Algèbre linéaire avancée I, Section de Physique Prof.

Donna Testerman

Chapitre 8, Transformations linéaires

On fixe un corps K.

§8.1 Définitions, propriétés

Définition 1. Une transformation linéaire d’un K-espace vectoriel V est une application K-linéaire de V
dans V , c’est-à-dire un élément de L(V, V ). On dit aussi un opérateur linéaire de V ou un endomorphisme
de V .
Proposition 2. L’ensemble L(V, V ), muni des opérations de l’addition et de la composition d’applications
est un anneau.
Rappel: Nous avons déjà vu que L(V, V ) est un K-espace vectoriel. Aussi, on a vu que Mn (K), avec
l’addition et la multiplication de matrices, est un anneau.
Proposition 3. Soit V un K-espace vectoriel de dimension finie et soit B = (f1 , . . . , fn ) une base de V .
Alors l’application Θ : L(V, V ) → Mn (K) donnée par Θ(φ) = (φ)BB est une application K-linéaire bijective qui
est aussi un isomorphisme d’anneaux. C’est-à-dire, Θ est bijective, Θ(λφ) = λΘ(φ), Θ(φ+ ψ) = Θ(φ)+ θ(ψ)
et θ(φ ◦ ψ) = Θ(φ)Θ(ψ), pour tout φ, ψ ∈ L(V, V ) et λ ∈ K.

§8.2 Vecteurs propres et valeurs propres

Définition 4. Soit φ : V → V une transformation linéaire d’un K-espace vectoriel V . On dit que v ∈ V est
un vecteur propre de φ si
• v 6= 0, et
• φ(v) est un multiple scalaire de v.
Plus précisément, v est un vecteur de φ si v 6= 0 et il existe λ ∈ K tel que φ(v) = λv. Le scalaire λ s’appelle
la valeur propre de φ associée au vecteur propre v. L’ensemble des valeurs propres de φ s’appelle le spectre
de φ.
 
a1
 a2 
Définition 5. Soit A ∈ Mn (K). On dit qu’un vecteur colonne v =  .  ∈ Mn×1 (K) est un vecteur propre
 
 .. 
an
pour A si v 6= 0 et il existe λ ∈ K tel que Av = λv. On appelle λ la valeur propre de A associée au vecteur
propre v.
Remarque 6. 1. Un vecteur propre est par définition non nul, mais la valeur propre associée à un vecteur
propre pourrait être nulle.
2. Si v est un vecteur propre de φ, de valeur propre λ, alors pour tout µ ∈ K, le vecteur µv est aussi un
vecteur propre de φ, de valeur propre λ (car φ(µv) = µφ(v) = µ(λv) = λ(µv)).
3. Si 0 est une valeur propre pour φ ∈ L(V, V ), alors un vecteur propre de valeur propre 0 est un vecteur
v ∈ V , v 6= 0 tel que φ(v) = 0. Donc v ∈ ker(φ). On déduit que 0 est une valeur propre de φ si et
seulement si φ est non injective.
  
0
 .. 
.
 
0
 
1
Proposition 7. Soit A ∈ Mn (K). Alors A est diagonale si et seulement si chaque vecteur de base ei =  
0
 
.
 .. 
0
est un vecteur propre de A.

§8.3 Matrices et transformations diagonalisables et triangularisables

D’abord rappelons que des matrices A, B ∈ Mn (K) sont semblables s’il existe P ∈ GLn (K) telle que
B = P −1 AP .
Définition 8. 1. On dit que A ∈ Mn (K) est diagonalisable si A est semblable à une matrice diagonale.
2. On dit que A ∈ Mn (K) est triangularisable si A est semblable à une matrice triangulaire.
Définition 9. Soit V un K-espace vectoriel de dimension finie et soit φ ∈ L(V, V ).
1. On dit que φ est diagonalisable s’il existe une base de V formée de vecteurs propres de φ.
2. On dit que φ est triangularisable s’il existe une base de V par rapport à laquelle la matrice de φ est
triangulaire.
Remarque 10. Pour φ comme ci-dessus et B une base de V , la matrice A = (φ)B
B est diagonalisable si et
seulement si φ l’est, de même pour triangularisable.
Théorème 11. Soit φ : V → V une transformation linéaire d’un K-espace vectoriel de dimension finie.
Soit B une base de V . Alors φ est diagonalisable si et seulement (φ)B
B est diagonalisable.

§8.4 Polynôme caractéristique et valeurs propres

Théorème 12. Soit V un K-espace vectoriel de dimenison finie et φ ∈ L(V, V ). Soit encore λ ∈ K. Alors λ
est une valeur propre de φ si et seulement si φ − λId n’est pas inversible, si et seulement si ker(φ − λId) 6= 0.
Proposition 13. Soit V et φ comme ci-dessus et soit encore λ ∈ K. Fixons une base B de V et A = (φ)B B.
Alors λ est une valeur propre de A (ou de φ) si et seulement si la matrice A − λIn est non inversible, si et
seulement si det(A − λIn ) = 0.
Définition 14. Soit A ∈ Mn (K). Soit t une indéterminée. Alors det(A − tIn ) est un polynôme en t, appelé
le polynôme caractéristique de A. On le dénote par cA (t). Donc

cA (t) = det(A − tIn ).

Proposition 15. Soit A ∈ Mn (K) et λ ∈ K. Alors λ est une valeur propre de A si et seulement si λ est
une racine du polynôme caractéristique cA (t).
Quelques cas particuliers:
1. Si A = (aij ) est une matrice triangulaire alors cA (t) = (a11 − t)(a22 − t) · · · (ann − t). Par conséquent
ses valeurs propres sont précisément les valeurs le long de sa diagonale.
  
a b
2. Soit A = ∈ M2 (K). Alors
c d
 
a−t b
cA (t) = det = t2 − (a + d)t + (ad − bc) = t2 − (T r(A))t + det(A).
c d−t

Proposition 16. Soit A ∈ Mn (K). Le polynôme caractéristique de A est un polynôme de degré n. De plus,
le coefficient de tn est (−1)n et le coefficient de tn−1 est T r(A) et enfin le terme constant est det(A).
Théorème 17. Deux matrices semblables ont le même polynôme caractéristique.
Corollaire 18. Deux matrices semblables ont les mêmes valeurs propres.
Corollaire 19. Pour A, B ∈ Mn (K), si B est semblable à A alors T r(B) = T r(A) et det(B) = det(A).
Définition 20. Soit V un K-espace vectoriel de dimension finie et soit φ ∈ L(V, V ).
1. Le polynôme caractéristique de φ est le polynôme caractéristique cA (t) où A = (φ)B
B , pour B une base
ordonnée quelconque de V .
2. La trace de φ, notée T r(φ) est la trace de A.
3. Le déterminant de φ est le déterminant de A.