Académique Documents
Professionnel Documents
Culture Documents
Objectifs
– Définir les éléments propres d’un endomorphisme ou d’une matrice carrée et étudier leurs propriétés.
– Étudier les notions de digonalisation et de trigonalisation.
– Donner des applications.
Plan
Remarques :
– λ ∈ Sp(u) ⇐⇒ Eλ (u) 6= {0} ⇐⇒ u − λid est non injectif.
– 0 est valeur propre de u ssi u est non injectif, auquel cas le sous-espace propre associé est ker(u).
X Exemple(s):
(i) Cas d’une homothétie : l’application u : x 7→ λx admet
comme unique valeur propre λ.
1 2 1
(ii) Utilisation de la méthode de Gauss : si mat(u) = 2 3
1 alors :
B 2
−1 1 0
(1 − λ)x + 2y + z
= 0
u(x) = λx ⇐⇒ (Sλ ) 2x + ( 32 − λ)y + z = 0
−x + y − λz = 0
z + 2y + (1 − λ)x = 0
⇐⇒ −(λ + 12 )y + (1 + λ)x = 0 [L2 ← L2 − L1 ]
(2λ + 1)y − (λ2 − λ + 1)x = 0 [L3 ← L3 + λL1 ]
z + 2y + (1 − λ)x =
0
⇐⇒ −(λ + 12 )y + (1 + λ)x = 0 .
(−λ2 + 3λ + 1)x = 0 [L3 ← L3 + 2L2 ]
√ √
On en déduit que Sp(u) = {− 12 ; 3+2 13 ; 3−2 13 } (le déterminant du système ci-dessus doit être nul).
En résolvant (Sλ ) avec ces valeurs de λ on détermine les sous-espaces propres de u.
2) Premières propriétés
I théorème 28.1
Preuve: Par récurrence sur p : pour p = 1 il n’y a rien à faire. Supposons le théorème établi au rang
p, si x1 , . . . , xp+1 sont des vecteurs propres de u associés à des valeurs propres λ1 , . . . , λp+1 distinctes et si
∑
p+1 ∑
p
ai xi = 0, alors en appliquant u − λp+1 id, il reste ai (λi − λp+1 )xi = 0, l’hypothèse de récurrence entraîne
i=1 i=1
que a1 = . . . = ap = 0, il reste donc λp+1 xp+1 = 0 et donc λp+1 = 0, le théorème est démontré au rang p + 1.
¤
Application : en dimension n (dim(E) = n), un endomorphisme u ne peut pas avoir plus de n valeurs
propres.
I théorème 28.2
Si x est un vecteur propre de u associée à la valeur propre λ et si P (X) ∈ K[X], alors x est un
vecteur propre de P (u) associé à la valeur propre P (λ).
Application : si P (X) est un polynôme annulateur de u (i.e. P (u) = 0), alors les valeurs propres de
u sont racines de P (X). La réciproque est fausse, c’est à dire : les racines de P ne sont pas forcément
des valeurs propres de u, par exemple : (X − 1)(X − 2) annule id, mais 2 n’est pas valeur propre de id.
Dans la suite de ce chapitre, E est de dimension finie.
I théorème 28.3
Preuve: Cela découle de l’équivalence : u − λid injective ⇐⇒ u − λid bijective valable en dimension finie.
¤
u est un automorphisme ssi 0 n’est pas valeur propre de u. Si c’est le cas et si x est un vecteur propre
de u associé à la valeur propre λ, alors x est un vecteur propre de u−1 associé à la valeur propre 1
λ.
3) Polynôme caractéristique
Soient B, soit u ∈ L (E), A = mat(u), soit x ∈ K, alors det(u−xid) = det(mat(u−xid)) = det(A−
B ∑
B
xIn ). En notant bij les coefficients de la matrice A − xIn , on a det(u − xid) = ε(σ)b1σ(1) · · · bnσ(n)
σ∈Sn
ce qui prouve que l’on a un polynôme en x. Comme K est infini, on peut identifier cette fonction
polynomiale avec le polynôme correspondant.
N Définition 28.2
La fonction polynomiale x 7→ det(u − xid) est appelée polynôme caractéristique de u et notée
Pu (X).
Remarque : le polynôme caractéristique est souvent noté Pu (X) = det(u − Xid) mais cette notation
est abusive car X n’est pas un scalaire.
I théorème 28.4
λ ∈ Sp(u) ⇐⇒ Pu (λ) = 0.
Si c’est le cas, alors la multiplicité de λ dans le polynôme Pu (X) est appelée multiplicité de
la valeur propre λ.
X Exemple(s): ¯ ¯
¯ ¯
1 2 1 ¯1 − X 2 1 ¯
¯ ¯
¯ ¯
(i) Si la matrice de u dans une base est A = 2 3
1, alors Pu (X) = ¯ 2 3
−X 1 ¯=
2 ¯ 2 ¯
¯ ¯
−1 1 0 ¯ −1 1 −X ¯
√ √
(X + 1
2 )(−X
2
+ 3X + 1). D’où Sp(u) = {− 12 ; 3+2 13 ; 3−2 13 }.
a1 ∗ ... ∗
..
.. ..
0 . . .
(ii) Si la matrice de u dans une certaine base est triangulaire : A =
. .
, alors Pu (X) =
.. ..
.. . ∗
0 ... 0 an
∏n ∏n
(ai − X) = (−1)n (X − ai ). Donc les valeurs propres de u sont les coefficients diagonaux
i=1 i=1
de A.
(iii) Si u est un projecteur de rang r : E = ker(u − id) ⊕ ker(u), donc il existe une base B de E telle que
mat(u) = Jn,n,r , d’où Pu (X) = (1 − X)r (−X)n−r = (−1)n X n−r (X − 1)r . D’où Sp(u) = {1; 0} (si
B
0 < r < n).
(iv) Si u est une symétrie : E = ker(u−id)⊕ker(u+id), donc il existe une base B de E telle que mat(u) =
B
I théorème 28.5
∑
Preuve: Soit A la matrice de u dans une base et B = A − xIn , alors Pu (x) = ε(σ)b1σ(1) · · · bnσ(n) ,
σ∈Sn
le seul terme qui soit de degré n est celui pour lequel σ = id[[1..n]] c’est à dire (a11 − X) . . . (ann − X) =
(−1)n X n − (−1)n−1 tr(A)X n−1 + . . ., comme les autres termes sont de degré 6 n − 2, on a les deux premiers
termes de Pu (X). Quant au terme constant, il s’obtient en prenant x = 0. ¤
Le nombre de valeurs propres de u comptées avec leur multiplicité est inférieur ou égal à n, où n est
la dimension de E. D’après le théorème de D’Alembert, lorsque K = C, tout endomorphisme admet
exactement n valeurs propres (comptées avec leur multiplicité).
Preuve: Admis. ¤
Sur la diagonale de cette matrice on a toutes les valeurs propres de u, on en déduit que la somme des
valeurs propres est tr(u) et que le produit des valeurs propres est det(u) [si u est diagonalisable !].
u est diagonalisable ssi il existe une base de E dans laquelle la matrice de u est diagonale.
X Exemple(s):
(i) Une projection est diagonalisable.
(ii) Une symétrie est diagonalisable.
(iii) L’application u ∈ L (K2 ) définie par u(x, y) = (2x + y; x + 2y) est diagonalisable. En effet : Pu (X) =
(2 − X)2 − 1 = (1 − X)(3 − X), donc les valeurs propres sont 1 et 3. Un vecteur propre associé à 1
I théorème 28.7
Si u ∈ L (E) admet n valeurs propres distinctes (où n = dim(E)), alors u est diagonalisable
(réciproque fausse).
Preuve: Soit λ1 , . . . , λn ces valeurs propres et e1 , . . . , en des vecteurs propres respectivement associés,
alors on sait que la famille (e1 , . . . , en ) est libre, c’est donc une base de E et u est diagonalisable.
La réciproque est fausse : prendre par exemple id. ¤
Il y a des endomorphismes qui ne sont pas diagonalisables, par exemple u : (x, y) 7→ (x + y, y) admet
une valeur propre double 1, si u était diagonalisable on aurait alors u = id : absurde.
I théorème 28.8
u ∈ L (E) est diagonalisable ssi il existe P (X) ∈ K[X] un polynôme annulateur de u scindé à
racines simples.
Preuve: Si u est diagonalisable, alors il existe une base B = (e1 , . . . , en ) constituée de vecteurs propres
de u, notons λ1 , . . . , λp les valeurs propres distinctes de u, alors il est facile de vérifier sur la base B que le
polynôme P (X) = (X − λ1 ) . . . (X − λp ) annule u.
Réciproquement : si on a un polynôme annulateur scindé à racines simples, on fait une récurrence sur p : le
degré de ce polynôme. Pour p = 1 il n’y a rien à faire car u est une homothétie. Si c’est vrai pour le degré p − 1
et si P (X) = (X − λ1 ) . . . (X − λp ) annule u avec λ1 , . . . , λp distinctes. Soit Q(X) = (X − λ1 ) . . . (X − λp−1 )
, R(X) = X − λp , F = ker[Q(u)] et G = ker[R(u)], alors il est facile de vérifier que F et G sont en somme
directe. D’autre part, il existe deux polynômes S(X) et T (X) tels que Q(X)S(X) + R(X)T (X) = 1 [théorème
de Bezout] ce qui entraîne que Q(u) ◦ S(u) + R(u) ◦ T (u) = id puis que E = F + G, donc E = F ⊕ G. Comme
F est stable u, on peut considérer v la restriction de u à F , v ∈ L (F ) et Q(X) annule v, d’après l’hypothèse
de récurrence, v est diagonalisable. En faisant la réunion d’une base de F où la matrice de v est diagonale, avec
une base de G, on obtient une base de diagonalisation de u. ¤
X Exemple(s):
(i) Le polynôme X 2 − X annule tout projecteur, donc tout projecteur est diagonalisable.
(ii) Le polynôme X 2 − 1 annule toute symétrie, donc toute symétrie est diagonalisable.
2) Trigonalisation
N Définition 28.4
On dit que u ∈ L (E) est trigonalisable lorsqu’il existe une base de E dans laquelle la matrice de u
est triangulaire.
Remarques :
– Sur la diagonale de cette matrice on doit avoir les valeurs propres de u ce qui implique que u
admette n valeurs propres c’est à dire Pu (X) est scindé sur K.
– Diagonalisable entraîne trigonalisable (réciproque fausse).
I théorème 28.9
u ∈ L (E) est trigonalisable ssi Pu (X) est scindé sur K (i.e. u admet n valeurs propres dans
K).
Preuve: Par récurrence sur n : pour n = 1 il n’y a rien à faire. Supposons le théorème démontré au rang
n et supposons E de dimension n + 1 avec Pu (X) scindé sur K. Soit λ une valeur propre de u et e1 un vecteur
propre associé, on construit une base B de E en complétant (e1 ) et la matrice de u dans cette base est de la
λ ∗ ... ∗
0 a11 ... a1,n−1
forme : M = . , on a alors Pu (x) = (λ − x) det(A − xIn−1 ), on en déduit que le
.. ..
.. . .
0 an−1,1 . . . an−1,n−1
polynôme det(A − xIn−1 ) est scindé sur K, donc l’endomorphisme deF = Vect[e
2 , . . . , en+1 ] associé à la matrice
λ ∗
A est trigonalisable (HR) : Q−1 AQ = T ce qui entraîne P −1 M P = matrice triangulaire en prenant
O T
1 O
P = , ce qui signifie que dans une certaine base (avec P comme matrice de passage) la matrice de
O Q
u est une matrice triangulaire. ¤
I théorème 28.10
u ∈ L (E) est diagonalisable ssi Pu (X) est scindé sur K et la dimension de chaque sous-espace
propre est égale à la multiplicité de la valeur propre correspondante. C’est à dire :
∏
p
Pu (X) = (λi − X)mi et dim [ker(u − λi id)] = mi .
i=1
La dimension d’un sous-espace propre est toujours inférieure ou égal à la multiplicité de la valeur
propre associée.
Dans la pratique, un endomorphisme est diagonalisable ssi la somme des dimensions des sous-espaces
propres est égale à la dimension de l’espace.
X Exemple(s):
(i) Un endomorphisme u non nul et nilpotent (∃p ∈ N∗ , up = 0) est trigonalisable mais non diagonali-
sable.
(ii) Soit u : K2 → K2 définie par u(x, y) = (3x + y; −4x − y), le polynôme caractéristique de u est
Pu (X) = (X − 1)2 , 1 est la seule valeur propre mais u 6= id donc u n’est pas diagonalisable, par
contre u est trigonalisable, un vecteur propre
associé à1 est e1 = (−1; 2), prenons e2 = (0; 1) alors
1 −1
B0 = (e1 , e2 ) est une base de K2 et mat (u) = .
B0
0 1
Remarques :
– En identifiant Mn,1 (K) et Kn , les vecteurs propres de A sont les vecteurs propres de uA [idem
avec les sous-espaces propres ].
– On a les mêmes propriétés que pour les éléments propres d’un endomorphisme.
– Si u ∈ L (E) avec E un K-espace de dimension n, si A est la matrice de u dans une base B de
E, alors Sp(u) = Sp(A) et : x ∈ Eλ (u) ⇐⇒ CoordB(x) ∈ Eλ (A).
– On a les équivalences :
λ ∈ Sp(A) ⇐⇒ AX = λX a des solutions X non nulles
⇐⇒ A − λIn est non inversible
⇐⇒ det(A − λIn ) = 0.
N Définition 28.6
La fonction polynomiale : x 7→ det(A−xIn ) est appelée polynôme caractéristique de A et notée PA (X).
3) Applications
∗ Calcul de la puissance n-ième d’une matrice :
Si A ∈ Mn (K) est diagonalisable alors il existe P ∈ GLn (K) telle que P −1 AP = diag(λ1 ; . . . , λn )
d’où Ap = P diag(λp1 , . . . , λpn )P −1 .
X Exemple(s):
u
n+1
= 2u n + vn + w n
2 1 1
(i) Déterminer les suites réelles vérifiant : vn+1 = un + 2vn + wn , en posant A = 1 2 1,
w
n+1 = u n + vn + 2wn 1 1 2
u
n
et Xn = vn , on a Xn+1 = AXn , d’où Xn = An X0 . On est ramené à déterminer An . On
wn
1 1
voit que AX1 = 4X1 avec X1 = 1, que AX2 = X2 avec X2 = −1 et AX3 = X3 avec
1 0
0 1 1 0
X3 = 1 donc A est diagonalisable et P −1 AP = diag(4, 1, 1) avec P = 1 −1 1 d’où
−1 1 0 −1
4n + 2 4n − 1 4n − 1
An = P diag(4n , 1, 1)P −1 = 13 4n − 1 4n + 2 4n − 1. en déduit ensuite les expressions.
4n − 1 4n − 1 4n + 2
6 −1 −1
(i) Résoudre l’équation V 2 = A avec A = 2 3 −1. Les valeurs propres de A sont 4 et 6 avec
−2 1 5
1 0 1
E4 (A) = Vect[U1 , U2 ] où U1 = 1 et U2 = −1, E6 (A) = Vect[U3 ] où U3 = 1 . On en
1 1 −1
1 0 1 4 0 0
déduit que A est diagonalisable, soit P = 1 −1 1 , on a P −1 AP = D = 0 4 0 = Y 2
1 1 −1 0 0 6
en posant Y = P −1 V P . La matrice V est diagonalisable car le polynôme (X 2 − 4)(X 2 − 6) annule
V et il est scindé à racines simples. Les s.e.v. E4 (A) et E6 (A) «sont stables par V », donc U3
√ B 0
est un vecteur propre de V associé à ± 3 et Y = √ avec B = 4I2 ce qui donne
2
0 ± 3
a b ±2 0
B= avec a2 + bc = 4, ou bien B = , on en déduit les solutions pour V avec
c −a 0 ±2
la relation V = P Y P −1 .