UMBB_FS_DEPARTEMENT DE MATHEMATIQUES F.

MOUHOUB

CHAPITRE 1 : ELEMENTS PROPRES D’UN ENDOMORPHISME

Soit 𝐸 un espace vectoriel de dimension finie 𝑛 sur un corps commutatif 𝐾 (ℝ 𝑜𝑢 ℂ en

général) et soit 𝑓 un endomorphisme de 𝐸

Définition : Un vecteur propre de 𝑓 est un vecteur non nul 𝑢 ∈ 𝐸 − {0} tel que

𝑓(𝑢) = 𝜆𝑢 Pour 𝜆∈ 𝐾
On dit que 𝜆 est une valeur propre de 𝑓 associée à 𝑢
L’ensemble des valeurs propres de 𝑓 est appelé le spectre de 𝑓 et noté 𝑠𝑝𝐾 (𝑓)

Pour les matrices, cette définition s’écrit comme suit :

Définition : Soit 𝐴 une matrice de 𝑀𝑛 (𝐾). Un vecteur propre de 𝐴 est un

Vecteur 𝑋 ∈ 𝑀𝑛,1 (𝐾) − {0} vérifiant 𝐴𝑋 = 𝜆𝑋
𝜆 est une valeur propre de 𝐴 associée à 𝑋

Exemple : Soit l’endomorphisme 𝑓: ℝ2 → ℝ2 tel que 𝑓 (𝑥, 𝑦) = (3𝑥 + 2𝑦, 𝑥 + 2𝑦).

𝜆 ∈ 𝑠𝑝(𝑓 ) soit 𝑢 = (𝑥, 𝑦) un vecteur non nul vérifiant 𝑓 (𝑢) = 𝜆𝑢

3𝑥 + 2𝑦 = 𝜆𝑥 (3 − 𝜆)𝑥 + 2𝑦 = 0
C’est-à-dire { ⇔{ (𝑆)
𝑥 + 2𝑦 = 𝜆𝑦 𝑥 + (2 − 𝜆 )𝑦 = 0
(𝑆) est un système linéaire homogène, il admet une solution (x, y) autre que (0, 0)
3−𝜆 2
si et seulement si la matrice 𝐴 = ( ) est non inversible (c’est-à-dire
1 2−𝜆
𝑑𝑒𝑡𝐴 = 0)
𝑑𝑒𝑡𝐴 = 0 ⇔ 𝜆2 − 5𝜆 + 4 = 0 ⇔ 𝜆 = 1 𝑜𝑢 𝜆 = 4
Si 𝜆= 1, (𝑆) ⇔ 𝑥 + 𝑦 = 0 un vecteur propre de 𝑓 associé à 𝜆=1 est (𝑥, −𝑥 ), 𝑥 ≠ 0
par exemple 𝑢 = (1, −1)
Si 𝜆= 4, (𝑆) ⇔ 𝑥 − 2𝑦 = 0 un vecteur propre de 𝑓 associé à 𝜆=4 est (2𝑦, 𝑦), 𝑦 ≠ 0
par exemple 𝑢 = (2,1)

Remarque :

- Il n’y a qu’une valeur propre associée à un vecteur propre ; en effet si 𝑢 ≠ 0

est un vecteur propre de 𝑓 associé à 𝜆 et 𝛽 alors 𝑓(𝑢) = 𝜆𝑢 𝑒𝑡 𝑓 (𝑢) = 𝛽𝑢
donc (𝜆 − 𝛽)𝑢 = 0 ce qui implique 𝜆 = 𝛽
1
UMBB_FS_DEPARTEMENT DE MATHEMATIQUES F. MOUHOUB

- Si 𝐴 est la matrice représentant l’endomorphisme 𝑓 dans une base ξ=

{𝑒1 , 𝑒2 , … , 𝑒𝑛 } de 𝐸 alors 𝑠𝑝𝐾 (𝑓 ) = 𝑠𝑝𝐾 (𝐴)
- Si 𝐴′ est la matrice représentant l’endomorphisme 𝑓 dans une autre base ξ’ de 𝐸
alors 𝑠𝑝𝐾 (𝐴) = 𝑠𝑝𝐾 (𝐴′ )

Recherche des valeurs propres-Polynôme caractéristique

Comment trouver les valeurs propres d’un endomorphisme ou d’une matrice parmi
tous les éléments de 𝐾
Rappel : Si 𝐸 est de dimension finie, 𝑓 un endomorphisme de 𝐸 et 𝐴 la matrice de
𝑓 dans une base (quelconque) de 𝐸 alors 𝑑𝑒𝑡𝐴 = 𝑑𝑒𝑡𝑓
Proposition : Soit 𝜆∈ 𝐾 , alors on a 𝜆 est une valeur propre de 𝑓 si et seulement si
𝑑𝑒𝑡(𝑓 − 𝜆𝑖𝑑𝐸 ) = 0
Preuve : Soit 𝜆 une valeur propre de 𝑓 alors par définition il existe un vecteur non nul
𝑢 de 𝐸 tel que 𝑓 (𝑢) = 𝜆𝑢
Donc (𝑓 − 𝜆𝑖𝑑𝐸 )(𝑢) = 0 ce qui signifie que le noyau de (𝑓 − 𝜆𝑖𝑑𝐸 ) est non trivial
Et par suite 𝑓 − 𝜆𝑖𝑑𝐸 est non injectif et le déterminant 𝑑𝑒𝑡(𝑓 − 𝜆𝑖𝑑𝐸 ) est nul
Le résultat de cette proposition s’écrit pour les matrices comme suit :
𝜆 ∈ 𝑠𝑝𝐾 (𝐴) ⇔ det(𝐴 − 𝜆𝐼𝑛 ) = 0

Définition : Soit 𝐴 ∈ 𝑀𝑛 (𝐾) . Le polynôme caractéristique de 𝐴 est un polynôme de

Degré 𝑛 à coefficients dans le corps 𝐾 défini par 𝑃𝐴 (𝑋 ) = det(𝐴 − 𝑋𝐼𝑛 )
On appelle polynôme caractéristique d’un endomorphisme le polynôme
Caractéristique de sa matrice dans une base quelconque de l’espace
On écrit : 𝑃𝑓 (𝑋 ) = det(𝑓 − 𝑋𝑖𝑑𝐸 )
Et on a 𝑃𝑓 (𝑋 ) = 𝑃𝐴 (𝑋) si 𝐴 est la matrice représentant 𝑓 dans une base quelconque
de 𝐸
Remarque : Le déterminant d’un endomorphisme ne dépend pas de la base choisie,
Si 𝐴 et 𝐴’ sont deux matrices représentant le même endomorphisme dans
Deux bases différentes alors 𝑃𝐴 (𝑋 ) = 𝑃𝐴′ (𝑋 ) = 𝑃𝑓 (𝑋)
Les matrices 𝐴 et 𝐴’ sont dites semblables

2
UMBB_FS_DEPARTEMENT DE MATHEMATIQUES F. MOUHOUB

Définition : Soit 𝐴 et 𝐵 deux matrices de 𝑀𝑛 (𝐾). 𝐴 et 𝐵 sont semblables si et

Seulement s’il existe une matrice inversible 𝑃 vérifiant 𝐵 = 𝑃−1 . 𝐴. 𝑃
Dans ce cas 𝑃𝐵 (𝑋 ) = det(𝐵 − 𝑋𝐼𝑛 ) = det(𝑃−1 . 𝐴. 𝑃 − 𝑋𝐼𝑛 ) = det (𝑃−1 (𝐴 − 𝑋𝐼𝑛 )𝑃)
= 𝑑𝑒𝑡𝑃−1 . det(𝐴 − 𝑋𝐼𝑛 ) . 𝑑𝑒𝑡𝑃 = det(𝐴 − 𝑋𝐼𝑛 ) = 𝑃𝐴 (𝑋)

Les valeurs propres de 𝑓 sont les racines de son Polynôme caractéristique.

De même les valeurs propres d’une matrice 𝐴 de 𝑀𝑛 (𝐾), sont les racines de 𝑃𝐴 (𝑋)
0 1
Exemple pour la matrice 𝐴 = ( ) le polynôme caractéristique est de degré 2
−1 −1
égal à 𝑋 2 + 𝑋 + 1. Ce polynôme ne possède aucune racine réelle et possède deux
−1 √3 −1 √3
racines complexes 𝑗 = +𝑖 𝑒𝑡 𝑗̅ = 𝑗 2 = −𝑖 (on dit que ce polynôme est
2 2 2 2
2
scindé dans ℂ) et donc 𝑠𝑝ℝ = ∅ 𝑒𝑡 𝑠𝑝ℂ = {𝑗, 𝑗 }
Remarque :
- Lorsque la matrice est triangulaire (inférieure ou supérieure) ou bien diagonale
ses valeurs propres sont les éléments de sa diagonale principale
- Si 𝐴 est une matrice de 𝑀𝑛 (𝐾) elle possède au plus 𝑛 valeurs propres, lorsque
le corps 𝐾 = ℂ (𝑛 ≥ 1) la matrice 𝐴 possède au moins 𝑛 valeurs propres
(d’après le théorème de d’Alembert tout polynôme complexe non constant
admet au moins une racine complexe)
Une valeur propre 𝜆 de 𝐴 est dite d’ordre 𝑟 si elle est d’ordre 𝑟 de 𝑃𝐴 (𝑋)
En développant le déterminant det (𝐴 − 𝑋𝐼𝑛 ) on obtient un polynôme de degré 𝑛 en
𝑋 à coefficients dans 𝐾. Ce polynôme est 𝑃𝐴 (𝑋) et s’écrit :
𝑃𝐴 (𝑋 ) = (−1)𝑛 𝑋 𝑛 + (−1)𝑛−1 𝑇𝑟(𝐴)𝑋 𝑛−1 + ⋯ + 𝑑𝑒𝑡𝐴
Où 𝑇𝑟(𝐴) est donnée par ∑𝑛𝑖=1 𝑎𝑖𝑖 (Somme des éléments diagonaux de 𝐴) appelée trace
de la matrice 𝐴

3
UMBB_FS_DEPARTEMENT DE MATHEMATIQUES F. MOUHOUB

Sous-espaces propres :
Définition : Soit 𝜆 ∈ 𝐾 une valeur propre de 𝑓 ,l’ensemble
{𝑢 ∈ 𝐸: 𝑓 (𝑢) = 𝜆𝑢} = ker(𝑓 − 𝜆𝑖𝑑𝐸 ) noté 𝐸𝜆 (𝑓) est appelé espace
Propre associé à 𝜆.
Proposition : 𝐸𝜆 (𝑓)est un sous-espace vectoriel de 𝐸
Evident puisque c’est le noyau d’une application linéaire.
Remarque :
- On définit d’une manière équivalente 𝐸𝜆 (𝐴) = {𝑢 ∈ 𝐾 𝑛 : 𝐴𝑢 = 𝜆𝑢} =
𝐾𝑒𝑟(𝐴 − 𝜆𝐼𝑛 )
- 𝐸𝜆 (𝑓) est l’ensemble constitué des vecteurs propres de 𝑓associés à 𝜆 et du
vecteur nul
- Par définition même d’une valeur propre on a l’équivalence :
𝐸𝜆 (𝑓) ≠ {0𝐸 } ⇔ 𝜆 ∈ 𝑠𝑝𝐾 (𝑓). Donc 𝑑𝑖𝑚 𝐸𝜆 (𝑓) ≥ 1
- Si 𝑟 est l’ordre de multiplicité de 𝜆, alors : 1 ≤ 𝑑𝑖𝑚𝐸𝜆 (𝑓) ≤ 𝑟
Exemple :
Soit 𝑓 ∈ 𝑒𝑛𝑑(ℝ3 ) représenté dans la base canonique par la matrice
−1 1 −1
𝐴 = (−1 1 1)
−2 2 0
Déterminer les valeurs propres de 𝑓 et les sous-espaces propres correspondant

4
UMBB_FS_Département de Mathématiques Septembre 2024

Feuille d’exercices 1

Exercice 1 : Calculer les valeurs propres et espaces propres des matrices suivantes :
13 −5 −2 5 −4 −3 0 3 2 1 −3a − 1 3a − 1
(−2 7 −8) , (2 −1 −1), (−2 5 2), (−2 −1 2 )
−5 4 7 1 −1 0 2 −3 0 0 3 − 3a 3a
0 0 0 1 2 3 −2 3
(0 0 −1 0) , ( 0 0 0 0)
0 1 0 0 −1 −6 3 −3
−1 0 0 0 −1 −4 2 −2
Exercice 2 :

Soit ƒ l’endomorphisme de ℝ3 tel que ƒ(𝑥, 𝑦, 𝑧)= (2x + 𝑦 + 3𝑧 ,−y + −2z, −𝑥 + 𝑦)

1. Déterminer une base ℬ de ℝ3 constituée de vecteurs propres de ƒ

2. Ecrire la matrice 𝐷 associée à ƒ relativement à ℬ. De quelle nature est 𝐷 ?

3. Pour tout 𝑛 ∈ ℕ, calculer 𝐴 𝑛

Exercice 3 : Les matrices de l’exercice 1 sont-elles diagonalisables ?

On précisera une matrice de diagonalisation
Exercice 4 :
Soient 𝑛 un entier naturel et soit 𝐸 le ℝ-espace vectoriel des polynômes de degré
inférieur ou égal à 𝑛
1. Rappeler pourquoi {1, 𝑋, 𝑋 2 , … , 𝑋 𝑛 } est une base de 𝐸.
2. Soit 𝑃 un élément de 𝐸. Montrer que (𝑋 2 − 1) 𝑃 ’’ + (2𝑋 + 1) 𝑃 ’ ∈ 𝐸
3. Pour 𝑛 = 2, soit ƒ : 𝐸 → 𝐸 vérifiant ƒ(𝑃) = (2𝑋 + 1)𝑃 − (𝑋 2 − 1)𝑃’
a. Montrer que ƒ est un endomorphisme de 𝐸 et écrire sa matrice dans la base
canonique
b. Déterminer les valeurs propres de ƒ. ƒ est-il diagonalisable ?
c. Calculer une base de vecteurs propres de ƒ

1
UMBB_FS_Département de Mathématiques Septembre 2024

Exercice 5 :
Soit α∈ℝ et ƒ ∈ 𝑒𝑛𝑑(ℝ3 ) dont la matrice dans la base canonique est
1 0 1
( −1 2 1)
2−𝛼 𝛼−2 𝛼
1. Quelles sont les valeurs propres de ƒ ?
2. Pour quelles valeurs de 𝛼 l’endomorphisme 𝑓 est t-il diagonalisables.
3. On suppose que 𝛼 = 2. Calculer 𝐴𝑘 pour tout 𝑘 ∈ 𝑁.
Exercice 6 :
1 1 1 1
Soit la matrice 𝐴 = (1 1 1 1)
1 1 1 1
1 1 1 1
1. Déterminer sans calculer le polynôme caractéristique les valeurs propres de 𝐴.
Est-elle diagonalisable ?
2. Donner une condition nécessaire et suffisante pour qu’une matrice de rang 1
soit diagonalisable
Exercice 7 :
2 0 4
1/ Calculer l’exponentielle de la matrice 𝐴 = (3 −4 12)
1 −2 5

2/ Calculer en fonction de 𝑛, 𝑢0 et 𝑣0 les nombres 𝑢𝑛 et 𝑣𝑛 définis par les relations

𝑢 = 3𝑢𝑛−1 + 2𝑣𝑛−1
{ 𝑛 ; ∀𝑛 ≥ 1
𝑣𝑛 = 𝑢𝑛−1 + 2𝑣𝑛−1

2
 [Link]
2023/2024
FEUILLE D’EXERCICES 1- CORRIGE

Objectifs :
Rappeler l’écriture de la matrice associée à un endomorphisme
Recherche des valeurs propres d’un endomorphisme-Polynôme caractéristique
Introduction à la diagonalisation
Conditions de diagonalisation-Exemple de matrice de rang1(Exercice5)
Application de la diagonalisation

Exercice 1 :
Soit ƒ l’endomorphisme de ℝ3 défini par :
ƒ(𝑥, 𝑦, 𝑧) = (3𝑦 + 2𝑧 ,−2𝑥 + 5𝑦 + 2𝑧, 2𝑥 − 3𝑦)
1. 𝑓 est représenté, dans la base canonique ξ de ℝ3 , par la matrice
0 3 2
𝐴 = (−2 5 2)
2 −3 0
−𝑋 3 2
( ) ( )
2. Le polynôme caractéristique est 𝑃𝑓 𝑋 = 𝑃𝐴 𝑋 = | −2 5 − 𝑋 2 | =
2 −3 −𝑋
−𝑋 3 2 −𝑋 1 2
| 0 2 − 𝑋 2 − 𝑋| = | 0 0 2 − 𝑋 | = −(2 − 𝑋 )(−𝑋 2 + 3𝑋 − 2)
2 −3 −𝑋 2 𝑋−3 −𝑋
2
= −(𝑋 − 1)(𝑋 − 2)
Les valeurs propres de 𝑓 (ou de 𝐴 )sont 𝜆1 = 1 𝑒𝑡 𝜆2 = 2
3. Recherche des vecteurs propres
Posons 𝑣1 un vecteur propre associé à 𝜆1 = 1, on a
−𝑥 + 3𝑦 + 2𝑧 = 0
𝐴𝑣1 = 𝜆1 𝑣1 ⇔ (𝐴 − 𝜆1 𝐼)𝑣1 = 0 ⇔ {−2𝑥 + 4𝑦 + 2𝑧 = 0 ⇔ 𝑦 = 𝑥 𝑒𝑡 𝑧 = −𝑦
2𝑥 − 3𝑦 − 𝑧 = 0

Nous choisissons 𝑣1 = (1,1, −1)

Posons 𝑣2 un vecteur propre associé à 𝜆2 = 2, on a

𝐴𝑣2 = 𝜆2 𝑣2 ⇔ (𝐴 − 𝜆2 𝐼)𝑣2 = 0 ⇔ −2𝑥 + 3𝑦 + 2𝑧 = 0

3
Nous choisissons 𝑣2 = ( , 1,0) 𝑒𝑡 𝑣3 = (1, 0,1)
2

Remarque : le sous-espace propre correspondant à la valeur propre 1 est

𝐸1 (𝐴) = 〈𝑣1 = (1,1, −1) 〉 et le sous-espace propre associé à la valeur propre 2 est
3
𝐸2 (𝐴) = 〈𝑣2 = ( , 1,0) , 𝑣3 = (1, 0,1)〉
2
𝐵 = {𝑣1 , 𝑣2 , 𝑣3 } est une famille libre de ℝ3 et donc base de ℝ3 formée de vecteurs
propres de 𝑓

1
 [Link]
2023/2024
FEUILLE D’EXERCICES 1- CORRIGE

1 0 0
4. la matrice 𝐷 associée à ƒ relativement à ℬ est 𝐷 = (0 2 0) puisque
0 0 2
3
𝑓 (𝑣1 ) = 𝑓(1,1, −1) = 𝑣1 ; 𝑓(𝑣2 ) = 𝑓 ( , 1,0) = 2𝑣2 𝐸𝑡 𝑓 (𝑣3 ) = 𝑓(1, 0,1) = 2𝑣3
2
𝐷 est une matrice diagonale
5. 𝐴 et 𝐷 sont deux matrices représentants le même endomorphisme 𝑓 elles
vérifient la relation suivante : 𝐷 = 𝑃−1 . 𝐴. 𝑃 où 𝑃 est la matrice de passage de
𝜉 𝑐𝑎𝑛 à 𝐵. Elles sont semblables.
6. Pour tout 𝑛 ∈ ℕ, calculer 𝐴 𝑛
A l’aide de la relation 𝐷 = 𝑃−1 . 𝐴. 𝑃 ou encore 𝐴 = 𝑃. 𝐷. 𝑃−1 on peut calculer
les puissances de la matrice 𝐴, en effet on a

𝐴2 = 𝑃. 𝐷. 𝑃−1 . 𝑃. 𝐷. 𝑃 −1 = 𝑃. 𝐷 2 . 𝑃−1 et par récurrence on trouve 𝐴𝑛 = 𝑃. 𝐷 𝑛 . 𝑃−1

1𝑛 0 0
𝑛 𝑛
Par récurrence sur 𝑛 ∈ ℕ on trouve 𝐷 = ( 0 2 0 ) (Ce calcul peut se
0 0 2𝑛
généraliser dans ℤ si 𝐷 est inversible)
On trouve la matrice 𝐴𝑛 en calculant le produit matriciel 𝑃. 𝐷 𝑛 . 𝑃−1
3
1 1 2 −3 −2
2 −1
Avec 𝑃 = ( 1 1 0) et 𝑃 = (−2 4 2)
−1 0 1 2 −3 −1
Exercice2 :
Soient 𝑛 un entier naturel et soit 𝐸 le ℝ-espace vectoriel des polynômes de degré
inférieur ou égal à 𝑛
𝐸 = ℝ𝑛 [𝑋 ] = {𝑃 ∈ ℝ[X]: degP ≤ n}
1. {1, 𝑋, 𝑋 2 , … , 𝑋 𝑛 } est une base de 𝐸 c’est la base canonique de 𝐸
En effet ∀𝑃 ∈ 𝐸: 𝑃(𝑋 ) = 𝑎0 + 𝑎1 𝑋 + ⋯ + 𝑎𝑛 𝑋 𝑛 pour 𝑎𝑖 ∈ ℝ
Et c’est une combinaison linéaire de 1, 𝑋, 𝑋 2 , … , 𝑋 𝑛 donc 𝐸 = 〈1, 𝑋, 𝑋 2 , … , 𝑋 𝑛 〉
De plus ∀𝛼𝑖 ∈ ℝ ∶ 𝛼0 + 𝛼1 𝑋 + ⋯ + 𝛼𝑛 𝑋 𝑛 = 0 ⇔ 𝛼0 = 𝛼1 = ⋯ = 𝛼𝑛 = 0
{1, 𝑋, 𝑋 2 , … , 𝑋 𝑛 } est donc libre

2. Soit 𝑃 un élément de 𝐸. Montrer que (𝑋 2 − 1) 𝑃 ’’ + (2𝑋 + 1) 𝑃 ’ ∈ 𝐸

On pose 𝑃(𝑋 ) = 𝑎0 + 𝑎1 𝑋 + ⋯ + 𝑎𝑛 𝑋 𝑛 alors 𝑃′(𝑋 ) = 𝑎1 + 2𝑎2 𝑋 + ⋯ +
𝑛𝑎𝑛 𝑋 𝑛−1 et 𝑃′′(𝑋 ) = 2𝑎2 + 6𝑎3 𝑋 + ⋯ + 𝑛(𝑛 − 1)𝑎𝑛 𝑋 𝑛−2
Alors
(𝑋 2 − 1)𝑃 ’’ + (2𝑋 + 1)𝑃 ’ = (𝑋 2 − 1)(𝑎1 + 2𝑎2 𝑋 + ⋯ + 𝑛𝑎𝑛 𝑋 𝑛−1 ) +
(2𝑋 + 1)(2𝑎2 + 6𝑎3 𝑋 + ⋯ + 𝑛(𝑛 − 1)𝑎𝑛 𝑋 𝑛−2 )
= (𝑎1 − 2𝑎2 ) + (−6𝑎3 +2𝑎1 + 2𝑎2 )𝑋 + ⋯ + (2𝑛𝑎𝑛 + 𝑛((𝑛 − 1)𝑎𝑛 )𝑋 𝑛
= 𝑏0 + 𝑏1 𝑋 + ⋯ + 𝑏𝑛 𝑋 𝑛 ∈ 𝐸
3. Pour 𝑛 = 2, soit ƒ : 𝐸 → 𝐸 vérifiant ƒ(𝑃) = (2𝑋 + 1)𝑃 − (𝑋 2 − 1)𝑃’
a. 𝑓 est un endomorphisme de 𝐸 car :∀𝑃, 𝑄 ∈ 𝐸 ∀ ∈ ℝ
2
 [Link]
2023/2024
FEUILLE D’EXERCICES 1- CORRIGE

𝑓 (𝑃 + 𝑄) = (2𝑋 + 1)(𝑃 + 𝑄) − (𝑋 2 − 1)(𝑃 + 𝑄)’ =

[(2𝑋 + 1)𝑃 − (𝑋 2 − 1)𝑃’] + [(2𝑋 + 1)𝑄 − (𝑋 2 − 1)𝑄’]
= 𝑓 (𝑃) + 𝑓(𝑄)
Et 𝑓 (𝑃) = (2𝑋 + 1)(𝑃) − (𝑋 2 − 1)(𝑃)’ = 𝑓(𝑃)
1 1 0
La matrice dans la base canonique de 𝑓 est 𝐴 = (2 1 2) Car 𝑓 (1) =
0 1 1
1 + 2𝑋 ; 𝑓 (𝑋 ) = 1 + 𝑋 + 𝑋 et 𝑓 (𝑋 ) = 2𝑋 + 𝑋 2
2 2

b. Recherche des valeurs propres de ƒ : 𝑃𝑓 (𝑋 ) = 𝑃𝐴 (𝑋 ) =

1−𝑋 1 0 1−𝑋 1 0
| 2 1−𝑋 2 |=| 2 1−𝑋 2 |=
0 1 1−𝑋 𝑋−1 0 1−𝑋
1−𝑋 1 1−𝑋
| 2 1−𝑋 4 | = (𝑋 − 1)(4 − (1 − 𝑋 )2 )
𝑋−1 0 0
= (𝑋 − 1)(𝑋 + 1)(3 − 𝑋 )
ƒ est diagonalisable car admet trois valeurs propres distinctes dans ℝ
c. Recherche d’une base de vecteurs propres de ƒ :
Soit 𝑃 un vecteur propre associé à la valeur propre 𝜆1 = 1. On pose
𝑃(𝑋 ) = 𝑎0 + 𝑎1 𝑋 + 𝑎2 𝑋 2
𝑃 Vérifie donc 𝑓 (𝑃) = 𝑃
Et on a : 𝑓 (𝑃 ) = 𝑃 ⇔ (2𝑋 + 1)𝑃 − (𝑋 2 − 1)𝑃’ = 𝑃
𝑎0 + 𝑎1 = 𝑎0
⇔ { 0 𝑎1 + 2𝑎2 = 𝑎1
2𝑎 +
𝑎1 + 𝑎2 = 𝑎2
𝑎1 = 0 𝑎 =0
⇔{ ⇔{ 1 Et 𝑃1 (𝑋) = 1 − 𝑋 2 est un vecteur propre associé à
2𝑎0 + 2𝑎2 = 0 −𝑎 0 = 𝑎2
𝜆1 = 1.
Donc le sous-espace propre associé à la valeur propre 1 est 𝐸1 (𝑓) = 〈𝑃1 = 1 − 𝑋 2 〉
De même on trouve 𝐸3 (𝑓) = 〈𝑃2 = 1 + 2𝑋 + 𝑋 2 〉 et 𝐸−1 (𝑓) = 〈𝑃3 = 1 − 2𝑋 + 𝑋 2 〉

Une base formée de vecteur propres de 𝑓 est 𝐵 = {𝑃1 , 𝑃2 , 𝑃3 } (C’est une famille libre
puisque les vecteurs 𝑃1 , 𝑃2 𝑒𝑡 𝑃3 sont associés à des valeurs propres distinctes)
Exercice3 :
Diagonaliser dans 𝑀𝑛 ( ℂ), en donnant la matrice de passage, les matrices suivantes :

0 0 0 1
0 2 −1
(3 0 0 −1 0)
−2 0 ) ;( 0 1 0 0
−2 2 1 −1 0 0 0

3
 [Link]
2023/2024
FEUILLE D’EXERCICES 1- CORRIGE

0 2 −1
1/ A = ( 3 −2 0 ) est diagonalisable car possède trois valeurs propres
−2 2 1
−X 2 −1 1−X 2 −1
distinctes dans ℂ ; 𝑃𝐴 (𝑋) = | 3 −2 − X 0 | = |1 − X −2 − X 0 |=
−2 2 1−X 1−X 2 1−X
1 2 −1
(1 − X) |1 −2 − X 0 | = (1 − 𝑋)(−𝑋 − 4)(2 − 𝑋)
1 2 1−X
et 𝜆1 = 1, 𝜆2 = 2 𝑒𝑡 𝜆3 = −4

Recherche des vecteurs propres :

L’espace propre associé à 𝜆1 = 1 est

𝐸1 (𝐴) = 𝐾𝑒𝑟(𝐴 − 𝐼) = 〈𝑣1 = (1, 1, 1)〉 (On résout le système (𝐴 − 𝐼)𝑋 = 0)
Et aussi 𝐸2 (𝐴) = 𝐾𝑒𝑟(𝐴 − 2I) = 〈𝑣2 = (4, 3, −2)〉 et 𝐸−4 (𝐴) = 𝐾𝑒𝑟(𝐴 + 4𝐼) =
〈𝑣3 = (2, −3,2)〉
Il y a donc une base 𝐵 = {𝑣1 , 𝑣2 , 𝑣3 } , une base de ℝ3 formée de vecteurs propres de 𝐴

1 0 0
La matrice 𝐴 est diagonalisable et semblable à la matrice diagonale 𝐷 = (0 2 0)
0 0 −4
(sur la diagonale de 𝐷 on retrouve les valeurs propres de 𝐴)

La base 𝐵 = {𝑣1 , 𝑣2 , 𝑣3 } permet de diagonaliser 𝐴, c’est une base de diagonalisation.

1 4 2
La matrice de passage de 𝜉 𝑐𝑎𝑛 à 𝐵 est 𝑃 = (1 3 −3)et on a 𝐷 = 𝑃−1 . 𝐴. 𝑃
1 −2 2
L’ordre où l’on dispose les valeurs propres dans la matrice 𝐷 n’a pas d’importance,
mais ce choix impose le même ordre pour les vecteurs propres dans la matrice de
passage.
0 0 0 1
2/ 𝐴 = ( 0 0 −1 0) est une matrice diagonalisable car le polynôme
0 1 0 0
−1 0 0 0
caractéristique de 𝐴 est scindé dans ℂ et ∑ 𝑑𝑖𝑚𝐸𝑖 (𝐴) = 4

En effet : 𝑃𝐴 (𝑋 ) = (𝑋 2 + 1)2 = (𝑋 + 𝑖)2 (𝑋 − 𝑖)2

Les valeurs propres sont 𝜆1 = 𝑖 𝑒𝑡 𝜆2 = −𝑖 la recherche des vecteurs propres et des

sous-espaces propres associés donne les résultats suivants :

4
 [Link]
2023/2024
FEUILLE D’EXERCICES 1- CORRIGE

𝐸𝑖 (𝐴) = 〈𝑣1 = (1, 0, 0, 𝑖), 𝑣2 = (0, 1, −𝑖, 0)〉 ; 𝑑𝑖𝑚𝐸𝑖 (𝐴) = 2

Et 𝐸−𝑖 (𝐴) = 〈𝑣3 = (1, 0, 0, −𝑖), 𝑣4 = (0, 1, 𝑖, 0)〉 ; 𝑑𝑖𝑚𝐸−𝑖 (𝐴) = 2

La base de diagonalisation de 𝐴 est 𝐵 = {𝑣1 , 𝑣2 , 𝑣3 , 𝑣4 }

𝑖 0 0 0
La matrice 𝐴 est semblable à la matrice diagonale 𝐷 = (0 𝑖 0 0 ) telle que
0 0 −𝑖 0
0 0 0 −𝑖
1 0 1 0
𝐷 = 𝑃−1 . 𝐴. 𝑃 et 𝑃 = 𝑃𝑎𝑠𝑠(ℰ𝑐𝑎𝑛 , 𝐵) = ( 0 1 0 1)
0 −𝑖 0 𝑖
𝑖 0 𝑖 0

Exercice 4 :
Soit α∈ℝ et ƒ ∈ 𝑒𝑛𝑑(ℝ3 ) dont la matrice dans la base canonique est
1 0 1
𝐴 = ( −1 2 1)
2−𝛼 𝛼−2 𝛼
Calcul du polynôme caractéristique :
1−𝑋 0 1 1−𝑋 0 2−𝑋
𝑃𝐴 (𝑋 ) = | −1 2−𝑋 1 | = | −1 2−𝑋 0 |
2−𝛼 𝛼−2 𝛼−𝑋 2−𝛼 𝛼−2 2−𝑋
1−𝑋 0 2−𝑋
= | −1 2−𝑋 0 | = (2 − 𝑋 )[𝑋 2 + 𝑋 (−1 − 𝛼) + 𝛼]
1+𝑋−α 𝛼−2 0
= (2 − 𝑋 )(𝑋 − 1)(𝑋 − 𝛼)
Les valeurs propres de 𝐴 sont 𝜆1 = 2, 𝜆2 = 1 𝑒𝑡 𝜆3 = 𝛼
Etude de la diagonalisation de 𝐴 :
1er Cas : Si 𝛼 ≠ 1 𝑒𝑡 𝛼 ≠ 2 les trois valeurs propres de A sont réelles distinctes alors A
est diagonalisable
2ème Cas : Si 𝛼 = 1 les valeurs propres de A sont 𝜆1 = 2 simple et 𝜆2 = 1 double
On a l’équivalence 𝐴 diagonalisable ⇔𝑑𝑖𝑚𝐾𝑒𝑟(𝐴 − 𝐼) = 2 ou bien 𝑟𝑔(𝐴 − 𝐼) = 1
0 0 1 1 0 0
𝐴 − 𝐼 = (−1 1 1) ~ (1 −1 0) et donc 𝑟𝑔(𝐴 − 𝐼) = 2 ≠ 1 et la matrice 𝐴
1 −1 0 0 1 0
est non diagonalisable
3ème Cas : Si 𝛼 = 2 les valeurs propres de A sont 𝜆1 = 2 double et 𝜆2 = 1 simple
On a l’équivalence 𝐴 diagonalisable ⇔𝑑𝑖𝑚𝐾𝑒𝑟(𝐴 − 2𝐼) = 2 ou 𝑟𝑔(𝐴 − 2𝐼) = 1
−1 0 1 −1 0 0
𝐴 − 2𝐼 = (−1 0 1) ~ (−1 0 0) et donc 𝑟𝑔(𝐴 − 2𝐼) = 1 et la matrice 𝐴 est
0 0 0 0 0 0
diagonalisable
Conclusion : la matrice A est diagonalisable si 𝛼 = 2 et si Si 𝛼 ≠ 2 𝑒𝑡 𝛼 ≠ 1

5
 [Link]
2023/2024
FEUILLE D’EXERCICES 1- CORRIGE

Supposons 𝛼 = 2. Dans ce cas la matrice 𝐴 est diagonalisable donc semblable à une

2 0 0
matrice diagonale 𝐷 = (0 2 0) Si 𝐷 = 𝑃−1 . 𝐴. 𝑃 et 𝑃 = 𝑃𝑎𝑠𝑠(ℰ𝑐𝑎𝑛 , 𝐵)
0 0 1
𝐵 Étant la base de diagonalisation de 𝐴 (à déterminer)

2𝑘 0 0
Et donc 𝐴𝑘 = 𝑃. 𝐷 𝑘 . 𝑃 −1 tel que 𝐷 𝑘 = ( 0 2𝑘 0)
0 0 1

Exercice 5 :
1 1 1 1
Soit la matrice 𝐴 = (1 1 1 1)
1 1 1 1
1 1 1 1

1. Déterminer sans calculer le polynôme caractéristique les valeurs propres de 𝐴 :

La matrice 𝐴 est de rang égal à 1 donc non inversible et son déterminant est nul

Par suite, 0 est une valeur propre de 𝐴. (𝑑𝑒𝑡𝐴 est le terme constant du polynôme
caractéristique de 𝐴)

De plus 𝑡𝑟𝐴 = 4 = ∑4𝑖=1 𝑖 les 𝑖 sont les valeurs propres de 𝐴

Posons 1 = 0, on a 𝑑𝑖𝑚𝐾𝑒𝑟 (𝐴 − 0𝐼) = 𝑑𝑖𝑚ℝ4 − 𝑟𝑔(𝐴 − 0𝐼) = 4 − 1 = 3

Ce qui signifie que l’ordre de multiplicité de 1 = 0 est au minimum égal à 3 (c’est-à-

dire supérieur ou égal à 3)

D’où l’écriture du polynôme caractéristique : 𝑃𝐴 (𝑋 ) = (𝑋 − 0)3 (𝑋 − 4 )

Et comme 𝑡𝑟𝐴 = 4 = 0 + 0 + 0 + 4 alors4 = 4

On conclut que les valeurs propres de 𝐴 sont 0 d’ordre 3 et 4 simple et 𝐴 est une
matrice diagonalisable.

2. Lorsque la matrice est quelconque et de rang 1deux cas sont possible :

- 𝑡𝑟𝐴 ≠ 0 dans ce cas la matrice est diagonalisable
- 𝑡𝑟𝐴 = 0 dans ce cas la matrice n’est pas diagonalisable car sinon 𝑟𝑔𝐴 = 0

Exercice 6 :

6
 [Link]
2023/2024
FEUILLE D’EXERCICES 1- CORRIGE

2 0 4
1/ Calculer l’exponentielle de la matrice 𝐴 = (3 −4 12)
1 −2 5

Soit 𝐴 ∈ 𝑀𝑛 (𝐾), si 𝐴 est diagonalisable alors 𝐷 = 𝑃−1 . 𝐴. 𝑃 , 𝐷 diagonale.

En utilisant cette relation on trouve :

𝐴
𝐴𝑘 𝑃. 𝐷 𝑘 . 𝑃−1 𝐷𝑘
𝑒 =∑ =∑ = 𝑃. (∑ ) . 𝑃−1 = 𝑃. 𝑒 𝐷 . 𝑃−1
𝑘! 𝑘! 𝑘!
𝑘≥0 𝑘≥0 𝑘≥0

𝜆1 ⋯ 0 𝑒 𝜆1 ⋯ 0
Et si 𝐷 = ( ⋮ ⋱ ⋮ ) alors 𝑒 𝐷 = ( ⋮ ⋱ ⋮ )
0 ⋯ 𝜆𝑛 0 ⋯ 𝑒 𝜆𝑛
2 0 4
La matrice 𝐴 = (3 −4 12) est diagonalisable car possède trois valeurs propres
1 −2 5
distinctes dans ℝ ; 𝑃𝐴 (𝑋) = −𝑋(𝑋 − 1)(𝑋 − 2) et 𝜆1 = 0, 𝜆2 = 1 𝑒𝑡 𝜆3 = 2

Les sous-espaces propres sont 𝐸0 (𝐴) = 〈(−4,3,2)〉 ; 𝐸1 (𝐴) = 〈(−4,0,1)〉 et

𝐸2 (𝐴) = 〈(2,1,0)〉
0 0 0
La matrice diagonale semblable à 𝐴 est 𝐷 = (0 1 0)
0 0 2
−4 −4 2
La matrice de passage (ou la matrice de diagonalisation de 𝐴) est 𝑃 = ( 3 0 1)
2 1 0
−1 2 −4
1
Et son inverse est la matrice 𝑃−1 = ( 2 −4 10 )
2
3 −4 12
L’exponentielle de la matrice 𝐴 s’obtient en calculant le produit matriciel 𝑃. 𝑒 𝐷 . 𝑃−1

1 0 0
𝐷
où 𝑒 = (0 𝑒 0)
0 0 𝑒2

7
 [Link]
2023/2024
FEUILLE D’EXERCICES 1- CORRIGE

2/ Calculer en fonction de 𝑛, 𝑢0 et 𝑣0 les nombres 𝑢𝑛 et 𝑣𝑛 définis par les relations

𝑢 = 3𝑢𝑛−1 + 2𝑣𝑛−1
{ 𝑛 ; ∀𝑛 ≥ 1
𝑣𝑛 = 𝑢𝑛−1 + 2𝑣𝑛−1

Le but est de calculer le terme général d’une suite récurrente linéaire en utilisant les
matrices.

Soit (𝑢𝑛 )𝑛 une suite de nombres de 𝐾 définie par une relation de récurrence linéaire :

𝑢𝑛 = 𝑎1 𝑢𝑛−1 + 𝑎2 𝑢𝑛−2 + ⋯ + 𝑎𝑝 𝑢𝑛−𝑝 ; ∀𝑛 ≥ 𝑝

Et la donnée des 𝑝 premiers termes 𝑢0 , 𝑢1 𝑒𝑡 𝑢𝑝−1

Pour exprimer le terme général de la suite (𝑢𝑛 )𝑛 en fonction de 𝑛 et des 𝑝 premiers

𝑢𝑛−1
𝑢𝑛−2
termes 𝑢0 , 𝑢1 𝑒𝑡 𝑢𝑝−1 on forme le vecteur 𝑉𝑛−1 = ( ⋮ ) on a alors :
𝑢𝑛−𝑝

𝑎1 𝑎2 … 𝑎𝑝
1 0 … 0
𝑉𝑛 = 𝐴. 𝑉𝑛−1 Avec 𝐴 = 0 1 … 0
⋮ ⋮ ⋮ ⋮
( 0 0 …1 0 )

Nous allons calculer les nombres 𝑢𝑛 𝑒𝑡 𝑣𝑛 en fonction de 𝑛, 𝑢0 𝑒𝑡 𝑣0 si

𝑢𝑛 = 3𝑢𝑛−1 + 2𝑣𝑛−1
{ ; ∀𝑛 ≥ 1
𝑣𝑛 = 𝑢𝑛−1 + 2𝑣𝑛−1
𝑢𝑛 3 2 𝑢𝑛−1 𝑢𝑛−1 𝑢0
On a : ( 𝑣 ) = ( ) (𝑣 ) = 𝐴 (𝑣 ) = 𝐴𝑛 (𝑣 )
𝑛 1 2 𝑛−1 𝑛−1 0

Il suffit donc de calculer la matrice 𝐴𝑛

𝑃𝐴 (𝑋 ) = 𝑋 2 − 5𝑋 + 4 = (𝑋 − 1)(𝑋 − 4). La matrice 𝐴 est diagonalisable puisque les

deux valeurs propres de 𝐴 sont réelles distinctes

1 0 1 2
On a donc la relation 𝐴 = 𝑃. 𝐷. 𝑃−1 avec 𝐷 = ( ) ;𝑃 = ( ) 𝑒𝑡
0 4 −1 1
1 1 −2
𝑃−1 = ( )
3 1 1
1 1 2 1 0 1 −2 1 1 + 2. 4𝑛 −2 + 2. 4𝑛
𝐴𝑛 = ( ).( ).( )= ( )
3 −1 1 0 4𝑛 1 1 3 −1 + 4𝑛 2 + 4𝑛

8
 [Link]
2023/2024
FEUILLE D’EXERCICES 1- CORRIGE

𝑢𝑛 = (1 + 2. 4𝑛 )𝑢0 + (−2 + 2. 4𝑛 )𝑣0

Il en résulte {
𝑣𝑛 = (−1 + 4𝑛 )𝑢0 + 2. 4𝑛 𝑣0

9
Algèbre 3
2024 / 2025
Exercice supplémentaire série 1 :

I. Soient 𝐴 et 𝐵 deux matrices vérifiant 𝐴𝐵 = 𝐵𝐴 , et  une valeur propre

de 𝐴 montrer que si 𝑣 est un vecteur propre de 𝐴 associé à  alors 𝐵𝑣 est
aussi un vecteur propre de 𝐴 associé à 
Si de plus  est d’ordre 1montrer alors que 𝑣 est un vecteur propre de 𝐵.
II. Soit 𝑓 l’endomorphisme de ℝ3 tel que
𝑓(𝑥, 𝑦, 𝑧) = (𝑥 + 𝑦, 2𝑦, −2𝑥 + 2𝑦 + 3𝑧)
1 1 0
Soit {𝑣1 = (0) , 𝑣2 = (1) , 𝑣3 = (0) } une base de ℝ3
1 0 1
1. Montrer que la matrice 𝐴 de 𝑓 dans la base canonique de ℝ3 est
diagonalisable
2. Calculer 𝐴𝑣1 , 𝐴𝑣2 et 𝐴𝑣3 En déduire une base de diagonalisation de 𝐴
Et une matrice 𝐷 diagonale semblable à 𝐴
−1 −1 0
3. Soit 𝐵 = ( 0 −2 0) Montrer que 𝑣1 , 𝑣2 𝑒𝑡 𝑣3 sont des vecteurs propres
−5 5 4
de 𝐵 . En déduire les valeurs propres de la matrice 𝐵
4. Déterminer alors une matrice diagonale 𝐷’ semblable à 𝐵 et une matrice
diagonale 𝐷’’ Semblable à la matrice 𝐴𝐵

Correction :
• On a 𝐴𝑣 = 𝜆𝑣 ⇒ 𝐵 (𝐴𝑣) = 𝐵(𝜆𝑣) ⇒ (𝐵𝐴)𝑣 = 𝜆(𝐵𝑣) ⇒ (𝐴𝐵 )𝑣 = 𝐴(𝐵𝑣) =
𝜆(𝐵𝑣)
Si 𝜆 est simple alors les deux vecteurs propres de 𝐴 associés à 𝜆 sont dépendants C-à-d
∃𝛼 tel que 𝐵𝑣 = 𝛼𝑣 donc 𝑣 est un vecteur propre de 𝐵 associé à 𝛼
1−𝑋 1 0
• 𝑃𝐴 (𝑋 ) = | 0 2−𝑋 0 | = (3 − 𝑋 )(2 − 𝑋 )(1 − 𝑋 ) Les valeurs
−2 2 3−𝑋
propres de 𝐴 sont distinctes deux à deux donc 𝐴 est diagonalisable
1 2 0
• 𝐴𝑣1 = (0) = 𝑣1 ; 𝐴𝑣2 = (2) = 2𝑣2 ; 𝐴𝑣3 = (0) = 3𝑣3 Alors
1 0 3
𝑣1 , 𝑣2 𝑒𝑡 𝑣3 sont des vecteurs propres de 𝐴 et {𝑣1 , 𝑣2 , 𝑣3 , } est une base de
diagonalisation de 𝐴
1 0 0
𝐷 = (0 2 0) Est diagonale semblable à 𝐴
0 0 3
Algèbre 3
2024 / 2025

• On peut remarquer que 𝐴. 𝐵 = 𝐵. 𝐴 et déduire de la question 1

que𝑣1 , 𝑣2 𝑒𝑡 𝑣3 sont des vecteurs propres de 𝐵
−1 −2 0
Ou bien : 𝐵𝑣1 = ( 0 ) = −𝑣1 ; 𝐵𝑣2 = (−2) = −2𝑣2 ; 𝐵𝑣3 = (0) = 4𝑣3 alors
−1 0 4
𝑣1 , 𝑣2 𝑒𝑡 𝑣3 sont des vecteurs propres de 𝐵 associés aux valeurs propres -1, -2 et 4
distinctes deux à deux donc 𝐵 est diagonalisable
−1 0 0
• B est semblable à 𝐷 = ( 0 −2 0)C-à-d 𝐷 ′ = 𝑃−1 . 𝐵. 𝑃 pour 𝑃 =
′

0 0 4
1 1 0
(0 1 0)
1 0 1
−1 0 0
−1 −1 −1 ′
On a 𝑃 . 𝐴. 𝐵. 𝑃 = 𝑃 . 𝐴. 𝑃. 𝑃 . 𝐵. 𝑃 = 𝐷. 𝐷 = ( 0 −4 0 ) = 𝐷
0 0 12
UMBB_FS_DEPARTEMENT DE MATHEMATIQUES F. MOUHOUB

Chapitre 2 : Diagonalisation des endomorphismes

Dans cette partie on s’intéresse à la recherche d’une base de 𝐸 dans laquelle

l’endomorphisme 𝑓 est représenté par une matrice diagonale
Proposition : Si 𝜆1 , 𝜆2 , … , 𝜆𝑝 sont des valeurs propres distinctes de 𝑓 alors les
Sous-espaces propres correspondants 𝐸𝜆1 , 𝐸𝜆2 , … , 𝐸𝜆𝑝 sont deux à

Deux d’intersection nulle

Preuve : évident puisqu’un vecteur propre de 𝑓 est associé à une seule valeur propre
Proposition : soient 𝜆1 , 𝜆2 , … , 𝜆𝑝 des valeurs propres deux à deux distinctes
de 𝑓 et 𝑣1 , 𝑣2 , … , 𝑣𝑝 les vecteurs propres associés, alors le système

{𝑣1 , 𝑣2 , … , 𝑣𝑝 } est libre dans 𝐸

Preuve :
On procède par récurrence sur 𝑝 ∈ ℕ∗
Si 𝑝 = 1, {𝑣1 } est libre puisque 𝑣1 est un vecteur propre donc non nul
Supposons que le système {𝑣1 , 𝑣2 , … , 𝑣𝑝 } est libre et montrons que le système
{𝑣1 , 𝑣2 , … , 𝑣𝑝 , 𝑣𝑝+1 } est libre. (On supposera 𝑣𝑝+1 un vecteur propre associé à une
valeur propre 𝜆𝑝+1 distincte des autres 𝜆𝑖 )
Il s’agit de montrer que si 𝛼1 𝑣1 + 𝛼2 𝑣2 + ⋯ + 𝛼𝑝 𝑣𝑝 + 𝛼𝑝+1 𝑣𝑝+1 = 0𝐸 alors
𝛼1 = 𝛼2 = ⋯ = 𝛼𝑝 = 𝛼𝑝+1 = 0
On a : 𝛼1 𝑣1 + 𝛼2 𝑣2 + ⋯ + 𝛼𝑝 𝑣𝑝 + 𝛼𝑝+1 𝑣𝑝+1 = 0𝐸 (1)

⇒ 𝑓(𝛼1 𝑣1 + 𝛼2 𝑣2 + ⋯ + 𝛼𝑝 𝑣𝑝 + 𝛼𝑝+1 𝑣𝑝+1 ) = 𝑓(0𝐸 ) = 0𝐸 Car 𝑓 application

⇒ 𝛼1 𝑓(𝑣1 ) + 𝛼2 𝑓(𝑣2 ) + ⋯ + 𝛼𝑝 𝑓(𝑣𝑝 ) + 𝛼𝑝+1 𝑓(𝑣𝑝+1 ) = 0𝐸 Car 𝑓 est linéaire
⇒ 𝛼1 𝜆1 𝑣1 + 𝛼2 𝜆2 𝑣2 + ⋯ + 𝛼𝑝 𝜆𝑃 𝑣𝑝 + 𝛼𝑝+1 𝜆𝑝+1 𝑣𝑝+1 = 0𝐸 (2)
En calculant ((2) − 𝜆𝑝+1 (1))on obtient alors :

𝛼1 (𝜆1 − 𝜆𝑝+1 )𝑣1 + 𝛼2 (𝜆2 − 𝜆𝑝+1 )𝑣2 + ⋯ + 𝛼𝑃 (𝜆𝑃 − 𝜆𝑝+1 )𝑣𝑝 = 0𝐸

D’après l’hypothèse de récurrence ceci implique :

𝛼1 (𝜆1 − 𝜆𝑝+1 ) = 𝛼2 (𝜆2 − 𝜆𝑝+1 ) = ⋯ = 𝛼𝑃 (𝜆𝑃 − 𝜆𝑝+1 ) = 0

Les 𝜆𝑖 étant deux à deux distinctes on retrouve donc 𝛼1 = 𝛼2 = ⋯ = 𝛼𝑝 = 0

1
UMBB_FS_DEPARTEMENT DE MATHEMATIQUES F. MOUHOUB

En remplaçant dans (1) on obtient 𝛼𝑝+1 𝑣𝑝+1 = 0𝐸

Ce qui donne 𝛼𝑝+1 = 0 car 𝑣𝑝+1 ≠ 0𝐸 ∎
Conclusion : Si 𝐸 est de dimension 𝑛 alors 𝑓 a au plus 𝑛 valeurs propres distinctes
En effet s’il existe 𝑝 valeurs propres distinctes, alors on peut trouver un système libre
formé de 𝑝 vecteurs mais dans un espace de dimension 𝑛 un système libre a au plus
𝑛 éléments ce qui se traduit par 𝑝 ≤ 𝑛
Définition : L’endomorphisme 𝑓 est diagonalisable s’il existe une base de 𝐸 dans
Laquelle la matrice de 𝑓 est diagonale, c‘est-à-dire de la forme
𝜆1 ⋯ 0
𝐷=(⋮ ⋱ ⋮ ) = 𝑑𝑖𝑎𝑔(𝜆1 , … , 𝜆𝑛 )
0 ⋯ 𝜆𝑛
De manière précise, si l’endomorphisme 𝑓 est représenté par une matrice 𝐴

dans une base 𝜉 = {𝑒1 , … , 𝑒𝑛 } de 𝐸 et si nous trouvons une autre base

𝐵 = {𝑣1 , … , 𝑣𝑛 } de 𝐸 où l’endomorphisme 𝑓 est représenté par une matrice

diagonale 𝐷, nous dirons que nous avons diagonalisé l’endomorphisme 𝑓 ou

La matrice 𝐴.

Par définition même de la matrice 𝐷, on a 𝑓 (𝑣𝑖 ) = 𝜆𝑖 𝑣𝑖 𝑝𝑜𝑢𝑟 𝑖 = ̅̅̅̅̅

1, 𝑛

Les 𝜆𝑖 sont donc des valeurs propres de 𝑓 et les 𝑣𝑖 sont les vecteurs propres

associés.

Définition : On dit qu’une matrice 𝐴 ∈ 𝑀𝑛 (𝐾) est diagonalisable si elle est

Semblable à une matrice diagonale. C’est-à-dire s’il existe une matrice 𝑃
Inversible telle que 𝑃−1 . 𝐴. 𝑃 est diagonale
Théorème : Pour qu’un endomorphisme 𝑓 de 𝐸 soit diagonalisable il faut et il suffit
Qu’il existe une base de 𝐸 formée de vecteurs propres de 𝑓
Preuve : Application directe de la définition d’un endomorphisme diagonalisable
Théorème :(Condition suffisante de diagonalisation)
Si 𝑓 possède 𝑛 valeurs propres distinctes dans 𝐾 alors 𝑓 est diagonalisable
Preuve : Si 𝑓 possède 𝑛 valeurs propres distinctes dans 𝐾 alors l’espace 𝐸 possède un
système formé de 𝑛 vecteurs propres linéairement indépendants.

2
UMBB_FS_DEPARTEMENT DE MATHEMATIQUES F. MOUHOUB

Ce système est une base de 𝐸 formé de vecteurs propres de 𝑓 et donc

l’endomorphisme 𝑓 est diagonalisable ∎
La réciproque est fausse en général, il suffit de prendre l’exemple de
l’endomorphisme diagonalisable 𝑖𝑑ℝ3 identité de ℝ3 , il admet comme valeur propre
la valeur 𝜆 = 1 d’ordre 3
Théorème : (Condition nécessaire et suffisante de diagonalisation)
𝑓 est un endomorphisme diagonalisable si et seulement si le polynôme
Caractéristique est scindé dans 𝐾 et la dimension de chaque sous-espace
Propre de 𝑓 est égale à l’ordre de multiplicité de la valeur propre correspondante.
Remarque : Si 𝐴 est la matrice de 𝑓 dans une base de 𝐸, le théorème du rang nous
permet d’écrire l’équivalence suivante :
𝐴 est diagonalisable si et seulement si 𝑟𝑔(𝐴 − 𝜆𝑖 𝐼𝑛 ) = 𝑛 − 𝑟𝜆𝑖 où 𝑟𝜆𝑖 est l’ordre de la
valeur propre 𝜆𝑖
Lorsque 𝑓 est diagonalisable on a 𝑑𝑖𝑚𝐸 = ∑ 𝑑𝑖𝑚 𝐸𝑖 (𝑓).

A retenir
Si 𝑓 ∈ 𝐸𝑛𝑑(𝐸) et 𝐴 ∈ 𝑀𝑛 (𝐾) la matrice de 𝑓 dans une base 𝐵 de 𝐸
Pour diagonaliser 𝑓 (ou 𝐴) :
1) On calcule le polynôme caractéristique 𝑃𝑓 = 𝑃𝐴 et on le factorise dans 𝐾[𝑋].
Les racines sont les valeurs propres de 𝑓 (ou 𝐴)
2)
• Si 𝑃𝑓 n’est pas scindé dans 𝐾 alors 𝑓 n’est pas diagonalisable dans 𝐾
• Si 𝑃𝑓 est scindé dans 𝐾 alors on détermine les sous-espaces propres 𝐸𝜆𝑖 (𝑓 )
associés aux valeurs propres 𝜆𝑖 en résolvant les systèmes homogènes
(𝐴 − 𝜆𝑖 𝐼𝑛 )𝑣 = 0 et 𝑑𝑖𝑚𝐸𝜆𝑖 (𝑓 ) = 𝑛 − 𝑟𝑔(𝐴 − 𝜆𝑖 𝐼𝑛 )
Deux cas peuvent se présenter :
- Les valeurs propres sont simples et 𝑑𝑖𝑚𝐸𝜆𝑖 (𝑓 ) = 1, dans ce cas 𝑓 est
diagonalisable et une base de diagonalisation est la réunion des bases des
𝐸𝜆𝑖 (𝑓 )
- Les valeurs propres non toutes simples et dans ce cas pour toutes valeurs
propres 𝜆𝑖 d’ordre 𝑚𝑖 si 𝑑𝑖𝑚𝐸𝜆𝑖 (𝑓 ) ≠ 𝑚𝑖 pour au moins un 𝑖 l’endomorphisme
𝑓 n’est pas diagonalisable. Et si pour tout 𝑖 ; 𝑑𝑖𝑚𝐸𝜆𝑖 (𝑓 ) = 𝑚𝑖
l’endomorphisme 𝑓 est diagonalisable et une base de diagonalisation est
l’union de toutes les bases des 𝐸𝜆𝑖 (𝑓 )

3
UMBB_FS_DEPARTEMENT DE MATHEMATIQUES F. MOUHOUB

Exemples :
1/ Les matrices suivantes sont-elles diagonalisables ?
7 −12 −2 −2 8 6
1 2
𝐴=( );𝐵 =( 3 −4 0 ) ; 𝐶 = (−4 10 6 ) et
−1 3
−2 0 −2 4 −8 −4
1 −3 0 3
𝐷 = (−2 −6 0 13)
0 −3 1 3
−1 −4 0 8
Réponse :
• Le polynôme caractéristique de A est 𝑃𝐴 (𝑋 ) = 𝑋 2 − 4𝑋 + 5
La matrice 𝐴 est diagonalisable dans ℂ mais pas dans ℝ car les valeurs propres sont
𝜆1 = 2 − 𝑖 𝑒𝑡 𝜆2 = 2 + 𝑖 sont complexes non réelles
• Le polynôme caractéristique de B est 𝑃𝐵 (𝑋 ) = −𝑋(𝑋 + 1)(𝑋 − 2) les valeurs
propres de 𝐵 sont distinctes alors 𝐵 est diagonalisable
• Le polynôme caractéristique de C est 𝑃𝐶 (𝑋 ) = −𝑋(𝑋 − 2)2 . La matrice C est
diagonalisable car 𝑟𝑔(𝐶 − 2𝐼 ) = 1
• Le polynôme caractéristique de D est 𝑃𝐷 (𝑋 ) = 𝑋 4 − 4𝑋 3 + 6𝑋 2 − 4𝑋 + 1 =
(𝑋 − 1)4
La matrice D est non diagonalisable car sinon 𝑟𝑔(𝐷 − 𝐼 ) = 0 ce qui n’est pas
possible car 𝐷 − 𝐼 ≠ 0

2/ Diagonaliser l’endomorphisme 𝑓 de ℝ2 défini par 𝑓 (𝑥, 𝑦) = (2𝑥 + 3𝑦, 4𝑥 + 𝑦)

Réponse :
2 3
𝑓 est représenté, dans la base canonique ξ de ℝ2, par la matrice 𝐴 = ( )
4 1
Son polynôme caractéristique est 𝑃𝐴 (𝑋 ) = 𝑋 2 − 3𝑋 − 10 = (𝑋 − 5)(𝑋 + 2)
Les valeurs propres de 𝑓 (ou de 𝐴 )sont 𝜆1 = 5 𝑒𝑡 𝜆2 = −2 qui sont distinctes dans ℝ
donc 𝑓 (ou 𝐴) est diagonalisable
Recherche des vecteurs propres
Posons 𝑣1 un vecteur propre associé à 𝜆1 = 5, on a
−3𝑥 + 3𝑦 = 0
𝐴𝑣1 = 𝜆1 𝑣1 ⇔ (𝐴 − 𝜆1 𝐼)𝑣1 = 0 ⇔ { ⇔ 𝑥 = 𝑦 Nous choisissons
4𝑥 − 4𝑦 = 0
𝑣1 = (1,1)

4
UMBB_FS_DEPARTEMENT DE MATHEMATIQUES F. MOUHOUB

Posons 𝑣2 un vecteur propre associé à 𝜆2 = −2, on a

−4
𝐴𝑣2 = 𝜆2 𝑣2 ⇔ (𝐴 − 𝜆2 𝐼 )𝑣2 = 0 ⇔ 4𝑥 + 3𝑦 = 0 ⇔ 𝑦 = 𝑥 Nous choisissons
3

𝑣2 = (3, −4)
Il y a donc une base 𝐵 = {𝑣1 , 𝑣2 } de ℝ2 formée de vecteurs propres de 𝑓
5 0
La matrice 𝐴 est diagonalisable et semblable à la matrice diagonale 𝐷 = ( )
0 −2
(sur la diagonale de 𝐷 on retrouve les valeurs propres de 𝑓(ou de 𝐴)
La base 𝐵 = {𝑣1 , 𝑣2 } permet de diagonaliser 𝑓(ou de 𝐴), c’est une base de
diagonalisation.
1 3
La matrice de passage de ξ à 𝐵 est 𝑃 = ( ) et on a 𝐷 = 𝑃−1 . 𝐴. 𝑃
1 −4
Remarque : L’ordre où l’on dispose les valeurs propres dans la matrice 𝐷 n’a pas
d’importance, mais ce choix impose le même ordre pour les vecteurs propres dans la
matrice de passage.
−2 0 3 1
C’est-à-dire que 𝐴 est semblable à 𝐷 = ( ) Si 𝑃 = ( )
0 5 −4 1

5
UMBB_FS_Département de Mathématiques Octobre 2024

Deuxième série d’exercices

Exercice 1 :
3 2 −2
Soit 𝐴 = (−1 0 1 ) déterminer µ𝐴 (𝑋 ) puis Calculer 𝐴𝑛 pour tout 𝑛 ∈ ℕ
1 1 0
Montrer que 𝐴 est inversible et calculer son inverse 𝐴−1

Exercice 2 :
I/ Soit 𝑓 un endomorphisme d’un espace vectoriel 𝐸, de dimension finie sur 𝐾
1. Rappeler la définition d’un polynôme annulateur de 𝑓
2. Montrer que toute valeur propre de 𝑓 est une racine de tout polynôme
annulateur de 𝑓
II/ Soit 𝑓 l’endomorphisme de ℝ3 vérifiant :
𝑓(𝑥, 𝑦, 𝑧) = (3𝑥 − 3𝑦 + 2𝑧, −𝑥 + 5𝑦 − 2𝑧, −𝑥 + 3𝑦)
1. Ecrire la matrice 𝐴 associée à 𝑓 relativement à la base canonique de ℝ3
2. Déterminer une base de 𝐾𝑒𝑟 (𝐴 − 2𝐼 ) et une base de 𝐾𝑒𝑟 (𝐴 − 4𝐼 )
3. Montrer que 𝐾𝑒𝑟 (𝐴 − 2𝐼 ) et 𝐾𝑒𝑟 (𝐴 − 4𝐼 ) sont supplémentaires dans ℝ3
4. Diagonaliser, si possible, la matrice 𝐴. Expliciter un polynôme annulateur de 𝐴
puis donner son polynôme minimal.
5. En utilisant le théorème de Cayley-Hamilton, montrer que 𝐴 est inversible et
calculer son inverse.
 Corrigé_Exercice 1_Série 2 :

Exercice 1 :
3 2 −2
Soit 𝐴 = (−1 0 1 ) déterminer µ𝐴 (𝑋 ) puis Calculer 𝐴𝑛 pour tout 𝑛 ∈ ℕ
1 1 0
Montrer que 𝐴 est inversible et calculer son inverse 𝐴−1

Solution : On a
3−𝑋 2 −2 3−𝑋 2 0 3−𝑋 2 0
𝑃𝐴 (𝑋 ) = | −1 −𝑋 1 | = | −1 −𝑋 1 − 𝑋 | = | −2 −1 − 𝑋 0 |
1 1 −𝑋 1 1 1−𝑋 1 1 1−𝑋
= (1 − 𝑋 )3
Le polynôme minimal de 𝐴 est de la forme µ𝐴 (𝑋 ) = (𝑋 − 1)𝛽 ; 1 ≤ 𝛽 ≤ 3

On a 𝐴 − 𝐼 ≠ 0 et (𝐴 − 𝐼 )2 = 0 Donc µ𝐴 (𝑋 ) = (𝑋 − 1)2

Pour le calcul de 𝐴−1 on utilise la relation (𝐴 − 𝐼 )2 = 0 (théorème de Cayley-

Hamilton)
On a (𝐴 − 𝐼 )2 = 0 ⇔ 𝐴2 − 2𝐴 + 𝐼 = 0 ⇔ 𝐴(𝐴 − 2𝐼 ) = −𝐼 ⇔ 𝐴(2𝐼 − 𝐴) = 𝐼
Et aussi (𝐴 − 𝐼 )2 = 0 ⇔ (2𝐼 − 𝐴)𝐴 = 𝐼
Ceci signifie que la matrice 𝐴 est inversible et son inverse est
−1 −2 2
𝐴−1 = 2𝐼 − 𝐴 = ( 1 2 −1)
−1 −1 2
Remarque : on peut calculer la matrice inverse de A en utilisant la relation
(𝐴 − 𝐼 )3 = 0 Au lieu de (𝐴 − 𝐼 )2 = 0
Pour calculer 𝐴𝑛 pour tout 𝑛 ∈ ℕ on effectue la division euclidienne de 𝑋 𝑛 par µ𝐴 (𝑋 )

On obtient : 𝑋 𝑛 = µ𝐴 (𝑋 ). 𝑄 (𝑋 ) + 𝑅(𝑋 ) (∗)

avec 𝑑𝑒𝑔𝑅 < 𝑑𝑒𝑔µ𝐴

Le polynôme reste 𝑅(𝑋) est donc de la forme 𝑅 (𝑋 ) = 𝑎𝑋 + 𝑏

La relation (∗) devient : 𝑋 𝑛 = µ𝐴 (𝑋 ). 𝑄 (𝑋 ) + 𝑎𝑋 + 𝑏

On choisit 𝑋 = 1(qui est racine du polynôme µ𝐴 (𝑋 )) et on remplace dans (∗)

On a alors : 1 = 𝑎 + 𝑏
En dérivant les deux membres de l’égalité (∗) par rapport à 𝑋 on trouve :
𝑛𝑋 𝑛−1 = µ𝐴′ (𝑋 ). 𝑄(𝑋 ) + µ𝐴 (𝑋 ). 𝑄 ′ (𝑋 ) + 𝑎 et en 𝑋 = 1 on obtient :

𝑛=𝑎
On revient à la relation (*) et on remplace par 𝑎 = 𝑛, 𝑏 = 1 − 𝑛, et 𝑋 = 𝐴
Pour trouver : 𝐴𝑛 = 𝑛𝐴 + (1 − 𝑛)𝐼
UMBB_FS_DEPARTEMENT DE MATHEMATIQUES
F. MOUHOUB

Polynômes d’endomorphismes

Soit 𝑓 un endomorphisme sur un espace vectoriel 𝐸 de dimension finie 𝑛

Soit 𝑃 un polynôme de 𝐾 [𝑋 ] tel que : 𝑃(𝑋 ) = 𝑎𝑛 𝑋 𝑛 + 𝑎𝑛−1 𝑋 𝑛−1 + ⋯ + 𝑎1 𝑋 + 𝑎0
On définit l’endomorphisme de 𝐸 noté 𝑃(𝑓) par :
𝑃(𝑓 ) = 𝑎𝑛 𝑓 𝑛 + 𝑎𝑛−1 𝑓 𝑛−1 + ⋯ + 𝑎1 𝑓 + 𝑎0 𝑖𝑑𝐸 Avec 𝑓 𝑛 = 𝑓°𝑓° … °𝑓; 𝑛 𝑓𝑜𝑖𝑠
C’est-à-dire ∀𝑥 ∈ 𝐸; 𝑃(𝑓 )(𝑥 ) = 𝑎𝑛 𝑓 𝑛 (𝑥) + 𝑎𝑛−1 𝑓 𝑛−1 (𝑥) + ⋯ + 𝑎1 𝑓(𝑥) + 𝑎0 𝑥
𝑃(𝑓 ) Est appelé le polynôme de l’endomorphisme 𝑓
De même on définit le polynôme de la matrice 𝐴 de 𝑀𝑛 (𝐾) par :
𝑃(𝐴) = 𝑎𝑛 𝐴𝑛 + 𝑎𝑛−1 𝐴𝑛−1 + ⋯ + 𝑎1 𝐴 + 𝑎0 𝐼𝑛 ∈ Mn (K) Avec 𝐴𝑛 = 𝐴. 𝐴 … 𝐴 ; 𝑛 𝑓𝑜𝑖𝑠
Définition : Un polynôme 𝑃 est dit annulateur de 𝑓 si et seulement si 𝑃(𝑓 )est nul.

On appelle polynôme minimal de 𝑓, noté µ𝑓 , le polynôme annulateur de 𝑓,

Unitaire, de degré minimal. Ce polynôme existe et est unique

Théorème de Cayley Hamilton :

Le polynôme caractéristique de 𝑓 (ou de𝐴) est un polynôme annulateur de 𝑓 (ou de𝐴)

Le polynôme minimal de 𝑓 divise le polynôme caractéristique de 𝑓 ainsi que tous les

polynômes annulateur de 𝑓
Si 𝑃𝑓 (𝑋 ) = (−1)𝑛 (𝑋 − 1 )𝛼1 . (𝑋 − 2 )𝛼2 … (𝑋 − 𝑚 )𝛼𝑚 avec 𝑖 ∈ 𝑠𝑝(𝑓) alors,

µ𝑓 (𝑋 ) = (𝑋 − 1 )𝛽1 . (𝑋 − 2 )𝛽2 … (𝑋 − 𝑚 )𝛽𝑚 Avec 1 ≤ 𝛽𝑚 ≤ 𝛼𝑚

(Il en est de même pour une matrice 𝐴)

Théorème :

𝑓 Est un endomorphisme diagonalisable si et seulement si son polynôme minimal µ𝑓

est scindé à racines simples.
UMBB_FS_DEPARTEMENT DE MATHEMATIQUES
F. MOUHOUB

Exemples
Déterminer le polynôme minimal de chacune des matrices suivantes :
0 0 0
• 𝐴 = (0 1 0 ) ; µ𝐴 (𝑋 ) = 𝑋. (𝑋 − 1). (𝑋 + 1)
0 0 −1
1 0 0
• 𝐵 = (0 1 1) ; On a 𝑃𝐵 (𝑋 ) = −𝑋(1 − 𝑋 )(2 − 𝑋) alors
0 1 1
µ𝐵 𝑋 = 𝑋 𝑋 − 1)(𝑋 − 2) (Ce polynôme est unitaire, annulateur de B d’après le
( ) (
théorème de Cayley Hamilton et ses racines sont les valeurs propres de B)
1 0 0
• 𝐶 = (0 −1 0 ) ; 𝑃𝐶 (𝑋 ) = (1 − 𝑋 )(𝑋 + 1)2
0 0 −1
Le polynôme minimal de C est µ𝐶 (𝑋 ) = (𝑋 − 1)(𝑋 + 1)ou µ𝐶 (𝑋 ) = (𝑋 − 1)(𝑋 +
1)2
On a (𝐶 − 𝐼 )(𝐶 + 𝐼 ) = 0 Donc µ𝐶 (𝑋 ) = (𝑋 − 1)(𝑋 + 1)

2 1 0 0 0
0 2 0 0 0
• 𝐷= 0 0 5 0 0 ; On peut remarquer que cette matrice est diagonale
0 0 0 5 0
(0 0 0 0 2)
𝐷1 0 0
par blocs 𝐷 = ( 0 𝐷2 0 ) Avec 𝐷1 = (2 1) , 𝐷2 = (5 0) 𝑒𝑡 𝐷3 = (2)
0 2 0 5
0 0 𝐷3
Dans ce cas on a :

µ𝐷 (𝑋 ) = 𝑝𝑝𝑐𝑚 (µ𝐷 (𝑋), µ𝐷 (𝑋 ), µ𝐷 (𝑋 )) = 𝑝𝑝𝑐𝑚((𝑋 − 2)2 , (𝑋 − 5), (𝑋 − 2))

1 2 3

µ𝐷 (𝑋 ) = (𝑋 − 2)2 . (𝑋 − 5)

Exercices à faire en TD
UMBB_FS_DEPARTEMENT DE MATHEMATIQUES
F. MOUHOUB

Exercice 1 :
3 2 −2
Soit 𝐴 = (−1 0 1 ) déterminer µ𝐴 (𝑋 ) puis Calculer 𝐴𝑛 pour tout 𝑛 ∈ ℕ
1 1 0
Montrer que 𝐴 est inversible et calculer son inverse 𝐴−1

Exercice 2 :
I/ Soit 𝑓 un endomorphisme d’un espace vectoriel 𝐸, de dimension finie sur 𝐾
1. Rappeler la définition d’un polynôme annulateur de 𝑓
2. Montrer que toute valeur propre de 𝑓 est une racine de tout polynôme
annulateur de 𝑓
II/ Soit 𝑓 l’endomorphisme de ℝ3 vérifiant :
𝑓(𝑥, 𝑦, 𝑧) = (3𝑥 − 3𝑦 + 2𝑧, −𝑥 + 5𝑦 − 2𝑧, −𝑥 + 3𝑦)
1. Ecrire la matrice 𝐴 associée à 𝑓 relativement à la base canonique de ℝ3
2. Déterminer une base de 𝐾𝑒𝑟 (𝐴 − 2𝐼 ) et une base de 𝐾𝑒𝑟 (𝐴 − 4𝐼 )
3. Montrer que 𝐾𝑒𝑟 (𝐴 − 2𝐼 ) et 𝐾𝑒𝑟 (𝐴 − 4𝐼 ) sont supplémentaires dans ℝ3
4. Diagonaliser, si possible, la matrice 𝐴. Expliciter un polynôme annulateur de 𝐴
puis donner son polynôme minimal.
5. En utilisant le théorème de Cayley-Hamilton, montrer que 𝐴 est inversible et
calculer son inverse.
Université de Boumerdes 2024/2025
Faculté des sciences LM/ ALGEBRE3

Série n°3 : Triangularisation

Exercice1 :

Réduire à la forme triangulaire les matrices suivantes :

2 0 0 3 2 −3
𝐴 = (1 2 −2⁄3) ; 𝐵 = (4 10 −12)
0 0 1 3 6 −7

Exercice 2 : Trouver la réduite de Jordan et une base de Jordan des matrices 𝐴 et 𝐵 de

l’exercice 1. Déduire le polynôme minimal des matrices 𝐴 et 𝐵

Exercice 3 :

1 2 3 4
Soit la matrice 𝐴 = (0 1 2 3) la matrice représentant un endomorphisme 𝑓 de ℝ4 dans
0 0 1 2
0 0 0 1

la base canonique 𝜉𝑐𝑎𝑛 de ℝ4

1. Montrer que 𝐴 n’est pas diagonalisable et qu’il existe un seul espace propre de base

{𝑢1 } à définir

2. Déterminer les vecteurs 𝑢2 , 𝑢3 𝑒𝑡 𝑢4 tels que dans la base𝐵 = {𝑢1 , 𝑢2 , 𝑢3 , 𝑢4 }

1 1 0 0
l’endomorphisme 𝑓 est représenté par la matrice 𝐽 = (0 1 1 0)
0 0 1 1
0 0 0 1

3. On pose𝐽 = 𝐼4 + 𝑁, montrer qu’il existe 𝑟 ∈ ℕ 𝑡𝑒𝑙 𝑞𝑢𝑒 𝑁 𝑟−1 ≠ 0 𝑒𝑡 𝑁 𝑟 = 0

4. Calculer 𝐽𝑘 , ∀𝑘 ∈ ℕ . Indiquer comment on peut déduire 𝐴𝑘

UMBB_FS_Département de Mathématiques F. MOUHOUB

Réduction à la forme triangulaire

Introduction :
Soient 𝐸 un espace vectoriel de dimension finie 𝑛 sur un corps commutatif 𝐾 et 𝑓 un
endomorphisme de 𝐸
Pour trigonaliser l’endomorphisme 𝑓, on cherche une base de l’espace vectoriel 𝐸 dans
laquelle 𝑓 est représenté par une matrice triangulaire supérieure.
Si une telle base existe on dit que 𝑓 est trigonalisable
Une matrice 𝐴 ∈ 𝑀𝑛 (𝐾) est trigonalisable si elle est semblable à une matrice
triangulaire supérieure
Condition nécessaire et suffisante de trigonalisation :
Un endomorphisme 𝑓 (respectivement une matrice A) est trigonalisable si et
seulement si son polynôme caractéristique 𝑃𝑓 (respectivement𝑃𝐴 ) est Scindé sur 𝐾

Nous allons démontrer ce résultat pour les matrices, c’est-à-dire 𝐴 est trigonalisable si
et seulement si son polynôme caractéristique est scindé.
Supposons 𝐴 ∈ 𝑀𝑛 (𝐾) trigonalisable alors par définition 𝐴 est semblable à une
matrice triangulaire supérieure, Soit 𝑇 cette matrice.
1 ⋯ 0
On a alors 𝑇 = ( ⋮ ⋱ ⋮ ) ∈ 𝑀𝑛 (𝐾)
0 ⋯ 2
Les matrices 𝐴 et 𝑇 ont le même polynôme caractéristique car semblable et 𝑃𝑇 (𝑋 ) =
det(𝑇 − 𝑋𝐼𝑛 ) = ∏𝑛𝑖=1(𝑖 − 𝑋 ) = 𝑃𝐴 (𝑋) qui est bien scindé sur 𝐾
Réciproquement, supposons 𝑃𝐴 scindé sur 𝐾 et montrons que 𝐴 est trigonalisable.
On procède par récurrence sur 𝑛 ∈ ℕ∗
Pour 𝑛 = 1 c’est trivial
Pour 𝑛 = 2 on a deux racines de 𝑃𝐴 . Si 1est l’une des racines alors𝐴𝑣1 = 1 𝑣1
1 .
Et 𝑇 = ( ) est triangulaire supérieure semblable à 𝐴.
0 .
Supposons le résultat vrai jusqu’à l’ordre 𝑛 − 1 et montrons que c’est vrai à l’ordre 𝑛
C’est-à-dire que si 𝑑𝑖𝑚𝐸 = 𝑛 montrons que si 𝑃𝐴 est scindé alors 𝐴 est trigonalisable
Si 𝑃𝐴 est scindé sur 𝐾 alors il y’a au moins une valeur propre 1 ∈ 𝐾
Soit 𝑣1 un vecteur propre de 𝐴 associé à 1, complétons alors {𝑣1 } en une base de E.
Soit 𝐵1 = {𝑣1 , 𝑣2 , … , 𝑣𝑛 } cette base
UMBB_FS_Département de Mathématiques F. MOUHOUB

1
𝑙
Puisque 𝐴𝑣1 = 1 𝑣1 alors 𝐴′ = ( 0 | ⎯ ) avec 𝑙 ∈ 𝑀1,𝑛−1 (𝐾) et 𝑀 ∈ 𝑀𝑛−1 (𝐾)
⋮ 𝑀
0
(Notons que les matrices 𝐴 et 𝐴’ sont semblables)
D’après l’hypothèse de récurrence 𝑀 est une matrice trigonalisable donc
∃𝑄 ∈ 𝑀𝑛−1 (𝐾) Inversible telle que 𝑆 = 𝑄 −1 . 𝑀. 𝑄est triangulaire supérieure
On a donc :
1 1 0 … 0 1 𝑙𝑄 1 0 … 0
𝑙
𝐴′ = ( 0 | ⎯ −1)=(
0 0
)(0 )( ) = 𝑃. 𝑇. 𝑃−1
⋮ 𝑄. 𝑆. 𝑄 ⋮ 𝑄 ⋮ 𝑆 ⋮ 𝑄 −1
0 0 0 0
1 𝑙𝑄
0
La matrice 𝐴′est donc semblable à la matrice notée 𝑇 = ( ) triangulaire
⋮ 𝑆
0
supérieure et par suite 𝐴 est trigonalisable∎

Exemple 1 :
On considère ℝ3 muni de sa base canonique {𝑒1 , 𝑒2 , 𝑒3 }. Soit ƒ l’endomorphisme de
ℝ3 vérifiant : 𝑓 (𝑥, 𝑦, 𝑧) = (𝑦, −4𝑥 + 4𝑦, −2𝑥 + 𝑦 + 2𝑧)

1. Calculer le polynôme caractéristique de 𝑓. Montrer que ƒ est trigonalisable sur ℝ.

L’endomorphisme ƒ est-il diagonalisable sur ℝ ?

0 1 0
la matrice associée à 𝑓 relativement à la base canonique s’écrit 𝐴 = (−4 4 0)
−2 1 2

Le polynôme caractéristique de 𝑓 est 𝑃𝑓 (𝑋 ) = 𝑃𝐴 (𝑋 ) = (2 − 𝑋 )3

ƒ est trigonalisable sur ℝ car son polynôme caractéristique est scindé sur ℝ et non
diagonalisable sur ℝ car sinon 𝑟𝑔(𝐴 − 2𝐼 ) = 0 or
−2 1 0
(𝐴 − 2𝐼 ) = (−4 2 0) est de rang égal à 1.
−2 1 0
2. Trouver une matrice inversible 𝑃 et une matrice triangulaire supérieure 𝑇 telles
que 𝐴 = 𝑃 . 𝑇 . 𝑃−1
UMBB_FS_Département de Mathématiques F. MOUHOUB

Déterminons le sous-espace propres 𝐸2(𝐴) associé à la valeur propre 𝜆 = 2 :

On a (𝐴 − 2𝐼 )𝑣 = 0 ⇔ −2𝑥 + 𝑦 = 0 ⇔ 𝑦 = 2𝑥 𝑒𝑡 𝑧 ∈ ℝ

Alors𝐸2 (𝐴) = 𝐾𝑒𝑟(𝐴 − 2𝐼) = 〈𝑣1 = (1, 2, 0), 𝑣2 = (0, 0, 1)〉

On complète {𝑣1 , 𝑣2 } par 𝑣3 = 𝑒3 = (0,1,0) pour obtenir une base
𝐵1 = {𝑣1 = (1, 2, 0), 𝑣2 = (0, 0, 1), 𝑣3 = (0, 1,0)} de ℝ3

Soit 𝑃 la matrice de passage de la base canonique de ℝ3 à la base 𝐵1

1 0 0
𝑃 = 𝑃𝑎𝑠𝑠(ℰ𝑐𝑎𝑛 , 𝐵1 ) = (2 0 1) C’est une matrice inversible et son inverse est
0 1 0
1 0 0 2 0 1
−1 −1
𝑃 = ( 0 0 1) Et le produit 𝑃 . 𝐴. 𝑃 = (0 2 1) est la matrice 𝑇 demandée
−2 1 0 0 0 2

(𝑇 est triangulaire supérieure vérifiant 𝐴 = 𝑃. 𝑇. 𝑃−1)

3. Application au calcul de la puissance nième de 𝐴 :

On cherche à calculer 𝑇 𝑛 pour tout entier 𝑛 ≥ 0
a. Montrer que 𝑇 peut s’écrire sous la forme 𝑇 = 𝛼( 𝐼 3 + 𝑁) ; où 𝛼 ∈ ℝ et
𝑁 une matrice nilpotente d’indice 𝑟 à déterminer.
1
1 0 0 0 0
2
On a 𝑇 = 2 [(0 1 0) + (0 0 1 )] = 𝛼( 𝐼 3 + 𝑁) ; où 𝛼 = 2 ∈ ℝ
0 0 1 2
0 0 0
1
0 0
2
et 𝑁 = (0 0 1) une matrice nilpotente d’indice 𝑟 = 2 Car
2
0 0 0
𝑁 ≠ 0 𝑒𝑡 𝑁 2 = 0
b. Exprimer 𝑇 𝑛 en fonction de 𝑁 et 𝐼3 pour tout entier 𝑛 ≥ 0
On a 𝑇 𝑛 = [2( 𝐼 3 + 𝑁)]𝑛 = 2𝑛 ( 𝐼 3 + 𝑁)𝑛 = 2𝑛 ∑𝑛𝑘=0 𝐶𝑛𝑘 𝐼 𝑛−𝑘 𝑁 𝑘 Car
𝑛!
𝐼𝑁 = 𝑁𝐼 où 𝐶𝑛𝑘 =
𝑘!(𝑛−𝑘)!
UMBB_FS_Département de Mathématiques F. MOUHOUB

𝑛
1 0
2
Donc 𝑇 𝑛 = 2𝑛 (𝐶𝑛0 𝐼 + 𝐶𝑛1 𝑁) = 2𝑛 (𝐼 + 𝑛𝑁 ) = 2𝑛 (0 1
𝑛)
2
0 0 0

c. En déduire 𝐴𝑛 pour tout entier 𝑛 ≥ 0 :

On a la relation 𝐴 = 𝑃. 𝑇. 𝑃−1 Alors 𝐴𝑛 = 𝑃. 𝑇 𝑛 . 𝑃−1 =
𝑛
1 0 0 1 0 1 0 0 . . .
2
2𝑛 (2 0 1) (0 1 𝑛 ) ( 0 0 1) = (. . .)
0 1 0 2
−2 1 0 . . .
0 0 0

Exemple 2 :
0 2 1
Le polynôme caractéristique de la matrice 𝐴 = (−1 6 −1) est 𝑃𝐴 (𝑋 ) = (2 − 𝑋 )3
−2 8 0
Il est scindé dans ℝ donc 𝐴 est trigonalisable sur ℝ
Recherche des vecteurs propres :
Il y’a une seule valeur propre =2 d’ordre 3 et l’espace propre associé à 2 est
𝐸2 (𝐴) = 𝐾𝑒𝑟(𝐴 − 2𝐼) = 〈𝑣1 = (2, 1, 2)〉 (𝐴 est non diagonalisable)
Complétons la famille {𝑣1 } pour la rendre une base de ℝ3 .
Soit 𝐵1 = {𝑣1 = (2, 1, 2), 𝑣2 = (0, 1, 0), 𝑣3 = (0, 0, 1)} cette base
1
2 0 0 0 0
2
En posant 𝑃1 = 𝑃𝑎𝑠𝑠 (ℰ𝑐𝑎𝑛 , 𝐵1 ) = (1 1 0) , 𝑃1−1 = ( −1 1 0)
2 0 1 2
−1 0 1
1
2 1
2
On trouve après calculs 𝑃1−1 . 𝐴. 𝑃1 = (0 5 ) Notons cette matrice A’
−3
2
0 6 −1
(remarquer que 𝐴’ n’est pas triangulaire supérieure ce qui signifie qu’on n’a pas
encore fini de trigonaliser la matrice A)
−3
1 5
Posons 𝑙 = (1 ) ∈ 𝑀1,2 (ℝ) et 𝑀 = ( 2 ) ∈ 𝑀2 (ℝ)
2
6 −1
UMBB_FS_Département de Mathématiques F. MOUHOUB

La matrice 𝑀 est triangularisable son polynôme caractéristique est

1 0 1 0
𝑃𝑀 (𝑋 ) = (2 − 𝑋 )2 Et 𝐸2 (𝑀) = 〈(1,2)〉 Si 𝑄 = ( ) alors 𝑄 −1 = ( )
2 1 −2 1
1 1
2 1 1 0 0 2 2 1 0 0
2 2
′
Et dans ce cas 𝐴 = (0 5 −3 ) = (0 1 0) (0 2
−3) (0 1 0)(Revoir
2 0 2 1 2 0 −2 1
0 6 −1 0 0 2
la preuve du théorème précédent)
1
2 2
2
(
La matrice 𝑇 = 0 2 −3 ) est semblable à 𝐴′ , elle est triangulaire supérieure et sur
2
0 0 2
sa diagonale on retrouve les valeurs propres de la matrice 𝐴.
On a donc trigonaliser la matrice 𝐴 et la matrice de trigonalisation est 𝑃 = 𝑃1 . 𝑃2 Avec
1 0 0
𝑃2 = (0 1 0)
0 2 1
En effet on a 𝐴′ = 𝑃1−1 . 𝐴. 𝑃1 = 𝑃2 . 𝑇. 𝑃2−1 Donc 𝐴 = 𝑃1 . 𝑃2 . 𝑇. (𝑃1 . 𝑃2 )−1 = 𝑃. 𝑇. 𝑃−1

Exercice :
On considère ℝ3 muni de sa base canonique {𝑒1 , 𝑒2 , 𝑒3 }. Soit ƒ l’endomorphisme de
ℝ3 vérifiant : 𝑓 (𝑥, 𝑦, 𝑧) = (𝑥 − 3𝑦 + 4𝑧, 4𝑥 − 7𝑦 + 8𝑧, 6𝑥 − 7𝑦 + 7𝑧).

Trouver une matrice inversible 𝑃 telle que 𝐴 = 𝑃 . 𝑇 . 𝑃−1 et 𝑇 est la matrice

3 0 0
triangulaire supérieure (0 −1 1 )
0 0 −1
Calculer l’exponentielle de la matrice 𝐴.
Chapitre 4_Deuxième partie_Les formes de JORDAN

Toute matrice dont le polynôme caractéristique est scindé est semblable à une
matrice diagonale par blocs avec des blocs presque diagonaux, dans une base
convenable appelée base de Jordan.
Cette matrice sera appelée matrice de Jordan ou réduite de Jordan.
Introduction : Soit 𝑓 un endomorphisme d’un espace vectoriel 𝐸 de dimension finie 𝑛
Soit 𝐴 la matrice de 𝑓 dans une base ℰ de 𝐸
On note 𝑃𝑓 le polynôme caractéristique de 𝑓.
𝛼𝑝
Supposons 𝑃𝑓 scindé dans K c’est-à-dire 𝑃𝑓 (𝑋 ) = (−1)𝑛 . (𝑋 − 1 )𝛼1 … (𝑋 − 𝑝 )

Avec 𝑖 distinctes deux à deux et ∑𝑖=1 𝛼𝑖 = 𝑛

𝑝

La réduction de Jordan de 𝑓 (ou de A) consiste à trouver une base 𝐵 (base de Jordan)

dans laquelle la matrice de 𝑓 est de la forme :
𝐽1 ⋯ 0
𝐽 = (⋮ ⋱ ⋮ ) Appelée matrice de Jordan (Noter que 𝐴 et 𝐽 sont semblables)
0 ⋯ 𝐽𝑝

Il reste à identifier ses blocs

Définitions :
1. On appelle cellule de Jordan d’ordre 𝑛 en  une matrice de la forme :
 1 0
0  1 0
⋮ 0 ⋱
 1
⋮
( 0 )
2 1 0
Exemple : (0 2 1) est une cellule en = 2 d’ordre 3
0 0 2
2 1 0
(0 2 0)N’est pas une cellule en  = 2
0 0 2
2. Un bloc de Jordan d’ordre 𝑛 en  est une matrice diagonale par blocs,
notée 𝐽,𝑛 , où chaque bloc est une cellule en 
 𝛼1 0
0  𝛼2 0
𝐽,𝑛 = ⋮ 0 ⋱ Avec 𝛼𝑖 ∈ {0,1}
 𝛼𝑛−1
⋮
( 0  )
Exemple : Un bloc de Jordan en  = 2 d’ordre 𝑛 = 3 s’écrit
Chapitre 4_Deuxième partie_Les formes de JORDAN

2 1 0 2 0 0
(0 2 1) Une seule cellule, ou (0 2 1) deux cellules en  = 2,
0 0 2 0 0 2

2 1 0 2 0 0
Ou (0 2 0) deux cellules en  = 2, ou encore (0 2 0)formé de trois
0 0 2 0 0 2
cellules d’ordre 1 en  = 2
3. Une matrice de Jordan notée 𝐽 est une matrice diagonale par blocs où chaque
bloc est un bloc de Jordan en 𝑖 ∈ 𝐾
2 1 0 0 0 0
0 2 0 0 0 0
Exemple : 0 0 2 0 0 0 est une matrice de Jordan formée de 3 blocs
0 0 0 3 1 0
0 0 0 0 3 0
( 0 0 0 0 0 1)
2 1 0
2 1
de Jordan 𝐽2,3 = (0 2 0) → formé de deux cellules ( ) et (2)en  = 2
0 2
0 0 2
3 1
𝐽3,2 = ( ) →formé d’une seule cellule en  = 3
0 3
Et le bloc de Jordan 𝐽3,2 = (1)en  = 1 d’ordre 1
4. On appelle sous-espace caractéristique associé à la valeur propre 𝑖 le sous-
espace vectoriel de 𝐸 noté 𝑁𝑖 défini par : 𝑁𝑖 = 𝐾𝑒𝑟(𝑓 − 𝑖 𝑖𝑑𝐸 )𝛼𝑖 (ou𝑁𝑖 =
𝐾𝑒𝑟(𝐴 − 𝑖 𝐼)𝛼𝑖 )
Et on a :𝐸 = 𝑁1 ⨁𝑁2 ⨁ ⨁𝑁𝑝 (Que 𝑓 soit diagonalisable ou pas)
𝑝
Dans ce cas il existe une base 𝐵 = ⋃𝑖=1 𝐵𝑖 où 𝐵𝑖 des bases de 𝑁𝑖 Telle que la
matrice de 𝑓 dans 𝐵 est de Jordan

Exemples :
4 −3 3
1/ Soit la matrice 𝐴 = ( 2 −1 2) , son polynôme caractéristique est scindé car
−1 1 0
égal à – (𝑋 − 1)3
On a une seule valeur propre  = 1 d’ordre 3 donc la réduite de Jordan de 𝐴 est
formée d’un seul bloc de Jordan en  = 1 d’ordre 3
1 𝛼1 0
Cette matrice s’écrit donc 𝐽 = 𝐽1,3 = (0 1 𝛼2 )Avec 𝛼1 , 𝛼2 ∈ {0,1}
0 0 1
(Les valeurs de 𝛼1 et 𝛼2 sont déterminées par le nombre de cellules dans le bloc 𝐽1,3 )
Soit 𝑑 le nombre de cellules dans le bloc 𝐽1,3 , on a 𝑑 = 𝑑𝑖𝑚𝐾𝑒𝑟(𝐴 − 𝐼)
Chapitre 4_Deuxième partie_Les formes de JORDAN

3 −3 3
( ) (
On a : 𝑟𝑔 𝐴 − 𝐼 = 𝑟𝑔 2 −2 2 ) = 1 Donc 𝑑𝑖𝑚𝐾𝑒𝑟(𝐴 − 𝐼) = 2
−1 1 −1
Deux cellules dans le bloc 𝐽1,3 d’ordre 3 donnent la forme suivante de la matrice 𝐽 :
1 1 0 1 0 0
𝐽 = 𝐽1,3 = (0 1 0) (Ou bien (0 1 1) )
0 0 1 0 0 1
De cette forme on peut déduire le polynôme minimal de la matrice 𝐴 :
µ𝐴 (𝑋) = (𝑋 − 1)2 (Le 2 représente la taille ou l’ordre de la plus grande cellule dans
le bloc 𝐽1,3 ). En effet, on a le résultat suivant : Si 𝑠𝑝𝐴 = {1 , … , 𝑝 } le polynôme
𝛼
minimal est de la forme µ𝐴 (𝑋 ) = (𝑋 − 1 )𝛼1 (𝑋 − 2 )𝛼2 … (𝑋 − 𝑝 ) où pour
𝑝

tout 𝑖 ∈ {1, … , 𝑝}, 𝛼𝑖 ≥ 1 représente l’ordre de la plus grande cellule dans le bloc de
Jordan correspondant à la valeur propre 𝑖 . De plus le polynôme caractéristique de A
𝛽𝑝
est de la forme 𝑃𝐴 (𝑋 ) = (𝑋 − 1 )𝛽1 (𝑋 − 2 )𝛽2 … (𝑋 − 𝑝 ) 𝑜ù 𝛼𝑖 ≤ 𝛽𝑖
0 −3 0 3
2/ Soit la matrice 𝐴 = (−2 −7 0 13)
0 −3 0 3
−1 −4 0 7
Le polynôme caractéristique de 𝐴 est 𝑃𝐴 (𝑋 ) = 𝑋 4
On a une seule valeur propre  = 0 d’ordre 4 donc la réduite de Jordan de 𝐴 est
formée d’un seul bloc de Jordan en  = 0 d’ordre 4
0 𝛼1 0 0
𝛼2 0
Cette matrice s’écrit donc 𝐽 = 𝐽0,4 = (0 0 )Avec 𝛼𝑖 ∈ {0,1}
0 0 0 𝛼3
0 0 0 0
Soit 𝑑 le nombre de cellules dans le bloc 𝐽0,4 , on a 𝑑 = 𝑑𝑖𝑚𝐾𝑒𝑟(𝐴 − 0𝐼)
On a 𝑟𝑔𝐴 = 2 (Par échelonnement) donc 𝑑 = 2 et la matrice 𝐽 s’écrit
0 1 0 0 0 1 0 0
𝐽 = 𝐽0,4 = ( 0 0 1 0 )ou (0 0 0 0)(C’est-à-dire deux cellules d’ordres 3 et
0 0 0 0 0 0 0 1
0 0 0 0 0 0 0 0
1 ou deux cellules d’ordres 2)
Mais 𝐴3 = 0 𝑒𝑡 𝐴2 ≠ 0( On dit que A est nilpotente d’indice 3), dans ce cas la taille de
la plus grande cellule dans le bloc correspondant à la valeur propre 0 est 3, et par
suite
Chapitre 4_Deuxième partie_Les formes de JORDAN

0 1 0 0
𝐽 = 𝐽0,4 = (0 0 1 0) Et le polynôme minimal de A est µ (𝑋 ) = 𝑋 3
𝐴
0 0 0 0
0 0 0 0
3 −1 3
3/ Soit la matrice 𝐴 = ( 7 4 3 ) , son polynôme caractéristique est scindé
−9 0 −7
car égal à – (𝑋 + 1)2 (𝑋 − 2)
On écrit ℝ3 = 𝐾𝑒𝑟(𝐴 + 𝐼)2 ⨁𝐾𝑒𝑟(𝐴 − 2𝐼)
La réduite de Jordan de A est formée de deux blocs de Jordan 𝐽−1,2 𝑒𝑡 𝐽2,1
−1 1 −1 0
Avec 𝐽−1,2 = ( ) 𝑜𝑢 ( )
0 −1 0 −1
−1 1
Mais 𝑑 = 𝑑𝑖𝑚𝐾𝑒𝑟(𝐴 + 𝐼) = 1 puisque 𝑟𝑔(𝐴 + 𝐼) = 2 Ce donne 𝐽−1,2 = ( )
0 −1
−1 1 0
Et la matrice de Jordan de 𝐴 est 𝐽 = ( 0 −1 0)
0 0 2
Le polynôme minimal de A est :µ𝐴 (𝑋 ) = (𝑋 + 1)2 (𝑋 − 2)

Application au calcul de l’exponentielle d’une matrice :

Supposons 𝐴 une matrice semblable à 𝐵 tel que : 𝐴 = 𝑃. 𝐵. 𝑃−1 ; 𝑃 inversible
• Lorsque B est diagonale par blocs 𝐵 = 𝑑𝑖𝑎𝑔(𝐵1 , 𝐵2 , … , 𝐵𝑝 ) alors la matrice 𝑒 𝐵
est aussi diagonale par blocs et égale à 𝑒 𝐵 = 𝑑𝑖𝑎𝑔(𝑒 𝐵1 , 𝑒 𝐵2 , … , 𝑒 𝐵𝑝 )
1 0 0 𝐵1 0 0
𝐵 𝐵𝑘 𝐵2
Car 𝑒 = ∑𝑘≥0 = 𝐼 + 𝐵 + + ⋯ = (0 ⋱ 0) + ( 0 𝐵2⋱ ⋮ ) +
𝑘! 2!
0 0 1 ⋮ 0 𝐵𝑝
𝐵12
0 0 𝐵12
2 1 + 𝐵1 + +⋯ 0 …
2
𝐵22
0 ⋮ +⋯= 0 ⋱ 0 =
2⋱
𝐵𝑝2
𝐵𝑝2 ⋮ …0 1 + 𝐵𝑝 + + ⋯)
(
(⋮ 0
2 ) 2

𝑒 𝐵1 0 …
( 0 ⋱ 0 ) = 𝑑𝑖𝑎𝑔(𝑒 𝐵1 , 𝑒 𝐵2 , … , 𝑒 𝐵𝑝 )
⋮ 0 𝑒 𝐵𝑝
𝐽1 0 …
En particulier si 𝐵 est une matrice de Jordan 𝐵 = 𝐽 = ( 0 ⋱ 0)
⋮ 0 𝐽𝑝

𝑒 𝐽 = 𝑑𝑖𝑎𝑔(𝑒 𝐽1 , 𝑒 𝐽2 , … , 𝑒 𝐽𝑝 )

Chapitre 4_Deuxième partie_Les formes de JORDAN

 1 0
0  1 0
• Lorsque la matrice 𝐵 est une cellule de Jordan en , 𝐵 = ⋮ 0 ⋱
 1
⋮
( 0 )
 0 0 0 1 0
0  0 0 0 0 1 0
On écrit 𝐵 = ⋮ 0 ⋱ + ⋮ 0 ⋱ = 𝐼 + 𝑁
 0 ⋮
0 1
⋮
( 0 ) ( 0 0)
Donc 𝑒 𝐵 = 𝑒 𝐼+𝑁 𝐼 𝑁  𝑁  𝑁
= 𝑒 𝑒 = 𝑒 . 𝐼. 𝑒 = 𝑒 . 𝑒 Car
(𝐼)𝑘 ()𝑘
𝑒 𝐼 = ∑𝑘≥0 = (∑𝑘≥0 ) . 𝐼 = 𝑒. 𝐼
𝑘! 𝑘!
𝑁 est une matrice nilpotente (puisque 0 est l’unique valeur propre) son
exponentielle se calcule directement :
𝑁𝑘 𝑁2 𝑁 𝑟−1
𝑒 𝑁 = ∑𝑘≥0 =𝐼+𝑁+ + ⋯+ un nombre fini de termes (𝑟 est
𝑘! 2! (𝑟−1)!
l’indice de nilpotence de 𝑁)
Pour calculer 𝑒 𝐴 on calcul le produit matriciel 𝑃. 𝑒 𝐵 . 𝑃−1
Exemples :
2 1 0 0 1 0
1/ 𝐵 = (0 2 1 ) = 2𝐼 + 𝑁 Avec 𝑁 = ( 0 0 1) nilpotente d’indice 𝑟 = 3
0 0 2 0 0 0
0 0 1
3 2
(Car 𝑁 = 0 𝑒𝑡 𝑁 = (0 0 0) ≠ 0)
0 0 0
1
𝑁2 0 0
𝑒 𝐵 = 𝑒 2𝐼+𝑁 = 𝑒 2𝐼 𝑒 𝑁 = 𝑒 . 𝑒 = 𝑒 . (𝐼 + 𝑁 + ) = 𝑒 2 . [𝐼 + 𝑁 + (
2 𝑁 2 2)]
2 0 0 0
0 0 0
2
𝑒
𝑒2 𝑒2
=( 2)
0 𝑒2 𝑒2
0 0 𝑒2
2 0 0
2/ 𝐵 = (0 𝑒 𝐵1 0 )
2 1) = (
0 𝑒 𝐵2
0 0 2
2 1 0 1
Et 𝐵2 = ( ) = 2𝐼2 + 𝑁 où 𝑁 = ( ) nilpotente d’indice 2
0 2 0 0
2 𝑒2 0 0
𝐵2
= 𝑒 . (𝐼 + 𝑁 ) = ( 𝑒
2 𝑒 2 ) et donc 𝑒 𝐵 = (
𝑒 0 𝑒2 𝑒2)
0 𝑒2
0 0 𝑒2