R ÉDUCTION DES ENDOMORPHISMES 1

n
K désigne R ou C, E un K-espace vectoriel . D’où la stabilité de ∑ Fi .
i=1

1 Sous espaces stables par un endomorphisme Proposition 3

Définition 1 Si f ◦ g = g ◦ f alors ker g et Img sont stables par f .

Soit u ∈ L (E), un sous espace vectoriel F de E est dit stable par u

(ou u-stable) si
u(F) ⊂ F
Auquel cas, on définit un endomorphisme sur F en considérant Preuve x ∈ ker g, g( f (x)) = f (g(x)) = f (0) = 0.
Donc f (x) ∈ ker g.

F −→ F
uF :
x → u(x) y ∈ Img, il existe x ∈ E, g(x) = y, dans ce cas
f (y) = f (g(x)) = g( f (x)) ∈ Img.
appelé l’endomorphisme induit par u sur F.
Exercice 1
Proposition 1
H = ker ϕ un hyperplan de E.
Si F est un sous espace stable par deux endomorphismes f et g, alors Montrer H est stable par f si, et seulement si ∃α ∈ K, ϕ ◦ f = αϕ
F est stable par f ◦ g, par f + λ g et on a:
Proposition 4
( f ◦ g)F = fF ◦ gF , ( f + λ g)F = fF + λ gF

En particulier: ∀k ∈ N, F est stable par uk et on a: On suppose que E est de dimension finie et que E = F ⊕ G,
dim F = p, dim G = q soit β une base de E adaptée à cette
(uk )F = (uF )k décomposition.
Si M la matrice de u dans cette base alors:
F est stable
  par u si, et seulement si M s’écrit de la forme:
A B
Preuve Si F est stable par f et g, alors , où
0 C
A ∈ M p (K), C ∈ Mq (K).
f ◦ g(F) = f (g(F)) ⊂ f (F) ⊂ F Dans ce cas : det M = (det A) (detC).

D’où la stabilité de F par f ◦ g. De même

( f + λ g)(F) = f (F) + λ g(F) ⊂ F

D’où la stabilité de F par f + λ g.

Preuve Une telle base β s’ecrit β = (e1 , .., e p , .., en ) avec
Pour x ∈ F, nous avons:
F = vect(e1 , .., e p ).
f (gF (x)) = fF (gF (x)) = fF ◦ gF (x) et ( f + λ g)(x) = fF (x) + λ gF (x) F est stable par u si et seulement si ∀ j ∈ |[1, p]|, u(e j) ∈ vect(e1 , .., e p ),
ce que traduit exactement la forme de la matrice.
D’où:
( f ◦ g)F = fF ◦ gF , ( f + λ g)F = fF + λ gF Généralisation

Proposition 2 n
On suppose que E = ⊕ Ek , alors chaque Ek est stable par u si, et
k=1
1. Une intersection quelconque de sous espaces stables est un est seulement si M, la matrice deu dans une base β =∪βk ”adaptée” à
un sous espace stable. A1 0 . . . 0
 0 A2 . . . 0 
cette somme est de la forme:  . . .
 
2. Une somme finie de sous espaces stables est un sous espace sta-  .. ..
0 . .. 
ble.
0 0 . . . An
Dans ces conditions, si on note uk la restriction de u à Ek , alors Ak est
n

Preuve la matrice de uk dans βk et det M = ∏ det Ak .

1

1. (Fi )i∈I\une famille de sous espaces stables par u, posons

F = Fi . Nous avons pour tout i ∈ I, u(F) ⊂ u(Fi ) ⊂ Fi , par Exercice 2
i∈I
passage à l’intersection, on obtient : u(F) ⊂ F. D’où la stabilité p un projecteur de rang r d’un espace vectoriel E de dimension finie
de F. égale à n.
2. (Fi )i=1..n une famille finie de sous espaces stables. Nous avons: f ∈ L (E), montrer que f commute à p si, et seulement si Imp et ker p
sont stables par f .
!
n n n En déduire la dimension de l’espace vectoriel commutant de p:
u ∑ Fi = ∑ u(Fi ) ⊂ ∑ Fi
i=1 i=1 i=1 C (p) = { f ∈ L (E)/ f ◦ p = p ◦ f }
 R ÉDUCTION DES ENDOMORPHISMES 2

p
2 Valeurs propres, vecteurs propres 2. soit (x1 , ..., x p ) ∈ (Eλ1 (u) , ..., Eλ p (u) ) tel que ∑ xk = 0, en com-
k=1
p
posant par ui , on obtient ∑ λki xk = 0. Par combinaison linéaire,
2.1 Valeurs propres, vecteurs propres d’un endomorphisme k=1
p
on aura pour tout P ∈ K[X], ∑ P(λk )xk = 0. en particulier pour
Définition 2 k=1
le ième polynôme d’interpolation de Lagrange en les λi , P = Li =
Soient u un endomorphisme de E et λ un élément de K, λ est dite X −λj
valeur propre de u si ker(u − λ Id) n’est pas réduit au singleton {0},
∏ λi − λ j , on obtient xi = 0.
j6=i
et dans ce cas Eλ = ker(u − λ Id) s’appelle le sous espace propre
associé à la valeur propre λ et les éléments non nuls de ker(u − λ Id) 3. f et g commutent, il en sera de même pour g − λ IE et f , et d’où le
s’appellent les vecteurs propres de u associés à la valeur propre λ . résultat.

Proposition 5 Exemple 3

Si λ est une valeur propre de u ,alors ∀k ∈ N, λ k est une valeur propre Montrer que la famille des fonctions ( fλ ∈R∗+ ), fλ : x → cos(λ x)
de uk et on a Eλ (u) ⊂ Eλ k (uk ). forme une famille libre.

En effet les fλ sont des vecteurs propres de l’endomorphisme:

ϕ : f → f 00 de l’exemple 2 associés au valeurs propres −λ 2 respec-
Preuve Si x est non nul tel que u(x) = λ x, alors par récurrence
tivement. Elles formeront par conséquent une famille libre.
k k
u (x) = λ x. Le résultat en découle. De même, en utilisant cette fois-ci l’exemple 1 la famille de fonc-
tions (x → eλ x )λ ∈R est libre.

Exemple 1
2.2 Valeurs propres, vecteurs propres d’une matrice.
I un intervalle non trivial de R, soit ϕ : C∞ (I, C) → C∞ (I, C); f → f 0 .
Déterminer les valeurs et vecteurs propres de f . Définition 3
Soit λ ∈ C une valeur propre de ϕ, il existe f ∈ C1 (I, C) non nulle
telle que f 0 = λ f . Soient M ∈ Mn (K) et λ ∈ K.
f 0 = λ f ⇐⇒ ∃c ∈ C, ∀t ∈ R : f (t) = c exp(tλ ). λ est dite valeur propre de M s’il existe un vecteur colonne V non nul
Par conséquent Sp( f ) = C et pour tout λ ∈ C : de Mn,1 (K) tel que MV = λV .
Eλ (ϕ) = C fλ ; fλ : t → exp(tλ ). Un tel vecteur V est appelé vecteur propre de M pour la valeur propre
λ.
L’ensemble des valeurs propres éventuelles de M dans K s’appelle
Exemple 2 spectre de M dans K et se note SpK (M).

E = { f ∈ C∞ , f (2k) (0) = f (2k) (π) = 0} Déterminer les éléments pro- Remarque 1

pres de l’endomorphisme:
 ∞
C (R, R) −→ C∞ (R, R) si u est un endomorphisme associé à M dans n’importe quelle base
φ:
f → f 00 β de E alors les valeurs propres de M sont exactement les valeurs
propres de u et les vecteurs propres de M sont les vecteurs colonnes
Proposition 6 composantes des vecteurs propres de u dans β .

Remarque 2
1. Eλ (u) est un sous espace vectoriel de E stable par u, et les
droites stables sont exactements les droites portées par des Si K est un sous corps de L, alors SpK (M) ⊂ SpL (M)
vecteurs propres.

2. Si λ1 , ..., λ p sont des valeurs propres distincts de u, alors la

∑ Eλi est directe. 3 Polynôme caractéristique
De manière équivalente si e1 , .., e p sont des vecteurs propres as-
sociés à des valeurs propres distincts λ1 , ..., λ p . alors (e1 , ..., e p )
est libre. Théorème définition 1

3. Si f et g sont deux endomorphismes qui commutent alors tout Soit M ∈ Mn (K), si on pose:
sous espace propre de l’un est stable par l’autre. χM = det(XIn − M), alors χM est polynôme de degré n et on a

χM = X n − (trM)X n−1 + ... + (−1)n det M

Preuve

1. Eλ (u) = ker(u − λ IE ), est stable par u car u − λ IE commute à u.

 R ÉDUCTION DES ENDOMORPHISMES 3

Preuve Posons M = (ai j ) et XIn − M = B = (bi j ), on a u un endomorphisme non homothétie d’un K espace vectoriel de di-
mension 2, montrer qu’il existe une base β de E, tel la matrice de u
bi j = −ai j si i 6= j et bii = X − aii dans β soit de la forme:
 
0 − det u
det(XIn − M) = ε(σ )Πbσ (i)i M=
∑ 1 tr(u)
σ ∈Sn
= Πni=1 bii + ∑ ε(σ )Πbσ (i)i En déduire que deux matrices non scalaires sont semblables si, et
σ ∈Sn \{Id} seulement si elles ont le même polynôme caractéristique.
= Πni=1 (X − aii ) + ∑ ε(σ )Πbσ (i)i
σ ∈Sn \{Id} Corollaire 1
Si σ 6= Id, soit alors i0 tel que σ (i0 ) 6= i0 , posons j0 = σ (i0 ), on a aussi
Le spectre d’une matrice triangulaire ou diagonale est exactement
par injectivité de σ ; σ ( j0 ) 6= j0 , et donc Πni=1 bσ (i)i est un polynôme de
l’ensemble des éléments diagonaux de la matrice.
degré ≤ n − 2.
Πni=1 (X − aii ) est un polynôme de degré exactement n, son coefficient
n
dominant est 1, et le coefficient de X n−1 est − ∑ aii = − tr(M) et le
i=1 Preuve Le cas triangulaire généralise le cas diagonal. Soit M =
coefficient constant de χM est χM (0) = (−1)n det M.
(ai j ) une matrice triangulaire supérieure, la matrice XI − M est encore
n
Remarque 3 triangulaire supérieure, donc χM (X) = ∏(X − aii ), d’où le résultat:
i=1
2
En particulier pour n = 2, χM = X − tr(M)X + det M
Proposition 9

Exercice 3: Matrice compagnon Si A ∈ Mn (K), alors χA = χt A

n−1
Si P = X n + ∑ ak X k , on appelle matrice compagnon de P, la matrice
k=0 Preuve χt A = det(XIn −t A) = det(t (XIn −A)) = det(XIn −A) =
  χA
0 0 . . . 0 −a0
 . . .. 

 1 0 . . −a1 
 Théorème définition 2
C(P) = 
 . . . . .. .. 
0 . . . . 

 .. . . . .

 Soit E un espace vectoriel de dim n et u ∈ L (E).
 . . . 0 −an−2  Pour toute base β de E, det(M (u − XIn )) est indépendant de la base
0 . . . 0 1 −an−1 β choisie et s’appelle le polynôme caractéristique de u et se note χu .
Montrer que χC(P) = P
Remarque 4
Proposition 7

Si deux matrices sont semblables alors elles auront le même 1. Si λ ∈ K alors χu (λ ) = det(λ IE − u) et
polynôme caractéristique. λ valeur propre de u ssi χu (λ ) = 0

2. χu est un polynôme de degré égal à n et

Preuve Si B = P−1 AP, alors: χu = X n − truX n−1 + . . . + (−1)n det u

χB (X) = det(XIn −P−1 AP) = det(P−1 (XIn −A)P) = det(XIn −A) = χA (X)
Exemples 1
Proposition 8
1. Si p est un projecteur en dimension n, alors:
Le spectre de M dans K est exactement l’ensemble des racines dans
K de χM , et par conséquent SpK (M) est fini et son cardinal est plus χ p = (X − 1)q X n−q
petit que n.
avec q = rg(p).

2. Si f est un endomorphisme en dimension n de rang 1, alors:

Preuve λ ∈ K est une valeur propre de M si et seulement si
χ f = X n−1 (X − tr( f ))
ker(M − λ In ) 6= {0}, autrement dit la matrice M − λ In non inversible et
χm (λ ) = det(λ In − M) = 0. Proposition 10

Soient E un espace vectoriel de dimension finie et u ∈ L (E).

Exemple d’application 1
 R ÉDUCTION DES ENDOMORPHISMES 4

Si F est un sous espace vectoriel de E stable par u et alors:

Théorème 1
χuF /χu
u ∈ L (E), les psse:

1. u est diagonalisable.
Preuve Vient du fait que dans une base β = β1 ∪ β2 adaptée à M
2. χu est scindé et E = Eλ (u)
 
A B λ ∈Sp(u)
F, la matrice de u s’écrit: , où A = Mat β1 v.
0 C
3. χu est scindé et dim E = ∑ dim(Eλ (u))
λ ∈Sp(u)
Généralisation
p
Soit u ∈ L (E), on suppose que E = 4. χu est scindé et ∀λ ∈ Sp(u), d(λ ) = m(λ ).
M
Fk où les Fk sont des sous espace
k=1
vectoriels de E stables et non réduits à {oE } et on note vk = u/Fk alors:
p Preuve 1) =⇒ 2) Supposons que u est diagonalisable.
χu = ∏ χvk
k=1 Soit β uneM vecteur e ∈ β est vecteurM
base propre de u. ToutM propre de u
donc e ∈ Eλ (u) puis E ⊂ Eλ (u) et enfin E = Eλ (u).
λ ∈Sp(u) λ ∈Sp(u) λ ∈Sp(u)
Définition 4
2) c’est équivalente à 3) du fait que la somme est directe.
2) =⇒ 4)En calculant le polynôme caractéristique dans une base
u ∈ L (E) (resp M ∈ Mn (K)) soit λ une valeur propre de u (resp de p
p
(λi − X)dimEλi (u) , et par
M
M). adaptée à E = Eλi , on obtient χu = Πi=1
On appelle multiplicité de λ sa multiplicité comme étant une racine i=1
de χu (resp χM ). unicité de la multiplicité d(λ ) = m(λ ).
4) =⇒ 2) supposons que χu est scindé et ∀λ ∈ Sp(u), d(λ ) = m(λ ).
p p

Propriété 1 On a toujours n = deg χu = ∑ m(λi ) et donc n = ∑ dim Eλi .

i=1 i=1
2) =⇒ 1)Dans une base adaptée à cette décomposition la matrice est
Soit u ∈ L (E). Soit λ une valeur propre de u. Si on note diagonale.
d(λ ) = dim Eλ et m(λ ) la multiplicité de λ alors :

1 ≤ d(λ ) ≤ m(λ ) Preuve u diagonalisable, il existe P scindé à racines simples tel

que P(u) = 0, ce polynôme sera aussi annulateur de v, d’où la diagonal-
isabilité de v.
Preuve Eλ (u) est stable par u et la restriction v de u à Eλ (u) est
l’homothétie de rapport λ dont le polynôme caractéristique est χv (X) = Proposition 12
(X − λ )dimEλ (u) . La proposition précédente implique donc que
Si le polynôme caractéristique est scindé à racines simples (c’est à
d(λ ) ≤ m(λ ) dire que u admet n valeurs propres distinctes) alors u est diagonalis-
able et la dimension de chaque sous espace propre est égale à 1.
De plus Eλ (u) 6= {0}, donc 1 ≤ dimEλ (u).
Remarque 6
Remarque 5
Bien sur la condition de la proposition n’est pas nécessaire, en con-
Il en résulte que si λ est une valeur propre de u de multiplicité 1, alors
sidérant par exemple l’identité de E.
la dimension de l’espace propre associé est toujours égale à 1.

Définition 6: Matrices diagonalisables

4 Diagonalisation Soit M un élément de Mn (K).

On dit que M est diagonalisable si M est semblable à une matrice
Dans tout ce paragraphe E est un K espace vectoriel de dimension finie égale diagonale D, c’est-à dire s’il existe une matrice inversible P telle que
à n. M = PDP−1 . On dit alors que D est une réduite diagonale de M.
Définition 5
Remarque 7
Un endomorphisme u est dit diagonalisable s’il existe une base β de
E telle que Mβ u soit diagonale. Avec les notations ci-dessus, les coefficients de la diagonale de D
sont les valeurs propres de M, chacune figurant autant de fois que
Proposition 11 son ordre de multiplicité.

u est diagonalisable si et seulement si il admet une base de vecteurs Propriété 2

propres.
Soit M un élémnt de Mn (K).
M est diagonalisable si et seulement si tout endomorphisme u d’un
R ÉDUCTION DES ENDOMORPHISMES 5

K-espace vectoriel E de dimension n dont la matrice est M dans une système:

base β de E est diagonalisable, et en particulier l’endomorphisme de
3

Kn de matrice M dans la base canonique. 
x=− z
6x + 9z = 0


 
 2
(M − 2I)V = 0 ⇐⇒ −3x − 3y − 3z = 0 ⇐⇒ y = − 1 z
Remarque 8   2
−6x − 9z = 0
 

z=z

 
3
1. Soit M un élément de Mn (R). Il s’agit de la droite engendrée par  −1 
Si M est diagonalisable dans R alors M est diagonalisable dans −2
C, avec les mêmes valeurs et vecteurs propres et la même égalité
M = PDP−1 , les matrices P et D étant à coefficients réels. Conclusion: La somme des dimensions des sous espaces propres est
En revanche, toujours avec M dans Mn (R), M peut être diago- 3, donc M est diagonalisable.
   
nalisable dans C sans l’être dans R, si des valeurs propres sont −1 0 0 1 0 3
complexes mais non réelles. Si on pose D =  0 −1 0  et P =  0 1 −1 , alors
Dans l’égalité M = PDP−1 , P et D sont alors à coefficients com- 0 0 2 −1 0 −2
plexes. M = PDP−1 .
 
2. Dans l’égalité M = PDP−1 , P est la matrice de passage de la 2 1 0
base canonique de Kn à une base de vecteurs propres de M. Exemple 2: M =  −6 −3 −2  χM = −(X − 1)(X − 2)(X − 3).
15 9 7
Le polynôme caractéristique est scindé à racines simples, donc M est diago-
nalisable.  
7 −11 −2
Méthode 1 Exemple 3: M =  −3 −1 −6 . χM = −(X + 4)(X − 8)2 .
−1 1 6
Si on cherche le sous espace propre associé à la valeur propre 8, on trouve
Soit à diagonaliser une matrice M de Mn (K).
2
1. On calcule le polynôme caractéristique χM de la matrice M puis que c’est la droite engendrée par  0 , on conclut que M n’est pas di-
les racines dans K de ce polynôme. −1
agonalisable.
2. Si χM nest pas scindé dans K, alors M n’est pas diagonalisable
dans K. Exercice 4

3. Si χM est scindé alors pour chaque racine λ qui sera une des  
1 2
valeurs propres de M on résoud le système homogène (M − u l’endomorphisme de R2 associé à la matrice: A =
λ In )X = 0, où X est une matrice colonne de Kn . 2 1
Montrer que A est diagonalisable et exprimer par leurs matrices dans
La résolution conduit à une base βλ de Eλ , donc à dim Eλ .
la base canonique les projecteurs propres associés à u.
p
4. Si, ∑ dim(Eλ ) < n , alors M n’est pas diagonalisable.
i
i=1
p
5 Applications de la diagonalisation
5. Sinon, c’est à dire ∑ dim(Eλi ) = n alors M est diagonalisable, • Calcul des puissances d’une matrice.
i=1
et la juxtaposition des bases βλi donne une base de Kn , formée Soit à calculer M k pour tout k ∈ N.
de vecteurs propres. Si M est diagonalisable, soient alors P inversible et D diagonale tel que:
M = PDP−1 .
Dans ce cas on a M k = PDk P−1 , c’est à dire que le calcul de M k se ramène à
Exemple 4 celui de
Dk = diag (λ1k , ..., k
 λn ). 
  8 0 9
8 0 9 Exemple: M =  −3 −1 −3 
M =  −3 −1 −3  −6 0 −7
−6 0 −7
χM = −(X − 2)(X + 1)2 .
χM = −(X − 2)(X + 1)2 . Avec les mêmes notations que [Link] 1 on a:
• Sous espace propre associé à la valeur propre -1. On résoud le M = PDP−1 =⇒ M k = PDk P−1
système:
(−1)k
 
0 0
 Dk =  0 (−1)k 0 , finalement on obtient:
9x + 9z = 0

0 0 2k
(M + I)V = 0 ⇐⇒ −3x − 3z = 0 ⇐⇒ x + z = 0 k k
−3(−1)k + 3(2k )
 
 −2(−1) + 3(2 ) 0
−6x − 6z = 0

k k k k k k
M = (−1) − 2 (−1) (−1) − 2 
2(−1)k − 2(2k ) 0 3(−1)k − 2(2k )
   
1 0
Il s’agit du plan engendré par  0  et  1  • Systèmes de suites récurrentes de pas 1.
(1) (p)
−1 0 Soient (xn )n , ...(xn )n des suites d’éléments de K. On pose
(1) (p)
On peut déja en déduire la diagonalisabilité de M. Xn =t (xn , ..., xn ) et on suppose qu’il existe une matrice M telle que, pour
tout n, Xn+1 = MXn , Dans ce cas on aura: ∀n ∈ N : Xn = M n X0 , ce qui
• Sous espace propre associé à la valeur propre 2. On résoud le
nécessite le calcul des puissances successives de M : on est donc ramené au
cas précédent...
 R ÉDUCTION DES ENDOMORPHISMES 6

• Etude d’une récurrence linéaire de pas p. E telle que M f soit triangulaire supérieure.
Soit à déterminer une suite (xn ) définie par une relation de récurrence du
type :
Remarque 9
∀n ≥ 0 : xn+p + a p−1 xn+p−1 + ... + a1 xn+1 + a0 xn = 0.
En posant pour tout n ∈ N, Xn =t (xn , ..., xn+p−1 ) on obtient la formule de
Si f ∈ L (E) est trigonalisable et β = (e1 , ..., en ) une base telle que
récurence: 
0 1 0 ... ... 0
 M f est triangulaire supérieure alors si on pose β 0 = (en , ..., e1 ), la
 0 0 1 0 ... 0  matrice de f dans β 0 est triangulaire inférieure.
 
 . . . . 
 0 0 0 . . 0 
Xn+1 = MXn , avec M =  .
.. .. .

Définition 8
 . . . . 0 . . 0


 
 0 0 0 0 1
Une matrice M ∈ Mn (K) est dite trigonalisable si elle est semblable

−a0 −a1 . . . . . . . . . −a p−1
à une matrice triangulaire supérieure.
Le polynôme caractéristique de M est χM = [X p + a p−1 X p−1 + ... + a1 X +
a0 ].
(d’où la nomination ”équation caractéristique”). Remarque 10
On est donc encore ramené au problème précédent.
M est trigonalisable si et seulement si tout endomorphisme f d’un
Exercice 5 K-espace vectoriel E de dimension n dont la matrice est M dans une
base β de E est trigonalisable, et en particulier l’endomorphisme de
On considère l’équation dans M3 (R) (E) : X 2 = A où Kn de matrice M dans la base canonique.
 
1 1 2
A =  0 2 2 . Théorème 2
0 0 3
1. Montrer que A est diagonalisable sur R. Soit u ∈ L (E). les psse:

2. Montrer que si la solution existe, elle commute avec A puis qu’elle 1. u trigonalisable.
est diagonaliable sur R.
2. χu est scindé
3. En déduire toutes les solutions de l’équation (E).
 
a11 ∗ ∗
Exercice 6
Preuve 1) =⇒ 2): Si M =  0 . ∗ , alors on a:
  0 0 ann
2 1 1
On considère la matrice A = 1 2 1 ∈ M3 (R). χu (X) = χM (X) = Πni=1 (aii − X)
0 0 3
Donc χu est scindé.
1. Effectuer la réduction de A. 2) =⇒ 1) Par récurrence sur n . Il n’y a rien à démontrer si n = 1.
Supposons la propriété vraie pour n − 1, soient E un espace vectoriel
2. Déterminer le commutant de A, C(A) = {M ∈ M3 (R) telle que
de dimension n et u un endomorphisme de E tel que χu scindé.
AM = MA}.
Soit λ une racine de χu . Soit e1 un vecteur propre associé à λ , que
3. Trouver les droites et les plans deR3 stables par A. l’on complète en β = (e1 , .., en ) base de E. Soit F = Vect(e2 , .., en ),
p la projection sur F parallèlement à Ke1 et  v : F → F défini
 par
λ ∗ ∗ ∗
Exercice 7 0
v(x) = p(u(x)) si x ∈ F. Alors M = M (u) = 

 avec
. A 
 
6 −6 5 0
On considère la matrice A = 14 −13 10 A = Mate2 ,..,en (v). On en déduit que χu (X) = (X − λ )χv (X). Donc
7 −6 4 χv est aussi scindé. Par hypothèse de récurrence, il existe une base
(ε2 , .., εn ) de F telle que Mat(ε2 ,..,εn ) v soit triangulaire supérieure et alors
1. La matrice A est-elle diagonalisable ? 
λ ∗ ∗ ∗


−1 0 0
 0 
Mat(e1 ,ε2 ,..,εn ) u = 
.
 est triangulaire supérieure.
2. Montrer que A est semblable à  0 −1 1  Mat(ε2 ,..,εn ) v 
0 0 −1 0

3. Déterminer l’ensemble des matrices qui commutent avec la ma- Remarque 11

trice A
1. Ces propositions passent immédiatement aux matrices.

6 Trigonalisation 2. La démonstration du théorème constitue un algorithme de

trigonalisation d’une matrice.

Définition 7

Un endomorphisme f est dit trigonalisable s’il existe une base β de

R ÉDUCTION DES ENDOMORPHISMES 7

Exemple 5 Preuve 2 =⇒ 1 Soit β = (e1 , ..., en ) une base d’une telle trigo-
  nalisation de u, on aura pour tout k ∈ |[1, n]|, u(ek ) ∈ vect{e1 , ..., ek−1 },
2 2 −3
 5 1 −5 . et par une petite récurrence u p (ek ) ∈ vect{e1 , .., ek−p }, p = 1, .., k − 1
jusqu’à ce que uk (ek ) = 0. En particulier un (ek ) = 0 pour tout k, et fi-
−3 4 0
nalement u nilpotent.
1 =⇒ 2 Raisonnons matriciellement. Par récurrence sur n ∈ N∗ , mon-
trons que si A ∈ Mn (K) est nilpotente, alors A est semblable à une ma-
trice triangulaire supérieure stricte.
Solution Cas n = 1 : Une matrice nilpotente de taille 1 est nécessairement
nulle.
• χM = (1 − X)3 , M n’est donc pas diagonalisable. Supposons la propriété établie au rang n − 1 ≥ 1.
• Le sous espace propre associé à la valeur propre 1 est la droite engendée Soit A ∈ Mn (K) nilpotente.
par: e1 = (1, 1, 1), notons C = (c1 , c2 , c3 ) la base canonique et posons La matrice A ne peut être inversible et donc ker A 6= {0}. Soit e1 un
e02 = c2 = (0, 1, 0), e03 = c3 , déterminons la matrice N de f (canonique- vecteur non nul de ker A. On complète ce vecteur e1 en une base de Kn
ment associé à M) dans cette nouvelle base: (e1 , e02 , e03 ). de la forme e = (e1 , ..., en ).
f (e1 ) = e1 , f (e02 ) = 2c1 + e02 + 4e03 , f (e03 ) = −3c1 − 5e02 . La matrice de l’endomorphisme canoniquement associé à A dans la base
c1 = e1 − e02 − e03  =⇒ f (e02 ) = 2e1 − 0 0 0 0 0
e2 + 2e3 , f (e3 ) = −3e1 − 2e2 + 3e3 . e est de la forme
1 2 −3  
Finalement N =  0 −1 −2 . 0 ∗
0 2 3 B= 0 avec A0 ∈ Mn−1 (K)
0 A
• On pose G = vect(e02 , e03 ), p désigne la projection sur G parallélement à
vect(e1 ). La matrice B est semblable à A et donc elle aussi nilpotente. On en
déduit que le bloc A0 est nilpotent. Par hypothèse de récurrence, il existe
 
−1 −2
C = M (p ◦ f/G ) = , χC = (1 − X)2 .
2 3 P0 ∈ GLn−1 (K) telle que P0−1 A0 P0 soit triangulaire supérieure stricte.
x = αe02 + β e03 est un vecteur propre de C associé à 1 ⇐⇒ α + β = 0, par Formons alors  
exemple 1 0
P= ∈ GLn (K)
e2 = e02 − e03 = (0, 1, −1). 0 P0
• En complétant (e1 , e2 ) par e3 = c3 (par exemple) pour obtenir une base Par produit par blocs
β de E,
et en calculant  la matrice de f dans β , on trouve:
1 5 −3
 
0 ∗
M f =  0 1 −2 . P−1 BP = 0−1 0 0
0 P AP
0 0 1
est triangulaire supérieure stricte. Finalement, A est semblable à une
Exercice 8 matrice triangulaire supérieure stricte. Récurrence établie.

Trigonaliser la matrice suivante: Remarque 12

 
−3 −20 14
A = −3 −24 18 Soit M ∈ Mn (K) une matrice trigonalisable.
1 −20 10 Soit λ1 , ..., λ p les valeurs propres distinctes de M, une conséquence de
la trigonlalisation est que les valeurs propres de M k sont λ1k , ..., λ pk .
Propriété 3 et en particuliers si M ∈ Mn (K) qui est trigonalisable sur C alors
p
tr(M) = ∑ m(λk )λk , où λ1 , ..., λ p sont les valeurs propres complexes
Tout endomorphisme sur un C-espace vectoriel est trigonalisable. k=1
distinctes de M

Proposition 13
Exercice 9
Soit F un sous espace vectoriel stable par u ∈ L(E)
Si u trigonalisable alors uF est aussi trigonalisablale. Trigonaliser la matrice suivante:
 
−3 −20 14
A = −3 −24 18
Preuve Vient du fait que χuF divise χu . 1 −20 10

Proposition 14 Exercice 10

Soit u ∈ L(E). On a équivalence entre : Montrer que matrice A est nilpotente si et seulement ∀k ∈ N∗ , tr(Ak ) =
0.
1. u est nilpotent ;

2. u est trigonalisable avec 0 pour seule valeur propre.

7 Polynôme d’endomorphisme ou de matrice
Ce résultat se transpose aux matrices de la façon suivante :
A ∈ Mn (K) est nilpotente si, et seulement si, A est semblable à une
matrice triangulaire supérieure stricte 7.1 Polynôme d’endomorphisme
 R ÉDUCTION DES ENDOMORPHISMES 8

Définition 9 Théorème définition 3

Soit u un endomorphisme de E. K[X] −→ L (E)


p ϕ:
p
Soit P = a0 + a1 X + . . . a p X = ∑ ak X . k P → P(u)
k=0
ker ϕ: Ensemble des polynômes annulateurs de u est un idéal de
On note
K[X].
p
Imϕ = K[u] est une sous algèbre de L (E).
P(u) = a0 IdE + a1 u + a2 u2 + . . . a p u p = ∑ ak uk
k=0
Si E est de dimension finie alors il existe un unique polynôme uni-
taire πu , tel que {P ∈ K[X], P(u) = 0} = ker ϕ = hπu i.
où u0 = IdE et u p = u ◦ u ◦ . . . ◦ u (p fois). πu s’appelle le polynôme minimal de u. Il est caractérisé par:
On dit que: P(u) est un polynôme de l’endomorphisme u.
Par exemple, si P = X p , alors P(u) = u p . En particulier πu unitaire, et ∀P ∈ K[X], P(u) = 0 ⇐⇒ πu /P
si P = 1 alors P(u) = IdE .

Preuve E est de dimension finie, il en est de même pour L (E),

L (E) est une K-algèbre l’application: et dans ce cas ϕ ne peut pas etre injective, l’idéal ker ϕ 6= {0}, d’où
l’existence d’un tel πu .
ϕ : K[X] → L (E)
Proposition 18
n p
k k
P = ∑ ak X → P(u) = ∑ ak u
k=0 k=0 E un espace de dimension finie, si u ∈ L(E), alors p = deg(πu ) si et
seulement si (Id , u, ..., u p−1 ) est une base de K[u].
est un morphisme d’algèbre.

• 1(u) = IE

• ∀α, β ∈ K, ∀P, Q ∈ K[X], (αP + β Q)(u) = αP(u) + β Q(u). Preuve

• ∀P, Q ∈ K[X], (PQ)(u) = P(u) ◦ Q(u). et donc les endomorphismes On suppose Πu de degré égal à p. Soit P(u) ∈ K[u], on effectue la
P(u) et Q(u) commutent. division euclidienne de P par Πu , il existe Q, R ∈ K[X] tel que P =
QΠu + R, avec R = 0 ou deg R < p, on applique à u, on obtient
Proposition 15 n−1
P(u) = R(u) = ∑ bk uk ∈ vect{1, u, .., un−1 }
k=0
Si P divise Q, alors ker P(u) ⊂ ker Q(u).
On en déduit que la famille {1, ..., un−1 } est génératrice de K[u].
Il reste à vérifier que cette famille est libre.
p−1
Preuve P/Q, il existe R ∈ K[X] tel que: Q = RP et donc Soit (ak )0≤k≤p−1 des scalaires tels que ∑ ak uk = 0, le polynôme
k=0
Q(u) = R(u) ◦ P(u), ainsi: p−1
P = ∑ uk X k est donc un polynôme annulateur de u de degré strictement
P(u)(x) = 0 =⇒ Q(u)(x) = R(u)(P(u)(x)) = R(u)(0) = 0 k=0
inférieur à p, par minimalité de Πu , P ne peut être que le polynôme nul,
Proposition 16 ce qui fait que les scalaires ak sont tous nuls.
Inversement On suppose que (Id , .., u p−1 ) est une base de K[u].
la famille (uk )0≤k≤p est constituée de p + 1 vecteurs, donc elle est liée,
u ∈ L (E), ∀P ∈ K[X], ker P(u) et ImP(u) sont stables par u.
c’est à dire l’existence de scalaires (ak )0≤n non tous nuls tels que
n n
∑ ak ak = 0, P = ∑ ak X k est donc un polynôme non nul annulateur de
k=0 k=0
Preuve Vient du fait P(u) commute à u. u, d’où deg(πu ) ≤ p. Comme il ne peut exister de polynôme annulateur
de degré strictement inférieur à p, car au cas contraire (Id , u, .., u p−1 )
sera liée, donc deg(πu ) = p
Proposition 17
Proposition 19
Si F est un sous espace vectoriel de E stable par F, alors ∀P ∈ K[X],
F est stable par P(u) et l’endomorphisme (P(u))F induit par P(u) sur E un K-ev de dimension finie, u ∈ L (E) , si F est un sous espace
F est P(uF ). vectoriel de E u-stable, v = u/F, alors πv /πu .

Proposition 20
Preuve Si x ∈ F, alors par récurrence ∀k ∈ N, uk (x) ∈ F et par
combinaison linéaire, on obtient P(u)(x) ∈ F, ∀P ∈ K[X]. Si λ est une valeur propre de u, alors P(λ ) est une valeur propre de
p p p P(u), et on a Eλ (u) ⊂ EP(λ ) P(u) autrement dit:
k k
Si on pose P = ∑ ak X , pour x ∈ F, P(u)(x) = ∑ ak u (x) = ∑
k=0 k=0 k=0
u(x) = λ x =⇒ P(u)(x) = P(λ )x
ak (uF )k (x), on déduit que (P(u))F = P(uF )
En particulier toute valeur propre de u est une racine du polynôme
 R ÉDUCTION DES ENDOMORPHISMES 9

 
annulateur de u. λ1 ... 0
0
. .
λ2 . . .. 

0
1. B = 
 .. .. ..
 est diagonale, alors:

. . . 0
Preuve Se déduit de la proposition 5, par combinaison linéaire.
0 . . . 0 λn
 
P(λ1 ) 0 ... 0
. .. 
Proposition 21 P(λ2 ) . .

 0 . 
P(B) =  .. . .

 . .. .. 0 

Si E est un K espace vectoriel de dimension finie, alors Sp(u) est
0 ... 0 P(λn )
exactement l’ensemble des racines dans K du polynôme minimal.
 
λ1
 0 λ2 ∗ 
2. B =  . .  est triangulaire supérieure, alors:
 
Preuve On sait déja que si λ est une valeur propre de u, alors  .. .. ... 
0 . . . 0 λn
λ est racine de tout polynôme annulateur de u et en particulier de πu .  
Inversement soit λ une racine de πu et écrivons πu (X) = (X − λ )Q(X). P(λ1 )
Supposons que λ n’est pas valeur propre de u. On a 0 = πu (u) =
 0 P(λ2 ) ∗ 
P(B) =  . est triangulaire
 
 .. . .. . .. 
(u − λ IE ) ◦ Q(u). Mais comme λ n’est pas valeur propre de u, u − λ IE 
est injectif et donc Q(u) = 0. Ceci impose que πu divise Q ce qui est 0 ... 0 P(λn )
impossible pour une question de minimalité. supérieure.

Propriété 5
Preuve Vient du fait que πu sera aussi un polynôme annulateur
de v. πM = πt M et si A et B sont semblables alors πA = πB .

Proposition 22
7.2 Polynôme de matrice

De même, on définit polynôme de matrice comme suit  

A C
Si M = est une matrice triangulaire par blocs, alors πA , πB
n n 0 B
P = ∑ ak X k , P(M) = ∑ ak M k divisent πM et πM divise πA πB .
k=0 k=0 C’est à dire:
Mn (K) est une K-algèbre l’application: ppcm(πA , πB )/πM /πA πB

ϕM : K[X] → Mn (K)
n p Preuve Par une petite récurrence on montre que M k à la forme
k k
P = ∑ ak X → P(M) = ∑ ak M
k=0 k=0 suivante:  k 
A Ck
est un morphisme d’algèbre. Mk = k
0 B
• 1(M) = In Par combinaison linéaire, on aura pour tout P ∈ K[X] il existe une ma-
trice C(P) de type (p, n − p) tel que:
• ∀α, β ∈ K, ∀P, Q ∈ K[X], (αP + β Q)(M) = αP(M) + β Q(M).
 
P(A) C(P)
• ∀P, Q ∈ K[X], (PQ)(M) = P(M)Q(M), et par suite deux polynôme de P(M) =
0 P(B)
la même matrice commutent.
Par conséquent, en écrivant le fait que πM (M) = 0, on aura:
πM (A) = πM (B) = 0, le fait que πA , πB divisent πM en sera une
Remarque 13 conséquence immédiate.
En
 plus
 (πA πB )(M) = πA (M)πB (M) =
β une base de E supposé de dimension fini. 0 C(πA ) πB (A) C(πB )
= 0, d’où le résultat.
0 πA (B) 0 0
φ : L (E) → Mn (K)
u → M (u) Remarque 14

est un isomorphisme d’algèbre. Les propositions 20 et 21 passent aussi aux matrices.

n n
M = M (u), P = ∑ ak X k , P(u) = ∑ ak uk
k=0 k=0
M P(u) = P(M) et donc P(u) = 0 si, et seulement si P(M) = 0 ainsi Théorème 3: de Cayley hamilton
πu = πM
Si u ∈ L (E), alors χu (u) = 0.

Propriété 4

Si M = QBQ−1 , alors ∀P ∈ K[X] : P(M) = QP(B)Q−1 , et si en plus

 R ÉDUCTION DES ENDOMORPHISMES 10

puis grâce à l’hypothèse de récurrence ker P(u) = ker P1 (u) ⊕ ... ⊕

Remarque 15
ker Pr (u).
Dans sa version matricielle, le théorème de Cayley-Hamilton devient:
Exercice 12
Si M ∈ Mn (K), alors χM (M) = 0
Soient P et Q deux polynômes de KX]. Soit f un endomorphisme du
K-espace vectoriel E. On pose D = P ∧ Q; M = P ∨ Q. Montrer que
Exercice 11
ker M( f ) = ker P( f ) + ker Q( f ), ker D( f ) = ker P( f ) ∩ ker Q( f )
Soit E un K espace vectoriel de dimension finie, n > 0 et
u ∈ L (E). ImD( f ) = ImP( f ) + ImQ( f ), ImM( f ) = ImP( f ) ∩ ImQ( f )

1. On suppose qu’il existe x0 ∈ E tel que (ui (x0 ))i=0...(n−1) soit une
n−1
base de E. on pose: un (x0 ) = ∑ ak uk (x0 ). Calculer χu en fonction 8 Application à la réduction de la notion de
k=0
des ak , en déduire que χu (u) = 0. polynôme annulateur
2. pour x ∈ E\{0}, on pose Eu (x) = vect{uk (x), k ∈ N}.
Proposition 23
Montrer que Eu (x) a une base de la forme (x, u(x), ..., u p−1 (x)) en
déduire que χu (u)(x) = 0.
Soit u ∈ L (E), on suppose que u est diagonalisable de spectre
3. Retrouver le théorème de cayley hamilton. Sp(u) = {λ1 , ..., λr }, et soit (pλ1 , ..pλ p ) la famille des projecteurs as-
p
M
Théorème 4: Théorème de décomposition des noyaux sociée à E = Eλi , alors:
i=1

Si P = QR avec Q et R deux polynômes premiers entre eux alors: r

IE = ∑ pλi
i=1
ker P(u) = ker Q(u) ⊕ ker R(u)
r
En plus si P est un polynôme annulateur de u alors: ∀k ∈ N∗ : uk = ∑ λik pλi
i=1
E = ker Q(u) ⊕ ker R(u) ∀i ∈ |[1, r]| : pλi ∈ K[u]

r
Preuve Soient U et V tels que UQ + V R = 1 (Bezout). On Preuve L’égalité IE = ∑ pλi est triviale, une simple récurrence
i=1
a déjà ker Q(u) ⊂ ker P(u) et ker R(u) ⊂ ker P(u). De plus on a: r
U(u)Q(u) +V (u)R(u) = IE . permet de démontrer pour tout k ∈ N∗ : uk = ∑ λik pλi .
Soit x ∈ ker Q(u) ∩ ker R(u). On a i=1
Par combinaison linéaire, on obtient:
x = U(u)Q(u)(x) + V (u)P(u)(x) = 0 + 0 = 0, donc ker Q(u) ∩
ker R(u) = 0. Soit x ∈ ker P(u). On a encore x = x1 + x2 , avec r
x1 = V (u)R(u)(x) et ∀Q ∈ K[X] : Q(u) = ∑ Q(λi )pλi
i=1
x2 = U(u)Q(u)(x). Mais alors
Q(u)(x1 ) = Q(u)V (u)R(u)(x) = V (u)(QR)(u)(x) = V (u)P(u)(x) = 0. En particulier, lorsque Q = Li le i-ème polynôme d’interpolation en les
donc x1 ∈ ker Q(u). De même x2 ∈ ker R(u) et d’où le résultat. λ j , j = 1..r, on obtient

Théorème 5: Généralisation pλi = Li (u) ∈ K[u]

Si (Pk )1≤k≤p est une famille de polynômes premiers entres eux deux Proposition 24
à deux alors:
r r
M Un endomorphisme u est diagonalisable si, et seulement si, il existe
ker( ∏ Pk )(u) = ker Pk (u)
k=1 k=1
un polynôme scindé à racines simples annulant u, ou encore si, et
r
seulement si, son polynôme minimal est scindé à racines simples.
Et si en plus ∏ Pk est un polynôme annulateur de u, alors:
k=1

r
M Preuve D’abord l’équivalence entre πu scindé à racines simples
E= ker Pk (u)
et l’existence d’un polynôme scindé à racines simples annulateur de u
k=1
est évidente.
Supposons que u est diagonalisable, soit λ1 , ..., λ p les valeurs propres
p

Preuve Pour r = 2, le résultat est vrai. distincts de u. Posons P = ∏ (X − λk ), comme X − λk est diviseur de
k=1
Supposons que le résultat vrai pour r − 1. Comme Pr et P1 ...Pr−1 sont P, alors P(u) est nul sur chaque sous espace propre, et comme E est la
premiers entre eux, le cas r = 2 nous donne: somme des sous espaces propres, alors P(u) est nul. P est un polynôme
scindé à racines simples annulateur de u. Par conséquent πu qui est un
ker P(u) = ker P1 ...Pr−1 (u) ⊕ ker Pr (u) diviseur de P sera lui aussi scindé à racines simples.
Supposons maintenant πu est scindé à racines simples, écrivons
 R ÉDUCTION DES ENDOMORPHISMES 11

p
p
P = ∏(X − λi ). Par le lemme des noyaux E = ⊕i=1 ker(u − λ Id ), et
i=1
dim(ker(u − λi IE )αi ) = αi
dans une base adaptée à cette décomposition la matrice est diagonale. u
et il existe une base de E dans laquelle la matrice de u est de la forme
est donc diagonalisable.
:  
M1 0 . . . 0
Remarque 16  0 M2 . . . 0 
 
 .. .. . 
 . 0 . .. 
Une matrice M est diagonalisable si et seulement si il existe un
0 0 . . . Mr
polynôme scindé à racines simples annulateur de M.
Mi = λi In + Ni avec Ni nilpotente et Mi ∈ Mαi (K)
Remarque 17
Remarque 19
Si u est diagonalisable et Sp(u) = {λ1 , ..., λr }, alors:
r
Une des conséquence de ce résultat est que les propriétés suivantes
πu = ∏(X − λi )
i=1 sont équivalentes.

1. lim uk = 0
Corollaire 2 k→+∞

2. lim tr(uk ) = 0
u ∈ L(E), F un sous espace vectoriel de E stable par u. k→+∞
Si u est diagonalisable alors uF est aussi diagonalisable 3. ρ(u) = max |λi | < 1
i

Preuve Vient du fait que πuF divise πu .

Exercice 13

u un endomorphisme de E bijectif.
Montrer que u est diagonalisable si et seulement si u2 est diagonalis-
able.

Proposition 25

Un endomorphisme u de E est trigonalisable si et seulement si il ex-

iste P scindé annulateur de u

Preuve Pour le sens direct, il suffit de prendre le polynôme car-

actéristique lui même.
Inversement Supposons qu’il existe un polynôme P scindé annulateur
de u, β une base quelconque de E et M = M (u), on injecte M dans
Mn (C), aussi bien que χu = χM qu’on peut considérer comme un
polynôme de C[X], si λ est une racine complexe de χM , alors c’est
une valeur propre de M et comme P est aussi annulateur de M donc λ
est une racine de P et par suite λ est dans K, ainsi toutes les racines
complexes de χu sont dans K, ce qui veut dire que χu est bien scindé
dans K[X], et donc u est trigonalisable.

Remarque 18

Ce résultat passe aux matrices.

Proposition 26

Soit u ∈ L(E), supposons que χu est scindé, soit

r
χA (X) = ∏(X − λi )αi
i=1

les λi sont des elements de K deux à deux distincts et les entiers αi

sont ≥ 1.
Alors