Maths en PT* Année 2024 - 2025

Feuille d’exercices n◦ 7

Réduction d’endomorphismes

Exercice 1 : théorème spectral en dimension 2

Montrer que toute matrice symétrique réelle d’ordre 2 est diagonalisable dans R.

Exercice 2 : diagonalisation et commutant en dimension 2 - d’après Mines-Télecom 2024

   
2 −1 −2 0
Soit les matrices A = et B = .
−4 −1 0 3

1. Trouver les valeurs et vecteurs propres de A.

2. Trouver les matrices qui commutent avec B.
3. En déduire les matrices qui commutent avec une matrice M de Vect(I, A).

Exercice 3 : équation matricielle en dimension 2 [correction]

 
5 3
Soit la matrice A = .
1 3
1. Montrer qu’il existe P inversible et D diagonale telles que D = P −1 AP .
2. Montrer que si M ∈ M2 (R) vérifie M 2 + M = A alors P −1 M P est diagonale.
3. Résoudre dans M2 (R) l’équation matricielle M 2 + M = A.

Exercice 4 : endomorphismes de C - d’après oral II 2018 [correction]

Soit E = LR (C) l’ensemble des endomorphismes de C, considéré comme un R-espace vectoriel.
Pour (a, b) ∈ C2 , on considère l’application fa,b : z 7−→ az + bz.

1. Montrer que E = {fa,b , (a, b) ∈ C2 }.

2. Donner en fonction de a et de b le déterminant et la trace de fa,b .
3. Donner une condition nécessaire et suffisante pour que fa,b soit diagonalisable.

Exercice 5 : système dynamique récurrent d’ordre 1 en dimension 3 [correction]


 un+1 = −un + vn + wn
Étudier les suites (un ), (vn ), (wn ) vérifiant ∀n ∈ N, vn+1 = un − vn + wn .
wn+1 = un + vn − wn


Lycée Jean Perrin Page 1/17 Marseille

Maths en PT* Année 2024 - 2025

Exercice 6 : polynôme d’une matrice 3 × 3 diagonalisable

 
0 0 1
Déterminer les éléments propres dans C de A =  1 0 0  et B = aI3 + bA + cA2 , (a, b, c) ∈ C3 .
0 1 0

Exercice 7 : diagonalisation dans C d’une matrice 3 × 3 - d’après Mines-Télecom 2024

 
0 0 z
Trouver les conditions sur z pour diagonaliser Mz =  1 1 0  dans C.
0 1 0

Exercice 8 : racines carrées d’une matrice 3 × 3 diagonalisable - d’après oral I 2014

 
2 0 4
Soit A =  3 −4 12  et M ∈ M3 (R).
1 −2 5
1. La matrice A est-elle diagonalisable ? Si oui, déterminer une base de vecteurs propres.
2. Montrer que, si AM = M A alors tout vecteur propre de A est vecteur propre de M .
3. Résoudre dans M3 (R) l’équation matricielle M 2 = A.

Exercice 9 : racines carrées d’une matrice 3 × 3 trigonalisable - d’après oral II 2023 [correction]
 
1 0 0
Soit la matrice A =  0 2 −1 .
−2 2 −1
1. Trouver T triangulaire supérieure et P inversible telles que A = P T P −1 .
2. Trouver les matrices M de M3 (R) vérifiant M T = T M .
3. Montrer que si AM = M A alors tout vecteur propre de A est vecteur propre de M .
4. Résoudre M 2 = A dans M3 (R).

Exercice 10 : trigonalisation d’une matrice 3 × 3 - d’après Mines-Télécom 2023

 
2 0 −1
Soit A =  1 0 −1  et f ∈ L (R3 ) canoniquement associé à A.
0 1 1
1. Déterminer l’ensemble des valeurs propres de A.

2. Déterminer les espaces propres de A. Est-elle diagonalisable ?

 
1 1 0
3. Trouver une base dans laquelle f a pour matrice B =  0 1 1 .
0 0 1
4. Calculer B n , puis An pour tout n ∈ N.

Lycée Jean Perrin Page 2/17 Marseille

Maths en PT* Année 2024 - 2025

Exercice 11 : endomorphismes nilpotents de R3 - d’après Mines-Télécom 2023

Soit un espace vectoriel E de dimension 3 et f ∈ L (E).
 
0 0 0
1. Si f 2 6= 0 et f 3 = 0, montrer que dans une certaine base la matrice de f est  1 0 0 .
0 1 0
 
0 0 0
2. Si f 6= 0 et f 2 = 0, montrer que dans une certaine base la matrice de f est  0 0 0 .
1 0 0

3. Soit f 6= 0 et il existe p ∈ N t.q. f p = 0, l’endomorphisme f est-il diagonalisable ?

Exercice 12 : diagonalisation et puissances d’une matrice 4 × 4 - d’après oral II 2024 [correction]

 
0 0 0 −1
 0 0 1 0  n
 0 −1 0 0 . Est-elle diagonalisable dans R ? dans C ? Calculer A pour n ∈ Z.
Soit A =  

1 0 0 0

Exercice 13 : diagonalisation et puissances d’une matrice 4 × 4 à paramètres - d’après oral II 2024

 
1 a b c
 0 1 0 0 
Soit la matrice A =  , où (a, b, c) ∈ R3 .
 0 −1 2 0 
0 1 0 2
1. À quelle condition sur (a, b, c) ∈ R3 la matrice A est-elle diagonalisable ?
2. Sous cette condition, déterminer αn et βn en fonction de n ∈ N pour que An = αn I4 + βn A.

Exercice 14 : puissances et diagonalisation d’une matrice n × n particulière - d’après oral II 2022

(
1 si i + j = n
Soit un entier n ≥ 3 et A ∈ Mn (R) définie par aij = .
0 si i + j 6= n
1. Calculer Ap pour p ∈ N∗ .
2. Montrer que Sp(A) ⊂ {−1, 0, 1}.
3. Montrer que A est diagonalisable et la diagonaliser.

Exercice 15 : étude d’une matrice carrée d’ordre 2n particulière - d’après Mines-Télécom 2023
 
1 1 0 ··· ··· 0
 0 1
 1 0 ··· 0  
 .. . . . . . . . . .. 
 . . . . . .   ∈ M2n (R).
Soit M =  .. .. .. 
 . . . 1 0 
 
 0 ··· ··· 0 1 1 
1 0 ··· ··· 0 1
1. Déterminer le noyau et le rang de M . Donner une base du noyau.
2. M est-elle diagonalisable dans C ? Donner ses valeurs propres.

Lycée Jean Perrin Page 3/17 Marseille

Maths en PT* Année 2024 - 2025

Exercice 16 : matrice 5 × 5 circulante - d’après oral II 2021 [correction]

   
a0 a1 a2 a3 a4 0 1 0 0 0
 a4 a0 a1 a2 a3   0 0 1 0 0 
a1 a2  ∈ M5 (C) et K = 
   
 a3 a4 a0
Soit C(a0 , a1 , a2 , a3 , a4 ) =  0 0 0 1 0
 .
 
 a2 a3 a4 a0 a1   0 0 0 0 1 
a1 a2 a3 a4 a0 1 0 0 0 0
1. Montrer que C(a4 , a0 , a1 , a2 , a3 ) = K × C(a0 , a1 , a2 , a3 , a4 ),
puis que C(a0 , a1 , a2 , a3 , a4 ) = a4 K 4 + a3 K 3 + a2 K 2 + a1 K + a0 I5 .
2. Déterminer les valeurs propres de K.
3. Montrer que C(a0 , a1 , a2 , a3 , a4 ) est diagonalisable. Déterminer ses éléments propres.

Exercice 17 : réduction d’un endomorphisme de Rn [X] - d’après oral II 2017

Soit α ∈ R+∗ , β ∈ R, P ∈ R[X] et f : P 7−→ ((αX + β)P )0 .

1. Montrer que f est un endomorphisme de R[X].

2. Trouver les valeurs propres et les vecteurs propres de f .
3. Justifier que Rn [X] est stable par f .
4. Écrire la matrice A dans la base canonique de l’endomorphisme induit par f sur Rn [X].
5. Diagonaliser A.

Exercice 18 : réduction d’un endomorphisme de Rn [X] [correction]

Soit un entier n ≥ 2. On considère ϕ définie sur Rn [X] par : ϕ(P ) = (2X − 1)P 0 + (X 2 − X − 2)P 00 .

1. Vérifier que ϕ est un endomorphisme de Rn [X].

2. Déterminer la matrice A de ϕ dans la base canonique de Rn [X].
3. Déterminer les valeurs propres de ϕ. En déduire que A est diagonalisable.
4. On note λ0 , . . . , λn les valeurs propres de ϕ rangées par ordre croissant. Soit P un vecteur
propre associé à la valeur propre λk . Montrer que P est de degré k.
5. Montrer qu’il existe une unique famille (Pk )k∈[[0,n]] , telle que, pour tout k ∈ [[0, n]], Pk soit un
polynôme unitaire de degré k et un vecteur propre de ϕ associé à λk .
6. Cas particulier : pour n = 3, déterminer (P0 , P1 , P2 , P3 ).

Exercice 19 : réduction d’un endomorphisme de Rn [X] - d’après oral II 2021 [correction]

Soit E = Rn [X] et ϕ l’application définie sur E par ϕ(P ) = ((X 2 + 1)P )00 .

1. Montrer que ϕ est un endomorphisme de E.

2. Donner la matrice de ϕ dans la base canonique de E.
3. ϕ est-elle bijective ? ϕ est-elle diagonalisable ?
4. On note λ0 < λ1 < . . . < λn les valeurs propres de ϕ et
Pi un polynôme non nul tel que ϕ(Pi ) = λi Pi . Montrer que deg(Pi ) = i.

Lycée Jean Perrin Page 4/17 Marseille

Maths en PT* Année 2024 - 2025

Exercice 20 : réduction en dimension 3 - d’après oral II 2021

Soit E un R−espace vectoriel de dimension 3 et f un endomorphisme de E vérifiant
det(f ) = 0, tr(f ) = 1 et Ker(f ) ⊂ Im(f ).
1. Déterminer les dimensions de Ker(f ) et Im(f ).
2. Montrer que f est trigonalisable.
3. Déterminer les valeurs propres de f et si f est diagonalisable.
 
0 0 1
4. Montrer qu’il existe une base de E dans laquelle la matrice de f est  0 1 0 .
0 0 0

Exercice 21 : réduction en dimension 3 - d’après Mines-Télécom 2022 [correction]

Soit f ∈ L (R3 ) vérifiant f 3 + f = 0L (R3 ) .
1. Montrer que R3 = Im(f ) ⊕ Ker(f ).
2. Montrer que si λ est valeur propre de f alors λ3 + λ = 0. Déterminer si f est diagonalisable.
3. Montrer que Im(f ) = Ker(f 2 + idR3 ) et que, si f 6= 0L (R3 ) , il existe une base de R3 dans
laquelle la matrice de f est :  
0 0 0
 0 0 1 .
0 −1 0

Exercice 22 : endomorphisme nilpotent diagonalisable - d’après oral II 2024

Soit E un R-e.v. de dimension finie, B sa base et f un endomorphisme de E vérifiant :
∀x ∈ E, ∃px ∈ N∗ , f px (x) = x.
1. Pour tout e ∈ B, montrer qu’il existe p ∈ N∗ vérifiant f p (e) = e.
En déduire qu’il existe m ∈ N∗ vérifiant f m = idE .
2. On suppose f diagonalisable. Montrer que f 2 = idE .

Exercice 23 : réduction en dimension finie

Soit E de dimension finie et f ∈ L (E) t.q. (f − 3idE ) ◦ (f + 2idE ) = 0L (E) .

1. Montrer que Im(f + 2idE ) ⊂ Ker(f − 3idE ).

2. Montrer que Ker(f + 2idE ) ∩ Ker(f − 3idE ) = {0E }.
3. En déduire que f est diagonalisable.

Exercice 24 : caractérisation d’une symétrie - d’après Mines-Télécom 2023

Soit E un espace vectoriel et f ∈ L (E) vérifiant f 2 = idE .
1. Montrer que si λ est valeur propre de f alors λ2 = 1.
2. Montrer que pour tout x de E, f (x − f (x)) = −(x − f (x)) et f (x + f (x)) = x + f (x).
3. Si −1 et 1 sont valeurs propres, montrer que E = E−1 (f ) ⊕ E1 (f ).
4. Si f 6= ±idE , montrer que −1 et 1 sont valeurs propres.

Lycée Jean Perrin Page 5/17 Marseille

Maths en PT* Année 2024 - 2025

Quelques corrections pour s’entrainer

Exercice 3 : équation matricielle en dimension 2 [énoncé]

1. On calcule le polynôme caractéristique de A :

χA (X) = X 2 − tr(A) + det(A) = X 2 − 8X + 12 = (X − 2)(X − 6),

qui est scindé dans R à racines simples. Donc A est diagonalisable dans R et Sp(A) = {2, 6} .
       
x x x x
En résolvant A =2 et A =6 , on détermine les sous-espaces propres de A :
y y y y
   
−1 3
E2 (A) = Vect(U1 ), U1 = et E6 (A) = Vect(U2 ), U2 = .
1 1

Donc B = (U1 , U2 ) est une base de R2 (assimilé à M2 (R)) formée de vecteurs propres de A
et on a :    
−1 −1 3 2 0
A = P DP , où P = et D = .
1 1 0 6

2. Soit M ∈ M2 (R) vérifiant M 2 + M = A. On a alors :

M A = M (M 2 + M ) = M 3 + M 2 = (M 2 + M )M = AM (A et M commutent).

Ainsi, A(M U1 ) = M (AU1 ) = M (2U1 ) = 2(M U1 ), donc M U1 ∈ E2 (A) = Vect(U1 ).

Donc il existe α ∈ R tel que M U1 = αU1 . De même, il existe β ∈ R tel que M U2 = βU2 .
 
α 0
Si f est l’endomorphisme canoniquement associé à M , sa matrice dans la base B est .
0 β
 
−1 α 0
Par la formule de changement de base, P MP = , qui est diagonale .
0 β

3. Si M ∈ M2 (R) vérifie M 2 + M = A alors, d’après ce qui précède,

 
2 −1 α 0
il existe (α, β) ∈ R tel que P M P = .
0 β
 2 
α 0
Donc P −1 M 2 P = P −1 M |P P −1
M P = (P −1
M P )2
= et, dans ce cas, on a :
{z } 0 β2
=I2

α2 0
    
−1 α 0 −1 2 0
2
M + M = A ⇐⇒ P P +P P =P P −1
0 β2 0 β 0 6
 2     
−1 α 0 α 0 −1 −1 2 0
⇐⇒ P P 2 + P P =P P P −1 P
0 β 0 β 0 6
 2   
α +α 0 2 0
⇐⇒ 2 =
0 β +β 0 6

⇐⇒ α2 + α = 2 et β 2 + β = 6

⇐⇒ α ∈ {−2, 1} et β ∈ {−3, 2}.

Lycée Jean Perrin Page 6/17 Marseille

Maths en PT* Année 2024 - 2025

L’équation matricielle M 2 + M = A admet donc 4 solutions dans M2 (R), qui sont :

   
−2 0 −1 −2 0
M1 = P P , M2 = P P −1
0 −3 0 2
   
1 0 −1 1 0
M3 = P P , M2 = P P −1
0 −3 0 2
 
−1 1 1 −3
Comme P = , on obtient, après quelques calculs :
−4 −1 −1

− 11 − 43 7 3
!     !
4 1 3 −2 −3 4 4
M1 = , M2 = , M3 = , M4 = .
− 41 − 49 1 −1 −1 0 1 5
4 4

Exercice 4 : endomorphismes de C - d’après oral II 2018 [énoncé]

1. On considère C = {z = x + iy, (x, y) ∈ R2 } = Vect(1, i), comme R-e.v. de dimension 2.

En effet, ∀(x, y) ∈ R2 , x + iy = 0 =⇒ x = y = 0 donc B = (1, i) est libre et une base de C.
• Soit (a, b) ∈ C. Pour tous z, z 0 ∈ C et tout λ ∈ R, on a : fa,b (z) = az + bz ∈ C, λ = λ et

fa,b (z + λz 0 ) = a(z + λz 0 ) + bz + λz 0 = az + λaz 0 + bz + λbz 0 = fa,b (z) + λfa,b (z 0 ).

Donc fa,b ∈ LR (C), ∀(a, b) ∈ C. Donc {fa,b , (a, b) ∈ C2 } ⊂ E = LR (C).

• Soit f ∈ E = LR (C). On cherche si il existe (a, b) ∈ C2 tel que f = fa,b .

Comme f et fa,b sont linéaires sur C, elles sont égales ssi elles coı̈ncident sur la base (1, i). Or,

 a = f (1)−if (i)
( (
fa,b (1) = f (1) a + b = f (1) 2
⇐⇒ ⇐⇒ .
fa,b (i) = f (i) ai − bi = f (i) f (1)+if (i)
 b= 2

Donc, pour tout f ∈ LR (C), il existe (a, b) ∈ C2 tel que f = fa,b . Donc E ⊂ {fa,b , (a, b) ∈ C2 }.

Par double inclusion, on a E = {fa,b , (a, b) ∈ C2 } .

2. Soit (a, b) ∈ C2 . On a : fa,b (1) = a + b = [Re(a) + Re(b)] + i[Im(a) + Im(b)] et

fa,b (i) = ai − bi = [Im(b) − Im(a)] + i[Re(a) − Re(b)].

 
Re(a) + Re(b) Im(b) − Im(a)
Donc Ma,b = MatB (fa,b ) = et on a :
Im(a) + Im(b) Re(a) − Re(b)

tr(fa,b ) = 2Re(a) et det(fa,b ) = Re(a)2 − Re(b)2 + Im(a)2 − Im(b)2 = |a|2 − |b|2 .

Lycée Jean Perrin Page 7/17 Marseille

Maths en PT* Année 2024 - 2025

3. fa,b a pour polynôme caractéristique χfa,b (X) = X 2 − tr(fa,b )X + det(fa,b ),

du second degré, de discriminant : ∆ = tr(fa,b )2 − 4 det(fa,b ) = 4 |b|2 − Im(a)2 .

• Si |b| < |Im(a)|, alors ∆ < 0 et χfa,b (X) n’est pas scindé dans R.
Dans ce cas, fa,b ∈ LR (C) n’est pas diagonalisable.
• Si |b| > |Im(a)|, alors ∆ > 0 et χfa,b (X) est scindé à racines simples dans R.
Dans ce cas, fa,b ∈ LR (C) est diagonalisable.
• Si |b| = |Im(a)|, alors ∆ = 0 et χfa,b (X) = (X − Re(a))2 est scindé dans R.
Dans ce cas, Sp(fa,b ) = {Re(a)} et fa,b ∈ LR (C) est diagonalisable ssi

Re(a) + Re(b) = Re(a) 
 Re(b) = 0


Im(b) − Im(a) = 0

Ma,b = Re(a)I2 ⇐⇒ ⇐⇒ Im(b) = 0 ⇐⇒ |b| = |Im(a)| = 0.
Im(a) + Im(b) = 0
Im(a) = 0

 
Re(a) − Re(b) = Re(a)


En conclusion, fa,b ∈ LR (C) est diagonalisable ssi |b| > |Im(a)| ou (a ∈ R et b = 0) .

Exercice 5 : système dynamique récurrent d’ordre 1 en dimension 3 [énoncé]

1. Calculons le polynôme caractéristique de la matrice associée à ce système dynamique :

X +1 −1 −1 X −1 −1 −1
χA (X) = −1 X +1 −1 = X −1 X +1 −1
C1 ←C1 +C2 +C3
−1 −1 X +1 X −1 −1 X +1

X −1 −1 −1
= 0 X +2 −1 = (X − 1) (X + 2)2 .
L2 ←L2 −L1
L3 ←L3 −L1 0 0 X +2

Donc A a pour valeurs propres 1 et −2 de multiplicités respectives m(1) = 1 et m(−2) = 2 .

Le calcul des sous-espaces propres E1 (A) = Ker(I3 − A) et E−2 (A) = Ker(−2I3 − A) donne :
     
1 1 1
E1 (A) = Vect  1  et E−2 (A) = Vect  −1  ,  1  (à faire).
1 0 −2

χA est scindé et ∀λ ∈ Sp(A), dim(Eλ (A)) = m(λ). Donc A est diagonalisable et on a :

A = P DP −1 , où
   
1 1 1 1 0 0
P =  1 −1 1  et D =  0 −2 0  .
1 0 −2 0 0 −2

On montre par récurrence que ∀n ∈ N, An = P Dn P −1 (à faire).

 
1/3 1/3 1/3
Par l’algorithme de Gauss-Jordan, P −1 =  1/2 −1/2 0 . Donc
1/6 1/6 −1/3
   
1 1 1 1 0 0 1/3 1/3 1/3
An =  1 −1 1   0 (−2)n 0   1/2 −1/2 0 .
1 0 −2 0 0 (−2) n 1/6 1/6 −1/3

Lycée Jean Perrin Page 8/17 Marseille

Maths en PT* Année 2024 - 2025

1 1 1
1 − (−2)n+1 n (1 − (−2)n )


3 3 (1 − (−2) )
3
n 1 n 1 n+1 1
A =  3 (1 − (−2) ) 3 1 − (−2) 3 (1 − (−2)n )

1 n 1 n 1
3 (1 − (−2) ) 3 (1 − (−2) ) 3 1 − (−2)n+1
 
un
Si on pose Xn =  vn , on a : ∀n ∈ N, Xn+1 = AXn .
wn
Par récurrence, ∀n ∈ N, Xn = An X0 (à faire). Donc
 u0
1 − (−2)n+1 + v0 +w (1 − (−2)n )


u = 0
 n 3 3


v0
1 − (−2)n+1 + u0 +w (1 − (−2)n ) .


∀n ∈ N, vn = 3 3
0

w0
1 − (−2)n+1 + u0 +v (1 − (−2)n )


wn = 0

3 3

Exercice 9 : racines carrées d’une matrice 3 × 3 trigonalisable - d’après oral II 2023 [énoncé]

X −1 0 0
1. χA (X) = 0 X −2 1 = (X − 1)(X 2 − X) = X(X − 1)2 . Donc Sp(A) = {0, 1}.
2 −2 X +1
         
x 0  x=0  x=0 x 0
A  y  =  0  ⇐⇒ 2y − z = 0 ⇐⇒ y = y ⇐⇒  y  = y  1  .
z 0 −2x + 2y − z = 0 z = 2y z 2
 
| {z }
=u1
         
x x  x=x  x=0 x 0
A  y  =  y  ⇐⇒ y−z =0 ⇐⇒ y = y ⇐⇒  y  = y  1  .
z z −2x + 2y − 2z = 0 z=y z 1
 
| {z }
=u2

χA étant scindé dans R, A est trigonalisable mais pas diagonalisable car dim(E1 (A)) = 1 < 2,
multiplicité de la valeur propre 1. A est donc semblable à une matrice triangulaire T dont les
coefficients diagonaux sont les valeurs propres de A comptées avec multiplicité.
Soit B = (e1 , e2 , e3 ) la base canonique de R3 . det(u1 , u2 , e1 ) = −1 6= 0, donc B 0 = (u1 , u2 , e1 )
B
est une base de R3 telle que Au1 = 0R3 , Au2 = u2 et

 1=1 
x = −y
Ae1 = xu1 + yu2 + e1 ⇐⇒ 0=x+y ⇐⇒ , soit Ae1 = −2u1 + 2u2 + e1 .
y=2
−2 = 2x + y


   
0 0 −2 0 0 1
On a donc A = P T P −1 , avec T =  0 1 2  et P =  1 1 0  .
0 0 1 2 1 0

Lycée Jean Perrin Page 9/17 Marseille

Maths en PT* Année 2024 - 2025

 
a b c
2. Soit M =  d e f  ∈ M3 (R). Alors M T = T M ssi
g h i

0 = −2g






 b = −2h



 −2a + 2b + c = −2i   
0 = d + 2g  b=d=g=h=0 a 0 2a − 2e



e = e + 2h ⇐⇒ c = 2a − 2e ⇐⇒ M =  0 e f .
−2d + 2e + f = f + 2i i=e 0 0 e

 


0=g







 h=h

−2g + 2h + i = i

3. Soit M ∈ M3 (R) telle que AM = M A. Si X est un vecteur propre de A, alors il existe

λ ∈ Sp(A) tel que AX = λX et on a :

A(M X) = M (AX) = M (λX) = λ(M X).

Donc M X ∈ Eλ (A) = Vect(X), car dim(Eλ (A)) = 1 (droite vectorielle) et X ∈ Eλ (A)\{0R3 }.

Donc M X est colinéaire à X non nul et X est aussi un vecteur propre de M .
Finalement, si AM = M A alors tout vecteur propre de A est vecteur propre de M .

4. Analyse : Si M vérifie M 2 = A alors M A = M 3 = AM . On pose Γ = P −1 M P et on a :

M A = AM =⇒ P ΓP −1 P T P −1 = P T P −1 P ΓP −1 =⇒ ΓT = T Γ.
P −1 P =I3
 
a 0 2a − 2e
Donc, d’après la question 2., M = P ΓP −1 , avec Γ de la forme  0 e f .
0 0 e
Remarque : On obtient ainsi que M u1 = au1 et M u2 = eu2 , et on en déduit que tout vecteur
propre de A, qu’il soit dans E0 (A) = Vect(u1 ) ou dans E1 (A) = Vect(u2 ), est aussi vecteur
propre de M (on peut aussi écrire cela à la question 3. et gagner du temps).
 
a 0 2a − 2e
Synthèse : Si M = P ΓP −1 , avec Γ =  0 e f  alors on a :
0 0 e
 2
a =0 
 a=0

 2
 2
2a − 2e = −2
M 2 = A ⇐⇒ P Γ2 P −1 = P T P −1 ⇐⇒ Γ2 = T ⇐⇒ ⇐⇒ e = ±1
e2 = 1
f = 1/e

 
2ef = 2


   
0 0 −2 0 0 2
On trouve deux solutions : M = P ΓP −1 , avec Γ =  0 1 1  ou Γ =  0 −1 −1  .
0 0 1 0 0 −1

Il reste à calculer P −1 par Gauss-Jordan, puis M = P ΓP −1 dans chaque cas (à faire).

Lycée Jean Perrin Page 10/17 Marseille

Maths en PT* Année 2024 - 2025

Exercice 12 : diagonalisation et puissances d’une matrice 4 × 4 - d’après oral II 2024 [énoncé]

En développant par rapport à la première colonne, on a :

X 0 0 1
0 X −1 0
χA (X) = = X × X(X 2 + 1) − (−1) × 1(X 2 + 1) = (X 2 + 1)2 = (X − i)2 (X + i)2 .
0 1 X 0
−1 0 0 X

χA n’est pas scindé dans R donc A n’est pas digonalisable dans R.

χA est scindé dans C, Sp(A) = {±i} et mi = m−i = 2 (multiplicités).
          
x x 
 −t = ix x 1 0
 y   y z = iy y 0  +y  1  .
       
A  ⇐⇒ ⇐⇒ 
 z  = i z
   = x
 
 −y = iz  z   0   i 
t t x = it t −i 0

| {z } | {z }
=u1 =u2
          
x x 
 −t = −ix x 1 0
 y  y  z = −iy  y
 = x  0  +y  1
      
 z  = −i 
A    ⇐⇒ ⇐⇒  .
z   −y = −iz

 z   0   −i 
t t x = −it t i 0

| {z } | {z }
=u3 =u4

Ei (A) = Vect(u1 , u2 ), avec u1 et u2 non colinéaires donc dim(Ei (A)) = 2 = mi .

E−i (A) = Vect(u3 , u4 ), avec u3 et u4 non colinéaires donc dim(E−i (A)) = 2 = m−i .

Donc A est diagonalisable dans C .

   
i 0 0 0 1 0 1 0
0 i 0 0  0 1 0 1
Plus précisément, A = P DP −1 , avec D = 
   
 0 0 −i 0  et P =  0 i 0 −i
 .

0 0 0 −i −i 0 i 0

A0 = I4 , A1 = A, A2 = −I4 , A3 = −A ...
Si A2p = (−1)p I4 alors A2(p+1) = (−1)p A2 = (−1)p+1 I4 .
Si A2p+1 = (−1)p A alors A2(p+1)+1 = (−1)p A3 = (−1)p+1 A.

(−1)p I4 si
(
n
n = 2p
Donc, par récurrence, pour tout n ∈ N, A = .
(−1)p A si n = 2p + 1

A(−A) = (−A)A = −A2 = I4 donc A est inversible, d’inverse A−1 = −A. Donc pour tout p ∈ N,
A−2p = (A−1 )2p = (−A)2p = A2p = (−1)p I4 et A−(2p+1) = (−A)2p+1 = −A2p+1 = (−1)p+1 A.

(−1)p I4 si
(
n = 2p
Donc pour tout n ∈ N, A−n = .
p+1
(−1) A si n = 2p + 1

Lycée Jean Perrin Page 11/17 Marseille

Maths en PT* Année 2024 - 2025

Exercice 16 : matrice 5 × 5 circulante - d’après oral II 2021 [énoncé]

1. On calcule K × C(a0 , a1 , a2 , a3 , a4 ) =
     
0 1 0 0 0 a0 a1 a2 a3 a4 a4 a0 a1 a2 a3
 0 0 1 0 0   a4 a0 a1 a2 a3   a3 a4 a0 a1 a2 
     
 0 0 0 1 0  ·  a3 a4 a0 a1 a2 = a2 a3 a4 a0 a1 .
     
 0 0 0 0 1   a2 a3 a4 a0 a1   a1 a2 a3 a4 a0 
1 0 0 0 0 a1 a2 a3 a4 a0 a0 a1 a2 a3 a4

Donc on a bien C(a4 , a0 , a1 , a2 , a3 ) = K × C(a0 , a1 , a2 , a3 , a4 ) .

Remarque : K est une matrice de permutation. Multiplier à gauche par K permute les lignes
L1 ↔ L2 puis L2 ↔ L3 , puis L3 ↔ L4 puis L4 ↔ L5 , de manière à placer la première ligne en
dernier en faisant remonter les autres. De même, on a :
   
0 0 1 0 0 0 0 0 1 0
 0 0 0 1 0   0 0 0 0 1 
2 3 2
   
K = KK =  0 0 0 0 1  , K = KK = 
 
 1 0 0 0 0 ,

 1 0 0 0 0   0 1 0 0 0 
0 1 0 0 0 0 0 1 0 0
   
0 0 0 0 1 1 0 0 0 0
 1 0 0 0 0   0 1 0 0 0 
4 3 5 4
   
K = KK =  0 1 0 0 0  , K = KK = 
 
 0 0 1 0 0  = I5 . Donc

 0 0 1 0 0   0 0 0 1 0 
0 0 0 1 0 0 0 0 0 1
   
0 0 0 0 a4 0 0 0 a3 0
 a4 0 0 0 0   0 0 0 0 a3 
4 3 2
   
a4 K + a3 K + a2 K + a1 K + a0 I5 =   0 a4 0 0 0  +  a3 0 0 0 0 
  
 0 0 a4 0 0   0 a3 0 0 0 
0 0 0 a4 0 0 0 a3 0 0
     
0 0 a2 0 0 0 a1 0 0 0 a0 0 0 0 0
 0 0 0 a2 0   0 0 a1 0 0   0 a0 0 0 0 
     
+ 0 0 0 0 a2
 +  0 0 0 a1 0  +  0 0 a0 0 0  .
    
 a2 0 0 0 0   0 0 0 0 a1   0 0 0 a0 0 
0 a2 0 0 0 a1 0 0 0 0 0 0 0 0 a0
 
a0 a1 a2 a3 a4
 a4 a0 a1 a2 a3 
4 3 2
 
Donc a4 K + a3 K + a2 K + a1 K + a0 I5 = 
 a3 a4 a0 a1 a2  = C(a0 , a1 , a2 , a3 , a4 ) .

 a2 a3 a4 a0 a1 
a1 a2 a3 a4 a0

2. On calcule le polynôme caractéristique de K en développant par rapport à la première colonne :

X −1 0 0 0
0 X −1 0 0
χK (X) = 0 0 X −1 0
0 0 0 X −1
−1 0 0 0 X

X −1 0 0 −1 0 0 0
0 X −1 0 X −1 0 0
= (−1)1+1 X + (−1)5+1 (−1) = X 5 − 1.
0 0 X −1 0 X −1 0
0 0 0 X 0 0 X −1

Lycée Jean Perrin Page 12/17 Marseille

Maths en PT* Année 2024 - 2025

2π
Si on pose ω = ei 5 alors on a : Sp(K) = {1, ω, ω 2 , ω 3 , ω 4 } (racines 5-ièmes de l’unité) .

3. Le polynôme caractéristique de K est scindé dans C à racines simples.

Donc K est diagonalisable dans C et ses sous-espaces propres sont de dimension 1 (droites).
   
1 1

 1 


 1 

Si U1 = 
 1  alors KU1 = U1 . Donc E1 (K) = Vect(U1 ), où U1 = 
  1 
 . De plus,
 1   1 
1 1
    
x 
 y = ωx 1
y z = ωy ω
  
  
    2 
U =   ∈ Eω (K) ⇐⇒
  z t = ωz ⇐⇒ U = x  ω 

 . Donc
ω 5 =1  ω3 
t s = ωt
  



s x = ωs ω4


   
1 1
 ω   ω2 
 2   4 
 
 ω ,
Eω (K) = Vect(U2 ), où U2 =  ω  . De même, Eω2 (K) = Vect(U3 ), où U3 =  
 ω3   ω 
ω 4 ω3
   
1 1

 ω3 


 ω4 

Eω3 (K) = Vect(U4 ), où U4 = 
 ω  et Eω4 (K) = Vect(U5 ), où U5 = 
  ω3 .

 ω4   ω2 
ω2 ω

Donc B = (U1 , U2 , U3 , U4 , U5 ) est une base de R5 formée de vecteurs propres de K et, par la
formule de changement de base, on a :
   
1 1 1 1 1 1 0 0 0 0
 1 ω ω2 ω3 ω4   0 ω 0 0 0 
K = P DP −1 , où P = 
 2 4
  
 1 ω ω ω ω3  et D = 
  0 0 ω2 0 0 .

 1 ω3 ω ω4 ω2   0 0 0 ω3 0 
1 ω4 ω3 ω2 ω 0 0 0 0 ω4
Ainsi, on obtient :
C(a0 , a1 , a2 , a3 , a4 ) = a4 K 4 + a3 K 3 + a2 K 2 + a1 K + a0 I5

= a4 P D4 P −1 + a3 P D3 P −1 + a2 P D2 P −1 + a1 P DP −1 + a0 P I5 P −1

= P (a4 D4 + a3 D3 + a2 D2 + a1 D + a0 I5 )P −1 ,
| {z }
=D1

où D1 est diagonale, de coefficients diagonaux λ1 = a4 + a3 + a2 + a1 + a0 ,

λ2 = a4 ω 4 + a3 ω 3 + a2 ω 2 + a1 ω + a0 , λ3 = a4 ω 3 + a3 ω + a2 ω 4 + a1 ω 2 + a0 ,

λ4 = a4 ω 2 + a3 ω 4 + a2 ω + a1 ω 3 + a0 , λ5 = a4 ω + a3 ω 2 + a2 ω 3 + a1 ω 4 + a0 .
Donc C(a0 , a1 , a2 , a3 , a4 ) est diagonalisable, de valeurs propres λ1 , λ2 , λ3 , λ4 , λ5 ,

de sous-espaces propres respectivement associés E1 (K), Eω (K), Eω2 (K), Eω3 (K) et Eω4 (K) .

Lycée Jean Perrin Page 13/17 Marseille

Maths en PT* Année 2024 - 2025

Exercice 18 : réduction d’un endomorphisme de Rn [X] [énoncé]

1. Pour tout P ∈ Rn [X], on a : deg(P ) ≤ n, deg(P 0 ) ≤ n − 1, deg(P 00 ) ≤ n − 2,

donc deg((2X − 1)P 0 ) ≤ n, deg((X 2 − X − 2)P 00 ) ≤ n et donc

deg(ϕ(P )) = deg((2X − 1)P 0 + (X 2 − X − 2)P 00 ) ≤ n.

Ainsi, ∀P ∈ Rn [X], ϕ(P ) ∈ Rn [X] .

Pour tous P, Q ∈ Rn [X] et tout λ ∈ R, par linéarité de la dérivation, on a :

ϕ(P + λQ) = (2X − 1)(P + λQ)0 + (X 2 − X − 2)(P + λQ)00

= (2X − 1)(P 0 + λQ0 ) + (X 2 − X − 2)(P 00 + λQ00 )

= (2X − 1)P 0 + (X 2 − X − 2)P 00 + λ[(2X − 1)Q0 + (X 2 − X − 2)Q00 ]

= ϕ(P ) + λϕ(Q).

Donc ϕ est linéaire de Rn [X] dans Rn [X] et donc ϕ ∈ L (Rn [X]) .

2. Soit B = (X k )k∈[[0,n]] , la base canonique de Rn [X].

On a : ϕ(1) = 0, ϕ(X) = 2X − 1 et pour tout k ∈ [[2, n]],

ϕ(X k ) = k(2X −1)X k−1 +k(k −1)(X 2 −X −2)X k−2 = (k 2 +k)X k −k 2 X k−1 −2(k 2 −k)X k−2 .
 
0 −1 −4 0 ··· 0
.. . .. ..
. 2 −4 . .
 

 . . 

 .. .. .. 
 . 0 6 . . 0 
Donc A =  .. .. .. .. ..
 , qui est triangulaire supérieure.
. −2n2 + 2n
 
 . . . . 
.. ..
 
.. ..
. . −n2
 
 . . 
0 0 ··· ··· 0 n2 + n

3. Donc le polynôme caractéristique de ϕ s’écrit :

n
Y
χϕ (X) = χA (X) = X(X − 2)(X − 6) · · · (X − (n2 + n)) = (X − (k 2 + k)).
k=0

Les valeurs propres de ϕ sont les racines de χϕ (X) donc les λk = k 2 + k, k ∈ 0, n .

 

χA (X) étant scindé dans R à racines simples, A est daigonalisable dans Mn+1 (R) .

4. Si λk = k 2 + k, on a bien λ0 < λ1 < · · · < λn .

m
X
Soit P = ai X i ∈ Rn [X] de degré m ≥ 1 (am 6= 0). Par linéarité de ϕ, on a :
i=0

m
X
ai ϕ(X i ), et deg(ϕ(X i )) = i si i ∈ 1, m (d’après la question 2.).
 
ϕ(P ) = a0 ϕ(1) +
|{z}
=0 i=1

Donc le coefficient dominant de ϕ(P ) est celui de am ϕ(X m ), c’est à dire am (m2 + m).

Lycée Jean Perrin Page 14/17 Marseille

Maths en PT* Année 2024 - 2025

Si P est un vecteur propre associé à la valeur propre λk alors ϕ(P ) = λk P et, par identification
des coefficients dominants, on a :

am (m2 + m) = am (k 2 + k) ⇐⇒ m2 + m = k 2 + k.
am 6=0

x 7→ x2 + x est bijective continue strictement croissante de R+ dans R+ donc k = m ≥ 1.

Il en découle que si P est un vecteur propre associé à la valeur propre λ0 = 0, il ne peut-être
que de degré 0 (constant non nul). De plus, pour tout k ∈ [[0, n]],

si P est un vecteur propre associé à la valeur propre λk alors deg(P ) = k .

5. Soit k ∈ [[0, n]]. D’après ce qui précède, il existe un vecteur propre Qk de degré k associé à la
valeur propre λk . Notons ak 6= 0 son coefficient dominant et posons Pk = a−1 k Qk .

Le polynôme Pk , étant non nul et colinéaire à Qk , est aussi un vecteur propre associé à λk .
De plus, Pk est unitaire (de coefficient dominant a−1 k ak = 1).

λk étant de multiplicité 1, l’espace propre associé est de dimension 1 et Eλk (ϕ) = Vect(Pk ).
Donc si P est un vecteur propre associé à λk distinct de Pk alors il existe α 6= 1 tel que
P = αPk , qui est de coefficient dominant α 6= 1. Ainsi, Pk est l’unique vecteur propre associé
à λk qui soit unitaire. Donc il existe

une unique famille (Pk )k∈[[0,n]] telle que Pk soit unitaire, de degré k et v.p. de ϕ associé à λk .

6. Pour cette question n = 3. deg(P0 ) = 0 et P0 est unitaire donc P0 = 1 .

deg(P1 ) = 1 et P1 est unitaire donc P1 = X + α, ϕ(P1 ) = ϕ(X) + αϕ(1) = 2X − 1 et
1
ϕ(P1 ) = λ1 P1 ⇐⇒ 2X − 1 = 2(X + α) ⇐⇒ α = − .
2

1
Donc P1 = X − . De même, P2 = X 2 + αX + β et ϕ(P2 ) = λ2 P2 ssi
2
 
2α − 4 = 6α α = −1
6X 2 + (2α − 4)X − α − 4 = 6(X 2 + αX + β) ⇐⇒ ⇐⇒ .
−α − 4 = 6β β = − 21

1
Donc P2 = X 2 − X − . De même, P3 = X 3 + αX 2 + βX + γ et ϕ(P3 ) = λ3 P3 ssi
2

12X 3 + (6α − 9)X 2 + (2β − 4α − 12)X − β − 4α = 12(X 3 + αX 2 + βX + γ)

= − 32
 
 6α − 9 = 12α  α
⇐⇒ 2β − 4α − 12 = 12β ⇐⇒ β = − 35 .
−β − 4α = 12γ γ = 11
 
20

3 3 11
Donc P3 = X 3 − X − X 2 + .
2 5 20
Remarque : pour la recherche des vecteurs propres Pi , on peut utiliser la matrice A.

Lycée Jean Perrin Page 15/17 Marseille

Maths en PT* Année 2024 - 2025

Exercice 19 : réduction d’un endomorphisme de Rn [X] - d’après oral II 2021 [énoncé]

1. Si P ∈ E = Rn [X], alors on a : deg(P ) ≤ n, donc deg((X 2 + 1)P ) ≤ n + 2 et donc

deg(ϕ(P )) = deg(((X 2 + 1)P )00 ) ≤ n + 2 − 2 = n.
Donc ∀P ∈ E, ϕ(P ) ∈ E. De plus, si P, Q ∈ E et λ ∈ R, on a :
ϕ(P + λQ) = ((X 2 + 1)(P + λQ))00

= ((X 2 + 1)P + λ(X 2 + 1)Q)00

= ((X 2 + 1)P )00 + λ((X 2 + 1)Q)00 par linéarité de la dérivation

= ϕ(P ) + λϕ(Q).
Donc ϕ est linéaire de E dans E, et donc ϕ ∈ L (E) .

2. ϕ(1) = (X 2 + 1)00 = 2, ϕ(X) = (X 3 + X)00 = 6X et pour k ≥ 2, on a :

ϕ(X k ) = (X k+2 + X k )00 = (k + 2)(k + 1)X k + k(k − 1)X k−2 .
 
2 0 2 0 ··· 0
 .. .. 
 0 6
 0 6 . . 

 .. . . .. .. 
 . . 12 . . 0 
Donc M = MatBC (ϕ) =  .. .. .. ..
.

 . . . . n(n − 1) 
 ..
 
.. ..
. .

 . 0 
0 ··· ··· ··· 0 (n + 2)(n + 1)

n
Y
3. det(ϕ) = (k + 2)(k + 1) 6= 0 donc ϕ est bijective .
k=0
n
Y
χϕ (X) = (X − (k + 2)(k + 1)) est scindé à racines simples dans R. Donc ϕ est diagonalisable .
k=0

4. On pose λi = (i + 2)(i + 1). Ainsi, λ0 < λ1 < . . . < λn sont les valeurs propres de ϕ.
Soit Pi ∈ E non nul tel que ϕ(Pi ) = λi Pi (Pi est un vecteur propre de ϕ associé à λi ).
Notons k le degré de Pi et ak 6= 0 son coefficient dominant. D’après la question 2. et par linéa-
rité de ϕ, le terme de plus haut degré de ϕ(Pi ) est ak λk X k , alors que celui de λi Pi est ak λi X k .
Les valeurs propres étant distinctes, cela n’est possible que si k = i. Donc deg(Pi ) = i .

Exercice 21 : réduction en dimension 3 - d’après Mines-Télécom 2022 [énoncé]

1. Soit u ∈ Im(f ) ∩ Ker(f ). Il existe v ∈ R3 tel que u = f (v) et f (u) = f 2 (v) = 0R3 .
Comme f 3 = −f , on a :
f 3 (v) = f (0R3 ) = 0R3 = −f (v) = −u, donc u = 0R3 .
linéarité

Ainsi, Im(f ) ∩ Ker(f ) = {0R3 }.

R3 est de dimension finie donc, par le théorème du rang, dim(R3 ) = dim(Im(f )) + dim(Ker(f )).

Donc R3 = Im(f ) ⊕ Ker(f ) (d’après la formule de Grassmann).

Lycée Jean Perrin Page 16/17 Marseille

Maths en PT* Année 2024 - 2025

2. Soit λ ∈ Sp(f ). Il existe u ∈ R3 non nul tel que f (u) = λu. Donc

f 2 (u) = λf (u) = λ2 u et f 3 (u) = λ2 f (u) = λ3 u.

linéarité linéarité

Comme f 3 (u) + f (u) = 0R3 , on a : λ3 u + λu = (λ3 + λ)u = 0R3 , avec u non nul.

Ainsi, si λ est valeur propre de f alors λ3 + λ = 0 .

λ3 + λ = λ(λ + i)(λ − i) donc l’unique valeur propre réelle possible de f est 0.

Donc, f est digonalisable (dans R) ssi f = 0L (R3 ) .

3. Si u ∈ Im(f ), il existe v ∈ R3 tel que u = f (v), donc (f 2 + idR3 )(u) = f 3 (v) + f (v) = 0R3 et
donc u ∈ Ker(f 2 + idR3 ).
Si u ∈ Ker(f 2 + idR3 ), f 2 (u) + u = 0R3 , donc u = −f 2 (u) = f (−f (u)) ∈ Im(f ).
linéarité

Par double inclusion, on a : Im(f ) = Ker(f 2 + idR3 ) .

Si f 6= 0L (R3 ) , il existe u ∈ Im(f ) non nul et, comme Im(f ) = Ker(f 2 + idR3 ), f 2 (u) = −u.
On note u3 ce vecteur et on pose u2 = f (u3 ). Ainsi, f (u2 ) = f 2 (u3 ) = −u3 et f (u3 ) = u2 .
Si u2 est nul alors f (u2 ) = 0R3 = −u3 : absurde car u3 est non nul ! Donc u2 n’est pas
linéarité
nul.
Si u2 et u3 sont colinéaires alors il existe un réel λ non nul tel que u2 = λu3 = f (u3 ) : absurde
car 0 est la seule valeur propre réelle possible ! Donc (u2 , u3 ) est libre dans Im(f ).
Par le théorème de la base incomplète, on peut compléter cette famille en une base B 0 =
(u1 , u2 , u3 ) de R3 et on a :
 
a 0 0
MatB0 (f ) =  b 0 1  , avec a, b, c ∈ R, donc χf (X) = (X − a)(X 2 + 1).
c −1 0

Donc f admet a pour valeur propre réelle et, d’après 2., a = 0. Donc E0 (f ) = Ker(f ) est non
nul et on peut choisir u1 dans Ker(f ), car R3 = Ker(f ) ⊕ Im(f ). Ainsi, on a : f (u1 ) = 0R3 et
1.

 
0 0 0
MatB0 (f ) =  0 0 1  .
0 −1 0

Lycée Jean Perrin Page 17/17 Marseille