C HAPITRE : R ÉDUCTION DES ENDOMORPHISMES 1

si, et seulement si M, lamatrice de  base β = ∪βk ”adaptée” à cette

u dans une
Table des matières A1 0 ... 0
 0 A2 ... 0 
1 Sous espaces stables par un endomorphisme 1 somme est de la forme :  . . .
 
 .. ..
0 . .. 
2 Polynôme d’endomorphisme ou de matrice 1
2.1 Polynôme d’endomorphisme . . . . . . . . . . . . . 1 0 0 . . . An
Dans ces conditions, si on note uk la restriction de u à Ek , alors Ak est la matrice
2.2 Polynôme de matrice . . . . . . . . . . . . . . . . . 2 n
3 Valeurs propres, vecteurs propres 3 de uk dans βk et det M = ∏ det Ak .
3.1 Valeurs propres, vecteurs propres d’un endomorphisme 3 1

3.2 Valeurs propres, vecteurs propres d’une matrice. . . . 4 Exercice 2. p un projecteur de rang r d’un espace vectoriel E de dimension finie
3.3 Polynôme caractéristique . . . . . . . . . . . . . . . 4 égale à n.
4 Diagonalisation 5 f ∈ L (E), montrer que f commute à p si, et seulement si Imp et Kerp sont stables
5 Applications de la diagonalisation 7 par f .
6 Trigonalisation 7 En déduire la dimension de l’espace vectoriel commutant de p :
7 Classiques de chez les classiques 8
7.1 Endomorphismes cycliques . . . . . . . . . . . . . . 8 C (p) = { f ∈ L (E)/ f ◦ p = p ◦ f }
7.2 Le commutant et la décomposition de dunford d’un
endomorphisme . . . . . . . . . . . . . . . . . . . . 8
7.3 Matrices circulantes . . . . . . . . . . . . . . . . . . 9 2 Polynôme d’endomorphisme ou de matrice

2.1 Polynôme d’endomorphisme

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

Définition 3 :
1 Sous espaces stables par un endomorphisme Soit u un endomorphisme de E.
p
Soit P = a0 + a1 X + . . . a p X p = ∑ ak X k .
k=0
Définition 1 : On note
p
Soit u ∈ L (E), un sous espace vectoriel F de E est dit stable par u (ou u- P(u) = a0 IdE + a1 u + a2 u2 + . . . a p u p = ∑ ak uk
stable) si k=0
u(F) ⊂ F où u0 = IdE et u p = 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) = u p . En particulier
Définition 2 : si P = 1 alors P(u) = IdE .
Si F est un sous espace vectoriel de E qui
 u-stable,a alors on définit un en-
F −→ F
domorphisme sur F en considérant uF : , appelé l’endo-
x → u(x)
morphisme induit par u sur F. L (E) est une K-algèbre l’application :

ϕ : K[X] → L (E)
Proposition 1 : n p

Si f ◦ g = g ◦ f alors Kerg et Img sont stables par f . P = ∑ ak X k → P(u) = ∑ ak uk

k=0 k=0
est un morphisme d’algèbre.
Preuve – 1(u) = IE
x ∈ Kerg, g( f (x)) = f (g(x)) = f (0) = 0, donc f (x) ∈ Kerg. – ∀α, β ∈ K, ∀P, Q ∈ K[X], (αP + β Q)(u) = αP(u) + β Q(u).
y ∈ Img, il existe x ∈ E, g(x) = y, dans ce cas – ∀P, Q ∈ K[X], (PQ)(u) = P(u) ◦ Q(u). et donc les endomorphismes P(u) et
f (y) = f (g(x)) = g( f (x)) ∈ Img. Q(u) commutent.
Proposition 3 :
Exercice 1. H = Kerϕ un hyperplan de E. Si P divise Q, alors KerP(u) ⊂ KerQ(u).
Montrer H est stable par f si, et seulement si il existe α ∈ K, ϕ ◦ f = αϕ
Proposition 2 : Preuve
On suppose que E est de dimension finie et que E = F ⊕ G, P/Q, il existe R ∈ K[X] tel que : Q = RP et donc Q(u) = R(u) ◦ P(u), ainsi :
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 :   P(u)(x) = 0 =⇒ Q(u)(x) = R(u)(P(u)(x)) = R(u)(0) = 0
A B
F est stable par u si, et seulement si M s’écrit de la forme : , où
0 C
A ∈ M p (K), C ∈ Mq (K).
Dans ce cas : det M = (det A) (detC). Proposition 4 :
u ∈ L (E), ∀P ∈ K[X], KerP(u) et ImP(u) sont stables par u.
Preuve
Une telle base β s’ecrit β = (e1 , .., e p , .., en ) avec F = vect(e1 , .., ep ). Preuve
F est stable par u si et seulement si ∀ j ∈ |[1, p]|, u(e j) ∈ vect(e1 , .., ep ), ce que Vient du fait P(u) commute à u.
traduit exactement la forme de la matrice.

Proposition 5 :
Si F est un sous espace vectoriel de E stable par F, alors ∀P ∈ K[X], F est
n
Généralisation : On suppose que E = ⊕ Ek , alors chaque Ek est stable par u stable par P(u) et l’endomorphisme (P(u))F induit par P(u) sur F est P(uF ).
k=1

c [Link]@[Link]
 C HAPITRE : R ÉDUCTION DES ENDOMORPHISMES 2

Propriété 1 :
Preuve
Si M = QBQ−1 , alors ∀P ∈ K[X] : P(M) = QP(B)Q−1 , et si en plus
Si x ∈ F, alors par récurrence ∀k ∈ N, uk (x) ∈ F et par combinaison linéaire,  
λ1 0 . . . 0
on obtient P(u)(x) ∈ F, ∀P ∈ K[X]. .
p p p  0 λ2 . . . .. 

Si on pose P = ∑ ak X k , pour x ∈ F, P(u)(x) = ∑ ak uk (x) = ∑ ak (uF )k (x), on 1. B = 
 .. . . . .
 est diagonale, alors :

k=0 k=0 k=0 . . . 0
déduit que (P(u))F = P(uF ) 0 . . . 0 λn
 
P(λ1 ) 0 ... 0
. .. 
P(λ2 ) . .

Proposition 6 :  0 . 
P(B) =  .. .. ..


Kerϕ : ensemble des polynômes annulateurs de u est un idéal de K[X].  . . . 0 
Imϕ = K[u] est une sous algèbre de L (E). 0 ... 0 P(λn )
Si E est de dimension finie alors u admet un polynôme minimal.  
λ1
 0 λ2 ∗ 
2. B =  . .  est triangulaire supérieure, alors :
 
 .. .. ...
Preuve 
E est de dimension finie, il en est de même pour L (E), K[u] qui est une sous 0 . . . 0 λn
 
algèbre de L (E), donc K[u] est de dimension finie, d’où l’existence de πu . P(λ1 )
 0 P(λ2 ) ∗ 
P(B) =  .  est triangulaire supérieure.
 
. . . . .
 . . . 
Proposition 7 : 0 ... 0 P(λn )
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 .
Propriété 2 :
Preuve πM = πt M et si A et B sont semblables alors πA = πB .
Vient du fait que πu sera aussi un polynôme annulateur de v.
Proposition 8 :
 
A C
Si M = est une matrice triangulaire par blocs, alors πA , πB divisent
0 B
πM et πM divise πA πB .
2.2 Polynôme de matrice
C’est à dire :
ppcm(πA , πB )/πM /πA πB
De même, on définit polynôme de matrice comme suit

Preuve
n n
P = ∑ ak X k , P(M) = ∑ ak M k Par une petite récurrence on montre que M k à la forme suivante :
k=0 k=0  k 
A Ck
Mk = k
0 B
Mn (K) est une K-algèbre l’application :
Par combinaison linéaire, on aura pour tout P ∈ K[X] il existe une matrice C(P)
de type (p, n − p) tel que :
ϕM : K[X] → Mn (K)
 
P(A) C(P)
P(M) =
0 P(B)
n p
P = ∑ ak X k → P(M) = ∑ ak M k
k=0 k=0 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. 
est un morphisme d’algèbre. 0 C(πA ) πB (A) C(πB )
En plus (πA πB )(M) = πA (M)πB (M) = = 0, d’où le
0 πA (B) 0 0
– 1(M) = In résultat.
– ∀α, β ∈ K, ∀P, Q ∈ K[X], (αP + β Q)(M) = αP(M) + β Q(M).
– ∀P, Q ∈ K[X], (PQ)(M) = P(M)Q(M), et par suite deux polynôme de la même
matrice commutent. 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)

Remarque 1 :
β une base de E supposé de dimension fini. En plus si P est un polynôme annulateur de u alors :

φ : L (E) → Mn (K) E = KerQ(u) ⊕ KerR(u)

u → M atB (u)
Preuve
est un isomorphisme d’algèbre.
n n Soient U et V tels que UQ +V R = 1 (Bezout). On a déjà KerQ(u) ⊂ KerP(u) et
M = M atB (u), P = ∑ ak X k , P(u) = ∑ ak uk KerR(u) ⊂ KerP(u). De plus on a : U(u)Q(u) +V (u)R(u) = IE .
k=0 k=0 Soit x ∈ KerQ(u) ∩ KerR(u). On a
M atB P(u) = P(M) et donc P(u) = 0 si, et seulement si P(M) = 0 ainsi
x = U(u)Q(u)(x) + V (u)P(u)(x) = 0 + 0 = 0, donc KerQ(u) ∩ KerR(u) = 0. Soit
πu = πM
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

c [Link]@[Link]
 C HAPITRE : R ÉDUCTION DES ENDOMORPHISMES 3

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.
Exemple 3 :
Exemples 1 :
Déterminer les éléments propres de l’endomorphisme :
 ∞
1. Si p est un projecteur, alors : E = Kerp ⊕ Ker(IE − p) = Kerp ⊕ Imp C (R, R) −→ C∞ (R, R)
φ:
2. Si s est une symétrie, alors : E = Ker(s − IE ) ⊕ Ker(s + IE ) f → f 00
 
1 2 Soit λ ∈ R. On cherche les fonctions non nulles f ∈ C∞ (R, R) telles que f 00 =
3. u ∈ L (R2 ) tel que M atB = , montrer que :
2 1 λ f.
E = Ker(u + I) ⊕ Ker(u − 3I) 1. Si λ > 0, Eλ (φ ) = vect(t → cosh(λ t), t → sinh(λ t)).
2. Si λ < 0, Eλ (φ ) = vect(t → sin(λ t), t → cos(λ t)).
Théorème 2 : Généralisation 3. Si λ = 0, Eλ (φ ) = vect(t → 1, t → t).
Si (Pk )1≤k≤p est une famille de polynômes premiers entres eux deux à deux
Donc Sp(φ ) = R.
alors :
p p
M
Ker( ∏ Pk )(u) = KerPk (u)
k=1 k=1
Proposition 9 :
p
Et si en plus ∏ Pk est un polynôme annulateur de u, alors :
k=1
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.
p
M 2. Si λ1 , ..., λ p sont des valeurs propres distincts de u, alors la ∑ Eλi est
E= KerPk (u)
k=1
directe.
De manière équivalente si e1 , .., e p sont des vecteurs propres associés à
des valeurs propres distincts λ1 , ..., λ p . alors (e1 , ..., e p ) est libre.
Preuve
3. Si f et g sont deux endomorphismes qui commutent alors tout sous es-
Pour p = 2, le résultat est vrai.
pace propre de l’un est stable par l’autre.
Supposons que le résultat vrai pour p − 1. Comme Pp et P1 ...Pp−1 sont premiers
entre eux, le cas p = 2 nous donne : 4. Si λ est une valeur propre de u alors ∀P ∈ K[X], P(λ ) est une valeur
propre de P(u).
KerP(u) = KerP1 ...Pp−1 (u) ⊕ KerPp (u)
5. Si λ est une valeur propre de u et P un polynôme annulateur de u alors
puis grâce à l’hypothèse de récurrence KerP(u) = KerP1 (u) ⊕ ... ⊕ KerPp (u). λ est une racine de P.

Exercice 3. Soient P et Q deux polynômes de KX]. Soit f un endomorphisme du Preuve

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 )
1. Eλ (u) = Ker(u − λ IE ), est stable par u car u − λ IE commute à u.
ImD( f ) = ImP( f ) + ImQ( f ), ImM( f ) = ImP( f ) ∩ ImQ( f )
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 Valeurs propres, vecteurs propres
3. f et g commutent, il en sera de même pour g − λ IE et f , et d’où le résultat.

3.1 Valeurs propres, vecteurs propres d’un endomorphisme 4. Soit λ une valeur propre de u et x un vecteur propre associé. On a
∀k ∈ N, uk (x) = λ k x et par combinaison linéaire on obtient :
Définition 4 : ∀P ∈ K[X], P(u)(x) = P(λ )x, d’où le résultat.
Soient u un endomorphisme de E et λ un élément de K, λ est dite valeur
5. Si λ est une valeur propre de u et P un polynôme annulateur de u alors P(λ )
propre de u si Ker(u − λ Id) n’est pas réduit au singleton {0}, et dans ce cas
est une valeur propre de P(u) = 0, d’où P(λ ) = 0.
Eλ = Ker(u−λ Id) s’appelle le sous espace propre associé à la valeur propre
λ et les éléments non nuls de Ker(u − λ Id) s’appellent les vecteurs propres
de u associés à la valeur propre λ .

Remarque 3 :
Remarque 2 : Il résulte de la propriété que si E est de dimension finie alors Sp(u) est fini.
λ est une valeur propre de u si, et seulement si u − λ Id n’est pas injective et
en dimension finie c’est équivalent à det(u − λ Id) = 0.

Proposition 10 :
Exemple 2 : Si E est de dimension finie, alors Sp(u) est exactement l’ensemble des racines
du polynôme minimal.

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 . Preuve
Soit λ ∈ C une valeur propre de ϕ, il existe f ∈ C1 (I, C) non nulle telle que
On sait déja que si λ est une valeur propre de u, alors λ est racine de tout
f0 = λ f.
polynôme annulateur de u et en particulier de πu .
f 0 = λ f ⇐⇒ ∃c ∈ C, ∀t ∈ R : f (t) = c exp(tλ ).
Inversement soit λ une racine de πu et écrivons πu (X) = (X − λ )Q(X). Supposons
Par conséquent Sp( f ) = C et pour tout λ ∈ C :
que λ n’est pas valeur propre de u. On a 0 = πu (u) = (u−λ IE )◦Q(u). Mais comme
Eλ (ϕ) = C fλ ; fλ : t → exp(tλ ).
λ n’est pas valeur propre de u, u − λ IE est injectif et donc Q(u) = 0. Ceci impose

c [Link]@[Link]
 C HAPITRE : R ÉDUCTION DES ENDOMORPHISMES 4

que πu divise Q ce qui est impossible pour une question de minimalité.

det(M − XIn ) = ∑ ε(σ )Πbσ (i)i

σ ∈Sn
Exemples 4 :
= Πni=1 bii + ∑ ε(σ )Πbσ (i)i
σ ∈Sn \{Id}
1. Soit p un projecteur non trivial, x2 − x et un polynôme annulateur de p, = Πni=1 (aii − X) + ∑ ε(σ )Πbσ (i)i
donc Sp(p) ⊂ {0, 1}. σ ∈Sn \{Id}
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) Si σ 6= Id, soit alors i0 tel que σ (i0 ) 6= i0 , posons j0 = σ (i0 ), on a aussi par injec-
tivité de σ ; σ ( j0 ) 6= j0 , et donc Πni=1 bσ (i)i est un polynôme de degré ≤ n − 2.
2. Soit s une symétrie non triviale, en passant par le projecteur associé (ou
s + Id Πni=1 (bii − X) est un polynôme de degré exactement n, son coeffcient dominant est
un polynôme annulateur) p = , Sp(s) = {1, −1}. n
2 (−1)n , et le coefficient de X n−1 est (−1)n−1 ∑ bii = (−1)n−1 tr(M) et le coeffcient
i=1
Proposition 11 : constant de χM est χM (0) = det M.
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. Remarque 5 :
En particulier pour n = 2, χM = X 2 − tr(M)X + det M

Preuve
On raisonne sur le polynôme minimal, s’il admet une racine λ dans K, qui sera Exemple d’application 5 :
par la suite une valeur propre de u, et donc une droite portée par un vecteur propre
u un endomorphisme non homothétie d’un K espace vectoriel de dimension
associé à λ est une droite stable.
2, montrer qu’il existe une base β de E, tel la matrice de u dans β soit de la
Supposons maintenant que πu n’admet pas de racines dans K, soit Q un facteur forme :
irréductible de π, il sera par conséquent de degré deux, soit R tel que π = QR, on 
0 − det u

aura : 0 = Q(u) ◦ R(u), si Q(u) est injectif, alors R(u) = 0, ce qui contredirait la M=
1 tr(u)
minimalité πu , et par conséquent KerQ(u) 6= {0}, soit alors e ∈ KerQ(u)\{0} en
ecrivant Q = X 2 + aX + b, on aura que : u2 (e) ∈ vect(e, u(e)) et par conséquent En déduire que deux matrices non scalaires sont semblables si, et seulement
F = vect(e, u(e)) est un plan ou une droite stable par u. En fait c’est un plan, parce si elles ont le même polynôme caractéristique.
que u n’admet pas dans ce cas de droites stables.

Exercice 4. Matrice compagnon :

n
Si P = X n + ∑ ak X k , on appelle matrice compagnon de P, la matrice
k=0
3.2 Valeurs propres, vecteurs propres d’une matrice.  
0 0 . . . 0 −a0
 . . .. 

 1 0 . . −a1 

Définition 5 : . . . ..
C(P) =  0 . . . . ..
 
. 
Soient M ∈ Mn (K) et λ ∈ K. .. . . . .
 
 
 . . . 0 −an−1 
λ est dite valeur propre de M s’il existe un vecteur colonne V non nul de
0 . . . 0 1 −an
Mn,1 (K) tel que MV = λV .
Un tel vecteur V est appelé vecteur propre de M pour la valeur propre λ .
Montrer que χC(P) = (−1)n P
L’ensemble des valeurs propres éventuelles de M dans K s’appelle spectre
de M dans K et se note SpK (M). Proposition 12 :
1. Si deux matrices sont semblables alors elles auront le même polynôme
caractéristique.
Remarque 4 :
2. Le spectre de M dans K est exactement l’ensemble des racines dans K
1. si u est un endomorphisme associé à M dans n’importe quelle base β de de χM , et par conséquent SpK (M) est fini et son cardinal est plus petit
E alors les valeurs propres de M sont exactement les valeurs propres de que n
u et les vecteurs propres de M sont les vecteurs colonnes composantes
des vecteurs propres de u dans β .
Corollaire 1 :
2. λ est valeur propre de M ssi det(M − λ In ) = 0.
Le spectre d’une matrice triangulaire ou diagonale est exactement l’en-
semble des éléments diagonaux de la matrice.

3.3 Polynôme caractéristique 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.
Théorème définition 3 :
Soit M ∈ Mn (K), si on pose :
χM = det(M − XIn ), alors χM est polynôme de degré n et on a Exercice 5. Montrer que χM et πM ont les même facteurs irréductibles dans K[X].

χM = (−1)n X n + (−1)n−1 trMXn−1 + ... + det M Théorème définition 4 :

Soit E un espace vectoriel de dim n et u ∈ L (E).
Preuve Pour toute base β de E, det(M atB (u − XIn )) est indépendant de la base β
choisie et s’appelle le polynôme caractéristique de u et se note χu .
Posons M = (ai j ) et M − XIn = B = (bi j ), on a
bi j = ai j si i 6= j et bii = aii − X

c [Link]@[Link]
 C HAPITRE : R ÉDUCTION DES ENDOMORPHISMES 5

Remarque 7 : Exercice 6. Soit E un K espace vectoriel de dimension finie, n > 0 et

u ∈ L (E).
1. Si λ ∈ K alors χu (λ ) = det(u − λ IE ) et 1. On suppose qu’il existe x0 ∈ E tel que (ui (x0 ))i=0...n soit une base de E. on
λ valeur propre de u ssi χu (λ ) = 0 n−1
pose : un (x0 ) = ∑ ak uk (x0 ). Calculer χu en fonction des ak , en déduire que
2. χu est un polynôme de degré égal à n et k=0
χu (u) = 0.
χu = (−1)n X n + (−1)n−1 truXn−1 + . . . + det u
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), ..., u p−1 (x)) en déduire que
χu (u)(x) = 0.
Exemples 6 :
3. Retrouver le théorème de cayley hamilton.
1. Si p est un projecteur en dimension n, alors :

χ p = (1 − X)q (−X)n−q 4 Diagonalisation

avec q = rg(p). Dans tout ce paragraphe E est un K espace vectoriel de dimension finie égale à
2. Si f est un endomorphisme en dimension n de rang 1, alors : n.
Définition 7 :
χ f = (−1)n X n−1 (X − tr(f))
Un endomorphisme u est dit diagonalisable s’il existe une base β de E telle
Proposition 13 : que M atB u soit diagonale.
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 :
Proposition 14 :
χv /χu u est diagonalisable si et seulement si il admet une base de vecteurs propres.

Preuve Théorème 6 :
 Vient dufait que dans une base β = β1 ∪ β2 adaptée à F, la matrice de u s’écrit : u ∈ L (E), les psse :
A B
, où A = Mat β1 v. 1. u est diagonalisable.
0 C
p
M
2. χu est scindé et E = Eλi (u)
Généralisation i=1
p
Sp(u) = {λi , i = 1..p}.
Soit u ∈ L (E), on suppose que E =
M
Fk où les Fk sont des sous espace vectoriels
p
k=1
de E stables et non réduits à {oE } et on note vk = u/Fk alors : 3. χu est scindé et dim E = ∑ dim Eλi (u)
i=1
p Sp(u) = {λi , i = 1..p}.
χu = ∏ χvk 4. χu est scindé et ∀λ ∈ SP(u), d(λ ) = m(λ ).
k=1
5. ∃P ∈ K[X] scindé à racines simples tel que : P(u) = 0.
Définition 6 :
u ∈ L (E) (resp M ∈ Mn (K)) soit λ une valeur propre de u (resp de M). Preuve
On appelle multiplicité de λ sa multiplicité comme étant une racine de χu 1) =⇒ 2) Supposons u diagonalisable et soit β une base de E telle que
(resp χM ).
M atB (u) = D = diag(λ1 , ..., λ1 , λ2 , .., λ2 , .., .., λ p , .., λ p )

Propriété 3 : avec λ1 , .., λ p deux à deux distincts, λi figurant mi fois. Alors

Soit u ∈ L (E). Soit λ une valeur propre de u. Si on note p
d(λ ) = dim Eλ et m(λ ) la multiplicité de λ alors : χu (X) = χD (X) = Πi=1 (X − λi )mi

1 ≤ d(λ ) ≤ m(λ ) ce qui montre déjà que χu est scindé et que les valeurs propres de u sont exactement
p
λ1 , .., λ p . et si on considère le polynôme Q = Πi=1 (X − λi ), il est annulateur de D
p
M
Preuve et donc de u, le lemme des noyaux donne E = Eλi .
Eλ (u) est stable par u et la restriction v de u à Eλ (u) est l’homothétie de rapport i=1
2) c’est équivalente à 3) du fait que la somme est directe.
λ dont le polynôme caractéristique est χv (X) = (λ − X)dimEλ (u) . La proposition
2) =⇒ 4)En calculant le polynôme caractéristique dans une base adaptée à
précédente implique donc que p
p
(λi − X)dimEλi (u) , et par unicité de la multipli-
M
d(λ ) ≤ m(λ ) E= Eλi , on obtient χu = Πi=1
i=1
De plus Eλ (u) 6= {0}, donc 1 ≤ dimEλ (u). cité d(λ ) = m(λ ).
4) =⇒ 2) supposons que χu est scindé et ∀λ ∈ Sp(u), d(λ ) = m(λ ). On a toujours
p p
Remarque 8 : n = deg χu = ∑ m(λi ) et donc n = ∑ dim Eλi .
i=1 i=1
Il en résulte que si λ est une valeur propre de u de multiplicité 1, alors la p
M
dimension de l’espace propre associé est toujours égale à 1. 2) =⇒ 5) Supposons que : χu est scindé et E = Eλi , Sp(u) = {λi , i = 1..p}.
i=1
Dans une base adaptée à cette décomposion la matrice est diagonale constituée
p
Théorème 5 : de Cayley hamilton des valeurs propres λi et dans ce cas le polynôme Q = Πi=1 (X − λi ) qui est scindé
Si u ∈ L (E), alors χu (u) = 0. 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,

c [Link]@[Link]
 C HAPITRE : R ÉDUCTION DES ENDOMORPHISMES 6

p
p
M
si πu = Πi=1 (X −λi ), alors par le lemme des noyaux E = ker(u − λi IE ) et en cal- Remarque 12 :
i=1
culant le polynôme caractéristique suivant cette décomposition il sera donc scindé. 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 = PDP−1 ,
les matrices P et D étant à coefficients réels.
Remarque 9 :
En revanche, toujours avec M dans Mn (R), M peut être diagonalisable
u est diagonalisable ssi Πu est scindé à racines simples. dans C sans l’être dans R, si des valeurs propres sont complexes mais
non réelles.
Dans l’égalité M = PDP−1 , P et D sont alors à coefficients complexes.
Exercice 7. L’ensemble Dn (K) des matrices diagonalisables d’ordre n est un 2. Dans l’égalité M = PDP−1 , P est la matrice de passage de la base ca-
connexe par arcs. nonique de Kn à une base de vecteurs propres de M.

Proposition 15 :
Si F est un sous espace stable par u et v = u/F , alors la diagonalisabilité de
u entraine celle de v. Méthode et exemples :
Soit à diagonaliser une matrice M de Mn (K).

Preuve 1. On calcule le polynôme caractéristique χM de la matrice M puis les racines

dans K de ce polynôme.
u diagonalisable, il existe P scindé à racines simples tel que P(u) = 0, ce po-
lynôme sera aussi annulateur de v, d’où la diagonalisabilité de v. 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
Proposition 16 : de M on résoud le système homogène (M − λ In )X = 0, où X est une matrice
colonne de Kn .
Si le polynôme caractéristique est scindé à racines simples (c’est à dire que u
La résolution conduit à une base βλ de Eλ , donc à dim Eλ .
admet n valeurs propres distinctes) alors u est diagonalisable et la dimension
p
de chaque sous espace propre est égale à 1. 4. Si, ∑ dim(Eλ ) < n , alors M n’est pas diagonalisable.
i
i=1
p
Remarque 10 : 5. Sinon, c’est à dire ∑ dim(Eλ ) = n alors M est diagonalisable, et la juxtapo-
i
Bien sur la condition de la proposition n’est pas nécessaire, en considérant i=1
sition des bases βλi donne une base de Kn , formée de vecteurs propres.
par exemple l’identité de E.
 
8 0 9
Proposition 17 : Exemple 1 :M =  −3 −1 −3 
Soit u ∈ L (E), on suppose que u est diagonalisable de spectre −6 0 −7
Sp(u) = {λ1 , ..., λp }, et soit (pλ1 , ..pλ p ) la famille des projecteurs associée à χM = −(X − 2)(X + 1)2 .
p
M – Sous espace propre associé à la valeur propre -1. On résoud le système :
E= Eλi , alors :
i=1

p 9x + 9z = 0

IE = ∑ pλi (M + I)V = 0 ⇐⇒ −3x − 3z = 0 ⇐⇒ x + z = 0
i=1 
−6x − 6z = 0

p
∀k ∈ N∗ : uk = ∑ λik pλi    
i=1
1 0
Il s’agit du plan engendré par  0  et  1 
∀i ∈ |[1, p]| : pλi ∈ K[u] −1 0
On peut déja en déduire la diagonalisabilité de M.
– Sous espace propre associé à la valeur propre 2. On résoud le système :
Définition 8 :
3

(Matrices diagonalisables) 
x=− z
6x + 9z = 0

Soit M un élément de Mn (K).

 
 2
On dit que M est diagonalisable si M est semblable à une matrice diagonale (M − 2I)V = 0 ⇐⇒ −3x − 3y − 3z = 0 ⇐⇒ y = − 1 z
  2
D, c’est-à dire s’il existe une matrice inversible P telle que M = PDP−1 . On −6x − 9z = 0
 

z=z

dit alors que D est une réduite diagonale de M.
 
3
Il s’agit de la droite engendrée par  −1 
Remarque 11 : −2
Avec les notations ci-dessus, les coefficients de la diagonale de D sont les Conclusion : La somme des dimensions des sous espaces propres est 3, donc M est
valeurs propres de M, chacune figurant autant de fois que son ordre de diagonalisable.    
multiplicité. −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 = PDP−1 .
Propriété 4 :
 
2 1 0
Soit M un élémnt de Mn (K). Exemple 2 : M =  −6 −3 −2  χM = −(X − 1)(X − 2)(X − 3).
M est diagonalisable si et seulement si tout endomorphisme u d’un K-espace 15 9 7
vectoriel E de dimension n dont la matrice est M dans une base β de E est Le polynôme caractéristique est scindé à racines simples, donc M est diagonali-
diagonalisable, et en particulier l’endomorphisme de Kn de matrice M dans sable.  
la base canonique. 7 −11 −2
Exemple 3 : M =  −3 −1 −6 . χM = −(X + 4)(X − 8)2 .
−1 1 6

c [Link]@[Link]
 C HAPITRE : R ÉDUCTION DES ENDOMORPHISMES 7

Si on cherche le sous espace

 propre
 associé à la valeur propre 8, on trouve que c’est Remarque 14 :
2
M est trigonalisable si et seulement si tout endomorphisme f d’un K-espace
la droite engendrée par  0 , on conclut que M n’est pas diagonalisable.
vectoriel E de dimension n dont la matrice est M dans une base β de E est
−1
trigonalisable, et en particulier l’endomorphisme de Kn de matrice M dans
la base canonique.

5 Applications de la diagonalisation
Théorème 7 :
• Calcul des puissances d’une matrice. Soit u ∈ L (E). les psse :
Soit à calculer M k pour tout k ∈ N.
Si M est diagonalisable, soient alors P inversible et D diagonale tel que : M = 1. u trigonalisable.
PDP−1 . 2. χu est scindé
Dans ce cas on a M k = PDk P−1 , c’est à dire que le calcul de M k se ramène à celui 3. Il existe un polynôme scindé annulateur u.
de
Dk = diag (λ1k , ..., k
 λn ).
Preuve

8 0 9  
Exemple : M =  −3 −1 −3  a11 ∗ ∗
−6 0 −7 1) =⇒ 2) : Si M = 0 . ∗ , alors on a :

0 0 ann
χM = −(X − 2)(X + 1)2 .
Avec les mêmes notations que [Link] 1 on a :
χu (X) = χM (X) = Πni=1 (aii − X)
−1 k k −1
M = PDP =⇒ M = PD P
Donc χu est scindé.
 k 
(−1) 0 0 2) =⇒ 1) Par récurrence sur n . Il n’y a rien à démontrer si n = 1. Supposons la
k k
D = 0 (−1) 0 , finalement on obtient : propriété vraie pour n − 1, soient E un espace vectoriel de dimension n et u un
0 0 2k endomorphisme de E tel que χu scindé.
−2(−1)k + 3(2k ) −3(−1)k + 3(2k )
 
0 Soit λ une racine de χu . Soit e1 un vecteur propre associé à λ , que l’on complète
k k k k k k en β = (e1 , .., en ) base de E. Soit F = Vect(e2 , .., en ), p la projection sur F pa-
M =  (−1) − 2 (−1) (−1) − 2 
2(−1)k − 2(2k ) 0 3(−1)k − 2(2k ) rallèlement àKe1 et v : F  → F défini par v(x) = p(u(x)) si x ∈ F. Alors M =
• Systèmes de suites récurrentes de pas 1. λ ∗ ∗ ∗
(1) (p) 0
Soient (xn )n , ...(xn )n des suites d’éléments de K. On pose M atB (u) = 

 avec A = Mate ,..,e (v). On en déduit que χu (X) =
. 2 n
t (1) (p)
Xn = (xn , ..., xn ) et on suppose qu’il existe une matrice M telle que, pour tout n, A 
Xn+1 = MXn , Dans ce cas on aura : ∀n ∈ N : Xn = M n X0 , ce qui nécessite le calcul 0
des puissances successives de M : on est donc ramené au cas précédent... (X − λ )χv (X). Donc χv est aussi scindé. Par hypothèse de récurrence, il existe
une base (ε2 , .., εn ) de F telle que Mat(ε2 ,..,εn ) v soit triangulaire supérieure et alors
• Etude d’une récurrence linéaire de pas p.  
Soit à déterminer une suite (xn ) définie par une relation de récurrence du type : λ ∗ ∗ ∗
0
∀n ≥ 0 : xn+p + a p−1 xn+p−1 + ... + a1 xn+1 + a0 xn = 0.

Mat(e1 ,ε2 ,..,εn ) u = 
.
 est triangulaire supérieure.
En posant pour tout n ∈ N, Xn =t (xn , ..., xn+p−1 ) on obtient la formule de Mat(ε2 ,..,εn ) v 
récurence : 0
 
0 1 0 ... ... 0 2) =⇒ 3) Il suffit de prendre le polynôme caractéristique lui même.
 0 0 1 0 ... 0  3) =⇒ 2) Supposons qu’il existe un polynôme P scindé annulateur de u, β une
base quelconque de E et M = M atB (u), on injecte M dans Mn (C), aussi bien que
 
 .. .. 
 0 0 0 . . 0 
Xn+1 = MXn , avec M =  . 
. .
 χu = χM qu’on peut considérer comme un polynôme de C[X], si λ est une racine
. . . . . 
 . . . 0 . 0  complexe de χM , alors c’est une valeur propre de M et comme P est aussi annu-
 
 0 0 0 0 1  lateur de M donc λ est une racine de P et par suite λ est dans K, ainsi toutes les
−a0 −a1 . . . . . . . . . −a p−1 racines complexes de χu sont dans K, ce qui veut dire que χu est bien scindé dans
Le polynôme caractéristique de M est χM = (−1) p [X p + a p−1 X p−1 + ... + a1 X + K[X].
a0 ].
(d’où la nomination ”équation caractéristique”). Remarque 15 :
On est donc encore ramené au problème précédent.
1. u est trigonalisable si et seulement si πu est scindé.
2. Ces propositions passent immédiatement aux matrices.
6 Trigonalisation 3. La démonstration du théorème constitue un algorithme de trigonalisa-
tion d’une matrice.

Définition 9 : 
2 2 −3

Un endomorphisme f est dit trigonalisable s’il existe une base β de E telle Exemple :  5 1 −5 .
que M atB f soit triangulaire supérieure. −3 4 0
– χM = (1 − X)3 , M n’est donc pas diagonalisable.
Remarque 13 : – Le sous espace propre associé à la valeur propre 1 est la droite engendée par :
Si f ∈ L (E) est trigonalisable et β = (e1 , ..., en ) une base telle que M atB f e1 = (1, 1, 1), notons C = (c1 , c2 , c3 ) la base canonique et posons e02 = c2 =
est triangulaire supérieure alors si on pose β 0 = (en , ..., e1 ), la matrice de f (0, 1, 0), e03 = c3 , déterminons la matrice N de f (canoniquement associé à M)
dans β 0 est triangulaire inférieure. 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 .
Définition 10 : 1 2 −3
Finalement N =  0 −1 −2 .
Une matrice M ∈ Mn (K) est dite trigonalisable si elle est semblable à une
0 2 3
matrice triangulaire supérieure.
– On pose G = vect(e02 , e03 ), p désigne la projection sur G parallélement à
vect(e1 ).

c [Link]@[Link]
 C HAPITRE : R ÉDUCTION DES ENDOMORPHISMES 8

 
−1 −2
C = M atB (p ◦ f/G ) = , χC = (1 − X)2 . 7 Classiques de chez les classiques
2 3
x = αe02 + β e03 est un vecteur propre de C associé à 1 ⇐⇒ α + β = 0, par
exemple
e2 = e02 − e03 = (0, 1, −1). 7.1 Endomorphismes cycliques
– En complétant (e1 , e2 ) par e3 = c3 (par exemple) pour obtenir une base β de
E, et en calculant la matrice Dans tout le problème E un espace vectoriel sur K de dimension n, et u ∈ L(E)
  de f dans β , on trouve :
1 5 −3
M atB f =  0 1 −2 .
0 0 1
Partie I
Propriété 5 :
Tout endomorphisme sur un C-espace vectoriel est trigonalisable. 1. Pour x ∈ E, on pose :

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

Proposition 18 :
a) Montrer qu’il existe un unique polynome unitaire noté Πx tel que :
Soit F un sous espace vectoriel stable par f et posons g = f/F . Ix = {QΠx ; Q ∈ K[X]}.
f trigonalisable =⇒ g trigonalisablale. Πx s’appelle le polynome minimal de x.
b) Montrer que deg Πx = dim Zx
Preuve 2. Soit (e1 , ..., en ) une base de E, montrer que Πu = ppcm(Πei , i = 1, ..n)
Vient du fait que χg divise χ f . 3. Soient x, y ∈ E tels que Πx et Πy soit premiers entre eux, montrer que

Πx+y = ppcm(Πx , Πy ) = Πx Πy
Proposition 19 :
E de dimension n. p
Un endomorphisme u de E est nilpotent si et seulement χu = (−1)n X n . 4. Soit Πu = Π Qαi i sa décomposition primaire, montrer que :
i=1
pour tout i ∈ |[1, p]|, ∃xi ∈ E, Qαi i = Πxi

Preuve 5. En déduire qu’il existe x ∈ E tel que Πu = Πx

=⇒) 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 .
Partie II
⇐=) Si χu = (−1)n X n , alors d’après le théorème de Cayley-Hamilton, on aura
un = 0, et donc u nilpotent.
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.
Remarque 16 :
1. Montrer que si u ∈ L(E) a n valeurs propres distinctes il est cyclique. (
1. Soit M ∈ Mn (K) une matrice trigonalisable. considérer une somme de vecteurs propres)
Soit λ1 , ..., λ p les valeurs propres distinctes de M, une conséquence de 2. Montrer que u est 
cyclique ssi sa matrice dans une base est de la forme :
la trigonlalisation est que les valeurs propres de M k sont λ1k , ..., λ pk .

0 0 0 a0
et en particuliers si M ∈ Mn (K) qui est trigonalisable sur C alors  .. .. 
p 1
 . . a1   et donner dans ce cas l’expression de χu .
tr(M) = ∑ m(λk )λk , où λ1 , ..., λ p sont les valeurs propres complexes  .. 
 . 0 an−2 
k=1
distinctes de M 0 1 an−1
2. Si M est une matrice trigonalisable et non diagonalisable, alors on peut 3. Montrer que u est cyclique ssi Πu = (−1)n χu .
se servir du polynôme caractéristiques pour calculer les grandes puis- 4. On suppose que u est nilpotent, Montrer que les psse :
sances de M. a) u est cyclique
En effet pour k ∈ N effectuons la division euclidienne de X k par χM ,
∃Q, R ∈ K[X] : b) L’indice de nilpotence est n.
X k = QχM + R avec deg R < n ou R = 0, par le théorème de cayley Ha- c) rg(u) = n − 1
milton on obtient : 5. Soit u un endomorphisme cyclique de E = Cn . Quelles valeurs peut prendre le
M k = R(M). rang de u. Donner un exemple pour chacune de ces valeurs.
Par conséquent le calcul de M k pour k assez grand se ramène à celui
6. u étant cyclique, donner une CNS pour que u soit diagonalisable
des M p , p = 0, ..., n − 1
7. Soit M la matrice canoniquement associée à u cyclique.
Montrer qu’il existe un polynome P tel que t com(M) = P(M).
Exemples d’application 7 :
1. Si K = C, alors Dn (K) des matrices diagonalisables est dense dans 7.2 Le commutant et la décomposition de dunford d’un endo-
Mn (K). morphisme
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.
E désigne un K ev de dim n ≥ 2 et u un endomorphisme de E dont on suppose le
3. Une matrice M ∈ Mn (K) est nilpotente si, et seulement si 0 est dans polynôme caractéristique χu scindé sur K, on pose :
l’adhérence de la classe de similitude de M :
p
CM = {PMP−1 , P ∈ Gln (K)} χu = ∏(λi − X)mi
i=1

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

c [Link]@[Link]
 C HAPITRE : R ÉDUCTION DES ENDOMORPHISMES 9

 
1. Montrer que E 0 (λi ) est un sous espace vectoriel stable par u, et que : 2 −1 0 0 . . . 0 −1
p −1 2 −1 0 . . . 0 0
E = ⊕ E 0 (λi ).  
i=1 0
 −1 2 −1 . . . 0 0 
2. a) on pose vi = u/E0 (λi ) .  . .. .. .. .. .. .. 
 . . . . . .
0 b) Soit ∆ =  . . 
.
Monter que : χvi = (λi − X)dim E (λi ) .  .. .. .. .. .. .. .. 
0
 . . . . . . . 
b) En déduire que dim E (λi )(= mi .  
 .. .. .. 
L(E) → L(E) 0 . . . −1 2 −1
Dans la suite on considère Γu : −1 0 . . . . . . 0 −1 2
v 7→ vou − uov
Vérifier que la matrice ∆ est diagonalisable et identifier ses valeurs
3. Montrer que Γu ∈ L(L(E)). propres.
On note alors C (u) = Ker(Γu )
4. a) Montrer que vect(id, u, u2 , ..., un−l ) ; le sous espace vectoriel de L(E) en-
gendré 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(λ p )), et donner
la dimension de C (u).
6. Dans cette question, on Suppose que : ∀i ∈ [|1, p|], mi = 1. Montrer que :
C (u) = Vect(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 ca-
noniquement
 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

2. J =   .. .. 
 . . 1
1 0 0
la diagonalisabilté et déterminer les éléments propres de J.
 
a0 a1 . . . an−1
 an−1 . . . a1
 

3. a0 , ..., an−1 des complexes et M =  . .
, écrire M

 .. .. 

a1 an−1 a0
sous forme d’un polynome en J et en 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 + j2 z)(x + j2 y + jz)
√
1 3
dans lequel n’intervient plus le nombre complexe j = − + i (il ne
2 2
reste finalement que 4 monômes).

c [Link]@[Link]