Cours de Réduction

COURS DE MATHÉMATIQUES EN CLASSES
PRÉPARATOIRES AU CONCOURS D’ACCÈS AUX

GRANDES ÉCOLES
Cours : Réduction des endomorphismes
Classe : MP 3
Niveau : Deuxième année
CPGE Ibn Timiya - Marrakech
Pr. HOBBAD lahoucine
Professeur agrégé et docteur en mathématiques
Table des matières

I Sous-espaces vectoriels stables 3
I.1 Généralités . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
I.2 Caractérisation matricielle en dimension finie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
I.3 Généralisation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
II Éléments propres 6
II.1 Éléments propres d’un endomorphisme . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
II.2 Éléments propres d’une matrice carrée . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
II.3 Lien avec les endomorphismes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
II.4 Cas de deux matrices semblables . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
II.5 Changement de corps . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
III Polynôme caractéristique 11

III.1 Polynôme caractéristique d’une matrice carrée . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
III.2 Propriétés du polynôme caractéristique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
III.3 Multiplicité d’une valeur propre . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
IV Diagonalisation 17
IV.1 Endomorphisme diagonalisable . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
IV.2 Matrices diagonalisables . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
IV.3 Caractérisation de diagonalisation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
V Trigonalisation 20
V.1 Définitions et propriétés . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
2
V.2 Endomorphismes nilpotents, matrices nilpotentes . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21

V.3 Trigonalisation effective . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
VI Polynômes d’un endomorphisme, d’une matrice 25

VI.1 Polynômes d’un endomorphisme ou d’une matrice . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
VI.2 Idéal annulateur et Polynôme minimal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
VI.3 Théorème de Cayley Hamilton . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
VI.4 Lemme des noyaux . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
VII Application à la réduction de la notion de polynôme annulateur 33

VII.1 Décompositions spectrales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
VII.2 Polynôme annulateur et diagonalisation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
VII.3 Polynôme minimal et trigonalisation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
VIII Compléments 36
VIII.1 Décomposition de Dunford . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
VIII.2 Commutant d’un endomorphisme diagonalisable . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
VIII.3 Puissances d’une matrice . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
VIII.4 Applications aux suites récurrentes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
VIII.5 Résolution de systèmes différentiels . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40
L.Hobbad-CPGE Ibn Timiya 2/40 la.hobbad@gmail.com

Sous-espaces vectoriels stables 3
I Sous-espaces vectoriels stables
I.1 Généralités
Définition 1: Sous-espace vectoriel stable
Soient E un K-espace vectoriel et u un endomorphisme de E ; un sous-espace vectoriel F de E est dit stable

pour u si, et seulement si, u(F ) est inclus dans F .
Remarque :
F est stable pour u ⇐⇒ ∀ x, x ∈ F ⇒ u( x) ∈ F
Propriété 1: Stabilité et famille génératrice
F est un sous-espace vectoriel stable pour u si, et seulement si, l’image par u d’une famille génératrice de F
est contenue dans F .
Démonstration. La condition nécessaire est évidente : les éléments d’une famille génératrice de F sont des
éléments particuliers de F .
¡ ¢
Si f 1 , · · · , f p engendre F , alors ( u( f 1 ), . . . , u( f p ) engendre u(F ), grâce à la linéarité de u :
p
X p
X
x= λ j f j ∈ F ⇒ u ( x) = λ j u( f j ) ∈ u(F )
j =1 j =1
ce qui donne la condition suffisante
Exemple 1
Soit x un vecteur de E . Le sous-espace Vect u k ( x)k∈N est le plus petit sous-espace vectoriel de E contenant x et
stable par u.
En effet, ce sous-espace est évidemment contenu dans tout sous-espace contenant x et stable par u. Les relations
x = u0 ( x) et u( u k ( x)) = u k+1 ( x) pour tout k montrent qu’il contient x et est stable par u.
Propriété 2: Application induite sur un sous-espace vectoriel stable
Si u est un endomorphisme de E et F un sous-espace vectoriel stable pour u, l’application u F : x ∈ F 7→ u( x)

induite par u sur F , est un endomorphisme de F .
Démonstration. L’application v est à valeurs dans F et est linéaire puisque u l’est.
Propriété 3
Si F est stable par u. Alors

Im u F = u(F ) et Ker u F = F ∩ Ker u

I.2 Caractérisation matricielle en dimension finie 4
I.2 Caractérisation matricielle en dimension finie
Définition 2
Soit F un sous-espace vectoriel de E et β = ( e 1 , · · · , e n ) une base de E .

On dit que β est adaptée à F lorsqu’il existe p ∈ [[1, n]] tel que ( e 1 , · · · , e p ) est base de F
Remarque :
Le théorème de la base incomplète montre l’existence de telle base.
Exemple 2
Soit F = ( x, y, z) ∈ R3 | x + y + z = 0 . Les deux vecteurs ε1 = (1, −1, 0) et ε2 = (0, 1, −1) forment une base de F . La
© ª
famille β = (ε1 , ε2 , e 3 ) est une base de R3 car

¯ ¯
¯1 0 0¯¯
¯
det(ε1 , ε2 , e 3 ) = ¯−1 1 0¯ = 1 6= 0
¯ ¯
¯ ¯
¯ 0 −1 1¯
β est une base de R3 adaptée à F
Propriété 4: Caractérisation des sous-espaces vectoriels stables
Soient F est un sous-espace vectoriel d’un espace vectoriel E de dimension finie, B une base de E adaptée à F
et u un endomorphisme de E ; alors F est stable pour u si, et seulement si, la matrice de u relativement à B
est triangulaire supérieure par blocs, soit Ã !
A B
Mat ( u) =
β 0 C
Démonstration. Soit B = ( e i , . . . , e p , e p+1 , . . . , e n ) une base de E telle que les p premiers vecteurs e 1 , · · · , e p
constituent une base de F ; F est stable par u si, et seulement si, pour tout j ∈ [[1, p]], u( e j ) est dans F . Or,
n
X
u( e j ) = a i, j e i appartient à F si, et seulement si, a i, j = 0 pour tout j ∈ [[ p + 1, n]], c’est-à-dire si, et seulement
i =1
si, les p premières colonnes de la matrice de u ont des 0 à partir de la ligne ( p + 1).
I.3 Généralisation
p p
F i , et si B i est une base de F i , B = B i est une base de E adaptée à cette décomposition en somme directe.
M [
Si E =
i =1 i =1
Propriété 5: Généralisation
Soient E est un K-espace vectoriel de dimension finie, F1 ,. . . , F p des sous-espaces vectoriels dont E est la
somme directe, B une base de E adaptée à cette décomposition et u un endomorphisme de E ; alors u stabilise
les sous-espaces F j si, et seulement si, la matrice de u relativement à B est diagonale par blocs,
 
A1 (0)
 

 A2 

MatB ( u) =  ..

.
 
 
 
(0) Ap

I.3 Généralisation 5
Démonstration. Soit j ∈ [[1, p]], on a F j = Vectβ j , donc
j ∈ [[1, p]] , u(F j ) ⊂ F j ⇐⇒ j ∈ [[1, p]] , ∀ x ∈ F j : u( x) ∈ Vectβ j

u(β1 )
 u(β2 ) ··· u(β p)
A1 (0) β1
 
⇐⇒

MatB ( u) =  A2 
 β2

..
 ..
.
 
  .
 
(0) Ap βp
Remarque :
En appelant u j l’endomorphisme induit par u sur le sous-espace stable F j , A j est la matrice de u j relativement
à la base B| et
det u = det A 1 × · · · × det A p = det u 1 × · · · × det u p
Si D est une droite vectorielle, tout endomorphisme de D est une homothétie ; ainsi, si D est une droite vectorielle
de E , stable pour u, l’endomorphisme de D induit par u est une homothétie de D ce qui donne le résultat.
Exercice 1: Sous espaces vectoriels stables par un projecteur

Soit E un K espace vectoriel et p ∈ L (E ) un projecteur.
1. Montrer que E = Ker( p) ⊕ Im( p).
2. Soit F un sous espace vectoriel de E stable par p.
(a) Justifier que p F l’endomorphisme de F induit par p est un projecteur de F et que F est la somme
directe d’un sous-espace vectoriel de Ker( p) et un sous-espace vectoriel de Im( p).
(b) En déduire qu’un sous-espace est stable par p si, et seulement s’il est la somme directe d’un sous-
espace de Ker( p) et d’un sous-espace de Im( p).
1. Montrons que E = Ker( p) ⊕ Im( p).

On a ∀ x ∈ E, x = x − p( x) + p( x) , donc E = Ker( p) + Im( p).
| {z } |{z}
∈Ker( p) ∈Im( p)
Soit x ∈ Ker( p) ∩ Im( p), alors p( x) = 0 et ∃ y ∈ E, x = p( y), par suite 0 = p( x) = p2 ( y) = p( y) = x, donc Ker( p) ∩
Im( p) = {0}. On en déduit alors que E = Ker( p) ⊕ Im( p).
2. Soit F un sous espace vectoriel de E stable par u.
(a) On a ∀ x ∈ F, p2F ( x) = p2 ( x) = p( x) = p F ( x) donc p F est un projecteur.

D’après la question précédente, on a F = Ker ( p F ) ⊕ Im ( p F ) et Ker ( p F ) = Ker( p) ∩ F ⊂ Ker( p) est un sous
espace vectoriel de Ker( p) et Im ( p F ) = p(F ) ⊂ Im( p) est un sous espace vectoriel de Im( p).
(b) Réciproquement, si F = A ⊕ B avec A (resp. B ) est un sous espace vectoriel de Ker( p) (resp. Im( p) ).
Montrons que F est stable par p.
On a ∀a ∈ A, p(a) = 0 ∈ A donc A est stable par p.
On a ∀ b ∈ B ⊂ Im( p), ∃ c ∈ E, b = p( c), donc p( b) = b ∈ B, donc B est stable par p.
Comme A et B sont stables par b, alors la somme directe F = A ⊕ B est stable par p

Éléments propres 6
II Éléments propres
II.1 Éléments propres d’un endomorphisme
E est un K-espace vectoriel de dimension finie ou non et u un endomorphisme de E .

Soit D une droite vectorielle stable pour u, u D est un endomorphisme de D , donc une homothétie de D ; il existe donc
un unique scalaire λ, dépendant de D , tel que
uD = λ I D ie ∀ x ∈ D , u ( x) = λ x
Définition 3: Vecteur propre, valeur propre associée
1. Un vecteur x de E est dit vecteur propre de u lorsqu’il n’est pas nul et il existe λ ∈ K tel que u( x) = λ x.
Ce scalaire est unique appelé valeur propre
2. Un scalaire λ ∈ K est valeur propre de u s’il existe un vecteur non nul x de E tel que u( x) = λ x. Le vecteur
x est dit propre associé à λ
3. L’ensemble des valeurs propres d’un endomorphisme u est appelé le spectre de u et noté SpK ( u) ou
encore Sp ( u).
λ ∈ Sp ( u) ⇐⇒ ∃ x ∈ E, \{0} tel que u ( x) = λ x
Attention
1. La valeur propre associée à un vecteur propre est unique.
¡ ¢
2. Un vecteur non nul e est un vecteur propre si, et seulement si, la famille e, u( e) est une famille liée.
3. Si e est un vecteur propre pour u, tous les vecteurs non nuls de la droite stable K e sont des vecteurs
propres pour u et sont associés à la même valeur propre.
Exemple 3
¡ ¢
Sp ( I E ) = {1} et Sp 0L (E ) = {0}.
Propriété 6: Caractérisation des vecteurs propres
Soit u ∈ L (E ) et x ∈ E \ {0}.
x est vecteur propre de u, si et seulement si, Vect ( x) est stable par u
Démonstration. Si x est vecteur propre de u, alors il existe λ ∈ K tel que u( x) = λ x ∈ Vect ( x), donc Vect ( x)
est stable par u
Si Vect ( x) est stable par u, alors u( x) ∈ Vect ( x), donc il existe λ ∈ K tel que u( x) = λ x
Propriété 7: Caractérisation des valeurs propres
Si u un endomorphisme de E , alors
λ ∈ Sp ( u) ⇐⇒ Ker( u − λ I E ) 6= {0E }
⇐⇒ u − λ I E n’est pas injectif
En particulier,
0 ∈ Sp ( u) ⇐⇒ u n’est pas injectif

II.1 Éléments propres d’un endomorphisme 7
Propriété 8
1
½ ¾
Si u est un automorphisme de E , Sp u−1 = λ ∈ Sp ( u) .
¡ ¢
|
λ
Démonstration. Si λ est une valeur propre de u, il existe un vecteur (propre) non nul x ∈ E tel que u( x) = λ x,
égalité que l’on peut encore écrire 0 = u( x) − λ x = ( u − λ I E )( x) ; ceci donne les équivalences annoncées.
Si u est un automorphisme de E , toutes ses valeurs propres sont non nulles ; pour toute valeur propre λ et tout
vecteur propre x associé, on a :
1
u( x) = λ x ⇐⇒ x = u−1 (λ x) = λ u−1 ( x) ⇐⇒ x = u−1 ( x) (1)
λ
Ainsi λ est valeur propre de u si, et seulement si, λ−1 et valeur propre de u−1 et
Sp u−1 = {λ−1 , λ ∈ Sp ( u)}

¡ ¢
Propriété 9: Caractérisation du spectre en dimension finie
Si u est un endomorphisme d’un K-espace vectoriel E de dimension finie n, alors
λ ∈ Sp ( u) ⇐⇒ u − λ I E non injectif
⇐⇒ u − λ I E non surjectif
⇐⇒ rg( u − λ I E ) É n − 1
⇐⇒ det( u − λ I E ) = 0
et aussi
λ ∉ Sp ( u) ⇐⇒ ( u − λ I E ) est inversible
Démonstration. C’est l’application des célèbres caractérisations des automorphismes d’un K-espace vectoriel
de dimension finie : si v est un endomorphisme de E , alors
v est inversible ⇐⇒ v est injectif

⇐⇒ v est surjectif
⇐⇒ rg (v) = n
⇐⇒ det (v) 6= 0
Ces caractérisations sont appliquées à v = u − λ I E .
Définition 4: Sous-espace propre
Si u est un endomorphisme de E et λ une valeur propre de u, le sous-espace vectoriel
E λ ( u) = Ker( u − λ I E ) = { x ∈ E | u( x) = λ x}
est appelé sous-espace vectoriel propre de u associé à λ.

Attention
E λ ( u) est constitué de 0E et des vecteurs propres de u associés à λ. Si e est un vecteur propre de u associé à λ,
la droite K e est contenue dans E λ ( u).
Exemple 4
Voici les éléments propres de quelques endomorphismes :
homothétie h = λ I E : Sp (h) = {λ}, E λ (h) = E ;
projecteur p non trivial : Sp ( p) = {0, 1}, E 0 ( p) = Ker p et E 1 ( p) = Im p ;
symétrie s non triviale : Sp ( s) = {−1, 1}, E −1 ( s) = F1 et E 1 (s) = F2 ;
Exemple 5
Soit u : K[ X ] −→ K[ X ], P 7−→ X P . 0
Déterminons Sp ( u) et les sous-espaces propres de u
On trouve Sp ( u) = N et E n ( u) = Vect ( X n )
Propriété 10: Somme directe de sous-espaces propres
La somme d’une famille finie de sous-espaces propres associés à des valeurs propres distinctes deux à deux,
est directe.
Démonstration. Démonstration par récurrence sur le nombre k de sous-espaces vectoriels propres.

E λ1 ( u) ∩ E λ2 ( u) = {0} car à tout vecteur propre est associé une seule valeur propre. La propriété est vraie pour
k = 2.
k
X
Soient (λ1 , . . . , λk , λk+1 ) des valeurs propres distinctes de u et montrons que E λk+1 ( u) ∩ E λ i ( u) = {0E }. Soit
i =1
k
X k
X
xk+1 = x i ∈ E λk+1 ( u) ∩ E λ i ( u) ; alors
i =1 i =1
k
X
u( xk+1 ) = λk+1 xk+1 = λk+1 xi
i =1
k
³X ´ Xk k
X
=u xi = u( x i ) = λi xi
i =1 i =1 i =1
k
X
donc 0 = (λk+1 − λ i ) x i
i =1
k
X
ce qui montre que (λk+1 − λ i ) x i = 0 puisque la somme E λ i ( u) est directe (la propriété est vraie au rang k,
i =1
puisque les valeurs propres sont distinctes deux à deux) et x i = 0 . Ainsi xk+1 = 0 et la propriété est vraie au
rang k + 1.
Le théorème de récurrence montre que la propriété est vraie pour tout k.
Corollaire 1 (Liberté d’une famille de vecteurs propres)

Toute famille de vecteurs propres, associés à des valeurs distinctes deux à deux, est une famille libre.
Démonstration. Soit x1 , · · · , x p des vecteurs propres associées respectivement aux valeurs propres λ1 , · · · λ p

p
distinctes deux à deux. Soit α1 , · · · , α p ∈ K tels que
X
α i x i = 0. Mais ∀ i ∈ [[1, p]] : α i x i ∈ Ker( u − λ i I d ) et
k=1
p
X
Ker( u − λ i I d ) est directe, donc ∀ i ∈ [[1, p]] : α i x i , puis ∀ i ∈ [[1, p]] : α i = 0
i =1
Exemple 6
Soit λ ∈ R, expλ : x 7−→ eλ x . Montrons que expλ est libre

¡ ¢
expλ est un vecteur propre de l’endomorphisme

(
C∞ −→ C∞
D:
f 7−→ f0
Exemple 7
Soit n ∈ N, g n : x 7−→ cos( nx). Montrons que ( g n )n∈N est libre
Soit n ∈ N, g n est un vecteur propre associé à − n2 de l’endomorphisme

(
C ∞ −→ C ∞
D:
f 7−→ f 00
Propriété 11
Le spectre d’un endomorphisme d’un espace de dimension finie n est fini de cardinal au plus n.
Propriété 12: Stabilité des sous-espaces propres
Soit u et v deux endomorphismes de E qui commutent

1. Im u et Ker u sont stables par v et réciproquement.
2. Tout sous-espace vectoriel propre relativement à u est stable par v et réciproquement.
¡ ¢ ¡ ¢
Démonstration. 1. Soit y = u( x) un vecteur quelconque de Im u, son image par v, v( y) = v u( x) = u v( x)
reste dans Im u.
¡ ¢ ¡ ¢
Si x est élément de Keru, alors u v( x) = v u( x) = v(0) = 0, et v( x) reste dans Keru.
2. Puisque u et v commutent, u − λ I E et v commutent, et donc, Ker( u − λ I E ) = E λ ( u) est stable par v. De
même Ker(v − λ I E ) = E λ (v) est stable par u.
Propriété 13: Endomorphisme induit
Soit u ∈ L (E ). F un sous-espace vectoriel de E stable par u. Alors

1. Sp ( u F ) ⊂ Sp ( u)
2. ∀λ ∈ Sp ( u F ) , E λ ( u F ) = E λ ( u) ∩ F
Démonstration. 1. Soit λ ∈ Sp ( u F ), alors il existe un vecteur x non nul de F ⊂ E tel que u( x) = λ x, donc
λ ∈ Sp ( u)
2. E λ ( u F ) = Ker( u F − λ I d F ) = Ker( u − λ I d ) ∩ F = E λ ( u) ∩ F

II.2 Éléments propres d’une matrice carrée 10
II.2 Éléments propres d’une matrice carrée
Dans ce paragraphe, M est une matrice carrée d’ordre n Ê 1, à coefficients dans K.
Définition 5: Éléments propres d’une matrice carrée
1. Un élément non nul X de M n,1 (K) est appelé vecteur propre de M s’il existe un scalaire λ tel que
M X = λX .
2. Un scalaire λ est une valeur propre de M si M − λ I n n’est pas inversible ; tout élément non nul de
Ker( M − λ I n ) est appelé vecteur propre associé à λ.
3. L’ensemble des valeurs propres de M est le spectre de M ; il est noté SpK ( M ) ou Sp ( M ) si le corps n’est
pas ambigu.
4. Si λ ∈ Sp ( M ), le sous-espace vectoriel Ker( M − λ I n ) = { X ∈ M n,1 (K) , M X = λ X } est appelé sous-espace
vectoriel propre associé à λ ; il est noté E λ ( M ).
Propriété 14
Soit M ∈ M n (K). Alors
λ ∈ SpK M ⇐⇒ M − λ I n ∉ GLn (K)

⇐⇒ det( M − λ I n ) = 0
⇐⇒ Ker( M − λ I n ) 6= {0}
⇐⇒ rg( M − λ I n ) É n − 1
II.3 Lien avec les endomorphismes
A la matrice M ∈ M n (K), on associe l’endomorphisme u M de M n,1 (K) par la formule
u M : X ∈ M n,1 (K) 7→ M X
ce qui donne la propriété
Propriété 15: Éléments propres d’une matrice et de son endomorphisme
Les éléments propres de la matrice M sont les élément propres de l’endomorphisme u M associé.
Propriété 16: Éléments propres d’un endomorphisme et de sa matrice
Si u est un endomorphisme de E où E est de dim finie et M = Mat( u) sa matrice relativement à une base B ,
B
alors :
1. u et M ont le même spectre ;
2. x est vecteur propre de u associé à λ si, et seulement si, sa matrice X = Mat( x) relativement à B est
B
vecteur propre de M associé à λ.
II.4 Cas de deux matrices semblables
Soient A et B deux matrices semblables d’ordre n, et P une matrice inversible telle que B = P −1 AP ; à A est associé
l’endomorphisme u A de M n,1 (K). La matrice P peut s’interpréter comme la matrice de passage de la base naturelle
(canonique) E de M n,1 (K) à une base B constituée des vecteurs colonnes de P . Relativement à cette base, la matrice
de u A est B.

II.5 Changement de corps 11
Propriété 17: Matrices semblables et endomorphisme
Deux matrices sont semblables si, et seulement si, elles représentent le même endomorphisme (relativement à
deux bases).
Corollaire 2 (Spectre de deux matrices semblables)

Deux matrices semblables ont le même spectre.
Démonstration. C’est le spectre de l’unique endomorphisme qu’elle représente.
II.5 Changement de corps
Propriété 18
1. Soit L un sous-corps de K et M ∈ M n (L), alors SpL ( M ) ⊂ SpK ( M )

2. Si M est une matrice à coefficients réels, alors SpR ( M ) ⊂ SpC ( M ) ; en général, les deux spectres sont
distincts.
Démonstration. Si λ est un élément de SpL ( M ) et X un vecteur propre associé, alors M X = λ X , X est non nul
et appartient à M n,1 (L) donc à M n,1 (K) ; ainsi λ appartient à SpK ( M ).
Exemple 8
Ã !
0 −1
Considérons la matrice A = et SpR ( A ) est vide. Par contre, i est une valeur propre complexe de A ,
1 0
Ã !
− i −1
puisque A − iI 2 = n’est pas inversible.
1 −i
III Polynôme caractéristique
III.1 Polynôme caractéristique d’une matrice carrée
Définition 6: Polynôme caractéristique d’une matrice carrée
Si M = a i, j 1É i, jÉn est une matrice carrée d’ordre n Ê 1, le polynôme caractéristique de M , que l’on note χ M ,
¡ ¢
est le déterminant ¯ ¯
¯ X − a 1,1 −a 1,2 ··· −a 1,n ¯¯
¯
¯ −a X − a 2,2 · · · −a 2,n ¯¯
2,1
χ M ( X ) = det( X I n − M ) = ¯
¯
¯ .. .. .. .. ¯
.
¯
¯
¯ . . . ¯
¯
¯ −a − a · · · X − a
n,1 n,2 n,n
¯
Exemple 9
Voici quelques polynômes caractéristiques de matrices :
Matrice nulle : χ0 = X n ;
Matrice unité d’ordre n : χ I n = ( X − 1)n ;

III.1 Polynôme caractéristique d’une matrice carrée 12
n
Y
Matrice diagonale D = diag (λ1 , · · · , λn ) : χD = ( X − λi ) ;
i =1
n
Y
Matrice triangulaire T = [ t i, j ] : χT = ( X − t i,i ).
i =1
Exemple 10
Propriété 19: transposée et matrices semblables
1. Une matrice et sa transposée ont le même polynôme caractéristique.

2. Deux matrices semblables ont le même polynôme caractéristique
Démonstration. 1. Rappelons qu’une matrice et sa transposée ont le même déterminant ; d’où X I n − t M =

t
( X I n − M ), et donc det X I n − t M = det t ( X I n − M ) = det ( X I n − M ) ce qui donne le résultat.
¡ ¢ ¡ ¢
2. Rappelons que deux matrices semblables ont le même déterminant. Si A et B sont deux matrices sem-
blables, et P une matrice inversible telle que B = P −1 AP , alors
B = P −1 AP ⇒ X I n − B = X I n − P −1 AP = P −1 ( X I n − A )P
les matrices X I n − B et X I n − A sont semblables, d’où
det ( X I n − B) = det P −1 ( X I n − A )P = det ( X I n − A )
ce qui donne le résultat.
Exemple 11: Matrice compagnon

nX
−1
Soit a 0 , · · · , a n−1 ∈ K, on pose P = X n − a k X k . On appelle matrice compagnon de P , la matrice :
k=0
 
0 0 ··· ··· 0 a0
 .. .. 
1
 . . a1 


.. .. 
.
 
0 1 . a2 
C=
. ..

.. 
 .. .. .. ..
 . . . . . 

..
 
. 1 0 a n−2 
 

0 ··· ··· 0 1 a n−1
Alors χ A = P

III.2 Propriétés du polynôme caractéristique 13
nX
−1
Soit P = X n − a k X k . Le polynôme caractéristique de la matrice compagnon C est égal à :
k=0
¯ ¯
¯X 0 ··· ··· 0 −a 0 ¯
¯ ¯
¯ .. .. ¯
¯−1
¯
X . . −a 1 ¯
¯
¯
.. .. .. .. ¯
. .
¯ ¯
¯0 −1 . . ¯
¯ ¯
¯ . .. .. .. ..
¯ ..
¯
¯ . . . 0 . ¯
¯
..
¯ ¯
. −1 X −a n−2 ¯
¯ ¯
¯
¯ ¯
¯0 ··· ··· 0 −1 X − a n−1 ¯
n
X i−1 L i transforme ce déterminant en :
X
L’opération L 1 ←− L 1 +
i =2
¯ ¯
¯0 0 ··· ··· 0 P ( X ) ¯¯
¯
¯ .. .. ¯
¯−1
¯
X . . −a 1 ¯
¯
¯
.. .. .. .. ¯
. .
¯ ¯
¯0 −1 . . ¯
¯ ¯
¯ . .. .. .. ..
¯ ..
¯
¯ . . . 0 . ¯
¯
..
¯ ¯
. −1 X −a n−2 ¯
¯ ¯
¯
¯ ¯
¯0 ··· ··· 0 −1 X − a n−1 ¯
dont le développement suivant la première ligne est (−1)n+1 P ( X )(−1)n−1 = P ( X )
Définition 7: Polynôme caractéristique d’un endomorphisme
Si u est un endomorphisme d’un K-espace vectoriel E de dimension finie n Ê 1, le polynôme caractéristique de

la matrice qui représente u dans une base donnée B de E , est indépendant du choix de cette base ; on l’appelle
polynôme caractéristique de l’endomorphisme u ; il est noté χu .
µ ¶
χu = det X I n − Mat ( u) où B est une base de E
B
Exemple 12
Le polynôme caractéristique de l’application identique est χ I E = χ I n = ( X − 1)n et celui de l’application nulle
χ0L (E) = χ0M n (K) = X n .
III.2 Propriétés du polynôme caractéristique
Propriété 20: Polynôme caractéristique et valeurs propres
es valeurs propres d’une matrice sont les racines sur K de son polynôme caractéristique.
Démonstration. Soit λ ∈ K, alors
λ ∈ SpK ( M ) ⇐⇒ M − λ I n ∉ GLn (K)

⇐⇒ det( M − λ I n ) = 0
⇐⇒ χ M (λ) = 0

Corollaire 3 (Spectre d’une matrice complexe)

Toute matrice à coefficients complexes admet, au moins, une valeur propre (complexe).
Démonstration. Tout polynôme à coefficients complexes admet une racine complexe, c’est le théorème de
D’Alembert.
Propriété 21: Coefficients du polynôme caractéristique
χ M est un polynôme de degré n et
χ M = X n − Tr(M)Xn−1 + · · · + (−1)n det M
a n = 1, a n−1 = −Tr(M) et a 0 = (−1)n det M
Démonstration. L’égalité χ M (0) = det (− M ) donne le coefficient constant.

Appelons a i, j le terme général de M et ã i, j celui de X I n − M . Si s est une permutation de S n distincte de
n
Y
l’identité, ã i,s( i) est un polynôme de degré au plus ( n − 2), ce qui donne
i =1
¯ ¯
¯ X − a 1, 1 −a 1,2 ··· −a 1,n ¯¯
¯
¯ −a X − a 2,2 · · · −a 2,n ¯¯
2,1
χM = ¯
¯
¯. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .¯
¯
¯ ¯
¯ −a −a ··· X − a ¯
n,1 n,2 n,n
n
Y X n
Y
= ( X − a i,i ) + ε( s) ã i,s( i)
i =1 s∈ S n i =1
s6= e
| {z }
polynôme de degré É n − 2
n
³X ´
= Xn − a i,i X n−1 + ·|· · + ·{z
·· + · ·}·
i =1
= X n − Tr ( M ) X n−1 + ·|· · + ·{z

·· + · ·}·
Exemple 13
Le calcul de χ M est facile en dimension 2
χ M = X 2 − Tr ( M ) X + det M
Corollaire 4 (Nombre de valeurs propres distinctes d’une matrice carrée)

Le nombre de valeurs propres d’une matrice carrée est au plus égal à son ordre.
Démonstration. Le nombre de valeurs propres distinctes d’une matrice carrée d’ordre n est égal au nombre de
racines distinctes du polynôme caractéristique, ie d’un polynôme de degré n ; ce nombre est compris entre 0 et
n.

Corollaire 5 (Cas des polynômes caractéristiques scindés)

n
Si le polynôme caractéristique de M est scindé sur K, avec χ M =
Y
( X − λ i ), alors
i =1
n
X n
Y
Sp ( M ) = {λ1 , . . . , λn }, Tr ( M ) = λ i , det M = λi
i =1 i =1
n
Y
Démonstration. Il suffit de développer ( X − λ i ) et d’identifier ce polynôme avec celui de la formule précédente.
i =1
Corollaire 6 (Cas des matrices réelles)

Tout matrice à coefficients réels et d’ordre impair admet, au moins, une valeur propre réelle.
Démonstration. Si n est impair, χ M est de degré impair et χ M ( x) ∼ (− x)n ; le théorème des valeurs intermé-
±∞
diaires assure l’existence d’une racine réelle pour χ M , et SpR M n’est pas vide.
Propriété 22: Cas d’une matrice triangulaire par blocs
Le polynôme caractéristique d’une matrice triangulaire par blocs se calcule aisément :

Ã !
A B
M= , avec A ∈ M p (K) et C ∈ M q (K) ⇒ χ M = χ A χC
0 C
Ã !
X Ip − A −B
Démonstration. M − X I n = et le calcul du déterminant d’une matrice triangulaire par
0 X Iq − C
blocs donne le résultat.
Conséquence 1: S
it u ∈ L (E ), F un sous-space de E stable par u et v ∈ L (F ) l’endomorphisme de F induit par u. Alors χv divise

χu .
Démonstration.Ã Soit B
! F = e 1 , · · · , e p une base de F complÃ©tÃ©e en B = e 1 , · · · , e p , · · · , e n base de E .
¡ ¢ ¡ ¢
A B
Alors Mat( u) = ∈ M n (K) avec A = Mat(v) ∈ M p (K), donc
B 0 C BF
Ã !
X Ip − A −B
χu ( X ) = det
0 X I n− p − C
¡ ¢ ¡ ¢
= det X I p − A det X I n− p − C
soit :
χu ( X ) = χv ( X ) det X I n− p − C
¡ ¢

III.3 Multiplicité d’une valeur propre 16
Propriété 23
Si u stabilise les sous-espaces d’une famille (E i , · · · , E r ) telle que E = E 1 ⊕ · · · ⊕ E r , le polynôme caractéristique

de u est donnée par :
χu = χu1 · · · χu r
où u i est l’endomorphisme induit par u sur E i quel que soit i ∈ [[1, r ]].
III.3 Multiplicité d’une valeur propre
Définition 8: Multiplicité d’une valeur propre
L’ordre de multiplicité d’une racine λ de χ M est appelé multiplicité de la valeur propre λ de M ; elle est noté
m(λ).
Définition 9
Soit A ∈ Mn (K) et λ une valeur propre de A .

On appelle multiplicité de λ, notée m λ ( A ) la multiplicité de λ en tant que racine du polynôme caracté-
ristique.
Si m λ ( A ) = 1, on dit que λ est une valeur propre simple.
Si m λ ( A ) = 2, on dit que λ est une valeur propre double.
Si m λ ( A ) Ê 2, on dit que λ est une valeur propre multiple.
Remarque :
Si χ M est scindé et si λ1 ,. . . ,λ p sont les valeurs propres deux à deux distinctes de M , le polynôme caractéristique
de M s’écrit
p ¡ ¢ m (λ j )
( X − λ)m(λ)
Y Y
χM = X −λj =
j =1 λ∈Sp( M )
et la somme des multiplicités des valeurs propres de M est égale à son ordre.
Propriété 24: Dimension d’un sous-espace vectoriel propre
Soient λ une valeur propre de M , m(λ) sa multiplicité et q(λ) la dimension du sous-espace propre associé ; alors
1 É q(λ) = dim E λ ( M ) = n − rg( M − λ I n ) É m(λ)
Démonstration. Appelons u l’endomorphisme de M n,1 (K) associé à M .

Pour λ ∈ Sp ( u) = Sp ( M ), on a
E u (λ) = Ker( u − λ I E ) 6= {0}, donc q(λ) Ê 1 ;
dim E λ (u) = dim Ker( u − λ I E ) = n − rg( u − λ I E ) ;
E λ (u) est un sous-espace stable par u ; dans une base adaptée, la matrice de u est triangulaire (supé-
rieure) par blocs, soit Ã !
λ I q(λ) B
N=
0 C
donc χ N = χu = χ M = ( X − λ) q(λ) χC ; ceci montre que q(λ) É m(λ).
Exemple 14
Les endomorphismes du rang 1

Diagonalisation 17
Corollaire 7 (Cas des valeurs propres simples)

Le sous-espace propre associé à une valeur propre simple est une droite vectorielle.
Démonstration. Les inégalités 1 É q(λ) É m(λ) = 1 donnent le résultat.
IV Diagonalisation
On suppose ici que E est un K-espace vectoriel vectoriel de dimension finie n Ê 1 et u un endomorphisme de E .
IV.1 Endomorphisme diagonalisable
Définition 10
Un endomorphisme u ∈ L (E ) est dit diagonalisable lorsqu’il existe une base B de E dans laquelle la matrice
de u est diagonale.
Une telle base B est appelée base de diagonalisation de u.
Exemple 15: Identité

IdE est diagonalisable, et n’importe qu’elle base de E est base de diagonalisation
Exemple 16: Projecteur

Les projections vectorielles sont diagonalisables.
Soit p un projecteur de E et B une base adaptée à la décomposition E = Im( p) ⊕ Ker( p), alors
Ã !
Ir O
MatB ( p) =
O O n− r
Avec r = rg( p)
Exemple 17: Symétrie

Les symétries vectorielles sont diagonalisables.
Soit s une syétrie de E et B une base adaptée à la décomposition
E = Ker( s − id E ) ⊕ Ker( s + id E )
Alors Ã !
Ir O
MatB ( s) =
O − I n− r
Avec r = dim Ker( s − id E )
IV.2 Matrices diagonalisables
Définition 11
Soit A ∈ Mn (K). On dit que la matrice A est dite diagonalisable si elle est semblable à une matrice diagonale.

IV.3 Caractérisation de diagonalisation 18
Propriété 25
Soit A ∈ Mn (K). Alors A est diagonalisable, si et seulement si l’endomorphisme canoniquement associé est
diagonalisable.
Démonstration. Soit u l’endomorphisme de Mn,1 (K) canoniquement associé à A . La matrice de u dans la base
canonique B c de Mn,1 (K) est A
⇒) A est diagonalisable, alors il existe une matrice P ∈ GLn (K) et une matrice D diagonale telles que
A = PDP −1 . Si l’on note B 0 la base de Mn,1 (K) telle que la matrice de passage B c à B 0 soit égale à P , la
matrice de u dans B 0 est P −1 AP , c’est-à-dire D . On a trouvé une base dans laquelle la matrice de u est
diagonale. Cela prouve que u est diagonalisable.
⇐) Si u est diagonalisable, alors il existe une base B 0 de Mn,1 (K) constituée de vecteurs propres de u, ou
encore Mat ( u) est diagonale qui est semblable à A
B0
IV.3 Caractérisation de diagonalisation
Propriété 26
Soit u un endomorphisme d’un K-espace vectoriel de dimension finie ; les propositions suivantes sont équiva-
lentes :
1. u est diagonalisable ;
2. il existe une base de E formée de vecteurs propres de u ;
3. E est la somme des sous-espaces propres, c’est-à-dire,
M
E= E λ ( u)
λ∈Sp( u)
4. la somme des dimensions des sous-espaces propres est égale à la dimension de E , c’est-à-dire,
X
dim E λ ( u) = dim E
λ∈Sp( u)
5. le polynôme caractéristique de u est scindé, et, pour toute valeur propre de u, la multiplicité est égale à
la dimension du sous-espace propre associé.
On a un critère analogue pour A ∈ M n (K)
Démonstration. 1) ⇒ 2) Supposons u diagonalisable et considérons B = ( e 1 , · · · , e n ) une base de diagonali-

sation de u. La matrice de u dans B est de la forme
 
λ1 (0)
 .. 

 . 

(0) λn
Pour tout i ∈ [[1, n]], on a u( e i ) = λ i e i avec e i 6= 0, donc e i est un vecteur propre de u. La famille B est
donc une base de vecteurs propres de u.
2) ⇒ 3) Soit B = ( e 1 , · · · , e n ) une base constituée de vecteurs propres de u. Pour tout i ∈ [[1, n]], le vecteur e i
M M
est propre de u, donc e i ∈ E λ ( u), puis E ⊂ E λ ( u) et enfin
λ∈Sp( u) λ∈Sp( u)
M
E= E λ ( u)
λ∈Sp( u)

IV.3 Caractérisation de diagonalisation 19
X
3) ⇒ 4) dim E = dim E λ ( u)
λ∈Sp( u)
( X − λ) q(λ) divise le polynôme caractéristique χu et il est de degré

Y X
4) ⇒ 5) Le polynôme q(λ) =
( X − λ) q(λ) et χu sont associés et,

X Y
dim E λ ( u) = dim E = n. Donc les deux polynômes unitaires
par suite, ils sont égaux. En particulier χu est scindé et m (λ) = q (λ)
X
5) ⇒ 1) On a dim E = dim E λ ( u). Une famille formée par concaténation de bases des espaces E λ ( u)
λ∈Sp( u)
est une famille libre formée de dim E vecteurs, c’est donc une base de vecteurs propres.
Exemple 18
Soit u ∈ L (E ) et B base de E tel que  
1 ··· 1
. .. 
MatB ( u) =  ..

1 .

1 ··· 1
Étudions la diagonalisation de u ?
On a χu = X n−1 ( X − 1), qui est un polynôme scindé, donc Sp ( u) = {0, 1}, avec m(0) = n − 1 et m( n) = 1. Les colonnes de
Mat ( u) sont identiques et u 6= 0, donc rg( u) = 1 puis dim E 0 ( u) = dim Ker u = n − 1 et comme dim E n ( u) = 1. Ainsi u est
B
diagonalisable et plus précisément il existe une base B 0 telle que
 
0
 .. 

MatB 0 ( u) =  (0) .
 
 0
0 ··· 0 n
Propriété 27: Cas des valeurs propres simples
Si u ∈ L (E ) possède n = dim E valeurs propres distinctes alors u est diagonalisable et ses sous-espaces propres
sont des droites vectorielles.
Démonstration. Dans ce cas, m(λ) = dim E λ ( u) = 1 pour toute valeur propre λ de u.
Exemple 19
Soit u : Kn [ X ] −→ Kn [ X ], P 7−→ 2P + ( X − 1)P . 0
Étudions la diagonalisation de u
Soit B = (1, X , X 2 , · · · , X n ) la base canonique de Kn [ X ]

u est bien définie, car si deg P É n, alors deg( X − 1)P 0 É n
Calculons de X u . On a u(1) = 2 et pour tout k ∈ [[1, n]],
u( X k ) = 2 X k + kX k−1 ( X − 1) = (2 + k) X k − kX k−1

Trigonalisation 20
donc  
2 −1 (0)
 .. 

 3 . 

..
 
.
 
 −k 
MatB ( u) =  
 .. 

 2+k . 

..
 
. −n 
 

(0) 2+n
n
Y
Alors X u = ( X − (2 + k)) est scindé à racines simples, donc u est diagonalisable
k=0
V Trigonalisation
E un espace vectoriel de dimension finie n sur K et u un endomorphisme de E .
V.1 Définitions et propriétés
Définition 12
On dit que u est trigonalisable s’il existe une base B de E dans laquelle la matrice de u est triangulaire
supérieure
Définition 13
On dit que A ∈ M n (K) est trigonalisable si elle est semblable à une matrice triangulaire supérieure
Propriété 28
On a équivalence entre
1. u soit trigonalisable
2. son polynôme caractéristique χu est scindé sur K
On a un critère analogue pour A ∈ M n (K)
Démonstration. ⇒) Si u est trigonalisable, donc il existe une base B de E telle que MatB ( u) est triangulaire
supérieure, soit  
a 11 · · · a 1n
 .. .. 
MatB ( u) =  . . 

(0) a nn
n
( X − a ii ) est scindé sur K
Y
Donc χu =
i =1
⇐) Par récurrence sur n
Pour n = 1, c’est immédiat car une matrice de taille 1 est considérée triangulaire supérieure.
Soit n Ê 1. Supposons la propriété établie au rang n.
Soit u un endomorphisme d’un K-espace vectoriel E de dimension n + 1. On suppose χu scindé. Celui-ci
possède donc une racine λ et celle-ci est alors valeur propre de u. Soit e un vecteur propre associé.
Considérons D = Vect( e) et H un sous-espace vectoriel supplémentaire de D de sorte que D ⊕ H = E .

V.2 Endomorphismes nilpotents, matrices nilpotentes 21
Considérons ( e 1 , · · · , e n ) une base de H . La matrice de u dans la base B = ( e, e 1 , · · · , e n ) est de la forme

Ã !
λ L
A= avec L ∈ M1,n (K) et B ∈ M n (K)
0 B
On a χu = (λ − X )χB et χu est scindé, donc χB est scindé. Par hypothèse de récurrence, B ∈ M n (K), la
matrice B est
Ã trigonalisable,
! soit Q ∈ GL n (K)Ãtelle que B!= QTQ −1 .
1 0 1 0
Posons P = ∈ M n+1 (K). On a P −1 = , ainsi
0 Q 0 Q −1
Ã !Ã !Ã !
−1 1 0 λ L 1 0
P AP =
0 Q 0 B 0 Q −1
Ã !
λ LQ −1
= ∈ T n++1 (K)
0 T
Remarque :
Tout endomorphisme diagonalisable est trigonalisable
Corollaire 8 1. Tout endomorphisme du C-espace vectoriel E est trigonalisable.

2. Toute matrice de M n (C) est trigonalisable.
Démonstration. Car de polynôme caractéristique scindé.
Corollaire 9
Soit F un sous-espace vectoriel stable par u. On suppose que u est trigonalisable, alors u F est trigonalisable.
Démonstration. L’endomorphisme u est trigonalisable donc χu est scindé. Or χv | χu donc πv est scindé d’où v
est trigonalisable.
V.2 Endomorphismes nilpotents, matrices nilpotentes
Définition 14
Un endomorphisme u ∈ L (E ) est dit nilpotent s’il existe p ∈ N tel que u p = 0.

Auquel cas le plus petit p vérifiant cette identité est appelé indice de nilpotence de u
Définition 15
Une matrice A ∈ M n (K) est dite nilpotente si une de ces puissances est nulle et le plus petit p vÃ©rifiant A p
est appelé indice de nilpotence de A

Exemple 20: Matrice de Jordan

Soit  
0 1 (0)
 .. .. 
 . . 
A=  ∈ M n (K)
 
..
.
 
 1
(0) 0
La matrice A est nilpotente d’indice n
Il suffit de montrer que l’endomorphisme u de Rn canoniquement associé à A est nilpotent d’indice n.

Notons B = ( e 1 , . . . , e n ) la base canonique de Rn , d’après la matrice u ( e 1 ) = 0, u ( e 2 ) = e 1 , . . . u ( e n ) = e n−1 . Donc ∀ k ∈
2, n, u k ( e 1 ) = u k ( e 2 ) = . . . = u k ( e k ) = 0 et u k ( e k+1 ) = e 1 , u k ( e k+2 ) = e 2 , . . . , u k ( e n ) = e n−k avec la notation e 0 = 0. Alors
∀ k ∈ 1, n − 1, u k 6= 0, car u k ( e k+1 ) = e 1 et u n = 0, car u n ( e 1 ) = . . . = u n ( e n ) = 0.
D’où u est nilpotent d’indice n⊗
Exemple 21
Soit A une matrice triangulaire supérieure stricte de M n (K). Alors A est nilpotent
On considère la matrice triangulaire spérieure stricte suivante :

 
0 t 1,2 ··· t 1,n
 0 ...
 .. .. 
. . 
T = MatB 0 ( u) =  .
 
 . .. ..

. .

 . t n,n−1 
0 ··· 0 0
Il suffit de montrer que l’endomorphisme u de Rn canoniquement associé à T est nilpotent.

¡ ¢ P j−1
On a u ( e 1 ) = 0 et ∀ j ∈ 2, n, u e j = i=1 t i, j e i .
Par récurrence forte sur k ∈ 1, n, on montre que u k ( e k ) = 0.
Soit j ∈ 1, n, u n e j = u n− j u j e j = u n− j (0) = 0, donc u n = 0, ainsi u est nilpotent et son indice de nilpotence É n
¡ ¢ ¡ ¡ ¢¢
Propriété 29
Un endomorphisme u est nilpotent si et seulement s’il existe une base dans laquelle la matrice de u est
nilpotente.
Théorème 1
u est nilpotent si et seulement si u est trigonalisable et Sp ( u) = {0}.
Démonstration. ⇒) Raisonnons matriciellement. Par récurrence sur n ∈ N∗ , montrons que A ∈ M n (K) est
nilpotente, alors A est semblable à une matrice triangulaire supérieure stricte.
Cas n = 1 : Une matrice nilpotente de taille 1 est nécessairement nulle.
Supposons la propriété établie au rang n Ê 1.
La matrice A ne peut être inversible et donc Ker A 6= {0}. Soit e 1 un vecteur non nul de Ker A . On com-
plète ce vecteur e 1 en une base de Kn+1 de la forme C = ( e 1 , · · · , e n+1 ). La matrice de l’endomorphisme
canoniquement associé à A dans la base C est de la forme
Ã !
0 ∗
B= avec A 0 ∈ M n (K)
0 A0
La matrice B est semblable à A et donc elle aussi nilpotente. On en déduit que le bloc A 0 est nilpotent.
Par hypothèse de récurrence, il existe Q ∈ GLn (K) telle que Q −1 AQ soit triangulaire supérieure stricte.

Ã !
1 0
Formons alors : P =
0 Q
!Ã
−1 0 ∗
Par produit par blocs : P BP = est triangulaire supérieure stricte.
0 Q −1 A 0 Q
Finalement, A est semblable à une matrice triangulaire supérieure stricte.
Récurrence établie.
⇐) χ A = X n est annulateur de A .
Corollaire 10
L’indice d’un endomorphisme nilpotent est au plus égal à la dimension de l’espace.
Démonstration. χu = X n
Exercice 2: Caractérisation d’une matrice nilpotente
Soit A ∈ Mn (K). Montrer que : A est nilpotente ⇐⇒ ∀ k ∈ 1, n, Tr A k = 0

¡ ¢
=⇒ Comme A est nilpotente, alors elle est trigonalisable et Sp( A ) = {0}, donc ∃P ∈ GL n (K), A = PTP −1 avec
 
0 t 1,2 ··· t 1,n
 .. .. .. 
 0 . . . 
T =
 
.. .. ..

. .
 
 . t n,n−1 
0 ··· 0 0
 
0 ¦ ··· ¦
 .. .. .. 
k k −1 k
 0 . . . 
, d’où Tr A k = Tr T k = 0.
¡ ¢ ¡ ¢
Donc ∀ k ∈ 1, n, A = PT P avec T = 
 
.. . . ..
. .
 
 . ¦ 
0 ··· 0 0
⇐= Nous allons prouver que SpC ( A ) = {0}. Par absurde, supposons que SpC ( A ) 6= {0}, or SpC ( A ) est non vide, notons
λ1 , . . . , λr les valeurs propres complexes deux à deux distinctes non nulles de A de multiplicités respective m 1 , . . . , m r ∈
N∗ , alors
³ ´ ³ ´
∀ k ∈ 1, n, Tr A k = 0 =⇒ ∀ k ∈ 1, r , Tr A k = 0
r
m k λki
X
⇐⇒ ∀ k ∈ 1, n,
i =1
m 1 λ1 + m 2 λ2 + · · · + m r λr


 =0
 m 1 λ2 + m 2 λ2 + · · · + m r λ2r


1 2 =0
=⇒ .. ..



 . .
m 1 λ1r + m 2 λ2r + · · · + m r λrr =0

=⇒ V X = 0
λ1 λ2 λr
   
··· m1
 λ2 λ22 ··· λ2r   m2 
 1   
où V = 
 .. .. ..  et X = 
  .. 

 . . ··· .   . 
λ1r λ2r ··· λrr mr
On a

V.3 Trigonalisation effective 24
λ1 λ2 λr
¯ ¯ ¯ ¯
¯ ··· ¯ ¯ 1 1 ··· 1 ¯
¯ ¯ ¯ ¯
¯ λ21 λ22 ··· λ2r ¯ ¯ λ
1 λ2 ··· λr ¯
Y ¡
¯ = λ1 λ2 · · · λr ¯ = λ1 λ2 · · · λr λ j − λ i 6= 0
¯ ¯ ¯ ¯ ¢
det(V ) = ¯¯ .. .. .. .. ¯
¯ .
¯ . .. .. .. ¯
¯
¯ . . . . ¯
¯
¯ .
¯ . . . ¯
¯ 1É i < j É r
¯ λ1r λ2r ··· λrr ¯ ¯ λr−1
1
r −1
λ2 ··· r −1
λr ¯
| {z }
’est un déterminant de Vandermonde
Donc V est inversible, or V X = 0, alors X = 0 ce qui est absurde car m 1 , . . . , m r ∈ N∗ .

Ainsi A admet une seule valeur propre complexe qui est 0 , donc A est nilpotent .
V.3 Trigonalisation effective
Soit A ∈ M n (K) tel que χ A soit scindé dans K[ X ]. On peut écrire

m
( X − λ k )a k
Y
χA =
k=1
avec λ1 , · · · , λm les valeurs propres deux à deux distinctes et α1 , · · · , αm leurs multiplicités respectives. On admet qu’il
est possible de rendre la matrice A semblable à une matrice diagonale par blocs de la forme
 
T1 (0)
 .. 

 . 

(0) Tm
avec T k ∈ Mαk (K) de la forme

λk ε1
 
(0)
 .. 

 λk . 

..
 
. εαk−1 
 

(0) λk
où ε1 , · · · , εαk −1 ∈ {0, 1}
Exemple 22
 
−1 −3 −1
Soit la matrice A = −1 1 1  Étudions la trigonalisation de A
 
−2 −3 0
2
On a χ A = ( X +2)(
 X
− 1) et Sp ( A ) = {1,−2}. 
1 est valeur propre double et −2 est valeur propre simple.
1 1
E −2 ( A ) = Vect 0 et E 1 ( A ) = Vect −1. La matrice A n’est pas diagonalisable, cependant elle est trigonalisable,
   
1 1
essayons de la rendre semblable à  
−2 0 0
 0 1 1
 
0 0 1
Déterminons
  C1 , C 2, C 3 vérifiant AC 1 = −2C 1 , AC 2 = C 2 et AC 3 = C 3 + C 2 .  
1 1 0
C 1 = 0, C 2 = −1 et, après résolution de l’équation AC 3 = C 3 + C 2 , C 3 =  0 .
     
1 1 −1
   
1 1 0 −2 0 0
Pour : P = 0 −1 0  ∈ GL3 (R) et on a P −1 AP =  0 1 1.
   
1 1 −1 0 0 1

Polynômes d’un endomorphisme, d’une matrice 25
Exemple 23
 
−1 0 −1
Soit la matrice A =  2 −3 −5 Étudions la trigonalisation de A
 
−1 1 1
χ A =( X+ 1)3 et Sp ( A ) = {−1}. La matrice A est trigonalisable sans être diagonalisable car A 6= − I 3 . On a E −1 ( A ) =
1
Vect1 qui est de dimension 1, seule la forme
 
0
 
−1 1 0
0 −1 1
 
0 0 −1
  cherchons des colonnes C 1 , C 2 , C 3 vérifiant AC 1 = −C 1 , AC 2 = −C 2 + C 1 et AC 3 = −C 3 + C 2 .

est possible. Nous
1
Prenons C 1 = 1.
 
0
 
0
Après résolution de l’équation matricielle ( A + I 3 )C 2 = C 1 , la colonne C 2 =  2  convient.
 
−1
 
1
Après résolution de l’équation matricielle ( A + I 3 )C 3 = C 2 , la colonne C 3 = 0 convient.
 
0
   
1 0 1 −1 1 0
Finalement, pour : P = 1 2 0 ∈ GL3 (R) et on a : P −1 AP =  0 −1 1 
   
0 −1 0 0 0 −1
VI Polynômes d’un endomorphisme, d’une matrice
Si u est un endomorphisme d’un K-espace vectoriel E et A ∈ M n (K)
VI.1 Polynômes d’un endomorphisme ou d’une matrice
Définition 16: Polynôme d’un endomorphisme, d’une matrice
m
Si u ∈ L (E ), A ∈ M n (K) et P = a k X k un polynôme à coefficients dans K, on définit
X
k=0
m
a k u k ∈ L (E ). P ( u) est un polynôme de l’endomorphisme u.
X
1. P ( u) =
k=0
m
a k A k ∈ M n (K). P ( M ) est un polynôme de la matrice A .
X
2. P ( A ) =
k=0
Exemple 24: Matrice diagonale

Si A = diag (λ1 , · · · , λn ) ∈ M n (K), alors pour tout polynôme P ∈ K[ X ],
P ( A ) = diag (P (λ1 ) , · · · , P (λn ))

VI.1 Polynômes d’un endomorphisme ou d’une matrice 26
Exemple 25: Matrice diagonale par blocs

Soit  
A1 (0)

 A2 

A= ..

.
 
 
(0) Ar
Avec les A i sont des matrices carrées, alors pour tout polynôme P ∈ K[ X ],
 
P ( A1) (0)

 P ( A2) 

P ( A) =  ..

.
 
 
(0) P (Ar)
Propriété 30: Règles de calcul, cas des endomorphismes
L’application ϕu : P ∈ K[ X ] 7→ P ( u) ∈ L (E ) est un morphisme d’algèbre ; en particulier
∀ u ∈ L (E ), ∀(P,Q ) ∈ K[ X ]2 ,
¡ ¢
P × Q ( u) = P ( u) ◦ Q ( u)
Son image, notée K[ u], est une sous-algèbre commutative de L (E ), appelée sous-algèbre engendrée par u. C’est
la plus petite sous-algèbre de L (E ) contenant u.
p q
a i X i et Q = b i x i . Quitte à considérer r = max( p, q) et compléter par des facteurs
X X
Démonstration. Soit P =
i =0 i =0
nuls, on peut supposer que p = q = r .
On a ϕu (1) = I E
Soit λ ∈ K, on a
r
(λa i + b i ) u i
X
ϕu (λP + Q ) =
i =0
r r
ai ui + bi ui
X X
= λ
i =0 i =0
= λϕu (P ) + ϕu (Q )
Quant à l’égalité ϕu (PQ ) = ϕu (P ) ◦ ϕu (Q ), on commence par la démontrer pour Q = X k :
ϕu (P X k ) = a i u i+k = a i u i ◦ u k = ϕu (P ) ◦ ϕu ( X k )
X ¡X ¢
i i
k
en utilisant la linéarité de ϕu :
P
puis dans le cas général Q = k bk X
³X ´ X
b k P X k = b k ϕu (P X k ) = b k ϕu (P ) ◦ ϕu ( X k )
X
ϕu (PQ ) = ϕu
k k k
k
¡X
= ϕu (P ) ◦ b k ϕu ( X ) = ϕu (P ) ◦ ϕu (Q )
¢
k
L’image K[ u] de ϕu est clairement la plus petite sous-algébre de L (E ) contenant u.

VI.1 Polynômes d’un endomorphisme ou d’une matrice 27
Propriété 31: Règles de calcul, cas des matrices
L’application ϕ A : P ∈ K[ X ] 7→ P ( A ) ∈ M n (K) est un morphisme d’algèbre ; en particulier
∀ M ∈ M n (K), ∀(P,Q ) ∈ K[ X ]2 ,
¡ ¢
PQ ( A ) = P ( M )Q ( A )
Démonstration. Même démonstration que précédemment.
Propriété 32: Matrice d’un polynôme d’endomorphisme
Si A est la matrice de u dans une base B de E , alors P ( A ) est celle de P ( u) dans B .
Propriété 33
Si F est un sous-espace de E stable par u, alors F est stable par P ( u) et, en notant u F l’endomorphisme induit,
on a :
P ( u)F = P ( u F )
pour tout P ∈ K[ X ].
Démonstration. L’ensemble L F (E ) des endomorphismes laissant F stable est une sous- algèbre de L (E ) conte-
nant u et donc K[ u].
On obtient P ( u)F = P ( u F ) en remarquant que v 7−→ vF est un morphisme de K-algèbres de L F (E ) vers L (F )
Propriété 34: u-stabilité de KerP ( u) et de ImP ( u)
Pour tout polynôme P à coefficients dans K et tout endomorphisme u de E , ImP ( u) et KerP ( u) sont stables par
u.
Démonstration. Ce sont en effet les sous-espaces image et noyau d’un endomorphisme commutant avec u. ?
Propriété 35: Valeurs propres d’un polynôme d’endomorphisme
Si x est un vecteur propre de u associé à λ, pour tout polynôme P , x est un vecteur propre de P ( u) associé à
P (λ).
Démonstration. x est non nul et
u( x) = λ x ⇒ u k ( x) = λk x (par récurrence sur k)

m
a k X k , on a :
X
Si P =
k=1
m
³X ´ m m
a k u k ( x) = a k u k ( x) = a k λk x = P (λ) x
X X
P ( u)( x) =
k=1 k=1 k=1

VI.2 Idéal annulateur et Polynôme minimal 28
VI.2 Idéal annulateur et Polynôme minimal
Définition 17
Le noyau {P ∈ K[ X ] | P (u) = 0} du morphisme d’évaluation P 7−→ P (u) est un idéal de K[ X ]. On l’appelle

l’idéal annulateur de u.
On appelle polynôme annulateur de u tout élément de l’idéal annulateur.
Même définition pour les matrices
Démonstration. C’est le noyau du morphisme d’évaluation ϕu . C’est donc un idéal de K[ X ].
Propriété 36
Soit u ∈ L (E ) où E est de dimension finie

1. L’idéal annulateur de u est non rééduit à {0} dont le générateur unitaire est appelé le polynôme minimal
de u et noté πu ;
2. Si d = deg (πu ), alors
(a) d Ê 1
(b) ( I, u, · · · , u d −1 ) une base de K[ u].
(c) dim K[ u] = deg πu = d
Démonstration. 1. Si ϕu n’est pas injectif, le noyau de ϕu est idéal non nul de K[ X ], donc il existe un unique
πu ∈ K[ X ] unitaire tel que Kerφ = πu .K[ X ].
2. Soit d = deg(πu ).
(a) Sinon πu = 1 et par définition IdE = πu ( u) = 0.
(b) Montrons que la famille (IdE , u, u2 , · · · , u d −1 ) est libre de K[ u].
dX
−1 dX
−1
Soit (λ0 , λ1 , λ2 , · · · , λd −1 ) ∈ Kd tel que λk u k = 0. Le polynôme P = λk X k est annulateur de u,
k=0 k=0
donc πu | P . Mais deg P < deg πu d’où P = 0, puis ∀ i ∈ [[0, d − 1]] , λ i = 0
Montrons que la famille IdE , u, u2 , · · · , u d −1 est génératrice de K[u].
¡ ¢
Soit x ∈ K[ u], alors il existe P ∈ K[ X ] tel que x = P ( u). La division euclidienne de P par πu montre
qu’il existe Q, R ∈ K[ X ] tel que
(
P = Q.πu + R
deg R < deg πu
D’où
x = P ( u ) = Q ( u )π u ( u ) + R ( u )
| {z }
=0
³ ´
= R ( u) ∈ Vect IdE , u, · · · , u d −1
la famille IdE , u, · · · , u d −1 est génératrice de K[ u]

¡ ¢
Donc la famille IdE , u, · · · , u d −1 est une base de K[ u]

¡ ¢
(c) D’après la question précédente dimK K[α] = d .

VI.2 Idéal annulateur et Polynôme minimal 29
Propriété 37
Soit A ∈ M n (K)
1. L’idéal annulateur de A est non réduit à {0} dont le génrateur unitaire est appelé le polynôme minimal
de A et noté π A ;
2. Si d = deg (π A ), alors
(a) d Ê 1
(b) ( I n , A, · · · , A d −1 ) une base de K[ A ].
(c) dim K[ A ] = deg π A = d
Corollaire 11
Si A est la matrice de u dans la base B de E , alors πu = π A
Démonstration. La relation : Mat (P ( u)) = P ( A ) montre que les idéaux annulateurs de u et A sont égaux.
B
Propriété 38
Soit u ∈ L (E ) où E est de dim finie et F un sev de E stable par u, alors πu F | πu
Démonstration. La relation P ( u F ) = P ( u)F montre que l’idéal annulateur de u est contenu dans l’idéal annula-
teur de u F . Ainsi πu ( u F ) = 0 et πu F divise πu .
Propriété 39: Valeur propre et polynôme annulateur
Soit P est un polynôme annulateur pour u, alors
Sp ( u) ⊂ Rac(P ) où Rac(P ) = {λ ∈ K | P (λ) = 0}
Avec égalité si P = πu
Démonstration. • Si λ est une valeur propre de u, P (λ) est une valeur propre de P ( u) = 0L (E ) . Or, 0 est la
seule valeur propre de 0L (E ) , d’où P (λ) = 0 et λ est racine de P .
• Soit λ ∈ Rac(πu ), donc πu (λ) = 0, donc ( X − λ) divise πu dans K[ X ]. On écrit alors πu = ( X − λ)Q . Mais
πu ( u) = 0, donc ( u − λIdE ) ◦ Q ( u) = 0, ceci permet d’écrire ImQ ( u) ⊂ Ker( u − λIdE ).
Si λ ∉ Sp ( u), alors Ker( u − λIdE ) = {0}, donc ImQ ( u) = {0}, donc l’endomorphisme Q ( u) est nul. La mini-
malité de πu donne πu divise Q et comme Q divise π, les deux polynômes sont associés. Absurde
Exemple 26
Soit u un projecteur de E . Déterminons Sp ( u) ?
On a u2 = u, donc u2 − u = 0. Le polynôme P = X 2 − X est annulateur de u dont les racines sont 0 et 1, donc Sp ( u) ⊂ {0, 1}.
Réciproquement

VI.3 Théorème de Cayley Hamilton 30
• 0 ∈ Sp ( u) ?
0 ∈ Sp ( u) ⇐⇒ ∃ x ∈ E \ {0}, u ( x) = 0
⇐⇒ Ker u 6= {0}
⇐⇒ Im( u) 6= E ⇐⇒ u 6= I d E
• 1 ∈ Sp ( u) ?
1 ∈ Sp ( u) ⇐⇒ ∃ x ∈ E \ {0}, u ( x) = x
⇐⇒ ∃ x ∈ E \ {0}, u ( x) − x = 0
⇐⇒ Ker( u − IdE ) 6= {0}
⇐⇒ Ker( u) 6= E ⇐⇒ u 6= 0
Bref
Sp ( u) = {0, 1} ⇐⇒ u 6= I d E et u 6= 0
Sp ( u) = {1} ⇐⇒ u = I d E
Sp ( u) = {0} ⇐⇒ u = 0
VI.3 Théorème de Cayley Hamilton
Théorème 2: Cayley-Hamilton
Le polynôme caractéristique d’un endomorphisme ou d’une matrice est un polynôme annulateur de cet endo-
morphisme ou de cette matrice, soit :
χ M ( M ) = 0 M n (K) et χu ( u) = 0L (E )
Démonstration. Non exigible Soit x ∈ E . Notons F le sous-espace Vect u k ( x), k ∈ N et P le polynôme annula-
¡ ¢
teur de x.
On sait que F est stable par u et que dans une base convenable l’endomorphisme u p induit par u sur F a
comme matrice la matrice compagnon de P . Son polynôme caractéristique vaut donc P .
Le sous-espace F étant stable par il existe un polynôme M tel que l’on ait χu = χu F M . On obtient alors χu = P M
et :
χu ( u)( x) = ( M ( u) oP ( u))( x) = 0
puisque P ( u)( x) = 0. Cela valant pour tout x, l’endomorphisme χu ( u) est nul.
Corollaire 12
πu et χu ont mêmes facteurs irréductibles
Démonstration. πu divise χu et Rac(πu ) = Rac(χu ) = Sp ( u)
Conséquence 2: S
it u ∈ L (E ) où E est de dimension finie n et A ∈ M n (K), alors

1. πu | χu , donc deg πu É n
2. K[ u] = Vect IdE , u, · · · , u n−1 et K[ A ] = Vect In , A, · · · , A n−1
¡ ¢ ¡ ¢
3. dim K[ u] É n et dim K[ A ] É n

VI.4 Lemme des noyaux 31
Exemple 27: Calcul d’une puissance

 
2 −1 1
Soit A la matrice −1 2 −1.
 
1 −1 2
Calculons A n pour tout n∈N
On a χ A = ( X − 1)2 ( X − 4). Par division euclidienne il existe Q ∈ K[ X ] et αn , βn , γn ∈ K tels que :
P ( X ) = X n = ( X − 1)2 ( X − 4)Q + αn X 2 + βn X + γn
Le calcul de P (1), P (4) et de P 0 (1), donne le système

 
n 1 1 n 1
αn + βn + γn = 2 αn = − 3 n + 9 4 − 9

 

16αn + 4βn + γn = 4n ⇐⇒ β = 5 n − 29 n + 29
  n 3
2α n + β n = n γn = − 43 + 19 4n + 89

 


6 −5 5
En évaluant en suite en A , A n = αn A 2 + βn A + γn I 3 . Avec A 2 = −5 6 −5, on obtient
 
5 −5 6
4n + 2 −4n + 1 4n − 1
 
1
A n = −4n + 1 4n + 2 −4n + 1
 
3
4n − 1 −4n + 1 4n + 2
VI.4 Lemme des noyaux
Propriété 40
Soit u ∈ L (E ) et P,Q ∈ K[ X ] tels que P ∧ Q = 1, alors
Ker(PQ )( u) = KerP ( u) ⊕ KerQ ( u)
Si de plus PQ est annulateur de u, alors E = KerP ( u) ⊕ KerQ ( u)
Démonstration. Montrons l’égalité Ker(PQ )(u) = KerP (u) + KerQ (u) :

Grâce à Bézout : P A + QB = 1 donc en passant aux polynômes d’endomorphisme, ceci se traduit par
I d = P ( u) ◦ A ( u) + Q ( u) ◦ B( u) et, en appliquant cette relation au vecteur x de E , on obtient x = x1 + x2
où x1 = P ( u) ◦ A ( u)( x) et x2 = Q ( u) ◦ B( u)( x).
Si x ∈ KerPQ ( u) alors
Q ( u)( x1 ) = Q ( u) [(P ( u) ◦ A ( u)) ( x)] = (Q ( u) ◦ P ( u) ◦ A ( u)) ( x)

= ( A ( u) ◦ P ( u) ◦ Q ( u)) ( x) = 0
= A ( u) [(P ( u) ◦ Q ( u)) ( x)]
= 0
car K[ u] est une algèbre commutative. Par conséquent x1 ∈ KerQ ( u).

De même on démontre x2 ∈ KerP ( u).
Ainsi l’inclusion Ker(PQ )( u) ⊂ KerP ( u) + KerQ ( u)
Inversement KerP (u) ⊂ KerQ (u) ◦ P (u) = Ker(PQ )(u) et KerQ (u) ⊂ KerP (u) ◦ Q (u) = Ker(PQ )( u), donc
l’inclusion KerP ( u) + KerQ ( u) ⊂ Ker(PQ )( u)
Montrons que KerP (u) ∩ KerQ ( u) = {0}.
Soit x ∈ KerP ( u) ∩ KerQ ( u). Comme I d = A ( u) ◦ P ( u) + B( u) ◦ Q ( u), alors x = ( A ( u) ◦ P ( u)) ( x) +

VI.4 Lemme des noyaux 32
(B( u) ◦ Q ( u)) ( x) = 0
Exemple 28: Projecteur

Soit p un projecteur de E , montrons que E = Ker p ⊕ Im p
Soit p un projecteur de E , alors p est un endomorphisme de E vérifiant p2 = p.

Posons Q = X 2 − X , alors Q ( X ) = X ( X − 1), avec X ∧ ( X − 1) = 1 et Q ( p) = 0. D’après le lemme des noyaux
KerQ ( p) = Ker p ⊕ Ker( p − I d E )
Or Ker( p − I d E ) = { x ∈ E | p( x) = x} = Im p et E = KerQ ( p), donc
E = Ker p ⊕ Im p
Exemple 29: Symétrie

Soit s une symétrie vectorielle de E , alors E = Ker( s − I d E ) ⊕ Ker( s + I d E )
Soit s une symétrie vectorielle de E , alors s est un endomorphisme de E vérifiant s2 = I d E .

Posons Q = X 2 − 1, alors Q ( X ) = ( X + 1)( X − 1), avec ( X + 1) ∧ ( X − 1) = 1 et Q ( s) = 0. D’après le lemme des noyaux
KerQ ( s) = Ker( s − I d E ) ⊕ Ker( s + I d E )
L’égalité KerQ ( s) = E donne le résultat demandé
Conséquence 3: S
it P1 , · · · , P r des polynômes deux à deux premiers entre eux et u ∈ L (E ), alors

r
M
Ker [(P1 · · · P r ) ( u)] = Ker [P i ( u)]
i =1
Si de plus P1 · · · P r est annulateur de u, alors

r
M
E= Ker [P i ( u)]
i =1
Démonstration. Se fait par récurrence sur r :

On vient de faire la démonstration dans le cas r = 2.
On suppose la propriété vraie à l’ordre r Ê 2 : si P = P1 P2 · · · P r+1 se décompose en produit de polynômes
premiers entre eux deux à deux alors, en écrivant que P = Q r P r+1 où Q r = P1 P2 · · · P r . D’après le lemme
des noyaux KerP ( u) = KerQ r ( u) ⊕ KerP r+1 ( u) et par hypothèse de récurrence
r
M
KerQ r ( u) = KerP1 · · · P r ( u) = KerP i ( u)
i =1
On conclut que
KerP1 · · · P r+1 ( u) = KerQ r ( u) ⊕ KerP r+1 ( u)

Mr
= KerP i ( u) ⊕ KerP r+1 ( u)
i =1
r +1
M
= KerP i ( u)
i =1

Application à la réduction de la notion de polynôme annulateur 33
VII Application à la réduction de la notion de polynôme annulateur
VII.1 Décompositions spectrales
Propriété 41
Soit u ∈ L (E ) un endomorphisme diagonalisable, Sp ( u) = {λ1 , · · · , λr } et ( p i )1É iÉr la famille des projecteurs

r
M
associées à la décomposition E = E λ i ( u). Alors
i =1
r
X r
X
1. u = λ i p i . Cette écriture u = λ i p i est appelée décomposition spectrale de l’endomorphisme diago-
i =1 i =1
nalisable u.
r
q
2. Pour tout q ∈ N, u q =
X
λi p i
i =1
r
3. Pour tout P ∈ K[ X ] P ( u) =
X
P (λ i ) p i
i =1
r
M r
X
Démonstration. 1. Soit x ∈ E = E λ i ( u), donc x = x i où x i ∈ E λ i ( u).
i =1 i =1
Ã !
r
X r
X r
X r
X
u ( x) = u xi = u( x i ) = λi xi = λ i p i ( x)
i =1 i =1 i =1 i =1
r
X
Donc u = λi p i
i =1
2. Par récurrence sur q
r
q = 0, on a u0 = IdE =
X
pi
i =1
Supposons la propriété établie au rang q Ê 0. On a
u q+1 = q
Ãu ◦ u = ! Ã !
r r
X X q
= λi p i λi p i
i =1 i =1
r X
r
q
λ i λk δki p i
X
=
i =1 k=1
r
X q+1
= λi p i
i =1
3. Conséquence immédiate de 2)
VII.2 Polynôme annulateur et diagonalisation
Propriété 42
Soit u ∈ (E ). On a équivalence entre

1. u est diagonalisable
2. u annule un polynôme scindé à racines simples.
3. πu est scindé à racines simples

VII.2 Polynôme annulateur et diagonalisation 34
Démonstration. 1) ⇒ 2) Appelons λ1 ,. . .,λ p les valeurs propres deux à deux distinctes de u et m 1 , · · · , m p

Mp
leurs ordres de multiplicitÃ© respectifs. Dans une base adaptée à la décomposition E = E λ j ( u), la
j =1
matrice de u est diagonale par blocs
λ1 Im1
 
0 ··· 0
 .. .. 
 0 λ2 Im2 . . 
M = .
 
.. ..

 .
. .

 . 0 
0 ··· 0 λ p Im p
p
Y
Le polynôme P = ( X − λ j ) est annulateur de M , car, par blocs,
j =1
P (λ1 )Im1
 
0 ··· 0
 .. .. 
 0 P (λ2 )Im2 . . 
P (M) = 
 
.. .. ..

. .
 
 . 0 
0 ··· 0 P (λ p )Im p
Donc P ( M ) = 0 car λ j est racine de P pour tout j ∈ [[1, p]].

Ainsi le polynôme P est scindé, à racines simples et annulateur de u.
2) ⇒ 3) πu divise tout polynôme annulateur de u
Yp
3) ⇒ 1) On écrit πu = ( X − λ j ), alors Sp ( u) = {λ1 · · · , λ p } et d’après le lemme des noyaux
j =1
p
Y p
M
Kerπu ( u) = Ker (u − λ j I E ) = Ker( u − λ j I E )
j =1 j =1
Kerπu ( u) = E et donc u est diagonalisable.
Exemple 30
Tout projecteur est diagonalisable
Soit p un projecteur de E . Le polynôme X 2 − X , scindé à racines simples, annule p, donc p est diagonalisable.
Exemple 31
Soit u ∈ L (E ) et B base de E tel que  
1 ··· 1
. .. 
MatB ( u) =  ..

1 .

1 ··· 1
Étudions la diagonalisation de u ?
Remarquons que u est du rang 1, donc X 2 − TruX = X2 − nX est annulateur de u. Le polynôme X 2 − nX = X ( X − n) est
scindé à racines simples, donc u est diagonalisable
Propriété 43
Soit u ∈ L (E ) et λ1 , · · · , λr ∈ K. On a équivalence entre

1. u est diagonalisable et Sp ( u) = {λ1 , · · · , λr }

VII.3 Polynôme minimal et trigonalisation 35
r
Y
2. πu = ( X − λi )
i =1
Démonstration. 2) ⇒ 1) C’est fait

Yr r
M
1) ⇒ 2) Soit P = ( X − λ i ). Le lemme des noyaux donne KerP ( u) = Ker( u − λ i IdE ) et comme u est
i =1 i =1
r
M
diagonalisable, alors E = Ker( u − λ i IdE ) et, par suite, KerP ( u) = E , soit P ( u) = 0
i =1
Conséquence 4: L
seul endomorphisme nilpotent et diagonalisable est l’endomorphisme nul
Corollaire 13 (Endomorphisme induit)

Si u est un endomorphisme diagonalisable de E et F un sous-espace stable pour u, l’endomorphisme v, induit
par u sur F , est diagonalisable.
Démonstration. Soit P un polynôme annulateur de u, scindé et à racines simples. La restriction de P ( u) à F

est P (v), et donc, P est annulateur de v. Ainsi v est diagonalisable.
Propriété 44: Caractérisation des matrices diagonalisables
Pour une matrice carrée M d’ordre n et à coefficients dans K, les propriétés suivantes sont équivalentes :
1. M est diagonalisable ;
2. π M est scindé à racines simples
3. M annule un polynôme scindé à racines simples.
VII.3 Polynôme minimal et trigonalisation
Théorème 3
Soit u ∈ (E ). On a équivalence entre

1. u est diagonalisable.
2. u annule un polynôme non nul et scindé.
3. πu est scindé.
Démonstration. 1) ⇒ 2) Soit B une base de trigonalisation de u. La matrice T de u est triangulaire supé-

Yn
rieure donc χu = χT = ( X − t ii ) d’où est scindé. D’après Cayley-Hamilton est annulateur de d’où le
i =1
résultat.
2) ⇒ 3) Le polynôme minimal divise tout polynôme annulateur
k
( X − λ i )α i . D’après le théorème de décomposition des noyaux E = Ker (πu ) =
Y
3) ⇒ 1) Posons πu =
i =1
Ker ( u − λ i idE )α i . Pour tout i ∈ [[1, k]] le sous-espace ker ( u − λ i idE )α i est u-stable. Posons F i =
L

Compléments 36
ker ( u − λ i idE )α i et u i la restriction u de à F i . Soit i ∈ [[1, k]], alors pour tout x ∈ F i , on a

¢α i
u i − λ i idF i ( x) = ( u − λ i idE )α i ( x) = 0
¡
donc n i = u i − λ i idF i est nilpotent. On déduit qu’il existe une base B i de F i dans la quelle la matrice de
u i est triangulaire supérieure stricte d’où la matrice de u i dans la base B i est triangulaire supéprieure
avec λ i dans sa diagonale.
k
On déduit que la matrice de u dans la base B = B i est triangulaire supérieure. L’endomorphisme est
[
i =1
alors trigonalisable.
Corollaire 14
Pour une matrice carrée M d’ordre n et à coefficients dans K, les propriétés suivantes sont équivalentes :
1. M est diagonalisable.
2. M annule un polynôme non nul et scindé.
3. π M est scindé.
Un endomorphisme est trigonalisable si, et seulement si, il possède un polynôme annulateur non nul scindé.
VIII Compléments
Décomposition de Dunford
VIII.1
Propriété 45
Soit E un C-espace vectoriel de dimension n Ê 1 et u un endomorphisme de E . Alors il existe un et un seul

couple ( d, n) d’endomorphismes de E tels que :
1. u = D + N
2. D et N commutent
3. D est diagonalisable et N est nilpotent
De plus, D et N sont des polynômes en u
Démonstration. Traitons d’abord l’existence du couple (D, N ). Écrivons
χu = (λ1 − X )m1 · · · (λr − X )m r
avec les λ i ∈ C deux à deux distincts et les entiers m i Ê 1. D’après le théorème de décomposition des
noyaux et le théorème de Cayley-Hamilton, E est somme directe des sous-espaces caractéristiques E i =
Ker( u − λ i Id)m i :
M r
E= Ei
i =1
Soit D l’endomorphisme de E dont la restriction à E i est exactement λ i IdE i : autrement dit, D est
diagonalisable et admet chaque sous-espace E i comme espace propre pour la valeur propre λ i . Posons
N = u − D . Il ne reste plus qu’à vérifier que n est nilpotent et commute avec d. Comme chaque sous-
espace caractéristique de E est stable par u et par D (donc aussi par n), il suffit de le vérifier pour les
restrictions aux E i . Notons avec un indice i les restrictions à E i . On a u i = D i + N i et D i = λ i IdE i . Or,

VIII.2 Commutant d’un endomorphisme diagonalisable 37
par définition E i , ( u i − λ i IdF i )m i = 0. Donc N i est nilpotent et commute clairement avec l’homothétie D i .
D’où le résultat. Le couple (D, N ) convient donc. Avant de prouver l’unicité, vérifions que d et n sont des
polynômes en u. Cela se voit dans la démonstration du théorème de décomposition des noyaux : pour
tout i la projection π i sur E i parallèlement à la somme des autres sous-espaces caractéristiques est un
polynôme en u. Or, par construction, on a simplement pris
r
λ i π i ∈ C[ u]
X
d=
i =1
Bien entendu n = u − d est alors aussi dans C[ u].

Supposons l’existence d’un autre couple ( d 0 , n0 ) répondant au problème. On a alors d 0 − d = n − n0 . Comme
d 0 commute avec n0 , il commute aussi avec u, donc avec tout polynôme en u. En particulier d 0 commute
avec d . Ainsi d et d 0 sont codiagonalisables et donc d 0 − d est diagonalisable. De même n commute avec
n0 . Il en découle que n − n0 est nilpotent. Le seul endomorphisme diagonalisable et nilpotent étant 0 on a
d = d 0 et n = n0 .
Commutant d’un endomorphisme diagonalisable

VIII.2
r
Soit u ∈ L (E ) un endomorphisme diagonalisable de polynôme caractéristique χu = (λ i − X )m i où λ i sont deux à
Y
i =1
deux distinctes et C ( u) = {v ∈ L (E ) | uv = vu}
Propriété 46
1. v ∈ C ( u) ⇐⇒ Les sous-espaces propres de u sont stables par v

r
2. dim C ( u) = m2i
X
i =1
1. ⇒) Soit v ∈ C ( u) et x ∈ E λ i ( u). Ainsi u( x) = λ i .x. D’une part, v u( x) = v(λ i .x) = λ i .v( x),
¡ ¢
Démonstration.
d’autre part, v u( x) = u v( x) . Donc u v( x) = λ i .v( x), ce qui montre que v( x) ∈ E λ i ( u). Donc tous les
¡ ¢ ¡ ¢ ¡ ¢
sous-espaces propres E λ i ( u) sont stables par v.

⇐) On sait d’autre part que chaque E λ i ( u) est stable par u, ce qui autorise à considérer l’endomorphisme
u i induit par u sur E λ i ( u). u i n’est autre que l’homothétie de rapport λ i de E λ i ( u).
———————————————————————————-
p
2. Soit B une base adaptée à la somme directe E =
M
E λ i ( u).
i =1
Si v ∈ C (u), comme chaque E λi ( u) est stable par v, on sait que B = MatB (v) est diagonale par blocs de
la forme
 
V1 0 ... 0
 .. .. 
0 V2 . . 
B= . avec Vi ∈ Mn i (C)
 
.. ..

 .
. .

 . 0
0 ... 0 Vp

VIII.2 Commutant d’un endomorphisme diagonalisable 38
Réciproquement, supposons que B = Mat(v) soit de la forme

 
V1 0 ... 0
 .. .. 
0 V2 . . 
B= . avec Vi ∈ Mm i (C)
 
.. ..

 .
. .

 . 0
0 ... 0 Vp
B étant en particulier une base de vecteurs propres de u, alors A = Mat u est diagonale et on peut
 
D1 0 ... 0
 .. .. 
0 D
2 . . 
la décomposer en blocs sous la forme A =  .  avec D i = λ i .I m i (puisque u i est une
 
 . .. ..
. .

 . 0 
0 ... 0 Dp
homothétie).
Comme ∀ i ∈ [[1; p]], D i Vi = (λ i .I m i ) Vi = Vi (λ i .I m i ) = Vi D i , alors A B = B A , donc u ◦ v = v ◦ u, d’où
v ∈ C ( u).
Par l’isomorphisme v 7−→ Matv de L (E ) dans M n (C), on obtient que C (v) a la même dimension que
le sous-espace vectoriel de M n (C) constitué des matrices ayant la forme de B.
p
( m i )2 coefficients arbitraires, donc peuvent s’écrire comme combinaison
X
Ces matrices dépendent de
i =1
p p
( m i )2 matrices E j,k de la base canonique de M n (C). Donc dim C ( u) = ( m i )2 .
X X
linéaire de
i =1 i =1
Exemple 32
 
2 −1 1
Déterminons les matrices qui commutent avec A = −1 2 −1
 
1 −1 2
Soit u l’endomorphisme canoniquement associé à A . Pour M ∈ M3 (R) on pose v l’endomorphisme canoniquement

associé à M . Alors
v ∈ C ( u) ⇐⇒ M ∈ ( A )
On a χu = (1 − X )2 (4 − X ), donc Sp ( u) = {1, 4}
E u (4) = Vectε1 , avec ε1 = (1, −1, 1)
E u (1) = Vectε2 , ε3 , avec ε2 = (1, 1, 0) et ε3 = (0, 1, 1)
La famille B 0 = (ε1 , ε2 , ε3 ) est une base de R3 et
 
4 0 0
MatB 0 ( u) = 0 1 0
 
0 0 1
 
λ 0 0
Donc V commute avec u, si et seulement si, M 0 = MatB 0 (v) =  0 a b  où λ, a, b, c, d ∈ R.
 
0 c d
0
Notons P = PB
B
. Ainsi, les matrices commutant avec A sont
 
λ + 2a − b −λ + a + b λ − a + 2b
1
M = P M 0 P −1 = −λ + 2a + 2 c − b − d λ+a+ c+b+d −λ − a − c + 2 b + 2 d 
 
3
λ + 2c − d −λ + c + d λ − c + 2d

VIII.3 Puissances d’une matrice 39
Puissances d’une matrice

VIII.3
Soit A ∈ Mn (C) une matrice diagonalisable : en notant D la matrice diagonale des valeurs propres de A , et P la matrice
de passage correspondante, on a donc
λ1 0
 
0 ... 0
0 λ 
1
A = PDP −1 = P 
  −1
P .
 .. .. .. ..
.

 . . . 
0 0 0 . . . λn
Les itérés ( A k )k∈N de la matrice A sont donnés par
A k = PD k P −1 = P diag(λ1k , · · · , λkn )P −1
Exemple 33
 
2 −1 1
Soit A la matrice −1 2 −1.
 
1 −1 2
Calculons A n pour tout n∈N
Soit u l’endomorphisme canoniquement associé à A . On a χu = (1 − X )2 (4 − X ), donc Sp ( u) = {1, 4}

E u (4) = Vectε1 , avec ε1 = (1, −1, 1)
E u (1) = Vectε2 , ε3 , avec ε2 = (1, 1, 0) et ε3 = (0, 1, 1)
La famille B 0 = (ε1 , ε2 , ε3 ) est une base de R3 et
 
4 0 0
MatB 0 ( u) = 0 1 0
 
0 0 1
  
1 1 0 1 −1 1
1
A et B sont semblables, avec A = PBP −1 , où P = −1 1 1 et P −1 =  2 1 −1.
   
3
1 0 1 −1 1 2
n n −1
Pour tout n ∈ N, on a A = PB P , on trouve après calcul
1 1 0 4n 0 0
   
1 −1 1
1
An = −1 1 1  0 1 0  2 1 −1
   
3
1 0 1 0 0 1 −1 1 2
4n + 2 −4n + 1 4n − 1
 
1 n
= −4 + 1 4n + 2 −4n + 1

3 n n n
4 − 1 −4 + 1 4 + 2
Applications aux suites récurrentes

VIII.4
Exemple 34
Soit ( xn ), ( yn ) et ( z n ) les suites définies par les relations

 xn+1 = 2 xn − yn + z n


yn+1 = − xn + 2 yn − z n


z n+1 = xn − yn + 2 z n

Calculons xn , yn et z n en fonction de n

VIII.5 Résolution de systèmes différentiels 40
   
xn 2 −1 1
Soient n ∈ N, posons Un =  yn , alors Un+1 = AUn avec A = −1 2 −1.
   
zn 1 −1 2
Donc Un = A nU0 . A est diagonalisable et Sp ( A ) = {1, 4}, donc π A = ( X − 1)( X − 4).
Soit n ∈ N, en effectuant la division euclidienne de X n par π A , on écrit X n = ( X − 1)( X − 4)Q + αn X + βn . En évaluant
en 1 et en 4, on obtient
αn = 13 (4n − 1)
( (
αn + βn = 1
⇐⇒
4α n + β n = 4 n βn = 31 (4 − 4n )
Puis on évalue en A , donc

4n + 2 −4n + 1 4n − 1
 
1
A n = −4n + 1 4n + 2 −4n + 1
 
3
4n − 1 −4n + 1 4n + 2
Puis 
1 n n n
 xn = 3 [(4 + 2) x0 + (−4 + 1) y0 + (4 − 1) z0 ]


yn = 13 [(1 − 4n ) x0 + (2 + 4n ) y0 + (1 − 4n ) z0 ]

z n = 31 [(4n − 1) x0 + (−4n + 1) y0 + (2 + 4n ) z0 ]


Résolution de systèmes différentiels

VIII.5
Exemple 35
Résoudre le système différentiel 
0
 x ( t) = 2 x( t) − y( t) + z( t)


y0 ( t) = − x( t) + 2 y( t) − z( t)

z0 ( t) = x( t) − y( t) + 2 z( t)


     
x 2 −1 1 x1
Posons U =  y, alors U 0 = AU avec A = −1 2 −1. Notons V =  y1  = P −1U , alors
     
z 1 −1 2 z1
V 0 = P −1U 0 = P −1 AU = P −1 APV = BV
Ceci s’écrit  
0 4t
 x1 ( t) = 4 x1 ( t)  x1 ( t) = ae

 

y10 ( t) = y1 ( t) =⇒ y1 ( t) = be t où a, b, c ∈ R
 
t
z10 ( t) = z1 ( t)
 
z1 ( t) = ce
 
Avec l’égalité U = PV , on obtient


4t t
ae + be
    
x 1 1 0 x1 

 y = −1 1 1  y1  =⇒ −ae4 t + be t + ce t où a, b, c ∈ R
    

z 1 0 1 z1  4t
ae + ce t


Cours de Réduction

Transféré par

Informations du document

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Cours de Réduction

Transféré par

Droits d'auteur :

Formats disponibles

COURS DE MATHÉMATIQUES EN CLASSES

PRÉPARATOIRES AU CONCOURS D’ACCÈS AUX

Pr. HOBBAD lahoucine

Professeur agrégé et docteur en mathématiques

Table des matières

III Polynôme caractéristique 11

V.2 Endomorphismes nilpotents, matrices nilpotentes . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21

VI Polynômes d’un endomorphisme, d’une matrice 25

VII Application à la réduction de la notion de polynôme annulateur 33

L.Hobbad-CPGE Ibn Timiya 2/40 la.hobbad@gmail.com

I Sous-espaces vectoriels stables

Définition 1: Sous-espace vectoriel stable

Soient E un K-espace vectoriel et u un endomorphisme de E ; un sous-espace vectoriel F de E est dit stable

F est stable pour u ⇐⇒ ∀ x, x ∈ F ⇒ u( x) ∈ F

Propriété 1: Stabilité et famille génératrice

ce qui donne la condition suffisante

Propriété 2: Application induite sur un sous-espace vectoriel stable

Si u est un endomorphisme de E et F un sous-espace vectoriel stable pour u, l’application u F : x ∈ F 7→ u( x)

Démonstration. L’application v est à valeurs dans F et est linéaire puisque u l’est.

Si F est stable par u. Alors

L.Hobbad-CPGE Ibn Timiya 3/40 la.hobbad@gmail.com

I.2 Caractérisation matricielle en dimension finie

Soit F un sous-espace vectoriel de E et β = ( e 1 , · · · , e n ) une base de E .

Le théorème de la base incomplète montre l’existence de telle base.

famille β = (ε1 , ε2 , e 3 ) est une base de R3 car

β est une base de R3 adaptée à F

Propriété 4: Caractérisation des sous-espaces vectoriels stables

L.Hobbad-CPGE Ibn Timiya 4/40 la.hobbad@gmail.com

Démonstration. Soit j ∈ [[1, p]], on a F j = Vectβ j , donc

j ∈ [[1, p]] , u(F j ) ⊂ F j ⇐⇒ j ∈ [[1, p]] , ∀ x ∈ F j : u( x) ∈ Vectβ j

Exercice 1: Sous espaces vectoriels stables par un projecteur

1. Montrons que E = Ker( p) ⊕ Im( p).

(a) On a ∀ x ∈ F, p2F ( x) = p2 ( x) = p( x) = p F ( x) donc p F est un projecteur.

L.Hobbad-CPGE Ibn Timiya 5/40 la.hobbad@gmail.com

II.1 Éléments propres d’un endomorphisme

E est un K-espace vectoriel de dimension finie ou non et u un endomorphisme de E .

Définition 3: Vecteur propre, valeur propre associée

Propriété 6: Caractérisation des vecteurs propres

Propriété 7: Caractérisation des valeurs propres

⇐⇒ u − λ I E n’est pas injectif

L.Hobbad-CPGE Ibn Timiya 6/40 la.hobbad@gmail.com

Sp u−1 = {λ−1 , λ ∈ Sp ( u)}

Propriété 9: Caractérisation du spectre en dimension finie

Si u est un endomorphisme d’un K-espace vectoriel E de dimension finie n, alors

v est inversible ⇐⇒ v est injectif

Ces caractérisations sont appliquées à v = u − λ I E .

Définition 4: Sous-espace propre

Si u est un endomorphisme de E et λ une valeur propre de u, le sous-espace vectoriel

est appelé sous-espace vectoriel propre de u associé à λ.

L.Hobbad-CPGE Ibn Timiya 7/40 la.hobbad@gmail.com

Déterminons Sp ( u) et les sous-espaces propres de u

Propriété 10: Somme directe de sous-espaces propres

Démonstration. Démonstration par récurrence sur le nombre k de sous-espaces vectoriels propres.

Corollaire 1 (Liberté d’une famille de vecteurs propres)

L.Hobbad-CPGE Ibn Timiya 8/40 la.hobbad@gmail.com

Soit λ ∈ R, expλ : x 7−→ eλ x . Montrons que expλ est libre

expλ est un vecteur propre de l’endomorphisme

Soit n ∈ N, g n est un vecteur propre associé à − n2 de l’endomorphisme

Propriété 12: Stabilité des sous-espaces propres

Soit u et v deux endomorphismes de E qui commutent

Propriété 13: Endomorphisme induit

Soit u ∈ L (E ). F un sous-espace vectoriel de E stable par u. Alors

L.Hobbad-CPGE Ibn Timiya 9/40 la.hobbad@gmail.com

II.2 Éléments propres d’une matrice carrée