Académique Documents
Professionnel Documents
Culture Documents
Cours
Réduction des
endomorphismes
Classe MP*
Table des matières
page 2 / 63
Cours Table des matières
I
Somme, somme directe de
sous-espaces vectoriels
page 5 / 63
Cours Introduction à la réduction des endomorphismes
Remarques 1.1
Proposition 1.1
Propriétés 1.2
Soient 𝐹 1, 𝐹 2, . . . , 𝐹𝑝 des sev de 𝐸. Soit pour tout 𝑘 ∈ [[1, 𝑝]] une base B𝑘 de
𝐹𝑘 . Soit B := B1 ∪ · · · ∪ B𝑝 la famille obtenue en rassemblant les vecteurs
de toutes les familles 𝐵 1, . . . , 𝐵𝑝 dans leurs ordre d’apparition.
1.2.1 B est une famille génératrice de 𝐹 1 + 𝐹 2 + · · · + 𝐹𝑝 .
1.2.2 La somme 𝐹 1 + 𝐹 2 + · · · + 𝐹𝑝 est directe si et seulement si B est libre.
1.2.3𝐹 1, 𝐹 2, . . . , 𝐹𝑝 sont supplémentaires dans 𝐸 si et seulement si B est une
base de 𝐸.
vocabulaire On dit dans ce dernier cas que B est une base de 𝐸 adaptée à la décom-
position 𝐸 = 𝐹 1 ⊕ · · · ⊕ 𝐹𝑝 .
Remarque 1.2
Corollaire 1.4
à la décomposition 𝐸 = 𝐹 1 ⊕ · · · ⊕ 𝐹𝑘 .
n.b. 𝑝𝑘 est la projection de 𝐸 sur 𝐹𝑘 parallèlement à la somme des autres 𝐹𝑖 .
Propriétés 1.6
Exercice 1.3
Soient 𝐹 1, . . . , 𝐹𝑝 , 𝐺 1, . . . , 𝐺 𝑝 des sev de 𝐸. Montrer que
(
𝐹 1 ⊕ · · · ⊕ 𝐹𝑝 = 𝐺 1 ⊕ · · · ⊕ 𝐺 𝑝
=⇒ ∀𝑘 ∈ [[1, 𝑝]] , 𝐹𝑘 = 𝐺𝑘
∀𝑘 ∈ [[1, 𝑝]] , 𝐹𝑘 ⊂ 𝐺𝑘
Exercice 1.4
On suppose que 𝐸 est de dimension finie. Soient des projections 𝑝 1, . . . , 𝑝𝑟 de
𝐸. Montrer que si 𝑝 1 + 𝑝 2 + · · · + 𝑝𝑟 = id𝐸 alors 𝐸 = Im 𝑝 1 ⊕ Im 𝑝 2 ⊕ · · · ⊕ Im 𝑝𝑟 .
Exercice 1.5
On suppose que dim 𝐸 < ∞. Soient 𝑢 1, 𝑢 2, . . . , 𝑢𝑝 des endomorphisme de 𝐸.
1 Montrer qu’il existe des endomorphismes 𝑓1, 𝑓2, . . . , 𝑓𝑝 de 𝐸 tels que
X𝑝 𝑝
X
Im 𝑢𝑖 = Im 𝑢𝑖 ◦ 𝑓𝑖
𝑖=1 𝑖=1
2 Montrer qu’il existe des endomorphismes 𝑔1, 𝑔2, . . . , 𝑔𝑝 de 𝐸 tels que
\𝑝 𝑝
X
Ker 𝑢𝑖 = Ker 𝑔𝑖 ◦ 𝑢𝑖
𝑖=1 𝑖=1
II
Opérations sur les matrices définies par blocs
Exemples 1.1
On peut écrire
𝐼𝑝 𝐵 𝐴 0 𝐴 𝐵 (multiplication de la pre-
=
0 𝐶 0 𝐼𝑛−𝑝 0 𝐶 mière colonne par 𝐴)
Exercice 1.6
Soit une matrice définie par blocs
𝐴 𝐶
𝑀= ∈ M2𝑛 (K) avec 𝐴, 𝐵, 𝐶, 𝐷 ∈ M𝑛 (K)
𝐵 𝐷
On suppose que 𝐴𝐵 = 𝐵𝐴 (ou 𝐴𝐶 = 𝐶𝐴). Montrer que det(𝑀) = det(𝐴𝐷 − 𝐵𝐶).
Exercice 1.7
Soient deux matrices carrées 𝐴, 𝐵 ∈ M𝑛 (K). Montrer que
∀𝜆 ∈ K, det(𝜆𝐼𝑛 − 𝐴𝐵) = det(𝜆𝐼𝑛 − 𝐵𝐴)
On pourrait introduire la matrice par blocs 𝐼𝐵𝑛 𝜆𝐼𝐴𝑛 .
III
Sous-espaces stables par un endomorphisme
Définition 1.2
Remarques 1.3
Proposition 1.7
Propriétés 1.8
Vocabulaire
Théorème 1.9
Théorème 1.10
𝐴1
© ª
𝐴2 ®
MatB (𝑢) = .. ®
. ®
®
« 𝐴𝑝 ¬
chaque bloc 𝐴𝑘 est alors la matrice de l’endomorphisme 𝑢𝐸𝑘 dans la base B𝑘 .
Théorème 1.11
Exercice 1.10
Soit 𝑢 un endomorphisme de 𝐸. Montrer que 𝑢 est de la forme 𝜆 id𝐸 dans
chacun des cas suivants
1 toutes les droites de 𝐸 sont stables par 𝑢 ;
2 tous les hyperplans de 𝐸 sont stables par 𝑢 ;
3 il existe un entier 𝑟 < 𝑛 tel que tous les sev de 𝐸 de dimension 𝑟 soient
stables par 𝑢.
Exercice 1.11
Soit 𝑢 un endomorphisme nilpotent de 𝐸 d’indice 𝑝. Montrer qu’aucun noyau
Ker 𝑢 𝑘 n’admet un supplémentaire dans 𝐸 stable par 𝑢 lorsque 0 < 𝑘 < 𝑝.
Exercice 1.12
Soit 𝑢 ∈ L(𝐸). 𝐸 est supposé de dimension finie.
1 Montrer que la suite (Ker 𝑢 𝑘 )𝑘 ∈N est croissante et que (Im𝑢 𝑘 )𝑘 ∈N est
décroissante.
2 Montrer qu’il existe 𝑘 ∈ N tel que Ker 𝑢 𝑘+1 = Ker 𝑢 𝑘 . On pose alors
𝑝 = min{𝑘 ∈ N / Ker 𝑢 𝑘+1 = Ker 𝑢 𝑘 }
Montrer que Ker 𝑢 𝑘 = Ker 𝑢 𝑝 pour tout 𝑘 > 𝑝.
I
Polynômes d’endomorphisme,
polynômes annulateurs
Vocabulaire
𝑛
Soit 𝑢 ∈ L(𝐸). Pour tout polynôme 𝑃 = 𝑎𝑘 𝑋 𝑘 de K[𝑋 ] on pose
P
𝑛 𝑘=0
X
𝑃 (𝑢) := 𝑎𝑘 𝑢 𝑘 = 𝑎 0𝑖𝑑𝐸 + 𝑎 1𝑢 + · · · + 𝑎𝑛𝑢 𝑛
𝑘=0
𝑃 (𝑢) est un endomorphisme de 𝐸 dit un polynôme en 𝑢.
En outre ; 𝑃 est dit un polynôme annulateur de 𝑢 si 𝑃 (𝑢) = 0.
n.b. Pour tout 𝑥 ∈ 𝐸, on a donc
𝑃 (𝑢)(𝑥) = 𝑎 0𝑥 + 𝑎 1𝑢 (𝑥) + · · · + 𝑎𝑛𝑢𝑛 (𝑥)
attention l’écriture 𝑃 (𝑢 (𝑥)) n’a pas forcément un sens puisqu’on ne peut parler en
général des « puissances » du vecteur 𝑢 (𝑥).
page 18 / 63
Cours Utilisation des polynômes en algèbre linéaire
Propriétés 2.1
Remarque 2.1
Théorème 2.2
Vocabulaire
Corollaire 2.3
Remarques 2.2
Exemples 2.1
Proposition 2.4
Propriétés 2.5
Soient 𝑃 1, 𝑃2, . . . , 𝑃𝑟 des polynômes deux à deux premiers entre eux. Alors,
𝑟
M
Ker 𝑃 1 𝑃 2 · · · 𝑃𝑟 (𝑢) = Ker 𝑃𝑘 (𝑢)
𝑘=1
résultat important
Corollaire 2.7
Remarques 2.3
Soit 𝑢 ∈ L(𝐸).
2.3.1 On suppose que 𝑢 admet un polynôme annulateur de la forme 𝑃𝑄
avec 𝑃 ∧ 𝑄 = 1. Alors
Ker 𝑃 (𝑢) = Im 𝑄 (𝑢) Ker 𝑄 (𝑢) = Im 𝑃 (𝑢)
2.3.2 On reprend les notations du corollaire 2.7. Alors
M
∀𝑘 ∈ [[1, 𝑟 ]] , Im 𝑃𝑘𝛼𝑘 (𝑢) = Ker 𝑃𝑖𝛼𝑖 (𝑢)
𝑖≠𝑘
Théorème 2.8
Remarque 2.4
II
Cas d’une matrice carrée
De la même façon que pour les endomorphismes on définit pour toute matrice
carrée 𝐴 ∈ M𝑑 (K) et pour tout polynôme 𝑃 = 𝑎 0 + 𝑎 1𝑋 + · · · + 𝑎𝑛 𝑋 𝑛 ∈ K[𝑋 ],
la matrice
𝑃 (𝐴) = 𝑎 0 𝐼𝑑 + 𝑎 1𝐴 + 𝑎 2𝐴2 + · · · + 𝑎𝑛 𝐴𝑛
On appelle alors polynôme annulateur de 𝐴 tout polynôme 𝑃 tel que 𝑃 (𝐴) = 0.
2
Notons que, puisque la famille (𝐼𝑑 , 𝐴, · · · , 𝐴𝑑 ) est forcément liée, 𝐴 admet au
moins un polynôme annulateur non nul.
On définit alors :
1 le polynôme minimal de 𝐴, qu’on note 𝜋𝐴 , comme étant l’unique
polynôme unitaire tel que
𝐼𝐴 = 𝑃 ∈ K[𝑋 ] / 𝑃 (𝐴) = 0 = 𝜋𝐴 K[𝑋 ]
𝐼𝐴 est appelé idéal annulateur de 𝐴.
2 la sous algèbre de M𝑑 (K) engendrée par 𝐴 comme
K[𝐴] = 𝑃 (𝐴)/𝑃 ∈ K[𝑋 ]
Comme pour les endomorphismes, K[𝐴] est une algèbre commutative de
dimension égale à 𝑝 = deg 𝜋𝐴 et (𝐼𝑑 , 𝐴, . . . , 𝐴𝑝−1 ) en est une base.
Propriétés 2.9
Proposition 2.10
Exemples 2.3
du polynôme 𝑃.
2.3.4 Si 𝐴 une matrice nilpotente d’indice 𝑝 alors 𝜋𝐴 = 𝑋 𝑝 .
2.3.5 Soit 𝐴 ∈ M𝑛 (K). Considérons l’endomorphisme
𝐴𝑔 : M𝑛 (K) −→ M𝑛 (K)
𝑀 ↦−→ 𝐴𝑀
On observe que pour tout 𝑃 ∈ K[𝑋 ]
∀𝑀 ∈ M𝑛 (K), 𝑃 (𝐴𝑔 )(𝑀) = 𝑃 (𝐴)𝑀
III
Exercices d’approfondissement
Exercice 2.1 famille des projecteurs associée à une décomposition des noyaux
Soit 𝑢 ∈ L(𝐸). Soit 𝑃 un polynôme annulateur non nul éventuel de 𝑢 et soit
Q 𝛽
𝑃 = 𝑟𝑘=1 𝑃𝑘 𝑘 sa décomposition en facteurs irréductibles. On sait que
M𝑟
𝛽
𝐸= Ker 𝑃𝑘 𝑘 (𝑢)
𝑘=1
On considère la famille de projections (𝜋 1, 𝜋2, . . . , 𝜋𝑟 ) associée à cette décom-
position. Montrer que pour tout 𝑘 ∈ [[1, 𝑟 ]], 𝜋𝑘 est un polynôme en 𝑢.
2 Montrer que Ker 𝑄 (𝑢) est le seul supplémentaire de Ker 𝑃 𝛽 (𝑢) qui est
stable par 𝑢 et que Ker 𝑄 (𝑢) = Im 𝑃 𝛽 (𝑢).
3 Soit 𝑘 ∈ N. Montrer que si Ker 𝑃 𝑘 (𝑢) admet un supplémentaire 𝑢-stable
dans 𝐸 alors 𝑘 > 𝛽.
n.b. En d’autre termes, 𝐹 est 𝑢-stable si et seulement s’il est la somme de sous-espaces
𝛽
𝑢-stables des noyaux Ker 𝑃𝑘 𝑘 (𝑢).
Exercice 2.5
Soit 𝑢 ∈ L(𝐸). On suppose que 𝑢 admet un polynôme minimal. Soit 𝑃 un
diviseur unitaire de 𝜋𝑢 . Soit 𝑄 ∈ K[𝑋 ] unitaire.
1 Montrer que si 𝑄 | 𝑃 et Ker 𝑄 (𝑢) = Ker 𝑃 (𝑢) alors 𝑄 = 𝑃.
2 En déduire que 𝑃 est le polynôme minimal de l’endomorphisme induit
par 𝑢 sur Ker 𝑃 (𝑢).
2 Montrer que 𝐼𝑥,𝑢 est un idéal de K[𝑋 ]. Si 𝐼𝑥,𝑢 est non nul justifier l’exis-
tence et l’unicité d’un polynôme unitaire 𝜋𝑥,𝑢 tel que
∀𝑃 ∈ K[𝑋 ], 𝑃 (𝑢) (𝑥) = 0𝐸 ⇐⇒ 𝜋𝑥,𝑢 | 𝑃
Montrer que dans ce cas dimh𝑢, 𝑥i = deg 𝜋𝑥,𝑢 .
vocabulaire h𝑢, 𝑥i est appelé sous-espace 𝑢-cyclique engendré par 𝑥 et 𝜋𝑥,𝑢 polynôme
minimal de 𝑢 en 𝑥. On dit qu’un sev 𝐹 de 𝐸 est 𝑢-cyclique s’il existe 𝑥 ∈ 𝐸 tel que 𝐹 = h𝑢, 𝑥i.
Exercice 2.9
On suppose que dim 𝐸 > 1. Soit 𝑢 ∈ L(𝐸). On suppose que 𝑢 est de rang 1 et
on considère un vecteur directeur 𝑒 de Im 𝑢 et un scalaire 𝛼 tel que 𝑢 (𝑒) = 𝛼𝑒.
1 Montrer que 𝜋𝑢 = 𝑋 2 − 𝛼𝑋 .
2 Montrer que si dim 𝐸 < ∞ alors 𝛼 = Tr(𝑢).
Exercice 2.10
Soit 𝑢 ∈ L(𝐸).
1 On suppose dans cette question seulement que dim 𝐸 = 2. Montrer que si
𝑢 n’est pas de la forme 𝜆 id𝐸 alors 𝜋𝑢 = 𝑋 2 − Tr(𝑢)𝑋 + det(𝑢).
2 Donner un polynôme annulateur de degré 3 de 𝑢 si rg 𝑢 = 2.
Exercice 2.11
Soit 𝐴 une matrice carrée inversible. Exprimer 𝜋𝐴−1 en fonction de 𝜋𝐴 .
Exercice 2.12
𝜋𝐴 ∨ 𝜋𝐵 . Donner un example où 𝜋𝑀 ≠ 𝜋𝐴 ∧ 𝜋𝐵
I
Éléments propres d’un endomorphisme
Proposition 3.1
Propriétés 3.2
Soit 𝑢 un endomorphisme de 𝐸.
3.2.1 Une droite vectorielle K𝑥 est 𝑢-stable si et seulement si 𝑥 est un vecteur
propre de 𝑢.
3.2.2 Si 𝐸 est de dimension quelconque, 𝜆 est une valeur propre de 𝑢 si et
seulement si l’endomorphisme 𝑢 − 𝜆id𝐸 est non injectif.
n.b. En particulier, 0 est une valeur propre de 𝑢 si et seulement si 𝑢 est non injectif.
page 31 / 63
Cours Réduction d’un endomorphisme
Proposition 3.3
Soit 𝑢 un endomorphisme de 𝐸.
Si 𝑢 admet un polynôme minimal alors les valeurs propres de 𝑢 sont exacte-
ment les racines de 𝜋𝑢 .
Proposition 3.4
Soit 𝑢 un endomorphisme de 𝐸.
1 Si 𝜆1, 𝜆2, · · · , 𝜆𝑝 sont des valeurs propres deux à deux distinctes de 𝑢
alors la somme 𝐸𝜆1 (𝑢) + · · · + 𝐸𝜆𝑝 (𝑢) est directe.
2 Toute famille de vecteurs propres de 𝑢 associés à des valeurs propres
deux à deux distinctes est une famille libre.
Exemples 3.1
Soient une matrice carrée 𝐴 ∈ M𝑛 (K). On appelle valeur propre (resp vecteur
propre) de 𝐴 toute valeur propre (resp vecteur propre) de son endomorphisme
canoniquement associé. Si 𝜆 est une valeur propre de 𝐴 on note
𝐸𝜆 (𝐴) = Ker(𝐴 − 𝜆𝐼𝑛 ) = {𝑋 ∈ M𝑛,1 (K) / 𝐴𝑋 = 𝜆𝑋 }
Vocabulaire
3.3.1 L’ensemble des valeurs propres de 𝐴 dans K est noté SpK (𝐴), on l’ap-
pelle spectre de 𝐴 dans K.
n.b. Pour un endomorphisme, on n’a pas besoin de préciser K dans la notation du
spectre de 𝑢 car K est figé en tant que corps de base de l’espace 𝐸. Une matrice par contre
peut être vue comme une matrice à coefficients dans un corps K comme dans n’importe
quel sur-corps de K. De ce fait le spectre d’une matrice dépend du corps de base.
3.3.2 Si K = C, le réel 𝜌 (𝐴) = max |𝜆| est appelé rayon spectral de 𝐴 sur K.
𝜆 ∈SpK (𝐴)
Proposition 3.5
II
Polynôme caractéristique
Remarque 3.1
Vocabulaire
Corollaire 3.7
Remarque 3.2
Propriétés 3.8
𝐶𝑃 = . . . . . . ... .. ®®
. ®
1 0 −𝑎𝑑−2 ®
®
« 1 −𝑎𝑑−1 ¬
𝐶𝑃 est appelée
matrice compagne du polynôme 𝑃.
𝑥
0 · · · 0 𝑎 0
−1 𝑥 𝑎 1 et en appliquant l’opération
𝜒𝐶𝑃 (𝑥) = .. .. ..
𝐿0 ←
. . .
2
𝑎𝑑−2 𝐿1 + 𝑥𝐿2 + 𝑥 𝐿3 + · · · + 𝑥 𝐿𝑑
𝑑−1
−1 𝑥
−1 𝑎𝑑−1 + 𝑥
0
0 · · · 0 𝑃 (𝑥)
−1 𝑥 𝑎 1
on développe maintenant se-
𝜒𝐶𝑃 (𝑥) =
.. .. ..
. . . lon la première ligne
−1 𝑥 𝑎𝑑−2
−1 𝑎𝑑−1 + 𝑥
−1 𝑥 0 · · · 0
0 −1 𝑥 0
. . . . . . . . ...
. .
𝜒𝐶𝑃 (𝑥) = (−1)𝑑+1 𝑃 (𝑥) ..
.. ..
.
. −1 𝑥
0 · · · · · · 0 −1
Définition 3.5
Remarques 3.3
3.3.1 Lorsque il s’agit d’une matrice carrée 𝐴, on peut très bien écrire (avec
l’indéterminée 𝑋 )
𝜒𝐴 (𝑋 ) = det(𝐴 − 𝑋 𝐼𝑑 )
en considérant que ce dernier déterminant est celui d’une matrice à coeffi-
cient dans le corps des fractions rationnelles K(𝑋 ).
Mais l’écriture 𝜒𝑢 (𝑋 ) = det(𝑢 − 𝑋 id𝐸 ) n’a aucun sens lorsque 𝑢 est un
endomorphisme.
3.3.2 Lorsque le corps de base K est fini, la définition d’un polynôme à partir
d’une fonction polynomiale pose un problème. Deux polynômes distincts
peuvent dans ce cas avoir la même fonction polynomiale.
précisions si K est un corps fini de cardinal 𝑞 alors le polynôme 𝑋 𝑞 − 𝑋 est non nul
alors que sa fonction polynomiale est partout nulle sur K.
C’est pourquoi dans la définition on tient tant à définir le polynôme caractéristique d’un
endomorphisme comme le polynôme de l’une quelconque des matrices le représentant
et non comme le polynôme dont la fonction polynomiale est 𝑥 ↦→ det(𝑢 − 𝑥 id𝐸 ).
Exemples 3.3
Proposition 3.9
Vocabulaire
Proposition 3.10
Soit 𝑢 un endomorphisme de 𝐸.
1 Soit 𝐹 un sous-espace vectoriel de 𝐸. Si 𝐹 est stable par 𝑢 alors
𝜒𝑢𝐹 divise 𝜒𝑢
Corollaire 3.11
Remarque 3.4
Corollaire 3.13
1 Soit 𝑢 ∈ L(𝐸). Alors 𝜋𝑢 divise 𝜒𝑢 et en particulier deg(𝜋𝑢 ) 6 dim(𝐸).
2 Soit 𝐴 ∈ M𝑑 (K). Alors 𝜋𝐴 divise 𝜒𝐴 , et en particulier deg 𝜋𝐴 6 𝑑.
Lemme 3.14
Lemme 3.15
Soit 𝑢 ∈ L(𝐸). Si 𝑢 est nilpotent alors il existe une base de 𝐸 dans laquelle la
matrice de 𝑢 est triangulaire supérieure à diagonale nulle.
En particulier, si 𝑢 est nilpotent alors 𝜒𝑢 = 𝑋 𝑑 .
résultat important
Théorème 3.16
Corollaire 3.17
Soit une matrice carrée 𝐴 ∈ M𝑑 (K). Si 𝜒𝐴 est scindé sur K alors 𝐴 est
semblable dans M𝑑 (K) à une matrice de la forme
𝑇
© 1 ª
𝑇2
®
®
.. ®
. ®
®
« 𝑇 𝑟 ¬
où pour tout 𝑘 ∈ [[1, 𝑟 ]], 𝑇𝑘 est une matrice triangulaire supérieure d’ordre 𝛼𝑘
et dont tous les coefficients diagonaux sont égaux à 𝜆𝑘 , où 𝜆1 , 𝜆2 ,. . . , 𝜆𝑟 sont
les va.p. de 𝐴 et 𝛼 1 , 𝛼 2 , . . . , 𝛼𝑟 leurs multiplicités respectives.
Exercice 3.1
On suppose que 𝐴 est inversible. Montrer que
(−1)𝑛 𝑛
𝜒𝐴−1 (𝑋 ) = 𝑋 𝜒𝐴 (1/𝑋 )
det(𝐴)
Analyser comment s’obtient ce dernier polynôme en fonction de 𝜒𝐴 . Exprimer
les valeurs propres éventuelles de 𝐴−1 en fonction de celles de 𝐴, en précisant
le lien entre leurs sous-espaces propres respectifs.
Exercice 3.2
Soient 𝐴, 𝐵 ∈ M𝑑 (K). Montrer que 𝜒𝐴𝐵 = 𝜒𝐵𝐴 .
n.b. Ainsi les matrices 𝐴𝐵 et 𝐵𝐴 ont toujours les mêmes valeurs propres et avec les
mêmes multiplicités. Il peut être intéressant d’étudier les liens entre leurs sous-espaces
propres respectifs.
Exercice 3.6
Soient deux matrices carrées 𝐴 et 𝐵. Montrer que det(𝑋𝐴 + 𝐵) est un polynôme
de degré 6 𝑟 avec 𝑟 = rg 𝐴.
Exercice 3.7
Soit 𝑢 ∈ L(𝐸). Montrer que 𝜒𝑢 et 𝜋𝑢 ont les mêmes facteurs irréductibles.
III
Calcul pratique des éléments propres
Exemples pratiques 3.4 (la procédure standard de calcul des éléments propres)
Considérons la matrice
3 2 2 0
© ª
2 2 1 1 ®®
𝐴=
®
−6 −5 −4 −1 ®
®
« −2 −1 −1 0 ¬
Le calcul des éléments propres passe souvent par le calcul du polynôme
caractéristique pour obtenir les valeurs propres et ensuite par le calcul
d’une base de chaque sous-espace propre. Cette dernière tâche se résume en
général à la résolution de systèmes linéaires homogènes.
calcul du polynôme caractéristique
3 − 𝜆
2 2 0 𝐿1 ↔ 𝐿4
2 2−𝜆 1 1 𝐿2 ← 𝐿2 + 𝐿1
det(𝐴 − 𝜆𝐼 4 ) =
−6 −5 −4 − 𝜆 −1
𝐿3 ← 𝐿3 − 3𝐿1
−2 −1 −1 −𝜆 𝐿4 ← 2𝐿4 + (3 − 𝜆)𝐿1
(3.1)
−2 −1 −1 −𝜆 on factorise sur la deuxième
1 0 1−𝜆 0 1 − 𝜆 ligne par 1 − 𝜆. Ce qui
=
20 −2 −1 − 𝜆 −1 + 3𝜆 montre déjà que 1 est une
0 1+𝜆 1+𝜆 𝜆 2 − 3𝜆 va.p.
(3.2)
−2 −1 −1 −𝜆
1 0 1 0 1
= (1 − 𝜆)
2 0 −2 −1 − 𝜆 −1 + 3𝜆 𝐿3 ← 𝐿3 + 2𝐿2
0 1+𝜆 1+𝜆 𝜆 2 − 3𝜆 𝐿4 ← 𝐿4 − (1 + 𝜆)𝐿2
(3.3)
−2 −1 −1 −𝜆
1 0 1 0 1
= (1 − 𝜆)
2 0 0 −1 − 𝜆 1 + 3𝜆
0 0 1+𝜆 𝜆 2 − 4𝜆 − 1 𝐿4 ← 𝐿4 + 𝐿3
(3.4)
−2 −1 −1 −𝜆
1 0 1 0 1
= (1 − 𝜆) (3.5)
2 0 0 −1 − 𝜆 1 + 3𝜆
0 0 0 𝜆2 − 𝜆
𝜒𝐴 = 𝑋 (𝑋 − 1) 2 (𝑋 + 1)
n.b. Faire des opérations seulement sur les lignes permet d’exploiter ces calculs ensuite
dans la résolution des systèmes linéaire (𝐴 − 𝜆𝐼𝑑 )𝑋 = 0
exemples pratiques 3.4 (la procédure standard de calcul des éléments propres) (suite)
−2𝑥 − 𝑦 − 𝑧 − 𝑡=0
𝑥=−𝑡
𝐴𝑋 = 𝑋 ⇐⇒= −2𝑦 − 2𝑧 + 2𝑡=0 ⇐⇒
𝑦=−𝑧 + 𝑡
2𝑦 + 2𝑧 − 2𝑡=0
Ainsi 𝐸 1 (𝐴) = Vect{𝑉1, 𝑉2 } avec 𝑉1 = 𝑡 (0 − 1 1 0) et 𝑉2 = 𝑡 (−1 1 0 1).
2 Pour 𝜆 = 0 on remplace dans l’étape (2.5) :
«−1¬ «1¬
Ce qui permet de conclure que 2 et −1 sont des va.p. de 𝐴 et que 𝑡 (1 0 − 1) ∈ 𝐸 2 (𝐴) et
𝑡 (1 −1 1) ∈ 𝐸 (𝐴).
−1
n.b. Cela reste assez grossier. Les remarques suivantes seront d’une plus grande utilité.
3 2 2 0
2 2 1 1®
© ª
𝐴= avec 𝐶 2 (0) − 𝐶 3 (0) − 𝐶 4 (0) = 0
−6 −5 −4 −1®
®
«−2 −1 −1 0¬
4 2 2 0
2 3 1 1®
© ª
𝐴 + 𝐼4 = avec 𝐶 1 (−1) − 2𝐶 3 (−1) = 0
−6 −5 −3 −1®
®
«−2 −1 −1 1¬
«−10 −5 0¬
on voit que rg(𝐴 − 2𝐼 3 ) = 1 donc 2 est une va.p. de multiplicité au moins 2. Si on note 𝜆
l’autre va.p. de 𝐴 alors 4 + 𝜆 = Tr(𝐴) = 11 et donc 𝜆 = 7. Par suite
0 1
𝐸 2 (𝐴) = Vect{𝑉1, 𝑉2 } 𝑉1 = 0® , 𝑉2 = −2®
© ª © ª
avec
«1¬ «0¬
2
𝐸 7 (𝐴) = Im(𝐴 − 2𝐼 3 ) = Vect{𝑉3 } 𝑉3 = 1 ®
© ª
avec
«−5¬
IV
Endomorphismes et matrices diagonalisables
Définition 3.7
Proposition 3.19
Vocabulaire
Proposition 3.20
Remarque 3.6
Théorème 3.21
Corollaire 3.22
Soit 𝑢 un endomorphisme de 𝐸. 𝑢 est diagonalisable si et seulement si son
polynôme minimal 𝜋𝑢 est scindé à racines simples. Autrement dit 𝑢 est diago-
nalisable si et seulement si
Y
𝜋𝑢 = (𝑋 − 𝜆)
𝜆 ∈Sp(𝑢)
Proposition 3.23
Remarques 3.7
Soit 𝑢 ∈ L(𝐸). On suppose que 𝜒𝑢 est scindé sur K et on note 𝜆1, 𝜆2, · · · , 𝜆𝑟
ses racines distinctes. Soit
𝑟
Y 𝜒𝑢
𝑃= (𝑋 − 𝜆𝑘 ) =
𝑘=1 𝜒𝑢 ∧ 𝜒𝑢0
3.7.1 𝑢 induit un endomorphisme diagonalisable sur Ker 𝑃 (𝑢). C’est le plus
grand sev de 𝐸 qui vérifie cette propriété.
3.7.2 𝑃 (𝑢) est un endomorphisme nilpotent de 𝐸.
Remarque 3.8
Proposition 3.24
Remarques 3.9
Exemples 3.6
«0 0 0 −1¬ «−1 0 −1 0¬
3.6.2 On considère la matrice
0 0 1 1
0 0 1 1®
© ª
𝐴=
1 1 0 0®
®
«1 1 0 0¬
reduction Clairement 𝐴 est de rang 2 donc 0 est une valeur propre de 𝐴 de multipli-
cité au moins 2. D’autre part en posant 𝑉 = 𝑡 (1 1 1 1) alors 𝐴𝑉 = 2𝑉 et donc 2 est une
va.p. de 𝐴.
Le polynôme 𝑋 2 (𝑋 − 2) divise 𝜒𝐴 et deg 𝜒𝐴 = 4 donc 𝜒𝐴 est scindé. Soit 𝜆 la va.p.
restante, alors 2 × 0 + 2 + 𝜆 = Tr 𝐴 = 0 et par suite 𝜆 = −2.
Déjà on constate (sans calculs) que dim 𝐸 0 (𝐴) + dim 𝐸 2 (𝐴) + dim 𝐸 −2 (𝐴) > 4 donc
forcément 𝐴 est diagonalisable avec dim 𝐸 0 (𝐴) = 2 et dim 𝐸 2 (𝐴) = dim 𝐸 −2 (𝐴) = 1.
𝐶 1 (0) −𝐶 2 (0) = 0 et 𝐶 3 (0) −𝐶 4 (0) = 0 donc 𝐸 0 (𝐴) = Vect{𝑈 1, 𝑈 2 } avec 𝑈 1 = 𝑡 (1 −1 0 0)
et 𝑈 2 = (0 0 1 −1).
𝐸 2 (𝐴) = Vect 𝑈 3 avec 𝑈 2 = (1 1 1 1).
2011
Ensuite 𝐴 + 2𝐼 4 = 02 1 1 donc 𝐶 1 (−2) + 𝐶 2 (−2) − 𝐶 3 (−2) − 𝐶 4 (−2) = 0 et donc
1120
1102
𝐸 −2 = Vect{𝑈 4 } avec 𝑈 4 = (1 1 −1 −1). Alors
0 0 0 0 1 0 1 1
0 0 0 0® −1 0 1 1®
© ª © ª
−1
𝐴 = 𝑃𝐷𝑃 avec 𝐷= 𝑃 =
0 0 2 0® 0 1 1 −1®
® ®
«0 0 0 −2¬ «0 −1 1 −1¬
3.6.3 Considérons la matrice carrée d’ordre 𝑑 > 2
1 1 ··· 1
1 1 · · · 1®
© ª
𝑈 = .. .. .. ®®
. . .®
« 1 1 · · · 1 ¬
réduction rg 𝑈 = 1 donc 𝑈 est non inversible et donc 0 est une valeur propre de 𝑈 .
De plus dim 𝐸 0 (𝑈 ) = dim Ker 𝑈 = 𝑑 − 1 donc 0 est une valeur propre de multiplicité au
𝐴 = 𝑡𝐶𝑃 = ...
.. .. ®
. . ®
®
0 0 1 ®
®
«−𝑎 0 −𝑎 1 · · · · · · −𝑎𝑑−1 ¬
réduction De fait 𝜒𝐴 (𝑋 ) = 𝑃 (𝑋 ).
Soit 𝜆 une racine de 𝑃, et donc une va. p. de 𝐴. pour tout 𝑋 = 𝑡 (𝑥 1 𝑥 2 · · · 𝑥𝑑 )
−𝜆𝑥 1 + 𝑥 2 = 0
−𝜆𝑥 2 + 𝑥 3 = 0
..
𝐴𝑋 = 𝜆𝑋 ⇐⇒ .
−𝜆𝑥𝑑−1 + 𝑥𝑑 = 0
−𝑎 0𝑥 1 − 𝑎 1𝑥 2 + · · · + −𝑎𝑑−2𝑥𝑑−1 − (𝜆 + 𝑎𝑑−1 )𝑥𝑑 = 0
𝑥 2 = 𝜆𝑥 1
𝑥 2 = 𝜆𝑥 1
𝑥 3 = 𝜆 2𝑥 1
2
𝑥3 = 𝜆 𝑥1
⇐⇒ .. ⇐⇒ (𝑃 (𝜆) = 0)
. ..
.
𝑑−1
𝑥𝑑 = 𝜆 𝑥 1
𝑥𝑑 = 𝜆𝑑−1𝑥 1
𝑃 (𝜆)𝑥 = 0
1
Exercice 3.9
On suppose que 𝐸 est un R-ev.
1 Montrer si 𝑢 est un endomorphisme qui n’admet pas de va.p. alors tous
les sev de 𝐸 stables par 𝑢 sont de dimension paire.
2 Donner un exemple d’endomorphisme 𝑢 de 𝐸 qui n’admet pas de valeurs
propre et tel que 𝑢 2 soit diagonalisable.
Exercice 3.10
1 Montrer que si 𝑢 est diagonalisable alors pour tout polynôme 𝑃, 𝑃 (𝑢) est
diagonalisable à travers la même base de diagonalisation.
2 On suppose que 𝑢 2 est diagonalisable. Montrer que 𝑢 est diagonalisable
si et seulement si Ker 𝑢 2 = Ker 𝑢.
Exercice 3.12
Montrer que si 𝑢 1 , 𝑢 2 ,. . . ,𝑢𝑝 sont des endomorphismes diagonalisables qui com-
mutent deux à deux alors ils admettent au moins une base de diagonalisation
commune.
Exercice 3.15
Un endomorphisme 𝑢 de 𝐸 est dit semi-simple s’il vérifie la propriété suivante
Tout sous-espace de 𝐸 stable par 𝑢 admet au moins un sup-
plémentaire dans 𝐸 stable par 𝑢.
𝜒𝑢 est scindé.
2 Montrer que 𝑢 est semi-simple si et seulement si 𝜋𝑢 est un produit de
polynômes irréductibles deux à deux distincts. Donner une cns qui utilise 𝜒𝑢 .
V
Endomorphismes et matrices trigonalisables
Définition 3.10
2 Une matrice carrée 𝐴 ∈ M𝑑 (K) est dite trigonalisable si elle est semblable
à une matrice triangulaire.
Remarques 3.10
Théorème 3.25
Exemples 3.7
« −1 0 2 −1 ¬
réduction Après calcul, 𝜒𝐴 = 𝑋 (𝑋 − 1) 2 (𝑋 + 1). 𝜒𝐴 est scindé sur R donc 𝐴 est
trigonalisable dans M𝑛 (R).
0 et −1 sont des va.p. simples de 𝐴 donc les se.p. associés sont des droites.
𝐸 0 (𝐴) = Vect{𝑉1 } avec 𝑉1 = 𝑡 (1 1 1 1)
𝐸 −1 (𝐴) = Vect{𝑉2 } avec 𝑉2 = 𝑡 (0 1 0 1)
Par contre, après calcul, dim 𝐸 1 (𝐴) = 1 alors que 1 est une va.p. double de 𝐴. Donc 𝐴
n’est pas diagonalisable.
𝐸 1 (𝐴) = Vect{𝑉3 } avec 𝑉3 = 𝑡 (2 0 2 1)
«0 0 0 1 ¬
où 𝛼 est un scalaire non nul qui reste à déterminer.
Le système linéaire 𝐴𝑋 = 𝛼𝑉3 + 𝑋 a pour solutions les vecteurs
−𝛼 + 2𝑡
© ª
𝛼 ®
2𝑡 ®
®
« 𝑡 ¬
où 𝑡 est un scalaire quelconque. Avec 𝛼 = 1 et 𝑡 = 0 on obtient le vecteur 𝑉4 = 𝑡 (−1 1 0 0).
Alors 𝐴 = 𝑃𝑇 𝑃 −1 avec
0 0 0 0 1 0 2 −1
0 −1 0 0® 1 1 0 1 ®
© ª © ª
𝑇 = ® et 𝑃 =
0 0 1 1 ® 1 0 2 0 ®
®
«0 0 0 1 ¬ «1 1 1 0 ¬
3.7.2 On considère cette fois la matrice d’ordre 3
4 −15 3
𝐴 = 1 −4 1®
© ª
«2 −10 3¬
réduction Après calcul 𝜒𝐴 = (𝑋 − 1) 3 et
𝐸 1 (𝐴) = Vect{𝑉1, 𝑉2 } avec 𝑉1 = 𝑡 (1 0 −1) 𝑉2 = 𝑡 (5 1 0)
1 est une va.p. de 𝐴 de multiplicité 3 et dim 𝐸 1 (𝐴) = 2 donc 𝐴 n’est pas diagonalisable.
Une base de trigonalisation comportera deux ve.p. donc 𝐴 est semblable à une matrice
de la forme
1 0 𝛼
0 1 𝛽 ®
© ª
«0 0 1 ¬
où 𝛼 et 𝛽 sont des scalaires qu’on pourra choisir sous condition et qui de toute façon
ne devraient pas être tous les deux nuls.
Le système linéaire 𝐴𝑋 = 𝛼𝑉1 + 𝛽𝑉2 + 𝑋 qui traduit la condition que doit remplir 𝑉3
s’écrit
3𝑥 − 15𝑦 + 3𝑧 = 𝛼 + 5𝛽 𝑥 − 5𝑦 + 𝑧 = 𝛽
𝑥 − 5𝑦 + 𝑧 = 𝛽 ⇐⇒ 0 = 𝛼 + 2𝛽
2𝑥 − 10𝑦 + 2𝑧 = −𝛼
0 = 𝛼 + 2𝛽
système qui n’est compatible que lorsque 𝛼 + 2𝛽 = 0. Avec 𝛼 = −2 et 𝛽 = 1, on peut
voir que le vecteur 𝑉3 = 𝑡 (1 0 0) est une solution de notre système. 𝑉3 vérifie ainsi
𝐴𝑉3 = −2𝑉1 + 𝑉2 + 𝑉3 . Alors
1 0 −2 1 5 1
𝐴 = 𝑃𝑇 𝑃 −1 avec 𝑇 = 0 1 1 ® 𝑃 = 0 1 0®
© ª © ª
«0 0 1 ¬ «−1 0 0¬
«2 −10 2¬
𝑡
rg(𝐴 − 𝐼 3 ) = 1 et 𝑈 2 = (3 1 2) est un vecteur directeur de Im(𝐴 − 𝐼 3 ). Comme
(𝐴 − 𝐼 3 ) 2 = 0 alors Im(𝐴 − 𝐼 3 ) ⊂ Ker(𝐴 − 𝐼 3 ) et donc (sans calcul) 𝑈 2 est aussi un vecteur
de Ker(𝐴 − 𝐼 3 ). On le complète en une base de Ker(𝐴 − 𝐼 3 ) avec le vecteur (évident)
𝑈 1 = 𝑡 (1 0 − 1) et on ajoute le vecteur 𝑈 3 = 𝑡 (1 0 0) qui vérifie (𝐴 − 𝐼 3 )𝑈 3 = 𝑈 2 .
Résumons
𝐴𝑈 1 = 𝑈 1 𝐴𝑈 2 = 𝑈 2 𝐴𝑈 3 = 𝑈 2 + 𝑈 3
Ainsi
1 0 0 1 3 1
𝐴 = 𝑄𝑆𝑄 −1 𝑆 = 0 1 1® 𝑄=0 1 0®
© ª © ª
avec
«0 0 1¬ «−1 2 0¬
3.7.3 Trigonalisation d’une matrice compagne
Reprenons la transposée de la matrice compagne du polynôme unitaire
𝑃 = 𝑋 𝑝 + 𝑎𝑝−1𝑋 𝑝−1 + · · · + 𝑎 1𝑋 + 𝑎 0
0 1 0 ··· 0
© . . . . .. ª®
. .. .. ..
. . ®
𝐶 = ...
.. .. ®
. . 0 ®®
0 ··· ··· 0 1 ®®
almost done...
Notons que les relations (2) impliquent que
𝑊𝛼−𝑘−1 = (𝐶 − 𝜆𝐼𝑝 )𝑘𝑊𝛼−1, ∀𝑘 ∈ [[0, 𝛼 − 1]]
en particulier 𝑊0 = (𝐶 − 𝜆𝐼𝑝 )𝛼−1𝑊𝛼−1 et donc
(𝐶 − 𝜆𝐼𝑝 )𝛼 𝑊𝛼−1 = 0
C’est ainsi que la famille
W𝜆 = (𝑊0,𝑊1, . . . ,𝑊𝛼−1 )
= (𝐶 − 𝜆)𝛼−1𝑊𝛼−1, (𝐶 − 𝜆)𝛼−2𝑊𝛼−1, · · · ,𝑊𝛼−1
est une famille libre de vecteurs du sous-espace 𝑁𝜆 (𝐶) qui est de dimension 𝛼. W𝜆 en
est donc une base. La matrice dans W𝜆 de l’endomorphisme induit par 𝐶 sur 𝑁𝜆 (𝐶) est
selon les relations (3)
𝜆 1
© ª
.. ®
𝜆 . ®
®
. ®
. . 1®
®
« 𝜆¬
Voilà il ne reste plus qu’à empaqueter ces morceaux de choix dans de belles grosses
matrices et d’emprunter le fameux passage. Et surtout de ne jamais sous-estimer les
(super)pouvoirs de l’indéterminée dans la matrice.
Alors
𝐴 est semblable à une matrice de la forme
𝜆1 𝐼𝛼 1 +𝑁 1
© 𝜆2 𝐼𝛼 2 +𝑁 2 ª
𝑇 = ..
®
®
.
« 𝜆𝑟 𝐼 𝛼 𝑟 +𝑁 𝑟 ¬
où pour tout 𝑘, 𝑁𝑘 est de la forme (𝑁 ) ci-dessus
La matrice 𝑇 est dite une réduite de Jordan de 𝐴.
3.11.3 Réduction d’une matrice nilpotente
Considérons l’exemple suivant
0 −1 2 −2 −1 0 −1 1 −1 0
0 0 0 0 0® 0 0 0 0 0®
© ª © ª
2
𝐴 = 0 1 0 0 0® 𝐴 = 0 0 0 0 0® 𝐴3 = 0
® ®
0 1 0 0 0® 0 0 0 0 0®
® ®
«0 1 −1 1 0¬ «0 0 0 0 0¬
𝐴 est nilpotente d’indice 3.
réduction rg 𝐴 = 3 donc dim Ker 𝐴 = 2 et donc la réduite de Jordan 𝑁 de 𝐴 comporte
2 cellules. Ensuite rg 𝐴2 = 1 donc rg 𝐴 − rg 𝐴2 = 2 et donc 𝑁 comporte 2 cellules de
taille > 2. rg 𝐴2 − rg 𝐴3 = 1 donc 𝑁 comporte 1 cellule de taille > 3. Alors 𝑁 contient
une cellule d’ordre 2 et un cellule d’ordre
3. 𝐴 est donc
semblable à la matrice
𝑁 = 𝐽3 0(0) 𝐽 0(0)
2
On devrait donc chercher une base V = (𝑉1, 𝑉2, 𝑉3, 𝑉4, 𝑉5 ) telle que
𝐴𝑉1 = 0, 𝐴𝑉2 = 𝑉1, 𝐴𝑉3 = 𝑉2, 𝐴𝑉4 = 0, 𝐴𝑉5 = 𝑉4
ou enocre
(
𝑉2 = 𝐴𝑉3, 𝑉1 = 𝐴2𝑉3 avec 𝐴3𝑉3 = 0
𝑉4 = 𝐴𝑉5 avec 𝐴2𝑉5 = 0
Tout repose donc sur le choix des vecteurs 𝑉3 et 𝑉5 , les autres vecteurs s’en déduisant,
moyennant la contrainte que 𝐹 1 = Vect{𝑉3, 𝐴𝑉3, 𝐴2𝑉3 } et 𝐹 2 = Vect{𝑉5, 𝐴𝑉5 } soient
supplémentaires dans M5,1 (R).
𝐴 étant nilpotente d’indice 3, il suffit de choisir un vecteur 𝑉3 tel que 𝐴2𝑉3 ≠ 0. L’un
des vecteurs de la base canonique de M5,1 (R) conviendra, car 𝐴2 n’annule pas l’un de
ces vecteurs au moins. Cela facilite d’autant plus le calcul des vecteurs 𝑉1 = 𝐴2𝑉3 et
𝑉2 = 𝐴𝑉3 car ils seront des colonnes des matrices 𝐴2 et 𝐴.
0 −1 −1
1 ® 0® 0®
© ª © ª © ª
𝑉3 = 0® 𝑉2 = 1 ® 𝑉1 = 0 ®
® ® ®
0 ® 1® 0®
® ® ®
«0 ¬ «1¬ «0¬
«0¬ «0¬
L’épreuve du feu maintenant
−1 −1 0 1 0
0 0 1 0 1
detB (𝑉1, 𝑉2, 𝑉3, 𝑉4, 𝑉5 ) = 0 1 0 1 1 = 1 Bingo !
0 1 0 1 0
0 1 0 0 0
Résumons b :
𝐴 = 𝑃𝑁 𝑃 −1 avec
0 1 0 0 0 −1 −1 0 1 0
0 0 1 0 0 0 0 1 0 1®
© ª © ª
®
𝑁 = 0 0 0 0 0 ® et 𝑃 = 0 1 0 1 1®
® ®
0 0 0 0 1 0 1 0 1 0®
® ®
®
« 0 0 0 0 0 ¬ «0 1 0 0 0¬
«0 0 0 4¬ «1 −1 0 2¬
4 Calculer les puissances de la matrice 𝐵.