RÉDUCTION DES ENDOMORPHISMES ET DES MATRICES CARRÉES

Sauf mention contraire, K = R ou C, E est un K-espace vectoriel de dimension finie n ≥ 1 et u ∈ L(E).

1. Éléments propres d’un endomorphisme

Définition 1.0.1.
Soit λ ∈ K. On dit que λ est une valeur propre de u s’il existe x ∈ E \ {0} tel que u(x) = λx. Dans ce cas, x est appelé
vecteur propre de u associé à la valeur propre λ et l’espace Eλ = Ker(u − λidE ) est appelé espace propre de u associé
à la valeur propre λ.
L’ensemble de valeurs propres de u s’appelle le spectre de u et il est noté spec(u).
Proposition 1.0.1.
Soit λ ∈ K. On pose Eλ = Ker(u − λidE ). Les assertions suivantes sont équivalentes :
(1) λ est une valeur propre de u.
(2) u − λidE n’est pas injectif.
(3) Eλ 6= {0}.
(4) dim (Eλ ) ≥ 1.
Preuve : Exercice.
Définition 1.0.2.
Soit F un sous espace vectoriel de E. On dit que F est stable par u si :

∀x ∈ F, u(x) ∈ F.
Dans ce cas, la restriction de u à F est un endomorphisme qu’on note uF et qu’on appelle endomorphisme induit par
u sur F .
Proposition 1.0.2.
Soit x ∈ E \ {0}. Les assertions suivantes sont équivalentes :
(1) x est une vecteur propre de u.
(2) La droite Kx engendrée par x est stable par u.
Preuve : Exercice.
Exemple : D’un point de vue géométrique, une rotation vectorielle d’angle θ ∈]0, 2π[\{π} ne stabilise aucune
droite, en particulier, elle ne possède pas de valeur propre.
Proposition 1.0.3.
Soient f, g ∈ L(F ) telle que f ◦ g = g ◦ f . Alors Ker(g) et Im(g) sont stables par f .
Preuve :
Soit x ∈ Ker(g). Donc, g(x) = 0 et par suite, on a :
g(f (x)) = g ◦ f (x) = f ◦ g(x) = f (g(x)) = 0.
Donc, f (x) ∈ Ker(g). Ce qui montre bien que Ker(g) est stable par f .
De même manière, on montre que Im(g) est stable par f .
Corollaire 1.0.1.
Soient v ∈ L(F ) telle que u ◦ v = v ◦ v. Les sous espaces propres de u sont stable par v.
Corollaire 1.0.2.
Soit λ ∈ K. L’espace propre Eλ = Ker(u − λidE ) est stable par u.

1
2

Théorème 1.0.1.
Soit p ≥ 1 un entier. Supposons que u admet p - valeurs propres deux à deux distincts λ1 , · · · , λp ∈ K. Alors les
espaces propres Eλ1 , · · · , Eλp sont en somme directe.
Corollaire 1.0.3.
(1) Toute famille finie de vecteurs propres associés à des valeurs propres distinctes deu est libre.
(2) u admet au plus n-valeurs propres distincts.
Preuve :
(1) Soit p ≥ 1 et F = (e1 , · · · , ep ) une famille finie de vecteurs propres associés à des valeurs propres distinctes
λ1 , · · · , λp de f . Soient µ1 , · · · , µp ∈ K tels que

µ1 e1 + · · · + µp ep = 0.
Comme Eλ1 , · · · , Eλp sont en somme directe, il vient que µ1 e1 = · · · = µp ep = 0 et par suite µ1 = · · · = µp = 0
car ek 6= 0 pour tout k = 1, · · · , p.
Ce qui montre bien que la famille F est libre.
(2) Raisonnons par l’absurde. Supposons donc que u admet n + 1- valeurs propres distincts qu’on note λ1 , · · · , λn+1 .
Il existe donc n + 1-vecteurs propres e1 , · · · , en+1 de u associés à λ1 , · · · , λn+1 . D’après ce qui précède, la famille
(e1 , · · · , en+1 ) est libre (absurde car E est de dimension n).
Exercice 1.0.1.
Soit E l’espace de fonctions f : R → R de classe C ∞ sur R. Soit u : E → E l’application qui à un élément f de E
associe sa dérivée f 0 .
(1) Montrer que u ∈ L(E).
(2) Pour tout λ ∈ R , on associe la fonction fλ : R → R définie par

∀x ∈ R, fλ (x) = eλx .
(a) Montrer que pour tout λ ∈ R, la fonction fλ est un vecteur propre de u associé à λ.
(b) En déduire que la dimension de l’espace E est infinie.


(3) Soient p ≥ 1 un entier et λ1 , · · · , λp des réels deux à deux distincts. Montrer que la famille fλ1 , · · · , fλp est
libre.
Remarque 1.0.1.
- De même manière, on étend les notions d’une valeur propre, d’un vecteur propre et d’un espace propre pour une
matrice A ∈ Mn (K) et les résultats obtenues précédemment dans ce paragraphe.
- Une matrice A ∈ Mn (K) et son endomorphisme canoniquement associé ont le même spectre.
 3

2. Polynômes d’endomorphismes
Définition 2.0.1.
Soit P ∈ K[X]. On dit que P est scindé s’il existe µ, λ1 , · · · , λn ∈ K non nécessairement distincts tels que
Yn
P =µ (X − λk ).
k=1

N.B :
(1) Tout polynôme de degré 1 est scindé.
(2) Tout diviseur d’un polynôme scindé est un polynôme scindé.
(3) Si K = C alors tout polynôme est scindé.
Exemples :
- Les polynômes (X − 1)3 et (X − 1)(X + 2) sont scindés sur R.
- Le polynôme réel X 2 + 1 n’est pas scindé.
2.1. Polynômes caractéristique.

1. Polynôme caractéristique d’une matrice carrée. Soit A ∈ Mn (K).

Proposition 2.1.1.
L’application x → det(xIn − A) est une fonction polynomiale sur K de degré n et l’on a, pour tout x ∈ K :
det(xIn − A) = xn − T r(A)xn−1 + · · · + (−1)n det(A).
Définition 2.1.1.
On appelle polynôme caractéristique de A et on note χA (X) l’unique polynôme tel que :
∀λ ∈ K , χA (λ) = det(λIn − A).
Par abus on note χA (X) = det(XIn − A).
Théorème 2.1.1.
Un scalaire λ ∈ K est une valeur propre de A si et seulement s’il est une racine du polynôme caractéristique de A.
Preuve : Soit λ ∈ K. Soit u l’endomorphisme canoniquement associé à A.
On sait que λ est une valeur propre de A si et seulement si u − λidKn n’est pas injective si et seulement si A − λIn
n’est pas inversible si et seulement si χA (λ) = (−1)n det(A − λIn ) = 0.
D’où le résultat.
Remarque 2.1.1.
Une matrice carrée de taille n a au plus n valeurs propres distinctes puisque son polynôme caractéristique est de degré
n.
Exemple2.1.1. 
2 5 0
Soit A = −2 −1 1. Alors
−2 2 3
 
X − 2 −5 0 
−1  = (X − 2)(X + 1)(X − 3) + 10 − 2(X − 2) + 10(X − 3) = (X − 2)(X 2 − 2X + 5).

χA (X) =  2 X +1
 2 −2 X − 3
La matrice réelle A a donc une seule valeur propre, 2, mais la matrice complexe A a trois valeurs propres, 2, 1 + 2i et
1 − 2i.
Remarque 2.1.2.
Pour tout λ ∈ K, on a χt A (λ) = det(λIn − t A) = det(t (λIn − A)) = det(λIn − A) = χA (λ) donc A et t A ont le même
le polynôme caractéristique.
De plus, pour tout λ ∈ sp(A), on a :
rg(A − λIn ) = rg(t (A − λIn )) = rg(t A − λIn ).
Du coup
∀λ ∈ sp(A), dim Eλ (A) = dim Eλ (t A).
4

2. Polynôme caractéristique d’un endomorphisme

Lemme 2.1.1.
Deux matrices semblables ont le même polynôme caractéristique.
Preuve :
Soit A ∈ Mn (K) et P ∈ GLn (K). pour tout scalaire λ :

χP AP −1 (λ) = det(λIn − P AP −1 ) = det(P (λIn − A)P −1 ) = det(λIn − A) = χA (λ).

Définition 2.1.2.
On appelle polynôme caractéristique de l’endomorphisme u et l’on note χu , le polynôme caractéristique de toute
matrice représentant u.
On a donc, pour tout scalaire λ, χu (λ) = det(λidE − u)
N.B : Cette définition est cohérente car les matrices représentant de u sont tous semblables et donc ont tous le
même polynôme caractéristique.
Proposition 2.1.2.
Le polynôme χu est unitaire, de degré n et l’on a :
χu (X) = X n − (T r(u))X n−1 + · · · + (−1)n det(u).
Proposition 2.1.3.
Soit u ∈ L(E). Les valeurs propres de u sont exactement les racines de son polynôme caractéristique.
Remarque 2.1.3.
On retrouve de nouveau le fait que u a au plus n valeurs propres.
Proposition 2.1.4.
Si F est un sous-espace vectoriel de E stable par u, alors le polynôme caractéristique, χuF , de l’endomorphisme induit
par u sur F divise χu .
Preuve :
Soit m la dimension de F et B = (e1 , · · ·, en ) une base de E adaptée
 àF , c’est-à-dire telle que BF = (e1 , · · ·, em ) soit
A B
une base de F . La matrice de u dans B est alors de la forme , où A est la matrice de uF dans la base BF .
0 D
Le polynôme caractéristique de u, égal à χA (X)χD (X) est donc divisible par le polynôme caractéristique χA (X) de uF .

3. Ordre de multiplicité d’une valeur propre

Définition 2.1.3.
Soit λ une valeur propre de u(resp de A). L’ordre de multiplicité de λ en tant que racine de χu (resp de chiA ) est appelé
l’ordre de multiplicité de la valeur propre λ . On dit que λ est une valeur propre simple si son ordre de multiplicité
vaut 1, double s’il est égal à 2.
Exemple : Si χA = (X − 1)3 (X + 1) alors 1 est une valeur propre de A d’ordre de multiplicité 3 et −1 est une
valeur propre simple de A.
Proposition 2.1.5.
Soit A ∈Q
Mn (K) de polynôme caractéristique χA scindé sur K.
n
Si χA = i=1 (X − xi ), an a alors :
n
X
T r(A) = xi
i=1
et
n
Y
det(A) = xi .
i=1
On a les mêmes relations pour u ∈ L(E), si χu est scindé.
Preuve : Pour A ∈ Mn (K), on a :
n n
! n
Y X Y
χA = (X − xi ) = X n − xi X n1 + · · · + (−1)n xi .
i=1 i=1 i=1
 5

On obtient les relations annoncées en identifiant cette expression de χA et celle obtenue dans la proposition 2.0.1.
Exemple : Si χA = (X − 2)2 (X + 1)3 alors tr(A) = 4 − 3 = 1 et det(A) = −4.
Proposition 2.1.6.
La dimension d’un sous-espace propre de u est au plus égale à l’ordre de multiplicité de la valeur propre correspondante
Preuve : Soit λ ∈ K une valeur propre de u d’ordre de multiplicité mλ ≥ 1. Donc, il existe Q ∈ K[X] tel que
Q(λ) 6= 0 et χu = (X − λ)mλ Q. D’autre part, on sait que Eλ est stable par u. Soit uλ l’endomorphisme induit par u
dim(Eλ )
sur Eλ . On sait que deg χuλ = dim(Eλ ) et que χuλ | χu . Comme uλ = λidEλ , il vient que χuλ = (X − λ) .
mλ
Comme Q(λ) 6= 0, il vient que χuλ ∧ Q = 1 et d’après le théorème de Gauss χuλ | (X − λ) . En passant aux degrés,
on en déduit que dim(Eλ ) ≤ mλ . D’où le résultat.

2.2. Polynômes annulateurs.

On rappelle les notations u0 = idE et

∀k ∈ N, uk+1 = u ◦ uk .
Pm k
Ainsi, pour P = k=0 ak X ∈ K[X] de degré m ∈ N on pose

m
X
P (u) = ak uk .
k=0
De même manière, si A ∈ Mn (K), on définit P (A) par
m
X
P (A) = ak Ak .
k=0
Exemples :
- Si P = X 2 − 1 alors P (u) = u2 − idE et P (A) = A2 − In .
- Si P = X 3 + X + 2 alors P (u) = u3 + u + 2idE et P (A) = A3 + A + 2tIn .
Proposition 2.2.1.
si x ∈ Eλ (u) et si P ∈ K[X] alors P (u)(x) = P (λ)x.
Preuve :
Si u(x) = λx, on établit, par une récurrence immédiate :

∀k ∈ N , uk (x) = λk x,
Pp k
Pp k
Si P = k=0 ak X , on en déduit P (u)(x) = k=0 ak λ x = P (λ)x.
Corollaire 2.2.1.
Soit A ∈ Mn (K). Si X ∈ Eλ (A) et si P ∈ K[X] alors P (A)X = P (λ)X. .
Proposition 2.2.2.
Soit P est un polynôme annulateur de u ∈ L(E) i.e., P (u) = 0, alors toute valeur propre de u est racine de P .
Preuve :
Soit λ une valeur propre de u, alors il existe x ∈ E\{0} tel que : u(x) = λx, d’après la proposition précédente
0 = P (u)(x) = P (λ)x, donc P (λ) = 0 car x 6= 0.
Exemple 2.2.1.
Si p est un projecteur alors sp(p) ⊂ {0, 1} car il est annulé par le polynôme X 2 − X = X(X − 1), et si s est une
symétrie alors elle est annulée par le polynôme X 2 − 1 = (X + 1)(X − 1) donc sp(s) ⊂ {−1, 1}.
Corollaire 2.2.2.
Si P est un polynôme annulateur de A ∈ Mn (K), i.e., P (A) = 0, alors toute valeur propre de A est racine de P .
Corollaire 2.2.3.
Si P est un polynôme annulateur de u tel que P (0) 6= 0 et si E est de dimension finie, alors u est bijectif.
Preuve :
D’après la proposition précédente, 0 n’est pas valeur propre de u. L’endomorphisme u est donc injectif. Comme E est
de dimension finie, on en déduit que u est bijectif.
Exemple 2.2.2.
Si u vérifie u2 − 3u + 2idE = 0, alors u est inversible.
6

3. Matrices et endomorphismes diagonalisables

On rappelle que E est un espace vectoriel de dimension finie n non nulle.
Définition 3.0.1.
(1) Un endomorphisme u est dit diagonalisable s’il existe une base de E dans laquelle sa matrice est diagonale.
(2) Une matrice A de Mn (K) est dite diagonalisable si elle est semblable à une matrice diagonale, c’est-à-dire s’il
existe une matrice D ∈ Mn (K) diagonale et une matrice P ∈ GLn (K) telles que A = P DP −1 .
N.B : Si u ∈ L(E) et A est une matrice représentant de u alors u est diagonalisable si et seulement si A esy
diagonalisable.
Proposition 3.0.1.
Un endomorphisme u de E est diagonalisable si, et seulement s’il existe une base de E constituée de vecteurs propres
de u.
Preuve :
S’il existe une base de E constituée de vecteurs propres de u, alors la matrice de u dans cette base est diagonale donc
u est diagonalisable.
Réciproquement, s’il existe une base de E dans laquelle la matrice de u soit diagonale, alors cette base est constituée
de vecteurs propres de u.
Proposition 3.0.2.
Les projecteurs et les symétries de E sont diagonalisables.
Preuve :
L
(1) Soit p un projecteur de E . On a E = Ker(p) Ker(p − idE ). Donc, si l’on réunit une base de Ker(p) et une
base de Ker(p − idE ), on obtient une base de E constituée de vecteurs propres de p. Ainsi p est diagonalisable.
L
(2) Soit s une symétrie de E . On a E = Ker(s−idE ) Ker(s+idE ). Donc, si l’on réunit une base de Ker(s−idE ) et
une base de Ker(s+idE ), on obtient une base de E constituée de vecteurs propres de s. Ainsi, s est diagonalisable.
Exercice 3.0.1.  
0 2 −1
Diagonaliser la matrice A =  3 −2 0 .
−2 2 1
Réponse :
Par définition, on a :
 
X
 −2 1 
χA = −3 X +2 0 
2 −2 X − 1
En ajoutant sur la colonne 1 les deux autres colonnes, il vient que
     
X − 1 −2 1  1 −2 1  1 −2 1 
  
χA = X − 1 X + 2 0  = (X − 1) 1 X + 2 0  = (X − 1) 0 X +4 −1  .
X − 1 −2 X − 1 1 −2 X − 1 0 0 X − 2
D’où χA = (X − 1)(X − 2)(X + 4). La matrice
  A admet trois valeurs propres distincts. Donc, A est diagonalisable.
x1
Déterminons l’espace propre E1 . Soit X = x2  ∈ M3,1 (R) un élément de E1 . Donc, AX = X. Ce qui donne
x3

2x2 − x3 = x1

3x1 − 2x2 = x2

−2x1 + 2x2 + x3 = x3


Ceci entraı̂ne que x1 = x2 = x3 .  

1
En conséquence, E1 = vect(U ) où U = 1.
1
 7


  
4 2
D’une manière similaire, on trouve que E2 = vect(V ) où V =  3  et E−4 = vect(W ) où W = −3.
−2 2
   
1 0 0 1 4 2
Donc, A = P DP −1 où D = 0 2 0  et P = 1 3 −3.
0 0 −4 1 −2 2
Pour calculer P −1 , on peut exprimer la base canonique e1 , e2 , e3 en fonction de U, V, W .
Proposition 3.0.3.
Si sp(u) = {λ1 , · · ·, λp }., avec λ1 , · · ·, λp distincts deux à deux, alors les propriétés suivantes sont équivalentes :
(1) u est diagonalisable,
Lp
(2) Eλ (u) = E,
Ppi=1 i
(3) i=1 dim (Eλi (u)) = dim(E).
Preuve : Lp
Supposons (1). Puisqu’il existe une base de vecteurs propres de u, la somme directe i=1 Eλi (u) contient E , ce qui
implique (2). Lp
Supposons (2). La somme i=1 Eλi (u) étant directe, on a :
p p
!
M X
dim Eλi (u) = dimEλ (u)
i=1 i=1
On en déduit que (2) =⇒ (3).
Supposons (3). En réunissant des bases de chaque sous-espace propre de u, on obtient une famille libre de n vecteurs
propres de u ; ce qui prouve (1).
Corollaire 3.0.1.
Soit A ∈ Mn (K) de spectre {λ1 , · · ·, λp }., avec λ1 , · · ·, λp distincts deux à deux. Il y a équivalences entre :
(1) la matrice A est diagonalisable,
Lp
(2) Eλ = Kn ,
Ppi=1 i
(3) i=1 dim (Eλi (A)) = n.
Exercice 3.0.2.
Soit Dn ∈ L(Kn [X]), avec n > 1, défini par :

∀P ∈ Kn [X] , Dn (P ) = P 0
.
L’endomorphisme Dn est-il diagonalisable ?
Corollaire 3.0.2.
Si u est un endomorphisme d’un espace vectoriel de dimension n et possède n valeurs propres distinctes c’est-à-dire si
χu est scindé à racines simples, alors u est diagonalisable et chaque sous-espace propre est de dimension 1.
De même, si A ∈ Mn (K) possède n valeurs propres distinctes alors A est diagonalisable et chaque sous-espace propre
est de dimension 1 .
Exemple3.0.1. 
1 2 3
Soit A = 0 4 5.
0 0 6
Le polynôme caractéristique de A, égal à (X − 1)(X − 4)(X − 6) est scindé simple donc A est diagonalisable.
Théorème 3.0.1.
Pour que u ∈ L(E) soit diagonalisable, il faut et il suffit qu’il vérifie les deux conditions suivantes :
(i) son polynôme caractéristique χu est scindé sur K ;
(ii) pour toute valeur propre de u, la dimension du sous-espace propre associé est égale à l’ordre de multiplicité de
cette valeur propre.
Corollaire 3.0.3.
Pour que A ∈ Mn (K) soit diagonalisable, il faut et il suffit qu’elle vérifie les deux conditions suivantes :
(i) son polynôme caractéristique χA est scindé sur K ;
(ii) pour toute valeur propre de A, la dimension du sous-espace propre associé est égale à l’ordre de cette valeur propre.
8

4. Diagonalisation et polynômes annulateurs

Théorème 4.0.1. [ Théorème de Cayley-Hamilton ]
Le polynôme caractéristique de u est annulateur de u, i.e., χu (u) = 0.
Preuve : Admis.
Corollaire 4.0.1. [ Théorème de Cayley-Hamilton ]
Soit A ∈ Mn (K). Le polynôme caractéristique de A est annulateur de A, i.e., χA (A) = 0.
Théorème 4.0.2. [ Fondamental ]
L’endomorphisme u est diagonalisable si et seulement s’il admet un polynôme annulateur scindé à racines simples.
Preuve : Admis.
Corollaire 4.0.2.
Une matrice A ∈ Mn (K) est diagonalisable si et seulement si elle admet un polynôme annulateur scindé à racines
simples.
Exercice : Soit p ≥ 1 un entier et A ∈ Mn (K) tel que Ap = In . Montrer que A est diagonalisable sur C.
Théorème 4.0.3. Qp
On suppose que χu est scindé. Soient λ1 , · · · , λp les valeurs propres deux à deux distincts. On pose Q = k=1 (X −λk ).
Les assertions suivantes sont équivalents :
(1) u est diagonalisable.
(2) Q(u) = 0.
Preuve : Admis.
Théorème 4.0.4.
Soit F un sous espace vectoriel stable par u. On note uF l’endomorphisme induit par u sur F . Si u est diagonalisable
alors uF est diagonalisable.
Preuve : Supposons que u est diagonalisable. D’après le théorème 4.0.2, il existe P ∈ K[X] scindé à racines simples
tel que P (u) = 0. Il en résulte que P (uF ) = 0. D’après le théorème 4.0.2, il s’en suit que uF est diagonalisable.

5.Suites récurrentes linéaires d’ordre p

Définition 4.0.1.
On dit que (un )n∈N est une suite récurrente linéaire d’ordre p ∈ N∗ s’il existe (a0 , · · ·, ap−1 ) ∈ Kp tel que :
p−1
X
∀n ∈ N, un+p = ak un+k .
k=0
Considérons une telle suite (un ).


un
 un+1 
 
 · 
Pour tout n ∈ N, soit Xn ∈ Mp,1 (K) la matrice colonne définie par : Xn =   . On a donc la relation
 · 

 · 
un+p−1
suivante :
 
0 1 0 ... 0
 .. . . . .. .. 
.
 . .. . . 

∀n ∈ N, Xn+1 = AXn , avec A =  ..  .. .. 
. . . 0 
 0 ... ... 0 1 
a0 a1 . . . ap−1
On démontre alors par récurrence que

∀n ∈ N Xn = An X0 .
 9

Pour l’étude de la suite (Xn )nN , on est alors ramené à déterminer les puissances successives de la matrice A.
Par exemple, si la matrice A possède p valeurs propres distinctes r1 , · · ·, rp , alors A est diagonalisable et il existe donc
P ∈ GLp (K) telle que :
 
r1 (0)
A=P
 ..  −1
P .
.
(0) rp
Il en résulte que

r1n
 
(0)
∀n ∈ N, Xn = P 
 ..  −1
 P X0 .
.
n
(0) rp
On en déduit alors que la suite (un )n∈N est combinaison linéaire des suites géométriques (rin )n∈N , avec i ∈ [[1, p]].
Exercice 4.0.1.
Soit (un )n∈N une suite réelle vérifiant :

(u0 , u1 , u2 ) = (1, 0, 2) et ∀n ∈ N un+3 = −6un − 11un+1 − 6un+2 .

Déterminer une expression de un en fonction de n.

Réponse :
 
0 1 0
La matrice associée à cette suite est : A =  0 0 1 .
−6 −11 −6
Le polynôme caractéristique associée à cette matrice est P = X 3 + 6X 2 + 11X + 6.
On constate que −1 est une racine de P , puis que :
P = (X + 1)(X 2 + 5X + 6) = (X + 1)(X + 2)(X + 3).
En utilisant la méthode présentée, on prouve qu’il existe trois réels α, β et γ tels que :
∀n ∈ N un = α(−1)n + β(−2)n + γ(−3)n .
Pour déterminer α, β et γ on utilise les valeurs de u0 , u1 et u2 , ce qui conduit à la résolution du système :

α + β + γ = 1

α + 2β + 3γ = 0

α + 4β + 9γ = 2.

Les opérations élémentaires L2 ← L2 − L1 et L3 ← L3 − L1 donnent le système équivalent :

α + β + γ = 1

β + 3γ = 0

2γ = 2.

On en déduit γ = 2, β = −5 et α = 4. On a donc établi :
∀n ∈ N un = 4(−1)n − 5(−2)n + 2(−3)n .
Proposition 4.0.1.
Soit (a, b) ∈ K2 tel que b 6= 0 et (un )n∈N ∈ KN vérifiant :

∀n ∈ N, un+2 = aun+1 + bun .

On note P = X 2 − aX − b.
(1) Si P a deux racines simples r1 et r2 dans K, alors il existe (α1 , α2 ) ∈ K2 tel que :
∀n ∈ N, un = α1 r1n + α2 r2n .
(2) Si P a une racine double r ∈ K, alors il existe (α1 , α2 ) ∈ K2 tel que :
∀n ∈ N, un = (α1 + α2 n) rn .
10

Démonstration : On a    
un 0 1
∀n ∈ N, = An U0 avec A= .
un+1 b a
on retrouve que χA = P
(1) Dans le premier cas, le polynôme caractéristique de A possède deux racines distinctes, donc A possède deux
valeurs propres distinctes, elle est donc diagonalisable. La suite (un ) est une combinaison linéaire des suites
géométriques (r1n )n∈N et (r2n )n∈N d’après ce qui a été traité dans le cas général.
(2) Dans le deuxième cas, comme χA = P = (X − r)2 , la matrice A admet r pour valeur propre double et, comme
A 6= rI2 , elle n’est pas diagonalisable.
Si l’on note f l’endomorphisme canoniquement associé à A et B = (e1 , e2 ) une base de K2 telle que e1 soit un
vecteur propre de A, alors il existe (s, t) ∈ K2 tel que
 
r s
MatB (f ) = .
0 t
Comme χf = χA et f 6= rId , on en déduit que t = r et s6= 0. 
r 1
Enfin, en considérant B 0 = (e1 , e2 \s), on a MatB0 (f ) = .
 0 r  
r 1 0 1
Il existe donc Q ∈ GL2 (K) telle que Q−1 AQ = B = . La matrice J = vérifie J 2 = 0. En
0 r 0 0
appliquant la formule du binôme (c’est possible, car les matrices rI2 et J commutent), on obtient :
 
n n n n−1
∀n ∈ N, B = r I2 + r J = rn I2 + nrn−1 J
1
et donc

∀n ∈ N, An = rn I2 + nrn−1 QJQ−1 .
On en déduit :
     
un+1 n u0 n−1 −1 u0
∀n ∈ N, =r + nr QJQ .
un u1 u1
On a donc bien établi que la suite (un ) est combinaison linéaire des suites (rn )n∈N et (nrn−1 )n∈N. .

5. Endomorphismes trigonalisables
Définition 5.0.1. Soit u ∈ L(E) , A ∈ Mn K
(1) On dit que u est trigonalisable s’il existe une base B de E telle que matB (u) soit triangulaire supérieure.
(2) On dit que A est trigonalisable si elle est semblable à une matrice triangulaire supérieure.
Proposition 5.0.1.
Soit A une matrice représentant de u ∈ L(E). On a :
u est trigonalisable si et seulement si A est trigonalisable.
Preuve : ⇒) Si u est trigonalisable alors il existe une base B telle que matB (u) soit une matrice triangulaie supérieure
T . Donc T et A représentent le même endomorphisme u. Donc, elles sont semblables. Donc, A est diagonalisable.
⇐) Si A est trigonalisable alors A est semblable à une matrice triangulaire sspérieure T . Donc T représentent u. Donc,
il existe une base B de E telle que matB (u) = D. Donc, u est trigogonalisable.
Théorème 5.0.1.
Les deux assertions suivantes sont équivalentes :
(1) u est trigonalisable.
(2) χu est scindé.
Corollaire 5.0.1. Toute matrice A ∈ Mn (C) est trigonalisable.