Cours Algébre

Cours de Mathmatiques - ASINSA-1
Rduction des
endomorphismes
Frdric STURM
Ple de Mathmatiques, INSA de Lyon
Anne acadmique 2011-2012
Rduction des endomorphismes 2
Plan du cours
1 Valeurs propres et vecteurs propres
2 Cas dun espace de dimension nie
3 Diagonalisation
F. STURM, Ple de Mathmatiques, INSA de Lyon Cours de Mathmatiques - Premire Anne ASINSA
Plan du cours
3 Diagonalisation
lments propres dun endomorphisme
Dnition 1.1 (lments propres dun endomorphisme)
Soient E un K-espace vectoriel et f L
K
(E).
On appelle valeur propre de f tout scalaire K pour
lequel il existe un vecteur non nul u E tel que
f ( u) = u.
Le vecteur non nul u se nomme vecteur propre associ
la valeur propre .
Le couple (, u) est appel lment propre de f .
Le vecteur propre u associ une valeur propre est-il
unique? La rponse est non car tout vecteur non nul
colinaire u est aussi un vecteur propre associ .
Caractrisation des valeurs propres
Soit f un endomorphisme de E. On a les quivalences :
K valeur propre de f
u =

0
E
f ( u) = u
u =

0
E
(f id
E
) ( u) =

0
E
u =

0
E
u Ker (f id
E
)
Ker (f id
E
) = {
0
E
}
f id
E
nest pas injectif.
Proposition 1.1
Une condition ncessaire et sufsante pour que K soit
valeur propre de f est que f id
E
ne soit pas injectif.
Une valeur propre peut-elle tre nulle?
La rponse est oui . f L
K
(E). On a lquivalence :
= 0 valeur propre de f f non injectif.
En revanche, un vecteur propre u associ une valeur propre
(nulle ou non nulle) nest, par dnition, jamais gal

0
E
.
Remarque
Soient f L
K
(E) et k N
. On a alors :
valeur propre de f =
k
valeur propre de f
k
.
En particulier, supposons f inversible. Alors,
valeur propre de f =
1
valeur propre de f
1
.
Sous-espace propre
Proposition 1.2
Soient E un K-espace, f L
K
(E) et une valeur propre de f .
Lensemble constitu des vecteurs propres associs et du
vecteur

0
E
est un sous-espace de E. On le note E
et on
lappelle sous-espace propre associ . On a :
E
df.
=
_
x E

f (x) = x
_
= Ker (f id
E
) .
Remarque
Si u est un vecteur propre associ alors K u E
.
Si 0 est valeur propre de f alors
E
=0
= Ker f .
Cest le noyau de f .
Proprits
Proposition 1.3
Soient E un K-espace et f L
K
(E). Soient
1
et
2
deux
valeurs propres de f . Si
1
=
2
alors les deux sous-espaces
propres E
1
et E
2
nont en commun que le vecteur nul.
Autrement dit,
1
et
2
dsignant deux valeurs propres dun
endomorphisme f de E,
1
=
2
= E
1
E
2
= {
0
E
}.
Par consquent, un vecteur propre ne peut pas tre associ
deux valeurs propres distinctes.
Proprits
Proposition 1.4
Soient E un K-espace et f L
K
(E). Soient
1
et
2
deux
valeurs propres de f distinctes (
1
=
2
). Si
u
1
est un vecteur propre associ
1
u
2
est un vecteur propre associ
2
alors les vecteurs u
1
et u
2
forment une famille libre dans E.
Par consquent, des vecteurs propres associs des valeurs
propres distinctes ne sont jamais lis. Plus gnralement :
Corollaire 1.1
Soient E un K-espace vectoriel et f un endomorphisme de E.
Si
1
,
2
, . . . ,
m
sont des valeurs propres de f distinctes
deux--deux alors les vecteurs propres u
1
, u
2
, . . . , u
m
associs
ces valeurs propres forment une famille libre dans E.
Plan du cours
3 Diagonalisation
Cas dun espace de dimension nie
Soient E un K-espace vectoriel de dimension nie et
dim
K
(E) = n.
On considre :
une base B = (e
1
, e
2
, . . . , e
n
) de E,
un endomorphisme f de E.
Soit A M
n
(K) la matrice associe f relativement B :
A = Mat
B
(f ).
On tend alors la matrice carre A M
n
(K) les notions que
nous venons de dnir pour lendomorphisme f .
lments propres dune matrice
Dnition 2.1 (lments propres dune matrice)
Soit A une matrice carre dordre n sur K.
On appelle valeur propre de A tout scalaire K pour
lequel il existe une matrice-colonne non nulle X telle que
AX = X.
Le vecteur propre de A associ est X. Cest une
matrice-colonne.
On appelle spectre de A le sous-ensemble Sp(A) de K
constitu de toutes les valeurs propres de A.
Le sous-espace propre de A associ est dni par
E
df.
=
_
X M
n,1
(K)
AX = X
_
.
Exemple 2.1
Considrons la matice carre A M
3
(R) suivante :
A =
_
_
1 1 1
1 1 1
1 1 1
_
_
et les trois vecteurs-colonnes U
1
, U
2
et U
3
suivants :
U
1
=
_
_
1
1
1
_
_
, U
2
=
_
_
1
0
1
_
_
, U
3
=
_
_
0
1
1
_
_
.
Alors, on vrie facilement que
U
1
est un vecteur propre de A associ
1
= 1;
U
2
, U
3
sont deux vecteurs propres de A associs
2
= 2.
criture sous forme matricielle
Soient E un K-espace vectoriel et f L
K
(E). Soient une
valeur propre de f et x un vect. propre associ . Puisque E
est de dimension nie et que B est une base de E,
x = x
1
e
1
+ x
2
e
2
+ . . . + x
n
e
n
. (dim
K
(E) = n)
Si A = (a
ij
)
1i ,j n
= Mat
B
(f ) et X est la matrice-colonne
constitue des coordonnes de x dans B alors lgalit
vectorielle
f (x) = x
scrit sous la forme matricielle
AX = X.
Dtaillons cette galit matricielle. Elle scrit :
_
_
_
_
_
a
11
a
12
a
1n
a
21
a
22
a
2n
.
.
.
.
.
.
.
.
.
.
.
.
a
n1
a
n2
a
nn
_
_
_
_
_
_
_
_
_
_
x
1
x
2
.
.
.
x
n
_
_
_
_
_
=
_
_
_
_
_
x
1
x
2
.
.
.
x
n
_
_
_
_
_
.
On doit donc rsoudre le systme suivant :
_
_
a
11
x
1
+ a
12
x
2
+ . . . + a
1n
x
n
= x
1
a
21
x
1
+ a
22
x
2
+ . . . + a
2n
x
n
= x
2
.
.
.
a
n1
x
1
+ a
n2
x
2
+ . . . + a
nn
x
n
= x
n
dont les inconnues sont x
1
, x
2
, . . . , x
n
et . Il y en a n + 1.
Mais comment faire?
Caractrisation
Soient E un K-espace de dimension n muni dune base B et
f L
K
(E) de matrice associe A = Mat
B
(f ). On a :
K valeur propre de f f id
E
non injectif
f id
E
non bijectif
A I
n
non inversible
det (A I
n
) = 0.
Proposition 2.1
Soient E un K-espace de dimension n muni dune base B et
f L
K
(E) tel que A = Mat
B
(f ). Une condition ncessaire et
sufsante pour que K soit valeur propre de f est que
det (A I
n
) = 0.
Remarque
Soit A M
n
(K). Puisque E est de dimension nie, on a :
= 0 valeur propre de f A non inversible.
Dnition 2.2 (Polynme caractristique)
Soit A une matrice carre dordre n sur K.
On appelle polynme caractristique de A lapplication
polynomiale P
A
dnie par
K P
A
() = det (A I
n
) .
Le polynme P
A
a ses coefcients dans K et deg(P
A
) = n.
Lquation algbrique P
A
() = 0 sappelle quation
caractristique de A.
Exemple 2.2
Soient E un R-e.v. de dim. 3 muni dune base B = (e
1
, e
2
, e
3
)
et f : x
1
e
1
+ x
2
e
2
+ x
3
e
3
y
1
e
1
+ y
2
e
2
+ y
3
e
3
avec
y
1
= x
1
x
2
x
3
, y
2
= x
1
+ x
2
x
3
, y
3
= x
1
x
2
+ x
3
.
Relativement B, la matrice associe f est
A =
_
_
1 1 1
1 1 1
1 1 1
_
_
M
3
(R).
Son polynme caractristique scrit :
P
A
() =
1 1 1
1 1 1
1 1 1
= ( + 1)( 2)
2
.
Ainsi, Sp(A) = {1, 2}.
Que se passe-t-il quand on considre une autre base C de E ?
Soient C une deuxime base de E et B = Mat
C
(f ). Soit K.
det(B I
n
) = det
_
P
1
AP P
1
P
_
= det
_
P
1
(AP P)
= det
_
P
1
(A I
n
)P
= det
_
P
1
_
det
_
A I
n
_
det
_
P
_
= det
_
A I
n
_
.
Le polynme caractristique P
A
est donc invariant lorsque lon
remplace A par une matrice semblable. On le note ainsi P
f
et
on dit que P
f
est le polynme caractristique de f . On a :
K P
f
() = det
_
Mat
B
(f ) I
n
_
pour toute base B de E.
Calcul pratique des valeurs propres
En pratique, la dtermination des valeurs propres de f dans K
quivaut la rsolution de lquation caractristique
P
A
() = 0
dinconnue K, cest--dire la rsolution de lquation
a
11
a
12
a
1n
a
21
a
22
a
2n
.
.
.
.
.
.
.
.
.
.
.
.
a
n1
a
n2
a
nn

= 0.
Do limportance de savoir calculer les racines dun polynme!
Multiplicit dune valeur propre
Dnition 2.3
Soient E un K-espace de dimension nie et f L
K
(E).
Si K est une racine de multiplicit h du polynme
caractristique de f alors on dit que est une valeur
propre de multiplicit h (ou dordre h) de f .
si h = 1 alors la valeur propre est dite simple.
Si h > 1 alors la valeur propre est dite multiple.
Elle est dite double lorsque h = 2 et triple lorsque h = 3.
Existe-t-il toujours des valeurs propres ? La rponse est oui
la condition que K soit algbriquement clos.
Cest le cas du corps C. Si A M
n
(C) alors Sp(A) = et
card (Sp(A)) n.
En revanche, un endomorphisme dun R-espace peut ne
pas avoir de valeur propre. Cest par exemple le cas de
A
df.
=
_
cos sin
sin cos
_
M
2
(R) o 0 < 2.
Son polynme caractristique scrit :
P
A
() =
2
2cos + 1.
Sur C les valeurs propres sont
1
= e
i
et
2
= e
i
. Si
= 0 et = alors Sp(A
) = .
Si une matrice A nest pas inversible, que peut-on dire de ses
valeurs propres ? Une condition ncessaire et sufsante pour
quune matrice ne soit pas inversible est quelle admette pour
valeur propre le nombre 0. En dautres termes,
A M
n
(K)
_
rg A < n 0 Sp(A)
_
.
Exemple 2.3
Considrons la matrice relle suivante :
A =
_
_
0 0 4
1 2 1
2 4 2
_
_
.
On a : P
A
() = ( + 4)( 4). Do Sp(A) = {4, 0, 4}. La
matrice A nest pas inversible car 0 Sp(A).
Calcul pratique des vecteurs propres
Soit x un vecteur propre de f associ . On a :
x E
= Ker (f id
E
) \ {
0
E
}.
Il convient donc de dterminer E
. Quelle est sa dimension?

Proposition 2.2 (Dimension dun sous-espace propre)
Soient E un K-espace de dimension nie et f L
K
(E).
Si est une valeur propre de multiplicit h de f alors
1 dim
K
(E
) h.
Si est une valeur propre simple de f alors dim
K
(E
) = 1.
ATTENTION La dimension du sous-espace propre as-
soci une valeur propre multiple dordre h > 1 nest
pas ncessairement gale h.
Comment calcule-t-on dim
K
(E
) ?
On applique le thorme du rang f id
E
. On obtient :
dim
K
(E
) = n rg (f id
E
) .
Comment dterminer une base de E
?
On rsout lquation matricielle (A I
n
) X = 0, cest--dire :
_
_
_
_
_
a
11
a
12
a
1n
a
21
a
22
a
2n
.
.
.
.
.
.
.
.
.
.
.
.
a
n1
a
n2
a
nn

_
_
_
_
_
_
_
_
_
_
x
1
x
2
.
.
.
x
n
_
_
_
_
_
=
_
_
_
_
_
0
0
.
.
.
0
_
_
_
_
_
o x
1
, x
2
, . . . , x
n
sont les coordonnes (dans B) dun vecteur
appartenant lespace propre E
.
Illustration sur un exemple
Reprenons lendomorphisme f de E, avec E un R-espace de
dim. 3, dont la matrice associe dans la base B = (e
1
, e
2
, e
3
)
est la matrice suivante :
A =
_
_
1 1 1
1 1 1
1 1 1
_
_
.
On a : P
A
() = ( + 1)( 2)
2
. Do : Sp(A) = {1, 2}.

1
= 1 : valeur propre simple. Ainsi, dim
R
(E
1
) = 1. Soit
x = x
1
e
1
+ x
2
e
2
+ x
3
e
3
un vecteur propre associ
1
. On a :
_
_
2 1 1
1 2 1
1 1 2
_
_
. .
A
1
I
3
_
_
x
1
x
2
x
3
_
_
=
_
_
0
0
0
_
_
.
Pour calculer x
1
, x
2
et x
3
, on doit donc rsoudre :
(S
1
)
_
_
_
2x
1
x
2
x
3
= 0
x
1
+ 2x
2
x
3
= 0
x
1
x
2
+ 2x
3
= 0
.
Ce systme est quivalent au systme chelonn
(S
1
)
_
_
_
2x
1
x
2
x
3
= 0
3x
2
3x
3
= 0
0 = 0
.
En xant x
3
, on obtient : x
2
= x
3
puis x
1
= x
3
. Un vecteur
propre X de A associ
1
scrit :
X =
_
_
x
1
x
2
x
3
_
_
=
_
_
x
3
x
3
x
3
_
_
.
Un vecteur propre x de f associ
1
scrit ainsi :
x = x
1
e
1
+ x
2
e
2
+ x
3
e
3
= x
3
(e
1
+e
2
+e
3
).
On a ainsi obtenu que
E
1
= R u
1
avec u
1
= e
1
+e
2
+e
3
.

2
= 2 : valeur propre double. Ainsi, dim
R
(E
2
) = 1 ou 2 ?
Soit x = x
1
e
1
+ x
2
e
2
+ x
3
e
3
un vecteur propre associ
2
:
_
_
1 1 1
1 1 1
1 1 1
_
_
. .
A
2
I
3
_
_
x
1
x
2
x
3
_
_
=
_
_
0
0
0
_
_
.
Il est clair que rg (A
2
I
3
) = 1, do :
dim
R
(E
2
) = 3 1 = 2.
Rsolvons prsent le systme :
(S
2
)
_
_
_
x
1
x
2
x
3
= 0
x
1
x
2
x
3
= 0
x
1
x
2
x
3
= 0
.
Ainsi, en xant x
2
et x
3
, on obtient : x
1
= (x
2
+x
3
). Un vecteur
propre x de f associ
2
scrit :
x = x
1
e
1
+ x
2
e
2
+ x
3
e
3
= (x
2
+ x
3
)e
1
+ x
2
e
2
+ x
3
e
3
= x
2
(e
1
+e
2
) + x
3
(e
1
+e
3
)
ce qui montre que les deux vecteurs e
1
+e
2
et e
1
+e
3
engendrent E
2
.
Ces deux vecteurs forment une base de E
2
car dim
R
(E
2
) = 2.
Remarque
Puisque e
1
+e
2
et e
1
+e
3
engendrent E
2
, les deux
nouveaux vecteurs u
2
et u
3
dnis par
_
u
2
= (e
1
+e
3
) = e
1
e
3
u
3
= e
1
+e
2
(e
1
+e
3
) = e
2
e
3
engendrent aussi E
2
. On en dduit alors que :
E
2
= Vect( u
2
, u
3
) avec
_
u
2
= e
1
e
3
u
3
= e
2
e
3
Les trois vecteurs u
1
, u
2
, u
3
sont libres dans E. La famille
C =
_
u
1
, u
2
, u
3
_
est libre dans E. Cest ncessairement
une base de E puisque dim
R
(E) = 3.
Plan du cours
3 Diagonalisation
Diagonalisation dun endomorphisme
Dnition 3.1
Soient E un K-espace de dimension quelconque et f L
K
(E).
On dit que f est diagonalisable sur K sil existe une base
de E forme de vecteurs propres de f .
Diagonaliser f , cest trouver cette base.
Quel intrt avons-nous diagonaliser un endomorphisme?
Supposons E de dimension nie et notons
dim
K
(E) = n.
Supposons f diagonalisable. Cela signie quil existe une base
C = ( u
1
, u
2
, . . . , u
n
) de vecteurs propres de f . Comment scrit
alors la matrice
Mat
C
(f ) ?
Puisque la base C est constitue de vecteurs propres de f ,
1
K f ( u
1
) =
1
u
1
2
K f ( u
2
) =
2
u
2
.
.
.
n
K f ( u
n
) =
n
u
n
o
1
,
2
, . . . ,
n
dsignent les valeurs propres (distinctes ou
confondues) de f . Ainsi,
Mat
C
(f ) =
f ( u
1
) f ( u
2
) f ( u
n
)
_
_
_
_
_
1
0
.
.
.
0
0
2
.
.
.
0

.
.
.

0
0
.
.
.
n
_
_
_
_
_
u
1
u
2
.
.
.
u
n
.
Bingo, tralala! Cest une matrice diagonale! On la note aussi :
Mat
C
(f ) = diag (
1
,
2
, . . . ,
n
) .
Exemple 3.1
Reprenons lendomorphisme f de E tel que
Mat
B
(f ) =
f (e
1
) f (e
2
) f (e
3
)
_
_
1
1
1
1
1
1
1
1
1
_
_
e
1
e
2
e
3
.
On a vu que Sp(A) = {1, 2} et E
1
=1
= R u
1
avec u
1
=

0
E
,
E
2
=2
= Vect( u
2
, u
3
) avec u
2
et u
3
libres entre eux.
Par consquent,
Mat
C
(f ) =
f ( u
1
) f ( u
2
) f ( u
3
)
_
_
1
0
0
0
2
0
0
0
2
_
_
u
1
u
2
u
3
.
Diagonalisation dune matrice
Dnition 3.2
Soit A une matrice de M
n
(K).
On dit que A est diagonalisable si elle est semblable une
matrice diagonale. Autrement dit, A est diagonalisable si
il existe une matrice inversible P GL
n
(K)
il existe une matrice diagonale D M
n
(K)
telles que
D = P
1
AP.
Diagonaliser A, cest trouver D.
Exemple 3.2
Considrons les deux matrices de GL
3
(R) suivantes :
U
1
U
2
U
3
_
_
1
1
1
1
0
1
0
1
1
_
_
,
U
2
U
1
U
3
_
_
1
0
1
1
1
1
0
1
1
_
_
.
On vrie alors que lon a :
_
_
1 0 0
0 2 0
0 0 2
_
_
=
1
3
_
_
1 1 1
2 1 1
1 2 1
_
_
_
_
1 1 1
1 1 1
1 1 1
_
_
_
_
1 1 0
1 0 1
1 1 1
_
_
_
_
2 0 0
0 1 0
0 0 2
_
_
=
1
3
_
_
2 1 1
1 1 1
1 2 1
_
_
_
_
1 1 1
1 1 1
1 1 1
_
_
_
_
1 1 0
0 1 1
1 1 1
_
_
Caractrisation (en dimension nie)
Thorme 3.1
Soient E un K-espace de dimension n et f L
K
(E). Soient
1
,
2
, . . . ,
m
les valeurs propres de f , distinctes deux deux. On
a alors ncessairement :
m n.
Une condition ncessaire et sufsante pour que f soit
diagonalisable sur K est que lon ait :
dim
K
(E
1
) + dim
K
(E
2
) + . . . + dim
K
(E
m
) = dim
K
(E).
De manire quivalente, une condition ncessaire et sufsante
pour que f soit diagonalisable sur K est que lon ait :
E = E
1
E
2
. . . E
m
.
Exemple 3.3
Reprenons lendomorphisme f dun R-espace E de dim. 3, dont
la matrice associe dans une base B = (e
1
, e
2
, e
3
) de E est :
A =
_
_
1 1 1
1 1 1
1 1 1
_
_
.
La matrice A (et donc aussi f ) possde une valeur propre
simple (
1
= 1) et une valeur propre double (
2
= 2). De plus,
dim
R
(E
1
=1
) = 1 et dim
R
(E
2
=2
) = 2.
Lendomorphisme f est diagonalisable car
dim
R
(E
1
) + dim
R
(E
2
) = 3 = dim
R
(R
3
).
Cas particulier
Supposons que f possde n valeurs propres toutes distinctes.
Ainsi, dim
K
(E
i
) = 1 pour tout i {1, 2, . . . , n}. Do :
dim
K
(E
1
) + . . . + dim
K
(E
n
) = n = dim
K
(E).
Lendomorphisme f est donc diagonalisable!
Exemple 3.4
Cest le cas de lendomorphisme f de E tel que
A =
_
_
0 0 4
1 2 1
2 4 2
_
_
.
On a : P
A
() = ( + 4)( 4). Do f est diagonalisable
puisquil possde trois valeurs propres simples. En effet,
dim
R
(E
1
=4
) = dim
R
(E
2
=0
) = dim
R
(E
3
=4
) = 1.
Autre caractrisation (en dimension nie)
En pratique, on utilise souvent la caractrisation suivante :
Corollaire 3.1
Soient E un K-espace de dimension n et f L
K
(E). Soient
1
,
2
, . . . ,
m
les valeurs propres distinctes de f , de multiplicits
respectives h
1
, h
2
, . . . , h
m
. Une condition ncessaire et
sufsante pour que f soit diagonalisable est que
_
h
1
+ h
2
+ . . . + h
m
= n
i {1, . . . , m} dim
K
(E
i
) = h
i
.
Exemple 3.5
Soient E un C-espace de dimension 3 muni dune base B et f
un endomorphisme de E de matrice associe relativement B :
A =
_
_
2 1 0
0 1 1
0 2 4
_
_
M
3
(C).
On vrie que P
A
() = ( 2)
2
( 3) pour tout C.
Lendomorphisme f possde une valeur propre simple (
1
= 3)
et une valeur propre double (
2
= 2). On a :
dim
C
(E
1
=3
) = 1 et dim
C
(E
2
=2
) = 1.
Lendomorphisme f nest pas diagonalisable car
dim
C
(E
1
) + dim
C
(E
2
) = 3 = dim
C
(C
3
).
Tout endomorphisme est-il diagonalisable?
La rponse cette question est non .
Dailleurs, certaines catgories dendomorphismes ne sont
jamais diagonalisables.
Cest le cas des endomorphismes nilpotents, lexception
de lapplication nulle.
On a en effet le rsultat suivant :
Proposition 3.1 (Cas des matrices nilpotentes)
Toute matrice N M
n
(K) nilpotente et non nulle nest pas
diagonalisable.

Cours Algébre

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Cours Algébre

Transféré par

Droits d'auteur :

Formats disponibles

Cours de Mathmatiques - ASINSA-1

. Quelle est sa dimension?

Vous aimerez peut-être aussi