Académique Documents
Professionnel Documents
Culture Documents
II Éléments propres 6
II.1 Éléments propres d’un endomorphisme . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
II.2 Éléments propres d’une matrice carrée . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
II.3 Lien avec les endomorphismes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
II.4 Cas de deux matrices semblables . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
II.5 Changement de corps . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
IV Diagonalisation 17
IV.1 Endomorphisme diagonalisable . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
IV.2 Matrices diagonalisables . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
IV.3 Caractérisation de diagonalisation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
V Trigonalisation 20
V.1 Définitions et propriétés . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
2
VIII Compléments 36
VIII.1 Décomposition de Dunford . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
VIII.2 Commutant d’un endomorphisme diagonalisable . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
VIII.3 Puissances d’une matrice . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
VIII.4 Applications aux suites récurrentes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
VIII.5 Résolution de systèmes différentiels . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40
I.1 Généralités
Remarque :
F est un sous-espace vectoriel stable pour u si, et seulement si, l’image par u d’une famille génératrice de F
est contenue dans F .
Démonstration. La condition nécessaire est évidente : les éléments d’une famille génératrice de F sont des
éléments particuliers de F .
¡ ¢
Si f 1 , · · · , f p engendre F , alors ( u( f 1 ), . . . , u( f p ) engendre u(F ), grâce à la linéarité de u :
p
X p
X
x= λ j f j ∈ F ⇒ u ( x) = λ j u( f j ) ∈ u(F )
j =1 j =1
Exemple 1
Soit x un vecteur de E . Le sous-espace Vect u k ( x)k∈N est le plus petit sous-espace vectoriel de E contenant x et
stable par u.
En effet, ce sous-espace est évidemment contenu dans tout sous-espace contenant x et stable par u. Les relations
x = u0 ( x) et u( u k ( x)) = u k+1 ( x) pour tout k montrent qu’il contient x et est stable par u.
Propriété 3
Définition 2
Remarque :
Exemple 2
Soit F = ( x, y, z) ∈ R3 | x + y + z = 0 . Les deux vecteurs ε1 = (1, −1, 0) et ε2 = (0, 1, −1) forment une base de F . La
© ª
Soient F est un sous-espace vectoriel d’un espace vectoriel E de dimension finie, B une base de E adaptée à F
et u un endomorphisme de E ; alors F est stable pour u si, et seulement si, la matrice de u relativement à B
est triangulaire supérieure par blocs, soit à !
A B
Mat ( u) =
β 0 C
Démonstration. Soit B = ( e i , . . . , e p , e p+1 , . . . , e n ) une base de E telle que les p premiers vecteurs e 1 , · · · , e p
constituent une base de F ; F est stable par u si, et seulement si, pour tout j ∈ [[1, p]], u( e j ) est dans F . Or,
n
X
u( e j ) = a i, j e i appartient à F si, et seulement si, a i, j = 0 pour tout j ∈ [[ p + 1, n]], c’est-à-dire si, et seulement
i =1
si, les p premières colonnes de la matrice de u ont des 0 à partir de la ligne ( p + 1).
I.3 Généralisation
p p
F i , et si B i est une base de F i , B = B i est une base de E adaptée à cette décomposition en somme directe.
M [
Si E =
i =1 i =1
Propriété 5: Généralisation
Soient E est un K-espace vectoriel de dimension finie, F1 ,. . . , F p des sous-espaces vectoriels dont E est la
somme directe, B une base de E adaptée à cette décomposition et u un endomorphisme de E ; alors u stabilise
les sous-espaces F j si, et seulement si, la matrice de u relativement à B est diagonale par blocs,
A1 (0)
A2
MatB ( u) = ..
.
(0) Ap
Remarque :
En appelant u j l’endomorphisme induit par u sur le sous-espace stable F j , A j est la matrice de u j relativement
à la base B| et
det u = det A 1 × · · · × det A p = det u 1 × · · · × det u p
Si D est une droite vectorielle, tout endomorphisme de D est une homothétie ; ainsi, si D est une droite vectorielle
de E , stable pour u, l’endomorphisme de D induit par u est une homothétie de D ce qui donne le résultat.
(a) Justifier que p F l’endomorphisme de F induit par p est un projecteur de F et que F est la somme
directe d’un sous-espace vectoriel de Ker( p) et un sous-espace vectoriel de Im( p).
(b) En déduire qu’un sous-espace est stable par p si, et seulement s’il est la somme directe d’un sous-
espace de Ker( p) et d’un sous-espace de Im( p).
II Éléments propres
uD = λ I D ie ∀ x ∈ D , u ( x) = λ x
1. Un vecteur x de E est dit vecteur propre de u lorsqu’il n’est pas nul et il existe λ ∈ K tel que u( x) = λ x.
Ce scalaire est unique appelé valeur propre
2. Un scalaire λ ∈ K est valeur propre de u s’il existe un vecteur non nul x de E tel que u( x) = λ x. Le vecteur
x est dit propre associé à λ
3. L’ensemble des valeurs propres d’un endomorphisme u est appelé le spectre de u et noté SpK ( u) ou
encore Sp ( u).
λ ∈ Sp ( u) ⇐⇒ ∃ x ∈ E, \{0} tel que u ( x) = λ x
Attention
1. La valeur propre associée à un vecteur propre est unique.
¡ ¢
2. Un vecteur non nul e est un vecteur propre si, et seulement si, la famille e, u( e) est une famille liée.
3. Si e est un vecteur propre pour u, tous les vecteurs non nuls de la droite stable K e sont des vecteurs
propres pour u et sont associés à la même valeur propre.
Exemple 3
¡ ¢
Sp ( I E ) = {1} et Sp 0L (E ) = {0}.
Soit u ∈ L (E ) et x ∈ E \ {0}.
x est vecteur propre de u, si et seulement si, Vect ( x) est stable par u
Démonstration. Si x est vecteur propre de u, alors il existe λ ∈ K tel que u( x) = λ x ∈ Vect ( x), donc Vect ( x)
est stable par u
Si Vect ( x) est stable par u, alors u( x) ∈ Vect ( x), donc il existe λ ∈ K tel que u( x) = λ x
Si u un endomorphisme de E , alors
λ ∈ Sp ( u) ⇐⇒ Ker( u − λ I E ) 6= {0E }
En particulier,
0 ∈ Sp ( u) ⇐⇒ u n’est pas injectif
Propriété 8
1
½ ¾
Si u est un automorphisme de E , Sp u−1 = λ ∈ Sp ( u) .
¡ ¢
|
λ
Démonstration. Si λ est une valeur propre de u, il existe un vecteur (propre) non nul x ∈ E tel que u( x) = λ x,
égalité que l’on peut encore écrire 0 = u( x) − λ x = ( u − λ I E )( x) ; ceci donne les équivalences annoncées.
Si u est un automorphisme de E , toutes ses valeurs propres sont non nulles ; pour toute valeur propre λ et tout
vecteur propre x associé, on a :
1
u( x) = λ x ⇐⇒ x = u−1 (λ x) = λ u−1 ( x) ⇐⇒ x = u−1 ( x) (1)
λ
Ainsi λ est valeur propre de u si, et seulement si, λ−1 et valeur propre de u−1 et
λ ∈ Sp ( u) ⇐⇒ u − λ I E non injectif
⇐⇒ u − λ I E non surjectif
⇐⇒ rg( u − λ I E ) É n − 1
⇐⇒ det( u − λ I E ) = 0
et aussi
λ ∉ Sp ( u) ⇐⇒ ( u − λ I E ) est inversible
Démonstration. C’est l’application des célèbres caractérisations des automorphismes d’un K-espace vectoriel
de dimension finie : si v est un endomorphisme de E , alors
E λ ( u) = Ker( u − λ I E ) = { x ∈ E | u( x) = λ x}
Attention
E λ ( u) est constitué de 0E et des vecteurs propres de u associés à λ. Si e est un vecteur propre de u associé à λ,
la droite K e est contenue dans E λ ( u).
Exemple 4
Voici les éléments propres de quelques endomorphismes :
homothétie h = λ I E : Sp (h) = {λ}, E λ (h) = E ;
projecteur p non trivial : Sp ( p) = {0, 1}, E 0 ( p) = Ker p et E 1 ( p) = Im p ;
symétrie s non triviale : Sp ( s) = {−1, 1}, E −1 ( s) = F1 et E 1 (s) = F2 ;
Exemple 5
Soit u : K[ X ] −→ K[ X ], P 7−→ X P . 0
On trouve Sp ( u) = N et E n ( u) = Vect ( X n )
La somme d’une famille finie de sous-espaces propres associés à des valeurs propres distinctes deux à deux,
est directe.
k
X
u( xk+1 ) = λk+1 xk+1 = λk+1 xi
i =1
k
³X ´ Xk k
X
=u xi = u( x i ) = λi xi
i =1 i =1 i =1
k
X
donc 0 = (λk+1 − λ i ) x i
i =1
k
X
ce qui montre que (λk+1 − λ i ) x i = 0 puisque la somme E λ i ( u) est directe (la propriété est vraie au rang k,
i =1
puisque les valeurs propres sont distinctes deux à deux) et x i = 0 . Ainsi xk+1 = 0 et la propriété est vraie au
rang k + 1.
Le théorème de récurrence montre que la propriété est vraie pour tout k.
Démonstration. Soit x1 , · · · , x p des vecteurs propres associées respectivement aux valeurs propres λ1 , · · · λ p
p
distinctes deux à deux. Soit α1 , · · · , α p ∈ K tels que
X
α i x i = 0. Mais ∀ i ∈ [[1, p]] : α i x i ∈ Ker( u − λ i I d ) et
k=1
p
X
Ker( u − λ i I d ) est directe, donc ∀ i ∈ [[1, p]] : α i x i , puis ∀ i ∈ [[1, p]] : α i = 0
i =1
Exemple 6
Exemple 7
Soit n ∈ N, g n : x 7−→ cos( nx). Montrons que ( g n )n∈N est libre
Propriété 11
Le spectre d’un endomorphisme d’un espace de dimension finie n est fini de cardinal au plus n.
¡ ¢ ¡ ¢
Démonstration. 1. Soit y = u( x) un vecteur quelconque de Im u, son image par v, v( y) = v u( x) = u v( x)
reste dans Im u.
¡ ¢ ¡ ¢
Si x est élément de Keru, alors u v( x) = v u( x) = v(0) = 0, et v( x) reste dans Keru.
2. Puisque u et v commutent, u − λ I E et v commutent, et donc, Ker( u − λ I E ) = E λ ( u) est stable par v. De
même Ker(v − λ I E ) = E λ (v) est stable par u.
Démonstration. 1. Soit λ ∈ Sp ( u F ), alors il existe un vecteur x non nul de F ⊂ E tel que u( x) = λ x, donc
λ ∈ Sp ( u)
2. E λ ( u F ) = Ker( u F − λ I d F ) = Ker( u − λ I d ) ∩ F = E λ ( u) ∩ F
1. Un élément non nul X de M n,1 (K) est appelé vecteur propre de M s’il existe un scalaire λ tel que
M X = λX .
2. Un scalaire λ est une valeur propre de M si M − λ I n n’est pas inversible ; tout élément non nul de
Ker( M − λ I n ) est appelé vecteur propre associé à λ.
3. L’ensemble des valeurs propres de M est le spectre de M ; il est noté SpK ( M ) ou Sp ( M ) si le corps n’est
pas ambigu.
4. Si λ ∈ Sp ( M ), le sous-espace vectoriel Ker( M − λ I n ) = { X ∈ M n,1 (K) , M X = λ X } est appelé sous-espace
vectoriel propre associé à λ ; il est noté E λ ( M ).
Propriété 14
u M : X ∈ M n,1 (K) 7→ M X
Les éléments propres de la matrice M sont les élément propres de l’endomorphisme u M associé.
Si u est un endomorphisme de E où E est de dim finie et M = Mat( u) sa matrice relativement à une base B ,
B
alors :
1. u et M ont le même spectre ;
2. x est vecteur propre de u associé à λ si, et seulement si, sa matrice X = Mat( x) relativement à B est
B
vecteur propre de M associé à λ.
Soient A et B deux matrices semblables d’ordre n, et P une matrice inversible telle que B = P −1 AP ; à A est associé
l’endomorphisme u A de M n,1 (K). La matrice P peut s’interpréter comme la matrice de passage de la base naturelle
(canonique) E de M n,1 (K) à une base B constituée des vecteurs colonnes de P . Relativement à cette base, la matrice
de u A est B.
Deux matrices sont semblables si, et seulement si, elles représentent le même endomorphisme (relativement à
deux bases).
Propriété 18
Démonstration. Si λ est un élément de SpL ( M ) et X un vecteur propre associé, alors M X = λ X , X est non nul
et appartient à M n,1 (L) donc à M n,1 (K) ; ainsi λ appartient à SpK ( M ).
Exemple 8
à !
0 −1
Considérons la matrice A = et SpR ( A ) est vide. Par contre, i est une valeur propre complexe de A ,
1 0
à !
− i −1
puisque A − iI 2 = n’est pas inversible.
1 −i
Si M = a i, j 1É i, jÉn est une matrice carrée d’ordre n Ê 1, le polynôme caractéristique de M , que l’on note χ M ,
¡ ¢
est le déterminant ¯ ¯
¯ X − a 1,1 −a 1,2 ··· −a 1,n ¯¯
¯
¯ −a X − a 2,2 · · · −a 2,n ¯¯
2,1
χ M ( X ) = det( X I n − M ) = ¯
¯
¯ .. .. .. .. ¯
.
¯
¯
¯ . . . ¯
¯
¯ −a − a · · · X − a
n,1 n,2 n,n
¯
Exemple 9
Voici quelques polynômes caractéristiques de matrices :
Matrice nulle : χ0 = X n ;
Matrice unité d’ordre n : χ I n = ( X − 1)n ;
n
Y
Matrice diagonale D = diag (λ1 , · · · , λn ) : χD = ( X − λi ) ;
i =1
n
Y
Matrice triangulaire T = [ t i, j ] : χT = ( X − t i,i ).
i =1
Exemple 10
2. Rappelons que deux matrices semblables ont le même déterminant. Si A et B sont deux matrices sem-
blables, et P une matrice inversible telle que B = P −1 AP , alors
B = P −1 AP ⇒ X I n − B = X I n − P −1 AP = P −1 ( X I n − A )P
Alors χ A = P
nX
−1
Soit P = X n − a k X k . Le polynôme caractéristique de la matrice compagnon C est égal à :
k=0
¯ ¯
¯X 0 ··· ··· 0 −a 0 ¯
¯ ¯
¯ .. .. ¯
¯−1
¯
X . . −a 1 ¯
¯
¯
.. .. .. .. ¯
. .
¯ ¯
¯0 −1 . . ¯
¯ ¯
¯ . .. .. .. ..
¯ ..
¯
¯ . . . 0 . ¯
¯
..
¯ ¯
. −1 X −a n−2 ¯
¯ ¯
¯
¯ ¯
¯0 ··· ··· 0 −1 X − a n−1 ¯
n
X i−1 L i transforme ce déterminant en :
X
L’opération L 1 ←− L 1 +
i =2
¯ ¯
¯0 0 ··· ··· 0 P ( X ) ¯¯
¯
¯ .. .. ¯
¯−1
¯
X . . −a 1 ¯
¯
¯
.. .. .. .. ¯
. .
¯ ¯
¯0 −1 . . ¯
¯ ¯
¯ . .. .. .. ..
¯ ..
¯
¯ . . . 0 . ¯
¯
..
¯ ¯
. −1 X −a n−2 ¯
¯ ¯
¯
¯ ¯
¯0 ··· ··· 0 −1 X − a n−1 ¯
Exemple 12
Le polynôme caractéristique de l’application identique est χ I E = χ I n = ( X − 1)n et celui de l’application nulle
χ0L (E) = χ0M n (K) = X n .
es valeurs propres d’une matrice sont les racines sur K de son polynôme caractéristique.
Démonstration. Tout polynôme à coefficients complexes admet une racine complexe, c’est le théorème de
D’Alembert.
Exemple 13
Le calcul de χ M est facile en dimension 2
χ M = X 2 − Tr ( M ) X + det M
Démonstration. Le nombre de valeurs propres distinctes d’une matrice carrée d’ordre n est égal au nombre de
racines distinctes du polynôme caractéristique, ie d’un polynôme de degré n ; ce nombre est compris entre 0 et
n.
n
X n
Y
Sp ( M ) = {λ1 , . . . , λn }, Tr ( M ) = λ i , det M = λi
i =1 i =1
n
Y
Démonstration. Il suffit de développer ( X − λ i ) et d’identifier ce polynôme avec celui de la formule précédente.
i =1
Démonstration. Si n est impair, χ M est de degré impair et χ M ( x) ∼ (− x)n ; le théorème des valeurs intermé-
±∞
diaires assure l’existence d’une racine réelle pour χ M , et SpR M n’est pas vide.
à !
X Ip − A −B
Démonstration. M − X I n = et le calcul du déterminant d’une matrice triangulaire par
0 X Iq − C
blocs donne le résultat.
Conséquence 1: S
Démonstration.Ã Soit B
! F = e 1 , · · · , e p une base de F complétée en B = e 1 , · · · , e p , · · · , e n base de E .
¡ ¢ ¡ ¢
A B
Alors Mat( u) = ∈ M n (K) avec A = Mat(v) ∈ M p (K), donc
B 0 C BF
à !
X Ip − A −B
χu ( X ) = det
0 X I n− p − C
¡ ¢ ¡ ¢
= det X I p − A det X I n− p − C
soit :
χu ( X ) = χv ( X ) det X I n− p − C
¡ ¢
Propriété 23
où u i est l’endomorphisme induit par u sur E i quel que soit i ∈ [[1, r ]].
L’ordre de multiplicité d’une racine λ de χ M est appelé multiplicité de la valeur propre λ de M ; elle est noté
m(λ).
Définition 9
Remarque :
Si χ M est scindé et si λ1 ,. . . ,λ p sont les valeurs propres deux à deux distinctes de M , le polynôme caractéristique
de M s’écrit
p ¡ ¢ m (λ j )
( X − λ)m(λ)
Y Y
χM = X −λj =
j =1 λ∈Sp( M )
et la somme des multiplicités des valeurs propres de M est égale à son ordre.
Soient λ une valeur propre de M , m(λ) sa multiplicité et q(λ) la dimension du sous-espace propre associé ; alors
Exemple 14
Les endomorphismes du rang 1
IV Diagonalisation
On suppose ici que E est un K-espace vectoriel vectoriel de dimension finie n Ê 1 et u un endomorphisme de E .
Définition 10
Un endomorphisme u ∈ L (E ) est dit diagonalisable lorsqu’il existe une base B de E dans laquelle la matrice
de u est diagonale.
Une telle base B est appelée base de diagonalisation de u.
Soit p un projecteur de E et B une base adaptée à la décomposition E = Im( p) ⊕ Ker( p), alors
à !
Ir O
MatB ( p) =
O O n− r
Avec r = rg( p)
E = Ker( s − id E ) ⊕ Ker( s + id E )
Alors à !
Ir O
MatB ( s) =
O − I n− r
Avec r = dim Ker( s − id E )
Définition 11
Soit A ∈ Mn (K). On dit que la matrice A est dite diagonalisable si elle est semblable à une matrice diagonale.
Propriété 25
Soit A ∈ Mn (K). Alors A est diagonalisable, si et seulement si l’endomorphisme canoniquement associé est
diagonalisable.
Démonstration. Soit u l’endomorphisme de Mn,1 (K) canoniquement associé à A . La matrice de u dans la base
canonique B c de Mn,1 (K) est A
⇒) A est diagonalisable, alors il existe une matrice P ∈ GLn (K) et une matrice D diagonale telles que
A = PDP −1 . Si l’on note B 0 la base de Mn,1 (K) telle que la matrice de passage B c à B 0 soit égale à P , la
matrice de u dans B 0 est P −1 AP , c’est-à-dire D . On a trouvé une base dans laquelle la matrice de u est
diagonale. Cela prouve que u est diagonalisable.
⇐) Si u est diagonalisable, alors il existe une base B 0 de Mn,1 (K) constituée de vecteurs propres de u, ou
encore Mat ( u) est diagonale qui est semblable à A
B0
Propriété 26
Soit u un endomorphisme d’un K-espace vectoriel de dimension finie ; les propositions suivantes sont équiva-
lentes :
1. u est diagonalisable ;
2. il existe une base de E formée de vecteurs propres de u ;
3. E est la somme des sous-espaces propres, c’est-à-dire,
M
E= E λ ( u)
λ∈Sp( u)
4. la somme des dimensions des sous-espaces propres est égale à la dimension de E , c’est-à-dire,
X
dim E λ ( u) = dim E
λ∈Sp( u)
5. le polynôme caractéristique de u est scindé, et, pour toute valeur propre de u, la multiplicité est égale à
la dimension du sous-espace propre associé.
On a un critère analogue pour A ∈ M n (K)
Pour tout i ∈ [[1, n]], on a u( e i ) = λ i e i avec e i 6= 0, donc e i est un vecteur propre de u. La famille B est
donc une base de vecteurs propres de u.
2) ⇒ 3) Soit B = ( e 1 , · · · , e n ) une base constituée de vecteurs propres de u. Pour tout i ∈ [[1, n]], le vecteur e i
M M
est propre de u, donc e i ∈ E λ ( u), puis E ⊂ E λ ( u) et enfin
λ∈Sp( u) λ∈Sp( u)
M
E= E λ ( u)
λ∈Sp( u)
X
3) ⇒ 4) dim E = dim E λ ( u)
λ∈Sp( u)
Exemple 18
Soit u ∈ L (E ) et B base de E tel que
1 ··· 1
. ..
MatB ( u) = ..
1 .
1 ··· 1
Étudions la diagonalisation de u ?
On a χu = X n−1 ( X − 1), qui est un polynôme scindé, donc Sp ( u) = {0, 1}, avec m(0) = n − 1 et m( n) = 1. Les colonnes de
Mat ( u) sont identiques et u 6= 0, donc rg( u) = 1 puis dim E 0 ( u) = dim Ker u = n − 1 et comme dim E n ( u) = 1. Ainsi u est
B
diagonalisable et plus précisément il existe une base B 0 telle que
0
..
MatB 0 ( u) = (0) .
0
0 ··· 0 n
Si u ∈ L (E ) possède n = dim E valeurs propres distinctes alors u est diagonalisable et ses sous-espaces propres
sont des droites vectorielles.
Exemple 19
Soit u : Kn [ X ] −→ Kn [ X ], P 7−→ 2P + ( X − 1)P . 0
Étudions la diagonalisation de u
u( X k ) = 2 X k + kX k−1 ( X − 1) = (2 + k) X k − kX k−1
donc
2 −1 (0)
..
3 .
..
.
−k
MatB ( u) =
..
2+k .
..
. −n
(0) 2+n
n
Y
Alors X u = ( X − (2 + k)) est scindé à racines simples, donc u est diagonalisable
k=0
V Trigonalisation
Définition 12
On dit que u est trigonalisable s’il existe une base B de E dans laquelle la matrice de u est triangulaire
supérieure
Définition 13
On dit que A ∈ M n (K) est trigonalisable si elle est semblable à une matrice triangulaire supérieure
Propriété 28
On a équivalence entre
1. u soit trigonalisable
2. son polynôme caractéristique χu est scindé sur K
On a un critère analogue pour A ∈ M n (K)
Démonstration. ⇒) Si u est trigonalisable, donc il existe une base B de E telle que MatB ( u) est triangulaire
supérieure, soit
a 11 · · · a 1n
.. ..
MatB ( u) = . .
(0) a nn
n
( X − a ii ) est scindé sur K
Y
Donc χu =
i =1
⇐) Par récurrence sur n
Pour n = 1, c’est immédiat car une matrice de taille 1 est considérée triangulaire supérieure.
Soit n Ê 1. Supposons la propriété établie au rang n.
Soit u un endomorphisme d’un K-espace vectoriel E de dimension n + 1. On suppose χu scindé. Celui-ci
possède donc une racine λ et celle-ci est alors valeur propre de u. Soit e un vecteur propre associé.
Considérons D = Vect( e) et H un sous-espace vectoriel supplémentaire de D de sorte que D ⊕ H = E .
On a χu = (λ − X )χB et χu est scindé, donc χB est scindé. Par hypothèse de récurrence, B ∈ M n (K), la
matrice B est
à trigonalisable,
! soit Q ∈ GL n (K)Ãtelle que B!= QTQ −1 .
1 0 1 0
Posons P = ∈ M n+1 (K). On a P −1 = , ainsi
0 Q 0 Q −1
à !à !à !
−1 1 0 λ L 1 0
P AP =
0 Q 0 B 0 Q −1
à !
λ LQ −1
= ∈ T n++1 (K)
0 T
Remarque :
Corollaire 9
Soit F un sous-espace vectoriel stable par u. On suppose que u est trigonalisable, alors u F est trigonalisable.
Démonstration. L’endomorphisme u est trigonalisable donc χu est scindé. Or χv | χu donc πv est scindé d’où v
est trigonalisable.
Définition 14
Définition 15
Une matrice A ∈ M n (K) est dite nilpotente si une de ces puissances est nulle et le plus petit p vérifiant A p
est appelé indice de nilpotence de A
Exemple 21
Soit A une matrice triangulaire supérieure stricte de M n (K). Alors A est nilpotent
Propriété 29
Un endomorphisme u est nilpotent si et seulement s’il existe une base dans laquelle la matrice de u est
nilpotente.
Théorème 1
Démonstration. ⇒) Raisonnons matriciellement. Par récurrence sur n ∈ N∗ , montrons que A ∈ M n (K) est
nilpotente, alors A est semblable à une matrice triangulaire supérieure stricte.
Cas n = 1 : Une matrice nilpotente de taille 1 est nécessairement nulle.
Supposons la propriété établie au rang n Ê 1.
La matrice A ne peut être inversible et donc Ker A 6= {0}. Soit e 1 un vecteur non nul de Ker A . On com-
plète ce vecteur e 1 en une base de Kn+1 de la forme C = ( e 1 , · · · , e n+1 ). La matrice de l’endomorphisme
canoniquement associé à A dans la base C est de la forme
à !
0 ∗
B= avec A 0 ∈ M n (K)
0 A0
La matrice B est semblable à A et donc elle aussi nilpotente. On en déduit que le bloc A 0 est nilpotent.
Par hypothèse de récurrence, il existe Q ∈ GLn (K) telle que Q −1 AQ soit triangulaire supérieure stricte.
à !
1 0
Formons alors : P =
0 Q
!Ã
−1 0 ∗
Par produit par blocs : P BP = est triangulaire supérieure stricte.
0 Q −1 A 0 Q
Finalement, A est semblable à une matrice triangulaire supérieure stricte.
Récurrence établie.
⇐) χ A = X n est annulateur de A .
Corollaire 10
L’indice d’un endomorphisme nilpotent est au plus égal à la dimension de l’espace.
Démonstration. χu = X n
=⇒ Comme A est nilpotente, alors elle est trigonalisable et Sp( A ) = {0}, donc ∃P ∈ GL n (K), A = PTP −1 avec
0 t 1,2 ··· t 1,n
.. .. ..
0 . . .
T =
.. .. ..
. .
. t n,n−1
0 ··· 0 0
0 ¦ ··· ¦
.. .. ..
k k −1 k
0 . . .
, d’où Tr A k = Tr T k = 0.
¡ ¢ ¡ ¢
Donc ∀ k ∈ 1, n, A = PT P avec T =
.. . . ..
. .
. ¦
0 ··· 0 0
⇐= Nous allons prouver que SpC ( A ) = {0}. Par absurde, supposons que SpC ( A ) 6= {0}, or SpC ( A ) est non vide, notons
λ1 , . . . , λr les valeurs propres complexes deux à deux distinctes non nulles de A de multiplicités respective m 1 , . . . , m r ∈
N∗ , alors
³ ´ ³ ´
∀ k ∈ 1, n, Tr A k = 0 =⇒ ∀ k ∈ 1, r , Tr A k = 0
r
m k λki
X
⇐⇒ ∀ k ∈ 1, n,
i =1
m 1 λ1 + m 2 λ2 + · · · + m r λr
=0
m 1 λ2 + m 2 λ2 + · · · + m r λ2r
1 2 =0
=⇒ .. ..
. .
m 1 λ1r + m 2 λ2r + · · · + m r λrr =0
=⇒ V X = 0
λ1 λ2 λr
··· m1
λ2 λ22 ··· λ2r m2
1
où V =
.. .. .. et X =
..
. . ··· . .
λ1r λ2r ··· λrr mr
On a
λ1 λ2 λr
¯ ¯ ¯ ¯
¯ ··· ¯ ¯ 1 1 ··· 1 ¯
¯ ¯ ¯ ¯
¯ λ21 λ22 ··· λ2r ¯ ¯ λ
1 λ2 ··· λr ¯
Y ¡
¯ = λ1 λ2 · · · λr ¯ = λ1 λ2 · · · λr λ j − λ i 6= 0
¯ ¯ ¯ ¯ ¢
det(V ) = ¯¯ .. .. .. .. ¯
¯ .
¯ . .. .. .. ¯
¯
¯ . . . . ¯
¯
¯ .
¯ . . . ¯
¯ 1É i < j É r
¯ λ1r λ2r ··· λrr ¯ ¯ λr−1
1
r −1
λ2 ··· r −1
λr ¯
| {z }
’est un déterminant de Vandermonde
avec λ1 , · · · , λm les valeurs propres deux à deux distinctes et α1 , · · · , αm leurs multiplicités respectives. On admet qu’il
est possible de rendre la matrice A semblable à une matrice diagonale par blocs de la forme
T1 (0)
..
.
(0) Tm
Exemple 22
−1 −3 −1
Soit la matrice A = −1 1 1 Étudions la trigonalisation de A
−2 −3 0
2
On a χ A = ( X +2)(
X
− 1) et Sp ( A ) = {1,−2}.
1 est valeur propre double et −2 est valeur propre simple.
1 1
E −2 ( A ) = Vect 0 et E 1 ( A ) = Vect −1. La matrice A n’est pas diagonalisable, cependant elle est trigonalisable,
1 1
essayons de la rendre semblable à
−2 0 0
0 1 1
0 0 1
Déterminons
C1 , C 2, C 3 vérifiant AC 1 = −2C 1 , AC 2 = C 2 et AC 3 = C 3 + C 2 .
1 1 0
C 1 = 0, C 2 = −1 et, après résolution de l’équation AC 3 = C 3 + C 2 , C 3 = 0 .
1 1 −1
1 1 0 −2 0 0
Pour : P = 0 −1 0 ∈ GL3 (R) et on a P −1 AP = 0 1 1.
1 1 −1 0 0 1
Exemple 23
−1 0 −1
Soit la matrice A = 2 −3 −5 Étudions la trigonalisation de A
−1 1 1
χ A =( X+ 1)3 et Sp ( A ) = {−1}. La matrice A est trigonalisable sans être diagonalisable car A 6= − I 3 . On a E −1 ( A ) =
1
Vect1 qui est de dimension 1, seule la forme
0
−1 1 0
0 −1 1
0 0 −1
0
0
Après résolution de l’équation matricielle ( A + I 3 )C 2 = C 1 , la colonne C 2 = 2 convient.
−1
1
Après résolution de l’équation matricielle ( A + I 3 )C 3 = C 2 , la colonne C 3 = 0 convient.
0
1 0 1 −1 1 0
Finalement, pour : P = 1 2 0 ∈ GL3 (R) et on a : P −1 AP = 0 −1 1
0 −1 0 0 0 −1
m
Si u ∈ L (E ), A ∈ M n (K) et P = a k X k un polynôme à coefficients dans K, on définit
X
k=0
m
a k u k ∈ L (E ). P ( u) est un polynôme de l’endomorphisme u.
X
1. P ( u) =
k=0
m
a k A k ∈ M n (K). P ( M ) est un polynôme de la matrice A .
X
2. P ( A ) =
k=0
∀ u ∈ L (E ), ∀(P,Q ) ∈ K[ X ]2 ,
¡ ¢
P × Q ( u) = P ( u) ◦ Q ( u)
Son image, notée K[ u], est une sous-algèbre commutative de L (E ), appelée sous-algèbre engendrée par u. C’est
la plus petite sous-algèbre de L (E ) contenant u.
p q
a i X i et Q = b i x i . Quitte à considérer r = max( p, q) et compléter par des facteurs
X X
Démonstration. Soit P =
i =0 i =0
nuls, on peut supposer que p = q = r .
On a ϕu (1) = I E
Soit λ ∈ K, on a
r
(λa i + b i ) u i
X
ϕu (λP + Q ) =
i =0
r r
ai ui + bi ui
X X
= λ
i =0 i =0
= λϕu (P ) + ϕu (Q )
ϕu (P X k ) = a i u i+k = a i u i ◦ u k = ϕu (P ) ◦ ϕu ( X k )
X ¡X ¢
i i
k
en utilisant la linéarité de ϕu :
P
puis dans le cas général Q = k bk X
³X ´ X
b k P X k = b k ϕu (P X k ) = b k ϕu (P ) ◦ ϕu ( X k )
X
ϕu (PQ ) = ϕu
k k k
k
¡X
= ϕu (P ) ◦ b k ϕu ( X ) = ϕu (P ) ◦ ϕu (Q )
¢
k
∀ M ∈ M n (K), ∀(P,Q ) ∈ K[ X ]2 ,
¡ ¢
PQ ( A ) = P ( M )Q ( A )
Propriété 33
Si F est un sous-espace de E stable par u, alors F est stable par P ( u) et, en notant u F l’endomorphisme induit,
on a :
P ( u)F = P ( u F )
pour tout P ∈ K[ X ].
Démonstration. L’ensemble L F (E ) des endomorphismes laissant F stable est une sous- algèbre de L (E ) conte-
nant u et donc K[ u].
On obtient P ( u)F = P ( u F ) en remarquant que v 7−→ vF est un morphisme de K-algèbres de L F (E ) vers L (F )
Pour tout polynôme P à coefficients dans K et tout endomorphisme u de E , ImP ( u) et KerP ( u) sont stables par
u.
Démonstration. Ce sont en effet les sous-espaces image et noyau d’un endomorphisme commutant avec u. ?
Si x est un vecteur propre de u associé à λ, pour tout polynôme P , x est un vecteur propre de P ( u) associé à
P (λ).
Définition 17
Propriété 36
Démonstration. 1. Si ϕu n’est pas injectif, le noyau de ϕu est idéal non nul de K[ X ], donc il existe un unique
πu ∈ K[ X ] unitaire tel que Kerφ = πu .K[ X ].
2. Soit d = deg(πu ).
(a) Sinon πu = 1 et par définition IdE = πu ( u) = 0.
(b) Montrons que la famille (IdE , u, u2 , · · · , u d −1 ) est libre de K[ u].
dX
−1 dX
−1
Soit (λ0 , λ1 , λ2 , · · · , λd −1 ) ∈ Kd tel que λk u k = 0. Le polynôme P = λk X k est annulateur de u,
k=0 k=0
donc πu | P . Mais deg P < deg πu d’où P = 0, puis ∀ i ∈ [[0, d − 1]] , λ i = 0
Montrons que la famille IdE , u, u2 , · · · , u d −1 est génératrice de K[u].
¡ ¢
Soit x ∈ K[ u], alors il existe P ∈ K[ X ] tel que x = P ( u). La division euclidienne de P par πu montre
qu’il existe Q, R ∈ K[ X ] tel que
(
P = Q.πu + R
deg R < deg πu
D’où
x = P ( u ) = Q ( u )π u ( u ) + R ( u )
| {z }
=0
³ ´
= R ( u) ∈ Vect IdE , u, · · · , u d −1
Propriété 37
Soit A ∈ M n (K)
1. L’idéal annulateur de A est non réduit à {0} dont le génrateur unitaire est appelé le polynôme minimal
de A et noté π A ;
2. Si d = deg (π A ), alors
(a) d Ê 1
(b) ( I n , A, · · · , A d −1 ) une base de K[ A ].
(c) dim K[ A ] = deg π A = d
Corollaire 11
Si A est la matrice de u dans la base B de E , alors πu = π A
Démonstration. La relation : Mat (P ( u)) = P ( A ) montre que les idéaux annulateurs de u et A sont égaux.
B
Propriété 38
Démonstration. La relation P ( u F ) = P ( u)F montre que l’idéal annulateur de u est contenu dans l’idéal annula-
teur de u F . Ainsi πu ( u F ) = 0 et πu F divise πu .
Avec égalité si P = πu
Démonstration. • Si λ est une valeur propre de u, P (λ) est une valeur propre de P ( u) = 0L (E ) . Or, 0 est la
seule valeur propre de 0L (E ) , d’où P (λ) = 0 et λ est racine de P .
• Soit λ ∈ Rac(πu ), donc πu (λ) = 0, donc ( X − λ) divise πu dans K[ X ]. On écrit alors πu = ( X − λ)Q . Mais
πu ( u) = 0, donc ( u − λIdE ) ◦ Q ( u) = 0, ceci permet d’écrire ImQ ( u) ⊂ Ker( u − λIdE ).
Si λ ∉ Sp ( u), alors Ker( u − λIdE ) = {0}, donc ImQ ( u) = {0}, donc l’endomorphisme Q ( u) est nul. La mini-
malité de πu donne πu divise Q et comme Q divise π, les deux polynômes sont associés. Absurde
Exemple 26
Soit u un projecteur de E . Déterminons Sp ( u) ?
On a u2 = u, donc u2 − u = 0. Le polynôme P = X 2 − X est annulateur de u dont les racines sont 0 et 1, donc Sp ( u) ⊂ {0, 1}.
Réciproquement
• 0 ∈ Sp ( u) ?
0 ∈ Sp ( u) ⇐⇒ ∃ x ∈ E \ {0}, u ( x) = 0
⇐⇒ Ker u 6= {0}
⇐⇒ Im( u) 6= E ⇐⇒ u 6= I d E
• 1 ∈ Sp ( u) ?
1 ∈ Sp ( u) ⇐⇒ ∃ x ∈ E \ {0}, u ( x) = x
⇐⇒ ∃ x ∈ E \ {0}, u ( x) − x = 0
⇐⇒ Ker( u − IdE ) 6= {0}
⇐⇒ Ker( u) 6= E ⇐⇒ u 6= 0
Bref
Sp ( u) = {0, 1} ⇐⇒ u 6= I d E et u 6= 0
Sp ( u) = {1} ⇐⇒ u = I d E
Sp ( u) = {0} ⇐⇒ u = 0
Théorème 2: Cayley-Hamilton
Le polynôme caractéristique d’un endomorphisme ou d’une matrice est un polynôme annulateur de cet endo-
morphisme ou de cette matrice, soit :
χ M ( M ) = 0 M n (K) et χu ( u) = 0L (E )
Démonstration. Non exigible Soit x ∈ E . Notons F le sous-espace Vect u k ( x), k ∈ N et P le polynôme annula-
¡ ¢
teur de x.
On sait que F est stable par u et que dans une base convenable l’endomorphisme u p induit par u sur F a
comme matrice la matrice compagnon de P . Son polynôme caractéristique vaut donc P .
Le sous-espace F étant stable par il existe un polynôme M tel que l’on ait χu = χu F M . On obtient alors χu = P M
et :
χu ( u)( x) = ( M ( u) oP ( u))( x) = 0
Corollaire 12
πu et χu ont mêmes facteurs irréductibles
Conséquence 2: S
3. dim K[ u] É n et dim K[ A ] É n
1 −1 2
Calculons A n pour tout n∈N
P ( X ) = X n = ( X − 1)2 ( X − 4)Q + αn X 2 + βn X + γn
6 −5 5
En évaluant en suite en A , A n = αn A 2 + βn A + γn I 3 . Avec A 2 = −5 6 −5, on obtient
5 −5 6
4n + 2 −4n + 1 4n − 1
1
A n = −4n + 1 4n + 2 −4n + 1
3
4n − 1 −4n + 1 4n + 2
Propriété 40
(B( u) ◦ Q ( u)) ( x) = 0
E = Ker p ⊕ Im p
Conséquence 3: S
On conclut que
Propriété 41
r
M r
X
Démonstration. 1. Soit x ∈ E = E λ i ( u), donc x = x i où x i ∈ E λ i ( u).
i =1 i =1
à !
r
X r
X r
X r
X
u ( x) = u xi = u( x i ) = λi xi = λ i p i ( x)
i =1 i =1 i =1 i =1
r
X
Donc u = λi p i
i =1
2. Par récurrence sur q
r
q = 0, on a u0 = IdE =
X
pi
i =1
Supposons la propriété établie au rang q Ê 0. On a
u q+1 = q
Ãu ◦ u = ! Ã !
r r
X X q
= λi p i λi p i
i =1 i =1
r X
r
q
λ i λk δki p i
X
=
i =1 k=1
r
X q+1
= λi p i
i =1
3. Conséquence immédiate de 2)
Propriété 42
λ1 Im1
0 ··· 0
.. ..
0 λ2 Im2 . .
M = .
.. ..
.
. .
. 0
0 ··· 0 λ p Im p
p
Y
Le polynôme P = ( X − λ j ) est annulateur de M , car, par blocs,
j =1
P (λ1 )Im1
0 ··· 0
.. ..
0 P (λ2 )Im2 . .
P (M) =
.. .. ..
. .
. 0
0 ··· 0 P (λ p )Im p
p
Y p
M
Kerπu ( u) = Ker (u − λ j I E ) = Ker( u − λ j I E )
j =1 j =1
Exemple 30
Tout projecteur est diagonalisable
Soit p un projecteur de E . Le polynôme X 2 − X , scindé à racines simples, annule p, donc p est diagonalisable.
Exemple 31
Soit u ∈ L (E ) et B base de E tel que
1 ··· 1
. ..
MatB ( u) = ..
1 .
1 ··· 1
Étudions la diagonalisation de u ?
Remarquons que u est du rang 1, donc X 2 − TruX = X2 − nX est annulateur de u. Le polynôme X 2 − nX = X ( X − n) est
scindé à racines simples, donc u est diagonalisable
Propriété 43
r
Y
2. πu = ( X − λi )
i =1
Conséquence 4: L
Pour une matrice carrée M d’ordre n et à coefficients dans K, les propriétés suivantes sont équivalentes :
1. M est diagonalisable ;
2. π M est scindé à racines simples
3. M annule un polynôme scindé à racines simples.
Théorème 3
donc n i = u i − λ i idF i est nilpotent. On déduit qu’il existe une base B i de F i dans la quelle la matrice de
u i est triangulaire supérieure stricte d’où la matrice de u i dans la base B i est triangulaire supéprieure
avec λ i dans sa diagonale.
k
On déduit que la matrice de u dans la base B = B i est triangulaire supérieure. L’endomorphisme est
[
i =1
alors trigonalisable.
Corollaire 14
Pour une matrice carrée M d’ordre n et à coefficients dans K, les propriétés suivantes sont équivalentes :
1. M est diagonalisable.
2. M annule un polynôme non nul et scindé.
3. π M est scindé.
Un endomorphisme est trigonalisable si, et seulement si, il possède un polynôme annulateur non nul scindé.
VIII Compléments
Décomposition de Dunford
VIII.1
Propriété 45
avec les λ i ∈ C deux à deux distincts et les entiers m i Ê 1. D’après le théorème de décomposition des
noyaux et le théorème de Cayley-Hamilton, E est somme directe des sous-espaces caractéristiques E i =
Ker( u − λ i Id)m i :
M r
E= Ei
i =1
Soit D l’endomorphisme de E dont la restriction à E i est exactement λ i IdE i : autrement dit, D est
diagonalisable et admet chaque sous-espace E i comme espace propre pour la valeur propre λ i . Posons
N = u − D . Il ne reste plus qu’à vérifier que n est nilpotent et commute avec d. Comme chaque sous-
espace caractéristique de E est stable par u et par D (donc aussi par n), il suffit de le vérifier pour les
restrictions aux E i . Notons avec un indice i les restrictions à E i . On a u i = D i + N i et D i = λ i IdE i . Or,
par définition E i , ( u i − λ i IdF i )m i = 0. Donc N i est nilpotent et commute clairement avec l’homothétie D i .
D’où le résultat. Le couple (D, N ) convient donc. Avant de prouver l’unicité, vérifions que d et n sont des
polynômes en u. Cela se voit dans la démonstration du théorème de décomposition des noyaux : pour
tout i la projection π i sur E i parallèlement à la somme des autres sous-espaces caractéristiques est un
polynôme en u. Or, par construction, on a simplement pris
r
λ i π i ∈ C[ u]
X
d=
i =1
Propriété 46
1. ⇒) Soit v ∈ C ( u) et x ∈ E λ i ( u). Ainsi u( x) = λ i .x. D’une part, v u( x) = v(λ i .x) = λ i .v( x),
¡ ¢
Démonstration.
d’autre part, v u( x) = u v( x) . Donc u v( x) = λ i .v( x), ce qui montre que v( x) ∈ E λ i ( u). Donc tous les
¡ ¢ ¡ ¢ ¡ ¢
B étant en particulier une base de vecteurs propres de u, alors A = Mat u est diagonale et on peut
D1 0 ... 0
.. ..
0 D
2 . .
la décomposer en blocs sous la forme A = . avec D i = λ i .I m i (puisque u i est une
. .. ..
. .
. 0
0 ... 0 Dp
homothétie).
Comme ∀ i ∈ [[1; p]], D i Vi = (λ i .I m i ) Vi = Vi (λ i .I m i ) = Vi D i , alors A B = B A , donc u ◦ v = v ◦ u, d’où
v ∈ C ( u).
Par l’isomorphisme v 7−→ Matv de L (E ) dans M n (C), on obtient que C (v) a la même dimension que
le sous-espace vectoriel de M n (C) constitué des matrices ayant la forme de B.
p
( m i )2 coefficients arbitraires, donc peuvent s’écrire comme combinaison
X
Ces matrices dépendent de
i =1
p p
( m i )2 matrices E j,k de la base canonique de M n (C). Donc dim C ( u) = ( m i )2 .
X X
linéaire de
i =1 i =1
Exemple 32
2 −1 1
Déterminons les matrices qui commutent avec A = −1 2 −1
1 −1 2
On a χu = (1 − X )2 (4 − X ), donc Sp ( u) = {1, 4}
E u (4) = Vectε1 , avec ε1 = (1, −1, 1)
E u (1) = Vectε2 , ε3 , avec ε2 = (1, 1, 0) et ε3 = (0, 1, 1)
La famille B 0 = (ε1 , ε2 , ε3 ) est une base de R3 et
4 0 0
MatB 0 ( u) = 0 1 0
0 0 1
λ 0 0
Donc V commute avec u, si et seulement si, M 0 = MatB 0 (v) = 0 a b où λ, a, b, c, d ∈ R.
0 c d
0
Notons P = PB
B
. Ainsi, les matrices commutant avec A sont
λ + 2a − b −λ + a + b λ − a + 2b
1
M = P M 0 P −1 = −λ + 2a + 2 c − b − d λ+a+ c+b+d −λ − a − c + 2 b + 2 d
3
λ + 2c − d −λ + c + d λ − c + 2d
λ1 0
0 ... 0
0 λ
1
A = PDP −1 = P
−1
P .
.. .. .. ..
.
. . .
0 0 0 . . . λn
A k = PD k P −1 = P diag(λ1k , · · · , λkn )P −1
Exemple 33
2 −1 1
Soit A la matrice −1 2 −1.
1 −1 2
Calculons A n pour tout n∈N
0 0 1
1 1 0 1 −1 1
1
A et B sont semblables, avec A = PBP −1 , où P = −1 1 1 et P −1 = 2 1 −1.
3
1 0 1 −1 1 2
n n −1
Pour tout n ∈ N, on a A = PB P , on trouve après calcul
1 1 0 4n 0 0
1 −1 1
1
An = −1 1 1 0 1 0 2 1 −1
3
1 0 1 0 0 1 −1 1 2
4n + 2 −4n + 1 4n − 1
1 n
= −4 + 1 4n + 2 −4n + 1
3 n n n
4 − 1 −4 + 1 4 + 2
Exemple 34
Soit ( xn ), ( yn ) et ( z n ) les suites définies par les relations
xn+1 = 2 xn − yn + z n
yn+1 = − xn + 2 yn − z n
z n+1 = xn − yn + 2 z n
Calculons xn , yn et z n en fonction de n
xn 2 −1 1
Soient n ∈ N, posons Un = yn , alors Un+1 = AUn avec A = −1 2 −1.
zn 1 −1 2
Donc Un = A nU0 . A est diagonalisable et Sp ( A ) = {1, 4}, donc π A = ( X − 1)( X − 4).
Soit n ∈ N, en effectuant la division euclidienne de X n par π A , on écrit X n = ( X − 1)( X − 4)Q + αn X + βn . En évaluant
en 1 et en 4, on obtient
αn = 13 (4n − 1)
( (
αn + βn = 1
⇐⇒
4α n + β n = 4 n βn = 31 (4 − 4n )
Exemple 35
Résoudre le système différentiel
0
x ( t) = 2 x( t) − y( t) + z( t)
y0 ( t) = − x( t) + 2 y( t) − z( t)
z0 ( t) = x( t) − y( t) + 2 z( t)
x 2 −1 1 x1
Posons U = y, alors U 0 = AU avec A = −1 2 −1. Notons V = y1 = P −1U , alors
z 1 −1 2 z1
V 0 = P −1U 0 = P −1 AU = P −1 APV = BV
Ceci s’écrit
0 4t
x1 ( t) = 4 x1 ( t) x1 ( t) = ae
y10 ( t) = y1 ( t) =⇒ y1 ( t) = be t où a, b, c ∈ R
t
z10 ( t) = z1 ( t)
z1 ( t) = ce