appellera une
matrice.
(ii) Tout espace vectoriel admet des bases.
(iii) En dimension finie, on peut complter une famille libre en une base comme
on peut extraire une base dune famille gnratrice. Il sagit du thorme de
la base incomplte.
Thorme 2 (de la base incomplte). Toute famille libre de vecteurs de E peut
tre complte en une famille libre et gnratrice (i.e une base) de E. Inversement, de toute famille gnratrice de E, on peut extraire une sous-famille libre et
gnratrice.
On peut sentraner manipuler ces dfinitions pour dmontrer les proprits
suivantes sur la dimension :
Proposition 4.
1. Soient n > 2, E1 , . . . , En des K-espaces vectoriels de diQ
mension finie, alors ni=1 Ei est un espace vectoriel de dimension finie et
dim

n
Y

Ei =

i=1

n
X

dim Ei

i=1

2. Si E est de dimension finie et F un sous-espace vectoriel de E, alors dim F 6

dim E avec galit si et seulement si F = E.
3. Si E est de dimension finie et F un sous-espace vectoriel de E, alors F
admet au moins un supplmentaire dans E et pour tout supplmentaire G de
F dans E,
dim G = dim E dim F
4. [Thorme de Grassman] Si F et G sont deux sous-espaces vectoriels de E
de dimension finie, alors
dim(F + G) = dim F + dim G dim(F

G)

Remarque. (a) On utilise trs souvent le fait que F E et dim F = dim E pour
conclure que F = E. Voir lexercice 10 par exemple.
(b) On rappelle quil ny a pas en gnral unicit du supplmentaire. Voir lexercice
3.
6

(c) On peut tout de suite dduire du thorme de Grassman

E = F G dim F + dim G = dim E et F

G = {0}

(d) Si F et G sont supplmentaires et si b0 est une base de F , b00 une base de G,

S
alors b = b0 b00 est une base de F G. Voir lexercice 12.

Proposition 5. Deux K-espaces vectoriels de dimension finie sont isomorphes si

et seulement sils ont la mme dimension.
Dfinition 11.
1. On appelle rang dune famille de vecteurs la dimension
de lespace vectoriel quil engendre (Rg(F) = dim Vect(F)).
2. On appelle rang dune application la dimension de son image (Rg(f ) =
dim Imf ).
Cela nous permet darriver au Thorme du rang, trs utile en algbre linaire.
Thorme 3. Soit E un espace vectoriel de dimension finie, et F un espace vectoriel de dimension quelconque. Si f L(E, F ), alors
Rg(f ) + dim ker f = dim E
Ce thorme fondamental a par exemple pour consquence immdiate la proprit bien connue suivante :
Proposition 6. Soient E et F deux espaces vectoriels de dimension finie vrifiant
dim E = dim F . Si f L(E, F ), alors
f est injective f est surjective f est bijective
Remarque. Lquivalence nest pas vraie en dimension infinie. Par exemple, lapplication drive sur lespace des polynmes est surjective, mais pas injective. La
multiplication par X sur ce mme espace est injective, mais pas surjective.

1.4

Matrices

Dans ce paragraphe, on travaille dans des espaces de dimension finie.

Dfinition 12. Soient f L(E, F ), B = (e1 , . . . , en ) une base de E et B 0 =
P
(f1 , . . . , fm ) une base de F . Si f (ej ) = i aij fi , alors A = (aij ) Mmn (K) est la
matrice de f relativement aux bases B et B 0 , que lon note MB,B0 (f ).
De plus, lapplication qui toute application linaire associe sa matrice est un
isomorphisme.
Remarque.
Si x et y sont des vecteurs, de vecteurs colonnes associs X et Y ,
et f une application linaire de matrice A, on a lquivalence entre y = f (x)
et Y = AX.
Limage, le noyau et le rang dune matrice sont ceux de lapplication linaire
canoniquement associe f . Le rang de A est aussi le rang de sa famille de
vecteurs colonnes (ou lignes).
Dans le cas des matrices carres (dim E = dim F ), f est un isomorphisme si
et seulement si sa matrice est inversible (la matrice de son inverse est alors
linverse de sa matrice). Lensemble des matrices inversibles forme alors un
groupe pour la multiplication, que lon note GLn (K).
On a lquivalence entre :
(i) A est inversible
(ii) La transpose de A (t A = (Aji )) est inversible
(iii) Les vecteurs colonnes (ou les vecteurs lignes) de A sont linairement
indpendants
(iv) Rg(A) = n
(v) det A 6= 0
On a aussi lgalit entre le rang de A, celui de sa transpose, et celui la
famille forme des ses vecteurs lignes ou colonnes.
Dfinition 13. Pour (i, j) J1, mK J1, nK, on dfinit la matrice Eij par
[Eij ]kl = ik jl
o est le symble de Kronecker. Autrement dit, cette matrice a un 1 en position
i, j et des 0 partout ailleurs.
Proposition 7. Les Eij forment une base (quon appelle canonique) de Mm,n (K),
ce qui en fait un espace de dimension mn. Par isomorphisme, on a aussi
dim L(E, F ) = dim E dim F
.
8

Remarque. En particulier, dim E = dim E. Dailleurs, si (e1 , e2 , . . . , en ) est une

base de E, la famille (e1 , e2 , . . . , en ) dont les lments sont dfinis par ei (ej ) =
i,j est une base de E appele la base duale de (e1 , e2 , . . . , en ). Il sagit des
applications coordonnes relatives la base initiale.
Changements de bases :
0

La matrice de passage de B B 0 , note PBB est la matrice reprsentative

de lapplication identit, de E (muni de la base B 0 ) dans E (muni de la base B).
Autrement dit, on peut voir comme tant la dcomposition de B 0 dans B .
Dailleurs il est parfois plus simple de visualiser ainsi :
0

PBB = (B 0 )B
On a dailleurs

(PBB )1 = ((B 0 )B )1 = (B)B0 = PBB0

Si f L(E, F ), B et B 0 bases de E, C et C 0 bases de F , alors on a :
MB0 ,C 0 (f ) = (C)C 0 MB,C (f ) (B 0 )B
= PCC0 MB,C (f )PBB

En particulier, en posant P = (B)B0 , on a

MB0 ,B0 (f ) = (B)B0 MB,B (f ) (B 0 )B
= P MB,B (f )P 1
Pour sentraner manipuler ces changements de bases, on pourra rflchir
lexercice 18.

Rduction des endomorphismes et des matrices

2.1

Stabilit et polynmes dendomorphisme

Dfinition 14. On dit que F sous-espace vectoriel de E est stable par u L(E)
si u(F ) F , ce qui permet de dfinir lendomorphisme induit uF L(F ).
La philosophie de la rduction est justement de trouver des espaces stables les
plus petits possibles, afin de rduire ainsi ltude. Par exemple, si on parvient
crire E comme la somme directe despaces stables par u alors sa reprsentation
matricielle est immdiatement diagonale par blocs dans une base adapte.
En effet, si E = F G avec F, G stables par u, avec b0 une base de F et b00 une
base de G, on a
(u)b0 b00

(uF )b0
0
=
0
(uG )b00

Exemple : (u, v) L(E)2 qui commutent (u v = v u), alors ker v et Imv

sont u-stables.
Dfinition 15. Pour tout polynme P =
dfinit
P (u) =

d
X

Pd

k=0

ak X k K[X], si u L(E), on

ak uk o uk = u u . . . u(k fois)

k=0

On dfinit de la mme manire le polynme dune matrice.

On!pourra pour sentraner en calculant P (M ) pour P = (X 2 X)2 et M =
1 1
.
0 1
Le lemme suivant, dit des noyaux, a une importance thorique considrable.
Lemme 8. Soit u L(E), P1 , . . . , Pn K[X] premiers entre eux deux deux,
Q
alors posant P = Pi , on a
ker(P (u)) = i=1...n ker(Pi (u))
Dfinition 16. On appelle polynme annulateur de u L(E) tout P K[X] tel
que P (u) = 0. Lensemble de ces polynmes est un idal, qui est donc principal et
non nul lorsque E est de dimension finie (cf. exercice 22). On appelle Polynme
minimal de u son gnrateur unitaire.
Exemples :
10

 X 2 X annule les
! projecteurs.
0
1
X 2 annule
.
0 0
Dans lexemple ci-dessus laiss en exercice, on devait trouver P (M ) = 0.

11

2.2

Elments propres

Dfinition 17.

1. On appelle valeur propre tout scalaire tel que

x 6= 0, u(x) = x

On note vp(u) lensemble des valeurs propres distinctes de u.

2. On appelle vecteur propre tout x 6= 0 tel que , u(x) = x.
3. (, x) est alors appel un couple propre, et ker(u id) le sous-espace
propre associ , souvent not E (u).
Remarque.
valeur propre de u u id non injectif ( u id non bijectif )
La deuxime galit nest vrai quen dimension finie, et en dimension infinie, on
fera alors la diffrences entre valeur propre et valeur spectrale. Mais cela ne nous
concerne pas ici.
Proposition 9. Tout sous-espace propre de u est u-stable ; de plus les sous-espaces
propres sont deux deux en sommes directes (pour des valeurs propres distinctes).
Toute famille de vecteurs propres associs des valeurs propres deux deux distinctes est libre. En particulier
X

E (u) = vp(u) E (u)

vp(u)

mais cette somme nest pas toujours gale E.

Si on se souvient de ce qui a t dit dans le paragraphe prcdent, on comprend
ici tout lintrt des lments propres.
Proposition 10. Soit P K[X] Si est une valeur propre de u, P () est une
valeur propre de P (u) et
E (u) EP () (P (u))
Corollaire 1. Si est valeur propre de u et P est un polynme annulateur de u,
alors P () = 0
Cela justifie quon sintresse aux polynmes annulateurs lorsquon recherche
des lments propres.
On dfinit de mme les lments propres des matrices carrs (grce lanalogie
endomorphisme-matrice).
12

2.3

Polynme caractristique

Dfinition 18. u L(E), E de dimension n > 0 (respectivement A Mn (K)),

on dfinit le Polynme caractristique par u () = det(Id u) (respectivement A () = det(Id A)).
Remarque. On rencontre souvent la dfinition det(u Id). Ces dfinitions ne
diffrent que de (1)n et comme on va principalement sintresser aux racines du
polynme caractristique, cela na aucune importance.
Thorme 4.
valeur propre de u racine de u
On trouvera la dmonstration de ce thorme dans lexercice 17.
Donnons dsormais lnonc du fondamental Thorme de Cayley-Hamilton
Thorme 5. u est un polynme annulateur de u.
Remarque. Le polynme minimal divise le polynme caractristique.
Dfinition 19. Soit une valeur propre de u. On appelle multiplicit (algbrique)
de sa multiplicit en tant que racine de u .
Les deux propositions suivantes montrent nouveau lintrt pour la rduction
de connatre des sous-espaces stables.
Proposition 11. Soit u L(E) et F un sous-espace vectoriel de E. Alors, si F
est stable par u, uF divise u .
Proposition 12. Si E = i=1...p Ei avec les Ei stables par u, alors
u =

p
Y
i=1

13

uEi

2.4

Rduction en dimension finie

Dfinition 20. On dit que u L(E) est diagonalisable sil existe une base b de
E telle que [u]b (la matrice de u dans b) soit diagonale.
Thorme 6. Soit u L(E). Les propositions suivantes sont quivalentes :
(i) u est diagonalisable
(ii) il existe b base de E constitue de vecteurs propres de u
(iii) E = vp(u) E (u)
Thorme 7. Une condition ncessaire (mais largement insuffisante) pour que u
soit diagonalisable est que u soit scind.
On peut facilement se convaincre que le polynme caractristique de
Exemple
!
0 1
est scind, bien quelle ne soit pas diagonalisable.
0 0
Thorme 8. u est diagonalisable si et seulement si u est scind et (avec ()
la multiplicit de ) :
vp(u), dim E (u) = ()
Proposition 13. Si est valeur propre de u, on a
1 6 dim E (u) 6 ()
Corollaire 2. Si u est simplement scind, u est diagonalisable.
Thorme 9. u est diagonalisable si et seulement si il existe un polynme annulateur simplement scind (ou scind racines simples, cest--dire produit de
polynmes de degr 1 dont les racines sont deux deux distinctes).
Remarque. Ainsi, u est diagonalisable si et seulement si son polynme minimal est
simplement scind.
Corollaire 3. Soit u L(E) et F un sous-espace stable par u, alors si u est
diagonalisable, uF lest aussi.
La meilleure manire de bien comprendre cette thorie de la diagonalisation
des endomorphismes ou des matrices est de manipuler ces diffrentes notions. On
conseille pour cela les exercices...
Terminons brivement par la trigonalisation.
Dfinition 21. On dit que u L(E) est trigonalisable si il existe b une base de
E telle que [u]b soit triangulaire suprieure.
14

Thorme 10.
u est trigonalisable u est scind
il existe un polynme annulateur scind de u
Remarque. En particulier, toute matrice complexe est trigonalisable (tout polynme est scind sur C).

15

Exercices et corrigs

On propose ici un recueil dexercices avec leurs corrigs. Pour certains dentre
eux on pourra consulter des indications qui donneront ou bien des prcisions sur
lnonc ou bien des ides pour rsoudre lexercice concern. On conseille vivement de bien rflchir aux exercices, de regarder ventuellement les indications,
mais surtout de ne pas aller immdiatement voir le corrig, si on veut travailler
efficacement.

3.1

Exercices

Exercice 1. Soit F et G deux sous-espaces vectoriels de E. Montrer que Vect(F

G) = F + G.
Indication Corrig
Exercice 2. Notons E = RR lensemble des fonctions de R dans R, P (respectivement I) lensemble des fonctions paires (respectivement impaires) de E. Montrer
que
E =P I
Indication Corrig
Exercice 3. On pose E = C (R), et on dfinit
F = {f E|f (0) = f 0 (0) = 0}
On note G lensemble des applications affines de E, et H = Vect(cos, sin)
1. Montrer que F et G sont supplmentaires.
2. Montrer que F et H sont supplmentaires.
3. A-t-on G = H ? Conclure.
Indication Corrig
Exercice 4. Soit

f :

R2
R2
(x, y) 7 (x y, x + y)

1. Montrer que f L(R2 ).

2. Dterminer ker f .
3. Dterminer Imf .
Indication Corrig

16

Exercice 5. Soit f L(E). Montrer que

f est une projection f 2 = f
Indication Corrig
Exercice 6. Soient f et g des formes linaires sur E. Montrer que
ker f = ker g K tel que g = f
Indication Corrig
Exercice 7. Montrer quune forme linaire est ou bien nulle ou bien surjective.
Indication Corrig
Exercice 8. Soit E un K-espace vectoriel, et f L(E). Pour tout n N, on pose
En = ker f n .
1. Montrer que la suite (En )nN est croissante (au sens de linclusion).
2. On suppose quil existe p N tel que Ep = Ep+1 . Montrer que pour tout
n > p, En = Ep .
Indication Corrig
Exercice 9. Soit E = C 0 (R, R), et : E E, avec
(f ) :R R
x 7xf (x)
1. Montrer que est linaire.
2. Dterminer ker et Im.
Indication Corrig
Exercice 10. Pour tout x R, on pose f (x) = cos x, g(x) = sin x, h(x) = x cos x et
i(x) = x sin x. Montrer que la famille (f, g, h, i) est libre dans RR
Indication Corrig
Exercice 11. Dans lespace vectoriel RR , montrer que les familles de fonctions suivantes sont libres :
1. (fa )aR o fa (x) = |x a|
2. (fa )aR o fa (x) = exp(ax)
Indication Corrig
17

Exercice 12. Montrer que si b0 est une base de F , b00 une base de G, alors b = b0
est une base de F G.
Indication Corrig

S 00
b

Exercice 13. Soient E un K-espace vectoriel de dimension finie n > 1, u L(E)

tel que, pour tout x E, il existe K tel que u(x) = x. Montrer que u est une
homothtie vectorielle (i.e u = Id).
Indication Corrig
Exercice 14. Soit E un K-espace vectoriel de dimension 3.
1. Soit f un endomorphisme de E tel que f 6= 0 et f 2 = 0. Dterminer le rang
de f .
2. Mme question avec g tel que g 2 6= 0 et g 3 = 0.
Indication Corrig
Exercice 15. On dfinit
:Cn [X] Cn [X]
P (X) 7P (X + 1) P (X)
1. Montrer que est un endomorphisme.
2. Dterminer ker .
3. En dduire Im.
Indication Corrig
2 2 1 7
1 2 1
3 4 1
4 3 1 11

Exercice 16. Soient A =

, B =
. Calculer rg(A) et
5 6 1
0 1 2 4
7 8 1
3 3 2 11
rg(B). Dterminer une base du noyau et une base de limage pour chacune des
applications linaires associes fA et fB .
Indication Corrig

Exercice 17. Montrer que en dimension finie :

valeur propre de u racine de u
Indication Corrig

18

3
Exercice 18. Soit f lapplication linaire de R4 dans R
dont la matrice relative4 5 7
7

~
~
~
~
~
~
~
ment aux bases canoniques, (I, J, K, L ) et (i, j, k ) est 2 1 1 3 .
1 1 2
1
~ J,
~ 4I~ + J~ 3L,
~ 7I~ + K
~ + 5L
~ ) et
On dfinit deux nouvelles bases : B = (I,
0
B = (4~i + 2~j + ~k, 5~i + ~j ~k, ~k ).
Quelle est la matrice de f relativement B et B 0 ?
Indication Corrig

Exercice 19. Soit A une matrice carre dordre n. On suppose que A est inversible
et que R est une valeur propre de A.
1. Dmontrer que 6= 0.
2. Dmontrer que si ~x est un vecteur propre de A pour la valeur propre alors
il est vecteur propre de A1 de valeur propre 1 .
Indication Corrig
Exercice 20. Soit E un espace vectoriel sur un corps K (K = R ou C), et u un
endomorphisme de E. On suppose u nilpotent, cest--dire quil existe un entier
strictement positif n tel que un = 0.
1. Montrer que u nest pas inversible.
2. Dterminer les valeurs propres de u et les sous-espaces propres associs.
Indication Corrig
Exercice 21. Soit A la matrice suivante

3 0 1

A= 2 4 2
1 0 3
1. Dterminer et factoriser le polynme caractristique de A.
2. Dmontrer que A est diagonalisable et dterminer une matrice D diagonale
et une matrice P inversible telles A = P DP 1 .
3. Donner en le justifiant, mais sans calcul, le polynme minimal de A.
4. Calculer An pour n N.
Indication Corrig
Exercice 22. Soit E un espace vectoriel de dimension n et une application linaire
de E dans E. Montrer quil existe un polynme P R[X] annulateur de .
Indication Corrig

19

Exercice 23. Dterminer les valeurs propres des matrices suivantes. Sont-elles diagonalisables, triangularisables ?

2 2 1

B = 3 3 1
1 2 0

3 0 0

A = 2 2 0
1 1 1

A laide du polynme caractristique de B, calculer B 1 .

Indication Corrig
Exercice 24. Soit M la matrice de R4 suivante
0
2

M =
0
0

1 0 0
0 1 0

7 0 6
0 3 0

1. Dterminer les valeurs propres de M et ses sous-espaces propres.

2. Montrer que M est diagonalisable.
3. Dterminer une base de vecteurs propres et P la matrice de passage.
4. On a D = P 1 M P , pour k N exprimer M k en fonction de Dk , puis calculer
M k.
Indication Corrig

20

3.2

Indications

Indication 1. Exercice Corrig On pourra raisonner par double inclusion, et bien

utiliser la dfinition du Vect dune partie.
Indication 2. Exercice Corrig Pour ce type dexercices, un raisonnement par
analyse-synthse fonctionne trs souvent. On suppose que le rsultat est vrai, et
on essaie de voir ce que cela implique pour la dcomposition sur la somme directe.
On obtient des candidats, et la synthse consiste vrifier quils conviennent bien.
Indication 3. Exercice Corrig Encore une fois, un raisonnement par analysesynthse peut conduire au rsultat, dans les deux cas.
Indication 4. Exercice Corrig Pour les deux premires questions, appliquer la
dfinition. Pour la troisime on pourra penser utiliser le rsultat de la question
2 et le thorme du rang.
Indication 5. Exercice Corrig Rappel : On dfinit la projection vectorielle sur F
paralllement G (o F et G sont supplmentaires dans E) par
p :

E
E
x = f + g 7 f

o f + g est la dcomposition de x sur F G

Pour le sens droite-gauche, on pourra montrer que si f 2 = f , alors

E = ker f Imf
.
Indication 6. Exercice Corrig On pourra montrer tout dabord que si a
/ ker f ,
alors E = ker f Ka.
Indication 7. Exercice Corrig On pensera au thorme du rang.
Indication 8. Exercice Corrig Pour la deuxime question, on a une information
sur ce quil se passe aux ordres p et p + 1, mais quand x En+1 , qui est dans
Ep+1 ?
Indication 9. Exercice Corrig Pour limage, on pourra procder par analysesynthse.
Indication 10. Exercice Corrig Il faut penser particulariser en certains points.
Indication 11. Exercice Corrig On rappelle quune famille infinie est libre lorsque
toutes ses sous-familles finies sont libres. On se ramnera donc ici une famille finie
de fonctions, et on essaiera dutiliser des spcificits des fonctions valeurs absolues
et exponentielles.
On pourra essayer dabord sur par exemple 4 fonctions de ce type et utiliser
des arguments qui stendent un nombre fini mais grand de fonctions.
21

Indication 12. Exercice Corrig Bien revoir les dfinitions de familles libres gnratrices et despaces en somme directe avant de faire cet exercice.
Indication 13. Exercice Corrig Il faut commencer par bien comprendre que
lexercice a bien un sens et nest pas trivial. En effet, pour le moment le dpend du x et il faut montrer que cest en fait le mme pour tous.
On pourra penser utiliser une base de E.
Indication 14. Exercice Corrig Montrer que
f 2 = 0 Imf ker f
, et utiliser le thorme du rang. Pour la deuxime question on pourra tudier les
diffrentes possibilits et se convaincre quune seule est en fait possible.
Indication 15. Exercice Corrig Pour la question 2, penser regarder les racines
dun polynme du noyau. Pour la question 3, on se demandera dabord ce que
fait au monme de plus haut degr, puis essayer de dterminer la dimension de
limage.
Indication 16. Exercice Corrig On pourra penser utiliser le rsultat suivant :
Sil existe une sous-matrice carre de M dordre k de dterminant non nul, alors
RgM > k.
Indication 17. Exercice Corrig Revoir les diffrentes dfinitions de valeurs propres.
Indication 18. Exercice Corrig Bien relire et appliquer le paragraphe sur les
changements de bases.
Indication 19. Exercice Corrig Une nouvelle fois, revoir les diffrentes dfinitions
de valeur propre.
Indication 20. Exercice Corrig Pour la premire question, on peut se demander
quel outil permet facilement de dmontrer que si f et g sont bijectives, alors f g
lest aussi...
Pour la deuxime question, que se passe t-il si est une valeur propre ?
Indication 21. Exercice Corrig Une matrice est diagonalisable si et seulement si
les dimensions de ses sous-espaces propres sont gales leur multiplicit. On tudie
donc le polynme caractristique pour obtenir ses racines (les valeurs propres). Si
elles sont toutes simples (de multiplicit 1), il ny a pas de problme. Sinon, on
doit tudier le sous-espace propre. On doit ensuite trouver des vecteurs propres ;
ils formeront les colonnes de P .
Une fois que A = P DP 1 , que vaut A2 ? An ?
Pour le calcul de linverse de P , on pourra utiliser la formule
P 1 =

1 t
P
det P

22

Dfinition 22. Soit M une matrice, on note M (i, j) le dterminant de la matrice

obtenue partir de M en enlevant la ligne i et la colonne j (on parle de mineur
pour un tel dterminant). On note Cof(i, j) = (1)i+j M (i, j) le cofacteur dindice
(i, j). La comatrice de M , note P est la matrice des cofacteurs.
Remarque. On retrouve ces diffrentes notions lorsquon dveloppe un dterminant
selon une ligne ou une colonne
On pourra pour sentraner vrifier la formule du calcul de linverse sur des
matrices 2 2 ou 3 3.
Indication 22. Exercice Corrig On pourra utiliser le fait que L(E) est isomorphe
Mn (R).
Indication 23. Exercice Corrig On commencera par calculer les polynmes caractristiques...
Indication 24. Exercice Corrig Il sagit du mme type de travail que pour lexercice 21.

23

3.3

Corrigs

Corrig 1. Enonc Indication

On peut raisonner par double inclusion.
Tout dabord, F + G est un sous-espace vectoriel qui contient clairement F et
G, donc leur union. Ainsi, Vect(F G) F + G (Vect(A) est le plus petit espace
vectoriel contenant A).
Dautre part, F Vect(F G) et G Vect(F G) donc F + G Vect(F G)
par stabilit pour +. On a donc bien galit.
Corrig 2. Enonc Indication
Raisonnons par analyse-synthse.
Soit donc f une fonction de R dans R. On cherche (p, i) P I telles que
f = p + i.
Analyse : Supposons que f = p + i avec (p, i) P I.
Utilisons alors les proprits des fonctions paires et impaires.
On a
f (x) = p(x) + i(x)
f (x) = p(x) i(x)
Ainsi les seules fonctions possibles sont
p(x) =

f (x) + f (x)
f (x) f (x)
et i(x) =
2
2

ce qui donne lunicit.

Existence : Il suffit de vrifier que p et i ainsi dfinies sont dans les bons espaces
et que f = p + i.
Corrig 3. Enonc Indication
1. On utilise nouveau un raisonnement par analyse-synthse.
Analyse : Soit u E, on suppose pouvoir crire u = f + g, (f, g) F G,
g(x) = ax + b.
u(0) = f (0) + b = b
u0 (0) = f 0 (0) + a = a
Ainsi, les seuls candidats pour la dcomposition de u sont donc
g(x) = u0 (0)x + u(0) et f (x) = u(x) g(x)
Synthse : Ils restent vrifier que ceux-ci fonctionnent.
24

2. Une nouvelle fois, on suppose u = f + h avec h = a cos +b sin. On a

u(0) = f (0) + a = a
u0 (0) = f 0 (0) + b = b
Cela permet de dfinir f et h partir de u. On termine comme prcdemment.
3. G 6= H est vident. Ils nont dailleurs que la fonction identiquement nulle
en commun. Cela montre quil ny a pas unicit du supplmentaire.
Corrig 4. Enonc Indication
1.
f ((x, y) + (x0 , y 0 )) = f ((x + x0 , y + y 0 ))
= (x + x0 (y + y 0 ), x + x0 + (y + y 0 ))
= (x y, x + y) + (x0 y 0 , x0 + y 0 )
= f (x, y) + f (x0 , y 0 )
2. Si (x, y) ker f , x y = 0 = x + y, ce qui implique (x, y) = (0, 0). f est
donc injective.
3. Pour cette question, ou bien on essaie la main. On prend (u, v) R2 , et
on fait une analyse-synthse. Si u = x y et v = x + y, on obtient
u+v
vu
x=
et y =
2
2
Cela montre que tout le monde est dans limage et donc que f est surjective.
Sinon, beaucoup plus rapide et plus efficace, grce au thorme du rang
et la question prcdente, on sait que dim Imf = 2, mais Imf R2 , donc
(par galit des dimensions), ces ensembles sont gaux.
Corrig 5. Enonc Indication
Tout dabord, si f est la projection sur F paralllement G, considrons x =
f + g dans E, on a :
f f (x) = f (a)
=a
= f (x)
Rciproquement, supposons f 2 = f , et montrons pour commencer que E =
ker f Imf .
Une analyse permet rapidement daboutir lunique dcomposition x = x
f (x) + f (x) avec x f (x) ker f et f (x) Imf .
La synthse est alors immdiate, et on saperoit que f est donc la projection
sur Imf paralllement ker f .
25

Corrig 6. Enonc Indication

Le sens droite-gauche est clair.
Supposons ker f = ker g. On peut supposer f non indentiquement nulle (ce cas
est vident car alors g = 0 aussi).
Fixons a
/ ker f . Dans ce cas E = ker f Ka car la dcomposition de x
quelconque dans E scrit :
!

f (x)
f (x)
a +
a
x= x
f (a)
f (a)
et Ka ker f = {0}.
Comme ker f = ker g, g(x

f (x)
a)
f (a)

= 0, do

g(x) =

g(a)
f (x)
f (a)

Corrig 7. Enonc Indication

Imf R. Or, les seuls sous-espaces vectoriels de R sont {0} et lui-mme. f est
donc ou bien nulle ou bien surjective.
Corrig 8. Enonc Indication
1. Soit x En , cela signifie f n (x) = 0, mais alors f n+1 (x) = f (f n (x)) = f (0) =
0 donc x En+1 .
2. Soit n > p, et soit x En+1 , f n+1 (x) = f p+1 (f np (x)) = 0, donc f np (x)
Ep+1 = Ep par hypothse, donc f p (f np (x)) = 0 = f n (x), do x En .
Corrig 9. Enonc Indication
1.
(f + g)(x) = x(f + g)(x)
= x(f (x) + g(x))
= xf (x) + xg(x)
= ((f ) + (g))(x)
2. Si f ker , x, xf (x) = 0, mais alors x 6= 0, f (x) = 0 et donc f (0) = 0
par continuit de f . Finalement ker f = {0}.
Pour dterminer limage, on va procder par analyse-synthse. Si f Imf ,
g, (g) = f . x R, f (x) = xg(x). Ainsi, f (0) = 0 et f est drivable en 0.
Dfinissons alors
H = {f E|f (0) = 0 et f drivable en 0}
26

On a Imf H Rciproquement, soit f H, dfinissons

g: R

R
f (x)
si x 6= 0
x 7 x
0
f (0) si x = 0

On a bien g E et (g) = f . Donc H = Imf .

Corrig 10. Enonc Indication
Sil existe (a, b, c, d) R4 tels que af + bg + ch + di = 0, en valuant en 0, 2 ,
2
et , on obtient :

a
=0

=0
b + d
2

b+d
=0

a c = 0
Cela donne trs rapidement (a, b, c, d) = (0, 0, 0, 0).
Corrig 11. Enonc Indication
1. Il faut montrer que pour toute famille finie (a1 , . . . , an ) de rels deux deux
distincts, la famille (fa1 , . . . , fan ) est libre. On raisonne par labsurde. Supposons quil existe (a1 , . . . , an ) distincts et (1 , . . . , n ) tels que
n
X

i fai = 0

i=1

avec tous les i non nuls.

Cela donne par exemple
1 fa1 =

n
X

i fai

i=2

Le membre de droite est drivable en a1 , mais pas le membre de gauche, do

la contradiction.
2. Comme pour la premire question, on raisonne par labsurde. Supposons quil
existe (a1 , . . . , an ) distincts et (1 , . . . , n ) tels que
n
X

i fai = 0

i=1

avec tous les i non nuls.

27

Supposons (quitte renumroter) que le plus grand des ai est a1 .

On a
n
1 fa1 =

i fai

i=2

Factorisons par ea1 x , cela devient, x R

1 =

n
X

i e(ai a1 )x

i=2

Ainsi, le membre de droite tend vers 0 lorsque x tend vers +, mais pas le
membre de gauche, do la contradiction.
Corrig 12. Enonc Indication
Notons b0 = (e1 , . . . , er ) et b00 = (er+1 , . . . , en ), et montrons que b = (e1 , . . . , en )
est une base de E = F G.
Tout dabord, b est une famille gnratrice. En effet, soit x E, il scrit
x = f + g avec f F et g G. Mais alors f est engendr par les r premiers ei et
g par les n r suivants. On peut donc crire x comme une combinaison linaire
des lements de b.
Ensuite, montrons que b est libre. Supposons
n
X

i ei = 0 =

r
X

i ei +

i e i

i=r+1

i=1

i=1

n
X

Comme F et G sont en somme directe, les deux sommes sont nulles. Mais alors,
chacun des i est nul. En effet, pour les r premiers, ils sont les coefficients dune
combinaison linaire nulle des (ei )i=1...r qui forment une famille libre, en tant que
base de F . De mme pour les n r suivants.
Corrig 13. Enonc Indication
Soit b = (e1 , . . . , en ) une base de E, et posons x =
i, i , u(ei ) = i ei , et , u(x) = x x. Mais alors
X

u(x) = u(

ei ) =

u(ei ) =

i ei = x x =

ei . Par hypothse,

x ei

Mais comme b est une base, elle est en particulier libre et i, x = i .

Ainsi, u concide avec lhomothtie Id sur une base de E, donc u = Id.
Corrig 14. Enonc Indication

28

1. Tout dabord, on peut facilement dmontrer (le faire si on nest pas convaincu)
que
f 2 = 0 Imf ker f
Or, daprs le thorme du rang, dim Imf +dim ker f = 3, donc Rgf {0, 1},
mais f 6= 0, donc son rang vaut 1.
2. Montrons dabord que le rang de g vaut 1 ou 2. En effet, il ne peut pas
valoir 0 car g 6= 0, ni 3 car g serait alors bijectif, et on ne pourrait pas avoir
g 3 = 0. Supposons que Rgg = 1, alors Img = Vecty. De plus, g(y) 6= 0,
sinon on aurait g 2 = 0. Donc il existe 6= 0 tel que g(y) = y. Mais alors,
g 3 (y) = 3 y 6= 0, do une contradiction. On conclut donc Rgg = 2.
Corrig 15. Enonc Indication
1. Cette question est laisse au lecteur.
2. Soit P ker . On a donc P (X + 1) = P (X) (Quand est-ce quun polynme
est priodique ?). On est dans C, donc si P est de degr suprieur ou gal 1,
il admet une racine que lon note , mais alors, P ( +1) = P () = P ( +n),
pour tout n Z. P admet donc une infinit de racines, ce qui fournit une
contradiction.
Ainsi, P est constant. Rciproquement, les polynmes constants sont bien
dans le noyau de .
ker = C
3. On constate que fait perdre un degr au polynme. Ainsi, Im Cn1 [X].
De plus, daprs la question prcdente et le thorme du rang, on a dim Im =
n = dim Cn1 [X].
Ces deux ensembles sont donc gaux.
Corrig 16. Enonc Indication
1. (a) Commenons par des remarques lmentaires : la matrice est non nulle
donc rg(A) > 1 et comme il y a p = 4 lignes et n = 3 colonnes alors
rg(A) 6 min(n, p) = 3.
(b) Ensuite on va montrer rg(A) > 2 en
 effet
 le sous-dterminant 2 2
1 2 

(extrait du coin en haut gauche) : 
 = 2 est non nul.
3 4 
(c) Montrons que rg(A) = 2. Avec les dterminants il faudrait vrifier que
pour toutes les sous-matrices 3 3 les dterminants sont nuls. Pour
viter de nombreux calculs on remarque ici que les colonnes sont lies
par la relation v2 = v1 + v3 . Donc rg(A) = 2.
29

(d) Lapplication linaire associe la matrice A est lapplication fA : R3

R4 . Et le thorme du rang dim ker fA + dim ImfA = dim R3 donne ici
dim ker fA = 3 rg(A) = 1.
Mais la relation v2 = v1 + v3 donne immdiatement

un lment

du
1
0
1

noyau : en crivant v1 v2 +v3 = 0 alors A 1 = 0 Donc 1

1
0
1
ker fA . Et comme le noyau est de dimension 1 alors

ker fA = Vect 1
1
(e) Pour un base de limage, qui est de dimension 2, il suffit par exemple
de prendre les deux premiers vecteurs colonnes de la matrice A (ils sont
clairement non colinaires) :

ImfA = Vect {v1 , v2 } =

1
1

3 1

Vect ,

5 1

2. On fait le mme travail avec B et fB .

(a) Matrice non nulle avec 4 lignes et 4 colonnes donc 1 6 rg(B) 6 4.
(b) Comme le sous-dterminant (du coin suprieur gauche)


2


4

2
 = 2 est
3

non nul alors rg(B) > 2.

(c) Et pareil avec le sous-dterminant 3 3 :

2


4

0

2 1
3 1 = 2

1 2 

qui est non nul donc rg(B) > 3.

(d) Maintenant on calcule le dterminant de la matrice B et on trouve
det B = 0, donc rg(B) < 4. Conclusion rg(B) = 3. Par le thorme du
rang alors dim ker fB = 1.
(e) Cela signifie que les colonnes (et aussi les lignes) sont lies, comme il
nest pas clair de trouver la relation la main on rsout le systme

30

BX = 0 pour trouver cette relation ; autrement dit :

0
x
2 2 1 7
2x + 2y z + 7t

0
4x + 3y z + 11t
4 3 1 11 y

= ou encore

0
0 1 2 4 z
y + 2z 4t

0
t
3 3 2 11
3x + 3y 2z + 11t

=
=
=
=

Aprs rsolution de ce systme on trouve que les solutions scrivent

(x, y, z, t) = (, 2, , ). Et ainsi
1
2

ker fB = Vect
1
1

Et pour une base de limage il suffit, par exemple, de prendre les 3

premiers vecteurs colonnes v1 , v2 , v3 de la matrice B, car ils sont linairement indpendants :

ImfB = Vect {v1 , v2 , v3 } =

2
2
1

4 3 1

Vect , ,

0 1 2

Corrig 17. Enonc Indication

valeur propre de u u Id non injectif
u Id non bijectif
det(u Id) = 0
u () = 0
Corrig 18. Enonc Indication

1 0 0 0

M = 0 1 0 0
0 0 0 0
Corrig 19. Enonc Indication
1. Si = 0 est valeur propre de A, alors ker A 6= {0}, donc A nest pas injective
et sa matrice nest pas inversible, do la contradiction.
31

0
0
0
0

2. Comme A est inversible et 6= 0, on a

A~x = ~x A1 (A~x) = A1 (~x)
~x = A1~x
1
~x = A1~x

Corrig 20. Enonc Indication

1. Montrons que u nest pas inversible.
On a : 0 = det un = (det u)n , do det u = 0, ce qui prouve que u nest pas
inversible.
2. Dterminons les valeurs propres de u et les sous-espaces propres associs.
Soit une valeur propre de u, il existe alors un vecteur x E non nul tel
que u(x) = x. Or, u(x) = x un (x) = n x. Mais, un (x) = 0 et x 6= 0,
do n = 0 et donc = 0. La seule valeur propre possible de u est donc
0 et cest une valeur propre car, comme u nest pas inversible, le noyau de
u nest pas rduit {0}. Lendomorphisme u admet donc 0 comme unique
valeur propre, le sous-espace propre associ est ker u.
Corrig 21. Enonc Indication
On rappelle

3 0 1

A= 2 4 2
1 0 3
1. Soit PA le polynme caractristique de A, on a
PA (X) =


3 X


 2

 1



0
1 
3 X
1 


4X
2  = (4 X) 


 1
3 X

0
3X

= (4 X)(X 2 6X + 8)
= (4 X)(X 4)(X 2)
= (2 X)(4 X)2
2. Le polynme PA admet deux racines, donc la matrice A admet deux valeurs
propres, 1 = 2, valeur propre simple et 2 = 4, valeur propre double.
Dterminons les sous-espaces propres associs.
Notons E1 = {V~ = (x, y, z)/AV~ = 2V~ }, on rsout alors le systme

3x z = 2x
(
z=x
2x + 4y + 2z = 2y

y = 2x

x + 3z = 2z
32

Le sous-espace propre E1 associ la valeur propre 2 est une droite vectorielle, dont un vecteur directeur est ~e1 = (1, 2, 1).
Notons E2 = {V~ = (x, y, z)/AV~ = 4V~ }, on rsout alors le systme

3x z = 4x
2x + 4y + 2z = 4y z = x

x + 3z = 4z
Le sous-espace propre E2 associ la valeur propre 4 est le plan vectoriel,
dquation z = x dont une base est donne, par exemple par les vecteurs
~e2 = (0, 1, 0) et ~e3 = (1, 0, 1). Remarquons que lon pouvait lire directement
sur la matrice A, le fait que le vecteur ~e2 est vecteur propre associ la valeur
propre 4.
Les dimensions des sous-espaces propres sont gales aux multiplicits des
valeurs propres correspondantes, par consquent, lespace R3 admet une base
de vecteurs propres et la matrice A est diagonalisable.
Notons P la matrice de passage, on a

1 0 1

P = 2 1 0
1 0 1
et, si D est la matrice diagonale

2 0 0

D = 0 4 0
,
0 0 4
on a la relation
A = P DP 1 .
3. La matrice A est diagonalisable, donc son polynme minimal na que des
racines simples, par ailleurs les racines du polynme minimal sont exactement
les valeurs propres de A et le polynme minimal est un polynme unitaire
qui divise le polynme caractristique. On a donc
QA (X) = (X 2)(X 4)
4. On a vu, dans la question 2), que A = P DP 1 , on a donc, pour n N,
An = P 1 Dn P , or
n

2
0 0

D n = 0 4n 0
0 0 4n
33

t
il nous reste calculer P 1 . On sait que P 1 = det1 P P (avec P la comatrice
de P , cf lindication pour plus dexplications), do

1 2 1
1 0 1
1

det P = 2, P = 0 2 0 et P = 2 2 2

2
1 2 1
1 0
1
On a donc
1 0 1
2n 0 0
1 0 1
1

n
A = 2 1 0 0 4n 0 2 2 2
2
1 0 1
0 0 4n
1 0
1

2n + 4n
0
2n 4n
1 n
= 2(4 2n ) 2.4n 2(4n 2n )

2
n
n
n
n
2 4
0
2 +4

Corrig 22. Enonc Indication

2

L(E) est isomorphe Mn (R) donc est de dimension finie n2 . La famille {idE , , . . . , n }
compte n2 + 1 vecteurs donc est lie cest dire : il existe 0 , . . . , n2 dans
2
R, non tous nuls et tels que 0 idE + 1 + + n2 n = 0. Le polynme
2
P (X) = 0 + 1 X + + n2 X n rpond donc la question.
Corrig 23. Enonc Indication
A est triangulaire infrieure donc ses valeurs sont ses coefficients diagonaux :
1, 2 et 3. A a trois valeurs propres distinctes
donc
A est diagonalisable.

3 2 1

B = (X 1)(X + 1)2 . B + I = 3 2 1, donc rg(B + I) = 2,

1 2 1
dim(ker B + I) = 1 < 2 donc B nest pas diagonalisable.

2 2 1

B (B) = 0 donc B(B 2 + B I) = I, soit B 1 = B 2 + B I = 1 1 1

3 2 0
Corrig 24. Enonc Indication
1. Les valeurs propres de M sont les rels tels que det(M Id) = 0.

det(M Id) =




 2


 0

 0

1
0
0 
1 0 

7 6 
0
3 

= 4 132 + 36
= (2 4)(2 9)
= ( 2)( + 2)( 3)( + 3)
34

Les valeurs propres de M sont donc 2, 2, 3 et 3. Notons E2 , E2 , E3 et

E3 les sous-espaces propres associs.
E2 = {X R4 , M X = 2X}
n

= (x, y, z, t) R4 , y = 2x, 2x z = 2y, 7y + 6t = 2z, 3z = 2t

y = 2x
y

2x z = 2y
2x z
or

7y + 6t = 2z
14x + 9z

3z = 2t
3z

= 2x

y = 2x

= 4x
z = 2x
= 2z

t = 3x
= 2t

ainsi, E2 est la droite vectorielle engendre par le vecteur u1 = (1, 2, 2, 3).

E2 = {X R4 , M X = 2X}
n

= (x, y, z, t) R4 , y = 2x, 2x z = 2y, 7y + 6t = 2z, 3z = 2t

y
y = 2x

2x z
2x z = 2y

or
14x 9z
7y + 6t = 2z

3z
3z = 2t

= 2x

y = 2x

= 4x
z = 2x
= 2z

t = 3x
= 2t

ainsi, E2 est la droite vectorielle engendre par le vecteur u2 = (1, 2, 2, 3).

E3 = {X R4 , M X = 3X}
n

= (x, y, z, t) R4 , y = 3x, 2x z = 3y, 7y + 6t = 3z, 3z = 3t

y = 3x
y = 3x

y = 3x

2x z = 9x
2x z = 3y
z = 7x

or
21x + 6t = 3z

7y + 6t = 3z

t = 7x

z=t
3z = 3t

ainsi, E3 est la droite vectorielle engendre par le vecteur u3 = (1, 3, 7, 7).

E3 = {X R4 , M X = 3X}
n

= (x, y, z, t) R4 , y = 3x, 2x z = 3y, 7y + 6t = 3z, 3z = 3t

y = 3x
y

2x z = 3y
2x z
or

7y + 6t = 3z
21x 6z

3z = 3t
z

35

= 3x

y = 3x

= 9x
z = 7x

= 3z

t = 7x
= t

ainsi, E3 est la droite vectorielle engendre par le vecteur u4 = (1, 3, 7, 7).

2. La matrice M admet quatre valeurs propres distinctes, ce qui prouve que
les quatres vecteurs propres correspondants sont linairement indpendants.
En effet, les vecteurs u1 , u2 , u3 et u4 dtermins en 1) forment une base de
R4 . Lendomorphisme dont la matrice est M dans la base canonique de R4
est reprsent par une matrice diagonale dans la base (u1 , u2 , u3 , u4 ) puisque
M u1 = 2u1 , M u2 = 2u2 , M u3 = 3u3 et M u4 = 3u4 .
3. Une base de vecteurs propres a t dtermine dans les questions prcdentes.
Cest la base (u1 , u2 , u3 , u4 ) et la matrice de passage est la matrice
1
1
1
1
2 2 3 3

P =
2 2 7 7
3 3 7 7

4. On a D = P 1 M P , pour k N exprimons M k en fonction de Dk , puis

calculons M k .
On a
2 0 0 0
2k
0
0
0
0 2 0 0
0 (2)k 0
0

D=
donc D k =
.
0 0 3 0
0
0
3k
0
0 0 0 3
0
0
0 (3)k

Mais, M = P DP 1 , do, pour k N, M k = (P DP 1 )k = P Dk P 1 .

Pour calculer M k , il faut donc dterminer la matrice P 1 qui exprime les coordonnes des vecteurs de la base canonique de R4 dans la base (u1 , u2 , u3 , u4 ).
On rsout le systme, et on a :

u1
u2
u3
u4

1
(7u1 + 7u2 2u3 2u4 )
10
= i + 2j 2k 3l
1
= (7u1 7u2 3u3 + 3u4 )
= i 2j 2k + 3l
10

1
= i + 3j 7k 7t

k = (u1 + u2 u3 u4 )

10

= i 3j 7k + 7l

l=
(3u1 3u2 2u3 + 2u4 )
10

do
7
7
1
3

1
7
7
1
3

10 2 3 1 2
2 3 1 2

P 1

36

et
7
7
1
3
2k
0
0
0
1
1
1
1

k
1
0
0
7 7 1 3
2 2 3 3 0 (2)

=
0
3k
0 2 3 1 2
10 2 2 7 7 0
2 3 1 2
0
0
0 (3)k
3 3
7
7

M k = P Dk P 1

37