Chapitre 1: Valeurs propres, vecteurs propres,

diagonalisation
Définition 1. Soit E un R-espace vectoriel. Soit f ∈ M(E) un endomorphisme
de E. Soit λ ∈ R. On dit que λ est une valeur propre de f s’il existe u ∈ E
avec u ̸= 0 tel que
f (u) = λu.
u est appelée vecteur propre associé à λ.
Exemple.
 
0 3 0
M = 1 −2 4 ⇐⇒ f : R3 → R3 , x 7→ M x.
1 1 1
     
1 3 1
u = 1 =⇒ f (u) = 3 = 3 1 = 3u =⇒ λ = 3 est une valeur propre de f.
1 3 1
Définition 2. On appelle espace propre associé à la valeur propre λ et on note

Eλ = {u ∈ E tq f (u) = λu}.

Les vecteurs propres associés à λ sont les vecteurs non nuls de Eλ .

Eλ est un sous-espace vectoriel de E.

f (0) = 0 car f est linéaire

= λ · 0 ⇒ 0 ∈ Eλ .
u, v ∈ Eλ ⇒ u + v ∈ Eλ ?
f (u + v) = f (u) + f (v)
= λu + λv
= λ(u + v) ⇒ u + v ∈ Eλ .
f (µu) = µf (u) = µ(λu)
= λ(µu) ⇒ µu ∈ Eλ .

De plus,
Eλ = {u ∈ E | f (u) − λu = 0} = Ker(f − λ idE ).

• Un vecteur propre n’est jamais nul.

• Si u est un vecteur propre associé à λ, alors u n’est pas unique car tout
vecteur colinéaire à u est aussi vecteur propre associé à la même valeur
propre.

• λ valeur propre ⇒ Eλ ̸= {0}.

1
Exemple. 
  
 x 
E3 = u = y  ; f (u) = 3u
z
 
      
0 3 0 x 3y x
f (u) = 1 −2 4 y  = x − 2y + 4z  = 3 y 
1 1 1 z x+y+z z
 
3y = 3x
 y = x

x − 2y + 4z = 3y ⇒ x − 2x + 4z = 3x ⇒ −x + 4z = 3x ⇒ 4z = 4x ⇒ z = x
 
x + y + z = 3z x + x + x = 3x ⇒ 3x = 3x
 
      
 x  1
E3 = u = x ; x ∈ R = Vect u1 = 1
x 1
 

Propriétés des espaces propres

Proposition 1. Soit d = dim Eλ . Alors d ≥ 1.
Proof. Soit d = dim Eλ ≤ n. Soit (u1 , . . . , ud ) une base de Eλ . Il existe
ud+1 , . . . , un tels que (u1 , . . . , ud , ud+1 , . . . , un ) = B soit une base de Rn . Alors


mat(f, B) = f (u1 ) . . . f (ud ) f (ud+1 ) . . . f (un )
et le polynôme caractéristique s’écrit
Pf (x) = (x − λ)d φ(x).
Ainsi l’ordre de multiplicité de λ est au moins d = dim Eλ .
Soit A ∈ Mn (R).
Définition 3. On dit que A est diagonalisable s’il existe une matrice inversible
P et une matrice diagonale D telles que
A = P DP −1 .
Proposition 2. 1. Si A est diagonalisable dans R, alors la somme des di-
mensions des espaces propres est égale à n.
2. Le spectre de A est inclus dans R.
3. Il existe une base de Rn formée de vecteurs propres de A.
4. Les espaces propres sont supplémentaires dans E:
E = Eλ1 ⊕ Eλ2 ⊕ · · · ⊕ Eλp
P
et dim Eλi = mi avec mi = n.
Exemple. Si PA (x) = (−1)n (x − λ1 )(x − λ2 ) · · · (x − λn ) avec λi distincts, alors
l’ordre de multiplicité de chaque λi est 1, donc dim Eλi = 1 pour tout i. Par
conséquent, A est diagonalisable.

2
Polynôme minimal
Définition 4. Soit f ∈ L(Rn ) et A = mat(f, B). Soit Q = a1 xp + a2 xp−1 +
· · · + ap x + a0 un polynôme. On définit

Q(f ) = a1 f p + a2 f p−1 + · · · + ap f + a0 id

avec f p = f ◦ f ◦ · · · ◦ f (p fois), et

Q(A) = a1 Ap + a2 Ap−1 + · · · + ap A + a0 In .

On a la relation mat(f ◦ g) = mat(f ) × mat(g), donc mat(f 2 ) = mat(f )2 ,

mat(f p ) = Ap , et par suite mat(Q(f )) = Q(A).

Définition 5. On dit que le polynôme Q est un polynôme annulateur de A (ou

de f ) si Q(f ) = 0 (endomorphisme nul) ou Q(A) = 0 (matrice nulle).
Théorème 1 (Cayley-Hamilton). Soit f ∈ L(Rn ). Alors le polynôme car-
actéristique de f est un polynôme annulateur de f .

Exemple.  
0 3 0
A = 1 −2 4
1 1 1
PA (x) = −x3 − x2 + 9x + 9
Par le théorème de Cayley-Hamilton:

−A3 − A2 + 9A + 9I3 = 0 ⇒ A3 + A2 − 9A = 9I3

1 1
⇒ A · (A2 + A − 9I3 ) = I3 ⇒ A−1 = (A2 + A − 9I3 )
9 9
Définition 6. Soit Q ∈ R[x]. On dit que Q est scindé dans R[x] si

Q = c(x − λ1 )k1 · · · (x − λp )kp

P
avec λi ∈ R et ki = deg Q. Si k1 = k2 = · · · = kp = 1, on dit que Q est
scindé à racines simples.

Lemme 1 (Lemme de décomposition des noyaux). Si Q = Q1 Q2 · · · Qs et les

Qi sont premiers entre eux deux à deux, alors

Ker(Q(f )) = Ker(Q1 (f )) ⊕ Ker(Q2 (f )) ⊕ · · · ⊕ Ker(Qs (f )).

Exemple. Soit A ∈ M3 (R) et Q = (X − 1)2 (X + 3) un polynôme annulateur de

A. Alors avec Q1 = (X − 1)2 et Q2 = (X + 3), on a Q1 (A) · Q2 (A) = 0. Par le
lemme des noyaux:

R3 = Ker((A − I3 )2 ) ⊕ Ker(A + 3I3 ).

3
  
2 1 0
Exemple. Soit A = 0 1 −1. Le polynôme caractéristique:
0 2 4
 
2−λ 1 0
PA (λ) = det(A − λI) = det  0 1−λ −1 
0 2 4−λ

= (2 − λ) [(1 − λ)(4 − λ) + 2] = (2 − λ)(λ2 − 5λ + 6) = −(x − 2)2 (x − 3)

Espace propre E3 :
 
x
E3 = {(x, y, z) ∈ R3 | (A − 3I3 ) y  = 0}
z
 
2x + y = 3x
 y = x

y − z = 3y ⇒ y − z = 3y ⇒ −z = 2y ⇒ z = −2y
 
2y + 4z = 3z 2y + 4z = 3z ⇒ 2y + z = 0 ⇒ 2y − 2y = 0
 
  
1
E3 = Vect u1 =  1 
−2
Espace propre E2 :
 
2x + y = 2x
 y = 0

y − z = 2y ⇒ −z = 2y ⇒ z = 0
 
2y + 4z = 2z 2y + 4z = 2z ⇒ 2y + 2z = 0 ⇒ 0 = 0
 

  
1
E2 = Vect u2 = 0
0
Exemple. (suite) dim E2 = 1 ̸= 2 donc A n’est pas diagonalisable. D’autre part,
par Cayley-Hamilton:

PA (A) = 0 ⇒ (A − 2I3 )2 (A − 3I3 ) = 0

Par le lemme des noyaux:

R3 = Ker((f − 2 id)2 ) ⊕ Ker(f − 3 id)

où Ker(f − 3 id) = E3 .

Cherchons un vecteur u3 ∈ N2 = Ker((f − 2 id)2 ):
    
0 1 0 0 1 0 0 −1 −1
(A − 2I3 )2 = 0 −1 −1 0 −1 −1 = 0 −1 −1
0 2 2 0 2 2 0 2 2

4
       
 x  1 0
N2 = y  | −y − z = 0 = {(x, y, −y)} = Vect 0 ,  1 
z 0 −1
 

Les vecteurs u2 et u3 sont non colinéaires. La base B = (u1 , u2 , u3 ) est une base
de R3 car

mat(f, B) = f (u1 ) f (u2 ) f (u3 )
    
2 1 0 0 1
f (u3 ) = 0 1 −1  1  =  2  = au1 + bu2 + cu3
0 2 4 −1 −2

a + b = 1

a+c=2 ⇒ b = 1, a = 0, c = 2

−2a − c = −2


f (u3 ) = u2 + 2u3

Proposition 3. A est diagonalisable si et seulement si A admet un polynôme

annulateur scindé à racines simples.
Exemple. Soit P un projecteur (P ◦ P = P ). Alors X 2 − X = X(X − 1) est un
polynôme annulateur de P , scindé à racines simples. Donc P est diagonalisable.
Exemple. Soit S une symétrie (S ◦S = id). Alors X 2 −1 = (X −1)(X +1) est un
polynôme annulateur de S, scindé à racines simples. Donc S est diagonalisable.
Proof.
(⇒) Si A est diagonalisable, soit B = (u1 , u2 , . . . , un ) une base formée de
vecteurs propres. Soit Spec(A) = {λ1 , . . . , λp } et soit Q(x) = (x − λ1 )(x −
P2 )n · · · (x − λp ). Alors Q(A) = 0? En effet, Q(f ) = 0: pour tout u ∈ E, u =
λ
i=1 ai ui . Il suffit de montrer que pour tout vecteur propre ui , Q(f )(ui ) = 0.
Soit ui associé à λji . Alors Q(f )(ui ) = (f − λ1 id) · · · (f − λp id)(ui ). Comme
(f − λji id)(ui ) = 0 et que les facteurs commutent, on a Q(f )(ui ) = 0. Donc
Q(f ) = 0.
(⇐) Supposons qu’il existe Q = (x−λ1 )(x−λ2 ) · · · (x−λp ) (avec λi distincts)
annulateur de A, i.e. Q(A) = 0. D’après le lemme des noyaux:
p
M p
M
E = Ker(Q(f )) = Ker(f − λi id) = Eλi .
i=1 i=1

Donc E est somme directe des espaces propres, ce qui équivaut à la diagonalis-
abilité de f .
Exemple. Soit P : R19 → R19 un projecteur ⇒ P ◦ P = P . Alors Q = X 2 − X =
X(X−1) est un polynôme annulateur de P , scindé à racines simples {0, 1}. Donc
P est diagonalisable et Spec(P ) ⊂ {0, 1}.
Premier cas: E0 = {0} ⇒ E1 = R19 . Alors PA (x) = −(x − 1)19 et A =
P DP −1 avec D = I19 . Donc A = I19 .

5
 Deuxième cas: E1 = {0} ⇒ E0 = R19 . Alors PA (x) = −x19 et A = P DP −1
avec D = 0. Donc A = 0.
Troisième cas: E0 ̸= {0} et E1 ̸= {0}. Alors 0 et 1 sont valeurs propres,
E0 ⊕ E1 = R19 . Soit dim E0 = 4, alors dim E1 = 15 et PA (x) = −x4 (x − 1)15 .
 
1 1 1 1
Exemple. Soit A = 1 1 1 1 (matrice 3 × 4? La dimension semble in-
1 1 0 1
cohérente). Reprenons l’exemple du fichier original:
 
1 1 1
A = 1 1 1 (matrice 3 × 3 cohérente)
1 1 0
PA (x) = −x2 (x − 3). Alors Q = (x − 3)x est un polynôme annulateur de A
scindé à racines simples {0, 3}. Donc A est diagonalisable.
Exemple.
 
2 1 0
A = 0 2 4 (corrigé pour être cohérent avec le fichier)
0 0 3
PA (x) = −(x − 2)2 (x − 3). Calculons (A − 2I3 )(A − 3I3 ):
   
0 1 0 −1 1 0
A − 2I3 = 0 0 4 , A − 3I3 =  0 −1 4
0 0 1 0 0 0
 
0 −1 4
(A − 2I3 )(A − 3I3 ) = 0 0 0 ̸= 0
0 0 0
Donc (x−2)(x−3) n’est pas annulateur. Par contre (x−2)2 (x−3) l’est (Cayley-
Hamilton). Comme il n’y a pas de polynôme annulateur à racines simples, A
n’est pas diagonalisable.
Définition 7. Soit E un R-espace vectoriel de dimension finie n. Soit f ∈ L(E)
et A = mat(f, B) ∈ Mn (R). On appelle polynôme minimal de f (ou de A)
le polynôme unitaire mf (X) (ou mA (X)) annulateur de f de degré minimal.
Proposition 4. Soit f ∈ L(E). Un polynôme Q est annulateur de f si et seule-
ment si mf (X) divise Q(X). En particulier, le polynôme minimal est unique.
Proof.
(⇐) Si mf (X) | Q(X), alors Q(X) = mf (X)·T (X) et Q(f ) = mf (f )·T (f ) = 0.
(⇒) Si Q(f ) = 0, effectuons la division euclidienne de Q par mf :
Q(X) = mf (X)T (X) + R(X) avec deg R < deg mf .
Alors Q(f ) = mf (f )T (f ) + R(f ) = 0 + R(f ) = R(f ) = 0. Comme R est de
degré strictement inférieur au degré minimal, on a nécessairement R = 0. Donc
mf (X) | Q(X).

6
Proposition 5. L’ensemble des valeurs propres de A est exactement l’ensemble
des racines de son polynôme minimal:

Spec(A) = {λ ∈ R | mA (λ) = 0}.