-REDUCTION DES ENDOMORPHISMES-

1 VALEURS PROPRES - VECTEURS PROPRES -

DIAGONALISATION

Introduction
Question: L’espace vectoriel E étant de dimension …nie n; quels sont les
endomorphismes de E pour lesquels il existe une base de E dans laquelle la
matrice est diagonale?
Si u est un tel endomorphisme, alors il existera une base B = (x1 ; x2 ; :::; xn )
de E telle que matB (u) est une matrice diagonale donc de la forme

u(x1 ) u(xn )
0 1
1 0 x1
B .. C .. :
D = @ ... ..
. . A .
0 n xn

Par suite, on aura: u (xi ) = i xi ; 1 i n:

Décider d’une réponse favorable ou non à u 2 L (E) passe donc par la
recherche de scalaires et de vecteurs non nuls x tels que u(x) = x:

Dans ce chapitre, u est un endomorphisme de E:

1.1 Valeurs propres-Vecteurs propres

1.1.1 Valeur propre
Dé…nition 4.1 : Un élément de | est dit une valeur propre de u s’il existe
un vecteur x 6= 0E de E tel que u (x) = x:
L’ensemble des valeurs propres de u est appelé le spectre de u et noté
Sp (u) :

1.1.2 Vecteur propre

Dé…nition 4.2 : Un vecteur x 6= 0 de E véri…ant u (x) = x avec 2|
est dit un vecteur propre de u:
On dit que x est associé à la valeur propre et vice versa.

1
 Remarque 4.1 : a) à un vecteur propre x de E est associé une unique
valeur propre: en e¤et si sont des valeurs propres de u associées à x;
alors on aura: u(x) = x et u(x) = x; d’où x = x puis ( ) x = 0 =)
= 0 puisque x 6= 0E d’où le résultat.
Mais à une valeur propre de u est associé une in…nité de vecteurs pro-
pres. En e¤et soit une valeur propre de u et x un vecteur propre associée
à : Alors 8 2 |; 6= 0; on a x 6= 0 et:
u( x) = u(x) = x = ( x); donc x est un vecteur propre de u
associé à :
b) l’égalité u (x) = x () u (x) x = 0E ()
u (x) IdE (x) = 0E () (u IdE ) (x) = 0E () x 2 ker(u IdE ):
Donc un élément de | est une valeur propre de u si et seulement si
ker (u IdE ) 6= f0E g

1.1.3 Sous espace propre

Dé…nition 4.3 : Soit 2 Sp (u) : Le sous espace propre de u associé à
est:
E = fx 2 E; u (x) = xg = ker (u IdE ) :

8 2 Sp (u) ; E est un sous espace vectoriel de E non réduit à f0g : Il est

constitué de tous les vecteurs propres de u associés à et du vecteur nul. .

Remarque 4.2 à un vecteur propre x de u est associé une unique valeur

propre; à une valeur propre de u est associé un unique sous espace propre,
et à un sous espace propre de u est associé une unique valeur propre

Théorème 4.1: soient u 2 L (E) ; 1 ; :::; p des valeurs propres de u

deux à deux distinctes; alors la somme E 1 +E 2 + :::: + E p est directe.

Preuve
Par recurrence sur p:
Pour p = 2; il s’agit de montrer que E 1 \ E 2 = f0g :
x 2 E 1 \ E 2 =) u (x) = 1 x et u (x) = 2 x; d’où ( 1 2 ) x = 0 donc
x = 0; car 1 6= 2 donc E 1 \ E 2 = f0g :
Soit p 3; supposons l’assertion véri…ée au rang p 1: La somme F =
E 1 +:::+E p 1 est alors directe. Donc il su¢ t de montrer que F \E p = f0g :
x 2 F =) x = x1 + : : : + xp 1 avec xi 2 E i ; i = 1; : : : ; p 1; d’où u (x) =
1 x1 +: : :+ p 1 xp 1 ; x 2 E p =) u (x) = p x = p x1 +: : :+ p xp 1 . Comme

2
la somme E 1 + : : : + E p 1 est directe, on a i xi = p xi =) ( i p ) x2 = 0
i = 1; : : : ; p 1 d’où xi = 0 car i 6= p donc x = 0 d’où le résultat.

Corollaire 1 : Une famille de p vecteurs propres associés resp à p-

valeurs propres distinctes est libre.

Corollaire 2 : Un endomorphisme d’un espace vectoriel de dimension n

possède au plus n valeurs propres

Exemple 4.1
* Soit p un projecteur de E (c’est-à-dire p 2 LK (E) avec pop = p) avec
p 6= 0 et p 6= IdE ; alors Sp (p) = f0; 1g
En e¤et, on véri…e que ker (p IdE ) = Im (p) 6= f0g car p 6= 0 d’où
1 2 Sp (p) de même p 6= IdE =) 9x 2 E tel que p (x) 6= x d’où p (x) x 6= 0
alors que p [p (x) x] = 0; par suite, ker p 6= (0) d’où 0 2 Sp (u) : En outre
on a 8x 2 E; x = p (x) + x p (x) avec p (x) 2 Im (p) = E1 et x p (x) 2
ker p = E0: On a donc E = E0 + E1 et en vertu du théorème 1 il n’y a plus
d’autres valeurs propres de p:
* Soit s une involution de E (s 2 LK (E) avec s2 = IdE ) avec s 6= IdE
alors un raisonnement similaire à ce qui précède montre que Sp (s) = f 1; 1g :

1.2 Polynôme caractéristique

Dans toute la suite E est de dimension …nie n sur |.

Soient A = (aij )1 i;j n la matrice de u dans une base quelconque B de E

et In la matrice unité d’ordre n: Alors matB (u IdE ) = A In : Elle est
obtenue en ajoutant à chaque élément de la diagonale de A:
Soit 2 K: 2 Sp (u) () ker (u IdE ) 6= f0g () det (u IdE ) =
0 () det (A In ) = 0:

Proposition 4.1 et dé…nition

a11 X a12 a1 n
a21 a22 X a2 n
L’expression det (u XIn ) = .. .. .. est un
. . .
an1 an2 ann X
polynôme en X de degré n indépendante de la base B choisie appelé le

3
polynôme caractéristique de u et noté Pu (X) : En outre en posant Pu (X) =
an X n + an 1 X n 1 + + a0 on a

an = ( 1)n ; an 1 = ( 1)n 1
trA ; a0 = det A; a1 = e où A
trA e = t ComA

Preuve
D’après les règles de calcul d’un déterminant, dans le calcul de
a11 X a12 a1 n
a21 a22 X a2 n
.. .. .. ne sont utilisées que des sommes et
. . .
an1 an2 ann X
des produits de coe¢ cients; donc
Pu (X) est un polynôme en X dont les termes des deux plus haut degrés
sont issus du produit des coe¢ cients de la diagonale
(a11 X) (a22 X) (ann X) = ( 1)n X n +( 1)n 1 (a11 + + ann ) X n 1 +
+ et dont le terme constant est Pu (0): Il en résulte que:
n n 1
X n
an = ( 1) ; an 1 = ( 1) aii = ( 1)n 1 trA; D’autre part, on a:
i=1
a0 = Pu (0) = det A
Pour le calcul de a1 ; supposons d’abord A est inversible.
On a AA e = jAj In d’où jAj Ae = jAjn puis A e = jAjn 1 : Il vient:

jAjn 1
PA (X) = A e jA
e PA (X) = A e (A
XIn j = A XIn ) = jAj In e =
XA
( X)n A e jAj In = ( 1)n X n P e jAj Par suite PA (X) = ( 1)n 1n 1 X n P e jAj
X A X jAj A X
( ):
L’égalité ( ) est une égalité de deux polynômes Sachant que le coe¢ cient
de X n 1 dans PAe(X) est égal à ( 1)n 1 trA;e alors ( ) se traduit au degré 1
par :
n 1
a1 X = ( 1)n 1n 1 X n ( 1)n 1 trA e jAj d’où a1 = trA: e
jAj X
Maintenant dans l’espace vectoriel normé complet Mn (|) (voir la norme
sur Mn (|) au paragraphe 3) les applications A 7 ! jAj ; A 7 ! trA et
A7 !A e sont continues car ce sont des fonctions polynômes des coe¢ cients
de A; et on véri…e que GLn (|) est dense dans Mn (|) (utiliser la fonction
continue A 7 ! jAj): Alors la formule a1 = trA e s’étend par continuité à
Mn (|) tout entier.
Pour le reste, Pu (X) étant égal à det (u IdE ) ; est indépendant de la
base choisie car le déterminant d’un endomorphisme est indépendant de la
base choisie.
On déduit de ce qui précède le résultat suivant.

4
 Théorème 4.2 : Soient u un endomorphisme d’un |- espace vectoriel
de dimension …nie E et Pu (X) son polynôme caractéristique. Alors 8 2 |;
valeur propre de u () Pu ( ) = 0:
En d’autres termes, les valeurs propres de u sont les racines dans | de
son polynôme caractéristique.

Corollaire
Le déterminant de u est égal au produit des racines (distinctes ou non)
de Pu (X)
En particulier si Pu (X) a toutes ses racines dans |; alors le déterminant
de u est égale au produit des valeurs propres (distinctes ou non) de u.
La trace de u est égal à la somme des racines (distinctes ou non) de
Pu (X)
En particulier si Pu (X) a toutes ses racines dans |; alors la trace de u
est égale à la somme des valeurs propres (distinctes ou non) de u.

Dé…nition 4.4 : L’ordre de multiplicité de la racine dans Pu (X) est

appelé la multiplicité de la valeur propre et notée m .
est dite valeur propre simple (resp multiple) s’il est racine simple (resp
multiple) de Pu (X)

Remarque 4.3 : Comme il existe une bijection naturelle entre L (E) et

Mn (|) ; on dé…nit également les valeurs propres, les vecteurs propres, les sous
espaces propres et le polynôme caractéristique d’une matrice A de Mn (|)
comme étant les valeurs propres, les vecteurs propres, les sous espaces propres
et le polynôme caractéristique de l’endomorphisme de |n canoniquement
associé à A: La même remarque reste valable pour les dé…nitions ultérieures
relatives à une matrice carré d’ordre n et à un endomorphisme de E:
Ainsi Sp (A) ; PA (X) désignent respectivement le spectre de A (c’est-à-
dire l’ensemble des valeurs propres de A) et le polynôme caractéristique de
A.
Une conséquense de ces dé…nition est le résultat suivant:

A est inversible si et seulement si 0 2

= Sp(A) :

En e¤et, 0 valeur propre de A () PA (0) = 0 () det(A 0In ) = 0 ()

det(A) = 0 () A n’est pas inversible

Gâce aux dé…nitions qui précèdent on obtient auss l’équivalent de la

proposition 1 pour les matrices.

5
 Proposition 4. 2 : Deux matrices semblables ont le même polynôme
caractéristique et donc les mêmes valeurs propres.

1.3 Détermination des sous espaces propres

Soient A = (aij ) 2 Mn (K) ; 2 Sp (A) et E le sous espace propre de A
associé à : 0 1
x1
B C
Si X = @ ... A est la matrice colonne d’un vecteur x de |n alors x 2
xn
E () (A In ) X = 0
0 10 1 0 1
a11 ::: a1 n x1 0
B .
.. .
.. C B . C B . C
x 2 E () @ A @ .. A = @ .. A
an1 : : : ann xn 0

qui est un système d’équation à n inconnues de rang 6= n

car la matrice associée à ce système est A In et on a det (A In ) = 0;
et qui dé…nit E :
On en déduit aussi le résultat suivant:

Proposition 4.3 : Soient A 2 Mn (|), 2 Sp (A) et E le sous espace

propre de A associé à ; alors on a:

dim E = n rg(A In )

Exemple04.2 1
0 1 1
Soit A = @ 1 0 1 A 2 M3 (R) : Déterminer les valeurs propres de A et
1 1 0
les sous espaces propres associés.
X 1 1 X +2 1 1
C1 C1 +C2 +C3
* PA (X) = det (A XI3 ) = 1 X 1 _________
X +2 X 1
1 1 X ______________ X +2 1 X
1 1 1 1 1 1
L2 L2 L1
= ( X + 2) 1 X 1 L3 L3 L1
( X + 2) 0 1 + X 0
1 1 X _ __________
___________
0 0 1 + X
PA (X) = ( X + 2) (X + 1)2
Sp (A) = f2; 1g avec m2 = 1 et m 1 =2

6
 * Déterminons
0 1 E2 : 0 10 1
x1 2 1 1 x1
x = @ x2 A 2 E2 () (A 2I) x = 0 , @ 1 2 1 A @ x2 A =
0 1 x3 1 1 2 x3
0
@ 0 A
0 8
< 2x1 + x2 + x3 = 0 L1 + 2L2 =) 3x2 + 3x3 = 0 =) x2 = x3
, x1 2x2 + x3 = 0
:
x1 + x20 2x31 = 00 L11 L3 =) 3x10 + 3x13 = 0 =) x1 = x3
x3 1 * 1 +
Par suite x = @ x3 A = x3 @ A
1 ; donc E2 = @ 1 A
x3 1 1
* Déterminons
0 1 E 1: 0 10 1
x1 1 1 1 x1
x = @ x2 A 2 E 1 () (A + I) x = 0 , @ 1 1 1 A @ x2 A = 0
x3 1 1 1 x3
Système réduit0à l’équation1unique 0 + x2 =00 d’où1x3 = x1 x2
x1 + x21
x1 1 0
Par suite x = @ x2 A = x1 @ 0 A + x2 @ 1 A et donc
x1 x2 1 1
*0 1 1 0 0 1+
E 1 = @ 0 A;@ 1 A
1 1

1.4 Diagonalisation
Dé…nition 4.5 u 2 L (E) est dite diagonalisable s’il existe une base de E
dans laquelle la matrice de u est diagonale.
* D’après l’introduction, Il est équivalent de dire que u est diagonalisable
s’il existe une base de E constituée de vecteurs propres de u.
Une telle base est alors appelée une base spectrale de E liée à u:

* Si M est la matrice de u dans une autre base de E et P la matrice de

passage de cette base à B on a
D = P 1 M P on encore M = P DP 1
D’où la dé…nition équivalente pour les matrices :

Dé…nition 4.6 : Une matrice A de Mn (|) est dite diagonalisable si elle

est semblable à une matrice diagonale.

7
 Si A est diagonalisable avec A = P DP 1 où P inversible et D diagonale,
alors D est appelée une réduite diagonale de A:
0 1
1 0
B C
* On a D = @ ... . . . ... A où les i sont les valeurs propres (distinctes
0 n
ou non) de A et P la matrice
de passage de la base canonique de |n à une base B = (bi )i=1;:::;n constituée
de vecteurs propres de A avec 8i = 1; : : : ; n; bi associé à i :

Remarques 4.4
1 Deux réduites diagonales d’une même matrice A di¤èrent par une per-
mutation des colonnes. C’est sous réserve de cette permutation qu’on parle
souvent de la réduite diagonale de A:
2 D’après ce qui précède, si A 2 Mn (|) est diagonalisable avec A =
P DP 1 avec D diagonale, alors les éléments de la diagonale de D sont les
valeurs propres de A; les vecteurs colonnes de P sont des vecteurs propres
de A: Le rang de chaque colonne de P est celui de la colonne dans D de la
valeur propre associée.Cet ordre est appelé l’ordre paritaire de P et de D
(ou l’ordre paritaire de B et de D; B étant la base formée par les vecteurs
colonnes de P ):

Théorème 4.3 : Soit u 2 L (E) ayant p valeurs propres distinctes

1 ; : : : ; p : alors u est diagonalisable si et seulement si E = E 1 : : : E p:
En d’autres termes u est diagonalisable si et seulement si E est somme
directe des sous espaces propres de u:

Preuve

Supposons u diagonalisable et soit B une base de E formée de vecteurs

propres de u: 8i = 1; : : : ; p, soit Bi l’ensemble des vecteurs de B associés à i
et Ei = hBi i. Comme B est une base de E et que les Bi forment une partition
de B, on a : E = E1 Ep : Alors, du fait que Ei E i et que la somme
des E i est directe on a : E = E 1 : : : E p . Réciproquement, supposons S
E = E 1 : : : E p . Soit 8i = 1; : : : ; p; Bi une base de E i : alors B = Bi
1 i p
est une base de E formée de vecteurs propres de u d’où le résultat.

Dé…nition 4.7: Un polynôme P (X) 2 | [X] de degré r est dit scindé

dans | [X] ou scindé sur | s’il est produit de r polynômes de degré 1 de
| [X] ; c.à.d. s’il admet r racines (distinctes ou non) dans |: Il est dit scindé

8
simple dans | [X] s’il admet r racines distinctes (donc toutes simples) dans
|:

Théorème 4.4 : Soit u 2 L (E) : Alors u diagonalisable () Pu (X) est

scindé dans | [X] et pour chaque valeur propre de u, dim E = m

Preuve
Supposons u diagonalisable et soit B une base de vecteurs propres de u:
Soient 1 ; : : : ; p les valeurs propres de u auquelles sont associés les éléments
de B.8i = 1; : : : ; p; soit Bi l’ensemble des éléments de B associés à i et ri =
card (Bi ). Du fait que les Bi forment une partition de B; on a : r1 + +rp = n
et Pu (X) = ( 1)n (X r1
1 ) : : : (X
rp
p ) : Les racines de Pu (X) sont donc
1 ; : : : ; p qui sont tous dans | et en vertu de la preuve du théorème 4.3, on
a dim E i = ri = m i .
Réciproquement, supposons que Pu (X) a toutes ses racines dans | avec
8i; dim E i = ri = m i ; alors on a r1 +:::::::::+rp = n et en vertu du théorème
4.1, la somme E 1 + : : : + E p est directe et donc dim E 1 + : : : + E p =
r1 + :::::::::: + rp = n: On en déduit que E = E 1 : : : E p et en vertu du
théorème 4.3, u est diagonalisable.

Remarque 4.5: On déduit de ce qui précède que :

8 2 Sp (u) on a 1 dim E m .

En particulier si m = 1 alors on a dim E = m = 1: Par suite dans

l’application du théorème 4.4, on n’étudie que le cas des valeurs propres
multiples.

Corollaire : Si Pu (X) admet n racines distinctes dans | (ou de façon

équivalente si u admet n valeurs propres distinctes) alors u est diagonalis-
able.

On démontre (algèbre bilinéaire) et nous l’admettons :

Théorème 4.5 : Toute matrice symétrique réelle est diagonalisable.

Exemple 4.3
Dans l’exemple 4.1 si p est un projecteur avec p 6= 0 et p 6= IdE alors
Sp (p) = f0; 1g et E = E0 E1 : Donc tout projecteur est diagonalisable
de même si s est une symétrie non triviale, on a Sp (s) = f 1; 1g et E =
E 1 E1 Donc toute symétrie est diagonalisable.

9
 Dans l’exemple 4.2 on a Sp (A) = f2; 1g avec 1 est la seule valeur
propre multiple de A: On a m( 1) = 2 = dim E 1 donc A est diagonalis-
able.(On aurait même pu remarquer que A est une matrice symétrique réelle
donc diagonalisable).

Exercice0 1
1 0 1
Soit A = @ 8 3 7 A : Déterminer les valeurs propres et les vecteurs
4 2 3
propres de A et dire si A est diagonalisable (raisonner dans R et dans C).

2 TRIGONALISATION
2.1 Matrice trigonalisable
Dé…nition 4.8
- Une matrice A de Mn (|) est dite trigonalisable si elle est semblable à
une matrice triangulaire T
- De même u 2 L (E) est trigonalisable s’il existe une base de E dans
laquelle la matrice de u est triangulaire.
- Trigonaliser A (ou u) c’est trouver une telle matrice et une telle base
(ou une matrice de passage).

Dans la suite nous supposons T triangulaire supérieure (ceci n’est pas

une restriction car en transposant T on obtient une matrice triangulaire in-
férieure).
une matrice triangulaire supérieure T semblabla à A est appelée une ré-
duite triangulaire de A:

Proposition 4.4: Soit A une matrice trigonalisable semblable à une ma-

trice triangulaire T: Alors les éléments de la diagonale de T sont les valeurs
propres de A:

Preuve
a11 a12 a1n
0 a22 a2n
En e¤et, posons T = .. ... .. ; on a
. .
0 0 ann

10
 a11 X a12 a1n
0 a22 X a2n
PA (X) = PT (X) = .. ... ..
. .
0 0 ann X
= (a11 X) (a22 X) :::::::: (ann X) d’où le résultat

Théorème 4.6 : u 2 L (E) est trigonalisable si et seulement si Pu (X)

est scindé dans | [X], c-à-d si Pu (X) a toutes ses racines dans |:

Preuve
La condition nécessaire découle de la proposition 4:4:
Montrons la condition su¢ sante par recurrence sur n = dim E
L’assertion est triviale pour n = 1
Soit n 2; supposons l’assertion véri…ée au rang n 1
Soit 1 une racine de Pu (X) : Par hypothèse 1 2 | c’est donc une valeur
propre de u et soit x1 un vecteur propre associé à 1: Soit F = |x1 et soit
C un supplémentaire de F dans E. C est un sous espace vectoriel de E de
dimension n 1 et on a 8y 2 E; y = z + ax1 (1) avec z 2 C et a 2 |: En
outre en posant z = v (y) alors v est une application linéaire de E dans C
(c’est le projecteur sur C parallèlement à F ). 8x 2 E; en appliquant (1) à
y = u (x) on obtient u (x) = v u (x) + ax1
Alors v u jC 2 L (C) et Pu (X) = (X 1 )Pv ujC (X); donc Pv ujC (X) aussi
est scindé sur |:Alors d’après l’hypothèse de recurrence, il existe une base
B = (x2 ; :::; xn ) de C
0 dans laquelle 1 la matrice de v u jC est une matrice triangulaire T =
a22 a2n
B .. . . .. C
@ . . . A
0 ann
B = (x1 ; x2 ; : : : ; xn ) est une base de E et on a
u (x1 ) = 1 x1
u (x2 ) = 2 x1 + vou (x2 )
.......................................
u (xn ) = n x1 + vou (xn )
d’où la 0 matrice de u dans la 1base B 0 est
1 2 n
B 0 a22 a2n C
B C
T0 = B .. .. .. C qui est triangulaire.
@ . . . A
0 0 ann

Corollaire : Toute matrice à coe¢ cients dans C est trigonalisable.

11
2.2 Trigonalisation
Pratiquement, la trigonalisation, comme la diagonalisation commence par la
recherche des valeurs propres et des sous espaces propres.
Soit donc une matrice A 2 Mn (|) trigonalisable. On a donc A = P T P 1
avec T triangulaire supérieure et P inversible. Il s’agit de déterminer le
couple (T; P ) On détermine d’abord les valeurs propres et les sous espaces
propre de A: D’après la prop 4.4, les éléments de la diagonale de T sont les
valeurs propres de A: Les éléments de T au dessus de la diagonale sont des
inconnes à déterminer. Si f est l’endomorphisme canoniquement associé à
A; B la base canonique de |n et B 0 une base de |n associée à T; alors on a:
matB (f ) = A; matB0 (f ) = T ; P = PBB0 : Donc les colonnes de P sont les
mcc dans B des vecteurs de B 0 (toujours avec respect de l’ordre paritaire).
Pour les valeurs propres de A telles que dim E( ) = m( ) on choisit
comme sous famille de B 0 associée à une base quelconque de E( ) : Pour
les valeurs propres de A telles que dim E( ) 6= m( ) ; la sous famille de
B 0 associée à est constituée des vecteurs d’une base queconque de E( )
complètée par des vecteurs non propres, si possibles des vecteurs de la base
canonique de |n :

En pratique il y a plus de chance de trouver des vecteurs de la base canon-

ique de |n qui complètent les vecteurs propres si on range sur les colonnes
de T; les valeurs propres de sorte que dans la matrice de passage P; le nom-
bre de colonnes qui complètent les colonnes des vecteurs propres par famille
associée croisse de famille en famille c.à.d par ordre croissant des entiers
k =m dim E :

On détermine alors les vecteurs non propres de B 0 et les éléments au dessus

de la diagonale de T en utilisant judicieusement l’égalité matB0 (f ) = T:

Remarque 4.6 : La méthode de trigonalisation décrite ci-dessus donne

une in…nité de solutions pour le couple (T; P )

Exemple
0 4.4 : Trigonaliser
1 la matrice
1 3 4
A=@ 4 7 8 A
6 7 7
1 X 3 4
on a PA (X) = 4 7 X 8
6 7 7 X
2
on trouve PA (X) = (X + 1) (3 X)

12
 Sp (A) 8
=0f 1; 3g
1 avec m ( 1) = 20et m (3)
1 =0 1 19
< x1 x1 0 =
E 1 = @ x2 A 2 R3 (A + I3 ) @ x2 A = @ 0 A donc E1 est dé…nie
: ;
x3 x3 0
par 8
le système
< 2x1 3x2 + 4x3 = 0
4x1 6x2 + 8x3 = 0
:
6x1 7x2 + 8x3 = 0
*0 1 +
1

on obtient x2 = 2x1 et x3 = x1 d’où E 1 = @ 2 A

80 1 0 1 0 119
< x1 x1 0 =
E3 = @ x2 A 3
2 R (A I3 ) x2 @ A = @ 0 A dé…nie par
: ;
x3
8 x3 0
< 2x1 3x2 + 4x3 = 0
le système 4x1 10x2 + 8x3 = 0 on trouve x2 = x3 = 2 x1 d’où
:
0 1 6x1 7x2 + 4x3 = 0
* 1 +
E3 = @ 2 A
2
A n’est pas diagonalisable car m ( 1) = 2 6= dim E 1 mais A est trigo-
nalisable dans R car PA (X)0 est scindé sur
1R on a
3 a b
A = P T P 1 avec T = @ 0 1 c A
0 0 1
La base associée à P est constituée des vecteurs bases de E 1 et E3 c’est-
à-dire 0 1 0 1
1 1
u1 = @ A
2 ; u2 = @ 2 A et d’un 3è vecteur choisi en priorité si possible
2 1
parmi les vecteurs de la base canonique B = (e1 ; e2 ; e3 ) de R3 : B 0 = (u1 ; u2 ; e1 )
1 1 1
3 0
est une base de R car det B = 2 2 0 = 2 6= 0
0 2 1 01
1 1 1
donc on peut tenter P = @ 2 2 0 A
2 1 0
Pour le calcul de a; b et c; en désignant par f l’endomorphisme de R3
canoniquement associé à A, on a :

13
 f (u ) f (u2 ) f (e1 )
0 1 1
3 a b u1
matB (f ) = A; matB0 (f ) = T = @ 0 1 c A u2
0 0 1 e1
f (u2 ) = au1 u2 ; mais comme u2 2 E( 1) ; alors f (u2 ) = u2 d’où a = 0:
f (e1 ) = bu1 + cu2 e1 (base B 0 )
= e10+ 4e1 1 B)0 1 0 1
2 + 6e30(base
1 1 1 1
@
Il vient : b 2 A +c 2@ A @ 0 A = @ 4 A d’où le système
8 2 1 0 6 0 1
< b+c 1 = 1 3 0 4
2b + 2c = 4 on trouve a = 4 ; b = 2 d’où T = @ 0 1 2 A
:
2b + c = 6 0 0 1

3 POLYNOME D’ENDOMORPHISME

Dans ce qui suit, u 2 L avec u 6= 0; A 2 Mn (|); A 6= 0 sont …xés.

3.1 Resultats de base

on pose : u0 = IdE et 8k 2 N ; uk = u uk 1
Pr
8P = ak X k 2 | [X] ; on pose:
k=0
P
r
P (u) = ak uk = a0 IdE + a1 u + ::::: + ar ur : P (u) 2 $ (E)
k=0
Pr
P (A) = ak Ak = a0 I + a1 A + ::: + ar Ar (I est la matrice unité de
k=0
Mn (|)). P (A) 2 Mn (|)
Dé…nition 4.9 : Soit u 2 L (E) : Un polynôme de u est un endomor-
phisme f = P (u) où P 2 | [X] : Dé…nition similaire pour un polynôme de
matrice.

N.B Si E est de dimension …nie n, alors du fait de la correspondance

naturelle entre L (E) et Mn (|); tout résultat ou toute dé…nition relatif aux
endomorphismes de E a son équivalent naturel pour les matrices (et vice
versa) qui ne sera pas toujours énoncé dans ce cours

14
 Algèbre sur un corps commutatif
* Soit | un corps commutatif; une |-algèbre est un objet (A; +; ; ) où
(A; +; ) est un anneau unitaire (non necessairement commutatif) et (A; +; )
est un |-espace vectoriel véri…ant:
8a; b 2 A; 8 2 |; (a b) = ( a) b = a ( b)

Exemple 4.5: | [x] ; L (E) et Mn (|) munis de leurs lois usuelles sont
des |-algèbres.

Sous algèbre
Soit (A; +; ; ) une |-algèbre; F A est dit une sous algèbre de A si F
est un sous anneau et un sous espace vectoriel de A c.à.d si:
1A 2 F et 8x; y 2 F; 8 2 |; x + y 2 F; x y 2 F et x 2 F:

morphisme d’algèbre
* Soit A et B des |-algèbres; un morphisme d’algèbre est une application
f : A ! B qui est linéaire et qui est un morphisme d’anneau c.à.d qui
véri…e:8x; y 2 A; 8 2 | :
- ; f (x + y) = f (x) + f (y);
- f (x y) = f (x) f (y)
- f ( x) = f (x)
- f (1A ) = 1B ;
| [X] ! L (E)
Théorème 4.7: L’application: u est un mor-
P 7 ! P (u)
phisme d’algèbre, c.à.d qu’on a:
u (1) = IdE et 8P; Q 2 | [X] ; 8 2 | :
u (P + Q) = u (P ) + u (Q) ; u (P Q) = u (P ) u (Q) ; u ( P ) =
u (P ) :

Preuve
P
n P
m
En e¤et 8P; Q 2 | [X] ; 8 2 |; posons P = ai x i ; Q = bj x j
i=0 j=1
u (P + Q) = (P + Q) (u) = P (u) + Q (u) = u (P )!
+ u (Q) !
Pn P
n P
n+m P
u (P ) u (Q) = P (u) Q (u) = ai u i bj uj = ai b j uk
i=0 j=0 k=0 i+j=k
(car u est linéaire) = (P Q) (u) = u (P Q)
u ( P ) = ( P )(u) = P (u) = u (P )
u (1) = 1 (u) = IdE

D’après le théo 4.7, on a 8P; Q 2 | [X], P (u) Q(u) = (P Q)(u) =

(QP )(u) = Q(u) P (u) d’où:

15
 Corollaire:Deux endomorphismes, polynômes d’un même endomorphisme,
commutent
Exercice: Montrer qu’un sous espace vectoriel de E stable par u est
stable par tout endomorphisme polynôme de u:
Théorème 4.8 : Soient P1 ; P2 ; :::; Pr 2 | [X] deux à deux premiers entre
eux ; alors on a:
Yr M
r
ker[( Pi )(u)] = ker[Pi (u)]
i=1 i=1

Preuve
Par recurrence sur r
r = 2: Soient P1 ; P2 2 | [X] premiers entre eux ; montrons que ker[(P1 P2 )(u)] =
ker[P1 (u)] ker[P2 (u)]: 8x 2 ker[P1 (u)]; on a (P1 (u))(x) = 0 ) (P2 (u))[(P1 (u))(x)] =
0 ) (P2 (u) P1 (u))(x) = 0 ) ((P2 P1 )(u))(x) = 0
) ((P1 P2 )(u))(x) = 0 ) x 2 ker[(P1 P2 )(u)]: on a donc ker[P1 (u)]
ker[(P1 P2 )(u)]: On montre de même que ker[P2 (u)] ker[(P1 P2 )(u)]: Il sen-
suit que ker[P1 (u)] + ker[P2 (u)] ker[(P1 P2 )(u)]: Réciproquement, soit
x 2 ker[(P1 P2 )(u)]: D’après l’idendité de Bezout, il existe Q1 ; Q2 2 | [x]
tels que Q1 P1 + Q2 P2 = 1; il s’ensuit que (Q1 P1 + Q2 P2 )(u) = IdE d’où
x = ((Q1 P1 + Q2 P2 )(u))(x) = ((Q1 P1 )(u))(x) + ((Q2 P2 )(u))(x) = x1 + x2
avec x1 = ((Q1 P1 )(u))(x) et x2 = ((Q2 P2 )(u))(x): On a (P2 (u))(x1 ) =
(P2 (u))[((Q1 P1 )(u))(x)] = (P2 (u) (Q1 P1 )(u))(x) = ((P2 Q1 P1 )(u))(x) =
((Q1 P1 P2 )(u))(x)
= (Q1 (u) (P1 P2 )(u))(x) = (Q1 (u))[((P1 P2 )(u))(x)] = 0 car x 2 ker[(P1 P2 )(u)].
Par conséquent, x1 2 ker[P2 (u)]: On montre de même que x2 2 ker[P1 (u)]: On
a donc ker[(P1 P2 )(u)] ker[P1 (u)]+ker[P2 (u)] et en somme ker[(P1 P2 )(u)] =
ker[P1 (u)] + ker[P2 (u)] Il reste à montrer que ker[P1 (u)] \ ker[P2 (u)] = f0g.
Soit x 2 ker[P1 (u)] \ ker[P2 (u)]: D’après ce qui précède, on a x = ((Q1 P1 +
Q2 P2 )(u))(x) = ((Q1 P1 )(u))(x) + ((Q2 P2 )(u))(x)
= (Q1 (u))[(P1 (u))(x)] + (Q2 (u))[(P2 (u))(x)] = 0 d’où le résultat.
On a bien ker[(P1 P2 )(u)] = ker[P1 (u)] ker[P2 (u)]
Supposons l’assertion véri…ée au rang r 1 pour un entier r 3: Soient
P1 ; P2 ; :::; Pr 2 | [x] deux à deux premiers entre eux ; Posons P = P1 P2 :::Pr 1 ;
on a (P; Pr ) = 1: D’après le cas r = 2; on a:
ker[(P Pr )(u)] = ker[P (u)] ker[Pr (u)] (1): D’après l’hypothèse de
M
r 1 Y
r
récurrence, on a: ker[P (u)] = ker[Pi (u)]; d’où (1) ) ker[( Pi )(u)] =
i=1 i=1
M
r
ker[Pi (u)] CQFD
i=1

16
 Corollaire: Soient P1 ; P2 ; :::; Pr 2 | [X] deux à deux premiers entre eux
tels que (P1 P2 :::Pr )(u) = 0 alors on a:
Mr
E= ker[Pi (u)]
i=1

3.2 Polynôme minimal d’un endomorphisme

3.2.1 Polynôme annulateur
Dé…nition 4.10 P 2 | [X] est un polynôme annulateur de u (respA) si
P (u) = 0 (resp P (A) = 0).
On note Ann(u) = fP 2 | [X] ; P (u) = 0g ; l’ensemble des polynômes
annulateurs de u appelé l’annihilateur de u:

Dans toute la suite de ce chapitre, on suppose E de dimension …nie n:

3.2.2 Polynôme minimal

Théorème 4.9 : On suppose E de dimension …nie; alors
mu (u) = 0
9!mu unitaire 2 | [X] tel que
8P 2 | [X] ; P (u) = 0 =) mu divise P

Preuve
Considérons l’application u dé…nie dans le théo 4.7 ; on a: ker ( u ) =
fP 2 | [X] ; P (u) = 0g = Ann(u) . Comme u est un morphime d’anneau,
alors ker ( u )est un ideal de | [X] : En outre on a ker ( u ) 6= (0) : en e¤et
2
E est den dimension …nie o n; donc L (E) est de dimension …nie n : Alors la
2
famille Id; u; u2 ; :::un formée de n2 + 1 élément de L (E) est liée. Donc il
2
existe a0 ; a1 ; :::an2 2 | non tous nuls tels que a0 Id + a1 u + ::: + an2 un = 0:
2
Alors le polynôme P = a0 + a1 X + ::: + an2 X n est un polynôme annulateur
non nul de u:
Comme | [X] est un anneau principal alors ker ( u ) est engendré par un
polynôme unitaire unique mu CQFD

Dé…nition 4.11: Le polynôme mu dé…ni dans le théo 4.9 s’appelle le

polynôme minimal de u:
Par conséquent:
- mu est un polynôme unitaire (c.à.d de coe¢ cient directeur 1)
- mu est un polynôme annulateur de u

17
 - Si P est un polynôme annulateur de u, alors mu divise P:

Théorème 4.10 (Cayley-Hamilton) : Le polynôme caractéristique

PA (X) de A est un polynôme annulateur de A (resp Pu (X) est un polynôme
annulateur de u)

Preuve
Posons PA (X) = a0 +a1 X +:::+an X n ; on a PA (X) = det(A XI); posons
B = t com(A XI); les coe¢ cients de B sont les cofacteurs de A XI; donc
ce sont des polynômes en X de degré n 1 d’où on a:
B = B0 + XB1 + ::: + X n 1 Bn 1 où Bi 2 Mn (|); pour i = 0; n 1: Par
ailleurs B étant l’adjoint classique de A XI; on a:
X
n 1
B(A XI) = det(A XI)I = PA (X)I ) ( X i Bi )(A XI) =
i=0
Xn
( ai X i )I
i=0
X
n 1
) B0 A + X i (Bi A Bi 1 )
i=1
X
n
X n Bn 1 = ai X i I
i=0 8
< B0 A = a0 I (0)
=) Bi A Bi 1 = ai I (i), i = 1; n
:
Bn 1 = an I (n)
i n
En multipliant les égalités (i) par A et (n) par A et après addition, on
obtient:
X
n 1
B0 A + (Bi Ai+1 Bi 1 Ai ) = a0 I + a1 A + ::: + an An
i=1
Xn X
n 1
) B0 A + Bj 1 Aj Bj 1 Aj Bn 1 An = PA (A)
j=2 j=1
) 0 = PA (A) CQFD

Corollaire : Le polynôme minimal d’un endomorphisme (ou d’une ma-

trice ) divise son polynôme caractéristique

Théorème 4.11: Soit P un polynôme annulateur de u: Alors les valeurs

propres de u sont toutes racines de P:

Preuve

18
 X
r
Posons P = ak X k et soit 2 Sp(u) et x un vecteur propre de u
k=0
associé à : On a u (x) = u [u (x)] = u ( x) = u(x) = 2 x: De proche en
2

proche on obtient uk (x) = !k x: Il s’ensuit: !

X r Xr X
r X
r
(P (u)) (x) = ak uk (x) = ak uk (x) = ak k x = ak k x =
k=0 k=0 k=0 k=0
P ( )x; comme P est un polynôme annulateur de u; on a P (u) = 0 et il
s’ensuit P ( )x = 0 d’où P ( ) = 0 car x 6= 0:

Théorème 4.12 : mA (X) et PA (X) ont les mêmes racines dans C donc
les mêmes facteurs irréductibles (idem pour mu (X) et Pu (X)).

Preuve
D’après le théo de Cayley-Hamilton, mu divise Pu donc les racines de
mu sont toutes racine de Pu : D’après le théorème précédent, mu étant un
polynôme annulateur de u; les valeurs propres de u c.à.d les racines de Pu ,
sont toutes racines de mu d’où le résultat.

Corollaire : Les valeurs propres de u sont les racines dans | du polynôme

minimal de u:

Dé…nition 4.12 : P 2 | [X] est dit scindé sur | s’il peut s’écrire sous
forme d’un produit de polynômes de | [X] de degrés 1, c.à.d si P admet r
racines (distinctes ou non) dans | où r = deg(P ): P est dit scindé simple
sur | si P est scindé sur | et si chaque racine de P est simple.

Théorème 4.13 : Les CSSE:

i) u est diagonalisable;
ii) Le polynôme minimal de u est scindé simple sur |;
iii) il existe un polynôme annulateur de u scindé simple sur |:

Preuve
i) ) ii) : Supposons u diagonalisable. Soient i ; i 2 1; r; les racines
distinctes de Pu (X); alors on a:
M
r Y
r
Sp(u) = i ; i 2 1; r et E = E( i ) : Soit T = (X i ); il su¢ t de
i=1 i=1
montrer que mu (X) = T car T est scindé simple sur |: D’après le théo 4.12,
i est racine de mu (X) d’où (X i ) est un facteur de mu (X) et par suite
T divise mu (X): Pour montrer que mu (X) divise T; il su¢ t de montrer que
T est un polynôme annulateur de u: Soit j 2 1; r; alors 8y 2 E( j ) ; on a

19
 Y
r Yr
(T (u))(y) = ( (u i Id))(y) = ( (u i Id))[(u j Id)(y)] = 0: on
i=1 i=1
i6=j
M
r
a donc (T (u))(E( j)
) = 0; 8j 2 1; r; et comme E = E( i ) ; on a T (u) = 0
i=1
comme escompté.
ii) =) i) : Supposons mu (X) scindé simple sur |; on a alors mu (X) =
Yr
(X i ) avec i 6= j 2 |: D’après le corollaire du théo 4.12, on a
i=1
Sp(u) = i; i 2 1; r : Les (X i) sont deux à deux premiers entre eux et
on a r
Y
(u i Id) = mu (u) = 0 donc d’après le corollaire du théo 2, on a
i=1
M
r M
r
E = ker(u i Id) = E( i ) . E est somme direct des sous espaces
i=1 i=1
propres de u d’où u est diagonalisable.
ii) =) iii) car le polynôme minimal mu de u est un polynome annulateur
de u:
iii) =) ii) : Supposons qu’il existe un polynôme scindé simple P annu-
lateur de u: Alors tout polynôme non constant divisant P est scindé simple,
en particulier mu :

Exemple04.6 1
0 1 1
Soit A = @ 1 0 1 A
1 1 0
Déterminer les valeurs propres, les vecteurs propres et le polynôme mini-
mal de A:

On trouve PA (X) = (2 X)(1 + X)2 ) Sp(A) = f 1; 2g : On trouve

E( 1) = plan d’équation: x+y+z = 0 ; E(2) = h(1; 1; 1)i : A est diagonalisable
car la dimension de chaque sous espace propre est égal à la multiplicité de
la valeur propre associée. Par conséquent, mA (X) est scindé simple ; et
comme en plus mA (X) et PA (X) ont les mêmes facteurs irréductibles, on a:
mA (X) = (X 2)(1 + X)

3.3 Sous espace caractéristique

20
 Dé…nition 4.13: Soient 2 Sp (u) et m ; l’ordre de multiplicité de
dans Pu (X)
Le sous espace caractéristique de u associé à est C( ) = ker (u IdE )m

Propriétés 4.1: On a:
E( ) C( )
E( ) et C( ) sont stables u:

En e¤et, 8x 2 E( ) ; on a (u Id)(x) = 0: Il s’ensuit:

(u Id)[u(x)] = ((u Id) u)(x) = (u (u Id))(x) = u[(u Id)(x)] =
0:
On a donc u(x) 2 E( ) ; alors u(E( ) ) E( ) :
On montre de même que u(C( ) ) C( )

Théorème 4.14:
1) Si Pu (X) est scindé sur |; alors E est somme directe des sous espaces
caractéristiques de u.
2) dim C( ) = m
3) C( ) = ker (u IdE )s où s est l’ordre de multiplicité de dans
mu (X); en outre, s est le plus petit entier k tel que C( ) = ker (u IdE )k :

Preuve Y
1) Pu (X) étant scindé sur |; on a Pu (X) = ( 1)n (X )m :
2Sp(u)
m
Comme les (X ) sont premiers entreM
eux et que Pu (u) = 0; alors
Md’après
m
le corollaire du théorème 4.8, on a E = ker(u Id) = C( )
2Sp(u) 2Sp(u)
Y
3) Le même raisonnement appliqué à mu (X) = (X )s mon-
M M2Sp(u)
s
tre que E = ker(u Id) ; donc on a: ker(u Id)m =
2Sp(u) 2Sp(u)
M
s
ker(u Id) ; comme en outre, 8 2 SP (u); ker(u Id)s ker(u
2Sp(u)
m
Id) (car s m ); on a ker(u Id)s = ker(u Id)m c.à.d C( ) =
ker(u Id)s . Maintenant, si pour chaque valeur propre
M un entier k est tel
k k
que C( ) = ker (u IdE ) ; alors on aura E = ker (u IdE ) =
2 3 2 32Sp(u)
Y Y
ker 4 (X )k 5 (u) =) 4 (X )k 5 (u) = 0 =) mu (X) di-
2Sp(u) 2Sp(u)

21
 Y
vise (X )k =) s k ; 8 2 Sp(u) et ceci achève la preuve de
2Sp(u)
3).
2) On sait que 8 2 Sp(u); C( ) est stable par u et d’après 1); E =
M
C( ) : Alors en désignant par u l’endomorphisme induit par u sur C( )
2Sp(u)
on a: Y Y
Pu (X) = ju XIdE j = u XIdC( )
= Pu (X) Or par
2Sp(u) 2Sp(u)
de…nition de C( ) ; on a
(u Id)m (C( ) ) = (u Id)m (C( ) ) = 0; donc (X )m est un
polynôme annulateur de u ;par suite est la seule valeur propre de u ; alors
on a Pu (X) = ( 1)q (X )q où q = dim(C( ) ):
Y r Y
Alors l’égalité Pu (X) = Pu (X); s’écrit: ( 1)n (X )m =
2Sp(u) 2Sp(u)
Y
q q
( 1) (X ) ; on en déduit que 8 2 Sp(u); m = q = dim(C( ) )
2Sp(u)
CQFD

3.4 Etude de eA , eu

Pour dé…nir l’exponentielle d’une matrice ou d’un endomorphisme nous

aurons besoin du résultat suivant:

Théorème 4.15 : (Norme sur Mn (|)) 8A = (aij ) 2 Mn (|); on pose

kAk = n maxfjaij j ; i; j 2 1; ng: Alors la fonction
Mn (|) ! R+
kk: est une norme sur Mn (|) qui véri…e:
A 7 ! kAk
8A; B 2 Mn (|); kABk kAk kBk :
En outre l’espace vectoriel normé (Mn (|); k k) est complet.

Preuve
Montrons quek k est une norme c.à.d que 8A; B 2 Mn (|); 8 2 |; jjAjj =
0 =) A = 0; k Ak = j j kAk ; kA + Bk kAk + kBk ;
Soient A = (aij )1 i;j n ; B = (bij )1 i;j n 2 Mn (|); 8 2 |:
- kAk = 0 () n maxfjaij j ; i; j 2 1; ng = 0 () jaij j = 0; 81 i; j
n () aij = 0; 81 i; j n () A = 0:
- k Ak = n maxfj aij j ; i; j 2 1; ng = n maxfj j jaij j ; i; j 2 1; ng =
j j n maxfjaij j ; i; j 2 1; ng = j j kAk :

22
 - 81 i; j n; on a jaij j n1 kAk et jbij j n1 kBk par dé…nition de k k :
Il s’ensuit:
1
jaij + bij j jaij j + jbij j n
kAk + n1 kBk d’où maxfjaij + bij j ; i; j 2
1 1
1; ng n
kAk + n kBk puis n maxfjaij + bij j ; i; j 2 1; ng kAk + kBk et
en…n kA + Bk kAk + kBk :
Donc k k est une norme sur Mn (|): Montrons maintenant que kABk
kAk kBk :
Xn
Posons AB = (cij )1 i;j n ; on a 81 i; j n; cij = aik bkj d’où
k=1
X
n X
n
1 1
jcij j = aik bkj jaik j jbkj j n n
kAk n
kBk car 81 k n;
k=1 k=1
jaik j n1 kAk et jbkj j 1
n
par suite maxfjcij j ; i; j 2 1; ng n1 kAk kBk
kBk ;
puis n maxfjcij j ; i; j 2 1; ng kAk kBk c.à.d kABk kAk kBk :
Le dernier point du théorème découle du fait que tout |-espace vectoriel
normé de dimension …nie avec | = R ou | = C est complet.

X
+1
1 k
Corollaire et dé…nition : 8A 2 Mn (|); la série k!
A = I +A+
k=0
1 2
2!
A + ::: + k!1 Ak + :::est normalement convergente et on note
X
+1
A 1 k
e = k!
A sa somme, appelé l’exponentielle de A:
k=0

k
kAk
En e¤et d’après le théorème précédent, on a k!1 Ak k!
qui est le
terme générale d’une série numérique convergente (de somme ekAk ): Comme
l’espace vectoriel normé (Mn (|); k k) est complet, alors la série normalement
X
+1
1 k
convergente k!
A est convergente.
k=0

Propriétés 4.2 :
1) e0 = I (ici 0 est la matrice nulle de Mn (|))
2) 8 2 |; e I = e I
3) 8A; 2 Mn (|); eA est inversible et on a: (eA ) 1 = e A
4) 8A; B 2 Mn (|) telles que AB = BA on a eA+B = eA eB
1
5) 8A; P 2 Mn (|) avec P invresible on a: eP AP = P eA P 1

Preuve
1), 2) et 5) s’obtiennent par un calcul direct à partir de la dé…nition de
l’exponentielle.

23
 Quant à 4) posons 8k 2 N; uk = k!1 Ak et vk = k!1 B k : Alors du fait que les
X
+1 X
+1
séries uk et vk convergent normalement respectivement vers eA et
k=0 k=0! !
X
+1 X
+1 Xk
B
e ; la série uk vk de terme général wk = ui vk i converge
k=0 k=0 i=0
vers eA eB : Or on a 8k 2 N :
X k Xk X
k X
k
1 i 1 1 1 k!
ui vk i = i!
A (k i)!
B (k i)
= i!(k i)!
Ai B (k i) = k! i!(k i)!
Ai B (k i) =
i=0 i=0 i=0 i=0
X
k
1
k!
Cki Ai B (k i)
= 1
k!
(A + B)k d’après la formule du binôme de Newton
i=0
car par hypothèse,
! AB
! = BA: Il s’ensuit que wk = k!1 (A + B)k et donc
X
+1 X
+1 X
+1
uk vk = 1
k!
(A + B)k et l’égalité des sommes de ces deux
k=0 k=0 k=0
séries fournit le résultat escompté.
Maintenant du fait que A et A commutent, on a d’après 4), eA e A
=
eA A = e0 = I d’où 3)
P 1 k
Dé…nition 4.14 : 8u 2 L(E); on dé…nit de même eu = k!
u dont les
propriétés sont similaires et se deduisent de celles de eA :

Exemple04.7 1
1 ::: 1
Soit A = @ : 1 : A 2 Mn (|): Calculer eA
1 ::: 1
X
+1
1 k
On a: eA = k!
A : On véri…e par recurrence que 8k 2 N ; Ak =
k=0
n(k 1)
A: Il vient
X
+1 X+1
n(k 1) 1 nk
eA = I + k!
A = I + n
( k!
1)A ) eA = I + n1 (en 1)A:
k=1 k=0

4 REDUCTION DE JORDAN

La réduction de Jordan est une forme plus élaborée de trigonalisation qui

utilise des concepts et des outils que nous dé…nissons maintenant.

24
4.1 Surdiagonale
Soit A = (aij ) 2 Mn (|) ; l’ensemble des n 1 éléments (a12 ; a23 ; :::; an 1n )
situés juste au dessus de la diagonale de A est appelé la surdiagonale de A
0 1
a11 a12 a13 a1n
B a22 a23 a2n C
B .. C
B C
B a33 . C
B . C
@ .. an 1n A
an1 ann

4.2 Matrice sous bloc de Jordan

Une matrice sous bloc de Jordan est une matrice triangulaire ayant les coef-
…cients tous égaux à un scalaire sur la diagonale, les coe¢ cients tous égaux
à 1 sur la surdiagonale et les coe¢ cients tous nuls ailleurs, donc de la forme
0 1
1 0 0
B . . . . .. C
B 0 .. 1 . C
B .. .. C
B 0 C
B . . C:
B ... C
@ 1 A
0 0
Toute matrice carrée d’ordre 1 est par dé…nition une matrice sous bloc
de Jordan
Une matrice sous bloc de Jordan d’ordre r a un lot de r 1 "1 consécutifs"
sur la surdiagonale.

4.3 Matrice élémentaire de Jordan

Une matrice élémentaire de Jordan est une matrice triangulaire ayant les
coe¢ cients tous égaux à un scalaire sur la diagonale, les coe¢ cients égaux
à 1 ou 0 sur la surdiagonale et les coe¢ cients tous nuls ailleurs, donc de la
forme
0 1
a12 0 0
B . . .. C
B 0 . . a23 . . . C
B . . C
Ir + N = B B . . . . 0 C ; aii+1 2 f0; 1g ; 81 i r 1
C
B ... C
@ ar 1r A
0 0

25
 (r 2 N ) :

Il apparaît qu’une matrice élémentaire de Jordan est une matrice diago-

nale par plocs où chaque bloc diagonale est une matrice sous bloc de Jordan.
Le nombre de sous blocs de Jordan est égal au nombre de "0" sur la
surdiagonale +1: 0 1
2 1 0 0 0
B 0 2 1 0 0 C
B C
Exemple 4.8: la matrice G = B 0 B 0 2 0 0 CC est une ma-
@ 0 0 0 2 1 A
0 0 0 0 2
A 0
trice élémentaire de Jordan; sa forme diagonale par blocs est G =
0 B
avec: 0 1
2 1 0
@ 2 1
A= 0 2 1 A et B = des matrices sous blocs
0 2
0 0 2
de Jordan.

4.4 Matrice de Jordan

Une matrice de Jordan est une matrice triangulaire qui est diagonale par
blocs de la forme :
0 1
M1 0
B M2 C
B C
J =B ... C
@ A
0 Mp

où 81 i p; Mi est une matrice élémentaire de Jordan

Nous nous proposons de montrer ici que si un endomorphisme u de E est

trigonalisable, alors il existe une base B de E telle que matB (u) a la forme
de J et donner des méthodes pour préciser J et déterminer B.
M
Soit donc u 2 L (E) ; trigonalisable. Alors on sait que : E = C ;
2Sp(u)
où 8 2 Sp(u); C = ker(u IdE )m = ker(u IdE )s est le sous espace
caractéristique associé à u (m et s sont respectivement la multiplicité de
et l’ordre de multiplicité de dans le polynôme minimal de u). En outre

26
8 2 Sp(u); C est stable par u: Alors en désignant par u l’endomorphisme
de C induit
Mpar u on a :
u = u : Par conséquent, si 8 2 Sp(u); B est une base de C ;
2Sp(u)
[
alors B = B est une base de E telle que matB (u) est une matrice
2Sp(u)
diagonale par blocs où les blocs diagonaux respectifs sont les matrices des u
dans les bases B :Il su¢ t donc de montrer que 8 2 Sp(u); C possède une
base B telle que matB (u ) soit une matrice élémentaire de Jordan. Pour
cela , montrons les résultats suivants :

Théorème 4.16:
a) Soit g un endomorphisme de E nilpotent d’ordre r ( r n); Soit
y 2 E tel que g r 1 (y) 6= 0: Alors la famille F = fy; g(y); :::; g r 1 (y)g est
libre.
b) Soit F le sous espace vectoriel de E engendré par F; alors F est stable
par g et si on désigne par gF l’endomorphisme de F induit par g; alors la
matrice de gF dans la base (g r 1 (y); :::g(y); y) est une matrice sous bloc de
Jordan d’ordre r égale à :
0 1
0 1 0
B ... ... C
B C
B .. C
@ . 1 A
0 0

Preuve
Soient a0 ; a1 ; :::; ar 1 2 | tels que a0 y +a1 g(y)+:::+ar 1 g r 1 (y) = 0 (E0 );
alors en appliquant g r 1 aux deux membres de l’égalité (E0 ); on obtient :a0 =
0 d’où a1 g(y) + ::: + ar 1 g r 1 (y) = 0 (E1 ); alors en appliquant g r 2 aux deux
membres de l’égalité (E1 ); on obtient :a1 = 0 d’où a2 g(y)+:::+ar 1 g r 1 (y) =
0 (E2 ); on obtient ainsi de proche en proche : a0 = a1 = ::: = ar 1 = 0 d’où
a):
b) découle de la dé…nition de F en particulier du fait que g g k (y) =
g k+1 (y) ; pour 0 k r 2 et g [g r 1 (y)] = g r (y) = 0:

Corollaire : Soit u 2 L (E) trigonalisable et soit 2 Sp(u): Soient

s l’ordre de multiplicité de dans le polynôme minimal de u; C le sous
espace caractéristique associé à :
a) Soit y 2 C tel que (u IdE )s 1 (y) 6= 0; on pose pour 1 k s ;
yk = (u IdE )s k (y): Alors la famille F = fy1 ; y2 ; :::ys g est libre.

27
 b) Soit F le sous espace vectoriel de E engendré par F: Alors F est un
sous espace vectoriel de C stable par u et si on désigne par uF l’endomorphisme
de F induit par u alors la matrice de uF dans la base (y1 ; :::; ys ) est une
matrice sous bloc de Jordan d’ordre s égale à :
0 1
1 0
B .. ..
. . C
B C
H1 = B . C:
@ .. 1 A
0

Preuve
On applique le théorème avec E = C et g = u IdC en e¤et, g est
l’endomorphisme de C induit par u IdE et par dé…nition de C et s ; g
est nilpotent d’ordre s :

Remarque 4.7: (et dé…nition) Avec les considération du corollaire,

le vecteur y1 = (u IdE )s 1 (y) 2 E ; le sous espace propre associé à ;
les vecteurs y2 ; :::; ys sont des vecteurs de C qui ne sont pas des vecteurs
propres de u: On les appelle des vecteurs radicaux de u:

On démontre et nous admettons le résultat suivant:

Lemme : Avec les considérations ci-avant, F admet un supplémentaire

dans C stable par u; contenant un supplémentaire de |y1 dans E :

Soit donc G1 un supplémentaire de F dans C stable par u et contenant

un supplémentaire dans C de |y1 : Soit uG1 l’endomorphisme de G1 induit
par u: On a u = uF uG1 :
Si = est une base de G1 , alors B = F [ = est une base de C telle que
matB (u ) est la matrice diagonale par blocs
H1 0
M = où L1 = mat= (uG1 ) :
0 L1
On a (uG1 IdE )s = 0, donc (uG1 IdE ) est nilpotent d’ordre t s :
On a aussi dim G1 < dim C : Si G1 6= f0g ; on applique le théorème avec
E = G1 et g = (uG1 IdE ); on obtient une famille libre T = fz1 ; z2 ; :::; zt g
de G1 où z1 est un vecteur propre de u et z2 ; :::; zt des vecteurs radicaux,
et une base T 0 d’un supplémentaire G2 dans G1 du sous espace vectoriel
engendré par T stable par u et contenant un supplémentaire dans G1 de
|z1 telles que matT [T 0 (uG1 ) est la matrice diagonale par blocs
H2 0
M = où H2 est la matrice sous bloc de Jordan d’ordre t
0 L2

28
 0 1
1 0
B .. ..
. . C
B C
H2 = B ... C:
@ 1 A
0

On a dim G2 < dim G1 : Si G2 6= f0g ; on poursuit l’opération. On obtient

une suite (Gk ) de sous espace vectoriels de E qui décroît strictement tant
qu’elle n’a pas atteint f0g : Comme E est de dimension …nie, elle atteint
f0g à un rang k: Par conséquent il existe une base B de C et des matrices
sous blocs de Jordan H1 ; H2 ; :::; Hk associées à telles que matB (u ) est la
matrice diagonale par blocs
0 1
H1 0
B H2 C
M =B @
C
A
0 Hk

Nous résumons tous ces résultats dans les théorèmes suivants:

Théorème 4.17 : Soient u 2 L (E) trigonalisable, A sa matrice dans

une base donnée de E; 1 ; 2 ; :::; p les valeurs propres de u; m1 ; m2 ; :::; mp
leurs multiplicités respectives, C1 ; C2 ; :::; Cp ; les sous espaces caractéristiques
respectives associés. Alors :
- A est semblable à une matrice de Jordan de la forme
0 1
M1 0
B M2 C
B C
J =B ... C
@ A
0 Mp

où 81 i p; Mi est une matrice élémentaire de Jordan d’ordre mi de

la forme Mi = i Imi + Ni
- la base de E associée à J pour u est une base adaptée à la somme directe
p
M
E= Ci c.à.d de la forme B = B1 [ B2 [ ::: [ Bp où 81 i p; Bi est
i=1
une base de Ci :

Dé…nition 4.15 : - Avec les considérations ci-avant, J est appelée une

réduite de Jordan de A:

29
 - Jordaniser A (ou u) c’est trouver une matrice de Jordan J et une base
B de E (ou une matrice de passage) telles que matB (u) = J: (B est alors
appelée une base associée à J pour u)
- Si un tel couple (J; B) existe on dit que A (ou u) est jordanisable.

Remarque 4.8 Deux réduites de Jordan d’une même matrice A di¤èrent

par une une permutaion des blocs élémentaires de Jordan ou des sous blocs
de Jordan à l’intérieur des blocs élémentaires de Jordan. Donc c’est à de
telles permutations près qu’on parle souvent de la réduite de Jordan de A:

Proposition 4.5 : A 2 Mn (|) (resp u 2 L (E)) jordanisable () A

(resp u) trigonalisable () PA (X) (= Pu (X)) scindé dans | [X] :

Dé…nition 4.16: - Avec les considérations du théorème précédent, 81

i p; Mi est appelé le bloc élémentaire de Jordan associé à i dans J; et Bi
la famille de B associée à i :
- Toute matrice sous bloc de Jordan Ji;k composant Mi est appelé un sous
bloc de Jordan associé à i ; auquel correspond dans l’ordre paritaire de J et
de B; une suite de vecteurs de B appelée la sous famille de B associée à
Ji;k :

Théorème 4.18 : Soient u 2 L (E) ; jordanisable, B0 une base de E;

A = matB0 (u) ; J une réduite de Jordan de A; B une base de E associé à J
pour u:
Soient 2 Sp(u); m la multiplicité de ; s l’ordre de multiplicité de
dans le polynôme minimal de u, E le sous espace propre asscié à ;
d = dim E ; C le sous espace caractéristique associé à et M le bloc
élémentaire de Jordan associé à dans J: Alors :
- Le nombre de sous blocs de Jordan de M est égal à d ; donc le nombre
de 0 sur la surdiagonale de M est égal à d 1
- Il existe au moins un sous bloc de Jordan de M d’ordre s et c’est
l’ordre maximal des sous blocs de Jordan de M ; donc il existe au moins un
lot de "1 consécutifs"comportant s 1 "1" sur la surdiagonale de M ; tout
autre lot de :"1 consécutifs" sur la surdiagonale de M comporte au plus
s 1 "1".
- Si J ;k est un sous bloc de Jordan d’ordre r associé à ; alors la sous
famille de B associée à J ;k est de la forme (y1 ; y2 ; :::; yr ) où yr 2 C avec
(u IdE )r (yr ) = 0 et (u IdE )r 1 (yr ) 6= 0; et pour 1 i r 1; yi =
(u IdE ) (yi+1 ) donc:
pour 1 i r 1; yi = (u IdE )r i (yr ) et par suite yi 2 Im (u IdE )r i .
r 1
En particulier y1 2 Im (u IdE )

30
 y1 est un vecteur propre de u associé à ; y2 ; :::; yr sont des vecteurs
radicaux de u associés à :
- Pour 1 i r; soit Xi la mcc de yi dans B0 : Alors on a 82 i r:

(A In ) Xi = Xi 1 (équation des vecteurs radicaux)

Exemple24.9: Diagonaliser ou 3 jordaniser si2 possible les matrices

3
3 1 0 0 1 0 1 0
6 4 1 0 0 7 6 1 0 0 7
1 B=6 7; 2 M = 6 0 7
4 7 1 2 1 5 4 1 1 2 1 5
17 6 1 0 1 1 2 0
Résolution
1
Détermination du polynôme caractéristique PB (X)
B XI est une matrice triangulaire par blocs, donc on a:
3 X 1 2 X 1
PB (X) = det(B XI) =
4 1 X 1 X
= [(3 X) ( 1 X) + 4] [ X (2 X) + 1]
= (X 2 2X + 1) (X 2 2X + 1)
PB (X) = (X 1)4
d’où 1 = 1 est une valeur propre quadriple
Détermination du polynôme minimal
mB (X) divise (X 1)4 donc mB (X) = (X 1)k avec k 2 1; 4
Il est clair que mB0(X) 6= (X 1) car B 1 6=0I. 1
2 1 0 0 2 1 0 0
B 4 2 0 0 C B 0 C
On a (B I)2 = B CB 4 2 0 C
@ 7 1 1 1 A@ 7 1 1 1 A
17 6 1 1 17 6 1 1
2 3
0 0 0 0
6 0 0 0 0 7
(B I)2 = 6 4 0 0 0 0 5=0
7

0 0 0 0
On a B I 6= 0 et (B I)2 = 0 donc mB (X) = (X 1)2
Sous-espace propre associé à 1
E1 = fX 2 R4 = (B I)X = 0g
8(1) est dé…nie par le système
E
> 2x + y = 0 8
>
< < y = 2x
4x 2y = 0
) 5x z t = 0
>
> 7x + y+z+t = 0 :
: 5x z t = 0
17x 6y z t = 0

31
 y = 2x
)
z = t 5x
Donc (x; y; z; t) = (x; 2x; 5x t; t)
= x (1; 2; 5; 0) + t (0; 0; 1; 1)
d’où E(1) = h(1; 2; 5; 0) ; (0; 0; 1; 1)i
B n’est pas diagonalisable car mB (X) n’est pas scindé simple sur R (ou
car dim E(1) 6= m(1) ) mais elle est jordanisable car PB (X) est scindé sur R:
Détermination de la réduite de Jordan et d’une base associée
Soit J une réduite de Jordan de B: Comme 1 est la seule valeur propre
de B; alors J est égale au seul bloc élémentaire de jordan associé à 1 qu’elle
comporte et le sous espace caactéristique C1 est égal à R4 : J comporte d1 = 2
sous blocs de Jordan.
En outre, mB (X) = (X 1)2 d’où s = 2 qui est l’ordre maximal des
sous blocs de Jordan. Par suite les deux sous blocs de Jordan de J sont
d’ordre 2;
0 d’où la réduite 1 de Jordan de B est:
1 1 0 0
B 0 1 0 0 C
J =B @ 0 0 1 1 A
C

0 0 0 1
Soit = ("1 ; "2 ; "3 ; "4 ) une base associée à J: D0 après la forme de J, "1 et
"3 sont des vecteurs propres et "2 et "4 sont des vecteurs radicaux. Tout
vecteur de y de C1 (= R4 ) tel que (B I)(y) 6= 0 convient pour "2 : donc
on peut prendre "2 = e3 = (0; 0; 1; 0) D’où "1 = (B I)("2 ) = (0; 0; 1; 1):
Pour déterminer la sous famille ("3 ; "4 ) associé au second sous bloc de jordan
de J; il est imprudent de procéder par la même méthode car il n’est pas sûr
qu’on obtiendra des vecteurs linéairement indépendants. "3 est un vecteur
propre de B appartenant à Im(B I) et non colinéaire à "1 : on véri…e que
le vecteur (1; 2; 5; 0) convient qu’on peut donc prendre pour "3 : Posons
"4 = (x; y; z; t): D’après l’équation des vecteurs radicaux, on a
(B
8 I) ("4 ) = "3 ; d’où:
>
> 2x +y = 1
<
4x 2y = 2
>
> 7x + y + z + t = 5
:
17x 6y z t = 0
pour x = 0; t = 0 on a y = 1 et z = 6
Donc0"4 = (0; 1; 6; 0) 1 d’où une matrice de passage associée a J est:
0 0 1 0
B 0 0 2 1 C
P =B @ 1
C
1 5 6 A
1 0 0 0
2

32
 On trouve PM (X) = (X + 1)(X 1)3 ) Sp(M ) = f 1; 1g
E( 1) = h(0; 1; 0; 1)i ; E(1) = h(1; 0; 0; 1)i
M n’est pas diagonalisable car dim E(1) 6= m(1) mais elle est jordanisable
car PM (X) est scindé sur R:
Dans la réduite de Jordan de M , le bloc associé à la valeur propre 1 est
d’ordre 3 et le nombre de 0 sur sa surdiagonale est égal à d1 1 = 0 Donc la
réduite de0 Jordan de M est 1 :
1 0 0 0
B 0 1 1 0 C
K=B @ 0 0 1 1 A
C

0 0 0 1
Soit = (u1 ; u2 ; u3 ; u4 ) une base de R4 associée à K: u1 est un vecteur
quelconque de E( 1) : Donc on peut prendre u1 = (0; 1; 0; 1): u4 est un élément
quelconque de C(1) n ker(M I)2 , donc tout vecteur y tel que (M I)3 (y) = 0
et (M I)2 (y) 6= 0 convient.
On véri…e que e1 = (1; 0; 0; 0) convient
u3 = (M I)(u4 ) = (0; 0; 1; 1) ; u2 = (M I)(u3 ) = (M I)2 (u4 ) =
(1; 0; 0; 01). d’où une matrice1 de passage associée à K est
0 1 0 1
B 1 0 0 0 C
P =B @ 0 0
C
1 0 A
1 1 1 0
Remarque 4.9:
a) Il existe un nombre …ni de solutions pour J:
b) Pour les matrices dont les valeurs propres sont toutes de multiplic-
ité < 7, la méthode exposée dans ce cours est une méthode complète de
jordanisation.
Mais elle est insu¢ sante si la matrice A possède une valeur propre de
grande multiplicité (m 7) car elle ne donne pas la structure complète du
bloc associé à dans la réduite de Jordan, en l’occurrence, le nombre n ;k
de sous blocs de Jordan d’un ordre k donné associé à : Une approche plus
complexe établit la formule:
h i h i h i
k k+1 k 1
n ;k = 2 dim ker (A I) dim ker (A I) dim ker (A I)
(formule à ne pas apprendre!!!)

33
5 APPLICATIONS DE LA REDUCTION DES MA-
TRICES

5.1 Puissance d’une matrice

Nous en donnons 3 méthodes classiques de calcul.
Soit A 2 Mn (K) ; A 6= 0 et q 2 N

1er cas : A est diagonalisable

1 q q 1
alors A0= P DP avec1D diagonale et il s’en suit A 0= Pq D P 1
1 0 1 0
B C B C
(D = @ ... . . . ... A étant diagonale on a Dq = @ ... . . . ... A )
q
0 n 0 n
La formule ci-dessus reste valable pour q 2 Z lorsque A est inversible:

Exemple04.10 1
0 1 1
Soit A = @ 1 0 1 A 2 M3 (R) : Calculer An ; 8n 2 Z
1 1 0
Résolution
A est la matrice de l’exemple 4.2. On a montré que Sp(A) = f 1; 2g;
E( 1) = h(1; 0; 1) ; (0;
01; 1)i; E(2) 1 = h(1; 1; 1)i
0: A est diagonalisable
1 avec
1 0 1 1 0 0
1
A = P DP où P = @ 0 1 1 A et D = @ 0 1 0 A:
1 1 1 0 0 2
n n 1
On a 8n 2 Z; A 0= P D P (La1 formule s’étend à Z car A est inversible):
2 1 1
on trouve P 1 = 31 @ 1 2 1 A ; d’où:
0 1 11 0 1 1 0 1
1 0 1 ( 1)n 0 0 2 1 1
An = 31 @ 0 1 1 A @ 0 ( 1)n 0 A @ 1 2 1 A=
n
0 n 1 1 1 0 0 12 1 1 1
n n n n n
2 + 2 ( 1) 2 ( 1) 2 ( 1)
1 @
3
2n
( 1)n
2 n
+ 2 ( 1)n
2 n
( 1)n A
2n ( 1)n 2n ( 1)n 2n + 2 ( 1)n
e
2 cas A = In + N avec N nilpotente d’ordre p
(exemple A matrice élémentaire de Jordan).

34
 Dé…nition : Une matrice N est nilpotente s’il existe r > 0 tel que N r = 0.
Si p est le plus petit entier > 0 tel que N p = 0; on dit que N est nilpotente
d’ordre p: (Dé…nition équivalente pour un endomorphisme nilpotent et un
endomorphisme nilpotent d’ordre p)

Alors pour q p on a
p
P 1
Aq = ( In + N )q = Cqk q k
Nk
k=0

Exemple 0 4.11 1
2 3 1
Soit M = @ 0 1 A 2 M3 (R) : Calculer M n ; 8n 2 Z
2
0 20
Résolution 0 1
0 1 3
On a M = 2I3 + N avec N = @ 0 0 1 A:
0 1 0 0 0
0 0 1
On calcule: N 2 = @ 0 0 0 A ; N 3 = 0; donc N est nilpotent d’ordre
0 0 0
3; d’où:
X2
M n = ( 2I3 + N )n = Cnk ( 2)n k N k = ( 2)n I3 + n( 2)n 1 N +
k=0
n(n 1)
2
( 2)n 2 N 2 : 0 1
( 2)n n( 2)n 1
n(n + 11)( 2)n 3

On trouve M n = @ 0 ( 2)n n( 2)n 1 A ; pour n

0 0 ( 2)n
2:

3e cas Connaissance d’un polynôme annulateur de A

Soit P un polynôme annulateur de A (ex. PA (X) ou mA (X)). Par la
division euclidienne on a
X q = P Q + R où Q; R 2 K [X] avec deg R < deg P: Alors
Aq = (P Q + R) (A) = P (A) Q (A) + R (A) et …nalement comme P (A) =
0; on a:

Aq = R (A)

35
 Exemple04.12 1
0 1 1
Soit A = @ 1 0 1 A 2 M3 (R) : Calculer An ; 8n 2 Z
1 1 0
Résolution
C’est la matrice des exemples 4.8 et 4.18 à laquelle on va appliquer une
autre méthode.
Dans l’exemple 4.8 on a montré que le polynôme minimal de A est mA =
(X + 1)(X 2); Pour n 2 N; la formule de la division euclidienne de X n par
mA s’écrit:
X n = mA Qn + Rn avec Qn ; Rn 2 R [X] et deg(Rn ) < deg(mA ); donc
Rn = an X + bn avec an ; bn 2 R:
On a donc: X n = (X + 1)(X 2)Qn + an X + bn ( )
pour X = 1; ( ) =) ( 1)n = an + bn
pour X = 2; ( ) =) 2n = 2an + bn :
On en déduit que an = 31 (2n ( 1)n ); bn = 13 (2n + 2( 1)n :
0Parn conséquent An = Rn (A) = 13 (2n ( 1 1)n )A + 31 (2n + 2( 1)n I3 =
2 + 2 ( 1)n 2n ( 1)n 2n ( 1)n
1 @
3
2n ( 1)n 2n + 2 ( 1)n 2n ( 1)n A
2n ( 1)n 2n ( 1)n 2n + 2 ( 1)n

5.2 Système di¤érentiel

Soit le système di¤érentiel suivant :
8
0
>
< x1 (t) = a11 x1 (t) + a12 x2 (t) + + a1n xn (t) + b1 (t)
(S) ... ..
.
..
.
..
.
..
.
..
.
>
: x0 (t) = a x (t) +
n n1 1 + ann xn (t) + bn (t)
Avec (aij ) 2 | , b1 (t) ; : : : ; bn (t) des fonctions continues, x1 (t) ; : : : ; xn (t)
des fonctions inconnues de la variable t:
En posant0: 1 0 1 0 1
x1 (t) a11 a1n b1 (t)
B C B .. C et B (t) = B .. C
X = @ ... A; A = (aij ) = @ ... . A @ . A
xn (t) an1 ann bn (t)
La forme matricielle de (S) s’écrit :

X 0 (t) = AX (t) + B (t)

36
 Dé…nition 4.17: La matrice A = (aij ) est appelée la matrice associée
au système (S)

* Equation sans second membre : X 0 (t) = AX (t)

0 1
1 0
B .. C en
- Si A est diagonalisable avec A = P DP 1
et D = @ ... ..
. . A
0 n
0 1
y1 (t)
B .. C on obtient :
posant X (t) = P Y (t) avec Y (t) = @ . A
yn (t)
P Y 0 (t) = (P DP 1 ) P Y (t) = P DY (t) d’où Y 0 (t) = DY (t) qui s’écrit :
yk0 (t) = k y (t) ; k = 1; ::::; n alors
0 yk (t) t=1 Ck e k t
C1 e1 1
B .. C
donc X (t) = P Y (t) = P @ . A ; C1 ; ::::Cn 2 | doù le résultat
t
Cn e n
suivant :

Proposition 4.6 : Soit le système di¤érentiel : X 0 (t) = AX (t) (1).

On suppose que A est diagonalisable et soient 1 ; ; n les valeurs propres
de A et B = (u1 ; : : : ; un ) une base de vecteurs propres de A associés resp à
1; ; n . Alors la solution générale de (1) est de la forme

1t 2t nt
X (t) = K1 e u 1 + K2 e u2 + + Kn e un ; K1 ; : : : ; Kn 2 |

* Equation complète
Le changement de variable X = P Y conduit à l’équation

Y 0 (t) = DY (t) + P 1
B (t)
d’où
yk0 (t) = k yk (t) + fk (t)
équation di¤érentielle linéaire qu’on résoud facilement.

* Si A n’est pas diagonalisable, on la trigonalise si possible dans R; sinon

dans C avec A = P T P 1 où T est triangulaire. Alors l’équation sans second
membre (1) s’écrit :
Y 0 (t) = T Y (t)
qu’on résoud en cascades.

37
 Exemple 4.13: Résoudre le système di¤érentiel:
8 dx
< dt = x 3y + 4z
dy
(S) = 4x 7y + 8z
: dz
dt
dt
= 6x 7y + 7z
dX
(S) s’écrit sous forme matricielle = AX avec
0 1 0 1dt
x 1 3 4
X= @ y A et A = @ 4 7 8 A
z 6 7 7
On reconnaît la matrice
0 A de l’exemple
1 4. A est0 trigonalisable
1 avec
3 0 4 1 1 1
A = P T P 1 où T = @ 0 1 2 A et P = @ 2 2 0 A
0 0 01 1 2 1 0
u
@ dY
En posant X = P Y avec Y = v A on obtient = T Y c’est-à-dire
dt
8 du w
< dt = 3u + 4w
dv
le système dt
= v 2w
: dw
dt
= w
t
L3 =) w = me ; m 2 R
L2 s’écrit dv
dt
= v 2me t on obtient v = (l 2mt) e t ; l 2 R
du t
L3 s’écrit dt = 3u + 4me
8 on obtient u = ke3t me t ; k 2 R
< x = ke3t + ( 2mt + l) e t
d’où X = P Y donne y = 2ke3t + ( ymt + 2l 2m) e t
:
z = 2ke3t + ( 2mt + l 2m) e t

38