4

CHAPITRE

Réduction

Olga Taussky nait en 1906 à Olomouc en République Tchèque. Elle a

étudié les systèmes algébriques avec Emmy Noether à Göttingen et par-
ticipé à l’édition du premier volume des travaux de Hilbert sur la théorie
des nombres. Elle travailla sur les matrices pour étudier les vibrations des
avions durant la Seconde Guerre mondiale. Parmi ses objets de recherche,
on peut citer les matrices à diagonale dominante (théorème de Hadamard,
cercles de Gershgorin). Un très joli résultat est l’étude de la réciproque du
fait élémentaire suivant : si deux matrices diagonalisables commutent alors
toutes les matrices qui en sont combinaison linéaire sont également diago-
nalisables. La réciproque est vraie sur C et sur les corps finis (théorème de
Motzkin-Taussky).
À son entretien d’embauche, en Angleterre, un membre du jury lui de-
manda « I see you have written several joint papers. Were you the senior or
the junior author ? ». Godfrey Hardy intervint alors pour couper court en
disant « That is a most improper question. Do not answer it ! ».
172

Introduction

Les méthodes présentées dans ce chapitre sont de deux types, qu’il convient de
souligner : les premières, de nature géométrique, reposent sur les notions de sous-
espace stable et d’éléments propres ; les secondes, de nature algébrique, font appel aux
polynômes annulateurs.

On se limite en pratique au cas où le corps de base K est R ou C.

— Sous-espace stable par un endomorphisme. Endomorphisme induit. En di-

mension finie, traduction matricielle.
— Droite stable par un endomorphisme. Valeur propre, vecteur propre (non
nul), sous-espace propre. Équation aux éléments propres u(x) = λx. Spectre.
Somme d’une famille finie de sous-espaces propres, famille de vecteurs
propres associés à des valeurs propres distinctes. Si deux endomorphismes
u et v commutent, tout sous-espace propre de u est stable par v.
— Interprétations matricielles. Deux matrices semblables ont même spectre.
Si K est un sous-corps de K0 et si M ∈ Mn (K), le spectre de M dans K
est contenu dans le spectre de M dans K0 .
— Polynôme caractéristique. Notation χA , χu . Coefficients de degrés 0 et
n − 1. Deux matrices semblables ont même polynôme caractéristique. Va-
leurs propres, multiplicités. La dimension du sous-espace propre associé à λ
est majorée par la multiplicité de λ. Matrice triangulaire, endomorphisme
induit.
— Endomorphisme diagonalisable. Cas des projecteurs, des symétries. Dans
Programme
la pratique des cas numériques, on se limite à n = 2 ou n = 3. Cas d’un
endomorphisme d’un espace de dimension n admettant n valeurs propres
distinctes.
— Critères de diagonalisabilité : χu scindé et, pour toute valeur propre de u,
la dimension de l’espace propre associé soit égale à sa multiplicité.
— Endomorphisme trigonalisable. Interprétation géométrique. La pratique de
la trigonalisation n’est pas un objectif du programme.
— Un endomorphisme est trigonalisable si et seulement si son polynôme ca-
ractéristique est scindé. Traduction matricielle. Expression de la trace et
du déterminant d’un endomorphisme trigonalisable, d’une matrice trigona-
lisable à l’aide des valeurs propres.
— Endomorphisme nilpotent d’un espace vectoriel E de dimension finie, ma-
trice nilpotente. Un endomorphisme est nilpotent si et seulement s’il est
trigonalisable avec pour seule valeur propre 0. L’indice de nilpotence est
majoré par la dimension de E. Caractérisation par le polynôme caractéris-
tique.

François Sauvageot - Lycée Clemenceau - Nantes - c b n a - 2022-2023

 CHAPITRE 4. RÉDUCTION 173

1 Les exponentielles comme vecteurs propres

On s’intéresse aux équations différentielles linéaires scalaires à coefficients constants,

i.e. de la forme
p−1
X
(E) y (p) = ak y (k)
k=0

pour un certain p dans N∗ et (a0 , · · · , ap−1 ) dans Kp . On note E = C ∞ (R, K) et d

d
l’opérateur i.e. l’endomorphisme de E donné par d(f ) = f 0 de sorte que, pour x
dx
réel, on a d(f )(x) = f 0 (x). On note également SE , S(a0 ,...,ap−1 ) ou simplement S lorsque
le contexte est clair, l’ensemble des éléments de E solutions de E
Pour p = 1 on a S(a0 ) = Kγa0 en notant γα la fonction définie sur R et donnée par
γα (x) = eαx .

Ici, pour α = 0, on convient que les fonctions constantes sont des exponen-
Remarque 4 - 1
tielles particulières.

On a donc
S(α) = Ker(d − αIdE ) = Kγα .

Remarque 4 - 2 On a également S(α) = γα Ker(d) = γα S(0) . Voir l’exercice 4 - 1.

Vecteur et valeur propres, spectre

Soit F un K-espace vectoriel, f dans End(F ), α dans K et u dans F . Si
Ker(f − αIdF ) n’est pas réduit à {0}, on dit que c’est un sous-espace propre de
Définition 4 - 1
f et qu’il est associé à la valeur propre α. Si u est non nul et dans Ker(f −αIdF ),
on dit que c’est un vecteur propre de f associé à la valeur propre α.
L’ensemble des valeurs propres de f est appelé spectre de f et est noté Sp(f ).

Par définition un sous-espace propre n’est pas réduit à {0} (et encore moins
vide puisque c’est un espace vectoriel). Il est pourtant souvent intéressant de
considérer les espaces de la forme Ker(f − αIdF ). Seuls ceux qui ne sont pas
réduits à {0} peuvent être appelés espaces propres !
De même, par définition, un vecteur propre n’est pas nul. Autrement dit si
u est un vecteur propre (u) est une famille libre dans un espace propre (qui est
donc, rappelons-le, non réduit à {0}). Il est parfois tentant de considérer tous les
♥ vecteurs de Ker(f − αIdF ), mais l’ensemble des vecteurs propres associés à une
même valeur propre n’est pas un espace vectoriel : il ne contient pas 0. La raison
en est qu’on veut pouvoir associer à un vecteur propre la valeur propre qui lui
correspond. Et, par conséquent, la notion d’espace propre est bien plus agréable
à manipuler que celle de vecteur propre.
Par contre il n’y a aucune limitation aux valeurs propres. La valeur propre
nulle est même très importante puisqu’elle est associée au noyau. Ce qui permet
d’ailleurs de dégager la première propriété liée aux valeurs propres.

François Sauvageot - Lycée Clemenceau - Nantes - c b n a - 2022-2023

174 4.2. ÉTUDE DES SOUS-ESPACES PROPRES D’UN ENDOMORPHISME

Spectre de l’opérateur dérivée

d
Le spectre de vu comme endomorphisme de C ∞ (R, K) est K. Ses espaces
dx
propres sont de dimension 1, engendrés par les fonctions exponentielles γα : x 7→
Théorème 4 - 1
exp(αx), pour α dans K.
d
Par ailleurs les opérateurs − αId sont tous conjugués entre eux, via la
dx
multiplication par γα .

2 Étude des sous-espaces propres d’un endomorphisme

Injectivité
Un endomorphisme est injectif si et seulement s’il n’admet pas 0 comme valeur
Propriété 4 - 1
propre. En particulier, si F est de dimension finie, un endomorphisme de F est
inversible si et seulement s’il n’admet pas 0 comme valeur propre.

La famille (γα )α∈K est libre : on peut le vérifier directement, mais c’est en fait une
propriété générale des vecteurs propres associés à des valeurs propres distinctes.

Somme directe des espaces propres

Les espaces propres correspondant à des valeurs propres distinctes sont en
somme directe. Plus précisément si F est un K-espace vectoriel et si u est un
endomorphisme de F , alors on a les propriétés suivantes :
1. Si λ et µ sont deux scalaires distincts, alors Ker(u − λIdF ) et Ker(u − µIdF )
Proposition 4 - 1 sont en somme directe.
2. Si (λi )i∈I est une famille (finie) de scalaires distincts deux à deux, alors
la famille (Ker(u − λi IdF ))i∈I est en somme directe, i.e. l’application de
X
Ker(u Id ) dans donnée par (x ) xi est injective.
Q
i∈I − λ i F F i i∈I →
7
i∈I

Démonstration. Soit λ et µ deux scalaires distincts et x dans Ker(u − λIdF ) et

Ker(u − µIdF ). On a alors u(x) = λx = µx, donc (λ − µ)x = 0. Comme λ 6= µ, x = 0
et donc Ker(u − λIdF ) et Ker(u − µIdF ) sont en somme directe.
Soit (λi )i∈I une famille finie de scalaires distincts
X deux à deux et (xi )i∈I une famille
de vecteurs dans (Ker(u − λi IdF ))i∈I telle que xi = 0. Par application de u à cette
i∈I
X
égalité, il vient λi xi = 0 et donc, par récurrence immédiate, pour tout entier
i∈I
X
naturel k on a λki xi = 0. Il en résulte que pour tout polynôme P dans K[X], on a
i∈I
X
P (λi )xi = 0. En particulier, pour j dans I, si P est un polynôme de Lagrange tel
i∈I
que P (λi ) X
= δi,j , il vient xj = 0 et donc tous les (xj ) sont nuls. Comme l’application
(xi )i∈I 7→ xi est linéaire, elle est injective si et seulement si son noyau est réduit à
i∈I
{0}, ce qui est le cas d’après ce qui précède. 

François Sauvageot - Lycée Clemenceau - Nantes - c b n a - 2022-2023

 CHAPITRE 4. RÉDUCTION 175

Si les xi étaient des scalaires, l’identité

X
∀k < Card I λki xi = 0
i∈I

se traduirait matriciellement sous la forme du produit d’une matrice de Vander-

monde appliquée au vecteur colonne (xi ). Comme les λi sont distincts deux à
deux, le déterminant de ce système linéaire est non nul, et on conclut que les (xi )
Remarque 4 - 3 sont tous nuls.
On peut adapter ce raisonnement : il suffit de faire comme si les (xi ) étaient
scalaires. Pour cela on remarque que pour toute forme linéaire ϕ, on a
X
∀k < Card I λki ϕ(xi ) = 0
i∈I

et donc les ϕ(xi ) sont tous nuls. Or pour tout vecteur non nul on dispose d’une
forme linéaire ne s’y annulant pas. Il en résulte que les (xi ) sont tous nuls.

L’indépendance de la famille (γα )α∈K peut s’obtenir directement en partant

Exercice d’une combinaison linéaire (finie), en la dérivant suffisamment de fois pour faire
apparaître un déterminant de Vandermonde.

Cette propriété s’étend au cas où la famille n’est pas finie, en précisant ce que
somme directe veut dire. Si (EP i )i∈I est une famille de sous-espaces vectoriels d’un
espace vectoriel F , la somme i∈I Ei est par définition l’ensemble des combinai-
Pour aller plus loin sons
P linéaires presque nulles d’éléments de Ei , i.e. les sommes finies de la forme
avec fini et . Alors la somme i∈I i est dite
Pdirecte
P
x
i∈J i J ⊂ I, J x i ∈ E i E
si l’écriture dePtout élément de cet ensemble unique, i.e. pour x dans i∈I Ei ,
l’écriture x = i∈J xi définit J et les (xi )i∈J de façon unique.

Si u est vecteur propre de f pour la valeur propre λ, il est vecteur propre de

f − αId pour la valeur propre λ − α puisque u est non nul et vérifie (f − αId)(u) =
Remarque 4 - 4 λu − α − u. Autrement dit Sp(f − αId) = Sp(f ) − α.
En particulier si λ 6= α, u est dans l’image de f − αId : (f − αId)(v) = u pour
v = λ−α
1
u.

3 Suites récurrentes linéaires

On s’intéresse aux suites récurrentes linéaires définies par une relation de la forme
p−1
X
∀n ∈ N , un+p = ak un+k
k=0

pour un certain p dans N∗ et (a0 , · · · , ap−1 ) dans Kp .

Pout p = 1 il s’agit de suites géométriques avec un petite précision : on autorise ici
la raison à être nulle. Une suite géométrique de raison nulle est une suite nulle à partir

François Sauvageot - Lycée Clemenceau - Nantes - c b n a - 2022-2023

176 4.3. SUITES RÉCURRENTES LINÉAIRES

du rang 1. Soit τ l’application de translation d’indice, i.e.

τ ((un )n∈N ) = (un+1 )n∈N .

On vérifie sans peine que c’est un endomorphisme de KN et que les suites géométriques
sont exactement les éléments de ses espaces propres. Plus précisément une suite géo-
métrique de raison α est un élément de Ker(τ − αId).
Intéressons-nous maintenant aux suites arithmético-géométriques. Soit donc α et β
deux scalaires et u une suite dans KN vérifiant

∀n ∈ N un+1 = αun + β .

On a donc τ (u) = αu + β1, où 1 est la suite constante égale à 1.

Une suite constante n’est rien d’autre qu’une suite géométrique de raison 1,
et réciproquement :
Ker(τ − Id) = K1 .
On note souvent ∆ = τ −Id. C’est l’opérateur différence (ou accroissement). Ainsi
Remarque 4 - 5
∆(u)n = un+1 −un et ∆(∆(u))n = (un+2 −un+1 )−(un+1 −un ) = un+2 −2un+1 +
un . Plus généralement, il résulte de la formule du binôme de Newton, licite dans
ce contexte car τ et Id commutent entre elles
n  
X n
∆k (u)n = (−1)n−k un+k .
k
k=0

On en déduit (τ − αId)(u) ∈ K1 et donc u appartient au noyau

Ker ((τ − Id) ◦ (τ − αId))

et, plus précisément,

∀n ∈ N un+1 = αun + β =⇒ ∀n ∈ N un+2 − (α + 1)un+1 + αun = 0 .

L’ensemble des suites récurrentes d’ordre 2 vérifiant la relation un+2 −(α+1)un+1 +

αun = 0 forme un espace vectoriel de dimension 2, i.e. un plan. On note P ce plan.
On vérifie directement que les suites constantes et les suites géométriques de raison α
appartiennent à P . Autrement dit les deux espaces propres Ker(τ − Id) et Ker(τ − αId)
sont inclus dans P .

Remarque 4 - 6 On pourrait l’obtenir en remarquant que ∆ et τ − αId commutent.

Supposons pour l’instant α 6= 1. On a donc deux sous-espaces propres distincts et

donc en somme directe (car associés à des valeurs propres distinctes)
On note γα la suite géométrique de raison α prenant 1 comme première valeur, de
sorte que γα est un vecteur propre de τ et une base de Ker(τ − αId). Comme α 6= 1,
par dimension (γ1 , γα ) est une base de P et dans cette base τ est diagonale, i.e. sa
matrice est diagonale, et on a plus précisément
!
1 0
Mat(γ1 ,γα ) (τ ) = .
0 α

On en déduit d’une part que tout élément de P peut s’écrire u = xγ1 + yγα , avec x et
y des scalaires, et d’autre part qu’on a τ (u) = xγ1 + αyγα .

François Sauvageot - Lycée Clemenceau - Nantes - c b n a - 2022-2023

 CHAPITRE 4. RÉDUCTION 177

Pour trouver les coordonnées on peut résoudre un système et pour ce faire, on peut
passer par un pivot de Gauss. Mais à cause des propriétés de commutation, on peut
penser plus efficacement :

(τ − αId)(u) ∈ Ker(∆) et ∆(u) ∈ Ker(τ − αId)

et comme (τ − αId)(γ1 ) = (1 − α)γ1 , on a (τ − αId)(u) = x(1 − α)γ1 et en particulier

u1 − αu0 β
x= = .
1−α 1−α
u1 − u0 (α − 1)u0 + β β
De même ∆(u) = y(α − 1)γα et y = = = u0 + et il vient
α−1 α−1 α−1
αn − 1
un = u0 αn + β .
α−1

On peut récrire la formule précédente sous la forme

β
un = x0 + αn (u0 − x0 ) avec x0 = αx0 + β = −
Remarque 4 - 7 α−1
ce qui est la façon classique d’étudier les suites arithmético-géométriques à partir
du point fixe de x 7→ αx + β.

Si α = 1, on a affaire à une suite arithmétique. On peut retrouver la formule

un = u+ nβ en faisant tendre α vers 1 :

αn − 1
si α = 1 , un = u0 lim αn + β lim = u0 + βn
α→1 α→1 α − 1

ce qui montre qu’il y a une certaine forme de continuité en fonction de u0 , α et β.

Si u est une suite polynomiale, i.e. un = Q(n) pour un certain polynôme Q,

on a ∆(u)n = ∆(Q)(n) et ainsi il y a concordance entre les opérateurs ∆ définis
Remarque 4 - 8 sur les suites polynomiales et sur les polynômes. En particulier Ker(∆2 ) contient
les suites polynomiales de degré au plus 1, à savoir de la forme un = an + b. Par
dimension, il y a en fait égalité et, en identifiant il vient b = u0 et a = u1 −u0 = β.

On voit l’intérêt d’étudier un endomorphisme d’un point de vue abstrait, sans

faire nécessairement appel à une représentation matricielle, et de lui associer :
♥ des polynômes d’endomorphismes, des valeurs propres, des espaces propres, etc.
Il est même utile de découper l’espace ambiant en sous-espaces plus simples. On
commence donc l’étude générale par celle des sous-espaces stables.

4 Sous-espaces stables

Dans tout ce chapitre E désigne un K-espace vectoriel, où K est un corps (que l’on
pourra supposer égal à R, C, Q ou à un corps fini).

François Sauvageot - Lycée Clemenceau - Nantes - c b n a - 2022-2023

178 4.4. SOUS-ESPACES STABLES

La lettre u désignera un endomorphisme d’un espace vectoriel qui, sauf indication

du contraire, sera supposé être E. L’objectif est de décomposer E en parties où u est
plus simple à comprendre ou à expliciter.

Sous-espace stable
Soit F un sous-espace vectoriel de E. On dit que F est stable par u, ou u-
Définition 4 - 2 stable, si u(F ) ⊂ F . Dans ce cas on peut définir la bi-restriction de u à F , i.e.
|F |F
u|F l’endomorphisme de F induit par F : u|F ∈ End(F ).

Pour que u induise un endomorphisme de F , il est en fait nécessaire que F

soit stable par u.
|F
Par contre la définition ne demande pas u(F ) = F , i.e. que u|F soit surjective.
On cherchera néanmoins le plus souvent à ce que cette bi-restriction soit ou bien
Remarque 4 - 9
nulle ou bien bijective ou encore nilpotente.
Remarquons néanmoins que si u est un automorphisme de E et si F est
|F
de dimension finie, alors u|F est injective (puisque u l’est), donc bijective (par
dimension) et donc u(F ) = F et F est u−1 -stable.

Les propriétés suivantes sont directes.

1. Soit x dans E ; alors Kx est stable par u si et seulement s’il existe λ dans
K tel que u(x) = λx. En particulier si x est non nul, la droite Kx est stable
par u si et seulement si x est vecteur propre de u.
Propriétés 4 - 2
2. Si F et G sont u-stables, alors F ∩ G et F + G sont u-stables.
3. Soit p un projecteur sur F , i.e. p ◦ p = p et Im(p) = F , alors F est u-stable
si et seulement si p ◦ u ◦ p = u ◦ p ou encore (IdE − p) ◦ u ◦ p = 0.

Démonstration. Si x est nul tout λ convient, sinon x est une base de Kx et donc
u(Kx) ⊂ Kx si et seulement si u(x) ∈ Kx.
La stabilité de F ∩ G résulte de la définition de l’intersection. Celle de F + G de la
linéarité de u.
On a Im(u ◦ p) = u(F ) et Ker(Id − p) = F et donc (IdE − p) ◦ u ◦ p = 0 si et
seulement si u(F ) ⊂ F . 

Valeur propre
Un scalaire λ est valeur propre pour u si et seulement s’il existe une droite
|D
Remarque 4 - 10 vectorielle D de E telle que D soit u-stable et u|D = λIdD . Autrement dit si et
seulement si la (bi-)restriction de u à D se comporte comme une homo-
thétie (de rapport λ).

Spectre
Définition 4 - 3
On appelle spectre de u l’ensemble, noté Sp(u), des valeurs propres de u.

François Sauvageot - Lycée Clemenceau - Nantes - c b n a - 2022-2023

 CHAPITRE 4. RÉDUCTION 179

1. Si u = λIdE , alors Sp(u) = {λ}.

2. Si u est une symétrie distincte de ±IdE , alors Sp(u) = {+1, −1}. On re-
marque au passage qu’on a s2 = s ◦ s = IdE et tout élément λ du spectre
Exemples 4 - 1 de u vérifie λ2 = 1.
3. Si u est un projecteur (i.e. u2 = u) distinct de IdE et de 0, alors Sp(u) =
{0, 1}. Une fois encore tout élément λ du spectre de u vérifie λ2 = λ.
4. Si E = C ∞ (R, R) et u(f ) = f 0 , alors Sp(u) = R.

Un endomorphisme de E est un endomorphisme de K-espaces vectoriels et

♥
donc Sp(u) ⊂ K.

Spectre et corps de base

Néanmoins si à u on associe une matrice, la question du corps de définition
peut se poser. Ainsi une matrice à coefficients entiers peut-être vue comme la
matrice canoniquement associée à un endomorphisme de Qn , de Rn ou de Cn .
Danger
On peut même prendre la réduction modulo un nombre premier de ces entiers et
n
la voir comme associée à un endomorphisme de (Z/pZ) . Dans ce cas il est utile
de préciser le corps de base et on note SpK (u). Par définition, si K ⊂ K0 , alors
SpK (u) ⊂ SpK0 (u).

Si u !est la matrice de la rotation correspondant au quart de tour, i.e u =

0 −1
. Si u ∈ End(R2 ), alors Sp(u) = ∅ puisqu’aucune droite n’est laissée
Exemple 4 - 2 1 0
stable par un quart de tour. Par contre si u ∈ End(C2 ), on a Sp(u) = {i, −i}
puisque les droites C(e1 + ie2 ) et C(e1 − ie2 ) sont u-stables.

En fait le spectre d’un endomorphisme n’est pas tout à fait ce qui est donné
par la définition précédente, mais les deux notions sont identiques en dimension
♠ finie, ce qui est le cadre du programme.
Le spectre, en tout généralité, désigne l’ensemble des valeurs spectrales, i.e.
des scalaires λ tels que u − λIdE n’est pas bijectif.

Stabilité du noyau et de l’image – Caractérisation des homothéties

On a
Proposition 4 - 2 1. Ker(u) et Im(u) sont stables par u.
2. u est scalaire si et seulement si tous les sous-espaces vectoriels de E sont
u-stables. Autrement dit : (u ∈ KId) ⇔ (∀F ⊂ E , u(F ) ⊂ F ).

Démonstration. Soit x dans Ker(u), on a u(x) = 0 et donc u(x) ∈ Ker(u). Donc

Ker(u) est stable.
Soit y dans Im(u). Par définition on a u(y) ∈ Im(u). Donc Im(u) est stable.
Enfin pour la seconde assertion, le sens direct est immédiat. Pour la réciproque, en
particulier toute droite est stable et donc, pour tout x dans E, on dispose de λx dans

François Sauvageot - Lycée Clemenceau - Nantes - c b n a - 2022-2023

180 4.4. SOUS-ESPACES STABLES

K tel que u(x) = λx x. Soit alors x et y deux vecteurs non nuls de E, si Kx = Ky,
|Kx
alors λx = λy puisque cette valeur commune est le scalaire λ tel que u|Kx = λIdKx .
Sinon (x, y) est libre et on dispose de λ tel que u(x + y) = λ(x + y). Par linéarité de
u, il vient λx x + λy y = λx + λy et par indépendance de (x, y), il s’ensuit λx = λy = λ.
Il en résulte, puisque u(0) = 0 = λ0 pour tout scalaire λ, que u est scalaire. 

On peut affiner le résultat précédent.

Espaces stables et commutant

Soit λ un scalaire ; alors Ker(u − λIdE ) est stable par u.
Plus précisément, soit v dans End(E). Alors
Proposition 4 - 3
1. Si [u, v] = 0, alors Ker(u) et Im(u) sont stables par v.
2. Si [u, v] = 0 et λ ∈ K, alors Ker(u − λIdE ) est stable par v.
3. Si F est stable à la fois par u et par v, alors il est stable par v ◦ u.
De plus, si λ ∈ K∗ , alors Ker(u − λIdE ) ⊂ Im(u).

Démonstration. Comme u − λIdE commute à u, l’assertion sur u résulte de celles

sur u et v. Soit donc v tel que [u, v] = 0 et x dans E. On a v(u(x)) = u(v(x)) ∈ Im(u)
de sorte que Im(u) est v-stable. Si de plus u(x) = 0, alors v(x) ∈ Ker(u) et donc
Ker(u) est v-stable. La seconde assertion résulte de la première puisque si [u, v] = 0,
alors [u−λIdE , v] = 0. La troisième assertion est directe : v ◦u(F ) ⊂ v(F ) ⊂ F puisque
1
u(F ) ⊂ F . Enfin, si λ ∈ K∗ et x ∈ Ker(u − λIdE ), on a x = u(x) et donc x ∈ Im(u).
λ


Rang 1
Si u est de rang 1, il a une valeur propre non nulle si et seulement si u2 6= 0.
En effet si λ est une valeur propre non nulle, on a Ker(u − λIdE ) ⊂ Im(u) et
donc, par dimension, Ker(u − λIdE ) = Im(u). Autrement dit u| Im(u) = λIdIm(u)
et donc u2 = λu 6= 0.
Exemple 4 - 3 En fait pour x dans E on a u(x) = ϕ(x)v pour une certaine forme linéaire ϕ
et un certain v dans E (tous deux non nuls). Par conséquent u2 = ϕ(v)u et on a
u2 6= 0 ⇐⇒ ϕ(v) 6= 0 et cette dernière propriété est équivalente au fait que v soit
vecteur propre (ce qu’il est toujours) pour une valeur propre non nulle. Dans ce
cas les vecteurs propres associés à une valeur propre non nulle sont les vecteurs
non nuls de Kv.

Produit tensoriel ♠
Si u est un endomorphisme donné par u(x) = ϕ(x)v avec v ∈ E et ϕ ∈
L (E, K), on note u = ϕ ⊗ v (lire « ϕ tenseur v »). Si ϕ ou v est nul, alors u
aussi. Sinon Im(u) = Kv et Ker(u) = Ker(ϕ). Réciproquement si v 0 est dans
Notation Im(u) et Ker(ϕ0 ) = Ker(ϕ), alors il existe un scalaire λ tel que u = λϕ0 ⊗ v 0 .
On a également les propriétés suivantes λ(ϕ ⊗ v) = (λϕ) ⊗ v = ϕ ⊗ (λv), et ces
relations sont celles qui définissent la notation ⊗ (lire « produit tensoriel »). Pour
les vérifier il suffit d’écrire que ces trois endomorphismes, appliqués à un même
vecteur x, donnent le même résultat, à savoir λϕ(x)v.

Afin de trouver une expression matricielle simple, on se ramène à une base adaptée

François Sauvageot - Lycée Clemenceau - Nantes - c b n a - 2022-2023

 CHAPITRE 4. RÉDUCTION 181

aux sous-espaces stables de u.

Base adaptée à un sous-espace stable

On suppose E de dimension finie et E = F ⊕ G. Soit IdE = pF + pG et
B = BF ∪ BG des décompositions de l’unité en somme de projecteurs et d’une
base de E en bases de F et G, adaptées à cette somme directe. Alors F est u-
Proposition 4 - 4 stable si et seulement si la matrice
! de u relativement à B est triangulaire par
∗ ∗
blocs, i.e. MatB (u) = .
0 ∗
|F |G
Dans ce cas, on a det(u) = det(u|F ) det((pG ◦ u)|G ).

Démonstration. C’est la traduction matricielle de pG ◦u◦pF = 0 et la traduction de la

propriété matricielle des matrices triangulaire par blocs au niveau des endomorphismes.


La propriété du déterminant par blocs peut se démontrer par récurrence (en

développant par rapport à la première colonne) ou en considérant la formule al-
Remarque 4 - 11 gébrique et en constatant que les permutations qui ne stabilisent pas les dim(F )
premiers indices contribuent à un terme nul dans la formule. On peut aussi rai-
sonner plus algébriquement en utilisant le pivot de Gauss.

Démontrer la formule du déterminant par blocs en utilisant la définition du

Exercice
déterminant des endomorphismes.

Base adaptée : décomposition stable et drapeau stable

On suppose E de dimension finie. Soit E = ⊕i∈I Ei une décomposition en
somme directe et B = ∪i∈I Bi une base adaptée. Alors on a :
1. « pour tout i dans I, Ei est u-stable » si et seulement
 si la 
matrice de u
∗ 0
dans B est diagonale par blocs, i.e. MatB (u) = 

 . .. .


0 ∗
2. si I = J1; pK, alors : « pour tout i dans I, ⊕j≤i Ej est u-stable » si et
Proposition 4 - 5 seulement si la matrice de u dans B est triangulaire par blocs, i.e. MatB (u) =
 
∗ ∗
 .. .


 . 
0 ∗
De plus, en notant ui l’endomorphisme induit sur Ei par u et la décomposition
|E
en somme directe, i.e. ui = (pEi ◦ u)|Eii , alors dans les deux cas envisagés précé-
Y
demment on a det(u) = det(ui ).
i∈I

Démonstration. Il s’agit de simples traductions de la stabilité des espaces considérés.

L’assertion sur le déterminant s’obtient par une récurrence immédiate à partir de la
proposition précédente. 

François Sauvageot - Lycée Clemenceau - Nantes - c b n a - 2022-2023

182 4.4. SOUS-ESPACES STABLES

1. Si u = ∆ et E l’ensemble des suites récurrentes linéaires d’ordre 2 vérifiant

un+2 = aun+1 + bun , deux cas se présentent. Si a2 + 4b = 0,
 a n  a n−1
E = K( ) ⊕ K((n )
2 2
et relativement
! à la base ((a/2)n ), (n(a/2)n−1 )) la matrice de ∆ est
1
2a 1
. Sinon E = C(αn ) ⊕ C(β n ), avec α + β = a et αβ = −b,
0 2a1
!
α 0
et la matrice complexe associée est .
0 β
!
Exemples 4 - 4 1 1
2. Si u = , on a Sp(u) = {1} et on a E = Ke1 ⊕ Ke2 . Le seul sous-
0 1
espace propre de E est Ke1 .
3. Si u est nilpotent avec dim(E) = 2, i.e. u2 = 0, alors soit u est nul, soit on
dispose de x non nul tel que u(x) 6= 0. Dans ce cas (x, u(x)) est une famille
libre car, pour λ et µ deux scalaires tels que λx + µu(x) = 0, on a (par
application de u à cette identité) λu(x) = 0 et donc λ = 0, puis µu(x) != 0
0 1
donc µ = 0. Dans la base (u(x), x), à u est associée la matrice .
0 0
4. Si E = Rn [X] et u est définie par u(P ) est le reste de la division euclidienne
de P par (X −1)2 , alors dans la base (1, X −1, · · · , (X −1)n ), u est diagonale
avec deux 1 suivis de n − 2 zéros.

La notion importante dégagée par la seconde propriété, i.e. la décomposition

de E en somme directe E = ⊕pi=1 Ei avec, pour tout i dans J1; pK, ⊕ij=1 Ej stable,
permet donc de calculer un déterminant mais elle est en fait plus profonde. On
parle de drapeau adapté à u quand on a affaire à une telle configuration.
Pour aller plus loin
L’étude des ui revient alors à l’étude de u sur chacun des Ei à peu de choses
près. Ce peu de choses est un quotient ! En fait ui est l’endomorphisme induit par
u sur (E1 ⊕ E2 ⊕ · · · ⊕ Ei ) / (E1 ⊕ E2 ⊕ · · · ⊕ Ei−1 ) et cet espace est isomorphe
à Ei .

Cardinal du spectre
Soit u un endomorphisme d’un K-espace vectoriel E.
1. Si (λi )i∈I est une famille (finie) de scalaires distincts deux à deux, alors
Proposition 4 - 6 la
Q famille (Ker(u − λi IdF ))i∈I est en somme directe, P i.e. l’application de
i∈I Ker(u − λi IdF ) dans F donnée par (xi )i∈I 7→ i∈I xi est injective.
2. Si E est de dimension finie, alors le cardinal de Sp(u) est majoré par la
dimension de E, i.e. |Sp(u)| ≤ dim(E).

Démonstration. Le premier point a déjà été vu (proposition 17 - 1).

La dimension d’une somme directe étant la somme des dimensions de ses consti-
tuants, et pour λ dans Sp(u), la dimension de Ker(u − λi IdE ) étant supérieure à 1, il
vient |Sp(u)| ≤ dim(E). 

François Sauvageot - Lycée Clemenceau - Nantes - c b n a - 2022-2023

 CHAPITRE 4. RÉDUCTION 183

5 Expression matricielle

Toute matrice dans Mn (K) peut être interprétée comme un élément de End(Mn,1 (K))
ou encore de End(Kn ). On lui associe alors, comme précédemment, valeurs propres,
vecteurs propres et spectre. Néanmoins il est naturel de s’intéresser à l’ambiguïté sou-
levée par ces interprétations et donc à la stabilité des notions par isomorphisme.

Changement de base
Soit x dans E et u dans End(E). On note X et X 0 les matrices associées à x
relativement aux bases (e) et (e0 ) respectivement, i.e. X = (e∗i (x))1≤i≤n et X =
Rappel 0 (e0 )
(ei∗ (x))1≤i≤n , A = Mat(e) (u), A0 = Mat(e0 ) (u) et P = P(e) = (e∗i (e0j ))1≤i,j≤n .
Alors on a
X = P X0 A0 = P −1 AP et AX = P A0 X 0 .

Soit ϕ un isomorphisme d’espaces vectoriels entre E et un autre K-espace vectoriel,

disons E 0 . À tout u dans End(E), on associe u0 dans End(E 0 ) défini par u0 = ϕ◦u◦ϕ−1
ou encore u0 ◦ ϕ = ϕ ◦ u. Il en résulte que pour F et F 0 des sous-espaces de E et E 0
respectivement, on a F est u-stable si et seulement si ϕ(F ) est u0 -stable et F 0 est u0 -
stable si et seulement si ϕ−1 (F 0 ) est u-stable. Autrement dit ϕ induit un isomorphisme
entre sous-espaces stables pour u et u0 . En particulier il en va ainsi pour les droites
propres.
Soit maintenant λ dans K, on a u0 − λIdE 0 = ϕ ◦ (u − λIdE ) ◦ ϕ−1 et, par bijectivité
de ϕ, Ker(u0 − λIdE 0 ) = ϕ (Ker(u − λIdE )). Il en résulte que les valeurs propres de u
et de u0 sont les mêmes et que leurs vecteurs et espaces propres se correspondent par
ϕ:
— Sp(u0 ) = Sp(u) ;
— ∀λ ∈ Sp(u), Ker(u0 − λIdE 0 ) ' (Ker(u − λIdE )) ;
— en particulier, si ces deux espaces sont de dimension finie (par exemple si E l’est),
alors ils sont de même dimension ;
— pour tout vecteur x non nul dans E, x est vecteur propre pour u si et seulement
si ϕ(x) est vecteur propre pour u0 , et dans ce cas leurs valeurs propres associées
sont les mêmes.
On en déduit que quelque soit l’interprétation de la matrice qu’on se donne, les
notions étudiées précédemment se correspondent par isomorphisme. Il est ainsi non
ambigü de se donner comme définitions, pour A dans Mn (K) :

Éléments propres dans le cas matriciel

— X dans Mn,1 (K) est vecteur propre pour A s’il est non-nul et s’il existe λ
dans K tel que AX = λX. On dit alors que λ est la valeur propre (pour A)
associée à X.
— λ dans K est valeur propre pour A s’il existe un X comme précédemment,
Définition 4 - 4 ou encore si A − λIn est non-inversible, i.e. det(A − λIn ) = 0.
— le spectre de A, noté Sp(A), est l’ensemble des valeurs propres de A

Sp(A) = {λ ∈ K | det(A − λIn ) = 0} .

— pour λ dans Sp(A), l’espace propre pour A associé à λ est Ker(A − λIn ),
i.e. l’ensemble des X dans Mn,1 (K) tels que AX = λX.

François Sauvageot - Lycée Clemenceau - Nantes - c b n a - 2022-2023

184 4.6. DIAGONALISABILITÉ

Il résulte de l’étude précédente qu’en dimension finie on peut préciser la correspon-

dance entre endomorphismes et matrices :

Spectre et vecteurs propres

Soit B une base de E, avec B = (ei )1≤i≤n et (e∗i )1≤i≤n les formes coordonnées
associées, et A = MatB (u). On a
Proposition 4 - 7 1. Sp(u) = Sp(A) ;
2. si λ est dans Sp(u), alors x est vecteur propre pour u associé à la valeur
propre λ si et seulement si (e∗i (x))T
1≤i≤n est vecteur propre pour A associé
à la valeur propre λ.

En fait le résultat plus général peut se spécialiser aux matrices

Spectre et conjugaison
Soit P dans GLn (K) et A dans Mn (K). On a
1. Sp(A) = Sp(P AP −1 ) ;
Proposition 4 - 8
2. pour tout λ dans Sp(A), Ker(P AP −1 − λIn ) = P. Ker(A − λIn ) ;
3. en particulier, pour tout λ dans Sp(A), Ker(P AP −1 − λIn ) ' Ker(A − λIn )
et leurs dimensions sont égales.

6 Diagonalisabilité

Dans cette section E est supposé de dimension finie et on note dim(E) = n.

Les matrices les plus simples, puisqu’elles ne sont finalement que l’extension la plus
simple des règles de calculs sur le corps de base K, sont les matrices diagonales. Il est
donc naturel de chercher des bases dans lesquelles u est diagonale.

Diagonalisabilité
On dit que u est diagonalisable s’il existe une base B de E telle que MatB (u)
Définition 4 - 5
soit diagonale, i.e. s’il existe une base B de E formée de vecteurs propres pour u.
On parle alors de base propre.

Notation Pour λ dans Sp(u), on note Eλ,u = Eλ = Ker(u − λIdE ).

Premier critère de diagonalisabilité – Dimension des espaces propres

L’endomorphisme u est diagonalisable si et seulement si E = ⊕λ∈Sp(u) Eλ ou
Proposition 4 - 9 encore X
dim(Eλ ) = dim(E) .
λ∈Sp(u)

Démonstration. Remarquons tout d’abord que la somme ⊕λ∈Sp(u) Ker(u − λIdE )

est directe d’après la proposition 17 - 1 et donc qu’on a toujours
X
dim (Ker(u − λIdE )) ≤ dim(E) ,
λ∈Sp(u)

François Sauvageot - Lycée Clemenceau - Nantes - c b n a - 2022-2023

 CHAPITRE 4. RÉDUCTION 185

avec égalité si et seulement si E = ⊕λ∈Sp(u) Ker(u − λIdE ).

Si u est diagonalisable, on dispose d’une base B de E formée de vecteurs propres
pour u et donc E = ⊕x∈B Kx. Or tout tel x appartient à un espace propre, donc Kx
aussi et ainsi E ⊂ ⊕λ∈Sp(u) Ker(u − λIdE ), d’où le résultat.
Réciproquement soit B une base adaptée à la décomposition en somme directe
E = ⊕λ∈Sp(u) Ker(u − λIdE ) ou plus généralement à une décomposition en somme
directe de sous-espaces u-stables sur lesquels u induit une homothétie. Alors B est une
base propre. 

On peut reformuler la décomposition en somme directe E = ⊕λ∈Sp(u) Ker(u−λIdE ).

L’endomorphisme u est diagonalisable si et seulement si E est somme directe

de sous-espaces u-stables sur lesquels u induit une homothétie. On a alors
X
u= λpEλ
Remarque 4 - 12
λ∈Sp(u)

où pEλ est le projecteur sur Eλ parallèlement à la somme directe des autres sous-
espaces propres.

Restriction d’un endomorphisme diagonalisable

Proposition 4 - 10 Si u est diagonalisable et si F est un sous-espace u-stable, alors la bi-restriction
de u à F est également diagonalisable.

|F
Démonstration. Pour λ dans K, le noyau de u|F − λIdF est nul si λ 6∈ Sp(u) et vaut
F ∩ Eλ sinon. On le
X note alors Fλ , de sorte que les Fλ sont en somme directe.
X Soit
x dans F et x = xλ avec xλ ∈ Eλ . On a par définition u(x) = λxλ et
λ∈Sp(u) λ∈Sp(u)
X
par stabilité de F , on en conclut λxλ ∈ F . Par récurrence immédiate pour tout
λ∈Sp(u)
X
entier naturel k, on a λ xλ ∈ F et donc pour tout polynôme P dans K[X],
k

λ∈Sp(u)
X
P (λ)xλ ∈ F . En spécialisant cette relation en un polynôme de Lagrange, il
λ∈Sp(u)
vient xλ ∈ F et donc xλ ∈ Fλ . On conclut que F est somme des sous-espaces propres
|F
de u|F , i.e. que ce dernier est diagonalisable. 

Condition suffisante de diagonalisabilité

Proposition 4 - 11 Si u possède n valeurs propres distinctes, i.e. si |Sp(u)| = dim(E), alors u est
diagonalisable.

Démonstration. On a en effet E ⊃ ⊕λ∈Sp(u) Ker(u − λIdE ) avec égalité si et seule-

X
ment si dim (Ker(u − λIdE )) ≥ dim(E). Comme, par définition, pour tout λ
λ∈Sp(u)
dans Sp(u), dim (Ker(u − λIdE )) ≥ 1, la condition précédente est automatiquement
vérifiée si |Sp(u)| = dim(E). 

D’après les considérations précédentes sur la stabilité des notions par isomorphisme

François Sauvageot - Lycée Clemenceau - Nantes - c b n a - 2022-2023

186 4.7. POLYNÔME CARACTÉRISTIQUE

et particulièrement la dimension des sous-espaces propres, on a

Diagonalisabilité - cas matriciel

L’endomorphisme u est diagonalisable si et seulement si sa matrice relative-
ment à une base B quelconque de E est diagonalisable.
Propriété 4 - 3
Une matrice A de Mn (K) est diagonalisable si et seulement si elle est sem-
blable à une matrice diagonale, i.e. s’il existe P dans GLn (K) tel que P −1 AP
soit diagonale.

Diagonalisabilité et classe de conjugaison

Autrement dit une matrice est diagonalisable si et seulement si sa classe de
Remarque 4 - 13
conjugaison (par automorphisme intérieur) contient une matrice diagonale et donc
deux matrices semblables sont simultanément diagonalisables ou non.

7 Polynôme caractéristique

Polynôme caractéristique
L’expression det(λIdE − u) est polynomiale en λ. Le polynôme associé dans
Définition 4 - 6
K[X] est appelé polynôme caractéristique de u. On le note χu , de sorte qu’on
peut écrire χu (λ) = det(λIdE − u).

Propriétés du polynôme caractéristique

1. Le polynôme χu est de degré n et est unitaire ;
2. Le scalaire λ est valeur propre de u si et seulement s’il est racine de χu ;
Propriétés 4 - 4
3. si B est une base quelconque de E et A = MatB (u), alors χu = χA ;
4. en particulier si A et B sont deux matrices semblables, χA = χB ;
5. on a χu = X n − Tr(u)X n−1 + · · · + (−1)n det(u).

Démonstration. La première propriété se démontre directement par récurrence ou

plus simplement en utilisant l’expression algébrique du déterminant comme somme,
signée, de produits de termes de la matrice. L’unique produit de degré maximal étant
celui obtenu par la permutation identique.
On a déjà vu que λ est valeur propre de u si et seulement si det(u − λIdE ) = 0, ce
qui se reformule en χu (λ) = 0.
Le déterminant est indépendant du choix de base et la matrice de λIdE − u dans
la base B est λIdE − A, d’où les deux propriétés suivantes.
On a χA (0) = det(−A) et donc le terme constant de χu est (−1)n det(u). Enfin
pour obtenir un terme en X n−1 grâce à l’expression algébrique du déterminant, en
posant A = (aij )1≤i,j≤n ,

X n
Y
χu = χA = det(XIdE − A) = ε(σ) (Xδi,σ(i) − aiσ(i) )
σ∈Sn i=1

on doit avoir σ(i) = i pour au moins n − 1 entiers i, i.e. σ doit avoir au moins n − 1

François Sauvageot - Lycée Clemenceau - Nantes - c b n a - 2022-2023

 CHAPITRE 4. RÉDUCTION 187

points fixes. C’est donc nécessairement l’identité et donc le terme de degré n − 1 de χu

Yn n
X
est aussi celui de (X − aii ), i.e. − aii . 
i=1 i=1

!
a b
Si n = 2, on a A = et alors χA = X 2 − (a + d)X + ad − bc, i.e.
c d
!
Exemple 4 - 5 1 1
χA = X 2 − Tr(A)X + det(A). On en déduit que est diagonalisable, de
1 1
valeurs propres 0 et 2, puisque les racines de χA sont de somme 1+1 et de produit
1 × 1 − 1 × 1.

Avec les notations de l’exemple précédent, démontrer que le discriminant de

χA est (a − d)2 + 4bc. En déduire que A est diagonalisable sur R dès que b et c
Exercice
sont de même signe et donc en particulier lorsqu’ils sont égaux.
Démontrer que la plupart des matrices 2 × 2 sur C sont diagonalisables.

Multiplicité des valeurs propres

Définition 4 - 7 Soit λ dans Sp(u), on appelle multiplicité de la valeur propre λ, sa multiplicité
en tant que racine de χu . On la note mλ,u ou encore mλ et on a donc 1 ≤ mλ ≤ n.

Trace et déterminant
Si χu est scindé, alors
X n
X Y n
Y
Proposition 4 - 12 Tr(u) = mλ λ = λi et det(u) = λmλ = λi ,
λ∈Sp(u) i=1 λ∈Sp(u) i=1

en comptant les valeurs propres avec leurs multiplicités.

Y n
Y
Démonstration. Si χu est scindé, on a χu = (X − λ)mλ = (X − λi ). 
λ∈Sp(u) i=1

Sous-espaces stables et polynôme caractéristique

Soit F une sous-espace vectoriel de E. Si F est u-stable, alors χu|F | χu .
Proposition 4 - 13 Y E est somme directe E = ⊕i∈I Ei de sous-espaces u-stables, alors χu =
Si
χu|Ei .
i∈I

Démonstration. Soit B une base de E adaptée à F . D’après la proposition 4 - 4, la

matrice de u est alors triangulaire par blocs et donc celle de u − λIdE aussi, et on a
χu = χu|F P où P est le polynôme obtenu comme déterminant du bloc inférieur droit
de la matrice de λIdE − u.
La seconde assertion résulte de la proposition 4 - 5. 

François Sauvageot - Lycée Clemenceau - Nantes - c b n a - 2022-2023

188 4.7. POLYNÔME CARACTÉRISTIQUE

Multiplicité et dimension des espaces propres

1. Soit F un sous-espace vectoriel de E. Si F est u-stable, alors mλ,u|F ≤ mλ,u .
Propriétés 4 - 5
2. Pour λ dans Sp(u), on a dim(Eλ ) ≤ mλ . L’égalité est fausse en général !
3. Pour λ dans Sp(u), si mλ = 1, alors dim(Eλ ) = 1.

Démonstration. Puisque χu|F | χu , la première propriété est directe.

La seconde en résulte en prenant F = Eλ , ce qui est licite puisque Eλ est u-stable,
en remarquant χu|Eλ = χλIdEλ = (X − λ)dim(Eλ ) .
La dernière résulte de 1 ≤ dim(Eλ ) ≤ mλ . 

On peut donc conclure l’étude.

Deuxième critère de diagonalisabilité – Polynôme caractéristique

L’endomorphisme u est diagonalisable si et seulement si χu est scindé sur K
Théorème 4 - 2
et, pour tout λ dans Sp(u), dim(Eλ ) = mλ .
En particulier si χu est simplement scindé, u est diagonalisable.

Démonstration. Par définition et puisque χu est de degré dim(E), on a

X X
dim(Eλ ) ≤ mλ ≤ dim(E)
λ∈Sp(u) λ∈Sp(u)

avec égalité si et seulement si, pour la seconde inégalité, χu est scindé sur K et, pour
la première inégalité, pour tout λ dans Sp(u), dim(Eλ ) = mλ .
Si χu est simplement scindé, il est scindé et, pour tout λ dans Sp(u), dim(Eλ ) =
mλ = 1. Il en résulte que u est diagonalisable. 

Si u !est la matrice de la rotation correspondant au quart de tour, i.e u =

0 −1
Danger , on a χu = X 2 + 1. Si K = R, alors Sp(u) = ∅ et u n’est pas diagona-
1 0
lisable. Par contre si K = C, χu est simplement scindé et u est diagonalisable.

 
0 0 1
Soit A = 
0 0 1. On a χA = X − X − 2X et donc Sp(A) = {−1, 0, 2}.
  3 2


Exemple 4 - 6 1 1 1
Comme χA est simplement scindé, A est diagonalisable. On obtient directement
les espaces propres : Ker(A) = R(e1 − e2 ), Ker(A + I3 ) = R(e1 + e2 − e3 ) et
Ker(A − 2I3 ) = R(e1 + e2 + 2e3 ).

François Sauvageot - Lycée Clemenceau - Nantes - c b n a - 2022-2023

 CHAPITRE 4. RÉDUCTION 189

Diagonalisabilité et commutant
Si v commute à u, alors v stabilise Eλ pour tout λ dans Sp(u). En particulier
si u est diagonalisable, relativement à une base adaptée à la décomposition en
somme directe E = ⊕λ∈Sp(u) Eλ , la matrice de v est diagonale par blocs. Par
conséquent si χu est simplement scindé, la matrice de v est alors diagonale. La
Remarque 4 - 14 réciproque est directe.
Autrement dit le commutant d’une matrice diagonale dont tous les éléments
diagonaux sont distincts deux à deux est exactement l’ensemble des matrices
diagonales. Il est donc de dimension n.
Ce n’est pas le cas en général : la dimension du commutant est souvent plus
grande. Par exemple si u est l’identité, son commutant est End(E).

8 Théorème de Cayley-Hamilton

On admet le théorème suivant (dont une démonstration non-exigible sera donnée

dans le chapitre sur les polynômes).

Cayley-Hamilton – Georg Frobenius (1878)

Si E est de dimension finie, le polynôme caractéristique est un polynôme
Théorème 4 - 3
annulateur, i.e. χu (u) = 0. En particulier, pour toute matrice A de Mn (K), on a
χA (A) = 0.

Bien qu’attribué à Arthur Cayley et Sir William Rowan Hamilton, ce théo-

Remarque 4 - 15 rème n’a jamais été démontré par Cayley (il l’a par contre beaucoup utilisé) et
ne l’a été qu’en dimension 2 par Hamilton.

Spectre et polynômes annulateurs

Si P (u) = 0 et λ ∈ Sp(u), alors P (λ) = 0. En effet si x est un vecteur
Remarque 4 - 16 propre pour u associé à λ, on a u(x) = λx et donc pour tout entier naturel k,
uk (x) = λk x. Par linéarité il vient 0 = P (u)(x) = P (λ)x. Comme x n’est pas nul,
on a P (λ) = 0.

La réciproque est fausse en général. Par exemple u = 0, P = X 2 −X : P (1) = 0

Danger
mais 1 n’est pas valeur propre de u.

Durant le même chapitre sur les polynômes, nous énoncerons et démontrerons un

des théorèmes les plus importants pour la réduction des endomorphismes, le théorème
de décomposition des noyaux. Une conséquence directe de ce théorème et du précédent

François Sauvageot - Lycée Clemenceau - Nantes - c b n a - 2022-2023

190 4.8. THÉORÈME DE CAYLEY-HAMILTON

est la suivante :

Théorème de décomposition des noyaux

Y
Soit E de dimension finie et χu = Pimi une décomposition de χu en produit
i∈I
Théorème 4 - 4 de polynômes dans K[X] tels que les (Pi )i∈I soient premiers entre eux deux à deux
et les (αi )i∈I soient des entiers naturels. Alors

E = ⊕i∈I Ker(Pimi (u)) .

Sous-espaces caractéristiques
Si λ est valeur propre de u avec multiplicité m, l’espace donné par
Définition 4 - 8
Eu,λ,m = Ker((u − λIdE )m

est appelé sous-espace caractéristique de u associé à la valeur propre λ.

Le théorème de décomposition des noyaux permet donc de démontrer que si χu

Remarque 4 - 17
est scindé sur K, alors E est somme directe de ses sous-espaces caractéristiques.

 
3 1 1
Soit A =  . Comme Tr(A) = 3, Tr(com(A)) = −1 − 4 − 1 = −6 et
 
1 0 2
1 2 0
det(A) = 2 − 2 × (6 − 1) = −8, on a χA = X 3 − 3X 2 − 6X + 8, puisque le terme
de degré 1 s’obtient en faisant la somme des mineurs principaux.
Comme 1 est racine évidente, on factorise et il vient Sp(A) = {1, 4, −2}. Pour
trouver les vecteurs propres, on utilise le théorème de Cayley-Hamilton. On a
χA = (X − 4)(X − 1)(X + 2) et donc Im((A − I3 )(A + 2I3 )) ⊂ Ker(A − 4I3 ). On
calcule par exemple u = (A + 2I3 )e1 et v = (A − I3 )u, à savoir u = (5, 1, 1) et
v = (12, 6, 6), et on a v ∈ Ker(A − 4I3 ), ce qui permet d’obtenir (2, 1, 1) comme
Exemple 4 - 7 vecteur propre associé à 4.
On trouve de même (−1, 1, 1) associé à 1. En fait (A − 4I3 )e1 est déjà dans
Ker(A − I3 ) et on ne peut utiliser e1 pour trouver un vecteur propre associé à
−2. On prend donc e2 et on trouve u = (A − I3 )e2 = (1, −1, 2) et (A − 4I 3 )u =
−1 0 5
(0, 9, −9), donc (0, 1, −1) est associé à −2. On prend P =  1  et il
 
 1 1
1 −1 1
vient  
1 0 0
P AP = 0 −2 0
−1
 
 .


0 0 4

François Sauvageot - Lycée Clemenceau - Nantes - c b n a - 2022-2023

 CHAPITRE 4. RÉDUCTION 191

9 Trigonalisation

Dans cette section E est supposé de dimension finie.

Trigonalisabilité
On dit que l’endomorphisme u est trigonalisable (ou triangularisable) s’il
Définition 4 - 9 existe une base de E relativement à laquelle u admet une matrice triangulaire.
Autrement dit u est trigonalisable si et seulement s’il existe un drapeau maxi-
mal u-stable.

Nilpotence
On dit que l’endomorphisme u est nilpotent s’il existe k dans N tel que uk
Définition 4 - 10
soit nul. Si uk = 0 mais uk−1 6= 0, on dit que u est nilpotent d’indice k et que
k est l’indice de nilpotence de u.

Critère de trigonalisation
Théorème 4 - 5
L’endomorphisme u est trigonalisable si et seulement si χu est scindé.

Démonstration. Si u est trigonalisable, on dispose d’une base de trigonalisation et

donc la matrice de u relativement à cette base est triangulaire. Il en résulte que le
polynôme caractéristique de u est scindé.
Réciproquement si χu est scindé, on peut utiliser le théorème de décomposition des
noyaux pour obtenir M
E= Ker ((u − λIdE )mλ )
λ∈Sp(u)

où mλ est la multiplicité de λ dans χu . Comme on a affaire à une décomposition

en sous-espaces stables, il suffit donc de montrer que la restriction de u à ces sous-
espaces stables est trigonalisable. Autrement dit on peut supposer que u est annulé
par (X − λ)n . Enfin la matrice de u − λIdE est triangulaire si et seulement si celle de
u l’est et donc on peut supposer λ = 0, i.e. u est nilpotent. On note k son indice de
nilpotence.
On considère alors la suite croissante de sous-espaces

{0} ⊂ Ker(u) ⊂ Ker(u2 ) ⊂ · · · ⊂ Ker(uk ) = E .

Cette suite est formée de sous-espaces u-stables et constitue donc le drapeau cherché.
Dit autrement on choisit une base de E en procédant ainsi : on se donne une base de
Ker(u), puis on la complète en une base de Ker(u2 ), puis on la complète en une base
de Ker(u3 ) etc. jusqu’à obtenir une base de Ker(uk ), i.e. de E. Comme u(Ker(u2 )) ⊂
Ker(u) et, plus généralement, pour tout entier naturel p, u(Ker(up+1 )) ⊂ Ker(up ), la
matrice de u dans cette base est triangulaire par blocs. 

Suite croissante des noyaux

La suite
Remarque 4 - 18 {0} ⊂ Ker(u) ⊂ Ker(u2 ) ⊂ · · · ⊂ Ker(uk ) = E
est en fait strictement croissante puisque si, pour un entier naturel p, on a
Ker(up ) = Ker(up+1 ), alors Ker(up+1 ) = Ker(up+2 ).

François Sauvageot - Lycée Clemenceau - Nantes - c b n a - 2022-2023

192 4.9. TRIGONALISATION

Il résulte du théorème fondamental de l’algèbre :

Trigonalisation sur C
Corollaire 4 - 1 Si E est un C-espace de dimension finie, alors tout endomorphisme u est
trigonalisable.

Trigonalisation simultanée (♠)

Théorème 4 - 6 Si u et v commutent et sont trigonalisables, alors u et v sont simultanément
trigonalisables, i.e. il existe une base commune de trigonalisation.

Démonstration. Si u est trigonalisable, en particulier il a un espace propre. Cet

espace propre est stable par v puisque v commute à u et stabilise donc ses espaces
propres. La restriction de v à ce sous-espace propre étant trigonalisable, puisque v
l’est, v y admet un vecteur propre x, qui est donc un vecteur propre commun à u et v.
Soit alors H un supplémentaire de Kx et u0 et v 0 les bi-restrictions de u et v à H, i.e.
u0 = pH ◦ u|H et v 0 = pH ◦ v|H en notant pH le projecteur sur H parallèlement à Kx.
Par construction, pour y dans H, u(y) − u0 (y) appartient à Kx et donc, puisque
x est vecteur propre pour v, il en va de même pour v ◦ u(y) − v ◦ u0 (y). Comme u0 (y)
appartient à H, de même v(u0 (y))−v 0 (u0 (y)) appartient à Kx, et donc v◦u(y)−v 0 ◦u0 (y)
appartient aussi à Kx, en tant que somme de deux de ses éléments. Par symétrie, il
en va de même pour u ◦ v(y) − u0 ◦ v 0 (y). Puisque u et v commutent, on en déduit que
u0 ◦ v 0 (y) − v 0 ◦ u0 (y) appartient à Kx. Comme c’est un élément de H, il en résulte qu’il
est nul, i.e. [u0 , v 0 ] = 0.
De plus les polynômes caractéristiques de u0 et v 0 divisent respectivement ceux de u
et v, ils sont donc scindés. On en déduit que u0 et v 0 sont trigonalisables et commutent
entre eux et on peut alors conclure par récurrence sur la dimension de E. 
!
4 −3
Exemple 4 - 8 Soit A = .
3 −2

Comme Tr(A) = 2 et det(A) = 1, on a χA = (X − 1)2 . Il en résulte que A

est trigonalisable. La recherche d’un vecteur propre
! pour la valeur propre 1 donne
1 0
e1 + e2 et on peut donc prendre P = par exemple, de sorte que P −1 =
1 1
! !
1 0 1 −3
et donc P −1 AP = . On peut même affiner pour obtenir une forme
−1 1 0 1
« normale ». Pour cela il suffit de multiplier par −3 le premier vecteur de base,
 i.e. de
1 1
! !   
−3 0 −3 0 − 0 − 0
poser Q = P = . On a alors Q−1 =  3  P −1 =  3 
0 1 −3 1 0 1 −1 1
!
1 1
et Q AQ =
−1
.
0 1

 
1 −2 −3
Soit A =  .
 
Exemple 4 - 9 2 −4 −6
−1 2 3

François Sauvageot - Lycée Clemenceau - Nantes - c b n a - 2022-2023

 CHAPITRE 4. RÉDUCTION 193

Comme rg(A)
 = 1 et Tr(A)
 = 0, on a χA = X 3 . Il en résulte que A est trigonalisable
0 ∗ 0
et semblable à   puisqu’elle est de rang 1 (donc le noyau est de dimension 2).
 
0 0 ∗
0 0 0
Plus précisément
 le noyau
 admet pour équation x − 2y − 3z = 0 et on peut par exemple
2 3 1
prendre P = 1  et il suffit donc de calculer la matrice correspondante dans la
 
 0 0
0 1 0  
0 0 2
0 0 −1. On pourrait obtenir une
base représentée par P pour obtenir P −1 AP = 
 


0 0 0
 
0 1 0
forme « normale », à savoir 
0 0 0 en prenant comme second vecteur un vecteur
 


0 0 0
hors du noyau, comme premier vecteur son image par u et enfin comme  troisième

1 1 2
 2 0 1.
vecteur un vecteur du noyau indépendant du premier, par exemple Q = 
 


−1 0 0

 
1 1 1
Soit A =  .
 
Exemple 4 - 10 0 −1 2
0 −3 4

Puisque A est triangulaire par blocs, on obtient χA par produit : χA = (X −1)(X 2 −

3X + 2), i.e. χA = (X − 1)2 (X − 2). Puisque A − I3 est de rang 2, Ker(A − I3 ) est de
dimension 1 et donc An’est pas diagonalisable. Elle est donc semblable à une matrice
1 ∗ 0
de la forme  1 0. On écrit A − I3 et on constate que e2 + e3 a pour image 2e1
 
0 

0 0 2
 
1 0 5
par A − I3 , donc e2 + e3 est dans Ker((A − I3 )2 ). On choisit donc P = 
 
0 1 2

0 1 3
   
1 2 0 1 1 0
0 1 0. La forme « normale », à savoir 0 1 0
et il vient P −1 AP =  est
   
  

0 0 2 0 0 2

François Sauvageot - Lycée Clemenceau - Nantes - c b n a - 2022-2023

194 4.10. APPLICATIONS

 
2 0 5
obtenue avec Q = 0 .
 
 1 2
0 1 3

 
−2 −1 2
Soit A =  .
 
Exemple 4 - 11 −15 −6 11
−14 −6 11

X +2 1 −2
On a χA = 15 X +6 −11 et donc, après calculs, χA = (X − 1)3 . D’où
14 6 X − 11
Sp(A) = {1}.  
−3 −1 2
−3 −1
On a A − I3 = −15 −7 11 et donc, puisque = 21 − 15 = 6 6= 0,
 

−15 −7
−14 −6 10
A − I3 est de rang 2. De plus Ker(A − I3 ) est engendré par e1 + e2 + 2e3 . On calcule
alors  
−4 −2 3
(A − I3 )2 = 
 
−4 −2 3


−8 −4 6
et donc Ker((A−I3 )2 ) est le plan d’équation −4x−2y +3z = 0. Tout vecteur u hors de
ce plan sera tel que (u, (A − I3 )u, (A − I3 )2 u) est libre. On choisit u = e2 + e3 , de sorte
que (A − I3 )2 u = e1 + e2 + 2e3 . On a alors Au = e1 + 5e2 + 5e3 = u + e1 + 4e2 + 4e3 et
on pose v = e1 + 4e2 + 4e3 , de sorte que Au = u + v. On a enfin Av = 2e1 + 5e2 + 6e3 =
v + e1 + e2 + 2e3 et on pose w = e1 + e2 + 2e3 , de sorte que Av = v + w et Aw = w.
   
1 1 0 1 1 0
On choisit donc P =  1 4 1 et il vient P AP = 0 1 1.
  −1
 
  

2 4 1 0 0 1

10 Applications

10 1 Endomorphismes nilpotents
La caractérisation des endomorphismes trigonalisables donne également la propriété
suivante

Endomorphismes nilpotents
L’endomorphisme u est nilpotent si et seulement si χu = X dim(E) ou encore
Propriété 4 - 6
udim(E)
= 0 ou encore sa matrice est semblable à une matrice triangulaire supé-
rieure à diagonale nulle.

Démonstration. On note n = dim(E).

François Sauvageot - Lycée Clemenceau - Nantes - c b n a - 2022-2023

 CHAPITRE 4. RÉDUCTION 195

Si u est nilpotent, l’étude de la suite croissante des noyaux montre qu’on a un = 0

et, dans une base adaptée à cette suite croissante, que la matrice de u peut être choisie
triangulaire à diagonale nulle. On a donc χu = X n . La réciproque des deux premières
propriétés est directe. Enfin si χu = X n , alors un = 0 d’après le théorème de Cayley-
Hamilton. 

10 2 Endomorphismes de rang 1
Si u est de rang 1, il est donné par u(x) = ϕ(x)v avec ϕ ∈ L (E, K) et v ∈ E
tous deux non nuls. En prenant une base de E contenant une base de Ker(ϕ), il vient
χu = X n−1 (X −Tr(u)). En prenant v comme premier vecteur de base et en complétant,
on obtient Tr(u) = ϕ(v). Comme Sp(u) = {0, ϕ(v)} et dim(Ker(u)) = n − 1, u est
diagonalisable si et seulement si ϕ(v) 6= 0 ou encore si seulement si E = Im(u)⊕Ker(u).
Dans ce cas une base de diagonalisation est donnée par une base de Ker(u) et v. Sinon u
est trigonalisable (nilpotente d’indice 2) et semblable par exemple à E2,1 . Remarquons
également u ◦ (u − Tr(u)IdE ) = 0.

10 3 Suites homographiques
On s’intéresse aux suites homographiques, i.e. vérifiant une relation de récurrence
de la forme
αun + β
∀n ∈ N , un+1 =
γun + δ
avec (α, β, γ, δ) ∈ C4 . On se restreint tout d’abord au cas où la suite ne prend jamais
de valeur telle que γun + δ = 0.
On note, pour x ∈ C, Dx la droite engendrée par xe1 + e2 . Comme, pour n dans
N, (un+1 , 1) est proportionnel à (αun + β, γun + δ), on a Dun+1 = ADun en notant A
!
α β
la matrice .
γ δ
Supposons maintenant que ! A soit diagonalisable. On se donne P telle que P AP =
−1

a b
diag(λ, µ) avec P = . On a alors P (Dun+1 ) = diag(λ, µ)P (Dun ). Autrement
c d
dit, si on pose xn = aun + b et yn = cun + d, alors C(xn+1 , yn+1 ) = C(λxn , µyn ).
En supposant encore une fois que tout est bien défini, il vient, en posant tn = xn /yn ,
λ
tn+1 = tn et on peut donc en déduire le comportement de (tn ).
µ
Par exemple si |λ| < |µ|, alors (tn ) tend vers 0. On en déduit que (xn ) tend vers 0
et donc (un ) tend vers −b/a (car a ne saurait être nul).
Si A!n’est pas diagonalisable, P peut-être choisie de sorte que P AP −1 soit égale à
λ 1 1
avec λ dans C. La suite (tn ) est alors arithmétique de raison .
0 λ λ
Pour traiter tous les cas, il faut être plus soigneux et étudier la nullité de certaines
ax + b
expressions. Le point le plus important est de noter que x 7→ admet une fonction
cx + d
réciproque si et seulement si ad − bc 6= 0 et alors sa fonction réciproque est aussi
homographique : la première est définie de C \ {−d/c} dans C \ {a/c}, du moins si
c 6= 0 car dans ce dernier cas on a affaire à des applications affines bijectives.

L’étude des suites homographiques n’est pas un attendu du programme, mais

Programme elle n’est pas stricto sensu hors-programme. De facto ces suites apparaissent sou-
vent en problème ou en exercice, à l’écrit comme à l’oral.

François Sauvageot - Lycée Clemenceau - Nantes - c b n a - 2022-2023

196 4.11. COMPLÉMENTS

11 Compléments

11 1 Codimension

On dit qu’un sous-espace de E est de codimension finie s’il admet un supplé-

Définition 4 - 11
mentaire de dimension finie.

Puisque les supplémentaires d’un même sous-espace sont isomorphes, on en déduit

Si F est de codimension finie dans E, alors la dimension de ses supplémentaires

ne dépend pas du choix de ce supplémentaire. On l’appelle la codimension de F
et on la note codim(F ).
Propriété 4 - 7 Si F est à la fois de dimension finie et de codimension finie ou bien (ce qui
revient au même) si E est de dimension finie, on a

dim(E) = dim(F ) + codim(F ) .

Soit u dans L (E, F ). Si F est de dimension finie (ou plus généralement si

Im(u) l’est), on dit que u est de rang fini et on définit son rang par rg(u) =
dim(Im(u)).
Dans ce cas Ker(u) est de codimension finie et
Définition 4 - 12
codim(Ker(u)) = dim(Im(u)) = rg(u) .

Un espace de codimension 1 est appelé hyperplan de E. Une équation d’un

hyperplan H est la donnée d’une équation ϕ(x) = 0 avec H = Ker(ϕ).

Soit u dans L (E, F ) avec E de dimension finie. Alors u est de rang fini et on
Proposition 4 - 14 a
rg(u) + dim(Ker(u)) = dim(E) .

11 2 Dualité

Dans ce paragraphe E est de dimension finie.

On appelle dual de E l’espace vectoriel noté E ∗ et donné par E ∗ = L (E, K).

Définition 4 - 13
Pour ϕ dans E ∗ et x dans E on note indifféremment ϕ(x) ou hϕ | xi.

François Sauvageot - Lycée Clemenceau - Nantes - c b n a - 2022-2023

 CHAPITRE 4. RÉDUCTION 197

Soit B une base de E, avec B = (ei )i∈I , alors on note (e∗i )i∈I la famille définie
par X
∀x ∈ E , x = e∗i (x)ei ,
i∈I

Définition 4 - 14 i.e. les e∗isont les formes coordonnées par rapport à la base B. Alors (e∗i )i∈I
est une base de E ∗ , notée B ∗ et appelée base duale de la base B. L’application
x 7→ (e∗i (x))i∈I est la bijection réciproque de l’isomorphisme de KI sur E donné
par la base B.
Les éléments de B et B ∗ satisfont aux relations d’orthogonalité de Krone-
cker, à savoir : he∗i | ej i = δij .

On en déduit directement

Théorème 4 - 7 Les espaces E et E ∗ sont isomorphes et ont donc même dimension.

Cette assertion n’est vraie qu’en dimension finie : en dimension infinie les
Danger
espaces E et E ∗ ne sont jamais isomorphes.

Si B et B ∗ sont deux bases duales. Pour x dans E et ϕ dans E ∗ , on a hϕ | xi =

Remarque 4 - 19
MatB∗ (ϕ)T MatB (x).

Pour tout vecteur non nul de E, il existe (au moins) une forme linéaire sur E
Proposition 4 - 15
qui prend la valeur 1 sur ce vecteur.

Démonstration. On peut par exemple compléter ce vecteur en une base de E grâce

au théorème de la base incomplète et prendre pour forme linéaire la forme coordonnée
associée. 

Soit E = Kn [X] et B = ((X − a)k )0≤k≤n , alors B ∗ = (ek )0≤k≤n avec, pour P
Exemple 4 - 12 P (k) (a)
dans Kn [X], ek (P ) = .
k!

Toute base de E ∗ est la base duale d’une unique base de E appelée base
Proposition 4 - 16
anté-duale ou pré-duale de la base considérée.

Démonstration. Soit (ϕk )1≤k≤n une base de E ∗ , alors on a E ' Kn via l’isomor-
phisme x 7→ (ϕk (x))1≤k≤n . En effet l’application considérée est bien linéaire et son
noyau est formé des vecteurs dont l’image par tous les ϕk est nulle, donc son image
par E ∗ est nulle et en particulier par des formes coordonnées (dans une base quelconque
de E), i.e. cette application est injective. Par égalité des dimensions entre E et E ∗ et
puisque cette dimension est finie, il en résulte qu’on a bien affaire à un isomorphisme.
La base anté-duale cherchée est l’image réciproque de la base canonique de Kn . 

François Sauvageot - Lycée Clemenceau - Nantes - c b n a - 2022-2023

198 4.11. COMPLÉMENTS

Soit F un sous-espace vectoriel de dimension p de E, avec E de di-

mension n. L’ensemble F 0 des formes linéaires s’annulant sur F , i.e. F 0 =
{ϕ ∈ E ∗ | F ⊂ Ker(ϕ)} , est un sous-espace vectoriel de E ∗ de dimension n − p.
Réciproquement si G est un sous-espace vectoriel de dimension p de E ∗ , alors
Théorème 4 - 8 F défini par \
F = Ker(g)
g∈G

est de dimension n − p. De plus, pour ϕ dans E ∗ , F ⊂ Ker(ϕ) si et seulement si

ϕ ∈ G.

Démonstration. Soit B une base de E adaptée à F et B ∗ sa base duale. Alors

F 0 = Vect (e∗i )ei 6∈F .

En effet si ei 6∈ F , alors pour ej dans P F , on a e∗i (ej ) = 0 et donc F ⊂ Ker(e∗i ).

Réciproquement si ϕ est dans E et ϕ = i λi e∗i pour des scalaires (λi ), alors ϕ(ej ) =
∗

λj de sorte que Ker(F ) ⊂ ϕ impose λj = 0 dès que ej ∈ F , d’où l’inclusion réciproque.

\Soit B une base de E adaptée à G et B sa base anté-duale. On a alors F =
∗ ∗

Ker(ei ) et donc F = Vect (ej )e∗ 6∈G par un raisonnement similaire à ce qui précède.
∗
j
e∗
i
∈G


On peut introduire le bi-dual (E ∗ )∗ de E, i.e. le dual de E ∗ . Par égalité des

dimensions on a E ' (E ∗ )∗ , mais ce qui est plus fort, c’est que cet isomorphisme
est canonique, i.e. ne dépend pas d’un choix de base : si x est dans E, on peut le
voir comme l’élément ϕ 7→ hϕ | xi de (E ∗ )∗ . Cette application est l’isomorphisme
Pour aller plus loin
canonique cherché.
Dans cet isomorphisme une base B s’envoie sur une bae (B ∗ )∗ de (E ∗ )∗ qui se
trouve être la base duale de B ∗ . Autrement dit la base anté-duale de B ∗ est aussi
sa base duale en identifiant E et (E ∗ )∗ .

François Sauvageot - Lycée Clemenceau - Nantes - c b n a - 2022-2023

 CHAPITRE 4. RÉDUCTION 199

Exercices
Exponentielles c. On s’intéresse au polynôme de Lagrange Qiα
(X 2 + ω 2 )(X + iα)
donné par .
4 -1 F Conjugaison (ω 2 − α2 )2iα
Pour α dans C, on note γα la fonction de R dans C d. On note z = u(y) avec u = Qiα (d). Démontrer
donnée par γ(x) = exp(αx). On note E = C ∞ (R, C) et u(y) = aγiα et en déduire a =
E
.
d l’endomorphisme de E donné par d(f ) = f 0 . 2i(ω 2 − α2 )
a. Démontrer que γ est une fonction nulle part nulle. e. Démontrer b =
E
et en déduire que
−2i(ω 2 − α2 )
b. Soit µα la multiplication par γα , i.e. µα (f ) = γα f .
E sin(αt)
Démontrer que c’est un isomorphisme de E dans lui- fournit une solution particulière.
ω 2 − α2
même.
f. Calculer z(0) avec z = v(y), v = Q(d) et Q = Qiω =
c. Démontrer µα ◦ d ◦ µ−1
α = d − αIdE . (X 2 + α2 )(X + iω) Eα
d. En déduire Ker (d − αIdE ) = µα (Ker(d)) et retrou- . En déduire c = 2 +
(α2 − ω 2 )2iω (α − ω 2 )2iω
ver ainsi les solutions de y 0 = αy. 1 Eα + α − ω
2 2
= .
2iω (α2 − ω 2 )2iω
4 -2 FF Ordre 2
g. Conclure l’étude en démontrant qu’on a pour t réel
On reprend les notations de l’exercice 4 - 1. Soit α et
β deux complexes distincts et P = Ker(d2 − (α + β)d + Eα + α2 − ω 2 E
y(t) = sin(ωt) + 2 sin(αt) .
αβId). (α2 − ω 2 )ω ω − α2
a. Démontrer qu’une base de P en est (γα , γβ ).
b. Exprimer la matrice de d dans cette base. Suites récurrentes linéaires
X −α 1
c. On note Q = et ainsi Q(d) = (d − 4 -4 F Dimension
β−α β−α
αIdP ). En utilisant la matrice précédente, démon- Soit p dans N∗ et Q un polynôme unitaire dans
p−1
trer que Q(d) est le projecteur sur la droite engen- X
drée par γβ . Cp [X]. On note Q = X p − ak X k et τ l’endomor-
k=0
d. Comment interpréter en terme de racines de Q, l’in- phisme de CN donné par τ (u)n = un+1 .
clusion Ker(d − αIdP ) ⊂ Ker(Q(d)) ?
a. Donner une interprétation de Ker(Q(τ )), avec
e. Calculer Q2 (α) et Q2 (β) et en déduire Q2 (d)|P = p−1
Q(d)|P .
X
Q(τ ) = τ p − ak τ k .
f. Démontrer Ker(d − βIdP ) ⊂ Im(Q(d)) et en déduire k=0
Ker(d − βIdP ) = Im(d − αIdP ). b. Déterminer la dimension de Ker(Q(τ )).

4 -3 FFF Polynômes interpolateurs 4 -5 F Décomposition primaire

On reprend les notations de l’exercice 4 - 2 et on On reprend les notations de l’exercice 4 - 4 et on
s’intéresse au problème oscillatoire suivant : m
Y
 écrit Q = X p0 (X − αi )pi la décomposition primaire
i=1
y + ω y = E sin(αt)
 00 2
de Q dans C[X] (avec p0 éventuellement nul). On note


y(0) = 0 E = Ker(Q(τ )).
Démontrer que E contient tous les noyaux de la


y (0) = 1 .

 0
forme Ker((τ − αi Id)pi ).

avec α et ω des nombres réels positifs distincts. On note 4 -6 FF Suites polynomiales

y une solution.
On reprend les notations de l’exercice 4 - 4. Soit α
a. Démontrer que y 00 +ω 2 y est solution de x00 +α2 x = 0 dans C et p dans N∗ . On étudie Eα,p = Ker((τ −αId)p ).
et de y (4) + (α2 + ω 2 )y 00 + α2 ω 2 y = 0.
a. Donner Eα,p si p = 1 ou α = 0.
b. Démontrer que l’espace des solutions de l’équation
d’ordre 4 précédent est engendré par γiα , γ−iα , γiω b. Démontrer E1,p = {(P (n))n∈N | P ∈ Cp−1 [X]}.
et γ−iω . On note y = aγiα + bγ−iα + cγiω + dγ−iω . c. En déduire Eα,p si α 6= 0.

François Sauvageot - Lycée Clemenceau - Nantes - c b n a - 2022-2023

200 4.12. EXERCICES

4 -7 FFF Suites récurrentes générales Éléments propres

On reprend les notations de l’exercice 4 - 6. On sup- 4 -9 s TPE F Matrice antidiagonale
pose dans un premier temps α 6= 0.
Déterminer les éléments propres de la matrice
a. Démontrer, en utilisant les polynômes de Lagrange  
0 ··· 0 n
 .. . .
un = .. ..

. 0
. ..  .
 
p−1
uk (n − p + 1) · · · (n − k − 1)(n − k + 1) · · · n 0 2 ..

.
X
αn .
αk (−1)p−k−1 (p − k − 1)! k!
k=0 1 0 ··· 0

b. On note, pour i dans N, 4 - 10 s MT 2019 F Sous-espaces propres

 
0 3 3
X(X − 1) · · · (X − i + 1)
 
X
Hi = = . On considère M = −1

8 6 .

i i!
2 −14 −10
Démontrer a. Déterminer les valeurs et vecteurs propres de M .
p−1 b. Étudier la dimension des sous-espaces propres. Sont-
X 1 ils en somme directe ? Leur somme est-elle égale à
un = (−1)p−k−1 uk Hp−k−1 (n−k−1) (X n )(k) (α)
k! R3 ?
k=0

4 - 11 s F Rang pair
où (X n )(k) dénote la dérivée ke du polynôme X n .
Soit A dans Mn (R) tel que A3 + A2 + A = 0. Dé-
c. Démontrer que cette formule est encore vraie si montrer Im(A) = Ker(A2 + A + In ) et en déduire que A
α = 0. est de rang pair.

4 -8 FFF Décomposition primaire 4 - 12 s FF Spectre continu

On reprend les notations de l’exercice 4 - 5. Soit i Soit E = C0 (R+ , R), l’espace vectoriel des fonctions
dans J1; mK et x dans Ker((τ − αi Id)pi ). continues sur R+ , à valeurs réelles et de limite nulle en
+∞.
a. Démontrer qu’il existe U et V dans C[X] tels que On définit T dans L (E) par T (f )(x) = f (x + 1).
Montrer que les valeurs propres de T sont les réels
de ] − 1; 1 [ et trouver les vecteurs propres associés.
Y
U (X − αi )pi + V (X − αj )pj = 1 .
1≤j≤m
j6=i 4 - 13 s EN 2021-5946 FF Valeur propre com-
mune ♥
b. En déduire Soit A, B dans Mn (C). Montrer que A et B ont une
valeur propre commune si et seulement s’il existe X dans
Mn (C), non nul, tel que AX = XB.
Y
x = V (τ ) ◦ (τ − αj Id)pj (x)
1≤j≤m Y-a-t-il unicité de la matrice X ?
j6=i
4 - 14 s C 2011 FF Forme linéaire et valeurs
puis propres
Xque Ker((τ −αi Id) ) est en somme directe avec
pi

Ker((τ − αj Id)pj ). Existe-t-il une forme linéaire ϕ sur Mn (C) telle que,
1≤j≤m pour tout M dans Mn (C), ϕ(M ) soit une valeur propre
j6=i de M ?
Lm
c. Conclure E = Ker(Q(τ )) = i=0
Ker((τ − αi Id)pi ). 4 - 15 s INP 2015 FF Matrice de permutation
d. Démontrer que les éléments de E sont exactement Soit A la matrice de M2n+1 (R) dont l’endomor-
les suites vérifiant phisme canoniquement associé a vérifie : a(e1 ) = e1 +
e2n+1 et ∀i ∈ J2; 2n + 1K, a(ei ) = ei−1 + ei .
∀n ≥ p0 un = P1 (n)λn
1 + · · · + Pm (n)λm
n
a. Déterminer le polynôme caractéristique de A.
b. Montrer que A est inversible.
où P1 , . . ., Pm sont des polynômes de degrés respec-
tifs au plus p1 − 1, . . ., pm − 1. c. Écrire A−1 sous la forme d’un polynôme en A.

François Sauvageot - Lycée Clemenceau - Nantes - c b n a - 2022-2023

 CHAPITRE 4. RÉDUCTION 201

d. Déterminer les valeurs propres complexes de A. Cal- 4 - 21 s M 2019 F Spectre d’une composée
2n
kπ Soit f et g dans End(E), avec E de dimension finie,
Y  
culer cos .
2n + 1 f diagonalisable et f ◦ g = f + g.
k=0

a. Montrer que g et f ◦ g sont diagonalisables.

4 - 16 s FF Polynôme caractéristique ♥♥
Indication : On pourra considérer (f − Id) ◦ (g − Id).
Soit f ∈ L (E, F ) et g ∈ L (F, E) où E et F sont
deux K-espaces vectoriels de dimension finie. b. Donner les éléments du spectre de g et f ◦ g en fonc-
tion des éléments du spectre de f .
a. Montrer que f ◦ g et g ◦ f ont les mêmes valeurs
propres non nulles. c. Montrer Sp(f ◦ g) ⊂ R− ∪ [ 4; +∞ [ .
b. On se place dans le cas E = F . Montrer que f ◦ g et
g ◦ f ont les mêmes valeurs propres, et que si f ou g 4 - 22 s INP 2019 F Commutant
est inversible, ils ont le même polynôme caractéris-  −1 0 1 
tique. On considère la matrice donné par A = 0 2 0 .
0 0 1
c. On se place dans le cas E = F et K = R. Montrer
a. Montrer que A est diagonalisable et donner ses élé-
que f ◦ g et g ◦ f ont le même polynôme caractéris-
ments propres.
tique. 1 0 
0
d. Cas général. b. i. Soit D = 0 2 0 . Déterminer l’ensemble des
0 0 −1
i. Soit A ∈ Mn,p (K) et B ∈ Mp,n (K). matrices N qui commutent avec D.
Comparer les produits! matriciels! par
ii. En déduire l’ensemble C(A) des matrices qui
XIn − AB A In 0n,p commutent avec A.
blocs et
! 0p,n XIp B Ip c. Montrer C(A) = Vect I3 , A, A2 .


!
In 0n,p XIn A
.
B Ip 0p,n XIp − BA 4 - 23 s F Diagonalisabilité
ii. Comparer les polynômes caractéristiques de Soit A dans M2p (K) définie par
f ◦ g et g ◦ f .
 
4 - 17 s FF Transposée de la comatrice α1 0 ··· ··· 0 α1
0 0 0 0
 
Soit A dans Mn (C) et B = com(A)T .    
 .. ..
a. Montrer que tout vecteur propre pour A l’est pour . αp αp .
 
A=  .
 
B. Indication : On pourra distinguer suivant le rang .. ..
. αp+1 αp+1 .
 
de A : n, n − 1 ou inférieur à n − 2.  
0 0 0 0 
 
b. On suppose que A possède n valeurs propres dis-  

tinctes, dont une nulle. Déterminer les valeurs α2p 0 ··· ··· 0 α2p
propres de B.

4 - 18 s FF Rang 1 À quelle condition nécessaire et suffisante A est-elle

diagonalisable ?
Soit f et g dans L (E), avec E un C-espace vectoriel
de dimension finie et g de rang 1. Déterminer λ dans C
tel que f −λg ne soit pas inversible. On distinguera selon 4 - 24 s FF Matrices circulantes
le rang de f (n, n − 1 ou inférieur à n − 2).
a. Déterminer les valeurs propres complexes de la ma-
4 - 19 s FFF Entrelacement trice de permutation J donnée par
Soit A, B et M dans Mn (C) telles que AM = M B.  
Montrer que A et B ont au moins rg(M ) valeurs propres 0 1 0 ··· 0
communes (comptées avec multiplicité). .
 .. .. .. .. .. 
 . . . .
J =  ... .. .. .
 
Réduction
 . . 0

..
0 1
 
4 - 20 s TPE F Diagonalisation .
On pose E = C2n [X]. L’application f de E dans E 1 0 ··· ··· 0
donnée par f (P ) = X(X − 1)P 0 − 2nXP est-elle diago-
nalisable ? On pourra commencer par remarquer J n = In .

François Sauvageot - Lycée Clemenceau - Nantes - c b n a - 2022-2023

202 4.12. EXERCICES

b. Déterminer les valeurs propres et le déterminant, 4 - 28 s C 2019 FF Indice de nilpotence

puis diagonaliser la matrice A de Mn (C) donnée par
  a. Soit u un endomorphisme nilpotent d’indice égal à la
a0 a1 ··· ··· an−2 an−1 dimension de E. Montrer qu’il peut être représenté
   
an−1
 a0 a1 an−2  0 1
 .. .. .. .. ..   .. .. 
 . . . . .   . . 
A=
 .. ..  .
 par la matrice Jn =  .
.. .. .. ..
1
 
 . . . . .   .
.. ..
 

 a2 . .

a1  0
a1 a2 ··· ··· an−1 a0 b. Montrer qu’il a un nombre fini de sous-espaces
stables.
n−1
c. Réciproquement, que dire d’un endomorphisme nil-
X
c. Soit (λk ) les racines du polynôme ak X k , comp-
potent ayant un nombre fini de sous-espaces stables ?
k=0
tées avec multiplicité, et d son degré. Démontrer
d
Y 4 - 29 s M 2019 FF Racine de matrice
det(A) = (−1)nd an
d (λn
k − 1).
k=1 a. Soit M une matrice de M2 (C). Établir l’équivalence
4 - 25 INP 2019 FF Composé diagonalisable entre M non diagonalisable et M = D + T avec D
scalaire et T nilpotente non nulle.
Soit E un K-espace vectoriel de dimension finie. On
note f et g deux endomorphismes de E et on note A et b. Étudier!les matrices X de M2 (C) telles que X n =
B leurs matrices dans une même base de E. 1 1
, avec n ≥ 2.
a. On suppose f et g bijectifs. 0 1
i. Montrer χAB = χBA .
ii. Montrer que si f ◦g est diagonalisable alors g ◦f 4 - 30 s FF Diagonalisabilité
l’est aussi. Soit A non nul dans Mn (R) et u dans L (Mn (R))
b. Donner un exemple de matrices telles que AB soit défini par u(M ) = M + Tr(M )A.
diagonalisable mais pas BA
a. Donner les sous-espaces propres de u.
4 - 26 s FF Diagonalisabilité
b. Donner une condition nécessaire et suffisante pour
  que u soit diagonalisable.
0 ··· 0 1
. .. .. .. 
 .. . . . 4 - 31 s C 2014 FF Diagonalisabilité
a. Déterminer les éléments propres de  .
0

· · · 0 1
 Soit n dans N∗ et A dans Mn (C) vérifiant Tr(A) 6=
0. On définit l’application f de Mn (C) dans lui-même,
1 ··· 1 1 donnée par f (M ) = Tr(A)M − Tr(M )A.
b. Étudier la diagonalisabilité dans Mn (R) de
a. Montrer que f est un endomorphisme de Mn (C).
 
0 ··· 0 b1 b. Déterminer le noyau et l’image de f .
. .. .. .. 
 ..
 . . . 
 c. Établir que f est diagonalisable.
0 0
 
··· bn−1 
4 - 32 INP 2015 FF Exponentielle de matrice
a1 ··· an−1 0 1 
1 1
Soit A dans M3 (C) donné par A = 0 0 1 .
avec (ai )1≤i≤n−1 et (bi )1≤i≤n−1 non nuls dans 0 −1 0

Rn−1 . a. Diagonaliser A.
4 - 27 s FF Sous-espaces vectoriels stables b. En déduire eA .
Déterminer les sous-espaces vectoriels de R3 stables
4 - 33 s FF Diagonalisabilité
par la matrice A dans les deux cas suivants :
a. Soit u dans L (E) et (E1 , . . . , Ep ) une famille de
   
1 1 −1 −3 −3 2
sous-espaces u-stables tels que E = ⊕pi=1 Ei . Établir
A = 1 1 1 et A =  1 1 −2 .
   
l’équivalence : u est diagonalisable ⇐⇒ ∀i ∈ J1; pK,
1 1 1 2 4 4 u|Ei est diagonalisable.

François Sauvageot - Lycée Clemenceau - Nantes - c b n a - 2022-2023

 CHAPITRE 4. RÉDUCTION 203

b. À quelle condition nécessaire et suffisante la matrice 4 - 41 s X 1993 FF Produit de nilpotents

 
0 ··· 0 α1
 .. a. Soit u dans L (E) nilpotent et stabilisant un sous-
espace F de E, avec E un K-espace vectoriel de

 . · · 0 
A = 
..
 de Mn (C) est-elle dia-
dimension finie et F 6= {0}. Montrer dim(u(F )) <
0

· · . 
dim(F ).
αn 0 ··· 0 b. Soit u1 , . . ., un des endomorphismes nilpotents de
gonalisable ? E, K-espace vectoriel de dimension n, commutant
4 - 34 s M 2019 FF Projecteurs deux à deux. Montrer un ◦ · · · ◦ u1 = 0.

Soit E un espace vectoriel de dimension finie et p un 4 - 42 s FF Déterminant

projecteur de E. Soit F de L (E) dans lui-même donné Soit u et v deux endomorphismes de E, K-espace
1
par F (f ) = (f ◦ p + p ◦ f ). vectoriel de dimension finie. On suppose que u et v com-
2
mutent et que v est nilpotent. Montrer det(u + v) =
a. Est-il linéaire ?
det(u).
b. Est-il diagonalisable ? Indication : commencer par le cas u = IdE puis u
c. Quelles sont les dimensions des sous-espaces inversible.
propres ?
4 - 43 s M 2013 FF Polynôme caractéristique
4 - 35 s X 2010 - Maths B FFF Involutions ♥ Soit A et B dans Mn (C).
Soit G un sous-groupe de GL(E), avec E de dimen- a. On suppose que, pour toute matrice M dans Mn (C),
sion finie, composé d’involutions. Montrer que G est fini. on a χAM +B = χAM .
Indication : on pourra montrer que G est abélien et
i. Montrer que B est nilpotente.
en déduire que ses éléments sont co-diagonalisables.
ii. Montrer : ∀M ∈ Mn (C), Tr(AM B) = 0 et en
Endomorphismes nilpotents déduire BA = 0.
b. Réciproquement, on suppose B nilpotente et qu’on
4 - 36 s Magistère 2017 F Équation matricielle a BA = 0. Montrer que pour toute matrice M dans
Résoudre l’équation matricielle Mn (C), les polynômes caractéristiques de AM + B
  et de AM sont égaux.
−1 2 −1
4 - 44 s FFF Combinaisons linéaires
A3 = −1 2 −1 .
 
Soit A et B dans Mn (R) telles qu’il existe
−1 2 −1 (λ0 , . . . , λn ) distincts dans Rn+1 vérifiant, pour 0 ≤ i ≤
n, A + λi B est nilpotente. Montrer que A et B sont
4 - 37 s Magistère 2017 F Crochet †
nilpotentes.
Soit f et g dans L (E) avec E un K-espace vecto-
riel de dimension finie réalisant f ◦ g − g ◦ f = αf avec 4 - 45 s FFF Racine carrée
α ∈ K∗ . Montrer que f est nilpotent.
Indication : calculer f k ◦ g − g ◦ f k . a. Soit N une matrice nilpotente dans Mn (C) et λ dans
C∗ . En notant A = λIn + N , montrer qu’il existe un
4 - 38 s FF Similarité polynôme P dans C[X] tel que A = P (A)2 .
Soit A dans Mn (C) nilpotente d’indice n, i.e. An = 0 Indication : On pourra commencer par√le cas λ = 1
mais An−1 6= 0. Montrer que A est semblable à 2A. et utiliser un développement limité de 1 + x.
b. Plus généralement, si A est inversible, montrer que
4 - 39 s Magistère 2017-2019 FF Traces le résultat précédent subsiste.
Soit E un C-espace vectoriel de dimension finie n,
avec n > 0, et u ∈ L (E) vérifiant Compléments

Tr(u) = Tr(u2 ) = · · · = Tr(un ) = 0 . 4 - 46 s F Centre de L (E)

Montrer que u est nilpotent. Soit u dans L (E) avec E un espace vectoriel de di-
mension finie sur K. On suppose que u est central, i.e.
4 - 40 s Magistère 2018 FF Trace nulle ♥ qu’il commute avec tout endomorphisme de E.
Montrer qu’une matrice est de trace nulle si, et seule- a. Montrer que pour tout projecteur p dans L (E), on
ment si, elle est combinaison linéaire de matrices nilpo- a up = pup et en déduire que u stabilise tout sous-
tentes. espace vectoriel de E.

François Sauvageot - Lycée Clemenceau - Nantes - c b n a - 2022-2023

204 4.12. EXERCICES

b. Montrer que la matrice de u dans toute base est dia- a. Montrer qu’on peut écrire X 3 + pX + q = λ(X +
gonale et que cette matrice est invariante par chan- u)3 + µ(X + v)3 , avec λ, µ, u et v des scalaires, si
gement de base. En conclure que u est une homo- et seulement si (1, 0, p/3, q) sont les quatre premiers
thétie. termes d’une suite récurrente linéaire d’ordre 1 ou 2.
c. Que se passe-t-il si E n’est plus supposé de dimen- 3q
b. Montrer qu’en général u + v = et uv = −3p et
sion finie ou que K n’est pas un sous-corps de C ? p
en déduire les formules de Cardan dans ce cas.
4 - 47 s M 2019 F Hyperplan et inversibles c. Traiter les cas particuliers p = 0 et 4p3 + 27q 2 = 0.

a. Montrer que pour toute forme linéaire ϕ de Mn (R) 4 - 53 C 2019 FFF Isomorphismes de groupes
dans R, il existe A dans Mn (R) telle que pour toute linéaires
matrice M de Mn (R), on ait ϕ(M ) = Tr(AM ).
Soit n et p deux entiers distincts. Existe-t’il un iso-
b. Soit H un hyperplan de Mn (R). Montrer que H morphisme de GLn (K) dans GLp (K) ?
rencontre GLn (R). Indication : Trouver quelque chose d’invariant par
cet isomorphisme.
4 - 48 s F Trigonalisation sur C
Soit u un endomorphisme de E, espace vectoriel de 4 - 54 C II 2019 FFF Algorithme de Faddeev-
dimension finie sur C. On définit u∗ dans End(E ∗ ) par Le Verrier
u∗ (ϕ) = ϕ ◦ u.
a. Soit A dans Mn (K). On pose τ0 = 0 et B0 =
a. Montrer que u∗ admet un vecteur propre et en dé- In . On définit ensuite, pour k entre 1 et n, τk =
duire que u admet un hyperplan stable. 1
− Tr(ABk−1 ) et Bk = ABk−1 + τk In . On pose fi-
b. En déduire que u admet un drapeau maximal stable k
n
et qu’il est trigonalisable. 1 X
nalement C = − Bn−1 et P = X n + τk X n−k .
τn
4 - 49 s F Théorème de Cayley-Hamilton k=1
Écrire une fonction en Python qui prend une ma-
Soit u un endomorphisme de E, espace vectoriel de trice A en argument et renvoie P et C.
dimension finie sur C. D’après l’exercice 4 - 48, on
dispose d’une base de trigonalisation de u, notée (ei ) b. Tester la fonction précédente sur une matrice aléa-
et on note (λi ) les éléments de Sp(u), numérotés de toire, donner P (A) et AC, et faire une conjecture.
sorte que Ei , avec Ei = Vect (e1 , . . . , ei ), soit stable et c. Soit E un K-espace vectoriel, p un entier naturel non
u(ei ) − λi ei ∈ Ei−1 . nul, G une forme p-linéaire sur E et γ1 , . . ., γp des
a. Montrer que (u − λ1 IdE ) ◦ · · · ◦ (u − λi IdE ) est nul fonctions dérivables de R dans E. Donner la dérivée
sur Ei . de t 7→ G(γ1 (t), . . . , γp (t)).
b. Conclure que le théorème de Cayley-Hamilton est d. On note pour x dans K, H(x) = com(xIn − A)T
vrai sur R et même sur tout sous-corps K de C. et χA le polynôme caractéristique de A. Montrer
χ0A (x) = Tr(H(x)).
4 - 50 M 2019 FF Inverse de Vandermonde e. On se donne n matrices carrées R0 , . . ., Rn−1 telles
n
a. Redémontrer l’expression factorisée du déterminant
X
que H(x) = Rn−1−k xk .
de Vandermonde. k=1
b. Déterminer l’inverse de la matrice de Vander- i. Justifier l’existence de telles matrices.
monde. Interpréter en tant que matrice de passage ii. Rappeler ce que vaut (xIn − A)H(x), exprimer
dans l’espace vectoriel des polynômes. χA en fonction de R0 , . . ., Rn−1 et finalement
trouver une relation de récurrence sur les Rk .
4 - 51 s FF Commutant ♥
iii. Montrer finalement ∀k ∈ J1; n − 1K, Rk = Bk .
Soit u ∈ L (E) où E est un K-espace vectoriel de
dimension finie et c(u) = {v ∈ L (E) | [u, v] = 0}. f. Conclure finalement P = χA et C = A−1 .
a. Montrer que c(u) est un espace vectoriel et en déter- g. Question supplémentaire posée à l’oral à la fin : quel
miner la dimension quand u est diagonalisable. est l’intérêt de la méthode ?
b. Comparer c(u) et K[u] 4 - 55 s ENS P 2017 FFF Décomposition de
c. Étudier le cas où u est nilpotent. Bruhat
Soit A et B dans Mn (C). Montrer qu’il existe une
4 - 52 FF Formules de Cardan base (ei )1≤i≤n de Cn et σ dans Sn tels que (ei )1≤i≤n
On étudie une équation de degré 3 de la forme soit une base de triangularisation de A et (eσ(i) )1≤i≤n
X 3 + pX + q = 0. en soit une de B.

François Sauvageot - Lycée Clemenceau - Nantes - c b n a - 2022-2023

 CHAPITRE 4. RÉDUCTION 205

4 - 56 FFF Racines d’un endomorphisme ♥

Soit A ∈ Mn (C). On cherche les solutions X dans
Mn (C) de l’équation (E) : X 2 = A.
a. On suppose que A est diagonalisable.
i. Montrer que (E) possède des solutions.
ii. Dans le cas où les valeurs propres sont toutes
simples, combien (E) possède-telle exactement
de solutions ?
iii. Dans le cas où l’une des valeurs propres λ de A
est multiple, montrer que (E) admet une infi-
nité de solutions.
iv. Que peut-on dire dans Mn (R) ?
b. On suppose A nilpotente d’indice p.
i. Montrer que si (E) admet une solution X,
celle-ci est nilpotente d’indice q avec q ∈
{2p − 1, 2p}. Qu’en déduire pour l’indice de nil-
potence de A ?
ii. On suppose 2p ≤ n + 1. L’équation (E) admet-
elle toujours des solutions ?
c. FFFF Cas général ?

François Sauvageot - Lycée Clemenceau - Nantes - c b n a - 2022-2023