Chapitre 2

Trigonalisation et Théorème de Cayley-Hamilton

1. Trigonalisation

Définition 1.1. Soient E un K−espace vectoriel de dimension n ∈ N∗ et f ∈ L(E).

On dit que f est trigonalisable s’il existe une base β de E relativemment à la quelle la
matrice de f est triangulaire.

Définition 1.2. Une matrice carreé A ∈ Mn (K) est dite trigonalisable s’il existe
P ∈ GLn (K) telle que A0 = P −1 AP soit triangulaire.

Théorème 1.3. Soient E un K−espace vectoriel de dimension n ∈ N∗ et f ∈ L(E).

Alors f est trigonalisable dans K si et seulement si le polynôme caractéristique Pf (X) est
scindé dans K.

Démonstration. (1) Supposons que f trigonalisable.

Comme f est trigonalisable, il existe une base β de E relativemment à la quelle la
matrice de f est triangulaire
 
λ1 a12 · · · a1n
0 λ2 · · · a2n 
 
0

A = .. .. .. .. 

 . . . . 


0 0 · · · λn
n
Q
Dans ce le polynôme caractéristique Pf (X) = PA0 (X) = (λi − X) est scindé.
i=1
(2) Réciproquement, supposons que Pf (X) est scindé et montrons par récurrence sur
n = dim E que f est trigonalisable. Si n=1, f est trigonalisable, supposons n ≥ 2
et la propriété soit vraie pour tout endomorphisme g d’un K− espace vectoriel F
de dimension n − 1 dont le polynôme caractéristique est scindé.
Soit λ une valeur propre de f et e1 un vecteur propre de f associé à λ, complètons
e1 par 2 , . . . , n pour avoir une base de B = {e1 , 2 , . . . , n } de E.
Posons E1 = vec(e1 ) et F = vect(2 , . . . , n ), on a dim F = n − 1.
On considère π la projection sur F parallèlement à E1 , on a E = E1 ⊕ F . nous
f π
avons π : E → E, ker π = E1 , im(π) = F et π ◦ f : E → E → E.
Le sous espace vectoriel F est stable par π ◦ f , donc la restriction g de π ◦ f à F
15
16 2. TRIGONALISATION ET THÉORÈME DE CAYLEY-HAMILTON

induit un endomorphisme g : F → F . Soit MB (f ) la matrice de f relativement à

n
P
la base B, nous avons f (e1 ) = λe1 et f (j ) = a1j e1 + aij i , avec j ∈ [[2 ; n]]. La
i=2
matrice MB (f ) est donnée par :
 
λ  a12 · · · a1n 
· · · a2n
 
 0 a22 
MB (f ) =  ..  .. .. .  .

 .  . . ..  
  
0 an2 · · · ann

Montrons
 
a22 · · · a2n
 . ... .. 
K= .. . 
 
an2 · · · ann

est la matrice de g relativement à la base {2 , . . . , n } de F .

Pn Pn
g(j ) = π ◦ f (j ) = π(f (j )) = π(a1j e1 + aij i ) = aij i ce qui montre que K
i=2 i=2
 
λ a12 · · · a1n
 
 
est bien la matrice de g. On a A =   ..

 . K


0
λ − X a12 ··· a1n

Ainsi nous avons Pf (X) = .. = (λ − X)PK (X)

. K − XIn−1
0
Donc Pf (X) = (λ − X)Pg (X), Pf est scindé donc Pg est scindé. Donc il existe une
base {e2 , . . . , en } de F relativement à la quelle la matrice K 0 de g est triangulaire.
A = {e1 , e2 , . . . , en } est une base de E relativement à la quelle la matrice A0 de f
est triangulaire

n
Corollaire 1.4. Soit A ∈ Mn (K tel que PA (X) = (−1)n
Q
(X − λi ) alors
i=1

n
Y n
X
det A = λi et Tr A = λi .
i=1 i=1

Exemple 1.5. Trigonaliser l’endomorphisme f de R3 dont la matrice relativement à

la base canonique est
 1. TRIGONALISATION 17

 
3 2 −2
A =  −1 0 1 .
 

1 1 0
Le polynôme caractésistique de A est

3−X 2 −2
PA (X) = −1 −X 1 = (1 − X)3 = −(X − 1)3 .
1 1 −X

Déterminons le sous espace propre E1 .    

x ( 0
2x + 2y − 2z = 0
Soit (x, y, z) ∈ E1 si et seulement si (A − I3 )  y  =  0  ⇔
   
x+y−z = 0
z 0
si et seulement si z = x + y ainsi (x, y, z) = (x, y, x + y) = x(1, 0, 1) + y(0, 1, 1) d’où
E1 = Vect(u1 , u2 ) avec u1 = (1, 0, 1), u2 = (0, 1, 1), ainsi dim E1 = 2.
Posons B = {u1 , u2 , u3 } avec u3 = (0, 0, 1). On a f (u1 ) = u1 , f (u2 ) = u2 , f (u3 ) =
(−2, 1, 0) = αu1 + βu2 + γu3 = (−2, 0, −2) + (0, 1, 1) + (0, 0, 1) = −2u1 + u2 + u3 . On en
déduit que
   
1 0 −2 1 0 0
A0 =  0 1 1  et P =  0 1 0  .
   

0 0 1 1 1 1

Exemple 1.6. Trigonaliser l’endomorphisme f de R3 dont la matrice relativement à

la base canonique est

 
1 −3 0 3
 
 −2 −6 0 13 
A=
 
 0 −3 1 3 

−1 −4 0 8

On a PA (X) = (X − 1)4 et E1 = Vect(u1 , u2 ) avec u1 = (3, 1, 0, 1), u2 = (0, 0, 1, 0).

Posons B = {u1 , u2 , u3 , u4 } avec u3 = (0, 1, 0, 0), u4 = (0, 0, 0, 1). On a f (u1 ) = u1 ,
f (u2 ) = u2 , f (u3 ) = (−3, −6, −3, −4), f (u4 ) = (3, 13, 3, 8). Déterminons les coordonnées
de f (u3 ) et f (u4 ) dans la base B. Soit a, b, c et d les coordonnées de f (u3 ), on a f (u3 ) =
au1 + bu2 + cu3 + du4 = f (u3 ) = −u1 − 3u2 − 5u3 − 3u4 .
de même si a0 , b0 , c0 et d0 sont les coordonnées de f (u4 ) on a f (u4 ) = a0 u1 + b0 u2 +
c0 u3 + d0 u4 = f (u4 ) = u1 + 3u2 + 12u3 + 7u4 . La matrice de f relativement à la base B
18 2. TRIGONALISATION ET THÉORÈME DE CAYLEY-HAMILTON

est donc  
1 0 −1 1
 
 0 1 −3 3 
M = ! .
 0 0
 −5 12 

0 0 −3 7
!
−5 12
Soit K = et F = Vect(u3 , u4 ), le polynôme caractésistique de K est
−3 7
PK (X) = (X − 1)2 .
Déterminons dans F le sous-espace propre de K associé à la valeur propre 1. Soit
(α, β) ∈ F1 . Donc α = 2β, ainsi F1 = Vect{(2, 1)}. Les nombres 2 et 1 représentent les
coordonnées d’un vecteur v3 ∈ F dans la base (u3 , u4 ) de F , donc v3 = (2, 1) = 2u3 + u4 .
Complétons par le vecteur v4 ∈ F dont les coordonnées dans base (u3 , u4 ) est (0, 1) ce qui
donne v4 = u4 . On a v1 = u1 , v2 = u2 , v3 = 2u3 + u4 et v4 = u4 . Donc f (v1 ) = v1 , f (v2 ) =
v2 , f (v3 ) = 2f (u3 ) + f (u4 ) = −v1 − 3v2 + v3 .
f (v4 ) = f (u4 ) = u1 + 3u2 + 12u3 + 7u4 = v1 + 3v2 + 6v3 + v4 d’où
 
1 0 −1 1
 
0 1 −3 3
A0 = 
 
 0 0 1 6 .

 
0 0 0 1

2. Polynômes annulateurs et Théorème de Cayley-Hamilton

m
X
Définition 2.1. Soit f ∈ L(E) un endomorphisme de E et P (X) = ak X k un
k=0
m
X
polynôme à coéfficients dans K. On dit que P est annulateur de f si P (f ) = ak f k = 0.
k=0

Proposition 2.2. Soit E un K-espace vectoriel de dimension n et f ∈ L(E). Alors

il existe au moins un polynôme annulateurs de f .

Démonstration. Comme dim(E) = n, on a dim(L(E)) = n2 , donc la famille

2
{idE , f, · · · , f n } de n2 + 1 vecteurs de L(E) est liée. il existe a0 , a1 , · · · , an2 ∈ K non tous
Xn2 Xn2
k
nuls tel que ak f = 0. Le polynôme Q(X) = ak X k est annulateur de f . 
k=0 k=0

Proposition 2.3. Soit E un K-espace vectoriel de dimension n et f ∈ L(E) et

m
X
P (X) = ak X k un polynôme annulateur de f . Alors toute valeur propre de f est une
k=0
racine de P .
 2. POLYNÔMES ANNULATEURS ET THÉORÈME DE CAYLEY-HAMILTON 19

Démonstration. Soit λ une valeur propre de f et u un vecteur propre associé.

On a f k (u) = λk u pour tout k ∈ N, donc

m
X
P (f )(u) = ( ak f k (u))
k=0
m
X
= ak f k (u))
k=0
Xm
=( ak λk )u
k=0

= P (λ)u

Comme P est annulateur de f , on a P (λ) = 0. 

Théorème 2.4. Cayley-Hamilton

Soit E un K-espace vectoriel de dimension n et f ∈ L(E). Alors le polynôme carac-
téristique Pf de f est annulateur de f .

Démonstration. Soit M la matrice f relativement à une base B de E. Posons

N = M − XIn où In est la matrice unité d’ordre n et soit soit N ∗ la comatrice de N . On
a:

t
N ∗ × N = det(N )In
= PM (X)In .

Les coéfficients de N et t N ∗ sont des polynômes de degré inérieur ou égal à n − 1 donc

n−1
X
t ∗
N = Aj X j où les Aj sont des matrices carrées à coéfficients dans K. Nous avons
j=0

Xn−1
t ∗
N × N = (M − XIn )( Aj X j )
j=0

= PM (X)In .
20 2. TRIGONALISATION ET THÉORÈME DE CAYLEY-HAMILTON

n
X
Posons PM (X) = aj X j avec an = (−1)n .
j=0
D’une part on a
Xn−1
t ∗
N × N = (M − XIn )( Aj X j )
j=0
n−1
X n−1
X
j
= M Aj X − Aj X j+1
j=0 j=0

= M A0 + M A1 X + · · · + M An−1 X n−1 − A0 X − A1 X 2 − · · · − An−1 X n

= M A0 + (M A1 − A0 )X + · · · + (M An−1 − An−2 )X n−1 − An−1 X n .

D’autre part on a PM (X)In = a0 In + a1 In X + · · · + an In X n . En identifiant les coéfficients

de même degré, on a

M A0 = a0 In , (M A1 − A0 ) = a0 In , · · · , (M An−1 − An−2 ) = an−1 In et − An−1 = an In .

On en déduit que
n
X
PM (M ) = aj M j )
j=0

= M A0 + M (M A1 − A0 ) + M 2 (M A2 − A1 ) + · · · + M n−1 (M An−1 − An−1 ) − An−1 M n

= 0.

Définition 2.5. Soit E un K-espace vectoriel de dimension n et f ∈ L(E). On appelle

polynôme ninimal de f l’unique polynôme mf (X) vérifiant les propriétés suivantes :
(1) Le polynôme mf (X) est normalisé c’est à dire que son coéfficient dominant vaut 1.
(2) Le polynôme mf (X) est annulateur de f .
(3) Si P est un polynôme annulateur non nul de f alors deg(mf ) ≤ deg(P ).

Théorème 2.6. Soit E un K-espace vectoriel de dimension n et f ∈ L(E). Alors le

polynôme minimal de f divise le polynôme caractéristique Pf de f .

Démonstration. La division euclidienne de Pf par mf donne Pf (X) = mf (X)Q(X)+

R(X) avec deg(R) < deg(mf ). Puisque mf (f ) = 0 et Pf (f ) = 0, on a R(f ) = 0 donc
R = 0. On en déduit que Pf (X) = mf (X)Q(X). 

Remarque 2.7. Comme le polynôme minimal mf de f divise le polynôme caracté-

ristique Pf de f les racines de mf sont des valeurs propres de f et comme de plus mf
 3. LEMME DE NOYAUX 21

est annulateur de f , toute valeur propre de f est une racine de mf . On en déduit que les
valeurs propres sont exactement les racines de mf .
Yr Xr r
Y
Si Pf (X) = (−1)n (X − λi )αi avec αi = n alors mf (X) = (X − λi )βi
i=1 i=1 i=1
avec 1 ≤ βi ≤ αi .

3. Lemme de Noyaux

Théorème 3.1. Lemme des noyaux Soit E un K − ev, f ∈ L(E) un endomorphisme

et P ∈ K[X] un polynôme à coéfficient dans K :
(1) Le sous espace vectoriel ker(P (f )) est stable par f
(2) Si P = P1 P2 · · · Pr où les Pi sont deux à deux premiers entre eux, alors
r
M
ker(P (f )) = ker(Pi (f )).
i=1

m
X m
X
k
Démonstration. (1) Posons P (X) = ak X et P (f ) = ak f k .
k=0 k=0
Xm m
X Xm
k k+1
On a f ◦ P (f ) = f ◦ ( ak f ) = ak f =( ak f k ) ◦ f , donc f et P (f )
k=0 k=0 k=0
commutent. Montrons que ker(P (f )) est stable par f . Soit x ∈ ker(P (f )), on a
P (f )(x) = 0E , donc P (f )(f (x)) = f (P (f )(x)) = f (0E ) = 0 ainsi f (x) ∈ ker(P (f ))
d’où
f (ker(P (f ))) ⊆ ker(P (f )).

(2) Elle se fait par récurrence sur r.

Si r = 2, P = P1 P2 avec P1 , P2 premiers entre eux, d’après l’identité de Bézout, il
existe Q1 , Q2 ∈ K[X] tel que Q1 P1 + Q2 P2 = 1, en appliquant f on a

Q1 (f ) ◦ P1 (f ) + Q2 (f ) ◦ P2 (f ) = idE .

Soit x ∈ ker(P (f )), on a x = Q1 (f )(P1 (f (x))) + Q2 (f )(P2 (f (x))). En posant

x1 = Q2 (f )(P2 (f (x))) et x2 = Q1 (f )(P1 (f (x))), nous avons

P1 (f )(x1 ) = Q2 (f )(P1 (f ) ◦ P2 (f )(x))

= Q2 (f )(P (f )(x))
= 0E

donc x1 ∈ ker(P1 (f ))). On montre de la même manière que x2 ∈ ker(P2 (f ))). Nous
avons ainsi ker(P (f )) = ker(P1 (f ))) + ker(P2 (f ))).
22 2. TRIGONALISATION ET THÉORÈME DE CAYLEY-HAMILTON

Soit x ∈ ker(P1 (f ))) ∩ ker(P2 (f )), on a x ∈ ker(P1 (f )) et x ∈ ker(P2 (f )) donc

P1 (f )(x) = 0 et P2 (f )(x) = 0E , d’où x = Q1 (f )(P1 (f )(x))+Q2 (f )(P2 (f )(x)) = 0E .
il s’en suit que ker(P1 (f )) ∩ ker(P2 (f )) = 0E . Ainsi nous avons

ker(P (f )) = ker(P1 (f )) ⊕ ker(P2 (f )).

On suppose r ≥ 3 et la propriété vraie pour r − 1.

On a P = (P1 P2 · · · Pr−1 )Pr = QPr avec Q = P1 P2 · · · Pr−1 . Comme les poly-
nômes Pi sont deux à deux premiers entre eux, Q et Pr sont premiers entre eux
donc d’après le cas r = 2 on a ker(P (f )) = ker(Q(f )) ⊕ ker(Pr (f )). Par hypothèse
M r
de récurrence ker(Q(f )) = ker(Pi (f )), ainsi
i=1
r
M
ker(P (f )) = ker(Pi (f )).
i=1

Corollaire 3.2. Soit E un K-ev, f ∈ L(E) et P = P1 P2 · · · Pr un polynôme à

coéfficients dans K décomposé en produit de polynômes deux á deux premiers entre eux.
Mr
Si P est annulateur de f alors E = ker(Pi (f ))
i=1

Démonstration. Si P est annulateur de f alors ker(P (f )) = E et on obtient le

résultat en appliquant le théorème ci dessus.


Définition 3.3. Soit E un K-espace vectoriel de dimension n et f ∈ L(E) dont

r
Y
le polynôme caractéristique est Pf (X) = (−1) n
(X − λi )αi avec λi 6= λj si i 6= j et
i=1
r
X
αi = n. Le sous espace Nλ = ker[(f − λi idE )αi ] est appelé sous espace caractéristique
i=1
associé à la valeur propre λ.

On a aussi Nλ = ker[(f − λi idE )βi ] où βi est la multiplicité de la valeur propre λi dans

le polynôme minimal de f .

Théorème 3.4. Soit E un K-espace vectoriel de dimension n, f ∈ L(E) dont le

r
Y
polynm̂e caractéristique est scindé Pf (X) = (−1) n
(X − λi )αi . Alors
i=1
r
M
E= Nλi .
i=1
 4. DIAGONALISATION À L’AIDE DES POLYNÔMES ANNULATEURS 23

r
Y
Démonstration. Nous avons Pf (X) = (−1)n (X − λi )αi = P1 P2 · · · Pr où
i=1
Pi = (λi − X)αi . Comme les Pi sont deux à deux premiers entre eux et que Pf est
annulateur de f , on a
r
M r
M
E= ker(Pi (f )) = Nλi .
i=1 i=1

Remarque 3.5. (1) Le sous espace propre Eλi est inclue dans le sous espace ca-
ractéristique Nλi c’est à dire Eλi ⊂ Nλi .

(2) Chaque sous espace caractéristique Nλi est stable par f .

4. Diagonalisation à l’aide des polynômes annulateurs

Théorème 4.1. Soit E un K-ev de dimension n, f ∈ L(E) et λ1 , λ2 , · · · , λr les valeurs

propres deux à deux distinctes de f . Alors les assertions suivantes sont équivalentes :

(1) f est diagonalisable.

(2) Le polynôme minimal mf (X) de f est scindé et ses racines sont simples.

(3) L’endomorphisme f admet un polynôme annulateur P scindé dont les racines sont
simples.

Démonstration. Démontrons que 1 =⇒ 2. Si f diagonalisable alors E admet une

base B = {e1 , e2 , · · · , en } formée de vecteurs propres de f .Comme les valeurs propres sont
Yr
les racines du polynôme minimal, on a Q(X) = (X − λi ) divise le polynôme minimal.
i=1
r
Y
Montrons que mf (x) = (X − λi ), pour cela, il suffit de montrer que le polynôme Q est
i=1
annulateur de f . Comme les (ej )1≤j≤n sont des vecteurs propres de f , pour tout j ∈ [[1, n]]
il existe i ∈ [[1, r]] tel que (f − λi idE )(ej ) = 0E .
On a
r
Y
Q(f )(ej ) = (f − λk idE ) ◦ (f − λi idE (ej ) = 0E .
k=1,k6=i
24 2. TRIGONALISATION ET THÉORÈME DE CAYLEY-HAMILTON

n
P
Soit x = xj ej et g = Q(f ), on a
j=1

Xn
g(x) = g( xj e j )
j=1
n
X
= xj g(ej )
j=1
n
X
= xj Q(f )(ej ) = 0E .
j=1

Ainsi Q(f )(x) = 0E pour tout x ∈ E, donc Q(f ) = 0 et Q est annulateur de f . On en

déduit que mf divise Q d’où mf = Q il s’en suit que le polynôme minimal est scindé et
ses racines sont simples.
L’implication 2 =⇒ 3 est évident, il suffit de prendre P = mf .
Démontrons que 3 =⇒ 1. On suppose qu’il existe un polynôme annulateur P (X) =
m
Y
(X − ai ) scindé dont les racines sont simples. Comme P est est annulateur de f ses
i=1
valeurs propres sont des racines de P . On peut supposer que les valeurs propres λ1 , · · · , λr
sont respectivement a1 , · · · , ar . Dans ce cas on a

E = ker(f − λ id ) si 1 ≤ i ≤ r
λi i E
.
ker(f − a id ) = {0 } si r + 1 ≤ i ≤ m.
i E E

m
M r
M
D’après le lemme des noyaux, on a E = ker(f − ai idE ) = Eλi donc f est diago-
i=1 i=1
nalisable. 
   
1 3 −1 1
0 0
Exemple 4.2. A = 4−1 3 B = 2 0 1
   

−2 4
4 1 −1 2
   
1 a 1 1 0 1
C = 0 1 b  D =  −1 2 1
   

0 0 c 2−m m−2 m
PD (X) = −(X − 1)(X − 2)(X − m)

5. Diagonalisation simultanée de deux endomorphismes

Définition 5.1. Soit E un K-ev, f ∈ L(E), F un sous espace vectorielle de E stable

par f . L’endomorphisme g ∈ L(F ) défini par g(x) = f (x) ∀x ∈ F est appelé endomor-
phisme de F induit par f .
 6. DÉCOMPOSITION SPECTRALE OU DÉCOMPOSITION DE DUNFORD 25

Proposition 5.2. soit E un K-ev de dimension finie, f ∈ L(E) et F un sous espace

vectoriel de E stable par f .Si f est diagonalisable alors l’endomorphisme induit g ∈ L(F )
est diagonalisable.

Démonstration. Comme f est diagonalisable, il existe un polynôme scindé P ∈

K[X] dont racines simples tel que P (f ) = O. Pour tout x ∈ F , on a

P (g)(x) = P (f )(x) = 0.

Donc P est annulateur de g et est á racines simples, on en déduit que g est diagonalisable.


Théorème 5.3. Soit E un K-ev de dimension n, f et g deux endomorphismes diago-

nalisables de E tel que f ◦ g = g ◦ f . Alors E admet une base formée de vecteur propres
commun à f et g,c’est à dire f et g sont diagonalisable dans une même base de E.
r
M
Démonstration. Comme f est diagonalisable, E = Eλi oú les Eλi sont les sous
i=1
espaces propres de f associés aux valeurs propres λi de f .
Montrons que ∀i ∈ [[1, r]] , le sous espace propre Eλi est stable par g.
Soit x ∈ Eλi , on a
f (g(x)) = f ◦ g(x) = g ◦ f (x)
= g(f (x))
= λi g(x)
Donc g(x) ∈ Eλi d’où g(Eλi ) ⊂ Eλi . Comme g est diagonalisable, l’endomorphisme ϕi
induit par g sur Eλi est diagonalisable. Donc il existe une base Bi de Eλi formée de
[ r
vecteurs propres de ϕi donc de g. L’ensemble B = Bi est une base de E formée de
i=1
vecteurs propres communs à f et g. 

Corollaire 5.4. Soit A, B ∈ Mn (K) deux matrices diagonalisables tel que AB = BA.
Alors il existe P ∈ GLn (K) et deux matrices diagonales D et D0 telles que A = P DP −1
et B = P D0 P −1

6. Décomposition spectrale ou décomposition de Dunford

6.1. Les projecteurs spectraux. Soit E un K−ev de dimension n ∈ N∗ et f ∈ L(E)

r r
un endomorphisme scindé et Pf (x) = (−1)n (X − λi )αi et mf (x) = (X − λi )βi avec
Q Q
i=1 i=1
1 ≤ βi ≤ α i .
mf (X) r
(X − λj )βj . Les polynômes Pi sont deux à
Q
Soit i ∈ [[1, r]], posons Pi = =
(x − λi )βi j6=i
26 2. TRIGONALISATION ET THÉORÈME DE CAYLEY-HAMILTON

deux premiers entre eux d’aprés l’identité de Bezout , il existe des polynômes Q1 , · · · , Qr
r
P
tels que Pi Qi = 1. On dit que les polynômes Qi sont asociés aux polynômes Pi
i=1

Définition 6.1. On appelle projecteur spectral associé à f et à λi l’endomorphisme

πi = Pi (f ) ◦ Qi (f )

Lemme 6.2. Les endomorphismes πi vérifient les propriétés suivantes

r
P
(1) πi = idE
i=1

(2) πi ◦ πj = 0 si i 6= j

(3) πi2 = πi
r
P r
P
Démonstration. (1) Comme Pi Qi = 1, on a πi = idE .
i=1 i=1

(2) On a, pour tout j 6= i, que le polynôme minimal mf de f divise Pi Pj , donc

Pi Pj (f ) = 0 et on a les égalités

πi ◦ πj = Qi Pi (f ) ◦ Qj Pj (f )
= Qi Pi Qj Pj (f )
= Qi Qj Pi Pj (f )
= Qi Qj (f ) ◦ Pi Pj (f ) = 0

r
X
(3) Soit i ∈ {1, . . . , r}, comme πj = Q1 P1 (f ) + · · · + Qr Pr (f ) = idE , on a les éga-
j=1
lités
r
X r
X
πi = πi ◦ πj = πi ◦ πj = πi2 .
j=1 j=1

Ainsi les πi sont bien des projecteurs.



Lemme 6.3. L’endomorphisme πi est la projection sur le sous espaces carcatéristique

Ni = ker(f − λi idE )αi parallèlement au sous espace Nj .
L
j6=i

Démonstration. (1) Montrons pour tout i ∈ {1, . . . , r}, l’égalité Imπi = Ni .

Soit y = πi (x) ∈ Imπi , on a les égalités
 6. DÉCOMPOSITION SPECTRALE OU DÉCOMPOSITION DE DUNFORD 27

(X − λi )βi (f ) (y) = (X − λi )βi (f ) ◦ Qi Pi (f ) (x)

= Qi (f ) ◦ mf (f ) (x)
=0

Donc on obtient l’inclusion Imπi ⊂ Ni .

Soit x ∈ Ni , pour tout j 6= i, montrons que πj (x) = Qj (f )◦Pj (f ) (x)
! = 0. Nous
(X − λk )βk = Qj (X − λk )βk (X − λi )βi .
Q Q
avons les égalités Qj Pj = Qj
k6=j k6=j;k6=i
!
(X − λk )βk , on a Qj Pj = H(X − λi )βi .
Q
En posant H(X) = Qj
k6=j;k6=i

Il s’en suit que πj (x) = Qj (f ) ◦ Pj (f ) (x) = H(f )((f − λi idE )βi (x)) = 0.
Xr
Donc on obtient l’inclusion Ni ⊂ ker πj et et l’égalité x = πj (x) = πi (x).
j=1
D’où, x = πi (x) ∈ Imπi et Imπi = Ni
L
(2) Montrons pour tout i ∈ {1, . . . , r}, on a l’égalité ker πi = Nj :
j=1, j6=i
L
On a déjà vu, l’inclusion Nj ⊂ ker πi , pour tout j 6= i, donc Nj ⊂ ker πi .
j=1,j6=i
X L
Soit x ∈ ker πi , on a x = πj (x) ∈ Nj , donc on a bien
j=1,j6=i j=1,j6=i

M
ker πi = Nj .
j=1,j6=i

Les résultats 1) et 2) montrent que πi est la projection sur le sous espaces carcatéris-
tique Ni = ker(f − λi idE )αi parallèlement au sous espace
L
Nj . 
j=1,j6=i

6.2. Décomposition de Dunford. Le théorème suivant est appelé décomposition

spectrale ou décomposition de Dunford d’un endomorphisme.

Théorème 6.4. Soit f un endomorphisme trigonalisable. Il existe un unique couple

(N, D) ∈ L (E)2 tel que :
(1) D est diagonalisable et N est nilpotent
(2) f = D + N et D ◦ N = N ◦ D

Démonstration. (1) Montrons d’abord l’existence de D et N .

Soit Pf le polynôme caractéristique de f , il est scindé sur K car f est trigona-
lisable. Distinguons deux cas :
28 2. TRIGONALISATION ET THÉORÈME DE CAYLEY-HAMILTON

L’endomorphisme f a une seule valeur propre.

Soit E un K − ev de dimension n et f ∈ L(E) un endomorphisme de E. Suppo-
sons Pf (X) = (−1)n (X − λ)n et posons D = λidE et N = f − λidE , d’après le
théorème de Cayley-Hamilton N n = 0, donc N est nilpotent, D est diagonale donc
diagonalisable, D ◦ N = N ◦ D et f = D + N est la dćomposition de Dunford de f .
L’endomorphisme f a plusieurs valeurs propres.
Dans ce cas le polynôme caractéristique est donné par
r
Y
Pf (X) = (−1) n
(X − λi )αi
i=1

D’après le thórème de décomposition des noyaux et le théorème de Cayley-Hamilton,

l’espace E est somme directe des sous-espaces caractéristiques Ni = ker (f − λi id)αi :
r
M
E= Ni
i=1

Soit D l’endomorphisme de E défini par

Lr r
L
D: E= Ni −→ E= Ni
i=1 i=1
Pr Pr
u= ui 7−→ D(u) = λi ui .
i=1 i=1

Où pour tout i ∈ [[1, r]], on a ui ∈ Ni . De plus, on a D(u) = λi u pour tout u ∈ Ni ,

donc D est l’endomorphisme de E dont la restriction à chaque Ni est λi idNi . En
d’autres termes, l’endomorphisme D admet chaque sous-espace Ni comme espace
r
[
propre pour la valeur propre λi . Si Bi est une base de Ni alors B = Bi est une
i=1
base de E formée de vecteurs propres de D, donc D est diagonalisable.
r r
 r 
P P P
De plus on a D(u) = λi ui = λi πi (u) = λi πi (u). On en déduit que
i=1 i=1 i=1
r
X
D= λ i πi .
i=1

Posons N = f − D. Comme les Ni sont stables par f et D, ils le sont également

par N . Soit fi , gi et hi les restriction à Ni de f , D et N , on a hi = fi − gi . Or, par
définition de Ni , on a l’égalité hαi i (x) = (fi − λi idNi )αi (x) = 0 pour tout x ∈ Ni ,
donc hαi i = 0, donc hi est nilpotent et commute avec gi .
r
P
Soit α = max (αi ) et x = xi ∈ E où xi ∈ Ni . On a
1≤i≤r i=1
r
X r
X
α α
N (x) = N (xi ) = hαi (xi ) = 0.
i=1 i=1
 6. DÉCOMPOSITION SPECTRALE OU DÉCOMPOSITION DE DUNFORD 29

On en déduit que N α = 0, d’où l’endomorphisme N est nilpotent et commute

avec D.
(2) Montrons que D et N sont uniques.
Soit (D0 , N 0 ) un couple vérifiant les assertions du théorème.
Comme f = D0 + N 0 et D0 commute avec N 0 , l’endomorphisme D0 commute
avec f , donc avec chacun des πi . En particulier, l’endomorphisme D0 commute avec
D, ainsi, D et D0 sont diagonalisables dans une même base, il existe une matrice
inversible P ∈ GLn (E) et des matrices diagonales D1 et D10 tel que
D = P D1 P −1 et D0 = P D10 P −1 donc D − D0 = P (D1 − D10 )P −1 est diagonali-
sable. De même, l’endomorphisme N 0 commute avec N .
Soit d l’indice de nilpotence de N , d0 celui de N 0 et m = d + d0 . En appliquant
la formule du binôme, on a
m
!
m
X m
(N − N 0 ) = (−1)j N 0j N m−j
j=0
j
d0
! m
!
X m 0
X m
= (−1)j N 0j N d N d −j + (−1)j N 0j N m−j
j=0
j j=d0 +1
j

Or, puisque N d = 0, N 0j = 0 pour j ≥ d0 on a l’égalité (N − N 0 )m = 0 donc

l’endomorphisme N − N 0 est nilpotent. Or, puisque

N − N 0 = f − D − (f − D0 ) = D0 − D,

l’endomorphisme N − N 0 est nilpotent et diagonalisable, donc on a N − N 0 = 0

d’où N = N 0 et D = D0 .


Exemple 6.5. Donner la décomposition spectrale de l’endomorphisme f de R3 dont

la matrice relativement à la base canonique est
 
2 −1 2
A =  10 −5 7 
 

4 −2 2

Le polynôme caractéristique et le polynôme minimal de f sont respectivement PA (X) =

−X 2 (X + 1) et mA (X) = X 2 (X + 1).
Déterminons les projecteurs spectraux associés à λ1 = 0 et λ2 = −1. Nous avons
mf (X) mA (X)
P1 (X) = 2
et P2 (X) = .
X X +1
30 2. TRIGONALISATION ET THÉORÈME DE CAYLEY-HAMILTON

1
Posons g(X) = , la décomposition en éléments simples de g(X) est donnée par
mA (X)
1 a b c
g(X) = 2 = + 2+ . Nous avons
X (X + 1) X X X +1


 lim X 2 g(X) =b=1


 X→0

lim (X + 1)g(X) = c = 1
 X→−1


 lim Xg(X)
 =a+c=0
X→+∞

1 −X + 1 1
Donc on a a = −1, b = 1 et c = 1 ce qui donne g(X) = = 2
+ ,
mA (X) X X +1
mA (X) mA (X)
ainsi 1 = 2
(−X + 1) + , d’où Q1 (X) = −X + 1 et Q2 (X) = 1.
X X +1
On en déduit que π1 = P1 (A)Q1 (A) = (A + I)(−A + I), π2 = P2 (A)Q2 (A) = A2 ,
D = 0π1 + (−1)π2 = −π2 = −A2 et N = A − D = A + A2 .

Exemple 6.6. Déterminer la décomposition de Dunford l’endomorphisme de R4 dont

la matrice relativement à la base canonique est
 
1 −3 0 3
 
−2 −6 0 13
A=  0 −3

 1 3
−1 −4 0 8
Le polynômes caractéristique de f est PA (X) = (X − 1)4 , la matrice A a une unique
valeur propre et sa décomposition de Dunford est donnée par
 
0 −3 0 3
 
−2 −7 0 13
D = I et N = A − I =   0 −3
.
 0 3
−1 −4 0 7

Exemple 6.7. Donner la décomposition spectrale de l’endomorphisme g de R3 dont

la matrice relativement à la base canonique est
 
3 −1 1
B= 2 0 1 
 

1 −1 2
Le polynômes caractéristique et le polynôme minimal de g sont respectivement PB (X) =
−(X − 1)(X − 2)2 et mB (X) = (X − 1)(X − 2)2