1. Leçon 153 - Polynômes d’endomorphisme en dimension finie. Réduction – (item 6) Pro : (Id, u, u2 , · · · , ud−1 ) est une base de K[u].

1 ) est une base de K[u]. La dimension de K[u]

d’un endomorphisme en dimension finie. Applications. est donc le degré du polynôme minimal de u.
– (item 7) Rqe : on peut appliquer le même raisonnement aux matrices de M (n, K)
Rapport du jury Cette leçon ne doit pas être un catalogue de résultats autour de
et deux matrices semblables, étant attachés à un même endomorphismes dans dif-
la réduction qui est ici un moyen pour démontrer des théorèmes ; les polynômes
férentes bases, auront des algèbres isomorphes.
d’endomorphismes doivent y occuper une place importante. Il faut consacrer une courte
partie de la leçon à l’algèbre K[u] et connaître sa dimension sans hésitation. Il est ensuite Quelques applications simples :
possible de s’intéresser aux propriétés globales de cette algèbre. Les liens entre réduction – (item 8) App : pour calculer P (u) on peut toujours diviser diviser par mu et se
d’un endomorphisme u et la structure de l’algèbre K[u] sont importants, tout comme ceux ramener ainsi à un calcul d’un polynôme de degré au plus d.
entre les idempotents et la décomposition en somme de sous-espaces caractéristiques. Il – (item 9) App : si a0 6= 0, alors on peut fabriquer u−1 dans K[u] par :
faut bien préciser que, dans la réduction de Dunford, les composantes sont des polynômes u( −1 d k
a0 Σk=1 ak u ) = 1
en l’endomorphisme, et en connaître les conséquences théoriques et pratiques. L’aspect – Nota : ces procédés de calcul de un ou de u−1 sont généralement plus courts que de
applications est trop souvent négligé. Il est possible, par exemple, de mener l’analyse spec- passer par une diagonalisation Q préalable.
trale de matrices stochastiques. On attend d’un candidat qu’il soit en mesure, pour une – (item 10) Pro : si mu (X) = Qi (X) avec les Qi deux Q à deux premiers entre eux,
matrice simple de justifier la diagonalisabilité et de déterminer un polynôme annulateur le lemme Chinois s’applique et K[u] ∼ K[X]/(mu ) ∼ K[X]/(Qi (X)).
(voire minimal). Il est bien sûr important de ne pas faire de confusion entre diverses – Exe : si s telle que s◦s = Id (involution), alors mu (X) divise X 2 −1 = (X −1)(X +1).
notions de multiplicité pour une valeur propre λ donnée (algébrique ou géométrique). Si la caractéristique de K n’est pas 2 et si s n’est pas triviale, on aura alors K[s] ∼
Enfin, calculer Ak ne nécessite pas, en général, de réduire A (la donnée d’un polynôme (K[X]/(X − 1) × K[X]/(X + 1)).
annulateur de A suffit souvent). – Exe : si p telle que p ◦ p = p (projection), alors mu (X) divise X 2 − X = X(X − 1)
Cadre : K est un corps et E un K-ev de dimension finie n. et, si p n’est pas triviale, on aura alors K[p] ∼ (K[X]/(X − 1) × K[X]/(X).
Remarques et propriétés :
1. Polynômes d’endomorphisme. — 0 – (item 11) Deux endomorphismes conjugués ont même polynôme minimal.
1. Algèbre K[u] : — – (item 12) Idem pour deux matrices semblables (qui partagent les endomorphismes
sous-jacents).
– (item 1) : Soit u ∈ L (E) un endomorphisme de E → E. – (item 13) Deux endomorphismes non conjugués (resp. deux matrices non sem-
– (item 2) : Avec la notation un = u◦· · · u, on peut associer à un polynôme P ∈ K[X] blables) peuvent avoir un même polynôme minimal.
tel que P (X) = Σak X k , un endomorphisme v = Σak uk . – Exe : on a vu que tous les projecteurs non triviaux ont X(X − 1) pour polynôme
– (item 3) Quelques remarques : minimal.
• K[u] = Im(Φ) est bien commutative. – (item 14) Si F est un sous-espace de E stable par u, alors u|F est un endomor-
• L’application Φ : K[X] → L (E) ainsi définie constitue un morphismes de K phisme et mu|F divise mu .
algèbres. – Développement possible : commutant et polynôme minimal.
• En tant que morphisme d’espaces vectoriel et puisqu la K-dimension de K[X]
3. Valeurs propres et espaces propres : —
est infinie alors que K-dimension de L (E) est n2 , Ker(Φ) est non réduit à
{0}. – (item 15) Déf : λ est valeur propre de u (resp. A) s’il existe un vecteur x (resp.
• En tant que morphisme d’anneaux, Ker(Φ) est un idéal. X) non nul tel que u(x) = λx (resp. AX = λX).
– (item 16) Def : on appelle spectre de u (resp. A), noté SpecK (u) (resp. SpecK (A)),
2. Polynôme Minimal : —
l’ensemble des valeurs propres de u (resp. A).
– (item 4) Pro : K[X] étant un anneau principal (car euclidien), il existe un polynôme – Notation : on notera d’après J. Grifone Spec0 (u) la collection où les λ peuvent appa-
engendrant Ker(Φ). On appelle “polynôme minimal de u” l’unique générateur uni- raître plusieurs fois, une par degré de la racine λ dans le polynôme caractéristique.
taire et on le note mu . Cette notion de collection se distingue donc d’un ensemble et on la notera {{}}
– Nota : tout polynôme annulateur sera donc divisible par ou associé à mu . – Exemples simples :
– (item 5) Pro : K[X]/(mu ) ∼ K[u] et, puisque L (E) est de dimension n, le degré • SpecK (id) = {1}, Spec0K (id) = {{1, 1, · · · , 1}}
d de mu est tel que d ≤ n. • SpecK (s) = {1, −1} où s est une involution non triviale.
 • SpecK (p) = {1, 0} où p est une projection non triviale. particulières : nous raisonnerons donc matriciellement sur la base d’une matrice A
• (item 17) Pro : SpecK (f ◦ g) = SpecK (g ◦ f ) associée à un endomorphisme f .
– (item 18) Pro : λ ∈ SpecK (u) ssi λ est racine de mu . – (item 27) Def : une matrice T = (tij ) est triangulaire supérieure (resp. inférieure)
– Def : on appelle sous-espace propre associé à λ, noté Eλ les vecteurs propres de λ si ∀i > j, tij = 0 (resp. tji = 0).Une matrice A est “trigonalisable” si elle est
plus 0. C’est un sous-espace vectoriel. semblable à une matrice triangulaire TA .
4. Polynômes Annulateurs : — – Remarques :
• Rem : Toute matrice triangulaire supérieure est semblable (par permutation
– Les polynômes annulateurs correspondent aux éléments de Ker(Φ). circulaire de sa base) à sa tranposée qui est triangulaire inférieure.
– Nota : les calculs de un ou u−1 évoqués précédemment peuvent aussi être faits par • Rem : le calcul de Pf = PA = PTA est alors trivial : Pf (X) = Π(X − tii ) les
division euclidienne par un polynôme annulateur autre que mu si cela s’avère plus éléments diagonaux correspondent alors exactement aux valeurs propres de T
pratique. et elles apparaissent avec leur multiplicité dans Pf .
– (item 19) Pro : P est un polynôme annulateur de u ssi mu divise (ou est associé – Def : D est diagonale ssi les seuls termes non nuls sont les dii . A est diagonalisable
à) P . si semblable à une matrice diagonale.
– (item 20) Pro : comme pour tout λ ∈ SpecK (u), X − λ divise mu , X − λ divise – On note pi , mi la multiplicité de λi dans Pu et mu respectivement. On note ni la
P ∈ Ker(Φ). dimension du noyau de u − λi id.
– Cor : Si Q(u) = 0 alors SpecK (u) est inclus dans l’ensemble des racines sur K de Q.
2. Conditions de diagonalisabilité/triangulabilité. —
5. Polynôme caractéristique : —
– (item 21) Def : Pu = det(u − Xi) dit “polynôme caractéristique” de u. (On peut – (item 28) Pro : une matrice A est trigonalisable ssi son polynôme caractéristique
faire de même pour les matrices carrées). (resp. minimal) est scindé dans K. Toute matrice est alors trigonalisable sur un
– (item 22) Pro : λ est valeur propre de u ssi det(u−λid) = 0. Ie racine du polynôme corps algébriquement clos, notamment sur C.
caractéristique. – Applications : Développement - Résolution de systèmes d’équations linéaires. En
– (item 23) Def : on appelle sous-espace caractéristique associé à λ, Ker(u−λid)α où effet, la résolution de T X = b s’effectue par descente (ou remontée) et prend n(n −
α est le degré de la racine λ dans le polynôme caractéristique. C’est un sous-espace 1)/2 opérations x+.
vectoriel. • Méthode directe : décomposition LU (ou pivot de Gauss) avec O(n3 ) opéra-
– (item 24) Thé : théorème de Cayley-Hamilton. Pu (u) = 0. tions x+. Puis descente/remontée des triangles pour O(n2 ) opérations x+.
– (item 25) Cor : • Méthode itérative de Gauss-Seidel et Gauss-Seidel-Southwell (relaxation).
• mu divise Pu . A = M − E − F avec M diagonale et E, F triangulaires (sup et inf). On
• deg(mu ) ≤ n résout M − E à chaque itération.
• mu et Pu ont les mêmes racines (mais pas forcément avec la même multiplic- – (item 29) Pro : les sev Eλi sont en somme directe et ni ≤ pi .
ité). – Cor : u est diagonalisable ssi la dimension des Eλ sont maximales (ie ni = pi ).
• Pro : mu est scindé ssi Pu est scindé. – (item 30) Développement :
– (item 26) Pro : T r(A) coefficient de X n−1 de PA (X). Et det(A) est le coefficient
• (item Q 31) Lemme des noyaux : si Q est un polynôme annulateur de f avec
constant de PA (X).
Q = Qi et Qi ∧ Qj = δij alors les sev Ker(Qi (f )) sont en somme directe
– Exe : Exemple :
et leur somme fait E.
• Étant donnés n − 1 scalaires arbitraires ai , on peut fabriquer une matrice A • (item 32) Cor : mf est diagonalisable ssi mf est scindé et ses racines sont
non diagonalisable de sorte que SpecK (A) = {ai } ∪ {Σai } : A = (Ci ) avec simples.
chaque colonne Ci composée de ai sauf la i-ème composante qui est nulle. • Nota : il est donc suffisant d’avoir un polynôme annulateur scindé et à racines
simples.
2. Écriture simplifiée des endomorphismes (resp. matrice) et applications. —
– Applications :
1. Notions et notations. — • Calcul de An (mais la division par mu fonctionne aussi).
– On cherche à décrire les endomorphismes dans des bases intégrant les vecteurs pro- • Calcul de systèmes de suites récurrentes liées.
pres pour en simplifier le calcul. Ceci correspond à obtenir sur ces bases des matrices • Résolution d’un système d’équation différentielles linéaires.
3. Décomposition de Dunford. — Développement : Il existe une décomposition plus
riche que la triangulation.
– On considère un endomorphisme f ∈ L (E), EK − ev de dimension n.
– Pf (X) est scindé dans K[X].
– Alors, ∃d, n, deux endomorphismes respectivement diagonalisable et nilpotent tels
que :
– f =d+n
– dn = nd (n et d commutent).
– Cette décomposition est unique sous ces conditions.
– Application : Exp : Mn (C) → GLn (C) est surjective.
– Exp(u) est diagonalisable ssi u l’est.
Sources :
– Algèbre Linéaire (Grifone)
– Réduction d’endomorphismes (Mansuy et Mneimné)
– Maths en tête ([Link])

August 17, 2018

Bruno Nitrosso, EPP et CNED