Réduction des endomorphismes Dans tout ce chapitre E est un K-espace vectoriel od K = R ou c. Sows-espaces vectoriets stables par u € £(E). . Soit u un endomorphisme de E. 1. Un sousespace vectoriel F de E est dit stable par u lorsque u(F) CF, ie loreque pour tour = € Fuu(z) € F 2. SIF eststable par, om note ny Fendomorphisme indultparusurF = ur |F + 7 ot ule) Remarque : Si = Veet (€rseesse¢he F est stable par u €-3 pour tout € [t,pleu(er) apparent 8 F. o> lamarrice de f dans une base (¢1,... 4) Adapiée AF ext de la forme (3 2) ob A € AK). € lk), BE Aomer(K) Si Cest le cas A est la matrice de linduit par w sur F dans a base (24, (Voir les déterminants par blocs...) “soit u un endomorphisme de E. On suppose que E = Ey ® E,@-:-© Ei olt les Ey sont des sous-espaces sei en de En Suit r= I, U By 0 A, ae base adapted cette dicompositin de E- ‘Alors, tous les E, sont stables par ts #=ela matrice dew dans la base ‘Ar 0 2B est diagonale par blocs, i est de la 0 08 pour routi € [P.r]As € -M,(K), ky ant la dimension de Ei. 0 0 A, Sicest le cas A est la matrice de induit paru sur € dans la base [Link] E, Soit u € Z(E), et B= (e1,.-.1€4) une base de E. Notons Mf = Mat a(t) € -Aa(K), Alors, 1. M est diagonale <=» pour rout e; € [1,nJ, ule,) est colinéaire Ae. 2. M est riangulaire supérieure <=> pour rout p € (1,1) stable paru. I espace vectoriel Fy = Veet (e1y.++e9) est Scanné avec CamScannerPC-PT Eléments propres d’un endomorphisme Soit u € L(E). * Un scalaire A € K est une valeur propre de 1 lorsqu'il existe un vecteur x # Og de E tel que u(x) = Ax. Ce vecteur x est appelé vecteur propre associé A la valeur propre A. Remarque Le vecteur nul n'est pas un vecteur propre de 1. + Lrensemble des valeurs propres de u est appelé le spectre de u, on le note Sp(u). * Pour tout A € K, on note E,(u) = Ker —Aldp). SiA € Sp(u), alors E,(u) est constitué du vecteur nul et des vecteurs propres de valeur propre A. On I'appelle sous-espace propre associé A A. Si A ¢ Sp(u), alors E,(u) = {Oc}. Le scalaire A appartient 3 Sp(u) si et seulement si uw — AIdg est non injectif. En particulier 0 est valeur propre de siet seulement sim est non injectif. * Les vecteurs propres et les valeurs propres sont souvent appelés les éléments propres de 1. + Propriété importante : si A1,...,Ap sont p valeurs propres distinctes de w, alors la somme Ey, +--+ + Ey, est directe. Ainsi des vecteurs propres associés a des valeurs propres distinctes sont linéairement indépendants. En particulier, dans un espace de dimension n, il ne peut y avoir plus de 2 valeurs propres distinctes. + Une droite est stable par u si et seulement si cette droite est incluse dans un sous-espace propre, ou encore, ce qui revient au méme, un vecteur directeur de cette droite est un vecteur propre. Eléments propres d’une matrice Soient n € N* et M €.M,(K). © Ondit que A © K est valeur propre de M lorsqu’il existe X € M,,1(R) non nul tel que MX = AX. Ce vecteur X est appelé vecteur propre de M associé & la valeur propre A. * Soient E un K-espace vectoriel de dimension finie, B une base de E, u un endomorphisme de E et M = Mar(u,B). Les valeurs propres de u et de M sont identiques, et x est vecteur propre de u pour la valeur propre A si et seule- ment si X = Mat(x,B) est vecteur propre de Mf pour la valeur propre A. On peut donc appliquer a Ia matrice Af les définitions et les propriétés concemant Fendomorphisme w. Scanné avec CamScannerPcpr * Si M €M,(R), alors on peut la considérer comme une matrice de Mn(C). Un complexe A est une valeur propre complexe de M si et seulement si il existe X EM, ,.(C) tel que MX = AX. On distingue donc le spectre réel, Spp(M) et le spectre complexe, Spc(M) qui le contient. © Si M © M,(R) ct si A est une valeur propre complexe de M, alors X est égale- ment une valeur propre de M, ct Ey(M) = Ex(M) = {X | X € E,(M)}. Polynéme caractéristique Soit M € M,(IK) et u un endomorphisme d'un espace vectoriel E de dimension finie n. ® Le polynéme caractéristique de M est : Xu(X) = det(XI, - M). West unitaire de degré net s'écrit: yy A) =X Bua) XE G4)™ eat) * Les racines dans K du polynéme caractéristique x sont exactement les valeurs propres de M. Remarque tune matrice & coefficients complexes admet au moins une valeur propre dans C et une matrice & coefficients réels d’ordre impair admet au moins une valeur propre dans R. # Lorsque le polyndme xy est scindé dans K[X], avec Ai,.. onadetM = TI» ettrM = va ist i= * On appelle ordre de multiplicité d'une valeur propre A de M, et on note m(A), Fordre de multiplicité de la racine A du polyndme yar. An pour racines, Remarque pratique Si Aest une valeur propre complexe d’une matrice réelle, alors A est aussi valeur propre de méme ordre de multiplicité que A. # Deux matrices semblables ont méme polynéme caractéristique. La réciproque est fausse. @ Le polynéme caractéristique de u est défini par : Xu(X) = det(XIdg — u) = (-1)" det(u - XIdz). Scanné avec CamScannerPC-PT Xu est un polynéme de dégré n unitaire. Xw(X) =X" — Trace (u)X"-! +... + (-1)" det u. . SiB est une base de E et M = Mat(u,B) alors xv = Xu- Ceci permet d’ap- Pliquer les définitions et propriétés précédentes &l’endomorphisme 1. * Propriétés © Si F est un sous-espace stable de 1, alors 4, divise Xv. © Pour A € Sp(u), onal < dim E,(u) < m(A). Endomorphismes et matrices diagonalisables Soit E un K-espace vectoric! de dimension finie et u un endomorphisme de E. + Lendomorphisme u est dit diagonalisable lorsque l'une des propositions équi- valentes suivantes est vérifiée : © il existe une base de E formée de vecteurs propres de u, coaE= @ Ew). eS) + Caractérisation des endomorphismes diagonalisables : I'endomorphisme u est diagonalisable si, et seulement si, il vérific l'une des propositions équiva- lentes suivantes : © > dimE,(u) = dim E, AeSpu) ole polynéme x, est scindé sur K et pour toute valeur propre A, on a dim E,(u) = m(A). © Cas particulier important : si xy est scindé sur K et & racines simples, alors Vendomorphisme w est diagonalisable et chaque sous-espace propre est de dimension 1. Remarque pratique pour déterminer dim E,(u), on étudie suivant les cas Ker(u ~ Ald) (sys téme linéaire) ou bien rg(u — Ald) car, d'aprés le théortme du rang, on a dim E,(u) = dim E — rg(u ~ Aldg). + Exemples d’endomorphismes diagonalisables : les homothéties sont les endomorphismes diagonalisables possédant une seule valeur propre, les pro- jecteurs (resp. les symétries) sont les endomorphismes diagonalisables dont le spectre est inclus dans {0,1} (resp. dans {—1, 1}). Scanné avec CamScannerPC-PT Remarque Lorsque 1 est diagonalisable, on a tru = x m(A)A et det u = I any, AeSpu despa * On dit qu'une matrice M de M,(KK) est diagonalisable lorsqu’elle est sem- blable & une matrice diagonale. Cela équivaut & Iexistence d'une matrice P inversible, dont les colonnes sont des vecteurs propres de M, telle que P~'M P est diagonale. Endomorphismes trigonalisables * Soit E un K-espace vectoriel de dimension finie et soit u € L(E). © On dit que u est trigonalisable lorsqu’il existe une base de E dans laquelle la matrice de u est triangulaire supérieure. ° l’endomorphisme u est trigonalisable si et seulement si son polynéme caractéristique est scindé sur K, # Soit M une matrice de M,(K). © On dit que M est trigonalisable dans M,(K) lorsqu’elle est semblable & une matrice triangulaire supérieure. ° la matrice M est trigonalisable dans M/,(KK) si et seulement si son polynéme caractéristique est scindé sur K. On retiendra notamment : o sila matrice M est trigonalisable alors uM = S > maydet deta = TJ a". AESpM AgSpu ° toute matrice réelle ou complexe est trigonalisable dans M,(C). Scanné avec CamScanner