77
CHAPITRE 5
R´
EDUCTION
⊙
L’objectif dans ce chapitre est de trouver des bases telles que les matrices d’un endomorphisme sur un espace vectoriel de dimension finie dans celles-ci soit les plus simples possibles : diagonales, triangulaires,.... En d’autres termes, par la formule de changement de bases, il s’agit de trouver, parmi toutes les matrices semblables `a une matrice carr´ee, la matrice la plus simple.
Cette th´eorie de la “r´eduction” est connue depuis la deuxi`eme moiti´e duXIXesi`ecle, elle a ´et´e d´evelopp´ee par Karl Weierstrass (allemand 1815-1897), L´eopold Kronecker (allemand 1823-1891) et Camille Jor-dan (fran¸cais 1838-1922) ; Kronecker et Jordan se sont d’ailleurs ´echarp´es ´epistolairement quant `a la paternit´e de sa d´ecouverte.
En 1878, Georg Frobenius (allemand 1849-1917) ´elargit la th´eorie pour englober les r´esultats de ses pr´ed´ecesseurs et donne une r´eduction universelle de tout endomorphisme sur tout corps, il ´etablit la preuve du th´eor`eme de Cayley-Hamilton de Arthur Cayley (anglais 1838-1922) et William Rowan Hamilton (irlandais 1805-1865) qui aurait du porter son nom. Il signe avec Oscar Perron (allemand 1880-1975) un th´eor`eme sur les valeurs propres et vecteurs propres de certaines matrices trouvera son application principale en probabilit´es pour pr´eciser l’´evolution des chaˆınes de Markov (Andre¨ı Markov, russe 1856-1922).
Il y a diff´erents types de r´eduction des matrices carr´ees (ou des endomorphismes en dimension finie bien sˆur) : celles de Jordan ou Frobenius, celles de Dunford (dˆue `a Chevalley !), les d´ecompositions LU, QR, de Cholesky... chacune r´epondant `a une exigence de calcul num´erique particulier.
On trouve des applications importantes de la r´eduction en m´ecanique quantique o`u les observables (position, vitesse, ´energie,...) sont des op´erateurs sur l’espace vectoriel des fonctions d’onde, et les valeurs propres de ces op´erateurs jouent un rˆole fondamental dans cette th´eorie.
TABLE DES MATI`
ERES
Partie 1 : ´el´ements propres
- 1 : valeurs propres et vecteurs propres d’un endomorphisme. . . .page 78 - 2 : valeurs propres et vecteurs propres d’une matrice carr´ee. . . .page 79 - 3 : polynˆome caract´eristique. . . .page 80 - 4 : th´eor`eme de Cayley-Hamilton. . . .page 81 - 5 : ordres de multiplicit´e des valeurs propres. . . .page 81
Partie 2 : r´eduction en dimension finie
- 1 : diagonalisation. . . .page 83 - 2 : polynˆomes annulateurs et diagonalisation. . . .page 85 - 3 : commutation et codiagonalisation (HP). . . .page 87 - 4 : polynˆomes annulateurs et trigonalisation. . . .page 87 ⊙
PARTIE 5.1 : ´
EL´
EMENTS PROPRES
5.1.1 : Valeurs propres et vecteurs propres d’un endomorphisme
D ´EFINITION 5.1 :
SoitE un K-espace vectoriel, u∈L(E) etλ∈ K :
• On dit que λest une valeur propre de us’il existe un vecteurx deEnon nul tel que u(x) =λx. • Le spectre de u, not´e Sp(u), est l’ensemble des valeurs propres deu.
• Siλ∈Sp(u), on note Eλ(u) =Ker(u−λidE) l’espace propre de u associ´e `a λ.
• Un vecteur non nul deEλ(u) est appel´e vecteur propre de u associ´e `a la valeur propre λ
• Un vecteur propre deuest un vecteur non nul x∈E tel qu’il existeλ∈ K qui v´erifieu(x) =λx.
REMARQUE 5.1 : • Soite∈E non nul etD=Vect(e) : (D stable paru)⇐⇒(evecteur propre deu). • Sipest la projectionpF,G (avecFetGdiff´erents de{0E}) : Sp(p) ={0, 1},E0(p) =Get E1(p) =F.
PROPOSITION : LES SOUS-ESPACES PROPRES ASSOCI ´ES `A DES VALEURS PROPRES NON NULLES SONT INCLUS DANS L’IMAGE 5.1 :
SoitE un K-espace vectoriel,u∈L(E) etλ∈ K : Siλ=0,E0(u) =Ker(u). Si λ̸=0, Eλ(u)⊂Im(u).
EXEMPLE 5.1 : • Siφ:P∈ K[X]7→XP∈ K[X], alorsSp(φ) =∅.
• SiD∈L(C∞(R,R))d´efini parD(f) =f′ : Sp(D) = R etEλ(D) =Vect (
t7→eλt).
EXERCICE 5.2 : SiE=ℓ∞(R) l’ensemble des suites r´eelles born´ees et ∆ est l’endomorphisme de Ed´efini par ∆((un)n∈ N
)
= (un+1−un)n∈ N, d´eterminer le spectre de ∆ et les sous-espaces propres.
PROPOSITION SUR LA LIBERT ´E D’UNE FAMILLE DE VECTEURS PROPRES
ASSOCI ´ES `A DES VALEURS PROPRES DIFF ´ERENTES 5.2 : SoitE un espace vectoriel et u∈L(E) :
• Six1,· · ·, xpsont des vecteurs propres deuassoci´es `a des valeurs propres2`a2distinctes alors (x1,· · ·, xp) est une famille libre.
• Si λ1,· · ·, λp sont p valeurs propres 2 `a 2 distinctes de u alors les sous-espaces propres Eλ1(u),· · ·, Eλp(u) sont en somme directe.
REMARQUE 5.2 : SiE est de dimensionn, il y a donc au maximumnvaleurs propres distinctes deu.
EXEMPLE 5.3 : • Les fonctions
( t7→eλt
)
λ∈ R forment une famille libre dansC
∞(R,R).
• Les suites g´eom´etriques((λn1)n∈ N,· · ·,(λnp)n∈ N )
forment une famille libre dans l’espace des suites complexes CNsiλ1,· · ·, λpsont pcomplexes distincts2`a2. Donc
(
(λn)n∈ N)λ∈ Cest libre.
• Les fonctions (pα1,· · ·, pαp) forment une famille libre dans C∞(R∗+,R) si pα(t) = tα avec α1,· · ·, αpdistincts2`a2. D’o`u
( pα
)
´
EL ´EMENTS PROPRES 79
PROPOSITION : STABILIT ´E DES SOUS-ESPACES PROPRES SI COMMUTATION 5.3 : Si u et v sont deux endomorphismes de E qui commutent (c’est-`a-dire que u◦v=v◦u) alors les espaces propres de u sont stables par v(et r´eciproquement).
5.1.2 : Valeurs propres et vecteurs propres d’une matrice carr´
ee
D ´EFINITION 5.2 :
Soit A∈Mn(K). Les valeurs propres, le spectre deA (not´e SpK(A)) et les vecteurs propres et les espaces propres deA(not´es Eλ(A)) sont ceux de l’endomorphisme de Kn canoniquement associ´e `aA.
REMARQUE 5.3 : En d’autres termes :
• λ∈Sp(A)⇐⇒(∃X∈Mn,1(K), X̸=0etAX=λX )
.
• x= (x1,· · ·, xn)∈ Kn est vecteur propre deAsitX= (x1· · ·xn) v´erifieAX=λXet X̸=0.
• Dans ce cas, on dit queXest une colonne propre de Aassoci´ee `a la valeur propreλ.
EXEMPLE 5.4 : Cherchons les valeurs propres r´eelles ou complexes de la matriceA= ( 1 −1 1 1 ) .
PROPOSITION SUR LA RELATION ENTRE SPECTRES R ´EELS ET COMPLEXES ET SOUS-ESPACE PROPRE DU CONJUGU ´E POUR UNE MATRICE R ´EELLE 5.4 :
Soitn∈ N∗ etA∈Mn(R), alorsA∈Mn(C) et on a : SpR(A)⊂SpC(A). De plus, si λ∈SpC(A) alorsλ∈SpC(A) et dim Eλ(A) =dim Eλ(A).
EXEMPLE 5.5 : Dans l’exemple pr´ec´edent,E1+i(A) et E1−i(A) sont deux droites de C2.
PROPOSITION SUR LES SPECTRES DE DEUX MATRICES SEMBLABLES 5.5 :
Soit A etB deux matrices de Mn(K) semblables (c’est-`a-dire qu’il existe P∈GLn(K) telle que B=P−1AP), alorsSpK(A) =SpK(B) et pour λ∈SpK(A), on adim Eλ(A) =dim Eλ(B).
REMARQUE 5.4 : Nouveaux invariants de similitude : spectre et dimensions des sous-espaces propres.
PROPOSITION 5.6 :
SoitE un K-espace vectoriel de dimension finie et u∈L(E). Pour toute baseB de E, on a Sp(u) =SpK(MatB(u)).
5.1.3 : Polynˆ
ome caract´
eristique
D ´EFINITION 5.3 :
Soit E un espace vectoriel de dimension finie et u ∈ L(E). Le polynˆome caract´eristique de u est le polynˆomeχu∈ K[X] associ´e `a la fonction polynomiale d´efinie parλ∈ K 7→det(λidE−u).
Si A ∈ Mn(K), le polynˆome caract´eristique de A est le polynˆome χA ∈ K[X] associ´e `a la fonction
polynomiale d´efinie par : ∀λ∈ K, χA(λ) =det(λIn−A).
REMARQUE 5.5 : • SiBest une base deE,u∈L(E) etA=MatB(u) alorsχu =χA.
• InversementχA est le polynˆome caract´eristique deucanoniquement associ´e `a A. • Sipest un projecteur deEde dimensionn, alorsχp=Xn−tr(p)(X−1)tr(p).
• Il y a quelques ann´ees, la d´efinition du polynˆome caract´eristique ´etaitχA=det(A−XIn) (abus de
notation usuel), certains ´enonc´es risquent de conserver cette convention. Attention !
EXEMPLE 5.6 : SoitJ= (1)16i,j6n, calculonsχJ.
REMARQUE 5.6 : Soit n ∈ N∗ et (A, B) ∈ Mn(K)2, alors x 7→ det(A+xB) est une application
polynomiale de degr´e inf´erieur ou ´egal `an.
TH ´EOR `EME SUR LA CONNAISSANCE DE CERTAINS COEFFICIENTS DU POLYN ˆOME CARACT ´ERISTIQUE ( ´ENORME) 5.7 :
Soit E un espace vectoriel de dimension finien etu un endomorphisme de E, alors nous avons deg(χu) =n etχu=Xn−tr(u)Xn−1+· · · + (−1)ndet(u).
Si A∈Mn(K) alorsdeg(χA) =n etχA=Xn−tr(A)Xn−1+· · · + (−1)ndet(A).
TH ´EOR `EME SUR LA CARACT ´ERISATION DES VALEURS PROPRES PAR LE POLYN ˆOME CARACT ´ERISTIQUE 5.8 :
SoitE un K-espace vectoriel de dimension finien, uun endomorphisme deE etλ∈ K, on a les ´
equivalences suivantes : λ∈Sp(u)⇐⇒ (u−λidE)∈/GL(E)⇐⇒χu(λ) =0.
Les valeurs propres de usont exactement les racines de χu (dans K). Si A∈Mn(K) etλ∈ K alors : λ∈SpK(A)⇐⇒ (A−λIn)∈/GLn(K) ⇐⇒χA(λ) =0.
Le spectre de A (sur K) est l’ensemble des racines deχA (dans K).
REMARQUE FONDAMENTALE 5.7 : On en d´eduit :
• Siu∈L(E) o`uEest de dimensionn, alorsuadmet au plusn valeurs propres distinctes. • SiA∈Mn(K) alors Aadmet au plusn valeurs propres complexes distinctes.
• Si K = C, u(ouA) poss`ede au moins une valeur propre complexe.
• Si K = R et sinest impair,u(ouA) poss`ede au moins une valeur propre r´eelle.
ORAL BLANC 5.7 : Soitn>2,A, Bdeux matrices deMn(K) etα∈ K∗tel queAB−BA=αA. a. Montrer que∀k∈ N, AkB−BAk=αkAk.
´
EL ´EMENTS PROPRES 81
PROPOSITION SUR L’ ´EGALIT ´E DES POLYN ˆOMES CARACT ´ERISTIQUES DE DEUX MATRICES SEMBLABLES 5.9 :
Si Aet Bsemblables, elles ont les mˆemes valeurs propres de mˆemes multiplicit´es car χA=χB. De mˆeme, χA=χtA donc A ettA ont les mˆemes valeurs propres de mˆemes multiplicit´es.
REMARQUE 5.8 : Voil`a un nouvel invariant de similitude : le polynˆome caract´eristique.
PROPOSITION : LE POLYN ˆOME CARACT ´ERISTIQUE D’UN ENDOMORPHISME
INDUIT DIVISE CELUI DE L’ENDOMORPHISME D’ORIGINE 5.10 :
Soit E un espace vectoriel de dimension finie, u un endomorphisme de E et F un sous-espace de E stable par u. On note uF l’endomorphisme de F induit paru : χuF diviseχu.
REMARQUE 5.9 : Plus g´en´eralement, si la matrice deudans une baseBest triangulaire par blocs avec des blocs (Ak)16k6rsur la diagonale, alors : χu=
r ∏ k=1
χAk.
5.1.4 : Th´
eor`
eme de
Cayley-Hamilton
PROPOSITION SUR LA MATRICE COMPAGNON D’UN POLYN ˆOME 5.11 :
Soit P=Xp− p∑−1 k=0 akXk avec (a0,· · ·, ap−1)∈ Kp et A= 0 · · · · 0 a0 1 . .. ... ... 0 . .. . .. ... ... .. . . .. . .. 0 ap−2 0 · · · 0 1 ap−1
qui est appel´ee
la matrice compagnon du polynˆome P, alors χA=P.
TH ´EOR `EME DE CAYLEY-HAMILTON ( ´ENORME) 5.12 : Soit E de dimensionn et uun endomorphisme de E, alors χu(u) =0. Soit A∈Mn(K), alorsχA(A) =0.
D´emonstration : non exigible.
EXERCICE CONCOURS 5.8 : Soit n∈ N∗, justifier qu’il existe (a0,· · ·, an−1)∈ Rn tel que
∀P ∈ Rn−1[X], P(X+n) + n∑−1
k=0
akP(X+k) = 0. D´eterminer ces constantes en consid´erant l’endo-morphisme de ∆ de Rn−1[X] d´efini par ∆(P) =P(X+1)−P(X).
5.1.5 : Ordres de multiplicit´
e des valeurs propres
D ´EFINITION 5.4 :
Soit E un espace vectoriel de dimension finie, u ∈L(E) et λ∈Sp(u). On appelle ordre de multiplicit´e alg´ebrique de la valeur propreλl’ordre de multiplicit´e de la racineλdeχu ; on la notemλ(u).
On dit que λest une valeur propre simple deusimλ(u) =1, double simλ(u) =2, etc...
SoitA∈Mn(K) et λ∈SpK(A). On appelle ordre de multiplicit´e alg´ebrique de la valeur propre λ
l’ordre de multiplicit´e de la racineλdeχA ; on la notemλ(A).
EXERCICE 5.9 : SoitA= (δMax(i,j),n)16i,j6n∈Mn(R), calculons ses valeurs propres.
TH ´EOR `EME SUR LES RELATIONS ENTRE LA TRACE, LE D ´ETERMINANT ET LES ORDRES DE MULTIPLICIT ´ES DES VALEURS PROPRES 5.13 :
Soit E de dimensionn et u∈L(E), si χu est scind´e sur K (donc en particulier si K = C) :
n= ∑ λ∈Sp(u) mλ(u), tr(u) = ∑ λ∈Sp(u) λ mλ(u) et det(u) = ∏ λ∈Sp(u) λmλ(u). Si A∈Mn(K) : n= ∑ λ∈SpC(A) mλ(A), tr(A) = ∑ λ∈SpC(A) λ mλ(A) et det(A) = ∏ λ∈SpC(A) λmλ(A).
ORAL BLANC 5.10 : Soitn>2et φ∈L(Mn(R) )
d´efini parφ(M) =M+tr(M)In. D´eterminer la trace et le d´eterminant deφ.
REMARQUE 5.10 : Si l’on connaˆıt toutes les valeurs propres deAsauf une, on peut se servir de la trace.
EXERCICE 5.11 : Soit X et Y deux vecteurs colonnes non nuls deMn,1(R) qui sont d´efinis par tX= (x
1· · ·xn) et tY= (y1· · ·yn), trouvons alors les valeurs propres deA=XtY.
REMARQUE 5.11 : SiA∈Mn(R) et siλ∈ C \ R est valeur propre deA, alors on sait queλl’est aussi
et queEλ(A) etEλ(A) ont mˆeme dimension maisλet λont aussi mˆeme ordre de multiplicit´e alg´ebrique.
EXEMPLE 5.12 : SoitA∈Mn(R) telle queSpR(A)⊂ R+. Montrer quedet(A)>0.
D ´EFINITION 5.5 :
Soit E de dimension finie, u un endomorphisme de E et λ une valeur propre de u, l’entier dim Eλ(u) est
appel´e l’ordre de multiplicit´e g´eom´etrique de la valeur propreλ.
TH ´EOR `EME SUR UNE IN ´EGALIT ´E ENTRE LES ORDRES DE MULTIPLICIT ´E ALG ´EBRIQUE ET G ´EOM ´ETRIQUE D’UNE VALEUR PROPRE 5.14 :
Soit E de dimension finie, u∈L(E) et λ∈Sp(u), on a16dim Eλ(u)6mλ(u). Si A∈Mn(K) etλ∈SpK(A), on a16dim Eλ(A)6mλ(A).
REMARQUE 5.12 : L’ordre de multiplicit´e g´eom´etrique est donc inf´erieur `a l’ordre de multiplicit´e alg´ebrique pour toute valeur propre. Ces in´egalit´es peuvent bien sˆur ˆetre strictes.
EXEMPLE 5.13 : Soitu∈L(E) nilpotent non nul deEde dimensionn, alorsχu =Xn donc0est valeur propre de multiplicit´e alg´ebriquen alors qu’on sait juste que16dim(Ker(u))6n.
EXEMPLE 5.14 : D´eterminer les ´el´ements propres deA= 0 2 −2 2 −2 0 2 2 −2 2 0 2 2 2 −2 0 .
R ´EDUCTION EN DIMENSION FINIE 83
PARTIE 5.2 : R´
EDUCTION EN DIMENSION FINIE
5.2.1 : Diagonalisation
D ´EFINITION 5.6 :
SoitEun espace vectoriel de dimension finie etu∈L(E), on dit queuest diagonalisable siEest la somme directe des sous-espaces propres deu associ´es `a ses valeurs propres : E= ⊕
λ∈Sp(u) Eλ(u).
PROPOSITION : ORDRE G ´EOM ´ETRIQUE D’UNE VALEUR PROPRE SIMPLE 5.15 : Si λest une valeur propre simple de u(ou de A) alorsEλ(u) (ou Eλ(A)) est une droite.
REMARQUE 5.13 : On dit qu’un polynˆomeP∈ K[X] est scind´e `a racines simples ou simplement scind´e (not´e souvent SARS) s’il est de degr´en>1et s’il poss`edenracines distinctes deux `a deux.
PROPOSITION SUR UNE CONDITION SUFFISANTE DE DIAGONALISABILIT ´E 5.16 : SoitE de dimension n etu∈L(E). Siu poss`ede n valeurs propres distinctes (si χu est scind´e `a racines simples) alors∀λ∈Sp(u), dim Eλ(u) =1et on a E=
⊕ λ∈Sp(u)
Eλ(u).
TH ´EOR `EME SUR DES CARACT ´ERISATIONS DE LA DIAGONALISATION 5.17 : Soit E un espace de dimension finie et u∈L(E), les propri´et´es suivantes sont ´equivalentes :
(i) u est diagonalisable.
(ii) Il existeF1,· · ·, Fp stables par utels queE= p ∑ k=1
Fk etuF1,· · ·, uFp sont des homoth´eties.
(iii) Il existe une base de E form´ee de vecteurs propres de u.
(iv) Il existe une base de E dans laquelle la matrice de u est diagonale. (v) dim(E) = ∑
λ∈Sp(u)
dim(Eλ(u) )
.
EXERCICE CONCOURS 5.15 : CCP PSI 2014 Aliz´ee + Petites Mines PSI 2014 Benjamin SoitA∈Mn(R) et tr(A)̸=0. Soitf:Mn(R) →Mn(R) d´efinie parf(M) =tr(A)M−tr(M)A. Version PM : Montrer quefest diagonalisable et expliciter ses ´el´ements propres.
Version CCP : Montrer quefest un endomorphisme. Quel est le noyau de f? L’image def? Donner les espaces propres def, en d´eduire quefest diagonalisable.
REMARQUE FONDAMENTALE 5.14 : SoitEun espace vectoriel de dimensionnetuendomorphisme de E. Il suffit de trouver des valeurs propres distinctes λ1,· · ·, λr de u telles que
r ∑ k=1 dim(Eλk(u) ) >n
pour queusoit diagonalisable et qu’on puisse conclure queSp(u) ={λ1,· · ·, λr}.
ORAL BLANC 5.16 : Centrale PSI 2013
Soit n ∈ N∗ et la matrice Z = (zi,j)16i,j62n ∈ M2n(R) d´efinie par ∀j ∈ [[1;n]], z1,j = z2n,j = 1,
∀k∈ [[2;2n−1]], zk,2n+1−k=1et toutes les autres cases de la matriceZsont nulles : ceci se visualise tr`es bien car les1deZforment la lettre Z.
a. D´eterminer le rang deZ. Montrer queZest diagonalisable. b. En d´eduire le d´eterminant deM=Z+√2I2n.
PROPOSITION SUR LES PROPRI ´ET ´ES DES PROJECTEURS SPECTRAUX 5.18 : Soit E un espace de dimension finie et u∈ L(E) diagonalisable tel que Sp(u) = {λ1,· · ·, λr}. Si p1,· · ·, pr est la famille des projecteurs associ´ee `a la d´ecomposition E=
r ⊕ k=1 Eλk(u) alors : • p1+· · · +pr=idE. • ∀(i, j)∈ [[1;r]]2, i̸=j=⇒pi◦pj=0. • u=λ1p1+· · · +λrpr.
REMARQUE 5.15 : S’il existe des endomorphismes p1,· · ·, pr de E de dimension finie qui v´erifient p1+· · ·+pr=idE, et∀(i, j)∈ [[1;n]]2, i̸=j=⇒pi◦pj=0etu=λ1p1+· · ·+λrpr: uest diagonalisable.
TH ´EOR `EME SUR UNE CONDITION N ´ECESSAIRE ET SUFFISANTE DE DIAGONA-LISABILIT ´E AVEC LES ORDRES DE MULTIPLICIT ´E ( ´ENORME) 5.19 :
Soit E un K-espace de dimension finie et u∈L(E). On a l’´equivalence : (
u est diagonalisable)⇐⇒(χu est scind´e sur K et ∀λ∈Sp(u), dim ( Eλ(u) ) =mλ(u) ) .
EXERCICE 5.17 : L’endomorphismeude matriceA=
12 03 a0 0 0 1
est-il diagonalisable ?
REMARQUE 5.16 : On se rappelle avoir d´ej`a vu que siuest un endomorphisme d’un K-espace vectoriel de dimension finientel que χu poss`edenracines distinctes dans K alors uest diagonalisable.
Attention : ce n’est qu’une condition suffisante de diagonalisabilit´e ; il est clair queidEest diagonalisable
mais que son polynˆome caract´eristique n’est pas `a racines simples.
EXERCICE CONCOURS 5.18 : Centrale PSI 2013 Pierre-Simon
Les matricesA= 01 10 10 2 1 0 etB= 01 10 21 1 0 0 sont-elles semblables ?
R ´EDUCTION EN DIMENSION FINIE 85
D ´EFINITION 5.7 :
SoitA∈Mn(K), on dit queAest diagonalisable (dans K) siAest semblable (dansMn(K)) `a une matrice
diagonale, c’est-`a-dire s’il existeP∈GLn(K) telle que P−1APest une matrice diagonale.
PROPOSITION SUR LA RELATION MATRICE/ENDOMORPHISME 5.20 : SoitA∈Mn(K) et ul’endomorphisme de Kn canoniquement associ´e `a A :
• Aest diagonalisable ⇐⇒u est diagonalisable.
• SiAest diagonalisable etP∈GLn(K) telle queA=PDP−1 avecD=Diag(λ1,· · ·, λn) alors SpK(A) ={λ1,· · ·, λn} et P=PBcan,B o`uB est une base de vecteurs propres deu.
REMARQUE 5.17 : Plus g´en´eralement, soit A∈Mn(K),E de dimensionn, Bune base deE,u∈L(E)
tel que A=MatB(u), alors : (Aest diagonalisable)⇐⇒(uest diagonalisable).
5.2.2 : Polynˆ
omes annulateurs et diagonalisation
EXERCICE CONCOURS 5.19 : Centrale PSI 2013
Soitn∈ N∗ etr∈ [[0;n]] et une matriceM∈Mn(C) de rangr. a. Montrer queM est semblable `a une matrice du type
( A 0 B 0
)
o`uA∈Mr(C).
b. En d´eduire qu’il existe un polynˆomeP de degr´e inf´erieur ou ´egal `a r+1tel queP(M) =0. c. Montrer par un exemple qu’il n’existe pas toujours de polynˆomeQ de degr´e inf´erieur ou ´egal `a r (`a choisir) tel queQ(M) =0.
PROPOSITION : LES VALEURS PROPRES SONT DES RACINES DE TOUT POLYN ˆOME ANNULATEUR D’UN ENDOMORPHISME (D’UNE MATRICE) 5.21 :
SoitE un espace vectoriel, u∈L(E),P∈ K[X] et λ∈ K :
• Siλ∈Sp(u) alors P(λ)∈Sp(P(u)).
• SiP(u) =0alors ∀λ∈Sp(u), P(λ) =0; donc ∏ λ∈Sp(u)
(X−λ) divise P. De mˆeme, soit A∈Mn(K), P∈ K[X] et λ∈ K, alors :
• Siλ∈Sp(A) alors P(λ)∈Sp(P(A)).
• SiP(A) =0 alors∀λ∈Sp(A), P(λ) =0 ; donc ∏ λ∈Sp(A)
(X−λ) divise P.
TH ´EOR `EME : CARACT ´ERISATION DE DIAGONALISABILIT ´E AVEC UN POLYN ˆOME ANNULATEUR SCIND ´E `A RACINES SIMPLES ( ´ENORME) 5.22 :
Soit E un K-espace vectoriel de dimension finie et u∈L(E), ou A∈Mn(K) : (
udiagonalisable)⇐⇒(∃P∈ K[X], P(u) =0et P scind´e `a racines simples (dans K)). (
EXEMPLE 5.20 : Reprenons l’´etude deA= (δMax(i,j),n)16i,j6n∈Mn(R).
ORAL BLANC 5.21 : Centrale PSI 2013
Soitn>2et ω=e2iπn . On poseA= (ah,k)16h,k6n ∈Mn(C) o`uah,k=ω(k−1)(h−1). a. Dans le cas o`un=3, calculerχA.
b. CalculerA2. Montrer queAest diagonalisable.
TH ´EOR `EME : CARACT ´ERISATION DE DIAGONALISABILIT ´E PAR LE POLYN ˆOME ANNULATEUR MINIMAL SCIND ´E `A RACINES SIMPLES ( ´ENORME) 5.23 :
Soit E de dimension finie, u∈L(E) : (udiagonalisable)⇐⇒(P= ∏ λ∈Sp(u) (X−λ) v´erifie P(u) =0). De mˆeme, soitn∈ N∗ etA∈Mn(K) : ( Adiagonalisable)⇐⇒(P= ∏ λ∈Sp(A) (X−λ) v´erifieP(A) =0).
REMARQUE FONDAMENTALE 5.18 : Dans toute cette remarque, on suppose que E est un espace vectoriel et queu∈L(E) est diagonalisable. On poseSp(u) ={λ1,· · ·, λp}.
• Le polynˆomeπu= p ∏ k=1
(X−λk) est donc le polynˆome minimal deu.
• Si (Lj)16j6p sont les polynˆomes d’interpolation de Lagrange associ´es aux valeurs propres de u,
c’est-`a-dire Lj(X) = p ∏ k=1 k̸=j ( X−λk λj−λk ) , alors (Lj(u) )
16j6p est la famille des projecteurs spectraux
associ´es `a la d´ecompositionE= p ⊕ j=1 Eλj(u). D’abord∀(i, j)∈ [[1;p]] 2, i̸=j=⇒L i(u)◦Lj(u) =0, et : p ∑ j=1 Lj(u) =idE, p ∑ j=1 λjLj(u) =u et ∀m∈ N, um= p ∑ j=1 λmj Lj(u). • K[u] =Vect(idE,· · ·, up−1) =Vect ( L1(u),· · ·, Lp(u) ) .
EXERCICE 5.22 : Calculer les puissances deA= 21 −01 22 1 −1 3 .
PROPOSITION DE DIAGONALISABILIT ´E D’UN ENDOMORPHISME INDUIT 5.24 : Si u est un endomorphisme diagonalisable de E, espace vectoriel de dimension finie, et F un sous-espace deE stable par u, alors l’endomorphisme induit paru sur F est diagonalisable.
REMARQUE HP 5.19 : Par Cayley-Hamilton, le polynˆome minimal est un diviseur du polynˆome caract´eristique. Ainsi, si K = C,πu=
∏ λ∈Sp(u)
(X−λ)nλ(u)o`u16n
λ(u)6mλ(u). Les valeurs propres
R ´EDUCTION EN DIMENSION FINIE 87
5.2.3 : Commutation et codiagonalisation (HP)
PROPOSITION DE CODIAGONALISATION SI LES ENDOMORPHISMES SONT
DIAGONALISABLES ET COMMUTENT (HP) 5.25 :
SoitE de dimension finie et (u, v)∈L(E)2 ; on supposeu diagonalisable :
• (vcommute avec u)⇐⇒(tous les sous-espaces propres de u sont stables par v).
• Si v◦u=u◦v et v diagonalisable, alors il existe une base de E compos´ee de vecteurs propres communs `a u etv(on dit que u etvcodiagonalisent dans B).
REMARQUE HP 5.20 : Si uest diagonalisable, en notantSp(u) ={λ1,· · ·, λr} son spectre de cardinal r, la sous-alg`ebreC(u) deL(E) (commutant de u) est de dimension
r ∑ k=1
dim(Eλk(u))2.
ORAL BLANC 5.23 : R´esoudre l’´equationX2=Ao`u A=
−115 −35 −53
5 −3 3
.
5.2.4 : Polynˆ
omes annulateurs et trigonalisation
D ´EFINITION 5.8 :
Soituun endomorphisme d’un espace E de dimension finie, on dit queuest trigonalisable s’il existe une base deE dans laquelle la matrice deu est triangulaire (sup´erieure).
Si A ∈ Mn(K), on dit que A est trigonalisable (dans K) s’il existe une matrice P ∈ GLn(K) telle que P−1APsoit triangulaire (sup´erieure).
REMARQUE 5.21 : On se rappelle avoir vu sur les matrices, siEde dimension finie et u∈L(E) : (
uest trigonalisable)⇐⇒(∃B= (e1,· · ·, en) base deE, ∀k∈ [[1;n]], Vect(e1,· · ·, ek) est stable paru).
TH ´EOR `EME : CARACT ´ERISATION DE TRIGONALISABILIT ´E ( ´ENORME) 5.26 : Soit E de dimension finie etu∈L(E) : (u est trigonalisable)⇐⇒(χu est scind´e (sur K)
) . De mˆeme, si n∈ N∗ etA∈Mn(K) :
(
Aest trigonalisable)⇐⇒(χA est scind´e (sur K) )
.
REMARQUE FONDAMENTALE 5.22 : • Toute matrice est donc trigonalisable sur C.
• SiA∈Mn(K) et siλ1,· · ·, λn sont les valeurs propres complexes deA(compt´ees avec multiplicit´e),
alors pour tout k∈ N∗, les valeurs propres complexes deAk sontλk1,· · ·, λkn ce qui permet d’affirmer par exemple que : ∀k∈ N∗, tr(Ak) =
n ∑ i=1
λki.
REMARQUE 5.23 : Suites r´ecurrentes lin´eaires d’ordre 2 homog`ene et `a coefficients constants : pour ´
etudier la suite d´efinie par (u0, u1)∈ C2 et ∀n∈ N, u
n+2=aun+1+bun avec (a, b)∈ C2, on ´etudie (Xn)n∈ Nd´efinie parXn= ( un+1 un ) car∀n∈ N, Xn+1=AXn avecA= ( a b 1 0 ) ; on note ∆ =a2+4b, λ1= a+δ 2 ,λ2= a−δ
2 o`uδest une racine carr´ee de ∆ (λ=λ1=λ2= a
2 si ∆ =0) :
• si ∆ ̸=0, on a : ∃(α1, α2)∈ C2tel que ∀n∈ N, u
n=α1λn1 +α2λn2.
EXERCICE 5.24 : TrigonaliserA= 22 −11 −−12 3 −1 −2 .
COMP´
ETENCES
• trouver des valeurs propres et des vecteurs propres des endomorphismes en r´esolvant l’´equation
vectorielleu(x) =λx(dimension infinie) ou le syst`eme lin´eaireAX=λX(dimension finie).
• d´eterminer l’ordre g´eom´etrique d’une valeur propreλdeAen ´etudiant le rang deA−λIn.
• calculer efficacement le polynˆome caract´eristique d’une matrice.
• se servir deχApour connaˆıtre le spectre deA: trace, d´eterminant, racines, multiplicit´es.
• statuer sur la diagonalisabilit´e d’une matrice en comparant les diff´erents ordres de ses valeurs propres. • ´etablir la diagonalisabilit´e d’un endomorphisme en trouvant des polynˆomes annulateurs ad´equats. • maˆıtriser les techniques de la trigonalisation de matrices non diagonalisables.