Faculté des Sciences Année : 2019-2020

et Techniques - Marrakech
LST - MIPC

Corrigé TD Diagonalisation (partie 2)

Exercice 1 : Soit  
2 0 4
A =  3 −4 12  ∈ M3 (IR).
1 −2 5
1. Quelles sont les valeurs propres de A ?
2. Trouver une base de vecteurs propres.
3. Ecrire la matrice de passage et calculer son inverse.
4. Calculer An .
5. Calculer A(A − I3 )(A − 2I3 ).

Corrigé de l’exercice 1 :
1. Le polynôme caractéristique de A est :

2−X 0 4 2 − X 2(2 − X) 4
PA (X) = 3 −4 − X 12 = 3 2−X 12
1 −2 5−X 1 0 5−X

Le passage du premier déterminant au deuxième est obtenu en remplaçant la colonne

C2 par C2 + 2C1 .

2−X 2 4 −4 − X 0 −20
PA (X) = (2 − X) 3 1 12 = (2 − X) 3 1 12
1 0 5−X 1 0 5−X
Le passage du premier déterminant au deuxième est obtenu en remplaçant la ligne L1
par L1 − 2L2 .

−4 − X −20
PA (X) = (2 − X) = X(X − 1)(2 − X)
1 5−X
Les valeurs propres de la matrice A sont 0, 1 et 2, elles sont toutes simples. D’après le
corrolaire du cours, la matrice A est diagonalisable sur IR.

2. Cherchons les sous espaces propres Eλ=0 , Eλ=1 et Eλ=2 .

Eλ=0 ? on résoud le système linéaire AX = 0 avec
 
x
X=  y 
z

1
 
 x + 2z = 0
3
3x − 4y + 12z = 0 ⇒ x = −2z et y = z
 2
x − 2y + 5z = 0
Donc Eλ=1 = Vect(v1 = (−4, 3, 2)).
Eλ=1 ? on résoud le système linéaire AX = X

 x + 4z = 0
3x − 5y + 12z = 0 ⇒ x = −4z et y = 0

x − 2y + 4z = 0
Donc Eλ=1 = Vect(v2 = (−4, 0, 1)).
Eλ=2 ? on résoud le système linéaire AX = 2X

 4z = 0
3x − 6y + 12z = 0 ⇒ x = 2y et z = 0

x − 2y + 3z = 0
Donc Eλ=2 = Vect(v3 = (2, 1, 0)).
En conclusion, on a B = (v1 , v2 , v3 ) est une base de vecteurs propres de la matrices A.

3. La matrice de passage de la base canonique de IR3 à la base (v1 , v2 , v3 ) est :

   
−4 −4 2 − 21 1 −2
  
P = 3 0 1  d’inverse P −1 =  1 −2 5 
2 1 0 3 −2 6
2
Les colonnes C1 , C2 et C3 de la matrice P sont constituées respectivement des cor-
données des vecteurs v1 , v2 et v3

4. On a :  
0 0 0
P −1 AP = D =  0 1 0 
0 0 2
Donc A = P DP −1 et on a :
An = (P DP −1 )n = P Dn P −1 ;
Dn est facile à calculer, il suffit de prendre les éléments de la diagonale à la puissance
n, on a :  
0 0 0
Dn =  0 1 0 .
0 0 2n
En effectuant les produits P Dn P −1 , on obtient :
 
(3.2n − 4) (8 − 2n+2 ) 3.2n+2 − 20)
An =  3.2n−1 −2n+1 3.2n+1 
1 −2 5

2
5. En effectuant le produit A(A − I3 )(A − 2I3 ), on obtient :
A(A − I3 )(A − 2I3 ) = OM3 (IR) .
Exercice 2 : Calculer en fonction de n les nombres un et vn définis pour n ≥ 1 par
les relations de récurrence :
{
un = un−1 − vn−1
vn = 2un−1 + 4vn−1
avec u0 et v0 donnés.

Corrigé de l’exercice 2 :
L’écriture matricielle de notre système d’équations (appelées équations récurrentes) est:
( ) ( )( )
un 1 −1 un−1
(S) =
vn 2 4 vn−1
Si on pose : ( ) ( )
1 −1 un
A= et Xn = ∀n ≥ 0
2 4 vn
( )
u0
avec X0 = , alors le système (S) s’écrit :
v0
Xn = AXn−1 , ∀n ≥ 1
qu’on peut écrire :
Xn = AXn−1
Xn−1 = AXn−2
.. ..
. = .
X1 = X0 .
On en déduit donc que :
Xn = AXn−1 = A2 Xn−2 = ... = An−1 X1 = An X0 .
Pour calculer An on va étudier la diagonalisation de la matrice A.
On a :
1−X −1
PA (X) = = X 2 − 5X + 3 = (X − 2)(X − 3).
2 4−X
La matrice A possède deux v.p. distinctes (λ = 2 et λ = 3), donc elle est diagonalisable
sur IR.
Allons-y, diagonalisons la matrice A :
Cherchons les sous espaces propres Eλ=2 et Eλ=3 .
Eλ=2 ? on résoud le système linéaire AX = 2X avec
( )
x
X=
y

3
 {
x−y = 2x
⇒ x = −y
2x + 4y = 2y
Donc Eλ=2 = Vect(v1 = (1, −1)).
Eλ=3 ? on résoud le système linéaire AX = 3X.
{
x−y = 3x
⇒ y = −2x
2x + 4y = 3y

Donc Eλ=3 = Vect(v2 = (1, −2)).

En conclusion, on a B = (v1 , v2 ) est une base de vecteurs propres de la matrices A.

3. La matrice de passage de la base canonique de IR2 à la base (v1 , v2 ) est :

( ) ( )
1 1 −1 2 1
P = d’inverse P =
−1 −2 −1 −1

Les colonnes C1 et C2 de la matrice P sont constituées respectivement des cordonnées

des vecteurs v1 et v2 .

4. On a : ( )
−1 2 0
P AP = D =
0 3
Donc A = P DP −1 et on a :

An = (P DP −1 )n = P Dn P −1

avec ( )
n 2n 0
D = .
0 3n
En effectuant les produits P Dn P −1 , on obtient :
( )
n (2n+1 − 3n ) (2n − 3n )
A =
(2.3n − 2n+1 ) (2.3n − 2n )

Finalement, puisque Xn = An X0 , on a :
( ) ( )( ) ( )
un (2n+1 − 3n ) (2n − 3n ) u0 (2n+1 − 3n )u0 + (2n − 3n )v0
= =
vn (2.3n − 2n+1 ) (2.3n − 2n ) v0 (2.3n − 2n+1 )u0 + (2.3n − 2n )v0

Donc {
un = (2n+1 − 3n )u0 + (2n − 3n )v0
vn = (2.3n − 2n+1 )u0 + (2.3n − 2n )v0
Exercice 3 : Soit A ∈ Mn (IR).
1. Montrer que si λ est une v.p. complexe de A, alors λ est aussi une v.p. de A, de
même ordre de multiplicité.

4
 2. Montrer que si v est un −
→
v .p. associé à la v.p. λ, alors v est un −
→
v .p. associé à la
v.p. λ.

3. Diagonaliser la matrice  
0 −2 0
A =  1 0 −1 
0 2 0

4. Calculer Ak , pour tout entier naturel k.

Corrigé de l’exercice 3 :

1. Si λ ∈ C est v.p. de la matrice A de multiplicité égale à p, p ∈ IN∗ , alors λ est

une racine du polynôme caractéristique PA (X) ∈ IR[X] de multiplicité égale à p.
D’après les résultats sur les polynômes, on a λ est aussi une racine du polynôme
caractéristique PA (X) ∈ IR[X] de multiplicité égale à p. Donc λ est une v.p. de la
matrice A de multiplicité égale à p.

2. Soi tv un −
→
v .p. associé à la v.p. λ, on a :

Av = λv.

En prennant le conjugué de cette égalité et puisque A ∈ Mn (IR), on a :

Av = Av = λv.

L’égalité Av = λv implique que v est un −

→
v .p. associé à la v.p. λ.

3. Le polynôme caractéristique de A est :

−X −2 0 −X −2 0
PA (X) = 1 −X −1 = 0 −X −1
0 2 −X −X 2 −X

Le passage du premier déterminant au deuxième est obtenu en remplaçant la

colonne C1 par C1 + C3 .

1 −2 0 1 −2 0
= −X 0 −X −1 = −X 0 −X −1
1 2 −X 0 4 −X
On a remplacé la ligne L3 par L3 − L1 .

−X −1
= −X = −X(X 2 + 4) = −X(X − 2i)(X + 2i)
4 −X

5
 Les valeurs propres de la matrice A dans C sont 0, -2i et 2i, elles sont toutes sim-
ples. D’après le corrolaire du cours, la matrice A est diagonalisable sur C.

Cherchons les sous espaces propres Eλ=0 , Eλ=2i et Eλ=−2i .

Eλ=0 ? on résoud le système linéaire AX = 0 avec
 
x
X=  y 
z
{
−2y = 0
⇒ y = 0 et x = z
x−z = 0
Donc Eλ=0 = Vect(v1 = (1, 0, 1)).
Eλ=2i ? on résoud le système linéaire AX = 2iX

 −2y = 2ix
x − z = 2iy ⇒ x = −z et y = iz

2y = 2iz
Donc Eλ=2i = Vect(v2 = (−1, i, 1)).
Eλ=−2i ? d’après la question prćd́ente, on a Eλ=−2i = Vect(v3 = (−1, −i, 1)).
En conclusion, on a B = (v1 , v2 , v3 ) est une base de vecteurs propres de la matri-
ces A.

La matrice de passage de la base canonique de C3 à la base (v1 , v2 , v3 ) est :

   
1 −1 −1 2 0 2
1
P =  0 i −i  d’inverse P −1 =  −1 −2i 1 
4
1 1 1 −1 2i 1
Les colonnes C1 , C2 et C3 de la matrice P sont constituées respectivement des
cordonnées des vecteurs v1 , v2 et v3

On a :  
0 0 0
P −1 AP = D =  0 2i 0 
0 0 −2i
4. D’après la question précédente, on a A = P DP −1 , donc pour tout entier k ∈ IN∗ :
Ak = (P DP −1 )k = P Dk P −1 ;
Dk est facile à calculer, il suffit de prendre les éléments de la diagonale à la puis-
sance n, on a :  
0 0 0
Dk =  0 (2i)k 0 .
k
0 0 (−2i)

6
 En effectuant les produits P Dk P −1 , on obtient :
 
[(2i)k + (−2i)n ] [(2i)k+1 + (−2i)k+1 ] −[(2i)k + (−2i)k ]
1
Ak =  i[−(2i)k + (−2i)k ] i[−(2i)k+1 + (−2i)k+1 ] i[(2i)k − (−2i)k ] 
4
−[(2i)k + (−2i)k ] −[(2i)k+1 + (−2i)k+1 ] [(2i)k + (−2i)k ]

Exercice 4 : Soit  
0 1 1
A= 1 0 1 
1 1 0
En diagonalisant A, trouver une solution dans M3 (C) à l’équation X 2 = A.

Corrigé de l’exercice 4 :
Le polynôme caractéristique de A est :
−X 1 1 1 1 1
PA (X) = 1 −X 1 = (2 − X) 1 −X 1
1 1 −X 1 1 −X
Le passage du premier déterminant au deuxième est obtenu en remplaçant la colonne
C1 par C1 + C2 + C3 .

1 1 1
= (2 − X) 0 −(1 + X) 0 = (2 − X)(X + 1)2
0 0 −(1 + X)
On a retranché la ligne L1 des lignes L2 et L3 .
Les valeurs propres de la matrice A sont -1 double et 2 simple.

Cherchons les sous espaces propres Eλ=2 et Eλ=−1 .

Eλ=−1 ? on résoud le système linéaire AX = −X avec
 
x
X= y 
z

 x+y+z = 0
x + y + z = 0 ⇒ z = −x − y

x+y+z = 0
Donc Eλ=−1 = Vect(v1 = (1, 0, −1) ; v2 = (0, 1, −1)). On conclut dèja que la matrice A
est diagonalisable sur IR.
Eλ=2 ? on résoud le système linéaire AX = 2X

 −2x + y + z = 0
x − 2y + z = 0 ⇒ x = y = z.

x + y − 2z = 0

7
Donc Eλ=2 = Vect(v3 = (1, 1, 1)).

En conclusion, on a B = (v1 , v2 , v3 ) est une base de vecteurs propres de la matrices A.

La matrice de passage de la base canonique de IR3 à la base (v1 , v2 , v3 ) est :

   
1 0 1 2 −1 −1
1
P = 0 1 1  d’inverse P −1 =  −1 2 −1 
3
−1 −1 1 1 1 1
Les colonnes C1 , C2 et C3 de la matrice P sont constituées respectivement des cor-
données des vecteurs v1 , v2 et v3

On a :  
−1 0 0
P −1 AP = D =  0 −1 0 
0 0 2
Donc A = P DP −1 .
D’une part, on pose :  
i 0 0
Y =  0 i √0 
0 0 2
on a : D = Y 2 .
D’autre part, on écrit la matrice A comme :
A = P DP −1 = P Y 2 P −1 = (P Y )(Y P −1 )(P Y )P −1 P (Y P −1 )
= (P Y P −1 )(P Y P −1 ) = (P Y P −1 )2
Il suffit de prendre X = P Y P −1 comme solution de l’équation X 2 = A.

Exercice 5 : Soit A ∈ Mn (IK), IK = IR ou C. On suppose que le rang de la matrice A

est égal à 1.

1. Montrer que la trace de A est une v.p. de A.

2. En déduire que A est diagonalisable si, et seulement si, sa trace est non nulle.
Corrigé de l’exercice 5 :

1. Soit A ∈ Mn (IK), IK = IR ou C de rang égal à 1. Montrons que T r(A) est une

v.p. de A.
D’après le théorème noyau-image, on a :
rg(A) = rg(A − 0In ) = 1 =⇒ dim(Ker(A − 0In )) = n − 1.

8
 Or

dim(Eλ=0 ) = dim(Ker(A − 0In )) = n − 1 ≤ multiplicité de la v.p. 0

Donc 0 est une v.p. de A de multiplicité ≥ n−1. D’où, le polynôme caractéristique

de A qui est toujours de degré égal à n est de la forme :

PA (X) = X n−1 (aX + b) = X n + bX n−1 .

D’autre part, on sait d’après notre cours que

PA (X) = (−1)n X n + (−1)n−1 T r(A)X n−1 + ... + dét(A)

En comparant ces deux écritures, on obtient :

a = (−1)n et b = (−1)n−1 T r(A).

En remplaçant a et b dans PA (X), on obtient :

PA (X) = X n−1 ((−1)n X + (−1)n−1 T r(A)) = (−1)n X n−1 (X − T r(A)).

Donc T r(A) est une racine de PA (X) et par conséquent, c’est une v.p. de la matrice
A.

2. Montrons l’équivalence :

la matrice A est diagonalisable sur K ⇐⇒ la trace de A est non nulle.

Si A est diagonalisable sur IK alors, faisons un raisonnement par absurde pour

montrer que T r(A) ̸= 0.
Si T r(A) = 0 alors, 0 est une v.p de multiplicité égale à n. On doit avoir
dim(Ker(A)) = n (car A diagonalisable). Mai ceci implique rg(A) = 0 ce qui
est absurde car rg(A) = 1. Donc T r(A) ̸= 0.
Réciproquement, si T r(A) est une v.p. non nulle de la matrice A, alors 0 est une
v.p. de multiplicité égale à n − 1.
Puisque rg(A) = 1, on a d’après le théorème noyau-image dim(Ker(A)) = n − 1
= multiplicité de la v.p. 0. Donc la matrice A est diagonalisable sur IK.

Exercice 6 : Résoudre le système différentiel suivant :


 dx(t) = x(t) − y(t)
dt
 dy(t) = 2x(t) + 4y(t)
dt
dx(t) dy(t)
où x, y : IR → IR sont deux fonctions réelles et et sont leurs dérivées par
dt dt
rapport à la variable t.

9
Corrigé de l’exercice 6 :

L’écriture matricielle de notre système d’équations (appelées équations différentielles)

est:  
( ) dx(t) ( )( )
d x(t) 1 −1 x(t)
(S) =  dt  =
dt y(t) dy(t) 2 4 y(t)
dt
Si on pose : ( )
1 −1
A=
2 4
alors le système (S) s’écrit :
 
dx(t) ( )
 dt  = A x(t) ∀t ≥ 0
dy(t) y(t)
dt
qu’on peut résoudre en diagonalisant la matrice A.
La matrice A est dèja diagonalisée dans l’exercice 2 ci-dessus. On a montré que A =
P DP −1 avec
( ) ( ) ( )
1 1 −1 2 1 2 0
P = d’inverse P = et D =
−1 −2 −1 −1 0 3

Notre système s’écrit alors :

( ) ( ) ( )
d x(t) x(t) −1 x(t)
=A = P DP .
dt y(t) y(t) y(t)

En multipliant à gauche l’égalité ci-dessus par P −1 , on obtient :

( ) ( ) ( )
−1 d x(t) d −1 x(t) −1 x(t)
(∗) P = P = DP .
dt y(t) dt y(t) y(t)

On pose ( ) ( )
x̃(t) −1 x(t)
=P
ỹ(t) y(t)
L’égalité (∗) devient alors :
 
( ) dx̃(t) ( )( )
d x̃(t)  dt  2 0 x̃(t)
(∗∗) = = .
dt ỹ(t) dỹ(t) 0 3 ỹ(t)
dt
qu’on écrit aussi : 
 dx̃(t) = 2x̃(t)
dt
 dỹ(t) = 3ỹ(t)
dt
10
Le système obtenu est facile à résoudre (cours Analyse). En effet, on a :
{
x̃(t) = αe2t
ỹ(t) = βe3t

avec α, β ∈ IR.
On retourne à l’écriture matricielle, on a :
( ) ( ) ( 2t )
x̃(t) −1 x(t) αe
=P =
ỹ(t) y(t) βe3t

On effectue le produit, on obtient :

( ) ( ) ( 2t )
x(t) x̃(t) αe
=P =P
y(t) ỹ(t) βe3t

Donc ( ) ( )
x(t) αe2t + βe3t
=
y(t) −αe2t − 2βe3t
avec α, β ∈ IR.

11