Agrégation interne

UFR MATHÉMATIQUES

Réduction d’endomorphismes

1. Qu’est-ce que réduire un endomorphisme ?

Soient E un espace vectoriel de dimension finie sur un corps K et f un endomorphisme de
E. Si on se place dans une base de E, on peut représenter f par une matrice. Le but de ce
chapitre est de trouver une base de E telle que la matrice représentant f dans cette base
soit la plus “simple” possible (on prend la même base pour E ensemble de départ que pour
E ensemble d’arrivée).
Définition 1 –
− on dit que f est diagonalisable, s’il existe une base {ei } de E telle que
 
a11 0 · · · 0
. .. 
 0 a22 . .

. 
M (f )ei =  . .. .. 
 .. . . 0 
0 · · · 0 ann
− on dit que f est triangularisable (ou trigonalisable), s’il existe une base {ei } de E telle
que

   
a11 a12 ··· a1n a11 0 ··· 0
 ..   .. .. 
 0 a22 .
a2n   a21 a22 . . 
M (f )ei =  .. .. .. 
..  ou M (f )ei =  . .. .. 
 . . ..  .. . . 0 
0 · · · 0 ann an1 · · · ann−1 ann
Dans toute la suite, on suppose que E est un espace vectoriel de dimension finie sur un
corps K.

2. Vecteurs propres - Valeurs propres

2.1. Vecteurs propres

Définition 2 – Soit f ∈ L (E). Un vecteur u ∈ E est un vecteur propre de f si
1) u est non nul
2) il existe λ ∈ K, f (u) = λ u

Le scalaire λ est appelé valeur propre associée à u.

Remarque - Si u est vecteur propre de f , alors, par linéarité de f , αu est vecteur propre
de f pour tout α 6= 0.
Théorème 3 – L’endomorphisme f de E est diagonalisable si et seulement il existe une
base de E formée de vecteurs propres de f .
Préparation à l’agrégation interne Année 2005-2006

Démonstration : si f est diagonalisable, alors il existe une base {e1 , . . . , en } telle que
 
a11 0 ··· 0
 .. .. 
 0 a22 . . 
M (f )ei =  .. .. .. 
 . . . 0 
0 ··· 0 ann

On en déduit que, pour tout vecteur ei de cette base f (ei ) = aii ei avec ei 6= 0 donc cette
base est formée de vecteurs propres. Réciproquement, si E admet une base de vecteurs
propres de f , il est clair que la matrice de f dans cette base sera diagonale.
Remarque - Si f est diagonalisable, les termes qui apparaissent sur la diagonale de la
matrice représentant f dans une base de vecteurs propres sont les valeurs propres associées.

2.2. Polynôme caractéristique

Soit λ une valeur propre de f . L’endomorphisme f − λId n’est alors pas injectif puisqu’il
existe u 6= 0 tel que f (u) = λ u. Comme on est en dimension finie, c’est équivalent à sa
non-bijectivité, donc à ce que le déterminant de f − λId soit nul.

Proposition 4 – Les valeurs propres de f sont les racines du polynôme Pf (λ) = Dét(f −
λId). Pf (λ) est un polynôme de degré n, appelé polynôme car-
actéristique de f .
Remarque - Si A et B sont deux matrices représentant un même endomorphisme f dans
deux bases distinctes, alors elles sont semblables donc Dét(A − λI) = Dét(B − λI). On
appelle également polynôme caractéristique de la matrice A le polynôme Dét(A − λIn ).
Définition 5 – On dit qu’une valeur propre de f est de multiplicité α si elle est racine
d’ordre α du polynôme caractéristique de f .
Une fois déterminées les valeurs propres, on détermine l’espace des vecteurs propres associés
à chacune de ces valeurs en résolvant le système linéaire (A − λId)(u) = 0 où A est la
matrice de f dans une certaine base.
Définition 6 – L’ensemble des valeurs propres d’un endomorphisme f est appelé le spectre
de f .

Proposition 7 – Soit A ∈ Mn (K). Le polynôme caractéristique de A est de degré n et,

plus précisément, on a :

n−1
X
Dét(A − λIn ) = (−1)n λn + ai λi avec a0 = Dét A, an−1 = (−1)n−1 trA
i=0

3. Caractérisation des endomorphismes diagonalisables

Proposition 8 – Soit λ ∈ K. On note Eλ = Ker(f − λId) = {x ∈ E ; f (x) = λ x}.

Eλ est un sous-espace vectoriel de E, appelé espace propre associé à λ.
L’espace Eλ est stable par f .
Démonstration : Eλ est le noyau d’un endomorphisme donc c’est un sous-espace vectoriel
de l’ensemble de départ de cet endomorphisme.
Montrons qu’il est stable par f . Soit x ∈ Eλ , alors f (x) = λx. Donc f f (x)) = f (λx) =
λf (x). On a montré que f (x) ∈ Eλ , ce qui prouve que Eλ est stable par f .
Remarque -

–2–
 R ÉDUCTION D’ENDOMORPHISMES

− si λ n’est pas valeur propre, Eλ = {0}.

− si λ est valeur propre, dim Eλ ≥ 1.

Proposition 9 – Soient λ1 , . . . , λp des scalaires distincts deux à deux. Alors les sous-
espaces propres Eλ1 , . . . , Eλp sont en somme directe.

Démonstration : on prouve le résultat par récurrence sur p. Si p = 1, il n’y a rien à montrer.

Supposons que les espaces Eλ1 , . . . , Eλp soient en somme directe et montrons que les
espaces Eλ1 , . . . , Eλp , Eλp+1 sont aussi en somme directe.
Pour cela, il suffit de montrer que (Eλ1 + · · · + Eλp ) ∩ Eλp+1 = {0}.
Soit x ∈ (Eλ1 + · · · + Eλp ) ∩ Eλp+1 . On a f (x) = λp+1 x car x ∈ Eλp+1 .
Comme x ∈ Eλ1 + · · · + Eλp , il existe x1 ∈ Eλ1 , . . . , xp ∈ Eλp tel que x = x1 + · · · + xp .
On a donc également f (x) = λ1 x1 + · · · + λp xp . On déduit de ces deux calculs que

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

Les espaces Eλ1 , . . . , Eλp sont en somme directe donc

pour k ∈ {1, . . . , p}, (λk − λp+1 )xk = 0.

Comme les λi sont deux à deux distincts, on en déduit que x = 0.

Corollaire 10 – L’endomorphisme f est diagonalisable si et seulement si E est somme

directe de ses sous-espaces propres.

Si on note λ1 , . . . , λp les valeurs propres deux à deux distinctes de f , on a

Corollaire 11 – L’endomorphisme f est diagonalisable si et seulement si

dim E = dim Eλ1 + · · · + dim Eλp .

Proposition 12 – Soit f ∈ L (E) et λ une valeur propre de multiplicité α. Alors

dim Eλ ≤ α.

Démonstration : supposons dim Eλ ≥ α + 1. Soient u1 , . . . , uα+1 des vecteurs propres

linéairement indépendants de Eλ . Complétons cette famille en une base B de E. On a
 
λ 0
 
 .. 

 . A
M (f )B =



0 λ 
 
 
0 B

 
d’où Pf (X) = Dét (λ − X)Iα+1 Dét(B − X In−α−1 ) = (λ − X)α+1 Dét(B − X In−α−1 ).
λ serait donc valeur propre de multiplicité strictement supérieure à α. Absurde
Des propositions précédentes, on déduit le

Théorème 13 – Soit f un endomorphisme d’un espace vectoriel E de dimension finie.

L’endomorphisme f est diagonalisable si et seulement si les deux propo-
sitions suivantes sont vérifiées :

–3–
Préparation à l’agrégation interne Année 2005-2006

1) Pf (X) est scindé dans K, ce qui veut dire que

Pf (X) = (−1)n (X − λ1 )α1 . . . (X − λp )αp

avec λ1 , . . . , λp scalaires et α1 + · · · + αp = n.
2) Pour chaque valeur propre λ de multiplicité α, on a dim Eλ = α.

Corollaire 14 – Soit f un endomorphisme d’un espace vectoriel de dimension n. Si f admet

n valeurs propres distinctes deux à deux, alors f est diagonalisable.

4. Applications de la diagonalisation

4.1. Calcul de la puissance d’une matrice

Si A est diagonalisable, il existe P ∈ GLn (K) telle que P −1 AP = D soit diagonale. Alors
A = P DP −1 et
Ak = P Dk P −1 pour tout k ∈ N.
La matrice A est alors inversible si, et seulement si, D est inversible et A−1 = P D−1 P −1 .
La formule précédente se généralise alors à k ∈ Z.
Remarque - Si A est la matrice d’un endomorphisme f dans la base B0 , alors P est la
matrice de passage de la base B0 à une base B de vecteurs propres de A. La matrice P est
obtenue en mettant les coordonnées dans la base B0 des vecteurs propres de A en colonnes.
(De l’ordre des vecteurs propres dans la base B dépend l’ordre des valeurs de la diagonale de D, et
réciproquement.)

4.2. Suites récurrentes linéaires

Soient a et b deux réels donnés non simultanément nuls. Une suite récurrente linéaire d’ordre
2 vérifie la relation
un = aun−1 + bun−2 , u0 et u1 donnés.
Matriciellement, ceci peut s’écrire :
      n−1  
un a b un−1 a b u1
= =
un−1 1 0 un−2 1 0 u0

On est donc ramené à un calcul de puissance de matrice.

Soit (a0 , a1 , . . . , ak−1 ) k réels donnés non tous nuls. Une suite récurrente linéaire d’ordre k
vérifie la relation
k−1
X
un+k = ai un+i , {u0 , . . . , uk−1 } donnés.
i=0

On écrit cette égalité sous forme matricielle et on est encore ramené à un calcul de puissance
de matrice d’ordre k.

4.3. Systèmes de suites récurrentes

Illustrons cela par un exemple :
déterminer les trois suites (un ), (vn ) et (wn ) définies par u0 = 1, v0 = w0 = 0 et

 un+1 = 2un + 4wn

vn+1 = 3un − 4vn + 12wn


wn+1 = un − 2vn + 5wn

–4–
 R ÉDUCTION D’ENDOMORPHISMES

Posons Xn = t (un , vn , wn ), alors X0 = t (1, 0, 0). On pose

 
2 0 4
A = 3 −4 12 
1 −2 5

Le système s’écrit alors Xn+1 = AXn , d’où, par récurrence, Xn = An X0 . On est ainsi
ramené au calcul de An .

4.4. Systèmes différentiels à coefficients constants

On veut résoudre le système différentiel

dx1


 = a11 x1 + · · · + a1n xn
 dt


..
 .


 dxn = an1 x1 + · · · + ann xn


dt

avec aij ∈ R et xi : R → R dérivables. On pose A = (aij )1≤i,j≤n et X = t (x1 , . . . , xn ),

alors le système s’écrit sous forme matricielle

dX
= AX.
dt
Supposons A diagonalisable. Il existe alors une matrice D diagonale et une matrice P
dX ′
inversible telle que A = P DP −1 . Si on pose X ′ = P −1 X, le système devient = DX,
dt
système qui s’intégre facilement car D est diagonale.

5. Trigonalisation
Définition 15 – Une matrice A de Mn (K) est dite triangulaire supérieure (respectivement
inférieure) si elle est de la forme
   
a11 a12 ··· a1n a11 0 ··· 0
 ..   .. .. 
0 a22 .  a a22 . . 
(resp. A =  .21

A= .. .. .. ..  .. .. )
 . . . .   .. . . 0 
0 ··· 0 ann an1 ··· ann−1 ann

Remarque - Toute matrice triangulaire supérieure est semblable à une matrice triangulaire
supérieure. En effet, soit A une matrice triangulaire supérieure et f l’endomorphisme de
Kn représenté par A dans la base canonique (e1 , . . . , en ) de Kn . f est représenté par une
matrice triangulaire inférieure dans la base (en , . . . , e1 ).

Théorème 16 – Un endomorphisme est triangularisable dans K si et seulement si son

polynôme caractéristique est scindé dans K.
Démonstration : si l’endomorphisme f est triangularisable, alors il existe une base telle que
la matrice de f dans cette base soit triangulaire supérieure. On a alors
 
a11 − λ a1n
 ..  Yn
 0 . a2n 
Pf (λ) = Dét  .. .. = (aii − λ)
 ··· . .  i=1
0 · · · ann − λ

–5–
Préparation à l’agrégation interne Année 2005-2006

donc Pf (X) est scindé. De plus, les éléments diagonaux de la matrice triangulaire sont les
valeurs propres de f .
Réciproquement, supposons que le polynôme caractéristique de f soit scindé et montrons
par récurrence que f est triangularisable. Pour n = 1, il n’y a rien à montrer. Supposons le
résultat vrai à l’ordre n − 1. Puisque Pf (λ) est scindé, il admet au moins une racine λ ∈ K.
Soit u1 un vecteur propre associé. On complète {u1 } en une base {u1 , . . . , un } de E. On a
alors  
a b2 · · · bn
 
0 
 
M (f )ui = 
 ..


. B 
 
0
On a Pf (λ) = (a − λ) Dét(B − λIn−1 ) = (a − λ)Pg (λ) où g est l’endomorphisme représenté
par la matrice B dans la base (u2 . . . , un ). Comme Pf (λ) est scindé, Pg (λ) l’est aussi et,
d’après l’hypothèse de récurrence, la matrice B est triangularisable. Il existe donc une base
(v2 , . . . , vn ) de Vect{u2 , . . . , un ) telle que la matrice de g dans cette base soit triangulaire
supérieure.
Ainsi, dans la base {u1 , v2 , . . . , vn }, la matrice de f est triangulaire supérieure.

Corollaire 17 – Toute matrice de Mn (C) est semblable à une matrice triangulaire

supérieure de Mn (C).
Démonstration : un polynôme de Cn [X] est scindé dans C.
Remarque - Si la matrice A est triangularisable, les éléments diagonaux de la matrice
triangulaire semblable à A sont les valeurs propres de A.

6. Le théorème de Cayley-Hamilton
Soit E un espace vectoriel sur K et P ∈ K[X] :

P (X) = am X m + am−1 X m−1 + · · · + a1 X + a0 .

Si f ∈ L (E), on note P (f ) l’endomorphisme de E défini par :

P (f ) = am f m + am−1 f m−1 + · · · + a1 f + a0 Id

où f k = f ◦ · · · ◦ f .
| {z }
k fois
Définition 18 – Soit f ∈ L (E). Un polynôme P (x) de K[X] est dit annulateur de f si
P (f ) = 0.

Proposition 19 – Soit P (X) un polynôme annulateur de f . Alors les valeurs propres de f

sont des racines de P .
Démonstration : si λ est valeur propre de f , il existe un vecteur u non nul tel que f (u) = λu.
On a alors f k (u) = λk u pour tout entier k. On en déduit que P (f ) u = 0 = P (λ) u donc
P (λ) = 0 car u 6= 0.
Remarque - Un endomorphisme qui vérifie P (f ) = 0 ne peut avoir pour valeur propre que
des racines de P ; par contre, toutes les racines de P ne sont pas forcément des valeurs
propres de f .

Théorème 20 – Théorème de Cayley-Hamilton

Soient f ∈ L (E) et Pf (X) son polynôme caractéristique. On a

Pf (f ) = 0

–6–
 R ÉDUCTION D’ENDOMORPHISMES

Démonstration : on se place dans la clôture algébrique de K (ici, il s’agit de C car K est

supposé être un sous-corps de C). Dans ce cas, l’endomorphisme f est triangularisable donc
son polynôme caractéristique est scindé :
Pf (X) = (λ1 − X)(λ2 − X) . . . (λn − X).
Si on note {e1 , . . . , en } la base de E dans laquelle la matrice représentant f est triangulaire,
on a (λ1 Id − f )(e1 ) = 0. On montre alors par récurrence que, pour tout i ∈ {1, . . . , n},
pour tout j ∈ {1, . . . , i}, (λ1 Id− f )◦ · · ·◦ (λi Id− f )(ej ) = 0 car les (λk Id− f ) commutent
entre eux. On en déduit que Pf (f ) = 0.

7. Théorème de décomposition des noyaux

Soient E un espace vectoriel de dimension finie sur un corps K et f un endomorphisme de
E.
Théorème 21 – Soient P1 , . . . , Pq des polynômes de K[X] premiers entre eux deux à
deux. On pose P = P1 × . . . × Pq . Alors on a
Ker P (f ) = Ker P1 (f ) ⊕ · · · ⊕ Ker Pq (f )
Démonstration : par récurrence sur q.
Si q = 2 : P1 et P2 sont premiers entre eux donc, d’après le théorème de Bezout, il existe
deux polynômes U et V de K[X] tels que U P1 +V P2 = 1, d’où U P1 (f )+V P2 (f ) = Id. Soit
x ∈ Ker f ,on a x = U P1 (f )(x) + V P2 (f )(x). Posons y = U P1 (f )(x) et z = V P2 (x). On a
P2 (f )y = P2 U P1 (f )(x) = U P1 P2 (f )(x) = 0 car x ∈ Ker P et les endomorphismes P1 (f )
et U (f ) commutent. On en déduit que y ∈ Ker P1 . On montre de même que z ∈ Ker P2 ,
d’où Ker P = Ker P1 + Ker P2 .
Soit maintenant x ∈ Ker P1 ∩Ker P2 . Comme x = U P1 (f )(x)+V P2 (f )(x), on a trivialement
x = 0. On a donc montré que Ker P = Ker P1 ⊕ Ker P2 .
Supposons le résultat vrai à l’ordre q − 1 et soient P1 , . . . , Pq des polynômes premiers entre
eux deux à deux. Le polynôme P1 est alors premier avec le produit P2 × . . . × Pq donc,
d’après ce qui précéde, Ker P = Ker P1 ⊕ Ker(P2 × . . . × Pq ). On applique alors l’hypothèse
de récurrence à P2 × . . . × Pq , ce qui prouve le résultat.
Remarque - Si P (f ) = 0 et si P = P1 × . . .× Pq où les polynômes P1 , . . . , Pq sont premiers
entre eux deux à deux, alors E = Ker P1 (f ) ⊕ · · · ⊕ Ker Pq (f ).
Théorème 22 – Soit E un espace vectoriel de dimension finie sur un corps K. Un
endomorphisme f de E est diagonalisable si et seulement si il existe
un polynôme scindé sur K, n’ayant que des racines simples et annulant
f.
Démonstration : la condition est suffisante d’après le théorème précédent.
Supposons f diagonalisable, alors il existe une base {e1 , . . . , en } de E de vecteurs propres de
f . Si λ1 , . . . , λp sont les valeurs propres deux à deux distinctes, il est clair que le polynôme
P (X) = (X − λ1 ) × · · · × (X − λp ) vérifie P (f )(ei ) = 0 pour tout i ∈ {1, . . . , n}. Comme
les ei forment une base de E, on en déduit que P (f ) = 0.

8. Polynôme minimal
Soit f un endomorphisme d’un espace vectoriel E de dimension finie sur un corps K.
L’ensemble If des polynômes P de K[X] tels que P (f ) = 0 est un idéal de K[X]. K[X]
étant un anneau principal, il existe un polynôme µ engendrant If . De plus, ce polynôme est
unique si on le suppose unitaire (c’est-à-dire de coefficient dominant égal à 1).
Définition 23 – On appelle polynôme minimal de f l’unique polynôme µ unitaire qui
engendre If .
2
Remarque - Comme L (E) est de dimension finie, la famille (Id, f, . . . , f n ) où dim E = n
est liée . Il existe donc une combinaison linéaire non triviale de ses éléments qui est nulle.
On en déduit que If 6= {0} et donc 1 ≤ deg µ.

–7–
Préparation à l’agrégation interne Année 2005-2006

Corollaire 24 – Le polynôme minimal de f est un diviseur du polynôme caractéristique de

f.

Proposition 25 – Les racines du polynôme caractéristique d’un endomorphisme f sont

exactement les racines de son polynôme minimal.

Démonstration : il est clair que les racines du polynôme minimal sont racines du polynôme
caractéristique. Réciproquement, soit λ une racine de Pf . Il existe alors v 6= 0 tel que
(f − λId)(v) = 0.
Posons µf (X) = X p + ap−1 X p−1 + · · · + a1 X + a0 . Puisque µf (f ) = 0, on a
f p (v) + ap−1 f p−1 (v) + · · · + a1 f (v) + a0 v = 0. En utilisant que f r (v) = λr v, on obtient
que µf (λ) = 0 car v 6= 0.

Théorème 26 – Un endomorphisme est diagonalisable si et seulement si son polynôme

minimal est scindé et a toutes ses racines simples.

Démonstration : la condition est suffisante car µf (f ) = 0. Réciproquement, supposons que

f soit diagonalisable et soit B = (e1 , . . . , en ) une base de vecteurs propres correspondant
à des valeurs propres λ1 , . . . , λn . Supposons, au besoin en changeant la numérotation, que
λ1 , . . . , λp soient distinctes deux à deux et représentent toutes les valeurs propres de f . Si
v ∈ B, alors
(f − λ1 Id) ◦ · · · ◦ (v − λp Id)v = 0

donc le polynôme P (X) = (X − λ1 ) × . . . × (X − λp ) est un polynôme annulateur de f .

Comme µf (X) divise P (X) et que P (X) n’a que des racines simples, on en déduit que µf
n’a que des racines simples.

9. Sous-espaces caractéristiques
Soit f un endomorphisme d’un espace vectoriel E de dimension finie n. On note Pf (X) le
polynôme caractéristique de f .
On suppose que Pf (X) est scindé et s’écrit

Pf (X) = (−1)n (X − λ1 )α1 · · · (X − λp )αp

où les λi sont distincts deux à deux.

Définition 27 – On appelle sous-espace caractéristique associé à la valeur propre λi le
sous-espace vectoriel
Nλi = Ker(f − λi Id)αi .

Proposition 28 – Nλi est stable par f .

αi

(x) = 0.
Démonstration : soit x ∈ Nλi . Montrons que f (x) ∈ Nλi . On a (f − λi Id)
Les endomorphismes f et (f − λi Id)αi commutent donc (f − λi Id)αi f (x) = f ◦ (f −
λi Id)αi (x) = 0 et on a prouvé que f (x) ∈ Ker(f − λi Id)αi
Remarque - On a toujours E = Nλ1 ⊕ · · · ⊕ Nλp que f soit diagonalisable ou pas.

Théorème 29 – Réduction selon les sous-espaces caractéristiques

Soit f ∈ L (E) telle que son polynôme caractéristique soit scindé sur K.
Alors il existe une base B = {B1 , . . . , Bp } où Bi est une base de Nλi
telle que

–8–
 R ÉDUCTION D’ENDOMORPHISMES

 
λ1 ⋆
 .. 0


 . 

 0 λ1 
 
 

 λ2 ⋆ 

 .. 
 . 
M (f )B = 

 0 λ2 

 
 .. 
 . 
 
 λp ⋆ 
 
 0 .. 
 . 
0 λp
 
λ1 ⋆
où  ..  est la matrice (triangulaire supérieure) de la restriction de f à Nλi
.
0 λ1
dans la base Bi . C’est une matrice de Mαi (K).
Démonstration : elle se fait en plusieurs étapes. Remarquons d’abord que les espaces Nλi
sont stables par f donc il existe une base B ′ = {B1′ , . . . , Bp′ } de E où Bi′ est une base
de Nλi telle que la matrice de f soit diagonale par blocs, chaque bloc représentant la
restriction fi de f à Nλi . Notons Mλi un de ces blocs non nuls. Il reste à montrer que Mλi
est triangularisable et que la diagonale de la matrice triangulaire obtenue ne contient que
des λi .
Comme Nλi = Ker(f − λi Id)αi , le polynôme Q(X) = (X − λi )αi est annulateur de fi .
Par conséquent le polynôme minimal de fi est du type

µfi = (X − λi )βi avec 1 ≤ βi ≤ αi .

Comme les racines de Pfi sont exactement les racines de µfi , on en déduit que le polynôme
caractéristique de fi est scindé, que Mλi est triangularisable et que sa diagonale est formée
de termes tous égaux à λi

10. Diagonalisation simultanée

Soit E un espace vectoriel de dimension finie n sur un corps K.
On considère deux endomorphismes f et g de E tels que
1) f et g soient diagonalisables
2) f ◦ g = g ◦ f

Proposition 30 – Il existe une base de E telle que les matrices représentatives dans cette
base de f et g respectivement soient diagonales. On dit que f et g sont
simultanément diagonalisables.
Démonstration : raisonnons par récurrence sur n.
Si n = 1, le résultat est trivialement vrai.
Supposons qu’il soit vrai sur tout espace de dimension inférieure ou égale à n − 1. Soit E un
espace vectoriel de dimension n et soit λ1 , . . . , λp les valeurs propres de f distinctes deux à
deux. Si f est une homothétie, le résultat est vrai car toute base qui diagonalise g diagonalise
f . Si f n’est pas une homothétie, E est somme directe de ses sous-espaces propres qui
sont tous de dimensions strictement inférieures à n (car f n’est pas une homothétie).
Soit Eλ un sous-espace propre de f . Montrons qu’il est stable par g. Soit x ∈ Eλ . On a
f − λId) ◦ g(x) = g ◦ (f − λId)(x) car f et g commutent. Donc f − λId) ◦ g(x) = 0

–9–
Préparation à l’agrégation interne Année 2005-2006

car (f − λId)(x) = 0. D’où g(x) ∈ Eλ . Il suffit alors d’appliquer l’hypothèse de récurrence

à chacun des sous-espaces propres de f pour obtenir le résultat.

11. Décomposition de Dunford

11.1. Endomorphismes nilpotents

Définition 31 – Un endomorphisme f de E est dit nilpotent s’il existe un entier p non nul
tel que f p = 0. On pose alors n0 = min{p ∈ N∗ ; f p = 0}. L’entier naturel n0 est appelé
indice de u.

Proposition 32 – Soient deux endomorphismes nilpotents qui commutent alors leur

somme est nilpotente.
Démonstration : soient f et g deux endomorphismes nilpotents d’indices respectifs p et q.
Comme f et g commutent, on peut utiliser la formule de Newton :
p+q
X
(f + g)p+q = i
Cp+q f i g p+q−i .
i=0

Dans chaque terme de la somme, on a soit i ≥ p, soit n + p − i ≥ q donc soit f i = 0, soit

g p+q−i = 0. On en déduit que f + g est nilpotent.
Soit E un espace vectoriel de dimension finie n sur un corps K.

11.2. Décomposition de Dunford

Théorème 33 – Soit f ∈ L (E). On suppose que son polynôme caractéristique Pf (X)

est scindé.
Alors f s’écrit de manière unique f = d + n où d est un endomorphisme
diagonalisable de E et n un endomorphisme nilpotent de E tels que
d ◦ n = n ◦ d. De plus d et n sont des polynômes en u à coefficients dans
K.
Démonstration : notons λ1 , . . . , λp les racines de Pf (X) distinctes deux à deux et αk leurs
multiplicités respectives. Soit Nk = Ker(f − λk Id)αk et fk la restriction de f à Nk . Fk
est bien définie car Nk est stable par f . On note également gk la restriction de f − λk
à Nk . On a fk = λk Id + gk ; or λk Id est diagonalisable et gk est nilpotente et ces deux
endomorphismes commutent entre eux. On a donc montré l’existence de la décomposition.
Montrons maintenant Y que les endomorphismes d et n sont des polynômes en u.
On pose Pi (X) = (X − λj )αj pour 1 ≤ i ≤ p. Les polynômes Pi (X) sont premiers entre
j6=i
eux dans leur ensemble. D’après le théorème de Bezout, il existe des polynômes Qi (X) tels
que P1 Q1 + · · · + Pp Qp = 1. On a donc

P1 (f )Q1 (f ) + · · · + Pp (f )Qp (f ) = IdE .

Posons Rk (f ) = Pk (f )Qk (f ). Pour tout x ∈ E, on a x = R1 (f )(x) + · · · + Rp (f )(x).

Comme Rk (f )(x) ∈ Mk , cette somme est en fait la décomposition de x dans la somme
directe E = N1 ⊕+ · · ·⊕Np . L’application Rk (f ) est donc la projection sur Nk parallèlement
Xp
à la somme directe des autres espaces. On pose alors d = λk Rk (f ) et n = u − d. Ce
i=1
sont bien des polynômes en u. L’endomorphisme d est bien diagonalisable car les Rk (f )
commutent entre eux deux à deux et sont diagonalisables. L’endomorphisme n est nilpotent
car le polynôme caractéristique de f est scindé donc il existe une base de E dans laquelle

– 10 –
 R ÉDUCTION D’ENDOMORPHISMES

la matrice représentative de f est triangulaire supérieure ; or, dans cette base, la matrice de
n est triangulaire supérieure avec une diagonale nulle.
Montrons enfin l’unicité de cette décomposition. Supposons qu’il existe D et N tels que
f = D+N , D et N vérifiant les mêmes hypothèses que d et n. Comme D et N commutent,
ils commutent avec f , donc ils commutent avec d et n car ce sont des polynômes en f .
Posons h = D − d = n − N . n − N est nilpotent car n et N le sont. De plus D et d
commutent et sont diagonalisables donc ils sont simultanément diagonalisables et D − d est
diagonalisable. L’endomorphisme h est donc nilpotent et diagonalisable ; on en déduit qu’il
est nul.

– 11 –
 RÉDUCTION DES ENDOMORPHISMES
1. Qu’est-ce que réduire un endomorphisme ? . . . . . . . . . . . . . . . . . . . . . . . . . . 1
2. Vecteurs propres - Valeurs propres . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
2.1. Vecteurs propres . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
2.2. Polynôme caractéristique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
3. Caractérisation des endomorphismes diagonalisables . . . . . . . . . . . . . . . . . . . . 2
4. Applications de la diagonalisation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
4.1. Calcul de la puissance d’une matrice . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
4.2. Suites récurrentes linéaires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
4.3. Systèmes de suites récurrentes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
4.4. Systèmes différentiels à coefficients constants . . . . . . . . . . . . . . . . . . . . . 5
5. Trigonalisation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
6. Le théorème de Cayley-Hamilton . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
7. Théorème de décomposition des noyaux . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
8. Polynôme minimal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
9. Sous-espaces caractéristiques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
10. Diagonalisation simultanée . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
11. Décomposition de Dunford . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
11.1. Endomorphismes nilpotents . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
11.2. Décomposition de Dunford . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10

–i–