Algebra 2

Algèbre 2
Youness El Ansari
EST AGADIR
S3 GI
Youness El Ansari Cours algèbre 2 EST AGADIR S3 GI 1 / 28

Plan
1 Réduction des endomorphismes

1.1 Vecteurs propres et valeurs propres
1.2 Le polynôme caractéristique
1.3 Endomorphismes et matrices diagonalisables
1.4 Endomorphismes et matrices trigonalisables
1.5 Polynôme minimal

Réduction des endomorphismes
Plan

Chapitre I: Réduction des endomorphismes
i
Réduction des endomorphismes 1.1 Vecteurs propres et valeurs propres
Plan


Vecteurs propres et valeurs propres

Soit f un endomorphisme d’un K-espace vectoriel E de dimension finie.
Définition 1
Un vecteur x ∈ E est dit un vecteur propre de f si :

1 x ̸= 0E
2 Il existe λ ∈ K tel que f (x) = λx
Le scalaire λ est appelé valeur propre associée à x. On dit aussi que x est un
vecteur propre associe à λ
Remarques:
1 L’endomorphisme nul de l’espace E = {0} n’admet pas de valeur propre.

2 Le scalaire λ est valeur propre de l’endomorphisme f si, et seulement si,
Ker (f − λIdE ) ̸= {0}, c’est-à-dire si, et seulement si, l’endomorphisme
f − λIdE n’est pas injectif.
3 Si x est un vecteur propre donné, alors x admet une unique valeur propre.
4 Il existe une infinité de vecteurs propres associes à une valeur propre λ.

Exemples.
1 est la seule valeur propre de IdE et tous les vecteurs non nuls de E sont des
vecteurs propres associés à 1.
Soit f ∈ EndR R2 défini par f (x; y) = (x + 2y; −x + 4y). Puisque

f (2; 1) = (4; 2) = 2(2; 1); alors (2; 1) est un vecteur propre de f ayant 2 pour valeur
propre.
Définition 2
Si λ ∈ K est valeur propre de f alors Eλ (f ) = {x ∈ E | f (x) = λx} est un

sous-espace vectoriel de E, appelé le sous-espace propre de E associe à λ.
Remarques:
1 Eλ (f ) = Ker (f − λIdE ).
2 L’ensemble des vecteurs propres de f associés à la valeur propre λ est
Eλ (f )\{0} ce n’est donc pas un sous-espace vectoriel de E.

Exemple.
Soit f : R3 → R3 défini par f (x, y, z) = (y + z, −x + y − z, x + y + 3z). On a
E0 (f ) = (x, y, z) ∈ R3 /f (x, y, z) = 0(x, y, z) = (0, 0, 0) = Vect(2, 1, −1)

E2 (f ) = (x, y, z) ∈ R3 /f (x, y, z) = 2(x, y, z) = Vect(0, 1, −1)

Définition 3
Le spectre de f ∈ L(E), noté sp(f ) , est l’ensemble des valeurs propres de f .
Définition 4
Les éléments propres d’une matrice A ∈ Mn (K) sont ceux de l’endomorphisme de

Kn canoniquement associe à A.
Ainsi, un scalaire λ ∈ K pour lequel il existe 0 ̸= X ∈ Kn tel que AX = λX est
appelé valeur propre de A.
On dit aussi que X est un vecteur propre de A associe à λ.

Remarque:
Le scalaire λ est valeur propre de A ∈ Mn (K) si, et seulement si, la matrice carrée
A − λIn est non inversible.
Exemple.
! !
1 3 0 0
2 est une valeur propre de A = 0 1 0 associée au vecteur X = 0
0 0 2 1
Définition 5
Soit A ∈ Mn (K). Si λ ∈ K est valeur propre de A alors,

Eλ (A) = {X ∈ Kn /AX = λX} est un sous-espace vectoriel de Kn , appelé
le sous-espace propre de Kn associé à λ.

Remarques:
dimK (Eλ ) ≥ 1, car Eλ contient un vecteur non nul par définition.

En général, un endomorphisme f (resp. une matrice A ∈ Mn (K)) peut ne
pas avoir de valeur
propre dans
K, et donc pas de vecteur propre dans E.
1 −1
Exemple : A =
3 −1
dimK Eλ (A) = n − rg (A − λIn )
Exemple.
!
1 3 0
Pour A = 0 1 0 on a 1 et 2 sont des valeurs propres de A
0 0 2
!
1
3

E1 (A) = X ∈ R /AX = X = Vect 0
0
!
0
3

E2 (A) = X ∈ R /AX = 2X = Vect 0
1
Définition 6
Le spectre de A ∈ Mn (K) noté sp(A), est l’ensemble des valeurs propres de A.
Proposition 1
Si λ1 , . . . , λr sont r valeurs propres distinctes de l’endomorphisme f (resp. de la

matrice A ), alors :
1 Chaque Eλi est stable par f (resp. par A ), autrement dit :
∀x ∈ Eλi on a f (x) ∈ Eλi (resp. ∀X ∈ Eλi on a AX ∈ Eλi ).
2 La somme Eλ1 + · · · + Eλr est directe, c’est-a-dire :
Eλ1 + · · · + Eλr = Eλ1 ⊕ . . . ⊕ Eλr .

Réduction des endomorphismes 1.2 Le polynôme caractéristique
Plan


Le polynôme caractéristique
Définition 7
Le polynôme caractéristique de A ∈ Mn (K) est le polynôme CA ∈ K[X] défini

par : ∀X ∈ K CA (X) = det (A − XIn )
Exemples.

−5 −2 0
1 Pour A = 1 −5 −1 on a
0 2 −5

−5 − X −2 0 −5 − X −2 0
C A (X) = det (A − XI3 ) = 1 −5 − X −1 = 0 −5 − X −1
0 2 −5 − X −5 − X 2 −5 − X

1 −2 0
= (−5 − X) 0 −5 − X −1 = (−5 − X) (5 + X)2 + 4
1 2 −5 − X

2 Si A = aij est diagonale ou triangulaire alors,
C A (X) = (a11 − X) (a22 − X) . . . (ann − X)

3

3 Soit f ∈ L R défini par f (x, y, z) = (y + z, −x + y − z, x + y + 3z).

0 1 1
3
Si B désigne la base canonique de R , alors MB (f ) = −1 1 −1 . Par suite
1 1 3

−X 1 1
C f (X) = C MB (f ) (X) = det (MB (f ) − XIn ) = −1 1−X −1 = −X(2 − X)2
1 1 3−X

Proposition 2
Soit A ∈ Mn (K) (resp. f ∈ EndK (E)) . Alors λ ∈ K est une valeur propre de A (resp. de f ) si,
et seulement si, λ est une racine du polynôme C A (X)
(resp. C f (X))
Exemple.

−5 −2 0
2
Pour A = 1 −5 −1 on a trouvé: C A (X) = (−5 − X) (5 + X) + 4
0 2 −5
On en déduit que spR (A) = {−5} et spC (A) = {−5, −5 + 2i, −5 − 2i}

Proposition 3
Une matrice carrée et sa transposée ont même polynôme caractéristique et donc

même spectre.
Théorème 1.
f ∈ L(E) et λ une valeur propre de f de multiplicité m. Alors 1 ≤ dimK (Eλ ) ≤ m
Corollaire 1.
La dimension d’un sous-espace propre associé à une valeur propre simple λ est égale à 1.

Réduction des endomorphismes 1.3 Endomorphismes et matrices diagonalisables
Plan


Endomorphismes et matrices diagonalisables
Définition 8
Soit f un endomorphisme d’un K-espace vectoriel E. On dit que f est diagonal-

isable s’il existe une base B de E telle que MB (f ) est diagonale (donc une base B
formée de vecteurs propres de f ).
Définition 9
Une matrice A ∈ Mn (K) est diagonalisable s’il existe une matrice P ∈ Mn (K)
inversible telle que P −1 AP soit une matrice diagonale.
Remarque:
A ∈ Mn (K) est diagonalisable si et seulement si l’endomorphisme de Kn dont A

est la matrice associée par rapport à la base canonique soit un endomorphisme
diagonalisable.

Définition 10
Un polynôme P (X) ∈ K[X] est dit scindé sur K[X] s’il se décompose en produit
de polynômes de premier degré de K[X], c’est-a-dire toutes les racines de P(X)
sont dans K.
Théorème 2.
Soit f ∈ L(E) (resp. A ∈ Mn (K)) alors f (resp. A) est diagonalisable si et seulement si:
1 le polynôme caractéristique Cf (X) (resp. CA (X)) est scindé sur K;
2 pour chaque racine λi de Cf (X) (resp. de CA (X)) d’ordre ki on a dimK (Eλi ) = ki
Corollaire 2.
Soit f ∈ L(E) (resp. A ∈ Mn (K)). Si Cf (X) (resp. CA (X)) est scindé sur K et a
toutes ses racines simples alors f (resp. A) est diagonalisable.

Exercice 1 : !
2 0 4
Pour A = 3 −4 12 . A est elle diagonalisable?
1 −2 5
−1
!
2 3
Exercice 2 : Soit A = 2 2 6
1 2 1
1 Montrer que la matrice A est diagonalisable.
2 Diagonaliser A, c’est-à-dire fournir une matrice P ∈ GL3 (R) telle que
P −1 AP soit une matrice diagonale qu’on précisera.

Réduction des endomorphismes 1.4 Endomorphismes et matrices trigonalisables
Plan


Réduction des endomorphismes 1.4 Endomorphismes et matrices trigonalisables
Endomorphismes et matrices trigonalisables
Définition 11
Soit f un endomorphisme d’un K-espace vectoriel E. On dit que f est trigonalis-

able s’il existe une base B de E telle que MB (f ) soit triangulaire supérieure.
Définition 12
Une matrice A ∈ Mn (K) est trigonalisable s’il existe une matrice P ∈ Mn (K)
inversible telle que P −1 AP soit une matrice triangulaire supérieure.
Théorème 3.
Soit f ∈ L(E) (resp. A ∈ Mn (K)) alors f (resp. A) est trigonalisable si, et seulement si,
le polynôme caractéristique Cf (X) (resp. CA (X)) est scindé sur K.
3 3
Exercice 3 : Soit f : R → R un endomorphisme tel que
f (x, y, z) = (−3x − 3y + 2z, x + y − 2z, 2x + 4y − 2z). f est-il trigonalisable, est-il diagonalisable?

Réduction des endomorphismes 1.5 Polynôme minimal
Plan


Polynôme minimal
Soit f un endomorphisme d’un K-espace vectoriel E de dimension n :
On défini les puissances de f par :
f 0 = IdE , f 2 = f of, f m+1 = f m of
A chaque polynôme P (X) = a0 + a1 X + . . . + am X m ∈ K[X] on peut associer

le polynôme d’endomorphisme P (f ) = a0 IdE + a1 f . . . + am f m .
De plus, si dans une base B de E on a A = MB (f ), alors
MB (P (f )) = a0 In + a1 A + a2 A2 . . . + am Am ..
Définition 13
On appelle polynôme annulateur de f tout polynôme Q(X) ∈ K[X] tel que

Q(f ) = 0 (où 0 est l’endomorphisme nul de E ).

Polynôme minimal
Notations : Si f est un endomorphisme de E et A ∈ Mn (IK); alors

Ann(f ) = {Q(X) ∈ K[X]/Q(f ) = 0}
Ann(A) = {Q(X) ∈ K[X]/Q(A) = 0n } où 0n est la matrice nulle.
Remarque:
Ann(f ) n’est pas vide.
Théorème 4.
Soit f ∈ L(E) (resp. A ∈ Mn (K)). Alors il existe un unique polynôme unitaire mf (X)
(resp. mA (X) ∈ K[X]) de degré minimal appartenant à Ann(f ) (resp. Ann(A)) tel que
tout polynôme annulateur de f (resp. de A ) est multiple de mf (X) (resp. mA (X)).
Autrement dit, si P (X) ∈ K[X] est tel que P (f ) = 0 (resp. P (A) = 0) alors
∃D(X) ∈ K[X] tel que P (X) = D(X)mf (X) ( resp. P (X) = D(X)mA (X))

Polynôme minimal
Théorème 5. [Cayley-Hamilton]
Soit f ∈ L(E) (resp. A ∈ Mn (K)). Alors le polynôme caractéristique de f (resp. de A )
est un polynôme annulateur de f (resp. de A ). Autrement dit, Cf (f ) = 0 et CA (A) = 0.
Corollaire 3.
Soit f ∈ L(E) (resp. A ∈ Mn (K)). Alors mf (X) divise Cf (X) (resp.mA (X) divise
CA (X)).
Théorème 6.
Soit f ∈ L(E). Si Cf (X) = (−1)S (X − α1 )n1 . . . (X − αr )nr alors
mf (X) = (X − α1 )m1 . . . (X − αr )mr avec 1 ≤ mi ≤ ni pour 1 ≤ i ≤ r

Polynôme minimal
Théorème 7.
Soit f ∈ L(E) (resp. A ∈ Mn (K)). Alors f (resp. A ) est diagonalisable si, et seulement
si, les racines de mf (X) (resp. de mA (X)) sont simples et appartiennent toutes à K.
Exemples.
−1
!
1 1
1 Soit A = 1 −1 1 . Puisque mA (X) = (X − 1)(X + 2) a toutes ses
1 1 −1
racines simples dans R, alors A est diagonalisable.
−3 −3
!
2
2 Soit A = 1 1 −2 . Comme CA (X) = −(X + 2)3 , nécessairement A
2 4 −4
n’est pas diagonalisable. Sinon, d’après le Théorème 7 on aura mA (X) = X + 2 et
alors A + 2I3 = 0 de sorte que A = −2I3 ce qui est impossible.

Polynôme minimal
Exemple.
Déterminer le polynôme minimal de la matrice suivante :
!
3 0 8
A= 3 −1 6
−2 0 −5
Le polynôme caractéristique de A est CA (X) = −(X + 1)3

La seule valeur propre de A est donc -1.
Comme A n’est pas égale à −I3 , A n’est pas diagonalisable.
Son polynôme minimal ne peut être que (X + 1)3 ou (X + 1)2 .
Un calcul rapide montre que (A + I3 )2 = 0, et donc le polynôme minimal de A est
mA (X) = (X + 1)2 .

Polynôme minimal

Algebra 2

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

Algebra 2

Transféré par

Droits d'auteur :

Formats disponibles

Algèbre 2

Youness El Ansari Cours algèbre 2 EST AGADIR S3 GI 1 / 28

1 Réduction des endomorphismes

Youness El Ansari Cours algèbre 2 EST AGADIR S3 GI 2 / 28

1 Réduction des endomorphismes

Youness El Ansari Cours algèbre 2 EST AGADIR S3 GI 3 / 28

1 Réduction des endomorphismes

Youness El Ansari Cours algèbre 2 EST AGADIR S3 GI 5 / 28

Vecteurs propres et valeurs propres

Un vecteur x ∈ E est dit un vecteur propre de f si :

1 L’endomorphisme nul de l’espace E = {0} n’admet pas de valeur propre.

Youness El Ansari Cours algèbre 2 EST AGADIR S3 GI 6 / 28

Vecteurs propres et valeurs propres

Si λ ∈ K est valeur propre de f alors Eλ (f ) = {x ∈ E | f (x) = λx} est un

Youness El Ansari Cours algèbre 2 EST AGADIR S3 GI 7 / 28

Vecteurs propres et valeurs propres

E0 (f ) = (x, y, z) ∈ R3 /f (x, y, z) = 0(x, y, z) = (0, 0, 0) = Vect(2, 1, −1)

E2 (f ) = (x, y, z) ∈ R3 /f (x, y, z) = 2(x, y, z) = Vect(0, 1, −1)

Le spectre de f ∈ L(E), noté sp(f ) , est l’ensemble des valeurs propres de f .

Les éléments propres d’une matrice A ∈ Mn (K) sont ceux de l’endomorphisme de

Youness El Ansari Cours algèbre 2 EST AGADIR S3 GI 8 / 28

Vecteurs propres et valeurs propres

Soit A ∈ Mn (K). Si λ ∈ K est valeur propre de A alors,

Youness El Ansari Cours algèbre 2 EST AGADIR S3 GI 9 / 28

dimK (Eλ ) ≥ 1, car Eλ contient un vecteur non nul par définition.

Vecteurs propres et valeurs propres

Le spectre de A ∈ Mn (K) noté sp(A), est l’ensemble des valeurs propres de A.

Si λ1 , . . . , λr sont r valeurs propres distinctes de l’endomorphisme f (resp. de la

Youness El Ansari Cours algèbre 2 EST AGADIR S3 GI 11 / 28

1 Réduction des endomorphismes

Youness El Ansari Cours algèbre 2 EST AGADIR S3 GI 12 / 28

Le polynôme caractéristique de A ∈ Mn (K) est le polynôme CA ∈ K[X] défini

C A (X) = (a11 − X) (a22 − X) . . . (ann − X)

Youness El Ansari Cours algèbre 2 EST AGADIR S3 GI 13 / 28

Youness El Ansari Cours algèbre 2 EST AGADIR S3 GI 14 / 28

Une matrice carrée et sa transposée ont même polynôme caractéristique et donc

Youness El Ansari Cours algèbre 2 EST AGADIR S3 GI 15 / 28

1 Réduction des endomorphismes

Youness El Ansari Cours algèbre 2 EST AGADIR S3 GI 16 / 28

Endomorphismes et matrices diagonalisables

Soit f un endomorphisme d’un K-espace vectoriel E. On dit que f est diagonal-

A ∈ Mn (K) est diagonalisable si et seulement si l’endomorphisme de Kn dont A

Youness El Ansari Cours algèbre 2 EST AGADIR S3 GI 17 / 28

Endomorphismes et matrices diagonalisables

Youness El Ansari Cours algèbre 2 EST AGADIR S3 GI 18 / 28

Endomorphismes et matrices diagonalisables

Youness El Ansari Cours algèbre 2 EST AGADIR S3 GI 19 / 28

1 Réduction des endomorphismes

Youness El Ansari Cours algèbre 2 EST AGADIR S3 GI 20 / 28

Endomorphismes et matrices trigonalisables

Soit f un endomorphisme d’un K-espace vectoriel E. On dit que f est trigonalis-

Youness El Ansari Cours algèbre 2 EST AGADIR S3 GI 21 / 28

1 Réduction des endomorphismes

Youness El Ansari Cours algèbre 2 EST AGADIR S3 GI 22 / 28

Soit f un endomorphisme d’un K-espace vectoriel E de dimension n :

On défini les puissances de f par :

f 0 = IdE , f 2 = f of, f m+1 = f m of

A chaque polynôme P (X) = a0 + a1 X + . . . + am X m ∈ K[X] on peut associer

On appelle polynôme annulateur de f tout polynôme Q(X) ∈ K[X] tel que

Youness El Ansari Cours algèbre 2 EST AGADIR S3 GI 23 / 28

Notations : Si f est un endomorphisme de E et A ∈ Mn (IK); alors

Ann(f ) n’est pas vide.

Youness El Ansari Cours algèbre 2 EST AGADIR S3 GI 24 / 28