Académique Documents
Professionnel Documents
Culture Documents
Réduction d’Endomorphismes
1.1 Introduction
1.2.1 Définition
7
8 CHAPITRE 1. RÉDUCTION D’ENDOMORPHISMES
1.2.2 Rappel
1.3.1 Définition
A−
→
u = λ−
→
u. (1.1)
Le vecteur −
→
u est le vecteur propre de A associé à la valeur propre λ. L’ensemble
des valeurs propres s’appelle le spectre de A et se note spec(A).
Remarque les vecteurs associés à λ ∈ K sont des solutions non triviales du
système d’équation
(1.1) A−
→u = λ−→
u.
1.3.2 Caractéristisation
−
→ −
→
Soit λ ∈ spec(A) ⇔ ∃ −
→
u ∕= 0 tel que A
!
−
→
u"= λI −
→
u ⇔ (A − λI)−
→
u = 0 ⇔−
→
u ∈
−
→ −
→ −
→
Ker(A − λI), u ∕= 0 ⇔ Ker(A − λI) ∕= 0
⇔ (A − λI) n’est pas inversible ⇔ det(A − λI) = 0
d’où
λ ∈ spec(A) ⇔ det(A − λI) = 0 (1.2)
1.3.3 Théorème
Le scalaire λ ∈ K est une valeur propre de A si et seulement si λ est une racine
du polynôme caractéristique de A, c’est à dire PA (λ) = 0.
1.3.3.1 Remarque
1.3.4 Définition
On dit qu’une valeur propre de A est de multiplicité α si elle est racine d’ordre
α du polynôme caractéristique.
1.3.5 Remarque
Une fois les valeurs propres de A déterminées , on cherche l’espace des vecteurs
propres associés à chacune de ces valeurs propres en résolvant le système linéaire :
−
→
(A − λI)−
→
u = 0. (1.3)
Pour une valeur propre λ, le sous espace propre noté Eλ est l’un des vecteurs
propres associés à λ (c’est à dire solution de (1.3)) augmenté du vecteur nul.
Si λ ∈ spec(A), alors dim Eλ = ordre(A) − rang(A − λI).
1.3.6 Exemple
# $
1 2
A=
3 2
# $
1−λ 2
A − λI =
3 2−λ
% %
% 1−λ 2 %%
%
det(A − λI) = % % = (1 − λ)(2 − λ) − 6 = 2 − 3λ + λ2 − 6
% 3 2−λ %
PA (λ) = λ2 − 3λ − 4 = (λ + 1)(λ − 4).
L’équation caractéristique est λ2 − 3λ − 4 = 0.
10 CHAPITRE 1. RÉDUCTION D’ENDOMORPHISMES
−
→ 1
v = 3
est un vecteur propre associé à λ2 = 4.
2
1.3.7 Théorème
Deux matrices semblables ont les mêmes vecteurs propres.
Démonstration
Soient A et B deux vecteurs semblables, ∃ P tel que A = P −1 BP.
1.4. DIAGONALISATION 11
A − λI = P −1 BP − λI
= P −1 BP − λP −1 IP
= P −1 (B − λI)P.
det(A − λI) = det P −1 det(B − λI) det P, on a donc
det(A − λI) = det(B − λI), car det P −1 = 1
det P
.
1.4 Diagonalisation
1.4.1 Définition
Soit E un espace vectoriel sur K (R ou C) de dimension finie n. Soit A une
matrice carrée d’ordre n representative d’un endomorphisme de E dans une base.
La matrice A est dite diagonalisable si elle est semblable à une matrice diago-
nale, en clair s’il existe une matrice d’ordre n inversible P et une matrice diagonale
D telle que :
(4.1) D = P −1 AP.
Les valeurs propres de A sont les valeurs propres de D qui sont nécessairement
les éléments diagonaux de D.
det A = Πni=1 λi .
1.4.4 Corollaire
1.4.5 Exemple
) ,
3 −1 1
* -
A=*
+ 0 20 -. . A est-elle diagonalisable ?
1 −1 3
% %
% %
% 3 − λ −1 1 %
% % / 0
det(A − λI) = %% 0 2−λ 0 %% = (2 − λ) (3 − λ) − 1
2
% %
% 1 −1 3 − λ %
= (2 − λ)2 (4 − λ)
PA (λ) = (2 − λ)2 (4 − λ).
On a :
λ1 = 2 avec k1 = 2
λ2 = 4 avec k2 = 1.
Pour λ1 = 2) ,
1 −1 1
* -
(A − λI) = + 0 0 0 -
*
. , on a rang(A − 2I) = 1.
1 −1 1
dim Eλ1 = 3 − 1 = 2
dim Eλ1 = k1 .
Pour λ2 = 4) ,
−1 −1 1
* -
(A − λI) = *
+ 0 0 -
−2. , on a rang(A − 2I) = 2.
1 −1 −1
dim Eλ2 =3−2=1
dim Eλ2 = k2 . Ainsi A est donc diagonalisable.
1.5 Applications
Soit A = P −1 DP, on a
A2 = P DP −1 P DP −1 = P D2 P −1 .
A3 = A2 A = P D2 P −1 P DP −1 = P D3 P −1 .
Ak = P Dk P −1 , ∀k ∈ N
A−1 = P DP −1 = P D−1 P −1 .
Ce qui permet de généraliser la relation
Ak = P Dk P −1 , ∀k ∈ Z. (1.4)
) ,
d1 0 0
* -
Supposons D = *
+ 0 d2 0 -.
0 0 d3
) ,) , ) ,
d1 0 0 d1 0 0 d21 0 0
* -* - * -
D2 = *
+ 0 d2 0 - *
.+ 0 d2 0 - *
.=+ 0 d22 0 -.
2
0 0 d3 0 0 d3 0 0 d3
) ,
dk1 0 0
* -
D =*
k
+ 0 dk2 0 -.
k
0 0 d3
1
2
2 dx1
2
2 = a1.1 x1 + ... + a1.n xn ,
2
2 dt
2
3 dx2 = a x
2.1 1 + ... + a2.n xn ,
dt (1.5)
2
2 ... ... ... ... ... ... ...
2
2
2
2 dx
2
4 n
= an.1 x1 + ... + an.n xn ,
dt
où les aij ∈ R.
) ,
a1.1 a1.2 ... a1.n
* -
* a2.1 a2.2 ... a2.n -
* -
* -
Si on pose A = * ... ... ... ... - .
* -
* ... ... ... ... -
+ .
an.1 an.2 ... an..n
dX
Alors le système (1.5) peut s’écrire sous la forme matricielle = AX.
dt
Supposons que A soit diagonalisable, ∃ P inversible et D diagonale telles que
A = P DP −1 .
dX dX
Le système (1.5) devient = P DP −1 X c’est à dire P −1 = DP −1 X.
dt dt
dX d
Comme P −1 = P −1 X, on obtient
dt dt
−1
dP X
= DP −1 X. En posant Y = P −1 X, le système devient (1.5) devient :
dt
dY
= DY. (1.6)
dt
) ,
λ1 0 . . . 0
* -
* 0 λ2 . -
* -
* -
* . . . -
où D = *
*
- est diagonale.
* . . . -
-
* -
* . . 0 -
+ .
0 . . . 0 λn
16 CHAPITRE 1. RÉDUCTION D’ENDOMORPHISMES
1
2
2 dY1
2
2 = λ 1 Y1
2
2 dt
2
3 dY2 = λ Y
2 2
dt
2
2 ... ... ...
2
2
2
2
4 dYn = λn Yn
2
dt
dYi dYi
= λ i Yi ⇒ = λi dt en intégrant on a : ln |Yi | = λi t+k d’où Yi (t) = Ci eλi t
dt Yi
avec 1 ≤ i ≤ n, et Ci une constante.
On détermine X à partir de la solution de (1.6) par X = P Y.
1.5.2.2 Exemple
Exemple
1 1.5.1. Résoudre le système différentiel
2 dx1
2
2 = 3x1 − x2 + x3
2
3 dt
dx2
= 2x2
2
2 dt
2
2 dx
4 1
= x1 − x2 + 3x3
dt ) ,
x1
* - dX
Posons X = * -
+ 2 . , on a : dt = AX
x
x3
) ,
3 −1 1
* -
où A = *+ 0 2 0 - est diagonalisable.
.
1 −1 3
(
λ1 = 2, k1 = 2, dim Eλ1 = 2
λ2 = 4, k2 = 1, dim Eλ1 = 1
) ,) , ) ,
1 −1 1 x 0 (
* -* - * -
* 0 0 0 -* y - = * 0 - ⇒ x − y + z = 0 ⇒ x − y + z = 0
+ .+ . + . x−y+z =0
1 −1 1 z 0
1.5. APPLICATIONS 17
1 ) , ) , ) ,
2
3 x=λ
2
* -
x
* - * -
1 0
On peut choisir : y=µ Soit * y
+ .
- = λ* 0 - + µ* 1 -.
+ . + .
2
2
4 z = −λ + µ z −1 1
) , ) ,
1 0
−
→ * - − → * -
Les vecteurs propres sont : V 1 = + 0 . et V 2 = + 1 -
* - *
..
−1 1
) ,) , ) , 1
−1 −1 1 ( 2
*
x
-* - * -
0
y=03 z−y−x=0
2
* 0 −2 0 - * y - = * 0 - ⇒ − 2y = 0 ⇒
+ .+ . + . 2 x−z =0
2
4 x−y−z =0
1 −1 −1 z 0
1 ) , ) ,
2
3 x=λ
2
* -
x
* -
1
On peut choisir : y=0 Soit * y
+ .
- = λ* 0 -
+ .
2
2
4 z=λ z 1
) ,
1
−
→ * -
Le vecteurs propre est : V 3 = * -
+ 0 ..
1
) , ) ,
2 0 0 1 0 1
* - * -
D=*
+ 0 2 0 - et P = * 0 1 0 -, on vérifie que P −1 AP = D.
. + .
0 0 4 −1 1 1
) , 1 1
y1 2 dy1
= 2y1 2 2t
* - dY
2
3 dt 3 y1 = C1 e
2
Y =* + y 2
-,
. dt = DY ⇒ 2
dy2
= 2y2 ⇒ y2 = C2 e2t , où C1 , C2 et C3
2
dt 2
2
y3 4 dy3
= 4y3 4 y = C e4t
dt 3 3
sont des constantes arbitraires.
) , ) ,) , 1
x1 1 0 1 y1 2 2t 4t
* - * -* - 3 x1 = C1 e + C3 e
2
* x2 - = * 0 1 0 - * y2 -⇒ x2 = C2 e2t
+ . + .+ . 2
2
4 x = C e2t − C e2t + C e4t
x3 −1 1 1 y3 3 2 1 3
18 CHAPITRE 1. RÉDUCTION D’ENDOMORPHISMES
1.6 Triangularisation
1.6.1 Définition
Définition 1.6.1. Une matrice carrée d’ordre n à coefficients dans K (R ou C)
est )
dite triangulaire supérieure (resp.
, inférieure)
) si elle est de la forme : ,
a a . . . a1.n a 0 . . . 0
* 1.1 1.2 - * 1.1 -
* 0 a . . a2.n - * a . -
* 2.2 . - * 2.1 a2.2 0 . . -
* - * -
* . 0 . . . . - * . -
* - (resp. A = * . . . 0 . -), c’est
* . . 0 . . . -- * . -
* * . . . . 0 -
* - * -
* . . . 0 . . - * . . . . . 0 -
+ . + .
0 . . . 0 an..n an.1 an.2 . . . an..n
à dire aij = 0 pour i > j (resp.aij = 0 pour i < j.)
1.6.2 Définition
Définition 1.6.2. Soit E un espace vectoriel sur K (R ou C) de dimension n.
Soit A une matrice carrée d’ordre n réprésentative d’un endomorphisme de E
dans une base.
La matrice A est dite triangularisable (ou trigonalisable) si elle est semblable
à une matrice triangulaire, c’est à dire qu’il existe une matrice triangulaire T et
une matrice inversible P d’ordre n telles que : T = P −1 AP.
1.6.4 Corollaire
Corollaire 1.6.1. Toute matrice carrée d’ordre n à coefficients dans C est sem-
blable à une matrice triangulaire supérieure à coefficients dans C.
1.6.5.2 Exemple
) ,
8 −1 −5
* -
Exemple 1.6.1. A = *
+ −2 3 1 -
.
4 −1 −1
(
λ1 = 2, k1 = 1
P (λ) = (λ − 2)(λ − 4)2 , on a :
λ = 4, k2 = 2
1 ) , 2 ) ,
2
3 x=λ
2
* -
x
*
1
-
• E λ1 * - *
y = λ , on a : + y . = λ + 1 - donc dim Eλ1 = k1 .
2 .
2
4 z=λ z 1
20 CHAPITRE 1. RÉDUCTION D’ENDOMORPHISMES
1 ) , ) ,
2
3 x=λ
2
* -
x
* -
1
• E λ2 y = −λ , on a : * y
+ .
- = λ * −1 - donc dim Eλ2 = 1 < k2 .
+ .
2
2
4 z=λ z 1
La matrice
) ,A n’est ) pas diagonalisable.
, Cherchons à triangulariser A.
1 1
* - * -
p1 = + 1 . , p2 = + −1 -
* - *
..
1 1
La méthode par complétion consiste à choisir p3 tel que {p1 , p2 , p3 } soit linéai-
rement indépendants. ) , ) , ) ,
1 1 1 1 0 1 1
* - * - * -
Il suffit de prendre p3 = * 0 - . On a : P = * 1 −1 0 - , P −1 = 1 * 0 −1 1 - .
+ . + . 2+ .
0 1 1 0 2 0 −2
) ,
2 0 1
* -
A = P AP = *
′ −1
+ 0 4 3 -.
.
0 0 4
1.6.6.2 Exemple
) ,) , ) , ) ,
8 −1 −5 1 4 1
* -* - * - * -
f (p2 ) = Ap2 = * + −2 3 1 - *−1- = *−4 - = 4 *−1 - .
.+ . + . + .
4 −1 −1 1 4 1
) ,
f (p1 ) f (p2 ) f (p3 )
* -
* 2 0 0 -
JA = * * -
0 4 1 -
+ .
! "
0 0 4
p1 , p2 , p3
) ,
x
* -
p3 = + y -
*
..
z
On obtient le système :