Vous êtes sur la page 1sur 176

Algbre-III

Rduction des endomorphismes


Alexis Tchoudjem
Universit Lyon I
10 octobre 2011

2
Dans ce cours

0 est un corps qui peut tre Q, R ou C.

Table des matires


1 Un peu de thorie des groupes
1.1 Lois de composition . . . . . . . . .
1.1.1 Associativit, commutativit
1.1.2 Identit, lments inversibles
1.2 Groupes . . . . . . . . . . . . . . .
1.3 Sous-groupes . . . . . . . . . . . .
1.4 Groupes cycliques . . . . . . . . . .
1.4.1 Les groupes (Z/nZ, +) . . .
1.5 Morphismes de groupes . . . . . . .
1.5.1 Sous-groupes distingus . .
1.5.2 Isomorphismes . . . . . . .
1.6 Classes gauche et droite . . . .
1.7 Le groupe symtrique . . . . . . . .
1.7.1 Dcomposition en cycles . .
1.7.2 Signature . . . . . . . . . .

.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.

2 Rappels sur les matrices


2.0.3 Oprations . . . . . . . . . . . . . . . . . . .
2.1 Matrices carres . . . . . . . . . . . . . . . . . . . .
2.2 Applications . . . . . . . . . . . . . . . . . . . . . .
2.2.1 La suite de Fibonacci . . . . . . . . . . . . .
2.2.2 Graphes . . . . . . . . . . . . . . . . . . . .
2.2.3 quation direntielle . . . . . . . . . . . .
2.3 Systmes linaires . . . . . . . . . . . . . . . . . . .
2.4 Rang dune matrice . . . . . . . . . . . . . . . . . .
2.4.1 Rappels sur les espaces vectoriels . . . . . .
2.4.2 Matrices chelonnes . . . . . . . . . . . . .
2.4.3 galit entre le rang des lignes et le rang des
2.4.4 Image et noyau dune matrice . . . . . . . .
2.5 Lien avec les applications linaires . . . . . . . . . .
2.5.1 Matrice associe une application linaire .
3

.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.

. . . . .
. . . . .
. . . . .
. . . . .
. . . . .
. . . . .
. . . . .
. . . . .
. . . . .
. . . . .
colonnes
. . . . .
. . . . .
. . . . .

.
.
.
.
.
.
.
.
.
.
.
.
.
.

7
7
8
9
11
13
14
14
17
18
19
20
22
22
24

.
.
.
.
.
.
.
.
.
.
.
.
.
.

27
28
29
31
31
32
33
34
34
34
39
42
44
46
46

TABLE DES MATIRES


2.5.2
2.5.3

Thorme du rang . . . . . . . . . . . . . . . . . . . . 47
Changements de base . . . . . . . . . . . . . . . . . . . 50

3 Le dterminant
3.1 Dimension 2 et 3 . . . . . . . . . . . .
3.2 Dterminant en dimension quelconque
3.2.1 Arrangements . . . . . . . . . .
3.2.2 Dnitions du dterminant . . .
3.3 Rgle de Cramer . . . . . . . . . . . .
3.4 Dterminant dun endomorphisme . . .

.
.
.
.
.
.

53
53
54
54
54
60
65

.
.
.
.
.
.

67
67
68
70
78
83
89

5 Polynmes dendomorphismes
5.1 Dnition . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
5.2 Thorme de Cayley-Hamilton . . . . . . . . . . . . . . . . . .
5.3 Polynmes annulateurs . . . . . . . . . . . . . . . . . . . . . .

93
93
95
99

4 Valeurs propres, vecteurs propres


4.1 Sous-espaces invariants . . . . . . . . .
4.2 Vecteurs propres . . . . . . . . . . . .
4.3 Polynme caractristique . . . . . . . .
4.4 Espaces propres . . . . . . . . . . . . .
4.5 Un premier critre de diagonalisabilit
4.6 Trigonalisation . . . . . . . . . . . . .

.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.

6 Dcomposition spectrale
6.1 Sous-espaces caractristiques . . . . . . . .
6.2 Projecteurs spectraux . . . . . . . . . . . .
6.3 Dcomposition de Dunford-Jordan . . . . .
6.4 Calcul pratique des projecteurs spectraux .
6.4.1 Mthode . . . . . . . . . . . . . . .
6.4.2 Exemples . . . . . . . . . . . . . .
6.5 Rduction de Jordan . . . . . . . . . . . .
6.5.1 Blocs de Jordan . . . . . . . . . . .
6.5.2 Matrices nilpotentes . . . . . . . .
6.5.3 Rduction de Jordan . . . . . . . .
7 Puissances
7.1 Motivation . . . . .
7.2 Cas diagonalisable
7.3 Cas gnral . . . .
7.4 Suites rcurrentes .

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

107
. 107
. 113
. 115
. 117
. 117
. 118
. 119
. 119
. 120
. 123

.
.
.
.

127
. 127
. 127
. 130
. 130

TABLE DES MATIRES

8 Exponentielle
133
8.1 Exponentielle complexe . . . . . . . . . . . . . . . . . . . . . . 133
8.2 Suites de matrices . . . . . . . . . . . . . . . . . . . . . . . . . 133
8.3 Dnition de exp(A) . . . . . . . . . . . . . . . . . . . . . . . 134
8.4 Mthode de calcul . . . . . . . . . . . . . . . . . . . . . . . . . 137
8.5 quations direntielles . . . . . . . . . . . . . . . . . . . . . 138
8.5.1 Drivation des matrices . . . . . . . . . . . . . . . . . . 138
8.5.2 quations direntielles linaires coecients constants140
9 Groupe orthogonal
9.1 Matrices orthogonales . . . . . . . . .
9.2 Produit scalaire . . . . . . . . . . . .
9.3 Rexions orthogonales . . . . . . . .
9.4 Rduction des matrices orthogonales
9.4.1 O2 (R) . . . . . . . . . . . .
9.4.2 O3 (R) . . . . . . . . . . . . .
9.4.3 Cas gnral . . . . . . . . . .
9.5 Les quaternions . . . . . . . . . . . .
9.5.1 Dnitions . . . . . . . . . . .
9.5.2 Norme . . . . . . . . . . . . .
9.5.3 Lien avec les rotations . . . .

.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.

10 Invariants de similitude
10.1 Matrices coecients polynomiaux . . . . . . . .
10.1.1 Matrices lmentaires . . . . . . . . . . . .
10.2 Rduction des matrices coecients polynomiaux
10.3 Invariants de similitude . . . . . . . . . . . . . . .
10.4 Endomorphismes cycliques . . . . . . . . . . . . .

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.

143
. 143
. 143
. 145
. 146
. 146
. 148
. 150
. 152
. 153
. 155
. 155

.
.
.
.
.

159
. 159
. 160
. 161
. 164
. 170

TABLE DES MATIRES

Chapitre 1
Un peu de thorie des groupes
1.1

Lois de composition

De manire trs gnrale, faire de lalgbre cest tudier des structures


algbriques c--d des ensembles o sont dnies des oprations.
Une opration, ou loi de composition, sur un ensemble E est une application :
EE E .
Les lments de lensemble E peuvent tre des nombres, des matrices, des
fonctions, etc
Les ensembles de nombres suivants sont des exemples basiques de structures algbriques. Ils sont munis dau moins deux oprations, laddition et la
multiplication :
N, Z, Q, R, R+ .
Remarques :
les oprations daddition et de multiplication ne sont pas dnies sur
tous les ensembles de nombres. Par exemple le produit de deux nombres
irrationnels nest pas toujours un nombre irrationnel ;
Le produit vectoriel des vecteurs de R3 est un exemple de loi de composition mais non le produit scalaire.
Rappelons que le produit vectoriel sur R3 est dni ainsi :

xi , yj R,

x1

x2

x3

y1

y2

y3
7

:=

x2 y3 x3 y2

.
x3 y1 x1 y3

x1 y2 x2 y1

CHAPITRE 1. UN PEU DE THORIE DES GROUPES

Notations : Pour une loi de composition sur un ensemble E, la notation


fonctionnelle nest pas trs pratique. On utilise plutt une notation qui ressemble celle utilise pour la somme ou le produit de nombres. Par exemple,
si :
p : E E E (a, b) p(a, b)

est une loi de composition on notera le plus souvent ab (ou parfois a b, a b


ou a + b) le rsultat de lopration p(a, b). Par exemple : (ab)c = p(p(a, b), c).

1.1.1

Associativit, commutativit

Dnition 1 Soit une loi de composition sur un ensemble E note multiplicativement : (a, b) ab. On dit que cette loi est associative si :
(ab)c = a(bc)
pour tous a, b, c E. On dit que cette loi est commutative si :
ab = ba
pour tous a, b E.
Exemples : les lois daddition et de multiplications sur les ensembles
de nombres Q, R, C, ... sont associatives et commutatives. La loi daddition
(coordonne par coordonne) sur lensemble des vecteurs de Rn est aussi
associative et commutative. En revanche, la loi du produit vectoriel sur les
vecteurs de R3 nest ni associative ni commutative. La loi de multiplication
des matrices carres (relles ou complexes) est une loi associative.
Notations : on note souvent + les lois de composition commutatives.
Remarque : Si une loi (a, b) ab sur un ensemble E est associative,
on dnit le produit de n lments de E par rcurrence sur n de la faon
suivante :
a1 ...an := (a1 ...an1 )an
pour tous a1 , ...an E. On a alors :
a1 ...an = (a1 ...ai )(ai+1 ...an )
pour tout 1 i n.
Exemple : On note Mn (R) :=

a1,1

a1,n

: ai,j R

len-

an,n
semble des matrices relles de taille nn. Si A = (ai,j )1i,jn , B = (bi,j )1i,jn
n,1

1.1. LOIS DE COMPOSITION

sont des matrices carres relles, on pose AB := (ci,j )1i,jn o :


ci,j =

ai,k bk,j .

k=1

Cette loi est associative, en eet, si A = (ai,j )1i,jn , B = (bi,j )1i,jn , C =


(ci,j )1i,jn , alors pour tous i, j, le (i, j)ime coecient de (AB)C est le
mme que le (i, j)ime coecient de A(BC) :

ai,k bk,l cl,j .

1k,ln

1.1.2

Identit, lments inversibles

Dnition 2 Soit une loi de composition sur un ensemble E :


E E E , (a, b) ab .

Une identit, ou un lment neutre, pour cette loi est un lment e E tel
que pour tout a E :
ae = ea = a .
Proposition 1.1.1 Si une loi de composition sur un ensemble E a un lment neutre, alors cet lment neutre est unique.
Dmonstration : Soient e, e deux lments neutres, alors :
e = ee = e .
q.e.d.
Exemples :
Llment neutre de laddition sur lensemble des nombres entiers (rationnels, rels, complexes) est 0. Llment neutre de laddition sur lensemble des vecteurs de Rn est le vecteur nul (dont toutes les coordonnes
sont 0).
Llment neutre de la multiplication sur lensemble des nombres entiers (rationnels, rels, complexes) est 1.
Il ny a pas dlment neutre pour la loi du produit vectoriel sur R3 .
Notations : on note souvent 1 le neutre dune loi de composition note
multiplicativement et 0 le neutre dune loi de composition note additivement.
Exemple : soit F un ensemble. On note F F lensemble des applications
de F dans F . Sur cet ensemble F F on choisit la loi de composition des
applications (f, g) f g. Pour cette loi, llment neutre est lapplication
IdF : F F , x x.

10

CHAPITRE 1. UN PEU DE THORIE DES GROUPES

Exercice 1 Vrier que le neutre pour la multiplication des matrices ( coecients entiers, rationnels, rels ou complexes) n n est la matrice :
In :=

1
..

.
1

Dnition 3 Soit E un ensemble muni dune loi de composition (note multiplicativement) qui a un lment neutre e. Un lment x E est inversible
sil existe un lment y E tel que :
xy = yx = e
et dans ce cas, on dit que y est un inverse de x. Un lment x E est
inversible droite , respectivement inversible gauche, sil existe un lment
y E tel que xy = e, respectivement yx = e.
Exercice 2 Soit E un ensemble. Considrons la loi de composition des applications sur lensemble E E . Soit une application f : E E. Vrier les
quivalences suivantes :
lapplication f est injective f est inversible gauche ;
lapplication f est surjective f est inversible droite ;
lapplication f est bijective f est inversible.
Si de plus E est ni, alors f est inversible gauche f est inversible
droite f est inversible.
Proposition 1.1.2 Soit une loi de composition : E E E, (a, b) ab
associative avec un lment neutre. Si un lment a est inversible, alors il
a un unique inverse, que lon note a1 .
Notation : Si la loi est note additivement, on note plutt linverse de a
par a.

Exercice 3 Soit une loi de composition : E E E, (a, b) ab associative avec un lment neutre. Si un lment a a un inverse gauche b, un
inverse droite c, alors a est inversible et a1 = b = c est linverse de a.
Linversion renverse la multiplication :
Proposition 1.1.3 Soit une loi de composition : E E E, (a, b) ab
associative avec un lment neutre. Si a, b sont des lments inversibles,
alors le produit ab est aussi inversible et :
(ab)1 = b1 a1

1.2. GROUPES

11

Dmonstration : On a : (ab)b1 a1 = aa1 = 1 = b1 a1 ab.

q.e.d.

Remarque : pour une loi non commutative, on vite la notation ab car


elle ne permet pas de distinguer ab1 de b1 a.
Notation : Si E est un ensemble muni dune loi associative, on note
an := a...a
pour tout n entier > 0. Sil existe un lment neutre e, on pose
n fois

a0 := e. Si de plus, llment a est inversible, on note an := (a1 )n . On


vrie alors que ar+s = ar as et (ar )s = ars pour tous entiers r, s Z.

1.2

Groupes

Dnition 4 Un groupe est un ensemble muni dune loi de composition associative qui a un lment neutre et dont tous les lments sont inversibles.
Si de plus la loi de composition est commutative, on dit que le groupe est
ablien .
Remarque : on note souvent avec la mme lettre le groupe et lensemble
de ses lments.
Exemples :
(Z, +) lensemble des nombres entiers muni de laddition
(Q, +), lensemble des nombres rationnels muni de laddition
Q , lensemble des nombres rationnels NON NULS muni de la multiplication
(R, +), lensemble des nombres rels muni de laddition
R , lensemble des nombres rels NON NULS muni de la multiplication
(C, +), lensemble des nombres complexes muni de laddition
C , lensemble des nombres complexes NON NULS muni de la multiplication
sont des exemples de groupes abliens.
En revanche, N nest pas un groupe pour laddition.
Le groupe trivial est le singleton {0} avec la loi vidente. Notons P lensemble des nombres pairs et I lensemble des nombres impairs. On munit
lensemble {P, I} de la loi suivante :
+ P

P P

12

CHAPITRE 1. UN PEU DE THORIE DES GROUPES

i.e. : P + P := P, P + I := I, etc.
On obtient ainsi un groupe ablien deux lments. Cest le groupe Z/2Z.
Un exemple non commutatif : Si R, on note s la rexion
orthogonale par rapport la droite du plan qui passe par 0 et qui fait un
angle avec laxe des abscisses et on note r la rotation de centre 0 et dangle
. Alors lensemble :
O2 := {s , r : , R}
muni de la loi de composition des applications est un groupe non ablien. En
eet, r s = s+/2 et s r = s/2 .
Exercice 4 Lensemble des applications anes non constantes de R dans
R, x ax + b, a, b R, a = 0, est un groupe non ablien pour la loi de
composition des applications.
Proposition 1.2.1 (Loi de simplication) Soient a, b, c trois lments dun
groupe G. Si ab = ac, alors b = c. Si ba = ca, alors b = c.
Dmonstration : Il sut de multiplier gauche ou droite par a1 . q.e.d.
Exercice 5 Si E est un ensemble, lensemble des applications bijectives de
E dans E muni de la loi de composition des applications est un groupe.
Dnition 5 (Groupe symtrique) On appelle groupe symtrique dindice n le groupe des bijections de lensemble {1, ..., n}. On le note Sn . Ses
lments sont aussi appels les permutations de lensemble {1, ..., n}.
Exercice 6 Vrier que Sn est un groupe ni ayant n! lments.
Si G est un groupe ni, on appelle ordre son cardinal.
Exemples : Si n = 2, on note e lidentit de {1, 2} et lapplication
: 1 2, 2 1. On a :
S2 = {e, }, 2 = e .
Si n = 3, on note e lidentit de {1, 2, 3}, s1 la permutation 1 2, 2
1, 3 3, s2 la permutation 1 1, 2 3, 3 2. On a :
s1 s2 = s2 s1
(S3 est le plus petit groupe non ablien)
s21 = s22 = e, (s1 s2 )3 = e, s1 s2 s1 = s2 s1 s2

1.3. SOUS-GROUPES

13

S3 = {e, s1 , s2 , s1 s2 , s2 s1 , s1 s2 s1 } .

a b

et A := ad bc. Lensemble G des matrices


, on note d
c d
A 2 2 complexes de dterminant det A = 0, muni de la loi de multiplication
des matrices est un groupe.
En eet, si A, B sont des matrices 2 2 complexes telles que det A = 0,
det B = 0, alors det (AB) = det Adet B = 0. Donc le produit des matrices
est bien une loi de composition sur G. Cette loi est associative car la multiplication des matrices lest. Llment I2 est llment neutre. Et enn toute
matrice

a
b

A=
G
c d
Si A =

est inversible dinverse :

A1 =

d
adbc

b
adbc

c
adbc

a
adbc

Ce groupe est not GL2 (C). Si on remplace C par R, on obtient aussi un


groupe not GL2 (R).

1.3

Sous-groupes

Dnition 6 Soit G un groupe. Une partie H de G est un sous-groupe si


les trois conditions suivantes sont vries :
i) 1 H ;
ii) H est stable par multiplication ;
iii) H est stable par passage linverse.
Remarque : Si H est un sous-groupe de G, alors la loi de composition
de G induit une loi de composition sur H (exo) et pour cette loi, H est
un groupe. En particulier, pour montrer quun ensemble muni dune loi de
composition est un groupe il sut de montrer que cest un sous-groupe (ce
qui vite davoir vrier la proprit dassociativit par exemple).
Exemples :
Un groupe G, de neutre e, a toujours comme sous-groupe G et {e} ;
Si k est un entier, lensemble des multiples de k, not kZ est un sousgroupe de Z ;

14

CHAPITRE 1. UN PEU DE THORIE DES GROUPES

lensemble des nombres complexes de module 1 est un sous-groupe de


C ;
lensemble n des racines complexes nimes de lunit est un sousgroupe ni de C ;
lensemble des rotations du plan de centre 0 est un sous-groupe du
groupe O2 ;

lensemble des matrices triangulaires suprieures

a b
, a, b, d C,
0 d

a, d = 0 est un sous-groupe de
GL2 (C) ;
1 0
lensemble des matrices

est un sous-groupe de GL2 (C) ;


0 1
Soient

I :=

0 i

, J :=

1 0

, K :=

0 i
i 0

lensemble {I2 , I, J, K} est un sous-groupe de GL2 (C) dordre 8 not


Q8 .
Notation : H G signie H est un sous-groupe de G .
Les sous-groupes de Z
Proposition 1.3.1 Soit H un sous-groupe de Z (pour laddition). Alors,
H = kZ pour un unique entier k 0.
Dmonstration : Soit k le plus petit entier > 0 appartenant H. il sut
de faire une division euclidienne !
q.e.d.
Soient a, b des entiers non tous deux nuls . Lensemble :
aZ + bZ := {ar + bs : r, s Z}
est un sous-groupe non nul de Z. Soit d lunique entier > 0 tel que aZ + bZ =
dZ. On dit que d est le pgcd de a, b.

1.4
1.4.1

Groupes cycliques
Les groupes (Z/nZ, +)

Soit n un entier. On pose x := x + nZ := {x + nr : r Z} pour tout


entier x. On appelle classes modulo n ces ensembles x.

1.4. GROUPES CYCLIQUES

15

Par exemple, si n = 2 alors 0 est lensemble des nombres pairs et 1 est


lensemble des nombres impairs.
Proposition 1.4.1 Pour deux entiers x, y, on a lquivalence :
x + nZ = y + nZ n|x y .
Notation : pour tous entiers x, y, si x + nZ = y + nZ, on note :
x = y mod n .
Bien entendu, on a pour tous entiers x, y, z :
x = x mod n
x = y mod n y = x mod n ,

x = y mod n et y = z mod n x = z mod n

On note Z/nZ lensemble des x + nZ, x Z. Cest lensemble des classes


modulo n.
Proposition 1.4.2 Il y a exactement n classes modulo n ; ce sont :
0, ..., n 1 .
Dmonstration : Soit x un entier. Alors x = r o r est le reste de la
division euclidienne de x par n.
q.e.d.
On dnit une addition sur Z/nZ par :
(x + nZ) + (y + nZ) := (x + y) + nZ .
Cette addition est bien dnie. En eet, on a :
Proposition 1.4.3 Si x = x mod n et y = y mod n, alors x + y = x +
y mod n.
Exemple : voici la table daddition du groupe Z/3Z :
+ 0 1 2
0 0 1 2
1 1 2 0
2 2 0 1

16

CHAPITRE 1. UN PEU DE THORIE DES GROUPES


Remarque : on peut aussi dnir une multiplication sur Z/nZ.
Soit G un groupe de neutre 1. Si x G, on note :
x := {...x2 , x,1 1, x, x2 , ...}
= {xm : m Z} .

Cest le plus petit sous-groupe de G contenant x (exo) . On appelle ce


sous-groupe le sous-groupe engendr par x.
Lemme 1.4.4 Soit G un groupe de neutre 1. Si x G, alors lensemble des
entiers n Z tels que xn = 1 est un sous-groupe de Z.
Proposition 1.4.5 Soit G un groupe de neutre 1. Si x G, alors :
soit le sous-groupe engendr par x est inni et dans ce cas les xk sont
deux deux distincts, k Z ;
soit le sous-groupe engendr par x est dordre ni m. Dans ce cas, m
est le plus petit entier > 0 tel que xm = 1, les lments 1, ..., xm1 sont deux
deux distincts et x = {1, ..., xm1 }.
Dnition 7 Un groupe ni G dordre n de la forme G = x est appel un
groupe cyclique dordre n. On dit que x engendre G. Un lment x dans un
groupe tel que x est ni dordre n est appel un lment dordre n.

Exemples : La matrice

En eet, A2 =

1 0

est dordre 6 dans GL2 (R).

1 3
, A = I2 , A4 = A, A = A2 , A6 = I2 .
1 1

En revanche, la matrice

1 1
0 1

est dordre inni car

1 1
0 1

1 n
.
0 1
Remarque : on peut montrer que si A est une matrice coecients entiers
dordre ni n, alors n = 1, 2, 3 ou 6.

Exercice 7 Le groupe (Z/nZ, +) est un groupe cyclique dordre n, engendr


par k pour tout entier k premier n.

1.5. MORPHISMES DE GROUPES

17

Exercice 8 Le groupe n est cyclique dordre n, engendr par e2ik/n pour


tout entier k premier n.
Plus gnralement, si G est un groupe, on peut parler du sous-groupe de G
engendr par une partie X de G. On le note X. Cest le sous-groupe form
par les produits dune chane nie dlments de X et dinverses dlments
de X.
Si X = {x1 , ..., xn } est ni, on note x1 , ..., xn le groupe engendr par X.
On dit aussi que x1 , ..., xn engendrent x1 , ..., xn .
Dans ce cas, on a :
x1 , ..., xn = {xi11 ...xikk : k 0, 1 i1 , ..., ik n, 1 , ..., k = 1} .
Exemples : le groupe S3 est engendr par s1 , s2 , le groupe Q8 est engendr par I, J.
Exercice 9 Tout sous-groupe de Q de type ni (c--d qui peut tre engendr
par un nombre ni dlments) est de la forme rZ pour un certain r Q.

1.5

Morphismes de groupes

Dnition 8 Soient G, G deux groupes. Une application : G G est un


morphisme de groupes si :
(ab) = (a)(b)
pour tous a, b G.
Exemples :
lapplication C C , z z n pour un entier n,
lexponentielle (R, +) R , x exp x,
le logarithme R R, x ln |x|,

a b
le dterminant : GL2 (C) C ,

ad bc,
c d
lapplication R C , x cos x + i sin x,
lapplication (Z, +) G, n xn , pour un groupe G et un lment
x x de G,
linclusion H G, x x pour un sous-groupe H dun groupe G
sont des morphismes de groupes.
Proposition 1.5.1 Si : G G est un morphisme de groupes, alors
(1G ) = 1G .

18

CHAPITRE 1. UN PEU DE THORIE DES GROUPES

Dnition 9 (noyau et image) Soit : G G un morphisme de groupes.


On note
Im := {y G : x G, y = (x)}
cest un sous-groupe de G (exo) , cest limage de .
On note
ker := {x G : (x) = 1} = 1 {1}
cest un sous-groupe de G, appel noyau de .
Remarque : plus gnralement, si H est un sous-groupe de G , alors
1 (H ) est un sous-groupe de G.
Exemples :
le noyau de R C , x cos x + i sin x est 2Z et son image est le
sous-groupe des nombres complexes de module 1 ;
le noyau de det : GL2 (C) C est le groupe spcial linaire dindice
2, not SL2 (C) ;
le noyau de R R , x x2 est {1} et son image est le sous-groupe
des nombres rels strictement positifs ;
si n est un entier > 1, le noyau du morphisme C C , z z n est
le sous-groupe des racine nimes de lunit n .
Remarque : un morphisme de groupes est injectif son noyau est
trivial.

1.5.1

Sous-groupes distingus

Le noyau dun morphisme de groupes : G G possde une proprit


remarquable :

x ker , g G, gxg 1 ker .

Dnition 10 Si H est un sous-groupe de G, on dit que H est distingu


dans G si pour tout g G, tout h H, ghg 1 H.
Le noyau dun morphisme est toujours distingu.
Exemples : Dans un groupe ablien, tous les sous-groupes sont distingus ;
le sous-groupe des rotations est distingu dans O2 ;
le sous-groupe SL2 (C) est distingu dans GL2 (C) ;
le sous-groupe des matrices diagonales nest pas distingu dans GL2 (C).

1.5. MORPHISMES DE GROUPES

19

Exercice
10 Soit Dn le sous-groupe de GL2 (C) engendr par les matrices


0 0 1

,
. Montrer que Dn est ni dordre 2n et quil contient
0 1
1 0
un sous-groupe cyclique distingu dordre n. Cest le groupe didral dordre
2n.
Dnition 11 Si G est un groupe, on note :
Z(G) := {x G : g G, gx = xg} .
Cest un sous-groupe de G appel le centre de G.
Remarque : le centre de G est distingu dans G.

0
Exemple : le centre de GL2 (C) est form des matrices
, C.
0

1.5.2

Isomorphismes

Soit U lensemble des matrices de la forme

facilement que U est un sous-groupe de GL2 (C).


De plus, pour tous x, y C, on a :

1 x 1 y
0 1

0 1

1 x
, x C. On vrie
0 1

1 x+y
0

donc multiplier de telles matrices revient faire des additions dans C. Plus
prcisment, lapplication bijective :

C U, x

1 x
0 1

est un morphisme de groupes.


Si est un morphisme de groupes bijectif alors lapplication rciproque
1
est aussi un morphisme de groupes.
Dnition 12 Un isomorphisme entre deux groupes G et G est un morphisme bijectif entre G et G . Sil existe un isomorphisme de groupes :
G G , on dit que G est isomorphe G ce qui se note : G G . Si G = G
et si : G G est un isomorphisme, on dit que est un automorphisme.

20

CHAPITRE 1. UN PEU DE THORIE DES GROUPES

Exercice 11
(R, +) (R+ , )
(Z/nZ, +) n
Proposition 1.5.2 Tout groupe cyclique dordre n est isomorphe Z/nZ.
Dmonstration : Soit G un groupe cyclique dordre n engendr par un lment x. Alors, lapplication :
Z/nZ k + nZ xk
est bien dnie et cest un isomorphisme de groupes.

q.e.d.

Exercice 12 Montrerque lensemble des matrices 2 2 relles inversibles

de la forme

a b
b

est un sous-groupe de GL2 (R) isomorphe C .

cos sin
,
sin cos
R est un sous-groupe de GL2 (R) isomorphe S 1 le groupe des nombres
complexes de module 1.

Montrer lensemble des matrices 22 relles de la forme

Exemples : lapplication 0 0, 1 2, 2 1 est un automorphisme


de Z/3Z ;
lapplication A t A1 est un automorphisme de GL2 (C) ;
si G est un groupe et si g G est un lment x, lapplication
x gxg 1 est un automorphisme de G. Un tel automorphisme est appel
un automorphisme intrieur.

1.6

Classes gauche et droite

Soient G un groupe et H un sous-groupe de G.


Dnition 13 Une classe gauche est une partie de G de la forme :
gH := {gh : h H}
pour un certain g G.

1.6. CLASSES GAUCHE ET DROITE

21

Par exemple le sous-groupe H lui-mme est une classe gauche : celle de


1 (et plus gnralement celle de h pour tout h H).
Proposition 1.6.1 Si x, y G, alors xH = yH y 1 x H x yH
y xH xH yH = .
Corollaire 1.6.1.1 Les classes gauche forment une partition de G.
Notation : on note G/H lensemble des classes gauche gH, g G.
Le nombre de classes gauche, sil est ni, est appel lindice de H dans
G et not [G : H].
Remarque : on peut dnir aussi des classes droite. Lapplication
gH Hg est une bijection entre lensemble des classes gauche et lensemble
des classes droite.
Proposition 1.6.2 Le sous-groupe H est distingu si et seulement si gH =
Hg pour tous g G.
Remarque : si g G est x, alors lapplication H gH, h gh est
bijective ; donc si H est ni, toutes les classes gauche ont |H| lments.
Corollaire 1.6.2.1 (thorme de Lagrange) Si G est un groupe ni et
si H est un sous-groupe de G, alors |H| divise |G|.
Dmonstration : |G| = |H|[G : H].

q.e.d.

Consquence : lordre dun lment divise lordre du groupe (dans un


groupe ni G). En particulier, si G est un groupe ni, x|G| = 1 pour tout
x G.
Exemple : dans S3 tous les lments ont un ordre qui divise 6 (en fait,
1, 2 et 3 sont les seules possibilits).
Exercice 13 Soit p un nombre premier. Si G est un groupe dordre p, alors
G est cyclique et tout 1 = g G engendre G.
Proposition 1.6.3 Si G est cyclique dordre n, alors pour tout d|n il existe
un unique sous-groupe de G dordre d et ce sous-groupe est cyclique. De plus
tout sous-groupe de G est cyclique.
Exercice 14 Les seuls sous-groupes nis de C sont les groupes de racines
de lunit n , n > 0.

22

CHAPITRE 1. UN PEU DE THORIE DES GROUPES

1.7

Le groupe symtrique

Lensemble des permutations de lensemble {1, ..., n} muni de la loi de


compositon des applications est un groupe appel groupe symtrique dindice
n et not Sn .
Proposition 1.7.1 Si G est un groupe ni, alors G est isomorphe un
sous-groupe de Sn pour un n assez grand.
Dmonstration : Soit G = {g1 , ..., gn } un groupe ni dordre n. Soit
g G. Pour tout i, il existe un unique entier 1 k n tel que gk = ggi ; on
pose g (i) := k. Alors g Sn et G Sn , g g est un morphisme injectif
de groupes.
q.e.d.

1 2 3 4

Exemple : dans S4 , la permutation

est aussi note (2, 3).


1 3 2 4
Plus gnralement si 1 i1 , ..., ik n, sont des entiers deux deux
distincts, on note :
(i1 , ..., ik )

la permutation qui envoie i1 sur i2 , i2 sur i3 , ..., ik sur i1 et laisse xe tous


les entiers j {i1 , .., ik }.
On dit quune telle permutation est un cycle de longueur k ou un kcycle.
Un cycle de longueur 1 est lidentit. Un cycle de longueur 2 est aussi
appel une transposition .
Exemple : dans S3 , il y a 3 transpositions : (1, 2), (2, 3), (1, 3) et 2
3cycles : (1, 2, 3) et (1, 3, 2).
Remarque : on a bien sr : (1, 2, 3) = (2, 3, 1) = (3, 1, 2).
Exercice 15 Vrier que dans Sn , le cycle (i1 , ..., ik ) est un lment dordre
k.
Remarque : pour tout Sn , on a :
(i1 , ..., ik ) 1 = ((i1 ), ..., (ik )) .

1.7.1

Dcomposition en cycles

Soit Sn une permutation. Le support de est lensemble des 1 x n


tel que (x) = x.
Exercice 16 Vrier que si , Sn sont des permutations supports
disjoints, alors = .

1.7. LE GROUPE SYMTRIQUE

23

Proposition 1.7.2 Toute permutation se dcompose en un produit de cycles


supports disjoints. Cette dcomposition est unique permutation prs de
lordre des cycles.

Exemple : soit :=

1 2 3 4 5

. Alors = (1, 5)(2, 4).


5 4 3 2 1
Dmonstration : Soit Sn . Si 1 k n, on pose :

Ok := { l (k) : l Z} .
Comme {1, ..., n} est ni, Ok = {k, ..., l1 (k)} o l est le plus petit entier
> 0 tel que l (k) = k. On a aussi l = |Ok |.
Si 1 k, k n, alors Ok = Ok ou Ok Ok = . Les ensembles Ok
forment donc une partition de {1, ..., n}. Soient k1 , ..., kr des entiers tels que
les ensembles Oki soient deux deux distincts et tels que :
{1, ..., n} = Ok1 ... Okr .
Posons ni := |{Oki }| pour tout i. Alors :
Oki = {ki , (ki ), ..., ni 1 (ki )}
et :

= (k1 , (k1 ), ..., n1 1 (k1 ))...(kr , (kr ), ..., nr 1 (kr ))


q.e.d.

Corollaire 1.7.2.1 Lensemble des transpositions engendre Sn .


Dmonstration : Il sut de remarquer quun cycle est un produit de
transpositions :
(i1 , ..., ik ) = (i1 , i2 )(i2 , i3 )....(ik1 ik ) .
q.e.d.
Remarque : par exemple : (1, 2, 3) = (1, 2)(2, 3) = (2, 3)(1, 2)(2, 3)(1, 2).
La dcomposition en produit de transpositions nest pas unique, ni le nombre
de transpositions mais la parit du nombre de transpositions est unique (cf.
plus loin ...). Autre exemple : (1, 3) = (1, 2)(2, 3)(1, 2).
Corollaire 1.7.2.2 Les transpositions (i, i + 1), 1 i n 1, engendrent
Sn .

24

CHAPITRE 1. UN PEU DE THORIE DES GROUPES

Dmonstration : Il sut de vrier quune transposition quelconque est


un produit de transpositions de la forme (i, i + 1). Or, si 1 i < j n, on
a:
(i, j) = si si+1 ...sj2 sj1 sj2 ...si+1 si
o pour tout 1 k n 1, sk est la transposition (k, k + 1).

q.e.d.

Exercice 17 Les transpositions (1, i), 2 i n engendrent Sn .

1.7.2

Signature

Soit Sn . Une inversion de est une paire {i, j} telle que i < j et
(i) > (j).
Le nombre dinversions de est le nombre de fois o, dans la liste
(1), ..., (n), un entier plus grand apparat gauche dun plus petit.
Exemple : Voici les inversions et les signatures des 6 permutations
S3 :

Id :

2
2


3
3

1 1


s1 : 2
2


3
3

1
1

s2 : 2 2


3
3

1 1


s1 s2 : 2 2


3
3

1
1


s2 s1 : 2 2

s 1 s2 s1
(=s2 s1 s2 )

{{1,2}}
1

{{2,3}}
1

{{2,3},{1,3}}
2

{{1,2},{1,3}}
2

{{1,2},{2,3},{1,3}}
3


2 2

()

I()
#I()

1.7. LE GROUPE SYMTRIQUE

25

Le nombre dinversions dune permutation est aussi le nombre de croisements dans le diagramme qui la reprsente.
Exemple : les inversions de la transposition (r, s), r < s, sont les paires :
{r, r + 1}, ..., {r, s 1}, {r, s}, {r + 1, s}, ..., {s 1, s}
ce qui fait 2(s r) 1 inversions.
Dnition 14 Si est une permutation avec un nombre pair (respectivement impair) dinversions, on dit que cest une permutation paire (respective
ment impaire). On dnit () := (1)nombre d inversions de ; cest la signature
de .
Exemple : les transpositions sont de signature 1.
Lemme 1.7.3 Soit Sn et soit une transposition. Alors ( ) = ( ) =
().
Dmonstration du lemme :
Soient I() lensemble des inversions de . On a une bijection :
1:1

(I( ) \ I()) (I() \ I( )) I( 1 )


{i, j} {(i), (j)}
(exo) .
Or, 1 est une transposition : cest la transposition qui change (i)
et (j). Donc |I( 1 )| est impair. Or :
|I()| = |I() I( )| + |I() \ I( )|
|I( )| = |I() I( )| + |I( ) \ I()|

|I()| + |I( )| = 2|I() I( )| + |I() \ I( )| + |I( ) \ I()|


|I()| + |I( )| = 2|I() I( )| + |I( 1 )|

et |I()| + |I( )| est impair. Donc () = ( ).

q.e.d.

Exercice 18 On note si la transposition (i, i + 1). Redmontrer le lemme en


montrant que si (i) < (i + 1), alors :
I(si ) = {{si (k), si (l)} : {k, l} I()} {i, i + 1} .

26

CHAPITRE 1. UN PEU DE THORIE DES GROUPES

En particulier si est un produit de p transpositions, () = (1)p . On


en dduit donc quun kcycle a pour signature (1)k1 .
Proposition 1.7.4 La signature : Sn {1} est un morphisme de groupes.
Dnition 15 Lensemble des permutations paires est le noyau de la signature. Cest donc un sous-groupe distingu de Sn . On le note An : cest le
groupe altern dindice n. .
Notation : An := ker .
Exemple : le groupe A3 a trois lments : 1, (1, 2, 3), (1, 3, 2).
Exercice 19 Si n 3, le groupe An est engendr par les 3cycles (1, 2, i),
3 i n.
Comme est un morphisme, on en dduit que () = ( 1 ) pour toute
permutation .
En fait on a mme plus :
Exercice 20 Vrier quil y a une bijection entre I() et I( 1 ).
Proposition 1.7.5 La signature est le seul morphisme non trivial de Sn vers
C .
Dmonstration : Une transposition est dordre 2 et donc son image par
un morphisme dans C est 1. De plus, toutes les transpositions sont conjugues et engendrent Sn .
q.e.d.

. On dit que deux lments x et y dun groupe G sont conjugus sil existe g G tel
que y = gxg 1 .

Chapitre 2
Rappels sur les matrices
0

Dnition 16 Une matrice m n coecients dans


est un tableau
de nombres m lignes et n colonnes. Notation : Mm,n ( ).

Notation : On note ai,j le coecient de la ligne i et de la colonne j.


Exemple : Triangles de Pascal. Voici 3 exemples de matrices de taille
n+1n+1 :

T :=

1 0

...
.
1 1 ..

0
..
.

1 2

1 3

1 4
..
.

4 1

1 n

...

..

T+ :=

1 1 1 1 1

0 1 2 3 4

.
..
1 3 6

. 0

...

1 4

i
j

0i,jn

0i,jn

...
1
27

..
.

0 ...

j
i

28

CHAPITRE 2. RAPPELS SUR LES MATRICES

P :=

2.0.3

..

1 ...

n+1

1
..
.

i+j
i

0i,jn

2n
n

1 n+1

Oprations

On peut additionner deux matrices de mme taille (addition terme


terme) ;
On peut multiplier une matrice par un scalaire (tous les coecients
sont multiplis par ) ;
On peut multiplier une matrice A de taille m n par une matrice B
de taille n p pour obtenir une matrice C = AB de taille m p :
ci,j :=

ai,k bk,j

k=1

le coecient (i, j) de la matrice AB est le produit scalaire de la ligne i


de A par la colonne j de B. .
Exercice 21 matrices de rotations :

cos a sin a cos b sin b


.

sin a cos a
sin b cos b

cos(a + b) sin(a + b)
sin(a + b)

nombres complexes

cos(a + b)

Rez Im z Rez Im z
.

Im z Rez
Im z Rez

2.1. MATRICES CARRES

29

Re(zz ) Im (zz )

matrices de Pascal

Im (zz )

Re(zz )

T T + = P
indication : Pi,j est le coecient de degr j du polynme (1 + X)i+j . Or,
(1+X)i+j = (1+X)i (1+X)j ; exprimer le polynme (1+X)i (respectivement
(1 + X)j ) en fonction des coecients de T (respectivement T + ).
Proposition 2.0.6 (Associativit) Soient A une matrice de taille m n,
B une matrice de taille n p et C une matrice de taille p q. Alors on a
lgalit de matrices m q :
(AB)C = A(BC)
Dmonstration : Notons ui,j les coecients du membre de gauche et vi,j
ceux du membre de droite. Alors :
ui,j =

ai,k bk,l cl,j = vi,j .

1kn
1lp

q.e.d.

2.1

Matrices carres

Proprits de
distributivit

...

(i < j)
..
(i = j)
.
..
.
(i > j)
...
..
.

0algbre :

...

A(B + C) = AB + AC , (A + B)C = AB + BC ,

0, t(A)B = A(tB) = t(AB)

Proprits ngatives :
non commutativit :

30

CHAPITRE 2. RAPPELS SUR LES MATRICES

0 1 1 0

0 0

0 0

1 0 0 1

= 0 =

0 0

0 0

existence dlments nilpotents non nuls :

0 1

0 0

0 1

0 0

=0

Eet de la multiplication gauche ou droite par une matrice diagonale :

(2.1)

(2.2)

d1

a1,1 ... a1,n


..
..
.
.

..

.
dn

an,1

a1,1 ... a1,n


..
..
.
.

an,n

an,n

an,1

d1

..

.
dn

Dnition 17 La matrice identit, note In :

In :=

1
...
1

d1 a1,1 ... d1 a1,n


..
..
.
.
dn an,1

dn an,n

d1 a1,1 ... dn a1,n


..
..
.
.
d1 an,1

dn an,n

Des 1 sur la diagonale, des 0 en dehors .


Daprs 2.1 et 2.2,

A Mn ( ), AIn = In A = A .

Dnition 18 Matrices inversibles. Une matrice A Mn ( ) est inversible


sil existe une matrice, note A1 , telle que :

AA1 = A1 A = In .

Notation : GLn ( ) est lensemble des matrices n n inversibles coecients dans .

2.2. APPLICATIONS

31

Remarque : GLn ( ) est un groupe pour la multiplication : cest le


groupe gnral linaire.
Remarque : AB = In BA = In (non trivial !)
2.1.0.1

La transpose

Dnition 19 t (A)i,j := Aj,i Les lignes de t A sont les colonnes de A (et


vice versa) .
Proprits :
t

2.2

(tA) = tt A, t (A + B) = t A + t B , t (AB) = t B t A

Applications

2.2.1

La suite de Fibonacci

Cest la suite :
0, 1, 1, 2, 3, 5, 8, 13, ...
f0 := 0, f1 := 1, n 1, fn+1 = fn + fn1

Problme : exprimer fn en fonction de n.


Solution : On remarque que :

fn
fn1

n 1,

= A

fn+1
fn
o A est la matrice

0 1

et donc :

Vrier que :

n 0,

1 1

fn
0
n
=A
.
fn+1
1

fn1

n 1, An =

fn

fn

fn+1

32

CHAPITRE 2. RAPPELS SUR LES MATRICES


Pour calculer An , on introduit :
:=

1 1
1
1+ 5
1 5
1
1
, :=
, P :=
=

, P

2
2
5

1

( pourquoi ? patience ! )
et on remarque que :

A = P DP 1

0
o D :=
.

0
On trouve donc :

n 0, An = P Dn P 1

n
0 1

n

n 0, A = P
P
n
0

et donc :

n 0, fn = An1,2 =

Remarque : Les nombres ( 1+2 5 ) et ( 12 5 ) sont les valeurs propres de


A (dnition venir ...).

2.2.2

Graphes

Un pilote voyage entre trois villes suivant le graphe suivant :


P
1

Les ches reprsentent les trajets possibles chaque tape.


Question : En n tapes, combien y a-t-il de faons daller de i j ?
Rponse : Notons bi,j,n le nombre cherch. On pose A la matrice dincidence du graphe i.e.
ai,j :=

1 sil y a une che de i vers j


0 sinon.

2.2. APPLICATIONS

33

Ici :

0 1 1

A= 0 0 1

1 0 0

On a bi,j,n = Ani,j . Dmonstration : Par rcurrence sur n 1 :


bi,j,n =

bi,k,n1 bk,j,1 =

An1
i,k Ak,j

= Ani,j .
En particulier, si on sait calculer An (cf. suite du cours), on peut vrier
quun pilote qui part de P atterrira, au bout dune innit dtapes, 2 fois
plus souvent M qu B avec :
2 := lim
n

An1,3
1, 75...
An1,2

o est lunique racine relle de X 3 X 1.


Ici encore, est une valeur propre de A.

2.2.3

quation direntielle

Problme : Rsoudre lquation direntielle :


(E) y + k 2 y = 0
o 0 = k R.

y
Solution : On pose Y :=

. On a :
y
(E) Y = AY

o A est la matrice :

or, nous verrons plus loin que :

k 2 0

Y = AY Y (t) = etA Y (0)

34

CHAPITRE 2. RAPPELS SUR LES MATRICES

o etA est une matrice dnie de la mme manire que lexponentielle complexe.
Ici :

sin(kt)
cos(kt)

k
etA =
.
k sin(kt) cos(kt)
Donc :

t, y(t) = y(0) cos(kt) +

y (0)
sin(kt) .
k
q.e.d.

2.3

Systmes linaires

Les matrices permettent dcrire de faon condense les systmes dquations linaires :

a1,1 x1 + ... + a1,n xn

am,1 x1 + ... + am,n xn = bn

1jn

2.4.1

AX = B

...

A = (ai,j ) 1im , B =

2.4

= b1

b1
..
.
bn

X=

x1
..
.
xn

Rang dune matrice


Rappels sur les espaces vectoriels

0
0

Soit E un espace vectoriel c--d :


E est un ensemble muni dune addition + et dune multiplication par les
lments de
(appels scalaires) telles que :
1. (E, +) est un groupe ablien i.e. :
x, y, z E, x + (y + z) = (x + y) + z ;
x, y E, x + y = y + x ;
0 E, x E, x + 0 = 0 + x = x ;

2.4. RANG DUNE MATRICE

35

x E, (x) E, x + (x) = (x) + x = 0 ;


2. , x, y E, (x + y) = x + y ;
3. , , x E, ( + )x = x + x ;
4. , , x E, ()x = (x) ;
5. x E, 1x = x.
Les lments de E sont appels des vecteurs.
Exemple : [de base] E = n muni de laddition :

0
0

x1
..
.
xn

y1
..
.
yn

:=

x 1 + y1
..
.
x n + yn

et de la multiplication par les scalaires :

x1
..
.
xn

:=

x1
..
.
xn

pour tous , x1 , ..., y1 , ... .


Soient v1 , ..., vm des vecteurs de E.
Une combinaison linaire des vecteurs v1 , ..., vm est un vecteur de la
forme :
t1 v1 + ... + tm vm

o t1 , ..., tm .
On dit que v1 , ..., vm sont

t1 , ..., tm

0, t v

1 1

0linairement indpendants (ou libres) si :


+ ... + tm vm = 0 t1 = ... = tm = 0

sinon, on dit quils sont lis.


On dit que v1 , ..., vm sont gnrateurs (de E) ou quils engendrent E si
tout vecteur de E est une combinaison linaire de v1 , ..., vm .
Si les vecteurs v1 , ..., vm sont la fois libres et gnrateurs on dit quils
forment une base de E.
Exemple : La base canonique de n est la base forme des vecteurs :

, ...,
.

..

0
..
.
0
1

36

CHAPITRE 2. RAPPELS SUR LES MATRICES

Proposition 2.4.1 Soit v1 , ..., vn une base de E.


i) Si w1 , ..., wm engendrent E, alors m n ;
ii) Si w1 , ..., wm sont libres, alors m n ;
Consquence :
Dnition 20 Deux bases de E ont le mme cardinal. Ce cardinal commun
est la dimension de E, note dim E.

Remarque : dim n = n. Daprs la proposition n + 1 vecteurs de


sont toujours lis.
Dmonstration : i : supposons, quitte diminuer m, que pour tout k,

wk+1 w1 , ..., wk .

Il existe t1 , ..., tn

0 tels que

w1 = t1 v1 + ... + tn vn .
Soit 1 i1 n tel que ti1 = 0. Alors :
v1 , ...,
v
i1 , ..., vn , w1
( dans la liste v1 , ..., vn , on remplace vi1 par w1 ) est encore une base de E
(exo) . On peut montrer plus gnralement, par rcurrence sur k que pour
tout 1 k min{m, n}, il existe 1 i1 , ..., ik n deux deux distincts tels
que :
v1 , ...,
v
v
i1 , ..., ,
ik , ..., vn , w1 , ..., wk
est encore une base de E (o on a remplac dans la liste v1 , ..., vn les vecteurs
vi1 , ..., vik par les vecteurs w1 , ..., wk ).
En particulier, si, par labsurde, m < n, on obtient une base de E de la
forme :
vi , w1 , ..., wm , i {1, ..., n} \ {i1 , ..., im }

ce qui est absurde car w1 , ..., wm engendre E.


Donc m n.
ii : On raisonne de la mme faon. Il existe t1 , ..., tn tels que w1 = t1 v1 +
... + tn vn . Il existe i1 tel que ti1 = 0. Alors, w1 , v1 , ...,
v
i1 , ...vn forment une
base de E. De mme, par rcurrence sur 1 k min{m,n} , on peut montrer
quil existe 1 i1 , ..., ik n deux deux distincts tels que les vecteurs :
w1 , ..., wk , v1 , ...,
v
v
i1 , ...,
ik , ...vn

2.4. RANG DUNE MATRICE

37

forment une base de E. Si (par labsurde), m > n, on peut prendre k = n :


w1 , ..., wn
forment une base de E. Mais cela est absurde car alors wm (m > n) est une
combinaison linaire de w1 , ..., wn ce qui contredit lindpendance linaire des
wj .
q.e.d.
Dnition 21 Une application f : E F entre deux
est linaire si :

0espaces vectoriels

i) u, v E, f (u + v) = f (u) + f (v)

0, f (tu) = tf (u)

ii) u E, t
Dnition 22 Soit E un
sous-espace de E si :

0espace vectoriel. Une partie F

0 F, u, v F, t

E est un

0, tu F et u + v F

Exemple : Soit f : E F une application linaire. Son noyau ker f :=


f 1 ({0}) est un sous-espace de E et son image Im f := {y F : x E, y =
f (x)} est un sous-espace de F .
Proposition 2.4.2 Une application linaire f : E F est injective
ker f = {0}
Dmonstration : Si ker f = 0, si f (u) = f (v), alors f (u v) = 0 i.e.
u v ker f = 0 donc u v = 0 i.e. u = v.
q.e.d.
Dnition 23 Le rang dune famille de vecteurs v1 , ..., vn dans un espace
vectoriel E est la dimension de v1 , ..., vn , lespace vectoriel engendr par
ces vecteurs.

Soit A une matrice de taille m n coecients dans .


On notera A, ou simplement A, lapplication linaire associe :
A:

X=

x1
..
.
xn

AX =

y1
..
.
ym

38

CHAPITRE 2. RAPPELS SUR LES MATRICES


o

1 i m, yi =

ai,j xj .

j=1

0
X 0 , AX = BX

Remarque : Soient A, B Mm,n ( ). Alors :


A=B

Exercice 22 Soient A Mm,n ( ), B Mn,p ( ). Soient A : n


p
n les applications linaires associes. Alors AB = A B.

,B:

Dnition 24 (image et noyau) Soit A une matrice m n. Son noyau


est le sous-espace (exo) :

ker A = X =

Im A = Y =

y1
..
.
ym

x1
..
.
xn

: X=

: AX = 0

x1
..
.
xn

0 , Y = AX
n

Remarque : La jime colonne de A est le vecteur Aej o : ej est le


vecteur colonne

..
.

1
..
.

avec un 1 en jime position et des 0 ailleurs.


En particulier, Im A est le sous-espace de m engendre par les vecteurs
colonnes de A.

2.4. RANG DUNE MATRICE

2.4.2

39

Matrices chelonnes

Dnition 25 Une matrice chelonne est une matrice de la forme :

0 ... a1,j1

...

0 ...
..
.

...

a2,j2

ar,jr ...
0 ...

o 0 r n, pour tout 1 k r, ak,jk est le premier terme non nul de la


ligne k et j1 < ... < jr .
On appellera opration lmentaire sur les lignes une des oprations suivantes :
ajouter une ligne (i) une autre ligne (j) multiplie par un coecient
t ;
changer deux lignes : i et j ;
multiplier la ligne i par un coecient non nul .
Remarque : Chaque opration lmentaire revient multiplier gauche
par une matrice simple : respectivement :
Ti,j (t) la matrice In laquelle on a ajout un t en position i, j

...
..
.

t
..

.
1

i,j la matrice obtenue partir de In en permutant les colonnes i et


j:

exemple : 1,n =

0 ...
..
. 1

..

1
..
.

.
1

40

CHAPITRE 2. RAPPELS SUR LES MATRICES

Di () la matrice obtenue partir de In en remplaant le ime coefcient diagonal par :

..

...
1

Thorme 2.4.3 Chaque matrice peut tre transforme en une matrice chelonne par une suite nie doprations lmentaires.
Dmonstration : Par rcurrence sur le nombre de lignes. Soit A une
matrice m n. Soit j1 la premire colonne non nulle. Quitte permuter
la premire ligne avec une autre, on peut supposer que a1,j1 = 0. On note
L1 , ..., Lm les lignes de A. On remplace alors, pour tout k > 1, la ligne Lk
a 1
par Lk ak,j
L1 . On obtient alors une matrice de la forme :
1,j
1

0 ... a1,j1 ...

..
.
0 ...

..

et on termine par rcurrence.

q.e.d.

Dnition 26 Le nombre r est le rang des lignes de la matrice.


Proposition 2.4.4 Le rang r est indpendant des transformations eectues : r est la dimension du sous-espace de M1,n ( ) engendr par les lignes
L1 , ..., Lm de la matrice.

Dmonstration : En eet, une opration lmentaire ne change pas lespace vectoriel L1 , ..., Lm et les lignes non nulles dune matrice chelonne
sont clairement indpendantes.
q.e.d.
On peut aussi dnir le rang des colonnes de la matrice en utilisant des
oprations lmentaires sur les colonnes. Ce rang est gal la dimension du
sous-espace de Mm,1 ( ) engendr par les colonnes de la matrice.

2.4. RANG DUNE MATRICE

41

Proposition 2.4.5 Si A est une matrice carre de taille n, si A est de rang


n, alors A est inversible.
Dmonstration : On applique des transformations lmentaires A jusqu obtenir la matrice In . Si r = n, cest possible. Si on applique les mmes
transformations In on obtient A1 . En eet, soit E1 , ..., EN des matrices
lmentaires telles que :
E1 ...EN A = In
alors :

E1 ...EN = A1 .

q.e.d.

0 1
.
1 1
On eectue les oprations suivantes :

Exemple : Soit A :=

0 1 1 0 L1 L2 1 1 0 1

1 1 0 1
0 1 1 0
L1 L1 L2

1 0 1 1

0 1

1 1
.
1 0
Plus gnralement, pour une matrice A Mm,n ( ), le mme raisonnement montre quil existe P GLm ( ) tel que :
conclusion : A1 =

In

PA =

(en particulier, dans ce cas n m).

Si lon multiplie gauche par

In 0

In 0

, on trouve :

P A = In .

On peut raisonner de mme avec les colonnes. En rsum :

42

CHAPITRE 2. RAPPELS SUR LES MATRICES

Thorme 2.4.6 Soit A Mm,n ( ).


i) Si le rang
des lignes de A est n, alors n m et il existe P GLm ( )

In

et il existe B Mn,m ( ) tel que BA = In . On dit que


0
A est inversible gauche.
ii) Si le rang des colonnes
de A est m, alors m n et il existe Q

tel que P A =

GLn ( ) tel que AQ =

Im 0 et il existe B Mn,m ( ) tel que AB = Im .


On dit que A est inversible droite.

2.4.3

galit entre le rang des lignes et le rang des colonnes

Soit A Mm,n ( ) une matrice. On rappelle que le rang des lignes de


A, notons-le rg L (A), est la dimension du sous-espace vectoriel de M1,n ( )
engendr par les lignes de A. On rappelle que rang des colonnes de A, notonsle rg C (A), est la dimension du sous-espace vectoriel de Mm,1 ( ) engendr
par les colonnes de A.
Alors :
Thorme 2.4.7

rg L (A)

= min t 1 : B Mm,t ( ), C Mt,n ( ), A = BC


= rg C (A) .

On notera rg (A) le rang de A (des lignes ou des colonnes).


En particulier, rg (A) min{m, n}.

Dmonstration :
Montrons par exemple la premire galit (la deuxime se montre de la
mme faon) :
Notons r0 le minimum des t tels que A = BC pour un certain B
Mm,t ( ) et un certain C Mt,n ( ).
Soit r := rg L (A). Alors, il existe une base l1 , ..., lr du sous-espace engendr
par les lignes de A. En particulier, pour toute ligne Li de A,

Li = bi,1 l1 + ... + bi,r lr

pour certains coecients bi,j , 1 i m, 1 j r. Soit B Mm,r ( )


la matrice des bi,j et soit C Mr,n la matrice dont les lignes sont l1 , ..., lr .
La relation pour tout i, donne : A = BC. Donc, r0 r.

2.4. RANG DUNE MATRICE

43

Dun autre ct, si A = BC avec B Mm,t ( ), C Mt,n ( ). alors pour


tout 1 i m, la ligne Li de A vrie :
Li = Bi,1 l1 + ..; +Bi,t lt
o l1 , ..., lt sont les lignes de C. Donc le sous-espace engendr par les lignes
de A est de dimension t. Donc r t. Et donc, r r0 si on prend t = r0 .
En rsum, le rang dune matrice A est la fois le rang des lignes de A,
le rang de ses colonnes et la dimension de son image.
q.e.d.
On dduit de cette caractrisation du rang que :
rg (AB) min{rg A, rg B}

0
0
(0) est de rang r, il existe B M (0), C

pour toutes matrices A Mm,n ( ), B Mn,p ( ).

Proposition 2.4.8 Si A Mm,n


m,r
Mr,n ( ) tels que A = BC. Dans ce cas, rg B = r = rg C. De plus, il existe
P GLm ( ), Q GLn ( ) tels que :

Ir 0

P AQ =

0 0

Dmonstration : Si A = BC avec B Mm,r ( ), C Mr,n ( ), alors


r = rg A rg B r donc rg B = r. De mme, rg C = r. Daprs le thorme
2.4.6, il existe donc P GLm ( ), Q GLn ( ) tels que :

Ir

PB =
Do :

, CQ =

Ir 0

Ir 0
Ir
P AQ = P BCQ =
=
Ir 0

0
0 0

q.e.d.

Pour terminer voici un critre pratique pour calculer le rang dune matrice :

44

CHAPITRE 2. RAPPELS SUR LES MATRICES

Proposition 2.4.9 Soit A = (ai,j ) 1im Mm,n ( ). On dit que B est une
1jn
matrice extraite de A si B est de la forme :
B = (ai,j ) iI

jJ

pour un certain I {1, ..., m} et un certain J {1, ..., n}.


Le rang de A est le plus grand entier r tel quil existe une matrice B,
extraite de A, carre, inversible de taille r.
Exemple : la matrice

1 2 3

4 5 6

7 8 9

nest pas inversible (exo) mais la matrice extraite :

1 2

4 5

lest (exo) . Donc A est de rang 2.


Dmonstration : Soit B une matrice extraite de A, carre, inversible de
taille r. Supposons pour simplier que B = (ai,j )1i,jr . Alors, les r premires
lignes de B sont linairement indpendantes. A fortiori, les r premires lignes
de A sont aussi linairement indpendantes. Donc rg A r. Supposons que
A est de rang R. Alors il existe R lignes de A qui sont linairement indpendantes, par exemple les R premires. La matrice
(ai,j ) 1iR
1jn

est donc de rang R. Elle admet donc au moins R colonnes indpendantes,


par exemple les R premires. Alors la matrice extraite :
(ai,j )1i,jR
est carre, de taille R et inversible (car de rang R).

2.4.4

q.e.d.

Image et noyau dune matrice

Soit A Mm,n ( ). On dit que A est injective si ses colonnes sont indpendantes. On dit que A est surjective si ses lignes sont indpendantes.

2.4. RANG DUNE MATRICE

45

0, si on note C , ..., C

Remarque : si x1 , ..., xn

x1 C1 + ... + xn Cn =

notons :
ker A :=

cest un sous-espace de
ker A = 0.
Notons

Im A :=

x1
..
.
xn

A.

A.

les colonnes de A, alors :

x1
..
.

xn

x1
..
.
xn

=0

: cest le noyau de A. Alors A est injective

A.

x1
..
.
xn

x1
..
.
xn

0
n

cest le sous-espace de m engendr par les colonnes de A, on lappelle


limage de A. Comme le rang des lignes est aussi le rang des colonnes, les
lignes sont indpendantes i.e. A est surjective si et seulement si rg A = m
Im A = m .

Exercice 23 Soit P GLm ( ). Alors : ker(P A) = ker A.

Exercice 24 Si A :=

j1 < ... < jr et ai,ji

0 ... a1,j1 ...

..
.
0 ...

est une matrice chelonne avec

..

0
0
0 pour tout 1 i r, alors lapplication linaire :
=

ker A

nr

, (xj )1jn (xj )

1jn
j=j1 ,...,jr

est un isomorphisme (cf. plus bas le rappel de la notion disomorphisme).


En particulier, ker A est de dimension n r.
On dduit des deux exercices prcdents le

46

CHAPITRE 2. RAPPELS SUR LES MATRICES

Thorme 2.4.10 (du rang)


dim ker A + rg A = n
(le nombre de colonnes).
Pour rsum, on a dmontr les quivalences suivantes :
A injective rg A = n A inversible gauche
A surjective rg A = m A inversible droite

2.5
2.5.1

Lien avec les applications linaires


Matrice associe une application linaire

Soit E un

0espace vectoriel.

Dnition 27 Un endomorphisme de E est une application linaire f : E


E. On note End0 (E) ou L(E) lensemble des endomorphismes de E.
Soit f End0 (E). Soit e1 , ..., en une base de E. Pour tout 1 j n, il
existe a1,j , ..., an,j tels que

f (ej ) = a1,j e1 + ... + an,j en


en fait, f est entirement dtermin par ces coecients : ai,j , 1 i, j n :

v = x1 e1 + ... + xn en E, f (v) =

autrement dit, si X :=

base (e) si Y :=
(e) alors :

y1
..
.
yn

x1
..
.
xn

n
n

xj ai,j ei .

i=1 j=1

est le vecteur coordonnes de v dans la

est le vecteur coordonnes de f (v) dans la base

Y = AX

2.5. LIEN AVEC LES APPLICATIONS LINAIRES

47

o A est la matrice (ai,j ).


On dit que la matrice A := (ai,j )1i,jn est la matrice de f dans la base
(e) := e1 , ..., en .
Notation :
A := Mat(f )(e) .
Exercice 25 Soient f, f : E E deux applications linaires. Soit (e) une
base de E, alors :
Mat(f f )(e) = Mat(f )(e) Mat(f )(e) .
Exemple :
matrices de rotations : soit R : R2 R2 la rotation de centre 0 et
dangle dans le plan. Cest une application linaire. Dans la base usuelle
e1 , e2 de R2 , la matrice de R est donne par :

cos sin
sin

cos

matrices de la drivation sur lespace des polynmes de degr n :

0 1 0 ... 0
.. . .
..

. 2
.
.

...

et

0 1 0 ... 0
.. . .
..

. 1
.
.

...

respectivement dans la base 1, X, ..., X n et dans la base 1, X, ..., Xn! .

2.5.2

Thorme du rang

Thorme 2.5.1 Soient E, F deux espaces vectoriels. On suppose que


f : E F est linaire. Alors si E est de dimension nie :
dim E = dim ker f + rg f
o rg f est la dimension de limage de f .

48

CHAPITRE 2. RAPPELS SUR LES MATRICES

Dmonstration : Soit e1 , ..., er une base de ker f . On la complte en une


base e1 , ..., er , er+1 , ..., en de E. Alors f (er+1 ), ..., f (en ) est une base de Im f
(exo).
q.e.d.
Dnition 28 Un isomorphisme entre deux espaces vectoriels E et F est
une application linaire bijective f : E F , notation : E F .
Corollaire 2.5.1.1 (Miracle de la dimension nie) Si E est de dimension nie, si f : E E est linaire, alors f injectif f surjectif f
isomorphisme.
Remarque : ATTENTION : il faut le mme espace au dpart et larrive (ou au moins deux espaces de mme dimension au dpart et larrive).
Dmonstration :
f injectif ker f = 0
dim f (E) = dim E
c--d f surjectif. Rciproque :

f (E) = E

f surjectif f (E) = E
dim ker f = 0
ker f = 0

i.e. f injecftif. On utilise que si V est un sous-espace de U , alors V est de


dimension nie dim U avec galit si et seulement si V = U .
q.e.d.
Versions matricielles :
Soit A Mm,n ( ). Alors : dim ker A + dim Im A = n.
On dira quune matrice A Mm,n ( ) est injective si

ker A = 0
i.e.

et que A est surjective si :

0 , AX = 0 X = 0
n

Im A =

2.5. LIEN AVEC LES APPLICATIONS LINAIRES


i.e.

, X

0 , Y = AX
n

49

Une matrice A est injective A est inversible gauche i.e. :

B Mn,m ( ), BA = In .

En eet, si BA = In , alors, AX = 0 BAX = 0 In X = X = 0.


Rciproquement, si A est injective, le rang de ses lignes est aussi le rang de
ses colonnes i.e. la dimension de son image. Daprs le thorme du rang,
ce rang vaut n. Donc le sous-espace de M1,n ( )(= n ) engendr par les
lignes L1 , ...Lm de A est de dimension n. Donc les lignes de A engendrent
M1,n ( ). En particulier, si on note l1 , ..., ln les lignes de la matrice In (i.e. la
base canonique de M1,n ( )), il existe, pour tout 1 i n, des coecients
bi,1 , ..., bim tels que :

li = bi,1 L1 + ... + bi,m Lm .

Autrement dit, si on note B Mn,m ( ) la matrice des bi,j , on a :


BA = In .

On peut montrer de mme (en raisonnant plutt avec les colonnes) que
A est surjective A est inversible droite i.e. :

B Mn,m ( ), AB = Im .

Supposons maintenant que m = n et que A, B Mn ( ). Alors :


AB = In BA = In

Dmonstration : AB = In A surjective A injective.


Or :

0 , A(BAX) = (AB)(AX) = A(X) BAX = X


n

donc BA = In .

q.e.d.

Thorme 2.5.2 Soit A Mm,n ( ). Alors,

A injective rg (A) = n

A surjective rg (A) = m

en particulier si m = n, A injective A surjective A inversible.

Dmonstration : Par exemple : rg A = n dim ImA = n dim ker A =


0 et rciproquement si A est injective, alors A est inversible gauche : il existe
B Mn,m ( ) tel que : BA = In . Donc n rg A rg BA = n et rg A = n.
q.e.d.

50

CHAPITRE 2. RAPPELS SUR LES MATRICES

2.5.3

Changements de base

Interprtation de lensemble des bases au moyen des matrices


inversibles.
Soit e1 , ..., en une base de n . Soit P GLn ( ) une matrice inversible.
Les vecteurs :
e1 = P e1 , ..., en = P en

forment encore une base de n . On obtient ainsi toutes les bases de n .


En eet, soient (e ), (e) deux bases de n (ou de nimporte quel espace
vectoriel de dimension n). Pour tout j,

pour certains pi,j


Soit v

0.

ej = p1,j e1 + ... + pn,j en

0 . Si on note
n

x1
..
.

ses coordonnes dans la base (e),

xn
ses coordonnes dans la base (e ), alors :

x1
..
.

xn

X = P X
o P := (pi,j )1i,jn .
Dmonstration :
v = x1 e1 + ... + xn en = x1 e1 + ... + xn en
=

j=1

i=1

xj

pi,j ei

i=1

j=1

pi,j xj ei

1 i n, xi =

pi,j xj

j=1

X = PX .

q.e.d.

Dnition 29 (Matrice de passage) La matrice P est la matrice de passage de (e) (e ) ; notation :


(e )
P(e) .

2.5. LIEN AVEC LES APPLICATIONS LINAIRES

51

Exercice 26 P est inversible dinverse la matrice de passage de (e ) (e).


Formule de changement de base :
Soit f un endomorphisme de n (ou de nimporte quel espace vectoriel
de dimension n). Soit A la matrice de f dans la base (e), soit A la matrice
de f dans la base (e ). Ces deux matrices sont relies par :

A = P A P 1

Dmonstration : Soit v n . Soient X, X , Y, Y respectivement les


vecteurs (colonnes) coordonnes de v dans les bases (e) et (e ), de f (v) dans
les bases (e) et (e ).
Alors : Y = AX et Y = AX (exo). De plus :
X = P X , Y = P Y
P Y = AP X

(pour tout X

Y = P 1 AP X = A X

0 ). Donc P
n

AP = A .

q.e.d.

Exercice 27

1 cos t sin t 1

i i

sin t

cos t

i i

it

eit

52

CHAPITRE 2. RAPPELS SUR LES MATRICES

Chapitre 3
Le dterminant
3.1

Dimension 2 et 3

Dnition 30

a1,1 a1,2
a2,1 a2,2
a3,1 a3,2

a1,1 a1,2

a2,1 a2,2

a1,3

a2,3

a3,3

:= a1,1 a2,2 a1,2 a2,1

:= a1,1 a2,2 a3,3 + a2,1 a3,2 a1,3 + a3,1 a1,2 a2,3

a2,1 a2,1 a3,3 a1,1 a3,2 a2,3 a3,1 a2,2 a1,3

Moyen mnmotechnique :

Interprtation gomtrique (sur R) : det (A) est une aire ou un


volume orient .
Exercice 28 det A = 0 A inversible ; det (AB) = det Adet B
53

54

CHAPITRE 3. LE DTERMINANT

3.2
3.2.1

Dterminant en dimension quelconque


Arrangements

Un arrangement dordre n est une suite


k := (k1 , ..., kn )
des n entiers 1, ..., n dans un ordre quelconque. (Autrement dit une suite
(k1 , ..., kn ) o chaque entier 1, ..., n apparat exactement une fois.
Exemples : les arrangements dordre 2 sont (1, 2) et (2, 1). Les arrangements dordre 3 sont (1, 2, 3), (1, 3, 2), (2, 1, 3), (2, 3, 1), (3, 1, 2), (3, 2, 1). Plus
gnralement, il y a exactement n! arrangements dordre n (n possibilit pour
le premier terme, n 1 pour le deuxime, etc).
Soit k un arrangement. Une inversion de k est une paire {ki , kj } telle que
i < j et ki > kj ( cest quand un plus grand est gauche dun plus petit ).
On note I(k) lensemble des inversions de k.
On dit quun arrangement est pair sil a un nombre pair dinversions ; on
dit quil est impair sil a un nombre impair dinversions. Pour tout arrangement k on pose :
(k) := 1 si k est un arrangement pair
1 si k est un arrangement impair

3:

Exemple : voici les inversions et les signatures des 6 arrangements dordre

3.2.2

I()
#I()

()

(1, 2, 3)

(2, 1, 3)

{{1,2}}
1

(1, 3, 2)

{{2,3}}
1

(2, 3, 1)

{{2,3},{1,3}}
2

(3, 1, 2)

{{3,1},{3,2}}
2

(3, 2, 1)

{{1,2},{2,3},{1,3}}
3

1
1

Dnitions du dterminant

Dnition 31 Soit A = (ai,j )1i,jn une matrice. On note :


det A := |A| :=

arrangement d ordre n

()a(1),1 ....a(n),n

3.2. DTERMINANT EN DIMENSION QUELCONQUE

55

le dterminant de A.
Exercice 29 Pour n = 2, 3 on retrouve la dnition usuelle.
Proposition 3.2.1 (dterminant dune matrice triangulaire) Soit T =
(ti,j )1i,jn une matrice triangulaire suprieure i.e. ti,j = 0 si i > j. Alors :

t
1,1

t1,n

tn,n

= t1,1 ...tn,n

le produit des coecients diagonaux. En particulier,


|In | = 1
.
Dmonstration : Par dnition :
|T | =

()t(1),1 ...t(n),n

(somme sur les arrangements dordre n)


Or, le produit t(1),1 ...t(n),n est nul sauf si, ventuellement, (1) 1, ..., (n)
n. Cela narrive que si (1) = 1, ..., (n) = n c--d si = (1, ..., n). Donc :
|T | = ((1, 2, ..., n))t1,1 ...tn,n = t1,1 ...tn,n .
q.e.d.
En particulier, det (In ) = 1.
Cette dnition du dterminant et la seule possible au sens suivant :
Thorme 3.2.2 Il existe une unique application :

D : Mn ( )

0 , A D(A)

i) linaire en les colonnes de A, ii) alterne i.e. D(A) = 0 si A a deux


colonnes identiques, iii) D(In ) = 1.
De plus, D = det .

56

CHAPITRE 3. LE DTERMINANT

Dmonstration : Le i) signie que si on note C1 , ...Cn les colonnes dune


matrice A. Pour tout j, si Cj est un vecteur colonne, alors, pour tous , ,
on a :

D(C1 |...|Cj + Cj |...|Cn ) = D(C1 |...|Cj |...|Cn ) + D(C1 |...|Cj |...|Cn ) .


Existence : Il est clair que det vrie i) et iii). Vrions ii) :
supposons que A Mn ( ) a ses colonness Ci et Cj identiques, i < j.
Pour tout arrangement dordre n, posons larrangement dni par :

(p) =

Alors

(p) si p = i, j,
(j) si p = i,
(i) si p = j.

() () = ( ) .

En eet,

(I() I( )) \ (I() I( )) =

{{ki , kj }} {{ki , kp } : i < p < j} {{kq , kj } : i < q < j}

qui est un ensemble de cardinal 2(j i) 1 (exo) . Donc :

|I()| + |I( )| = 2|I() I( )| + 2(j i) 1


|I()| = |I( )| 1 mod 2
() = ( ) .

On a donc une bijection :

1:1

{ arrangement pair} { arrangement impair}



a:

De plus, comme les colonnes Ci et Cj de la matrice A sont identiques, on


a(1),1 ....a(n),n = a (1),1 ...a (n),n

pour tout arrangement .


Donc :
det A =

arrangement pair

a(1),1 ....a(n),n

arrangement impair

a(1),1 ....a(n),n

3.2. DTERMINANT EN DIMENSION QUELCONQUE

arrangement pair

a(1),1 ....a(n),n

arrangement pair

57

a (1),1 ....a (n),n

arrangement pair

a(1),1 ....a(n),n a (1),1 ....a (n),n


=0 .

Unicit : Soit D qui vrie i), ii) de lnonc. Alors, si on note E1 , ..., En
la base canonique de Mn,1 ( ), on a :

Cj =

ai,jEi

i=1

pour toute colonne Cj de A et par linarit :


D(A) =

i1 ,...,in =1

ai1 ,1 ...ain ,n D(Ei1 |...|Ein ) .

Or, D(Ei1 |...|Ein ) = 0 si les i1 , ..., in ne sont pas tous distincts. Donc :
D(A) =

(i1 ,...,in ) arrangment

D(Ei1 |...|Ein ) .

Il reste montrer que pour un arrangement (i1 , ..., in ), D(Ei1 |...|Ein ) =


(i1 , ..., in )D(In ). On le dmontre par rcurrence sur k 1 tel que :
ik1 > ik < ... < in .
Si k = 1, cest vident car alors, i1 = 1, ..., in = n. Si k > 1, on change
ik1 et ik : on obtient un arrangement : (i1 , ..., in ) o ij := ij si j = k, k + 1,
ik := ik1 et ik1 := ik . Comme :
ik1 < ... < in
on a par hypothse de rcurrence :
D(Ei1 |...|Ein ) = (i1 , ..., in )D(In ) .
Or, daprs (*), on a :
(i1 , ..., in ) = (i1 , ..., in ) .
De plus, on a :
D(Ei1 |...|Eik1 + Eik |Eik1 + Eik |...|Ein ) = 0

58

CHAPITRE 3. LE DTERMINANT
D(Ei1 |...|Eik1 |Eik1 |...|Ein ) + D(Ei1 |...|Eik1 |Eik |...|Ein )
+D(Ei1 |...|Eik |Eik1 |...|Ein ) + D(Ei1 |...|Eik |Eik |...|Ein ) = 0
D(Ei1 |...|Eik1 |Eik |...|Ein ) + D(Ei1 |...|Eik |Eik1 |...|Ein ) = 0
D(Ei1 |...|Ein ) = D(Ei1 |...|Ein ) .

Conclusion : D(Ei1 |...|Ein ) = (i1 , ..., in )D(In ).

q.e.d.

On a en fait dmontrer le rsultat suivant :

Thorme 3.2.3 Soit D : Mn ( ) une application nlinaire et alterne en les colonnes ( i.e. qui vrie i) et ii) du thorme prcdent), alors :
D(A) = det AD(In ) .

Dterminant de la transpose

Si A Mm,n ( ), on note t A Mn,m ( ) la matrice de coecients :


(t A)i,j := Aj,i
pour tous 1 i m, 1 j n.

Thorme 3.2.4 Soit A Mn ( ). Alors, det (t A) = det A.


Corollaire 3.2.4.1 Dans les thormes 3.2.2 et 3.2.3, on peut remplacer
colonne par ligne .
Dmonstration : Si est un arrangement dordre n, on note 1 :=
(l1 , ..., ln ) larrangementy dordre n tel que li = i pour tout i. Si 1 i =
j n, alors {i , j } est une inversion de si et seulement si {i, j} est une
inversion de 1 (exo) . En particulier, () = ( 1 ) pour tout arrangement
.
Or, on a :
a(1),1 ...a(n),n = a(1 (1)),1 (1) ...a(1 (n)),1 (n)
= a1,1 (1) ...an,1 (n) .
Donc :
det A =
=

()a(1),1 ...a(n),n

()a1,1 (1) ...an,1 (n)

3.2. DTERMINANT EN DIMENSION QUELCONQUE


=

59

( 1 )a1,(1) ...an,(n)

()a1,(1) ...an,(n)

= det (t A) .
q.e.d.

Consquences :

Thorme 3.2.5 (dterminant du produit) Soient B Mn ( ) :


det (AB) = det Adet B .
Dmonstration : En eet, si A est xe, lapplication :
F : B det (AB)
est nlinaire alterne en les colonnes de B. Donc :

B Mn ( ), F (B) = det BF (In )


= det Adet B .
q.e.d.

Exemple : Pour les matrices de Pascal de la page 29, on trouve :


det P = det T T + = 1 .

Proposition 3.2.6 (dterminant des matrices triangulaires par blocs)


Si A Mm ( ), B Mm,n ( ), D Mn ( ), alors :

A B
et Adet D .
= d

0 D

Dmonstration : Fixons A. Lapplication :

A B
D

0 D

est nlinaire alterne en les lignes de D donc :

60

CHAPITRE 3. LE DTERMINANT

A B
0 D

Ensuite B tant x, lapplication :


A

det D

A
0

A
0

In

In

est nlinaire alterne en les colonnes de A donc :

A
0

In

det A

Im
0

In

enn, on sait calculer le dterminant dune matrice triangulaire suprieure


(on fait le produit des termes diagonaux) :

3.3

Im
0

In

=1
q.e.d.

Rgle de Cramer

Notation : Soit A une matrice n n. On note Ai,j la matrice obtenue en


biant la ligne i et la colonne j de A.
On peut calculer un dterminant n n si on sait calculer un dterminant
(n 1) (n 1) :
Proposition 3.3.1 (Dveloppement par rapport une ligne ou une colonne)
Soit A une matrice n n. Alors :

1 j n, det A =

i=1

(1)i+j ai,j |Ai,j |

. Biffer, verbe transitif :


Barrer, annuler dun trait de plume ce qui est crit. Ses manuscrits taient bis,
rebis, raturs, gratts, chargs (CHAMPFLEURY, Les Sourances du professeur Delteil,
1855, p. 176)

3.3. RGLE DE CRAMER

61

1 i n, det A =

(1)i+j ai,j |Ai,j | .

j=1

: Par nlinarit du dterminant selon les colonnes,

Dmonstration
comme on a :

A=

j
|

a
1,1
..
.

... 0 ...
..
.

ai,j
ai,1
.
i=1
.
.

1
..
.

det A =

ai,n
..
.

... 0 ... an,n

an,1

on a :

a1,n
..

a1,1

..
.
n

ai,j ai,1
.
i=1
.
.

an,1

j
|

... 0 ...
..
.
1
..
.

a1,n
..
.

an,n

ai,n
..
.

... 0 ...

Or en changeant la colonne j avec la colonne j 1 puis la colonne j 1


avec la colonne j 2, etc, on trouve :

ai,n

..
.

an,n

a1,1 ... 0 ... a1,n


..
..
..
.
.
.
ai,1
..
.

1
..
.

an,1

j1
(1)

ai,n

..
.

an,n

0 a1,1 ... a1,n


..
..
..
.
.
.
1 ai,1 ...
..
..
.
.
0 an,1 ...

ensuite, en changeant la ligne i avec la ligne i 1 puis la ligne i 1 avec


la ligne i 2, etc, on obtient :

a1,1 ... 0 ...


..
..
.
.
ai,1
..
.

1
..
.

an,1

a1,n
..
.

ai,n

..
.

an,n

(1)j1 (1)i1

1 ai,1 ...
0 a1,1 ...
..
..
.
.
0 an,1 ...

ai,n

a1,n

..
.

an,n

62

CHAPITRE 3. LE DTERMINANT
= (1)i+j |Ai,j | .

Et on dmontre de mme la formule de dveloppement par rapport la


ligne i.
q.e.d.
Exemple :

1 2 3

4 5 6 =
7 8 9

5 6
8 9

2 3
8 9

+ 7

2 3
5 6

=0 .

Proposition 3.3.2 (formule de Cramer pour les solutions des systmes linaires)
Si :

a1,1 x1 + ... + an,1 xn = y1


...
an,1 x1 + ... + an,n xn = yn

alors, det Axk = det Ak o Ak est la matrice


obtenue en remplaant la

kime colonne de A par la colonne

y1
..
.

yn

Dmonstration : On dveloppe par rapport la kime colonne :


det Ak =

i=1

yi (1)i+k |Ai,k |

(on remplace les yi par leur expression en fonction des xj ) :


det Ak =

n
n

i=1 j=1

n
n

j=1

Or :

i=1

i=1

ai,j xj (1)i+k |Ai,k |

ai,j (1)i+k |Ai,k | xj .

ai,j (1)i+k |Ai,k |

3.3. RGLE DE CRAMER

63

est le dterminant de la matrice obtenue en remplaant la colonne k de la


matrice A par la colonne j (exo) . Donc :
n

i=1

ai,j (1)i+k |Ai,k | =

0 si k = j

det A sinon .
q.e.d.

Remarque : Si det A = 0, alors A inversible. En eet, dans ce cas, les


formules de Cramer montrent que lon peut inverser le systme dni par A.
Plus prcisment, on peut dcrire la matrice inverse de A si det A = 0.
Dnition 32 (Comatrice) Soit A une matrice n n, sa comatrice, note
com(A) ou A est la matrice n n dont le (i, j)ime coecient est :
Ai,j = (1)i+j |Ai,j | .

Corollaire 3.3.2.1 Pour toute matrice A de taille n n :


t

= At A
= d
AA
et AIn

est donne par


Dmonstration : En eet, le (i, j)me coecient de t AA
la formule :
n

k=1

(1)i+k ak,j |Ak,i |

qui est le dterminant de la matrice obtenue en remplaant, dans la matrice


A, la colonne i par la colonne j. Donc :
(

AA)

i,j

k=1

(1)i+k ak,j |Ak,i |

0 si i = j
det A si i = j .

Remarque : Cette formule reste vraie si


commutatif (p. ex : Z, [T ]).
Exemple :

q.e.d.

0 est remplac par un anneau

64

CHAPITRE 3. LE DTERMINANT
Si ad bc = 0,

a b

c d

1
d b
=

ad bc c a

Si A est une matrice 3 3 et si |A| =


0, alors :
1

1,1

2,1

3,1

|A | |A | |A |
1

=
|A1,2 | |A2,2 | |A3,2 |
|A|

|A1,3 | |A2,3 | |A3,3 |

Thorme 3.3.3 A est inversible det A = 0 et linverse est donn par :


A1 =

1 t
1
A=
|Aj,i |
det A
det A

Terminons ce chapitre par quelques dterminants remarquables :


Exercice 30 Dterminant de Vandermonde. Cest le dterminant (n + 1)
(n + 1) suivant :

V (x0 , ..., xn ) =

x0

n
x0

xn

n
xn

On a : V (x1 , ..., xn ) = 0i<jn (xj xi ).


Indication : on peut raisonner par rcurrence et remarquer que : V (x0 , ..., xn )
est un polynme de degr n en xn , de coecient dominant V (x0 , ..., xn1 )
qui sannule lorsque xn = x0 , ..., xn1 ; donc : V (x0 , ..., xn ) = V (x0 , ..., xn1 )(xn
x0 )...(xn xn1 ).
Consquence : Si x1 , ..., xn C, alors :

x1 + ... + xn = 0
..
x1 = ... = xn = 0
.
xn1 + ... + xnn = 0

(ce systme nest pas linaire).

3.4. DTERMINANT DUN ENDOMORPHISME

65

Exercice 31 Montrer que le dterminant n n suivant :


1

0 0

0 1

1 1 0

est le n + 1ime nombre de Fibonacci fn+1 (cf. p. 31).


Enn voici une autre faon de calculer un dterminant 3 3 :
Exercice 32 Soit A une matrice 3 3. Alors si a2,2 = 0 :

|A| =

3.4

a1,1
a2,1

a1,2

a2,2

a1,2
a2,2

a1,3

a2,3

a2,1 a2,2 a2,2 a2,3

a3,1 a3,2 a3,2 a3,3


a2,2

Dterminant dun endomorphisme

Soit E un espace vectoriel de dimension nie. Soit u un endomorphisme de E. Le dterminant :

det Mat(u)(e)

est indpendant de la base (e) de E choisie.


En eet, les matrices de u dans 2 bases direntes sont semblables et par
multiplicativit du dterminant :

A Mn ( ), P GLn ( ), det (P AP 1 ) = det P det Adet (P 1 )


= det Adet P det P 1
= det A

(leurs dterminants sont gaux).


On peut donc dnir le dterminant de u :

66

CHAPITRE 3. LE DTERMINANT

Dnition 33 (dterminant dun endomorphisme)


det u := det A
o A est la matrice de u dans une base quelconque de E.
Remarque : [(s) importantes]
det IdE = 1 et pour tous u, v endomorphismes de E,
det (u v) = det udet v
u est un isomorphisme det u = 0 Mat(u)(e) inversible (pour toute
base (e) de E.
En eet, u est un isomorphisme Mat(u)(e) est inversible (quelle que
soit la base (e) de E choisie (exo) .

Chapitre 4
Valeurs propres, vecteurs propres
Dans ce chapitre E est un

4.1

0espace vectoriel.

Sous-espaces invariants

Dnition 34 (sous-espace invariant) Soit u un endomorphisme de E.


On dit quun sous-Kespace vectoriel F de E est invariant, ou stable, par u
si :

x F, u(x) F .

On note alors u|F : F F , x F u(x) F la restriction de u F .


Lapplication u|F est un endomorphisme de F .

Eet sur les matrices :


Supposons que E est de dimension n, que u est un endomorphisme de E,
que F est un sous-espace de E invariant par u. Alors si :
e1 , ..., ek
est une base de F , on peut la complter en une base de E :
(e) = e1 , ..., ek , ek+1 , ..., en .
La matrice de u dans la base (e) est triangulaire par blocs :

Mat(u)(e) =

a1,1

ak,1

a1,k

b1,1

ak,k

bk,1

d1,1

dnk,1

67

b1,nk

bk,nk

d1,nk

dnk,nk

68

CHAPITRE 4. VALEURS PROPRES, VECTEURS PROPRES

o A := (ai,j )1i,jk Mk ( ) est la matrice de u|F dans la base e1 , ..., ek de


F , B := (bi,j ) 1ink Mk,nk ( ), D := (di,j )1i,jnk Mnk ( ).
1jnk
Remarque : si le sous-epace :

G := ek+1 , ..., en

est aussi stable par u, le bloc rectangulaire B est nul et :

Mat(u)(e) =

a1,1

ak,1

a1,k

ak,k

d1,1

dnk,1

d1,nk

dnk,nk

qui est une matrice diagonale par blocs.


Exemple : Soit e1 , e2 , e3 la base canonique de R3 . Soit r la rotation
daxe e3 et dangle . Lendomorphisme r de R3 laisse invariants les sousespaces :
e1 , e2 et e3
et sa matrice dans la base e1 , e2 , e3 est la matrice :

cos sin 0
sin

cos

.
0

Les droites invariantes sont appeles droites propres, ce sont les droites
engendres par les vecteurs propres.

4.2

Vecteurs propres

Dnition 35 (vecteurs,valeurs propres, spectre) Soit u un endomorphisme de E. Un vecteur propre de u est un vecteur non nul x E \ {0}
tel que :
u(x) = x

pour un certain scalaire . On dit que est la valeur propre de u associe


au vecteur propre x. On dit aussi que x est un vecteur propre associ la
valeur propre .
Le spectre de u est lensemble des valeurs propres de u. Notation : Sp0 (u)
(ou Sp(u)).

4.2. VECTEURS PROPRES

69

Version matricielle :
Soit A Mn ( ). Un vecteur propre de A est un vecteur non nul X
n
\ {0} tel que :
AX = X

pour un certain scalaire . On dit que est la valeur propre de A associe


au vecteur propre X. On dit aussi que X est un vecteur propre associ la
valeur propre .
Le spectre de A est lensemble des valeurs propres de A. Notation : Sp0 (A)
(ou Sp(A) si le corps o lon se place est vident).
Exemple : [s]
soient E = R3 , u = r la rotation daxe e3 et dangle . Alors r (e3 ) =
e3 . Donc e3 est un vecteur propre de r ; la valeur propre associe est 1.
Soit E = C[X]n lespace des polynmes complexes de degr n. Soit
u = : E E, P (X) P (X). Pour des raisons de degr,
P = P = 0 et P constant
de plus, tout polynme constant non nul est un vecteur propre de de valeur
propre associe 0 ; donc Sp() = {0}.
(Cet exemple est en dimension innie) Soit E = C (R) lespace des
fonctions inniment drivables de R dans R. Soit u = : E E, f f .
Pour tout R, posons
e : R R, x ex .
On a : e = e donc chaque fonction e est un vecteur propre de de valeur
propre associe .

Soit A :=

eet :

(exo)

0 1
. Le rel :=
1 1

1+ 5
2

est une valeur propre de A. En

1
1
A.

0
1
2
1
3
Soit A :=

. Le complexe j := 2 + i 2 = ei 3 est une


1 1
valeur propre de A. En eet :

70

CHAPITRE 4. VALEURS PROPRES, VECTEURS PROPRES

=j

(exo)
Comment trouver les valeurs propres dun endomorphisme ou dune
matrice parmi tous les lments de ?

4.3

Polynme caractristique

Proposition 4.3.1 Soient A Mn ( ) et

0. Alors :

est une valeur propre de A det (A In ) = 0 .


Dmonstration : nest pas une valeur propre de A
X

\ {0}, AX = Xi.e. (A In )X = 0
ker(A In ) = {0}
A In injective

A In inversible

det (A In ) = 0 .

q.e.d.

Dnition 36 (polynme caractristique) Soit A Mn ( ). Le polynme caractristique de A est : A (X) := det (XIn A) .
Remarque : [s] La matrice XIn A est coecients dans
son dterminant A (X) [X].
Pour tout , det (A In ) = (1)n A ().
Exemple : [s]
Si n = 2 :

A=

a b
c d

A (X) = X 2 (a + d)X + (ad bc)

= X 2 (trA)X + det A

0[X] donc

4.3. POLYNME CARACTRISTIQUE

71

o trA := a + d.
Si n = 3,

A=

a1,1 a1,2 a1,3


a2,1 a2,2

,
a2,3

A (X) = X 3 (trA)X 2 + s2 X det A

a3,1 a3,2 a3,3

o trA := a1,1 + a2,2 + a3,3 et :


s2 :=

+

a2,2

a1,1 a1,2

a2,1

a3,2

(cest la trace de la comatrice de A).


n quelconque :

+

a3,3

a2,2 a2,3

a1,1 a1,3

a3,1 a3,3

A Mn ( ), A (X) = X n s1 X n1 + ... + (1)n sn

o pour tout 1 d n, le coecient devant (1)d X nd est :


sd :=

I{1,...,n}
|I|=d

|AI |

avec pour tout I = {k1 , ..., kd }, tel que k1 < ... < kd ,

AI :=

ak1 ,k1

ak1 ,kd

akd ,k1

akd ,kd

Md ( )

(cest la matrice obtenue en ne gardant de A que les lignes et les colonnes


k1 , , , kd ).

X1 a1,1
a1,2
...

Dmonstration : On pose P (X1 , ..., Xn ) :=

a2,1
..
.

X2 a2,2

...
...

Xn an,n

Cest un polynme en les variables X1 , ..., Xn et coecients dans . On


montre par rcurrence sur k que pour 1 i1 < ... < ik n, le coecient
devant le monme Xi1 ...Xik est :
(1)nk det AI

72

CHAPITRE 4. VALEURS PROPRES, VECTEURS PROPRES

o I := {i1 , ..., ik } et AI est la matrice obtenue partir de A en retirant les


lignes et les colonnes i1 , ..., ik (il sut de dvelopper par rapport la ligne i1
puis i2 , ...).
En particulier,
P (X, ...X) = A (X) =

1i1 <...<ik

k=0

k=0

(1)k (

(1)nk (

1i1 <...<ik

|A{i1 ,...,ik } |)X k

|A{i1 ,...,ik } |)X nk .


q.e.d.

retenir : le polynme A (X) est unitaire de degr n et :


s1 =
s2 =

i=1

ai,i =: trA

1i<jn

ai,i
aj,i

sn = det A .

ai,j

aj,j

Dnition 37 (deux dnitions quivalentes de la trace) Soit A Mn ( ).


On dnit la trace de A par :
trA := le coecient devant X n1 dans A (X)
ou par :

trA := la somme des coecients diagonaux de A.

Thorme 4.3.2 (polynme caractristique dun produit) Soient m, n


des entiers 1. Si A Mm,n ( ) et B Mn,m ( ), alors :

AB Mm ( ) et BA Mn ( )
et :

X n AB (X) = X m BA (X)

dans [X].
En particulier, si m = n alors :
AB (X) = BA (X) .
. c--d son coecient de plus haut degr est 1.

4.3. POLYNME CARACTRISTIQUE

73

Dmonstration : On pose :

M :=

XIm A
0

In

On a alors :

donc :

et N :=

MN =

Im

XIn

XIm AB

XB

XIn

Mm+n ( ) .

det (M N ) = det (XIm AB)det (XIn )


= X n AB (X) .

Dun autre ct,

donc

XIm

NM =

XB

0
XIn BA

det (N M ) = det (XIm )det (XIn BA)


= X m BA (X) .

Or, det (M N ) = det (N M ) = det M det N .

q.e.d.

0
P GL (0), A = P A P

Remarque : Si A, A Mn ( ) sont des matrices semblables i.e. si

alors :
A (X) = P (A P 1 ) (X)
= (A P 1 )P (X)
= A (X)
autrement dit deux matrices semblables ont le mme polynme caractristique.
En consquence, on peut dnir le polynme caractristique dun endomorphisme :
Dnition 38 Supposons que E est de dimension nie. Si u est un endomorphisme de E, alors toutes les matrices de u dans une base de E sont
semblables donc ont le mme polynme caractistique. Ce polynme caractristique commun est le polynme caractristique de u, not u (X).

74

CHAPITRE 4. VALEURS PROPRES, VECTEURS PROPRES

Concrtement, si (e) = e1 , ..., en est une base de E, si u est un endomorphisme de E, alors :


u (X) = A (X)
o A := Mat(u)(e) .

Spectre et racines du polynme caractristique


On peut rcrire la proposition 4.3.1 :

Thorme 4.3.3 Soit A Mn ( ). Alors :


Sp(A) = { valeurs propres de A } = { racines de A (X) }
Dmonstration
A () = 0.

: On a valeur propre de A det (A In ) = 0


q.e.d.

En particulier :

Corollaire 4.3.3.1 Si A Mn ( ), A possde au plus n valeurs propres.


(En eet, nous savons quun polynme de degr n a au plus n racines).
Exemple
: [s]

Si A =

0 1
, alors
1 1

1+ 5
1 5
A (X) = X X 1 = (X
)(X
)
2
2
2

donc SpR (A) = { 12 5 , 1+2 5 } mais SpQ (A) = .

1
Si A =
, alors :
1 1
o j := 12 + i

A (X) = X 2 + X + 1 = (X j)(X j 2 )

3
.
2

Donc dans ce cas :

SpC (A) = j, j 2
mais SpR (A) = .

4.3. POLYNME CARACTRISTIQUE

Si A =

75

cos sin
, alors :
sin cos

A (X) = X 2 2 cos X + 1 = (X ei )(X ei )


et SpC (A) = {ei , ei }. (Si = 0 mod , alors SpR (A) = ).
Cas des matrices triangulaires :
Soit

t1,1
t1,n
T :=

0 tn,n

une matrice triangulaire suprieure. Alors :

T (X) =

t1,n

X t1,1
0

0
=

i=1

0 X

(X ti,i )

tn,n

donc Sp0 (T ) = {ti,i : 1 i n}.

Matrices compagnons :
Soit P (X) := X n + cn1 X n1 + ... + c0

CP :=

c0

0 1 cn1

cest la matrice compagnon du polynme P .

0[X]. On pose :

Proposition 4.3.4
CP (X) = P (X) .

Mn ( )

76

CHAPITRE 4. VALEURS PROPRES, VECTEURS PROPRES

Dmonstration : Par rcurrence sur n 1. Si n = 1 cest vident car


P (X) = X + c0 et CP = (c0 ) (matrice 1 1).
Si P (X) = X n + cn1 X n1 + ... + c0 , on a :

CP (X) =

0 0

0 1 X

(en dveloppant par rapport la premire ligne)

0
X 0

X 0 0

0
0 1

+ cn1

c0

0
X 0


1

1 X 0

n+1

+(1)

c
0

+ cn1
0 1
0

c1

=(1)n1

=X n1 +cn1 X n2 +...+c1
par hypoth
ese de r
ecurrence

= X n + cn1 X n1 + ... + c0
= P (X)
(ce qui achve la rcurrence).

q.e.d.

Exemple : Soit J la matrice :

0 1

1
0

0 1 0

Mn ( )

alors J (X) = X n 1 car J = CX n 1 .


Exercice 33 (Polynmes de Tchbychev) On rappelle le rsultat suivant :

4.3. POLYNME CARACTRISTIQUE

77

Pour tout k entier 1, il existe un polynme en t, coecients rationnels, not Tk (t), tel que :

R, sin(k) = sin Tk (cos )

(en eet :

sin(k) = Im (eik )

= Im (cos + i sin )k

et on dveloppe ...)
Par exemple, sin(2) = sin (2 cos ) et sin(3) = sin (4 cos2 1) donc
T2 (t) = 2t et T3 (t) = 4t2 1. Plus gnralement, Tk (t) = 2k1 tk1 + ...
Pour tout n soit :

0 1 0
0

Vn :=
0 0 Mn (R)

0 1 0

alors, pour tout n 1 :

Vn (X) = Tn+1 (

X
)
2

en particulier,

SpR (Vn ) = 2 cos

k
n+1

: 1kn

Indications : vrier que Vn (X) = Tn+1 ( X2 ) pour n = 1, 2 et trouver une


relation de rcurrence dordre 2 pour Vn (X) (en dveloppant par rapport
une ligne ou une colonne) et une autre pour Tn (X).
Rappelons le
Thorme 4.3.5 (fondamental de lalgbre (ou thorme de dAlembert))
Tout polynme complexe non constant admet une racine dans C.
admettons ...
Corollaire 4.3.5.1 Toute matrice A Mn (C), n 1, tout endomorphisme
u dun espace vectoriel complexe de dimension nie admet au moins une
valeur propre.

78

CHAPITRE 4. VALEURS PROPRES, VECTEURS PROPRES

Dmonstration : Le polynme caractristique de A (ou de u) est un polynme complexe non constant donc admet (au moins) une racine C.
Alors, est une valeur propre de A (ou de u).
q.e.d.
Corollaire 4.3.5.2 Soit A une matrice relle. Alors, A possde un sousespace invariant de dimension 1 ou 2.
Dmonstration : Soit n 1. Comme A Mn (R) Mn (C), A possde
une valeur propre = a + ib C, a, b rels, et un vecteur propre associ
Z = X + iY Cn \ {0} o X, Y Rn .
Alors :
AZ = Z AX + iAY = (aX bY ) + i(bX + aY )
AX = aX bY et AY = bX + aY

et en particulier le sous-espace (rel) X, Y est stable par A. Or X ou Y = 0


donc X, Y est de dimension 1 ou 2.
q.e.d.

4.4

Espaces propres

Dnition 39 Soit A Mn ( ) (ou soit u un endomorphisme de E). Soit

une valeur propre de A (ou de u). Lespace propre de A associ la


valeur propre est le sous-espace vectoriel :

E (A) := ker(A In ) = {X

: AX = X}

(version pour lendomorphisme u :


E (u) := ker(u In ) = {x E : u(x) = x} )
Remarque : [s] Si est une valeur propre de A, lespace propre associ
E (A) est de dimension 1 ;
Lespace propre E (A) est invariant par A. En eet :
X ker(A In ) A(AX) = A(X) = (AX)
AX ker(A In ) .

4.4. ESPACES PROPRES

79

Thorme 4.4.1 Soit u un endomorphisme de E. Soient 1 , ..., r r valeurs


propres distinctes de u. Alors les espaces propres associs E1 , ..., Er sont
en somme directe i.e. :
E1 + .... + Er = E1 .... Er .
Remarque : On en dduit que le nombre de valeurs propres est dim E
car :
dim E dim E1 .... Er = dim E1 + ... + dim Er r .

Rappels sur les sommes directes


Dnition 40 On dit que E1 , ..., Er des sous-espaces de E sont en somme
directe si :

v1 E1 , ..., vr Er , v1 + ... + vr = 0 v1 = ... = vr = 0

notation :
E1 + ... + Er = E1 ... Er .
Remarque : Si r = 2, E1 et E2 sont en somme directe si et seulement
si E1 E2 = {0}.
Exercice 34 E1 , ..., Er sont en somme directe :

1 i r, Ei (

j=1
j=i

Ej ) = {0} .

Exemple : Si e1 , ..., en est une famille libre de E (par exemple une base),
alors les droites e1 , ..., en sont en somme directe.
Il est facile de calculer la dimension dune somme directe :

Proposition 4.4.2 Si E1 , ..., Er sont des sous-espaces de E en somme directe, alors :


dim(E1 + ... + Er ) = dim E1 + ... + dim Er .

80

CHAPITRE 4. VALEURS PROPRES, VECTEURS PROPRES

Dmonstration : Soient B1 , ..., Br des bases respectives de E1 , ..., Er .


Alors les Bi sont deux deux disjointes et B1 ... Br est une base de
E1 + ... + Er donc :

dim E1 ... Er =

B1

B1 ... Br

+...+

Br

dim E1 + ... + dim Er .


q.e.d.
*
Dmonstration du thorme : Par rcurrence sur r 1. Si r = 1, il ny a
rien dmontrer.
Soient v1 E1 , ..., vr Er tels que
(4.1)

v1 + ... + vr = 0

alors si on applique u, on trouve :


(4.2)

u(v1 ) + ... + u(vr ) = 0

(4.3)

1 v1 + ... + r vr = 0

mais alors (4.1) - 1 x (4.3) donne :

(2 1 )v2 + ... + (r 1 )vr = 0


(hypothse de rcurrence de rang r 1) :
(2 1 )v2 = ... = (r 1 )vr = 0
v2 = ... = vr = 0

car 2 1 , ..., r 1 = 0.
On a donc aussi : v1 = v2 ... vr = 0.

q.e.d.

Corollaire 4.4.2.1 Soit A Mn ( ). Si le polynme caractristique de A


possde n racines distinctes dans , alors il existe une base de n forme de
vecteurs propres de A.

4.4. ESPACES PROPRES

81

Dmonstration : Soient 1 , ..., n les nracines distinctes de A (X).


Ce sont aussi n valeurs propres de A. Notons E1 ,...,En les espaces propres
associs. Alors : E1 + ... + En E et :
dim(E1 + ... + En ) = dim(E1 ... En )
= dim E1 + ... + dim En n = dim

donc :

1 i n, dim Ei = 1 et E1 ... En =

Pour tout i, soit ei un vecteur non nul tel que :


E i =

0e

alors les vecteurs ei sont des vecteurs propres de A (de valeurs propres i ) et

0e ... 0e
forment une base de 0 .

0e
signie que les ei

+ ... +

0e

q.e.d.

Remarque : Bien entendu la rciproque est fausse car par exemple si


n 2, il existe toujours une base forme de vecteurs propres de In mais son
polynme caractristique, In (X) = (X 1)n na quune seule racine : 1.
Dnition 41 (diagonalisable) On dit quune matrice A (resp. un endomorphisme u de E) est diagonalisable sil existe une base de n (respectivement de E) forme de vecteurs propres de A (respectivement de u).

Remarque : Si u est diagonalisable et si on note 1 , ..., r ses valeurs propres


distinctes, alors :
ker(u 1 IdE ) .... ker(u r IdE ) = E
(car tout vecteur de E est combinaison linaire de vecteurs propres de u donc
est une somme de vecteurs appartenant aux espaces propres ker(u i )) et
rciproquement, si :
ker(u 1 IdE ) .... ker(u r IdE ) = E
alors, il existe une base de E forme de vecteurs propres de u (il sut de
mettre bout bout des bases des espaces propres ker(u i IdE )).

82

CHAPITRE 4. VALEURS PROPRES, VECTEURS PROPRES


En bref :
u est diagonalisable ker(u 1 IdE ) .... ker(u r IdE ) = E .

Si A est une matrice diagonalisable et si P est une matrice de passage de la


base canonique de n dans une base de vecteurs propres, v1 , ..., vn alors

A = P DP 1
o D est une matrice diagonale : si 1 , ..., n sont les valeurs propres correspondant respectivement aux vecteurs v1 , ..., vn , alors :

D=

Diagonaliser une matrice A Mn ( ) signie trouver, si elles existent,


P GLn ( ), D Mn ( ) diagonale telles que :

A = P DP 1 .
Exemple : Toute matrice relle 2 2 symtrique :

a b
b d

est diagonalisable (exo)


projections : On suppose que E = F G. On dnit la projection
sur F suivant G par :
p : E E ,
x y x .
F

Il est facile de voir que :

F = ker(p IdE ) = E1 (p) et G = ker p = E0 (p)


donc p est diagonalisable. Remarquer aussi que p2 = p. En fait, rciproquement, si p est un endomorphisme de E tel que p2 = p alors p est une
projection sur un certain sous-espace suivant un autre certain sous-espace.
rexions : On suppose encore que E = F G. On dnit la rexion
par rapport F suivant G par :
r : E E ,
x y x y
F

4.5. UN PREMIER CRITRE DE DIAGONALISABILIT

83

cest un endomorphisme de E tel que : r2 = IdE . Il est facile de voir :


F = ker(r IdE ) = E1 (r) et G = ker(r + IdE ) = E1 (r) .

Vrier que si r est un endomorphisme de E vriant r2 = IdE ( = Q, R


ou C), alors r est une rexion par rapport un certain sous-espace et suivant
un certain autre sous-espace.
La matrice de permutation circulaire

J=

0 1

1
0

0 1 0

Mn ( )

est diagonalisable sur C de valeurs propres


2

1, ei n , ..., ei

2(n1)
n

les racines nimes de lunit. Trouver une base de vecteurs propres (exo) .

4.5

Un premier critre de diagonalisabilit

Rappels sur les polynmes


Dnition 42 Un polynme coecients dans

0 est une suite

a0 , a1 , a2 , ...
dont tous les termes sont nuls partir dun certain rang et qui est note :
a0 + a1 X + a2 X 2 + ...
Le degr du polynme
P (X) = a0 + a1 X + ...
est le plus grand entier n, not deg P , tel que an = 0. On prend pour convention deg 0 = .
Si P (X) = a0 + a1 X + ... et Q(X) = b0 + b1 X + ... sont des polynmes,
on dnit leur produit :
P (X)Q(X) := a0 b0 + (a0 b1 + a1 b0 )X + ... + (a0 bk + a1 bk1 + ... + ak b0 )X k + ...
On note

0[X] la 0algbre des polynmes coecients dans 0.

84

CHAPITRE 4. VALEURS PROPRES, VECTEURS PROPRES

Remarque : [importante] On peut attribuer une valeur X : si P (X) =


a0 + ... + ad X d , si , on dnit :

P () := a0 + ... + ad d

0.

Remarque : Pour tous polynmes P (X), Q(X) coecients dans


deg(P Q) = deg P + deg Q.
Proposition 4.5.1 (intgrit) Soient P (X), Q(X)
0, alors P (X) = 0 ou Q(X) = 0.

0,

0[X]. Si P (X)Q(X) =

Dmonstration : Si P (X) = 0 et Q(X) = 0, alors, deg(P Q) = deg P +


deg Q 0 donc P (X)Q(X) = 0.
q.e.d.
Divisibilit, racines, multiplicit

Dnition 43 Si P (X), Q(X) [X], on dit que Q divise P (dans


si
P (X) = B(X)Q(X)
pour un certain polynme B(X)

0[X])

0[X]. Notation :
Q|P

remarque :
Q|P deg Q deg P .
Formule de Taylor :
Pour tout P (X)
a0 , ..., ad telle que :

0[X], pour tout 0, il existe (une unique) suite

P (X) = a0 + a1 (X ) + ... + ad (X )d
Bien entendu, a0 = P (). On dit que est une racine de P si P () = 0
i.e. si (X )|P (X).
Si P (X) = 0, on appelle multiplicit de dans P le plus petit entier i tel
que ai = 0.
Autrement dit la multiplicit de dans P est le plus grand entier i tel
que (X )i |P (X).
Notation : mult P := la multiplicit de dans P . Remarque : Soient
P [X], . On a lquivalence :

racine de P mult P 1 .

4.5. UN PREMIER CRITRE DE DIAGONALISABILIT

85

Exercice 35 Multiplicit du produit :

P, Q

0[X],

0, mult (P Q) = mult P + mult Q

Remarque : [multiplicit] Si 1 , ..., r sont deux deux distincts et si :


P (X) := (X 1 )m1 ...(X r )mr
alors mi est la multiplicit de i dans P (X), pour tout i. En eet, par exemple
pour i = 1, daprs lexercice prcdent,
mult1 P = m1 mult1 (X 1 ) +... + mr mult1 (X r )

Exercice 36 Si

=1

= m1 .

=0

0 = C montrer que :

mult P = deg P

pour tout polynme non nul P .


Dnition 44 (scind) Un polynme P (X) est scind sur

0 si :

P (X) = ad (X 1 )...(X d )

pour certains i
et on crit :

0 et un a

0. Souvent, on regroupe les racines gales

P (X) = ad (X 1 )m1 ...(X r )mr

avec les i deux deux distinctes et des entiers mi 1.


Exemple : Daprs le thorme de dAlembert, tous les polynmes sont
scinds sur C.
*
Pour noncer un premier critre de diagonalisation des endomorphismes
on aura besoin du lemme suivant :
Lemme 4.5.2 Soit u un endomorphisme de E. On suppose E de dimension
nie et on suppose aussi quil existe un sous-espace F de E invariant par u.
Notons u|F le polynme caractristique de la restriction F . Alors :

dans

0[X].

u|F (X)|u (X)

86

CHAPITRE 4. VALEURS PROPRES, VECTEURS PROPRES

Dmonstration : Soit e1 , ..., ek une base de F que lon complte en une


base de E :
e1 , ..., en
alors la matrice de u dans la base e1 , ..., en est de la forme :

nk

nk

(o A est la matrice de u|F dans la base e1 , .., ek ). Mais alors :


u (X) =

XIk A

XInk D

= det (XIk A)det (XInk D)

= u|F det (XInk D) .

q.e.d.

Dnition 45 (multiplicits algbrique et gomtrique) Soit A Mn ( ).


Soit . On notera ma () la multiplicit de dans le polynme caractristique de A, A (X) :

ma () := le plus grand entier m tel que (X )m |A (X)

cest la multiplicit algbrique de . On notera :

mg () := dim0 ker(A In )

cest la multiplicit gomtrique de .

Corollaire 4.5.2.1 Soit A Mn ( ) ou soit u un endomorphisme de E, si


E est de dimension nie. Pour tout ,
Exemple : Si

mg () ma () .

1 1 0
0

A=



0

1

0 1

Mn ( )

4.5. UN PREMIER CRITRE DE DIAGONALISABILIT

87

alors A (X) = (X 1)n et mg (1) = 1 < ma (1) = n.


Si A = In , alors : A (X) = (X 1)n et mg (1) = ma (1) = n.
Dmonstration : Soit une valeur propre de u. Posons F := ker(u )
lespace propre associ.
Alors F est stable par u :
en eet, si x F , alors :
u(u(x)) = u(x) = u(x)
donc u(x) F .
Donc daprs le lemme 4.5.2,

u|F (X) u (X)


or :

donc u|F = IdF et

x F , u(x) = x

u|F (X) = (X )dim F


= (X )mg ()

et nalement,
(X )

mg ()

u (X) mg () ma () .
q.e.d.

Voici un premier critre de diagonalisabilit :


Thorme 4.5.3 Soit A Mn (K) (respectivement u un endomorphisme de
E avec E de dimension nie). Alors :

A (respectivement u) est diagonalisable sur

i) A (X) est scind sur

0;

et
ii) , valeur propre de A, ma () = mg () .

Dmonstration : : Supposons u diagonalisable. Soient 1 , ..., r les


valeurs propres distinctes de u. Comme :
ker(u 1 IdE ) ... ker(u r IdE ) = E ,

88

CHAPITRE 4. VALEURS PROPRES, VECTEURS PROPRES

si on choisit des bases B1 de ker(u 1 IdE ), ..., Br de ker(u r IdE ), on


obtient une base B1 ... Br de E dans laquelle la matrice de u est :

Mat(u) =

1 I n 1

...
r I n r

o ni = mg (i ) = dim ker(u i IdE ) pour tout i. Donc :


u (X) = (X 1 )n1 ...(X r )nr .
Par consquent le polynme u (X) est scind sur

0 et :

i, ma (i ) = ni = mg (i ) .

: Supposons que :
u (X) = (X 1 )n1 ...(X r )nr

pour certains i
Comme :

0, deux deux distincts et certains entiers n

1.

ker(u1 IdE )+...+ker(ur IdE ) = ker(u1 IdE )...ker(ur IdE ) E ,


on a :
mg (1 ) + ... + mg (r ) = dim (ker(u 1 IdE ) + ... + ker(u r IdE ))
dim E .

Or, pour tout i, mg (i ) = ma (i ) = ni et


n1 + ... + nr = deg u = dim E
en consquence :
dim (ker(u 1 IdE ) + ... + ker(u r IdE )) = dim E
et forcment,
ker(u 1 IdE ) + ... + ker(u r IdE ) = E .
q.e.d.

4.6. TRIGONALISATION

89

Exemple : Si n 2, la matrice :

0 1 0 0

nest jamais diagonalisable car mg (0) = 1 < ma (0) = n.

Mthode pour diagonaliser


Soit A une matrice carre complexe n n. Pour la diagonaliser :
on calcule dabord son polynme caractristique A (X) ;
on cherche les racines de A (X) : ce sont les valeurs propres de A ;
pour toute valeur propre de A, on cherche une base de ker A In
i.e. on cherche une base de lespace des solutions du systme :
AX = X
si pour toute valeur propre de A, dim ker(A In ) = ma (), A est
diagonalisable et une runion des bases des espaces propres forme une base
de vecteurs propres.

4.6

Trigonalisation

Dnition 46 On dit quune matrice A Mn (K) (respectivement un endomorphisme u de E, si E est de dimension nie) est trigonalisable sur
(on devrait dire triangularisable mais ce terme signie dj autre chose) si
A est semblable une matrice triangulaire suprieure c--d :

P GLn ( ), T Mn ( ), n i > j 1, Ti,j = 0 et A = P T P 1

(respectivement il existe une base de E o la matrice de u est triangulaire


suprieure).
Exercice 37 Toute matrice triangulaire infrieure est trigonalisable (si T
est triangulaire infrieure, w0 T w01 est triangulaire suprieure o :

w0 :=

0 1

1 0

90

CHAPITRE 4. VALEURS PROPRES, VECTEURS PROPRES

Thorme 4.6.1 Soit A Mn ( ). Alors A est trigonalisable A (X) est


scind sur .

Dmonstration : : Deux matrices semblables ont le mme polynme


caractristique donc il sut de montrer que T (X) est scind pour toute
matrice triangulaire suprieure T ; ce qui est facile.
: On raisonne aves u un endomorphisme de E (et on suppose E de
dimension nie). Par rcurrence sur dim E. Si dim E = 1, il ny a rien
dmontrer. Si dim E > 1, alors comme u (X) est scind,
u (X) = (X 1 )...(X n )

ne sont pas forcment distincts. Soit e1 un


o n = dim E et o les i
vecteur propre associ la valeur propre 1 . On complte e1 en une base :
e1 , ..., en . Dans cette base, la matrice de u est de la forme :

o B Mn1 ( ) et l M1,n1 ( ). En particulier,


u (X) = (X 1 )B (X)

B (X) = (X 2 )...(X n )

est scind sur . Par hypothse de rcurrence, il existe S Mn1 ( ) une


matrice triangulaire suprieure et Q GLn1 ( ) une matrice inversible telles
que :
B = QSQ1

alors, on peut vrier que :

Mat(u) =

pour la matrice inversible :

=P

l
QSQ1

1 lQ
0

1 0

P :=

0 Q

4.6. TRIGONALISATION

91

Donc la matrice de u dans la base e1 , ..., en est semblable une matrice


triangulaire suprieure :

lQ
1

donc u est trigonalisable.

q.e.d.

Corollaire 4.6.1.1 Sur C toutes les matrices sont trigonalisables.

Relations entre les valeurs propres et les invariants


Soit A Mn (C). Alors A est semblable une matrice triangulaire suprieure de la forme :

(4.4)

donc :

0
0

0 n

A (X) = (X 1 )...(X n )

ainsi les coecients diagonaux de (4.4) ne dpendent que de A :


ce sont les valeurs propres de A comptes avec leur multiplicit algbrique.
Exercice 38 Vrier que
det A = 1 ...n

k 1, trAk = k1 + ... + kn .

On peut en dduire la belle formule suivante :

la srie

> 0, |t| < ,

tr(Ak ) k
t converge, la matrice In tA est inversible et :
k
k=1
e

trAk k
t
k
k=1

1
det (In tA)

92

CHAPITRE 4. VALEURS PROPRES, VECTEURS PROPRES

Chapitre 5
Polynmes dendomorphismes
Soit u un endomorphisme dun espace vectoriel E sur

5.1

0. Soit A M (0).
n

Dnition

On remplace X k par uk (ou Ak ) et 1 par IdE (ou In ).


Soit P (X) = a0 + a1 X + a2 X 2 + ... [X] un polynme. On pose :

P (u) := a0 IdE + a1 u + a2 u2 + ... et P (A) := a0 In + a1 A + a2 A2 + ...


Proposition 5.1.1 Lapplication :

0[X] M (0) , P (X) P (A)


n

est un morphisme dalgbres i.e. : cest linaire et :

P, Q

0[X] , (P Q)(A) = P (A)Q(A)

de mme lapplication :

0[X] End0(E) , P (X) P (u)


est aussi un morphisme dalgbres.
Dmonstration : Si P (X) = a0 + a1 X + ... et Q(X) = b0 + b1 X + ..., alors
P Q(X) = a0 b0 + (a0 b1 + a1 b0 )X + .... Donc :
(P Q)(A) = a0 b0 In + (a0 b1 + a1 b0 )A + ...
= (a0 In + a1 A + ...)(b0 In + b1 A + ...)
93

94

CHAPITRE 5. POLYNMES DENDOMORPHISMES


= P (A)Q(A) .
q.e.d.

Remarque : [importante] En particulier, pour tous P, Q


matrices P (A) et Q(A) commutent :

0[X], les

P (A)Q(A) = Q(A)P (A)


de mme les endomorphismes P (u) et Q(u) commutent.
Exemple : Polynme dune diagonale :

on a :

D :=

P (1 )

P (D) =

P (n )

pour tout polynme P (X) [X].


polynme et conjugaison : Si Q est inversible, si A = QA Q1 ,
alors pour tout polynme P (X) [X], P (A) = QP (A )Q1 .

Exercice 39 Montrer que plus gnralement, pour une matrice triangulaire :

on a :

T :=

P (T ) =

1
n

P (1 )
P (n )

pour tout polynme P (X) [X] (les coecients hors de la diagonale


peuvent avoir une expression complique mais les coecients diagonaux sont
obtenus simplement en leur appliquant le polynme P ).

5.2. THORME DE CAYLEY-HAMILTON

5.2

95

Thorme de Cayley-Hamilton

Dnition 47 On dit quun polynme P (X) est un polynme annulateur de


la matrice A ou de lendomorphisme u si P (A) = 0, ou si P (u) = 0.
Exemple : Si p : E E est une projection, X 2 X est un polynme
annulateur de p car p2 = p.
Si r : E E est une rexion, X 2 1 est un polynme annulateur de
r car r2 = IdE .
O chercher les valeurs propres, connaissant un polynme annulateur mais
ne connaissant pas le polynme caractristique ?
Proposition 5.2.1 Si P est un polynme annulateur de u, respectivement
de A, alors :
Sp(u) { racines de P }
respectivement

Sp(A) { racines de P } .

Dmonstration : Si x est un vecteur propre de u associ une valeur


propre , alors :
u(x) = x k 0 , uk (x) = k x
et plus gnralement :
Q(u)(x) = Q()x
pour tout polynme Q(X). En particulier : P (u)(x) = 0 P ()x = 0
P () = 0 car x = 0.
q.e.d.
Thorme 5.2.2 (de Cayley-Hamilton) Si E est de dimension nie,
u (u) = 0
de mme A (A) = 0.
Exemple : Si :

N :=

0 1 0 0

et J :=

0 1

1
0

0 1 0

Mn ( ) ,

96

CHAPITRE 5. POLYNMES DENDOMORPHISMES

alors : N (X) = X n et J (X) = X n 1 et on a bien N n = 0 et J n = In .


Dmonstration (s) du thorme :
1re dmonstration (algbrique) :
Notons B(X) Mn ( [X]) la transpose de la comatrice de XIn A.
Tous les coecients de la matrice B(X) sont des polynmes coecients
dans
de degr n 1. Il existe donc des matrices :

B0 , ..., Bn1 Mn ( )
telles que :
B(X) = B0 + XB1 + ... + X n1 Bn1 .
On a alors :
B(X)(XIn A) = det (XIn A)In
(B0 + XB1 + ... + X n1 Bn1 )(XIn A) = A (X)In

(on dveloppe la partie gauche)

B0 A+X(B0 B1 A)+X 2 (B1 B2 A)+...+X n1 (Bn2 Bn1 A)+X n Bn1


(5.1)
Notons c0 , ..., cn

= A (X)In

0 les coecients du polynme caractristique :


A (X) = c0 + ... + cn X n

(c0 = det A, cn = 1) On a donc daprs (5.1) :


B0 A = c0 In
B 0 B 1 A = c1 I n
...
Bn1 = cn In
et donc :
A (A) = c0 In + c1 A + ... + cn An
= B0 A+(B0 B1 A)A+(B1 B2 A)A2 +...+(Bn2 An1 Bn1 )An1 +Bn1 An
=0
car tout se simplie .

5.2. THORME DE CAYLEY-HAMILTON

97

2me dmonstration (avec les matrices compagnons) : On suppose


E de dimension nie n. Soit u un endomorphisme de E. Soit v un vecteur
non nul de E. Soit 1 k n le plus grand entier tel que la famille :
v, u(v), ..., uk1 (v)
soit libre. Alors forcment, la famille
v, u(v), ..., uk1 (v), uk (v)
est lie et

uk (v) + ck1 uk1 (v) + ... + c0 v = 0

pour certains coecients c0 , ..., ck1 .


Posons : F := v, u(v), ..., uk1 (v). Cest un sous-espace vectoriel de E
(de dimension k) stable par u. De plus la matrice de la restriction u|F dans
la base
v, u(v), ..., uk1 (v)
est la matrice :

A :=

Cest une matrice compagon donc :

c0

0 1 cn1

A (X) = X k + ck1 X k1 + ... + c0 .


Daprs le lemme 4.5.2, A (X) divise u (X) c--d :
u (X) = Q(X)A (X)
pour un certain polynme Q(X)

0[X]. On a alors :

u (u)(v) = Q(u)A (u)(v)


= Q(u)(uk (v) + ck1 uk1 (v) + ... + c0 v)
= Q(u)(0) = 0
nalement u (u)(v) = 0 pour tout vecteur v de E et u (u) = 0.
3me dmonstration (par les matrices triangulaires) :

98

CHAPITRE 5. POLYNMES DENDOMORPHISMES


Supposons que T est une matrice triangulaire :

t1

T =

Soient

tn

1
0

.
0
.

e1 = . , ..., en =

..
0

0 . On pose aussi :

les vecteurs de la base canonique de

Vk := e1 , ..., ek

si 1 k n et V0 := 0. On a alors :

donc :

1 k n, (T tk In )(Vk ) Vk1

(T t1 In )...(T tn In )(

0 ) = (T t I )... (T t I )(V )
n

1 n

n n

Vn1

(T t1 In )... (T tn1 In )(Vn1 )

Vn2

(T t1 In )... (T tn2 In )(Vn2 )

Vn3

... (T t1 In )(V1 ) V0 = 0

donc : (T t1 In )...(T tn In ) = 0.
Or, T (X) = (X t1 )...(X tn ). Donc :

T (T ) = (T t1 In )...(T tn In ) = 0 .

Soit A Mn (C). On sait que A est trigonalisable c--d :

P GLn ( ), T triangulaire suprieure, A = P T P 1 .

Mais alors T (X) = A (X) et :

A (A) = P A (T )P 1 = P T (T )P 1 = 0 .
q.e.d.

5.3. POLYNMES ANNULATEURS

5.3

99

Polynmes annulateurs

Un polynme annulateur dun endomorphisme u de E est un polynme


P [X] tel que P (u) = 0. Par exemple, en dimension nie : u (X). Un
polynme minimal de u est un polynme annulateur de u, non nul, de degr
minimal.
Exemple : Des polynmes minimaux des matrices :

O, In , N :=

0 1 0 0

Mn ( ),

sont respectivement : X, X 1, X n .
Rappels sur la division euclidienne :
Soient P, Q deux polynmes dans [X]. Si Q = 0, alors il existe un
unique couple (B, R) tels que :

B, R

0[X], P = BQ + R et deg R < deg Q

(R peut ventuellement tre nul).


Dmonstration : Unicit : si B0 Q+R0 = B1 Q+R1 = P et deg R0,1 <
deg Q , alors R0 R1 = (B0 B1 )Q et deg(R0 R1 ) < deg Q ; donc
forcment, R0 R1 = 0 et R0 = R1 B0 = B1 .
Existence : On raisonne par rcurrence sur le degr de P . Si deg P <
deg Q, il sut de choisir B = 0 et R = P . Sinon :
P = a0 + ... + ap X p , Q = b0 + ... + bq X q

avec ai , bj , ap , bq = 0, p q.Il sut alors dappliquer lhypothse de


rcurrence au polynme
ap
P X pq Q
bq
dont le degr est < deg P .

q.e.d.

*
Proposition 5.3.1 Soit mu (X) un polynme minimal de u. Alors, mu divise tous les polynmes annulateurs de u.

100

CHAPITRE 5. POLYNMES DENDOMORPHISMES

Dmonstration : Si P (u) = 0, on fait la division euclidienne de P par


mu :
P = Bmu + R
o deg R < deg mu . On a :
0 = P (u) = B(u)mu (u) +R(u) R(u) = 0

=0

et R(X) est un polynme annulateur de u de degr < deg mu . Forcment,


R = 0 et mu (X)diviseP (X).
q.e.d.
Il existe donc au plus un unique polynme minimal unitaire (i.e. son
coecient de plus haut degr vaut 1) de u (exo) cest LE polynme minimal
de u.
Remarque : Si E est de dimension nie, u (X) est un polynme annulateur de u (non nul) donc dans ce cas, le polynme minimal existe toujours
de plus :
mu (X) divise u (X)

dans [X].
On dnit de mme les polynmes annulateurs et le polynme minimal
dune matrice A Mn ( ).

Exercice 40 Si E est de dimension nie, le polynme minimal de u concide


avec le polynme minimal de sa matrice dans nimporte quelle base de E.
Proposition 5.3.2 Soit P un polynme annulateur de u un endomorphisme
de E. Alors, pour tout Sp(u), P () = 0. En particulier si le polynme
minimal mu existe, mu () = 0 pour toute valeur propre de u.
Dmonstration : Si u(x) = x, 0 = x E. Alors, 0 = P (u)(x) =
P ()x P () = 0.
q.e.d.
Proposition 5.3.3 Les racines de mu (X) sont exactement les valeurs propres
de u c--d (si mu (X) existe) :

0,

mu () = 0 Sp(u) .

Dmonstration : Il sut de dmontrer que si mu () = 0, alors est une


valeur propre de u. Or dans ce cas, mu (X) = (X )Q(X) pour un certain
polynme Q(X) de degr < deg mu (X). Donc :
0 = mu (u) = (u IdE )Q(u) .

5.3. POLYNMES ANNULATEURS

101

Forcment Q(u) = 0 par minimalit de mu . Donc u IdE nest pas injective


et donc est une valeur propre de u.
q.e.d.
Comment trouver le polynme minimal dune matrice ?

Thorme 5.3.4 Soit A Mn ( ). On suppose que le polynme caractristique est scind :


A (X) = (X 1 )m1 ...(X r )mr
o m1 , ..., mr 1, 1 , ..., r

0, sont deux deux distincts. Alors :

mA (X) = (X 1 )k1 ...(X r )kr


pour certains entiers : 1 ki mi , i = 1, ..., r.
Dmonstration : On note k1 , ..., kr les multiplicits de mA (X) en les
valeurs propres 1 , ..., r . On a dj vu que 1 ki car mA (i ) = 0. On a
aussi ki mi , la multiplicit de i dans A (X). Il reste donc dmontrer le
lemme suivant :
Lemme 5.3.5 On suppose que le polynme P (X) divise le produit
(X 1 )m1 ...(X r )mr

dans [X] pour certains i


deux deux distincts et certains entiers
mi 1. Alors si on note k1 , ..., kr les multiplicits respectives des 1 , ..., r
dans P (X), on a :
P (X) = ad (X 1 )k1 ...(X r )kr
o ad est le coecient dominant de P .
Dmonstration du lemme : On peut supposer P unitaire i.e. ad = 1. On
raisonne par rcurrence sur r 0. Si r = 0, il ny a rien montrer. Notons
Q(X) [X] le quotient par P (X) :

(X 1 )m1 ...(X r )mr = P (X)Q(X) .


La multiplicit de 1 dans Q(X) est : m1 k1 . Donc :
do :

P (X) = (X 1 )k1 P (X) et Q(X) = (X 1 )m1 k1 Q(X)

(X 1 )m1 ...(X r )mr = (X 1 )m1 P (X)Q(X)

102

CHAPITRE 5. POLYNMES DENDOMORPHISMES

(X 1 )m2 ...(X r )mr = P (X)Q(X)

et on applique lhypothse de rcurrence.

q.e.d.
Remarque : Un cas particulier important retenir : les diviseurs unitaires
de (X )n sont les (X )d avec 0 d n (pour tous n 0, ).
q.e.d.

Exercice 41

A (X)

0 1 0 0 0 1 0 0 0 1 0 0

0 0 0 0 0 0 1 0 0 0 1 0

0 0 0 1 0 0 0 0 0 0 0 1

0 0 0 0
X4

0 0 0 0
X4

X2

mA (X)

X3

0 0 0 0
X4

X4

Exercice 42 (Polynme minimal dune diagonale) Soit

D :=

alors mD (X) = Sp(D) (X ) o Sp(D) = {1 , ..., n } et les valeurs


propres sont comptes sans multiplicit.
Nouveau critre de diagonalisabilit
On dit quun polynme P (X) [X] est scind racines simples dans
sil se factorise en :

P (X) = ad (X 1 )...(X r )

0 et , ..., 0 sont deux deux distincts.


Thorme 5.3.6 Une matrice A M (0) est diagonalisable sur 0 si et
seulement si son polynme minimal est scind racines simples sur 0.

o 0 = ad

Dmonstration : : Si A est diagonalisable, A est semblable une


diagonale. Or deux matrices semblables ont le mme polynme minimal (exo)

5.3. POLYNMES ANNULATEURS

103

. Donc il sut de calculer le polynme minimal dune matrice diagonale ce


qui est lobjet dun exercice prcdent.
: Si mA (X) = (X 1 )...(X r ) avec 1 , ..., r
deux deux
distincts, la dcomposition en lments simples de la fraction mA1(X) donne :

ar
1
a1
=
+ ... +
mA (X)
X 1
X r
o ai = m 1(i ) pour tout i.
A
Donc
1 = a1 Q1 (X) + ... + ar Qr (X)
o pur tout i :
Qi (X) =

mA (X)
=
(X j )
X i
j=1
j=i

est un polynme. Si on applique cette galit la matrice A, on trouve :


In = a1 Q1 (A) + .. + ar Qr (A)
donc si Z

0 , on a :
n

Z = a1 Q1 (A)(Z) + .. + ar Qr (A)(Z)
or, pour tout 1 i r, Qi (A)(Z) ker(A i In ) car :
(A i In )(Qi (A)(Z)) = mA (A)(Z) = 0 .
Par consquent
ri=1 ker(A i In ) =

et A est diagonalisable.
Remarque : on peut utiliser aussi le lemme des noyaux. Si mA (X) =
(X 1 )...(X r ) avec 1 , ..., r deux deux distincts, on a :

mA (A) = 0

= ker mA (A) = ker(A 1 In ) .... ker(A r In )

car les polynmes X i sont deux deux premiers entre eux. En eet
si D(X) divise X i et X j , i = j dans [X], alors D(X) divise
X i (X j ) = j i \ {0} donc D(X) est constant. Donc A est
diagonalisable.
q.e.d.

104

CHAPITRE 5. POLYNMES DENDOMORPHISMES

Lemme 5.3.7 (des noyaux) Soit u un endomorphisme de E.


Soient P (X), Q(X) des polynmes premiers entre eux. ALors :
ker((P Q)(u)) = ker(P (u)) ker(Q(u)) .

Gnralisation : soient P1 , ..., Pr des polynmes deux deux premiers


entre eux. Alors :
ker(P1 ...Pr )(u) = ker(P1 (u)) ... ker(Pr (u))

(noncs similaires avec des matrices)

Dmonstration :
Rappels : On dit que P (X) et Q(X) sont premiers entre eux si :
D(X)

0[X] divise P (X) et Q(X) dans 0[X] D(X)constant !

En particulier, sur C, deux polynmes sont premiers entre eux si et


seulement sils nont pas de racine commune.

0[X] alors :
P, Q sont premiers entre eux A, B 0[X], AP + BQ = 1 .
Dmonstration : : (exo) : Soient D 0[X] un polynme non nul de
Proposition 5.3.8 Soient P, Q

degr minimal parmi les polynmes de la forme


AP + BQ , A, B

0[X] .

Il sut de montrer que D est constant. On a donc D = AP + BQ. On


fait la division euclidienne de P par D :
P = CD + R
pour un certain C
alors :

0[X] et un certain R 0[X] de degr < deg D. Mais


R = (1 CA)P + (CB)Q

donc par minimalit du degr de D, R = 0 et D divise P . De mme D


divise Q donc D est constant = d K \ {0}. Do :
1=

A
B
P+ Q .
d
d
q.e.d.

5.3. POLYNMES ANNULATEURS


On crit 1 = AP + BQ pour certains polynmes A, B
donc :
IdE = P (u)A(u) + Q(u)B(u) .

105

0[X]. On a

Soit x ker((P Q)(u)), alors :


x = P (u)A(u)(x) + Q(u)B(u)(x) .
Or,
P (u)Q(u)B(u)(x) = B(u)P (u)Q(u)(x) = 0 .
Donc Q(u)B(u)(x) ker(P (u)). De mme, P (u)A(u)(x) ker(Q(u)).
Donc :
x ker(P (u)) + ker(Q(u)) .
Rciproquement, il est clair que

ker(P (u)) ker((P Q)(u)) et ker(Q(u)) ker((P Q)(u)) .


Donc :
ker(P Q)(u) = ker P (u) + ker Q(u)
montrons que cette somme est directe : soit x ker P (u) ker Q(u). Alors :
x = A(u)P (u)(x) + B(u)Q(u)(x) = 0 .
Pour le cas gnral : on raisonne par rcurrence sur r :
Montrons dabord que :
ker(P1 (u)) + ... + ker(Pr (u)) = ker((P1 ...Pr )(u)) .
Soit x ker((P1 ...Pr )(u)). Alors comme P1 et P2 sont premiers entre eux,
on a :
1 = AP1 + BP2
pour certains polynmes A, B

0[X]. Donc en appliquant cette gali u :

x = A(u)P1 (u)(x) + B(u)P2 (u)(x)


or : A(u)P1 (u)(x) ker(P2 ...Pr )(u) car :
(P2 ...Pr )(u)A(u)P1 (u)(x) = A(u)(P1 ....Pr )(u)(x) = 0 .
Donc par hypothse de rcurrence :
A(u)P1 (u)(x) ker(P2 (u)) + ... + ker(Pr (u))

106

CHAPITRE 5. POLYNMES DENDOMORPHISMES

et de mme :
B(u)P2 (u)(x) ker(P1 (u)) + ker(P3 (u)) + ... + ker(Pr (u))
et donc :
x = A(u)P1 (u)(x) + B(u)P2 (u)(x) ker(P1 (u)) + ... + ker(Pr (u)) .
Il reste montrer que cette somme est directe :
Supposons que
x1 + ... + xr = 0
pour certains x1 ker(P1 (u)), ..., xr ker((Pr (u)). si on applique P1 (u), on
trouve :
P1 (u)(x2 ) + ... + P1 (u)(xr ) = 0
Or, P1 (u)(x2 ) ker(P2 (u)), ..., P1 (u)(xr ) ker((Pr (u)) donc par hypothse de rcurrence :
P1 (u)(x2 ) = ... = P1 (u)(xr ) = 0
Or : ker P1 (u) ker Pi (u) = 0 si i > 1 car P1 et Pi sont premiers entre eux !.
Donc :
x2 = ... = xr = 0
et forcment, x1 = 0.

q.e.d.

Corollaire 5.3.8.1 Une matrice A Mn ( ) est diagonalisable sur


si et
seulement si elle admet un polynme annulateur scind racines simples sur
.

Corollaire 5.3.8.2 Soit u un endomorphisme de E diagonalisable sur . Si


F est un sous-espace de E stable par u, alors la restriction u|F est encore
diagonalisable.
Dmonstration : En eet,
mu (u) = 0 mu (u|F ) = 0 mu|F divise mu
mais si mu est scind racines simples sur
(cf. le lemme 5.3.5).

0, tous ses diviseurs le sont aussi

q.e.d.

Chapitre 6
Dcomposition spectrale
0

Soient E = espace vectoriel de dimension nie et u L (E).


Objectif : (si E est de dimension nie) construire une base B telle que :

Mat(u)B =

T1

T2

..

.
Tp

o les Ti sont des blocs triangulaires suprieures avec diagonale constante.

6.1

Sous-espaces caractristiques

Dnition 48 Soit . Un vecteur propre gnralis de u de poids est


un vecteur v E tel que :
(u IdE )m v = 0
pour un certain entier m 0. Le plus petit entier m de la sorte est appel la
hauteur de v.
En particulier, les vecteurs propres sont des vecteurs propres gnraliss
de hauteur 1. Il est bien pratique de considrer le vecteur nul comme un
vecteur propre gnralis de hauteur 0 pour tout .
Exemple : Soit E := C (R) le Respace vectoriel des fonctions relles
inniment drivables. Considrons lendomorphisme de drivation u := D :
E E, f f . Les vecteurs propres associs R sont les fonctions
(non nulles) proportionnelles ex et les vecteurs propres gnraliss sont

107

108

CHAPITRE 6. DCOMPOSITION SPECTRALE

les fonctions de la forme p(x)ex pour un certain polynme p(x) (en eet, si
f = ex g, alors :
(D IdE )m (f ) = ex g (m) = 0 g (m) = 0
g est un polynme de degr m 1 .

La hauteur dune telle fonction ex p(x) est deg p + 1. En particulier, les


polynmes sont les vecteurs propres gnraliss associs 0.
Remarque :
Si v est un vecteur propre gnralis de hauteur m associ , alors

(u IdE )m1 v
est un vecteur propre de poids (c--d de valeur propre) . Donc est une
racine du polynme caractristique (si E est de dimension nie).
Exercice 43 (important) Lensemble des vecteurs propres gnraliss de
poids et de hauteur m est un sous-espace de E, stable par u : cest
exactement ker(u IdE )m .
On a une chane croissante de sous-espaces stables :
ker(u IdE ) ker(u IdE )2 ...

Dnition 49 Soit . Le sous-espace caractristique de u de poids


est la runion :
n
E (u) :=
n=1 ker(u IdE )
c--d :

E (u) = {v E : m 0, (u IdE )m (v) = 0}

cest un sous-espace de E stable par u.

Remarque :
La suite des dimensions est croissante :
dim ker(u IdE ) dim ker(u IdE )2 ...
En dimension nie, cette suite est stationnaire donc il existe un entier m
tel que : E (u) = ker(u IdE )m .
Nous allons maintenant voir pourquoi cette notion de sous-espace caractristique est importante.
Rappelons que pour tout , le sous-espace E (u) est stable par u et donc
par tout polynme en u.

6.1. SOUS-ESPACES CARACTRISTIQUES

109

Lemme 6.1.1 i) Si dim E (u)


< , alors il existe une base de E (u) o
la matrice de la restriction uE (u) est triangulaire suprieure avec sur la
diagonale :

ii) Pour tous = , (u IdE )m est injectif sur E (u).

Dmonstration : i) Soit k := dim(E ).


Notons Vi := ker(u IdE )i pour tout i 0. (Donc V0 = {0}).
Soit m 0 le plus petit entier tel que Vm = Vm+1 ; Alors :
0 = V0 V1 ... Vm = Vm+1
=

de plus :
v Vm+2 (u IdE )m+2 v = 0
(u IdE )v Vm+1
(u IdE )v Vm
v Vm+1

donc Vm = Vm+1 = Vm+2 = Vm+3 = ... = E .


Soit e1 , ..., ek1 une base de V1 = ker(u IdE ) que lon complte en une
base e1 , ..., ek2 de V2 = ker(u IdE )2 , que lon complte en ......etc, que lon
complte en e1 , ..., ekm une base de E .
On a alors : k1 < k2 < ... < km = k et pour tout 0 i m :
Vi = e1 , ..., eki .
Or pour tout i 1 :
en particulier,

(u IdE )(Vi ) Vi1

ki1 < j ki , u(ej ) = ej mod e1 , ..., eki1

et la matrice de la restriction
u|E
dans la base e1 , ...ekm est triangulaire de la forme :

B=

110

CHAPITRE 6. DCOMPOSITION SPECTRALE


ii) Il sut de montrer que (u IdE ) est injectif sur E (u) c--d :
ker(u IdE ) E (u) = 0

or, si (u IdE )(x) = 0 et x E (u), alors :


(u IdE )(x) = (u IdE )(x) + ( )x

= ( )x

l 0, (u IdE )l (x) = ( )l x
( )l x = 0

pour l assez grand car x E (u). Donc x = 0, car = .

q.e.d.

Proposition 6.1.2 Si E est de dimension nie, alors le sous-espace caractristique de u de poids est de dimension la multiplicit de dans le polynme
caractristique u (X) :
dim E (u) = ma () .
Dmonstration
: Soit e1 , ..., ek une base de E (u) =: E o la matrice de la

restriction uE (u) est de la forme :

B=

Donc u| (X) = (X )k .
E
On complte la base e1 , ..., ek en :
e1 , ..., ek , ek+1 , ..., en
une base de E.
Remarquons que E est stable par u en eet :
(u IdE )m (v) = 0 (u IdE )m .u(v) = u.(u IdE )m (v) = 0 .
Dans cette base, la matrice de u est de la forme :

0 D

6.1. SOUS-ESPACES CARACTRISTIQUES

111

o D Mnk ( ).
Donc :

u (X) = (X )k D (X)

il reste donc montrer que D () = 0. Sinon, il existerait 0 = w ek+1 , ..., en


tel que : Dw = w.
Mais alors :
u(w) = w + y
avec y E . Donc :

(u IdE )w E = ker(u IdE )m


(u IdE )m+1 w = 0

w E ek+1 , ..., en
contradiction !

w=0

q.e.d.

Proposition 6.1.3 Les sous-espaces caractristiques de poids distincts 1 , ..., r


sont en somme directe
Dmonstration : Soient v1 , ..., vr tels que :
v1 + ... + vr = 0
et vi E i pour tout i.
Pour tout i, il existe un entier ki tel que :
vi ker(u i IdE )ki

il sut donc de vrier que les polynmes (Xi )ki sont deux deux premiers
entre eux car alors : les sous-espaces ker(u i IdE )ki sont en somme directe
daprs le lemme des noyaux et v1 = ... = vr = 0. Nous allons montrer que
P (X) = (X )m , Q(X) = (X )n , m, n entiers 1, =
sont
1
. On a :
premiers entre eux. Soit c :=

1 = c((X ) (X ))

en levant la puissance m + n 1 :

1 = cm+n1 (r(X)(X )m + s(X)(X )n )

pour certains polynmes r(X), s(X) [X] de degrs respectifs n 1 et


m 1 (exo) (utiliser la formule du binme). Donc, P (X) et Q(X) sont
premiers entre eux.
q.e.d.

112

CHAPITRE 6. DCOMPOSITION SPECTRALE

Thorme 6.1.4 Supposons E de dimension nie. Si le polynme caractristique de u est scind sur , alors :

E = ri=1 E i
o 1 , ..., r sont les racines distinctes de u (X).
Dmonstration : On a dj vu que la somme est directe. Si u (X) = (X
1 )m1 ...(X r )mr , alors daprs le thorme de Cayley-Hamilton, u (u) = 0
donc :
E = i ker(u i IdE )mi i E i .

q.e.d.

Interprtation gomtrique des multiplicits du polynme


minimal
Supposons que E est de dimension nie et que le polynme caractristique
de u est scind sur . Alors, comme le polynme minimal mu (X) de u divise
u (X), mu (X) est aussi scind sur . Factorisons-le :

mu (X) = (X 1 )k1 ...(X r )kr


pour certains 1 , ..., r

0 deux deux distincts et certains entiers k

1.

Thorme 6.1.5 Pour tout 1 i r, ki est aussi le plus petit entier m tel
que
ker(u i IdE )m = ker(u i IdE )m+1 (= E i )
Dmonstration : Notons mi le plus petit entier m tel que
ker(u i IdE )m = ker(u i IdE )m+1 ,
pour tout i. Alors :
E = i E i = i (ker(u i IdE )mi )
donc :

(u 1 IdE )m1 ...(u r IdE )mr = 0

et le polynme (X 1 )m1 ...(X r )mr annule u donc :


mu (X) divise (X 1 )m1 ...(X r )mr

6.2. PROJECTEURS SPECTRAUX

113

et ki mi pour tout i.
Dun autre ct, mu (u) = 0
r

i=1

ker(u i IdE )ki = E .

Soit x E i . Il existe x1 ker(u 1 )k1 , ..., xr ker(u r )kr tels que :


x = x1 + ... + xr

x xi E i rj=1 ker(u j IdE )kj


E

j=i

j=1 E
j=i

= {0}

Donc x = xi ker(u i IdE )ki . Do :


E i = ker(u i IdE )mi ker(u i IdE )ki
et donc ki mi .

6.2

q.e.d.

Projecteurs spectraux

Supposons E de dimension nie n et le polynme u (X) scind sur

0:

u = (X 1 )m1 ...(X r )mr

avec i

0 deux deux distincts, 1 m

et m1 + ...mr = n. Rappelons que

E = ri=1 E i .
Dnition 50 Pour toute valeur propre i , on note i ou i la projection
sur le sous-espace E i paralllement au sous-espace :
rj=1 E j
j=i

autrement dit si x = x1 + ... + xr o chaque xi E i , i (x) = xi , autrement


dit (encore) :
i (x) = x si x E i et 0 si x E j , i = j.
Les i sont les projecteurs spectraux de u.

114

CHAPITRE 6. DCOMPOSITION SPECTRALE


Proprits :
les i sont linaires ;
1 + ... + r = IdE ;
i = j, i j = 0 ;
i, i2 = i ;
Im i = E i ;

ker i = 1jr E j .
j=i

Remarque : Si mu (X) = (X 1 )k1 ...(X r )kr , alors


E i = ker(u i IdE )ki

pour tout i.
Proposition 6.2.1 Les projecteurs spectraux sont des polynmes en u.
Dmonstration : En eet, soit 1 i r. Posons :
Qi (X) :=

mu (X)
=
(X j )kj
(X i )ki
j=1

0[X] .

j=i

Comme Qi (i ) = 0,
Qi (X) = a0 + a1 (X i ) + a2 (X i )2 + ...
pour certains coecients a0 , a1 , a2 , ...
trouver

0 tels que a

= 0. On peut alors

Ui (X) = b0 + b1 (X i ) + ... + bki 1 (X i )ki 1

0[X]

un polynme de degr < ki tel que :


1 = (a0 +a1 (Xi )+a2 (Xi )2 +...)(b0 +b1 (Xi )+...+bki 1 (Xi )ki 1 ) mod (Xi )ki
c--d : 1 = Qi (X)Ui (X) mod (X i )ki .

Il sut alors de remarquer que :

i = (Ui Qi )(u)
en eet :
si x E i = ker(u i IdE )ki , alors (Ui Qi )(u)(x) = IdE (x) = x
si x E j = ker(u j IdE )kj , j = i, alors (Ui Qi )(u)(x) = 0 .

6.3. DCOMPOSITION DE DUNFORD-JORDAN

115

Remarque : Le polynme 1 U1 (X)Q1 (X) ... Ur (X)Qr (X) est de


degr < k1 + ... + kr . Or, pour tout i, la multiplicit de i dans le polynme :
1 U1 (X)Q1 (X) ... Ur (X)Qr (X)
est ki (car si j = i, (X i )ki divise Qj (X)), donc :
0 = 1 U1 (X)Q1 (X) ... Ur (X)Qr (X)
1 = U1 (X)Q1 (X) + ... + Ur (X)Qr (X)

6.3

1
Ur (X)
U1 (X)
+
...
+
.
=
k
mu (X)
(X 1 ) 1
(X 1 )kr

q.e.d.

Dcomposition de Dunford-Jordan

Un endomorphisme N de E est nilpotent si N k = 0 pour un certain k 0.


Thorme 6.3.1 Soit u L (E) tel que u est scind sur
un unique couple (d, n) tels que :
0) d, n L (E) ;
i) d diagonalisable, n nilpotent ;
ii) dn = nd ;
iii) u = d + n.
De plus, d, n sont des polynmes en u.

0. Alors il existe

Cette dcomposition
u=d+n
est appele dcomposition de Dunford-Jordan.
Remarque : Mme nonc avec une matrice A la place de u.
Dmonstration :
soient i les projecteurs spectraux de u.
existence : d := 1 1 + ... + r r , n := u d.
Pour tout x E i , d(x) = i x. Donc
E i ker(d i IdE )
et :
E = i ker(d i IdE )

et d est diagonalisable avec les mmes valeurs propres que u.

116

CHAPITRE 6. DCOMPOSITION SPECTRALE


Pour tout x E i ,

et par rcurrence :

n(x) = u(x) d(x)


= (u i IdE )(x)

nk (x) = (u i )k (x) .

Donc si k max1ir {ki }, nk (x) = 0.


On a construit d et n comme des polynmes en u ce qui est important
pour la suite.
Lemme 6.3.2 Soit (d )A une famille dendomorphismes de E diagonalisables qui commutent deux deux. Si E est de dimension nie alors il existe
une base commune de diagonalisation.
Dmonstration : Si tous les d sont des homothties, cest vident. Sinon
on raisonne par rcurrence sur dim E et on choisit un d0 qui nest pas une
homothtie. Soient 1 , ..., r ses valeurs propres distinctes. Alors pour tout
i, Vi := ker(d0 i ) est un sous-espace de E de dimension < dim E (car
d0 nest pas une homothtie) et chaque Vi est stable par d pour tout
(car d d0 = d0 d ). Par hypothse de rcurrence il existe une base Bi de Vi
forme de vecteurs propres communs tous les d . La runion :
B1 ... Br
est alors une base de V1 ... Vr = E, une base de diagonalisation pour tous
les d .
q.e.d.
unicit : supposons que u = d +n avec d diagonalisable, n nilpotent
et d n = n d . Alors : d d = n n . Or n commute avec d et n donc avec
u = d + n et avec n qui est un polynme en u. On en dduit que n n est
nilpotent (exo) .
De mme, d commute avec u donc d laisse stable chaque E i = ker(u
i IdE )ki . Mais alors
d | E i
est diagonalisable et :

(d d)|E i = (d i IdE )|E i


est diagonalisable et nilpotent donc nul (nilpotent la seule valeur propre
est O et diagonalisable avec pour seule valeur propre 0 nul). Donc d = d
sur chaque E i , comme E = i E i , par linarit, d = d. On a aussi :
n = u d = u d = n.

6.4. CALCUL PRATIQUE DES PROJECTEURS SPECTRAUX

117
q.e.d.

retenir :
d = 1 1 + ...r r et les valeurs propres de u sont les valeurs propres
de d.
diagonalisable et nilpotent nul.
Exercice 44 u (X) = d (X).
Proposition 6.3.3 u diagonalisable u = d ssi n = 0 ;
u nilpotent u = n ssi d = 0.
Dmonstration : Cest une consquence directe de la dcomposition de
Dunford-Jordan.
q.e.d.
Exemple :

si A =

ATTENTION ! si u =

6.4
6.4.1

D = In et N =

1 3
, d = u, n = 0.
0 2

Calcul pratique des projecteurs spectraux


Mthode

Soit u L (E). Supposons que Q = 0 est un polynme annulateur de u


scind sur (en particulier u est scind !) (Plus le degr de Q est bas moins
compliqus sont les calculs).
1re tape : Factoriser Q :

Q = (X 1 )l1 ...(X r )lr


i deux deux = et li 1.
2me tape : Dcomposer
()

1
Q

en lments simples :

1
R1 (X)
+ ...
=
Q
(X 1 )l1

o Ri (X) : polynmes de degr < li (une telle dcomposition est unique).

Q(X)
lj
3me tape : i = Ri (u)Qi (u) o Qi (X) := (X
1jr (X j ) .
li =
)
i
j=i

118

CHAPITRE 6. DCOMPOSITION SPECTRALE

justication : la dcomposition () multiplie par Q donne une relation


de Bzout :
1 = Ri (X)Qi (X) + (X i )li S(X)
pour un certain polynme S(X).

6.4.2

Exemples

a) cas o u diagonalisable avec seulement 2 valeurs propres :


si

A=

1 1 1

1 1 1

1 1 1

alors on sait que A est diagonalisable et que ses valeurs propres sont 0, 3. Les
projecteurs spectraux associs 0 , 1 vrient :
0 + 3 = I3 et 33 = D = A
donc :

1
1
3 = A et 0 = I3 A
3
3

b)
A :=

1 6

1 2
5
1

A (X) = mA (X) = (X 1)(X 2)2


1
3X
1
=
+
mA (X)
X 1 (X 2)2
1=
donc :
1 =

mA (X) mA (X)(3 X)
+
X 1
(X 2)2

mA (X)
(A) = (A2I3 )2 et 2 =
X 1

mA (X)(3 X)
(A) = A2 +4A3I3 .
2
(X 2)

6.5. RDUCTION DE JORDAN

6.5

119

Rduction de Jordan

Nous allons montrer que toute matrice dont le polynme caractristique


est scind est semblable une matrice diagonale par blocs avec des blocs
presque diagonaux.

6.5.1

Blocs de Jordan

Dnition 51 Un bloc de Jordan est une matrice de la forme :

1 0 0


0 0

0, n 0.

J,n :=

Mn ( )

On a :

k
|

0 0
1
0
..
.
.
.
.
. ..
.
.. ..
.
.
.
.
.
.
k

.
.
(J,n In ) = .
.
..
.
.
.
.
0

0
..
.
..

1
si 0 k n 1

0
..

.
0

et (J,n In )k = 0 si n < k.

On a aussi J,n In inversible si = .

Exercice 45 Le polynme caractristique et le polynme minimal dun bloc


de Jordan sont gaux (X )n .

Dnition 52 Une matrice de Jordan est une matrice diagonale par blocs
de la forme :

J
1

.
..

o les Ji sont des blocs de Jordan.

Jr

Exercice 46 Une matrice de Jordan est diagonalisable si et seulement si ses


blocs sont tous de taille 1.

120

CHAPITRE 6. DCOMPOSITION SPECTRALE

6.5.2

Matrices nilpotentes

Supposons que E est un


endomorphisme de E.

0espace vectoriel de dimension n. Soit u un

Dnition 53 Soit e E. On appelle hauteur de e, note h(e), le plus petit


entier m 0 tel que um (e) = 0.
Lemme 6.5.1 Si e E un vecteur de hauteur m. Alors
e, u(e), ..., um1 (e)
sont linairement indpendants.
Dmonstration : Supposons que
0 e + ... + m1 um1 (e) = 0
et que k est le premier coecient = 0, 0 k m 1. Alors si on allique
umk1 , on trouve :
k um1 (e) = 0
k = 0

car um1 (e) = 0 absurdo.

q.e.d.

Corollaire 6.5.1.1 On a forcment, udim E = 0 pour tout endomorphisme


nilpotent de E.
Dnition 54 On dit que le sous-espace e, u(e), ..., um1 (e) est le sousespace cyclique de u engendr par e.
Un sous-espace cyclique est invariant par u (exo) et la restriction de de u
au sous-espace cyclique :
e, u(e), ..., um1 (e)
a pour matrice

0 1 0 0


0 0

J0,n =

0 0

Mn ( )

6.5. RDUCTION DE JORDAN


dans la base

121

um1 (e), ..., u(e), e .

Remarque : [importante] Soit e un vecteur de hauteur m. Un vecteur x


du sous-espace cyclique
e, u(e), ..., um1 (e)
qui nest pas dans limage de u est de hauteur m.
En eet, si
x = 0 e + ... + m1 um1 (e)

avec 0 = 0, um (x) = 0 et um1 (x) = 0 um1 (e) = 0.


Thorme 6.5.2 Lespace E est une somme directe de sous-espaces cycliques de loprateur u :
E = E1 ... Er .
En particulier, il existe une base de E o la matrice de u est une matrice de
Jordan de la forme :

J0,n1

.
.

.
.

J0,nr

Et le nombre r de composantes est r = dim ker u

Dmonstration : Supposons que E est une somme directe de sous-espaces


cycliques
Ei = ei , ..., uni 1 (ei )

alors, la matrice de u dans la base :

un1 1 (e1 ), ..., e1 , un2 1 (e2 ), ..., e2 , ..., unr 1 (er ), ..., er
est de la forme

donc :

J0,n1

...
J0,nr

rangu = rangJ0,n1 + ... + rangJ0,nr


(n1 1) + ... + (nr 1) = dim E r

122

CHAPITRE 6. DCOMPOSITION SPECTRALE


r = dim E rangu = dim ker u .

Dmontrons par rcurrence sur n = dim E 0 que E est une somme


directe de sous-espaces cycliques. Si n = 0, il ny a rien montrer. Supposons
que n > 0.
Comme u nest pas surjective (exo) , il existe un sous-espace de E, disons
H, de dimension n 1 tel que :
Im u H .
Ce H est stable par u. Par hypothse de rcurrence,
H = H1 ... Hr
o les Hi sont des sous-espaces cycliques de u|H (donc de u). On choisit un
vecteur e E \ H.
On a :
u(e) = u1 + ... + ur , i, ui Hi .

Si pour un certain i, ui = u(vi ), avec vi Hi , alors on remplace e par


e vi E \ H. On peut donc supposer que pour tout i = 1 r, ui = 0 ou
ui Hi \ u(Hi ). Cest--dire : ui = 0 ou Hi est cyclique engendr par ui .
Si u(e) = 0, alors :
E=

0e H

... Hr

est une dcomposition de E en sous-espaces cycliques.


Si u(e) = 0, alors :
0 < h(u(e)) = max h(ui )(exo) .
i

Quitte renumroter, on peut supposer que


h(u(e)) = h(u1 ) =: m .
Mais alors : h(e) = m + 1. Vrions que
E = e, u(e), ..., um (e) H2 ... Hr .
Comme h(u1 ) = dim H1 = m, on a :
dim E = dim H + 1 = (m + 1) + dim H2 + ... + dim Hr
et il sut de dmontrer que
e, ..., um (e) (H2 ... Hr ) = 0 .

6.5. RDUCTION DE JORDAN

123

Si 0 e + ... + m um (e) H2 ... Hr , alors, comme e Im u, 0 = 0.


Or, u(e) = u1 + ... + ur donc :
1 u(e) + ... + m um (e) = 1 u1 + ... + m um1 (u1 ) mod H2 ... Hr
1 u1 + ... + m um1 (u1 ) H1 (H2 ... Hr ) = 0
1 = ... = m = 0

car h(u1 ) = m.

6.5.3

q.e.d.

Rduction de Jordan

Thorme 6.5.3 Soit u un endomorphisme de E dont le polynme caractristique, u (X) est scind sur .
Existence : il existe une base de E o la matrice de u est de Jordan i.e. :

Mat(u) =

J1
..

.
Jr

o les Ji sont des blocs de Jordan.


Version matricielle : si A Mn ( ) a son polynme caractristique scind
sur , alors, A est semblable (sur ) une matrice de Jordan.
Unicit : le nombre de blocs de Jordan de la forme J,m not :

0
0

0,

m 1, N,m := {1 i r : Ji = J,m }

ne dpend que de u (ou de A) :


les qui apparaissent sont les valeurs propres de u (ou de A) et plus
prcisment, on a :
N,m = rg (u IdE )m+1 2rg (u IdE )m + rg (u IdE )m1
pour tout

0 et tout m 1.

Remarque : En particulier, ce thorme sapplique TOUTES les


matrices complexes.
Dmonstration : Existence : notons E 1 , ..., E r les sous-espaces propres
gnraliss de u. Alors chaque E i est stable par u et E se dcompose en :
E = E 1 ... E r .

124

CHAPITRE 6. DCOMPOSITION SPECTRALE


De plus , pour tout i,
u|E i i IdE i

est nilpotent. On peut donc appliquer le thorme 6.5.2 u|E i i IdE i


pour tout i. Et on remarque que :

J0,n1

..

.
J0,nr

+ In1 +...+nr

Unicit : remarquons que :

rg (J,n In )k =

J,n1

..

.
J,nr

si =

n
nk

si = et 0 k n 1
si = et n k

donc si la matrice de u dans une certaine base est une matrice de Jordan :

alors :

J1 ,n1

...
Jr ,nr

rg (u IdE )k =
=

q=1
q =,nq >k

q=1

rg (Jq ,nq Inq )k

(nq k) +

nq

q=1
q =

do :
rg (u IdE )k1 rg (u IdE )k =

q=1
q =,nq >k1

q=1
q =,nq k

((nq (k 1)) (nq k))

6.5. RDUCTION DE JORDAN

125

et nalement :
(rg (uIdE )k1 rg (uIdE )k )(rg (uIdE )k rg (uIdE )k+1 ) =

q=1
q =,nq =k

rg (u IdE )k+1 2rg (u IdE )k + rg (u IdE )k1 = N,k .

q.e.d.

Applications
Si A Mn (C), alors A est semblable t A. En eet, il sut de le
vrier lorsque A est un bloc de Jordan (exo) .
Si N M4 ( ) est nilpotente, alors N est semblable une et une seule
des 5 matrices suivantes :

0,

0 1 0 0

0 0 0 0

0 0 0 0

0 0 0 0

0 1 0 0

0 0 0 0

0 0 0 1

0 0 0 0

0 1 0 0

0 0 1 0

0 0 0 0

0 0 0 0

0 1 0 0

0 0 1 0

0 0 0 1

0 0 0 0

Il y a une innit de matrices nilpotentes 4 4 mais il ny en a que 5


similitude prs.
Si A M3 ( ) a pour polynme caractristique : A (X) = (X
1)(X 2)2 alors A est semblable

1 0 0
0 2 0
0 0 2

ou

1 0 0

.
0 2 1

0 0 2

126

CHAPITRE 6. DCOMPOSITION SPECTRALE

Chapitre 7
Puissances
7.1

Motivation

Problme : rsoudre

un = aun1 + bvn1

vn = cvn1 + dvn1

o a, b, c, d sont xs ou bien :
un = aun1 + bun2
o a, b sont xs.
Ces deux problmes se rduisent au calcul de Ak o :

a b

A=

7.2

c d

0 1

ou

b a

Cas diagonalisable

cas diagonal : soient 1 , ..., n

k 0,

0, alors :

...
n

127

k1

...
kn

128

CHAPITRE 7. PUISSANCES

cas diagonalisable : si A = P DP 1 avec A, P, D Mn ( ), D diagonale, P inversible, alors :


Ak = P Dk P 1 .
Cest encore plus simple avec les projecteurs spectraux :
si A = 1 1 + ... + r r
o les i sont les valeurs propres de A et les i les projecteurs spectraux
associs, alors :

k 0, Ak = k1 1 + ... + kr r
cest vrai aussi pour k entier ngatif lorsque tous les i sont non nuls.
Exemple : Si

1 1


A :=
Mn (Q)
1
1
alors les valeurs propres de A sont 0 et n, et :
A = nn k, Ak = nk n = nk1 A .

cos t sin t
Exercice 47 Si A =

, alors :
sin t cos t
A = eit + eit +

o :

1 1 i
1 1 i
=

et + =
.
2 i 1
2 i 1

Vrier alors que :

Ak = eikt + eikt + =

Si A =

o :=

1+ 5
2

0 1
1 1

cos kt sin kt
sin kt

cos kt

alors :

k1

k1

1
k Z, Ak =
5
k k
et :=

1 5
.
2

k+1 k+1

7.2. CAS DIAGONALISABLE

129

0 1 1

. Soit lunique valeur propre relle de


0 0 1

1 0 0
A et le projecteur spectral associ.

2
3

Exercice 48 Soit A :=

a) Vrier que =

1
32 1

b) Vrier que les deux valeurs propres complexes conjugues de A sont


de module < 1 et en dduire que :
2 = lim
n

An1,3
An1,2

(cf. page 33)

Exercice 49 Si A :=

1 6

1
1

alors :

A (X) = mA (X) = (X 1)(X 2)2 .


Vrier que :

1 =

4 6 6
2 3 3
0

et 2 =

et en dduire que pour tout n 0 :

An =

n1

3 6 6

2 4 3

0 0 1

3n 6 6n + 12 9n + 12
3n 4

6n + 8

9n + 6

2n

3n + 2

4 6 6

.
2 3 3

0 0
0

130

CHAPITRE 7. PUISSANCES

7.3

Cas gnral

Dnition 55 Pour tous entiers n, k, on dnit le coecient binomial par :


n
n(n 1)...(n k + 1)
:= Cnk :=
k!
k

si k n et [
Les


n
k


n
k

:= Cnk := 0 si k > n.

sont des entiers.

Proposition 7.3.1 Soient A, B Mn ( ) deux matrices qui commutent.


Alors :

k

k j kj

k
k 0, (A + B) =
AB
.
j=0 j
En particulier, si A = D + N avec D diagonalisable et N nilpotente qui
commutent :

k

k
k
Dkj N j .
A =
j
j=0

Proposition 7.3.2 Soit A Mn ( ). On suppose que le polynme minimal


de A est scind :
mA (X) = (X 1 )k1 ...(X r )kr

les i tant deux deux distincts. Notons 1 , ..., r les projecteurs spectraux
associs aux valeurs propres 1 , ..., r . Alors :

k 0, Ak =

i=1

min{k,ki 1}

j=0

k kj
(A i In )j i .
j i

Dmonstration : Il sut de vrier cette formule sur chaque sous-espace


caractristique E i . Or si x E i , Ax = i x + (A i In )x et (A i )ki x = 0.
q.e.d.

7.4

Suites rcurrentes

Thorme 7.4.1 Soient a1 , ..., ap C. On suppose ap = 0.


On note P (X) := X p a1 X p1 ... ap , 1 , ..., r ses racines (s.e.
distinctes) et k1 , ..., kr leurs multiplicits respectives.

7.4. SUITES RCURRENTES

131

Alors les suites vriant :

n p, un = a1 un1 + ... + ap unp

sont les suites de la forme :


un = P1 (n)n1 + ... + Pr (n)nr
o Pi sont des polynmes de degr < ki .
rem : Pi peuvent tre dtermins par u0 , ..., up1 .
Exemple : Si p = 1,

n 1, un = a1 un1 n 1, un = u0 an1 .

Si p = 2,

n 2, un = a1 un1 + a2 un2 n 2, un = 1 n1 + 2 n2

pour certains 1 , 2 si X 2 a1 X a2 = (X 1 )(X 2 ) avec 1 = 2 et :

n 2, un = a1 un1 + a2 un2 n 2, un = (n + )n

pour certains , si X 2 a1 X a2 = (X )2 .
Exercice 50 Soit (un ) la suite dnie par :
u0 = 0, u1 = 1, n 2, un = un1 + un2
alors :

1
n 0, un =
5

n
n
1+ 5
1 5

.
2
2

Dmonstration : Si un = nk ni , avec 0 k < ki , alors pour tout n p :


un a1 un1 ... ap unp = nk ni a1 (n 1)k n1
... ap (n p)k np
i
i

= np
(n p)k P (i ) + (n p)k1 i P (i ) + ... + ki P (k) (i )
i
=0 .

Rciproquement, si :

n p, un = a1 un1 + ... + ap unp

132

CHAPITRE 7. PUISSANCES

alors on pose :

Xn :=
On a alors :

unp+1
..
.

un

n p, Xn = AXn1

o A Mp ( ) est la transpose de la matrice compagnon du polynme


P (X) :

0 1 0
0
A=

donc :

0
ap

1
a1

A (X) = (X 1 )k1 ...(X r )kr .

Notons 1 , ...r les projecteurs spectraux correspondants. Daprs la proposition 7.3.2,

n p, An =
=

Or,

i=1

min{n,ki 1}

j=0

n
j
n
i
j
i=1
j=0 i

k
i 1

n nj
(A i In )j i
j i

(A i In )j i .

n p, Xn = Anp+1 Xp1
= An X 0

si on pose X0 := A1p Xp1 .


Donc, un est la dernire composante du vecteur :
r

i=1

ni

k
i 1
j=0

n (A i In )j i (X0 )
j
ji

et il sut de remarquer que si 0 j ki 1,


n
n(n 1)...(n j + 1)
=
j!
j

est un polynme en n de degr < ki .

q.e.d.

Chapitre 8
Exponentielle
Dans ce chapitre, les matrices sont complexes !
Motivation : systme direntiel linaire + formule de Taylor

8.1

Exponentielle complexe

Rappelons que :

converge
toute srie numrique
k=0 ak termes rels positifs (ou nuls)
N
(dans R) si et seulement si la suite de ses sommes partielles k=0 ak est
borne.

toute srie de nombres complexes


k=0 zk absolument convergente
converge
c--d :

k=0

|zk | <

Pour tout nombre complexe :

zk converge dans C.

k=0

exp z := ez :=

zk

k=0

et :

k!

e0 = 1, ez+z = ez ez ( z, z C) .

8.2

Suites de matrices

Dnition 56 On dit quune suite (Ak )kN de matrices complexes converge


vers une matrice A si pour tous i, j la suite des coecients Ak,i,j converge
vers le coecient Ai,j dans C.
133

134

CHAPITRE 8. EXPONENTIELLE

On pose :
|||A||| := max
i

|ai,j |

pour toute matrice A.


proprits : cest une norme multiplicative ! c--d : pour toutes matrices A, B Mn (C), pour tout C, on a :
i) |||A||| = 0 A = 0 ;
ii) |||A + B||| |||A||| + |||B||| ;
iii) |||A||| = |||||A||| ;
iv) |||AB||| |||A||||||B|||.
Remarque : Si A = (ai,j )1i,jn , alors pour tous i, j, |ai,j | |||A|||. On
en dduit quune suite de matrices (Ak )kN converge vers une matrice A si :
lim |||Ak A||| = 0 .

Exercice 51 En dduire que si (Ak ) et (Bk ) sont des suites de matrices qui
convergent vers A et B, alors :
lim Ak Bk = AB .

Exercice 52 On pose pour tout X =


Alors :

x1
..
.
xn

: ||X|| := maxni=1 |xi |.

||AX||
|||A||| = X
max
0n ||X||
X=0

pour toute matrice A Mn (C).

8.3

Dnition de exp(A)

Thorme 8.3.1 Pour toute matrice A Mn (C), la srie :

Ak
k=0 k!

converge dans Mn (C). On note :

exp A := eA :=

Ak
k=0 k!

sa limite. Cest la matrice exponentielle de A.

8.3. DFINITION DE EXP(A)

135

Dmonstration : Il sut de dmontrer que les sries de coecients


convergent. Or pour tous i, j, on a :

Ai,j

k!

k=0

|||A |||

k!

k=0

|||A|||k
k!
k=0

= e|||A||| < .
Donc pour tous i, j, la srie

Aki,j
k=0 k!

converge dans C.

e 1

exp D =

Exercice 53 Pour une matrice diagonale D :=

q.e.d.

on a

Thorme 8.3.2 (proprits de lexponentielle) On a :


exp 0 = In et exp(A + B) = exp A exp B
pour toutes matrices A et B qui commutent. En particulier, pour tout A
Mn (C), la matrice exp A est inversible dinverse exp(A). On a aussi :
exp(kA) = (exp A)k
pour tout k Z.
Remarque : Attention ! si A, B ne commutent pas, en gnral exp(A +
B) = exp A exp B.
Remarque : En fait lapplication : exp : Mn (C) GLn (C) est surjective.
Dmonstration : Montrons que exp(A + B) = exp A exp B :
m

m
m
Ai
Bj
(A + B)k

m0 :

k!
j=0 j!
i=0 i!
k=0

136

CHAPITRE 8. EXPONENTIELLE
m
Ai B j
Ai B j

=
0i,jm i! j!
k=0 i,j0 i! j!

i+j=k

Ai B j
Ai B j

0i,jm i! j!
0i,jm i! j!

i+jm

Ai B j
i! j!

0i,jm
i+j>m

donc :

m
m
Ai
Bj
(A + B)k

m 0, |||

|||
k!
i=0 i!
j=0 j!
k=0

|||

0i,jm
i+j>m

0i,jm
i+j>m

0i,jm
i+j>m

|||

Ai B j
|||
i! j!

|||A|||i |||B|||j
i!
j!

Ai B j
|||
i! j!

m
m
|||A|||i
|||B|||j
(|||A||| + |||B|||)k

i!
j!
k!
i=0
j=0
k=0

et si on fait tendre m vers + on trouve :

||| exp A exp B exp(A + B)||| e|||A||| e|||B||| e|||A|||+|||B||| = 0


donc : exp A exp B = exp(A + B).

q.e.d.

Exercice 54 Vrier que :


exp
pour tout t rel.

0 1

t.

cos t sin t

sin t

cos t

8.4. MTHODE DE CALCUL

8.4

137

Mthode de calcul

Exercice 55 Si P GLn (C), D Mn (C) (par exemple D diagonale),


alors :
exp(P DP 1 ) = P exp DP 1 .
En dduire que pour toute matrice A Mn (C),
det exp A = etrA .
Proposition 8.4.1 Soit A Mn (C). Soit
mA (X) = (X 1 )k1 ...(X r )kr
le polynme minimal de A, les i tant les valeurs propres deux deux distinctes de A. Notons 1 , ...r les projecteurs spectraux associs aux i .
Alors :

k
r
j
i 1

(A

I
)
i n
eti
tj
i .
exp(tA) =
j!
i=1
j=0
En particulier, exp A est un polynme en A.

Remarque : Si A est diagonalisable, alors, pour tout t C, exp(tA) =


et1 1 + ... + etr r .
Dmonstration : On dcompose A en :
A=D+N
avec D diagonalisable et N nilpotente qui commutent. Alors :
exp A = exp D exp N .
Or,

r
Dk
ki
D=
i i k 0,
=
i
k!
i=1
i=1 k!

et on en dduit que :

Dk
ki
=
i
exp D =
i=1 k=0 k!
k=0 k!

i=1

e i i .

138

CHAPITRE 8. EXPONENTIELLE
Dun autre ct, on a :
N=

N i

i=1

i=1

(A i In )i

k 0 N k =
or : k ki , (A i In ) i = 0 (exo) .
Donc :

i=1

exp N =
=

r k
i 1

i=1 k=0

Exemple : Si
A :=
alors

8.5
8.5.1

2t
e

(A i In )k i

Nk
k=0 k!

(A i In )k
i .
k!
q.e.d.

1 6

1 2
5
1

exp(tA) = e2t (I3 + t(A 2I3 ))2 + et 1

3t 3 6t + 6 9t + 6
3t 2 6t + 4 9t + 3
t

2t

3t + 1

t
+e

4 6 6
2 3 3
0

quations direntielles
Drivation des matrices

On dit quune fonction f dnie sur un intervalle ouvert I de R et


valeurs dans C est drivable en t0 I si la limite :
lim
tt
0
t=t0

f (t) f (t0 )
t t0

8.5. QUATIONS DIFFRENTIELLES

139

existe dans C. On dit que f est drivable sur I si elle lest en tout t0 I.
Dnition 57 Soient ai,j : I C, i, j, des fonctions drivables sur un intervalle I de R. On dit que la matrice A(t) := (ai,j (t))1ip,1jq est drivable
et on note A (t) := (ai,j (t))1ip,1jq .
Exercice 56 Vrier que si pour tout t I, A(t) Mp,q (C) et B(t)
Mq,r (C) et si les matrices A et B sont drivables sur I, alors le produit aussi
et on a :

t I, (AB) (t) = A (t)B(t) + A(t)B (t) .


Proposition 8.5.1 Soit A Mn (C). La matrice :
t exp(tA)
est drivable sur R et on a :

t R, (exp(tA)) = A exp(tA) = exp(tA)A .

Dmonstration : Soient 1 , ..., r les projecteurs spectraux de A. Alors


daprs la proposition 8.4.1, on a :
exp(tA) =

eti

i=1 k=0

tk
(A i )k i
k!

(la somme sur k est en fait nie car (A i In )k i = 0 pour k assez grand).
Donc :
t exp(tA)
et drivable de drive :

(exp(tA)) =

i=1 k=0

i=1 k=0

eti i

eti (i

tk1
tk
+k
)(A i In )k i
k!
k!

tk
tk
eti (A i In )k+1 i
(A i In )k i +
k!
k!
i=1 k=0

i=1 k=0

eti

tk
(i In + (A i In ))(A i In )k i
k!
= A exp(tA) .
q.e.d.

140

CHAPITRE 8. EXPONENTIELLE

8.5.2

quations direntielles linaires coecients constants

Ce sont les quations de la forme :


Y (t) = AY (t)

o A Mn (C) est une matrice constante et Y (t) =

y1 (t)
..
.

est un

yn (t)
vecteur inconnu dont les coordonnes sont des fonctions drivables.
cas homogne :
Thorme 8.5.2
Y = AY Y (t) = exp(tA)Y (0)
en particulier les solutions sont dnies sur R tout entier.

Dmonstration : Dun ct, le membre de doite est bien solution de


lquation Y = AY (exo) . Rciproquement, si on pose Z(t) := exp(tA)Y (t),
alors :
Z (t) = exp(tA)(Y AY ) = 0
Donc sur R, Z est constante et Z(t) = Z(0) = Y (0) pour tout t.

q.e.d.

Exemple : Le systme :

x1 (t) = x1 (t) 3x3 (t)

x2 (t) = x1 (t) x2 (t) 6x3 (t)

x3 (t) = x1 (t) + 2x2 (t) + 5x3 (t)

avec pour conditions initiales x1 (0) = 1, x2 (0) = 1, x3 (0) = 0 a pour


solution :

x1 (t)
1

= exp(tA)

x2 (t)

x3 (t)
0

8.5. QUATIONS DIFFRENTIELLES

o A est la matrice

141

. On trouve alors :
1 6

1 2
5
1

x1 (t) = (3t + 3)e2t 2et ,


x2 (t) = (3t + 2)e2t et ,

x3 (t) = te2t .

solutions de lquation direntielle linaire dordre p coecients


constants.
Corollaire 8.5.2.1 Soient a1 , ..., ap C tels que ap = 0. On suppose que :
(X) := X p + a1 X p1 + ... + ap = (X 1 )m1 ...(X r )mr
pour certains i C deux deux distincts et certains entiers mi 1.
Alors :
(E) y (p) + a1 y (p1) + ... + ap y = 0 t R, y(t) =

ei t Pi (t)

i=1

pour certains polynmes Pi de degr < mi (pour tout i).


Remarque : On peut dterminer les Pi en fonction des valeurs y(0), ..., y (p1) (0).

Dmonstration : : On pose Y (t) :=


Alors :
o A est la matrice

y(t)

y (t)
..
.
y (p1) (t)

(E) Y (t) = AY (t)

0 1 0
0

0
0
1
ap

a1

Cp pour tout t.

142

CHAPITRE 8. EXPONENTIELLE

Remarquons que (X) = A (X) = mA (X).


On a donc
Y (t) = exp(tA)Y (0)
avec :
exp(tA) :=

ti

i=1

m 1
i

tk
k=0

k!

(A i Ip )

o les i sont les projecteurs spectraux associs aux i .


Or y(t) est le premier coecient de Y (t) donc :
y(t) =

e i t

i=1

m
i 1 k
k=0

t
(A i In )k i (Y (0))
.
1
k!

=:Pi (t)

: Il sut de vrier que y : t ei t Pi (t) est solution de (E) pour


tout polynme de degr < mi . Or pour une telle fonction y, on a (en posant
a0 := 1) :

(p)

t R, y (t) + a1 y
=

(p1)

(t) + ... + ap y(t) =

ak

k=0
p

j=0
j<mi

(j)

ei t Pi (t)

k=j

=0 .

ak

j=0

k kj i t (j)
e Pi (t)
j i

k!
kj
(k j)! i

=(j) (i )=0

q.e.d.

Chapitre 9
Groupe orthogonal
9.1

Matrices orthogonales

Dnition 58 Une matrice A est orthogonale si tAA = In .


Exemple :

2 2 1
1 1 1
1


et 1 2
2

3
2 1 1

2 1 2

sont orthogonales.
Remarque : A orthogonale A inversible et A1 = t A AtA = In .
Remarque : Si A est orthogonale, alors (det A)2 = det (tAA) = 1 donc
det A = 1.
Dnition 59 On note On (R) lensemble des matrices n n relles orthogonales et SOn (R) lensemble des matrices n n relles orthogonales de
dterminant 1. Les lments de SOn (R) sont les rotations de Rn .
Remarque : In On (R), A On (R), A1 On (R) A, B On (R), AB
On (R) donc On (R) est un sous-groupe de GLn (R). De mme SOn (R) est un
sous-groupe de GLn (R).

9.2

Produit scalaire

Dnition 60 Le produit scalaire standard sur Rn est lapplication :


Rn Rn R (X, Y ) tXY
143

144

CHAPITRE 9. GROUPE ORTHOGONAL

(si X =

x1
..
.
xn

Proprits :

et Y =

y1
..
.
yn

alors X, Y = x1 y1 + ... + xn yn ).

x, y, z Rn , x, y + z = x, y + x, z

x, y, z Rn , x + y, z = x, z + y, z

x, y Rn , t R, x, ty = tx, y = tx, y

x, y Rn , x, y = y, x

x Rn , x, x 0 et x, x = 0 x = 0 .

Dnition 61 On pose pour tout x Rn , ||x|| =


Nouvelle caractrisation de la transpose

x, x.

Proposition 9.2.1 Pour tous X, Y Rn , pour toute matrice relle A


Mn (R), on :
AX, Y = X, tAY .
Dmonstration : vident !

q.e.d.

Proposition 9.2.2 Soit A Mn (R). Alors sont quivalentes :


i) A est orthogonale ;
ii) X Rn , ||AX|| = ||X|| ;
iii) X, Y Rn , AX, AY = X, Y .
Dmonstration : i) ii) : Si A est orthogonale et si X Rn , alors :
||AX||2 = AX, AX = X, tAAX = X, X .
ii) iii) : si X Rn , ||AX|| = ||X||, alors pour tout X, Y Rn :
||A(X + Y )||2 = ||X + Y ||2
AX + AY, AX + AY = X + Y, X + Y
AX, AX + 2AX, AY + AY, AY = X, X + 2X, Y + Y, Y

9.3. RFLEXIONS ORTHOGONALES

145

AX, AY = X, Y .

iii) i) :
On a :

X, Y Rn , AX, AY = X, Y

X, Y Rn , tAAX, Y = X, Y
X, Y Rn , tAAX X, Y = 0

en particulier si Y = tAAX X, on trouve :

||tAAX X||2
donc tAAX = X pour tout X Rn do tAA = In .

9.3

q.e.d.

Rexions orthogonales

Dnition 62 Une rexion orthogonale est une matrice R Mn (R) telle


que :
i)R = tR , ii)R2 = In , , iii) dim ker(R In ) = n 1 .
En particulier, les
rexions orthogonales sont des matrices orthogonales.

Exemple : R =

0
.
0 1

Dnition 63 Soit v =

v1
..
.
vn

Rn tel que ||v|| = 1. On dnit :

G(v1 , ..., vn ) := vi vj

1i,jn

Mn (R)

et :
Rv := In 2G(v1 , ..., vn ) .
Proposition 9.3.1 La matrice Rv est une rexion orthogonale et :

X Rn , Rv (X) = X 2v, Xv .

146

CHAPITRE 9. GROUPE ORTHOGONAL

Dmonstration : Si G = [G(v1 , ..., vn ) avec v1 , ..., vn R tels que v1+ ... +


vn2 = 1, alors : G2 = G et tG = G. Donc Rv est orthogonale car tRv = Rv ,
Rv2 = In 4G + 4G2 = In et Rv In = 2G qui est une matrice de rang 1
donc de noyau de dimension

n 1.

De plus, si X =

x1
..
.

xn

et si Rv (X) =

yi = x i 2

j=1

y1
..
.

yn

alors :

vi vj xj = xi 2v, Xvi

pour tout 1 i n do : Rv X) = X 2v, Xv.

q.e.d.

Lemme 9.3.2 Soient x, x Rn tels que ||x|| = ||x || = 1. Alors il existe


R On (R) tel que Rx = x .
Dmonstration : Si x = x , il sut de prendre R = Rv o v :=

9.4
9.4.1

xx
.
||xx ||

q.e.d.

Rduction des matrices orthogonales


O2 (R)

cos

Soit R. On notera := R

la droite du plan R2 passant

sin
par 0 et qui fait un angle avec laxe des abscisses .
Exercice 57 Vrier que les matrices

t :=

cos t sin t
sin t

cos t

et Rt :=

cos t

sin t

sin t cos t

sont orthogonales. Ce sont respectivement la matrice de la rotation (de centre


0) et dangle t et la matrice de la rexion orthogonale par rapport laxe
2t . Remarquer que det t = det Rt = 1.

9.4. RDUCTION DES MATRICES ORTHOGONALES

147

Nous allons voir que ce sont les seules matrices orthogonales 2 2.


Proposition 9.4.1
O2 (R) =

cos t sin t
sin t

cos t

SO2 (R) =
Dmonstration :

: t

cos t

a2 + c 2 = 1

a b
O2 (R)
ab + cd = 0

c d

b + d2 = 1

: t R .

donc il existe R tel que a = cos , c = sin . De plus


= 1.
On a donc :

: tR

cos t

sin t

sin t cos t

cos t sin t
sin t

a b
c d

= ad bc :

cos d sin b =
sin d + cos b = 0

d = cos
b = sin

.
q.e.d.

Exercice 58

t, t R, t t = t+t , Rt Rt = 2(t t)

Exercice 59 En dduire que O2 (R) est engendr par les rexions orthogonales.

148

CHAPITRE 9. GROUPE ORTHOGONAL

Exercice 60 On a un isomorphisme de groupes :


S 1 SO2 (R)
eit t

en particulier, SO2 (R) est commutatif !

Remarque : Pour une rotation r SO2 (R), r = t trr = 2 cos t.

Exercice 61 Pour tout t, Rt = 2t

9.4.2

0 1

t .
2

O3 (R)

Thorme 9.4.2 Soit A O3 (R). Il existe = 1, t R et P O3 (R)


tels que :

0
0

A=P
P 1
0 cos t sint

0 sin t cos t

(remarque : alors = det A et cos =

trA1
).
2

Dmonstration : Supposons que det A = 1. Comme le polynme caractristique de A est rell de degr 3, il admet 3racines relles 1 , 2 , 3 ou une
racine relle et deux racines complexes conjugues , . Dans le prmier cas
1 2 3 = 1 et dans le second : ||2 = 1. Dans les deux cas, A admet au
moins une valeur propre relle > 0. Il existe alors v R3 de norme 1 tel
que : Av = v.Comme ||Av|| = ||v||, on a :
||v|| = = 1
donc 1 est valeur propre de A.
Il existe P O3 (R) tel que P

= v. Mais alors :
0

Av = v

9.4. RDUCTION DES MATRICES ORTHOGONALES

149

AP
=P 0
0

0
0

0 = 0 .
P 1 AP

0
0

Posons B := P 1 AP . La matrice B est orthogonale car P et A le sont et


comme

1
1

B est de la forme :

.
0 a b

0 c d

a b

Donc : tBB = I3 = = 0 et
Or, on a dj vu que :

SO2 (R) =

B
0 = 0 ,

0
0

c d

cos t sin t
sin t

cos t

SO2 (R) (car det B = 1).

: tR

Si det A = 1, on est ramen au cas prcdent avec A la place de A.


q.e.d.
Dnition 64 Soit I3 = A SO3 (R). On appelle axe de la rotation A la
droite : ker(A I3 ) (cest bien une droite (exo) ).

150

CHAPITRE 9. GROUPE ORTHOGONAL

Exercice 62 Soient t, t R. Sil existe P O3 (R) tel que :

0 cos t sint
0 sin t

cos t

=P

0 cos t
0 sin t

1
P
sint

cos t

alors t = t mod 2 (indication : calculer la trace ).


Rciproquement :

0 cos t sint
0 sin t

avec P =

9.4.3

cos t

1 0

=P

0 cos(t) sin(t)
0 sin(t)

cos(t)

1
P

.
0

0 1

0 0 1

Cas gnral

Thorme 9.4.3 Soit A On (R). Alors il existe une matrice orthogonale


P telle que :
A = P RP 1
o R est de la forme :

R=

1
1
1
1

cos i sin i

o i =

sin i

cos i

9.4. RDUCTION DES MATRICES ORTHOGONALES

151

Remarque : Si le nombre de 1 dans la matrice rduite est impair,


det A = 1, det A = 1 sinon.

Cas o n = 2, 3 : Si n = 2, A = ou A = P

certaine matrice orthogonale P .


Si n = 3, alors :

A=P

0 cos sin
0 sin

cos

0 1

P 1

pour une

1
P

pour une certaine matrice orthogonale P et = 1.


Dmonstration : On raisonne par rcurrence sur n. Notons e1 , ..., en la
base canonique de Rn . Soit A On (R). Soit C une valeur propre de A.
Si R, alors = 1. Soit v un vecteur propre de norme 1 associ. Soit
P On (R) tel que P e1 = v. Alors :
P 1 AP e1 = e1
donc P 1 AP est orthogonale de la forme :

0 ...
1

0 b1,1 ...

.
.. ...

...

bn1,n1

o la matrice (bi,j )1i,jn1 On1 (R). Il sut dappliquer lhypothse de


rcurrence cette matrice.
Supposons maintenant que A na pas de valeur propre relle. Soit :=
a + ib C une valeur propre complexe (non relle). Soit Z Cn un vecteur
propre de A associ. Il existe X, Y Rn tels que Z = X + iY . Alors :
AX = aX bY et AY = bX + aY
Comme A est orthogonale, on a aussi :
AX, AX = X, X (a2 1)||X||2 + b2 ||Y ||2 2abX, Y = 0
AY, AY = Y, Y (a2 1)||Y ||2 + b2 ||X||2 + 2abX, Y = 0

152

CHAPITRE 9. GROUPE ORTHOGONAL

AX, AY = X, Y (a2 b2 1)X, Y + ab||X||2 ab||Y ||2 = 0 .


On en dduit : a2 + b2 = 1 et :
X, Y =

a
b
(||Y ||2 ||X||2 ) = (||Y ||2 ||X||2 )
2a
2b

Do : si ||Y ||2 = ||X||2 : 2b2 = 2a2 et a = b = 0 absurde donc ||Y ||2 = ||X||2
et X, Y = 0.
On peut supposer que ||X|| = ||Y || = 1. Soit R1 On (R) tel que R1 X =
e1 . On pose :
R2 :=

In si R1 Y = e2
R

e2 R1 Y
||e2 R1 Y ||

si R1 Y = e2 .

Comme R1 Y, e1 = R1 Y, R1 X = Y, X = 0, on a R2 R1 X = e1 . On a
aussi, R2 R1 Y = e2 .
Donc (R2 R1 )1 AR2 R1 est une matrice orthogonale de la forme :

U V

0 Z

o U M2 (R), Z Mn2 (R), V M2,n2 (R).


Comme (R2 R1 )1 AR2 R1 est orthogonale, on a :
U O2 (R) , Z On2 (R) , tV U = 0 V = 0 .
Il reste appliquer lhypothse de rcurrence Z.

9.5

q.e.d.

Les quaternions

Rappelons que :
C

a b
a b
a + ib
M2 (R)

b a
b a

Sur le mme modle, on peut construire lalgbre des quaternions partir


de C.

9.5. LES QUATERNIONS

9.5.1

153

Dnitions

Dnition 65 Soit

:=

b a

Exemple : Par exemple :

1 := I2 , I :=

0 i

, J :=

M2 (C)

1 0

, K :=

0 i
i 0

Proposition 9.5.1
est une sous-Ralgbre de M2 (C) i.e. : I2 et
est stable par addition, par multiplication par un scalaire rel et par multiplication.
Dmonstration : Pour la stabilit par multiplication, on vrie que :

b a

b a

b a

aa

bb

ab +

a b

ab + a b aa bb

Exercice 63 Vrier que

= R1 RI RJ RK

Table de mulitplications :
I 2 = J 2 = K 2 = 1
IJ = JI = K , JK = KJ = I , KI = IK = J
IJK = 1

(exo)
Remarque : Si s R, v =

v1

v2

R3 , alors on pose :

v3

[s, v ] := s + v1 I + v2 J + v3 K

.
q.e.d.

154

CHAPITRE 9. GROUPE ORTHOGONAL


On a alors pour s, t R, v , w
R3 :
[s, v ][t, w]
= [st v .w,
tv + sw
+ v w]
.

Dnition 66 On appelle quaternions purs les quaternions de la forme :


et on note

xI + yJ + zK , x, y, z R

les sous-espace des quaternions purs.

On identiera R avec RI2

Exercice 64 Pour tout q

q R q 2 R+
q

a b
Remarque : Pour tout q =

b a
q = 0 q inversible dans M2 (C).

, det q = |a|

+ |b|2 . Donc,

Proposition 9.5.2 Lalgbre


est une algbre division i.e. tout q
non nul est inversible dans . De plus, le centre de , c--d lensemble des
x tels que xq = qx pour tout q , est R.

Dmonstration : Soit 0 = q =
q 1

b a

. Alors,

1
a b
= 2

|a| + |b|2
b a

Soit x = a + bI + cJ + dK , alors si x est dans le centre de


en particulier :
xI = Ix et xJ = Jx
b=c=d=0 .

La rciproque est clair : si x R, alors q


Remarque : Dans
lesquelles : I, J, K.

, lquation X

, xq = qx.

, on a
q.e.d.

+1 a une innit de solutions, parmi

Exercice 65 Vrier que Q8 := {I1 , I, J, K} est un sous-groupe de


\ {0}.

9.5. LES QUATERNIONS

9.5.2

155

Norme

Pour tout q

, on pose :
q := tq .

Proprits :

q1 , q2

, qq

, (q q )
1 2

= q2 q1

= q q = det (q)I2 R+ I2

a, b, c, d R, (a + bI + cJ + dK) = a bI cJ dK .

Dnition 67 On pose pour tout q , ||q|| := qq .

Proposition 9.5.3 Lapplication :

(q, q ) q, q := (qq + q q )
2

est un produit scalaire.


Dmonstration : Si q = a + bI + cJ + dK, q = a + b I + c J + d K avec
a, a , b, b , c, c , d, d , alors : q, q = aa + bb + cc + dd ; cest la formule du
q.e.d.
produit scalaire standard sur R4 .
On remarque :
donc :

q, q

, ||qq || = ||q||||q ||

G := S 3 := SU2 := {q

: ||q|| = 1}

est un sous-groupe de
\ {0}.
Ce groupe joue vis--vis des rotations de SO3 (R) le mme rle que le
groupe S 1 vis--vis de SO2 (R).

9.5.3

Lien avec les rotations

, on pose :
s : y s (y) := qyq
(vrier que si y , s (y) ).
Pour tout 0 = q , on notera S la matrice de s dans la base I, J, K
de .
Remarque : La base I, J, K de est orthonormale.
Pour tout 0 = q

156

CHAPITRE 9. GROUPE ORTHOGONAL

Lemme 9.5.4 Si s = s1 I + s2 J + s3 K
s23 = 1, alors il existe g S 3 tel que :

, avec s , s , s

R et s21 + s22 +

sg (I) = s .
Dmonstration : Il existe , R tels que :
s1 = cos , s2 = sin cos , s3 = sin sin .
On pose alors :
g = cos I + sin cos J + sin sin K
o := 2 , = . On a bien : sg (I) = s.

q.e.d.

Thorme 9.5.5 Pour tout q S 3 , Sq SO3 (R). De plus lapplication :


S 3 SO3 (R) q Sq
est un morphisme surjectif de groupes de noyau : 1 i.e. :

q, q S 3 , Sqq = Sq Sq
Sq = Sq q = q

et toute rotation R SO3 (R) est de la forme R = Sq pour un certain q S 3 .


Dmonstration : On a bien un morphisme de groupes :
Soient q, q S 3 . Alors :

, s s

q q (y)

= qq yq q 1 = (qq )y(qq )1 = sqq (y) .

Donc sq sq = sqq do : Sq Sq = Sqq .


On arrive bien dans O3 (R) ...
De plus :

, ||s (y)|| = ||qyq

|| = ||q||||y||||q 1 || = ||y||

donc Sq O3 (R) pour tout q S 3 .


... plus prcisment dans SO3 (R) :
Nous allons voir que les Sq sont en fait des rotations.
On commence par un cas particulier :
Si q = a + bI S 3 , avec b 0, alors on peut trouver R tel que :
a = cos

et b = sin .
2
2

9.5. LES QUATERNIONS

157

On vrie alors que :

Sq =

0 cos sin
0 sin

Si q est quelconque ...


Alors : q = a + p o p
p
Sq = I3 SO3 . Sinon, ||p||

cos

SO3 (R) .

. On a alors : 1 = a + ||p|| . Si p = 0, alors


et daprs le lemme, il existe g S tel que :

sg (I) = gIg 1 =

p
.
||p||

On a alors :
sg (a + ||p||I) = q

(exo) .
Soit r := a + ||p||I. On a donc : grg 1 = q do :
Sq = Sg Sr Sg1
or Sr SO3 (R) daprs la premire partie de la dmonstration donc Sq
SO3 (R) (car de dterminant 1).
Il reste montrer la surjectivit :

Soit R SO3 (R). Il existe un vecteur propre v :=

v1

R3 de poids
v2

v3
3
1 de R.Daprs le lemme, il existe g S tel que : sg (I) = v1 I + v2 J + v3 K.
Mais alors :

1 1

Sg1 RSg

= 0 .
0

0
0

Donc, comme Sg1 RSg SO3 (R), on a :

Sg1 RSg

0 cos sin
0 sin

cos

158

CHAPITRE 9. GROUPE ORTHOGONAL

pour un certain R. Donc si on pose :


r := cos
on a :

+ sin I
2
2

Sg1 RSg = Sr R = Sg Sr Sg1


R = Sgrg1

do la surjectivit.
Pour nir le noyau est {1} :
Si Sq = I3 alors :

, s (y) = y

, qyq = y qy = yq
y , qy = yq

qR .

Si q S 3 , alors ||q|| = |q| = 1 q = 1.

q.e.d.

Exercice 66 Soit q S 3 . Si q = 1, alors Sq = I3 . Sinon, q = a + p avec


a R, 0 = p et a2 + ||p||2 = 1. Mais alors il existe R tel que :

a = cos

p1

et ||p|| = sin .
2
2

Posons aussi p := p2 si p = p1 I + p2 J + p3 K. Avec ces notations, Sq

p3
est la rotation daxe Rp et dangle .

Chapitre 10
Invariants de similitude
10.1

Matrices coecients polynomiaux

Lemme 10.1.1 Soit A Mn ( [X]). La matrice A est inversible dans Mn ( [X])


si et seulement si det A est une constante non nulle. Autrement dit :

GLn ( [X]) = {A Mn ( [X]) : det A

0}

Dmonstration : Si AB = In pour une matrice B Mn ( [X]), alors :


det Adet B = 1
donc det A est un polynme inversible. Donc det A
ment, si det A
\ {0}, alors :

A1 =

0 \ {0}. Rciproque-

1 t
(A) Mn ( [X]) .
det A

q.e.d.

Dnition 68 On notera pour toute matrice non nulle A Mn ( [X])


d1 (A) := le pgcd unitaire des coecients de A
cest le polynme unitaire de degr maximal qui divise tous les coecients
de A.

Proposition 10.1.2 Si P, Q Mn ( [X]) sont des matrices inversibles


(c--d dont le dterminant est une constante non nulle), alors d1 (P AQ) =
d1 (A).
159

160

CHAPITRE 10. INVARIANTS DE SIMILITUDE


Dmonstration : Notons ci,j les coecients de P AQ. Alors :

i, j , ci,j =

Pi,k Ak,l Ql,j

k,l=1

donc d1 (A) divise ci,j pour tous i, j. Donc d1 (A) divise d1 (P AQ). De mme
d1 (P AQ) divise d1 (A) = d1 (P 1 (P AQ)Q1 ). Ainsi, d1 (A) = d1 (P AQ). q.e.d.

10.1.1

Matrices lmentaires

Ce sont les matrices de lune des formes suivantes :


Ti,j () la matrice In laquelle on a ajout un polynme
position i, j

... (X)
..
.
..

0[X] en

.
1

i la matrice obtenue partir de In en permutant les colonnes i et


i+1 :

i :=

i1 fois

0 1
1 0
1

i1 fois

Di () la matrice obtenue partir de In en remplaant le ime coefcient diagonal par :

1
..

...
1

10.2. RDUCTION DES MATRICES COEFFICIENTS POLYNOMIAUX161

Remarque : Ces matrices sont toutes inversibles dans Mn ( [X]).

10.2

Rduction des matrices coecients polynomiaux

Dnition 69 Soient A, B Mn ( [X]). On dira que A est quivalente


B, notation : A B sil existe P, Q GLn ( [X]) telles que : A = P BQ.

Exercice 67 Cest une relation dquivalence i.e. :

A, B, C Mn ( [X]), A A ;
ABBA;
ABCAC .

Lemme 10.2.1 Soit A Mn ( [X]) une matrice non nulle. Alors, A est
quivalente une matrice de la forme :

d (A) 0
1

pour une certaine matrice A Mn1 ( [X]).

Dmonstration : On utilise la multiplication gauche et droite par


des matrices lmentaires. Dans le tableau suivant, on rappelle leet de la
multiplication dune matrice A par les matrices lmentaires :
Matrices lmentaires

eet de la multiplication gauche

eet de la multiplication droite

Ti,j ()

ajoute la ligne i la ligne j

ajoute la colonne i la colonne j

Di ()

multiplie la ligne i par

multiplie la colonne i par

change les lignes i et i + 1

change les colonnes i et i + 1

EA

AE

Soit d le degr minimal dun coecient non nul bi,j dune matrice B
quivalente A. Quitte permuter des lignes ou des colonnes de B, on peut

162

CHAPITRE 10. INVARIANTS DE SIMILITUDE

supposer que b1,1 est de degr d. Soit 2 j n, la division euclidienne de


b1,j par b1,1 donne :
b1,j = qb1,1 + r1,j
o deg r1,j < deg b1,1 . Donc en retranchant q la colonne 1 la colonne j de
B on obtient une matrice quivalente B donc A dont la premire ligne
est de la forme :
b1,1 ...r1,j ...
Si r1,j = 0, on a contredit la minimalit de d. Donc r1,j = 0 et b1,1 divise
b1,j . En raisonnant comme cela avec tous les colonnes 2 j n et de mme
avec toutes les lignes 2 i n, on saperoit que lon peut supposer que
les coecients b1,j et bi,1 sont nuls si 2 i, j n. Soit bi,j un coecient de
B avec i, j 2. En ajoutant la ligne i la ligne 1, on trouve une matrice
quivalente A dont la premire ligne comprend les termes :
b1,1 ...bi,j ...
On a alors vu que b1,1 divise bi,j .
On a donc montr que A est quivalente une matrice B de la forme :

b1,1 0

o b1,1 divise tous les coecients de la matrice A et o lon peut supposer que
b1,1 est unitaire (quitte multiplier la ligne 1 par un coecient constant non
nul) . Mais alors d1 (B) = b1,1 . Et comme A est quivalente B, d1 (A) = b1,1 .
q.e.d.
Exemple :

X
X 1 C1 C2 1 X C1 1

0 X
X 0
X 0
L2 L2 +XL1

X C2 C2 XC1 1 0

.
0 X2
0 X2

10.2. RDUCTION DES MATRICES COEFFICIENTS POLYNOMIAUX163

Thorme 10.2.2 Soit A Mn ( [X]). Alors, il existe r 0 et une suite


P1 , ..., Pr de polynmes unitaires dans [X] tels que :

i) P1 |P2 |...|Pr

P
1

ii) A

..

.
Pr
0
..

.
0

( | signie divise). De plus, si s 0 et une suite Q1 , ..., Qs de polynmes


unitaires vrient aussi i)etii), alors : s = r et Qi = Pi pour tout 1 i r.
Dmonstration : Pour lexistence des P1 , ..., Pr , il sut de raisonner par
rcurrence sur n, la taille de la matrice A, et dutiliser le lemme 10.2.1.
Pour lunicit, on peut aussi raisonner par rcurrence sur n.
Si on a :

P
1

..

.
Pr
0
...
0

Q
1
A

..

.
Qs
0
...
0

et P1 |...|Pr , Q1 |...|Qs alors on peut supposer A = 0 et on a forcment P1 =


Q1 = d1 (A). Mais alors :

P
1

...
Pr
0
...
0

P
1

...
Qs
0
...
0

164

CHAPITRE 10. INVARIANTS DE SIMILITUDE

entrane

P
2

..

.
Pr
0
..

.
0

Q
2

..

.
Qs
0
..

.
0

(exo)

q.e.d.

Remarque : Si det A = 0, alors r = n et det A = P1 ...Pn .


Dnition 70 Les Pi dirents de 1 sont appels les diviseurs lmentaires
de A. Si A Mn ( ), les diviseurs lmentaires de XIn A sont appels les
invariants de similitude de A.

Exercice 68 Si A, B Mn ( ) sont semblables, alors A et B ont les mmes


invariants de similitude. Pour la rciproque, cf. la section suivante.

10.3

Invariants de similitude

Quels sont les invariants de similitude dune matrice compagnon ?


Lemme 10.3.1 Soient P (X) := X n + a1 X n1 + ... + an

CP :=

0 cn

0 1 c1

0[X] et

Mn ( )

la matrice compagnon associe. Alors la matrice CP a un seul invariant de


similitude : le polynme P (X).

10.3. INVARIANTS DE SIMILITUDE

165

Dmonstration :

XIn CP :=

0

X

0 1 X + a1

1 X


L1 L1 +XL2 +...+X n1 Ln

0 0

L1 Ln

1 X



0


X

P (X)

an1

a2

X + a1

P (X)

0 1 X + a1

an

0
X 0

1
P (X)

q.e.d.

Lemme 10.3.2 Soient A, B Mn ( ). alors :


XIn A XIn B A est semblable B.
Dmonstration : Dmontrons le sens dicile : : on suppose quil existe
P, Q GLn ( [X]) telles que :

XIn A = P (XIn B)Q .

166

CHAPITRE 10. INVARIANTS DE SIMILITUDE

Il existe deux matrices P0 , P1 Mn ( ) telles que P = (XIn A)P1 + P0 .


En eet, comme XIn A et A commutent, on a pour tout k 1 :
X k In = ((XIn A) + A)k = (XIn A)Rk + Ak

pour une certaine matrice Rk Mn ( [X]) . Or, P = X m Cm + ... + C0


pour certaines matrices C0 , ..., Cm Mn ( ) (on a simplement dcompos
les coecients en somme de monmes et regroup les monmes par degrs).
Donc :

P = (XIn A) (Rm + ... + R1 ) + (Am Cm + ... + C0 ) .

=:P1

=:P0

De mme, il existe Q0 , Q1 Mn ( [X]) telles que Q = Q1 (XIn A) + Q0 .


Mais alors :
XIn A = ((XIn A)P1 + P0 )(XIn B)(Q1 (XIn A) + Q0 )
= P0 (XIn B)Q0 + (XIn A)P1 (XIn B)Q1 (XIn A)
Or :

+P0 (XIn B)Q1 (XIn A) + (XIn A)P1 (XIn B)Q0 .

P0 (XIn B)Q1 (XIn A) = (P (XIn A)P1 )(XIn B)Q1 (XIn A)


= (XIn A)

Q Q1 P1 (XIn B)Q1

car P (XIn B) = (XIn A)Q1 .


De mme :
(XIn A)P1 (XIn B)Q0 = (XIn A)

P1 P

(XIn A)

P1 (XIn B)Q1

On a donc montr que :


XIn A = P0 (XIn B)Q0 + (XIn A)S(XIn A)
o :

S := Q1 Q1 P1 (XIn B)Q1 + P1 P 1 Mn ( [X]) .

Finalement, on a obtenu :

XIn A P0 (XIn B)Q0 = (XIn A)S(XIn A) .


. il sut de prendre Rk =

k1 k
j=0

(XIn A)kj1 Aj .

(XIn A).

10.3. INVARIANTS DE SIMILITUDE

167

Si S = 0, le terme de droite est de degr au moins 2 alors que le terme de


gauche est toujours de degr 1 : contradiction !
Donc S = 0 et :
XIn A = P0 (XIn B)Q0

avec P0 , Q0 Mn ( ). Enn, on conclut :

XIn A = P0 (XIn B)Q0 XIn A = XP0 Q0 P0 BQ0


P0 Q0 = In et A = P0 BQ0

P0 inversible et A = P0 BP01 .
Voici le thorme principal du chapitre (et mme du cours) :

Thorme 10.3.3 Soit A Mn ( ). Il existe 1 r n et P1 , ..., Pr


des polynmes unitaires tels que :
i) P1 |...|Pr ;

ii) XIn A

q.e.d.

0[X]

...
1
P1

...
Pr

De plus, A est semblable la matrice diagonale par blocs :

CP1

..

.
CPr

o les CPi sont les matrices compagnons associes aux polynmes Pi . En


particulier :
A (X) = P1 ...Pr et Pr est le polynme minimal de A.

Corollaire 10.3.3.1 Si A, B Mn ( ) ont les mmes invariants de similitude alors A et B sont semblables.

168

CHAPITRE 10. INVARIANTS DE SIMILITUDE

Dmonstration : A et B sont semblables la mme matrice diagonale


par blocs compagnons daprs le thorme.
q.e.d.
Dmonstration du thorme principal : Soient P1 , ..., Pr les invariants de
similitude de A. Alors i) et ii) sont vries.En particulier :

XIn A = P

..

.
1
P1

..

.
Pr

pour certaines matrices P, Q GLn ( [X]). En prenant le dterminant, on


trouve :
A (X) = det P (P1 ...Pr )det Q

A (X) = cP1 ...Pr

o c := det P det Q . Comme A (X) et P1 ...Pr sont unitaires, c = 1.


En particulier, deg A (X) = n = deg P1 + ... + deg Pr . Donc dans la

matrice

...
1
P1

...
Pr

le nombre de 1 sur la diagonal est :

n r = (deg P1 1) + ... + (deg Pr 1) .


On en dduit que :

CP1

..

.
C Pr

Mn ( )

10.3. INVARIANTS DE SIMILITUDE

169

et que :

CP1

...
CPr

1
P1

...

1
Pr

...
1
P1

...
Pr

XIn A .

On applique alors le lemme 10.3.2 aux matrices A et

CP1

..

CPr
de A. Ilsut de
Il reste montrer que Pr est le polynme minimal

vrier que Pr est le polynme minimal de C :=

CP1

..

Or, un

CPr
polynme p(X) annule C si et seulement si p(CP1 ) = ... = p(CPr ) = 0 i.e.
Pi |p(X) pour tout i (car CPi a pour polynme minimal Pi ). Donc :
p(C ) = 0 Pr |p(X) .
Ainsi, C , et donc A, ont pour polynme minimal Pr .

q.e.d.

170

10.4

CHAPITRE 10. INVARIANTS DE SIMILITUDE

Endomorphismes cycliques

Soit E un espace vectoriel de dimension nie.


Soit u un endomorphisme de E.
Les facteurs invariants P1 , ..., Pr de la matrice de u dans une base de E
ne dpendent pas de la base choisie ; on les appellera les facteurs invariants
de u.
Pour tout x de E, on note :
Ex := x, u(x), ..., uk (x), ... .

Remarque : Ex = {P (u)(x) : P (X) [X]}.


Le sous-espace Ex est stable par u. De plus si P (X) [X] est un
polynme annulateur de u (par exemple le polynme minimal de u), alors Ex
est engendr par les vecteurs x, ..., ud1 (x) o d est le degr de P (X) (exo) .

Dnition 71 On dit que u est un endomorphisme cyclique sil existe x E


tel que Ex = E.
Proposition 10.4.1 Soit u un endomorphisme de E de polynme minimal
mu (X).
Lendomorphisme u est cyclique si et seulement si deg mu = dim E ( i.e.
mu (X) = u (X) le polynme caractristique de u.
Dmonstration : Soit d := deg mu (X). Soit n := dim E. Si Ex = E, alors
il existe k d tel que x, ..., uk1 (x) forment une base de Ex . On a donc :
k = dim Ex = dim E = n d
Donc deg u (X) deg mu (X). Or, mu (X) divise u (X) et les deux sont
unitaires donc : u = mu .
Pour la rciproque on utilise les facteurs invariants P1 , ..., Pr de u. On
a P1 |...|Pr , P1 ...Pr = u (X) et Pr = mu (X). Si mu (X) = u (X), alors
r = 1 et il existe une base e1 , ..., en de E o la matrice de u est une matrice
compagnon : CP1 .
On a alors :
u(ei ) = ei+1
si 1 i n. Donc :
E = e1 , ..., en = e1 , ..., un1 (e1 )
= E e1

10.4. ENDOMORPHISMES CYCLIQUES

171

et u est cyclique.

a:

q.e.d.

Remarque : si u est cyclique et si E = Ex , alors pour tout P

0[X], on

P (u)(x) = 0 P (u) = 0 mu (X)|P (X) .

En eet, si P (u)(x) = 0, alors P (u)(uk (x)) = uk (P (u)(x)) = 0 pour tout k,


donc P (u) est nul sur Ex = E.
En particulier, si Ex = E, alors : x, u(x), ..., un1 (x) est une base de E.
Voici une version du thorme 10.3.3 pour les endomorphismes :
Thorme 10.4.2 Si u est un endomorphisme de E, alors il existe une suite
de sous-espaces stables de E : E1 , ..., Er tels que :
i) E = E1 ... Er ;
ii) pour tout 1 i r, la restriction ui := u|Ei est un endomorphisme
cyclique ;
iii) si pour tout i, Pi est le polynme minimal de ui , alors P1 |...|Pr .
De plus la suite P1 , ..., Pr ne dpend pas de la dcomposition choisie. Ce
soont les facteurs invariants de u.
Remarque : il existe une base e1 , ..., en de E o la matrice de u est de la
forme :

C
P1

.
..

cest la rduction de Frobenius.

CPr

Thorme 10.4.3 (Frobenius) Soit u un endomorphisme de E. Notons


P1 , ..., Pr ses facteurs invariants. On note :
C (u) := {v L (E) : uv = vu}
lespace des endomorphismes qui commutent u. Alors :
dim C (u) = (2r 1)d1 + (2r 3)d2 + ... + dr
o di := deg Pi pour tout i.
Dmonstration : Soit E = E1 ... Er une dcomposition comme dans
le thorme 10.4.2. On n ote ui := u|Ei . Pour tout x E on pose fj (x la
composante de f (x) dans Ej :
f (x) = f1 (x) + ... + fr (x)

172

CHAPITRE 10. INVARIANTS DE SIMILITUDE

avec f1 j(x) Ej pour tout j. Alors fj : E Ej , x fj (x) est linaire.


Pour tous 1 i, j r, on pose :
fi,j := fj |Ei : Ei Ej .
Lapplication :
L (E) 1i,jr L (Ei , Ej )

est un isomorphisme (exo) .


Pour tous 1 i, j r, on pose

Ci,j := {F L (Ei , Ej ) : uj F = F ui } .
On a :
f C (u) f u = uf 1 i r, x Ei , f u(x)uf (x)

1 i r, x Ei , f1 u(x) + ... + fr u(x) = uf1 (x) + ... + ufr (x)


1 i r, x Ei , 1 j r, fj u(x) = ufj (x)

1 i, j r, fj ui = uj fj |Ei

1 i, j r, fi,j ui = uj fi,j .

Donc C (u) 1i,jr Ci,j et :

dim C (u) =

dim Ci,j .

1i,jr

Calculons dim Ci,j : soit x Ei tel que :


Ei = x, ..., uidi 1 (x) = x, ..., udi 1 (x)
(en particulier, x, ..., udi 1 (x) est une base de Ei ).
Soit : Ci,j Ej , F F (x).
Alors est injective :
en eet, si F Ci,j et si (F ) = 0, alors F (x) = 0 et pour tout k 0,
on a :
F uki (x) = ukj F (x) = 0
donc F est nul sur Ei i.e. F = 0.
On a Im = ker Pi (uj ) Ej .
En eet, si F Ci,j , alors :
Pi (uj )(F (x)) = (Pi (uj )F )(x)

10.4. ENDOMORPHISMES CYCLIQUES

173

= (F Pi (ui ))(x)
=0 .
Donc F (x) ker Pi (uj ) pour tout F Ci,j . ainsi : Im ker Pi (uj ).
Pour linclusion rciproque, soit y ker Pi (uj ). On pose alors :
F (Q(ui )(x)) := Q(uj )(y)
pour tout polynme Q. Lapplication F : Ei Ej est bien dnie en eet :
si Q1 , Q2 [X] sont des polynmes tels que Q1 (ui )(x) = Q2 (ui )(x), alors

(Q1 Q2 )(ui )(x) = 0 Pi |Q1 Q2


(car Pi est le polynme minimal de ui )
(Q1 Q2 )(uj )(y) = 0
(car y ker(Pi (uj )))
Q1 (uj )(y) = Q2 (uj )(y) .
Lapplication est linaire et on a : F ui (x) = uj (y) et F (x) = y donc :
F ui (x) = uj F (x)
F ui = uj F

sur Ei .
Ainsi, F Ci,j et (F ) = F (x) = y.
On a donc dim Ci,j = dim ker Pi (uj ).
Nous allons montrer que :
dim ker Pi (uj ) =

di si i j
dj si i j

Si i j, alors Pj |Pi donc Pi (uj ) = 0 et ker Pi (uj ) = ker 0 = Ej . Donc


dim ker Pi (uj ) = dim Ej = dj .
Si i j, alors Pi |Pj . Soit Q [X] tel que Pi Q = Pj .
Soit S [X]. On a : S(uj )(x) Ej et :

S(uj )(x) ker Pi (uj ) Pi (uj )S(uj )(x) = 0


Pj |Pi S

Pi Q|Pi S

174

CHAPITRE 10. INVARIANTS DE SIMILITUDE


Q|S .

Donc :

ker Pi (uj ) = {S(uj )(x) : Q|S}


= {(QS1 )(uj )(x) : S1

0[X]}

= Q(uj )(ukj (x)) : k 0

= Q(uj )(ukj (x)) : 0 k di 1

(exo) .
Or les vecteurs Q(uj )(ukj (x)) : 0 k di 1 sont indpendants donc
dim ker Pi (uj ) = di .
En conclusion, on a :
dim C (u) =

dim Ci,j

1i,jr

di +

1i<jr

1j<ir

=2

di +

1i<jr

=2

1ir

di

1ir

di

1ir

(r i)di +

1ir

dj +

di

1ir

(2r 2i + 1)di .
q.e.d.

Remarques :
si u = IdE , alors r = n et les facteurs invariants de u sont P1 = ... =
Pr = (X ) et on retrouve que :
dim C (u) =

1ir

(2n 2i 1)

= 2n 1 + 2n 3 + ... + 1
= n2 = dim L (E) .

Do C (u) = L (E).
si u est cyclique, alors : r = 1 et P1 = u (X) donc :
dim C (u) = n .

10.4. ENDOMORPHISMES CYCLIQUES


On en dduit dans ce cas que :

0[u]
= {P (u) : P 0[X]}
C (u) =

= IdE , u, ..., un1 .

175

Index
I(k), ensemble des inversions, 34
GLn ( ), groupe des matrices inversibles, 11
mult P , multiplicit, 64
ma (), 66
mg (), 66

diagonaliser, 62
polynme minimal, 79
arrangement, 34
arrangement pair,impair, 34
axe dune rotation, 129

multiplicit algbrique, 66
multiplicit gomtrique, 66
Pascal, 7
poids, 87
polynme annulateur, 75
polynme caractristique, 50
polynme annulateur, 79
premiers entre eux, 84
projection, 62
quaternions, 132
quaternions purs, 134

bloc de Jordan, 99

rexion, 62

Cayley-Hamilton, 75
coecient binomial, nk , Cnk , 110
cyclique, 100

scind, 65
somme directe, 59
sous-espace caractristique, 88
spectre, 48

diagonalisable, 61
diviseurs lmentaires, 144
endomorphisme cyclique, 150
espace propre, 58
exponentielle dune matrice, 114
groupe gnral linaire, 11

trace, 52
trigonalisable, 69
valeur propre, 48
vecteur propre, 48
vecteur propre gnralis, 87

hauteur, 87
invariants de similitude, 144
inversible gauche, 29
inversion, 34
matrice compagnon, 55
matrice de Jordan, 99
176