Fiche d’entraînement – Réduction des endomorphismes et des matrices (ECG maths appliquées) : 9 exercices corrigés

↩ Chapitre : Réduction des endomorphismes et des matrices (ECG maths appliquées)

Fiche d’entraînement : 9 exercices corrigés pour s’exercer sur ce thème.
📘 Série de référence (12 exercices corrigés) : Matrices et algèbre linéaire

Introduction

La réduction des matrices et endomorphismes constitue une pierre angulaire des mathématiques en prépa ECG, permettant de simplifier la compréhension et l’utilisation des matrices et transformations linéaires. Cette fiche d’exercices est conçue pour aborder en profondeur tous les aspects de la réduction, allant de la diagonalisation des matrices et endomorphismes, à la recherche du spectre, en passant par la détermination de la dimension des sous-espaces propres et la résolution des équations matricielles. À travers ces exercices, vous serez armés pour maîtriser ces concepts essentiels et les appliquer avec assurance.

Exercice 1 · Diagonalisabilité en dimension 3 ★★★

Soit E=\mathbb{R}^3, f l’endomorphisme de E et A la matrice de f dans la base canonique de E. Dans chacun des cas suivants, déterminer si f est diagonalisable, en précisant une base de chacun de ses sous-espaces propres :

    \[A=\begin{pmatrix}3&-4&6\\-1&3&-3\\-1&4&-4\end{pmatrix},\qquad A=\begin{pmatrix}1&-1&0\\1&-2&1\\1&-4&2\end{pmatrix}.\]

Corrigé

Première matrice. \chi_A(\lambda)=(\lambda-2)(\lambda-1)(\lambda+1) : trois valeurs propres distinctes en dimension 3, f est diagonalisable. E_{-1}=\mathrm{Vect}\big((-2,1,2)\big), E_1=\mathrm{Vect}\big((-1,1,1)\big), E_2=\mathrm{Vect}\big((-2,1,1)\big).

Seconde matrice. \chi_A(\lambda)=(\lambda-1)(\lambda^2+1) : la seule valeur propre réelle est 1, avec E_1=\mathrm{Vect}\big((-1,0,1)\big), de dimension 1. La somme des sous-espaces propres est de dimension 1<3 : f n’est pas diagonalisable (sur \mathbb{R}).

Exercice 2 · Polynôme annulateur et puissances ★★★

Soit M=\begin{pmatrix}-1&0&1\\0&1&0\\-2&0&2\end{pmatrix}.

  1. Calculer M^2 et en déduire un polynôme annulateur de M.
  2. Déterminer les valeurs propres de M.
  3. Montrer que M est diagonalisable.
  4. Donner une matrice P inversible telle que P^{-1}MP soit diagonale.
  5. Que vaut M^n pour n\in\mathbb{N}^* ? Et si n\in\mathbb{Z}\setminus\mathbb{N} ?
Corrigé

1. On trouve M^2=M : X^2-X est annulateur. 2. \mathrm{Sp}(M)\subset\{0,1\}, et les deux sont valeurs propres car M\neq0 et M\neq I_3. 3. X(X-1) est scindé à racines simples et annule M : M est diagonalisable.

4. E_0=\mathrm{Vect}\big((1,0,1)\big) et E_1=\mathrm{Vect}\big((0,1,0),(1,0,2)\big) ; avec P=\begin{pmatrix}1&0&1\\0&1&0\\1&0&2\end{pmatrix}, P^{-1}MP=\operatorname{diag}(0,1,1). 5. M^n=M pour n\geqslant1. Pour n<0, M^n n’a pas de sens : M n’est pas inversible (0 est valeur propre).

Exercice 3 · Une matrice non diagonalisable ? ★★★

Soit M=\begin{pmatrix}1&2&2\\0&2&1\\0&-1&0\end{pmatrix}.

  1. Calculer M^2 en fonction de M et I_3. En déduire un polynôme annulateur de M.
  2. Déterminer les valeurs propres de M.
  3. Étudier si M est diagonalisable.
Corrigé

M^2=\begin{pmatrix}1&4&4\\0&3&2\\0&-2&-1\end{pmatrix}=2M-I_3, donc (X-1)^2 est annulateur. La seule valeur propre possible est 1, et c’en est bien une. Si M était diagonalisable, elle serait semblable à I_3, donc égale à I_3 : ce n’est pas le cas. M n’est pas diagonalisable.

Exercice 4 · Suite récurrente linéaire d’ordre 3 ★★★

Soit (u_n)_n la suite définie par u_n=n pour n\in[\![0;2]\!] et u_{n+3}=2u_{n+2}+u_{n+1}-2u_n pour n\in\mathbb{N}.

  1. On pose : U_n=\begin{pmatrix}u_{n+2}\\u_{n+1}\\u_n\end{pmatrix} pour n\in\mathbb{N}. Montrer qu’il existe une matrice M telle que, pour n\in\mathbb{N} : U_{n+1}=MU_n.
  2. Montrer que M est diagonalisable et qu’il existe trois matrices A, B et C telles que pour tout n\in\mathbb{N} : M^n=A+2^nB+(-1)^nC.
  3. En déduire l’existence de trois réels a, b et c tels que pour tout n\in\mathbb{N} : u_n=a+b\,2^n+c\,(-1)^n. Expliciter u_n en fonction de n.
Corrigé

1. M=\begin{pmatrix}2&1&-2\\1&0&0\\0&1&0\end{pmatrix} convient. 2. \chi_M(\lambda)=(\lambda-2)(\lambda-1)(\lambda+1) : trois valeurs propres distinctes, M=PDP^{-1} avec D=\operatorname{diag}(1,2,-1), et M^n=P\,\operatorname{diag}(1,2^n,(-1)^n)P^{-1}=A+2^nB+(-1)^nC avec A=P\operatorname{diag}(1,0,0)P^{-1}, etc.

3. U_n=M^nU_0 : la dernière coordonnée donne u_n=a+b\,2^n+c(-1)^n. Avec u_0=0, u_1=1, u_2=2 : a+b+c=0, a+2b-c=1, a+4b+c=2, d’où b=\frac23, a=-\frac12, c=-\frac16 : u_n=-\frac12+\frac23\,2^n-\frac16(-1)^n.

Exercice 5 · L’endomorphisme P(X) ↦ P(aX + b) ★★★

Soit a\in\mathbb{R}^*, b\in\mathbb{R} et u l’endomorphisme de E=\mathbb{R}_n[X] défini par : P(X)\mapsto P(aX+b).

  1. Déterminer le spectre de u.
  2. Justifier que si a\notin\{-1,1\}, l’endomorphisme u est diagonalisable.
  3. On suppose que a=1. Pour quelles valeurs de b l’endomorphisme u est-il diagonalisable ?
  4. On suppose que a=-1. Montrer que u est diagonalisable.
Corrigé

1. u(X^k)=(aX+b)^k=a^kX^k+(\text{termes de degré}<k) : la matrice de u dans la base canonique est triangulaire supérieure de diagonale (1,a,\dots,a^n), donc \mathrm{Sp}(u)=\{a^k,\ 0\leqslant k\leqslant n\}.

2. Si a\notin\{-1,0,1\}, les a^k sont deux à deux distincts : n+1 valeurs propres distinctes en dimension n+1, u est diagonalisable. 3. Si a=1 : \mathrm{Sp}(u)=\{1\} ; u est diagonalisable si et seulement si u=\mathrm{id}, c’est-à-dire b=0 (pour n\geqslant1). 4. Si a=-1 : u^2(P)=P\big(b-(b-X)\big)=P, donc X^2-1 (scindé à racines simples) annule u : u est diagonalisable.

Exercice 6 · La transposition ★★★

Soit u l’endomorphisme de E=\mathcal{M}_n(\mathbb{R}) défini par : \forall M\in E,\ u(M)=\,{}^t\!M.

  1. Donner un polynôme annulateur non nul de u.
  2. Déterminer le spectre de u.
  3. L’endomorphisme u est-il diagonalisable ?
Corrigé

u^2=\mathrm{id} : X^2-1 est annulateur. \mathrm{Sp}(u)\subset\{-1,1\} ; les matrices symétriques sont associées à 1, les antisymétriques non nulles (qui existent dès n\geqslant2) à -1. X^2-1 étant scindé à racines simples, u est diagonalisable : \mathcal{M}_n(\mathbb{R})=\mathcal{S}_n\oplus\mathcal{A}_n.

Exercice 7 · Un opérateur différentiel ★★★

On note u l’endomorphisme de \mathbb{R}_n[X] défini par : \forall P\in\mathbb{R}_n[X],\ u(P)=(X^2+1)P''+2XP'.

  1. Déterminer les éléments propres de u lorsque n=3.
  2. Déterminer le spectre de u. L’endomorphisme u est-il diagonalisable pour tout n\in\mathbb{N}^* ?
Corrigé

u(X^k)=k(k+1)X^k+k(k-1)X^{k-2} : la matrice de u est triangulaire de diagonale \big(k(k+1)\big)_{0\leqslant k\leqslant n}.

1. Pour n=3 : valeurs propres 0,2,6,12, de vecteurs propres respectifs 1, X, 3X^2+1 et 5X^3+3X (on cherche X^2+c et X^3+dX : 6c=2 et 12d=6+2d). Chaque sous-espace propre est une droite.

2. \mathrm{Sp}(u)=\{k(k+1),\ 0\leqslant k\leqslant n\} : n+1 valeurs deux à deux distinctes (la suite k(k+1) est strictement croissante), donc u est diagonalisable pour tout n.

Exercice 8 · Suites récurrentes couplées ★★★

Soient deux suites (u_n) et (v_n) définies par : u_n=3u_{n-1}+2v_{n-1}, v_n=u_{n-1}+2v_{n-1} et u_0=1, v_0=1. Calculer u_n et v_n en fonction de n.

Corrigé

Avec X_n=\begin{pmatrix}u_n\\v_n\end{pmatrix} et A=\begin{pmatrix}3&2\\1&2\end{pmatrix} : X_n=A^nX_0. A a pour valeurs propres 1 et 4, de vecteurs propres (1,-1) et (2,1). Comme X_0=\frac23\begin{pmatrix}2\\1\end{pmatrix}-\frac13\begin{pmatrix}1\\-1\end{pmatrix}, on obtient X_n=\frac23\,4^n\begin{pmatrix}2\\1\end{pmatrix}-\frac13\begin{pmatrix}1\\-1\end{pmatrix}, soit u_n=\frac{4^{n+1}-1}{3} et v_n=\frac{2\cdot4^n+1}{3}.

Exercice 9 · Trois suites couplées ★★★

On considère les suites (x_n), (y_n) et (z_n) de nombres réels définies par la donnée de trois réels x_0, y_0 et z_0 et les relations de récurrence :

    \[\begin{cases}x_n=x_{n-1}+4y_{n-1}+2z_{n-1}\\ y_n=-3y_{n-1}-2z_{n-1}\\ z_n=4y_{n-1}+3z_{n-1}\end{cases}\]

Pour tout n\in\mathbb{N}, on pose : X_n=\begin{pmatrix}x_n\\y_n\\z_n\end{pmatrix}. Déterminer les expressions de x_n, y_n et z_n en fonction de n et de x_0, y_0 et z_0.

Corrigé

X_n=AX_{n-1} avec A=\begin{pmatrix}1&4&2\\0&-3&-2\\0&4&3\end{pmatrix}, donc X_n=A^nX_0. \chi_A(\lambda)=(\lambda-1)^2(\lambda+1), E_1=\mathrm{Vect}\big((1,0,0),(0,-1,2)\big), E_{-1}=\mathrm{Vect}\big((1,-1,1)\big) : A est diagonalisable, de valeurs propres \pm1, donc A^2=I_3. Ainsi X_n=X_0 si n est pair et X_n=AX_0 si n est impair, soit :

    \[\begin{cases}x_n=x_0+\big(2-2(-1)^n\big)y_0+\big(1-(-1)^n\big)z_0\\ y_n=\big(2(-1)^n-1\big)y_0+\big((-1)^n-1\big)z_0\\ z_n=\big(2-2(-1)^n\big)y_0+\big(2-(-1)^n\big)z_0\end{cases}\]


Pour aller plus loin

Pr. Elakili, agrégé de mathématiques et professeur en classes préparatoires depuis 25 ans, accompagne aussi quelques étudiants vers les écoles de commerce, à Casablanca et à distance. En savoir plus

Publications similaires