CHAP.

III RÉDUCTION DES MATRICES :

DIAGONALISATION ET TRIGONALISATION.

3.1 Vecteurs propres et valeurs propres.

Dé…nition 1.
Soient V un K espace vectoriel, f 2 L(V ) et 2 K.
1: On dit que est une valeur propre de f si et seulement si

9 x 2 V r f0g j f (x) = x:

Un vecteur x 2 V r f0g tel que f (x) = x est appelé vecteur propre de

f associé à la valeur propre : L’espace ker(f IdV ) est appelé sous-espace
propre de f associé à la valeur propre , il est noté SEP(f; ):
2: On appelle spectre de f; et on note SpK (f ); l’ensemble des valeurs
propres de f:

Dé…nition 2.
Soient n 2 N ; A 2 Mn (K) et 2 K.
1: On dit que est une valeur propre de A si et seulement si

9 X 2 Mn;1 (K) r f0g j AX = X:

Un vecteur colonne X 2 Mn;1 (K) r f0g tel que AX = X est appelé

vecteur propre de A associé à la valeur propre : L’ensemble formé par 0 et
les vecteurs propres de A associés à la valeur propre est appelé sous-espace
propre de A associé à la valeur propre ; il est noté SEP(A; ):
2: On appelle spectre de A; et on note SpK (A); l’ensemble des valeurs
propres de A:

Remarques 1.
Soient B = (v1 ; v2 ; : : : ; vn ) une base d’un K espace vectoriel V de dimension
n; f 2 L(V ) et A = Mat PnB (f ); alors
1. Pour tous x = i=1 xi vi 2 V r f0g et 2 K,

(f (x) = x) () (AX = X) ;
0 1
x1
B .. C
où X = @ . A :
xn
2: D’après 1. on a :

( 2 SpK (f )) () (9 x 2 V r f0g j f (x) = x) () (9 X 2 Mn;1 (K) r f0g j AX = X)

() ( 2 SpK (A)) ;

donc SpK (f ) = SpK (A):

1
 0 1
3. Le spectre de A : SpK (A) dépend de K. En e¤et, si A = ;
1 0
alors
x1 x1 x1
( 2 SpK (A)) () 9 2 M2;1 (K) r f0g ; A =
x2 x2 x2
x1 x2 = x1
() 9 2 M2;1 (K) r f0g ;
x2 x1 = x2
x1 ( 2 + 1)x1 =0
=) 9 2 M2;1 (K) r f0g ; ()
x2 ( 2 + 1)x2 =0
2
+1=0 :
Si K = R, SpK (A) = ;:
Si K = C, SpK (A) f i; ig ; et on a :

x x x x
A = i et A =i ;
ix ix ix ix

pour tout x 2 C ; donc SpK (A) = f i; ig :

Proposition 1.
1. Soient V un K espace vectoriel, f 2 L(V ) et 2 K, alors

( 2 SpK (f )) () (ker(f IdV ) 6= f0g) () (f IdV non injectif) .

2. Soient n 2 N ; A 2 Mn (K) et 2 K, alors

( 2 SpK (A)) () (A In 2
= GLn (K)) .

Preuve.
1. On a :
( 2 SpK (f )) () (9 x 2 V r f0g j f (x) = x) () (ker(f IdV ) 6= f0g)
() (f IdV non injectif).

2. Soient B une base de V et f 2 L(V ) tel que MatB (f ) = A: D’après la

remarque 2 ci-dessus et 1. de cette preuve on a :

( 2 SpK (A)) () ( 2 SpK (f )) () (f IdV non injectif) () (f IdV non bijectif)

() (MatB (f IdV ) 2
= GLn (K)) () (A In 2
= GLn (K)) :

Théorème 1.
Soient f un endomorphisme d’un K espace vectoriel V de dimension n et
A la matrice de f dans une base de V . Le spectre de f est égal à l’ensemble
des racines du polynôme :

Cf (X) = det(A XIn ):

2
 Preuve.
Il résulte de la proposition 1 et des remarques 1 que :
( 2 SpK (f )) () ( 2 SpK (A)) () (A In 2= GLn (K)) () (det(A In ) = 0)
() ( est une racine du polynôme Cf (X)) :

Dé…nition 3.
Le polynôme Cf (X) = det(A XIn ) est appelé polynôme caractéristique
de f:

Corollaire 1.
Soit f un endomorphisme d’un K espace vectoriel V de dimension n. Le
spectre de f a au plus n éléments.

Preuve.
Soit A = (aij ) la matrice de f dans une base de V: On a :

a11 X a12 a1n

a21 a22 X a23 a2n
Cf (X) = :
ai1 ai;i 1 aii X ai;i+1 ain

an1 an;n 1 ann X

En faisant des développements de déterminants suivant la première colonne,
on obtient :
Cf (X) = ( 1)n X n + P (X);
où P (X) est un polynôme de degré < n, donc le polynôme Cf (X) est de degré n:
Comme un polynôme de degré n a au plus n racines et que les valeurs propres
de f sont les racines de Cf (X) ( voir théorème 1), le spectre de f a au plus n
éléments.

Proposition 2.
Soient f 2 L(V ) et 1 ; 2 ; : : : ; N des valeurs propres de f distinctes deux
à deux, alors la somme des sous-espaces propres de f associés à 1 ; 2 ; : : : ; N
est directe :

SEP(f; 1 )+SEP(f; 2 )+ +SEP(f; N) = SEP(f; 1) SEP(f; 2) SEP(f; N)

N
M
Cette somme directe est notée aussi SEP(f; i ):
i=1
Preuve.
L’assertion ci-dessus dit que : si xi ; yi 2 SEP(f; i ); i = 1; 2; : : : ; N;
N N
!
X X
xi = yi =) (8i 2 f1; 2; : : : ; N g ; xi = yi ) ;
i=1 i=1

3
ceci est équivalent à :
N
!
X
(1) xi = 0 =) (8i 2 f1; 2; : : : ; N g ; xi = 0):
i=1

Faisons une démonstration par récurrence sur N de la propriété (1). La

propriété est évidente pour N = 1: Supposons qu’elle soit vraie pour N (N 1):
Si 1 ; 2 ; : : : ; N +1 sont des valeurs propres de f distinctes deux à deux et
PN +1
xi 2SEP(f; i ); i = 1; 2; : : : ; N + 1; tels que : i=1 xi = 0; alors
N
X +1 N
X +1 N
X +1
i xi = f (xi ) = f ( xi ) = 0,
i=1 i=1 i=1
d’où
N
X N
X +1 N
X +1
( i N +1 )xi = i xi N +1 ( xi ) = 0,
i=1 i=1 i=1
or la propriété est vraie à l’ordre N et les valeurs propres 1; 2; : : : ; N +1 sont
distinctes deux à deux, donc

8i 2 f1; 2; : : : ; N g ; xi = 0
PN
et par suite xN +1 = i=1 xi = 0.

Remarque 2.
1. Le plynôme caractéristique de f : Cf (X) = det(A XIn ) ne dépend
pas de A. En e¤et, si B1 et B2 sont deux bases de V et si A1 =MatB1 (f ) et
A2 =MatB2 (f ); alors
1 1
A2 = P (B1 ; B2 ) :MatB1 (f ):P (B1 ; B2 ) = P (B1 ; B2 ) :A1 :P (B1 ; B2 )

1
et det(A2 XIn ) = det(P (B1 ; B2 ) :A1 :P (B1 ; B2 ) XIn )
1
= det(P (B1 ; B2 ) :(A1 XIn ):P (B1 ; B2 ))
1
= det(P (B1 ; B2 ) ): det(A1 XIn ): det(P (B1 ; B2 )
1
= (det(P (B1 ; B2 )) : det(A1 XIn ): det(P (B1 ; B2 ) = det(A1 XIn ):

2. Soient f 2 L(V ) et 1; 2; : : : ; N des valeurs propres de f distinctes

deux à deux. Posons

V1 = SEP(f; 1) SEP(f; 2) SEP(f; N ):

Le sous-espace vectoriel V1 est stable par f : f (V1 ) V1 . En e¤et, pour

PN
tout x 2 V1 ; il existe xi 2 SEP(f; i ); i = 1; 2; : : : ; N; tels que : x = i=1 xi ; et

XN N
X N
X
f (x) = f ( xi ) = f (xi ) = i xi 2 V1 :
i=1 i=1 i=1

4
 Soient fV1 la restriction de f à V1 et B = (v11 ; : : : ; vn1 1 ; v12 ; : : : ; vn2 2 ; : : : ; v1i ; : : : ; vni
i
; : : : ; v1N ; : : : ; vnNN )
i i
une base de V1 ; où (v1 ; : : : ; vni ) est une base de SEP(f; i ): La matrice de fV1
dans la base B est :

0 1
1 0 0
B .. .. .. C
B 0 . . . C
B C
B .. .. .. .. C
B . . . 0 . C
B 1 C
B .. .. .. .. C
B . . . . C
B 2 C
B .. .. .. .. .. C
B . . . C
B . . C
MatB (fV1 ) = B .. .. C;
B .. .. C
B . . 2 . . C
B .. .. C
B .. .. .. C
B . . . . . C
B C
B .. .. .. .. C
B . 0 . N . . C
B C
B .. .. .. C
@ . . . 0 A
0 0 N

c’est une matrice diagonale dont les éléments de la diagonale sont les valeurs
propres de f:
L’espace V1 n’est pas nécéssairement égal à V ( voir l’exemple suivant):
Nous allons, dans le paragraphe suivant, donner des conditions nécéssaires et
su¢ santes pour que cette égalité ait lieu.

Exemple.
Soit f : R3 ! R3 l’endomorphisme de R3 dont la matrice dans la base
canonique est : 0 1
0 1 0
A = @ 0 0 1 A:
0 0 1
Le polynôme caractéristique de f est

X 1 0
Cf (X) = 0 X 1 = X 2 (1 X);
0 0 1 X

donc SpR (f ) = f0; 1g :

Soit u = (x; y; z) 2 R3 . On a :
00 10 1 0 11
0 1 0 x 0
(u 2 SEP(f; 0)) () (f (u) = 0) () @@ 0 0 1 A @ y A = @ 0 AA
0 0 1 z 0
y=0
() () (u = x(1; 0; 0));
z=0

5
donc SEP(f; 0) = V ect ((1; 0; 0)) :
De même,
00 10 1 0 11
0 1 0 x x
(u 2 SEP(f; 1)) () (f (u) = u) () @@ 0 0 1 A @ y A = @ y AA
0 0 1 z z
x+y =0
() () (x = y = z) () (u = x(1; 1; 1)) ;
y+z =0

donc SEP(f; 1) = V ect ((1; 1; 1)) :

On déduit de ce qui précéde que :

dim(SEP(f; 0) SEP(f; 1)) = 2;

ceci montre que R3 6= (SEP(f; 0) SEP(f; 1)):

Dé…nition 4.
Un polynôme P 2 K [X] est dit scindé s’il s’écrit comme produit de polynômes
de degré 1 :
P = a(X 1 )(X 2) (X n );

où a 2 K et 1; 2; : : : ; n 2 K.

Dé…nition 5.
Soient f 2 L(V ); p 2 N et une valeur propre de f: On dit que p est
l’ordre de multiplicité de la valeur propre si et seulement si (X )p
p+1
divise Cf et (X ) ne divise pas Cf .

Remarque 3.
Il y’a des polynômes de R[X] qui ne sont pas scindés : les polynômes P1 =
X 2 + a et P2 = X 4 + a; où a 2 R+ ; n’ont pas de racines dans R, donc ils ne sont
pas scindés dans R[X].
Dans C[X], tous les polynômes de C[X] sont scindés ( voir le cours d’algèbre
1 sur les polynõmes ). Les p polynômes
p P1 et P2 s’écrivent :
P1 = X 2 + a = (X + ai)(X ai),
p p 1 1
P2 = X 4 + a = (X 2 + ai)(X 2 ai) = (X + a 4 e 4 i )(X a 4 e 4 i )(X +
1 1
a 4 e 4 i )(X a 4 e 4 i ):

Proposition 3.
Soient f 2 L(V ); 0 2 SpK (f ); n0 = dim(SEP(f; 0 )) et p0 l’ordre de
multiplicité de la valeur propre 0 ; alors

1 n0 p0 :

Preuve.
Soit v0 un vecteur propre de f associé à 0 ; alors V ect(v0 ) SEP(f; 0 );
d’où
1 = dim(V ect(v0 )) dim(SEP(f; 0 )) = n0 :

6
 D’autre part, soit (v1 ; v2 ; : : : ; vn0 ) une base de SEP(f; 0 ); d’après le théorème
de la base incomplète, il existe vn0 +1 ; vn0 +2 ; : : : ; vn 2 V tels que B = (v1 ; v2 ; : : : ; vn )
soit une base de V; il existe aussi D1 2 Mn0 ;n n0 (K) et D2 2 Mn n0 (K) telles
que :
0 In0 D1
MatB (f ) = ;
0 D2
on en déduit que Cf (X) = ( 0 X)n0 det(D2 XIn n0 ) et par suite n0 p0 :

Corollaire 2.
Soient f 2 L(V ) et 0 2 SpK (f ): Si l’ordre de multiplicité de 0 est 1, alors

dim(SEP(f; 0 )) = 1:

Preuve.
C’est une conséquence immédiate de la proposition 3.

3.2 Diagonalisation.
Dé…nition 1.
1. On dit qu’un endomorphisme f 2 L(V ) est diagonalisable si et seule-
ment s’il existe une base B de V telle que MatB ( f ) soit diagonale.
2. On dit qu’une matrice A 2 Mn (K) est diagonalisable si et seulement
s’il existe P 2 GLn (K) telle que P 1 :A:P soit diagonale.

Ramarque 1.
Soit f un endomorphisme d’un K espace vectoriel V de dimension n; B = (v1 v2 ; : : : ; vn )
une base de V et A = MatB (f ); alors f est diagonalisable si et seulement si A
est diagonalisable. En e¤et, supposons que f est diagonalisable, alors il existe
une base B 0 de V telle que MatB0 (f ) soit diagonale ; d’où

P (B; B 0 ) 1
:A:P (B; B 0 ) = P (B; B 0 ) 1
:MatB (f ):P (B; B 0 ) = MatB0 (f ),

ce qui montre que A est diagonalisable.

Réciprequement, supposons que A est diagonalisable, il existe alors P =
( ij ) 2 GLn (K) Ptelle que P 1 AP soit diagonale ; si, pour chaque j 2 f1; : : : ; ng,
n
on pose vj = i=1 ij vi ; la famille B 0 = (v10 ,v20 ; : : : ; vn0 ) sera une base de V (
0

car detB (v10 ; v20 ; : : : ; vn0 ) = det(P ) 6= 0) et P sera la matrice de passage de B à

B 0 : On aura alors
1 1
MatB0 (f ) =P :MatB (f ):P = P AP ,

ceci montre que f est diagonalisable.

Proposition 1.
Soit f 2 L(V ): Les assertions suivantes sont équivalentes :

7
 1. f est diagonalisable,
2. il existe une base de V formée de vecteurs propores de f ,
3. la somme des sous-espaces propres de f est égale à V ,
4. la somme des dimensions des sous-espaces propres de f est égale à
dim(V ):

Preuve.
1: =) 2: Supposons que f est diagonalisable, alors il existe une base B =
(v1 ; v2 ; : : : ; vn ) de V telle que MatB (f ) soit diagonale :
0 1
1 0 0
B .. . C
B 0
B 2 . .. C C.
MatB (f ) = B . C
@ .. .. ..
. . 0 A
0 0 n

Les vecteurs vi ; i 2 f1; 2; : : : ; ng ; de B véri…ent : f (vi ) = i vi ; donc B est une

base de V formée de vecteurs propres de f:
2: =) 3: Supposons qu’il existe une base B = (v1 ; v2 ; : : : ; vn ) de V formée
de vecteurs propres de f; alors tout vecteur v 2 V s’écrit :
n
X
v= i vi ;
i=1
P
où ( 1; 2; : : : ;2 Kn , donc V
n) 2SpK (f ) SEP(f; ) et par suite V =
P P
2SpK (f ) SEP(f; ); puisque P2SpK (f )
SEP(f; ) V:
P
3 =) 4: Supposons que V = 2SpK (f ) SEP(f; ): Comme la somme 2SpK (f ) SEP(f; )
est directe (voir la proposition 2 du para. 3:1), V = SEP(f; ) ; on en
2SpK (f )
déduit
X
dim(V ) = dim( SEP(f; )) = dim(SEP(f; )):
2SpK (f )
2SpK (f )
P
4 =) 1: Supposons que 2SpK (f ) dim(SEP(f; )) = dim(V ): Soient 1 ; 2 ; : : : ; p
les valeurs propres de f distinctes deux à deux et ni = dim(SEP(f; i )) (i =
1; 2; : : : ; p): Pour chaque
P i 2 f1; 2; : : : ; pg ; soit Bi une base de SEP(f; i ):
Comme la somme 2SpK (f ) SEP(f; i ) est directe, les Bi sont disjointes deux
p
à deux et la famille B = [ Bi est libre, or
i=1

p
X p
X
card(B) = card(Bi ) = ni = dim(V ),
i=1 i=1

8
donc B est une base de V et la matrice de f dans cette base est diagonale :
0 1
1 In1 0 0
B .. .. C
B 0 2 In2 . . C
B
MatB (f ) = B . C:
. . C
@ .. .. .. 0 A
0 0 p Inp

Théorème 1.
Soit f 2 L(V ). Si f est diagonalisable, alors son polynôme caractéristique
est scindé.

Preuve.
Si la matrice de f dans une base B de V est diagonale :
0 1
a11 0 0
B . . C
B 0
B a22 . . .. C
C ; aii 2 K,
MatB (f ) = B . C
@ .. . .. . .. 0 A
0 0 ann

a11 X 0 0
.. ..
0 a22 X . .
alors Cf (X) = .. = (a11 X)(a22
.. ..
. . . 0
0 0 ann X
X) (ann X) est scindé.

Théorème 2.
Soit f 2 L(V ), alors f est diagonalisable si et seulement si :
1. Cf est scindé sur K,
2. pour chaque valeur propre de f; l’ordre de multiplicité de est égal à
dim(SEP(f; )):

Preuve.
Supposons que l’endomorphisme f est diagonalisable. D’après le théorème
1, Cf est scindé. Soient 1 ; 2 ; : : : ; p les valeurs propres de f deux à deux
p
distinctes et ni = dim(SEP(f; i )), i 2 f1; 2; : : : ; pg : Comme V = SEP(f; i)
i=1
p
( voir para. 3.2, pro. 1. ), il existe une base B de V telle que B = [ Bi ; où Bi
i=1
est une base de SEP(f; i) et les Bi sont disjointes deux à deux ; la matrice de

9
f dans cette base de V est
0 1
1 In1 0 0
B .. .. C
B 0 2 In2 . . C
MatB (f ) = B
B ..
C,
C
@ .. .. A
. . . 0
0 0 p Inp

et son polynôme caractéristique est

Cf (X) = ( 1 X)n1 ( 2 X)n2 ( p X)np ;

ceci montre que, pour chaque i 2 f1; 2; : : : ; pg ; l’ordre de multiplicité de i est

égal à ni :
Réciproquement, supposons que Cf est scindé et que, pour chaque valeur
propre de f; l’ordre de multiplicité de est égal à dim(SEP(f; )); alors
Cf (X) s’écrit :

Cf (X) = a( 1 X)n1 ( 2 X)n2 ( p X)np ;

où a 2 K , 1 ; 2 ; : : : ; p sont les valeurs propres de f deux à deux distinctes

Pp et
ni = dim(SEP(f; i )); i 2 f1; 2; : : : ; pg ; donc dim(V ) = deg(Cf (X)) = i=1 ni ,
ceci montre que f est diagonalisable en vertu de la proposition 1 du para. 3.2.

Corollaire 1.
Soient V un espace vectoriel de dimension n et f 2 L(V ): Si f admet n
valeurs propres deux à deux distinctes, alors f est diagonalisable.

Preuve.
Si f admet n valeurs propres deux à deux distinctes, alors Cf ; qui est
de degré n; admet n racines simples, et pour chaque valeur propre on a :
dim(SEP(f; )) = 1 (voir para 3.1, corollaire 2.) ; donc f est diagonalisable en
vertu du théorème 2.

Exemples. 01
2 0 1
1. Montrer que la matrice A = @ 1 1 1 A est diagonalisable et trouver
2 0 1
P 2 GL3 (R) telle que P 1 :A:P soit diagonale.

Soit f l’endomorphisme de R3 dont la matrice dans la base canonique B0 =

(e1 ; e2 ; e3 ) est A: Le polynôme caractéristique de f est :

2 X 0 1
2 X 1
Cf (X) = 1 1 X 1 = (1 X) = X(1 X)2 :
2 1 X
2 0 1 X

10
 Les valeurs propres de f sont donc : 0 ( simple ) et 1 ( double ):
Soit v = xe1 + ye2 + ze3 2 R3 ; 00 10 1 0 11
2 0 1 x 0
(v 2 SEP(f; 0)) () (f (x) = 0) () @@ 1 1 1 A @ y A = @ 0 AA
8 2 0 1 z 0
< 2x + z = 0
z = 2x
() x + y + z = 0 () ()
: y=x
2x z = 0
(v = x(e1 + e2 2e3 ) :
Donc SEP(f; 0) = V ect(v1 ); où v1 = e1 + e2 2e3 ; et (v1 ) est une base de
SEP(f; 0): 00 10 1 0 11
2 0 1 x x
(v 2 SEP(f; 1)) () (f (x) = x) () @@ 1 1 1 A @ y A = @ y AA
8 2 0 1 z z
< 2x + z = x
() x + y + z = y () (z = x) ()
:
2x z = z
( v = xe1 + ye2 xe3 )
() ( v = x(e1 e3 ) + ye2 ) :
Donc SEP(f; 1) = V ect(v2 ; v3 ); où v2 = e1 e3 et v3 = e2 ; et (v2 ; v3 ) est une
base de SEP(f; 1).
Puisque Cf est scindé et que, pour chaque valeur propre de f; la dimension
de SEP(f; ) est égale à l’ordre de multiplicité de , f est diagonalisable en vertu
du théorème 2. On en déduit que A est diagonalisable (voir remarque 1 para.
3.2.)
La matrice de f dans la base B1 = (v1 ; v2 ; v3 ) est :
0 1
0 0 0
MatB1 (f ) = @ 0 1 0 A :
0 0 1

D’autre part, des relations :

8 8
< v1 = e1 + e2 2e3 < e1 = v1 + 2v2 + v3
v2 = e1 e3 et e2 = v3 ;
: :
v3 = e2 e3 = v1 + v2 + v3
on déduit que :
0 1 0 1
1 1 0 1 0 1
P (B0 ; B1 ) = @ 1 0 1 A et P (B1 ; B0 ) = @ 2 0 1 A
2 1 0 1 1 1

et, par suite,

1
P (B0 ; B1 ) :A:P (B0 ; B1 ) = P (B1 ; B0 ):MatB0 (f ):P (B0 ; B1 ) = MatB1 (f ):

11
 0 1
2 5 3
2. Soit B = @ 1 2 3 A : Déterminer le polynôme caractéristique CB ;
3 15 12
les valeurs propres de B; les sous-espaces propres associés et une base de M31 (R)
formée de vecteurs propres.

Le polynôme caractéristique et les valeurs propres de B.

2 X 5 3 2 X 5 3
(L3 L3 +3L2 )
CB (X) = 1 2 X 3 = 1 2 X 3
3 15 12 X 0 9 3X 3 X
2 X 5 3 2 X 4 3
(C2 C2 3C3 )
= (3 X) 1 2 X 3 = (3 X) 1 7 X 3
0 3 1 0 0 1
2 X 4
= (3 X) = (3 X)((2 X)(7 X) + 4)
1 7 X
2
= (3 X)(X 9X + 18) = (X 3)2 (X 6)
Les valeurs propres de B sont donc 3 (double) et 6 (simple).

1 propres de B.
Les sous-espaces
0
y1
Soit Y = @ y2 A 2 M3;1 (R): On a :
y3
0 0 1 0 11
y1 0
( Y 2 SEP(B; 3)) () @(B 3I3 ) @ y2 A = @ 0 AA
y3 0
00 10 1 0 11
1 5 3 y1 0
() @@ 1 5 3 A @ y2 A = @ 0 AA
3 15 9 y3 0

0 0 11
5y2 3y3
() (y1 + 5y2 + 3y3 = 0 ) () @Y = @ y2 AA
y3
0 0 1 0 11
5 3
() @Y = y 2 @ 1 A + y 3 @ 0 AA ;
0 1
0 1 0 1
3 5
donc SEP(B; 3) = V ect(Y1 ; Y2 ); où Y1 = @ 0 A et Y2 = @ 1 A. On
1 0
véri…e facilement que (Y1 ; Y2 ) est une base de SEP(B; 3):

12
 De même
0 1 00 11
y1 0
(Y 2 SEP(B; 6)) () @(B 6I3 ) @ y2 A = @ 0 AA
y3 0
0 10 1 0 1
4 5 3 y1 0
() @ 1 8 3 A @ y2 A=@ 0 A
3 15 6 y3 0

8
< 4y1 + 5y2 + 3y3 = 0
y1 y2 = 0
() y1 + 8y2 + 3y3 = 0 ()
: 3y 2 + y3 = 0
3y1 + 15y2 + 6y3 = 0
0 0 11
1
() @Y = y1 @ 1 AA ;
3
0 1
1
donc SEP(B; 6) = V ect (Y3 ) ; où Y3 = @ 1 A ; et (Y3 ) est une base de
3
SEP(B; 6):
La famille (Y1 ; Y2 ; Y3 ); qui est formée de vecteurs propres de B; est une base
de M31 (R), car
3 5 1 0 5 8
(L1 L1 +3L3 )
det B0 ((Y1 ; Y2 ; Y3 ) = 0 1 1 = 0 1 1
1 0 3 1 0 3
5 8
= = 3;
1 1

où B0 est la base0canonique de M1 31 (R):

3 5 1
Posons P = @ 0 1 1 A : La matrice P est inversible et son inverse
1 0 3
0 1 0 1
1 5 2 3 0 0
est P 1 = @ 31 8
3 1 A ; de plus P 1 :B:P = @ 0 3 0 A :
1 5
1 0 0 6
0
3 3 1
4 1 1
3. Soit C = @ 2 4 1 A : Comme pour la matrice B de l’exemple 2, déter-
0 1 4
miner le polynôme caractéristique de C; les valeurs propres de C et les sous-espaces
propres associés. En déduire que C n’est pas diabonalisable.

Le polynôme caractéristique et les valeurs propres de C.

4 X 1 1 4 X 1 0
(C3 C3 C2 )
CC (X) = 2 4 X 1 = 2 4 X 3+X
0 1 4 X 0 1 3 X

13
 4 X 1 0 4 X 1 0
(L2 L2 +L3 )
= (3 X) 2 4 X 1 = (3 X) 2 5 X 0
0 1 1 0 1 1
= (3 X)((4 X)(5 X) 2) = (3 X)(X 2 9X + 18)
= (X 3)2 (X 6):
Les valeurs propres de C sont donc : 3 ( double) et 6 (simple).

1 propres de C.
Les sous-espaces
0
y1
Soit Y = @ y2 A 2 M3;1 (R):
y3 0 0 1 0 11
y1 0
(Y 2 SEP(C; 3)) () @(C 3I3 ) @ y2 A = @ 0 AA
00 y3 1 0 01 0 11
1 1 1 y1 0
() @@ 2 1 1 A @ y2 A = @ 0 AA
8 0 1 1 y3 0
< 1 y + y 2 + y 3 = 0
y1 = 0
() 2y1 + y2 + y3 = 0 ()
: y2 = y3
0 y20+ y3 =101
0
() @Y = y2 @ 1 AA ;
1 0 1
0
donc SEP(C; 3) = V ect (Y1 ) ; où Y1 = @ 1 A ; et (Y1 ) est une base de
1
SEP(C; 3): 0 0 1 0 11
y1 0
(Y 2 SEP(C; 6)) () @(C 6I3 ) @ y2 A = @ 0 AA
00 y3 100 1 0 11
2 1 1 y1 0
() @@ 2 2 1 A @ y 2 A = @ 0 AA
8 0 1 2 y3 0
< 2y1 + y2 + y3 = 0
2y1 = 3y3
() 2y1 2y2 + y3 = 0 ()
: y2 = 2y3
y 2y = 0
0 32 1 3 0 1
2 y3 3y3
() Y = @ 2y3 A = 12 y3 @ 4y3 A ;
y3 2y
0 1 3
3
donc SEP(C; 6) = V ect (Y2 ) ; où Y2 = @ 4 A ; et (Y2 ) est une base de
2
SEP(C; 6):
Soit f : R3 ! R3 l’endomorphisme de R3 dont la matrice dans la base
canonique est C: On déduit de ce qui précède que SEP(f; 3) = V ect (t Y1 ) et

14
SEP(f; 6) = V ect (t Y2 ) : Comme la dimension de SEP(f; 3) ( = 1) est di¤érente
de l’ordre de multiplicité de la valeur propre 3 (= 2), l’endomorphisme f n’est
pas diagonalisable. or f est diagonalisable si et seulement si C l’est (voir re-
marque 1 para. 3.2.) , donc C n’est pas diagonalisable.

Remarquer que la matrice de l’exemple 2 et celle l’exemple 3 ont les mêmes

valeurs propres avec les mêmes ordres de multiplicité, mais la première est di-
agonalisable et la deuxième ne l’est pas.

3.3 Trigonalisation.
Dé…nition 1.
1. On dit qu’un endomorphisme f 2 L(V ) est trigonalisable si et seulement
s’il existe une base B de V telle que MatB ( f ) soit triangulaire.
2. On dit qu’une matrice A 2 Mn (K) est trigonalisable si et seulement
s’il existe une matrice P 2 GLn (K) telle que P 1 :A:P soit triangulaire.

Remarques 1
1. Soient f 2 L(V ); B0 une base de V et A = MatB0 (f ): Alors f est trigo-
nalisable si et seulement si A est trigonalisable. En e¤et, si f est trigonalisable,
il existe une base B de V telle que MatB ( f ) soit triangulaire. Soit P = P (B0 ,
B); alors
P 1 :A:P = P 1 :MatB0 (f ):P = MatB (f ),
donc A est trigonalisable. Réciproquement, supposons que A soit trigonalisable
, il existe alors une matrice P = (aij )1 i;j n 2 GLn (K) telle que P 1 :A:P soit
triangulaire. On pose : B0 = (u1 ; u2 ; : : : ; un ) et B = (v1 ; v2 ; : : : ; vn ); où vj =
a1j u1 + a2j u2 + + anj un (j = 1; : : : ; n): Alors B est une base de V ( car
detB0 (v1 ; v2 ; : : : ; vn ) = det(P ) 6= 0) et P est la matrice de passage de B0 à B;
de plus
MatB (f ) = P 1 :MatB0 (f ):P = P 1 :A:P ,
donc f est trigonalisable.
2. Soient A = (a0 ij )1 i;j n une matrice
1 triangulaire supérieure : aij =
0 0 1
B .. C
B . 0 1 0 C
0 si i > j; et P = B B C 1
= P et P 1 :A:P =
.. C ; alors P
@ 0 1 0 . A
1 0 0
0 1
ann 0 0
B .. C
B an 1;n an 1;n 1 . . . . C
B C : En e¤et, si P = ( ij ) ( ij = 1 si i+j = n+
B .. .. .. C
@ . . . 0 A
a1n a1;n 1 a11

15
 2
1 et = 0 si i+j 6= n+1) et P 1 :A:P = (bij ); pour tout (i; j) 2 f1; 2; : : : ; ng ,
ij
X
bij = ik akl lj = i;n i+1 an i+1;n j+1 n j+1;j = an i+1;n j+1 ;
1 k;l n

de plus, si i < j; n i+1>n j + 1 et bij = an i+1;n j+1 = 0:

Théorème 1.
Soit f 2 L(V ); alors f est trigonalisable si et seulement si son polynôme
caractéristique est scindé.

Preuve.
Supposons que f est trigonalisable, alors il existe une base B de V telle que
MatB (f ) soit triangulaire supérieure : MatB (f ) = (bij ); bij = 0 si i > j ; le
polynôme caractéristique de f est donc scindé :
b11 X b12 b1n
.. .. n
Y
0 b22 X . .
Cf (X) = .. = (bii X):
.. ..
. . . bn 1;n i=1
0 0 bnn X
Inversement, montrons, par récurrence sur la dimension n de V , que si Cf
est scindé alors f est trigonalisable. La propriété est évidente pour n = 1:
Supposons qu’elle soit vraie pour n (n 1); et soit f un endomorphisme, d’un
espace vectoriel V de dimension n + 1; dont le polynôme caractéristique est
scindé. Soient 1 une valeur propre de f et v1 un vecteur propre associé à 1 :
La famille libre ( v1 ) peut-être complétée en une base B = (v1 ; v2 ; : : : ; vn+1 ) de
V: La matrice de f dans la base B est de la forme :

1 L
MatB (f ) = ;
0 A

où L 2 M1;n (K) et A 2 Mn (K): Soit g l’endomorphisme de V1 = V ect(v2 ; : : : ; vn+1 )

dont la matrice dans la base B1 = (v2 ; : : : ; vn+1 ) est A;alors

Cf (X) = ( 1 X) det(A XIn ) = ( 1 X)Cg (X),

comme Cf (X) est scindé, Cg (X) l’est aussi ; donc, d’après l’hypothèse de récur-
rence, g est trigonalisable ; il existe alors une base B10 = (v20 ; : : : ; vn+1
0
) de V1
telle que MatB1 (g) soit triangulaire supérieure : si P1 est la matrice de passage
de B1 à B10 ,

MatB1 (g) = P1 1 AP1 :

1 0
La matrice de passage de B à B 0 = (v1 ; v20 ; : : : ; vn+1
0
) est : P = ; son
0 P1
1 1 0
inverse est P = 1 et
0 P1

16
 1 1 0 1 L 1 0
MatB0 (f ) = P :MatB (f ):P = 1 : :
0 P1 0 A 0 P1
1 0 1 LP1 1 LP1
= 1 : = ;
0 P1 0 AP1 0 P1 1 AP1
donc la matrice de f dans B 0 est triangulaire supérieure.

Exemples. 1 0
4 1 1
1. Nous allons reprendre l’exemple 3 ci-dessus : C = @ 2 4 1 A : On a vu
0 1 4
que cette matrice n’est pas diagonalisable. Montrons que C est trigonalisable et
donnons une matrice P 2 GL3 (R) telle que P 1 :C:P soit triangulaire.

Soit f l’endomorphisme de R3 dont la matrice dans la base canonique B =

(e1 ; e2 ; e3 ) est C: Le polynôme caractéristique de f : Cf (X) = (X 3)2 (X 6)
est scindé, donc f est trigonalisable. On sait que SEP(f; 3) = V ect(v1 ) et
SEP(f; 6) = V ect(v2 ); où v1 = e2 e3 et v3 = 3e1 + 4e2 + 2e3 (voir exemple 3
para. 3.2 ).
Cherchons un vecteur v2 = x1 e1 + x2 e2 + x3 e3 2 R3 tel que B 0 = (v1 ; v2 ; v3 )
soit une base de R3 et que la matrice de f dans B 0 soit de la forme :
0 1
3 b 0
MatB0 (f ) = @ 0 a 0 A ; a; b 2 R.
0 0 6
Comme Cf (X) = (X 3)2 (X 6) = (3 X)(a X)(6 X); a = 3: D’autre
part, 00 10 1 0 11
4 1 1 x1 3x1
(f (v2 ) = bv1 + 3v2 ) () @@ 2 4 1 A @ x2 A = @ b + 3x2 AA
80 1 4 x3 b + 3x3
< 1 x + x2 + x3 = 0
x1 = b
() 2x1 + x2 + x3 = b () :
: x2 + x3 = b
x2 + x3 = b
Choisissons b = 1 et v2 = e1 e2 : La famille B 0 = (v1 ; v2 ; v3 ) est une base de
R3 ; car det B (v1 ; v2 ; v3 ) = 9 6= 0; et , si P est la matrice de passage de B à B 0 ;
0 1
3 1 0
P 1 :C:P = MatB0 (f ) = @ 0 3 0 A :
0 0 6
Cette dernière matrice est appelée réduite de Jordan de C:
0 1
2 2 1
2. Soit la matrice A = @ 1 1 1 A : Montrer que la matrice A est
1 2 2
trigonalisable et trouver P 2 GL3 (R) telle que P 1 :A:P soit triangulaire.

17
 Soit f l’endomorphisme de M3;1 (R) dé…ni par :
8 Y 2 M3;1 (R); f (Y ) = AY:
00
1 0 1 0 11
1 0 0
La matrice de f dans la base canonique B0 = @@ 0 A ; @ 1 A ; @ 0 AA
0 0 1
de M3;1 (R) est A et son polynôme caractéristique est

2 X 2 1 1 X 2 1
( C1 C1 +C2 +C3 )
Cf (X) = 1 1 X 1 = 1 1 X 1
1 2 2 X 1 2 2 X
1 2 1 1 2 1
= (1 + X) 1 1 X 1 = (1 + X) 0 1 X 0 = (1 + X)3 :
1 2 2 X 0 0 1 X
Le polynôme Cf (X) est scindé, donc f est0trigonalisable
1 et, par suite, A
y1
l’est aussi. Déterminons SEP(f; 1): Soit Y = @ y2 A 2 M3;1 (R): On a :
y3
00 10 1 0 11
2 2 1 y1 y1
(Y 2 SEP(f; 1) ) () @@ 1 1 1 A @ y2 A = @ y2 AA () (y1 = 2y2 y3 )
1 2 2 y3 y3
0 0 1 0 1 0 11
2y2 y3 2 1
() @Y = @ y2 A = (y2 y3 ) @ 1 A + y3 @ 1 AA ;
y3 0 1
donc SEP(f; 1) est le sous-espace0 1vectoriel 0 de M1 3;1 (R); de dimension 2, en-
2 1
gendré par les vecteurs Y1 = @ 1 A et Y2 = @ 1 A :
00 1 1
y1
Cherchons un vecteur Y3 = @ y2 A 2 M3;1 (R) et a 2 R tels que B =
y3
(Y1 ; Y2 ; Y3 ) soit une base de M3;1 (R) et que
0 1
1 0 0
MatB (f ) = @ 0 1 a A:
0 0 1
On a :
00 10 1 0 11
2 2 1 y1 a y1
(f (Y3 ) = aY2 Y3 ) () @@ 1 1 1 A @ y2 A = @ a y2 AA
1 2 2 y3 a y3
() ( x1 + 2x2 x3 = a ) :

18
 0 1
1
On choisir Y3 = @ 0 A et a = 1: On véri…e facilement que det B0 (B) = det B0 (Y1 ; Y2 ; Y3 ) =
0
1; donc B est une base de M3;1 (R):
Soit P la matrice de passage de B0 à B, alors
0 1 0 1
1 1 1 0 1 1
P = @ 0 1 0 A ; P 1 = P (B; B0 ) = @ 0 1 0 A
1 1 0 1 2 1
0 1
1 0 0
et MatB (f ) = P 1 :MatB0 (f ):P = P 1 :A:P = @ 0 1 1 A:
0 0 1
0 1
2 0 1
3. Trigonaliser la matrice : A = @ 1 1 0 A dans M3 (R):
1 1 3
Soit f l’endomorphisme de M3;1 (R) dé…ni par :
8 Y 2 M3;1 (R); f (Y ) = AY:
La matrice de f dans la base canonique B0 de M3;1 (R) est A:
On a :
2 X 0 1 2 X 0 1
(C1 C1 +C2 )
Cf (X) = 1 1 X 0 = 2 X 1 X 0
1 1 3 X 0 1 3 X
1 0 1 1 0 1
(L2 L2 C2 )
= (2 X) 1 1 X 0 = (2 X) 0 1 X 1
0 1 3 X 0 1 3 X
= (2 X)((1 X)(3 X) + 1) = (2 X)3 :
Donc Cf (X) est scindé et, par suite, f est trigonalisable. 2 est la seule valeur
propre de A, 0
son ordre
1 de multiplicité est 3.
y1
Soit Y = @ y2 A 2 M3;1 (R): On a :
y3
00 10 1 0 11
2 0 1 x1 x1
(Y 2 SEP(f; 2)) () @@ 1 1 0 A @ x2 A = 2 @ x2 AA
1 1 3 x3 x3
0 0 11
1
x3 = 0
() () @Y = y1 @ 1 AA ;
x1 = x2
0
donc SEP(f;
0 12) est le sous-espace vectoriel de0M3;11
(R) engendré
0 par1le vecteur
1 x1 y1
Y1 = @ 1 A : Cherchons des vecteurs Y2 = @ x2 A et Y3 = @ y2 A tels que
0 x3 y3

19
 0 1
2 a 0
B = (X1 ; X2 ; X3 ) soit une base de M3;1 (R) et que MatB (f ) = @ 0 2 b A;
0 0 2
avec a; b 2 R. 00 10 1 0 1 0 1
2 0 1 x1 1 x1
f (Y2 ) = aY1 + 2Y2
On a : () @@ 1 1 0 A @ x2 A = a @ 1 A + 2 @ x2 A
f (Y3 ) = bY2 + 2Y3
1 1 3 x3 0 x3
0 10 1 0 1 0 11 et
2 0 1 y1 x1 y1
@ 1 1 0 A @ y2 A = b @ x2 A + 2 @ y2 AA
1 1 3 y3 x3 y3
x3 = a
() et
8 1 x1 x2 = a
< y3 = bx1
y1 y2 = bx2 A
:
y1 + y2 + y3 = bx3
x3 = a y3 = bx1
() et :
0 1 x
0 11 2 x = a y 1 y 2 = b(x1 a)
1 0
On choisit Y2 = @ 0 A ; Y3 = @ 0 A et a = b = 1 . On peut facilement
1 1
véri…er que B = (Y1 ; Y2 ; Y3 ) est une base de M3;1 (R) et que
1
MatB (f ) = P (B0 ; B) :MatB (f ):P (B0 ; B)
1
= P (B0 ; B) :A:P (B0 ; B)
0 1
2 1 0
= @ 0 2 1 A;
0 0 2

cette matrice est la réduite de Jordan de A:

20