Professional Documents
Culture Documents
2
Dans ce cours
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
. . . . .
. . . . .
. . . . .
. . . . .
. . . . .
. . . . .
. . . . .
. . . . .
. . . . .
. . . . .
colonnes
. . . . .
. . . . .
. . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
7
7
8
9
11
13
14
14
17
18
19
20
22
22
24
.
.
.
.
.
.
.
.
.
.
.
.
.
.
27
28
29
31
31
32
33
34
34
34
39
42
44
46
46
Thorme du rang . . . . . . . . . . . . . . . . . . . . 47
Changements de base . . . . . . . . . . . . . . . . . . . 50
3 Le dterminant
3.1 Dimension 2 et 3 . . . . . . . . . . . .
3.2 Dterminant en dimension quelconque
3.2.1 Arrangements . . . . . . . . . .
3.2.2 Dnitions du dterminant . . .
3.3 Rgle de Cramer . . . . . . . . . . . .
3.4 Dterminant dun endomorphisme . . .
.
.
.
.
.
.
53
53
54
54
54
60
65
.
.
.
.
.
.
67
67
68
70
78
83
89
5 Polynmes dendomorphismes
5.1 Dnition . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
5.2 Thorme de Cayley-Hamilton . . . . . . . . . . . . . . . . . .
5.3 Polynmes annulateurs . . . . . . . . . . . . . . . . . . . . . .
93
93
95
99
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
6 Dcomposition spectrale
6.1 Sous-espaces caractristiques . . . . . . . .
6.2 Projecteurs spectraux . . . . . . . . . . . .
6.3 Dcomposition de Dunford-Jordan . . . . .
6.4 Calcul pratique des projecteurs spectraux .
6.4.1 Mthode . . . . . . . . . . . . . . .
6.4.2 Exemples . . . . . . . . . . . . . .
6.5 Rduction de Jordan . . . . . . . . . . . .
6.5.1 Blocs de Jordan . . . . . . . . . . .
6.5.2 Matrices nilpotentes . . . . . . . .
6.5.3 Rduction de Jordan . . . . . . . .
7 Puissances
7.1 Motivation . . . . .
7.2 Cas diagonalisable
7.3 Cas gnral . . . .
7.4 Suites rcurrentes .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
107
. 107
. 113
. 115
. 117
. 117
. 118
. 119
. 119
. 120
. 123
.
.
.
.
127
. 127
. 127
. 130
. 130
8 Exponentielle
133
8.1 Exponentielle complexe . . . . . . . . . . . . . . . . . . . . . . 133
8.2 Suites de matrices . . . . . . . . . . . . . . . . . . . . . . . . . 133
8.3 Dnition de exp(A) . . . . . . . . . . . . . . . . . . . . . . . 134
8.4 Mthode de calcul . . . . . . . . . . . . . . . . . . . . . . . . . 137
8.5 quations direntielles . . . . . . . . . . . . . . . . . . . . . 138
8.5.1 Drivation des matrices . . . . . . . . . . . . . . . . . . 138
8.5.2 quations direntielles linaires coecients constants140
9 Groupe orthogonal
9.1 Matrices orthogonales . . . . . . . . .
9.2 Produit scalaire . . . . . . . . . . . .
9.3 Rexions orthogonales . . . . . . . .
9.4 Rduction des matrices orthogonales
9.4.1 O2 (R) . . . . . . . . . . . .
9.4.2 O3 (R) . . . . . . . . . . . . .
9.4.3 Cas gnral . . . . . . . . . .
9.5 Les quaternions . . . . . . . . . . . .
9.5.1 Dnitions . . . . . . . . . . .
9.5.2 Norme . . . . . . . . . . . . .
9.5.3 Lien avec les rotations . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
10 Invariants de similitude
10.1 Matrices coecients polynomiaux . . . . . . . .
10.1.1 Matrices lmentaires . . . . . . . . . . . .
10.2 Rduction des matrices coecients polynomiaux
10.3 Invariants de similitude . . . . . . . . . . . . . . .
10.4 Endomorphismes cycliques . . . . . . . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
143
. 143
. 143
. 145
. 146
. 146
. 148
. 150
. 152
. 153
. 155
. 155
.
.
.
.
.
159
. 159
. 160
. 161
. 164
. 170
Chapitre 1
Un peu de thorie des groupes
1.1
Lois de composition
xi , yj R,
x1
x2
x3
y1
y2
y3
7
:=
x2 y3 x3 y2
.
x3 y1 x1 y3
x1 y2 x2 y1
1.1.1
Associativit, commutativit
Dnition 1 Soit une loi de composition sur un ensemble E note multiplicativement : (a, b) ab. On dit que cette loi est associative si :
(ab)c = a(bc)
pour tous a, b, c E. On dit que cette loi est commutative si :
ab = ba
pour tous a, b E.
Exemples : les lois daddition et de multiplications sur les ensembles
de nombres Q, R, C, ... sont associatives et commutatives. La loi daddition
(coordonne par coordonne) sur lensemble des vecteurs de Rn est aussi
associative et commutative. En revanche, la loi du produit vectoriel sur les
vecteurs de R3 nest ni associative ni commutative. La loi de multiplication
des matrices carres (relles ou complexes) est une loi associative.
Notations : on note souvent + les lois de composition commutatives.
Remarque : Si une loi (a, b) ab sur un ensemble E est associative,
on dnit le produit de n lments de E par rcurrence sur n de la faon
suivante :
a1 ...an := (a1 ...an1 )an
pour tous a1 , ...an E. On a alors :
a1 ...an = (a1 ...ai )(ai+1 ...an )
pour tout 1 i n.
Exemple : On note Mn (R) :=
a1,1
a1,n
: ai,j R
len-
an,n
semble des matrices relles de taille nn. Si A = (ai,j )1i,jn , B = (bi,j )1i,jn
n,1
ai,k bk,j .
k=1
1k,ln
1.1.2
Une identit, ou un lment neutre, pour cette loi est un lment e E tel
que pour tout a E :
ae = ea = a .
Proposition 1.1.1 Si une loi de composition sur un ensemble E a un lment neutre, alors cet lment neutre est unique.
Dmonstration : Soient e, e deux lments neutres, alors :
e = ee = e .
q.e.d.
Exemples :
Llment neutre de laddition sur lensemble des nombres entiers (rationnels, rels, complexes) est 0. Llment neutre de laddition sur lensemble des vecteurs de Rn est le vecteur nul (dont toutes les coordonnes
sont 0).
Llment neutre de la multiplication sur lensemble des nombres entiers (rationnels, rels, complexes) est 1.
Il ny a pas dlment neutre pour la loi du produit vectoriel sur R3 .
Notations : on note souvent 1 le neutre dune loi de composition note
multiplicativement et 0 le neutre dune loi de composition note additivement.
Exemple : soit F un ensemble. On note F F lensemble des applications
de F dans F . Sur cet ensemble F F on choisit la loi de composition des
applications (f, g) f g. Pour cette loi, llment neutre est lapplication
IdF : F F , x x.
10
Exercice 1 Vrier que le neutre pour la multiplication des matrices ( coecients entiers, rationnels, rels ou complexes) n n est la matrice :
In :=
1
..
.
1
Dnition 3 Soit E un ensemble muni dune loi de composition (note multiplicativement) qui a un lment neutre e. Un lment x E est inversible
sil existe un lment y E tel que :
xy = yx = e
et dans ce cas, on dit que y est un inverse de x. Un lment x E est
inversible droite , respectivement inversible gauche, sil existe un lment
y E tel que xy = e, respectivement yx = e.
Exercice 2 Soit E un ensemble. Considrons la loi de composition des applications sur lensemble E E . Soit une application f : E E. Vrier les
quivalences suivantes :
lapplication f est injective f est inversible gauche ;
lapplication f est surjective f est inversible droite ;
lapplication f est bijective f est inversible.
Si de plus E est ni, alors f est inversible gauche f est inversible
droite f est inversible.
Proposition 1.1.2 Soit une loi de composition : E E E, (a, b) ab
associative avec un lment neutre. Si un lment a est inversible, alors il
a un unique inverse, que lon note a1 .
Notation : Si la loi est note additivement, on note plutt linverse de a
par a.
Exercice 3 Soit une loi de composition : E E E, (a, b) ab associative avec un lment neutre. Si un lment a a un inverse gauche b, un
inverse droite c, alors a est inversible et a1 = b = c est linverse de a.
Linversion renverse la multiplication :
Proposition 1.1.3 Soit une loi de composition : E E E, (a, b) ab
associative avec un lment neutre. Si a, b sont des lments inversibles,
alors le produit ab est aussi inversible et :
(ab)1 = b1 a1
1.2. GROUPES
11
q.e.d.
1.2
Groupes
Dnition 4 Un groupe est un ensemble muni dune loi de composition associative qui a un lment neutre et dont tous les lments sont inversibles.
Si de plus la loi de composition est commutative, on dit que le groupe est
ablien .
Remarque : on note souvent avec la mme lettre le groupe et lensemble
de ses lments.
Exemples :
(Z, +) lensemble des nombres entiers muni de laddition
(Q, +), lensemble des nombres rationnels muni de laddition
Q , lensemble des nombres rationnels NON NULS muni de la multiplication
(R, +), lensemble des nombres rels muni de laddition
R , lensemble des nombres rels NON NULS muni de la multiplication
(C, +), lensemble des nombres complexes muni de laddition
C , lensemble des nombres complexes NON NULS muni de la multiplication
sont des exemples de groupes abliens.
En revanche, N nest pas un groupe pour laddition.
Le groupe trivial est le singleton {0} avec la loi vidente. Notons P lensemble des nombres pairs et I lensemble des nombres impairs. On munit
lensemble {P, I} de la loi suivante :
+ P
P P
12
i.e. : P + P := P, P + I := I, etc.
On obtient ainsi un groupe ablien deux lments. Cest le groupe Z/2Z.
Un exemple non commutatif : Si R, on note s la rexion
orthogonale par rapport la droite du plan qui passe par 0 et qui fait un
angle avec laxe des abscisses et on note r la rotation de centre 0 et dangle
. Alors lensemble :
O2 := {s , r : , R}
muni de la loi de composition des applications est un groupe non ablien. En
eet, r s = s+/2 et s r = s/2 .
Exercice 4 Lensemble des applications anes non constantes de R dans
R, x ax + b, a, b R, a = 0, est un groupe non ablien pour la loi de
composition des applications.
Proposition 1.2.1 (Loi de simplication) Soient a, b, c trois lments dun
groupe G. Si ab = ac, alors b = c. Si ba = ca, alors b = c.
Dmonstration : Il sut de multiplier gauche ou droite par a1 . q.e.d.
Exercice 5 Si E est un ensemble, lensemble des applications bijectives de
E dans E muni de la loi de composition des applications est un groupe.
Dnition 5 (Groupe symtrique) On appelle groupe symtrique dindice n le groupe des bijections de lensemble {1, ..., n}. On le note Sn . Ses
lments sont aussi appels les permutations de lensemble {1, ..., n}.
Exercice 6 Vrier que Sn est un groupe ni ayant n! lments.
Si G est un groupe ni, on appelle ordre son cardinal.
Exemples : Si n = 2, on note e lidentit de {1, 2} et lapplication
: 1 2, 2 1. On a :
S2 = {e, }, 2 = e .
Si n = 3, on note e lidentit de {1, 2, 3}, s1 la permutation 1 2, 2
1, 3 3, s2 la permutation 1 1, 2 3, 3 2. On a :
s1 s2 = s2 s1
(S3 est le plus petit groupe non ablien)
s21 = s22 = e, (s1 s2 )3 = e, s1 s2 s1 = s2 s1 s2
1.3. SOUS-GROUPES
13
S3 = {e, s1 , s2 , s1 s2 , s2 s1 , s1 s2 s1 } .
a b
a
b
A=
G
c d
Si A =
A1 =
d
adbc
b
adbc
c
adbc
a
adbc
1.3
Sous-groupes
14
a b
, a, b, d C,
0 d
a, d = 0 est un sous-groupe de
GL2 (C) ;
1 0
lensemble des matrices
I :=
0 i
, J :=
1 0
, K :=
0 i
i 0
1.4
1.4.1
Groupes cycliques
Les groupes (Z/nZ, +)
15
16
Exemples : La matrice
En eet, A2 =
1 0
1 3
, A = I2 , A4 = A, A = A2 , A6 = I2 .
1 1
En revanche, la matrice
1 1
0 1
1 1
0 1
1 n
.
0 1
Remarque : on peut montrer que si A est une matrice coecients entiers
dordre ni n, alors n = 1, 2, 3 ou 6.
17
1.5
Morphismes de groupes
a b
le dterminant : GL2 (C) C ,
ad bc,
c d
lapplication R C , x cos x + i sin x,
lapplication (Z, +) G, n xn , pour un groupe G et un lment
x x de G,
linclusion H G, x x pour un sous-groupe H dun groupe G
sont des morphismes de groupes.
Proposition 1.5.1 Si : G G est un morphisme de groupes, alors
(1G ) = 1G .
18
1.5.1
Sous-groupes distingus
19
Exercice
10 Soit Dn le sous-groupe de GL2 (C) engendr par les matrices
0 0 1
,
. Montrer que Dn est ni dordre 2n et quil contient
0 1
1 0
un sous-groupe cyclique distingu dordre n. Cest le groupe didral dordre
2n.
Dnition 11 Si G est un groupe, on note :
Z(G) := {x G : g G, gx = xg} .
Cest un sous-groupe de G appel le centre de G.
Remarque : le centre de G est distingu dans G.
0
Exemple : le centre de GL2 (C) est form des matrices
, C.
0
1.5.2
Isomorphismes
1 x 1 y
0 1
0 1
1 x
, x C. On vrie
0 1
1 x+y
0
donc multiplier de telles matrices revient faire des additions dans C. Plus
prcisment, lapplication bijective :
C U, x
1 x
0 1
20
Exercice 11
(R, +) (R+ , )
(Z/nZ, +) n
Proposition 1.5.2 Tout groupe cyclique dordre n est isomorphe Z/nZ.
Dmonstration : Soit G un groupe cyclique dordre n engendr par un lment x. Alors, lapplication :
Z/nZ k + nZ xk
est bien dnie et cest un isomorphisme de groupes.
q.e.d.
de la forme
a b
b
cos sin
,
sin cos
R est un sous-groupe de GL2 (R) isomorphe S 1 le groupe des nombres
complexes de module 1.
1.6
21
q.e.d.
22
1.7
Le groupe symtrique
1 2 3 4
1.7.1
Dcomposition en cycles
23
Exemple : soit :=
1 2 3 4 5
Ok := { l (k) : l Z} .
Comme {1, ..., n} est ni, Ok = {k, ..., l1 (k)} o l est le plus petit entier
> 0 tel que l (k) = k. On a aussi l = |Ok |.
Si 1 k, k n, alors Ok = Ok ou Ok Ok = . Les ensembles Ok
forment donc une partition de {1, ..., n}. Soient k1 , ..., kr des entiers tels que
les ensembles Oki soient deux deux distincts et tels que :
{1, ..., n} = Ok1 ... Okr .
Posons ni := |{Oki }| pour tout i. Alors :
Oki = {ki , (ki ), ..., ni 1 (ki )}
et :
24
q.e.d.
1.7.2
Signature
Soit Sn . Une inversion de est une paire {i, j} telle que i < j et
(i) > (j).
Le nombre dinversions de est le nombre de fois o, dans la liste
(1), ..., (n), un entier plus grand apparat gauche dun plus petit.
Exemple : Voici les inversions et les signatures des 6 permutations
S3 :
Id :
2
2
3
3
1 1
s1 : 2
2
3
3
1
1
s2 : 2 2
3
3
1 1
s1 s2 : 2 2
3
3
1
1
s2 s1 : 2 2
s 1 s2 s1
(=s2 s1 s2 )
{{1,2}}
1
{{2,3}}
1
{{2,3},{1,3}}
2
{{1,2},{1,3}}
2
{{1,2},{2,3},{1,3}}
3
2 2
()
I()
#I()
25
Le nombre dinversions dune permutation est aussi le nombre de croisements dans le diagramme qui la reprsente.
Exemple : les inversions de la transposition (r, s), r < s, sont les paires :
{r, r + 1}, ..., {r, s 1}, {r, s}, {r + 1, s}, ..., {s 1, s}
ce qui fait 2(s r) 1 inversions.
Dnition 14 Si est une permutation avec un nombre pair (respectivement impair) dinversions, on dit que cest une permutation paire (respective
ment impaire). On dnit () := (1)nombre d inversions de ; cest la signature
de .
Exemple : les transpositions sont de signature 1.
Lemme 1.7.3 Soit Sn et soit une transposition. Alors ( ) = ( ) =
().
Dmonstration du lemme :
Soient I() lensemble des inversions de . On a une bijection :
1:1
q.e.d.
26
. On dit que deux lments x et y dun groupe G sont conjugus sil existe g G tel
que y = gxg 1 .
Chapitre 2
Rappels sur les matrices
0
T :=
1 0
...
.
1 1 ..
0
..
.
1 2
1 3
1 4
..
.
4 1
1 n
...
..
T+ :=
1 1 1 1 1
0 1 2 3 4
.
..
1 3 6
. 0
...
1 4
i
j
0i,jn
0i,jn
...
1
27
..
.
0 ...
j
i
28
P :=
2.0.3
..
1 ...
n+1
1
..
.
i+j
i
0i,jn
2n
n
1 n+1
Oprations
ai,k bk,j
k=1
sin a cos a
sin b cos b
cos(a + b) sin(a + b)
sin(a + b)
nombres complexes
cos(a + b)
Rez Im z Rez Im z
.
Im z Rez
Im z Rez
29
Re(zz ) Im (zz )
matrices de Pascal
Im (zz )
Re(zz )
T T + = P
indication : Pi,j est le coecient de degr j du polynme (1 + X)i+j . Or,
(1+X)i+j = (1+X)i (1+X)j ; exprimer le polynme (1+X)i (respectivement
(1 + X)j ) en fonction des coecients de T (respectivement T + ).
Proposition 2.0.6 (Associativit) Soient A une matrice de taille m n,
B une matrice de taille n p et C une matrice de taille p q. Alors on a
lgalit de matrices m q :
(AB)C = A(BC)
Dmonstration : Notons ui,j les coecients du membre de gauche et vi,j
ceux du membre de droite. Alors :
ui,j =
1kn
1lp
q.e.d.
2.1
Matrices carres
Proprits de
distributivit
...
(i < j)
..
(i = j)
.
..
.
(i > j)
...
..
.
0algbre :
...
A(B + C) = AB + AC , (A + B)C = AB + BC ,
Proprits ngatives :
non commutativit :
30
0 1 1 0
0 0
0 0
1 0 0 1
= 0 =
0 0
0 0
0 1
0 0
0 1
0 0
=0
(2.1)
(2.2)
d1
..
.
dn
an,1
an,n
an,n
an,1
d1
..
.
dn
In :=
1
...
1
dn an,n
dn an,n
A Mn ( ), AIn = In A = A .
AA1 = A1 A = In .
2.2. APPLICATIONS
31
La transpose
2.2
(tA) = tt A, t (A + B) = t A + t B , t (AB) = t B t A
Applications
2.2.1
La suite de Fibonacci
Cest la suite :
0, 1, 1, 2, 3, 5, 8, 13, ...
f0 := 0, f1 := 1, n 1, fn+1 = fn + fn1
fn
fn1
n 1,
= A
fn+1
fn
o A est la matrice
0 1
et donc :
Vrier que :
n 0,
1 1
fn
0
n
=A
.
fn+1
1
fn1
n 1, An =
fn
fn
fn+1
32
1 1
1
1+ 5
1 5
1
1
, :=
, P :=
=
, P
2
2
5
1
( pourquoi ? patience ! )
et on remarque que :
A = P DP 1
0
o D :=
.
0
On trouve donc :
n 0, An = P Dn P 1
n
0 1
n
n 0, A = P
P
n
0
et donc :
n 0, fn = An1,2 =
2.2.2
Graphes
2.2. APPLICATIONS
33
Ici :
0 1 1
A= 0 0 1
1 0 0
bi,k,n1 bk,j,1 =
An1
i,k Ak,j
= Ani,j .
En particulier, si on sait calculer An (cf. suite du cours), on peut vrier
quun pilote qui part de P atterrira, au bout dune innit dtapes, 2 fois
plus souvent M qu B avec :
2 := lim
n
An1,3
1, 75...
An1,2
2.2.3
quation direntielle
y
Solution : On pose Y :=
. On a :
y
(E) Y = AY
o A est la matrice :
k 2 0
34
o etA est une matrice dnie de la mme manire que lexponentielle complexe.
Ici :
sin(kt)
cos(kt)
k
etA =
.
k sin(kt) cos(kt)
Donc :
y (0)
sin(kt) .
k
q.e.d.
2.3
Systmes linaires
Les matrices permettent dcrire de faon condense les systmes dquations linaires :
1jn
2.4.1
AX = B
...
A = (ai,j ) 1im , B =
2.4
= b1
b1
..
.
bn
X=
x1
..
.
xn
0
0
35
0
0
x1
..
.
xn
y1
..
.
yn
:=
x 1 + y1
..
.
x n + yn
x1
..
.
xn
:=
x1
..
.
xn
o t1 , ..., tm .
On dit que v1 , ..., vm sont
t1 , ..., tm
0, t v
1 1
, ...,
.
..
0
..
.
0
1
36
wk+1 w1 , ..., wk .
Il existe t1 , ..., tn
0 tels que
w1 = t1 v1 + ... + tn vn .
Soit 1 i1 n tel que ti1 = 0. Alors :
v1 , ...,
v
i1 , ..., vn , w1
( dans la liste v1 , ..., vn , on remplace vi1 par w1 ) est encore une base de E
(exo) . On peut montrer plus gnralement, par rcurrence sur k que pour
tout 1 k min{m, n}, il existe 1 i1 , ..., ik n deux deux distincts tels
que :
v1 , ...,
v
v
i1 , ..., ,
ik , ..., vn , w1 , ..., wk
est encore une base de E (o on a remplac dans la liste v1 , ..., vn les vecteurs
vi1 , ..., vik par les vecteurs w1 , ..., wk ).
En particulier, si, par labsurde, m < n, on obtient une base de E de la
forme :
vi , w1 , ..., wm , i {1, ..., n} \ {i1 , ..., im }
37
0espaces vectoriels
i) u, v E, f (u + v) = f (u) + f (v)
0, f (tu) = tf (u)
ii) u E, t
Dnition 22 Soit E un
sous-espace de E si :
0 F, u, v F, t
E est un
0, tu F et u + v F
X=
x1
..
.
xn
AX =
y1
..
.
ym
38
1 i m, yi =
ai,j xj .
j=1
0
X 0 , AX = BX
,B:
ker A = X =
Im A = Y =
y1
..
.
ym
x1
..
.
xn
: X=
: AX = 0
x1
..
.
xn
0 , Y = AX
n
..
.
1
..
.
2.4.2
39
Matrices chelonnes
0 ... a1,j1
...
0 ...
..
.
...
a2,j2
ar,jr ...
0 ...
...
..
.
t
..
.
1
exemple : 1,n =
0 ...
..
. 1
..
1
..
.
.
1
40
..
...
1
Thorme 2.4.3 Chaque matrice peut tre transforme en une matrice chelonne par une suite nie doprations lmentaires.
Dmonstration : Par rcurrence sur le nombre de lignes. Soit A une
matrice m n. Soit j1 la premire colonne non nulle. Quitte permuter
la premire ligne avec une autre, on peut supposer que a1,j1 = 0. On note
L1 , ..., Lm les lignes de A. On remplace alors, pour tout k > 1, la ligne Lk
a 1
par Lk ak,j
L1 . On obtient alors une matrice de la forme :
1,j
1
..
.
0 ...
..
q.e.d.
Dmonstration : En eet, une opration lmentaire ne change pas lespace vectoriel L1 , ..., Lm et les lignes non nulles dune matrice chelonne
sont clairement indpendantes.
q.e.d.
On peut aussi dnir le rang des colonnes de la matrice en utilisant des
oprations lmentaires sur les colonnes. Ce rang est gal la dimension du
sous-espace de Mm,1 ( ) engendr par les colonnes de la matrice.
41
E1 ...EN = A1 .
q.e.d.
0 1
.
1 1
On eectue les oprations suivantes :
Exemple : Soit A :=
0 1 1 0 L1 L2 1 1 0 1
1 1 0 1
0 1 1 0
L1 L1 L2
1 0 1 1
0 1
1 1
.
1 0
Plus gnralement, pour une matrice A Mm,n ( ), le mme raisonnement montre quil existe P GLm ( ) tel que :
conclusion : A1 =
In
PA =
In 0
In 0
, on trouve :
P A = In .
42
In
tel que P A =
2.4.3
rg L (A)
Dmonstration :
Montrons par exemple la premire galit (la deuxime se montre de la
mme faon) :
Notons r0 le minimum des t tels que A = BC pour un certain B
Mm,t ( ) et un certain C Mt,n ( ).
Soit r := rg L (A). Alors, il existe une base l1 , ..., lr du sous-espace engendr
par les lignes de A. En particulier, pour toute ligne Li de A,
43
0
0
(0) est de rang r, il existe B M (0), C
Ir 0
P AQ =
0 0
Ir
PB =
Do :
, CQ =
Ir 0
Ir 0
Ir
P AQ = P BCQ =
=
Ir 0
0
0 0
q.e.d.
Pour terminer voici un critre pratique pour calculer le rang dune matrice :
44
Proposition 2.4.9 Soit A = (ai,j ) 1im Mm,n ( ). On dit que B est une
1jn
matrice extraite de A si B est de la forme :
B = (ai,j ) iI
jJ
1 2 3
4 5 6
7 8 9
1 2
4 5
2.4.4
q.e.d.
Soit A Mm,n ( ). On dit que A est injective si ses colonnes sont indpendantes. On dit que A est surjective si ses lignes sont indpendantes.
45
0, si on note C , ..., C
Remarque : si x1 , ..., xn
x1 C1 + ... + xn Cn =
notons :
ker A :=
cest un sous-espace de
ker A = 0.
Notons
Im A :=
x1
..
.
xn
A.
A.
x1
..
.
xn
x1
..
.
xn
=0
A.
x1
..
.
xn
x1
..
.
xn
0
n
Exercice 24 Si A :=
..
.
0 ...
..
0
0
0 pour tout 1 i r, alors lapplication linaire :
=
ker A
nr
1jn
j=j1 ,...,jr
46
2.5
2.5.1
Soit E un
0espace vectoriel.
v = x1 e1 + ... + xn en E, f (v) =
autrement dit, si X :=
base (e) si Y :=
(e) alors :
y1
..
.
yn
x1
..
.
xn
n
n
xj ai,j ei .
i=1 j=1
Y = AX
47
cos sin
sin
cos
0 1 0 ... 0
.. . .
..
. 2
.
.
...
et
0 1 0 ... 0
.. . .
..
. 1
.
.
...
2.5.2
Thorme du rang
48
f (E) = E
f surjectif f (E) = E
dim ker f = 0
ker f = 0
ker A = 0
i.e.
0 , AX = 0 X = 0
n
Im A =
, X
0 , Y = AX
n
49
B Mn,m ( ), BA = In .
On peut montrer de mme (en raisonnant plutt avec les colonnes) que
A est surjective A est inversible droite i.e. :
B Mn,m ( ), AB = Im .
donc BA = In .
q.e.d.
A injective rg (A) = n
A surjective rg (A) = m
50
2.5.3
Changements de base
0.
0 . Si on note
n
x1
..
.
xn
ses coordonnes dans la base (e ), alors :
x1
..
.
xn
X = P X
o P := (pi,j )1i,jn .
Dmonstration :
v = x1 e1 + ... + xn en = x1 e1 + ... + xn en
=
j=1
i=1
xj
pi,j ei
i=1
j=1
pi,j xj ei
1 i n, xi =
pi,j xj
j=1
X = PX .
q.e.d.
51
A = P A P 1
(pour tout X
Y = P 1 AP X = A X
0 ). Donc P
n
AP = A .
q.e.d.
Exercice 27
1 cos t sin t 1
i i
sin t
cos t
i i
it
eit
52
Chapitre 3
Le dterminant
3.1
Dimension 2 et 3
Dnition 30
a1,1 a1,2
a2,1 a2,2
a3,1 a3,2
a1,1 a1,2
a2,1 a2,2
a1,3
a2,3
a3,3
Moyen mnmotechnique :
54
CHAPITRE 3. LE DTERMINANT
3.2
3.2.1
3:
3.2.2
I()
#I()
()
(1, 2, 3)
(2, 1, 3)
{{1,2}}
1
(1, 3, 2)
{{2,3}}
1
(2, 3, 1)
{{2,3},{1,3}}
2
(3, 1, 2)
{{3,1},{3,2}}
2
(3, 2, 1)
{{1,2},{2,3},{1,3}}
3
1
1
Dnitions du dterminant
arrangement d ordre n
()a(1),1 ....a(n),n
55
le dterminant de A.
Exercice 29 Pour n = 2, 3 on retrouve la dnition usuelle.
Proposition 3.2.1 (dterminant dune matrice triangulaire) Soit T =
(ti,j )1i,jn une matrice triangulaire suprieure i.e. ti,j = 0 si i > j. Alors :
t
1,1
t1,n
tn,n
= t1,1 ...tn,n
()t(1),1 ...t(n),n
D : Mn ( )
0 , A D(A)
56
CHAPITRE 3. LE DTERMINANT
(p) =
Alors
(p) si p = i, j,
(j) si p = i,
(i) si p = j.
() () = ( ) .
En eet,
(I() I( )) \ (I() I( )) =
1:1
arrangement pair
a(1),1 ....a(n),n
arrangement impair
a(1),1 ....a(n),n
arrangement pair
a(1),1 ....a(n),n
arrangement pair
57
arrangement pair
Unicit : Soit D qui vrie i), ii) de lnonc. Alors, si on note E1 , ..., En
la base canonique de Mn,1 ( ), on a :
Cj =
ai,jEi
i=1
i1 ,...,in =1
Or, D(Ei1 |...|Ein ) = 0 si les i1 , ..., in ne sont pas tous distincts. Donc :
D(A) =
D(Ei1 |...|Ein ) .
58
CHAPITRE 3. LE DTERMINANT
D(Ei1 |...|Eik1 |Eik1 |...|Ein ) + D(Ei1 |...|Eik1 |Eik |...|Ein )
+D(Ei1 |...|Eik |Eik1 |...|Ein ) + D(Ei1 |...|Eik |Eik |...|Ein ) = 0
D(Ei1 |...|Eik1 |Eik |...|Ein ) + D(Ei1 |...|Eik |Eik1 |...|Ein ) = 0
D(Ei1 |...|Ein ) = D(Ei1 |...|Ein ) .
q.e.d.
Thorme 3.2.3 Soit D : Mn ( ) une application nlinaire et alterne en les colonnes ( i.e. qui vrie i) et ii) du thorme prcdent), alors :
D(A) = det AD(In ) .
Dterminant de la transpose
()a(1),1 ...a(n),n
59
( 1 )a1,(1) ...an,(n)
()a1,(1) ...an,(n)
= det (t A) .
q.e.d.
Consquences :
A B
et Adet D .
= d
0 D
A B
D
0 D
60
CHAPITRE 3. LE DTERMINANT
A B
0 D
det D
A
0
A
0
In
In
A
0
In
det A
Im
0
In
3.3
Im
0
In
=1
q.e.d.
Rgle de Cramer
1 j n, det A =
i=1
61
1 i n, det A =
j=1
Dmonstration
comme on a :
A=
j
|
a
1,1
..
.
... 0 ...
..
.
ai,j
ai,1
.
i=1
.
.
1
..
.
det A =
ai,n
..
.
an,1
on a :
a1,n
..
a1,1
..
.
n
ai,j ai,1
.
i=1
.
.
an,1
j
|
... 0 ...
..
.
1
..
.
a1,n
..
.
an,n
ai,n
..
.
... 0 ...
ai,n
..
.
an,n
1
..
.
an,1
j1
(1)
ai,n
..
.
an,n
1
..
.
an,1
a1,n
..
.
ai,n
..
.
an,n
(1)j1 (1)i1
1 ai,1 ...
0 a1,1 ...
..
..
.
.
0 an,1 ...
ai,n
a1,n
..
.
an,n
62
CHAPITRE 3. LE DTERMINANT
= (1)i+j |Ai,j | .
1 2 3
4 5 6 =
7 8 9
5 6
8 9
2 3
8 9
+ 7
2 3
5 6
=0 .
Proposition 3.3.2 (formule de Cramer pour les solutions des systmes linaires)
Si :
y1
..
.
yn
i=1
yi (1)i+k |Ai,k |
n
n
i=1 j=1
n
n
j=1
Or :
i=1
i=1
63
i=1
0 si k = j
det A sinon .
q.e.d.
= At A
= d
AA
et AIn
k=1
AA)
i,j
k=1
0 si i = j
det A si i = j .
q.e.d.
64
CHAPITRE 3. LE DTERMINANT
Si ad bc = 0,
a b
c d
1
d b
=
ad bc c a
1,1
2,1
3,1
|A | |A | |A |
1
=
|A1,2 | |A2,2 | |A3,2 |
|A|
1 t
1
A=
|Aj,i |
det A
det A
V (x0 , ..., xn ) =
x0
n
x0
xn
n
xn
x1 + ... + xn = 0
..
x1 = ... = xn = 0
.
xn1 + ... + xnn = 0
65
1
0 0
0 1
1 1 0
|A| =
3.4
a1,1
a2,1
a1,2
a2,2
a1,2
a2,2
a1,3
a2,3
det Mat(u)(e)
66
CHAPITRE 3. LE DTERMINANT
Chapitre 4
Valeurs propres, vecteurs propres
Dans ce chapitre E est un
4.1
0espace vectoriel.
Sous-espaces invariants
x F, u(x) F .
Mat(u)(e) =
a1,1
ak,1
a1,k
b1,1
ak,k
bk,1
d1,1
dnk,1
67
b1,nk
bk,nk
d1,nk
dnk,nk
68
G := ek+1 , ..., en
Mat(u)(e) =
a1,1
ak,1
a1,k
ak,k
d1,1
dnk,1
d1,nk
dnk,nk
cos sin 0
sin
cos
.
0
Les droites invariantes sont appeles droites propres, ce sont les droites
engendres par les vecteurs propres.
4.2
Vecteurs propres
Dnition 35 (vecteurs,valeurs propres, spectre) Soit u un endomorphisme de E. Un vecteur propre de u est un vecteur non nul x E \ {0}
tel que :
u(x) = x
69
Version matricielle :
Soit A Mn ( ). Un vecteur propre de A est un vecteur non nul X
n
\ {0} tel que :
AX = X
Soit A :=
eet :
(exo)
0 1
. Le rel :=
1 1
1+ 5
2
1
1
A.
0
1
2
1
3
Soit A :=
70
=j
(exo)
Comment trouver les valeurs propres dun endomorphisme ou dune
matrice parmi tous les lments de ?
4.3
Polynme caractristique
0. Alors :
\ {0}, AX = Xi.e. (A In )X = 0
ker(A In ) = {0}
A In injective
A In inversible
det (A In ) = 0 .
q.e.d.
Dnition 36 (polynme caractristique) Soit A Mn ( ). Le polynme caractristique de A est : A (X) := det (XIn A) .
Remarque : [s] La matrice XIn A est coecients dans
son dterminant A (X) [X].
Pour tout , det (A In ) = (1)n A ().
Exemple : [s]
Si n = 2 :
A=
a b
c d
= X 2 (trA)X + det A
0[X] donc
71
o trA := a + d.
Si n = 3,
A=
,
a2,3
+
a2,2
a1,1 a1,2
a2,1
a3,2
+
a3,3
a2,2 a2,3
a1,1 a1,3
a3,1 a3,3
I{1,...,n}
|I|=d
|AI |
avec pour tout I = {k1 , ..., kd }, tel que k1 < ... < kd ,
AI :=
ak1 ,k1
ak1 ,kd
akd ,k1
akd ,kd
Md ( )
X1 a1,1
a1,2
...
a2,1
..
.
X2 a2,2
...
...
Xn an,n
72
1i1 <...<ik
k=0
k=0
(1)k (
(1)nk (
1i1 <...<ik
i=1
ai,i =: trA
1i<jn
ai,i
aj,i
sn = det A .
ai,j
aj,j
AB Mm ( ) et BA Mn ( )
et :
X n AB (X) = X m BA (X)
dans [X].
En particulier, si m = n alors :
AB (X) = BA (X) .
. c--d son coecient de plus haut degr est 1.
73
Dmonstration : On pose :
M :=
XIm A
0
In
On a alors :
donc :
et N :=
MN =
Im
XIn
XIm AB
XB
XIn
Mm+n ( ) .
donc
XIm
NM =
XB
0
XIn BA
q.e.d.
0
P GL (0), A = P A P
alors :
A (X) = P (A P 1 ) (X)
= (A P 1 )P (X)
= A (X)
autrement dit deux matrices semblables ont le mme polynme caractristique.
En consquence, on peut dnir le polynme caractristique dun endomorphisme :
Dnition 38 Supposons que E est de dimension nie. Si u est un endomorphisme de E, alors toutes les matrices de u dans une base de E sont
semblables donc ont le mme polynme caractistique. Ce polynme caractristique commun est le polynme caractristique de u, not u (X).
74
En particulier :
Si A =
0 1
, alors
1 1
1+ 5
1 5
A (X) = X X 1 = (X
)(X
)
2
2
2
1
Si A =
, alors :
1 1
o j := 12 + i
A (X) = X 2 + X + 1 = (X j)(X j 2 )
3
.
2
SpC (A) = j, j 2
mais SpR (A) = .
Si A =
75
cos sin
, alors :
sin cos
t1,1
t1,n
T :=
0 tn,n
T (X) =
t1,n
X t1,1
0
0
=
i=1
0 X
(X ti,i )
tn,n
Matrices compagnons :
Soit P (X) := X n + cn1 X n1 + ... + c0
CP :=
c0
0 1 cn1
0[X]. On pose :
Proposition 4.3.4
CP (X) = P (X) .
Mn ( )
76
CP (X) =
0 0
0 1 X
0
X 0
X 0 0
0
0 1
+ cn1
c0
0
X 0
1
1 X 0
n+1
+(1)
c
0
+ cn1
0 1
0
c1
=(1)n1
=X n1 +cn1 X n2 +...+c1
par hypoth
ese de r
ecurrence
= X n + cn1 X n1 + ... + c0
= P (X)
(ce qui achve la rcurrence).
q.e.d.
0 1
1
0
0 1 0
Mn ( )
77
Pour tout k entier 1, il existe un polynme en t, coecients rationnels, not Tk (t), tel que :
(en eet :
sin(k) = Im (eik )
= Im (cos + i sin )k
et on dveloppe ...)
Par exemple, sin(2) = sin (2 cos ) et sin(3) = sin (4 cos2 1) donc
T2 (t) = 2t et T3 (t) = 4t2 1. Plus gnralement, Tk (t) = 2k1 tk1 + ...
Pour tout n soit :
0 1 0
0
Vn :=
0 0 Mn (R)
0 1 0
Vn (X) = Tn+1 (
X
)
2
en particulier,
k
n+1
: 1kn
78
Dmonstration : Le polynme caractristique de A (ou de u) est un polynme complexe non constant donc admet (au moins) une racine C.
Alors, est une valeur propre de A (ou de u).
q.e.d.
Corollaire 4.3.5.2 Soit A une matrice relle. Alors, A possde un sousespace invariant de dimension 1 ou 2.
Dmonstration : Soit n 1. Comme A Mn (R) Mn (C), A possde
une valeur propre = a + ib C, a, b rels, et un vecteur propre associ
Z = X + iY Cn \ {0} o X, Y Rn .
Alors :
AZ = Z AX + iAY = (aX bY ) + i(bX + aY )
AX = aX bY et AY = bX + aY
4.4
Espaces propres
E (A) := ker(A In ) = {X
: AX = X}
79
notation :
E1 + ... + Er = E1 ... Er .
Remarque : Si r = 2, E1 et E2 sont en somme directe si et seulement
si E1 E2 = {0}.
Exercice 34 E1 , ..., Er sont en somme directe :
1 i r, Ei (
j=1
j=i
Ej ) = {0} .
Exemple : Si e1 , ..., en est une famille libre de E (par exemple une base),
alors les droites e1 , ..., en sont en somme directe.
Il est facile de calculer la dimension dune somme directe :
80
dim E1 ... Er =
B1
B1 ... Br
+...+
Br
v1 + ... + vr = 0
(4.3)
1 v1 + ... + r vr = 0
car 2 1 , ..., r 1 = 0.
On a donc aussi : v1 = v2 ... vr = 0.
q.e.d.
81
donc :
1 i n, dim Ei = 1 et E1 ... En =
0e
alors les vecteurs ei sont des vecteurs propres de A (de valeurs propres i ) et
0e ... 0e
forment une base de 0 .
0e
signie que les ei
+ ... +
0e
q.e.d.
82
A = P DP 1
o D est une matrice diagonale : si 1 , ..., n sont les valeurs propres correspondant respectivement aux vecteurs v1 , ..., vn , alors :
D=
A = P DP 1 .
Exemple : Toute matrice relle 2 2 symtrique :
a b
b d
83
J=
0 1
1
0
0 1 0
Mn ( )
1, ei n , ..., ei
2(n1)
n
les racines nimes de lunit. Trouver une base de vecteurs propres (exo) .
4.5
a0 , a1 , a2 , ...
dont tous les termes sont nuls partir dun certain rang et qui est note :
a0 + a1 X + a2 X 2 + ...
Le degr du polynme
P (X) = a0 + a1 X + ...
est le plus grand entier n, not deg P , tel que an = 0. On prend pour convention deg 0 = .
Si P (X) = a0 + a1 X + ... et Q(X) = b0 + b1 X + ... sont des polynmes,
on dnit leur produit :
P (X)Q(X) := a0 b0 + (a0 b1 + a1 b0 )X + ... + (a0 bk + a1 bk1 + ... + ak b0 )X k + ...
On note
84
P () := a0 + ... + ad d
0.
0,
0[X]. Si P (X)Q(X) =
0[X])
0[X]. Notation :
Q|P
remarque :
Q|P deg Q deg P .
Formule de Taylor :
Pour tout P (X)
a0 , ..., ad telle que :
P (X) = a0 + a1 (X ) + ... + ad (X )d
Bien entendu, a0 = P (). On dit que est une racine de P si P () = 0
i.e. si (X )|P (X).
Si P (X) = 0, on appelle multiplicit de dans P le plus petit entier i tel
que ai = 0.
Autrement dit la multiplicit de dans P est le plus grand entier i tel
que (X )i |P (X).
Notation : mult P := la multiplicit de dans P . Remarque : Soient
P [X], . On a lquivalence :
racine de P mult P 1 .
85
P, Q
0[X],
Exercice 36 Si
=1
= m1 .
=0
0 = C montrer que :
mult P = deg P
0 si :
P (X) = ad (X 1 )...(X d )
pour certains i
et on crit :
0 et un a
dans
0[X].
86
nk
nk
XIk A
XInk D
q.e.d.
mg () := dim0 ker(A In )
mg () ma () .
1 1 0
0
A=
0
1
0 1
Mn ( )
87
x F , u(x) = x
et nalement,
(X )
mg ()
u (X) mg () ma () .
q.e.d.
0;
et
ii) , valeur propre de A, ma () = mg () .
88
Mat(u) =
1 I n 1
...
r I n r
0 et :
i, ma (i ) = ni = mg (i ) .
: Supposons que :
u (X) = (X 1 )n1 ...(X r )nr
pour certains i
Comme :
1.
4.6. TRIGONALISATION
89
Exemple : Si n 2, la matrice :
0 1 0 0
4.6
Trigonalisation
Dnition 46 On dit quune matrice A Mn (K) (respectivement un endomorphisme u de E, si E est de dimension nie) est trigonalisable sur
(on devrait dire triangularisable mais ce terme signie dj autre chose) si
A est semblable une matrice triangulaire suprieure c--d :
w0 :=
0 1
1 0
90
B (X) = (X 2 )...(X n )
Mat(u) =
=P
l
QSQ1
1 lQ
0
1 0
P :=
0 Q
4.6. TRIGONALISATION
91
lQ
1
q.e.d.
(4.4)
donc :
0
0
0 n
A (X) = (X 1 )...(X n )
k 1, trAk = k1 + ... + kn .
la srie
tr(Ak ) k
t converge, la matrice In tA est inversible et :
k
k=1
e
trAk k
t
k
k=1
1
det (In tA)
92
Chapitre 5
Polynmes dendomorphismes
Soit u un endomorphisme dun espace vectoriel E sur
5.1
0. Soit A M (0).
n
Dnition
P, Q
de mme lapplication :
94
0[X], les
on a :
D :=
P (1 )
P (D) =
P (n )
on a :
T :=
P (T ) =
1
n
P (1 )
P (n )
5.2
95
Thorme de Cayley-Hamilton
Sp(A) { racines de P } .
N :=
0 1 0 0
et J :=
0 1
1
0
0 1 0
Mn ( ) ,
96
B0 , ..., Bn1 Mn ( )
telles que :
B(X) = B0 + XB1 + ... + X n1 Bn1 .
On a alors :
B(X)(XIn A) = det (XIn A)In
(B0 + XB1 + ... + X n1 Bn1 )(XIn A) = A (X)In
= A (X)In
97
A :=
c0
0 1 cn1
0[X]. On a alors :
98
t1
T =
Soient
tn
1
0
.
0
.
e1 = . , ..., en =
..
0
0 . On pose aussi :
Vk := e1 , ..., ek
si 1 k n et V0 := 0. On a alors :
donc :
1 k n, (T tk In )(Vk ) Vk1
(T t1 In )...(T tn In )(
0 ) = (T t I )... (T t I )(V )
n
1 n
n n
Vn1
Vn2
Vn3
... (T t1 In )(V1 ) V0 = 0
donc : (T t1 In )...(T tn In ) = 0.
Or, T (X) = (X t1 )...(X tn ). Donc :
T (T ) = (T t1 In )...(T tn In ) = 0 .
A (A) = P A (T )P 1 = P T (T )P 1 = 0 .
q.e.d.
5.3
99
Polynmes annulateurs
O, In , N :=
0 1 0 0
Mn ( ),
sont respectivement : X, X 1, X n .
Rappels sur la division euclidienne :
Soient P, Q deux polynmes dans [X]. Si Q = 0, alors il existe un
unique couple (B, R) tels que :
B, R
q.e.d.
*
Proposition 5.3.1 Soit mu (X) un polynme minimal de u. Alors, mu divise tous les polynmes annulateurs de u.
100
=0
dans [X].
On dnit de mme les polynmes annulateurs et le polynme minimal
dune matrice A Mn ( ).
0,
mu () = 0 Sp(u) .
101
102
q.e.d.
Remarque : Un cas particulier important retenir : les diviseurs unitaires
de (X )n sont les (X )d avec 0 d n (pour tous n 0, ).
q.e.d.
Exercice 41
A (X)
0 1 0 0 0 1 0 0 0 1 0 0
0 0 0 0 0 0 1 0 0 0 1 0
0 0 0 1 0 0 0 0 0 0 0 1
0 0 0 0
X4
0 0 0 0
X4
X2
mA (X)
X3
0 0 0 0
X4
X4
D :=
P (X) = ad (X 1 )...(X r )
o 0 = ad
103
ar
1
a1
=
+ ... +
mA (X)
X 1
X r
o ai = m 1(i ) pour tout i.
A
Donc
1 = a1 Q1 (X) + ... + ar Qr (X)
o pur tout i :
Qi (X) =
mA (X)
=
(X j )
X i
j=1
j=i
0 , on a :
n
Z = a1 Q1 (A)(Z) + .. + ar Qr (A)(Z)
or, pour tout 1 i r, Qi (A)(Z) ker(A i In ) car :
(A i In )(Qi (A)(Z)) = mA (A)(Z) = 0 .
Par consquent
ri=1 ker(A i In ) =
et A est diagonalisable.
Remarque : on peut utiliser aussi le lemme des noyaux. Si mA (X) =
(X 1 )...(X r ) avec 1 , ..., r deux deux distincts, on a :
mA (A) = 0
car les polynmes X i sont deux deux premiers entre eux. En eet
si D(X) divise X i et X j , i = j dans [X], alors D(X) divise
X i (X j ) = j i \ {0} donc D(X) est constant. Donc A est
diagonalisable.
q.e.d.
104
Dmonstration :
Rappels : On dit que P (X) et Q(X) sont premiers entre eux si :
D(X)
0[X] alors :
P, Q sont premiers entre eux A, B 0[X], AP + BQ = 1 .
Dmonstration : : (exo) : Soient D 0[X] un polynme non nul de
Proposition 5.3.8 Soient P, Q
0[X] .
A
B
P+ Q .
d
d
q.e.d.
105
0[X]. On a
106
et de mme :
B(u)P2 (u)(x) ker(P1 (u)) + ker(P3 (u)) + ... + ker(Pr (u))
et donc :
x = A(u)P1 (u)(x) + B(u)P2 (u)(x) ker(P1 (u)) + ... + ker(Pr (u)) .
Il reste montrer que cette somme est directe :
Supposons que
x1 + ... + xr = 0
pour certains x1 ker(P1 (u)), ..., xr ker((Pr (u)). si on applique P1 (u), on
trouve :
P1 (u)(x2 ) + ... + P1 (u)(xr ) = 0
Or, P1 (u)(x2 ) ker(P2 (u)), ..., P1 (u)(xr ) ker((Pr (u)) donc par hypothse de rcurrence :
P1 (u)(x2 ) = ... = P1 (u)(xr ) = 0
Or : ker P1 (u) ker Pi (u) = 0 si i > 1 car P1 et Pi sont premiers entre eux !.
Donc :
x2 = ... = xr = 0
et forcment, x1 = 0.
q.e.d.
q.e.d.
Chapitre 6
Dcomposition spectrale
0
Mat(u)B =
T1
T2
..
.
Tp
6.1
Sous-espaces caractristiques
107
108
les fonctions de la forme p(x)ex pour un certain polynme p(x) (en eet, si
f = ex g, alors :
(D IdE )m (f ) = ex g (m) = 0 g (m) = 0
g est un polynme de degr m 1 .
(u IdE )m1 v
est un vecteur propre de poids (c--d de valeur propre) . Donc est une
racine du polynme caractristique (si E est de dimension nie).
Exercice 43 (important) Lensemble des vecteurs propres gnraliss de
poids et de hauteur m est un sous-espace de E, stable par u : cest
exactement ker(u IdE )m .
On a une chane croissante de sous-espaces stables :
ker(u IdE ) ker(u IdE )2 ...
Remarque :
La suite des dimensions est croissante :
dim ker(u IdE ) dim ker(u IdE )2 ...
En dimension nie, cette suite est stationnaire donc il existe un entier m
tel que : E (u) = ker(u IdE )m .
Nous allons maintenant voir pourquoi cette notion de sous-espace caractristique est importante.
Rappelons que pour tout , le sous-espace E (u) est stable par u et donc
par tout polynme en u.
109
de plus :
v Vm+2 (u IdE )m+2 v = 0
(u IdE )v Vm+1
(u IdE )v Vm
v Vm+1
et la matrice de la restriction
u|E
dans la base e1 , ...ekm est triangulaire de la forme :
B=
110
= ( )x
l 0, (u IdE )l (x) = ( )l x
( )l x = 0
q.e.d.
Proposition 6.1.2 Si E est de dimension nie, alors le sous-espace caractristique de u de poids est de dimension la multiplicit de dans le polynme
caractristique u (X) :
dim E (u) = ma () .
Dmonstration
: Soit e1 , ..., ek une base de E (u) =: E o la matrice de la
B=
Donc u| (X) = (X )k .
E
On complte la base e1 , ..., ek en :
e1 , ..., ek , ek+1 , ..., en
une base de E.
Remarquons que E est stable par u en eet :
(u IdE )m (v) = 0 (u IdE )m .u(v) = u.(u IdE )m (v) = 0 .
Dans cette base, la matrice de u est de la forme :
0 D
111
o D Mnk ( ).
Donc :
u (X) = (X )k D (X)
w E ek+1 , ..., en
contradiction !
w=0
q.e.d.
il sut donc de vrier que les polynmes (Xi )ki sont deux deux premiers
entre eux car alors : les sous-espaces ker(u i IdE )ki sont en somme directe
daprs le lemme des noyaux et v1 = ... = vr = 0. Nous allons montrer que
P (X) = (X )m , Q(X) = (X )n , m, n entiers 1, =
sont
1
. On a :
premiers entre eux. Soit c :=
1 = c((X ) (X ))
en levant la puissance m + n 1 :
112
Thorme 6.1.4 Supposons E de dimension nie. Si le polynme caractristique de u est scind sur , alors :
E = ri=1 E i
o 1 , ..., r sont les racines distinctes de u (X).
Dmonstration : On a dj vu que la somme est directe. Si u (X) = (X
1 )m1 ...(X r )mr , alors daprs le thorme de Cayley-Hamilton, u (u) = 0
donc :
E = i ker(u i IdE )mi i E i .
q.e.d.
1.
Thorme 6.1.5 Pour tout 1 i r, ki est aussi le plus petit entier m tel
que
ker(u i IdE )m = ker(u i IdE )m+1 (= E i )
Dmonstration : Notons mi le plus petit entier m tel que
ker(u i IdE )m = ker(u i IdE )m+1 ,
pour tout i. Alors :
E = i E i = i (ker(u i IdE )mi )
donc :
113
et ki mi pour tout i.
Dun autre ct, mu (u) = 0
r
i=1
j=i
j=1 E
j=i
= {0}
6.2
q.e.d.
Projecteurs spectraux
0:
avec i
E = ri=1 E i .
Dnition 50 Pour toute valeur propre i , on note i ou i la projection
sur le sous-espace E i paralllement au sous-espace :
rj=1 E j
j=i
114
ker i = 1jr E j .
j=i
pour tout i.
Proposition 6.2.1 Les projecteurs spectraux sont des polynmes en u.
Dmonstration : En eet, soit 1 i r. Posons :
Qi (X) :=
mu (X)
=
(X j )kj
(X i )ki
j=1
0[X] .
j=i
Comme Qi (i ) = 0,
Qi (X) = a0 + a1 (X i ) + a2 (X i )2 + ...
pour certains coecients a0 , a1 , a2 , ...
trouver
0 tels que a
= 0. On peut alors
0[X]
i = (Ui Qi )(u)
en eet :
si x E i = ker(u i IdE )ki , alors (Ui Qi )(u)(x) = IdE (x) = x
si x E j = ker(u j IdE )kj , j = i, alors (Ui Qi )(u)(x) = 0 .
115
6.3
1
Ur (X)
U1 (X)
+
...
+
.
=
k
mu (X)
(X 1 ) 1
(X 1 )kr
q.e.d.
Dcomposition de Dunford-Jordan
0. Alors il existe
Cette dcomposition
u=d+n
est appele dcomposition de Dunford-Jordan.
Remarque : Mme nonc avec une matrice A la place de u.
Dmonstration :
soient i les projecteurs spectraux de u.
existence : d := 1 1 + ... + r r , n := u d.
Pour tout x E i , d(x) = i x. Donc
E i ker(d i IdE )
et :
E = i ker(d i IdE )
116
et par rcurrence :
nk (x) = (u i )k (x) .
117
q.e.d.
retenir :
d = 1 1 + ...r r et les valeurs propres de u sont les valeurs propres
de d.
diagonalisable et nilpotent nul.
Exercice 44 u (X) = d (X).
Proposition 6.3.3 u diagonalisable u = d ssi n = 0 ;
u nilpotent u = n ssi d = 0.
Dmonstration : Cest une consquence directe de la dcomposition de
Dunford-Jordan.
q.e.d.
Exemple :
si A =
ATTENTION ! si u =
6.4
6.4.1
D = In et N =
1 3
, d = u, n = 0.
0 2
1
Q
en lments simples :
1
R1 (X)
+ ...
=
Q
(X 1 )l1
Q(X)
lj
3me tape : i = Ri (u)Qi (u) o Qi (X) := (X
1jr (X j ) .
li =
)
i
j=i
118
6.4.2
Exemples
A=
1 1 1
1 1 1
1 1 1
alors on sait que A est diagonalisable et que ses valeurs propres sont 0, 3. Les
projecteurs spectraux associs 0 , 1 vrient :
0 + 3 = I3 et 33 = D = A
donc :
1
1
3 = A et 0 = I3 A
3
3
b)
A :=
1 6
1 2
5
1
mA (X) mA (X)(3 X)
+
X 1
(X 2)2
mA (X)
(A) = (A2I3 )2 et 2 =
X 1
mA (X)(3 X)
(A) = A2 +4A3I3 .
2
(X 2)
6.5
119
Rduction de Jordan
6.5.1
Blocs de Jordan
1 0 0
0 0
0, n 0.
J,n :=
Mn ( )
On a :
k
|
0 0
1
0
..
.
.
.
.
. ..
.
.. ..
.
.
.
.
.
.
k
.
.
(J,n In ) = .
.
..
.
.
.
.
0
0
..
.
..
1
si 0 k n 1
0
..
.
0
et (J,n In )k = 0 si n < k.
Dnition 52 Une matrice de Jordan est une matrice diagonale par blocs
de la forme :
J
1
.
..
Jr
120
6.5.2
Matrices nilpotentes
q.e.d.
0 1 0 0
0 0
J0,n =
0 0
Mn ( )
121
J0,n1
.
.
.
.
J0,nr
un1 1 (e1 ), ..., e1 , un2 1 (e2 ), ..., e2 , ..., unr 1 (er ), ..., er
est de la forme
donc :
J0,n1
...
J0,nr
122
0e H
... Hr
123
car h(u1 ) = m.
6.5.3
q.e.d.
Rduction de Jordan
Thorme 6.5.3 Soit u un endomorphisme de E dont le polynme caractristique, u (X) est scind sur .
Existence : il existe une base de E o la matrice de u est de Jordan i.e. :
Mat(u) =
J1
..
.
Jr
0
0
0,
m 1, N,m := {1 i r : Ji = J,m }
0 et tout m 1.
124
J0,n1
..
.
J0,nr
+ In1 +...+nr
rg (J,n In )k =
J,n1
..
.
J,nr
si =
n
nk
si = et 0 k n 1
si = et n k
donc si la matrice de u dans une certaine base est une matrice de Jordan :
alors :
J1 ,n1
...
Jr ,nr
rg (u IdE )k =
=
q=1
q =,nq >k
q=1
(nq k) +
nq
q=1
q =
do :
rg (u IdE )k1 rg (u IdE )k =
q=1
q =,nq >k1
q=1
q =,nq k
125
et nalement :
(rg (uIdE )k1 rg (uIdE )k )(rg (uIdE )k rg (uIdE )k+1 ) =
q=1
q =,nq =k
q.e.d.
Applications
Si A Mn (C), alors A est semblable t A. En eet, il sut de le
vrier lorsque A est un bloc de Jordan (exo) .
Si N M4 ( ) est nilpotente, alors N est semblable une et une seule
des 5 matrices suivantes :
0,
0 1 0 0
0 0 0 0
0 0 0 0
0 0 0 0
0 1 0 0
0 0 0 0
0 0 0 1
0 0 0 0
0 1 0 0
0 0 1 0
0 0 0 0
0 0 0 0
0 1 0 0
0 0 1 0
0 0 0 1
0 0 0 0
1 0 0
0 2 0
0 0 2
ou
1 0 0
.
0 2 1
0 0 2
126
Chapitre 7
Puissances
7.1
Motivation
Problme : rsoudre
un = aun1 + bvn1
vn = cvn1 + dvn1
o a, b, c, d sont xs ou bien :
un = aun1 + bun2
o a, b sont xs.
Ces deux problmes se rduisent au calcul de Ak o :
a b
A=
7.2
c d
0 1
ou
b a
Cas diagonalisable
k 0,
0, alors :
...
n
127
k1
...
kn
128
CHAPITRE 7. PUISSANCES
k 0, Ak = k1 1 + ... + kr r
cest vrai aussi pour k entier ngatif lorsque tous les i sont non nuls.
Exemple : Si
1 1
A :=
Mn (Q)
1
1
alors les valeurs propres de A sont 0 et n, et :
A = nn k, Ak = nk n = nk1 A .
cos t sin t
Exercice 47 Si A =
, alors :
sin t cos t
A = eit + eit +
o :
1 1 i
1 1 i
=
et + =
.
2 i 1
2 i 1
Ak = eikt + eikt + =
Si A =
o :=
1+ 5
2
0 1
1 1
cos kt sin kt
sin kt
cos kt
alors :
k1
k1
1
k Z, Ak =
5
k k
et :=
1 5
.
2
k+1 k+1
129
0 1 1
1 0 0
A et le projecteur spectral associ.
2
3
Exercice 48 Soit A :=
a) Vrier que =
1
32 1
An1,3
An1,2
Exercice 49 Si A :=
1 6
1
1
alors :
1 =
4 6 6
2 3 3
0
et 2 =
An =
n1
3 6 6
2 4 3
0 0 1
3n 6 6n + 12 9n + 12
3n 4
6n + 8
9n + 6
2n
3n + 2
4 6 6
.
2 3 3
0 0
0
130
CHAPITRE 7. PUISSANCES
7.3
Cas gnral
n
n(n 1)...(n k + 1)
:= Cnk :=
k!
k
si k n et [
Les
n
k
n
k
:= Cnk := 0 si k > n.
k j kj
k
k 0, (A + B) =
AB
.
j=0 j
En particulier, si A = D + N avec D diagonalisable et N nilpotente qui
commutent :
k
k
k
Dkj N j .
A =
j
j=0
les i tant deux deux distincts. Notons 1 , ..., r les projecteurs spectraux
associs aux valeurs propres 1 , ..., r . Alors :
k 0, Ak =
i=1
min{k,ki 1}
j=0
k kj
(A i In )j i .
j i
7.4
Suites rcurrentes
131
n 1, un = a1 un1 n 1, un = u0 an1 .
Si p = 2,
n 2, un = a1 un1 + a2 un2 n 2, un = 1 n1 + 2 n2
n 2, un = a1 un1 + a2 un2 n 2, un = (n + )n
pour certains , si X 2 a1 X a2 = (X )2 .
Exercice 50 Soit (un ) la suite dnie par :
u0 = 0, u1 = 1, n 2, un = un1 + un2
alors :
1
n 0, un =
5
n
n
1+ 5
1 5
.
2
2
= np
(n p)k P (i ) + (n p)k1 i P (i ) + ... + ki P (k) (i )
i
=0 .
Rciproquement, si :
132
CHAPITRE 7. PUISSANCES
alors on pose :
Xn :=
On a alors :
unp+1
..
.
un
n p, Xn = AXn1
0 1 0
0
A=
donc :
0
ap
1
a1
n p, An =
=
Or,
i=1
min{n,ki 1}
j=0
n
j
n
i
j
i=1
j=0 i
k
i 1
n nj
(A i In )j i
j i
(A i In )j i .
n p, Xn = Anp+1 Xp1
= An X 0
i=1
ni
k
i 1
j=0
n (A i In )j i (X0 )
j
ji
n
n(n 1)...(n j + 1)
=
j!
j
q.e.d.
Chapitre 8
Exponentielle
Dans ce chapitre, les matrices sont complexes !
Motivation : systme direntiel linaire + formule de Taylor
8.1
Exponentielle complexe
Rappelons que :
converge
toute srie numrique
k=0 ak termes rels positifs (ou nuls)
N
(dans R) si et seulement si la suite de ses sommes partielles k=0 ak est
borne.
k=0
|zk | <
zk converge dans C.
k=0
exp z := ez :=
zk
k=0
et :
k!
e0 = 1, ez+z = ez ez ( z, z C) .
8.2
Suites de matrices
134
CHAPITRE 8. EXPONENTIELLE
On pose :
|||A||| := max
i
|ai,j |
Exercice 51 En dduire que si (Ak ) et (Bk ) sont des suites de matrices qui
convergent vers A et B, alors :
lim Ak Bk = AB .
x1
..
.
xn
||AX||
|||A||| = X
max
0n ||X||
X=0
8.3
Dnition de exp(A)
Ak
k=0 k!
exp A := eA :=
Ak
k=0 k!
135
Ai,j
k!
k=0
|||A |||
k!
k=0
|||A|||k
k!
k=0
= e|||A||| < .
Donc pour tous i, j, la srie
Aki,j
k=0 k!
converge dans C.
e 1
exp D =
q.e.d.
on a
m
m
Ai
Bj
(A + B)k
m0 :
k!
j=0 j!
i=0 i!
k=0
136
CHAPITRE 8. EXPONENTIELLE
m
Ai B j
Ai B j
=
0i,jm i! j!
k=0 i,j0 i! j!
i+j=k
Ai B j
Ai B j
0i,jm i! j!
0i,jm i! j!
i+jm
Ai B j
i! j!
0i,jm
i+j>m
donc :
m
m
Ai
Bj
(A + B)k
m 0, |||
|||
k!
i=0 i!
j=0 j!
k=0
|||
0i,jm
i+j>m
0i,jm
i+j>m
0i,jm
i+j>m
|||
Ai B j
|||
i! j!
|||A|||i |||B|||j
i!
j!
Ai B j
|||
i! j!
m
m
|||A|||i
|||B|||j
(|||A||| + |||B|||)k
i!
j!
k!
i=0
j=0
k=0
q.e.d.
0 1
t.
cos t sin t
sin t
cos t
8.4
137
Mthode de calcul
k
r
j
i 1
(A
I
)
i n
eti
tj
i .
exp(tA) =
j!
i=1
j=0
En particulier, exp A est un polynme en A.
r
Dk
ki
D=
i i k 0,
=
i
k!
i=1
i=1 k!
et on en dduit que :
Dk
ki
=
i
exp D =
i=1 k=0 k!
k=0 k!
i=1
e i i .
138
CHAPITRE 8. EXPONENTIELLE
Dun autre ct, on a :
N=
N i
i=1
i=1
(A i In )i
k 0 N k =
or : k ki , (A i In ) i = 0 (exo) .
Donc :
i=1
exp N =
=
r k
i 1
i=1 k=0
Exemple : Si
A :=
alors
8.5
8.5.1
2t
e
(A i In )k i
Nk
k=0 k!
(A i In )k
i .
k!
q.e.d.
1 6
1 2
5
1
3t 3 6t + 6 9t + 6
3t 2 6t + 4 9t + 3
t
2t
3t + 1
t
+e
4 6 6
2 3 3
0
quations direntielles
Drivation des matrices
f (t) f (t0 )
t t0
139
existe dans C. On dit que f est drivable sur I si elle lest en tout t0 I.
Dnition 57 Soient ai,j : I C, i, j, des fonctions drivables sur un intervalle I de R. On dit que la matrice A(t) := (ai,j (t))1ip,1jq est drivable
et on note A (t) := (ai,j (t))1ip,1jq .
Exercice 56 Vrier que si pour tout t I, A(t) Mp,q (C) et B(t)
Mq,r (C) et si les matrices A et B sont drivables sur I, alors le produit aussi
et on a :
eti
i=1 k=0
tk
(A i )k i
k!
(la somme sur k est en fait nie car (A i In )k i = 0 pour k assez grand).
Donc :
t exp(tA)
et drivable de drive :
(exp(tA)) =
i=1 k=0
i=1 k=0
eti i
eti (i
tk1
tk
+k
)(A i In )k i
k!
k!
tk
tk
eti (A i In )k+1 i
(A i In )k i +
k!
k!
i=1 k=0
i=1 k=0
eti
tk
(i In + (A i In ))(A i In )k i
k!
= A exp(tA) .
q.e.d.
140
CHAPITRE 8. EXPONENTIELLE
8.5.2
y1 (t)
..
.
est un
yn (t)
vecteur inconnu dont les coordonnes sont des fonctions drivables.
cas homogne :
Thorme 8.5.2
Y = AY Y (t) = exp(tA)Y (0)
en particulier les solutions sont dnies sur R tout entier.
q.e.d.
Exemple : Le systme :
x1 (t)
1
= exp(tA)
x2 (t)
x3 (t)
0
o A est la matrice
141
. On trouve alors :
1 6
1 2
5
1
x3 (t) = te2t .
ei t Pi (t)
i=1
y(t)
y (t)
..
.
y (p1) (t)
0 1 0
0
0
0
1
ap
a1
Cp pour tout t.
142
CHAPITRE 8. EXPONENTIELLE
ti
i=1
m 1
i
tk
k=0
k!
(A i Ip )
e i t
i=1
m
i 1 k
k=0
t
(A i In )k i (Y (0))
.
1
k!
=:Pi (t)
(p)
t R, y (t) + a1 y
=
(p1)
ak
k=0
p
j=0
j<mi
(j)
ei t Pi (t)
k=j
=0 .
ak
j=0
k kj i t (j)
e Pi (t)
j i
k!
kj
(k j)! i
=(j) (i )=0
q.e.d.
Chapitre 9
Groupe orthogonal
9.1
Matrices orthogonales
2 2 1
1 1 1
1
et 1 2
2
3
2 1 1
2 1 2
sont orthogonales.
Remarque : A orthogonale A inversible et A1 = t A AtA = In .
Remarque : Si A est orthogonale, alors (det A)2 = det (tAA) = 1 donc
det A = 1.
Dnition 59 On note On (R) lensemble des matrices n n relles orthogonales et SOn (R) lensemble des matrices n n relles orthogonales de
dterminant 1. Les lments de SOn (R) sont les rotations de Rn .
Remarque : In On (R), A On (R), A1 On (R) A, B On (R), AB
On (R) donc On (R) est un sous-groupe de GLn (R). De mme SOn (R) est un
sous-groupe de GLn (R).
9.2
Produit scalaire
144
(si X =
x1
..
.
xn
Proprits :
et Y =
y1
..
.
yn
alors X, Y = x1 y1 + ... + xn yn ).
x, y, z Rn , x, y + z = x, y + x, z
x, y, z Rn , x + y, z = x, z + y, z
x, y Rn , t R, x, ty = tx, y = tx, y
x, y Rn , x, y = y, x
x Rn , x, x 0 et x, x = 0 x = 0 .
x, x.
q.e.d.
145
AX, AY = X, Y .
iii) i) :
On a :
X, Y Rn , AX, AY = X, Y
X, Y Rn , tAAX, Y = X, Y
X, Y Rn , tAAX X, Y = 0
||tAAX X||2
donc tAAX = X pour tout X Rn do tAA = In .
9.3
q.e.d.
Rexions orthogonales
Exemple : R =
0
.
0 1
Dnition 63 Soit v =
v1
..
.
vn
G(v1 , ..., vn ) := vi vj
1i,jn
Mn (R)
et :
Rv := In 2G(v1 , ..., vn ) .
Proposition 9.3.1 La matrice Rv est une rexion orthogonale et :
X Rn , Rv (X) = X 2v, Xv .
146
n 1.
De plus, si X =
x1
..
.
xn
et si Rv (X) =
yi = x i 2
j=1
y1
..
.
yn
alors :
vi vj xj = xi 2v, Xvi
q.e.d.
9.4
9.4.1
xx
.
||xx ||
q.e.d.
cos
Soit R. On notera := R
sin
par 0 et qui fait un angle avec laxe des abscisses .
Exercice 57 Vrier que les matrices
t :=
cos t sin t
sin t
cos t
et Rt :=
cos t
sin t
sin t cos t
147
cos t sin t
sin t
cos t
SO2 (R) =
Dmonstration :
: t
cos t
a2 + c 2 = 1
a b
O2 (R)
ab + cd = 0
c d
b + d2 = 1
: t R .
: tR
cos t
sin t
sin t cos t
cos t sin t
sin t
a b
c d
= ad bc :
cos d sin b =
sin d + cos b = 0
d = cos
b = sin
.
q.e.d.
Exercice 58
t, t R, t t = t+t , Rt Rt = 2(t t)
Exercice 59 En dduire que O2 (R) est engendr par les rexions orthogonales.
148
9.4.2
0 1
t .
2
O3 (R)
0
0
A=P
P 1
0 cos t sint
0 sin t cos t
trA1
).
2
Dmonstration : Supposons que det A = 1. Comme le polynme caractristique de A est rell de degr 3, il admet 3racines relles 1 , 2 , 3 ou une
racine relle et deux racines complexes conjugues , . Dans le prmier cas
1 2 3 = 1 et dans le second : ||2 = 1. Dans les deux cas, A admet au
moins une valeur propre relle > 0. Il existe alors v R3 de norme 1 tel
que : Av = v.Comme ||Av|| = ||v||, on a :
||v|| = = 1
donc 1 est valeur propre de A.
Il existe P O3 (R) tel que P
= v. Mais alors :
0
Av = v
149
AP
=P 0
0
0
0
0 = 0 .
P 1 AP
0
0
1
1
B est de la forme :
.
0 a b
0 c d
a b
Donc : tBB = I3 = = 0 et
Or, on a dj vu que :
SO2 (R) =
B
0 = 0 ,
0
0
c d
cos t sin t
sin t
cos t
: tR
150
0 cos t sint
0 sin t
cos t
=P
0 cos t
0 sin t
1
P
sint
cos t
0 cos t sint
0 sin t
avec P =
9.4.3
cos t
1 0
=P
0 cos(t) sin(t)
0 sin(t)
cos(t)
1
P
.
0
0 1
0 0 1
Cas gnral
R=
1
1
1
1
cos i sin i
o i =
sin i
cos i
151
Cas o n = 2, 3 : Si n = 2, A = ou A = P
A=P
0 cos sin
0 sin
cos
0 1
P 1
pour une
1
P
0 ...
1
0 b1,1 ...
.
.. ...
...
bn1,n1
152
a
b
(||Y ||2 ||X||2 ) = (||Y ||2 ||X||2 )
2a
2b
Do : si ||Y ||2 = ||X||2 : 2b2 = 2a2 et a = b = 0 absurde donc ||Y ||2 = ||X||2
et X, Y = 0.
On peut supposer que ||X|| = ||Y || = 1. Soit R1 On (R) tel que R1 X =
e1 . On pose :
R2 :=
In si R1 Y = e2
R
e2 R1 Y
||e2 R1 Y ||
si R1 Y = e2 .
Comme R1 Y, e1 = R1 Y, R1 X = Y, X = 0, on a R2 R1 X = e1 . On a
aussi, R2 R1 Y = e2 .
Donc (R2 R1 )1 AR2 R1 est une matrice orthogonale de la forme :
U V
0 Z
9.5
q.e.d.
Les quaternions
Rappelons que :
C
a b
a b
a + ib
M2 (R)
b a
b a
9.5.1
153
Dnitions
Dnition 65 Soit
:=
b a
1 := I2 , I :=
0 i
, J :=
M2 (C)
1 0
, K :=
0 i
i 0
Proposition 9.5.1
est une sous-Ralgbre de M2 (C) i.e. : I2 et
est stable par addition, par multiplication par un scalaire rel et par multiplication.
Dmonstration : Pour la stabilit par multiplication, on vrie que :
b a
b a
b a
aa
bb
ab +
a b
ab + a b aa bb
= R1 RI RJ RK
Table de mulitplications :
I 2 = J 2 = K 2 = 1
IJ = JI = K , JK = KJ = I , KI = IK = J
IJK = 1
(exo)
Remarque : Si s R, v =
v1
v2
R3 , alors on pose :
v3
[s, v ] := s + v1 I + v2 J + v3 K
.
q.e.d.
154
xI + yJ + zK , x, y, z R
q R q 2 R+
q
a b
Remarque : Pour tout q =
b a
q = 0 q inversible dans M2 (C).
, det q = |a|
+ |b|2 . Donc,
Dmonstration : Soit 0 = q =
q 1
b a
. Alors,
1
a b
= 2
|a| + |b|2
b a
, lquation X
, xq = qx.
, on a
q.e.d.
9.5.2
155
Norme
Pour tout q
, on pose :
q := tq .
Proprits :
q1 , q2
, (q q )
1 2
= q2 q1
= q q = det (q)I2 R+ I2
a, b, c, d R, (a + bI + cJ + dK) = a bI cJ dK .
(q, q ) q, q := (qq + q q )
2
q, q
, ||qq || = ||q||||q ||
G := S 3 := SU2 := {q
: ||q|| = 1}
est un sous-groupe de
\ {0}.
Ce groupe joue vis--vis des rotations de SO3 (R) le mme rle que le
groupe S 1 vis--vis de SO2 (R).
9.5.3
, on pose :
s : y s (y) := qyq
(vrier que si y , s (y) ).
Pour tout 0 = q , on notera S la matrice de s dans la base I, J, K
de .
Remarque : La base I, J, K de est orthonormale.
Pour tout 0 = q
156
Lemme 9.5.4 Si s = s1 I + s2 J + s3 K
s23 = 1, alors il existe g S 3 tel que :
, avec s , s , s
R et s21 + s22 +
sg (I) = s .
Dmonstration : Il existe , R tels que :
s1 = cos , s2 = sin cos , s3 = sin sin .
On pose alors :
g = cos I + sin cos J + sin sin K
o := 2 , = . On a bien : sg (I) = s.
q.e.d.
q, q S 3 , Sqq = Sq Sq
Sq = Sq q = q
, s s
q q (y)
|| = ||q||||y||||q 1 || = ||y||
et b = sin .
2
2
157
Sq =
0 cos sin
0 sin
cos
SO3 (R) .
sg (I) = gIg 1 =
p
.
||p||
On a alors :
sg (a + ||p||I) = q
(exo) .
Soit r := a + ||p||I. On a donc : grg 1 = q do :
Sq = Sg Sr Sg1
or Sr SO3 (R) daprs la premire partie de la dmonstration donc Sq
SO3 (R) (car de dterminant 1).
Il reste montrer la surjectivit :
v1
R3 de poids
v2
v3
3
1 de R.Daprs le lemme, il existe g S tel que : sg (I) = v1 I + v2 J + v3 K.
Mais alors :
1 1
Sg1 RSg
= 0 .
0
0
0
Sg1 RSg
0 cos sin
0 sin
cos
158
+ sin I
2
2
do la surjectivit.
Pour nir le noyau est {1} :
Si Sq = I3 alors :
, s (y) = y
, qyq = y qy = yq
y , qy = yq
qR .
q.e.d.
a = cos
p1
et ||p|| = sin .
2
2
p3
est la rotation daxe Rp et dangle .
Chapitre 10
Invariants de similitude
10.1
0}
A1 =
0 \ {0}. Rciproque-
1 t
(A) Mn ( [X]) .
det A
q.e.d.
160
i, j , ci,j =
k,l=1
donc d1 (A) divise ci,j pour tous i, j. Donc d1 (A) divise d1 (P AQ). De mme
d1 (P AQ) divise d1 (A) = d1 (P 1 (P AQ)Q1 ). Ainsi, d1 (A) = d1 (P AQ). q.e.d.
10.1.1
Matrices lmentaires
... (X)
..
.
..
0[X] en
.
1
i :=
i1 fois
0 1
1 0
1
i1 fois
1
..
...
1
10.2
A, B, C Mn ( [X]), A A ;
ABBA;
ABCAC .
Lemme 10.2.1 Soit A Mn ( [X]) une matrice non nulle. Alors, A est
quivalente une matrice de la forme :
d (A) 0
1
Ti,j ()
Di ()
EA
AE
Soit d le degr minimal dun coecient non nul bi,j dune matrice B
quivalente A. Quitte permuter des lignes ou des colonnes de B, on peut
162
b1,1 0
o b1,1 divise tous les coecients de la matrice A et o lon peut supposer que
b1,1 est unitaire (quitte multiplier la ligne 1 par un coecient constant non
nul) . Mais alors d1 (B) = b1,1 . Et comme A est quivalente B, d1 (A) = b1,1 .
q.e.d.
Exemple :
X
X 1 C1 C2 1 X C1 1
0 X
X 0
X 0
L2 L2 +XL1
X C2 C2 XC1 1 0
.
0 X2
0 X2
i) P1 |P2 |...|Pr
P
1
ii) A
..
.
Pr
0
..
.
0
P
1
..
.
Pr
0
...
0
Q
1
A
..
.
Qs
0
...
0
P
1
...
Pr
0
...
0
P
1
...
Qs
0
...
0
164
entrane
P
2
..
.
Pr
0
..
.
0
Q
2
..
.
Qs
0
..
.
0
(exo)
q.e.d.
10.3
Invariants de similitude
CP :=
0 cn
0 1 c1
0[X] et
Mn ( )
165
Dmonstration :
XIn CP :=
0
X
0 1 X + a1
1 X
L1 L1 +XL2 +...+X n1 Ln
0 0
L1 Ln
1 X
0
X
P (X)
an1
a2
X + a1
P (X)
0 1 X + a1
an
0
X 0
1
P (X)
q.e.d.
166
=:P1
=:P0
Q Q1 P1 (XIn B)Q1
P1 P
(XIn A)
P1 (XIn B)Q1
Finalement, on a obtenu :
k1 k
j=0
(XIn A)kj1 Aj .
(XIn A).
167
P0 inversible et A = P0 BP01 .
Voici le thorme principal du chapitre (et mme du cours) :
ii) XIn A
q.e.d.
0[X]
...
1
P1
...
Pr
CP1
..
.
CPr
Corollaire 10.3.3.1 Si A, B Mn ( ) ont les mmes invariants de similitude alors A et B sont semblables.
168
XIn A = P
..
.
1
P1
..
.
Pr
matrice
...
1
P1
...
Pr
CP1
..
.
C Pr
Mn ( )
169
et que :
CP1
...
CPr
1
P1
...
1
Pr
...
1
P1
...
Pr
XIn A .
CP1
..
CPr
de A. Ilsut de
Il reste montrer que Pr est le polynme minimal
CP1
..
Or, un
CPr
polynme p(X) annule C si et seulement si p(CP1 ) = ... = p(CPr ) = 0 i.e.
Pi |p(X) pour tout i (car CPi a pour polynme minimal Pi ). Donc :
p(C ) = 0 Pr |p(X) .
Ainsi, C , et donc A, ont pour polynme minimal Pr .
q.e.d.
170
10.4
Endomorphismes cycliques
171
et u est cyclique.
a:
q.e.d.
0[X], on
C
P1
.
..
CPr
172
Ci,j := {F L (Ei , Ej ) : uj F = F ui } .
On a :
f C (u) f u = uf 1 i r, x Ei , f u(x)uf (x)
1 i, j r, fj ui = uj fj |Ei
1 i, j r, fi,j ui = uj fi,j .
dim C (u) =
dim Ci,j .
1i,jr
173
= (F Pi (ui ))(x)
=0 .
Donc F (x) ker Pi (uj ) pour tout F Ci,j . ainsi : Im ker Pi (uj ).
Pour linclusion rciproque, soit y ker Pi (uj ). On pose alors :
F (Q(ui )(x)) := Q(uj )(y)
pour tout polynme Q. Lapplication F : Ei Ej est bien dnie en eet :
si Q1 , Q2 [X] sont des polynmes tels que Q1 (ui )(x) = Q2 (ui )(x), alors
sur Ei .
Ainsi, F Ci,j et (F ) = F (x) = y.
On a donc dim Ci,j = dim ker Pi (uj ).
Nous allons montrer que :
dim ker Pi (uj ) =
di si i j
dj si i j
Pi Q|Pi S
174
Donc :
0[X]}
(exo) .
Or les vecteurs Q(uj )(ukj (x)) : 0 k di 1 sont indpendants donc
dim ker Pi (uj ) = di .
En conclusion, on a :
dim C (u) =
dim Ci,j
1i,jr
di +
1i<jr
1j<ir
=2
di +
1i<jr
=2
1ir
di
1ir
di
1ir
(r i)di +
1ir
dj +
di
1ir
(2r 2i + 1)di .
q.e.d.
Remarques :
si u = IdE , alors r = n et les facteurs invariants de u sont P1 = ... =
Pr = (X ) et on retrouve que :
dim C (u) =
1ir
(2n 2i 1)
= 2n 1 + 2n 3 + ... + 1
= n2 = dim L (E) .
Do C (u) = L (E).
si u est cyclique, alors : r = 1 et P1 = u (X) donc :
dim C (u) = n .
0[u]
= {P (u) : P 0[X]}
C (u) =
175
Index
I(k), ensemble des inversions, 34
GLn ( ), groupe des matrices inversibles, 11
mult P , multiplicit, 64
ma (), 66
mg (), 66
diagonaliser, 62
polynme minimal, 79
arrangement, 34
arrangement pair,impair, 34
axe dune rotation, 129
multiplicit algbrique, 66
multiplicit gomtrique, 66
Pascal, 7
poids, 87
polynme annulateur, 75
polynme caractristique, 50
polynme annulateur, 79
premiers entre eux, 84
projection, 62
quaternions, 132
quaternions purs, 134
bloc de Jordan, 99
rexion, 62
Cayley-Hamilton, 75
coecient binomial, nk , Cnk , 110
cyclique, 100
scind, 65
somme directe, 59
sous-espace caractristique, 88
spectre, 48
diagonalisable, 61
diviseurs lmentaires, 144
endomorphisme cyclique, 150
espace propre, 58
exponentielle dune matrice, 114
groupe gnral linaire, 11
trace, 52
trigonalisable, 69
valeur propre, 48
vecteur propre, 48
vecteur propre gnralis, 87
hauteur, 87
invariants de similitude, 144
inversible gauche, 29
inversion, 34
matrice compagnon, 55
matrice de Jordan, 99
176