Réductions des endomorphismes: applications
Réductions des endomorphismes: applications déduisez en la réduction des orthogonales `a partir de celle des matrices unitaires;.
COURS RÉDUCTION DES ENDOMORPHISMES ET FORMES
1.5 Nouvelle représentation d'une application linéaire. Soit E un espace vectoriel de dimension n sur K B et B deux bases de E et P la matrice de passage de B
Applications linéaires matrices et réduction
Soit E un ev de dimension finie n ? N?. Soit f un endomorphisme de E. Soit A une matrice de Mn(R). 1) Cas des endomorphismes.
MIPI 23 Réduction des endomorphismes. Applications
Montrer que A est diagonalisable si et seulement si P a dans K deux racines distinctes ? et ?. Donner dans ce cas une base C de K2 formée de vecteurs
Réduction dendomorphismes
Chaque vecteur propre est associé à une unique valeur propre. Exemple : soit B=(e1 ;e2) une base de E et f l'application linéaire définie par f (e1 )=e1
Réduction des endomorphismes Partie IV : Diagonalisation
Cours de Mathématiques. Réduction des endomorphismes. Partie IV : Diagonalisation : pratique et applications. IV Diagonalisation : pratique et applications.
Algèbre-III Réduction des endomorphismes
10 Oct 2011 10.2 Réduction des matrices à coefficients polynomiaux . ... Définition 27 Un endomorphisme de E est une application linéaire f : E ?.
Réduction des Endomorphismes
Réduction des Endomorphismes 1) Justifier rapidement que les applications du a) réalisent des endomorphismes de ?[ X ].
Réduction des endomorphismes et des matrices carrées
2.1 Matrices d'une application linéaire. 2.1.1 Matrice colonne associée à un vecteur. Définition 1. Soit E un K-espace vectoriel de dimension finie n et
Réduction des endomorphismes (Alg`ebre 3)
La plus importante application de la diagonalisation des endomorphismes. (resp. des matrices) est le calcul de la puissance k`eme d'un endomorphisme. (resp. d'
[PDF] Réduction dendomorphismes
Réduction d'endomorphismes 1 Qu'est-ce que réduire un endomorphisme ? Soient E un espace vectoriel de dimension finie sur un corps K et f un endomorphisme
[PDF] Algèbre-III Réduction des endomorphismes
10 oct 2011 · 10 2 Réduction des matrices à coefficients polynomiaux Définition 27 Un endomorphisme de E est une application linéaire f : E ?
[PDF] Réductions des endomorphismes: applications
Remarque: Comme application on pourra en déduire la réduction des isométries `a partir de la diagonalisation des endomorphismes unitaires Exercice 9 Montrez
Cours Réduction des Endomorphismes et Applications PDF Gratuit
Télécharger gratuitement le cours complet de ALGEBRE 4: Réduction des Endomorphismes et Applications PDF S3 Bachelor / Licence Mathématiques et
[PDF] COURS RÉDUCTION DES ENDOMORPHISMES ET FORMES
RÉDUCTION DES ENDOMORPHISMES ET FORMES QUADRATIQUES (Algèbre 2) par Pr Abdellatif SADRATI Filière : Tronc commun MIP Année 2019-2020
[PDF] Réduction des endomorphismes
16 mai 2014 · Réduction des endomorphismes UJF Grenoble • Multiplier à droite par une matrice diagonale revient à multiplier la j-ième co-
[PDF] Réduction dendomorphismes Cours complet - cpgedupuydelomefr
Théorème 4 7 : application à la résolution des suites récurrentes linéaires à coefficients constants 5 Trigonalisation des endomorphismes en dimension
Cours Algèbre 4 Réduction des Endomorphismes SMA PDF
Télécharger Fichier PDF qui contient des Cours Algébre 4 : Réduction des Endomorphismes et Applications S3 Et n'oubliez pas de partager cette article et d'
[PDF] Réduction des endomorphismes (Alg`ebre 3)
7 Application de la théorie de la réduction des endomorphismes aux probl`emes mathématiques concrets 93 7 1 Application `a la résolution des syst`emes
[PDF] Réduction des endomorphismes
Il faut avoir bien compris les applications de la réduction à la résolution d'une récurrence linéaire d'un système différentiel et au calcul des puissances d'
Chapitre3
Réduction des endomorphismes
Table des matières
3 Réduction des endomorphismes1
3.1 Valeurs propres, vecteurs propres d"un endomorphisme .. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
3.2 Valeurs propres en dimension finie, polynôme caractéristique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .. 4
3.3 Diagonalisation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
3.4 Trigonalisation des endomorphismes et des matrices . . .. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
3.4.1 Définitions et propriétés . . . . . . . . . . . . . . . . . . . . . . . .. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
3.4.2 Trigonalisation en dimension2. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .. . . . . . . 12
3.4.3 Trigonalisation en dimension3. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .. . . . . . . . 12
3.5 Applications de la diagonalisation . . . . . . . . . . . . . . . . .. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
3.5.1 Calcul des puissances d"une matrice . . . . . . . . . . . . . . .. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
3.5.2 Suites récurrentes linéaires d"ordrepà coefficients constants . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .. . . . . . . . . . . . 15
3.5.3 Suites récurrentes linéaires à coefficients constants d"ordre2. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
Suites vérifiantun+1-aun=b. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .. . . . . . . 16
Suites vérifiantun+2+aun+1+bun=c. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .. . 16
Cas généralun+2+aun+1+bun=c. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .. . . . 17
3.6 Compléments . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
3.6.1 Le théorème spectral . . . . . . . . . . . . . . . . . . . . . . . . . . . .. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
3.6.2 Une caractérisation de la diagonalisabilité avec despolynômes annulateurs
Hors programme. . . . . . . . . . . . . . . . . . . . . . . 183.6.3 Cas des endomorphismes nilpotents
Hors programme. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
3.6.4 Réduction des matrices de rang1
Hors programme. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
3.6.5 Réduction des matrices de rang2
Hors programme. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
3.6.6 Densité deGLn(K)dansMn(K)
Hors programme. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
3.7 L"essentiel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
Dans tout ce chapitre,
(E,+,.)est unK-espace vectoriel.3.1 Valeurs propres, vecteurs propres d"un endomorphisme
Remarque 3.1Soientu?L(E)etx?Eun vecteur non nul deE. On suppose que la droiteD=Vect(x)est stable paru.
Alors il existeλ?Ktel queu(x)=λx. Mais alors pour toutx??D,u(x?)=λx?. En effet, commex??D, il existeα?K
tel quex?=αxetu(x?)=u(αx)=λαx=λx?.Remarquons aussi que siEest de dimension finie, alors dans une baseedeEadaptée àD, la matrice deuest de la
forme : Mat e(u)=?λ ? 0 A? Cette remarque nous conduit aux définitions suivantes. 1DÉFINITION3.1?Valeurs propres, spectre
Soit un endomorphismeu?L(E).
1. On dit qu"un scalaireλ?Kest unevaleur proprede l"endomorphismeus"il existe un vecteurx?Enon-nultel
queu(x)=λx, c"est-à-dire siKer(u-λid)?={0E}.2. L"ensemble de toutes les valeurs propres deus"appelle lespectredeuet est notéSp(u).
DÉFINITION3.2?Vecteurs propres, sous-espaces propresSoit un endomorphismeu?L(E).
1. On dit qu"un vecteurx?Eest unvecteur proprede l"endomorphismeusi et seulement si :
H1x?=0E,
H2il existe un scalaireλ?Ktel queu(x)=λx.
On dit alors quexest unvecteur propre associé à la valeur propreλ.2. Pour une valeur propreλ?Sp(u), on définit lesous-espace propreassocié :
E u(λ)=Ker(u-λid)Remarque 3.2
1. Si aucune confusion n"est à craindre, on écritE(λ)plutôt queEu(λ).
2. Même siλ??Sp(u), on note égalementE(λ)=Ker(u-λid). Alorsλest une valeur propre si et seulement si
E(λ)?={0E}.
3. Six?Eest un vecteur non-nul alors la droiteVect(x)est stable parusi et seulement sixest un vecteur propre de
u.4. En dimension finie,λest une valeur propre deusi et seulement si l"endomorphisme(u-λid)n"est pas inversible.
C"est faux en dimension infinie :λest valeur propre deusi et seulement si(u-λid)n"est pas injectif.
Exemple 3.1
1. Homothétie : siu?L(E)est l"homothétie de rapportλ?K, la seule valeur propre deuestλet tout vecteur deE
non nul est un vecteur propre associé. DoncE(λ)=E.2. Projection : SiE=F?Get siu?L(E)est la projection surFparallèlement àG(FetGde dimension au moins1),
les valeurs propres deusont0et1et on a :E(0)=GetE(1)=F.3. Symétrie : SiE=F?Get siuest la symétrie par rapport àFparallèlement àG(FetGde dimension au moins1),
les valeurs propres deusont1et-1et on a :E(1)=FetE(-1)=G.PROPOSITION3.1??Quelques remarques importantes
Soient un espaceEde dimension finie et un endomorphismeu?L(E).1.uest inversible si et seulement si0??Sp(u).
2. Siuest inversible, les valeurs propres deu-1sont les inverses des valeurs propres deu.
3. Siλ?Sp(u)est valeur propre deualors pour toutn?N,λnest valeur propre deun.
4. Pour tout polynômeP?K[X],P=a0+a1X+··· +amXm, on définit lepolynôme d"endomorphismeP(u)=
a0idE+a1u+···+amum. Alors siλ?Sp(u)est valeur propre deu,P(λ)est valeur propre deP(u).
5. SiP?K[X]est unpolynôme annulateurdeu, i.e.P(u)=0L(E), alors siλ?Sp(u)est valeur propre deu, c"est une
racine deP:P(λ)=0K.Démonstration
1. Siuest inversible alors elle est injective et son noyau est réduit au vecteur nul. Le seul vecteurxtel queu(x)=0est donc
x=0et0ne peut être une valeur propre deu. Réciproquement, si0n"est pas une valeur propre alorsune s"annule sur aucun
vecteur non nul et son noyau est réduit à0. Doncuest injective et commeEest de dimension finie,uest aussi surjective,
donc inversible.2. On suppose que
uest inversible et queλest une valeur propre deu. D"après le point précédent,λ?=0. Soitxest un vecteur
propre associé à cette valeur propre. Alors u(x)=λxmais commeλ?=0, on a aussi en composant paru-1des deux côtés de l"égalité et en divisant par λ,u-1(x)=λ-1xdoncλ-1est une valeur propre deu-1. On montre ainsi que l"inverse de toute valeur propre de uest une valeur propre deu-1. En raisonnant de même avecu-1, on montre la réciproque. 23. Le troisième point se montre par une récurrence facile.
4. Soit
P=a0+a1X+···+amXm?K[X]et soitλ?Sp(u). Par définition d"une valeur propre, il existex?E,x?=0tel que
u(x)=λx. En utilisant le point précédent, il vient :P(u)(x)=m?
k=0a kuk(x)=m? k=0a kλkx=P(λ)x etP(λ)est valeur propre deP(u). 5. SiP(u)=0L(E)et siλ?Sp(u)alorsP(λ)est une valeur propre deP(u)mais ce dernier étant l"endomorphisme nul, on a
nécessairementP(λ)=0.
Remarque 3.3Si on connaît un polynômePannulateur deu?L(E)alors les valeurs propres deusont à chercher
parmi les racines deP.LEMME3.2?Vecteurs propres et liberté
Soientp?2et(x1,...,xn-1,xn)une famille de vecteurs propres d"un endomorphismeu?L(E)associés à des valeurs
propres deux à deux distinctes. Si(x1,...,xn-1)est libre alors il en est de même de(x1,...,xn-1,xn).DémonstrationSoit?αi?
i=1,...,nune famille de scalaires telle que?ni=1αixi=0. On appliqueuà cette somme, on obtient?ni=1αiu(xi)=0, c"est-à-dire?ni=1αiλixi=0. On retire alors à cette relationλnfois la première, on trouve :
n-1? i=1α i?λi-λn?xi=0.Si la famille?xi?
i=1,...,n-1est libre alors il en est de même de?xi? i=1,...,n. En effet, on a dans ce cas, pour touti=1,...,n-1,αi?λi-λn?=0, ce qui amène, les valeurs propres étant deux à deux distinctes,αi=0. Donc de la somme initiale?ni=1αixi=0, il
ne reste queαnxn=0et donc, commexn?=0,αn=0.
Ce résultat intermédiaire va nous permettre de démontrer lethéorème suivant :THÉORÈME3.3?Une famille de vecteurs propres associés à des valeurs propres distinctes est libre
Soient(x1,...,xp)?Epdes vecteurspropresd"unendomorphismeuassociés à des valeurspropresdistinctesλ1,...,λp.
Alors la famille(xi)1?i?pest libre dansE.
DémonstrationCommex1est un vecteur propre, il est non nul et donc(x1)est libre. Mais d"après le lemme,(x1,x2)est aussi
libre, et ainsi de suite jusqu"à (x1,...,xn) PROPOSITION3.4?Deux sous-espaces propres sont en somme directeSoitu?L(E)etλ1,λ2deux valeurs propres distinctes deualorsE(λ1)etE(λ2)sont en somme directe
DémonstrationSoitx?E(λ1)∩E(λ2). Alorsf(x)=λ1x=λ2xce qui n"est possible que six=0carλ1?=λ2. DoncE(λ1)∩E(λ2)=
0} Plus généralement, on a le très important résultat suivant : COROLLAIRE3.5???Les sous-espaces propres sont en somme directeSoitu?L(E)et une famillefinie(λi)i?Ide valeurspropresdeudeuxà deuxdistinctes. Alors la sommedes sous-espaces
propres associée est directe :DémonstrationSoit(x1,...,xp)?E1×...×Eptels quex1+...+xp=0. Supposons que certains, parmi les vecteursx1,...,xp, ne
soient pas nuls. Alors la famille(x1,...,xp)est liée. On retire de cette famille(x1,...,xp)les vecteurs qui sont nuls et on note, quitte
à re-numéroter les sous-espaces propres,
(x1,...,xp?)la famille obtenue (p??p). On a toujoursx1+...+xp?=0et donc la famille(x1,...,xp?)est liée. Comme les vecteursx1,...,xp?ne sont pas nuls, ce sont des vecteurs propres et ils sont associés à des valeurs
propres distinctes. Ils forment alors, d"après le théorème3.3, une famille libre, ce qui est absurde. Donc les vecteurs
x1,...,xpsont tous nuls et la somme des sous-espaces propres est bien directe. THÉORÈME3.6?Les sous-espaces propres d"endomorphismes qui commutent sont stables Soient(u,v)?L(E)2deux endomorphismes qui commutent : u◦v=v◦u Alors les sous-espaces propres deusont stables parv. 3DémonstrationSoitλ?Sp(u). Montrons que le sous-espace propreEu(λ)associé est stable parv. Soitx?Eu(λ)alors, comme
uetvcommutent,u(v(x))=v(u(x))=v(λx)=λv(x)et doncv(x)?Eu(λ), ce qui prouve la propriété.
Remarque 3.4SiDest une droite vectorielle deEstable paru?L(E)alors tout vecteurxgénérateur deDest un
vecteur propre pouru. En effet, on au(x)?Ddonc il existeλ?Ktel queu(x)=λx. Commexest non nul,xun vecteur
propre deude valeur propre associéeλ.3.2 Valeurs propres en dimension finie, polynôme caractéristique
Dans ce paragraphe, tous les espaces vectoriels considéréssont de dimension finie. DÉFINITION3.3?Valeurs propres, vecteurs propres d"une matriceSoit une matriceA?Mn(K). On dit qu"un scalaireλ?Kestvaleur proprede la matriceAsi et seulement s"il existe une
matrice colonneX?Mn,1(K)non-nulletelle queAX=λX. Une telle matrice colonne est appeléevecteur propre associé à la valeur propreλ. On appellespectrede la matriceAet l"on noteSp(A)l"ensemble des valeurs propres deA. Remarque 3.5SiEest unK-ev de dimensionn,eune base deEetu?L(E)un endomorphisme deEtel que Mate(u)=A, les valeurs propres deAsont les valeurs propres deu. Les vecteurs propres deAsont les matrices colonnes
des vecteurs propres de l"endomorphismeudans la basee. DÉFINITION3.4?Polynôme caractéristique d"une matrice SoitA?Mn(K). On appellepolynôme caractéristiquedeA, le polynômeA(X)=det(XIn-A).
Exemple 3.2Pour une matriceA=?a b
c d? ?M2(K),A(X)=????X-a-b
-cX-d???? =X2-(a+b)X+(ad-bc)=X2-Tr(A)X+det(A) THÉORÈME3.7?Deux matrices semblables ont même polynôme caractéristique SoientA,B?Mn(K). SiA=P-1BPavecP?GLn(K), alorsχA(X)=χB(X). DémonstrationOn utilise les propriétés du déterminant :χA(X)=det(XIn-A)=det(XIn-P-1BP)=det?
P-1(XIn-B)P?
=det(XIn-B)=χB(X). Remarque 3.6La réciproque est fausse. Par exemple,A=?0 00 0? etB=?0 01 0? ont même polynôme caractéristique A(X)=χB(X)=X2et ne sont pas semblables (car de rangs différents). DÉFINITION3.5?Polynôme caractéristique d"un endomorphismeSoit un espace vectorielEde dimension finie. Soitu?L(E), on appelle polynôme caractéristique de l"endomorphisme
u, le polynôme u(X)=det(Xid-u) Sieest une base deEetA=Mate(u), alorsχu(X)=χA(X).Remarque 3.7La définition est bien cohérente car le déterminant d"un endomorphisme ne dépend pas de la base dans
lequelonle calcule.Ainsi sie?est uneautrebasedeEet queA?=Mate?(u)alorsAetA?sontsemblablesetχA(X)=χA?(X).
THÉORÈME3.8?Racines du polynôme caractéristiqueLes valeurs propres d"une matriceA?Mn(K)sont les racines de son polynôme caractéristiqueχA(X).
4Démonstration
Soit
λune valeur propre de la matriceA. Alors il existe une matrice colonneX?Mn,1(K)non-nulle telle queAX=λX.
DoncXannuleλIn-Aetdet(λIn-A)=0.
Réciproquement, si
det(λIn-A)=0alors il existeX?Mn,1(K)non-nulle tel queAX=λXetλest une valeur propre deA.PROPOSITION3.9?Les valeurs propres d"une matrice triangulaire supérieuresont ses éléments diagonaux
SiA=(((a
11...a1n
Oann)))
est une matrice triangulaire, ses valeurs propres sont ses éléments diagonauxa11,...,ann.DémonstrationCommeAest triangulaire supérieure,χA(X)=?nk=1(X-ai,i)et la liste des valeurs propres deAest donnée par
celle des racines deχA, c"est-à-dire para1,1,...,an,n.
THÉORÈME3.10?Polynôme caractéristique d"une restrictionSoit un endomorphismeu?L(E)etF?Eun sous-espace vectoriel stable paru. On notev=u|Fla restriction deuau
sous-espaceF:v?L(F). Alors le polynôme caractéristique dev,χvdivise le polynôme caractéristiqueχudeu.
DémonstrationÉcrire la matrice deudans une base adaptée et utiliser le déterminant par blocs.
Remarque 3.8En particulier, siA?Mn(K)admet une valeur propreλ?K, alorsAest semblable à la matrice
A0=?λB
0 C? oùB?M1,n-1(C)etC?Mn-1(C).LEMME3.11?Un lemme technique
SoitP=(Pi,j(X))(i,j)??1,n?2?Mn(K1[X])une matrice à coefficients dansK1[X]. On notem??1,n2?le nombre de
polynômes de cette matrice qui sont exactement de degré1. Alorsdet(P)?Km[X].DémonstrationOn effectue une récurrence surn. Sin=1, le résultat est trivial. Soitn?2. On suppose le résultat vrai pour tout
k??1,n-1?. On considèreP=(Pi,j(X))(i,j)??1,n?2?Mn(K1[X])comptantmcoefficient polynomiaux de degré1. On développe
det(P)par rapport à la première colonne : det(P)=n? k=1(-1)k+1Pk,1Δk,1où pour toutk??1,n?, on aΔk,1est le déterminant d"une matrice deMn-1(K1[X]). Il y a deux cas possibles :
Soit
Pk,1est de degré1dans quel casΔk,1comptem-1polynôme de degré1. Donc par hypothèse de récurrencePk,1Δk,1
est un polynôme au plus de degrém. Soit
Pk,1est de degré<1dans quel casΔk,1compte au plusmpolynôme de degré1et par hypothèse de récurrence, on a
à nouveau que
Pk,1Δk,1est un polynôme au plus de degrém.Par suite,
det(P)est un polynôme de degré au plusmcomme somme de tels polynômes.Le lemme est ainsi prouvé par récurrence.
PROPOSITION3.12?Coefficients remarquables du polynôme caractéristiqueSoitA?Mn(K).
1. Le polynôme caractéristiqueχA(X)est un polynôme de degrénexactement;
2.χA(X)est unitaire;
4. Sile polynôme caractéristiqueχAest scindé, de racines les valeurs propres deA,(λ1,...,λn)comptées avec leur
ordre de multiplicité,1+···+λn=Tr(A)
1×···×λn=det(A)
DémonstrationLe lemme nous assure queχAest un polynôme de degré au plusn.De plus, son terme constant est
χA(0)=(-1)ndet(A).
On poursuit alors par récurrence sur
n. Si n=1, la proposition est démontrée. 5Soitn?N,n?2. On suppose la propriété vraie au rangn-1. SoitA?Mn(K). On développeχA(X)=det(XIn-A)relativement à
la première colonne :χA(X)=det(XIn-A)=(X-a1,1)Δ1,1+n?
k=2(-1)k+1ak,1Δk,1où pour toutk??1,n?,Δk,1compte exactementn-2polynômes de degrén-2saufΔ1,1qui en compten-1.
D"après le lemme, on a
degak,1Δk,1?n-2pour toutk??2,n?.Par ailleurs, si
A?est la matrice extraite deAen lui supprimant sa première colonne et sa première ligne, alorsδ1,1=det(XIn-1-
A ?)=χA?(X)et en appliquant l"hypothèse de récurrence àA??Mn-1(K)alorsΔ1,1=Xn-1-Tr(A?)Xn-1+...+(-1)ndet(A?).
On en déduit alors que :
k=2(-1)k+1ak,1Δk,1 ?Kn-2[X]=Xn-Tr(A)+Q oùQ?Kn-2[X]. On prouve ainsi par récurrence queχAest de la forme annoncée.Si de plus ce polynôme est scindé, on obtient les égalités surla trace et le déterminant en utilisant les relations coefficients-racines.
Remarque 3.9Une matrice de taillen×nadmet au plusnvaleurs propres distinctes.Remarque 3.10Comme tout polynôme (à coefficients réels ou complexes) admet au moins une racine complexe
(théorème fondamental de l"algèbre), on en déduit que toutematriceA?Mn(C)possède au moins une valeur propre
complexe. Ce résultat est faux pour les matrices réelles : lamatriceA=?0 1 -1 0? ?Mn(R)a pour polynôme caractéris-tiqueχA(X)=X2+1qui n"admet aucune racine réelle. Plus généralement, une matrice de rotationRθ=?cosθ-sinθ
sinθcosθ?a pour polynôme caractéristiquePRθ(X)=(cosθ-X)2+sin2θet lorsqueθ??πZ, la matriceRθn"admet aucune valeur
propre réelle. Remarque 3.11Les matricesAetATont même polynôme caractéristique (donc même spectre).Remarque 3.12Si l"on connaîtn-1valeurs propres(λ1,...,λn-1)deAcomptées avec leur ordre de multiplicité,A
possèdenvaleurs propres, et la dernière valeur propre s"obtient avecλ1+···+λn-1+λn=Tr(A).
PLAN3.1 : Pour calculer les valeurs propres d"un endomorphisme1Il suffit de calculer les racines de son polynôme caractéristiqueχu.
2S"il est scindé, on vérifie alors son calcul en utilisant que
1+···+λn=Tr(A)
1×···×λn=det(A)
où lesλisont comptées avec leur ordre de multiplicité. DÉFINITION3.6?Ordre de multiplicité d"une valeur propreSoitλ?Kune valeur propre d"un endomorphismeu?L(E). On appelleordre de multiplicitéde la valeur propre
λ, l"ordre de multiplicité de la racineλdu polynômeχu(X)et on notemu(λ)cet entier que l"on appelle également
exposant caractéristiquedeλ.?(X-λ)mu(λ)diviseχu(X) (X-λ)mu(λ)+1ne divise pasχu(X) ?Notation 3.3Si aucune confusion n"est à craindre, on écritm(λ)plutôt quemu(λ). THÉORÈME3.13?Ordre de multiplicité et dimension des sous-espaces propres Soitu?L(E)etλ?Sp(u)une valeur propre deu. On a l"inégalité :1?dimE(λ)?mu(λ) .
6DémonstrationOn considère(e1,...,ep)une base deE(λ)qu"on complète en une basee=(e1,...,ep,ep+1,...,en)deE. La
matrice de udanseest de la forme?λIpB 0 C?avecB?Mp,n-p(K),C?Mn-p(K)et son polynôme caractéristique est donc de la formeχu(X)=(λ-X)pχC(X)d"où(λ-X)p|χu
ce qui donnedimE(λ)=p?m(λ). Remarque 3.13Sirg(A)=rO1 0))))))
P J(X)=Xn, l"ordre de multiplicité de0estnet pourtantrg(A)=n-1.3.3 Diagonalisation
Tous les espaces vectoriels considérés dans ce paragraphe sont de dimension finie.DÉFINITION3.7?Endomorphisme diagonalisable
On dit qu"un endomorphismeu?L(E)estdiagonalisablesi et seulement s"il existe une base deEdans laquelle sa
matrice est diagonale.THÉORÈME3.14???Un endomorphisme est diagonalisable si et seulement si il existe une base formée de
vecteurs propres deuUn endomorphismeu?L(E)estdiagonalisablesi et seulement si il existe une baseedeEformée de vecteurs propres.
De plus, dans cette base,
Mat e(u)=(((λ 1OOλn)))
oùλ1,...,λnsont les valeurs propres deu(comptées avec leur ordre de multiplicité).DémonstrationSupposons queuest diagonalisable. Alors il existe une basee=(e1,...,en)deEdans laquelle
Mate(u)=(((λ
1OOλn)))
Pour pour touti??1,n?, on au(ei)=λiei. Autrement diteest une base formée de vecteurs propres deuet lesλisont les valeurs
propres associées.La réciproque est immédiate.
DÉFINITION3.8?Matrices diagonalisables
Soit une matriceA?Mn(K). On dit quela matriceAest diagonalisablesi l"endomorphisme deKncanoniquement associé1àAest diagonalisable.
PROPOSITION3.15???Matrices diagonalisables
Une matriceA?Mn(K)est diagonalisable si et seulement si si elle est semblable àune matrice diagonale :
?P?GLn(K):?D=(((λ 1OOλn)))
: A=P-1DPDémonstrationOn noteu?L(Kn)l"endomorphisme deKnadmettantAcomme matrice dans la base canoniqueedeKn.
?On suppose queAest diagonalisable donc il existe une basee?deKndans laquelleMat?e(u)=P-1APest diagonale oùP
représente la matrice de changement de base deeàe?. DoncAest semblable à une matrice diagonale.
7?Réciproquement, siAest semblable à une matrice diagonale, alors il existe une basee?deEdans laquelle la matrice deu
est diagonale et doncAest diagonalisable. THÉORÈME3.16???Caractérisation de la diagonalisabilitéSoitEunK-espace vectoriel de dimension finie. On considère un endomorphismeu?L(E). On a équivalence entre :
1.uest diagonalisable.
2.Eadmet une base formée de vecteurs propres.
3. E=E(λ1)?···?E(λp)où(λ1,...,λp)sont les valeurs propres deu.4. La somme des dimensions des sous-espaces propres est égale à la dimension deE:
λ?Sp(u)dimE(λ)=dimE .
Démonstration
1?2Voir théorème 3.14.
2?3On sait déjà que la somme des sous-espaces propres est directe. Il faut montrer qu"elle est égale àE. On note
e=(e1,...,en)une base de vecteurs propres deE. Pour touti??1,n?, il existej??1,n?tel queei?E(λj)doncE=
Vect(e)??p
k=1E(λi) . Comme par ailleurs, on a?p k=1E(λi)?E, il s"ensuit queE=?p k=1E(λi).3?2Réciproquement, on suppose queE=?p
k=1E(λi). Si pour touti??1,p?, on noteeiune base deE(λi)alors cespbases sont évidemment constituées de vecteurs propres deu. On noteela réunion de ces bases. On sait alors, d"après le
théorème ??page??, que commeE=E(λ1)?···?E(λp)alorseest une base deE.3?4Cette équivalence est une conséquence directe du théorème??page??.
Remarque 3.15
1. SiA=Mate(u), la matriceAest diagonalisable si et seulement si l"endomorphismeuest diagonalisable.
2. Sifest une base de vecteurs propres de l"endomorphismeuetP=Pe?→fest la matrice des vecteurs propres deu
dans la basee, alorsA=P-1DPoùDest la matrice diagonale formée des valeurs propres deu.3.diagonaliserune matriceAconsiste à calculer explicitement la matrice diagonaleDla matrice inversiblePtelles
queA=P-1DPet éventuellement à calculer explicitementP-1. THÉORÈME3.17?Caractérisation par les exposants caractéristiquesSoitEunK-espace vectoriel de dimension finie. Un endomorphismeu?L(E)est diagonalisable si et seulement si :
1. Le polynôme caractéristiqueχuest scindé dansK[X].
2. Pour toute valeur propreλideu,
dimE(λi)=mu(λi).Démonstration
(i)=?(ii)En notantλ1,...,λnles valeurs propres deucomptées avec leur ordre de multiplicité, puisqueuest diagonalisable, il existe
une base ede vecteurs propres deu. Dans cette base,Mate(u)=(((λ 1O Oλn))). Le polynôme caractéristique deuest doncχu(X)=(X-λ1)...(X-λn)qui est scindé. De plus, s"il existek??1,n?tel quedimE(λk) Comme on sait que la somme des sous-espaces propres est directe, on en déduit, d"après la proposition précédente, que Remarque 3.16Avec la formule du rang,dimE(λ)=n-rg(u-λIn). Il n"est pas nécessaire de calculer explicitement E(λ), il suffit de calculer le rang de la matrice(A-λI)pour vérifier la CNS de diagonalisabilité. Soitu?L(E)oùEest de dimensionn. Si l"endomorphismeupossèdenvaleurs propresdistinctes, alors il est diagona- DémonstrationLe polynôme caractéristique estχu(X)=(λ1-X)...(λn-X)et pour toute valeur propreλi, Le polynôme caractéristique est scindé surKetdimE(λi)=m(λi)=1. D"après le théorème précédent,uest diagonalisable.λ?Sp(u)dimE(λ)
λ?Sp(u)m(λ)=n=dimE
ce qui vient contredire queE=? λ?Sp(u)E(λ). Donc pour toutλ?Sp(u),dimE(λ)=m(λ). (ii)=?(i)Puisqueχu(X)=(X-λ1)m(λ1)...(X-λp)m(λp)et quedegχu=n, il vient que n=m(λ1)+···+m(λp) Par conséquent,
1?dimE(λi)?m(λi)=1
[PDF] superposition de deux ondes
[PDF] multiplication ? trou cm1
[PDF] corde de melde conditions aux limites
[PDF] corde de melde equation
[PDF] corde de melde exercice
[PDF] libellé de l'opération définition
[PDF] opération bancaire
[PDF] les opérations bancaires banque populaire
[PDF] réduction pour charge de famille maroc
[PDF] fréquence probabilité 3eme
[PDF] formulaire 2041 gr
[PDF] boi-ir-rici-280-30-10
[PDF] boi ir rici 280 disponible sur impots gouv fr
[PDF] 2041 gr 2017