Réduction des endomorphismes

Table des matières

K désigne R ou C, E un K-espace vectoriel .

1 Sous espaces stables par un endomorphisme

Définition 1 :
Soit u ∈ L(E), un sous espace vectoriel F de E est dit stable par u (ou u-stable) si

u(F ) ⊂ F

Proposition 1 :
Si f ◦ g = g ◦ f alors Kerg et Img sont stables par f .

Preuve
x ∈ Kerg, g(f (x)) = f (g(x)) = f (0) = 0, donc f (x) ∈ Kerg.
y ∈ Img, il existe x ∈ E, g(x) = y, dans ce cas
f (y) = f (g(x)) = g(f (x)) ∈ Img.

Exercice 1. H = Kerϕ un hyperplan de E.

Montrer H est stable par f si, et seulement si il existe α ∈ K, ϕ ◦ f = αϕ
Proposition 2 :
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 décomposition.
Si M la matrice de u dans cette base alors :  
A B
F est stable par u si, et seulement si M s’écrit de la forme : , où
0 C
A ∈ Mp (K), C ∈ Mq (K).
Dans ce cas : det M = (det A) (det C).
Preuve
Une telle base β s’ecrit β = (e1 , .., ep , .., en ) avec F = vect(e1 , .., ep ).
F est stable par u si et seulement si ∀j ∈ |[1, p]|, u(ej) ∈ vect(e1 , .., ep ), ce que traduit exactement la forme de la matrice.

n
Généralisation : On suppose que E = ⊕ Ek , alors chaque Ek est stable par u si, et seulement si M , la matrice de
k=1  
A1 0 ... 0
 0 A2 ... 0 
u dans une base β = ∪βk ”adaptée” à cette somme est de la forme :  . . .
 
 .. ..
0 . .. 
0 0 . . . An
Yn
Dans ces conditions, si on note uk la restriction de u à Ek , alors Ak est la matrice de uk dans βk et det M = det Ak .
1

[Link]@[Link]
Exercice 2. p un projecteur de rang r d’un espace vectoriel E de dimension finie égale à n.
f ∈ L(E), montrer que f commute à p si, et seulement si Imp et Kerp sont stables par f .
En déduire la dimension de l’espace vectoriel commutant de p :

C(p) = {f ∈ L(E)/ f ◦ p = p ◦ f }

2 Polynôme d’endomorphisme ou de matrice

2.1 Polynôme d’endomorphisme

Définition 2 :
Soit u un endomorphisme de E.
Xp
Soit P = a0 + a1 X + . . . ap X p = ak X k .
k=0
On note
Xp
P (u) = a0 IdE + a1 u + a2 u2 + . . . ap up = ak uk
k=0
0 p
où u = IdE et u = u ◦ u ◦ . . . ◦ u (p fois).
On dit que : P (u) est un polynôme de l’endomorphisme u.
Par exemple, si P = X p , alors P (u) = up . En particulier
si P = 1 alors P (u) = IdE .

L(E) est une K-algèbre l’application :

ϕ : K[X] → L(E)
n
X Xp
P = ak X k → P (u) = ak uk
k=0 k=0

est un morphisme d’algèbre.

– 1(u) = IE
– ∀α, β ∈ K, ∀P, Q ∈ K[X], (αP + βQ)(u) = αP (u) + βQ(u).
– ∀P, Q ∈ K[X], (P Q)(u) = P (u) ◦ Q(u). et donc les endomorphismes P (u) et Q(u) commutent.
Proposition 3 :
Si P divise Q, alors KerP (u) ⊂ KerQ(u).

Preuve
P/Q, il existe R ∈ K[X] tel que : Q = RP et donc Q(u) = R(u) ◦ P (u), ainsi :

P (u)(x) = 0 =⇒ Q(u)(x) = R(u)(P (u)(x)) = R(u)(0) = 0

Proposition 4 :
u ∈ L(E), ∀P ∈ K[X], KerP (u) et ImP (u) sont stables par u.

Preuve

[Link]@[Link]
 Vient du fait P (u) commute à u.

Proposition 5 :
Kerϕ : ensemble des polynômes annulateurs de u est un idéal de K[X].
Imϕ = K[u] est une sous algèbre de L(E).
Si dim E est fini alors u admet un polynôme minimal.
Preuve
E est de dimension finie, il en est de même pour L(E), K[u] qui est une sous algèbre de L(E), donc K[u] est de
dimension finie, d’où l’existence de πu .

Proposition 6 :
E un K-ev, u ∈ L(E) admettant un pomi πu , si F est un sous espace vectoriel de E u-stable, v = u/F , alors πv /πu .

Preuve
Vient du fait que πu sera aussi un polynôme annulateur de v.

2.2 Polynôme de matrice

De même, on définit polynôme de matrice comme suit
Xn Xn
P = ak X k , P (M ) = ak M k
k=0 k=0
Mn (K) est une K-algèbre l’application :
ϕM : K[X] → Mn (K)
Xn Xp
P = ak X k → P (M ) = ak M k
k=0 k=0
est un morphisme d’algèbre.
– 1(M ) = In
– ∀α, β ∈ K, ∀P, Q ∈ K[X], (αP + βQ)(M ) = αP (M ) + βQ(M ).
– ∀P, Q ∈ K[X], (P Q)(M ) = P (M )Q(M ), et par suite deux polynôme de la même matrice commutent.

Remarque 1 :
β une base de E supposé de dimension fini.

φ : L(E) → Mn (K)
u → MatB (u)
est un isomorphisme d’algèbre.
Xn Xn
M = MatB (u), P = ak X k , P (u) = ak uk
k=0 k=0
MatB P (u) = P (M ) et donc P (u) = 0 si, et seulement si P (M ) = 0 ainsi πu = πM

Propriété 1 :
πM = πt M et si A et B sont semblables alors πA = πB .

Proposition 7 :
 
A C
Si M = est une matrice triangulaire par blocs, alors πA , πB divisent πM et πM divise πA πB .
0 B
C’est à dire :
ppcm(πA , πB )/πM /πA πB
Preuve

[Link]@[Link]
 Par une petite récurrence on montre que M k à la forme suivante :
 k 
A Ck
Mk =
0 Bk

Par combinaison linéaire, on aura pour tout P ∈ K[X] il existe une matrice C(P ) de type (p, n − p) tel que :
 
P (A) C(P )
P (M ) =
0 P (B)

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 conséquence immédiate.   
0 C(πA ) πB (A) C(πB )
En plus (πA πB )(M ) = πA (M )πB (M ) = = 0, d’où le résultat.
0 πA (B) 0 0

Théorème 1 : Théorème de décomposition des noyaux

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

KerP (u) = KerQ(u) ⊕ KerR(u)

En plus si P est un polynôme annulateur de u alors :

E = KerQ(u) ⊕ KerR(u)
Preuve
Soient U et V tels que U Q + V R = 1 (Bezout). On a déjà KerQ(u) ⊂ KerP (u) et KerR(u) ⊂ KerP (u). De plus on
a : U (u)Q(u) + V (u)R(u) = IE .
Soit x ∈ KerQ(u) ∩ KerR(u). On a
x = U (u)Q(u)(x) + V (u)P (u)(x) = 0 + 0 = 0, donc KerQ(u) ∩ KerR(u) = 0. Soit x ∈ KerP (u). On a encore x = x1 + x2 ,
avec x1 = V (u)R(u)(x) et
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.
donc x1 ∈ KerQ(u). De même x2 ∈ KerR(u) et d’où le résultat.

Exemples 1 :
1. Si p est un projecteur, alors : E = Kerp ⊕ Ker(IE − p) = Kerp ⊕ Imp
2. Si s est une symétrie, alors : E = Ker(s − IE ) ⊕ Ker(s + IE )
 
1 2
3. u ∈ L(R2 ) tel que MatB = , montrer que :
2 1

E = Ker(u + I) ⊕ Ker(u − 3I)

Théorème 2 : Généralisation
Si (Pk )1≤k≤p est une famille de polynômes premiers entres eux deux à deux alors :
p
Y p
M
Ker( Pk )(u) = KerPk (u)
k=1 k=1

p
Y
Et si en plus Pk est un polynôme annulateur de u, alors :
k=1

p
M
E= KerPk (u)
k=1

Preuve
Pour p = 2, le résultat est vrai.
Supposons que le résultat vrai pour p − 1. Comme Pp et P1 ...Pp−1 sont premiers entre eux, le cas p = 2 nous donne :

KerP (u) = KerP1 ...Pp−1 (u) ⊕ KerPp (u)

[Link]@[Link]
puis grâce à l’hypothèse de récurrence KerP (u) = KerP1 (u) ⊕ ... ⊕ KerPp (u).

Exercice 3. 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

KerM (f ) = KerP (f ) + KerQ(f ), KerD(f ) = KerP (f ) ∩ KerQ(f )

ImD(f ) = ImP (f ) + ImQ(f ), ImM (f ) = ImP (f ) ∩ ImQ(f )

3 Valeurs propres, vecteurs propres

3.1 Valeurs propres, vecteurs propres d’un endomorphisme

Définition 3 :
Soient u un endomorphisme de E et λ un élément de K, λ est dite valeur propre de u si Ker(u − λId) n’est pas
réduit au singleton {0}, et dans ce cas Eλ = Ker(u − λId) s’appelle le sous espace propre associé à la valeur propre
λ et les éléments non nuls de Ker(u − λId) s’appellent les vecteurs propres de u associés à la valeur propre λ.

Remarque 2 :
λ est une valeur propre de u si, et seulement si u − λId n’est pas injective et en dimension finie c’est équivalent à
det(u − λId) = 0.

Exemple 2 :
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 .
Soit λ ∈ C une valeur propre de ϕ, il existe f ∈ C 1 (I, C) non nulle telle que f 0 = λf .
f 0 = λf ⇐⇒ ∃c ∈ C, ∀t ∈ R : f (t) = c exp(tλ).
Par conséquent Sp(f ) = C et pour tout λ ∈ C :
Eλ (ϕ) = Cfλ ; fλ : t → exp(tλ).

Exemple 3 :
Déterminer les éléments propres de l’endomorphisme :
 ∞
C (R, R) −→ C ∞ (R, R)
φ:
f → f 00

Soit λ ∈ R. On cherche les fonctions non nulles f ∈ C ∞ (R, R) telles que f 00 = λf .

1. Si λ > 0, Eλ (φ) = vect(t → cosh(λt), t → sinh(λt)).
2. Si λ < 0, Eλ (φ) = vect(t → sin(λt), t → cos(λt)).
3. Si λ = 0, Eλ (φ) = vect(t → 1, t → t).
Donc Sp(φ) = R.

[Link]@[Link]
 Proposition 8 :

1. Eλ (u) est un sous espace vectoriel de E stable par u, et les droites stables sont exactements les droites portées
par des vecteurs propres.
X
2. Si λ1 , ..., λp sont des valeurs propres distincts de u, alors la Eλi est directe.
De manière équivalente si e1 , .., ep sont des vecteurs propres associés à des valeurs propres distincts λ1 , ..., λp .
alors (e1 , ..., ep ) est libre.
3. Si f et g sont deux endomorphismes qui commutent alors tout sous espace propre de l’un est stable par l’autre.
4. Si λ est une valeur propre de u alors ∀P ∈ K[X], P (λ) est une valeur propre de P (u).
5. Si λ est une valeur propre de u et P un polynôme annulateur de u alors λ est une racine de P .
Preuve
1. Eλ (u) = Ker(u − λIE ), est stable par u car u − λIE commute à u.
X
2. Eλi (u) = Ker(u − λi IE ) = Ker(Qi (u)), les Qi étant premiers entre eux, d’après le lemme des noyaux la Eλi est
directe.
3. f et g commutent, il en sera de même pour g − λIE et f , et d’où le résultat.
4. Soit λ une valeur propre de u et x un vecteur propre associé. On a
∀k ∈ N, uk (x) = λk x et par combinaison linéaire on obtient :
∀P ∈ K[X], P (u)(x) = P (λ)x, d’où le résultat.
5. Si λ est une valeur propre de u et P un polynôme annulateur de u alors P (λ) est une valeur propre de P (u) = 0,
d’où P (λ) = 0.

Remarque 3 :
Il résulte de la propriété que si E est de dimension finie alors Sp(u) est fini.

Proposition 9 :
Si E est de dimension finie, alors Sp(u) est exactement l’ensemble des racines du polynôme minimal.

Preuve
On sait déja que si λ est une valeur propre de u, alors 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). Supposons que λ n’est pas valeur propre de u.
On a 0 = πu (u) = (u − λIE ) ◦ Q(u). Mais comme λ n’est pas valeur propre de u, u − λIE est injectif et donc Q(u) = 0.
Ceci impose que πu divise Q ce qui est impossible pour une question de minimalité.

Exemples 4 :
1. Soit p un projecteur non trivial, x2 − x et un polynôme annulateur de p, donc Sp(p) ⊂ {0, 1}.
Ker(p) 6= {0}, Ker(p−Id ) = Im(p) 6= {0}, donc Sp(p) = {0, 1}, et les sous espaces propres sont respectivement
Ker(p) et Im(p)
s + Id
2. Soit s une symétrie non triviale, en passant par le projecteur associé (ou un polynôme annulateur) p = ,
2
Sp(s) = {1, −1}.

Proposition 10 :
Si u est un endomorphisme d’un K-ev de dimension finie, alors u admet une droite ou un plan stable, et si K = C,
alors u admet toujours une droite stable.
Preuve
On raisonne sur le polynôme minimal, s’il admet une racine λ dans K, qui sera par la suite une valeur propre de u,
et donc une droite portée par un vecteur propre associé à λ est une droite stable.
Supposons maintenant que πu n’admet pas de racines dans K, soit Q un facteur irréductible de π, il sera par conséquent
de degré deux, soit R tel que π = QR, on aura : 0 = Q(u) ◦ R(u), si Q(u) est injectif, alors R(u) = 0, ce qui contredirait
la minimalité πu , et par conséquent KerQ(u) 6= {0}, soit alors e ∈ KerQ(u)\{0} en ecrivant Q = X 2 + aX + b, on aura

[Link]@[Link]
que : u2 (e) ∈ vect(e, u(e)) et par conséquent F = vect(e, u(e)) est un plan ou une droite stable par u. En fait c’est un
plan, parce que u n’admet pas dans ce cas de droites stables.

3.2 Valeurs propres, vecteurs propres d’une matrice.

Définition 4 :
Soient M ∈ Mn (K) et λ ∈ K.
λ est dite valeur propre de M s’il existe un vecteur colonne V non nul de Mn,1 (K) tel que M V = λV .
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 spectre de M dans K et se note SpK (M).

Remarque 4 :
1. si u est un endomorphisme associé à M dans n’importe quelle base 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 composantes
des vecteurs propres de u dans β.
2. λ est valeur propre de M ssi det(M − λIn ) = 0.

3.3 Polynôme caractéristique

Théorème définition 3 :
Soit M ∈ Mn (K), si on pose :
χM = det(M − XIn ), alors χM est polynôme de degré n et on a

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

Preuve
Posons M = (aij ) et M − XIn = B = (bij ), on a
bij = aij si i 6= j et bii = aii − X

X
det(M − XIn ) = ε(σ)Πbσ(i)i
σ∈Sn
X
= Πni=1 bii + ε(σ)Πbσ(i)i
σ∈Sn \{Id}
X
= Πni=1 (aii − X) + ε(σ)Πbσ(i)i
σ∈Sn \{Id}

Si σ 6= Id, soit alors i0 tel que σ(i0 ) 6= i0 , posons j0 = σ(i0 ), on a aussi par injectivité de σ ; σ(j0 ) 6= j0 , et donc Πni=1 bσ(i)i
est un polynôme de degré ≤ n − 2.
Πni=1 (bii − X) est un polynôme de degré exactement n, son coeffcient dominant est (−1)n , et le coefficient de X n−1 est
Xn
(−1)n−1 bii = (−1)n−1 tr(M) et le coeffcient constant de χM est χM (0) = det M .
i=1

Remarque 5 :
En particulier pour n = 2, χM = X 2 − tr(M)X + det M

[Link]@[Link]
 Exemple d’application 5 :
u un endomorphisme non homothétie d’un K espace vectoriel de dimension 2, montrer qu’il existe une base β de
E, tel la matrice de u dans β soit de la forme :
 
0 − det u
M=
1 tr(u)

En déduire que deux matrices non scalaires sont semblables si, et seulement si elles ont le même polynôme car-
actéristique.

Exercice 4. Matrice compagnon :

n
X
Si P = X n + ak X k , on appelle matrice compagnon de P , la matrice
k=0
 
0 0 . . . 0 −a0
 . . .. 

 1 0 . . −a1 

C(P ) = 
 .. . . .. .. 
0 . . . . 
.. . .
 
 .. 
 . . . 0 −an−1 
0 ... 0 1 −an

Montrer que χC(P ) = (−1)n P

Proposition 11 :
1. Si deux matrices sont semblables alors elles auront le même polynôme caractéristique.
2. 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 petit que n

Corollaire 1 :
Le spectre d’une matrice triangulaire ou diagonale est exactement l’ensemble des éléments diagonaux de la matrice.

Remarque 6 :
Le polynôme caractéristique et minimal d’une matrice ont les mêmes racines dans K, et different dans C par la
multiplicité des racines.

Exercice 5. Montrer que χM et πM ont les même facteurs irréductibles dans K[X].

Théorème définition 4 :
Soit E un espace vectoriel de dim n et u ∈ L(E).
Pour toute base β de E, det(MatB (u − XIn )) est indépendant de la base β choisie et s’appelle le polynôme car-
actéristique de u et se note χu .

Remarque 7 :
1. Si λ ∈ K alors χu (λ) = det(u − λIE ) et
λ valeur propre de u ssi χu (λ) = 0
2. χu est un polynôme de degré égal à n et

χu = (−1)n X n + (−1)n−1 truXn−1 + . . . + det u

[Link]@[Link]
 Exemples 6 :
1. Si p est un projecteur en dimension n, alors :

χp = (1 − X)q (−X)n−q

avec q = rg(p).
2. Si f est un endomorphisme en dimension n de rang 1, alors :

χf = (−1)n X n−1 (X − tr(f))

Proposition 12 :
Soient E un espace vectoriel de dimension finie et v ∈ L(E).
Si F est un sous espace vectoriel de E stable par u et v = u/F alors :

χv /χu
Preuve  
A B
Vient du fait que dans une base β = β1 ∪ β2 adaptée à F , la matrice de u s’écrit : , où A = M atβ1 v.
0 C

Généralisation
p
M
Soit u ∈ L(E), on suppose que E = Fk où les Fk sont des sous espace vectoriels de E stables et non réduits à {oE }
k=1
et on note vk = u/Fk alors :
p
Y
χu = χvk
k=1

Définition 5 :
u ∈ L(E) (resp M ∈ Mn (K)) soit λ une valeur propre de u (resp de M ).
On appelle multiplicité de λ sa multiplicité comme étant une racine de χu (resp χM ).

Propriété 2 :
Soit u ∈ L(E). Soit λ une valeur propre de u. Si on note
d(λ) = dim Eλ et m(λ) la multiplicité de λ alors :

1 ≤ d(λ) ≤ m(λ)
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) = (λ − X)dimEλ (u) . La proposition précédente implique donc que
d(λ) ≤ m(λ)
De plus Eλ (u) 6= {0}, donc 1 ≤ dimEλ (u).

Remarque 8 :
Il en résulte que si λ est une valeur propre de u de multiplicité 1, alors la dimension de l’espace propre associé est
toujours égale à 1.

Théorème 5 : de Cayley hamilton

Si u ∈ L(E), alors χu (u) = 0.

Exercice 6. Soit E un K espace vectoriel de dimension finie, n > 0 et u ∈ £(E).

n−1
X
1. On suppose qu’il existe x0 ∈ E tel que (ui (x0 ))i=0...n soit une base de E. on pose : un (x0 ) = ak uk (x0 ). Calculer
k=0
χu en fonction des ak , en déduire que χu (u) = 0.

[Link]@[Link]
 2. pour x ∈ E\{0}, on pose Eu (x) = vect{uk (x), k ∈ N}.
Montrer que Eu (x) a une base de la forme (x, u(x), ..., up−1 (x)) en déduire que χu (u)(x) = 0.
3. Retrouver le théorème de cayley hamilton.

4 Diagonalisation

Dans tout ce paragraphe E est un K espace vectoriel de dimension finie égale à n.

Définition 6 :
Un endomorphisme u est dit diagonalisable s’il existe une base β de E telle que MatB u soit diagonale.

Proposition 13 :
u est diagonalisable si et seulement si il admet une base de vecteurs propres.

Théorème 6 :
u ∈ L(E), les psse :
1. u est diagonalisable.
p
M
2. χu est scindé et E = Eλi (u)
i=1
Sp(u) = {λi , i = 1..p}.
Xp
3. χu est scindé et dim E = dim Eλi (u)
i=1
Sp(u) = {λi , i = 1..p}.
4. χu est scindé et ∀λ ∈ SP (u), d(λ) = m(λ).
5. ∃P ∈ K[X] scindé à racines simples tel que : P (u) = 0.
Preuve
1) =⇒ 2) Supposons u diagonalisable et soit β une base de E telle que

MatB (u) = D = diag(λ1 , ..., λ1 , λ2 , .., λ2 , .., .., λp , .., λp )

avec λ1 , .., λp deux à deux distincts, λi figurant mi fois. Alors

χu (X) = χD (X) = Πpi=1 (X − λi )mi

ce qui montre déjà que χu est scindé et que les valeurs propres de u sont exactement λ1 , .., λp . et si on considère le
p
polynôme Q = Πpi=1 (X − λi ), il est annulateur de D et donc de u, le lemme des noyaux donne E =
M
Eλi .
i=1
2) c’est équivalente à 3) du fait que la somme est directe.
p
Eλi , on obtient χu = Πpi=1 (λi −
M
2) =⇒ 4)En calculant le polynôme caractéristique dans une base adaptée à E =
i=1
X)dimEλi (u) , et par unicité de la multiplicité d(λ) = m(λ).
Xp
4) =⇒ 2) supposons que χu est scindé et ∀λ ∈ Sp(u), d(λ) = m(λ). On a toujours n = deg χu = m(λi ) et donc
i=1
Xp
n= dim Eλi .
i=1
p
M
2) =⇒ 5) Supposons que : χu est scindé et E = Eλi , Sp(u) = {λi , i = 1..p}. Dans une base adaptée à cette
i=1
décomposion la matrice est diagonale constituée des valeurs propres λi et dans ce cas le polynôme Q = Πpi=1 (X − λi ) qui
est scindé à racines simples est annulateur de D et donc de u.
5) =⇒ 2) supposons qu’il existe P ∈ K[X] scindé à racines simples tel que : P (u) = 0, alors le polynôme minimal est
scindé à racines simples,

[Link]@[Link]
 p
si πu = Πpi=1 (X − λi ), alors par le lemme des noyaux E =
M
ker(u − λi IE ) et en calculant le polynôme caractéristique
i=1
suivant cette décomposition il sera donc scindé.

Remarque 9 :
u est diagonalisable ssi Πu est scindé à racines simples.

Exercice 7. L’ensemble Dn (K) des matrices diagonalisables d’ordre n est un connexe par arcs.

Proposition 14 :
Si F est un sous espace stable par u et v = u/F , alors la diagonalisabilité de u entraine celle de v.

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 diagonalisabilité de v.

Proposition 15 :
Si le polynôme caractéristique est scindé à racines simples (c’est à dire que u admet n valeurs propres distinctes)
alors u est diagonalisable et la dimension de chaque sous espace propre est égale à 1.

Remarque 10 :
Bien sur la condition de la proposition n’est pas nécessaire, en considérant par exemple l’identité de E.

Proposition 16 :
Soit u ∈ L(E), on suppose que u est diagonalisable de spectre
p
M
Sp(u) = {λ1 , ..., λp }, et soit (pλ1 , ..pλp ) la famille des projecteurs associée à E = Eλi , alors :
i=1

Xp
IE = pλi
i=1

Xp
∀k ∈ N∗ : uk = λki pλi
i=1

∀i ∈ |[1, p]| : pλi ∈ K[u]

Définition 7 :
(Matrices diagonalisables)
Soit M un élément de Mn (K).
On dit que M est diagonalisable si M est semblable à une matrice diagonale D, c’est-à dire s’il existe une matrice
inversible P telle que M = P DP −1 . On dit alors que D est une réduite diagonale de M .

Remarque 11 :
Avec les notations ci-dessus, les coefficients de la diagonale de D sont les valeurs propres de M , chacune figurant
autant de fois que son ordre de multiplicité.

[Link]@[Link]
 Propriété 3 :
Soit M un élémnt de Mn (K).
M est diagonalisable si et seulement si tout endomorphisme u d’un K-espace vectoriel E de dimension n dont la
matrice est M dans une base β de E est diagonalisable, et en particulier l’endomorphisme de Kn de matrice M
dans la base canonique.

Remarque 12 :
1. Soit M un élément de Mn (R).
Si M est diagonalisable dans R alors M est diagonalisable dans C, avec les mêmes valeurs et vecteurs propres
et la même égalité M = P DP −1 , les matrices P et D étant à coefficients réels.
En revanche, toujours avec M dans Mn (R), M peut être diagonalisable dans C sans l’être dans R, si des
valeurs propres sont complexes mais non réelles.
Dans l’égalité M = P DP −1 , P et D sont alors à coefficients complexes.
2. Dans l’égalité M = P DP −1 , P est la matrice de passage de la base canonique de Kn à une base de vecteurs
propres de M .

Méthode et exemples :
Soit à diagonaliser une matrice M de Mn (K).
1. On calcule le polynôme caractéristique χM de la matrice M puis les racines dans K de ce polynôme.
2. Si χM nest pas scindé dans K, alors M n’est pas diagonalisable dans K.
3. Si χM est scindé alors pour chaque racine λ qui sera une des valeurs propres de M on résoud le système homogène
(M − λIn )X = 0, où X est une matrice colonne de Kn .
La résolution conduit à une base βλ de Eλ , donc à dim Eλ .
Xp
4. Si, dim(Eλi ) < n , alors M n’est pas diagonalisable.
i=1
p
X
5. Sinon, c’est à dire dim(Eλi ) = n alors M est diagonalisable, et la juxtaposition des bases βλi donne une base
i=1
de Kn , formée de vecteurs propres.
 
8 0 9
Exemple 1 :M =  −3 −1 −3 
−6 0 −7
χM = −(X − 2)(X + 1)2 .
– Sous espace propre associé à la valeur propre -1. On résoud le système :

9x + 9z = 0

(M + I)V = 0 ⇐⇒ −3x − 3z = 0 ⇐⇒ x + z = 0

−6x − 6z = 0

   
1 0
Il s’agit du plan engendré par  0  et  1 
−1 0
On peut déja en déduire la diagonalisabilité de M .
– Sous espace propre associé à la valeur propre 2. On résoud le système :
3

x=− z

6x + 9z = 0


 
 2
(M − 2I)V = 0 ⇐⇒ −3x − 3y − 3z = 0 ⇐⇒ y = − 1 z
  2
−6x − 9z = 0
 

z=z

 
3
Il s’agit de la droite engendrée par  −1 
−2

[Link]@[Link]
Conclusion : La  somme des dimensions
 des sous espaces
  propres est 3, donc M est diagonalisable.
−1 0 0 1 0 3
Si on pose D =  0 −1 0  et P =  0 1 −1 , alors
0 0 2 −1 0 −2
M = P DP −1 .  
2 1 0
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 diagonalisable.
7 −11 −2
Exemple 3 : M =  −3 −1 −6 . χM = −(X + 4)(X − 8)2 .
−1 1 6
 
2
Si on cherche le sous espace propre associé à la valeur propre 8, on trouve que c’est la droite engendrée par  0 ,
−1
on conclut que M n’est pas diagonalisable.

5 Applications de la diagonalisation

• Calcul des puissances d’une matrice.

Soit à calculer M k pour tout k ∈ N.
Si M est diagonalisable, soient alors P inversible et D diagonale tel que : M = P DP −1 .
Dans ce cas on a M k = P Dk P −1 , c’est à dire que le calcul de M k se ramène à celui de
Dk = diag (λk1 , ..., k
λn ). 
8 0 9
Exemple : M =  −3 −1 −3 
−6 0 −7
χM = −(X − 2)(X + 1)2 .
Avec les mêmes notations que [Link] 1 on a :

M = P DP −1 =⇒ M k = P Dk P −1

(−1)k
 
0 0
Dk =  0 (−1)k 0 , finalement on obtient :
0 0 2k
k k
−3(−1)k + 3(2k )
 
−2(−1) + 3(2 ) 0
Mk =  (−1)k − 2k (−1)k (−1)k − 2k 
k k
2(−1) − 2(2 ) 0 3(−1)k − 2(2k )
• Systèmes de suites récurrentes de pas 1.
Soient (x(1) (p)
n )n , ...(xn )n des suites d’éléments de K. On pose
t (1) (p)
Xn = (xn , ..., xn ) et on suppose qu’il existe une matrice M telle que, pour tout n, Xn+1 = M Xn , Dans ce cas on
aura : ∀n ∈ N : Xn = M n X0 , ce qui nécessite le calcul des puissances successives de M : on est donc ramené au cas
précédent...
• Etude d’une récurrence linéaire de pas p.
Soit à déterminer une suite (xn ) définie par une relation de récurrence du type :
∀n ≥ 0 : xn+p + ap−1 xn+p−1 + ... + a1 xn+1 + a0 xn = 0.
t
En posant pour tout n ∈ N,  Xn = (xn , ..., xn+p−1 ) on obtient laformule de récurence :
0 1 0 ... ... 0
 0 0 1 0 ... 0 
 
 . . . . 
 0 0 0 . . 0 
Xn+1 = M Xn , avec M =   .. .. .. .

 . . . 0 .. 0 

 
 0 0 0 0 1 
−a0 −a1 . . . . . . . . . −ap−1
Le polynôme caractéristique de M est χM = (−1)p [X p + ap−1 X p−1 + ... + a1 X + a0 ].
(d’où la nomination ”équation caractéristique”).
On est donc encore ramené au problème précédent.

[Link]@[Link]
 6 Trigonalisation

Définition 8 :
Un endomorphisme f est dit trigonalisable s’il existe une base β de E telle que MatB f soit triangulaire supérieure.

Remarque 13 :
Si f ∈ L(E) est trigonalisable et β = (e1 , ..., en ) une base telle que MatB f est triangulaire supérieure alors si on
pose β 0 = (en , ..., e1 ), la matrice de f dans β 0 est triangulaire inférieure.

Définition 9 :
Une matrice M ∈ Mn (K) est dite trigonalisable si elle est semblable à une matrice triangulaire supérieure.

Remarque 14 :
M est trigonalisable si et seulement si tout endomorphisme f d’un 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 Kn de matrice M
dans la base canonique.

Théorème 7 :
Soit u ∈ L(E). les psse :
1. u trigonalisable.
2. χu est scindé
3. Il existe un polynôme scindé annulateur u.
Preuve  
a11 ∗ ∗
1) =⇒ 2) : Si M =  0 . ∗ , alors on a :
0 0 ann

χu (X) = χM (X) = Πni=1 (aii − X)

Donc χu est scindé.

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 de dimension n et u un endomorphisme de E tel que χu scindé.
Soit λ une racine de χu . Soit e1 un vecteur propre associé à λ, que l’on complète en β = (e1 , .., en ) base de E. Soit
F = V ect(e2 , .., en  sur F parallèlement à Ke1 et v : F → F défini par v(x) = p(u(x)) si x ∈ F . Alors
), p la projection
λ ∗ ∗ ∗
0 
M = MatB (u) =  .
 avec A = M ate ,..,en (v). On en déduit que χu (X) = (X − λ)χv (X). Donc χv est aussi
2
A 
0
scindé. Par hypothèse de récurrence, il existe une base (ε2 , .., εn ) de F telle que M at(ε2 ,..,εn ) v soit triangulaire supérieure
 
λ ∗ ∗ ∗
0 
et alors M at(e1 ,ε2 ,..,εn ) u = 
.
 est triangulaire supérieure.
M at(ε2 ,..,εn ) v 
0
2) =⇒ 3) Il suffit de prendre le polynôme caractéristique lui même.
3) =⇒ 2) Supposons qu’il existe un polynôme P scindé annulateur de u, β une base quelconque de E et M = MatB (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

[Link]@[Link]
scindé dans K[X].

Remarque 15 :
1. u est trigonalisable si et seulement si πu est scindé.
2. Ces propositions passent immédiatement aux matrices.
3. La démonstration du théorème constitue un algorithme de trigonalisation d’une matrice.
  Ex-
2 2 −3
emple :  5 1 −5 .
−3 4 0
– χM = (1 − X)3 , M n’est donc pas diagonalisable.
– Le sous espace propre associé à la valeur propre 1 est la droite engendée par : e1 = (1, 1, 1), notons C = (c1 , c2 , c3 )
la base canonique et posons e02 = c2 = (0, 1, 0), e03 = c3 , déterminons la matrice N de f (canoniquement associé à
M ) dans cette nouvelle base : (e1 , e02 , e03 ).
f (e1 ) = e1 , f (e02 ) = 2c1 + e02 + 4e03 , f (e03 ) = −3c1 − 5e02 .
c1 = e1 − e02 − e03  =⇒ f (e02 ) = 2e1− e02 + 2e03 , f (e03 ) = −3e1 − 2e02 + 3e03 .
1 2 −3
Finalement N =  0 −1 −2 .
0 2 3
– On pose G = vect(e02 , e03 ), p désigne  la projection sur G parallélement à vect(e1 ).
−1 −2
C = MatB (p ◦ f/G ) = , χC = (1 − X)2 .
2 3
x = αe02 + βe03 est un vecteur propre de C associé à 1 ⇐⇒ α + β = 0, par exemple
e2 = e02 − e03 = (0, 1, −1).
– En complétant (e1 , e2 ) par e3 = c3 (par exemple) pour obtenir une base β de E, et en calculant la matrice de f dans
β, on trouve : 
1 5 −3
MatB f =  0 1 −2 .
0 0 1

Propriété 4 :
Tout endomorphisme sur un C-espace vectoriel est trigonalisable.

Proposition 17 :
Soit F un sous espace vectoriel stable par f et posons g = f/F .
f trigonalisable =⇒ g trigonalisablale.
Preuve
Vient du fait que χg divise χf .

Proposition 18 :
E de dimension n.
Un endomorphisme u de E est nilpotent si et seulement χu = (−1)n X n .
Preuve
=⇒) Si u est nilpotent d’indice p, alors πu = X p qui est scindé donc la seule valeur propre de u est 0, u est trigonalisable,
par suite χu est scindé avec 0 comme la seule racine et donc χu = (−1)n X n .

[Link]@[Link]
⇐=) Si χu = (−1)n X n , alors d’après le théorème de Cayley-Hamilton, on aura un = 0, et donc u nilpotent.

Remarque 16 :
1. Soit M ∈ Mn (K) une matrice trigonalisable.
Soit λ1 , ..., λp les valeurs propres distinctes de M , une conséquence de la trigonlalisation est que les valeurs
propres de M k sont λk1 , ..., λkp .
Xp
et en particuliers si M ∈ Mn (K) qui est trigonalisable sur C alors tr(M) = m(λk )λk , où λ1 , ..., λp sont
k=1
les valeurs propres complexes distinctes de M
2. Si M est une matrice trigonalisable et non diagonalisable, alors on peut se servir du polynôme caractéristiques
pour calculer les grandes puissances de M .
En effet pour k ∈ N effectuons la division euclidienne de X k par χM , ∃Q, R ∈ K[X] :
X k = QχM + R avec deg R < n ou R = 0, par le théorème de cayley Hamilton on obtient :
M k = R(M ).
Par conséquent le calcul de M k pour k assez grand se ramène à celui des M p , p = 0, ..., n − 1

Exemples d’application 7 :
1. Si K = C, alors Dn (K) des matrices diagonalisables est dense dans Mn (K).
Le résultat subsciste t-il si K = R.
2. Si K = C, alors GLn (K) connexe par arcs.
Le résultat subsciste t-il si K = R.
3. Une matrice M ∈ Mn (K) est nilpotente si, et seulement si 0 est dans l’adhérence de la classe de similitude
de M :
CM = {P M P −1 , P ∈ Gln (K)}

7 Classiques de chez les classiques

7.1 Endomorphismes cycliques

Dans tout le problème E un espace vectoriel sur K de dimension n, et u ∈ L(E)

Partie I

1. Pour x ∈ E, on pose :

Zx = K[u](x) = vect{uk (x), k ∈ N}, et Ix = {P ∈ K[X], P (u)(x) = 0}

a) Montrer qu’il existe un unique polynome unitaire noté Πx tel que :

Ix = {QΠx ; Q ∈ K[X]}.
Πx s’appelle le polynome minimal de x.
b) Montrer que deg Πx = dim Zx
2. Soit (e1 , ..., en ) une base de E, montrer que Πu = ppcm(Πei , i = 1, ..n)
3. Soient x, y ∈ E tels que Πx et Πy soit premiers entre eux, montrer que

Πx+y = ppcm(Πx , Πy ) = Πx Πy
p
4. Soit Πu = Π Qαi i sa décomposition primaire, montrer que :
i=1
pour tout i ∈ |[1, p]|, ∃xi ∈ E, Qαi i = Πxi
5. En déduire qu’il existe x ∈ E tel que Πu = Πx

[Link]@[Link]
 Partie II

dimE = n, u ∈ L(E) est dit cyclique s’il existe x ∈ E tel que (x, u(x), ..., un−1 (x)) soit une base de E.
1. Montrer que si u ∈ L(E) a n valeurs propres distinctes il est cyclique. ( considérer une somme de vecteurs propres)
 
0 0 0 a0
 . . .. 
1 . . a1 
2. Montrer que u est cyclique ssi sa matrice dans une base est de la forme :   ..
 et donner dans ce

 . 0 an−2 
0 1 an−1
cas l’expression de χu .
3. Montrer que u est cyclique ssi Πu = (−1)n χu .
4. On suppose que u est nilpotent, Montrer que les psse :
a) u est cyclique
b) L’indice de nilpotence est n.
c) rg(u) = n − 1
5. Soit u un endomorphisme cyclique de E = Cn . Quelles valeurs peut prendre le rang de u. Donner un exemple pour
chacune de ces valeurs.
6. u étant cyclique, donner une CNS pour que u soit diagonalisable
7. Soit M la matrice canoniquement associée à u cyclique.
Montrer qu’il existe un polynome P tel que t com(M ) = P (M ).

7.2 Le commutant et la décomposition de dunford d’un endomorphisme

E désigne un K ev de dim n ≥ 2 et u un endomorphisme de E dont on suppose le polynôme caractéristique χu scindé

sur K, on pose :
Yp
χu = (λi − X)mi
i=1

E(λi ) = Ker(u − λi I), E 0 (λi ) = Ker(u − λi I)mi

1. Montrer que E 0 (λi ) est un sous espace vectoriel stable par u, et que :
p
E = ⊕ E 0 (λi ).
i=1
2. a) on pose vi = u/E0 (λi ) .
0
Monter que : χvi = (λi − X)dim E (λi ) .
b) En déduire que dim E 0 (λi ) = mi .
(
L(E) → L(E)
Dans la suite on considère Γu :
v 7→ vou − uov
3. Montrer que Γu ∈ L(L(E)).
On note alors C(u) = Ker(Γu )
4. a) Montrer que vect(id, u, u2 , ..., un−l ) ; le sous espace vectoriel de L(E) engendré par les vecteurs uk , k ∈
{0, 1, 2, ..., n − 1}, est inclus dans C(u) et que dim (C(u)) ≥ 2.
b) Montrer que si v ∈ C(u), alors ∀i ∈ {1, 2, ..., p}, v(E(λi )) ⊂ E(λi ).
5. Dans cette question on suppose u diagonalisable.
a) Montrer que mi = dim E(λi ), ∀i ∈ |[1, p]|.
b) Montrer que :
C(u) = {v ∈ L(E)/∀i ∈ {1, 2, ..., p}}, v(E(λi )) ⊂ E(λi )}.
c) En déduire que
C(u) est isomorphe à L(E(λ1 )) × L(E(λ2 )) × ... × L(E(λp )), et donner la dimension de C(u).

[Link]@[Link]
6. Dans cette question, on Suppose que : ∀i ∈ [|1, p|], mi = 1. Montrer que :

C(u) = V ect(id, u, u2 , ..., un−l )

7. Soit k ∈ N* et v ∈ L(E).
a) Calculer (Γu)k (v).
b) En déduire que si u est nilpotent, alors Γu est nilpotent.
8. a) Montrer que si v ∈ C(u) alors :
∀i ∈ {1, 2, ..., p}, v(E 0 (λi )) ⊂ E 0 (λi ).
p
Dans la suite de la question on utilisera le fait que E = ⊕ E 0 (λi ).
i=1
b) Montrer qu’ il existe δ ∈ L(E) diagonalisable et ω ∈ L(E) nilpotent tels que :

u = δ + ω, δ ◦ ω = ω ◦ δ

et
C(u) = C(δ) ∩ C(ω)

c) Exemple
Donner
 la décomposition
 δ + ω (matricielle) de l’endomorphisme u canoniquement associé à la matrice .
2 1 −1
A= 2 1 −2  calculer alors An , pour tout n ∈ N
3 1 −2

7.3 Matrices circulantes

1. P ∈ C[X], A ∈ Mn (C) diagonalisable, montrer que P (A) est diagonalisable.
 
0 1 O
 .. .. 
0 . .  (matrice de Frobenius), calculer J k , k = 1...n, étudier la diagonalisabilté et déterminer les

2. J =  .
.
 .. .. 1 

1 0 0
éléments propres de J.
 
a0 a1 . . . an−1
 an−1 . . .
 
a1 
3. a0 , ..., an−1 des complexes et M =  . .
, écrire M sous forme d’un polynome en J et en

 .. .. 

a1 an−1 a0
déduire la diagonalisabilité et les éléments propres de M .
4. Application :
a) Soit (x, y, z) ∈ C3 . A l’aide de ce qui précède, expliciter une méthode simple permettant de calculer un
développement du produit
(x + y + z)(x + jy + j 2 z)(x + j 2 y + jz)
√
1 3
dans lequel n’intervient plus le nombre complexe j = − + i (il ne reste finalement que 4 monômes).
  2 2
2 −1 0 0 . . . 0 −1
−1 2 −1 0 . . . 0 0
 
 0 −1 2 −1 . . . 0 0
 
 . .
 .. . . . . . . . . . . . . . . ... 

b) Soit ∆ =  .
 .. . . . . . . . . . . .. 
 .
 . . . . . . 


0 . . .
. . . . . . −1 2 −1 
−1 0 . . . . . . 0 −1 2
Vérifier que la matrice ∆ est diagonalisable et identifier ses valeurs propres.

[Link]@[Link]