Cours en ligne Maths en Maths Spé

Chapitres Maths en MP, PSI, PC, TSI, PT

Cours en ligne Maths en Maths Spé

Chapitres Maths en MP, PSI, PC, TSI, PT

Réduction des endomorphismes MP, MPI, PC, PSI et PT

Name: Groupe Réussite: Cours particuliers, stages intensifs de révision
Brand: Groupe Réussite
SKU: Cours Particuliers
Rating: 4.9 (1049 reviews)

Résumé de cours Exercices et corrigés

Exercices et corrigés – Réduction des endomorphismes

1. Des exemples pratiques de diagonalisation

Exercice 1

Soit $A=\begin{pmatrix}4&-4&4\\3&-3&4\\3&-3&4\end{pmatrix} \, {\in}\, \mathcal{M}_ 3(\mathbb{R})$ .

Est-elle diagonalisable ? Si oui, la diagonaliser.

Corrigé de l’exercice 1 :

$\ast$ Si $x \in \mathbb{R}$ , $\mathrm{\chi }_A(x)=\left|\begin{matrix}x-4&4&-4\\-3&x+3&-4 \\-3&3&x-4\end{matrix}\right|$

$\mathrm{\chi}_A(x)=\left|\begin{matrix}x-4&4&0\\-3&x+3&x-1\\-3&3&x-1\end{matrix}\right|$
par $C_3 \leftarrow C_2 + C_3$

$\mathrm{\chi}_A(x)=\left|\begin{matrix}x-4&4&0\\0&x&0\\-3&3&x-1\end{matrix}\right|$

par $L_2 \leftarrow L_2 - L_3\,.$

Si $x \in \mathbb{R}, \;\mathrm{\chi}_A(x)= x(x - 1) (x - 4).$

$\textrm{Sp}(A) = \{0 , 1 , 4\}$ . $A$ est diagonalisable.

$\ast$ $A X = 0$ $\Leftrightarrow$ $\left \{ \begin{matrix} x -y + z&=&0 \\ 3x -3 y + 4z &=&0 \\ 3x - 3y +4 z &=&0 \end{matrix} \right.$

$\Leftrightarrow \left \{ \begin{matrix} x &=&y \\ z &=&0 \end{matrix} \right.$

$\textrm{E}_0(A) = \textrm{Vect} (V_0 )$ avec $V_0 = \begin{pmatrix} 1\\1\\0\end{pmatrix}$ .

$\ast$ $A X = X$

$\Leftrightarrow$ $\left \{ \begin{matrix} 3 x - 4 y + 4 z&=&0 \\ 3 x - 4 y + 4 z &=&0 \\ x - y + z &=&0 \end{matrix} \right.$

$\Leftrightarrow \left \{ \begin{matrix} z&=& y \\ x &=&0 \end{matrix} \right.$

$\textrm{E}_1(A) = \textrm{Vect} (V_1)$ avec $V_1 = \begin{pmatrix} 0\\1\\1\end{pmatrix}$ .

$\ast$ $A X = 4 X$

$\Leftrightarrow$ $\left \{ \begin{matrix}- 4 y + 4 z&=&0 \\ 3 x - 7 y + 4 z &=&0 \\ 3 x - 3y &=&0 \end{matrix} \right.$

$\Leftrightarrow$ $\left \{ \begin{matrix} y &=&z \\ x &=&y \end{matrix} \right.$

$\textrm{E}_4(A) = \textrm{Vect} (V_4 )$ avec $V_4 = \begin{pmatrix} 1\\1\\1\end{pmatrix}$ .

$\ast$ On peut écrire : $A = P \, D \, P ^{-1}$ où

$D=\begin{pmatrix}0&0&0\\0&1&0\\0&0&4\end{pmatrix}$ et $P=\begin{pmatrix}1&0&1\\1&1&1\\0&1&1\end{pmatrix}$ .

Exercice 2

Soit $A=\begin{pmatrix}1&1&1\\-1&3&1\\1&-1&1\end{pmatrix} \, {\in}\, \mathcal{M}_ 3(\mathbb{R})$ .

Est-elle diagonalisable ? Si oui, la diagonaliser.

Corrigé de l’exercice 2 :

$\ast$ On calcule le polynôme caractéristique

Si $x \in \mathbb{R}$ , $\mathrm{\chi }_A(x)=\left|\begin{matrix}x-1&-1&-1\\1&x-3&-1 \\-1&1&x-1\end{matrix}\right|$

$\mathrm{\chi}_A(x)=\left|\begin{matrix}x-1&-1&-1\\0&x-2&x-2\\-1&1&x-1\end{matrix}\right|$

par $L_2 \leftarrow L_2 + L_3$

$\mathrm{\chi}_A(x)=\left|\begin{matrix}x-1&0&-1\\0&0&x-2\\-1&2-x&x-1\end{matrix}\right|$

par $C_2 \leftarrow C_2 - C_3.$

Si $x \in \mathbb{R}, \; \mathrm{\chi}_A(x)= (x - 2) ^2 (x - 1).$

$\textrm{Sp}(A) = \{ 1 , 2\}$ .

$A$ est diagonalisable ssi $\dim \textrm{E}_2(A) = 2$ .

$\ast$ On détermine le sous-espace propre associé à la valeur propre 2 :

$A X = 2 X$ $\Leftrightarrow$ $\left \{ \begin{matrix} - x +y + z&=&0 \\ - x + y + z &=&0 \\ x - y - z &=&0 \end{matrix} \right.$

$\Leftrightarrow x - y - z =0$

Il est de dimension 2, donc $A$ est diagonalisable.

$\textrm{E}_2(A) = \textrm{Vect} (V_2 , V_3)$

avec $V_2 = \begin{pmatrix} 1\\1\\0\end{pmatrix}$ et $V_3 = \begin{pmatrix} 1\\0\\1\end{pmatrix}$ .

$\ast$ On détermine le sous-espace propre associé à la valeur propre 1 :

$A X = X$ $\Leftrightarrow$ $\left \{ \begin{matrix} y + z&=&0 \\ - x + 2 y + z &=&0 \\ x - y &=&0 \end{matrix} \right.$

$\Leftrightarrow \left \{ \begin{matrix} z&=&- y \\ x &=&y \end{matrix} \right.$ .

$\textrm{E}_1(A) = \textrm{Vect} (V_1)$ avec $V_1 = \begin{pmatrix} 1\\1\\- 1\end{pmatrix}$

$\ast$ On a déjà précisé que $A$ est diagonalisable.

On peut écrire : $A = P \, D \, P ^{-1}$ où

$D=\begin{pmatrix}1&0&0\\0&2&0\\0&0&2\end{pmatrix}$ et $P=\begin{pmatrix}1&1&1\\1&1&0\\-1&0&1\end{pmatrix}$ .

Exercice 3

Soit $n \geq4$ et $A = (a_{i ,\, j})_{1 \leq i , j \leq n} \in \mathcal {M} _ n ( \mathbb{R} )$ avec $a_{i , n} = a_{n , i} = 1$ si $1 \leq i \leq n$ et $a_{i, \, j} = 0$ sinon.

Réduire la matrice $A$ .

Corrigé de l’exercice 3 :

La matrice $A$ est carrée d’ordre $n$ , formée de 1 en dernière ligne et dernière colonne, les autres termes sont nuls.

On note $u$ l’endomorphisme canoniquement associé à A.

$\bullet$ $\textrm{rg}(A) = 2$ car les colonnes $C_1$ et $C_n$ de $A$ forment une famille libre et pour tout $i \leq n - 1$ , $C_i = C_1$ .

Donc 0 est valeur propre de $A$ et $\dim \textrm{E}_0(A) = \dim \textrm{Ker } u = n - 2$ .

Si $k \in \{2 ,\, \cdots \, ,\, n - 1\}, u(e_1 - e_k) = 0$ .

La famille libre (car échelonnée) $(e_1-e_k)_{2\leq k\leq n}$ de $\textrm{Ker }u$ a un cardinal égal à $\dim \,\textrm{Ker }u$ . C’est une base de $\textrm{Ker }u$ .

$\bullet$ On résout ensuite $A\, X = \lambda X$ avec $\lambda \; {\neq}\; 0$ et $X\, {\in} \, \mathcal {M} _{ n, 1} ( \mathbb{R} )$ , $X \neq 0$ .

$A X = \lambda X$

$\Leftrightarrow$ ${\forall} \, i \in \{1 ,\, {\dots}\, , \ n - 1\},$ $\lambda \, x_i = x_n$ et $x_1 + x_2 + \, \cdots \, + x_{n - 1} + x_n = \lambda \, x_n$

$\Leftrightarrow$ ${\forall} \, i \in \{1 ,\, {\dots}\, , \ n - 1\}$ , $\displaystyle x _ i = \frac 1 \lambda x_ n$ et $\displaystyle \frac {n - 1} \lambda x _ n = (\lambda - 1) x _ n$

$\Leftrightarrow$ ${\forall}\, i \, \in \{1 ,\, {\dots}\, , \ n - 1\}$ , $\displaystyle x _ i = \frac 1 \lambda x_ n$ et $x_n ( \lambda^2 - \lambda + 1 - n) = 0$ .

Il est donc nécessaire que

$\mathrm{\lambda }^2-\mathrm{\lambda }+1-n=0$ sinon $x_n = 0$

et alors ${\forall}\, i\, {\in}\, \{1 ,\, {\dots}\, , \ n - 1\}, x_i = 0$ , donc $X = 0$ ce qui est absurde.

Les deux dernières valeurs propres sont $\mathrm{\mu } = \displaystyle \frac{1+\sqrt{4n-3}} 2$ et $\mathrm{\mu}'=\displaystyle \frac{1-\sqrt{4n-3}} 2$ .

Un vecteur propre de $u$ associé à la valeur propre $\mu$ est $(1 , 1 , \, {\dots}\, ,\, 1 , \,\mu )$ et à la valeur propre $\mu'$ est $(1 , 1 , \, {\dots}\, , \, 1 , \, \mu' )$ .

$\bullet$ Comme $\dim \textrm{Ker }u + \dim \textrm{Ker }(u - \mu\, \textrm{Id}_E)$

$+ \dim \textrm{Ker } (u - \mu' \, \textrm{Id}_E ) = n$ ,

$u$ est diagonalisable et $A = P D P^{-1}$ avec $D = \textrm{diag }(0 , \, {\dots}\, , 0 , \, {\mu} \, , {\mu}')$ et

$P = \begin{pmatrix} 1 & 1 & \cdots & \cdots &1&1&1 \\ - 1 &0 & \cdots & \cdots &0&1&1\\ 0 & \ddots & \ddots & \textrm { } & \vdots &\vdots &\vdots \\ \vdots & \ddots & \ddots & \ddots & \vdots & \vdots & \vdots \\ \vdots & \textrm{ } & \ddots & \ddots & 0 &1 &1 \\ 0 & \cdots & \cdots & 0 & - 1 &1 &1 \\ 0 & \cdots & \cdots & \cdots & 0 &\mu & \mu' \end{pmatrix}$ .

Anticipez les révisions à venir, qui vont être indispensables pour les concours post-prépa, en vous reportant aux cours en ligne de Maths en PSI, aux cours en ligne de Maths en MP et aux cours en ligne de Maths en PC, tous gratuits et accessibles depuis ordinateur, tablette et smartphone.

AVOIR LES MEILLEURS PROFS DE MATHS

C'est gagner en autonomie

2. Des exemples pratiques de trigonalisation

Exercice 4
Trigonaliser $A=\begin{pmatrix} 2 & -4 & -4 \\ -2 & 3 & 4 \\ 0 & -3 & -1 \\ \end{pmatrix}$ .

Corrigé de l’exercice 4 :

Soit $\mathcal{B} = (e_1 ,\, e_2 ,\, e_3)$ la base canonique de $\mathbb{R}^3$ et $u$ l’endomorphisme canoniquement associé à $A$ .

$\ast$ $\forall x \in \mathbb{R}^3$ , $\chi_A(x) =\textrm {det}(x \, \textrm I_3 - A)$
Si $x \in \mathbb{R}$ , $\mathrm{\chi }_A(x)=\left|\begin{matrix}x-2&4&4\\2&x-3&-4 \\0&3&x+1\end{matrix}\right|$
On le développe suivant la première colonne :
$\chi_A(x) = (x - 2)(x^2 - 2 x + 9) - 8(x - 2)$
$\chi_A(x) = (x - 2)(x ^2 - 2 x + 1)$
$\chi_A(x) = (x - 2)(x - 1)^2$ .

Donc Sp $(A) = \{1 ,\, 2\}$ .

$\ast$ On résout $A \,X = X$
$A X = X$ $\Leftrightarrow$ $\left \{ \begin{matrix} x-4y-4z&=&0\\ -2x + 2y + 4z &=&0\\ -3y-2z&=&0 \end{matrix} \right.$
$\Leftrightarrow$ $\left \{ \begin{matrix} x+2y&=&0\\ 3 y + 2 z &=&0 \end{matrix} \right.$
Le sous-espace propre associé à la valeur propre 1 est de dimension 1, donc $A$ nest pas diagonalisable et $f_1 = 4\, e_1- 2\, e_2 + 3\, e_3$ vérifie $u(f_1) = f_1$ .

$\ast$ On résout $A \,X = 2 X$
$A X = 2 X$ $\Leftrightarrow$ $\left \{ \begin{matrix} y+z&=&0\\ -2 x + y + 4 z &=&0\\ -3y-3z&=&0 \end{matrix} \right.$
$\Leftrightarrow$ $\left \{ \begin{matrix} -2 x + 3 z &=&0\\ y&=&-z \end{matrix} \right.$
$f_2 = 3 \, e_1 - 2 \, e_2 + 2 \, e_3$ vérifie $u(f_2) = 2\, f_2$

$\ast$ On complète la famille libre $(f_1 , f_2)$ de façon à obtenir une base de $\mathbb{R}^3$ .
On pose $f_3 = e_1\,$ , $\mathcal{C} = (f_1 ,\, f_2 ,\, f_3)$ est une base de $\mathbb{R}^3$ car la matrice $P$ de la famille $\mathcal{C}$ dans la base canonique $P = \begin{pmatrix} 4&3&1\\-2&-2&0\\3&2&0 \end{pmatrix}$ est inversible (son déterminant est égal à 2).
On décompose $u(f_3) = 2 \, e_1 - 2 \, e_2$ dans la base $\mathcal{C}$ en cherchant les réels $\alpha , \beta , \gamma$ tels que $2 \, e_1 - 2 \, e_2 = \alpha \,f_1 +\beta \,f_2 + \gamma\, f_3\,$
ce qui donne le système :
$\left \{ \begin{matrix} 4\alpha + 3 \beta + \gamma &=&2\\ -2 \alpha - 2\beta &=&-2\\ 3 \alpha + 2 \beta &=&0 \end{matrix} \right.$
$\Leftrightarrow$ $\left \{ \begin{matrix} -8 + 3 \beta + \gamma &=&2\\ \alpha &=&-2 \\ 3 \alpha + 2 \beta &=&0 \end{matrix} \right.$
ce qui donne $\alpha = - 2 , \beta = 3 , \gamma = 1$ soit $2 e_1 - 2 \, e_3 = - 2 \, f_1 + 3 \, f_2 + f_3\,.$

$\ast$ La matrice de $u$ dans la base $\mathcal{C}$ est
$T= \begin{pmatrix} 1 & 0 & -2 \\ 0 & 2 & 3 \\ 0 & 0 & 1 \\ \end{pmatrix}$ .
$A = P\, T\, P^{- 1}$ avec $P = \begin{pmatrix} 4&3&1\\-2&-2&0\\3&2&0 \end{pmatrix}$ .
Les matrices $A$ et $T$ sont semblables.

Exercice 5
Trigonaliser la matrice $A= \begin{pmatrix} 0 & 0 & 2 \\ 4 & 4 & -1 \\ -3 & -2 & 2 \\ \end{pmatrix}$ .

Corrigé de l’exercice 5 :

$\ast$ Si $x \in \mathbb{R}$ , $\mathrm{\chi }_A(x)=\left|\begin{matrix}x&0&-2\\-4&x-4&1 \\3&2&x-2\end{matrix}\right|$
En développant suivant la première ligne,
$\chi_A(x)=x^3 - 6 x^2 + 12 x - 8 = (x-2)^3$ .

$\ast$ On introduit la matrice $B = A-2\, \textrm I_3$
$B= \begin{pmatrix} -2 & 0 & 2 \\ 4 & 2 & -1 \\ -3 & -2 & 0 \\ \end{pmatrix}$ .
On calcule $B^2= \begin{pmatrix} -2 & -4 & -4 \\ 3 & 6 & 6 \\ -2 & -4 & -4 \\ \end{pmatrix}$ .
$B^2 \neq 0$ et $B^3=0$ (cf. théorème de Cayley-Hamilton).

$\ast$ Si $v$ est l’endomorphisme canoniquement associé à $B$ et si $t = e_1$ , $v^2(t) = - 2\, e_1 + 3\, e_2-2 \, e_3 \neq 0$ .
On démontre que $\mathcal{C} = (v^2(t) , v(t) , t)$ est une base de $\mathbb{R}^3$ en introduisant la matrice $P$ de la famille $\mathcal{C}$ dans la base canonique :
$P = \begin{pmatrix} -2 & -2 & 1 \\ 3 & 4 & 0 \\ -2 & -3 & 0 \\ \end{pmatrix}$ avec $\textrm{det}(P) = - 1$ .

La matrice $B'$ de $v$ dans cette base $\mathcal{C}$ est $B'= \begin{pmatrix} 0 & 1 & 0 \\ 0 & 0 & 1 \\ 0 & 0 & 0 \\ \end{pmatrix}$
et $B = P \, B' \, P^{- 1}$ où $P$ est définie ci-dessus.

$\ast$ donc $A = P \, (B' + 2 \, \textrm {I}_3) \, P^{-1}$ .
On a trigonalisé la matrice $A$ .

COURS PARTICULIERS EN LIGNE

Nous avons sélectionné pour vous les meilleurs professeurs particuliers.

POUR ACCÉLÉRER MA PROGRESSION

Avis Google France ★★★★★ 4,9 sur 5

3. Application des résultats sur la diagonalisation.

Exercice 6 (suite du 1)
On rappelle que $A=\begin{pmatrix}4&-4&4\\3&-3&4\\3&-3&4\end{pmatrix} \, {\in}\, \mathcal{M}_ 3(\mathbb{R})$ vérifie $A = P \, D \,P ^{- 1}$ avec
$D=\begin{pmatrix}0&0&0\\0&1&0\\0&0&4\end{pmatrix}$ et $P=\begin{pmatrix}1&0&1\\1&1&1\\0&1&1\end{pmatrix}$ .

Question 1
Résoudre l’équation $B^2 = A$ où $B \, \in \, \mathcal{M}_ 3(\mathbb{R})$ .

Question 2
Trouver les sous-espaces $u$ -stables lorsque $u$ est l’endomorphisme canoniquement associé à $A$ .

Corrigé de l’exercice 6 :

1/ On note $E = \mathbb{R}^3$ , $u$ l’endomorphisme canoniquement associé à $A$ .
Analyse :
On suppose que $B$ est telle que $B^2 = A$ . L’endomorphisme $v$ canoniquement associé à $B$ vérifie $v^2 = u$ .
Alors $v \circ u = v ^3 = u \circ v$ .

Les sous espaces propres de $u$ sont $v$ stables.
On écrit pour $i \in \{0 , 1 , 4 \}$ , $\textrm{E}_i = \textrm{Ker} (u - i \, \textrm {Id}_E) = \textrm{Vect}(f_i).$

Comme $v(E_i) \subset E_i\,$ , $v(f_i)$ est combinaison linéaire de $f_i\,$ , donc il existe $\mu_i \in \mathbb{R}$ tel que $v(f_i) = µ_i \, f_i\,$ .
Puis en écrivant que $i \, f_i = u(f_i) = v^2(f_i) = \mu_i^2 f_i\,$ , on obtient $\mu_i^2 = i$ .

Synthèse :
Soit $\varepsilon _ 1 , \varepsilon _4 \in \{ \pm 1 \}$ et $v$ l’endomorphisme défini par
$v(f_0) = 0$ , $v(f_1) = \varepsilon_1 \, f_1$ et $v(f_4) = 2 \, \varepsilon _4 \ f_4\,$ , alors $v^2 = u$ car les applications linéaires $v^2$ et $u$ sont égales sur la base de vecteurs propres.

En traduisant matriciellement ce résultat, l’équation $B^2 = A$ admet 4 solutions $P \, \textrm{diag} (0 ,\, \varepsilon_1 , \, 2\, \varepsilon _4)\, P ^{- 1}$ où $P=\begin{pmatrix}1&0&1\\1&1&1\\0&1&1\end{pmatrix}$ où $\varepsilon_1 \, , \; \varepsilon_4 = \pm 1$ .

2/ $\ast$ Il est évident que $\{0 \}$ et $E = \mathbb{R}^3$ sont $u$ -stables.
$\ast$ On sait que les droites $u$ -stables sont les droites engendrées par un vecteur propre de $u$ . Il y en a trois : $D_1 = \textrm{Vect} ( e_1 + e_2)$ , $D_2 = \textrm{Vect} ( e_2 + e_3)$ , $D_3 = \textrm{Vect} ( e_1 + e_2+ e_3)$ .

$\ast$ Soit $F$ un plan $u$ -stable. On peut introduire l’endomorphisme $v$ induit par $u$ sur $F$ . Son polynôme caractéristique divise le polynôme caractéristique de $u$ . Il est donc scindé à racines simples. Alors $v$ est diagonalisable et $F$ admet une base formée de deux vecteurs propres de $v$ donc de $u$ .
Réciproquement, si $F$ est un plan engendré par deux vecteurs propres non colinéaires de $u$ , il est $u$ -stable.
On note $a = e_ 1+ e_1\,$ , $b = e_1 + e_3\,$ et $c = e_1 + e_2 + e_3\,$ , il y a trois plans $u$ -stables : $F_1 = \textrm {Vect} (a , b)$ , $F_2 = \textrm {Vect} (b , c)$ et $F_3 = \textrm {Vect} (a , c)$ .

Exercice 7 (suite du 4)
Déterminer les sous-espaces vectoriels $u$ -stables lorsque $u$ est l’endomorphisme canoniquement associé à $A \, {\in}\, \mathcal{M}_3(\mathbb{R})$ où $A=\begin{pmatrix} 2 & -4 & -4 \\ -2 & 3 & 4 \\ 0 & -3 & -1 \\ \end{pmatrix}$ .

Corrigé de l’exercice 7 :

On note $\mathcal{B} = (e_1 ,\, e_2 ,\, e_3)$ la base canonique de $\mathbb{R}^3$ .
On a démontré dans l’exercice 4 que $\textrm{Sp}(u) = \{1 ,\, 2\}$ et que les sous espaces propres sont de dimension 1.
$a = 4\, e_1- 2\, e_2 + 3\, e_3$ vérifie $u(a) = a$
$b = 3 \, e_1 - 2 \, e_2 + 2 \, e_3$ vérifie $u(b) = 2\,b$ .

$\bullet$ Il est évident que $\{0\}$ et $E = \mathbb{R}^3$ sont $u$ -stables.

$\bullet$ On cherche les droites $u$ – stables, elles sont engendrées par un vecteur propre de $u$ .
Il y a deux droites $u$ -stables : $\textrm{Vect}(a)$ et $\textrm{Vect}(b)$ .

$\bullet$ On cherche les plans $u$ -stables. Ils ont une équation de la forme $V^{\textrm{T}}\, X = 0$ où $V$ est un vecteur propre de $A^{\textrm{T}}$ . (justification à donner voir la démonstration dans le paragraphe 6 du chapitre méthodes).
$A$ et $A^{\textrm{T}}$ ont même polynôme caractéristique. Les valeurs propres de $A^{\textrm{T}}$ sont 1 et 2.

$\ast$ $A^{\textrm{T}} X = X$ $\Leftrightarrow$ $\left\{\begin{matrix} x - 2 y &=&0\\-4 x+2y-3z&=&0\\-2x+2y-z =0\end{matrix}\right.$
${\Leftrightarrow}$ $\left\{\begin{matrix}x& =&2y\\-6 y - 3 z&=&0\\- 2 y - z &=& 0 \end{matrix}\right.$
Un vecteur propre associé à la valeur propre 1 est $W_1\;=\;\begin{pmatrix}2\\1\\-2\end{pmatrix}$

$\ast$ $A^{\textrm{T}} X = 2 X$ $\Leftrightarrow$ $\left \{ \begin{matrix} -2y&=&0\\ -4x+y-3z&=&0\\-4x +4 y -3 z &=& 0\end{matrix}\right.$
$\Leftrightarrow$ $\left\{ \begin{matrix}y&=&0\\4x&=&-3z\end{matrix}\right.$
Un vecteur propre associé à la valeur propre 2 est $W_2\;=\;\begin{pmatrix}3\\0\\-4\end{pmatrix}$

$\ast$ On obtient deux plans $u$ -stables d’équations : $2x +y -2z = 0$ et $3x -4z = 0$ .
Le premier plan est engendré par les vecteurs $a$ et $b$ .
Le deuxième plan est engendré par les vecteurs $a$ et $e_2$ .

4. Diagonalisation ou trigonalisation de matrices non explicites

Exercice 8 (MinesPonts PSI 2016)
Trouver une CNS sur les complexes $a, b, c , d, e , f$ pour que $A$ soit diagonalisable avec $A = \begin{pmatrix}1&a&b&c\\0&1&d&e\\0&0&2&f\\0&0&0&2\end{pmatrix}$ .

Corrigé de l’exercice 8 :

Comme $A$ est triangulaire, il est évident que $\textrm{Sp} (A) = \{1 , 2\}$ .
$A$ est diagonalisable ssi $(\textrm{X} - 1)(\textrm{X} - 2)$ est un polynôme annulateur de $A$ .
$(A - \textrm{I}_4) (A - 2 \textrm{I}_4)$
$= \begin{pmatrix}0&a&b&c\\0&0&d&e\\0&0&1&f\\0&0&0&1\end{pmatrix}\;\begin{pmatrix}-1&a&b&c\\0&-1&d&e\\0&0&0&f\\0&0&0&0\end{pmatrix}$
$=\begin{pmatrix}0&-a&\mathit{ad}&\mathit{ae}\;+\;\mathit{bf}\\0&0&0&\mathit{df}\\0&0&0&-f\\0&0&0&0\end{pmatrix}$
on obtient donc la CNS $a = f = 0$ .

Exercice 9 TPE 2017 .
Soit $n {\geq}3$ . On considère une matrice $A \, {\in} \, \mathcal{M}_4(\mathbb{C})$ telle $\textrm{rg}(A) = 2$ , $\textrm{Tr}(A) = 0$ et $A^n\, {\neq}\, 0$ .
Question 1
Le nombre de valeurs propres distinctes de $A$ est égal

Question 2
$A$ est diagonalisable.

Corrigé de l’exercice 9 :

1/ 0 est valeur propre d’ordre au moins égal à $\dim \textrm{E}_0(A) =n - \textrm{rg}(A) = n - 2$ .
Le polynôme caractéristique de $A$ est divisible par $\textrm{X} ^{n - 2}$ , il est scindé sur $\mathbb{C}$ et il existe $\lambda$ et $\mu$ $\, {\in}\, \mathbb{C}$ tels que $\chi_A = \textrm{X} ^{n - 2}(\textrm{X} -\lambda) ( \textrm{X} - \mu)$
La somme des valeurs propres est égale à $\lambda + \mu$ et aussi à $\textrm{Tr}(A)$ , donc $\lambda + \mu = 0$ .
Si l’on avait $\lambda$ = 0, on aurait $\chi_A = \textrm{X}^n$ par le théorème de Cayley Hamilton, on aurait $A^n = 0$ ce qui est exclu.
Les valeurs propres de $A$ sont 0 (d’ordre $n - 2$ ), $\lambda$ et $- \lambda$ où $\lambda$ est un complexe non nul.

2/ Comme $\dim \textrm{E}_0(A) = n - \textrm{rg}(A) = n - 2$ et $\dim \textrm{E}_{\lambda} (A) = \dim \textrm{E} _{- \lambda }(A) = 1$ , la somme des dimensions des sous-espaces propres de $A$ étant égale à $n$ , $A$ est diagonalisable.

5. Diagonalisation d’une matrice par blocs

Exercice 10
Question 1
Étudier la diagonalisation de $M = \begin{pmatrix} 0&2\\-1&3 \end{pmatrix}.$

Question 2
Soit $A\, \in \, \mathcal{M}_n(\mathbb{R})$ , montrer que $B = \begin{pmatrix} 0&2A\\-A&3A \end{pmatrix}$ est diagonalisable.

Question 3
Soit $A\, \in \, \mathcal{M}_n(\mathbb{R})$ telle que $B = \begin{pmatrix} 0&2A\\-A&3A \end{pmatrix}$ soit diagonalisable. Montrer que $A$ est diagonalisable.

Corrigé de l’exercice 10 :

1/ $\chi_M(x) = x^2 - 3 x + 2 =(x - 1)(x - 2)$ ; $\chi_M$ est scindé à racines simples, donc $M$ est diagonalisable.
$M X = X \Leftrightarrow 2 y = x$ ,
$M X = 2 X \Leftrightarrow x = y$ .
On peut donc écrire $M = P\, D \,P^{- 1}$ avec $P = \begin{pmatrix} 2&1\\1&1 \end{pmatrix}$ , $D = \begin{pmatrix} 1&0\\0&2 \end{pmatrix}$ et $P^{- 1} = \begin{pmatrix} 1&-1\\-1&2 \end{pmatrix}$ .

2/ $A$ étant diagonalisable, il existe $Q \, \in \, \textrm{GL}_n(\mathbb{R})$ et $\Delta$ diagonale telles que $A = P \, \Delta \ P^{- 1 }$ .
On note $\textrm{I} = \textrm{I}_n$ et $R = \begin{pmatrix} 2\textrm{I} &\textrm{I}\\ \textrm{I}&\textrm{I} \end{pmatrix}$ .
Comme $\begin{pmatrix}2\textrm{I} &\textrm{I}\\\textrm{I}&\textrm{I} \end{pmatrix} . \begin{pmatrix}\textrm{I} &- \textrm{I}\\- \textrm{I}&2 \textrm{I} \end{pmatrix} = \begin{pmatrix} \textrm{I}& 0\\0 &\textrm{I} \end{pmatrix}$ ,
$R$ est inversible d’inverse $R^{- 1} = \begin{pmatrix}\textrm{I} &- \textrm{I}\\- \textrm{I}&2 \textrm{I} \end{pmatrix}$ .

$R^{-1}\, B \, R = \begin{pmatrix}\textrm{I} &- \textrm{I}\\- \textrm{I}&2 \textrm{I} \end{pmatrix} \begin{pmatrix} 0&2A\\-A&3A \end{pmatrix} \, R$
$R^{-1} \, B \, R = \begin{pmatrix} A&-A\\-2A&4A \end{pmatrix} \, \begin{pmatrix} 2\textrm{I} &\textrm{I}\\ \textrm{I}&\textrm{I} \end{pmatrix}$
$R^{-1}\, B \, R = \begin{pmatrix} A &0\\0 & 2 A \end{pmatrix}$ .
Puis on vérifie facilement que
$\begin{pmatrix} A &0\\0 & 2 A \end{pmatrix} = S . \begin{pmatrix} \Delta &0\\0 & 2 \Delta \end{pmatrix} . S^{- 1}$ avec $S = \begin{pmatrix} P &0\\0 & P \end{pmatrix}$ et $S ^{-1}= \begin{pmatrix} P^{-1} &0\\0 & P ^{-1}\end{pmatrix}$ .
Donc $B = R\, S \, \Delta' \, (R \, S) ^{- 1}$ avec $\Delta ' = \begin{pmatrix} \Delta &0\\0 & 2 \Delta \end{pmatrix}$ diagonale.
On a prouvé que $B$ est diagonalisable.

3/ En utilisant les résultats du début de la deuxième question, $B$ est semblable à $B' = \begin{pmatrix} A &0\\0 & 2 A \end{pmatrix}$ , donc $B'$ est diagonalisable.
Il existe un polynôme $R$ scindé à racines simples tel que $R(B') = 0$ .
Un calcul simple de matrices par blocs donne $R(A) = 0$ , $A$ est diagonalisable.

Puisque les cours de maths en Maths Spé nécessitent parfois d’être revus et complétés, les cours en ligne sont le parfait complément pour maximiser ses révisions et bien évidemment ses résultats. Quelques cours que vous pourriez réviser :

Si vous souhaitez accéder à l’ensemble des exercices, annales et aux corrigés, n’hésitez pas à télécharger l’application PrepApp