Chapitre 5

R ÉDUCTION DES ENDOMORPHISMES

1 Valeurs et vecteurs propres d'un endomorphisme

1.1 Dénitions

D ÉFINITION 1.1.1 (Cas des endomorphismes) 

Soit f ∈ L (E).
 λ ∈ K est valeur propre de f ⇐⇒ ∃x ∈ E \ {0E } | f (x) = λx.
 x ∈ E est vecteur propre de f associé à la valeur propre λ ⇐⇒ x ̸= 0 et f (x) = λ.x.
 On appelle sous-espace propre associé à la valeur propre λ : Eλ (f ) = Ker (f − λ.IdE )
 Si E de dimension nie, l'ensemble des valeurs propres de f est appelé spectre de f noté
Sp(f ) ou SpK (f ).

D ÉFINITION 1.1.2 (Cas des matrices carrées) 

Soit A ∈ Mn (K).
 λ ∈ K est valeur propre de A ⇐⇒ ∃X ∈ Mn,1 (K) \ {0n,1 } | AX = λX
(appelée équation aux éléments propres).
 X ∈ Mn,1 (K) est vecteur propre de A associé à la valeur propre λ ⇐⇒ X ̸= 0 et AX = λX .
 On appelle sous-espace propre de A associé à la valeur propre λ : Eλ (A) = {X ∈
M (K) | AX = λX}.
 Le spectre de A est celui de son endomorphisme canonique associé f .
n,1

P ROPOSITION 1.1.1 
Soient B une base de E , f ∈ L (E) de matrice A ∈ Mn (K) et x ∈ E de matrice X ∈ Mn,1 (K)
dans B .
C

Le spectre de f est celui de A.
C ssi
1
x est vecteur propre de f X est vecteur propre de A.


2
 CHAPITRE 5. RÉDUCTION DES ENDOMORPHISMES

C
3 x ∈ Eλ (f ) ⇐⇒ X ∈ Eλ (A).

Démonstration:
direct

P ROPRIÉTÉS 1.1.1 
Soit f ∈ L (E).
P

Un sous-espace propre n'est jamais nul.
P
1
λ est valeur propre de f si et seulement si f − λIdE non injectif.


2
En particulier, f est injectif ssi 0 n'est pas valeur propre de f .
P

Les vecteurs propres de f associés à des valeurs propres non nulles sont dans Im f .
P
3
La restriction de f à un de ses sous-espaces propres Eλ (f ) est l'homothétie de rapport λ.

P
4
x est vecteur propre de f ssi la droite vectorielle Kx est f -stable.


5

Démonstration:
Conséquences des dénitions.
R EMARQUE 
Soit A ∈ Mn (K).
λ est valeur propre de A ⇐⇒ Ker (A − λ.In ) ̸= {0} ⇐⇒ rg (A − λ.In ) ⩽ n − 1.
E XERCICE 1.1.1 
1

Rechercher les éléments propres de D : f 7→ f ′ dans E = C ∞ (R)
2

Rechercher les éléments propres de ∆ : (xn ) 7→ (yn ) où yn = xn+1 − xn dans E = RN

P ROPRIÉTÉS 1.1.2 
P
1
Si f ∈ GL(E) alors les valeurs propres de f −1 sont les avec λ ∈ Sp(f ).
P
1
λ
Soient f, g ∈ L (E). Si f ◦ g = g ◦ f alors tout sous-espace propre de f est g -stable.

P
2
Soient (λ1 , λ2 , . . . , λp ) des valeurs propres 2 à 2 distinctes.


3
Alors la somme Eλ1 (f ) + Eλ2 (f ) + ... + Eλp (f ) est une somme directe.
En particulier, une famille de vecteurs propres associés à des valeurs propres distinctes est libre.
P

Deux matrices semblables ont même spectre.
P
4
Si K est un sous-corps de K′ alors SpK (f ) ⊂ SpK′ (f ).


5
En particulier, une valeur propre sur le R ev C en est une aussi sur le C ev C.

Démonstration:
P
1 Déjà f inversible donc 0 n'est pas valeur propre de f . Remarquer ensuite que λ est valeur propre de f ssi
∃x ̸= 0 | f (x) = λx ssi
∃x ̸= 0 | x = λf −1 (x)

ssi
1
∃x ̸= 0 | f −1 (x) = x
λ
1
ssi est valeur propre de f −1 .
λ
P2


Soit F = Eλ (f ) un sous-espace propre associé à la valeu propre λ de f . Il existe x ̸= 0 tel que f (x) = λx.
On déduit f (g(x)) = g(f (x)) = λg(x). Donc g(x) ∈ Eλ (f ) d'où la stabilité.

MP - Lycée La Martinière Monplaisir 2

 CHAPITRE 5. RÉDUCTION DES ENDOMORPHISMES

P
3 Par récurrence sur p ⩾ 2.

- Pour p = 2, soit x ∈ Eλ (f ) ∩ Eµ (f ) avec λ ̸= µ. On a f (x) = λx et f(x)=µx, d'où (λ − µ)x = 0. Or λ ̸= µ
d'où x = 0. Eλ(f ) + Eµ (f ) est donc directe.
- Supposons la propriété vraie pour (p − 1) valeurs propres distinctes, p ⩾ 3, et soient λ1 , ..., λp p valeurs propres
distinctes de f .
Soit (x1 , ..., xp ) ∈ Eλ1 (f ) + Eλ2 (f ) + ... + Eλp (f ) tel que x1 + ... + xp = 0.
En appliquant f , on a λ1 x1 + ... + λp xp = 0.
On multiplie la première équation par λp et on fait la diérence avec la deuxième, il vient :
(λ1 − λp )x1 +... + (λp−1 − λp )xp−1 = 0.
| {z } | {z }
∈Eλ1 (f ) ∈Eλp−1 (f )
L'hypothèse de récurrence s'applique d'où ∀i ∈ {1, ..., p − 1}, (λi − λp )xi = 0 donc xi = 0.
| {z }
̸=0
Or x1 + ... + xp = 0 donc il reste xp = 0. La somme est donc directe et la récurrence est établie.
P
4 Soient deux matrices semblables A et B : A = P −1 BP avec P ∈ GLn (K). Si λ ∈ Sp(A), il existe
X ∈ Mn,1 (K) \ {0} tel que AX = d'où B(P X) = λ.(P X) avec P X ̸= 0 car P inversible. Donc λ ∈ Sp(B).
Donc Sp(A) ⊂ Sp(B) et idem pour l'autre sens.
P 5


Soient K′ un sous-corps de K, alors on sait que E , en tant que K-ev est aussi un K′ -ev. Donc si λ ∈ SpK′ (f ),
il existe x ∈ E \ {0} tel que f (x) = λ.x, ce qui reste vrai si λ ∈ K. Donc λ ∈ SpK (f ) ie le résultat.

1.2 Polynôme caractéristique

D ÉFINITION 1.2.1 
Soit E un K-ev de dim n, f ∈ L (E) et A ∈ Mn (K).

χf (X) = det(X.IdE − f ) est un polynôme appelé polynôme caractéristique de f .

χA (X) = det(X.In − A) est un polynôme appelé polynôme caractéristique de A.
X − a1,1 −a1,2 ... −a1,n


χA (X) =
−a2,1
.
X − a2,2
..
...
.
−a2,n
. .. ..
−an,1 ... −an,n−1 X − an,n

P ROPRIÉTÉS 1.2.1 
P

χA (X) = X n − tr(A)X n−1 + ... + (−1)n det(A) ∈ K[X]
P
1
λ racine de χf ⇐⇒ λ ∈ Sp(f )

P
2
Si K = C, f admet toujours au moins une valeur propre (donc un vecteur propre et une droite stable)

P
3
Si dim E"= n, alors
# Card (Sp (f )) ⩽ n ie f admet au plus n valeurs propres.


4

P 5


Si M =
A B
(A et C carrée) alors χM (X) = χA (X).χC (X)
P
0 C


Si F est f -stable, χf|F χf : Les valeurs propres de f|F sont des
valeurs propres de f .
P
6
Si λ valeur propre de f d'ordre p alors 1 ⩽ dim Eλ (f ) ⩽ p

P
7
Deux matrices semblables ont le même polynôme caractéristique.


8

Démonstration:
P
1 On pose a′i,j = ai,j si i ̸= j et a′i,i = X − ai,i les coecients de XIn − A, on a par dénition du
déterminant :

MP - Lycée La Martinière Monplaisir 3

 CHAPITRE 5. RÉDUCTION DES ENDOMORPHISMES

ε(σ)a′σ(1),1 ...a′σ(n),n donc une expression polynomiale de degré ⩽ n puisque chaque a′i,j est un
X
χA (X) =
σ∈Sn
polynôme en X de degré ⩽ 1.
Ensuite, pour obtenir les coecients de X n et X n−1 , la seule possibilité est que n−1 des a′σ(i),i soient de degré 1.
Donc les σ correspondants de la somme dans χA (X) doivent laisser invariant n − 1 valeurs donc nécessairement,
σ = id.
Ainsi, les coecients de X n et X n−1 dans χA (X) sont les mêmes que dans (X − a1,1 )...(X − an,n ) donc le
coecient de X n est 1, celui de X n−1 est −tr(A).
Le coecient constant est χA (0) = det(−A) = (−1)n det(A).
P5


Avec A d'ordre p et C d'ordre q , on a

XIp − A −B
χM (X) = = det(XIp − A). det(XIq − C) = χA (X).χC (X)
0 XIq − C

comme déterminant d'un bloc trigonal.

P 6


Si BF est une base de F que l'on complète en" une base
# B de E , la stabilité de F assure que la matrice
A B
de f relativement à la base B est de la forme M =
0 C
et A est la matrice de f|F relativement à BF .
On a donc χM = χA .χC donc χA divise χM ie χf|F divise χf .
P 7


Soit q = dim Eλ (f ). Par dénition, on a q ⩾ 1.
Soit B1 une base de
" cardinal# q de Eλ (f ), complétée en une base B de E . La matrice de f relativement à B est
λ.Iq B
de la forme M = .
0 C
Donc χM (X) = (X − λ)q .χC (X). λ étant d'ordre p dans χM (X), on a q ⩽ p.
P8


Soit A = P BP −1 alors XIn − A = P (XIn − B)P −1 . En passant aux déterminants, on obtient χA = χB .
R EMARQUE 
Si λ est une racine simple de χf alors dim Eλ (f ) = 1.

2 Réduction des endomorphismes

2.1 Diagonalisation

D ÉFINITION 2.1.1 
Soit f ∈ L (E). On dit que f diagonalisable si et seulement si :

Il existe B base de E et D diagonale t.q D = MatB (f )

T HÉORÈME 2.1.1 (CNS de diagonalisation) 

Soit f ∈ L (E). Se valent :
1. f diagonalisable
2. Il existe une base de E formée de vecteurs propres.
3.
r
E s'écrit Ei avec ∀i ∈ Nr , f|Ei homothétie sur Ei
M

i=1

4. E=
M
Eλ (f )
λ∈ Sp(f )

MP - Lycée La Martinière Monplaisir 4

 CHAPITRE 5. RÉDUCTION DES ENDOMORPHISMES

5. χf scindé sur K
(

∀λ ∈ Sp(f ), dim Eλ (f ) = ordre de multiplicité de λ dans χf

Démonstration:
i) ⇒ ii) : La base de f où la matrice est diagonale est, par dénition, une base de vecteurs propres.
ii) =⇒ iii) : Soit B = (e1 , e2 , . . . , en ) une base de vecteurs propres de f . On rassemble les vecteurs propres
associés aux valeurs propres communes. On appelle λ1 , ...λr les valeurs propres distinctes et Ei = l'espace
r
vectoriel engendré par les vecteurs de B associés à la valeur propre λi . On a donc f|Ei = λi idEi et E =
M
Ei
i=1
par concaténation des bases.
iii) =⇒ iv) : Pour tout i ∈ Nr , f|Ei homothétie sur Ei de rapport λi donc Ei ⊂ Eλi .
r
Ainsi E = Eλ (f ) (La somme est directe par les sev propres associés à des valeurs propres
M M
Ei ⊂
i=1 λ∈Sp(f )
distinctes sont en somme directe) d'où l'égalité cherchée.
r
iv) =⇒ v) : En prenant une base de E adaptée à la somme directe E = Eλi (f ), la matrice de f dans cette
M

i=1
base est diagonale de la forme diag( λ1 , ..., λ1 , ..., λr , ...λr ) donc χf (X) = (X − λ1 )n1 ...(X − λr )nr
| {z } | {z }
n1 =dim Eλ1 (f ) nr =dim Eλr (f )
d'où toute la conclusion.
iv) =⇒ i) : Par hypothèse, χf (X) = (X − λ1 )n1 ...(X − λr )nr avec chaque ni = dim Eλi (f ).
r r
La somme directe Eλi (f ) est donc de dimension n1 + ... + nr = n donc on a E = Eλi (f ). En prenant
M M

i=1 i=1
une base adaptée à cette décomposition pour f , on obtient une matrice diagonale. Donc f diagonalisable.

C ONSÉQUENCES 2.1.1 
f est diagonalisable si et seulement si dim E = dim Eλ (f ).
X

λ∈ Sp(f )

C ONSÉQUENCES 2.1.2 
SI f admet n valeurs propres distinctes ALORS f est diagonalisable.
Réciproque fausse

Démonstration:
Le polynôme caractéristique est scindé à racines simples donc chaque sous-espace propre est de dimension 1 =
l'ordre de multiplicité de la valeur propre associée. Donc f est bien diagonalisable.
La réciproque est fausse, prendre In + E1,n par exemple.

R EMARQUE 
1. En pratique, pour déterminer dim Eλ (f ) sans calculer explicitement Eλ (f ), il est souvent plus pra-
tique de chercher rg (f − λ.IdE ).
2. Il existe des endomorphismes non diagonalisables sur K.
3. Il existe des endomorphismes diagonalisables sur C non diagonalisable sur R.

MP - Lycée La Martinière Monplaisir 5

 CHAPITRE 5. RÉDUCTION DES ENDOMORPHISMES

4. Si A diagonalisable
 alors A s'écrit P DP −1 
λ1 .Iα1 (⃝)
 
 λ2 .Iα2  r
avec D =   et χf = (X − λi )αi .
Y
...


 
  i=1
(⃝) λr .Iαr

E XERCICE 2.1.1  0 2 −1
 

Étudier la diagonalisation de A = 
 3 −2 0 .


−2 2 1

- On commence par calculer le polynôme caractéristique :

X −2 1
χA (X) = −3 X +2 0
2 −2 X −1
1 −2 1
C1 ←C1 +C2 +C3
= (X − 1) 1 X +2 0
1 −2 X −1

L2 ←L2 −L1 1 −2 1
L3 ←L3 −L1
= (X − 1) 0 X +4 −1 = (X − 1)(X − 2)(X + 4).
0 0 X −2

A admet 3 valeurs propres distinctes donc A est diagonalisable.

- Cherchons
  les sous-espaces propres associés aux 3 valeurs propres 1, 2 et -4 :  
x  1 
 
X = y  ∈ Ker (A − I3 ) ⇐⇒ (A − I3 )X = 0 ⇐⇒ x = y = z donc E1 (A) = Vect 1 .
   
 
z 1
 
   
x (
3  4 

y = x 
X = y  ∈ Ker (A − 2I3 ) ⇐⇒ (A − 2I3 )X = 0 ⇐⇒ 4
donc E (A) = Vect 3 .
   
2
z = x2
 
 
z 2
 
    
x (
 2 

x=z 
X = y  ∈ Ker (A + 4I3 ) ⇐⇒ (A + 4I3 )X = 0 ⇐⇒ donc E−4 (A) = Vect  −3 .
  
3
y = −2x  
z 2
 
 
1 4 2
- On pose P = 
1 3 −3 la matrice de passage de la base canonique à la base de vecteurs propres et D = diag(1, 2, −4).


1 2 2
On a alors A = P DP −1 .

2.2 Trigonalisation

D ÉFINITION 2.2.1 
Soit f ∈ L (E). f trigonalisable si et seulement si :

Il existe B base de E et T triangulaire supérieure t.q T = MatB (f )

MP - Lycée La Martinière Monplaisir 6

 CHAPITRE 5. RÉDUCTION DES ENDOMORPHISMES

T HÉORÈME 2.2.1 
Soit f ∈ L (E). f trigonalisable si et seulement si

χf est scindé sur K.

Démonstration:
Le sens direct vient de la forme matricielle.
La réciproque se fait par récurrence sur la dimension n de E .
Si n = 1, le résultat est clair. Soit n ⩾ 1, si la propriété est vraie pour un sev de dimension n, prenons λ une
valeur propre de f (qui existe car χf scindé) et x un vecteur propre associé. On complète x en une base B de
E : (x, e2 , ..., en ). " #
λ L
Relativement à cette base, la matrice de f est de la forme M = où L est une matrice ligne.
0 A
χA est scindé car χM = (X − λ)χA (X) l'est et A est d'ordre n − 1 donc par HR, A est trigonalisable ie il existe
une nouvelle base (e′2 , ..., e′n ) qui trigonalise A. Alors (x, e′2 , ..., e′n ) est une base de trigonalisation de M ie le
résultat. La récurrence est établie.
R EMARQUE 
1

Si K = C alors tout endomorphisme de E est trigonalisable.
2

Si A trigonalisable alors A s'écrit P T P −1
 
λ1
λ2 (⋆)
 
avec T =   et Sp(f ) = {λ1 , λ2 , ..., λn } (comptées sans leur multiplicité)
 

... 
 
(0) λn
Méthode de trigonalisation en dim 3 (lorsque non diagonalisable) :
Soit A ∈ M3 (K) non diagonalisable. Plusieurs cas se présentent sur χA :
1.χA = (X − λ)(X − µ)2 et dim(Eλ (A)) = dim(Eµ (A)) = 1.
2.χA = (X − λ)3 et dim(Eλ (A)) = 2.
3.χA = (X − λ)3 et dim(Eλ (A)) = 1.

- 1er cas : On trouve une famille libre de 2 vecteurs propres (u, v) : Cas 1. ou 2.
On complète alors en une base (u, v, w) de E et on cherche la matrice de f dans cette base :
- soit par la formule de changement de base.
- soit directement en cherchant f (u), f (v), f (w) relativement à la base (u, v, w).
- 2ème cas : on ne trouve qu'un seul vecteur propre u :
 On complète (u) en une base de E de la forme (u, u , u ) dans laquelle la matrice (à expliciter) sera de la
′ ′′

forme  
λ a b
′
A = 0 c d
 

0 e f

 On isole la matrice
!
c d
que l'on trigonalise comme la méthode du 1er cas dans une base (v, w).
 La base (u, v, w) est une base de trigonalisation de A.
e f

E XERCICE 2.2.1 
−3 −3 2
Trigonaliser A = 
1 1 −2


2 4 −4

MP - Lycée La Martinière Monplaisir 7

 CHAPITRE 5. RÉDUCTION DES ENDOMORPHISMES

2.3 Application aux endomorphismes nilpotents

D ÉFINITION 2.3.1 
Soit E un K-espace vectoriel de dimension nie et f ∈ L (E).
- f est dit nilpotent ssi il existe p ∈ N∗ tel que f p = 0L (E) .
- f est dit nilpotent d'ordre p ssi f p−1 ̸= 0L (E) et f p = 0L (E) .
Un tel p s'appelle l'indice de nilpotence de f .

R EMARQUE 
La dénition est analogue pour une matrice nilpotente.

P ROPOSITION 2.3.1 
Soit f ∈ L (E) de matrice A dans une base B .
Alors
f est nilpotent ⇐⇒ A est nilpotente.

P ROPOSITION 2.3.2 
Toute matrice triangulaire supérieure stricte est nilpotente.

Démonstration:
Soit A ∈ Mn (K) nilpotente et f l'endomorphisme canoniquement associé à A. Appelons (e1 , e2 , . . . , en ) la base
canonique.
Comme A est TSS, on a pour tout i ∈ N∗n , f (ei ) ∈ Vect (e1 , ..., ei−1 ) donc f 2 (ei ) ∈ Vect (e1 , ..., ei−2 ), ..., f i−1 (ei ) ∈
Vect (e1 ), f i (ei ) = 0 et à fortiori, f n (ei ) = 0.
f n est donc une application linéaire nulle sur la base canonique ie f n = e 0 : f est nilpotente donc A aussi.

T HÉORÈME 2.3.1 
Soient E un K-espace vectoriel de dimension nie n et f ∈ L (E).
Alors
 
f est nilpotent si et seulement si f est trigonalisable et 0 est seule valeur propre de f .

De plus l'indice de nilpotence est majoré par n.

Démonstration:
- Si f est nilpotent d'ordre p, prenons λ une valeur propre de f . Il existe x ̸= 0 tel que f (x) = λ.x. Alors
f p (x) = λp .x. Comme f p = 0, il vient λp .x = 0. Or x ̸= 0 donc λ = 0.
La seule valeur propre de f est donc 0.
Le polynôme caractéristique est donc X n , il est scindé donc f est trigonalisable et 0 est sa seule valeur propre.
- Réciproquement, il existe une base dans laquelle la matrice de f est triangulaire supérieure stricte, laquelle est
nilpotente. Donc f est nilpotent.

MP - Lycée La Martinière Monplaisir 8

 CHAPITRE 5. RÉDUCTION DES ENDOMORPHISMES

C ONSÉQUENCES 2.3.1 
Soit A ∈ Mn (K). Alors A est nilpotente ssi A est semblable à une matrice triangulaire supérieure
stricte.

C ONSÉQUENCES 2.3.2 
A ∈ Mn (K) est nilpotente si et seulement si χA (X) = X n .

3 Polynômes d'endomorphismes ou matriciels

3.1 Dénition

D ÉFINITION 3.1.1 
p
Soient P = ak X k = a0 + a1 X + · · · + ap X p ∈ K[X],
X

k=0
f ∈ L (E) et A ∈ Mn (K). On dénit
p
X
P (f ) = αk .f k = a0 .IdE + a1 .f + · · · + ap .f p ∈ L (E)
k=0

p
X
P (A) = αk .Ak = a0 .In + a1 .A + · · · + ap .Ap ∈ Mn (K)
k=0
et on pose
K[f ] = {P (f ) | P ∈ K[X]} et K[A] = {P (A) | P ∈ K[X]}.

R EMARQUE 
f 0 = IdE ; A0 = In

P ROPRIÉTÉS 3.1.1 
Soit f ∈ L (E) (resp. A ∈ Mn (K)).
On pose φf : K[X] −→ L (E) et φA : K[X] −→ Mn (K) .
P 7−→ P (f ) P 7−→ P (A)
Alors φf et φA sont des morphismes d'algèbres ie pour P, Q ∈ K[X] et λ ∈ K :
(
(λP + Q)(f ) = λP (f ) + Q(f ) (P Q)(f ) = P (f ) ◦ Q(f )
(λP + Q)(A) = λP (A) + Q(A) (P Q)(A) = P (A) × Q(A).

MP - Lycée La Martinière Monplaisir 9

 CHAPITRE 5. RÉDUCTION DES ENDOMORPHISMES

3.2 Polynôme annulateur et minimal

T HÉORÈME 3.2.1 
Soient E un K-espace vectoriel de dimension nie et f ∈ L (E).
C1
K[f ] = Im φf est la plus petite sous-algèbre de L (E) contenant f : elle est commutative.

C2 Ker φf = {P ∈ K[X] | P (f ) = 0} (formé des polynômes annulateurs de f ) est un idéal non

nul de K[X].
C3 ∃!Πf ∈ K[X] unitaire tq

Ker φf = Πf .K[X].
Πf (parfois noté µf ) est appelé polynôme minimal de f : il est déni par la condition :
(
Πf unitaire
.
∀P ∈ K[X], P(f)=0 ⇐⇒ Πf |P

Démonstration:
- Ker φ est le noyau d'un morphisme d'anneaux donc un idéal de K[X].
- La famille (id, f, ..., f n ) est une famille de n2 + 1 vecteurs de L (E) qui est de dimension n2 donc la famille
2

est liée ie il existe P un polynôme non nul tel que P (f ) = 0. L'idéal est donc non nul.
- Ker φf = {P ∈ K[X] | P (f ) = 0} est un idéal non nul de l'anneau principal K[X] donc il s'écrit de manière
unique Πf .K[X] avec Πf unitaire.
R EMARQUE 
- Pour une matrice carrée représentant f ∈ L (E) dans une base B donnée, on posera ΠA = Πf .
- Si P un polynôme unitaire annulateur de f , irréductible sur K[X] : alors P = Πf
- Si P polynôme unitaire annulateur de degré d. Si (IdE , f, f 2 , ..., f d−1 ) libre alors P = Πf

Démonstration:
- On a Πf |P et P irréductible donc il existe a ∈ K tel que P = aΠf . Etant chacun unitaire, P = Πf .
- On a aussi Πf |P donc d◦ Pf ⩽ d◦ P = d vu P ̸= 0. Comme (IdE , f, f 2 , ..., f d−1 ) libre, il n'existe pas de
polynôme annulateur non nul de degré ⩽ d − 1 donc d◦ Πf ⩾ d Ainsi d◦ Πf = d = d◦ P . On obtient vu la relation
de divisibilité Πf = P .
E XERCICE 3.2.1 
Rechercher le polynôme minimal d'un endomorphisme nilpotent d'ordre p

P ROPRIÉTÉS 3.2.1 
Soient E un K-espace vectoriel de dimension nie et f ∈ L (E).
P 1


On pose d = d◦ Πf alors :

K[f ] = Vect (IdE , f, f 2 , ..., f d−1 )

(

dim K[f ] = d.

P

P (f ) inversible ⇐⇒ P ∧ Πf = 1. Dans ces conditions P (f )−1 ∈ K[f ]

P
2

3 Soit F un sev de E f -stable. Alors Πf|F Πf

MP - Lycée La Martinière Monplaisir 10

 CHAPITRE 5. RÉDUCTION DES ENDOMORPHISMES

Démonstration:
P 1 Vect (IdE , f, f 2 , ..., f d−1 ) ⊂ K[f ]. Réciproquement, soit P ∈ K[X], la division euclidienne de P par Πf

donne l'existence de (Q, R) ∈ K[X]2 tel que P = QΠf + R avec d◦ R ⩽ d − 1.

Donc P (f ) = R(f ) ∈ Vect (id, f, ..., f d−1 ). Ainsi K[f ] = Vect (IdE , f, f 2 , ..., f d−1 ).
De plus, d◦ Πf = d donc (IdE , f, f 2 , ..., f d−1 ) est libre. Donc dim K[f ] = d.
P
2 Si P ∧ Πf = 1, le théorème de Bézout donne l'existence de (U, V ) ∈ K[X]2 tel que P U + Πf V = 1 donc
dans K[f ] : P (f ) ◦ U (f ) = U (f ) ◦ P (f ) = idE . Ainsi P (f ) est inversible et P (f )−1 ∈ K[f ].
Pour la réciproque, soit P ∧ Πf = D, il existe (A, B) ∈ K[X]2 tel que P = DA, Πf = DB et A ∧ B = 1.
On a P B = Πf A donc P (f ) ◦ A(f ) = Πf (f ) ◦ B(f ) = 0. Comme P (f ) inversible, A(f ) = 0 donc Πf divise A.
Comme A divise Πf et les deux polynômes sont unitaires, on déduit A = Πf d'où D = 1.
P
3 On remarque que ∀x ∈ F , Πf (f|F )(x) = Πf (f )(x) = 0 donc Πf (f|F ) = 0 ie Πf|F Πf .

3.3 Liens avec les valeurs propres

P ROPOSITION 3.3.1 
P 1


Soit P ∈ K[X]. Alors
f (x) = λx =⇒ P (f )(x) = P (λ)x.

En particulier, en dimension nie, P (λ) | λ ∈ Sp(f ) ⊂ Sp(P (f )).



P2


Si P annulateur de f (P (f ) = 0) alors les valeurs propres de f gurent parmi les racines de P .

Démonstration:
P 1


Par récurrence, on montre que pour tout k ∈ N, f k (x) = λk x.
n n n
Pour P = ak X k , on a P (f )(x) = ak λk x = P (λ)x.
X X X
ak f k (x) =
k=0 k=0 k=0

P 2 Soit λ une valeur propre associé à un vecteur propre x ̸= 0. Avec

P

1 , il vient P (λ)x = 0. Comme
x ̸= 0, on déduit P (λ) = 0 donc λ racine de P .

3.4 Lien entre Πf et χf

P ROPOSITION 3.4.1 
Soit f ∈ L (E), P ∈ K[X].
C

P (f ) inversible dans L (E) ⇐⇒ P ∧ Πf = 1 ⇐⇒ P ∧ χf = 1.
C
1
Πf et χf ont les mêmes facteurs irréductibles sur K (donc en partciculier les mêmes racines)


2

Démonstration:
C 1 Résultat connu pour Πf . Plaçons nous dans C.

- Sens direct : Par contraposé, si P ∧ χf ̸= 1 alors P et χf ont une racine commune dans C, donc il existe une
valeur propre complexe λ racine de P . Donc X − λ divise P ie il existe Q ∈ C[X] tel que P = (X − λ)Q.
Alors P (f ) = (f − λ.IdE ) ◦ Q(f ) donc det P (f ) = χf (λ) det(Q(f )) = 0 donc P (f ) non inversible.
- Réciproque : Si P ∧ χf = 1 alors aucune des valeurs propres complexes de f n'est racine de P . Donc P s'écrit

MP - Lycée La Martinière Monplaisir 11

 CHAPITRE 5. RÉDUCTION DES ENDOMORPHISMES

r
(X − ai )αi avec ∀i ∈ Nr , ai ∈
/ Sp(f ).
Y
P =
i=1
r
Donc det P (f ) = det(f − αi .IdE )αi ̸= 0 donc P (f ) est inversible ie le résultat.
Y

C
2
i=1
Soit D un polynôme irréductible de K[X].
D divise Πf ⇐⇒ D ∧ Πf ̸= 1 ⇐⇒ D ∧ χf ̸= 1 ⇐⇒ D divise χf car D est irréductible.
Donc Πf et χf ont exactement les mêmes facteurs irréductibles.

T HÉORÈME 3.4.1 (Théorème de Cayley-Hamilton) 

∀f ∈ L (E), χf (f ) = 0 ie Πf χf

E XERCICE 3.4.1 
Soit A, B ∈ Mn (K). Montrer que χAB = χBA .
En déduire que si AB nilpotente alors BA aussi
R EMARQUE 
Application aux puissance de matrices :
(
X n = QχA + R
Division euclidienne de X n par ΠA ou χA : .
d◦ R < d◦ χA
Alors An = R(A).
E XERCICE 3.4.2 

3 −3 2


Calculer An avec A = 
−1 5 −2


−1 3 0

3.5 Théorème de décomposition des noyaux (T.D.N)

T HÉORÈME 3.5.1(
Q = Q1 .Q2 . ... .Qs
Soit f ∈ L (E) et . Alors
Q1 , Q2 , ..., Qs ∈ K[X] premiers entre eux 2 à 2
s
C1 Ker (Q(f )) = Ker (Qi (f ))

M

i=1
s
C2 Si Q polynôme annulateur de f alors E = Ker (Qi (f )).

M

i=1
C3 Les projections associées à cette décomposition sont des polynômes en f .

Démonstration:
On le démontre dans le cas de deux polynômes Q = Q1 Q2 avec Q1 ∧ Q2 = 1, il s'agit de montrer que
Ker (Q(f )) = Ker (Q1 (f )) ⊕ Ker (Q2 (f )) :
- Q1 ∧ Q2 = 1 donc (Bézout) il existe U, V ∈ K[X] | Q1 U + Q2 V = 1 donc Q1 (f ) ◦ U (f ) + Q2 (f ) ◦ V (f ) = IdE .
- Soit x ∈ Ker (Q(f )), on a donc x = Q1 (f ) U (f )(x) + Q2 (f ) V (f )(x) .



| {z {z} }|
=x
2 =x1

x1 ∈ Ker (Q1 (f )) car Q1 (f )(x1 ) = Q1 (f ) Q2 (f ) V (f )(x)


= (Q1 Q2 V )(f )(x) = (V Q1 Q2 )(f )(x) =

  
V (f ) Q1 (f ) Q2 (f )(x) = V (f ) Q(f )(x) = 0.

MP - Lycée La Martinière Monplaisir 12

 CHAPITRE 5. RÉDUCTION DES ENDOMORPHISMES

De même, x2 ∈ Ker (Q2 (f )). Au total

Ker (Q(f )) ⊂ Ker (Q1 (f )) + Ker (Q2 (f )).

- Réciproquement, Q1 divise Q donc Ker (Q1 (f )) ⊂ Ker (Q(f )). De même, Ker (Q2 (f )) ⊂ Ker (Q(f )) donc

Ker (Q1 (f )) + Ker (Q2 (f )) ⊂ Ker (Q(f )).

- Reste la somme directe, or si x ∈ Ker (Q1 (f ))∩ Ker (Q2 (f )) alors x = U (f ) Q1 (f )(x) +V (f ) Q2 (f )(x) = 0

donc x = 0E d'où Ker (Q1 (f )) ∩ Ker (Q2 (f )) = {0E } ie ccl.

- On en déduit aussi que la projection sur Ker Q1 (f ) parallèlement à Ker Q2 (f ) est p1 = Q2 (f ) ◦ V (f ) ∈ K[f ].
De même pour l'autre projection.
R EMARQUE 
Pour Q = AB avec A ∧ B = 1 alors Ker (Q(f )) = Ker (A(f )) ⊕ Ker (B(f ))

3.6 Liens avec la diagonalisabilité

P ROPOSITION 3.6.1 
f est diagonalisable si et seulement si il existe un polynôme annulateur de f , scindé simple sur K.

Démonstration:
- Si f est diagonalisable, alors E = Eλ1 (f ) ⊕ ... ⊕ Eλp (f ).
Considérons le polynôme P = (X − λ1 )...(X − λp ) scindé simple. D'après le théorème des noyaux, on a

Ker P (f ) = Ker (f − λ1 .idE ) ⊕ ... ⊕ Ker (f − λp .idE ) = Eλ1 (f ) ⊕ ... ⊕ Eλp (f ) = E

donc P (f ) = 0 ie conclusion.
- Réciproquement, si P = (X − λ1 )...(X − λp ) annulateur scindé simple, alors le théorème des noyaux donne :

E = Ker (P (f )) = Ker (f − λ1 .idE ) ⊕ ... ⊕ Ker (f − λp .idE ) ⊂

M
Eλ (f ) ⊂ E
λ∈Sp(f )

ie E = Eλ (f ) donc f diagonalisable.
M

λ∈Sp(f )

C ONSÉQUENCES 3.6.1 
f est diagonalisable si et seulement si le polynôme minimal Πf est scindé simple.

P ROPOSITION 3.6.2 
- Soit f diagonalisable
" #
et F stable par f . Alors f|F diagonalisable sur F .
A B
- Si M = (A et C carrée) est diagonalisable alors A diagonalisable.
0 C

Démonstration:
Il sut de voir que Πf|F est scindé simple puisqu'il divise Πf qui est scindé simple.

MP - Lycée La Martinière Monplaisir 13

 CHAPITRE 5. RÉDUCTION DES ENDOMORPHISMES

3.7 Liens avec la trigonalisabilité

P ROPRIÉTÉS 3.7.1 
f est trigonalisable ssi f admet un polynôme annulateur scindé sur K.

Démonstration:
Si f est trigonalisable alors χf est scindé donc convient.
Réciproquement, si P est un polynôme annulateur de f scindé, alors Πf est scindé. Comme Πf et χf ont les
mêmes facteurs irréductibles, χf est scindé donc f est trigonalisable.

3.8 Sous-espaces caractéristiques

D ÉFINITION 3.8.1 
Soit f admettant un polynôme caractéristique scindé sur K
r
Y
χf (X) = (X − λi )ci .
i=1

On appelle sous-espace caractéristique associé à la valeur propre λ : i

Γi = Ker (f − λi .IdE )ci .

P ROPRIÉTÉS 3.8.1 
P

Pour tout i ∈ Nr , Γi est f -stable.
P
1
E = Γ1 ⊕ ... ⊕ Γr (décomposition spectrale)

P
2
Pour tout i ∈ Nr , dim Γi = ci = ordre de multiplicité de λi dans χf .


3

Démonstration:
P

f − λ .Id ) et f commutent donc Ker f − λ .Id ) est f -stable.
ci ci

P Comme χ est polynôme annulateur de f , le théorème de Cayley-Hamilton appliqué à χ donne : E =

1 i E i E

2 f f
Ker χ (f ) = Γ ⊕ ... ⊕ Γ .
P
Posons pour tout i, f = f . On remarque que f = λ .Id + (f − λ .Id ) = λ .Id + n avec
f 1 r

3 i |Γi i i Γi i i Γi i Γi i
ni = fi − λi .IdΓi = (f − λ.IdE )|Γi nilpotent d'ordre ⩽ ci puisque, par dénition de Γi : nci i = 0.
On en déduit que χni = X dim Γi puis χfi = (X − λi )dim Γi .
En prenant une base adaptée à la décomposition E = Γ1 ⊕ ... ⊕ Γr avec chaque Γi stable, on obtient une matrice
diagonale par blocs et χf = χf1 ...χfr = (X − λ1 )dim Γ1 .....(X − λr )dim Γr d'où pour tout i, dim Γi = ci par
unicité de la décomposition de χf .

P ROPOSITION 3.8.1 (Traduction matricielle) 

Soit f admettant un polynôme caractéristique scindé sur K.

MP - Lycée La Martinière Monplaisir 14

 CHAPITRE 5. RÉDUCTION DES ENDOMORPHISMES

Alors il existe une base de E dans laquelle la matrice de f s'écrit :

 
λ1 In1 + T1 0 ... 0
..
.
 
 0 λ2 In2 + T2 
A= .. ...
 
.


 0 

0 ... 0 λr Inr + Tr

avec pour tout i ∈ {n1 , ..., nr }, Ti triangulaire supérieure stricte (donc nilpotente)

Démonstration:
Pour chaque i, on a vu que ni = fi − λi .IdΓi est nilpotente donc il existe une base Bi de Γi dans laquelle la
matrice Ti de ni est triangulaire supérieure stricte. La matrice de f|Γi dans Bi est donc de la forme λi .Ici + Ti .
Dans la base concaténée B = B1 ∪ ... ∪ Br de E , on obtient la forme cherchée.

MP - Lycée La Martinière Monplaisir 15

 CHAPITRE 5. RÉDUCTION DES ENDOMORPHISMES

Supplément (optionnel) : Décomposition de Dunford

Projecteurs spectraux
r
Soit f ∈ L (E) et χf (X) = (X − λi )ci .
Y

i=1
Dans la décomposition E = Γ1 ⊕ ... ⊕ Γr , les projecteurs associés sont dans K[f ] : ils sont appelés les
projecteurs spectraux.
Démonstration :
Posons pour simplier Qi = (X − λi )ci de sorte que χf = Q1 Q2 ...Qr , Ri = Qj .
Y

j̸=i
. On remarque que pgcd(R1 , R2 , ..., Rr ) = 1 car R1 , ..., Rr n'ont aucune racine commune. Donc il existe
(U1 , U2 , . . . , Ur ) ∈ K[X]r tels que R1 U1 + ... + Rr Ur = 1 d'où



∀x ∈ E, R1 (f ) ◦ U1 (f ) (x) + ... + Rr (f ) ◦ Ur (f ) (x) = x.

. On pose pi = Ri (f ) ◦ Ui (f ) . D'où ∀x ∈ E, x = p1 (x) +... + pr (x).

| {z } | {z }
∈Γ1 ∈Γr
. En eet Im pi ⊂ Γi (= Ker Qi (f )) car Qi (f ) ◦ Ri (f ) ◦ Ui (f ) = (Qi Ri )(f ) ◦ Ui (f ) = 0 (Cayley Hamilton).
| {z }
=χf

Finalement, le projecteur sur Γi parallèlement à Γj est pi = Ri (f ) ◦ Ui (f ) ∈ K[f ].

M

j̸=i

Décomposition de Dunford
r
Soit f ∈ L (E) et χf (X) = (X − λi )ci .
Y

i=1
Il existe d ∈ L (E) diagonalisable et n nilpotent tels que f = d + n avec d ◦ n = n ◦ d, d ∈ K[f ] et
n ∈ K[f ].
Cette décomposition est appelée décomposition de Dunford
.

Démonstration : r
On a vu fi = f|Γi = λi .IdΓi + ni donc f = fi ◦ pi où pi est le ie projecteur spectral.
X

i=1

diagonalisable car sa matrice est diagonale de la forme

r
D'où en posant d = λi .pi et n = f − d, on a d
X

i=1
r
Diag(λ1 .In1 ,...,λr .Inr ) dans la base adaptée à la somme directe E = Γi .
M

est nilpotent car chacune de ses restrictions aux Γ l'est donc nMax
i=1
En outre, n i
(c1 ,...,cr ) = 0.
r
Enn, chaque pi ∈ K[f ] donc d = λi .pi ∈ K[f ] et n = f − d ∈ K[f ].
X

i=1

Traduction matricielle :
Soit A une matrice carrée d'ordre n avec χA scindé.
Alors il existe D diagonalisable et N nilpotente telles que A = D + N avec DN = N D.
En outre D et N sont dans K[A].

MP - Lycée La Martinière Monplaisir 16

 CHAPITRE 5. RÉDUCTION DES ENDOMORPHISMES

Diagonalisation simultanée
Soit E un espace vectoriel et f, g ∈ L (E) diagonalisables et qui commutent. Alors il existe une base de
vecteurs propres commune à f et g .

Démonstration :
Soit E de dimension n, et f , g ∈ L (E) diagonalisables et qui commutent.
Soit (λ1 , λ2 , . . . , λr ) les valeurs propres de f . On pose pour tout i ∈ Nr : fi = f|Eλi (f ) = λi .IdEλi (f ) ,
gi = g|Eλ (f ).
i
On sait que Eλi (f ) est g -stable (puisque f et g commutent) donc gi est la restriction de g diagonalisable
à un sev stable donc est diagonalisable.
Il existe donc une base Bi de Eλi (f ) formée de vecteurs propres de gi donc de g . Cette base Bi est aussi
base de vecteurs propres de fi (puisque fi est une homothétie sur Eλi (f )) donc de f .
r
Comme E = Eλi (f ) puisque f est diagonalisable, B1 ∪B2 ∪...∪Br est une base de E par concaténation,
M

i=1
et elle est formée de vecteurs propres de f et g . Ainsi f et g sont diagonalisables dans une même base de
vecteurs propres.

Unicité de la décomposition de Dunford :

La décomposition de Dunford f = d + n est unique.

Démonstration :
Il faut voir que si d + n = d′ + n′ alors d = d′ et n = n′ .
- Déjà, d et d′ sont des polynômes en f donc commutent. De même n et n′ commutent.

- Ainsi d − d′ est diagonalisable dans la base (e1 , ..., ep ) car si d(ei ) = λi ei et d′ (ei ) = µi ei , on a
(d − d′ )(ei ) = (λi − µi )ei donc (e1 , ..., ep ) est une base de vecteurs propres pour d − d′ .
D'où n − n′ = d − d′ est diagonalisable .

- Or n − n′ est aussi nilpotent : en eet, soit r et s sont les ordres respectifs de nilpotence de n et n′ , on a
r+s−1
X  
r+s−1 r+s−k−1
(n − n′ )r+s−1 = (−1)r+s−k−1 nk n′
k
k=0
r−1   r+s−1
X  
X r+s−1 r+s−k−1 k ′r+s−k−1 r+s−1 k ′r+s−k−1
= (−1) n
| n {z }+ (−1)r+s−k−1 n
| n {z
k k
=0 car car n =0
}
k=0 n′s =0 k=r r
=0
vu r+s−k−1⩾s
= 0.

- Donc 0 est seule valeur propre de n − n′ . Etant diagonalisable, c'est que n − n′ = 0 ie n = n′ et donc
aussi d = d′ .

MP - Lycée La Martinière Monplaisir 17

 Savoir-faire

■ Pour calculer les puissances d'une matrice carrée, on peut :

- soit l'écrire comme une somme de deux matrices simples qui commutent et appliquer le binôme,
- soit trouver un polynôme annulateur et eectuer la division euclidienne de X n par ce polynôme.
- Soit la diagonaliser et se ramener à calculer ∆n puis à la formule de changement de bases.
■ Le polynôme caractéristique en dimension 3 doit être factorisé. Toujours essayer de factoriser au moins un
terme de degré 1 dans le calcul du déterminant par opérations sur les lignes ou les colonnes.
■ Les valeurs propres sont LES racines du polynôme caractéristique, LES racines du polynôme minimal et
DES racines d'un polynôme annulateur.
!
M N
■ Si une matrice A = se présente par blocs, on résoudra une équation de la forme AX = λ.X en
P Q
!
U
posant X = .
V
■ Pour une étude d'éléments propres en dimension quelconque, on commence toujours par les valeurs propres
en étudiant quand est-ce que l'équation AX = λ.X admet des solutions non nulles en X .
■ SI il y a n valeurs propres distinctes en dimension n, l'endomorphisme est diagonalisable. Attention, la
réciproque est fausse.
■ Si la somme des dimensions des sev propres vaut la dimension de E , alors f est diagonalisable (car les sev
propres associés à des valeurs propres distinctes sont en somme directe).
■ En théorie, la diagonalisabilité s'étudie plutôt avec le polynôme minimal. En pratique, on utilise plutôt le
polynôme caractéristique.
■ La diagonalisabilité avec le polynôme minimal est équivalente à l'existence d'un polynôme annulateur scindé
simple.
■ Attention, si f est diagonalisable, le polynôme caractéristique n'est pas nécessairement scindé simple.
■ La diagonalisabilité avec le polynôme caractéristique est équivalente au fait que le polynôme caractéristique
est scindé et que la dimension de chaque sev propre vaut l'ordre de multiplicité de la valeur propre correspondante
dans χf .
■ Pour montrer que P (f ) = 0, il peut être utile de montrer que Ker P (f ) = E avec le lemme des noyaux.
■ Retenir que toute matrice symétrique réelle est diagonalisable (cf chapitre ultérieur)
■ Toute matrice sur C est trigonalisable.
■ Une matrice est nilpotente n'a que 0 comme valeur propre. Son polynôme caractéristique est X n .
■ Penser au lemme des noyaux pour décomposer E en somme directe de sev stables.
■ La décomposition de Dunford est extrêmement classique pour obtenir une réduction assez intéressante des
matrices trigonalisables. Le fait que D et N commutent permet notamment d'appliquer le binôme, d'en prendre
l'exponentielle...
 Exercices

Exercice 5.1
 
0 1 3
1
Soit a ∈ C tel que |a| < et A = a 3

0 1.

4
1 3 0
1. Déterminer les valeurs propres complexes de A.
2. Montrer que A est semblable à une matrice diagonale puis déterminer la limite de An lorsque n → +∞.

Exercice 5.2
 
0 1 ... 0 0
1 0 1 0
. .. 
 
.. ..
 ..
Soit A =  1 . . .

..
 
.
 
0 0 0 1
0 0 ... 1 0

1. Montrer que Dn = det(A − 2 cos αIn ) = (−1)n

sin(n + 1)α
et en déduire les valeurs propres de A.
2.
sin α
Déterminer les sous-espaces propres en fonction des Di , i = 1, 2, ..., n − 1.

Exercice 5.3

Soit α, β, γ trois complexes deux à deux distincts.

Soit φ l'application dénie sur C2 [X], qui à tout polynôme P associe le polynôme R, reste de la division euclidienne
de X 3 P par (X − α)(X − β)(X − γ).
1. Vérier que φ est un endomorphisme de C2 [X].
2. Déterminer les éléments propres de l'endomorphisme (1) .

Exercice 5.4

Soit A ∈ Mn (R). On suppose que A3 + A2 + A = 0. Prouver que le rang de A est pair.

Exercice 5.5
 
1 ...1
. .
Soit A = 
.
. (1) ..  d'ordre n ⩾ 2. Calculer A .
 2

1 ... 1
Sans polynôme caractéristique, prouver que A est diagonalisable dans Mn (R) et déterminer ses valeurs propres.
Déterminer les sous-espaces propres et l'ordre de multiplicité des valeurs propres.

Exercice 5.6

Soit n un entier supérieur à 2 et E un espace vectoriel sur R de dimension n. On appelle projecteur de E , tout
endomorphisme p de E vériant p ◦ p = p.
1. Soit p un projecteur de E .
(1). Utiliser les polynômes d'interpolation de Lagrange.
 a

Démontrer que les sous-espaces vectoriels Ker (p) et Im (p) sont supplémentaires dans E .
b
En déduire que la trace de p (notée tr(p)) est égale au rang de p (noté rg (p) ).
c Un endomorphisme u de E vériant tr(u) = rg (u) est-il nécessairement un projecteur de E ?
2. Donner un exemple de deux matrices A et B de M3 (R) de rang 1 telles que A soit diagonalisable et B ne
soit pas diagonalisable. Justier la réponse.
3. Soit u un endomorphisme de E de rang 1.
a
Démontrer qu'il existe une base β = (e1 , · · · , en ) de E telle que la matrice Matβ (u) de u dans β soit de
la forme :  
0 ··· 0 a1
0 ··· 0 a2 
 
Matβ (u) = 
 .. .. .. 
 ∈ Mn (R)
. ··· . .
0 ··· 0 an
où a1 , · · · , an sont n réels.
b

Démontrer que u est diagonalisable si, et seulement si, la trace de u est non nulle.
c

On suppose que tr(u) = rg (u) = 1. Démontrer que u est un projecteur.
 
1 1 −1
d
Soit la matrice : A = 1

1 −1 ∈ M3 (R). Démontrer que A est la matrice d'un projecteur de R3


1 1 −1
dont on déterminera l'image et le noyau.

Exercice 5.7

Soit
u : R[X] −→ R[X] .
P 7−→ (X − 1) P ′ − P
1. Montrer que l'équation aux valeurs propres se ramène à la résolution d'une équation diérentielle linéaire du
premier ordre que l'on déterminera.
2. Résoudre cette équation diérentielle sur un intervalle à préciser.
3. En déduire les valeurs et les vecteurs propres de u.

Exercice 5.8

Soit λ ∈ R et f : Rn [X] −→ R[X] .

P 7−→ X(1 + X)P ′ (X) − 2λXP (X)
1. Pour quelles valeurs de λ , f est-elle un endomorphisme de E = Rn [X] ?.
2. Ecrire la matrice de f dans la base canononique de E .
3. Déterminer les valeurs propres de f puis les vecteurs propres (2) .

Exercice 5.9
Z 1
Soit E = C 0 ([0, 1]) et φ l'application qui à tout élément f de E associe g dénie par g(x) = Inf(t, x)f (t)dt.
1.
0
Montrer que φ est un endomorphisme de E .
2. Déterminer les éléments propres de φ.
(2). Se ramener à une équation diérentielle.
Exercice 5.10
(
un+1 = 4un + vn
Soit le système de suites récurrentes : u0 , v0 ∈ R et ∀n ∈ N, .
vn+1 = −3un
Exprimer un et vn en fonction de n, u0 et v0 .

Exercice 5.11

Soit les suites réelles (un ), (vn ) et (wn ) dénies par :


 un+1
 = un + 3vn
∀n ∈ N vn+1 = 3un + vn + 4wn et (u0 , v0 , w0 ) = (1, 0, 1)

wn+1 = 4vn + wn


 
1 3 0
1. a

Justier que la matrice A = 3 1

4 est diagonalisable.


0 4 1
b

Diagonaliser la matrice A ∈ M3 (R).
c

Déterminer la matrice An pour tout n ∈ N.
2. Expliciter les termes u , v , w
n n n en fonction de n.

Exercice 5.12
 
0 1 1
Soit A = 
 1 0 1 .


0 0 1
1. Chercher les droites stables par A.
2. Calculer An pour n ∈ N.

Exercice 5.13
 
1 3 5
On cherche les matrices B ∈ M3 (R) telles que B = A où A = 0
2 
4 5.


0 0 9
1. A est-elle diagonalisable ?
2. On suppose que B existe. Déterminer le spectre de B et en déduire que B est diagonalisable.
Montrer que tout vecteur propre de B est vecteur propre de A.
3. Déterminer toutes les matrices B telles que B 2 = A.

Exercice 5.14

Soient f1 , f2 , f3 trois endomorphismes de E tels que leur somme soit égale à IdE , et que f1 ◦ f3 = f2 ◦ f3 = 0L (E) .
Montrer que f1 + f2 − 2f3 = u est diagonalisable.

Exercice 5.15

On suppose que u et v sont deux endomorphismes diagonalisables telles que u ◦ v = v ◦ u.

Montrer que u et v diagonalisent dans une base commune, puis que u ◦ v est diagonalisable.
Exercice 5.16
 
an
(0) an−1
 

...
 
 d'ordre n = 2p, p ∈ N∗ avec ai ∈ C∗ .
 
A=
 
a2 (0)
 
 
a1
Montrer que A est diagonalisable et donner une base de vecteurs propres .

Exercice 5.17

Soit σ une permutation de Nn et E un C-espace vectoriel de dimension n rapporté à la base B = (e1 , e2 , . . . , en ).

On dénit uσ ∈ L (E) par uσ (ej ) = eσ(j) .
1. Soit σ et σ ′ deux permutations de Nn . Montrer que uσ◦σ′ = uσ ◦ uσ′ . Calculer le déterminant de uσ .
2. Montrer que uσ est diagonalisable.
3. Soit σ = (n, n − 1, ..., 1). Déterminer la matrice Mσ de uσ , puis ses valeurs et vecteurs propres.

Exercice 5.18

Soient A, B ∈ Mn (K). On suppose ∃C ∈ Mn (K) \ {0} | AC = CB .

1. Soit P ∈ K[X]. Montrer que P (A)C = CP (B).
2. En déduire que A et B ont une valeur propre commune.

Exercice 5.19
" #
A A
Soit A ∈ Mn (K) et B = .
A A

ssi
!
1 1
Diagonaliser la matrice . En déduire que A est diagonalisable B l'est.
1 1

Exercice 5.20
 
2 −1 2
Trigonaliser dans Mn (R) la matrice 
 5 −3 3 


−1 0 −2

Exercice 5.21
 
2 1 0 −2
0 0 0 0
Déterminer les sous-espaces caractéristiques de la matrice A = 
 .

2 0 4 2
−2 1 0 2
En déduire une trigonalisation de la matrice A.

Exercice 5.22
" #
A B
Soit A, B ∈ Mn (K) qui commutent et M = .
0 A
Montrer que M diagonalisable ssi
A diagonalisable et B = 0 .

Exercice 5.23

Soit E un C espace vectoriel et f ∈ L (E).

 1. Montrer que si f est diagonalisable alors f 2 aussi.
2. On suppose maintenant que f 2 est diagonalisable et inversible.
Montrer en travaillant sur un polynôme annulateur de f bien choisi que f est diagonalisable.
3. On suppose ici que f 2 est simplement diagonalisable. Montrer que f est diagonalisable si et seulement si
Ker f = Ker f 2 .

Exercice 5.24

Soit E un C-espace vectoriel et u ∈ L (E). Montrer que u est diagonalisable si et seulement si tout sous-espace de
E admet un supplémentaire stable par u.

Exercice 5.25

Soit A ∈ Mn (C) diagonalisable et uA : Mn (C) −→ Mn (C) .

M 7−→ AM
1. Si D est une matrice diagonale, calculer uD (Ei,j ).
2. Exprimer uP DP −1 (P Ei,j P −1 ). En déduire que uA est diagonalisable.

Exercice 5.26

Soit A ∈ Mn (C). On dénit vA : Mn (C) −→ Mn (C) .

M 7−→ AM − M A
1. On suppose A triangulaire supérieure. Calculer pour i, j ∈ [[1, n]], vA (Ei,j ).
En déduire que vA est trigonalisable. Quel est son polynôme caractéristique et son déterminant.
2. Montrer que ce résultat s'étend à une matrice A quelconque de Mn (C).
3. Montrer que si A est diagonalisable alors vA aussi.