Reduction 7

RÉDUCTION DES ENDOMORPHISMES
HAJMI Saaid
Cours de Mathématiques MP
Année universitaire 2016/2017
http://www.mp-math.com
TABLE DES MATIÈRES Réduction
Table des matières

1 Sous espaces stables par un endomorphisme 2
2 Valeurs propres, vecteurs propres 3

2.1 Valeurs propres, vecteurs propres d’un endomorphisme . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
2.2 Valeurs propres, vecteurs propres d’une matrice. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
3 Polynôme caractéristique 5
4 Diagonalisation 7
5 Applications de la diagonalisation 10
6 Trigonalisation 11
7 Polynôme d’endomorphisme ou de matrice 14

7.1 Polynôme d’endomorphisme . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
7.2 Polynôme de matrice . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
8 Application à la réduction de la notion de polynôme annulateur 19
– http://www.mp-math.com – 1/21
Sous espaces stables par un endomorphisme Réduction
K désigne R ou C, E un K-espace vectoriel .
1 Sous espaces stables par un endomorphisme
Définition 1 :
Ð
Ð Soit u ∈ L (E), un sous espace vectoriel F de E est dit stable par u (ou u-stable) si
Ð
u(F ) ⊂ F
Ð
Définition 2 :
Si
§ F est un sous espace vectoriel de E qui u-stable,a alors on définit un endomorphisme sur F en considérant
Ð
Ð
Ð F −→ F
Ð u F : x → u(x) , appelé l’endomorphisme induit par u sur F .
Ð
Proposition 1 :
Si F est un sous espace stable par deux endomorphismes f et g, alors F est stable par f ◦ g, par f + λg et
Ð
Ð
Ð on a :
Ð
Ð
Ð ( f ◦ g) F = f F ◦ g F , ( f + λg) F = f F + λg F
Ð
Ð En particulier : ∀k ∈ N, F est stable par uk et on a :
Ð
Ð
(uk ) F = (u F )k
Ð
Preuve. Soit x ∈ F , on a : f ◦ g(x) = f (g(x)) ⊂ f (F ) ⊂ F , et

f ◦ g(x) = f (g F (x)) = f F (g F (x)) = f F ◦ g F (x)
( f + λg)(x) = f (x) + λg(x) ∈ F et ( f + λg)(x) = f F (x) + λg F (x)
Proposition 2 :
La somme et l’intersection de deux sous espaces stables est un sous espace stable.
Ð
Preuve. Si F et G sont deux sous espaces tables, alors u(F +G) = u(F )+u(G) ⊂ F +G et u(F ∩G) ⊂ u(F )∩u(G) ⊂ F ∩G.

Remarque 1 :
Cette propriété se généralise à une famille finie de sous espaces.
Ð
Proposition 3 :
Si f ◦ g = g ◦ f alors ker g et Im g sont stables par f .
Ð
Preuve. x ∈ ker g, g( f (x)) = f (g(x)) = f (0) = 0, donc f (x) ∈ ker g.

y ∈ Im g, il existe x ∈ E, g(x) = y, dans ce cas
f ( y) = f (g(x)) = g( f (x)) ∈ Im g.
Exercice 1 H = ker ϕ un hyperplan de E.

Montrer H est stable par f si, et seulement si il existe α ∈ K, ϕ ◦ f = αϕ
Proposition 4 :
Soit u ∈ L (E). On suppose que E est de dimension finie.
Ð
Ð
Ð Le sous espace F de E est stable par u si et seulement si la matrice dede u dans une base β = β1 ∪ β2 adaptée à F
Ð

Ð A B
Ð (de sorte que β1 soit une base de F ) est de la forme : M = 0 C . Auquel cas :
Ð
Ð
Ð A = Mat u et det M = (det A) (det C).
β1 F
Valeurs propres, vecteurs propres Réduction
Preuve. Une telle base β s’ecrit β = (e1 , .., e p , .., en ) avec F = vect(e1 , .., ep ).
F est stable par u si et seulement si ∀ j ∈ |[1, p]|, u(e j) ∈ vect(e1 , .., ep ), ce que traduit exactement la forme de la matrice.

n
Généralisation : On suppose que E = ⊕ Ek , alors chaque Ek est stable par u si, et seulement si M , la matrice de u
k=1
A1 0 . . . 0
 
 0 A2 . . . 0 
dans une base β = ∪βk "adaptée" à cette somme est de la forme : 
 .. .. . .
. 0 . .. 
0 0 ... An
n
Y
Dans ces conditions, si on note uk la restriction de u à Ek , alors Ak est la matrice de uk dans βk et det M = det Ak .
1
Exercice 2 p un projecteur de rang r d’un espace vectoriel E de dimension finie égale à n.

f ∈ L (E), montrer que f commute à p si, et seulement si Im p et ker p sont stables par f .
En déduire la dimension de l’espace vectoriel commutant de p :
C (p) = { f ∈ L (E)/ f ◦ p = p ◦ f }
2 Valeurs propres, vecteurs propres

2.1 Valeurs propres, vecteurs propres d’un endomorphisme
Définition 3 :
Soient u un endomorphisme de E et λ un élément de K, λ est dite valeur propre de u si ker(u − λI d) n’est pas
Ð
Ð
Ð réduit au singleton {0}, et dans ce cas Eλ = ker(u − λI d) s’appelle le sous espace propre associé à la valeur propre
Ð
λ et les éléments non nuls de ker(u − λI d) s’appellent les vecteurs propres de u associés à la valeur propre λ.
Ð
Proposition 5 :
Si λ est une valeur propre de u ,alors ∀k ∈ N, λk est une valeur propre de uk et on a Eλ (u) ⊂ Eλk (uk ).
Ð
Preuve. Si x est non nul tel que u(x) = λx, alors par récurrence uk (x) = λk x. Le résultat en découle.
Exemple 1
Ð
Ð
Ð
Ð
Ð I un intervalle non trivial de R, soit
Ð
C ∞ (I, C) C∞ (I, C)
§
Ð −→
Ð ϕ:
Ð
Ð f → f0
Ð
Ð
Ð Déterminer les valeurs et vecteurs propres de f .
Soit λ ∈ C une valeur propre de ϕ, il existe f ∈ C 1 (I, C) non nulle telle que f 0 = λ f .
Ð
Ð
f 0 = λ f ⇐⇒ ∃c ∈ C, ∀t ∈ R : f (t) = c exp(tλ).
Ð
Ð
Par conséquent S p( f ) = C et pour tout λ ∈ C :
Ð
Ð
Ð Eλ (ϕ) = C fλ ; fλ : t → exp(tλ).
Exemple 2
Ð
Ð
Ð
Ð Déterminer les éléments propres de l’endomorphisme :
Ð
Ð § ∞
Ð C (R, R) −→ C ∞ (R, R)
Ð φ :
Ð
Ð f → f 00
Ð
Ð Soit λ ∈ R. On cherche les fonctions non nulles f ∈ C ∞ (R, R) telles que f 00 = λ f .
Ð
1. Si λ > 0, Eλ (φ) = vect(t → cosh(λt), t → sinh(λt)).
Ð
2.2 Valeurs propres, vecteurs propres d’une matrice. Réduction
Ð
Ð 2. Si λ < 0, Eλ (φ) = vect(t → sin(λt), t → cos(λt)).
3. Si λ = 0, Eλ (φ) = vect(t → 1, t → t).
Ð
Ð
Donc Sp(φ) = R.
Ð
Proposition 6 :
Ð
1. Eλ (u) est un sous espace vectoriel de E stable par u, et les droites stables sont exactements les droites portées
Ð
Ð
par des vecteurs propres.
Ð
Ð
Ð X
Ð
Ð 2. Si λ1 , ..., λ p sont des valeurs propres distincts de u, alors la Eλi est directe.
Ð
Ð De manière équivalente si e1 , .., e p sont des vecteurs propres associés à des valeurs propres distincts λ1 , ..., λ p .
Ð
Ð alors (e1 , ..., e p ) est libre.
Ð
Ð 3. Si f et g sont deux endomorphismes qui commutent alors tout sous espace propre de l’un est stable par
Ð
l’autre.
Preuve.
1. Eλ (u) = ker(u − λI E ), est stable par u car u − λI E commute à u.
p
X p
X
2. soit (x 1 , ..., x p ) ∈ (Eλ1 (u) , ..., Eλp (u) ) tel que x k = 0, en composant par ui , on obtient λik x k = 0. Par
k=1 k=1
p
X
combinaison linéaire, on aura pour tout P ∈ K[X ], P(λk )x k = 0. en particulier pour le ième polynôme
k=1
Y X − λj
d’interpolation de Lagrange en les λi , P = L i = , on obtient x i = 0.
j6=i
λi − λ j
3. f et g commutent, il en sera de même pour g − λI E et f , et d’où le résultat.

Exemple 3
Ð
Ð
Montrer que la famille des fonctions ( fλ∈R∗+ ), fλ : x → cos(λx) forme une famille libre.
Ð
Ð
Ð
Ð
En effet les fλ sont des vecteurs propres de l’endomorphisme : ϕ : f → f 00 de l’exemple 2 associés au valeurs
Ð
Ð
Ð propres −λ2 respectivement. Elles formeront par conséquent une famille libre.
Ð
De même, en utilisant cette fois-ci l’exemple 1 la famille de fonctions (x → eλx )λ∈R est libre.
Ð
2.2 Valeurs propres, vecteurs propres d’une matrice.
Définition 4 :
Soient M ∈ Mn (K) et λ ∈ K.
Ð
Ð
Ð λ est dite valeur propre de M s’il existe un vecteur colonne V non nul de Mn,1 (K) tel que M V = λV .
Ð
Ð Un tel vecteur V est appelé vecteur propre de M pour la valeur propre λ.
Ð
L’ensemble des valeurs propres éventuelles de M dans K s’appelle spectre de M dans K et se note SpK (M).
Ð
Remarque 2 :
Ð
Ð si u est un endomorphisme associé à M dans n’importe quelle base β de E alors les valeurs propres de M sont
Ð
Ð exactement les valeurs propres de u et les vecteurs propres de M sont les vecteurs colonnes composantes des vecteurs
Ð
Ð propres de u dans β.
Remarque 3 :
Si K est un sous corps de L, alors SpK (M) ⊂ SpL (M)
Ð
Polynôme caractéristique Réduction
3 Polynôme caractéristique
Théorème définition 1 :
Ð
Ð Soit M ∈ Mn (K), si on pose :
Ð χ = det(X I − M ), alors χ est polynôme de degré n et on a
Ð M n M
Ð
χ M = X n − (trM)Xn−1 + ... + (−1)n det M
Ð
Preuve. Posons M = (ai j ) et X I n − M = B = (bi j ), on a

bi j = −ai j si i 6= j et bii = X − aii
X
det(XIn − M) = "(σ)Πbσ(i)i
σ∈Sn
X
= Πni=1 bii + "(σ)Πbσ(i)i
σ∈Sn \{I d}
X
= Πni=1 (X − aii ) + "(σ)Πbσ(i)i
σ∈Sn \{I d}
Si σ 6= I d, soit alors i0 tel que σ(i0 ) 6= i0 , posons j0 = σ(i0 ), on a aussi par injectivité de σ ; σ( j0 ) 6= j0 , et donc Πni=1 bσ(i)i
est un polynôme de degré ≤ n − 2.
X n
Πni=1 (X − aii ) est un polynôme de degré exactement n, son coefficient dominant est 1, et le coefficient de X n−1 est −
i=1
aii = −tr(M ) et le coefficient constant de χ M est χ M (0) = (−1)n det M .
Remarque 4 :
En particulier pour n = 2, χ M = X 2 − tr(M)X + det M
Ð
n−1
X
Exercice 3 (Matrice compagnon :) Si P = X n + ak X k , on appelle matrice compagnon de P, la matrice
k=0
0 0 ... 0 −a0
 
.. ..
1 0 . . −a1
 
 

.. .. .. .. 
C(P) = 
 0 . . . .


 .. .. ..


. . . 0 −an−2

0 ... 0 1 −an−1
Montrer que χC(P) = P
Proposition 7 :
Si deux matrices sont semblables alors elles auront le même polynôme caractéristique.
Ð
Preuve. Si B = P −1 AP, alors :
χB (X ) = det(X I n − P −1 AP) = det(P −1 (X I n − A)P) = det(X I n − A) = χA(X )
Proposition 8 :
Le spectre de M dans K est exactement l’ensemble des racines dans K de χ M , et par conséquent SpK (M) est fini
Ð
Ð
et son cardinal est plus petit que n.
Ð
Preuve. λ ∈ K est une valeur propre de M si et seulement si ker(M − λI n ) 6= {0}, autrement dit la matrice M − λI n non
inversible et χm (λ) = det(λI n − M ) = 0.
Polynôme caractéristique Réduction
Exemple d’application 4
Ð
Ð
u un endomorphisme non homothétie d’un K espace vectoriel de dimension 2, montrer qu’il existe une base β
Ð
Ð
Ð de E, tel la matrice de u dans β soit de la forme :
Ð
Ð
Ð
Ð 0 − det u
Ð M =
Ð
Ð 1 tr(u)
Ð
Ð En déduire que deux matrices non scalaires sont semblables si, et seulement si elles ont le même polynôme caracté-
Ð
ristique.
Ð
Proposition 9 :
Si A ∈ Mn (K), alors χA = χt A
Ð
Preuve. χt A = det(X I n − t A) = det( t (X I n − A)) = det(X I n − A) = χA
Corollaire 1 :
Ð
Ð Le spectre d’une matrice triangulaire ou diagonale est exactement l’ensemble des éléments diagonaux de la
Ð
matrice.
Preuve. Le cas triangulaire généralise le cas diagonal. Soit M = (ai j ) une matrice triangulaire supérieure, la matrice
n
Y
X I − M est encore triangulaire supérieure, donc χ M (X ) = (X − aii ), d’où le résultat :
i=1
Soit E un espace vectoriel de dim n et u ∈ L (E).
Ð
Ð
Ð Pour toute base β de E, det(M atB (X I n − u)) est indépendant de la base β choisie et s’appelle le polynôme carac-
Ð
téristique de u et se note χu .
Ð
Remarque 5 :
Ð
1. Si λ ∈ K alors χu (λ) = det(λI E − u) et
Ð
Ð
Ð
Ð λ valeur propre de u ssi χu (λ) = 0
2. χu est un polynôme de degré égal à n et
Ð
Ð
Ð
Ð
Ð χu = X n − truXn−1 + . . . + (−1)n det u
Exemples 5
Ð
Ð
Ð
Ð
Ð 1. Si p est un projecteur en dimension n, alors :
Ð
χ p = (X − 1)q X n−q
Ð
Ð
Ð
Ð
Ð
Ð avec q = rg(p).
2. Si f est un endomorphisme en dimension n de rang 1, alors :
Ð
Ð
Ð
Ð
Ð χ f = X n−1 (X − tr(f))
Diagonalisation Réduction
Proposition 10 :
Soient E un espace vectoriel de dimension finie et u ∈ L (E).
Ð
Ð
Ð Si F est un sous espace vectoriel de E stable par u alors :
Ð
Ð
Ð
Ð χ /χ uF u

A B
Preuve. Dans une base β = β1 ∪ β2 adaptée à F , la matrice de u s’écrit : , où A = M at β1 u F . Par conséquent :
0 C
χu = χAχB = χuF χB .
Généralisation
p
M
Soit u ∈ L (E), on suppose que E = Fk où les Fk sont des sous espace vectoriels de E stables et non réduits à {o E } et
k=1
on note vk = u/Fk alors :
p
Y
χu = χ vk
k=1
Définition 5 :
u ∈ L (E) (resp M ∈ Mn (K)) soit λ une valeur propre de u (resp de M ).
Ð
Ð
On appelle multiplicité de λ sa multiplicité comme étant une racine de χu (resp χ M ).
Ð
Propriété 1 :
Ð
Ð Soit u ∈ L (E). Soit λ une valeur propre de u. Si on note
Ð d(λ) = dim E et m(λ) la multiplicité de λ alors :
Ð λ
Ð
Ð
1 ≤ d(λ) ≤ m(λ)
Preuve. Eλ (u) est stable par u et la restriction v de u à Eλ (u) est l’homothétie de rapport λ dont le polynôme caracté-
ristique est χ v (X ) = (X − λ)dimEλ (u) . La proposition précédente implique donc que
d(λ) ≤ m(λ)
De plus Eλ (u) 6= {0}, donc 1 ≤ dimEλ (u).
Remarque 6 :
Il en résulte que si λ est une valeur propre de u de multiplicité 1, alors la dimension de l’espace propre associé
Ð
Ð
est toujours égale à 1.
Ð
4 Diagonalisation
Dans tout ce paragraphe E est un K espace vectoriel de dimension finie égale à n.
Définition 6 :
Un endomorphisme u est dit diagonalisable s’il existe une base β de E telle que M atB u soit diagonale.
Ð
Remarque 7 :
Si β = (e1 , ..., en ) est une base de E, alors :
Ð
Ð
Ð Mat u = diag(λ , ..., λ ) si et seulement si ∀i ∈ |[1, n]|, u(e ) = λ e . D’où la proposition suivante :
β 1 n i i i
Proposition 11 :
u est diagonalisable si et seulement si il admet une base de vecteurs propres.
Ð
Théorème 3 :
Ð
Ð u ∈ L (E), les psse :
Ð
Ð 1. u est diagonalisable.
M
2. χu est scindé et E = Eλ (u)
Ð
Ð
λ∈Sp(u)
Ð
Ð
Ð X
3. χu est scindé et dim E = dim(Eλ (u))
Ð
Ð
λ∈Sp(u)
Ð
Ð
4. χu est scindé et ∀λ ∈ Sp(u), d(λ) = m(λ).
Ð
Preuve. 1) =⇒ 2) Supposons que u est diagonalisable. M M

Soit β une base propre de u. Tout vecteur e ∈ β est vecteur propre de u donc e ∈ Eλ (u) puis E ⊂ Eλ (u) et
M λ∈Sp(u) λ∈Sp(u)
enfin E = Eλ (u).
λ∈Sp(u)
2) c’est équivalente à 3) du fait que la somme est directe.
p
M p
2) =⇒ 4)En calculant le polynôme caractéristique dans une base adaptée à E = Eλi , on obtient χu = Πi=1 (λi −
i=1
X )dimEλi (u) , et par unicité de la multiplicité d(λ) = m(λ).
p
X
4) =⇒ 2) supposons que χu est scindé et ∀λ ∈ Sp(u), d(λ) = m(λ). On a toujours n = deg χu = m(λi ) et donc
i=1
p
X
n= dim Eλi .
i=1
2) =⇒ 1)Dans une base adaptée à cette décomposition la matrice est diagonale.
Preuve. u diagonalisable, il existe P scindé à racines simples tel que P(u) = 0, ce polynôme sera aussi annulateur de v,
d’où la diagonalisabilité de v.
Proposition 12 :
Si le polynôme caractéristique est scindé à racines simples (c’est à dire que u admet n valeurs propres distinctes)
Ð
Ð
alors u est diagonalisable et la dimension de chaque sous espace propre est égale à 1.
Ð
Remarque 8 :
Bien sur la condition de la proposition n’est pas nécessaire, en considérant par exemple l’identité de E.
Ð
Définition 7 : Matrices diagonalisables

Soit M un élément de Mn (K).
Ð
Ð
Ð On dit que M est diagonalisable si M est semblable à une matrice diagonale D, c’est-à dire s’il existe une matrice
Ð
inversible P telle que M = P DP −1 . On dit alors que D est une réduite diagonale de M .
Ð
Remarque 9 :
Ð
Ð Avec les notations ci-dessus, les coefficients de la diagonale de D sont les valeurs propres de M , chacune figurant
Ð autant de fois que son ordre de multiplicité.
Ð
Propriété 2 :
Soit M un élémnt de Mn (K).
Ð
Ð
Ð M est diagonalisable si et seulement si tout endomorphisme u d’un K-espace vectoriel E de dimension n dont la
Ð
Ð matrice est M dans une base β de E est diagonalisable, et en particulier l’endomorphisme de K de matrice M dans
Ð n
la base canonique.
Ð
Remarque 10 :
Ð
1. Soit M un élément de Mn (R).
Ð
Ð
Ð
Ð Si M est diagonalisable dans R alors M est diagonalisable dans C, avec les mêmes valeurs et vecteurs propres
Ð
Ð et la même égalité M = P DP −1 , les matrices P et D étant à coefficients réels.
Ð
Ð En revanche, toujours avec M dans Mn (R), M peut être diagonalisable dans C sans l’être dans R, si des
Ð valeurs propres sont complexes mais non réelles.
Dans l’égalité M = P DP −1 , P et D sont alors à coefficients complexes.
Ð
Ð
Ð
2. Dans l’égalité M = P DP −1 , P est la matrice de passage de la base canonique de Kn à une base de vecteurs
Ð
Ð
propres de M .
Ð
Méthode et exemples :
Soit à diagonaliser une matrice M de Mn (K).
1. On calcule le polynôme caractéristique χ M de la matrice M puis les racines dans K de ce polynôme.
2. Si χ M nest pas scindé dans K, alors M n’est pas diagonalisable dans K.
3. Si χ M est scindé alors pour chaque racine λ qui sera une des valeurs propres de M on résoud le système homogène
(M − λI n )X = 0, où X est une matrice colonne de Kn .
La résolution conduit à une base βλ de Eλ , donc à dim Eλ .
Xp
4. Si, dim(Eλi ) < n , alors M n’est pas diagonalisable.
i=1
p
X
5. Sinon, c’est à dire dim(Eλi ) = n alors M est diagonalisable, et la juxtaposition des bases βλi donne une base
i=1
de Kn , formée de vecteurs propres.
 
8 0 9
Exemple 1 :M =  −3 −1 −3 
−6 0 −7
χ M = −(X − 2)(X + 1)2 .
— Sous espace propre associé à la valeur propre -1. On résoud le système :
9x + 9z = 0

(M + I)V = 0 ⇐⇒ −3x − 3z = 0 ⇐⇒ x + z = 0
−6x − 6z = 0

   
1 0
Il s’agit du plan engendré par  0  et  1 
−1 0
On peut déja en déduire la diagonalisabilité de M .
— Sous espace propre associé à la valeur propre 2. On résoud le système :
 3
x =− z
6x + 9z = 0
 
2


(M − 2I)V = 0 ⇐⇒ −3x − 3 y − 3z = 0 ⇐⇒ y = − 1 z

−6x − 9z = 0

 2
z=z

 
3
Il s’agit de la droite engendrée par  −1 
−2
Conclusion : Lasomme des dimensions
 des
 sous espaces propres
 est 3, donc M est diagonalisable.
−1 0 0 1 0 3
Si on pose D =  0 −1 0  et P =  0 1 −1 , alors
0 0 2 −1 0 −2
M = P DP −1 .  
2 1 0
Exemple 2 : M =  −6 −3 −2  χ M = −(X − 1)(X − 2)(X − 3).
15 9 7
Applications de la diagonalisation Réduction
Le polynôme caractéristique
 est scindé 
à racines simples, donc M est diagonalisable.
7 −11 −2
Exemple 3 : M =  −3 −1 −6 . χ M = −(X + 4)(X − 8)2 .
−1 1 6
 
2
Si on cherche le sous espace propre associé à la valeur propre 8, on trouve que c’est la droite engendrée par  0 , on
−1
conclut que M n’est pas diagonalisable.

1 2
Exercice 4 u l’endomorphisme de R2 associé à la matrice : A =
2 1
Montrer que A est diagonalisable et exprimer par leurs matrices dans la base canonique les projecteurs propres
associés à u.
5 Applications de la diagonalisation
• Calcul des puissances d’une matrice.
Soit à calculer M k pour tout k ∈ N.
Si M est diagonalisable, soient alors P inversible et D diagonale tel que : M = P DP −1 .
Dans ce cas on a M k = P D k P −1 , c’est à dire que le calcul de M k se ramène à celui de
D k = diag (λ1k , ..., λkn ).
 
8 0 9
Exemple : M =  −3 −1 −3 
−6 0 −7
χ M = −(X − 2)(X + 1)2 .
Avec les mêmes notations que 4.Exemple 1 on a :
M = P DP −1 =⇒ M k = P D k P −1
 
(−1)k 0 0
D =
k
0 (−1)k 0 , finalement on obtient :
0 0 2k
 
−2(−1)k + 3(2k ) 0 −3(−1)k + 3(2k )
Mk =  (−1)k − 2k (−1)k (−1)k − 2k 
2(−1) − 2(2 )
k k
0 3(−1) − 2(2 )
k k
• Systèmes de suites récurrentes de pas 1.

Soient (x n(1) )n , ...(x n(p) )n des suites d’éléments de K. On pose
X n = t (x n(1) , ..., x n(p) ) et on suppose qu’il existe une matrice M telle que, pour tout n, X n+1 = M X n , Dans ce cas on aura :
∀n ∈ N : X n = M n X 0 , ce qui nécessite le calcul des puissances successives de M : on est donc ramené au cas précédent...
• Etude d’une récurrence linéaire de pas p.
Soit à déterminer une suite (x n ) définie par une relation de récurrence du type :
∀n ≥ 0 : x n+p + a p−1 x n+p−1 + ... + a1 x n+1 + a0 x n = 0.
En posant pour tout n ∈ N, X n = t (x n , ..., x n+p−1 ) on obtient la formule de récurence :
 
0 1 0 ... ... 0
 0 0 1 0 ... 0 
.. ..
 
 0

0 0 . . 0 
X n+1 = M X n , avec M =  .

 . .. .. ..

 . . . 0 . 0 

 0 0 0 0 1 
−a0 −a1 . . . . . . . . . −a p−1
Le polynôme caractéristique de M est χ M = [X p + a p−1 X p−1 + ... + a1 X + a0 ].
(d’où la nomination "équation caractéristique").
On est donc encore ramené au problème précédent.
Exemple 6 En relation avec les probabilités

Ð
Ð
Ð
Ð Un joueur participe à un jeu se jouant en plusieurs parties. Ses observations lui premettent d’affirmer que
2
Ð
— S’il gagne deux parties consécutives, alors il gagne la prochaine avec la probabilité .
Ð
Ð
3
Trigonalisation Réduction
Ð 1
Ð — S’il perd une partie et gagne la suivante, alors il gagne la prochaine avec la probabilité
2
Ð
1
Ð
Ð
Ð — S’il gagne une partie et perd la suivante, alors il gagne la prochaine avec la probabilité .
Ð 2
Ð 1
Ð — S’il perd deux parties consécutives, alors il gagne la prochaine avec la probabilité Pour tout entier naturel
Ð 3
n non nul, on note An l’événement "Le joueur gagne la n-ième partie".
Ð
Ð
De plus, pour tout entier naturel n ≥ 2, on pose :
Ð
Ð
Ð
Ð
Ð
Ð En = An−1 ∩ An , Fn = An−1 ∩ An , Gn = An−1 ∩ An , Fn = An−1 ∩ An
Ð
Exprimer pour tout n ∈ N,
Ð
Ð
P(En+1 ), P(Fn+1 ), P(Gn+1 ), P(H n+1 ) en fonction de P(En ), P(Fn ), P(Gn ), P(H n ).
Ð
Ð
En déduire l’expression de P(En ), P(Fn ), P(Gn ), P(H n ), puis leurs limites quand n tend vers l’infini.
Ð
 5 On considère
Exercice  l’équation dans M3 (R) (E) : X 2 = A où
1 1 2
A =  0 2 2 .
0 0 3
1. Montrer que A est diagonalisable sur R.
2. Montrer que si la solution existe, elle commute avec A puis qu’elle est diagonaliable sur R.
3. En déduire toutes les solutions de l’équation (E).
 
2 1 1
Exercice 6 On considère la matrice A = 1 2 1 ∈ M3 (R).
0 0 3
1. Effectuer la réduction de A.
2. Déterminer le commutant de A, C(A) = {M ∈ M3 (R) telle que AM = M A}.
3. Trouver les droites et les plans deR3 stables par A.
 
6 −6 5
Exercice 7 On considère la matrice A = 14 −13 10
7 −6 4
1. La matrice A est-elle diagonalisable ?
 
−1 0 0
2. Montrer que A est semblable à  0 −1 1
0 0 −1
3. Déterminer l’ensemble des matrices qui commutent avec la matrice A
6 Trigonalisation
Définition 8 :
Un endomorphisme f est dit trigonalisable s’il existe une base β de E telle que M atB f soit triangulaire supé-
Ð
Ð
Ð
rieure.
Remarque 11 :
Si f ∈ L (E) est trigonalisable et β = (e1 , ..., en ) une base telle que M atB f est triangulaire supérieure alors si
Ð
Ð
on pose β 0 = (en , ..., e1 ), la matrice de f dans β 0 est triangulaire inférieure.
Ð
Définition 9 :
Une matrice M ∈ Mn (K) est dite trigonalisable si elle est semblable à une matrice triangulaire supérieure.
Ð
Remarque 12 :
M est trigonalisable si et seulement si tout endomorphisme f d’un K-espace vectoriel E de dimension n dont la
Ð
Ð
Ð matrice est M dans une base β de E est trigonalisable, et en particulier l’endomorphisme de Kn de matrice M dans
Ð
la base canonique.
Ð
Théorème 4 :
Ð
Ð Soit u ∈ L (E). les psse :
Ð
Ð 1. u trigonalisable.
2. χu est scindé
Ð
 
a11 ∗ ∗
Preuve. 1) =⇒ 2) : Si M =  0 . ∗ , alors on a :
0 0 ann
χu (X ) = χ M (X ) = Πni=1 (aii − X )
Donc χu est scindé.

2) =⇒ 1) Par récurrence sur n . Il n’y a rien à démontrer si n = 1. Supposons la propriété vraie pour n − 1, soient E un
espace vectoriel de dimension n et u un endomorphisme de E tel que χu scindé.
Soit λ une racine de χu . Soit e1 un vecteur propre associé à λ, que l’on complète en β = (e1 , .., en ) base de E. Soit
F = Vec t(e2 , .., en ), p la projection sur F parallèlement à Ke1 et v : F → F défini par v(x) = p(u(x)) si x ∈ F . Alors
λ ∗ ∗ ∗
 
0
M = M atB (u) =  avec A = M at e2 ,..,en (v). On en déduit que χu (X ) = (X − λ)χ v (X ). Donc χ v est aussi

. A 
0
scindé. Par hypothèse de récurrence, il existe une base ("2 , .., "n ) de F telle que M at ("2 ,..,"n ) v soit triangulaire supérieure
λ ∗ ∗ ∗
 
0
et alors M at (e1 ,"2 ,..,"n ) u =   est triangulaire supérieure.

. M at ("2 ,..,"n ) v
0

Remarque 13 :
1. Ces propositions passent immédiatement aux matrices.
Ð
Ð
Ð
Ð
Ð 2. La démonstration du théorème constitue un algorithme de trigonalisation d’une matrice.
 
2 2 −3
Exemple :  5 1 −5 .
−3 4 0
— χ M = (1 − X )3 , M n’est donc pas diagonalisable.
— Le sous espace propre associé à la valeur propre 1 est la droite engendée par : e1 = (1, 1, 1), notons C = (c1 , c2 , c3 )
la base canonique et posons e20 = c2 = (0, 1, 0), e30 = c3 , déterminons la matrice N de f (canoniquement associé
à M ) dans cette nouvelle base : (e1 , e20 , e30 ).
f (e1 ) = e1 , f (e20 ) = 2c1 + e20 + 4e30 , f (e30 ) = −3c1 − 5e20 .
c1 = e1 − e20 − e30 =⇒ f (e20 ) = 2e1 − e20 + 2e30 , f (e30 ) = −3e1 − 2e20 + 3e30 .
 
1 2 −3
Finalement N =  0 −1 −2 .
0 2 3
0 0
— On pose G = vect(e2 , e3 ), p désigne la projection sur G parallélement à vect(e1 ).

−1 −2
C = M atB (p ◦ f/G ) = , χC = (1 − X )2 .
2 3
x = αe20 + β e30 est un vecteur propre de C associé à 1 ⇐⇒ α + β = 0, par exemple
e2 = e20 − e30 = (0, 1, −1).
— En complétant (e1 , e2 ) par e3 = c3 (par exemple) pour obtenir une base β de E, et en calculant la matrice de f
dans β, on trouve :
 
1 5 −3
M atB f =  0 1 −2 .
0 0 1
Exercice 8 Trigonaliser la matrice suivante :

 
−3 −20 14
A = −3 −24 18
1 −20 10
Corollaire 2 :
— Tout endomorphisme sur un C-espace vectoriel de dimension finie est trigonalisable.
Ð
Ð
— Toute matrice de Mn (K) est trigonalisable dans Mn (C).
Ð
Preuve. Ceci est dû au fait que tout polynôme est scindé sur C.
Corollaire 3 :
Si M ∈ Mn (K) alors : ∀k ∈ N :
Ð
Ð
SpC (Mk ) = {λk , λ ∈ SpC (M)}
Ð
Ð
Ð X
tr(M k ) = m(λ)λk
Ð
Ð
Ð
Ð λ∈SpC (M)
Ð
Ð En particulier :
Ð X
tr(M ) = m(λ)λ
Ð
Ð
λ∈SpC (M)
Ð
Preuve. C’est un résultat de la trigonalisation de M dans Mn C
Exercice 9 Montrer que matrice A est nilpotente si et seulement ∀k ∈ N∗ , tr(Ak ) = 0.
Proposition 13 :
Soit F un sous espace vectoriel stable par u ∈ L(E)
Ð
Ð
Si u trigonalisable alors u F est aussi trigonalisablale.
Ð
Preuve. Vient du fait que χuF divise χu .
Proposition 14 :
Soit u ∈ L(E). On a équivalence entre :
Ð
Ð
Ð
Ð 1. u est nilpotent ;
Ð
Ð 2. u est trigonalisable avec 0 pour seule valeur propre.
Ð
Ð Ce résultat se transpose aux matrices de la façon suivante :
A ∈ Mn (K) est nilpotente si, et seulement si, A est semblable à une matrice triangulaire supérieure stricte
Ð
Preuve. 2 =⇒ 1 Soit β = (e1 , ..., en ) une base d’une telle trigonalisation de u, on aura pour tout k ∈ |[1, n]|, u(ek ) ∈
vect{e1 , ..., ek−1 }, et par une petite récurrence u p (ek ) ∈ vect{e1 , .., ek−p }, p = 1, .., k − 1 jusqu’à ce que uk (ek ) = 0. En
particulier un (ek ) = 0 pour tout k, et finalement u nilpotent.
1 =⇒ 2 Raisonnons matriciellement. Par récurrence sur n ∈ N∗ , montrons que si A ∈ Mn (K) est nilpotente, alors A est
semblable à une matrice triangulaire supérieure stricte.
Cas n = 1 : Une matrice nilpotente de taille 1 est nécessairement nulle.
Supposons la propriété établie au rang n − 1 ≥ 1.
Soit A ∈ Mn (K) nilpotente.
La matrice A ne peut être inversible et donc ker A 6= {0}. Soit e1 un vecteur non nul de ker A. On complète ce vecteur e1 en
une base de Kn de la forme e = (e1 , ..., en ).
La matrice de l’endomorphisme canoniquement associé à A dans la base e est de la forme

0 ∗
B= avec A0 ∈ Mn−1 (K)
0 A0
Polynôme d’endomorphisme ou de matrice Réduction
La matrice B est semblable à A et donc elle aussi nilpotente. On en déduit que le bloc A0 est nilpotent. Par hypothèse de
récurrence, il existe P 0 ∈ G L n−1 (K) telle que P 0−1 A0 P 0 soit triangulaire supérieure stricte. Formons alors

1 0
P= ∈ G L n (K)
0 P0
Par produit par blocs

∗

0
P −1 BP =
0 P 0−1 A0 P 0
est triangulaire supérieure stricte. Finalement, A est semblable à une matrice triangulaire supérieure stricte. Récurrence
établie.
Exercice 10 Trigonaliser la matrice suivante :

 
−3 −20 14
A = −3 −24 18
1 −20 10
7 Polynôme d’endomorphisme ou de matrice

7.1 Polynôme d’endomorphisme
Définition 10 :
Ð
Ð Soit u un endomorphisme de E.
Ð p
X
Ð
Ð
Ð Soit P = a0 + a1 X + . . . a p X p = ak X k .
Ð k=0
Ð On note
Ð p
X
Ð
Ð
Ð P(u) = a0 I d E + a1 u + a2 u2 + . . . a p u p = ak uk
Ð k=0
Ð
0
où u = I d E et u = u ◦ u ◦ . . . ◦ u (p fois).
p
Ð
Ð
On dit que : P(u) est un polynôme de l’endomorphisme u.
Ð
Ð
Ð
Ð Par exemple, si P = X p , alors P(u) = u p . En particulier
Ð si P = 1 alors P(u) = I d E .
L (E) est une K-algèbre l’application :

ϕ : K[X ] → L (E)
n
X p
X
P= ak X k → P(u) = ak uk
k=0 k=0
est un morphisme d’algèbre.

— 1(u) = I E
— ∀α, β ∈ K, ∀P, Q ∈ K[X ], (αP + βQ)(u) = αP(u) + βQ(u).
— ∀P, Q ∈ K[X ], (PQ)(u) = P(u) ◦ Q(u). et donc les endomorphismes P(u) et Q(u) commutent.
Proposition 15 :
Si P divise Q, alors ker P(u) ⊂ ker Q(u) et Im(Q(u)) ⊂ Im(P(u))
Ð
Preuve. P/Q, il existe R ∈ K[X ] tel que : Q = RP et donc Q(u) = R(u) ◦ P(u), ainsi :
P(u)(x) = 0 =⇒ Q(u)(x) = R(u)(P(u)(x)) = R(u)(0) = 0

et Im(Q(u)) = Im(P(u) ◦ R(u)) ⊂ Im(P(u))
7.1 Polynôme d’endomorphisme Réduction
Proposition 16 :
u ∈ L (E), ∀P ∈ K[X ], ker P(u) et Im P(u) sont stables par u.
Ð
Preuve. Vient du fait P(u) commute à u.
Proposition 17 :
Si F est un sous espace vectoriel de E stable par F , alors ∀P ∈ K[X ], F est stable par P(u) et l’endomorphisme
Ð
Ð
(P(u)) F induit par P(u) sur F est P(u F ).
Ð
Preuve. Si x ∈ F , alors par récurrence ∀k ∈ N, uk (x) ∈ F et par combinaison linéaire, on obtient P(u)(x) ∈ F, ∀P ∈
K[X ].
p
X p
X p
X
Si on pose P = ak X k , pour x ∈ F, P(u)(x) = ak uk (x) = ak (u F )k (x), on déduit que (P(u)) F = P(u F )
k=0 k=0 k=0
K[X ] L (E)
Ð §
−→
ϕ:
Ð
P → P(u)
Ð
Ð
Ð
ker ϕ : Ensemble des polynômes annulateurs de u est un idéal de K[X ].
Ð
Ð
Im ϕ = K[u] est une sous algèbre de L (E).
Ð
Ð
Ð
Ð Si E est de dimension finie alors il existe un unique polynôme unitaire πu , tel que {P ∈ K[X ], P(u) = 0} = ker ϕ =
Ð
Ð 〈πu 〉.
Ð
Ð πu s’appelle le polynôme minimal de u. Il est caractérisé par :
Ð
πu unitaire, et ∀P ∈ K[X ], P(u) = 0 ⇐⇒ πu /P
Ð
Preuve. E est de dimension finie, il en est de même pour L (E), et dans ce cas ϕ ne peut pas etre injective, l’idéal
ker ϕ 6= {0}, d’où l’existence d’un tel πu .
Exemple 7 Endomorphisme nilpotent

Ð
Ð
Ð
Ð u un endomorphisme nilpotent d’un espace E de dimension finie.
L’indice de nilpotence est p si et seulement si πu = X p .
Ð
Proposition 18 :
E un espace de dimension finie, si u ∈ L(E), alors p = deg(πu ) si et seulement si (I d , u, ..., u p−1 ) est une base
Ð
Ð
de K[u].
Ð
Preuve.
On suppose Πu de degré égal à p. Soit P(u) ∈ K[u], on effectue la division euclidienne de P par Πu , il existe Q, R ∈ K[X ]
tel que P = QΠu + R, avec R = 0 ou deg R < p, on applique à u, on obtient
n−1
X
P(u) = R(u) = bk uk ∈ vect{1, u, .., un−1 }
k=0
n−1
On en déduit que la famille {1, ..., u } est génératrice de K[u].
Il reste à vérifier que cette famille est libre.
p−1
X
Soit (ak )0≤k≤p−1 des scalaires tels que ak uk = 0, le polynôme
k=0
p−1
X
P= uk X k est donc un polynôme annulateur de u de degré strictement inférieur à p, par minimalité de Πu , P ne peut
k=0
être que le polynôme nul, ce qui fait que les scalaires ak sont tous nuls.
Inversement On suppose que (I d , .., u p−1 ) est une base de K[u].
la famille (uk )0≤k≤p est constituée de p + 1 vecteurs, donc elle est liée, c’est à dire l’existence de scalaires (ak )0≤n non tous
7.2 Polynôme de matrice Réduction
nuls tels que

Xn n
X
ak a k = 0, P = ak X k est donc un polynôme non nul annulateur de u, d’où deg(πu ) ≤ p. Comme il ne peut exister
k=0 k=0
de polynôme annulateur de degré strictement inférieur à p, car au cas contraire (I d , u, .., u p−1 ) sera liée, donc deg(πu ) = p

Proposition 19 :
E un K-ev de dimension finie, u ∈ L (E) , si F est un sous espace vectoriel de E u-stable, alors πuF /πu .
Ð
Preuve. πu (u F )) = (πu (u)) F = 0, donc πuF /πu .
Proposition 20 :
Si λ est une valeur propre de u, alors P(λ) est une valeur propre de P(u), et on a Eλ (u) ⊂ E P(λ) P(u) autrement
Ð
Ð
Ð dit :
Ð
u(x) = λx =⇒ P(u)(x) = P(λ)x
Ð
Ð
Ð
En particulier toute valeur propre de u est une racine du polynôme annulateur de u.
Ð
Preuve. Se déduit de la proposition 5, par combinaison linéaire.
Proposition 21 :
Si E est un K espace vectoriel de dimension finie, alors Sp(u) est exactement l’ensemble des racines dans K du
Ð
Ð
polynôme minimal.
Ð
Preuve. On sait déja que si λ est une valeur propre de u, alors λ est racine de tout polynôme annulateur de u et en
particulier de πu .
Inversement soit λ une racine de πu et écrivons πu (X ) = (X − λ)Q(X ). Supposons que λ n’est pas valeur propre de u. On
a 0 = πu (u) = (u − λI E ) ◦ Q(u). Mais comme λ n’est pas valeur propre de u, u − λI E est injectif et donc Q(u) = 0. Ceci
impose que πu divise Q ce qui est impossible pour une question de minimalité.
Preuve. Vient du fait que πu sera aussi un polynôme annulateur de v.
7.2 Polynôme de matrice

De même, on définit polynôme de matrice comme suit
n
X n
X
P= ak X k , P(M ) = ak M k
k=0 k=0
Mn (K) est une K-algèbre l’application :

ϕ M : K[X ] → Mn (K)
n
X p
X
P= ak X k → P(M ) = ak M k
k=0 k=0
est un morphisme d’algèbre.

— 1(M ) = I n
— ∀α, β ∈ K, ∀P, Q ∈ K[X ], (αP + βQ)(M ) = αP(M ) + βQ(M ).
— ∀P, Q ∈ K[X ], (PQ)(M ) = P(M )Q(M ), et par suite deux polynôme de la même matrice commutent.
Remarque 14 :
β une base de E supposé de dimension fini.
Ð
Ð
Ð
Ð
φ : L (E) → Mn (K)
Ð
Ð
Ð
Ð u → M atB (u)
Ð est un isomorphisme d’algèbre.

n n
Ð
Ð X X
Ð M = M at (u), P = a X k
, P(u) = ak uk
Ð B k
Ð k=0 k=0
M atB P(u) = P(M ) et donc P(u) = 0 si, et seulement si P(M ) = 0 ainsi πu = π M
Ð
Propriété 3 :
Si M = QBQ−1 , alors ∀P ∈ K[X ] : P(M ) = QP(B)Q−1 , et si en plus
Ð
Ð
λ1 0 . . . 0
Ð  
Ð
.. 
Ð
..
 0 λ2
Ð  . . 
1. B =  .
Ð
Ð  est diagonale, alors :
Ð  . ... ...
. 0
Ð 
0 . . . 0 λn
Ð
Ð
P(λ1 )
Ð
0 ... 0
 
Ð
.. 
Ð
.
P(λ2 ) . .
Ð
 0 . 

P(B) =  .
Ð
Ð
.. ..

Ð  . . .
. 0
Ð 
0 P(λn )
Ð
Ð 0 ...
Ð
λ1
Ð  
Ð
Ð  0 λ2 ∗ 
2. B = 
Ð  est triangulaire supérieure, alors :
 .. . . . . . .
Ð
.
Ð 
Ð
Ð
Ð 0 . . . 0 λn
P(λ1 )
Ð  
Ð
Ð  0 P(λ2 ) ∗ 
P(B) = 
Ð  est triangulaire supérieure.
Ð  .. ..
.
..
.
.
Ð 
Ð
Ð 0 ... 0 P(λn )
Propriété 4 :
π M = πt M et si A et B sont semblables alors πA = πB .
Ð
Proposition 22 :
Ð
Ð
A C
Si M = est une matrice triangulaire par blocs, alors πA, πB divisent π M et π M divise πAπB .
Ð
0
Ð
Ð B
Ð C’est à dire :
Ð
ppcm(πA, πB )/π M /πAπB
Ð
Preuve. Par une petite récurrence on montre que M k à la forme suivante :

k
A Ck
M =k
0 Bk
Par combinaison linéaire, on aura pour tout P ∈ K[X ] il existe une matrice C(P) de type (p, n − p) tel que :

P(A) C(P)
P(M ) =
0 P(B)
Par conséquent, en écrivant le fait que π M (M ) = 0, on aura : π M (A) = π M (B) = 0, le fait que πA, πB divisent π M en
sera une conséquence immédiate.
0 C(πA) πB (A) C(πB )

En plus (πAπB )(M ) = πA(M )πB (M ) = = 0, d’où le résultat.
0 πA(B) 0 0
Remarque 15 :
Les propositions 20 et 21 passent aussi aux matrices.
Ð
Théorème 6 : de Cayley hamilton

Si u ∈ L (E), alors χu (u) = 0.
Ð
Ð
Autrement dit : πu χu .
Ð
Exercice 11 Soit E un K espace vectoriel de dimension finie, n > 0 et

u ∈ L (E).
n−1
X
1. On suppose qu’il existe x 0 ∈ E tel que (ui (x 0 ))i=0...n soit une base de E. on pose : un (x 0 ) = ak uk (x 0 ).
k=0
Calculer χu en fonction des ak , en déduire que χu (u) = 0.
2. pour x ∈ E\{0}, on pose Eu (x) = vect{uk (x), k ∈ N}.
Montrer que Eu (x) a une base de la forme (x, u(x), ..., u p−1 (x)) en déduire que χu (u)(x) = 0.
3. Retrouver le théorème de cayley hamilton.
Remarque 16 :
Ð
Ð Dans sa version matricielle, le théorème de Cayley-Hamilton devient :
Ð
Ð
Ð Si M ∈ Mn (K), alors χ M (M ) = 0
Théorème 7 : Théorème de décomposition des noyaux

Ð
Ð Si P = QR avec Q et R deux polynômes premiers entre eux alors :
Ð
ker P(u) = ker Q(u) ⊕ ker R(u)
Ð
Ð
Ð
Ð
Ð En plus si P est un polynôme annulateur de u alors :
Ð
Ð
E = ker Q(u) ⊕ ker R(u)
Ð
Preuve. Soient U et V tels que UQ + V R = 1 (Bezout). On a déjà ker Q(u) ⊂ ker P(u) et ker R(u) ⊂ ker P(u). De plus
on a : U(u)Q(u) + V (u)R(u) = I E .
Soit x ∈ ker Q(u) ∩ ker R(u). On a
x = U(u)Q(u)(x) + V (u)P(u)(x) = 0 + 0 = 0, donc ker Q(u) ∩ ker R(u) = 0. Soit x ∈ ker P(u). On a encore x = x 1 + x 2 ,
avec x 1 = V (u)R(u)(x) et
x 2 = U(u)Q(u)(x). Mais alors
Q(u)(x 1 ) = Q(u)V (u)R(u)(x) = V (u)(QR)(u)(x) = V (u)P(u)(x) = 0.
donc x 1 ∈ ker Q(u). De même x 2 ∈ ker R(u) et d’où le résultat.
Théorème 8 : Généralisation
Si (Pk )1≤k≤p est une famille de polynômes premiers entres eux deux à deux alors :
Ð
Ð
Ð
Ð
Ð Y r M r
ker( Pk )(u) = ker Pk (u)
Ð
Ð
k=1
Ð k=1
Ð
Ð
Ð Yr
Ð
Ð Et si en plus Pk est un polynôme annulateur de u, alors :
Ð
Ð k=1
Ð
r
Ð
Ð M
Ð
Ð E= ker Pk (u)
k=1
Preuve. Pour r = 2, le résultat est vrai.

Supposons que le résultat vrai pour r − 1. Comme Pr et P1 ...Pr−1 sont premiers entre eux, le cas r = 2 nous donne :
ker P(u) = ker P1 ...Pr−1 (u) ⊕ ker Pr (u)
puis grâce à l’hypothèse de récurrence ker P(u) = ker P1 (u) ⊕ ... ⊕ ker Pr (u).
Application à la réduction de la notion de polynôme annulateur Réduction
Exercice 12 Soient P et Q deux polynômes de KX ]. Soit f un endomorphisme du K-espace vectoriel E. On pose

D = P ∧ Q ; M = P ∨ Q. Montrer que
ker M ( f ) = ker P( f ) + ker Q( f ), ker D( f ) = ker P( f ) ∩ ker Q( f )
Im D( f ) = Im P( f ) + I mQ( f ), Im M ( f ) = Im P( f ) ∩ Im Q( f )
8 Application à la réduction de la notion de polynôme annulateur
Proposition 23 :
Soit u ∈ L (E), on suppose que u est diagonalisable de spectre
Ð
Ð
Ð Mp
Ð Sp(u) = {λ1 , ..., λr }, et soit (pλ1 , ..pλp ) la famille des projecteurs associée à E = Eλi , alors :
Ð
i=1
Ð
Ð
Ð
Ð X r
IE =
Ð
Ð pλi
Ð
Ð i=1
Ð
Ð
Ð Xr
∗
Ð
Ð ∀k ∈ N : u k
= λki pλi
Ð i=1
Ð
Ð ∀i ∈ |[1, r]| : p ∈ K[u]
λi
r
X r
X
Preuve. L’égalité I E = pλi est triviale, une simple récurrence permet de démontrer pour tout k ∈ N∗ : uk = λki pλi .
i=1 i=1
Par combinaison linéaire, on obtient :
r
X
∀Q ∈ K[X ] : Q(u) = Q(λi )pλi
i=1
En particulier, lorsque Q = L i le i-ème polynôme d’interpolation en les λ j , j = 1..r, on obtient
pλi = L i (u) ∈ K[u]
Proposition 24 :
Un endomorphisme u est diagonalisable si, et seulement si, il existe un polynôme scindé à racines simples
Ð
Ð
annulant u, ou encore si, et seulement si, son polynôme minimal est scindé à racines simples.
Ð
Preuve. D’abord l’équivalence entre πu scindé à racines simples et l’existence d’un polynôme scindé à racines simples
annulateur de u est évidente.
p
Y
Supposons que u est diagonalisable, soit λ1 , ..., λ p les valeurs propres distincts de u. Posons P = (X − λk ), comme
k=1
X − λk est diviseur de P, alors P(u) est nul sur chaque sous espace propre, et comme E est la somme des sous espaces
propres, alors P(u) est nul. P est un polynôme scindé à racines simples annulateur de u. Par conséquent πu qui est un
diviseur de P sera lui aussi scindé à racines simples.
Supposons maintenant πu est scindé à racines simples, écrivons
Y p
p
P = (X − λi ). Par le lemme des noyaux E = ⊕i=1 ker(u − λI d ), et dans une base adaptée à cette décomposition la
i=1
matrice est diagonale. u est donc diagonalisable.
Remarque 17 :
Ð
Ð Une matrice M est diagonalisable si et seulement si il existe un polynôme scindé à racines simples annulateur
Ð
de M .
Remarque 18 :
Si u est diagonalisable et Sp(u) = {λ1 , ..., λr }, alors :
Ð
Ð
Ð Y r
Ð πu = (X − λi )
Ð
Ð
i=1
Corollaire 4 :
u ∈ L(E), F un sous espace vectoriel de E stable par u.
Ð
Ð
Si u est diagonalisable alors u F est aussi diagonalisable
Ð
Preuve. Vient du fait que πuF divise πu .
Exercice 13 u un endomorphisme de E bijectif.

Montrer que u est diagonalisable si et seulement si u2 est diagonalisable.
Proposition 25 :
Un endomorphisme u de E est trigonalisable si et seulement si il existe P scindé annulateur de u
Ð
Preuve. Pour le sens direct, il suffit de prendre le polynôme caractéristique lui même.
Inversement Supposons qu’il existe un polynôme P scindé annulateur de u, β une base quelconque de E et M = M atB (u),
on injecte M dans Mn (C), aussi bien que χu = χ M qu’on peut considérer comme un polynôme de C[X ], si λ est une racine
complexe de χ M , alors c’est une valeur propre de M et comme P est aussi annulateur de M donc λ est une racine de P et
par suite λ est dans K, ainsi toutes les racines complexes de χu sont dans K, ce qui veut dire que χu est bien scindé dans
K[X ], et donc u est trigonalisable.
Remarque 19 :
Ce résultat passe aux matrices.
Ð
Proposition 26 :
Soit u ∈ L(E), supposons que χu est scindé, soit
Ð
Ð
Ð
r
Ð
Y
(λi − X )αi
Ð
Ð
Ð χ A (X ) =
Ð i=1
Ð
Ð
Ð les λi sont des elements de K deux à deux distincts et les entiers αi sont ≥ 1.
Ð
Ð
Ð Alors
Ð
dim(ker(u − λi I E )αi ) = αi
Ð
Ð
Ð
Ð et il existe une base de E dans laquelle la matrice de u est de la forme :
Ð
Ð
Ð
M1 0 . . . 0
Ð  
Ð
Ð
Ð  0 M2 . . . 0 
 . .. .. 
Ð  . .
. 0 .
Ð 
Ð
Ð
Ð 0 0 . . . Mr
Ð
Mi = λi I n + Ni avec Ni nilpotente et Mi ∈ Mαi (K)
Ð
Remarque 20 :
Une des conséquence de ce résultat est que les propriétés suivantes sont équivalentes.
Ð
Ð
Ð
Ð 1. lim uk = 0
Ð k→+∞
lim tr(uk ) = 0
Ð
Ð 2.
k→+∞
3. ρ(u) = max |λi | < 1

Ð
Ð
i

Reduction 7

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Reduction 7

Transféré par

Droits d'auteur :

Formats disponibles

RÉDUCTION DES ENDOMORPHISMES

Table des matières

2 Valeurs propres, vecteurs propres 3

7 Polynôme d’endomorphisme ou de matrice 14

8 Application à la réduction de la notion de polynôme annulateur 19

K désigne R ou C, E un K-espace vectoriel .

1 Sous espaces stables par un endomorphisme

Preuve. Soit x ∈ F , on a : f ◦ g(x) = f (g(x)) ⊂ f (F ) ⊂ F , et

Preuve. x ∈ ker g, g( f (x)) = f (g(x)) = f (0) = 0, donc f (x) ∈ ker g.

Exercice 1 H = ker ϕ un hyperplan de E.

Exercice 2 p un projecteur de rang r d’un espace vectoriel E de dimension finie égale à n.

2 Valeurs propres, vecteurs propres

2.2 Valeurs propres, vecteurs propres d’une matrice.

Preuve. Posons M = (ai j ) et X I n − M = B = (bi j ), on a

Montrer que χC(P) = P

Preuve. Si B = P −1 AP, alors :

χB (X ) = det(X I n − P −1 AP) = det(P −1 (X I n − A)P) = det(X I n − A) = χA(X )

Preuve. χt A = det(X I n − t A) = det( t (X I n − A)) = det(X I n − A) = χA 

De plus Eλ (u) 6= {0}, donc 1 ≤ dimEλ (u). 

Preuve. 1) =⇒ 2) Supposons que u est diagonalisable. M M

Définition 7 : Matrices diagonalisables

• Systèmes de suites récurrentes de pas 1.

Exemple 6 En relation avec les probabilités

Donc χu est scindé.

Exercice 8 Trigonaliser la matrice suivante :

Preuve. C’est un résultat de la trigonalisation de M dans Mn C 

Exercice 9 Montrer que matrice A est nilpotente si et seulement ∀k ∈ N∗ , tr(Ak ) = 0.

Preuve. Vient du fait que χuF divise χu . 

Par produit par blocs

Exercice 10 Trigonaliser la matrice suivante :

7 Polynôme d’endomorphisme ou de matrice

L (E) est une K-algèbre l’application :

est un morphisme d’algèbre.

P(u)(x) = 0 =⇒ Q(u)(x) = R(u)(P(u)(x)) = R(u)(0) = 0

Preuve. Vient du fait P(u) commute à u. 

Exemple 7 Endomorphisme nilpotent

nuls tels que

Preuve. πu (u F )) = (πu (u)) F = 0, donc πuF /πu . 

Preuve. Se déduit de la proposition 5, par combinaison linéaire. 

Preuve. Vient du fait que πu sera aussi un polynôme annulateur de v. 

7.2 Polynôme de matrice

Mn (K) est une K-algèbre l’application :

est un morphisme d’algèbre.

Ð est un isomorphisme d’algèbre.

Preuve. Par une petite récurrence on montre que M k à la forme suivante :

Théorème 6 : de Cayley hamilton

Exercice 11 Soit E un K espace vectoriel de dimension finie, n > 0 et

Théorème 7 : Théorème de décomposition des noyaux

Preuve. Pour r = 2, le résultat est vrai.

ker P(u) = ker P1 ...Pr−1 (u) ⊕ ker Pr (u)

Exercice 12 Soient P et Q deux polynômes de KX ]. Soit f un endomorphisme du K-espace vectoriel E. On pose

ker M ( f ) = ker P( f ) + ker Q( f ), ker D( f ) = ker P( f ) ∩ ker Q( f )

8 Application à la réduction de la notion de polynôme annulateur

En particulier, lorsque Q = L i le i-ème polynôme d’interpolation en les λ j , j = 1..r, on obtient

pλi = L i (u) ∈ K[u]

Preuve. Vient du fait que πuF divise πu . 

Exercice 13 u un endomorphisme de E bijectif.

3. ρ(u) = max |λi | < 1

Vous aimerez peut-être aussi

Preuve. χt A = det(X I n − t A) = det( t (X I n − A)) = det(X I n − A) = χA

De plus Eλ (u) 6= {0}, donc 1 ≤ dimEλ (u).

Preuve. C’est un résultat de la trigonalisation de M dans Mn C

Preuve. Vient du fait que χuF divise χu .

Preuve. Vient du fait P(u) commute à u.

Preuve. πu (u F )) = (πu (u)) F = 0, donc πuF /πu .

Preuve. Se déduit de la proposition 5, par combinaison linéaire.

Preuve. Vient du fait que πu sera aussi un polynôme annulateur de v.

Preuve. Vient du fait que πuF divise πu .