ECE2-B 2018-2019

I.2. Puissances k ème de matrices semblables

Théorème 1.
Soient M et N deux matrices de Mn (R).
CH IX : Réduction des endomorphismes et des On suppose que M et N sont semblables et donc qu’il existe une matrice
matrices carrées P ∈ Mn (R) inversible telle que : M = P N P −1 .
Alors, pour tout k ∈ N, M k = P N k P −1 .
(autrement dit, si M et N sont semblables via la matrice P , M k et N k le
sont aussi via la même matrice P )
Démonstration.
I. Matrices semblables On suppose que M = P N P −1 . Démontrons par récurrence que :
∀k ∈ N, P(k) où P(k) : M k = P N k P −1 .
I.1. Définition
I Initialisation :
Définition Matrices semblables 0
• D’une part : M = In .

Soit n ∈ N∗ . 0 −1 = P I P −1 = P P −1 = I .
• D’autre part : P N P n n
Soient M ∈ Mn (R) et N ∈ Mn (R). Donc P(0) est vérifiée.
I Hérédité :
• Les matrices M et N sont semblables s’il existe une matrice inversible P
telle que : Soit k ∈ N.
Supposons P(k) et démontrons P(k + 1) (i.e. M k+1 = P N k+1 P −1 ).
M = P N P −1
M k+1 = M × M k
Remarque = P N P −1 × M k (par hypothèse)
La relation de similitude (celle qui stipule qu’une matrice M est semblable
à une matrice N ) vérifie les propriétés suivantes : (par hypothèse de
= P N P −1 × P N k P −1
récurrence)
1) elle est réflexive : M est semblable à M .
2) elle est symétrique : si M est semblable à N alors N est semblable à M . = P N (P −1 P ) N k P −1
3) elle est transitive : si M est semblable à N et N est semblable à R alors = P N In N k P −1
M est semblable à R. = P N k+1 P −1
Ainsi, P(k + 1) est vérifiée.
Par principe de récurrence : ∀k ∈ N, P(k).

1
ECE2-B 2018-2019

Remarque (de la bonne utilisation de ce théorème) Exercice (d’après EDHEC 2016)

• Considérons M et N deux matrices semblables et k ∈ N. On considère les matrices :
Par définition, il existe P inversible telle que : M = P N P −1 .
   
0 0 2 2 0 2
Si on sait facilement calculer N k , on peut en déduire la valeur de M k en N = 0 0 1  et T = 2I + N = 0 2 1
utilisant la relation : M k = P N k P −1 . 0 0 0 0 0 2

• Il est particulièrement aisé de calculer la puissance N k lorsque : 1. Déterminer N 2 et en déduire, pour tout k ∈ N, N k .
− N = 0. Alors N k = 0. 2. Soit n ∈ N. Déterminer T n à l’aide de la formule du binôme de Newton.
(ce cas n’est pas très pertinent : si N = 0 alors M = P 0P −1 = 0 et on
peut travailler directement sur M ) Démonstration. 
0 0 2
 
0 0 2
 
0 0 0


− N = In . Alors N k = In k = In . 1. Tout d’abord : N 2 = 0 0 1 × 0 0 1 = 0 0 0.

−1
(ce cas n’est pas très pertinent : si N = In alors M = P In P = In et 0 0 0 0 0 0 0 0 0
on peut travailler directement sur M ) On en déduit, par une récurrence immédiate, que pour tout k > 2, N k = 0.
− N = λ · In . Alors N k = (λ In )k = λk In . (on peut aussi écrire, pour tout k > 2, N k = N 2 N k−2 = 0 N k−2 = 0)
(ce cas n’est pas très pertinent : si N = λ · In alors 2. Les matrices 2I et N commutent puisque I commute avec toute matrice
M = P (λ · In )P −1 = λ · In et on peut travailler directement sur M ) carrée de même ordre. D’après la formule du binôme de Newton :
• Dans les énoncés on rencontrera de manière classique les cas suivants. T n = (2 I + N )n
− N est diagonale. n
 
n n
 
n
(2 I)n−k N k = 2n−k I n−k N k
P P
=
k k
   k 
d1 0 ··· 0 d1 0 ··· 0 k=0 k=0
..  .. 
 0 d2 k
 
n n
   
0 d2 . k .  P n n−k k
P n (car on a :
Si N = 
 .. ..
 alors N = .

.
 = 2 I N = 2n−k N k
. . 0

 .. .. 0   k=0 k k=0 k ∀j ∈ N, I j = I)
0 · · · 0 dn 0 · · · 0 dn k
1 n
   
n n−k k n (ce découpage est
2n−k N k
P P
= 2 N +
− N = λ In + R où R est une matrice dont on peut facilement déterminer k=0 k k=2 k valable car n ∈ N∗ )
les itérées. Par exemple, R 6= 0 peut vérifier :
1
 
a) ∀k > 2, Rk = 0. n (car on a montré :
2n−k N k
P
=
(on dit alors que R est nilpotente d’ordre 2) k=0 k ∀k > 2, N k = 0)
b) ∀k > 2, Rk = k R.  
n
 
n
= n
2 N + 0 2n−1 N 1 = 2n I + n 2n−1 N
Dans ces deux cas, on peut utiliser la formule du binôme de Newton 0 1
puisque λIn et R commutent ((λ In ) R = λR = R (λ In )).
Enfin : 20 I + 0 2−1 N = I et T 0 = I.
(In commute avec toute matrice carrée de même ordre)
La formule précédente reste valable pour n = 0.

2
ECE2-B 2018-2019

Remarque Démonstration.
• La « relation de Chasles » stipule que pour tout (m, p, n) ∈ N tel que Soit u ∈ E. On considère v = f (u) et on note :
3

m6p6n:
n
P Pp n
P U = MatB (u) V = MatB (v) P = PB,B0
uk = uk + uk
k=m k=m k=p+1 U 0 = MatB0 (u) V 0 = MatB0 (v)
(la deuxième somme est nulle si p = n)
Avec ces notations :
où (un ) est une suite quelconque de réels ou de matrices.
On insiste ici sur le fait que cette relation n’est vérifiée que sous la condition v = f (u)
m 6 p 6 n.
(écriture de l’égalité sous forme
• Dans cette question, on est dans le cas où m = 0 et p = 1. ⇔ V =M U
matricielle dans la base B)
L’argument n ∈ N∗ est donc essentiel pour découper la somme.
Le cas n = 0 doit donc être traité à part. ⇔ P V 0 = MP U0
⇔ V 0 = P −1 M P U 0
I.3. Lien entre relation de similitude et applications linéaires
⇔ N U 0 = P −1 M P U 0
Théorème 2.
Soit E un ev de dimension finie. En effet : V 0 = N U 0 (cela correspond à l’écriture matricielle de v = f (u)
Soit B et B 0 deux bases de E. dans la base B 0 ). On a donc démontré :
Soit f ∈ L (E). (P −1 M P − N ) U 0 = 0
On note M = MatB (f ), N = M atB0 (f ) et P = PB,B0 .
1. Alors : Ceci étant vrai pour tout U 0 , on en déduit que P −1 M P − N = 0.
M = P N P −1
Remarque
ce qui signifie : On peut retenir cette formule sous la forme :

MatB (f ) = PB,B0 MatB0 (f ) (PB,B0 )−1

MatB (f ) = PB,B0 MatB0 (f ) PB0 ,B
2. De manière générale :
que l’on peut rapprocher une nouvelle fois de la relation de Chasles.
M et N sont les matrices
Les matrices M ∈ Mn,1 (R) et représentatives d’un même
⇔
N ∈ Mn,1 (R) sont semblables endomorphisme f ∈ L (E)
dans des bases différentes

3
ECE2-B 2018-2019

Exercice (d’après EDHEC 2016) Remarque

Soient B et B deux bases de R et f un endomorphisme de R dont la • Cette démonstration est un peu lourde. On pourra adopter la rédaction
0 3 3

matrice dans la base B est notée A et la matrice dans B 0 est notée T . suivante (présente dans les corrigés officiels de l’EDHEC).
On suppose que :
• Soit n ∈ N . Comme T est la matrice de f dans la base B , on en déduit
∗ 0

∀n ∈ N∗ , T n = n2n−1 T − (n − 1) 2n I par la passerelle matrice-endomorphisme :

Démontrer alors que : f n = n2n−1 f − (n − 1) 2n idE
∀n ∈ N∗ , An = n2n−1 A − (n − 1) 2n I
Comme A est la matrice de f dans la base B, on en déduit par la passerelle
endomorphisme-matrice :
Démonstration.
Soit n ∈ N∗ . An = n2n−1 A − (n − 1) 2n I
n
• D’après l’énoncé : T = n2
n−1 T − (n − 1) 2n I. Ce qui s’écrit :

Exercice (d’après EDHEC 2016)

Tn = n2n−1 T − (n − 1) 2n I
On désigne par Id l’endomorphisme identité de R3 et par I la matrice identité
q q de M3 (R). On note B = (e1 , e2 , e3 ) la base canonique de R3 et on considère
MatB0 (f )

n
n2n−1 MatB0 (f ) − (n − 1) 2n MatB0 (id) l’endomorphisme f de R3 dont la matrice dans la base B est :
 
q q 3 −1 1
A = 2 0 2 
MatB0 (f n ) MatB0 (n2n−1 f − (n − 1) 2n id) 1 −1 3
• En appliquant la réciproque de l’application MatB0 (.) (isomorphisme de
1. On note u1 = (1, 1, 0), u2 = (−1, 0, 1) et u3 = e1 + e2 + e3 .
représentation), on obtient :
Montrer que la famille B 0 = (u1 , u2 , u3 ) est une base de R3 .
f n = n2n−1 f − (n − 1) 2n id
Démonstration.
• En appliquant alors MatB (.), on obtient alors :
• Tout d’abord :
MatB (f n ) = MatB (n2n−1 f − (n − 1) 2n id)
u3 = e1 + e2 + e3 = (1, 0, 0) + (0, 1, 0) + (0, 0, 1) = (1, 1, 1)
q q

n
MatB (f ) n2n−1 MatB (f ) − (n − 1) 2n MatB (id) • Montrons que la famille ((1, 1, 0), (−1, 0, 1), (1, 1, 1)) est libre.
Soit (λ1 , λ2 , λ3 ) ∈ R3 . Supposons que :
q q
An n2n−1 A − (n − 1) 2n I λ1 · (1, 1, 0) + λ2 · (−1, 0, 1) + λ3 · (1, 1, 1) = 0R3

4
ECE2-B 2018-2019

Ceci équivaut à : 2. Vérifier que la matrice T de f dans la base (u1 , u2 , u3 ) est triangulaire et
 que ses éléments diagonaux sont tous égaux à 2.
 λ1 − λ2 + λ3 = 0
λ1 + λ3 = 0 Démonstration.
λ2 + λ3 = 0 Considérons les matrices colonnes suivantes.

     
1 −1 1

L2 ← L2 − L1  λ1 − λ2 + λ3 = 0
⇐⇒ λ2 = 0 U1 = MatB (u1 ) = 1, U2 = MatB (u2 ) =  0 , U3 = MatB (u3 ) = 1
0 1 1
λ2 + λ3 = 0

 • Tout d’abord :
L3 ← L3 − L2  λ1 − λ2 + λ3 = 0
⇐⇒ λ2 = 0 MatB (f (u1 )) = MatB (f ) × MatB (u1 )
λ3 = 0

      
3 −1 1 1 2 1
= A × U1 = 2 0 21 = 2 = 2 · 1

⇐⇒ λ1 = λ2 = λ3 = 0
(par remontées successives) 1 −1 3 0 0 0
= 2 · MatB (u1 ) = MatB (2 · u1 )
La famille (u1 , u2 , u3 ) est donc libre.
• De plus, Card((u1 , u2 , u3 )) = 3 = dim(R3 ). Ainsi : f (u1 ) = 2 · u1 + 0 · u2 + 0 · u3 .  
2
(u1 , u2 , u3 ) est donc une base de R3 . On en déduit que : Mat(u1 ,u2 ,u3 ) (f (u1 )) = 0.
0
Remarque
• Ensuite :
• Le terme cardinal est réservé aux ensembles finis. La famille (u1 , u2 , u3 )
est un ensemble qui contient 3 vecteurs. Elle est donc finie, de cardinal MatB (f (u2 )) = MatB (f ) × MatB (u2 )
3 (ce qu’on note Card((u1 , u2 , u3 )) = 3). 
3 −1 1
   
−1 −2
 
−1
• Vect (u1 , u2 , u3 ) est l’ev constitué de toutes les combinaisons linéaires = A × U2 = 2 0 2 0  =  0  = 2 ·  0 
des vecteurs (u1 , u2 , u3 ). C’est un ensemble infini de vecteurs, on ne 1 −1 3 1 2 1
peut parler de son cardinal. Par contre, si l’on dispose d’une base = 2 · MatB (u2 ) = MatB (2 · u2 )
(u1 , u2 , u3 ) d’un ev, tout vecteur se décompose de manière unique sur
cette base. Ceci permet de donner une représentation finie de cet en- Ainsi : f (u2 ) = 0 · u1 + 2 · u2 + 0 · u3 .  
semble infini. 0
On en déduit que : Mat(u1 ,u2 ,u3 ) (f (u2 )) = 2.
• Les notations : Card(Vect (u1 , u2 , u3 )) et dim((u1 , u2 , u3 )) n’ont aucun
0
sens !

5
ECE2-B 2018-2019

 
• Enfin : 2
Et ainsi : Mat(u1 ,u2 ,u3 ) (f (u3 )) = 1.
MatB (f (u3 )) = MatB (f ) × MatB (u3 ) 2
      
3 −1 1 1 3 2 0 2
= A × U3 = 2 0 21 = 4 • On en déduit que : T = Mat(u1 ,u2 ,u3 ) (f ) = 0 2 1.
1 −1 3 1 3 0 0 2
3. Déterminer P la matrice de passage de B à B 0 .
On cherche alors à décomposer ce vecteur suivant (U1 , U2 , U3 ).
Autrement dit, on cherche (α, β, γ) ∈ R3 tel que : Démonstration.  
 
3
 
1
 
−1
 
1
Par définition : P = PB,B0 = MatB (u1 ), MatB (u2 ), MatB (u3 ) . Ainsi :
4 = α · 1 + β ·  0  + γ · 1  
3 0 1 1 1 −1 1
P = 1 0 1
Cela équivaut au système : 0 1 1

 α − β + γ = 3 4. Déterminer P −1 . Donner une interprétation de cette matrice.
α + γ = 4

β + γ = 3 Démonstration.
 On applique la méthode du pivot de Gauss.
L2 ← L2 − L1  α − β + γ = 3    
⇐⇒ β = 1 1 −1 1 1 0 0
1 0 1 0 1 0
β + γ = 3

 0 1 1 0 0 1
L3 ← L3 − L2  α − β + γ = 3 
⇐⇒ β = 1 On effectue les opérations L2 ← L2 − L1 . On obtient :
γ = 2

   
 1 −1 1 1 0 0
L1 ← L1 − L3  α − β = 1 0 1 0 −1 1 0
⇐⇒ β = 1 0 1 1 0 0 1
γ = 2


 On effectue l’opération L3 ← L3 − L2 . On obtient :
L1 ← L1 + L2  α = 2
⇐⇒
   
β = 1 1 −1 1 1 0 0

γ = 2 0 1 0 −1 1 0
0 0 1 1 −1 1
On en déduit que : f (u3 ) = 2 · u1 + 1 · u2 + 2 · u3 .

6
ECE2-B 2018-2019

 
1 −1 1 6. Soit n ∈ N. Que vaut An ?
La matrice réduite 0 1 0 est triangulaire supérieure à coefficients
0 0 1 Démonstration.
diagonaux tous non nuls. Comme A = P N P −1 , on a (par une récurrence immédiate) :
Elle est donc inversible. Ainsi, P est inversible. An = P T n P −1

On effectue les opérations L1 ← L1 − L3 . On obtient : (d’après le début
= P (2n I + n 2n−1 N ) P −1
de chapitre)
= (2n P + n 2n−1 P N ) P −1
   
1 −1 0 0 1 −1
0 1 0 −1 1 0
= 2n P P −1 + n 2n−1 P N P −1
0 0 1 1 −1 1
= 2n I + n 2n−1 P N P −1

On effectue les opérations L1 ← L1 + L2 . On obtient : 
−1 1
1

0 0 2

−1 2 −1


    Or : P N P −1 = 10 10 0 1−1 1 0

1 0 0 −1 2 −1 0
1 1 0 0 0 1 −1 1
0 1 0 −1 1 0     
0 0 1 1 −1 1 0
0 1 −1 2 −1 1 −1 1
= 0 2−1 1
0 0  = 2 −2 2
Ainsi : 0
0 1 1 −1 1 1 −1 1
Et ainsi :
 
−1 2 −1
1 + n2 − n2 n
 
P −1 = −1 1 0 n n 
2
1 −1 1 A =2 n 1−n n 
n
2 − 2 1 + n2
n

C’est la matrice de passage de la base B 0 à la base B. Remarque

Autrement dit : P −1 = PB0 ,B . • Dans la base B , la matrice représentative de f est triangulaire supérieure.
0

Cette forme simplifie certaines manipulations (on détermine T n et on en

5. Quel est le lien entre les trois matrices précédentes ?
déduit ensuite An ). Évidemment, l’élévation à la puissance n aurait été
Démonstration. encore plus simple si on avait obtenu une matrice diagonale.
D’après la formule de changement de base : • Il est alors naturel de se poser la question de savoir si, pour tout endomor-
phisme f , on est capable de toruver une base dans laquelle la représentation
MatB (f ) = PB,B0 × MatB0 (f ) × PB0 ,B matricielle de f est diagonale (forme idéale pour les manipulations).
ainsi A = P × T × P −1 • Ce n’est malheureusement pas toujours le cas (comme on va le voir). Le but
du chapitre est donc de caractériser les endomorphismes qui admettent une
représentation matricielle diagonale i.e. d’exhiber les propriétés suffisantes
à l’obtention d’une telle représentation.

7
ECE2-B 2018-2019

II. Éléments propres d’un endomorphisme, d’une ma- Définition (Vecteur propre)
trice carrée Soit E un ev de dimension finie n ∈ N∗ .
Soit f ∈ L (E) et soit A ∈ Mn (R).
II.1. Valeurs propres et vecteurs propres d’un endomorphisme, On suppose que f (resp. A) admet une valeur propre λ ∈ R.
d’une matrice carrée (ce n’est pas forcément le cas !)
II.1.a) Définition 1) Cas des endomorphismes
• On appelle vecteur propre de f associé à la valeur propre λ, tout
Définition (Valeur propre)
vecteur non nul u de E tel que f (u) = λ u.
Soit E un ev de dimension finie n ∈ N∗ .
2) Cas des matrices carrées
Soit f ∈ L (E) et soit A ∈ Mn (R). • On appelle vecteur propre de A associé à la valeur propre λ, tout
1) Cas des endomorphismes vecteur colonne U ∈ Mn,1 (R) non nul tel que AU = λ U .
• On dit qu’un réel λ est une valeur propre de l’endomorphisme f s’il Exercice
existe un vecteur u ∈ E non nul tel que :
On note B = (P0 , P1 , P2 ) la base canonique de R2 [X].
f (u) = λ u On note B 0 = (R0 , R1 , R2 ) ∈ (R2 [X])3 les polynômes définis par :
R0 (X) = 1, R1 (X) = X − 1 et R2 (X) = (X − 1)2
• L’ensemble des valeurs propres d’un endomorphisme f est appelé spectre
de f et est noté Sp(f ). 1) Soit f ∈ L (R2 [X]) définie par (f (P ))(X) = (X − 1) P 0 (X) + P (X).
Calculer f (R0 ), f (R1 ) et f (R2 ). Que peut-on en déduire ?
Sp(f ) = {λ ∈ R | ∃u 6= 0E , f (u) = λ u}
Démonstration.
Déterminons (f (R2 ))(X).
2) Cas des matrices carrées
• On dit qu’un réel λ est une valeur propre de la matrice A s’il existe (f (R2 ))(X) = (X − 1) R20 (X) + R2 (X)
un vecteur colonne X ∈ Mn,1 (R) non nul tel que : = (X − 1) 2(X − 1) + (X − 1)2 = 3 (X − 1)2
= 3 R2 (X)
AX = λ X
Ainsi, f (R2 ) = 3 · R2 .
• L’ensemble des valeurs propres d’une matrice carrée A est appelé spectre R2 est vecteur propre de f , associé à la valeur propre 3.
de A et est noté Sp(A).
De même : f (R0 ) = 1 · R0 et f (R1 ) = 2 · R1 . Ainsi :
× R0 est vecteur propre de f associé à la valeur propre 1.
Sp(A) = {λ ∈ R | ∃X 6= 0, AX = λ X}
× R1 est vecteur propre de f associé à la valeur propre 2.

8
ECE2-B 2018-2019

2) Soit g ∈ L (R2 [X]) définie par g(P ) = P 0 . En réalité, on a déjà fait ces calculs dans l’exercice précédent.
Calculer g(P0 ). Que peut-on en déduire ? C’est même ce calcul qui nous a permis de démontrer que :
Démonstration. f (u1 ) = 2 · u1 et f (u2 ) = 2 · u2
Déterminons g(P0 ).
g(P0 ) = P00 = 0R2 [X] = 0 · P0
Remarque
Ainsi, g(P0 ) = 0 · P0 .
P0 est vecteur propre de g, associé à la valeur propre 0. • Dans la définition de valeur propre λ de f , il est que le vecteur u tel que
f (u) = λu doit être non nul. Ceci est primordial.
Sans cete hypothèse, tout réel λ ∈ R serait valeur propre.
Exercice     En effet, on peut toujours écrire :
0 1 0 1
1. Soit A = 0 0 2. Calculer AU pour U = 0.
f (0E ) = λ · 0E
0 0 0 0
Que peut-on en déduire ?
Cette égalité ne permet en aucun cas de démontrer que λ est valeur
Démonstration.   propre de f .
0
• En revanche, la définition n’impose pas de contrainte particulière sur le
Par calcul : AU = 0.
0
réel λ qui peut tout à fait être nul. C’est d’ailleurs le cas pour l’application
Ainsi, AU = 0 · U . g de cet exercice. Comme g(P0 ) = 0 · P0 , le réel 0 est valeur propre de f et
U est donc vecteur propre de A associé à la valeur propre 0. P0 (6= 0R2 [X] ) est un vecteur propre associé à cette valeur propre 0.
 
3 −1 1 Exercice
2. Soit A = 2 0 2. Soit ϕ l’endomorphisme de R3 dont la matrice représentative dans la base
1 −1 3 canonique (notée B) est :
   
1 −1
Calculer AUi pour U1 = 1, U2 =  0 .
 
1 4 4
0 1 1 
M= 2 −1 −7

Que peut-on en déduire ? 3
0 0 6
Démonstration.
Déterminons AUi . (on dit que ϕ est l’endomorphisme canoniquement associé à M )
Notons :
AU1 = 2 · U1 , AU2 = 2 · U2
     
−1 2 0
V 1 = 1 ,
 V2 = 1
 et V3 = −1

Ainsi, U1 est vecteur propre de A associé à la valeur propre 2 et U2 est
0 0 1
vecteur propre de A associé à la valeur propre 2.

9
ECE2-B 2018-2019

1. Déterminer M V1 , M V2 , M V3 . Que peut-on en déduire ? 3. a) Il suffit de démontrer que la famille (v1 , v2 , v3 ) est libre (EXO).
2. Notons v1 l’unique vecteur de R3 tel que : MatB (v1 ) = V1 . Comme de plus Card((v1 , v2 , v3 )) = 3 = dim(R3 ), on en déduit que
On définit de même v2 et v3 . Déterminer les valeurs propres de ϕ. B 0 = (v1 , v2 , v3 ) est une base de R3 .
3. a) Démontrer que B 0 = (v1 , v2 , v3 ) est une base de R3 . b) • Tout d’abord : ϕ(v1 ) = −1 · v
1 + 0· v2 + 0 · v3 .
b) Déterminer N , la matrice représentative de ϕ dans B 0 . −1
Ainsi : Mat(v1 ,v2 ,v3 ) (ϕ(v1 )) =  0 .
4. a) Déterminer P , la matrice de passage de B à B 0 .
0
b) Quel lien y a-t-il entre les matrices M , N et P ?
• Ensuite : ϕ(v2 ) = 0 · v1 + 1 · v
2 +0 · v3 .
c) Soit n ∈ N. Déterminer M n . 0
Ainsi : Mat(v1 ,v2 ,v3 ) (ϕ(v2 )) = 1.
Démonstration. 0
1. Déterminons M Vi . • Enfin : ϕ(v3 ) = 0 · v1 + 0 · v2 +
 2· v3 .
      0
1 3 1 6 1 0 Ainsi : Mat(v1 ,v2 ,v3 ) (ϕ(v3 )) = 0.
M V1 = −3 = −1·V1 , M V2 = 3 = 1·V2 , M V3 = −6 = 2·V3
3 0 3 0 3 6 2
 
−1 0 0
Ainsi, V1 , V2 et V3 sont des vecteurs propres associés respectivement aux On en déduit que : N = MatB0 (ϕ) =  0 1 0.
valeurs propres λ1 = −1, λ2 = 1, λ3 = 2. 0 0 2
2. Tout d’abord :  
4. a) Par définition : P = PB,B 0 = MatB (v1 ), MatB (v2 ), MatB (v3 ) . Ainsi :
v1 = (−1, 1, 0), v2 = (2, 1, 0), et v3 = (0, −1, 1)
 
Remarquons que pour tout i ∈ J1, 3K : −1 2 0
P =  1 1 −1
M Vi = λi Vi 0 0 1
q q
b) D’après la formule de changement de base :
MatB (ϕ) × MatB (vi ) λi · MatB (vi )
q q MatB (ϕ) = PB,B0 × MatB0 (ϕ) × PB0 ,B

MatB (ϕ(vi )) MatB (λi · vi ) ainsi M = P × N × P −1

Comme MatB (.) est un isomorphisme, on en déduit : c) D’après ce qui précède : M n = P N n P −1 .
ϕ(vi ) = λi · vi
Ainsi, v1 , v2 et v3 sont des vecteurs propres associés respectivement aux
valeurs propres λ1 = −1, λ2 = 1, λ3 = 2.

10
ECE2-B 2018-2019

II.1.b) Nombre maximal de valeurs propres Remarque

• On a démontré dans l’exercice précédent que −1, 1 et 2 sont des valeurs
Théorème 3.
propres distinctes de ϕ.
Soit E un ev de dimension finie n ∈ N∗ . Or ϕ est un endomorphisme de R3 et dim(R3 ) = 3.
Soit (u1 , . . . , up ) ∈ E p et soit (U1 , . . . , Up ) ∈ (Mn,1 (R))p . On en déduit que ϕ possède au plus 3 valeurs propres distinctes.
Soit f un endomorphisme de E. Ainsi : Sp(ϕ) = {−1, 1, 2}.
• Considérons E un ev de dimension finie n ∈ N et f ∈ L (E).
∗
Soit A une matrice de Mn (R).
Supposons que f possède n valeurs propres distinctes λ1 , . . . , λn . Notons
1) Cas des endomorphismes u1 , . . . , un des vecteurs propres associés respectivement à λ1 , . . . , λn .
Alors la famille F = (u1 , . . . , un ) est libre.
u1 , . . ., up sont vecteurs propres
La famille Comme Card(F) = n = dim(E), alors F est une base de E.
associés à des valeurs propres ⇒
(u1 , . . . , up ) est libre
distinctes λ1 , . . ., λp de f Théorème 4. (Généralisation)
Soit E un ev de dimension finie n ∈ N∗ .
On en déduit que l’endomorphisme f possède au plus n valeurs propres Soit f un endomorphisme de E.
distinctes.
Soit A une matrice de Mn (R).
2) Cas des matrices carrées
1) Cas des endomorphismes
• Soient λ1 , . . . , λp p valeurs propres distinctes de f .
U1 , . . . , Up sont vecteurs propres
La famille • Soient F1 , . . . , Fp p familles de vecteurs de E telles que, pour tout
associés à des valeurs propres ⇒
(U1 , . . . , Up ) est libre i ∈ J1, pK :
distinctes λ1 , . . ., λp de A
× les familles Fi sont libres.

× les vecteurs de Fi sont des vecteurs propres associés à λi .

On en déduit que la matrice A possède au plus n valeurs propres dis-
tinctes. Alors la famille F = F1 ∪ . . . ∪ Fp est une famille libre de E.
2) Cas des matrices carrées
Démonstration.
• Soient λ1 , . . . , λp p valeurs propres distinctes de A.
a) On démontre par récurrence la propriété P(k) : toute famille (u1 , . . . , uk ) • Soient F1 , . . . , Fp p familles de vecteurs de Mn,1 (R) telles que, pour
de k vecteurs propres associés à des valeurs propres distinctes (λ1 , . . . , tout i ∈ J1, pK :
λk ) est libre.
× les familles Fi sont libres.
b) Si F = (u1 , . . . , up ) est une famille libre, alors Card(F) 6 n.
× les vecteurs de Fi sont des vecteurs propres associés à λi .

Alors la famille F = F1 ∪ . . . ∪ Fp est une famille libre de Mn,1 (R).

11
ECE2-B 2018-2019

II.1.c) Caractérisation des valeurs propres d’un endomorphisme, Cette dernière équivalence est vérifiée car, sous les hypothèses :
d’une matrice carrée × E est un espace vectoriel de dimension finie,
Théorème 5. × g ∈ L (E).
Soit E un ev de dimension finie n ∈ N∗ . on a : g injectif ⇔ g surjectif ⇔ g bijectif.
Soit f un endomorphisme de E. (on a la même conclusion sur g ∈ L (E, F ) si E et F des ev de même
Soit A une matrice de Mn (R). dimension finie : dim(E) = dim(F ))
1) Cas des endomorphismes Et ainsi : g n’est pas injectif ⇔ g n’est pas surjectif ⇔ g n’est pas bijectif.
On conclut en appliquant ce résultat à g = f − λ idE .
λ est valeur n o
⇔ Ker(f − λ idE ) 6= 0E
propre de f II.1.d) Lien entre éléments propres d’un endomorphisme et élé-
⇔ L’endomorphisme f − λ idE n’est pas injectif ments propres de sa matrice représentative dans une base

⇔ L’endomorphisme f − λ idE n’est pas bijectif Théorème 6.

Soit E un ev de dimension finie n ∈ N∗ .
2) Cas des matrices carrées
Soit B une base de E.
λ est valeur On note A = MatB (f ).
⇔ U ∈ Mn,1 (R) | (A − λI) U = 0 6= 0Mn,1 (R)
 
propre de A Soit u ∈ E. Notons U = MatB (u) ∈ Mn,1 (R).
⇔ La matrice A − λI n’est pas inversible
1) Alors : f (u) = λu ⇔ AU = λU
Démonstration. 2) En conséquence :
1) Il s’agit de dérouler les définitions.
λ est valeur λ est valeur propre de f ⇔ λ est valeur propre de A
⇔ il existe u 6= 0E tel que f (u) = λ u
propre de f
⇔ il existe u 6= 0E tel que (f − λ idE )(u) = 0E Sp(f ) = Sp(A)
⇔ il existe u 6= 0E tel que u ∈ Ker(f − λ idE )
Le vecteur u est un vecteur Le vecteur colonne U est
n o
⇔ Ker(f − λ idE ) 6= 0E
propre de f associé à la ⇔ un vecteur propre de A
⇔ L’endomorphisme f − λ idE n’est pas injectif valeur propre λ associé à la valeur propre λ
⇔ L’application f − λ idE n’est pas bijective

12
ECE2-B 2018-2019

MÉTHODO Déterminer les valeurs propres d’un endomorphisme

 Le théorème stipule que f (u) = λu ⇔ AU = λU . Pour autant :
Dans les sujets, un endomorphisme f sera généralement représentée par sa
f (u) = A U matrice A dans une base donnée.
On dédtermine alors Sp(f ) en déterminant Sp(A).
Il ne faut pas confondre :
× f (u) qui est un vecteur de E,
λ est valeur
× AU qui est un vecteur colonne de Mn,1 (R). ⇔ λ est valeur propre de A
propre de f
⇔ ∃U 6= 0, AU = λU

Exemple ⇔ ∃U 6= 0, (A − λ In ) U = 0
On note B = (P0 , P1 , P2 ) la base canonique de R2 [X]. ⇔ A − λIn n’est pas inversible
On note f ∈ L (R2 [X]) définie par (f (P ))(X) = (X − 1) P 0 (X) + P (X).
l’un (au moins) des coefficients diagonaux de la
Enfin, on note A = MatB (f ). ⇔ réduite (triangulaire supérieure) de A − λIn
1. Notons P (X) = 2 + X + 3X 2 . Déterminer f (P ). est nul
 
2
2. Déterminer A1. Plus précisément, on procède comme suit.
3 1) On écrit la matrice A − λIn où λ est inconnu.
Démonstration. 2) On calcule le rang de A − λIn .
1. On effectue le calcul : En opérant par opérations élémentaires sur les lignes de la matrice (ce
qui ne modifie pas le rang), on obtient une matrice réduite sous forme
(f (P ))(X) = (X − 1) P 0 (X) + P (X) triangulaire supérieure.
= (X − 1) (1 + 6X) + (2 + X + 3X 2 ) (cela consiste à appliquer l’algorithme du pivot de Gauss)
3) Les valeurs propres de la matrice A sont exactement les valeurs de λ qui
= 1 − 4X + 9X 2 = (1 · P0 − 4 · P1 + 9 · P2 )(X)
annulent un des coefficients diagonaux de la matrice réduite.
Ainsi, f (P ) = 1 · P0 − 4 · P1 + 9 · P2 .


1
2. D’après ce qui précède : MatB (f (P )) = −4.
9
Enfin : MatB (f (P )) = MatB (f ) × MatB (P ) = A × U .

13
ECE2-B 2018-2019

Exercice On en déduit :
Soit E = R3 . On note B la base canonique de E. On considère l’endomor- A − λI3 non inversible ⇔ 6 − λ = 0 OU − 8 + 6 λ − λ2 = 0
phisme de f ∈ L (E) dont la représentation matricielle dans la base B est :
⇔ λ = 6 OU − (λ − 2)(λ − 4) = 0
   
5 1 −1 7 8 2 ⇔ λ = 6 OU λ = 2 OU λ = 4
A = 2 4 −2 puis B = 0 3 1 
1 −1 3 0 0 3 Ainsi : Sp(f ) = Sp(A) = {2, 4, 6}.
• Soit λ ∈ R.
1) Déterminer les valeurs propres de f .  
7−λ 8 2
2) Même question avec E = R2 et g l’endomorphisme
 dont
 la représentation
  rg(B − λ I3 ) = rg  0 3−λ 1 
1 −1 0 −1 0 0 3−λ
matricielle dans la base canonique est : C = puis D = .
1 3 1 0
La réduite obtenue est triangulaire supérieure.
Elle (et donc B − λI3 ) est non inversible si et seulement si l’un de ses
Démonstration.
coefficients diagonaux est nul. On en déduit :
• Soit λ ∈ R.
B − λI3 non inversible ⇔ 7 − λ = 0 OU 3 − λ = 0 OU 3 − λ = 0
 
5−λ 1 −1 ⇔ λ = 7 OU λ = 3
rg(A − λ I3 ) = rg  2 4 − λ −2 
1 −1 3 − λ Ainsi : Sp(f ) = Sp(B) = {3, 7}.
 
L1 ↔ L3 1 −1 3 − λ Théorème 7.
= rg  2 4 − λ −2  Soit E un ev de dimension finie n ∈ N∗ .
5−λ 1 −1
Soit A ∈ Mn (R).
L2 ← L2 − 2 L1
 
L3 ← L3 − (5 − λ) L1 1 −1 3−λ La matrice A est triangulaire Les valeurs propres de A sont
= rg 0 6 − λ −8 + 2λ  1) ⇒
supérieure (resp. inférieure) ses coefficients diagonaux
0 6 − λ −1 − (5 − λ)(3 − λ)

Les valeurs propres de A sont

 
L3 ← L3 − L2 1 −1 3−λ 2) La matrice A est diagonale ⇒
= rg 0 6 − λ −8 + 2λ  ses coefficients diagonaux
0 0 −8 + 6λ − λ2

La réduite obtenue est triangulaire supérieure. À RETENIR

Elle (et donc A − λI3 ) est non inversible si et seulement si l’un de ses Les valeurs propres d’une matrice triangulaire supérieure (resp. inférieure)
coefficients diagonaux est nul. se lisent sur sa diagonale.

14
ECE2-B 2018-2019

• Pour les matrices carrées d’ordre 2 on utilise la caractérisation suivante : II.1.e) Valeurs propres de matrices semblables
Théorème 8.
λ est valeur propre de A ⇔ A − λI2 n’est pas inversible
Soit E un ev de dimension finie n ∈ N∗ .
⇔ det(A − λI2 ) = 0 Soient M et N des matrice de Mn (R).

Soit λ ∈ R. 1) M et N sont semblables ⇒ rg(M ) = rg(N )

  2) Pour tout λ ∈ R :
1 − λ −1
det(C − λI2 ) = det = (1 − λ)(3 − λ) + 1
1 3−λ
M et N sont semblables ⇒ rg(M − λIn ) = rg(N − λIn )
= 3 − 4 λ + λ2 + 1
= 4 − 4λ + λ2 = (2 − λ)2
3) M et N sont semblables ⇒ Sp(M ) = Sp(N )
2
C − λI3 non inversible ⇔ det(C − λI3 ) = 0 ⇔ (2 − λ) = 0 ⇔ λ = 2
Démonstration.
Ainsi : Sp(f ) = Sp(C) = {2}. 1) Les matrices M et N sont semblables. Ce sont donc les représentations
• Déterminons enfin det(D − λI2 ). matricielles d’un même endomorphisme f ∈ L (E) (où E est un ev de
 dimension n) dans des bases différentes. On en déduit :

−λ −1
det(D − λI2 ) = det = λ2 + 1 rg(M ) = rg(f ) = rg(N )
1 −λ
2) Soit λ ∈ R. On suppose que M et N sont semblables.
. n’existe pas de réel λ tel que λ2 = −1.
Il Il existe donc P ∈ Mn (R) tel que M = P N P −1 . Remarquons :
On en déduit que Sp(D) = ∅
M − λIn = P N P −1 − λIn = P N P −1 − λP In P −1 = P N − λIn P −1

Remarque Ainsi : M − λIn et N − λIn sont semblables. Elles ont donc le même rang.
Ce dernier exemple démontre qu’il existe des endomorphismes (resp. des 3) On remarque :
matrices carrées) qui n’admettent pas de valeur propre réelle.
λ est valeur propre de M ⇔ M − λI2 n’est pas inversible
⇔ rg(M − λI2 ) 6= n
⇔ rg(N − λI2 ) 6= n
⇔ N − λI2 n’est pas inversible
⇔ λ est valeur propre de N

15
ECE2-B 2018-2019

Remarque
Dans le théorème précédent, on démontre que deux matrices semblables M
et N ont même rang et on en déduit : Sp(M ) = Sp(N ). On peut aussi faire la
démonstration en rappelant que M et N sont les représentations matricielles
d’un même endomorphisme f ∈ L (E) (où E est un ev de dimension n) dans
des bases différentes. On en déduit :
Sp(M ) = Sp(f ) = Sp(N )

II.1.f ) Cas particulier de la valeur propre 0

Théorème 9.
Soit E un ev de dimension finie n ∈ N∗ .
Soit f un endomorphisme de E.
Soit A une matrice de Mn (R).
1) Cas des endomorphismes
n o
Le réel 0 est une valeur propre de f ⇔ Ker(f ) 6= 0E

⇔ f n’est pas injective

⇔ f n’est pas bijective

Évidemment, on peut aussi écrire :

f est bijective ⇔ Le réel 0 n’est pas valeur propre de f

2) Cas des matrices carrées

Le réel 0 est une valeur propre de A ⇔ A n’est pas inversible

Évidemment, on peut aussi écrire :

A est inversible ⇔ Le réel 0 n’est pas valeur propre de A

16
ECE2-B 2018-2019

II.2. Sous-espaces propres d’un endomorphisme Remarque

II.2.a) Définition • On a vu précédemment que, si A = MatB (f ), alors Sp(f ) = Sp(A) (l’en-
semble des valeurs propres d’un endomorphisme est l’ensemble des valeurs
Définition propres de sa matrice représentative dans une base donnée).
Soit E un ev de dimension finie n ∈ N∗ . • Par contre :
Soit f ∈ L (E). Eλ (f ) 6= Eλ (A)
Soit A ∈ Mn (R).

⊂
1) Cas des endomorphismes E Mn,1 (R)
On appelle sous-espace propre de f associé à la valeur propre λ, l’en-
semble noté Eλ (f ) défini par :  Soit λ une valeur propre d’un endomorphisme f ∈ L (E).
Il faut faire attention à cette définition :

Eλ (f ) = u ∈ E | f (u) = λ · u × u = 0E n’est JAMAIS vecteur propre de l’endomorphisme f .

= u ∈ E | (f − λid)(u) = 0E = Ker(f − λid) × ainsi, l’ensemble des vecteurs propres associés à la valeur propre
λ n’est JAMAIS un espace vectoriel.
2) Cas des matrices carrées Attention à la confusion :
On appelle sous-espace propre de A associé à la valeur propre λ, l’en-  
vecteurs propres associés
semble noté Eλ (A) défini par : Eλ (f ) 6=
à la valeur propre λ

Eλ (A) = {U ∈ Mn,1 (R) | AU = λ · U } La bonne définition est :

= {U ∈ Mn,1 (R) | (A − λI) × U = 0Mn,1 (R) }  
vecteurs propres associés
Eλ (f ) = ∪ {0E }
à la valeur propre λ
Lien entre endomorphisme et représentation matricielle (rappel)
Soit B une base de E.
On note maintenant A = MatB (f ).
Considérons u ∈ E et notons U = MatB (u).
Alors : f (u) = λ · u ⇔ AU = λ · U

17
ECE2-B 2018-2019

II.2.b) Structure d’un sous-espace propre II.2.c) Détermination d’un sous-espace propre
Théorème 10. Déterminer Eλ (f ) le sous-espace propre de f associé à une
MÉTHODO
Soit E un ev de dimension finie n ∈ N∗ . valeur propre λ donnée
Soit f ∈ L (E). Soit E un ev de dimension finie n ∈ N∗ et soit B une base de E.
Soit A ∈ Mn (R). Soit f ∈ L (E). Notons A = MatB (f ).
1) Cas des endomorphismes Soit u ∈ E. Notons U = MatB (u).
Soit λ une valeur propre de f . Soit λ est une valeur propre de f .
On rappelle que :
a. Eλ (f ) est un sous-espace vectoriel de E
u ∈ Eλ (f ) ⇔ f (u) = λ · u
b. Eλ (f ) 6= {0E }. En particulier : dim(Eλ (f )) > 1
⇔ (f − λ idE )(u) = 0E
2) Cas des matrices carrées ⇔ (A − λ In ) × U = 0Mn,1 (R)
Soit λ une valeur propre de A.
On se ramène ainsi à la résolution d’un système linéaire.
a. Eλ (A) est un sous-espace vectoriel de Mn,1 (R)

b. Eλ (A) 6= {0Mn,1 (R) }. En particulier : dim(Eλ (A)) > 1

Démonstration.
1) Soit λ une valeur propre de f .
• Par définition, Eλ (f ) = Ker(f − λidE ).
Eλ (f ) est alors un espace vectoriel en tant que noyau d’une application
linéaire.
• λ étant une valeur propre de f , il existe u 6= 0E tel que f (u) = λu.
Autrement dit, u ∈ Ker(f − λidE ) = Eλ (f ).
Ainsi, Eλ (f ) 6= {0E } et dim(Eλ (f )) 6= 0.
On en déduit que dim(Eλ (f )) > 1.

18
ECE2-B 2018-2019

Exercice La réduite obtenue est triangulaire supérieure.

 f ∈ L (R ) dont la matrice dans la base
On considère l’endomorphisme 3 Elle (et donc A − λI3 ) est non inversible si et seulement si l’un de ses
2 −2 1 coefficients diagonaux est nul. On en déduit :
canonique B de R3 est : A =  2 −3 2.
−1 2 0 A − λI3 non inversible ⇔ 1 − λ = 0 OU (1 − λ) (−3 − λ) = 0
1. Déterminer les valeurs propres de f . ⇔ λ = 1 OU λ = 1 OU λ = −3
2. Déterminer les espaces propres correspondants.
Ainsi : Sp(f ) = Sp(A) = {1, −3}.
3. Démontrer que la famille B 0 = ((2, 1, 0), (−1, 0, 1), (−1, −2, 1)) est une  
x
base de l’espace vectoriel R3 .
2. Soit u = (x, y, z) ∈ R3 . Notons U = MatB (u) = y .
4. Déterminer la matrice représentative de f dans B 0 . z
• Déterminons E1 (f ).
Démonstration.
u ∈ E1 (f ) ⇐⇒ (f − id)(u) = 0E
1. Soit λ ∈ R.
  ⇐⇒ (A − I3 ) × U = 0M3,1 (R)
2−λ −2 1 
rg(A − λ I3 ) = rg  2 −3 − λ 2   x − 2y + z = 0
−1 2 −λ ⇐⇒ 2x − 4y + 2z = 0
−x + 2y − z = 0

 
L1 ↔ L3 −1 2 −λ 
L2 ← L2 − 2 L1
= rg  2 −3 − λ 2  L3 ← L3 + L1  x − 2y + z = 0
2−λ −2 1 ⇐⇒ 0 = 0
0 = 0

L2 ← L2 + 2 L1
 
−1 2 −λ 
L3 ← L3 + (2 − λ) L1 ⇐⇒ x = 2y − z
= rg  0 1 − λ 2 − 2λ 
0 2 − 2λ 1 − λ(2 − λ) On en déduit :
 
L3 ← L3 − 2 L2 −1 2 −λ E1 (f ) = {u = (x, y, z) ∈ R3 | u ∈ E1 (f )}
= rg  0 1 − λ 2 − 2λ 
0 0 (1 − λ)2 − 4 (1 − λ)
= {(x, y, z) ∈ R3 | x = 2y − z}
= {(2y − z, y, z) ∈ R3 | y ∈ R ET z ∈ R}
Remarquons alors :
= {y · (2, 1, 0) + z · (−1, 0, 1) | y ∈ R ET z ∈ R}
2
(1 − λ) − 4 (1 − λ) = (1 − λ) ((1 − λ) − 4) = (1 − λ) (−3 − λ) = Vect ((2, 1, 0), (−1, 0, 1))

19
ECE2-B 2018-2019


• Déterminons E−3 (f ).  2 λ1 − λ2 − λ3 = 0
Ceci équivaut au système : (S) λ1 − 2 λ3 = 0 .
u ∈ E−3 (f ) ⇐⇒ (f + 3 id)(u) = 0E 
λ2 + λ3 = 0
⇐⇒ (A + 3 I3 ) × U = 0M3,1 (R) 
 2 λ1 − λ2 − λ3 = 0
⇔ − 2 λ3 = 0

 5 x − 2y + z = 0 Or : (S) λ1
⇐⇒ λ2 + λ3 = 0

2x + 2z = 0
−x + 2y + 3z = 0


L2 ← 5 L2 − 2 L1
 L2 ← 2 L2 − L1  2 λ1 − λ2 − λ3 = 0
L3 ← 5 L3 + L1  5x − 2y + z = 0 ⇐⇒ λ2 − 3 λ3 = 0
⇐⇒ 4y + 8z = 0 
λ2 + λ3 = 0
8 y + 16 z = 0



 5x − 2y + z = 0 L3 ← L3 − L2  2 λ1 − λ2 − λ3 = 0
L3 ← L3 − 2 L2
⇐⇒ 4y + 8z = 0 ⇐⇒ λ2 − 3 λ3 = 0
4 λ3 = 0

0 = 0


5x − 2y = −z
L3 ← L3 − 2 L2

⇐⇒ λ1 = λ2 = λ3 = 0
⇐⇒
y = −2 z (par remontées successives)
Ainsi, la famille B est libre.

L1 ← L1 + 2 L2 5x = −5 z
⇐⇒ De plus, Card(B) = 3 = dim(R3 ).
y = −2 z
On en déduit que B est une base de R3 .
On en déduit : 4. Notons u = (2, 1, 0), v = (−1, 0, 1) et w = (−1, −2, 1).
E−3 (f ) = {u = (x, y, z) ∈ R3 | u ∈ E−3 (f )} D’après ce qui précède :  
1
= {(x, y, z) ∈ R3 | x = −z ET y = −2z} × f (u) = 1 · u + 0 · v + 0 · w, donc MatB0 (f (u)) = 0
0
= {(−z, −2z, z) ∈ R3 | z ∈ R}  
0
= {z · (−1, −2, 1) | z ∈ R} × f (v) = 0 · u + 1 · v + 0 · w, donc MatB 0 (f (v)) = 1
0
= Vect ((−1, −2, 1))  
0
× f (w) = 0 · u + 0 · v − 3 · w, donc MatB 0 (f (v)) =  0 
3. Soit (λ1 , λ2 , λ3 ) ∈ R3 .
−3
Supposons : λ1 (2, 1, 0) + λ2 (−1, 0, 1) + λ3 (−1, −2, 1) = (0, 0, 0).  
1 0 0
On en déduit que : MatB0 (f ) = 0 1 0 .
0 0 −3

20
ECE2-B 2018-2019

Remarque Exemple
• Cet exercice a consisté à diagonaliser f . Autrement dit à trouver une base Considérons f ∈ L (E) et A ∈ Mn (R).
dans laquelle la matrice représentative de f est diagonale. 2
• Notons P (X) = X − 2X. On a alors :

• Le lien entre les matrices représentatives de f dans les deux bases diffé-
rentes est donné par : P (f ) = f 2 − 2f et P (A) = A2 − 2A

MatB (f ) = PB,B0 MatB0 (f ) PB0 ,B • Notons Q(X) = X 2 − 2X + 3. On a alors :

q q q q
Q(f ) = f 2 − 2f + 3f 0 Q(A) = A2 − 2A + 3A0
A = P D P −1 et
= f 2 − 2f + 3idE = A2 − 2A + 3In
II.3. Polynômes annulateurs
Pour déterminer P (f ) (resp. P (A)), il suffit de remplacer l’indéterminée X
II.3.a) Polynômes d’endomorphismes, de matrices carrées par f (resp. par A). Il faut cependant faire attention : cette stratégie ne
fonctionne que si l’on considère que le terme constant du polynôme est le
Définition
coefficient devant X 0 .
Soit E un ev de dimension finie n ∈ N∗ .
• Notons R(X) = (X − 1)(−2 + 3X 2 ). On a alors :
Soit f ∈ L (E) et soit A ∈ Mn (R).
Soit P ∈ R[X]. Il existe donc r ∈ N et (a0 , . . . , ar ) ∈ Rr+1 tel que : R(f ) = (f − f 0 )(−2f 0 + 3f 2 )
r = (f − idE )(−2idE + 3f 2 )
ak X k
P
P (X) =
k=0
Et :
1) Cas des endomorphismes R(A) = (A − A0 )(−2A0 + 3A2 )
r
ak f k . = (A − In )(−2In + 3A2 )
P
On note P (f ) l’endomorphisme de E défini par P (f ) =
k=0
C’est un polynôme d’endomorphimsmes. • Enfin, si T (X) = 0 alors :
2) Cas des matrices carrées
r T (f ) = 0L (E) et T (A) = 0Mn (R)
On note P (A) la matrice de Mn (R) définie par P (A) = ak Ak .
P
k=0
C’est un polynôme de matrices.
Lien entre les deux
Si B est une base de E et A = MatB (f ), on a alors :
P (A) = MatB (P (f ))

21
ECE2-B 2018-2019

II.3.b) Polynômes annulateurs Démonstration.

Définition 1) Calculons :

Soit E un ev de dimension finie n ∈ N∗ . 

−1 4 −2
 
4 −4 2
 
−3 0 0

2
Soit f ∈ L (E) et soit A ∈ Mn (R). A = −4 9 −4, 2A =  4 −6 4, −3I =  0 −3 0 
2 −4 3 −2 4 0 0 0 −3
Soit P ∈ R[X].
1) Cas des endomorphismes et on a bien A2 + 2A − 3I = 0.
On dit que P est un polynôme annulateur de f si P (f ) = 0L (E) . 1
2) L’égalité A2 + 2A − 3I = 0 entraîne (A + 2I) A = I.
2) Cas des matrices carrées 3
1
On dit que P est un polynôme annulateur de A si P (A) = 0Mn (R) . On en déduit que A est inversible, d’inverse A−1 = (A + 2I).
3
Remarque Remarque
Soit f ∈ L (E) et B est une base de l’ev E (de dimension finie n ∈ N∗ ).
• Il est classique de démontrer le caractère inversible d’une matrice à l’aide
Soit P ∈ R[X] et A = MatB (f ). Alors :
d’un polynôme annulateur. La méthode précédente fonctionne si le poly-
P (f ) = 0L (E) ⇔ P (A) = 0 nôme annulateur étudié P a un terme constant non nul.
• Si une matrice A possède un polynôme annulateur, alors elle en possède
(via la passerelle endomorphisme-matrice) une infinité. Reprenons l’exemple précédent et considérons le polynôme
• On en déduit que : Q(X) = (X − 7) (X 2 + 2X − 3). Alors Q est un polynôme annulateur :

P est une polynôme P est un polynôme Q(A) = (A − 7 I) (A2 + 2A − 3 I) = 0

⇔
annulateur de f annulateur de A
• De manière générale, tout polynôme :
Exemple
Rβ (X) = (X − β) (X 2 + 2X − 3)
On considère la matrice :

2 −2 1

est alors un polynôme annulateur de A.
A =  2 −3 2
−1 2 0

1) Calculer A2 et vérifier que P (X) = X 2 + 2X − 3 est un polynôme annu-

lateur de A.
2) En déduire que A est inversible et exprimer A−1 en fonction de A et I.

22
ECE2-B 2018-2019

II.3.c) Existence d’un polynôme annulateur non nul II.3.d) Intérêt des polynômes annulateurs
Théorème 11. Théorème 12.
Soit E un ev de dimension finie n ∈ N∗ . Soit E un ev de dimension finie n ∈ N∗ .
Soit f ∈ L (E) et soit A ∈ Mn (R). Soit f ∈ L (E) et soit A ∈ Mn (R).
1) Cas des endomorphismes
Soit P ∈ R[X].
Il existe un polynôme annulateur non nul de f . 1) Cas des endomorphismes
2) Cas des matrices carrées Si P est un polynôme annulateur de f alors :
Il existe un polynôme annulateur non nul de A.
λ une valeur propre de f ⇒ λ est une racine de P
Démonstration.
2
Considérons la famille (A0 , A1 , A2 , . . . , An ). Ainsi : Sp(f ) ⊂ {racines de P }
Cette famille contient n2 + 1 éléments dans l’ev Mn (R) qui est de dimension
finie n2 . On en déduit que cette famille est liée. 2) Cas des matrices carrées
2
Il existe donc un (n + 1)-uplet (α0 , α1 , . . . , αn2 ) 6= (0, 0, . . . , 0) tel que : Si P est un polynôme annulateur de A alors :
2
α0 A0 + . . . + αn2 An = 0Mn (R) λ une valeur propre de A ⇒ λ est une racine de P

n2
Le polynôme P défini par P (X) =
P
αk X k est donc un polynôme annu- Ainsi : Sp(A) ⊂ {racines de P }
k=0
lateur non nul de A. Démonstration.
Soit λ une valeur propre de A et U un vecteur propre associé.
Remarque k k
• Démontrons tout d’abord par récurrence que : ∀k ∈ N, A U = λ U .
En fait, toute matrice de Mn (R) possède un polynôme annulateur de degré
1) Initialisation :
inférieur ou égal à n, mais ce résultat est hors-programme. 0
× D’une part A U = I × U = U .
0
× D’autre part λ U = 1 · U = U .

On a bien A U = λ0 U .
0

2) Hérédité :
Soit k ∈ N.
Supposons que Ak U = λk U et démontrons que Ak+1 U = λk+1 U .
Ak+1 U = A(Ak U ) = A(λk U ) = λk AU = λk λU = λk+1 U

23
ECE2-B 2018-2019

• Considérons un polynôme P ∈ R[X]. • Or :

r
Il existe donc r ∈ N et (a0 , . . . , ar ) ∈ Rr+1 tel que : P (X) = ak X k .
P    
1 −2 1 5 −2 1
k=0
r A − I3 =  2 −4 2  et A + 3 I3 =  2 0 2
Ak
P
Ainsi P (A) = ak et en conséquence : −1 2 −1 −1 2 3
k=0
 r
 r r La matrice A − I3 est non inversible car C1 = C3 (donc rg(A − I3 ) < 3).
Ak a k Ak U = ak λ k U
P P P
P (A) U = ak U = La matrice A + 3 I3 est non inversible car C1 = −2 C2 + C3 .
k=0 k=0 k=0
r
 
ak λk
P
= U = P (λ) U  Ce résultat n’est en aucun cas une équivalence !
k=0

• Si P est un polynôme annulateur de A, on sait de plus : P (A) = 0. λ une valeur propre de A ⇐⇒ λ est une racine de P
On en déduit que : P (A) U = 0 · U = 0Mn,1 (R) . Ainsi :
Si on reprend l’exemple précédent, puisque P est un polynôme an-
P (λ) U = 0Mn,1 (R) nulateur de A, alors, pour tout β ∈ R, Rβ (X) = (X − β) P (X) est
Or U 6= 0Mn,1 (R) puisque c’est un vecteur propre de A. Ainsi P (λ) = 0. un polynôme annulateur de A :

Exercice Rβ (A) = (A − β I) P (A) = 0

 
2 −2 1
On considère la matrice A =  2 −3 2 de l’exercice précédent. Mais β racine de Rβ ne démontre pas que β est valeur propre de A.
−1 2 0 Sinon tout β serait valeur propre de A et on aurait ainsi Sp(A) = R.
On a démontré que P (X) = X 2 + 2X − 3 est un polynôme annulateur.
Que peut-on déduire ? Exercice
Reprenons la matrice de l’épreuve EDHEC 2016. On note B la bc de R3 et on
Démonstration. considère l’endomorphisme f de R3 dont la matrice dans la base B est :
• P (X) = X 2 + 2X − 3 = (X − 1) (X + 3). 
3 −1 1

Le polynôme P a deux racines : 1 et −3. On en déduit que : A = 2 0 2 
1 −1 3
Sp(A) ⊂ {1, −3}
2
• Pour déterminer si 1 (resp. −3) est valeur propre de A, on utilise la carac- 1. Calculer A − 4 A puis déterminer un polynome annulateur de A.
térisation classique : Quelles sont les valeurs propres possibles pour A ?
2. Démontrer que A est inversible et déterminer son inverse.
λ valeur propre de A ⇔ A − λ I3 non inversible

24
ECE2-B 2018-2019

III. Théorèmes de réduction III.1.b) Caractérisation de la diagonalisabilité

III.1. Endomorphisme diagonalisable, matrice diagonalisable Théorème 13.

Soit E un ev de dimension finie n ∈ N∗ .
III.1.a) Définition
Soit B une base de E.
Définition (Endomorphisme / matrice carrée diagonalisable)
Soit f ∈ L (E) et soit A = MatB (f ).
Soit E un ev de dimension finie n ∈ N∗ .
1) Cas des endomorphismes
Soit f ∈ L (E) et soit A ∈ Mn (R).
1) Cas des endomorphismes
il existe une base de E formée
• On dit que f ∈ L (E) est diagonalisable s’il existe une base B 0 de E f est diagonalisable ⇔
de vecteurs propres de f
dans laquelle la matrice représentative de f est diagonale.
•Autrement dit, f ∈ L (E) est diagonalisable s’il existe une base B 0 2) Cas des matrices carrées
de E et une matrice diagonale D ∈ Mn (R) tels que : MatB0 (f ) = D.
2) Cas des matrices carrées
il existe une base de Mn,1 (R)
On dit que A ∈ Mn (R) est une matrice diagonalisable s’il existe une A est diagonalisable ⇔
formée de vecteurs propres de A
matrice P inversible et une matrice D diagonale telles que :

A = P DP −1 3) Lien entre endomorphisme et représentation matricielle

Exercice
f est diagonalisable ⇔ A est diagonalisable
Soit E un ev de dimension finie n ∈ N∗ .
Soit f ∈ L (E). On suppose que f est diagonalisable.
Remarque
Démontrer que f 2 est diagonalisable.
• On a adopté ici une présentation légèrement différente de celle présente
dans le programme officiel. Celui-ci recommande de considérer comme dé-
Démonstration. finition de diagonalisibilité de f le résultat de ce théorème. À savoir que f
L’endomorphisme f est diagonalisable s’il existe une base B de E telle que : est diagonalisable s’il existe une base de vecteurs propres de f .
MatB (f ) = D où D est une matrice diagonale.
• Dans les énoncés, on donne généralement f sous une forme matricielle A.
Il suffit alors de remarquer que :
Il faut savoir jongler entre les différentes représentations en fonction des
MatB (f 2 ) = MatB (f ◦ f ) = MatB (f ) × MatB (f ) = D × D = D2 exigences de l’énoncé.

D’où f 2 diagonalisable.

25
ECE2-B 2018-2019

Démonstration. 2) Soit u ∈ E. Notons U = MatB (u).

1) f est diagonalisable Rappelons que :
u ∈ Eλ (f ) ⇔ U ∈ Eλ (A)
il existe une base B 0 = (e1 0 , . . . , en 0 ) pour laquelle la matrice
⇔ représentative de f est diagonale. Ainsi :
Autrement dit, il existe (λ1 , . . . , λn ) ∈ Rn tel que :
  u est un vecteur propre de f ⇔ U est un vecteur propre de A.
λ1 0 ··· 0
.. .. . 
. .. 

0 .
MatB0 (f ) = 
 .. .. ..

 Si on considère une famille (u1 , . . . , un ) ∈ E n et (α1 , . . . , αn ) ∈ Rn alors :
. . . 0
0 · · · 0 λn α1 u1 + . . . + αn un = 0E
⇔ il existe une base B 0 = (e1 0 , . . . , en 0 ) telle que : ⇔ α1 U1 + . . . + αn Un = 0Mn,1 (R)
f (e1 0 ) = λ · e1 0 + 0 · e2 0 + . . . + 0 · en−1 0 + 0 · en 0 où pour tout i ∈ J1, nK, on a noté : Ui = MatB (ui ).
.. .. De sorte que :
. .
f (en 0 ) = 0 · e1 0 + 0 · e2 0 + . . . + 0 · en−1 0 + λn · en 0 (u1 , . . . , un ) est libre dans E ⇔ (U1 , . . . , Un ) est libre dans Mn,1 (R)
⇔ il existe une base B 0 = (e1 0 , . . . , en 0 ) formée de vecteurs propres de f
(λ1 , . . . , λn sont les valeurs propres - pas forcément distinctes - de f ) On en déduit, à l’aide du point 3) :

3) f est diagonalisable A est diagonalisable

⇔ il existe une base B 0 et une matrice D ∈ Mn (R) diagonale telle que : ⇔ f est diagonalisable
MatB0 (f ) = D ⇔ il existe une base (u1 , . . . , un ) formée de vecteurs propres de f

⇔ il existe une base B 0 et une matrice D ∈ Mn (R) diagonale telle que : ⇔ il existe une base (U1 , . . . , Un ) formée de vecteurs propres de A
PB0 ,B × MatB (f ) × PB,B0 = D Remarque
Dans le point 1) , on démontre que f (ei 0 ) = λi · ei 0 .
⇔ il existe une base B 0 et une matrice D ∈ Mn (R) diagonale telle que :
Ceci signifie que ei 0 ∈ Eλi (f ) mais pas forcément que ei 0 est un vecteur propre
−1
MatB (f ) = PB,B0 × D × (PB,B0 ) de f . Il faut en plus démontrer que ei 0 6= 0E . Or B 0 étant une base, elle ne
peut contenir 0E (toute famille contenant 0E est liée).
⇔ A est diagonalisable

26
ECE2-B 2018-2019

À RETENIR Exercice

• Dans les énoncés, l’endomorphisme f ∈ L (E) est généralement donné par Soit A ∈ Mn (R). On suppose que A est diagonalisable.
A sa matrice représentative dans une base B = (e1 , . . . , en ) donnée. Soit B une matrice semblable à A.
• Diagonaliser f , c’est trouver une base B 0 = (e01 , . . . , e0n ) dans laquelle la Démontrer que B est diagonalisable.
matrice représentative de f , notée D, est diagonale. Plus précisément :
Démonstration.
× cette base B est constituée de vecteurs propres de f .
0
1) En détaillant les formules
× la matrice D a pour coefficients diagonaux les valeurs propres de f .
Ces valeurs propres apparaissent dans l’ordre de classement des vecteurs Comme A est diagonalisable, il existe une matrice P ∈ Mn (R) inversible
propres apparaissant dans B 0 . et une matrice D ∈ Mn (R) diagonale telle que :
• La formule de changement de base permet de faire le lien entre tous ces A = P DP −1
objets :
MatB (f ) = PB,B0 MatB0 (f ) PB0 ,B Comme A et B sont semblables, il existe Q ∈ Mn (R) inversible telle que :
q q q q
A = QBQ−1
A = P D P −1
On en déduit :
La matrice P est la matrice de passage de la base B à la base B 0 . Elle est
obtenue en concaténant les matrices colonnes représentatives, dans la base QBQ−1 = P DP −1 et donc B = Q−1 P D P −1 Q
B des vecteurs propres de f . Plus précisément :
  Et ainsi B = Q−1 P D (Q−1 P )−1 .
0 0
PB,B0 = MatB (e1 ) . . . MatB (en ) 2) À l’aide de la passerelle endomorphisme-matrice (beaucoup plus élégant)
• Comme A et B sont semblables, elles représentent le même endomor-
phisme, noté f ∈ L (E) dans des bases différentes.
• Or A est diagonalisable donc f l’est (sens réciproque du point 3) du
théorème précédent).
• Comme f est diagonalisable, B l’est (c’est le sens direct du point 3) du
théorème précédent).

27
ECE2-B 2018-2019

III.2. Réduction des endomorphismes et des matrices carrées III.2.b) Condition suffisante de diagonalisabilité
III.2.a) Critère de diagonalisabilité Théorème 15.
Théorème 14. Soit E un ev de dimension finie n ∈ N∗ .
Soit E un ev de dimension finie n ∈ N∗ . Soit f ∈ L (E) et soit A ∈ Mn (R).
Soit f ∈ L (E) et soit A ∈ Mn (R). 1) Cas des endomorphismes

1) Cas des endomorphismes

f admet n valeurs propres distinctes ⇒ f est diagonalisable
Soient λ1 , . . . , λm les valeurs propres distinctes de f .
Notons Eλ1 (f ), . . . , Eλm (f ) les sous-espaces propres associés à ces va-
2) Cas des matrices carrées
leurs propres.
m
⇒ A est diagonalisable
P
a. dim(Eλi (f )) 6 dim(E) A admet n valeurs propres distinctes
i=1

m
P Démonstration.
b. f est diagonalisable ⇔ dim(Eλi (f )) = dim(E)
i=1 Supposons que f admet n valeurs propres distinctes notées λ1 , . . . , λn .
Considérons F = (u1 , . . . , un ) famille de vecteurs propres associés aux va-
2) Cas des matrices carrées
leurs propres λ1 , . . . , λn .
Soient λ1 , . . . , λm les valeurs propres distinctes de A.
• F est une famille libre car constituée de n vecteurs propres associés à n
Notons Eλ1 (A), . . . , Eλm (A) les sous-espaces propres associés à ces va- valeurs propres distinctes.
leurs propres.
• De plus, Card(F ) = n = dim(E).
m
On en déduit que F est une base de E constituée de vecteurs propres de f .
P
a. dim(Eλi (A)) 6 n
i=1 Ainsi f est diagonalisable.
m
P
b. A est diagonalisable ⇔ dim(Eλi (A)) = n Remarque
i=1
Le résultat énoncé dans le théorème n’est pas une équivalence. Pour s’en
convaincre, il suffit de considérer la matrice de l’exercice précédent : elle est
Démonstration.
diagonalisable mais n’a que 2 valeurs propres distinctes.
Admis.

28
ECE2-B 2018-2019

 
Exercice 3−λ 1 1
Soit f ∈ L (R3 ) et A la matrice canoniquement associée à f . rg(A − λ I3 ) = rg  1 3−λ 1 
1 1 3−λ
 
3 1 1  
A = 1 3 1 L1 ↔ L3 1 1 3−λ
1 1 3 = rg  1 3−λ 1 
3−λ 1 1
1. Déterminer les valeurs propres de f .
L2 ← L2 − L1
 
2. Déterminer les espaces propres associés aux valeurs propres de f . L3 ← L3 − (3 − λ) L1 1 1 3−λ
= rg 0 2−λ −(2 − λ) 
3. L’endomorphisme f est-il diagonalisable ? 0 −(2 − λ) 1 − (3 − λ)2
4. Démontrer qu’il existe P ∈ M3 (R) inversible tel que :  
  L3 ← L3 + L2 1 1 3−λ
5 0 0 = rg 0 2 − λ −(2 − λ) 
A = P 0 2 0P −1 0 0 −(2 − λ)(4 − λ) − (2 − λ)
0 0 2
Enfin :
 
On explicitera P et P −1 . −(2 − λ)(4 − λ) − (2 − λ) = −(2 − λ) (4 − λ) + 1 = −(2 − λ) (5 − λ)
5. En déduire la valeur de An pour tout n ∈ N.
Les valeurs propres de A sont les réels λ qui annulent l’un des coeffi-
6. Quelle propriété a An ? Pourquoi ? cients diagonaux de la matrice réduite triangulaire supérieure obtenue.
Ainsi : Sp(A) = {2, 5} = Sp(f ).
Démonstration.  
x
1. Soit λ ∈ R. Rappelons que : 2. Soit u = (x, y, z) ∈ R3 . Notons U = MatB (u) = y .
z
λ est valeur • Déterminons E2 (f ).
⇔ λ est valeur propre de A
propre de f
u ∈ E2 (f ) ⇐⇒ (f − 2 id)(u) = 0E
⇔ A − λI3 n’est pas inversible
⇐⇒ (A − 2 I3 ) U = 0M3,1 (R)
l’un (au moins) des coefficients diagonaux de la réduite 
⇔  x + y + z = 0
(triangulaire supérieure) de A − λIn est nul
⇐⇒ x + y + z = 0
x + y + z = 0

L2 ← L2 − L1
L3 ← L3 − L1 
⇐⇒ x + y + z = 0

⇐⇒ x = −y − z

29
ECE2-B 2018-2019

On en déduit que : On en déduit que :

E2 (f ) = {u = (x, y, z) ∈ R3 | u ∈ E2 (f )} E5 (f ) = {u = (x, y, z) ∈ R3 | u ∈ E5 (f )}
= {(x, y, z) ∈ R3 | x = −y − z} = {(x, y, z) ∈ R3 | x = z ET y = z}
= {(−y − z, y, z) ∈ R3 | y ∈ R ET z ∈ R} = {(z, z, z) ∈ R3 | z ∈ R}
= {y · (−1, 1, 0) + z · (−1, 0, 1) | y ∈ R ET z ∈ R} = {z · (1, 1, 1) | z ∈ R}
= Vect ((−1, 1, 0), (−1, 0, 1)) = Vect ((1, 1, 1))

• Déterminons E5 (f ). 3. • La famille F1 = ((−1, 1, 0), (−1, 0, 1)) est :

× génératice de E2 (f ),
u ∈ E5 (f ) ⇐⇒ (f − 5 id)(u) = 0E × libre car constituée de deux vecteurs non colinéaires.
⇐⇒ (A − 5 I3 ) U = 0M3,1 (R) C’est donc une base de E2 (f ).

 −2 x + y + z = 0 Ainsi, dim(E2 (f )) = 2.
⇐⇒ x − 2y + z = 0 • La famille F2 = ((1, 1, 1)) est :
x + y − 2z = 0

× génératice de E5 (f ),
L2 ← 2 L2 + L1
 × libre car constituée d’un vecteurs non nul.
L3 ← 2 L3 + L1  −2 x + y + z = 0
⇐⇒ − 3y + 3z = 0 C’est donc une base de E5 (f ).

3y − 3z = 0 Ainsi, dim(E5 (f )) = 1.
 Ainsi :
L3 ← L3 + L2  −2 x + y + z = 0 dim(E2 (f )) + dim(E5 (f )) = 3 = dim(R3 )
⇐⇒ − 3y + 3z = 0

0 = 0 L’endomorphisme f est donc diagonalisable.
 4. Notons B = (e1 , e2 , e3 ) la base canonique de R3 .
−2 x + y = −z Notons B 0 = ((1, 1, 1), (−1, 1, 0), (−1, 0, 1)).
⇐⇒
− 3 y = −3 z B 0 est une base car est obtenue par concaténation de :
 
 • F1 = (−1, 1, 0), (−1, 0, 1) famille libre (car constituée de deux vec-
L1 ← 3 L1 + L2 −6 x = −6 z
⇐⇒ teurs propres non colinéaires) de vecteurs propres associés à la valeur
− 3 y = −3 z
propre 2.
 
• F2 = (1, 1, 1) famille libre (car constituée d’un vecteur non nul) d’un

vecteur propre associé à la valeur propre 5.

30
ECE2-B 2018-2019


D’après la formule de changement de base : L1 ← 3L1 + L3
On effectue les opérations . On obtient :
L2 ← 3L2 − L3
MatB (f ) = PB,B0 × MatB0 (f ) ×PB0 ,B    
3 −3 0 2 −1 2
q q q 0 6 0 −2 4 −2
0 0 3 −1 −1 2
   
1 −1 −1 5 0 0
A 1 1 0 0 2 0 
1 0 1 0 0 2 On effectue l’opération L1 ← 2 L1 + L2 . On obtient :
   
3 0 0 2 2 2
La matrice P est obtenue en remarquant : 0 6 0 −2 4 −2
• (1, 1, 1) = 1 · e1 + 1 · e2 + 1 · e3 , 0 0 3 −1 −1 2
• (−1, 1, 0) = (−1) · e1 + 1 · e2 + 0 · e3 ,  
1 1 1 1
• (−1, 0, 1) = (−1) · e1 + 0 · e2 + 1 · e3 , Ainsi, P est inversible d’inverse P −1 = −1 2 −1
3 −1 −1 2
On détermine P −1 par la méthode du pivot de Gauss. 5. Pour tout n ∈ N :
5n 0 0
     
1 −1 −1 1 0 0
1 1 0  0 1 0 An = P  0 2n 0 P −1
1 0 1 0 0 1 0 0 2n
n
   
1 1 −1 −15 0 0 1 1 1

L2 ← L2 − L1 = 1 1 0 0 2n 0 −1 2 −1
On effectue les opérations . On obtient : 3 1 0
L3 ← L3 − L1 1 0 0 2n −1 −1 2
n n n
      
1 −1 −1 1 0 0 1 5n −2n −2  1 1 1
0 2 1  −1 1 0 = 5 2 0 −1 2 −1
0 1 2 −1 0 1 3 5n 0 2 n −1 −1 2
 n n n − 2n n − 2n

On effectue l’opération L3 ← 2 L3 − L2 . On obtient : 5
1  n + 2 · 2 5 5
= 5 − 2n 5n + 2 · 2n 5n − 2n 
    3 5n − 2n 5n − 2n 5n + 2 · 2n
1 −1 −1 1 0 0
0 2 1  −1 1 0 6. On remarque que la matrice An est symétrique.
0 0 3 −1 −1 2 Rappelons que, si (A, B) ∈ (Mn (R))2 , on a : t (AB) = t B t A.
Par une récurrence immédiate, on a donc : t (An ) = (t A)n .
La matrice réduite obtenue est triangulaire supérieure et à coefficients
Et comme t A = A, on a enfin : t (An ) = An .
diagonaux tous non nuls. On en déduit que P est inversible.

31
ECE2-B 2018-2019

III.2.c) Démontrer par l’absurde la non diagonalisabilité Exercice

Théorème 16. Soit E un ev de dimension 3 (par exemple E = R3 ).
Soit E un ev de dimension finie n ∈ N∗ . Soit B = (e1 , e2 , e3 ) une base de E.
Soit f ∈ L (E) et soit A ∈ Mn (R). Soit f ∈ L (E).
1) Cas des endomorphismes Dans la suite, on note M = MatB (f ).
 
) 5 1 −1
f est diagonalisable 1. Si M = 0 4 −2, l’endomorphisme f est-il diagonalisable ?
⇔ f = λ idE 0 0 3
f n’admet qu’une seule valeur propre λ  
7 1 −1
2. Si M = 0 7 −2, l’endomorphisme f est-il diagonalisable ?
2) Cas des matrices carrées 0 0 7
)
A est diagonalisable
⇔ A = λ In Démonstration.
A n’admet qu’une seule valeur propre λ
1. La matrice M est triangulaire supérieure.
Ses valeurs propres sont donc ses coefficients diagonaux. Ainsi :
Démonstration.
2)(⇐) Si A = λ In alors A est une matrice diagonale. Sp(M ) = {3, 4, 5} = Sp(f )
Elle est donc notamment diagonalisable.
• E est un espace vectoriel de dimension 3.
(⇒) Si A est diagonalisable alors il existe une matrice P ∈ Mn (R) inver-
• L’endomorphisme f possède 3 valeurs propres disctinctes.
sible telle que :
A = P DP −1 On en déduit que f est diagonalisable.

où D est une matrice diagonale dont les coefficients diagonaux sont Ainsi, il existe une base B 0 = (e01 , e02 , e03 ) constituée de vecteurs propres
les valeurs propres de A. de f dans laquelle la matrice représentative de f est la matrice diagonale :
Comme A n’a qu’une seule valeur propre : D = λIn .
 
3 0 0
Et ainsi : D = 0 4 0 
A = P (λ In )P −1 = λP P −1 = λ In 0 0 5

Remarque D’après la formule de changement de base :

• Ce résultat est souvent utilisé pour démontrer, par l’absurde, qu’une ma- MatB (f ) = PB,B0 MatB0 (f ) PB0 ,B
trice n’ayant qu’une valeur propre λ n’est pas diagonalisable.
q q q q
• Ce résultat n’est pas officiellement au programme mais son usage est fré-
quent dans les énoncés. Il faut donc connaître la démonstration. M P D P −1

32
ECE2-B 2018-2019

2. La matrice M est triangulaire supérieure. III.3. Caractère diagonalisable des matrices symétriques
Ses valeurs propres sont donc ses coefficients diagonaux. Ainsi :
Définition (Matrice symétrique)
Sp(M ) = {7} Soit A ∈ Mn (R).
• La matrice A est dite symétrique si t A = A.
Supposons par l’absurde que f est diagonalisable.
Il existe alors une base B 0 = (e01 , e02 , e03 ) constituée de vecteurs propres de • Autrement dit, A est symétrique si :
f dans laquelle la matrice représentative de f est la matrice diagonale :
∀(i, j) ∈ J1, nK2 , ai,j = aj,i
 
7 0 0
D = 0 7 0 = 7 I3 Théorème 17.
0 0 7
Soit E un ev de dimension finie n ∈ N∗ .
D’après la formule de changement de base : Soit f ∈ L (E) et soit A ∈ Mn (R).

MatB (f ) = PB,B0 MatB0 (f ) PB0 ,B 1) Cas des endomorphismes

q q q q
Il existe une base dans laquelle la matrice
M P D P −1 ⇒ f est diagonalisable
représentative de f est symétrique
Ainsi :
M = P (7 I3 )P −1 = 7 P P −1 = 7 I3 2) Cas des matrices carrées

Absurde ! Ainsi, f n’est pas diagonalisable.

A est symétrique ⇒ A est diagonalisable

Démonstration.
Admis.

33
ECE2-B 2018-2019

Remarque
• Ce résultat n’a rien à faire dans un cours sur les applications linéaires. C’est
un résultat qui provient du cours sur les applications bilinéaires, chapitre
qui n’est pas au programme de la section ECE.
• Il faut donc utiliser ce résultat comme une recette qu’on applique bêtement.
• Ainsi, dès qu’on rencontre une matrice A symétrique, il faut avoir le réflexe
de dire qu’elle est diagonalisable. On note cependant que ce résultat ne dit
RIEN sur les valeurs propres et les espaces propres de A.

Exercice
On considère l’endomorphisme de R3 dont la matrice dans la base canonique
est :  
1 1 1
A = 1 1 1
1 1 1
1. L’endomorphisme f est-il diagonalisable ?
2. a) La matrice A est-elle inversible ?
b) En déduire une valeur propre de A.
3. a) Calculer A2 .
b) Déterminer alors un polynôme annulateur de A.
4. Déterminer les valeurs propres et sous-espaces propres de f .
5. a) Exhiber D ∈ M3 (R) diagonale et P ∈ M3 (R) inversible telles que :

A = P DP −1

b) Que représentent la matrice P ?

c) Déterminer P −1 .
d) Soit n ∈ N. Déterminer An ?

34