MP⋆ 2024/2025 Chapitre V – Corrigés

Exercices du chapitre V (Réduction des endomorphismes) – Corrigés

✓ : exercice d’application des méthodes, ⋆ : exercice classique, j : exercice difficile.

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.

Chaque exercice est composé, au plus, d’une heuristique, d’un corrigé, d’un commentaire et d’une proposition
d’approfondissement.

Les initiales figurant en face de certains corrigés sont celles des élèves ayant tapé lesdits corrigés : rendons à
César ce qui appartient à César.

Révisions et approfondissements
Exercice 1. (Espaces vectoriels quotients) Soit F un sous-espace vectoriel de E.
1. Démontrer qu’on peut munir le groupe quotient E/F d’une structure de K-espace vectoriel, qui fait de l’ap-
plication π : E → E/F définie par x 7→ x̄ une application linéaire surjective de noyau F .
2. On suppose E de dimension finie. Démontrer que E/F est de dimension finie, et exprimer sa dimension en
fonction de dim(E) et dim(F ).
Nous pouvons retrouver rapidement plusieurs résultats connus avec cette structure :
3. Démontrer le théorème du rang en une ou deux lignes (selon la taille de vos mimines).
4. Démontrer que si G est un sous-espace vectoriel de E tel que : F ⊆ G, alors : F = G ⇐⇒ dim(F ) = dim(G).
5. Démontrer que deux formes linéaires de E ayant même noyau sont proportionnelles.
6. Soient E, F , G et H quatre espaces vectoriels de dimension finie. Soient w : E → F , v : F → G et u : G → H
des applications linéaires. Démontrer : rang(u ◦ v ◦ w) ⩾ rang(u ◦ v) + rang(v ◦ w) − rang(v).

Corrigé 1. Pour alléger les notations, nous noterons ⃗x mod F la classe du vecteur ⃗x ∈ E dans E/F (plutôt que
d’écrire ⃗x, qui est surchargé).
1. Comme E est un groupe commutatif pour l’addition, nous savons que E/F est un groupe quotient qui fait de
l’application π : E → E/F un morphisme de groupes surjectif, de noyau F . Démontrons que E/F est aussi
muni d’une structure d’espace vectoriel : seule la loi de multiplication externe est à définir. On pose :

∀λ ∈ K, ∀⃗x ∈ E/F, λ · (⃗x mod F ) = λ⃗x mod F.

Pour que cette loi définisse bien une application K × E → E, nous devons nous assurer que si (⃗x, ⃗y ) ∈ E 2
vérifie : ⃗x ≡ ⃗y mod F , alors : ∀λ ∈ K, λ⃗x ≡ λ⃗y mod F . Faisons. Soit (⃗x, ⃗y ) ∈ E 2 tel que : ⃗x ≡ ⃗y mod F . Soit
⃗z ∈ F tel que : ⃗x = ⃗y + ⃗z (un tel vecteur existe par la congruence précédente). On a :

∀λ ∈ K, λ⃗x = λ⃗y + λ⃗z,

et comme F est un sous-espace vectoriel de E, il est stable par multiplication externe. On en déduit : ∀λ ∈ K,
λ⃗z ∈ F , d’où : ∀λ ∈ K, λ⃗x ≡ λ⃗y mod F , ce qu’il fallait démontrer.
Tous les axiomes d’un espace vectoriel sont vérifiés par E/F en passant aux classes dans les égalités qui font
que E vérifie les axiomes d’un espace vectoriel. D’où le résultat. Le fait que π soit linéaire est immédiatement
conséquence de l’égalité λ · (⃗x mod F ) = λ⃗x mod F justifiée plus haut.
2. Notons k = dim(F ) et n = dim(E) ; soit (⃗e1 , . . . , ⃗ek ) une base de F , complétée en une base (⃗e1 , . . . , ⃗en ) de E.
Montrons que (⃗ek+1 mod F, . . . , ⃗en mod F ) est une base de E/F .
n
Montrons que c’est une famille libre de E/F : soient αk+1 , . . . , αn des scalaires tels que αi⃗ei ≡ ⃗0 mod F .
P
i=k+1
n
Cela signifie que αi⃗ei ∈ F ; or (⃗e1 , . . . , ⃗ek ) engendre F , donc il existe des scalaires β1 , . . . , βk tels que :
P
i=k+1

n
X k
X
αi⃗ei = βj ⃗ej .
i=k+1 j=1

Ou encore :
k
X n
X
βj ⃗ej − αi⃗ei = ⃗0.
j=1 i=k+1

1
MP⋆ 2024/2025 Chapitre V – Corrigés

Nous obtenons ainsi une combinaison linéaire nulle des vecteurs de la famille (⃗e1 , . . . , ⃗en ) ; comme il s’agit d’une
base de E (et donc en particulier d’une famille libre), cela implique la nullité de tous les coefficients βj et αi .
Donc αi = 0 pour tout i ∈ Jk + 1, nK, démontrant que la famille (⃗ek+1 mod F, . . . , ⃗en mod F ) est libre.
Montrons que c’est une famille génératrice de E/F : soit ⃗x mod F ∈ E/F . Comme ⃗x ∈ E et (⃗e1 , . . . , ⃗en ) est
n
une base de E, il existe des scalaires α1 , . . . , αn tels que ⃗x = αi⃗ei . Or ⃗ei ∈ F pour tout i ∈ J1, kK, donc
P
i=1
⃗ei ≡ ⃗0 mod F pour tout i ∈ J1, kK et on obtient :
n
X
⃗x ≡ αi⃗ei mod F,
i=k+1

démontrant que la famille (⃗ek+1 mod F, . . . , ⃗en mod F ) engendre E/F .

Nous avons donc déterminé une base de E/F , et son cardinal nous donne la dimension de cet espace :

dim(E/F ) = card ((⃗ek+1 mod F, . . . , ⃗en mod F )) = n − k = dim(E) − dim(F ),

d’où le résultat.
3. Soit f : E → F une application linéaire. D’après le théorème d’isomorphisme (qu’on démontre exactement
comme dans le cas des groupes et des anneaux quotients), les espaces vectoriels E/ ker(f ) et im(f ) sont
isomorphes. Ils ont donc même dimension ; or, d’après la question précédente, on a : dim(E/ ker(f )) = dim(E)−
dim(ker(f )), d’où le résultat.
4. L’implication directe est évidente. Nous allons donc montrer que sous l’hypothèse dim(F ) = dim(G), on a
F = G.
Considérons l’application linéaire suivante :

E → E/G
p: .
⃗x 7→ ⃗x mod G

Son noyau est G. Or F ⊆ G, donc d’après le théorème de factorisation des morphismes, cette application
linéaire induit : 
E/F → E/G
p̄ : .
⃗x mod F 7→ ⃗x mod G
Cette application est bien sûr surjective, puisque p l’est, et ses espaces de départ et d’arrivée sont de même
dimension (égale à dim(E) − dim(F )), donc elle est également injective. On en déduit que ker(p̄) = {⃗0 mod F },
c’est-à-dire :
⃗x ≡ ⃗0 mod G =⇒ ⃗x ≡ ⃗0 mod F,
ce qui signifie exactement que :
⃗x ∈ G =⇒ ⃗x ∈ F,
c’est-à-dire G ⊆ F . L’inclusion F ⊆ G étant vraie par hypothèse, on en déduit F = G.
5. Soient φ1 et φ2 deux formes linéaires de E, ayant même noyau H. D’après le théorème de factorisation des
morphismes, elles induisent des applications linéaires φ̄1 : E/H → K et φ̄2 : E/H → K.
L’espace vectoriel quotient E/H est de dimension 1, donc est une droite vectorielle, engendrée par un vecteur
non nul ⃗e mod H (cela découle aisément de l’égalité : E = H ⊕ Vect(⃗e), valable pour tout ⃗e ∈ E \ H : une base
de E/H est donc (⃗e mod H)). Si l’on note :
a
a = φ1 (⃗e), b = φ2 (⃗e), λ= ,
b
alors φ̄1 : E/H → K et λφ̄2 : E/H → K coïncident sur la base (⃗e mod H) de E/H (elles valent toutes les
deux a en ce vecteur), donc sont égales. D’après le théorème de factorisation des morphismes, on a :

∀⃗x ∈ E, φ1 (⃗x) = φ̄1 (⃗x mod H) = λφ̄2 (⃗x mod H) = λφ2 (⃗x),

donc φ1 = λφ2 .
6. Nous allons démontrer :

dim(im(v)/im(v ◦ w)) ⩾ dim(im(u ◦ v)/im(u ◦ v ◦ w)),

en construisant une application surjective de im(v)/im(v ◦ w) dans im(u ◦ v)/im(u ◦ v ◦ w). Le résultat en
découlera aisément.
Si ⃗x ∈ im(v), alors il est clair que u(⃗x) ∈ im(u ◦ v), ce qui signifie que l’image de u|im(v) est incluse dans
im(u ◦ v). Ainsi u définit, par restriction à im(v), une application u1 : im(v) → im(u ◦ v). Sa surjectivité se

2
MP⋆ 2024/2025 Chapitre V – Corrigés

justifie ainsi : si ⃗y ∈ im(u ◦ v), alors il existe ⃗x ∈ E tel que ⃗y = u(v(⃗x)), et donc ⃗y admet un antécédent par
u1 , qui est v(⃗x) ∈ im(v).
Comme tout élément de la forme u ◦ v ◦ w(⃗x) = u ◦ v(w(⃗x)) est dans im(u ◦ v), on a im(u ◦ v ◦ w) ⊆ im(u ◦ v)
et il est possible de considérer l’espace vectoriel quotient im(u ◦ v)/im(u ◦ v ◦ w).
En composant u1 avec la projection canonique p : im(u◦v) → im(u◦v)/im(u◦v ◦w), on obtient une application
linéaire p ◦ u1 : im(v) → im(u ◦ v)/im(u ◦ v ◦ w), surjective parce que p et u1 le sont.
Pour tout ⃗x ∈ im(v ◦ w), on a : p ◦ u1 (⃗x) = ⃗0, car : u1 (⃗x) ∈ im(u ◦ v ◦ w) = ker(p). On a donc : im(v ◦ w) ⊆
ker(p ◦ u1 ), et le théorème de factorisation des morphismes implique que l’application linéaire p ◦ u1 : im(v) →
im(u ◦ v)/im(u ◦ v ◦ w) se factorise en une application linéaire im(v)/im(v ◦ w) → im(u ◦ v)/im(u ◦ v ◦ w),
surjective en tant que composée d’applications surjectives. Comme une application linéaire surjective ne peut
qu’abaisser la dimension, on en déduit :

dim(im(v)/im(v ◦ w)) ⩾ dim(im(u ◦ v)/im(u ◦ v ◦ w)),

c’est-à-dire :
dim(im(v)) − dim(im(v ◦ w)) ⩾ dim(im(u ◦ v)) − dim(im(u ◦ v ◦ w)),
d’où le résultat attendu.

Résumé. Commentaires.

 zéro dans Mn (K)) Soit A ∈ Mn (K). Donner une condition nécessaire et suffisante
Exercice 2. (Diviseurs de
pour que : ∃B ∈ Mn (K) \ 0Mn (K) , AB = 0Mn (K) . L’exercice est le même si l’on remplace AB par BA.

 Heuristique. L’identité AB = 0Mn (K) implique facilement : im(B) ⊆ ker(A) (c’est plus flagrant si l’on raisonne
avec les endomorphismes). Ainsi l’existence de B non nul tel que AB = 0Mn (K) implique que ker(A) est non trivial.
Il est tentant d’estimer que cela fournit la condition nécessaire et suffisante cherchée.
Il est par ailleurs tentant de penser que la réciproque est vraie : dans le cas non inversible, prendre B non
nulle telle que im(B) ⊆ ker(A) devrait donner AB = 0Mn (K) . Comme l’image d’une matrice est engendrée par ses
colonnes, il suffit de prendre une matrice B dont les colonnes sont des vecteurs de ker(A). ■

Corrigé 2.
Supposons A inversible. Pour toute matrice B ∈ Mn (K) telle que : AB = 0Mn (K) , multiplier à gauche chaque
membre de l’égalité par A−1 donne : B = 0Mn (K) , donc il n’existe pas de matrice non nulle réalisant cette égalité.
Par contraposée, s’il existe une matrice non nulle telle que : AB = 0Mn (K) , alors A n’est pas inversible.

Réciproquement, supposons que A n’est pas inversible. Son noyau n’est pas trivial : soit X un vecteur non nul
de ker(A). Considérons par exemple la matrice B dont toutes les colonnes sont égales à X. Cela signifie que si
(E1 , . . . , En ) désigne la base canonique de Mn,1 (K), alors BEi = X pour tout i ∈ J1, nK. Alors :

∀i ∈ J1, nK, (AB)Ei = A(BEi ) = AX = 0Mn,1 (K) ,

donc Ei appartient à ker(AB) pour tout i ∈ J1, nK. Comme les Ei engendrent Mn,1 (K), on en déduit :
Mn,1 (K) = ker(AB), et donc : AB = 0Mn (K) . On a construit une matrice B non nulle telle que AB = 0Mn (K) : d’où
l’équivalence.

En conclusion, nous avons démontré que A n’est pas inversible si et seulement s’il existe B ∈ Mn (K) \ 0Mn (K) ,


telle que : AB = 0Mn (K) .

Résumé. Commentaires.

Compléments. Approfondissements.
— Déterminer toutes les matrices B telles que AB = 0Mn (K) . Est-ce un espace vectoriel ? Si oui, donner
sa dimension. A-t-il d’autres structures ?
— Remplacer la condition AB = 0Mn (K) par BA = 0Mn (K) et reprendre l’exercice.
— En utilisant les propriétés de la transposition, accélérer la résolution de l’exercice avec BA = 0Mn (K)
(ce sera plus pertinent à partir du chapitre xiii).

Exercice 3. (Une formule d’inversion)

1. Calculer l’inverse de la matrice M = j
∈ Mn+1 (R).




i 0⩽i,j⩽n

3
MP⋆ 2024/2025 Chapitre V – Corrigés

n
2. Soient (an )n⩾0 et (bn )n⩾0 deux suites à valeurs réelles telles que : ∀n ∈ N, bn = n
aj . Démontrer : ∀n ∈ N,
P

j
j=0
n
an = (−1)n−j n
bj .
P

j
j=0

3. En déduire, pour tout k ∈ N \ {0}, le nombre de surjections de J1, nK dans J1, kK (par convention, il y en a une
si n = k = 0, et zéro si nk = 0 avec (n, k) ̸= (0,0)).

Corrigé 3. A.G. 24
1. On remarque que M est la matrice de l’application f : P 7→ P (X + 1) relativement à la base canonique de
Rn [X], puisque par la formule du binôme de Newton :
j  
X j
j
= (X + 1) =
j
X i.


∀j ∈ J0, nK, f X
i=0
i

Or f admet pour bijection réciproque la fonction g : P 7→ P (X − 1), donc M est inversible et son inverse est
la matrice de g dans la base canonique. Comme :
j  
X j
j
= (X − 1) = j
(−1)j−i X i ,


∀j ∈ J0, nK, g X
i=0
i

on a : M −1 = (−1)j−i j
.




i 0⩽i,j⩽n
      
a0 b0 a0 b0
⊤  ..   ..   ..  −1 ⊤  .. 
2. Soit n ∈ N. Il suffit remarquer que : M  .  =  . , d’où :  .  = (M )  . , ce qui conclut.
an bn an bn
3. Soit n ∈ N \ {0}. Plus généralement, notons S(n, A) l’ensemble des surjections de J1, nK dans A, pour tout
ensemble A, et sn,k le nombre de surjections de J1, nK dans J1, kK. Comme toute application induit une surjection
sur son image, on a :
G k G
J1, kKJ1,nK = S(n, A).
j=1 A⊆J1,kK
card(A)=j

Or il est évident que S(n, A) et S(n, J1, jK) sont en bijection si card(A) = j : en effet, si φ : A → J1, jK est
une bijection (qui existe par définition du cardinal d’un ensemble fini), alors f ∈ S(n, A) si et seulement si
φ ◦ f ∈ S(n, J1, jK) (la composition par une application bijective ne change pas la surjectivité), de sorte qu’une
application bijective naturelle entre S(n, A) et S(n, J1, jK) soit f 7→ φ ◦ f , de bijection réciproque f 7→ φ−1 ◦ f .
En prenant les cardinaux dans l’égalité ensembliste ci-dessus, on a donc :
k k k   k  
X X X X X k X k
k =n
card(S(n, A)) = card(S(n, J1, jK)) = sn,j = sn,j .
j=1 A⊆J1,kK j=1 A⊆J1,kK j=1
j j=0
j
card(A)=j card(A)=j

On vérifie que l’identité reste valable pour n = 0 (distinguer selon que k = 0 ou k ̸= 0).
Par la formule d’inversion de la question précédente (avec les suites (ak )k∈N = (sn,k )k∈N et (bk )k∈N = (k n )k∈N ),
on en déduit :
k  
X k n
sn,k = (−1)k−j j .
j=0
j

Remarque. Il est certain que la justification soignée que card(S(k, A)) = sk,q (si card(A) = q) n’est pas
indispensable. Les raisonnements combinatoires en langage ordinaire, s’ils sont précis, sont acceptés même
sans autant de formalisme que ci-dessus.

Résumé. Commentaires. Il faut être capable d’obtenir l’identité de la dernière question par un raison-
nement combinatoire formulée en langage ordinaire (qui dit exactement la même chose). D’une part, cela
permet de comprendre « moralement » l’égalité, et d’autre part une situation est parfois complexe à écrire
mathématiquement mais très simple en langage ordinaire : ne pas se priver d’y recourir, au nom d’une
préciosité mathématique indûment justifiée.

Deux remarques sur ce type de relation (aussi obtenue quand on compte les permutations de Sn n’ayant pas

4
 MP⋆ 2024/2025 Chapitre V – Corrigés

de point fixe). 1° Remarquer que dans les relations de récurrence d’origine combinatoire avec des coefficients
binomiaux, ils proviennent souvent du choix d’une partie (penser au nombre de dérangements), 2° lorsque le
membre de l’égalité à démontrer correspond au cardinal de l’ensemble E ambiant, et que le terme en facteur
du coefficient binomial (dans le membre de droite) est justement le cardinal de l’ensemble des éléments x ∈ E
vérifiant une propriété P (que l’on veut dénombrer : il s’agit de se demander en quoi un élément x quelconque
de E induit (ou provient de) sur une partie A de E un élément y vérifiant P.

Compléments. Approfondissements.
— Simplifier la résolution de l’exercice 67 du chapitre iv grâce à cette formule d’inversion.
— S’inspirer de la dernière question pour dénombrer les permutations de Sn n’ayant pas de point fixe.

⋆ Exercice 4. (Matrice à diagonale strictement dominante) Soit A = ((ai,j ))1⩽i,j⩽n ∈ Mn (K). On suppose :
n
|ai,j |. Démontrer que A est une matrice inversible.
P
∀i ∈ J1, nK, |ai,i | >
j=1
j̸=i

Corrigé 4. On raisonne par contraposée. Supposons que A n’est pas inversible. Son noyau n’est pas trivial et il A.G. 24
 
x1
 .. 
existe alors X =  .  ∈ ker(A)\{0Mn,1 (K) } tel que : AX = 0Mn,1 (K) . Notons i0 ∈ J1, nK tel que : |xi0 | = max (|xi |).
i∈J1,nK
xn
Notons que |xi | > 0 (sinon on aurait |xi | = 0 pour tout i ∈ J1, nK et donc X serait nul : absurde par construction).
On a alors, en identifiant ligne à ligne dans l’égalité : AX = 0Mn,1 (K) .
n
X
∀i ∈ J1, nK, 0= ai,j xj ,
j=1

d’où pour i = i0 :
n
X
ai0 ,i0 xi0 = − ai,j xj .
j=1
j̸=i0

Avec les modules, on a par l’inégalité triangulaire :

n
X n
X
|ai0 ,i0 | |xi0 | ⩽ |ai,j xj | ⩽ |ai,j | |xi0 | .
j=1 j=1
j̸=i0 j̸=i0

En divisant par |xi0 | > 0, on voit que l’on a démontré :

n
X
∃i0 ∈ J1, nK, |ai0 ,i0 | ⩽ |ai,j | .
j=1
j̸=i0

D’où le résultat par contraposée.

Résumé. Commentaires.

Compléments. Approfondissements. Appliquer le résultat de cet exercice à A − λIn avec λ ∈ K. En

déduire que si λ est valeur propre, alors λ est situé dans des disques dont le centre et le rayon dépendent des
coefficients de A.

Exercice 5. Soit A ∈ Mn (K). On rappelle que Com(A) désigne la comatrice de A.

1. Déterminer le rang de Com(A).
2. On suppose : n ⩾ 3, et : K = R. Résoudre l’équation : Com(A) = A.

Corrigé 5. A.G. 24
1. On traite cela par disjonction de cas :

5
MP⋆ 2024/2025 Chapitre V – Corrigés

1
— si rang(A) = n, alors A est inversible et avec la formule : A−1 = Com(A)⊤ , on trouve :
det(A)

rang(Com(A)) = n ;

— si rang(A) = n − 1, alors A n’est pas inversible et donc son déterminant est nul, et on a :

0Mn (K) = A · Com(A)⊤ ;

en appelant fA et fAbis les endomorphismes associés à A et Com(A)⊤ , l’égalité trouvée plus haut montre
que fAbis est à valeurs dans ker(A), qui est de dimension 1, d’où :

rang(Com(A)⊤ ) = rang(Com(A)) ⩽ 1 ;

pour nier : rang(Com(A)) = 0, il suffit de démontrer que Com(A) n’est pas la matrice nulle, puisqu’elle
est de rang au plus 1 ; or ce n’est la matrice nulle puisque A étant de rang n − 1, une de ses matrices
extraites (de taille n − 1) est inversible, donc un terme de Com(A) est différent de 0 (rappelons que ses
coefficients sont des cofacteurs de A) ; on en déduit :

rang(Com(A)) = 1 ;

— si rang(A) < n − 1, alors Com(A) est une matrice dont les coefficients sont des déterminants de matrices
extraites de A de taille n − 1, or comme rang(A) < n − 1, tous ces déterminants sont nuls, donc :
Com(A) = 0, et :
rang(Com(A)) = 0.
En conclusion :
si rang(A) = n,

 n
rang(Com(A)) = 1 si rang(A) = n − 1,
0 si rang(A) < n − 1.


2. Pour avoir : A = Com(A), ces deux matrices doivent avoir le même rang. Rappelons que l’on a : n ̸= 2. Par
la question précédente, il faut que : A = 0Mn (R) (car où Com(A) = 0Mn (R) ), ou que : A ∈ GLn (R) (le cas
rang(A) = n − 1 = 1 ne peut pas se produire).
Si A ∈ GLn (R) et Com(A) = A, on a : det(A)In = A⊤ A. En utilisant le déterminant dans cette expression on
trouve : (det(A))n = (det(A))2 , donc : (det(A)n−2 = 1. Comme det(A) est un réel, cela implique : det(A) ∈
{−1,1}. Or avec la trace on trouve :
X
n det(A) = tr A⊤ A = a2i,j ⩾ 0,

1⩽i,j⩽n

donc : det(A) = 1. Ce qui montre que l’ensemble des solutions recherchées (dans le cas où A est inversible) est
dans l’ensemble des matrices orthogonales de déterminant 1 (chapitre xiii), c’est-à-dire l’ensemble :

SOn (R) = A ∈ Mn (R) | A⊤ A = AA⊤ = In ∩ ker(det).



La réciproque est immédiate. On a démontré que l’ensemble des solutions est :

{A ∈ Mn (R) | A = Com(A)} = SOn (R) ∪ 0Mn (R) .



Résumé. Commentaires.

Compléments. Approfondissements. Étudier le cas n = 2.

Exercice 6. Soit f : Mn (K) → K une application non constante et telle que : ∀(A, B) ∈ (Mn (K))2 , f (AB) =
f (A)f (B). Démontrer : ∀A ∈ Mn (K), A ∈ GLn (K) ⇐⇒ f (A) ̸= 0.

Corrigé 6. Démontrons tout d’abord : f (In ) = 1 et f (0Mn (K) ) = 0. Notons C une matrice telle que : f (C) ̸= 0 R.D. 24
(qui existe bien par hypothèse). Alors par la relation de l’énoncé avec In et C, on a : f (C) = f (In )f (C), et comme
K est un corps on en déduit : f (In ) = 1. Pour la seconde égalité : en utilisant à nouveau la relation donnée, avec la
matrice nulle, il vient :
f (0Mn (K) )2 = f (02Mn (K) ) = f (0Mn (K) ).

6
MP⋆ 2024/2025 Chapitre V – Corrigés

Cette équation admet 0 et 1 comme solutions dans K, mais si f (0Mn (K) ) = 1, alors pour toute matrice A ∈ Mn (K),
on a : 1 = f (A), et f est constante égale à 1 : cela contredit l’hypothèse de l’énoncé. D’où : f (0Mn (K) ) = 0.

Passons à la démonstration de l’équivalence demandée. Soit A ∈ Mn (K). Supposons d’abord : A ∈ GLn (K).
Alors en utilisant la relation de l’énoncé avec A et son inverse :

1 = f (AA−1 ) = f (A)f (A−1 ).

Or puisque K est un corps, on obtient immédiatement : f (A) ̸= 0. D’où le sens direct.

Pour le sens réciproque, procédons par contraposée et supposons que A est non inversible. On rappelle le résultat
suivant : deux matrices sont équivalentes si, et seulement si elles sont de même rang. Si l’on note : r = rg(A) < n,
alors A est équivalente à la matrice nilpotente de rang r suivante :

0Mr,n−r (K) Ir
 
B= .
0Mn−r,n−r (K) 0Mn−r,r (K)

En notant P ∈ GLn (K) et Q ∈ GLn (K) telles que : A = P BQ, la multiplicativité de f donne :

f (A) = f (P )f (B)f (Q).

Si m est l’indice de nilpotence de B, il vient par commutativité de K :

f (A)m = f (P BQ)m = f (P )m f (B)m f (Q)m = f (P )m f (B m )f (Q)m = 0.

D’où : f (A) = 0, ce qui achève la démonstration.

Résumé. Commentaires. La caractérisation des matrices inversibles par le déterminant peut se déduire
de cet exercice. À comparer avec la démonstration proposée en 1re année.

Exercice 7. Soit f : Mn (K) → K linéaire telle que : ∀(A, B) ∈ (Mn (K))2 , f (AB) = f (BA). Démontrer qu’il existe
α ∈ K tel que : f = αtr. On utilisera les matrices Ek,ℓ .

 Heuristique. Comme deux applications linéaires sont égales si et seulement si elles coïncident sur une base, il
suffit de démontrer qu’il existe α ∈ K tel que :

∀(i, j) ∈ J1, nK2 , f (Ei,j ) = αtr(Ei,j ).

Le membre de droite est nul pour i ̸= j et égal à α pour i = j. Par conséquent, nous devons démontrer :

∀(i, j) ∈ J1, nK2 , i ̸= j =⇒ f (Ei,j ) = 0, (∗)

et :
∃α ∈ K, ∀i ∈ J1, nK, f (Ei,i ) = α. (†)
Cela revient exactement à dire que f est constante sur (Ei,i )1⩽i⩽n , ou plus concrètement :

∀(i, j) ∈ J1, nK2 , f (Ei,i ) = f (Ej,j ).

Il est pour cela naturel d’utiliser l’hypothèse de l’énoncé avec A et B deux matrices de la base des Ei,j . Or on a :

∀(i, j, k, ℓ) ∈ J1, nK4 , Ei,j Ek,ℓ = δj,k Ei,ℓ , (‡)

où δj,k est le symbole de Kronecker, donc par linéarité de f :

(‡) (‡)
∀(i, j, k, ℓ) ∈ J1, nK4 , δj,k f (Ei,ℓ ) = f (Ei,j Ek,ℓ ) = f (Ek,ℓ Ei,j ) = δℓ,i f (Ek,j ).

En écrivant cette suite d’égalités avec de bonnes valeurs de i, j, k et ℓ, nous aurons (∗) et (†). Notons que j = k et
ℓ = i donnent des symboles de Kronecker non nuls dans cette égalité. Au contraire, si l’on veut avoir un membre nul
(en vue de démontrer (∗)), il faut donc éviter ces égalités. Cela motive les choix qui suivront. ■

Corrigé 7. Soit (i, j) ∈ J1, nK2 . On a, via l’identité f (AB) = f (BA) utilisée avec A = Ei,j et B = Ej,i :

(‡) (‡)
f (Ei,i ) = f (Ei,j Ej,i ) = f (Ej,i Ei,j ) = f (Ej,j ).

7
 MP⋆ 2024/2025 Chapitre V – Corrigés

En posant : α = f (E1,1 ) ∈ K, on a donc : f (Ei,i ) = α = αtr(Ei,i ) (prendre j = 1 ci-dessus).

Supposons à présent i et j distincts. En posant A = Ei,j et B = Ej,j , on obtient :

(‡) (‡)
f (Ei,j ) = f (Ei,j Ej,j ) = f (Ej,j Ei,j ) = δj,i f (Ej,j ) = 0 = αtr(Ei,j ),

car δj,i = 0 (on a supposé i et j distincts).

On en déduit que f et αtr coïncident sur la base (Ei,j )1⩽i,j⩽n de Mn (K). Comme ce sont des applications
linéaires, cela suffit à démontrer qu’elles sont égales : d’où le résultat.

Résumé. Commentaires.

⋆ Exercice 8. Soit M ∈ Mn (Z). Démontrer que M admet un inverse dans Mn (Z) si et seulement si : det(M ) ∈ {1, −1}.

Corrigé 8. Supposons : det(M ) ∈ {−1,1}. Comme M est à coefficients entiers, et comme la comatrice Com(M ) A.G. 24
a pour coefficients des déterminants de matrices extraites de M , on a : Com(M ) ∈ Mn (Z). Avec l’identité :
1
M −1 = Com(M )⊤ = Com(M )⊤ ,
det(M )

on a bien : M −1 ∈ Mn (Z). D’où l’implication réciproque.

Réciproquement, si M admet un inverse N dans Mn (Z), alors det(M ) et det(N ) sont des entiers. Comme le
déterminant est multiplicatif, l’égalité : M N = In , entraîne : det(M ) det(N ) = 1, et donc : det(M ) ∈ Z× = {−1,1}.
D’où l’implication directe.

Résumé. Commentaires.

Compléments. Approfondissements.
— Généraliser, en remplaçant Z par un anneau commutatif A quelconque. Les plus courageux démontreront
rigoureusement que les formules utilisées dans la résolution restent toutes valables sans hypothèse
supplémentaire sur A (noter que si A est intègre, on peut se ramener au cas d’un corps : pourquoi ?).
Ce n’est pas simple, parce que le cours de 1re année utilise la théorie des espaces vectoriels (qui sont
sur des corps) pour démontrer les propriétés du déterminant.
— Déduire de cet exercice une condition nécessaire et suffisante :
— pour qu’une matrice A ∈ Mn (Z) induise une bijection X 7→ AX de Zn dans Zn (j’identifie Zn et
vecteurs colonnes à coefficients entiers) ;
— pour que deux éléments ⃗u et ⃗v de Z2 engendrent le groupe Z2 ;
— pour que deux entiers a et b soient les coefficients de la première colonne d’une matrice inversible
dans M2 (Z) (formuler cette condition en termes arithmétiques).

⋆ Exercice 9. Soit p un nombre premier. Calculer les cardinaux de GLn (Z/pZ) et SLn (Z/pZ) = ker(det).

Corrigé 9. On rappelle que GLn (Z/pZ) est en bijection avec l’ensemble des familles libres à n éléments de
(Z/pZ)n : à une matrice on associe le n-uplet constitué de ses colonnes. Ainsi, pour dénombrer GLn (Z/pZ), il suffit
de dénombrer l’ensemble des familles libres à n éléments de (Z/pZ)n . Pour ce faire :
— on choisit un premier vecteur C1 de (Z/pZ)n \ {⃗0} : il y a pn − 1 possibilités ;
— on choisit un deuxième vecteur C2 de (Z/pZ)n \ Vect (C1 ) : il y a pn − p possibilités ;
— plus généralement, soit k ∈ J1, n − 1K, supposons avoir construit C1 , . . . , Ck tels que la famille (C1 , . . . , Ck ) soit
libre ; on choisit alors un (k + 1)e vecteur Ck+1 linéairement indépendant de C1 , . . . , Ck , ce qui revient à choisir
k
Ck+1 ∈ (Z/pZ)n \ Vect (C1 , . . . , Ck ) : il y a pn − pk possibilités, puisque l’application (λ1 , . . . , λk ) 7→
P
λi Ci
i=1
est une bijection de (Z/pZ)k dans Vect (C1 , . . . , Ck ), ce qui donne le cardinal de Vect (C1 , . . . , Ck ).
On recommence jusqu’à avoir construit (C1 , . . . , Cn ), qui est libre par construction. Par principe multiplicatif, on a :
n
Y
card (GLn (Z/pZ)) = pn − pi−1 .


i=1

8
MP⋆ 2024/2025 Chapitre V – Corrigés

Déduisons-en le cardinal de SLn (Z/pZ). On va le déduire du principe des bergers, qu’on redémontre ici dans un
souci d’autosuffisance. On a : G
GLn (Z/pZ) = det−1 ({λ}).
λ∈(Z/pZ)×

En passant aux cardinaux : X

card (GLn (Z/pZ)) = card det−1 ({λ}) . (∗)

λ∈(Z/pZ)×

0Mn−1,1 (Z/pZ)
 
λ
Or, pour tout λ ∈ (Z/pZ) ×
et toute matrice M ∈ GLn (Z/pZ), si l’on note Aλ =
0M1,n−1 (Z/pZ) In−1
(qui est de déterminant λ) ; on a par multiplicativité du déterminant :

M ∈ det−1 ({λ}) ⇐⇒ det(M ) = λ ⇐⇒ det M A−1 = 1 ⇐⇒ M A−1λ ∈ SLn (Z/pZ) ⇐⇒ M ∈ Aλ SLn (Z/pZ),


λ

donc : ∀λ ∈ (Z/pZ)× , det−1 ({λ}) = card (Aλ SLn (Z/pZ)) = card (SLn (Z/pZ)), où la dernière égalité découle de la
bijection de Aλ SLn (Z/pZ) dans SLn (Z/pZ) donnée par M 7→ A−1 λ M (sa bijection réciproque est M 7→ Aλ M ). On
reprend le calcul amorcé dans (∗) et on en déduit :
X
card (GLn (Z/pZ)) = card (SLn (Z/pZ)) = (p − 1)card (SLn (Z/pZ)) ,
λ∈(Z/pZ)×

d’où :
n

pn − pi−1
Q
card (GLn (Z/pZ)) i=1
card (SLn (Z/pZ)) = = .
p−1 p−1

Résumé. Commentaires.

Compléments. Approfondissements.
— Formaliser le dénombrement avec la construction d’une bijection.
— Peut-on adapter la démonstration pour obtenir le cardinal des familles de (Z/pZ)n à k éléments et de
rang r ?

Exercice 10. Soit G un groupe fini. Démontrer qu’il existe p ∈ N \ {0} tel que G soit isomorphe à un sous-groupe
de GLp (K).

Corrigé 10. Soit p le cardinal de G. L’exercice 36 du chapitre iii démontre que G est isomorphe à un sous-groupe
de Sp . Dans un souci d’auto-suffisance, nous reproduisons la démonstration ici. Démontrons que l’application :

G → SG
Ψ:
g 7→ φg

est bien à valeurs dans SG et est un morphisme injectif de groupes.

Pour tout g ∈ G, l’application φg : G → G admet pour réciproque φg−1 , donc c’est bien un élément de SG .

Démontrons que Ψ est un morphisme de groupes. Pour tout (g1 , g2 , h) ∈ G3 , on a :

Ψ(g1 ) ◦ Ψ(g2 )(h) = Ψ(g1 )(g2 h) = g1 g2 h = Ψ(g1 g2 )(h),

donc : ∀(g1 , g2 ) ∈ G2 , Ψ(g1 ) ◦ Ψ(g2 ) = Ψ(g1 g2 ), ce qui démontre que Ψ est un morphisme de groupes.

Démontrons l’injectivité : si g ∈ ker(Ψ), alors : Ψ(g) = IdG , donc : ∀h ∈ G, gh = h. En prenant h = eG , on a

alors : g = eG . On conclut : ker(Ψ) = {eG }, donc Ψ est injective : d’où le résultat, Ψ induit un isomorphisme de G
dans Ψ(G) ⊆ SG . Or SG et Sp sont isomorphes car G et J1, pK sont en bijection (c’est vrai par définition du cardinal
d’un ensemble). Ainsi il existe un morphisme injectif Ψ′ de G dans Sp .

Déduisons-en le résultat demandé. Pour toute permutation σ ∈ Sp , soit Pσ la matrice associée, c’est-à-dire :

Pσ = δi,σ(j) 1⩽i,j⩽p ,

9
MP⋆ 2024/2025 Chapitre V – Corrigés

où δi,j désigne le symbole de Kronecker. Soit (⃗e1 , . . . , ⃗ep ) la base canonique de K p . Comme, pour toute permutation
σ de Sp , la matrice Pσ est celle relativement à la base canonique de l’endomorphisme de K p défini par :

∀i ∈ J1, pK, fσ (⃗ei ) = ⃗eσ(i) ,

on vérifie sans difficulté que l’on a :

∀(σ, σ ′ ) ∈ (Sp )2 , fσ ◦ fσ′ = fσ◦σ′ ,
et donc que : ∀(σ, σ ) ∈ (Sp ) , Pσ Pσ′ = Pσ◦σ′ . On en déduit d’une part que Pσ est inversible pour tout σ ∈ Sp ,
′ 2

d’inverse Pσ−1 (car Pid = In ), et d’autre part que l’application suivante est un morphisme de groupes :

Sp → GLp (K)

Φ:
σ 7→ Pσ .

Il est injectif : si Pσ = In avec σ ∈ Sp , alors : ∀(i, j) ∈ J1, pK2 , δi,j = δi,σ(j) , ce qui est bien sûr vrai si et seulement
si σ(j) = j pour tout j ∈ J1, pK, si et seulement si : σ = id. Ainsi le noyau de Φ est trivial, d’où l’injectivité. En
composant Φ et Ψ, on obtient un morphisme injectif :

Φ ◦ Ψ : G → GLp (K),

qui induit un isomorphisme de G sur son image Φ ◦ Ψ(G) ⊆ GLp (K), d’où le résultat : G est isomorphe à un
sous-groupe de GLp (K).

Résumé. Commentaires.

Compléments. Approfondissements.
— Vérifier en détails que si X et Y sont deux ensembles de même cardinal (i.e. en bijection), alors les
groupes symétriques SX et SY sont isomorphes.
— Approfondir la connaissance des matrices Pσ . Déterminant ? Polynôme minimal, polynôme caractéris-
tique ? Valeurs propres et vecteurs propres ? Diagonalisation ? À comparer avec la matrice étudiée dans
l’exercice 23.
— Est-ce que p = card(G) est le plus petit entier tel que G s’injecte dans GLp (K) ? On regardera ce qu’il
en est pour G = Un , G = Sn (avec n petit), etc.
— Déduire de cet exercice que si n est le cardinal de G, alors pour tout nombre premier p, le groupe G
contient un sous-groupe de cardinal pvp (n) (théorème de Sylow). On commencera par démontrer que
G = GLn (Z/pZ) contient un sous-groupe de cardinal pvp (card(G)) (voir l’exercice 9 pour le cardinal de
GLn (Z/pZ)). En déduire en particulier que G contient un élément d’ordre p pour tout p divisant n :
c’est loin d’être trivial ! À comparer aux exercices 5 et 40 du chapitre iii.

1
Exercice 11. Soit G un sous-groupe fini de GLn (K). Démontrer que M est une matrice de projecteur,
P
card(G) M ∈G
et en déduire une expression de : dim ({X ∈ Mn,1 (K) | ∀M ∈ G, M X = X}), en fonction des traces des éléments
de G.
1 X
Corrigé 11. Notons Mp = M la matrice de l’énoncé. On a : R.D. 24
card(G)
M ∈G
!2
1 X 1 X X (∗) 1 X X 1 X
Mp2 = M = MN = N= N = Mp ,
card(G)2 card(G) 2 card(G)2 card(G)
M ∈G M ∈G N ∈G M ∈G N ∈G N ∈G

en notant que l’égalité (∗) découle du fait que pour tout M ∈ G, l’application N 7→ M N est une permutation du
groupe fini G (sa réciproque est N 7→ M −1 N ). Ainsi Mp est idempotente et est donc une matrice de projecteur.

Soit p ce projecteur. Réécrivons la dimension cherchée en fonction de p. Pour cela, notons que si X ∈ Mn,1 (K),
on a l’équivalence suivante : p(X) = X ⇐⇒ ∀M ∈ G, M X = X. Démontrons-la.
1 X
L’implication réciproque est triviale. Pour le sens direct, soit X ∈ Mn,1 (K) vérifiant : N X = X.
card(G)
N ∈G
Soit M ∈ G. Alors :
!
1 X 1 X 1 X
MX = M NX = MNX = N X = X,
card(G) card(G) card(G)
N ∈G N ∈G N ∈G

10
 MP⋆ 2024/2025 Chapitre V – Corrigés

par l’argument (∗). Ceci finit la preuve de l’équivalence.

Dès lors :

{X ∈ Mn,1 (K) | ∀M ∈ G, M X = X} = {X ∈ Mn,1 (K) | p(X) = X} = ker(p − Id) = im(p).

Le calcul s’ensuit en remarquant que pour tout projecteur : rg(p) = tr(Mp ). Donc : dim(im(p)) = rg(p) = tr(Mp ).
1 X
La dimension cherchée vaut ainsi tr(M ).
card(G)
M ∈G

Résumé. Commentaires.

⋆ Exercice 12. Soient M et N deux matrices réelles, et semblables dans Mn (C). Démontrer que M et N sont
semblables dans Mn (R).

Corrigé 12. Par définition, il existe P ∈ GLn (C) tel que : M = P −1 N P ; d’où P M = N P . A.G. 24
En écrivant chaque coefficient de P sous forme algébrique, on a l’existence de (R, Q) ∈ Mn (R) tel que : P =
2

R + iQ. On en déduit : (Q + iR)M = N (Q + iR), d’où : QM = N Q et RM = N R. En particulier :

∀t ∈ R, (Q + tR)M = N (Q + tR).

Soit f l’application t 7→ det(Q + tR). Comme le déterminant est polynomial en les coefficients d’une matrice,
l’application f est polynomiale aussi, non identiquement nulle puisque : f (i) = det(P ) ̸= 0. Par conséquent f admet
un nombre fini de racines réelles. Comme R est infini, il existe t0 ∈ R tel que : f (t0 ) ̸= 0, c’est-à-dire tel que :
Q + t0 R ∈ GLn (R), et de plus : (Q + t0 R)M = N (Q + t0 R). En multipliant à gauche chaque membre de l’égalité
par l’inverse de Q + t0 R, on a :
M = (Q + t0 R)−1 N (Q + t0 R),
donc M et N sont semblables dans GLn (R).

Résumé. Commentaires.

Compléments. Approfondissements.
— Pour un exemple d’utilisation de ce résultat : voir l’exercice 75.
— Pour une généralisation de cet exercice suivant la même démarche dans l’idée : voir l’exercice 13.

Exercice 13. (Une généralisation de l’exercice précédent) On suppose que K est infini. Soient L un corps
contenant K et de dimension finie sur K en tant que K-espace vectoriel. On pose : d = dimK (L). Soient M et N
deux matrices à coefficients dans K, et semblables dans Mn (L).
1. Démontrer qu’une application polynomiale à d variables, à coefficients dans L, est nulle sur K d si et seulement
si elle est nulle sur Ld (on dit qu’une application f : Ld → L est polynomiale si elle est de la forme (xi )1⩽i⩽d 7→
d
xm où I est une partie finie de Nd et (am1 ,...,md )(m1 ,...,md )∈I ∈ LI ).
P Q
am1 ,...,md i
i

(m1 ,...,md )∈I i=1

2. En déduire que M et N sont semblables dans Mn (K).

Corrigé 13. Aucun corrigé n’a été écrit. Je le ferai quand j’aurai le temps, ou sinon : avis aux volontaires !

Résumé. Commentaires.

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

1. Soient f et g deux endomorphismes de E tels que : f ◦ g = g ◦ f . Démontrer que si f et g admettent des
polynômes annulateurs non nuls, alors f + g et f ◦ g également.
2. Déterminer les sous-R-algèbres de C0 (R, R) de dimension finie.

Corrigé 14.
1. On s’inspire de la résolution de l’exercice 85 du chapitre iv. Supposons que f et g admettent des polynômes
annulateurs non nuls. Pour démontrer que f + g et f ◦ g admettent des polynômes annulateurs non nuls,

11
MP⋆ 2024/2025 Chapitre V – Corrigés

démontrons que les algèbres R[f + g] et R[f ◦ g] sont de dimension finie, en les incluant dans un espace vectoriel
de dimension finie.
Notons à cet effet : R[f, g] = Vect f i ◦ g j | (i, j) ∈ N2 . Notons df et dg les degrés de πf et πg . En effectuant,


pour tout i ∈ N et pour tout j ∈ N, la division euclidienne de f i par πf et la division euclidienne de g j par πg ,
et en utilisant la distributivité de la composition par rapport à l’addition, on démontre aisément que l’on a :

R[f, g] ⊆ Vect f i ◦ g j | (i, j) ∈ J0, df K × J0, dg K .



Ce dernier espace vectoriel admet une partie génératrice finie, donc est de dimension finie et R[f, g] l’est
également. Or, par la formule du binôme de Newton (licite car f et g commutent), on a :
k  
X k
∀k ∈ N, (f + g)k = f i ◦ g k−i ∈ R[f, g],
i=0
i

donc par stabilité par combinaison linéaire de R[f, g] on a : R[f + g] ⊆ R[f, g]. On en déduit que R[f + g] est
de dimension finie sur R, donc f + g admet un polynôme annulateur non nul : ce qu’il fallait démontrer.
On raisonne de même avec f ◦ g, en remarquant que par commutativité de f et g on a pour tout entier naturel
k:
(f ◦ g)k = f k ◦ g k ∈ R[f, g].
2. Soit A une sous-R-algèbre de C0 (R, R) de dimension finie, et soit f ∈ A. Alors R[f ] est une sous-R-algèbre
de A et elle est aussi de dimension finie. On en déduit que f admet un polynôme annulateur : il existe
d
(a0 , . . . , ad ) ∈ Rd+1 non nul tel que : ai f i = 0 (ici, au contraire de ce qu’il se passe dans L(E), l’élément
P
i=0
f i désigne l’exponentiation classique, vu que C0 (R, R) est une algèbre pour l’addition et la multiplication
usuelles). On en déduit :
Xd
∀x ∈ R, ai (f (x))i = 0.
i=0
d
Ainsi le polynôme P = ai X i admet pour racines tous les éléments de f (R). Or P est non nul et admet donc
P
i=0
un nombre fini de racines : on en déduit que f (R) est un ensemble fini. Or f est continue, donc f (R) est un
intervalle par le théorème des valeurs intermédiaires ; un intervalle fini est nécessairement un singleton, donc
f (R) est un singleton, ce qui signifie que f est une application constante. On a démontré : A ⊆ R (on identifie
R et les applications constantes).
Réciproquement, soit A ⊆ R une sous-R-algèbre de R. On a donc : dimR (A) ⩽ 1, donc A est soit égal à {0},
soit égal à R. Dans les deux cas, cela fournit une sous-R-algèbre de C0 (R, R) de dimension finie, ce qui conclut.
Les sous-R-algèbres de C0 (R, R) de dimension finie sont {0} et R.

Résumé. Commentaires.

Compléments. Approfondissements.
— Faire l’exercice 85 du chapitre iv, analogue à celui-ci.
— Se demander pourquoi il n’y a pas d’ambiguïté sur la multiplication faisant de C0 (R, R) une algèbre :
pourquoi n’est-ce pas la composition comme dans L(E) ?
— Trouver un contre-exemple à la première question lorsque f et g ne commutent pas.

Exercice 15. Soit A ∈ Mn (R). Résoudre l’équation : M + M ⊤ = tr(M )A, d’inconnue M ∈ Mn (R).

Corrigé 15. Aucun corrigé n’a été écrit. Je le ferai quand j’aurai le temps, ou sinon : avis aux volontaires !

Résumé. Commentaires.

n2
Exercice 16. Soit (Ai )1⩽i⩽n2 ∈ (Mn (K)) . Démontrer que (Ai )1⩽i⩽n2 est une base de Mn (K) si et seulement si
((tr(Ai Aj )))1⩽i,j⩽n2 est inversible.

Corrigé 16. Aucun corrigé n’a été écrit. Je le ferai quand j’aurai le temps, ou sinon : avis aux volontaires !

12
 MP⋆ 2024/2025 Chapitre V – Corrigés

Résumé. Commentaires.

⋆ Exercice 17. Supposons E de dimension finie. Soit f ∈ L(E).

1. Démontrer que ker(f ) ⊕ im(f ) = E si, et seulement si im(f ) = im(f 2 ), si et seulement si ker(f ) = ker(f 2 ).
2. Démontrer que si E est de dimension infinie, alors on a toujours ker(f ) + im(f ) = E si im(f ) = im(f 2 ), mais
plus nécessairement la somme directe (qui, elle, s’obtient si ker(f ) = ker(f 2 )).

Corrigé 17. A.G. 24

1. Notons d’abord que certaines inclusions sont vraies sans hypothèse sur u ni E. On a toujours ker(f ) ⊆ ker(f 2 )
et im(f 2 ) ⊆ im(f ).
Démonstration que ker(f ) ⊆ ker(f 2 ). Soit ⃗x ∈ ker(f ). Alors f (⃗x) = ⃗0 par définition, et donc : f 2 (⃗x) =
f (f (⃗x)) = f (⃗0) = ⃗0. Ainsi ⃗x ∈ ker(f 2 ). Ceci démontre cette inclusion.
Démonstration que im(f 2 ) ⊆ im(f ). Soit ⃗y ∈ im(f 2 ). Par définition de l’image, il existe ⃗z ∈ E tel que :
⃗y = f 2 (⃗z). Mais alors, en posant ⃗x = f (⃗z) ∈ E, on voit qu’on a : ⃗y = f (f (⃗z)) = f (⃗x) ∈ im(f ). Ceci démontre
cette inclusion.

Ces inclusions permettent déjà de démontrer l’équivalence :

im(f ) = im(f 2 ) ⇐⇒ ker(f ) = ker(f 2 ).

En effet, comme il existe des inclusions entre ces sous-espaces vectoriels, ils sont égaux si et seulement si leurs
dimensions sont égales. Il revient donc au même de démontrer que :

dim(im(f )) = dim(im(f 2 )) ⇐⇒ dim(ker(f )) = dim(ker(f 2 )).

Cette équivalence est clairement vraie si on utilise le théorème du rang.

Il reste donc à vérifier que ker(f ) ⊕ im(f ) = E si, et seulement si l’une des deux égalités ensemblistes est
vérifiée. Nous allons démontrer que :
— si ker(f ) ⊕ im(f ) = E, alors ker(f ) = ker(f 2 ) ;
— si ker(f ) = ker(f 2 ), alors ker(f ) ⊕ im(f ) = E.
Supposons donc que ker(f ) ⊕ im(f ) = E. Soit ⃗x ∈ ker(f 2 ) : démontrons que ⃗x ∈ ker(f ). Pour cela, on note
que f (⃗x) ∈ im(f ) (par définition de l’image) et f (⃗x) ∈ ker(f ) (parce que f (f (⃗x)) = f 2 (⃗x) = ⃗0 par hypothèse
sur ⃗x). Donc f (⃗x) ∈ ker(f ) ∩ im(f ). Mais la somme est supposée directe, donc : f (⃗x) = ⃗0. Ceci démontre que
⃗x ∈ ker(f ).
Ainsi : ker(f 2 ) ⊆ ker(f ), et on sait déjà que ker(f ) ⊆ ker(f 2 ). On a donc bien démontré que si
ker(f ) ⊕ im(f ) = E, alors ker(f ) = ker(f 2 ).

Supposons à présent que ker(f ) = ker(f 2 ). Montrons que ker(f ) et im(f ) sont en somme directe : soit ⃗y ∈
ker(f )∩im(f ). Comme ⃗y ∈ im(f ), il existe ⃗x ∈ E tel que : ⃗y = f (⃗x). Comme ⃗y ∈ ker(f ), on a f (⃗y ) = f 2 (⃗x) = ⃗0,
donc ⃗x ∈ ker(f 2 ) ; mais par hypothèse ker(f 2 ) = ker(f ), donc ⃗x ∈ ker(f ), ce qui démontre que ⃗y = f (⃗x) = ⃗0 :
on en déduit que ker(f ) ∩ im(f ) = {⃗0}.
Ainsi le noyau et l’image de u sont en somme directe. De plus, d’après le théorème du rang :

dim(ker(f )) + dim(im(f )) = dim(E),

donc : ker(f ) ⊕ im(f ) = E : ils sont supplémentaires, ce qu’on voulait démontrer.

En conclusion :
ker(f ) ⊕ im(f ) = E ⇐⇒ ker(f ) = ker(f 2 ) ⇐⇒ im(f ) = im(f 2 ).
Autre démonstration. Nous avons cependant privilégié les noyaux ci-dessus, parce que les images nécessitent
de construire des antécédents : cela nécessite plus de travail. Mais on peut tout de même, aussi, raisonner avec
les images. Supposons en effet : ker(f ) ⊕ im(f ) = E. Démontrons : im(f ) = im(f 2 ). Rappelons que l’inclusion
im(f 2 ) ⊆ im(f ) est toujours vraie et seule l’inclusion réciproque est à vérifier. Soit ⃗y ∈ im(f ). Il existe ⃗x ∈ E
tel que : ⃗y = f (⃗x), et comme E = ker(f ) + im(f ) il existe (⃗x1 , ⃗x2 ) ∈ ker(f ) × im(f ) tel que : ⃗x = ⃗x1 + ⃗x2 . Alors
par linéarité de f on a :
⃗y = f (⃗x) = f (⃗x1 ) + f (⃗x2 ) = f (⃗x2 ) ∈ im(f 2 ),
et ceci vaut pour tout ⃗y ∈ im(f ). D’où : im(f ) ⊆ im(f 2 ). On a démontré l’égalité.

13
 MP⋆ 2024/2025 Chapitre V – Corrigés

Réciproquement, supposons : im(f ) = im(f 2 ). Soit ⃗x ∈ E. On veut l’écrire comme somme d’un vecteur de
ker(f ) et d’un vecteur de im(f ). On a : f (⃗x) ∈ im(f ) = im(f 2 ), donc il existe ⃗y ∈ E tel que : f (⃗x) = f 2 (⃗y ) =
f (f (⃗y )). On en déduit : f (⃗x − f (⃗y )) = ⃗0, donc : ⃗x − f (⃗y ) ∈ ker(f ). Vérifions alors que la décomposition :

⃗x = (⃗x − f (⃗y )) + f (⃗y )

fournit bien une décomposition de ⃗x dans ker(f ) + im(f ). Il est évident que f (⃗y ) appartient à im(f ), et le
calcul ci-dessus démontre que ⃗x − f (⃗y ) est dans ker(f ). D’où : E = ker(f ) + im(f ). Or, par le théorème du
rang et la formule de Grassmann, on a :

dim(ker(f ) ∩ im(f )) = dim(ker(f )) + dim(im(f )) − dim(ker(f ) + im(f )) = dim(ker(f )) + dim(f) − dim(E) = 0,

donc : ker(f )∩im(f ) = {⃗0}, ce qui démontre que le noyau et l’image de f sont en somme directe. En conclusion :

E = ker(f ) ⊕ im(f ).

2. Pour démontrer le résultat, il suffit de noter que dans la question précédente, pour démontrer : ker(f )+im(f ) =
E, on a seulement besoin de l’égalité im(f ) = im(f 2 ), tandis que la somme directe s’obtient uniquement en
utilisant ker(f ) = ker(f 2 ).
Pour un contre-exemple à la somme directe en dimension infinie, soit f l’endomorphisme de dérivation de
R[X], défini par P 7→ P ′ . On vérifie que l’on a : im(f ) = im(f 2 ) = R[X] (tout polynôme admet une primitive),
et : ker(f ) = R0 [X]. Ainsi ker(f ) = R0 [X] et im(f ) = R[X] ne sont pas en somme directe, bien que l’on ait
im(f ) = im(f 2 ).

Résumé. Commentaires.

Compléments. Approfondissements.
— Dans la première question, vérifier que seule la somme directe est utilisée pour avoir l’égalité ker(f ) =
ker(f 2 ), tandis que seule l’égalité ker(f ) + im(f ) = E intervient pour avoir l’égalité im(f ) = im(f 2 ).
— Donner des exemples d’endomorphismes vérifiant les différentes égalités ensemblistes de l’énoncé. On
en cherchera en dimension finie et infinie.
— Faire l’exercice 74. Faire le lien avec celui ci-dessus.
— Dans le cas des projecteurs, comment s’écrit explicitement tout vecteur de E dans la somme directe
E = ker(f ) ⊕ im(f ) ? À comparer avec l’écriture proposée dans cet exercice.

⋆ Exercice 18. (Noyaux itérés) Supposons E de dimension finie. Soit f un endomorphisme de E.

1. Démontrer que (im(f n ))n⩾0 et (ker(f n ))n⩾0 sont respectivement décroissante et croissante pour l’inclusion.
2. Démontrer qu’il existe un entier n ⩾ 1 tel que ker(f n ) = ker(f n+1 ).
3. Démontrer que si ker(f n ) = ker(f n+1 ) pour un certain n ∈ N, alors la suite stationne à partir de ce rang. De
même pour im(f n ).
4. Soit p ⩾ 1 le plus petit entier naturel tel que ker(f p ) = ker(f p+1 ). Démontrer qu’alors on a ker(f p ) ⊕ im(f p ) =
E.

Corrigé 18. A.G. 24

1. Soient n ∈ N et ⃗y ∈ im(f n+1
). Il existe ⃗x ∈ E tel que :

⃗y = f n+1 (⃗x) = f n (f (⃗x)) ∈ im(f n ),

donc : im(f n+1 ) ⊆ im(f n ).

Passons aux noyaux, soit ⃗x ∈ ker(f n ). On a : f n+1 (⃗x) = f n (f (⃗x)) = ⃗0. Donc : ker(f n ) ⊆ ker(f n+1 ).
2. La suite (dim(im(f n )))n∈N est décroissante car (im(f n ))n∈N l’est (pour l’inclusion), et elle est à valeurs dans
N. Une suite à valeurs dans N ne peut pas être strictement décroissante (en effet, si elle l’était, on aurait
dim(im(f n )) − dim(im(f n+1 )) ⩾


1 pour tout n ∈ N et donc, en sommant de 0 à dim(E) on aurait : dim(E) ⩾
dim(E) + 1 + dim im f dim(E)+1 : absurde), donc (dim(im(f n )))n∈N est stationnaire : il existe n ∈ N tel que
im(f n ) = im(f n+1 ).
On en déduit par le théorème que rang et par l’inclusion ker(f n ) ⊆ ker(f n+1 ), on a de même : ker(f n ) =
ker(f n+1 ).

14
 MP⋆ 2024/2025 Chapitre V – Corrigés

3. Soit n0 le plus petit entier tel que : ker(f n0 ) = ker(f n0 +1 ). Démontrons que pour tout entier n ⩾ n0 on
a : ker(f n ) = ker(f n0 ). On procède par récurrence sur n, l’initialisation étant triviale. Soit n ⩾ n0 tel que :
ker(f n ) = ker(f n0 ). On veut démontrer : ker(f n+1 ) = ker(f n0 ). Par la première question on a déjà l’inclusion
ker(f n0 ) ⊆ ker(f n+1 ) et il reste donc à démontrer l’inclusion réciproque. Soit ⃗x ∈ ker(f n+1 ). Alors f k (⃗x)
appartient à ker(f n+1−k ) pour tout k ∈ J0, n + 1K : pour exploiter l’hypothèse ker(f n0 ) = ker(f n0 +1 ) qui
permet de « revenir en arrière », on choisit k tel que n + 1 − k = n0 + 1 : cela revient à poser k = n − n0 .
Faisons. On a :
f n−n0 (⃗x) ∈ ker(f n0 +1 ) = ker(f n0 ),
c’est-à-dire : f n (⃗x) = ⃗0. Autrement dit : ⃗x ∈ ker(f n ), donc par hypothèse de récurrence : ⃗x ∈ ker(f n0 ). Ceci
démontre l’inclusion réciproque : ker(f n+1 ) ⊆ ker(f n0 ), d’où l’égalité : ker(f n+1 ) = ker(f n0 ), et l’hérédité de
la proposition.
Par principe de récurrence, on a : ∀n ⩾ n0 , ker(f n ) = ker(f n0 ). Par le théorème du rang et la première
question, on a aussi : ∀n ⩾ n0 , im(f n ) = im(f n0 ).
4. Comme (ker(f n ))n∈N stationne à partir du rang p, on a : ker(f p ) = ker(f 2p ), par l’exercice 17 :

ker(f p ) ⊕ im(f p ) = E.

Résumé. Commentaires. La dernière question fournit un premier résultat de réduction : la décomposition

de Fitting. En effet, dans une base
 adaptée à la décomposition ker(f p ) ⊕ im(f p ) = E, la matrice de f est
0Mp,n−p (K)

A
diagonale par blocs, de la forme avec A une matrice nilpotente (puisque f p (⃗x) = ⃗0
0Mn−p,p (K) B
pour tout ⃗x ∈ ker(f p )) et B une matrice inversible (puisque im(f p ) ∩ ker(f p ) = {⃗0}). Autrement dit : tout
endomorphisme se ramène à l’étude des endomorphismes nilpotents et inversibles.
Cependant tous les résultats de réduction vus cette année sont supérieurs à la décomposition de Fitting et
nous n’en ferons donc pas usage.

Cette décomposition de Fitting permet de dénombrer le nombre de matrices nilpotentes à coefficients dans
un corps fini.

⋆ Exercice 19. (La suite des noyaux itérés « s’essouffle ») Supposons E de dimension finie. Soit f ∈ L(E).
Démontrer que la suite dim(ker(f n+1 )) − dim(ker(f n )) n⩾0 est décroissante.

Corrigé 19.
Démonstration avec les espaces vectoriels quotients (exercice 1). Soit n ∈ N. Notons que ker(f n ) est
inclus dans ker(f n+1 ) (exercice facile ; voir aussi la première question de l’exercice 18) et il est donc légitime de
considérer l’espace vectoriel quotient ker(f n+1 )/ ker(f n ).
L’application :
ker(f n+2 ) → ker(f n+1 )/ ker(f n )

g:
⃗x 7→ f (⃗x) mod ker(f n )
est correctement définie (si ⃗x ∈ ker(f n+2 ), alors f n+1 (f (⃗x)) = f n+2 (⃗x) = ⃗0 donc f (⃗x) ∈ ker(f n+1 )), linéaire car f
l’est, et pour tout ⃗x ∈ ker(f n+2 ) on a :

⃗x ∈ ker(g) ⇐⇒ f (⃗x) ≡ 0 mod ker (f n ) ⇐⇒ f (⃗x) ∈ ker (f n ) ⇐⇒ f n ◦f (⃗x) = ⃗0 ⇐⇒ f n+1 (⃗x) = ⃗0 ⇐⇒ ⃗x ∈ ker f n+1 ,

donc : ker(g) = ker f n+1 . Par le théorème de factorisation des morphismes, g induit une application linéaire

injective :
ḡ : ker(f n+2 )/ ker(f n+1 ) → ker(f n+1 )/ ker(f n ).
Par le théorème du rang, une application linéaire injective est toujours à valeurs dans un espace vectoriel de plus
grande dimension. Ici :
dim ker(f n+2 )/ ker(f n+1 ) ⩽ dim ker(f n+1 )/ ker(f n ) ,

c’est-à-dire :
dim(ker(f n+2 )) − dim(ker(f n+1 )) ⩽ dim(ker(f n+1 )) − dim(ker(f n )),
d’où le résultat : la suite dim(ker(f n+1 )) − dim(ker(f n )) n⩾0 est décroissante.

Résumé. Commentaires.

15
 MP⋆ 2024/2025 Chapitre V – Corrigés

Compléments. Approfondissements.
— Retrouver les résultats de l’exercice 18 avec celui-ci.
— En déduire que l’indice de nilpotence d’un endomorphisme nilpotent est inférieur ou égal à dim(E).
— Caractériser les endomorphismes nilpotents de rang dim(E) − 1.

Calculs de déterminant
✓ Exercice 20. Soit (a, b, c, d, e, f ) ∈ K 6 . Calculer les déterminants ci-dessous en les donnant sous forme factorisée :

1 a b ab 0 a b c
(b + c)2 b2 c2
1 c b cb −a 0 d e
a2 (c + a)2 c2 , , .
1 a d ad −b −d 0 f
a2 b2 (a + b)2
1 c d cd −c −e −f 0

Corrigé 20. Premier calcul de déterminant. On a :

(b + c)2 b2 c2 (b + c)2 − a2 0 c2 − (a + b)2 (L1 ← L1 − L3 )

a2 (c + a)2 c2 = 0 (c + a)2 − b2 c2 − (a + b)2 (L2 ← L2 − L3 )
a2 b2 (a + b)2 a2 b2 (a + b)2
((b + c) − a)((b + c) + a) 0 (c − (a + b))(c + (a + b))
= 0 ((c + a) − b)((c + a) + b) (c − (a + b))(c + (a + b))
a2 b2 (a + b)2
b+c−a 0 c−a−b
= (a + b + c)2 0 c+a−b c−a−b
a2 b2 (a + b)2
b+c−a 0 −2b (C3 ← C3 − C1 − C2 )
= (a + b + c)2 0 c + a − b −2a
a2 b2 2ab
b+c−a 0 −b
= 2(a + b + c)2 0 c+a−b −a
a2 b2 ab

Calculons ce dernier déterminant. En utilisant la linéarité du déterminant par rapport à sa troisième colonne, on a :

b+c−a 0 −b b+c−a 0 −b b+c−a 0 0

0 c + a − b −a = 0 c+a−b 0 + 0 c + a − b −a .
a2 b2 ab a2 b2 ab a2 b2 0

Le deuxième déterminant s’obtient en développant par rapport à la troisième colonne, de sorte que :

b+c−a 0 0
b+c−a 0
0 c + a − b −a = a = ab2 (b + c − a),
a2 b2
a2 b2 0

tandis que le premier déterminant se calcule aussi avec un développement par rapport à la troisième colonne, mais
en faisant d’abord une opération adéquate sur les lignes :

b+c−a 0 −b b+c−a 0 −b
0 c+a−b 0 = 0 c+a−b 0 = ba(b + c)(c + a − b).
a2 b2 ab a(b + c) b2 0 (L3 ← L3 + aL1 )

On en déduit :
(b + c)2 b2 c2
a2 (c + a)2 c2 = 2(a + b + c)2 ab (b(b + c − a) + (b + c)(c + a − b))
a2 b2 (a + b)2
 
= 2(a + b + c)2 ab b2 + bc −  a + bc + 
b a − b2 + c2 + ca − cb
b
= 2(a + b + c)2 abc (a + b + c)
= 2abc(a + b + c)3 .

16
MP⋆ 2024/2025 Chapitre V – Corrigés

Deuxième calcul de déterminant. On a :

1 a b ab 1 a b ab
1 c b cb 0 c−a 0 cb − ab (L2 ← L2 − L1 )
=
1 a d ad 0 0 d−b ad − ab (L3 ← L3 − L1 )
1 c d cd 0 0 d−b cd − cb (L4 ← L4 − L2 )
1 a b ab
0 c−a 0 b(c − a)
=
0 0 d − b a(d − b)
0 0 d − b c(d − b)
1 a b ab
0 1 0 b
= (c − a)(d − b)2
0 0 1 a
0 0 1 c
1 a b ab
0 1 0 b
= (c − a)(d − b)2
0 0 1 a
0 0 0 c − a (L4 ← L4 − L3 )
= (c − a)2 (d − b)2 .

Troisième calcul de déterminant. On a :

0 a b c 0 a b c 0 0 b c
−a 0 d e −a 0 d e −a 0 d e
= +
−b −d 0 f −b 0 0 f −b −d 0 f
−c −e −f 0 −c 0 −f 0 −c −e −f 0
0 a b c 0 a b c 0 0 b c 0 0 b c
−a 0 d e 0 0 d e 0 0 d e −a 0 d e
= + + + .
0 0 0 f −b 0 0 f −b −d 0 f 0 −d 0 f
0 0 −f 0 −c 0 −f 0 −c −e −f 0 0 −e −f 0

Le premier déterminant est le déterminant d’une matrice triangulaire supérieure par blocs. Donc :

0 a b c
−a 0 d e 0 a 0 f
= · = (af )2 .
0 0 0 f −a 0 −f 0
0 0 −f 0

Le troisième déterminant se calcule sur le même principe, après avoir préalablement échangé la première et troisième
ligne, puis la deuxième et quatrième ligne :

0 0 b c −b −d 0 f
2
0 0 d e −c −e −f 0 −b −d b c b c
= = · = = (be − cd)2 .
−b −d 0 f 0 0 b c −c −e d e d e
−c −e −f 0 0 0 d e

Le deuxième déterminant se calcule en développant par rapport à la deuxième colonne :

0 a b c
0 d e
0 0 d e
= −a −b 0 f
−b 0 0 f
−c −f 0
−c 0 −f 0
 
d e d e
= −a b −c (dév. / 1re colonne)
−f 0 0 f
= −af (be − cd),

et enfin, comme le déterminant est invariant par transposition de matrice, le dernier déterminant à calculer se ramène
au cas précédent :

0 0 b c 0 −a 0 0 0 a 0 0
0 d e
−a 0 d e 0 0 −d −e 0 0 d e
= = (−1)4 = −a −b 0 f = −af (be − cd).
0 −d 0 f b d 0 −f −b −d 0 f
−c −f 0
0 −e −f 0 c 0 f 0 −c 0 −f 0

17
 MP⋆ 2024/2025 Chapitre V – Corrigés

Pour conclure, en sommant ces quatre déterminants on obtient :

0 a b c
−a 0 d e
= (af )2 + (be − cd)2 − 2af (be − cd) = (af − be + cd)2 .
0 0 0 f
0 0 −f 0

Résumé. Commentaires.

⋆ Exercice 21. Soit (a, b, c) ∈ K 3 tel que : b ̸= c. On pose :

 
a c ··· c
..  1 1
 
···
b . . . . . . .

 .. .. ..  ∈ M (K).
A=  ∈ Mn (K), J =  .

. . . . 
.. ...
n
 .. c 1 ··· 1
b ··· b a

Calculer det(A) en passant par l’étude de x 7→ det(A + xJ).

Corrigé 21. Démontrons d’abord que f : x 7→ det(A + xJ) est une fonction affine. Soit x ∈ K. On a :

a+x c+x c+x ··· c+x a+x c+x c+x ··· c+x
b+x a+x c+x ··· c+x b−a a−c 0 ··· 0 (L2 ← L2 − L1 )
.. .. .. .. .. .. .. .. (L3 ← L3 − L1 )
f (x) = b + x . . . . = b−a . . . .
.. .. .. .. ..
. . b+x a+x c+x . . b−c a−c 0 .
b+x ··· b+x b+x a+x b−a ··· b−c b−c a−c (Ln ← Ln − L1 )

On utilise la linéarité du déterminant par rapport à la première ligne, et on a :

1 1 1 ··· 1 ac c ··· c
b−a a−c 0 ··· 0 b−a
a−c 0 ··· 0
.. .. .. .. .. .. .. ..
f (x) = x b − a . . . . + b−a . . . . .
.. .. .. ..
. . b−c a−c 0 . . b−c a−c 0
b−a ··· b−c b−c a−c b − a ··· b−c b−c a−c

Notons α le premier déterminant et β le second. On a : f (x) = αx + β, et ce pour tout x ∈ K. Notons que l’on
cherche : det(A) = f (0), or f (0) = β. Ainsi, si l’on trouve β, on obtient aussi det(A).

On fait des choix de x permettant de faire apparaître des déterminants de matrices triangulaires, de sorte que le
a − b c − b ··· c − b
.. .. ..
0 . . .
calcul soit simplifié. On a : det(A − bJ) = .. = (a − b)n , et de même : det(A − cJ) = (a − c)n .
.. ..
. . . c−b
0 ··· 0 a−b
Mais on a aussi det(A − bJ) = −αb + β et det(A − cJ) = −αc + β. On en déduit que α et β sont solutions du
système :
(a − b)n = −αb + β

(a − c)n = −αc + β.
b(a−c)n −c(a−b)n
L’opération L2 ← bL2 − cL1 donne : β(b − c) = b(a − c)n − c(a − b)n , donc : β = b−c . On en déduit :

b(a − c)n − c(a − b)n

det(A) = f (0) = β = ,
b−c
ce qu’on voulait obtenir.

Résumé. Commentaires.

18
MP⋆ 2024/2025 Chapitre V – Corrigés

Compléments. Approfondissements.
— Essayer d’obtenir det(A) directement, sans l’indication de cet exercice.
— À partir du chapitre xi : pouvait-on obtenir det(A) par dérivation par rapport à x (ou une autre
variable) ?

Exercice 22. Soit θ ∈ R. On suppose : n ⩾ 2. Calculer le déterminant de la matrice :

2 cos(θ) 1 0 ··· ··· 0

 
.. .. .. ..
 1 . . . .
 

. .. .. .. .
 
 0
 . . . . . .. 
 ∈ Mn (R).

. . .. .. ..

.. .. . . . 0 
 

.. .. .. ..
 
. . .
 
 . 1 
0 ··· ··· 0 1 2 cos(θ)

Corrigé 22. Pour tout n ⩾ 2, notons Dn le déterminant de la matrice d’ordre n de l’énoncé. Soit n ∈ N \ {0,1}.
Développer Dn+2 par rapport à la dernière ligne (c’est à peu près arbitraire, au vu des symétries de la matrice : la
première colonne, par exemple, donnerait la même chose) donne :

2 cos(θ) 1 0 ··· 0 2 cos(θ) 1 0 ··· 0

.. .. .. .. .. .. ..
1 . . . 1 . . . .
Dn+2 = 2 cos(θ) .. .. .. − .. ..
0 . . . 0 0 . . 1 0 .
.. .. .. .. .. ..
. . . . 1 . . 1 2 cos(θ) 0
0 ··· 0 1 2 cos(θ) 0 ··· 0 1 1

Le premier déterminant du membre de droite est Dn+1 . Le second peut encore se développer par rapport à la dernière
colonne, et donne 1 × Dn . Faisons-le, et on obtient :

Dn+2 = 2 cos(θ)Dn+1 − Dn .

Ainsi : ∀n ∈ N \ {0,1}, Dn+2 − 2 cos(θ)Dn+1 + Dn = 0. Or l’équation caractéristique de cette relation de récurrence

linéaire est :
2
x2 − 2 cos(θ)x + 1 = 0 ⇐⇒ x − eiθ = 0,
On en déduit que cette équation admet pour racines :

eiθ et e−iθ ,

mais attention au fait que cela fournit deux racines distinctes si et seulement si sin(θ) ̸= 0, si et seulement si
θ ̸≡ 0 mod π. Il y a donc une distinction de cas à faire pour poursuivre.

Si θ ̸≡ 0 mod π. Dans ce cas, l’équation caractéristique admet deux solutions complexes non réelles, donc la
théorie nous dit qu’il existe (α, β) ∈ R2 tel que :

∀n ⩾ 2, Dn = α cos(nθ) + β sin(nθ).

On détermine α et β grâce au fait que :

2 cos(θ) 1
D2 = = 4 cos(θ)2 − 1 = 1 + 2 cos(2θ) = α cos(2θ) + β sin(2θ), (∗)
1 2 cos(θ)

et :
2 cos(θ) 1 0
1 0
D3 = 1 2 cos(θ) 1 = 2 cos(θ)D2 −
1 2 cos(θ)
0 1 2 cos(θ)
= 4 cos(2θ) cos(θ)
= 2 cos(3θ) + 2 cos(θ)
= α cos(3θ) + β sin(3θ). (†)

19
 MP⋆ 2024/2025 Chapitre V – Corrigés

Les opérations cos(2θ)(†) − cos(3θ)(∗) et sin(2θ)(†) − sin(3θ)(∗) permettent d’éliminer α et β respectivement, pour
en déduire directement leurs valeurs :
(cos(2θ) sin(3θ) − cos(3θ) sin(2θ)) β = (2 cos(3θ) + 2 cos(θ)) cos(2θ) − (1 + 2 cos(2θ)) cos(3θ),
| {z } | {z }
=sin(θ) =2 cos(θ) cos(2θ)−cos(3θ)=cos(3θ)+cos(θ)−
 cos(3θ)

cos(θ)
donc : β = sin(θ) , et de même :

(sin(2θ) cos(3θ) − sin(3θ) cos(2θ)) α = (2 cos(3θ) + 2 cos(θ)) sin(2θ) − (1 + 2 cos(2θ)) sin(3θ) .

| {z } | {z }
=− sin(θ) =−2 sin(θ)+2 cos(θ) sin(2θ)−sin(3θ)=−2 sin(θ)+
sin(3θ)+sin(θ)−
 sin(3θ)

On en déduit : α = 1. Ainsi :
cos(θ) cos(nθ) sin(θ) + cos(θ) sin(nθ) sin((n + 1)θ)
∀n ⩾ 2, ∀θ ̸≡ 0 mod π, Dn = cos(nθ) + sin(nθ) = = .
sin(θ) sin(θ) sin(θ)
Si θ ≡ 0 mod π. Cela correspond à θ ≡ 0 mod 2π ou θ ≡ π mod 2π. On pourrait certes utiliser ce que l’on sait
des suites récurrentes linéaires dans le cas d’une unique solution à l’équation caractéristique, mais il est inutile
de reprendre tout le raisonnement : d’abord, l’application θ 7→ Dn (θ) est continue sur R (on compose des fonc-
tions trigonométriques et le déterminant, qui sont tous continus), donc sa valeur en 0 s’obtient par passage à la limite.

On en déduit : pour θ ≡ 0 mod 2π :

sin((n + 1)θ)
Dn = lim = 1 + n,
θ→0 sin(θ)
sin((n+1)θ)
où l’on dit que : sin(θ) ∼ (n+1)θ
θ .
θ→0
De même : pour θ ≡ π mod 2π :
sin((n + 1)θ)
Dn = lim
θ→π sin(θ)
sin((n + 1)(ϕ + π)))
= lim (ϕ = θ − π)
ϕ→0 sin(ϕ + π)
sin((n + 1)ϕ))
= lim (−1)(n+1)−1
ϕ→0 sin(ϕ)
= (−1) (1 + n).
n

En conclusion :
sin((n+1)θ)
si θ ̸≡ 0 mod π,

 sin(θ)
Dn =
 1 + nn si θ ≡ 0 mod 2π,
∀n ∈ N \ {0,1},
(−1) (1 + n) si θ ≡ π mod 2π.

Résumé. Commentaires.

⋆ Exercice 23. (Matrices circulantes) Soit (a1 , . . . , an ) ∈ Cn .

 
a1 a2 a3 · · · an
 an
 a1 a2 · · · an−1  
an−1 an a1 · · · an−2 
1. Diagonaliser C(a1 , . . . , an ) =   ∈ Mn (C).
 .. .. .. .. 
 . . . . 
a3 a4 · · ·
a2 a1
cos(θ) cos(2θ) · · · cos(nθ)
 
 cos(nθ) cos(θ) · · · cos((n − 1)θ) 
2. Soit θ ∈ R. Calculer le déterminant de :  .. .. .. .
 
 . . . 
cos(2θ) cos(3θ) · · · cos(θ)

 Heuristique. Si l’on note :

0 1 0 0
 
···
0 0 1 ··· 0
J =  ... ... ... .. .. 
 
. .

0 0 0 1
 
···
1 0 0 ··· 0

20
MP⋆ 2024/2025 Chapitre V – Corrigés

la matrice associée à la permutation σ = (n n − 1 · · · 2 1) (au sens où l’endomorphisme canoniquement associé

vérifie ⃗ei 7→ ⃗eσ(i) ), alors on peut facilement conjecturer ses puissances en réfléchissant à l’action effectuée par ladite
permutation appliquée k fois de suite, et on remarque que la matrice de l’énoncé se réécrit :
 
a1 a2 a3 · · · an
 an
 a1 a2 · · · an−1  
an−1 an a1 · · · an−2 
 = a1 In + a2 J + a3 J 2 + · · · + an J n−1 .
 .. .. .. .. 

 . . . . 
a2 a3 a4 · · · a1

À ce stade, on a déjà moralement gagné : J étant une matrice compagnon, le cours nous assure son caractère
diagonalisable et le calcul du déterminant se résumera à effectuer un produit de terme diagonaux. ■

Corrigé 23. R.D. 24

0 1 0 0
 
···
0 0 1 ··· 0
1. Soit J =  ... ... ... .. ..  ∈ M (C), dont l’endomorphisme de M (C) canoniquement associé est défini
 
. .

n n,1
0 0 0 1
 
··· 
1 0 0 ··· 0
par :
si i = 1,

En
∀i ∈ J1, nK, f (Ei ) =
Ei−1 sinon,
où B = (E1 , . . . , En ) est la base canonique.
On en déduit, par récurrence immédiate :

si i ∈ J1, kK,

En+i−k
∀k ∈ J1, nK, ∀i ∈ J1, nK, f k (Ei ) =
Ei−k sinon,

et donc pour tout k ∈ J1, nK :

0 0 1 0
 
··· ···
 .. .. ..  n − k lignes
.
 . .

0Mn−k,k (C) In−k 0 1
 
MB (f ) = J =
k k
= ,
Ik 0Mk,n−k (C) 1 0
. .. ..  k lignes
 
 .. . .
0 ··· 1 0 ··· 0
n − k col. k col.

On obtient alors une expression de la matrice de l’énoncé en fonction des puissances de J :

n
X
C(a1 , ..., an ) = ak J k−1 .
k=1

Diagonalisons J, qui s’avère être la matrice compagnon de X n − 1. Nous pouvons aussi diagonaliser J sans se
servir des résultats sur les matrices compagnons (qui ne sont pas au programme et donc à redémontrer). Par
exemple, on remarque que X n − 1 est un polynôme annulateur de J puisque J n = In d’après le calcul ci-dessus.
n−1 2iπ
Comme X n − 1 = (X − ω i ) avec ω = e n , on en déduit déjà que J admet un polynôme annulateur scindé
Q
i=0
à racines simples, et donc J est diagonalisable sur C. En inspectant les coefficients de la première colonne, on
démontre aisément que toute combinaison linéaire non triviale de (J k )0⩽k⩽n−1 est non nulle, et donc que πJ
est de degré supérieur ou égal à n. Comme il divise X n − 1, on a :
n−1
Y
πJ = X n − 1 = (X − ω i ).
i=0

On en déduit que les valeurs propres de J sont exactement les nombres complexes de la forme ω i avec i ∈
J0, n − 1K. Cela fournit n valeurs propres distinctes, donc elles sont toutes simples.

21
MP⋆ 2024/2025 Chapitre V – Corrigés

On en déduit qu’il existe P ∈ GLn (C) telle que :

1 0 0 0
 
···
0 ω 0 ··· 0 
J = P 0 0 0
 
 ω2 ···  −1
P .
 .. .. .. .. ..
. . . . .


0 0 0 ··· ω n−1

Notons D la matrice diagonale ci-dessus. On déduit le résultat ainsi :

 n 
0 0
P
k=1 ak ··· 
.. ..
 n

 0 . .
 
ak ω k−1
n n
! P
X X 
C(a1 , . . . , an ) = P =P
k−1 −1
P =P
−1
k−1  −1
ak P D ak D P .

k=1
 . .. ..
 .. . .

k=1 k=1
 0 

n
0 0 (n−1)(k−1)
 P 
··· ak ω
k=1

2. D’après la question précédente on a :

n−1 n
!
Y X
∀(a1 , . . . , an ) ∈ Cn , det(C(a1 , . . . , an )) = ak ω j(k−1) .
j=0 k=1

Appliquons cette égalité au cas où pour tout i ∈ J1, nK, on a posé ak = cos(kθ). Dans ce cas, le déterminant
cherché s’écrit : !
n−1
Y X n
A= cos(kθ)ω j(k−1)
.
j=0 k=1

Supposons déjà : θ ̸≡ 0 mod 2πn . Simplifions ces sommes via les formules d’Euler. Soit j ∈ J0, n − 1K. Posons
n
X
Sj = cos(kθ)ω j(k−1) . On a
k=1

n−1 n−1
!
1 1 1 − einθ −iθ 1 − e
−inθ
 
j k j k
X X
Sj = iθ iθ
+e −iθ −iθ
= iθ
+



e e ω e ω e e ,
2 2 1 − eiθ ω j 1 − e−iθ ω j
k=0 k=0

car les raisons sont différentes de 1 (puisque ±θ + 2πj n ̸≡ 0 mod n ), et en ayant simplifié les numérateurs par
2π

le fait que ω est une racine n de l’unité.

e

On en déduit :

1 eiθ 1 − einθ 1 − e−iθ ω j + e−iθ 1 − e−inθ 1 − eiθ ω j

Sj =
2 (1 − eiθ ω j ) (1 − e−iθ ω j )
1 1−e e − ω j + 1 − e−inθ e−iθ − ω j
inθ

iθ



=
2 (1 − eiθ ω j ) (1 − e−iθ ω j )
1 1 − einθ eiθ + 1 − e−inθ e−iθ − 2ω j (1 − cos(nθ))



=
2 (1 − eiθ ω j ) (1 − e−iθ ω j )


2
Re 1 − einθ eiθ − 2ω j sin nθ



= 2
(1 − eiθ ω j ) (1 − e−iθ ω j )

iθ(1+ n )
Par la technique de l’angle moitié : 1 − einθ eiθ = −2i sin nθ 2 , et on obtient enfin :


2 e
 

2  
(n+2)θ   sin (n+2)θ − ω j sin nθ

2 sin nθ2 sin − 2ω j sin nθ


2 2 nθ 2 2
Sj = = 2 sin .
(1 − e ω ) (1 − e ω )
iθ j −iθ j 2 (1 − e ω ) (1 − e ω )
iθ j −iθ j

La raison pour laquelle nous avons écrit Sj ainsi (sans chercher à simplifier les produits par ω j par des
manipulations analogues à celles qui permirent de simplifier tout le reste du numérateur), est pour tirer profit
de l’identité :
n−1
Y
∀a ∈ C, X n − an = (X − ω j a),
j=0

22
MP⋆ 2024/2025 Chapitre V – Corrigés

On vérifie en effet que les nombres ω j a sont n racines

n distinctes de a, ce qui en fournit autant que le degré
es

de X − a . Appliqué à a = e
n n ±iθ
et à a = sin 2 , on obtient :
nθ

n−1
  n n−1
Y  
Y nθ nθ
X n − einθ X n − e−inθ = X − eiθ ω j X − e−iθ ω j , et : X n − sin = X − ω j sin




.
j=0
2 j=0
2

On en déduit grâce à ces identités la valeur du déterminant cherché :

n−1
Y
A= Sj
j=0
n−1
Q   

(n+2)θ
  n sin 2 − ω j sin nθ
2
nθ j=0
= 2n sin
2 n−1
(1 − eiθ ω j ) (1 − e−iθ ω j )
Q
j=0
  n

n
  n sin (n+2)θ − sin nθ
nθ 2 2
= 2 sin
n
,
2 (1 − einθ ) (1 − e−inθ )
et comme :   2
nθ
1−e inθ
1−e −inθ
= 2 − 2 cos (nθ) = 4 sin



,
2
on peut enfin conclure :
  n−2   n   n 
nθ (n + 2)θ nθ
A = 2n−2 sin sin − sin .
2 2 2

Lorsque θ est nul modulo 2π n , la continuité du déterminant (en tant qu’application polynomiale en θ) assure
que l’expression ci-dessus reste valable.

Résumé. Commentaires.

Compléments. Approfondissements.
— Diagonaliser J par d’autres approches (par exemple en reconnaissant une matrice compagnon).
— Prolonger l’étude des matrices circulantes : étudier leur structure d’espace vectoriel (dimension ?),
d’algèbre (commutative ?), etc.

0 1 0 ··· 0
···
 
.. .. 
0 2 . .

n
.. .. 
 
0 n−1 0 3 . .

Exercice 24. Soit An = 
.
 ∈ Mn+1 (R). Démontrer que det(An ) = 0 si n est pair, et
 .. .. .. .. ..
. . . . 0

. ..
 
 .. .

2 0 n
0 ··· ··· 0 1 0
2
((2p + 1)!)
que si n = 2p + 1 est impair (donc p ∈ N), alors : det(An ) = (−1)p+1 2p .
2 (p!)2

Corrigé 24. Nous allons diagonaliser An pour obtenir aisément le déterminant (en faisant le produit des valeurs
propres avec multiplicités). Pour cela, nous allons passer par un endomorphisme plus simple à étudier. Soit f
l’application définie sur Rn [X] par :
f : P 7→ nXP − (X 2 − 1)P ′ .
Il est clair que f est linéaire. De plus, pour tout k ∈ J0, nK on a :

f (X k ) = (n − k)X k+1 + kX k−1 .

Ce dernier polynôme est dans Rn [X] : c’est immédiat si k < n, et c’est encore vrai pour k = n car le coefficient
devant X n+1 est nul dans ce cas. Donc :

∀k ∈ J0, nK, f (X k ) ∈ Rn [X].

23
MP⋆ 2024/2025 Chapitre V – Corrigés

Comme l’image par f de tout élément de la base canonique Bc = X k est dans Rn [X], on en déduit par


k∈J0,nK
linéarité que f (Rn [X]) ⊆ Rn [X] : c’est bien un endomorphisme de Rn [X]. De plus, le calcul de f (X k ) ci-dessus
démontre que :
MBc (f ) = An .
Diagonaliser An revient donc à diagonaliser f .

Déterminons ses éléments propres. Soient λ ∈ R et P ∈ Rn [X]. On a :

(∗)
f (P ) = λP ⇐⇒ nXP −(X 2 −1)P ′ = λP ⇐⇒ (X 2 −1)P ′ = (nX−λ)P ⇐⇒ ∀x ∈]−1,1[, (x2 −1)P ′ (x) = (nx−λ)P (x),

où l’implication réciproque de (∗) se justifie en disant que si deux applications polynômes coïncident sur ] − 1,1[,
leurs polynômes associés sont égaux (car la différence admet une infinité de racines et doit être nulle). Notons donc
Eλ l’équation différentielle :
∀x ∈] − 1,1[, (x2 − 1)y ′ (x) = (nx − λ)y(x).
L’équation différentielle Eλ est linéaire, homogène, d’ordre 1 à coefficients continus, et le coefficient devant y ′ ne
s’annule pas sur ] − 1,1[. L’ensemble de ses solutions est donc un espace vectoriel de dimension 1, engendré par :

x 7→ eF (x) ,
nx − λ
où F est une primitive sur ] − 1,1[ de x 7→ . Pour en déterminer une primitive, on effectue une décomposition
x2 − 1
en éléments simples ; déterminons (a, b) ∈ R tel que :
2

nx − λ a b
∀x ∈] − 1,1[, = + .
x2 − 1 x−1 x+1
En multipliant cette égalité par x − 1, et en prenant x → 1, on obtient : a = 2 .
n−λ
En multipliant cette égalité par
x + 1, et en prenant x → −1, on obtient : b = n+λ2 . Ainsi :

nx − λ n−λ 1 n+λ 1
∀x ∈] − 1,1[, = + .
x −1
2 2 x−1 2 x+1
nx − λ
On en déduit aisément qu’une primitive de x 7→ est définie par :
x2 − 1
n−λ n+λ  n−λ n+λ

∀x ∈] − 1,1[, F (x) = ln(|x − 1|) + ln(|x + 1|) = ln (1 − x) 2 (1 + x) 2 .
2 2
Les solutions de l’équation différentielle Eλ sur ] − 1,1[ sont donc de la forme :
n−λ n+λ
yc : x 7→ c · (1 − x) 2 (1 + x) 2 , c ∈ R.

Il existe une solution polynomiale non nulle si et seulement si l’application qui engendre l’espace des solutions, notée :
n−λ n+λ
y1 : x 7→ (1 − x) 2 (1 + x) 2 ,

est polynomiale. C’est le cas s’il existe d ∈ N tel que : n−λ

2 = d, et k ∈ N tel que : n+λ
2 = k. Pour une démonstration
rigoureuse de ce fait intuitif, voir plus loin.

Pour l’heure, notons que ces conditions impliquent que λ est de la forme : λ = 2k − n = n − 2d. Ainsi : d = n − k,
et la condition que d ⩾ 0 implique : k ⩽ n. Réciproquement, pour tout entier k ∈ J0, nK, si l’on pose λ = 2k − n,
2 ∈ N et 2 ∈ N, donc :
alors on a bien n−λ n+λ

n−λ n+λ
y1 : x 7→ (1 − x) 2 (1 + x) 2 = (1 − x)n−k (1 + x)k

est effectivement une application polynomiale.

On en déduit que Eλ admet des solutions polynomiales non nulles si et seulement si :

λ ∈ {2k − n | k ∈ J0, nK} .

Ceci étant dit : Pour tout k ∈ J0, nK, posons λk = 2k − n et Pk = (1 − X)n−k (1 + X)k . Soit k ∈ J0, nK. L’application
polynomiale t 7→ Pk (t) est alors solution de Eλk sur ] − 1,1[ (mieux : les solutions de Eλk sont exactement toutes les
applications proportionnelles à Pk ), et donc par ce qui précède :

ker f − λk IdRn [X] = Vect(Pk ),

24
 MP⋆ 2024/2025 Chapitre V – Corrigés

et par l’étude qui précède, si λ ̸= λk alors f (P ) = λP n’admet pas de solution non nulle. Ainsi :
Sp(f ) = {λk | k ∈ J0, nK} = {2k − n | k ∈ J0, nK} .
La somme des dimensions des sous-espaces propres de f égale n + 1 = dim(Rn [X]), donc f est diagonalisable (ou
encore : f admet n + 1 = dim(Rn [X]) valeurs propres distinctes, donc f est diagonalisable). Or An est la matrice
de f dans la base Bc , donc An est également diagonalisable, semblable à la matrice diagonale D dont les coefficients
diagonaux sont les λk = −n + 2k, avec k ∈ J0, nK. Des matrices semblables ont même déterminant. On déduit donc
de la question précédente que :
Y n n
Y
det(An ) = det(D) = λk = (2k − n).
k=0 k=0
On peut expliciter ce terme en distinguant selon la parité de n :
— si n est pair alors det(An ) = 0 (le produit a en effet un facteur nul, pour k tel que n = 2k) ;
— si n est impair, il s’écrit n = 2p + 1 et :
2p+1
Y p
Y 2p+1
Y
det(An ) = (2k − 2p − 1) = (2(k − p) − 1) × (2(k − p) − 1)
k=0 k=0 k=p+1
p p p
!2
Y Y Y
= (−2ℓ − 1) × (2ℓ + 1) = (−1)
′ p+1
(2ℓ + 1) , (ℓ = p − k, ℓ′ = k − (p + 1))
ℓ=0 ℓ′ =0 ℓ=0

2
donc : det(An ) = (−1)p+1 (1 · 3 · · · (2p + 1)) . On multiplie et divise par les entiers pairs entre 2 et 2p pour
obtenir :
2 2 2
((2p + 1)!) p+1 ((2p + 1)!) p+1 ((2p + 1)!)
det(An ) = (−1)p+1  = (−1) = (−1) .
p 2 p 2 22p (p!)2
  
2ℓ 2
Q p
Q
ℓ
ℓ=1 ℓ=1

Démonstration rigoureuse que y1 est polynomiale si et seulement si n−λ 2 ∈ N. Notons

n+λ
2 ∈ N et
n−λ
que : y1 (x) ∼ α(1 − x) 2 où α ∈ R (la valeur de la constante ne nous intéresse pas, mais on peut l’expliciter :
x→1
n+λ
c’est α = 2 2 ). Or, d’après la formule de Taylor, si y1 est polynomiale alors on devrait avoir :
(d) (d)
y1 (1) (−1)d y1 (1)
y1 (x) ∼ (x − 1)d = (1 − x)d ,
x→1 d! d!
(d)
où d est le plus petit entier naturel tel que : y1 (1) ̸= 0. Les deux équivalents n’ont le même ordre de grandeur
que si n−λ
2 = d. On obtient une condition analogue sur 2 en prenant un équivalent quand x → −1.
n+λ

Résumé. Commentaires.

Compléments. Approfondissements.
— Pour d’autres endomorphismes où la recherche des éléments propres se ramène à la résolution d’une
équation différentielle, voir l’exercice 48 (qui est plus simple).
— On remarque que la matrice est tridiagonale (cf. exercice 51). Peut-on s’inspirer de la résolution de
l’exercice 51 pour trouver les valeurs propres dans l’exercice ci-dessus autrement ?

2
⋆ Exercice 25. Soit (A, B, C, D) ∈ (Mn (K)) . On suppose : CD = DC, et que D est inversible.
 
A B
1. Démontrer : det = det(AD − BC).
C D
2. Démontrer que l’égalité précédente reste vraie même si D n’est pas inversible.

 Heuristique. L’objectif est de se ramener au calcul du déterminant d’une matrice triangulaire par blocs.
C’est possible par exemple en faisant C1 ← C1 − C2 CD−1 (d’autres opérations sont licites, par exemple L1 ←
L1 − BD−1 L2 ). Nous allons rendre rigoureuse cette opération sur les colonnes en se souvenant qu’une opération sur
les colonnes correspond à une
 multiplication (à droite) par une matrice par blocs de transvection, ici la matrice par
In 0Mn (K)

blocs : . Faisons. ■
−CD−1 In

Corrigé 25. A.G. 24

25
MP⋆ 2024/2025 Chapitre V – Corrigés

1. On a, en utilisant l’inversibilité de D et la relation DC = CD :

In 0Mn (K) A − BCD−1 B A − BCD−1 B

      
A B
= = .
C D −CD−1 In C − DCD−1 D 0Mn (K) D

In 0Mn (K)
 
Comme le déterminant est multiplicatif et la matrice de déterminant 1, on obtient :
−CD−1 In

A − BCD−1 B
   
A B
det = det = det(A − BCD−1 ) det(D) = det(AD − BC),
C D 0Mn (K) D

d’où le résultat.
2. Désormais la matrice D n’est pas supposée inversible.
Première méthode : par densité, uniquement lorsque K ⊆ C. On approche D par des matrices  inver-

sibles. Comme le polynôme caractéristique de D n’admet qu’un nombre fini de racines, la suite D − p1 In
p⩾1
admet des matrices inversibles dès que : p1 < min SpR (D) ∩ R∗+ (en effet, dans ce cas p1 est différent des


   
racines de χD et donc : det D − p1 In = (−1)n χD p1 ̸= 0). On note p0 un indice qui vérifie cela.
   
De plus : ∀p ⩾ p0 , C D − p1 In = D − p1 In C car : CD = DC, donc on peut appliquer la première question
 
au quadruplet A, B, C, D − p1 In . On obtient :

1
     
A B
∀p ⩾ p0 , det = det A D − In − BC .
C D − p1 In p
 
A B
Les applications x 7→ det et x 7→ det (A (D − xIn ) − BC) sont polynomiales par définition
C D − xIn
du déterminant, donc elles sont continues en 0. Par caractérisation séquentielle de la continuité, prendre la
limite dans l’égalité ci-dessus quand p → +∞ donne :
 
A B
det = det(AD − BC),
C D

d’où le résultat même si D n’est pas inversible.

Deuxième méthode, valable peu importe le corps. On applique la première question aux matrices A,
B, C et D − XIn vues comme matrices de Mn (K(X)). C’est licite parce que : C(D − XIn ) = (D − XIn )C
(par commutativité de C et D), et parce que la matrice D − XIn est inversible (en effet : det(D − XIn ) =
(−1)n χD ̸= 0). On a alors :  
A B
det = det(AD − BC),
C D − XIn
 
A B
et il suffit d’évaluer ces deux polynômes de K[X] en 0 pour obtenir : det = det(AD − BC), d’où
C D
le résultat.

Résumé. Commentaires.

Compléments. Approfondissements.
— Traiter la première question avec d’autres opérations sur les lignes ou colonnes (il n’y a qu’un nombre
très limité de possibilités, si l’on ne change pas les hypothèses).
— Ayant compris l’heuristique et la résolution, proposer d’autres hypothèses permettant d’aboutir à la
même conclusion.  
A B
— Démontrer que si CD = −DC , avec D inversible alors on a également : det
⊤ ⊤
=
C D
det(AD⊤ + BC ⊤ ), maisque cette fois-ci
 l’hypothèse d’inversibilité ne peut
 pas être enlevée (consi-
1 0 0 0 0 1 0 0
   
dérer les matrices : A = ,B= ,C= et D = ). Ainsi on prendra garde
0 0 0 1 0 0 0 1
à ne pas abuser du principe général selon lequel « si une identité matricielle est vraie pour toute matrice
inversible, alors elle est vraie partout » (qu’est-ce qui coince ici, si l’on essaie de raisonner par densité
ou dans Mn (K(X)) ?).
— Pour s’exercer à d’autres raisonnements par densité (ou l’on démontre un résultat par d’abord pour les

26
MP⋆ 2024/2025 Chapitre V – Corrigés

matrices inversibles, puis pour toute matrice), voir l’exercice 58 et plus tard le chapitre vi (exercices 55
et 56).
 
2 A B
Exercice 26. Soit (A, B) ∈ (Mn (R)) . Démontrer : det ⩾ 0.
−B A

 Heuristique. Si l’on essaie d’imiter la stratégie de l’exercice 25, nous bloquons assez rapidement (même en
ajoutant une hypothèse d’inversibilité) parce que A et B ne sont pas supposés commuter. Nous avons au mieux :
0Mn (R)
   
A B A
det = det = det(A) det(A + BA−1 B) = det(A2 + ABA−1 B),
−B A −B A + BA−1 B
ce que nous ne saurons pas simplifier. Et même si nous le simplifions, rien n’assure que det(A2 + B 2 ) est positif : ce
n’est pas le déterminant d’une matrice au carré (même si en vérité, cette objection est facile à contourner).

Pour calculerce déterminant autrement, nous allons nous inspirer du cas de matrices scalaires. Si (a, b) ∈ R2
a b
et M = , alors on a facilement : det (M ) = a2 + b2 . Cherchons une manière de le démontrer qui s’adapte
−b a
sans peine au cas de matrices par blocs. Pour cela, on se souvient qu’une manière de calculer un déterminant est via
diagonalisation et le produit des valeurs propres. Diagonaliser cette matrice donne, au bout de calculs de difficulté
raisonnable (attention au cas b = 0, qui est différent mais trivial) :
1 1
   
SpC (M ) = {a + ib, a − ib}, ker(M − (a + ib)I2 ) = Vect , ker(M − (a − ib)I2 ) = Vect .
i −i
Par la formule de changement de base :
−1
1 1 a + ib 0 1 1 1 1 1 a + ib 0 1 −i
      
M= = .
i −i 0 a − ib i −i 2 i −i 0 a − ib 1 i
 
A B
Il est alors tentant de conjecturer que la matrice par blocs vérifie cette même relation, en remplaçant
−B A
les scalaires λ par des matrices λIn (on remarquera l’analogie avec le conseil de Méthodes, section 2.5, troisième
méthode). C’est ce que nous démontrerons par un calcul matriciel bête et méchant (sans se soucier d’avoir démontré
a priori l’égalité ci-dessus vérifiée par M ).
Ce faisant, le calcul de déterminant  sera
 plus simple
 : on pourra bien appliquer la méthode de l’exercice 25 au
In In In −iIn
calcul des déterminants de et (parce que tout commute et est inversible), pour en déduire :
iIn −iIn In iIn
 
A B
det = det(A + iB) det(A − iB),
−B A
et conclure en reconnaissant un module au carré. ■
Corrigé 26. On a :

1 In In A + iB 0 In 1 In In A + iB −iA + B
        
−iIn A B
= = .
2 iIn −iIn 0 A − iB In iIn 2 iIn −iIn A − iB iA + B −B A
Le déterminant étant multiplicatif, on en déduit :
1 In In In −iIn
     
A B
det = 2n det det(A + iB) det(A − iB) det .
−B A 2 iIn −iIn In iIn

In In In −iIn
   
Nous allons calculer det et det grâce au résultat de l’exercice 25, que nous redé-
iIn −iIn In iIn
montrons ici dans un souci d’auto-suffisance. On se ramène à une matrice triangulaire par blocs via l’opération
L2 ← L2 − iL1 , ce qui revient matriciellement à effectuer le produit :
In 0Mn (R) In In In In
    
= .
−iIn In iIn −iIn 0Mn (R) −2iIn
Comme le déterminant est multiplicatif, et que le déterminant d’une matrice triangulaire par blocs (en fait triangu-
laire tout court ici) est le produit des déterminants de ses blocs diagonaux, on en déduit :
In In
 
det = (−2i)n .
iIn −iIn

27
MP⋆ 2024/2025 Chapitre V – Corrigés

In 0Mn (R)
 
De même (mais en faisant L2 ← L2 − L1 , ce qui revient à multiplier à gauche par ), on obtient :
−In In
In −iIn
 
det = (2i)n . Alors :
In iIn
1
 
A B
det = 2n · (2i)n · det(A + iB) det(A − iB) · (−2i)n = det(A + iB) det(A − iB).
−B A 2
Or la conjugaison complexe est un automorphisme de corps de C, et le déterminant d’une matrice est une somme de
produits de coefficients de ladite matrice, ce dont on déduit aisément : det(A − iB) = det(A + iB) = det(A + iB).
On conclut :  
A B
det = det(A + iB)det(A + iB) = | det(A + iB)|2 ⩾ 0,
−B A
d’où le résultat.

Résumé. Commentaires.

Compléments. Approfondissements.
— Démontrer de même que l’on a : det(A2 + B 2 ) ⩾ 0.
 
A B
— Étudier le cas d’égalité det = 0. On pourra commencer par des cas particuliers : A et B
−B A
qui commutent, qui sont diagonalisables, etc.

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

Exercice 27. Supposons E de dimension finie non nulle n. Soit f ∈ L(E), et soient F et G deux sous-espaces
vectoriels supplémentaires de E stables par f . Soient fF et fG les endomorphismes induits par f sur F et G
respectivement. Donner une relation entre πfF , πfG et πf .

Corrigé 27. On a : ∀⃗x ∈ E, πf (f )(⃗x) = ⃗0, et comme cette relation reste valable par restriction à ⃗x ∈ F ou ⃗x ∈ G,
on en déduit : πf (fF ) = 0L(F ) , et : πf (fG ) = 0L(G) . On en déduit que πfF et πfG divisent πf , et donc leur ppcm
ppcm(πfF , πf,G ) divise πf également.
Étudions la réciproque. Démontrons que P = ppcm(πfF , πf,G ) est un polynôme annulateur de f . Par définition
de P , le polynôme πfF divise P , donc : P (fF ) = 0L(F ) , et de même : P (fG ) = 0L(G) . Autrement dit :

∀⃗x ∈ F, P (f )(⃗x) = P (fF )(⃗x) = ⃗0, et : ∀⃗x ∈ G, P (f )(⃗x) = P (fG )(⃗x) = ⃗0.
On en déduit que les endomorphismes P (f ) et 0L(E) coïncident sur F et G, donc sur F ⊕ G = E : on a démontré :
P (f ) = 0L(E) , et donc πf divise P .

Ainsi πf et P sont associés et unitaires, donc :

πf = P = ppcm(πfF , πf,G ).

Résumé. Commentaires.

Compléments. Approfondissements.
— A-t-on ppcm(πfF , πf,G ) = πfF πfG ? Si oui, pourquoi ? Si non, peut-on donner un contre-exemple, puis
des conditions (nécessaires ? suffisantes ?) pour que ce soit vrai ?
— En déduire une nouvelle démonstration que si f est diagonalisable, alors : πf = (X − λ). Et si f
Q
λ∈Sp(f )
est quelconque (mais tel que χf soit scindé), qu’est-ce que cet exercice nous donne comme factorisation
de πf ? En déduire une interprétation explicite, en termes d’algèbre linéaire, de l’ordre de multiplicité
de λ ∈ Sp(f ) en tant que racine du polynôme minimal (et non du polynôme caractéristique).

Exercice 28. Supposons E de dimension finie non nulle n. Soit f ∈ L(E). On suppose qu’il existe k ∈ J1, n − 1K tel
que, pour tout sous-espace vectoriel F de E de dimension k, on ait : f (F ) ⊆ F . Déterminer f .

Corrigé 28. Aucun corrigé n’a été écrit. Je le ferai quand j’aurai le temps, ou sinon : avis aux volontaires !

28
 MP⋆ 2024/2025 Chapitre V – Corrigés

Résumé. Commentaires.

✓ Exercice 29. Soient k un entier naturel non nul et F1 , . . . , Fk , G1 , . . . , Gk des sous-espaces vectoriels de E tels que :
k k
E= Fi = Gi . On suppose de plus : ∀i ∈ J1, kK, Fi ⊆ Gi . Démontrer : ∀i ∈ J1, kK, Fi = Gi .
L L
i=1 i=1

k
Corrigé 29. Soit i ∈ J1, kK. Démontrons : Gi ⊆ Fi . Soit ⃗x ∈ Gi . En particulier ⃗x appartient à E = Fj , donc il
L
j=1
k
existe (⃗x1 , . . . , ⃗xk ) ∈ F1 × · · · × Fk tel que : ⃗x = ⃗xj . Ainsi ⃗x est écrit de deux manières différentes dans la somme
P
j=1
k
directe Gj : d’abord sous la forme ⃗x = ⃗x (avec, donc, toutes les composantes nulles sauf celle dans Gi qui vaut
L
j=1
k
⃗x), puis sous la forme ⃗x = ⃗xj (car Fj est inclus dans Gj pour tout j ∈ J1, kK). Comme la somme est directe, on
P
j=1
peut identifier :
∀j ∈ J1, kK \ {i}, ⃗xj = ⃗0, et : ⃗xi = ⃗x.
Ainsi : ⃗x = ⃗xi ∈ Fi , ce qu’on voulait démontrer.
Ayant la double inclusion, on conclut : Fi = Gi , et ce pour tout i ∈ J1, kK. D’où le résultat.

Résumé. Commentaires.

k
✓ Exercice 30. Soient k un entier naturel non nul et p1 , . . . , pk des endomorphismes de E vérifiant : pi = IdE , et :
P
i=1
∀(i, j) ∈ J1, kK2 , i ̸= j =⇒ pi ◦ pj = 0L(E) . Démontrer que pour tout i ∈ J1, kK, l’application pi est un projecteur, et
k
que l’on a : im(pi ) = E.
L
i=1

k
Corrigé 30. Notons (∗) l’identité pi = IdE et (†) la propriété : ∀(i, j) ∈ J1, kK2 , i ̸= j =⇒ pi ◦ pj = 0L(E) .
P
i=1

Soit i ∈ J1, kK. Par linéarité et hypothèse de l’énoncé :

k k
(∗) X X (†)
pi = pi ◦ IdE = pi ◦ pj = pi ◦ pj = pi ◦ pi .
j=1 j=1

On en déduit que pi est un projecteur pour tout i ∈ J1, kK. De plus l’égalité (∗) :
k
X
∀⃗x ∈ E, ⃗x = pi (⃗x)
i=1

k
démontre que l’on a : E = im(pi ). Il reste à vérifier que les images des pi sont en somme directe. Soit (⃗x1 , . . . , ⃗xk ) ∈
P
i=1
k k
im(pi ). Supposons : ⃗xi = ⃗0. Comme ⃗xi appartient à im(pi ) pour tout i ∈ J1, kK, on a : ⃗xi = pi (⃗xi ), et donc en
Q P
i=1 i=1
composant à gauche par pj on obtient :
k
! k k
X X X (†)
∀j ∈ J1, kK, ⃗0 = pj ⃗xi = pj (⃗xi ) = pj (pi (⃗xi )) = p2j (⃗xj ) = ⃗xj .
i=1 i=1 i=1

Ainsi : ∀j ∈ J1, kK, ⃗xj = ⃗0, donc les images des pi sont en somme directe. En conclusion, on a démontré :
k
M
im(pi ) = E.
i=1

Résumé. Commentaires. On établit une réciproque d’un résultat du cours : on l’a vu, des projecteurs pi
k
associés à une décomposition en somme directe E = Fi = E vérifient im(pi ) = Fi et les deux identités
L
i=1

29
 MP⋆ 2024/2025 Chapitre V – Corrigés

de l’énoncé. Réciproquement, des projecteurs vérifiant ces deux identités sont associés à une somme directe
(remarquez qu’on n’a même pas besoin de supposer que les pi sont des projecteurs).

Compléments. Approfondissements.
— Déduire de cet exercice une nouvelle démonstration que si f admet un polynôme annulateur scindé à
racines simples, alors f est diagonalisable (critère polynomial de diagonalisation). On aura besoin des
polynômes interpolateurs de Lagrange. Cette démonstration vous explicitera en passant les projecteurs
spectraux.
— Vérifier que le résultat de l’exercice est faux si l’on enlève (∗) ou (†). Obtient-on tout de même un
résultat partiel ?

⋆ Exercice 31. On suppose : K = R, et que E est de dimension finie non nulle. Soit f ∈ L(E). Démontrer que f
admet une droite ou un plan stable.

Corrigé 31. Si f admet des vecteurs propres, alors ils engendrent des droites stables. Supposons donc que f
n’admet pas de vecteur propre. Pour tout ⃗x ∈ E \ {⃗0}, la famille (⃗x, f (⃗x)) est donc libre et engendre un plan
P⃗x . Montrons que l’un d’eux est stable par f . Pour cela, il suffit de montrer qu’il existe ⃗x ∈ E \ {0} tel que :
f 2 (⃗x) ∈ Vect((⃗x, f (⃗x))), ce qui revient à exiger que (⃗x, f (⃗x), f 2 (⃗x)) soit liée.
r
Pour cela, décomposons en facteurs irréductibles le polynôme minimal de f sur R, sous la forme : πf = Piαi ,
Q
i=1
où tous les Pi = X 2 + aX + b ∈ R[X] sont tous de degré 2 (un facteur irréductible de R[X] est de degré 1
ou 2, le premier cas étant exclu vu que les racines réelles de πf sont les valeurs propres de f , et on a supposé
que f n’en a pas). Montrons qu’il existe i ∈ J1, rK tel que : ker(Pi (f )) ̸= {⃗0}. Dans le cas contraire, on aurait :
r
∀i ∈ J1, rK, Pi (f ) ∈ GL(E), et donc par produit d’inversibles : πf (f ) = Piαi (f ) ∈ GL(E). C’est absurde puisque :
Q
i=1
πf (f ) = 0L(E) .

Par l’absurde, on a montré l’existence de i ∈ J1, rK tel que : ker(Pi (f )) ̸= {⃗0}. Soit ⃗x un vecteur non nul de ce
noyau. On a alors, avec les notations ci-dessus : f 2 (⃗x) = −af (⃗x) − b⃗x ∈ P⃗x , ce qui suffit à assurer la stabilité du
plan P⃗x par f : d’où le résultat.

Résumé. Commentaires.

Exercice 32. Supposons E de dimension finie non nulle. Soit f ∈ L(E). Démontrer que χf est irréductible dans
K[X] si et seulement si le seul sous-espace vectoriel strict de E stable par f est {⃗0}.

Corrigé 32. Supposons χf irréductible. Soit F un sous-espace vectoriel de E stable par f . Supposons : F ̸= {⃗0},
et notons g l’endomorphisme induit par f sur F . On sait alors que χg est de degré supérieur ou égal à 1 et divise
χf , or χf est supposé irréductible donc : χg = χf . On en déduit : dim(F ) = deg(χg ) = deg(χf ) = dim(E), donc :
F = E. Ainsi F est soit {⃗0}, soit E, d’où l’implication directe.

Réciproquement, supposons que les seuls sous-espaces vectoriels de E stables par f soient {⃗0} et E. Soit ⃗x ∈
E \ {0}. Alors F = {P (f )(⃗x) | P ∈ K[X]} est un sous-espace vectoriel de E stable par f , distinct de {⃗0} puisqu’il
contient ⃗x, donc : F = E. Autrement dit : f est un endomorphisme cyclique. On en déduit : πf = χf . Nous l’avons vu
en cours, mais nous
le redémontrons ici dans un souci d’auto-suffisance. Notons n
la dimension de E. Comme F = E,
la famille f i (⃗x) 0⩽i⩽n−1 est une base de E et on en déduit que la famille f i 0⩽i⩽n−1 est libre. En effet, dans le
cas contraire, évaluer en ⃗x une relation de dépendance linéaire entre les f i contredirait la liberté de f i (⃗x) 0⩽i⩽n−1 .

On en déduit : 

deg(πf ) = dim(K[f ]) ⩾ card f i 0⩽i⩽n−1 = n,

donc πf est de degré supérieur ou égal à n, et divise χf (théorème de Cayley-Hamilton) qui est lui-même de degré
n. On en déduit : πf = χf .

Ainsi démontrer que χf est irréductible revient à démontrer que πf l’est. Soit P un diviseur irréductible unitaire
de πf : on veut démontrer que P est égal à πf . On introduit pour cela :

G = ker(P (f )).

30
 MP⋆ 2024/2025 Chapitre V – Corrigés

C’est un sous-espace vectoriel de E stable par f , donc par hypothèse G = {⃗0} ou G = E. Le premier cas est exclu :
si G = {⃗0} alors P (f ) est injectif, et comme E est de dimension finie cela équivaut à son inversibilité. Or : πf = P Q,
avec Q ∈ K[X]. Évaluer cette égalité en f , puis la composer par P (f )−1 , donnerait : Q(f ) = 0L(E) , donc Q serait un
polynôme annulateur de f qui contredirait la minimalité de πf . Par l’absurde : G = E, c’est-à-dire : P (f ) = 0L(E) .
On en déduit que πf divise P , or P divise πf donc ces deux polynômes sont associés. Comme ils sont unitaires :
πf = P , donc πf est irréductible et χf = πf également : d’où le résultat.

Résumé. Commentaires.

Compléments. Approfondissements.
— Bien se convaincre que f i (⃗x) 0⩽i⩽n−1 est une base de E (ce n’est pas tout à fait facile et il faut imiter

la démonstration que K[f ] admet comme base f i 0⩽i⩽deg(π )−1 ; dans le cours, j’ai « triché » en le


f
prenant comme une définition alternative des espaces cycliques).
— Donner des exemples d’endomorphismes f tels que χf soit irréductible (autrement que si dim(E) = 1).
— Vérifier qu’un endomorphisme tel que χf soit irréductible est toujours cyclique (pas facile). Et la
réciproque ?

⋆ Exercice 33. On suppose : K = C, et que E est de dimension finie non nulle. Soient f et g deux endomorphismes
de E qui commutent. Démontrer que f et g ont un vecteur propre en commun.

Corrigé 33. Comme χf est un polynôme non constant de C[X], il est scindé (par le théorème fondamental de
l’algèbre) et admet au moins une racine : autrement dit, f admet au moins une valeur propre λ.
Or f et g commutent, donc f − λIdE et g aussi et on en déduit que ker (f − λIdE ) est stable par g. Soit g ′
l’endomorphisme induit par g sur ker (f − λIdE ). Comme ker (f − λIdE ) ̸= {⃗0}, le polynôme χg′ est bien défini et
non constant : il est scindé par le théorème fondamental de l’algèbre et g ′ admet donc au moins une valeur propre,
et donc un vecteur propre.
Soit ⃗x ∈ ker (f − λIdE ) un vecteur propre de g ′ . C’est aussi un vecteur propre de g, et aussi de f puisqu’il
appartient à un sous-espace propre de f . Cela répond donc à la question : f et g ont un vecteur propre en commun.

Résumé. Commentaires.

Exercice 34. (Racine carrée de la dérivation) Soit d l’endomorphisme de C∞ (R, C) défini par f 7→ f ′ . Démon-
trer qu’il n’existe pas δ ∈ L(C∞ (R, C)) tel que : δ 2 = d.

 Heuristique. Les exemples du cours et surtout l’exercice 88, qui est le plus général sur la question,
démontrent que les endomorphismes inversibles sur un C-espace vectoriel admettent toujours des racines carrées
(du moins en dimension finie, mais dans une démarche heuristique on peut s’en servir comme appui dans la réflexion).

Ainsi, si l’on veut démontrer l’inexistence d’une racine carrée, il suffit de raisonner sur la restriction de d à des
sous-espaces où d n’est pas inversible : on se restreint aux plus simples d’entre eux, qui sont de la forme ker(dk )
avec k entier (le noyau de d ne pose pas de problème lui non plus : l’endomorphisme nul admet lui-même comme
racine carrée). Plus précisément, l’endomorphisme induit par d sur ker(dk ) est nilpotent, d’indice de nilpotence k :
ainsi on est ramené à l’étude des racines carrées d’endomorphismes nilpotents. On justifiera que la racine carrée d’un
endomorphisme nilpotent f est nilpotente, et comme son indice de nilpotence est inférieur ou égal à la dimension
de l’espace ambiant, et qu’il doit aussi être égal au double de celui de f , combiner ces deux contraintes sur l’indice
devrait fournir une contradiction. C’est le point de départ de la résolution ci-dessous. ■

Corrigé 34. On suppose par l’absurde l’existence de δ ∈ L(C∞ (R, C)) tel que : δ 2 = d. Alors d et δ commutent, A.G. 24
donc ker(dk ) est stable par δ pour tout k ∈ N \ {0}. Or :
∀k ∈ N \ {0}, ker(dk ) = Rk−1 [X],
donc Rk−1 [X] est stable par δ pour tout k ∈ N \ {0}. De plus, si l’on note δk et dk les endomorphismes induits par
δ et d sur Rk−1 [X], alors on a :

k
∀k ∈ N \ {0}, δk2k = δk2 = dkk = 0L(Rk−1 [X]) ,
donc δk est un endomorphisme nilpotent de Rk−1 [X]. On sait alors que son indice de nilpotence est inférieur ou égal
à dim(Rk−1 [X]) = k. Autrement dit :
∀k ∈ N \ {0}, δkk = 0L(Rk−1 [X]) .

31
 MP⋆ 2024/2025 Chapitre V – Corrigés

En particulier, pour k = 2, on doit avoir : ∀P ∈ R1 [X], δ 2 (P ) = 0. C’est absurde, puisque : δ 2 (X) = d(X) = 1 ̸= 0.
Contradiction.

Par l’absurde, il n’existe pas δ ∈ L(C∞ (R, C)) tel que : δ 2 = d.

Résumé. Commentaires.

Compléments. Approfondissements.
— Traiter les exercices analogues suivants : nos 83 et 84.
— Généraliser en notant que si f ∈ L(E) vérifie ker(f 2 ) ̸= ker(f ), alors f n’admet pas de racine carrée (ni
de racine k e pour tout k ⩾ 2). À comparer avec la résolution des exercices cités ci-dessus.
— Pour des compléments sur l’étude de ce genre d’équation (et notamment avoir des conditions suffisantes
d’existence de solutions), voir les exercices nos 87, 88 et 89.

⋆ Exercice 35. Supposons E de dimension finie non nulle n. Soient f1 , . . . , fn des endomorphismes de E nilpotents,
qui commutent deux à deux. Démontrer : f1 ◦ · · · ◦ fn = 0L(E) .

 Heuristique. L’idée sous-jacente est très simple : un endomorphisme nilpotent ne peut pas être bijectif, et
donc il ne peut pas être surjectif puisque cela est équivalent en dimension finie. Ainsi l’image d’un endomorphisme
nilpotente est toujours de dimension strictement plus petite que celle de son espace de départ.
Par conséquent, chaque composition par un endomorphisme nilpotent abaisse la dimension d’au moins une
unité : après n = dim(E) compositions par des endomorphismes nilpotents, on obtient nécessairement une image
de dimension nulle.

Pour que ce raisonnement soit parfaitement correct, encore faut-il que la restriction de fi à l’image de fi+1 ◦· · ·◦fn
(qui a même image que f1 ◦· · ·◦fn , c’est facile de s’en convaincre) soit bien un endomorphisme de im (fi+1 ◦ · · · ◦ fn ).
Autrement, il définit une application im (fi+1 ◦ · · · ◦ fn ) → E, et c’est la dimension de E qu’il abaisse, pas celle de
im (fi+1 ◦ · · · ◦ fn ) : on n’apprend rien.
Pour être un endomorphisme de im (fi+1 ◦ · · · ◦ fn ), il suffit de laisser stable cet espace : c’est là qu’intervient
naturellement l’hypothèse de commutativité, suivant le résultat de cours sur la stabilité des images et noyaux
d’endomorphismes commutant. ■

Corrigé 35. Pour traiter cet exercice, on s’appuie sur le lemme suivant : si f et g sont deux endomorphismes R.D. 24
nilpotents qui commutent, alors : im(f ◦ g) = f (im(g)) ⊊ im(g) sauf si : im(g) = {⃗0} (ceci formalise l’idée de
l’heuristique que composer par un endomorphisme nilpotent abaisse la dimension de l’image). Démontrons l’inclusion
stricte. Supposons : im(g) ̸= {⃗0}. Comme f et g commutent, im(g) est stable par f donc : f (im(g)) ⊆ im(g).
Puisque f est nilpotent, son endomorphisme induit fim(g) l’est aussi, donc il n’est pas inversible. Comme on est en
dimension finie, cela implique qu’il n’est pas surjectif, d’où : f (im(g)) ̸= im(g).

On va alors démontrer par récurrence :

∀i ∈ J0, n − 1K, dim(im(fn−i ◦ · · · ◦ fn )) ⩽ n − 1 − i. (∗)
Le cas i = 0 est immédiat puisque fn n’est pas surjectif en tant qu’endomorphisme nilpotent. Soit i ∈ J0, n − 2K tel
que : dim(im(fn−i ◦· · ·◦fn )) ⩽ n−1−i. L’hypothèse de commutativité implique facilement que fn−i−1 commute avec
fn−i ◦· · ·◦fn . Si ce dernier endomorphisme n’est pas nul, alors le lemme démontré ci-dessus implique immédiatement :
dim(im(fn−i−1 ◦· · ·◦fn )) ⩽ dim(im(fn−i ◦· · ·◦fn ))−1 ⩽ n−1−(i+1). Si, au contraire, l’endomorphisme fn−i ◦· · ·◦fn
est nul, alors l’inégalité reste vraie trivialement puisque : 0 ⩽ n − 1 − (i + 1). D’où l’hérédité.
Par principe de récurrence, l’inégalité (∗) est démontrée pour tout i ∈ J0, n − 1K. Poser i = n − 1 donne :
dim(im(fn−i ◦ · · · ◦ fn )) = 0, d’où le résultat : f1 ◦ · · · ◦ fn = 0L(E) .

Résumé. Commentaires.

Compléments. Approfondissements.
— Déduire de cet exercice une démonstration différente du cours que l’indice de nilpotence d’un endomor-
phisme nilpotent de E est inférieur à la dimension de E.
— Il semble que la seule chose utilisée dans cette résolution soit la non inversibilité des endomorphismes
nilpotents. Cela signifie-t-il qu’on peut généraliser cela à d’autres endomorphismes ? Ou bien les seuls

32
MP⋆ 2024/2025 Chapitre V – Corrigés

endomorphismes, dont la restriction à tout sous-espace non nul n’est pas injective, sont les endomor-
phismes nilpotents ?

Exercice 36. Supposons E de dimension finie non nulle. Soit u un endomorphisme diagonalisable de E, qui admet
s valeurs propres distinctes λ1 , . . . , λs , d’ordres de multiplicité respectifs α1 , . . . , αs . On note C(u) l’ensemble des
s
endomorphismes v de L(E) qui commutent avec u. Démontrer : dim (C(u)) = αi2 .
P
i=1

Corrigé 36.

Démonstration avec les endomorphismes. Pour abréger, notons : ∀i ∈ J1, sK, Ei = ker(u − λi IdE ). Soit v ∈
C(u). Comme u et v commutent, les sous-espaces propres de u sont stables par v, et donc v induit un endomorphisme
vi sur Ei pour tout i ∈ J1, sK.
s s
Réciproquement, soit (v1 , . . . , vs ) ∈ L(Ei ). Comme u est diagonalisable, on a : E = Ei , donc il existe un
Q L
i=1 i=1
unique endomorphisme v ∈ L(E) tel que : ∀i ∈ J1, sK, v|Ei = vi . (On peut l’expliciter, même si ce n’est pas nécessaire
s
pour traiter cet exercice : si les pi sont les projecteurs associés à la décomposition ci-avant, alors : v = vi ◦ pi .)
P
i=1
Vérifions alors que v et u commutent : d’après la somme directe ci-avant, il suffit de vérifier qu’ils commutent sur
chaque Ei , ce qui est immédiat puisque la restriction de u à chaque Ei est une homothétie, et qu’une homothétie
commute avec tout endomorphisme.

Tout ce qui précède démontre que l’application linéaire suivante :

 s
L(Ei ) → C(u)
 Q


i=1
s
(v1 , . . . , vs ) 7→
P

 vi ◦ pi
i=1

est correctement définie (c’est-à-dire bien à valeurs dans C(u)) et bijective. On en déduit :
s
! s s s
Y X X X
dim(C(u)) = dim L(Ei ) = dim (L(Ei )) = dim(Ei )2 = αi2 ,
i=1 i=1 i=1 i=1

d’où le résultat.

Démonstration avec les matrices. Comme u est diagonalisable, sa matrice dans une base B adaptée à la
s
décomposition E = ker(u − λi IdE ) est :
L
i=1

λ1 Iα1
 
0
A = MB (u) =  ..
. .
 

0 λs Iαs

Notons alors que l’isomorphisme de K-algèbres de L(E) dans Mn (K) défini par f 7→ MB (f ) induit facilement
un isomorphisme de K-algèbres de C(u) dans C(A) = {B ∈ Mn (K) | AB = BA}. Par conséquent, déterminer la
dimension de C(u) ou de C(A) revient au même : on peut raisonner matriciellement.
 
B1,1 · · · B1,s
Soit alors B ∈ Mn (K) et notons : B =  ... ..
.
.. . Alors :
. 


Bs,1 ··· Bs,s

B ∈ C(A) ⇐⇒ AB = BA
λ1 Iα1 λ1 Iα1
     
0 B1,1 · · · B1,s B1,1 · · · B1,s 0
. .   .. . . .
.   .. .. ..   ..
⇐⇒  .  . . . = . . .  .
 

0 λs Iαs Bs,1 · · · Bs,s Bs,1 · · · Bs,s 0 λs Iαs
   
λ1 B1,1 · · · λ1 B1,s λ1 B1,1 · · · λs B1,s
⇐⇒  ... ..
.
..  =  ..
.   .
..
.
.. 
. 


λs Bs,1 · · · λs Bs,s λ1 Bs,1 · · · λs Bs,s

⇐⇒ ∀(i, j) ∈ J1, sK2 , λi Bi,j = λj Bi,j .

33
 MP⋆ 2024/2025 Chapitre V – Corrigés

Or les λi sont tous distincts, donc dès que i ̸= j cette dernière égalité implique : Bi,j = 0. En revanche l’égalité est
toujours vérifiée pour i = j, sans hypothèse sur les Bi,i . Autrement dit :
 
B1,1 0
B ∈ C(A) ⇐⇒ B =  ..
. .
 

0 Bs,s

On en déduit que l’application linéaire suivante :

 s
Mαi (K)
Q


 → C(A)
 i=1

  
M1 0
(M1 , . . . , Ms ) 7→  ..
.

  

 

0 Ms


est correctement définie (c’est-à-dire bien à valeurs dans C(A)) et bijective. On en déduit :
s
! s s
Y X X
dim(C(u)) = dim(C(A)) = dim Mαi (K) = dim (Mαi (K)) = αi2 ,
i=1 i=1 i=1

d’où le résultat.

Résumé. Commentaires.

Compléments. Approfondissements.
— Se convaincre que les isomorphismes proposés dans les deux démonstrations sont en fait, à réécriture
près, exactement les mêmes. Pourquoi préféré-je la démonstration avec les endomorphismes ?
— On déduit de cet exemple que l’on a : dim(C(u)) ⩾ s. Pouvez-vous améliorer cette minoration pour
obtenir dim(C(u)) ⩾ n par exemple ? Et sans l’hypothèse que u est diagonalisable ?

⋆ Exercice 37. Supposons E de dimension finie non nulle. Soit f un endomorphisme de E. Démontrer que f est
diagonalisable si et seulement si tout sous-espace vectoriel de E admet un supplémentaire stable par f .

Corrigé 37. Aucun corrigé n’a été écrit. Je le ferai quand j’aurai le temps, ou sinon : avis aux volontaires !

Résumé. Commentaires.

p−1
Exercice 38. Soit (a0 , . . . , ap−1 ) ∈ K p . On suppose que le polynôme P = X p + ai X i ∈ K[X] est scindé sur K,
P
i=0
r
sous la forme : P = (X − λi )αi , où les λi sont des éléments de K tous distincts et αi des entiers naturels non
Q
i=1
p−1
nuls. Déterminer les suites (un )n⩾0 ∈ K N telles que : ∀n ∈ N, un+p + ai un+i = 0.
P
i=0

Corrigé 38. Aucun corrigé n’a été écrit. Je le ferai quand j’aurai le temps, ou sinon : avis aux volontaires !

Résumé. Commentaires.

⋆ Exercice 39. Supposons E de dimension finie. Soit f un endomorphisme de E.

1. Démontrer que si f est un endomorphisme nilpotent, d’indice de nilpotence n = dim(E), alors ses sous-espaces
stables sont exactement ceux de la forme ker(f k ) avec k ∈ J0, nK (commencer par démontrer que pour tout
ℓ ∈ J0, nK, on a dim(ker(f ℓ )) = ℓ).
k
2. On ne suppose plus f nilpotent. On suppose que πf est scindé, et on pose : πf = (X − λi )αi . Démontrer
Q
i=1
k
que si F est un sous-espace vectoriel de E stable par f , alors : F = (F ∩ ker ((f − λi IdE )αi )).
L
i=1

34
 MP⋆ 2024/2025 Chapitre V – Corrigés

1 1 0 0
 
0 1 0 0
3. Donner tous les sous-espaces stables de A = 
0
.
0 2 1
0 0 0 2

Corrigé 39. Aucun corrigé n’a été écrit. Je le ferai quand j’aurai le temps, ou sinon : avis aux volontaires !

Résumé. Commentaires.

Espaces cycliques, matrices compagnons

n−1
⋆ Exercice 40. (A) Soit P = X n + ak X k ∈ C[X]. Démontrer que si λ ∈ C est racine de P , alors : |λ| ⩽
P
k=0
1+ max |ak |.
0⩽k⩽n−1

Corrigé 40. Introduisons la matrice compagnon de P :

0 1 0 0
 
···
.. .. .. ..
. . 1 . .
 
 
CP =  .. .. ..
 
. . . 0

 
0 1
 
 0 ··· ··· 
−a0 −a1 −a2 ··· −an−1

On a : χC ⊤ = χCP = P (rappelons que ce n’est pas du cours et que c’est à savoir redémontrer). On en déduit :
P
χC ⊤ (λ) = 0, donc λ est une valeur propre de CP⊤ et la matrice CP⊤ − λIn n’est pas inversible. Il existe donc
P
X ∈ Mn,1 (C) non nul tel que : (CP⊤ − λIn )X = 0Mn,1 (C) . C’est-à-dire, en notant x1 , . . . , xn les coefficients de X :

= 0,

 −λx1 −a0 xn
∀i ∈ J2, n − 1K, xi−1 −λxi −ai−1 xn = 0, (∗)
xn−1 +(−an−1 − λ)xn = 0.


Soit i ∈ J1, nK tel que : |xi | = max |xj |. Comme X est non nul, on a : |xi | > 0. Trois cas se présentent :
1⩽j⩽n
— si i = 1, alors par (∗) on a :
|λ||x1 | = |a0 ||xn | ⩽ |a0 ||x1 |,
et en simplifiant par |x1 | > 0 on a : |λ| ⩽ |a0 | ⩽ 1 + max |ak | ;
1⩽k⩽n
— si i ∈ J2, n − 1K, alors par (∗) on a de même :

|λ||xi | = |xi−1 − ai−1 xn | ⩽ |xi−1 | + |ai−1 ||xn | ⩽ |xi |(1 + |ai−1 |)

et en simplifiant par |xi | > 0 on a : |λ| ⩽ 1 + |ai−1 | ⩽ 1 + max |ak | ;

1⩽k⩽n
— si i = n, on a enfin :

|λ||xn | = |(λ + an−1 )xn − an−1 xn | ⩽ |(λ + an−1 )xn | + |an−1 ||xn | = |xn−1 | + |an−1 xn | ⩽ |xn | (1 + |an−1 |)

et en simplifiant par |xn | > 0 on a : |λ| ⩽ 1 + |an−1 | ⩽ 1 + max |ak |.

1⩽k⩽n
Dans tous les cas, on obtient : |λ| ⩽ 1 + max |ak |, d’où le résultat.
1⩽k⩽n

Résumé. Commentaires.

Compléments. Approfondissements.
— Faire le parallèle entre la résolution de cet exercice et l’exercice 4, dont nous avons en fait redémontré
un cas particulier.
— Pourquoi regarder l’égalité CP⊤ X = X plutôt que CP X = X ?
— Lire Méthodes, section sur les matrices compagnons, pour des compléments sur cette utilisation des

35
 MP⋆ 2024/2025 Chapitre V – Corrigés

matrices compagnons dans l’étude des racines d’un polynôme.

— Voir un autre exemple d’utilisation analogue des matrices compagnons dans l’exercice 41.

⋆ Exercice 41. (Théorème de Kronecker) (A) Soit P ∈ Z[X] un polynôme unitaire. On note λ1 , . . . , λn ses racines
complexes (éventuellement avec répétitions). 1823-1891
n
1. Démontrer : ∀k ∈ N \ {0}, λki ∈ Z.
P
i=1
n
2. Soit k ∈ N \ {0}. On pose : Pk = (X − λki ). Démontrer : Pk ∈ Z[X].
Q
i=1
3. On suppose : ∀i ∈ J1, nK, |λi | = 1. Démontrer que les λi sont des racines de l’unité.

 Heuristique. Petit réflexe méthodologique à avoir : lorsqu’on a un problème avec des entiers (polynômes
dans Z[X], matrices dans Mn (Z)...), il est bon de se demander ce que cela apporte par rapport aux problèmes
sur un corps K. Cela permet d’une part de faire de l’arithmétique : réduction modulo p, raisonnements sur les
relations de divisibilité contraintes par les relations de l’énoncé (peu pertinent ici, vu que les valeurs propres de
M sont complexes et qu’on ne peut pas faire de tels raisonnements dans C – du moins, pas au niveau des classes
préparatoires), et d’autre part de faire des démonstrations de finitude selon le principe de hauteur suivant : pour
démontrer qu’un ensemble d’entiers est fini, il faut et il suffit de montrer qu’il est majoré (en valeur absolue). C’est
ainsi que vous résolvez très naturellement l’équation diophantienne x2 + y 2 = 1 en une poignée de secondes si x et
y sont dans Z, ce qui ne serait pas possible s’ils étaient dans Q, R ou C (d’ailleurs, combien y a-t-il de solutions
rationnelles ? pas si trivial !) : vous constatez que l’équation impose |x| ⩽ 1 et |y| ⩽ 1, ce qui ne laisse qu’un nombre
fini de possibilités que vous pouvez tester exhaustivement.

Cela vaut pour un ensemble d’entiers, mais aussi pour un ensemble s’injectant dans un ensemble d’entiers, ou
de p-uplets d’entiers, etc. Ayant cela en tête, nous allons (implicitement) reformuler le résultat à démontrer dans
la troisième question comme un résultat de finitude. En effet, être une racine de l’unité complexe équivaut à être
d’ordre fini dans C∗ , il est donc équivalent de démontrer que tous les λi sont des racines de l’unité et de démontrer
que l’ensemble Ri = λki | k ∈ N \ {0} est fini pour tout i. Nous allons démontrer sa finitude en l’injectant dans un
produit cartésien d’ensembles d’entiers bornés. ■

Corrigé 41.
1. Soit M la matrice compagnon du polynôme P . Triangulons-la dans C. Si λ1 , . . . , λn sont les valeurs propres
de M comptées avec multiplicités, et si P ∈ GLn (C) est telle que :
 
λ1 ∗
M =P ..  −1
. P ,


0 λn

Alors :  k 
λ1 ∗
∀k ∈ N \ {0}, M =P
k ..  −1
. P .


0 λkn
n
On en déduit : ∀k ∈ N \ {0}, tr(M k ) = λki . Or M est une matrice à coefficients entiers, puisque c’est la
P
i=1
matrice compagnon d’un polynôme à coefficients entiers ; comme Mn (Z) est un anneau, nous en déduisons que
M k est aussi à coefficients entiers, et donc sa trace également. D’où le résultat :
n
X
∀k ∈ N \ {0}, λki ∈ Z.
i=1

2. Soit k ∈ N \ {0}. En reprenant les notations de la question précédente, on a manifestement :

k
Y
χM k = X − λki = Pk .


i=1

Comme M k est à coefficients entiers, il en est de même de χM k : d’où le résultat.

36
MP⋆ 2024/2025 Chapitre V – Corrigés

3. Démontrons que l’ensemble Ri = λki | k ∈ N \ {0} est fini pour tout i ∈ J1, nK. Nous allons le démontrer


en mettant cet ensemble en correspondance avec un ensemble paramétré par des entiers, conformément à
l’heuristique, à savoir : nous allons démontrer que l’ensemble :
Car = {χM k | k ∈ N \ {0}}
est fini. Cela revient essentiellement au même grâce aux relations coefficients-racines.
n−1
X
Notons : χM k = X + n
aj,k X j . On a vu dans les questions précédentes que les racines de χM k sont
j=0
exactement les λki avec i ∈ J1, nK, et que les coefficients aj,k sont des entiers pour tout j ∈ J0, n − 1K et pour
tout entier k ⩾ 1. On a de plus, par les relations coefficients-racines :
 
X Y X n
∀(j, k) ∈ J0, n − 1K × (N \ {0}), |aj,k | ⩽ k
|λℓ | ⩽ 1= .
j
I⊆J1,nK ℓ∈I I⊆J1,nK
card(I)=n−j card(I)=n−j

On en déduit que l’application :

Car Zn

→
,
χM k 7 → (a0,k , . . . , an−1,k )
évidemment injective par unicité des coefficients d’un polynôme, est à valeurs dans l’ensemble fini :
n−1
Y s n n{
− , ,
j=0
j j

et on en déduit que Car est lui-même fini. L’ensemble des racines des χM k :
n
[ [
Ri = Q−1 ({0})
i=1 Q∈Car

est donc fini aussi : c’est une réunion d’ensembles finis indexée par un ensemble fini. A fortiori, l’ensemble Ri
est fini aussi pour tout i ∈ J1, nK, donc l’application :

N \ {0} → Ri
k 7→ λki
ne peut pas être injective ; on en déduit que pour tout i ∈ J1, nK, il existe ki , ℓi ∈ N \ {0} distincts tels que :
λki i = λℓi i . Comme λi ̸= 0 pour tout i ∈ J1, nK (c’est de module 1), on en déduit :

∀i ∈ J1, nK, ∃(ki , ℓi ) ∈ (N \ {0})2 , ki ̸= ℓi et : λki i −ℓi = 1.

Il suffit de poser k = ppcm(k1 − ℓ1 , . . . , kn − ℓn ) ∈ N \ {0} (le ppcm est positif même si les entiers sont relatifs,
par convention) pour avoir : ∀i ∈ J1, nK, λki = 1, ce qui démontre le résultat voulu.

Résumé. Commentaires.

Exercice 42. Supposons E de dimension finie non nulle. Soit f un endomorphisme cyclique de E. On note C(f )
l’ensemble des endomorphismes g de E qui commutent avec f . Démontrer : C(f ) = K[f ].

Corrigé 42. L’inclusion K[f ] ⊆ C(f ) est immédiate. Pour l’inclusion réciproque, soit g ∈ C(f ). Comme f est A.G. 24
cyclique, il existe ⃗x ∈ E tel que : E = Vect f k (⃗x) | k ∈ N = {Q(f )(⃗x) | Q ∈ K[X]}.


Soit alors ⃗y ∈ E. Par ce qui précède, il existe Q ∈ K[X] tel que : ⃗y = Q(f )(⃗x). Pour la même raison, il existe
P ∈ K[X] tel que : g(⃗x) = P (f )(⃗x). On a :
(g∈C(f ))
g(⃗y ) = g(Q(f ))(⃗x) = Q(f )(g(⃗x)) = Q(f )(P (f )(⃗x)) = P (f )(Q(f )(⃗x)) = P (f )(⃗y ).
Ceci vaut pour tout ⃗y ∈ E, d’où : g = P (f ) ∈ K[f ]. Ainsi : C(f ) ⊆ K[f ], ce qui démontre la double inclusion et
l’égalité.

Autre démonstration. Soit g ∈ C(f ). Comme g(⃗x) ∈ E = VectC ⃗x, f (⃗x), . . . , f n−1 (⃗x) par hypothèse sur

f , il existe des scalaires α0 , . . . , αn−1 tels que :

n−1
X
g(⃗x) = αi f i (⃗x).
i=0

37
 MP⋆ 2024/2025 Chapitre V – Corrigés

Partant de cette égalité, en utilisant le fait que f et g commutent, on démontre que pour tout k ∈ J0, n − 1K on a :
n−1
! n−1 n−1
!
X X X
g(f (⃗x)) = f (g(⃗x)) = f
k k k
αi f (⃗x) =
i
αi f (⃗x) =
k+i
αi f (f k (⃗x)).
i

i=0 i=0 i=0

n−1
X
Ainsi les endomorphismes g et αi f i coïncident sur la base ⃗x, f (⃗x), . . . , f n−1 (⃗x) de E, donc sont égaux. On a


i=0
n−1
X
donc : g = P (f ), où l’on a posé P = αk X k .
k=0

Résumé. Commentaires.

⋆ Exercice 43. Supposons E de dimension finie non nulle n. Soit f un endomorphisme de E. Démontrer que f admet
n valeurs propres distinctes si et seulement si f est cyclique et diagonalisable.

Corrigé 43. Supposons que f est cyclique et diagonalisable. On a vu en cours que si f est cyclique, on a :
πf = χf . Or χf est de degré n, donc πf l’est aussi, et le fait que f soit diagonalisable implique que πf est scindé à
racines simples : par conséquent πf admet n racines distinctes. Les valeurs propres du polynôme minimal sont les
valeurs propres de f , d’où le résultat : f admet n valeurs propres distinctes.

Réciproquement, supposons que f admet n valeurs propres distinctes λ1 , . . . , λn . Alors f est diagonalisable
d’après le cours. Démontrons de plus que f est cyclique. Pour tout i ∈ J1, nK, soit ⃗xi un vecteur propre de f associé
à λi . On sait que (⃗x1 , . . . , ⃗xn ) est libre parce que les sous-espaces propres de f sont en somme directe. Posons :
n
X
⃗x = ⃗xj .
j=1

Démontrons que (⃗x, f (⃗x), . . . , f n−1 (⃗x)) est une famille libre de E : si α0 , . . . , αn−1 sont des scalaires tels que :
n−1
αi f i (⃗x) = ⃗0, alors par linéarité de f on peut écrire :
P
i=0

n−1
X n−1
X n
X n−1
X n
X
⃗0 = αi f (⃗x) =
i
αi f (⃗xj ) =
i
αi λij ⃗xj .
i=0 i=0 j=1 i=0 j=1

Comme la famille (⃗x1 , . . . , ⃗xn ) est libre, on en déduit :

n−1
X
∀j ∈ J1, nK, αi λij = 0,
i=0

n−1
mais alors le polynôme P = αi X i , de degré au plus n − 1, admet n racines distinctes λ1 , . . . , λn , ce qui impose
P
i=0
P = 0 et en particulier tous ses coefficients sont nuls : ∀i ∈ J0, n − 1K, αi = 0. On a bien la liberté de la famille
(⃗x, f (⃗x), . . . , f n−1 (⃗x)), qui est de cardinal n = dim(E), donc c’est une base de E. On a démontré que E est
f -cyclique : d’où l’implication directe.

Remarque. On peut aussi démontrer que (⃗x, f (⃗x), . . . , f n−1 (⃗x)) est une base de E en calculant son déterminant
n
X
relativement à la base (⃗x1 , . . . , ⃗xn ). Comme : ∀i ∈ J0, n − 1K, f i (⃗x) = λij ⃗xj , on reconnaît un déterminant de
j=1
Vandermonde :
1 λ1 ··· λn−1
1
1 λ2 ··· λn−1
2
.. .. .. ,
. . .
1 λn ··· λn−1
n

et il est non nul car les λj sont tous distincts. D’où le résultat.

Résumé. Commentaires.

j Exercice 44. Supposons E de dimension finie non nulle. Soit f un endomorphisme de E. Démontrer que si : πf = χf ,

38
 MP⋆ 2024/2025 Chapitre V – Corrigés

alors f est cyclique (le résultat est plus accessible lorsque K est un corps infini).

Corrigé 44. Aucun corrigé n’a été écrit. Je le ferai quand j’aurai le temps, ou sinon : avis aux volontaires !

Résumé. Commentaires.

Réduction de matrices et endomorphismes explicites

✓ Exercice 45. (A C) Déterminer les éléments propres de ces matrices complexes, et les diagonaliser si possible :

0 1 0 0
 
2 −1 −1 0 1 1
   
3 0 2 0
A = 2 1 −2 , B = −1 1 1 , C =  0 2 0 3 .

3 −1 −2 −1 1 2
0 0 1 0

Corrigé 45. Traitons d’abord le cas de la matrice A : il n’y a pas d’astuce visible facilement pour déterminer T.B. 25
les valeurs propres (la seule chose que l’on peut remarquer est : rang(A − I3 ) = 2, qui ne permet pas, seule, de
déterminer les valeurs propre). On calcule donc le polynôme caractéristique :

X −2 1 1
χA = −2 X −1 2
−3 1 X +2
X −1 1 1
= 0 X −1 2 (C1 ← C1 + C3 )
X −1 1 X +2
X −1 1 1
= 0 X −1 2 (L3 ← L3 − L1 )
0 0 X +1
= (X − 1)2 (X + 1).

L’opération à la ligne 2 découle de la volonté de faire apparaître des 0 à la première ligne/colonne juste en
ajoutant ou soustrayant des lignes/colonnes entre elles (de la même manière L1 ← L1 − L3 fonctionne).
On en déduit : SpC (A) = {−1, 1}. On peut donc calculer les sous-espaces propres associés à l’aide du pivot de
Gauß (le calcul n’est pas détaillé car ne nécessite aucune idée) :

1 1
   

ker(A − I3 ) = Vect   0  , ker(A + I3 ) = Vect  1 .

1 2

D’après le critère de diagonalisation cette matrice n’est pas diagonalisable : dim ker(A−I3 )+dim ker(A+I3 ) = 2 < 3.

Traitons maintenant le cas de B : de même que pour A il n’y a pas d’astuce visible facilement pour déterminer les
valeurs propres (on a toujours seulement : rang(A − I3 ) = 2), le calcul de χB se passe de la même manière que pour
A (mêmes opérations sur les lignes et les colonnes) et on obtient : χB = (X − 1)3 . On trouve à l’aide de l’algorithme
du pivot de Gauß :
1
 

ker(A − I3 ) = Vect 0 .

1
Par le critère de diagonalisation cette matrice n’est pas diagonalisable.

Traitons donc finalement le cas de C : il n’y a encore une fois pas d’astuce suffisante pour déterminer toutes les
valeurs propres de la matrice (on sait que 3 en est une car c’est le résultat de toutes les sommes des coefficients des

39
MP⋆ 2024/2025 Chapitre V – Corrigés

colonnes). Calculons le polynôme caractéristique :

X −1 0 0
−3 X −2 0
χC =
0 −2 X −3
0 0 −1 X
X −3 X −3 X −3 X −3
−3 X −2 0
= (L1 ← L1 + L2 + L3 + L4 )
0 −2 X −3
0 0 −1 X
X −3 0 0 0
−3 X +3 1 3
= (∀i ∈ J2, 4K, Ci ← Ci − C1 )
0 −2 X −3
0 0 −1 X
X −3 1 3
= (X − 3) −2 X −3
0 −1 X
X +1 X +1 0
= (X − 3) −2 X −3 (L1 ← L1 + L2 )
0 −1 X
X +1 0 0
= (X − 3) −2 X +2 −3 (C2 ← C2 − C1 )
0 −1 X
X +2 −3
= (X − 3)(X + 1)
−1 X
X −1 −3
= (X − 3)(X + 1) (C1 ← C1 + C2 )
X −1 X
X −1 −3
= (X − 3)(X + 1) (L2 ← L2 − L1 )
0 X +3
= (X − 3)(X + 1)(X + 3)(X − 1).

On en déduit : SpC (C) = {−3, −1, 1, 3}, et que C est diagonalisable car son polynôme caractéristique est scindé à
racines simples. Encore une fois par la méthode du pivot de Gauß, on trouve :

1
   
−1
 3  −1
ker(A + 3I3 ) = Vect 
−3 , ker(A + I3 ) = Vect −1 ,
   

1 1
1
   
−1
−1 3
ker(A − I3 ) = Vect   , ker(A − 3I3 ) = Vect   .
1 3
    

1 1

Par le lemme des noyaux, ces quatre vecteurs forment une base de M4,1 (C), ainsi par la formule de changement de
base, si on note :
−1 1 −1 1
 
 3 −1 −1 3
P =−3 −1 1 3 ∈ GL4 (C),


1 1 1 1
alors :
0 0 0
 
−3
0 −1 0 0
C=P  P −1 .
0 0 1 0


0 0 0 3

Résumé. Commentaires.

40
 MP⋆ 2024/2025 Chapitre V – Corrigés

1 1
 
···
 .. .. ..  ∈ M (R) est diagonalisable, et si oui expliciter
✓ Exercice 46. (A C) Déterminer si la matrice U =  . . .  n
1 ··· 1
une matrice diagonale qui lui est semblable.

Corrigé 46. T.B. 25

Avec le critère de diagonalisation. Comme le rang de U est 1, par le théorème du rang on a : dim(ker(U )) =
n − 1. Ainsi 0 est valeur propre
 de U (sauf si n = 1).
1
 .. 
De plus si on pose A =  .  ∈ Mn,1 (R), alors : U A = nA, or A ̸= 0Mn,1 (R) , donc n est une valeur propre de U .
1
Ainsi, par le critère de diagonalisation, on sait que U est diagonalisable, en effet :

n ⩾ dim(ker(U )) + dim(ker(U − nIn )) ⩾ n,

| {z } | {z }
=n−1 ⩾1

donc : dim(ker(U )) + dim(ker(U − nIn )) = n.

On en déduit aussi : dim(ker(U − nIn )) = 1, ainsi U est semblable à :

0 0 ··· 0
 
.
0 . . . . . . .. 

 ∈ Mn (R).
. .

 .. .. 0 0


0 ··· 0 n

Avec le critère polynomial de diagonalisation. On a:

 
n ··· n
 .. . . ..  = nU,
U = .
2
. . 
n ··· n

donc U 2 − nU = 0, et on en déduit que X 2 − nX est un polynôme annulateur de U . Puisque X 2 − nX = X(X − n)

est scindé et à racines simples, on en déduit que U est diagonalisable, et en prime nous savons que ses valeurs propres
sont dans l’ensemble {0, n} (en fait, comme πU n’est pas X ni X − n, nous avons πU = X(X − n) et donc {0, n} est
exactement l’ensemble des valeurs propres ; mais le remarquer à ce stade n’est pas utile pour la suite).
Notons h1 et h2 les ordres de multiplicités des valeurs propres 0 et n respectivement. Alors :

tr(U ) = n = h1 × 0 + h2 × n,

ce
 qui imposeh2 = 1 (et donc h1 = n − h2 = n − 1). Par conséquent, la matrice U est semblable à la matrice
n
(sur les coefficients diagonaux de la matrice diagonale réduite de U , il doit figurer chaque valeur
0Mn−1 (R)
propre autant de fois que son ordre de multiplicité). D’où le résultat.

Résumé. Commentaires.

Compléments. Approfondissements. Comparer avec le résultat de l’exercice 66 et sa résolution.

 
a c b
Exercice 47. Soit (a, b, c) ∈ C3 . Diagonaliser si possible la matrice :  c a+b c .
b c a

41
MP⋆ 2024/2025 Chapitre V – Corrigés

Corrigé 47. Soit A la matrice de l’énoncé. On a :

X −a −c −b X −a+b 0 −b + a − X (L1 ← L1 − L3 )
χA = −c X −a−b −c = −c X −a−b −c
−b −c X −a −b −c X −a
1 0 −1
= (X − a + b) −c X −a−b −c
−b −c X −a
1 0 0 (C3 ← C3 + C1 )
= (X − a + b) −c X −a−b −2c
−b −c X −a−b
X −a−b −2c (dév. / 1re ligne)
= (X − a + b)
−c X −a−b
= (X − a + b)((X − a − b)2 − 2c2 )
√ √
= (X − a + b)(X − a − b − 2c)(X − a − b + 2c),
√ √
donc les valeurs propres de A sont a − b, a + b − 2c et a + b + 2c.

Pour la diagonaliser, plaçons-nous

√ d’abord dans le cas où les trois valeurs propres sont distinctes, ce qui revient
à exiger que c soit non nul, et que 2b soit différent de ±c (une telle situation est évidemment possible et est même
la plus fréquente). Dans ce cas-là, on sait que la matrice est diagonalisable et que les sous-espaces propres sont de
dimension 1. Déterminons-les. On trouve après un calcul bête et méchant :
1 √1 1
     
√ √ √
ker(A−(a−b)I3 ) = Vect  0  , ker(A−(a+b+ 2c)I3 ) = Vect  2 , ker(A−(a+b− 2c)I3 ) = Vect − 2 .
−1 1 1
Notons que le premier vecteur pouvait se trouver à l’œil nu ; comme on savait a priori que ker(A − (a − b)I3 )
est une droite, trouver un vecteur propre suffisait à l’engendrer (la même approche permettrait d’obtenir
le second sous-espace propre, mais c’est plus astucieux). En procédant ainsi, on s’affranchit d’une résolution de
système linéaire. Le troisième sous-espace propre peut s’obtenir en conjuguant le second : on gagne là aussi du temps.

Par la formule du changement de base, appliquée à l’endomorphisme fA : X 7→ AX canoniquement associé à A,

entre la base canonique et la base constituée des vecteurs propres ci-dessus mis en évidence, on a :
0 √ 0
 
a−b
A=P 0 a + b + 2c 0 √  P −1 (∗)
0 0 a + b − 2c

1 √1 1
 
√
avec : P =  0 2 − 2.
−1 1 1
Justifions que l’égalité reste valable sans restriction sur (a, b, c). L’égalité ci-dessus a été démontrée pour (a, b, c)
appartenant à : n √ o
(x, y, z) ∈ C3 | z ̸= 0, 2y ̸= ±z ⊆ C3 .

Or cet ensemble est clairement dense dans C3 , et pour cause : son complémentaire est une réunion des sous-espaces
vectoriels stricts :
n √ o n √ o
(x, y, z) ∈ C3 | z = 0 ∪ (x, y, z) ∈ C3 | 2y = z ∪ (x, y, z) ∈ C3 | 2y = −z ,


et des sous-espaces vectoriels stricts sont d’intérieur vide (chapitre vi : exemple du cours). Ainsi les applications
suivantes :
M3 (C) C3 → M3(C)
 
 C3 →  
0 √ 0
   

a c b
 a−b
, et :
 (a, b, c) 7→  c a + b c   (a, b, c) 7→ P  0 a + b + 2c 0 √  P −1
0 0 a + b − 2c
 
b c a
 

sont continues sur C3 (c’est clair : chaque composante est polynomiale en (a, b, c), donc continue, et le produit
matriciel par P et P −1 est également continu) et coïncident sur une partie dense d’après (∗) : elles sont égales
partout. D’où le résultat : la diagonalisation de A proposée est valable peu importe la valeur de (a, b, c).

42
 MP⋆ 2024/2025 Chapitre V – Corrigés

Résumé. Commentaires.

Compléments. Approfondissements. Est-ce que tout ce qu’on a démontré s’adapte au cas où (a, b, c) ∈
(Z/pZ)3 avec p premier, en supposant qu’on est dans le cas où 2 admet une racine carrée modulo p ?

✓ Exercice 48. (Endomorphismes de R[X] et Rn [X]) (A) Déterminer les éléments propres de :
 
R[X] → R[X] R[X] → R[X]
f: , g: .
P 7→ (2X + 1)P − (X 2 − 1)P ′ P 7→ P − P ′

 Heuristique. Ce type d’endomorphisme de K[X] est étudié dans Méthodes : on applique scolairement ses
conseils. ■

Corrigé 48. A.G. 24

Première démonstration : par résolution de l’équation aux éléments propres. Soient λ ∈ R et P ∈
R[X]. On a :

f (P ) = λP ⇐⇒ (X 2 − 1)P ′ − (2X + 1 − λ)P = 0 ⇐⇒ ∀x > 1, (x2 − 1)P ′ (x) − (2x + 1 − λ)P (x) = 0.

Justifions pourquoi la dernière implication est bien une équivalence : l’implication réciproque se justifie en disant
que si le polynôme (X 2 − 1)P ′ − (2X + 1 − λ)P s’annule sur ]1, +∞[, il admet une infinité de racines et est donc le
polynôme nul.

Pour résoudre cette équation différentielle, il suffit de trouver une primitive de :

2x + 1 − λ 2x 1−λ 2x 1−λ 1 1
 
x 7→ = 2 + = 2 + − .
x2 − 1 x − 1 x2 − 1 x −1 2 x−1 x+1

2 (ln(x − 1) − ln(x + 1)). On en déduit que l’ensemble des solutions

Une primitive sur ]1, +∞[ est x 7→ ln(x2 −1)+ 1−λ
sur ]1, +∞[ est :

]1, +∞[ → R ]1, +∞[ → R

    
y: 2 1−λ | c ∈ R = Vect 3−λ 1+λ .
x 7→ eln(x −1)+ 2 (ln(x−1)−ln(x+1)) x 7→ (x − 1) 2 (x + 1) 2
1−λ 1+λ
Pour que f (P ) = λP ait des solutions non nulles, il suffit que x 7→ (x − 1) 2 (x + 1) 2 soit une application
polynomiale. C’est vrai si et seulement si 3−λ
2 et 2 sont des entiers naturels, si et seulement si 3 − λ et 1 + λ sont
1+λ

des entiers pairs. C’est vrai si et seulement si λ est dans {−1,1,3}. On a alors, par ce qui précède :

ker f + IdR[X] = Vect (X − 1)2 , ker f − IdR[X] = Vect ((X − 1)(X + 1)) , ker f − 3IdR[X] = Vect (X + 1)2 .

Deuxième démonstration : variante de la première approche. Supposons P non nul et unitaire (on
peut toujours s’y ramener, quitte à diviser chaque membre de l’égalité f (P ) = λP par son coefficient dominant).
r
Décomposons P en facteurs irréductibles dans C[X] ainsi : P = (X − αi )βi avec les αi des nombres complexes et
Q
i=1
les βi des entiers naturels. On a :
P′ 2X + 1 − λ 3−λ 1 1+λ 1
f (P ) = λP ⇐⇒ = = + .
P X2 − 1 2 X −1 2 X +1
r
P′ X βi
On a aussi : = . Par unicité de la décomposition en éléments simples l’égalité f (P ) = λP est vraie si
P i=1
X − αi
et seulement si on a, quitte à réarranger les termes : r = 2, et :

3−λ 1+λ
   
(α1 , β1 ) = 1, , (α2 , β2 ) = −1, .
2 2

On en déduit en outre que 3−λ 2 et 2 sont des entiers naturels : c’est vrai si et seulement si λ est dans {−1,1,3}.
1+λ

Dans ce cas-là on obtient, d’après les deux égalités ci-dessus :

 (X − 1)2 si λ = −1,

3−λ 1+λ
P = (X − 1) 2 (X + 1) 2 = (X − 1)(X + 1) si λ = 1,
(X + 1)2 si λ = 3.


43
MP⋆ 2024/2025 Chapitre V – Corrigés

On conclut alors semblablement à ce qui a été effectué dans la première démonstration.

Troisième démonstration : par étude des éléments propres d’une matrice. Remarquons que si P ∈ R[X]
est non nul et vérifie : f (P ) = λP , et si l’on pose : P = ad X d + Q, avec d = deg(P ), ad ̸= 0 et deg(Q) < d, alors :

ad (2 − d)X d+1 + P − X 2 Q′ + P ′ = ad λX d + λQ.

| {z }
deg⩽d

Cette égalité nécessite d = 2. Ainsi les vecteurs propres éventuels de f sont tous de degré 2 : cela autorise à étudier
uniquement l’endomorphisme induit par f sur R2 [X] (dont on vérifie directement que c’est un sous-espace stable
par f , en calculant f (1) = 2X + 1, f (X) = X 2 + X + 1 et f (X 2 ) = X 2 + 2X) : ils partagent les mêmes éléments
propres. Soit g cet endomorphisme. La matrice de g relativement à la base canonique de R2 [X] est :

1 1 0
 

A = 2 1 2 .
0 1 1

On calcule son polynôme caractéristique :

X −1 −1 0
χA = −2 X −1 −2
0 −1 X −1
X −3 X −3 X −3
= −2 X −1 −2 (L1 ← L1 + L2 + L3 )
0 −1 X −1
X −3 0 0
= −2 X +1 0 (∀i ∈ J2,3K, Ci ← Ci − C1 )
0 −1 X −1
= (X − 3)(X + 1)(X − 1).

On en déduit : Sp(f ) = Sp(g) = SpR (A) = {−1,1,3}. On trouve ses sous-espaces propres en résolvant l’équation
AX = λX d’inconnue X ∈ M3,1 (R), avec λ l’une des trois valeurs propres que l’on vient de trouver. Cela conduit à :

1 1
     
−1
ker (A + I3 ) = Vect −2 , ker (A − I3 ) = Vect  0  , ker (f − 3I3 ) = Vect 2 .
1 1 1

On en déduit les sous-espaces propres de f :

ker f + IdR[X] = Vect X 2 − 2X + 1 , ker f − IdR[X] = Vect X 2 − 1 , ker f − 3IdR[X] = Vect X 2 + 2X + 1 .

L’étude de l’endomorphisme g est plus simple. En effet, si λ ∈ R et P ∈ R[X], alors :

g(P ) = λP ⇐⇒ P − P ′ = λP ⇐⇒ P ′ = (1 − λ)P.

En s’inspirant de l’une des deux premières démonstrations ci-dessus, on trouve que λ = 1 est l’unique valeur propre
et que :
ker g − IdR[X] = R0 [X].

Résumé. Commentaires.

Compléments. Approfondissements.
— Pour une autre matrice où la recherche des éléments propres se ramène à la résolution d’une équation
différentielle, voir l’exercice 24.
1−λ 1+λ
— Démontrer rigoureusement que x 7→ (x−1) 2 (x+1) 2 est une application polynomiale si et seulement
si 3−λ
2 et 1+λ
2 sont des entiers naturels. Cela paraît évident, mais ce n’est pas si trivial à écrire. Si
vous manquez d’idées : voir l’exercice 24, où je le détaille dans la résolution (notez que la deuxième
démonstration proposée ci-dessus évite de se poser cette question : c’est un avantage parmi d’autres).
— Pour une autre approche où l’on résout une équation différentielle en utilisant l’unicité de la décompo-
sition en éléments simples : voir l’exercice 63.

44
 MP⋆ 2024/2025 Chapitre V – Corrigés

✓ Exercice 49. (Endomorphismes de Mn (K)) (A) Soient (a, b) ∈ K 2 et A ∈ Mn (K). Déterminer les éléments
propres de :
Mn (K) → Mn (K) Mn (K) → Mn (K)
 
f: , g : .
M 7→ aM + bM ⊤ M 7→ tr(A)M − tr(M )A

 Heuristique. Comme la transposition M 7→ M ⊤ est une symétrie, nous connaissons ses éléments propres :
nous avons tout intérêt à nous y ramener. Nous le faisons en remarquant qu’elle est égale à 1b (f − aId), et parce
qu’ajouter une homothétie à un endomorphisme ne fait que « translater » ses valeurs propres (attention toutefois à
la division par b qui nécessite une distinction de cas) en laissant inchangés les sous-espaces propres.

Le deuxième endomorphisme est étudié dans Méthodes (il est de la forme αId + (forme linéaire)⃗a) : on applique
scolairement ses conseils. ■
Corrigé 49. Commençons par l’endomorphisme f . Notons s l’endomorphisme M 7→ M ⊤ . Comme s est une A.G. 24
symétrie, ses valeurs propres sont 1 et −1 et on sait que l’on a :
ker s − IdMn (K) = Sn (K), ker s + IdMn (K) = An (K),

sauf si n = 1 (dans ce cas A1 (K) est l’espace vectoriel trivial et donc seul 1 est valeur propre), mais ce cas particulier
est trivial et nous l’excluons à présent.
Si b = 0, alors f = aIdMn (K) . On a dans ce cas Sp(f ) = {a} et ker f − aIdMn (K) = Mn (K). Supposons à

présent b ̸= 0. Soit λ ∈ K. On a :
a−λ
∃M ∈ Mn (K) \ 0Mn (K) , f (M ) = λM ⇐⇒ ∃M ∈ Mn (K) \ 0Mn (K) , M ⊤ =
 
M
b
a−λ
⇐⇒ ∈ Sp(s)
b
a−λ
⇐⇒ ∈ {−1,1}
b
⇐⇒ λ ∈ {a − b, a + b}.
On en déduit : Sp(f ) = {a − b, a + b}, puis en reprenant les équivalences ci-dessus :
ker f − (a + b)IdMn (K) = ker s − IdMn (K) = Sn (K), ker f − (a − b)IdMn (K) = ker s + IdMn (K) = An (K).

Passons à l’endomorphisme g. Si A est la matrice nulle, alors : g = tr(A)IdMn (K) . On a dans ce cas Sp(g) = {tr(A)}
et ker g − tr(A)IdMn (K) = Mn (K). Supposons à présent que A est non nulle. On a :

g(A) = 0Mn (K) ,

et comme A est non nulle cela démontre que 0 est valeur propre de g et qu’un vecteur propre associé est A. De plus,
pour toute matrice M de trace nulle :
g(M ) = tr(A)M,
donc : ker(tr) ⊆ ker g − tr(A)IdMn (K) . Comme la trace est une forme linéaire, son noyau est de dimension n2 − 1,

qui est supérieur à 0 strictement si n ⩾ 2. On en déduit que tr(A) est une valeur propre de g.

Supposons à présent que tr(A) est non nul. Or les sous-espaces propres sont en somme directe, donc :
n2 ⩾ dim ker g − tr(A)IdMn (K) + dim (ker (g)) ⩾ dim (ker (tr)) + dim (Vect (A)) ⩾ (n2 − 1) + 1 = n2 ,

donc : dim ker g − tr(A)IdMn (K) +dim (ker (g)) = n2 . Autrement dit : ker g − tr(A)IdMn (K) ⊕ker (g) = Mn (K),

et il ne peut donc pas y avoir d’autre valeur propre. En conclusion :

Sp(g) = {0, tr(A)} ,
et les égalités dimensionnelles ci-dessus impliquent en outre :
ker g − tr(A)IdMn (K) = ker(tr), ker (g) = Vect(A).

Si la trace de A est nulle, alors g est l’application M 7→ −tr(M )A. On ne déduit
que l’égalité g(M ) = λM
n’est possible que si λM = 0 ou si M appartient à Vect(A) ⊆ ker g − tr(A)IdMn (K) , et il n’y a donc pas d’autre
élément propre que ceux trouvés ci-dessus. On a : Sp(g) = {0}, et : ker (g) = Vect(A) (nous n’avons démontré qu’une
inclusion, mais l’égalité est immédiate).
Autre approche pour l’étude de g. On a :
∀M ∈ Mn (K), g 2 (M ) = g (tr(A)M − tr(M )A) = tr(A)g(M ) − tr(M )g(A) = tr(A)g(M ).
On en déduit que X 2 − tr(A)X est un polynôme annulateur de g, et donc que les valeurs propres de g sont dans
{0, tr(A)}. On trouve alors les sous-espaces propres associés par une résolution explicite.

45
 MP⋆ 2024/2025 Chapitre V – Corrigés

Résumé. Commentaires.

Compléments. Approfondissements.
— Généraliser l’observation de l’heuristique : si f est un endomorphisme, comparer les valeurs propres et
sous-espaces propres de f et de αf + bIdE (écrire les correspondances dans les deux sens).
— Étudier si f et g sont diagonalisables.
 
a b ··· b
.. .. .. 
. . .

b
✓ Exercice 50. (A) Soit (a, b) ∈ R2 . On pose : A = 
.
 ∈ Mn (R). Calculer A−1 lorsque A est
 .. .. ..
. .

b
b ··· b a
inversible, ainsi que A pour tout k ∈ N.
k

 Heuristique. La matrice A est symétrique réelle, donc nous savons qu’elle est diagonalisable. Il est donc tentant
de vouloir écrire : A = P DP −1 , avec P inversible et D diagonale, pour en déduire les puissances de A à l’aide des
puissances de D. Le problème est cependant le calcul de P −1 : pour une matrice de taille n, la tâche s’annonce ardue.

Il vaut donc mieux privilégier des méthodes de calcul de puissances s’affranchissant de la matrice de passage. Le
document Méthodes en fournit deux :
— par division euclidienne par un polynôme annulateur ;
— par interpolation de Lagrange.
Nous illustrons les deux approches. La seconde a l’avantage de donner Ak y compris pour k ∈ Z (répondant donc à
la question du calcul de A−1 ). ■

Corrigé 50. Notons d’abord que si b = 0, alors A = aIn , donc : ∀k ∈ N, Ak = ak In . Ce cas étant déjà expédié,
on peut supposer b ̸= 0 dans ce qui suit.
 
b ··· b
Déterminons les valeurs propres de A. La matrice A−(a−b)In =  ... . . . ...  est de rang 1 car toutes les colonnes
 

b ··· b
sont égales (et non nulles ; si elles avaient été nulles, le rang aurait été nul : c’est pour m’éviter une fastidieuse distinc-
tion de cas que j’ai traité en amont le cas b = 0). Donc, d’après le théorème du rang : dim (ker (A − (a − b)In )) = n−1.
On en déduit que a − b est valeur propre de A, d’ordre de multiplicité au moins n − 1. De plus la somme des coeffi-
cients 
de  chaque ligne égale a + (n − 1)b, donc a + (n − 1)b est une valeur propre de A (un vecteur propre associé
1
étant  ... ). Nous avons n valeurs propres comptées avec multiplicités : le compte est bon, il ne peut pas y avoir
 

1
d’autres valeurs propres (notons qu’on aurait aussi pu trouver la valeur propre a + (n − 1)b par un usage adéquat
de la trace). On vérifie alors que A est diagonalisable avec le critère de diagonalisation. On a en effet :

n = (n − 1) + 1 ⩽ dim (ker (A − (a − b)In )) + dim (ker (A − (a + (n − 1)b)In )) ⩽ n,

donc : dim (ker (A − (a − b)In )) + dim (ker (A − (a + (n − 1)b)In )) = n. Ainsi A est diagonalisable.

Passons au calcul des puissances.

Première méthode : avec un polynôme annulateur. Par le critère polynomial de diagonalisation, le poly-
nôme (X − λ) = (X − (a − b))(X − (a + (n − 1)b)) est un polynôme annulateur de A. Il va nous servir à en
Q
λ∈Sp(A)
déduire Ak . Soit k ∈ N. D’après le théorème de division euclidienne, il existe (Q, R) ∈ (R[X])2 tel que :

X k = (X − (a + (n − 1)b))(X − (a − b))Q + R (∗)

et : deg(R) < 2. On peut écrire le reste ainsi : R = αk X + βk , où αk , βk ∈ R. En évaluant (∗) en a − b et a + (n − 1)b,

on obtient le système linéaire suivant vérifié par αk et βk :

(a − b)k = αk (a − b) + βk ,


(a + (n − 1)b)k = αk (a + (n − 1)b) + βk .

46
MP⋆ 2024/2025 Chapitre V – Corrigés

Les opérations L2 ← L2 − L1 ou L2 ← (a − b)L2 − (a + (n − 1)b)L1 nous permettent d’obtenir directement :


 αk = (a + (n − 1)b) − (a − b) ,
 k k

nb
 β =
 (a + (n − 1)b)(a − b)k − (a − b)(a + (n − 1)b)k
 k .
nb
Alors, en évaluant (∗) en A, comme (X − (a + (n − 1)b))(X − (a − b)) est un polynôme annulateur de A d’après la
question précédente, on obtient :
Ak = αk A + βk In .
Après simplifications, cela donne :
 
aαk + βk bαk ··· bαk 
..
 
 .. .. 
 bα
k . . . 
A =
k
 
..

 .. .. 

 . . . bαk 

 
 
bαk ··· bαk aαk + βk

(n − 1)(a − b)k + (a + (n − 1)b)k

et, comme aαk + βk = :
n
 
(n − 1)(a − b)k + (a + (n − 1)b)k ··· (a + (n − 1)b)k − (a − b)k 
..
 
 .. .. 
1
 . . . 
A = 
k
 
..

n .. .. 

 . . . 

 
 
(a + (n − 1)b)k − (a − b)k ··· (n − 1)(a − b)k + (a + (n − 1)b)k

Pour calculer A−1 , on note que si (a − b)(a + (n − 1)b) ̸= 0, alors la relation :

(A − (a + (n − 1)b)In )(A − (a − b)In ) = 0Mn (R)
implique :
1
− A(A − (2a + (n − 2)b)In ) = In ,
(a − b)(a + (n − 1)b)
1
donc A−1 = − (A − (2a + (n − 2)b)In ). Après simplifications, cela donne :
(a − b)(a + (n − 1)b)
 
−a − (n − 2)b b ··· b 
..
 
 .. .. 
1
 b . . . 
−1
=−
 
A .
..

(a − b)(a + (n − 1)b) 
 .. .. 
 . . . b 

 
 
b ··· b −a − (n − 2)b

Deuxième méthode : par interpolation de Lagrange. Soit k ∈ N, et même k ∈ Z lorsque a − b et a + (n − 1)b

sont non nuls. Comme A est diagonalisable (nous l’avons établi plus haut), il existe P ∈ GLn (R) telle que :
 
a−b 0
 a + (n − 1)b 
A=P
 −1
.. P .

 . 
0 a + (n − 1)b
Alors :
(a − b)k
 
0
 (a + (n − 1)b)k 
Ak = P  (†)
 −1
.. P .

 . 
0 (a + (n − 1)b)k

47
 MP⋆ 2024/2025 Chapitre V – Corrigés

Cette égalité implique par linéarité que pour tout Q ∈ R[X], on a :

 
Q(a − b) 0
 a + (n − 1)b 
Q(A) = P  (‡)
 −1
.. P .

 . 
0 Q(a + (n − 1)b)

(En vérité nous n’utiliserons cette égalité que pour un polynôme de degré 1, où cette relation s’obtient trivialement,
sans exponentiation.)

Soit alors (L1 , L2 ) la famille des polynômes interpolateurs de Lagrange associée aux réels (a − b, a + (n − 1)b).
On a :
X − (a + (n − 1)b) X − (a − b)
L1 = , L2 = − .
nb nb
Posons :

Q = (a − b)k L1 + (a + (n − 1)b)k L2
1
= (a − b)k − (a + (n − 1)b)k X + (a − b)(a + (n − 1)b)k − (a + (n − 1)b)(a − b)k .



nb
Ce polynôme est conçu pour être de degré au plus 1 et vérifier : Q(a−b) = (a−b)k , et : Q(a+(n−1)b) = (a+(n−1)b)k ,
de sorte que :
 
Q(a − b) 0
(†)
 a + (n − 1)b 
Ak = P 
 −1
.. P

 . 
0 Q(a + (n − 1)b)
(‡)
= Q(A)
1
= (a − b)k − (a + (n − 1)b)k A + (a − b)(a + (n − 1)b)k − (a + (n − 1)b)(a − b)k In .




nb
Il ne reste plus qu’à remplacer A par son expression. Notons λ = a − b et µ = a + (n − 1)b pour alléger les notations.
On obtient :
−µ − (n − 1)λk λk − µk
 k
λk − µk

···
.. .. ..
1 . . .
 
λk − µk
Ak = 

.
n .
.. .. ..
. .
 
b 
λk − µk ··· λk − µk −µk − (n − 1)λk
Remarque. La matrice A est symétrique réelle, donc diagonalisable d’après le théorème spectral que nous verrons
au chapitre xiii. Mais cette approche n’aurait pas donné les valeurs propres de A, dont nous avons eu besoin.

Résumé. Commentaires.

Compléments. Approfondissements. L’interpolation de Lagrange semble indiquer que A−1 et Ak ont

« même forme », mais cela ne se voit pas vraiment lorsqu’on procède via un polynôme annulateur. Pouvez-
vous l’expliquer ?

⋆ Exercice 51. (Matrice tridiagonale) Soit (α, β) ∈ R2 . Démontrer que la matrice :

0 ··· 0
 
α β
.. .
. .. 

β α β
An (α, β) =  0 . . . . . . . . . 0  ∈ Mn (R)
 
 
. .
 
 .. .. β

α β
0 ··· 0 β α

est diagonalisable et expliciter ses sous-espaces propres.

Corrigé 51. Aucun corrigé n’a été écrit. Je le ferai quand j’aurai le temps, ou sinon : avis aux volontaires !

48
MP⋆ 2024/2025 Chapitre V – Corrigés

Résumé. Commentaires.

1 1
   
Ap Ap
Exercice 52. (A) On définit une suite de matrices par : A0 = ∈ M2 (R), et : ∀p ∈ N, Ap+1 = .
1 −1 Ap −Ap
Démontrer que pour tout p ∈ N, la matrice Ap est diagonalisable et donner ses valeurs propres.

 Heuristique. Il semble délicat de déterminer les sous-espaces propres de Ap , donc le critère classique de diago-
nalisation n’est a priori pas le plus adapté à la situation. Essayons d’utiliser le critère polynomial de diagonalisation
en explicitant un polynôme annulateur de Ap qui soit scindé et à racines simples. Or, si Ap est diagonalisable, alors
d’après ce même critère polynomial, on aurait comme polynôme annulateur explicite :
Y
(X − λ).
λ∈SpC (Ap )

Conjecturons ce que devrait être ce polynôme. Cela revient à conjecturer les valeurs propres. Pour cela, si l’on
pouvait calculer χAp par récurrence comme on en aurait envie (l’exercice 25 pourrait rendre la démarche rigoureuse,
mais je m’en moque bien : on est dans une démarche heuristique et il n’est pas question pour le moment de tout
démontrer) :

XI2p+1 − Ap −Ap
χAp+1 =
−Ap XI2p+1 + Ap
= det (XI2p+1 − Ap ) (XI2p+1 + Ap ) − A2p

= det X 2 I2p+1 − 2A2p

 √  √ 
= det XI2p+1 − 2Ap XI2p+1 + 2Ap
 √   √ 
= det XI2p+1 − 2Ap det XI2p+1 + 2Ap
√ √
     
X X
= det 2 √ I2p+1 − Ap det − 2 − √ I2p+1 − Ap
2 2
√ 2p+1 √ 2p+1
   
X X
= 2 det √ I2p+1 − Ap · (− 2) det − √ I2p+1 − Ap
2 2
   
p+1 X X
= (−2)2 χAp √ χAp − √ .
2 2
On en déduit, pour tout x ∈ C :
   
x x x x
χAp+1 (x) = 0 ⇐⇒ χAp √ = 0 ou χAp − √ = 0 ⇐⇒ √ ∈ SpC (Ap ) ou − √ ∈ SpC (Ap ),
2 2 2 2
et une récurrence facile nous permettrait d’en déduire que, si les calculs ci-dessus sont licites, alors les valeurs propres
√ p+1
de Ap sont ± 2 et que :
Y  √ p+1   √ p+1 
(X − λ) = X − 2 X+ 2 = X 2 − 2p+1 .
λ∈SpC (Ap )

Donc, si Ap est diagonalisable, on devrait avoir : A2p − 2p+1 I2p+1 = 0M2p+1 (R) , c’est-à-dire :

A2p = 2p+1 I2p+1 .

Nous allons démontrer cette relation (nettement moins exigeante que tout ce qui précède) et en déduire le polynôme
annulateur ci-dessus.
■
Corrigé 52. Démontrons par récurrence sur p ∈ N l’égalité : A2p = 2p+1 I2p+1 . Puisque (Ap )n⩾0 est construite par
récurrence, le raisonnement par récurrence s’impose.

1 1 2 0
   
Pour p = 0, on a A0 = , donc un calcul direct donne : A20 = = 21 I21 , et le résultat annoncé est
1 −1 0 2
vrai au rang 0.

49
 MP⋆ 2024/2025 Chapitre V – Corrigés

À présent, montrons l’hérédité : soit p ∈ N tel qu’on ait : A2p = 2p+1 I2p+1 . Alors, un produit matriciel par blocs
donne :
  
Ap Ap Ap Ap
A2p+1 =
Ap −Ap Ap −Ap
2Ap
2
0M2p+1 (R)
 
=
0M p+1 (R) 2A2p
 2 p+1
2 · 2 I2p+1 0M2p+1 (R)

= (A2p = 2p+1 I2p+1 )
0M2p+1 (R) 2 · 2p+1 I2p+1
I2p+1 0M2p+1 (R)
 
=2 (p+1)+1
,
0M2p+1 (R) I2p+1

donc : A2p+1 = 2(p+1)+1 I2(p+1)+1 . Ainsi le résultat au rang p implique celui au rang p + 1.

On a donc démontré, par récurrence :

∀p ∈ N, A2p = 2p+1 I2p+1 .

En d’autres termes, pour tout p ∈ N,  le polynôme X − 2

2 p+1
est un polynôme annulateur de Ap ; or
 √ p+1
 √ p+1
X −2
2 p+1
= X− 2 X+ 2 , donc il s’agit d’un polynôme annulateur scindé et à racines simples ;
d’après le critère polynomial de diagonalisation, on en déduit que Ap est diagonalisable pour tout p ∈ N.
n√ p+1 √ p+1 o
Déduisons-en : SpR (Ap ) = 2 ,− 2 . Le polynôme annulateur ci-dessus fournit l’inclusion, et de plus
SpR (Ap ) ne peut pas être vide (car χAp est scindé par le critère de diagonalisation) ni être un singleton (sinon le
√ p+1
polynôme minimal serait X ± 2 et Ap serait une matrice d’homothétie : c’est clairement faux). D’où l’égalité :
n√ p+1 √ p+1 o
SpR (Ap ) = 2 ,− 2 .

Résumé. Commentaires.

Compléments. Approfondissements. Essayer de démontrer que Ap est diagonalisable par un autre critère
de diagonalisation.

Matrices à coefficients entiers et modulo p

⋆ Exercice 53. Soit p un nombre premier. Soit A ∈ Mn (Z/pZ). Démontrer que A est diagonalisable dans Mn (Z/pZ)
si et seulement si : Ap = A.
Corrigé 53. Si : Ap = A, alors X p − X est un polynôme annulateur de A. Or on déduit du théorème de Fermat A.G. 24
que l’on a : Y
Xp − X = (X − a),
a∈Z/pZ

qui est scindé à racines simples. Par le critère polynômial de diagonalisation, 

la matrice A est
 diagonalisable.
λ1 0
Réciproquement, si A est diagonalisable, il existe P ∈ GLn (Z/pZ) et D =  ..  diagonale telles que :
.
 

0 λn
A = P DP −1 , d’où :  p 
λ1 0
Ap = P Dp P −1 = P  ..  −1
. P .


0 λpn
Encore par le petit théorème de Fermat : ∀i ∈ J1, nK, λpi = λi , donc : Ap = P DP −1 = A, d’où le résultat.

Résumé. Commentaires.

50
MP⋆ 2024/2025 Chapitre V – Corrigés

Exercice 54. Soit A ∈ Mn (Z) une matrice diagonalisable dont toutes les valeurs propres sont des entiers relatifs.
Démontrer que pour tout nombre premier p sauf un nombre fini, la matrice Ā ∈ Mn (Z/pZ) (obtenue en réduisant
modulo p les coefficients de A) est diagonalisable.

Corrigé 54. A.G. 24

Première démonstration : avec la définition d’une matrice diagonalisable. Quitte à multiplier tous les
vecteurs par une constante convenable éliminant tous les dénominateurs, on peut démontrer  que A admet  une base
λ1 0
de vecteurs propres à coefficients entiers. Considérons donc P ∈ Mn (Z) inversible et D =  ..  ∈ Mn (Z)
.
 

0 λn
diagonale telles que : A = P DP −1 . On aimerait réduire modulo p cette égalité. Pour cela, encore faut-il que P soit
inversible modulo p. C’est ce qui motive ce qui suit. Soit p un nombre premier ne divisant pas det(P ). L’égalité :

det(P )In = P Com(P )⊤ = Com(P )⊤ P

donne modulo p (en utilisant le fait que la réduction modulo p soit un morphisme d’anneaux) : det(P )In =
⊤
P Com(P ) . Or det(P ) est non nul car p ne divise pas det(P ), donc :
⊤ ⊤
   
P det(P )−1 Com(P ) = det(P )−1 Com(P ) P = In .

On en déduit que P est inversible.

Par conséquent, réduire modulo p l’égalité AP = P D donne : AP = P D, puis après multiplication à droite par
−1
P :
−1
A = P DP .
On en déduit que A est semblable à une matrice diagonale, donc diagonalisable : d’où le résultat, puisque c’est
valable pour tout p ne divisant pas det(P ) (ce qui exclut un nombre fini de nombres premiers puisque det(P ) est
non nul).

Deuxième démonstration : avec le critère polynomial de diagonalisation. Comme A ∈ Mn (Z) est

diagonalisable dans Mn (Q), on sait que par le critère polynômial de diagonalisation que l’on a :
Y
πA = (X − λ) ∈ Z[X].
λ∈SpQ (A)

Nous allons en déduire que πA est scindé à racines simples pour presque tout nombre premier. Soit p un nombre
premier. Notons π A ∈ Z/pZ[X] le polynôme obtenu en réduisant modulo p les coefficients de πA . Il reste unitaire,
scindé dans Z/pZ[X], car la réduction modulo p est un morphisme d’anneaux. Plus précisément :
Y
πA = (X − λ),
λ∈SpQ (A)

et : π A (A) = 0̄.

Étudions alors si π A est à racines simples : comme πA est à racines simples, il n’a pas de racine en commun
avec πA
′
dans C, et donc ces deux polynômes sont premiers entre eux dans C[X] (on peut par exemple le déduire
par contraposée : si D ∈ C[X] est non constant et divise πA et πA ′
, alors une racine de D – qui existe par le
théorème fondamental de l’algèbre – implique une racine commune de πA et πA ′
, ce qui est absurde), et donc ils
sont aussi premiers entre eux dans Q[X] (le pgcd est invariant par extension de corps : cela tient à l’unicité des
quotients et restes par l’algorithme d’Euclide étendu). Par le théorème de Bézout, il existe (U, V ) ∈ Q[X]2 tels que :
U πA + V πA′
= 1. En multipliant cette égalité par le ppcm m des dénominateurs des coefficients de U et V , on a :

U0 πA + V0 πA
′
= m,

avec U0 = mU ∈ Z[X] et V0 = mV ∈ Z[X].

Supposons alors que p ne divise pas m. Alors : U0 π A + V0 π ′A = m. On en déduit que pour toute racine λ de π A ,
on a : V0 (λ)π ′A (λ) = m̄ ̸= 0̄, donc λ est une racine simple de π A .
Ainsi π A est un polynôme annulateur de A scindé à racines simples. Par le critère polynomial de diagonalisation,
la matrice A est diagonalisable dès que p ne divise pas m, ce qui exclut un nombre fini de nombres premiers seulement.

51
 MP⋆ 2024/2025 Chapitre V – Corrigés

Résumé. Commentaires. Retenir qu’un polynôme est à racines simples (dans C) si et seulement s’il est
premier avec sa dérivée. Utile pour transférer cette propriété dans d’autres anneaux avec des relations de
Bézout (cf. Méthodes du chapitre iv), plus tard pour étudier topologiquement l’ensemble de ces polynômes.

Compléments. Approfondissements.
— Trouver un exemple de matrice A vérifiant les hypothèses de l’énoncé, et de nombre premier p, tel que
A modulo p ne soit pas diagonalisable.
— Première démonstration : pourquoi P −1 n’est pas à coefficients entiers en général ? À comparer avec le
résultat de l’exercice 8.
— Deuxième démonstration : se demander si π A est le polynôme minimal de A.
— Peut-on aussi traiter cet exercice avec le critère de diagonalisation (sous-espaces propres) ?
— Faire l’exercice 69 pour un autre exemple d’utilisation d’une relation de Bézout entre πA et πA
′
. À
comparer, aussi, avec l’exercice 80 du chapitre iv.

Exercice 55. Soit A ∈ Mn (Z) une matrice diagonalisable dans C, dont toutes les valeurs propres sont de module 1.
Démontrer qu’il existe p ∈ N \ {0} tel que : Ap = In .

Corrigé 55. Aucun corrigé n’a été écrit. Je le ferai quand j’aurai le temps, ou sinon : avis aux volontaires !

Résumé. Commentaires.

Exercice 56. Soit A ∈ M2 (Z) telle que : Ap = I2 . Démontrer : A12 = I2 .

Corrigé 56. Aucun corrigé n’a été écrit. Je le ferai quand j’aurai le temps, ou sinon : avis aux volontaires !

Résumé. Commentaires.

Réduction abstraite et nilpotence

✓ Exercice 57. Soit A ∈ Mn (K) une matrice inversible. Déterminer une relation entre χA et χA−1 , ainsi qu’entre les
sous-espaces propres de A et de A−1 .

Corrigé 57. On a :

1 1
   
χA = det(XIn − A) = det(A) det(XA −1
− In ) = (−1) det(A)X det
n n
In − A−1 = (−1) det(A)X χA−1
n n
.
X X

On a démontré :
1
 
χA = (−1) det(A)X χA−1
n n
.
X
On peut en déduire une relation entre les valeurs propres de A et A−1 , mais on privilégie une autre approche
élémentaire. En effet, soient λ ∈ K non nul et X ∈ Mn,1 (K). On a :

AX = λX ⇐⇒ X = λA−1 X ⇐⇒ A−1 X = λ−1 X.

On en déduit : ker(A − λIn ) = ker(A−1 − λ−1 In ). En particulier, l’un est non réduit à zéro si et seulement l’autre
l’est, donc :
λ ∈ SpK (A) ⇐⇒ λ−1 ∈ SpK (A),
donc : SpK (A−1 ) = λ−1 | λ ∈ SpK (A) .


Nous n’avons étudié que le cas λ ̸= 0 ci-dessus. Mais 0 n’est pas valeur propre de A ni de A−1 car ce sont des
matrices inversibles, ce qui conclut.

Résumé. Commentaires.

Exercice 58. Soit A ∈ Mn (K). Déterminer le coefficient de degré 1 de χA .

52
MP⋆ 2024/2025 Chapitre V – Corrigés

Corrigé 58. Par commodité, notons c(A) le coefficient de degré 1 de χA , et ce pour toute matrice A ∈ Mn (K).
Soit A ∈ Mn (K).

Première démonstration. Par définition de χA et du déterminant. À venir.

Deuxième démonstration. Par densité. Supposons d’abord A inversible. L’intérêt de procéder ainsi est de
transformer le coefficient de degré 1 en le coefficient de degré n − 1 d’un autre polynôme :

1 1
   
χA = det(XIn − A) = det(A) det(XA − In ) = (−1) det(A)X det
−1 n n
In − A −1
= (−1) det(A)X χA−1
n n
.
X X
n−2
Par conséquent, si l’on note : χA−1 = X n − tr(A−1 )X n−1 + ai X i , alors par la relation ci-dessus :
P
i=0

n−2
!
X
χA = (−1) det(A) 1 − tr(A
n −1
)X + ai X n−i
,
i=0

et on en déduit que le coefficient de degré 1 de χA est :

c(A) = (−1)n−1 det(A)tr A−1 .

Cette expression n’a bien sûr aucune chance d’être valable pour une matrice quelconque. En vue de la généraliser,
réécrivons-la à l’aide de la comatrice :

c(A) = (−1)n−1 tr det(A)A−1 = (−1)n−1 tr(Com(A)).

Démontrons que cette expression reste valable pour une matrice A quelconque. Nous proposons deux arguments,
mais l’un d’eux n’est valable que si K est un sous-corps de C.

Démonstration par densité, uniquement lorsque K ⊆ C. On approche A par des matrices  inversibles. Comme
le polynôme caractéristique de A n’admet qu’un nombre fini de racines, la suite A − p1 In admet des matrices
p⩾1
inversibles dès que : p1 < min SpR (A) ∩ R∗+ (en effet, dans ce cas p1 est différent des racines de χA et donc :


   
det A − p1 In = (−1)n χA p1 ̸= 0). On note p0 un indice qui vérifie cela. Pour tout p ⩾ p0 , on peut appliquer ce
qui précède à la matrice inversible Ap = A − p1 In et on en déduit :

1
  
c(Ap ) = (−1)n−1
tr(Com(Ap )) = (−1) n−1
tr Com A − In . (∗)
p

Or les applications :
x 7→ tr (Com (A − xIn )) , et : x 7→ c(A − xIn )
sont des applications polynomiales, car le déterminant et la trace sont polynomiales en les coefficients d’une matrice
(et donc les coefficients de la comatrice et ceux du polynôme caractéristique aussi). Ce sont en particulier des
applications continues en 0. Par caractérisation séquentielle de la continuité, quand p → +∞ l’égalité (∗) devient :

c(A) = (−1)n−1 tr(Com(A)),

d’où le résultat même si A n’est pas inversible.

Démonstration valable peu importe le corps. La matrice A − T In ∈ Mn (K(T )) est inversible (en effet : det(A −
T In ) = (−1)n χA (T ) ̸= 0), donc par l’étude précédente le coefficient de χA−T In est :

c(A − T In ) = (−1)n−1 tr(Com(A − T In )).

Or cette quantité, ainsi que c(A − T In ), sont des polynômes en T (cela découle immédiatement de la définition du
polynôme caractéristique et de la comatrice, dont les coefficients sont des déterminants donc des polynômes en les
coefficients de A − T In ). En évaluant en 0 ces deux polynômes, on obtient : c(A) = (−1)n−1 tr(Com(A)), d’où le
résultat même ni A n’est pas inversible.

Résumé. Commentaires.

53
 MP⋆ 2024/2025 Chapitre V – Corrigés

Compléments. Approfondissements.
— Pour s’exercer à d’autres raisonnements par densité (ou l’on démontre un résultat par d’abord pour les
matrices inversibles, puis pour toute matrice), voir l’exercice 25 et plus tard le chapitre vi (exercices 55
et 56).
— Essayer d’obtenir le coefficient de degré 1 en exploitant le fait qu’il soit égal à χ′A (0).
— Essayer d’obtenir d’autres coefficients par cette approche. Une des deux démonstrations est plus sus-
ceptible de marcher.

⋆ Exercice 59.
1. Soit A ∈ Mn (R), et soit λ ∈ SpC (A). Démontrer que

λ̄ est une valeur propre de A de même ordre de multiplicité,
et que : dim (ker(A − λIn )) = dim ker(A − λ̄In ) .
2. Soit A ∈ Mn (R). On suppose que toutes ses valeurs propres réelles sont positives. Démontrer : det(A) ⩾ 0.

Corrigé 59. A.G. 24

1. On a : χA ∈ R[X], donc les racines de χA conjuguées ont même ordre de multiplicité (écrire χA = χA et
utiliser l’unicité de la décomposition en facteurs premiers pour identifier les facteurs X − λ et X − λ). On en
déduit que λ a même ordre de multiplicité que λ comme valeur propre de A. De plus, si l’on note, pour tout
vecteur colonne X ∈ Mn,1 (C), le vecteur colonne obtenu en conjuguant tous ses coefficients ainsi : X, alors la
propriété de morphisme d’anneaux de la conjugaison complexe implique que pour tout X ∈ Mn,1 (C) on a :

X ∈ ker(A − λIn ) ⇐⇒ AX = λX ⇐⇒ AX = λ̄X̄ ⇐⇒ AX̄ = λ̄X̄ ⇐⇒ X̄ ∈ ker(A − λ̄In ).

En effet, A est à coefficients réels donc : A = A. On en déduit que les applications linéaires suivantes sont bien
définies et réciproques l’une de l’autre :

ker(A − λIn ) → ker(A − λ̄In ) ker(A − λ̄In ) → ker(A − λIn )

 
f: , et : g : .
X 7→ X X 7→ X

Ce sont des isomorphismes : ils préservent les dimensions. On en déduit :

dim(ker(A − λIn )) = dim(ker(A − λIn )).

2. Pour tout λ ∈ SpC (A), notons ω(λ) l’ordre de multiplicité de λ comme valeur propre de A. Comme le détermi-
nant est le produit des valeurs propres complexes comptées avec multiplicités, et que par la question précédente
on a ω(λ) = ω(λ) pour toute valeur propre λ, on a par hypothèse de l’énoncé :
Y Y Y Y Y ω(λ)
det(A) = λω(λ) = λω(λ) λω(λ) = λω(λ) λω(λ) λ
λ∈SpC (A) λ∈SpR (A) λ∈SpC (A) λ∈SpR (A) λ∈SpC (A)
Im(λ)̸=0 Im(λ)>0
Y Y
= λω(λ) |λ|2ω(λ)
λ∈SpR (A) λ∈SpC (A)
Im(λ)>0

⩾ 0,

d’où le résultat.

Résumé. Commentaires.

Compléments. Approfondissements. Voir dans l’exercice 82 une autre application des résultats de celui-
ci.

✓ Exercice 60. Soient A ∈ Mn (C) une matrice inversible et N ∈ Mn (C) une matrice nilpotente. On suppose que A
et N commutent. Démontrer : det(A + N ) = det(A).

Corrigé 60. Comme A est inversible, on a : A.G. 24

det(A + N ) = det(A) det(In + A−1 N ),

54
 MP⋆ 2024/2025 Chapitre V – Corrigés

or : (A−1 N )n = A−n N n = 0Mn (C) , car A et N commutent (et donc A−1 et N aussi : AN = N A donne N A−1 = A−1 N
après multiplication par A−1 à gauche et à droite), donc A−1 N est aussi nilpotente. Cette matrice est donc semblable
à une matrice triangulaire supérieure stricte notée T . Or :

det(In + A−1 N ) = det(P (In + T )P −1 ) = det(In + T ),

et ce déterminant vaut le produit des termes diagonaux de In + T , puisque cette matrice est triangulaire supérieure,
et de termes diagonaux 1. Donc : det(In + T ) = 1. Finalement : det(A + N ) = det(A).

Résumé. Commentaires.

Compléments. Approfondissements. Que dire de det(A + N ) et det(A) lorsque A n’est pas inversible ?

⋆ Exercice 61. (A) Soit M ∈ Mn (C). Démontrer que M est nilpotente si et seulement si : ∀k ∈ N \ {0}, tr(M k ) = 0.

Corrigé 61. D’abord, remarquons que si λ1 , . . ., λm sont les valeurs propres distinctes d’une matrice M , d’ordres
m
de multiplicité h1 , . . ., hm , alors tr(M k ) = hi λki pour tout k ∈ N (dans le cours nous ne distinguons pas les
P
i=1
valeurs propres, puisqu’on les répète autant de fois que leur multiplicité, ce qui donne une formule plus simple ; ici
distinguer les valeurs propres aura son importance, comme nous le verrons). Redémontrons cette relation (présente
dans le cours). Puisque A est triangulable dans C, elle est semblable à une matrice de la forme :
 
λ1 ∗
T = ..
. ,
 

0 λn

et donc pour tout k ∈ N, la matrice M k est semblable à la matrice :

 k 
λ1 ∗
Tk =  ..
. .
 
k
0 λn

Des matrices semblables ont même trace, donc la trace de M k est la somme des valeurs propres de M à la puissance
k, comptées autant de fois que leurs ordres de multiplicité.

Ceci étant dit, nous pouvons démontrer l’équivalence voulue : supposons que M est une matrice nilpotente.
Alors son unique valeur propre est 0 et les formules qui précèdent donnent tr(M k ) = 0 pour tout k ∈ N.

Supposons à présent que tr(M k ) = 0 pour tout k ∈ N \ {0}, et démontrons que l’unique valeur propre est 0 :
cela impliquera que M est nilpotente (notons que χM est scindé puisqu’on est sur C). Pour le démontrer, on écrit
ces traces en fonction des valeurs propres pour tout k ∈ J1, mK. On a :

h1 λ1 + · · · + hm λm = 0


 h1 λ21 + · · · + hm λ2m = 0


.. .. ..

 . . .
1 + · · · + hm λm = 0

h1 λm m


 
h1 λ1
ce qu’on peut écrire matriciellement : V  ...  = 0 où V est la matrice de Vandermonde associée à λ1 , . . . , λm .
 

hm λ m
On sait que son déterminant égale (λi − λj ), or les λi sont tous distincts donc la matrice de Vandermonde est
Q
i<j
inversible (c’est ici qu’apparaît l’intérêt de ne pas compter les valeurs propres avec multiplicités : il y aurait des
répétitions des λi dansce produit,
 qui serait donc nul et on ne pourrait pas inverser la matrice de Vandermonde) et
h1 λ1
l’égalité matricielle V  ...  = 0 implique (après multiplication à gauche par V −1 ) :
 

hm λm

h1 λ1 = · · · = hm λm = 0.

55
 MP⋆ 2024/2025 Chapitre V – Corrigés

Puisque les ordres de multiplicité hi sont non nuls, on en déduit la nullité de tous les λi : comme les λi sont supposés
tous distincts, cela impose m = 1 puis que λ1 = 0, donc 0 est l’unique valeur propre de M et M est nilpotente :
d’où le résultat.

Remarque. Ce raisonnement démontre aussi qu’il n’est pas nécessaire d’avoir le résultat pour tout k ∈ N \ {0} :
l’avoir pour tout k ∈ J1, nK suffit.

Résumé. Commentaires.

⋆ Exercice 62. Soit F le sous-espace vectoriel de Mn (C) engendré par les matrices nilpotentes. Démontrer : F =
ker(tr).

Corrigé 62. Comme toute matrice nilpotente M de Mn (C) admet 0 comme unique valeur propre, et que la trace
est la somme des valeurs propres comptées avec multiplicités, toute matrice nilpotente appartient à ker(tr). Comme
elles engendrent F , on a : F ⊆ ker(tr). Pour avoir l’égalité, il suffit de démontrer qu’il y a égalité des dimensions.
Or la trace est une forme linéaire de Mn (C), donc :
dim(ker(tr)) = n2 − 1.
De plus l’inclusion de F dans ker(tr) démontre : dim(F ) ⩽ n2 − 1. Démontrons que F admet une famille libre de
cardinal n2 − 1 pour avoir l’égalité. Les matrices Ei,j de la base « canonique » de Mn (C) sont de carré nul donc
nilpotentes pour tous i, j ∈ J1, nK distincts (on peut aussi le justifier en disant qu’elles sont triangulaires strictes,
mais cela manque de hauteur sur le sens géométrique de ces matrices...). Cela fournit n2 − n matrices linéairement
indépendantes dans F . Il reste
 à en fabriquer n − 1 dans F (et toujours linéairement indépendantes). Il suffit pour
1 −1
cela de poser N = (qui est de carré nul donc nilpotente) et de considérer les matrices diagonales par blocs
1 −1
suivantes :
0Mk (C)
 

∀k ∈ J0, n − 2K, Ak =  N .
0Mn−2−k (C)
On a : A2k = 0Mn (C) , donc Ak appartient à F . Vérifions que la famille constituée des matrices Ei,j , pour i ̸= j, et
des Ak , est libre. Soient αi,j et βk des scalaires tels que :
X n−2
X
αi,j Ei,j + βk Ak = 0Mn (C) .
1⩽i,j⩽n k=0
i̸=j

En identifiant les coefficients diagonaux, on obtient :

= 0,

 β0
∀k ∈ J1, n − 3K, −βk−1 + βk = 0,
−βn−2 = 0.


En descendant le système, on obtient βk = 0 pour tout k ∈ J0, n − 2K. Ainsi : αi,j Ei,j = 0Mn (C) , et
P
1⩽i,j⩽n
i̸=j
l’indépendance linéaire des Ei,j entraîne la nullité de tous les αi,j .

L’ensemble Ei,j | (i, j) ∈ J1, nK2 , i ̸= j ∪ {Ak | k ∈ J0, n − 2K} est de cardinal (n2 − n) + (n − 1) = n2 − 1 et


forme une famille libre de F , donc : n2 − 1 ⩽ dim(F ). Ayant déjà établi l’inégalité en sens contraire, nous avons une
égalité. D’où :
dim(F ) = dim(ker(tr)),


F ⊆ ker(tr),
et l’égalité : F = ker(tr).

Résumé. Commentaires. On peut dire mieux : vérifier que toute matrice de trace nulle est la somme de
deux matrices nilpotentes.

Compléments. Approfondissements. Démontrer le résultat du commentaire ci-dessus : d’abord démon-

trer qu’une telle matrice est semblable à une matrice n’ayant que des zéros sur la diagonale.

⋆ Exercice 63. On suppose que K contient Q et que E est de dimension finie. Soient f et g deux endomorphismes
de E. On suppose l’existence de α ∈ K ∗ tel que : f ◦ g − g ◦ f = αf .

56
MP⋆ 2024/2025 Chapitre V – Corrigés

1. Démontrer : ∀k ∈ N, f k ◦ g − g ◦ f k = αkf k .
2. Démontrer que f est un endomorphisme nilpotent.

Corrigé 63. A.G. 24

1. On démontre ce résultat par récurrence sur k ∈ N. Le cas k = 0 est trivial. Soit k ∈ N. On suppose :
f k ◦ g − g ◦ f k = αkf k . En composant chaque membre de l’égalité par f à gauche, on a :
f k+1 ◦ g − (f ◦ g) ◦ f k = αkf k+1 .
Or : f ◦ g = αf + g ◦ f , donc :
f k+1 ◦ g − αf k+1 − g ◦ f k+1 = αkf k+1 ,
d’où le résultat au rang k + 1 :
f k+1 ◦ g − g ◦ f k+1 = α(k + 1)f k+1 .
Par principe de récurrence : ∀k ∈ N, f k ◦ g − g ◦ f k = αkf k , d’où le résultat.
2. Première démonstration. Raisonnons par l’absurde et supposons que f n’est pas nilpotent. On pose l’en-
domorphisme de L(L(E)) défini par Φ : h 7→ h ◦ g − g ◦ h. On a par la question précédente :
∀k ∈ N, Φ(f k ) = αkf k ,
et comme f n’est pas nilpotent on a : ∀k ∈ N, f k ̸= 0L(E) . L’égalité précédente démontre alors que αk est une
valeur propre de Φ pour tout k ∈ N (un vecteur propre associé étant f k ). Or les αk sont tous distincts car
α ̸= 0 (c’est pour cette étape qu’on a besoin de supposer que K contient Q : si αk = αℓ, alors α(k − ℓ) = 0K
et donc k − ℓ = 0K = 0Q , d’où : k = ℓ ; si K contenait Z/pZ, on pourrait avoir k ̸= ℓ dans Z et k = ℓ dans K)
et on en déduit que Φ admet une infinité de valeurs propres : c’est absurde puisque Φ est un endomorphisme
d’un espace vectoriel de dimension finie.
Par l’absurde, l’endomorphisme f est nilpotent.
Deuxième démonstration. Par la question précédente,
les applications linéaires P 7→ P (f ) ◦ g − g ◦ P (f )
et P 7→ αP ′ (f ) ◦ f coïncident sur la base canonique X k k∈N , donc sur K[X]. En prenant P = πf (qui existe
puisque E est de dimension finie), on a donc :
0L(E) = πf (f ) ◦ g − g ◦ πf (f ) = απf′ (f ) ◦ f.
Comme α est non nul, on en déduit que Xπf′ est un polynôme annulateur de f et donc que πf divise Xπf′ .
Ces deux polynômes étant de même degré, on en déduit l’existence de c ∈ K ∗ tel que :
cπf = Xπf′ . (∗)
En comparant les coefficients dominants : c = deg(πf ) ∈ N. On en déduit (voir deux justifications ci-dessous) :

πf = X deg(πf ) ,
et donc f est nilpotent : d’où le résultat.
Justifions à présent comment l’égalité (∗) permet d’en déduire πf :
— si K ⊆ C, il suffit de résoudre l’équation différentielle : ∀x ∈ R∗+ , xy ′ (x) = cy(x), dont l’application
polynomiale associée à πf est solution, et l’on trouve :

∃λ ∈ K, ∀x ∈ R∗+ , πf (x) = λec ln(x) = λxc = λxdeg(πf ) ,

et comme πf − λX deg(πf ) admet une infinité de racines (tous les éléments de R∗+ ) c’est le polynôme nul,
d’où le résultat (on trouve λ = 1 grâce au coefficient dominant) ;
— si K n’est pas inclus dans C, on résout tout de même une équation différentielle, mais en se limitant aux
théorèmes utilisables dans K(X) : on y parvient grâce à l’unicité des décompositions en éléments simples !
r
en effet, si πf = Piαi , où les Pi sont des polynômes irréductibles unitaires distincts et les αi des entiers
Q
i=1
naturels non nuls, alors on a d’une part :
r
πf′ X P′
= αi i ,
πf i=1
Pi

et d’autre part, par (∗) :

πf′ c deg(πf )
= = ;
πf X X
donc par unicité de la décomposition en éléments simples on a : r = 1, et : α1 = deg(πf ), P1 = X,
c’est-à-dire : πf = X deg(πf ) ;

57
MP⋆ 2024/2025 Chapitre V – Corrigés

deg(π
Pf )
— le dernier argument est le plus élémentaire : on pose πf = ai X i et on injecte cette expression dans
i=0
l’égalité (∗), puis on identifie les coefficients ; on obtient :

∀i ∈ J0, deg(πf )K, deg(πf )ai = iai ,

ce qui donne : ∀i ∈ J0, deg(πf )K, (deg(πf ) − i)ai = 0 ; lorsque i ̸= deg(πf ), cela donne ai = 0, d’où :
πf = X deg(πf ) .

Résumé. Commentaires.

Compléments. Approfondissements.
— Trouver des endomorphismes f et g vérifiant la relation de l’énoncé.
— Où sert le fait que K contient Q dans la seconde démonstration ? Faire le lien avec l’exercice 91 du
chapitre iv.
— Plus généralement, pouvez-vous résoudre P ′ = QP d’inconnue P ∈ K[X] sans passer par la théorie des
équations différentielles, afin de pouvoir la résoudre même quand K n’est pas inclus dans C ?
— Trouver des contre-exemples lorsque E n’est pas de dimension finie ou lorsque K contient Z/pZ avec p
premier.

Exercice 64.
1. Soit M ∈ Mn (C). Démontrer que si M et 2M sont semblables alors M est nilpotente.
2. Soit p un nombre premier. Trouver un exemple, dans Mp−1 (Z/pZ), de matrice M non nilpotente et semblable
à aM pour tout a ∈ (Z/pZ)× .

Corrigé 64.
1. Supposons que M est semblable à 2M . En particulier : χ2M = χM . Or :
   
X X
χ2M = det(XIn − 2M ) = 2 det
n
In − M = 2 χM
n
,
2 2
n
donc : 2n χM X
= χM . En écrivant : χM = ai X i , et en comparant les coefficients de chaque membre de

P
2
i=0
l’égalité, on a :
ai
∀i ∈ J0, nK, 2n = ai ,
2i
c’est-à-dire : ∀i ∈ J0, nK, ai 2n−i − 1 = 0. Lorsque i ̸= n, cela implique : ai = 0. D’où : χM = X n , et on en

déduit que M est nilpotente.

2. Soit M la matrice diagonale suivante, dont on retiendra surtout que ses coefficients diagonaux font apparaître
chaque élément de (Z/pZ)× une et une seule fois :

1
 
0
 2 
M = .  ∈ Mp−1 (Z/pZ).
 
 .. 
0 p−1

Soit a ∈ (Z/pZ)× . Comme l’application x 7→ ax est une permutation de(Z/pZ)× (la bijection réciproque est
x 7→ a−1 x), les coefficients diagonaux de aM font apparaître chaque élément de (Z/pZ)× une et une seule fois.
Or deux matrices diagonales ayant les mêmes coefficients diagonaux sont semblables (prendre pour matrice de
passage une matrice de permutation convenable), donc M et aM sont semblables, et ce pour tout a ∈ (Z/pZ)× .
D’où le résultat.

Résumé. Commentaires. Le résultat de la première question est une équivalence. Pour montrer que si M
est nilpotente alors M et 2M sont semblables, le plus simple est en utilisant la réduction de Jordan (hors
programme, mais ce fut le devoir maison de l’été 2024). Une autre démonstration passe par la notion d’en-
domorphisme adjoint (que vous découvrirez au chapitre xiii) et l’exponentielle de matrice, grâce à l’exercice
?? du chapitre xiii (qui établit en fait une réciproque de l’exercice 63 de ce chapitre)

58
 MP⋆ 2024/2025 Chapitre V – Corrigés

Compléments. Approfondissements.
— Où intervient le fait que le corps soit C et non Z/pZ dans la première question ? C’est a priori essentiel,
comme le démontre le contre-exemple de la seconde question.
— Vérifier l’affirmation selon laquelle deux matrices diagonales sont semblables si et seulement si elles ont
les mêmes coefficients diagonaux à permutation près.
— Utiliser l’exercice ?? du chapitre xiii pour démontrer que réciproquement, si A ∈ Mn (C) est nilpotente,
alors A et 2A sont semblables (d’abord justifier l’existence de X ∈ Mn (C) tel que : AX = (In + X)A ;
vous aurez aussi besoin de l’exponentielle de matrice). Cela marche en remplaçant 2 par n’importe quel
entier naturel non nul.

⋆ Exercice 65. (Matrices stochastiques) Soit A = ((ai,j ))1⩽i,j⩽n ∈ Mn (R). On suppose que A est stochastique,
n
c’est-à-dire que tous ses coefficients sont positifs ou nuls et que : ∀i ∈ J1, nK, ai,j = 1.
P
j=1

1. Démontrer que 1 est valeur propre de A, et : ∀λ ∈ SpC (A), |λ| ⩽ 1.

2. Démontrer que les valeurs propres de A de module 1 sont des racines de l’unité.
3. On suppose à présent que A est strictement stochastique, c’est-à-dire : ses coefficients sont strictement positifs,
n
et : ∀i ∈ J1, nK, ai,j = 1. Démontrer que 1 est l’unique valeur propre de module 1 et que le sous-espace
P
j=1
propre de A associé à 1 est de dimension 1.

Corrigé 65. Un corrigé est déjà écrit et sera bientôt mis en ligne.

Résumé. Commentaires.

⋆ Exercice 66. (A) Supposons E de dimension finie n ⩾ 2. Soit f un endomorphisme de E de rang 1. Donner une
condition nécessaire et suffisante simple pour que f soit diagonalisable.

Corrigé 66.
Démonstration par le critère de diagonalisation. Comme f est de rang 1, d’après le théorème du rang on
a : dim(ker(f )) = n − 1 ⩾ 1. On en déduit que 0 est valeur propre de f , d’ordre de multiplicité au moins n − 1.
Notons λ ∈ C la dernière racine éventuelle de χf , de sorte que : χf = X n−1 (X − λ). La trace égale la somme des
valeurs propres, donc : tr(f ) = 0 × (n − 1) + λ. On en déduit : λ = tr(f ). Par conséquent :
— si tr(f ) ̸= 0, alors 0 et λ = tr(f ) sont les deux valeurs propres de f ; comme dim(ker(f )) = n − 1 et dim(ker(f −
λIn )) ⩾ 1, la somme des dimensions des sous-espaces propres est supérieure ou égal à (n − 1) + 1 = n ; mais
elle est aussi inférieure ou égal à n (c’est conséquence du fait que les sous-espaces propres soient en somme
directe), donc elle est égale à n : d’après le critère de diagonalisation, f est diagonalisable ;
— si tr(f ) = 0, alors 0 est l’unique valeur propre de f , d’ordre de multiplicité n, alors que dim(ker(f )) = n−1 < n ;
puisque la dimension du sous-espace propre associé à 0 n’est pas égale à l’ordre de multiplicité de la valeur
propre 0, on en déduit que f n’est pas diagonalisable.
En conclusion, f est diagonalisable si et seulement si : tr(f ) ̸= 0.

Démonstration par le critère polynomial de diagonalisation. Nous allons démontrer :

f 2 = tr(f )f. (∗)

Admettons-le provisoirement, et voyons comment en déduire la condition nécessaire et suffisante demandée. Tout
d’abord, notons que cela signifie que X 2 − tr(f )X est un polynôme annulateur de f .
Si tr(f ) ̸= 0, alors X 2 − tr(f )X = X(X − tr(f )) est un polynôme annulateur, scindé et à racines simples, donc
A est diagonalisable d’après le critère polynomial de diagonalisation.
Si tr(f ) = 0, alors X 2 − tr(f ) = X 2 est un polynôme annulateur de f et donc πf le divise. Cependant πf ne peut
pas être égal à X puisque f est non nul (c’est un endomorphisme de rang 1), donc : πf = X 2 . Puisque πf n’est pas
à racines simples, par le critère polynomial de diagonalisation f n’est pas diagonalisable.
On a démontré que f est diagonalisable si et seulement si tr(f ) ̸= 0.

Justifions à présent l’égalité (∗). Je propose trois démonstrations. La troisième me semble être la meilleure, mais
la seconde est digne d’intérêt. La première est nullissme et doit vous faire apprécier les suivantes.

59
MP⋆ 2024/2025 Chapitre V – Corrigés

Démonstration bêtement technique car calculatoire. Soit A la matrice de f dans une base quelconque.
  Puisque A
x1
 x2 
est de rang 1, toutes ses colonnes sont proportionnelles à un même vecteur colonne, qu’on note C =  . . Notons
 
 .. 
xn
λ1 , . . . , λn les coefficients de proportionnalité. Ainsi :
 
λ1 x1 λ2 x1 ··· λ n x1
 λ1 x2 λ2 x2 ··· λ n x2 
A= . .. ..  .
 
 .. . . 
λ1 xn λ2 xn ··· λ n xn

En multipliant cette matrice par elle-même, on obtient :

 n
P n
P n
P 
    λ1 x1 λ i xi λ2 x1 λ i xi ··· λ n x1 λi xi
λ1 x1 λ 2 x1 ··· λn x1 λ 1 x1 λ2 x1 ··· λn x1 i=1 i=1 i=1 
 n n n 
λ x P P
···
P
 λ1 x2 λ 2 x2 ··· λn x2   λ 1 x2 λ2 x2 ··· λn x2   1 2
 λ i xi λ2 x2 λi xi λ n x2 λi xi 
A2 =  . ..  = 

.. ..   .. .. i=1 i=1 i=1 .
 
 .. . .  . . .  
 .. .. .. 
. . .

λ 1 xn λ 2 xn ··· λn xn λ 1 xn λ2 xn ··· λ n xn
 
 Pn Pn Pn 
λ1 xn λ i xi λ 2 xn λi xi ··· λ n xn λi xi
i=1 i=1 i=1

n
Or, en regardant les coefficients diagonaux de A, on remarque : λi xi = tr(A). Par conséquent, en factorisant par
P
i=1
cette quantité, on reconnaît bien : A2 = tr(A)A, d’où : f 2 = tr(f )f .

Démonstration  aussi calculatoire, mais de manière moins visible. On reprend l’écriture de A ci-dessus. Alors,
 tout
λ1
 λ2 
en posant L =  . , on voit qu’on a en fait : A = CL⊤ . Le calcul de A2 est alors direct :
 
 .. 
λn

A2 = CL⊤ · CL⊤ = C L⊤ C L⊤

et on remarque qu’en fait, L⊤ C est une matrice d’ordre 1, donc qu’on peut identifier à un scalaire, et plus précisément :
n
X
L C=
⊤
λi xi = tr(A),
i=1

puisqu’il apparaît tous les coefficients diagonaux de A. Alors, en reprenant le calcul ci-dessus :

A2 = C · tr(A) · L⊤ = tr(A) · CL⊤ = tr(A)A,

d’où le résultat, puis : f 2 = tr(f )f .

Démonstration presque sans calcul. Au lieu d’écrire la matrice de f dans une base quelconque, choisissons-la bien.
En fait, nous allons implicitement trianguler f : soit (⃗e1 , . . . , ⃗en−1 ) une base de ker(f ), qu’on complète en une base
B = (⃗e1 , . . . , ⃗en ) de E. La matrice de f dans B est :

0 · · · 0 α1
 

T =  ... . . . ... ..  ,
. 


0 ··· 0 αn

où (α1 , . . . , αn ) désigne les coordonnées de f (⃗en ) dans la base B. On a alors :

0 · · · 0 α1 · αn 0 · · · 0 α1
   

T 2 =  ... . . . ... ..  = α  .. . .
.  n .
.
. ..
..  = α T.
. 

n
0 · · · 0 αn · αn 0 · · · 0 αn

Donc : T 2 = αn T = tr(T )T , d’où le résultat : f 2 = tr(f )f .

60
 MP⋆ 2024/2025 Chapitre V – Corrigés

Résumé. Commentaires.

Compléments. Approfondissements.
— S’assurer qu’on sait calculer T 2 de tête en raisonnant sur f (⃗en ) et f 2 (⃗en ) par exemple.
— Trouver une explication conceptuelle au fait que l’égalité f 2 = tr(f )f ne puisse pas être démontrée sans
passer par les matrices (néanmoins l’existence d’une relation entre f et f 2 , elle, peut être obtenue sans
passer par les matrices : comment ?).

⋆ Exercice 67. (A) Soient f ∈ L(Cn ) et k ∈ N \ {0,1}.

1. On suppose que f k est diagonalisable. Donner une condition nécessaire et suffisante simple pour que f soit
diagonalisable.
2. Même question pour k = 2, en remplaçant Cn par Rn .
 
0 an
3. Donner une condition sur (a1 , . . . , an ) ∈ (R∗ )n pour que la matrice « anti-diagonale »  . ..  soit
a1 0
diagonalisable.

Corrigé 67.
1. Comme f k est diagonalisable, on a par le critère de diagonalisation :
M
Cn = ker f k − λIdCn . (∗)

λ∈Sp(f k )

Pour tout λ ∈ Sp(f k ) non nul, notons ωλ,1 , . . . , ωλ,k les k racines k es de λ dans C. On prend λ non nul parce
que 0 admet une unique racine k e (à savoir lui-même). Alors :
k
Y
Xk − λ = (X − ωλ,i ) ,
i=1

et comme les X − ωλ,i sont premiers entre eux deux à deux, on a par le lemme des noyaux :
k

M
ker f k − λIdCn = ker (f − ωλi IdCn ) .
i=1

Ainsi (∗) devient, si 0 n’est
pas valeur propre de f k (dans ce cas ce n’est pas une valeur propre non plus de f ,
puisque : det(f )k = det f k ) :
M M k
Cn = ker (f − ωλi IdCn ) .
λ∈Sp(f k ) i=1

Par le critère de diagonalisation, f est diagonalisable dans ce cas particulier (nous avons une somme de
sous-espaces propres de f égale à l’espace ambiant).

Supposons à présent que 0 est une valeur propre de f k . Isolons le sous-espace propre de f k associé à 0 dans
l’égalité ci-dessus :
M Mk
Cn = ker f k ⊕ ker (f − ωλi IdCn ) .

λ∈Sp(f k )\{0} i=1

Pour reconnaître une somme directe de sous-espaces propres égale à Cn , une hypothèse supplémentaire raison-
nable est l’égalité :
ker f k = ker(f ).

M k
M
Supposons donc qu’elle est vérifiée. On a dans ce cas : Cn = ker (f ) ⊕ ker (f − ωλi IdCn ), donc
λ∈Sp(f k )\{0} i=1
f est diagonalisable par le critère de diagonalisation (notons que cette condition est aussi vérifiée lorsque 0
n’est pas valeur propre, puisque ces deux noyaux sont triviaux dans ce cas).

61
MP⋆ 2024/2025 Chapitre V – Corrigés

Réciproquement, supposons que f est diagonalisable. Démontrons que l’on a : ker(f ) = ker f k (l’énoncé

ne demande pas de démontrer que f k est diagonalisable sous cette hypothèse : voir
néanmoins la re-
marque en fin de question). D’abord, on a clairement l’inclusion ker(f ) ⊆ ker f k (si f (⃗x) = ⃗0 alors
f k (⃗x) = f k−1 (f (⃗x)) = f (⃗0) = ⃗0) et nous pouvons démontrer l’égalité soit avec l’inclusion réciproque, soit en
démontrant que les dimensions sont les mêmes. Nous proposons deux démonstrations.

Première démonstration : matricielle, par égalité des dimensions. Comme f est diagonalisable, il existe une
base B dans laquelle MB (f ) est diagonale. Quitte à réarranger les vecteurs de B, on peut mettre les vecteurs
propres associés à 0 au début. La matrice de f dans B est donc de la forme :
0Md (C) 0Md,n−d (C)
 
MB (f ) =
0Mn−d,d (C) D
avec d = dim(ker(f )) et D une matrice diagonale dont les coefficients diagonaux sont non nuls. Alors :
0Md (C) 0Md,n−d (C)
 
MB (f ) = MB (f ) =
k k
.
0Mn−d,d (C) Dk
Le rang de f et f k est donné par le nombre de coefficients non nuls de la diagonale. Or les coefficients de D


et
Dk sont non nuls, donc : rang(f ) = rang(f k ) = n − d. Par le théorème du rang : dim(ker(f )) = dim ker f k ,
donc l’inclusion justifiée ci-dessus donne l’égalité.

Deuxième démonstration : géométrique, par
inclusion réciproque. On note que ker f k est stable par f . Soit

g l’endomorphisme induit par f sur ker f k . Comme f est diagonalisable, g l’est aussi, or l’unique valeur
propre de g est 0 puisqu’un polynôme annulateur est X k . Par
le critère polynomial de
diagonalisation, on doit
avoir πg = X, donc : g = 0ker(f k ) . C’est-à-dire : ∀⃗x ∈ ker f k , g(⃗x) = ⃗0, donc ker f k est inclus dans ker (f ).
Ayant démontré les deux inclusions, on a l’égalité, ce qui conclut.

En conclusion, on a démontré :
f diagonalisable ⇐⇒ ker(f ) = ker f k .

Remarque. En particulier, si f est inversible, alors ker(f ) = ker(f 2 ) = {⃗0} et donc f est diagonalisable dès
que f k l’est.
Remarque. Réciproquement, si f est diagonalisable alors f k est diagonalisable, sans condition sur le noyau :
une base de vecteurs propres pour f en est une pour f k (résulte de l’égalité f k (⃗x) = λk ⃗x valable pour toute
valeur propre λ et tout vecteur propre associé ⃗x). Ainsi le résultat de cette question aurait pu être reformulé
ainsi :
f diagonalisable,
 k
f diagonalisable ⇐⇒
ker(f ) = ker f k .

Remarque. Par l’exercice 18, on peut adoucir cette condition : f est diagonalisable et ker(f ) = ker f 2 si et

seulement si f k est diagonalisable (et ce, même si k n’est pas égal à 2).
Autre démonstration, valable uniquement lorsque f est inversible. Soit (d, ν) la décomposition de
Dunford de f (qui est possible puisque χf est scindé sur C). On va exprimer la décomposition de Dunford de
f k en fonction de d et ν. Comme d et ν commutent, on a par la formule du binôme de Newton :
k   k  
X k i X k i−1
f =
k
ν ◦d k−i
=d +ν◦
k
ν ◦ dk−i .
i=0
i i=1
i
k
Pour alléger les notations, notons h = k
ν i−1 ◦ dk−i , qui est un polynôme en f (comme ν et d). Justifions
P

i
i=1
que f k = dk + ν ◦ h donne la décomposition de Dunford de f k . Comme d est diagonalisable, il est facile
de démontrer que dk l’est aussi (voir la remarque ci-dessus). Pour la nilpotence de ν ◦ h, on note que la
n
commutativité des différents endomorphismes en présence implique : (ν ◦ h) = ν n ◦ hn = 0L(Cn ) car ν est
nilpotent. Enfin,

on vérifie que d et ν ◦ h commutent, ktoujoursk du fait que d, ν et h sontk des polynômes
k
en f ,
donc d , ν ◦ h est la décomposition de Dunford
de f . Or f est diagonalisable et : f = f k + 0L(Cn ) , donc
k

sa décomposition de Dunford est aussi f k ,0L(Cn ) . Par unicité de la décomposition :

f k = dk , 0L(Cn ) = ν ◦ h. (†)
Pour démontrer que ν = 0L(Cn ) (et conclure que f = d est diagonalisable), nous allons démontrer que h est
inversible. On a :
k−1
X k  k−1
X k  k−1
X k 
h= i
ν ◦d k−i−1
=d k−1
+ i
ν ◦dk−i−1
= kd k−1
+ν◦ ν i−1 ◦ dk−i−1 .
i=0
i i=1
i i=1
i

62
MP⋆ 2024/2025 Chapitre V – Corrigés

k−1
Par le même argument que ci-dessus, µ = ν ◦ k
ν i−1 ◦ dk−i−1 est nilpotent, et comme 0 n’est pas valeur
P

i
i=1
propre de f (on s’est en effet placé dans le cas inversible), ce n’est pas une valeur propre de d non plus, donc d
est inversible et dk−1 également. La somme d’un endomorphisme inversible et d’un endomorphisme nilpotent
qui commutent est inversible, donc h = kdk−1 + µ est inversible : ce fut démontré dans l’exercice 46 du chapitre
iii, mais dans un souci d’auto-suffisance je le redémontre ci-dessous dans ce cas particulier. On a (j’enlève les
◦ pour alléger l’écriture) :

−1
n−1
X
i n−1
X
i
kdk−1 kdk−1 + µ −k −1 d1−k µ = IdCn + k −1 d1−k µ −k −1 d1−k µ


i=0 i=0
n−1
X
i
i+1 
= −k −1 d1−k µ − −k −1 d1−k µ
i=0

n
= IdCn − −k −1 d1−k µ
= IdCn ,

et dans L(Cn ) un inverse à droite est aussi un inverse à gauche, d’où l’inversibilité. On a démontré que
h = kdk−1 + µ est inversible. Par composer, composer à droite par h−1 dans (†) donne : ν = 0L(Cn ) , donc :
f = d + ν = d, ce qui démontre que f est diagonalisable : d’où le résultat.
2. On raisonne comme dans la question précédente. Cependant, pour extraire des racines carrées des valeurs
propres, nous avons besoin qu’elles soient positives. Ainsi il est raisonnable d’espérer démontrer l’équivalence
suivante :
f diagonalisable ⇐⇒ ker(f ) = ker f 2 , et : Sp(f 2 ) ⊆ R+ .

Supposons : ker(f ) = ker(f 2 ), et que les valeurs propres de f 2 sont positives ou nulles. En imitant le raison-
nement de la question précédente, on a alors :
M   √   √ 
Rn = ker (f ) ⊕ ker f − λIdRn ⊕ ker f + λIdRn
λ∈Sp(f 2 )\{0}

et donc f est diagonalisable par le critère de diagonalisation (notons que cette égalité reste vraie même si
0 n’est pas valeur propre : dans ce cas le noyau de f est égal à celui de f 2 et trivial : cela nous évite une
distinction de cas).

Supposons à présent que f est diagonalisable. On démontre que ker(f ) = ker f 2 exactement comme dans

la question
 précédente. 
Passons au spectre. Soit B une base de Rn telle que MB (f ) soit diagonale. On a :
λ1 0
MB (f ) =  .. , et les λi sont les valeurs propres de f (avec répétitions éventuelles). Alors :
.
 

0 λn
 2 
λ1 0
MB (f ) = 
2 ..
. ,
 

0 λ2n

donc les valeurs propres de f 2 sont les λ2i , qui sont positifs. D’où : Sp(f 2 ) ⊆ R+ , ce qu’il fallait démontrer.
Remarque. Toutes les remarques faites à la première question restent valables ici (en ajoutant la condition
sur le spectre de f 2 ).
 
0 a1
.
3. Notons que la matrice A =  ..  est bien inversible, puisqu’en permutant ses lignes on peut re-
an 0
connaître une matrice échelonnée avec n pivots non nuls. On peut donc appliquer le résultat de la question
précédente, et déterminer si A est diagonalisable grâce à A2 . C’est pertinent parce que A2 est une matrice
diagonale :
 2 a a 0

0 a1 1 n
.
A2 =  ..  =  ..
. ,

an 0 0 an a1
et une matrice diagonale est bien sûr diagonalisable, donc A2 est diagonalisable, sans hypothèse sur (a1 , . . . , an ).
De plus, les valeurs propres d’une matrice diagonale sont ses coefficients diagonaux, et pour tout i ∈ J1, nK le
ie coefficient de la diagonale est ai an−i+1 , donc :

SpR (A2 ) = {ai an−i+1 | i ∈ J1, nK}.

63
 MP⋆ 2024/2025 Chapitre V – Corrigés

En utilisant le résultat de la question précédente, on a donc :

A est diagonalisable ⇐⇒ Sp(A2 ) ⊆ R+ ,
⇐⇒ ∀i ∈ J1, nK, ai an−i+1 ⩾ 0.
D’où le résultat.

Résumé. Commentaires. Pour comprendre en quoi il était pertinent de songer à la décomposition de

Dunford ici (pour le cas inversible), je vous invite chaudement à lire le document Méthodes à la section
consacrée.

0 0 −1 0 0 −1
   

On déduit par exemple de la dernière question que  0 1 0  est diagonalisable, mais que 0 1 0 
−1 0 0 1 0 0
ne l’est pas.

Compléments. Approfondissements.
— Grâce à ce critère, trouver des matrices explicites A ∈ Mn (C) qui ne sont pas diagonalisables alors que
Ak l’est (où k est un entier que vous choisissez).
— Proposer une démonstration plus directe de la première question lorsque f est supposée inversible.
— Vérifier l’affaiblissement de la condition ker(f ) = ker f k proposée en remarque.

— Revoir si besoin l’exercice 46 du chapitre iii (et l’heuristique que j’y ai faite) pour comprendre d’où
« sort » l’inverse de kdk−1 + µ proposé.

0Mn (C)
 
2 A
✓ Exercice 68. (A) Soit (A, B) ∈ (Mn (C)) . On pose : M = ∈ M2n (C). Démontrer que M est
0Mn (C) B
diagonalisable si et seulement si A et B le sont.

Corrigé 68. Si A et B sont diagonalisables, soient P, P ′ des matrices inversibles et D, D′ des matrices diagonales
telles que A = P DP −1 et B = P ′ D′ P ′−1 . Alors :
−1
P DP −1 0Mn (C) 0Mn (C) 0Mn (C) 0Mn (C)
    
P D P
M= = ,
0Mn (C) P ′ D′ P ′−1 0Mn (C) P′ 0Mn (C) D′ 0Mn (C) P′
donc M est semblable à une matrice diagonale, donc diagonalisable.

Réciproquement,  si M est diagonalisable, il existe un polynôme P scindé et à racines simples tel que P (M ) =
P (A) 0Mn (C)

0M2n (C) . Or P (M ) = , donc P (A) = 0Mn (C) et P (B) = 0Mn (C) également. Ainsi A et B admettent
0Mn (C) P (B)
un polynôme annulateur scindé et à racines simples, donc sont diagonalisables.

Résumé. Commentaires.

Compléments. Approfondissements. Redémontrer le sens direct en passant par l’endomorphisme cano-

niquement associé à M et en invoquant un résultat du cours.

A 0Mn (K)
 
⋆ Exercice 69. (A) Soit A ∈ Mn (K) et notons M = ∈ M2n (K). Donner une condition nécessaire et
A A
suffisante sur A pour que M soit diagonalisable.

Corrigé 69. Pour alléger l’écriture, nous noterons simplement 0n le bloc 0Mn (K) .

Première démonstration, avec le critère polynomial de diagonalisation. On cherche une relation entre
les polynômes annulateurs de M et de A. Comme :
A 0n 0n 0n
   
M= + ,
0n A A 0n
et que ces deux matrices commutent :
0n 0n 0n 0n 0n 0n 0n 0n
       
A A
= = ,
A 0n 0n A A2 0n 0n A A 0n

64
MP⋆ 2024/2025 Chapitre V – Corrigés

2
0n 0n

on a par la formule du binôme de Newton (remarquer que = 0M2n (K) ) :
A 0n
k k−1 
0n A 0n 0n 0n 0n
     k 
A k A
∀k ∈ N, Mk = + = .
0n 1 A 0n A A 0n kAk Ak

P (A) 0n
 
Ainsi les applications linéaires P 7→ P (M ) et P 7→ coïncident sur la base canonique de K[X]
AP ′ (A) P (A)
(remarquer que kAk = A · kAk−1 ), donc elles coïncident sur K[X]. En particulier, pour P = πM :

πM (A) 0n
 
0M2n (K) = πM (M ) = .
AπM′
(A) πM (A)

On en déduit :
πM (A) = 0Mn (K) , (∗)
et :
′
AπM (A) = 0Mn (K) . (†)
Pour exploiter ces deux données, supposons à présent que M est diagonalisable. Alors πM est un polynôme scindé
à racines simples par le critère polynomial de diagonalisation, donc πM et πM ′
sont premiers entre eux (en effet, un
diviseur irréductible commun à πM et πM ′
doit être de la forme X − λ avec λ ∈ K car πM est scindé, et le fait qu’il
divise ces deux polynômes implique : πM (λ) = πM ′
(λ) = 0, et donc que λ est racine double de πM : c’est impossible
puisqu’il est à racines simples). Par le théorème de Bézout, il existe (U, V ) ∈ K[X]2 tel que :

U πM + V π M
′
= 1.

Évaluons cette égalité en A. Par (∗), on obtient : V (A)πM ′

(A) = In , donc πM′
(A) est inversible d’inverse V (A)
(dans Mn (K), un inverse à droite est aussi un inverse à gauche). Par conséquent, multiplier (†) par V (A) donne :
A = 0Mn (K) .
Réciproquement, si A est la matrice nulle, alors M aussi, et donc M est trivialement diagonalisable.

En conclusion, on a démontré que M est diagonalisable si et seulement si A est nulle.

Deuxième démonstration avec la décomposition de Dunford. Supposons que M est diagonalisable. Alors
χM est scindé, donc χA l’est aussi puisque l’on a immédiatement : χM = (χA )2 . Soit (D, N ) la décomposition de
Dunford de A. On va exprimer la décomposition de Dunford de M en fonction de D et N . On a :

D+N D+N D 0n N N +D
     
M= = + .
0n D+N 0n D 0n N

D 0n
 
On vérifie facilement que est diagonalisable parce que D l’est (voir le corrigé de l’exercice 68 si vous
0n D
N N +D
 
séchez), tandis que est nilpotente d’indice de nilpotence au plus k + 1 si N est d’indice de nilpotence
0n N
k. En effet :
N N +D N 0n 0 N +D
     
= + n , (∗)
0n N 0n N 0n 0n
et ces deux matrices commutent car N et D commutent :
N 0n 0n N + D 0n N 2 + N D 0n N 2 + DN 0n N +D 0n
         
N
= = = .
0n N 0n 0n 0n 0n 0n 0n 0n 0n 0n N
2 k
0n N +D 0n
 
N
Par la formule du binôme de Newton on a, en remarquant que = 0M2n (K) et = 0M2n (K) :
0n 0n 0n N
k+1 k+1 k 
N +D 0n k+1 0n 0n N +D
    
N N N
= + = 0M2n (K) .
0n N 0n N 1 0n N 0n 0n

Notons qu’on a redémontré ici un résultat classique sur les sommes d’éléments nilpotents qui commutent.

D 0n N N +D
   
Enfin, les matrices et commutent du fait que N et D commutent :
0n D 0n N

D 0n N N +D N N +D D 0n DN DN + D2
       
= = ,
0n D 0n N 0n N 0n D 0n DN

65
 MP⋆ 2024/2025 Chapitre V – Corrigés

donc l’égalité (∗) fournit la décomposition de Dunford de M .
Or M est diagonalisable par hypothèse, donc sa
décomposition de Dunford est aussi, naturellement : M,0M2n (K) . Par unicité de la décomposition :

D 0n N N +D
     
N A
M= , 0M2n (K) = = .
0n D 0n N 0n N

Ceci implique immédiatement : A = 0n .

On a démontré que si M est diagonalisable, alors A est la matrice nulle. La réciproque est immédiate, ce qui
conclut.

Résumé. Commentaires. Pour comprendre en quoi il était pertinent de songer à la décomposition de

Dunford ici (qui a l’avantage de donner naturellement la condition de nullité de A, alors qu’après l’autre
démonstration on pouvait se demander : « quand arrêter ma recherche d’une condition nécessaire ? »), je
vous invite chaudement à lire le document Méthodes à la section consacrée.

Compléments. Approfondissements.
— Revoir si besoin le fameux résultat classique selon lequel la somme de deux éléments nilpotents qui
commutent est nilpotente (exercice 46 du chapitre iii).
— Bien observer quelles propriétés de la décomposition de Dunford nous avons utilisées, afin de se
convaincre que l’énoncé au programme (triangulation avec une matrice diagonale par blocs) est in-
suffisant.
— On remarque qu’on utilise aussi des relations de Bézout dans K[α] (avec α nombre algébrique sur K)
et Z/nZ pour obtenir l’inversibilité d’éléments. Comment unifier toutes ces observations ? (Nécessite
d’écrire K[A] et K[α] comme des anneaux quotients via le théorème d’isomorphisme).
— Plus généralement, à quelle condition nécessaire et suffisante sur P ∈ K[X] la matrice P (A) est-elle
inversible dans K[A] ? En déduire une condition simple pour que K[A] soit un corps, et la comparer
avec la condition pour que Z/nZ soit un corps.

Exercice 70. Démontrer que si G est un sous-groupe commutatif fini de GLn (C), alors il existe P ∈ GLn (C) telle
que P −1 M P soit diagonale pour tout M ∈ G.

Corrigé 70. Aucun corrigé n’a été écrit. Je le ferai quand j’aurai le temps, ou sinon : avis aux volontaires !

Résumé. Commentaires.

j Exercice 71. (A) Soient A et B deux matrices de Mn (K) diagonalisables.

1. Démontrer que l’endomorphisme de Mn (K) défini par M 7→ AM − M B est diagonalisable.
2. On se propose d’établir une réciproque partielle. Soit A ∈ Mn (C). On suppose que l’endomorphisme de Mn (C)
défini par M 7→ AM − M A est diagonalisable. Démontrer que A l’est aussi.

Corrigé 71. B.M. 25

1. On note fA et fB les endomorphismes définis respectivement par M 7→ AM et M 7→ M B. On vérifie que
fAk = fAk pour tout entier naturel k, et donc par linéarité que pour tout polynôme P ∈ K[X], on a :
fP (A) = P (fA ). Comme A est diagonalisable, il existe un polynôme scindé à racines simples qui annule A,
que l’on note P . Alors par ce qui précède, P annule également fA , ce qui démontre que fA est diagonalisable.
Le même raisonnement démontre que fB est également diagonalisable. De plus, on vérifie directement que
fA ◦ fB = fB ◦ fA , ce qui démontre que ces deux endomorphismes commutent : ils sont donc codiagonalisables
(rappelons que c’est un résultat hors programme et à savoir redémontrer). On en déduit que f = fA − fB est
diagonalisable, d’où le résultat.
2. Notons f l’endomorphisme de l’énoncé. Soit (D, N ) la décomposition de Dunford de A, qui existe car χA est
scindé sur C. On veut démontrer que N = 0Mn (C) pour avoir le résultat. Nous allons pour cela passer par la
décomposition de Dunford de f . On a :

∀M ∈ Mn (C), f (M ) = AM − M A = (D + N )M − M (D + N ) = (DM − M D) + (N M − M N ).

Notons fD et fN les endomorphismes définis par fD : M 7→ DM − M D et fN : M 7→ N M − M N . Ce qui

précède démontre que : f = fD + fN . Démontrons que c’est la décomposition de Dunford de f . Comme D
est diagonalisable, la première question appliquée à A = B = D assure que fD est diagonalisable. De plus on

66
MP⋆ 2024/2025 Chapitre V – Corrigés

démontre facilement que les endomorphismes g : M 7→ −M N et d : M 7→ N M commutent (la composition

dans chaque ordre donne M → 7 −N M N ), donc par la formule du binôme de Newton on a :
k   k  
X k X k
∀k ∈ N \ {0}, k
fN (M ) = g k−i ◦ di (M ) = (−1)k−i N i M N k−i ,
i=0
i i=0
i

et donc en notant k l’indice de nilpotence de N , on voit que fN 2k

= 0L(Mn (C)) (en effet, si i ⩾ k alors N i est
nulle, et si i ⩽ k alors 2k − i ⩾ k et donc N 2k−i est nulle), ce qui démontre la nilpotence de fN .
Démontrons enfin que fN et fD commutent. Soit M une matrice. On a :

fN (fD (M )) = N fD (M ) − fD (M )N
= N (DM − M D) − (DM − M D)N
= DN M − N M D − DM N + M N D
= D(N M − M N ) − (N M − M N )D
= fD (fN (M )),

où l’on a utilisé le fait que D et N commutent. Ainsi, fD et fN commutent, ce qui achève de démontrer
que c’est la décomposition de Dunford de f . Comme f est diagonalisable, par unicité de la décomposition de
Dunford on a :
f = fD , et : fN = 0L(Mn (C)) .
On a donc : ∀M ∈ Mn (C), N M = M N . On en déduit que N commute avec toutes matrices, donc est une
homothétie (résultat classique à savoir redémontrer). Étant nilpotente, ce n’est possible que si le rapport
d’homothétie est nul, donc que N = 0Mn (C) . Ainsi, A = D est diagonalisable. D’où le résultat.

Résumé. Commentaires.

Compléments. Approfondissements.
— Attention aux récurrences hâtives : comprendre pourquoi l’on n’a pas fN k
(M ) = N k M − M N k pour
tout entier k, bien que ce soit vrai avec les endomorphismes fA et fD de la première question.
— Pour d’autres utilisations analogues de la décomposition de Dunford, lire Méthodes, puis traiter les
exercices 67 et 69, puis l’exercice 16 du chapitre xi.

Exercice 72. (A) Soit f ∈ L(R3 ). On suppose : f 3 +f = 0L(R3

) , et que f n’est pas l’endomorphisme nul. Démontrer
0 0 0
qu’il existe une base B de R3 telle que : MB (f ) = 0 0 −1.
0 1 0

 Heuristique. Il y a plusieurs façons de motiver la résolution.

D’abord, remarquer que si B = (⃗e1 , ⃗e2 , ⃗e3 ) convient, alors f (⃗e1 ) = ⃗0, f (⃗e2 ) = ⃗e3 et f (⃗e3 ) = −⃗e2 . Cela nous
conduit à prendre pour ⃗e1 un vecteur du noyau de f (non nul sinon B ne saurait être une base). Pour les deux autres
vecteurs, on note que si ⃗e2 est construit, alors il suffit de poser ⃗e3 = f (⃗e2 ) pour avoir le dernier vecteur. Pour trouver
comment choisir ⃗e2 , on remarque que la combinaison des deux dernières égalités conduit à :

f 2 (⃗e2 ) = f (⃗e3 ) = −⃗e2 ,

donc ⃗e2 appartient au noyau de ker(f 2 + IdR3 ).

La démarche de la résolution ci-dessous consiste à vérifier que ker(f ) et ker(f 2 + IdR3 ) contiennent bien des
vecteurs ⃗e1 et ⃗e2 non nuls, et ensuite que (⃗e1 , ⃗e2 , f (⃗e2 )) est une base de R3 . Ceci étant fait, le plus dur sera réalisé.

On peut aussi motiver la résolution en rappelant que la philosophie du chapitre conduit à réduire un endomor-
phisme en le réduisant dans une base adaptée à une décomposition en somme de sous-espaces stables. Or l’hypothèse
de l’énoncé permet, par le lemme des noyaux, de fournir une telle décomposition : R3 = ker(f ) ⊕ ker(f 2 + IdR3 ). Dès
lors, pour produire des bases de ces sous-espaces dans lesquelles les endomorphismes induits par f ont des matrices
jolies, on note qu’une base quelconque de ker(f ) convient (on obtient la matrice nulle), et pour ker(f 2 + IdR3 ), on
sait que faute d’avoir des vecteurs propres, les meilleures bases à notre disposition sont les bases cycliques : c’est ce
qui conduit à chercher une base de ker(f 2 + IdR3 ) de la forme (⃗x, f (⃗x)). Ce paragraphe doit vous inspirer dans une
situation où la matrice n’est pas soufflée dans l’énoncé.

67
MP⋆ 2024/2025 Chapitre V – Corrigés

Formalisons. ■
Corrigé 72. Comme X 3 + X est un polynôme annulateur de f , on a par le lemme des noyaux : A.G. 24

R3 = ker(f ) ⊕ ker f 2 + IdR3 . (∗)

Démontrons qu’il existe un vecteur non nul dans ker(f ), puis vérifions qu’en prenant ⃗e2 ∈ ker(f 2 + IdR3 ) non nul,
alors (⃗e2 , f (⃗e2 )) est libre.

Démonstration que ker(f ) est non nul. Comme χf est de degré 3 et unitaire, l’application polynomiale x 7→ χf (x)
a pour limite −∞ en −∞ et +∞ en +∞, donc par continuité elle s’annule au moins une fois en un réel λ ∈ R
(théorème des valeurs intermédiaires). Comme χf (λ) = 0, c’est une valeur propre de f . Or les valeurs propres de f
sont parmi les racines de ses polynômes annulateurs, donc λ est racine de X(X 2 + 1) : on doit avoir λ = 0. On a
démontré que 0 est valeur propre de f (et c’est même la seule, par ce même raisonnement). Notons ⃗e1 un vecteur
propre de f associé à 0 : c’est un élément non nul de ker(f ).

Prenons à présent ⃗e2 ∈ ker(f 2 + IdR3 ) non nul (il existe de tels vecteurs, par (∗) et parce que f est non identi-
quement nul par hypothèse), et posons : ⃗e3 = f (⃗e2 ). Justifions que la famille (⃗e2 , ⃗e3 ), qui est une famille de vecteurs
de ker(f 2 + IdR3 ), est libre : dans le cas contraire, ⃗e2 serait un vecteur propre de f (puisque ⃗e2 et ⃗e3 = f (⃗e2 )
seraient
proportionnels), et comme 0 est l’unique valeur propre possible de f on aurait : ⃗e2 ∈ ker (f ) ∩ ker f 2 + IdR3 = {⃗0}.
C’est absurde puisque ⃗e2 est non nul. Ainsi la famille est bien libre : d’où le résultat.

Puisque (⃗e1 ) et (⃗e2 , ⃗e3 ) sont des familles libres de ker (f − IdR3 ) et ker f 2 + IdR3 respectivement, qui sont

supplémentaires dans R3 , la famille (⃗e1 , ⃗e2 , ⃗e3 ) est libre dans R3 etde cardinal
 maximal : c’est une base de R .
3

1 0 0
Conformément à l’heuristique, la matrice de f dans cette base est : 0 0 −1. D’où le résultat.
0 1 0
Autre justification que ker(f ) est non nul. On pouvait aussi démontrer que ker(f ) est non nul en notant
que ker(f 2 + IdR3 ) doit être de dimension paire. En effet, si l’on note g l’endomorphisme induit par f sur ce noyau,
2
alors : g 2 = −Idker(f 2 +IdR3 ) , donc : (det(g))2 = (−1)dim(ker(f +IdR3 )) . Comme le membre de gauche est positif, le
membre de droite doit l’être aussi, d’où la parité de la dimension. L’égalité : R3 = ker (f ) ⊕ ker f 2 + IdR3 , impose

alors que la dimension de ker (f − IdR3 ) est impaire, et en particulier non nulle.

Résumé. Commentaires.

Compléments. Approfondissements.
— Vérifier plus généralement qu’en dimension impaire, tout endomorphisme d’un R-espace vectoriel admet
au moins une valeur propre.
— Généraliser : qu’est-ce que le raisonnement ci-dessus impliquant det(−g) nous enseigne plus générale-
ment sur le rang des endomorphismes non inversibles (sous des hypothèses convenables) ? Le généraliser
pour en déduire qu’une matrice antisymétrique est toujours de rang pair (donc n’est jamais inversible
si elle est de taille impaire).
— Si l’on avait voulu démontrer le résultat moins fort suivant : tr(f ) = 0, comment aurait-on pu procéder
sans trouver une jolie matrice de f ?
— Est-ce que X 3 + X, qui est annulateur, est le polynôme minimal de f ? Son polynôme caractéristique ?
— Si πf = χf , alors f est cyclique d’après l’exercice 44 : pouvez-vous trouver une base cyclique ?
— Si g est l’endomorphisme induit par  f sur ker(f + IdR3 ) et si, pour tout ⃗x ∈ ker(f + Id2R3 ), on note π⃗x
2 2

le générateur unitaire de l’idéal : P ∈ R[X] | P (g)(⃗x) = 0 , vérifier que πf,⃗x = πf = X + 1 pour tout
⃗
⃗x non nul dans ker(f 2 + IdR3 ). En déduire qu’il n’y a rien de surprenant à observer que tout vecteur
non nul de ce noyau fournit une base cyclique.
— Généraliser sur la base de cette observation : si un polynôme annulateur de f ∈ L(R3 ) s’écrit (X − α)Q
avec Q irréductible de degré 2 (qui
 n’admet pas α pour  racine), alors soit f = αIdR3 , soit la matrice de
α 0M1,2 (R)
f dans une base convenable est .
0M2,1 (R) CQ⊤

— Et si Q n’est pas irréductible mais admet une racine double, que dire ?

Exercice 73. Supposons E de dimension finie non nulle. Soit f un endomorphisme de E. Démontrer que K[f ]
est isomorphe, en tant que K-algèbre, à K r pour un certain entier naturel non nul r, si et seulement si f est
diagonalisable, et que dans ce cas on a : r = card(Sp(f )).

68
MP⋆ 2024/2025 Chapitre V – Corrigés

 Heuristique. Nous pouvons motiver de deux manières la résolution.

λ1 Iα1
 
0
D’abord en notant que si f est diagonalisable, sa matrice dans une base adéquate est D =  ..
.
 

0 λr Iαr
avec λ1 , . . . , λr ses r= card(Sp(f )) valeurs propres. Mais alors tout élément P (f ) de K[f ] est représenté par
P (λ1 )Iα1

0
la matrice P (D) =  .. . Autrement dit : tout élément de K[f ] s’identifie à la donnée
.
 

0 P (λr )Iαr
d’un r-uplet correspondant aux scalaires en facteur des blocs identités sur la diagonale. Cela conduit à considérer
l’application suivante :
K[f ] → K r

Φ:
P (f ) 7→ (P (λ1 ), . . . , P (λr ))
dont on vérifiera qu’elle est bien définie et que c’est un isomorphisme de K-algèbres.

Un autre point de vue (qui mène à la même proposition d’isomorphisme) est de s’autoriser dans un premier
temps la manipulation des anneaux (et espaces vectoriels) quotients, qui est hors programme. Ce second point de
vue, plus savant, aura l’avantage de nous aider à conjecturer ce qu’il se passe dans le cas non diagonalisable. En
appliquant le théorème d’isomorphisme au morphisme d’évaluation P 7→ P (f ) (de noyau πf K[X] et d’image K[f ]),
on a :
K[X]
K[f ] ≃ . (∗)
πf K[X]
r
Or on se souvient que si f est diagonalisable, alors πf = (X − λi ) par le critère polynomial de diagonalisation.
Q
i=1
Comme les X − λi sont premiers entre eux deux à deux, si on a la hardiesse d’utiliser le théorème chinois comme
avec Z/nZ (c’est licite mais il faut changer l’argument de cardinalité de sa démonstration, soit avec un argument
dimensionnel, soit en construisant l’isomorphisme réciproque avec le théorème de Bézout), on a :
r r
K[X] Y K[X] (†) Y
≃ ≃ K = Kr,
πf K[X] i=1 (X − λi )K[X] i=1

où l’isomorphisme (†) est naturel : quand on « pose » X − λi = 0 (c’est-à-dire X = λi ), il n’y a plus d’indéterminée
et K[X] « devient » K. C’est obtenu rigoureusement en appliquant le théorème d’isomorphisme au morphisme
P 7→ P (λi ) (c’est ce morphisme qui, rigoureusement, « pose X = λi »), dont le noyau est (X − λi )K[X] et l’image
K (prendre les polynômes constants).
Pour transformer cette suite d’isomorphismes en un argument acceptable en MP, il suffit de composer chacun
des isomorphismes, qui donnera un isomorphisme de K[f ] dans K r , puis « d’oublier » les étapes intermédiaires qui
font intervenir des quotients. Or les isomorphismes de chaque étape sont explicitement, d’après ce qu’on a dit plus
haut :
r r
  
 K[X]  K[X] K[X] K[X]
→ K[f ] → Kr
Q Q
→ 
πf K[X] π f K[X] i=1 (X − λ i )K[X] i=1 (X − λi )K[X]
P mod πf 7→ P (f ), P mod πf 7→ (P mod X − λi )1⩽i⩽r , (Pi mod X − λi )1⩽i⩽r 7→ (Pi (λi ))1⩽i⩽r .
  

En les composant (dans le cas du premier isomorphisme, il faut considérer la bijection réciproque), nous retrouvons
bien la proposition Φ ci-dessus (d’ailleurs, puisque chaque isomorphisme réciproque est explicitable – ce que je ne ferai
pas –, on pourrait en déduire l’isomorphisme réciproque de Φ : ce pourrait servir à accélérer la résolution ci-dessous).

L’isomorphisme (∗) permet aussi d’étudier ce qu’il se passe lorsque f n’est pas diagonalisable : on doit justifier
que K[f ] n’est pas isomorphe à K r pour tout entier r. Par (∗), cela revient à démontrer que K[X]/πf K[X] n’est
k
pas isomorphe à K r pour tout r. Or par le théorème chinois (heuristique ci-dessus), si πf = (X − λi )αi (on
Q
i=1
k
suppose πf scindé pour simplifier l’heuristique), alors K[X]/πf K[X] est isomorphe à K[X]/(X − λi )αi K[X] :
Q
i=1
pour démontrer que cette algèbre n’est pas isomorphe à K r , nous devons démontrer qu’elles ne vérifient pas les
mêmes propriétés relativement à la structure d’anneau ou d’espace vectoriel. Je donne des conseils à cet égard dans
le document Méthodes du chapitre iii. On peut comparer :
— les éléments inversibles (structure d’anneau) ;
— le nombre d’éléments nilpotents (structure d’anneau) ;
— le nombre de solutions à des équations polynomiales (structure d’anneau) ;

69
MP⋆ 2024/2025 Chapitre V – Corrigés

— la dimension (structure d’espace vectoriel).

Toutes ces pistes sont pertinentes, mais pour privilégier la simplicité nous notons que K r n’admet pas d’élément nil-
potent non nul (raisonner coordonnée par coordonnée et utiliser l’intégrité de K), tandis que si α1 ⩾ 2 (par exemple),
alors X − λ1 est un élément nilpotent non nul de K[X]/(X − λ1 )α1 K[X] (puisque (X − λ1 )α1 ≡ 0 mod (X − λ1 )α1 ).
k
Nous pouvons en déduire un élément nilpotent non nul de K[X]/(X − λi )αi K[X] (à savoir (X − λ1 ,0, . . . ,0) mais
Q
i=1
d’autres choix sont possibles), puis de K[X]/πf K[X], puis de K[f ] (afin de ne pas utiliser la notion hors programme
d’anneau quotient). Ainsi α1 doit être égal à 1 et de même pour tous les αi , si l’on veut que K[f ] soit isomorphe
à K r pour un certain r. Or, si f n’est pas diagonalisable, alors πf n’est pas à racines simples : on a une contradiction.

Nous avons traité le cas scindé pour simplifier l’étude : nous jouerons sur les autres items ci-dessus pour justifier
k
qu’on peut s’y ramener : si πf = Pi avec Pi irréductible, alors K[X]/Pi K[X] est un corps pour tout i (même
Q
i=1
k
démonstration que pour Z/pZ) et on ne peut donc pas distinguer K[X]/Pi K[X] et K r en jouant sur la structure
Q
i=1
d’anneau du « terme général » du produit cartésien (on a des corps dans tous les cas). Les seuls moyens de distinguer
ces deux produits cartésiens deviennent :
— le nombre de termes du produit cartésien ;
— la dimension du terme général (en effet dim(K) = 1 et dim(K[X]/Pi K[X]) = deg(Pi ) : utiliser le théorème de
division euclidienne comme pour les algèbres Q[α]).
Pour démontrer que les deux produits cartésiens ont le même nombre d’éléments, nous allons utiliser une équation
dont le nombre de solutions est le même peu importe le corps (or les seuls éléments communs à tout corps sont 0 et
1 : il suffit donc de considérer une équation ayant 0 et 1 pour uniques solutions, à savoir x(x − 1) = 0). Comme une
équation dans un produit cartésien d’anneaux s’étudie coordonnée par coordonnée, nous en déduirons les solutions
k
dans K[X]/Pi K[X] et K r . En les comparant, nous verrons que si k ̸= r alors ils ne sont pas isomorphes. Comparer
Q
i=1
les dimensions permettra de conclure si k = r.
En tous les cas, on retiendra par le théorème chinois (non démontré pour les anneaux quotients de K[X] : on le
redémontrera de manière cachée en imitant la démonstration dans Z/nZ) que ce sont les facteurs irréductibles qui
conditionnent fortement la structure de K[f ] et c’est ce qu’il faut comprendre.

Pour alléger la rédaction, le corrigé ci-dessous proposera un raisonnement direct plutôt que par contraposée ou
par l’absurde. ■

Corrigé 73. Supposons f diagonalisable. Notons r = card(Sp(f )) et λ1 , . . . , λr les r valeurs propres de f . Par le
r
critère polynomial de diagonalisation, on a : πf = (X − λi ). Démontrons alors que l’application :
Q
i=1

K[f ] → K r

Φ:
P 7→ (P (λ1 ), . . . , P (λr ))

est bien définie et est un isomorphisme de K-algèbres.

Soit g ∈ K[f ]. Démontrons que si (P, Q) ∈ K[X]2 vérifie : g = P (f ) = Q(f ), alors : (P (λ1 ), . . . , P (λr )) =
(Q(λ1 ), . . . , Q(λr )). Comme : (P − Q)(f ) = 0L(E) , on en déduit que πf divise P − Q. Or les λi sont des racines de
πf , donc une relation de la forme P − Q = πf R, avec R ∈ K[X], implique : ∀i ∈ J1, rK, P (λi ) = Q(λi ). Ainsi Φ(g)
est correctement défini pour tout g ∈ K[f ] et Φ : K[f ] → K r est une application.

En considérant la somme et le produit coordonnée par coordonnée, on note sans difficulté que c’est bien un
morphisme de K-algèbres. Vérifions son injectivité. Soit g ∈ K[f ]. Il existe P ∈ K[X] tel que : g = P (f ). Alors :
r
Y
g ∈ ker(Φ) ⇐⇒ ∀i ∈ J1, rK, P (λi ) = 0 ⇐⇒ ∀i ∈ J1, rK, X − λi | P ⇐⇒ (X − λi ) | P,
i=1

où la dernière équivalence est vraie parce que les X − λi sont premiers entre eux deux à deux. On a donc : g ∈
ker(Φ) ⇐⇒ πf | P ⇐⇒ g = P (f ) = 0L(E) . Ceci démontre que Φ est injectif. Or :

dim(K[f ]) = deg(πf ) = r = dim(K r ),

donc Φ est un isomorphisme de K[f ] dans K r : ceci démontre l’implication directe.

70
MP⋆ 2024/2025 Chapitre V – Corrigés

Réciproquement, supposons qu’il existe r ∈ N \ {0} tel que K[f ] soit isomorphe à K r et démontrons que f
est diagonalisable. Pour cela, nous allons démontrer que πf doit être scindé à racines simples. Décomposons πf
k
en facteurs irréductibles : πf = Piαi , où les Pi sont unitaires, irréductibles et distincts deux à deux, et les αi
Q
i=1
sont des entiers naturels non nuls. Notons que K r n’admet pas d’élément nilpotent hormis zéro, puisque pour tout
(x1 , . . . , xr ) ∈ K r on a, par intégrité de K :

∃ℓ ∈ N \ {0}, (x1 , . . . , xr )ℓ = (0, . . . ,0) ⇐⇒ ∃ℓ ∈ N \ {0}, ∀i ∈ J1, rK, xℓi = 0 ⇐⇒ ∀i ∈ J1, rK, xi = 0.
k
Or l’élément g = Pi (f ) est un élément nilpotent de K[f ]. En effet, posons α = max αi . On a :
Q
i=1 1⩽i⩽k

k
!α k k k
Y Y Y Y
Pi = Piαi × Piα−αi = πf × Piα−αi ,
i=1 i=1 i=1 i=1
 k
α
donc πf divise et on en déduit : g α = 0L(E) . Comme K[f ] est isomorphe à K r , son seul élément nilpotent
Q
Pi
i=1
k
est zéro, donc : g = 0L(E) . On en déduit que Pi annule f , donc πf divise ce polynôme. En comparant les
Q
i=1
valuations : ∀i ∈ J1, kK, αi ⩽ 1, donc : ∀i ∈ J1, kK, αi = 1. Ainsi :
k
Y
πf = Pi ,
i=1

et il reste à démontrer que tous les Pi sont de degré 1 pour conclure. Pour cela, suivant l’heuristique, nous allons
comparer, dans les algèbres K[f ] et K r qui sont isomorphes :
— le nombre de solutions à l’équation x2 = x ;
— les dimensions.
Commençons par noter que les solutions dans K de x2 = x sont 0 et 1 (écrire x(x − 1) = 0 et utiliser l’intégrité de
K). On en déduit aisément que cette équation admet 2r solutions dans K r , à savoir les r-uplets de la forme (εi )1⩽i⩽r
avec εi ∈ {0,1} pour tout i ∈ J1, rK. Par isomorphisme, l’équation g 2 = g d’inconnue g ∈ K[f ] doit aussi avoir 2r
solutions. Or, si g ∈ K[f ] s’écrit g = P (f ) avec P ∈ K[X], alors :

g 2 = g ⇐⇒ P (f ) ◦ (P (f ) − IdE ) = 0L(E) ⇐⇒ πf | P · (P − 1) ⇐⇒ ∀i ∈ J1, kK, Pi | P · (P − 1).

Justifions la dernière équivalence (c’est cette étape qui imite le théorème chinois, cf. l’heuristique). L’implication
directe est immédiate par transitivité de la relation de divisibilité. L’implication réciproque s’obtient en notant que
k
les Pi sont premiers entre eux deux à deux, de sorte que : ppcm(P1 , . . . , Pk ) = Pi = πf . Alors, par le lemme
Q
i=1
d’Euclide (les Pi sont irréductibles) :

g 2 = g ⇐⇒ ∀i ∈ J1, kK, Pi | P, ou : Pi | P − 1. (‡)

Démontrons que cela fournit 2k solutions de cette équation dans K[f ]. On commence par en produire 2k , puis nous
justifierons que ce sont les seules. On y parvient par récurrence sur k. Si k = 1, il suffit de noter que P = 0 et
P = 1 fournissent deux polynômes qui vérifient P1 | P ou P1 | P − 1 : on a donc 21 solutions. Supposons alors
avoir construit 2k−1 polynômes P tels que pour tout i ∈ J1, k − 1K, Pi divise P ou P − 1. Soit (εi )1⩽i⩽k ∈ {0,1}k .
Construisons un polynôme P vérifiant : ∀i ∈ J1, kK, Pi | P − εi (c’est une réécriture de (‡)). Comme P1 · · · Pk−1 et
Pk sont premiers entre eux, par le théorème de Bézout il existe (U, V ) ∈ K[X]2 tel que :
k−1
Y
U Pi + V Pk = 1.
i=1

Soit Q un polynôme vérifiant : ∀i ∈ J1, k − 1K, Pi | Q − εi . Un tel polynôme existe par hypothèse de récurrence, et il
en existe 2k−1 . Le polynôme :
k−1
Y k−1
Y
P = εk U Pi + QV Pk = εk + (Q − εk ) V Pk = (εk − Q)U Pi + Q
i=1 i=1

vérifie alors bien : ∀i ∈ J1, kK, Pi | P − εi , comme on le justifie aisément (privilégier la seconde égalité pour i = k et
la troisième pour i ⩽ k − 1). Ainsi, par récurrence, pour tout choix de (εi )1⩽i⩽k ∈ {0,1}k , nous avons construit au
moins une solution à : ∀i ∈ J1, kK, Pi | P − εi , ce qui fournit 2k solutions de (‡).

71
MP⋆ 2024/2025 Chapitre V – Corrigés

Justifions qu’il n’y en a pas d’autre, en démontrant que pour tout (εi )1⩽i⩽k ∈ {0,1}k , deux polynômes P et Q
vérifiant : ∀i ∈ J1, kK, Pi | P − εi , et : ∀i ∈ J1, kK, Pi | Q − εi , doivent vérifier P (f ) = Q(f ) (et donc donner la même
solution dans K[f ]). Si P et Q vérifient ces relations de divisibilité, alors Pi divise P − Q pour tout i ∈ J1, kK, et
r
comme les Pi sont premiers entre eux deux à deux : πf = Pi divise P − Q, donc : P (f ) = Q(f ).
Q
i=1
Ainsi, pour tout (εi )1⩽i⩽k ∈ {0,1}k , il existe un et un seul élément g = P (f ) ∈ K[f ] tel que : ∀i ∈ J1, kK,
Pi | P − εi , donc (‡) admet 2k solutions.
(Ici s’achève notre imitation déguisée de la démonstration du théorème chinois.)

En conclusion, on a démontré que (‡) admet 2k solutions. Par isomorphisme on doit avoir : 2k = 2r , donc : k = r.
On conclut avec les égalités : dim(K r ) = dim(K[f ]) = deg(πf ) :
r
X r
X
r= deg(Pi ) ⩾ 1 = r,
i=1 i=1

r
qui impliquent : ∀i ∈ J1, rK, deg(Pi ) = 1. Ainsi πf = Pi est scindé à racines simples, donc f est diagonalisable :
Q
i=1
d’où l’implication réciproque et l’équivalence.

Résumé. Commentaires.

Compléments. Approfondissements.
— Expliciter l’isomorphisme réciproque de Φ. En déduire une expression de f qui apparaît dans une
remarque du cours et faire le lien avec ce qui a motivé la définition de Φ par la première heuristique.
— Si vous avez trouvé Ψ : K r → K[f ] (l’isomorphisme réciproque ci-dessus) : démontrer que c’est un
isomorphisme sans utiliser Φ. Ainsi on en déduit une nouvelle résolution du sens direct de cet exercice,
qui a l’avantage de ne pas poser le problème de la bonne définition d’une application.

Exercice 74. (Lien entre rang et valeurs propres) Supposons E de dimension finie. Soit f ∈ L(E).
1. On suppose que f est diagonalisable. Démontrer : im(f ) = ker (f − λIdE ), et en déduire que le rang
L
λ∈Sp(f )\{0}
de f est égal au nombre de valeurs propres non nulles de f , comptées avec multiplicités.
2. Démontrer que le résultat de la question précédente peut être faux si f n’est pas supposé diagonalisable.

Corrigé 74.
1. Notons qu’une inclusion est facile et ne nécessite pas l’hypothèse que f est diagonalisable : si λ est une valeur
propre non nulle de f et si ⃗x ∈ ker(f − λIdE ), alors : f (⃗x) = λ⃗x, et donc : ⃗x =Lλ1 f (⃗x) ∈ im(f ). Comme im(f )
est un espace vectoriel, il est stable par combinaison linéaire, et donc : ker (f − λIdE ) ⊆ im(f ).
λ∈Sp(f )\{0}
Nous en aurons besoin pour l’égalité.
Première démonstration : avec un argument dimensionnel. Comme f est diagonalisable, on a :
 
X M
dim(E) = dim (ker (f − λIdE )) = dim (ker(f )) + dim  ker (f − λIdE )
λ∈Sp(f ) λ∈Sp(f )\{0}

(cette dernière égalité est vraie que 0 soit valeur propre ou non : si 0 n’est pas valeur propre, alors Sp(f )\{0} =
Sp(f ) et dim(ker(f )) = 0), donc en utilisant le théorème du rang pour la seconde égalité :
 
M
dim  ker (f − λIdE ) = dim(E) − dim(ker(f )) = dim(im(f )).
λ∈Sp(f )\{0}

Ainsi ker (f − λIdE ) est inclus dans im(f ) en ayant même dimension : ces deux espaces vectoriels
L
λ∈Sp(f )\{0}
sont égaux.

Deuxième démonstration : avec l’inclusion réciproque. Soit ⃗y ∈ im(f ). Il existe ⃗x ∈ E tel que : ⃗y = f (⃗x).
Or f est diagonalisable, donc :
M M
E= ker (f − λIdE ) = ker(f ) ⊕ ker (f − λIdE )
λ∈Sp(f ) λ∈Sp(f )\{0}

72
 MP⋆ 2024/2025 Chapitre V – Corrigés

(cette dernière égalité est vraie que 0 soit valeur propre ou non : si 0 n’est pas valeur propre,Q alors Sp(f )\{0} =
Sp(f ) et ker(f ) = {⃗0}). On en déduit l’existence de ⃗x0 ∈ ker(f ) et (⃗xλ )λ∈Sp(f )\{0} ∈ ker (f − λIdE )
λ∈Sp(f )\{0}
tels que : ⃗x = ⃗x0 + ⃗xλ . Alors, par linéarité de f :
P
λ∈Sp(f )\{0}

X X M
⃗y = f (⃗x) = f (⃗x0 ) + f (⃗xλ ) = λ⃗xλ ∈ ker (f − λIdE ) .
λ∈Sp(f )\{0} λ∈Sp(f )\{0} λ∈Sp(f )\{0}

Ceci vaut pour tout ⃗y dans l’image de f . On en déduit l’inclusion réciproque, et l’égalité.

Peu importe la démonstration ci-dessus, on en déduit le rang en notant que la dimension du sous-espace propre
associé à λ est, dans le cas diagonalisable, égale à l’ordre de multiplicité de λ que nous notons mλ :
X
rang(f ) = mλ .
λ∈Sp(f )\{0}

2. Il suffit de considérer un endomorphisme nilpotent non nul (il en existe dès que E est de dimension finie
supérieure ou égale à 2 : fixer une base B = (⃗e1 , . . . , ⃗en ) de E et introduire l’endomorphisme f défini par
⃗en 7→ ⃗e1 , envoyant tous les autres vecteurs de B sur ⃗0) : dans ce cas il n’admet pas de valeur propre non nulle,
et donc la somme directe du membre de droiteL est égale à {⃗0}, tandis que im(f ) n’est pas réduit au vecteur
nul puisque f est non nul. Ainsi : im(f ) ̸= ker (f − λIdE ).
λ∈Sp(f )\{0}

Résumé. Commentaires.

Compléments. Approfondissements.
— Pourquoi doit-on prendre dim(E) ⩾ 2 dans la deuxième question ?
— Écrire matriciellement le contre-exemple de la deuxième question, si vous ne parvenez pas à voir qu’il
est nilpotent.
— Pourquoi une somme directe indexée par un ensemble vide est {⃗0} et non l’ensemble vide ?
— Est-ce que réciproquement, si rang(f ) = mλ , alors f est diagonalisable ?
P
λ∈Sp(f )\{0}

 
a b
Exercice 75. (Matrice semi-simple) Soit A ∈ Mn (R). On définit : ∀(a, b) ∈ R2 , M (a, b) = . Démontrer
−b a
que A est diagonalisable dans Mn (C) si et seulement s’il existe deux entiers naturels p et q, des réels a1 , a2 , . . . , aq ,
des réels non nuls b1 , b2 , . . . , bq , et une matrice
 D diagonale de Mp (R), tels  que : p + 2q = n, et tels que A soit
D 0
 M (a1 , b1 ) 
semblable à la matrice diagonale par blocs :  .. .
 
 . 
0 M (aq , bq )

Corrigé 75. Aucun corrigé n’a été écrit. Je le ferai quand j’aurai le temps, ou sinon : avis aux volontaires !

Résumé. Commentaires.

Utilisation de la réduction
= u n + vn

 un+1
✓ Exercice 76. (A) Déterminer les suites réelles vérifiant : ∀n ∈ N, vn+1 = un + wn .
wn+1 = vn + wn


Corrigé 76. Soient (un )n⩾0 , (vn )n⩾0 et (wn )n⩾0 des suites réelles vérifiant la relation de l’énoncé. Posons : A.G. 24
1 1 0
   
un
∀n ∈ N, Xn =  vn , et : A = 1 0 1. D’après la relation de récurrence, on a :
wn 0 1 1

∀n ∈ N, Xn+1 = AXn .

73
 MP⋆ 2024/2025 Chapitre V – Corrigés

Par récurrence, on en déduit : ∀n ∈ N, Xn = An X0 . Diagonalisons alors A pour calculer ses puissances. On a :

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

Après calculs :

1 1 1
     

ker(A − 2I3 ) = VectR 1 , ker(A + I3 ) = VectR −2 , ker(A − I3 ) = VectR  0  .

1 1 −1

Par la formule de changement de base :

−1 0 0
 

A=P 0 1 0 P −1
0 0 2
1 1 1 2 2 2
   
1
avec : P = 1 −2 0 . On calcule : P −1 = 1 −2 1, avec la méthode du pivot de Gauß. On en déduit,
6
1 1 −1 3 0 3
pour tout n ∈ N :
n n n
(−1)n 0 0 3 · 2n + 2 (−1) + 1 2 (−1) − 2 −3 · 2n + 2 (−1) + 1
   
1 n n n
A =P 0
n
1 0 P = 
−1
2 (−1) − 2 2 (−1) + 4 2 (−1) − 2 .
6 n n n
0 0 2 n
−3 · 2 + 2 (−1) + 1 2 (−1) − 2
n
3 · 2 + 2 (−1) + 1
n

Ainsi la relation Xn = An X0 donne, en identifiant coefficient par coefficient :

 n n n
 un = 6 ((3 · 2 + 2 (−1) + 1) u0 + (2 (−1) − 2) v0 + (−3 · 2 + 2 (−1) + 1) w0 )
 1 n n
n n n
∀n ∈ N, vn = 13 (((−1) − 1) u0 + ((−1) + 2) v0 + ((−1) − 1) w0 )
n n n
wn = 61 ((−3 · 2n + 2 (−1) + 1) u0 + (2 (−1) − 2) v0 + (3 · 2n + 2 (−1) + 1) w0 )



Résumé. Commentaires.

Compléments. Approfondissements.
— Je propose dans Méthodes une autre façon de déterminer les suites vérifiant une telle relation de ré-
currence couplée, à partir du moment où l’on a diagonalisé A. Appliquer cette deuxième méthode et
comparer leurs mérites et inconvénients.
— Toujours dans Méthodes, je propose de nombreuses autres façons de calculer les puissances de A (via
une division euclidienne ou une interpolation de Lagrange). Calculer An par ces autres méthodes et
comparer leurs mérites et inconvénients.
— Que remarquez-vous comme relation entre les lignes de P −1 et les colonnes de P ? Que c’est curieux !
Comment l’expliquer ? (Vous aurez sans doute plus d’idées après avoir vu le chapitre xiii). Si vous
arrivez à expliquer cette relation, vous serez capables d’inverser des matrices très rapidement dans
certains cas particuliers.

 a = −a + b + c,
 ′

✓ Exercice 77. (A) Déterminer les applications a, b, c : R → R de classe C1 sur R telles que : b′ = a − b + c,
c = a + b − c.
 ′
 
a
Corrigé 77. Soient a, b, c : R → R trois applications de classe C1 sur R. Si l’on pose : Y =  b , et :
c

−1 1 1
 

A =  1 −1 1  ,
1 1 −1

 a = −a + b + c,
 ′

alors le système différentiel : b′ = a − b + c, (que je note (E) pour la suite) équivaut à : Y ′ = AY . On

c = a + b − c.
 ′
sait résoudre ce système différentiel en diagonalisant A, et c’est ce qui suit. Je vais illustrer comment on peut

74
MP⋆ 2024/2025 Chapitre V – Corrigés

diagonaliser A sans calculer de polynôme caractéristique ni résoudre de système linéaire : on a déjà illustré à
quelques reprises comment faire pour se passer de χA , et pour le second aspect : il s’agit d’utiliser adéquatement le
fait que : 1° les sous-espaces propres soient en somme directe, 2° le fait que la dimension d’un sous-espace propre
soit inférieure ou égale à l’ordre de multiplicité de la valeur propre associée.

1 1 1
 

La matrice A + 2I3 = 1 1 1 est clairement de rang 1, donc −2 est valeur propre et dim(ker(A + 2I3 )) = 2.
1 1 1
Ceci prouve aussi que l’ordre de multiplicité de −2 est supérieur ou égal à 2, il y a donc au plus une dernière valeur
propre.
1 1
   

Cette dernière valeur propre de A est 1, puisque : A 1 = 1 (la somme des coefficients de chaque ligne est
1 1
égale à 1), et on a par ailleurs, comme les sous-espaces propres sont en somme directe :

dim(ker(A − I3 )) + dim(ker(A + 2I3 )) ⩽ dim(M3,1 (R)) = 3,

donc : dim(ker(A − I3 )) ⩽ dim(M3,1 (R)) − dim(ker(A + 2I3 )) = 1. On a aussi : dim(ker(A − I3 )) ⩾ 1, donc :

dim(ker(A − I3 )) = 1. Ceci prouve qu’il suffit d’un seul vecteur propre pour engendrer ker(A − I3 ), or on en a trouvé
un ci-dessus. On en déduit :
1
 

ker(A − I3 ) = VectR 1 .

1
 
x
Déterminons le sous-espace propre de A associé à −2 : soit X = y  ∈ M3,1 (R). Alors X ∈ ker(A + 2I3 )
z
si, et seulement si x + y + z = 0, donc ker(A + 2I 3 ) est le plan d’équation x + y + z = 0, dont une base est
1 1
   
 0  , −1 (j’ai trouvé facilement deux vecteurs linéairement indépendants qui vérifient cette équation, et
−1 0
comme je sais que ker(A + 2I3 ) est de dimension 2 cela me fournit une base).

Comme les sous-espaces propres sont en somme directe, concaténer

   leurs bases
 donne une famille libre, et même
1 1 1
une base de M3,1 (R) si le cardinal est suffisant. Ainsi  0  , −1 , 1 est une base de M3,1 (R) constituée
−1 0 1
de vecteurs propres de A. En appliquant la formule du changement de base à l’endomorphisme f : X 7→ AX, entre
la base canonique et la base ci-avant, on obtient :

1 1 1 −2 0 0
   

A = P DP −1 , avec : P =  0 −1 1 , D =  0 −2 0 .
−1 0 1 0 0 1
 
z1
Pour en déduire les solutions de Y ′ = AY , on pose : Z = P −1 Y = z2 , et on remarque que :
z3

 z1 = −2z1
 ′
−1
(P ×)
Y ′ = AY ⇐⇒ P −1 Y ′ = P −1 P DP −1 Y ⇐⇒ Z ′ = DZ ⇐⇒ z ′ = −2z2
 2′
z3 = z3
 z1 (t) = αe−2t ,


⇐⇒ ∃(α, β, γ) ∈ R3 , ∀t ∈ R, z2 (t) = βe−2t ,

z3 (t) = γet .


z1 + z2 + z3
 

En utilisant le fait que Y = P Z =  z2 − z3 , et en remplaçant z1 , z2 et z3 par les expressions trouvées

−z1 + z3
ci-dessus, on en déduit que Y ′ = AY si et seulement si :

+ βe−2t + γet
 −2t 
αe
∃(α, β, γ) ∈ R3 , ∀t ∈ R, Y (t) =  −βe−2t + γet ,
−αe−2t
+ γet

75
 MP⋆ 2024/2025 Chapitre V – Corrigés

donc, en identifiant composante par composante : a, b et c vérifient (E) si et seulement s’il existe (α, β, γ) ∈ R3 tels
que :
= αe−2t + βe−t + γet ,

 a(t)
∀t ∈ R, b(t) = −βe−2t + γet ,
c(t) = −αe−2t + γet ,


décrivant ainsi toutes les solutions de (E).

Résumé. Commentaires.

Compléments. Approfondissements. Après avoir vu le chapitre xii : proposer une autre résolution de
l’exercice.

✓ Exercice 78. (A) Soit C un cube dont les sommets sont numérotés de 0 à 7. Pour tout n ∈ N \ {0}, un chemin de
longueur n entre deux sommets numérotés i et j est une suite d’arêtes (orientées) (A1 , . . . , An ) telle que :
— i soit le sommet de départ de A1 ;
— pour tout entier k ∈ J1, n − 1K, le sommet d’arrivée de Ak soit le sommet de départ de Ak+1 ;
— j soit le sommet d’arrivée de An .
Pour tout sommet numéroté j, et pour tout n ∈ N \ {0}, on note dn (j) le nombre de chemins de longueur n entre 0
et j. Donner la valeur dn (j) pour tout n ∈ N \ {0} et tout j ∈ J1,8K.
Si l’on veut diminuer le nombre d’étapes de calcul sans trop changer la philosophie de l’exercice, on peut remplacer
le cube par un carré.

Corrigé 78. Si, pour tout sommet numéroté j, on note k1,j , k2,j et k3,j les sommets voisins de j, on a clairement :

3 
[
{chemins de longueur n + 1 entre 0 et j} = {chemins de longueur n entre 0 et ki,j }
i=1

× {chemin de longueur 1 joignant ki,j et j}

et donc, la réunion étant disjointe :

dn+1 (0, j) = dn (0, k1,j ) + dn (0, k2,j ) + dn (0, k3,j ).
Avec la numérotation choisie dans l’énoncé, on peut prendre k1,j = j + 1 mod 8, k2,j = j + 2 mod 8 et
k3,j = j + 4 mod 8 par exemple.

dn (0)
 

Traduisons matriciellement ces relations. Pour tout entier n ⩾ 1, on note : Dn =  ...  ∈ M8,1 (R). On pose
 

dn (7)
également :
0 1 C I2 B I4
     
C= ∈ M2 (R), B = ∈ M4 (R), et : A = ∈ M8 (R).
1 0 I2 C I4 B
Alors par ce qui précède, (Dn )n⩾1 vérifie la relation de récurrence : ∀n ∈ N \ {0}, Dn+1 = ADn . On en déduit :
∀n ∈ N \ {0}, Dn = An−1 D1 .
Diagonalisons A pour en déduire aisément ses puissances. Pour cela, nous allons voir qu’il suffit de diagonaliser C,
puis B. L’écriture par blocs va nous aider. :

Diagonalisation de C. Son polynôme caractéristique est X 2 − 1 = (X − 1)(X + 1) : il est scindé et à racines

simples, donc C est diagonalisable, et par ailleurs ses valeurs propres sont 1 et −1.
Nous aurons besoin d’expliciter la matrice de passage ; pour cela, notons que la résolution des équations CX = X
et CX = −X, d’inconnue X ∈ M2,1 (R), démontre qu’on a :

1 1
   
ker(C − I2 ) = VectR , ker(C + I2 ) = VectR .
1 −1

1 1
 
Par conséquent, si l’on note P2 = la matrice de passage entre la base canonique et la famille de vecteurs
1 −1
1 1
   
propres , , la formule du changement de base appliquée à l’endomorphisme canoniquement associé à
1 −1

76
MP⋆ 2024/2025 Chapitre V – Corrigés

C implique :
1 0
 
C = P2 P2−1 . (∗)
0 −1
Nous allons en déduire :
C + I2 0M2 (R)
 
B = P4 P4−1
0M2 (R) C − I2
I I2
 
où P4 est la matrice 2 . Nous allons y arriver par un calcul formel : pour trouver l’inverse de P4 , on s’inspire
I −I2
2
1 1 1 1 1
  
de la matrice ∈ M2 (R) qui lui ressemble sensiblement, et admet pour inverse . Semblablement :
1 −1 2 1 −1

I I2 I2 I2 2I2 0M2 (R)

    
P4 · P4 = 2 = = 2I4 ,
I2 −I2 I2 −I2 0M2 (R) 2I2

donc P4 est inversible et d’inverse : P4−1 = 12 P4 . On en déduit :

C + I2 0M2 (R) 1 I2 I2 C + I2 0M2 (R) I2 I2

     
P4 P4−1 =
0M2 (R) C − I2 2 I2 −I2 0M2 (R) C − I2 I2 −I2
1 I2 I2 C + I2 C + I2
  
=
2 I2 −I2 C − I2 I2 − C
1 2C 2I2
 
=
2 2I2 2C
C I2
 
= = B.
I2 C

Or nous avons diagonalisé C (égalité (∗)). On en déduit par ailleurs que C + I2 et C − I2 sont diagonalisables, étant
donné que :

1 0 1 0 2 0
      
−1 −1 −1
C + I 2 = P2 P2 + P2 I2 P2 = P2 + I 2 P2 = P 2 P2−1 ,
0 −1 0 −1 0 0

0 0
 
et de même : C − I2 = P2 P2−1 . Par conséquent :
0 −2

2 0
   
−1
 P2 0 0 P 2 0M2 (R)  −1
B = P4  P
0 0
 
−1
 4
0M2 (R)

P2 P2
0 −2
2 0
  
0M2 (R)   −1
0M2 (R)  0 0 0M2 (R)
  
P2 P2
= P4 P4−1
0M2 (R) 0 0  0M2 (R) P2−1
   
P2
0M2 (R)

0 −2
2 0
  
0M2 (R)    −1
0M2 (R)   0 0   P4 P2 0
 
P2
= P4 .
0M2 (R) 0 0  0 P2

P2
0M2 (R)

0 −2

0M2 (R)
 
P2
Si l’on pose : Q4 = P4 , on a donc :
0M2 (R) P2

2 0 0 0
 
0 0 0 0  −1
B = Q4 0 0 0 0  Q4 .
 (†)
0 0 0 −2

B I4 I I4
   
Il reste à diagonaliser A qui, pour rappel, s’écrit : on va procéder comme avec B. Posons : P8 = 4 ∈
I4 B I4 −I4
1
M8 (R). Les mêmes calculs que ci-dessus démontrent que P8 est inversible, d’inverse P8−1 = P8 , et qu’on a :
2
B + I4 0M4 (R)
 
A = P8 P8−1 .
0M4 (R) B − I4

77
MP⋆ 2024/2025 Chapitre V – Corrigés

Encore une fois, la même réflexion que pour la réduction de B à l’aide de celle de C, démontre d’abord que B + I4
et B − I4 sont diagonalisables avec la même matrice de passage Q4 que B, semblables respectivement à :
3 0 1 0
   
 1  et 
  −1 
,
1

   −1 
0 −1 0 −3
et qu’alors :
B + I4 0M4 (R)
 
A = P8 P8−1
0M4 (R) B − I4

3 0
 
1
0M4 (R)
  
1
  
  
 0
 
−1  −1
= Q8  Q8 (‡)
0 

1
 
 
 −1 
0M4 (R)

  
  −1 
0 −3
0M4 (R)
 
Q4
où l’on a posé : Q8 = P8 . Ceci démontre que A est diagonalisable. On a plus explicitement :
0M4 (R) Q4
I4 I4 0M4 (R)
    
Q4 Q4 Q4
Q8 = = ,
I4 −I4 0M4 (R) Q4 Q4 −Q4
or, pour rappel on a :
0M2 (R) I I2 0M2 (R)
      
P2 P2 P2 P2
Q4 = P4 · = 2 = ,
0M2 (R) P2 I2 −I2 0M2 (R) P2 P2 −P2
1 1
 
avec P2 = . Donc finalement :
1 −1
1 1 1 1 1 1 1 1
 
1 −1 1 −1 1 −1 1 −1
1 1 1 1
   
P2 P2 P2 P2 −1 −1 −1 −1
 = 1 1 1 1
 
P2 −P2 P2 −P2  −1 −1 −1 −1
Q8 = 

.
−P2 −P2   1 1 1 1 −1 −1 −1 −1
P2 P2
1 1 1 1

P2 −P2 −P2 P2 −1 −1 −1 −1
1 1 1 1
 
−1 −1 −1 −1
1 −1 −1 1 −1 1 1 −1
Nous avons besoin de calculer l’inverse de Q−1 8 ; nous calculerons alors A
n−1
grâce à la relation (‡), puisque les
puissances d’une matrice diagonale sont faciles à calculer. Or :
−1
0M4 (R) 1 Q−1 0M4 (R) I4 I4 1 Q−1 Q−1
     
−1 Q4 −1
Q8 = P8 = 4 = 4 4 ,
0M4 (R) Q4 2 0M4 (R) Q−1
4 I4 −I4 2 Q−1 4 −Q−1
4
−1
0M2 (R) 1 R−1 R−1 1 1 1
    
−1 P2 −1
et par un calcul analogue : Q4 = P4 = . Enfin, on a : R =
−1
=
0M2 (R) P2 2 R−1 −R−1 2 1 −1
1
R, donc finalement on constate que simplement :
2
1
Q−1
8 = Q8 .
8
Passons au calcul de An−1 . En vérité, les différentes symétries du cube nous permettront d’en déduire les dn (0, j)
uniquement à l’aide des deuxième, troisième et cinquième colonnes de An−1 . On a :
3 0 0 0 0 0 0 0
 n−1 
 0 1 0 0 0 0 0 0 
 0 0 1 0 0 0 0 0
 

1 0 0 0 (−1) 0 0 0 0
 n−1

n−1
= Q8 
 
A  Q8
0 0 0 0 1 0 0 0

8 
 0 0 0 0 0 (−1) 0 0
 n−1


 0 0 0 0 0 0 (−1)n−1 0
 

0 0 0 0 0 0 0 (−3)n−1

78
MP⋆ 2024/2025 Chapitre V – Corrigés

puis, après des calculs patients :

∗ (3n−1 + 1)(1 + (−1)n ) (3n−1 + 1)(1 + (−1)n ) (3n−1 + 1)(1 + (−1)n )

 
∗ ∗ ∗ ∗
∗ (3n−1 + 3)(1 − (−1)n ) (3n−1 − 1)(1 − (−1)n ) ∗ (3n−1 − 1)(1 − (−1)n ) ∗ ∗ ∗
∗ (3n−1 − 1)(1 − (−1)n ) (3n−1 + 3)(1 − (−1)n ) (3n−1 − 1)(1 − (−1)n )
 
∗ ∗ ∗ ∗
1∗ (3n−1 + 1)(1 + (−1)n ) (3n−1 + 1)(1 + (−1)n ) (3n−1 − 3)(1 + (−1)n )
 n−1 n

∗ ∗ ∗ ∗
.
8 ∗ (3
 − 1)(1 − (−1) ) (3n−1 − 1)(1 − (−1)n ) ∗ (3n−1 + 3)(1 − (−1)n ) ∗ ∗ ∗
∗ (3n−1 + 1)(1 + (−1)n ) (3n−1 − 3)(1 + (−1)n ) (3n−1 + 1)(1 + (−1)n )

∗ ∗ ∗ ∗
∗ (3n−1 − 3)(1 + (−1)n ) (3n−1 + 1)(1 + (−1)n ) (3n−1 + 1)(1 + (−1)n )
 
∗ ∗ ∗ ∗
∗ (3n−1 − 1)(1 − (−1)n ) (3n−1 − 1)(1 − (−1)n ) ∗ (3n−1 − 1)(1 − (−1)n ) ∗ ∗ ∗

Un examen des symétries du cube permet de se convaincre que les sommets 1, 2 et 4 jouent des rôles symétriques
vis-à-vis du sommet 0, donc dn (0,1) = dn (0,2) = dn (0,4). De même, on se convainc que dn (0,3) = dn (0,5) = dn (0,6).
Il suffit donc de calculer dn (0,0), dn (0,1), dn (0,3) et dn (0,7) pour en déduire Dn , ce qui économise des calculs. Ceci

⊤
étant dit, le produit matriciel Dn = An−1 D1 nous donne, comme D1 = 0 1 1 0 1 0 0 0 par une étude
combinatoire facile :
3 (1 + (−1)n ) 3n−1 + 1


 (1 − (−1)n ) (3n + 1) 
 (1 − (−1)n ) (3n + 1) 
 
1  (1 + (−1)n ) (3n − 1) 
 
Dn =  ,
8 (1 − (−1)n ) (3n + 1) 
n n 
 (1 + (−1) ) (3 − 1) 
 (1 + (−1)n ) (3n − 1) 
 

3 (1 − (−1)n ) 3n−1 − 1

c’est-à-dire :
1
∀n ∈ N \ {0}, dn (0,1) = dn (0,2) = dn (0,4) = (1 − (−1)n ) (3n + 1) ,
8
et :
1
∀n ∈ N \ {0}, dn (0,3) = dn (0,5) = dn (0,6) = (1 + (−1)n ) (3n − 1) .
8
Enfin :
3 3
dn (0,0) = (1 + (−1)n ) 3n−1 + 1 , dn (0,7) = (1 − (−1)n ) 3n−1 − 1 .



∀n ∈ N \ {0},
8 8

Résumé. Commentaires.

7
Compléments. Approfondissements. Calculer dn (0,0) pour n impair, ainsi que dn (0, j) pour tout n,
P
j=0
avec et sans la résolution explicite de cet exercice.

Exercice 79. Démontrer qu’il n’existe pas d’élément d’ordre 5 dans GL2 (Q).

Corrigé 79. Supposons l’existence d’un élément A dans GL2 (Q) d’ordre divisant 5. Alors X 5 − 1 annule A. Nous
pouvons en déduire que A doit être d’ordre 1 (c’est-à-dire égal à I2 ) de deux manières différentes.

Première méthode : en diagonalisant A. Comme X 5 − 1 est scindé à racines simples sur C (si l’on note
2iπ
4
ω = e 5 , alors on a : X 5 − 1 = (X − ω k )), on en déduit que la matrice A est diagonalisable sur C et que :
Q
k=0

SpC (A) ⊆ {1, ω, ω 2 , ω 3 , ω 4 } = {1, ω, ω 2 , ω 2 , ω}.

Comme A est d’ordre 2 et à coefficients réels, soit elle admet deux valeurs propres réelles (ce doit être 1 d’après
l’inclusion ci-dessus), soit elle admet deux valeurs propres non réelles conjuguées. Démontrons que le second cas est
impossible en raisonnant par l’absurde. Si A admet des valeurs propres ω k et ω k avec k ∈ {1,2}, alors :

2πk
 
2 cos = ω k + ω k = tr(A) ∈ Q
5

car A est à coefficients rationnels. Or on sait démontrer que l’on a :

  √ √
2π 5−1 4π 5+1
 
2 cos = , et : 2 cos =− , (∗)
5 2 5 2

79
MP⋆ 2024/2025 Chapitre V – Corrigés

en trouvant des équations de degré 2 trouvées par ces quantités. Nous l’avons vu dans l’exercice 12 du chapitre ii
mais le redémontrons ci-dessous (d’une façon très légèrement différente). En effet :
4
X ω5 − 1
ωℓ = = 0,
ω−1
ℓ=0

donc en écrivant ω 4 = ω et ω 3 = ω 2 (vrai car : ω 4 ω = 1 = |ω|2 = ωω, de même pour la seconde relation), on a :
2
0 = 1 + (ω + ω) + ω 2 + ω 2 = 1 + (ω + ω) + (ω + ω) − 2ωω,

donc 2
cos 2π = ω + ω est racine du polynôme X 2 + X − 1. En explicitant ses racines et en utilisant le fait que



5
cos 5 soit positif (pour exclure la racine négative), on obtient la valeur annoncée ci-dessus. Comme 2 cos 4π
2π
5
vérifie la même équation (méthode analogue : il suffit de sommer ω 2ℓ au lieu de ω ℓ et d’imiter tout ce qui suit),
c’est l’autre racine de X 2 + X − 1 qui donne sa valeur. On peut aussi utiliser une formule de duplication.
√ √
Ceci étant dit, la rationalité de 2 cos 2πk entraîne celle de 5 d’après (∗), ce qui est absurde car 5 est


5 √ √
irrationnel. Redémontrons pourquoi, en imitant la démonstration classique effectuée√avec 2. Si 5 est rationnel,
il existe deux entiers a et b que l’on peut prendre premiers entre eux tels que : 5 = ab , et alors : 5b2 = a2 .
Comme a et b sont premiers entre eux, le théorème de Gauß implique que a divise 5 et que b divise 1 (donc
b2 = 1). En écrivant a = 5ℓ avec ℓ ∈ Z, on obtient : 5b2 = 25ℓ2 , donc 1 = 5ℓ2 : c’est absurde puisque 5 ne divise pas 1.

L’hypothèse absurde que A admet deux valeurs propres non réelles conjuguées entraîne une contradiction, donc
A admet 1 comme unique valeur propre. Comme A est diagonalisable, par le critère polynomial de diagonalisation
on a : πA = X − 1, et donc : A = I2 .

Ainsi le seul élément dans GL2 (Q) d’ordre divisant 5 est I2 , qui est d’ordre 1. On en déduit qu’il n’existe pas
d’élément d’ordre 5.

Deuxième méthode : en démontrant que πA est de degré 1. Comme X 5 − 1 est un polynôme annulateur
4
de A, on en déduit que πA divise X 5 − 1 = (X − 1) X k . Les facteurs irréductibles de πA sont parmi ceux
P
k=0
4
de X 5 − 1 : nous allons les déterminer en démontrant que P = X k est irréductible dans Q[X]. Le critère
P
k=0
d’Eisenstein le démontre très rapidement (exercices 82 et 83 du chapitre iv) au prix de gros efforts préliminaires.
Nous allons y parvenir par une approche rudimentaire.

Les racines de P sont ω, ω, ω 2 et ω 2 : ces racines ne sont pas réelles, ni rationnelles. Par conséquent, si P
est réductible dans Q[X], ce doit être le produit de deux polynômes irréductibles unitaires de degré 2, c’est-à-dire :
P = QR, avec Q, R ∈ Q[X] de degré 2 et unitaires. Cette factorisation vaut aussi dans R[X]. Or on a la décomposition
suivante de P dans C[X] puis R[X] :

2π 4π
      
P = (X − ω) (X − ω) X − ω 2 X − ω 2 = X 2 − 2 cos +1 X 2 − 2 cos +1 .



5 5

Les deux polynômes du membre de droite sont irréductibles sur R, puisqu’ils sont de degré 2 et sans racine réelle
(leurs racines sont les racines cinquièmes de l’unité distinctes de 1). Par unicité de la décomposition en facteurs

α
β
irréductibles, nous avons l’existence de (α, β) ∈ {0,1}2 tel que : Q = X 2 − 2 cos 2π 5 +1 X 2 − 2 cos 4π
5 +1 .

Pour des raisons de degré, nous avons soit (α, β) = (1,0),
soit (α,4π
β)
= (0,1) ; dans les deux cas, Q ne serait pas
un polynôme à coefficients rationnels, puisque 2 cos 2π 5 et 2 cos 5 ne sont pas rationnels (voir (∗) ci-dessus) :
contradiction.

Ce raisonnement par l’absurde démontre que P est irréductible sur Q. Or πA divise X 5 − 1 = (X − 1)P , donc
par unicité de la décomposition en facteurs irréductibles il existe (α, β) ∈ {0,1}2 tel que : πA = (X − 1)α P β . Comme
P est de degré 4 et que : deg(πA ) ⩽ 2, on a nécessairement β = 0, et comme πA ne peut pas être constant on a : α = 1.

En conclusion : πA = X − 1, donc : A = I2 . Ainsi le seul élément dans GL2 (Q) d’ordre divisant 5 est I2 , qui est
d’ordre 1. On en déduit qu’il n’existe pas d’élément d’ordre 5.

Résumé. Commentaires.

80
 MP⋆ 2024/2025 Chapitre V – Corrigés

Compléments. Approfondissements. Pour d’autres exercices analogues, voir les exercices 55 et 56.

Exercice 80. On dit qu’un groupe est d’exposant 2 si tous ses éléments sont d’ordre 1 ou 2. Supposons que K ne
contient pas Z/2Z.
1. Démontrer qu’un sous-groupe de GLn (K) d’exposant 2 est nécessairement de cardinal au plus 2n , le cas
d’égalité pouvant être atteint.
2. Soit m ∈ N \ {0}. Démontrer que si les groupes GLn (K) et GLm (K) sont isomorphes, alors m = n.

Corrigé 80. Aucun corrigé n’a été écrit. Je le ferai quand j’aurai le temps, ou sinon : avis aux volontaires !

Résumé. Commentaires.

⋆ Exercice 81. (Théorème de Burnside) (A) Soit G un sous-groupe de GLn (C). On suppose qu’il existe r ∈ N
tel que : ∀M ∈ G, M r = In . Démontrer que G est fini. 1852-1927

On introduira une base (A1 , . . . , Ak ) bien choisie de Vect(G) et on étudiera l’image de l’application définie sur
G par M 7→ (tr(A1 M ), . . . , tr(Ak M )).

Corrigé 81. Aucun corrigé n’a été écrit. Je le ferai quand j’aurai le temps, ou sinon : avis aux volontaires !

Résumé. Commentaires.

Équations polynomiales matricielles

✓ Exercice 82. (A) Soit A ∈ Mn (R). On suppose : A3 + A2 + A = 0Mn (R) . Démontrer que le rang de A est pair.

Corrigé 82. Grâce au théorème du rang, on peut calculer le rang à partir de la dimension du noyau de A. Or le
noyau de A est le sous-espace propre de A associé à la valeur propre 0, donc sa dimension est inférieure ou égale
à l’ordre de multiplicité de 0 comme valeur propre, avec égalité dans le cas diagonalisable : c’est ce qui va guider
notre réflexion.

Puisque par hypothèse : A3 + A2 + A = 0Mn (R) , le polynôme X 3 + X 2 + X = X(X 2 + X + 1) est un polynôme

2iπ
annulateur de A. Or ce polynôme admet pour racines 0, j = e 3 et j̄, donc les valeurs propres (complexes) de A
sont parmi ces racines : SpC (A) ⊆ {0, j, j̄}.

De plus X(X 2 + X + 1) = X(X − j)(X − j̄) est scindé et à racines simples (dans C), donc A est diagonalisable
(dans C) par le critère polynomial de diagonalisation, et on en déduit que les ordres de multiplicité des valeurs
propres et les dimensions des sous-espaces propres associés coïncident (là, c’est le premier critère de diagonalisation
qui nous le dit). Autrement dit, si l’on note h0 , hj et hj̄ les ordres de multiplicité respectifs des valeurs propres 0, j
et j̄ (avec ces ordres de multiplicité égaux à 0 si ce ne sont pas des valeurs propres), alors :
dim(ker(A)) = h0 , dim(ker(A − jIn )) = hj , dim(ker(A − j̄In )) = hj̄ .
C’est surtout la première dimension qui nous intéresse en vue d’obtenir le rang de A, puisque :
rang(A) = n − dim(ker(A)) = n − h0 ,
et il reste donc à déterminer la parité de n − h0 . Or A est supposé à coefficients réels, donc χA l’est également : on en
déduit que ses racines complexes sont conjuguées et ont même ordre de multiplicité (pour se convaincre de ce fait très
classique, valable pour tout polynôme à coefficients réels : on a χA = X h0 (X − j)hj (X − j̄)hj̄ , et comme χA ∈ R[X]
ce polynôme est égal à son conjugué, donc : χA = χA , c’est-à-dire : X h0 (X −j)hj (X − j̄)hj̄ = X h0 (X − j̄)hj (X −j)hj̄ ;
en identifiant les facteurs, on obtient hj = hj̄ comme attendu). On a donc :
n = deg(χA ) = h0 + hj + hj̄ = h0 + 2hj ,
donc n − h0 = 2hj est un entier pair : ce qu’il fallait démontrer.

Autre approche. On pouvait aussi utiliser cet autre fait classique pour une matrice à coefficients réels : les
sous-espaces propres complexes sont conjugués (et de même dimension). Ce qui implique ici directement l’égalité
dimensionnelle : dim(ker(A − jIn )) = dim(ker(A − j̄In )). Cette affirmation découle ici de l’équivalence suivante :
X ∈ ker(A − jIn ) ⇐⇒ AX = jX ⇐⇒ AX = j̄ X̄ ⇐⇒ AX̄ = j̄ X̄ ⇐⇒ X̄ ∈ ker(A − j̄In ).

81
MP⋆ 2024/2025 Chapitre V – Corrigés

En effet, Ā = A car A est à coefficients réels. Voir aussi l’exercice 59.

Résumé. Commentaires.

Compléments. Approfondissements. Faire l’exercice 59, où l’on généralise les observations de cette ré-
solution.

1 1 −1
 

Exercice 83. (A) On pose : A = −1 3 −3.

−2 2 −2
0 0 0
 

1. Démontrer qu’il existe P ∈ GL3 (R) telle que : A = P 1 0 0 P −1 .

0 0 2
2. Déterminer l’ensemble des matrices M ∈ M3 (R) telles que : M 2 = A.

0 0 0
 

 Heuristique. Si f est canoniquement associé à A, démontrer que A est semblable à 1 0 0 revient à

0 0 2
démontrer qu’il existe une base B = (⃗e1 , ⃗e2 , ⃗e3 ) telle que :

f (⃗e1 ) = ⃗e2 , f (⃗e2 ) = ⃗0, f (⃗e3 ) = 2e⃗3 .

Autrement dit : ⃗e2 doit être un vecteur propre de f pour la valeur propre 0 et ⃗e3 un vecteur propre pour la valeur
propre 2 (on devra donc s’assurer que 0 et 2 sont bien des valeurs propres : nous pourrons passer par un calcul de
polynôme caractéristique).

Il reste à éclairer l’origine de ⃗e1 . En combinant les deux premières égalités : f 2 (⃗e1 ) = ⃗0, donc ⃗e1 appartient à
ker(f 2 ). En prenant ⃗e1 convenablement dans ce noyau (pour que ⃗e2 = f (⃗e1 ) ne soit pas nul, en tant que vecteur
d’une base : cela revient à prendre ⃗e1 ∈ ker(f 2 ) \ ker(f )), la famille (⃗e1 , f (⃗e1 )) devrait être une famille libre de
ker(f 2 ), et il restera à justifier qu’en ajoutant un vecteur propre associé à 2 la famille donne une base. On conclura
avec la formule du changement de base.

Pour la deuxième question : résoudre M 2 = A est standard sur les sous-espaces propres, en passant par les endo-
morphismes canoniquement associés (j’en parle longuement dans le document Méthodes, section Dans la résolution
d’équations matricielles). Si l’on parvient à la résoudre sur ker(A2 ) (qui est un sous-espace non trivial non trivial au
vu de l’étude ci-dessus), on pourra en déduire toutes les matrices M qui conviennent. Or la restriction de X 7→ AX
à ce noyau est nilpotente, donc celle de X 7→ M X aussi : en étudiant son indice de nilpotence, nous devrions avoir
une contradiction (comme dans l’exercice 34). ■

Corrigé 83.
1. On a :
X −1 −1 1 X −1 −1 0
χA = 1 X −3 3 = 1 X −3 X (C3 ← C3 + C2 )
2 −2 X +2 2 −2 X
X −1 −1 0
= −1 X −1 0 (L2 ← L2 − L3 )
2 −2 X
X −1 −1
=X
−1X −1
= X (X − 1)2 − 1

= X 2 (X − 2).

On en déduit : SpR (A) = {0,2}, et en outre, par le lemme des noyaux et le théorème de Cayley-Hamilton :

M3,1 (R) = ker(A2 ) ⊕ ker(A − 2I3 ).

Utilisons cette décomposition en somme directe pour produire une base B de R3 telle que : MB (f ) =

82
MP⋆ 2024/2025 Chapitre V – Corrigés

0 0 0
 
1 0 0, suivant l’heuristique. On trouve après calculs :
0 0 2

0 0 1 1
       

ker(A) = Vect 1 , ker(A2 ) = Vect 1 , 0 , ker(A − 2I3 ) = Vect 1 .
1 1 1 0

Posons donc :
1 0 1
     

E1 = 0 ∈ ker(A2 ) \ ker(A), E2 = AE1 = −4 1 , E3 = 1 .

1 1 0
La famille (E1 , E2 ) est clairement libre et dans ker(A2 ) pour une raison dimensionnelle, donc c’est une base
de ker(A2 ). Comme ker(A2 ) et ker(A − 2I3 ) sont supplémentaires par ce qui précède, la famille (E1 , E2 , E3 )
est une base de M3,1 (R). Par la formule du changement de base, appliquée à l’endomorphisme canoniquement
associé X 7→ AX entre la base canonique et la base (E1 , E2 , E3 ), on a :

0 0 0
 

A = P 1 0 0 P −1
0 0 2

1 0 1
 

avec P = 0 −4 1. D’où le résultat.

1 −4 0
Remarque. La matrice A n’est pas diagonalisable, puisque 0 est valeur propre double mais de sous-espace
propre associé de dimension 1. C’est pour cette raison que nous la réduisons autrement. En fait, on a démontré
que A est semblable à une matrice triangulaire inférieure, et même un peu mieux : à une matrice diagonale
par blocs, dont les blocs sont de la forme λI + N avec N triangulaire inférieure stricte.
Remarque. La famille (E1 , E2 ) est une base cyclique de ker(A2 ). On a vu dans le cours qu’un endomorphisme
nilpotent d’indice de nilpotence maximal (c’est-à-dire égal à la dimension de l’espace ambiant) est toujours
cyclique : on retrouve ce fait dans le cas particulier de l’endomorphisme induit par X 7→ AX sur ker(A2 ).
2. Soit f l’endomorphisme de R3 canoniquement associé à A. Soit M ∈ M3 (R) telle que : M 2 = A. Notons g
l’endomorphisme de R3 canoniquement associé à M . On a : g 2 = f , donc f est un polynôme en g. On en
déduit que g et f 2 commutent, donc ker(f 2 ) est stable par g. Notons g ′ et f ′ les endomorphismes induits par
g et f , respectivement, sur ker(f 2 ). On a toujours : (g ′ )2 = f ′ , donc : (g ′ )4 = (f ′ )2 = 0 (la dernière égalité
est par définition même de ker(f 2 ), donc g ′ est nilpotent. Son indice de nilpotence est inférieur ou égal à la
dimension de ker(f 2 ), qui est de dimension 2 par la question précédente. Donc : (g ′ )2 = 0 : absurde puisque
(g ′ )2 = f ′ ̸= 0 (en effet, si ⃗x ∈ ker(f 2 ) \ ker(f ), et de tels vecteurs existent par la question précédente, alors :
f ′ (⃗x) ̸= ⃗0) !
Par l’absurde, une matrice M telle que M 2 = A n’existe pas.
La relation de similitude de la première question n’était pas nécessaire.

Résumé. Commentaires.

Compléments. Approfondissements.
— Traiter les exercices analogues suivants : nos 34 et 84.
— Généraliser en notant que si f ∈ L(E) vérifie ker(f 2 ) ̸= ker(f ), alors f n’admet pas de racine carrée (ni
de racine k e pour tout k ⩾ 2). À comparer avec la résolution des exercices cités ci-dessus.
— Pour des compléments sur l’étude de ce genre d’équation (et notamment avoir des conditions suffisantes
d’existence de solutions), voir les exercices nos 87, 88 et 89.

0 1 0
 

Exercice 84. (A) Résoudre l’équation : M 2 = 0 0 1 d’inconnue M ∈ M3 (K).

0 0 0

0 1 0
 

Corrigé 84. Notons A = 0 0 1. Raisonnons par l’absurde et supposons l’existence de M ∈ M3 (K) telle
0 0 0
que : M 2 = A.

83
 MP⋆ 2024/2025 Chapitre V – Corrigés

Résolution matricielle. Comme : A3 = 0M3 (K) , on a : M 6 = (M 2 )3 = A3 = 0M3 (K) , donc M est nilpotente
et son indice de nilpotence doit être inférieur ou égal à sa taille, c’est-à-dire 3. C’est-à-dire : M 3 = 0M3 (K) . Or:
0 0 1
A = M 2 , donc l’égalité précédente implique : A2 = M 4 = M × M 3 = 0M3 (K) , ce qui est faux car A2 = 0 0 0.
0 0 0
Contradiction : la matrice A n’admet donc pas de racine carrée.

Résolution avec les endomorphismes. Soient fA et fM les endomorphismes de M3,1 (K) canoniquement
associés à A et M respectivement. Comme A est un polynôme en M , les endomorphismes fA et fM commutent et
donc ker(A) et im(A) sont stables par fM . Or :
1 0 1
     

im(A) = Vect 0 , 1 , ker(A) = Vect 0 ,

0 0 0
1 1 0
     

donc la stabilité par fM se traduit par l’existence de (a, b, c) ∈ R3 tel que : fM 0 = a 0, et : fM 1 =
0 0 0
1 0 0
     

b 0 + c 1. C’est-à-dire, en notant (d, e, f ) les coordonnées de fM 0 :

0 0 1
 
a b d
M = 0 c e  .
0 0 f
Le fait que M soit nilpotente (car : M 6 = (M 2 )3 = A3 = 0M3 (K) ) implique que son unique valeur propre est nulle,
donc : a = c = f = 0 (on pouvait aussi le déduire du calcul de M 2 qui doit être égale à A). Ainsi :
2 
0 b d 0 0 be
 

M 2 = 0 0 e = 0 0 0  = A.
0 0 0 0 0 0
En identifiant les coefficients (par exemple celui d’indice (1,2)), on obtient : 0 = 1. C’est absurde. La matrice A
n’admet donc pas de racine carrée.

Résumé. Commentaires.

Compléments. Approfondissements.
— Traiter les exercices analogues suivants : nos 34 et 83.
— Généraliser en notant que si f ∈ L(E) vérifie ker(f 2 ) ̸= ker(f ), alors f n’admet pas de racine carrée (ni
de racine k e pour tout k ⩾ 2). À comparer avec la résolution des exercices cités ci-dessus.
— Reprendre le raisonnement de cet exercice en raisonnant non pas avec im(A) mais avec ker(A2 ) (pour
voir où apparaît le problème suggéré à l’item précédent).
— Pour des compléments sur l’étude de ce genre d’équation (et notamment avoir des conditions suffisantes
d’existence de solutions), voir les exercices nos 87, 88 et 89.

4 10
 
✓ Exercice 85. (A) Résoudre l’équation : M − 2M =
2
d’inconnue M ∈ M2 (R).
−2 −5

4 10
 
Corrigé 85. Posons : A = , et soit M ∈ M2 (R) telle que : M 2 − 2M = A.
−2 −5
Démonstration via la méthode standard. Commençons par réduire A et M pour nous ramener à des
matrices diagonales. Un calcul facile montre que : χA = X(X + 1), donc le spectre de A est : SpR (A) = {0, −1}, et
de plus on trouve, après calculs :
 5   
−2 −2
ker (A) = VectR , ker (A + I2 ) = VectR .
1 1
 5  
−2 −2
Notons X1 = , X2 = . Par la formule du changement de base :
1 1
0 0
 
A=P P −1 ,
0 −1

84
MP⋆ 2024/2025 Chapitre V – Corrigés

− 25
 
−2
avec P = MBcan ((X1 , X2 )) = .
1 1
Réduisons M à présent. Comme A est un polynôme en M , les matrices A et M commutent. On en déduit que,
si l’on note fA et fM les endomorphismes de R2 canoniquement associés à A et M respectivement, ils commutent
également, et donc les sous-espaces propres de fA sont stables par fM . En reprenant les notations ci-dessus, on a
X1 ∈ ker(A) et donc, par stabilité, fM (X1 ) ∈ ker(A) également. Or ker(A) est engendré par X1 d’après ce qu’on
a démontré plus haut, et on en déduit qu’il existe a ∈ R tel que : fM (X1 ) = aX1 . En raisonnant de même avec le
a 0
second sous-espace propre, on démontre qu’il existe b ∈ R tel que fM (X2 ) = bX2 . Alors : M(X1 ,X2 ) (fM ) = ,
0 b
et la formule du changement de base appliquée à l’endomorphisme fM , entre la base canonique et la base (X1 , X2 ),
nous donne :
a 0
 
M =P P −1 .
0 b
Concluons. On a :
2
a 0 a 0 0 0
    
M 2 − 2M = A ⇐⇒ P P −1 − 2P P −1 = P P −1
0 b 0 b 0 −1
2
(P ×) a 0 a 0 0 0
−1
    
⇐⇒ −2 =
(×P ) 0 b 0 b 0 −1
a − 2a 0 0 0
 2   
⇐⇒ = ,
0 b2 − 2 b 0 −1

si et seulement si, en identifiant coefficient par coefficient :

a − 2a = 0,
 2

b2 − 2 b = −1.

La première équation a clairement pour solutions a = 0 et a = 2, et la seconde se résout en notant que : b2 − 2 b + 1 =

2
(b − 1) , de sorte que : b2 − 2 b + 1 = 0 ⇐⇒ b = 1. Les couples (a, b) solutions du système ci-dessus sont donc :

(0,1), et : (2,1).

On en déduit que l’ensemble des solutions de M 2 − 2M = A est (la réciproque est vérifiée immédiatement) :

a 0
   
−1
P P | a ∈ {0,2} .
0 1

En explicitant P −1 (on a déjà calculé P ), on obtient les deux matrices :

−4 10 6 10
   
, .
2 5 −2 −3

0 0 0 0
   
Pour la première, le calcul de P et P −1 est inutile, puisque : P P −1 = −P P −1 = −A. On pourra
0 1 0 −1
s’en sortir de même pour la seconde mais c’est plus astucieux (voir la description des solutions dans la seconde
démonstration).

1 1 1 4
       
Démonstration via les matrices cycliques. Comme ,A = , est une base de
0 0 0 −2
M2,1 (R), la matrice A est cyclique. Par l’exercice 42 (qu’on peut traiter bien plus rapidement pour une matrice
d’ordre 2 : exercice), une matrice commutant avec A est un polynôme en A, et plus précisément un polynôme en
A de degré au plus 1 (vu que πA est de degré 2). Or M et A commutent car A est un polynôme en M . Soit donc
(a, b) ∈ R2 tel que : M = aI2 + bA. Comme I2 et A commutent, on a :

M 2 = (aI2 + bA)2 = a2 I2 + 2abA + b2 A2 ,

et pour simplifier A2 on note que : χA = X 2 + X, donc par le théorème de Cayley-Hamilton : A2 = −A. Ainsi :

M 2 = a2 I2 + b(2a − b)A.

85
MP⋆ 2024/2025 Chapitre V – Corrigés

La famille (I2 , A) étant libre, on en déduit :

a(a − 2) = 0

M − 2M = A ⇐⇒ (a − 2a)I2 + b((2a − b) − 2)A = A ⇐⇒
2 2
b((2a − b) − 2) = 1
a = 0 a = 2
 
⇐⇒ ou
b(−b − 2) = 1 b(2 − b) = 1
a = 0 = 2
 
a
⇐⇒ ou
−(b + 1)2 = 0 −(b − 1)2 = 0
a = 0 a = 2
 
⇐⇒ ou
b = −1 b = 1.
Les deux matrices solutions (pour la réciproque il suffit de remonter les calculs : le seul moment où nous n’avons
pas écrit une équivalence est tout au début, quand nous avons justifié que M est un polynôme en A) sont donc :
6 10
   
−4 −10
M = −A = , et : M = 2I2 + A = .
2 5 −2 −3

Résumé. Commentaires. Pour comprendre ce qu’il se passe sur le plan conceptuel (pourquoi il est
« normal » et prévisible qu’une équation polynomiale matricielle se ramène à deux équations polynomiales
scalaires), notons que comme on le voit via la deuxième démonstration, résoudre M 2 − 2M = A dans
M2 (R) ou R[A] revient au même. Or, par le théorème d’isomorphisme, R[A] est une R-algèbre isomorphe à
R[X]/πA R[X]. Or : πA = X(X +1), donc en imitant la démonstration du théorème chinois, ce dernier anneau
est isomorphe à R[X]/XR[X]×R[X]/(X +1)R[X], et R[X]/(X −λ)R[X] est isomorphe à R pour tout λ ∈ R en
appliquant le théorème d’isomorphisme à P 7→ P (λ). Ainsi R[A] est isomorphe à R2 en tant que R-algèbre (et
on peut même expliciter l’isomorphisme : j’y viens plus loin). On fera le lien avec l’heuristique de l’exercice 73.

Résoudre l’équation M 2 −2M = A se ramène donc, si l’on applique un isomorphisme d’algèbres φ : R[A] → R2
à cette égalité, à résoudre z 2 − 2z = φ(A) dans R2 . En posant z = (x, y) et en identifiant les coordonnées, on
se retrouve à résoudre deux équations polynomiales vérifiées par x et y. Ainsi on a expliqué conceptuellement
pourquoi résoudre une telle équation matricielle se ramène à des équations dans K : c’est parce que les
inconnues d’une telle équation matricielle sont dans R[A] si A est cyclique, et que cette algèbre est isomorphe
à K r avec r le nombre de valeurs propres (si A est diagonalisable) : quitte à raisonner coordonnée par
coordonnée, on se ramène à r équations polynomiales dans K.

Ce n’est pas qu’une explication conceptuelle : elle peut servir pour la résolution pratique, à condition d’expli-
citer l’isomorphisme de R[A] dans R2 décrit ci-dessus. Il suffit pour cela de composer les trois isomorphismes
utilisés (théorème d’isomorphisme avec P 7→ P (A) et P 7→ P (λ) où λ ∈ {0, −1}, et théorème chinois pour
les anneaux quotients de polynômes). C’est d’ailleurs ce que je fais dans l’exercice 73, dans son heuristique
et son corrigé. Ici, on obtient l’isomorphisme :

R[A] → R2

φ:
P (A) 7→ (P (0), P (−1)).

Notons en particulier que l’on a : φ(A) = (0, −1).

Pour expliciter φ−1 , le plus subtil est d’inverser la bijection réciproque du théorème chinois. On y parvient
soit en imitant ce qu’on fait dans Z/nZ, soit en remarquant que c’est un problème d’interpolation. Si l’on
note (L1 , L2 ) = (X + 1, −X) la famille des polynômes interpolateurs de Lagrange associés à (0,1), alors :

R2 → R[A]

φ :
−1
(x, y) 7→ xL1 (A) + yL2 (A) = xI2 + (x − y)A.

On peut donc expliciter grâce à φ les équations polynomiales dans R2 à résoudre. Si M = P (A) ∈ R[A] alors :

P (0)2 − 2P (0) = 0,

M 2 − 2M = A ⇐⇒ φ(M )2 − 2φ(M ) = φ(A) ⇐⇒
P (1)2 − 2P (1) = −1.

Ce sont les deux équations vérifiées par a et b dans la première méthode de résolution du corrigé : tiens donc,
il s’agit des valeurs de a et b dans ladite méthode ! Ce lien entre (P (0), P (1)) et les valeurs propres de M
est-il explicable ? (Évidemment. Cela apparaît au début de l’heuristique de l’exercice 73.)
On résout ces équations polynomiales et trouve : P (0) ∈ {0,2}, et : P (1) = 1. En prenant l’image par φ−1 ,
on obtient les solutions :
φ−1 (0,1) = −A, et : φ−1 (2,1) = 2I2 + A.

86
MP⋆ 2024/2025 Chapitre V – Corrigés

On retrouve bien les solutions trouvées par les méthodes au programme. L’intérêt de cette exposition est
qu’elle explique ce qu’il se passe (autrement que par les méthodes ci-dessus qui ne se justifient que « parce
qu’elles marchent en pratique ») et qu’elle se généralise significativement.

Tout ce développement peut motiver autrement les endomorphismes cycliques : ils permettent de se ramener
à des problèmes exclusivement polynomiaux et de ne plus avoir d’algèbre linéaire.

Compléments. Approfondissements.
— Caractériser de manière très simple les matrices cycliques d’ordre 2, pour constater qu’il y en a « beau-
coup ».
— Démontrer par des calculs élémentaires (par rapport à ceux de l’exercice 42 : nul besoin d’introduire une
base cyclique) que si A est d’ordre 2 et distinct d’une matrice d’homothétie, alors : K[A] = Vect(I2 , A).
— En analysant la seconde démonstration, se convaincre que si l’on suit la première démonstration, on peut
toujours simplifier les matrices P DP −1 obtenues en fin de résolution sans calculer P −1 ni le produit
P DP −1 , mais en reconnaissant ingénieusement une combinaison linéaire de A et de I2 . Comment trouver
le « bon » multiple de la matrice identité à faire apparaître ?
— Généraliser : si P est un polynôme non constant et A une matrice d’ordre 2 qui n’est pas une matrice
d’homothétie, comment peut-on majorer le nombre de solutions de l’équation P (M ) = A d’inconnue
M ∈ M2 (R) ? À comparer avec l’exercice 87.
— Vérifier tout ce que j’affirme dans le commentaire ci-dessus.
— Et si A est cyclique mais pas diagonalisable, à quoi est isomorphe R[A] ? (Proposer un anneau bien
connu.) Qu’est-ce qui cela implique sur les équations auxquelles se 
ramène votre équation matricielle ?
1 1
En vérifier les implications pratiques en tentant de résoudre M 2 = d’inconnue M ∈ M2 (R).
0 1

Exercice 86. (A) Déterminer les matrices A ∈ M3 (R) telles que : tr(A) = 0, et : A2 − A⊤ = I3 .

Corrigé 86. Soit A ∈ M3 (R) telle que tr(A) = 0 et A2 − A⊤ = I3 . Alors on a aussi, en élevant au carré cette
dernière égalité :
(A2 − A⊤ )2 = I23 , c’est-à-dire : A4 − 2A2 · A⊤ + (A⊤ )2 = I3 .
Le fait que A2 et A⊤ commutent ne va pas de soi : il découle de l’équation vérifiée par A : la transposée de A est
un polynôme en A.

Simplifions cette égalité, de sorte à ne plus avoir de transposée. On écrit d’une part que A⊤ = A2 − I3 , pour
simplifier la première transposée. Pour la seconde, on note que l’égalité A2 − A⊤ = I3 implique, après avoir transposé
les trois matrices en jeu : (A⊤ )2 − A = I⊤ 3 = I3 . En injectant ces deux égalités, vérifiées par A
⊤
et (A⊤ )2 , dans
l’égalité ci-dessus, on obtient :
A4 − 2A2 (A2 − I3 ) + A + I3 = I3 ,
c’est-à-dire : −A4 + 2A2 + A = 0M3 (R) . On en déduit (quitte à multiplier cette égalité par −1) que X 4 − 2X 2 − X
est un polynôme annulateur de A.

Voyons ce qu’on peut en déduire : demandons-nous quelles sont les racines de X 4 − 2X 2 − X, afin de déterminer
s’il est scindé, à racines simples, etc. On a X 4 −2X 2 −X = X(X 3 −2X −1), et une racine « évidente » de X 3 −2X −1
est −1. Grâce à une division euclidienne, on peut donc factoriser complètement ce polynôme :

X 4 − 2X 2 − X = X(X + 1)(X 2 − X − 1) = X(X + 1)(X − φ1 )(X − φ2 ),

√ √
où l’on a posé : φ1 = 2 ,
1+ 5
φ2 = 1− 5
2 (notation qui fait allusion au fameux nombre d’or).

On en déduit d’une part que si A existe, alors A est annulé par un polynôme scindé et à racines simples, donc est
diagonalisable d’après le critère polynomial de diagonalisation, et d’autre part que ses valeurs propres sont parmi
les racines de X 4 − 2X 2 − X, c’est-à-dire : SpR (A) ⊆ {0, −1, φ1 , φ2 }.

Voyons comment en déduire que A n’existe pas : nous n’avons pas encore utilisé le fait que A soit d’ordre 3, ni
que la trace de A soit nulle. Le fait que A soit d’ordre 3 implique que A admet exactement trois valeurs propres (avec
multiplicités), que nous notons α, β et γ, et qui sont chacune égales à l’une des quatre valeurs réelles répertoriées
ci-dessus. Comme la trace de A est nulle, on a : α + β + γ = 0. Comme 0 et φ1 sont tous les deux positifs, et qu’une

87
 MP⋆ 2024/2025 Chapitre V – Corrigés

somme de réels positifs est nulle seulement si chaque terme est nul, l’égalité α + β + γ = 0 conduit à deux possibilités
uniquement :
— soit φ2 (qui est négatif) et −1 ne font pas partie des trois valeurs propres sommées, et dans ce cas l’égalité
α + β + γ = 0 n’est possible que si α = β = γ = 0, par l’argument qu’on vient d’évoquer ;
√
— soit φ2 fait partie des trois valeurs propres sommées ; on vérifie alors (en remarquant qu’il faut bien annuler 5
pour obtenir une somme nulle, et donc qu’une autre valeur propre soit égale à φ1 ) que l’égalité α + β + γ = 0
n’est vérifiée que si {α, β, γ} = {−1, φ1 , φ2 } ;
— soit −1 fait partie des trois valeurs propres sommées, et donc φ1 doit aussi en faire partie (parce qu’il faut
bien ajouter √une quantité positive si l’on veut que la trace donne 0), puis φ2 également (sinon on ne peut
pas annuler 5 pour que α + β + γ soit nul), et on se retrouve dans la même configuration que ci-dessus :
{α, β, γ} = {−1, φ1 , φ2 }.
Voyons pourquoi ces deux possibilités aboutissent à une contradiction :
— dans le premier cas, cela signifierait que A admet 0 pour unique valeur propre ; or A est diagonalisable d’après
ce qui précède, donc A ne peut être que la matrice nulle (argument classique  sur les matrices n’ayant qu’une
0 0 0


seule valeur propre ; écrire au besoin qu’on doit avoir P telle que : A = P 0 0 0 P −1 = 0M3 (R) ), mais
0 0 0
alors l’égalité supposée A2 − A⊤ = I3 entraînerait : 0M3 (R) = I3 , ce qui est absurde ;
−1 0 0
 

— dans le second cas, toujours parce que A est diagonalisable, elle serait semblable à  0 φ1 0 , et donc
0 0 φ2
1 0 0
 

A2 serait semblable à 0 (φ1 )2 0  ; on en déduirait que sa trace est égale à 1 + (φ1 )2 + (φ2 )2 = 4
0 0 (φ2 )2
(après simplifications). Prendre la trace dans l’égalité : A2 − A⊤ = I3 , donnerait donc : 4 − 0 = 3, c’est-à-dire
1 = 0 : absurde.
Conclusion. Nous avons démontré que l’existence d’une matrice A ∈ M3 (R) telle que tr(A) = 0 et A2 − A⊤ = I3
aboutit à une contradiction dans tous les cas. Il n’existe donc pas de telle matrice.

Résumé. Commentaires.

✓ Exercice 87. (A) Soient P ∈ K[X] un polynôme non nul et B ∈ Mn (K) une matrice ayant n valeurs propres
distinctes. Démontrer que l’équation P (M ) = B, d’inconnue M ∈ Mn (K), a un nombre fini de solutions, qu’on
majorera en fonction de n et deg(P ).

Corrigé 87. Aucun corrigé n’a été écrit. Je le ferai quand j’aurai le temps, ou sinon : avis aux volontaires !

Résumé. Commentaires.

⋆ Exercice 88. (Extraction de racines k es) Soit k un entier naturel non nul.
1. Soient p ∈ J1, nK, λ ∈ C∗ et N ∈ Mp (C) une matrice nilpotente. Démontrer qu’il existe A ∈ Mp (C) telle que :
λIp + N = Ak .
2. Démontrer que pour tout M ∈ GLn (C), il existe A ∈ Mn (C) tel que : M = Ak .
3. Donner un contre-exemple dans le cas où M n’est pas inversible.

 Heuristique. Au vu de la deuxième question, on comprend que l’objectif est d’extraire une racine k e
de M en la triangulant dans une base adaptée à des sous-espaces caractéristiques (les blocs diagonaux sont
alors de la forme λIp + N ) et en extrayant des racines k es des blocs diagonaux. C’est effectivement ainsi que
l’on aurait procédé, probablement, pour démontrer que toute matrice complexe diagonalisable admet une racine
k e (prendre les racines k es des coefficients diagonaux). Faute de mieux sans hypothèse de diagonalisation, on triangule.

Ceci étant dit, comment construire une racine k e de λIp + N ? Pour cela, on reprend une idée déjà apparue
en d’autres endroits (exercice 46 du chapitre iii, exercice 38 du chapitre iv), à savoir : le cas réel ou complexe
peut servir d’inspiration. Si l’on sait extraire des racines k es de nombres réels ou complexes, et qu’on sait l’écrire
à l’aide d’un polynôme ou d’un développement en série entière (ce sera vu au chapitre ix et c’est improprement
+∞
P xn
ce qu’on pourrait appelé un « polynôme de degré infini » : vous connaissez comme exemples exp : x 7→ n! et
n=0

88
MP⋆ 2024/2025 Chapitre V – Corrigés

+∞
x 7→ (1 − x)−1 = xn ), alors ce polynôme garde un sens quand on l’évalue en une matrice (pour le développement
P
n=0
en série il faut discuter du problème de convergence : c’est réglé si l’on prend une matrice nilpotente car la somme
devient à support fini) il est envisageable que ce polynôme de matrice vérifie les mêmes relations, en l’occurrence
donne une racine k e de matrice.
C’est ainsi que dans l’exercice 46 du chapitre iii, nous avons inversé 1A +n lorsque n est nilpotent, en conjecturant
d−1 +∞
que son inverse est (−n)k (avec d l’indice de nilpotence), en se basant sur l’observation que (1 + x)−1 =
P P k
x
k=0 k=0
dans R, et que la relation à l’origine de cette identité reste valable dans ton anneau (c’est un bête télescopage).

Comment peut-on extraire des racines k es dans R ou C, et surtout l’écrire à l’aide de polynômes ? C’est grâce au
développement limité suivant :
n−1
Q 1

+∞ k −i
1
X i=0
(1 + x) k = xn . (∗)
n=0
n!

Si λ = 1, alors une racine k e de Ip + N devrait être, en évaluant en N cette égalité (attention, l’écriture est impropre
et uniquement en guise d’heuristique !) :
n−1 n−1


1 1
Q
Q

+∞ k −i p
p−1 k −i
1
X i=0 (N =0) X i=0
A = (Ip + N ) k = Nn = N n. ( )
n=0
n! n=0
n!

Cette dernière expression a bien un sens (c’est un polynôme en N ), même si les étapes intermédiaires sont farfelues.

Il reste à vérifier que le polynôme A = P (N ) exhibé ci-dessus vérifie bien : Ak = Ip + N , comme attendu. Pour
cela, une piste serait de faire en sorte que (∗) ne fasse intervenir que des polynômes : eux, on sait qu’on peut les
évaluer en des matrices et préserver les relations, sans aucune contestation possible. Une façon d’avoir un polynôme
dans le membre de gauche est d’élever à la puissance k l’égalité. On obtient l’égalité équivalente :
 n−1 k  n−1 k
1 1
Q
Q

+∞ k −i +∞ k −i
X i=0
X i=0
1+x= xn  = P (x) +
 = P (x) + · · ·
xn  k
(†)
  

n=0
n!  
n=p
n!

où le dernier développement s’obtient par la formule du binôme de Newton. Il s’agit de justifier que les termes
apparaissant dans les points de suspension sont bien des polynômes.

Pour ne pas être embêté par l’irruption des séries entières (pas encore vues à ce stade de l’année, et qui posent
des problèmes de convergence), nous allons remplacer l’usage de (∗) par un développement limité.

Pour λ ̸= 1, il suffit de factoriser λIp + N par λ pour se ramener au cas précédent : ce n’est donc pas un vrai
problème. Le vrai enjeu est de rendre rigoureuse l’égalité P (N )k = Ip + N ci-dessus. ■

Corrigé 88.
1. Nous suivons la proposition de l’heuristique. Imitons (∗) et (†). Par le théorème de Taylor-Young, on sait qu’il
1
existe U ∈ Cn [X] tel que pour tout x au voisinage de 0, on ait : (1 + x) k = U (x) + o (xn ). Alors, pour tout
x→0
x au voisinage de 0, on a :
k k  
 X k
1 + x = U (x) + (x ) = (U (x)) +
n k
(U (x))k−i · o xni


o
x→0
i=1
i x→0

= (U (x))k + o (xn ) .
x→0

(Certains coefficients du polynôme U k peuvent être « absorbés » par le terme d’erreur o (xn ), mais c’est
x→0
sans importance en vue de ce qu’on veut démontrer.)
Posons alors : V = (1 + X) − U k ∈ C[X] (c’est le « petit o », dont on veut démontrer que c’est un polynôme
divisible par X n : ainsi on est assuré qu’il disparaîtra après évaluation en N ). On a d’après ce qui précède :
V (x) = o (xn ). Déduisons-en que X n divise V . Si V est le polynôme nul alors c’est évident. Sinon, en notant
x→0
d
ℓ la valuation de V et d son degré, on peut écrire : V = ak X k , avec (aℓ , . . . , ad ) ∈ Cd−ℓ+1 et aℓ ̸= 0.
P
k=ℓ

89
MP⋆ 2024/2025 Chapitre V – Corrigés

Comme : V (x) ∼ aℓ xℓ , et : V (x) = o (xn ), on a : xℓ = o (xn ). Ce n’est possible que si : ℓ ⩾ n, et donc

x→0 x→0 x→0
d d
V = Xn ak X k−n est bien divisible par X n . En posant : Q = ak X k−n ∈ C[X], on a :
P P
k=ℓ k=ℓ

1 + X = U k + V = U k + X n Q,

et donc : k n !
1 1 1 1
    
λ+X =λ 1+ X =λ U X + X Q X .
λ λ λ λ

La matrice λ1 N est bien entendu nilpotente comme N . On évalue donc l’égalité ci-dessus en N , dont on sait
qu’elle vérifie : N p = 0Mp (C) (comme toute matrice nilpotente de taille p). On obtient alors :
k n ! k
1 1 1 1
   
λIp + N = λ U N + N Q N = λU N .
λ λ λ λ

Soit ω ∈ C∗ une racine k e de λ (il en existe). Posons : A = ωU 1

. On a montré qu’on a : λIp + N = Ak ,


λN
ce qu’il fallait démontrer.
2. On ramène M ∈ GLn (C) au cas précédent en triangulant la matrice. On sait en effet que si λ1 , . . . , λr sont
les valeurs propres de M , et α1 , . . . , αr leurs ordres de multiplicité, alors il existe P ∈ GLn (C) et des matrices
N1 , . . . , Nr triangulaires supérieures strictes (et donc nilpotentes) telles que :

λ1 Iα1 + N1
 
0
M =P ..  −1
. P .


0 λr Iαr + Nr

Pour tout i ∈ J1, rK, soit Ai ∈ Mni (C) telle que : Aki = λi Iαi + Ni . Une telle matrice existe d’après la question
précédente ; en effet, les λi sont non nuls puisqu’une matrice inversible n’admet pas 0 pour valeur propre. On
a alors :
 k   k    k
A1 0 A1 0 A1 0
M =P .. P = P 
 −1 ..  P = P 
 −1   ..  −1 
. . . P  .
 
k
0 Ar 0 Ar 0 Ar

d’où l’existence d’une racine k e de M : ce qu’il fallait démontrer.

3. Il suffit de considérer une
matrice nilpotente : je reproduis ici le raisonnement de l’exercice 84, en le généralisant.
0 1 0


Notons M = 0 0 1. Raisonnons par l’absurde et supposons l’existence de A ∈ M3 (C) telle que : Ak = M .
0 0 0
Comme : M 3 = 0M3 (C) , on a : A3k = (Ak )3 = M 3 = 0M3 (C) , donc A est nilpotente et son indice de nilpotence
doit être inférieur ou égal à sa taille, c’est-à-dire 3. C’est-à-dire : A3 = 0M3 (K) . Or : M = Ak , donc l’égalité
précédente implique :
0 0 1
 

— si k = 2, l’égalité : M 2 = A4 = A3 × A = 0M3 (C) , ce qui est absurde car M 2 = 0 0 0 ̸= 0M3 (C) ;

0 0 0
— si k ⩾ 3, l’égalité : M = A × A
3 k−3
= 0M3 (C) , ce qui est encore plus contradictoire.
Nous avons une contradiction dans tous les cas : la matrice M n’admet donc pas de racine k e pour k ⩾ 2.

Résumé. Commentaires. Cet exercice illustre deux choses très importantes pour prendre du recul en
algèbre (surtout linéaire) :
— d’abord, que s’inspirer des fonctions réelles ou complexes, et surtout de leurs développements limités
(ou développements en série entière, comme on le dira à partir du chapitre ix), est une bonne idée ! on
l’avait déjà illustré au chapitre iii (exercice 46) et cette idée reviendra, au chapitre xi notamment ; la
façon (très grossièrement formulée) est que si l’on écrit les identités vérifiées par les fonctions usuelles
à l’aide de leurs développements limités ou en série entière, ces identités ne font intervenir que des
polynômes ; hors une identité polynomiale est en générale universelle et se transporte dans d’autres
anneaux (surtout si les coefficients sont entiers ; sinon, il faut faire attention, notamment dans Z/pZ où
l’on ne peut pas diviser par p) ;

90
 MP⋆ 2024/2025 Chapitre V – Corrigés

— que l’existence de solutions pour une équation de la forme f = g k d’inconnue g ∈ L(E) et K = C, ne

pose aucun problème lorsque f est inversible : seul le cas non inversible mérite discussion.
Détaillons ce dernier point. Si l’on veut résoudre f = g k d’inconnue g ∈ L(E), avec f non inversible, on
commence à la résoudre en se plaçant sur les sous-espaces caractéristiques comme on le fait implicitement
dans cette résolution. Si l’on se restreint aux sous-espaces caractéristiques associés à des valeurs propres non
nulles, alors le raisonnement de cet exercice assure qu’il existe bien des solutions. Tout le monde se résume
donc à étudier f = g k sur le sous-espace caractéristique associé à la valeur propre 0 (qui est non trivial si f
n’est pas inversible).
En résumé, si f n’est pas inversible : toute la question de savoir s’il y a ou non des solutions à f = g k , se
ramène à la question de savoir s’il y en a toujours quand on se restreint à ker(f m ) (où m est l’ordre de
multiplicité de la valeur propre 0). C’est la raison pour laquelle, chaque fois qu’on contredit l’existence de
solutions à une telle équation, on se ramène d’abord à un sous-espace stable de la forme ker(f m ) : observer
ce que l’on fait dans les exercices 34, 83 et 84 en particulier.

On peut démontrer plus généralement que f = g k n’admet pas de solution si et seulement si ker(f ) ̸= ker(f 2 ) :
exercice (les résolutions des exercices nos 34 et 83 vous donneront des idées si vous n’y parvenez pas).

Compléments. Approfondissements.
— Étudier dans des cas particuliers si cet exercice est commode pour fabriquer une racine k e en pratique.
— Reprendre l’exercice en remplaçant C par R, Q ou Z/pZ (lorsque M est inversible).
— On remarque qu’une racine k e de λIn + N est un polynôme en N . Est-ce le cas de toutes ses racines
k es ?
— Pour mettre en pratique les observations du commentaire ci-dessus, traiter les exercices nos 34 et 83.
— Généraliser en notant que si f ∈ L(E) vérifie ker(f 2 ) ̸= ker(f ), alors f n’admet pas de racine carrée (ni
de racine k e pour tout k ⩾ 2). À comparer avec la résolution des exercices cités ci-dessus.
+∞
— Reprendre l’exercice 46 du chapitre iii, où l’on s’inspire de l’identité (1 + x)−1 = (−1)n xn pour
P
n=0
produire l’inverse de 1A + n lorsque n est nilpotent. Pourquoi le passage de l’heuristique à l’argument
formel est-il beaucoup plus facile dans cet exercice-là que dans celui du corrigé ci-dessus ?
— Après avoir vu le chapitre sur les séries entières (chapitre ix), essayer de traiter la première question
sans passer par un développement limité, et notamment en évitant d’être contrarié par la gestion du
termes d’erreur.

Exercice 89. (A) Supposons que K est infini. Soit A ∈ M3 (K) une matrice nilpotente de rang 1. Démontrer que
l’équation : M 2 = A, d’inconnue M ∈ M3 (K), admet une infinité de solutions.

Corrigé 89. Aucun corrigé n’a été écrit. Je le ferai quand j’aurai le temps, ou sinon : avis aux volontaires !

Résumé. Commentaires.

⋆ Exercice 90. (A) Soient A et B deux matrices de Mn (R) diagonalisables, telles que : A3 = B 3 . Démontrer : A = B,
et donner un contre-exemple au résultat de cet exercice lorsque A et B ne sont pas diagonalisables.

 Heuristique. Comme A et B sont diagonalisables, on peut écrire, avec P et Q inversibles :

   
λ1 0 µ1 0
A=P ..  −1
B = Q ..  −1
. P , . Q ,
 

0 λn 0 µn

et donc l’égalité A3 = B 3 implique :

 3   3 
λ1 0 µ1 0
..  −1
= Q ..  −1
P . P . Q
 

0 λ3n 0 µ3n

91
MP⋆ 2024/2025 Chapitre V – Corrigés

Dans l’idéal, on aimerait avoir P = Q. Si tel était le cas, en effet, on aurait facilement :
 3   3 
λ1 0 µ1 0
.. = ..
. . ,
   

3 3
0 λn 0 µn

et donc : ∀i ∈ J1, nK, λ3i = µ3i . Par injectivité sur R de x 7→ x3 , on en déduirait : ∀i ∈ J1, nK, λi = µi , et donc les
expressions de A et B ci-dessus démontreraient l’égalité.

Cependant, affirmer qu’on peut prendre P = Q revient à dire que A et B sont codiagonalisables : d’après
le cours, c’est vrai si et seulement si ces deux matrices sont diagonalisables et commutent. Or l’énoncé permet
seulement d’affirmer que A commute avec B 3 (car B 3 est un polynôme en A), et donc avec tout polynôme en
B 3 . Pour poursuivre, il faudrait que B soit un polynôme en B 3 . Quitte à raisonner avec la réduction de B ci-
dessus (de telles relations entre matrices se conservent par relation de similitude, on s’en convainc aisément, par
principe de conjugaison si l’on veut être pédant, ou parce que les relations polynomiales
 entre
 les endomorphismes
µ1 0
associés ne dépendent pas d’un choix de base), cela revient à démontrer que  ..  est un polynôme en
.
 

0 µn
 3 
µ1 0
.. , ce qui revient à démontrer l’existence de P ∈ R[X] tel que P (µ3i ) = µi : c’est l’interpolation de
.
 

0 µ3n
Lagrange qui permet la construction de tels polynômes et qui va motiver la résolution ci-dessous. ■
0 1 0
 

Corrigé 90. Commençons par donner un contre-exemple dans le cas non diagonalisable : prendre A = 0 0 1
0 0 0
et B = 0M3 (R) . On a : A3 = B 3 = 0M3 (R) , et pourtant A et B sont distincts (si on veut un contre-exemple d’ordre n, il
suffit de compléter ces deux matrices avec que des zéros). On peut maintenant se concentrer sur le cœur de l’exercice.

Démonstration avec les matrices. Comme B 3 est un polynôme en A par hypothèse de l’énoncé, les matrices

k
A et B 3 commutent. Une récurrence facile permet d’en déduire que A et B 3 commutent pour tout k ∈ N, et
donc que A commute avec tout polynôme en B 3 par linéarité.

Démontrons donc que B est un polynôme en B 3 . Comme les µ3 , quand µ parcourt le spectre de B, sont tous
distincts (par injectivité sur R de x 7→ x3 ), par interpolation de Lagrange il existe Q ∈ R[X] tel que :

∀µ ∈ SpR (B), Q(µ3 ) = µ.

 
µ1 0
Or B est diagonalisable par hypothèse de l’énoncé, donc il existe P1 ∈ GLn (R) diagonalisable et D =  ..
.
 

0 µn
diagonale telle que : B = P1 DP1−1 , et de plus les µi sont les valeurs propres de B. Comme B 3k = P1 D3k P1−1 pour
tout k ∈ N, par linéarité on a aussi : Q(B 3 ) = P1 Q(D3 )P1−1 . Alors :

Q(µ31 )
 3     
µ1 0 0 µ1 0
Q(B 3 ) = P1 Q(D3 )P1−1 = P1 Q  ..  −1 (∗)
 P1 = P1  ..  −1
 P1 = P 1  ..  −1
. . .  P1
  

0 µ3n 0 Q(µ3n ) 0 µn
= B.

Pour justifier (∗), il suffit de constater que c’est vrai lorsqu’on remplace Q par un monôme, et donc par linéarité
c’est vrai aussi pour Q.

Mission accomplie : B est un polynôme en B 3 donc B commute avec A. On en déduit que A et B sont diagonali-
sables avec la même matrice de passage : nous l’avons démontré dans le cours, mais dans un souci d’auto-suffisance
nous le redémontrons. Soient fA et fB les endomorphismes de Mn,1 (R) canoniquement associés à A et B respecti-
vement. Comme fA et fB commutent, les sous-espaces propres de fA sont stables par fB : soit donc λ une valeur
propre de A. Comme ker(A − λIn ) est stable par fB et que fB est diagonalisable par hypothèse, l’endomorphisme
induit par fB sur ker(A − λIn ) est diagonalisable aussi, donc il existe une base Bλ de ker(A − λIn ) constituée de
vecteurs propres de fB , qui sont aussi des vecteurs propres de fA par définition même de ker(A − λIn ). Ceci vaut
pour tout λ ∈ SpR (A).

92
MP⋆ 2024/2025 Chapitre V – Corrigés

Comme fA est diagonalisable, on a : Mn,1 (R) = ker(A − λIn ), donc B = Bλ est une base de
L S
λ∈SpR (A) λ∈SpR (A)
Mn,1 (R) constituée de vecteurs propres de fA et fB simultanément. En appliquant la formule de changement de
base à fA et fB , entre la base canonique et la base B, on a donc :
   
λ1 0 µ1 0
A = P2  ..  −1
 P2 , et : B = P2  ..  −1
(†)
. .  P2 ,
 

0 λn 0 µn
où P2 est la matrice de passage de la base canonique dans B et λ1 , . . . , λn , µ1 , . . . , µn des valeurs propres de A et B
respectivement.

On peut conclure : comme A3 = B 3 , on a aussi : P2−1 A3 P2 = P2−1 B 3 P2 , c’est-à-dire :

 3   3 
λ1 0 µ1 0
.. = ..
. . ,
   

3 3
0 λn 0 µn

et donc : ∀i ∈ J1, nK, λ3i = µ3i . Par injectivité sur R de x 7→ x3 , on en déduit : ∀i ∈ J1, nK, λi = µi , ce qui conclut
avec (†) :    
λ1 0 µ1 0
A = P2  ..  −1
 P2 = P2  ..  −1
 P2 = B,
. .
 

0 λn 0 µn
d’où le résultat.

Démonstration avec les endomorphismes. Soient fA et fB les endomorphismes de Mn,1 (R) canoniquement
associés à A et B respectivement. Nous allons démontrer que fA est égal à fB en démontrant que l’égalité est vraie
sur chaque sous-espace propre de B. Soit λ ∈ SpR (B). Comme fA3 = fB3 est un polynôme en fB , les endomorphismes
fA3 et fB commutent, donc ker(A3 − λ3 In ) est stable par fB . Or fB est diagonalisable, donc l’endomorphisme induit
par fB sur ker(A3 − λ3 In ) reste diagonalisable. Nous allons démontrer que c’est une homothétie de rapport λ (ce
serait conforme à l’idée que fA et fB sont égaux). Pour cela, il suffit de démontrer qu’il n’admet qu’une seule valeur
propre. Soient µ une valeur propre de l’endomorphisme induit par fB sur ker(A3 − λ3 In ) et X ∈ ker(A3 − λ3 In )
un vecteur propre associé. On a, d’une part par hypothèse de l’énoncé et d’autre part par définition d’un vecteur
propre :
fB3 (X) = fA3 (X) = λ3 X, et : fB3 (X) = µ3 X,
donc : λ3 X = µ3 X, et comme X ̸= 0Mn,1 (R (c’est un vecteur propre) on en déduit : λ3 = µ3 . Par injectivité sur R
de x 7→ x3 , on a : µ = λ. Ainsi λ est l’unique valeur propre de l’endomorphisme induit par fB sur ker(A3 − λ3 In ),
et comme il est diagonalisable son polynôme minimal est X − λ (critère polynomial de diagonalisation) : c’est donc
une homothétie de rapport λ.

Or c’est aussi le cas de l’endomorphisme induit par fA sur ker(A3 − λ3 In ) (par le même
Lraisonnement !) : ainsi
fA et fB coïncident sur ker(A3 − λ3 In ) pour tout λ ∈ SpR (A) et donc sur Mn,1 (R) = ker(A3 − λ3 In ) (la
λ∈SpR (A)
matrice A3 est diagonalisable et son spectre est exactement λ3 | λ ∈ SpR (A) , comme on le voit par exemple en


élevant une relation du type A = P DP −1 : on peut s’en sortir sans recourir aux matrices évidemment, sinon cette
deuxième démonstration aurait un intérêt moindre) : d’où le résultat, fA est égal à fB et donc A égale B.

Résumé. Commentaires. Remarquez que cette façon de faire dispense de codiagonaliser, ce qui est une
petite économie (rappelons que la codiagonalisation est hors programme et qu’il faut la redémontrer chaque
fois qu’on en fait l’usage).

Compléments. Approfondissements.
— Démonstration avec les endomorphismes : tout porte à penser que ker(A − λIn ) = ker(A3 − λ3 In ).
Pourriez-vous le démontrer, si possible de manière élémentaire ? Peut-on le généraliser ? Et si A n’est
pas diagonalisable ? Des exercices de ce document peuvent vous aider si vous séchez.
— Vérifier ce que j’affirme sans détailler, à savoir que les valeurs propres de A3 sont exactement les valeurs
propres de A à la puissance 3. Si vous avez réussi l’item précédent, c’en est conséquence, mais on peut
le démontrer de manière directe avec le caractère diagonalisable de A.

93
MP⋆ 2024/2025 Chapitre V – Corrigés

— Se convaincre que les deux démonstrations (matricielle et géométrique) sont au fond les mêmes, mais
rédigées différemment. Pour cela : comprendre quel est le rapport entre le fait de regarder les restrictions
de fB sur les sous-espaces propres de fA , et les polynômes interpolateurs de Lagrange : où sont « cachés »
ces polynômes dans la seconde démonstration ? La réponse est dans votre cours et dans Méthodes.

94