CHAPITRE 9

Diagonalisation

Die Mathematiker sind eine Art Franzosen : redet man zu ihnen, so übersetzen sie es
in ihre Sprache, und dann ist es alsobald ganz etwas anderes. a
G OETHE
Écrivain allemand (1749-1832)

a. Les mathématiciens sont comme les Français : quoi que vous leur disiez, ils le tra-
duisent dans leur propre langue et le transforment en quelque chose de totalement différent.

1 Définitions

D ÉFINITION endomorphisme diagonalisable

Soit ϕ ∈ L (E).
On dit que ϕ est diagonalisable s’il existe une base de E qui soit composée de vecteurs propres de ϕ.

Exemples.
• Dans R2 . Posons u = (1, −1), v = (0, 2) et ϕ : R2 → R2 définie par ϕ(x, y) = (−x, 3x + 2y). On vérifie que ϕ(u) = −u et
ϕ(v) = 2v. Résumons :
* u et v sont deux vecteurs propres de ϕ.
* u et v sont deux vecteurs non colinéaires. Ils forment une famille libre de R2 . (u, v) est donc une base de R2 .
L’endomorphisme ϕ est un endomorphisme diagonalisable de R2 .
• L’endomorphisme ψ : P ∈ Rn [x] 7→ (x −1)P0 (x) ∈ Rn [x] est diagonalisable. En effet, si on pose Pi (x) = (x −1)i pour tout
i ∈ [[0; n]], on calcule ψ(Pi ) = i Pi . De plus, la famille (Pi ) est libre (de degré échelonné) et contient autant de vecteurs
que la dimension de Rn [x]. On a donc une base de vecteurs propres. L’endomorphisme ψ est un endomorphisme
diagonalisable de Rn [x].

Exercice 1 F Soit ϕ ∈ L (E) avec E de dimension finie. Les questions sont indépendantes.
1. Que dire de ϕ si ce dernier est diagonalisable et n’admet qu’une seule valeur propre ?
p. 19
2. Que dire de ϕ si ce dernier est diagonalisable et rg ϕ2 = 0 ?
¡ ¢

3. Justifier que si ϕ est diagonalisable et bijectif, ϕ−1 est aussi diagonalisable.

Exercice 2

FF ¤ Soient f ∈ L (E), diagonalisable et s ∈ L (E, F), un isomorphisme. Justifier que s◦ f ◦s −1

p. 19
est aussi un endomorphisme diagonalisable.

1
 5

4 Interprétation géométrique
Posons de plus w = (−3, 5). On a w = −3u+v. Comme
3 ϕ est linéaire.
w
2 ϕ(w) = −3ϕ(u) + ϕ(v)
ϕ(w) = 3u + v = (3, 1).
1v
Ce court calcul illustre un fait important. Les calculs
dans une base de vecteurs propres sont beaucoup
−4 −3 −2 −1 u1 2 3 4 5
plus faciles puisque les restrictions de ϕ aux sous-
−1 espaces propres sont des homothéties.
2v
ϕ ¯E : u 7→ λu.
¯
−2
λ (ϕ)
3u
−3

D ÉFINITION matrice diagonalisable

Soit A ∈ Mn (R).
On dit que A est diagonalisable s’il existe une matrice inversible P et une matrice diagonale D ∈ Mn (R) telles que

A = P · D · P−1 .

Autrement dit, une matrice est diagonalisable si et seulement si elle est semblable à une matrice diagonale. Dans ce
cas, P est la matrice de passage de la base canonique de M3,1 (R) à une base de vecteurs propres de A.

Remarque. Si la matrice A est diagonalisable, alors les colonnes de P forment une base de Mn,1 (R) constituée de vec-
teurs propres de A. De plus, le spectre de A s’identifie au spectre de D qui correspond donc aux coefficients diagonaux
de D.

£ ¤ ¡ ¢
Preuve. En effet, si on note P = C1 C2 . . . Cn , D = diag d 1 , d 2 , · · · , d n et Ei est la matrice colonne constituée de zéro sauf
un 1 en position (i , 1). On a donc PEi = Ci , DEi = d i Ei et

ACi = (PDP−1 )PEi = PDEi = P(d i Ei ) = d i PEi = d i Ci et Ci 6= 0n,1 .

La matrice colonne Ci est vecteur propre de A pour la valeur propre A. Comme P est inversible, la famille des colonnes de P est
une base de Mn,1 (R). D’où le résultat.
■

Exemples.
 
0 2 −1
• Reprenons l’exemple page ?? avec A =  3 −2 0  . On a montré que
−2 2 1

     
1 4 2
Sp(A) = {1, 2, −4} avec E1 (A) = Vect  1  , E2 = Vect  3  et E−4 = Vect  −3  .
1 −2 2

 
1 4 2
On pose P= 1 3 −3  .
1 −2 2

On vérifie numériquement :

2
 D = np . array (([1 , 0 , 0] , [0 , 2 ,
0] , [0 , 0 , -4]) )
>>> print ( P @ D @ P_inv )

Editeur
# a t t e n t i o n à l ’ orde des
[[ -2.22044605 e -16 2.00000000 e +00 -1.00000000 e +00]
Editeur

valeurs propres
[ 3.00000000 e +00 -2.00000000 e +00 0.00000000 e +00]
P = np . array (([1 , 4 , 2] , [1 , 3 ,
[ -2.00000000 e +00 2.00000000 e +00 1.00000000 e +00]]
-3] , [1 , -2 , 2]) )
P_inv = np . linalg . inv ( P )

print ( P @ D @ P_inv )
On retrouve bien A = PDP−1 (attention aux arrondis près).
· ¸
1 1
• La matrice T = n’est pas diagonalisable.
0 1
Preuve. Raisonnons par l’absurde en la supposant diagonalisable. Elle est donc semblable à une matrice diagonale dont les co-
efficients diagonaux sont les valeurs propres de T. Or, T est triangulaire avec seulement 1 sur la diagonale. 1 est la seule valeur
propre et T serait semblable à la matrice identité. Absurde, la seule matrice semblable à l’identité est l’identité.
■
Exercice 3 F Vrai ou faux ?
1. Si A est diagonalisable alors A2 est diagonalisable. X ×
2. Si A2 est diagonalisable alors A est diagonalisable. X × p. 19
3. Si A est inversible, A est diagonalisable si et seulement si A−1 est diagonalisable. X ×
4. La somme de deux matrices diagonalisables est diagonalisable. X ×

Exercice 4

FF Montrer que si rg A2 < rg(A), alors A ne peut-être diagonalisable.

¡ ¢
p. 19

P ROPOSITION lien en dimension finie

Soit E, un espace vectoriel de dimension finie.

Soient ϕ ∈ L (E) et A ∈ Mn (R), la matrice de ϕ dans une base B de E. On a l’équivalence entre les énoncés.

i) L’endomorphisme ϕ est diagonalisable.

ii) La matrice A est diagonalisable.

Preuve. Raisonnons par double implication.


⇒
Supposons l’endomorphisme ϕ diagonalisable. Il existe donc une base C = (e i )i ∈[[1;n]] de vecteurs propres. Chaque i ∈
[[1; n]], il existe λi ∈ R tel que
ϕ(e i ) = λi e i .
La matrice MatC (ϕ) est alors diagonale
ϕ(e 1 ) ϕ(e 2 ) ϕ(e n )
 
λ1 0 ··· ··· 0 e1
.. ..
 

 0 λ2 . . 0

 e2

.. ..
 ..
 .. .. 
.
. .
 
 . ∗ . 

.. ..
 ..
 .. .. .. 
.

 . . . . .


0 0 0 0 λn en

D’après la formule de changement de base

A = MatB (ϕ) = PBC MatC (ϕ)PBC −1 .

La matrice A est donc diagonalisable.

3
 
⇐
Réciproquement, si A est diagonalisable, il existe P ∈ Mn (R) inversible et D diagonale telles que
A = PDP−1 .

Il existe une base C de E telle que P = PBC et dans ce cas D = MatC (ϕ). On constate alors que C est une base de vecteurs
propres de ϕ qui est donc un endomorphisme diagonalisable.
■

2 Caractérisations
2.1 Version « endomorphisme »

P ROPOSITION caractérisation avec les s.e.p

Soit ϕ ∈ L (E). On a l’équivalence entre les énoncés suivants.

i) L’espace vectoriel E est somme directe des sous-espaces propres de ϕ.

ii) L’endomorphisme ϕ est diagonalisable.

Preuve. Raisonnons par double implication.


⇒
Supposons i). C’est-à-dire M
E= Eλ (ϕ).
λ∈Sp(ϕ)
Chaque vecteur de Eλ (ϕ) non nul est un vecteur propre associé à la valeur propre λ. Fixons, pour tout λ ∈ Sp(ϕ), Bλ , une
base de Eλ (ϕ). Cette base est donc constituée de vecteur propre de ϕ. Si B est la famille obtenue par concaténation des
bases Bλ de Eλ (ϕ) pour λ ∈ Sp(ϕ), alors B est une base de E constituée de vecteurs propres de ϕ (voir théorème page ??).
L’endomorphisme ϕ est donc diagonalisable.

⇐
Supposons ii) et soit B une base de vecteurs propres de ϕ. Notons Bλ la famille obtenue en regroupant tous les vecteurs
propres de B associées à la valeur propre λ. Comme Eλ (ϕ) est un sous-espace vectoriel, il est stable par combinaisons
linéaires et
Vect(Bλ ) ⊂ Eλ (ϕ).

Vect Bλ ⊂
X ¡ ¢ X
Par somme Eλ (ϕ) ⊂ E.
λ∈Sp(ϕ) λ∈Sp(ϕ)

Comme B (concaténation des familles Bλ ) est une base de E, on a aussi

Vect Bλ = Vect(B) = E.
X ¡ ¢
λ∈Sp(ϕ)
X
Nécessairement Eλ (ϕ) = E.
λ∈Sp(ϕ)

On conclut en rappelant que la somme des sous-espaces propres est toujours directe.
■

C OROLLAIRE caractérisation avec les dimensions

Soit ϕ ∈ L (E) avec E de dimension finie. On a l’équivalence entre les énoncés suivants.
¡ ¢
i) dim Eλ (ϕ) = dim(E).
P
λ∈Sp(ϕ)

ii) L’endomorphisme ϕ est diagonalisable.

4
Preuve. C’est une conséquence directe du théorème précédent et du théorème page ?? qui affirme l’équivalence entre :
µ ¶
p p ¡ ¢
i) dim Fi = dim Fi .
P P
i =1 i =1
p
ii) La somme Fi est directe.
P
i =1

Où F1 , . . . , Fp sont des sous-espaces vectoriels de dimension finie de E.

■
¡ ¢
Remarque. Comme dim Eλ (ϕ) Ê 1, on retrouve le fait qu’un endomorphisme de dimension finie a au plus dim(E)
valeurs propres.

Exemple. Posons l’endomorphisme ϕ : Mn (R) → Mn (R) défini par ϕ(M) = tM. On remarque que E1 (ϕ) et E−1 (ϕ) cor-
respondent respectivement aux sous-espaces vectoriels des matrices symétriques et antisymétriques. Or, un exercice
classique donne
¡ ¢ n(n + 1) ¡ ¢ n(n − 1)
dim E1 (ϕ) = et dim E−1 (ϕ) = .
2 2

dim E1 (ϕ) + dim E−1 (ϕ) = n 2 = dim Mn (R) .

¡ ¢ ¡ ¢ ¡ ¢
En particulier

Nécessairement, ϕ n’a pas d’autre valeur propre et est diagonalisable.

C OROLLAIRE cas particulier

Soit ϕ ∈ L (E) avec E de dimension finie.

Si ϕ possède dim(E) valeurs propres distinctes,

alors ϕ est diagonalisable et les sous-espaces propres sont tous de dimension 1.

Preuve. Supposons que ϕ possède n = dim(E) valeurs propres λ1 , λ2 , . . . , λn deux à deux distinctes. Par définition d’une valeur
propre ¡ ¢
∀ i ∈ [[1; n]], dim Eλi (ϕ) Ê 1.

n
X ¡ ¢ Xn
Par somme : dim Eλi (ϕ) Ê 1 = n = dim(E).
i =1 i =1
à !
n
M n
X ¡ ¢ n
M
Or, on a aussi Eλ (ϕ) ⊂ E puis dim Eλi (ϕ) = dim Eλi (ϕ) É dim(E).
i =1 i =1 i =1
X ¡ ¢
Par encadrement dim Eλ (ϕ) = dim(E)
λ∈Sp(ϕ)

et d’après la caractérisation précédente, ϕ est diagonalisable.

■

! Attention. La réciproque est fausse. Par exemple, pour E de dimension n Ê 2, l’endomorphisme idE est diago-
nalisable avec seulement une valeur propre (1).

F Exemple.
Soit n ∈ N \ {0; 1}. Posons pour tout polynôme P ∈ Rn [x], le polynôme ϕ(P) défini par
Exercice 5
1
ϕ(P)(x) = x(1 − x)P0 (x) + xP(x).
n p. 20
1. Vérifier que ϕ est un endomorphisme de Rn [x].
2. Pour tout k ∈ [[0; n]], on pose Pk (x) = x k (1 − x)n−k . Calculer ϕ(Pk ).
3. Justifier que ϕ est diagonalisable.

5
 2.2 Version « matricielle »

Commençons par une remarque. On introduit l’endomorphisme

Mn,1 (R) → Mn,1 (R)

½
ϕA :
X 7→ AX.

Ainsi, pour V ∈ Mn,1 (R), ϕA (V) = AV et on a l’équivalence : V est vecteur propre de A si et seulement si V est vecteur
propre de ϕA . Plus généralement,
ker(A) = ker(ϕA ).
Justifions maintenant que la matrice A est diagonalisable si et seulement si ϕA est un endomorphisme diagonalisable.
Preuve. Raisonnons par double implication.
 −1
⇒
Supposons la matrice A diagonalisable. Soient P inversible et D diagonale telles que A = P DP. Nous avons vu que les co-
lonnes de P forment une base de Mn,1 (R) composée de vecteurs propres de A. C’est aussi une base de Mn,1 (R) composée
de vecteurs propres de ϕA qui est donc diagonalisable.

⇐
Réciproquement, si ϕA est un endomorphisme diagonalisable, ϕA (et donc A) admet une base de vecteurs propres. Notons
(Ci )i ∈[[1;n]] , une telle base. Pour tout indice i , il existe λi ∈ R tel que ACi = λi Ci . Si on pose P = [C1 , C2 , . . . , Cn ]

AP = A[C1 , C2 , . . . , Cn ]
= [AC1 , AC2 , . . . , ACn ]
= [λ1 C1 , λ2 C2 , . . . , λn Cn ] = PD avec D = diag(λ1 , . . . , λn ).

Comme la famille (Ci )i ∈[[1;n]] est une base, P est inversible et A = PDP−1 . La matrice A est diagonalisable.
■

Regroupons et traduisons les résultats précédents dans le cadre matriciel.

T HÉORÈME caractérisations

Soit A ∈ Mn (R). Les énoncés suivants sont équivalents.

i) La matrice A est diagonalisable.

ii) Il existe une base de Mn,1 (R) formée de vecteurs propres de A.
iii) Mn,1 (R) est somme directe des sous-espaces propres de A.
¡ ¢
iv) dim Eλ (A) = n.
P
λ∈Sp(A)

Preuve. C’est une conséquence directe des résultats précédents appliqué à l’endomorphisme ϕA car nous avons vu que la matrice
A est diagonalisable si et seulement si ϕA est un endomorphisme diagonalisable.
■

Exemple. La matrice Attila.

Soit n ∈ N \ {0; 1} et J la matrice de taille (n, n) constituée uniquement de 1. Il est clair que J est de rang 1, la formule du
rang donne
dim (E0 (J)) = dim (ker J) = n − rg(J) = n − 1.
Si (E1 , . . . , En ) désigne la base canonique de Mn,1 (R), on vérifie que les vecteurs

W j = E1 − E j avec j ∈ [[2; n]]

donnent une base du noyau de J. De plus, si on pose

n
X
V= Ej alors JV = nV et V 6= 0n,1 .
j =1

Il vient dim (E1 (J)) Ê 1 et même égalité.

Vérifions séparément chacun des énoncés :

6
 iv) dim E0 (J) + dim En (J) = (n − 1) + 1 = n.
iii) On sait déjà que E0 (J) et En−1 (J) sont en somme directe et

dim E0 (J) ⊕ En−1 (J) = dim E0 (J) + dim En−1 (J) = n = dim Mn,1 (R).
¡ ¢ ¡ ¢ ¡ ¢

D’où E0 (J) ⊕ En−1 (J) = Mn,1 (R).

ii) On montre que la famille (V, W2 , W3 , . . . , Wn ) est libre. Comme elle contient autant de vecteurs que Mn,1 (R), c’est
une base de Mn,1 (R) constituée de vecteurs propres de J.
i) Si on pose
£ ¤ ¡ ¢
P= V W2 ... Wn et D = diag [n, 0, . . . , 0] .

On vérifie que P est inversible et AP = PD, puis A = PDP−1 .

P ROPOSITION n valeurs propres

Soit A ∈ Mn (R).

Si A admet n valeurs propres distinctes,

alors A est diagonalisable et les sous-espaces propres sont tous de dimension 1.

Python. La commande eigvals permet le calcul de

valeurs propres. Par exemple :
Console

>>> # script executed

import numpy . linalg as al
# On importe la sous - b i b l i o t h è que [ 0. 1. -2.]
Editeur

linalg
A = np . array ([[1 ,3 ,0] ,[0 , -2 ,0] ,[ -1 , -2 ,0]])
# On d é finit la matrice A
print ( al . eigvals ( A ) )
Selon ce calcul, 0, 1 et −2 sont toutes les valeurs
propres de A. La matrice A est diagonalisable.

3 Compléments
3.1 Cas particuliers

Cas des matrices de taille 2

Rappelons que pour A ∈ M2 (R) et λ ∈ R.

λ ∈ Sp(A) ⇐⇒ det(A − λI2 ) = 0.

F .
Soit A ∈ M2 (R) diagonalisable. Notons λ1 et λ2 , les deux valeurs propres éventuellement
Exercice 6
confondues de la matrice A.
1. Montrer que λ1 + λ2 = tr(A) et λ1 λ2 = det(A). p. 20
· ¸
0 1
2. En minimisant le nombre de calculs, montrer que la matrice A = n’est pas
−1 0
diagonalisable dans R.

7
 Exercice 7
F Soit µ ¶
a c
A= ∈ M2 (R) p. ??
c d
Démontrer que A est diagonalisable dans R.

Cas des matrices triangulaires

Limitons l’étude à des exemples.
F Les questions 1 et 2 sont indépendantes.
1. Est-ce que les matrices suivantes sont diagonalisables ?
Exercice 8

1 0 1
 
1 1 0
 
1 0 1


T1 =  0 2 0 , T2 =  0 1 0  et T3 =  0 1 0 . p. 20
0 0 3 0 0 2 0 0 2
· 2
α
¸
1
2. À quelle condition sur α ∈ R, la matrice Mα = est diagonalisable ?
0 α

Cas des matrices symétriques réelles

Anticipons sur un théorème dont on donnera un énoncé plus complet au second semestre.

T HÉORÈME cas symétrique, première version

Toute matrice symétrique réelle est diagonalisable.

Résultat admis.
F Les questions sont indépendantes.
Exercice 9 1. Montrer que l’endomorphisme suivant est diagonalisable.

R3 R3
½
→
ϕ: p. 21
(x, y, z) 7 → ( 2x + y + z , x + 3z , x + 3y − z ).

2. Soient n ∈ N∗ et A une matrice symétrique appartenant à Mn (R) vérifiant An = In .

Calculer A2 .

Cas des projecteurs et symétries

• Soit p, un projecteur de E (avec p 6= 0L (E) et p 6= idE ). En reprenant l’étude effectué à la page ??, on a

E = E0 (p) ⊕ E1 (p).

Les projecteurs sont des endomorphismes diagonalisables. Si B est une base adaptée à la décomposition en sous-
espaces propres, on a
 
1 ··· 0 0 ··· 0
 . .. .. ..
 ..

 . . . 

 0 ··· 1 0 ··· 0
 
MatB (p) =  .

 0 ··· 0 0 ··· 0 
 .. .. .. ..
 

 . . . . 
0 ··· 0 0 ··· 0
| {z }| {z }
dim E1 (p) dim E0 (p)
¡ ¢ ¡ ¢
En particulier, on constate que Tr MatB (p) = rg MatB (p) = rg(p).

8
• Soit s, une symétrie (s 6= ± idE ). Grâce à la décomposition E = E−1 (s) ⊕ E1 (s), on vérifie que toutes les symétries sont
diagonalisables et
 
1 ··· 0 0 ··· 0
 .. .. .. .. 

 . . . . 

0 ··· 1 0 ··· 0
 
MatB (s) =  .
 
 0 ··· 0 −1 ··· 0 
.. .. .. ..
 
 
 . . . . 
0 ··· 0 0 ··· −1
| {z }| {z }
dim E1 (p) dim E−1 (p)

3.2 Pratique de la diagonalisation

En reprenant les méthodes étudiées page ??, traiter les exercices suivants.

F Si possible, diagonaliser les matrices suivantes :

Exercice 10 
1 1 1
 
6

−4 −3
A= 0 2 2  et B =  −1 3 −1  .
p. 21
0 0 3 4 −4 3

Diagonaliser la matrice A signifie : donner, si possible, une matrice diagonale D et une matrice
inversible P telles que A = PDP−1 .

Exercice 11 F Considérons l’application ϕ défini sur R2 [x] par ϕ(P)(x) = x(1 − x)P0 (x) + 2xP(x).
1. Montrer que ϕ définit un endomorphisme de R2 [x].
p. 21
2. Exprimer la matrice de ϕ dans la base canonique. La diagonaliser.
3. Conclure en donnant une base de vecteurs propres de ϕ.

Astuce. Dans la recherche des valeurs, il ne faut pas oublier que pour une matrice diagonalisable

λ × dim Eλ (A) .
X ¡ ¢
Tr(A) =
λ∈Sp(A)

F
Exercice 12
1. Prouver la remarque précédente.

1 −3 3

p. 22
2. Soit A définie par  3 −5 3 .
6 −6 4
Sachant que rg(A + 2In ) = 1, que peut-on en déduire sur la diagonalisation de A ?

3.3 Quelques applications de la diagonalisation

Exercice 13
G Calcul des puissances
p. 22
Calculer pour tout p ∈ N, Ap où la matrice A est étudiée à l’exercice 10.

9
 F Polynôme de matrices et racine carrée d’une matrice

2 1 1


Exercice 14 On pose A= 1 2 1 .

1 1 2

1. Vérifier que A est diagonalisable et la diagonaliser. p. 22

2. En déduire l’inversibilité de A et A−1 .
3. Expliquer comment calculer Q(A) où Q ∈ R[x]. Préciser un polynôme annulateur non
nul de A.
4. Déterminer une matrice B telle que B2 = A.

Les applications sont nombreuses. Citons par exemple :

* La recherche du commutant (voir exercice 36, p.14).
* La résolution des suites récurrentes linéaires d’ordre 2 (voir exercice 37, p.15).
* La résolution de systèmes différentiels linéaires (voir exercice 38, p.15).

10
 Exercices


6 10 11


Exercice 15. G Montrer que la matrice A =  2 6 5  n’est pas diagonalisable.

−4 −8 −8
À Solution p. 22

Exercice 16. G Parmi les matrices élémentaires Ei , j de Mn (R), lesquelles sont diagonalisables ?
À Solution p. 22

Exercice 17. G Soit ϕ défini par

³ ´
∀ P ∈ R2 [x], ϕ(P)(x) = (2x + 1)P(x) − x 2 − 1 P0 (x).

Vérifier que ϕ est un endomorphisme de R2 [x]. Est-il diagonalisable ?

À Solution p. 23

Exercice 18. G . Montrer que les matrices suivantes sont semblables


1 2 3
 
3 0 0


A= 0 2 3  et B= 3 2 0 .
0 0 3 3 2 1

À Solution p. 23

Exercice 19. F Soit ϕ un endomorphisme de E de dimension finie.

Montrer que ϕ est un projecteur si et seulement si ϕ est diagonalisable et Sp(ϕ) ⊂ {0; 1}.
À Solution p. 23

Exercice 20. FF Diagonalisation avec un paramètre

Pour tout réel a, on pose 
a +2 −(2a + 1) a


Ma =  1 0 0 .
0 1 0
On vérifie par le calcul que Q(x) = x 3 − (a + 2)x 2 + (2a + 1)x − a est annulateur de Ma .
1. Justifier que pour a = 1, Ma ne peut être diagonalisable.
2. Déterminer les réels a pour lesquels Ma est diagonalisable.
À Solution p. 23

Exercice 21. F Pour tout n entier non nul, on considère la matrice


1 1/n 1/n


An =  −1/n (n + 2)/n 1/n  .

1/n −1/n 1

1. Montrer sans calculs superflus que 1 et 1 + 1/n sont les valeurs propres de An .
2. La matrice An est-elle diagonalisable ? inversible ?
3. Pour tout n ∈ N∗ , on note Bn la matrice produit : Bn = A1 A2 . . . An .
La matrice Bn est-elle diagonalisable ? inversible ? Si oui, déterminer Bn −1 .
À Solution p. 24

Exercice 22. F Soit A ∈ Mn (R). Montrer que A est diagonalisable si et seulement si rg A − λIn = card Sp(A) − 1 n.
P ¡ ¢ ¡ ¢ ¡ ¢
λ∈Sp(A)
À Solution p. 25
n
Exercice 23. F On considère l’application ϕ, qui à tout polynôme P de Rn [x] associe ϕ(P) = P(k) , où P(k) désigne la dérivée
P
k=0
k ème de P avec la convention P(0) = P.
1. Montrer que ϕ est un endomorphisme de Rn [x].

11
 2. Est-ce que ϕ est diagonalisable ?
À Solution p. 25
· ¸
1 1
Exercice 24. F Posons A = ∈ M2 (R) et l’endomorphisme ϕ de M2 (R) défini par ϕ(M) = AM.
1 1
1. a) Déterminer la matrice de ϕ dans la base canonique.
b) Trouver un polynôme annulateur de ϕ.
c) L’endomorphisme ϕ est-il diagonalisable ?
2. On définit maintenant les endomorphismes ψ et s de M2 (R) défini par ψ(M) = MA et s(M) = t M.
a) Vérifier que ψ = s ◦ ϕ ◦ s −1 .
b) En déduire un polynôme annulateur de ψ. Est-ce que l’endomorphisme ψ est diagonalisable ?
À Solution p. 25

Exercice 25. FF D’après EDHEC 2014

Soient n ∈ N \ {0; 1} et A une matrice non nulle donnée de Mn (R). On considère l’application f qui à toute matrice M de Mn (R)
associe :
f (M) = Tr(A) M − Tr(M) A.
1. Montrer que f est un endomorphisme de Mn (R).
2. a) Pour toute matrice M de Mn (R), exprimer ( f ◦ f )(M) à l’aide de Tr(A) et f (M).
b) En déduire un polynôme annulateur de f . Que peut-on en déduire sur les valeurs propres de f ?
3. a) Montrer que 0 est valeur propre de f .
b) Montrer que, si Tr(A) = 0, alors f n’est pas diagonalisable.
4. On suppose dans cette question que la trace de A est non nulle.
a) Préciser la dimension de ker(Tr).
b) En déduire que f est diagonalisable.
À Solution p. 25

Exercice 26. FF . Diagonalisation des matrices de rang 1

1. ¤ Soit n ∈ N \ {0; 1}. Montrer que M ∈ Mn (R) est de rang 1 si et seulement si il existe deux matrices colonnes non nulles U, V
telles que M = Ut V.
2. Soit A ∈ Mn (R) une matrice de rang 1. On note U et V deux matrices colonnes non nulles de Mn,1 (R) telles que A = Ut V et on
note a = Tr(A).
a) ¤ Montrer que 0 est valeur propre de A et déterminer la dimension du sous-espace propre associé.
b) Vérifier que t VU = a, puis que A2 = aA.
c) ¤ Justifier que si a = 0 alors A n’est pas diagonalisable dans Mn (R).
d) On suppose dans la suite a 6= 0. Calculer AU. Déduire des questions précédentes que A est diagonalisable.
e) Énoncer une condition nécessaire et suffisante pour qu’une matrice de Mn (R) de rang 1 soit diagonalisable.
À Solution p. 26

Exercice 27. FF Soit ϕ un endomorphisme de E admettant un polynôme annulateur P.

1. On suppose qu’il existe α ∈ R∗ tel que P(x) = x(x −α). Vérifier que les sous-espaces propres E0 (ϕ) et Eα (ϕ) sont supplémentaires
dans E. En déduire que ϕ est diagonalisable.
2. On suppose maintenant que P est de degré 2 avec deux valeurs propres distinctes. Montrer que ϕ est diagonalisable.
À Solution p. 26

Exercice 28. FFF D’après Oraux HEC 2014

Soit ϕ l’endomorphisme de R3 dont la matrice dans la base canonique B = (e 1 , e 2 , e 3 ) est

2 0 0


A= 1 3 −2  .
1 1 0

1. Montrer que ϕ − idR3 est un projecteur.

2. En déduire les valeurs propres de ϕ ?
3. Combien existe-t-il de droites vectorielles de R3 stables par ϕ ?

12
 4. Combien existe-t-il de plans vectoriels de R3 stables par ϕ ?
À Solution p. 27

Exercice 29. FFF FF Soient n ∈ N \ {0; 1}, a et b deux réels tels que ab 6= 0. On note M(a, b) la matrice de Mn+1 (R) donnée
par :
 
0 a a ··· a

 b 0 0 ··· 0 


M(a, b) =  b 0 0 ··· 0 
.

 .. .. .. .. 

 . . . ··· . 
b 0 0 ··· 0
1. a) Calculer M(a, b)2 .
b) Montrer que M(a, b)2 est diagonalisable et trouver ses deux valeurs propres.
 
0 c c ··· c
 d 0 0 ··· 0 
2. Soient c, d ∈ R∗ et M(c, d ) = 
 
 .. .. .. .
.. 
 . . . ··· . 
d 0 0 ··· 0

a) ¤ Montrer que si M(c, d ) est semblable à M(a, b) alors ab = cd .

b) Établir la réciproque en considérant une matrice Pε = diag(ε, 1, . . . , 1) ∈ Mn+1 (R).
3. a) Est-ce que la matrice M(a, b) est semblable à sa transposée ?
b) ¤ À l’aide de la trace, montrer que si la matrice M(a, b) est diagonalisable alors ab > 0.
c) ¤ On suppose que ab > 0, vérifier que M(a, b) est semblable à une matrice du type M(α, α). En déduire que M(a, b) est
diagonalisable.
À Solution p. 27

Exercice 30. F . Mélange algèbre et probabilité

1. Pour (a, b) ∈ R2 , dans quel(s) cas la matrice
· ¸
a 1
Ma,b =
0 b
est-elle diagonalisable ?
2. Soient X et Y deux variables aléatoires définies sur le même univers, indépendantes et de même loi binomiale B(n, 1/2).
n ¡n ¢2
a) Rappeler la loi de X + Y et en déduire la valeur de k .
P
k=0

b) Calculer la probabilité pour que la matrice MX,Y soit diagonalisable.

À Solution p. 28

Exercice 31. F Exemple avec deux valeurs propres

Soient E un espace vectoriel et ϕ un endomorphisme de E diagonalisable avec exactement deux valeurs propres λ et µ. Notons Eλ
et Eµ les sous-espaces propres associés respectivement aux valeurs propres λ et µ.
1. Justifier que Eλ et Eµ sont supplémentaires dans E.
On peut donc considérer le projecteur p (respectivement q) sur Eλ parallèlement à Eµ (respectivement sur Eµ parallèlement
à Eλ ).
2. Préciser p + q, p ◦ q et q ◦ p.
3. Vérifier que u = λp + µq et plus généralement, pour tout n ∈ N∗ , u n = λn p + µn q.
À Solution p. ??

Exercice 32. FFF . Soit E un espace vectoriel de dimension finie et ϕ un endomorphisme de E. L’objectif de l’exercice est
de prouver l’équivalence entre les énoncés :
i) L’endomorphisme ϕ est diagonalisable.
ii) L’endomorphisme ϕ admet un polynôme annulateur scindé à racines simples.
Pour rappel, un polynôme P est scindé à racines simples s’il existe r réels a 1 , . . ., a r deux à deux distincts tels que P(x) =
r
(x − a i ).
Q
i =1

1. Montrer que i) ⇒ ii).

2. Prouvons la réciproque. Supposons donc que ϕ admet un polynôme annulateur scindé à racines simples.

13
 a) Soient f , g ∈ L (E). Justifier que l’application suivante est bien posée, linéaire et injective
½
H → Ker f
Φ: avec H un supplémentaire de Ker g dans Ker f ◦ g .
u 7→ g (u)
¡ ¢ ¡ ¢
En déduire que dim Ker( f ◦ g ) É dim Ker( f ) + dim Ker(g ) .
b) Montrer plus généralement que pour f 1 , f 2 , . . . , f r ∈ L (E),

¡ ¡ r
¢¢ X ¡ ¢
dim Ker f 1 ◦ · · · ◦ f r É dim Ker( f j ) .
j =1

c) En déduire la réciproque ii) ⇒ i).

3. Application
En déduire que si ϕ est diagonalisable et F est un sous-espace stable par ϕ, alors la réstriction de ϕ à F est un endomorphisme
diagonalisable.
À Solution p. 29

Exercice 33. FF Soient a ∈ R∗ , b ∈ R et ϕ l’endomorphisme de E = Rn [x] défini par :

ϕ(P) : x ∈ R 7→ P(ax + b).

1. Donner la matrice de ϕ dans la base canonique. En déduire le spectre de ϕ.

2. Justifier que si a ∉ {−1, 1}, l’endomorphisme ϕ est diagonalisable.
3. Que dire lorsque a = 1 ?
4. a) Après avoir justifié que tout polynôme peut s’écrire comme somme d’un polynôme pair et d’un polynôme impair,
justifier que ϕ est diagonalisable pour a = −1 et b = 0.
b) Généraliser à a = −1 et b 6= 0.
À Solution p. 30

Exercice 34. FF Soient f et g deux endomorphismes de E qui commutent. On suppose qu’il existe p ∈ N∗ tel que g p = 0L (E) .
Soit λ ∈ Sp( f ) et x un vecteur propre associé.
1. Montrer que Eλ ( f ) est un espace stable par g .
2. Justifier l’existence de k ∈ N tel que g k (x) 6= 0E et g k+1 (x) = 0E .
3. Vérifier que g k (x) est un vecteur propre de f + g et préciser la valeur propre associée.
4. En déduire que Sp( f ) ⊂ Sp( f + g ).
À Solution p. 30

Exercice 35. FF Soit ϕ l’application définie sur R2 [x] qui à tout polynôme P ∈ R2 [x], associe le polynôme ϕ(P) obtenu comme
le reste de la division euclidienne de P par (x − 1)2 .
1. Vérifier que ϕ est bien un endomorphisme de R2 [x].
2. Donner M, la matrice de ϕ dans la base canonique de R2 [x].
3. ¤ Calculer M2 . Qu’en déduire sur ϕ ?
4. Est-ce que ϕ est diagonalisable ? Si oui, précisez les sous-espaces propres.
À Solution p. 31

Quelques applications de la diagonalisation

Exercice 36. FFF . Recherche du commutant D’après ESCP 2012
Soit A ∈ Mn (R) admettant n valeurs propres distinctes. On définit le commutant de A par

C = M ∈ Mn (R) | AM = MA .
© ª

1. Justifier que la famille In , A, A2 , . . . , An−1 est libre.

¡ ¢

2. Vérifier que C est un sous-espace vectoriel de Mn (R) de dimension supérieure ou égale à n.

3. Montrer l’existence d’une matrice P de Mn (R), inversible et d’une matrice ∆ de Mn (R) diagonale, telles que

A = P∆P−1 .

14
 4. Soit M ∈ C . Montrer que tout vecteur colonne propre de A est un vecteur colonne propre de M. En déduire que la matrice
P−1 MP est diagonale. En déduire que C est de dimension inférieure ou égale à n.
5. Montrer que In , A, . . . , An−1 est une base de C .
¡ ¢

6. On suppose A inversible. Montrer qu’il existe Q ∈ R[X] tel que A−1 = Q(A).

À Solution p. 31

Exercice 37. FF Suite récurrente linéaire d’ordre 2

Soit a ∈ R \ {1}. On note E l’espace vectoriel des suites réelles (u n )n∈N telles que

∀ n ∈ N, u n+2 = (1 + a)u n+1 − au n .

· ¸
un
Soit u, une suite de E. On pose Un = .
u n+1
1. Déterminer une matrice A telle que Un+1 = AUn .
2. a) Montrer que la matrice A est diagonalisable sur R. Puis, préciser une matrice inversible et une matrice D diagonale
telles que A = PDP−1 .
b) En déduire An , pour tout n ∈ N.
3. À partir des questions précédentes, donner l’expression de u n en fonction de n, a, u 0 et u 1 .
4. Donner une base de E. Comparer les résultats obtenus avec la méthode classique des suites récurrentes linéaires d’ordre 2.
À Solution p. 32

Exercice 38. FF Système différentiel linéaire

1. Préliminaires
Soient I intervalle de R et a, une fonction continue sur I. On considère l’équation différentielle

∀ x ∈ I, y 0 (x) = a(x)y(x).

Soit A, une primitive de a sur I. Montrer qu’il existe C ∈ R tel que pour tout x ∈ I, y(x) = C eA(x) .
2. On considère le système différentiel suivant :
 0
 x = 8x − 18y + 27z
(S ) : y 0 = −3x + 27 y − 6z
 0
z = −4x + 7y − 11z

avec les conditions initiales : x(0) = 1, y(0) = 0, z(0) = 0.

a) Écrire le système (S ) ci-dessus sous la forme X0 = AX, pour une certaine matrice A de taille 3 × 3 à coefficients réels
qu’on déterminera où on a posé :
 0
x(t ) x (t )
  
0 0
X(t ) =  y(t )  et X (t ) =  y (t )  .
z(t ) z 0 (t )

b) Vérifier que la matrice A est diagonalisable et déterminer une matrice inversible Q et une matrice diagonale D telles
que A = Q−1 DQ.
Pour commencer, on pourra calculer AX1 , AX2 où :

− 23 0
   

X1 =  et X2 = 3 .
1  
2
1 1

On admet dans la suite que pour toute matrice Q à coefficients constants, si Y = Q · X alors Y0 = Q · X0 .

c) Pour tout t ∈ R, on pose Y(t ) = QX(t ). Montrer que X est solution du système (E) si et seulement si les coordonnées u,
v et w de Y sont solutions d’un système différentiel diagonal.
d) Donner l’expression de Y(t ) puis les expressions de x, y et z.

À Solution p. 32

15
Sujets de révision
Exercice 39. FFF . Diagonalisation simultanée D’après Oraux
ª ESCP 2016
Soient E un espace vectoriel de dimension finie et f un endomorphisme de E diagonalisable. On note λ1 , . . . , λp l’ensemble
©

de ses valeurs propres et E1 , . . . , Ep les sous-espaces propres associés. Soit F un sous-espace vectoriel de E stable par f , tel que
F 6= {0} et F 6= E. Soit x un vecteur de F.
¡ ¢
1. Montrer qu’il existe un unique p-uplet x 1 , . . . , x p ∈ E1 × · · · × Ep tel que x = x 1 + · · · + x p .
2. On suppose désormais x 6= 0. Montrer que, quitte à modifier l’ordre, on peut supposer qu’il existe r ∈ ‚1, pƒ tel que x i = 0
pour i > r et x i 6= 0 pour i É r . On a alors x = x 1 + · · · + x r . On note Vx le sous-espace vectoriel engendré par (x 1 , . . . , x r ).
3. a) Montrer que (x 1 , . . . , x r ) est une base de Vx .
b) Montrer que pour tout j ∈ N, f j (x) ∈ Vx .
c) Déterminer la matrice A de la famille x, f (x), . . . , f r −1 (x) dans la base (x 1 , . . . , x r ) de Vx .
¡ ¢

r
d) Notons C1 , . . . , Cr les colonnes de A et α1 , . . . , αr des réels tels que α j C j = 0.
P
j =1
r
Montrer que le polynôme P(x) = α j x j −1 est le polynôme nul. En déduire que A est inversible.
P
j =1
p ¡
M ¢
e) Montrer que pour tout i ∈ [[1, p]], x i ∈ F, puis que F = F ∩ Ei .
i =1
4. Soit g un endomorphisme de E, diagonalisable et commutant avec f (i.e. tel que f ◦ g = g ◦ f ).
Montrer qu’il existe une base de E formée de vecteurs propres communs à f et g .

Exercice 40. FF . Valeurs propres d’un endomorphisme de Mn (R) D’après EMLyon 2014 ECS
¡ ¢ colonne de Mn,1 (R) dont tous les coefficients sont nuls, 2sauf celui
Soit n ∈ N \ {0; 1}. Pour tout i de [[1; n]], on note Vi la matrice
de la i -ième ligne qui est égal à 1. On admet que la famille Vi i ∈[[t 1;n]] est une base de Mn,1 (R). Pour tout (i , j ) de [[1; n]] , on note
Ei , j = Vi t V j . Ainsi, pour tout (i , j ) de [[1; n]]2 , la matrice Ei , j est la matrice carrée de Mn (R) dont tous les coefficients sont nuls,
³ ´
sauf celui à l’intersection de la i -ième ligne et de la j -ième colonne qui est égal à 1. On admet que la famille Ei , j est
(i , j )∈[[1;n]]2
une base de Mn (R).
Soit A une matrice quelconque de Mn (R) telle que, pour tout λ de R, A 6= λIn . On considère l’application ΦA de Mn (R) dans Mn (R)
définie par :
∀ M ∈ Mn (R), ΦA (M) = AM − MA.
1. Montrer que ΦA est un endomorphisme de Mn (R).
2. Calculer ΦA (In ). L’endomorphisme ΦA est-il injectif ? surjectif ?
3. Montrer que A et t A ont les mêmes valeurs propres.
4. Soient X, Y ∈ Mn,1 (R) tels que X (resp. Y) est un vecteur propre de A (resp. de t A).
Montrer que Xt Y est un vecteur propre de ΦA .
³ ´
5. Soient (X1 , X2 , . . . , Xn ) et (Y1 , Y2 , . . . , Yn ) deux bases de Mn,1 (R). On note F la famille F = Xi t Y j .
(i , j )∈[[1;n]]2
Montrer que, pour tout (i , j ) de [[1; n]]2 , Vi t V j appartient au sous-espace vectoriel de Mn (R) engendré par F , et en déduire
que la famille F est une base de Mn (R).
6. Montrer que l’ensemble des valeurs propres de ΦA est l’ensemble des différences λ − µ lorsque λ et µ décrivent les valeurs
propres de A.

Problème 41. FF Matrices compagnons

Soient n ∈ N∗ et a 0 , . . . , a n−1 ∈ R des nombres réels. Soit P le polynôme défini par l’expression

P(x) = a 0 + a 1 x + · · · + a n−1 x n−1 + x n .

On note Mn (R) l’ensemble des matrices n × n à coefficients réels. La matrice CP ∈ Mn (R), appelée matrice compagnon de P, est
définie par
0 0 ··· 0 0
 
−a 0
 1 0 ··· 0 0 −a 1 
 
 . . .
. .
. .. 
 0 1 . . . .
 

CP =  . .
 
 .. 0 . . . 0 0 −a 
 n−3 
 .. ..
 

 . . 1 0 −a n−2 
0 0 ··· 0 1 −a n−1
• Exemple

16
 · ¸
0 3
1. a) Déterminer le polynôme R dont la matrice compagnon est CR = .
1 −2
b) Quelles sont les racines de R ? Quelles sont les valeurs propres de CR ? Que constatez-vous ?
2. La matrice CR est-elle diagonalisable ? Justifiez votre réponse.

• Retour au cas général

3. Déterminer le rang de CP . Indication. On pourra distinguer deux cas : le cas où a 0 = 0 et le cas où a 0 6= 0.
4. Justifier que 0 est valeur propre de CP si et seulement si a 0 = P(0) = 0.
5. Pour tout λ ∈ R, montrer que dim Ker CP − λIn É 1.
¡ ¡ ¢¢

• La matrice MP
Dans la suite, on considère MP ∈ Mn (R) définie par MP = a 0 In + a 1 CP + a 2 CP 2 + · · · + a n−1 CP n−1 + CP n .
     
1 0 0
 0   1   0 
     
 0   0   . 
On note (E1 , E2 , . . . , En ) = 

,
    .
 , . . . ,  . 

 ..   ..   
 .   .   0 
0 0 1
les n vecteurs de la base canonique de Mn,1 (R). L’objectif est de montrer que MP est la matrice nulle.
6. Retour sur l’exemple
Vérifier que MR est la matrice nulle, où R est le polynôme trouvé à la première question.
7. Retour sur le cas général
a) Montrer que pour tout k ∈ [[1, n]], Ek = CP k−1 E1 .
b) En déduire qu’il existe un vecteur X ∈ Mn,1 (R) telle que X, CP X, . . . , CP n−1 X soit une base de Mn,1 (R).
¡ ¢

8. Montrer que MP E1 = 0.
9. En déduire que MP est la matrice nulle.

• Lien entre spectre et racines de P

10. Soit λ ∈ R une valeur propre de CP et X ∈ Mn,1 (R) un vecteur propre associé. Montrer que λ est racine de P.
11. Soit λ ∈ R tel que P(λ) = 0.

a) On suppose uniquement dans cette question qu’il existe X = t x 1 · · · x n ∈ Mn,1 (R) telle que CP X = λX. Expliciter un
£ ¤

système linéaire vérifiée par (x 1 , . . . , x n ). Montrer ensuite par récurrence que :

³ ´
∀ k ∈ [[1, n − 1]], x n−k = a n−k + λa n−k+1 + · · · + λk−1 a n−1 + λk x n .

b) Montrer que λ est valeur propre de CP et exhiber un vecteur propre associé.

Soit k ∈ N∗ . On considère λ1 , . . . , λk des nombres réels tous distincts et α1 , . . . , αk des entiers positifs ou nuls, puis on définit le
k ¡ ¢α
polynôme S par S(x) = x − λi i .
Q
i =1

12. Déduire de toute cette étude que la matrice compagnon CS de S est diagonalisable si et seulement si les entiers αi valent tous 1.

0 0 6


13. Est-ce que la matrice A =  1 0 −11  est diagonalisable ?

0 1 6
À Solution p. 33

17