02 Reduction PDF

Réduction des endomorphismes et des matrices
carrées
Dans tout ce chapitre K désigne R ou C.
I - Rappels de maths sup et compléments

1) Matrices semblables
Définition 1. Soit (A, B) ∈ (Mn (K))2 . La matrice A est semblable à la matrice B si et seulement si il existe
P ∈ GLn (K) telle que B = P−1 AP.
Théorème 1. La relation « A est semblable à B » est une relation d’équivalence sur Mn (K).
Démonstration.
Réflexivité. Soit A ∈ Mn (K). La matrice In est inversible et A = I−1
n AIn . Donc, il existe P ∈ GLn (K) telle que
A = P−1 AP ce qui montre que A est semblable à A.
2
Symétrie. Soit (A, B) ∈ (Mn (K)) . Supposons A semblable à B. Alors, il existe P ∈ GLn (K) telle que B = P−1 AP.
−1 −1
On en déduit que A = PBP−1 ou encore A = P−1 BP . La matrice P ′ = P−1 est une matrice inversible telle que
′−1 ′
A = P BP et donc B est semblable à A.
3
Transitivité. Soit (A, B, C) ∈ (Mn (K)) . Supposons A semblable à B et B semblable à C. Alors, il existe (P, P ′ ) ∈
2 −1
(GLn (K)) telle que B = P−1 AP et C = P ′−1 BP ′ . On en déduit que C = P ′−1 P−1 APP ′ = (PP ′ ) A(PP ′ ). La matrice
′′ ′ ′′−1 ′′
P = PP est une matrice inversible telle que C = P AP et donc A est semblable à C.
Commentaire. On peut donc dorénavant dire : les matrices A et B sont semblables.

Rappelons maintenant sans démonstration le lien avec les changements de base.
Théorème 2. Soit E un K-espace vectoriel de dimension finie n ∈ N∗ . Soit f ∈ L (E).
Soient B et B ′ deux bases de E.
B′
Soient A = MatB (f), B = MatB ′ (f) et P = PB . Alors B = P−1 AP ou aussi A = PBP−1 .
Ainsi, deux matrices A et B sont semblables sont aussi les matrices d’un même endomorphisme dans deux bases d’un
même espace de dimension finie. Deux matrices semblables ont donc de nombreuses propriétés en commun.
2
Théorème 3. Soit (A, B) ∈ (Mn (K)) . On suppose que A et B sont semblables. Alors,
• rg(A) = rg(B).
• Tr(A) = Tr(B) et det(A) = det(B).
Si deux matrices ont même trace et/ou même déterminant et/oumême rang, ces deux matrices
ne sont pas
1 1 1 0
nécessairement semblables. Par exemple, la matrice A = et la matrice I2 = ont toutes deux une
0 1 0 1
trace égale à 2, un déterminant égal à 1 et un rang égal à 2. Pourtant, ces deux matrices ne sont pas semblables car une
matrice semblable à I2 est nécessairement égale à I2 . De manière générale, une matrice semblable à λIn , λ ∈ K,
est égale à λIn ou encore la classe de similitude d’une matrice scalaire est un singleton.
2
Théorème 4. Soit (A, B) ∈ (Mn (K)) . On suppose que A et B sont semblables. Alors, A est inversible si et seulement
si B est inversible.
Démonstration. • Si B = P−1 AP où P ∈ GLn (K), alors det(A) = det(B) et donc A est inversible si et seulement si B est
inversible.
c Jean-Louis Rouget, 2015. Tous droits réservés.

1 http ://www.maths-france.fr
Théorème 5. Soit (A, B, P) ∈ Mn (K) × Mn (K) × GLn (K) tel que B = P−1 AP. Alors,
∀p ∈ N, Bp = P−1 Ap P.
Si de plus, A est inversible, alors
∀k ∈ Z, Bk = P−1 Ak P.
Démonstration. Soit f l’endomorphisme de Kn canoniquement associé à A et soit B la base canonique de Kn . Soit B ′
B′
la base de Kn de matrice P dans la base B. Donc, P = PB . D’après les formules de changement de base,
B = P−1 AP = MatB ′ (f).

Mais alors, pour p ∈ N
p p
Bp = (MatB ′ (f)) = MatB ′ (fp ) = P−1 MatB (fp ) P = P−1 (MatB (f)) P = P−1 Ap P,
ces égalités restant vraies pour p ∈ Z en cas d’inversibilité.
Théorème 6. Soit (A, B, P) ∈ Mn (K) × Mn (K) × GLn (K) tel que B = P−1 AP. Alors, A est nilpotente si et seulement
si B est nilpotente et dans ce cas, A et B ont même indice de nilpotence.
Démonstration. Pour k ∈ N∗ , Bk = P−1 Ak P. Puisque P et P−1 sont inversibles, P et P−1 sont simplifiables. Par suite,
Bk = 0 ⇔ P−1 Ak P = 0 ⇔ Ak = 0,
ce qui démontre le résultat.
2) Matrices diagonales. Matrices triangulaires

2-a) Matrices diagonales
Définition 2. Soit A = (ai,j )16i,j6n ∈ Mn (K).
2
A est une matrice
 diagonale si et seulement si ∀(i, j) ∈ J1, nK (i 6= j ⇒ ai,j = 0).
λ1 0 . . . 0
 .. 
 0 λ2 . . . . 

La matrice  .  se note diag (λ1 , λ2 , . . . , λn ) ou encore diag (λi )
. .  16i6n .
 .. .. .. 0 
0 . . . 0 λn
L’ensemble des matrices diagonales de format n à coefficients dans K se note Dn (K).
Une matrice scalaire c’est-à-dire une matrice de la forme λIn , λ ∈ K, est une matrice diagonale d’un type particulier.
On a les formules :
Théorème 7.
• diag (λi )16i6n + diag (µi )16i6n = diag (λi + µi )16i6n ;
• ∀λ ∈ K, λ diag (λi )16i6n = diag (λλi )16i6n ;
p
• diag (λi )16i6n × diag (µi )16i6n = diag (λi µi )16i6n et donc ∀p ∈ N∗ , diag (λi )16i6n = diag (λp
i )16i6n .
De plus,
Théorème 8.
diag (λi )16i6n ∈ GLn (K) ⇔ ∀i ∈ J1, nK, λi 6= 0.
−1
1
Dans ce cas, diag (λi )16i6n = diag et plus généralement,
λi 16i6n
p
∀p ∈ Z, diag (λi )16i6n = diag (λp i )16i6n .
Théorème 9.
• Dn (K) est un sous-espace vectoriel de (Mn (K), +, .) de dimension n. Une base de Dn (K) est (Ei,i )16i6n .
• Dn (K) est une sous-algèbre commutative de (Mn (K), +, . , ×).

2-b) Matrices triangulaires
Définition 2. Soit A = (ai,j )16i,j6n ∈ Mn (K).
A est une matrice triangulaire supérieure (resp. inférieure) si et seulement si ∀(i, j) ∈ J1, nK2 (i > j ⇒ ai,j = 0) (resp.
(i < j ⇒ ai,j = 0)).
L’ensemble des matrices triangulaires supérieures (resp. inférieures) de format n à coefficients dans K se note Tn,s (K)
(resp. Tn,i (K)).
Une matrice diagonale est en particulier une matrice triangulaire supérieure ou aussi une matrice triangulaire inférieure.
Plus précisément, Dn (K) = Tn,s (K) ∩ Tn,i (K).
Théorème 10. Toute matrice triangulaire inférieure est semblable à une matrice triangulaire supérieure.
 
a1,1 0 ... ... 0
 .. .. 
 a2,1 a2,2 . . 
 
Démonstration. Soit A =   . .. .. .  n
.. . . ..  ∈ Tn,i (K). Soit f l’endomorphisme de K cano-
 
 an−1,1 an−1,n−1 0 
an,1 ... ... an,n−1 an,n
niquement associé à A et soit B = (e1 , . . . , en ) la base canonique de Kn .
Soit B ′ = (en , . . . , e1 ). B ′ est une base de Kn (car B ′ est une famille de rang n) et
 
an,n an,n−1 . . . . . . an,1
 .. 
 0 an−1,n−1 . 
 
 .. .. .. ..  = B.
MatB ′ (f) =  . . . . 
 
 . . 
 .. .. a a
2,2
2,1
0 ... ... 0 a1,1
La matrice A est semblable à la matrice B et B est triangulaire supérieure.
Théorème 11.
n(n + 1)
• Tn,s (K) (resp. Tn,i (K)) est un sous-espace vectoriel de (Mn (K), +, .) de dimension . Une base de Tn,s (K)
2
(resp. Tn,i (K)) est (Ei,j )16i6j6n (resp. (Ei,j )16j6i6n ).
• Tn,s (K) (resp. Tn,i (K)) est une sous-algèbre de (Mn (K), +, . , ×).
Le théorème précédent signifie en particulier qu’une combinaison linéaire de matrices triangulaires supérieures (resp.
inférieures) est une matrice triangulaire supérieure (resp. inférieure) et un produit de matrices triangulaires supérieures
(resp. inférieures) est une matrice triangulaire supérieure (resp. inférieure). Contentons-nous de revérifier qu’un produit
de deux matrices triangulaires supérieures est une matrice triangulaire supérieure.
Soient A = (ai,j )16i,j6n et B = (bi,j )16i,j6n deux matrices triangulaires supérieures.
Soit (i, j) ∈ J1, nK2 tel que i > j. Le coefficient ligne i, colonne j de la matrice AB est
n
X
ci,j = ai,k bk,j .
k=1
Dans cette somme, si k < i, ai,k = 0 et donc ai,k bk,j = 0 et si k > i, alors k > j et donc bk,j = 0 puis ai,k bk,j = 0.
Finalement, pour tout k ∈ J1, nK, ai,k bk,j = 0 puis ci,j = 0.
n
X
Notons qu’avec un raisonnement analogue, si i = j, ci,i = ai,k bk,i = 0 + . . . + 0 + ai,i bi,i + 0 + . . . + 0 = ai,i bi,i et
k=1
donc

Théorème
 12.    
λ1 × . . . × µ1 × . . . × λ1 µ1 × ... ×
 . . ..   . . ..   . . .. 
 0 λ2 . .   0 µ2 . .   0 λ2 µ2 . . 
     .
• .
. .  . . . = . . . 
 .. .. . . ×   .. .. . . ×   .. .. .. × 
0 . . . 0 λn 0 . . . 0 µn 0 ... 0 λn µn
 k  k 
λ1 × . . . × λ1 × . . . ×
 .. .   .. 

∗  0 λ2 . ..   0 λk . . . . 
• ∀k ∈ N ,  .   2 .
. .  = . . . 
 . . . . . . ×   . . . . . . × 
0 . . . 0 λn 0 . . . 0 λkn
 
λ1 × . . . ×
 . 
 0 λ2 . . . .. 

• .  ∈ GLn (K) ⇔ ∀i ∈ J1, nK, λi 6= 0 et dans ce cas,

 .. . . . . . . × 
0 . . . 0 λn
 −1  −1 
λ1 × . . . × λ1 × ... ×
 .   .. 
 0 λ2 . . . ..   λ−1
..
. . 
  = 0 2 .
 . . .   . . . 
 .. .. .. ×   .. .. .. × 
0 . . . 0 λn 0 ... 0 λ−1 n
 k  k 
λ1 × . . . × λ1 × . . . ×
 .   . 
 0 λ2 . . . ..   k ..
. .. 
Plus généralement, ∀k ∈ Z,   =  0 λ2 .
 . .   . . 
 .. .. ... ×   .. .. ... × 
0 . . . 0 λn 0 . . . 0 λkn
3) Rappels sur les sommes de plusieurs sous-espaces

On se donne un K-espace vectoriel E puis F1 , . . . , Fp , p sous-espaces vectoriels de E (p > 2).
Définition 3. La somme des sous-espaces F1 , . . . , Fp est l’ensemble des sommes d’un vecteur de F1 , d’un vecteur de
F2 . . . et d’un vecteur de Fp ou encore F1 + . . . + Fp = {x1 + . . . + xp , (x1 , . . . , xp ) ∈ F1 × . . . × Fp }.
p
X p
X
La somme F1 + . . . + Fp peut se noter Fk . Si p = 1, Fk est tout simplement F1 .
k=1 k=1
p
X
Théorème 13. Fk est un sous-espace vectoriel de (E, +, .).
k=1
p
X
Définition 4. La somme Fk est directe si et seulement si tout vecteur x de cette somme peut s’écrire de manière
k=1
unique sous la forme x = . . . + xp où x1 ∈ F1 , . . . , xp ∈ Fp . Dit autrement,
x1 +
!2 !
p
X Yp Xp Xp
′ ′ ′
Fk directe ⇔ ∀ (xi )16i6p , (xi )16i6p ∈ Fi , xi = xi ⇒ ∀i ∈ J1, pK, xi = xi .
k=1 i=1 i=1 i=1
Ceci peut encore s’énoncer sous la forme
p
X p
Y
Fk directe ⇔ l’application ϕ : Fi → E est injective.
k=1 i=1
p
X
(xi )16i6p 7→ xi
i=1
p
X M
Dans ce cas, la somme Fi se note F1 ⊕ . . . ⊕ Fp ou aussi Fi .
i=1 16i6p

p
X
Commentaire. L’application ϕ de la définition précédente est clairement linéaire et donc la somme Fi est directe si
i=1
p
Y p
X
et seulement si ϕ induit un isomorphisme de Fi sur Im(ϕ) = Fi .
i=1 i=1
On dispose de deux caractérisations des sommes directes :

Théorème 14.
p
X X
1) La somme Fk est directe ⇔ ∀i ∈ J1, pK, Fi ∩ Fj = {0}.
k=1 j6=i
p
X X
2) La somme Fk est directe ⇔ ∀i ∈ J2, pK, Fi ∩ Fj = {0}.
k=1 j<i
Ainsi, si F, G et H sont trois sous-espaces d’un espace E, la somme F + G + H est directe si et seulement si F ∩ (G + H) = {0}
et G ∩ (F + H) = {0} et H ∩ (F + G) = {0} mais aussi
la somme F + G + H est directe si et seulement si G ∩ F = {0} et H ∩ (F + G) = {0}.
Si la somme est directe, il est nécessaire que l’on ait ∀i 6= j, Fi ∩ Fj = {0} mais cette condition n’est pas suffisante.
Par exemple, notons (e1 , e2 ) la base canonique de R2 puis posons D1 = Vect (e1 ), D2 = Vect (e2 ) et
D3 = Vect (e1 + e2 ). On a D1 ∩ D2 = D1 ∩ D3 = D2 ∩ D3 = {0}. Pourtant, la somme D1 + D2 + D3 n’est pas directe car
le vecteur e1 + e2 est un vecteur de D1 + D2 + D3 pouvant se décomposer de plusieurs manières distinctes comme somme
d’un vecteur de D1 , d’un vecteur de D2 et d’un vecteur de D3 :
1 1 1
e1 + e2 = 0.e1 + 0.e2 + 1. (e1 + e2 ) = 1.e1 + 1.e2 + 0. (e1 + e2 ) = .e1 + .e2 + . (e1 + e2 ) .
2 2 2
Démonstration du théorème 14.
p
X X Y
1) • Supposons la somme Fi directe. Soit i ∈ J1, pK. Soit xi ∈ Fi ∩ Fj . Alors, il existe (xj )j6=i ∈ Fj tel que
k=1 j6=i j6=i
X
xi = xj . Cette égalité s’écrit plus explicitement
j6=i
0 + . . . + |{z}
|{z} 0 + xi + |{z} 0 = x1 + . . . + xi−1 + |{z}
0 + . . . + |{z} 0 + xi+1 + . . . + xp .
|{z} |{z} |{z} |{z} |{z}
∈F1 ∈Fi−1 ∈Fi ∈Fi+1 ∈Fp ∈F1 ∈Fi−1 ∈Fi ∈Fi+1 ∈Fp
L’unicité d’une telle décomposition nous permet d’identifier terme à terme ce qui fournit en particulier xi = 0.
X
On a montré que ∀i ∈ J1, pK, Fi ∩ Fj = {0}.
j6=i
!2
X p
Y p
X p
X
• Supposons que ∀i ∈ J1, pK, Fi ∩ Fj = {0}. Soit (xi )16i6p , (xi′ )16i6p ∈ Fi tel que xj = xj′ . Soit
j6=i i=1 j=1 j=1
i ∈ J1, pK. On a
X
xi − xi′ = xj′ − xj .
j6=i
X X X
Le vecteur xj′ − xj est un élément de Fj et donc le vecteur xi − xi′ est dans Fi ∩ Fj . Par suite, le vecteur xi − xi′
j6=i j6=i j6=i
est nul et donc xi = xi′ .
p
X
Ceci montre que la somme Fi est directe.
i=1
p
X X X X
2) • Supposons la somme Fi directe. Soit i ∈ J2, pK. D’après 1), Fi ∩ Fj ⊂ Fi ∩ Fj = {0} et donc Fi ∩ Fj = {0}.
k=1 j<i j6=i j<i

X p
X
• Supposons ∀i ∈ J2, pK, Fi ∩ Fj = {0}. Montrons que la somme Fj est directe.
j<i j=1
!2
p
Y p
X p
X
Soit (xi )16i6p , (xi′ )16i6p ∈ Fi tel que xj = xj′ .
i=1 j=1 j=1
i
X i
X

Supposons par l’absurde que (xi )16i6p 6= (xi′ )16i6p . ′
Soit i = Max j ∈ J1, pK, xj 6= xj . Par définition de i, xj = xj′
j=1 j=1
puis
X
xi − xi′ = xj′ − xj ,
j<i
X X X X
(si i = 1, xj′ − xj = 0). Le vecteur xj′ − xj est Fj et donc le vecteur xi − xi′ est dans Fi ∩ Fj = {0} (y
j<i j<i j<i j<i
compris si i = 1). On en déduit que xi = xi′ ce qui contredit la définition de i.
p
X
Donc, (xi )16i6p = (xi′ )16i6p . Ceci montre que la somme Fi est directe.
i=1
M
Définition 5. Les sous-espaces F1 , . . . , Fp sont supplémentaires dans E si et seulement si Fi = E.
16i6p
Il revient au même de dire que les sous-espaces F1 , . . . , Fp sont supplémentaires dans E si et seulement si tout vecteur
x de E peut s’écrire de manière unique sous la forme x = x1 + . . . + xp où x1 ∈ F1 , . . . , xp ∈ Fp ou encore si et
Yp
seulement si l’application ϕ : Fi → E est bijective.
i=1
p
X
(xi )16i6p 7→ xi
i=1
Commentaire. L’application ϕ de la définition précédente est clairement linéaire et donc les sous-espaces F1 , . . . , Fp
sont supplémentaires dans E si et seulement si ϕ est un isomorphisme.
Théorème 15. On suppose de plus que dim(E) < +∞.
 
M Xp
1) dim  
Fi = dim (Fi )
16i6p i=1
p
! p p
X X X
2) dim Fi 6 dim (Fi ) avec égalité si et seulement si la somme Fi est directe.
i=1 i=1 i=1
M p
X
3) E = Fi ⇔ dim(E) = dim (Fi ).
16i6p i=1
Démonstration.
p
X p
X p
Y
1) Si la somme Fi est directe, Fi est isomorphe à Fi et donc
i=1 i=1 ! i=1 !
p
X p
Y p
X
dim Fi = dim Fi = dim (Fi ) .
i=1 i=1 i=1
2) Montrons l’inégalité et son cas d’égalité par récurrence sur p > 2.

• Soient F1 et F2 deux sous-espaces de E.

2
!
X
dim Fi = dim (F1 ) + dim (F2 ) − dim (F1 ∩ F2 ) (relation de Grassmann)
i=1
2
X
6 dim (Fi )
i=1
avec égalité si et seulement si F1 ∩ F2 = {0} ou encore si et seulement si la somme F1 + F2 est directe.

Le résultat à démontrer est donc vraie pour p = 2.
p
! p
X X
• Soit p > 2. Supposons que si F1 , . . . , Fp sont p sous-espaces de E, alors dim Fi 6 dim (Fi ) avec égalité
i=1 i=1
si et seulement si la somme est directe.
Soient F1 , . . . , Fp+1 , p + 1 sous-espaces vectoriels de E.
p+1
! p
!
X X
dim Fi = dim Fi + Fp+1
i=1 i=1
p
! p
! !
X X
= dim Fi + dim (Fp+1 ) − dim Fi ∩ Fp+1
i=1 i=1
p
!
X
6 dim Fi + dim (Fp+1 )
i=1
p
X
6 dim (Fi ) + dim (Fp+1 ) (par hypothèse de récurrence)
i=1
p+1
X
= dim (Fi ) .
i=1
De plus, on a l’égalité si et seulement si chacune

! des deux inégalités écrites est une égalité. La première inégalité écrite
Xp
est une égalité si et seulement si Fi ∩ Fp+1 = {0}. La deuxième est une égalité si et seulement si la somme
i=1
p
X
Fi est directe, par hypothèse de récurrence.
i=1
X
Donc, d’après le théorème 14, on a l’égalité si et seulement si ∀i ∈ J2, p + 1K, Fi ∩ Fj = {0} ou encore si et seulement
j<i
p+1
X
si la somme Fi est directe, toujours d’après le théorème 14.
i=1
Le résultat est démonté par récurrence.
Donnons maintenant un résultat qui fait le lien entre bases et sous-espaces supplémentaires. On se donne E un K-espace
vectoriel de dimension finie n non nulle. On se donne ensuite F1 , . . . , Fp , p sous-espaces vectoriels de E de dimensions
toutes non nulles, où p ∈ N∗ . Pour i ∈ J1, pK, on note ni la dimension de Fi .
Pour i ∈ J1, pK, on définit Bi = (e1,i , e2,i , . . . , eni ,i ) une base de Fi puis on note B la famille de vecteurs de E obtenue
par concaténation des bases Bi :

B = e1,1 , e2,1 , . . . , en1 ,1 , e1,2 , e2,2 , . . . , en2 ,2 , . . . , e1,p , e2,p , . . . , enp ,p .
Alors,
Théorème 16.
M
E= Fi ⇔ B est une base de E.
16i6p
M M
Quand la somme E = Fi , on dit alors que la base B est une base adaptée à la décomposition E = Fi .
16i6p 16i6p

Démonstration. D’après le théorème 15,
M p
X
E= Fi ⇔ ni
16i6p i=1
⇔ card (B) = card(E)

⇔ B est une base de E.
Pour en finir avec les résultats préparatoires au cours sur la réduction, donnons le résultat qui dit qu’un endomorphisme
est uniquement déterminé par ses restrictions à des sous-espaces supplémentaires. On revient au cas général où E est de
dimension quelconque.
Théorème 17. Soient F1 , . . . , Fp , p sous-espaces d’un K-espace vectoriel E. Soit (f, g) ∈ L (E). Alors
1) f = 0 ⇔ ∀i ∈ J1, pK, f/Fi = 0.
2) f = g ⇔ ∀i ∈ J1, pK, f/Fi = g/Fi .
Démonstration.
1) Si f = 0, alors ses restrictions aux Fi sont nulles et si les restrictions de f aux Fi sont nulles, par linéarité, f est nulle.
2) On applique le 1) à g − f.
II - Sous-espaces stables
1) Cas général
1-a) Définition
Définition 6. Soient E un K-espace vectoriel puis f un endomorphisme de E. Soit F un sous-espace vectoriel de E
F est stable par f si et seulement si f(F) ⊂ F ou encore
F stable par f ⇔ ∀x ∈ E, (x ∈ F ⇒ f(x) ∈ F).

On a immédiatement
Théorème 18. Soient E un K-espace vectoriel puis f un endomorphisme de E.
Soit F un sous-espace vectoriel de E stable par f. Alors f/F induit un endomorphisme de F.
Commentaire. Si F est stable par f, alors pour tout x ∈ F, f(x) ∈ F. On peut alors définir l’application fe : F → F .
x 7 → f(x)
fe est linéaire et donc fe ∈ L (F). fe n’est pas tout à fait la restriction f/F de f à F car cette restriction est f/F : F → E .
x 7 → f(x)
D’où le vocabulaire « f/F induit un endomorphisme de F » et non pas « f/F est un endomorphisme de F ». ❏
On décrit maintenant une situation importante où des sous-espaces sont stables par un certain endomorphisme. C’est la
situation où deux endomorphismes commutent. Nous reviendrons sur cette situation dans le paragraphe « commutant
d’un endomorphisme ».
Théorème 19. Soient E un K-espace vectoriel puis f et g deux endomorphismes de E tels que g ◦ f = f ◦ g.
Alors, g laisse stable Im(f), Ker(f) et plus généralement Ker (f − λIdE ) pour tout λ ∈ K.
Démonstration. Supposons que f et g commutent.
• Montrons que Im(f) est stable par g. Pour tout x ∈ E,
g (f(x)) = f (g(x)) ∈ Im(f).

Ainsi, ∀x ∈ E, g(f(x)) ∈ Im(f) ou encore g (Im(f)) ⊂ Im(f).
• Montrons que Ker(f) est stable par g. Soit x ∈ Ker(f).
f(g(x)) = g(f(x)) = g(0) = 0.

Ainsi, ∀x ∈ Ker(f), g(x) ∈ Ker(f) ou encore g (Ker(f)) ⊂ Ker(f).

• Soit λ ∈ K. Montrons que Ker (f − λIdE ) est stable par g.
g ◦ (f − λIdE ) = g ◦ f − λg = f ◦ g − λg = (f − λIdE ) ◦ g.
Puisque les endomorphismes f − λIdE et g commutent, Ker (f − λIdE ) est stable par g d’après le paragraphe précédent.
Commentaire. On peut montrer directement que Ker (f − λIdE ) est stable par g de la façon suivante. Tout d’abord,
pour x ∈ E,
x ∈ Ker (f − λIdE ) ⇔ (f − λIdE ) (x) = 0 ⇔ f(x) = λx.

Mais alors
f(g(x)) = g(f(x)) = g(λx) = λg(x),

et donc g(x) ∈ Ker (f − λIdE ).
1-b) Interprétation matricielle
On se place dans le cas particulier où E est un K-espace vectoriel de dimension finie non nulle. On se donne un endomor-
phisme f de E puis un sous-espace F de E non nul et distinct de E. On se donne ensuite G un sous-espace de E puis B une
base adaptée à la décomposition E = F ⊕ G. On note p la dimension de F et n la dimension de E.
Si
F est stablepar f, l’image d’un vecteur de F est un vecteur de F. Donc, la matrice de f dans B est de la forme
A C
où A ∈ Mp (K), B ∈ Mn−p (K), C ∈ Mp,n−p (K) et 0n−p,p est la matrice nulle de format (n − p, p). Dit
0n−p,p B
autrement, la matrice de f dans B est triangulaire supérieure par blocs.

A 0p,n−p
Si on suppose de plus que G est stable par f, la matrice de f dans B est de la forme ou encore la
0n−p,p B
matrice de f dans B est diagonale par blocs.
M
Plus généralement, si on a décomposé E en sommes directes de sous-espaces stables par f (E = où ∀i ∈ J1, pK,
16i6p
f (Fi ) ⊂ Fi ) et si B est une base adaptée à cette décomposition, alors la matrice de f dans la base B est de la forme
 
A1 0 . . . 0
 .. 
 0 A2 . . . . 
MatB (f) = 
 .


 .. .. ..
. . 0 
0 ... 0 Ap
(les 0 représentant des blocs de zéros) et donc la matrice de f dans la base B est diagonale par blocs.
2) Droites stables
Un cas particulier de sous-espace stable par un endomorphisme est quand ce sous-espace est une droite. Soit x un vecteur
non nul puis D = Vect(x). Soit f un endomorphisme de E.
D stable par f ⇔ f (Vect(x)) ⊂ Vect(x) ⇔ f(x) ∈ Vect(x) ⇔ ∃λ ∈ K, f(x) = λx.
Un vecteur x non nul tel que f(x) soit colinéaire à x sera appelé plus loin vecteur propre de f.
λx
=
x)
f(
x

Supposons maintenant que E soit de dimension finie non nulle et que l’on ait trouvé une base B = (e1 , . . . , en ) de E telle
que chaque ei soit un vecteur propre de f. La matrice de f dans la base B est alors de la forme
 
λ1 0 . . . 0
 . 
 0 λ2 . . . .. 
MatB (f) = 
 . .
 = diag (λ1 , . . . , λn )

 .. .. ... 0 
0 . . . 0 λn
où les λi sont de nombres. La matrice de f dans B est dans ce cas une matrice diagonale.
3) Réduire un endomorphisme ou une matrice carrée
Soit f un endomorphisme d’un K espace vectoriel E de dimension finie non nulle. On va chercher une base B de E telle
que la matrice de f dans B soit la plus simple possible : diagonale , triangulaire , diagonale ou triangulaire par blocs.
Réduire l’endomorphisme f, c’est chercher (et trouver) une telle base.
Soit A une matrice carrée. On va chercher une matrice carrée semblable à A et la plus simple possible ou encore, plus
explicitement, on va chercher une matrice inversible P telle que la matrice P−1 AP soit la plus simple possible : diagonale
, triangulaire , diagonale ou triangulaire par blocs. Réduire la matrice A, c’est chercher (et trouver) une telle matrice.
Quel est l’intérêt ? Un des premiers buts de ce chapitre est le calcul des puissances successives d’une matrice. Si on a pu
écrire A = PBP−1 , alors pour tout p ∈ N∗ , Ap = PBp P−1 , cette dernière égalité restant valable pour p ∈ Z si la matrice
A est inversible.
Si B est une matrice plus simple que A, on peut espérer que le calcul des puissances de B se fasse plus facilement que le
calcul des puissances de A. Ceci est par exemple le cas si B est une matrice diagonale D.

2 1 1 0 1 1
Ainsi, par exemple, on peut montrer que A = PDP−1 où A = ,D= ,P= et
1 2 0 3 −1 1

1 1 −1
P−1 = . On en déduit que pour tout n ∈ Z,
2 1 1
n
2 1
= An = PDn P−1
1 2

1 1 1 0 1 1 −1 1 1 3n 1 −1
= × × =
−1 1 0 3n 2 1 1 2 −1 3n 1 1
 n n 
3 +1 3 −1
 2 2 
= 3n − 1 3n + 1
.

2 2
III - Valeurs propres, vecteurs propres, sous-espaces propres

1) Valeurs et vecteurs propres
Définition 7. Soient E un K-espace vectoriel non nul puis f un endomorphisme de E.
• Soit λ ∈ K. λ est une valeur propre de f si et seulement si ∃x ∈ E \ {0}/ f(x) = λx.
• Soit x ∈ E. x est un vecteur propre de f si et seulement si x 6= 0 et ∃λ ∈ K/ f(x) = λx.
Commentaire. La définition précédente est donnée pour un espace E de dimension quelconque non nulle, éventuellement
infinie.
Définition 8. Soit A ∈ Mn (K).
• Soit λ ∈ K. λ est une valeur propre de A si et seulement si ∃X ∈ Mn,1 (K) \ {0}/ AX = λX.
• Soit X ∈ Mn,1 (K). X est un vecteur propre de A si et seulement si X 6= 0 et ∃λ ∈ K/ AX = λX.
Commentaire. Si E est de dimension finie non nulle, B est une base de E, f un endomorphisme de E et A = MatB , alors
il est clair que pour tout λ ∈ K
λ valeur propre de f ⇔ λ valeur propre de A.
Un tout premier résultat est le fait qu’un vecteur propre est associé à une unique valeur propre :
Théorème 20. Soient E un K-espace vectoriel non nul puis f un endomorphisme de E.
Soit x un vecteur non nul. Si il existe (λ, µ) ∈ K2 tel que f(x) = λx et f(x) = µx, alors λ = µ.

Commentaire. Quand x est un vecteur non nul et λ est un nombre tel que f(x) = λx, on dit que x est un vecteur propre
associé à la valeur propre λ.
Démonstration. Si f(x) = λx et f(x) = µx, alors (λ − µ) x = 0 et donc λ − µ = 0 car x 6= 0.
Commentaire. Pour tout λ ∈ K, on a f(0) = 0 = λ.0. Pourtant, le vecteur nul n’est pas un vecteur propre de f car par
définition, un vecteur propre est non nul.
   
−1 4 −2 1
Exemple 1. Si A =  0 3 −2  et U =  1 , alors
−1 1 1 1
    
−1 4 −2 1 1
AU =  0 3 −2   1  =  1  = 1.U
−1 1 1 1 1
Donc, 1 est une valeur propre de A et U est un vecteur propre associé. ❏
Exemple 2. Soient F et G deux sous-espaces non nuls d’un espace E de dimension quelconque. On suppose que E = F ⊕ G
et on note p la projection sur F parallèlement à G.
On sait que pour tout vecteur x de F, p(x) = x = 1.x et donc 1 est valeur propre de la projection p et tout vecteur non
nul de F est un vecteur propre associé.
De même, on sait que pour tout vecteur x de G, p(x) = 0 = 0.x et donc 0 est valeur propre de la projection p et tout
vecteur non nul de G est un vecteur propre associé. ❏
Exemple 3. Soit f : K[X] → K[X] . On sait que f ∈ L (K[X]).
P 7→ P′
• Si P est un polynôme tel que deg(P) = 0 (et donc P 6= 0), alors f(P) = 0 = 0.P et donc P est un vecteur propre de f
associé à la valeur propre 0.
• Si d’autre part deg(P) > 1 et λ 6= 0, alors deg(λP) = deg(P) > deg (P ′ ) et en particulier, P ′ = f(P) 6= λP. Donc, si λ 6= 0,
λ n’est pas valeur propre de f.
Ainsi, f admet une valeur propre et une seule à savoir le nombre 0. ❏
Exemple 4. Un endomorphisme (ou une matrice) n’admet pas nécessairement de valeur propre. Par exemple, considérons
f : K[X] → K[X] . Il est clair que f ∈ L (K[X]).
P 7→ XP
Si P est un polynôme non nul et λ ∈ K, deg(f(P)) = deg(XP) = 1 + deg(P) > deg(P) > deg(λP) et en particulier, f(P) 6= λP.
Donc, il n’existe pas λ ∈ K et P ∈ K[X] \ {0} tels que f(P) = λP ou encore f n’admet ni valeur propre, ni vecteur propre.❏
Exemple 5. On peut donner un autre exemple où E est un R-espace de dimension finie. Dans E = R2 muni de sa structure
π
euclidienne canonique et de son orientation canonique, notons r la rotation d’angle . Si x est un vecteur non nul de E, r(x)
2
n’est bien sûr pas colinéaire à x et donc x n’est pas un vecteur propre de r. De nouveau, on a un exemple d’endomorphisme
n’admettant ni valeur propre, ni vecteur propre.
Le problème est plus ambigu si on analyse la matrice de r dans la base canonique orthonormée directe de R2 . Cette matrice
est

0 −1
A= .
1 0
D’après ce qui précède, cette matrice n’a pas de valeur propre
réelle.
Mais on peut penser A comme une matrice à
1 2
coefficients dans C. Si c’est le cas, on remarque que si U = (où i = −1), alors
−i

0 −1 1 i 1
AU = = =i = iU.
1 0 −i 1 −i
Donc, si on conçoit A comme un élément de M2 (C), alors A admet i pour valeur propre (complexe non réelle). ❏
Définition 9. L’ensemble des valeurs propres d’un endomorphisme f s’appelle le spectre de f et se note Sp(f).
L’ensemble des valeurs propres d’une matrice A s’appelle le spectre de A et se note Sp(A).
Commentaire 1. Pour une matrice A à coefficients réels, la notation Sp(A) peut se révéler ambigüe. Suivant que l’on
conçoive A comme une matrice à coefficients réels ou complexes, on ne cherchera que des valeurs propres réelles ou des

valeurs propres complexes. L’ensemble des valeurs propres réelles de A pourra se noter plus explicitement SpR (A) et
l’ensemble des valeurs propres complexes pourra se noter plus explicitement SpC (A).
Commentaire 2. La définition du spectre donnée ci-dessus n’est pas définitive. Pour l’instant, le spectre désigne
l’ensemble des valeurs propres. Par exemple, Sp(A) = {1; 2} signifie que A admet deux valeurs propres à savoir 1 et
2. Néanmoins, on découvrira plus loin dans ce chapitre qu’une valeur propre donnée peut l’être « plusieurs fois ». Le
spectre désignera à partir de ce moment-là la famille des valeurs propres. Par exemple, on écrira Sp(A) = (1; 1; 2) pour
préciser le fait que 1 est valeur propre deux fois.
Exercice 1. Déterminer le spectre d’un endomorphisme nilpotent d’un espace E non réduit à {0}.
Solution 1. Soit E un K-espace vectoriel non nul. Soit f un endomorphisme nilpotent de E. Il existe p ∈ N∗ tel que fp = 0.
Soit λ une éventuelle valeur propre de f. Il existe un vecteur non nul x tel que f(x) = λx.
On en déduit par récurrence que pour tout k ∈ N∗ , fk (x) = λk x. Mais alors, λp x = fp (x) = 0 et donc λp = 0 (car x 6= 0)
puis λ = 0.
On a montré que si f admet une valeur propre λ, nécessairement λ = 0.
Réciproquement, supposons par l’absurde que f soit injectif. Alors, fk est injectif ce qui contredit l’égalité fk = 0 (puisque
E 6= {0}, 0 n’est pas injectif). Donc, f n’est pas injectif puis Ker(f) 6= {0} et donc, il existe un vecteur x 6= 0 tel que
f(x) = 0 = 0.x. Ceci montre que 0 est valeur propre de f et finalement que Sp(f) = {0}.
Dans l’exercice précédent, deux idées ont été utilisées qui méritent d’être énoncées explicitement. Ce sont les trois théorèmes
qui suivent.
Théorème 21. Soient E un K-espace vectoriel non nul puis f un endomorphisme de E.
• 0 est valeur propre de f si et seulement si f n’est pas injectif.
• ∀λ ∈ K, λ valeur propre de f ⇔ f − λIdE n’est pas injectif.
Si de plus, dim(E) < +∞, alors
• 0 ∈ Sp(f) ⇔ f ∈
/ GL(E)
• ∀λ ∈ K, λ ∈ Sp(f) ⇔ f − λIdE ∈
/ GL(E).
Démonstration. 0 ∈ Sp(f) ⇔ ∃x 6= 0/ f(x) = 0 ⇔ Ker(f) 6= {0} ⇔ f non injectif.
Plus généralement, pour λ ∈ K,
λ ∈ Sp(f) ⇔ ∃x 6= 0/ f(x) = λx ⇔ ∃x 6= 0/ (f − λIdE ) (x) = 0 ⇔ Ker (f − λIdE ) 6= {0} ⇔ f − λIdE non injectif.
Enfin, si de plus dim(E) < +∞, on sait que f − λIdE non injectif ⇔ f − λIdE ∈
/ GL(E).
Pour une matrice carrée, cela donne

Théorème 22. Soit A ∈ Mn (K).
• 0 ∈ Sp(A) ⇔ A ∈ / GLn (K).
• ∀λ ∈ K, λ ∈ Sp(A) ⇔ A − λIn ∈ / GLn (K).
   
3 1 1 1 1 1
Exemple. Soit A =  1 3 1 . Alors, rg (A − 2I3 ) = rg  1 1 1  = 1 < 3. Donc, A − 2I3 ∈
/ GL3 (R) ou encore 2
1 1 3 1 1 1
est une valeur propre de A.
 
1 ... 1
 .. ..  ∈ M (C) avec n > 2.
Exercice 2. Déterminer le spectre de la matrice A =  . .  n
1 ... 1
 
1 − λ 1 ... 1
 .. . .. 
 1 . .. . 
Solution 2. Soit λ ∈ C. A − λIn =   .
. Les valeurs propres de A sont les complexes λ tels que

 .. .. .
. .. 1 
1 ... 1 1 − λ
A − λIn ∈/ GLn (C). Une valeur propre de A est évidente : si λ = 0, la matrice A − λIn = A est de rang 1 < n et n’est
donc pas inversible. Donc 0 est une valeur propre de A.

 
x1
 
1 ère solution. Soit X =  ...  ∈ Mn,1 (C) et soit λ ∈ C.
xn


 x1 + . . . + xn = λx1

 x1 + . . . + xn = λx2
AX = λX ⇔ .. (S).

 .


x1 + . . . + xn = λxn
Les valeurs propres de A sont les complexes λ tels que le système (S) admettent au moins une solution non nulle.
• Si λ = 0, (S) ⇔ x1 + . . . + xn = 0. Donc, (S) admet au moins une solution non nulle comme (1, −1, 0, . . . , 0) par exemple.
On en déduit que 0 est valeur propre de A.
• Si λ 6= 0,
 

 x2 = x1 
 x2 = x1

 .. 
 ..
AX = λX ⇔ . ⇔ . .

 x n = x 1

 x n = x 1

 

x1 + . . . + x1 = λx1 (n − λ)x1 = 0
Si λ 6= n, alors (S) ⇔ x1 = 0 = x2 = . . . = xn . Dans ce cas, (S) n’admet pas de solution non nulle et donc λ n’est pas
valeur propre de A.
Si λ = n, (S) ⇔ x1 = x2 = . . . = xn . Dans ce cas, (S) admet une solution non nulle comme (1, . . . , 1) par exemple. On en
déduit que λ = n est valeur propre de A.
2 ème solution.
 
1−λ 1 ... 1
 .. .. .. 
 1 . . . 
rg (A − λIn ) = rg 
 ..


 .. .. 
. . . 1
1 ... 1 1 − λ
 
n−λ 1 1 ... 1
 .. .. 
 n−λ 1−λ . . 
 
 .. .. .. .. 
= rg  . 1 . . .  (C1 ← C1 + . . . + Cn ).
 
 .. .. .. .. 
 . . . . 1 
n−λ 1 ... 1 1 − λ
Si λ = n, rg (A − λIn ) < n (car la première colonne de la dernière matrice est nulle). Donc, A − nIn ∈
/ GLn (C) puis n est
valeur propre de A.
Si λ 6= n,
 
1 1 1 ... 1
 .. .. 
 1 1−λ . . 
 

rg (A − λIn ) = rg  .. .. .. ..  (C ← 1 C )
 . 1 . . . 

1
n−λ
1
 .. .. .. . 
 . . . .. 1 
1 1 ... 1 1 − λ
 
1 1 1 ... 1
 .. .. 
 0 −λ 0 . . 
 
 .. .. .. .. ..  (∀i ∈ J2, nK, L ← L − L ).
= rg  . . . . .  i i 1
 
 .. .. .. .. 
 . . . . 0 
0 . . . . . . 0 −λ
Si λ 6= 0 (et λ 6= n), rg (A − λIn ) = n et donc λ n’est pas valeur propre de A. Si λ = 0, rg (A − λIn ) < n et donc 0 est
valeur propre de A.

On a montré que
Sp(A) = {0, n}.
Théorème 23.
• Soient E un K-espace vectoriel non nul puis f un endomorphisme de E.
Soit (x, λ) ∈ E × K. On suppose que f(x) = λx. Alors, ∀k ∈ N, fk (x) = λk x.
• Soient A ∈ Mn (K).
Soit (X, λ) ∈ Mn,1 (K) × K. On suppose que AX = λX. Alors, ∀k ∈ N, Ak X = λk X.
Démonstration. On montre le résultat par récurrence sur k.
• Puisque f0 = IdE et que λ0 = 1, le résultat est vrai quand k = 0.
• Soit k > 0. Supposons que fk (x) = λk x. Alors, fk+1 (x) = f fk (x) = λk f(x) = λk+1 x.
Le résultat est démontré par récurrence.
On a vu (page 11) des exemples d’endomorphismes n’admettant pas de valeur propres. Dans les deux cas, f était un
endomorphisme d’un R-espace vectoriel, une fois de dimension infinie et une fois de dimension finie. Il existe pourtant une
situation où on sait à l’avance que f a au moins une valeur propre :
Théorème 24.
• Tout endomorphisme d’un C-espace vectoriel de dimension finie non nulle admet au moins une valeur propre.
• Toute élément A ∈ Mn (C) admet au moins une valeur propre.
Démonstration. Soient E un C-espace de dimension finie non nulle puis f un endomorphisme de E. D’après le théorème
22, page 12, λ ∈ Sp(f) ⇔ f − λIdE ∈ / GL(E) ⇔ det (f − λIdE ) = 0.
a1,1 − z a1,2 ... a1,n

.. ..
a2,1 a2,2 − z . .
Maintenant, z 7→ det (f − zIdE ) = ..
est une fonction polynomiale (à partir de

.. ..
. . . an−1,n
an,1 ... an,n−1 an,n − z
l’expression développée de ce déterminant). De plus, dans l’expression développée de ce déterminant, tous les termes sont
des polynômes en z sont de degré inférieur ou égal à n et un et un seul terme de ce développement est de degré n à savoir
(a1,1 − z) . . . (an,n − z). Donc det (f − zIdE ) est un polynôme de degré n(> 1).
D’après le théorème de d’Alembert-Gauss, il existe λ ∈ C tel que det (f − λIdE ) = 0. λ est une valeur propre de f.
On donne maintenant un résultat important sur des familles de vecteurs propres.

Théorème 25. Une famille de vecteurs propres associés à des valeurs propres deux à deux distinctes est libre.
Démonstration. On démontre le résultat pour un endomorphisme. Soit f un endomorphisme d’un K-espace vectoriel E
non réduit à {0}.
Pour démontrer le théorème, il suffit de démontrer que toute famille finie de vecteurs propres de f associées à des valeurs
propres deux à deux distinctes est libre. On montre le résultat par récurrence sur le cardinal n d’une telle famille.
• Soit x1 un vecteur propre de f. Par définition x1 6= 0 et donc la famille (x1 ) est libre. Le résultat est donc vrai
quand n = 1.
• Soit n > 1. Supposons que toute famille de cardinal n de vecteurs propres de f associés à des valeurs propres
deux à deux distinctes soit libre. Soit (λi )16i6n+1 une famille de n + 1 valeurs propres deux à deux distinctes de f
puis (xi )16i6n+1 une famille de vecteurs propres associée. Montrons que la famille (xi )16i6n+1 est libre.
Soit (αi )16i6n+1 ∈ Kn+1 tel que
α1 x1 + . . . + αn xn + αn+1 xn+1 = 0 (I).

En prenant l’image des deux membres par f, on obtient

α1 λ1 x1 + . . . + αn λn xn + αn+1 λn+1 xn+1 = 0 (II).
Mais alors
α1 (λ1 − λn+1 ) x1 + . . . + αn (λn − λn+1 ) xn = 0 ((I) − λn+1 (I)).

Par hypothèse de récurrence, la famille (xi )16i6n est libre. Donc, pour tout i ∈ J1, nK, αi (λi − λn+1 ) = 0 puis
αi = 0 (car λi − λn+1 6= 0). Il reste αn+1 xn+1 = 0 et donc αn+1 = 0 car xn+1 6= 0. On a montré que la famille
(xi )16i6n+1 est libre.
Exercice 3. Pour a ∈ R et x ∈ R, on pose fa (x) = eax . Montrer que la famille (fa )a∈R est libre.
Solution 3. Soit E = C∞ (R, R). Soit ϕ : E → E . ϕ est un endomorphisme de l’espace vectoriel E. De plus, pour
f 7→ f ′
tout a ∈ R, ϕ (fa ) = afa . Puisque fa =
6 0, a est valeur propre de ϕ et fa est un vecteur propre de ϕ associé à la valeur
propre a.
Ainsi, la famille (fa )a∈R est une famille de vecteurs propres de ϕ associés à des valeurs propres deux à deux distinctes.
On en déduit que famille (fa )a∈R est libre.
Une conséquence immédiate du théorème 25 est :

Théorème 26.
• Soient E un K-espace vectoriel de dimension finie n non nulle et f un endomorphisme de E.
Alors, f admet au plus n valeurs propres et en particulier, f admet un nombre fini (éventuellement nul) de valeurs
propres.
• Soit A ∈ Mn (K).
Alors, A admet au plus n valeurs propres et en particulier, A admet un nombre fini (éventuellement nul) de valeurs
propres.
Démonstration. Le cardinal d’une famille libre est inférieur ou égal à la dimension de l’espace et on conclut avec le
théorème 25.
Exercice 4. Soit E un K-espace vectoriel de dimension finie n non nulle. Soient f et g deux endomorphismes de E
vérifiant fg − gf = f.
1) Montrer que pour tout k ∈ N, fk g − gfk = kfk .
2) Soit ϕ : L (E) → L (E) . Montrer que ϕ est un endomorphisme de L (E).
h 7→ fh − hf
3) Déduire de ce qui précède que f est nilpotent.
Solution 4.
1) Le résultat est clair pour k = 0 ou k = 1. Soit k > 2.
X
k−1
fk g − gfk = fk−i gfi − fk−(i+1) gfi+1 (somme télescopique)
i=0
k−1
X k−1
X k−1
X
= fk−i−1 (fg − gf) fi = fk−i−1 ◦ f ◦ fi = fk
i=0 i=0 i=0
= kfk .
On a montré que ∀k ∈ N, fk g − gfk = kfk .

2) Soit ϕ : L (E) → L (E) . Tout d’abord, ϕ (L (E)) ⊂ L (E) car (L (E), +, ◦) est un anneau. Ensuite, pour
h 7→ f ◦ h − h ◦ f
(α1 , α2 ) ∈ K2 et (h1 , h2 ) ∈ (L (E))2 ,

ϕ (α1 h1 + α2 h2 ) = f (α1 h1 + α2 h2 ) − (α1 h1 + α2 h2 ) f = α1 (fh1 − h1 f) + α2 (fh2 − h2 f)
= α1 ϕ (h1 ) + α2 ϕ (h2 ) .
Donc, ϕ ∈ L (L (E)).

3) Supposons que ∀k ∈ N∗ , fk 6= 0. D’après 1), ∀k ∈ N∗ , ϕ fk = kfk . Puisque ∀k ∈ N∗ , fk 6= 0, on en déduit que ϕ
admet pour valeurs propres tous les entiers naturels non nuls.
Ceci est impossible car dim (L (E)) = n2 < +∞. Donc, ∃k ∈ N∗ / fk = 0 et f nilpotent.
Exercice 5. Soit ϕ : R2n [X] → R2n [X] (n ∈ N∗ ).

2 ′
P 7→ (X − 1)P − 2nXP
1) Montrer que ϕ ∈ L (R2n [X]).
2) Déterminer les valeurs propres de ϕ.
Solution 5.

1) Soit P ∈ R2n [X]. deg X2 − 1 P ′ 6 2n + 1 et deg (2nXP) 6 2n + 1. Donc, deg (ϕ(P)) 6 (2n + 1). De plus, si on pose
X2n
P= ak Xk , le coefficient de X2n+1 dans ϕ(P) est
k=0
a2n × (2n − 2n) = 0.
2
Donc ϕ(P) ∈ R2n [X]. D’autre part, si (α1 , α2 ) ∈ R2 et (P1 , P2 ) ∈ (R2n [X]) ,

ϕ (α1 P1 + α2 P2 ) = X2 − 1 (α1 P1′ + α2 P2′ ) − 2nX (α1 P1 + α2 P2 )

= α1 X2 − 1 P1′ − 2nXP1 + α2 X2 − 1 P2′ − 2nXP2
= α1 ϕ (P1 ) + α2 ϕ (P2 ) .
On a montré que ϕ ∈ L (R2n [X]).
2) Soit λ ∈ R une éventuelle valeur propre de ϕ. Il existe P ∈ R2n [X] \ {0} tel que ϕ(P) = λP.

ϕ(P) = λP ⇔ X2 − 1 P ′ − 2nXP = λP ⇔ X2 − 1 P ′ = (2nX + λ) P
P′ 2nX + λ
⇔ = 2 (car P 6= 0)
P X −1
′
P (2n + λ)/2 (2n − λ)/2
⇔ = + .
P X−1 X+1
P′ α α
En identifiant à la décomposition en éléments simples usuelles de (si P = K (X − z1 ) 1 . . . (X − zk ) k où les K 6= 0,
P
P′ α1 αk
leszi sont des complexes deux à deux distincts et α1 + . . . + αk = n, alors = + ... + ), on voit que P
P X − z1 X − zk
2n + λ 2n − λ
est nécessairement de degré + = 2n puis que P est nécessairement de la forme K(X − 1)k (X + 1)2n−k où
∗
2 2
K ∈ R puis k ∈ J0, 2nK.
Réciproquement, pour k ∈ J0, 2nK, posons Pk = (X − 1)k (X + 1)2n−k . D’après ce qui précède, un vecteur propre de ϕ est
nécessairement de la forme KPk où k ∈ J0, 2nK et K ∈ R∗ . Or,

• ϕ (P0 ) = (2n) X2 − 1 (X + 1)2n−1 − 2nX(X + 1)2n = (2n(X − 1) − 2nX)(X + 1)2n = −2nP0 ;
• ϕ (P2n ) = (2n)(X2 − 1)(X − 1)2n−1 − 2nX(X − 1)2n = (2n(X + 1) − 2nX)(X − 1)2n = 2nP2n ;
• Pour k ∈ J1, 2n − 1K,

ϕ (Pk ) = X2 − 1 k(X − 1)k−1 (X + 1)2n−k + (2n − k)(X − 1)k (X + 1)2n−k−1 − 2nX(X − 1)k (X + 1)2n−k
= (k(X + 1) + (2n − k)(X − 1) − 2nX) (X − 1)k (X + 1)2n−k = 2(k − n)Pk ,
ce qui reste vrai pour k = 0 ou 2n. Puisque chaque Pk est non nul, ceci montre que les nombres 2(k − n), k ∈ J0, 2nK,
sont valeurs propres de ϕ.
En résumé, une valeur propre de ϕ est nécessairement de la forme λk = 2(k − n) pour k ∈ J0, 2nK et réciproquement,
chaque λk , k ∈ J0, 2nK, est valeur propre de ϕ. On a montré que

Sp(ϕ) = {2(k − n), k ∈ J0, 2nK}.
2) Sous-espaces propres
Théorème 27.
• Soit E un K-espace vectoriel et f un endomorphisme de E.
Pour λ ∈ K, l’ensemble des vecteurs x de E tels que f(x) = λx est un sous-espace vectoriel de E.
Pour λ ∈ K, l’ensemble des vecteurs colonnes X tels que AX = λX est un sous-espace vectoriel de Mn,1 (K).
Démonstration. On démontre le résultat pour une endomorphisme f. Soient λ ∈ K et x ∈ E.
f(x) = λx ⇔ (f − λIdE ) (x) = 0 ⇔ x ∈ Ker (f − λIdE ) .

L’ensemble des vecteurs x de E tels que f(x) = λx est donc Ker (f − λIdE ). En particulier, l’ensemble des vecteurs x de E
tels que f(x) = λx est un sous-espace vectoriel de E.
Définition 10.
• Soit E un K-espace vectoriel non nul puis f un endomorphisme de E.
Soit λ ∈ K une valeur propre éventuelle de f. Le sous-espace propre de f associé à la valeur propre λ est
Eλ (f) = Ker (f − λIdE ) (ou plus simplement Eλ = Ker (f − λIdE )).
Soit λ ∈ K une valeur propre éventuelle de A. Le sous-espace propre de A associé à la valeur propre λ est
Eλ (A) = Ker (A − λIn ) (ou plus simplement Eλ = Ker (A − λIn )).
Par définition d’une valeur propre,
Théorème 28.
• λ est valeur propre de f ∈ L (E) si et seulement si Ker (f − λIdE ) 6= {0}.
• λ est valeur propre de A ∈ K si et seulement si Ker (A − λIn ) 6= {0}.
Commentaire 1. Quand λ n’est pas une valeur propre de f, Ker (f − λIdE ) = {0}. Dans ce cas, Ker (f − λIdE ) n’est pas
un sous-espace propre de f.
Commentaire 2. Quand λ est une valeur propre de f, par définition, le sous-espace propre Eλ (f) = Ker (f − λIdE ) associé
à λ n’est pas réduit à {0}. Dans ce cas, on trouve dans Eλ deux types de vecteurs : d’une part le vecteur nul et d’autre
part les vecteurs propres de f associés à la valeur propres λ (vecteurs propres qui sont par définition non nuls).
Commentaire 3. Pour tout x de Eλ (f), f(x) = λx. Donc, la restriction de f à Eλ (f) « est » l’homothétie de rapport λ.
Exercice 6. Soient f et g deux endomorphismes d’un C-espace vectoriel E de dimension finie non nulle. On suppose
que g ◦ f = f ◦ g. Montrer que f et g ont un vecteur propre en commun.
Solution 6. Puisque E est un C-espace vectoriel de dimension finie non nulle, f admet au moins une valeur propre λ. Par
définition, Eλ = Ker (f − λIdE ) n’est pas réduit à {0}.
Eλ → Eλ est un endomorphisme
Puisque g ◦ f = f ◦ g, on sait que g laisse stable Eλ . Par suite, l’application g̃ :
x 7→ g(x)
de Eλ . Puisque Eλ est un C-espace vectoriel de dimension finie non nulle, g̃ admet au moins une valeur propre et donc au
moins un vecteur propre x0 (associé à cette valeur propre).
x0 est par construction un vecteur propre de g. D’autre part, x0 est un vecteur non nul de Ker (f − λIdE ) et donc x0 est
un vecteur propre de f.
On a trouvé un vecteur propre commun à f et à g.

On donne maintenant une propriété importante des sous-espaces propres d’un endomorphisme ou d’une matrice :
Théorème 29.
• Soient E un K-espace vectoriel non réduit à {0} puis f un endomorphisme de E.
p
X
On suppose que λ1 , . . . , λp sont des valeurs propres deux à deux distinctes de f. Alors, la somme Eλi est directe.
i=1
p
X
On suppose que λ1 , . . . , λp sont des valeurs propres deux à deux distinctes de A. Alors, la somme Eλi est directe.
i=1
Démonstration. Montrons le résultat par récurrence sur p.

1
X
• Si p = 1, la somme Eλi est directe.
i=1
• Soit p > 1. Supposons qu’une somme de p sous-espaces propres associés à des valeurs propres deux à deux distinctes
soit directe.
Soit f un endomorphisme de E admettant (au moins) p + 1 valeurs propres deux à deux distinctes λ1 , . . . , λp+1 .
p+1
X
Montrons que la somme Eλi est directe.
i=1
p
X X
On sait déjà par hypothèse de récurrence que la somme Eλi est directe et donc que ∀i ∈ J2, pK, Eλi ∩ Eλj = {0}.
i=1 j<i
p
X
Soit x ∈ Eλp+1 ∩ Eλi . Donc, x ∈ Eλp+1 et il existe (x1 , . . . , xp ) ∈ Eλ1 × . . . × Eλp tel que
i=1
x = x1 + . . . + xp (I).
En prenant l’image des deux membres par f, on obtient
λp+1 x = λ1 x1 + λp xp (II).
Puis (II) − λp+1 (I) fournit
(λ1 − λp+1 ) x1 + . . . + (λp − λp+1 ) xp = 0.

| {z } | {z }
∈Eλ1 ∈Eλp
p
X
Puisque la somme Eλi est directe, on en déduit que ∀i ∈ J1, pK, (λi − λp+1 ) xi = 0 et donc ∀i ∈ J1, pK, xi = 0
i=1
car λi − λp+1 6= 0. Mais alors, (I) fournit x = 0.
p
X X
Ceci montre que Eλp+1 ∩ Eλi = {0} puis que ∀i ∈ J2, p + 1K, Eλi ∩ Eλj = {0} et finalement que la somme
i=1 j<i
p+1
X
Eλi est directe.
i=1
IV - Endomorphismes ou matrices diagonalisables

1) Définition
On commence par la définition d’un endomorphisme diagonalisable en dimension quelconque non nulle.
Définition 11. Soit E un K-espace vectoriel non nul puis f un endomorphisme de E.
f est diagonalisable si et seulement si il existe une base de E constituée de vecteurs propres de f.
Exemple 1. Une homothètie (f = λIdE ) est diagonalisable car toute base de E est constituée de vecteurs propres de f
(∀x 6= 0, f(x) = λ.x). ❏

Exemple 2. Considérons f : K[X] → K[X] . f est un endomorphisme de K[X]. De plus, f(1) = 0 = 0.1 et pour
P 7→ XP ′
n n
n > 1, f (X ) = n.X . Donc, la base canonique de K[X] est une base de K[X] constituée de vecteurs propres de f. On en
déduit que f est diagonalisable. ❏
On donne ensuite la définition d’un endomorphisme diagonalisable en dimension finie non nulle et d’une matrice diagona-
lisable.
Définition 12.
• Soit E un K-espace vectoriel de dimension finie non nulle puis f un endomorphisme de E.
f est diagonalisable si et seulement si il existe une base de E dans laquelle la matrice de f est une matrice diagonale.
A est diagonalisable si et seulement si A est semblable à une matrice diagonale.
Les formules de changement de base fournissent immédiatement :
Théorème 30. Soient E un K-espace vectoriel de dimension finie non nulle puis B une base de E.
Soient f un endomorphisme de E puis A = MatB (f). Alors,
f est diagonalisable si et seulement si A est diagonalisable.
Exemple 1. Une matrice diagonale est diagonalisable (car semblable à elle-même).
Exemple 2. Soit E un K-espace vectoriel de dimension finie non nulle. Soit F un sous-espace vectoriel de E distinct de {0}
et de E puis G un supplémentaire de F dans E.
On note p la projection sur F parallèlement à G et s la symétrie par rapport à F parallèlement à G. Soit B une base de E
adaptée à la décomposition E = F ⊕ G.
Pour tout vecteur x de F, on a p(x) = x = 1.x et s(x) = x = 1.x et pour tout vecteur x de G, on a p(x) = 0 = 0.x et
s(x) = −x = (−1).x. Donc, B est une base de E constituée de vecteurs propres de p ou de s. On en déduit que p et s sont
des endomorphismes diagonalisables.
On note que MatB (p) = diag(1, . . . , 1, 0, . . . , 0) et MatB (s) = diag(1, . . . , 1, −1, . . . , −1). ❏
2) Premières caractérisations de la diagonalisabilité en dimension finie
Théorème 31. Soient E un K-espace vectoriel de dimension finie non nulle puis f un endomorphisme de E.
f est diagonalisable si et seulement si E est somme directe des sous-espaces propres de f.
Démonstration. On sait déjà que si f admet au moins une valeur propre, alors f admet un nombre fini de valeurs propres
deux à deux distinctes et que la somme des sous-espaces propres de f est directe.
• Supposons que E soient somme directe des sous-espaces propres de f (ce qui suppose implicitement que f admet au
moins une valeur propre puisque dim(E) > 1). Notons λ1 , . . . , λp les valeurs propres de f (p 6 n = dim(E)). Une base B
adaptée à la décomposition E = Eλ1 ⊕ . . . ⊕ Eλp est une base de E constituée de vecteurs propres de f (car chaque vecteur
de B est un vecteur non nul d’un sous-espace propre de f). Donc, f est diagonalisable.
• Supposons que f soit diagonalisable (ce qui suppose implicitement que f admet au moins une valeur propre). Soit B une
base de E constituée de vecteurs propres de f. On regroupe alors les vecteurs de B associés à une même valeur propre et
on obtient une base B ′ = e1,1 , . . . , en1 ,1 , . . . , e1,q , . . . , enq ,q où ei,j est un vecteur propre associé à la valeur propre µj
et où µ1 , . . . , µq , (1 6 q 6 p), sont des valeurs propres
deux à deux distinctes de f.
Pour j ∈ J1, qK, on pose Fj = Vect e1,j , . . . , enj ,j . Puisque B est une base de E, on sait que E = F1 ⊕ . . . ⊕ Fq . D’autre
part, les vecteurs d’une base de Fj sont des vecteurs propres de f associés à une même valeur propre. Donc chaque Fj est
contenu dans un Eλk et deux Fj distincts sont contenus dans deux Eλ distincts. On en déduit que
q
X p
X
E= Fj ⊂ Eλi ,
j=1 i=1
p
X M
puis que E = Eλi et enfin que E = Eλi (on note alors que q = p, que µ1 , . . . , µq sont λ1 , . . . , λp et que F1 , . . . ,
i=1 16i6p
Fq sont Eλ1 , . . . , Eλp ).

Théorème 32. Soient E un K-espace vectoriel de dimension finie n non nulle puis f un endomorphisme de E. Soient
λ1 , . . . , λp , les valeurs propres deux à deux distinctes de f.
Pour i ∈ J1, pK, on pose ni = dim (Eλi ). Alors
p
X
f est diagonalisable si et seulement si ni = n.
i=1
Démonstration. D’après le théorème précédent et le théorème 15, page 6,
M p
X
f est diagonalisable ⇔ E = Eλi ⇔ n = ni .
16i6p i=1
Une conséquence importante du théorème précédent est :

Théorème 32. Soient E un K-espace vectoriel de dimension finie n non nulle puis f un endomorphisme de E.
Si f a n valeurs propres deux à deux distinctes, alors f est diagonalisable. De plus, dans ce cas, les sous-espaces
propres sont des droites vectorielles.
Démonstration. On reprend les notations du théorème précédent. Si f a n valeurs propres deux à deux distinctes, alors
n 6 p 6 n et donc p = n. D’autre part, chaque Eλi est par définition non nul et donc chaque ni est supérieur ou égal à
1. Par suite,
p
X p
X n
X n
X
n> dim (Eλi ) = ni = ni > 1 = n.
i=1 i=1 i=1 i=1
p
X
Ceci montre tout à la fois que ni = n et donc que f est diagonalisable et aussi que ∀i ∈ J1, nK, ni = 1.
i=1
V - Polynôme caractéristique
1) Polynôme caractéristique d’une matrice
Dans la démonstration du théorème 24, page 14, on a écrit : λ ∈ Sp(f) ⇔ det (f − λIdE ) = 0. Ce faisant, nous avons fait
apparaître un polynôme (le polynôme z 7→ det (f − zIdE )) dont les racines sont les valeurs propres de f. Ce polynôme a
un défaut : son coefficient dominant est (−1)n et il n’est pas unitaire. On adopte donc la définition suivante :
Définition 13. Soit A ∈ Mn (K).

Le polynôme caractéristique de la matrice A est χA = det (XIn − A) (ou PA = det (XIn − A)).

X − a1,1 −a1,2 ... −a1,n

.. ..
−a2,1 X − a2,2 . .

Commentaire. Il est clair que det (XIn − A) = est un polynôme. ❏
. . .
.. .. .. −an−1,n

−an,1 ... −an,n−1 X − an,n
Exemple. Si A = diag (λ1 , . . . , λn ), alors immédiatement χA = (X − λ1 ) . . . (X − λn ). ❏
On a immédiatement :
Théorème 33. Soient A ∈ Mn (K) et λ ∈ K.
λ ∈ Sp(A) ⇔ χA (λ) = 0.
Commentaire. Les racines du polynôme caractéristique de la matrice A sont les valeurs propres de A. En particulier, les
valeurs propres d’une matrice diagonale sont ses coefficients diagonaux. ❏
   
3 −1 −4 −3 1 4
Exemple. Soit A =  4 −2 1 . Alors −A =  −4 2 −1  puis, en développant suivant la dernière ligne,
0 0 2 0 0 −2


X−3 1 4

χA = −4 X+2 −1 = (X − 2) [(X − 3)(X + 2) + 4] = (X − 2)(X2 − X − 2) = (X − 2)(X + 1)(X − 2)

0 0 X−2
= (X − 1)(X − 2)2 .
Donc Sp(A) = {1, 2}.

2) Ordre de multiplicité d’une valeur propre
Définition 14. Soient A ∈ Mn (K) puis λ ∈ K une valeur propre de A.
L’ordre de multiplicité de la valeur propre λ est son ordre de multiplicité en tant que racine du polynôme caracté-
ristique de A.
Si λ est racine simple de χA , on dit que λ est valeur propre simple de A.
Si λ est racine double de χA , on dit que λ est valeur propre double de A . . .
Si λ est racine d’ordre au moins égal à 2 de χA , on dit que λ est valeur propre multiple de A.
Commentaire 1. Par convention, une valeur propre d’ordre 0 n’est pas une valeur propre de A. ❏
Commentaire 2. Une valeur propre donnée d’une matrice A peut donc « être valeur propre plusieurs fois ». La définition
du spectre d’unematrice (définition
 9, page 11) est devenue insuffisante devant cette nouvelle situation. Par exemple, on
3 −1 −4
a vu que si A =  4 −2 1 , alors χA = (X − 1)(X − 2)2 . Quand on lit Sp(A) = {1, 2}, on ne voit pas que le nombre
0 0 2
2 est valeur propre double de A. On a deux manières de pallier à cette difficulté. La première est d’écrire Sp{1(1); 2(2)}
en précisant entre parenthèses l’ordre de multiplicité de chaque valeur propre. Cette notation peut s’avérer pénible à lire
dans certaines situations. La deuxième est de ne plus parler de l’ensemble des valeurs propres mais plutôt de la famille
des valeurs propres. Dans ce cas, on écrira Sp(f) = (1, 2, 2). Dorénavant, la plupart du temps, le mot spectre désignera la
famille des valeurs propres et de toute façon, on précisera toujours explicitement quelle est la signification adoptée. ❏
3) Degré et coefficients du polynôme caractéristique
Tout d’abord, χA est un polynôme unitaire, de degré n :
deg (χA ) = n et dom (χA ) = 1.

X − ai,i si i = j
Démonstration. Posons A = (ai,j )16i,j6n et XIn − A = (αi,j )16i,j6n où αi,j = .
−ai,j si i 6= j
X
En développant complètement det (XIn − A), on obtient χA = ε(σ)ασ(1),1 . . . ασ(n),n . Chacun des n! termes de cette
σ∈Sn
somme est un produit de n polynômes de degré inférieur ou égal à 1 et donc chacun des n! termes de la somme est un
polynôme de degré inférieur ou égal à n. Ceci montre que deg (χA ) 6 n.
De plus, un terme ε(σ)ασ(1),1 . . . ασ(n),n est de degré n exactement si et seulement si chaque facteur est de degré 1
exactement. Ceci est équivalent au fait que σ = IdJ1,nK . Ainsi,
χA = (X − a1,1 ) . . . (X − an,n ) + termes de degré inférieur ou égal à n − 1

= Xn + termes de degré inférieur ou égal à n − 1.
On a montré que χA est un polynôme unitaire, de degré n.
Une conséquence importante de ce théorème est :

Théorème 35. Soit A ∈ Mn (K). A admet au plus n valeurs propres (en tenant compte de l’ordre de multiplicité).
Si de plus K = C ou si K = R et si χA est scindé sur K, alors A admet exactement n valeurs propres (en tenant
compte de l’ordre de multiplicité).
Commentaire. Si K = C ou bien si K = R et si χA soit scindé sur K, on peut écrire ou bien

χA = (X − λ1 ) . . . (X − λn )
où λ1 , . . . , λn , sont les valeurs propres de A distinctes ou confondues, ou bien
χA = (X − λ1 )α1 . . . (X − λp )αp ,
où cette fois-ci, λ1 , . . . , λp , sont les valeurs propres deux à deux distinctes de A et α1 , . . . , αp , les ordres de multiplicité
respectifs de ces valeurs propres. ❏
Continuons à analyser les coefficients du polynôme caractéristique.
χA = Xn − (Tr(A)) Xn−1 + . . . + (−1)n det(A).

En particulier,
Théorème 37. Soit A ∈ M2 (K).
χA = X2 − (Tr(A)) X + det(A).
Démonstration du théorème 36. Le coefficient constant de χA est sa valeur en 0. Puisque χA = det (XIn − A), le
coefficient constant de χA est det(−A) ou encore (−1)n det(A).
Pour le coefficient de Xn−1 , reprenons la démonstration du théorème 34. Quand σ 6= IdJ1,nK , il existe i ∈ J1, nK tel que
σ(i) 6= i. Posons j = σ−1 (i) de sorte que i = σ(j). j n’est pas i car sinon i = σ(i) ce qui est faux. On ne peut pas non plus
avoir σ(j) = j car alors j = σ(j) = i ce qui est faux. Mais alors, ασ(i),i = −aσ(i),i et ασ(j),j = −aσ(j),j (toujours avec les
notations de la démonstration du théorème 34). Le terme
ε(σ)ασ(1),1 . . . ασ(i),i . . . ασ(j),j . . . ασ(n),n

est donc un polynôme de degré inférieur ou égal à n − 2. Il reste
χA = (X − a1,1 ) . . . (X − an,n ) + termes de degré inférieur ou égal à n − 2

= Xn − (a1,1 + . . . + an,n ) Xn−1 + termes de degré inférieur ou égal à n − 2
= Xn − (Tr(A)) Xn−1 + termes de degré inférieur ou égal à n − 2.
On fait maintenant le lien entre les coefficients du polynôme caractéristique et les valeurs propres de la matrice. Dans le
théorème qui suit A est une matrice à coefficients dans C (étant entendu qu’une matrice à coefficients réels est un élément
de Mn (C)) de sorte que son polynôme caractéristique est scindé sur C d’après le théorème de d’Alembert-Gauss :
n
Y
χA = (X − λk ) .
k=1
n
X n
Y
On pose σ1 = λk , σn = λk et plus généralement, pour k ∈ J1, nK,
k=1 k=1
X
σk = λi1 . . . λik .
16i1 <i2 <...<ik 6n
Les relations entre coefficients et racines d’un polynôme scindé fournissent immédiatement :
Théorème 38. Soit A ∈ Mn (C).
χA = Xn − σ1 Xn−1 + . . . + (−1)k σk Xn−k + . . . + (−1)n det(A)σn .

En particulier,
Tr(A) = λ1 + . . . + λn et det(A) = λ1 × . . . × λn .
Ainsi,

la trace d’une matrice est la somme de ses valeurs propres, chacune comptée un nombre de fois égal à
son ordre de multiplicité
et
le déterminant d’une matrice est le produit de ses valeurs propres, chacune comptée un nombre de fois
égal à son ordre de multiplicité.
 
2 1 1
Exemple. Soit A =  1 2 1 . 1 est valeur propre de A car rg (A − I3 ) = 1 < 3 et 4 est valeur propre de A car
1 1 2
 
−2 1 1
rg (A − 4I3 ) = rg  1 −2 1  = 2, la somme des colonnes de la matrice A − 4I3 étant nulle. On a donc deviné
1 1 −2
deux valeurs propres de A dans C. La dernière valeur propre λ de A est fournie par la trace de A :
1 + 4 + λ = Tr(A) = 6
et donc λ = 1. Ainsi, Sp(A) = (1, 1, 4) ou encore χA = (X − 1)2 (X − 4). ❏
Exercice 7. Soit A ∈ GLn (K). Soit λ ∈ K \ {0}. Montrer que
1
λ valeur propre de A ⇔ valeur propre de A−1 .
λ
Solution 7. Puisque A ∈ GLn (K), on sait que 0 n’est pas valeur propre de A.
Soit λ ∈ K \ {0}. Si λ est une valeur propre de A, alors il existe X ∈ Mn (K) \ {0} tel que AX = λX. En multipliant les
1 1 1
deux membres de cette égalité par A−1 à gauche, on obtient X = A−1 X. Puisque X 6= 0, ceci montre que est valeur
λ λ λ
propre de A−1 .
1 −1
Réciproquement, si λ est une valeur propre de A−1 , alors est valeur propre de A−1 = A. On a montré que
λ
1
λ valeur propre de A ⇔ valeur propre de A−1 .
λ
Commentaire 1. La solution précédente peut être améliorée. Soit X ∈ Mn,1 (K).
1 −1 1 1
AX = λX ⇔ A × AX = A−1 × λX ⇔ A−1 X = X.
λ λ λ
1
Ceci redémontre que λ est valeur propre de A si et seulement si est valeur propre de A−1 mais établit un résultat plus
λ
1
précis : si λ est valeur propre de A (et donc est valeur propre de A−1 ), alors
λ

Eλ (A) = E 1 A−1
λ

où Eλ (A) est le sous-espace propre de A associé à la valeur propre λ et E 1 A−1 est le sous-espace propre de A−1 associé
λ
1
à la valeur propre . ❏
λ

1
Commentaire 2. L’exercice 7 montre que Sp A−1 = , λ ∈ Sp(A) ou encore l’exercice 7 fournit l’ensemble des
λ
valeurs propres de A−1 . Mais cet exercice ne dit rien de l’ordre multiplicité de chaque valeur propre. L’exercice suivant
précise le résultat en fournissant la famille des valeurs propres de A−1 . ❏
Exercice 8. Soit A ∈ GLn (C). Exprimer le polynôme caractéristique de A−1 en fonction du polynôme caractéristique
de A. En déduire que

−1
1 1
si Sp(A) = (λ1 , . . . , λn ), alors Sp A = ,..., .
λ1 λn

Solution 8. Soit A ∈ GLn (C).

−1
−1 1 (−X)n 1
χA−1 = det XIn − A = det −XA In − A = χA .
X det(A) X
Supposons de plus que Sp(A) = (λ1 , . . . , λn ), alors

(−X)n 1 1 X 1 X 1
χA−1 = − λ1 . . . − λn = − − λ1 ... − − λn
λ1 . . . λn X X λ1 X λn X

1 1
= X− ... X − .
λ1 λn

−1
1 1
Ceci montre que Sp A = ,..., .
λ1 λn
4) Propriétés du polynôme caractéristique

Théorème 39. ∀A ∈ Mn (K), χt A = χA .
Démonstration. Soit A ∈ Mn (K).

χt A = det XIn − t A = det t
(A − XIn ) = det (A − XIn ) = χA .
2
Théorème 40. ∀(A, B) ∈ (Mn (K)) , χAB = χBA .
Démonstration. Soit (A, B) ∈ (Mn (K))2 .

• Supposons tout d’abord A inversible. Puisque deux matrices semblables ont même déterminant, on peut écrire

χAB = det (XIn − AB) = det A−1 (XIn − AB) A = det (XIn − BA)
χBA .
• Supposons maintenant A non inversible. La matrice A − xIn est inversible sauf peut-être pour un nombre fini de valeurs
de x à savoir quand x est une valeur propre de A. Donc, pour tout x sauf peut-être un nombre fini,
det (XIn − (A − xIn ) B) = det (XIn − B (A − xIn )) .

Les deux expressions ci-dessus sont deux polynômes en x qui coïncident en une infinité de valeurs de x. Ces deux polynômes
sont donc égaux et en particulier, ces deux polynômes prennent la même valeur en 0. Quand x = 0, on obtient de nouveau
χAB = χBA .
Théorème 41. Deux matrices semblables ont même polynôme caractéristique.
Démonstration. Soit (A, B, P) ∈ Mn (K) × Mn (K) × GLn (K) tel que B = P−1 AP.
χB = χP−1 (AP) = χ(AP)P−1 = χA .
Commentaire. Dire que deux matrices ont même polynôme caractéristique revient à dire que ces deux matrices ont
même famille de valeurs propres ou encore ont mêmes valeurs propres avec les mêmes ordres de multiplicité. ❏
Deux matrices qui ontle mêmepolynôme caractéristique
ne sont pas nécessairement semblables.
1 1 1 0
Par exemple, si A = et B = = I2 , alors A et B ont même polynôme caractéristique à savoir
0 1 0 1
(X − 1)2 . Pourtant, ces deux matrices ne sont pas semblables car une matrice semblable à I2 est égale à I2 (et A n’est pas
égale à I2 ).

5) Polynôme caractéristique d’un endomorphisme
Définition 15. Soit E un K-espace vectoriel de dimension finie non nulle puis f un endomorphisme de E.
Le polynôme caractéristique de f est χf = det (XIdE − f) (ou Pf = det (XIdE − f)).
Le polynôme caractéristique de f est donc le déterminant de XIn − A ou encore χA où A est la matrice de f dans une
base donnée. Ce résultat ne dépend pas du choix d’une base ou encore si B est la matrice de f dans une autre base, alors
χA = χB puisque deux matrices semblables ont même polynôme caractéristique.
Exemple. Si f est l’homothétie de rapport λ ∈ K ou encore si f = λIdE où E est un K-espace vectoriel de dimension finie
non nulle n, alors la matrice de f dans une base donnée de E est λIn . On en déduit que
n
χf = χλIn = (X − λ) .
❏
Exercice 9. Trouver le polynôme caractéristique d’un endomorphisme nilpotent d’un K-espace vectoriel de dimension
finie non nulle.
Solution 9. Soit f un endomorphisme nilpotent d’un K-espace vectoriel de dimension finie n non nulle. On a vu dans
l’exercice 1, page 12, que 0 est l’unique valeur propre de f ou encore la famille des valeurs propres de f est (0, . . . , 0). On
en déduit que
χf = Xn .
Exercice 10. Soit E un K-espace vectoriel de dimension finie non nulle. Soient F et G deux sous-espaces de E
supplémentaires dans E. Soient p la projection sur F parallèlement à G et s la symétrie par rapport à F parallèlement
à G.
Déterminer χp et χs .
Solution 10. Notons r la dimension de F (et donc dim(G) = n−r). Soit B une base adaptée à la décomposition E = F⊕ G.
   
On a MatB (p) = diag 1, . . , 1}, 0,

| .{z . . , 0} et MatB (s) = diag 1,
| .{z . . , 1}, −1,
| .{z . . , −1}. Donc,
| .{z
r n−r r n−r
χp = (X − 1)r Xn−r et χs = (X − 1)r (X + 1)n−r .
VI - Diagonalisation
1) Une condition nécessaire et suffisante de diagonalisabilité
Dans ce qui suit suit, l’ordre de multiplicité d’une valeur propre λ sera noté o(λ).
Théorème 42.
• Soit f un endomorphisme d’un K-espace vectoriel de dimension finie non nulle. Soit λ une (éventuelle) valeur propre
de f. Alors,
1 6 dim (Eλ (f)) 6 o(λ).

• Soit A ∈ Mn (K). Soit λ une (éventuelle) valeur propre de A. Alors,
1 6 dim (Eλ (A)) 6 o(λ).
Démonstration. Notons p la dimension de Eλ (f). Par définition d’une valeur propre, Eλ (f) 6= {0} et donc p > 1. Soit
(e1 , . . . , ep ) une base de Eλ que l’on complète éventuellement en B = (e1 , . . . , en ) base de E. La matrice de f dans B est
de la forme

λIp C
A= .
0 B
Un calcul par blocs fournit alors


(X − λ) Ip −C
χA = det (XIn − A) = det = (X − λ)p χB .
0 XIn−p − B
On en déduit que o(λ) > p.
Commentaire 1. On peut se demander si la démonstration précédente n’a pas en fait permis  d’établir que
 o(λ) = p. Ce
1 1 1
n’est pas le cas car λ peut encore être racine de χB . Considérons par exemple la matrice A =  0 1 0 . Le polynôme
0 0 2
caractéristique de A est χA = (X − 1)2 (X − 2). 1 est donc valeur propre d’ordre 2. Maintenant, d’après le théorème du
rang
 
0 1 1
dim (Ker (A − I3 )) = 3 − rg (A − I3 ) = 3 − rg  0 0 0  = 3 − 2 = 1.
0 0 1
 
x
Donc, dim (E1 (A)) = 1 < 2. Si on n’est toujours pas convaincu, on peut déterminer explicitement E1 (A). Soit X =  y .
z

 x+y+z= x
z=0
AX = X ⇔ y=y ⇔
 y=0
2z = z
 
1
Donc, E1 (A) est la droite vectorielle engendrée par le vecteur  0 . ❏
0
Commentaire 2. Le théorème 42 fournit un encadrement de la dimension d’un sous-espace propre. Par exemple, si
χA = (X − 1)2 (X − 2), la dimension du sous-espace propre associé à la valeur propre 1 est 1 ou 2. Mais lu en sens inverse,
le théorème 42 fournit une minoration de l’ordre de multiplicité d’une valeur propre :
o(λ) > dim (Ker (A − λIn )) .

Ce résultat est fréquemment utilisé dans la pratique quand la dimension de Ker (A − λIn ) peut être obtenue rapidement
sans déterminer explicitement le noyau de la matrice A − λIn par le théorème du rang :
o(λ) > dim (Ker (A − λIn )) = n − rg (A − λIn ) .

C’est ce résultat qu’on utilise dans l’exercice suivant. ❏
 
a b ... b
 .. . . 
 b . . . .. 
Exercice 11. Déterminer le polynôme caractéristique de la matrice A = 
 ..
 ∈ Mn (C), n > 2.

.. .
 . . .. b 
b ... b a
A quelle condition nécessaire et suffisante la matrice A est-elle inversible ?
 
b ... b
 ..  6 1 et donc dim (Ker (A − (a − b)I )) > n − 1 > 0. Ceci montre
Solution 11. rg (A − (a − b)In ) = rg  ... .  n
b ... b
que a − b est valeur propre de la matrice A et que l’ ordre de multiplicité de a − b vérifie
o (a − b) > dim (Ker (A − (a − b)In )) > n − 1.

On vient donc de trouver n − 1 des n valeurs propres de A dans C. La dernière valeur propre λ de A est fournie par la
trace de A :
na = Tr(A) = (a − b) + . . . + (a − b) +λ
| {z }
n−1
 
 
et donc λ = na − (n − 1)(a − b) = a + (n − 1)b. Ainsi, Sp(A) = (a − b), . . . , (a − b), a + (n − 1)b puis
| {z }
n−1

n−1
χA = (X − (a − b)) (X − (a + (n − 1)b).
En particulier,
/ Sp(A) ⇔ χA (0) 6= 0 ⇔ (a − b)n−1 (a + (n − 1)b) 6= 0 ⇔ a 6= b et a 6= −(n − 1)b.

A ∈ GLn (C) ⇔ 0 ∈
Une conséquence immédiate du théorème 42 est :

Théorème 43.
• Soit f un endomorphisme d’un K-espace vectoriel de dimension finie non nulle. Soit λ une (éventuelle) valeur propre
simple de f. Alors, dim (Eλ (f)) = 1.
• Soit A ∈ Mn (K). Soit λ une (éventuelle) valeur propre simple de A. Alors, dim (Eλ (A)) = 1.
Commentaire. Le sous-espace propre associé à une valeur propre simple est toujours une droite vectorielle. ❏
Théorème 44. (une condition nécessaire et suffisante de diagonalisablité)
• Soit f un endomorphisme d’un K-espace vectoriel de dimension finie non nulle.
f est diagonalisable si et seulement si χf est scindé sur K et l’ordre de multiplicité de chaque valeur propre est égal à
la dimension du sous-espace propre correspondant.
A est diagonalisable si et seulement si χA est scindé sur K et l’ordre de multiplicité de chaque valeur propre est égal
à la dimension du sous-espace propre correspondant.
Démonstration.
• Supposons que χf soit scindé sur K et que l’ordre de multiplicité de chaque valeur propre soit égal à la dimension du
sous-espace propre correspondant.
Yp
α
Posons χf = (X − λi ) i où les λi , 1 6 i 6 p, sont les valeurs propres deux à deux distinctes de f et les αi sont leurs
i=1
ordres de multiplicité respectifs.
Pour i ∈ J1, pK, posons encore ni = dim (Eλi ). Par hypothèse, ∀i ∈ J1, pK, αi = ni . Mais alors,
p
X p
X
n = deg (χf ) = αi = ni .
i=1 i=1
Le théorème 32, page 19, permet d’affirmer que f est diagonalisable.

• Supposons que f soit diagonalisable. E est donc somme directe des sous-espaces propres de F :
E = Eλ1 ⊕ . . . ⊕ Eλp ,
où λ1 , . . . , λp sont les valeurs propres
M deux à deux distinctes de f. Pour i ∈ J1, pK, posons ni = dim (Eλi ). Dans une base
B adaptée à la décomposition E = Eλi , la matrice de f est
16i6p
 
 
D = diag λ1 , . . . , λ1 , . . . , λp , . . . , λp  .
| {z } | {z }
n1 np
p
Y
Mais alors, χf = χD = (X − λi )ni . En particulier, χf est scindé sur K et l’ordre de multiplicité de chaque valeur propre
i=1
est égal à la dimension du sous-espace propre correspondant.
Théorème 45. (une condition suffisante de diagonalisablité)

• Soit f un endomorphisme d’un K-espace vectoriel de dimension finie n non nulle. Si f a n valeurs propres simples,
alors f est diagonalisable. De plus, les sous-espaces propres de f sont des droites vectorielles.
• Soit A ∈ Mn (K). Si A a n valeurs propres simples, alors A est diagonalisable. De plus, les sous-espaces propres de
A sont des droites vectorielles.

Démonstration. Si f a n valeurs propres simples, alors en particulier χf est scindé sur K. Le théorème 43 permet
d’affirmer que les sous-espaces propres de f sont des droites vectorielles. En particulier, l’ordre de multiplicité de chaque
valeur propre de f est égale à la dimension du sous-espace propre correspondant. Donc f est diagonalisable.
 
3 −1 0
Exemple 1. Soit A =  9 −3 0 . χA = X2 (X − 4). χ est scindé sur R. A admet 4 pour valeur propre simple et 0
0 0 4
pour valeur propre double. Le sous-espace propre associé à la valeur propre 4 est obligatoirement une droite vectorielle.
Le sous-espace propre associé à la valeur propre 0 est de dimension 1 ou 2.
rg(A) = 2 et donc dim (E0 ) = dim (Ker(A)) = 1 < 2. La matrice A n’est pas diagonalisable. ❏

0 −1
Exemple 2. Soit A = . χA = X2 + 1. χA n’est pas scindé sur R. Donc, la matrice A n’est pas diagonalisable
1 0
dans R. Par contre, χA = (X − i)(X + i) est scindé sur C à racines simples. Donc, la matrice A est diagonalisable dans C.❏
 
1 a b c
 0 1 d e 
Exercice 12. La matrice A =  
 0 0 2 f  ∈ M4 (R) est-elle diagonalisable (dans R) ?
0 0 0 2
Solution 12. χA = (X − 1)2 (X − 2)2 . En particulier, χA est scindé sur R.
A est diagonalisable ⇔ dim (Ker (A − I4 )) = 2 et dim (Ker (A − 2I4 )) = 2

⇔ rg (A − I4 ) = 4 − 2 et rg (A − 2I4 ) = 4 − 2
⇔ rg (A − I4 ) = 2 et rg (A − 2I4 ) = 2.
   
0 a b c a b c
 0 0 d e   
• rg (A − I4 ) = rg   = rg  0 d e .
 0 0 1 f   0 1 f 
0 0 0 1  0 0 1
b c
 d e 
Si a = 0, rg (A − I4 ) = rg   = 2 car 1 f = 1 6= 0.
 1 f  0 1
 0 1 
a b c  
  a b c
0 d e 
Si a 6= 0, rg (A − I4 ) = rg 
 > rg  0 1 f  = 3 et en particulier, rg (A − I4 ) 6= 2.
0 1 f 
0 0 1
0 0 1
Donc, rg (A − I4 ) = 2 ⇔ a = 0.
 
−1 a b c  
 0 −1 −1 a b c
d e 
• rg (A − 2I4 ) = rg 
 0
 = rg  0 −1 d e .
0 0 f 
0 0 0 f
0 0 0 0
−1 a b c −1 a
Si f = 0, rg (A − 2I4 ) = rg
= 2 car = 1 6= 0.
0 −1 d e 0 −1
 
−1 a c
Si f 6= 0, rg (A − I4 ) > rg  0 −1 e  = 3 et en particulier, rg (A − 2I4 ) 6= 2.
0 0 f
Donc, rg (A − 2I4 ) = 2 ⇔ f = 0.
En résumé,
A est diagonalisable ⇔ a = f = 0.
2) Diagonalisation explicite
Soit A ∈ Mn (K). Dire que A est diagonalisable équivaut à dire qu’il existe D = diag (λ1 , . . . , λn ) ∈ Dn (K) et P ∈ GLn (K)
telles que A = P × D × P−1 .

Diagonaliser la matrice diagonalisable A, c’est trouver explicitement D, P et P−1 .
Les matrices A et D sont semblables. Donc, χD = χA et le spectre (λ1 , . . . , λn ) de D est encore le spectre de A. Pour
comprendre la matrice P, introduisons f l’endomorphisme de Kn canoniquement associé à la matrice A et notons
B0 = (e1 , . . . , en ) la base canonique de Kn .
Dire que A est diagonalisable équivaut à dire que f est diagonalisable. Donc, il existe B = (e1′ , . . . , en′ ) base de Kn
constituée de vecteurs propres de f. Notons (λ1 , . . . , λn ) la famille des valeurs propres associées aux vecteurs de B (donc,
λ1 est valeur propre associée à e1′ , . . . , λn est valeur propre associée à en′ ).
Par construction, ∀i ∈ J1, nK, f (ei′ ) = λi ei′ et donc MatB (f) = diag (λ1 , . . . , λn ) = D. Si on note P la matrice de passage
de B0 à B, les formules de changement de bases fournissent
A = P × D × P−1 .
Les colonnes de P « sont » donc les vecteurs e1′ , . . . ,en′ . Si on s’exprime uniquement avec un vocabulaire matriciel, alors
les colonnes C1 , . . . , Cn de P forment une base de Mn,1 (K) constituée de vecteurs propres de A. Plus précisément, si
D = diag (λ1 , . . . , λn ), C1 est un vecteur propre de A associé à la valeur propre λ1 , . . . , Cn est un vecteur propre de A
associé à la valeur propre λn .
 
6 2 0
Exemple. Soit A =  2 3 0 . En développant suivant la dernière colonne, on obtient
−10 −5 1

X−6 −2 0

χA = −2 X−3 0 = (X − 1) [(X − 6)(X − 3) − 4] = (X − 1) X2 − 9X + 14
10 5 X−1
= (X − 1)(X − 2)(X − 7).
χA est scindé sur R à racines simples et donc A est diagonalisable dans R. Notons (e1 , e2 , e3 ) la base canonique de
M3,1 (R).
 
x
Détermination de E2 (A). Soit X =  y .
z
    
4 2 0 x 0
X ∈ E2 (A) ⇔ (A − 2I3 ) X = 0 ⇔  2 1 0   y  =  0 
−10 −5 −1 z 0

 4x + 2y = 0
y = −2x y = −2x
⇔ 2x + y = 0 ⇔ ⇔
 z = −10x − 5(−2x) z=0
−10x − 5y − z = 0
 
1
Donc, E2 (A) = Vect (e1′ ) où e1′ =  −2 .
0
 
x
Détermination de E7 (A). Soit X =  y .
z
    
−1 2 0 x 0
X ∈ E7 (A) ⇔ (A − 7I3 ) X = 0 ⇔  2 −4 0   y  =  0 
−10 −5 −6 z 0

 −x + 2y = 0 x = 2y
⇔ 2x − 4y = 0 ⇔ 25

−10x − 5y − 6z = 0 z=− y
6
 
12
Donc, E7 (A) = Vect (e2′ ) où e2′ =  6 .
−25
Détermination de E1 (A). E1 (A) est unedroite  vectorielle. La troisième colonne de A nous donne Ae3 = e3 et donc
0
immédiatement E1 (A) = Vect (e3′ ) où e3′ =  0  = e3 .
1

 
1 12 0
Donc, A = P × D × P−1 où D = diag(2, 7, 1) et P =  −2 6 0 .
0 −25 1
B0
Calcul de P−1 . On sait que si P = PB
B
0
, alors P−1 = PB . Or,

 ′  
 e3 = e3′
′ 

 e1 = e1 − 2e2  e3 = e3  1
e2′ = 12e1 + 6e2 − 25e3 ⇔ e1 − 2e2 = e1′ ⇔ e1 = (3e1′ + e2′ + 25e3′ )
 ′   15
e3 = e3 12e1 + 6e2 = e2′ + 25e3′ 

 e2 = 1 (−12e ′ + e ′ + 25e ′ )

1 2 3
30
 1 2 
− 0
 5 5 
 
 1 1 
Donc, P−1 = 0 .
 15 30 
 
5 5
1
3 6
 1 2 
  − 0
 5 5 
1 12 0  
 1 1 
A=P×D×P −1
où D = diag(2, 7, 1), P =  −2 6 0  et P−1 = 0 .
 15 30 
0 −25 1  
5 5
1
3 6
On peut alors utiliser cette décomposition par exemple pour calculer les puissances successives de A car An = P×Dn ×P−1
... ❏
VII - Endomorphismes ou matrices trigonalisables
On a vu dans les paragraphes précédents qu’une matrice prise au hasard n’est pas nécessairement diagonalisable. On va
voir dans cette section que par contre, toute matrice est semblable à une matrice triangulaire.
1) Définition
Définition 15.
• Soit E un K-espace vectoriel de dimension finie non nulle puis f un endomorphisme de E.
f est trigonalisable (ou triangulable) si et seulement si il existe une base de E dans laquelle la matrice de f est
triangulaire supérieure.
A est trigonalisable (ou triangulable) si et seulement si A est semblable à une matrice triangulaire supérieure.
Commentaire 1. Il est clair que f est trigonalisable si et seulement si sa matrice dans une base est trigonalisable. ❏
Commentaire 2. D’après le théorème 10, page 3, toute matrice triangulaire inférieure est semblable à une matrice
triangulaire inférieure. Dans la définition précédente, on aurait pu remplacer « triangulaire supérieure » par « triangulaire
inférieure ». ❏
Commentaire 3. Une matrice triangulaire, inférieure ou supérieure, est trigonalisable. ❏
2) Une condition nécessaire et suffisante de trigonalisabilité
Théorème 46. (une condition nécessaire et suffisante de trigonalisablité)
• Soit f un endomorphisme d’un K-espace vectoriel de dimension finie n non nulle. f est trigonalisable si et seulement
si χf est scindé sur K.
• Soit A ∈ Mn (K). A est trigonalisable si et seulement si χA est scindé sur K.
En particulier,
Théorème 47.
• Tout endomorphisme d’un C-espace de dimension finie non nulle est trigonalisable.
• Toute matrice à coefficients dans C est trigonalisable.

Démonstration du théorème 46.
• Soit
A ∈ Mn (K). Si A est trigonalisable, il existe P ∈ GLn (K) et T ∈ Tn,s (K) tels que A = P × T × P−1 . En posant
λ1 × ... ×
 .. . 
 0 λ2 . .. 
T = .
 ∈ Mn (K), on a

 .. .. ..
. . × 
0 . . . 0 λn
Yn
χA = χT = (X − λi ) .
i=1
Puisque les λi , 1 6 i 6 n, sont dans K, ceci montre que χA est scindé sur K.
• Montrons la réciproque du résultat précédent par récurrence sur n > 1.
• Si n = 1, tout élément de Mn (K) est triangulaire et donc trigonalisable.
• Soit n > 1. Supposons que tout élément de Mn (K) dont le polynôme caractéristique est scindé sur K soit trigonalisable
(dans K).
Soit A ∈ Mn+1 (K) tel que χA soit scindé sur K. Soit f l’endomorphisme de Kn+1 canoniquement associé à A. On note
B0 la base canonique de Kn+1 .
χA est scindé sur K. En particulier, A admet au moins une valeur propre λ1 dans K. λ1 est encore une valeur propre
de f. On note e1 un vecteur propre associé.
e1 est un vecteur non nul et donc la famille (e1 ) est libre. On peut compléter cette famille en une base B1 de Kn+1 .
La matrice de f dans la base B1 s’écrit sous la forme
 
λ1 L
 0 
 
A′ =  .  ∈ Mn+1 (K),
 .. A1 
0
où L est un élément de M1,n (K). Les formules de changement de base fournissent P ′ ∈ GLn+1 (K) telle que
A = P ′ A ′ P ′−1 . Puisque les matrices A et A ′ sont semblables, χA = χA ′ . Un calcul par blocs fournit
χA = χA ′ = (X − λ1 ) det (XIn − A1 ) = (X − λ1 ) χA1 .

Puisque χA est scindé sur K, on peut poser χA = (X − λ1 ) (X − λ2 ) . . . (X − λn+1 ) où les λi sont dans K. Il vient
(X − λ1 ) χA1 = (X − λ1 ) (X − λ2 ) . . . (X − λn+1 ) et donc
χA1 = (X − λ2 ) . . . (X − λn+1 ) .
Ainsi, A1 est un élément de Mn (K) dont le polynôme caractéristique est scindé  sur K. Par hypothèse
 de récurrence,
1 0 ... 0
 0 
 
il existe P1 ∈ GLn (K) et T1 ∈ Tn,s (K) telles que A1 = P1 T1 P−1 . Soit P ′′ =  . .
 .. P1 
0
 
1 0 ... 0
 0 
 
Puisque det(P ′′ ) = 1×det (P1 ) 6= 0, la matrice P ′′ est inversible. Un calcul par blocs montre que P ′′−1 =  . .
 .. P1−1 
0
Un calcul par blocs fournit encore

   
1 0 ... 0 λ1 L 1 0 ... 0
 0  0  0 
   
P ′′−1 A ′ P ′′ =  ..  ..  .. 
 . P1−1  . A1  . P1 
0 0 0
    
λ1 L 1 0 ... 0 λ1 LP1
 0  0   0 
    
= ..  .. = .. 
 . P1−1 A1  . P1   . P1−1 A1 P1 
0 0 0
 
λ1 LP1
 0 
 
= .. .
 . T1 
0
 
λ1 LP1
 0 
 
Posons T =  ..  et P = P ′ P ′′ . P est un élément de GLn+1 (K), T est un élément de Tn+1,s (K) et
 . T1 
0
P−1 AP = P ′′−1 P ′−1 AP ′ P ′′ = P ′′−1 A ′ P ′′ = T.
La matrice A est donc trigonalisable.
Commentaire. Quand on a triangulé et donc écrit A sous la forme A = PTP−1 , on retrouve sur la diagonale de T la
famille des valeurs propres de A (puisque T et A ont même polynôme caractéristique). ❏
 
6 −6 5
Exemple. Soit A =  14 −13 10 . En développant suivant la première colonne, on obtient
7 −6 4

X−6 6 −5

χA = −14 X + 13 = (X − 6)(X2 + 9X + 8) + 14(6X + 6) − 7(5X + 5)
−10
−7 6 X−4

= (X − 6)(X + 1)(X + 8) + 49(X + 1) = (X + 1) X2 + 2X + 1
= (X + 1)3 .
−1 est valeur propre triple de A mais

 
7 −6 5
dim (Ker (A + I3 )) = 3 − rg (A + I3 ) = 3 − rg  14 −12 10  = 3 − 1 = 2 < 3.
7 −6 5
Donc, A n’est pas diagonalisable (on aurait aussi pu constater que si A était diagonalisable, A serait semblable à
diag(−1, −1, −1) = −I3 et donc égale à −I3 ce qui n’est pas). Néanmoins, χA est scindé sur R et donc A est trigonalisable
dans R. Notons f l’endomorphisme de E = R3 canoniquement associé à A puis B0 = (e1 , e2 , e3 ) la base canonique de R3 .
Ker (f + IdE ) est un plan vectoriel. Notons (e1′ , e2′ ) une base de ce plan puis complétons cette famille libre en
B = (e1′ , e2′ , e3′ ) base de R3 . Notons P la matrice de passage de la base B0 à la base B. Sans aucun calcul supplémentaire,
on peut affirmer que
 
−1 0 ×
P−1 AP =  0 −1 ×  .
0 0 −1
Achevons les calculs. Ker (f + IdE ) est le plan vectoriel d’équation 7x − 6y + 5z = 0. On peut prendre e1′ = (6, 7, 0) et
e2′ = (0, 5, 6). On pose e3′ = (0, 0, 1) = e3 puis

 
6 0 0
P= 7 5 0 .
0 6 1
Puisque det(P) = 30 6= 0, (e1′ , e2′ , e3′ ) est une base de R3 . De plus, par construction, Ae1′ = −e1′ , Ae2′ = −e2′ et enfin, la
dernière colonne de A + I3 fournit
5 5 5 5
(A + I3 ) e3′ = 5e1 + 10e2 + 5e3 = (6e1 + 7e2 ) + (5e2 + 6e3 ) = e1′ + e2′ ,
6 6 6 6
 
6 0 0
5 5
et donc Ae3′ = e1′ + e2′ − e3′ . Par suite, si P =  7 5 0 , alors
6 6
0 6 1
 
−1 0 5/6
P−1 AP =  0 −1 5/6  .
0 0 −1
❏
3) Quelques conséquences
Théorème 48.
• Soit A ∈ Mn (C). Si Sp(A) = (λ1 , . . . , λn ), alors

∀k ∈ N∗ , Sp Ak = λk1 , . . . , λkn .
• Soit A ∈ GLn (C). Si Sp(A) = (λ1 , . . . , λn ), alors

∀k ∈ Z, Sp Ak = λk1 , . . . , λkn .
Démonstration. Soit A ∈ Mn (C). A est semblable à une matrice triangulaire supérieure T dont les coefficients diagonaux
sont λ1 , . . . , λn . Mais alors, pour tout k ∈ N∗ , Ak est semblable à T k . Le théorème 12, page 4, fournit alors

Sp Ak = Sp T k = λk1 , . . . , λkn .
Si de plus, A ∈ GLn (K), alors 0 n’est pas valeur propre de A et ce qui reste précède est vrai quand k ∈ Z.
Une conséquence du théorème 48 est

Théorème 49.
• Soit A ∈ Mn (C). Si Sp(A) = (λ1 , . . . , λn ), alors

∀k ∈ N∗ , Tr Ak = λk1 + . . . + λkn .
• Soit A ∈ GLn (C). Si Sp(A) = (λ1 , . . . , λn ), alors

∀k ∈ Z, Tr Ak = λk1 + . . . + λkn .
 
0 ... ... 0 1
 .. .. 
 . . 2 
 
Exercice 13. Soit A = 
 .. .. ..  ∈ Mn (C), n > 3. Déterminer les valeurs propres de A.

 . . . 
 0 ... ... 0 n−1 
1 2 ... n − 1 n
Solution 13. Les colonnes C2 , . . . , Cn−1 , de la matrice A sont colinéaires à la colonne C1 . Donc, rg (A) 6 2 puis, grâce
au théorème du rang, dim (Ker(A)) > n − 2 > 0. 0 est donc une valeur propre de A et son ordre de multiplicité est au
moins dim (Ker(A)) et donc au moins n − 2. Il manque deux valeurs propres λ et µ.
On obtient une première équation avec la trace de A :
0 + . . . + 0 + λ + µ = Tr(A) = n


et donc λ + µ = n. Une deuxième équation est fournie par Tr A2 :

02 + . . . + 02 + λ2 + µ2 = Tr A2 = 12 + 22 + . . . + (n − 1)2 + 12 + 22 + . . . + (n − 1)2 + n2 ,

2 2 (n − 1)n(2n − 1) 2 n[(n − 1)(2n − 1) + 3n] n 2n2 + 1
et donc λ + µ = 2 × +n = = . Ensuite,
6 3 3
  
 λ+µ =n  λ+µ=n  λ+µ=n

!
n 2n2 + 1 ⇔ n 2n2 + 1 ⇔ 1 2
n 2n2 + 1
 λ2 + µ2 =  (λ + µ)2 − 2λµ =  λµ = 2 n −

3
3 3

λ+µ=n
⇔ n(n − 1)(2n − 1)
λµ = −
6
n(n − 1)(2n − 1)
⇔ λ et µ sont les solutions de l’équation X2 − nX − = 0 (E).
6

n(n − 1)(2n − 1)
2 3n2 + 2n(n − 1)(2n − 1) n 4n2 − 3n + 2
Le discriminant de l’équation (E) est ∆ = n + 4 × = = .
6 3 3
On en déduit que
 r ! r !
2 2
1 n 4n − 3n + 2 1 n 4n − 3n + 2
Sp(A) = 0, . . , 0},
| .{z n− , n+ .
2 3 2 3
n−2
Commentaire. Dans l’exercice précédent, il nous manquait deux valeurs propres λ et µ. Il nous fallait donc deux équations.
Une fois écrit λ + µ = Tr(A) = n, on pouvait avoir envie d’utiliser le déterminant de A. Malheureusement, ce déterminant
ne sert à rien car il est nul (l’équation obtenue est 0 × λ × µ = 0). ❏
VIII - Polynômes d’endomorphismes, polynômes de matrices

1) L’algèbre des polynômes en f (ou en A)
p
X
Soient E un K-espace vectoriel puis f un endomorphisme de E. Soit P = ak Xk un élément de K[X] (on n’a pas
k=0
nécessairement ap 6= 0). On définit l’endomorphisme P(f) par
p
X
P(f) = ak fk = a0 IdE + a1 f + . . . + ap fp .
k=0
On note K[f] l’ensemble des P(f) où P est un élément de K[X].

De même, si A est un élément de Mn (K),
p
X
P(A) = a k Ak = a 0 I n + a 1 A + . . . + a p Ap .
k=0
Théorème 50.
• Soit E un K -espace vectoriel puis f ∈ L (E).
∀(P, Q) ∈ (K[X])2 , (P + Q)(f) = P(f) + Q(f) ;
∀P ∈ K[X], ∀λ ∈ K, (λP)(f) = λP(f) ;
∀(P, Q) ∈ (K[X])2 , (P × Q)(f) = P(f) ◦ Q(f).
• Soit A ∈ Mn (K ).
∀(P, Q) ∈ (K[X])2 , (P + Q)(A) = P(A) + Q(A) ;
∀P ∈ K[X], ∀λ ∈ K, (λP)(A) = λP(A) ;
∀(P, Q) ∈ (K[X])2 , (P × Q)(A) = P(A) ◦ Q(A).
Démonstration. On montre les différents résultats pour un endomorphisme f.

+∞
X
• Soient (an )n∈N et (bn )n∈N deux suites de nombres nulles, à partir d’un certain rang. Soient P = ak Xk et
k=0
+∞
X
k
Q= bk X . Alors
k=0
+∞
X +∞
X +∞
X
k k
(P + Q)(f) = (ak + bk ) f = ak f + bk fk = P(f) + Q(f).
k=0 k=0 k=0
+∞
X
• Soit (an )n∈N une suite de nombres, nulle à partir d’un certain rang. Soient P = ak Xk et λ ∈ K. Alors
k=0
+∞
X
(λP)(f) = λ ak fk = λP(f).
k=0
+∞
X
• Soient (an )n∈N et (bn )n∈N deux suites de nombres nulles à partir d’un certain rang. Soient P = ak Xk et
k=0
+∞
X
Q= bk Xk . Alors
k=0
+∞ k
! +∞
! +∞
!
X X X X
(P × Q)(f) = ai bk−i fk = a k fk ◦ bk fk = P(f) ◦ Q(f).
k=0 i=0 k=0 k=0
Commentaire. Par exemple, si P = (X − 1)2 (X + 2), alors

2
P(f) = (f − IdE ) ◦ (f + 2IdE )
ou
2
P(A) = (A − In ) × (A + 2In ) .
❏
Théorème 51.
• Soit E un K-espace vectoriel puis f ∈ L (E). K[f] est une sous-algèbre commutative de l’algèbre (L (E), +, ., ◦). De
plus, l’application ϕf : K[X] → L (E) est un morphisme d’algèbres.
P 7→ P(f)
• Soit A ∈ Mn (K). K[A] est une sous-algèbre commutative de l’algèbre (Mn (K), +, ., ×). De plus, l’application
ϕA : K[X] → Mn (K) est un morphisme d’algèbres.
P 7→ P(A)
Démonstration. On fait la démonstration pour un endomorphisme f d’un K-espace vectoriel E. Soit f ∈ L (E).
• Si P est le polynôme nul, alors P(f) = 0. Donc, l’endomorphisme nul de E est dans K[f].
• Soient (P, Q) ∈ (K[X])2 et (λ, µ) ∈ K2 .
λP(f) + µQ(f) = (λP + µQ) (f) ∈ K[X].

Ceci montre déjà que K[f] est un sous-espace vectoriel de (L (E), +, .).
• Soit (P, Q) ∈ (K[X])2 .
P(f) ◦ Q(f) = (P × Q)(f) ∈ K[f].

Ceci montre que K[f] est une sous-algèbre de (L (E), +, ., ◦).
• Soit (P, Q) ∈ (K[X])2 .
P(f) ◦ Q(f) = (P × Q)(f) = (Q × P)(f) = Q(f) ◦ P(f).

Donc, K[f] est un une sous-algèbre commutative de (L (E), +, ., ◦).
• Pour tout (P, Q) ∈ (K[X])2 et tout (λ, µ) ∈ K2 ,

ϕf (λP + µQ) = (λP + µQ)(f) = λP(f) + µQ(f) = λϕf (P) + µϕf (Q),
et
ϕf (P × Q) = (P × Q)(f) = P(f) ◦ Q(f) = ϕf (P) ◦ ϕf (Q).
Donc, ϕf est un morphisme d’algèbres.
Commentaire. Un moment important dans la démonstration précédente est le fait que

deux polynômes en f commutent.
2) Commutant d’un endomorphisme ou d’une matrice

On s’intéresse maintenant à l’ensemble des endomorphismes (respectivement des matrices) qui commutent avec un endo-
morphisme donné (respectivement une matrice donnée). Il existe de nombreuses situations où savoir que deux endomor-
phismes commutent est important. Rappelons le binôme de Newton
p
X
p p k n−k
(f + g) = f g ,
k
k=0
que l’on peut utiliser uniquement quand f et g commutent. Rappelons aussi le théorème 19, page 8, qui dit que quand deux
endomorphismes commutent, l’un des deux endomorphismes laisse stable l’image, le noyau et les sous-espaces propres de
l’autre.
D’autre part, il est fréquent que l’on soit amené à chercher des matrices inconnues (ou des endomorphismes) parmi les
matrices commutant avec une matrice donnée. L’exemple le plus simple est la recherche des « racines carrées » d’une
matrice donnée. Si A est une matrice donnée, les matrices M (s’il en existe) vérifiant M2 = A commutent avec A car
M × A = M × M2 = M3 = M2 × M = A × M.
Définition 16.
• Soient E un K-espace vectoriel puis f un endomorphisme de E.
Le commutant de f, noté C(f), est l’ensemble des endomorphismes de E qui commutent avec f.
C(f) = {g ∈ L (E)/ g ◦ f = f ◦ g} .
Le commutant de A est l’ensemble des matrices carrées qui commutent avec A.
C(A) = {B ∈ Mn (K)/ B × A = A × B} .
Exemple. Si f = λIdE , λ ∈ K, alors pour tout g de L (E),
g ◦ f = f ◦ g = λg.
Donc le commutant d’une homothétie est L (E) tout entier. De même, le commutant d’une matrice scalaire de format n
est Mn (K). L’exercice suivant montre que les matrices scalaires sont les seules matrices commutant avec toute matrice.❏
Exercice 14. Déterminer les éléments de Mn (K) qui commutent avec tous les éléments de Mn (K).
Solution 14. Soit A = (ai,j )16i,j6n ∈ Mn (K). Si A commutent avec toute matrice, alors A commute en particulier avec
les matrices élémentaires Ei,j , 1 6 i, j 6 n. Or, pour (i, j) ∈ J1, nK2 ,
X X n
X
AEi,j = ak,l Ek,l Ei,j = ak,l δl,i Ek,j = ak,i Ek,j
16k,l6n 16k,l6n k=1
 
0 ... 0 a1,i 0 ... 0
 .. .. .. .. .. 
 . . . . . 
 
=
 0 0 ai,i 0 0   i-ème ligne
 . .. .. .. .. 
 .. . . . . 
0 ... 0 an,i 0 ... 0
j-ème colonne
et
X X n
X
Ei,j A = ak,l Ei,j Ek,l = ak,l δj,k Ei,l = aj,l Ei,l
16k,l6n 16k,l6n l=1
 
0 ... 0 ... 0
 .. .. 
 . . 
 
 0 ... 0 ... 0 
 
=
 aj,1 aj,j aj,n 
 i-ème ligne
 0 ... 0 ... 0 
 
 . .. 
 .. . 
0 ... 0 ... 0
j-ème colonne
Si de plus, ∀ (i, j) ∈ J1, nK2 , AEi,j = Ei,j A, alors ∀k 6= l, ak,l = 0 et ∀i 6= j, ai,i = aj,j . Donc, A est nécessairement de la
forme λIn , λ ∈ K.
Réciproquement, les matrices scalaires commutent avec toute matrice.
Théorème 51.
• Soit E un K-espace vectoriel puis f ∈ L (E). C(f) est une sous-algèbre de l’algèbre (L (E), +, ., ◦).
• Soit A ∈ Mn (K). C(A) est une sous-algèbre de l’algèbre (Mn (K), +, ., ×).
Démonstration.
Il ne faut pas croire que deux éléments g et h de C(f) commutent. On a nécessairement g ◦ f = f ◦ g et h ◦ f = f ◦ h,

mais on peut avoir g ◦ h 6= h ◦ g.
Soit f est un endomorphisme donné. Puisque deux polynômes en f commutent, en particulier tout polynôme en f commute
avec f ou encore
Théorème 52.
• Soit E un K-espace vectoriel puis f ∈ L (E). K[f] est une sous-algèbre commutative de l’algèbre (C(f), +, ., ◦).
• Soit A ∈ Mn (K). K[A] est une sous-algèbre commutative de l’algèbre (C(A), +, ., ×).
Exercice 15. (dimension du commutant d’un endomorphisme diagonalisable)

Soit E un K-espace vectoriel de dimension finie n non nulle. Soit f un endomorphisme de E. On suppose que f
est diagonalisable. On note λ1 , . . . , λp les valeurs propres deux à deux distinctes de f puis Eλ1 (f), . . . , Eλp (f) les
sous-espaces propres associés et enfin on note n1 , . . . , np les dimensions respectives de ces sous-espace propres.
1) Montrer que : ∀g ∈ L (E), g ∈ C(f) ⇔ ∀i ∈ J1, pK, g (Eλi ) ⊂ g (Eλi ).
p
X
2) En déduire que dim(C(f)) = n2i .
i=1
3) Montrer que dim(C(f)) > n avec égalité si et seulement si f a n valeurs propres simples.
Solution 15.
1) Puisque f est diagonalisable, on a E = Eλ1 (f) ⊕ . . . ⊕ Eλp (f).
Soit g ∈ L (E).
Si g ∈ C(f), on sait que ∀i ∈ J1, pK, g (Eλi ) ⊂ g (Eλi ) (théorème 19, page 8).
Réciproquement, supposons que ∀i ∈ J1, pK, g (Eλi ) ⊂ g (Eλi ). Pour i ∈ J1, pK, notons fi (resp. gi ) l’endomorphisme de
Eλi (f)) induit par f (resp. g). Pour chaque i ∈ J1, pK, fi est l’homothétie de rapport λi . Mais alors, pour tout i ∈ J1, pK,
fi et gi commutent.

Les endomorphismes g ◦ f et f ◦ g coïncident sur des sous-espaces supplémentaires. On en déduit que g ◦ f = f ◦ g ou encore
que g ∈ C(f). On a montré que
g ∈ C(f) ⇔ ∀i ∈ J1, pK, g (Eλi ) ⊂ g (Eλi ) .

2) Donc, C(f) = {g ∈ L (E)/ ∀i ∈ J1, pK, g (Eλi ) ⊂ g (Eλi )}. Avec les notations de la question précédente, considérons

ϕ : C(f) → L (Eλ1 (f)) × . . . × L Eλp (f) .
g 7 → (g1 , . . . , gp )
ϕ est bien une application d’après la question 1). ϕ est linéaire, injective car un endomorphisme est uniquement déterminé
par ses restrictions à des sous-espaces supplémentaires, surjective d’après 1). Finalement, ϕ est un isomorphisme. On en
déduit que
p
! p
Y X
dim(C(f)) = dim(ϕ(C(f))) = dim L (Eλi (f)) = n2i .
i=1 i=1
3) Chaque ni est un entier supérieur ou égal à 1. Donc, ∀i ∈ J1, pK, n2i > ni . On en déduit que
p
X p
X
dim(C(f)) = n2i > ni = n (car f est diagonalisable).
i=1 i=1
De plus, on a l’égalité si et seulement si chaque inégalité écrite est une égalité. Ceci équivaut à ∀i ∈ J1, pK, n2i = ni ou
encore ∀i ∈ J1, pK, ni = 1.
Puisque f est diagonalisable, pour chaque i, ni est l’ordre de multiplicité de λi . Donc,
dim(C(f)) = n ⇔ les valeurs propres de f sont simples.

Ceci impose en particulier p = n.
Exercice 16. (racines carrées d’une matrice de format 3 ayant 3 valeurs propres simples)
 
3 0 0
Soit A =  8 4 0 . Résoudre dans M3 (R) l’équation X2 = A.
5 0 1
Solution 16. Soit X ∈ M3 (R). Si X2 = A alors AX = X3 = XA et donc X et A commutent.

A admet trois valeurs propres réelles et simples à savoir 1, 3 et 4. Donc A est diagonalisable dans R et les sous espaces
propres de A sont des droites. X commute avec A et donc laisse stable les trois droites propres de A.
Ainsi une base de M3,1 (R) formée de vecteurs propres de A est également une base de vecteurs propres de X ou encore, si
P est une matrice réelle inversible telle que P−1 AP soit une matrice diagonale D0 alors pour la même matrice P, P−1 XP
est une matrice diagonale D. De plus
√
X2 = A ⇔ PD2 P−1 = PD0 P−1 ⇔ D2 = D0 ⇔ D = diag(± 3, ±2, ±1)
   
2 0 0 1/2 0 0
ce qui fournit huit solutions deux à opposées. On peut prendre P =  −16 1 0  puis P−1 =  8 1 0 . D’où
5 0 1 −5/2 0 1
les solutions
  √    √  
2 0 0 3ε1 0 0 1/2 0 0 2 √3ε1 0 0 1/2 0 0
 −16 1 0  0 2ε 0   8 1 0  =  −16   8 1 0 
√ 3ε1 2ε2 0
5 0 1 0 0 ε3 −5/2 0 1 5 3ε1 0 ε3 −5/2 0 1
 √ 
√ 3ε1 0 0
=  −8√ 3ε1 + 16ε2 2ε2 0  .
5( 3ε1 − ε3 )/2 0 ε3
où (ε1 , ε2 , ε3 ) ∈ {−1, 1}3 .

3) Polynômes annulateurs d’un endomorphisme (ou d’une matrice)
Théorème 53.
• Soient E un K-espace vectoriel puis f ∈ L (E). L’ensemble des polynômes P ∈ K[X] tels que P(f) = 0 est un idéal de
l’anneau (K[X], +, ×).
• Soit A ∈ Mn (K). L’ensemble des polynômes P ∈ K[X] tels que P(A) = 0 est un idéal de l’anneau (K[X], +, ×).
Démonstration. On démontre le résultat pour un endomorphisme f. Notons If l’ensemble des polynômes P tels que
P(f) = 0.
• Si P est le polynôme nul, alors P(f) = 0. Donc, le polynôme est dans If .
2
• Soit (P, Q) ∈ (If ) . (P − Q)(f) = P(f) − Q(f) = 0 et donc P − Q ∈ If .
• Soit (P, Q) ∈ K[X] × If . (P × Q)(f) = P(f) ◦ Q(f) = P(f) ◦ 0 = 0. Donc, P × Q ∈ If .
On a montré que If est un idéal de K[X].
4) Polynôme minimal d’un endomorphisme (ou d’une matrice)

Théorème 54.
• Soit E un K-espace vectoriel de dimension finie puis f ∈ L (E). Il existe au moins un polynôme non nul P tel que
P(f) = 0.
• Soit A ∈ Mn (K). Il existe au moins un polynôme non nul P tel que P(A) = 0.
Démonstration. On démontre le résultat pour un endomorphisme f d’un K-espace vectoriel de dimension finie non nulle
n.

(L (E), +, .) est un K-espace de dimension finie n2 . La famille fk 06n2 est une famille de cardinal n2 + 1 > dim (L (E)).
2
n
X
2
La famille fk 06n2
est donc liée. Par suite, il existe (ak )06k6n2 ∈ Kn +1
\ {(0, . . . , 0)} tel que ak fk = 0.
k=0
2
n
X
La polynôme P = ak Xk est un polynôme non nul et annulateur de f.
k=0
Commentaire. Le théorème précédent fournit un polynôme non nul de degré au plus n2 et annulateur de f. Nous
améliorons plus loin ce résultat en fournissant un polynôme de degré n exactement et annulateur de f : le polynôme
caractéristique de f. ❏
Théorème 55.
• Soit E un K-espace vectoriel de dimension finie puis f ∈ L (E). Il existe un polynôme unitaire P0 et un seul tel que
Ker (ϕf ) = P0 × K[X].
• Soit A ∈ Mn (K). Il existe un polynôme unitaire P0 et un seul tel que
Ker (ϕA ) = P0 × K[X].

Démonstration. On démontre le résultat pour un endomorphisme d’un K-espace de dimension finie.
D’après le théorème 53, Ker (ϕf ) = {P ∈ K[X]/ P(f) = 0} est un idéal de l’anneau (K[X], +, ×). D’après le théorème 54,
Ker (ϕf ) n’est pas réduit à 0. On sait alors qu’il existe un polynôme non nul et unitaire P0 , uniquement défini, tel que
Ker (ϕf ).
Commentaire. L’hypothèse de dimension est essentielle. Considérons par exemple f : K[X] → K[X] . f est un
P 7 → P′
n
X
endomorphisme de K[X]. Supposons par l’absurde qu’il existe des nombres ak , 0 6 k 6 n, tels que ak fk = 0 et an 6= 0.
k=0

Alors,
n
X
∀P ∈ K[X], ak P(k) = 0.
k=0
n
En particulier, si P = X , on obtient
n
X n!
ak Xn−k = 0 (∗).
(n − k)!
k=0
n
X n!
Mais le coefficient constant du polynôme ak Xn−k est an n!. Ce coefficient n’est pas nul et donc l’égalité (∗)
(n − k)!
k=0
est fausse. Par suite, il n’existe pas de polynôme non nul et annulateur de f ou encore, ici,
Ker (ϕf ) = {0}.

❏
Définition 17.
• Soient E un K-espace vectoriel de dimension finie puis f un endomorphisme de E. L’unique polynôme unitaire P0 tel
que Ker (ϕf ) = P0 × K[X] s’appelle le polynôme minimal de f et se note µf (ou Qf ).
• Soit A ∈ Mn (K).L’unique polynôme unitaire P0 tel que Ker (ϕA ) = P0 × K[X] s’appelle le polynôme minimal de
A et se note µA (ou QA ).
Commentaire 1. On notera µf le polynôme minimal si on note χf le polynôme caractéristique et on notera Qf le
polynôme minimal si on note Pf le polynôme caractéristique. ❏
Commentaire 2. D’après le théorème 55 et le commentaire qui le suit, si E est un K-espace vectoriel de dimension infinie
et f un endomorphisme de E, il est possible que f n’admette pas de polynôme minimal. Par contre, si E est de dimension
finie, f admet toujours un polynôme minimal. De même, une matrice carrée admet toujours un polynôme minimal. ❏
Commentaire 3. Soit µf le polynôme minimal de f (en cas d’existence). Par construction, on a les propriétés suivantes :
• µf est le polynôme non nul unitaire de plus bas degré et annulateur de f.
• Si P est un polynôme annulateur de f, alors µf divise P ou encore, il existe un polynôme Q tel que P = µf × Q. ❏
Exemple. Soit p une projection. On sait p2 = p ou encore le polynôme P = X2 − X = X(X − 1) est annulateur de p. Le
polynôme minimal de p est un diviseur unitaire de X(X − 1) et est donc 1 ou X ou X − 1 ou X(X − 1).
Le polynôme 1 n’est jamais annulateur de p.
Le polynôme X est annulateur de p si et seulement si p = 0.
Le polynôme X − 1 est annulateur de p si et seulement si p = IdE (on rappelle que 0 et IdE sont des projections).
Dans tous les autres cas, 1, X et X − 1 ne sont pas des polynômes annulateurs de p.
En résumé,
si p = 0, µp = X, si p = IdE , µp = X − 1 et si p 6= 0 et p 6= IdE , µp = X2 − X.
De même, si s est une symétrie,
µs = X − 1 si s = IdE , µs = X + 1 si s = −IdE et µs = X2 − 1 si s 6= IdE et s 6= −IdE .
❏
5) Polynôme minimal et polynôme caractéristique d’un endomorphisme induit
Théorème 56.
Soient E un K-espace vectoriel de dimension finie puis f ∈ L (E). Soient F un sous-espace vectoriel de E stable par f
puis fF l’endomorphisme de F induit par f. Alors
• χfF divise χf ;
• µfF divise µf .
Démonstration. Le résultat est immédiat si F = {0} ou F = E. On suppose dorénavant que F 6= {0} et F 6= E.

• Soit G un supplémentaire de F dans E. Soient B1 = (e1 , . . . , ep ) une base de F et B2 = (ep+1 , . . . , en ) une base de G de
sorte que B = (e1 , . . . , en ) est une base de E. Puisque F est stable par f, la matrice A de f dans B s’écrit


B D
A= ,
0n−p,p C
où B = MatB1 (fF ). Mais alors, un calcul par blocs fournit

XIp − B −D
χf = χA = = det (XIp − B) × det (XIn−p − C) = χf × χC .
0n−p,p XIn−p − C F
Ceci montre que χfF divise χf .

• Puisque µf (f) = 0, pour tout x de E, µf (f)(x) = 0. En particulier, pour tout x de F, µf (f)(x) = 0 ou encore µf (fF ) (x) = 0.
Par suite, µf est un polynôme annulateur de fF et donc µfF divise µf .
6) Le théorème de Cayley-Hamilton
Théorème 57. (théorème de Cayley-Hamilton)
• Soient E un K-espace vectoriel de dimension finie non nulle puis f ∈ L (E). Alors χf (f) = 0.
• Soit A ∈ Mn (K). Alors χA (A) = 0.
Démonstration. On démontre le théorème pour un endomorphisme f d’un K-espace vectoriel E de dimension finie non
nulle n. Soit x0 un vecteur non nul de E. On va démontrer que χf (f) (x0 ) = 0.

Etape 1. Soit E = k ∈ N∗ / fi (x0 ) 06i6k−1 libre . E est une partie de N. Puisque x0 6= 0, 1 ∈ E et en particulier E
n’est pas vide. Puisque le cardinal d’une famille libre de E est majoré par la dimension de E, E est majoré par n.
En résumé, E est une partie non vide et majorée de N (et même de N∗ ). E admet donc un plus grand élément que l’on
note p.

Etape 2. Par définition de p, la famille x0, f (x0 ) , . . . , fp−1 (x0 ) est libre. On la complète (éventuellement) en
B = x0 , f (x0 ) , . . . , fp−1 (x0 ) , ep+1 , . . . , en base de E.

Par définition de p, la famille x0 , f (x0 ) , . . ., fp−1 (x0 ) est libre et la famille (x0 , f (x0 ) , . . . , fp (x0 )) est liée. On en déduit
que fp (x0 ) ∈ Vect x0 , f (x0 ) , . . . , fp−1 (x0 ) et on peut donc poser
p−1
X
p
f (x0 ) = ak fk (x0 ) (∗).
k=0
La matrice A de f dans la base B s’écrit

 
0 ... ... 0 a0
 .. .. 
 1 . . a1 
 
B D  .. .. .. .. 
A= où B =  0 . . . . .
0 C  
 .. . . .. .. 
 . . . 0 . 
0 . . . 0 1 ap−1
Un calcul par blocs fournit χf = χA = χB × χC .
Etape 3. En développant suivant la dernière colonne, on a

X 0 ... 0 −a0

.. ..
−1 . . −a1

.. .. ..
χB = 0 . . 0 .

.. .. ..
. . . X −ap−2

0 ... 0 −1 X − ap−1
p−2
X
p−1
=X (X − ap−1 ) + (−1)p+k−1 (−ak ) ∆k ,
k=0


X 0 ... 0 × ... ... ×

.. .. . .. ..
× . . .. . .

.. .. .. .. ..
. . . 0 . .

× ... × X × ... ... ×
où ∆k = = Xk (−1)p−1−k (déterminant par blocs). Finalement,

0 ... ... 0 −1 × . . . ×
.. .. .. .. ..
. . 0 . . .

.. .. .. .. ..
. . . . . ×

0 ... ... 0 0 . . . 0 −1
p−2
X p−2
X
χB = Xp−1 (X − ap−1 ) + (−1)p+k−1 (−ak ) Xk (−1)p−1−k = Xp − ap−1 Xp−1 − ak Xk
k=0 k=0
p−1
X
= Xp − ak Xk .
k=0
p−1
!
X
p k
Etape 4. Par suite, χf = f − ak f ◦ Q(f) où Q = χC . Puisque deux polynôme en f commutent, on en déduit que
k=0
p−1
! p−1
!
X X
p k p k
χf (x0 ) = Q(f) ◦ f − ak f (x0 ) = Q(f) f (x0 ) − ak f (x0 ) = Q(f)(0) = 0.
k=0 k=0
On a ainsi montré que pour tout x non nul, χf (f)(x) = 0. Ceci reste vrai pour x = 0 et finalement, on a montré que
χf (f) = 0.
Commentaire. Dans la démonstration précédente, on a implicitement cherché le plus petit sous-espace vectoriel de E,
contenant x0 et stable par f. Ce sous-espace se révèle être Ef (x0 ) = Vect fk (x0 ) k∈N = Vect fk (x0 ) 06k6p−1 . Dans

la base fk (x0 ) 06k6p−1 de Ef (x0 ) choisie, la matrice de l’endomorphisme induit par f sur Ef (x0 ) est une matrice
compagnon. L’endomorphisme induit par f sur Ef (x0 ) est alors dit cyclique. On aurait pu poursuivre ce processus
« jusqu’au bout de l’espace » et décomposer l’espace en sous-espaces supplémentaires sur lesquels l’endomorphisme induit
est cyclique.
D’autre part, quand nous avons calculé χf par blocs à la fin de l’étape 2, on aurait pu aussi utiliser le théorème 56 qui
prouvait directement que le polynôme caractéristique de l’endomorphisme induit par f sur Ef (x0 ) divise χf . ❏
Ainsi, le polynôme caractéristique de f (ou de A) est un polynôme annulateur de f. Puisque les polynômes annotateurs
d’un endomorphisme sont les multiples du polynôme minimal de cet endomorphisme, on aurait pu énoncer le théorème
de Cayley-Hamilton sous la forme :
Théorème 58. (théorème de Cayley-Hamilton)
• Soient E un K-espace vectoriel de dimension finie non nulle puis f ∈ L (E). Alors µf divise χf .
• Soit A ∈ Mn (K). Alors µA divise χA .
Exercice 17. (commutant d’un endomorphisme ayant n valeurs propres simples)

Soit E un K-espace vectoriel de dimension finie n non nulle. Soit f un endomorphisme de E ayant n valeurs propres
simples.
1) Montrer qu’il existe un polynôme de degré n annulateur de f.
2) a) Montrer que K[f] = Kn−1 [f].
b) Montrer que la famille IdE , f, . . . , fn−1 est libre.
c) En déduire la dimension de K[f].

3) a) Montrer qu’il existe x0 de E tel que x0 , f (x0 ) , . . . , fn−1 (x0 ) soit une base de E.
b) Montrer que C(f) = Kn−1 [f].

Solution 17.
n
Y
1) Notons (λ1 , . . . , λn ) la famille des valeurs propres de f. D’après le théorème de Cayley-Hamilton, χf = (X − λk )
k=1
est un polynôme annulateur de f, de degré n exactement.
2) a) On a Kn−1 [f] ⊂ K[f]. Réciproquement, soit P ∈ K[X].
La division euclidienne de P par χf fournit deux polynômes Q et R tels que
P = Q × χf + R et deg(R) 6 n − 1.
En évaluant en f, on obtient P(f) = Q(f) ◦ χf (f) + R(f) = R(f) et donc P(f) ∈ Kn−1 [f]. Ceci montre que K[f] ⊂ Kn−1 [f] et
finalement que
K[f] = Kn−1 [f].
b) f admet n valeurs propres simples et donc f est diagonalisable.

Soit B = (e1 , . . . , en ) une base de vecteurs propres de f associée à la famille de valeurs propres (λ1 , . . . , λn ).
Soit (a0 , a1 , . . . , an−1 ) ∈ Kn .
n−1 n−1 n−1

!
X X X
ak fk = 0 ⇒ ∀j ∈ J1, nK, ak fk (ej ) = 0 ⇒ ∀j ∈ J1, nK, ak λkj ej = 0
k=0 k=0 k=0
n−1
X
⇒ ∀j ∈ J1, nK, ak λkj = 0 (car chaque ej est non nul).
k=0
Le déterminant du système linéaire (S) d’inconnues a1 , . . . , an ci-dessus est Van (λ1 , . . . , λn ). Ce déterminant est non
nul car les λj sont deux à deux distincts. Le système (S) est un système de Cramer homogène. (S) admet donc l’unique
solution (a0 , . . . , an−1 ) = (0, . . . , 0). On a montré que la famille IdE , f, . . . , fn−1 est libre.
n−1

c) D’après la question a), K[f] = Vect Id E , f, . . . , f ou encore IdE , f, .. . , fn−1 est une famille génératrice de K[f].
D’après la question b), IdE , f, . . . , fn−1 est libre et donc IdE , f, . . . , fn−1 est une base de K[f]. On en déduit que
dim (K[f]) = n.
3) a) Avec les notations de la question précédente, posons x0 = e1 + . . . + en . Alors,
∀k ∈ J0, n − 1K, fk (x0 ) = λk1 e1 + . . . + λkn en .

 
1 1 ... 1
 λ1 λ2 ... λn 
 
La matrice de la famille x0 , f (x0 ) , . . . , fn−1 (x0 ) dans la base (e1 , . . . , en ) est  .. .. .. . Le déter-
 . . . 
λ1n−1 λ2n−1 . . . λn n−1
minant de A est Van (λ1, . . . , λn ). Ce déterminant n’est pas nul car les λi sont deux à deux distincts. Donc, la famille
x0 , f (x0 ) , . . . , fn−1 (x0 ) est une base de E.

b) On sait que Kn−1 [f] = K[f] ⊂ C(f). Réciproquement, soit g ∈ C(f). Puisque x0 , f (x0 ) , . . . , fn−1 (x0 ) est une base de
E, on peut poser
n−1
X
g (x0 ) = ak fk (x0 ) .
k=0
p−1
X
Montrons alors que g = P(f) où P = ak Xk . Pour tout j ∈ J0, n − 1K, puisque g ∈ C(f) et que d’autre part deux
k=0
polynômes en f commutent,

g fj (x0 ) = fj (g (x0 )) = fj (P(f) (x0 )) = P(f) fj (x0 ) .
Ainsi, les endomorphismes g et P(f) coïncident sur une base de E. On en déduit que g = P(f).

Ceci montre que C(f) ⊂ Kn−1 [X] et finalement que
C(f) = Kn−1 [X] et en particulier, dim(C(f)) = n.
Commentaire. On avait établi autrement le résultat dim(C(f)) = n quand f a n valeurs propres simples dans l’exercice
15, page 37. ❏
7) Polynômes annulateurs et valeurs propres
Théorème 59.
• Soient E un K-espace vectoriel puis f ∈ L (E). Soient x ∈ E et λ ∈ K tels que f(x) = λx. Alors, pour tout P ∈ K[X],
P(f)(x) = P(λ)x.
• Soit A ∈ Mn (K). Soient X ∈ Mn (K) et λ ∈ K tels que AX = λX. Alors, pour tout P ∈ K[X], P(A)X = P(λ)X.
Démonstration. On démontre le résultat pour un endomorphisme f d’un K-espace vectoriel E. Soient x ∈ E et λ ∈ K
p
X
k k
tels que f(x) = λx. Le théorème 23, page 14, permet déjà d’affirmer que ∀k ∈ N, f (x) = λ x. Mais alors, si P = ak Xk
k=0
est un polynôme,
p p
!
X X
k k
P(f)(x) = ak f (x) = ak λ x = P(λ)x.
k=0 k=0
On en déduit le théorème suivant qui montre que la connaissance d’un polynôme annulateur peut permettre de déterminer
les valeurs propres d’un endomorphisme ou d’une matrice.
Théorème 60.
• Soient E un K-espace vectoriel puis f ∈ L (E). Soit P ∈ K[X] un polynôme annulateur de f. Alors, pour toute valeur
propre λ de f, on a P(λ) = 0.
• Soit A ∈ Mn (K). Soit P ∈ K[X] un polynôme annulateur de A. Alors, pour toute valeur propre λ de A, on a P(λ) = 0.
Démonstration. On démontre le résultat pour un endomorphisme f d’un K-espace vectoriel E.
Soit P un polynôme annulateur de f. Soit λ une (éventuelle) valeur propre de f. Il existe un vecteur x non nul tel que
f(x) = λx. D’après le théorème 59, 0 = P(f)(x) = P(λ)x. Puisque x n’est pas nul, on obtient P(λ) = 0.
Ainsi, toute valeur propre est automatiquement racine d’un polynôme annulateur. Il ne faut cependant pas croire
que toute racine d’un polynôme annulateur est valeur propre. Par exemple, une projection vérifie

p ◦ (p − IdE ) ◦ (p − 2IdE ) = p2 − p ◦ (p − 2IdE ) = 0 ◦ (p − 2IdE ) = 0.
Donc le polynôme X(X − 1)(X − 2) est un polynôme annulateur de p. Le théorème précédent affirme que le spectre de p
(c’est-à-dire ici l’ensemble des valeurs propres de p) est contenu dans {0, 1, 2} :
Sp(p) ⊂ {0, 1, 2}.

Mais le théorème précédent ne dit pas si 0 ou 1 ou 2 sont valeur propres de p. De fait, on sait que 2 n’est pas valeur propre
de p et même si par exemple p = IdE (qui est une projection), 0 n’est pas valeur propre de p. On retiendra
les valeurs propres d’un endomorphisme ou d’une matrice sont à choisir parmi les racines d’un polynôme
annulateur.
Un cas particulier de polynôme annulateur est le polynôme minimal µf (ou µA ). On sait que µf est un diviseur de χf .
Donc, si χf est scindé sur K et s’écrit donc
p
Y
χf = (X − λi )αi
i=1
où les λi sont les valeurs propres deux à deux distinctes de f et les αi sont des entiers naturels non nuls, alors µf s’écrit

p
Y βi
µf = (X − λi )
i=1
où pour tout i ∈ J1, pK, 0 6 βi 6 αi . Mais toute valeur propre de f doit être racine du polynôme annulateur µf et on peut
donc améliorer le résultat précèdent sous la forme
Théorème 61.
• Soient E un K-espace vectoriel de dimension finie non nulle puis f ∈ L (E). On suppose que χf est scindé sur K et
s’écrit donc
p
Y αi
χf = (X − λi )
i=1
où les λi sont les valeurs propres deux à deux distinctes de f et les αi sont des entiers naturels non nuls. Alors µf
s’écrit
p
Y
µf = (X − λi )βi
i=1
où pour tout i ∈ J1, pK, 1 6 βi 6 αi .

• Soit A ∈ Mn (K). On suppose que χA est scindé sur K et s’écrit donc
p
Y αi
χA = (X − λi )
i=1
où les λi sont les valeurs propres deux à deux distinctes de A et les αi sont des entiers naturels non nuls. Alors µA
s’écrit
p
Y
µA = (X − λi )βi
i=1
où pour tout i ∈ J1, pK, 1 6 βi 6 αi .

 
3 1 0
Exercice 17. Déterminer le polynôme minimal de A =  −4 −1 0 .
4 8 −2

X−3 −1 0

Solution 17. χA = 4 X+1 0 = (X − 2) X2 − 2X + 1 = (X − 1)2 (X + 2). Le polynôme minimal de A est
−4 −8 X+2
un diviseur unitaire de χA et admet les nombres 1 et −2 pour racines. Donc, µA est l’un des deux polynômes (X − 1)(X + 2)
ou (X − 1)2 (X + 2).
Maintenant
    
2 1 0 5 1 0 6 × ×
(A − I3 ) × (A + 2I3 ) =  −4 −2 0   −4 1 0  =  × × × =6 0
4 8 −3 4 8 0 × × ×
et donc
µA = (X − 1)2 (X + 2).

8) Le théorème de décomposition des noyaux
Théorème 62.
• Soient E un K-espace vectoriel puis f ∈ L (E). Soient P et Q deux polynômes premiers entre eux.
Ker ((P × Q)(f)) = Ker(P(f)) ⊕ Ker(Q(f)).
• Soit A ∈ Mn (K). Soient P et Q deux polynômes premiers entre eux.
Ker ((P × Q)(A)) = Ker(P(A)) ⊕ Ker(Q(A)).

Démonstration. On démontre le résultat pour un endomorphisme f. On note tout d’abord que pour tout x de E, puisque
deux polynômes en f commutent
x ∈ Ker(P(f)) ⇒ P(f)(x) = 0 ⇒ Q(f)(P(f)(x)) = 0 ⇒ (P(f) ◦ Q(f))(x) = 0 ⇒ (P × Q)(f)(x) = 0 ⇒ x ∈ Ker((P × Q)(f)),
et donc Ker(P(f)) ⊂ Ker((P × Q)(f)). De même, Ker(Q(f)) ⊂ Ker((P × Q)(f)).

Puisque P et Q sont premiers entre eux, d’après le théorème de Bézout, il existe deux polynômes U et V tels que
U × P + V × Q = 1.
En évaluant en f, on obtient U(f) ◦ P(f) + V(f) ◦ Q(f) = IdE . Soit alors x ∈ Ker((P × Q)(f)) = Ker(P(f) ◦ Q(f)). En évaluant
en x, on obtient
x = (U(f) ◦ P(f))(x) + (V(f) ◦ Q(f))(x) (∗).

Posons y = (V(f) ◦ Q(f))(x) et z = (U(f) ◦ P(f))(x) de sorte que x = y + z. Puisque deux polynômes en f commutent, on a
P(f)(y) = P(f)((V(f) ◦ Q(f))(x)) = V(f)((P(f) ◦ Q(f))(x)) = V(f)(0) = 0

et aussi
Q(f)(z) = Q(f)((U(f) ◦ P(f))(x)) = U(f)((P(f) ◦ Q(f))(x)) = U(f)(0) = 0.

Donc, y ∈ Ker(P(f)) et z ∈ Ker(Q(f)). On a montré que
∀x ∈ Ker((P × Q)(f)), ∃(y, z) ∈ Ker(P(f)) × Ker(Q(f))/ x = y + z,

et donc que Ker ((P × Q)(f)) = Ker(P(f)) + Ker(Q(f)).
Si maintenant x ∈ Ker(P(f)) ∩ Ker(Q(f))(⊂ Ker((P × Q)(f))), l’égalité (∗) fournit x = 0 + 0 = 0 et donc Ker(P(f)) ∩
Ker(Q(f)) = {0}. On a montré que
Ker ((P × Q)(f)) = Ker(P(f)) ⊕ Ker(Q(f)).
Commentaire. On rappelle qu’il y a d’autres manières de constater que deux polynômes sont premiers entre eux. Par
exemple, deux polynômes sont nus sont premiers entre eux si et seulement si ces deux polynômes n’ont pas de racine
commune dans C. ❏
Le théorème précédent se généralise immédiatement par récurrence :
Théorème 63.
• Soient E un K-espace vectoriel puis f ∈ L (E). Soient P1 , . . . ,Pk des polynômes deux à deux premiers entre eux.
Ker ((P1 × . . . × Pk )(f)) = Ker (P1 (f)) ⊕ . . . ⊕ Ker(Pk (f)).
• Soit A ∈ Mn (K). Soient P1 , . . . ,Pk des polynômes deux à deux premiers entre eux.
Ker ((P1 × . . . × Pk )(A)) = Ker (P1 (A)) ⊕ . . . ⊕ Ker(Pk (A)).

Un cas particulier du théorème 63 est le cas où on suppose de plus que P = P1 × . . . × Pk est un polynôme annulateur de
f. On obtient :

Théorème 64.
• Soient E un K-espace vectoriel puis f ∈ L (E). Soient P1 , . . . ,Pk des polynômes deux à deux premiers entre eux
puis P = P1 × . . . × Pk . On suppose de plus que P est annulateur de f.
E = Ker (P1 (f)) ⊕ . . . ⊕ Ker(Pk (f)).
• Soit A ∈ Mn (K). Soient P1 , . . . ,Pk des polynômes deux à deux premiers entre eux puis P = P1 × . . . × Pk . On
suppose de plus que P est annulateur de A.
Mn,1 (K) = Ker (P1 (A)) ⊕ . . . ⊕ Ker(Pk (A)).

Exemple. En maths sup, on étudie les projections vectorielles : un endomorphisme p est une projection vectorielle si et
seulement si p2 = p. Le polynôme X2 − X = X(X − 1) est annulateur de p. Les polynômes X et X − 1 sont premiers entre
eux car sans racine commune dans C. Le théorème de décomposition des noyaux fournit alors directement
E = Ker (p − IdE ) ⊕ Ker(p).

Ce résultat a déjà été établi en maths sup « à la main ». De même, X2 − 1 = (X − 1)(X + 1) est annulateur d’une symétrie
vectorielle s. Le théorème de décomposition des noyaux fournit directement
E = Ker (s − IdE ) ⊕ Ker (s + IdE ) .

❏
9) Une nouvelle caractérisation de la diagonalisabilité
Théorème 65.
• Soient E un K-espace vectoriel de dimension finie non nulle puis f ∈ L (E).
f est diagonalisable si et seulement si il existe un polynôme P non nul, scindé sur K à racines simples tel que P(f) = 0.
A est diagonalisable si et seulement si il existe un polynôme P non nul, scindé sur K à racines simples tel que P(A) = 0.
Démonstration. On montre le résultat pour un endomorphisme f d’un K-espace vectoriel de dimension finie non nulle.
• Supposons que f soit
Mdiagonalisable. Notons λ1 , . . . , λp les valeurs propres deux à deux distinctes de f. Puisque f est
diagonalisable, E = Ker (f − λi IdE ).
16i6p
p
Y
Soit P = (X − λi ). P est un polynôme non nul, scindé sur K à racines simples.
i=1
Soient i ∈ J1, pK puis x ∈ Eλi (f). Puisque deux polynômes en f commutent,

Y Y
P(f)(x) = (f − λj IdE ) ((f − λi IdE ) (x)) = (f − λj IdE ) (0) = 0.
j6=i j6=i
Ainsi, la restriction de l’endomorphisme P(f) à chaque Eλi (f) est nulle. Puisque ces sous-espaces sont supplémentaires, on
en déduit que P(f) = 0. P est donc un polynôme non nul, scindé sur K à racines simples et annulateur de f.
k
Y
• Supposons qu’il existe un polynôme P non nul, scindé sur K à racines simples et annulateur de f. Posons P = (X − µi )
i=1
où les µi sont des éléments de K deux à deux distincts. Les polynômes (X − µi ) sont deux à deux premiers entre eux et
le polynôme P est annulateur de f. Le théorème de décomposition des noyaux permet d’écrire
M
E= Ker (f − µi IdE ) .
16i6k
Soit B une base de E adaptée à cette décomposition (on rappelle que si un Ker (f − µi IdE ) est nul, une base de ce noyau
est ∅). B est une base de E constituée de vecteurs propres de f et donc f est diagonalisable.
Une variante de ce théorème est :

Théorème 66.
• Soient E un K-espace vectoriel de dimension finie non nulle puis f ∈ L (E).
f est diagonalisable si et seulement si µf est scindé sur K à racines simples.
A est diagonalisable si et seulement si il existe µA est scindé sur K à racines simples.
Démonstration. Si µf est scindé sur K à racines simples, µf est un polynôme non nul, annulateur de f, scindé sur K à
racines simples et donc f est diagonalisable d’après le théorème précédent.
Inversement, si f est diagonalisable, d’après le théorème précédent, il existe un polynôme non nul P, scindé sur K à racines
simples et annulateur de f. Puisque P est annulateur de f, µf est un diviseur de P et puisque P est scindé sur K à racines
simples, il en est de même de µf .
Exercice 18.
Soit A ∈ Mn (C). On suppose qu’il existe p > 2 tel que Mp = In . Montrer que M est diagonalisable.
Solution 18. Soit P = Xp − 1. P est un polynôme annulateur de A. P ′ = pXp−1 admet 0 pour unique racine. Puisque 0
n’est pas racine de P, les polynômes P et P ′ sont sans racine commune dans C. On en déduit que P et P ′ sont premiers
entre eux puis que P est à racines simples.
On a trouvé un polynôme P (scindé) à racines simples tel que P(A) = 0 et donc A est diagonalisable.
Exercice 19.
Soit A ∈ Mn (R) telle que A3 + A2 + A = 0. Montrer que le rang de A est pair.
Solution 19.
Soit P = X3 + X2 + X = X(X − j)(X − j2 ). P est à racines simples dans C et annulateur de A. Donc A est diagonalisable dansγ
C et ses valeurs propres sont éléments de {0, j, j2 }. Le polynôme caractéristique de A est de la forme Xα (X − j)β X − j2
avec α + β + γ = n. De plus, A est réelle et on sait que j et j2 = j ont même ordre de multiplicité ou encore γ = β.
Puisque A est diagonalisable, l’ordre de multiplicité de chaque valeur propre est égale à la dimension du sous-espace propre
correspondant et donc
rg(A) = n − dim(KerA) = n − α = 2β.
On a montré que rgA est un entier pair.
On peut maintenant résumer les différentes conditions nécessaires et suffisantes ou simplement suffisantes de diagonali-
sabilité ou de trigonalisabilité pour un endomorphisme d’un K-espace vectoriel de dimension finie non nulle. Dans ce qui
suit, n est la dimension de E, les αi sont les ordres de multiplicité des valeurs propres et les ni sont les dimensions des
sous-espaces propres associés.
f est diagonalisable ⇔ il existe une base B de E constituée de vecteurs propres de f

⇔ il existe une base de E telle que MatB (f) est diagonale
⇔ E est somme directe des sous-espaces propres de f
X p
⇔n= ni
i=1
⇔ χf est scindé sur K et ∀i ∈ J1, pK, ni = αi .
⇔ il existe un polynôme P non nul, scindé sur K, à racines simples tel que P(f) = 0
⇔ µf est scindé sur K à racines simples
⇐ f a n valeurs propres simples ou encore χf est scindé sur K à racines simples
D’autre part,
f est trigonalisable⇔ χf est scindé sur K.

10) Les sous-espaces Ker ((f − λi IdE )αi )
Soit f un endomorphisme d’un K-espace vectoriel de dimension finie n non nulle dont le polynôme caractéristique est
scindé sur K. On peut poser
p
Y αi
χf = (X − λi ) ,
i=1
p
X
où les λi sont des nombres deux à deux distinctes de f et les αi sont des entiers naturels non nuls tels que αi = n (les
i=1
λi sont donc les valeurs propres deux à deux distinctes de f et les αi les ordres de multiplicité correspondants).
Les polynômes (X − λi )αi sont deux à deux premiers entre eux (car sans racine commune dans C) et χf est un polynôme
annulateur de f d’après le théorème de Cayley-Hamilton. Le théorème de décomposition des noyaux permet d’écrire :
M α
E= Ker (f − λi IdE ) i (∗).
16i6p
αi α
On fixe dorénavant un i ∈ J1, pK et on étudie Ker (f − λi IdE ) ainsi que la restriction de f à Ker (f − λi IdE ) i .
αi
• Ker (f − λi IdE ) contient le sous-espace propre Eλi (f) car
αi −1
x ∈ Eλi (f) ⇒ (f − λi IdE ) (x) = 0 ⇒ (f − λi IdE ) ((f − λi IdE ) (x)) = 0
αi αi
⇒ (f − λi IdE ) (x) = 0 ⇒ x ∈ Ker (f − λi IdE ) .
α α
• (f − λi IdE ) i est un polynôme en f et donc commute avec f. On sait alors que Ker (f − λi IdE ) i est un sous-espace
α
vectoriel de E stable par f ou encore f induit un endomorphisme de Ker (f − λi IdE ) i que l’on note fi .
Que f soit diagonalisable ou pas, l’espace E a été décomposé en somme de sous-espaces supplémentaires stables par f.
Dans une base adaptée à la décomposition (∗), la matrice de f est diagonale par blocs.
α
• Pour i ∈ J1, pK, posons di = λi IdE et ni = fi − di = fi − λi IdE . Par définition de Ker (f − λi IdE ) i , ni est un
endomorphisme de Ker (f − λi IdE )αi , nilpotent, d’indice de nilpotence inférieur ou égal à αi . De plus,
fi = di + ni .
Ainsi, chaque fi est somme d’une homothétie qui est un endomorphisme diagonalisable di et d’un endomorphisme nilpotent
ni . De plus, di ◦ ni = ni ◦ di .
α
• Le polynôme (X − λi ) i est annulateur de fi . Donc, fi admet au plus une valeur propre à savoir λi . Comme d’autre
α
part, λi est effectivement valeur propre de fi puisque Ker (f − λi IdE ) i contient le sous-espace propre Eλi (f), on a montré
que
fi admet exactement une valeur propre (éventuellement multiple) à savoir λi .
IX - Applications de la réduction
1) Calculs de puissances de matrices (ou d’endomorphismes)
On se donne une matrice A ∈ Mp (K) et on veut calculer les puissances positives de A. On fait ici la synthèse de quelques
méthodes apparaissant en classes préparatoires.
1ère méthode. Utilisation d’un polynôme annulateur.
Si on connaît un polynôme non nul P annulateur de A et de degré d, la division euclidienne de Xn par P s’écrit :
(n) (n) (n)
Xn = P × Qn + ad−1 Xd−1 + . . . + a1 X + a0 .
En évaluant en A, on obtient
(n) (n) (n) (n) (n) (n)
An = P(A) × Q(A) + ad−1 Ad−1 + . . . + a1 A + a0 Ip = ad−1 Ad−1 + . . . + a1 A + a0 Ip .
(n) (n)
Il n’y a donc qu’à calculer A0 , . . . , Ap−1 et les coefficients a0 , . . . , ad−1 .
 
0 3 2
Exemple. Soit A =  −2 5 2 . Un polynôme annulateur de A est χA d’après le théorème de Cayley-Hamilton.
2 −3 0
En développant suivant la première colonne, on obtient


X −3 −2

χA = 2 X −5 −2 = X X2 − 5X + 6 − 2 (−3X + 6) − 2 (2X − 4)

−2 3 X
= X(X − 2)(X − 3) + 6(X − 2) − 4(X − 2) = (X − 2)(X(X − 3) + 2) = (X − 1)(X − 2)2 .
Soit n ∈ N. La division euclidienne de Xn par χA s’écrit Xn = Q × χA + an X2 + bn X + cn (∗) où Q est un polynôme de

an , bn et cn sont trois réels. En évaluant en A et en tentant compte de χA (A) = 0, on obtient
An = an A2 + bn A + cn I3 .
Déterminons an , bn et cn . On évalue les deux membres de (∗) en 1 et 2 (en tenant compte de χA (1) = χA (2) = 0) puis
′
on dérive les deux membres de (∗) et on évalue de nouveau en 2 (en se rappelant que χA (2) = χA (2) = 0 puisque 2 est
racine double de χA ). On obtient :
   n−1
 an + bn + cn = 1  bn = −4an + n2n−1  bn = −4an + n2 n

4an + 2bn + cn = 2n
⇔ an + −4an + n2 n−1
+ cn = 1 ⇔ −3an + cn = 1 − 2n
 n−1  n−1 n 
 2
4an + bn = n2 4an + 2 −4an + n2 + cn = 2 −4an + cn = (1 − n)2n
 n n
 

 a n = 1 + − 1 2n  a = 1 + − 1 2n

 2 
 n
2
 n n 
− 1 2n + 2n 3n
⇔

bn = −4 1 +
2 2
⇔
 bn = −4 + − + 4 2n .

 
 2

 n n 
 cn = 3 1 + − 1 2n + 1 − 2n cn = 4 + (n − 3) 2n
2 2
    
0 3 2 0 3 2 −2 9 6
De plus, A2 =  −2 5 2   −2 5 2  =  −6 13 6  et donc
2 −3 0 2 −3 0 6 −9 −2
     
n −2 9 6 0 3 2 1 0 0
3n
An = 1 + − 1 2n  −6 13 6  + −4 + − + 4 2n  −2 5 2  + (4 + (n − 3) 2n )  0 1 0 
2 2
6 −9 −2 2 −3 0 0 0 1
 n n n

2−2 −3 + 3 × 2 −2 + 2 × 2
=  2 − 2 × 2n −3 + 4 × 2n −2 + 2 × 2n  .
−2 + 2 × 2n 3 − 3 × 2n 2 − 2n
Les calculs précédents étaient en fait maladroits

 car nous pouvions
 trouver un polynôme annulateur de degré strictement
−2 3 2
plus petit que 3. En effet, rg (A − 2I3 ) = rg  −2 3 2  = 1 et donc dim (Ker (A − 2I3 )) = 2. Ainsi, χA est scindé
2 −3 −2
sur R et l’ordre de multiplicité de chaque valeur propre est la dimension du sous-espace propre correspondant. Donc, A est
diagonalisable dans R puis µA est scindé sur R à racines simples. On en déduit que µA = (X − 1)(X − 2). On recommence
le même travail avec µA (qui est aussi annulateur de A mais de degré 2).
Xn = Qn × µA + an X + bn
avec

a n + bn = 1
2an + bn = 2n
et donc an = 2n − 1 et bn = 2 − 2n puis
   
0 3 2 1 0 0
An = an A + bn I3 = (2n − 1)  −2 5 2  + (2 − 2n )  0 1 0 
2 −3 0 0 0 1
 n n n

2−2 −3 + 3 × 2 −2 + 2 × 2
=  2 − 2 × 2n −3 + 4 × 2n −2 + 2 × 2n  .
−2 + 2 × 2n 3 − 3 × 2n 2 − 2n

2ème méthode. Utilisation d’une réduction.
Si A = PBP−1 , alors An = PBn P−1 . Si le calcul des puissances de B est plus simple que celui des puissances de A, on
utilise cette réduction. C’est par exemple le cas si B est diagonale. Notons que cette méthode peut fournir aussi l’inverse
de A en cas d’inversibilité et plus généralement les puissances négatives de A.

2 1 1
Exemple. Soit A = . χA = (X − 1)(X − 3) puis E1 (A) = Vect (C1 ) où C1 = et E3 (A) = Vect (C2 ) où
1 2 −1

1 1 1 1 1 −1 1 0
C2 = . On en déduit que A = P × D × P−1 où P = , P−1 = et D = . On en
1 −1 1 2 1 1 0 3
déduit que

1 1 1 1 0 1 −1 1 1 3n 1 −1
An = P × Dn × P−1 = =
2 −1 1 0 3n 1 1 2 −1 3n 1 1
 
3n + 1 3n − 1
 
=  n2 2
.
3 −1 3n + 1
2 2
3ème méthode. Utilisation d’un binôme.

On rappelle que si deux matrices A et B commutent, alors
n
X n
(A + B)n = Ak Bn−k .
k
k=0
Si le calcul des puissances de A et celui des puissances de B est faisable, on peut choisir cette méthode pour calculer les
puissances A + B.
     
−1 3 0 0 −1 0 0 0 0 3 0 0
 0 −1 0 0   0 −1 0 0   0 0 0 0 
Exemple. Soit T =   0
. Posons D =   = diag(−1, −1, 2, 2) et N =  =
0 2 1   0 0 2 0   0 0 0 1 
0 0 0 2 0 0 0 2 0 0 0 0
3E1,2 + E3,4 de sorte que T = D + N.
Un calcul par blocs montre directement que D et N commutent mais on peut retrouver ce fait :
DN = (−E1,1 − E2,2 + 2E3,3 + 2E4,4 ) (3E1,2 + E3,4 ) = −3E1,2 + 2E3,4

et
ND = (3E1,2 + E3,4 ) (−E1,1 − E2,2 + 2E3,3 + 2E4,4 ) = −3E1,2 + 2E3,4 .

De plus, N est nilpotente d’indice 2 car N2 = (3E1,2 + E3,4 ) (3E1,2 + E3,4 ) = 0. La formule du binôme de Newton fournit
pour n > 1 :

T n = (D + N)n = Dn + nDn−1 N = diag ((−1)n , (−1)n , 2n , 2n ) + n diag (−1)n−1 , (−1)n−1 , 2n−1 , 2n−1 (3E1,2 + E3,4 )
 
(−1)n 3(−1)n−1 n 0 0
 0 (−1)n 0 0 
= diag ((−1)n , (−1)n , 2n , 2n ) + 3(−1)n−1 nE1,2 + n2n−1 E3,4 = 

,
0 0 2n n2n−1 
0 0 0 2n
ce qui reste vrai pour n = 0.
2) Calculs d’inverses de matrices inversibles (ou de réciproques d’automorphismes)
On se donne une matrice A ∈ GLn (K) et on veut calculer l’inverse de A et plus généralement Ak , k ∈ Z. On fait ici un
bilan des quelques méthodes apparaissant en classes préparatoires.
1ère méthode. Utilisation d’un polynôme annulateur.
d
X
On suppose qu’il existe un polynôme de degré d > 1 tel que P(A) = 0. En posant P = ak Xk , on a donc
k=0
d
X
ak Ak = 0.
k=0

On suppose de plus que le coefficient constant a0 de P n’est pas nul. Alors,
d
X d
X
a k Ak = 0 ⇒ a 0 I n = − a k Ak
k=0 k=1

1 d−1
1 d−1

⇒ − a 1 In + . . . + a d A ×A=A× − a 1 In + . . . + a d A = In .
a0 a0
1
On en déduit que la matrice A est inversible et que A−1 = − a1 In + . . . + ad Ad−1 .
a0
 
a b ... b
 .. . 
 b a . .. 
Exemple. Soit M(a, b) = 
 ..
 ∈ Mn (C), n > 2. Soit J = M(1, 1). On a M(a, b) = (a − b)In + bJ.

 .. .. 
. . . b
b ... b a
La matrice J vérifie J2 = nJ et donc
2
(M(a, b) − (a − b)In ) = b2 J2 = nb2 J = nb (M(a, b) − (a − b)In ) ,
et donc
(M(a, b))2 − (2a + (n − 2)b)M(a, b) + (a − b)(a + (n − 1)b)In = 0.

• 1er cas. Supposons que a 6= b et a 6= −(n − 1)b. On peut écrire

1
M(a, b) × ((2a + (n − 2)b)In − M(a, b)) = In .
(a − b)(a + (n − 1)b)
Dans ce cas, M(a, b) est inversible et
 
a + (n − 2)b −b ... −b
 .. .. 
1  −b a + (n − 2)b . . 
(M(a, b))−1 =  .
(a − b)(a + (n − 1)b) 

.. ..
.
..
.


. −b
−b ... −b a + (n − 2)b
• 2ème cas. Si a = b, rg(M(a, b)) 6 1 < n et donc M(a, b) n’est pas inversible.
• 3ème cas. Si a = −(n − 1)b, la somme des colonnes de M(a, b) est nulle et donc M(a, b) n’est pas inversible. ❏
2 ème méthode. Inversion d’une matrice de passage.
Une matrice inversible A peut toujours être interprétée comme une matrice de passage. L’inversion s’écrit alors
′
B
A = PB ⇔ A−1 = PB
B
′.
Inverser A consiste donc à exprimer les vecteurs de B en fonction des vecteurs de B ′ .

 
1 1 1
Exemple. Soit A =  −1 −1 0 . det(A) = 1 + (−1) + 1 = 1 6= 0. Donc A est inversible. Notons (i, j, k) la base
1 0 −1
canonique de R3 et (e1 , e2 , e3 ) la base de R3 de matrice A dans la base (i, j, k).
  
 e1 = i − j + k  j = i − e2  i = e1 − e2 + e3
e2 = i − j ⇔ k = i − e3 ⇔ j = e1 − 2e2 + e3 ,
  
e3 = i − k e1 = i − (i − e2 ) + (i − e3 ) k = e1 − e2
 
1 1 1
et donc A−1 =  −1 −2 −1 . ❏
1 1 0
3 ème méthode. Utilisation de la définition de l’inverse.
Soit A ∈ Mn (K). Si on découvre B telle que A × B = B × A = In , alors A est inversible et B = A−1 .

2iπ
Exemple. Soit A = ω(k−1)(l−1) 16k,l6n
où ω = e n . A est la matrice de Vandermonde des racines n-èmes de l’unité.
Calculons A × A.
Soit (k, l) ∈ J1, nK2 . Le coefficient ligne k, colonne l, de la matrice A × A est
n
X n
X n
X u−1
ω(k−1)(u−1) ω(u−1)(l−1) = ω(k−1)(u−1)−(u−1)(l−1) = ωk−l .
u=1 u=1 u=1
n
X
Si k = l, ce coefficient vaut 1 = n.
u=1
Si k 6= l, alors k − l 6= 0 et d’autre part, −(n − 1) 6 k − l 6 (n − 1). En particulier, k − l n’est pas multiple de n et donc
ωk−l 6= 1. On en déduit que
n
X u−1 1 − ωn(k−l) 1−1
ωk−l = k−l
= = 0.
1−ω 1 − ωk−l
u=1

1 1
Finalement, A × A = nIn puis A × A = In . Donc, A est inversible et A−1 = A. ❏
n n
4 ème méthode. Utilisation d’un endomorphisme.
 
0 1 2 n−1 n
 0 ... 
 0
0 0 0 
 1 2 n−1 n 
 0 ... 
 1 
 1 1 1 
 .. .. 2 .. .. 
 . . . .  j
 2 
Soit A =  = . D’après la formule du binôme de New-
 .. .. ..  i 06i,j6n
 . . . 
 
 . . n−1 n 
 .. .. 
 n−1 n − 1 
 
 n 
0 ... ... 0
n
ton, pour tout j ∈ J0, nK,
Xj
j i j
(X + 1) = X.
i
i=0

A est donc la matrice dans la base canonique B0 = Xj 06j6n de Rn [X] de l’endomorphisme f : Rn [X] → Rn [X] .
P 7→ P(X + 1)
f est un automorphisme de Rn [X] de réciproque f−1 : Rn [X] → Rn [X] . On en déduit que A est inversible et que
P 7→ P(X − 1)
 
0 1 2 n−1 n
 0 − . . . (−1)n−1 (−1)n 
 0 0
0 0 
 1 2 n−2 n − 1 n−1 n

 0 − . . . (−1) (−1) 
 1 
 1 1 1 
 .. . .. 2 .. .. 

 . . . 
 j−i j
A−1 = MatB0 f −1
= 2  = (−1) .
 .. .. ..  i 06i,j6n
 . 

 . . . 

 .. .. n−1 n 
 . − 
 n−1 −
n 1 
 n 
0 ... ... 0
n
❏
1 t −1
Dans la liste des techniques de calculs d’inverses, on peut encore rappeler la formule A = (comA) ou aussi la
detA
méthode du pivot de Gauss. Ces deux techniques ne sont pas utilisées dans la pratique des exercices et problèmes de
classes préparatoires. Rappelons enfin une dernière technique : l’utilisation de la calculatrice.


02 Reduction PDF

Transféré par

Droits d'auteur :

Formats disponibles

02 Reduction PDF

Transféré par

Informations du document

Titre original

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

02 Reduction PDF

Transféré par

Droits d'auteur :

Formats disponibles

Réduction des endomorphismes et des matrices

I - Rappels de maths sup et compléments

Commentaire. On peut donc dorénavant dire : les matrices A et B sont semblables.

c Jean-Louis Rouget, 2015. Tous droits réservés.

B = P−1 AP = MatB ′ (f).

2) Matrices diagonales. Matrices triangulaires

c Jean-Louis Rouget, 2015. Tous droits réservés.

c Jean-Louis Rouget, 2015. Tous droits réservés.

3) Rappels sur les sommes de plusieurs sous-espaces

c Jean-Louis Rouget, 2015. Tous droits réservés.

On dispose de deux caractérisations des sommes directes :

la somme F + G + H est directe si et seulement si G ∩ F = {0} et H ∩ (F + G) = {0}.

c Jean-Louis Rouget, 2015. Tous droits réservés.

2) Montrons l’inégalité et son cas d’égalité par récurrence sur p > 2.

c Jean-Louis Rouget, 2015. Tous droits réservés.

avec égalité si et seulement si F1 ∩ F2 = {0} ou encore si et seulement si la somme F1 + F2 est directe.

De plus, on a l’égalité si et seulement si chacune

Le résultat est démonté par récurrence.

c Jean-Louis Rouget, 2015. Tous droits réservés.

⇔ card (B) = card(E)

F stable par f ⇔ ∀x ∈ E, (x ∈ F ⇒ f(x) ∈ F).

g (f(x)) = f (g(x)) ∈ Im(f).

f(g(x)) = g(f(x)) = g(0) = 0.

c Jean-Louis Rouget, 2015. Tous droits réservés.

x ∈ Ker (f − λIdE ) ⇔ (f − λIdE ) (x) = 0 ⇔ f(x) = λx.

f(g(x)) = g(f(x)) = g(λx) = λg(x),

D stable par f ⇔ f (Vect(x)) ⊂ Vect(x) ⇔ f(x) ∈ Vect(x) ⇔ ∃λ ∈ K, f(x) = λx.

c Jean-Louis Rouget, 2015. Tous droits réservés.

III - Valeurs propres, vecteurs propres, sous-espaces propres

λ valeur propre de f ⇔ λ valeur propre de A.

c Jean-Louis Rouget, 2015. Tous droits réservés.

c Jean-Louis Rouget, 2015. Tous droits réservés.

Pour une matrice carrée, cela donne

c Jean-Louis Rouget, 2015. Tous droits réservés.

c Jean-Louis Rouget, 2015. Tous droits réservés.

Sp(A) = {0, n}.

On donne maintenant un résultat important sur des familles de vecteurs propres.

α1 x1 + . . . + αn xn + αn+1 xn+1 = 0 (I).

c Jean-Louis Rouget, 2015. Tous droits réservés.

α1 (λ1 − λn+1 ) x1 + . . . + αn (λn − λn+1 ) xn = 0 ((I) − λn+1 (I)).

Une conséquence immédiate du théorème 25 est :

On a montré que ∀k ∈ N, fk g − gfk = kfk .

c Jean-Louis Rouget, 2015. Tous droits réservés.

Exercice 5. Soit ϕ : R2n [X] → R2n [X] (n ∈ N∗ ).

c Jean-Louis Rouget, 2015. Tous droits réservés.

f(x) = λx ⇔ (f − λIdE ) (x) = 0 ⇔ x ∈ Ker (f − λIdE ) .

c Jean-Louis Rouget, 2015. Tous droits réservés.

Démonstration. Montrons le résultat par récurrence sur p.

(λ1 − λp+1 ) x1 + . . . + (λp − λp+1 ) xp = 0.

Le résultat est démontré par récurrence.

IV - Endomorphismes ou matrices diagonalisables

c Jean-Louis Rouget, 2015. Tous droits réservés.

c Jean-Louis Rouget, 2015. Tous droits réservés.

Démonstration. D’après le théorème précédent et le théorème 15, page 6,

Une conséquence importante du théorème précédent est :

Définition 13. Soit A ∈ Mn (K).

c Jean-Louis Rouget, 2015. Tous droits réservés.

Donc Sp(A) = {1, 2}.

deg (χA ) = n et dom (χA ) = 1.

Il ne faut pas croire que deux éléments g et h de C(f) commutent. On a nécessairement g ◦ f = f ◦ g et h ◦ f = f ◦ h,