Décomposition de Dunford

et réduction de Jordan

Nous avons vu que les matrices ne sont pas toutes diagonalisables. On peut néanmoins décomposer
certaines d’entre elles, en une forme la plus simple possible. Nous verrons trois décompositions.
• La trigonalisation : transformer une matrice en une matrice triangulaire.
• La décomposition de Dunford : écrire une matrice comme la somme d’une matrice diagonali-
sable et d’une matrice nilpotente.
• La réduction de Jordan : transformer une matrice en une matrice diagonale par blocs.
K sera le corps R ou C, E un K-espace vectoriel de dimension finie.

1. Trigonalisation
Nous allons montrer que toute matrice, dont le polynôme caractéristique est scindé, est semblable
à une matrice triangulaire.

1.1. Trigonalisation
On rappelle qu’une matrice A = (ai, j )16i, j 6n est triangulaire supérieure si ai, j = 0 dès que i > j :
 
a1,1 a1,2 · · · a1,n
. .. 
 0 a2,2 . . . 

A= . . . .
 .. .. .. a 
n−1,n
0 ··· 0 an,n
Les coefficients sous la diagonale sont tous nuls. Ceux sur la diagonale ou au-dessus peuvent être
nuls ou pas.
Définition 1.
• Une matrice A ∈ Mn (K) est trigonalisable sur K s’il existe une matrice inversible P ∈ Mn (K)
inversible telle que P −1 AP soit triangulaire supérieure.
• Un endomorphisme f de E est trigonalisable s’il existe une base de E dans laquelle la
matrice de f soit triangulaire supérieure.

Bien sûr, une matrice diagonalisable est en particulier trigonalisable.

Théorème 1.
Une matrice A ∈ Mn (K) (resp. un endomorphisme f ) est trigonalisable sur K si et seulement si son
polynôme caractéristique χA (resp. χ f ) est scindé sur K.
DÉCOMPOSITION DE DUNFORD ET RÉDUCTION DE JORDAN 1. TRIGONALISATION 2

On rappelle qu’un polynôme est scindé sur K s’il se décompose en produit de facteurs linéaires
dans K[X ].
Remarquons que si K = C, par le théorème de d’Alembert-Gauss, on a :
Corollaire 1.
Toute matrice A ∈ Mn (C) est trigonalisable sur C.

Ce n’est pas le cas si K = R.

Exemple1. 
0 −1
Soit A = ∈ M2 (R). Alors χA(X ) = X 2 + 1. Ce polynôme n’est pas scindé sur R, donc A
1 0
n’est pas trigonalisable sur R. Si on considère cette même matrice A comme élément de M2 (C),
alors elle est trigonalisable (et ici même diagonalisable) sur C : il existe P ∈ M2 (C) inversible telle
que P −1 AP soit triangulaire supérieure.

1.2. Preuve
Démonstration.
• =⇒. Si f est trigonalisable, il existe une base de E dans laquelle la matrice de f s’écrit
 
a1,1 a1,2 · · · a1,n
. .. 
 0 a2,2 . . . 

A= . . . .
 .. .. .. a 
n−1,n
0 ··· 0 an,n
On a alors
n
Y
χ f (X ) = χA(X ) = (ai,i − X ),
i=1
ce qui prouve que χ f se décompose en produit de facteurs linéaires dans K[X ].
• ⇐=. La démonstration se fait par récurrence sur la dimension n de l’espace vectoriel E. Si n = 1,
il n’y a rien à démontrer. Supposons le résultat vrai pour n − 1, n > 2 étant arbitrairement fixé.
Le polynôme χ f ayant au moins une racine dans K, notons λ l’une d’entre elles et v1 un vecteur
propre associé. Soit F l’hyperplan supplémentaire de la droite Kv1 : on a donc E = Kv1 ⊕ F .
On considère alors une base (v1 , v2 , . . . , vn ) de E avec, pour 2 6 i 6 n, vi ∈ F . La matrice de f
dans cette base s’écrit  
λ ···
 0 
 
 .
.

 . B 
0
où B est une matrice carrée de taille (n − 1) × (n − 1). On a
χ f (X ) = (λ − X ) det(B − X I n−1 ) = (λ − X )χB (X ).
Notons g la restriction de f à F : la matrice de g dans la base (v2 , . . . , vn ) est égale à B. Par
hypothèse de récurrence, g (et donc B) est trigonalisable : en effet, χ f (X ) = (λ − X )χ g (X ),
et comme χ f est supposé scindé sur K, χ g l’est également. Par conséquent, il existe une base
(w2 , . . . , w n ) de F dans laquelle la matrice de g est triangulaire supérieure. Ainsi, dans la base
(v1 , w2 , . . . , w n ), la matrice de f est triangulaire supérieure.
DÉCOMPOSITION DE DUNFORD ET RÉDUCTION DE JORDAN 1. TRIGONALISATION 3

1.3. Exemple
Exemple 2.
Soit  
1 4 −2
A =  0 6 −3 ∈ M3 (R).
−1 4 0
Démontrons que A est trigonalisable sur R et trouvons une matrice P telle que P −1 AP soit triangu-
laire supérieure.
1. Commençons par calculer le polynôme caractéristique de A :
 
1 − X 4 −2 

χA(X ) =  0 6 − X −3  = · · · = (3 − X )(2 − X )2
 −1 4 −X 
Comme χA est scindé sur R, la matrice est trigonalisable sur R. (Nous verrons plus tard si elle
est diagonalisable ou pas.)
2. Les racines du polynôme caractéristique sont les réels 3 (avec la multiplicité 1), et 2 (avec la
multiplicité 2).
Déterminons les sous-espaces propres associés.
• Soit E3 le sous-espace propre associé à la valeur propre simple 3 : E3 = {v = (x, y, z) ∈ R3 |
Av = 3v}.

 x + 4 y − 2z = 3x
v ∈ E3 ⇐⇒ Av = 3v ⇐⇒ 6 y − 3z = 3 y ⇐⇒ x = y = z
−x + 4 y = 3z

E3 est donc la droite vectorielle engendrée par le vecteur v1 = (1, 1, 1).
• Soit E2 le sous-espace propre associé à la valeur propre double 2 : E2 = {v = (x, y, z) ∈ R3 |
Av = 2v}.

 x + 4 y − 2z = 2x
x = z

v ∈ E2 ⇐⇒ Av = 2v ⇐⇒ 6 y − 3z = 2 y ⇐⇒
4 y = 3z
−x + 4 y = 2z


E2 est donc la droite vectorielle engendrée par v2 = (4, 3, 4).

La dimension de E2 est égale à 1 alors que la multiplicité de la valeur propre 2 correspondante
est égale à 2. Par conséquent, on sait que la matrice A ne sera pas diagonalisable.
• Soit v3 = (0, 0, 1). Les vecteurs (v1 , v2 , v3 ) forment une base de R3 . La matrice de passage
(constituée des vi écrits en colonne) est
   
1 4 0 −3 4 0
P = 1 3 0 et P −1 =  1 −1 0 .
1 4 1 −1 0 1
On a Av1 = 3v1 et Av2 = 2v2 . Il reste à exprimer Av3 dans la base (v1 , v2 , v3 ) :
Av3 = A(0, 0, 1) = (−2, −3, 0) = −2(−3v1 + v2 − v3 ) − 3(4v1 − v2 ) = −6v1 + v2 + 2v3 .
3. Ainsi, l’endomorphisme qui a pour matrice A dans la base canonique de R3 a pour matrice T
dans la base (v1 , v2 , v3 ), où  
3 0 −6
T = 0 2 1  .
0 0 2
DÉCOMPOSITION DE DUNFORD ET RÉDUCTION DE JORDAN 2. SOUS-ESPACES CARACTÉRISTIQUES 4

On aurait aussi pu calculer T par la formule T = P −1 AP.

4. Note. D’autres choix pour v3 sont possibles. Ici, n’importe quel vecteur v30 complétant (v1 , v2 ) en
une base de R3 conviendrait. Par contre, un autre choix conduirait à une matrice triangulaire
T 0 différente (pour la dernière colonne).

Mini-exercices.


1. La matrice A = 28 −27
12 −8 est-elle trigonalisable sur R ? Si oui, trouver P telle que P −1 AP soit
triangulaire supérieure. Même question avec :

€ −7 −1 7 Š 4 3 7 0‹
4 −3 5 2 −4 1 2 2 0
7 1 −2 −1 2 −1 0 0 0
−4 −7 −14 −3

2. Trouver deux matrices T, T 0 ∈ M3 (R) qui soient distinctes, triangulaires supérieures et sem-
blables.

2. Sous-espaces caractéristiques

2.1. Lemme des noyaux

Commençons par démontrer le lemme suivant :
Lemme 1 (Lemme des noyaux).
Soit f un endomorphisme de E. Soient P et Q des polynômes de K[X ], premiers entre eux. Alors :

Ker(PQ)( f ) = Ker P( f ) ⊕ Ker Q( f )

Généralisation : soient P1 , . . . , Pr des polynômes deux à deux premiers entre eux. Alors :

Ker(P1 · · · Pr )( f ) = Ker(P1 ( f )) ⊕ · · · ⊕ Ker(Pr ( f ))

On a bien sûr des énoncés similaires avec les matrices.

Rappels.
• Soient P, Q ∈ K[X ]. On dit que P(X ) et Q(X ) sont premiers entre eux dans K[X ] si les seuls
polynômes qui divisent à la fois P et Q sont les polynômes constants.
• En particulier, sur C, deux polynômes sont premiers entre eux si et seulement s’ils n’ont pas de
racine commune.
• Le théorème de Bézout s’énonce ainsi :
P et Q sont premiers entre eux ⇐⇒ ∃A, B ∈ K[X ] AP + BQ = 1.

Démonstration. Soient P et Q deux polynômes premiers entre eux. Alors, d’après le théorème de
Bézout, il existe des polynômes A et B tels que AP + BQ = 1. On a donc, pour tout endomorphisme
f :
A( f ) ◦ P( f ) + B( f ) ◦ Q( f ) = id E .
Autrement dit, pour tout x ∈ E :
A( f ) ◦ P( f )(x) + B( f ) ◦ Q( f )(x) = x.
DÉCOMPOSITION DE DUNFORD ET RÉDUCTION DE JORDAN 2. SOUS-ESPACES CARACTÉRISTIQUES 5

• Montrons que Ker P( f ) ∩ Ker Q( f ) = {0}.

Soit x ∈ Ker P( f ) ∩ Ker Q( f ). On a
A( f ) ◦ P( f )(x) +B( f ) ◦ Q( f )(x) = x,
| {z } | {z }
=0 =0
donc x = 0, ce qui prouve Ker P( f ) ∩ Ker Q( f ) = {0}.
• Montrons que Ker(PQ)( f ) = Ker P( f ) + Ker Q( f ) par double inclusion.
— Preuve de Ker(PQ)( f ) ⊂ Ker P( f ) + Ker Q( f ).
Soit x ∈ Ker(PQ)( f ). On a, toujours en raison du théorème de Bézout,
x = A( f ) ◦ P( f )(x) + B( f ) ◦ Q( f )(x).
Montrons que A( f ) ◦ P( f )(x) ∈ Ker Q( f ). En effet :


Q( f ) ◦ A( f ) ◦ P( f )(x) = A( f ) ◦ P( f ) ◦ Q( f )(x) = A( f ) ◦ (PQ)( f ) (x) = 0.
On a utilisé que les polynômes d’endomorphisme en f commutent et que (PQ)( f )(x) = 0.
De même, B( f ) ◦ Q( f )(x) ∈ Ker P( f ). Ainsi,
x = A( f ) ◦ P( f )(x) + B( f ) ◦ Q( f )(x),
| {z } | {z }
∈Ker Q( f ) ∈Ker P( f )

et donc x ∈ Ker P( f ) + Ker Q( f ).

— Preuve de Ker P( f ) + Ker Q( f ) ⊂ Ker(PQ)( f ). Soient y ∈ Ker P( f ) et z ∈ Ker Q( f ). Alors :
PQ( f )( y + z) = Q( f ) ◦ P( f )( y) +P( f ) ◦ Q( f )(z) = 0,
| {z } | {z }
=0 =0
et donc y + z ∈ Ker(PQ)( f ).
• Conclusion : Ker(PQ)( f ) = Ker P( f ) ⊕ Ker Q( f ).

2.2. Sous-espaces caractéristiques

Nous avons vu que, lorsque f est diagonalisable, on a E = Eλ1 ⊕ · · · ⊕ Eλr avec Eλi = Ker( f − λi id E )
le sous-espace propre associé à la valeur propre λi . Nous allons démontrer que même si f n’est
pas diagonalisable, mais si son polynôme caractéristique est scindé sur K, on peut écrire
E = Ker( f − λ1 id E )m1 ⊕ · · · ⊕ Ker( f − λ r id E )mr ,
où mi est la multiplicité de la valeur propre λi comme racine du polynôme caractéristique de f .
Définition 2.
Soit f un endomorphisme de E. Soit λ une valeur propre de f et soit m sa multiplicité en tant
que racine de χ f . Le sous-espace caractéristique de f pour la valeur propre λ est


Nλ = Ker ( f − λ id E )m .

Pour λ valeur propre de f , on a Eλ ⊂ Nλ , car Ker( f − λ id E ) ⊂ Ker( f − λ id E )k quel que soit k > 1.
Exemple 3.
Soit  
−2 3 0 0
−3 4 0 0
A=
1
 ∈ M (R).
4
1 1 0
9 −5 −1 3
DÉCOMPOSITION DE DUNFORD ET RÉDUCTION DE JORDAN 2. SOUS-ESPACES CARACTÉRISTIQUES 6

Calculons les sous-espaces caractéristiques de A.

• Pour déterminer ses valeurs propres, on calcule d’abord son polynôme caractéristique :
χA(X ) = det(A − X I4 ) = · · · = (X − 3)(X − 1)3
La valeur propre 3 est de multiplicité 1 et la valeur propre 1 est de multiplicité 3.
• Sous-espace caractéristique associé à λ = 3.
Comme la multiplicité de cette valeur propre est 1 alors le sous-espace caractéristique est aussi
le sous-espace propre : N3 = Ker(A − 3I4 )1 = E3 . Ainsi, N3 = {v ∈ R4 | (A − 3I4 )v = 0}. Comme
N3 = E3 est de dimension 1 et v1 = (0, 0, 0, 1) ∈ N3 , alors
N3 = Rv1 .
• Sous-espace caractéristique associé à λ = 1.
La multiplicité de cette valeur propre est 3, donc N1 = Ker(A − I4 )3 . On a :
     
−3 3 0 0 0 0 0 0 0 0 0 0
−3 3 0 0   0 0 0 0   0 0 0 0
A−I4 =  (A−I4 )2 =  (A−I4 )3 =  
1 1 0 0   −6 6 0 0   0 0 0 0
9 −5 −1 2 5 1 −2 4 16 −4 −4 8
On cherche une base de N1 = {v ∈ R4 | (A − I4 )3 v = 0}. C’est un espace vectoriel de dimension
3, dont par exemple (v2 , v3 , v4 ) est une base, avec
v2 = (1, 4, 0, 0) v3 = (1, 0, 4, 0) v4 = (1, 0, 0, −2),
et donc
N1 = Vect(v2 , v3 , v4 ).

Théorème 2.
Soit f un endomorphisme de E tel que χ f est scindé sur K. Notons χ f (X ) = ±(X − λ1 )m1 · · · (X −
λ r )mr et, pour 1 6 i 6 r, Nλi le sous-espace caractéristique associé à la valeur propre λi . Alors :
1. Chaque Nλi est stable par f .
2. E = Nλ1 ⊕ · · · ⊕ Nλr .
3. dim Nλi = mi .

Autrement dit, l’espace vectoriel E est la somme directe des sous-espaces caractéristiques. En plus,
la dimension du sous-espace caractéristique associé à la valeur propre λ est la multiplicité de λ
comme racine du polynôme caractéristique.
Exemple 4.
Reprenons l’exemple 3 :
• 3 est valeur propre de multiplicité 1, et on a bien dim N3 = 1,
• 1 est valeur propre de multiplicité 3, et on a bien dim N1 = 3,
• on a bien R4 = N3 ⊕ N1 .

Démonstration.
1. Soit x ∈ Nλ = Ker( f − λ id E )m . On a ( f − λ id E )m (x) = 0. Or
( f − λ id E )m ◦ f (x) = f ◦ ( f − λ id E )m (x) = 0,
d’où f (x) ∈ Nλ .
DÉCOMPOSITION DE DUNFORD ET RÉDUCTION DE JORDAN 3. DÉCOMPOSITION DE DUNFORD 7

2. C’est une application du lemme des noyaux. On rappelle que

χ f (X ) = ±(X − λ1 )m1 · · · (X − λ r )mr .
Les polynômes (X − λi )mi sont premiers entre eux puisque les valeurs propres sont distinctes.
Par le lemme des noyaux, on obtient
Ker χ f ( f ) = Ker( f − λ1 id E )m1 ⊕ · · · ⊕ Ker( f − λ r id E )mr = Nλ1 ⊕ · · · ⊕ Nλr .
Or, d’après le théorème de Cayley-Hamilton, on a χ f ( f ) = 0, donc Ker χ f ( f ) = E, d’où le
résultat.
3. Notons g i = f|Nλ pour 1 6 i 6 r. Pour i 6= j, Nλi ∩ Nλ j = {0}. Or Eλi ⊂ Nλi , donc la seule valeur
i
propre possible de g i est λi . Le polynôme caractéristique de g i est scindé (car il divise celui de
f ) et sa seule racine est la seule valeur propre de g i , c’est-à-dire λi . Ainsi, χ gi (X ) = ±(X − λi )ni
(où ni = dim Nλi ). De plus,
±(X − λ1 )m1 · · · (X − λ r )mr = χ f (X ) = χ g1 (X ) · · · χ g r (X ) = ±(X − λ1 )n1 · · · (X − λ r )nr .
D’où, en identifiant les exposants des facteurs irréductibles, ni = dim Ni = mi , pour 1 6 i 6 r.

Mini-exercices.
 −2 −2 −1 −3 ‹
1. Calculer les sous-espaces caractéristiques de la matrice A = 00 −2 0 3
1 −2 1 . Même exercice
 1 −2 2 2 2  0 −3 0 4
2 6 −5 −3 −4
avec B = 2 3 −2 −3 −5 .
0 1 −1 2 0
0 −1 1 1 4

2. Soient f ∈ L (E) et λ ∈ K. Montrer que Ker( f − λ id E ) ⊂ Ker( f − λ id E )2 ⊂ Ker( f − λ id E )3 ⊂

···.
3. En utilisant le lemme des noyaux, prouver ce résultat du chapitre « Polynômes d’endomor-
phismes » :
« Théorème. Un endomorphisme f ∈ L (E) est diagonalisable sur K si et seulement
si son polynôme minimal est scindé à racines simples dans K. »

3. Décomposition de Dunford
Nous allons montrer que toute matrice, dont le polynôme caractéristique est scindé, peut s’écrire
comme somme d’une matrice diagonalisable et d’une matrice nilpotente. Autrement dit, cette
matrice est semblable à la somme d’une matrice diagonale et d’une matrice nilpotente.

3.1. Énoncé

Définition 3.
On dit qu’un endomorphisme f (resp. une matrice A) est nilpotent(e) s’il existe k ∈ N∗ tel que
f k = 0 (resp. Ak = 0).

Nous allons démontrer que les endomorphismes nilpotents et les endomorphismes diagonalisables
permettent de décrire tous les endomorphismes dont le polynôme caractéristique est scindé sur K
(c’est-à-dire ceux trigonalisables).
DÉCOMPOSITION DE DUNFORD ET RÉDUCTION DE JORDAN 3. DÉCOMPOSITION DE DUNFORD 8

Théorème 3 (Décomposition de Dunford).

Soit f un endomorphisme de E tel que χ f soit scindé sur K. Alors il existe un unique couple (n, d)
d’endomorphismes tel que :
i) n est nilpotent et d est diagonalisable,
ii) f = n + d,
iii) n ◦ d = d ◦ n.

De plus, on pourrait montrer que d et n sont des polynômes en f . En particulier, si K = C, cette

décomposition existe toujours. Le théorème peut encore s’écrire :
Théorème 4 (Décomposition de Dunford).
Pour toute matrice A ∈ Mn (K) ayant un polynôme caractéristique scindé sur K, il existe une unique
matrice N nilpotente et une unique matrice ∆ diagonalisable telles que
A= N +∆ et N ∆ = ∆N .

Remarque importante.
Attention ! ∆ est une matrice diagonalisable, pas nécessairement une matrice diagonale.
Comme ∆ est diagonalisable, alors il existe une matrice inversible P et une matrice diagonale D
telles que D = P −1 ∆P. Si on note N 0 = P −1 N P alors N 0 est encore nilpotente et N 0 D = DN 0 . Une
autre façon d’écrire la décomposition de Dunford est alors P −1 AP = D + N 0 . C’est dire que A est
semblable à la somme d’une matrice diagonale avec une matrice nilpotente.

Comme conséquence directe :

Corollaire 2.
Soit f un endomorphisme avec une décomposition de Dunford f = d + n, avec d diagonalisable, n
nilpotent et d ◦ n = n ◦ d. Alors :
• f diagonalisable ⇐⇒ f = d ⇐⇒ n = 0 ;
• f nilpotent ⇐⇒ f = n ⇐⇒ d = 0.

3.2. Lemmes
Avant de démontrer ces théorèmes, nous allons démontrer des lemmes dont les résultats nous
seront utiles.
Lemme 2.
Si f est nilpotent, alors 0 est son unique valeur propre et on a
χ f (X ) = (−1)n X n .

Démonstration.
• Notons A la matrice de f dans une base. Comme f est nilpotent, il existe k > 1 tel que Ak = 0.
Cela implique det(Ak ) = 0, donc det(A) = 0. La matrice A n’est donc pas inversible : cela
entraîne que f n’est pas bijectif, et comme f est un endomorphisme, f n’est pas non plus
injectif (la dimension de l’espace de départ égale la dimension de l’espace d’arrivée). Ainsi,
Ker f 6= {0}, ce qui est exactement dire que 0 est une valeur propre de f .
• Supposons que λ soit une valeur propre de f : il existe alors x 6= 0 tel que f (x) = λx. Par
récurrence sur n, f n (x) = λn x. Or, f est supposé nilpotent, il existe donc k ∈ N∗ tel que f k = 0.
D’où λk x = 0, ce qui implique λk = 0 (car x 6= 0), donc λ = 0.
DÉCOMPOSITION DE DUNFORD ET RÉDUCTION DE JORDAN 3. DÉCOMPOSITION DE DUNFORD 9

• Ainsi, 0 est la seule valeur propre de f , donc la seule racine de son polynôme caractéristique.
• Si K = R, on considère l’endomorphisme comme aussi défini sur C. En termes de matrice, cela
revient à dire que la matrice à coefficients réels A peut être vue aussi comme à coefficients
complexes. Or, sur C, un polynôme dont la seule racine est 0 est de la forme αX n , donc
χ f (X ) = (−1)n X n puisque le coefficient dominant d’un polynôme caractéristique est (−1)n .

Lemme 3.
Soit f un endomorphisme de E diagonalisable. On note λ1 , . . . , λ r ses valeurs propres et Eλ1 , . . . , Eλr
les sous-espaces propres correspondants. Si F est un sous-espace de E stable par f , alors on a
F = (F ∩ Eλ1 ) ⊕ · · · ⊕ (F ∩ Eλr ).

Démonstration. Soit x ∈ F . Comme x ∈ E = Eλ1 ⊕ · · · ⊕ Eλr , il existe x 1 , . . . , x r uniques, avec

x i ∈ Eλi pour 1 6 i 6 r, tels que x = x 1 + · · · + x r .
Le sous-espace F est stable par f , donc également par P( f ) pour tout polynôme P ∈ K[X ]. On
rappelle que comme x i ∈ Eλi alors f (x i ) = λi x i et plus généralement P( f )(x i ) = P(λi )x i . Pour
1 6 i 6 r, on définit
Yr
Pi (X ) = (X − λk ).
k=1
k6=i
On a ainsi Pi (λ j ) = 0 si i 6= j, et Pi (λi ) 6= 0.
On peut alors écrire
Pi ( f )(x) = Pi ( f )(x 1 + · · · + x r ) = Pi (λ1 )x 1 + · · · + Pi (λ r )x r = Pi (λi )x i .
Or Pi ( f )(x) ∈ F par stabilité de f , donc x i ∈ F . Ainsi, pour tout 1 6 i 6 r, x i ∈ F ∩ Eλi , d’où le
résultat.

Lemme 4.
Si f est diagonalisable et F est un sous-espace vectoriel de E, stable par f , alors la restriction de f
à F est aussi diagonalisable.

Pour une autre preuve, voir la fin du chapitre « Polynômes d’endomorphismes ».

Démonstration. Notons g la restriction de f au sous-espace F : g = f|F qui est bien définie car
F est stable par f . Soient λ1 , . . . , λ r les valeurs propres de f . L’endomorphisme f étant supposé
diagonalisable, on a
E = Eλ1 ⊕ · · · ⊕ Eλr ,
où les Eλi sont les sous-espaces propres de f . On obtient grâce au lemme 3 que
F = (F ∩ Eλ1 ) ⊕ · · · ⊕ (F ∩ Eλr ).
Or, quel que soit µ ∈ K, Ker(g − µ id F ) = F ∩ Ker( f − µ id E ), donc les valeurs propres de g, notées
µ1 , . . . , µs , appartiennent à l’ensemble {λ1 , . . . , λ r }. Ces µi forment exactement l’ensemble des
valeurs de {λ1 , . . . , λ r } pour lesquelles F ∩ Eλi 6= {0}. On a donc
F = Ker(g − µ1 id F ) ⊕ · · · ⊕ Ker(g − µs id F ),
ce qui prouve que g est diagonalisable.
DÉCOMPOSITION DE DUNFORD ET RÉDUCTION DE JORDAN 3. DÉCOMPOSITION DE DUNFORD 10

Lemme 5.
Soient f et g deux endomorphismes diagonalisables. On suppose que f ◦ g = g ◦ f . Alors il existe
une base commune de vecteurs propres de f et de g.

Autrement dit, si A, B ∈ Mn (K) sont diagonalisables et commutent, alors on peut les diagonaliser
dans une base commune, c’est-à-dire qu’il existe une matrice P ∈ Mn (K) inversible telle que P −1 AP
et P −1 BP soient toutes les deux diagonales.

Démonstration. Soient λ1 , . . . , λ r les valeurs propres de f . Notons Eλi = {x ∈ E | f (x) = λi x}. On

a alors, pour x ∈ Eλi ,
f (g(x)) = g( f (x)) = g(λi x) = λi g(x),
donc g(x) ∈ Eλi , ce qui prouve que Eλi est stable par g. D’après le lemme 4, la restriction de g à
Eλi est donc diagonalisable. On considère, dans Eλi , une base Bi de vecteurs propres de g. Noter
que ce sont aussi des vecteurs propres de f (car ils sont dans Eλi ). Comme f est diagonalisable,
on a
E = Eλ1 ⊕ · · · ⊕ Eλr .
|{z} |{z}
B1 Br
La base B = B1 ∪ · · · ∪ B r est donc une base de E formée de vecteurs qui sont des vecteurs propres
à la fois pour f et pour g.

3.3. Preuve
Passons à la démonstration du théorème de décomposition de Dunford. Voici l’idée générale :
• On décompose l’espace vectoriel E en somme des sous-espaces caractéristiques Nλi , où les λi
sont les valeurs propres de f .
• Sur chacun de ces sous-espaces, on décompose la restriction de f en di + ni , avec di = λi idNλi
qui est bien sûr diagonalisable.
• On montre que ni , qui est f − di restreint à Nλi , est nilpotent.
• Comme di est λi fois l’identité, alors di commute en particulier avec ni .

Démonstration.
Construction.
• Soit χ f le polynôme caractéristique de f qui, par hypothèse, est scindé sur K. Notons λi une
valeur propre de f , et mi sa multiplicité en tant que racine du polynôme caractéristique :
Yr
χ f (X ) = ± (X − λi )mi .
i=1

• Soient Nλ1 , . . . , Nλr les sous-espaces caractéristiques de f . Pour 1 6 i 6 r, on a

Nλi = Ker( f − λi id E )mi et E = Nλ1 ⊕ · · · ⊕ Nλr .
• Nous allons définir l’endomorphisme d sur chaque Nλi de la manière suivante : pour tout
x ∈ Nλi , on pose
d(x) = λi x.
L’espace vectoriel E étant somme directe des Nλi , d est défini sur E tout entier. En effet, si x ∈ E
est décomposé en x = x 1 + · · · + x r avec x i ∈ Nλi (pour 1 6 i 6 r), alors
d(x) = d(x 1 + · · · + x r ) = d(x 1 ) + · · · + d(x r ) = λ1 x 1 + · · · + λ r x r .
Pour 1 6 i 6 r, on a di = d|Nλ = λi idNλ .
i i
DÉCOMPOSITION DE DUNFORD ET RÉDUCTION DE JORDAN 3. DÉCOMPOSITION DE DUNFORD 11

On pose enfin
n(x) = f (x) − d(x).
Il nous reste à vérifier que n et d conviennent.
Propriétés.
1. Par construction, d est diagonalisable. En effet, fixons une base pour chaque sous-espace Nλi .
Pour chaque vecteur x de cette base, d(x) = λi x. Comme E est somme directe des Nλi alors,
dans la base de E formée de l’union des bases des Nλi (1 6 i 6 r), la matrice de d est diagonale.
2. On a défini n = f − d. Nλi est stable par n (car c’est vrai pour f et d). On pose ni = n|Nλ =
i
m m
f|Nλ −λi idNλ . Alors, par définition, Nλi = Ker(ni i ), et donc ni i = 0. Ainsi, en posant m = max mi
i i
(1 6 i 6 r), puisque nm s’annule sur chaque Nλi , alors nm = 0, ce qui prouve que n est nilpotent.
3. On va vérifier que d ◦ n = n ◦ d. Si x ∈ E, il se décompose en x = x 1 + · · · + x r avec x i ∈ Nλi
pour 1 6 i 6 r. Sur chaque Nλi , d|Nλ = λi idNλ donc commute avec tout endomorphisme. En
i i
particulier, d ◦ n(x i ) = n ◦ d(x i ) puisque Nλi est stable par n. On a donc
d ◦ n(x) = d ◦ n(x 1 + · · · + x r ) = d ◦ n(x 1 ) + · · · + d ◦ n(x r ) = n ◦ d(x 1 ) + · · · + n ◦ d(x r ) = n ◦ d(x).
Ainsi, d et n commutent.
4. Il reste à prouver l’unicité. Supposons que (n, d) soit le couple construit ci-dessus et soit (n0 , d 0 )
un autre couple vérifiant les propriétés (i), (ii), (iii) de la décomposition de Dunford.
• Montrons que d et d 0 commutent, ainsi que n et n0 .
On a f = d + n = d 0 + n0 , d’où
d ◦ f = d ◦ (d + n) = d ◦ d + d ◦ n = d ◦ d + n ◦ d = (d + n) ◦ d = f ◦ d.
Ainsi, f et d commutent et on montre de même que f et d 0 commutent. Montrons que Nλi
est stable par d 0 . Soit x ∈ Nλi = Ker( f − λi id E )mi . Alors
( f − λi id E )mi ◦ d 0 (x) = d 0 ◦ ( f − λi id E )mi (x) = 0.
Donc d 0 (x) ∈ Nλi .
Par construction, d|Nλ = λi idNλ , donc d et d 0 commutent sur chaque Nλi , donc sur E tout
i i
entier.
Or n = f − d et n0 = f − d 0 donc, comme d et d 0 commutent et f commute avec d et d 0 ,
alors n et n0 commutent également.
• Comme d et d 0 commutent, d’après le lemme 5, il existe une base commune de vecteurs
propres. En particulier, d − d 0 est diagonalisable.
• Comme les endomorphismes n et n0 sont nilpotents et commutent, n − n0 est également
nilpotent. En effet, si p et q sont des entiers tels que n p = 0 et n0q = 0, alors (n − n0 ) p+q = 0
(écrire la formule du binôme de Newton et voir que, dans chaque terme nk n0p+q−k , on a
k > p ou p + q − k > q).
• Ainsi d − d 0 = n0 − n est un endomorphisme qui est à la fois diagonalisable et nilpotent.
Comme il est nilpotent, sa seule valeur propre est 0 (c’est le lemme 2). Et comme il est
diagonalisable, c’est nécessairement l’endomorphisme nul. On a donc d − d 0 = n0 − n = 0.
• Conclusion : d = d 0 , n = n0 , ce qui termine la preuve de l’unicité.
DÉCOMPOSITION DE DUNFORD ET RÉDUCTION DE JORDAN 3. DÉCOMPOSITION DE DUNFORD 12

3.4. Exemples
Piège classique
Attention, une matrice triangulaire peut toujours s’écrire comme somme d’une matrice diagonale
et d’une matrice nilpotente, mais, en général, celles-ci ne commutent pas.
Retenez bien ce contre-exemple pour éviter ce piège classique.
Exemple 5.
Soient      
1 3 1 0 0 3
A= D̃ = Ñ = .
0 2 0 2 0 0
Alors on a bien A = D̃ + Ñ , D̃ est diagonale, Ñ est nilpotente (Ñ 2 = 0). Pourtant, ce n’est pas la
décomposition de Dunford car les matrices ne commutent pas : D̃ Ñ 6= Ñ D̃.
La décomposition de Dunford est tout simplement D = A, et N est la matrice nulle. D est bien
diagonalisable (son polynôme caractéristique est scindé à racines simples) mais n’est pas diagonale ;
N est nilpotente et DN = N D.

Pratique de la décomposition
La méthode pour trouver la décomposition de Dunford d’une matrice A ∈ Mn (K) consiste à suivre
les étapes de la preuve.
1. On calcule le polynôme caractéristique χA de A : il doit être scindé. On calcule ses racines, qui
sont les valeurs propres de A.
2. Pour chaque valeur propre λ, de multiplicité m comme racine de χA, on note Nλ = Ker(A−λI n )m .
C’est un espace vectoriel de dimension m. On détermine m vecteurs formant une base de Nλ .
L’union de toutes les bases Bλ des Nλ forme une base B = (v1 , . . . , vn ) de Kn .
3. On définit l’endomorphisme d par d(vi ) = λvi pour chaque vi ∈ Nλ . (Dans la base B, la matrice
de d est diagonale.) On note B0 = (e1 , . . . , en ) la base canonique de Kn . (A est la matrice de
l’endomorphisme f dans la base B0 .) ∆ sera la matrice de d dans la base B0 , c’est-à-dire que
les colonnes de ∆ sont les coordonnées des d(ei ) exprimées dans la base (e1 , . . . , en ).
4. On pose N = A− ∆. Par la démonstration du théorème 4, ∆ est diagonalisable, N est nilpotente
et ∆N = N ∆. La matrice de passage P de la base B vers la base canonique B0 transforme ∆
en une matrice diagonale D = P −1 ∆P.
On commence par un exemple où les calculs sont assez simples.
Exemple 6.
Calculons la décomposition de Dunford de la matrice
 
1 1 1
A = 0 1 1 ∈ M3 (R).
0 0 2
Évitons le piège d’écrire :    
1 0 0 0 1 1
A = 0 1 0 + 0 0 1
0 0 2 0 0 0
| {z } | {z }
D̃ Ñ
D̃ est diagonale (donc diagonalisable) et Ñ est nilpotente, mais on peut vérifier que les matrices
ne commutent pas : D̃ Ñ 6= Ñ D̃.
DÉCOMPOSITION DE DUNFORD ET RÉDUCTION DE JORDAN 3. DÉCOMPOSITION DE DUNFORD 13

Calculons maintenant la décomposition de Dunford de A.

1. Le polynôme caractéristique χA est égal à
 
1 − X 1 1 

χA(X ) = det(A − X I3 ) =  0 1−X 1  = −(X − 1)2 (X − 2).
 0 0 2 − X
Nous avons donc deux valeurs propres qui sont λ1 = 1 et λ2 = 2. La valeur propre 1 est de
multiplicité m1 = 2, alors que, pour la valeur propre 2, m2 = 1.
2. On note N1 = Ker(A − I3 )2 et N2 = Ker(A − 2I3 ). L’espace vectoriel R3 s’écrit comme somme
directe
R3 = Ker(A − I3 )2 ⊕ Ker(A − 2I3 ).
Déterminons ces sous-espaces caractéristiques.
• Calcul de N1 = Ker(A − I3 )2 .
On sait que c’est un espace vectoriel de dimension m1 = 2. On calcule
   
0 1 1 0 0 2
A − I3 = 0 0 1 (A − I3 )2 = 0 0 1 .
0 0 1 0 0 1
Ainsi N2 = Ker(A − I3 )2 est le plan vectoriel engendré par les vecteurs v1 = (1, 0, 0) et
v2 = (0, 1, 0). Donc
N1 = Ker(A − I3 )2 = Rv1 + Rv2 .
Au passage, notons que la matrice A n’est pas diagonalisable : en effet, la valeur propre 1
est de multiplicité 2, mais E1 = Ker(A − I3 ) = {v ∈ R3 | Av = v} est de dimension seulement
1 (en fait E1 = Rv1 ).
• Calcul de N2 = Ker(A − 2I3 ).
On sait que c’est un espace vectoriel de dimension m2 = 1. Pour déterminer le noyau
Ker(A − 2I3 ) = {v ∈ R3 | Av = 2v}, si v = (x, y, z), on résout :

 x + y + z = 2x
−x + y + z = 0 x = 2z
 
y + z = 2 y ⇐⇒ ⇐⇒
−y + z = 0 y = z
2z = 2z


Le sous-espace N2 = Ker(A − 2I3 ) est donc la droite vectorielle engendrée par le vecteur
v3 = (2, 1, 1) : N2 = Rv3 .
• La famille B = (v1 , v2 , v3 ) est une base de R3 :
R3 = Rv1 ⊕ Rv2 ⊕ Rv3 .
| {z } |{z}
N1 N2

3. On définit l’endomorphisme d par d(v1 ) = v1 , d(v2 ) = v2 (car v1 , v2 ∈ N1 ) et €d(v3 ) Š= 2v3 (car

1 0 0
v3 ∈ N2 ). Dans la base B, la matrice de d est donc la matrice diagonale D = 0 1 0 . Or nous
0 0 2
voulons la matrice de d dans la base canonique B0 = (e1 , e2 , e3 ). (Les calculs vont être assez
simples car e1 = v1 et e2 = v2 .)
• d(e1 ) = d(1, 0, 0) = (1, 0, 0) = e1 .
• d(e2 ) = d(0, 1, 0) = (0, 1, 0) = e2 .
• On a v3 = (2, 1, 1) = 2e1 + e2 + e3 et aussi e3 = (0, 0, 1) = −2v1 − v2 + v3 . Donc
d(e3 ) = d(−2v1 − v2 + v3 ) = −2d(v1 ) − d(v2 ) + d(v3 ) = −2v1 − v2 + 2v3
= −2e1 − e2 + 2(2e1 + e2 + e3 ) = 2e1 + e2 + 2e3 .
DÉCOMPOSITION DE DUNFORD ET RÉDUCTION DE JORDAN 3. DÉCOMPOSITION DE DUNFORD 14

Donc
d(e1 ) d(e2 ) d(e3 )
 
e1 1 0 2
∆ = MatB0 d = e2  0 1 1 .
e3 0 0 2
4. On pose  
0 1 −1
N = A − ∆ = 0 0 0  .
0 0 0
La décomposition de Dunford est A = ∆ + N . La preuve du théorème de la décomposition
affirme que ∆ est diagonalisable, N est nilpotente et ∆N = N ∆ (c’est un bon exercice de le
vérifier à la main).
5. On note P la matrice de passage de la base B0 vers la base B. P contient donc, en colonnes,
les vecteurs de la nouvelle base B = (v1 , v2 , v3 ) exprimés dans l’ancienne base B0 = (e1 , e2 , e3 ).
Comme v1 = e1 , v2 = e2 et v3 = 2e1 + e2 + e3 , alors
v1 v2 v3
   
e1 1 0 2 1 0 −2
P = e2  0 1 1 et on calcule P −1 = 0 1 −1 .
e3 0 0 1 0 0 1
Si besoin, on peut diagonaliser ∆ :
 
1 0 0
D = P −1 ∆P = 0 1 0
0 0 2
Remarque. D et N sont uniques, mais il y a plusieurs choix possibles pour les vecteurs vi et donc
pour la matrice P.

Pratique de la décomposition (suite)

Exemple 7.
Calculons la décomposition de Dunford de
 
2 1 −1
A = 3 3 −4 ∈ M3 (R).
3 1 −2
1. On trouve χA(X ) = −(X + 1)(X − 2)2 . La valeur propre −1 est de multiplicité 1, et la valeur
propre 2 est de multiplicité 2.
2. • On calcule N−1 = Ker(A + I3 ) = Rv1 où v1 = (0, 1, 1) (c’est bien un espace vectoriel de
dimension m−1 = 1).
• Calcul de N2 = Ker(A − 2I3 )2 qui va être de dimension m2 = 2 :
   
0 1 −1 0 0 0
A − 2I3 = 3 1 −4 et (A − 2I3 )2 = −9 0 9 .
3 1 −4 −9 0 9
Pour une base de N2 , on choisit d’abord v2 ∈ E2 = Ker(A − 2I3 ) ⊂ N2 , par exemple v2 =
(1, 1, 1). On cherche v3 ∈ N2 , linéairement indépendant de v2 . Par exemple, v3 = (1, 0, 1).
DÉCOMPOSITION DE DUNFORD ET RÉDUCTION DE JORDAN 3. DÉCOMPOSITION DE DUNFORD 15

• La famille B = (v1 , v2 , v3 ) est une base de R3 :

R3 = Rv1 ⊕ Rv2 ⊕ Rv3 .
|{z} | {z }
N−1 N2

3. On note B0 = (e1 , e2 , e3 ) la base canonique de R3 . La matrice de passage P de la base B0 vers

la base B s’obtient en écrivant les vecteurs vi en colonnes :
   
0 1 1 −1 0 1
P = 1 1 0 et donc P −1 =  1 1 −1 .
1 1 1 0 −1 1
4. On définit l’endomorphisme d par d(v1 ) = −v1 (car v1 ∈ N−1 ), et d(v2 ) = 2v2 , d(v3 ) = 2v3 (car
v2 , v3 ∈ N2 ). Dans la base B = (v1 , v2 , v3 ), la matrice de d est la matrice diagonale
 
−1 0 0
D =  0 2 0 .
0 0 2
La matrice de d dans la base B0 est obtenue en exprimant d(ei ) dans la base (e1 , e2 , e3 ) ou, ce
qui revient au même, par  
2 0 0
∆ = P DP −1 = 3 2 −3 .
3 0 −1
5. On pose  
0 1 −1
N = A − ∆ = 0 1 −1 .
0 1 −1
La décomposition de Dunford est A = ∆ + N . On a bien ∆ diagonalisable car D = P −1 ∆P. Pour
vous rassurer, vérifiez que N 2 = 0 et que ∆N = N ∆.

Application au calcul de puissance.

La décomposition de Dunford est utile pour calculer les puissances d’une matrice. Nous verrons
d’autres applications dans le chapitre « Systèmes différentiels ». Voyons les étapes pour calculer Ap ,
où A ∈ Mn (K) :
1. Écrire la décomposition de Dunford A = ∆ + N .
2. Diagonaliser ∆ : D = P −1 ∆P avec D matrice diagonale. Comme D est une matrice diagonale,
on calcule facilement D k , pour tout k > 0.
3. On note N 0 = P −1 N P. La matrice N 0 est encore une matrice nilpotente. On calcule les puissances
successives N 02 , N 03 ,. . . sachant qu’à partir d’un certain rang tous les N 0k sont nuls.
4. Comme D et N 0 commutent (car ∆ et N commutent), alors on applique la formule du binôme
de Newton :
p  ‹
X p p−k 0k
(D + N ) =
0 p
D N .
k=0
k
On a vu qu’à partir d’un certain rang les matrices N 0k sont toutes nulles. La somme a donc peu
de termes non nuls.

p
5. On a A = ∆ + N = P DP −1 + P N 0 P −1 = P(D + N 0 )P −1 . Donc Ap = P(D + N 0 )P −1 = P(D +
N 0 ) p P −1 .
Reprenons l’exemple précédent.
DÉCOMPOSITION DE DUNFORD ET RÉDUCTION DE JORDAN 3. DÉCOMPOSITION DE DUNFORD 16

Exemple 8.
Calculons Ap , quel que soit p ∈ N, pour
 
2 1 −1
A = 3 3 −4 ∈ M3 (R).
3 1 −2
1. Nous avons déjà calculé la décomposition de Dunford de A :
   
2 0 0 0 1 −1
∆ = 3 2 −3 N = 0 1 −1 .
3 0 −1 0 1 −1
2. On a aussi calculé la matrice de passage P qui diagonalise ∆.
   
0 1 1 −1 0 0
Avec P = 1 1 0 on a D = P −1 ∆P =  0 2 0 .
1 1 1 0 0 2
Et donc, pour tout k > 0 :
(−1)k 0 0
 

Dk =  0 2k 0  .
0 0 2k
3. Pour la partie nilpotente, on pose
 
0 0 0
N 0 = P −1 N P = 0 0 −1 avec N 02 = 0.
0 0 0
4. La formule du binôme de Newton se réduit donc à seulement deux termes :
 ‹  ‹
p p−1 0 p p−2 02
(D + N ) = D +
0 p p
D N + D N + · · · = D p + pD p−1 N 0
1 2
Donc
(−1) p 0 0 (−1) p 0
     
0 0 0 0
(D + N 0 ) p =  0 2 p 0  + p 0 0 −2 p−1  =  0 2 p −p2 p−1  .
0 0 2p 0 0 0 0 0 2p
5. Ainsi, pour p > 0 :
 
2p p2 p−1 −p2 p−1
Ap = P(D + N 0 ) p P −1 = 2 p − (−1) p p2 p−1 + 2 p −p2 p−1 − 2 p + (−1) p 
2 p − (−1) p p2 p−1 −p2 p−1 + (−1) p

Mini-exercices.
€ −6 −5 −5 Š
1. Montrer que la décomposition de Dunford de la matrice A = 2 0 6 est A = ∆ + N avec
€ −6 −5 −5 Š €0 0 0Š −2 4 −2
∆ = 0 −1 5 et N = 2 1 1 . Même exercice avec
0 5 −1 −2 −1 −1
€1 2 3Š € 1 2 −2 Š €0 0 5Š
A = 0 −2 3
0
∆0 = 0 −2 3 N0 = 0 0 0 .
0 0 1 0 0 1 0 0 0
 −3 3 6 −2 ‹  1 0 3 −2 ‹
2. Calculer la décomposition de Dunford de 1 −1 0 0 . Même exercice avec 33 40 −3
−3 3 6 −2 0
1 −2 .
−7 9 10 −4 3 0 −3 4


3. Montrer
que la décomposition

de Dunford de la matrice A = 7 1
−1 5 est A = ∆ + N avec
∆ = 60 06 et N = −11 1
−1 . Calculer Ap
pour tout p > 0.
DÉCOMPOSITION DE DUNFORD ET RÉDUCTION DE JORDAN 4. RÉDUCTION DE JORDAN 17

Même exercice avec

8 4 0
€ Š €6 0 0
Š € 2 4 0
Š
A0 = −1 4 0 ∆0 = 0 6 0 N0 = −1 −2 0 .
0 0 −9 0 0 −9 0 0 0

4. Réduction de Jordan
Nous allons montrer que toute matrice, dont le polynôme caractéristique est scindé, est semblable
à une matrice diagonale par blocs, avec des blocs « presque » diagonaux.

4.1. Blocs et matrices de Jordan

Définition 4.
Un bloc de Jordan est une matrice de la forme
λ 1 0
 
0
..
0 λ . 0
 
J(λ) =  . .  ∈ M p (K)
 .. . . . . . 1
0 ... 0 λ
avec λ ∈ K et p > 1.

C’est donc une matrice triangulaire supérieure, avec des coefficients λ sur la diagonale, des 1 juste
au-dessus de la diagonale, puis des 0 encore au-dessus.
Exercice 1.
Pour un bloc de Jordan de taille p × p, calculer (J(λ) − λI p )k pour tout k > 1. En particulier,
montrer que, pour (J(λ) − λI p ) p−1 , il ne reste plus qu’un coefficient 1, tout en haut à droite, et que
(J(λ) − λI p ) p est la matrice nulle.
Exercice 2.
Pour un bloc de Jordan J(λ) ∈ M p (K), montrer que son polynôme caractéristique est (−1) p (X −λ) p
et que son polynôme minimal est (X − λ) p .

Définition 5.
Une matrice de Jordan est une matrice diagonale par blocs de la forme
 
J1 (λ1 ) O O O
 O
 J2 (λ2 ) O O  
 .. 
 O O . O 
O O O J r (λ r )
où les Ji (λi ) sont des blocs de Jordan.

Les blocs de Jordan peuvent être de tailles différentes, et les valeurs λi ∈ K sont quelconques
(certaines d’entre elles peuvent être égales). La notation O désigne une matrice nulle (elles peuvent
être de tailles différentes).
Exemple 9.
Voici une matrice de Jordan :
DÉCOMPOSITION DE DUNFORD ET RÉDUCTION DE JORDAN 4. RÉDUCTION DE JORDAN 18

 
−3 1 0 0 0 0 0 0 0

 0 −3 0 0 0 0 0 0 0 


 0 0 −3 1 0 0 0 0 0 


 0 0 0 −3 1 0 0 0 0 

0 0 0 0 −3 0 0 0 0
 
 
 
 0 0 0 0 0 2 0 0 0 
 

 0 0 0 0 0 0 5 1 0 

 0 0 0 0 0 0 0 5 1 
0 0 0 0 0 0 0 0 5

Elle est formée de :

• un bloc de Jordan 2 × 2 associé à la valeur propre −3,
• un bloc de Jordan 3 × 3 associé à cette même valeur −3,
• un bloc de Jordan 1 × 1 associé à la valeur 2,
• un bloc de Jordan 3 × 3 associé à la valeur 5.

4.2. Énoncé

Théorème 5.
Si A ∈ Mn (K) a son polynôme caractéristique scindé sur K, alors A est semblable (sur K) à une
matrice de Jordan, appelée réduite de Jordan de A. Il existe donc P ∈ Mn (K) inversible telle que
 
J1 O O
P −1 AP =  O . . . O 
 

O O Jr
où les Ji sont des blocs de Jordan.

Ce qui se reformule aussi :

Théorème 6.
Soit f un endomorphisme de E dont le polynôme caractéristique χ f (X ) est scindé sur K.
Il existe une base B de E où la matrice de f est de Jordan, c’est-à-dire :
 
J1 O O
MatB ( f ) =  O . . . O 
 

O O Jr

Nous admettons ces théorèmes, mais nous verrons sur des exemples comment obtenir la matrice
de Jordan.

Voici des remarques importantes :

• Les λ qui apparaissent dans les blocs de Jordan sont les valeurs propres de A (ou de f ) et donc
les racines du polynôme caractéristique.
• Une même valeur λ peut apparaître dans plusieurs blocs différents.
• En particulier, ce théorème s’applique à toutes les matrices complexes.
DÉCOMPOSITION DE DUNFORD ET RÉDUCTION DE JORDAN 4. RÉDUCTION DE JORDAN 19

• Unicité. Cette décomposition est unique dans le sens où le nombre et la taille des blocs de
Jordan ne dépendent que de A (ou de f ). Par contre, on s’autorise à permuter les blocs de
Jordan entre eux.

Voici d’autres remarques qui découlent du théorème :

• Le nombre de blocs associés à la valeur propre λ est égal à la dimension du sous-espace propre
Eλ .
• La somme des tailles des blocs de Jordan associés à λ est la multiplicité de λ comme racine du
polynôme caractéristique.
• La taille du plus grand bloc de Jordan associé à λ est la multiplicité de λ comme racine du
polynôme minimal.

4.3. Exemples
Voici une méthode basique pour trouver la réduite de Jordan d’une matrice A ∈ Mn (K), ainsi qu’une
matrice de passage :
• Calculer le polynôme caractéristique et les valeurs propres de A.
• Pour chaque valeur propre λ, calculer le sous-espace propre Eλ = Ker(A − λI n ) et trouver une
base de Eλ . Le nombre de blocs de Jordan associés à λ est dim Eλ .
• Pour chaque vecteur propre de la base de Eλ , on construit le bloc de Jordan associé :
— Si v1 ∈ Eλ est un vecteur propre de la base de Eλ , alors on cherche v2 ∈ Kn tel que
(A − λI n )v2 = v1 .
— Puis on cherche s’il existe v3 ∈ Kn tel que (A − λI n )v3 = v2 .
— On arrête le processus lorsqu’il n’y pas de solution.
— On a Av1 = λv1 , puis Av2 = v1 + λv2 , . . . , Avp = vp−1 + λvp .
— Donc, dans le sous-espace engendré par ces (v1 , v2 , . . . , vp ), la matrice associée à A, dans
cette base, est exactement le bloc de Jordan :
Av1 Av2 ··· Avp
 
v1 λ 1 0 0
..
v2  0 λ . 0 
 
J(λ) = .  .. .. ..
.. 

. . . 1 
vp 0 ... 0 λ
— On peut aussi savoir quand s’arrêter en utilisant le fait que le bloc de Jordan est toujours d’une
taille p inférieure ou égale à la multiplicité de λ comme racine du polynôme caractéristique
(et même du polynôme minimal).
• On recommence avec v10 , un autre vecteur de la base de Eλ : on construit v20 , v30 ,. . . ce qui
conduit à un autre bloc de Jordan pour la valeur λ. On procède ainsi de suite pour tous les
vecteurs de la base de Eλ et ensuite bien sûr pour les autres valeurs propres.
Exemple 10.
Soit  
4 3 −2
A = −3 −1 3  ∈ M3 (R).
2 3 0
Calculons sa réduite de Jordan J et une matrice de passage P telle que P −1 AP = J.
DÉCOMPOSITION DE DUNFORD ET RÉDUCTION DE JORDAN 4. RÉDUCTION DE JORDAN 20

1. On commence par calculer le polynôme caractéristique de A :

 
4 − X 3 −2 
 
χA(X ) = det(A − X I3 ) =  −3 −1 − X 3  = −(X + 1)(X − 2)2
 2 3 −X 
Il y a donc deux valeurs propres : −1 et 2.
2. Valeur propre −1.
La valeur propre −1 est de multiplicité 1. Le sous-espace propre associé E−1 = Ker(A+ I3 ) = {v ∈
R3 | Av = −v} sera de dimension 1. Après calculs, on trouve que E−1 = Rv1 où v1 = (−1, 1, −1).
Comme la multiplicité de −1 comme racine de χA(X ) est 1, alors la valeur propre −1 sera juste
associée à un bloc de Jordan de taille 1 × 1.
3. Valeur propre 2.
La valeur propre 2 est de multiplicité 2. Il faut déterminer le sous-espace propre associé
E2 = Ker(A − 2I3 ) = {v ∈ R3 | Av = 2v}. Après calculs, on trouve que E2 = Rv2 où v2 = (1, 0, 1).
Comme E2 est un espace vectoriel de dimension 1, alors que 2 est racine de multiplicité 2, la
matrice A n’est pas diagonalisable et on sait alors que la valeur propre 2 sera associée à un bloc
de Jordan de taille 2 × 2.
4. Bloc de Jordan.
On cherche v3 ∈ R3 tel que (A − 2I3 )v3 = v2 . Si v3 = (x, y, z) alors :

 2x + 3 y − 2z = 1
    
2 3 −2 x 1
(A − 2I3 )v3 = v2 ⇐⇒ −3 −3 3
   y = 0 ⇐⇒
   −3x − 3 y + 3z = 0
2 3 −2 z 1 2x + 3 y − 2z = 1


2x + 3 y − 2z = 1 2x + 3 y = 1 + 2z x = −1 + z
  
⇐⇒ ⇐⇒ ⇐⇒
x + y −z = 0 x+y = z y = 1
En prenant par exemple z = 0 (n’importe quelle valeur conviendrait), on choisit v3 = (−1, 1, 0).
5. Matrice de Jordan.
Dans la base (v1 , v2 , v3 ), on a Av1 = −v1 , Av2 = 2v2 , et comme (A−2I3 )v3 = v2 alors Av3 = v2 +2v3 .
La matrice associée à A dans la base (v1 , v2 , v3 ) est donc :
Av1 Av2 Av3
 
v1 −1 0 0
J = v2  0 2 1 
v3 0 0 2
Autrement dit, J = P −1 AP où P est la matrice dont les colonnes sont les vecteurs v1 , v2 , v3
exprimés dans la base canonique :
   
−1 1 −1 1 1 −1
P = 1 0 1  et on a P −1 =  1 1 0  .
−1 1 0 −1 0 1

On recommence avec un exemple plus compliqué !

DÉCOMPOSITION DE DUNFORD ET RÉDUCTION DE JORDAN 4. RÉDUCTION DE JORDAN 21

Exemple 11.
Soit  
5 0 4 −2 −3
−2 3 −3 2 4
 
A= 0 0 3 0 0 ∈ M5 (R).
0 0 0 3 1
1 0 2 −1 1
Calculons sa réduite de Jordan J.
1. Le polynôme caractéristique de A vaut
χA(X ) = det(A − X I5 ) = · · · = −(X − 3)5 .
Il y a donc une seule valeur propre : λ = 3.
2. Valeur propre 3.
La valeur propre 3 est de multiplicité 5. Il faut ensuite calculer le sous-espace propre associé :
E3 = Ker(A − 3I5 ) = {v ∈ R5 | Av = 3v}. On calcule A − 3I5 , et on trouve une base (v1 , v3 ) de
E3 :
v1 = (0, 1, 0, 0, 0) et v3 = (1, 0, 0, 1, 0).
Ainsi dim E3 = 2 alors que la multiplicité de λ est 5. La matrice A n’est pas diagonalisable. Il y
aura donc deux blocs de Jordan associés à la valeur propre 3. (Cela peut être un de taille 1 × 1
avec un de taille 4 × 4, ou bien 2 × 2 avec 3 × 3.)
3. Matrice de Jordan.
• On cherche si on peut trouver v2 ∈ R5 tel que (A − 3I5 )v2 = v1 . Une solution possible
est v2 = (−2, 0, 1, 0, 0). Le processus s’arrête là, car il n’y a aucune solution v au système
(A − 3I5 )v = v2 . (En effet, la troisième ligne de A − 3I5 est nulle, alors que la troisième
coordonnée de v2 ne l’est pas.) On obtient donc un bloc de Jordan 2 × 2.
• On fait le même travail pour l’autre bloc de Jordan, en partant du vecteur v3 = (1, 0, 0, 1, 0) ∈
E3 . On cherche maintenant v4 ∈ R5 tel que (A − 3I5 )v4 = v3 . Après calculs, on trouve
v4 = (2, 0, 0, 0, 1). On cherche v5 tel que (A − 3I5 )v5 = v4 . On trouve v5 = (−3, 0, 2, 0, 0). Le
processus s’arrête là, ce qui correspond à un bloc de Jordan de taille 3 × 3.
On a Av1 = 3v1 , Av2 = v1 + 3v2 , Av3 = 3v3 , Av4 = v3 + 3v4 , Av5 = v4 + 3v5 .
Dans la base (v1 , v2 , v3 , v4 , v5 ), la matrice associée à A est :
 
3 1 0 0 0
 0 3 0 0 0 
 
J = 0 0 3 1 0 

 0 0 0 3 1 
0 0 0 0 3
Ainsi J = P −1 AP, où la matrice P est la matrice dont les colonnes sont les vecteurs v1 , . . . , v5
exprimés dans la base canonique.

4.4. Applications
Exemple 12.
Si A ∈ Mn (C), alors A est semblable à sa transposée AT .
En effet, il suffit de le vérifier lorsque A est un bloc de Jordan.
DÉCOMPOSITION DE DUNFORD ET RÉDUCTION DE JORDAN 4. RÉDUCTION DE JORDAN 22

Exemple 13.
Si N ∈ M4 (K) est nilpotente (c’est-à-dire N 4 = 0), alors N est semblable à une et une seule des 5
matrices suivantes :
         
0 0 0 0 0 1 0 0 0 1 0 0 0 1 0 0 0 1 0 0
0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 1 0
         
0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 1
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
Il y a une infinité de matrices nilpotentes 4 × 4, mais il n’y en a que 5 à similitude près.
Exemple 14.
Si A ∈ M3 (K) a pour polynôme caractéristique χA(X ) = −(X − 1)(X − 2)2 , alors A est semblable à
l’une des deux matrices suivantes :
   
1 0 0 1 0 0
0 2 0 0 2 1
0 0 2 0 0 2

Mini-exercices.
1. Montrer que J(λ) − µI p est inversible si µ 6= λ.
2. Montrer qu’une matrice de Jordan est diagonalisable si et seulement si ses blocs sont tous de
taille 1.
3. Montrer qu’un bloc de Jordan J est semblable à sa transposée J T .
€ 2 2 −8 Š
4. Calculer la réduction de Jordan de la matrice A = 8 −4 −17 , c’est-à-dire trouver P telle que
−1 1 0
J = P −1 AP soit une matrice de Jordan. Même exercice avec :
‚ 2 −3 3 −2 0 Œ
€ 3 −1 −1 Š  −2 2 −4 9 ‹ 2 −1 0 1 −2
−1 5 1 −2 2 −3 6 −3 0 5 −6 3
2 0 4 1 −1 2 −3 −4 0 5 −6 4
0 0 0 1 −2 −3 7 −6 4

Auteurs du chapitre
D’après un cours de Sandra Delaunay et un cours d’Alexis Tchoudjem.
Revu et augmenté par Arnaud Bodin.
Relu par Stéphanie Bodin et Vianney Combet.