Chapitre 28

Réduction des endomorphismes

Objectifs

– Définir les éléments propres d’un endomorphisme ou d’une matrice carrée et étudier leurs propriétés.
– Étudier les notions de digonalisation et de trigonalisation.
– Donner des applications.

Plan

28 Réduction des endomorphismes 313

I) Éléments propres d’un endomorphisme . . . . . . . . . . . . . . . . . . . . . . . . . . . 313
1) Définitions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 313
2) Premières propriétés . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 314
3) Polynôme caractéristique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 315
II) Réduction d’un endomorphisme . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 316
1) Diagonalisation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 316
2) Trigonalisation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 317
III) Réduction d’une matrice carrée. Applications . . . . . . . . . . . . . . . . . . . . . . . 319
1) Éléments propres d’une matrice carrée . . . . . . . . . . . . . . . . . . . . . . . 319
2) Réduction d’une matrice carrée . . . . . . . . . . . . . . . . . . . . . . . . . . . 319
3) Applications . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 320

K désigne un sous-corps de C et E un K-espace vectoriel différent de {0}.

I) Éléments propres d’un endomorphisme

1) Définitions
N Définition 28.1
Soit u ∈ L (E), soit λ ∈ K, on dit que λ est une valeur propre de u ssi il existe un vecteur x ∈ E non
nul, tel que u(x) = λx. Si c’est le cas, on dit que x est un vecteur propre associé à la valeur propre λ.
– L’ensemble des valeurs propres de u est noté Sp(u) (spectre de u).
– L’ensemble Eλ (u) = {x ∈ E / u(x) = λx} est appelé sous-espace propre de u associé à la valeur
propre λ. On a Eλ (u) = ker(u − λid).

Remarques :
– λ ∈ Sp(u) ⇐⇒ Eλ (u) 6= {0} ⇐⇒ u − λid est non injectif.
– 0 est valeur propre de u ssi u est non injectif, auquel cas le sous-espace propre associé est ker(u).

[MPSI Lycée Guez De Balzac]

 Éléments propres d’un endomorphisme 314

X Exemple(s):
(i) Cas d’une homothétie : l’application u : x 7→ λx admet
 comme unique valeur propre λ.
1 2 1
 
 
(ii) Utilisation de la méthode de Gauss : si mat(u) =  2 3
1  alors :
B  2 
−1 1 0


 (1 − λ)x + 2y + z


= 0
u(x) = λx ⇐⇒ (Sλ ) 2x + ( 32 − λ)y + z = 0



 −x + y − λz = 0


 z + 2y + (1 − λ)x = 0


⇐⇒ −(λ + 12 )y + (1 + λ)x = 0 [L2 ← L2 − L1 ]



 (2λ + 1)y − (λ2 − λ + 1)x = 0 [L3 ← L3 + λL1 ]


 z + 2y + (1 − λ)x =


0
⇐⇒ −(λ + 12 )y + (1 + λ)x = 0 .



 (−λ2 + 3λ + 1)x = 0 [L3 ← L3 + 2L2 ]

√ √
On en déduit que Sp(u) = {− 12 ; 3+2 13 ; 3−2 13 } (le déterminant du système ci-dessus doit être nul).
En résolvant (Sλ ) avec ces valeurs de λ on détermine les sous-espaces propres de u.

2) Premières propriétés

I théorème 28.1

Si x1 , . . . , xp sont des vecteurs propres de u associés à des valeurs propres λ1 , . . . , λp distinctes,

alors la famille (x1 , . . . , xp ) est libre.

Preuve: Par récurrence sur p : pour p = 1 il n’y a rien à faire. Supposons le théorème établi au rang
p, si x1 , . . . , xp+1 sont des vecteurs propres de u associés à des valeurs propres λ1 , . . . , λp+1 distinctes et si
∑
p+1 ∑
p
ai xi = 0, alors en appliquant u − λp+1 id, il reste ai (λi − λp+1 )xi = 0, l’hypothèse de récurrence entraîne
i=1 i=1
que a1 = . . . = ap = 0, il reste donc λp+1 xp+1 = 0 et donc λp+1 = 0, le théorème est démontré au rang p + 1.
¤

Application : en dimension n (dim(E) = n), un endomorphisme u ne peut pas avoir plus de n valeurs
propres.

I théorème 28.2

Si x est un vecteur propre de u associée à la valeur propre λ et si P (X) ∈ K[X], alors x est un
vecteur propre de P (u) associé à la valeur propre P (λ).

Preuve: On a u(x) = λx, donc ∀k ∈ N, uk (x) = λk x, le résultat en découle. ¤

Application : si P (X) est un polynôme annulateur de u (i.e. P (u) = 0), alors les valeurs propres de
u sont racines de P (X). La réciproque est fausse, c’est à dire : les racines de P ne sont pas forcément
des valeurs propres de u, par exemple : (X − 1)(X − 2) annule id, mais 2 n’est pas valeur propre de id.
Dans la suite de ce chapitre, E est de dimension finie.

[MPSI Lycée Guez De Balzac]

 Éléments propres d’un endomorphisme 315

I théorème 28.3

Soit u ∈ L (E) et λ ∈ K, alors λ est valeur propre de u ssi det(u − λid) = 0.

Preuve: Cela découle de l’équivalence : u − λid injective ⇐⇒ u − λid bijective valable en dimension finie.
¤

u est un automorphisme ssi 0 n’est pas valeur propre de u. Si c’est le cas et si x est un vecteur propre
de u associé à la valeur propre λ, alors x est un vecteur propre de u−1 associé à la valeur propre 1
λ.

3) Polynôme caractéristique
Soient B, soit u ∈ L (E), A = mat(u), soit x ∈ K, alors det(u−xid) = det(mat(u−xid)) = det(A−
B ∑
B
xIn ). En notant bij les coefficients de la matrice A − xIn , on a det(u − xid) = ε(σ)b1σ(1) · · · bnσ(n)
σ∈Sn
ce qui prouve que l’on a un polynôme en x. Comme K est infini, on peut identifier cette fonction
polynomiale avec le polynôme correspondant.
N Définition 28.2
La fonction polynomiale x 7→ det(u − xid) est appelée polynôme caractéristique de u et notée
Pu (X).

Remarque : le polynôme caractéristique est souvent noté Pu (X) = det(u − Xid) mais cette notation
est abusive car X n’est pas un scalaire.

I théorème 28.4

λ est valeur propre de u ssi λ est racine du polynôme caractéristique de u, i.e. :

λ ∈ Sp(u) ⇐⇒ Pu (λ) = 0.

Si c’est le cas, alors la multiplicité de λ dans le polynôme Pu (X) est appelée multiplicité de
la valeur propre λ.

Preuve: Cela découle du théorème précédent. ¤

X Exemple(s):   ¯ ¯
¯ ¯
1 2 1 ¯1 − X 2 1 ¯
  ¯ ¯
  ¯ ¯
(i) Si la matrice de u dans une base est A =  2 3
1, alors Pu (X) = ¯ 2 3
−X 1 ¯=
 2  ¯ 2 ¯
¯ ¯
−1 1 0 ¯ −1 1 −X ¯
√ √
(X + 1
2 )(−X
2
+ 3X + 1). D’où Sp(u) = {− 12 ; 3+2 13 ; 3−2 13 }.
 
a1 ∗ ... ∗
 .. 
 .. .. 
0 . . .
(ii) Si la matrice de u dans une certaine base est triangulaire : A = 
. .
, alors Pu (X) =

 .. ..

.. . ∗ 
0 ... 0 an
∏n ∏n
(ai − X) = (−1)n (X − ai ). Donc les valeurs propres de u sont les coefficients diagonaux
i=1 i=1
de A.
(iii) Si u est un projecteur de rang r : E = ker(u − id) ⊕ ker(u), donc il existe une base B de E telle que
mat(u) = Jn,n,r , d’où Pu (X) = (1 − X)r (−X)n−r = (−1)n X n−r (X − 1)r . D’où Sp(u) = {1; 0} (si
B
0 < r < n).

[MPSI Lycée Guez De Balzac]

 Réduction d’un endomorphisme 316

(iv) Si u est une symétrie : E = ker(u−id)⊕ker(u+id), donc il existe une base B de E telle que mat(u) =
  B

1 0 ... ... ... 0

 
 . . .. 
0 . . . . . 
 
. . . 
 .. .. 1 ... .. 
 
. ..  , d’où Pu (X) = (1 − X)r (−1 − X)n−r = (−1)n (X − 1)r (X + 1)n−r
. .. .. 
. . −1 . . 
 
 .. .. .. 
. . . 0 
 
0 . . . . . . . . . 0 −1
avec r = dim[ker(u − id)]. D’où Sp(u) = {±1} (si 0 < r < n).

I théorème 28.5

Si dim(E) = n et u ∈ L (E), alors le polynôme caractéristique de u est de degré n, plus

précisément, Pu (X) = (−1)n X n + (−1)n−1 tr(u)X n−1 + . . . + det(u).

∑
Preuve: Soit A la matrice de u dans une base et B = A − xIn , alors Pu (x) = ε(σ)b1σ(1) · · · bnσ(n) ,
σ∈Sn
le seul terme qui soit de degré n est celui pour lequel σ = id[[1..n]] c’est à dire (a11 − X) . . . (ann − X) =
(−1)n X n − (−1)n−1 tr(A)X n−1 + . . ., comme les autres termes sont de degré 6 n − 2, on a les deux premiers
termes de Pu (X). Quant au terme constant, il s’obtient en prenant x = 0. ¤

Le nombre de valeurs propres de u comptées avec leur multiplicité est inférieur ou égal à n, où n est
la dimension de E. D’après le théorème de D’Alembert, lorsque K = C, tout endomorphisme admet
exactement n valeurs propres (comptées avec leur multiplicité).

I théorème 28.6 (de Cayley-Hamilton)

Le polynôme caractéristique de u est un polynôme annulateur de u.

Preuve: Admis. ¤

II) Réduction d’un endomorphisme

1) Diagonalisation
N Définition 28.3
On dit que u ∈ L (E) est diagonalisable ssi il existe une base B = (e1 , . . . , en ) de E consti-
tuée de vecteurs propres de E. Si c’est le cas, alors la matrice de u dans cette base est mat(u) =
B
diag(λ1 , . . . , λn ) où λi et la valeur propre associée au vecteur propre ei .

Sur la diagonale de cette matrice on a toutes les valeurs propres de u, on en déduit que la somme des
valeurs propres est tr(u) et que le produit des valeurs propres est det(u) [si u est diagonalisable !].
u est diagonalisable ssi il existe une base de E dans laquelle la matrice de u est diagonale.
X Exemple(s):
(i) Une projection est diagonalisable.
(ii) Une symétrie est diagonalisable.
(iii) L’application u ∈ L (K2 ) définie par u(x, y) = (2x + y; x + 2y) est diagonalisable. En effet : Pu (X) =
(2 − X)2 − 1 = (1 − X)(3 − X), donc les valeurs propres sont 1 et 3. Un vecteur propre associé à 1

[MPSI Lycée Guez De Balzac]

 Réduction d’un endomorphisme 317

est e1 = (1; −1; ) et un vecteur propre

 associé
 à 3 est e2 = (1; 1). La famille B = (e1 , e2 ) est libre,
1 0
c’est une base de K2 et mat(u) =  .
B
0 3

I théorème 28.7

Si u ∈ L (E) admet n valeurs propres distinctes (où n = dim(E)), alors u est diagonalisable
(réciproque fausse).

Preuve: Soit λ1 , . . . , λn ces valeurs propres et e1 , . . . , en des vecteurs propres respectivement associés,
alors on sait que la famille (e1 , . . . , en ) est libre, c’est donc une base de E et u est diagonalisable.
La réciproque est fausse : prendre par exemple id. ¤

Il y a des endomorphismes qui ne sont pas diagonalisables, par exemple u : (x, y) 7→ (x + y, y) admet
une valeur propre double 1, si u était diagonalisable on aurait alors u = id : absurde.

I théorème 28.8

u ∈ L (E) est diagonalisable ssi il existe P (X) ∈ K[X] un polynôme annulateur de u scindé à
racines simples.

Preuve: Si u est diagonalisable, alors il existe une base B = (e1 , . . . , en ) constituée de vecteurs propres
de u, notons λ1 , . . . , λp les valeurs propres distinctes de u, alors il est facile de vérifier sur la base B que le
polynôme P (X) = (X − λ1 ) . . . (X − λp ) annule u.
Réciproquement : si on a un polynôme annulateur scindé à racines simples, on fait une récurrence sur p : le
degré de ce polynôme. Pour p = 1 il n’y a rien à faire car u est une homothétie. Si c’est vrai pour le degré p − 1
et si P (X) = (X − λ1 ) . . . (X − λp ) annule u avec λ1 , . . . , λp distinctes. Soit Q(X) = (X − λ1 ) . . . (X − λp−1 )
, R(X) = X − λp , F = ker[Q(u)] et G = ker[R(u)], alors il est facile de vérifier que F et G sont en somme
directe. D’autre part, il existe deux polynômes S(X) et T (X) tels que Q(X)S(X) + R(X)T (X) = 1 [théorème
de Bezout] ce qui entraîne que Q(u) ◦ S(u) + R(u) ◦ T (u) = id puis que E = F + G, donc E = F ⊕ G. Comme
F est stable u, on peut considérer v la restriction de u à F , v ∈ L (F ) et Q(X) annule v, d’après l’hypothèse
de récurrence, v est diagonalisable. En faisant la réunion d’une base de F où la matrice de v est diagonale, avec
une base de G, on obtient une base de diagonalisation de u. ¤

X Exemple(s):
(i) Le polynôme X 2 − X annule tout projecteur, donc tout projecteur est diagonalisable.
(ii) Le polynôme X 2 − 1 annule toute symétrie, donc toute symétrie est diagonalisable.

2) Trigonalisation
N Définition 28.4
On dit que u ∈ L (E) est trigonalisable lorsqu’il existe une base de E dans laquelle la matrice de u
est triangulaire.

Remarques :
– Sur la diagonale de cette matrice on doit avoir les valeurs propres de u ce qui implique que u
admette n valeurs propres c’est à dire Pu (X) est scindé sur K.
– Diagonalisable entraîne trigonalisable (réciproque fausse).

[MPSI Lycée Guez De Balzac]

 Réduction d’un endomorphisme 318

I théorème 28.9

u ∈ L (E) est trigonalisable ssi Pu (X) est scindé sur K (i.e. u admet n valeurs propres dans
K).

Preuve: Par récurrence sur n : pour n = 1 il n’y a rien à faire. Supposons le théorème démontré au rang
n et supposons E de dimension n + 1 avec Pu (X) scindé sur K. Soit λ une valeur propre de u et e1 un vecteur
propre associé, on construit une base B de E en complétant (e1 ) et la matrice de u dans cette base est de la
 
λ ∗ ... ∗
 
 
0 a11 ... a1,n−1 

forme : M =  . , on a alors Pu (x) = (λ − x) det(A − xIn−1 ), on en déduit que le
.. .. 
 .. . . 
 
0 an−1,1 . . . an−1,n−1
polynôme det(A − xIn−1 ) est scindé sur K, donc l’endomorphisme deF = Vect[e
 2 , . . . , en+1 ] associé à la matrice
λ ∗
A est trigonalisable (HR) : Q−1 AQ = T ce qui entraîne P −1 M P =   matrice triangulaire en prenant
O T
 
1 O
P = , ce qui signifie que dans une certaine base (avec P comme matrice de passage) la matrice de
O Q
u est une matrice triangulaire. ¤

Lorsque K = C, tout endomorphisme est trigonalisable.

En s’inspirant de la démonstration du théorème ci-dessus [récurrence sur n], on peut établir le
résultat suivant :

I théorème 28.10

u ∈ L (E) est diagonalisable ssi Pu (X) est scindé sur K et la dimension de chaque sous-espace
propre est égale à la multiplicité de la valeur propre correspondante. C’est à dire :

∏
p
Pu (X) = (λi − X)mi et dim [ker(u − λi id)] = mi .
i=1

La dimension d’un sous-espace propre est toujours inférieure ou égal à la multiplicité de la valeur
propre associée.
Dans la pratique, un endomorphisme est diagonalisable ssi la somme des dimensions des sous-espaces
propres est égale à la dimension de l’espace.
X Exemple(s):
(i) Un endomorphisme u non nul et nilpotent (∃p ∈ N∗ , up = 0) est trigonalisable mais non diagonali-
sable.
(ii) Soit u : K2 → K2 définie par u(x, y) = (3x + y; −4x − y), le polynôme caractéristique de u est
Pu (X) = (X − 1)2 , 1 est la seule valeur propre mais u 6= id donc u n’est pas diagonalisable, par
contre u est trigonalisable, un vecteur propre 
associé à1 est e1 = (−1; 2), prenons e2 = (0; 1) alors
1 −1
B0 = (e1 , e2 ) est une base de K2 et mat (u) =  .
B0
0 1

[MPSI Lycée Guez De Balzac]

 Réduction d’une matrice carrée. Applications 319

III) Réduction d’une matrice carrée. Applications

1) Éléments propres d’une matrice carrée
N Définition 28.5
Soit A ∈ Mn (K) et uA l’endomorphisme de Kn canoniquement associé à A.
– On dit que λ ∈ K est valeur propre de A lorsque λ est valeur propre de uA , on note Sp(A) =
Sp(uA ) (spectre de A).
– On dit que X ∈ Mn,1 (K) est un vecteur propre de A associé à la valeur propre λ ssi X est non
nul et AX = λX.
– Le sous-espace propre de A associé à la valeur propre λ est Eλ (A) = {X ∈ Mn,1 (K) / AX = λX}.

Remarques :
– En identifiant Mn,1 (K) et Kn , les vecteurs propres de A sont les vecteurs propres de uA [idem
avec les sous-espaces propres ].
– On a les mêmes propriétés que pour les éléments propres d’un endomorphisme.
– Si u ∈ L (E) avec E un K-espace de dimension n, si A est la matrice de u dans une base B de
E, alors Sp(u) = Sp(A) et : x ∈ Eλ (u) ⇐⇒ CoordB(x) ∈ Eλ (A).
– On a les équivalences :
λ ∈ Sp(A) ⇐⇒ AX = λX a des solutions X non nulles
⇐⇒ A − λIn est non inversible
⇐⇒ det(A − λIn ) = 0.
N Définition 28.6
La fonction polynomiale : x 7→ det(A−xIn ) est appelée polynôme caractéristique de A et notée PA (X).

Remarque : Si u ∈ L (E) avec E un K-espace de dimension n, si A est la matrice de u dans une

base B de E, alors Pu (X) = PA (X). On retrouve donc les mêmes propriétés que pour le polynôme
caractéristique d’un endomorphisme. En particulier :
– Deux matrices semblables ont le même polynôme caractéristique.
– λ est valeur propre de A ssi PA (λ) = 0.
– PA (X) = (−1)n X n + (−1)n−1 tr(A)X n−1 + . . . + det(A).
– Le polynôme PA (X) annule la matrice A [théorème de Cayley-Hamilton].
– Une matrice et sa transposée ont le même polynôme caractéristique car t[A − xIn ] = t(A) − xIn
[et deux matrices transposées ont le même déterminant].

2) Réduction d’une matrice carrée

N Définition 28.7
Soit A ∈ Mn (K), on dit que :
– A est diagonalisable, ssi A est semblable à une matrice D diagonale, i.e. :
∃P ∈ GLn (K), P −1 AP = D.
– A est trigonalisable, ssi A est semblable à une matrice T triangulaire, i.e. :
∃P ∈ GLn (K), P −1 AP = T.

Remarque : Si u ∈ L (E) avec E un K-espace de dimension n, si A est la matrice de u dans une

base B de E, alors A est diagonalisable ssi u est diagonalisable [idem avec trigonalisable]. On retrouve
donc les mêmes propriétés que pour la réduction des endomorphismes. En particulier :
– A est diagonalisable ssi il existe un polynôme annulateur de A (non nul), scindé sur K et à
racines simples.
– A est diagonalisable ssi la somme des dimensions des sous-espaces propres est égale à la taille
de A.
– A est trigonalisable ssi le polynôme caractéristique de A est scindé sur K.

[MPSI Lycée Guez De Balzac]

Réduction d’une matrice carrée. Applications 320

3) Applications
∗ Calcul de la puissance n-ième d’une matrice :
Si A ∈ Mn (K) est diagonalisable alors il existe P ∈ GLn (K) telle que P −1 AP = diag(λ1 ; . . . , λn )
d’où Ap = P diag(λp1 , . . . , λpn )P −1 .
X Exemple(s):   


 u
 n+1
= 2u n + vn + w n

2 1 1

 
(i) Déterminer les suites réelles vérifiant : vn+1 = un + 2vn + wn , en posant A = 1 2 1,

  

 w
n+1 = u n + vn + 2wn 1 1 2
 
u
 n
 
et Xn =  vn , on a Xn+1 = AXn , d’où Xn = An X0 . On est ramené à déterminer An . On
 
wn
   
1 1
   
   
voit que AX1 = 4X1 avec X1 = 1, que AX2 = X2 avec X2 = −1 et AX3 = X3 avec
   
1 0
   
0 1 1 0
   
   
X3 =  1  donc A est diagonalisable et P −1 AP = diag(4, 1, 1) avec P = 1 −1 1  d’où
   
−1 1 0 −1
 
4n + 2 4n − 1 4n − 1
 
 
An = P diag(4n , 1, 1)P −1 = 13 4n − 1 4n + 2 4n − 1. en déduit ensuite les expressions.
 
4n − 1 4n − 1 4n + 2

∗ Résolution de systèmes différentiels linéaires :

X Exemple(s): 

 x0 = 4x − 3z


(i) Déterminer les fonctions x, y, z C ∞
sur R telles que y 0
= x − y + z . On a X 0 = AX en posant



 z0
= 2x − y
     
x 4 0 −3 1
     
     
X = y  et A = 1 −1 1 . On voit que AU1 = U1 avec U1 = 1, on a E1 (A) = Vect[U1 ],
     
z 2 −1 0 1
la somme des deux autres valeurs propres vaut S = 2 et le produit P = 1, donc elles sont égales
 à
0
 
 
1 (i.e. PA (X) = (1 − X)3 ). On en déduit que A est seulement trigonalisable, si on pose U2 = 2,
 
1
       
0 1 0 0 1 −3 0 a
       
    −1   −1  
U3 = 1 et P = 1 2 1, alors P AP = 0 1 −1 = T . Avec Y = P X =  b 
       
0 1 1 0 0 0 1 c


 a = (α − 3βt + 32 γt2 )et


l’équation devient Y 0 = T Y , on obtient b = (β − γt)et , les solutions du système



 c = γet
initial sont ensuite données par la relation X = P Y .
∗ Résolution d’équations matricielles :
X Exemple(s):

[MPSI Lycée Guez De Balzac]

Réduction d’une matrice carrée. Applications 321

 
6 −1 −1
 
 
(i) Résoudre l’équation V 2 = A avec A =  2 3 −1. Les valeurs propres de A sont 4 et 6 avec
 
−2 1 5
     
1 0 1
     
     
E4 (A) = Vect[U1 , U2 ] où U1 = 1 et U2 = −1, E6 (A) = Vect[U3 ] où U3 =  1 . On en
     
1 1 −1
   
1 0 1 4 0 0
   
   
déduit que A est diagonalisable, soit P = 1 −1 1 , on a P −1 AP = D = 0 4 0 = Y 2
   
1 1 −1 0 0 6
en posant Y = P −1 V P . La matrice V est diagonalisable car le polynôme (X 2 − 4)(X 2 − 6) annule
V et il est scindé à racines simples. Les s.e.v. E4 (A) et E6 (A) «sont stables par V », donc U3
√ B 0
est un vecteur propre de V associé à ± 3 et Y =  √  avec B = 4I2 ce qui donne
2
0 ± 3
   
a b ±2 0
B=  avec a2 + bc = 4, ou bien B =  , on en déduit les solutions pour V avec
c −a 0 ±2
la relation V = P Y P −1 .

[MPSI Lycée Guez De Balzac]