Réduction des endomorphismes en dimension finie 4-1

Sommaire 3.2. Exemples . . . . . . . . . . . . . . . . . . 4

3.3. Diagonalisation . . . . . . . . . . . . . . 4
1. Réduction en dimension finie 1 3.4. Exemples . . . . . . . . . . . . . . . . . . 5
1.1. Polynôme caractéristique . . . . . . . . . 1
1.2. Ordre de multiplicité . . . . . . . . . . . 2 4. Cas non diagonalisable 6
4.1. Trigonalisation . . . . . . . . . . . . . . . 6
2. Diagonalisation en dimension finie 2
4.2. Recherche d’une base trigonalisante . . 6
2.1. Diagonalisibilité . . . . . . . . . . . . . . 2
4.3. Cas d’un endomorphisme nilpotent . . 6
2.2. Polynôme scindé . . . . . . . . . . . . . 3
2.3. C.N.S. de diagonalisibilité . . . . . . . . 3
5. Compléments 6
2.4. Matrice diagonale semblable . . . . . . . 3
5.1. Utilisation de la trace . . . . . . . . . . . 6
2.5. Diagonalisibilité et diagonalisation . . . 4
5.2. Forme ultime en dimension 3 . . . . . . 7
2.6. Matrice symétrique réelle . . . . . . . . 4
5.3. Puissances de matrices . . . . . . . . . . 7
3. Recherche pratique 4 5.4. Avec Maple . . . . . . . . . . . . . . . . 9
3.1. Diagonalisibilité . . . . . . . . . . . . . . 4 5.5. Les mathématiciens du chapitre . . . . . 9

Le but de ce chapitre est, pour un endomorphisme donné, de rechercher une base dans laquelle son expression
sera la plus (( simple )) possible ou de rechercher les conditions que doit vérifier une telle base.
Pour une matrice donnée A, le but est de trouver une matrice semblable à A qui soit la plus (( simple )) possible.

1. Réduction d’un endomorphisme en dimension finie, d’une matrice

E est un espace vectoriel sur K (R ou C) de dimension n, n ∈ N∗ . B est une base de E.
ϕ est un endomorphisme de E. A est la matrice de ϕ dans la base B.

1.1. Polynôme caractéristique

Définition : On appelle polynôme caractéristique de ϕ, ou de A, le déterminant de ϕ − λ.Id E , ou de A − λIn ,
noté

Pϕ (λ ) = det (ϕ − λ.Id E ) = PA (λ ) = det ( A − λ.In )

Théorème : Pϕ (λ ) = PA (λ ) est un polynôme de degré n en λ.

Son terme de plus haut degré est (−1)n λ n .
Son terme constant est det (ϕ) = det ( A).
En pratique, il se calcule par Pϕ (λ ) = PA (λ ) = det ( A − λ.In ) où A = MB (ϕ) et In est la matrice idéntité.

Démonstration : A − λ.In est la matrice dans la base B de ϕ − λ.Id E et comme un déterminant se calcule dans
n’importe quelle base, on a Pϕ (λ ) = det ( A − λ.In ).
 
 a1,1 − λ a1,2 ... a1,n 
 
 .. .. 
 a
2,1 . . 
n+1
Pϕ (λ ) =   = ( a1,1 − λ ) ∆1,1 − a2,1 ∆2,1 + · · · + (−1) an,1 ∆n,1
 
.
.. ..

 . an−1,n 

 
 an,1 . . . an,n−1 an,n − λ 

Par récurrence, − a2,1 ∆2,1 + · · · + (−1)n+1 an,1 ∆n,1 ne peut contenir de terme en λ n , donc le terme de plus haut
degré est celui de ( a1,1 − λ ) ∆1,1 , c’est à dire celui de −λ∆1,1 . Par récurrence, c’est donc (−1)n λ n .
Enfin, λ = 0 fournit le terme constant Pϕ (0) = det (ϕ − [Link] E ) = det (ϕ).

Théorème : Les racines sur K de Pϕ (λ ) = PA (λ ) sont exactement (( les )) valeurs propres de ϕ ou de A.

Cours de Spé T.S.I.

c Christophe Caignaert – Lycée Colbert – 59200 Tourcoing – [Link]
4-2 Réduction des endomorphismes en dimension finie

Démonstration : Si λi est valeur propre de ϕ, (ϕ − λi .Id E ) n’est pas injective, donc n’est pas un isomorphisme
et donc son déterminant est nul.
Réciproquement, si det (ϕ − λi .Id E ) = 0, (ϕ − λi .Id E ) n’est pas injective, ker (ϕ − λi .Id E ) 6= {0} et donc λi est
valeur propre de ϕ.

Théorème : Si la matrice d’un endomorphisme dans une certaine base est triangulaire, les valeurs propres de
cet endomorphismes sont les termes de la diagonale de cette matrice.
Démonstration : det ( A − λ.In ) est le produit des éléments diagonaux, car cette matrice est toujours triangu-
laire. Les racines de ce polynôme en λ sont bien les éléments de la diagonale de A.

1.2. Ordre de multiplicité des valeurs propres, dimension des sous espaces propres
Définition : L’ordre de multiplicité de λi racine de Pϕ (λ ) = PA (λ ) est l’ordre de multiplicité de λi valeur
propre de ϕ ou de A.
On parle donc de valeur propre simple, double, multiple...
Chaque valeur propre est toujours donnée avec son ordre de multiplicité.

Théorème : Pour λi valeur propre de ϕ ou de A,

1 6 dim Eλi 6 Ordre de multiplicité de la valeur propre λi
Démonstration : Comme λi est
valeur propre de ϕ, dim Eλi > 1.

Soit p = dim Eλi et e1 ,e2 , . . . ,e p une base de Eλi qu’on complète par e p+1 , . . . ,en en une base de E.
 
λi 0 . . . 0 a1,p+1 . . . a1,n

.. .. . .. .. 
 0 . . .. . .
 

 .. . . . . .. ..
 
 . . . 0 . .


 .. . .
 
Dans cette base, ϕ a pour matrice  . . . . .  d’où
. λi

 . . 
 .. 
 .
 0 a p+1,p+1 . . . a p+1,n 

 . . . .
. . . .

 . . . . 
 
0 ... ... 0 an,p+1 . . . an,n
 
 λi − λ 0 . . . 0 a1,p+1 ... a1,n 
 

.. .. .. .. .. 
0 . . . . .
 
 
.. .. .. .. ..
 
. .

. 0 . .

 
.. . .
 
Pϕ (λ ) =  . . . .
. λi − λ
 
 . . . 

 .
. 

 . 0 a p+1,p+1 − λ . . . a p+1,n 
 .. .. .. .. 

 . . . . 

. . . an,n − λ 
 
 0 ... ... 0 an,p+1
 
 a
 p+1,p+1 − λ . . . a p+1,n 

.. ..
= (λi − λ ) p 
 
. . 

 
 an,p+1 . . . an,n − λ 
en remarquant par exemple que la matrice est triangulaire par blocs.
Ceci prouve que λi est racine de Pϕ (λ ) d’ordre au moins p.

Si λi est une valeur propre simple, alors dim Eλi = 1

Cours de Spé T.S.I.

c Christophe Caignaert – Lycée Colbert – 59200 Tourcoing – [Link]
Réduction des endomorphismes en dimension finie 4-3

2. Diagonalisation d’un endomorphisme en dimension finie, d’une matrice

2.1. Diagonalisibilité
Définition : Un endomorphisme ϕ de E est diagonalisable
⇔ E possède une base formée de vecteurs propres de ϕ
⇔ la matrice A est diagonalisable.

Dans une base de vecteurs propres, la matrice de ϕ est diagonale. Les valeurs propres se trouvent sur la
diagonale, chacune autant de fois que son ordre de multiplicité.
A est donc semblable à une matrice diagonale.

2.2. Polynôme scindé

Définition : Un polynôme scindé est un polynôme qui peut se factoriser en produit d’expressions du 1er
degré.
• X 2 + 2X + 1 = ( X + 1)( X + 1) est scindé sur R comme sur C,
• X 2 + X + 1 = ( X + j)( X + j2 ) est scindé sur C mais pas sur R.
En particulier, sur C, tous les polynômes sont scindés.

2.3. Condition nécessaire et suffisante de diagonalisibilité

Théorème : E de dimension n, ϕ ∈ L ( E),
ϕ est diagonalisable ⇔ la somme des dimensions des sous espaces propres est n ⇔ A est diagonalisable.
La démonstration est admise.

Théorème : (Condition nécessaire

( et suffisante)
Pϕ (λ ) = PA (λ ) est scindé et,
ϕ, ou A est diagonalisable ⇔
Pour chaque λi multiple, dim Eλi = ordre de multiplicité de λi

Théorème : (condition suffisante)

Si ϕ, ou A, admet n valeurs propres distinctes, alors ϕ, ou A, est diagonalisable.
Démonstration : Toutes les valeurs propres sont simples, chaque sous espace propre est donc de dimension
1...
Dans le cas où l’endomorphisme est diagonalisable, on obtient une base de vecteurs propres en mettant
bout à bout une base de chaque sous espace propre.

2.4. Matrice diagonale semblable

Théorème : Si A est diagonalisable, de valeurs propres λ1 , λ2 , . . . , λn distinctes ou confondues, de vecteurs
propres associés e1 , e2 , . . . , en . On appelle P la matrice de passage constituée en colonnes, et dans cet ordre, des
coordonnées de e1 , e2 , . . . , en écrits dans la base d’origine. Alors
 
λ1 0 . . . 0

 0 λ .. 
2 . 
D = P−1 AP =  .
 
 .. .. 
 . 0 

0 . . . 0 λn
On ne suivra la méthode donnée que si n est (( petit )) et quand l’énoncé ne guide pas vers une autre.
A diagonalisable n’est pas diagonale, c’est D qui l’est...

Cours de Spé T.S.I.

c Christophe Caignaert – Lycée Colbert – 59200 Tourcoing – [Link]
4-4 Réduction des endomorphismes en dimension finie

2.5. Diagonalisibilité et diagonalisation

Quand une matrice A est diagonalisable, une erreur courante est de dire que, dans une certaine base, A
est diagonale, ce qui est bien sûr grossièrement faux et même stupide.
On a simplement une matrice de passage P et une matrice diagonale D telles que A = PDP−1 ou
bien D = P−1 AP.
La confusion provient de ce que A et D sont les matrices d’un même endomorphisme dans deux bases
différentes...
Il est par contre exact de dire que si un endomorphisme ϕ est diagonalisable, et s’il est de matrice A dans
la base B, il existe une base B 0 dans laquelle la matrice de ϕ est D, diagonale.
P étant la matrice de passage de B vers B 0 , on a alors : A = PDP−1 et D = P−1 AP.

2.6. Matrice symétrique réelle

Théorème : Une matrice symétrique réelle est diagonalisable avec, au besoin, une matrice de passage ortho-
gonale.
Ce théorème, très utile en pratique, n’est ici que pour mémoire, on se reportera au chapitre suivant.

3. Recherche pratique
3.1. Diagonalisibilité
• On calcule PA (λ ).
◦ Si PA (λ ) n’est pas scindé, A n’est pas diagonalisable. On a terminé.
• On factorise PA (λ ), en particulier, on cherche les valeurs propres multiples.
◦ S’il n’y en a pas, A est diagonalisable. On a terminé.
On cherche la dimension de chaque sous espace propre associé à une valeur propre multiple.
On utilisera parfois dim Eλi = n − rang ( A − λi .In ).
◦ Si chaque dimension est l’ordre de multiplicité de la valeur propre, A est diagonalisable. On a ter-
miné.
◦ Sinon, A n’est pas diagonalisable. On a terminé.

3.2. Exemples
!
2 −1
• Son polynôme caractéristique est : 4 λ 2 + 1 qui n’a pas de racines réelles, et donc, cette ma-
1 2
trice n’est pas diagonalisable sur R.
!
2 1
• n’est pas diagonalisable. En effet, 2 est valeur propre double et le sous-espace propre est de
0 2
dimension 1. !
0 1
En effet, A − 2 I2 = est de rang 1 et donc E2 est de dimension 2 − 1 = 1 6= 2.
0 0

3.3. Diagonalisation
Dans ce paragraphe, on supposera que A est effectivement diagonalisable.
• Calculer PA (λ ).
• Factoriser PA (λ ), chercher les valeurs propres.
• Pour chaque valeur propre, chercher une base du sous espace propre associé.
• On obtient une base de vecteurs propres en mettant bout à bout les différentes bases des sous espaces
propres.

Cours de Spé T.S.I.

c Christophe Caignaert – Lycée Colbert – 59200 Tourcoing – [Link]
Réduction des endomorphismes en dimension finie 4-5

3.4. Exemples
 
0 ··· 0 1
 .
 . . . . .. .. 

 . . . 
On va diagonaliser la matrice A =   avec n > 3.
 0 ··· 0 1 
 
1 ··· 1 0
Cette matrice est symétrique réelle, donc diagonalisable.

a/ Première méthode

La matrice est clairement de rang 2, 0 est donc valeur propre d’ordre exactement n − 2 compte tenu de la
diagonalisibilité.
(
xn = 0
Le sous-espace propre, qui est le noyau, est facile à déterminer, il est défini par
x1 + · · · + xn−1 = 0
Il ne nous manque que la ou les deux valeurs propres non nulles. Compte tenu de la trace nulle, ce sont deux
valeurs propres opposées.
 
x1
 . 
. 
On cherche les vecteurs X =   .  tels que AX = λX, avec λ 6= 0,
xn


 xn = λx1

 
 xn = λx2

  xn = λx1

 
ce qui donne ou encore x1 = x2 = . . . = xn−1
 
(n − 1) x1 = λ 2 x1
 
 xn = λxn−1





x1 + · · · + xn−1 = λxn

√
On utilise alors cette dernière équation. x1 = 0 entraîne X = 0 ce qui est impossible. On a donc λ = ± n − 1
1
 . 
 . 
 . 
qui sont les deux autres valeurs propres. Les sous-espaces propres correspondants sont engendrés par  .
 1 
 
λ

b/ Deuxième méthode

On vaplus classiquement chercher

 le polynôme caractéristique.
 
 −λ 0 · · · 0 1   0 −λ 0 · · · 0 
  
 .. .. .. ..   . .
 . .. ... ...


 0 . . . .   .


 . ..  = −λ∆ n+1  .
.. .. .. ..
  
∆n =  .. . . 0 .  n−1 + (− 1 )  .. . . 0


   
 0 · · · 0 −λ 1   0 · · · · · · 0 −λ 
   
   
 1 · · · · · · 1 −λ   1 ··· ··· ··· 1 
n n−1
= −λ∆n−1 − (−λ )n−2 en développant selon la première ligne puis le déterminant restant selon la première
colonne.
On obtient finalement ∆n = (−1)n λ n − (n − 1) λ n−2 par simple récurrence facile à obtenir. Ce qui fournit

bien sûr les mêmes valeurs propres qu’avec la méthode précédente.

Il ne reste qu’à chercher les sous-espaces propres correspondants.

Cours de Spé T.S.I.

c Christophe Caignaert – Lycée Colbert – 59200 Tourcoing – [Link]
4-6 Réduction des endomorphismes en dimension finie

4. Réduction d’un endomorphisme non diagonalisable

4.1. Trigonalisation
Théorème : E de dimension n, ϕ ∈ L ( E), tel que le polynôme caractéristique de ϕ est scindé, alors il existe
une base où la matrice de ϕ est triangulaire.
Les valeurs propres se trouvent sur la diagonale, chacune autant de fois que son ordre de multiplicité.

Théorème : A une matrice carrée telle que le polynôme caractéristique de A est scindé, alors il existe une
matrice triangulaire T semblable à A.
Les valeurs propres se trouvent sur la diagonale, chacune autant de fois que son ordre de multiplicité.
La démonstration de ces deux théorèmes est admise.

4.2. Recherche d’une base trigonalisante

On va travailler sur un exemple courant :
E est de dimension 3, λ1 est valeur propre simple, λ2 valeur propre double de ϕ.
De plus dim Eλ1 = dim Eλ2 = 1. ϕ n’est donc pas diagonalisable mais est trigonalisable.
En principe, dans une telle recherche, l’énoncé doit vous guider. Ici,
• On cherche e1 base de Eλ1
• On cherche e2 base de Eλ2
• On cherche e3 tel que (ϕ − λ2 .Id E ) (e3 ) = e2
• On vérifie que (e1 , e2 , e3 ) est bien une
 base de E 
λ1 0 0
 
Dans cette base, la matrice de ϕ est 
 0 λ2 1 

0 0 λ2

4.3. Triangularisation d’un endomorphisme ou d’une matrice nilpotents

Rappelons qu’une matrice A est nilpotente si et seulement si il existe p tel que A p = 0. On a la même définition
pour un endomorphisme nilpotent.
Si X est un vecteur propre de A pour la valeur propre λ, alors il est aussi vecteur propre de A p pour la valeur
propre λ p .
Que l’on travaille sur C ou sur R, le polynôme caractéristique est scindé et l’unique valeur propre est nulle.
A est donc semblable à une matrice strictement triangulaire.  
0 ε1 0 ··· 0
.. .. .. .. ..
 
. . .

. .

 
..
 
On peut même montrer que A est semblable à une matrice de la forme  .. ..  où les εi
. .
 
 . 0 
 .. .. 

 . . εn−1 

0 ··· ··· ··· 0
valent 0 ou 1. Mais ceci est hors-programme.

5. Compléments
5.1. Utilisation de la trace
Rappelons que la trace d’une matrice est une notion hors-programme souvent présente dans les problèmes. La
trace d’un endomorphisme est la somme de éléments diagonaux de sa matrice dans une base quelconque. Ce
qui nous donne :

Théorème : Quand le polynome caractéristique est scindé, la trace d’un endomorphisme, qui est la somme
des éléments diagonaux de sa matrice dans une base quelconque, est égale à la somme des valeurs propres.

Cours de Spé T.S.I.

c Christophe Caignaert – Lycée Colbert – 59200 Tourcoing – [Link]
Réduction des endomorphismes en dimension finie 4-7

Démonstration : Il suffit de se placer dans une base où la matrice est triangulaire. Les valeurs propres sont
alors sur la diagonale.

Ceci permet souvent de vérifier la cohérence des calculs de valeurs propres...

5.2. Forme ultime en dimension 3

On considère ici un endomorphisme en dimension 3 dont le polynôme caractéristique est scindé.
On va décrire la meilleure forme que peut avoir sa matrice dans une certaine base, selon les ordres de multi-
plicité des valeurs propres et la dimension des sous-espaces propres associés.

a/ Trois valeurs propres simples

 
λ 0 0
 
L’endomorphisme est diagonalisable et a pour matrice 
 0 µ  dans une base bien choisie.
0 
0 0 ν

b/ Deux valeurs propres, une simple et une double

 
λ 0 0
 
• Si l’endomorphisme est diagonalisable, il a pour matrice 
 0 λ  dans une base bien choisie.
0 
0 0 µ
 
λ 1 0
 
• Si l’endomorphisme n’est pas diagonalisable, il a pour matrice 
 0 λ 0  dans une base bien choisie.

0 0 µ
On constitue cette base comme dans l’exemple étudié au paragraphe 4.2..

c/ Une valeur propre triple

 
λ 0 0
 
• Si l’endomorphisme est diagonalisable, il a pour matrice 
 0 λ 0  dans une base bien choisie.

0 0 λ
C’est l’homothétie de rapport λ. L’endomorphisme a d’ailleurs cette matrice dans n’importe quelle base
...  
λ 1 0
 
• Si l’endomorphisme n’est pas diagonalisable, il a pour matrice  0 λ 0  si le sous-espace propre est

0 0 λ
 
λ 1 0
 
de dimension 2 ou   0 λ 1  si le sous-espace propre est de dimension 1, toujours dans une base

0 0 λ
bien choisie.
Ici, l’énoncé doit vous guider dans la recherche de cette base.

5.3. Puissances de matrices

Un problème courant est de calculer la puissance mème d’une matrice. Même si l’énoncé doit vous guider, on
passe ici en revue quelques cas habituels.

Cours de Spé T.S.I.

c Christophe Caignaert – Lycée Colbert – 59200 Tourcoing – [Link]
4-8 Réduction des endomorphismes en dimension finie

a/ Matrice diagonalisable

D = P−1 AP

et donc

A = PDP−1
A2 = PDP−1 PDP−1 = PD 2 P−1

et par récurrence très facile

Am = PD m P−1
   
λ1 0 ... 0 λ1m 0 . . . 0

 0 ..  
 0 λm .. 
λ2 .  2 . 
de plus, si D =  . alors D m =  .
   
 .. .. 
. . .. 0 

 . 0 
 .


0 . . . 0 λn 0 . . . 0 λn m

Il ne reste (( qu’un calcul )) de produit de 3 matrices pour terminer, à savoir : Am = PD m P−1 .

b/ Utilisation d’une matrice dont une puissance est nulle

m
Si A = ( B + C ), avec BC = CB, alors Am = ∑ Ckm Bm−k C k par la formule du binôme.
k =0
2
Si, de plus, C3 = 0 par exemple, alors Am = ∑ Ckm Bm−k Ck car tous les autres termes sont nuls.
k =0
Comme enfin, dans ce cas, on connait les puissances de B (qui est le plus souvent diagonale...).
Heureusement que l’énoncé vous guide.
Il arrive qu’on utilise une combinaison des deux méthodes précédentes quand la matrice est simplement tri-
gonalisable.      
λ 1 0 λ 0 0 0 1 0
Si A est semblable à A0 = 
     
 =  0 λ 0 +
 0 λ 0     0 0 0  .
0 0 µ 0 0 µ 0 0 0
La puissance mème de la première matrice est facile à obtenir, la deuxième est bien nilpotente et elles com-
mutent... On calcule donc A0m selon la deuxième méthode puis Am avec la matrice de passage.

c/ Utilisation d’un polynôme annulateur

Supposons par exemple que

A2 − 3A + 2In = 0

On va montrer deux façons classiques de procéder.

• Par division euclidienne de polynômes

On factorise

X 2 − 3X + 2 = ( X − 1) ( X − 2)

Par simple divion euclidienne, on écrit :

X m = Q ( X ) ( X − 1) ( X − 2) + aX + b

On pose alors successivement X = 1 puis X = 2.

Cours de Spé T.S.I.

c Christophe Caignaert – Lycée Colbert – 59200 Tourcoing – [Link]
Réduction des endomorphismes en dimension finie 4-9

( (
1 = a+b a = 2m − 1
Ce qui donne d’où et enfin
2m = 2a + b b = 2 − 2m

Am = (2m − 1) A + (2 − 2m ) In

Cette méthode est intéressante quand le degré du polynôme annulateur est petit. Elle est applicable
quelle que soit la dimension de la matrice A.
• Par suites récurrentes linéaires
On a :

A2 = 3A − 2In
A3 = 3A2 − 2A
= 3 (3A − 2In ) − 2A
= 7A − 6In

Par récurrence immédiate, les puissances de A sont donc combinaison linéaire de A et de I :

Am = am A + bm In

On écrit alors Am+1 de 2 façons :

Am+1 = am A2 + bm A
= am (3A − 2In ) + bm A
= (3am + bm ) A − 2am In
= am+1 A + bm+1 In

Ce qui donne :

am+1 = 3am + bm
bm+1 = −2am

Ou encore :

am+2 = 3am+1 − 2am

Il ne reste qu’à rechercher, en tenant compte des conditions initiales, cette suite récurrente linéaire.

5.4. Avec Maple

Comme pour tout l’algèbre linéaire, il faut d’abord charger le pack linalg :
> with(linalg);
> charpoly(A,lambda); calcule le polynôme caractéristique de A de variable λ.
> eigenvals(A); fournit les valeurs propres d’une matrice et
> eigenvects(A); fournit les valeurs propres et une base de chaque sous espace propre. Dans la mesure,
bien sûr, où Maple sait résoudre l’équation qui permet de calculer les valeurs propres...
On aura parfois intérêt à voir les racines du polynôme caractéristique de A par :
> solve(charpoly(A,lambda),lambda);
De plus, comme toujours, on se méfiera des cas particuliers quand il y a des paramètres...

5.5. Les mathématiciens du chapitre

Cayley Arthur 1821-1895 On doit à cet anglais de nombreux travaux sur les matrices, la diagonalisation, la
notion de polynôme caractéristique...

Cours de Spé T.S.I.

c Christophe Caignaert – Lycée Colbert – 59200 Tourcoing – [Link]