Académique Documents
Professionnel Documents
Culture Documents
1
Chapitre 1
Réduction des endomorphismes et
des matrices carrées
Exercice 1.
Soient E = R[X]. Soit f l'application dénie par :
0
f : P (X) 7→ (X 2 − 1)P (X) − 2XP (X).
2
Théorème 1.1. Soit f ∈ L(E). On a :
λ ∈ Spec(f ) ⇔ ker(f − λIdE ) 6= {~0}
Dans ces conditions, on note Eλ := ker(f −λIdE ) appelé le sous-espace propre associé
à λ ; il est au moins de dimension 1.
Exercice 3.
Soit f ∈ L(E).
1. Soit ~x un vecteur propre associe à la valeur propre λ. Montrer que la droite
D = K~x est satble par f .
2. En déduire que le sous-espace propre Eλ est stable par f .
Exemples 1.
Soit f ∈ L(E). Déterminer les valeurs propres de f et les sous-espaces propres asso-
ciés dans les cas suivants :
1. f est une homothétie de rapport α.
2. f est un projecteur, autre que l'application nulle ou l'identité (on pourra, par
exemple, utiliser f ◦ f = f pour montrer que toute valeur propre de f vérie
λ2 = λ et donc que Spec(f ) ⊂ {0, 1}).
3. f est une symétrie, autre que IdE ou −IdE (montrer ici que Spec(f ) ⊂
{1, −1}).
Démonstration.
Rappelons qu'il s'agit de montrer :
∀(~uλ1 , ~uλ2 , ..., ~uλp ) ∈ Eλ1 ×Eλ2 ×...×Eλp , ~uλ1 +~uλ2 +...+~uλp = ~0 ⇒ ~uλ1 = ~uλ2 = ... = ~uλp = ~0.
tel que :
~uλ1 + ~uλ2 + ... + ~uλp+1 = ~0 (1.1)
3
On prend l'image par f :
Comme les nombres (λp+1 − λi ) sont non nuls (les valeurs propres sont deux à deux
diérentes), il en résulte :
Si on reporte ces valeurs dans l'équation (1.1), on voit que ~up+1 = ~0, et nalement :
ce qui prouve bien que les sous-espaces Eλ1 , Eλ2 , ..., Eλp+1 sont en somme directe. Cela
achève la démonstration par récurrence.
4
Remarque 2. Si B est une base quelconque de E , et si A est la matrice de f dans
la base E , on voit que χf (x) = det(xIn − A). Il en résulte facilement que χf est un
polynôme de degré n, de coecient dominant 1, et de terme constant (−1)n det(f ).
Plus pécesement,
χf (x) = det(xIdE − f ) = det(xIn − A) = X n − trace(f )X n−1 + ... + (−1)n det(f )
Théorème 1.3. λ valeur propre de f ⇔ χf (λ) = 0.
Démonstration.
λ ∈ Spec(f ) ⇔ ker(f − λIdE ) 6= {~0}
⇔ f − λIdE est non injective
⇔ χf (λ) = det(λIdE − f ) = (−1)n det(f − λIdE ) = 0.
Dénition 1.3.
λ est dite valeur propre d'ordre k de f si λ est racine de multiplicité k du polynôme
caractéristique χf .
Remarque 3.
λ est une valeur propre d'ordre k de f ssi (X − λ)k divise χf mais pas (X − λ)k+1
ssi
(λ) = 0 et χf (λ) 6= 0.
(k−1) (k)
χf (λ) = χ0f (λ) = ... = χf
Théorème 1.4. Si λ est une valeur propre d'ordre k de f , on a :
1 ≤ dim Eλ ≤ k.
Démonstration.
Soit λ est une valeur propre d'ordre k de f . Alors, Eλ 6= {~0} et 1 ≤ p := dim(Eλ ) ≤
n = dim(E).
On a , f (~x) = λ~x pour tout x ∈ Eλ .
Soit F un supplémentaire de Eλ dans E et B = (~e1 , ..., ~ep , ..., ~en ) une base adaptée à
la décomposition E = Eλ ⊕ F . Dans cette base, la matrice de f est de la forme :
λIp B
A=
0 C
On a
(x − λ)Ip −B
xIn − A =
0 xIn−p − C
5
On a χf (x) = det(xIn − A) = det((x − λ)Ip ) det(xIn−p − C).
On voit que dans χf (x), il y a au moins (x − λ)p en facteur, ce qui signie que
l'ordre k de λ en tant que zéro du polynôme caractéristique est au moins p. On a
bien k ≥ p.
Dans ces conditions, une base de diagonalisation est obtenue par concaténation à
partir de bases des Eλi (1 ≤ i ≤ p).
Démonstration.
⇐) C'est évident : une base de diagonalisation de f est obtenue par concaténation à
partir de bases des Eλi (1 ≤ i ≤ p).
⇒) On suppose que f est diagonalisable. Alors il existe une base de diagonalisation
de f . Cette base étant composée de vecteurs propres de f , on peut en déduire que
tout élément ~x de E s'écrit comme combinaison linéaire de vecteurs propres associés
aux valeurs propres λ1 , λ2 , ..., λp . On peut donc, en regroupant correctement, écrire
~x comme somme d'éléments de Eλ1 , Eλ2 , ...,Eλp . D'où :
On a vu par ailleurs avec le théorème1.2 que cette somme était directe ce qui achève
de démontrer le résultat.
6
Théorème 1.6. Soient E un K−espace vectoriel de dimension n et f ∈ L(E). Alors,
(i) χf a toutes ses racines dans K
(
f est diagonalisable ⇔
(ii) ∀λ ∈ Spec(f ), dim(Eλ ) = ordre de multiplicité de λ
Dans ces conditions, une base de diagonalisation est obtenue par concaténation à
partir de bases des Eλ .
Démonstration. ⇐) Soient λ1 , λ2 ,...,λp les racines de χf d'ordres de multiplicité re-
pectevement m(λ1 ), m(λ2 ),...,m(λp ). On sait déja que Eλ1 , Eλ2 ,...,Eλp sont en somme
directe et dim(Eλi ≤ m(λi ) pour chaque i. Par ailleurs :
Alors, les racines de χf sont λ1 ,...λp qui sont toutes dans K et pour chaque i ∈
{1, ..., p}, on a, mi = dim(Eλi ).
Dénition 1.5. Un polynôme P ∈ K[X] est dite scindé s'il admet toutes ses racines
dans K.
Exercice 6. SoitE un R−espace
vectoriel de dimension 4 de base B. Soit f ∈ L(E)
1 0 1 2
0 0 1 0
de matrice A =
1 1
.
0 −1
0 0 1 0
1. L'endomorphisme f est-il diagonalisable ?
2. Même question si E est considéré comme un C−espace vectoriel.
7
Théorème 1.7. Soient E un K−espace vectoriel de dimension n et f ∈ L(E). Alors,
f est trigonalisable ⇔ χf est scindé .
Exercice 7.
8
L'ensemble de toutes les valeurs propre de A, noté Spec(A) est appelé le spectre de
A.
Soit λ ∈ Spec(A), Eλ := {X ∈ Mn,1 (K)/ AX = λX} est le sous-espace propre de A
associé à la valeur propre λ.
D'autre part, la recherche d'une base qui diagonalise f (ou qui trigonalise f ) n'est rien
d'autre que la recherche d'une matrice P inversible telle que P −1 AP soit diagonale
(respectivement triangulaire supérieure).
ET les théorèmes qu'on a vus pour la réduction de f se traduisent en calcul
matriciel :
(
(i) χA a toutes ses racines dans K,
• A est diagonalisable ⇐⇒
(ii) ∀λ ∈ Spec(A), dim(Eλ ) = ordre de multiplicité de λ.
• A est trigonalisable ⇐⇒χA est scindé.
9
a b
Exercice 11. Soit A = c d ∈ M2 (K).
1. Donner χA
2. Déduire une condition necessaire et susante pour que A soit inversible ? et
si le cas, donner son inverse en fonction de A ?
Corollaire 1.1. Soit f un endomorphisme dans E un K−e.v de dimension nie n
et χf son polynôme caractstique. Alors χf (f ) = 0,
Exercice 12. Soit E un K−e.v de dimension nie n et f ∈ (E) endomorphisme de
polynôme caractstique χf .
Montrer que si f est inversible, f −1 est un polynôme en f .
Théorème 1.9. Toute matrice carrée symétrique est diagonalisable.
Démonstration. Théorème admis.
a b
Exemple 1. La matrice A = b d est diagonalisable.
4 Applications :
4.1 Puissances d'une matrice carrée
Les exercices suivants concernent le calcul de Ak , où A ∈ Mn (K)
On suppose qu'il existe une matrice diagonale D, et une matrice carrée inversible
P , telles que D = P −1 AP . Vérier que le calcul de Dk est immédiat, et montrer que :
Ak = P Dk P −1
Exercice 15. Cas où A est trigonalisable avec une seule valeur propre λ
10
1. λ = 0 ; A est alors semblable à une matrice triangulaire B , dont la diagonale
est nulle.
(a) Expliquer pourquoi on a B n = 0n . Quelles sont les puissances successives
de la matrice A ?
2. λ 6= 0 ; On reprend la matrice A de l'exercice 9. On a vu qu'il existe une matrice
inversible P et une matrice triangulaire supérieure T telles que T = P −1 AP .
(a) Calculer T k en écrivant T sous la forme λI3 + N .
(b) En déduire Ak .
Expliquer pourquoi cette méthode n'est pas applicable à toute matrice trigo-
nalisable.
On va d'abord arriver au résultat via une étude matricielle. Ensuite, nous exposerons
une méthode élémentaire pour donner la forme générale des solutions. Attention, le
programme mentionne que les deux méthodes doivent être connues !
Théorème 1.10. E est un sous-espace vectoriel de de l'espace vectoriel KN des suites
de K
Démonstration. Exercice !
Remarque 5.
Puisque a 6= 0, l'équation1.5 peut être se ramenée à une équation équivalente :
11
Remarque 6. L'espace vectoriel E sera donc connu dès lors qu'on aura déterminé
deux suites linéairement indépendantes (i.e. non proportionnelles) solutions de (1.6).
Exercice 17.
α et β étant des nombres complexes non nuls donnés, notons E l'ensemble des
suites complexes u qui vérient :
∀n ∈ N, un+2 = αun+1 + βun
12
Démonstration. • Supposons que r2 = αr + β a deux racines distinctes r1 et r2 .
Soit i = 1 ou 2. Alors, ri2 = αri + β . Donc, pour tout n ∈ N,
un = λ1 r1n + λ2 r2n .
2
• Supposons que r2 = αr + β a une racine double r = α
2
et on a ; β = − α4 .
Alors,
α
rn+2 = ( )n+2 (1.7)
2
α α α
= α( )n+1 − ( )2 ( )n (1.8)
2 2 2
= α(r) n+1
+ β(r)n (1.9)
un = λ1 rn + λ2 nrn
un+1 α β
Remarque 8. On a pour tout n ∈ N ; Un = u = A U0 , où A =
n
1 0
.
n
D'autre par le polynôme caractéristique de A est
χA (r) = r2 − αr − β
13
• χA a deux racines distinctes r1 et r2 , alors A est diagonalisabe, par suite, il
existe P ∈ GLn (K) telle que P −1 AP = diag(r1 , r2 ). Ainsi,
un+1
Un = = P diag(r1n , r2n )P −1 U0 ,
un
• Si, χA a une racine double r, alors A est trigonalisabe et il existe P ∈ GLn (K)
telle que
−1 r q 0 q
P AP = = rI2 + .
0 r 0 0
Alors, n n
r q n n−1 0 q r nrn−1 q
= r I2 + nr =
0 r 0 0 0 rn
n
r q
Puisque Un = P 0 r P −1 U0 , on obtient que les suites de E sont les suites
de la forme :
un = λ1 rn + λ2 nrn
où les aij sont des nombres xés dans K, et t 7→ x1 (t),..., t 7→ xn (t) des fonctions
inconnues de R dans K.
L'écriture matricielle de la même équation est :
X 0 (t) = AX(t), (H)
14
Théorème 1.12. L'ensemble SH des solutions de (H) est un espace vectoriel, plus
précisément un sous-espace vectoriel de F(R, Kn ) (espace vectoriel des fonctions de R
dans Kn ).
Remarque 10. Nous interessons au système homogène lorsque la matrice A est
diagonalisable.
Puisque A est diagonalisable, il existe une matrice inversible P et D = diag(λ1 , ..., λn )
telles que D = P −1 AP . Posons Y = P −1 X . La fonction Y vérie le système :
Y 0 = DY
c'est-à- dire
y10 (t) λ1 y1 (t)
y 0 (t) λ2 y2 (t)
2
.. ..
. . =
0
yn (t) λn yn (t)
Ce système se résout ligne par ligne, et il existe n constantes α1 ,...,αn telles que :
15
(λi Ci = ACi vient du fait que la ième colonne de P est vecteur propre de A, associé
à la valeur propre λi ). L'implication ci-dessus est donc une équivalence :
16
Théorème 1.14. Les solutions de (1.13) forment un espace vectoriel SH sur K, de
dimension n (sous-espace vectoriel de l'espace vectoriel des fonctions de R dans K).
Plus précisément : il existe n fonctions y1 ,...,yn , linéairement indépendantes dans
l'espace vectoriel des fonctions de R à valeurs dans K, qui forment une base de SH .
Les solutions de (1.13) sont alors, les fonctions du type :
t 7→ α1 y1 (t) + · · · + αn yn (t)
17
4.4.2 Cas particulier n = 2
On considère l'équation diérentielle :
y” + ay 0 + by = 0 (1.15)
-Si cette équation a deux racines distinctes λ1 et λ2 (i.e. si A a deux valeurs propres
distinctes λ1 et λ2 ), alors la matrice
1 1
P =
λ1 λ2
diagonalise A et :
y
y0
est une solution de (1.16) ⇔ ∃α1 , α2 ∈ C, ∀x ∈ R,
y(x) λ1 x 1 λ2 x 1
0 = α1 e + α2 e
y (x) λ1 λ2
Il revient évidemment au même d'écrire :
y est solution de (1.15)⇔ ∃α1 , α2 ∈ C, ∀x ∈ R,
18
y0
λ0 1 y
=
−λ0 y 0 + y” 0 λ0 λ0 y + y 0
Si on pose z = −λ0 y + y0 , on obtient le système :
y 0 = λ0 y + z
(1.18)
z 0 = λ0 z
Exercice 19.
Résoudre l'équation diérentielle : y” + 4y = x + 4 avec y(0) = y0 (0) = 0.
19