Chapitre: Réduction des endomorphismes 1

Réduction des endomorphismes par u si, et seulement si M, la matrice

 de u dans une  base β = ∪βk "adaptée"
A1 0 . . . 0
Table des matières  0 A2 . . . 0 
 
à cette somme est de la forme :  .. .. ..  .
1 Sous espaces stables par un endomorphisme 1  . 0 . . 
2 Polynôme d'endomorphisme ou de matrice 1 0 0 . . . An
2.1 Polynôme d’endomorphisme . . . . . . . . . . . . . 1 Dans ces conditions, si on note uk la restriction de u à Ek , alors Ak est la
n
2.2 Polynôme de matrice . . . . . . . . . . . . . . . . . . 2
Y
matrice de uk dans βk et det M = det Ak .
3 Valeurs propres, vecteurs propres 3
1
3.1 Valeurs propres, vecteurs propres d’un endomor-
Exercice 2. p un projecteur de rang r d’un espace vectoriel E de dimension
phisme . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
finie égale à n.
3.2 Valeurs propres, vecteurs propres d’une matrice. . 4
f ∈ L (E), montrer que f commute à p si, et seulement si Imp et Kerp sont
3.3 Polynôme caractéristique . . . . . . . . . . . . . . . 4
stables par f .
4 Diagonalisation 5
En déduire la dimension de l’espace vectoriel commutant de p :
5 Applications de la diagonalisation 6
6 Trigonalisation 7
C (p) = { f ∈ L (E)/ f ◦ p = p ◦ f }
7 Classiques de chez les classiques 8
7.1 Endomorphismes cycliques . . . . . . . . . . . . . . 8
7.2 Le commutant et la décomposition de dunford 2 Polynôme d’endomorphisme ou de matrice
d’un endomorphisme . . . . . . . . . . . . . . . . . . 8
7.3 Matrices circulantes . . . . . . . . . . . . . . . . . . . 9
2.1 Polynôme d’endomorphisme

K désigne R ou C, E un K-espace vectoriel .

Définition 3 :
Soit u un endomorphisme de E.
p
1 Sous espaces stables par un endomorphisme
X
Soit P = a0 + a1 X + . . . a p X p = ak Xk .
k=0
On note
Définition 1 : p
X
Soit u ∈ L (E), un sous espace vectoriel F de E est dit stable par u (ou P(u) = a0 IdE + a1 u + a2 u2 + . . . a p u p = ak uk
u-stable) si k=0
u(F) ⊂ F
où u0 = IdE et u p = u ◦ u ◦ . . . ◦ u (p fois).
On dit que : P(u) est un polynôme de l’endomorphisme u.
Définition 2 : Par exemple, si P = X p , alors P(u) = u p . En particulier
Si F est un sous espace vectoriel de E qui u-stable,a alors on définit un si P = 1 alors P(u) = IdE .
¨
F −→ F
endomorphisme sur F en considérant uF : , appelé
x → u(x)
l’endomorphisme induit par u sur F. L (E) est une K-algèbre l’application :

ϕ : K[X] → L (E)
Proposition 1 : n p
Si f ◦ g = g ◦ f alors Kerg et Img sont stables par f .
X X
P= ak Xk → P(u) = ak uk
k=0 k=0

Preuve est un morphisme d’algèbre.

x ∈ Kerg, g( f (x)) = f (g(x)) = f (0) = 0, donc f (x) ∈ Kerg. – 1(u) = IE
y ∈ Img, il existe x ∈ E, g(x) = y, dans ce cas – ∀α, β ∈ K, ∀P, Q ∈ K[X], (αP + βQ)(u) = αP(u) + βQ(u).
f ( y) = f (g(x)) = g( f (x)) ∈ Img. – ∀P, Q ∈ K[X], (PQ)(u) = P(u) ◦ Q(u). et donc les endomorphismes P(u)
et Q(u) commutent.

Exercice 1. H = Kerϕ un hyperplan de E. Proposition 3 :

Montrer H est stable par f si, et seulement si il existe α ∈ K, ϕ ◦ f = αϕ Si P divise Q, alors KerP(u) ⊂ KerQ(u).
Proposition 2 :
On suppose que E est de dimension finie et que E = F ⊕ G, Preuve
dim F = p, dim G = q soit β une base de E adaptée à cette décomposi- P/Q, il existe R ∈ K[X] tel que : Q = RP et donc Q(u) = R(u) ◦ P(u), ainsi :
tion.
Si M la matrice de u dans cette base alors : ‚ Œ P(u)(x) = 0 =⇒ Q(u)(x) = R(u)(P(u)(x)) = R(u)(0) = 0
A B
F est stable par u si, et seulement si M s’écrit de la forme : ,
0 C
où
A ∈ M p (K), C ∈ Mq (K). Proposition 4 :
Dans ce cas : det M = (det A) (det C). u ∈ L (E), ∀P ∈ K[X], KerP(u) et ImP(u) sont stables par u.

Preuve Preuve
Une telle base β s’ecrit β = (e1 , .., e p , .., en ) avec F = vect(e1 , .., ep ). Vient du fait P(u) commute à u.
F est stable par u si et seulement si ∀ j ∈ |[1, p]|, u(e j) ∈ vect(e1 , .., ep ), ce
que traduit exactement la forme de la matrice.
Proposition 5 :
Si F est un sous espace vectoriel de E stable par F, alors ∀P ∈ K[X], F
est stable par P(u) et l’endomorphisme (P(u))F induit par P(u) sur F est
n
Généralisation : On suppose que E = ⊕ Ek , alors chaque Ek est stable P(uF ).
k=1

s.hajmi@gmail.com
 Chapitre: Réduction des endomorphismes 2

Propriété 1 :
Preuve
Si M = QBQ−1 , alors ∀P ∈ K[X] : P(M) = QP(B)Q−1 , et si en plus
Si x ∈ F, alors par récurrence ∀k ∈ N, uk (x) ∈ F et par combinaison  
λ 0 ... 0
linéaire, on obtient P(u)(x) ∈ F, ∀P ∈ K[X].  1 . 
..
p p p
0 λ
 . .. 
1. B =  . . 2 .
X X X
Si on pose P = ak Xk , pour x ∈ F, P(u)(x) = ak uk (x) = ak (uF )k (x),  est diagonale, alors :

 .. .. .. 0 
k=0 k=0 k=0  
on déduit que (P(u))F = P(uF ) 0 . . . 0 λn
 
P(λ1 ) 0 ... 0

. .. 
 0 P(λ2 ) . . . 
 
Proposition 6 : P(B) =  .
 .. .. .. 
Kerϕ : ensemble des polynômes annulateurs de u est un idéal de K[X].  . . 0  
Imϕ = K[u] est une sous algèbre de L (E). 0 ... 0 P(λn )
Si E est de dimension finie alors u admet un polynôme minimal.  
λ
 1
 0 λ2 ∗


2. B = 
 .. . . . . . .
 est triangulaire supérieure, alors :
Preuve  .


E est de dimension finie, il en est de même pour L (E), K[u] qui est une sous 0 . . . 0 λn
algèbre de L (E), donc K[u] est de dimension finie, d’où l’existence de πu .
 
P(λ1 )
 0 P(λ2 ) ∗
 

P(B) =  .
 . .. ..
 est triangulaire
 . . . 
Proposition 7 : 
0 ... 0 P(λn )
E un K-ev, u ∈ L (E) admettant un pomi πu , si F est un sous espace
supérieure.
vectoriel de E u-stable, v = u/F, alors π v /πu .

Propriété 2 :
Preuve
πM = π t M et si A et B sont semblables alors πA = πB .
Vient du fait que πu sera aussi un polynôme annulateur de v.

Proposition 8 :
‚ Œ
A C
Si M = est une matrice triangulaire par blocs, alors πA , πB
0 B
2.2 Polynôme de matrice divisent πM et πM divise πA πB .
C’est à dire :
De même, on définit polynôme de matrice comme suit ppcm(πA , πB )/πM /πA πB

n
X n
X Preuve
P= ak Xk , P(M) = ak Mk Par une petite récurrence on montre que Mk à la forme suivante :
k=0 k=0
‚ Œ
Ak Ck
Mk =
0 Bk
Mn (K) est une K-algèbre l’application :
Par combinaison linéaire, on aura pour tout P ∈ K[X] il existe une matrice
ϕM : K[X] → Mn (K) C(P) de type (p, n − p) tel que :
‚ Œ
P(A) C(P)
P(M) =
0 P(B)
n
X p
X
P= ak Xk → P(M) = ak Mk
Par conséquent, en écrivant le fait que πM (M) = 0, on aura : πM (A) =
k=0 k=0
πM (B) = 0, le fait que πA , πB divisent πM en sera une conséquence immé-
diate. ‚ Œ‚ Œ
est un morphisme d’algèbre. 0 C(πA ) πB (A) C(πB )
En plus (πA πB )(M) = πA (M)πB (M) = = 0,
– 1(M) = In 0 πA (B) 0 0
– ∀α, β ∈ K, ∀P, Q ∈ K[X], (αP + βQ)(M) = αP(M) + βQ(M). d’où le résultat.
– ∀P, Q ∈ K[X], (PQ)(M) = P(M)Q(M), et par suite deux polynôme de la
même matrice commutent. Théorème 1 : Théorème de décomposition des noyaux
Si P = QR avec Q et R deux polynômes premiers entre eux alors :

KerP(u) = KerQ(u) ⊕ KerR(u)

Remarque 1 :
β une base de E supposé de dimension fini. En plus si P est un polynôme annulateur de u alors :

φ : L (E) → Mn (K) E = KerQ(u) ⊕ KerR(u)

u → M atB (u)
est un isomorphisme d’algèbre. Preuve
Xn n
X Soient U et V tels que UQ + VR = 1 (Bezout). On a déjà KerQ(u) ⊂ KerP(u)
M = M atB (u), P = ak Xk , P(u) = ak uk et KerR(u) ⊂ KerP(u). De plus on a : U(u)Q(u) + V(u)R(u) = IE .
k=0 k=0 Soit x ∈ KerQ(u) ∩ KerR(u). On a
M atB P(u) = P(M) et donc P(u) = 0 si, et seulement si P(M) = 0 ainsi
x = U(u)Q(u)(x) + V(u)P(u)(x) = 0 + 0 = 0, donc KerQ(u) ∩ KerR(u) = 0.
πu = πM
Soit x ∈ KerP(u). On a encore x = x 1 + x 2 , avec x 1 = V(u)R(u)(x) et
x 2 = U(u)Q(u)(x). Mais alors

s.hajmi@gmail.com
 Chapitre: Réduction des endomorphismes 3

Q(u)(x 1 ) = Q(u)V(u)R(u)(x) = V(u)(QR)(u)(x) = V(u)P(u)(x) = 0.

donc x 1 ∈ KerQ(u). De même x 2 ∈ KerR(u) et d’où le résultat. Exemple 3 :

Déterminer les éléments propres de l’endomorphisme :

Exemples 1 :
¨
C∞ (R, R) −→ C∞ (R, R)
φ:
1. Si p est un projecteur, alors : E = Kerp ⊕ Ker(IE − p) = Kerp ⊕ Imp f → f 00
2. Si s est une symétrie, alors : E = Ker(s − IE ) ⊕ Ker(s + IE )
‚ Œ Soit λ ∈ R. On cherche les fonctions non nulles f ∈ C∞ (R, R) telles que
1 2 f 00 = λ f .
3. u ∈ L (R2 ) tel que M atB = , montrer que :
2 1 1. Si λ > 0, Eλ (φ) = vect(t → cosh(λt), t → sinh(λt)).
E = Ker(u + I) ⊕ Ker(u − 3I) 2. Si λ < 0, Eλ (φ) = vect(t → sin(λt), t → cos(λt)).
3. Si λ = 0, Eλ (φ) = vect(t → 1, t → t).
Théorème 2 : Généralisation
Donc Sp(φ) = R.
Si (Pk )1≤k≤p est une famille de polynômes premiers entres eux deux à
deux alors :
Yp p
M
Ker( Pk )(u) = KerPk (u) Proposition 9 :
k=1 k=1
p
Y 1. Eλ (u) est un sous espace vectoriel de E stable par u, et les droites
Et si en plus Pk est un polynôme annulateur de u, alors : stables sont exactements les droites portées par des vecteurs pro-
k=1 pres.
X
p
M 2. Si λ1 , ..., λ p sont des valeurs propres distincts de u, alors la Eλ i
E= KerPk (u) est directe.
k=1 De manière équivalente si e1 , .., e p sont des vecteurs propres associés
à des valeurs propres distincts λ1 , ..., λ p . alors (e1 , ..., e p ) est libre.
Preuve 3. Si f et g sont deux endomorphismes qui commutent alors tout sous
Pour p = 2, le résultat est vrai. espace propre de l’un est stable par l’autre.
Supposons que le résultat vrai pour p−1. Comme P p et P1 ...P p−1 sont premiers 4. Si λ est une valeur propre de u alors ∀P ∈ K[X], P(λ) est une
entre eux, le cas p = 2 nous donne : valeur propre de P(u).
KerP(u) = KerP1 ...P p−1 (u) ⊕ KerP p (u) 5. Si λ est une valeur propre de u et P un polynôme annulateur de u
alors λ est une racine de P.
puis grâce à l’hypothèse de récurrence KerP(u) = KerP1 (u) ⊕ ... ⊕ KerP p (u).

Preuve
Exercice 3. Soient P et Q deux polynômes de KX]. Soit f un endomor-
phisme du K-espace vectoriel E. On pose D = P ∧ Q ; M = P ∨ Q. Montrer
que 1. Eλ (u) = Ker(u − λIE ), est stable par u car u − λIE commute à u.
KerM( f ) = KerP( f ) + KerQ( f ), KerD( f ) = KerP( f ) ∩ KerQ( f )
2. Eλi (u) = Ker(u − λi IE ) = Ker(Q
X i (u)), les Qi étant premiers entre eux,
ImD( f ) = ImP( f ) + ImQ( f ), ImM( f ) = ImP( f ) ∩ ImQ( f ) d’après le lemme des noyaux la Eλi est directe.

3. f et g commutent, il en sera de même pour g − λIE et f , et d’où le

3 Valeurs propres, vecteurs propres résultat.

4. Soit λ une valeur propre de u et x un vecteur propre associé. On a

3.1 Valeurs propres, vecteurs propres d’un endomorphisme ∀k ∈ N, uk (x) = λk x et par combinaison linéaire on obtient :
∀P ∈ K[X], P(u)(x) = P(λ)x, d’où le résultat.
Définition 4 :
5. Si λ est une valeur propre de u et P un polynôme annulateur de u alors
Soient u un endomorphisme de E et λ un élément de K, λ est dite valeur
P(λ) est une valeur propre de P(u) = 0, d’où P(λ) = 0.
propre de u si Ker(u − λId) n’est pas réduit au singleton {0}, et dans ce
cas Eλ = Ker(u − λId) s’appelle le sous espace propre associé à la valeur
propre λ et les éléments non nuls de Ker(u−λId) s’appellent les vecteurs
propres de u associés à la valeur propre λ.
Remarque 3 :
Il résulte de la propriété que si E est de dimension finie alors Sp(u) est
Remarque 2 : fini.
λ est une valeur propre de u si, et seulement si u−λId n’est pas injective
et en dimension finie c’est équivalent à det(u − λId) = 0.

Proposition 10 :
Exemple 2 : Si E est de dimension finie, alors Sp(u) est exactement l’ensemble des
racines du polynôme minimal.

I un intervalle non trivial de R, soit ϕ : C∞ (I, C) → C∞ (I, C); f → f 0 .

Déterminer les valeurs et vecteurs propres de f . Preuve
Soit λ ∈ C une valeur propre de ϕ, il existe f ∈ C1 (I, C) non nulle telle
On sait déja que si λ est une valeur propre de u, alors λ est racine de tout
que f 0 = λ f .
polynôme annulateur de u et en particulier de πu .
f 0 = λ f ⇐⇒ ∃c ∈ C, ∀t ∈ R : f (t) = c exp(tλ).
Inversement soit λ une racine de πu et écrivons πu (X) = (X − λ)Q(X). Sup-
Par conséquent Sp( f ) = C et pour tout λ ∈ C :
posons que λ n’est pas valeur propre de u. On a 0 = πu (u) = (u − λIE ) ◦ Q(u).
Eλ (ϕ) = C fλ ; fλ : t → exp(tλ).
Mais comme λ n’est pas valeur propre de u, u − λIE est injectif et donc
Q(u) = 0. Ceci impose que πu divise Q ce qui est impossible pour une question

s.hajmi@gmail.com
 Chapitre: Réduction des endomorphismes 4

de minimalité. Si σ 6= Id, soit alors i0 tel que σ(i0 ) 6= i0 , posons j0 = σ(i0 ), on a aussi
par injectivité de σ ; σ( j0 ) 6= j0 , et donc Πni=1 bσ(i)i est un polynôme de degré
≤ n − 2.
Exemples 4 : Πni=1 (bii −X) est un polynôme de degré exactement n, son coeffcient dominant
Xn
est (−1)n , et le coefficient de Xn−1 est (−1)n−1 bii = (−1)n−1 tr(M) et le
1. Soit p un projecteur non trivial, x 2 − x et un polynôme annulateur i=1
de p, donc Sp(p) ⊂ {0, 1}. coeffcient constant de χM est χM (0) = det M.
Ker(p) 6= {0}, Ker(p − Id ) = Im(p) 6= {0}, donc Sp(p) = {0, 1}, et
les sous espaces propres sont respectivement Ker(p) et Im(p)
Remarque 5 :
2. Soit s une symétrie non triviale, en passant par le projecteur associé
s + Id En particulier pour n = 2, χM = X2 − tr(M)X + det M
(ou un polynôme annulateur) p = , Sp(s) = {1, −1}.
2

Proposition 11 : Exemple d’application 5 :

Si u est un endomorphisme d’un K-ev de dimension finie, alors u admet u un endomorphisme non homothétie d’un K espace vectoriel de dimen-
une droite ou un plan stable, et si K = C, alors u admet toujours une sion 2, montrer qu’il existe une base β de E, tel la matrice de u dans β
droite stable. soit de la forme : ‚ Œ
0 − det u
M=
Preuve 1 tr(u)
On raisonne sur le polynôme minimal, s’il admet une racine λ dans K, qui En déduire que deux matrices non scalaires sont semblables si, et seule-
sera par la suite une valeur propre de u, et donc une droite portée par un ment si elles ont le même polynôme caractéristique.
vecteur propre associé à λ est une droite stable.
Supposons maintenant que πu n’admet pas de racines dans K, soit Q un
facteur irréductible de π, il sera par conséquent de degré deux, soit R tel que
Exercice 4. Matrice compagnon :
π = QR, on aura : 0 = Q(u) ◦ R(u), si Q(u) est injectif, alors R(u) = 0, ce qui n
X
contredirait la minimalité πu , et par conséquent KerQ(u) 6= {0}, soit alors e ∈ Si P = Xn + ak Xk , on appelle matrice compagnon de P, la matrice
KerQ(u)\{0} en ecrivant Q = X2 + aX+ b, on aura que : u2 (e) ∈ vect(e, u(e)) k=0
et par conséquent F = vect(e, u(e)) est un plan ou une droite stable par u. En  
fait c’est un plan, parce que u n’admet pas dans ce cas de droites stables. 0 0 . . . 0 −a0
.. .
. ..
 

 1 0 −a1 

.. .. .. ..
C(P) = 
 
0 . . . . 
.. . . . .
 
3.2 Valeurs propres, vecteurs propres d’une matrice. 
 . . . 0 −an−1


0 . . . 0 1 −an
Définition 5 :
Montrer que χC(P) = (−1)n P
Soient M ∈ Mn (K) et λ ∈ K.
λ est dite valeur propre de M s’il existe un vecteur colonne V non nul de Proposition 12 :
Mn,1 (K) tel que MV = λV. 1. Si deux matrices sont semblables alors elles auront le même
Un tel vecteur V est appelé vecteur propre de M pour la valeur propre λ. polynôme caractéristique.
L’ensemble des valeurs propres éventuelles de M dans K s’appelle spectre
de M dans K et se note SpK (M). 2. Le spectre de M dans K est exactement l’ensemble des racines dans
K de χM , et par conséquent SpK (M) est fini et son cardinal est plus
petit que n
Remarque 4 :

1. si u est un endomorphisme associé à M dans n’importe quelle base Corollaire 1 :

β de E alors les valeurs propres de M sont exactement les valeurs Le spectre d’une matrice triangulaire ou diagonale est exactement
propres de u et les vecteurs propres de M sont les vecteurs colonnes l’ensemble des éléments diagonaux de la matrice.
composantes des vecteurs propres de u dans β.
2. λ est valeur propre de M ssi det(M − λIn ) = 0.
Remarque 6 :
Le polynôme caractéristique et minimal d’une matrice ont les mêmes
racines dans K, et different dans C par la multiplicité des racines.
3.3 Polynôme caractéristique

Théorème définition 3 : Exercice 5. Montrer que χM et πM ont les même facteurs irréductibles
Soit M ∈ Mn (K), si on pose : dans K[X].
χM = det(M − XIn ), alors χM est polynôme de degré n et on a
Théorème définition 4 :
χM = (−1)n Xn + (−1)n−1 trMXn−1 + ... + det M
Soit E un espace vectoriel de dim n et u ∈ L (E).
Pour toute base β de E, det(M atB (u − XIn )) est indépendant de la base
Preuve β choisie et s’appelle le polynôme caractéristique de u et se note χu .
Posons M = (ai j ) et M − XIn = B = (bi j ), on a
bi j = ai j si i 6= j et bii = aii − X
Remarque 7 :

1. Si λ ∈ K alors χu (λ) = det(u − λIE ) et

X
det(M − XIn ) = "(σ)Πbσ(i)i
σ∈Sn λ valeur propre de u ssi χu (λ) = 0
2. χu est un polynôme de degré égal à n et
X
= Πni=1 bii + "(σ)Πbσ(i)i
σ∈Sn \{Id}
X χu = (−1)n Xn + (−1)n−1 truXn−1 + . . . + det u
= Πni=1 (aii − X) + "(σ)Πbσ(i)i
σ∈Sn \{Id}

s.hajmi@gmail.com
 Chapitre: Réduction des endomorphismes 5

Exemples 6 : 4 Diagonalisation

1. Si p est un projecteur en dimension n, alors : Dans tout ce paragraphe E est un K espace vectoriel de dimension finie égale
à n.
q
χ p = (1 − X) (−X) n−q
Définition 7 :
avec q = rg(p). Un endomorphisme u est dit diagonalisable s’il existe une base β de E
2. Si f est un endomorphisme en dimension n de rang 1, alors : telle que M atB u soit diagonale.

χ f = (−1)n Xn−1 (X − tr(f))

Proposition 14 :
Proposition 13 : u est diagonalisable si et seulement si il admet une base de vecteurs
Soient E un espace vectoriel de dimension finie et v ∈ L (E). propres.
Si F est un sous espace vectoriel de E stable par u et v = u/F alors :

χ v /χu Théorème 6 :
u ∈ L (E), les psse :
Preuve 1. u est diagonalisable.
Vient ‚ Œ dans une base β = β1 ∪ β2 adaptée à F, la matrice de u
du fait que p
M
A B 2. χu est scindé et E = Eλi (u)
s’écrit : , où A = Mat β1 v.
0 C i=1
Sp(u) = {λi , i = 1..p}.
p
X
Généralisation 3. χu est scindé et dim E = dim Eλi (u)
p
M i=1
Soit u ∈ L (E), on suppose que E = Fk où les Fk sont des sous espace Sp(u) = {λi , i = 1..p}.
k=1
vectoriels de E stables et non réduits à {oE } et on note vk = u/Fk alors : 4. χu est scindé et ∀λ ∈ SP(u), d(λ) = m(λ).

p 5. ∃P ∈ K[X] scindé à racines simples tel que : P(u) = 0.

Y
χu = χ vk
k=1
Preuve
1) =⇒ 2) Supposons u diagonalisable et soit β une base de E telle que
Définition 6 :
u ∈ L (E) (resp M ∈ Mn (K)) soit λ une valeur propre de u (resp de M).
M atB (u) = D = d iag(λ1 , ..., λ1 , λ2 , .., λ2 , .., .., λ p , .., λ p )
On appelle multiplicité de λ sa multiplicité comme étant une racine de
χu (resp χM ).
avec λ1 , .., λ p deux à deux distincts, λi figurant mi fois. Alors

p
Propriété 3 : χu (X) = χD (X) = Πi=1 (X − λi )mi
Soit u ∈ L (E). Soit λ une valeur propre de u. Si on note
d(λ) = dim Eλ et m(λ) la multiplicité de λ alors : ce qui montre déjà que χu est scindé et que les valeurs propres de u sont
p
exactement λ1 , .., λ p . et si on considère le polynôme Q = Πi=1 (X − λi ), il est
p
1 ≤ d(λ) ≤ m(λ) M
annulateur de D et donc de u, le lemme des noyaux donne E = Eλ i .
i=1
Preuve 2) c’est équivalente à 3) du fait que la somme est directe.
Eλ (u) est stable par u et la restriction v de u à Eλ (u) est l’homothétie de 2) =⇒ 4)En calculant le polynôme caractéristique dans une base adaptée
p
rapport λ dont le polynôme caractéristique est χ v (X) = (λ − X)dimEλ (u) . La
Eλi , on obtient χu = Πi=1 (λi − X)dimEλi (u) , et par unicité de la
M p
à E =
proposition précédente implique donc que
i=1
d(λ) ≤ m(λ) multiplicité d(λ) = m(λ).
4) =⇒ 2) supposons que χu est scindé et ∀λ ∈ Sp(u), d(λ) = m(λ). On a
De plus Eλ (u) 6= {0}, donc 1 ≤ dimEλ (u). Xp p
X
toujours n = deg χu = m(λi ) et donc n = dim Eλi .
i=1 i=1
Remarque 8 : M p
Il en résulte que si λ est une valeur propre de u de multiplicité 1, alors 2) =⇒ 5) Supposons que : χu est scindé et E = Eλi , Sp(u) = {λi , i = 1..p}.
la dimension de l’espace propre associé est toujours égale à 1. i=1
Dans une base adaptée à cette décomposion la matrice est diagonale constituée
p
des valeurs propres λi et dans ce cas le polynôme Q = Πi=1 (X − λi ) qui est
Théorème 5 : de Cayley hamilton scindé à racines simples est annulateur de D et donc de u.
5) =⇒ 2) supposons qu’il existe P ∈ K[X] scindé à racines simples tel que :
Si u ∈ L (E), alors χu (u) = 0.
P(u) = 0, alors le polynôme minimal est scindé à racines simples,
p
p
M
si πu = Πi=1 (X − λi ), alors par le lemme des noyaux E = ker(u − λi IE )
Exercice 6. Soit E un K espace vectoriel de dimension finie, n > 0 et i=1
u ∈ L (E). et en calculant le polynôme caractéristique suivant cette décomposition il sera
1. On suppose qu’il existe x 0 ∈ E tel que (ui (x 0 ))i=0...n soit une base de donc scindé.
n−1
X
E. on pose : un (x 0 ) = ak uk (x 0 ). Calculer χu en fonction des ak , en
Remarque 9 :
k=0
déduire que χu (u) = 0. u est diagonalisable ssi Πu est scindé à racines simples.
k
2. pour x ∈ E\{0}, on pose Eu (x) = vect{u (x), k ∈ N}.
Montrer que Eu (x) a une base de la forme (x, u(x), ..., u p−1 (x)) en
déduire que χu (u)(x) = 0.
Exercice 7. L’ensemble Dn (K) des matrices diagonalisables d’ordre n est
3. Retrouver le théorème de cayley hamilton. un connexe par arcs.

s.hajmi@gmail.com
 Chapitre: Réduction des endomorphismes 6

Méthode et exemples :
Proposition 15 :
Soit à diagonaliser une matrice M de Mn (K).
Si F est un sous espace stable par u et v = u/F , alors la diagonalisabilité
1. On calcule le polynôme caractéristique χM de la matrice M puis les
de u entraine celle de v.
racines dans K de ce polynôme.
2. Si χM nest pas scindé dans K, alors M n’est pas diagonalisable dans K.
Preuve
3. Si χM est scindé alors pour chaque racine λ qui sera une des valeurs
u diagonalisable, il existe P scindé à racines simples tel que P(u) = 0, ce propres de M on résoud le système homogène (M − λIn )X = 0, où X est
polynôme sera aussi annulateur de v, d’où la diagonalisabilité de v. une matrice colonne de Kn .
La résolution conduit à une base βλ de Eλ , donc à dim Eλ .
p
Proposition 16 : X
4. Si, dim(Eλi ) < n , alors M n’est pas diagonalisable.
Si le polynôme caractéristique est scindé à racines simples (c’est à dire i=1
que u admet n valeurs propres distinctes) alors u est diagonalisable et p
X
la dimension de chaque sous espace propre est égale à 1. 5. Sinon, c’est à dire dim(Eλi ) = n alors M est diagonalisable, et la
i=1
juxtaposition des bases βλi donne une base de Kn , formée de vecteurs
Remarque 10 : propres.
 
Bien sur la condition de la proposition n’est pas nécessaire, en consid- 8 0 9
Exemple 1 :M =  −3 −1 −3 
 
érant par exemple l’identité de E.
−6 0 −7
Proposition 17 : χM = −(X − 2)(X + 1)2 .
Soit u ∈ L (E), on suppose que u est diagonalisable de spectre – Sous espace propre associé à la valeur propre -1. On résoud le système :
Sp(u) = {λ1 , ..., λp }, et soit (pλ1 , ..pλp ) la famille des projecteurs asso- 
Mp
9x + 9z = 0
ciée à E = Eλi , alors : (M + I)V = 0 ⇐⇒ −3x − 3z = 0 ⇐⇒ x + z = 0

i=1
−6x − 6z = 0
p    
1 0
X
IE = pλ i
Il s’agit du plan engendré par  0  et  1 
   
i=1
−1 0
p
X On peut déja en déduire la diagonalisabilité de M.
∀k ∈ N∗ : uk = λki pλi – Sous espace propre associé à la valeur propre 2. On résoud le système :
i=1

∀i ∈ |[1, p]| : pλi ∈ K[u]  3
6x + 9z = 0 x = − 2 z

(M − 2I)V = 0 ⇐⇒ −3x − 3 y − 3z = 0 ⇐⇒ y = − 1 z
 

2
 
−6x − 9z = 0

Définition 8 : 
z=z
(Matrices diagonalisables)  
Soit M un élément de Mn (K). 3
On dit que M est diagonalisable si M est semblable à une matrice Il s’agit de la droite engendrée par  −1 
 
diagonale D, c’est-à dire s’il existe une matrice inversible P telle que −2
M = PDP−1 . On dit alors que D est une réduite diagonale de M. Conclusion : La somme des dimensions des sous espaces propres est 3, donc
M est diagonalisable.
   
−1 0 0 1 0 3
Remarque 11 : Si on pose D =  0 −1 0  et P =  0 1 −1 , alors
   
Avec les notations ci-dessus, les coefficients de la diagonale de D sont les 0 0 2 −1 0 −2
valeurs propres de M, chacune figurant autant de fois que son ordre de M = PDP−1 .  
multiplicité. 2 1 0
Exemple 2 : M =  −6 −3 −2  χM = −(X − 1)(X − 2)(X − 3).
 
15 9 7
Le polynôme caractéristique est scindé à racines simples, donc M est diagonal-
Propriété 4 : isable.  
7 −11 −2
Soit M un élémnt de Mn (K).
Exemple 3 : M =  −3 −1 −6 . χM = −(X + 4)(X − 8)2 .
 
M est diagonalisable si et seulement si tout endomorphisme u d’un K-
−1 1 6
espace vectoriel E de dimension n dont la matrice est M dans une base
Si on cherche le sous espace propre associé à la valeur propre 8, on trouve que
β de E est diagonalisable, et en particulier l’endomorphisme de Kn de  
2
matrice M dans la base canonique.
c’est la droite engendrée par  0 , on conclut que M n’est pas diagonal-
 
−1
isable.
Remarque 12 :

1. Soit M un élément de Mn (R).

Si M est diagonalisable dans R alors M est diagonalisable dans
5 Applications de la diagonalisation
C, avec les mêmes valeurs et vecteurs propres et la même égalité
M = PDP−1 , les matrices P et D étant à coefficients réels. • Calcul des puissances d’une matrice.
En revanche, toujours avec M dans Mn (R), M peut être diagonalis- Soit à calculer Mk pour tout k ∈ N.
able dans C sans l’être dans R, si des valeurs propres sont complexes Si M est diagonalisable, soient alors P inversible et D diagonale tel que : M =
mais non réelles. PDP−1 .
Dans l’égalité M = PDP−1 , P et D sont alors à coefficients com- Dans ce cas on a Mk = PDk P−1 , c’est à dire que le calcul de Mk se ramène à
plexes. celui de
Dk = diag (λ1k , ..., k
 λn ).
2. Dans l’égalité M = PDP−1 , P est la matrice de passage de la base 
8 0 9
canonique de Kn à une base de vecteurs propres de M.
Exemple : M =  −3 −1 −3 
 
−6 0 −7

s.hajmi@gmail.com
 Chapitre: Réduction des endomorphismes 7

χM = −(X − 2)(X + 1)2 . Donc χu est scindé.

Avec les mêmes notations que 4.Exemple 1 on a : 2) =⇒ 1) Par récurrence sur n . Il n’y a rien à démontrer si n = 1. Supposons
la propriété vraie pour n − 1, soient E un espace vectoriel de dimension n et u
M = PDP−1 =⇒ Mk = PDk P−1 un endomorphisme de E tel que χu scindé.
(−1) k Soit λ une racine de χu . Soit e1 un vecteur propre associé à λ, que l’on com-
 
0 0
k
D = 0

(−1) k
0 , finalement on obtient :
 plète en β = (e1 , .., en ) base de E. Soit F = Vec t(e2 , .., en ), p la projection
0 0 2 k sur F parallèlement à Ke 1 et v : F → F défini par v(x) = p(u(x)) si x ∈ F.

−2(−1)k + 3(2k ) 0 −3(−1)k + 3(2k )
 λ ∗ ∗ ∗
0
 
Mk =  (−1)k − 2k (−1)k (−1)k − 2k Alors M = M atB (u) =   avec A = Mat e2 ,..,en (v). On en dé-
  
. A 

k
2(−1) − 2(2 ) k
0 k
3(−1) − 2(2 ) k
0
• Systèmes de suites récurrentes de pas 1.
duit que χu (X) = (X − λ)χ v (X). Donc χ v est aussi scindé. Par hypothèse de
Soient (x n(1) )n , ...(x n(p) )n des suites d’éléments de K. On pose
récurrence, il existe une base ("2 , .., "n ) de F telle que Mat ("2 ,..,"n ) v soit trian-
Xn = t (x n(1) , ..., x n(p) ) et on suppose qu’il existe une matrice M telle que, pour
λ ∗
 
∗ ∗
tout n, Xn+1 = MXn , Dans ce cas on aura : ∀n ∈ N : Xn = Mn X0 , ce qui
0
 
nécessite le calcul des puissances successives de M : on est donc ramené au cas gulaire supérieure et alors Mat (e1 ,"2 ,..,"n ) u =   est

. Mat ("2 ,..,"n ) v
précédent...  
0
• Etude d’une récurrence linéaire de pas p.
triangulaire supérieure.
Soit à déterminer une suite (x n ) définie par une relation de récurrence du
2) =⇒ 3) Il suffit de prendre le polynôme caractéristique lui même.
type :
3) =⇒ 2) Supposons qu’il existe un polynôme P scindé annulateur de u, β
∀n ≥ 0 : x n+p + a p−1 x n+p−1 + ... + a1 x n+1 + a0 x n = 0.
une base quelconque de E et M = M atB (u), on injecte M dans Mn (C), aussi
En posant pour tout n ∈ N, Xn = t (x n , ..., x n+p−1 ) on obtient la formule de
bien que χu = χM qu’on peut considérer comme un polynôme de C[X], si λ
récurence : 
0 1 0 ... ... 0
 est une racine complexe de χM , alors c’est une valeur propre de M et comme P
 0 0 1 0 . . . 0  est aussi annulateur de M donc λ est une racine de P et par suite λ est dans
K, ainsi toutes les racines complexes de χu sont dans K, ce qui veut dire que
 
 .. .. 
 0 0 0 . . 0 χu est bien scindé dans K[X].

Xn+1 = MXn , avec M =  . 
.. .. ..

 .. . . 0 . 0


 
 0 0 0 0 1 
−a0 −a1 . . . . . . . . . −a p−1 Remarque 15 :
Le polynôme caractéristique de M est χM = (−1) p [X p + a p−1 X p−1 +...+ a1 X+
1. u est trigonalisable si et seulement si πu est scindé.
a0 ].
(d’où la nomination "équation caractéristique"). 2. Ces propositions passent immédiatement aux matrices.
On est donc encore ramené au problème précédent. 3. La démonstration du théorème constitue un algorithme de trigo-
nalisation d’une matrice.

6 Trigonalisation 
2 2 −3


Exemple :  5 1 −5 .
 
−3 4 0
Définition 9 :
Un endomorphisme f est dit trigonalisable s’il existe une base β de E – χM = (1 − X)3 , M n’est donc pas diagonalisable.
telle que M atB f soit triangulaire supérieure. – Le sous espace propre associé à la valeur propre 1 est la droite engendée
par : e1 = (1, 1, 1), notons C = (c1 , c2 , c3 ) la base canonique et posons
e20 = c2 = (0, 1, 0), e30 = c3 , déterminons la matrice N de f (canonique-
Remarque 13 : ment associé à M) dans cette nouvelle base : (e1 , e20 , e30 ).
Si f ∈ L (E) est trigonalisable et β = (e1 , ..., en ) une base telle que f (e1 ) = e1 , f (e20 ) = 2c1 + e20 + 4e30 , f (e30 ) = −3c1 − 5e20 .
M atB f est triangulaire supérieure alors si on pose β 0 = (en , ..., e1 ), la c1 = e1 − e20 − e30  =⇒ f (e20 ) = 2e1− e20 + 2e30 , f (e30 ) = −3e1 − 2e20 + 3e30 .
matrice de f dans β 0 est triangulaire inférieure. 1 2 −3
Finalement N =  0 −1 −2 .
 
0 2 3
Définition 10 :
– On pose G = vect(e20 , e30 ), p désigne la projection sur G parallélement à
Une matrice M ∈ Mn (K) est dite trigonalisable si elle est semblable à vect(e1 ).
une matrice triangulaire supérieure. ‚
−1 −2
Œ
C = M atB (p ◦ f/G ) = , χC = (1 − X)2 .
2 3
Remarque 14 : x = αe20 + β e30 est un vecteur propre de C associé à 1 ⇐⇒ α + β = 0, par
M est trigonalisable si et seulement si tout endomorphisme f d’un K- exemple
espace vectoriel E de dimension n dont la matrice est M dans une base e2 = e20 − e30 = (0, 1, −1).
β de E est trigonalisable, et en particulier l’endomorphisme de Kn de – En complétant (e1 , e2 ) par e3 = c3 (par exemple) pour obtenir une base
matrice M dans la base canonique. β de E, et en calculant la matrice
 de f dans β, on trouve :
1 5 −3
M atB f =  0 1 −2 .
 

Théorème 7 : 0 0 1
Soit u ∈ L (E). les psse :
1. u trigonalisable.
Propriété 5 :
Tout endomorphisme sur un C-espace vectoriel est trigonalisable.
2. χu est scindé
3. Il existe un polynôme scindé annulateur u.

Proposition 18 :
Preuve
a

∗ ∗
 Soit F un sous espace vectoriel stable par f et posons g = f/F .
 11 f trigonalisable =⇒ g trigonalisablale.
1) =⇒ 2) : Si M =  0 . ∗ , alors on a :

0 0 ann

χu (X) = χM (X) = Πni=1 (aii − X) Preuve

s.hajmi@gmail.com
 Chapitre: Réduction des endomorphismes 8

p
Vient du fait que χ g divise χ f . α
4. Soit Πu = Π Qi i sa décomposition primaire, montrer que :
i=1
α
pour tout i ∈ |[1, p]|, ∃x i ∈ E, Qi i = Π x i
Proposition 19 :
5. En déduire qu’il existe x ∈ E tel que Πu = Π x
E de dimension n.
Un endomorphisme u de E est nilpotent si et seulement χu = (−1)n Xn .

Preuve Partie II
=⇒) Si u est nilpotent d’indice p, alors πu = X p qui est scindé donc la seule
valeur propre de u est 0, u est trigonalisable, par suite χu est scindé avec 0 dimE = n, u ∈ L(E) est dit cyclique s’il existe x ∈ E tel que
comme la seule racine et donc χu = (−1)n Xn . (x, u(x), ..., un−1 (x)) soit une base de E.
⇐=) Si χu = (−1)n Xn , alors d’après le théorème de Cayley-Hamilton, on aura
un = 0, et donc u nilpotent. 1. Montrer que si u ∈ L(E) a n valeurs propres distinctes il est cyclique. (
considérer une somme de vecteurs propres)

Remarque 16 : 2. 
Montrer que u est cyclique
 ssi sa matrice dans une base est de la forme :
0 0 0 a0
1. Soit M ∈ Mn (K) une matrice trigonalisable.

. . 
1 . . .. a1 
 
Soit λ1 , ..., λ p les valeurs propres distinctes de M, une conséquence  ..  et donner dans ce cas l’expression de χu .
 . 0 an−2 
de la trigonlalisation est que les valeurs propres de Mk sont  
λ1k , ..., λkp . 0 1 an−1
et en particuliers si M ∈ Mn (K) qui est trigonalisable sur C alors 3. Montrer que u est cyclique ssi Πu = (−1)n χu .
X p
tr(M) = m(λk )λk , où λ1 , ..., λ p sont les valeurs propres com- 4. On suppose que u est nilpotent, Montrer que les psse :
k=1 a) u est cyclique
plexes distinctes de M
b) L’indice de nilpotence est n.
2. Si M est une matrice trigonalisable et non diagonalisable, alors
c) rg(u) = n − 1
on peut se servir du polynôme caractéristiques pour calculer les
grandes puissances de M. 5. Soit u un endomorphisme cyclique de E = Cn . Quelles valeurs peut pren-
En effet pour k ∈ N effectuons la division euclidienne de Xk par χM , dre le rang de u. Donner un exemple pour chacune de ces valeurs.
∃Q, R ∈ K[X] : 6. u étant cyclique, donner une CNS pour que u soit diagonalisable
Xk = QχM + R avec deg R < n ou R = 0, par le théorème de cayley
7. Soit M la matrice canoniquement associée à u cyclique.
Hamilton on obtient :
Montrer qu’il existe un polynome P tel que t com(M) = P(M).
Mk = R(M).
Par conséquent le calcul de Mk pour k assez grand se ramène à
celui des M p , p = 0, ..., n − 1 7.2 Le commutant et la décomposition de dunford d’un
endomorphisme
Exemples d’application 7 :
1. Si K = C, alors Dn (K) des matrices diagonalisables est dense dans
Mn (K). E désigne un K ev de dim n ≥ 2 et u un endomorphisme de E dont on suppose
Le résultat subsciste t-il si K = R. le polynôme caractéristique χu scindé sur K, on pose :
2. Si K = C, alors GLn (K) connexe par arcs. p
Y
Le résultat subsciste t-il si K = R. χu = (λi − X)mi
i=1
3. Une matrice M ∈ Mn (K) est nilpotente si, et seulement si 0 est dans
l’adhérence de la classe de similitude de M : E(λi ) = Ker(u − λi I), E0 (λi ) = Ker(u − λi I)mi

CM = {PMP−1 , P ∈ Gl n (K)} 1. Montrer que E0 (λi ) est un sous espace vectoriel stable par u, et que :
p
E = ⊕ E0 (λi ).
i=1
2. a) on pose vi = u/E0 (λi ) .
7 Classiques de chez les classiques 0
Monter que : χ vi = (λi − X)dim E (λi ) .
0
b) En déduire que dim E (λi ) = mi .
(
7.1 Endomorphismes cycliques L(E) → L(E)
Dans la suite on considère Γu :
v 7→ vou − uov
Dans tout le problème E un espace vectoriel sur K de dimension n, et u ∈
L(E) 3. Montrer que Γu ∈ L(L(E)).
On note alors C (u) = Ker(Γu )
4. a) Montrer que vect(id, u, u2 , ..., un−l ) ; le sous espace vectoriel de L(E)
engendré par les vecteurs uk , k ∈ {0, 1, 2, ..., n − 1}, est inclus dans
Partie I C (u) et que dim (C (u)) ≥ 2.
b) Montrer que si v ∈ C (u), alors ∀i ∈ {1, 2, ..., p}, v(E(λi )) ⊂ E(λi ).
1. Pour x ∈ E, on pose :
5. Dans cette question on suppose u diagonalisable.
Z x = K[u](x) = vec t{uk (x), k ∈ N}, et I x = {P ∈ K[X], P(u)(x) = 0} a) Montrer que mi = dim E(λi ), ∀i ∈ [1, p] .
a) Montrer qu’il existe un unique polynome unitaire noté Π x tel que : b) Montrer que :
I x = {QΠ x ; Q ∈ K[X]}. C (u) = {v ∈ L(E)/∀i ∈ {1, 2, ..., p}}, v(E(λi )) ⊂ E(λi )}.
Π x s’appelle le polynome minimal de x. c) En déduire que
b) Montrer que deg Π x = dim Z x C (u) est isomorphe à L(E(λ1 )) × L(E(λ2 )) × ... × L(E(λ p )), et don-
2. Soit (e1 , ..., en ) une base de E, montrer que Πu = ppcm(Πei , i = 1, ..n) ner la dimension de C (u).
3. Soient x, y ∈ E tels que Π x et Π y soit premiers entre eux, montrer que 6. Dans cette question, on Suppose que : ∀i ∈ [ 1, p ], mi = 1. Montrer
que :
Π x+ y = ppcm(Π x , Π y ) = Π x Π y C (u) = Vec t(id, u, u2 , ..., un−l )

s.hajmi@gmail.com
 Chapitre: Réduction des endomorphismes 9

7. Soit k ∈ N* et v ∈ L(E).
a) Calculer (Γu)k (v).
b) En déduire que si u est nilpotent, alors Γu est nilpotent.
8. a) Montrer que si v ∈ C (u) alors :
∀i ∈ {1, 2, ..., p}, v(E0 (λi )) ⊂ E0 (λi ).
p
Dans la suite de la question on utilisera le fait que E = ⊕ E0 (λi ).
i=1
b) Montrer qu’ il existe δ ∈ L(E) diagonalisable et ω ∈ L(E) nilpotent
tels que :
u = δ + ω, δ ◦ ω = ω ◦ δ
et
C (u) = C (δ) ∩ C (ω)

c) Exemple
Donner la décomposition δ + ω (matricielle) de l’endomorphisme u
canoniquement
 associé
 à la matrice .
2 1 −1
A =  2 1 −2  calculer alors An , pour tout n ∈ N
 
3 1 −2

7.3 Matrices circulantes

1. P ∈ C[X], A ∈ Mn (C) diagonalisable, montrer que P(A) est diagonalis-

able.
 
0 1 O
. .
 
0 . . . .
 
2. J =   (matrice de Frobenius), calculer Jk , k = 1...n,

 . .
.. .. 1
 
1 0 0
étudier la diagonalisabilté et déterminer les éléments propres de J.
 
a0 a1 . . . an−1
.
 
 an−1 . . a1
 
3. a0 , ..., an−1 des complexes et M =  , écrire

 . .. . .. 
 
a1 an−1 a0
M sous forme d’un polynome en J et en déduire la diagonalisabilité et les
éléments propres de M.
4. Application :
a) Soit (x, y, z) ∈ C3 . A l’aide de ce qui précède, expliciter une méthode
simple permettant de calculer un développement du produit

(x + y + z)(x + j y + j 2 z)(x + j 2 y + jz)

p
1 3
dans lequel n’intervient plus le nombre complexe j = − + i (il
2 2
ne reste finalement que 4 monômes).
 
2 −1 0 0 . . . 0 −1
−1 2 −1 0 . . . 0 0
 
 0 −1 2 −1 . . . 0 0
 
 . .. .. .. .. .. .. 
 .. . . . . . .
b) Soit ∆ =  .

 .. .. .. .. .. .. .. 
 . . . . . . . 
 
.. .. ..
. . . −1 2 −1
 
0
−1 0 . . . . . . 0 −1 2
Vérifier que la matrice ∆ est diagonalisable et identifier ses valeurs
propres.

s.hajmi@gmail.com