Académique Documents
Professionnel Documents
Culture Documents
Cours d’Algèbre IV
Filière SMA
Brahim Sadik
2
Cours d’algèbre IV
Filières SMA
Brahim SADIK
sadik@uca.ma
2020-2021
2
Préface
Ce cours est destiné aux étudiants de la filière Mathématiques. Il représente une intro-
duction à la théorie de réduction des endomorphismes et à la théorie spectrale.
Le premier chapitre est consacré à des rappels sur les propriétés des polynômes et des
espaces vectoriels. Dans le deuxième chapitre, on étudie les propriétés des polynômes
d’endomorphismes. Le lemme des noyaux, résultat essentiel de ce chapitre, est énoncé à
la fin avec des applications à la résolution des équations différentielles linéaires.
Le troisième chapitre est réservé à la caracérisation des endomorphismes qui se repré-
sentent dans des bases appropriées par des matrices diagonales. On donne les conditions
nécessaires et suffisantes pour qu’un endomorphisme soit diagonalisable. Dans le qua-
trième chapitre, on montre que tout endomorphisme scindé se représente par une matrice
réduite de Jordan. On donne des méthodes qui permettent de déterminer une réduite
de Jordan d’un endomorphisme donné. Le cinquième chapitre est une application de la
réduction des endomorphismes à la résolution des sytèmes différentiels linéaires.
Table des matières
1 Rappels 5
1.1 Anneau des polynômes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.1.1 Divisibilité dans l’anneau des polynômes . . . . . . . . . . . . . . . 5
1.1.2 Racines d’un polynôme . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.1.3 Polynômes irréductibles . . . . . . . . . . . . . . . . . . . . . . . . 6
1.2 Espaces vectoriels . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.2.1 Somme de sous espaces vectoriels . . . . . . . . . . . . . . . . . . . 7
1.3 Applications linéaires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
1.3.1 Théorème de rang . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
1.3.2 Changement de bases . . . . . . . . . . . . . . . . . . . . . . . . . . 8
1.3.3 Projections et symétries . . . . . . . . . . . . . . . . . . . . . . . . 9
1.3.4 Résolution des systèmes linéaires . . . . . . . . . . . . . . . . . . . 10
2 Polynômes d’endomorphismes 11
2.1 Définitions et propriétés . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
2.2 Polynôme minimal d’un endomorphisme . . . . . . . . . . . . . . . . . . . 14
2.3 Idéal annulateur d’un vecteur . . . . . . . . . . . . . . . . . . . . . . . . . 16
2.4 Lemme des noyaux . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
3
4 TABLE DES MATIÈRES
Rappels
Proposition 1.1.1 L’anneau K[X] est principal ; c’est à dire, tout idéal I non nul de
K[X] est engendré par un unique polynôme unitaire.
Démonstration.
Soit I un idéal non nul de K[X] et soit P un polynôme unitaire de plus bas degré dans I.
Pour tout polynôme A de I, il existe deux polynômes Q et R de K[X] tels que A = P Q+R,
avec deg(R) < deg(P ). Comme R appartient à I, on a nécessairement R = 0 par minimi-
lalité du degré de P . Il s’ensuit que A = P Q. D’où I est un idéal principal engendré par P .
L’unicité est simplement dûe á la minimalié du degré et à la supposition d’être unitaire. ♣
Dans l’anneau K[X], on parle du plus grand diviseur commun et du plus petit mul-
tiple commun d’une famille finie de plynômes. En effet, le plus grand diviseur commun
d’une famille de polynômes P1 , . . . , Pr est l’unique polynôme unitaire qui engendre l’idéal
(P1 , . . . , Pr ) de K[X]. De même le plus petit multiple commun de P1 , . . . , Pr est l’unique
polynôme unitaire qui engendre l’idéal (P1 ) ∩ · · · ∩ (Pr ) de K[X].
5
6 CHAPITRE 1. RAPPELS
Remarque 1.1.1 Si P est un polynôme à coefficients réels et si a est une racine non
réelle de P alors son conjugué ā est aussi une racine de P , de même multiplicité que a.
Deux polynômes A et B sont dits associés si l’un est multiple de l’autre à un élément
inversible près. Autrement dit, s’il existe une constante non nulle k telle que A = kB.
Définition 1.1.1 Un polynôme est irréductible s’il est de degré au moins 1 et s’il n’est
divisible que par 1, lui même et ses associés.
Exemple 1.1.3 Les polynômes irréductibles de C[X] sont les polynômes de degré 1 et les
polynômes irréductibles de R[X] sont les polynômes de degré 1 et les polynômes de degré
2 de discriminant strictement négatif.
Remarque 1.1.2 Un polynôme de K[X] de degré 2 ou 3 est non irréductible si, et seule-
ment s’il admet une racine dans K.
1.2. ESPACES VECTORIELS 7
Proposition 1.1.4 Tout polynôme non nul P de K[X] s’écrit d’une manière unique, à
un certain ordre près, sous la forme
P = aP1α1 . . . Prαr ,
avec a ∈ K, α1 , . . . , αr ∈ N et les Pi sont des polynômes irréductibles.
Remarque 1.1.3 Deux polynômes sont égaux si, et seulement s’ils ont même coefficient
dominant et l’un divise l’autre. Plus précisément, deux polynômes sont égaux s’ils ont le
même coefficient dominant et les mêmes diviseurs irréductibles avec les mêmes puissances.
Exemple 1.2.1
1. Soit F(R, R) le R-espace vectoriel des fonctions de R dans R. Si P(R, R) (respec-
tivement I(R, R)) est le sous espace vectoriel des fonctions paires (respectivement
impaires), alors
implique que
F(R, R) = P(R, R) + I(R, R).
Comme P(R, R) ∩ I(R, R) = {0} la somme est directe et les deux sous-espaces
vectoriels P(R, R) et I(R, R) sont supplémentaires.
2. Soit Mn (R) le R-espace vectoriel des matrices carrées d’ordre n à coefficients dans
R. Soit Sn (R) (respectivement An (R)) le sous espace vectoriel des matrices symé-
triques (respectivement antisymétriques). Alors
u : R3 −→ R3
x x−y
y 7→ z
z 0
A0 = P −1 AP,
Exemple 1.3.2 Soit E = R2 [X] muni des deux bases B = (1, X, X 2 ) et B 0 = (1, X −
1, (X − 1)2 ). On considère l’endomorphisme u :
u : R2 [X] −→ R2 [X]
P (X) 7→ XP 0 (X)
∀x ∈ F, p(x) = x et ∀x ∈ G, p(x) = 0.
s = 2p − IdE .
10 CHAPITRE 1. RAPPELS
Polynômes d’endomorphismes
Dans tout ce chapitre K désigne un corps commutatif et E est un espace vectoriel sur
K de dimension finie.
P (u) = a0 IdE + a1 u + · · · + ar ur
P (A) = a0 In + a1 A + · · · + ar Ar
P (f )(e1 ) = 2e1 −f (e1 )+f 2 (e1 ) = 3e1 −e2 P (f )(e2 ) = 2e2 −f (e2 )+f 2 (e2 ) = −e1+5e2 .
11
12 CHAPITRE 2. POLYNÔMES D’ENDOMORPHISMES
et
3 2 3
B3 = 2 3 3 .
3 3 2
0 0 2
Donc P (B) = I3 − 2B 2 + B 3 = 0 0 2 .
2 2 −1
On a la proposition suivante :
Démonstration. P
Supposons que P = rk=0 ak X k et Q = sj=0 bj X j .
P
Remarque 2.1.1 Les deux premiers points de la dernière proposition montrent que l’ap-
plication
ϕ : K[X] → L(E)
P 7→ P (u)
est un homomorphisme d’anneaux de (K[X], +, ×) vers (L(E), +, ◦).
λ1 0 · · · 0
.. .. .
0
. . ..
D= . . .
.. .. ... 0
0 · · · 0 λn
···
P (λ1 ) 0 0
.. .. ..
0
. . .
P (D) = .
.
.. . .. ...
0
0 ··· 0 P (λn )
2. Les sous-espaces vectoriels ImP (u) et KerP (u) sont stables par u.
Démonstration.
Remarque 2.2.1 Le polynôme minimal Mu de u est l’unique polynôme non nul et uni-
taire caractérisé par les deux propriétés suivantes :
1. Mu est unitaire,
2. ∀P ∈ K[X], Mu /P ⇐⇒ P (u) = 0.
Démonstration.
La relation MatB P (u) = P (A) montre que u et A ont le même idéal annulateur. Ils ont
donc le même polynôme minimal. ♣
Démonstration.
La relation P (uF ) = P (u)F pour tout P ∈ K[X], montre que l’idéal annulateur de u est
contenu dans celui de uF . Il s’ensuit que Mu (uF ) = 0 et que MuF divise Mu . ♣
16 CHAPITRE 2. POLYNÔMES D’ENDOMORPHISMES
1. Calculer MJ (X).
2. Calculer J k pour tout k ∈ N.
Proposition 2.3.1 Soit x ∈ E, alors il existe un unique polynôme non nul unitaire
engendrant l’idéal u-annulateur de x.
Démonstration.
Puisque la famille (x, u(x), . . . , un (x)) est liée, il existe a0 , a1 , . . . , an ∈ K non tous nuls
tels que
a0 x + a1 u(x) + · · · + an un (x) = 0.
Il s’ensuit que le polynôme non nul a0 +a1 X +· · ·+an X n appartient à l’idéal u-annulateur
de x. Comme K[X] est principal, cet idéal est principal et il existe un unique polynôme
unitaire non nul qui l’engendre. ♣
Définition 2.3.2 On appelle polynôme u-minimal de x, et l’on note Mux , le polynôme
non nul unitaire qui engendre l’idéal u-annulateur de x.
Soit x ∈ E et Ex le sous-espace vectoriel
K[u](x) = {P (u)(x), P ∈ K[X]} = Vect{uk (x), k ∈ N}.
On a la proposition suivante :
Proposition 2.3.2 Si p est le degré du polynôme u-minimal de x, alors la famille
(x, u(x), . . . , up−1 (x))
forme une base de Ex .
2.3. IDÉAL ANNULATEUR D’UN VECTEUR 17
Démonstration.
La minimalité de Mux montre que la famille (x, u(x), . . . , up−1 (x)) est libre. Montrons
qu’elle engendre Ex . Soit P ∈ K[X]. La division euclidienne de P par Mux donne une
relation de la forme P (u)(x) = R(u)(x), avec R un polynôme de degré strictement infé-
rieur à p. Il s’ensuit que P (u)(x) est une combinaison linéaire des éléments de la famille
(x, u(x), . . . , up−1 (x)). D’où le résultat. ♣
Exemple 2.3.1 Soit F et G deux sous-espaces supplémentaires non triviaux de E. Soit
π la projection sur F paralléllement à G. Si 0 6= x ∈ F , alors Mπx = X − 1. Si x ∈ G,
alors Mπx = X.
Exercice 2.3.1 Soit x ∈ E.
1. Montrer que Mux = MuEx .
2. En déduire que le polynôme u-minimal de x divise le polynôme minimal de u.
Définition 2.3.3 On dit que E est u-monogène engendré par un vecteur x de E si E =
Ex .
Lorsque E est u-monogène engendré par un vecteur x, le degré de Mux est égal à n et
la famille (x, u(x), . . . , un−1 (x)) est une base de E.
DéfinitionP2.3.4 On appelle matrice compagnon d’un polynôme unitaire de degré n :
P = X n + n−1 k
k=0 ak X , et l’on note CP , la matrice
0 0 ··· ··· 0 −a0
...
1 0 0 −a1
0 1 ...
.. ..
CP = . .
.
. . .. ..
.. . . . . . . . .
. .
0 ··· 1 0 −an−2
0 ··· ··· 0 1 −an−1
Exemple 2.3.2 La matrice compagnon du polynôme P (X) = 2 + X − 3X 2 + X 3 est
0 0 −2
CP = 1 0 −1 .
0 1 3
Proposition 2.3.3 Si E est u-monogène engendré par x, alors la matrice de u dans la
base B = (x, u(x), . . . , un−1 (x)) est la matrice compagnon de Mux .
Démonstration.
Si Mux = X n + n−1 k n n−1
P
k=0 ak X , alors u (x) = −a0 x − a1 u(x) − · · · − an−1 u (x). Comme
k−1 k
u(u (x)) = u (x) pour tout k ∈ {1, . . . , n − 1}, la matrice de u dans B est égale à la
matrice compagnon de Mux . ♣
Le résultat suivant montre la réciproque de la proposition précédente.
18 CHAPITRE 2. POLYNÔMES D’ENDOMORPHISMES
Démonstration.
Démonstration.
La proposition précédente montre que E est u-monogène engendré par e1 et que P = Mue1 .
Il vient P (u)(ei ) = 0 pour tout i ∈ {1, . . . , n} et par conséquent P (u)(x) = 0 pour tout
x ∈ E. Il s’ensuit que P (u) = 0 et donc Mu divise P . Mais P , qui est le polynôme
u-minimal de e1 , divise Mu . Ceci permet de conclure que P = Mu . ♣
1. La famille (e1 , f (e1 ), f 2 (e1 )) forme une base de K3 , donc K3 est f -monogène en-
gendré par e1 .
2. La matrice de f dans la base canonique est
0 0 0
1 0 0 .
0 1 0
1 = A1 Q1 + · · · + Ar Qr .
Il s’ensuit que
Puisque pour tout i dans {1, . . . , r}, Pi (u)((Ai Qi )(u)(x)) = (Ai Pi Qi (u))(x) = Ai (u) ◦
P (u)(x) = 0, on obtient x ∈ Ker(P1 (u)) + · · · + Ker((Pr (u)).
Il reste à montrer que la somme Ker(P1 (u)) + · · · + Ker((Pr (u)) est directe. Soit k ∈
{2, . . . , r} et soit x ∈ Ker(Pk (u)) ∩ ((Ker(P1 (u)) + · · · + Ker((Pk−1 (u))). On a alors x =
x1 + · · · + xk−1 avec Pk (u)(x) = 0 et Pi (u)(xi ) = 0 pour i dans {1, . . . , k − 1}. Puisque
les Pi sont premiers entre eux deux à deux, les deux polynômes Pk et P1 · · · Pk−1 sont
premiers entre eux. Il existe alors deux polynômes A et B tels que
Donc
x = (Ak Pk )(u)(x) + (BP1 · · · Pk−1 )(u)(x)
= Ak (u) ◦ Pk (u)(x) + k−1
P
i=0 (BP1 · · · Pk−1 )(u)(xi )
= 0.
20 CHAPITRE 2. POLYNÔMES D’ENDOMORPHISMES
Remarques 2.4.1 1. On peut montrer le lemme des noyaux par récurrence sur le
nombre de polynômes Pi .
2. Le lemme des noyaux reste vrai pour les espaces vectoriels de dimension infinie.
Corollaire 2.4.1 Soit P1 , . . . , Pr des polynômes de K[X] premiers entre eux deux à deux
et soit P = P1 · · · Pr . Si P est un polynôme annulateur de u alors on a :
Corollaire 2.4.2 Soit P1 , . . . , Pr des polynômes de K[X] premiers entre eux deux à deux
et soit P = P1 · · · Pr . Si P est un polynôme annulateur
P de u alors pour tout i ∈ {1, . . . , r},
la projection sur Ker(Pi (u)) paralléllement à k6=i Ker(Pk (u)) est un polynômle en u.
Démonstration.
On reprend les notations de la démonstration du dernier théorème. Puisque
on a
∀x ∈ E, x = (A1 Q1 )(u)(x) + · · · + (Ar Qr )(u)(x),
avec (Ai Qi )(u)(x)P∈ Ker(Pi (u)) pour i ∈ {1, . . . , r}. Si πi est la projection sur Ker(Pi (u))
paralléllement à k6=i Ker(Pk (u)), alors πi (x) = (Ai Qi )(u)(x) pour tout x ∈ E. D’où
πi = (Ai Qi )(u) est un polynôme en u. ♣
D : C ∞ (R, C) C ∞ (R, C)
f 7→ f0
X 2 + 1 = (X − i)(X + i).
Le lemme des noyaux permet d’obtenir l’ensemble des solutions Ker(P (D)) :
Réduction d’endomorphismes
diagonalisables
Les notions que nous développons dans ce chapitre pour les endomorphismes s’ap-
pliquent d’une manière naturelle aux matrices en considérant les endomorphismes cano-
niquement associés.
On rappelle que K désigne un corps commutatif, E est un espace vectoriel sur K de
dimension finie et u est un endomorphisme de E.
23
24 CHAPITRE 3. RÉDUCTION D’ENDOMORPHISMES DIAGONALISABLES
Lorsqu’il n’y a pas de confusion, on note Eλ (u) seulement Eλ . Un vecteur non nul x ne
peut pas être un vecteur propre associé à deux valeurs propres distinctes. Autrement dit,
si λ et µ sont deux valeurs propres distinctes alors Eλ ∩ Eµ = {0}.
Le résultat suivant montre que deux endomorphismes conjugués, donc deux matrices
semblables, ont les mêmes valeurs propres :
Démonstration.
Soit λ une valeur propre de u et soit x un vecteur propre associé. La relation v −1 ◦ u ◦
v(v −1 (x)) = λv −1 (x) montre que λ est une valeur propre de v −1 ◦ u ◦ v puisque v −1 (x) est
un vecteur non nul. La réciproque est évidente. ♣
Remarque 3.1.2 On vient de montrer que si x est un vecteur propre de u, alors v −1 (x)
est un vecteur propre de v −1 ◦ u ◦ v. Les sous espaces propres de u et de v −1 ◦ u ◦ v sont
liés par la relation suivante :
Définition 3.1.3 On appelle spectre de u, et l’on note Sp(u), l’ensemble des valeurs
propres de u.
P (u)(x) = P (λ)x.
Démonstration.
3.1. VALEURS PROPRES ET VECTEURS PROPRES 25
Pr
1. Soit P = k=0 ak X k ∈ K[X]. Pour tout k ∈ N, on a uk (x) = λk x. Donc
( rk=0 ak uk )(x)
P
P (u)(x) = P
= Prk=0 ak uk (x)
= Prk=0 ak λk x
= ( rk=0 ak λk )x
= P (λ)x.
2. La relation P (u)(x) = P (λ)x montre que P (λ)x = 0 et comme x est non nul, il
vient P (λ) = 0.
♣
Le théorème suivant donne une caractérisation des valeurs propres de u.
Théorème 3.1.1 Les valeurs propres de u sont les racines dans K de son polynôme
minimal.
Démonstration.
Soit Mu le polynôme minimal de u. La proposition précédente montre que toute valeur
propre de u est une racine de Mu . Montrons la réciproque. Supposons que λ ∈ K est
une racine de Mu sans qu’elle soit une valeur propre de u. Le polynôme Mu s’écrit alors
Mu = (X − λ)N avec N ∈ K[X]. Evaluons les deux membres de l’équation en u, on
obtient
(u − λIdE ) ◦ N (u) = Mu (u) = 0.
Comme λ n’est pas une valeur propre de u, l’endomorphisme u − λIdE est inversible. Il
s’ensuit que N (u) = 0, ce qui contredit la minimalité de Mu . ♣
Exemples 3.1.2 1. Puisque le polynôme minimal d’un projecteur est X 2 − X, alors
les valeurs propres d’un projecteur sont 0 et 1.
1 2
2. Soit A = . On a MA (X) = (X − 1)(X − 5), donc les valeurs propres de
0 5
A sont 1 et 5.
3. Soit u un endomorphisme nilpotent d’indice de nilpotence r. Le polynôme minimal
de u est X r , donc Sp(u) = {0}. On remarque alors que deux endomorphismes
peuvent avoir le même spectre sans être conjugués.
Le résultat suivant sera très utile dans la suite :
Proposition 3.1.3 Soit λ une valeur propre de u, alors Eλ est stable par tout endomor-
phisme qui commute avec u.
Démonstration.
Soit v ∈ L(E) commuttant avec u et soit x ∈ Eλ . La relation u(v(x)) = v(u(x)) =
v(λx) = λv(x) permet de conclure. ♣
Une application du lemme des noyaux (théorème 2.4.1) est le résultat suivant :
26 CHAPITRE 3. RÉDUCTION D’ENDOMORPHISMES DIAGONALISABLES
Théorème 3.1.2 Soit λ1 , . . . , λp des valeurs propres de u distinctes deux à deux. Alors
la somme Eλ1 + · · · + Eλp est directe.
Démonstration.
Il suffit de remarquer que les polynômes X − λk pour k ∈ {1, . . . , p} sont premiers entre
eux deux à deux puis appliquer le lemme des noyaux pour conclure. ♣
Corollaire 3.1.1 La réunion de familles de vecteurs propres associés à des valeurs propres
distinctes deux à deux est libre.
Démonstration.
Il est clair que det(XIn − A) est un polynôme de K[X].
Supposons que A = (ai,j )1≤i,j≤n et montrons la deuxième assertion par récurrence sur n.
Elle est évidente pour n = 1. Supposons la vraie pour les matrices d’ordre inférieur ou
égal à n − 1 et montrons la pour les matrices d’ordre n. En développant ce déterminant
suivant la première colonne, on obtient :
où Q0 (X) est un polynôme de dgré inférieur ou égal à n − 2. Donc les termes de degrés n
et n − 1 sont X n et −tr(A)X n−1 . On obtient le terme constant de χA (X) en l’évaluant à
0 : χA (0) = det(−A) = (−1)n det(A). ♣
Définition 3.2.1 Soit A ∈ Mn (K). Le polynôme det(XIn − A), que l’on note χA (X),
s’appelle le polynôme caractéristique de A.
χA (X) = det(XI3 − A)
X −1 2 1
= −3 X +1 4
0 5 X −3
X +2 2 1
= X +2 X +1 4
X +2 5 X −3
1 2 1
= (X + 2) 1 X + 1 4
1 5 X −3
1 2 1
= (X + 2) 0 X − 1 3
0 3 X −4
= (X + 2)(X 2 − 5X − 5).
χB (X) = det(XI4 − B)
X −i 0 −1 i
−1 X i −i
=
0 −1 X − i i
i −i 0 X −1
X −1 0 −1 i
X −1 X i −i
=
X − 1 −1 X − i i
X − 1 −i 0 X −1
1 0 −1 i
1 X i −i
= (X − 1)
1 −1 X − i i
1 −i 0 X −1
1 0 −1 i
0 X i+1 −2i
= (X − 1)
0 −1 X − i + 1 0
0 −i 1 X −i−1
X i+1 −2i
= (X − 1) −1 X − i + 1 0
−i 1 X −i−1
= (X − 1)(X − 2i)(X 2 + i + 1).
Démonstration.
Soit A, P ∈ Mn (K) avec P inversible. La relation
donne le résultat. ♣
On peut maintenant définir le polynôme caractéristique d’un endomorphisme.
Définition 3.2.2 Le polynôme caractéristique de u, que l’on note χu (X), est le polynôme
caractéristique de toute matrice représentant u.
Le théorème suivant donne un outil pratique pour le calcul des valeurs propres.
Démonstration.
Le scalire λ est une valeur propre de u si et seulement si u − λIdE n’est pas inversible, ce
qui revient au même, si et seulement si χu (λ) = det(u − λIdE ) = 0. ♣
Exemples 3.2.2 1. Les valeurs propres d’une matrice triangulaire T sont les élé-
ments diagonaux de T .
2. Soit A la matrice de M3 (R) :
1 1 1
A = −1 −2 −1 .
−1 1 −1
Démonstration.
Soit B = (e1 , . . . , ep , . . . , en ) une E, où (e1 , . . . , ep ) est une base de F . La matrice
base de
A B
de u dans B est de la forme où A est la matrice de uF dans (e1 , . . . , ep ). Le
0 D
polynôme caractéristique de u est
XIp − A −B
= det(XIp − A)det(XIn−p − D).
0 XIn−p − D
Son polynôme caractéristique est égal au polynôme X 2 − 3 qui est bien un diviseur de
X 3 − 3X.
Définition 3.2.3 On appelle multiplicité d’une valeur propre λ de u, et l’on note m(λ),
sa multiplicité en tant que racine du polynôme caractéristique de u.
Démonstration.
Soit n(λ) la dimension de Eλ . Il est clair que 1 ≤ n(λ). L’endomorphisme u1 induit par u
sur Eλ coincide avec l’homothétie λIdEλ . Son polynôme caractéristique vaut (X − λ)n(λ) .
Comme il divise χu (X) on obtient l’autre inégalité n(λ) ≤ m(λ). ♣
Remarque 3.2.2 Si λ est une valeur propre de multiplicité 1, alors le sous espace propre
Eλ est de dimension 1.
Démonstration.
A faire en exercice. ♣
Nous énonçons maintenant un théorème très important en algèbre linéaire et dans la
théorie des matrices.
Démonstration.
Soit x ∈ E. Notons F le sous-espace vectoriel Ex et P le polynôme u-minimal de x. Le sous-
espace F est stable par u et d’après la proposition 2.3.5, la matrice de uF dans une base
convenable est la matrice compagnon de P . Il s’ensuit que son polynôme caractéristique
vaut P d’après la proposition précédente. Par conséquent P divise χu et χu (u)(x) = 0.
Cela étant vrai pour tout x ∈ E, l’endomorphisme χu (u) est identiquement nul. ♣
χA (X) = X 3 − 4X 2 + 5X − 2.
D’où
χA (A) = A3 − 4A2 + 5A − 2I3 = 0.
Démonstration.
C’est une conséquence de la proposition 3.2.1. En effet, la relation a0 = (−1)n det(A)
permet de voir que A est inversible si, et seulement si, a0 6= 0.
Si a0 6= 0, alors la relation
a0 In + a1 A + · · · + an−1 An−1 + An = 0
implique
a0 In = −A(a1 In + · · · + an−1 An−2 + An−1 ).
D’où
−1
A−1 = (a1 In + · · · + an−1 An−2 + An−1 ).
a0
♣
χA (X) = X 3 − 4X 2 + 5X − 2.
A3 − 4 A2 + 5 A − 2 I3 = 0.
permet d’obtenir
1 1 1
1 1
A−1 = (A2 − 4 A + 5 I3 ) = −1 3 1 .
2 2
1 −1 1
3.2. POLYNÔME CARACTÉRISTIQUE 33
Définition 3.3.1 L’endomorphisme u est diagonalisable sur K s’il existe une base de E
dans laquelle la matrice de u est une matrice diagonale de Mn (K). Une telle base s’appelle
une base de diagonalisation de u.
Démonstration.
Soit B une base de diagonalisation de u et soit Bλ la famille de vecteurs de B qui sont
des vecteurs propres associés à une valeur propre λ. C’est une base de Eλ . Dans la base
B, la matrice de u est diagonale d’éléments diagonaux les valeurs propres de u. De plus
chaque valeur propre λ se répète autant de fois la dimension de Eλ . D’où le polynôme
caractéristique de u est
Yr
χu (X) = (X − λk )dim(Eλk ) .
k=1
Le résultat qui suit donne une première caractérisation des endomorphismes diagona-
lisables.
36 CHAPITRE 3. RÉDUCTION D’ENDOMORPHISMES DIAGONALISABLES
Ceci montre que E = Eλ1 + · · · + Eλr et par suite u est diagonalisable d’après le théorème
précédent. ♣
Corollaire 3.3.2 L’endomorphisme u est diagonalisable si et seulement si u est scindé
et vérifie
dimEλ = m(λ), ∀λ ∈ Sp(u).
Démonstration. Pr
L’implication
Pr directe est déjà prouvée. La réciproque vient de l’égalité n = k=1 m(λk ) =
k=1 dimEλk . ♣
Corollaire 3.3.3 Si u admet n valeurs propres distinctes deux à deux dans K alors u est
diagonalisable sur K.
Exemple 3.3.1 Soit m un réel et considérons la matrice de M3 (R) :
2 − m −2 + 2m 0
B = 1 − m −1 + 2m 0 .
−1 1 2
On a
χB (X) = (X − 1)(X − 2)(X − m).
3.3. ENDOMORPHISMES DIAGONALISABLES 37
Si m 6= 1 et m 6= 2, B admet trois valeurs propres distinctes deux à deux, donc elle est
diagonalisable.
Si m = 1, B est diagonalisable si, et seulement si, dim(E1 ) = 2. Calculons E1 . Un vecteur
X = xe1 + ye2 + ze3 appartient à E1 si, et seulement si, BX = X. Ceci donne lieu au
système linéaire :
x = x
y = y
−x + y + 2z = z
Algorithme de diagonalisation
Diagonaliser l’endomorphisme u c’est déterminer une base de vecteurs propres de u ;
autrement dit, une base dans laquelle la matrice de u est diagonale. Supposons que A est
la matrice de u dans une base B de E. Pour diagonaliser u on suit l’algorithme suivant :
Algorithme
1) On calcule χu (X).
Si χu (X) est scindé sur K on passe à l’étape suivante ; sinon u
n’est pas diagonalisable.
2) Pour chaque valeur propre λ de u on détermine la dimension de Eλ .
a) Si pour une valeur propre λ, on a dim(Eλ ) < m(λ), l’endomorphisme u
n’est pas diagonalidable sur K.
b) Si pour toute valeur propre λ, on a dim(Eλ ) = m(λ), l’endomorphisme u
est diagonalisable ; on passe à l’étape suivante.
3) Pour chaque valeur propre λ, on détermine une base Bλ de Eλ .
Soit B 0 la réunion de ces bases.
4) Soit P la matrice de passage de B à B 0 .
La matrice D de u dans B 0 est diagonale et on a D = P −1 AP .
Parmi les applications de la diagonalisation des matrices, on cite le calcul des puissances
d’une matrice carrée. Soit A ∈ Mn (K) une matrice diagonalisable ; il existe alors une
38 CHAPITRE 3. RÉDUCTION D’ENDOMORPHISMES DIAGONALISABLES
L’étude de ce système montre que E1 est engendré par 2e1 + e2 + e3 . Pour E2 , nous
avons déjà vu que c’est le plan d’équation x = y. Ainsi une base de E2 est (e1 + e2 , e3 ).
Finalement, la matrice A est semblable à la matrice diagonale
1 0 0
D = 0 2 0 .
0 0 2
D = P −1 AP.
Puisque
1 0 0
D k = 0 2k 0 ,
0 0 2k
3.3. ENDOMORPHISMES DIAGONALISABLES 39
il vient
2 − 2k −2 + 2 2k 0
Ak = P Dk P −1 =
k k
1 − 2 −1 + 2 2 0 .
k k k
1−2 −1 + 2 2
Démonstration.
Posons P = rk=1 (X − λk ). Puisque (X − λk ) divise Mu pour tout k ∈ {1, . . . , r}, il vient
Q
P divise Mu .
Montrons que Mu divise P . Soit x ∈ E, il s’écrit x = x1 + · · · + xr , avec xi ∈ Eλi . On a
alors :
P (u)(x) = (Qrk=1 (u − λk IdE ))(x)
Q
= (Qrk=1 (u − λk IdE ))(x1 + · · · + xrQ)
= ( k=1 (u − λk IdE ))(x1 ) + · · · + ( rk=1 (u − λk IdE ))(xr )
r
Ceci est vrai pour tout x dans E, donc P (u) = 0. Ceci prouve que Mu divise P .
Le résultat est donc démontré. ♣
Théorème 3.3.2 Un endomorphisme est diagonalisable si, et seulement si, il annule un
polynôme scindé simple.
Démonstration.
L’implication directe est évidente. Montrons la réciproque. Soit N (X) = sk=1 (X − λk )
Q
un polynôme scindé simple tel que N (u) = 0. Le lemme des noyaux montre que E =
⊕sk=1 Ker(u − λk IdE ) et le résultat est obtenu en considérant une base adaptée à cette
somme directe. ♣
Corollaire 3.3.4 Un endomorphisme est diagonalisable si et seulement si son polynôme
minimal est scindé simple.
Démonstration.
Il suffit de remarquer que l’endomorphisme induit annule le polynôme minimal de u. ♣
40 CHAPITRE 3. RÉDUCTION D’ENDOMORPHISMES DIAGONALISABLES
1. Calculer χf (X).
2. Montrer que f est diagonalisable sur R.
3. Déterminer les sous espaces propres de f .
4. Donner une base de diagonalisation B 0 de f .
5. Déterminer une matrice inversible P telle que D = P −1 AP soit diagonale.
6. Soit à résoudre l’équation (E) : X 2 = A dans M3 (R).
(a) Soit X ∈ M3 (R) une solution de E et soit g l’endomorphisme canoniquement
associé. Montrer que g 2 = f et f ◦ g = g ◦ f .
(b) Montrer que g laisse stables les sous-espaces propres de f .
(c) Montrer que g est diagonalisable et que B 0 est une base de diagonalisation de g.
(d) Soit Y la matrice de g dans B 0 . Montrer que Y 2 = D.
(e) Donner la relation entre X et D et donner la forme des solutions de l’équation
(E).
Chapitre 4
Dans tout ce chapitre K désigne un corps commutatif et E est un espace vectoriel sur
K de dimension finie.
Définition 4.1.1 L’endomorphisme u est dit trigonalisable s’il existe une base de E dans
laquelle la matrice de u est une matrice triangulaire de Mn (K). Une telle base s’appelle
une base de trigonalisation de u.
Remarque 4.1.1 Si la matrice de u dans une base (e1 , . . . , en ) est triangulaire supérieure,
la matrice de u dans la base (en , . . . , e1 ) est triangulaire inférieure.
Démonstration.
Nous allons procéder par récurrence sur la dimension n de E. L’assertion est vraie pour
n = 1. Supposons qu’elle soit acquise pour toute dimension strictement inférieure à n
(avec n > 1).
41
42 CHAPITRE 4. RÉDUCTION DES ENDOMORPHISMES SCINDÉS
χu (X) = (X − λ1 ) · · · (X − λn )
on obtient
χuF = χA (X) = (X − λ1 ) · · · (X − λn−1 ).
En utilisant l’hypothèse de récurrence, il existe (f1 , . . . , fn−1 ) une base de F dans laquelle
la matrice de uF est de la forme
λ1 ? · · ·
?
... ... ..
0 .
. . . .
.. .. .. ?
0 . . . 0 λn−1
λ1 ? · · · ?
. . . . . . ..
0 .
. . . .
.. .. .. ?
0 . . . 0 λn
♣
On peut maintenant énoncer le théorème suivant :
Théorème 4.1.1 L’endomorphisme u est trigonalisable si et seulement si il est scindé
sur K.
Démonstration.
Si u est trigonalisable, alors, par définition, sa matrice dans une base convenable est trian-
gulaire. Il est donc scindé puisque le polynôme caractéristique d’une matrice triangulaire
l’est. La réciproque vient de la proposition précédente. ♣
Exemple 4.1.1 Soit la matrice de M3 (R) :
1 4 −2
A = 0 6 −3 .
−1 4 0
4.1. ENDOMORPHISMES TRIGONALISABLES 43
On vérifie facilement que χA (X) = (X − 2)2 (X − 3). Donc A est trigonalisable puisque
χA (X) est scindé. Cherchons le sous-espace propre E3 en résolvant le système AX = 3X.
Ce qui conduit au système
−2x + 4y − 2z = 0
3y − 3z = 0 .
−x + 4y − 3z = 0
Algorithme :
1) A admet trois valeurs propres distinctes deux à deux : dans ce cas, A est diagonalisable sur K.
2) A admet deux valeurs propres distinctes λ1 et λ2 avec m(λ2 ) = 2.
a) Si dim(Eλ2 ) = 2, la matrice A est diagonalisable sur K.
b) Si dim(Eλ2 ) = 1,
On choisit v1 un vecteur propre associé à λ1 .
On choisit v2 un vecteur propre associé à λ2 .
On complète la famille (v1 , v2 ) en une base (v1 , v2 , v3 ) de K3 . La base (v1 , v2 , v3 )
est une base de trigonalisation de A.
Si P est la matrice de passage de la base canonique de K3 à (v1 , v2 , v3 ),
alors P −1 AP est triangulaire.
3) A admet une seule valeur propre λ.
Si dim(Eλ ) = 3, la matrice A est diagonalisable sur K.
Si dim(Eλ ) = 2,
On détermine une base (v1 , v2 ) de Eλ .
On complète la famille (v1 , v2 ) en une base (v1 , v2 , v3 ) de K3 . La base (v1 , v2 , v3 )
est une base de trigonalisation de A.
Si P est la matrice de passage de la base canonique de K3 à (v1 , v2 , v3 ),
alors P −1 AP est triangulaire.
Si dim(Eλ ) = 1,
On considère v1 un vecteur propre associé à λ.
On détermine un vecteur v2 tel que (A − λI3 )v2 soit non nul
et colinéaire à v1 .
On complète la famille (v1 , v2 ) en une base (v1 , v2 , v3 ) de K3 . La base (v1 , v2 , v3 )
est une base de trigonalisation de A.
Si P est la matrice de passage de la base canonique de K3 à (v1 , v2 , v3 ),
alors P −1 AP est triangulaire.
Démonstration.
1. =⇒ 2. Si r est l’indice de nilpotence de u alors son polynôme minimal est Mu (X) = X r .
Le spectre de u est donc réduit à {0}. D’où χu (X) = X n .
2. =⇒ 3. Si χu (X) = X n , l’endomorphisme u est scindé et il existe une base de E dans la
quelle la matrice de u est triangulaire supérieure d’éléments diagonaux les valeurs propres
de u. Comme Sp(u) = {0}, cette matrice est triangulaire supérieure stricte.
3. =⇒ 1. Soit A la matrice triangulaire supérieure stricte représentant u dans une base
de E. On a An = 0 et par suite un = 0. ♣
Exemple 4.1.2 Soit (e1 , e2 , e3 ) la base canonique de R3 et soit N la matrice de M3 (R) :
2 1 1
N = −2 −1 −1 .
−2 −1 −1
On a χN (X) = X 3 , donc N est nilpotente. Déterminons le sous-espace propre associé à
la valeur propre 0. En résolvant le système N X = 0, on obtient
E0 = Vect{v1 = e1 − 2e2 , v2 = e2 − e3 }.
En suite, on complète la famille (v1 , v2 ) par v3 = e3 en une base (v1 , v2 , v3 ) de R3 . C’est
une base de trigonalisation de N . Puisque N v3 = v1 + v2 , il vient N est semblable à la
matrice triangulaire stricte
0 0 1
T = P −1 N P = 0 0 1 ,
0 0 0
où P est la matrice de passage de (e1 , e2 , e3 ) à (v1 , v2 , v3 ).
Proposition 4.1.3 Si l’endomorphisme u est scindé de valeurs propres λ1 , . . . , λn , alors,
pour tout polynôme P de K[X], l’endomorphisme P (u) est scindé de valeurs propres
P (λ1 ), . . . , P (λn ).
Démonstration.
Puisque u est scindé, il existe une base de E dans laquelle la matrice T de u est triangulaire
d’éléments diagonaux les valeurs propres de u : λ1 , . . . , λn . Dans la même base, la matrice
de uk , pour tout k ∈ N, est T k qui est triangulaire d’éléments diagonaux λk1 , . . . , λkn . Il
s’ensuit que le résultat est vrai pour tout polynôme P . ♣
verra l’utilité de cette décomposition pour la résolution des systèmes d’équations différen-
tielles linéaires à coefficients constants.
Soit u ∈ L(E). Dans la suite, l’entier n dénote la dimension de E.
avec λi 6= λj pour i 6= j.
Le lemme des noyaux montre que E est la somme directe des sous espaces caractéristiques
de u :
E = F λ1 ⊕ · · · ⊕ F λr .
Cette décomposition s’appelle la décomposition spectrale de u.
Proposition 4.2.1 Pour k ∈ {1, . . . , r}, soit Fk le sous espace caractéristique de u as-
socié à la valeur propre λk . Alors :
1. Fk est stable par u.
2. L’endomorphisme uk induit par u sur Fk est de la forme λk IdFk + nk , où nk est un
endomorphisme nilpotent de Fk .
3. dim(Fk ) = m(λk ).
Démonstration.
Le sous espace Fk est le noyau d’un polynôme en u donc il est stable par u. Soient uk
l’endomorphisme induit par u sur Fk et nk = uk − λk IdFk . Puisque (u − λk IdE )m(λk ) est
nul sur Fλk , l’endomorphisme nk est nilpotent. D’autre part, le polynôme caractéristique
de uk est (X − λk )f (λk ) où f (λk ) est la dimension de Fk . On obtient ainsi
r
Y
χu (X) = (X − λk )f (λk )
k=1
Démonstration.
Pour k ∈ {1, . . . , r}, soit Bk une base de Fk dans laquelle la matrice Nk de nk est trian-
gulaire supérieure stricte d’ordre m(λk ). Dans la base B, réunion des bases Bk , la matrice
de u est diagonale par blocs et le kème bloc est égal à λk Im(λk ) + Nk . ♣
On donne un résultat reliant le polynôme minimal de u et ses sous espaces caractéris-
tiques.
Démonstration.
0
Le polynôme minimal de uk est (X − λk )r (λk ) où r0 (λk ) est l’indice de nilpotence de nk .
Il s’ensuit que le polynôme minimal de u est
r
0
Y
(X − λk )r (λk ) .
k=1
et puisque Ker(u − λk )r(λk ) ⊂ Fk pour tout k ∈ {1, . . . , r}, il vient Fk = Ker(u − λk )r(λk ) .
♣
avec λi 6= λj pour i 6= j.
La projection de E sur le sous espace caractéristique Fλi parallèllement à ⊕j6=i Fλj appelée
4.2. DÉCOMPOSITION DE DUNFORD DES ENDOMORPHISMES SCINDÉS 49
avec (Ai Qi )(u)(x) ∈ Fλi pour i ∈ {1, . . . , r}. Comme E est la somme directe des sous
espaces caractéristiques, le projecteur spectral sur Fλi est donné par
pi = (Ai Qi )(u).
r
1 X Ai
= m(λi )
.
χu (X) i=1
(X − λ i )
1 = −X(X − 2) + (X − 1)2 .
A = D + N,
50 CHAPITRE 4. RÉDUCTION DES ENDOMORPHISMES SCINDÉS
Définition 4.3.1 On appelle bloc de Jordan de valeur propre λ et d’ordre p > 0 la matrice
carrée
λ 1 ··· 0
. . ..
0 λ
. .
Jp (λ) = . . .
.. . . . . 1
0 ··· 0 λ
On appelle matrice réduite de Jordan toute matrice diagonale par blocs de blocs de Jordan.
Une telle matrice est de la forme
···
Jh1 (λ1 ) 0 0
. ..
0 Jh2 (λ1 ) . . .
,
.
.. . .. . ..
0
0 ··· 0 Jhq (λq )
On a la proposition suivante :
(u(ek1 ), . . . , u(ek`k ), f1 , . . . , fq ).
Démonstration.
1. Il est facile de voir que si Ker(uj ) = Ker(uj+1 ) pour un certain j alors Ker(uj ) =
Ker(uj+i ) pour tout i ≥ 0. Ceci permet de montrer le premier point.
2. La somme Ker(uk−2 ) + Ku(ek1 ) + · · · + Ku(ek`k ) de sous espaces de Ker(uk−1 ) est
directe. En effet, soit (h, α1 , . . . , α`k ) ∈ Ker(uk−2 ) × K`k vérifiant h + α1 u(ek1 ) +
· · · + α`k u(ek`k ) = 0. En introduisant uk−2 , on obtient uk−1 (α1 ek1 + · · · + α`k ek`k ) = 0.
Il s’ensuit que α1 ek1 + · · · + α`k ek`k appartient à Ker(uk−1 ) et à l’un de ses sup-
plémentaires dans Keruk . Il vient alors αi = 0 pour i ∈ {1, . . . , `k } et par suite
h = 0. Enfin, une base d’un supplémentaire de Ker(uk−2 ) + Ku(ek1 ) + · · · Ku(ek`k )
dans Ker(uk−1 ) fournit la famille (f1 , . . . , fq ) convenable.
52 CHAPITRE 4. RÉDUCTION DES ENDOMORPHISMES SCINDÉS
Théorème 4.3.1 Il existe une base de E dans laquelle la matrice de u est une
matrice réduite de Jordan
diag(Jh1 (0), . . . , Jh`1 (0)),
avec (h1 , . . . , h`1 ) une suite décroissante d’entiers non nuls.
Deux matrices réduites de Jordan représentant u sont égales à l’ordre près de blocs
de Jordan.
Démonstration.
On note B la base formée des éléments du tableau T , indexés en le parcourant de
bas en haut et de gauche à droite. La matrice de u dans la base B est de la forme
diag(Jh1 (0), . . . , Jh`1 (0)),
et la suite (h1 , . . . , h`1 ) est bien une suite décroissante d’entiers non nuls.
Supposons que la matrice de u dans une autre base C soit de la forme
diag(Js1 (0), . . . , Jsq (0)).
Quitte à permutter les éléments de C, on peut supposer que (s1 , . . . , sq ) est une suite
décroissante d’entiers non nuls. En disposant les éléments de C de bas en haut et
de gauche à droite par colonnes de hauteurs si , on construit un tableau T 0 . D’après
le lemme précédent, le noyau de uk est engendré par les vecteurs des k premières
lignes de T 0 (à partir du bas), alors les lignes de T et T 0 ont les mêmes longueurs et
ces deux tableaux ont la même forme. Il vient q = `1 et (h1 , . . . , h`1 ) = (s1 , . . . , s`1 ).
♣
e1
uN (e1 ) e2
Il s’ensuit que la famille (uN (e1 ), e1 , e2 ) est une base de Jordan de N . Une réduite
de Jordan semblable à N est
0 1 0
J = 0 0 0 .
0 0 0
−1 2 3 4
−1 3 4 6
Exemple 4.3.4 On considère la matrice nilpotente N =
−1
.
1 2 2
1 −2 −3 −4
Son indice de nilpotence est r = 3. De plus, la suite des noyaux est :
Ker(uN ) = Vect{−2e2 +e4 , e1 −e2 +e3 } ⊂ Ker(u2N ) = Vect{−2e2 +e4 , −e2 +e3 , e1 } ⊂ Ker(u3N ) = R4 .
e2
uN (e2 )
u2N (e2 ) e1 − e2 + e3
Ainsi une base de Jordan de N est (u2N (e2 ), uN (e2 ), e2 , e1 − e2 + e3 ) et une réduite de
Jordan semblable à N est
0 1 0 0
0 0 1 0
J = .
0 0 0 0
0 0 0 0
Exemple 4.3.5 Soit la matrice nilpotente
−2 4 5 7
−1 2 3 4
N = 0 0 1
.
1
0 0 −1 −1
Son indice de nilpotence est r = 2. On détermine facilement la suite des noyaux :
Ker(uN ) = Vect{e1 − e3 + e4 , 2e1 + e2 } ⊂ Ker(u2N ) = R4 .
Comme R4 = Ker(uN ) ⊕ Vect{e3 , e4 }, un tableau de Young de N est :
e3 e4
uN (e3 ) uN (e4 )
On conclut qu’une base de Jordan de N est (uN (e3 ), e3 , uN (e4 ), e4 ) et qu’une réduite
de Jordan semblable à N est
0 1 0 0
0 0 0 0
J = .
0 0 0 1
0 0 0 0
Exemple 4.3.6 Soit la matrice
−2 4 5 7
−1 3 4 6
N =
0 −1
.
0 −1
0 0 −1 −1
L’indice de nilpotence de N est r = 4 et la suite des noyaux est :
Ker(uN ) = Vect{e1 + e2 + e3 − e4 }etKer(u2N ) = Vect{e1 + 2e2 − e4 , e2 − e3 }
56 CHAPITRE 4. RÉDUCTION DES ENDOMORPHISMES SCINDÉS
0 0 1 0
J = 0 0
.
0 1
0 0 0 0
où les λk sont deux à deux distincts. Le théorème suivant donne le résultat essentiel
de cette section.
Théorème 4.3.2 Il existe une base de E dans laquelle la matrice de u est une
matrice réduite de Jordan. Deux matrices réduites de Jordan représentant u sont
ègales à l’ordre près de blocs de Jordan.
Démonstration.
Pour tout k ∈ {1, . . . , r}, soit Fk le sous espace caractéristique de u associé à la
valeur propre λk et soit uk l’endomorphisme induit par u sur Fk . On considère
ensuite l’endomorphisme nilpotent nk = uk − IdFk . D’après le théorème 4.3.1, il
existe une base Bk de Fk dans laquelle la matrice de nk est une matrice réduite de
Jordan :
diag(Jh1 (λk ) (0), . . . , Jhpk (λk ) (0)).
Donc la matrice de u dans la base B réunion des bases Bk est la matrice diagonale
par blocs diag(A1 , . . . , Ar ) où Ak est de la forme :
diag(Jh1 (λk ) (λk ), . . . , Jhpk (λk ) (λk )).
Si une matrice réduite de Jordan représente u dans une autre base, la matrice
diagonale par blocs formée des matrices de Jordan de valeur propre λk représente
4.3. RÉDUCTION DE JORDAN DES ENDOMORPHISMES SCINDÉS 57
Comme e3 ∈ F−1 \Ker(uA + Id), alors la famille ((uA + Id)(e3 ), e3 ) est une base
de F−1 . D’autrepart, le sous espace caractéristique F2 coincide avec le sous es-
pace propre E2 et admet comme base le vecteur e2 . On conclut que la famille
((uA +Id)(e3 ), e3 , e2 ) constitue une base de Jordan de A et qu’une réduite de Jordan
semblable à A est
−1 1 0
J = 0 −1 0 .
0 0 2
Exemple 4.3.8 Soit la matrice
−1 −1 1
0
A= 0 −1
.
1 2 −2
Son polynôme caractéristique est χA (X) = (X + 1)3 . Donc A admet une seule
valeur propre et par suite un seul sous espace caractéristique F−1 . D’autrepart,
l’endomorphisme (uA + Id) est nilpotent d’indice r = 3 et après les calculs, on
obtient la suite des noyaux :
Ker(uA +Id)) = Vect{−e1 +e2 +e3 } ⊂ Ker(uA +Id)2 = Vect{−e1 +e2 , e3 } ⊂ F−1 = R3 .
58 CHAPITRE 4. RÉDUCTION DES ENDOMORPHISMES SCINDÉS
Comme
e1 ∈ F−1 \Ker(uA + Id)2 ,
alors la famille
((uA + Id)2 (e1 ), (uA + Id)(e1 ), e1 )
est une base de Jordan de A. De plus, une réduite de Jordan de A est
−1 1 0
J = 0 −1 1 .
0 0 −1
−4 8 10 15
A=
2 −5 −5 −7
.
1 −2 −3 −5
Ker(uA +Id) = Vect{e1 +e2 +e3 −e4 } ⊂ Ker(uA +Id)2 = Vect{e1 +2e2 −e4 , e2 −e3 } ⊂ F−1 = Ker(uA +Id
4.3. RÉDUCTION DE JORDAN DES ENDOMORPHISMES SCINDÉS 59
0 −1 1 0
J = .
0 0 −1 0
0 0 0 2
Exemple 4.3.11 Soit la matrice
5 0 2 0
7 4 8 1
A=
−4
.
0 −1 0
−5 −1 −6 2
On a χA (X) = (X −3)3 (X −1). On vérifie que l’endomorphisme induit par uA −3Id
sur F3 est nilpotent d’indice r = 2 et qu’on a
Ker(uA −3Id) = Vect{e1 +e2 −e3 , e2 −e4 } ⊂ F3 = Ker(uA −3Id)2 = Vect{−e1 +e3 , e2 , e4 }.
Puisque e2 ∈ F3 \Ker(uA − 3Id) et que ((uA − 3Id)(e2 ), e1 + e2 − e3 ) forme une base
de Ker(uA − 3Id), il vient que
((uA − 3Id)(e2 ), e2 , e1 + e2 − e3 )
forme une base de F3 . D’autrepart, le sous espace F1 est engendré par e1 + 4e2 −
2e3 − 3e4 . On conclut que
((uA − 3Id)(e2 ), e2 , e1 + e2 − e3 , e1 + 4e2 − 2e3 − 3e4 )
forme une base de Jordan de A. Enfin une réduite de Jordan est
3 1 0 0
0 3 0 0
J = 0 0
.
3 0
0 0 0 1
60 CHAPITRE 4. RÉDUCTION DES ENDOMORPHISMES SCINDÉS
−4 7 9 13
A=
2 −7 −7 −11 .
1 1 0 1
0 −1 0 0
J = .
0 0 2 0
0 0 0 2
Exemple 4.3.13 Soit la matrice
−2 2 3 4
−1 1 3 4
A=
−1
.
2 2 4
1 −2 −3 −5
Comme e1 ∈ F−1 \Ker(uA +Id), il suffit de complèter la famille (uA +Id)(e1 ), e1 par
2e1 + e2 , 3e1 + e3 pour avoir une base de Jordan de A. On conclut qu’une réduite
de Jordan est
−1 1 0 0
0 −1 0 0
J = .
0 0 −1 0
0 0 0 −1
Exemple 4.3.14 Soit la matrice
−2 2 3 4
−1 2 4 6
−1 1 1 2
1 −2 −3 −5
Ker(uA +Id) = Vect{2e3 −e4 , e1 −e2 +e3 } ⊂ Ker(uA +Id)2 = Vect{2e3 −e4 , −e2 +e3 , e1 } ⊂ F−1 = R4 .
par 2e3 − e4 pour avoir la base de Jordan. Enfin une réduite de Jordan de A est
−1 1 0 0
0 −1 1 0
.
0
0 −1 0
0 0 0 −1
Exemple 4.3.15 Soit la matrice
0 4 5 7
−1 5 4 6
A=
0 −1
.
2 −1
0 0 −1 1
et
e1 ∈ F2 \Ker(uA − 2Id)3 ,
alors la famille
2 1 0 0
0 2 1 0
J = 0 0 2 1
.
0 0 0 2
Chapitre 5
Remarque 5.1.1 (a) L’application exponentielle de Mn (K) dans Mn (K) qui à une
matrice A fait correspondre eA , est bien définie. En effet, la série ∞ Ak
P
k=0 k! est
normalement convergente sur toute partie bornée de Mn (K) pour des normes
bien appropriées.
(b) Lorsque n = 1 et K = R, on retrouve la définition de l’exponentielle d’un
nombre réel.
(c) L’exponentielle de la matrice nulle est la matrice identité.
(d) L’exponentielle d’une matrice nilpotente N d’indice de nilpotence r est la ma-
Nk
trice r−1
P
k=0 k! .
63
64CHAPITRE 5. SYSTÈMES DIFFÉRENTIELS LINÉAIRES DU PREMIER ORDRE
∀t ∈ R : ψ 0 (t) = Aψ(t).
Démonstration.
tk Ak
Pour k ∈ N, soit fk la fonction de R dans Mn
P 0(K) donnée par f k (t) = k!
. Pour une
norme bien appropriée sur Mn (K), la série fk est normalement convergente, P donc
uniformément convergente sur tout compact [−a, a] de R. Comme
P 0 P 0 fk est
la série
simplement convergente en 0, elle est dérivable et de plus ( fk ) = fk . Donc
+∞ k−1 k +∞ k−1 k−1
tA 0
X t A X t A
(e ) = =A = AetA .
k=1
(k − 1)! k=1
(k − 1)!
Ainsi
∀t ∈ R : φ0 (t) = Aφ(t).
où les aij sont des scalaires, les xi sont des fonctions de classe C 1 d’un intervalle
non vide I de R dans K et les bi sont des fonctions continus de I dans K.
En notant A la matrice (aij ), X le vecteur (x1 , . . . , xn ) et B le vecteur (b1 , . . . , bn ),
on peut écrire le système (S) sous la forme matricielle
(S) X 0 = AX + B(t).
(a) Soit E l’ensemble des solutions de (SH ). Il est évident que E est un K-espace
vectoriel. Considérons l’application ψ de E dans Kn définie par ψ(φ) = φ(0).
C’est une application linéaire et le théorme de Cauchy-Lipschitz assure que
c’est une bijection. Ceci montre que ψ est un isomorphisme ’espaces vectoriels.
D’où dim(E) = dim(Kn ) = n.
(b) Puisque φ0 (t) = Aφ(t) ∀t ∈ R, la fonction φ est une solution de (SH ). Le
théorème de Cauchy-Lipschitz montre que les solutions de (SH ) sont de cette
forme. ♣
Le théorème suivant permet d’obtenir une base de l’ensemble des solutions d’un
système homogène. Une telle base s’appelle un système fondamental de solutions.
Théorème 5.3.2 Soient A ∈ Mn (K), (X1 , . . . , Xn ) une base de Kn et φ1 , . . . , φn
sont les fonctions vectorielles définies par :
∀t ∈ R, φi (t) = etA Xi .
Alors la famille de fonctions (φ1 , . . . , φn ) est une base de l’ensemble des solutions
de (S 0 ).
Démonstration.
Il est facile de montrer que la famille (φ1 , . . . , φn ) est libre. C’est donc une base
puisque l’espace des solutions est de dimension n. ♣
Exemple 5.3.1 Déterminer la solution φ du système différentiel linéaire
0
x = −x + y
(SH )
y 0 = 3x + y
1
vérifiant φ(0) = X0 = .
1
L’écriture matricielle de SH est X 0 = AX avec
x −1 1
X= et A = .
y 3 1
68CHAPITRE 5. SYSTÈMES DIFFÉRENTIELS LINÉAIRES DU PREMIER ORDRE
1
On sait que la solution φ de (SH ) vérifiant φ(0) = X0 = est donnée par
1
∀t ∈ R, φ(t) = etA X0 .
Puisque
3 −2t
e + 14 e2t e − 14 e−2t
1 2t
tA 4 4
e = ,
4
e − 34 e−2t
3 2t 1 −2t
4
e + 34 e2t
il vient
(e + e−2t )
1 2t
φ(t) = 2 ∀t ∈ R.
e − 12 e−2t
3 2t
2
Remarque 5.3.1 Si la fonction vectorielle φ est une solution de (S), alors les
solutions de (S) sont de la forme φ + φH , avec φH est une solution du système
homogène (SH ).
En général, on utilise une technique dite méthode de variation des constantes pour
calculer les solutions du système (S).
Proposition 5.3.2 Soit A ∈ Mn (K) et B ∈ C(I, Kn ). Alors pour tout t0 ∈ I et
X0 ∈ Kn , la solution φ du système différentiel
X 0 = AX + B(t)
Démonstration.
D’après le théorème de Cauchy-Lipschitz, le système admet une unique solution
φ valant X0 en t0 et définie sur I tout entier. On utilise la méthode de variation
de la constante pour déterminer φ. On sait que les solutions de (SH ) sont du type
t 7→ etA Y , donc on écrit φ(t) = etA Y (t). On a
φ0 (t) − Aφ(t) = AetA Y (t) + etA Y 0 (t) − AetA Y (t) = etA Y 0 (t),
On montre que
−et + 2tet + 2e2t 2e2t − 2et + tet tet
etA = −2tet − e2t + et 2et − e2t − tet −tet .
−2tet − 3e2t + 3et −3e2t + 3et − tet et − tet
Rt
En utilisant la formule ∀t ∈ I, φ(t) = etA X0 + 0
e(t−s)A B(s)ds, on obtient la
solution de (S) vérifiant φ(0) = (1, −1, 0) :
2et − 23 cos(t) − 31
φ(t) = − 25 et + 67 cos(t) + 13 .
− 25 et + 65 cos(t) + 53
Donc, en notant Y (t) = (y(t), y 0 (t), . . . , y (n−1) (t)) et B(t) = (0, . . . , 0, b(t)), l’équation
différentielle (E) devient
Y 0 = AY + B.