libre devoir

Realisé par ARJADAL Slima LAFSSAFES Ghizlane

CHAOUKI Imane
January 2026

Devoir libre : Module Algèbre pour la statistique

Problème
Soient α, β ∈ R et A ∈ Mm,n (R). On considère la matrice
 
αIm A
Mα,β = .
AT βIn

1)
1.1
On a Mα,β ∈ Mm+n (R) et
T
(αIm )T (AT )T
    
T αIm A αIm A
Mα,β = = = = Mα,β .
AT βIn (A)T (βIn )T AT βIn

Donc Mα,β est réelle symétrique, donc diagonalisable.

1.2
Soit A ∈ Mm,n (R) de rang r.
On a
(AAT )T = AAT et (AT A)T = AT A,
donc AAT et AT A sont symétriques et ont les mêmes valeurs propres non nulles.
De plus,
rg(A) = rg(AAT ) = rg(AT A) = r,
donc AAT et AT A ont exactement r valeurs propres non nulles.
D’autre part, pour tout x ∈ Rn , on a :

xT AT Ax = (Ax)T (Ax) = ⟨Ax, Ax⟩ = ∥Ax∥2 ≥ 0.

Donc AT A est positive (semi-définie positive).

1
 Donc les valeurs propres non nulles de AT A sont strictement positives, et
donc AT A et AAT ont les mêmes r valeurs propres non nulles.

2) Supposons que r = rg(A) < min(m, n).

2.1) Si α = 0 et β = 0 alors α et β sont des valeurs propres de Mα,β .
Si α ̸= 0, cherchons un vecteur non nul xy qui vérifie :

   
x x
Mα,β =α .
y y

On a :       
x αIm A x αx + Ay
Mα,β = = .
y AT βIn y AT x + βy
Et comme A ∈ Mm,n (R) et AT ∈ Mn,m (R), on doit avoir

x ∈ Rm et y ∈ Rn .

D’autre part :    
x x
Mα,β −α = 0Rm+n ,
y y
donc : (
αx + Ay − αx = 0Rm
AT x + βy − αy = 0Rn
ce qui donne : (
Ay = 0Rm
AT x + (β − α)y = 0Rn
Pour l’équation Ay = 0Rm , on prend y = 0Rn .
Alors l’équation AT x + (β − α)y = 0Rn devient :

AT x = 0Rn ,

c’est-à-dire :
x ∈ ker(AT ).
Or comme rg(AT ) = r < min(m, n), on a

dim ker(AT ) = m − rg(AT ) = m − r > 0.

Donc ker(AT ) est non vide.

Donc il existe un vecteur x ∈ Rm non nul tel que AT x = 0.
Finalement le vecteur  
x
0Rn
est un vecteur propre de Mα,β associé à la valeur propre α.

2
 C’est-à-dire α est une valeur propre de Mα,β .
x


Si β ̸= 0, cherchons un vecteur non nul y tel que
   
x x
Mα,β =β .
y y

On a :
        
x x αIm A x βx
Mα,β =β ⇐⇒ = .
y y AT βIn y βy

Donc :    
αx + Ay βx
= .
AT x + βy βy
Donc il faut que :
x ∈ Rm et y ∈ Rn .
D’autre part l’équation

AT x + βIn y = βy

donne :
AT x = 0Rn .
Donc il suffit de prendre
x = 0Rm .
Et l’équation
αIm x + Ay = βx
devient alors :
Ay = 0Rm .
Donc :
y ∈ ker(A).
Et comme rg(A) = r < min(m, n), alors

dim ker(A) = n − rg(A) = n − r > 0.

Donc ker(A) est non vide.

Donc il existe un vecteur y ∈ Rn non nul vérifiant Ay = 0Rm .
Ainsi, on a trouvé un vecteur non nul de Rm+n qui vérifie :
   
0Rm 0Rm
Mα,β =β .
y y

Donc β est une valeur propre de Mα,β . 2.2) On a

χMα,β (λ) = det Mα,β − λIm+n .

3
 Et
     
αIm A λIm 0 (α − λ)Im A
Mα,β − λIm+n = − = .
AT βIn 0 λIn AT (β − λ)In

Si λ = α ou λ = β, alors χMα,β (λ) = 0, donc la formule est satisfaite.

Supposons maintenant que λ ̸= α et λ ̸= β. On a donc les matrices (α−λ)Im
et (β − λ)In inversibles.
On a le complément de Schur associé à (β − λ)In :
1 1
F = (β − λ)In − AT Im A = (β − λ)In − AT A.
α−λ α−λ
Donc :
1
χMα,β (λ) = |(α − λ)Im | · (β − λ)In − AT A .
α−λ
Ainsi :
1
χMα,β (λ) = (α − λ)m (β − λ)In − AT A .
α−λ
En factorisant :
1  
χMα,β (λ) = (α − λ)m (α − λ)(β − λ)In − AT A .
α−λ
Donc :
 n
1
χMα,β (λ) = (α − λ)m (α − λ)(β − λ)In − AT A .
α−λ

Autrement dit :

χMα,β (λ) = (α − λ)m−n (α − λ)(β − λ)In − AT A .

Comme la matrice AT A admet exactement r valeurs propres non nulles

notées µ1 , µ2 , . . . , µr et les autres sont nulles (au nombre de n − r), on peut
écrire :
 
m 1 T
χMα,β (λ) = (α − λ) (β − λ) In − A A .
(α − λ)(β − λ)
Donc :
1
χMα,β (λ) = (α − λ)m (β − λ)n In − AT A .
(α − λ)(β − λ)

On a le déterminant :
  
1 µ1 µ2
In − AT A = 1− 1− ···
(β − λ)(α − λ) (β − λ)(α − λ) (β − λ)(α − λ)

4
     
µr 0 0
··· 1 − 1− ··· 1 − ,
(β − λ)(α − λ) (β − λ)(α − λ) (β − λ)(α − λ)

(avec n − r termes correspondant aux valeurs propres nulles).

Donc :
r  
1 Y µi
In − AT A = 1− .
(β − λ)(α − λ) i=1
(β − λ)(α − λ)

Or :
r
Y
r   ((β − λ)(α − λ) − µi )
Y µi i=1
1− = .
i=1
(β − λ)(α − λ) (β − λ)r (α − λ)r

Donc :
r
Y
(µi − (β − λ)(α − λ))
1 i=1
In − AT A = (−1)r .
(β − λ)(α − λ) (β − λ)r (α − λ)r

Ainsi :
r
Y
(µi − (β − λ)(α − λ))
m n r i=1
χMα,β (λ) = (α − λ) (β − λ) (−1) .
(β − λ)r (α − λ)r

Donc :
r
Y
χMα,β (λ) = (−1)r (α − λ)m−r (β − λ)n−r (µi − (β − λ)(α − λ)) .
i=1

On peut aussi écrire :

χMα,β (λ) = (−1)r (α − λ)m−r (β − λ)n−r χDr (α − λ)(β − λ) ,

avec  
µ1 0 ··· 0
 .. .. 
0 µ2 . . ∈ Mr (R).
Dr = 
.
 .. .. .. 
. . 0
0 ··· 0 µr
3) D’après le polynôme caractéristique de Mα,β :

la multiplicité algébrique de α est m − r

5
et
la multiplicité algébrique de β est n − r.
Et les autres valeurs propres non nulles sont les solutions de l’équation :

(α − λ)(β − λ) − µ = 0,

c’est-à-dire :
λ2 − (α + β)λ + αβ − µ = 0.
Et on a :
∆ = (α + β)2 − 4(αβ − µ)
= α2 + 2αβ + β 2 − 4αβ + 4µ
= α2 − 2αβ + β 2 + 4µ
= (α − β)2 + 4µ > 0.
Donc : p
α+β+ (α − β)2 + 4µ
λ= ,
2
ou bien p
α+β− (α − β)2 + 4µ
λ= .
2

4) On a Mα,β définie-positive si et seulement si toutes ses valeurs propres sont

strictement positives.
Donc : α > 0 et β > 0.
Et pour chaque valeur propre µ (valeur propre de AT A), il faut :
p p
α + β + (α − β)2 + 4µ α + β − (α − β)2 + 4µ
λ= > 0 et λ = > 0.
2 2
Donc :
p p
(α + β + (α − β)2 + 4µ) (α + β − (α − β)2 + 4µ) > 0.

Donc :
(α + β)2 − (α − β)2 + 4µ > 0.

Donc :
α2 + 2αβ + β 2 − α2 + 2αβ − β 2 − 4µ > 0.
Donc :
4αβ > 4µ.
Donc :
αβ > µ.

6
5) Diagonalisation de Mα,β et vecteurs propres
Puisque Mα,β est diagonalisable, il existe P ∈ GLm+n (R) telle que

Mα,β = P DP −1 ,

avec

D = diag α, . . . , α, β, . . . , β , λ+ , λ− , . . . , λ+ −


1 1 r , λr ∈ Mm+n (R).
| {z } | {z } | {z }
m−r fois n−r fois 2r fois

Déterminons maintenant les vecteurs propres de Mα,β . Soit v ∈ Rm+n tel

que  
x
v= , x ∈ Rm , y ∈ Rn .
y
On a :       
x αIm A x αx + Ay
Mα,β = = .
y AT βIn y AT x + βy

Cas de la valeur propre α. Soit x ∈ ker(AT ) avec x ̸= 0. Alors AT x = 0,

et donc :        
x αx + A0 αx x
Mα,β = = =α .
0 AT x + β0 0 0
 
x
Ainsi, tout vecteur de la forme avec x ∈ ker(AT ) est un vecteur propre
0
associé à α.

Pour β. Soit y ∈ ker(A), donc

Ay = 0Rm .

Alors
          
0Rm αIm A 0Rm α0Rm + Ay 0Rm 0Rm
Mα,β = = = =β .
y AT βIn y AT 0Rm + βy βy y

Donc  
0Rm
vβ = est un vecteur propre associé à β.
y

Construction des vecteurs propres associés à une valeur

propre λ ̸= α, β
Soit ui ∈ Rm un vecteur propre de AAT associé à µi , c’est-à-dire

AAT ui = µi ui .

7
On pose alors
xi = ui .
 
x
V = ∈ Rm+n \ {0} tel que Mα,β V = λV,
y
c’est-à-dire     
αIm A x x
=λ .
AT βIn y y
On obtient le système (
αx + Ay = λx,
AT x + βy = λy.
De la deuxième équation, on déduit

AT x + βy = λy ⇐⇒ AT x = (λ − β)y.

Si λ ̸= β, alors
1
y= AT x.
λ−β
Ainsi, en posant
1
yi = AT x i ,
λ−β
on a
λyi = AT xi + βyi .
Donc        
xi αxi + Ayi λxi xi
Mα,β = = = λ .
yi AT xi + βyi λyi yi

Matrice de passage
La matrice de passage P peut être choisie sous la forme
 
P = Vα,1 , . . . , Vα,m−r , Vβ,1 , . . . , Vβ,n−r , Vλ1 , . . . , Vλ2r ,

avec  
xi
Vα,i = , xi ∈ ker(AT ),
0Rn
et  
0Rm
Vβ,i = , yi ∈ ker(A).
yi
 
ui
Vλi =  .
 
1 T
A ui
λi − β

8
Application :  
1 0 −1 0
A = 0 1 1 −1 .
1 1 0 −1
On a : A ∈ M3,4 (R) et AT ∈ M4,3 (R).
Donc AAT ∈ M3,3 (R) et AT A ∈ M4,4 (R).
On va travailler sur AAT ∈ M3,3 (R).
Donc il faut écrire
A = U ΣV T
avec :
• U ∈ M3,3 (R) : la matrice des vecteurs propres normalisés de AAT ,
√
• ensuite la matrice Σ ∈ M3,4 (R) sur la diagonale σi = µi et complétée
par des zéros,
• enfin V ∈ M4,4 (R) définie par :

1 T
AT ui = σi vi =⇒ vi = A ui
σi
pour les valeurs propres non nulles, et les autres vecteurs de V doivent
former une base orthonormée de ker(A).

On a :
 
  1 0 1  
1 0 −1 0  2 −1 1
0 1 1
AAT = 0 1 1 −1 
−1
 = −1 3 2 .
1 0
1 1 0 −1 1 2 3
0 −1 −1

Et on a :
2−λ −1 1
χAAT (λ) = det(AAT − λI3 ) = −1 3−λ 2 .
1 2 3−λ

3−λ 2 −1 2 −1 3−λ
= (2 − λ) + + .
2 3−λ 1 3−λ 1 2

= (2 − λ) (3 − λ)2 − 4 − 3 + λ − 2 − 2 − 3 + λ.

= (2 − λ) 9 − 6λ + λ2 − 4 + 2λ − 10.

= (2 − λ)(λ2 − 6λ + 5) + 2λ − 10.

9
 = (2 − λ)(λ − 5)(λ − 1) + 2(λ − 5).
On a :
χAAT (λ) = (λ − 5) [(2 − λ)(λ − 1) + 2]
= (λ − 5) 2λ − 2 − λ2 + λ + 2

= (λ − 5)(3λ − λ2 )
= −λ(λ − 5)(λ − 3).
Donc les valeurs propres de AAT sont :

λ1 = 5, λ2 = 3, λ3 = 0.

Donc :
√  √ 
λ1 √0 0 0 5 √0 0 0
Σ= 0 λ2 √0 0 =  0 3 0 0 .
0 0 λ3 0 0 0 0 0

Déterminons les vecteurs propres (matrice U ).

Pour λ1 = 5, on a :    
x 0
(AAT − 5I3 ) y  = 0 .
z 0
Donc :     
−3 −1 1 x 0
−1 −2 2  y  = 0 .
1 2 −2 z 0
Ce qui donne le système :

−3x − y + z = 0

−x − 2y + 2z = 0

x + 2y − 2z = 0


De la troisième équation :

x = −2y + 2z.

On remplace dans la première :

−3(−2y + 2z) − y + z = 0

6y − 6z − y + z = 0
5y − 5z = 0 =⇒ y = z.

10
 Donc :
x = −2y + 2y = 0.
Ainsi,      
x 0 0
y  = y  = y 1 .
z y 1
Donc  
0
Eλ1 = Vect 1 .
1
On normalise, et on obtient :
   
0 0
1 1
u1 = √ 1 = √ 1 .
02 + 1 2 + 1 2 1 2 1

Pour λ2 = 3
On a :    
x 0
T
(AA − 3I3 )  y  = 0 .

z 0
Donc :     
−1 −1 1 x 0
−1 0 2 y  = 0 .
1 2 0 z 0
Ce qui donne : 
−x − y + z = 0

−x + 2z = 0

x + 2y = 0


Donc : 
z = 1 x
( 
−x + 2z = 0 2
⇐⇒ 1
y = −z y = − x

2
Ainsi :  
1
   
x x
y  = − 1 x = x 
− 12  .

2
1
z 2x
1
2

Donc :  
1
 
2
 1 
Eλ2 = Vect − 2  = Vect −1 .
1 1
2

11
 On normalise, donc :
   
2 2
1 1
−1 = √ −1 .
u2 = p
22 + (−1)2 + 12 1 6 1

Pour λ3 = 0
On a :    
x 0
(AAT − 0 · I3 ) y  = 0 .
z 0
Donc :     
2 −1 1 x 0
−1 3 2 y  = 0 .
1 2 3 z 0
Ce qui donne : 
2x − y + z = 0

−x + 3y + 2z = 0

x + 2y + 3z = 0


En combinant, on obtient :
( (
2x + 2z = 0 x = −z
⇐⇒
y = −z y = −z

Ainsi :      
x x 1
y  =  x  = x  1  .
z −x −1
Donc :  
1
Eλ3 = Vect  1  .
−1
On normalise, donc :
  
1 1
1  1  = √1  1  .
u3 = p
12 + 12 + (−1)2 −1 3 −1

Ainsi, la matrice U est :

 2 1 
0 √ √

 1 6 3 
1 1 
U = √ −√ √  .

 2 6 3 
 1 1 1 
√ √ −√
2 6 3

12
Maintenant déterminons la matrice V :
Pour λ1 = 5, on a :
1 T
AT u1 = σ1 v1 =⇒ v1 = A u1 .
σ1
Donc :  
1 0 1  
0
1  0 1 1 1
v1 = √   √ 1 .
5 −1 1 0 2
1
0 −1 −1
Ainsi :
1
 
√
    210 

1
√
 
1  2   10

v1 = √  = .
 
10  1   √1 
−2  10 
 
 2 
−√
10

Pour λ2 = 3, on a :
1 T
AT u2 = σ2 v2 =⇒ v2 = A u2 .
σ2
Donc :  
1 0 1  
2
1  0 1 1 1  

v2 = √  √ −1 .
3 −1 1 0 6
1
0 −1 −1
Ainsi :
1
 
√ 
3  2 
0 
 
1  0 

v2 = √  =  .
3 2 −3  − √1 

0  2
0

Les vecteurs v3 et v4 forment une base orthonormée de ker(A).

Donc si v ∈ ker(A) alors Av = 0.
Donc :  
 x
  
1 0 −1 0   0
y
0 1 1 −1 
z 
 = 0 .
1 1 0 −1 0
t

13
 Ce qui donne : 
x − z = 0

y+z−t=0

x+y−t=0


Donc : ( (
x=z x=z
⇐⇒
y+z−t=0 t=y+z
Ainsi :
           
x x x 0 1 0
y   y   0  y  0 1
 =
 z   x  = x + 0 = x 1 + y 0 .
        

t y+x x y 1 1

Donc :
w1 = (1, 0, 1, 1)T et w2 = (0, 1, 0, 1)T
forment une base de ker(A).
Donc :  
0
w2 1 1
v3 = =√  .
∥w2 ∥ 2 0

1
Et
w1 − ⟨w1 , v3 ⟩v3
v4 = .
∥w1 − ⟨w1 , v3 ⟩v3 ∥
On a :    
1 0
0 1 1
1 ,
w1 =   v3 = √  .
2 0

1 1
Donc :  
0

1 1 1
⟨w1 , v3 ⟩ = 1 0 1 1 ·√  
 =√ .
2 0  2
1
Ainsi :
     
1 0 1
0 1 1 1 − 1 
1 − √2 · √2 0 =  1  .
w1 − ⟨w1 , v3 ⟩v3 =      2
1
1 1 2

14
 Sa norme vaut :
  2
1 2  2
− 1 

 2  = 12 + − 1 + 1 2
+
1 1 1 5
=1+ +1+ = .
 1  2 2 4 4 2
1
2

Donc :   
1 r 1
1  1 2 − 1 
− 2 =  2 .
v4 = q 
5  1  5 1 
2 1 1
2 2

Donc :  1 2 1 2 
√ √ √ −√
 10 10 10 10 
 1 1 
√ 0 −√ 0 
VT 2 2
 
= .
 1 1 
 0 √ 0 √ 
 2 2 
1q 1q2
q q 
2 2 2
5 − 5 5
2 2 5

Diagonalisation de M7,3
On définit :  
7I3 A
M7,3 = ∈ M7 (R).
AT 3I4

Valeurs propres :
On sait que si µ est une valeur propre non nulle de AT A, alors Mα,β a deux
valeurs propres : p
α + β ± (α − β)2 + 4µ
λ(µ) = .
2
Avec α = 7 et β = 3.
Les valeurs propres non nulles de AT A sont µ1 = 5 et µ2 = 3.
Pour µ = 5 : √
10 ± 16 + 20 10 ± 6
λ= = ,
2 2
donc :
λ=8 ou λ = 2.
Pour µ = 3 : √ √
10 ± 16 + 12 10 ± 28
λ= = ,
2 2
donc : √ √
λ=5+ 7 ou λ=5− 7.

15
6) Et comme rg(A) = 2 :

α = 7 apparaı̂t avec multiplicité m − r = 3 − 2 = 1,

β = 3 apparaı̂t avec multiplicité n − r = 4 − 2 = 2.
Donc : √ √
Sp(M7,3 ) = { 8, 2, 5 + 7, 5 − 7, 7, 3, 3 }.
Donc M7,3 est définie positive car toutes ses valeurs propres sont strictement
positives

Exercice 1
 
x
y 
1) On a v =  z  ∈ ker(A) donc Av = 0R 4 .


t
C’est-à-dire :     
2 0 1 0 x 0
3 2 0 1 y  0
   =  .
1 −1 0 1  z  0
0 3 −1 0 t 0
Donc : 

 2x + z = 0

3x + 2y + t = 0


 x−y+t=0
3y − z = 0


De 2x + z = 0 on obtient :
z = −2x.
Et de 3y − z = 0 on obtient :

z = 3y.

Donc :
3
−2x = 3y =⇒ x = − y.
2
Ensuite, l’équation x − y + t = 0 donne :

t = −x + y.

Donc :  
3 5
t = − − y + y = y.
2 2

16
 Ainsi :    3   3
x −2y −2
y   y 
 = y 1 .
 
 =
 z   3y   3 
5 5
t 2y 2
Donc :   3 

 −2 

1
   
ker(A) = y   : y ∈ R .
 

 3 

 5 
2

On peut multiplier le vecteur par 2 pour enlever les fractions :

     

 −3 
 −3
2  2 
   
ker(A) = y   6  : y ∈ R = Vect  6  .
  

 
5 5
 

Donc ker(A) est engendré par un seul vecteur, donc :

dim ker(A) = 1.

Et donc, par le théorème du rang :

dim(Im(A)) = 4 − 1 = 3.

Determination de Im(A)
On a :
dim(Im(A)) = 3.
Donc il suffit de prendre 3 vecteurs de A linéairement indépendants comme base
de Im(A).
Par exemple :
     
2 0 1
3 2 0
u1 = 
1 ,
 u2 = 1 ,
 u3 =  0 .


0 0 −1

Soient α, β, γ ∈ R.
 
0
0
αu1 + βu2 + γu3 = 
0


0
donne :

17
 

2α + γ = 0

3α + 2β = 0


α+β =0
−γ = 0


Donc :

γ = 0, 2α = 0 ⇒ α = 0, α + β = 0 ⇒ β = 0.

Ainsi :
α = β = γ = 0.
Donc les vecteurs u1 , u2 , u3 sont bien linéairement indépendants.
Par conséquent :
     
2 0 1
3 2  0 
Im(A) = Vect  1 , 1 ,  0  .
     

0 0 −1

Determination de (Im(A))⊥
On a :
(Im(A))⊥ = ker(AT ).
Et on a :  
2 3 1 0
T
0 2 −1 3
A = .
1 0 0 −1
0 1 1 0
 
x
y  4
 z  ∈ R tel que :
On cherche v =  

AT v = 0 R 4 .

Donc :     
2 3 1 0 x 0
0
 2 −1 3  y  = 0 .
   
1 0 0 −1  z  0
0 1 1 0 t 0
Ce qui donne : 

 2x + 3y + z = 0

2y − z + 3t = 0


 x−t=0
y+z =0


18
 De y + z = 0, on a :
z = −y.
De x − t = 0, on a :
t = x.
L’équation 2y − z + 3t = 0 devient :

2y − (−y) + 3x = 0 =⇒ 3y + 3x = 0 =⇒ y = −x.

Donc :
z = −y = x, t = x.
Ainsi :      
x x 1
y  −x −1
  =   = x .
z   x  1
t x 1
Donc :
     

 1 
 1
−1 −1
   
(Im(A))⊥ = x 
  
 : x ∈ R = Vect   .
 1   1 
 
1 1
 

2) Déterminons tous les vecteurs v ∈ ker(A) tels que :

min ∥v − u∥ = 1.
u∈Im(A)

Dans R4 , on a la décomposition :

R4 = Im(A) ⊕ ker(AT ).

Donc la distance de v à Im(A) vaut la norme de sa projection sur ker(AT ).

Si  
−3
2
w = (1, −1, 1, 1)T et v = t v0 avec v0 = 
 6 ,


5
alors :

|⟨v, w⟩| |v0 · w|
d v, Im(A) = = |t| .
∥w∥ ∥w∥
Or :
v0 · w = −3 · 1 + 2 · (−1) + 6 · 1 + 5 · 1 = 6.
Et : p
∥w∥ = 12 + (−1)2 + 12 + 12 = 2.

19
 Donc :

6
d v, Im(A) = |t| = 3|t|.
2
Or :

d v, Im(A) = min ∥v − u∥.
u∈Im(A)

Donc :
1 1
3|t| = 1 =⇒ t= ou t = − .
3 3
Ainsi :    
−3 −3
1 2 1 2
v=   ou v=−  .
3  6 3  6
5 5
3) On a :

2−λ 0 1 0
3 2−λ 0 1
χA (λ) = det(A − λI4 ) = .
1 −1 −λ 1
0 3 −1 −λ

2−λ 0 1 3 2−λ 1
= (2 − λ) −1 −λ 1 + 1 · 1 −1 1 .
3 −1 −λ 0 3 −λ

   
−λ 1 −1 −λ −1 1 2−λ 1
= (2 − λ) (2 − λ) + + 3 − .
−1 −λ 3 −1 3 −λ 3 −λ

= (2 − λ) (2 − λ)(λ2 + 1) + 1 + 3λ + 3(λ − 3) − −λ(2 − λ) − 3 .

  


= (2 − λ) 2λ2 + 2 − λ3 − λ + 1 + 3λ + [3λ − 9 + λ(2 − λ) + 3] .

 

= (2 − λ) −λ3 + 2λ2 + 2λ + 3 + −λ2 + 5λ − 6 .

   

= (2 − λ)(−λ3 + 2λ2 + 2λ + 3) − λ2 + 5λ − 6.

= −2λ3 + 4λ2 + 4λ + 6 + λ4 − 2λ3 − 2λ2 − 3λ − λ2 + 5λ − 6.

= λ4 − 4λ3 + λ2 + 6λ.

= λ λ3 − 4λ2 + λ + 6 .

20
 = λ(λ − 2)(λ2 − 2λ − 3) = λ(λ − 2)(λ − 3)(λ + 1).
Donc :  
P = p1 p2 p3 p4 et D = diag(−1, 0, 2, 3).
Donc :
A = P DP −1 .

Exercice 2
Soient α, β ∈ R et A ∈ Mn (R), on considère la matrice
 
A αIn
Mα,β = .
βIn A

1) Supposons que αβ > 0 (donc α ̸= 0 et β ̸= 0)

On a Mα,β ∈ M2n (R), donc

Mα,β − λI2n ∈ M2n (R).

Soit la matrice  
0n In
N= ∈ M2n (R).
In 0n
Alors :
  
0n In A − λIn αIn
N (Mα,β − λI2n ) = .
In 0n βIn A − λIn

Donc :  
βIn A − λIn
N (Mα,β − λI2n ) = .
A − λIn αIn
Et on a :


det N (Mα,β − λI2n ) = det(N ) det(Mα,β − λI2n ).

Or :
 
βIn A − λIn
= det(βIn ) det αIn − (A − λIn )(βIn )−1 (A − λIn ) .


det
A − λIn αIn

Donc :  
1
= β n det αIn − (A − λIn )2 .
β
p p

= (A − λIn ) + αβ In (−1) (A − λIn ) − αβ In

p p

= A − (λ − αβ)In (−1) A − (λ + αβ)In

21
  p   p 
= (−1)n χA λ − αβ χA λ + αβ .

D’autre part :
 
det(N ) det(Mα,β − λI2n ) = det N (Mα,β − λI2n ) .

Or    
0n In In 0n
N= , N2 = = I2n .
In 0n 0n In
Donc :
det(N ) = (−1)n det(I2n ) = (−1)n .
Donc :
p p
(−1)n det(I2n ) χMα,β (λ) = (−1)n χA (λ − αβ) χA (λ + αβ).

Ainsi : p p
χMα,β (λ) = χA (λ − αβ) χA (λ + αβ).
D’où :
p p
χMα,β (λ) = χA (λ − αβ) χA (λ + αβ) .

22