MP⋆ 2024/2025 Chapitre V – Indications des exercices

Exercices du chapitre V (Réduction des endomorphismes) – Indications

L’icône « (A) » indique que les documents Méthodes donnent des conseils plus généraux.
La lettre « C » indique que la Banque des Cent contient ou contiendra des exercices analogues.

Révisions et approfondissements
Exercice 1. (Espaces vectoriels quotients)
1. Puisque la structure de groupe quotient est déjà définie, il suffit de vérifier que si x̄ = x̄′ alors : ∀λ ∈ K,
λx = λx′ . Immédiat par stabilité de F par multiplication externe.
2. Prendre une base d’un supplémentaire de F dans E et vérifier qu’elle est libre et génératrice modulo F . Pour
l’indépendance linéaire : se souvenir qu’être nul modulo F équivaut à appartenir à F . Pour l’aspect générateur :
d’abord décomposer un vecteur dans la somme E = F + G et réduire modulo F .
3. Utiliser le théorème d’isomorphisme et la question précédente.
4. Par le théorème de factorisation, la projection canonique E → E/G induit une application surjective E/F →
E/G. Noter que l’hypothèse dimensionnelle implique son injectivité : l’utiliser pour obtenir F = G.
5. Utiliser le théorème de factorisation et le fait que E/H soit de dimension 1 : deux vecteurs de cet espace vectoriel
sont toujours liés.
6. Montrer que u induit une application linéaire surjective de im(v) dans im(u◦v)/im(u◦v ◦w). Utiliser le théorème
de factorisation puis le fait que l’image d’une application linéaire soit nécessairement de dimension plus petite
que celle de départ.

Exercice 2. (Diviseurs de zéro dans Mn (K)) Noter que AB = 0Mn (K) si et seulement si im(B) est inclus dans
ker(A). Cela donne une condition suffisante simple pour que A ne soit pas un diviseur de zéro. Cette condition est
nécessaire : si ker(A) ̸= {0}, comment construire B non nulle pour que son image soit bien incluse dans ker(A) ?
Conclure.
Exercice 3. (Formule d’inversion de Pascal)
1. Remarquer que c’est la matrice relativement à la base canonique d’un endomorphisme de Rn [X] très simple à
décrire et à inverser.
2. Réécrire l’identité de l’énoncé sous une forme matricielle grâce à la matrice de la question précédente.
3. Utiliser le fait que toute application linéaire soit une surjection sur son image pour en déduire une expression
reliant sn,k (le nombre de surjections recherché) et k n . Vous devez trouver une formule analogue à celle de la
question précédente, où le coefficient binomial découle du nombre de choix possibles de l’image.

⋆ Exercice 4. (Matrice à diagonale strictement dominante) Raisonner par contraposée : s’il existe X non nul
dans ker(A), regarder ligne à ligne ce que donne l’égalité AX = 0Mn,1 (K) . Pour avoir une inégalité comme celle de
l’énoncé, il faut se « débarrasser » des coordonnées de X dans ces égalités : comment les majorer (en valeur absolue)
pour y parvenir ?
Exercice 5.
1. Le cas où A est inversible est facile. Sinon : se souvenir de la définition des coefficients de la comatrice, et que
le rang de A est égal à la taille des plus grandes matrices extraites inversibles. Vous en déduisez une condition
simple sur le rang de A pour que la comatrice soit nulle. Il reste un dernier cas à traiter : utiliser une relation
de dépendance entre les colonnes de A pour en déduire une relation de dépendance entre les colonnes de la
comatrice de A.
2. Comparer les rangs montre que l’égalité est impossible sauf si A est nulle ou si A est inversible (de déterminant
1) et vérifie une certaine relation, aisément conséquence de la formule bien connue liant A et com(A)⊤ .

Exercice 6. Montrer que f (In ) = 1 et f (0Mn (K) ) = 0 grâce à l’identité de l’énoncé. Conclure que f (A) ̸= 0 pour A
inversible en raisonnant comme on le fait avec les morphismes de groupes. Ensuite : utiliser l’invariance du rang pour
montrer que si A n’est pas inversible, alors A est équivalente à une matrice B dont il est très facile de montrer que
f (B) = 0 en passant par f (B k ).

Exercice 7. Se souvenir que Ei,j Ek,ℓ s’exprime simplement en fonction de Ei,ℓ . En appliquant l’identité de l’énoncé
avec ces produits dans les deux sens, et en variant les choix de i, j, k et ℓ : montrer que f (Ei,j ) = 0 pour tous i et j
distincts, et que f (Ei,i ) = f (E1,1 ) pour tout i. Conclure par linéarité.
Il peut être utile de noter que, sans même utiliser l’hypothèse de l’énoncé, il existe A tel que f soit de la forme
M 7→ tr(AM ) (pour le montrer : montrer que l’application A 7→ (M 7→ tr(AM )) est une bijection de E dans L(E, K)).

⋆ Exercice 8. Pour le sens direct : écrire ce que signifie par définition l’existence d’un inverse dans Mn (Z) et prendre

1
 MP⋆ 2024/2025 Chapitre V – Indications des exercices

le déterminant dans cette égalité. Noter que le déterminant doit être un entier. Pour le sens réciproque : comment
exprimer explicitement M −1 en fonction de det(M ) et des coefficients de M (que l’on sait être entiers) ?
⋆ Exercice 9. Noter que dénombrer GLn (Z/pZ) revient à dénombrer les familles libres à n éléments de (Z/pZ)n , et
qu’une telle famille peut se construire pas à pas, en choisissant pour ie vecteur un vecteur qui n’est pas combinaison
linéaire des i − 1 précédents. Compter le nombre de combinaisons linéaires possibles de i − 1 vecteurs en se souvenant
que les scalaires sont dans Z/pZ. Conclure par principe multiplicatif.
Pour SLn (Z/pZ) : utiliser le théorème d’isomorphisme (ou sa version plus faible : le principe des bergers).
Exercice 10. D’abord montrer que G est isomorphe à un sous-groupe de Sp avec p = card(G) (exercice 36 du chapitre
iii). Passer ensuite par les matrices associées aux endomorphismes de K p définis sur la base canonique par ⃗ei 7→ ⃗eσ(i) ,
pour tout σ ∈ Sp , afin de construire un morphisme injectif de Sp dans GLp (K).

Exercice 11. Quand on élève au carré M , on se retrouve à devoir simplifier M N . On y parvient en

P P P
M ∈G M ∈G N ∈G
se souvenant que M 7→ M N est une permutation de G pour tout N ∈ G. Ensuite : utiliser le lien entre la trace et le
rang d’un projecteur.
⋆ Exercice 12. Écrire M = P N P −1 , et passer par les parties réelle et imaginaire pour obtenir l’existence de matrices
carrées réelles (non nécessairement inversibles) R et S telles que : M R = RN , M S = SN . Montrer alors qu’il existe
x ∈ R tel que R + xS soit inversible en utilisant la nature polynomiale de x 7→ det(R + xS). Il faudra justifier que
ce n’est pas une application polynomiale identiquement nulle, pour en déduire qu’il ne s’annule qu’un nombre fini de
fois sur C et donc sur R.
Exercice 13. (Une généralisation de l’exercice précédent)
1. Si f : Ld+1 → L est polynomiale, noter qu’on peut l’écrire : ∀⃗x ∈ Ld+1 , f (⃗x) = Pi (x1 , . . . , xd )xid+1 , afin de se
P
i
ramener à un polynôme à une variable (pour lequel on sait qu’il est nul sur K, qui est infini, si et seulement si
c’est le polynôme nul). Conclure par récurrence.
2. Si M = P N P −1 avec P ∈ GLn (L), décomposer les coefficients de P dans une  dK-basede L afin d’en déduire d
matrices Pi telles que pour tout i, on ait : M Pi = Pi N . Montrer que ⃗x 7→ det xi Pi n’est pas identiquement
P
i=1
nulle sur K d grâce à la question précédente, et conclure comme dans l’exercice 12.

Exercice 14. (Algèbres de dimension finie et polynômes annulateurs)

1. Montrer que K[f + g] et K[f ◦ g] sont inclus dans une K-algèbre ayant une partie génératrice finie, constituée
d’endomorphismes de la forme f i ◦ g j . S’inspirer éventuellement de l’exercice 85 du chapitre iv.
2. Noter que si A est une telle algèbre et si f ∈ A, alors R[f ] est de dimension finie. En déduire que f admet un
polynôme annulateur non nul, et raisonner sur le nombre de racines réelles de ce polynôme pour montrer que f
doit être constante. La continuité de f interviendra à ce moment.

Exercice 15. Le membre de gauche est une matrice symétrique : celui de droite doit l’être aussi. Décomposer A
comme somme d’une matrice symétrique et d’une matrice antisymétrique, puis identifier (pourquoi peut-on le faire ?).
Effectuer une distinction de cas selon que la trace de M soit nulle ou non : dans le second cas, noter que la trace de
A est imposée et que cette matrice doit être symétrique. En déduire que M est combinaison linéaire de A et d’une
matrice antisymétrique. Étudier la réciproque.

Exercice 16. Remarquer que M 7→ (A 7→ tr(AM )) est un isomorphisme de Mn (K) dans L(Mn (K), K), et qu’un
isomorphisme doit préserver les bases. Conclure en notant que la non inversibilité de la matrice ((tr(Ai Aj )))1⩽i,j⩽n2
équivaut à une relation de dépendance linéaire entre les formes linéaires M 7→ tr(M Aj ).
⋆ Exercice 17.
1. Noter que certaines inclusions sont toujours vraies sans la moindre hypothèse, et que le théorème du rang assure
alors de l’équivalence de deux de ces trois propriétés. Ensuite : si E = ker(f ) ⊕ im(f ), on peut au choix montrer
ker(f ) = ker(f 2 ) en notant que si ⃗x ∈ ker(f 2 ), alors f (⃗x) ∈ ker(f ) ∩ im(f ), ou montrer im(f ) = im(f 2 ) en
écrivant tout vecteur dans la somme E = ker(f ) ⊕ im(f ) et en considérant son image par f .
Pour l’implication réciproque : noter que le théorème du rang assure que seule la somme directe est à démontrer
(même si l’on pourrait s’en passer de ce théorème). Considérer ⃗y ∈ ker(f ) ∩ im(f ) et traduire l’appartenance à
ces deux ensembles.
2. Écrire explicitement tout vecteur ⃗x de E comme somme d’un vecteur de ker(f ) et d’un vecteur de im(f ) en
écrivant f (⃗x) = f 2 (⃗y ) avec ⃗y ∈ E (possible grâce aux hypothèses), et en voyant ce que cela implique comme
relation entre ⃗x et f (⃗y ).

⋆ Exercice 18. (Noyaux itérés)

2
 MP⋆ 2024/2025 Chapitre V – Indications des exercices

1. Facile dès qu’on traduit ce qu’on doit démontrer.

2. Étudier la monotonie de la suite des dimensions de ces noyaux.
3. Raisonner par récurrence. Remarquer que f n+2 (⃗x) = ⃗0 équivaut à f (⃗x) ∈ ker(f n+1 ).
4. S’inspirer de l’exercice 17.

⋆ Exercice 19. (La suite des noyaux itérés « s’essouffle ») Utiliser le théorème du rang avec une application
linéaire convenable de im(f n ) dans im(f n+1 ). Montrer que son noyau décroît grâce à l’exercice 18 et conclure.
Avec le théorème de factorisation (hors programme) c’est plus direct : construire une application linéaire injective
de ker(f n+2 )/ ker(f n+1 ) dans ker(f n+1 )/ ker(f n ).

Calculs de déterminant
✓ Exercice 20. Le premier déterminant doit vous faire penser à un déterminant usuel. Essayer de s’y ramener. Ensuite :
pour obtenir un déterminant sous forme factorisée, il s’agit de faire des opérations sur les lignes et colonnes de sorte
à n’obtenir que des coefficients nuls (sauf un) dans une ligne ou colonne, pour soit : 1° développer par rapport à cette
ligne ou colonne, afin d’avoir un nouveau facteur, 2° se ramener au déterminant d’une matrice triangulaire. Avant
d’utiliser la méthode du pivot (incontournable), guetter des simplifications naturelles : noter par exemple la présence
d’un coefficient en commun dans les 1re et 3e lignes du deuxième déterminant.

⋆ Exercice 21. Faire des opérations sur les lignes de A + xJ, de sorte à simplifier de nombreux x et majorer très
efficacement le degré de l’application polynomiale x 7→ det(A + xJ). Cela vous permet d’en déduire qu’un nombre fini
(et petit) d’évaluations connues suffit à reconstituer les coefficients du polynôme associé. Quels choix pertinents de x
nous ramènent à des déterminants simples à calculer.
Exercice 22. Développer par rapport à une ligne ou colonne convenable, pour reconnaître le même déterminant « en
plus petit ». La relation obtenue est une relation de récurrence linéaire d’ordre 2 à coefficients constants : on sait faire.
Pour vous éviter une distinction de cas fastidieuse, vous pouvez passer du cas où l’équation caractéristique admet
deux racines distinctes, au cas où elle en a une seule, par un argument de continuité. Le déterminant de cette matrice
est en effet une fonction continue de la variable θ (pourquoi ?).
⋆ Exercice 23. (Matrices circulantes)
1. Écrire C(a1 , . . . , an ) comme un polynôme en une matrice beaucoup plus simple à diagonaliser, dont on sait
calculer le polynôme caractéristique à l’œil nu (reconnaître une matrice « usuelle ») ou un polynôme annulateur
à l’œil nu (reconnaître une matrice dont l’endomorphisme canoniquement associé a une action très simple sur les
vecteurs de la base canonique). L’équation aux éléments propres se résout sans subtilité particulière, même si on
peut accélérer la résolution par un bon argument sur le rang. On en déduit que C(a1 , . . . , an ) est diagonalisable
n 2iπ
et que ses valeurs propres sont de la forme aj ω jk où ω = e n et k ∈ J0, n − 1K.
P
j=1
2. On sait diagonaliser cette matrice grâce à la question précédente. Utiliser ensuite le fait que le déterminant soit le
produit des valeurs propres. On peut simplifier les sommes en présence en passant par des sommes géométriques.

Exercice 24. Le plus ingénieux est de diagonaliser An en remarquant que c’est la matrice d’un endomorphisme
convenable de Rn [X]. Pour le trouver : la surdiagonale de 1, 2, 3, etc., n, doit vous faire penser à l’endomorphisme
de dérivation. De même pour la sous-diagonale, avec un ajustement du fait que les nombres soient ordonnés « dans le
mauvais sens ». C’est une multiplication par une puissance de X convenable qui justifie que cette suite de nombres
soit sur la sous-diagonale (penser à l’endomorphisme P 7→ XP ).
Une fois que vous avez identifié cet endomorphisme : trouver ses valeurs propres revient à résoudre une équation
différentielle linéaire du premier ordre, et plus précisément à déterminer à quelle condition ses solutions non nulles
sont bien polynomiales. On en déduit alors le déterminant de An en faisant le produit des valeurs propres.
⋆ Exercice 25.
1. Penser à une opération sur les lignes et colonnes qui ramènerait la matrice par blocs du membre de gauche à une
matrice triangulaire supérieure par blocs. Se souvenir que cela équivaut à une multiplication par une matrice
de dilatation ou de transvection convenable. Prendre le déterminant dans l’égalité qui en résulte.
2. Se ramener au cas précédent. Remplacer D par D − XIn , qui est inversible dans Mn (K(X)) (pourquoi ?).
Si K est un sous-corps de C, on peut alléger le côté conceptuel de ce raisonnement en notant que D − p1 In est
inversible pour presque tout p entier (pourquoi ?) et en prenant la limite quand p → +∞. Cela nécessite une
anticipation sur le chapitre de topologie.

Exercice 26. Montrer que ce déterminant est égal à det(A + iB) det(A − iB) = | det(A + iB)|2 grâce à desmultipli-

a b
cations par blocs convenables. Vous pouvez éventuellement puiser votre inspiration dans le cas des matrices
−b a
avec a et b réels : comment réduire une telle matrice ? Imiter alors les relations obtenues.

3
 MP⋆ 2024/2025 Chapitre V – Indications des exercices

Sommes directes, sous-espaces supplémentaires, sous-espaces stables

Exercice 27. Écrire la relation πf (f )(⃗x) = ⃗0 avec ⃗x ∈ F ou ⃗x ∈ G pour en déduire deux premières relations de
divisibilité entre ces trois polynômes. On trouve un multiple commun à deux polynômes, ce qui fournit une nouvelle
relation de divisibilité. En écrivant tout vecteur ⃗x dans la somme : E = F ⊕ G, montrer la relation de divisibilité en
sens contraire.

Exercice 28. Montrer que tout sous-espace vectoriel de dimension k − 1 est stable par f , en l’écrivant comme
intersection de deux sous-espaces vectoriels de dimension k. En réitérant, conclure que toute droite est stable par f .
Cela permet de déterminer f .
k
✓ Exercice 29. Décomposer un vecteur ⃗x ∈ Gi dans la somme directe E = Fi , et utiliser l’unicité de la décomposition
L
i=1
en somme directe, pour montrer l’inclusion Gi ⊆ Fi .
k
✓ Exercice 30. Composer l’égalité de l’énoncé par pj . Pour montrer la somme directe : si ⃗xi = ⃗0 avec les ⃗xi dans
P
i=1
im(pi ), se souvenir que les éléments dans l’image d’un projecteur sont des points fixes. Composer ensuite l’égalité par
un projecteur convenable pour éliminer tous les termes de la somme sauf un, et conclure aisément qu’il est nul. Cette
somme directe est facilement égale à E grâce à l’hypothèse de l’énoncé.
⋆ Exercice 31. Noter que la donnée d’une droite stable équivaut à l’existence d’un vecteur propre. Il suffit donc de
traiter le cas où il n’en existe pas. Noter que dans ce cas, (⃗x, f (⃗x)) est libre pour tout ⃗x non nul et que cette famille
engendre donc un plan, mais que sa stabilité n’est vraie que si (⃗x, f (⃗x), f 2 (⃗x)) est liée. Montrer par l’absurde que si
cette famille est libre pour tout ⃗x non nul, alors P (f ) est inversible pour tout polynôme P de degré 1 ou 2, et en
déduire une absurdité grâce au lemme des noyaux appliqué à un polynôme convenable.
Exercice 32. Noter que le lemme des noyaux fournit des sous-espaces stables par f et qui dépendent des facteurs
irréductibles de χf . Pour l’autre implication : se souvenir que χfF divise χf si F est stable par f .
⋆ Exercice 33. Montrer que f admet au moins une valeur propre complexe λ et que ker(f − λIdE ) est stable par g.
Conclure en considérant le polynôme caractéristique de l’endomorphisme induit par g sur ce sous-espace propre.

Exercice 34. (Racine carrée de la dérivation) Trouver un sous-espace vectoriel F de dimension finie stable
par d, sur lequel l’endomorphisme induit par d est nilpotent. Montrer que F est aussi stable par δ et que δ y
induit un endomorphisme nilpotent. Obtenir une contradiction en comparant son indice de nilpotence et celui de
l’endomorphisme induit par d sur F .

⋆ Exercice 35. Pour traiter cet exercice, il y a deux observations à avoir en tête : 1° l’image d’un espace vectoriel par un
endomorphisme non inversible ne peut qu’être plus petite strictement (en termes de dimension), 2° un endomorphisme
nilpotent n’est jamais inversible. Il suffit alors de noter que im(f1 ◦ · · · ◦ fn ) = im((f1 ◦ · · · ◦ fn−1 )|im(fn ) ) et de réitérer
pour avoir le résultat. Ne pas oublier l’hypothèse de commutativité : où sert-elle ?
Exercice 36. Comme E = ker(u − λIdE ), déterminer v ∈ C(u) revient exactement à déterminer v| ker(u−λIdE )
L
λ∈Sp(u)
pour toute valeur propre λ de u. Remarquer que les sous-espaces propres de u sont stables par v, et que la relation
v ◦ u = u ◦ v sur
Q ces sous-espaces montre que la donnée de v ∈ C(u) équivaut de manière bijective à la donnée d’un
élément de L(ker(u − λIdE )). Conclure en calculant la dimension de cet espace vectoriel.
λ∈Sp(u)
On peut aussi raisonner matriciellement (dans une base convenable de vecteurs propres de u) et montrer que la
matrice de v (dans cette même base) est diagonale par blocs par un argument de stabilité, où les blocs diagonaux
peuvent être choisis arbitrairement.
⋆ Exercice 37. Sens direct : si F est un sous-espace vectoriel de E, utiliser le théorème de la base incomplète avec une
base de F complétée avec une famille génératrice de vecteurs propres de f , !afin de construire un supplémentaire de F

stable par f . Sens réciproque : par l’absurde, si dim ker(f − λIdE ) < dim(E), on peut inclure cette somme
L
λ∈Sp(f )
directe dans un hyperplan de E, dont un supplémentaire stable par f doit être engendré par un vecteur propre de f .
En déduire une contradiction.
Exercice 38. S’inspirer de la résolution faite dans le cours, avec le lemme des noyaux, des équations différentielles
linéaires à coefficients constants. La principale difficulté est de montrer que si : ∀n ∈ N, un+1 − λi un = Pi (n)λni , avec
Pi un polynôme de degré au plus αi − 1, alors : ∀n ∈ N, un = Qi (n)λni , avec Qi un polynôme de degré au plus αi . Pour
contourner cette difficulté, un argument dimensionnel peut venir à la rescousse. Sans cet argument dimensionnel :
n−1
cela se ramène à savoir justifier que Pi (k) est un polynôme en n de degré au plus αi . Il suffit de savoir démontrer
P
k=0

4
 MP⋆ 2024/2025 Chapitre V – Indications des exercices

n−1
que c’est vrai de la somme k ℓ pour tout ℓ ⩽ αi − 1. C’est possible par récurrence et par un examen attentif de la
P
k=0
n−1
somme télescopique (k + 1)ℓ+1 − k ℓ+1 .
P

k=0

⋆ Exercice 39.
1. Pour montrer l’indication : produire des bases cycliques de ker(f ℓ ) pour tout ℓ (on a en effet vu en cours qu’un
tel endomorphisme est cyclique). Ensuite : si F est un sous-espace stable de dimension ℓ, noter que f induit sur
F un endomorphisme nilpotent, et utiliser la majoration de l’indice de nilpotence pour montrer : F ⊆ ker(f ℓ ).
Conclure par un argument dimensionnel.
2. Utiliser le lemme des noyaux avec le polynôme πf et l’endomorphisme induit par f sur F .
3. Montrer que πA = (X − 1)2 (X − 2)2 et utiliser la question précédente pour ramener l’étude des sous-espaces
stables à la recherche des sous-espaces stables d’endomorphismes nilpotents (ceux induits par f − Id et f − 2Id
sur les sous-espaces caractéristiques, où f est l’endomorphisme de M4,1 (R) canoniquement associé à A).

Espaces cycliques, matrices compagnons

⋆ Exercice 40. (A) Passer par la matrice compagnon de P . Si λ est une valeur propre de CP⊤ et X un vecteur propre
associé, la relation CP⊤ X = X donne une relation entre les coefficients ak et λ. Se débarrasser des coefficients de X
par une majoration convenable. S’inspirer si besoin de l’exercice 4.
⋆ Exercice 41. (Théorème de Kronecker) (A)
1. Regarder la trace de la matrice compagnon associée à P et de ses puissances. La trianguler préalablement.
2. Montrer que Pk est le polynôme caractéristique de (CP )k , dont les coefficients sont nécessairement entiers car
c’est le cas de P .
3. Si les λi sont de module 1, alors les relations coefficients-racines assurent que les coefficients de Pk , pour tout k,
sont majorés par une constante indépendante de k. La suite (Pk )k∈N parcourt donc un nombre fini de polynômes
de degré n, qui ont chacun un nombre fini de racines complexes. En déduire que pour tout i, l’application k 7→ λki
définie sur N n’est pas injective. Conclure.

Exercice 42. Introduire une base f i (⃗x) i et décomposer g(⃗x) dans cette base (pour g ∈ C(f )) pour avoir une égalité

de la forme g(⃗x) = P (f )(⃗x) avec P ∈ K[X]. Vérifier alors que g = P (f ) en comparant leurs images sur une base.
⋆ Exercice 43. Sens réciproque : utiliser un exemple du cours et un des deux critères de diagonalisation pour en déduire
que πf est de degré n et scindé à racines simples. Sens direct : la seule difficulté est de montrer que f est cyclique.
Pour cela, il s’agit de se demander comment choisir ⃗x ∈ E pour que ⃗x, f (⃗x), . . . , f n−1 (⃗x) soit libre. Décomposer ⃗x

dans une base de vecteurs propres (avec des coordonnées à déterminer plus tard « pour que ça marche ») et écrire une
relation de dépendance linéaire entre les vecteurs de la famille ci-avant, devrait vous mener à n équations polynomiales
vérifiées par les valeurs propres de f . C’est là que vous comprenez comment choisir les coordonnées de ⃗x dans la base
de vecteurs propres, si vous voulez que ces n équations polynomiales impliquent la nullité de tous les scalaires de la
relation de dépendance linéaire.

j Exercice 44. Les indications ne sont pas les mêmes selon que K soit infini ou quelconque. Dans les deux cas,
remarquer que pour  avoir un endomorphisme cyclique, il suffit de montrer qu’il existe ⃗x tel que πf soit le polynôme
minimal de l’idéal P ∈ K[X] | P (f )(⃗x) = ⃗0 (pourquoi ? raisonner avec les degrés et dimensions, en imitant ce qu’on
a dit concernant la dimension de K[f ]). Si πf,⃗x est un générateur unitaire de cet idéal, remarquer qu’il divise πf .
Si K est infini, noter que si D est l’ensemble des diviseurs stricts de πf , alors ker(P (f )) ne peut pas être égal
S
P ∈D
à E (exercice
S classique si la réunion ne contient que deux sous-espaces vectoriels, plus subtil sinon). Conclure que si
⃗x ∈ E \ ker(P (f )) alors πf,⃗x ne peut pas appartenir à D et est donc égal à πf .
P ∈D
Si K est quelconque : utiliser le lemme des noyaux pour se ramener à des sous-espaces stables où πg est une
puissance d’un polynôme irréductible : πg = P α (j’ai noté g l’endomorphisme induit sur un tel sous-espace). Intérêt :
dans ce cas, pour tout ⃗x, le polynôme πg,⃗x est de la forme P β avec β ⩽ α. Remarquer que si ⃗x ̸∈ ker(P α−1 (g))
(pourquoi existe-t-il de tels vecteurs ?) alors on doit avoir β = α. Pour passer des sous-espaces stables à l’espace
entier, s’inspirer éventuellement de l’exercice 27.

Réduction de matrices et endomorphismes explicites

✓ Exercice 45. (A C) C’est très standard. Suivre les conseils de la section 1 de Méthodes. Pour la dernière matrice,
un raisonnement analogue à celui de l’exercice 59 vous permet de gagner du temps lors de la détermination des
sous-espaces propres.

5
 MP⋆ 2024/2025 Chapitre V – Indications des exercices

✓ Exercice 46. (A C) C’est très standard. Suivre les conseils de la section 1 de Méthodes.
Exercice 47. Écrire cette matrice comme polynôme en une matrice plus simple à diagonaliser. L’approche devient
alors classique.
✓ Exercice 48. (Endomorphismes de R[X] et Rn [X]) (A) Deux pistes pour l’endomorphisme f . Première piste :
noter qu’un polynôme non nul P vérifiant f (P ) = λP est de degré borné (comparer les coefficients dominants).
Chercher les vecteurs propres de f peut donc se ramener à une étude restreinte à Rk [X], où k est de taille raisonnable.
Écrire la matrice de f relativement à la base canonique de Rk [X] et étudier ses éléments propres : on s’est ramené à
une étude banale. Deuxième piste : remarquer que f (P ) = λP équivaut à la résolution d’une équation différentielle
linéaire du premier ordre. La résoudre et regarder à quelle condition sur λ les solutions sont polynomiales.
✓ Exercice 49. (Endomorphismes de Mn (K)) (A) Trouver un polynôme annulateur de f . C’est facile si vous
exprimez M 7→ bM ⊤ en fonction de f , car vous connaissez un polynôme annulateur très simple de cet endomorphisme.
En déduire les valeurs propres potentielles de f . Vous vérifiez qu’elles sont effectivement valeurs propres en résolvant
f (M ) = λM pour les valeurs potentielles de λ trouvées.
Une étude analogue est possible pour g. On peut aussi trouver « à l’œil nu » deux valeurs propres, et vérifier
que leurs sous-espaces propres sont de dimension suffisamment élevée pour qu’il n’y en ait pas d’autre. Effectuer une
distinction de cas sur A.
✓ Exercice 50. (A) Montrer que A admet un polynôme annulateur P de degré 1 ou 2. Cela passe d’abord par la
détermination de ses valeurs propres. Isoler A dans l’égalité P (A) = 0Mn (R) pour obtenir A−1 . Utiliser une division
euclidienne par P , comme expliqué dans Méthodes, pour obtenir Ak .
⋆ Exercice 51. (Matrice tridiagonale) Lorsqu’on veut résoudre An (α, β)X = λX d’inconnue X, remarquer que les
coordonnées de X vérifient une relation de récurrence linéaire d’ordre 2 (en posant par convention x0 = xn+1 = 0
pour que la première et la dernière ligne donnent la même relation). Expliciter les xi et observer que la relation de
récurrence et les valeurs de x0 et xn+1 imposent les valeurs possibles de λ. Vous en déduirez l’existence de n valeurs
propres et l’expression de vecteurs engendrant leurs sous-espaces propres.
Exercice 52. (A) Donner une relation entre χAp+1 et χAp en ramenant le calcul de det(XI2p+2 − Ap+1 ) à celui de
déterminants de matrices triangulaires par blocs. S’inspirer si besoin de l’exercice 25. En déduire par récurrence que
Ap n’admet que deux valeurs propres au plus. Cela fournit un polynôme annulateur scindé à racines simples à tester
si l’on veut montrer que Ap est diagonalisable.
Le théorème spectral permettra plus tard de montrer que Ap est diagonalisable plus rapidement.

Matrices à coefficients entiers et modulo p

⋆ Exercice 53. Sens direct : écrire que A est semblable à une matrice diagonale D, et exprimer Ap en fonction de Dp .
Utiliser le petit théorème de Fermat. Sens réciproque : reconnaître un polynôme annulateur, dont on démontrera qu’il
est scindé et à racines simples (on l’a souvent croisé au chapitre iv).
Exercice 54. Utiliser le fait que πA soit scindé et à racines simples, et à coefficients entiers (pourquoi ?). Montrer que
sa réduction modulo p est un polynôme annulateur de Ā et qu’elle est toujours scindée. La difficulté est de montrer
qu’elle est à racines simples : montrer que πA et πA ′
sont premiers entre eux dans Q[X] et utiliser une relation de
Bézout. L’arranger convenablement afin d’en déduire, modulo p bien choisi, une relation de Bézout dans Z/pZ qui
prouve que πA est encore premier avec πA ′
modulo p.
Exercice 55. Remarquer qu’il suffit de montrer que toutes les valeurs propres de A sont des racines de l’unité pour
avoir le résultat. Utiliser les relations coefficients-racines pour montrer que les coefficients du polynôme caractéristique
de Ak sont des entiers bornés par une constante ne dépendant pas de k. Conclure que pour tout λ valeur propre,
l’application k 7→ λk a une image finie et qu’elle ne peut pas être injective. Conclure.
À comparer avec l’exercice 41.
Exercice 56. Montrer d’abord que A est diagonalisable dans M2 (C) et que ses valeurs propres sont des racines de
l’unité. Or la trace de A est un entier : considérer toutes les possibilités pour que la somme de deux racines de l’unité
soit un entier. Vérifier que dans tous les cas, on obtient une racine douzième de l’unité, et conclure.

Réduction abstraite et nilpotence

✓ Exercice 57. Factoriser par A dans χA = det(XIn − A) pour faire apparaître χA−1 . Pour les sous-espaces propres :
AX = λX équivaut clairement à une équation aux éléments propres impliquant A−1 .
n
Exercice 58. Isoler le facteur de X dans l’égalité χA = bi,σ(i) , où bi,j = Xδi,j − ai,j .
P Q
ε(σ)
σ∈Sn i=1

6
 MP⋆ 2024/2025 Chapitre V – Indications des exercices

Autre piste moins coûteuse en calculs : remarquer que le coefficient de degré 1 dans χA équivaut à un facteur de
χA−1 bien connu, dans le cas où A est inversible (voir l’exercice 57 si besoin). Utiliser un argument de densité pour
le cas général (cet argument de densité nécessite de montrer d’abord que A 7→ χA est continue, et n’est valable que
si K est un sous-corps de C).
⋆ Exercice 59.
1. Utiliser le fait que χA ∈ R[X] pour comparer les ordres de multiplicité. Conjuguer AX = λX pour en déduire
une relation entre les vecteurs propres associés à λ et ceux associés à λ̄.
2. Se souvenir que le déterminant est le produit des valeurs propres comptées avec multiplicités. Regrouper les
valeurs propres non réelles conjuguées.

✓ Exercice 60. Se ramener au calcul de det(In + N ′ ) avec N ′ une matrice nilpotente. Calculer ce déterminant en
triangulant N ′ .
⋆ Exercice 61. (A) Sens direct : immédiat en triangulant M et en exprimant la trace à l’aide des valeurs propres.
Sens réciproque : exprimer la trace à l’aide des valeurs propres de M et de leurs ordres de multiplicité. Noter que
les égalités : ∀k ∈ N \ {0}, tr(M k ) = 0, se ramènent à un système faisant intervenir une matrice « presque » de
Vandermonde. En déduire une absurdité si M admet au moins une valeur propre non nulle.

⋆ Exercice 62. Grâce aux valeurs propres des matrices nilpotentes, on sait qu’on a l’inclusion directe. Montrer qu’il
y a égalité des dimensions en explicitant autant de matrices nilpotentes (ou de combinaison linéaires de matrices
nilpotentes) linéairement indépendantes que la dimension de ker(tr).
⋆ Exercice 63.
1. Raisonner par récurrence. Passer du rang k au rang k + 1 en composant par f l’égalité de l’hérédité, et en
utilisant f ◦ g = αf + g ◦ f .
2. Deux pistes sont possibles. La première : montrer que dans le cas contraire, la question précédente impliquerait
qu’un certain endomorphisme admet une infinité de valeurs propres alors qu’on est en dimension finie. La
seconde : étendre par linéarité l’égalité de la question précédente, pour avoir une relation entre P (f ) et P ′ (f )
pour tout P ∈ K[X]. Prendre P = πf pour en déduire que πf divise Xπf′ . En comparant les degrés et les
coefficients dominants, conclure que ces deux polynômes sont égaux à une constante multiplicative près et que
ce n’est possible que si πf = X k avec k un entier.

Exercice 64.
1. Comparer les polynômes caractéristiques de M et 2M .
2. Considérer une matrice diagonale dont les coefficients diagonaux sont exactement les p − 1 éléments de (Z/pZ)× .

⋆ Exercice 65. (Matrices stochastiques)

1. La somme des coefficients de chaque ligne égale 1. Pour la majoration : écrire AX = λX avec X vecteur propre,
puis majorer ses coordonnées par la plus grande. À comparer avec le raisonnement des exercices 4 et 40.
2. Soit λ ̸= 1 de module 1. En reprenant plus finement les majorations de la question précédente, montrer qu’on
a le cas d’égalité dans l’inégalité triangulaire quelque part. En déduire que toutes les composantes d’un vecteur
propre X associé à λ sont soit nulles, soit égales à λxi0 avec i0 l’indice qui maximise |xi |. Constater qu’alors,
pour tout entier naturel k, le nombre λk xi0 est une coordonnée de X. Conclure.
3. C’est encore conséquence du cas d’égalité dans l’inégalité triangulaire : reprendre les majorations des questions
précédentes pour montrer l’existence de i tel que : 1 − ai,i = |λ − ai,i |. En élevant au carré et en développant
convenablement le membre de droite (ne pas oublier que λ est de module 1, donc de la forme eiθ ), vérifier que
cette égalité n’est possible que si λ = 1 ou ai,i = 0.
Pour la dimension du sous-espace propre : le raisonnement de la seconde question permet de montrer que
les coordonnées d’un vecteur propre associé à 1 sont toutes égales. Autre approche : montrer que l’on a :
Mn,1 (R) = ker(A − In ) ⊕ im(A − In ) (cela ne va pas de soi et vous aurez probablement besoin de faire un peu
d’analyse) et regarder le polynôme caractéristique de l’endomorphisme X 7→ AX dans une base adaptée à cette
décomposition. Il est alors nécessaire de remarquer qu’aucun vecteur propre de A n’appartient à im(A − In ), ce
qui est facile.

⋆ Exercice 66. (A) Les deux critères de diagonalisation sont pertinents. Si l’on veut raisonner avec le critère classique :
noter que l’hypothèse sur le rang de f nous donne une valeur propre d’ordre de multiplicité très élevé et utiliser la trace
(par exemple) pour avoir la dernière valeur propre. Sommer les dimensions des sous-espaces propres pour conclure.
Avec le critère polynomial de diagonalisation : remarquer un lien entre f 2 et f (il y a plusieurs façons d’y parvenir ;
vous pouvez trouver un tel lien en écrivant la matrice de f dans une base de E, idéalement avec plein de zéros si vous
voulez vous épargner des calculs). Noter que cela vous donne un polynôme annulateur scindé et à racines simples.
Sauf si...

7
 MP⋆ 2024/2025 Chapitre V – Indications des exercices

⋆ Exercice 67. (A)

1. Appliquer le critère de diagonalisation puis le lemme des noyaux pour écrire E comme somme directe de sous-
espaces et d’un sous-espace caractéristique (ce cas à part vient du fait que X k − λ ne soit pas toujours scindé
à racines simples). La condition nécessaire et suffisante cherchée est que ce sous-espace caractéristique soit un
sous-espace propre.
2. Reproduire le raisonnement ci-dessus. Remarquer que pour k ⩾ 3 on ne peut pas scinder X k − λ en général.
Pour k = 2 : que suffit-il d’avoir pour que X 2 − λ puisse se scinder et pour que le raisonnement de la première
question se généralise ?
3. Calculer son carré et remarquer qu’il est diagonalisable. Appliquer ensuite la question précédente.

✓ Exercice 68. (A) Sens direct : remarquer une relation entre les polynômes annulateurs de M et ceux de A et B.
Sens réciproque : écrire explicitement A et B comme étant semblables à des matrices diagonales, et s’en servir pour
construire une matrice de passage entre M et une matrice diagonale.

⋆ Exercice 69. (A) Donner une relation entre P (M ) et P (A) pour tout P ∈ K[X]. En déduire que si M est diagonali-
sable alors A aussi, et A admet de plus un autre polynôme annulateur s’exprimant à l’aide de la dérivée du polynôme
minimal de M . Utiliser la connaissance des racines de πM pour en déduire quelque chose de l’inversibilité de πM
′
(A),
et conclure que A est nulle. Réciproque triviale.
Autre piste très efficace mais qui utilise un résultat hors programme : exprimer M en fonction de la décompo-
sition de Dunford de A, afin d’en déduire une décomposition de Dunford de M . Utiliser le fait qu’une matrice soit
diagonalisable si et seulement si la partie nilpotente de sa décomposition de Dunford est nulle.
Exercice 70. Utiliser le théorème de Lagrange pour obtenir un polynôme annulateur scindé à racines simples de
toute matrice de G. Les codiagonaliser grâce à une hypothèse de l’énoncé.
j Exercice 71. (A)
1. Étudier séparément la diagonalisation de M 7→ AM et M 7→ M B : noter que les polynômes annulateurs de ces
deux endomorphismes, et ceux de A et B, sont intimement reliés. Pour que la somme soit diagonalisable, il suffit
de montrer que les deux endomorphismes sont codiagonalisables (pourquoi ?). Vous connaissez une condition
suffisante pour cela.
2. Exprimer M 7→ AM − M A en fonction de la décomposition de Dunford de A. Identifier la partie nilpotente
de la décomposition de Dunford de M 7→ AM − M A, et utiliser le fait qu’elle soit nulle par hypothèse sur cet
endomorphisme. Conclure que la partie nilpotente de la décomposition de Dunford de A est également nulle.

Exercice 72. (A) Une analyse de la matrice demandée nous permet de trouver comment construire la base B : une
base (⃗e1 , ⃗e2 , ⃗e3 ) qui conviendrait vérifierait en effet f (⃗e1 ) = ⃗0, f (⃗e2 ) = ⃗e3 et f (⃗e3 ) = −⃗e2 . Comment choisir ⃗e1 pour
que ce soit vérifié ? Si ⃗e2 est « bien choisi », alors le choix de ⃗e3 est immédiat (pourquoi ?). Pour comprendre comment
choisir ⃗e2 : combiner les deux dernières égalités ci-dessus et en déduire que ⃗e2 doit appartenir à un certain noyau.
Cette analyse étant terminée : montrer que des vecteurs ⃗e1 et ⃗e2 vérifiant ce qu’on souhaite (et qui sont non nuls :
sinon, aucune chance d’avoir une base) existent bien et que la famille (⃗e2 , ⃗e3 ) définie comme ci-dessus est libre. Utiliser
l’hypothèse de l’énoncé pour conclure que (⃗e1 , ⃗e2 , ⃗e3 ) est une base de R3 et obtenir la matrice voulue.
Exercice 73. Cet isomorphisme reviendrait à dire qu’un élément de la forme P (f ) est entièrement caractérisé par
un r-uplet indexé par les valeurs propres de f (dans le cas diagonalisable). Le cours vous permet de conjecturer de ce
que serait ce r-uplet qui caractérise P (f ), et vous donne donc une idée de l’isomorphisme explicite entre K[f ] et K r .
Montrer le caractère bijectif peut se faire par interpolation de Lagrange. Pour le sens réciproque, ce peut être fait par
contraposée : montrer que si f n’est pas diagonalisable, alors K[f ] admet des éléments nilpotents (vous pouvez en
fabriquer à l’aide des facteurs irréductibles de πf ) et ne peut donc pas être isomorphe à K r qui n’en a pas.
Exercice 74. (Lien entre rang et valeurs propres)
1. Une piste : justifier que si f est diagonalisable, alors : ker(f ) ⊕ im(f ) = E. Utiliser alors le critère de diagonalisa-
tion et le raisonnement de l’exercice 29 pour obtenir l’égalité. Une autre piste : utiliser à bon escient l’expression
de f comme combinaison linéaire de projecteurs associés à la décomposition en somme directe de sous-espaces
propres. Comparer les dimensions pour avoir le deuxième résultat demandé.
2. Certains endomorphismes non diagonalisables ayant une unique valeur propre ne peuvent pas vérifier la propriété
de la première question.

Exercice 75. (Matrice semi-simple) Sens réciproque : il suffit de diagonaliser M (a, b) pour tout (a, b) ∈ R2 .
Les matrices de passage des M (ai , bi ) vers une matrice diagonale permettent aisément de fabriquer une matrice de
passage de A vers une matrice diagonale. Sens direct : écrire que A est semblable à une matrice diagonale à coefficients
complexes. Remarquer que quitte à permuter l’ordre des vecteurs de la matrice de  passage, on peut regrouper les
a + ib 0
coefficients diagonaux non réels par paires conjuguées (a + ib, a − ib). Montrer que est semblable
0 a − ib

8
 MP⋆ 2024/2025 Chapitre V – Indications des exercices

 
a b
à (si le sens réciproque a été correctement traité, ce passage n’est pas difficile). Ainsi A est semblable
−b a
dans Mn (C) à une matrice de la forme demandée : raisonner comme dans l’exercice 12 pour en déduire que ces deux
matrices sont aussi semblables dans Mn (R).

Utilisation de la réduction
✓ Exercice 76. (A) Mettre ces relations de récurrence couplées sous la forme Xn+1 = AXn où A est une matrice carrée
convenable et Xn un vecteur colonne dont les composantes sont les suites à déterminer. Déterminer (un )n⩾0 , (vn )n⩾0
et (wn )n⩾0 se ramène alors au calcul de An . Les méthodes ne manquent pas : lire Méthodes aux pages consacrées.

✓ Exercice 77. (A) Mettre ces relations de récurrence couplées sous la forme Y ′ = AY où A est une matrice carrée
convenable et Y : R → M3,1 (R) une application dont les composantes sont les fonctions à déterminer. Réduire
A = P DP −1 et passer par la fonction Z = P −1 Y pour se ramener à des équations différentielles linéaires triviales à
résoudre. Lire si besoin Méthodes aux pages consacrées aux équations différentielles.
✓ Exercice 78. (A) Un raisonnement combinatoire permet de démontrer que (dn (j))n⩾0 vérifie la relation : dn+1 (j) =
dn (k1,j ) + dn (k2,j ) + dn (k3,j ), où les ki,j sont les numéros des sommets voisins de j. Écrire matriciellement cette
relation de récurrence. Le calcul  de dn (j)pour tout n se ramène alors au calcul des puissances de A avec A =
n

0 1 1 0
B I4 1 0 0 1
 
∈ M8 (R) et B =  1 0 0 1 (cela dépend de votre façon de numéroter les sommets : vous pouvez
I4 B


0 1 1 0
avoir d’autres matrices). On y parvient en diagonalisant  A. Sil’on s’y prend intelligemment, nul besoin de calculer
0 1
les éléments propres de A : il suffit de diagonaliser C = et d’en déduire une diagonalisation de B, puis de C.
1 0
Voir les conseils de Méthodes sur la réduction des matrices par blocs.
Exercice 79. Montrer que si M ∈ GL2 (Q) est d’ordre 5, alors soit M = I2 (ce qui est impossible car l’identité est
2iπ 4iπ
d’ordre 1), soit les deux valeurs propres (complexes) de M sont conjuguées
et de la forme e± 5 ou e± 5 . Avoir une
contradiction en considérant la trace. Vous aurez besoin de calculer cos 2π ou cos 4π 5 .


5

Exercice 80.
1. Montrer qu’un tel sous-groupe est commutatif (voir si besoin l’exercice 15 du chapitre iii) et 
constitué
 de matrices

 ±1 0  
..

de symétries. Les codiagonaliser. En déduire que ce sous-groupe s’injecte dans l’ensemble  .
 

 
0 ±1
 
qui est de cardinal 2 . Cet ensemble fournit aussi le cas d’égalité.
n

2. Si deux groupes sont isomorphes, il existe une bijection entre leurs sous-groupes et leurs exposants. Conclure
en comparant les sous-groupes d’exposant 2.

⋆ Exercice 81. (Théorème de Burnside) Remarquer que toutes les matrices de G sont diagonalisables et que leurs
valeurs propres sont des racines de l’unité. Conclure que l’image de l’application décrite dans l’indication de l’énoncé
est finie. Pour l’injectivité : montrer que si deux matrices M et N ont même image par l’application de l’énoncé, alors
le cas d’égalité dans l’inégalité triangulaire est vérifié et toutes les valeurs propres de M −1 N sont égales à 1. Que dire
d’une matrice diagonalisable dont le spectre est {1} ? Conclure.

Équations polynomiales matricielles

✓ Exercice 82. (A) La donnée d’un polynôme annulateur de A informe sur ses valeurs propres potentielles. Comme
A est à coefficients réels, ses valeurs propres complexes ont même ordre de multiplicité et sont conjuguées. Conclure
en remarquant que A est diagonalisable dans Mn (C) et que son rang est donné par le nombre de valeurs propres non
nulles.

Exercice 83. (A)

1. Calculer χA et en déduire : M3,1 (R) = ker(A2 ) ⊕ ker(A − 2I3 ). Produire une base cyclique de ker(A2 ) (noter
que vous pouvez expliciter aisément ker(A) et ker(A2 ), si besoin) et une base de ker(A − 2I3 ). Les concaténer
et utiliser la formule du changement de base.
2. Étudier l’endomorphisme canoniquement associé à M , et plus précisément son endomorphisme induit sur
ker(A2 ). Montrer qu’il est nilpotent et en déduire une contradiction.

Exercice 84. (A) Montrer que si M est solution, alors M est nilpotente. Obtenir une contradiction en considérant
son indice de nilpotence et celui de la matrice du membre de droite.

9
 MP⋆ 2024/2025 Chapitre V – Indications des exercices

✓ Exercice 85. (A) Diagonaliser la matrice explicite du membre de droite. Utiliser ensuite le fait qu’elle commute
avec M pour en déduire que M et cette matrice sont nécessairement codiagonalisables (par stabilité des sous-espaces
propres). Ainsi on ramène l’équation de l’énoncé à une équation ne faisant intervenir que des matrices diagonales : la
résolution devient triviale.
Autre approche sans diagonaliser : montrer qu’une solution M de cette équation doit être un polynôme en A
de degré au plus 1 (faire le lien avec l’exercice 42, sachant qu’il est très facile de montrer qu’une matrice d’ordre 2
distincte d’une homothétie est cyclique : comment choisir X pour que (X, AX) soit libre ?). Injecter M = aI2 + bA
dans l’équation et identifier (vous aurez à exprimer A2 en fonction de A et I2 , ce que vous savez normalement faire
pour toute matrice d’ordre 2).
Exercice 86. (A) Trouver un polynôme annulateur de A, et obtenir des informations sur ses racines via une facto-
risation évidente puis une étude de variations sur R. En déduire les seules possibilités pour les valeurs propres de A
(noter que A est à coefficients réels, ce qui nous dit quelque chose de ses valeurs propres non réelles) grâce à la trace.
Conclure en utilisant la trace dans l’égalité A2 − A⊤ = I3 .
✓ Exercice 87. (A) Justifier que B est diagonalisable, et montrer que ses sous-espaces propres sont stables par X 7→
M X. En déduire que M et B sont codiagonalisables. Ramener l’équation P (M ) = B à une équation de la forme
P (D) = D′ où D et D′ sont des matrices diagonales. Noter qu’elle équivaut à n équations polynomiales : on sait
majorer leur nombre de solutions.
⋆ Exercice 88. (Extraction de racines k es)
√
1. S’inspirer du cas réel ou complexe : si x est un réel, trouver une expression alternative de k λ + x qui aurait
encore un sens en remplaçant x par une matrice. Conjecturer que cela fournit votre matrice A, et vérifier la
conjecture.
2. Réduire M pour se ramener au cas précédent.
3. Introduire une matrice nilpotente d’ordre 3. Raisonner par l’absurde et démontrer qu’une racine k e de cette
matrice devrait être également nilpotente. Conclure en considérant l’indice de nilpotence.

Exercice 89. (A) Réduire A grâce à une famille cyclique qu’on complète en une base de M3 (K). Vous aurez besoin
de remarquer que nécessairement : A2 = 0M3 (K) (plusieurs arguments possibles : utiliser l’exercice 66, ou noter que
le rang d’une matrice nilpotente ne peut que décroître quand on la multiplie par elle-même). Utiliser la stabilité de
im(A) et ker(A) par X 7→ M X pour réduire M avec la même base. Le fait que M soit nilpotente (car A l’est) vous
permet d’encore plus simplifier la matrice obtenue, qui a encore trop de coefficients inconnus pour être exploitable.
L’équation M 2 = A se ramène alors à une équation impliquant deux matrices ayant énormément de zéros, ce qui
permet de la résoudre explicitement. On observe que l’ensemble des solutions est paramétré par K ∗ × K, qui est infini
si K l’est.

Exercice 90. (A) Montrer d’abord que A et B sont codiagonalisables. Pour cela : montrer que A est un polynôme
en B, en montrant d’abord que c’est un polynôme en A3 . On y parvient par interpolation de Lagrange, après avoir
codiagonalisé A et A3 . Le document Méthodes donne des détails sur l’emploi de l’interpolation de Lagrange. Ceci
étant dit : on en déduit que A est un polynôme en B et commute donc avec B. On sait en déduire que A et B
sont semblables à deux matrices diagonales avec la même matrice de passage. L’équation A3 = B 3 se ramène alors
banalement à une équation avec deux matrices diagonales. Identifier les coefficients diagonaux, et utiliser l’injectivité
de x 7→ x3 sur R pour conclure.

10
MP⋆ 2024/2025 Chapitre V – Indications des exercices

Classement des exercices par thèmes

Calcul non trivial de dimension 1, 36, 38

Coréduction 33, 70, 71, 80, 83, 85, 87, 90
Dénombrement 3, 9, 78
Déterminants : calcul 20, 21, 22, 23, 43, 60
Déterminants de Vandermonde 20, 43, 61
Déterminants : utilisation théorique 5, 8, 9, 12, 13, 25,
dim(E) = dim(F ) =⇒ E = F 17, 38, 39, 58, 62
Diagonalisation abstraite 26, 43, 49, 51, 52, 53, 54, 66, 67, 81, 82, 87
Diagonalisation explicite 23, 24, 45, 46, 47, 48, 49, 76, 77, 78, 85
Endomorphismes qui commutent 14, 33, 34, 36, 42, 83, 85, 87, 89, 90
Endomorphismes de K[X], Kn [X] 3, 24, 48
Endomorphismes de Mn (K) 49, 71
Endomorphismes et espaces cycliques 42, 43, 44, 72, 83, 85, 89
Équations différentielles 24, 48
Équations matricielles 15, 34, 82, 83, 84, 85, 86, 87, 88, 89, 90
Groupes 10, 11, 70, 80, 81
Inégalités (valeurs propres, coefficients) 4, 40, 65
Interpolation de Lagrange 73, 90, 90
Lemme des noyaux 31, 38, 39, 44, 67, 72, 83
Matrices compagnons 23, 40, 41
Matrices de permutation 10, 23
Matrices par blocs 25, 26, 52, 68, 69, 78
Nilpotence 6, 34, 35, 39, 61, 62, 63, 64, 73, 84, 89
Noyaux, images : étude théorique 1, 2, 4, 17, 18, 19, 35, 39
Passer par un endomorphisme 3, 24, 83, 85, 87
Polynômes annulateurs, minimaux 14, 27, 38, 39, 43, 44, 52, 54, 63, 66, 67, 68, 69, 72
Projecteurs et symétries 11, 30
Puissances de matrices (calcul) 50, 76
Quasi-démonstration du cours 33, 38, 44
Raisonner sur les racines d’un polynôme 12, 13, 14, 33, 41, 54, 55, 56
Rang : étude théorique 5, 66, 74
Relations entre éléments propres 33, 57, 59
Sous-espaces stables 27, 28, 31, 33, 34, 36, 39, 83, 85
Somme directes, supplémentaires 17, 27, 29, 30, 36, 37, 65, 72, 74
Théorème de Cayley-Hamilton 31, 32, 34, 84
Théorème de factorisation 1, 9, 19
Théorème de Lagrange 53, 70
Théorème du rang 1, 17
Triangulation, décomposition de Dunford 60, 61, 67, 69, 71, 88
Un (iso)morphisme préserve la structure 16, 80
Utilisation de l’indépendance linéaire 9, 16, 43
Utilisation d’une partie génératrice 7, 42, 43

11