Académique Documents
Professionnel Documents
Culture Documents
Algèbre 4
Automne 2015
Contents
2 Polynômes d’endomorphismes 5
2.1 Rappels sur les algèbres . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
2.2 Action de K [X] sur les K-algèbres . . . . . . . . . . . . . . . . . . . . . . . . . . 6
2.3 Décomposition des noyaux . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
3 Diagonalisation 9
3.1 Cas des endomorphismes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
3.2 Cas des matrices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
3.3 Le polynôme caractéristique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
3.4 La matrice compagon d’un polynôme unitaire . . . . . . . . . . . . . . . . . . . . 13
4 Trigonalisation 15
4.1 Généralités . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
4.2 Endomorphismes Nilpotents . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
4.2.1 Les noyaux itérés d’un endomorphisme nilpotent . . . . . . . . . . . . . . 18
4.2.2 Matrices de Jordan . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
4.3 Théorème de Jordan . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
5 Applications 22
5.1 Les puissances d’une matrice carrée . . . . . . . . . . . . . . . . . . . . . . . . . . 22
5.2 L’exponentielle d’une matrice carrée . . . . . . . . . . . . . . . . . . . . . . . . . 23
5.3 Résolution d’un système homogène d’équations di¤érentielle du premier ordre . . 24
5.4 Les suites récurrentes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
5.4.1 Cas de plusieurs suites . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
5.4.2 Cas d’une suite récurrente d’ordre supérieur . . . . . . . . . . . . . . . . . 25
1
Préface
Les notes qui suivent sont celles du cours du module Algèbre 4, de la licence Sciences Math-
ématiques, nouvelle version, que je dispense à la faculté des Sciences Dhar El Mehraz, durant le
semestre d’automne. Le module Algèbre 4 vient remplacer le module Algèbre 3 de l’ancienne ver-
sion de ladite licence qui était beaucoup plus éto¤é car s’e¤ectuait en plus de temps qu’Algèbre
4. L’ancien cours débordait le théorème de Jordan, pour traiter la décomposition de Dunford
et la réduction de Frobenius.
L’objet de ce cours est de présenter les techniques calculatoires qui permettent de représenter
matriciellement, de la plus simple des manières, les endomorphismes des espaces vectoriels de
dimension …nie. Ou encore de trouver les élements les plus simples, ceux comportant le maximum
de composantes nulles, dans les classes de similitude des matrices carrées. Ce travail permet
de simpli…er le calcul des puissances des matrices carrées, de leur exponentielle, de résoudre
des systèmes di¤érentiels du premier ordre, de déterminer les suites, scalaires ou vetorielles,
récurrentes d’ordre supérieur.
2
Chapter 1
1.1 Généralités
Dé…nition 1 Soient E un ensemble non vide et f : E ! E une application. Une partie A de
E est dite stable par f (ou f -stable) si f (A) A
Exmple 1 .
1. Pour la fonction sinus, sin : R ! R; f0g est sin-stable, f g n’est pas sin-stable, l’intervalle
[0; 3] n’est pas sin-stable.
3
m
M m
[
2. Si E = Fi : On dit que B est adaptée à la somme directe des Fi si B = Bi où chaque
i=1 i=1
Bi est une base de Fi :
Exemples 1 .
A B
MB (f ) = 2 Mn (K)
0 C
m
M m
[
2. Si E = Fi ; tel que pour tout i Fi est f -stable, alors dans toute base B = Bi de E
i=1 i=1
adaptée à la somme directe, la matrice de f est diagonale par blocs:
0 1
M1 0 0
B .. .. .. C
B 0 . . . C
MB (f ) = BB .. .. ..
C
C
@ . . . 0 A
0 0 Mm
4
Chapter 2
Polynômes d’endomorphismes
Exemples 2 .
1. L’ensemble K [X] des polynômes à une indéterminée et à cœ¢ cients dans K; est une K-
algèbre commutative
3. Si n 2 N ; l’ensemble Mn (K) des matrices carrées d’ordre n est une K-algèbre, non
commutative pour n 2
Dé…nition 4 Les idéaux d’une algèbre sont ses idéaux en tant qu’anneau. Une algèbre A est
dite principale si l’anneau A est principal
Proposition 4 .
Conséquence:
1. Si I est un idéal non nul de Z; il existe un entier naturel non nul unique n tel que I = nZ;
l’ensemble des multiples de n:
5
2. Si I est un idéal non nul de K [X] ; il existe un polynôme unitaire unique m tel que
I = hmi ; l’ensemble des multiples de m:
3. Si P 2 K [X] n f0g ; alors K [X] = hP i est un K-espace vectoriel de dimension égale au degré
de P
n
X n
X
3. Mn (K) par: si P = k k
kX 2 K [X] et M 2 Mn (K) ; alors P:M = P (M ) = kM
k=0 k=0
, avec la convention M 0 = In :
K [X] M (K) ! ! M (K)
Xn n
X
P = k
ak X ; M ! P (f ) = ak M k
k=0 k=0
6
Dé…nition 5 Si f et g sont deux endomorphismes d’un K-espace vectoriel E; on dit que g est
un polynôme en f si 9P 2 K [X] tel que g = P (f ) :
3. ker 'a est un idéal de K [X] ; appelé l’idéal des polynômes annulateurs de a
Dé…nition 6 Si a 2 A où A est une K-algèbre, tel que ker 'a 6= 0; alors le générateur unitaire
ma de ker 'a est appelé le polynôme minimal de a:
2. ma (a) = 0
En particulier, si A est de dimension …nie, alors tout élément de A admet un polynôme minimal.
Par conséquent on a
Exemples 4 .
1. Si f = 0; alors mf = X
2. Si f = idE ; midE = X 1
7
2.3 Décomposition des noyaux
Nous avons déjà vu que si E est un K-espace vectoriel de dimension …nie qui se décompose en
une somme directe de sous espaces vectoriels de E; tous f -stables où f est un endomorphisme
de E, alors la représentation matricielle de f dans une base de E adaptée à cette somme directe
est assez simple car diagonale par blocs. Nous allons voir dans ce qui suit comment parvenir à
cette situation.
On en déduit
Généralisation
En e¤et, E est de dimension …nie, Ann (f ) 6= f0g ; donc 9P 2 K [X] n f0g tel que P (f ) = 0:
D’autre part, puisque l’anneau K [X] est factoriel, le polynôme P se factorise de la façon suivante,
Yn
P = Qnk k où les Qk sont des polynômes irréductibles unitaires distincts deux à deux. Donc
k=1
n
M
E = ker P (f ) = ker Qnk k (f ) :
k=1
8
Chapter 3
Diagonalisation
1. vecteur propre de E pour f; tout vecteur x non nul de E tel que le système fx; f (x)g
soit lié
Exemples 5 :
1. Si f = idE ; alors 8x 2 E; f (x) = x; ainsi tout vecteur non nul de E est propre pour f et
sp (f ) = f1g
2. Si f = 0; alors alors 8x 2 E; f (x) = 0; ainsi tout vecteur non nul de E est propre pour f
et sp (f ) = f0g
9
4. Soit 2 R: La rotation de R2 de centre 0 et d’angle est l’endomorphisme du plan
r : R ! R2 ; (x; y) ! (x cos
2 y sin ; x sin + y cos ) ; qu’on pourrait représenter plus
simplement en utilisant la représentation complexe, r : C ! C; z ! ei z: Un calcul
simple montre
n queo si est un multiple entier de ; i.e. 9k 2 Z tel que = k ; alors
sp (rk ) = ( 1)k ; sinon sp (r ) = ?:
2. Si x est un vecteur propre de f; alors 8t 2 K ; tx est l’aussi, c’est-à-dire que tous les
éléments non nuls de vect (x) sont aussi des vecteurs propre de f; on dira alors que
vect (x) est une direction propre de f:
n!o
3. Soit 2 K; alors 2 sp (f ) , ker (f :idE ) 6= 0 ; c’est-à-dire, est une valeur
propre de f si et seulement si l’application f :idE n’est pas injective.
2. f est dite diagonalisable si E admet une base formée de vecteurs propres pour f; on dira
aussi base de E propre pour f:
1. 8 2 sp (f ) ; P ( ) 2 sp (P (f ))
1. 8 2 sp (f ) ; dim E 1
n!o
2. Soient ; 2 sp (f ) ; si 6= alors E \ E = 0
3. Si F est une famille de vecteurs propres pour f associés à des valeurs propres distinctes
deux à deux alors F est libre.
10
Conséquences en dimension …nie. Soit f 2 L (E) ;
1. sp (f ) = f 2 K; det (f idE ) = 0g
3. Si sp (f ) = f 1 ; :::; pg alors
Exemples 6 .
1. Soit 2 K; sp ( In ) = f g
1 2
2. Soit M = ; un calcul simple montre qu’en tant qu’élément de M2 (R) ; spR (M ) =
1 3
? et en tant qu’élément de M2 (C), spC (M ) = f2 + i; 2 ig :
11
Conséquence: le spectre d’une matrice dépend du corps de base.
Proposition 13 .
3. 8M 2 Mn (K) ; sp t M = sp (M )
1. Soit M 2 Mn (K) : det (M XIn ) est un polyôme en X à cœ¢ cients dans K et de degré
n; appelé le polynôme caractéristique de M et est noté XM :
2. XM = ( 1)n X n + ( 1)n 1
tr (M ) X n 1 + ::: + det M; ainsi sp (M ) = fracines de XM g
Exmple 3 .
1 2
1. Pour M = ; XM = X 2 4X + 5
1 3
0 1
6 0 1
2. Pour M = @ 2 1 4 A, X M = X 3 + 10X 2 27X + 18
0 0 3
Par conséquent on a
12
Par extension Si M 2 Mn (K) et 2 K; on posera mult ( ; M ) := mult ( ; XM ) : Ainsi si
2 K;
2 sp (M ) , mult ( ; M ) 6= 0
Proposition 16 Soient M 2 Mn (K) et 2 sp (M ) ; tels que m = mult ( ; M ) : Alors
1. 1 mult ( ; M ) n
2. 9!Q 2 K [X] tel que XM = (X )m Q et Q ( ) 6= 0:
Théorème 3 Soit E un K-espace vectoriel de dimension …nie et f 2 L (E) ; alors
1. 8 2 sp (f ) ; 1 dim E m = mult ( ; f )
Xf est scindé
2. f est diagonalisable ,
8 2 sp (f ) ; dim E = m
Remarques 2 .
1. Si le corps K est algébriquement clôs, (exp. C); tout polynôme à cœ¢ cients dans K étant
scindé, le théorème ci-dessus se simpli…e de la manière suivante:
f est diagonalisable , 8 2 sp (f ) ; dim E = m
2. Si Xf est séparable (i.e. scindé n’ayant que des racines simples) alors f est automatique-
ment diagonalisable
2. la matrice compagnon de P est la matrice représentant fP dans la base canonique, elle est
alors de la forme 0 1
0 0 0 a0
B C
B 1 0 . . . ... ..
. C
B C
B .. C
B 0 1 ... 0 . C
B C
B .. . . .. .. C
@ . . . 0 . A
0 0 1 an 1
13
n
X1
Proposition 17 Si P = X n + ak X k est un polynôme unitaire de degré n, le polynôme
k=0
caractéristique de la matrice compagnon de P est ( 1)n P
Par ailleurs l’appliaction ' : Mn (K) ! Kn [X] ; M ! ( 1)n XM n’est ni ijective ni surjec-
tive, de plus Im ' est l’ensemble des polynômes unitaires
14
Chapter 4
Trigonalisation
4.1 Généralités
Dé…nition 12 .
2. Une matrice carrée M 2 Mn (K) est dite trigonalisable si elle est semblable à une matrice
triangulaire
1 1
Exmple 4 M = est triangulaire donc trigonalisable, mais n’est pas diagonalisable,
0 1
car XM = (X 1)2 ; 1 est une valeur propre unique de multiplicité 2, et E1 = vect (e1 ) où
e1 = (1; 0) ; donc dim E1 = 1 < mult (1) :
Théorème 4 .
Remarques 3 .
1. Si K est algébriquement clôs, tout endomorphisme d’un K-espace vectoriel est trigonalis-
able. De même, toute matrice de Mn (K) est trigonalisable
3. L’objet de la suite de ce cours est de simpli…er le plus possible la partie signi…cative des
matrices triangulaires. Pour celà faisons l’observation suivante:
p
M
Si f 2 L (E) et E = Fk tel que les Fk sont tous f -stables, alors dans une base B = [Bk
k=1
adaptée à la somme directe, l’endomorphisme f se représente par une matrice diagonale par
15
0 1
M1 0 0
B ..
.. .. C
B 0 .
. . C
B
blocs, MB (f ) = B . C où pour tout k; Mk = MB fjF est la matrice
. ...
. C k k
@ . .
. 0 A
0 0 Mp
dans Bk de la restriction de f à Fk : Ainsi la simpli…cation de la représentation de f passe par la
simpli…cation des Mk ; d’où la nécessité de chercher la meilleure décomposition de E en somme
directe de sous espaces f -stables, c’est-à-dire celle qui donne les plus simples Mk :
p
M
Proposition 18 Soit f 2 L (E) et E = Fk tels que les Fk sont tous f -stables. Pour tout k;
k=1
on pose fk = fjFk : Alors
1. 8k; fk 2 L (Fk ) :
2. f se représente dans toute base de E adaptée à la somme directe par une matrice diago-
nalisable par blocs
p
Y
3. Xf = Xfk
k=1
p
_
4. f = fk ; le ppcm des fk
k=1
Théorème 5 Cayley-Hamilton.
10
1 0 1
Exmple 5 Soit M = @ 2 3 2 A, le polynôme caractéristique de M est XM = X 3 2X 2 9;
5 0 2
alors XM (M ) = M 3 2M 2 9I3 = 0
16
Conséquence:
p
Y
Proposition 19 Soit f 2 L (E) tel que Xf est scindé, i.e. Xf = ( k X)nk ; alors
k=1
p
M nk
1. E = ker (f k idE )
k=1
p
Y mk
2. Le polynôme minimal de f est f = (X k) où 8k; 1 mk nk
k=1
mk nk
3. 8k; ker (f k idE ) = ker (f k idE ) est un sous espace vectoriel de E; f -stable,
appelé le k-ième sous espace caractéristique de f et est noté Nk
4. 8k; dim Nk = nk
On en déduit
Théorème 6 Soit f 2 L (E) tel que Xf est scindé. L’endomorphisme f est diagonalisable si et
seulement si f est séparable.
Conséquences:
17
4.2 Endomorphismes Nilpotents
Dé…nition 13 .
1. Un endomorphisme de f d’un espace vectoriel E est dit nilpotent s’il existe k 2 N tel que
f k = 0; en particulier 8p k; f p = 0
2. Une matrice M 2 Mn (K) est dite nilpotente s’il existe k 2 N tel que M k = 0:
Remarques 4 :
1. Un endomorphisme nilpotent se représente dans n’importe quelle base par une matrice
nilpotente
2. Si f est nilpotent
1. f0g = K0 K1 ::: Km = E
2. 8i 2 N; 8j 2 Z; f i (Kj ) Kj i
18
4.2.2 Matrices de Jordan
Dé…nition 16 Soient n 2 N et 2 K: La matrice triangulaire supérieure d’ordre n,
0 1
1 0 0
B C
B 0 . . . . . . . . . ... C
B C
B C
Jn ( ) = B ... . . . . . . . . . 0 C
B C
B .. . . .. .. C
@ . . . . 1 A
0 0
Remarques 5 :
3. Jn ( ) = In + Jn (0)
1. F = vect x; g (x) ; :::; g k 1 (x) est un sous espace vectoriel de E; f -stable et de dimension
k:
E; nilpotent d’indice m et de suite caractéristique (d1 ; :::; dm ) : Il existe une base B de E telle
que
19
0 1
m 0 0
B .. .. C
B 0 . . C
1. MB (f ) = B
B ..
m 1
.. ..
C ; est une matrice diagonale par blocs
C
@ . . . 0 A
0 0 1
0 1
Jk (0)
B .. C
2. 8k 2 Nm ; k = @ . A ; une matrice diagonale par blocs contenant
Jk (0)
dk dk+1 blocs de Jordan identiques à Jk (0) :
Remarques 6 :
Exemples 7 :
20
0 1
M1
B .. C
1. MB (f ) = @ . A est diagonale par blocs
Mp
0 1
mk ( k)
B .. C
2. 8k 2 Np ; Mk = @ . A est diagonale par blocs de telle sorte que
1 ( k)
0 1
Ji ( k)
B .. C
8i 2 Nmk ; i ( k) =@ . A comportant dk;i dk;i+1 blocs de Jordan
Ji ( k )
où (dk;1 ; :::; dk ;mk ) est la suite caractéristique de l’endomorphisme nilpotent (f k )jNk
d’indice mk :
21
Chapter 5
Applications
Propriétés:
p
X
1. i = idE
i=1
2. 8i; j 2 Np ; i j = i;j i
22
li
X
3. 8i 2 Np ; i est un polynôme en f (i:e: 9Pi = ak X k 2 K [X] ; tel que i = Pi (f ) =
k=0
li
X
ak f k )
k=0
f
Remarque 4 En fait le polynôme Pi ci-dessus est de la forme Qi Ri où Ri = (X i)
mi et
p
X
1 Qk
Q1 ; :::; Qp sont les seuls polynômes véri…ant d Qi < mi et = (X m :
k) k f
k=1
0 1
1 1 0
Exmple 7 Soit A = @ 0 1 0 A : calculons Ak pour k 2 N; en appliquant la méthode
0 0 2
des projecteurs spectraux. XA = (1 X)2 (2 X) ; donc A est soit (X 1) (X 2) soit
(X 1)2 (X 2) : Or (A I3 ) (A 2I3 ) 6= 0; donc A = (X 1)2 (X 2) et A n’est pas
1 1 X 1
diagonalisable. = 2 = 2 + X : Alors 1 = A (A 2I3 ) et
A (X 1) (X 2) (X 1) 2
2 = (A I3 )2 ; donc 8k 2 N; Ak = A (2I3 A)0 + k (2I3 1 A)0 2k (I3 A)2 : Ce
A (I3 A) +1
1 0 0 0 1 0
résultat peut être retrouvé en décomposant A = @ 0 1 0 A + @ 0 0 0 A ; sous la forme
0 0 2 0 0 0
de la somme d’une matrice diagonale et une matrice nilpotente.
X i ;mi
p min(kX 1)
k
f = Ckj ki j
i i (f i idE )
j
i=1 j=0
k!
où les Ckj = sont les cœ¢ cients binomiaux.
j! (k j)!
dont le calcul exige l’existence de la notion de voisinage donc d’une topologie dans C; la topologie
euclidienne en locurence. On doit donc disposer d’une topologie sur Mn (K) si on veut dé…nir la
notion de l’exponentielle d’une matrice carrée. Comme dans le cas de C; on dé…nira sur Mn (K)
une topologie associée à une norme.
Dé…nition 19 Soit A une K-algèbre, (K est ici R ou C). Une norme d’algèbre sur A est une
norme qui véri…e en plus l’inégalité suivante: 8x; y 2 A
23
Cas particulier qui nous intéresse: l’algèbre Mn (K) possède des normes d’algèbre.
n
X
Exemples 8 Si A = (ai;j ) 2 Mn (K) ; kAk = max jai;j j est une norme sur Mn (K) :
1 j n
i=1
De façon générale, nous considérons les normes de Mn (K) subordonnées aux normes de
i.e. celle dédinies par: 8A 2 Mn (K) ; kAk = max kA:xk
Kn ; kxk = max kA:xk : Une fois …xée une
kxk6=0 kxk=1
1
norme, on voit facilement que la série de terme général Ak est normalement convergente, donc
k!
convergente. On peut alors poser
24
5.4 Les suites récurrentes
5.4.1 Cas de plusieurs suites
Soient (un )n et (vn )n deux suites numériques telles que 8n 2 N;
Remarque 5 . Ce qui a été fait pour deux suites est aussi valable pour plusieurs suites
25