Vous êtes sur la page 1sur 32

Mekki HOUBAD

Reduction des Endomorphismes


Chapitre I dAlg`ebre III et IV

Ecoles
preparatoires en sciences et techniques

Septembre 2015

c
Mekki
HOUBAD
Departement de Mathematiques
Universite Abou Bekr Belkaid
Tlemnce 13000
Algerie
m.houbad@gmail.com

Site officiel:
http://www.univ-tlemcen.dz

Table des mati`eres

Reduction des endomorphismes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .


1.1 Position du probl`eme . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.2 Valeurs et vecteurs propres . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.3 Determination des valeurs et des vecteurs propres . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.3.1 Determination des valeurs propres . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.3.2 Determination des vecteurs propres . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.4 Diagonalisation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.4.1 Applications de la diagonalisation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.5 Trigonalisation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.5.1 Applications de la trigonalisation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.6 Polynome annulateur et minimale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.6.1 Polynome annulateur . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.6.2 Polynome annulateur - Diagonalisation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.6.3 Polynome minimal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.6.4 Recherche du polynome minimal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.7 Reduction en blocs . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.7.1 Sous espaces caracteristiques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.7.2 Reduction en blocs triangulaires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.8 Decomposition de Dunford . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.9 Reduction de Jordan . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.10 Application de la decomposition de Dunford . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.10.1 puissance dune matrice . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.10.2 Exponentielle dune matrice . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

1
1
3
4
4
6
8
10
11
14
16
16
18
19
21
22
22
23
24
25
26
26
27

This Page is atentionaly white

1
Reduction des endomorphismes

1.1 Position du probl`eme


Les endomorphismes qui sont des applications lineaires agissent sur un espace vectoriel E et prend ses valeurs
dans le meme espace, peuvent e tre completement decrit dans le cas de la dimension finie de lespace E par des
matrices carrees, quon peut les definir par rapport a` des bases de lespace en question. En particulier si on a un
endomorphisme f dun K - espace vectoriel de dimension finie et si B est une base de lespace en question, on peut
montrer lexistence dune matrice carree dont la taille vaut la dimension de lespace sur lequel lendomorphisme
agit et de telle sorte que

MB f . x / D MB . f / MB . x / ;

tel que MB . f / est la matrice correspondante a` f dans la base B, MB . x / respectivement MB f . x / cest la
matrice colonne formee par les composantes du vecteur x respectivement f . x / dans cette base.
Technique 1
1. On calcule les valeurs de f . ei / pour i D 1    n
2. On decompose le vecteur f . ei / dans la base f e1 ;    ; en g pour avoir lecriture
f . ei / D a1i e1 C    C ani en D

n
X

aki ek :

kD1

3. les composantes de f . ei / dans la base f e1 ;    ; en g qui peuvent e tre mise sous la forme dun vecteur
colonne
0
1
a1i
B :: C
B : C
B
C
B aki C ;
B
C
B :: C
@ : A
ani
forme la i e me colonne de la matrice de f , ainsi
0

M. f /f ei g

a11
B a21
B
D B :
@ ::
an1

a12   
a22   
:: : :
:
:
an2   

1
a1n
a2n C
C
:: C :
: A
ann

Exemple 1 Soit lapplication lineaire de R3 definie par


0

8 X 2 R3 W

1
x C 2y C z
A ;
x
y
f. X / D @
y C z

et soit B la base de R3 definie par


B D

8
<
:

e1

0 1
0 1
0 19
1
1
0 =
D @ 1 A ; e2 D @ 0 A ; e3 D @ 1 A ;
;
0
1
1

M.Houbad, Introduction a` lAlg`ebre Lineaire


Departement de Mathematiques
c
Universit
e de Tlemcen, http://www.univ-tlemcen.dz, 2016

1 Reduction des endomorphismes

M.Houbad

et on veut determiner la matrice associee a` f dans la base B, alors le calcule fournit


8
< C D 3
C D0
f . e1 / D e1 C e2 C e3 H)
:
C D1
alors
D 1;

D 2;

1;

ce qui donne que


f . e1 / D e1 C 2 e2

e3 ;

de la meme mani`ere on obtient que


f . e2 / D e1 C e2 ;
et donc

f . e3 / D 3 e2

0
MB . f / D @

1
2
1

1
2
0

e3 ;

1
0
3A :
1


Maintenant si on consid`ere une autre base ei0 du meme espace, on peut definir une autre matrice associee au
meme endomorphisme par rapport a` cette nouvelle, les deux matrices qui representent le meme endomorphisme
dans deux bases differentes sont liees entre eux par la relation
M. f /f e0 g D P
i

M. f /f ei g P ;


tel que P est une matrice carree inverssible appelee matrice de passage de la base f ei g a` la base ei0 .
Technique 2
1. On decompose les vecteurs ei0 sur les e lements de la base f ei g pour avoir lexpression
ei0 D p1i e1 C    C pni en D

n
X

pki ek :

kD1

2. les composantes de ei0 dans la base f e1 ;    ; en g qui peuvent e tre mise sous la forme dun vecteur colonne
0
1
p1i
B :: C
B : C
B
C
B pki C ;
B
C
B :: C
@ : A
pni
forme la i e me colonne de la matrice de P ainsi
0
p11
B p21
B
P D B :
@ ::

p12
p22
::
:

pn1 pn2

1
   p1n
   p2n C
C
:
: : :: C
: : A
   pnn

Ainsi vu la possibilite de tel changement, une reflection naturelle se presente : comment on choisit les bases de
lespace E de telle sorte que lecriture matricielle de lendomorphisme soit la plus simple, dans le sens ou sa
matrice contient le plus possible de zeros. Les matrices les plus adaptees aux calcul sont les matrices diagonales
ou triangulaires superieures.
Definition 1 ( Diagonalisable ) On dit
quun endomorphisme f ( respectivement une matrice carree A ) est diagonalisable sil existe une base ei0 de E ( respectivement une matrice inversibble P ) telle que M. f /f e0 g (
respectivement P

A P ) est diagonale.

1.2 Valeurs et vecteurs propres

Universite de Tlemcen

Definition 2 ( Triangularisable ) On
dit quun endomorphisme f ( respectivement une matrice carree A ) est
triangularisable sil existe une base ei0 de E ( respectivement une matrice inversibble P ) telle que M. f /f e0 g
( respectivement P

A P ) est traingulaire superieure.

Alors le but de ce premier chapitre est


P OUR LES ENDOMORPHISMES . Il sagit de
1. Caracteriser les endomorphismes diagonalisables ou triangularisables.
2. Determiner lexistence des bases f ei g dans lesquelles la matrice M. f /f ei g est diagonale ou triangulaire superieure.
P OUR LES MATRICES . Il sagit de
1. Caracteriser les matrices A 2 M. K / qui sont diagonalisables ou triangularisables.
2. Determiner lexistence des matrices inversibles P pour lesquelles la matrice P
ou triangulaire superieure.

A P est diagonale

Remarque 1.1. Si on a deux matrices carrees A et A0 verifiant pour cetaine matrice inversible P la relation
A0 D P

AP ;

cela est e quivalent a` dire que les deux matrices en question representent le meme endomorphisme dans deux bases
differentes, et on dit que ces deux matrices sont somblables.

1.2 Valeurs et vecteurs propres


Definition 3 ( Valeurs et vecteurs propres ) Soit f un endomorphisme dun K - espace vectoriel E, on dit que
v 2 E est un vecteur propre de f si
v 0;

92 K W

f. v / D  v :

(1.1)

Le scalaire  est appele valeur propre de f correspond au vecteur propre v.


Remarque 1.2 ( Important ).
1. Les vecteurs propres sont non nuls.
2. Les valeurs propres peuvent e tre nulles.
3. Si v est un vecteur propre de f correspond a` la valeur propre , alors pour tout  2 K non nul le vecteur  v
est aussi un vecteur propre de f correspond a` la meme valeur propre .
Theor`eme 1 ( Principale ) Soit f un endomorphisme de E un K - espace vectoriel de dimension finie. Alors f est
diagonalisable si et seulement si il existe une base de E formee par les vecteurs propres de f .
preuve du theor`eme 1.
H) On suppose que f est diagonalisable, alors par lutilisation de la Definition 1 page 2 on a lexistence dune
base f e1 ;    ; en g de E telle que
0
1
a11 0    0
B 0 a22    0 C
B
C
M. f /f ei g D B : : :
(1.2)
: C ;
@ :: :: : : :: A
0

0    ann

alors on note par Xi les composantes du vecteur ei dans la base f e1 ;    ; en g ce qui donne

1 Reduction des endomorphismes


0 1
0
B :: C
B:C
B C
B0C
B C
C
i e me composante ;
Xi D M. ei /f ei g D B
B1C
B0C
B C
B :: C
@:A
0

M.Houbad

ce qui permet de conclure que


0

M f . ei /


f ei g

D M. f /f ei g M. ei /f ei g

ainsi

M f . ei /


f ei g

D ai i

0 1
0
B :: C
B:C
B C
B0C
B C
B1C
B C
B0C
B C
B :: C
@:A

0 
a22   
:: : :
:
:
0 0 

a11
B 0
B
D B :
@ ::

0
0
::
:

1
C
C
C Xi
A

ann

i e me composante D ai i M. ei /f ei g ;

0
en conclusion
M f . ei /

8 i 2 f 1 ;  ; n g W


f ei g

D ai i M. ei /f ei g ;

donc
8 i 2 f 1 ;  ; n g W

f . ei / D ai i ei ;

alors ei est un vecteur propre qui correspond a` la valeur propre ai i ce qui donne que la base
f e1 ;    ; en g
est forme par les vecteurs propres de lendomorphisme f .
(H On suppose quil existe une base f v1 ;    ; vn g formee par les vecteurs propres de f ce qui permet decrire
8i 2 f 1 ;   ; n g ;

9 i 2 K W

f . vi / D i vi :

Alors il est simple de conclure le fait que


0

M. f /f vi g

1
B 0
B
D B :
@ ::

0
2
::
:



::
:

0
0
::
:

1
C
C
C :
A

0 0    n
cette matrice nest rien autre qu une matrice diagonale, en utilisant la Defintion 1 page 2 on peut conclure que
lendomorphisme f est diagonalisable.
2
Remarque 1.3 ( Important ). Sur la diagonale principale dune matrice diagonale associee a` un endomorphisme
f apparaissant les valeurs propres de ce dernier.
1.3 Determination des valeurs et des vecteurs propres
1.3.1 Determination des valeurs propres
Definition 4 ( Polynome caracteriqtique ) Soit f un endomorphisme dun K - espace vectoriel E de dimension
finie, on appelle polynome caracteristique de f le polynome
Pf .  / D det . f

 Id / D det . A

tel que A est la matrice associee a` f dans nimporte quelle base de E

I/;

Universite de Tlemcen

1.3 Determination des valeurs et des vecteurs propres

Definition 5 ( Multiplicite ) Soit P un polynome, alors si


0 /0 Q.  / ;

P.  / D . 

Q. 0 / 0 ;

on dit que 0 est une racine de multiplicte 0 du polynome P et on la note


0 D multi. 0 / :
Proposition 1 Les valeurs propres de f sont exactement les racines de son polynome caracteristique.
preuve de la proposition 1.
H) Soit 0 une valeur propre de f donc
9v 2EI v 0 W

f . v / D 0 v H)


0 Id . v / D 0 ;

ce qui affirme qu on a
v 2 Ker . f

0 Id / ;

or vu que v 0 cela permet de conclure que


0 Id / f 0 g ;

Ker . f

alors lendomorphisme f
0 Id nest pas injectif donc il nest pas bijectif donc necessairement sa matrice
associee nest pas du rang maximal, autrement dit
0 Id / D 0 ;

det . f

cela est exactement le polynome caracteristique e value au point 0 , donc 0 est une racine du Pf .
(H Inversement soit 0 une racine de Pf autrement Pf . 0 / D 0, vu la Definition 4 page 4
0 Id / D 0 ;

det . f

0 Id nest pas bijective, donc nest pas injective ce qui permet decrire

0 Id / f 0 g H) 9 v 2 E ; v 0 W
f
0 Id . v / D 0 H) f . v / D 0 v ;

alors lendomorphisme f
Ker . f

alors v est un vecteur propre de f et 0 cest la valeur propre de f correspondant.

Definition 6 ( Spectre ) Soit f un endomorphisme dune K - espace vectoriel E de dimension quelconque, alors
on appelle le spectre de f lensemble des valeurs  2 K tel que
 Id ;

f
nest pas injective, et il est note

Sp . f / :
Proposition 2 ( Importante ) Dans le cas de la dimension finie de lespace, lensemble des valeurs propres de f
coincide avec le spectre de f .
Exemple 2 Soit lendomorphisme f de R3 definie par
0

1
x C y C z
y C z A ;
f. X / D @ x
x C y
z

sa matrice associee dans la base canonique de R3 notee B


0
1
B D @ 1
1

2 M3 . R / definie par
1
1 1
1 1A ;
1 1

1 Reduction des endomorphismes

M.Houbad

On veut determiner les valeurs propres de la matrice B alors on utilise la defintion du polyome caracteristique on a
0
1
1

1
1
1
1

1 A ;
PB .  / D det . B
 I / D det @
1
1
1

le calcul de ce determinant par rapport a` la premiere colonne permet davoir
Pf .  / D .

 / . 1 C  /2

1 C 2. 2 C  / D . 2 C  /2 . 1

/;

donc les valeurs propres de B sont


8
< 1 D 1 ;
:

2 D

2;

multi. 1 / D 1 ;
multi. 2 / D 2 :

1.3.2 Determination des vecteurs propres


Technique 3 La determination des vecteurs propres se fait selon les e tapes suivantes
1. Determination de Pf polynome caracteristique de f .
2. Determination des valeurs propres de f qui sont les racines de Pf .
3. Pour chaque valeur propre  on resoud lequation
.A

I/V D 0;

dont V est linconnu et A est la matrice associee a` f dans une base B de E.


Alors V est le vecteur composantes dans la base B du vecteur v le propre de f correpond a` la valeur propre .

Exemple 3 Soit la matrice B de M3 . R / definie par


0
B D @

1
1
1

1
1
1

1
1
1A ;
1

dans lexemple 2 on a trouver les valeurs propres de cette matrice a` savoir


8
< 1 D 1 ; multi. 1 / D 1 ;
:

2 D

2;

multi. 2 / D 2 :

on veut maintenant determiner les vecteurs propres de la matrice B, il sagit de resoudre le syst`eme
.B
dont v est linconnu, ce qui le meme que
0
1

1
@
1
1
1
1

I/v D 0:

1
1


1

A v D 0;


0 1
x
v D @y A :
z

Pour la premi`ere valeur propre 1 D 1.


Le syst`eme (1.3) ce simplifie en
8
<
:

8
<

2x C y C z D 0;
x
2 y C z D 0 ; H)
:
x C y
2z D 0;

8
0 1
1

x D y;
<v D y @1A ;
y quelconque ; H)
1

z D y;

:
y quelconque ;

(1.3)

Universite de Tlemcen

1.3 Determination des valeurs et des vecteurs propres

quitte a` prendre y D 1 on deduit que les vecteurs propres correspondant a` la valeur propre 1 D 1 sont tous
colineaire au vecteur v1 qui vaut
0 1
1
v1 D @ 1 A :
1
Pour la deuxi`eme valeur propre 2 D

2.

Le syst`eme (1.3) ce simplifie en


8
0

8
8

y
z;
<x C y C z D 0 ;
< x D
<v D y @
x C y C z D 0 ; H)
y quelconque ;
H)
:
:

x C y C z D 0;
z quelconque ;

:
y; z

1
0
1
1A C z @
0

1
1
0A ;
1

quelconques ;

alors on a deux degres de liberte en y et z cela donne lexistence de deux vecteurs propres. Ainsi on prend y D 1
et z D 0 cela donne le premier vecteur propre v2 a` savoir
0
1
1
v2 D @ 1 A :
0
et pour y D 0 et z D 1 on a le second vecteur propre v3 a` savoir
1
0
1
v3 D @ 0 A ;
1
les autres vecteurs propres qui correspondant a` la valeur propre 2 sont une combinaison lineaire de v1 et v2 .
En conclusion on a le tableau repecutulatif suivant

Vecteurs propres

Valeurs propres
1 D 1

v1

2 D

0 1
0
1
D @ 1 A v2 D @
1

1
1
1A;
0

0
v3 D @

1
1
0A
1

Exemple 4 Determiner les valeurs propres et les vecteurs propres de lendomorphisme de R2 X definie par
f . P / D . X C 1 / P. 1 / C P :
Dans la base canonique de R2 X qui vaut
B D
on a

1 ; X ; X2

1
110
MB . f / D @ 0 2 2 A ;
003

les valeurs propres sont


1 D 1 ;

2 D 2 ;

3 D 3 ;

et les vecteurs propres correspondant sont


1;

1 C X;

1 C 2 X C X2 ;

1 Reduction des endomorphismes

M.Houbad

1.4 Diagonalisation
Definition 7 ( Polynome scinde ) Soit P 2 K X un polynome, on dit quil est scinde dans K si il est de degre
n et admet n racines dans K.
Exemple 5
Le polynome x 2 C x C 1 est scinde dans C mais pas dans R
Le polynome x 2 est scinde dans R et dans C il admet deux racines e gaux.
Remarque 1.4. Un polynome est scinde si et seulement si il peut e tre e crit sous la forme
P. x / D

s
Y

xk / k ;

.x

kD1

avec

s
X

k D degre de P ;

kD1

avec xk sont les racines de P et k cest la multiplicite de xk .


Definition 8 ( Sous espaces propres ) Soient f un endomorphisme dun K - espace vectoriel E et  2 K une
valeur propre de f , on note par E le sous espace vectoriel de E defini par
E D f v 2 E W

f. v / D  v g :

cet ensemble est appele sous espace propre corespondant a` la valeur propre , il est forme par les vecteurs propres
associes a` cette valeur.
Proposition 3 Soient f une endomorphisme dun K - espace vectoriel E de dimension finie et  une valeur propre
de f de multiplicite , alors
1  dim E  :
preuve de la proposition 3. On raisonne par absurde, on suppose que 0 est une valeur propre de f de multiplicite
0
Multiplicite . 0 / D 0
(1.4)
et que la dimension du sous espace propre associe verifie linegalite
dim E0 > 0 ;

(1.5)

ainsi E0 est au moins de dimension 0 C 1, alors on peut considerer


B0 D v1 ;    ; v0 C1
une base de E0 donc une famille libre de E0 , or E0  E, donc B0 est une famille libre de E. On utilise le
theor`eme de la base incompl`ete cette famille elle peut e tre complete pour devenir une base de E on la note


B D v1 ;    ; v0 C1 ; e0 C2 ;    ; en :
Or vu que
8 i D 1    0 C 1 W

vi 2 E0 ;

en utilisant la Definition 8 page 8 on en deduit


8 i D 1    0 C 1 W
cela e tant dit permet de conclure que

f . vi / D 0 vi ;

Universite de Tlemcen

1.4 Diagonalisation
0
0 0    0
B 0 0    0
B
B :: :: : : :: A
B : :
: :
B
0
0



0
M. f /B D B
B
B 0 0  0
B
B : : :
:
@ :: :: : : :: B

9
1
C
C
C
C
C
C ;
C
C
C
C
A

0 0  0

0 C1 colonnes
alors
Pf .  / D det M. f /B

I

D . 0

 / 0 C1 det . B

 In

/;

tel que In 0 1 est la matrice unite de taille n 0 1. donc 0 est une racine du polynome caracteristique de
multiplicite 0 C 1 ce qui contredit (1.4), donc necessairement dim E0  0 .
2
Theor`eme 2 ( Caracterisation ) Soient f une endomorphisme dun K - espace vectoriel E de dimension finie n,
alors f est diagonalisable si et seulement si
1. Pf est scinde dans K.
2. Pour toute valeur propre  de f on a
dim E D mul. / :
Corollaire 1 Soit f un endomorphisme dun K - espace vectoriel E de dimension finie n, si f admet n valeurs
propres distinctes ( de multiplicite une ) alors f est diagonalisable.
Technique 4 ( Matrice reduite - Matrice de passage ) Pour determiner la matrice de passage et la matrice
reduite dune endomorphisme on suit les e tapes suivantes.
1. On determine les valeurs propres de lendomorphisme f quon les notes i , les vecteurs propres quon les
notes vi , si
8  2 Sp. f / W dim E D mul.  / ;
alors f est diagonalisable .
2. La matrice associee a` f dans la base f vi g est diagonale de la forme
0
1
1 0    0
B 0 2    0 C
B
C
A0 D B : : :
: C ;
@ :: :: : : :: A
0 0    n
3. La matrice de passage correspondante est exprim`ee par
0

P D @ v1 v2    vn A
de telle sorte que lordre des valeurs propres dans la matrice A0 correspond a` lordre de leurs vecteurs
propres dans la matrice P , dans le sens ou si la valeur propre  prend la i e me position sur la diagonale de
la matrice A0 leur vecteur propre prend la i e me position dans la matrice de passage P .
Exemple 6 Vu lexemple 3 dans lequel letude de lendomorphisme f definie par
0
1
x C y C z
y C z A ;
f. X / D @ x
x C y
z
a permet davoir le tableau

1 Reduction des endomorphismes

10

M.Houbad

Vecteurs propres

Valeurs propres
1 D 1

v1

2 D

0 1
0
1
D @ 1 A v2 D @
1

1
1
1A;
0

1
1
0A
1

v3 D @

alors la matrice reduite et la matrice de passage sont


8
0
1
0
1 0 0
1

B 0 D @ 0 2 0 A D @ 0

0 0 2
0
<

0
2
0

1
0
0A ;
2

1
0
0

@ v1 v2 v3 A D @ 0
P
D

:
0

0
2
0

1
0
0A ;
2

(1.6)

1.4.1 Applications de la diagonalisation


1.4.1.1 Calcul de la puissance dune matrice [ Exercice en TD ]
On sinteresse a` calucler la puissance dune matrice carree A toute en supposant qu elle est diagonalisable, cela
e tant dit permet de conclure lexitence dune matrice A0 diagonale formee par les valeurs propres de A de la fomre
1
0
1 0    0
B 0 2    0 C
C
B
A0 D B : : :
: C ;
@ :: :: : : :: A
0 0    n
et une matrice inverssible P formee par les vecteurs propres de A tel que la construction de A0 et P se fait selon
la Technique 4 page 9, et ses ingrediants sont reliees par la relation
1

A0 D P
Cela permet avec lutilisation du fait que P P

A P H) A D P A0 P
1

D I ; davoir

A k D P A0 k P

ainsi il est simple de montrer que


0

A0 k

1
B 0
B
D B :
@ ::

0
2
::
:



::
:

0
0
::
:

1k
C
C
C
A

1k
B 0
B
D B :
@ ::
0

0 0    n
do`u

1k
B 0
B
D P B :
@ ::
0

Ak

0 
2k   
:: : :
:
:
0 0 

0
0
0
::
:

0
2k
::
:



::
:

0
0
::
:

1
C
C
C ;
A

(1.7)

0    nk

1
C
C
C P
A

nk

1.4.1.2 Syst`eme de suites recurrentes [ Exercice en TD ]


On suppose quon a un syst`eme des suites recurrentes dans lequel on cherche a` determiner le terme general en
fonction des premiers termes de chaque suite et de lindice k, a` savoir

1.5 Trigonalisation

Universite de Tlemcen

11

8
ukC1 D a11 uk C a12 vk C    C a1n zk ;

< vkC1 D a21 uk C a22 vk C    C a2n zk ;


::

:
zkC1 D an1 uk C an2 vk C    C ann zk ;

(1.8)

le syst`eme (1.8) peut e tre met sous la forme matricielle suivante


XkC1 D A Xk

(1.9)

tel que
0

a11
B a21
B
A D B :
@ ::

a12
a22
::
:



::
:

1
a1n
a2n C
C
:: C ;
: A

1
uk
B vk C
B C
D B : C :
@ :: A
0

Xk

an1 an2    ann

zk

Ainsi
XkC1 D Ak X1 ;

(1.10)

Dans le cas o`u la matrice A est diagonalisable cela revient a` calculer la puissance dune matrice qui se fait selon la
partie precedente qui affirme que
1
0 k
1 0    0
B 0 k  0 C
2
C
B
1
;
(1.11)
Ak D P B : : :
: C P
@ :: :: : : :: A
0 0    nk
quitte a remplacer la valeur de (1.11) dans (1.10) on obtient le terme general en fonction de lindice k et du premier
terme X1 uniquement.

1.5 Trigonalisation
Dans le cas o`u un endomorphisme f ou une matrice A nest pas diagonalisable ( par exemple sil existe une valeur
propre  tel que sa multiplicite est differente de la dimension du sous espace propre associee ), on va chercher
une autre forme simple diff`erente de la forme diagonale pour la matrice A. La forme en question est la forme
traingulaire superieure a` savoir
0
1
a11 a12    a1n
B 0 a22    a2n C
B
C
B :: :: : : :: C :
@ : :
: : A
0

0    ann

La methode qui ram`ene une matrice A a` la forme triangulaire superieure sappelle la triangularisation et elle est
donnee par la Defintion 2 page 3.
Theor`eme 3 ( Conditions de la trigonalisation ) Une matrice carree A 2 Mn . K / ( ou un endomorphisme f
dun K - espace vectoriel E de dimension finie ) est trigonalisable si et seulement si sont polynome carcateristique
est scinde dans K.
Remarque 1.5 ( Importante ).
Sur la diagonale de la matrice reduite triangulaire superieure dune matrice A figure les valeurs propres de
A.
La forme reduite triangulaire nest pas unique.
Technique 5
Soit A une matrice carree, pour determiner la matrice reduite triangulaire et la matrice de passge correspondante
en suite les quatres e tapes suivante.
1. On determine le polynome carcateristique, les valeurs propres et les sous espaces propres associees ainsi
que leurs dimensions. Si
9  2 Sp.  / W dim E mul.  / ;
alors la matrice nest pas diagonalisable mais trigonalisable.

1 Reduction des endomorphismes

12

2. Dans ce cas, cette matrice dans une base f v1 ; v2 ;    ; vn g secrit sous la forme
0
1
1 a12    a1n
B 0 2    a2n C
B
C
A0 D B : : :
: C :
@ :: :: : : :: A
0

M.Houbad

(1.12)

0    n

3. On resoud le syst`eme suivant


A v1 D 1 v1 ;
A v2 D a12 v1 C 2 v2 ;
::
:
A vn D a1n v1 C a2n v2 C    C n vn :
dont les inconnus sont vk et les parametres aij etc, avec la contrainte
1
0
det @ v1 v2    vn A 0 :
4. Une fois on determine les coefficients aij , etc et les vecteurs vk , la matrice reduite triangulaire est donnee
par (1.12) et la matrice de passage vaut
1
0
P D @ v1 v2    vn A :

Exemple 7 Soit la matrice


0

4
0
5

A D @

1
2
0A ;
3

0
1
1

e tape 1 : Determination du polynome caracteristique


Le calcul founit
PA .  / D det . A

I/ D .1

 /2 . 2 C  / ;

PA est scinde dans R donc A est soit trigonalisable soit diagonalisable et ces valeurs propres sont
1 D 1 de multiplicite deux ;

2 D

de multiplicite un :

e tape 2 : Determination des vecteurs propres


Il sagit de resoudre le systeme dont linconu est v
.A

I/v D 0:

Pour la premi`ere valeur propre 1 D 1 : On obtient


0
z @
v D
5

1
2
0A ;
5

avec z quelconque en prend alors z D 5 on deduit que


1
0
*
2 +
E1 D Vect v1 D @ 0 A H) dim E1 D 1 mul. 1 / D 2 ;
5
donc la matrice A est purement triangularisable ( elle ne peut e tre diagonalisee ).

1.5 Trigonalisation

Universite de Tlemcen
Pour la deuxi`eme valeur propre 2 D

13

2 : On obtient
0
v2 D z @

1
1
0A ;
1

avec z quelconque, on prend alors z D 1 ce qui donne


0
1
*
1 +
E2 D Vect v2 D @ 0 A H) dim E2 D 1 D mul. 2 / ;
1
e tape 3 : Determination de la forme reduite
On cherche a` reduire la matrice A en matrice triangulaire superieure, autrement dit la matrice A va secrire dans
une base f e1 ; e2 ; e3 g sous la forme
0
1
1 a b
A0 D @ 0 1 c A ;
0 0 2
cest a` dire les composantes des colonnes de la matrice A0 sont les composantes des images des vecteurs A ei dans
la base f e1 ; e2 ; e3 g, autrement dit
A e1 D e1 ;

(1.13)

A e2 D e2 C a e1 ;

(1.14)

A e3 D

(1.15)

2 e3 C c e2 C b e1 ;

la relation (1.13) affirme que le vecteur e1 est un vecteur propre de A qui correspond a` la valeur propre 1 D 1,
alors on prend
1
0
2
e1 D v1 D @ 0 A ;
5
dans la relation (1.14) on ne peut pas prendre a D 0 sinon le vecteur e2 sera un vecteur propre de A correspondant
a` la valeur propre 1 D 1, ce qui est absurde vu que cette valeur poss`ede un seul vecteur propre. Alors on prend
a D 1 ce qui permet davoir
.A
1 I / e2 D v1 ;
alors on peut prendre
e2

0 1
0
D @3A ;
1

dans la relation (1.15) on peut prendre e3 le vecteur propre de A qui correspond a` la valeur propre 2 D
qui donne
0
1
1
e3 D v3 D @ 0 A :
1
Finalement la matrice reduit et la matrice de passage sont
8
0
1
0
1 a b
1

A0 D @ 0 1 c A D @ 0

0 0 2
0
<
1
0
0

P D @ e1 e2 e3 A D @

2
0
5

1
1
0

1
0
0A;
2

0
3
1

1
1
0A:
1

2, ce

1 Reduction des endomorphismes

14

M.Houbad

1.5.1 Applications de la trigonalisation


1.5.1.1 Syst`eme dequations differentielles [ Exercice en TD ]
Soit le syst`eme dequations differentielles lineaires a` coefficients constants sans second membre autonome suivant
8 d

x1 D a11 x1 C a12 x2

dt

< d
x2 D a21 x1 C a22 x2
dt

::

d
:
xn D an1 x1 C an2 x2
dt
ce syst`eme peut e tre met sous une forme matrcielle
0
a11 a12   
B
a
d
B 21 a22   
X D AX ; A D B : : :
@ :: :: : :
dt

C    C a1n xn ;
C    C a2n xn ;

(1.16)

C    C ann xn ;

1
a1n
a2n C
C
:: C ;
: A

1
x1
B x2 C
B C
X D B : C :
@ :: A

an1 an2    ann

(1.17)

xn

La resolution de ce syst`eme se fait selon la technique suivante


Proposition 4
1. On reduit la matrice A a` la forme diagonale ou triangulaire superieure et on determine la matrice reduite
A0 et la matrice de passgae correspondante P .
2. On resoud le syst`eme
d
Y D A0 Y :
dt
3. La solution du syst`eme (1.17) est
X D P Y :
preuve de la proposition 4. On a
A0 D P

A P A D P A0 P

ce qui donne que


d
d
X D AX
X D P A0 P 1 X
dt
dt
d
X D P A0 P 1 X

dt
d
P 1
X D A0 P 1 X ;
dt
la matrice A est independante de t donc les vecteurs propres et par consequence les vecteurs propres sont
independante de t ce qui donne que P est uniforme en t alors
d
.P
dt
on pose Y D P

X / D A0 . P

X /;

X ce qui donne finalement


d
Y D A0 Y ;
dt

X D P Y :
2

1.5 Trigonalisation

Universite de Tlemcen

15

1.5.1.2 e quations differentielles ordinaires [ Exercice en TD ]


On veut resoudre lequation suivante
f.2/ C 2 f.1/ C f D 0
ce qui donne le syst`eme
8 .2/
D
<f
:
ou encore

2 f.1/

f.1/ D

f ;

f.1/



  .1/
f.2/
2 1
f
D
1 0
f
f.1/


A
X
d
X
dt
la reduction de la matrice A permet davoir




1 1
1 1
0
A D
; P D
;
0 1
1 0


on resoud le syt`eme


d
Y D A0 Y ;
dt

Y D

y1
y2


;

ce qui donne que




donc


Y D

y10 D
y1 C y2
H)
y20 D
y2

. c2 t C c1 / e
c2 e t

y1 D . c2 t C c1 / e
y2 D c2 e t ;


H) X D P Y H) X D

c1 ; c2 2 R

. c2 t C c1
c2 / e
. c2 t C c1 / e t


;

et finalement on prend la derni`ere composantes de X pour avoir la fonction f autrement dit


f. t / D

. c2 t C c1 / e

Proposition 5 Pour resoudre les e quations differentielles ordinaire a` coefficients constantes sans seconde membre
de la forme
n
X
ak f . k / . t / D 0 ; a n 0 ;
kD0

qui peut e tre toujours mise sous la forme


f

.n/

.t / D

nX1

bk f . k / . t / ;

8 k D 0  n

1 W

kD0

on suit les e tapes suivantes


1. On exprime lensemble des e quations suivante
f . n /. t / D
f

.n

1/

.n

2/

nX1

bk f . k / . t / ;

kD0
.n 1/

.t /Df
.t /Df
::
:

.n

2/

.t /;
.t /;

f . 1 /. t / D f . 1 /. t / ;

bk D

ak
;
an

1 Reduction des endomorphismes

16

M.Houbad

2. Ce qui donne le syst`eme matriciel


d
X. t / D A X. t / :
dt
1
0 .n 1/
f
.t /
B f . n 2 /. t / C
C
B
C
B
::
X. t / D B
C ;
:
C
B
@ f . 1 /. t / A

avec

f. t /
3. On reduit la matrice A a` la forme diagonale ou triangulaire superieure et on determine la matrice reduite
A0 et la matrice de passgae correspondante P .
4. On resoud le syst`eme
0

d
Y D A0 Y ;
dt

1
y1
B C
Y D @ ::: A :
yn

5. La solution X est
X D P Y :
6. La fonction f est la derni`ere composante du vecteur X.
1.6 Polynome annulateur et minimale
1.6.1 Polynome annulateur
Definition 9 Soit E un K - espace vectoriel, K X lensemble des polynomes de degre quelconque a` coefficients
dans K et Q 2 K X exprime par
m
X
Q. X / D
ak X k :
kD0

Soit f un endomorphisme de E, on note


Q. f / D

m
X

ak f k ;

kD1

fk D f  f ;

k foix

f 0 D Id :

pour definir levaluation dun polynome avec un endomorphisme.


Dans le cas dune matrice carree A on note
Q. A / D

m
X

ak Ak ;

A0 D I :

kD1

Remarque 1.6. Malgre que la composee des endomorphismes nest pas commutative,si on consid`ere deux polynomes Q et P et un endomorphisme f , alors
Q. f / P. f / D P. f / Q. f / :
Definition 10 ( Polynome annulateur ) Soit f un endomorphsime dune K - espace vectoriel E et soit Q un polynome de K X , on dit quil est annulateur de f si
Q. f /  0 :

1.6 Polynome annulateur et minimale

Universite de Tlemcen

17

Exemple 8 Soit lendomorphisme de R3 defini par


0 1
0 1
x
z
f @y A D @x A ;
z
y
le polynome .x 3

1/ est annulateur de f car par calcul on a

1. Methode par les endomorphismes.


f 3. X / D f f 2

0 1
0 1
0 1
0 1
0 1
x
x 
z
y
x

@y A D f 2 f @y A
D f 2 @x A D f @ z A D @y A D X ;
z
z
y
x
z

ainsi
f 3  Id H) f 3

Id  0 ;

alors on remplace lapplication f par x et lapplication Id par 1 on deduit que le polynome on obtient le resultat.
2. Methode par les matrices.
0

1
001
A D MC anoni que . f / D @ 1 0 0 A ;
010
le calcule fournit
A3 D I H) A3
donc le polynome x

I D 0;

1 est annulateur de A, et donc de f .

3. Methode astucieuse. Repartition sur un cercle


Proposition 6 Soit f un endomorphisme dun K - espace vectoriel E et Q un polynome annulateur de f . Alors les
valeurs propres de f figurent permet les racines de Q.
preuve de la proposition 6. On suppose que 0 est une valeur propre de f donc
9v 2 E; v 0 W

f . v / D 0 v ;

soit Q un polynome annulateur de f donc


n
X

Q. x / D

ak x k ;

Q. f / D 0 ;

kD1

alors

Q. f / D 0 8 X 2 E W Q f . X / D 0 8 X 2 E W

n
X

ak f k . X / D 0 ;

kD1

quitte a prendre X D v, a sapersevoir que

f k . v / D k0 v ;

et a utilise le fait que le vecteur propre ni jamais nul on en deduit que


n
 X
kD1

ak k0

v D 0 H)

n
X

ak k0 D 0 ;

kD1

ce qui exactement le polynome Q e value en 0 . Ce qui revient a` dire que les valeurs propres de f sont des racines
de polynome annulateur.
2
Remarque 1.7 ( Importante ). La reciproque de la Proposition 6 est fausse dans le sens o`u si  est une racine
dun polynome annulateur de f ceci ne veut pas dire que forcement cest une valeur propre de f .

1 Reduction des endomorphismes

18

M.Houbad

Definition 11 ( Somme directe de plusieurs sous espaces vectoriels ) On dit que les sous espaces vectoriel E1 ;    ; Ep
sont en somme directe si


k

8 k D 2  p W

C Ei

i D1

\ Ek D f 0 g :

Si E est de dimension finie, on dit quil est la somme directe des sous espaces vectoriels E1 ;    Ep si
8 k D 2  p W

C Ei

i D1

\ Ek D f 0 g ;

p
X

dim E D

dim Ej :

j D1

Exemple 9 Montrer que R3 et la somme directe des sous espaces suivant


D1 D X 2 R3 W x
y D 0; x C z D 0 ;


D2 D X 2 R3 W x C y C z D 0 ; x
y C z D 0 ;


D3 D X 2 R3 W 2 x C y C 3 z D 0 ; x
3y D 0 ;
Proposition 7 Soit E un K - espace vectoriel de dimension finie, les sous espaces vectoriel E1 ;    ; Ep de E et
pour tout i 2 Np la famille Bi une base de Ei . Alors E est la somme directe de ces sous espaces si et seulement si
p
[
Bi est une base de E.
i D1

Proposition 8 Dans C deux polynome sont premier entre eux si et seulement si ils nont aucune racine commune.
Proposition 9 ( Lemme de decomposition des noyaux ) Soit f un endomorphisme dun K - espace vectoriel E
et Q un de ces polynomes annulateurs tels que
8
p
Y

Q. x / D
Qk . x / ;
<
kD1

8 i; j 2 Np W i j W

Alors
E D

p
M

Qi et Qj premiers entre eux :

Ker Qk . f / :

kD1

1.6.2 Polynome annulateur - Diagonalisation


Theor`eme 4 Soit f un endomorphisme dun K - espace vectoriel E de dimension finie. Alors f est diagonalisable
si et seulement si il exsite un polynome scinde qui admet que des racines simples et qui annule f .
preuve du theor`eme 4.
H) On suppose que f est diagonalisable donc il existe une base de E formee par les vecteurs propres de f
on la note B D f vk gk D 1  n associee aux valeurs propres f k gk D 1  p deux a deux distincts et chacune de
multiplicite k , ce qui donne
8 v 2 B W 9 j 2 f k gk D 1  p W

f . v / D j v ;

ce qui peut e tre mis sous la forme


8 v 2 B ; 9 j 2 f k gk D 1  p W
alors quitte a` composer a` gauche par tous les endomorphismes .f
8v 2 B W

k Id



kD1


j Id . v / D 0 ;
k Id/ pour k 2 Np n j on trouve que

. v / D 0 H) 8 v 2 B W

g. v / D 0 ;

Universite de Tlemcen

1.6 Polynome annulateur et minimale

19

donc lendomorphisme g sannule sur les e lements de la base B donc il sannule sur lespace E en entier
8v 2 E W

g. v / D 0 H) 8 v 2 E W

k Id


.v/ D 0;

kD1

alors le polynome
p
Y

Q. x / D

.x

k / ;

kD1

est un polynome annulateur de f . Il est scinde et admet que des racines simples.
(H On suppose quil existe un polynome annulateur de f scinde et admet que des racines simples donc il est de
la forme
p
Y
Q. x / D
.x
xk / ;
kD1

les polynome
Qk . x / D x

xk

pour k D 1    p, sont premier entre eux, le Lemme de decomposition des noyaux affirme que
E DD

p
M

Ker Qk D

kD1

p
M

Ker . f

xk Id / ;

kD1

si xk nest pas une valeurs propre de f alors


Ker . f

xk Id / D f 0 g ;

ce qui donne
E D

Ker . f

 Id / D

 2 Sp f

E ;

 2 Sp f

si on note par B une base de E on en conclut que la famille


[
B ;
 2 Sp f

est une base de E, en conclusion cette base elle est formee par les vecteurs propres de f donc f est diagonalisable.
2
1.6.3 Polynome minimal
Definition 12 ( Polynome minimal ) Soit f un endomorphisme dun K espace vectroiel E, on appelle un polynome minimal de f et on le note mf le polynome annulateur de f qui est
1. Normalise dans le sens ou le coefficient du monome du plus haut degre de ce polynome vaut un.
2. Cest le polynome de degre le plus petit parmi tous les polynomes annulateurs de f .
Exemple 10 Le polynome suivant nest pas normalise
P . x / D 2 x3 C 3 x C 5 ;
par contre si on veut le normaliser il suffit de le diviser par le coefficient de son monome du plus haut degre, a`
savoir
5
3
x C
:
Q. x / D x 3 C
2
2
Proposition 10 Soit f un endomorphisme dun K - espace vectoriel E et Q un polynome sur K. Alors Q est
annulateur de f si et seulement si est un multiple du polynome minimal de f .

20

1 Reduction des endomorphismes

M.Houbad

preuve de la proposition 10.


H) On suppose que Q est un polynome annulateur de f donc vu la defintion de mf le polynome minimal de f
on conclut que le degre de Q et superieur ou e gale au degre de mf , quitte a` faire la division euclidienne de Q par
mf on a
Q D P mf C R ; d0 R < d0 mf ;
(1.18)
quitte a composer a` droite par f et utiliser le fait que Q et mf sont des annulateurs de f on conclut que
R. f / D 0 ;

d0 R < d0 mf ;

si on suppose que R 0 cela revient a` dire que R est un annulateur de f , ce qui est absurde vu le fait que mf est
le polynome annulateur du plus bas degre. Donc necessairement R  0 et donc vu (1.18) on conclut que Q est un
multiple de mf .
(H On suppose quun polynome Q est un multiple de mf ce qui donne lexistence dun polynome P tel que
Q D P mf ;
quitte a` composer par lendomorphisme f et quitte a` utiliser le fait que le polynome minimale mf est un annulateur
de f on en deduit que Q est aussi un annulateur de f .
2
Lemme 1 Soit f un endomorphisme dun K - espace vectoriel E. Alors le polynome minimale de cet endomorphisme est unique.
preuve du lemme 1. On suppose quil existe un endomorphisme f qui admet deux polynomes minimaux m1 et
m2 , donc ils sont des annulateurs de cet endomorphisme. Vu la Proposition 10 on conclus que lun est un multiple
de lautre
9 P1 ; P2 2 K X W m1 D P1 m2 ; m2 D P2 m1 ;
ce qui permt detablir que
P1 P2 / m1 D 0 ;

.1

le polynome minimal nest jamais nul vu sa definition, donc necessairement


P1 P2 D 1 ;
vu que P1 et P2 sont deux polynomes donc necessairement
P1 D c ;

P2 D

1
;
c

c 2 K ;

ce qui donne que


m2 D c m1 ;
vu que le polynome minimal est normalise et que m1 et m2 sont deux polynomes minimaux on en deduit que c D 1
ce qui donne m1 D m2 dou lunicite du polynome minimal.
2
Theor`eme 5 ( Theor`eme Principal ) Soient E un K - espace vectoriel de dimension finie n et f un endomorphisme de E. Alors f est diagonalisable si et seulement si son polynome minimal est scinde dans K et nadmet que
des racines simples.
preuve du theor`eme 5.
H) On suppose que f est diagonalisable, donc son polynome caracteristique est scinde et il existe une base de
E formee par les vecteurs propres de f , on la note B D f vk gk D 1  n . Ainsi

8 v 2 B ; 9  2 Sp . f / W f . v / D  v H) f
 Id . v / D 0 ;

il est simple de conclure que nimporte quelle composition de f Id . v / par nimporte quel endomorphisme
donne zero, en particulier on conclut que


8v 2 B W
.f
 Id / . v / D 0 ;

 2 Sp . f /

Universite de Tlemcen

1.6 Polynome annulateur et minimale

21

tel que Sp . f / est lensemble des valeurs propres de f dans lequel chaque valeurs propres est compte une seul
fois en dehors de sa multiplicite, alors lendomorphisme

.f

 Id / ;

 2 Sp . f /

sannule sur les e lements de la base B donc il est identiquement nul, autrement dit le polynome
Y
Q. x / D
.x
/
 2 Sp . f /

est un polynome annulateur de f . Ce polynome est un multiple de mf cela e tant dit revient a` conclure que ce
dernier divise Q, or vu que Q nadmet que des racines simples donc le polynome minimal nadmet lui aussi que
des racines simples.
(H On suppose que le polynome minimal est scinde et nadmet que des racines simples, ce polynome en
particulier est annulateur de f , alors f est diagonalisable.
2
1.6.4 Recherche du polynome minimal
Theor`eme 6 ( Cayley - Hamilton) Soit f un endomorphisme dun K - espace vectoriel E de dimension finie n.
Alors le polynome caracteristique Pf de lendomorphisme f est un polynome annulateur de f , autrement
Pf . f /  0 :
Corollaire 2 Soit f un endomorphisme dun K - espace vectoriel E de dimension finie. Alors Le polynome caracteristique de f est un multiple de son polynome minimal.
preuve du corollaire 2. En utilisant la Proposition 10 qui affirme que toute polynome annulateur est un multiple
du polynome minimale et le Theor`eme 6 qui affirme que le polynome caracteristique est un polynome annulateur
alors on a le resulat du corrollaire.
2
Proposition 11 Soit E un K - espace vectoriel de dimension finie et f un endomorphisme de E. Alors les racines
du polynome minimal mf sont exactement les racines du polynome caracteristique Pf mais avec de multiplicites
generalement differentes.
Preuve. de la Proposition 11. Vu le Corrolaire 2 on en deduit que
9 Q 2 K X W

Pf D Q mf ;

donc si  est une racine de mf alors cest clair que cest une racine de Pf donc
lensemble des racines de mf  Sp . f / :
Inversement, vu que mf est un polynome annulateur de f et vu la Proposition 6 en conclut que
Sp. f /  lensemble des racines de mf :
En conlsuion
Sp. f / D Lensemble des racines de mf :
2
Exemple 11 Soit lendomorphisme g de R3 definit par
0 1
0
1
x
x C y C z
y C zA :
g @y A D @ x
x C y
z
z
On determine le polynome caracteristique, le calcul fournit que ce dernier vaut

1 Reduction des endomorphismes

22

M.Houbad

1 / .  C 2 /2 ;

.

ainsi vu le Proposition 11, on conclut quon a deux possibilites pour le polynome minimal
8
1 / .  C 2 /2 ;
< Q1 .  / D . 
ou
mg .  / D
:
Q2 .  / D . 
1/. C 2/;
on teste cette liste de polynomes sur g, on commence par celui du plus petit degre ainsi le premier qui sannule en
le composant par g sera le polynome minimal. Dans notre cas pour faciliter la tache au lieu de calculer Qi . g / on
calcul Qi . A / tel que A est la matrice associee a` g dans nimporte quelle base qui dans notre situation elle est
prise dans la base canonique de R3 . Alors
0
1
011
A D @1 0 1A ;
110
et le calcul fournit que
Q2 . A / D . A

I/.A C 2I/ D 0;

donc Q2 cest le polynome minimal et donc


mg .  / D . 

1/ .  C 2 / :

1.7 Reduction en blocs


1.7.1 Sous espaces caracteristiques
Definition 13 ( Sous espaces caracteristiques) Soint E un K - espace vectoriel, f un endmorphisme de E et 
une valeur propre de f de multiplicite . Alors on appelle le sous espace caracteristique associe a` la valeur propre
 le sous espace vectoriel
N D Ker . f
 Id / ;
Proposition 12 ( Stabilite des sous espaces caracteristiques ) Soint E un K - espace vectoriel, f un endmorphisme de E et  une valeur propre de f de multiplicite . Alors
1. Le sous espace propre qui correspond a` la valeur  est un sous ensemble de N
E  N :
2. Le sous espace caracteristique N est stable par laplication f dans le sens o`u
f . N /  N :
preuve de la proposition 12.
1. Soit x 2 E , ce qui donne que
f
quitte a` composer par . f
f


 Id . x / D 0 ;

 Id / 1 on obtient que

 Id . x / D 0 H) x 2 Ker . f

 Id / D N :

2. Soit x 2 N donc
f

 Id

. x / D 0 H) f

 Id

qui peut e tre mise sous la forme




f .f


 Id / . x / D 0 :

En utilisant la Remarque 1.6 on peut conclure que

.x/

D 0;

1.7 Reduction en blocs

Universite de Tlemcen

 Id / D . f

f .f
ce qui permet davoir

.f

 Id / f

. x / D 0 H)

23
 Id / f ;

 Id

f. x /

D 0;

finalement on conclut que


f . x / 2 Ker . f

 Id / D N ;
2

Ce qui termine la preuve de la proposition.

Lemme 2 ( Somme des sous espaces caracteristiques ) Soint E un K - espace vectoriel de dimension finie n et
f un endomorphisme de E admet un polynome caracteristique scinde de la forme
Pf .  / D

p
Y

. k

 /k ;

8 i; j 2 Np ; i j W

i j :

(1.19)

kD1

Alors

p
M

E D

Nk :

kD1

preuve du lemme 2. En applique le Theor`eme Cayley - Hamilton, il sagit du Theor`eme 6, alors on a Pf est un
polynome annulateur de f , vu quil secrit sous la forme (1.19) et vu que les polynomes
k / k ;

Qk D . 

pour k D 1    p sont premier entre eux il suffit dappliquer la Proposition 9 (Lemme de decomposition des
noyaux).
2
1.7.2 Reduction en blocs triangulaires
Theor`eme 7 ( Reduction en blocs triangulaires ) Soint E un K - espace vectoriel de dimension finie n, f un
endomorphisme de E admet un polynome caracteristique scinde de la forme
Pf .  / D

p
Y

. k

 /k ;

8 i; j 2 Np ; i j W

i j :

kD1

Alors il existe une base de E notee B de la forme


B D

p
[

Bk ;

kD1

ou Bk est une base de Nk , telle que


0
1
?
B
:
B
::
B
B 0
1
B
B
B
B
B
B
B
M. f /B D B
B
B
B
B
B
B
B
B
B
@

2

?
::

:
2

de taille 1

C
C
C
C
C
C
C
C
C
C
C
C :
C
C
C
::
C
:
C
C
p
? C
C
C
::
:
A
0
p

de taille 2

de taille P

1 Reduction des endomorphismes

24

M.Houbad

Exemple 12 Soit la matrice A 2 M6 . R / qui admet une polynome caracteristique de la forme


Pf .  / D . 

1 /2 . 

2 /3 . 

3/;

donc sa reduction en bloc est de la forme


0

1a
B 01
B
B
B
B
B
B
B
B
@

2b c
02d
00 2
3

C
C
C
C
C
C ;
C
C
C
A

ce qui donne que


A v1 D v1
A v2 D a v1 C v2 ;
A v3 D 2 v3 ;
A v4 D b v3 C 2 v4 ;
A v5 D c v3 C d v4 C 2 v5 ;
A v6 D 3 v6 :
la resolution est pareille que dans le cas de la trigonalisation.

1.8 Decomposition de Dunford


Definition 14 ( Nilpotence ) Soit f un endomorphisme dun K - espace vectoriel E, on dit que f est nilpotente si
9p 2 N W

fp  0 ;

et le plus petit entier p pour lequel la propriete precedente est verifiee sappelle indice de nilpotence. Parielle pour
les matrices, une matrice caree A est dite nilpotente si
9p 2 N W

Ap D 0 :

Proposition 13 Soit f un endomorphisme dun K - espace vectoriel E de dimension n, alors f est nilpotente si et
seulement si
fn  0 :
Pour les matrices, si A est une matrice de taille n alors elle est nilpotente si et seulement si
An D 0 :
Preuve. si f est nilpotente donc f p  0 pour certain p 2 N donc x p est un polynome annulateur et donc les
valeurs propre de f sont toutes nuls ce qui donne que le polynome caracteristique vaut . x/n or il est annulateur
2
donc . f /n  0 et finalement f n  0.
Theor`eme 8 ( Decomposition de Dunford ) Soient E un K - espace vectroriel de dimension finie n et f un endomorphisme de E dont le polynome caracteristique est scinde. Alors f se decompose dune maniere unique sous la
forme
f  D C N ;
avec D un endomorphisme diagonalisable et N un endomorphisme nilpotent tel que D et N commutent dans le
sens ou
D N  N D:

1.9 Reduction de Jordan

Universite de Tlemcen

25

1.9 Reduction de Jordan


Definition 15 ( Bloc de Jordan ) On appelle un bloc de Jordan
une matrice carree de taille n de la forme
1. Si n  2 alors
0
 1
B ::
B
:
J.  / D B
B
@
0

associe a` la valeur  dordre n et on le note J

0
::

C
C
C ;
:: C
: 1A

:

2. si n D 1 alors
J.  / D .  / :
Lemme 3 Soit J D J .  / un bloc de Jordan dordre n alors
PJ . x / D . 

x /n ;

 /n ;

mJ . x / D . x

dim E D 1 :

Theor`eme 9 ( Premier Theor`eme de Jordan ) Soit f un endomorphisme dun K - espace vectoriel E de dimension finie n tel que
1. Le polynome caracteristique de f est scinde et f admet une seule valeur propre 
Pf . X / D .

1/n . X

 /n :

2. Le polynome minimal de f est de la forme


 / :

mf . X / D . X

3. Le sous espace propre correspondant a` la valeur propre  admet une dimension vaut
dim E D :
Alors dans ce cas, il existe une base B de E dans laquelle la matrice associee a` f est de la forme
1
0

B J ./
1
B
B
B
B
B
B
B
B
Q
J WD B
B
B
B
B
B
B
B
B
@

J2 .  /
::

C
C
C
C
C
C
C
C
C
C ;
C
C
C
C
C
C
C
C
J .  / A

o`u
Les Jk .  / sont les blocs de Jordan.
Lordre du plus grand bloc est .
Le nombre des blocs est .
Exemple 13 Soit A une matrice de taille 4 qui admet un tel que
PA .  / D . 
donc

1 /4 ;

mA .  / D . 
0

1
11
B0 1
C
B
C :
@
1 A
1

1 /2 ;

dim E1 D 3 :

1 Reduction des endomorphismes

26

M.Houbad

Theor`eme 10 ( Second Theor`eme de Jordan ) Soit f un endomorphisme dun K - espace vectoriel E de dimension finie n tel que le plynome caracteristique de f est scinde et f admet p valeurs propres distinctes k pour
k D 1    p chacune de multiplicite k
Pf . X / D .

p
Y

1/n

k /k :

.X

kD1

Alors il existe une base B de E telle que la matrice associee a` f dans cette base est de la forme
1
0
B Q
B J1 . 1 /
B
B
B
B
B
B
B
B
B
B
B
B
B
B
B
B
B
@

JQ2 . 2 /
::

C
C
C
C
C
C
C
C
C
C
C ;
C
C
C
C
C
C
C
JQp . p / C
A

de taille 1
de taille 2

de taille p

tel que les blocs JQ sont donner par le theor`eme 9.


Exemple 14 Soit A une matrice de taille 6 qui admet un tel que
PA .  / D . 

1 /4 

2 /2 ;

donc

mA .  / D . 
0

11
B0 1
B
B
1
B
B
1
B
@
2
0

1 /2 

2 /2 ;

dim E1 D 3 ;

1
C
C
C
C :
C
C
1A
2

1.10 Application de la decomposition de Dunford


1.10.1 puissance dune matrice
Lemme 4 ( Fomule de binome de Newton ) Soit A et B deux matrice carree qui commutent alors
. A C B /p D

p
X

Cpk Ap

Bk :

kD0

Proposition 14 Soit A une matrice carree de la forme


0
A1
B
B
A2
A D B
B
@

A3
A4

C
C
C
C
A

tel que Ai sont des matrice carree positionnees sur la diagonale de la matrice A. Alors

dim E2 D 1 :

Universite de Tlemcen

1.10 Application de la decomposition de Dunford


0
1
Ak1
B
C
B
C
k
A
B
C
2
C
Ak D B
B
C
B
C
Ak3
@
A
k
A4

27

Proposition 15 Soit A 2 Mn . K / avec un polynome caracteristique scinde et A admet une seul valeur propre.
Pour calculer Ak
1. On determiner une decomposition de Dunford de la matrice A de la forme
A D D C N ;
tele que D est une matrice diagonale formee par les valeurs propres de A et N est une matrice nilpotente
qui vaut A N .
2. On calcule Ak selon la formule du binome de Newton
Ak D

min. X
k;n 1/

Ckj Dk

Nj :

j D0

Exemple 15
un D 2 un

un

Proposition 16 ( Importante concernant la decomposition de Dunford ) Soit A une matrice carree a` polynome
caracteristique scinde.
1. Si A admet une seul valeur propre 0 la decomposition de Dunford est de la forme
0
1
0
B
C
::
A D D C N ; N D A
D; D D @
A :
:
0
2. Si A admet au moins deux valeurs propres distincts alors la reduction de Dunford ce fait selon la methode
suivante
a. On fait la reduction triangulaire ou la reduction par blocs ou la reduction de la matrice A et on
determine la matrice reduite A0 et la matrice de passage P .
b. On decompose la matrice reduite A0 sous la forme
A0 D D0 C N 0 ;
tel que D0 est une matrice diagonale formee par les valeurs propres de A et N 0 une matrice nilpotente
qui vaut
N 0 D A0
D0 :
c. Alors la decomposition de Dunford de la matrice A vaut
0
0
P N
P 1 :
A D
P D
P 1 C
D D
D N

1.10.2 Exponentielle dune matrice


Definition 16 On defini lexponentielle dune matrice carree A par la formule
eA D

C
1
X
kD0

Proposition 17 Soit A 2 Mn . K /

Ak
;
k

1 Reduction des endomorphismes

28

M.Houbad

1. Si A et B sont deux matrices qui commute alors


eA C B D eA eB :
2. Si A est nilpotente alors
eA D

nX1
kD0

Ak
:
k

3. Si A est diagonale alors


e a11 0
B 0 e a22
B
D B :
::
@ ::
:
0
0
0

eA



::
:

0
0
::
:

   e ann

1
C
C
C :
A

4. Si les deux matrices A et A0 sont semblable, autrement dit


A D P A0 P

9 P 2 Mn . K / ; det P 0 W
alors

eA D P eA P

Proposition 18 La resolution du syst`eme


d
X D AX ;
dt
peut e tre fait par la methode suivante.
1. On determiner les valeurs propres de A et on decompose A selon la decomposition de Dunford
A D D C N :
2. La solution X vaut
X D eA t C D eD t

 nX1 N k

tk C :
k
kD0

Exemple 16
f.2/ C 2 f.1/ C f D 0 :