1 , :'

'1 l'
l
.''

~'~I
'

-1
1
 1
.' 1

1
1~ ,.1 '

~
~
!
....) 1
1
i
1
t
t
1~ algbre
r

~
,.
..r

<\ _,
;:r
<::>'

i
r
~
~.g 250 mthodes
"\

,
t
r
l ~
f ~ -'
J
'1 - \ x~ _~:'t~exercices corrigs

..
.....
.,~.,'- J

~
J Xavier MERLIN
Ancien lve de l'Ecole Polytechnique -
Examinateur en mathmatiques spciales
aux lyces Louis-Le-Grandet HenrHV
, ;"

t' ~

('
i
..

1) ~J 1' , t...
. -",,~ '.

i '-::
 AVANT PROPOS Avant propos

3. Faut-IIconnailredes rsultatshors-programme? 8, lors d'un oral, l'examinateur atten::l surtout du candidat qu'il rsolve l'exercice
, , r

NON. Le hors-programme n'a pas la cote ouprs des correcteurs. qui n'apprcient propos. i
(, )
gure que l'on trivialise leurs exercices avec des outils surpuissants et hors NON.Au.contraire; on po~rr~it presque dire.que c'est ce qu'il y a de moins important. 1
programme. Entant que moyen. le hors-programmeest donc viter. Enrevanche. Uncandidat est d abord Jugesursa capacite d'analyse de l'exercice. On attend de
en tant que partie d'une" culture gnrale mathmatique , Il peut parfaitement tre lui qu'il propose des mthodes de rsolution.et qu'il les teste; si elles chouent. cela
connu - par exemple comme illustrationd'une mthode rutilisable. n'estpas dramatique dons la mesureo le candidat ne s'entte pas dons cette voie
(cf. 4) : 1

4. Doit-on connatre par cur des listesde mthodes? je peux en [aire "
L'erreur est humaine, il faut admettre l'axiome i
OUI. Avant de se lancer dans la rsolution d'une question ou d'un exercice. Il faut Maisce que l'examino-teurvalorisepar dessus-tout.c'est la rceptivit du candidat
irr'~;rativement.au brouillon.faire rapidement le tour des 2 ou 3 mthodes dont on ses indications (car, contrairement un autre prjug. les'examinateurs donnent des
Indications 1),
d:";:;',)S9 dans ce genre de situations.Il n'y a en effet rien de plus grave. aux yeux d'un
e~:::rninateur.que de s'obstinerdans une voie qui est manifestementsansissue.Cela Si un examinateur demande de rpter, il ne faut pas s'en offenser! (... ) lorsqu'un
suppose donc que l'on dispose de mthodes alternatives : savoir changer de examinateur demande, plusieurs reprises, quel rsultat il faut dmontrer, il peut tre habile
r.;hode face une Impasse est gnralement peru comme une preuve de (... ) d'en tirer les enseignements, au prix de modifications ventuelles ...
9 'onde rnotrlse des maths.
<, L" candidat. au lieu de consacrer un peu de temps choisir la mthode la plus efficace, a au Naturellement, si le candidat fait peu de cos de son aide. l'examinateur ne
contraire tendance prendre la premire qui lui vient l'esprit et s'y tenir ... s'acharnera pas aider le candidat... Conclusion : peu Importe. la limite. que
l'exercice soit compltement rsolu, du moment que le candidat a montr sa
1 capacit d'analyse. de mthode et de raisonnement. Pour vous confirmer ces
5... L95questionscalculatoires comptent moinsque les questionsthoriques" propos.je livre votre rflexion la description d'un" oral type tel que le rvent les
examinateurs:
NON. Au contraire. A l'crit un candidat qui saute systmatiquementles questions Un bon oral devrait comporter quatre tapes:
plus calculatoires, ou plus pratiques (telles que : donner un exemple de fonction
telle que ... Il) est lourdement pnalis. A l'inverse. savoir se dbrouiller 1/ une priode de rflexion, voix haute si possible; .
conveocblernsnt dans un exercice calculatoire (tel que: calcul de valeurspropres. 2/ une priode d'organisation o le candidat exprime clairement ce qu'il envisage
de faire et pourquoi ill'envisage ;
dtem"'-,:::'"lts
...). en faisont preuve d'intellligence et de mthodes dans les calculs. 3/ une priode de ralisation;
est du 17:eilleur effet,
4/ une priode de conclusion, o ilexamine si les rsultats obtenus sont i
raisonnables (signe, dimension) et si les hypothses ont t bien utilises" J--
6. Fout-il noncer compltement un thorme classiquesion l'utilise? .
OUi. Le simple fait de citer son nom (s'il en a un) n'exonre en rien de rappeler ses A titre de complment. et. pour finir sur une note humoristique" (voire...). je vous
hypothses. de s'assurerexplicitement qu'elles sont toutes vrifies.et d'en noncer laissemditer ces petites perles: .
les conclusions utilises. 'li'
Certains candidats nous ont paru anormalement excits (I~rs de l'oral, NDLR), il .
p.. ce propos. nous vous dconseillons l'altitude d'un de vos ans. dcrit par son conviendrait de diminuer la dose des mdicaments! "
examinateur: .
(Nous avons t choqus par, NDLR) ce candidat frip, au look clochard, avec un pantalon
- noncez-moi le thorme de Cauchy-Lipschitz pour une quation y'=f(x,y) ; tch. " .
- y'=f(x,y) ; alors il y a une seule solution satisfaisant les conditions initiales;
- un thorme commence toujours par soit ; Que tous les candidats soient assurs que le bordereau de notes n'est jamais appliqu la
<c.

- ah ! alors soit y'=f(x,y) ; il 'j a ne seule solution satisfaisant, etc, etc... legre, et que nous ne le remettons qu'aprs mre rflexion .

7. JI n'y a pas de diffrence fondamentale entre un crit et un oral, du moment Remerciements

qu'on sait laire l'exercice. Je voudraisconclure cette longue Introduction en remerciant:
S!. Lesoroux et lescrits diffrent dans leur conception mme. Un crit est souvent mes lves, qui. par leur enthousiasme,leursquestions.leurscommentaires et leurs
construit sur des questions enchanes, qui constituent autant d'indications. C'est critiquesm'ont aid enrichirce livre;
pourquoi il faut toujourslire l'intgralit d'un sujetavant de commencer. Un exercice Antoine Oucros. qui a incomb la pnible mois combien ncessaire tche de
d'oral est souvent piUSabrupt. plusdense. et partant plus dlicat. MaisIlest aussiplus relecture critique du manuscrit. dont la collaboration m'a une fols encore t trs
difficile de prparer un oral qu'un crit partir des annales : Il est Impossiblede prcieuse. {.
~,,:.-105 conditions d'un oral. et l'interaction avec l'examinateur. Entout tat de
'>raln'estcertainement pas un simple crit parl (mme sic'est souvent
"lu'en donnent certains candidats !). A tel point que l'on vous Juge J'espre sincrement que cet ouvrage vous aidera dans votre travail. Je rserverai
"e prestation : naturellement le meilleur acceull aux suggestions ou remarques que vous voudrez
. 1. bien me faire parvenir aux bonssoinsdes ditions Ellipses.QI.li transmettront.
; lves tournent le dos l'examinateur et cachent ce qu'ils crivent en i
Bon courage et bonne lecture.
i oarle, parle :~ah;jamais crire, malgr les supplications de l'auditeur, /_. xp'lier Merlin
rontr:'ler un raisonnement dbit toute vitesse. Des espces
'''1t : l'un avec des lettres monstrueuses, l'autre, mort de Note,' il sera frquemmentfait rWence.par la 'uite 0'
(analyse).
"~)e 1 de MthOd!,~/
'les calculs microscopiques _ "-~.-/
........
'J ~~,;'T~I""
f
1 .
.-
1 .L .'_
www.cprepas.blogspot.com
;.'
',' ".
 AVANT PROPOS Avant propos

., 3. Faut-il connatre.des rsultais hors-programme 7 8. Lors d'un oral, l'exomlnaleurattend surtout du candidat qu'JI rsolve J'exercice
NON. Le hors-programme n'a pas la cote auprs des correcteurs. qui n'apprcient propos.
,' gure que l'on trivialise leurs exercices avec des outils surpuissants et hors .. NON. Au contraire, on pourrait presque dire que c'est ce qu'il y a de moins important.
programme. En tant que moyen, le hors-programme est donc viter. En revanche. . Un candidat est d'abord jug sur sa capacit d'onalyse de l'exercice. On attend de
en tant que partie d'une" culture gnrale mathmatique , Il peut parfaitement tre lui qu'II propose des mthodes de rsolution, et qu'II les teste ; si elles chouent, cela
connu - par exemple comme Illustration d'une mthode rutilisable. n'est pas dramatique dans la mesure o le candidat ne s'entte pas dans cette voie
(cf. 4) :
L'erreur est humaine, il faut admettre l'axiome je peux enfaire" Il
4. Doit-on connatre par cur des listes de mthodes?
Mols ce que l'examinateur valorise par dessus-tout, c'est la rceptivit du candidat ii'.
OUI. Avant de se lancer dans la rsolution d'une question ou d'un exercice, Il faut ses Indications (car, contrairement un autre prjug, les examinateurs donnent des .;
imprativement, au brouillon, faire rapidement le tour des 2 ou 3 mthodes dont on
indications 1).
dispose dans ce genre de situations. Il n'y a en effet rien de plus grave, aux yeux d'un
examinateur, que de s'obstiner dans une voie qui est manifestement sans issue. Cela Si un examinateur demande de rpter, il ne faut pas s'en offenser! ( ... ) lorsqu'un'
suppose donc que l'on dispose de mthodes alternatives : savoir changer de examinateur demande, plusieurs reprises, quel rsultat il faut dmontrer, il peut tre habile
mthode face une Impasse est gnralement peru comme une preuve de (... ) d'en tirer les enseignements, au prix de modifications ventuelles .....
grande matrise des maths.
Naturellement, si le candidat fait peu de cas de son aide. l'examinateur ne
Le candidat, au lieu de consacrer un peu de temps choisir la mthode la plus efficace, a au
s'acharnera pas aider le candidat ... Conclusion: peu Importe. la limite, que
contraire tendance prendre la premire qui lui vient l'esprit et s'y tenir ...
l'exercice soit compltement rsolu, du moment que le candidat a montr sa
capacit d'analyse, de mthode et de raisonnement. Pour vous confirmer ces
propos, Je livre votre rflexion la description d'un oral type tel que le rvent les
<, 5. " Les questions calculatoires comptent moins que les questions thoriques Il examinateurs :
NON. Au contraire. A l'crit. un candidat qui saute systmatiquement les questions
Un bon oral devrait comporter quatre tapes:
plus calculatoires, ou plus pratiques (telles que : donner un exemple de fonction
1/ une priode de rflexion, voix haute si possible; .
telle que ... ) est lourdement pnalis. A l'Inverse, savoir se dbrouiller
2/ une priode d'organisation o le candidat exprime clairement ce qu'il envisage
convenablement dans un exercice calculatoire (tel que : calcul de valeurs propres,
de faire et pourquoi il l'envisage ;
dterminants ...), en faisant preuve d'intelliigence et de mthodes dans les calculs,
3/ une priode de ralisation;
est du meilleur effet. 4/ une priode de conclusion, o il examine si les rsultats obtenus sont
raisonnables (signe, dimension) et si les hypothses ont t bien. utilises
6. Faut-il noncer compltement un thorme closslque si on l'utilise?
OUI. Le simple fait de citer son nom (s'il en a un) n'exonre en rien de rappeler ses A titre de complment. et pour finir sur une note humoristique" (voire ...), Je' vous
hypothses, de s'assurer explicitement qu'elles sont toutes vrifies, et d'en noncer laisse mditer ces petites perles :
',
)_. -
J
.
1
les conclusions utilises.
A ce propos, nous vous dconseillons l'attitude d'un de vos ans, dcrit par son
examinateur: .
Certains candidats nous ont paru anormalement excits (lors de l'oral, NDLR), il
conviendrait de diminuer la dose des mdicaments!
<~.~ous avons t choqus par, NDLR) ce candidat frip, au look clochard, avec un pantalon
- noncez-moi le thorme de Cauchy-Lipschltz pour une quation y'=f(x,y) ; th, ;.
- y'=f(x,y) ; alors il y a une seule solution satisfaisant les conditions initiales;
que tous les candidats soient assurs que le bordereau de notes n'est jamais appliqu la
- un thorme commence toujours par " soit Il ;
I- - ah ! alors soit y'=f(x,y) ; il Y a Une seule solution satisfaisant. etc, etc ..... lgre, et que nous ne le remettons qu'aprs mre rflexion". '\<

7. Il n'y a pas de diffrence fondamentale entre 'un crit et un oral, du moment

Remerciements <.

qu'on sait faire l'exercice. Je vaudrais conclure cette longue Introduction en remerciant:
SI. Les oraux et les crits diffrent dans leur conception mme. Un crit est souvent mes lves. qul, par leur enthousiasme, leurs questions, leurs commentaires et leurs
construit sur des questions enchanes, qui constituent autant d'Indications. C'est critiques m'ont aid enrichir ce livre;
pourquoi il faut toujours lire l'Intgralit d'un sujet avant de commencer. Un exercice Antoine Ducros, qui a Incomb la pnible mais combien ncessaire tche de
d'oral est souvent plus abrupt, plus dense. et partant plus dlicat. Mais Il est aussi plus relecture critique du manuscrit.' dont la collaboration m'a une fols encore t trs
difficile de prparer un oral qu'un crit partir des annales : Il est impossible de prcieuse.
recrer les conditions d'un oral, et l'Interaction avec l'examinateur. En tout tat de
cause, un oral n'est certclnernent pas un sim'pie .. crit parl" (mme si c'est souvent
l'Impression qu'en donnent certains candidats 1). A tel point que l'on vous juge J'espre sincrement que cet ouvrage vous aidera dans votre travail. Je rserverai
souvent sur votre prestation : . . naturellement le meilleur acceull aux suggestions ou remarques que vous voudrez
bien me faire parvenir aux bons soins des dltibns Ellipses.qui transmettront.
Trop souvent, les lves tournent le dos l'examinateur et cachent ce qu'ils crivent en
silence Bon courage et bonne lecture.
Il y a le candidat qui parle, parle sans jamais crire, malgr les supplications de l'auditeur, .. XaVier Merlin
mis dans l'impossibilit de contrler un raisonnement dbit toute vitesse. Des espces
voisines crivent n'importe comment: l'un avec des lettres monstrueuses, l'autre, mort de Note : il sera frquemment'folt rMJ;etlce,.par10 suite ou tome 1 de Mthodlx
timidit, fait un rempart de son corps des calculs microscopiques (analyse): ":--.,

_.~ .._,......- - .- .....t

l _ - ---------- ----
 -t Table des matires

Table des matires 2. Thme 2 : Endomorphismesd'espacesfonctionnels

-1' 3. Thme 3 : Espacesstablespar A'
,,~
195
J.. 4. Thme 4 : Rduction por bl~.
5. Thme 5 : RductlonS'Slmuitanes
196
199
Avant-propos 3 \' 6. Thme 6 : Endomorphismesde l(E) et application
7.Thme 7 : Localisation du spectre
200
202
Chapitre 1 : Mthodes d'tude des polynmes 9 8.Thme 8 : Autres rductions closs{ques 203
1.Mthodes fies l'algbre gnrole
2. Mthodes lies l'algbre linaire
3. Mthodes lies l'algbre bilinaire
10
11
)2
J 1
9. Thme 9 : Exercices. n'ayant rien voir avec la dlagonalisatlon
Chapitre '10:" Best.of Il Vrai ou foux: rduction des endomorphismes
1.Valeurs propres. vecteurs propreset.espaces propres
206
2T9
4. Mthodes lies l'analyse 219
12 1
5. Racines13 2. Polynmescaractristiqueset annulateurs 220
6, Coefficients 3. Rduction des endomorphismes 221
16
7. Nullit d'un polynme 17
8. Polynme interpolateur de Lagrange
Chapitre 11 : Mthodes de topologie matricielle 231
17 1. Normessurles espaces de matrices 231,
Chapitre 2: Mthodes de dcomposition d'une fraction rationnelle 2. Rayon.spectral 235
en lments simples 3. Comment tudier la nature topologique de certains ensemblesde matrices 239.
19
1. Mthode thorique 4. Etude d'un cas particulier Important: le groupe linaire 242
19
2. Mthodes communes II! et C. 21 Chapitre 12: Mthodes d'tude de l'exponentielle matricielle 255<
3. Mthodes pratiques (cas complexe) ~4 l, Dfinitions et exemples 255
4. Mthodes prdtlques (cos rel) 31 2. Premiresproprits calculatoi'es 257
Chapitre 3: Mthodes gnrales d'algbre linaire: 3. La formule d'oddltlon et sesconsquences 258
4. Rduction de l'exponentielle etdcomposition. D+N" 260
espaces vectoriels et applicationd linaires 35
1. Espacesvectoriels 35 r 5. Autour des quations diffrentielles
6. Inversionlocale et dveloppementslimits
264
265
2, Applications linaires 43 7. Formulescomplmentaires 266
Chapitre 4 : Mthodes de dualit 8. sous-rouoes un paramtre 268
61
1. Formeslinaires 61 9. Su~eclivlt de l'exponentiellecomplexe et applications. . 269
2..Orthogonalit
3. Boseduale
64
66
. ,1 Chapitre 13 : " Best oi Il Mthodes d'tude des matrices classiques 273
~ 1.Endomorphismesnilpotentset corchet deUe 273
4,Transpose 68 2, Comatrice 278
Chapitre 5 : MthOdes de calcul matriciel (1) 3. Matrices de rang1 ; motricescrcukmtes : m.trlcesde VanderMonde 2Bq,\ , .1
79
. 1.De l'application linaire la matrice 79
2. Produit rrjaITlclel
.L. Chapitre 14: Mthodes gnrales d'olgbre bilin~oire 291
82 l' 1.Comrpent tudier lespropritsdes formes 292
3. Calcul d puissances. 84_ 2. Produit scalaire et norme 302
4. Calculs dinverse 91 3. Baseorthonormale et orthonormalisationde Schmidt 305
Chapitre 6 : Mthodes de, calcul matriciel (2) 105
1. Rang 105_
\: Chapitre 15 : Mthodes de dtermin1ion de la signature 321
2.Trace 112 ChaPitre 16 : Mthodes d'tude des endomorphismes autoa~,oints 337
3. Polynmesde matrices 114 1.Comment dmontrer qu'un endomorphisme,est autoadJoint? 337
4. Centres et commutants 116 \ 2. Comment rsoudre un exercicesurlesendomorphismesautoadjoints? 341
5. Espaces stables . 122 3. Autres mthodes de rsolution
, 6. Equations matricielles 124
7.Traitement algbrique et traitement matriciel d'un exercice 128 XChapltre 17: Best of Il : Endomorphismes classiques
'" des espaces euclidiens et hermitiens 363
~ Chapitre 7 : Mthodes de calcul de dterminants 139 1.Endomorphismesorthogonouxet.unitaires 363
1.Princlpale,sproprlts du dterminant 140 2. Projecteursorthogonaux 370
2,Mthodei de calcul pratique des dterminants 141 3, Dcompositions classiques 375'
3. Mthodei. par lesexercices thoriques 150 4. Endomorphismesnormaux 377
5, Endomorphismesantj..auto~ts 380
Chapitre 8 : Mthodes de dlagonalis~tiori pratique 161 6. Matrices de Gram . .381
1.Comment calculer lesvaleurspropres de A ? 161
2. Comment dterminer les lments propres 'de A ? 165 Chapitre 18: L'essentiel de l'algbre. __en quatre pages .397
3. Comment montrer que A est diagonalisable? 173 1.Prlnclpalessourcesd'erreuren algbre 39,
4, Comment montrer que A est dlagonalisoble et donner seslments propres? 175 2, Principales mthodes d'algtlle gnrale 398
6. Comment trigonallserpratiquement une matrlce ? 175 2. Principalesmthodes d'alglxe inoire 398
Chapitre 9 : Mthodes de rduction thorique 3, Principales mthodes d'algle bilinaire 399
189
O. Ce qu'II est ncessaireet suffisantde savoir... 189
1.Thme 1: Polynome caractrlstlque 192
,"'

.~ (;h
.)~
---------- ---------- -------- ----------
 ,.
"

Chapitre 1
METHODES D'ETUDE DES POLYNOMES
l '-+;}.'~:'
Contrairement une ide rpandue, Il nous semble que les exercices' sur;'i~s
polynmes ne sont pas aussi simples que ce que les candidats ne le pensfit
habituellement. .. .~~".'
il,: \:~,.;:;

En effet. les polynmes sont des tres mathmatiques assez pervers. :2'6i
protiformes: ce sont des Objetssitus l'intersection de' tousles domaines du
programme:
- algbre gnrale (thoriedes groupes.divisibilit... .)
-:- algbre linaire(structurenatUrelled'espace vectoriel)
- algbre bilinaire (existencede produitsscalaires)
- analyse (fonction continue.racines.....),

Face un exercice portant surlespolynmes.et tout partlcullrement lorsd'un oral.

la premire des choses faire est d'essayerde dterminer si c'est plutt l'aspect
algbrique pur. ou au contraire l'analyse. qui est en Jeu, Ce n'est pas forcment
immdiat. ni mme possible.et ce pour deux raisons:
- d'une part. l'exercicepeut parfaitement taire appel plusieurscaractristiques:
- d'autre part. une mme proprit peut parfaitement tre cheval sur les deux
aspects (algbriqueset analytiques).
Prenonsquelques exemplespour illustre,cette derniresituation :
-les racines: aspect analytique(p(a); 0) molsaussialgbre pure (X -a 1 P),
- le degr: aspect algbrique(cf, lien avec la dcomposition en facteurs premiers).
algbre linaire (lien avec la dimensiondes espaces de polynme) et analytique
(lien avec le nombre de racines),
i -,les coefficients: algbre linaire(coordonnes dans la base canonique). ospect
(
\, asalytique expresslonen fonction des racines.ou des drives successives,..) .. ' ~:;:"~

QUefaire dans ce cas? Reposerle livr. et retoumervers un bon cours classique'!;it;

.. 1
moinsIconoclaste? Surtoutpas 1Eneffet. la prsentationqui est habituellement faitel;';,
mlange tous ces aspects. ce qui complique notablement la comprhension aEis}':'
divers phnomnes. . .-,,'
"\._j
Nousproposonspour notre part une approche en deux temps :
; - prsentaHon.. horizontale" des quatre pointsde vue (algbre gnrale. linaireet
bilinaire.puisanalyse): paragraphesl 4.
- presentaHon..verHcolethmatlque,(raclnes.coefficients. nullit) : paragraphes 5
et suivants.
Evidemment, nous seronsconduit . nous rpter. Mais la rptition est le principe
lfentalre de la pdagogie... . .
NoiJs donnerons assez peu d'exemples dans ce chapitre (contrairement aux
suivants) car les rsultats prsentssont bien connus de tous et surtout car les
polynmesInterviendrontdanstous leschapitres suivants,
Le'but recherch Ici est de structurer les connaissancs en listes de mthodes
organises ef efficaces. :~.
De nombreux renvois sont. faits aux chapitres suivants (.; Cf. ) ;' nous vous:
encourageons vous y reporter chaque fols. ,.',' ':":'1::",,;:. ,.'

--- _--- ---

~~---_I_U ~M~E~TH~O~D=12X~A~LG~E~B~RE

~ , ~.'
1. Mthodes lies l'algbre gnrale (arithmtique)
METHODE2bis : Comment montrer que A et B sont premiers entre eux?

C'est en fait un avatar de la mthode prcdente (d'o l'astucieusenumrotation) : Il

METHODE1 : Comment prouver que B divise A ? s'agit simplement de montrer que le PGCD de A et B est t. Notamment Bezout
s'exprime Ici :
Il Y a naturellement plusieursfaons de procder: . AAB:l <=> 3(U.V)eK[X] t.q : AU+BV=l

revenir la dfinition en montrant que 3Q tel que: A = B.Q

montrer que le reste de la divisioneuclidienne de A par Best nul
faire une dcomposition en produits de facteurs premiers de A et B et montrer que
ceux de B apparaissent tous dans A avec une multiplicit suprieure (dans A). 2. Mthodes lies l'algbre linaire'
Attention la diffrence entre Ret C (facteurs premiersdansC.: X - a. dans R : X-a
et X2+pX+q sarisracine relle).
utiliserlesracines en montrant que lesracinesde Bsonttoutes racinesde A avec une METHODE3 : Comment prouver qu'une famille est une base de Kn[X]?
multiplicit suprieure dans A (II faut prendre les racines dans C. mme quand on
travaille dans R sinon c'est faux : X2 + 11 (X2 + l)(X-1) mais X2+ 1 n'a pas de racines Rappel:
L'ensembledes polynmes de degr infrteurou gal n, not Kn[XJ.est un K-ev de
dans R). dimension n- 1 (et non pas n,comme on l'entend presque systmatiquement).
utiliserla proprit d~ Gauss: siBlAC et Best premier avec C alorsBdiviseA.
Principe:
On peut montrer qu'elle est libre et gnratrice. ou libre n lments, ou gnratrice
n lments:
METHODE2 : Comment dtrminer le PGCDde A et B?
>- Cf. chapitre 3, mthodes 5 la.
L encore. plusieursdmarches peuvent tr~ envisages:
On peut en outre passerpar la base duale.
effectuer la dcomposition en produits de facteurs premiers de A et 8. Le PGCDest
alorsle produit des facteurs communsprisavec la plusgrande puissance. >- Cf. Chapitre 4, mthode 6 (exemple 2)
utiliserla relation de Bezout.relationfondamentale s'ilen est: Rappel':
Toute famille de polynme degrs chelonns est libre (donc c'est une base sielle
1 D=PGCD(A.B) ~ 3('U.V)eK[X] t.q : AU+BV=D a n lments).

On rappelle que ce couple n'est pas unique (II faut Imposer des conditions sur les
degrs pour avoir unicit; maiscela prsentepeu d'Intrt pratique).
utiliserl'algorithme d'Euclide : sideg(Adeg(B) ol'l fait une des divisionseuclidiennes METHODE 4 Comment prouver qu'une proprit. est vraie pour tout
successives: polynme?
connus'
Cas d'emploi: .
Quand on demande de montrer une proprit linaire par rapport au polynme .

Principe:
Puisquela proprit est linaire. Il est ncessaire et suffisantde !o dmontrer pour les
vecteurs d'une base.
_------ --- - - --- --
l'Important est olors de choisir une base adapte la proprit propose. ce qui
calculs l'Issuede la I-me tape veut notamment dire qu'il ne faut pas forcment se prclplter sur10 base canonique
Ilest facile de montrer que: Ri-lARI= RIARi+l l.X .... Xn.. .
Le PGCDde A et B sera donc le dernier reste non nul obtenu (en effet cette suite est
finie car lesdegrs diminuent strictement). >- Cf. exercice 7. chapitre 20. Mthodlx tome l, ;.":"

Cette mthode permet accessoirement de calculer un couple de Bezout(II suffit de REMARQUE : ~.:':,,~~~;~~~";:t\(:,:::
partir de la dernire relation obtenue. et d'Injecter lesautres dedans...).
Silo proprit n'est pas linaire, Il peut tre utile de passer par u(le 19CU",I~ ..~~",:",~.

degr. ".: ,ti~.;:;~;.,,:,:;,,~:~{,~t;~:~;':::

.-:::---- ..

------------------------
 ~~~?:::::-.,
..~
METHODIX AlGEBRE ~1~.~M~e~t~h~0~d~e~S~d~~~tu~d~e~~~e~s~p_o~ly_n_6_m_e~s ' '~;~~

3. Mthodes lies l'algbre bilinaire :,~ Un polynme born sur R est constant (car pour un polynme non constant:
.... IIm Ip(x)I=+~). . .
Ixl....+-
Un polynme priodique est constant (car Il est bom).
METHODE
5 : Comment construire des produits scalaires sur Kn[X] ?

Exemples: Un polynme admet au plu~deg (P) racines.S'ilen a pius,il est nul. ..;': ~-'

Deuxtypes de produitsscalairessontco~stamment utilisssur Kn[X] : -::;'' <><::'.,.::~(-.

Tout polynme de degr Impair admet au moins une racine relle (consouenc.
n. n r du NI). . , . .c.
si P(X)= l OrX'et Q(X)'" l biX on peut poser:
,

r=o i=O
n >- Cf. paragraphe suivant pour une tude plus complte des racins.
(PjQ)= l iibr
;=0
ou

(P,Q) '" f P(t;"Q(t)dt ou

a
(P, Q) '" 7
0-
e-t' .P(t;"Q(t)dt METHODE8 : Utiliser la densit des fonctions polynmes
REMARQUE:
La conjugaison est Inutile pour K-=R.
Rappel: thorme de Weierstrass

Intrt : Toute fonction continue est limite uniforme sur [a, b] d'une suite de
polynmes.
Une fols' un produit scalaire construit. on dispose d'une structure euclidienne (ou
hermitienne). On peut en particulier en dduire une norme, etc ... ce qui permet par autrement dit:
exemple de montrer facilement la nullit d'un polynme, ou l'galit de deux Pour toute fonction continue f. il existe une suite de .polvnrnes qui
polynmes,etc ... converge uniformment sur [a. b] vers f.

>- Cf. chapitre 14. mthodes 1924. REMARQUE:

La dmonstration de ce rsultat n'est pas totalement ImmdIate, mals faIsable et

METHODE6 : Comment construire une base orthonormale? classique. L'une des faons de faire utiliselespolynmes de BernsteIn.

Intrt: .
Principe: Ge rsultat. peut parfois servir dans des exercices thoriques. d'analyse o 1'0(1
Une fols qu'on dispose du produit scalaire, le plus simple est d'utiliser le procd di:lmande de montrer une proprit pour une fonction continue guelconque. <?n1.!3,.
d'orthonormalisallonde Schmidt. ~ontre d'abord pour une fonction polynme, puison l'tend aux f0nctlons.cQnti~u~~'
" y a videment autant de varitsde basesorthonormalesque de produits scalaires. par passage la limite. . .;"
..,. ../,.. -,'.
>- Cf. chapitre 14. mthode 26. ':-~ r , ,:,.: ";, '.~.,

'."
Intrt: 5. Racines <"'::'., .: ..'::~;.~
Lescalculs d'algbre bilinaire se font toujours plus simplement dans une base
orthonormale.
On ne s'intressevidemment qu'aux racines d'un lment de Kn[X] dans 1(.

4. Mthodes lies l'analyse A) Aspect algbrique

k.
Qn_sepl~tc~~iqernment dansle cas.o.K=R.. _. _ _ _
.~- -MlrnODE 9 :Comment exprimerque a est racine de -P ? ---
_____./
METHODE7 : Utiliserles proprits d'une fonction polynme
. Le fait que a soit racine de Ps'exprime.algbrlquement en termes de divisibilit,

Un polynme est une fonction de classe C- ; donc on peut notamment utiliserle TVI a est racine de P ) X-a j P
(thorme des valeurs Intermdiaires),TAF(thorme des accroissementsfinis), des a est racine de Pd'ordre au moinsk ) (X- alj P
formulesde Tayloradaptes...
a racine de P d'ordre k exactement ~ (X_a)k 1 P et (X- O)k+l.r p
>- Cf. M&thodlx tome L chapitres 5et 7.
 METHODIX ALGI:BRE ...:1_. _M_:._t_h_.:..o_.:..d_e_s
_d_'e_'
tu_d_e_d_e_s
.!...po----'ly'-n__m_e_s -'- -_~~~~~
~_

METHODE10: Comment exprimer que P et Q ont une racine commune? METHODE13: Comment dterminer les racines d'un polynme ?

. Hormis l'utilisation conjointe des caractristiques de la mthode 9 adoptes P et Q il Vous savez (c'est de la cutture gnrale lmentaire) qu'il n'existe pas de mthode
peut tre Judicieux. dons certains cas. de traduire que le PGCD de P et Q possde u~e systmatique pour dterminer les racines d'un polynme de degr suprieur ou gl
racine a (de multiplict convenable). 4. Mme pour le degr 3, cela devient laborieux. .
En particulier, 51 Q est la drive de P. on trouve une caractrisation intressante des En revanche. II existe des types particuliers de polynmes dont on peut dterminer
racines multiples: P admet une racine multiple ssi P et P' ont une racine commune, certaines (voire toutes) les racines, et ces mthodes s'avrent extrmement utiles.
danc sslle PGCD de P et P' admet (ou moins) une racine dans K. dans des situations trs diverses (dcomposition d'une fraction rationnelle,
recherche des valeurs propres partir du polvnrne caractristique, tude des
variations d'une fonction ...). Bref. il peut tre.fructueux de les connatre.

B) Aspect analytique Polynmes rciproques :

n
Soit P(X) = L aiXI tel que; v'i an_1= ai. c'est--dire vrifiant:
1=0
METHODE11: Comment exprimer que a est racine de P ?

a est racine de P ~ P(a) =0

ou bien n est impair, alors -1 est racine vidente alors on factorise par X+1 et le
a est racine de P d'ordre au moins k "'* P(a) =P'(a)= ... =p(k-I)(a)~O quotient est pair et rciproque ..
ou bien n est pair, alors l'quation P(x) = 0 est quivalente, par division par Xn/2 :
a est racine de P d'ordre exactement k~ P(a) =... =p(k-l)(a) =0 et p(k)(a) ",0

an[ xP + x1pJ+an_{ Xp-l + X~-l ]+ ... +ap ~O

(en posant n=2p).

METHODE 12 : Commentdterminerle nombrede racinesd'un polynme?
Posons xP + _l_
xP = yp et Y = X +.!.. .
X
Il fout distinguer le cas rel du cos complexe. On a facilement:

etc." ce qui permet de ramener l'quation C) une quation en Y de: degr r:;>. Ce qui
veut dire qu'on a ainsi divis par 2 le degr de l'quation. Une fols resolue l'equatlon
Un polynme n'admettant pas de racine sur C est donc gal une constante non en y, on se ramne des quations du second degr' en X en rsolvont-:
~u.II~,.et un P?lynme admettant plus.de racines que son degr (en particulier :' une
Infinite de. racines) est.ldentiquement nul.
Y=X+.!..
X
Cas rel: Naturellement. il est fort possible qu'on ne soit pas trs avanc si l'on ne sait pas
On ne peut pas dire 0 priori ce que vaut le nombre de racines d'un polynme rel. En rsoudre l'quation en Y. Si l'exercice est bien fait. cette ventualit ne devrait pas se
revanche, on peut dire que:
produire ...
le nombre de racines d'un polynme non nul est infrieur ou gal son dQgr. 'i;

. le. nombre de racines complexes non reiies d'un polynme rel est pair (puisqu'an Polynmes coefficients entiersrelatifs: ,/ .:
peut les regrouper par couple de racines conjugues) et le nombre de racines relles il existe une mthode de recherche svstrncttque des racines rationneiies d'un tel
d'un pplynme rel est de la mme parit que le degr du polynme. polynme (ce qui veut dire notamment qu'on peut dterminer toutes les racines'
entires de ce polyme). 1
un polynme admettant plus de racines' que son degr (en particulier :.une Infinit Supposons donc que:
de racines) est identiquement nul. n
P(X) = l QiXI .
il existe des polynmes non nuls sans racine relle (contrairement C) : X2 + 1. i=D

tout polynme de degr impoir admet ou moins une racine reiie (d'aprs le rsultat (les coefficients tant entiers relatifs) et soit E une racine rationnelle de P crite sous
q ,
n02 de cette liste. ou en utilisant le thorme des voleurs Intermdiaires).
forme Irrductible (donc p x q ~ 1).
 ._._--_._-------

Ecrivonsque p(~) = 0 ce qui donne par rnultipllcotlon por qn : les ~oefflclents peuvent s'exprimeren fonction des racines; dans les cas de petits
degres cela se fait ' la motn . Dansle cas gnral, an peut utiliserles formulesde
Newton faisant Intervenirles fonctions symtriqueslmentairesdes racines:
qu'on rcrit: (X-01)(X-a2) ...(X-an)=X''+ L" (,.1)k I!k(al,,an).Xn-k
.' -an,pn =an_l,pn-l,q+ ...+alpqn-l +ao,q" k=I
q divise clairement le membre de droite de cette quation (car Il divise tous ses o:
termes) donc Il divise le membre de gauche. Mals q est premier avec p donc .'
(thorme de Gauss)q divise a".

De mme en rcrivant l'quation sousla forme:

an.pn + a,,_1.pn-l.q+...+al.p.qn-1 = -aoqn
p divisele membre de gauche donc Il divisele membre de droite donc p divise 00' 7. Nullit d'un polynme
Conclusion:
METHODE15 : Comment montrer qu'un polynme est nul?
. " a,xl
% est racine de P(X)= 2: ~ p divise 00 et q divise On.
1=0 soit supposer qu'II ne l'est pas.ce qui veut dire qu'IIoun coefficient non nul; on peut
alors parler de son degr et de sa valuation. .
Attentlon, Il ne s'agit que d'une condition ncessaire et pas d'une condition ncessalie soit dmontrer qu'il a plusde racinesque son de'gr(notamment montrer qu'II a une
et suffisante.Cele signifieque cette mthode vous donne une liste finie de candidats Infinit de racines). '.
potentiels (dclars, ceux-l, pas comme. d'autres qui commencent nous gonfler'
srieusement, se faire prier...). Il suffit de les tester tous pour voir s'Ils sont
effectivement racines. Protons-en pour rappeler les formulesrelativesau 'de.gi:

Exemple,'factoriser compltement: P(X),.2X3- X2- X- 3 deg(P+Q} s max(degP;degQ}

Avec les notations prcdentes on obtient (attention ne pas oublier les signes, on deg(PQ)= degP + degQ
travaille dans Z) : ,, . deg(PoQ)= degP.degQ
pl-3 et ql2 soit: p e {3,-3,1,
-l} et q e {l. 2} d o: % e {1. 3,~,!}
(viter de faire un mgamlx de ces trois formules,votre examinateur ne vous en sera
Cela fait donc 8 calculs effectuer. On constate que ! est roclne de P. La que plus reconnaissant).
factorisation sefait ensuitepar divisioneuclidienne: P(X)= (2X- 3)( X2 + X + 1). ______ .~._ .__ ___eyj_d..e.m.rnenr,-pOUf-r:l1GRtrer--Ejue-e!-etlx-poiyn-mess-tirgaux,
ori-montrequeleUr'-"-- - -
- _.-_--- --------
--------_.---"~----------- diffrence est nulle. . .

6. Coefficients

8. Polynme interpolateur de Lagrange

METHODE14: Comment utiliser les coefficients d'un polynme?
Il est tr~s Important de savoir que, tant donn n scalairesdistincts ao,...an_1et n
Les coefficients d'un polynme peuvent tre Interprts de diffrentes faons. et
chocune d'elle a sonutilit. scalaires' quelconques bQ, . bn_1Il existeun unique polynme de .gegr n- 1 tel que:

Ies coefficients sont lescoordonnes d'un polynme sur la base canonique donc Ils Vle[O,n-l] P(a!)=b, , '
sont uniques (on Invoque souvent l'unicit pour conclure, comme pour les sries
entires). Ce polynme est donn par:
lescoefficients d'un produit C=A.Bse calculent partir des coefficients de A et B :
. . . 1 . n-l n (X-al)
CI = 2: a k- bl_k, P(X) = I. bl' 1" .
k=O '=0 n (Of -al)
les coefficients peuvent s'exprImerfacllemehten fonction des drives successives 1".1
dePenO:
Il Joueun rle essentielen algbre linaire(cf. chapitre 4, chapitre 17par exemple).
(L'unicit est claire: s'IIy en a 2. leur diffrence cfdmet n racinesor elle est de degr au
plus n-l donc elle est nulle. L'existencese prouve en montrant que le polynme
prcdent convient). . .

------ --------
-----
---------~~----------------------------~--
 l
....:::.:::..~._- ---~
....."-<t --<
~
METHODIX
AlGEBRE 1-
1
1 "'-' 1
i
, -l',
',~

"
~'~

, Lu dans les rapports, de l'X

Chapitre 2'
:;
;:.
.'
1" i (Selonles candidats) ie nombre de zrosd'un polynme de degr n varie entre
"l i
n-1 et 2n-1. METHODES DE DECOMPOSITION'
, ."j:" 1
"
Il n'y a pas grand-chose signaler propos des polynmes et des fractions
rationnelles. qui demandent moins de connaissances que d'intelligence gnrale,
D'UNE FRACTION RATIONNNELLE
EN ELEMENTSSIMPLES
',.i i Toutefois.un peu d'habitude mettrait lescandidats l'abrtd'erreursgrossires"
Lespolynmes sont oublis': on a du mol manipuler des expressionssymtriques
; ; 1
simplesdes racines.ou exprimerle fait qu'une racine est multiple" '
;, 1
" Kn[X] n'estpas un corps. Que ceux que ce chapitre ennuie rien qu' la lecture du titre se rassurent: l'auteur a
d faire preuve d'une forte abngation pour l'crire.
Que d'absence de rflexes,et d'Ignorance. notamment dans les proprits des
racinesdes polynmes. commencer par le trinme, Etla dcomposition en lments
',', !
, 1
simples... " '
La dcomposition d'une fraction rationnelle en lments simplesn'est une partie de

r
, 1 plaisir pour personne. et ce pour plusieursraisons,D'abord. elle est presque toujours
synonyme de calculs pnibles, Ensuite. elle ne prsente vritablement pas grand
intrt (contrairement d'outres types de calcul, Je n'y 01 Jamais'rencontr de
beaux .. rsultats).Enfin.elle est souvent le prliminaire un calcul de primitives(c'est
d'ailleurs la seule raison pour laquelle'on s'y Intresse1), Ce type d'exercices (calcul de
Astuces la primitive d'une fraction rationnelle) est d'alllursredoutable. car aux fautes que l'on
commet forcment dans la dcomposition s'ajoutent celles que l'on commet presque
Une astuce tellement classique qu'on aurait d en foire ne mthode si la aussisrement dans 10 prlmltlvatlon (saufsion a lu Mthodlx tome 1. pp, 250-251).
dcomposition d'un polynme semet sousla forme : Ceci tant. Il nous faut bien nous rsoudre - vous et mol - nous atteler cette
N question, ~..';'
P(X) = il (X- xl),
1=1
alors on a Immdiatement la dcomposition en lments simples de la fraction Dans notre malheur. nous avons quand 'mme une chance; les mthodes pour .)
rationnelle ~ : ' , calculer la dcomposition .d'une fraction rationnelle sont en nombre fini. et on
n'attendra Jamaisde vous de trouver l'astuce qui ridiculiserale calcul ;'elle n'existepas.
P'(X)=t ~ Ayez-donc le courage, d'apprendre compltement les mthodes que nous vous
P(X) 1=1 X-XI proposons et de vous entraner sur lesexemples que nousvous donnons; vous devrIez
tre arm pour le cas o vousourlez en dcoudre avec ces btes-l.
(on s'en sert notamment pour montrer que les racines du polynme driv sont dons
l'enveloppe convexe des racinesde P. On la rutiliseradans ce livre). Nous nous plaons sur K=R ou C. F (et G) dsigneront toujoursune fraction rationnelle,
c'est--dire un lment de K(X):

Nousvous conseillons d'appliquer les mthodes dans l'ordre o nousles prsentons afin
d'optimiser leur efficaclt.

REMARQUE:

On n'a pas jug utile de donner d'exercices dans ce chapitre,' 1/ y a d'une part I~s
exemples que nous proposons en //lustrationdes mthodes et d'outre part ceux du
tome 7 dans le chapitre 19. SIvoussavezfoIre ceux-l sansfoute. vouspouvez jouet
outre chose ... Evldemment.celo suppose que vous fassiezsrieusement les exemptes
proposs..

1. Mthode thorique

Il est essentiel.pour bien savoir sousqueUeforme crIre a priori une dcompositIon en

lments simples.de connatre parfaitement le rsultat fondamental de la thorie de
la dcomposition. En effet. une faute closslqueest souvent cornmlsequi anClJltlttous

\i lesefforts de calculs ultrleurs (ce qui est dommage). '

------------ -------
 20 METHODIXALGEBRE 2. Mthodes de dcomp;o.sitlond'une fraction rationnelleen lmentssimples 21

METHODEa : Revenir au thorme fondamental 2. Mthodes communes !RI et ~

Enonc:
Soit F une fraction rationnelle crite sousforme irrductible F= ~ (c'est-- A) Etapesprliminaires
dire N et D premiersentre eux dans K(X]). La premire chose vrifierest que la fraction est bien donne sousforme irrductibl. ,
Sil'on ne prend pas cette prcaution, on risqued'aboutir rapidement des syntox error 'f
Soit D = rrN Dia, la dcomposition
1=1
.
en facteurs premiersde D. dans lesformulesde calcul de coefficients... . .:'f~i:
. ;ii:~:'~'."
Alors: il existe une unique manire d'cnre :
METHODE1 : Comment calculer la portie entire?

Pour une raisontotalement Indtermine,la plupart des candidats qui ont la chance
avec: de plancher sur une dcomposition omettent purement et simplement la partie
entire, ce qui a naturellement des consquences fcheuses sur la suite des,
(i) EeK(X) oprations,

(ii) Aii e K(X) et 'v'J deghl < deg(DI) C'est pourtant la chose la plus simple calculer dans la dcomposition : Il suffit de
calculer le quotientde la divisioneuclidienne de Npar D.
Notons d'ailleursque sile degr de N est strictement Infrieur celui de D, le problme'
On appelle partie entire de Fle polynme E. est vite rgl: Eestnulle.
Mise en garde:
L'erreurIq plus frquemment commise (qui vient tputefols aprs l'oubli pur et simple
de la partie entire dans l'criture de la dcomposition, ce qui est du meilleur effet X4_2X3_2X2 9X-1Q
Exemple: partie enlfere de F(X) = ( )( +)
dans les oraux de Palaiseau ou d'ailleurs), porte sur le degr des polynmes AI)' . X-2 X+3
Beaucoup pensent ( tort) qu'II doit tre Infrieur J. Or c'est deg(Dj) qu'II est Nous flicitons tous ceux qui ont remarqu que 2 tait" racine vidente " du '
Inferieur,ce qui n'est pas du tout la mme chose. numrateur, ce qui simplifiela fraction en :

Prenonsun exemple. Supposonsqu'on chrche dcomposer dans R(X)une fraction F(X) = X3 -2X+5
X+3
dont le dnominateur comporte le facteur: (x2 +X+1)3 (qui est premier). Quant aux autres,ilsont du s'enapercevoir un peu plustord!
Lq divisioneuclidiennese droulesansencombre et donne facilement:
La dcomposition s'crirasousla forme: .,;
ex-sb cx+d ex+f
-2--+ 2+ 3 F(X)=X2_3X+7-~
X +X+1 (X2+X+1) (X2+X+1) ~, , X+3

et non sousla forme: et du coup la dcomposition est termine: Malheureusement,cela n'estJamaisaussi

a bx+c dx2+fx+g simpledons la ralit u , ..
-2--+ 2+ 3
. X +X+1 (X2+X+1) (X2+X+1)
, comme on l'a souvententendu.
METHODE2 : Comment factoriser D ?
Ceci tant, ce thorme, pour essentielqu'il soit, nouslaissedans un embarrasdes plus
profonds: Il nousdit que cette dcomposition existe,malsne nousdonne pas vraiment
de moyen de la calculer. N'ayant sansdoute rien de mieux faire. certaines personnes SI b n'est pas sousforme factorise (cela arrive) il faut factoriser D pou; connatre les
se sont proposes de trouver des faons de calculer les coefficients de la dnominateurs qui apparaissentdans la dcomposition. '
dcomposition. NousnousfaisonsleurInterprte en livrant lesmthodes de calcul.
L,'c'est un peu au petit bonheur ; gnralement, les racines sont assezsimples
Terminons simplement en disant qu'il y a souvent plusieurs faons de faire, que trouver: ce n'est pas l que se situe la difficult de l'<;,xerclce.Rappelons toutes fins
certaines d'entre ellespeuvent tre gulvalentes en temps, malsque le but recherch utiles (ct, chapitre 1) qu'Iiexisteune mthode systmatiquede recherche des racines
est dans la mesure du possible d'eviter les calculs trop longs qui conduiraient rationnelles d'un polynme coefficients entiers. Cela permet gnralement de
forcment des erreurs. . . . trouver lesracines videntes qu'on n'aurait pasvu, et de rabaissersuffisammentle
.~ degr pour dterminer les autres racines par des mthodes usuelles'Cdlscrimlnanten
Nouscommenons par ce qui est commun R et C, puis noustudions les mthodes degr 2, ...). Il peut aussi tre utile de se rappeler la mthode de rsolution des
spcifiques. quations bicarresou rciproques.'
 .,-:;:- -

t
.
22 METHODIX AlGEBRE 1 2. Mthodes de dcompositionrune fraction rationnelle en lmentssimples 23
Il
f
B) Simplifications ventuelles '1 .C) Deux mthodes quand il n'y a plus qu'un coefficient calculer
!,
0:, peut rduire a priori le nombre de coefficients calculer dans deux cas assez l Imaginons que l'on ait calcul, par quelque moyen que ce soit. tous les coefficients
frequents (et c'est dommage de ne pas le faire car on gagne pas mal de temps). !, d'une dcomposition sauf un. Il existedeux moyens rapides et efficaces de conclure
en beaut. que nousvousprsentonsmaintenant.
METHODE3 : Utiliser la parit de F
!i'
SiF (considre comme fonction de vortcble relle, mme si on dcompose sur C) est (
METHODE5 : Utiliserla valeur en un point
paire (resp. Impaire) , alors les parties 'principales relatives des 'ples opposs 1
!
possderont certaines ressemblancesIl. Noussommesvolontairement floussurce fait. !
car Il noussemble Inutile de retenir un rsultat thorique de plus,Il vaut mleudaire un L'ide est toute simpleet trs bte: il suffitd'valuer les deux membresde l'galit
petit raisonnement direct tout simple pour voir ce qu'il en est.

Exemple: F(X)= -2--1

F=E+I
N ;
l -t
A

=1 IcI DI
X -1
Cet exemple est trivial et tout le monde peut trouver mentalement Jo dcomposition. en un point bien choisi (viter lesples !) ; cela fournit une quation du premier degr
Notre but n'est pas l, mais de montrer comment on roisonne pour retrouver les une inconnue. qu'on rsoudsanspeine.
propritsdes coefficients partir de la parit de F.
F s'crita priori: REMARQUE:
F(X) a b (0)
=X-1+X+1 Cette dmarche peut tre gnralise aux cos o l'on cherche deux. voire trois
coefficients (maispas trop quand mme),' Il suffit de choisirautant de points qu'on a
Ecrivons\( F(-X)) (notation la limite de la lgalit): de coefficients calculer et d'galer lesdeux membres en cespoints-l ce qui fournit
a b un systmelinaire. LeseulprOblme qui peut survenirest que les quations obtenues
F(-X)=--+-- ne soientpas Indpendantes,sile choix despoints a t" mal. faif. Donsla pratique,
-X-l -X+1 on n'utilisepas cette mthode pour plus de deux ou troiscoefficients, car la rsolution
ce qui se rcrit: .d'un systmelinaire n'estpas toujourschose aise.
F(-X)=..::.!?.+..::9... COO)
X-1 X+1 1
Exemple: F(X)= -2-
Engalant n et C et en Invoquant l'unicit de la dcomposition. Il vient: a = -b ce
OO)
X -1
qui fait qu'on n'a plus qu'un coefficient calculer (cf. mthode 5 ou 6 pour la suitede D'aprs ce qu'on a vu la.mt~ode.3,la dcomposition de F seprsentesousla forme
ce passionnantfeuilleton).
F(X)=~-~
X-l X+1
donc il ne nous manque effectivement plus qu'un coefficient. Sion value les deux
METHODE4 : Utiliser la conjugaison membres en zro;il vient facilement: a = }

Si D a<;lmet ges racines complexes conjugues et qU6 10 fioction raiionnelle est a

coeffiCientsreels. alorslespartiesprlnclpoles relatives ces ples seront conjugues.
Cela conomise quelques coefficlents,:et c'est toujours a de pris... METHODE6 : Utiliserles limites
.'

, X2+1 Il est difficile de formalisercompltement cette Ide; disonssimplement avant de

~i
Exemple: F(X)= 2 (surC) prsenter un exemple que si l'on cherche un coefficient apparaissant doris un rsidu 1

j
(X2+X+1) de la forme : .l i
21n ...+D(P+... :'.1
Lesracines du dnominateur sont J =e 3" et T = j2. La dcomposition s'crit a priori: ~
Dk(X)J i'
;

alorsen multipliantlesdeux membrespar XM, o

F(X)=~+_b_+ c_ +_d_
X-J (X-J)2 X- j (X- T)2
Enconjuguant les deux membres, compte-tenu du fait que F est relle et par unicit
de la dcomposition. Il vient: a = et b = a et en faisant tendre X vers +-. on peut, danscertains cas. en dduire la voleur de .
Il n'y a que deux coefficients calculer (cf. mthode 9 ou 10).
Ce n'estcependant pas toujourspossible,maisIlfaut y penser.
REMARQUE:
la mthode est compltement fausse si la traction est 'coetctents complexes.
puisque F n'estplus sa propre conjugue. .. _ -

------ -------- ----- ---_- --------------- -- -- --

--------
 METHODIX ALGEBRE " (, 2. Mthodes de dcomposttlon d'une fraction rationnelle en lments simples 25

1
Exemple: F(X) - 2 (dans R) A) Cos d'un ple simple
" (X2_1)(X2+1) "
e cos-l est facile: on dispose de deux formules explicites au choix.
Nous al/ons essayer sur cet exemple d'illustrer les mthodes 3. 5 et 6.
De manire gnrale 1/ faut toujours commencer par coi culer les coefficients relatifs
Commenons par remarquer que la partie entire est nul/e. ux ples simples. c~r. comme on.l'o remorqu plus haut. les calculs ne sont PlS..'"
~ommutcitifs. et le fait d'avoir dj calcul beaucoup de" coefficients permet souvent,.~"
la dcomposition de F (dans R(X)) s'crit a priorI: de trouver plus facilement (c'est--dIre sans re~ourlr a des mthodes bourl~) le~_.-,~,,~:
coefficients manquants (par exemple mthodes 4 a 6). " ' iJ,"
F(X);~+~+
X-l X+1
cX+d +~
X2+1 (X +1)2
2
.~.;~:y:.
".,:"'\<
....
:";

1/ est vident que F est paire; valuons" F(-X) : METHODE 7 : Utiliser la formule du quotient

.~ncipe: '.
Si D se met sous la forme D(X);(X-a)D1(X) avec D1(a);ooOalors la partie prlnctpole
relative a se met sous la forme:
Cette quantit devant tre gale F(X), par unicIt 1/ vient:
X-a
a=-b et c=e;Q o:
1 est un ple-simple donc on va savoir (cf. mthode 7 ou 8) calculer facilement son
rsidu: on trouve: 0= t
Pour le voir facilement. 1/ suffit d'crire:
Pour trouver d. on peut multipl/er les deux membres par X2 ; en faisant tendre X vers
-. Il vient : F=__+G
d;-,} X-a
et de multiplier les deux membres par (X - a) ce qui donne:
Reste calculer f : Il suffit d'valuer les deux membres en un point quelconque. par N
-=+(X-a)G
exemple Q(a donne les calculs les plus simples) pour trouver: D1
f;-t qui foumlt le rsultat en voluant les deux membres en a.

REMARQUE:
Cas d'emploi: ., d' ' mon '
Lesmthodes ne sontpas" commutatives , en ce sensqu'on ne peut pas calcu/er f i Lorsque le dnominateur est donn sous ,forme dev~loppee et que sa ecornposr .;
avant d par /0 mthode de la limite: on serait oblig de multiplierles deux termespar ne comporte par" trop de termes. elle s applique bien. ,
X4 et on se retrouverait avec des termes a prion' dlvergeants droite (vu qu'on ne 1
x-:
connartpas d).
La principale diftfcult de la dcomposition en lments simplesn'est donc pas de
) Exemple:F(X)- (X-2)(X-3)
trouver les mthodes (on les connat) rnas de les appliquer dons le bon ordre pour La partie entire est nul/e. . ,.
limiter ou maximumlescalculs. ' Les deux ples 2 et 3 sont simples donc la dcomposition s ecrit a priori
Il
F(X)=-+-
X-2 X-3
La formule prcdente donne:
2 1
=_2:_=-3
3+1
et j.l=--=4
3. Mthodes pratiques (cas complexe) 2-3 3-2

Le cos complexe se prsente a pn'orl sous de mell/eures auspices que le cas rel.'
puisque les polynmes Irrductibles sont de degr 1. donc que les polynmes Aij dont, METHODE 8 : Utiliser la formule" de la drive Il

Il est question mthode 0 sont en fait des constantes.

En fait mme le cas complexe peut se rvler pnible. notamment lorsque le ple est Principe: , .' nncipale
multiple. En supposant toujours que D(X) = (X-o)D1(X) avec D1(0);ooQ alors la partie p
relative a se met sous la forme :

~---~~--~---------
 _~i
26 METHODIX AlGEBRE
~'.
l,
- 2. Mthodes de dcomposition d'uri~,~action rationnelle en lmentssimples 27
J
o: METHODE9 : Procder par identification
'1
" , Cas d'emploi:
SIle ple est multiple mais pas trop. c'est--dire de multiplicit gale 2 'ou 3. Il est
Eneffet en drivant 0 comme un produit: dconseill de se prcipiter sur la mthode '0. Il vaut mieux procder par
O'(X)= (X- a)D((X)+01(X) identification.
et en valuant en.a : Principe:
0'(0)=01(0) On pose a priori la dcomposition (on va expliquer le pire" cas. c'est--dire la
On utilisealorsla mthode prcdente pour conclure. multiplicit 3) :

Cas d'emploi:
Donsle cas o le dnominateur est donn sousforme compacte non factorise et
qu'on peut accder autrement" que par factorisation aux racines.cette formule est le dernier coefficient. c'est--dire v. peut se calculer exactement comme expliqu
plusperformante que la prcdente. dans la mthode 7. modulo les modifications ad hoc: en multipliantlesdeux membres
par (X - a)3 et en valuant en a. Il vient:
Enfait. les deux formuless'appliquentpratiquement toujours.maisce qui change c'est
la forme plusou moinsexplicite et compacfe du rsultatqu'on obtient. v= N(a)
01(a)
Pour tre parfaitement lair. nous allons vous montrer un test comparatif des deux REMARQUE:
lessives: /1n:Va pas d'quivalent Simple la mthode 8dons ce cos-l.
Restentdeux coefficients calculer,
Exemple: F(X)= _,
Xn_,-
si on a dj calcul tousle$ autrescoeHicienlsde la dcomposition:
L9 partie entire est nulle. Le dnominateur est sous forme compac_te. non Le plus simple gnralement. consiste appliquer la mthode 5 (voire 6) en
dveloppe. et on connat parfaitement sesn racines : ce sont lesracines n-Iemesde dterminant un systme 2x2 satisfait par ces coefficients. Pour obtenir un systme
l'unit: . simple. Il faut faire un choix Judicieux des valeurs en lesquelleson value les deux
21k~ membres.
,k =e n
Avec des notationsvidentes: s/ on a d'aulres coefficients inconnus:
Commencer par s'assurerqu'on a dj calcul lespartiesprlnclpalesreloves tousles
ples simpleset qu'on a exploit fond lesparits ou conjugaisonspossibles.S'IIreste
encore trop de coefficients (c'est--dire deux pour ce ple. et au moinsdeux autres
O: puisque on a calcul tous les ples simples.donc au moinsquatre en tout) 10 mthode
du systme(qui fonctionne) n'estpas la meilleureen performance.
x =_. _'_=,k
Kn1;kn-1 n On peut par exemple" diminuer la multiplicit du ple .. en considrant la fraction
SIl'on avait utilisla formuledu quotient. on aurait trouv: rationnelle (v est connu)
F1(X) ~ F(X) - _v-3
(X-a)
dont la dcomposition en lmentssimplessedduit de celle de Fpar unicit:
F1(X)=-x. +~+G
qui n'est pas fausse (on voit mal pourquoi elle 'le serait) mols qui reste nanmoins -a (X-a)
beaucoup moinsexpnclte que la prcdente (videmment on peut touJourss'amuser ce qui veut dire que a est pole multiple de FI d'ordre 2. li faut alors:
simpliftercette expressionet retrouverl'outre: on est sord'y arriver,par unicit 1). _ ... - - -
=- -expliciter Fl(c'est le pfus i:iriible) 'est~-dlre la mettre sousforme Irrductible (on
salt que le dnominateur contiendra (X - 0)2 cette fois)
B) Cas d'un ple multiple _ calculer J.l comme prcdemment on a calcul v (par la mthode 7 adapte)
On disposel aussid'une mthode systmatique(mthode , 0) mals toutes lesraisons _ et recommencer une nouvelle foisen Introduisant:
pour ne pas l'employerserontlesbonnes.car elle est particulirement Insupportable et
source d'erreurs touteslestapes. F2(X)=Fl(X)-~=~+G
(X-a) X-a
et trouver le dernier coefficient.

----- _-- --_---

 28 METHODIX ALGEBRE 2. Mthodes de dcornposltton d'une fraction rationnelle en lments simples 29

Cette mthode marche assez bien dons le cos d'une multiplicit 2, elle est dj
beaucoup plus lourde dons le cos 3, encore qu'elle possde un avantage vident par ~ETHODE10: Effectuer une division selon les puissances croissantes
'rapport a la division selon les puissances croissantes : on dispose d'un moyen de
vrification puisqu'on soit que FI doit. une fois rduite, comporter un dnominateur en
C'est une horreur, c'est une catastrophe d'avoir l'appliquer, cor on est absolument
(X_a)2, etc ... Donc ce n'est pas une mauvaise mthode. certain de commettre au moins une erreur dons cette mthode. C'est pourquot il faut
absolument chercher l'viter, mols ce n'est hlas pas toujours possible. --

Exemple 1:F(X) =
(X-l)
x: +
1
(X-2)
Cas d'emploi:
Recherche de la partie principale relative un ple multiple d'ordre suprleurou gal"'.
".'
4 (pour 3. il vaut mieux l'viter notre avis). ,--
La partie entire est nulle.
" '.';
~'.:.'
On commence videmment par la partie principale relative 2 et on trouve: 5. Rappel:
Si A et 8 sont deux polynmes avec 8(0)..a et k un entier non nul, alors il existe un
La partie principale relative 1 qui est d'ordre 2 s'crit: unique couple de polynmes (Qk,Rk) tels que:
A =8.Qk +Rk.Xk+1
,2-+_11_ el deg(Rk) s k. On dit que l'on a effectu la division selon les puissances croissantes de
X-l (X-If
A par 8 l'ordre k.
On trouve Il. en multipliant les deux membres par (X _1)2 et en valuant en 1 : Il =-2

Donc ce st~de : 1
Principe:
i Soit a un ple de multiplicit n. On a donc:
t

Nous allons voir trois faons de calculer le coefficient manquant (la dernire tant la
moins bonne, vu qu'il n'en reste qu'un calculer). .
ce quI donne:
~
par /a mthode 5: 1
on prend la valeur en 0 et on trouve: \
\ donc:
-1 =--2-..
soit: =-4
2 2 f N(X+a)
-(--)=(11
Xn-I:
+(12
Xn-2
++(1n+
XnG(X)
+0
DI X+a
1 ',; :,.....

par /a mthode 6 : Les coefficients de la dcompositfon relative a apparoissent donc comme ceux de' '."
on multiplie par X et on fait tendre les deux membres vers +00: la division selon les puissances croissantes de N(X+a) par DI(X+a) l'ordre n-I,. "::
I=+5 J
qui donne bien: = -4 ~
.{
~...
Erreurs classiques:
par /a mthode de rductiom de multipliclY :
o Il faut commencer por translater la fraction: ce n'est pas N qu'on divise par DI.

t
On calcule . mais N(X+a) par DI(X'+a). Ce qui veut dire qu'on doit commencer par se farcir le
F(X)+_2_ X+3 =_ 5_ dveloppement de (X + a) toutes les puissances ...
(X_l)2 (X-2)(X-l) X-l X-2
o Ensuite. Il faut
faire la divIsion l'ordre n -1 s't non pcs l'ordre n, c'est--dire qu'on
, tant ple simple de cette fraction, on applique la mthode 7 et li vient: s.:9~~t~_qL!andJe quotient ob~n_y e,st_gec;jegr~ n - 1., _ _ _ _ _.

o Enfin. " faut remarquer que l'on obtient les coefficients l'envers. c'est--dire que le
=~=-4 premier qu'on obtient en effectuant 10 division selon les pulssonces croissantes est an.
1-2
Ce qui prouve bien qu'il y a toujours existence. mais rarement unicit de la mthode ... et non pas (XI' Les erreurs de retranscription (c'est--dire passage de la divisIon la
dcomposition) sont qoost-svstmonques,

A part a. c'est une mthode trs bien 1

 METHODIX ALGEBRE
30
2. Mthodes de dcomposition:d'une fraction rationnelle en lmentssimples 31

X+1 4. Mthodes pratiques (cas rel)

Exemple: F(X)= (X _1)4(X _ 2)2

l ' de ple simple Deux coefficients se calculent SurR[X) il existedeux typesde fecteurs premiers:
~t~~~~e~~~~ed~~~~III~'~2th~d~a~ Il s'agit de ceu~ relatifsCluxtermes de plus haut ___:
ceux de Ia.forme (X-a) o a estrel (1reespce)
degr pour 1et 2. c'est--dire : - ceux de la forme (x2 +pX+Q)sonsracine relle (2me espce)
Il faut donc distinguer...
Envertu de cette mthode. on trouve:
A) Elments de premire espce
2 3
(14= 2 = 2 et 112= 4 = 3
Ici il n'y a rien dire: c'est exactement pareil que dans IC.Quele ple soit simple ou
multiple. Vous n'chapperez donc notamment pas 6 la divisionselon les puissances
7
Enfait. Il est Inutile de calculer (146 port puisqu c'est le premier coefficient qui va croissantes.dont nousimaginonsfacilement combien vousl'apprciez.
apparatre dans la divisionselonles puissancescroissantes.
Revoirdonc lesmthodes 7 10Incluses.
Lespolynmes qu'on doit foire InteNenlrsont donc:

N(X+a) =N(X+ 1)= X +2 B) Elments de deuxime espce

D1(X+a)=D1(X+l)=(X+ 1_2)2 =(X_1)2 = 1_2X+X2 SupposonsQuela fraction semette sousla forme:
et on doit effectuer cette division6 l'or~re 3. On va la poser une folspour toutes. car on F(X)- N(X)
a remorqu que beoucoup ne savaient pas fOire. _(x
2 +pX +qt01(X)
1

o D1est premier avec X2+pX+Q.

2+X
2_4X+2X2 IlYa encore deux sous-catgories:
-ou bien n=l.
5X-2X2 - ou bien n>1.
--~-----
5X_10X2+5X3
--- --- ---- -----
- - -----
____ 8X~-_SX~- - ----
._- _.- ~ _-
- -~._- METHODE 11 : Repasserdans e
BX2_16X3+BX4
11X3_BX4 Cas d'emploi:
(modulo leserreursde colcul lll)
Enn'oubliant pas d'Inverserles coefficients (enfin Ici on sait Que2 doit correspondre ou
plushaut degr donc on limite lesris-:;;~Jes
__ 1_1___B_+_5_+
1) :
__ 2~+_1l_1 _+~
i Pourleslments simplesde la forme 2ax+ b (n=1).
, '.
Principe:
X .+pX+q

Dans C. tout est scind do.nc le polynme (x2 +Px+q). Qui est coefficients rels.
F(Xl-x_1+(X_1)2 (X_1)3 (X_1)4 (X-2) (X-2) admet deux racinescomplexesconJuguilsa et il.
Il ne nous reste qu'un coefficient calculer: le plus simple est de multiplierpar X et de
passer la limite et +00. ce qui donne facilement:
111=-11

Pourvrifier que c'est cohrent. on peut valuer les deux membres en ~ et on vrifie
1 a.
A partir de l. on calcule lescoefficients.relatifs (1 et Quisont des ples simples
(puisque on a suppos k=1). Enfait. Il n'y a qu'un calcul faire puisque les deux
coefficients seront conjugus(cf. mthode 4).
REMARQUE:
1

que ... a ma/che 1 C'est la premire fols Que Je fols une de composition sons me '1
planter 1
J Cette mthode peut parfaitement s'appliquer au cas n /, mals nous pensons qu71vaut
mieux l'viter car le ple complexe (non reO devient alors multiple, et qurt fauf faire

r
une divisIon selon les puissances croissantes dont les coefficients vont tre complexes.
ce qui est une horreur sans nom ... A fuir

.1
1
J

-------------- ---- ----------

------------
 . - _.._ "--"-" ' ............
"~......
'o 1;11 1;J1t;:1 LICIII~.,U Il~tb'3

METHODE 12 : Foire diminuer n par tapes Enmultipliant lesdeux membrespar (X2 +1)2et en appllcant en i an trouve:
1 b i+l
02 + 2 ===-I
.
Cas d'emploi:
Donsle cos o re- 1. Comme lescoefficients sontrels,par Identification il vient:
02 =-1 et b2 =0
Principe: . On Introduit donc la fraction rationnelle:
C'est grosso modo le mme que celui expos la mthode 9. La dcomposition de F
en lments simpless'crira: F1(X)= X;l + __ X_

F(X)= f akX+bk k +G (X2+1) (X-l) (X2+1)2

k=l (x2 +PX+q) qui se simplifieeffectivement en :
On procde par tapes. comme suit: F (X)- 1
1 (X-1)(X2 + 1)
- . ""::
dtermination de on et bn : (ce qut prouve bien que l'on ne s'estpas tromp) ; l on peut foire deux choses : ou -:
bien utiliserle fait qu'on connat dj la partie relative 1, ou calculer l'autre partie
Enmultipliant lesdeux membresde la dcomposition par (x2 +px+q( on tombe sur: normalement li. Prenonscette deuxime solution: on muN'iplielesdeux membres de

N(X) =anX+bn+(X2+px+q).H(X) (x
la dcomposition par 2 +1)et on applique en 1 i:
D1(X)
ali+bl =~='::"'21(1+1)
SI et a dsignent les deux racines complexes conjugues de (X2+PX+q), on en
CL 1-1
ce qui montre que:
dduit en voluent lesdeux termesde rgalit prcdente en CL que :
al =4
et b1 =4
On peut vrifierque a marche en valuant lesdeux membresen zro.

Comme ,an et bn sont rels.sion Identifie partie relle et partie Imaginaire des deux
membres, on trouve un systmede deux quoftons deux Inconnuessur on et bn qui METHODE13 : Utiliserdes divisions euclidiennes successives
permet de lescalculer.
Cas d'ernploi :
dfmlnutfon du degr,' ,1 Avec les notations prcdentes, cette mthode s'applique si Dl =1, c'est--dlra si F se
prsente sousla forme:
On considre alorsla fraction rationnelle:
V, F(X) = N(X) N(X)
F1(X)=F(X)1 ~nX+bn n 1
_ _ _ ._ --.-- _.. -. (X._.+PX"f,.q)
-- _ ---- ..- -_. __ --1- --~,~- - ._- - ---_,_. ~- .__(~~+pX.q): _Pl~l.~ . _
').
qu'on calcule et qu'on rduit. On salt qu'au dnominateur doit apparatre
Principe:
(X2+pX +qt-1 et que par unicit la dcomposition va s'crire: La dcomposition s'crita prforl:

1 =1
F1(X) akX+bk k+G
N(X) =aIX+b1+a2X+b2+
P(xt P(X)
aoX+bn
p(X)2 ... P(xt
k=l (x2+px+q) '.
On calcule alors le dernier terme de cette dcomposition en remontant l'tape Effectuonsla divisioneuclidiennede N par P : on a alors:
prcdente, et ainsi de suite,Jusqu'en avoir marre (car cela fait. mine de rien, un N=P.Q+R
certain li nombre de calculs Immondes). et Rest de degr 1.
Ce qui veut dire que la fractions'critsousla forme:
x-:
Exemple,' F(X)- 2
. (X2+1) (X-l)
Comme la partie entire est nulle (c'est toujours comme a ? oui, souvent) la
dcomposition s'crita priori: Le dernier terme est le dernierterme de la dcompositionen lmentssimples.
F(X)- _X+1 ~~+ a1X+b1+ a2X+b i On en dduit qu'en faisantdesdivisionseuclidiennessuccessivesdes quotientsobtenus
(X2+1)2(X_l) X-l X2+1 (X2+1) par P on obtient la dcomposition en lmentssimples(lesparties principales sont les
On calcule la partie relative 1par la mthode 7 : CL = t restessuccessifs).Pour le coup. 1/ n'y a pas trop de calculs horribles foire. et 1/ faut
absolument penser cette mthode quand el/epeut s'appliquer.
 _"_.-
r, ;: 34
;

METHODJX AlGEBRE
:'~))

~' REMARQUE:
"_.
i
~ On obnentlc' , .
,
a aUSSI10 decomposihon l'envers.,. Chapitre 3
,g
Exemple: F(X)=
X7 +1
(X2 +X+ 1)3 METHODES GENERALES D'AGLEBRE LINEAIRE
On fait comme prconis: ESPACES VECTORIELS ETAPPLICATIONS LINEAIRES
7 ( ,
On reco X +1= X2 +X + 1)(X5 _X4 4-X2 -x)+x+ 1
mmen:e a~ec le nouveau quotient: '
X -X4+X2_X_(X2 )( 3
etenfln: ~ +X+1 X -2X2+X-2)-4X_2
Ce chapitre ouvre la section du livre consacre l'algbre linaire. Bien que les
(X3-2X2+X_2)_(X2 ) rsultatset mthodes qu'il rappelle salent relativement simples,Il n'en demeure pas
Ce qui donne finalement: - 1 +X+1(X-3)+3X+5 moinsImportant double titre:
- d'une part, on s'estaperu que certainscandidats commettaient des erreurs
F(X)=X-3+~ 4X+2 X+1 de raisonnementImpardonnablessurdes mthodesde base(du genre montrer qu'une
X2+X+1 (X2 X 1)2 +( 2 3 famille est libre) ; les Ides sont simples,mais les subtilits ne manquent pas (vair
Ce qui est commQde, c'est q 1 . + + X + X + 1) notamment ce propos la mthode 11);
ue a partie entiere vient avec ... - d'autre part, lesrsultatsrappels Ici seront constamment utilisspar la suite,
et on ne peut pas dcemment se permettre de ne pas savoir,par exemple, quelles
sont lesmthodes pour caractriserun projecteur.
Nousrecommandons ardemment noslecteurs assidusde veiller la correction de la
rdaction de ces petits raisonnements:faire court, ouI (Ici ce sera presque toujours le
cas) moisfaire bIen aussi.
Lecorps sera IndiffremmentRou C. Lorsquel'on ne prcisepas, "s'agit de R.

1. Espaces vectoriels

A) Espaces vectoriels et scus-espcces vectoriels.

METHODE1: Comment montrer qu'une partie est un espace vectoriel

Ce qu'li ne faut surtout pas faire:

Une fols n'tant pas coutume, la pIre des choses faire Ici serait sans doute de
chercher appliquer la dfinition. Non que cela ne marche pas (on comprendrait
d'ailleurs assezmol pourquoi), mals'elle se rvle en pratIque trs malcommode
utiliser,D'ailleurson ne vous la rappellera mme pas IcL on est sur qu'elle figure en
bonne place dons votre cours...
li Ce qu'II faut faire:
La bonne mthode consiste considrer la partie Equ'on vousdonne comme sous-
partie (au sensde l'inclusion)d'un ensembleplusgrand E'dont vous savez que c'est un
espace vectorIel et de montreralorsque Eest un sous-espacevectoriel de E',ce quI
est trssimplevu la caractrisatIonrappele ci-aprsd'un sous-espacevectoriel.
Exemples de parties" dont on sait que ce sont des ev Il :

Rn, en
Mn(R), M neC)
Rn[XJ, R[XJ

.. ..
",,'j
 --..... - .

METHODIX
ALGEBRE 3. Mthodes gnralesd'algbre linaire 37

l'ensembledes fonctionscontinues(resp.de classeCn) surun inteNalie METHODE2 : Comment dmontrer une relation entre s-ev
l'ensembledes fonctions paires,Impaires
l'ensemble desfonctionsT-priodlques. ....,
On s'Intressevidemment ici aux relationsensemblistes.c'est--dire l'Inclusionou
Carctrisalion: l'galit.

Unepartie Fest un s-evd'un ev Essl : Relations utiles connatre;

(1) {O}cFcE Un certain nombre de petites formules.qui ne figurenthlas pas toujoursdans lescours.'.
de prpas (c'est pour a qu'on est l) se rvlent tort utiles et par ailleurs simples .
(II) \i(x. y)eF2 \i(.J.L)eK2 X+J.LyeF dmontrer (c'est pour a qu'on ne le fera pas,vu la qualit de noslecteurs). .

. On peut aussI.sil'on prfre (c'est portols plus agrable dans les calculs) dcouper (il) (1) \ii F,cf ~ }}, cF
1
en deux parties. savoirla stabilit par la' multiplication par un scalaire et la stabilit
par addition. (ii) \il FcFj => FcnFi,
1

REMARQUES: (Iii) FvG s-ev deE <=> FcG ou GcF

o Il dcoule de 10dffnition qu'un espoce vectoriel n'estJomois vide (outrement dit REMARQUES:
que l'ensemble vide n'estpas un espoce vectoriel)puisqu'ilcontient automatiquement
le vecteur nul. o De (iii) dcoule notamment le fait qu'en gnral la runionde deux s-evn 'sslpas un
o Il faut se mtier des conctusoos htives:
l'ensemble des fonctionspriodiques n'est sev.Leplus petit s-evqui contient cet ensembleesfla somme F + G.
pas un ev, 'pas plus que l'ensemble des fonctions constantes ou un singleton {x} DEn revonche. l'intersectionde deux s-evest sansproblme un s-ev.
constitu d'un vecteur non nul. Ce qui ressemble un espace vectoriel n'en estpas
forcment un. OLe complmentolre d'un s-ev n'est pas (n'est Jamais) un s-evpour une rolson trs
simple: il ne contient pas le vecteurnul.
Exemple: Montrer que l'ensembleF des fonctions con/lnues vrifiont10proprit (? Principes:
est un ev. . Il Y a en grosdeux principespour tablir desrelationsentre deux ev :
(') 3(QA)/\iX 1 x lz o ==> 1 f(x)lsAI xl
. - soiton passepar leslments;
F est clairement une partie de l'ev E des tonctlons continues, et la fonction nulle - soit on raisonne globalement sur les ensembleset on utilise les relations
prcdentes.
appartient F(prendre a quelconque et A=O)..
~i
En pratique. pour prouver l'galit de deux ev, on ne prouve pas la double Inclusion
Soit (f. g) eF2 et (a. A) et (b.B) les constantes respectives. On a les vidences 1 (sauf s'ily a une symtriemanifeste) mais une inclusion+ une ,iftgolit de dimension
suivantes: i (vlcernrnent, lorsqu'onesten dimensionfinie). .
'Ix 1 x lz o ~ I.t(x)lsl lAI xl 1 Plu~prcisment. si on montre facilement que FcG, Il est ncessaire et suffisant de
montrer en outre que dlm F ~ dlm G (attention au sens)pour prouver que F=G.
et. par ingalit triangulaire: .1
.\
~J
..
vx 1 xl2:max(o.b) ~ 1 f(x)+g(x) IS(A+B),I xl Exemple.'monfrerque("): (Fn G)+ (F nH) cF n(G +~)
qui prouvent (Ii). 1 On va utiliserlesdex faons de foire :
-1J
\
- par les lments:
Soit xe(FnG)+(FnH); par dfinition 3yeFr.G 3zeFr.H l x=y+z. D'o Il rsulte
bien que.x= y +z avec y eG et zeH, ce qui prouveque xe Fr.(G +H) et l'Inclusion.
METHODElbis: Comment montrer qu'une partie est un espace vectoriel
- por les ensembles:
",:.

"
..'1
II est certaliles partiesdont on salt qu'ellessontdes espacesveCtoriels,notamment:
,.~:,;',',!-. .

_ l'Intersectionde deux espacesvectoriels;

~~~~:hJ
FnGCGCG+H}
(FnG)+(FnH)cF 1 (.)
==>("J
_ la sommede deux espacesvectoriels; =>(FnG)+(FnH)C(G+H) "
~ le noyau ou l'Imaged'une application linaire. Fnec
H H G + H (il

Dansces cas, Il n'y a rien faire sauf dire que Comme pour la plupart de ces exercices.Iln'y a qu' crire...
..c'estun ev car c'est le noyau de ,.. ,

l _ ---- -------- --------

 _"_.,-,-- .'--,.~---
_ ...

38 METHODIX AlGEBRE -T 3. Mthodes gnrales d'olgbre'lii1aire 39

Exemple : montrer que l'espace des fonctions paires et l'espace des fonctions
METHODE3 : Comment trouver la dimension tt'un ev Impairessont supplmentairesdonsl'espace desfonctions.
- 2me caractrisation:
Princlpes : Unicit: si l'on cherche crire f=g+h o 9 est paire et f est Impaire on a
(J On salt que toutes les bases ont mme cardinal. appel dimension. La
mthode la plus usite consiste donc chercher une base (cf. mthode 8 pour ncessairement:
montrer qu'une famille est une base) et compter seslments. 'Vx t(x) = g(x)+h(x)
'Vx f(-X)=g(-X)+h(-X) =g(x)-h(x)
(J Alternativement. on peut chercher un Isomorphisme entre l'ev qu'on
considre et un ev plus simple dont on connat la dimension. Alors les deux ev ont Donc en additionnant et en soustrayant:
mme dimension.
f(x)+f(-x) et h(x)= f(x)-f(-x)
li Dimensions connatre: g(x) = 2 2
Rn. M n(R).Rn[X].sont des espacesvectorielsde dimensionsrespectivesn. n2 et n+ 1.
qui sont bien respectivement paireset Impaires.Donc unicit.
Existence: ilsuffitde prendre 9 et h comment ci-dessus.qui conviennent.
B) Sous-espaces supplmentaires - 1recaractrisation:
L'existencede la dcomposition a t prouve donc (i) est vrai. Comme une fonction
La faon de montrer que des s-ev sont supplmentaires dpend cruciale ment du
nombre de ces sev. 'savoir s'IIy en a 2 ou s'IIy en a plus. paire et impaire est forcment nulle. (il) estvrai et on a gagn.

METHODE4 : Comment montrer que 2 sev sont supplmentaires

METHODE4bis : Comment prouver que n>2 s-ev sont supplmentaires
Caractrisations quivalentes' :
Principe:
lre caractrisation: Utiliserla caractrisation suivante:
(1) E=F+G
et (il) FnG={O} Lessousespaces (Fj)isnsontsupplmentairesdans E ssi:
2me caractrisation:
'VxeE 31 (f.g)eFxG tq: x=f+g
Il 'VxeE 31 (x\.,..xn) eE\x...xEn 1 x=x\+ ...+xn
'i
On procde comme plushaut en sparant existenceet unicit.
Laquelle choisir?
Une rponse htive serait de dire : la deuxime. car Il n'y a qu'une proprit vrifier. REMARQUE:
Ceci est bien entendu ... faux; car 11 faut prouver l'existence et l'unicit (cf Mthodix. .lcJ'gnrallsatlonde la premIre caractrisation de la mthode 4 existe.masrrosr pas
p.ll. mthode 4).
maniable du tout. Eneffet la condition (Ii) ne s'critpas:
Lorsqu'on y regarde de plus prs. "existence de la dcomposition est exactement la 'VI",J Eln EJ= {D}
partie (1) de la 1re caractrisation. Mals l'unicit est lgrement plus dlicate mois
prouver que la partie (il) de la premire caractrisation (bien qu'elle lui soitstrictement ,
VI ElnI.Ej ~ {D}.
quivalente). J~i
Enconclusion. Ilvaut mieux choisirla premire. ri. On voit tout de suitele malaise...

REMARQUES: C) Dpendance linaire

01/ arrive que l'unic.ite,ntraine l'existence (cf. exemple cl-dessous)donc que les
- .mthodes sont"strftementquivalentes. Commenons cette section par une miseen garde relative aux familles infinies - rien
que l'adjectif fait trembler certolns.
o Attention bien prcser dans quel espace les deux sous-espaces sont Ce n'est pas parce que l'on manipule une telle famille (typiquement: (fn) famille de
supplmentaires.
En effet F et G peuvent tre supplmentaires dons E mols pas dons un ev espace fonctions indice par n) qu'il faut se mettre crire des cornblnclsons linairesco;;r:mll
e
des sommesInfinies(d'o les sries.et des problmes de convergence. enfin le oe re
vectoriel plus grand que E. total ...).
o Comme toutes les preuves d'existence, elles peuvent tre constructives ou En algbre. on ne salt faire que des sommesfinies et une combinaison linal~;'st
dductives. ncessairementla somme d'un nombrefini de termes.

------ ------ -------- _----

----------------------
 3, Mthodes gnrales d'algbre linaire
.~--
40 METHODIX ALGEBRE 41

REMARQUE:
METHOOE5 : Comment prouver qu'une famille est libre
:J;"eerreurintressante(qu'onmet surie compte de l'tourderieparce qu'on estbons
avec vous)s'insinuepernicieusementdans certaines dmonstrationsde libert ae
Principe: familles de fonctions.Ainsi ur>candidat qui a maintenu un certain temps avoir
Il suffit d'appliquer la dfinition en supposant qu'on a une combinaison linaire nulle dmontrque (sin x,sln2x, sin3x) ne constiluailpas unefamillelibre de fonctionsparce
des (Xj) et en montrant que tous les coetclsnts sont nuls, c'est--dire:
qu'on avait la relation:
~;..jXI =0 ~ 'Vi .j ~O sin3x =.sin2x.cosx + sinx.cos2x
1 j ,."-. '".,
Evidemment pour des famillesde fonctionsd'une variable considresC(;Jf7]rTif;>'oes:
Techniques gnrales: vecteurs,les coefficientsdoivent tre des scolaires,c'est--direindpendants de/a,:,
La preuve de la nullit des coefficients est dans 75% des cas une preuve directe (on variableen qU9sffon. ," .
montre qu'ils sont nuls en les calculant) ; il peut toutefois arriver, notamment dans des
familles infinies, qu'on raisonne per l'absurde (ori Isole alors le vecteur dont le
coefficient est suppos non nui).
Exemple1: soit f( x) '" In(l + x) : montrerque f, f e f, f 0( 0 f sontItbres. .
Par ailleurs, il est frquent qu'une rcurrence intervienne dans la dmonstration quand Ici pas de rcurrence puisque la famille est finie. Le dveloppement limit de T en zro
la famille est Infinie. tant connu (sinon, en urgence. cf Mthodix 1 p. 349). IcI. on se doute qu'il va falloir
dveloppper l'ordre 3 puisqu'il faut trois coefficients. On passe sur le dtail des
Enfin, il se peut que l'on oit exprimer les coefficients .j comme solutions d'un systme calculs, qui fournit, sauf erreur, les relations suivantes: .
linaire homogne (par exemple: si on drive une relation de liaison, on obtient n 0:+13+1 ~0:+213+31 = 20:+713+ 151'" 0
relations d'o un systme). systme de Cramer (par le pivot. par exemple) qui n'admet donc que la solution
Il faut alors que le dterminant de ce systme soit non nul pour que la famnle soit libre (il triviale.
n'aura alors que la solution triviale). Reportez-vous par exemple au chapitre 9 pour les
mthodes de calcul de dterminants, '

Techniques spcifiques: , Exemple 2: montrer que les n-] po/ynrnes x", Xn.1(1+X), Xn'2(1+X2} ... ,(1+Xn)
Nous allons dtailler un peu cette mthode, en passant en revue divers types formentune famillelibre, .
d'espaces vectoriels, et la faon correspondante d'appliquer la mthode. Evidemment si on regarde les degrson n'est pas trs avancs. Mals on a ,?usslle droit
de rflchir et d'adapter la mthode en regardant les valuations qUI elles, sont
Espacevectane)de type~n : chelonnes et comme on a un rsultat similaire (toute famille valuallon chelonne
Sion dispose des coordonnes des vecteurs, on tombe sur un systme linaire est libre), on est content...
rsoudre.
Si Rn est muni de sa structure euclidienne, ou si l'espace est euclidien, on peut utiliser la
proprit suivante (qui se dmontre trs simplement en faisant le produit scalaire d'un
vecteur par la relation de liaison) : M.ETHODE5bis : Comment prouver lrivialemenlqu'une famille est libre
'" ~ -

Il Toute famille orthogonale d'un espace eucndien est libre.

Espacedepolynmes:
.. vbus savez (peut-tre pas maintenant si vous tes en dbut d'hvpotoupe.
saurez en fin .. .) que:
~is.:vous
'
.~';" ;,.. -
,

C'est un sous-espace du type prcdent (s'il est de dimension finie) et on peut se

Une famille de vecteurs propres (donc non nuls) associs des vOI~~rs.' .,;
ramener aux mthodes prcdentes en repossont aux coefficients (mols on le fait
assez rarement). ' , Il propres distinctes deux deux est libre, .' "
On dispose toutefois de deux rsultats qu'on utilise constamment:
(le prouver par rcurrence sur la taille de la famille).
' (1)Toute famille de polvnrnes de degrs tous diffrents est libre. Evidemment. a peut avoir le mrite de ridiculiser certains exercices, lorsqu'on devine
l'endomorphisme correspondant (ce qui n'est pas forcment simple). Cependant,
Il (ii) Toute famille de polynmes degrs chelonns (deP i) est libre.
I '" admettre un rsultat non trivial pour trivialiser un autre rsultat n'est pas forcment une
bonne chose, surtout pour des exercices aussi simples que ceux-l.
FracHonsraffonnelles:, _.. _.. _." _. ..
On est souvent amen .lnvoqosr 'l'unIcit de la dcomposition en lments simples - - -~'~xmp;e: ~ontrer quelestoncffonsf n (x) = eriy' forine;'''neiamlll/lb~e
d'une fraction rationnelle pour conclure (cf. chapitre 2, mthode 0). .
ConsIdrons l'endomorphisme de drivation ~ur l'espace des fonctions C~ : fn, est
. Fonctionsque/conques: vecteur propre associ la valeur propre n puisque f;'(x) =n;fn(x), Et le tour est Jou...
Les deux techniques qui se combinent frquemment sont rcunence et drivation. On
peut aussi tre amen regarder des problmes d'existence de limites ou des calculs On propose 0 l'exercice 6 une dmonstration moins artificielle de ce rsultat,
de Dt pour trancher, voire des problmes de non-rgularit (essentiellement dans les
raisonnements par l'absurde). II peut aussi tre Judicieux d'appliquer la relqlion un ou
des rels bien choisis.
42 METHODIX ALGEBRE 3. Mthodes gnrales d'algbre linaire

METHODE6 : Comment prouver qu'une famille est lie METHODE

9 : Comment prouver qu'une famille est une base (en dim<oo)

On ne va pas s'terniser puisque c'est le contraire d'une famille libre; il suffit donc de Principe:
montrer qu'il existe une combinaison linaire nulle non triviale des vecteurs : Une base tant une famille libre moximole ou gnratrice minimale, comme on est en
dimension finie, toutes les bases ont mme cardinal. on a le choix entre montrer que la
famille est libre n lments ou Qu'elle est gnratrice n lments.

La mthode est ici forcment constructive, c'est--dire qu'on doit exhiber une telle SIvous avez suivi les pisodes prcdents, vous devriez tre capable de dduire qu'II
famille de rels non tous nuls. vaut mieux chercher prouver qu'elle est llbre (c'est toujours plus simple de montrer
que des rels sont nuls. que de construire des rels...).
REMARQUE:
La gnration peut cependant tre vrifiable si l'on raisonne porduollt (cf. chapitre 6,
mthode 5 pour des dtails sur ce polnt important). .
On en profite au passage pour vous signaler une erreur amusante (pas pour le
candIdat) due au langage (cf. une autre erreur du mme genre: Mthodlx p. 10): Il
ne faut pas confondre des rels non lous nuls et des rels toas non nuls. A vis aux REMARQUE:
spcialistesdu lapsus.,.
Si on dispose de coordonnes des vecteurs dans une certaine base, cela revient
montrer que /0 matrice de ces coordonnes est inversible,donc que son dterminant
estnon nul (cf. chapitre 7).

METHODE7 : Comment prouver qu'une famille est gnratrice (de F)

METHODE10: Utiliserle thorme de la base incomplte (dim<oo)
Il s'agit de vrifier que:

L encore, la preuve de l'existence a de grandes chances d'trE! constructive.

REMARQUE:'
Certaines personnes mettent beaucoupe de bonne volont (tenter de) dmontrer
t
,.
Enonc:

Il
Utilisation:
(i) Toute famille libre peut tre complote en-une base
(il) De toute famille gnratrice on peut extraire une base

que (XI)lsn est une fomille gnratrice de F= Vect(xl)' alorsque F est par dfinition 1 En dimension finie, le thorme dit de la base Incomplte (rsultat (i) cl-dessus) peut se
l'ensemble des combinaisonslinairesdes Xi !Pour vousdonner une Ide. cela revient i rvler trs utile pour con;;trulre des bases dons des exercices thoriques (videmment
chercher dmontrer que deuxpoints sont toujoursaligns, Vousvoyezle genre... r il offre une preuve d'existence non constructive 'puisqu'on n'obtient pas de formules
donnant les nouveaux vecteurs).
1 Attention toutefois, llne permet pas de dterminer la dimension d'un espace vectoriel.

METHODE8 : Comment prouver qu'une famille est une base (de F)

J Le second rsultat est en quelque sorte symtrique de ce thorme.

Il y a deux faons de faire:

2. Applications linaires
- prouver que la fomllle est libre et gnratrice;
- prouv~r que tout vecteur de F est combinaison linaire de faon unique des
Xi' A) Problmes relatifs la dfinition
La difficult dans les deux drnorcnas se situe au mme endroit: c'est le caractre
gnrateur (donc l'existence des coefficients, appels coordonnes dans le cas d'une
i METHODE11 : Comment montrer que feL(E,F)
base), qui pose problme.:' . . ~.
Cette question d'apporence anodine est souvent l'occasion pour les candidats
REMARQUE: ne pas obtenir de points l o Ilspensaient au contraire en gagner facilement. .

En runissantles bases d'espaces vectorielssupplmentairesdans E, on obtient une En effet, ii y a bel et bien daux (et non pa~ une) choses. vrifier:
base de E Cela peut aIder la constructionde basesdaris de grandsespaces, (i) f est bien valeurs dans F (ce qui n'est pas forcment
peu qu'on oit spcifi pour F un espace un peu tordu) ;

l
 METHODIX ALGEBRE 3. Mthodes gnrales d' algbre linaire 45

(Ii) verifier que f est linaire (ce qui est gnralment trivial. et ne ncessite pas B) Problmes relatifsau rang
forcment qu'on crive dix lignes pour s'assurer que:
',,;On cherche Ici dterminer, ou seulement encadrer le rang d'une application linaire
'\ de E dans F. On renvoie aussi la dtermination du rang d'une matrice. au chapitre 6.

La plupart des lves dmontrent que (ou plutt disent il est clair que n) l'application
est linaire. mais ne se soucient pas de son ensembi.e d'arrive. METHODE13: Revenir la dfinition
Vocabulaire :
Profitons-en au passage pour rappeler les quelques dfinitions utiles relatives aux Le rang de f tant par dfinition la dimension de Im(f). s-ev de F. on est ramen
applications linaires. . mthode 3. ',.
~ndomorphisme'~ application linaire de E dans E (F=E)
Isomorphisme : application linaire bijective Cependant. cette mthode est loin d'tre la panace, cor il n'est pas toujours possible"
Ilautomorphisme: endomorphisme bijectif d'expliciter suffisamment l'image d'un endornorrnbtsrne (c'est--dire grosso modo orrlvej.,
un dfinition du genre: c'est l'ensemble des vecteurs qui vrlfint telle proprtt):. f( ..i
On peut videmment. dans certains cas. dire que f est une application linaire car vaut mieux essayer la mthode suivante. . .. .,
eile est somme ou compose d'applications linaires.

METHODE14 : Utiliserle Jhorme du rang

METHODE12 : Comment dfinir une application linaire
REMARQUE:
Ici. Il ne s'agit pas de dfinir ou sens donner la signification n mols au sens
construire , c'est--dire savoir quels sont les lments qu'II est ncessaire et suffisant Il semble que ce thormene s'appelleplus thorme du rang. voire qu'line s'appelle
de se donner pour dterminer entirement une application linaire (la caroctrlser). Il y plus du tout ce qui est fcheux.Nouscontinueronspar la suite d'y faIre rfrence en
a essentiellement trois faons de faire: tant que thorme du rang.

Dfinir f sur tous [es vecteurs . . Enonc:

C'est la faon la plus bte. qui revient se donner une formule de dflnltlon de f. ~ rg(f)+dim Ker(f)=n=dim(E)
Exemple: f(M) = M - Tr(M).1
Mises en garde:
Dfinir la restriction de f sur des s-ev supplmentaires: L'auteur de ce thorme doit se retoumer frquemment dans sa tombe s'IIentend ce
SI par exemple E=FffiG. Il est (ncessaire et) suffisant de se donner flF et fiG pour que les candidats osent lui faire dire. Signalons les plus grosses normits souvent
entendues:
caractriser f (si on impose en plus f d'tre linaire. sinon on ne peut videmment pas
aller trs Iain). :'c, a Le thorme ne di! pas que le noyau et l'Image sont supplmentaires (mme
i ;pour un endomorphisme) : c'est faux; en revanche, Il dit que tout supplmentaire du ..
Cette mthode de construction est particulirement utilise dans les exercices ,'nayau est Isomorphe l'Image. ce qui n'est pas pareil. Il n'y a en effet aucune raison,:,
thoriques. notamment dans les fameux thormes de factorisation que vous avez .poor que l'Intersection. du noyau et de !Image soit rduite O. ,,'
tous du dmonter 132 fols.
Exemple: E= Fffi G PIF= 1 PIG = 0 dfinit le projecteur surFparalllement G. o Comme on a souvent l'habitude de travailler sur les endomorphlsmes';;;:'.
beaucoup connaissent ce thorme sous une formulation plus courte qui est:' . ::;~i\.
. Dfinir t par son action sur u,~ebase: rg(f)+dlm Ker(f)=n . . ...
Une cppcotton lInaire est parfaitement dfinie si (et seulement si) on connat son Evidemment. lorsque l'espace de dpart et d'arrive sont distincts, on rie salt plus'
.action sur les vecteurs de base. . vraiment si n est la dimension de E ou de F ...
Exemple: pour l> 1 f(ei) = ei-l et f(el) = 0 dfinIt un endomorphismenilpotent.
o Par consquent. pour appliquer ce thorme. llsuffit que E soit de dimension .
finie, sans condition sur F.
REMARb)UE: Intrt:
Il faut faire attentfon la notion de restrIctionpour un lment de L(Ef) : r... !II n'est pas forcment immdiat de dterminer directement l'Image d'un

I
, ':!3ndomorphlsme. et par vole de consquence d'en donner le rang.
- sIE' est un s-evde Eon peut toujoursdfinir la restrictionde f E'; i
En revanche. la dtermination du noyau. qui se ramne la rsolution de l'quation
- sI P est un s-ev de F. on ne peut dfinir la restriction de f l'arrive sur F' (souvent f(x) = O. esttoujours plus simple.
appele coresfrlctfon)que si!7mage de f est Inclusedans F~
C'est le mme genre de diffrence qu'entre montrer qu'une famille est gnratrice et
montrer qu'elle est libre.

} 1
46 METHODIX ALGEBRE 3. Mthodes gnralesd'algbre linoire 47

Consquence pratique du thorme du rang:

L[ _Ut_iI_is_e_r
_M_E_TH_O_D_E_lS_: d_e_s_t_o_rm_u_l_s ...JI:
Il E= Kerf El) lm f <=> E= Kerf + lm f <=> Kerf n lm f = {O}
Il est classiqueque:
Ce rsultatse dmontre l'aide des mthodes 2, 4 et du thorme du rang. rg:f g)
0 s Inf (rg:f),rg:g

_ Exemple.'suile dosil9rs (c'est une consquence du thormedu rang).

Classique parmi les.classiques.voil encore un rsultat qui figure quasiment ou cours On peut aussitre amen utiliserlesformulessur10transpose(cf, chapitre 6},
de toute prpa. On va rappeler sommairement les rsultatsimportants; et les Ides de
dmonstration en dlm<~.
On pose traditionnellement: Nk= Kerfk et Ik= lm fk '.
Alors: . REMARQUE IMPORTANTE.' .
Il est trssImple de montrer qu'lI existeto/oursune application linaire de noyau (ou
(1) la suite (Nk) est croissante.la suite (Ik) est dcroissante dmae) donn(e) l'avance.' il suffitde prendre le projecteur (cf. mthode 20)sur
(ii) 13p5; ni tel que: (ou paralllement) cet espace.
On peut se demander s1lexiste toujoursun endomormhisme de noyaux et amae
donns" on rpondra l'exercIce7...
NocN1C...cNp =NP+l =...
"# "# "#

10 =:. Il; ..:;lp =lp+1=...

et que de plus: . C) Caractristiques d'une application linaire
_'_
E= Ker'fP+Im fP
METHODE 16: Comment prouver (ou utiliser) que f est injective

Elrrientsde Preuve: Une application Injective est caractrise por le fait que son noyau est rduit. zro
(qui a dit e' sonnoyau estvide li ?), salt montrerque:
(1) provlentde: Kerfog::::>Kerg et Imfogclm f f(x)=O => x=O
Il n'y a donc qu' rsoudrecette quation,
(Ii) - la suite des dimensionsdes noyaux est croissante et majore par n. donc elle
converge; or c'est une suited'entiersdonc elle est constante partir d'un certain rang.
appel p ; pg) par croissanceet compte tenu du fait que dlm Npsn. . _ Exemple: montrer que go f injective => f Injective
1 Supposonsf(x) =0.: par composition gof(x)=O. donc x.=0 par InJectivitde gof.
- On montre alors facilement que la suite des noyaux est strictement
croissante(par dfinition de p comme le plus petit entier tel que ...) puisconstante (par Uneautre caractristique existe.qui est:
Incluslan-dlmension.cf. mthode 2).
f Injective ~ l'Image d'une base (de,E) por f est une famille libre (de F).
- Le mme.rdisonnementvaut 'I'envers pour les'.lrriges.
1)

C'est peu manlaol' pour montrer que f est Injective: Enrevanche. lorsqu'on salt que f
- Lesdeux Indicesp et q (celui des Imag's)sont forcment gaux cause du est Injective. Il peut tre utile d'utilisercel!_e_prc:_p_rl~t
de f.
thorme du rang: la sommedessuitesdes dimensionsest constante. .: _ _ __..._.
. - pour montrer la dernire partie. on se sert de la consquence pratique
voque plushaut. Soit y e Ipn Np. On en dduit par dfinition qu'IIexistex tel que:
METHODE 17 : Comment montrer (ou utiliser) que t est surjective?
0= fP(y) = fP[fP(X)]= f2P(x)
Leplussimpleest de revenir la dfinition.ce qui oblige vrifierque:
ce qui veut dire que xeN2p =Np cor zpap donc fP(x)=y =0, ce qu'on voulait. 'v'yeF 3XeE t.q: y=f(x)
La preuve de l'existence de x peut tre constructive ou Inductive, selon la faon de
dfinlrf.
REMARQUE:
_ Exemple.'montrer que go f surjective=> 9 surjective(E~ F_IL_" G)
En fait on peut prouver un rsultat un peu plus prcis sur la suite des dimensions.
savoIrque la suite des diffrences des ctlmens/onsdes noyaux est dcroissante,Mals ce Soity lment de G ; puisque go f estsoriective,Il existez dans Etel que y ";'g f(z). En
0

n'estpas trsutile savos;donc on ne le faif pos.: posant x = f(z) qui est dans Fon en dduit que y = g(x), ce que l'on cherchait.

-------- -------- ------ ------ _----- -- -- _-

~_'
l. 48 METHODIX
ALGEBRE 3. Mthodes gnrales d'algbre linaire

Une outre.corcctrlsftque existe,qui est:

METHODE20 : Comment caractriser un projecteur
f suriecttve ~ l'Image d'une base (de E)par f est une famillegnratrice (de F).
. Caractrisation:
Comme prcdemment. il vaut mieux utiliser cette caactrlsation comme une
proprit d'une application surjective. Ilp projecteur ~ p est linaire et p2 =P

Uneoutre faon de le dire est que Pllm(p)= Id.

METHODE18 : Comment prouver (ou utiliser) que f est bijective Proprits: ._ ',' ". ,~.~,',
o SIp est un projecteur, alors on a les deux proprits essentiellessulvorites, :qul'
serventconstamment: ."
On peut:
- soit prouver qu'elle est injective estsurjective; IlE = Ker(p)lm(p)
- soit prouver que :
'v'yeF 31 xeE t.q : y=f(x) ~ Tr(p)=rg(p)
On peut enfin utiliserla caractrisation:
Ces deux proprits ne sont pas caractristiques des projecteurs. On montre
f bijective ~ l'Image d'une base(de E) par f est une base(de F). facilement que la premire est quivalente Kerp2 = Kerp qui n'est pas la dftntion
d'un projecteur.
Mme remarque que plus haut...
o Par ailleurs,en anticipant un peu surleschapitres suivants.on a :
- p est diagonalisable
- sesvaleurspropressont 1 (d'ordre: rg(p) et 0 (d'ordre: n-rg(p).
METHODE18bis: Comment prouver que f est bijective (dim<oo)

Commenons par prciser qu'II faut que E et F aient mme dimension finie pour
appliquer ce rsultat. METHODE21 : Comment caractrfser une symtrie
Il y a alors qulvolence entre InJectivit,surjectivitet bijectivlt. Autant chercher
vrifier la proprit la plussimple, savoirl'Injectivit.
Caractrisation:
Il5 est une symtrie ~ s est linaire et 52~ Id .
D) Quelques endomorphismes particuliers Exemple,' si s est une symtrie. montrer que p = ~(S +Id) est un projecteu/
On s'intresse Ici la caractrisation d'applications de E dans E. D'autres Il.s uffit de calculer p2 ;or compte tenu de ce que 5 et Id commutent et que 52= Id :
endomorphismes particuliers seront tudis par l'Intermdiaire de leur matrice au
chapitre 13. ; p2=(s2+2S+ld)=(2S2+2.ld)=P '.. .,

METHODE1~ : Comment caractriser une homothtie

,~.:
'

Ce rsultat n'estpas proprement parlerdu cours,maisplutt un exercice classique

souvent considr comme acquis. On a l'qlvalencesuivante:

Il fest une homotbtie ~ 'v'xeE (x,f(x)) lie

t.-___

Rappelonsbrlvement le principe de la preuve:

- en dimension quelconque: appliquer la dfintlon x et y lis,puislIbres,'pour
montrer que f( x) = X avec le mme i. pour x et y ;
- en dimension finie : appliquer la dfinitionaux vecteurs de base en montrant
que 3i./'Vi 1(el) = i.el'

Une outre faon de dire la mme chose est : un endomorphisme laissant stables
toutes lesdroitesvectoriellesest une homothtie.
Notons qu'on peut aussi qu'on peut caractriser une homothtie comme
endomorphisme diagonalisable ayant une seule valeur propre, ou. comme
endomorphisme commutant avec tous leslmentsde L(E)(cf. cnopnre B,mthode
13).

L _ - -- ---- --~---- l
 %
:."J
--'
50 METHOOIX ALGEBRE 3. MthOdesgnrales d'algbre linaire 51

Erreurs Il parait que rg(f + g) = rg(f)+1g(g) ,.

Qu'est-ce-que la base canonique d'un ev quelconque?
Le complmentaire d'un s-evn'estpas un s-ev,
Certains prtendent dfinir une application linaire par sa restriction un espace
u
Il y a ur: seul complmentaire. mais plusieurssupplmentairespour un s-ev (ce qui et son complmentaire
prouv:e bien que ce n'est pas la mme chose) : vitez donc de parler du
supplementaire. " Danslesexercices d'algbre linaire,le choix de la base doit intervenir en demier "

Lorsque (x.y) est lie. on n'a pas forcment x =:l.y (si y est nul et x non. par NOLR: Ce reproche s'adresseparticulirement aux individus qui, ayant peine tinl de
exemple). malson a forcment x =:l.y ou y =:lx. lire l'nonc de leur exercice, commencent par dire soit ei une base de E ", sans
(f

encore savoir s7lsen ont besoin et quelle base Il seraitJudicIeux de choisIr. Ces mmes
candidals poursuivent gnralement en essayant de se ramener du calcul
SI (XI),sn est libre. on n'a pas ncessairement: xn est combinaison linaire des
matricfel.., "
(x')lsn_l'
Nousavons vu plusieurscandidats s'enliserlamentablement (sic) pour prouver que
si un s-ev F de E admet un supplmentaire de dimension finie G. alors tous ses'
Le groupe linaire GLnn'est srement pas un espace vectoriel 0'applicatlon nulle
supplmentairessont de dimensionfinie. "
n'est pas dedans). Enrevanche Ils'agit d'un groupe.
NOiR: Oeux sous espaces supplmentaires d'un mme espace sont toujours
Le dterminant n'esl pas une appllcot1onlinairesurl'espace desendomorphismes. isomorphes.
Il n'y a pas ~qulvalence entre !_njectlvlJet surjectivit en dimension Infinie ; par
exemple. sur 1espace des polynomes reels. la drivation est surjective mols non
Injective. tondis que la multiplication par Xest Injective maisnon surjective.

,
-i- 0",'

Astuces
,~

En~lgbrelinalr~.dsq~'une proposition dmontrercommence por 'VxE E.,. ,

et qu elle est elle-meme linealre par rapport aux vecteurs.Il faut Imprativement avoir
le .r~flexe de che_rcher la dmontrer sur une base Qudlcleusement choisie de r
preference). (cf Methodix, ex. 7 p. 243).
1\
De mme. Il faut avoir le rflexe de tenter des rcurrences sur la dimension de "

l'espace (cf. Mthodlx 1 p. 9). On est alorsamen utiliserdes propritsde stabilit 1

(cf. chapitre 4).
Un certain nombre de petites formules trs simples dmontrer font cruellement
dfaut si on n'y pense pas ..citons notamment (listenon exhaustive, complter par
vous-mmes):
Il:.~
1
1
Kerfog::JKer.g et Imfogclmf
Ker(fJF)=KerfnF 1\1
1
dlm(F+G)=dlmF+dlmG-dlmFIG 1
dlm(FxG)=dlmF+dlmG 1
etc ..,
Jl
..~- . J,
~, "
!
J
Lu dans les rapports de l'X
),
Une application linaire est parfaitement dfinie par sa restriction des s-ev

.; ~
supplmentaires"
Certainsaffirment l'unicit,du supplmentaire
----- _.- - _- -- - - ----
- ---,--~-~ ------- ~
- - - -- - _-- -- ~---
's, 1

_--- -------
 METHODIX AlGEBRE 3. Mthodes gnrales d'algbre linaire
53

Exercices
[D
[J] :~it 9t={(f,Q)EL(E)2 t.q : tog=o}. Dterminer: s~ (rgf + rgrg)

Soit U un s-ev de ~t A l'ensemble des endomorphismes f de E tels que: U c Ker f .

.,... a) Montrer qu"P: est un espace vectoriel.
b) En dterminer la dimension. J . .
Dterminer tous les endomorphismes de E (de dimension finie) tels que, u tant"urr ..
vecteur non nul fix: ";;:;'
[TI '7x E E (u x, f(x)) est lie ',r .;
Soit F un s-ev strict de E non rduit 0 et G son complmentaire dans E et H = Gu {O} .
(pour X li u. traduire: (t(u).u) lis).
H est-II un s-ev de E ?

J
Les Fi et Gi dsignant des s-ev de E, montrer les propositions suivantes.
~
Soit G un sous-groupe fini de cardinal q de GL(E). E tant de dimension finie. Soit F l'ev
. .

. des lments Invariants par G (c'est dire les vecteurs Invariants par tous les lments
a) r. FI= L FI ~ 1;1(1, il Fi= Fj 1 deG).
1 i
b) ~ Fi "'~ GI et l;Ii FIcGI => l;Ii FI=GI dim F = ..!. L tr(g)
qgeG

W .... Indication: on Introduira: f = ..!. L g.

Soit (XI)lsn une famille libre de vecteurs d'une ev de dimension quelconque, (al)isn des qgeG
n -1-
scalaires et x = L alxl' On pose: Yi = XI+ X
. 1=1
Montrer qu'une CNS sur les (a;)jsn pour que les (Yi)isn soient libres est:
n
L aJ+l .. 0
1=1

[TI
a) Montrer que (1.../2) sont Q-Ilnalrement Indpendants.

b) Montrer que (1.../2,..J3) sont Q-Ilnairement Indpendants.

c) Salt p. q et r trois projecteurs non nuls et f = p + q../2 H..J3. f peut-II tre un
projecteur ?"

J]] i
11
Montrer que les familles de fonctions (f,) suivantes (Indexes par des rels) sont libres s
'(
dans l'espace des fonctions numriques:
a) t,(X)=1 x-r 1 '!::1
b) t,(x) =e'" "
"Ji'
,!~

~
., 1!'1

ITI . i
Soit F et G deux s-ev de E de dimension n. Dterminer une CNS simple pour qu'il existe )
un endomorphisme f de E de noyau F et d'image G.
-
J

\ \
 -...,_- --------_ .. ----_ ... __ ._-_._-_
.- ..

54 METHODIXAlGEBRE 3. Mthodes gnrales d'algbrii'ilnaire 55

Corrigs
[TI
a) li suffit de montrer que: 'i(i.J). Fi c Fj' En y allant au pif, on peut crire
notamment que:

DJ a) Conformment la mthode 1. on montre que A est un s-ev de l(E). qui permet de conclure.

(i) c'est une parNe de L(E), qui contient l'application nulle puisque le noyau de b) Vu qu'II faut montrer une galit, qu'on a dj une inclusion et qu'on n'a pas
celle-ci est E tout entier. de renseignements sur les dimensions, d'aprs la mthode 2. on va chercher prouver
l'autre inclusion. soit FI=> GI
Oi) - on a toujours Ker f c Ker f donc f EA .
-slfetgsontdansAetxdansU, f(x)=g(x)=O donc f(x)+g(x)=O. Soit x E G) c liB Gi = e FI' On en dduit que:
1 i
Donc A est bien un ev. X = 2. f) (')
i
b) On se prcipite sur la mthode 3. On volt mal premire vue comment
avec f)EFlcGj. .
trouver une base de A. En'revanche, si on a lu toutes les mthodes (ce que nous vous
encourageons vivement faire), on a vu (mthode 12) qu'une application IinOtre En recrlvant n en regroupant les termes qui sont dans les mmes s-ev :
tait parfaitement dfinie par sa restriction des s-ev supplmentaires.
x-fi=2.f)
Or si f est dans A. f est parfaitement dfinie sur U (elle y est nulle) ; soit donc V un i~1
supplmentaire de U'dans E (et pas le supplmentaire de U : a ne veut strictement Le vecteur de gauche est dans FI, celui de droite dans F). Or les s-ev F) sont en
rien dire). f est parfaitement dfinie si on se donne sa restriction V. )~I
somme directe, donc ce terme est forcment nul. Donc x - fi = O. donc x est dans Fi '
Mathmatiquement, Il faut dfinir un isomorphisme entre deux espaces (cf. ce qu'on voulait.
mthode 3). Soit:
e : L(E)~L(U,E)xL(V,E) (Evidemment, quand on cherche ce genre d'exercice, on peut tourner en rond un
petit moment avant de trouver la bonne faon de s'y prendre ...)
.f ~(flu' flv) .
REMARQUE:
C'est un Isomorphisme. Par construction: Certainscandidats manquent d'assuranceds qu)Js'agit de manipuler plusIeursIndices
(ce qui est le cas /cO. Vn'flezque ce n'est pas votre cas... Reportez vousnotamment
A=cp-1{(0,V). vEL(V.E)} au tome 1, page JO).
l'espace de droite tant Isomorphe L(V,E), donc de dimension dimV.dimE.
Moralit:
dlmA=dlmE. (dlmE - di~.U) [Il ...
.. Comme prcdemment, attention ne pas se mlanger les pinceaux entre les x, les y,
les 0;... et les coefficients (l''lli,,n qu'on esv oblig d'Introduire pour appliquer la
J
SI cela taitvrai, cela se sourolt et on vous l'aurait sOrement dj dit. Donc on va
montrer que c'est faux. en supposant que H est un s-ev de E. mthode:'=I 1Yi=i i(x+xll=(f aix,).i i+f .lxi=i xl[ai'~ .);I]
. 1=1 1=1 Is1 1=1 1=1. 1=1 )=1 '..
a
Notons dJ que H est non rduit sinon F serait gal E. Donc on peut prendre un
couple (x,y) de FxH diffrent de (0,0). Remarquons aussi que FnH= {O}. (attention changer d'indice dans la dernlresorrrne sinon on se retrouve deux fols
avec l'Indice 1. ce qui est gnant) .
. Bon. Et qu'est-ce-qu'on fait? Vu qu'on fait de l'algbre linaire, on peut toujours
.regarder o se trouve x + y . . La famille (XI)I"n tant libre, la famille (YI)i,,~I'est si et seulement si Iescoefficients de
cette relation de liaison sont tous nuls:
SI x +y EF, alors y =(x+y)+(-x) donc y est dans F; or Il est dans H; donc y est nul. ce
~ ~ .
ql n'est pas vrol, n
'ii Oj.2. I.) +I =0 '0':;':
Donc x + y n'est pas dans F, Il est donc dans son complmentaire G. donc dans H. Le )=1
mme raisonnement que plus haut amne une contradiction (x est nul).
Or 51 l'on regarde de plus prs, ces relations donnent un systme linaire en les A;:S9:':
Moralit : H n'est pas un s-ev. . famille (YI)I"n est libre ssltous les .Isont nuls, donc sslle systme est decromer::~.';.f-~:, .
dire sslson dterminant est non nul. Or ce dterminant est : Y~'..d:.r'.,
','..:',.,

------- --------
 METHODIX ALGEBRE 3. Mthodes gnrales ~'blgbre linaire 57

!Il', '.
Conformment la miseen garde du 1.C). nous ne manipulerons que des sommes
finies, Nous supposons donc qu'II existe (mthode 5) une relation de. dpendance ..
linaire entre les (fr) :
n
qu! s~ ~alcule facilement (c'est un cos particulier de l'exercice 3 chapitre 7). On trouve L "Ifr, =0 n ,.,;p','
1=1 ' '" '"
prclsrnent :
o on peut. quitte les rindexer.supposerqu'on a classles ri par ordre strlcternent"
croissant, ' ,'",
A partir de l, il fout essayerd'exploiter les proprits connues de ces roncons p'c;>qr:
montrer que tous les coefficients sontnuls. ' " '
ITl 0) On n'a pas trop le choix de la mthode 1 Supposonsdonc
0) 0 On peut par exemple se ramener des fonctions affines surdes Intervalles
a+b{2=O (')
avec a et b rationnelsnon touslesdeux nuls. bien choisis(faire souter lesvaleursabsolues..) :

On peut successivementse ramener :

- (a b) entiers (II suffit de multiplier (') par le ppcm des dnominateurs) non
nuls(sil'un est nul.l'outreaussi); et:
- (o.b) sont premiersentre eux(IIsuffitde diviser(') par leur pgcd).

On a alors,en changeant un terme de membre et en levant au carr:

02 =2b2 D'o il ressortque : "n = O. Eton peut continuer Ijlnredescendant donc tous les "1 sont
Sion se rappelle les rudiments de l'arithmtique, on volt (cf. chapitre 1) qu'II y a du nuls.
Gaussl-dessous: 2 divisele membre de droite; donc Il divisele membre de gauche
donc 2 divisea : 0= 2a ; en reportant Il vlent: . . REMARQUE:'
b2 =2a2
Le mme raisonnement prouve que 2 divise b ; or a et b sont premiers entre eux... On peut toujoursprsenter un tel raisonnementde deux faons:
Donc de tels entiersn'existentpas. , _ soit montrer que touslescoefflcienls sontnuls: . .
_ sotpar l'absurde, supposer le contraire, IntrodUirele plus grand (ou le plus petit a
REMARQUE:On vientde prouver que {2 n'tait pas rabonnel,.. dpend) des IndIces tel que "1 soitnon nul et trouverune contradiction. ' ,
C'est strictement quivalent mais dans le deuxime cas il faut prendre garde bien'
b) On recommence: supposonsqu'IIexlste un triplet de rationnelsnon tous nuls dfinir /'lndice qui vousIntresse. ..'
.~ _ _ _ _:" _ _ --r _.- ::";_
teIsque:
_, _' peur aussI.plus rapidement mals-pluasfuleusementpeut-tre, regarder',
~O-QI"I
a+b{2+c{3 =0
_ .. - ._-- lesproblmes de drivabilit. Recrivons('): '
On se ramne-commeau-0)-ou cas d'entierspremiersdans leur ensemble.
En levant ou carr aprs avoir fait passer le demler terme dons l'outre membre Il
vient. aprs rarrangement:
"l fr,
n
= - 1=2
L "If" ' "
Chaque (fr) est drivable partout sauf en r. La fonction de droite est donc drivable
(02 -3c2 +2b2)+{2,ab = A+B.f2 =0 en rl : celle de gauche ne l'estque si ~1 =O.Etoncootloue ...
o A et B sont des entiersrelatifs.D'aprsle 0) Ilssont ncessairement'nuls,donc ou a
QU b est nul.
On aboutit ensuitefacilement une contradiction en reproduisantun raisonnement du b) 0 On peut appliquer la relation en 0, et driver (') n- 1 folsen appliquant
mme type qu'au a). chaque fois en O. On se retrouve avec un systme en les "1
rsoudre. dont le
c) Quel est le rapport? Sion va voir la mthode 20, on s'aperoit qu'II y a une dtrmlnant est un VanDerMonde (cf. chapitre 9). savoir V(rl.... rn), qui est non riul
~ormulesurla trace qui est bien Intressante... Eneffet. sif tait un projecteur. on aurait car ;~esarguments sont distincts 2 2. Donc le systmeest de Cramer et n'a que la'
solution triviale.
. ';;g f~tr f= tr(p +q.f2 +r.,f3)=rg p+..fi.rg q+.,f3.rg r
o On peut aussiprfrer utiliserleslimites. et. aprs divisionde (') par er,x, foire
qui est une relationde liaison coefficients entiers(donc rationnels) non tous nuls(les
tendre x vers +00ce qui donne: "n = 0 et ainside suite.
rangs)pour (1...fi, .,f3).ce qui est impossibled'aprsb).
Donc f n'estpas un projecteur.Tantpis.
J ',' .
On se rappelle (cf. Mthodix 1. ch.l) qu'il faut toujours sparer CN et CS et de
prfrence chercher d'abord une eN. ' : .
'" .

----------------------------------------------------
L_ _
----
~l
l
vo

Ici. on pense tout de suite a th'

et G:
,
METHODIXALGEBRE

u eoreme du rang (oh bon 7) qui relie les dimensions de F

3. Mthodes gnrales dalgb~e. linaire

l on se retrouve (presque) en terrain connu; si on introduit une base de F. on montre

59

facilement, comme la mthode 19. qu'il existe un rel (le mme pour tous les x) et
Vu qu'on n'a rien d' dimF+dlmG=n une forme linaire Il tels que:
suite. outre sous le coude. on va voir si a suffit. quitte toffer par la
'v'xe F f(x) = .X+I1(X).U
O~ soit dj construire un endomorphisme de . Comme (f(U). u) lis, cette galit est aussi vraie sur le supplmentaire de F p sovoir
methode 15), savoir un projecteur p paralll~moYeanUt
d ons E :

dFonne (cf. ren;arque suivant la Ru. donc elle est vraie sur E tout entier ce qui doone la forme de f.
a sur un supplementaire H de F
E=HeF=lm peKer p Rciproquement tout f de ce type fonctionne.

Or H est isomorphe G (Ils ont mme dimension n-dimF) soit: H !G REMARQUE:

Aportird
o e l'a, 1'/ e~ naturel d'envisager f ='~ 0 p et de voir qu'II convient: L'hypothse de dimension finie n'a te ajoute que pour simplifier la dmonstration '.
(prendre une base). Mais comme la mthode 19.tout fonctionne identiquement en
ip(p(x)-O 9 bfecIifP(X)=O (=) xeFdoncKerf=F. dimension Infinie.
o- :m~es; ~e mme dimension que Imp=H (cor ip est un Isomorphisme)
- m es nclusdansGporcar Imfclmcp=G.Donc imf=G. 1 ITQ]
C'est gagn. i
i Le problme revient donc montrer que tr f = dll(l F.

w Quel est le rapport entre F et f 7 Un lment de F tant stable par tous les g. 11 est stable
parfdonc:
Vu qu'on parle de rangs il y a d h '
nom (mthode 14) et/ou des form~fe~. onces qu il faille utiliser le thorme du mme 1
. ~-
xeF => f(x)=x => xelmf => Fclmf

Donc an peW raisonnablement esprer que: F= Imf . Mols on ne va pas prouver cette
Rien que la dfinition de 91Invite crire:
,l galit pciiThclusion-dimension puisque prclsrnent on cherche un renseignement sur
la dimension. Donc Il faut une autre Inclusion. '
" (f.g)e91
C e qu on peut lire:
(=) Imgi:l\Kert ee dlmlmg=rggSdlmKerf=n_rgf ~
. '.,
.: . rgf + rggsn n T Bon. C'est l le passage un petit peu rus de l'exrclce. Puisque G est un groupe,. g

l
Cerrolns ne marqueront pa d dl ( tant fix dons G : h ~ gh est une bijection de G sur lui-mme (eh oui 1)
est n. C'est videmment Ine;acr p~~q~~ voustcodnnait) que c'est fini et que la rponse Donc par exemple:
ce sroc e on a seulement prouv que:
s~ (rgf + rgg)'sn I. gh= 2. h
heG heG
en passant ou sup dans (0).
Donc videmment gof=f. ce qui veut dire que f(x)eF pour tout x. donc lm f c F.
Reste savoir 51 cette borne est ott 1 t CQFD.
affiner (cor on est certain ici que le en e o~ non. Sinon. on est mol parti et Il faudra
d'entiers boms).
Fort hureusement. en prenant
sup es un. max. vu qu'on est dans un ensemble
(f, g) = (Id,0) E 91
Rsumons: Il faut montrer que rg f = _!_
.
r tr g. Rang,
qgeG
trace ... a ne' vous fait pas
donc fini pour cet exercice. on volt que n est atteint et que c'est
r penser un projecteur (mthode

f2 =~
20) 7 Calculons:

2.9h=~ L9=~.q 2.g=f

w-' .
SIdimES2. tout f est solution. Supposons dl~E~3.
_ _ .-.9 .Q.t\_eG__ SI g.heG. q __ QeG_ -
Bingo 1 Donc f est un projecteur, et son rang est gal sa trac et puis voil. Ca vous a
plu?

l'hypothse s'crit: REMARQUE:

On olrn t bl 'v'xeE 3(ax'~x''Yx) t.q : axf(x)+f3x'x+'Yx'u=O On ne s'estjamais servIdu fait que les lmer,tsde G taient invef5ibles.A ce propos.
1 eral en Isoler f mais on n It . une' erreur sur laquelle nous reviendrons (cf. Chapitre 1.3,demler exercice) : tout
exactement: e sa pas SI le coefficient devant est nul. Plus
lment de G est invef5lb1e(dans G)malspas forcment inversibledans GL(E)...
. ax =0 ~ (x.u) lis
Donc sion Introduit un supplmentaire F de Ru dons E, on a ncessairement.
'v'xeF 3(..x'l1x) t.q : f(x)=..x'X+l1x'U .

- -------
 Chapitre 4

METHODES DE DUAUTE

Nousne sommes pas absolumentcertains que l'ensembledes possesseursde ce livre ',~,

(que nous saluons au passage)auront l courage de lire ce chapitre, rpugns qu'ils ',,'
sontpar ce phnomne trange appel dualit,
Etc'est fort dommage. Eneffet nouspourrionsrpterIci ce que nousavons dj crit
E
l. en d'autres occasions, proposdu calcul diffrentiel(cf, Mthodix 1. ch. 16p, 203): '
faire une Impasse surla dualit est un mouvais calcul, car ce n'est pas si compliqu "
t que cela comprendre, D'autant que personnen'y comprend rien,et qu'au royaume
des aveugles les borgnessont rois,
1! Tout cela pour vous encourager vous prendre un petit peu la tte surce chapitre:
r cela sera notre avis beaucoup plusprofitable que d'inverserune matrice 25x25,
t Dans tout le Chapitre, EdsIgna un ev de di~ilQnSiOnnnle.
l
.zf ,
REMARQUE:

i
Plusque pour la pluport des outres chapItres. /1 est essentielde bien connaitre votre
cours avant de vouslancer donsla tectoro desmthodes,

l
~
1.~Formes
linaires
------------------------------;...--"
METHODE 1 : Comment montrer que cp est une forme linaire
'..

- -. Princip -: -
Il suffit de vrifier que cp est linaire et qu'elle est voleursdons le corps de base de
l'espace vectoriel (c'est--dIreRou C).
Notation : .
Il n:',!3st
pas rare de rencontrer le crochet de dualit pour noter l'action de f sur un
vecteur x: ' ,
<p(x) = (cp. x)
Il n'y aucune raison de s'affoleroutremesure 1
Exemple , : montrer que la trace est une forme linaire '
On salt que la trace est linaire. et elle est bien voleursdons K, Donc Il
dire. '

-- -- ---------------------'"
 CL
METHODIX AlGEBRE
H- 4. Mthodes de dualit 63

Exemple2:la diffrentielle d'une fonction f .

Quelle horreur. voil que le calcul diffr
affreu~.... .
Par definllion. la diffrentielle d'une telle fonction
linaire Sur R p. valeurs relles d
,

P
tl'IR --:+R ~stuneformellnail'e
en e se mele a la dualit ... Affreux. affreux.

_e~ un point a est une application

one une ,orme IInealre.
\} l
v.
Exemple: dterminer Mn en utillsontl'appllcafion
e : Mn~Mn'
A---+(M -+ Tr(AM))
On a en outre. si (el llsP dsigne une base de R P : Pour montrer le rsultat voulu. Il est ncessaire et suffisant de montrer que cette
i application. visiblement linaire. est surjective. Comme elie est entre deux espaces de
Jt
( df(a).ej) =-(0)
aXI
! mme dimension finie n. Il est quivalent (cf. chapitre prcdent mthode 19) et plus
simple de montrer qu'elle est InJective.
Mises en garde:
Soit donc A telle que:
o Eviter de confondre les formes lin - 1
'v'MeMn Tr(AM)=O
raconte? On ne Confond Jamais ea res. et les formes multilinaires. " Qu'est ce qu'II
'. pensez-vous en votre for Intrieur. Cette relation tant linaire. Il est quivalent de l'crire pour les vecteurs de base (cf. 1
~oi!. Nous nous permettr~ns nanmoins d . chapitre 5). savoir les Eij'
linealre. le dterminant quant lite vous rappeler.ql!e. si la trace est une forme Les rgles du calcul matriciel (cf. chapl1Te 6) donnent Instantanment:
certainement pas: u es une forme n~linealre. Notamment. on n'a
Tr(AEjj)= L. aki.olkTr(Ejl)= L. aki,lk,II=ajj
mais plutt: det(:w) = .det(M) k.1 k.1
Ce qui montre que tous les coefficients de A sont nuls. donc que A est nulle. CQFD.
On en dduit que toute forme linaire sur un espace de motrice est de la forme
Nous ne nous faisons Cependant det(:w)
tr
= n det(M)
" Tr(AM).
ne vous empchera pas de faire pas op d illusions; le faft de vous avoir mis en garde
encore cette erreur. ,
Intrt:
o Veillez rserver la notation E' a d Il est clair. SI l'on vaus parle d'une forme linaire sur un espace de matrices. vous
portlculler. n'crivez Jamais : u ual de E (ev des formes linaires sur E) ; en pouvez (presque) l'expliciter. L'exercice n'en sera que plus simple.

si vous cherchez dire "\/xeE .... "

Cela 'It ." \/x e E. x,. 0 "

pourra en1Tanerdes confusions
, fcheu ses. METHODE3 : Comment utiliser la dfinition d'une forme linaire

, Consquences de la dfinition:
Il dcoule immdlatement-de la dflnitlon un 'certain nombre de petites proprits qu'II
M~THOD_E
2 : Utiliser le " catalogue ~es formas li~ires est bon d'avoir constamment prsentes l'esprit. Lesvoici:

Sous cette dnomination un e b (1) le noyau d'une forme linaire non nulle est un hyperplan
suffisamment court). on cher~h~ s arbare (c'est tout ce qu'on a trouv pour faire
formes, linaires sur certains espaces :eulement q dire qu'on connat exactement les
(Ii) tout hyperplan est le noyau d' (au moins) une forme linaire non nulle
(III) toute forme linaire non nulle est surjective
..
IlIl Toute forme linaire
scalalr:. c'est--dIre:
sur un
", espace vectoriel euclidien
'
est un produit
(Iv) deux formes linaires ont mme noyau sslelles sont proportionnelles.

, , \/cp,;E' 31aeE tq: 'v'x'eE cp(x)= (a. x) , ' Les trois premires sont triviales. Nous rappelons la dmonstration de la dernire en,
exemple. car elle permet de mettre en place des raisonnements classiques relatifs aux
(En gros. Il suffit de bien choisir un ' . formes linaires.
forme en question qui est une drOfteve(ctel,ur directeur de l'orthogonal du noyau de la
' . ou espace nui.
Exemple : montrer que Kercp= Kei'1Jl~ 31-... 0 tq : '1' .1j1 = ,
Il Toute forme :nalre ~ur Mn(R) s'crit l'aide de la trace: , La condition suffisante est claire. cor les formes linaires s'annulent en mme temps.

, cpe9r{n 3lAe9r{n =: \;fMe9r{n fj)(M)= Tr(AM) =

Supposons que Kerfj) Kei'1Jl=H.
REMARQUE: , - ou bien H=E, alors les deux formes sont nlles et donc proportionnelles;
=
- ou bien dlm H n - 1 ; salt x un vecteur du supplmentaire de H dans E ; I~s
Le deuxime rsultat n'est deux formes sont non nulies sur x, s'IIexiste un tel . on doit ncessairement avoir:
pas totalement Indpendant du premier. cor u; est = (<p. x)
espace euclidien et que (A B) tr( t AB) n un
rite ct.., '.. . -- est un produit scolaire sur cet ev. (ct. la (1j1.x)
pa alge...;rebilinaire). . qui est alors bien dfini car le dnominateur est non nul.

On peut parfaitement montrer ce rsulli f

propos tait slmplementde foire le Ikm enr:.
~an::ecour': a l'algbre bilinaire. Notre
=
" est clair que ce rel convient. puisque la relation cp- 1-..1j1 est satisfaite sur Rx par
- -, - - -, , ""e les <J'eux
pomts de vue. .. _ construction. et sur son supplmentaire H o les deux membres sont nuls.
 MEl'i-IOOIX ALGEBRE 4. Mthodes de dualit 65

2. Orthogonalit
.Utiliserdes formules:
." . l'ensembledes tr bl s nous en citeronsquotre trs Importantes.
Parmi .. formulesdemon a e.
et .constammentutilisees:
METHODE4 : Comment dterminer l'orthogonal d'un s-ev
(1)Fe G => Gl.c Fol et (Fl. t =F
On peut soit revenir la dfinition, soit utiliserdesformules. (Ii) dlm Fl.=n-dlm ~.
Approche heuristique: (m) (FnG)ol =Fl. +Gl. et (FtG) l. = FolnGl. ~',
"

Lecrochet de dualit est nous semble-t-il, une aide mnmotechnique prcieusepour

retenir et comprendre la notion d'orthogonalit, puisqu'elle peut faire penser au (Iv) (Ker<p)l.
= Vect(cp)
." "
produit scalaire, et donc l'orthogonalit entre vecteurs.
(form\.]lesvalablespour (F.G)cE2 ou (F.G)cE2). "., ... ,:
IcI, on l'aura compris. le crochet de dualit a pour arguments deux lmentsde nature
distincte, maisduale: une forme et un vecteur.
. . urs et la dmonstrati.onn'apprend rien
(') est clair; (Ii) est forcment dans vo[:e co artie de (Iii) Ici (la premire est dans.les .
Dfinitions: ~'intressant; on va dmontrer la deux eme p
On dit donc naturellement qu'un vecteur x est orthogonal relativQment une lorme exercices),et on vient de voir (lv). .
linaire '1' si: ('l', x) = 0
li Exemple.'tablirque (F +G)l.= F1.nGl. , _ or (Iv) .
Notonsdj que: F+ G ::;)F et F+ G ::;)G d ou P .
L'orthogonal d'un s-evFde E est le s-evde E+caractris par:
F1.={<peE t.q: 'v'xeF (<p,x)= 0 } . (F+G)olcFol AGl..
Dualement on dfinit l'orthogonal d'un s,ev G de E+comme le s-evde Etel

REMARQUES:
1 que:
G1.={xeE t.q: 'v'cpeG (<p,x)=o} .
Soitmaintenant <pE F1.r.Gl. et xeF+G, donc x = y +z avec y dans F et z: dans G. On
n'a qu' valuer: y}+(<jl.z) =0+0 = 0
(<j>, x) = (<p,

Et le tour est jou. O est-ce-que vous voyez qu 'il faut s'affoler quand on fait de," la
o On IdentifieEet
qu'on rappelle - et c'est essentielici
sonbidual. - qu'on s'estplac en dimensionfinie, donc ~aM? '.

o On s'estpermis d'utiliserla mme notation pour l'orthogonal d'une partie de E et

d'unepartie du dual.A notre avis:ce n'estpas uneSourcede confusionpuisqu'onsait
toujours aoos qaei. espace se trouve la"partle en' question.' Ce serait plutt
Ibccumulation de notations(F., F1.)qui entratneraltcette confuslon... METHODE 5 : Comment utilisr l'orthogonQi I'unepartie .';; ..'
Utilisation pratique: . ~ doutez n'est pas de vous faire caluler'
Le but ultime de la duaU~,vo~s..Jos~~n ce que mort s'ensuive.
Il s'agit simplement d'expliciter la relation d'orthogonalit. dans le but de chercher l'orthogonal d'un ev, puts d un au eu .
dterminer le plus simplement possiblel'espace recherch.
Notre ambition est d'essayerd e vaUSmontrer
_ en quoi un raisonnement
_. par du(:lIIt~.
. , ,_.'
Exemple: dterminer(Kr<p l permet de simpllfler beaucoup de problef'[1es. .
Il s'agit, par dfinition, de :
AuPrincipe: l't" . ondual
dmontre la proprit duole. c'est-c-ore
A= {Ijl e E t.q: 'v'xe Ker<p(1jI, x) = 0 } lieu de dmontrer une" propr,e
ceUequi traduit la proprit dans 1 espace. .
On a donc l'quivalence:
ljfeA <=:> Ker<pcKenv Cas d'application:
SI Ijf n'estpas nulle, une consldra1ionde dimensionsmontre qu'alors:
~. galitsd'espacesvectortels:tre ue les orthogonaux de ces espaces
Ad lieu de montrer qU,eF=G~?n m~~go~ux sontsimples exprimer).
Ijf eA <=:> = Kenv ou IJI = 0
Ker<p gaux (cela n'a d'Intretque es 0

On est ramen l'exemple de la mthode 4, et on en dduit que ljI eA ssl ljI est montrerqu'unefamilleestgnratrice: . V t( )1._ {O} ce qui
proportionnelle cp. Donc A =Vect(<p). Vec!(x )=E, on montre que. ec x, - , 1
Au lieu de montrer que _ '1 s'annulant sur tous.Ies vecteurs de a
dmontrer qu'une forme Ilnea re
identiquement nulle.
 66 4. Mthodes de dualit
METHODIXALGEBRE

Exemple' . soit (a) '.

i lslsn n reels sllnc!s Montrer que les formes li: p.~ pral) Outils frquemment utiliss: "
statistiquement parlant. il est frquent que les exercices sur la dualit se droulent dans
constituent une base de l'espace E=R n-l[Xr un espace de polynmes.

Ici o~ a une famille n lments d'un es ace d dl . Il fout alors penser aux nombreuses bases qu'on y connat. outre la base canonique,
certOins.l'ont srement crit) donc il suffit d~ montr:r q:;e~12se,asnt
l'Inb(et pas, n;-l ~omme notamment la base des polynmes interpolateurs de Lagrange qui intervient souvent
re ou generatnce. (cf. chapitre 3 pour sa dfinition et sesproprits).
La libert ne s'exprime pas en termes d'es ( , st
sortez celte phrase de son contexte) . parPcaoCnetreClea
ere:sqatu.e
de la philosophie si vous Une astuce vitale:
, ,gener Ion s'cnt :
Classiquement. l'nonc de ces exercices est:
Vect{li} = E
Montrer que telle familleest une base de Eet donnersa base duale u.
Il est quivalent de vrifier la proprit duale, qui s'crit:
Dans certains cas, on peut rencontrer des difficults pour montrer que la famille est une
?
base avec les mthodes traditionnelles (libre ou gnratrice n lments).
El. '" {O}=Vect{'P'}.1 ee (2: l1ect(<(li))" :=
(,il)
n Vect('P).1'(iv) = n Ker(cp.}, Dans ce cas prcis. il est Judicieux de tout dmontrer d'un seul coup. Plus exactement.
si on a une famille (e,) de E ( n lments) et qu'on trouve une famille (e,') de E' ( n
(Reprenez paisiblement le fil d
c'est presque toujours le mr:::
' l'r
eg? 1 es pour savoir faire ce calcul les yeux ferms lments) telle que:
formules de la mth?de 4). qu on doit reproduire. Les numros renvoient ou;
'1(lJ) er'(eJ)= 5'1
Soit donc un eTement P de l'intersection des noyaux; Il vrffle .: alors on est sr que (ei) est une base de E et qu'on a trouv sa base duale.

'Vi~ n (tpi'P) =P(a,) = 0 En effet.. si on a une liaison:

I. ,e,=0 ~ "IJ o=e/(2: ;e,)=2: ,.et(ei)=2: I.,j";I

~:~Olynme P, qui e~t dans Rn_l[X] donc de degr infrieur ou gal n-1, possde
c au moins les n reels (0;) comme racines. Il est forcment nul. ce qu'on voulait.
, '"
Ce qui prouve la libert de la famille (ei): ~UI est donc une base. dont on a trouv la
duale. .
Cet exemple Illustre la simpllcit' 'd'fi t d ' . .
remarquable efficacit. e e 1 an e e la methode. en mme temps que sa
Exemple 1..base duale de la base canonique de R n[X]
Par dfinition. on doit avoir:
'1(i:1) ('Pi'XJ) = !ill

Donc pour tout polynme P(X) = I., aiX'. Il vient:

p(')(O)
3. Base duale ('Pi.P)=a,=-.
... -11.-

Exemp/e..2 : montrer que (j)i: P ~ p(a;). et une base et donner sa ba~e duale
METHODE6': Comment dterminer l base duale (Notations: cf. exemple de la mthode 5)
On cherche trouver les polynmes (Pl) tels que:
Rappel :
On rappelle qu' toute b () d .::
.). ose e, e E, on fait correspondre de manire unique une 'V(l J) (<(l,.PI);" PJ(ai) = 'J
base (ei de E en Imposant la relation:
Par dfinition mme, ce sont exactement les polynmes Interpolateurs de Lagrange
associs aux (ai)' Donc la ft famille duale exlste. .
On en dduit la tols la libert de la famille des formes (donc le fait que c'est une
base) et sa base duale .
Principe:
REMARQUE:
Il consiste tout btement expliciter la d -'fi 1
partfcullre des vecteurs et des formes sur l'eesponltcon
en Itenc::nt compte de l'expression On comparera le degr de complexit de cette dmonstration du fait que c'est une
. e env sage.
base avec la df!1Onstration
propose en application de la mthode 5.
 68 METHODIX ALGEBRE 4. Mthodes dedualit 69

4. Transpose (1) rg(f) = rg(lf)

- 1 - (II) Ker(lf)=(lm f)l. et Im(lf)=(Kerf)l.

METHODE7 : Comment dtermlner la transpose de f ? (iii) I(goffholg

(iv) F stable par f <=0 Fl. stoble par If
Rappel:
SI f dsigne une application linaire de E vers F, on dfinit la transpose de f comme Exemple: dmontrerla proprit (iv) ..'0;
l'unique application linaire de F' dans E' telle que: Soit 'Ile Fl.. On veut savoir 51 tf(1jI) e Fl., donc on applique cette forme un l~me1t;
'v'1jIeF' If(1jI) = ~o f quelconque y de F :
soit, de manire plus dveloppe :
(lf('V), y) =(1jI, f(y)) =0
. 'v'1jIeF' 'v'xeE (lf(1jI~X)E=(1jI,f(X))F _'. ': -.,
car f(Y) eF et 'VeFl..
REMARQUES:

o Pour -ceux qui maitrisent l'algbre bilinaire, on fera le rapprochement avec la Intrt de (iv) :
dfinltion,de l'adjoint d'un endomorphisme. Cette proprit de stabilit est essentielle. En effet. ds qu'un s-ev est stable par f, il est
possltxe de dfinir la restriction de f ce sous espace, c'est dire que si f(F) cF, alors
o Nousrappelons encore une fols que noussommesen dimensionfinie.
on peut considrer que: flFe L(F).

Principe: Elleest souvent employe au cours d'une rcurrence, de la faon suivante:

Ecrire la dfinition (de prfrence sans se planter dans l'ordre des espaces, on vous
conseille de vrifier que les composes que vous crivez sont cohrentes). supposons qu'on ait dtermin une droite vectorielle d'un ev de dimension n stable par
On peut tre amen expliciter l'application transpose sur une base convenable de
If; alors son orthogonal. hyperplan H de dimension n-1. est stable par lef) = f.
l'espace F', si c'est ncessaire.
Sion considre flH, oh est ramen ou problrrie Initial. sauf que la dimension a diminu
Exemple: soit D la drivation dons Rn[X], D,termfnerID d'une unit ...
Pour toute forme <Psur R n[X], et pour tout polynme P, on doit avoir:
Exempletypique,' dmontrer le thorme de trigonalisation
(ID(<pl, p) = (<p, O(P)) Nous ne referons pas cette dmonstration (ce n'est pas notre propos, d'autant qu'elle
figure dans votre cours) mols nous voulons attirer votre attention sur ce point
e~mement central de la dmonstration. .
D'o, en particularisant sur la base duale (cf, exemple 1 mthode 6) et sur la base "~
canonique de R n[X] : REMARQUE:

'v'(i,il (Io( <Pi).Xl) = (<PI,D(XI)) = (<PI.JXH) =].lii,j_l Il Y a un lIen entre la traaspse d'une appllcatfon linaire et la matrice tra!ispos~.}
d'une application linaire(sInonlesnotations seraient vdtablementmalencontreuses)...;"
Onpeut dmontrer que la matrice de la tronsoose d'une applIcation exprimee doris '''.
On doit pouvoir exprlrr=r l transpose partir des <Pi.puisque c'est un lment du la base duale de Eest la transposede la marnee de f dans la base de E. C'est--dIre:.": :';
dual. Il vient facilement: que: - .' .,:."
1, Vi:5n-1 tO(<pi}=(I+l)'<Pi+l et ID(CPn):"'O Mate(lf~tMate(f)

La difficult de ces exercices n'est pas de trouver la dmonstration (c'est toujours la

mme), mals d'arriver tre suffisamment rigoureux pour savoir dans quel espace on
______...-
esi, et ce. que veut dire ce qu'on crit. On est en effet en plein dans l'abstraction.
_\.

METHODE8 : Comment utiliser la transpose

Utiliser des" formules" :

Et oui, on a encore Invent des formules toutes plus passionnantes les unes que les
autres, histoire d'encombrer un peu plus votre cerveau.
Plus srieusement ces formules sont perptuellement utilises, et Il serait donc
dommage (pour vous) de ne pas les savoir.
 -"'_._

70 METHODIX AlGEBRE 4, Mthodes de dualit 71

Erreurs Exercices
Beaucoup d'erreursde raisonnement sont dues ou fait qu'on ne prend pas garde
ce qu'une forme linaire peut parfaitement tre nulle, Donsce cos, videmment, son
noyau n'estpas un hyperplan mals l'espace Etout entier.
ITJ
Soitf et g deux formeslinairestellesque: 'Ix e E f(x)g(x) = 0
Moralit: bien prciserque vous considrez une forme linaire non nulle, Montrerque l'une des deux formesau moinsest nulle.
Si (j)et \j1 sont des formes linaires, cp \j1 n'en est pas une (cela n'a aucun sensde
0

composer ces applications, couse de l'espace d'arrive de \j1 qui est diffrent de
l'espace de dpart de '9)", CI] . .
Dterminertoutes lesformeslinaires<p surM n(R) tellesque:
Nous vous dconseillons de traiter matriciellement les problmes lis la dualit V(M.N)E 9t{n 2 (j)(MN)= (j)(NM)
(mme si c'est possible, et tout fait faisable) : en effet cela ncessite d'tre trs
rigoureuxsurlesbasesdans lesquelleson travaille, etc ... bref c'est une horreur,
Rappelonsune nouvelle fois que l'ensemble de ce chapitre est plac dans lecodre
de la dimension finie. . OJ
Soit (ai) n +1 rels distincts. On se place sur E=Rn[X] et on dfinit les n +' formes
linairessurE:
0,
(j)j(P)= J P(t)dt
o
Astuces Montrerque c'est une base de Eet en dterminer la baseduale.

r
1

Toujourspenser aux Interpolateurs de Lagrange ds qu'on vous donne un exercice

surlespolynmes (cf. chapitre 1).
Si vous matrisez l'algbre bilinaire, vous ferez des rapprochements profitables .1.
ru
a) Soit (ai) n+ 1 rels distinctset f une fonction continue. Montrer qu'II existedes rels
concernant l'orthogonalit, et vous comparerez la transposeet l'adjoint, Cela devrait (ai)' qu'on calculera, telsque:
(thoriquement) vousaider mieux comprendre, " i1
1 n
J f(t)P(t)dt = r ClkP(ak)
Il peut tre utile de se rappeler que les' fonctions polynmes sont denses dans a k=O
l'ensemble des fonctions continues (pour la norme de la CVU sur un compact), En
effet, ds qu'une forme linaire continue sera nulle surlespolynmes, elle sera nulle sur
j
toutes les fonctions continues.., b) Soitu et v lesracines de l'quatton: x2 - x+, ~ = 0, Montrerque:

Ds qu'on vous' parle d'un hyperplan, ayez le rflexe de le considrer comme le

noyau d'une forme linaire non (lulle. Pour peu que vous soyezdans un espace.o.on
connat l'allure gnrale de ces formes!Inalres,le problme deviendra pluspariant, o} P(!)dt '" 2.[s.P(U)+8,p(-2'1+5.p(v)1
'8' , )' 'J

[TI
Soit (al) n+1 relsdistincts,Montrerque la famille PI(X) = (X+al t constitue un base de
Rn[X],

J ru
SOitF et G deux s-evde E.Montrerque (FI"'IG).1.
=F.I.+GJ.,

J . .
Dterminerlesendomorphismeslaissantstablestous leshyperplansde E.

-1
.! 1

;.
'1
72 METHODIX ALGEBRE 4. Mthodes de dualit 73

[TI orrlgs
Cet exercice requiert des notions de rduction des endomorphismes.

S<;,itE un C-ev de dimension n. On dit qu'une portie P non vide de L(E) est irrductible
~: ' '
tIJ
Avant tout, commenons par noter que beaucoup de candidats, rompus qu'ils sont
faire de l'algbre linaire, convertissent spontonmsnt l'nonc en leur version:
(3V s - ev de E stable por tous les lments de P) => V = {a} ou v =E \;l'xe E fog(x) = a
On dfinit pour tous endomorphismes a et b : Ceci n'a strictement aucun sens (cf. erreurs), alors que l'nonc en d'un, pulsqull s'agit <::(\' ,
ta: L(E)~C
de faire le produIt de deux nombres rels. ; ,":, ' ,,' , 'c',:' ,
a~ ta(b)::tr(ab) Ces choses tant dites, Il est videmment tentant de raisonner par l'absurde (pour
montrer que quelque chose est nul. on suppose qu'II ne l'est pas). ': . .": ,
Soit G un sous-groupe de GL(E) et (G) le s-ev de L(E)qu'il engendre. On suppose donc que f..o et g..o et \;l'xe E f( x )g( x) = 0, ;, , "', '"'::',
La premire hypothse se traduit par: 3xtq: f(x) .. O ; ncessotrernent d'aprs la ,
troisime, g( x) = 0 ,
1) Vrifier que l'application 0--+ ta est un Isomorphisme entre L(E)et spn dual
Symtriquement. sv tq : g( y) .. 0 et ncessairement: f( y) = a .
2) On suppose que G est une partie Irrductible de L(E).
a) Montrer que (G) est une olgbre Irrductible. Qu'est ce qu'on fait partir de l ? C'est un peu le mme cas de figure qu' l'exercice
2 du chapitre 3) ; on n'a pas trop le choix: valuons ces deux formes sur la somme:
On admettra que la seule algbre Irrductfb/e de l(E) est l(E) lui-mme.
f(x+y) = f(x)., 0
b) Montrer que (tg)geG est une famille gnratrice de LeE) '.
g(x+ y):: g(y) .. a
y a comme qui dirait un problme, vu que le produit de ces deux nombres est cens
3) On suppose de plus que 3s t.q: \;l'ge G g' = Id tre nui ...
a) Montrer que {tg(h~

-+ Indication:
(g.h)eG2}estftnl.
b) G tant Irrductible, en dduire que G est finI.

on utll1serala base duale d'une base convenable' de L(E)',

J ,~

Evidemment vous avez percut

matrices; et d'aprs le catalogue
,

: on parle d'une forme linaire sur un espace de

de la mthode 2. vous savez qu'II existe une matrice
A telle que : '
=
<!l(M) tr(AM)

Reste trouver A pour qu'en plus on olt cp(MN)= cp(NM).

Comme dans la mthode 2. on applique cette relation aux vecteurs de base :

-:r

..
On prend son courage deux mains et on fait gaffe aux Indlce~ (on va noter
=
A l amnEmn) :
rnn

D'aprs le calcul fait l'exemple de la mthode 2 :

---------
\;:I(~~k.I) Jk' Ou =' II' ajk

Reste portlculorlser Judicieusement.

~
"
j=k 1.,1 donne:
j=k 1=1 donne:

Donc A est scalaire. et rclproquernent une telle matrice convient bien d'aprs la
proprit de la trace tr(MN) = tr(NM), Finalement cp est proportionnelle la trace: .:',~"
_._ ......
74 METHODIX AlGEBRE 4. Mthodes de duo lit 75

W
Fort de la remorque faite la mthode 6. on s'aperoit assez vite que prouver to:s !ous convaincrez facilement de qu'il n'estpos Immdiat de montrer la libert~ de
directement la libert n'estpas chose aise.notamment parce que lesIntgralesn'ont cette famille par lesmthodes usuelles(c'est possible.moisbon) et qu'II n'est donc pas
pas la mme borne suprieure(on peuts'ensortir.molsIly a plus simple). dplac de recourir la dualit pour bien foire.
On procde exactement comme l'exemple de la mthode 5. en cherchant
Donc on va chercher une familleduale ,
(vect{Pi}).l.
Pour que les Intgrales soient facilement calculables. Il suffit que les polvnrnes de la Notonsque
base duale soient facilement primitivables.
Pi(X) = ~ k {Oj.)k X'n-k.
~ Cn,
Soit (PI) la famille duale et (Qi) lesprimitivesde ces polynmes. <=0

On a alors: Sidonc IPest une forme linaires'annulantsur Vect{Pf}. on a:

0,
J
(IPi.Pj)= Pj(t)dt=Qj{al)-Qj{O)
\II c~.{al)k.(jl(xn-k) = 0
o
k=O
Lesrels Qj(aj) sont facilement calculables sion prend lesInterpolateursde Lagrange. On peut Interprter (judicieusement!!) ce systm9en prenant comme inconnues les
Il suffit alors de s'arranger" pour que QJ{O)= O.par exemple en lesmultipliantpor X.

Breftout cela pour dire que sion pose:

X Lesystmes'crit alors:
Qj(X) = ~.Lj(X)
dj
.t ,
(attention la normalisation pour avoir 0 ou 1). on a alors:

(<!lI.PJ)=Sij
Il suffitdonc finalement de poser: o V est la matrice de VanDerMonde (s'II avait pas exist. celul-l. Il aurait. fallu
l'Inventerrapidement), .
PJ(X)=Qi(X) Elleest Inversiblecor les 0; sontdlsfincts,donc les ak sontnuls.donc:
.pour que tout cela fonctionne. et que l'on en dduise qu'on a une base et sa base \lk <!l(xn-<)=o
duale ... et la forme est donc nulle surla basecanonique de E,donc Identiquement nulle.

m 0) Surl'espace E=Rn[X].l'application
Donc

1 c'est ~ dire
cp: P-t J f(t)P(t)dt vect{PI} = E.
a
-sst une forme linaire. Or on veut montrer qu'elle se dcompose selond'outresformes Ce que l'on cherchait dmontrer..
linaires (les P -t P(ak); or on soit (cf. exemple mthode 5) qu'elles constituent une
base; donc on est assurde l'existence(et unicit) descoefficients. '
Par ailleurs. on a dtermin (cf. exemple 2 mthode 6) sa base duale. savoir les ITJ
Cherchons une inclusion vidente, C~e F(1GcF 'et F(1GcG. Il vient par
Interpolateurs de Lagrange associs,Sion applique la relation ces polynmes,Ilvient
orthogonalit: (F(1Gt::>F.L+G.l.
1
Ok= J f(t)Lk(t)dt On peut ventuellement (mols c'est malhonnte) utiliserla formule (Iii) dmontre
a l'exemple de la mthode 4. pour trouverune relation Intressanteentre lesdimensions.
La formule que ron vient de dmontrer permet de ramener le calcul d'une Intgrale
quelconque l'valuation de n coefficients et des voleursprisespar un polynme. On peut aussI.et c'est d'ailleursplusInstructifsurle plan de la dualit. prouver l'inciuslon
b) On ne peut pos reproduire exactement le mme raisonnement.cor on est inverse,soit (F(1G).l cF.L+G.L.
dans un espace de dimension 6 et on dcompose cette forme seulementsur Irols
formes (et non sur6). ' Ce qui veut dire qu'II va follolr crire une forme linaire comme som!TI~de formes
linaires.qu'il va falloir construire,D'aprsla mthode 12du chapitre prcdent. on se
Ceci tant. nous vous ranvovons Mthodlx. ch. 20 p. 287pour la correction de cet doute qu'ii va falloir Introduiredessupplmentaires,
exercice.
.76 METHODIX ALGEBRE 4. Mthodes de dualit 77

Comme FnG c:F+G, Il est natureld'crire: Toutlment de G s'crit.en tant qu'lment de L(E). sousla forme:
n'
g= L. (XitQ,
E={F+G)$H =F'e{FnG)eG' 1=1
o par dfinition lescoefficients volent:
o F' (resp. G') estun supplmentairede
.
F0G
, dans F(resp.dans G). (Xi = tg,(g)
Comme Ilsne prennent qu'un nombre fini de valeurs.lesendomporhismesg de G sont
A partir de l, si une forme cp est nulle sur FnG, il est facile de la dcomposer en en nombre fini.
somme d'une forme Il nullesurFet d'une autre v nullesurG en dfinissant:
--------------------~__::_.:'..':

IlIH = % IlIF' = 0 IlIFnG = 0 IlIG' = cp

vlH =~ VIF';= cp. vIFr.G =0 VIG' =0
et a marche bien.

[2],
C'est gros comme une maison qu'il faut passer l'orthogonal et utiliserla transpose,
vu qu'on parle de stabilit.
Enappliquant la proprit de la mthode 8, on en dduit que si f laissestable tous les
hyperplans, tf laisserastable toutes lesdroitesvectorielles.

Autrement dit (cf, chapitre 3, mthode 19) tf est une homothtie. et sa transpose
(c'est--cre f) aussi.Larciproque est vldemment vraie.

m 1) On l'a dj fait l'exemplede la mthode 2.

2) a) (G) est une algbre car le produit de deux lments de la forme L. Ogg
9
est de cette forme.
(G) est Irrductible. car tout sousespace stable par (G) t'est a fortiori par G.
donc est gal {O} ou E puisqueG est une partie Irrductible.
..
b) On en dduit que (G)=L(E). c'est--dire que {g.geG} est une famille
du a). (t Q) geG est gnratrice du
gnratrice de L(E).Parl'Isof'.10rphlsme .~.
. dual. ': .~

3) a) Le spectre d'un lment quelconque de G est contenu dans l'ensemble

desroclnes s-Imesde l'unit(cf. rductlon desendomorphismes) ensemble fini.
Comme tg{h) est la somme de n (dimensionde E.Il faut suivre)racines s-lrnes. tg{h)
ne prend qu'un nombre finl.devaleurs.

b) On suggre de construire une base du dual. Or on dispose d'une famille

gnratrice: on peut en extraireune base (tg" ...tg",). Considronssa base duale

(tQ,.... tgn' )
base de L(E).

- l'
t
1
 Chapitre 5

METHODES DE CALCUL MATRICIEL

1re partie

Il est difficile. si1'9nveut prsenterun recueil de mthodes digne de ce nom - ce qui

restemalgr tout notre ambition affiche -. de se cantonner l'ordre du programme;
en effet. le calcul matriciel n'lnteMent pasuniquement ce moment prcis de l'anne
o vous avez ftnlla dualit et o vous commencez la rduction. Vous en ferez tout le
temps. Difficile donc. mals notre avis plus Intressantque de prsenter les choses
aussi linairement . car une telle approche ne met pas en relief les
interdpendances et les lienspossiblesentre ces parties du programme d'algbre qui
ne sontfinalement qu'arbitraires.

Nousavons donc prfr opter pour une prsentation moinsclassique et plus raliste
des choses.ce qui Implique de facto qu'on anticipe dj surleschapitres venir.

Peut-tre cette prsentation vous gnera-t-elle au cours de l'anne - encore que

nous Indiquions toujours quelle partie du programme est prrequlse -. Mals vous
l'apprcierez probablement lorsde vos (ultimes ?) rvisionspuisqu'ellevous permettra
d'avoir une vue d'ensemble desdiffrentsaspects d'un thme.

Lecalcul matriciel a donc t dcoup en deux partiescomplmentaires:

- lesgnralits.qui concernent essentiellementle produit. lescalculs d'inverse
et de puissance. o nous avons remorqu un manque chronique de mthodologie
chez les prparationnalres (estimant sansdoute que ces petits calculs n'talent pas
pour eux) ; .
- des complments concernant la dtermination du rang. la trace et les
polynmes de matrices; enfin. des pistes pour la dtermination des commutants.
espaces stableset la rsolutionde quelques quations matricielles.qui requlrent'des
lmentsde rduction des endomorphismes.

REMARQUE IMPORTANTE:
Pour des raisonsde clart typographique. nous avons choisi de ne pas
crire tous lestermesde certainesmotrices.Parconvention, les termes non
crils sonl nuls.Cependant,l~nole principale seratoujoursrepre.

1. De l'application linaire sa matrice

METHODEl ': Faire le lien application linaire-matrice

1
_1.
Il est curieux - voire Inquitant. de la port de gens aussibrillantsqu vous - de voir
1 encore certains condldotsse planter enibeaut dans l'crttured'une matrice partir
d'urie application linaire.
 80 METHODIX ALGEBRE 5, Mthodes de calcul m9!riciel:1re partie 81

Problme direct: Nous sommes prts parler que certains d'entre vous sont encore en train d'essayer
La premire erreur - et non la moindre - consiste s'obstiner porter de LA matrice ql'crire le premier coefficient de cette matrice, Comme quoi a n'est pas toulours
d'une application linaire, Evidemment. l'criture matricielle est subordonne au choix vident et qu'II tout tre extrmement vigilant,
de la base (ou des bases. si u va de E dans F) dans laquelle on va crire u.
Ce choix est d'ailleurs essentiel; car Il conditionne la plus ou moins grande complexit Problme inverse:
de l'allure de la matrice ~t donc des calculs ultrieurs, Lorsque l'on vous donne une matrice et qu'on vous invite effectuer toutes sortes de .
calculs plus passionnants les uns que les autres (du genre puissance et Inverse) JI peu!
Ceci tant. si A dsigne la motrice d'une application linaire u de E vers F dans des tre trs judicieux d'interprter la matrice comme reprsentant une application IInake',
bases (ei) et (fi). ce qu'on note A = [qJ]
= Mate.r(u). on a par dfinition mme: dans des bases convenables et de faire les calculs non sur la matrice.' mals "su'r:
l'application (nous y reviendrons. cf, mthodes 10 et 17 du prsent chapitre), C.,
Evidemment dans ce cas de figure le problme est singulirement plus compie:*~;
puisque vous devez la fois trouver une application linaire et des' bases adaptes: Ept
que bien sur les choix sont multiples, N'attendez donc pas de nous qu'on vous donne' ..
ce qui veut dire (ne riez pas. vous aussi vous vous trompez 1) que la J-me colonne les mthodes pour y arriver; c'est plus d'habitude et de feeliDg qu'il s'agit ici.
reprsente les coordonnes de u(eJ) dans la base t. Les vecteurs-ligne n'ont aucune
lnterprtotion particulire vis--vis de u,

Quelques conseils ou remarques en vrac:

Essayez. dans la mesure du possible. de rserver l'Indice 1 la numrotation des lignes

ES mpfe ;,te""'let _ment la matnce 'A = [0 '. 2 .. ;]
et l'Indice J celle des colonnes,

La matrice de u a (dimE) colonnes et (dimF) lignes. Si. par exemple, on se place dans E=Rn[X], on constate que A repr>~ente
l'endomorphisme de drivation,
Pour un endomorphisme (E=F) la stabilit d'un sous espace se traduit. dans une Cette criture matricielle permet par exemple de voir que u est nilpotent (on le savait
i
criture matricielle dans une base convenoble. par un bloc de zros au niveau de sa dj mais bon - cf chapitre 13 pour. tout savoir sur les matrices nilpotentes) et non.

'l
,1
base: .
P n-p
inversible (car non InJectif). On yoit mme son noyau ... , bref c'est purement gniaL

~ 1

(~:) METHODE2 : Comment ne pas se tromper en changeant de base

Ici. le s-ev de dimension p engendr par les p premiers vecteurs de base est stable.

Nous avons constat que certains d'entre vous taient embarasss lorsqu'on leur P~isque la matrice dpend crucialement du choix des bases. Il peut tre utile de savoir
demandait de passer d'une criture dveloppe de la matrice une criture seml- $!:)changer, . .'"
St donc A reprsente la matrice de u dans les bases e et f. et B sa matrice dans'
dveloppe (mtaphores chimiques) c'est--dire par exemple:
boses e' et f. P dsignant la matrice de pssoe de e e' et Q celle de f l' on a :
13< .~, 2
B=Q-I.A.p
A:'. ". ::: ~ ~ 0,1+1=1 V:i<n
S'ils'agit d'un endomorphisme (E=F,e=e' et f=f) :
[
B=P-I.A.P

Evidemment l'explicitation de B est souvent pnible car Il faut Inverser une matrice ce
Exemple : crire la matrice de l'endomorphisme 1t de L(E) M ~ MA (A fixe) qui n'est pas gai (voir paragraphe-4),
relativement la base (En.... Eln.E21.... E2n,...Enl... ,Enn) .
En ontlcipont sur les mthodes 3 et 5 (<!lnsuppose que vous savez faire un produit
matriciel) on a : R~ppelons que : .
CJ.'Lesvecteurs colonnes de P reprsentent les coordonnes des vecteurs e' dans la
EII,A=EljI aklEkl=I Iljk,oklEu=I ail,Eu base e.
k.1 k,1 1
Ce qui doit vous conduire sans trop de problmes obtenir. dans la bose choisie
o Soit x un vecteur de E. X son vecteur coordonnes dans E et X' dans e'. On a :
il (attention l'ordre des vecteurs) :
'1 1 X=PX' 1
il':
.~
,',1
:1
Comment se le rappeler? En se souvenant que ce n'es! pos logiqe (on prfrerait
avoir: nouveou-onclsn fols passage mois bon c'est comme a), Ou bien rappelez-
vous que P reprsente la matrice de l'ldenttt de la nouvelle vers l'ancienne base,

'. :\

,il
 82 METHODIX ALGEBRE
5. Mthodes de calcul matriciel. lr_eyartle 83

2. Produit matriciel
METHODE4 : Calculer un produit par blocs .. '
Ce n'est pas que l'addition ne soit pas Intressante, mais nous pensons que vous savez
dj tout ce qu'il y a savoir sur elle, c'est dire rien ou presque. Il arrive qu'II soit plus simple - soit parce que la matrice se prsente naturellement sous
forme de brocs,' soit parce qu'on peut s'y ramener par souci de simplification cf. les
En revanche, le produit matriciel (dont nous rappelons qu'il a un rapport troit avec la motrices J, dont on reparlera au chapitre prochain - d'effectuer un produit par blocs
composition des applications linaires) prsente plus d'aspects intressants, que nous que de calculer coefficient par coefficient. .
nous proposons de rappeler. Cependant. on a pu constater une vidente apprhension et une non moins vidente
maladresse de la part des candidats dans cette faon de faire.
Rappelons donc que si M et N sont deux matrices se prsentant sous la forme:
METHODE3 : Calculer un produit par ses coefficients

Pour effectuer' un produit C=AB, encore faut-II que les matrices soient 'de tailles
( A B)
M = C D et N=
(A'' D'B')
o les blocs vrifient les conditions:
convenables (nombre de colonnes du premier terme" nombre de lignes du second). Il
n'y a videmment aucun problme avec les matrices carres. - A et C ont r colonnes, A' et B' r lignes;
A partir de l, les coefficients du produit sont donns par la formule: - B et D'ont n - r colonnes, C' et D' n - r lignes.
alors le MN vaut:
n
MN- (
AA' +BC' AB' +BD')
clj = L aikbk) - CA'+D' CB'+DD!
k=l

Il est donc partiCUlirement Important de savoir manier convenablement les sommes, On prendra garde respecter l'ordre des termes dons les produits par blocs, cor
c'est--dire les .changements d'indices; les interversions, les sommations multi-Indlces videmment Ils ne commutent pas. A part a, les calculs se droulent comme pour un
et tout le toutim. A part a, ya pos de lzard:, . produit classique dans une matrice 2X2.

Mise en garde:
Le produit n'est pas commutatif dons l'algjbre des matrices. . METHODE
5 l Utiliser les matrices lmentaires" Elj
c.ette erreur est rarement une Il faute directe" comme on dit au tennis; mais qui peut
se manifester de faon' pernicieuse, notamment lorsqu'on cherche appliquer la
formule du binme de Newton, ce qu'videmment on ne peut pas faire sauf dans le Il faut crolre que ces motrices n'ont d'lmentaire que le nom, vu l'embarras d'ans
cas o les mctrlces-comrnutant, Notamment: lequel elle plongent les Inconscients qui tentent de les employer.

Dfinition:
Le terme gnral d'une matrice Elj est Ekt o :
Eid =liiklijl
Exemple: montrer que tr( tA A) ,,0 .~ A = 0 (matrices.relles). (notation symbolique usuelle deKronecker).
Notons par' souci' de clart (et histoire de ne pas perdre la moiti des lecteurs tout de Cette matrice carre de taille n donc un seul terme non nul (gal 1), qui est situ sur
suite) : B=t A, Le terme gnral de B est alors: ' .. la l-rne ligne et.la j-Ime colonne. '
blj=ajl
.. Proprlts :
Le terme gnral de C=BA est donc:
base:
n n 'La famille des-matries Elj constitue une base de !Mn ; plus prcisment. Il y a
cI) = L blkaki = 2. akiokj quivalence entre ces deux critures d'une matrice A (curieusement. ce rsultat n'est
k=1 k=l pas bien connu et pourtant Il est trs bte) :
n'
Donc la trace, qui est la somme des termes diagonaux, est: A=[a!j] =; A= I.
Oij.EI)
1 ) n ' n n 2 ~)~1
tr( AA =2. Cil =2. 2. aki La seconde criture peut tre utile dans des exercices thoriques du type de l'exemple,
1=1 1~1k"I' , cl-dessous. Il est clair qu'on ne va pas l'utiliser pour calculer pratiquement un produit
Une somme de carrs tant nul ssl tous les termes sont nuls, la trace est nulle si tous les numrique de matrices, moins d'avoir d'tranges murs.
coefficients sont nuls, donc sslla matrice est nulle.
Rgle de multiplicatlon.desmotrices Elj :
REMARQUE: ce rsultat est fondamental. essentiel, Incontoumable, vital et d'ailleurs on l'a dj
utilis dans ce chapitre et les prcdents:
On a dj rencontr cette forme ou chapitre prcdent: on la rencontrera encore en
algbre bilInaire, (A B).....tr(t AB) tant un produit scalaire (ce que vous venez de
~ dmontrer).- ~ - - - - - ~ ~ - --
 METHODIX ALGEBRE 5. Mthodes de calcul matrJclel.1re partie 85

Exemp/e:pourA fixe,co/cu/erTr(A.Eij)etTr(EjiA) Malrices " connues Il ( connatre) :

C'estpas le moment de foire preuve d'originalit,donc on y va bourinement : Il serait Impossible de dresser la liste de toutes les matrices qui reviennent frquem-
ment: sitoutefois on veut prendre lesplus classiques.on mentionnera:
A.Eji= l aklEk!.Eji
= l aklOjf.Eki
= l akiEkj
k.1 k.1 k matrice de Jordan (taille n) :
Et donc le seulterme diagonal est le coefficient de' Ej' 6 savoir:
Tr(A.E;i)=a;

L'outre,et ben c'est le mme, vu que Tr(AB)=Tr(BA)

...
Utilisation des matrices lmentaires:
En tant que base de :Mn' elles sont ncessairementamenes 6 jouer un rle central
dans un exercice d'algbre linaire. matrice de permutation circulaire (taille n) :
De mme qu'il faut, lorsqu'onvolt un exercice qui commence par" montrer que pour
tout n... , penser Instantanment 6 une rcurrence, de mme, lorsqu'en algbre
linaire on volt un exercice qui commence par" pour toute matrice M, on a.., " Il faut
s'empresserd'appliquer la relation toutesles matrices Eli (et l'ensemble des relations
alorsobtenues seraquivalent la proprit de dpart sicelle-cl est linaire en M).

a
2. Calcul de puissances
matrice sansnom. (taille n) :
On se place Ici dans le cadre d'un exercice dont le but est de calculer une ou toutes
les puissances(positives)successivesd'une matrice donne - tout un programme" ,-
-f-
l

METHODE6 : Effectuerun calcul direct

Cette mthode ne sauraits'appliquer ailleursque dans les cas de matrices de petite REMARQUES:
taille (c'est--dire 2 ou 3, mais pas" n ) et pour des puissancespetites (idem). Elle
consistetout btement poser le produit matriciel et l'explicitertotalement, o Certaines de ces matrices font l'objet d'une tude approfondie ou Chapitre 73.

Autant dire que cette mthode, sic'est naturellementla premirequi vient l'esprit,ne
constitue aucunement la panace pour venir bout de ce type d'exercice.
Dornavant. on supposequ'on cherche calculer toutes les (c'est--dire n'importe
laquelle des) puissancesde A Exemple: puissances successivesde A = [~ ~ ~
' 1 1 a
1
SI j d~ dernire des matrices sus-nommes (en taille 3), on a J2 =3J et.
Immdiatement jn = 3n-1J.
~METHODE7 : Dcomposer A et utiliser'le binme de Newton Or
A=J-I
Principe : donc:
supposonsque A se laissemettre sousla forme:
An = i C~jk(-lt-k= (-ltl+J. i C~3k-l(_1)n-k
k=O k=l
A=oo+1lJ
oGJ est un.ematrice. connue. dont lespuissancessont" facilement calculables (on qu'on arrange en rutilisantle binme l'envers:
.... verra apres quel sensIl faut donner aux termes entre guillemets), Alors, puisque 1
commute ovec toutes les motrices, on peut appliquer 10formule du binme de
Newton qui fournit Immdiatement:

Lesplus srieuxd'entre vous remplaceront J par A+I pour retrouver la mme expression
qu' la mthode prcdente.

_- - --------------------
---------------------------------
 86 METHODIX ALGEBRE
5. Mthodes de calcul motrlclel. , re partie 87

En effet. en crivant
METHODE8 : Procder par rcurrence (cas simples)

Principe:
et en Identifiant. on trouve C''') :
On.cal~.ul~ ~2. A3 ... (enfin pas trop quand mme sinon la mthode ne prsente
guere d Interet) et on s'aperoit de rsultatstonnamment simplestypiquement aMl =a.an+~n
- A2=A . { ~n+l=~.an
- A2=k.A qui conduit une rcurrence linaire d'ordre 2' :
- A2=B A3=O
Dalls ces cos-l (mols la liste n'estpas exhaustive.vous l'aurezcompris) on en dduit Cln+2= Cl.Cln+1
+ ~.an
alsement que: .
{ ~n= ~.Cln-1
- vn An =A
- Vn An =kn-lA On peut trouver les racines. et l'aide des conditions Initialesexpliciter finalement les
- Vn>2 An =0 deux'suItes.Remorquonsque l'quation caractristique de ces suitesest:
r2 =a.r+~
Sivous trouvezque ce qu'on vousraconte est postrop clair. c'est soitqu'IIest trop tard ce qui n'est pas trs surprenant (on dirait qu'on fait de la physique: aprs s'tre top
et que vous feriez mieux d'aller dormir soit que vous voulez un exemple un peu plus trois pages de calculs ondlt qu'en fait y avait pas besoin de la foire parce que etc ...
concret. Ne reculant devant aucun sacrifice. nousvous proposonsdonc un exemple on savait que ...) : c'est la mme quation que C)
renversant. .

. . . =:ro, 1 ... '1 Pourquoi? Si on cannait un peu d'lments de rduction on verra que C} et C")
signifient qu'on a des polynmes annulateurs et que donc les voleurs propres de A
Exemple.'Puissancessuccessivesde A 0 1 sont Inclusesdans l'ensemble des racines de ces polynmes donc Il est normal qu'ils
clent giSSO mdo lss mmes racines... ;
\.1 )
Pour calculer les premires puissances.' on peut soit Interprter en termes
d'endomorphisme (c'est--dire Ici considrerque A est la motrice de u dans une base
e. et exprimer l'action de li sure) salt.ce qui est sansdoute plusnaturel raisonnerpor
blocs. Donsl'un et l'au:lrecas (normalement)on trouve: '
1-r Principe:
Enrsum.sion tombe surune relation de la forme ('). on raisonnecomme l haut par
rcurrence et on colcule les deux suites et c'est fini puisque CH). donne l'expression
exacte des puissancessuccessives.
0 n-1 ... 1

et
3
A =
n-1
[ : 0
n-'l =(n-l)A 1 I?EMAi<QES,'
n-1 o On a Impllcltement suppos en passant de ,,) (u") par Identillcotion que A et Id
talent libres; ce qui veut dire que A n'estpas proportionnel 1; si on est dons ce cos
Donc Immdiatement: =-
calculer lespuissancesne relve gure de l'exploit (A = J Ak = "kI). .
1 o On a aussisuppos que l'on tombait sur une relation du type (") : que foire si on
i tombe surune relation qui ressemble :
/ ' A3=aA2+~A+"(i
METHODE9 : Procder par rcurrence"(cas moins simples) Il n'est pas trs difficile de se convaincre que le lolsonnemenl prscdenl s'applique
idenliquemeiil, sous rserve loutefols que la famille (1. A. fi.2) soit libre, .ce qui sera
Approche heuristique: forcment le cos sinon on serait tomb surune relatfon du type (").
On s'estplac tout 0 l'heuredons.une situationon ne peut plusfavorable. Cependant.
Il se peut fort bien qu'ayant calcul A2 on tombe surune relation moinssimple. o En fait. Il estpossible de montrer qu'on tombe forcment surune relation de ce type
Supposonsque la relation se laissemettre sousla forme: .pour n'importe quelle motrice (II???) et que plus prcisment. d'aprs les rsultaissur
le pOlynme mlnlmot on est certain que pour toute motrice, If'exlstero un Indice p
Infrieurou gal la faille.de la motrfce tel que:
On Intutteolorsque : p-1
AP = I. IXIAI
"':, v.n\::<Iln'~n)telsque : An =anA+~nl C") ;=0
~.~;_:~~,~~'~!: <: donc en foil; on est assurque cette mthode marche toujours... C'estdingue ?HlaS
Pour dmontrer ce~e J.elatlol')et en mme temps trouver les coefficients. II suffit de non cor l'inlr~1de la msl/Jode devienllrslimil sIp esl grand (ce quIpeut trsbien
procder por recurrenc:eafln d,e dterminerdeux relationsde rcurrencevrifiespar arriver si la taille de la moliice est grande) : or on n'a aucun moyen SImple (ou
lessuitesde ces coe~~~1g~~~7~~~~i,:'" programme) de dtermIner systmatfquementp... .

-\.

__________________ -_.----_...1
i..____------------------------- ---- -- -------- -- -- ---- ----
 3).. .\
88 METHODIX AlGEBRE 5. Mthodes de calcul rnotnclel. 1re partie 89

Moralit:
Po~r oppllquer efficacement cette mthode. calculez les petites puissances (2. 3 METHODE10 : Raisonner en termes d'endomorphisme
mais guere plus) et cherchez retomber sur une relation du type voulu. Si a ne
marche pas, abandonnez.
On a suggr lors de la mthode 1 que l'interprtation en termes d'endomorphismes

Exemple: puissances successives de A =[~

2
~ il d'une matrice donne pouvait avoir des avantages. C'est ce qu'on va tenter d'illustrer
maihtenant.
On l'a constat sur les exemples prcdents. le calcul direct d'une puissance de.
matrice n'est pas forcment simple, surtout quand elle est de taille
beaucoup de zros (exemple: motrice clrculante).
n )1 et qu'elle a . ~
".
(C

....
Allons-v gaiement: A = A + 2.1.Comme par hasard. a iTlrche et on refait tourner la
machine : les deux suites de coefficients vrifient alors la mme relation de rcurrence Or plus il y a de zros dans la matrice. plus l'expression de l'action de l'endomorphisme .'.
sur la base correspondante est simple. Ainsi pour la motrice circulante : .'
Un+l =Un +2Un_l f(ei) = e'_l; v'i> 1
{ f(el)=en
Les racines de l'quation caractristique tant (-1) et 2. et les valeurs Initiales des
Et sur une telle expression. le calcul des puissances successives est particulirement
coetnclenrs tant ao = 0 130 = 1 (lI = 1 ~o = 2 on obtient sans mal l'expression des
agrable.
deux suites et finalement: Le tout est videmment de trouver le bon endomorphisme et la bonne base.

o
2
Aulre faon de faire:
Supposons donc qu'on a une relation du type (*). qu'on crit de faon quivalente Exemple.' puissances successives de A =
sous la forme: n
P(A)=O (1)
.1
\ o
o P est un polynme de degr 2: Effectuons la division euclidienne de Xn por P : On sait que cette matrice peut reprsenter la drivation dans Rn[X] dans la base
canonique donc ses puissances sont les drives successives. Par exemple 1.0 puissance
Xn =P(X).Qn(X)+Rn(X) (2) n-Ime est: . .
Or P tant de degr 2. le reste est de degr ou plus 1 donc on peut crire: (n-1)!
Xn =P(X).Qn(X)+anX+l3n (3)
SiP a deux racines distinctes u et v. on obtient par (3) :

(4)
vn = (lnv+~n
qul dtermine les coefficients du reste Iln et I3n.Sinon. P a une reelue double et Il suffit METHODE11 : Diagonaliser l'endomorphisme
d'utiliser (3) et son quation drive. , .
Or en appliquant (3) A compte tenu de (1). Ilvient finalement: Principe:
An = anA + I3nl Il est p./ment clair que si A = p-bp alors An = P-1Dnp ., " ,"';c .
qui n'est autre que (**).
Or mme les prpa HEC (pardon s'IIy en a qui lisent ce livre. je les remercie au passage . ' ..
~ Exemple.' puissances successives de A =[~ ~ ~
1 1 0
1 de ne pas avoir achet le bouquin de chez l'diteur concurrent) savent calculer les .
puissances successives d'une matrice diagonale. Donc l'affaire est entendue ...
...soufque:
La division euclidienne de Xn por X2 -X-2 (dont les racines sont (-1) et 2) conduit
, - un endomorphisme quelconque n'est pas forcment diagonalisable;
~ :-Ie calcul des vecteurs propres n'est pas une sincure;
~~: .
i - et qu'il faut Inverser une matrice P (de taille peut-tre grande) ce qui est
(-1)" = -an +~n f carrment l'horreur. .'. .
{ 2n =2Iln+~n Bref,tout a pour dire que cette mthode n'est Jamais employe ou presque .
f
qui redonne videmment les mmes coefficients que plus haut.

Cette faon de faire est notre avis plus esthtique. plus fine (on n'a pas faire la
i
Exemple: puissances successives de A = [~ ~ :
1 1 0
1
rcurrence ni trouver la rcurrence linaire o'ordre 2. mme sl on salt sur quoi on va
~ On sait que cette matrice est diagonalisable (symtrique relle). Essayez de faire tous
tomber) et surtout plus rapide (mois elle repose .surles mmes bases).
1 les calculs (valeurs et vecteurs propres. matrice de passage et son Inverse) et vrifiez ...
1
Comme plus haut. la condition P de degr 2 n'est pcs indispensable mals si P est de que vous trouvez les bons rsultats (cf. plus haut) si a vous amuse. Nous on a autre."
chose foire. . .' : =, -r.,
degr trop lev. on n'a pas de mthode systmatique pour trouver ses racines. d'o
problme ...
90 METHODIX ALGEBRE Tt
5. Mthodes de calcul matriciel. 1re.partie 91

Rcapitulatif: 4. Calculs d'inverse

Voil un organigramme. comme disent les gens qui comprennent quelque chose Aprs avoir calcul les puissances positives de la matrice (ce qui n'a pas du vous
l'informatique (il parat que c'est une science) qui. vous permettra une .approche prendre plus de deux minutes trente si vous avez suivi nos conseils) vous serez
systmatique du calcul des puissances. Comme vous l'aurez remarque dans les gnralement Invit vous Intresser (enfin si on peut dire) l'Inverse. puis aux
exemples. Il n'y 0 pas forcment unicit de la mthode (mals gnralement il y a puissancesngatives.
existence...).
Commenons par signaler qu'IIvaut mieuxviter de calculer le dterminant de A pour
-r savoir si elle est Inversible (sauf la mthode 12o il faut de toute faon le calculer).
La plupart des mthodes proposes permettent en effet de montrer simultanment
que A est Inversibleet de calculer sonInverse.

A se met-elle.sousla oui
forme A = aI+Jil ? mthode 7
1
METHODE12: Utiliser la formule de la.comatrice
non
Principe:
On sait que siCom(A) dsigne la matrice descofacteurs (appele comatrlce). alors:
le calcul du carr
de A est Simple . oui
-fmthode 8 ou mthode 9 1
A.tCom(A)=det(A).1

non
!
1 ce qui. lorsque det(A) est non nul.permet videmment de calculer l'Inversede A :
rchercher un polynme annulateur 1 )
1 puisappliquer mthode 9 . j.
, A-1 = tCom(A)
i! det(A)
S raisonneren termesd'endomorphisme 1
'1 mthode la ( Quand l'utiliser?
On serait tent de dire jamais, mals ce n'est pas tout fait vrai (cf. exemple). Plus
srieusement.cette mthode est dconseillervivement pour des Inversesde grandes
\ matrices; car aussibien le calcul du dterminant que celui de la comatrlce (ce qui fait
i) n2 +1 dterminants calculer. donc combien d'erreurs de calcul possibles?) sont
{ diagonaliserA mthode 11 1 pnibles.
1
i, Enrevanche. dons lesexercices thoriques(c'est dire ceux ou on ne demande pas
de calculer l'inverse de A. mais d'en dmontrer certaines proprits. par exemple :
,
i
l'inversIonest une application' continue. dlffrentlable...cf. Mthoolx.l p.215). Il ne faut
1 vldemrnent pas h~r sauter surcette formule, qui est la plusexplicite qu'on ~~Isse
avoir. ../ .
1
i Exemple.' inverser A = ( ~ ~)

j
1
La matrice des cofacteurs tant ( d
-b a
-C). l'Inverse.s'IIexiste.est:
A-l l_(d -ab)
1i . - ad-bc -c

METHODE13 : Effectuer un calcul par blocs

~
Lorsque la matrice que l'on vous propose d'Inverserse prsente naturellement sous
forme de blocs. Il peut tre extrmement JudIcieuxde chercher son Inverse sous la
mme forme (c'est--dire de calculer des blocs plutt que de calculer des
coefficients).
-1
1

- - --- --- -----

92 METHODIX AlGEBRE 5, Mthodes de calcul rnotrlciel. , re partie 93

Exemple: inversed
,
M= (A0 C)8 M~HODE 15 : Utiliser un polynme annulateur de A

On cherche don l'Inverse sous la forme N =

A'
C')
( 0 B'
Imaginons que. par un moyen ou par un autre (par exemple mthode 8 ou 9) vous
ayez trouv un polvnrne onnulateur P de A. Vous avez donc une relalion du type:
En exprimant MN = 1 on trouve les conditions:
AA'=I
qu'on peut crire:
AC'+CS'=I (:) ,
..
1
,'

88'=1

sous rserve. naturellement. que tout ce qu'on a crit ait un sens (c'est--dire que les Si le coefficient cxa n'est pas nul. on peut encore crire a sous la forme:
blocs avaient les bonnes tailles et A et 8 talent Inversibles). , ,.;~.:
A. P~I +cxp_IAP-2 +,.. +aj 1] =1
[A
-aa

METHOI;>E14: Rsoudre un systme et par unicit de l'inverse on en dduit que:

Principe: A-1= AP-I +ap_1 AP-2 +.. +0:11

Il consiste C,rlre,pour deux vecteurs quelconques X et Y. la relation AX = y (qui s'crit '
comme un systme de n quations aux n Inconnues x) sous la forme X = SY. r -cxa

La matrice B est alors l'Inverse de A.

Cas d'utilisation:
l SIle coefficient
par le polynme
aa est nul. alors on ne peut pas conclure:
P(X) 1 X :
Ilfaut voir si A est annule

- si oui. on recommence l'tape prcdente en remplaant P par P(X) 1X

N'ayons pas peur d'enfoncer des portes ouvertes : cette mthode est adquate
lorsque le systme associ est simple rsoudre. Par exemple. si la matrice est trs'
creuse, ou triangulaire. ou prsente certaines symtries dons ses coefficients, elle peut
'.1 .
{
- sinon, alors A n'est pas Inversible et c'est finI.

tre la bonne.
REMARQUES:
REMARQUE: o Si on trouve un polynme de degr minImal annulant A (quI s'appelle d'ailleurs
Ce serait une assezmauvaise Ide d'crIre la relation AB = 1 sousforme d'un systme, r1 polynme minimal) alorsle raisonnement estplus simple: ou O:a est nul et A est non
inversible.ou il ne l'estpas et on peut nverserA:
cor on se retrouverait alorsavec n2 quations n2 inconnues, Ce n'estmme pas la f
peIne d'essayerde le rsoudre. ' o Lesplus inspirs feront un lien entre ce coefficient O:a et le dterminant de A au .
i trr,ersdu polynme caroctnsttque:qui est annulateurd'aprs Cayley-Hamllton.
Exemple: InverserA = [QI) 1 o aij = 'IS) "

La matrice A tant triangulaire suprieure diagonale sans coefficient nul. est 1 ...
l
Inversible. et le systme associ s'crit: .
_______ [0 , ']
n
L XI=Yl ! Exemple 1 : inverser A = '.,
,
0
, 0
,

l
1:1
n
LXI =Y2 =
Comme A 2 A + 21 (c'est notre exemple mascotte du paragraphe prcdent). et que
;:2 y. manifestement A n'est pas annule par un polynme de degr 1 (cela voudrait dire
que A est scalaire. a se saurait), on en dduit Immdiatement que A est Inversible et
que son Inverse vaut:
Xn =Yn
qui se rsout (en remontant. comme pour tous les systmes triangulaires) en :

I
x,=y'-Y2
X2=Y2-YS

donc matrlclellement :
, 'xn=Yn
.&~2 m.-A,[, ']
On constate aisment que A2 =1 (par exemple en rolsonnonr en term'es
d'endomorphisme) donc que A ~ A -1.
94 METHODIX ALGEBRE 5. Mthodes de calcul matriciel. 1re pQrtle 95

METHODE 16 : Utiliser les sries formelles METHODE 17 : Interprter en termes d'endomorphismes.

Inutile de grimper aux rideaux, de crier au fou ou au hors-proqrornrne. ce que nous C'est avec la mthode prcdente l'une des mthodes les plus astucieuses pour
allons exposer rentre parfaitement dans le cadre du programme mme si vous ne calculer l'inverse d'une matrice. .
savez pas ce qu'est une srie formelle.
Principe:
Le plus simple est de vous montrer un exemple et comme a vous comprendrez (enfin Interprter la matrice comme l'action d'un endomorphisme convenoble sur une base
c'est ce qu'on espre). convenable et inverser l'endomorphisme' directement pour enfin ecme la matnce de
l'inverse (dans la mme base. of course).
1 2 n] ExemPle:inverserA=[aiJ]=C1i::'\li~l
Exemple: inverser A = ....: ~
[ Cette motrice triangulaire fait furieusement penser au triangle de Pascal donc au
binme de Newton si on lit ses colonnes donc il faut se placer dans un espace de
polynmes de bonne dimension savoir R n_'[X], Alors l, A apparat comme la
Si on introduit la matrice J de Jordan prsente ci-dessus (mthode 7) il apparat que: matrice dans la base canonique de l'endomorphisme f :
n +~ P~P(X+1) r..
A =1+ 2J+3J2+".+np-l = l kJk-l = l kJk-l

la dernire galit venant de ce queJ est nUpotente.

k=l k=l 1 dont l'inverse est videmment
P --+P(X-1)
Repassons un Instant l'analyse relle. On salt (cf. Mthadlx chapitre 13) que: La matrice se calcule par le binme de Newton et on trouve normalement (seur si on

Y xk = .s..i,
yk=l kxk-1=~dXk=O dx1-x
= _1-2
(l-x)
r s'est plant) :

ce qui s'crit aussi : REMARQUE: _

Bien que triangulaire, celte matrice n'est pas aisment inversiblepar la methode 14.
-1.. . Comme quoi il ne faut pas se lier auxapparences..,

Or l'galit de ces deux sries entires tient l'galit de tous leurs coefficients;
donc aussi pour toute matrice J telle que la srie converge:

(I_J)2(! kl-1 J= 1
on a
r,.
~
METHODE 18 : Diagonaliser l'endomorphisme

-pulsque ce sont les mmes coefficients.

converge et on a :
k=O
Or notre Jest nilpotente .conc la srie
1 ~
'"~
,~
Pour mmoire seulement. car les remorques et rserves mises lors de la mthode
- sont toujours d'actualitpourcette mthode.- - .- .- .
11

ce qui veut prcisment dire que.:

-2
lj

1
-2
fi

Cet exemple peut aussitre trait par la mthode 14 p(jisqu'on obtient un systme
triangulaire.
SI vous voulez ~tre encore plus convaincu et plus convaincant. on vous conse!!le de
procder de 1.0 manire suivante: . .

o Faire le calcul formel au brouillon et-trouver le candidat B tre l'inverse.

o Vrifier que c'est l'Inverse en calculant AB
(ici donc on calculerait: (1-2J+J2)(1+ 2J+3J2+ ...+nJn-1) qui redonne bien 1).

Cette mthode est'trs'efflcace et peu connue des candidats. Pensez-v quand vous
vous trouvez dans une situatlon apparemment Inextricable.
..
96 METHODIX ALGEBRE 5. Mthodes de calcul matriciel. 1re partie 97

-1
Erreurs "
Exercices

Eviter de parler de l'inverse d'une matrice qui n'est pas carre, a fait toujours
mauvais effet. [JJ
SoitA une algbre de LeE)telle que:
Lorsqu'onparle de motrice, ce n'estpas la peine de supposerqu'on est en dimension 'Vf LeE) f2 eA ~ f e A
finie: c'est automatiquement le cas... Montrerque A=L(E).
Attention ne pas confondre la comatrlce avec sa transpose (il y a toujoursune
ambigut en fonction des ouvrages que vouspourrezconsulter).
Ce n'est pas parce que l'inverse gauche d'une motrice est gal son inverse
droite que l'algbre des motrices est commutative.
J
Soit A une algbre de !Mnet A eGLnn~.Montrerque A -1 e j!
\ "

La formule du binme ne s'applique pas aux matricesqui ne commutent pas. REMARQUE: Cet exercice uttlise le thorme de Cayley-Hamilton.
1

Danslescalculs de puissance,foire attention ne pasprendre" n comme notation

de puissance sila motrice est de taille n : a risquede crer quelquesconfusions...
Attention : lorsqu'on crit 8 = p-1AP siA dsigne la matrice de f dans e et B celle de f
dons e', P est la motrice de passage de e e'. T
1 ITl
On supposeque (A 8, C) e!Mn3 vrifient:
Faire trs 'attention aux problmes de compatibilit de taille dans la multiplication \;fke{l2.3} Ak =B+kC
des matrices. 1 Montrerque cette relationest vrifie pour tout entier k.
Il n'y a pas de lien immdiat entre l'inversiblitde A. B, C et 0 et celle de (~ ~)
1
1
[TI
Astuces -l Soit A une matrice relle coefficients positifstelle qu'il n'existe pas de matrice de
permutation Pvrifiant: '

La transpositionet l'inversionchangent l'ordre de deux matrices.Cela peut tre utile

dans certains calculs.
1 A=P-t~ :}
! Montrerque pour tout vecteur X non nul coordonnes positivesle vecteur (1 + A)kX a
SIX et Y sont deux vecteurs de taille n, x,ty est une matrice de taille nxn tXY est un sescoordonnes strictementpositivespour tout bD.
scolaire. . _, ... -1
i
-.
Une motrice triangulaire est Inversiblesi et seulement sisescoefficients diagonaux '
sont non nuls. 1
1
[TI
Unematrice relle A est dite stochastique siet seulementsi:
:;"
, ~ (I)'V(I,J) O:s;alj:S;l
Lu dans les rapports de l'X n
(il) \;fj Lai] = 1
1=1
" On ne trouve plus beaucoup de candidats qui peuvent se passerd'une motrice On note par ailleurs 0; = min alj et AI = max aij
lorsqu'ilest question d'une application linaire" ] ]
! a) Montrer que le produit de deux motrices stochastiques est une matrice
Il stochastique.
" Il ne faut pas confondre algbre linaire et calcul matriciel" 1:
NqLR: Voir le

demler paragraphe du chapitre suivant.

Une motrice 'non carre est non Inversible"

La stabilit de Vect(el .... ep) et Vect(ep+l.... en) se traduit matriclellement par

une criture de la forme:
r
le

'. .
[TI
b) Montrer que 51 A eststochastique et B,= A2: 'V(t J) al:S;bl]:s;Ai

SaitA et Bdeux matrlc.estellesque:

- '.., ~ \tX e I\{n AXB = D
Montrerque A ou Best nulle.
dans la base'e Il
i\
 98 METHODIXAlGEBRE 5. Mthodes de calcul matriciel. 1re partie 99

ITJ
Calculer les pulssonces des matrices suivantes;
Corrigs

1 -1 -1J
OJ
vu que l'exercice commence par des quel que soit. c'est peu prs sur qu'il va falloir
b)A= -1 1 -1 utiliser les matrices Eij' Comme on veut montrer que A=L(E) Il faut (et il suffit) de montrer
[
-1 -1 1 qu'elles sont toutes dans A.

Le problme est qu'on n'a aucune ide de la tte que peuvent avoir les lments de
A. On est certain au moins que 0 est dedors, Il suffit donc d'crire 0 comme un carr
de matrices lmentaires. Or on sait (fameuse formule des produits) que:
W
Calculer l'inverse des matrices suivantes;
1.2 2,3
Donc si on prend I=k et J=1.Il suffit de choisir I;tJpour s'assurer alors que;
ex.Y) vecteurs donns b) A= Elj2=0
[

B matrice nilpotente
-' D'aprs la proprit de l'algbre. on en dduit. comme 0 est dans l'algbre. que El) est
dedans pour i;tj. C'est dj pas mol.

En effet puisque le produit de deux lments quelconques de A est dans A. on en

dduit. comme
1 9 1 ~ EI).E)I=EII
. !
Salt A et B deux matrices vrifiant: A+B=AB, Montrer que (I-A) est Inversible et que tous les E sont dedans aussi. Tous les El) sont donc dans A qui est ncessairement
donner son Inverse. L(E)tout entier .
.r .
l ITJ .
[l9J l Bon. ben on va profiter de la remarque qui constitue une prcieuse Indication. Le
polynme caractristique tant un polynme annulateur de A. on en dduit (II est
Soit ME Mn(Z). Dterminer
dans Mn(Z).
une CNS pour que M salt Inversible et que son Inverse soit
l~ unitaire) que:

... Indication: on s'Intressera au dterminant de M.

1 le rapport avec l'Inverse est clair si on a lu la mthode 15 (relire le baratin qu'on y a
crit). IcI. le coefficient 0:0 est non nul (puisque c'est au signe prs le dterminant de A
1 - Cf. votre cours sur le polynme caractristique). Donc on peut crire:

..h~. A -1 :- 1 [An~1 +O:n_lAn-2 +... +CtlIl'

0:~1
!
1 06nc l'Inverse de A est une combln~ilsan des puissances de.A. qui sarit dons l'algbre
...J comme A. \

ATTENTION:

On vient de prouver que l'Inverse de A' est un polynme en A. On n'a srement pas
prouv que l'inversion tait une fonction polynme. Pourquoi? Parce qu'on a prouv:
'VA 3P tel que: A1 = prA)
et non:
3P tel que 'VA : A'l=P(A)

En fait on peut se dispenserd'utiliserle thorme de Cayley mais c'est un

long. On soit Qurt existe un polynme annulateur de A : on considre sa VO/lc.JUIIVI'
(pluspetit indice tel Quele coefficient soit non nul) et on simplifiepor aP AP ,
d'annulation. On finit comme plus haut; car on salt que /e coefficient devant.
nul cor A est InvefYlble.

----------------------------------------~------------------------- ----- -----

 100 METHODIX ALGEBRE S.Mthodes de calcul matriciel. 1re partie 101

b) Lnon plus.on n'a pastrop le hoix :

[TI ';:iJ' n n n n
On subodore une rcurrence l-dessous.Letout estde bien s'yprendre dans lescalculs \(, al = L ai,akj!> L aikakj!>L Ai,akj= Ai' L akj= Ai
pour en faire le moinspossible, ':' "=1 k=1 "=1 k=1
Lesencadrements qu'on fait sont licitescar tous lestermesmanipulssontpositifs,
Le plus simple est de tout exprimer en fonction d'une seule matrice. Lesrelations
correspondant k=1 et k=2 permettent d'exprimer B et C en fonction de A. En
rinjectant dans la relation donnant A on en dduit finalement lesrelationssuivantes: [D,
C=A2_A Vu qu'il y a encore du quel que soit dans l'air.lesmatriceslmentairesvont srement,
redbarquer. '
B=2A-A2
A3 =2A2_A Sion applique au pif la relation une telle matrice on a :
\;I(i.j) AEIjB= 0
Sion prend comme hypothse de rcurrence .Or :
An =B+nC=(n-1)A2 -(n-2)A
on vrifie alors aisment que : '
An+1=(n-1)A3 -(n-2)A2 = (n-1)[2A2 -A]-(n-2)A2 =nA2 -(n-1)A
ce que l'on voulait. Ya vraiment aucun problme. Suivant 7 Cette matrice est nulle siet seulementsitous sescoefficients sontnuls,c'est dire ss! on
a:

[TI
TIens.un exercice qui change 1D'ailleurson ne comprend pas grand chose l'nonc. Supposonsque A n'estpas nulle.Alorsau moinsl'unde sescoefficients n'estpas nul.On
A force de chercher renouveler leur stock - ce qu'on ne saurait leur reprocher. peut alorsdiviserla relation prcdente (pour lesbons Indicesi et j) par ce coefficient
mme si c'est dommage pour les candidats - les examinateurs finissentpar Inventer 'et il reste:
des exos franchement tordus. \;I(k.m) bjm =0

.Evidemrnant,sion commence faire de groscalculs dans tous lessenson risquede ne ce qui prouve bien que B est nul.Assezefficace. ces matriceslmentaires,non?
pas y arriver tout de suite (voire pas du tout). Alors que la mthode 2 semble plus
Indique, vu la forme de la proprit : on tait clalrerr:ent u~ changement. de base en
Intervertissantun certain nombre de vecteurs. Donc Il tout Interpreter algebriquement
CIl'a) C'estgros comme le nezau,milieude, la figure: A=I+J(o J est-la matrice de
cet exercice.
permutation circulairede la mthode 7). On en dduit facilement la relation:
Soitdonc e une base de E et f l'endomorphisme dont la matrice est A dans la base E. {I+J)(I- J+J2+...+( -lt-
1 Jn-I)= (1 + (-lt-1).1
SoitI..J et la nouvelle base e'= (ej... " ei) avec les ... reprsentant les autres vecteurs de ce,qui montre que A est inversiblessin est Impair et donne soninverse.
la base e dans un ordre quelconque.
~;, b) On peut faire comme au c) et a) (d'ailleursc) est une gnralisation) : on
~a matrice de f dans cette nouvelle base e' est 8= P,A'p-1, si P dsigne le passage de e'
a e (attention l'ordre). D'aprs la proprit vrifie par A Best telle que bnl .. O. put aussiremarquerque: '
A2=A+21 ,
relation de rcurrence qu'~n a dj trouv 27 fois dans les mthodes doric en
Or d'aprs la mthode 1. bnl est la coordonne de t(ej) sur el~qui n'estautre que al)' appliquant les principes de~la mthode 8 par exemple. on retrouve les mmes
Ce coefficient est non r\.:1. or Il est positifpar hypothse. donc il est strictementposltit. rsultats._
- -
Moralit: lescoefficients extradlagonaux de A sont >0, c) Laussi.siJ dsignela matrice sansnom 1> de la mthode 7. on a :
A=al+(b-a)J
Donc tous les coefficients de A+I sont strictement positifs. La conclusion en rsulte donc, sauferreur:
Immediatement (c'est d'ailleursun rsultatplusfaible que ce qu'on a Obtenu).
n ] [a+n(b-a)]n _an
An=anl+J I. C~(b_a)knk-Ian-k =anl+J ,
'j rn
0) On est carrment forc d'appliquer la mthode 3' (utiliser l'expression des
[~ n

coefficients du produit) : '

i (i Ojk.bkjJ=i (i aik,bkj)= bki.(ii=1 aik)= k=I'

bkj=1 a) On peut essayerde calculer le carr: en remarquant que 'v.x est un
1=1 k=1 k=1 i=1 k=1 ._____., scalaire. il vient:
1 (X.ty)2 = (ty.x)X,tY
et tous les coefficients du produit sont positifs.donc infrieurs 1 puisque la somme
d'une colonne vaut 1. ' d'o:
A2 =1+[2+(ty.X)]x.t y =1+[2+(ty.X)](A _1)
102 METHODIX ALGEBRE 5. Mthodes de-calcul matriciel.1re partie 103

ce qui nous remet dons la situation de la mthode 15. et qui donne:

A[A -(2+IV.X)I] = -(I+~V.X)1 t~ ~)on parle du dterminant et qu'on cherche des renseignementsdans un exercice
thorique surl'inversed'une matrice. la mthode 12sembletout indique.
- si (1+IV:X)=OA n'est pas inversiblesinon A=I (en multipliant la relation prcdente SiM est inversibleet que soninverseest dons %n(Z)' alorscomme:
par l'Inversede A) ;

- si (l+IV.X)..o. alorsA est inversibleet:

et que les deux termesde droite sontdes entiers relatifs.sileur produit vaut 1.ilsvalent
A-1 =_[A-(2+IV.X)I] chacun 1ou -1.
(l+t:.X)
Rciproquement sile dterminant de M vaut 1 ou -1. M est Inversibleet. par la formule
donnant la comatrice. on obtient que: "
b) SIvous n'avez pas vu que la matrice de Jordan se cochait l dessousc'est M-1 =etCOfll(M)
que voustes miro. Eneffet on a le droit d'crire:

k~l
'L
k.(k + I)Jk-l
A= ce qui prouve que lescoefficientsde l'Inversesontaussides entiers.CQFD. . "
On est donc enclin naturellement prendre la mthode 16. La CNSest donc:
1 det(M) 1=1
Brivement.on dmontre por drivation-intgration de sriesentires(if problme then
goto Mthodlx elsego on) que:
+- 2
I. k.(k+ l)xk-l =--3
k~l (1- x)
ce qui permet d'intuiter (et/ou de dmontrer) que:
A-1 = (I-J) 3
2
Vous pouvez aussile vrifier en calculant le produit motriclel de A par cette motrice
pour retrouver 1.
c) C'est exactement le mme.prlnc'pe (sauf que l on vous donne la somme
de la srieentire et non la srie): on salt en analyse que quand a a un sens:
_1_' ~ (_l)kxk
l+x k=O
Donc Ici on a envie de penserque .

.
-1 +00 k +coo n
A-1 =(I+C-1BC) = L. (_1)k(C-1BC) = L. (_I)kC-1BkC= L (_1)kC-1BkC
k=O.. k=O ke . '-

(la dernire galit tant vraie par nilpotence de B. car on salt que si un
endomorphisme est nilpotent alors BdimE = 0 cf. chapitre 13).
On peut ventuellement vrifier que le produit du dernier terme par A vaut 1.molsen
thorie c'est superflu.

ru
Bon celui l Il est un tout petit peu rusmols il est en train de devenir un classique la
vitessegrand V donc Ilfout connatre la ruse.
L'gallt propose peut s'crirede faon quivalente: .
I+AB-A-B=I
qui se lit:
(I-A)(I-B)=I
et qui montre en mme temps que I-A est inversibleet que son Inverseest I-B.Pasmal.
hein? .
 Chapitre 6

METHODES DE CALCUL MATRICIEL

2me partie
',t-
- ,,'

Il est conseill de lire ce chapitre apr-s avoir travaill le prcdent, car de,
nombreuses allusions sont faites aux mthodes et aux exercices proposs.

1. Rang

REMARQVE IMPORTAME:
On ne revIentpas Ici surlesmthodes exposesau chapitre J mthodes 1J sqq; mais
on ne saurait que trop vousconseillerd'y retoumer faire un fOUI; notamment pour voir
le rang comme dimension de l'espace engendr par les colonnes (ou les lignes) et
donc lesmthodes de colcul du rang d'une,famillede vecteurs.mthodes qui ne sont
pas reprisesIci (on vapas sanscesserpter).

A= [qi] dsigne Ici une matrice Mn,p (pas forcment carre),

A) Comment dterminer le rang de A ?

METHODE 0 : utiliser les sous-motrices corres

Parmi les nombreuses propri~s lies au rang d'une matrice. l'une b trait eux s6us-
matrices carres de A. \

Roppe! de dfinitions-notations:
Commenons par rappeler (brivement car on a d'autres mthodes plus Intressantes
en attente) les diffrentes notions sous-Jacentes:

1 --::;Une matrice A' est une sous-matrice de A si elle s'crit A' = [aa."~ll e 9rlm.q o :
1!.
rn s n et cs o
lSa1 <a2 <".<am sn
1 lS~1 < ~2<"'<~q s p
1
~:
- ! Sion pose 1={C<1,a2,,,.am}et J={~1'~2"",~q}, alors on conviendra de noter
A' = 9rl~J(A) (notations empruntes Amouols).
 106 METHODIXALGEBRE 6. Mthodes de calcul matriciel. 2me partie 107

Moralement , comme disent certaines personnes qui ne se sont probablement METHODE1 : Revenir la dfinition et utiliser le pivot de Gauss
[omols interroges sur l'essence de la morale. on obtient A' en rayant de A toutes les
lignes dont les indices ne sont pas dans 1 et toutes les colonnes dont les Indices ne sont
pas dans J. Principe:
Le rang d'une matrice tant dfini comme la dimension de l'espace vectoriel
REMARQUE: engendr par ses vecteurs colonnes (ou par la dimension de l'ev engendr par ses
lignes). et celui-ci tant Invariant par les oprations" lmentaires" suivantes:
Cette notion ne prsente pas. comme nous ollans le souligner Ci-aprs.un Intrt - change de colonnes (ou lignes) ;
pratique norme pour la dtermination du rang (ni mme pour outre chose relatif ou - addition d'une combinaison linaire de colonnes (resp. lignes) une autre
calcul matriciel). Nanmoins. de par la complexit des notations qu.'ellerequiert. elle colonne (resp. ligne) ;
est en elle-mme un exercice thorique Intressantdu point de vue du formalisme(ou on se ramne por une suite d'oprations lmentaires une motrice dont le rang est
mme titre. par exemple. que les monipulationsde' sommes). plus simple tudier. typiquement:

- Si 8 = MI.J(A) et C=MK.L(A). C est dite bordante de 8 ssl :

1cK et Card(K) = Card(I) + 1

J cl et Card(L) = Cord( J) + 1

Proprit:
SI 8 est une sous-rnotrtce carre Inversible de A d'ordre r n'admettant pas de matrice o
bordante dans A Inversible. alors r=rg(M).
o les (aii)lsr sont non nuls et les " reprsentent des coefficients quelconques (nuls ou
Mise en uvre pratique: non nuls).
D On recherche une sous-matrice carre inversible de A. Une telle motrice est de rang r d'aprs l'exemple prcdent.
D Sion ne trouve aucune matrice bordante (dans A) Inversible. alors la taille de B est
gale ou rong de A. Un avater de ce principe consiste montrer que toutes les colonnes sont combinaison
D Sinon. il fout recommencer avec une nouvelle matrice 8 (on en dduit quand mme linaire de r colonnes de la motrice. ces r colonnes tant elles-mmes Indpendantes.
que rg(A)~tallie (8)). La matrice est olors de rang r..

Cas d'utilisation : , Exemple: rang de la mafrfce A = [aij 1 aij = cos(i - J)

On n'a pas boptis cette mthode Mthode 0 par hasard. On s'en rend compte D'aprs une lointaine formule de trigonomtrie (si elle est vraiment lointaine. cf,
rien qu' l'nonc du principe. elle est trs malcommode utiliser si on n'a aucune Mthodix p, 348) : .
Ide du rong de A. car Il y a beaucoup de matrices bordantes d'une sous-matrice 8. et avcasl.cosJ+sinLsinj
qu'on n'est pas certoin de trouver la bonne matrice 8 du premier coup.
En appelant C et S les vecteUrs colonnes C=(cosi)isn et S=(slnl)iSn' les vecteurs
Citons quond mme quelques rares cas o cette mthode peut-prsenter un Intrt: colonnes Ci de A vrifient:
- si on cannait dj une minoration (ou un rnojorofton, ou mieux : un ~ CJ~cosJ.C+5inj.S
encadrement) du rong de A cele restreint le nombre des assois effectuer;
Comme les vecteurs C et S sont manifestement indpendants. on en dduit que le
- dons un exercice thorique. cet argument d'existence de sous-matrice
rang de de A est 2'.
carre Inversible de taille r non bordable peut vous servir (cf. comatrlce ch.15.
t,;,pologle ch. 13). .

Conclusion : ne vous ternisez pas sur cette mthode si vous n'tes dans aucune de
ces sltualions. METHODE2 : Dterminer le noyau de ft.
Exemple: les an tant non nuls,rang de la motrice: Principe:

~D o
D'aprs le thorme du rang:
rg(A)=n-dlm

dpart de l'application linaire associe).

Ker(A)
(o n dsigne bien le nombre de lignes de . c'est--dire la dimension de l'espace de

Donc il suffit de dterminer le noyau de A. c'est--dire d'expliciter suffisamme:nt les

vecteurs X solutions de AX=O pour trouver la dimension de cet espace. et d'en dedulre
le rang,
On volt clairement un candidat la matrice 8 : la motrice de tolIIe r du coin gauche.
qui est triangulaire suprieure diagonale sons coefficient nul donc Inversible. Cas d'utilisation: . .
Une matrice bordante contiendra forcment une ligne de zros. donc ne saurait tre Logiquement. si le noyau est simple dterminer. c'est--dire si le systme ossocle
inversible. Le rang de 10matr1ce est donc r. prsente suffisamment de symtries pour tre expllcltable .

.1
1

.....___--------------__:_----------- --
--------
 108 METHOOIX AlGEBRE 6. Mthodes de calcul matricieL 2me partie 109

Exemple.rangde A =[0;]] aij ~I.J . Exemple.'siA vn'fieA 3 + A 2 +A = O. montrer que rg(A) estpair.
Cherchons l'quation du noyau. X=(x;);sn est dans le noyau ssi : A'est diagonalisable dans C car elle est annule par un polynme scind racines
simples. Donc
'fi L I.j.x] =0
C n=Eo EIlEj EllE], c
. ]
systeme qui est strictement quivalent la seule quation: Or comme le polynme caractristique est coefficients rels (comme A). les racines j
L ).Xj=O et f T
= ont mme mutiplicit dons XA. et donc (comme A est diagonalisable) les s-ev .
]
qui reprsenta un hyperplan dans E. c'est--dire un s-ev de dimension n-1 . Le rang est
propres associs ont mme dimension. Donc donne: n :... '~ <}: .;',:.
par consequent 1..
n=n-rg(A)+2.dimEj . ,',:>;;.
Ce qui prouve bien que le rang de A est pair. . ..

. .'
METHODE3 : Etudier l'inversibilit ventuelle de A r-----------------------~---'-'''--''''""'I., ...
METHODE5 : Interprter la matrice comme une forme quadratique
Principe:
On dispose. sous rser..:e d'avoir lu attentivement le chapitre prcdent. d'un nombre lorsque la matrice A est symtrique (ou possde la symtrie hermitienne), elle peut tre'
non n.eghgeable de methodes pour savoir si une matrice est Inversible. Or une matrice Interprte comme reprsentant une forme quadratique relativement. par exemple.
Inversible est de rang n. la base canonique de Rn .

Donc si. par ailleurs. on arrive montrer qu'une matrice est de rang suprieur ou gal Dans ce cos. on dispose de mthodes propres l'algbre bilinaire pour dterminer le
~~1 et que dans certains cas (selon des valeurs d'un paramtre) elle est Inversible. rang de la forme quadratique. et donc de la matrice. parmi lesquelles figure la
1etude de son rang ne pose aucun problme. dcomposition de Gauss (qui n'a rien voir avec le pivot. comme quoi si .Gauss n'avait
pas exist. on se demande s'IIaurait fallu l'inventer) - dcomposition en somme de
carrs de formes linaires Indpendantes.

Exemp/e:rangde A=[1 .~. ::: 1] L'ensemble de ces mthodes est videmment. vous vous en doutiez. abondamment
repris dans la troisime partie de ce livre (cf. ch: 16). Nous avons tenu les taire figurer
. 1 1 cet endroIt prcls, quitte renvoyer constamment le .lecteur ailleurs. pour bIen
En suivant les notations de la mthode 7 du chapitre prcdent. 51 J dsigne la matrice montrer que les parties du programme de prpa sont trs lies entre elles.
de permutation circulaire. on a : A=I+J avec Jn = 1.
L'Inverse a t calcul l'exercice 7a) et on a vu que: Exemple: rang de A =[0;]] al] =1+ J-1
la matrice est Inversible ssin est Impair. La matrice tant manifestement symtrique. elle est ratache la forme quadratique'
Or la matrice est de rang suprieur ou gal n-I. en utilisant la mthode 0 (comme
quoi elle s~rt. et qu:elle sert _bIendans les conc:iitions exposes plus haut) en utilisant la '" q(x)=q(~ .... x.D)=I (I+J-1)X;X]= ... =(I IXi)2_(I _1)Xi)2
sous matnce carree formee des n-1 demleres colonnes et n-1 premires lignes 1 ~ L] 1 l ,
(triangulaire infrieure avec diagonale de 1). (les ... signifiant qu'on passe Ici sur le calcul de la dcomposition de Gauss). A poiti{ cie'!';<
.. 1 l. Il ressort que la forme quodroftque. donc le motrice /".est de rang 2.' ... ,
1 Donc rg(A)=n si n est Impair. rg(A)=n-1 sinon. ,

1
lVIETHODE
4 : Utiliserla rduction de A
B) Similitude, quivalence et rang
Principe : i
o Dlago~aliser A (si c'est possible). et dterminer la dimension de tous les espaces
propres a l'exclusion du noyau. .
.,
1 Au vu de la confusion gnrale qui rgne entre ces deux notions chez bon nombre de
taupins. nous avons pens que quelques rappels et mises en garde ne pourraient pas
o Trouver des. renseignements sur les dimensions de ces s-ev et en dduire des 1
t.
n:e superflus.
renseignements sur le noyau. donc sur le rang (mthode prcdente). .

Cas d'application:
-: Lorsq~'on ne rec~erche pas )0 voleur du rang de A. mals seulement des METHODE6 : Utiliserla conservation du rang ] ,::.':
..
renseignements Iles la parite du r~Jng de A. cette relation peut permettre de
conclure. notamment slla,n;.~ce est a coefficients rels. Rappels: . .'.J;"'Y~~
( , ',:i'~:':'.
L'exprience nous a enseign que ce que nous baptisons pudiquement rappels ...
mriterait plutt d'tre qualifi d' appels '. la lettre r signifiant usuellement _qu'o.~.~_:-
i_ un jour su de qUOI il s'agissait. " ... ! ~:'~~:'.::'".
t,'.-..'
 110 METHODIXALGEBRE 6. Mthodes de calcul matriciel.2me partie 111

o Equivalence: Principe:
- Deux matrices A et B de!Mn,psont quivalentes ssiil existePEGLn et QEGLptelles Essayerde remplacer A par la matrice J, qui lui est quivalente; gnralement on
que: procde en deux tapes:
A=PBQ - on traite l'exerciceavec J, la place de A ;
- Algbriquement: A et B reprsentent la mme application IInalredans.des bases - on essaye de voir comment remplacer A par cette motrice (c'est--dire
diffrentes : A = Mat(u e.f) et B=Mat(v. e'. f'). qu'on regarde ce que cela change donsl'exercice).

o Similitude : Intrt :
- Deux matrices A et B de !Mnsont semblablessslil existePEGLntelle que: Lescalculs avec J, sont beaucoup plussimples.puisqueelle comparte plein de zros.
Usuellement(pour ne pas dire tout le temps) lescalculs se font par blocs (revoir ce
A=P-'BP titre le chapitre prcdent. mthode 4).
Ellessont donc a fortiori quivaleotes.
- Algbriquement: A et B reprsentent le mme endomorphlsmedans deux bases.
Cas' d'emploi : .
diffrentes: A = Mat(u.e. e) et B=Mat(v, e'. e'). Gnralement dons des exercices thoriques.Un cas usuelestcelui o l'on demande
de monlTerqu'une motrice est nulle: en raisonnant par l'cbsurde. on suppose qu'elle
Ces deux relationssont des relationsd'quivalence (ou sensensembliste). ne l'estpas ce qui estquivalent rg(AO.On Introduitalorsla matrice J,.
. Consquences sur le rang :
Exemple: si A E!Mn dtermInerla dimensionde: {M / AM = MA =O}
o Deux matrices sont quivalentes si et seulementsi ellesont mme rang.
o Deux mctdcessernblobles ont mme rang. . - soit A est nulle: alorsla dimensionest n2 ;
- soitA ne l'estpas, elle est de rang 1>0.
Supposonsque A=J,. Encherchant lesmatricesM sousla forme:
REMARQUE:
On ne change pas le rang aune rnotnce e.t?/a lnu.~tfp!lC!ntpa: one marnee !.'1'/e.'$b!~. M=(~ ~)
Celte remorque aIde comprendre les<lJprotlons lmentairesde 10mthode.!, qui o P'estde taille r, il vient facilement:
sont en fait des muillpilcatlons gauche ou droite (lIgnes ou colonnes)par des
motrices de transvection convenables 1+ ).fi) avec bJ donc Inversibles). Conclusion: les matricessontde la forme

M=(~ ~)

C) Comment utiliser qu'une matrice est de rang r;;f:()

? Donc la dimensionest: (n_r)2
Donsle cas gnral. sion pose A = PJ,Q ; l'ensemblerecherch peut s'crire de faon
quivalente. en utilisantle fait que Pet Q sontInversibles:
1 METHODE 7 : Utiliser les matrices Jr
_:!dQMP) = (QMP).J,=0 .
ce qui ramne au cas prcdent. et donne la mme dimensionque plushaut.
REMARQUE:
....La diftlcult vient le plussouventdu passagede J, au cas-gnral.

. 0) Matrices carres de rang 1

METHODE 8 : Comment montrer/utiliser qu'une matrice est de rang 1 ?

.. -- :; .

Principe:
:f~~;t.).~~~i~~>
......
.
~", .....:_.~" ..;i"- .
i,
Il suffit de se ramener aux deux caractrisations pratiques suivantes. qui sont
quivalentes:

(i) rg(A)=l ssl3(X.Y)ERnxRnnon nulstelsque : A=X.ty

(II) rg(A)=1 ssl 3(0,.... 00) .. (0,...0) et 3(b,....bn).. (0,...0)t.q.: a~=alb)
REMARQUE: Il
 112 METHODIX
AlGEBRE 6. Mthodes de calcul matriciel.2me partie 113

REMARQUES: (Iv) Tr(A)=I 011

1
o Ces deux rsultais(qu sont en fait le mme formul de deux faons diffrentes) se (v) Tr(A)= L /..
dmontrent aisment en disant que toutes les colonnes sont lments d'un espace
"ESp(A)
vectoriel de dimension l: -engendrpar un vecteur qu'on note X de coordonnes (01) .
Chaque colonne est alorsproportionnelle X le facteur de proportionnalit tant not
bJ et o_nappelle Vie vecteur ayant ces coordonnes. Mises en garde:
(i) n'a Jamaissignifi,et ne signifierasansdoute Jamaisque: "
, o On prcise. comme c'est crit dans le titre. qu71s'agit exclusivement de matrices Tr(AB)= Tr(A).Tr(B) :.
.! carres icI. Cefte dcomposition estgnralisable.maissesapplications (exemples cl-
aprs)sont moinsintressantes. formule qu'on recontre encore ou hasard des Interrogotfonsorales... Leserre.ursbot. la..
vie dure...
.'~ .
_ Exemple 1: calculer simplementla trace dune matrice de rang 1 ;:..-1."

Tr(A)= L 011 = L a,.bl = y.IX (i) permet en revanche de montrer par rcurrence que:
,.
i
1 , 1
Tr[(AB)k]=Tr[(BA)k]
r,
_ Exemple.2: calculer sImplementle carr d'une matrice de rang 1 pour tout entier k (par rcurrence) et cette formule nous servira dons un prochain
.1
f A2 =A.A = X.tY.X.ly= x.('y.X)'y '" X(TrA)ly= Tr(A),A chapitre. '
'\
Cette relation nous servira frquemment pour discuter de la diagonalisabilit d'une
matrice de rang 1; Il apparat en touscos que lesvoleurspropres sontlesracines de (ii) il n'y pas quivalence entre avoir la mme trace et tre semblable
. x2-Tr(A).x=O
c'est-o-dire 0 et Tr(A).
(li) l trace n'estpas conservepar quivalence de motrice. contrairement au rang.
ii Exemple s, calculer det(1+ A) o A est de rang 1.
En anticipant lgrement sur la rduction, on peut trlgonallser A dans C et sur la
diagonale apparaissentalors0 (n-1fols)et Tr(A)(1 fols), Enajoutant 1. on en'dduit : (v) on tient compte "de.toutes les valeurs propres. c'est--dire des relles et des
det(I+A)=l+Tr(A) . complexes mme pour une matrice relle.De plus lesvaleurs propres sont comptes
avec leur multiplicit. .

Exemple !:siPest unprojecteur de fang t: calculer la trace de :

. n: Mn --Mn .
2. Trace y,
~i
-.....___ X _. PX + XP
') . ".' ._.
On oppllque videmment la formule (lv), Uncalcul dont vous commencez sansdoute'
avoir l'habitude (sinon vous n'avez pas lu les chapitres prcdents et: c'est mal) "
METHODE9 : Utiliserle fait que" toute forme linaire est.une trace" conduit : "
':,"\ "
PEIJ+Elj,P=LPklE~+I Ppn=(PiI+Pn)E;j+( ...)
Il n'y a rien de sorcier l-qessous. si ce n'est un rsultat Important qu'on a tabli au k 1
chapitre 6, mthode 2 : on soit que pour tout cp e!Mn Ii existeune (unique) matrice A les ... reprsentant des termes extradlagonaux diagonaux. donc qui ne nous
telle que : Intressent pas pour calculer la trace. Les termes diagonaux de la matrice
VXe Mn ql(X) = Tr(AX) reprsentant n(qul est de taille n2) sont donc :' (Pii+Pn) . chacun de ces termes
apparaissant n fois.
Conciuslon :
'10 : Utiliserles formules relatives la trace
METHODE Tr(n)=2n}; Pli =2nr
1
d'aprs la formule(III).
On a fait un petit catalogue de formulestout ce qu'IIy a de plus classiques:

(1)Tr(AB)= Tr(BA)
Exemple2: si A3 = 2A 2 - A montrer que tr(A) est un entierrelatif.
(II)Tr(A)= Tr(B) si Bet A sontsemblables Un peu d'habitude en algbre conduit 0 chercher lesvaleurs propres de A parmi les
racines du polynmes annulateur,qui sont 0 et l. donc desentiers.Comme d'aprs Cv)
(Iii) Tr(P)= rg(P) si Pest un projecteur la trace est la sommedesvaleurspropres(entiers),a roule.
".

-------- -- ------ ------- ------

-------- -------------------
114 METHODIX
ALGEBRE 6. Mthodes de calcul matriciel.2rT;l.~
partie 115

3. Polynmes de matrices o Parexemple.siA et Bsont diagonalisablesdans une mme base. de valeurs propres
ai et ~i un polynme convenable est l'Interpolateurde Lagrangequi est tel que:
Lespolynmes de matrices (et par consquent d'endomorphismes) Jouent un rle 'VI P(al)= ~I
central en algbre linaire. notamment du point de vue de la rduction. A ce stade
du livre nous avons tenu foire le point surquelques connaissances de base Il. sans (cf. chapitre 1pour de plusamples renseignements).
rentrer encore dans le dtail de la rduction des endomorphismesqui.fera l'objet des
chapitres 8 et 9. o Ainsi.et ceci trouble souventlescandidats. lorsquela racine carre de A existe(c'est
le cas pour les matrlces.symtriquesdfinies positives.cf: algbre bilinaire). si A est
diagonalisable (c'est encore le cas pour de telles matrices). on montre comme plus
haut que -lA est un polynme en A. Ceci ne veut pas dire.que Jo racine salt un
polynme. puisque le polynme dpend chaque fols de A (cf. remarque faite
METHODE 10 : Comment prouver/utiliser qu'un polynme est annulateur? l'exercice 2 du chapitre 5).

Existence: Rappelonsau passage la conclusionImportante de cet exercice:

Hormisla vrification pure et simpledu calcul de la sommedes puissancesde A. nous
voudrionsIci Insistersurun rapprochement qui est rarement fait par lescandidats entre Il L'inversed'une matrice estun polynme en cette motrice.
l'existence d'un polynme annulateur et l'existenced'une liaison entre les puissances
de A. C'est d'ailleursaussile cos de l'exponentielle de A. puisqu' partir d'un certain Indice
(Infrieur n2). lespuissancessontcombinaison linairesdes puissancesprcdentes.
Eneffet. dire qu'il existun polynme annulateur de degr k pour A revient dire que
les puissances de A Infrieures k fOrment une famille lie. Inversement. si ces
puissancesforment une famille libre.Ilne sauraitexisterde polynme annulateur.
C'est d'ailleursde cette faon l que l'on montre l'existenced'un polynme annulateur METHODE 12 : Comment prouver des relations sur Ker P(A) et lm P(A) ?
(l
(Pui~qUeles n2 + 1vecteursde L(E)que sont A. A 2 ... An) forment ncessairementune "1'
Les Ides sont toujours.les mmes : utiliser le .Iemme de Bezout et les principales
famille lie car l'espace est de dimensionn2). 1 propritsarithmtiquesdes polynmes (cf. chapitre 1).
1
Structure de l'ensemble Ann[A] : UnrsultatImportant est frqemment utilis: il s'agit du lemme des noyaux.
L'ensembledes polynmesannulateursde A est un idal monogne de K[X]. donc qui Lemmedes noyaux:
peut tre reprsent comme:
Ann[Al = {Q.PMP eK[Xl} SiP=QRo Q et Rsontdeux polynmes premiersentre eux. on a :
o PMest le polynme minimalde A (encore une fols.cette notion est aux frontiresdu KerP(A)= KerQ(A) E9KerR(A)
programme).
Intrt :.
Il est norme: .. Exemple:SiD=pgcd(P-Q)morilrerqCJelm D(A)=lm P(A)+lm Q(A)
- permet de calculer des puissances.desInversesde A (cf. chapitre prcdent) ; - d'aprs BezoutIlexiste CU. V) telsque:
- permet de dterminer un ensemblecontenant.lesvaleurspropres;
- permet de rduire lesendomorphismes(souscertainesconditions).
- et permet de faire tout plein d'exercicespassionnants...
ce qui permet aisment de montrerque:
REMARQUE:
lm D(A)cim P(A)+lm Q(A)
Signalonsd'ores et dj une erreur,qu'on reprendra abondamment au chapitre 8:les
valeurspropres ne sont pas exaclemenl/es racines d'un polynme annulateur,. elles - par dfinition 0 divisePet Q donc P=D.P'et Q=D.Q'ce qui permet de montrer que
sont seulement inclus9s dans l'ensemblede sesracines (pour la bonne raison que si !
vous multipliez votre.polynme par n'importe quoi il reste annulateur et que vous
pourvez donc rajouterplein de racInesqui n'ont rien voiravec les valeurspropres)... ImD(A)::>ImP(A) et lm D(A);)lm Q(A) ""
.\ donc que
1
1
lm D(A)::llm P(A)+lm Q(A)

METHODE 11 : Comment prouver qu'il existe un pOlynme tel que P(A)=B et finalement l'galit propose.

o .Sansrentrer.dar:s le,dtail et le cas par cos dE!Sexercices.une Ide gnrale assez

utile consistea utiliser1Interpolationpar lespolynomesde Lagrange et la rduction des
endomorphismes.
 116 METHODIX ALGEBRE 6. Mthodes de calcul matriciel. 2me partie 117

4. Centres et commutants "E.nregardant bien les Indices des mat:l~es des deux membres, ?n
en dduit que: .
.. MeZ(.>!) ~ 't(I,j) mii=mli et mij=0 si l'''J
, 1
Ce qui cuivout dire que M est scalaire (de la forme )J). ,
A) Centres de parties de !Mn
Exemple2: dterminerle centre de GLn
On rappelle que le centre Z(.>!)d'une partie .>t de !Mn est dfini comme: " "
1 Bon. ben l c'est pas de chance, c'est oosen espace vectoriel et en plus aucune des
matrices lmentaires n'est dedans. <;i::.."
Z(.>!)={MeL(E) tels que 'tAe:4. AM=MA} ,..,~.~~.;
,

Soit, Mois un petit peu de rflexion doit vous conduire remarquer que les matrices':',
1 + Eij sont toutes dons GLn. puisqu'elles sont triangulaires sans zro sur la dlagonale;., "
Z(JI) est donc un s-ev (et mme en fait une sous-algbre) de L(E).

REMARQUE: Donc on a l'implication:

MeZ(JI) => 't(ll) M(I+Eij)~(I+Eij).M
En toute rigueur, on a dfini le centralisaleilr. Le cenlre estl'ensemble des lmentsde ce qui s'crtt. en simplifiant par M :
.!il qui commutent tous les lments de JI. Cela ne change pas fondamentalement
la nature du problme donc on continue de l'appeler centre.

METHODE 13 : Comment trouver le centre d'une partie de !Mn ? cas trait plus haut et donc ncessairement M est scalaire. Rciproquement toute
matrice scolaire convient et c'est finI.
Principe:
Retenez donc (car ces rsultats sont constamment utiliss) :
D D'aprs la mthode 5 du chapitre prcdent, Il faut, ds qu'on a I,lne proprit
linaire vrifie par toutes les matrices M de !Mn. crire qu'II est quivalent qu'elle salt
vrifie pour les matrices lmentaires de base El)' Il Le centre de GLn et de Mn est constitu des matrices scalair~s.
Or la dfinition de Z(.!il) est clairement linaire par rapport M donc on est dans le cas
favorable. REMARQUES:

D Cependant. :4. peut' parfaitement ne pas contenir toutes les matrices de la base. o On peut s'tonner d'un tel rsultat (s/ ce n'estpas le cas alors vraiment vousnous
voire aucune de ces motrices. Il ne faut pas pour autam renoncer. Le principe est alors dcevez beaucoup). A part que le calcul conduit trouverle mme centre. on peut
d'utiliser les matrices El)pour construire des matrices simples appartenant JI. se demander s71n'y a pas de ra/sonplusprofonde cela. '
Et bien figurez-vousque si 1Il Y a une rolson topologique. En effet. voussavez ou on.
verra (chapitre tt) que GLn est dense dans Mn- Or 10relation MA = AM est linaire,
D Une fols obtenues ces relations (en nombre fini). Il suffit de chercher M sous la forme
donc connnoepaf/apport A (on est en dimensionfinIe).
M,=:L mldEId Donc si M commute avec toutes les matrices InversIbles.elle commute forcment ..
1<.1 Ciyectouteslesmatrices.por densit.la rcixooue tant tautologique.... ,'>
et d'injecter cette criture dans les relations sus-nommes pour en dduire des
relations ncessaires sur les coefficients de M (en utilisant la formule du produit des
matrices lmentaires).
riLes deux exemples.,prcdents peuvent tre, do/vent tre et sont de tacto:"',:
considrscomme dil coarspar les examinateurs. ,;....
.-_;
D Enfin. on vrlfie,que les matrices obtenues conviennent,
B) Commutant d'une matrice
REMARQUES:
SI A est une matrice donne. on cherche dterminer:
, 0 SI vous dcidez de raisonner directement par quIvalences. c'est vos risques et
prils (assurezvousqu~7s'agit toujoursd'quivalences...)
o JI peilt trsbien ne pas Dtreun sous-espace vectoriel (exemple 2 cl-dessous: GLn) r(A) = {Me !Mn telles que: AM~MA}
et cela n'empche en rfen de dfinIr le centre de JI. Dans ce cas. on raisonne
forcment par conottons ncessaIres cor on n'a aucune notion de dlmens/on C'est un cas particulier de la siMation prcdente. Cependant. on ne le traite lornols
applicable IcI. On n'est donc alorsjamaIs certain d'avoIr crit assezde relations. . avec les mthodes exposes. car elles ne sont pas adoptes la situation.
:-~

Exemple 1: dtermlnerle centre de !Mn Commenons par remarquer que toutes les puissances de A' (positives et ngatives)
commutent avec A. donc on est certain qu'au moins:
L le problme n'est pas trop compliqu : on doit prendre toutes les motrices
lmentaires et on a l'quivalence: K[A]cr(A)
MeZ(.>!) ~ 't(ll) M.EIj=EII.M Il peut parfaitement y avoir Inclusion stricte (A~ld: K[A] ~I et r(A) ~ Mn).
Ce qui s'explicite en : Par ailleurs. comme prcdemment. r(A) a une strucfure de K-algbre.
Me Z(JI) ~ 'tel J) L mklEkl= L mJIEil
k 1 _i
i 4 f dsigne rendomorphlsme dont la matrice dans la base canonique de Rn est A.
 118 METHODIX ALGEBRE 6. Mthodes de calcul matriciel. 2me partie

On obtient les relations

119
'o'

-
1;::' ri,
~'

'!iI;

METHODE14: Effectuer un calcul explicite AX=XA. AY=4'.Y, ZA=4.Z, f;

1 Aprs, on est oblig de repasser aux coefficients.,. i
Principe:
Il s'agit de chercher explicitement tous les coefficients de M commutant
crivant toutes les relations exprimant la commutation MA=AM.
avec A en
Vous le voye~ sur cet exemple, l'Intrt n'est pas toujours norme, (Pour ceux qui n'ont
pas remarque. c'est le mme exemple que prcdemment ...). 1
Cos d'utilisation :
Vous l'aurez compris, ce genre de mthode ne saurait s'appliquer aux matrices de
1
grande taille (concrtement. si la taille de A est suprieure ou' gale 4, c'est pas trop METHODE16:' Changer de base pour obtenir une criture plus simple de f
la peine d'y compter; sauf si vous aimez particulirement rsoudre des systmes 1
linaires gigantesques). 1
Principe: 1!
Supposons que f soit reprsente dans,une, base: eparune matrice. B Il plus simple" (on '1
1 1 0] verra quel sens donner a ce qualificatif ci-oprs). Soit P la matrice de passage de la
Exemple: commutant de A = 0 1 0 base canonique la base e..Alors: B=P-1AP.
[
004
Comme 391, on peut s'autoriser faire les.colculs. Sion cherche M sous la forme Pour une matrice M quelconque, on pose M' = P-1MP.
0 b C] Il est alors clair que: " 1
1

M= [ ~ ~' ~
AM=MA' ~ BM'=M'B
Or sion 's'est bien dbrouill et que B est' vraiment plus simple que A. le calcul s'en
trouve facilit. On peut alors revenir la mthode 14 (ou 15),
Il est ncessaire et suffisant d'avoir (aprs calcul des 9 coefficients de AM et des 9 de
MA) : Cas d'utilisation:
a=e ; c=d=f=g=h=O, Les cos les plus usuels o l'on peut aboutir une s!mp!!ftcoTIon sont les sulvonrs :
Conclusion: -lorsque. la motrice A est diagonalisable,
- lorsque-jo rnotrtce A admet. suffisamment li de s-ev propres, 1.;
r(AI-[[: ~ ~}(Ubll.R'1 - lorsque.lo
Nous albris
frquents,
matrice A
traiter en
.
est cyclique ..
dtail l'ensemble de ces trois cas, qui sont de loin les plus
. . .
qui est une algbre de dimension 3.
A 6s1d(agonalisabI6:. ,
On est rcrnen. 'ovec les'nOkrtions. prcdentes. l chercher les matrices M' telles que
,f-,.'

DM' = M'D o D est une matrice qu'on crit sous forme diagonale par blocs en
METHODE 15 : Effectuer un calcul par blocs regroupant les p valeurs propres de multiplicits respectives a.1

Principe :
Au lieu de faire l'Intgralit des calculs ds le dport, on commence par dblayer le
'1", '~"' 1
terrain en faisant des calculs par blocs, On-en vient ensuite aux coefficients. [ plap
Cas d'utilisation: Un calcul simple montre; si on appelle dl les termes diagonaux de D et, mij les termes'
Evidemment, Il faut que A se p:{)sente naturellement' sous forme de blocs pour que d M', que: .
l'ap'plication de cette mthode prsente un quelconque Intrt.
La mthode autorise a priorides manipulations de matrices de taille plus grande. M'D-DM'=h(dj-di)]

Cependant. Il faut bien se, rendre compte que l'on est frquemment -condult Comme par dfinition de D (df-di)=O ssl Il existe ksp tel que (i.1) E [a.k_1 + l,CXk]2 on en
repasser aux. coefficients pour les blocs, qui sont certes de taille Infrieure, mals quand dduit que seuls ls termes.de M' dont les Indices sont dans ces lntervolles sont non
mme ...

["",
~~,J
nuls,

,.,'
Elle sera d'autant plus efficace qu'apparaissent des blocs de zros dans la matrice A
Finalement M'est diagonale par blocs, c'est--dire de la forme: .,

Exemple: commutant de A = 0 1
1 1 0]a
004 [ o les blocs M~, sont de taille ai'
Il v o deux blocs de zros, qu'on Isole naturellement. On cherche M sous la forme:
De plus:
p ,
M=G' ~) dlm r(A) = L. a?
o X est un bloc carr (2.2). 1=1
120 METHODIX ALGEBRE 6. Mthodes de calcul matris;!el. 2me partie 121

REMARQUE: . Or pour tout vecteur X il existe des coordonnes telles que:

lin} n-l
On pourrait aussi raisonner en termes a'enaomororusrne - mais on est dans un ..~ MX = L .j.AIX
chapitre de calcul matriciel donc on pose les calculs, monsieur, ... - en disant que ;=0
comme D et M' commutent; les espaces propres de D sont stables par M: (puisque les itrs de A sur X forment une base).
Calculons alors l'action de M sur cette base:
n-l .
A possde n vo/eurs pro pros disnnctos (cas porticulior): MX= l .;.A'X
C'est--dire. avec les notations prcdentes, p-n et ai =1 pour tout 1. j=O

Dans ce cas: n-l n-l

M(AX)=(MA)X=(AM)X=AI j.AIX= L .i.Ai(AX)
(i) Le commutant d'un endomorphisme diagonalisable spectre simple est 1=0 1=0
form des matrtces diagonales. n-l n-l
M(A2X)=(MA2)X=(A2M)X=A2.I IAIX= l .;.A;(A2X)
(ii) Une base de r(A) est: (l A. A2 ...An-l) 1=0 1=0 r,,: ".'

(iii) r(A)=K[A] et ainsi de suite pour toutes les puissances. On constate donc que M s'crit. pour tout
vecteur E de la base:
Prouvons f rsultat (Ii). Vu que p=n et ai= 1. le commutant est de dimension n. Il est
donc ncessaire et suffisant d'tablir la libert des n-1 premires putssonces de A. donc
deD.
n-l ce qui veut dire:
L api =0 n-l
1=0 M=Il..i.AI
se traduit par n relations: 1=0
n_l et prouve bien que M est l.ln polynme en .A,.
Iije{L.n} L ail..i =0
1=0 REMARQUE:
Ce systme aux inconnues aj a une motrice de VanDerMonde. inversible car les n
valeurs propres sont supposes distinctes. Donc il n'cdmet que la solution triviale. Ce Un endomorphisme diagonalisable spectre simple est cyclIque, SI (ei) dsigne une
qui prouve la libert. base de diagonallsation il suffit de prendre x = el +... +en (la matrice de passage entre
REMARQUE: (el) et la fa':T7llle (x. f(x). f2(x) ... fn-1(X)) est de VanDerMonde). Donc on retrouve le
rsultat prcdemment obtenu,
Il est aussi trs simple de prouver le caractre gnrateur de cette famille, en utilisant
le pOlynme Interpolateur de Lagrange: toute matrice diagonale I!. = dlag(o;) s'crit
comme un polynme de degr infrieur ou gal n-l en D. savoir le polynme
"
~:~'..
A po$Ssds suffisamment d'espaces prooroe:
interpolateur p tel que: li) p(.j) = 0i ft

Derrl~re ce critre quantitatif totalement flou se cache une remarque PI.eine'~~bO~' ';",;'
..'
Si dans un exo vous avez besoin de (re)dmontrer que c'est une base. montrez plutt sens: si A n'est pas diagonalisable. mals que A possde beaucoup d'espaces propres, :~.
libre+gnrateur car trouver la dimension est un peu plus long. (quoique ...). El' ... Ep si F dsigne un supplmentaire de leur somme (directe. forcrnent) ?ans' E':.:< ....=
E =::.,EEI... EI)Ep El) F et si on forme une base de E constitue de bases de chacun de ces s~> :;\.'
ev. f a pour matrice dans cette nouvelle base:

; {,a, -.','~~~
A es/ cyclique:
Un endomorphisme est dit cyclique sslil existe un vecteur x de E tel que:
(x. f(x). f2(x) ... f'-1(X))
salt une base de E.
Alors : \'(d1;~;:~1:~;~~(.d:
et l:~on soute sur la mthode 15 pour terminer le calcul par blocs. Notons que le cas'
~ r(A}=K[AJ du bloc gauche est rsolu par l'tude des endomorphismes diagonalisable,
prcdente.
Comme on a une Inclusion Il suffit de prouver l'autre. savoir r( A) c K[A J .
ATTENTION:
Si M est tel que MA=AM alors Immdiatement par rcurrence:
MAk =AkM F n'a aucune raison d'tre stable a priori (c'est un supplmentaire d'espace stable et
rien d'autre) donc la matrice B n'est pas diagonale par blocs: les dernires colonnes
sont pleines. .
"j' .
 122: ' METHODIX ALGEBRE 6. Mthodes de calcul matriciel. 2~e partie 123
...r

5. Espaces stables Ce rsultat est la limite du programme (voire en dehors. pour certaines sections) et Il -
est dlicat employer. Donc mfiance ... En revanche. Il peut vous servir vrifier que
les espaces que vous avez trouvs. par d'autres mthodes, sont bien ceux qu'II fallait
trouver.
La recherche des espaces stables d'une matrice ou d'un endomorphisme est une
question cl"assique des oraux de concours. On est frapp de voir le manque
caractris de mthode avec lequel les candidats abordent ce genre d'exercice, qui
deviennent partant compliqus, alors qu'Ils sont trs simples sion suit ces quelques
pistes. __D_E_l_9_:_U_ti_lis_e_r_la
~M_E_TH_O __tr_a_n_sP_O_S_it_io_n ~1
Rappels: Principe:
Les mthodes que nous allons dvelopper sont fondes sur trois rsultats relatifs la Le prloctpe est simple: si vous parvenez, par une mthode ou par une outre, trouver
rduction des endomorphismes, euenous rappelons. maintenant :
un s-ev F stable par tA de dimension. p. alors vous. aurez un s-ev stable porA de
(i) Toute droite stable (ie espace stable de dimension 1) est une droite dimension n - p, savoir F.L.
propre et vice-versa
01) SI F est stable par A alors Fi est stable par tA. Cas d'utilisation :
(Iii) SI F est stable alors le polynme caractristique de la restriction de f F L'intrt rside surtout dans la recherche ..d'hyperplans stables par A ; en effet, on est
divise le polynme caractristique de f. . ramen la recherche de droites stables par tA, c'est-c-ore aux espaces propres.
Sinon. le problme est le mme : cela ne fait gure de diffrence de chercher un
Mise en garde: espace stable de dimension p ou un espace stable de dimension n - p ...
Plus que jamais, Il faut faire extrmement attention au corps de base. En effet, une
matrice peut tre C-dlagonalisable sans tre R-diogonallsable et cela change Cette mthode est redoutablement efficace dans le cas de petites dimensions (cf
singulirement la nature des espaces stables; mthode suivante).

METHODE 17 : Etudier si A est diagonalisable

METHODE 20 : Cas de iiJ. dimension 3
Rappel:
Le problme est entirement rgl dons.ce cas-l grce' au rsultat thorIque peu Espaces s!ab/es de dimension 1:
connu: Ce sont les droites stables donc on sait faire, Il suffit de chercher les valeurs propres et
Soit (Eili~P les s-ev propres de A diagonalisable. Alors tout sous-espoce F les espaces propres cssocls,

stable par A est somme de s-ev des (qsp' c'est dire qu'il s'crit: .Espaces s!ab/es de dimension2:
Comme 3"': 2 = 1 cela revient chercher les droites stables de tA.
p E
F= I~ Fi ou Fi C i
Espaces stabtes de dimension .J:
.. (et vice-verse). . C'est E tout entier.
Ce rsultat Importqnt n'est pas immdiat. Il est dmontr au chapitre 1.1. (thme 3, Ide
5).
i
.,1
Exemple.' espaces stables'de
.,
A= [~3 ~2 ~J
0 0 l
dansR etC .
Cas d'application:
Pour des petites dimensions, Il n'y a pas besoin d'y recourir (cf. mthode 20). Sinon, Un rapide calcul montre que: XA(X)=-(X- ~)(X2+X+ 1)
moins d'une forme trs particulire de la matrice qui vite de passer par la rduction,
on aurait tort de s'en prlver, Dans e :
1 la matrice est diagonalisable puisque le polynme caractristique est scind racines
simples; y a qu' calculer les espaces propres donc on rie le fait pas ...

METHODE 18 : EtUdier si le polynme caractristique est scind Dans Ii!:

Rap;:n ~~~i~~c:;:~:
;":",,,r.,, la seule valeur propre relle est 1. et El =~e3'
Espaces de dImension 1: El =I e3'

1
Sile polynme caractrtstique est scind, Il peut se mettre sous la forme :
P a . Espaces de dimension 2 : 10 matrice tA ayant le mme polynme
XM(X)=ll (X-l.ll ' caractristique. a la mme valeur propre 1. De par la forme de A, il est clair que
. 1=1
On Introduit alors les espaces ~aractrisHques : l'espace propre associ 1 pour tA est El =~e3', dont l'orthogonal est le plan
'.'',. ~ \;L'

.,~ . El = Ker (A-i..il)'"

Alors on peut montrer 'que tout s-ev stabie est somme de s-ev des espaces
Vect(el. e2)'
Espace de dImensIonJ :trs drle ...
caractristiques.
 124 METHODIX
ALGEBRE

,
!
1
6, Mthodes d calcul rnotnclel,2me partie 125

METHODE 22 : Faire des calculs bourins

i Exemple: rsoudre dans ru2 : M2 +M- 21= 0
Encherchant M sousla fo;me (~ :). Il vient:
'.. Donc a priori c'est viter saufsivraiment on ne peut pas faire autrement,
Pour la recherche de plans stables (voire d'espaces de dimension plus grande). on 1 02 +bc+a-2 =0
peut:
1) crire a prioril'quation du plan sousla forme usuelle:
ox-bv-czen
2) dterminerune bose en fontlon des coefficients (o.b.c) par exemple (b.-1.0)
l'
)
1
d2+bc'+d-2=D
c(a+d+1)=0
b(a+d+1)=0
et (c, O.-1) sousrserveque a;!{),
3) chercher l'Imagede ces vecteurs;
i - sib=c=Oalors (Cl, d) e {t-2}2 ce qui donne quatre matricesdiagonales;
- sib ou c est non nul alorson obtient toutes lesmatricestellesque:
4) crire que l'imoge de ces vecteurs est dons le plon en rinjectant les
coordonnes dans l'quation; a2+a-2=-bC
5) puisconclure surlesvaleursde a. b et c (G une constante prs)

On vous avait prvenus.tout cela n'estpassoclolernent fin..,

j
d2 +d-2=-bc
a+d+l=O

6. Rsoluti~n d'quations matricielles METHODE 24 : Procder par conditions ncessaires et liminations

Principe:
Il est hors de question de dvelopper ou mme simplement d'esquisserune bauche Il s'agit d'utiliser l'quation pour en dduire des relations ncessaires portant sur
de thorie gnrale de la rsolutiondes quations matricielles - ri'tant mme pas l'inconnue M, PlusieursIdessontexploitables:
convaincu .oue cela soitpossible-, ' - prendre la trace des deux membresde l'quation;
- prendre le dterminant des deux membresde l'quation;
Notre propos est de chercher montrer.de toon strictement pragmatique. comment - tudier des problmesde commutation entre l'Inconnueet une motrice paramtre;
se rsolvent les quations qu'on propose gnralement en exercice et quelles sont les - tudier lesvoleurspropres,ou lesespaces propres; .
quations connatre ou auxquellesIl fout chercher se ramener (en quelque sorte - factoriser par desmatricesInversibles;
desquations canoniques), ' - chercher des relationssurlespuissancesde M ;
- utiliser le rsultat des questions prcdentes d'un problme pour en dduire des
Encore une fols. on veillera particulirement au corps de base et l'ensemble dans solutionsvidentes;
tequet on demande de rsoudrel'quation propose, - chercher des Informationssurle rang;
- chercher des solutionsInversibles.dlagonoles. diagonalisables....
Signalonsenfin que d'autres quations. faisant Intervenirla comatrice. sont proposes - tdler des problmes de nilpotence.
''i
au chapitre 13,
Bref dn le voit lespistessontrnultlples.
'1[.
:::::'-,' .. _ ..
M dsigne l'Inconnue,A un paramtre matriciel.
Une fois ces conditions ncessairestablies en nombre respectable. Il fout essayerde
remonter pour voirsiellessentsuffisantes- et c'est l que le bt blessesouvent..,:' .."
METHODE 23 : Repasser aux coeffici'ents ' Exemple 1: rsoudre AM - MA = 1
Sion prend la trace des deux membreson tombe sur: O=n.
.Principe: Evidemment. dans ce cas. l'quation est vite rsolue: iln'y a pas de solution,
Traduirel'quation matrlclelleen autant d'quations surlescoefficients
Cas d'utilisation: Exemple2: rsoudre M2 + 21v1
= dlag(dj .... dn) = A (K=C), ..~
Vousvous ~,outezque cette mthode est loin de constituer la panace, Eneffet. partir eN : Puisque A est un polynme en M. A et, M commUtent. Or on a vu que le
~'une qucJ;ion:i,uneInconnue pour se retrouver au final avec n2 quations n2 commutant d'une matrice dlaganale tait l'ensemble des motrices diagonales. " i.
Inconnuesnest pas proprement parler une simplificationdu problme, Sansparler du (mthode 16)donc M=dlag(mj....mn),
fait que les quations obtenues sont certainement non linaires.donc qu'on n'a pas CS: Une motrice diagonale est solutionssim? + 2ml= cl; pour tout 1. Chaque quation
d'assurancede savoirlesresoudre,
oyant au plusdeux solutionsdons C, cela fait ou plus 2nsolutions, "' /~;. ..~j
De plus.cette mthode comporte un rel danger: celui d'oublier des cas dans les
invitablesdiscussions,
REMARQUE: , ,.::,~~~;i:i;?,~i;
Il,faut vraiment rservercette mthode la dimension 2. o d'ailleurs mme l les Cette mthode s'tend videmment sansdiffrence auxquations,P(M)=Aou,P,e~!U(' .:'i<"""'! ;~:
r~suttats obten~s sont moins faclIE3ment exploitables que ceux obtenus par une polynme quelconque et M une matrice diagonalisable. : ..' - '.:~/J;;.t ..'', '; '.:
....
resolutlon matricielle'. ',...

l__ - -- -------~------------------__.
l,'

\ e

126 METHOOIX ALGEBRE \ - _- 6. Mthodes de calcul matriciel. 2me portie 127

METHODE25 : Interprter en termes d'endomorphismes

Principe:
L'Ide est d'ebcndonner totalement l'aspect matriciel' et d'Intepreter
.
en termes
r si on rsoud PCM)=Odans M'1CR)Il y a deux cas :
- ou les racines sont toutes dan sR alors on se retrouve dans la mme situation
que prcdemment et M est diagonalisable dans MnCR)et est de la forme cl-dessus .

- ou certaines racines sont complexes et on ne peut rien dire en gnral.

d'endomorphismes l'quation: noyau. Image. rduction. valeurs propres ...
On va montrer sur un exemple typique comment. la complexification permet de s'en
sortir honorablement. .
Exemple : rsoudre M2 =0 en prouvant que 3PeGLn telle que P'lMP=(~ 6) Exemple 1.' rsoudre dons Mn(R) M2 =-1
Soit f l'endomorphisme dont la matrice dans la base canonique de Rn est M. Le polynme est scind racines simples 1et -1. qui ne sont pas relles. Cependant M
f2 = 0 est quivalent : lm f c Ker f. Soit r le rang de f. . est diagonalisable dans Mn(C) ce qui veut dire qu'II existe une base de C n (vecteurs.
coordonnes complexes) dans laquelle f est diagonale.
11 est naturel de constuire une base (e1.... e') de lm f qu'on complte non moins
naturellement en une base (el .... en_,) de Ker f. Puisque M est relle son polynme caractristique est coefficients rels donc les -]
racines 1 et -1 ont mme multiplicit. gale la dimension des espaces propres associs
(car M est diagonalisable).
(el .... e,) tant des vec~eurs de lm f Il existe des ve~t.e~.rs (~I.'" y,) dont Ils sont les
images (on les prend pour essayer d'avoir le bloc Identite a droite), Si (e], ... em) dsigne une base de El' alors (;'.... em) est base de E_i (parce que M est

Reste vrifier si par chance (el .... en_,.y1.... y,) ne serait pas une base de E, ce qui est relle).
On a alors :
le cas ssi elle est libre vu qu'elle possde nlments ..SIon a une relation de liaison
I, lel + I, (XIYj = 0 C') t(ek +ek)=lek -Iek =I(ek -ek)
1 i f[i(ek -ek)l~l.iek -I.(-I)ek =(ek +ek)
en appliquant f Il vient. compte tenu de ce que les vecteurs e sont dans le noyau et
Les vecteurs
que f(y,)=e,:.
I, aie,
1
=0

Donc ces coefficients sont nuls. et en rinjectant dans (') les autres aussi CQFD.
1 (el +;'.e2 +~2 .... em +em, l(e1-:-iJ ... i(em -em))
. forment une base de Rn car leurs coordonnes sont relles. Dons cette base. f s'crit :
0 -lm)
Il est alors clair que, dans la base ainsi construite. la matrice est de la forme voulue. ( lm 0
La rciproque est claire. 1 Finalement. M est R-semblable (,~ -~). et rciproquement une telle matrice est

METHODE26 : Utiliserla rducnon et ja Cmplaxificcticn 1 solution.

Exemple 2.' rsoudre dans dans Mn(R) M2 = 1

Cas d'emploi: '.
Supposcns que nous ayons rsoudre une quation

o P est un polynme scind racines simples (I'" p)

P(M)=O j L c'est beoucoup plus simple: M est diagonalisable
donc M est semblable une matrice du type :

avec a+l3=n .
( 1~ '-I~
0)
et ses valeurs propres, sont 1 et
'.
-1.

Mthode:
si,on rsoud P(M)=O dans Mn(C) alors l c'est fini: M est diagonalisable et
donc 'st semblable 0 unemotrice de la forme: METHODE27 : Se ramener une quation de type connu
' .."."....,.. .
. ..- '. [11 a, ". .... '.pla.l Comme lorsque vous tiez dons les petites classes, vous tenterez ici de vous ramener
des quations dont vous connaissez les ensembles solution.
Les exemples prcdents n'ayant pas t choisis totalement au hasard. Ils constituent
en fait trois types Importants (parmi une Infinit ...)
o
p On rcapitule au cas o vous seriez compltement perdu. ce qui pourrait se
\fi OSalSn et L al'=n comprendre vu qu'on en est dj le 45-lme mthode de calcul matriciel sur 2
, :~iN_~~\'J.';;t:-'-:;-':~
~_';,':- ." - 1=1 Chapitres (et oui 1).
et rciproquement t00ei~9,~+~.R!'l!!~.forme est solution. i'

,
1
f
128 METHODIX ALGEBRE 6: Mthodes de calcul rnqtriclei.2m~ parl-fe 129

2 '
M = 0 : M eSTR-semblablea
_(10,) i:'~ Gnralement. le point crucial du calcul matriciel est le choix d'une base adapte,
':Ruipermettra ultrieurementde mener lescalculsles plussimples. '

( la _I~
0) ,J, },

M2 = 1: M est R-semblable
- De plus,il n'estpas certain qu'IIfaille Introdulie ds le dpart une matrice. Peut-tre

M2 = -1: M est R-semblable (I~ -~) faut-II creuser les hypothses pour en extrolra des renseignements utiles qui eux"
permettront de construireune base adapte. -s

Exemple: montrer que toute quation du second degr dons Mn'(1<)se ramne
l'un de ces types " Unefois la matrice Introduite,que faire? Pourfaciliter l'exercfce, Ilfaut essayerd_a s:'
ramener (sice n'estpas dj le cas) une forme simpleou rduite de la matrice. v, '\.' -,
Mme principe qu'en analyse. Il suffit de distinguer selon le discriminant en mettant . -;' " " ...~~,:,' ,'. :.
sausforme canonique.' Lesprincipalesrductionssont: ,-'o.

-l'utilisation d'one matrice Jr (cf, mthode 7)

-l'utilisation desmatrices Eu(cf. mthode 5 chapitre prcdent).
METHODE 28 : Utiliser les sries formelles - la diagonallsatlon, trigcnallsatlon ou rduction de Jordan ou Dunford (cf,
chapitre 10-11)malsdj l, on sesitue'surun traitement plusalgbrique.
Ce genre de mthode, qu'on a dj voqu lorsde la recherche d'inverse.fonctionne
assezbien surun petit nombre d'quations matricielles.Il consistetout btement faire
" comme si .. l'quation portait sur une variable relle et en dduire la srie formelle Enfin, nous tenons souligner que si le passage d'un problme d'algbre un
solution. Ensuite.on vrifie que la solutiontrouve convient dons l'quqtlon matricielle. problme matriciel semble asseznaturel (trop ?) chez les candidats, le cheminement
Inverse (de la matrice l'endomorphisme) rencontre moins de succs. Pourtant, il
Exemple: A tant nilpotente d1ndlcep, montrer qu11existeM t.a. : M2 = 1+A
permet de dbloquer bien des situations(voir : les calculs de puissance ou d'Inverse
Foisons"comme 51 la variable tait relle : on aurait alors: lorsqu'on raisonne en termesd'endomorphisme, ou plus frappant encore la rsolution
M={I+A , de l'quation M2 =0). A bon entendeur..,
quI. d'aprs le dveloppement en srieentire de la racine (Mthodix. p. 349) peut se
rcrire sousla forme:

M=~ ~H-1}--H-k+ 1}~~=:~ ~H-1}-H-k+ 1}~~

compte tenu du caractre nilpotent de A.
Si maintenant on prend le carr de cette expression on retrouve bien I+A : il suffit
d'Identifier les coefficients des OSE.C'est donc le mme calcul que pour les rels et
comme il est vrai pour les rels.il est vrai pour lesmatrices. '
REMARQUE:On n'a pas prouv l'unicit.

7. Traitement algbrique et traitement matriciel

d'un exercice

Nous avons dj eu l'occasion, d'y faire allusion, et les mthodes que nous avons
dveloppes au cours de ces deux chapitres devraient vous en avoir convaincu :
l'algbre linaire et le calcul matriciel sont deux choses bien distinctes,mme sielles
sont rattaches la mme ralit (une application llnaire). t"
Une erreur classique - peut-tre vaudrait-II mieux parler de maladresse - consiste, ,
',1
~
...
lorsqu'oncherche un exercice d'algbre (pos en termesalgbriques), le transformer
tout de suiteen termesmatricielsen disant:
1l
soit e une base de Eet A la matrice de u dons e , lj

!
 131
6. Mthodes de calcul matriciel. 2m~.partie
130 METHODIX ALGEBRE

Erreurs Exercices

L'ensemble des' motrices de rang r n'est pas un s-ev, pas plus d'ailleurs que
l'ensemble des motrices de rang Infrieur ou gal r. ~~eliner les endomorphismes ayant mme matrice dans toutes les bases.

Les formules relatives ou rang et la trace sont sujettes aux interprtations illumines
des candidats. On n'a pos ; .

Tr(AB) = Tr(A).Tr{B) bi; A let B deux motrices telles que:

V'(u. V) E !i\-i} UV = A =!> VU = B
rg(A+B)= rg(A)+rg(B)
a) Montrer que A=B
rg(AB) =rg(A).rg(B)
., b) Montrer que A=B=a!'

Le centre de Mn n'est pas constitu des motrices diagonales. mals des matrices
scalaires. .

De nombreuses erreurs sont commises au sujet des motrices R-semblables et C- [TI

semblables; beaucoup ne comprennent pas bien ce que veut dire" La matrice relle Soit 4>un endomorphisme de Mn tel que:
M est diagonalisable dons C Il. Assurez-vous que vous tes au point sur ce problme.
-.,. cl>(AB}= cl>(A).cl>(B)
4>(1)=1
Montrer que cl>conserve 10troce.
Astuces ... Indication: on utiiisera le curctilsatlon de le trace dmontre l'exercice 2 du
chapitre 6.
lm f et Ker f sont toujours des s-ev stables par f. quel que soit f.

il Les matrices inversibles sont exactement les motrices de passage entre deux bases.
~. . .
Pensez (bis repetitas) interprter une matrice en termes d'endomorphisme si vous
Soit H un hyperlplan de Mn. Montrer que H ("\Gln ;t el .
ne voyez pas comment mener vos calculs: a devrait vous aider

SIle corps de base n'est pas de caractristique nulle, vous pouvez avoir des solutions

AX-XA = I(ex: dans Z/2Z. A =(~ ~) X = (~ ~}

.,
m .' .
-!!es .
Soit A, B et M trOISmatrices carrees ree
0) Montrer que rg(M)= rg(tMM) .
SI dans un exercice on vous prcise qu'on se place sur C, Il y a toutes les chances
qu'II tallJe utilser une valeur propre quelque part (ortsoltqu'll en existe forcment. sur C,
b) Dterminer en fonction des rangs de A et B : ..
mais pas forcment sur R). rg( ~ ~) et rg(A Bl

Lu dans les rapports de l'X

Certains lves ne savent pas prouver l'existence d'un polynme annu!ateur Il

Montrer que A et B commutent .
Certolns'{i~~es parlent de l'Ingalit bien connue: Tr(AB)~Tr(A).Tr(B) Il ... Indication : Montr~r que A est Inversible.

Faire une combinaison linaire sur des lignes ou des colonnes c'est multiplier par
une motrice de transvection ))

rn
Soit E=C n et J'I. une partie de ~(E)telle que:
{H c:E tels que V'fE.:>! f(H) cH} = {E. {On
Dterminer le commutant de Ji!.
 METHODIX
ALGEBRE 6, Mthodes de calcul matriciel.2me partie 133

W Corrigs
SoitAe [~ ~ ~} Dterminerle commutant de A (0 est rel).
6J
Il est peu prs vident qu'IIfout traiter cet exercice malricieUemenl,vu que l'nonc
parle de motr1ces.
Soitdonc tun endomorphismeayant mme matrice dons toutes les basesde E.",eune':;':'O'
!Il
A et Btant fixes,rsoudre:
base donne de Eet A la matrice de f dans e. ;':;r:i~;
XeTr(X).A+B Si e' dsigne une autre base de E. la motrice de f dans e' s'crit P-:-1AP
o P est la ,':}', .
matrice de passage entre e et e'. :,,_-
D'aprsla proprit de f on en dduit:
A=P-1AP
"
et ce pour toute malrlce de passage p, c'est dire pour toute motrice Inversible(cf.
astuces).On en dduit :
\lPeGLn PA=AP

Ce qui veut dire que A commute avec toutes lesmatricesInversibles,et donc, d'aprs
le rsultatde la mthode 13, que A estscalaire,
On a raisonn par quivalences donc l'ensemble des solutions est l'ensemble des
homothties de E.

m
a) Il suffit de particulariser : si on prend U=A et V=I on a UV=A donc VU=B.mols
VU=A.I=Adonc A=B.C'esttrsbte. .

b) On particularise nouveau: si on prend U",Pet V=P-1A(o P est Inversible)on a

bien UV..A donc VU=Aauss!or VU=P-1AP,

Donc A=P-1APpour tout Pinversibleet c'est la mme fin qu' l'exercice prcdent.
:;.
1 ~3 1 . . ,
Il fout dj comprendre ce qu'on nous demande de dmontrer (cette remorque
s'appllqlJede manire trsgnrale n'Importequel exercice de maths).' , . .
On veut donc tablir que:
\lM Tr(~(M)) = Tr(M)
Considronsla torme linairesur !Mn: e = Tr.~ (vrifiezau passage que c'est bien une
torme linaire). - - - - - - - - .- _. - .,'
On veut montrer que e = Tr. Or d'aprs la caractrisation Indique dans l'exercice 2
ch.4, Ilsuffitque:
; e(MN)= 9(NM)
pour que e soit proportionnelle la trace.
On y va tranquillement:
e(MN)= Tr. ~(MN)= Tr[~(M).~(N)1= Tr[~(N).<l>(M)
1= Tr.<l>(MN)= e(NM)
(on utilisela proprit (1)de la mth~e 10).
Donc e= . Tr. Mols le scolaire est forcment gal 1 : Il suffit d'appliquer l'galit
prcdente la matrtce l pour le voir.
Rsultatdes oprotlons: e est gale la trace, et on a ce qu'on voulait:
"",,,-'t" ','(; '.'c.:" ...... "'....~ ...

134 METHODIX ALGEBRE 6. Mthodes de calcul matriciel.2n;J3.portie 135

ru
SIvousavez eu le courage de lire et d'apprendre les mthodes de dualit, vous devez
Tout a pour lgitimer ce que beaucoup considrent comme une astuce, savoir
mutliplier lM MX=0 par 'x pour obtenir:
avoir lerflexe: hyperplan=noyou d'une formelinooirenon nulle.
IX.tMMX=O
Toujourssi vous avez lu ce chapitre (si ce n'est pas le cas on vous conseille ou de le qui s'crit:
faire ou d'arrter cet exercice qui risque de vous nerver) vous savez qu'on connait. I(MX).MX=O
parfaitement l'allure des formeslinairessurMn : elles sontde la forme Tr(AM). qui implique (et qui est mme quivalent ) :
MX=O
Rsumonsnous :sansrflechlr nous avons naturellement crit que Il existeune matrice Donc lesdeux matricesont mme noyau, et a fortiorimme rang (c'est un rsultatplus
A vrifiant: . faible).
H=Ker<ll o q,(M)= Tr(AM),
b) Surces deux matrices M et N il vaut mieux raisonnersurles lignes et.ou les
On nous demande donc de montrer que pour toute matrice A non nulle, il existe une colonnes.
matrice M inversible telle que: Tr(AM) = 0 PourM. un raisonnementsurlescolonnes(notations videntes)donne:
(remarquez que l'nonc est devenu totalement diffrent),
Bon. Mals on ne salt pas quelle est la tte de la matrice A Peu Importe 1 On va
simplifieren appliquant la mthode 7 et en disant que A est quivalente une matrice
Jr soit: donc, d'aprs une Ingalit" bien connue : .
3(P,Q) e GLn2
tellesque: A =PJrQ rg(M)sdlm Vect {Al .... An}+dlm Vect {Bl,...Bn}= rg(A)+rg(B)
On recherche videmment M par blocs sousla forme
et on n'a pasmieux.
M=(~ ~)
ORest carr de taille r. Pour N Il vaut mieux raisonner autrement (vu que N c'est pas M et qu'en plus on va
Uncalcul par blocs donne que prouver un rsultatd.iffrent1) .
Sion appelle Aj,...AlOO(.)une famille libre de colonnes de A (Idem p~ur B) alors en
AM~(~ ~) prenant lesvecteurscolonnes de N qui correspondent on obtient une .famillelibre de
On cherche donc M inversibletelle que TrCR)
est nulle. Il y a des millionsde faons de R2n(il n'y a qu' crire pour voir qu'une liaisonsui ces vecteursentrane une liaisonsur
faire, por exemple prendre: .. les Aj,.... A1OO(.)
et sur les B].....81OO(.).
Donc: rg(N)<!rg(A)+rg(B)(rg=taille d'une famille
T=5=O;U=ln-r et R=dlagC\"'r~,.l-r)(SIr>l) libremaximale,cf. chapitre 5. quand vouscommenciez l'algbre linaire...).
et a marche. Mals toute famille comportant rg(A)+rg(B)+l vecteurs colonnes de N comporte au
Ilreste revenir ou cas gnral: moins rg(A)+l colonnes de A ou rg(8)+1 colonnes de Bdonc est lie. Moralit: on a
galit rg(N)=rg(A)+rg(8).
Ce genre d'exercice n'est.posfollement excitant mais Il faut savoirque a se pose aux
concours...
o N=Q-1MP-1est lrwerslble comme produit de motrices Inversibles,Et N convient: ,,
Tr(AN)=O.
'Magique... .
~n 6votsdconseillev;vement de calculer BA ce qui es~l'Ide la plusnaturelle avoir
devant cet exercice.
W. On vousconseillepor contre de factoriserpar A ce qui peut l'tre:
a) Le terme t~:M ~O!1'vousfoire penser de l'alg~re blllSlalre,on va voir pourquoi.
Pour montrer 1egalite des rangs on peut montrer l'egolite des dimensionsdes noyaux, A(B-A-I)=I
Malscomme manifestement Ker(M)CKer(IMM) on va prouver l'gofit des noyaux, ce ce qui prouve qu A est Inversibleet que l'Inversede A est:
A-1=(8-A-I)
qui revient prouver l'InclusionInverse Ker(M)::>Ker(tM.M). Or l'Inversede A commute avec A (puisquel'Inverse gauche et l'Inverse droite sont
confondus) donc: . .
Supposonsdonc que tM MX= 0, C'est l qu'IIfaut un rflexe quadratique, c'est--dire (B-A-I)A=I
En dveloppant et en faisant la diffrence avec la relation Initiale.
voir que cette relation est presque de la forme Iyy =0 Cf tant un vecteur) ce qui miraculeusement:AB=BA,
Implique Y=O(car tyy est la norme de Y pour le prOduitscalaire canonique _ repassez
aux coordonnes si vous pdalez compltement). Epatant, non? Vouscvez Intrt connatre cette ruse-l.car l'exercice.""'._'.'.'i'~,_""
vogue danstesconcoursactuellement.
,, . Faitesle ropcrocnemeot avec l'exercIce 9du chapitre prc~dent.

--- --- ----- ---- --_ ----

 136 METHODIX AlGEBRE 6. Mthodes de calcul matriciel.2me partie 137

ITl
Vu qu'on prcise qu'on est sur C, d'aprs les astuces il va falloir faire Intervenir une
m
Ca ressembleun peu l'exemple 1 de la mthode 24 donc on est saisid'une furieuse
valeur propre. envie de prendre la trace qui nous'donne:
(1- TrA)TrX= TrS
Soit u qui commute avec tous les lments f de .!t. Il faut construire partir de u un Ca se discute i
espace stable par tous leslmen1sf pour utiliserl'hypothse.Comme on doit se servir
d'une voleur propre, Il est naturel d'Introduire . une valeur propre de u et El.respace - ou bien TrA..1 et TrM alorsy a pas de solution
propre associ.
- ou bien TrA,'1alorson trouve (CN)
Comme u commute avec touslesf, tous lesf laissentE)"stable. Or E)" est non rduit 0 TrB
puisque c'est un espace propre. Donc c'est forcment E tout entier, d'aprs la TrX= (1- TrA) ......
dfinition de .J'I,
qu'on rinjecte dans l'quation Initial~qui nousdonne (CN) :
Rsumons: siu est dans le commutant de .J'l, Il a un espace propre qui est Etout entier.
Donc u est une homothtie. La rciproque est cialre. . TrB
X=(l_TrA)A+B
[TI qui est bien solution(le vrifier)ce qui nousdonne une solution.
. Vu qu'on a une matrice de petite taille on peut faire un calcul explicite (bon courage
quand mme). Malsce n'est pas la mthode la plusJolie(pour autant qu'IIexistedes
mthodes Jolesadoptes ces Jolisexercices) et Il vaut mieux essayerde rduire A- - ou bien TrA..1 et TrB=Oalorson peut remarquer que Best solution vidente (ah bon
donc calculer son polynme caractristique. sachant dj que 1 estvaleur propre (a ?) et en recopiant:
se voit. non ?) . X=Tr(X)A+B
B=Tr(B)A+B
On trouve facilement:
.11 vient par diffrence (CN) :
XA(X)= (I-X)(X2 -3X-2a) X-B = Tr(X-B).A
Il faut voir si 1 est racine simpleou non. . ce qui Implique (CN)X-BE R.A.
SI 0=-1. alors On vrifie rciproquement que cette infinitde solut1ons
convient.
XA(X)=(I-X)2(2-X)
et un rapide calcul montre que A est alors diagonalisable et que la matrice de
passage P vaut [ill
La matrice du membre de droite est l'une des fameuses matrices J qu'on vous a

!l
1 0 prsentesau chapitre prcdent. .
p= 0 1 )' .... . .- .' ..
[ o -1 Or cette matrice est nilpotente d'Indice n. Ce quro pour consquence que la rnotrtce
X est!Il1patente d'Indice p suprierleurou gal 2n -1. Or on salt (ct. 'chapltr 12)que t ,
p est ncessairement Infrieur n. Ce qui Impose: ns t, Mals en ..dlmension 1, la r-.

Comme la ~thode 16, AM=MA quivaut ND=DN eo N=P-1MP. N est donc matrice J n'existepas... Donc Il n'y a pas de solutionen dimensionsuprleure..ou gale..';
diagonale par blocs,c'est--dire Ici: 02 ~ _

. N=[: : .1 Au moins.on ne peut pas dire que lescalculs nousauront fatigu surcet exerclce-I.

Ce qui donne ul')ev de dimension5.

. Si 0.0-1, 1 est valeur propre d'ordre 1 ; on ne peut pas rduire A mieux que soussa
forme Initiale, On falt donc un Calcul par blocs sous cette forme-l et on trouve

, fodlemMt~:>:-b",":~(~ y-~/2.Z af~.zl J

r
o z y
qui nous donne un espace v~tOr1el de dimension3.
Ce genre d'exercice est ~~.y~rsant,
.' ..' _.~{;,
n'est-IIpas?
..*.t.,..,,,,..
.
I~
..-~ --- -~---=----'-~~~ --..-__
-
142 METHODIX ALGEBRE 7. Mthodes de calcul de dterm!_n_ants

METHODE 3 : Mettre un terme en facteur METHODE 4 : Reprer une liaison entre colonnes

Principe: Principe:
Lorsque la somme des termes de chaque ligne est la mme (par exemple si les Une fois qu'on a trouv deux colonnes Identiques (ou proportionnelles) ou une liaison
coefficients sur chaque ligne sont les mmes dans un ordre diffrent ...) on additionne entre les colonnes. on est assur que le dterminant est nul. ce qui courte
toutes les colonnes la premire. ce qui ne chone pas le dterminant. considrablement le temps de calcul et nos souffrances por la mme occasion.

Ensuite. on met la somme en facteur.et on se retrouve avec une colonne de 1. Exemple: voir le calcul du dterminant de VandDerMonde (mthode.9).

On soustrait gnralement une ligne une autre (pour chaque ligne) pour faire
ar;>paroitre des zros porteur dans' cette colonne sauf un endroit. et ensuite on
developpe selon cette colonne (mthode 5).
METHODE 5 : Dvelopper le dterminant selon unecolonne .
o
al Principe:
Dvelopper selon une colonne en utlisant la formule des cofacteurs:
Exemple 1: d= al 02

n
al 02 an 0 det(A) = ~. aii .AU
j=l
Comme sur toutes les lignes on a les mmes coefficients dans le dsordre. on fait
comme expliqu; posant a = L 01. Cl t- L CI donne: o les cofcctsurs valent:
. a ~ ~ ~ 1'~ ~ ~ Aij = (-1)1+1
t.il
0002 an 10a2 an t.ij tant la matrice A laquelle on a retir la i-me ligne et la Hme colonne.
d=a ~ ~=al ~ ~
Cas d'utilisation :
Cette formule marche videmment pour toutes les matrices. Cependant. elle se
a2 rvle ra particulirement efficace si la colonne selon laquelle on dveloppe a
beaucoup de termes nuls (sous rserve toutefois que les cofacteurs soient facilement
Puis on fait LI t- Li- LI_l pour 1>1 ce qui donne un bloc triangulaire: calculables. ce qui n'est pas forcment le cas).

Au pralable. des manlpulotlons peuvent tre ncessaires. notamment la mthode 3.

d=a
o Exe_e.'poIynme= ~dMmeb8nim.'A=[: . al]
02
. 0 :
o
On d~e!oppe seon Io premire colonne.
-n
dont le cofacteur est triangulalre.donc
.. 1 an
'slmple a' voluer, Finalement: . .' .. . . Le polynme caractristique de ces matrices est donc:
-X a]
d = (-1t(La;)ll ai
a2
(ottentlon la puissance. le dterminant est de taille n+1). d=
-X
a b b afl-X

Il Exemple2.' calculer d = ~ C'est l qu'il faut foire le bon choix cor 11 y Cl beaucoup de termes nuls dons la motrice.
b On dveloppe selon la dernire colonne et les cofacteurs sont triangulaires:
b b a
La somme sur les lignes est onstante gale a+(n-l)b. Aprs addttlon et mise en d=Ht[Xn - . aIXI-1] . .
1=1
facteur on fait l'opratlan Li t- LI-LI pour 1>1 qui amne :
1 b b REMARQUE:

d=[a+(n-l)bl~ .a.~.b .~. : Ces matrices permettent notamment de dmontrer que nmporte quel polynme
unitaire tant donn, on peut trouverune matrice (au moins) dont il est le polynme
o 0 a-b caractristique ( savoirla rnatrce de Froebenluscorrespondante). .'
Par dveloppement on tombe sur un cofacteur triangulaire d'o le rsultat :
d=[o+(n-l)bJ(a_b)n-l
L
144 METHODIX ALGEBRE 7. Mthodes de calcul de dterminants 145

B) Autres mthodes Evidemment, Il faut savoir calculer' une signature (cf. votre cours d'algbre gnrale),
ce qui n'est pas ncessairement plus simple (ou contraire, semble-t-II) que le calcul
d'un:dtermlnant. comme le rnonfre cet exemple.

l,'.,
" '
METHODE 6 : Aboutir une relotlon de rcurrence
;,l
j-. ,1. Principe:
METHODE a : Utiliser les formules de calcul par blocs
.~ On cherche aboutir une relation de rcurrence (d'ordre 1 ou 2 mals jamais plus
sinon a pose des problmes pour rsoudre la rcurrence), gnralement en utilisant Principe:
le dveloppement selon une colonne (mthode 5). Il consiste essayer de ramener A, par des combinaisons linaires de lignes et de
colonnes, une forme diagonale ou triangulaire suprieure (ou Infrieure) par blocs.
Ce n'est pas parce qu'on ne trouve pas de relation d'ordre 1 qu'II ne fout pas continuer Dans ces cos-l, on a : '
: la relation est peut-tre d'ordre 2.
Il n'est pas rore (mols cependant pas automatique) qu'on tombe sur une rcurrence
facilement rsoluble, comme une' rcurrence" gomtrtque ( dn adn_1) ou " quasl-
gomtrique =
( dn andn_l)' voire linaire d'ordre 1 ou 2. II faut videmment savoir
rsoudre ces rcurrences, sinon vous n'Irez Jamais au bout de votre calcul.
= df A, ... J Ii det(A,)
On det(~ ~)=det(~ ~)=det(A)det(C)
Exemple: d ~
On reviendra plus en dtail sur l'utilisation de ces formules dans le paragraphe 3.
al
La motrice tant particulirement creuse, on va sans problme pouvoir dvelopper
son dterminant (sons manipulation pralable). Par exemple, selon la dernire ligne:
dn = (-l)"+landn METHODE9 : Utiliser le caractre polynmial du dterminant
qui est. comme on l'a baptis, quasi-gomtrique et Sersoud en :
, n(n-l) n Principe:
dn=(-1)-2- ai n La formule (Ix) montre clairement que le dterminant est une fonction polynmlale
,1=1 n2 variables (les coefficients de la matrice).

Sion s'arrange pour geler un ou plusleurs coefficients de la motrice en une

METHODE 7 : Utiliser la formule" thorique du dterminant expresslon faisant Intervenir l'Inconnue X, on peut dans certains cas considrer le
dte:~mlnant comme un polynme en la seule variable X. Dans ce cos; si on
dte'~mlne par exemple:
Principe :
D'aprs la formule (ix) rappele ci-dessus: - son degr p. ses p racines et son coefficient dominant
n ou : - son degr p, sa valeur en p points distincts
det(A)= L e(crm <4..,(i) - ou: - san degr p, la valeur de ses p premiresdrjyes.en un point donn (cf. la .. .c.:
60' 1=1 mthode suivante)
Cas d'utilisation:
Ils sont trs rares. Il fout que les coefficients de la matrtce fassent naturellement On peut alors remonter l'expression du polynme en X, puis finalement l'expression
Intervenir une permutation. du dterminant.

Exemple,'dterminant de VanDerMonde
1 on
1 al
';" Exem~/e: CI = ~~J~?.' 1 02
>~",,:
Iclona:
det(A) = det(anel, ...alen) = TI aldet(en, ...el) = n Oj.E(O') an. on2 onn-l
1 1
o 0' est la permutation dftnle par : Posons an = X. En dveloppant le dterminant selon la premire ligne, Il apparat que
2 c'est une fonction polynmlale en X de degr n-1 (puisque les cofacteurs des termes
. '>.' 'O'~( ~ n-1 ~ ) de la premire ligne ne font pas Intervenir cette
..
ligne, donc ne contiennent pas de X).
n(n-l) l,.,
dont la signature est: (-l)~,:>, ':}i ,:'
1 ..

",
146 METHOOIXALGEBRE 7. Mthodes de calcul de dterminants 147 .

Or Il est manifeste que si al = X (kn) olors le dterminant a deux lignes identiques donc
(mthode 4) est nul, Ceci nous donne n-I racines pour le polynme, qui s'crit par
METHODE10 : Utiliser la drivation
consquent:
V(al,."X)="-,rI (X-al) Principe:
I<n o Un polynme tant une fonction Indfiniment drivable par rapport chacun de ses
Le coefficient dominant est le terme apparaissant dons le dveloppement devant coefficients. un dterminant possde lui aussi cette proprit.
-! -
Xn-1, c'est donc le cofacteur de ann-I, En revenant l'expression Initiale de Von
En particulier, lorsque les coefficients sont tous fonction d'une mme variable relle x,
constate que ce cofacteur n'est outre que V(al. ,..an_l)'
donc s'crivent aij(x), la multilinarit permet d'aboutir la formule de drivation
suivante:
On tombe donc finalement sur:
V(al""an)= V(al' ...an-l),rI (on -ail'
len
il
Cette rcurrence quasi-gomtrique se rsoud facilement en :
Il
n n o La drivation peut aussi se rvler utile pour des cas limite , par exemple quand
V(al""an) = rI ,n
i=1 ]=1
(a] -al)
deux coefficients deviennent gaux. '

a b b
ce qui montre notamment le rsultat important suivant: b '.
Exemple: calculer d = :
b
b b a
C'est le mme dterminant que le prcdent pour b=c. Sion considre l'expression
REMARQUE: obtenue:
On peut galement trouver la relation de rcurrence en combinant les lignes et les' d(b,c)= c(a-b)"'-b(a-cf
colonnes. C'est un peu plus technIque mals on y arn've trs bIen. c-b '
,1. on tombe sur un rapport % pour b=c. Donc II faut utiliser un passage la limite, et vu
a b b qu'on dlvlse par l'accroissement. c'est en fait une drive:

Exemple 2: calculer d = ~ b poorbec. d(b,C)= f(b,c) = f(b,c)-f(b,b)

c-b c-b
c c a (cor f(b,b) =0) donc:
Pour ce type d'exercice, on peut ruser (et ouI) en rajoutant des X partout et en
consldr(Jn! qiJe d est la valeur en 0 de la .roncnon polynmlale en X : af.
d =d(b, b) = :;-{b, b)
.ec
a+X
c+X,
b+X
"
b+X
.. Touta'pour'dlre que:

d(X) = : b+X
c+X c+X .+. X
Pourquoi foire compliqu quand on peut faire simple? En effet, pourquoi Introduire un METHODE11 : Utiliser des proprits des coefficients
polynme de degr n en X ? Prcisment parce qu'II n'est pas de degr n. mols de
degr 1 : si on fait C] (- CJ -Cl pour j> 1 on s'aperoit qu'II n'y a plus de X que dans la
Principe:
premire colonne donc en dveloppant par rapport celle-cI on constate bien que: Au lieu de regarder globalement le dterminant, on s'Intresse aux coefficients pris
, 3(a,~) t,q:d(X)=oX+~ individuellement et on cherche en exploiter les proprits pour mener ultrieurement
Pour calculer ces coefficients 11suffit d'avoir deux valeurs. Or Il est vident qu'en posant le calcul par une mthode adquate.
X=-b ou X=-c on se retrouve avec des matrices triangulaires Infrieures et suprieures
dont le dterminant est trivial calculer. On a donc le systme: Prenons quelques exemples pour nous expliquer:
8 cogHiclenl$laiscnlln!9fV1mir des C~ :
d(-b) = -ab+ ~ =(a-bt , penser au triangle de Pascal ou la formule du binme qui pewent vous permettre

d(-c)=-ac+~=(a-ct
. \ de trouver des liaisons entre les colonnes du dterminant,
coeHicienls la/san! In!etY9nfr des sinus 9!cosInus:
penser aux formules de trigonomtrie (cf. Mtnodlx ch. 25). ~

),Jj\
qui donne facilement la valeur de ~ = d(O) = d qui est la seule qui nous Intresse : c09f11clenlsfalsanflnletYenlrdespo!ynm9s: ,,' .,c,,, \'," .
crire le polynme sous forme dveloppe pour foire apparatre des relations
d c(a-b)"'-b(a-c)'" ~~. ,~

c-b
. : ~C.
148 METHODIX ALGEBRE 7. Mthodes de calcul de d~t~rmlnants 149

MET;HOOE12 : Exprimer la motrice comme produit de motrices

. ~
~ Exemple 1"calculerd = ~ Cette mthode est trs mal connue des candidats otors que paradoxalement on la
volt fleurir dans un nombre grandissant d'exercices d'oraux, Raison de plus pour bien la
connatre ...

En vue d'appliquer Pascal cl:l- ct cl

l = on effectue pour 1>1 : Li f- LI- LI_I qui par la Principe :
C'est en fait un avatar de la mthode prcdente (mais on l'a mise porrv son
'
mme occasion folt apparatre une colonne sympathique:
Importance) : Il s'agit de constater" que le terme gnral est celui d'un produit. c'est

C~ cPn 1 1
dire qu'II existe des matrices B = [blJ et C = [CI) telles que: ' -
CO Cp-I n
d= ~ n n ai) = L aikbkj , - -..,.
k~1 . '.-,
0 cg+P_1 Cp-l
n+p-l
le problme est videmment que l'criture sous cette forme ne saute pas forcment
aux yeux, comme en atteste l'exemple suivant,

On dveloppe naturellement par rapport la premire colonne: Exemple,'calculer d = det[pgcd(l J)1

Bon. Celui-l on peut pas l'Inventer faut le connatre sinon c'est pos lo peine.
cg C~-l Euler. vous connaissez? Bon. Ben Il a tait un Indicateur, Et en plus on a tout plein de
d~ formules avec. Entre autres:
cg+P_1 C~;~_1 L <p(k)=m
klm
et on tombe. oh Joie. sur le mme dterminant l'ordre Infrieur ... Par une rcurrence Vous voyez toujours pas? L'astuce (encore une ?) est d'crire que:
descendante on se ramne p~ 1 o Il n'est pas trop difficile de constater que d= 1. -,'
Donc d= 1 pour tout p.
pgcd(lJ)= L <p(k)= L cp(k)
kjpgcd(I,J) kil et kil
Exemple 2,' calculer det[
sln(1+ J) 1 Posons:
blJ = cpO)si Ai et CI)= 1slllJ (et 0 sinon)
Vu qu'on connat une formule d'addition on aurait tort de ne pas l'essayer; elle 'nous
donne Ici: Alors A=B,C (vrifiez-le. au moins vous aurez fait quelque chose dans cet exercice), Or
les matrices B et C sont triangulaires donc lew dterminant se colcule sans problme .et

C J = cosO)
sln(l) 1
+ slnO),
[COS(l) 1= ' cos(J).U + sin(J).V
on a finalement:
det(A)= Il <p(I)
.c' 1
[ Cet]lxerclce est introuvable, Alors apprenez-le por cur 1
sln(n) cos(n)
Chaque vecteur colonne du dtermlQ"ant est donc CL de seulement deux vecteurs U
et V qui sont libres (calculer les dterminants de leurs coordonnes) donc la matrice
est de rang 2. donc non inve[$lble et de dterminant nul. METHODE 13 : Utiliser la rduction matricielle
.,: .~~
Principe:
13 23 33 43 53 Ce n'est pas parce qu'on vous demande de calculer un dterminant que vous ne
23 33 43 53 63 devez pas traduire l'nonc en diagonaliser la matrice . En effet. la dlagonallsation
(limite Ici au calcul des valeurs propres. et de leur multiplicit. sans faire le calcul des
Exemple 3 " colculerd = 33 43 53 63 73 vecteurs propres) peut se rvler plus simple que n'Importe quelle mthode de calcul
43 53 63 73 83 du dterminant,
S3 63 73 83 93
Bon ben l y a des polynmes car on peut remarquer (???) que le terme. gnral s'crit
.;lmPle,'c~/culerd=[~ :~. ::: ~ , ' :;
c : '. -. b
, ... b a
les polynmes PJ tant de degr gal 3. Ilssont dans R 3[X]. espace de dimension 4. SI J est la matrice avec des 1 partout. on a: A = bJ+ (a- b)1
Or Il y a cinq colonnes (tiens. a me rappelle le titre d'une mission TV...) donc elles
sont srement lies:. . - , ,
=
Or J2 nJ (cf, chapitre 5) donc J est diagonalisable. ses valeurs propres tant 0 et,ry .~'
Comme elle est de rang 1. 0 est valeur propre d'ordre n-l (dlmensJon d noylu).,pc;>nc: 'i"
._ n
3a) tels que: "1'1Luf)(I) = 0 A est diagonalisable et ses valeurs propres sont (a-b) d'ordre 0-1 et (a-b)+nb dOl'dre
)=1 1, Le dterminant est leur produit. .'
Et donc le dterminant est", nul, Vite fait. bien fait, Vous pouvez comparer. sur ce calcul. l'efficacit des mthode 3.10 et 13. ",;
 150 METHODIX AlGEBRE 7. Mthodes de calcul de dtermll)1nts ]51

3. Mthodes pour les exercices thoriques METHODE15 : Utiliser les proprits analytiques du dterminant

On a dj rappel plus haut (mthodes 8 et 9) que le dterminant tait une fonction

METHODE14: Faire des calculs par blocs polynmlale de ses coefficients, donc en tant que tel fonction de classe C~ par
rapport chacun d'entre eux.
Comme le principe de cette mthode s'applique toujours des exercices de mme Mals on a vu (cf. Mthodlx 1. chapitre 16, exercice 3 notamment) que le
type, autant vous montrer un exemple et expliquer le principe en mme temps, dterminant tait une fonction continue, et mme diffrentiable par rapport M, ce
qui est beaucoup plus fort et permet de faire des ralsonnments de topologie
matricielle. comme nous en avons fait mthode 14 et comme nous en referons si vous
Exemple " M=(~ ~) et CD=DC, Montrer que si D est inversible, olors tessagesau chapitre 11.
det(M) = det(AD - BC), CO!o Dn'estpas inversible. Rappelonsquand-mme Ici cette formule Importante:

Principe: d[det](M). H= Tr(CH)

o On ne cherche surtoutpos taire un quelconque dveloppement de M selon ses o C dsigne la matrice transposede la matrice descofacteurs de M
lignesou sescolonnes ou autres.
o On cherche postmullipller M par une autre matrice pot blocs de la mme taille afin
d'obtenir une malrice triangulaire par blocs avec surla diagonale un bloc Identit et
un autre bloc, dont le dterminant salt le second membre de l'galit prouver (Ici
AD-BC).
Il tout videmment que le dterminant de cette matrice N salt assezsimple calculer,
sinonon perd sontemps.
Cherchonsdonc N sousla forme: l
-,.

- Sion veut que le bloc (1.1) du produit soltAD-BC. on n'a pas trop le choix: on est
conduit prendre P=Det R=-C.
- Automatiquement, on obtient le bloc (2,1) du produit: CD-OCqui est nuicar D et C
commutent. Donc le produit seratriangulairesuprieurpar blocs. .
_ - --- ..- ---On veut 1en (2~2}"donc;-pCJlsque~D-est"lnli'erslbltr.ercomme.6n
veUf'on-slomesure---
du possibleque N salttriangulaire,Ilfaut prendre: Q=OetOS=0-1
Rcapitulons: pour tout 0 inversiblecommutant avec C, on a :

A B).( 0 0 )=(AD.,-BC BO-1)

( C D -C 0-1 0 1

Il ne reste plus qu' prendre le dterminant de chacun des membres et d'utiliser la

formule du dterminant par blocs pour conclure.
SI0 n'estpas Inversible,on utilisela densitdes matricesInversiblesdans l'ensembledes
matrices (cf. chapitre 11): Il existeune suite Okde matricesInversiblesqut'corwsrent .,
)
versD ; pour ces matr1cesOk.on a :

. . de{~ ~J=det(ADk-BC)
Comme le dterminant est une fonction conitnue par rapport sonargument matriciel
(ct. mthode suivante)on en .~uft par passage la limiteque :
., .;...:i~~(~ ~)=det(AD-BC) . .
", .::~.:~~.;:~'1;~:'1}.
'1 ,~;

.!/[',"- '.'
't ..i~~~~(;:~':
I~
152 METHOOIX ALGEBRE 7. Mthodes de calcul de Q$termlnants 153

Erreurs ~ercices
Parmi les formules faussesdont on aimerait tellement qu'elles soient vraies qu'on les Dons les exercices 1 9. on demande de calculer le dterminant propos en essayant
crit en toute bonne fol: . de ne pas foire ~ trop de calculs (tout est r//otif). .
"
det(A+ B)= det(A)+ det(B)
det(2A) = 2det(A) 'j
\
OJ a) det[lnf(l J)]
b) det[sup(LJ)]
et qu'on Justifie en arguant du fait que le dterminant" c'est linaire . Ceci est
videmment faux. le dterminant est multilinaire (lInairepar rapport chacune des
colonnes) mals pas linaire par rapport la matrice. Enfait. ce qui estvrai est:
det(A) = ~ndet(A)
ce qui n'est pas tout fait la mme chose. (taille n+1)

Rappelons toutes fins utiles que cela n'a pas grand sensde parler - et. encore
moinsde prtendre calculer - un dterminant de matrtce non carre.
[TI
De trs nombreuses fautes sont dues l'utilisation Incorrecte de la formule de
det[(_ltOX(lJl]
dveloppement par rapport une ligne. o on oublie qu'IIy a un signedevant chaque
cofacteur. svolr {-1)'+J.

[TI

1
2 n-1 n
n n-2 n-1
n-1 n n-2
., .
Lu dans les rapports de l'X : ~
2 3 n
" Notons l'utilisationtoujoursabusive des dterminants

NDLR: Notamment propos de l'tude de l'Inversibilit ... [JJ

La rsolution d'un systme linaire est trop souvent conduite grands renforts de al at-2 at-l
calculs de dterminants, ce qui aboutit dessituationsInextricables.._....
--- - ----- - --- .----- ---- ------ ._-"'_."._..._---_ .._ ..._ ....... ....~.,-_._.'.....
"~
_. ._.__ ..__ L _ .._ ....__...
_..,...._.._"_~2_.." ... __g2n=-2_.a2n:::~ ..__ "
1
NDLR : Prfrez donc le pivot de Gauss. en prenant soin d'examiner l'existence
ventuelle de symtries simplificatrices dons la matrfce du systme. l an ann-2 a n-l
n
." Un candidat ochercn la meilleure manire de dvelopper un dterminant 3x3.Il
aurait d le dvelopper ...btement 1
[TI
NDLR : On ne comprend pos trs bien ce que l'examinateur cherche critiquer Ici (faut a b

.a{
le comprendre, on le paye que s'II crit ses rapports ...mals non, c'tait une blague. b
Bien le bonjour. messieurs les examinateurs ...) Sons doute veut-II dire qu'il ne vaut mieux
pas perdre trop de temps chercher une ruse pour dvelopper un dterminant de (n pair) b) a+b (n Impair)
petite taille alors que la mthode pdestre prend certe~ un peu de temps, mols elle ou
moins on est sr.qu'elle about/ra. a
b a
Nousavons dcouvert cette anne d'tranges noncs concernant lesproduits de
dterminants par blocs

On rappelle que:
m Dterminant de Cauchy:

det( ~~ ~~ ) ;t det(M1M4)- det(M2M3)

der[ct ~bJ
NOLR; C'est dommage: elle tait pourtant Jolie celle-ci ...

1t____ -- -- ---_-- -------------------

154 METHODIX ALGEBRE
r
1
1
7. Mthodes de calcul de dteyrnlnants

Corrigs
155

W Dterminant circulant:
al a2 0,,-1 on
an al an-2 an_l 'Plus que ramais, les corrigs doivent tre pris titre Indicatif. Il n'y a malheureusement
an-I an an-2 pas unicit de la mthode aa hoc, mais il y a toujours existence - cf. la mthode
ql:l'on vous propose. C'es! pourquoi on ne dtaille pas les calculs. Du moment que vous.
avez trouv la mme chose que nous en moins d'une demi page, a va,
a2 03 On

[[] m. 0) mthode 12 avec mij = lIS); on vrifie facilement que A = M2 car :

"

1
'VI~ J L mk!ml<j= L 1.1= 1 = Inf(l j)

r1' l+x
k k~1

'Vi<J ~ mk!mkj = ~ 1.1=J=lnf(lJ)

k
1
k=l
puisque:
lliJ
Soit A. B. C et D des matrices vrifiant: CtD+DtC=O ,.
mki = ml<j= 1 ~ k s 1 et k ~ J (:) k :5lnf(l j)

M tant triangulaire diagonale remplie de 1. le dterminant de M et donc de A vaut

0) Montrer que si D inversible: .! 1.
1
de{~

b) Montrer que pour tout D :

~)=det(AtD+BtC)
J b) videmment on 'rie peut pas se ramener au cas prcdent et on peut
encore moins appliquer la mme mthode car mlj = 11;;:jdonnerait: .

det(~ mki = mkj = 1 ~ k ~ 1 et k ~ J > k ~ sup(ll)

ce qui ferait un produit de terme gnral n - sup I).

Alors que 10 mthode 2 donne. en faisant CI +-- CI - CI...I pour kn on trouve:
-J .,..]_n
0",
-1 1
o 0 n
qu'on dveloppe par rapport la dernire colonne pour trouver:
d=n.(-lj"-1

OJ
C'est encore la mthode T2 mais l c'est plus facile voir car en dveloppant le terme
gnral par le binme: ,1
aij =~n .( k k)
ke
CnO] .bt = k=O
-k n
~ mlknkj
avec des notottons videntes. Donc A=MN.
Or M se ramne un VanDerMonde.en sortant dans chaque colonne le facteur
commun : C~ donc
det(M)= fi C~.V(al .... an)'
)
Quant N. c'est aussi un VanDerMonde donc:
det(A)= n C~,V(OI .... an),V(bl .... bn)
)' .

._---- ----- ------- --------

------
 METHOOIX AlGEBRE 7. Mthodes de calcul de-ctermlnonts 157

l
156

l,
1
R~capitulons:
n-I
L~hlde 2 : en ajoutant l'avant dernire ligne la dernire. on. obtient 'comme
j n
d{al. ..an-l- X) = V(al. ..an_,). (X-aj).(X-a)
nouvelle dernire ligne: 1=1
et on ne connait pas la dernire racine (et on n'a pas d'espoir de la connatre
(0 0 ... 0 2.(-lt) 1 directement).
Donc on dveloppe par rapport la dernire ligne et on soute surla mthode 6 :
Mzaloron se dit qu'on a un autre renseignement: certes le polynme est de degr n:',: ,
dn = 2,Htdn-l \
Jo 1. mais il n'y a pas de terme en Xn-l vu la tte du dterminant (on soute cetf~;~,','
qui est une rcurrence quasi-gomtrique. donc soluble en : puissance). . ':
n(n+l) 1
i
dn =2n-l.(_I)-2-
Or d'aprs (*) le coefficient de Xn-I vaut: V(al' ...an_;).(al+...+an_l +a)
puisque dl = -1. Sanullitnouspermet de calculer la dernire racine:
a=-(al+ ..+an_l)
ru .
On remorque que c'est un cos particulier de dterminant circulant (exercice 8) mols
(on a supposles relsdistincts.sansquoi le dterminant est nul et on n'aurait pas eu'
besoinde se cassertrop la tte).
on peut s'en sortir plus simplement (l'outre faon de foire marche videmment trs
bien). Rsultatdes oprations:
r d = V(al.... an_l.an).(al+...+an_1+an)
La somme destermesd'une ligne ne dpend pas de la ligne. donc mthode 3 :
, 1 2 3 n

d= n(n+ 1) n
n-l m a) Mthode 6 sanshsiter: on dveloppe d'abord par rapport la premire
2 colonne. et on redveloppe lesdeux dterminants cofacteurs obtenus respectivement
par rapport leur dernire et premire colonne (celles o Il n'y a qu'un terme non nul).
3 1 Normalement.Il vient:
Comme d'hab. on se dbarasse de la premire colonne par exemple en faisant :
LI~ LI- Li+lpour kn, et on dveloppe par par rapport cette colonne:
1 1
l-n b) L c'est encore plussimple: Il suffitde dvelopper par rapport 10 colonne
d=n(n+l) 1 centrale (1 seulterme non nul) et on retombe sur:
2 d2n+1 =(a+b).d2n
i~
l-n SUf!cecoup l. on seserapas trop foul...
~;~
et c'est pasencore finI.On peut par exemple faire LI~ Li- LI pour 1>1. qui donne: ''S
1-
-n
- l'
0 _t
1
J
d=n(n+l) 0 ..
1 Celui-l. on salt pas trop pourquoi. mols on l'aime pas trop (d'ailleurs tout compte fait
on n'aime pas trop les dterminants en gnral. mals a vous l'avez sans doute;'
.,.. 2 : remarqu). ,
Il est clair que si les al ne sont pas distincts. en vertu de 10 mthode 4. on volt
o a l-n 0 Immdiatement que le dterminant est nul.
et l c'est fini si on dveloppe par rapport la dernire colonne : le cofacteur est
diagonal et finalement: . Il est par ailleurs peu prs clair qu'JIfaut le calculer par rcurrence. Il y a plusieurs
(_lt+lnn-l(n+ 1) faons de faire. voici une solution:
d= 2 \11< n CI ~ CI- Cn puisfactoriserchaque ligne 1 par _1_
al+bn
r: '. 1
\II < n LI~ Li- Ln puisfactortserchaque colonne J par --
10 ~e1semblebeaucoup du VanDerMonde.malsc'en n'estpas, Pasde chance.
,
1
. ~+~
On obtient normalement (on dirait une recette de cuisine 1) une demlre colonne nulle
On peut essayerde reproduire la mthode utiliseen l'adoptant. sauf le dernier terme en bas droite qui vaut 1. On dveloppe naturellement par
\ rapport cette colonne.
Posant X= an on constate que d est un polynme en X de degr n au plus. Le
coefficient de Xn est le cofacteur de ce terme, qui n'estoutre que V(al.... on_,)' Enfin.
le polynme s'annulemanifestement aux points 01' ... On-l. ce qui ne nous donne que
-( Le cofacteur est thoriquement fcctortsoble par n
1<1\j<n
(bl- bn)(aj -an)

dterminant apparaissantaprscette factorisation est de Cauchy d'ordre n - 1.

et le

n-l racines (alorsqu'IInousen faut n pour dterminerle polynme).

158 METHODIX ALGEBRE -r f..
7. Mthodesde calcul de dterminor)ts
------------------~----------------------~
159------ ..

la relatlon de rcurrence est donc:

Naturellement. la premire colonne doit comporter les blocs 'o et tc; la relation '1
Imposepar l'nonc donne bien le bloc de zros.Reste obtenir le bloc identlt pour !
trouver ce qu'on cherche. i

Rcapitulons:on a :
dont la solutlonest:
(~ ~){;~ D~I)=( AtD;B1C B~-l)
et on prend le dterminant et a marche, comme d'habitude...
01 c'est VanderMonde).
b) L c'est un peu .pius tordu mals c'est toujours dans le mme genre ... Les
la ~lhode la plus simpleet la plusnaturelle notre.Cl\!S est la rduction (malson peut
par exemple mutllplier cette n:atrice par I<?matrice.de VanDerMonde. et constater
.. carrs vont videmment apparatre avec lestransposes,malsla rgle est de ne pas
utiliser d'inverse Ici car 0 n'est plus Inversible. Il faut encore obtenir une matrice
que la motrice obtenue a un determlnant tressimplea calculer).. triangulaire par blocs. donc compte tenu de la relation CID+DtC=O a fixe la
Allons-ydonc pour la mthode 13. A s'critclassiquement: premire colonne, (la mme que plus haut). On trouve la deuxlme en cherchant
A =all+a2J +o3P+...+ClnJn-1=P(J) obtenir le teime t(AtD +BtC) en bas droite. BrefUfaut voir que:
o J est la fameuse matrice de permutatlon :
o l ], 0 l
o A B).(ID
( C D tc
IB)=(AtD+BtC )
tA 0 CtB+D1A
J= J2 = Reste calculer le dterminant de la deuxime matrice du premiermembre.
l
o o det( ID t B) = d9t(D C) = A)
Ht det(BD C perm.col.
= det(A DB)
(cf. Chapitre 5). tc lA transpose B A permllgnes C

J est donc C-dlagonallsable puisque Jn =1 (polynme annulateur scind dont les

racines sont lesn racines n-Imesde l'Unitnotes k= exp(21~ }- '_ Bon.ben on pense avoir tout dit l. non?

Les puissances de J sont aussidiagonalisables. et dans la mme base que J. leurs

valeurspropres tant km. . l
Donc A est C-dlagonalisable. et sesvaleurs propres sontles P(k)'L dterminant est 1
donc:

m . ". .
Par exemple mthode 10 : sion drive on se retrouve avec ndterminants de taille
.
n-1. quI ont chacun une colonne avec l seulterme non nul (situsurla diagonale) ; le
r
1

dveloppement par roppot cette colonne montre que:

dn'(x) =n.dn_I(x) .

Compte'tenu de la nullit en Odu dterminant et de sa valeur pour n=l. on en dduit

facilement que:

~ '. .
a) D'aprs ce qu'on a expliqu la mthode 14,le but est de multiplier la
matrice Initiale par une autre matrice pout faire apparatre le bloc dont on a besoin.et - 1
un bloc de zrospour avoir une matrice triangulairepar blocs. ."
1
1
,,
! '
 ~r~"";;;;;'iffl'W~d[I:il'' 'Iil'lf'lfj'' 'ilil'rIi!!'/l5'...!ti!ii!:g.=~
Ii .'...i!!!_!!!._!!'J!!_!!!!_-~._!lI!!-.-:!.~-.......!J<!I,,'I!!_!'!!!""""""'==-~--------

J
li -
~. ~,;~ Chapitre 8
.t t

METHODES DE DIAGONAUSATION PRATIQUE

Il peut paratre un petit peu artificiel de sparer dlagonallsatlon pratique li et

,, dlagonallsation thorique , dans la mesure o certaines mthodes sont communes
aux deux et que certains exercices peuvent parfaitement tre Intgrs l'un ou l'outr ,.
chapitre. Nanmoins, dons un souci de clart et devant l'abondance .des exercices et
des mthodes, nous avons prfr sparer ces deux aspects. comme nous le foisons
en analyse (cf Mthodix analyse) pour les suites. les sries ou les Intgrales.
" "

Nous commencerons par foire un certain nombre de remarques et aussi de mises en

garde communes ces deux Chapitres en guise d'Introduction.

Tout d'abord, Il faut Ici plus que jamais tre vigilant au corps de base sur lequel
s'appuie l'ev. En effet ce n'est pas exactement la mme chose que de diagonaliser
.j une matrice relle dans R ou dans C.
,
1 le polynme minimal pose problme, dans la mesure o, bien que ne figurant pas
-, au programme des classs prparatoires, Il est utlils par tous les professeurs -'" mme
7 les plus respectables - eta forlion'par tous les lves qui volent en lui le remde tous
leurs maux, sorte de Synthol de la dlagonallsation. Il n'en est videmment rien, et la

l
r
tolrance des examinateurs face cet objet est variable. Notre devise sera donc:
courage, fuyons. autrement dit nous n'emploierons Jamais le polynme minimal; cela
n'est pos grave. car on peut toujours foire autrement .

Il fout savoir lire l'exercice qu'on vous demence de rsoudre; en effet. mme s'Ils
tournent tous autour de la rduction d'une matrice. Il peut y avoir des nuances dans la
formulation. Nous avons classifi les exercices en 5 catgories, selon la question pose,
... et nous nous proposons d'exposer les mthodes correspondant chaque question .
i
,> 1) Dterminer les valeurs propres de A.
2) Dterminer les lments propres de A.
3) ',~ontrer que (ou: dire sI) A est diagonalisable. " .
':..:,
4) Montrer que A est diagonalisable et donner ses lments propres.
5) Trigonollser A. .

1. Comment dterminer les valeurs propres de A?

On cherche Ici dterminer toutes les voleurs propres dons C d'une matrice relle ou
complexe (videmment les valeurs propres complexes d'une matrice relle ne
comptent pas si on cherche diagonaliser dans R. mals Il est aussi slrnple de
chercher toutes les valeurs propres).

On recherche donc les n valeurs propres complexes d'une matrice, relle ou complexe
(c'est--dire les n racines relles ou complexes du polynme caractrlsltique).

--- --------- ------------ ------ -- --- -------- ----------------------- ..J.

., ._-_ ._-------~-- - .'. --+- . + -

162
METHOOIX
AlGEBRE
,
\
_.Mthodes de dlagonallsation pratique 163

METHODE1 : Calculer le polvnme caractristique METHODE2 : Dterminer un polynme annulateur de A

Principe:
Principe:
O~ sait9tUetieSva17urspropres sont les racinesdu polynme caractristique de A ll-

j
m eme e an donne par: ' On sait que si P(A) = 0 alors ncassoirementpour toute valeur propre de A on a
XA(X)=det(A-X.I) P(.) =0. ,
On en dduit donc que le spectre de A est Inclus dans l'ensemble des racines de tout
Intrts et inconvnients: polynme annulateur. .
Cette mth~d~ est sOl}ventconsidrecomme la seuledisponible,mals il n'en est rien Il est Important de noter que cette inclusion peut parfaitement bien tre stricte :
(VOlrcprs) ',SIelle presente l'avantage d'tre systmatique,elle possde nanmoins
deux Inconvenients rnoleurs : . l'endomorphisme nul est annul par le polynme X(X - II et pourtant 1n'est pas valeur
propre de cet endomorphisme (seule voleur propre 0)-,
- le ~alcui du polvnrna caractristique estun calcul dedterminant . or comme
no~s a,,:onslonguement expllgu au chapitre prcdent - chapitre q~e ~ous vous Cependant. si on arrive dmontrer que le polynme annulateur est de degr
Im~ltonsa (re)lIre cette occasion - calculer un dterminant est un exercice difficile minimal parmi les polynmes annulateurs, alors on peut conclure que les racines d'un
meme quand on connot bienlesmthodes. ' polynme annulateur de degr minimal sont exactement les valeurs propres de A.
(attention, ce polynme ne donne pas d'indication sur la multiplicit des valeurs
trc le caifui des racines n'estpas une sincure: on n'a pas de mthode gnrale pour propres).
rouyer es racines d'un polynme de degr quelconque,. et on ne trouve
forcement du premier coup d'ceillesracinesvidentesd'un tel polynme. pas " REMARQUES:

BrUefd'
d e~ltfautlemPtlOyer
cette mthode avec parcimonie et ne pas s'achamer sile calcul o Il n'estpas difficile de dIre si ouI ou non les racInessont effectivementvaleurspropres
erm nan semble Infaisable. .'il suffit de dterminer les espacespropres assocIs(voir 2 ci-aprs) et de voirs'ilssont

l
nuls ou non.
~{~vn~h~i pour des matricef_de petite t~lIle (genre 3) Il faut penser cette
. cara~~sff; e a 9f.s ch~nc~s d etre rapide et efcoce (pour calculer le polynme o Le caractre minimal d'un polynme n'est oas forcment simple dtermIner; sI
toute autreu~ft~~~~~ e developpement par rapport une ligne ou une colonne toutefois on dispose d'un polynme annulateur de degr p et qu'on salt que
(LA,A 2, ...AP-')
est une famille lIbre de Mn alors on est assur que c'est bien un
polynme de degr mInimal. .
Cas d'emploi:
o Vousavez remarqu qu'on n'ajamais employ l'expressionpolynme minimal?
~:~~~~~~~~~~~~~r~!~~t~~~n~~~~~~~o~~~~~;, ~~n~~~~~~e d;;;~~~~u~6r'
Cas frquent d'emploi :
~~~I.peut arriver,quala matrlce A-X.I solt'de la ~me forme que la matrice A et SIl'on trouve un polvnrne annulateur de degr:2 pour A (ce qui se fait en calculant
A 2 et en cherchant l'exprimer en fonction de A), et que manifestement A n'est pas.
~a__~1I~3t:~c~f~~r:;~~~~~~; ~~~~~i~~~q~;t ~~~~~~~~t ~a~~r~;;~s~~~r).d~a~:S~= scalaire (ce qui se voit ... facilement) alorson est certain d'avoir un polvnrne de degr
\...u 1 e oppropne ae calculer le polynme caractristfque. rnlnlrnol.

. "":: de tellessituations.'A = r: ".:J .

Exemple : valeurs.. ropres de J = [' ... 'J
~ . '. ;

le dterminant est classique et 1 otrl A X

lieu d'avoir des X don ,a m ce_ - .1 aura des a - X surla diagonale au
c seraencore de la meme forme. Comme J2 = ru (cf. chapitre 7) et que J n'est pas scalaire, lesvaleurspropres de J sont
(exactement) 0 et n.

.E~~~'dSA{
Matrice dterminant Classique (Cf choolt ,-
<:J
.
(n_ METHODE3 : Utiliser la trace et le rang

Principe:
polynme caractrlstlque est de la m~ ~PI re. precedent exercice 60)) dont le Supposonsqu'on olt remarqu que le rang de} soit" petit Il, typiquement' ou 2 (sans
formule trouve:. . e orme, en remplaant a par a - X dans la quoi la mthode n'est pas trs efficace). /.
Il est ators quivalent de dire que 0 est valeur propre d'ordre n-l ou n-2
'XA(X) :=,[(a_X)2,-b2f (respectivement). Or A possde n voleurs propres complexes. Il en reste donc' (ou 2)
trouver.
dont lesseulesracinessont: a - b et a + b . - SIrg(A) es ] alors l'outre valeur propre . est donne par .='tr(A)'
ri 104 METHODIX
ALGEBRE 8. Mthodes de dlagonallsationpratique 165

,
. 1H
,.
l'
'.!,
- SIrg(A) = 2 alors on peut dterminer les deux valeurs propres restontes par
exemple en calculant tr(A) et tr(A2) :
. [0 1 ... 1]
A=I+ ; ; =1+8
.+I1=tr(A)
'" { .2+112 = tr(A2)
et 8 est manifestement de rang 2. Donc 0 est voleur propre d'ordre n - 2 pour 8 : soit
ce qui permet facilement de se ramener une quation du second degr dont les (.- 1; 11- 1) les valeurspropres ~on nullesde B. les voleurspropres non nullesde A so~t ,
racines sontles2 valurspropres. . donc (.,I1)(cf. mthode 8 explication).
,),
Donc il vient:
Cas d'emploi: .+il = tr(A)-(n-2) =n-(n-2}=2
Cette mthode est particulirement Indique pour les matrices trs creuses, ou dont
les colonnes sont trs ressemblantes,qui ont donc de fortes chances d'tre de petlt ..il=det(A)=2-n
rang. Retenezbien la phrasesuivante:
le dterminant tant calcul en faisant par exemple CI E- CI - I, C" Etdonc c.'estfini.'':;:
le rang de A reprsentele nombre de valeurs propres non nulles de A. . j>1 "-
REMARQUE:
On Pourrait penser utiliserle dterminant (produit des voleurspropres) mois cela ne
donnera rien: puisque le rang de A estpetit (donc en) la motrice n'estpas inversibleet
son dterminant estnul ce quI nousdonne 0=0qui ne nous avance gure.
Enrevanche, hace+dlerminanl peut tre une bonne mthode si A s'crit SOI/S la
forme A = al + li o 8 estde rang petit.
2. Comment dterminer les lments propres de A ?

Exemple 1: valeurspropres de la motrice A = [aijJ = [1.Jl

Cette matrice tant de rang 1 (c'est clair, et sIcela ne l'est pas cf. chapitre 8 mthode On cherche donc Ici lesvoleurspropres et les.espacespropres associs.
8) 0 est valeur propre d'ordre n-1 et l'autre valeur propre est la trace, salt: Donc: .
i
12= n(n+1)(2n+1) - si A est complexe on prend toutes les voleurs propres et I.esespaces propres
associs; .
1=1 6
- 51 A est relle. on prend uniquement lesvaleurs propres relles et on cherche les

~l
espaces propres correspondants. .

Exemple2: valel,lrspropres de [0 Dterminer un espace propre. ce n'est pas s'arrter l'quation de ce s-ev : on attend
gnralement de vousque vousen donniezune base...

. 1 2 ... n "',.-}

Cette matrice est manifestement de rang 2. et soncarr se calcule facilement, et on

en dduit que la trace du carr vaut: .
l
1
A) Mthodes u.tilisant les systmes linc!res ...
n-i n n
tr(A2)=I, 12+I 12=2.I, 12_n2=25_n2 Par dfinition ..un scolaire .est une valeur propre de A si et seulement s'IIexiste un .L
1-1 1=1 1=1 vecteur X non nul tel que: r-
or AX=..X
tr(A)=n
Lesvaleurspropressontdonc lessolutionsde : . Ce qui peut se traduIresousforme de systmelinaireen :
n
'v'1I,alj,xj=.,xl C')
, )-1
qu'on vous laissecalculer.

..
. .
[1 i oh peut considrer ce systmede deux rons diffrentes:
soit on connat d~j les voleurs propres : alors les seules inconnues sont les
ExempleJ : va/eurspropres de A =
.
A s'critnaturellementsousla forme :
;
1
:] coordonnes XI et on procde classiquement (il y a autant de systmes rsoudre
que de valeurs proprestrouves);

soit on ne connat pas les valeurs propres: alors il faut chercher des conditions
ncessaires sur .pour que ce systme admette d'autres solutions que la solution
trlvlale.(qul n'estpas-unvecteur propre. par dfinition).Unefolsdt~m;insces rels.
(par une dlseusslcnsurle systme)on rsoudcomme donsle cas precedent. .

': ,l,

--------- -------- --------

-- --- --------- -----
._ .._-------

166

METHODE4 : Rsoudre un systme en (. x)

METHODIX ALGEBRE

r 1

l
8. Mthodes de diagonallsatlon

- ou bien 2 -an.1..-(a?+
prqtique

...an_12)= 0 qui admet

propre associ est de dimension 1 et s'crit sous la forme:
deux solutions; chaque espace
167

Principe:
On pose a priori le systme sans avoir d'ide prconue sur les voleurs propres
El. = Vect(al.a2 ..... an_l. 1..)
On a donc trouv les trois valeurs propres de A (cf, l'exemple 2 d~ la mthode 3 qui en
possibles. En examinant ce systme (rang. combinaisons des lignes ...) on tablit des est un cas particulier). '
conditions ncessaires assez prcises sur le rel. pour qu'II ne soit pas de Cramer.
c'est--dire admette des solutions non nulles. REMARQUE:
1
L'ide qui consisterait 'calculer le dterminant est une fausse bonne Ide , cor cela " Comme dons toute discussion.la principale dIfficult consiste ne pas oublier de cos.
revient calculer le polynme caractristique de A et que c'est prcisment ce que ce qui exige de /0 mthode.
toutes les mthodes autres que la mthode 1 tentent d'viter ...

Une fols dtermins ces rels. on rsoud les systmes correspondants pour dterminer
les espaces propres associs.
METHODE 5 : Rsoudre un systme en (. x) en ,-,tilisant une rcurrence
Si les conditions n.cessalres tablies n'talent pas assez prcises. Il est tout fait
possible que l'an tombe sur la solution nulle: pas d'affolement. cela veut seulement
Principe:
dire que le rel correspondent n'est pas valeur propre (et qu'on a perdu du temps
resoudre un systme pour rten mais bon c'est un dtail).
Il s'agit de considrer que les coordonnes (XI) d'un vecteur propre X. 1variant de 1
n, sont des termes d'une suite (xn) telle que:
Gnralement. Il ne faut pas rsoudre les systmes avec les mthodes classiques Xo = xn+j =0
(pivot. ...) mais plutt exploiter les symtries et la forme particulire (creuse ...) pour (on peut parfaitement dfinir ainsi les termes d'indice 0 et n+ 1 vu qu'ils ne sont pas
arriver plus vite ses fins. encore dfiniS) .

Cas d'emploi:
Evidemment. celo est toujours possible. Mals l'ihtrt est rel quand les quations (*) se
mettent sous forme d'une relation de rcurrence simple; notamment linaire.
Le cas le plus frquent est celui des matrices tridiagonales .

Le systme s'crit ici : Intrt :

On sait expliciter facilement les termes d'une suite rcurrente linaire d'ordre 1 ou 2 en

!
ajxn =.Xj fonction des racines de l'quation caractristique associe. Le calcul des lments
propres est donc facile mener.

j. (~
. an_jxn =.xn_j .

En multipliant les (n-l)

obtient:
aj.xj+ ... +an,xn =,xn
premires quations chacune par ai et en les additionnant on 1.~npIe ",,~n~P'OP'''oo A.[ 0;: ob
(aj2~ ...an_?)xn = 1...(aj.xj+:..+an_l.xn_j)
, En posant ds maintenant. Xo = xn+l = O. les quatlons.(*) se mettent sous la forme:
En injetant la demire quation du systme dans celle-cI:

Il faut donc discuter sur l'quation caractristique:

qu'on rcrit: ab.r2+(a+b-1..).r+l=0 (E)
Xn'(2-an'-(aj2+ ...an_12))=0 !
- ou (E) a une racine double r alors classiquement:
Et donc l (comme on n'a pas raisonn por quivalences
discute:

- ou bien xn = 0 :
Il faut faire trs attention) on
J '(
Xi = (ai + ~}.rl
ce qui. compte tenu des conditions Xo = Xn+l cO. Impose: = ~ = 0 et donc XI= 0 pour
tout l, ce qui ne convient pas (vecteur propreevecreur non nui).

En regardant le systme on s'aperoit qu'II faut encore distinguer deux cas:

l'
- ou bien = 0 et le systme est quivalent : - ou (El a deux racines distinctes (Cl'(2) (ventuellement complexes) ; alors on a:
. Oj.x\+ ... +an_l,xn_l =0 - r[,
quation d'un s-ev de dImension n - 2 (c'est normal: la matrice est de rang 2) : f
)
Xi = cui +p.r21 '
'1
'1,
=
- ou bien 1..~ 0 alors xn 0 entraine Xi = 0 pour tout 1. donc x=O.qui ne peut pos './'
tre vecteur propre donc ce cos est exclu. ~
 168 METHODIX ALGEBRE 8. Mthodes de dlagonqjj~ion pratique 169

Puisque Xo = 0 on a : Xi = a -.rl1- a.r21.Reste imposer: xn+l = 0 ,;, . [a

"
pas.
- ou bien r,n+l '1' r2n+1 alors a = 0 et XI = 0 pour to~t 1. ce qui ne convient toujours

- ou bien r,n+l =r2n+1 ; or aucune des racines n'est nulle (leur produit ab est non
. 1 - , ~ Exemple: lments'propresde A =
,
.
b
... :J (npair)

nul) donc cela quivaut dire que leur rapport est une racine n+ 1-lme de l'unit L Y pos besoin d'avoir fait Polytechnique, comme on dit chez nous. pour voir que les
donc il existe un entier m tel que : n/2 espaces Vect (el, en_il sont stables por A (n est polr. c'est crit).
ri
-=exp (2Im7t)
_-
r2 n+l La resmctlon de A un tel espace a pour matrice:
La rsolUtion de l'quation (E) donne alors facilement:
lm"
B=(~ ~) ~".:'
rI =p.en+1
lm"
Diagonaliser une ~crtrlce (2, 2) c'est pas sorcier et on trouve facilement comrns valeui~:':(
r2=pe-n+1 propres 0+ b et 0- b avec comme vecteurs propres associs (1,1)et (1.-1),

xk =-2.mpk .sm
. (km7t)
n+ En remontant A on en dduit que les valeurs propres sont 0+ b et a -b et les
..... espaces propres:
= 0+ b +rI +'2 = a +b+ 2P.cos(~:1)
EO+b=Vect{(~O l}: (0.1,...1.0); (0.... 1.1. ... 0); }
p tant une roelne de ob.
. E<;l-b=Vect{(l,O, O,-l); (O.l....-1.0); (0, ...1,-'1,.. ,0); }
L'entier m pouvant prendre toute valeur entre 1 et n (la valeur 0 est exclue sinon les
racines de (E) seraient gales) on obtient n valeurs propres distinctes et les espaces " Comparez avec les calculs faits la mthode l. en remarquant qu'ici on a aussi les
propres sont les droites associes. vecteurs propres. Cela devrait vous convaincre que le calcul d.ll polynme
caractristique est rarement trs efficace.
REMARQUE:

Cet exemple se gnralise aisment toute matrice tngonale dont les coefficients sur
la sur-dIagonale et la sous.cJlagonaleet surla dIagonale sont gaux (surchacune des
troIs.pas tousgaux II/),
B) Autres mthodes

tv!E'!'HODE6 : Rsoudre 1!n systme en x seulement 8 : Dcomposer

'Y1ET.HODE A en matrices" plus simples

Principe: .. Principe: .. .!

On commence par calculer les valeurs propres par l'une des mthodes exposes au Dcomposer A en une somme de deux OU' trois mfrlces plus simples Il qui ccmmuterv
1. Ensuite, on rsoud les systmes (*) pour les valeurs trouves, entre elles et qui soient facilement rduct1bles (un exemple de matrice simple ~tant."
l'Identit, q!-liprsente l'avantage de commuter avec beaucoup de choses), >,.
Ces d'eppllceffon :
C'est difficile dire de manire gnrale, Si la mthode 1 ou la mthode 2 s'appliquent Comme les endomorphismes commutent. s'Ilssont diagonalisables, on en dduira que ..,.
bien, Il peut tre judicieux de procder de cette faon, . A. l'est aussi (cf, chapitre suivant pour la dmonstration de ce rsultat).
La mthode n'a pas l'air trs claire prsente comme cela (ben oui; on sait. mais
pourtant on a fait de notre mieux) mals vous.allez voir sur les exemples ou les exercices
qu'll est facile d'y penser et que tout se passe trs naturellement,
METHODE 7 : Utiliser des espaces stables
Cas d'application:
Principe': Typiquement. les rnomces dont beaucoup de coefficients sont gaux (c'est--dIre que
Dterminer des s-ev stables par A (et pos les s-ev ..,) (sans faire des calculs de vingt l'ensemble des voleurs des coefficients est rduit 2 ou 3 rels).
pages. seulement au vu de la matrice A), Ensuite, chercher les valeurs propres et les
espaces propres sur ces rduct1ons. Notamment. les matrices dont les coefficients situs sur la diagonale sont tous gaux
CI. : Il est alors naturel (si, 51. puisqu'on vous le dit) d'crire par exemple: A = !Xl + B o B
Intrt : l, sera une matrice diagonale nulle (mals d'outres dcompositions seront possibles,
Foire moins de calculs, puisque les systmes rsoudre sont de dimension plus petite. comme le montre l'exemple ci-aprs).
D'o l'intrt de ne pas faire trop de calculs pour dterminer les espaces stables sinon
le gain est faible. voire nui ...
170 METHODIX ALGEBRE 8. Mthodes de dlagonallsatlon !?(al1que 171

b' . .
0 b ... b] Sion Introduit la matrice de permutation

Exemple: lmentspropres de A = : .:: .:: ~

[
b ..: b a
Celle-l. on l'aime bien et elle doit tre dans tous les chapitres du livre depuis le
J'[, ,]
chapitre 5 malspassons... Alorson volt facilement qu'en posant Q(X)= al +a2X+...anxn-1on a :
Adonques (c'est du vieux fronais) A ayant sescoefficients diagonaux gaux. on crit
judicieusement: . A=Q(J)
A=b.J+(a-b).1 Or J est diagonalisable cor elle vrifie Jn= 1 (polynme annulateur scind racines
o J est la matrice dont le terme gnral est 1 . simples.cf. mthode 13)et sesvaleurspropressontlesn racinesn-Imesde l'unit :
Pourtrouver les lments propres de J. le plussimple est de faire ron-troce, puisque J
.
<;k=exp (2ilot)
n
est de rang 1 (donc 0 est valeur propre d'ordre n -1) et que l'autre valeur propre Or le systme (*) associ J est particulirement simple (c'tait le but de la
(potentielle) est la trace. donc n (an fait on montrera qu'une motrice de rang 1 est manuvre ...) :
diagonalisable sslsa trace est non nulle;.ce qui est le cos mois ne nous sertpas grand
chose ici).
Donc:
SpJ= {O:n} qui permet de prendre comme espace propre:
L'quatlonde ces s-evvient facilement:
E).= vect(U ..:\.2
.... "n_l)
se rsument celle de l'hyperplan
- celle du noyau: lesquatlons CO)
Etlesvoleurspropres sont les Q(l;k)'
Xl+...+xn =0
dont on vouslaissedonner une base. C'estvidemment beaucoup plusagrable rsoudreque le systmecorrespondant
.A....
- celle de En: lesquations (*) donnent:
Xl =...= xn
qui est engendr par le vecteur (1.... 1). METHODE9 : Interpiter la matrice en termes d'endomorphisme
Comme 1et J commutent. et que J est diagonalisable. A l'est donc aussi.et dans la
mme base que J : on peut le voir Simplementen crivant que: Principe:
C'est la mthode classique de passagede la matrice un endomorphisme dans un
J=P-1DP et I=P-l.I.P doncA=b.J+(a-b).I=p-l.[bD+(a-b).I]P espace vectoriel judicieux.
ce qui montre que les valeurs propres de A sont (a-b) (ev propre: noyau de J) et Aprs. on crit la dfinition d'une valeur propre et d'un vecteur propre et on l'injecte
a+(n-l)b (ev propre: En). dans la 'dfinltlon de l'endomorphismetrouv (sonscrire un systme..sinon quel serait
l'Intrtd'tre repassaux endomorphismes?) et on cherche rsoudre,

Cas particulier important: endomorphismes de ~ [X)

..
La plupart des endomorphismes'dons les espaces de polynmes font intervenir 10
METHODE8bis: ExprimerA comme un polynme en B (B' slmple) drivation. Comme le rnontrero l'exemple suivant. qu'II faut considrer comme une
mthode ou une astuce (c'est selon)il faut absolumentpenser transformerl'quation
Principe: u(P)= "p en une quation de la forme:
SIA se mt naturellement sousla forme A = Q(B) o B est une matrice diagonalisable P'
dont on connat lesespaces propres.alors: . p='"
(si c'est possible videmment) et raisonner alors en termes de dcomposition de
B=Q-l.D.Q ~ A=Q-l.p(D).Q fraction raHonnelleen lmentssimp_les(cf. 'chapitres1 et 2 sincessaire).
ce qui montre que A est diagonalisable et possde les mmes espaces propres que B Non. srieux.pensez-y.prqliquement touslesexercicesul1l1sent cette ruse.c'est pnible

~~l
Cetque lesvoleurspropres<:leAsont les Q(~I)) . lafln 1

al a2 03
o
n-1 2
an
Exemple: lmentspropres de la malrk:e circulanle iii Exemple.'lmentspropres de A = 2
'a3 1 n-1
03 a2
02 03 an 01 '/ o
o Vu que la motrice est de taille n. si on se place dans un ev de polynmes. c'est
forcment Rn_l[X),
 172 METHODIXALGEBRE 8. Mthodes de dlagonalisatlon pratique 173

Un peu (beaucoup) de rflexion vous amnera " remarquer" (oui, bon, c'est difficile Ne demandez pas l'Impossible cette mthode : elle ne vous donnera pas tous les
voir, et olors on n'y peut rien, c'est un exo des concours de l'on dernier ...) que: espcces propres d'un coup. En revanche elle vous rendra de prceux services dans le
u(P) =(1_X2).P' +(n-l).X.P cos o il h'y a que 2 ou 3 valeurs propres. ce qui arrive quand mme assez souvent.
'1
(Vous ovez peut-tre trouv outre chose, mols tes vous certain que votre expression li Exemple:J=[1]
marche pour tous les vecteurs de 10 bose canonique 7)
. On a dj expliqu 37 fois (mthode 8 pour la plus rcente) que cette matrice avait.
o En crivont 10 dfinition, an cherche les polynmes P non nuls tels qu'il existe un deux valeurs propres. L'quation du noyau tant Immdiate:
scaloire ;1.. tel qu'on oit: xl+ ... +xn =0 . .
on en dduit que l'autre espace est l'orthogonal. c'est--dlre la droite normale ccs ).,
(1-X2).P' +(n-1).X.P = ;I...P'
plan. donc Vect (1.... 1). ce qu'on avait trouv
qui se remet sous la forme" fraction rationnelle II sus-nomme: " .::.' :~.'
(ici le gain de temps n'est pas proprement parier ... spectoculotre. mals cscr >.

. P'
(n-l-;l..)X-;I.. n-1-;I.. 1 n-1+;I.. 1 constitue ou moins un moyen de vrifier 10 cohrence de vos rsultots; qul ..devrait ';"' .
p= X2-1 2 'x=+-2-'X+i donc tre trs utile certains ...). . ... ''', ..:.
\'.
:::.:';r\.'
Or on soit (cf. chapitre 4) que si

(
alors le polynme. est de la forme: 3. Comment montrer que (ou: dire si) A est diagonalisable
P(X)=A.TI (X-Xi)'"
1
On en dduit que les polynmes propres sont ncessoirement de la forme:

n-l- n-l+ METHODE11 : Calculer les lments propres

P(X) = A.(X - 1)~ t(X + 1)---:r-
Reste quand mme s'assurer que P est lment de R n_I[X]. ce qui Impose que
Rappel:. .
n-1+;I.. n-1-;I.. . On salt qu'une rnotrtce- est diagonalisable ssl la somme des espaces propres est gale
--2- et --2- soient entiers naturels (donc positifs).
E. ou ce qui revient au mme. ssl la somme des dimensions des espaces propres est
galen.
Ce qui peut se traduire en : Il existe un entier m lment de {O. 1.... n -1} tel que:
n-1-;I.. Principe: .
---=m Une fols calculs les lments propres par l'une des mthodes du paragraphe 2, on
2 peut conclure sans trop de problme sous rserve de savoir compter les vecteurs
Conclusion: Il existe n voleurs propres distinctes Indices por m et : p,ropres obtenus ...

;l..m=n-1-2m vecteur propre associ: Pm(X) =(X-1r.(X+ 1t-1-m

Retenez bien la mthode avec ls froctions rationnelles. elle pourrait ressortir dans 'Ies METHODE1'2 : Calculer seulement le polynme caractristique
exos ...

Rappel: . " . ~~i[.~~'~:~

On salt que si le polynme caractristique admet n racines distinctes. alors la matrice, .
est diagonalisable (C.S.)
l'y1ETHODE
10 : Utiliser le thorme spectral
REMARQUE: ,
Cas d'emploi:
Pour des matrices relles uniquement (et symtriques. sinon c'est parfaitement inutile). Il s'agIt Ici de compter les racines dans 19corps di} la mamc9, c'est--dra les racines .
rellespour une matrice relle et lesracinescomplexespour une matrfce complexe.
1
.. Prlncl~ :. :.,.~~
..~: '. . . . .
.:'Princlpe:
On salt que toute matrice
propres sont orthogonaux.
symtrique relle est dlagonalisabJe et que ses espaces
f On calcule le polynme caractristique.
suffisante) Il admet n racines distinctes .
et on regarde si (ou quelle condition

Intrt :
SI la matrice a peu de s-ev propres (car elle c:
peu de vp) ou qu'on les connat dj
Intrt :
Il n'est pas norme. dans la mesure o ce n'est qu'une condition suffisante et que le
tous sauf un (por exemple vIoles questions precdentes du problme) le dernier sere
l'orhogonal de la somme des outres. calcul du polynme corcctrtstlque est souvent pnible.
 174 METHODIX AlGEBRE 8. Mthodes de dlagonalisatlon pfbtlque 175

METHODE13 : Dterminer un polynme annulateur de A racines simples METHODE15: Raisonner por conditions ncessaires
_ Rappel: _ Principe:
On salt que: SI l'on suppose qu'une matrice est diagonalisable. alors l'tude de la trace. du rang, du
A est diagonalisable ssi Il existe un polynme annulateur de A scind racines simples dterminant, des espaces propres, des espaces stabies ... peuvent permettre d'tablir
(dans le corps de base). des conditions ncessaires sur les paramtres dont dpend A. Il faut ensuite voir si elles
sont suffisantes.
_ Principe:
Essayerde trouver un polynme annulateur. en calculant les puissances successives de
A et en cherchant
REMARQUE:
les relier entre elles.
_ ..0"'''''''''-'''''''''' (0,) pour que A{ 0, i']__
Lesvaleurspropres seront alorsinclusesdans l'ensemble des racines de ce polynme La seule valeur propre possible de A est 1, puisque le polynme caractristique de A,
(ct. remarque mthode 2).. qui est triangulaire suprieure, est:
Exemple: CNSpour qu'une matrice de rang 1salt diagonalisable XA(X)= (l-xt
On a yu au chapitre 8 que les matrices de rarlg 1 vrifiaient la relation: Supposons A diagonalisable. Alors A est semblable la matrice diagonale qui a des 1
sur la diagonale, qui s'appelle ... l'Identit, c'est bien, vous faites des progrs en algbre
. M2 = tr(M). M linaire. .

ce qui veut dire que le polynme X2 - tr(M).X = X(X- tr(M)) est annulateur. Deux cas se Or A semblable 1s'crit: Il existe P inversible telle que:
prsentent; A = P-1.I.P =P-1.P = 1
Donc si A est inversible A est gale l'Identit, et donc ncessairement tous les ai sont
- '*
ou tr(M) 0 alors le polynme est scind racines simples et donc M est nuls. La rciproque est ... claire.
diagonalisable,

- ou tr(M) = 0 alors M est nilpotente. SIelle tait diagonalisable sa seule valeur propre ..
possible serait 0 (racine du polynme annulateur X2) et serait donc semblable' la 1

matrice dlqgonale nulle, donc serait nulle et de rang nul. donc diffrent de 1. M n'est 4. Comment' montrer que A est diagonalisable et donner
donc pas diagonalisable.
ses lments propres
Retenons ce rsultat essentiel ;

Il Une matrice de rang 1 est diagonalisable. sslsa trace .est non nuile. Pas grand-chose dire Ici, si ce n'est qu'II faut faire Ur:1 cocktail des mthodes exposes.
dans les paragraphes prcdents. De toutes faons, Il faudra calculer les espaces
propres donc vous n'y couperez pas ...

METHODE14 : Utilis~r le thorme spectral . On peut toutefois raffiner et compliquer un peu la question en vous demandant. ;
calculer P et p-1 ; comme si vous n'aviez pas fait assez de calculs. vous aurez donc
.Rappl: droit. en prime, calculer un Inverse; fort heureusement nous avons compil pour vous
les mthodes qui existent (chapitre 5).
Toute matrice symtrique relle est diagonalisable dans une base orthonorme .
Prlncipe:
~orsqu'on a une matrice symtrique relle, elle est diagonalisable et on n'a rten d'autre
. 5. Comment trigonaliser pratiquement une matrice ?
a dlr:_'L:,~,:;;,;~;,~:i~;::":':""~1\..' ..' ..' '. . .
- Exemple: matrice A_ = [alll ='[i] .. .
On vous avait prvenu, y a rien dire.' .. ah si : 1 est rel: le thorme s'cppque. Tout t C'est une question rarement pose, mals pose quand mme, ce qui Justifie qu'on s'y
intresse.
1 de suite, la suite... ~ . .
On se restreint aux cas de matrice de petite taille, c'est--dIre typiquement 3 ou 4 (pas
n ).
REMARQUE:
On se place toutefois dans le cadre d'une matrice trigonollsoble, c'est--dire qu'on
suppose que le polynme caractristique de A est scind (c'est une condition
On a soulign cent fois qurt tait ncessaire de supposer que la matrice est relle Le
rsultat quivalent pour /es matrices complexes existemolsse formule diffremment ncessaire et suffisante, automatiquement vrifie sur C ; sur R. Il faut videmment
Toutematrice hermftfenne estdiagonalisable dansune base orthonorme.(cf. ch. 11) s'assurer que c'est le cas avant d'entreprendre dix pages de calcu!).
176 METHODIX ALGEBRE 8, Mthodes de dlagona~ls~tion pratique 177

Alors l Il Y a une grosse erreur ne pas foire: Il fout exprimer les images de ces
METHODE16: Comment trigonaliser une matrice dans le cas gnral vecteurs par A en fonction de (e1.e2.e3) et non pas en fonction des vecteurs initiaux;
on trouve trs simplement: .
Cas d'emploi:
On vous demande directement trlgonallser A ; vous n'avez fait aucun calcul Mat(f.e)=
1 2
0 -1
-3]
-2
prliminaire. vous ne savez rien sur A (sauf que vous avez calcul son polynme
. [0 2 3
caractristique pour Vous assurer qu'il tait scind), C'est donc le cos le plus gnral
possible. Calculons le polynme caractristique de A1 (notations prcdentes) :
XA, (X) = (I_X)2 .
Principe: L'quation du s-ev propre associ la valeur 1 est y+z=O donc on prend 'cernrrie :
La trigonalisation pratique dons ce cos-l suit mot pour mot la dmonstration thorique
du thorme de trigonalisation n (A triganallsable ssl XA est scind), nouvelle base de F : (e2 - e3' e3)' et donc comme nouvelle bose de E : '.' .v,

(e1.e2 -e3.e3) . : '~;'

Puisque XA est scind. Il existe une valeur propre ., de A ; soit e1 un vecteur propre Dans cette base. A s'crit:
associ. En compltant el en une-bose (e1,e2 .... en) de Kn, on en dduit que A est 1 5 2]
semblable : Mat(f.e'):
[o0 01 1 -2

Il ne faut pas oublier de rappeler la motrice de passage la base initiale la base

finale:

P=[~ ~ ~]
Sion considre F = Vect(e2" ..en) et p la projection sur F paralllement e1 oIors poflF
1 -1 0
est un endomorphisme de F dont A1 reprsente la matrice dons la base (e2 .... en) : (en prime on vous laisse calculer l'Inverse ...)

A1 =Mat (po fIF.(e2.... en)) On peut faire une petite vrification : le polynme caractristique de la matrice
triangulaire trouve est bien celui de A.
D'aprs la formule du dterminant triangulaire par blocs on dduit que:
XA =(/..-X).XA,
ce qui montre que XA est scind. Et on recommence l'tape prcdente avec la
MElHODE
17: Comment trlgonaliser A lorsqu'on connat
matrice A1 la place de A. Jusqu' plus soif (n -1 tapes).
beaucoup .. de vecteurs propres?

A la fin. dans la base construite. la matrice de f est triangulaire suprieure,

e~sd'emploi: .,
On ~uppose qu'on a cherch dlagona!lser A, et que par consquent on o'colculles' .'>'" ,:,,;:

2
Exemp/e : trigona/lser A = 5 1 -5
2 -3] valeurs propres et les vecteurs propres de A.
On suppase de plus qu'on a trouv n - 1vecteurs propres.
..

[
. -3 4 0 Principe: . . '.
En dveloppant le polynme caractristique par rcpport la premire colonne. Il On sait que les vecteurs propres associs des valeurs propres distinctes forment une
vient: famille libre donc on peut complter la famille obtenue en une base de E tout entier (11
suffit ici de rajouter un seul vecteur pour complter la famille). La matrice de
XA(X)= (2-X)[-X(I-X)+201-5(-2~+ 12)-3(-10+3(1-)()) :_X3 +3X2 -3X+ 1=(I_X)3 l'endomorphisme f associ A est triangulaire dons cette base.

ce qui montre au passage que A n'est pas;dlagonallsable puisque sa seule valeur

propre est 1 et que si elle tait diagonalisable elle serait ga.le l'Identit, ce qui se
7 3
Ex~mp/e" trigonallserA = -6 -2 .5
-4]
.verrait. l' [4 2 ~
1 .
. Un calcul sj~ple ffi":;tre que l'espace propre associ 1 est de dimension 1 d'quation . Un petit calcul de derrire les fagots donne facilement:
x=y=z. donc: XA, (X)= -(1-X)2(X-2)
Un outre calcul sans encombre donne:

On complte en une base (ce qui peut se faire d'une Infinit de faons diffrentes. E2= Vect(H 2) et El = Vect(-1. 2. 0)
mois on a Intrt .falre simple pour les calculs) ; prenons par exemple: d'o Il ressort ,que A n'est pas diagonalisable. On a deux vecteurs. il nous en manque
. ;~ ~, . e2 =(0.1.0) et e3 =(0.0.1) un troisime pour faire une base, On peut rflchir tr!s longtemps. ou. sion est
flemmard. prendre le produit vectoriel :
178 METHODIX ALGEBRE 8. Mthodes de diconollsction protique 179

e3 = e2 l\e1 =(4. 2.-3) Astuces

(qui est par dfinition orthogonal (pour le produit scolaire canonique) aux autres
vecteurs. donc forme avec eux une famille libre) Toute matrice rellede taille lmpoire admet au moinsune voleur propre (relle)
L Il ne reste plus que l'Image de ce vecteur calculer. et l'exprimerdons la nouvelle. NOiR.' ou fait pourquoi? parce que le polynme caractrish'queest de degr impair,
base; on trouve successivement: donc a une limite - en _ et +00 en +00, donc s'annuled'apresle thorme'des voleurs
A(4. 2. -3) = (46.--45.23) = o:e1+l3e2 +")'93 intermdiaires.
On sait que y = 1 (pour des raisonsde voleurspropres) et on trouve facilement 13 = 13
puls 0:=-29 L'argumentqui consiste dire" x est un vecteur propre. donc. x est non nul Il est trs
frquemment utilis (par exemple. cela veut dire qu'ou moins l'une de ses

~~l
p=[~ ; ~l
Ce qui donne:
coordonnes est non nulle).

A=[~ ~
00 1
et
02-3
SIl'on vous demande de trouver un endomorphisme qui admet un spectre Infini.
pensez la drivation dans l'espace des fonctions C~ qui admet x -+ e),x comme
(modulo leserreursde calcul qu'on a forcment commisesparce que pour a. on n'est vecteur propre associ la valeur propre . et pour tout rel.
pas mouvais, et en plusJem'emmle lesdoigts surle clavier de mon ordlnateur...).
Erreurs
Conclusion : passionnant...
Evitezde parler de polynme minimal a pourrait dplaire votre examinateur.
Evidemment. si lui vous en parle. ne faites pas la forte tte en disant que dans
Mthodlx tome 2 y a crit qu'on connait pas alorsmol je, bon,... Il : et d'un a va vous
attirer des problmes; et de deux. a va nous attirer desproblmes.Alorsbon...
Unematrice symtriquenon rellen'estpas forcment diagonalisable.
Pourplusd'erreursreportez-vousou chapitre la Bestof : Vraiou faux? Il

Lu dans les rapports de l'X

" Ilfaut foire la diffrence entre l'algbre linaireet l'algbre bilinaire

NOLR.'Surtouten ce qui conceme la dlagonalisofion...
Le nombre de candidats qui peinent pour tablir qu'une matrlce_c9rr~.e_dCl.[lI')~e
-estdlagonallsableeststupfiant."" _.-'" -- -_ ..__._ - -_ .
.. Lescandidats entretiennent la confusion entre sous-espacescaractristiques et
sous-espacespropresou, sil'on prfre. entre la multiplicitdesvaleurspropres dans le
polynme coroctrlsftqueet la'dimensionde l'espace propre correspondant
" Certainslvesont dcouvert ' l'occasionde l'orajque A et sa transposeavaient
lesmmesvaleurspropres
NOLR.'Mieux vaut tord queJamais...
. Pour le calcul du polynme caractristique d'un endomorphisme de' R3 et la
recherche de racines vldentes.. on aimerait voir utiliserla mthode de recherche
i systmallquedes racinesra1lonnellesd'un polynme .
1 NOiR.' PCj!1rceux quI ne volent pas de quoi Il s'agit reportez-vous toutes affaires
cessantesou chapitre 1. .
Beaucoup Ignorent qu'un endomorphisme qui annule un polynme scind
racines simplesest diagonalisableet rciproquement.rsultatqui figure ou programme
et est largement suffisant
NOiR: Allusion l'ullflsoffonJuge abusivedu vocabulaire relatif ou polynme minimal.
Wdesupra.
 180 METHODIX ALGEBRE 8. Mthodes de dlagonallsatlonpratique. 181

Exercices
DJ
Dterminerleslmentspropresde la matrice relle:
Par convention, lescoefficients non critssontnuls(les... ne le sont pasforcment)

OJ
Dterminerune CNS pour que A soit diagonalisabledans C :

Al 00]
m
Dterminer une CNS sur les paramtres pour que la matrice complexe A ,'~~It
diagonalisable:
ru
Dterminerleslmentspropresde : o
A=[
A.[! b :J al

W
Dterminer une condition ncessaireet suffisantepour qu'une motrice de Froebenius
ru
Dterminer une condition suffisante simple sur les coefficients pour que A soit
relle soitdiagonalisable:

dlagonollsable, o :
A=[l 0 ~o ]
on_1

W
D.'_Mi'~ matrlce A~.~,,:o[;e:'roooei
10. ::'la~eurs prorpres : -
" ~
'.';

ele els a
aiS tant supposnon rel. ,
1

ru 1
Dterminersilo matrice A =[aij = [1. J21 est diagonalisable et donner sesvaleurspropres. i
lr
rn
DterminersiA est diagonalisableet donner seslmentspropres:
,j

-------- -------- -------- ---- ----- -- -- -----

---------- ------
182 1
METHOOIX ALGEBRE 8. Mthodes de dlagonalisatlon pratique 183

Con.igs
, .
ITl
Sivous avez bonne mmoire (a peut servir.et a vite souvent d'avoir beaucoup
rflchir).on a calcul un dterminant qui ressemblaitbeaucoup celui l (chapitre 9.
exemple de la mthode 1). On sait donc calculer le dterminant de cette matrice. par
[JJ multlllnarit; or la matrice A - X.I est de la mme forme: Il suffitde remplacer bl par
Manifestement A n'est pas symtrique en gnral. On peut ici au choix crire le bj-X,
systme et discuter. ou raisonner en termes de sous-espaces stables. ce qui nous
semble Ici partiCUlirementnaturel vu la forme de la matrice.
Plusd'hsitation: c'est bien la mthode 1 qu'IIva faUoiremployer. On verra aprs pour
Eneffet. sion pose pour tout k tel que cela ait un sens: la condition suffisante.
le dterminant de A se calcule donc par multilinarlt ; on ne reprend pas le dtail.
c'est comme l'exemple en rfrence. On trouve donc:
on constate que ces espacessontstablespar A. Or la restrictionde {(endomorphisme detA=TI bi+L ajD bi
associ A) un tel s-ev s'crit: . 1 J l,oj
D'o le polynme caractristique:
A =( 0 an+l_k') XA(X)= TI (bl-X)+ L aJfI (bi -X)
k ak 0 1 J l''J
dont le polynme coroctrtstlqua n'estpas trop dur calculer: l on peut faire plusieurssuggestions.Sion fait. comme c'est naturel. la miseen facteur
commun (pour le moment on ne se pose pas de questionsurla lgitimit):
XA (X) = ak.an+l-k_X2

Examinonstous les cas possibles(on est dans C) :

XA (X) = il (bl - X)[1+ l
1
_5_]
J bJ-X
=TI (bl- X).F(X)
1
Or la drive de F est simple:
- ou bien ak.an+l_k"O : alors le polynme caractristique admet deux roclnes
distinctes(dans C) et donc Ak est diagonalisable. F'(X)=L ~
- ou bien ak' an+l-k= 0 qui sesubdiviseen : 1 (bI-X)
- les deux rels sont nuls : alors Ak est diagonalisable (elle est nulle donc Sion supposeque al>Opour tout J F est dcroissantesurtouslessous-Intervallesde son
diagonale donc diagonalisable); domaine de dfinilion ; supposonspar exemple que tous les bJ sont 2 .2 distincts.
- un seul rel est nul : la seule valeur propre est zro. l'espace propre est de AlorsIl y a n+ 1 sous-Intervallesde dfinition et on a le tableau de variation suivant:
dimension 1. et donc est non diagonalisable.
Reste remonter A ; comme Il est manifesteque: x.
E=f Fk
on conclut en utilisant(rsultatclassique)que A est diagonalisable sslla restrictionde f F(X)
chacun des Fk est diagonalisable. ..

la CNSrecherche est donc: pour chaque couple (ak.an-k+l) les deux complexes
sont nulsou cucun n'estnul.
Une application rpte du TVI(thorme des valeurs Intermdiaires.gnralis) sur
REMARbJUE: )' les n+1 intervallesassured'au moinsn annulations de F en des points distincts (en fait
exactement n. compte tenu du degr). Sousleshypothsesfaites.on a donc n valeurs
Notre raisonnement marche parfaitement que n soit pair ou Impair (st st vrifiez-le ...) propres distinctes et on est assurque la matrtce est diagonalisable. Ce n'est qu'un
exemple des conditions suffisantespossibles... .

J 1.
!.i [II .
SIvousavez lu les exemplesdela mthode 3 alorsforcment voussavezfaire: c'est le ri l'nonc est assezprcleux puisqu'ilvous indique plus ou moins(plutt plus que moins
mme exercice dans un cas un choullla plusg[on~al.:..
1] j:
d'ailleurs)la marche suivre.Vu qu'on vousdemande seulementlesvoleurs propres et
paslesespaces propres on peut hsiterentre la mthode 1et la mthode 2.
A=.al+bB=al+b ~ 0 Cependant vous ne pouvez que vous rappeler avoir dj calcul un dterminant
.ressemblantdont on vous avezconseillde voussouvenir. savoir:
et comme on a dj tout calcul surB.ori saittout surA. Rideau... \,1

-------- ------
 ~---,"",. ...-....''''--'.- -_ ....
184 METHODIX ALGEBRE
1 8. Mthodes de dloqonollsotton pratique 185

a c 1 Nou~ voudrions en profiter, puisque l'occasion nous est donne, pour foire .une
remarque : cet exercice est extrait d'une preuve crite rcente de Polytechnique P'
b (XP'l99l. pour tre parfaitement exact). La premire partie de cet crit s'Intressait
d=
cette matrice et posait notomment les questions proposes. Le correcteur a not dans
b son rapport :

La question 1.6 (calcul des lments propres, NDLR) n'est aborde que par. les.'
qui valait l'poque (cf chapitre 9 mthode 9) : , meilleurs candidats

d c(a-b)" -b(a-c)" Ce qui nous amne nous Interroger sur le niveau des autres (honntement, c'est tout
c-b
fait classique) et constater avec une fiert non dissimule que nos lecteurs peuvent.
prtendre faire partie des" meilleurs candidats dont Il est question l ,. . .
,.;.\!:~'._,:.":i;',.,
et vous remarqurezque la matrice A-X.I est de la mme forme.

On en dduit donc en faisant les remplacements qui vont bien:

ITJ . '"
Vous tes srement tous plis en quatre devant une aussi petite matrice 1 Qui en plus
est symtrique, et relle (c'est marqu dans l'nonc) et donc diagonalisable .. , sauf
X (X)=_.l_.[eie(a_._e-ie)n _e-le(a__ele)n] qu'on vous demande les lments propres, mals bon, un dterminant 4x4, vous allez
A 2Isln(e) bien nous bouliner a ?
Ses racines sont:
STOP III La tqupe pouvant. quand mme, tre l'occasion de rflchir de temps
.k=0
ele1
-a ke-19 (
ou ak = exp 21--
8+k1t) autres, ce n'est pas la bonne mthode.
-ak n
o k varie entre 0 et n-l. Ici, on vous recommande plutt la mthode soft, qui consiste intuiter (sl, sl, c'est
possible) les lments propres, plus prcisment les vecteurs propres, en exploitant les
Ce qui montre qu'on a n valeurs propres distinctes et qui donne en prime leurs valeurs grandes ressemblances entre les coefficients.
(en esprant qu'II n'y olt pas eu de fautes de calculs en cours de route).
. 2 .
Exemple : la somme des termes d'une ligne est constante gale (a'+ b) , donc
J
Mme remarque qu' l'exercice prcdent sauf qu'en plus Ici la matrice est de rang 1
(1. 1. 1. 1) est propre pour cette valeur.

(a se voit sur l'expression de son terme gnral, cf. chapitre 6 sur les matrices de rang Les autres, c'est dans le mme ordre d'Ides, en se servant aussi du fait que les vecteurs
1). propres (associs des valeurs distinctes) seront orthogonaux par symtrie de la
matrice.
On vous le fait en bref car Il suffit de recopier la mthode 3 :
- 0 est valeur propre d'ordre n - 1 (rang de A = 1) ; On " remarque aussi que:
- l'autre valeur propre est la trace qui vaut: (1.-"1,1.\1) est propre pour (a_b)2; ,'. ",
t 13~[n(n2+1)r (1.-1. {-1)est propre pour a2 - b2, tout comme (1. l, -l, -1).
Les rsultats trouvs sont cohrents (trace, orthogonalit des s-ev propres) donc on' .
.

et comme elle est non nulle, la motrice est diagonalisable (cf. mthode 13). , peut considrer qu'on a fini notre travail. Sans calculs, ce qui est d'autant plus beau: Et ',',':.:.:'
~ rapide. . . l'~'

On aime bien ces matrices de rang 1. y a lien , faire ... sauf si on n'a pas remorqu j
qu'elle tait de rang 1 : bon courage pour le polynme caractristique III

l, w .
mCeux qui ont russi crire la matrice (ne riez pas, on est prt parier qu'II y en a 1
Vu que cette matrice l est bourre de trous, elle a toutes les chances d'tre de rang
petit.
En effet, on remarque aisment que (enfln Il faut faire attention ne pas oublier de
encore qui se demandent o Il faut caser les 1) ont d aboutir la forme tridiagonale
. suivante: i
1
cas) :
(i) si 'v'\ al = bl = 0 alors rg( A) = 0 donc A est diagonalisable;
il (II) si l'mn des al est non nul et tous les bl nuls alors rg( A) = 1 ; or tr( A) =0 donc A n'est

A{ 1 J i.!.
.
pas dlagonallsablfij (c'est une matrice de rang 1 cf. mthode 13).
(Iii) s'II existe un Oj et un bl non nul ; alors la matrice est de rang 2, et on saute sur la

Donc la matrice est symtrique relle et diagonalisable.

Et parmi ceux l, esprons. qu'II y en olt qui auront remarqu qu'II n'y a rien faire (si on
a lu les mthodes, videmment)' car ce n'est qu'un cas particulier de l'exemple de la
mthode 5 avec 0=0 ,~t b=c= 1, cas que nous avons rsolu cc par rcurrence et
i mthode 3. D'ollleurs l'exemple propos ressemble l'exercice donc on fait pareil: Il
manque a priori 2 valeurs propres (.,~) qui vrifient:

.+~=o
;l..2+~2 = 2:EOj~
totalement. Donc on voslolsse remplacer tout comme Il faut. i

------- ----- ---------- ------

--------- -------- -------- -------- --
1
.'

r:;~'~1!!!!!!!1!!!!8!!!!6!!!!.!!!!!!!!~-IIII!!!IJ!!!!I!!!III!I!!IJ!!!!I!!IJ!!!!I!!I!!!!!lI~III!!I!III!I!I!!I!I!II!I"iIII!!I!!I!!II!"METHOD!IIIIIXAI!!!ILI!G!""'E~BR~E~~'_.V
"1P'!l,
,1
8, Mthodes de dlagonalisation pratique 187 L
On sait dj qu'on va trouver 0 comme valeur propre, Examinons-donc ce cas :
qui sont donc racines de l'quation:
.2=.!. I,aibi ..= 0 donne le systme simplifi:
2,
x2+ ...+xn =0
,
SI I, aibi = 0 alors il les deux voleurs propres sont nulles; si A tait diagonalisable. toutes
[
Xl +Xn =0
ses valeurs propres tant nulles. Bile serait nulle. ce qui est impossible vu son rang. Donc XI+'''+Xn_1 = 0
elle n'est pas diagonalisable; qui est quivalent :
Sinon. Il y a deux valeurs propres distinctes (hormis 0) et donc la matrice est _ [X2+ ... +xn_1= 0
diagonalisable dans C .. Xl =0
, Xn =0

m
Rappelons qu'on connat le polynme caractristique de ces matrices (on 1'0 .calcul
qui est bien l'quation d'un s-ev de dimension n - 3. "

comme exemple de dterminant au chapitre 7) ; SI 1.. .. 0 : on en dduit que x2 =... = xn_l et que:
t.[Xn - ~AXj]
!
XA(X) = (-1 (n-2)X2 +xn =.X, "
;
i
x,
+xn = .X2
Bon. Essayons de voir quoi ressemblerott l'espace propre associ une valeur propre t x, +(n-2)x2 =.Xn
.. AX=..X s'crit: ! qui Implique. par limination:
X2[..2 +.-2.(n-2)] =0
-.
~o
.
]x=o - ou bien .2+.-2(n-2)=O ce qui donne deux valeurs propres relles et deux
on_;-. espaces de dimension 1 (lourds exprimer donc on le fait pas) ;
Ou ce qui revient au mme :
. , - ou bien X2=O ce qui donne -1 comme valeur propre et comme vecteur propre
t1
-,. _. _. 0,0] -i !. associ (1. O.... O.-1) .

[
On_; -.
n'est pas Inversible. Or cette matrice est de rang n-1 puisque la sous matrice carre de
i On peut considrer que l'exercice est fini et c'est tant mieux,

taille n-I en bas gauche est Inversible (triangulaire avec des 1 sur la dllgonale) (cf. 1
chapitre 6 sur le rang d'aprs les sous matrices). Ce qui veut dire que l'espace propre
est de dimension 1 exactement. pour toutevaleur. propre.
r
1
Moralit : A est diagonalisable ssl elle a. n valeurs propres distinctes. c'est dire si
x'' - I,a)x) possde.n racines.,dlstlnctes ..
)

lre IL temps: on dcomp~se A en une somme de deux m~lces plus simples: .:

A~I{~ 0 }.~
1

Et le problme est ramen la dlagonallsation de B. On voit aisment que B est de

rang 3. ce qui n'est pas optimal pour appliquer la mthode 3. Ici comme il y a plein de
zros on peut tenter le systme com\P;::(~+:~~~14). Il s'crit Ici:

.-~,.' . Xl +Xn =.X2

Xl + Xn = .Xn-1
Xl+"'+Xn_l =..xn
 Chapitre 9

METHODES DE R,~DUCTIONTHEORIQUE
..._---------------------;,-...;;;..! ;.: i''''{''
, '~:'
c.

':
,.,'" ,,":"

L'objectif de ce chapitre est triple (a promet) :

- d'une part, faire le point sur.ce qu'II est ncessaire et suffisant de savoir
comme cours pour faire tous les exercices relatifs la rducton des endomorphismes:
ncessaire. parce qu'II fautsavoir parfaitement les hypothses et les conclusions des
thormes rappels ci-dessous; suffisant.parce qu'IIest asseztentant de flirter avec le
l, hors programme dans ce chapitre spCialement. tant qu'II existe de rsultats plus
1
gnraux qui permettent de rldlcullserbeaucoup d'exercices d'oral. Modestement.
nous nous cantonerons au programme : rien que le programme. mais tout le
j programme (cf. propos de l'utilisation risque du hors programme : Mthodlx 1.
p.260).

- d'autre part. prsenter une bonne dizaine d'exercices thoriques qui. bien.
que ne figurant pas stricto sensu dans le cours.ont ocquls au fil des ans une notorit
l- telle qu'Ilssont Implicitement considrs'comme des. incoutournobles .
olo
1,
,
- enfin. proposer une liste de thmes frquemment abords lorsdes exercices
ou des problmes. accompagne d'ides et d'exemples (sousforme' des xerclces
Incoutoumables). Il s'agit en effet plus d'Ides que de mthodes. car la diversit et
rten,due de chacun de ces thmes Interdit une mthodlsatlon. trop restrictive par'
natu~~,Ce n'est pas une raisonpour vousdsintresserde ces Ides.qui peuvent sinon
s'appliquer texto d'outres exercicesque ceux Indiqus.au moinsdonner des Ides'de,
dmarrage. lment prcieux s'IIen est. Ellevise vous permettre de vous reprer' "
lorsqu'on vous donne un exercice: cherchez savoir quel thme Il peut se ra~crer

"'''',

O. Ce qu'il est ncessaire et suffisant de savoir du cours

pour russir les exercices .

Ce tltr.evolontairement provocateur vous Invite:

- d'une port. apprendre les rsultats compils cl-dessous; et les apprendre

,,-
vraiment. c'est--dIre hypothseset conclusions,
1
1 - d'autre part. ne pas vous bourrer' le crne avec des cours Interminables sur la
rduction des endomorphismes (on en a vu certains atteindre 30. voire 40 pages
- manuscrites. ce qui confine la folle douce) : plusvousen apprendrez. moinsvousen
( retiendrez et surtout moins.vos Ides seront claires pour aborder les exercices, SIvous
savezqu'II y a 4 CNS et une CSpour montrer qu'un endomorphismeest diagonalisable.
vous y verrez beaucoup plusclair quand on vousposerala ouesnon.Pasvrai?
- (
f
 9. Mthodes de rduction thorique 191
METHODIX ALGEBRE

A) Cos de la dimension quelconque DCN:

si valeur propre de Aet P(A)=O alors P()=O
Nous traitons brivement part le cas de la dimension quelconque pour vous rappeler
que ce cas existe, et est notamment trs frquent dans les espaces fonctionnels qui
sont pour la majorit de dimension infinie (cf. thme n02). Polynme caractristique
En fait, les lments de cours sont considrablement rduits puisque toutes les notions
o XA (X) e Kn[X]
rattaches au calcul matriciel n'ont pas de sens Ici: on ne peut pas parler (dans le cas XA(X) = det(A-X.I) = (_l)n[X" -tr(A).X"-l+ ...+(-lt det(A)]
gnral) de polynme caractrtstique, de Cayley-Hamilton, de sommes de dimensions
d'espaces propres, ... ce qui complique et simplifie les exercices en mme temps:
simplifie, parce que les mthodes sont limites; complique, parce qu'on est tent
d'utiliser ce quoi on n'a pos droit.
D SIu laisse F stable et = ulF alors: Xl x.,
Valeurs propres - vecteurs propres -.espaces propres: SIu laisse stables F et G et que E = F El) G : X 1 x., = X . X
o est valeur propre d'un endomorphisme u de E :
<=> Il existe un vecteur x non nul de E tel que: u(x) = x.x o Les racines de XA dans K sont exactement les valeurs propres de A.
<=> u - .I est non Injectif.
o Thorme de Cayley-Hamilton: XA(A) = 0
o El. =fxeE t.q: u(x)=.x} est un s-ev de E, appel espace propre ossocl la
valeur propre ; ses lments sont lesvecteurs propres associs cette valeur propre.
Dicgonalisobilit :
DCNS:
Diagonalisablilit ; A est diagonalisable
u est diagonalisable
<=> Il existe une base de E forme de vecteurs propres. <=> Il existe une base de E forme de vecteurs propres de A
<=> LEI. =E
<=> Il existe P Inversible, D diagonale (matrices' 0 lments dans K) t.q :

<=> ~EI. =E v-,

REMARQUES: <=> L Ei.,=E

)..
a Il peut parfaitement exIster des bases en dimensIon infinie (cf. l'espace des
<=> ~E =E <=> L dim El. =dlm E
polyn6mes 0
a Un endomorphisme peut trs bIenadmettre un potynme annulateur (mme en
<=> XAestsclndet 'v'eSp(A) dlm(E)..)=multx.().)
dimension infinie) : dans ce cas certains rsultaisde la partie suivante sont valables:
mals en revanche la notfon de po/yn6me caractristiqueest dplace.
<=> II existe .un.polynme scind
- racines simples dons K
B) Cos de la dimension finie - qui annule A.

Fort heureusement.c'est le cos le plus frquent. Nous nous permettrons (a va encore

rler du ct des profs) de faire la confusion entre u et sa matrice A dans une. base e DCS:
que r;ous,avons fixe (on partera de valeur propre de A ou de valeur propre de u si le polynme caractristique de A possde n racines dlsllnctes dons K alors A est
Indifferemment) : notre avis, a simplifie les notations et abrge les discours. diagonalisable .

Valeurs propres - vecteurs propres- espaces propres:

DCNS: Trigonalisabillt :
valeur propre. de A
<=> 3XeKn-{O} t.q : AX=.X DCNS:
A trlgonallsable <=> XA scind sur K
<=> A-J...I n'est pas injectif
<=> Ker(A-.I) .. {O} REMARQUE:
<=> A - .I n'est pas Inversible
<=> det(~-J...I)=O SurC tout endomorphisme est trlgonalisable. Notamment un endomorphisme re).
Mais alorsla matrice de passage est coefficients complexes...
<=> XA() =0 c'est--dire racine du polynme caractristique
_-- -----~ -.------

/
._-~._ ..

---- -_--
---- -----
 ~. :"-. J
192 METHOOIX ALGEBRE 9, MthodS'ae ''''''''''''''IIe), thorique 193

1. Thme nOI : Polynme caractristique :;;,0 Il en rsulte que ,les matrices, AB-.1. et 'BA~X.I sont triangulaires par blocs
J~(respectlvement superieure et infrieure) et que donc leur dterminant se calcul
'~ fingersin titie nose :

Hormisles rsultatsde cours rappels l'instant.de nombreux exercic_esont pour but det(J,B-X,I) '= aet(B1-XI,).(-xt' = det(BJ,..X,I)
de montrer d'autres proprits de cet outil qui Jouenaturellement un role central dans
la thorie de la rduction des endomorphismes.puisque sa connaissance permet au a Pourrevenirau cas gnral. on crlt,qu'lIexistePet Q inversiblestelles'que A = P.J,.Q
moins de dterminer les valeurs propres. sinon. dans certains cas. "de trancher et on essayede se dbrouiller lveca dans lescalculs: . ''''. '
directement surla diagonalisabilltd'une matrice (s'IIadmet n racines simplesdistinctes
par exemple),
det( AB- X.I)= det(PJ,QB- X.I)~ det[p(J,Q8P- XI)p-1= der( J,~ l - XI) , .
' .'"

.INCOUTOURNABLE
Nl:
Dmontrer que pour toute matrice on a : XAB= XBA det(BA- X.I)= det(BPJ,Q- X.I)= det[Q-1(QBPJ,- Xl)Q] = det(~J, _ Xk)C't c

Il est Intressantde connatre plusieursdmonstrations de ce rsultat car elles font Lesdeux termes droite de chaque ligne sont gaux d'aprs la premire pcirtie de
toutes appel des Idesdiffrentes malsutilesen algbre, notre raisonnement appliqu la matrice C, Donc lestermesde gauche sant gaux
aussi.CQFD,

IDEE1 : Raisonner sur les matrices inversibles, puis par densit

IDEE3 : Interprter les coefficients du polynme caractristique
La proprit prouver est vidente pour les matrices Inversibles; Il suffit en effet de
constater que: Lescoefficients du polynme caractristiquesont des expressionsdiverseset varies,Il
XAS(X)= det(AB-X,I) = det[ A(B- X.A-1)1= =lA(BA- X.I).A -Il est Intressantde remarquer que si on appelle :i.j les racines dans C du potvnrne
caractristique il s'crit donc (IIest alorsscind) : .
qu'on dveloppe en :
XA(X)= I1 (:i.I-Xl
1
XAS(X)= det(A),det(SA - x.I).det(A-1)= det(SA- X.I)= XBA(X) et qu'on peut classiquement exprimersescoefficients en fonction des :i.j uniquement
(cf. chapitre sur les polynmes). On salt aiors que ces expressionssont des fonctions
L'application de un XUn dans K[X] : symtriques des racines. et qu'en tant que telleschacune s'exprime en fonction des'
fonctions lmentaires " .
(A,B)~ XAs(X)- XSA(X)
est continue par rapport au couple d'arguments (car le dterminant l'est. cf. ,
crk= L
1
"l
explications en dtail Mthodlx. ch. 16) et nulle surl'~nsemble~es matrices Inverslt:?les. (ce sont lesformulesde Newtonqui nousdonnent ce rsultat). " .
qui est dense dons l'ensembledes matrices (cf. chapitre 14 du livre surlequel vou~ete,s c;:~smmes quantits sont aisment calculables par trigonalisation de A et il,'vlent .',
en train de vous abmer les yeux et les neurones).Donc elle est nulle partout. c est a f'ciiementque: . " :<".','i';~;:'~
dire que :
XAB=XSA crk=I :i.lk=Tr(Ak) ~
.. .. .. _.. .1... ... _... .., ..... _,. .. .. . . "
pour tout couple de matrlces (rellesou complexes). On-en crrive:la conClusionessentiellesuivante.qu'IIpeut tre utile d retenir (on
resserviraau chapitre 13. exercice 4) : '
XA=XB <=> I;Ike{l.: ..n} Tr(Ak)=Tr(Sk) .
IDEE2 ; Utiliserles matrices J, et roisonner por blocs Revenons nos moutons, On a rappel au chapitre 7 que I;Ik Tr(tA~'n.=Tr((BA)k)
(rcurrence facile) donc la conclusionsuit...
On a dj port de cette mthode plusieursreprisesdans leschapitres prcdents.
Ce n'est pas parce qu'on fait de la rduction qu'IIne faut plusy penser 1 REMARQUE:
,\
',:

o 51 ce~t.;,bdp'.J~problme est rgl. Sinon elle est de rang re-Odonc elle est C)(I
verra au chapitre 13 comment. exprimer le potynrno caractristique de la
qulvOlent'e'ella"l!;:rt"ce J, de mme rang, . . qmalrlce d'unematnce.

o Commenons par faire lescalculs en supposantque A= J" On crtt Bsous forme de RESULTATS A RETENIR:
blocs. B1tant carre de taille r pour pOUVOir
faire descalculs qui setiennent.
(1) XAs =XBA
(II) XA=XB ~ I;Ike{1....n} Tr(Ak)=Tr(Bk)
(Iii) A.t A et tA. A ont lesmmesvaleurspropres.
-_.
,
-, - -- _---
 --_.-.-
.--~------
____ M_' _

. MElHODIX AtGE!I!!E 9. Mthodes de rduction thor.jque 195

2. Thme n02 : Endomorphismes d'espaces foncttonnels ' -J.

f 3. Thme n03 : Espac,es stables par A

Lesespaces fonctionnelssont des espaces vectorielspas tout fait comme lesautres.

dans la mesure o Ilssont de dimension non finie en gnral (videmment certains
sous-evpeuvent parfaitement tre de dimension finie). et c'est pratiquement le seul
f1 Nousne revenons pas en dtail surun thme que nousavons dj largement voqu
plus haut (chapitre 8). Nousdmontronsseulementun rsultatfondamental relatif 10
cas que vous serezamens rencontrer. Lesmthodes applicables se trouvent donc structure des espaces stablesd'un endomorphismediagonalisable.
en quantit moindre. j
IDEE4 : Fai.rele lien valeurs propres - quations diffrentielles
ID.EE5 : Utiliser la structure des s-ev stables par A diagonalisable
INCOUtOURNABLE
n02:
On a lesrsultat essentielssuivants:
E= CO(R~.R); dterminer leslmentspropresd~ ~(f)=.!.1 f(t)dt
. x0 (1) Lq restrictiond'un endomorphismediagonalisable un espace stable F
Commenons par remarquer que ljJest bien un endomorphisme car la fonction ljJ(f) est diagonalisable,
peut tre prolonge en 0 par f(O) et qu'on a olors une fonction continue (on vient
seulement de s'assurerde ce que l'application ljJatterrissait bien dans l'espace des (Ii) Tout s-evstable d'une motrice A diagonalisable est somme de s-ev des
fonctionscontinues; Cf;chapitre 3. mthode 1). s-ev propres, c'est--dire s'crit: F=e Fi o Fic Ei pour tout 1 (Ff peut
1
parfaitement tre rduit 0).
Ceci tant, on cherche un couple p..,f) d'lmentspropres.Cela s'crit:
f
.!. f(t)dt = 1...
Xo .
f(x) o Preuve:

- si 1..=0alors (1) d'aprs les rappels dont nousespronsqu'ilsont servi quelque chose, on soit que u
1x est diagonalisable sslIl existeun polynme annulateur scind racines simples de u.
f(t)dt=O
. '>;Ix -f c'est--dire des rels Clj distinctstels que:
n (u -Oj.I) =
Xo
ce qui par drivation (Intgrale fonction de sa borne suprieure, cf. Mthodlx 1
1
chapitre 23) donne: 'Ix f(x) =0 donc 0 n'estpas valeur propre. ce qui s'crit sion explicite:
(U-al.l)o(U-a2.l)o ...(u-ap.I) = 0
- sinon,on en dduit que:
La stabilit de F permet de donner un sens UjF UjF".oUjF(on peut composer puisque
Q

f(x)=_!_1 f(t)dt C'*)

'>;Ix l'arrive on.atterrit dons F) ; on en dduit donc que:
Mo
(en 0, cela veut dire f(O)=.1...
f(O)soit f(O)= 0). (UjF-al.l)o(uJF-ado ...(UjF-Op.I); 0
CO') Implique que f est drivable {ce qu'on ne savait pas a priorI. f tant seulement puisque surF, u = UjF'Ce qui prouve que ce polynme est aussiannulateur pour UjF'et
continue) (cf. chapitre 23 Mthodlxpour la preuve) et donne par drivation: donc que UjFest dlagonaiisable.

'1X,.O f(x)=1..[f(x)+x.f'(x)] (ii) SoitF s-ev stable. Posons Fi= q nF ; par construction c'est un s-evde Ej.On soit que
soit:
'Ix,. f(x) = x.x, f'(x)
(1-1..).
E = EIlEj; on va montrer que F= EIlFI(ce qui n'estpas trivial). On utilise'les notations et
1 1
rsultatsde l'exercice 40) : six est dans F,on a :
.

- ou bien . = 1 alors ncessairementf est constante et rCiproquement (donc . k k

espace propre de dimension1); X = L PI(X)= lll(u)(x)
- ou bien 1..,.1alorsl'quation s'intgreen (Mthodlx. ch.17) : 1=1 1=1 "
1-:\' Comme F est stable par u. donc par LI(u),onen dduit que LI(u)(x)eFnEI ce qui
f(x)=A.xT . " prouve que FeL F n El' L'autreInclusionest claire, et la sommeest forcment directe.
compte-tenu de la condition Initiale. Rciproquement cette fonction convient si elle .
est continue, ce qui est le cas ssl . e JO,1[.(espace propre de dimension 1aussi). REMARQUES:
Conclusion.:Sp(<I = ]0.1](ce qui prouve a posteriorique E.n'estpas de dimension finie o Evidemment, /0 rCiproque de (II)
est vraiemals pas trs utile... On voit en fait que
puisquele spectre est non fini). grosso modo. espaces propres et espaces stables c'est du pareil au mme pour un
REMARQUE: endomorphisme dIagonalisable.Dans/esautrescas Ilfaut voir.
.. 1-1-
Le cas . = 1 donne aussiun espacepropre de la forme f(X)= A.x 1- ...
o Voirdes applications de ce rsultatdansle chapitre 6.
i
l'

----- ----- ----------

--- ----
--- -----
~ l'iO METHODIX
ALGEBRE .9. Mthodes de roucnon thortque 197
r
r
f 4. Thme n04 : Rduction par blocs" 1 si -)" II! Sp(A) et 3)"e Sp(A) nlors est propre pour C (et B) et l'espace propre
! .ossccl est de dimension
t Un nombre grandissantd'exercices tourne autour de la rduction de matrices donnes
, dim E).(C}=dlm E3).(A)
si - e Sp(A) et 3)"e Sp(A) alors est propre pour C (et B) et l'espace propre
sousforme de blocs. ceux-cl tant facilement rductibles par ailleurs.Or ce ne sont associest de dimensIon
pas. notre avis.des exercicestotalement triviaux.Mieux vaut donc savoirfaire...
dim E),(C)=dlm E3),(A)+dim E.).(A)
".

Conclure surla dlagonalisabilit~: ......

IDEE6 : Chercher des vecteurs propres par blocs
On remorque que donstouslescos : '.'.,
INCOUTOURNABLE
n03: dim E),(C)=dim Ej),,(A)+dim E_).(A)
.::'
Montrer que A est diagonalisable sslB= ( A 4AA)l'est On utilisela CNSde dlagonalisabilit: ."
l dlm El.. =dlm E
).
Donc:
Principe:
Bdiagonalisable
Commencer par le cas A de taille 1; c'est--dire: rduire la matrice
~l dlm E).(B)=2n
B =C ~) ~L
).

dlm E3).(A)+dlmE.).(A)=2n
Comme on a une haute opinion de notre lectorat. on estime que vous savez faire ).
donc on vous balance le rsultat: l' ~2L dlm E),,(A)=2n
).

p=(~2 ~) p-l =(~~44 ~~~) P-I.B.P=(-l 3) ~L dlm E).(A)=n

).
~ A diagonalisable.
(quand mme. une matrice 2x2.c'est pas sidur que a 7)
Et voil le travail.
Revenirau cas gnral et transformerB en une matrice diagonale par blocs:
Enposant de faon asseznaturelle: . REMARQUES:
f o On peut alternatfvement - c'est faisable - calculer le polynme caractristique de
p=(-2.ln 2.ln) p.l =(-ln/4 In/2) p'l BP=(-A )=C 8 partir de celuI de A mois cela ncessite une bonne matrise des calculs de
ln ln .In/4 ln/2 . . 3A .tterrninants'parblocs (genre combinaison de /Ignes ..par blocs , ." bref c'est pas. ~
trivIal et de toute faon on n'aime pas le polynme caractristique;" De tQl/tfon!:~,
(voir la rubrique remarquescl-dessous) on n'choppe pas ou calcul par blocs des vecteurs propres. une fois oiron-a les';'
voleurspropres. ~ .

o Chercher lesvecteurs propres de C sousforme de blocs Z= (~l o On gnral/s6sonsmolpour obtfiJnirle rsultatsuivant:

' . ..:.

(Cela revient au mme que de chercher'ies vecteurs propres de B.mais videmment "
c'est plusSimpleIII) . si (~ .~) est diagonalisable
On trouve facilement que Z est vecteur propre de C associ la valeur propre 51 et
seulement sion a le systme: . alors"
AX=-.X B =( ~ :~) est diagonalisabless/ A l'est
{ AY=3.Y

Discuteren fondlon des.....valeurs

".,:" ..." "";.::if~:.' ,
propres de A : 4 DansIfiJcos oo (~ :) n'9sf pas dIagonalisable, /1 fout chercher la r~dl.llrele plus
PossIbleen changeant de base. Puisappliquer ce changement de base comme plus
- si (-. 31)ESp()2c'est vite fait :'X=Y=Odonc z=o et n'est pas valeur propre de C. haut la matrice 8pour retomber sur des calculs plus sImples(cf. l'exemple donn
- sI -eSp(A) et 31ti!Sp(A) alors est propre pour C (et B) et l'espace propre juste aprs lesremarques)
associest de dimensIon . . o La gnralisoffonpeut aussItre faite. en dimension : le raIsonnementprcdent
-dlrn E;,(C)= dlm E.).(A) s'tend sonsdIfficultsupplmentaIre(sIce n'est des calculsplus pnibles.notamment
pour lesInverses).
 METHODIX ALGEBRE 9. Mthodes de rduction thorlque 199

o On peut dmontrer trs facilement que si l'inverse de la matrice A = [ai] 1 existe 5. Thme n05 : Rductions simultanes
1
B == [bij et vaut alorsla matrice de to/7len.p donne par blocs par: -r - De manire trs gnrale. des endomorphismes rductibles qui commutent ont de
_[al ~.Ip ". al~.lp 1 grondes chances d'tre co-rductibles. c'est--dire rductibles dans une mme base.

La condition de commutation est videmment ncessalre pour des endomorphismes

M- : :
codiagonalisables. Elle n'est pas forcment toujours suffisante pour d'autres rductions.
anl.lp annlp
Nous allons donc noncer deux thormes gnraux assez frquemment utiliss relatifs
est gale la matrice par blocs,'
la dlagonallsation et la trigonalisation simultane. en essayant dans leurs
bl~.IP dmonstrations de dgager les Ides essentielles qui servent souvent.

N= : La commutation a une consquence fondamentale relativement la rduction. qui

[ r est le point central de tous les rsultats qui suivent (facile prouver) :
bnllp

Pour ce faire il suffit d'utiliserla formule de produit matricIel par blocs pour calculer MN Il Si fg=gf tout s-ev propre de f est stable par 9
et utiliserle fait que:
INCOUTOURNABLE.no4:

(1) Deux endomorphismes diagonalisables qui commutent sont codlagonallsobles.

Comme la plupart des 'Ides ou mthodes proposes dans ce livre. Il serait naf de
croire qu'elle marchera pour tous les exercices concernant la rduction de matrices
(ii) Deux endomorphismes trigonalisables qui commutent sont cotrigonalisables.
par blocs. Il n'en est rien. Essayez en effet de faire l'exemple suivant:

Exemple: (~ ~) est diagonalisable sslA est nulle

Vous n'y arriverez pas directement avec cette seule mthode. Le plus simple pour y IDEE7 : UHliserla diagonalisobllit d~unerestrictions des s-ev stables
. arriver est de remarquer que
1 1)=(1 0) (0 1)
( 0101+00 (1) Soit El (I~p) les espaces propres de f. Ils sont stables par 9 d'aprs la proprit
rappele ci-dessus. Or d'aprs les rsultats dmontrs au thme 3, la restriction de 9
et que ces deux matrices commutent. Comme la premire est diagonale donc chacun de ses E, est diagonalisable. donc il existe une base 2\ de El dons laquelle la
diagonalisable. d'aprs les rsultats obtenus ci-dessus. l'nonc est quivalent : restriction 9 est diagonale. comme celle de f puisque fiE, = .,.ldE,. Il suffit de runir ces p
(~ ~) est diagonalisable sslA est nulle familles 2\ pour obtenir une base de E qui diagonalise f et g.
L on peut appliquer notre mthode qui donne:

AY=.X IDEE8 : !Jti!!~er!..

me rcurrence at 10frcnsposifion
{ O=.Y
(II) le premier point est de.montrer que f et g ont tin vecteur propre commun. f possde
SI ... 0 on en dduit Y=O puis X=O donc k;t 0 n;est pas valeur propre: Comme B est
au moins une valeur propre en tant qu'endomorphisme trigonallsable (son polynme
diagonalisable et que sa seule valeur propre est O. et dc:.~lCB est nulle. et A aussI. La
caractristique est donc SCind). donc un espace propre F. qui est stable par g. La
rciproque est claire.
restriction de g (trlganallsable) F est encore trigonollsable donc admet une valeur
propre. et donc un vecteur propre qui est dans F,donc propre pour f aussi.
REMARQUE: On procde maintenant en rcurrant. Le coup d'utiliser la lransposiHon est Classique,
nous avons dj expliqu pourquoi au chapitre sur la dualit (mthode B dudlt
o la acompoonon qu'on a faite IcI de la matrice 2x2est un cas particulier trs sImple chapitre). .
de la domposrffon de Dunford - cf. Ide 11 -. On pourrait gnraliser sans mal le
rsultatobtenu. marsle but n'estpas d'noncer 124thormes... . -Pour n= 1 c'est clair: toute matrice .esttrIgonale dans toute base Il i
.~ ", ' :;_:' 1',

o
On peutprop~er. autrement pour cet exercice. e~ utilisant les polynmes
-Supposons le rsultat acquis pourn - 1 et plaons-nous dons un ev de taille n. Il faut
. annulateurs (mors on peut difficilement viter la notion de polynme minImal c'est
pourquoI on n'a pas procd ainsO. raisonner avec les transposes ce niveau-l, et pas aprs comme le croient
beaucoup (c'est trop tard sinon: en effet sion dit f et 9 ont une valeur propre
commune on se retrouve avec un espace de dimension n-l certes mals qui n'a
aucune raison d'tre stable; on peut projeter mals bon ...). .

,'. u

_-- ---- ----

---- ----- _---
 METHOOIX ALGEBRE
9. Mthodes de rduction thorique - 201
200

-1
-Considrons donc les transposes : elles commutent. Ellesadmettent un vecteur ID.EE9 : Utiliser la caractrisation" polynmiale Il de la diagonalisabilit
propre commun tp e E'; ce qui veut dire que Vect cp est stable par tf et tg. Son
,
'O.
1) Il suffitd'crire (comme souventen algbre linairepour les problmes de noyau et
orthogonal H= (Vect tp)i cE est stable.por f et g (transposesde leur transposes)et
d'image): .
estde dimension n- 1. On peut donc trigonallserlesrestrictionsde f et g H dans u'ne
base 21,; de Hd'aprs l'hypothse de rcurrence. feKerRu ~uof=O ~ Imf c Keru ~ fe .c(E.Keru)
S!on complte 21,; en une base de Eil est facile de voir que les matrices de f et g sont
et ce demler espace est de dimensionn.dim Keru.
triangulaires dans la base obtenue. De mme :
REMARQUES:
feKerSu ~fou=D ~ Imu c Kerf
SIFest un supplmentaire de lm u dans E,on en ddult que l'espace considr est-
D Dons C tous les endomorphismessont trigonolisobles.SIu et v commutent alors ils Isomorphe .c(S,E). - -'.
sont cotn'gonollsables.sonshypolflse supplmentaIre. Unpetit calcul montre alorsque: dim KerSu=n.dim Keru .'-, , _
(on aurait pu utlliserla transpositionpour ne pas refairelescalculs).
D On gnralise sons mal par rcurrence ces noncs au cas d'un nombre fini
d'endomorphismes qui commutent 2 2. Lesrangs en rsultent.compte tenu de la dimensionde L(E).en utilisantle thorme du
rang. -
D Un autre rsultat essentiel de rduction simultane sera dmontr, en algbre
bilinaire (c'est une consquence du thorme spectral pour une matrice symtrique
et une matficf{ symtrique dfinie positive). 2) Le plus simple Ici, comme souventpour des exercicesthoriques. est d'aborder la .
diagonallsabilit en termesde polynmesannulateurs.
Une rcurrence Immdiate montre que:
t
Ru'(f) =[Ruhf)

qui par linaritdonne: pour tout polynme P.

Rp(u)=P{Ru}
6. Thme ri6 : Endomorphismes de L(E)et applications On en dduit que:
P(u)=O ~ 'VI. P(u)of=O ~ Rp(u)=0 ~ P{Ru}=D

L'intervention d'endomorphismesagissantsurdes applications linaires.c'est--diredes (La premire qUivalence est claire dans le sensdirect; pour la rciproque. Il suffitde
lments de L(L(E))(espace de dimension r)4) se rvle 'assezfrquente; hormispour prendre f=ld).
des exercices o l'nonc l'impose.elle permet en effet de rgler trs rapidement des
exercices apparemment sansrapport avec la rduction. (on en verra un exemplecl- - Qr la diagonalisabilit tant elle-mme quivalente l'existence d'un polynme
aprs). a~nulateur scind racines Simples.on en dduit bien l'quivalence souhaite. _ -
Notons que ce thme n'estpas sansrapport avec le prcdent (une matrice par blocs Mrne..topo pour S.
pouvant tre Interprte comme celle d'un lment de L(L(E))).Nousnousattacherons - . -
cependant dans ce paragraphe prsenterun aspect plus algbrique du problme - Pourtrouver lesvaleurspropres.salton consent parler de polvnrne minimal. ce :'-

-:::'>.-__,
(jue prcdemment. qui a le mrite de simplifier 'consldrablement les choses : u et Ru'ont le-nicn_E(
polvnme minlmel, puisqu'Ilsont lesmmespolynmes annulateurs. : - _ >:::._:_
.INCOUTOURNABLEn 4 : 0
-Sinon, Il faut revenir le dfinlliondesvaleurspropres.Soit une valeur propre de
et E).l'espace propre associ.Ilestclair alorsque:
Soit u un endomorphisme fix de L(E); on dfinit lesendomorphismes R. Set TsurL(E)
comme: .'- . Ru{PE.) = .PE.
. Ru(f)=uo-f Su(f)=fou Tu(l)=Ru(f)-Su(f) =[u. fJ o PEl est la projection sur E;lparalllement un supplmentaire. Ce qui veut dire
que Pe. est vecteur propre.et que estvaleurpropre de Ru.
1) Dterminer la dlmensl~nde l'Image et du noyau de Ruet Su'
2) Dmontrer que: Ruest diagonalisablesslu l'est
Rciproquement si est valeur propre de Ru.et v propre pour cette voleur, Il est clair
Suest dlagonaliSa-blesslu l'est
que toute valeur v(x) est propre pour u associ la valeurpropre .
_ si u estdiagonalisable alors Tu'l'est
et prciser les voleurspropres de Ruet Suen fonction de celles de u. Endduire leur Ce qui montre bien que lesdeux endomorphismesont mmesvaleurs propres.
trace et leur dterminant. Enprime. cette mthode permet de montrertrsfacilement (faites-le! ) que:
3) Dmontrer que siu et v sont diagonalisables.alors Ru- Svl'estaussI. dlm E).(u}=n.dim El.{Ru} --

(et du mme coup de retrouverl'quivalencetrouveprcdemment).

'li
1

--- ----- ---- ------ --- ---

 - l,
METHODIX ALGEBRE 9. Mthodesde rduction thorique 203

PourS. le pius simple est... de ne rien faire: utiliserla transposepour se ramener au D'o en majorant par Ingalit trlangulaire:
cos prcdent (c se ramener ou cos prcdent. est. dit-on. la devise du
oolvtechntcten moyen; Je ne suis pas sr de savoir s'Ii fout le prendre comme un
compliment ...).
,.
.', 'VII -.adl x;! ~L 1
J"i
adlxd~h
1"1
l'L
1 aid

SIRet Ssontdiagonalisables quand u l'est.Tn'a aucune raisonde ne pas l'tre. Pourconclure il suffit d'crlre l'Ingalit correspendant 1==10puis simplifierpar 1 Xio1
~~~~ .
3) li suffit de remorquer que Ruet Sv commutant:
On en dduit que le spectre est Inclusdons une runionde n disquesdont les centres
sontlespeintsd'affixes on et de rayon L 1 ail 1.
l..
i
Siu et v sont diagonalisables. Ruet Sv aussid'aprs 2) et comme ilscommutent lissont
REMARQUES;
codioonollsobles (cf. thme 1"13);leur diffrence est oonc diagonalisable. elie aussi.
On tablira en exercice une rciproque 2). . o Il est poSSIble d'obtenir des localisations beaucoup plus prcises. mols cela n'a pas
beaucoup d7ntrt prattque et la mthode est la mme.

o Pour les motrices stochastiques. dont on a port ou chapitre 5. l'expression du rayon

7. Thme n07 : Localisation du spectre se slmpllffe en 1- 0;1' '

On verra ou chapitre de topologie matriclelie qu'II peut tre Intressant de savoir o Il est possible de dduire du thorme de Gerschgortn le thorme d'Hadamard.
localiser grossirement le spectred'une matrice pour tudier, des problmes de exercice classique s'IIen est quI est une CNS d7nverslbllit d'une motrIce en disant que
convergence de sriesou d'Intgrales la faisant Intervenir. A est Inversible sslla runlon de disques ne conttenf'pos la voleur propre a
ce qui s'crtt
autrement:
Deux rsultatsd'exercices hyper-classlquesservent: lethorme de Gershgorlnet les A est inversiblesslpour tout i 1 011 1 > Llo;) 1
applications du rayon spectral. Nous ne verrons Ici que le premier. l'autre tant plus j~1
clairement topologique seratrait ultrieurement (ch. 11).' (une telle matrice est potiquement baptise Ir dIagonale domInante , ce qui veut
bien dire ce que a veut dire).
1
l
INCOUTOURNABLE
nOS': 1
Soit x une valeur propre de la motrice A ==[aiJJ. Mo~trerque:
3i tel que: 1 ;1..-0111 s I; 1 qJ! B. Thme nOB: Autres rductions classiques
J'"
Endduire une localisation du spectre de A.
Hormisla dlagonalfsatlonet la trigonalisation. If existedeux rj3dlJcttonstrs Importantes
dont Il est difficile .de dire sLeliesfont oui ou non partie duproqrornrne. Disons-pour'
"_--- _. - caricaturer que-vouspeuvez tranquillement lesemployer l'oralde M' d'Ulm.mals'que
peur une ENSIIlvaudrait mieuxs'abstenIr.
IDEE10: Utiliser la plus grande des coordonnes d~unvecteur propre
N;>usne donnerons.Pas.toute d.e place la. dmonstrctiorr de ~es rsultots, qui est
On soit qu'un vecteur propre est non nul. donc ou moinsl'une de ses'coordonnes est d ailleursassezlonue obtenir.'Nousnouscontenterons des noncs prcls, et d'un
non nulle. et. en tout tat de couse. la plus gronde de ses coordonnes est exemple d'application ainsique de remarques.Ces dmonstrationsfigurent dons tous"
certainement noe nullesinontoutes le seraient; soit donc: les (bons) bouquinsd'algbre linaire.Signalonssimplementqu'elies font toutes deux
appel aux espacescaractrlstlques.
Ioe{l. ...n} telque : IXloI==mox{lxd le {l...:n} }
IDEE11 : UHliserla dcomposiHon " d + n "
En crlvar:t la dfinition d'un vecteur propre AX ==;.xon obtient n relations pour les
coordonnees: .
n Rsultat: '
Soit u un endomorphisme dont le polynme caractristique est scind
-' -.:-l;"';!:;';::;~":.:,,:.:"'":I. \il ~ ail,xl == ~.XI
(c'est donc automatique dons C) ; alors Il existe un unique couple (d.n)
ce qui s'cnt. n faisant apparatre le terme - on: ' d'endomorphismestels que:

'VI (..-an).Xi == L ail,xl (1)u=d+n

1"1 (II)d est diagonalisable
(iii) n estnllpetent
(Iv) net d commutent
204 METHODIX ALGEBRE 9. Mthodes de rducfton thorique 205

Remorques, erreurs et mises en garde: On peut donc rcrirePsousla forme:

o Il est Impratif que le polynme caractristiquesoItscind. ~! P = k.Dk-1(I+Nn)
.o
Q On a unicit seulementsion Imposetouteslesconditions,nstesci-dessus.
o d doit tre diagonalisable. pas forcment diagonal. ( ,)k-l

d~ife tbJ[:~ :F~:e

n=~.f. CkDk-i.Ni-2
k 1=2
o La condition n et d co~mutent est fondamentale; une erreurfrquente est de croire Or n et N commutent (facile. car N et D commutent) et N est nilpotente; l'l-Nn est;'
classiquement Inversible (c'est toujours le mme coup des .srles fmmelles ,:",
que le dc~p""fla[a~n est 0 obtenlr:
(1+ xrl = y (_x)k sauf que l. la somme est finie par nilpotence)
~o '
'et dci'nc,'P,est'"
,
inversiblecar D l'estaussI.Donc N=Oet Best diagonalisable, . ',,J'

d est diagonale donc diagonalisable ; n est nilpotent (cf. chapitre 13 pour savoir .~.:"
pourquoi) maisd et n n'ont aucune raisonde commuter... ,
Q Puisquen et d commutent. on peut leur appliquer la formuledu binme de Newton, IDEE 12 : Utiliser 10 rduction de Jordon
ce qui est bien agrable pour lescalculsde puissance.
o On peut montrer, en sus,que d et n sont des polynmesen u mais on ne s'en sert En un certain sens.c'est la rduction la plus pousseque l'on puisse obtenir. Elle est
pratiquement Jamais. frquemment utilisepour lesendomorphismesnilpotents.
Q Cette dcomposition est connue sousle nom de dcompositionde Dunford.
Rsultat:
Intrt : SoitA une matrice donc le polvnrne caractristique est scind et s'crit:
Hormis dons des utilisations pratiques (notamment calcul de l'exponentielle) cette
dcomposition n'estjamais calcule explicitement. XA(X)=n (ii-X)'"
i
AlorsA estsemblable une matrice diagonale par blocs
On s'enserten revanche dans lesexercicesthoriquesde la faon suivante:
u est diagonalisable$SI;'=0
(n tant la partie nilpotente qui Intervientdanssadcomposition).
Gnralement, on trouve une dcomposition n-d qui convient par une mthode
dtoume ; on en dduit que c'est la dcomposition par unicit; si on parvient o pour tout k :
montrer que n est nul alorsu est diagonalisable(IIest l~al d).
. ',;... ,

. 'r'
Notons que si on salt de plus'que n est diagonalisable, alors n est nilpotent et
diagonalisable, donc nul (sa seulevoleur propre possibleest 0). ..

INCOUTOURNABLE
n"6 :
SoitAe GLn(C) diagonalisable et k un entier strictementsuprieur 1. REMARQUES;

DLesmatrfcesJk sontb/d/agonales,
Montrer que toute matrice Btelle que Bk= A estdiagonalisable.
D Il n'est pas trs dur de remonter la dcomposfton n-a partir de cette
Notons B=.D+~ ; on va chercher montrerque N est f1ulle. dcomposItion.
D'aprsle binme de Newton:
.. '"." ,... , . k '
,',A=!3k ={D+N)k =Dk +N.I, CkDk-'.N-1=Dk ';'NP=~+r
'~l
On montre facilement que N commute avec P (puisque N et D commutent) ; on en
dduit que r est nilpotente et commute avec ~ ; or ~ est diagonalisable.Donc c'est
la dcomposition n+d de A qu'on vient de trouver.Or A est diagonalisabledonc f=O.
On veut prouver que N=O.On va montrer que Pest Inversible(on salt que NP=r=O).
Notons dj que D est Inversiblecar Dk = A et A est Inversible.

/
/

-------- -- -- --- --- ---

1
206 METHODIX ALGEBRE 9. Mthodes de rduction tho~.que 207

9. Thme n09 : Exercices" n'ayant rien voir Annexe

avec la diagonalisation "
Nous proposons pour conciure un exercice qui n'est pas encore un classique (il ne faut
jurer de rien. Il pourrait trs bien le devenir dans un avenir proche) mais qui nous servira
Les exercices les plus difficiles sur la rduction d'endomorphismes ne sont pas ou moins par deux fols dans la suite de ce livre. Ce qui Justifiesa place Ici.
forcment l o l'on croit; en effet. lorsqu'un exercice vous Invite explicitement
" dmontrer que A est diagonalisable . vous ne savez peut-tre pos comment Il fout
foire. mois ou moins vous n'tes pas compltement perdus puisque vous disposez d'une Exercice:
liste de mthodes (vous la tenez entre vos moins l'heure actuelle), Soit A une motrice complexe et E un rel strictement positif. Montrer qu'il existe une
SI par contre. on vous demande de calculer un dterminant ou montrer qu'une matrice T semblable A dont les coefficients extradlagonaux vrifient:
motrice est nulle. on ne pense pas forcment de prime abord utiliser la
diagonallsotion. ItlJ!<E
Et pourtant ... "
Corrig :
Pourtant. il faut bien comprendre ce' que la rduction a de plus performant que le On ne volt pas trop comment rendre naturel ce qui ne l'est pas. On va donc balancer
simple calcul matriciel. En gros. c'est comme les sries vis vis des suites : on dispose la solution. une fols n'tant pas coutume.
de beaucoup plus de mthodes pour tudier la convergence d'une. srie que pour '1
tudier la convergence d'une suite et pourtant une srie c'est rien d'outre qu'une suite. A tant trigonallsable (on est dans C). elle est semblable une motrice B triangulaire
La rduction. c'est pareil : on a des outils trs puissants (cf. les thormes rappels
suprieure. Soit e une base de trigonalisation de A.
prcdemment) po'ur l'tudier. alors que le calcul matriciel reste assez pauvre.
Soit k un entier quelconque (pour l'Instant). On dfinit une nouvelle base sur C n :
Tout a pour dire qu'II faut penser voir la rduction l o elle n'est pas' forcment.
1 1
P=dlag [ 1.-.2.... 1)
. ppp nT -
Prenons un exempie Tout bte; ie cclcul de dteiiiilnnt. On 0 dIt et rpt que c'tclt
assez pnible. mme avec toutes les mthodes et toute la bonne volont qu'on On calcule facilement:
voudra, Or pour une matrice diagonale. un dterminant est vite calcul. Et
diagonaliser une motrice a peut tre trs rapide. (cf. mthode ron-frcce du chapitre
prcdent: Il n'y a aucun calcul). Donc Il fout y penser:
,. .
Les exemples sont illimits:
- pour montrer qu'un vecteur est nui. on peut supposer qu'II ne l'est pas et montrer
qu'alors Il est vecteur propre-at chercher une contradiction (cf. exemple cl-dessus) ;
- pour montrer qu'une motrice nilpotente est nulle. Il peut suffire de montrer qu'elle est
diagonalisable.
- pour montrer qu'une motrice est scalaire. on peut montrer qu'elle est diagonalisable
o
et n'admet qu'une valeur propre,
- pour montrer qu'une motrice est Inversible. on peut par exemple calculer toutes ses

""
voleurs propres ...
.. Si maintenant on s'arrange pour choisir p: convenablement.
voulu: en prenant p rel que:
on va aboutir au rsultat

maxl D,j 1
Exemple: montrer que -si AB - BA = A alorsA estnilpotente. _LJ__ <E
p
Par rcurrence on montre comme au tome 1 (chapitre 3. exercice 1) que:' on a ce qu'on veut.
AkB_BAk =k.Ak
.Si on pose <t>(X)= X8 - 8X (endomorphisme de M~,) on constate que la relation
Intrt :
prcdente s'crit:
Une motrice A est donc semblable une motrice dont tous les coefficients sont petits.
<t>(Ak)=~.Ak sauf les coefficients diagonaux qu'on ne peut gure modifier vu que ce sont les voleurs
propres de A. <'
pour tout k. Ce qui veut dire que Ak est vecteur propre de CI> ossocl la voleur
propre k. la condition que Ak ne Soit pas nul (vecteur propre). SIaucune puissance Cela peut permettre de faire des calculs Intressants. notamment dans les cas o l'on
de A n'est nulle. on en deduit que CI> admet tous les entiers comme valeurs propres. cherche des limites de suites...
donc une Infinit de valeurs propres. ce qui est absurde en dimension finie. Donc l'une
des puissances de A est nulle. et A est nilpotente. On en verra notamment un exemple dans l'tude du rayon spectral (chapitre 11).

;~.' .
/1
'"' .;;
..- -_ .._- --------
208 METHODIX ALGEBRE 9. Mthodes de rductlonJt1orlque 209

Exercices
m
.Soit A et B deux matrices complexes telles que AB=O, Montrer qu'elles sont
cotrigonallsables,
ITJ
0) Si A est une matrice inversible (relle ou complexe), exprimer le polynme
caractristique de A-1 en fonction de celui de A [TI ,
b) Dmontrer l'quivalence suivante: Soit AeMn(C) telle que A2 soit diagonalisable, Monter qu'une CNS pour-que A sOIL'-.
diagonalisable est: KerA = Ker A2 -' .", '
XA(B) inversible<=> Sp(A)nSp(B)=0
.....
.: -,

ITJ W
SoitA et Bdeux matricescomplexes et u l'endomorphisme de Mn(C) dfini par :
SoitA un lment de MnCC).Dmontrei que pour tout x n'appartenant pasau spectre u(X) = AX-XB
deA: 1. Soit . une valeur propre de u et'M un vecteur propre associ.
Tr[(A-xlr1j = XA' (x) a) Montrer que pour tout polynme P :P(A).M= M.P(..I +8)
XA(x) b) Endduire qu'il existeun couple (a,]3) de Sp(A)xSp(B) tel que: .= tt-]3

J 2. Enoncer et dmontrer la rciproque, en considrant la matrice x.ty. o X est

vecteur propre de A et Y vecteur propre de la transposede 8.
Soit E= C-(R) et
cl>:E
~ E tel que: cl>(f)(t)= f(t):- t.t'(t).
Dterminer leslmentspropres de cet encomorphsme.
[ill
Endomorphismesconservant le spectre

ITJ
Soitu un endomorphismediagonalisable et Ej sesespacespropres.
On dit qu'un endomorphisme'!' de Mn(C) conserve:
- le rang si 1
\:IX e Mn rg['l'(X) = rg(X)
a) Montrer que le projecteur PI sur Elparalllement E9Ejest un polynme en u. -le dterminant si \:IX e Mn det['I'(X)] = det(X)
j~1
b) Montrer que tout s-evF stable de u admet un supplmentairestable par u. -le spectre si 'VXeMn Sp['I'(X)]=Sp(X)

O~ admet que les endomorphismes conservant le rang sont. exocternent les:

... endomorphismesde la forme :

n ~l
Montrerque siA e M2 CC)a 2 voleurspropresdlstinctes,alors
'l'eX) = AX,B et . 'l'eX) = A.t)<.B
.o A et Bsont des matrices inver~lblesquelconques.

est diagonalisable.
B:[~ SoitX une matrice fixe de rang r. On salt qu'II existeP et Q Inversibles,tellesque:
X=P.J"Q
On pose alors
K=I-J, et Y=P,K.Q

ru
SoitA, B,C des lmentsde Mn(C) vrifiant: On supposeseulement que '1' conserve le dterminant..
1. Soit p un complexe. Montrer que det(pX + Y) est un monme en p,
AB-8A=C AC=CA BC=CB 2. Salt s=rg['I'(X)].
Montrer que A, B et C ont un vecteur propre commun, En dduire qu'elles sont a) Montrer que det[p'l'(X)+ 'l'(Y))"est Iln polvnrne en p dont on comparera
cotrlgonallsables, ledegrs.
b) Comparer r et s.
c) Montrer que 'l'est Inversible.
3. Montrer que '1' conserve le rang et en dduire 10forme de 'l'.
 <:IU METHODIX ALGEBRE 9. Mthodes de rduction thorique 211

On suppose maintenant que 'i' corserve le spectre.

Corrigs
4. Montrer que 'i' conserve le dterminant et le rang. On peut donc poser:

5. Comparer det[pl-G"I'(X)]
G=['i'(I)t
et det[pl-X). En dduire que: Sp(GX)=Sp(X)
[JJ .
a) A tant Inversible, 0 n'est pas valeur propre. Les valeurs propres (relles ou
6. Montrer que G=I. complexes, c'est--dire les racines du polynme caractristiques) de A-! sont les
7. Dterminer les formes possibles de "l'.
inverses des racines du polynme caractristique de A (trlgonaliser pour le voir si c'est
ncessoire).
Dons C, le polynme caractristique sera scind donc:

cette expression tant aussi valable en 0 ( la limite).

'.
On peut aussi raisonner sur la dfinition du polynme caractristique
.)

enfin bref c'est pas trs dur et vous aviez tous trouv.

b) On se place dons C comme a le polynme caractristique de A est scind

et
XA(B)=n (a{.I-Bl
1
On en dduit facilement la squence suivante:

XA(B) Inversible ~ ::::! (al.I-Bl est Inversible

~ !1 Ker(alI-B)={O}
~ !1 al lE Sp(S)
~ Sp(A)f"'ISp(S)=12J

et voil le travail.
...
[]]
Dans i6l1laul IrI.gonaliseroquol qu'il arrive, mme,1 a sert rien. SI les ar dsignent les
voleurs propres de A. le premier membre vaut:

rr[(A-xlr']=:E _1_
o [ a{-x

Et l vldemment votre esprit vif et acr de taupin (encore que ces deux qualificatifs
puissent sembler Incompatibles avec le mot taupin) aura forcment reconnu un
1 exercice classique sur les polynmes et les fractions ratlonnelles :
'. ~
1 P' 1
.-=:E--
p 1 X-XI

Ca ne vous dit toujours rien? Alors reportez-vous d'urgence ou chapitre 1 parce que l.
l'exercice li est fini ...

--- l
 1Vl~INUOIXAlGEBRE 9. Mthodes de rducllon thorique 213
1

1
i
cu
Premier pOint : dire qu'II s'agit bien d'un endomorphisme (sans le vrifier, on vous fera
.
; [ confiance si vous le dites .. , mais on vous reprochera de ne pas le dire, La psychologie
des examinateurs est fort complexe et ce seul livre ne suffirait pas en rendre compte
f1 de manire fidle),

Deuxime point: on va rsoudre une quation diffrentielle,,, du premier ordre donc

1 a sera pas trop violent. '
i
qui donne un systme BX =)"X par blocs. " ~
" 1 ~(f) = x, f donne, par la variatfon de la constante ou toute autre mthode: - supposons )" = O. L e systme se simplifie en : . '':,.-.
. , r-
Y+Z=O
)u ~ . l' { X+T=O
. .
\
); ~ , f(t) = A,I t IH. pour 1>0.et f(t) = 8,1 t 11-1..
pour ka,
quI donne un espace propre de dimension 4 pour B.
, 1,1.
l \ 1 On a raisonn par CN. La CS est que cette fonction soit effectivement lmnt de E
~ c'est--dIre rgulire en O. . - supposons x ~ O. On cherche alors une quatfon ne portant par exemple que sur X,
Il vient facilement:
- si 1-)" est entier positif: le recollement est possible en choisissant 8 = A 1-), qui donne (4A2 +2)"A_),,21).X =0
en fait
(4A2 +2)"A_),,21) est forcment non Inversible. sinon X=Y=Z=T=O et U n'est pas propre
f(t) = K, tl-,
pourB.
- sinon. on va montrer que le recollement ne peut pas se faire:
Dire que (4A2 + 2)"A_),,21)est non Inversible veut dire que
- si 1- I. <0 les deux bouts tendent vers += en a donc on doit prendre A=8=0 qui
donne f=O donc c'est pas bon,

- 51 1->0 mals n'est pas enller, on peut driver f E(1-1..+1)fols et s'apercevoir

(2A+ (1~.J5) J( 2A+ )"(1~.J5)1)
que les deux bouts tendent encore vers 0 en += donc elle n'est pas C~, est non Inversible donc que l'une de ces matrices. est non Inversible. ce qui veut dire
que
Moralit: Il y a une Infinit discrte de valeurs propres,
(1..,I5)
---4- .
[TI est valeur propre de A ce qui donne quatre valeurs distinctes pour )". On calcule
a) On a. puisque u est diagonalisable: facilement les espaces propres. qui sont de dimension 1.
k
I=L PI La somme des dimensions des espaces propres est 8 donc B est diagonalisable.
1=1 !,~ . ,
k
u=L jPi
1=1
m
Pour (A.C) et (B.C) c'est plutt bien parti: elles commutent.
'.'
Cependont A et B ne'. ~'.' "
Une rcur~nce Immdiate prouve que: commutent pas. en tout les cas pas sur E tout entier. ':.'; ,.
. k
UI=L :I).PI En effet. sur Ker C. AB=BA. Le \;;'ut est de savoir si Ker C est nul ou non.
1=1
Donc pour tout palynme P on a : S'II l'tait C serait Inversible. On aurait d'une part: .
k ABC-1-BAC1 =1
P(u) = L P(1..i),Pi d'o en prenant la trace:
1=1
En prenant le polynme Interpolateur de Lagrange (Cf, chapitre 1) tel que: L,()",) = 611 Tr(ABC-1)- Tr(BAc-l)= n
on en dduit que: PI = L,(u) , MclsA et B commutent avec C. donc avec son Inverse (car l'Inverse est uri polynme
en o.cf. chapitres prcdents) donc :
b)SoIt (el,."en) ~ne bose de dlagonalisatfon de u.

On salt que F est somme de s-ev de sous espaces propres. donc une bose de Fest
(ei, .... ,e,.). Il ne reste qu' poserG=vect{ek, k li! (11,,,.lp}}dul est un supplmentaire de ce qui contredit l'galit prcdente.
F stable par u par c0l"istruclion. Donc C est Inversible et Ker C est,non nul.

----- ------- ------ ------

------ -------- ----
 METHODIXALGEBRE 9. Mthodes de rduction thorique 215

Les restrictions (des endomorphismes associs aux matrices A. B et C) Ker C On veut videmment construire un polvnrne annulateur scind racines simples de
commutent 2 2 donc d'aprs l'tude faite au thme 5 elles ont un vecteur propre A. En rcrivant p( A 2) = 0 en folsont apparatre ces nouveaux rels:
commun (on peut en prendre 2 et restreindre la 3me l'espace propre commun aux
.2 si on veut se rassurer...). O=p(A2)=n (A2-:l.i)=n (A2-11?)=n (A-l1i)(A+I1I)
iep i<p i<p
A partir de l on est sur des rails: on complte le vecteur x trouv en une base de E et Mols ce polynme n'est pas forcment racines simples: tout dpend en fait de la
les matrices des endomorphismes dans cette base sont:
nullit des ).lI'
A-(~ ;,) B-(~ ;,), C-(~ ~,) - s'II existe un 111nul (II ne peut y en avoir qu'un au plus puisque les ).lIsont distincts),
par exemple ).lI :
(pour C Il y a un zro car x est dans sont Ker).
O=P(A2)=A2 Il (A-).li)(A+)li)
Le calcul par blocs classique montre que les matrices primes vrifient les mmes Icicp
____________..
relations que les matrices Initiales donc on peut repartir pourun tour ... Q(A)
Ce qui veut dire que Q(A) est dans Ker A 2. donc dans Ker A (Ils sont gaux) :
[TI A.Q(A)=O
Et... si on procdait par rcurrence? et donc que A est annule par le polynme X.Q(X) qui est scind racines simples.
donc diagonalisable.
AB=O veut dire que lm B c Ker A donc la restrlct.lon de (l'endomorphisme associ A)
f lm B est nulle. Or lm B est stable par 9 (endo. associ B). - s'lis sont tous non nuls. alors le polynme n (X-).lI)(X+).l1) est annulateur de A.
I<p
- si lm B = 0 9 est nul est l'exo est ftnl : 9 trlgonollse dans toute base ... scind racines simples. Donc c'est bon.
- sinon lm B est un s-ev de dimension 2: 1 donc sur lequel 9 admet ou moins une valeur
propre . donc un vecteur propre x. qu'on complte en une base de E,dons laquelle f
et 9 auront pour matrices: .
1. a) Vu que la proprit montrer est linaire par rapport ou polynme. Ii est
Mat f ~ (~ ;,) Mot g=(~ ;,) quivalent de la montrer sur tous les monmes. Regardons dj ce qui se passe, pour
les petits degrs (degr 0 : c'est clair)
Un petit calcul par blocs montre que A'B' = 'donc-on peut redescendre ...
AM-MB=..M <=> AM=M(iJ+B)

[TI A2M =A.AM=AM.(iJ+B)':' M(iJ+B)2

Dans une CNS Il y a deux sens et gnralement l'un est facile (on salt pas pourquoi,
c'est comme a ; c'est pareil. quand Il pleut. cprs Il fait beau. on salt pas pourquol, Donc une petite rcurrence bien sentie vous donne le rsultat.
mals a marche toujours). A votre avis. quel est le sens facile?
b) Vu qu'on parle de valeurs propres et qu'on sort d'une question sur les
Cl Supposons que-Asott diagonalisable. Alors1Iexiste P Inversible telle que: polynmes. Ii serait peut-tre judicieux d'Introduire un polynme. caractristique
quelque part.
. A =P-1.dlag(al .... O:p.O... O).P Prenons par exemple: P(X) = Xe (X - ) ,
o les p premires valeurs pl'opres (non ncessolrementdistlnctes) sont non nulles. Alors:
Il est clair alors que :
A2 = P-1.dlag(a? ... ap2:0 .... 0).P d'aprs Cayley-Hamilton.
o les p Rremlers coefficients diagonaux sont forcment non nuls. l'galit a) s'crit donc:
Donc Ker A = Ker A2, cet espace tant engendr par les n-p derniers vecteurs de Xe(A-iJ).M=O,
base. ce qui veut dire que la matrice Xe(A-iJ) est non Inversible car M;t{) (vecteur propre)
est dons son noyau d'aprs cette galit. Ce qui veut dIre que 0 est valeur propre de
Cl Donc l'autre sens est le sens difficile? Bien vu. cette matrice.
Les exos thoriques sur la dlagonalisatlon, c'est toujours avec les polynmes
. annulateurs. on vous l'a dj dit. SI A2 est diagonalisable. elle est annule par un les valeurs propres de A sont de la forme al: celles de A - iJ sont donc al - et celies
polynme scind racines simples: que Xe(A-I) sont les Xs(al-) (Classique par trigonalisation).

P(A2)=O o p(X)=n (X-I) et :VI.. J .1":l..j Dire que 0 est valeur propre revient dire qu'Ii existe 1tel que Xe(al-) soit nul. Or les
I<p
racines de XB(X) sont les valeurs propres de B, les ~j' On en dduit donc que:
Vu qu'on essaie de remonter A. Il est naturel de poser: 3(ll) tel que; al - :1. = ~j
.I= Il? avec ncessairement .. J 111"111
1;11 CQFD.

--- --'-- ---

---- _---
 METHODIXALGEBRE 9. Mthodes de rduction thorique 217

2. L on a t gentil de vous donner l'indication. On va montrer que tout rel de la

forme . = a. - p est valeur propre de u. Sion prend X et V comme indiqus on a donc: On a donc : 'fI(X)=A.X.B ou- 'l'(X)=A.IX.B, et la condition de conservation du
dterminant impose que: detA.detB= 1. La rciproque est claire.
AX=a.X et tSV=PV
Un calcul matriciel vident montre alors que:
AXtV -XtVB = a.XtV_ sx'v
et comme X et V sont propres. Ils ont tous une coordonne non nulle. ce qui prouve 4, 'fi conservant les valeurs propres. elle conserve leur produit donc le dterminant. et
donc le rang d'aprs loquesnon prcdente.
qu'un des termes de la matrice X.tV est non nul (c'est essentiel de le dire) et donc
qu'elle est vecteur propre de u pour 10 voleur propre . = a.- p.

Pas mal. l'ide de la transpose. non 7 5, On a la chaine d'galits videntes (detG= 1) : .,' ,',

det[pl-G'I'(X)] = detG.[p'l'(I) - 'fI(X)] = dej1G.det'l'[pl- =

Xl det[pl- X]
REMARQUE: qui, si on l'interprte en termes de polynmes caractristiques. montre que
Sp(G'I'(X)) = Sp(X).
Uryevers/on soft de cet exercIce (c'est--dire un cas particulier) consiste prouver
/'equlValence : Or '1' conserve le spectre donc: pour tout x., Sp(G'I'(X)) = Sp(X) = Sp('fI(X)).
Comme enfin 'fi est bijective. donc surjective. 'l'(X) dcrit l'ensemble des matrices
A et B ont une valeur propre commune $Siil existe M non nulle !elle que AM=MB.
complexes et donc : pour tout V, Sp(GV)= Sp(V).

6. Si vous ne savez pas encore, ce stade du livre, que lorsqu'une proprit est vraie
1. Les matrices J et K sont diagonales et comportent respectivement r et n - r 1 sur pour toutes les matrices Il faut s'empresser de l'crire pour les matrices Eu on ne peut
leurs diagonales. Donc det[pJ + K] = p' et por quivalence det[pX + V] = p' detP.detQ. plus rien faire pour vous et vous devriez envisager de faire HEC plutt que de tenter les
concours scientifiques.. . '

2. Donc on applique la formule qu'on vient de trouver aux matrices Elj . Le spectre de
a) On ourolt tortdene pas raisonner comme plus haut. donc on pose:
G.Eij est {gJI.O.... O}. celui de E;j est {oJ;'O,... o]. Comme Ils sont gaux on en'dduit
'fI(X)=P'.J,.Q' et 'fI(V)=P'.K'.Q'
d'o Il ressort que: Instantanment que gj; = lij;, ce qui tendrait prouver que G=1.
det(p'fl(X) + 'l'(V)] = det(pJs + K')detP'.detQ'

Le scalaire p apparait uniquement sur les s premiers termes diagonaux de la matrice 7. Il suffit d'crire que G=I ce qui donne que B=A-1 avec les notations de l'nonc. La
rciproque est claire. vu que deux matrices semblables, ou encore une matrice et sa
pJs + K' . Donc le dterminant de cette matrice est un polvnme de degr infrieur ou transpose. ont mme polynme caractristique.
gal p, sans qu'on puisse prsumer de l'galit ou d'une ingalit stricte cor on ne t .
salt rien sur K', contrairement la question prcdente o K tait scalaire par
construction. '

b) Comme 'fi conserve le dterminant on en dduit que r est infrieur ou gal

s.

c) En dimension finie cela revient montrer que 'fi est InJective. l

Or 1:
'fI(X)=O s=0
Donc 'fi est biJective. ~
"
- ..~.

f
l ',~' ~ ~ '1._. ,,",

1
3. Puisque 'l'est bijective on peut considrer son inverse, qui possde aussi la proprit
de conserver le dterminant. En crivant la proprit 2.b) ppur 'fI-l(X) on montre que
[,
ssr et donc que r=s et que '1' conserve le rang.

.i,
 '\
1 1
1

: t '
.Chapitre 10
r1

.i
"

1
SESTOF c<
-,-
1

VRAI OU FAUX: REDUCTION DESENDOMORPHISMES

!

Ce chapitre. unique en son genre dans ce livre mais aussidons tous les autres (essayez
de trouver autant de vrol-faux dans un autre livre. quel qu'il soit. vous n'y arriverez pas)
est n d'une constatation : la rduction donne lieu une telle liste d'erreurs que la
rubrique" Erreurs qui conclut habituellement chaque chapitre n'aurait pas suffi
toutes lesrpertorier.

De plus.Ilnous a sembl plusJudicieuxde vous permettre de faire activement le point

sur l'tat de vos connaissances en algbre linaire. C'est un CI concept Interactif ,
comme disent les gens de tlvision. Espronsqu'II vous sera utile. Un dernier conseil ;
ne regardez les rponsesqu'aprs avoir fait touts les questions.et n'hsitezpas vous
1 apesantlr sur les Items o vous vous serez tromp en revenant aux chapitres
i prlcdents. ou votre courssincessaire.

J.
Remarque prliminaire:
On ne suppose pas a prion que la matrice est relle ou complexe. pas plus qu'on ne
fait d'hypothse surla dimension (finie ou non). Attention ne pas aller trop vite dans
vos conclusions...

Notations:
Pest un polynme; A une matrice; u un endomorphisme; P(u) un polynme en u.
i,
Rgle et but du " jeu .. :
Pourchaque item..11 s'agit de rpondre vrai ou faux. de faon non alatoire sipossible.
en justifiant soit par une courte dmonstration (thorme; ou petit calcul. ..) du rsultat
sivous pensezqu'IIest vrai ou por un contre-exemple dans le cas contraire.
\
Peut se jouer plusieurs.avec un chronomtre br ventuellement de l'argent (de 1
prfrence liquide). c'est plusmarrant...
1.,
1

i. Valeurs propres, vecteurs propres et espaces propres

1. o est valeur.propre de toute matrice

2. estvaleurpropredeAssi Ker(A-.I)o'0

3. SIx est vecteur propre pour u Ill'estaussipour P(u).

4. SI/>IX = k.X alorsXest vecteur propre de A.

---- ---- ----

 lU. Best of , Vrai ou faux: rduction des endomorphismes 221

5. SIu admet n voleurs propres distinctes alors peu) aussi. (dlm <+~) 5. SI P(A) = Q et P(Q);tQalors A est Inversible,

6. Si A est Inversible li ,existe un polynme tel que P(A)=O et P(O)..cJ,

6, Des vecteurs propres associs des valeurs propres distinctes forment une "
famille libre,
7, Si A est Inversible pour tout polynme tel que P(A)=Oalors P(O);I{),
7, Un endomorphisme admet un nombre fini de valeurs propres,
. !- 8, Si A est inversible alors son Inverse est polynmlal en A,
8. Un endomorphisme admet un nombre fini de vecteurs propres,

9, Un endomorphisme admet un nombre fini d'espaces propres. On suppos~ dons les quesffons9 17 que XA(X)=(X-l)2,(2-X)
10, En dimension finie, un endomorphisme admet un nombre fini de valeurs propres, 9, A est ncessairement de taille 3x3 puisque son polynme corocfrtstlque :e~t de
degr 3,
11, En dimension finie, un endomorphisme admet un nombre fini de vecteurs
propres,
10, A est diagonalisable,
12. En dimension finie, un endomorphisme admet nombre fini d'espaces propres.
11, Les seules voleurs propres possibles de A sont 1 et 2,
13, Toutes les voleurs propres sont racines du polynme caractristique,

. 14. Toutes les racines du polynme coroctrtsnques sont valeurs propres de A.

1
12, 1 et 2 sont voleurs propres de A,

1 13, Les valeurs propres de A sont exactement 1 et 2,

15, Dans R. la somme des valeurs propres d'une motrice n'est pas forcment gale 1
la trae de cette matrice: 1
14, dlm El = 2 et dim E2= 1
f
16, A et lA ont mmes valeurs propres -i-[ 15, El EB E2 =E

17, A et lA ont mme polynme caractristique, j 16, A est Inversible.

J..
18. A et 'A ont mmes espaces propres, 17, (A-I),(A-2,1)=O

19. Ker A et lm A sont des espaces propres de A. On suppose dons lesquesffons 18 26 que (X-1)2,(2-X) est annulateur de A.

20, Ker A et lm A sont des espaces stables de A. ! 18. A est diagonalisable,

21, 'SIAB=BA alors tout espace propre de A est stable par B,

r1 19. Les seules valeurs propres possibles de A sont 1 et 2,

22, Si AB=BA alors tout espace propre de A est propre pour B,

. ,-.': ,
20, .~1 et 2 sont valeurs propres de A.
23, SIAB=BA alors A et B ont mmes voleurs propres,
21. Les voleurs propres de A sont exactement 1 et 2,
24, AB et BA ont mmes voleurs propres,
22. A est inversible,
25. AB et BA ont ,mme polynme caractristique, , ~, .,
.,

1 23, dlm El=2 et dlmE2=1

26. Tout endomorphisme admet au moins une valeur propre,
24. El EB E2 = E

2. Polynme caractristique et polynmes annulateurs

f 25,

26,
(A-I),(A-2.1)=0

'.E=Ker(A-i)2eKer(A-2.1)
1. SI P(A) = Q les rcctnes de P sont les voleurs propres de A.
3. Rduction des endomorphismes
2. SI P(A) = Q et P est de degr n alors P est gal au polynme caractristique,

3, Le polynme caractristique est un polynme annulateur. 1. Toute matrice symtrique est diagonalisable.

4. Une matrice non diagonalisable ne peut pas avoir de poiyrne annulateur, 2, Toute matrice relle est trigonalisable (cor Il suffit de la considrer
matrice complexe et que toutes les matrices complexes

.-" ..
_;: ...

--------------------------------------------
 222 METHODIX ALG~BRE
10. ',Best 0(.Vrai ou faux' rduction d d
. es en omorphlsmes

3. SIP est scind et P(A);O alors A est diagonalisable.

Rponses
4. Une matrice de rang 1 est diagonalisable.
1. Valeurs propres, vecteurs propres et espaces propres
5.
1. FAUX
6. La somme de deux endomorphismes diagonalisables est diagonalisable. Cela voudrait dire que toute matrice a
motrice n'est injective et que GL t Idun noyau non nul. donc qu'aucune
7. SIpour toute voleur propre de A dim El. = mult x.(~) olorsA est diagonalisable. contre-exemple pren~z l'identt' nCes v e. ce qui se s,au,rait. SIvous voulez un
.
O est un vecteur propre (assocl' - 1 qui ont rpond u que A .0,,:0 pensent que
1 e. eux
vecteur propre est non nul par d~n~o~. valeur propre 0) mais ils. ont tort: un
8. Un endomorphisme diagqnallsable admet toujours une voleur propre.

9. Un endomorphisme.trigonalisable admet toujours une voleur propre. 2. FAUX

10. Deux endomorphismes diagonalisables qui commutent sont codiagonallsables. Dire qu'un espace vectoriel est vide- n'a
au moins le vecteur nul. La bonne dfi ri auc~n. sens. puisqu'il contient toujours
11. La somme de deux endomorphismes diagonalisables qui commutent est de A sst Ker(A -.I) {O}* ni on es evldemment ~ est valeur propre
diagonalisable.

12. Deux endomorphismes diagor:Jalisabies qui commutent ont une valeur propre 3. VRAI
commune. '
Il ~ufflt de remarquer par rcurrence ue 1 ()
13. Deux endomorphismes diagonalisables qui commutent ont un vecteur propre = =
u (x) k.x et donc par linarit; P(u)(~) ~(I.);:
. =.X et x*o alors pour tout k
commun. .

,1 4. FAUX
14. Si A est diagonalisable et Sp(A) ={O} aiors A est nulle.
!
:1
TOujours le mme problme: il faut rajouter que X est non nul.
15. SI A est diagonalisable et Sp(A) ={1} alors A=1. 1.
/
5. FAUX
./
16. SI Ae 9of3(R) est telle que XA(X) = (1- X)(1+X2) alors Il existe Pe 9of3(R) tq : SuppOsez que les voleurs propres salent ( ~) t
e considrez le pOlynme:
. P(X)= n (X-
1"""n

_J
j)

A=p-f 1 Il est annulateur de u donc P(u) n'a qu'une valeur propre: O.

6. VRAI
17. Soit J la matrice dont tous.tes termessont galJx 1.
C'est un rsultat du COurs aui se dm tr
Comme J2 = nJ les valeurs propres de J sont. 0 et n. trs utile. et permet de fa' on c _::Jn e por exemple por rcurrence: Il est
le chapitre 3 mthode Sbi;). ~tau, nee de montrer qu'une famille est libre (cf.
18. Tout noyau d'un polynme en u est'stable par u.

19. Tout noyau d'un polynme en u eststabie par v qui commute avec u.
'7. FAUX

SI P(X) ~ rr
1
(I- xt' est 'annulateur de A (questions 20 24),'
la drivation dans l'espace E des fonctloris C- ,
propre et comme vecteur propre associ e..x. admet tout reel pour voleur
20. AI.l moins l'un des rels I est valeur propre de A.

1 s. FAUX
21. . Tous les .1 sont voleurs propres de A.
Cf. exemple prcdent.
22. SI I est valeur propre de A alors ncessairement dlm E.., :S ai' (
- 9.

l
FAUX
Cf. exemple prcdent.

ID. VRAI
Ce sont les racines d'un pOlynm ( " .
donc Il ne saurait y en avoir plus d e caracteristique) de degr n (taille de E)
en.
r
l
"

'.,
r.
l -"~". '(
 224
METHODIX AlGEBRE
10. Bestof 1>. Vrai ou faux..rducnon desendomorphismes
225
11. FAUX
Dsque x est vecteur propre,tout vecteur .x est propre lui oussi,ce qui en fait 22. FAUX "
dj une infinit.
Uncontre exemple simplepourraittre le raisonnementsuivant: siA est scalaire
elle commute avec n'Importequelle B.E estun espace propre de A. et dire qu'il
12. VRAI est propre pour B impliquerait que B soit scolaire ce qui n'est pas forcment le
cas pour une matrice quelconque!
Il y a autant d'espaces propresque de voleurspropres donc cf. question1O.

13. VRAI 23. MUX .

Voir chapitre prcdent. Prendre I.et 2.1et puis c'est fini. Il ne s'agit pas de confondre,ovec.J'rionc d~
l'item 24. . . .
14. VRAI et FAUX ..
L'offirmationest mal formule: elle est vraie dans un corps Comme C, mais pas 24. VRAI
dans R car Il yale problme des racines complexes du oolvnerne On l'a dmontr au chapitre prcdent. thme nOl.
caractristique ( coefficients rels).
Il faudrait donc dire, sil'on veut avoir un nonc mothmatiquement correct:
Touteslesracines dans le corps de base de Esant valeurs propres de A. 25. VRAI
Ibidem.
15. VRAI et FAUX
. C'estle mme problme que 14 : en toute rigueur c'est faux cor Il se peut que la
mtrice ait des valeurs propres complexes. Dans ce cas Il faudrait dire que la
trace est la somme de toutes lesracinesdu polynme caractristique.
L'nonc est vrai sansrestrictionpour lesmatrices complexes.
1 26. FAUX
C'est vrai dans C, mals pas dans R. Cet nonc reviendrait dire que tout
polynme rel est scind. ce qui n'est videmment pas vrai. Prendre par
exemple la matrice relle:
16. VRAI
Cf. question suivante
1 A=(~l ~J
r
17. VRAI
Eneffet le dtermInant d'une matrice est gal celui de sa transpose donc en
revenant la dfinition du polvnme caractristique on voit que a marche
sansproblme.
f 2. Polynme caractristique et polynmes annulateurs
1. FAUX

18. FAUX Ce qui est vrai est que. les valeurs propres sont Incluses d;:lns l'e~serr:~ledes
racines de tout polynme annulateur malsIl n'y a pas forcement egailte entre ..
Unexemple trs simpleest la matrice ces racines et ces valeurspropres.Exemple: A=Iest annule.par (X-'lJ3.(2-:-X) ..
et pourtant 2 n'estpasvaleur proprede l.i, ..
'A=(~ ~)
pour laquelle on constate trsfacilement que ~
2. FAUX. . 2 .
El(A)=vect(~) E2(A)=vectC) El(tA)=vec{~l) E2UA)=vect(~J Prendrepar exemple A=Ien dimension3 et P(X)=(X- 1) ,(2- X)

19, FAUX 3. VRAI

C'est le thorme de Cayley-Hamilton.
KerA est un espace propre (ventuellement rduit 0) mais lm A n'a aucune
raison d'tre un espace propre dans le cas gnral (c'est vrai pour un ,
projecteur malsce n'estpas une raison), . :
FAUX
i '
'Toute matrice admet son polynme caractristique comme polynme
20. VRAI annulateur, et ce qu'elle soltdiagonalisableou nd(l.
Il suffit de verifier que siAX=OalorsA(AX)=Oce qui est clair et que si Y=AX alors 1
AY est dans 1mA.ce qui est clair 1!l1 !
j 5. VRAI
21. VRAI Eneffet on peut crire P(A)=Osousla forme
Rsultatclosslquede cours. A(- C1nAn-1+
...+a11)=1
. 00
(notations videntes)qui prouve bienque A est Inversible.
 METHODIX AlGEBRE
10. Best of li. Vrai ou faux: rductlon des endomorphismes 227
6. VRAI
1/ suffit de prendre le 01 - '.
que le dterminant d:A. ~~~~~I~~~;:~~~~~e d~nt '~ valeu: PCO) n'est outre 20. FAUX
e pu squ elle est Inversible. 1admet P comme polynme annulateur mais 2 n'est pas valeur propre de J.
7. FAUX
Si P est annulateur d A 21. FAUX
on prend Q(X)-X e quel que soit Q. QP est aussi
polynme - . on a X.P annulateur de A et vIde annulateur. Notamment si Cf. rponse prcdente.
. mment 0 est racine de ce
22. VRAI
8. VRAI Lesseules valeurs propres possibles tant 1 et 2 0 n'est pas valeur propre.
On l'a dj dmontr 123
plus tard qu' la question 6456789 fois dans ce livre. et on vient de 1 f .
. e ous pas 23. FAUX
On n'en sait rien: prendre l'Identit en dimension 19951
9. VRAI
Le degr du pol
ynome caractristique est gal la d' .
Imenslon de la matrice. 24. FAUX
la. FAUX Cela voudrait dire que A est diagonalisable et on a dj dt! le contraire.

On n'en salt rien a priori: elle peut l" t

e re ou ne pas l'tre.
25. FAUX
II. VRAI Mme argument: ce polynme' est annulateur scind racines simples et A
serait diagonalisable.
les valeurs propres sont exactement les racines du poty _
nome caractristique.
12. VRAI 26. VRAI
Cf. rponse prcdente. Utiliser le lemme des noyaux. Evidemment. l'un des deux espaces peut tre
rduit O.
13. VRAI 1.
~,
Cf. rponse prcdente. f'o.'

14. FAUX
~,n n'en salt rien a priori
i
,
':'"
3. Rduction des endomorphismes
m El s 2 et dim E2 s 1 on peut seulement affirmer des
Ingalits
1. FAUX
15. FAUX 1 Ce n'est pas vrai pour une matrice complexe (il suffit qu'elle salt hermitienne
On n'en s 't 1 . . 1 pour que le rsultat soit.vra!). C'est en revanche vral pour une matrice relle.
OJ r en : cela voudrait dIre que A est diagonalisable. 1
.,1, :.
16. VRAI 2. FAUX
o n'est pas valeur propre de A Dire qu'une matrice relle est C-t(.lgmalisable estvrai : cela veut dire qu'II existe
une base de vecteurs de C n ans laquelle l'endomorphisme associ A est
-1-7.-- "FAUX .-:-..- -_.- _.._.- - .._. _.- ---- - ------ ...- - - ._ .....- --. --_ ... - - - .. _ .. 9,1999001 !elQ 'yeJ:lt_lI~._d~ J9..2'1.gu):.!qJ_e.0!eLqlJ'll_e.~ls!~I,l_n~!]lg!rle__cj~
passage P complexte telle que A = P- TP o T lest triangulaire. Mals rien ne
SiA est dlaganalisabl . garantit qu'II existe une matrice T relle et une' matrice P relle telle que la
e cette relation sera vraie. et rCiproquement. mme proprit soit vrlfie.
18. FAUX
On n'en salt rien: la matrice
3. FAUX
Il est suffisant que P soit scind racines simples ..

. est.(JnrJulE)_
par ce POlynme sans po( ~ D "..... . '.Alnsl._la rTlatrlce (~ ~) est annul_e par le_.polyn_me. _X2 et n'est pos
, ur autant etre diagonalisable.
diagonalisable sinon elle serait nulle (saseule valeur propre est 0).
19. VRAI '1 .~

SI . est valeur oree tP

re e annulateur alors P(.) = 0 4. FAUX
On a montr dans le chapitre 8 qu'une matrice de rang 1 est diagonalisable ssi
sa trace est non nulle .

. ---'---~."--.-
 228 METHODIXALGEBRE 10, Best of . Vrai ou faux: rduction des endomorphismes 22C,
a,

5. VRAI VRAI el FAUX

JI suffit de trlgonaliser A pour le voir.
17.
Le rsultat est Vrai et le raisonnement est vrai to.ut en tant incomplet,
En effet. les valeurs propres sont a priori Incluses dans l'ensemble {O,n}. SIl'uri de
6. FAUX ces scalaires n'est. pas valeur propre, cela veut dire par exemple que J (resp.
J - ni) est Inversible; en multipliant la relation J2 - ru par l'Inverse de J (resp. de
Prendre par exemple : (~ ~) et (~ _~) dons C. J-nl) on en dduit que J;nl (resp. J~O). Comme J n'est manifestement pas
scalaire aucune de ces hypothses n'est acceptable donc les deux scalaires
sont valeurs propres.
7. FAUX
C'est viol dans C mais pas dons R : prendre par exemple dons Ms(R) une 18, VRAI
matrice dont le polynme caractristique soit XA(X)~(2-X)(1+X2)(X-l)2 telle Immdiat dmontrer.
que les espaces propres associs 1 et 2 soient de multiplicit 2 et 1, Elle n'est
pas diagonalisable vu la somme des dimensions des espaces propres.
19. VRAI
Idem,
8. VRAI
C'est vident: li suffit de diagonaliser A pour le volr..;
20. VRAI
! Sinon toutes les motrices A -1..,.1 seraient Inversibles et en multipliant la relation
9. VRAI P(A)=O par leurs Inverses on arriverait montrer 1=0ce qui serait gnant,
, Mme rponse que prcdemment.

10. VRAI 21. FAUX

Voir les exemples prcdents, par exemple A=I et P(X);(2-X)(X-l)
On 1'0 dmontr au chapitre prcdent et ce rsultat sert constamment. .~ _..... 0'.',' r:

{,J .
11. VRAI. 22. VRAI
Puisqu'lis commutent et sont diagonalisables, Ilssont co diagonalisables et dons C'est un rsultat du cours.
cette base leur somme est diagonale elle aussi. . _
4 _.'
23. VRAI
12. FAUX Appliquer le lemme des noyaux.
1et 21 sont diagonalisables et commutent mois n'ont pas de valeur propre
commune.
FAUX
13. VRAI Essayer de comprendre pourquoi cela reviendrait dire que toute matrice.
C'est la premire tape .de la dmonstration du rsultat de la question 10. nilpotente est nulle.. ,
Revoir le chapitre 11,

15. VRAI
A est semblable la matrlce diagonale qui a dsc 1 sur sa diagonale, donc la
matrice Identit, donc elle est gale p-l,l, p; 1.
{
16. FAUX
La matrice P ne peut pas tre relle, sinon le produit p,AP-l le serait aussI. or ce 1
Produit a des termes diagonaux complexes. t
- 1 .

. '
 Chapitre 11

METHODES DE TOPOLOGIE MATRICIELLE

Contrairement 6 la majorit des chapitres de ce livre. celui-ci ne correspond pas

directement une partie prCisedu coursde classe prparatoire. C'est pourtant un
thme tout fait transversal.et sonsdoute l'ekemple le plus manifeste de passerelle
entre l'algbre linaire et l'analyse.portant c'est un sujet un petit peu plus difficile
porce qu'IIempruntedesmthodeset desrsultats ces deux parties.

Dans le souel permanent de clart et d'efficacit qui est le notre. nousavons pens
qu'il vous seraitutiled'avoir desrfrencesprcisespour remettreleschosesou point. si
ncessaire.Ce chapitre reprenddonc desnotionsabordes:

- dans le tome 1: chapitre 3 (espacesvectorielsnorms)

chapitre 16 (calcul diffrentiel)
chapitres86 13(suiteset sries)

- cons le.tome2: - chapitre 9 (d!agonallsation.thorique)

chapilre 14(alg9re_~llInqire) -

Ce chopltre .constituedonc pour lesexaminateursune occasion sonspareillepour voir

si le candidat a russi prendredu reculsurle programme - ce qui n'estpostoujours
simple - pour voir les liens et les points communs entre diffrentes parties du
programmes. C'est surtout l'occasion de poser des exercices de topologie plus
concrets. dons la mesureo le candidat est cens tre plus familier des espaces de
matrices que d'espacestopologiquesnormsabsolument quelconques (on" voit" ce
qui se posse).

Il doit notre avis tre pour vousle moment de taire le point surles chapitres listscl-
dessusafin de vous assurerque vousmatrisezbien les diffrents outils ncessaires.
).
,
..
Ensuite.et ensuiteseulement.vouspourrezl'aborder.

1. ~~rmes sur les espaces de matrices

Les espaces de motrice possdent. du point de vue topologique. deux

caractristiques qui en font des structures assez riches et en mme temps assez
populaires aux yeuxdes candidats:
- Ils sont de dimension finie (ne nous dites pas que vous ne l'aviez pas
remarqu. on aurait quelque peine vouscroire) ;
l
~. - Ilssont norrnobles.et ce de diffrentesfaons.
l" Or on a dj eu l'occasion d'expliquer(cf. tome 1. chapitre 3) que la topologie surun
1 evn de dimension finie tait sensiblementla mme que celle qu'on peut folre,surR.
pour peu qu'on raisonne surR sonsfaire Intervenir l'ordre. Ces espaces sont donc a
priori sympathiques.. . .

On ne tatt pas d'hypothsesurle corpsde base(R ou C). On prciserale cas chant

les proprits spcifiques l'un ou l'autre cas. Dons le cos contraire. elles sont
communes.
 232 METHODIX AlGEBRE 1 1 Mthodes de topologie matricielle 233

On note par la suite 'J{_ l'ensemble de toutes les normessur Mn (pas la peine de vous Or certdlnes normes sont mieux adoptes que d'outres J la situation. Donnons
quelquesexemplespour illustrernotre propos:
affoler. on n'a pas besoin de savoir ce qu'il via dons cet ensemble. c'est seulement 4 '
pour avoir une notation commode; remorquons quand mme que ce n'est pas un ~ de manir~ g~nrale. une norme subordonne prsente plus d'avantages et de
espace vectoriel. bien qu'il soit stable par addition. pour la simpleet bonne raisonque souplessed'utilisationqu'une norme quelconque (notamment pour l'tude des sries
o n'estpas une norme). N dsignera un lment quelconque de 'J{_. de matrices);

- si on foit de la gomtrie euclidienne sur !Mn;'il est 'certain que la norme

subordonneJ la normeeuclidienne seraIntressante(cf. mthodes suivantes);
METHODE1 : Comment montrer que N est une norme sur Mn
- pour l'tude dessuites.la norme cite la mthode 1 est assezutile (en effet. dir :

qu'une suite de matrices'converge qUivaut bien dire que les n2 suites,de ses)', ,"
Principe: coefficients sontconvergentes: Il suffit d'crire la convergence pour cetfe norme-ci. -::-:'.'
On vrifie simplement la dfinition en troispoints.c'est--dire: qui est quivalente J la convergence selon n'Importequelle norme - pour le voir: <.: .:
(i)\iAe!Mn N(A)~O etN(A)=O ssiA=O 't(LJ) 'tp 1 aiF -0;11 s 2: 1 a;f -a;d
= N(Ap-A)~ 0 ,:::-
1.) P-
(II)'v'Ae !Mn 'v'.N('J...A)
=1 .I.N(A)
donc le terme de gauche tend aussivers0).
(Iii)'t(A, B) e !Mn2 N(A+B):::;N(A)+N(B)
- pour l'tude desvaleurs propres. la norme subordonne la norme euclidlennne est
assezefficace (videInfra).
REMARQUES:
Danstous lescas. sil'exercicequ'on vouspropose n'imposepas de norme particulire.
ti Lorsquela matrice est complexe. sa norme est quand mme relle et (1) veut dire: Il pourra se rvlerdterminant pour le bon droulement des oprations d'effectuer un
choixjudicieux de norme. .
la norme de A est un rel positif (on a dj vu des gens perplexes ce sujel; alors
maintenant on se mtle...).
o Dans le mme ordre d7de. le scalaire . pouvant tre complexe. c'est son module METHODE
3 : Comment dterminer une norme subordonne (triple)
(ou sa voleur absolues'l1est reOqui Intervient dons (Ii).
Rappels:
o Eviterde dire. comme c'est trop souvent le cas. qued N est Irivlalementune norme ,
On salt (cf. cours) que Si ~ . 1 dsigne une norme quelconque surKn. ondfinit une
Si on vous demande de le vtitler; c'est peut-tre qu71y a un petit quelque chose
faire... norme N sur!Mnen posant (au choix. lestroisdfinitionssontquivalentes) :

Exemple: montrer que N(A) = L 1 ail 1 est une norme. N(A)= sUQ~HAXXII~ = sup IlAX ~ = sup IlAX Il
x..o " IXI=l IXi~l
l) .
-,:;
Pasde problme particulier:
- c'est une somme de modules donc c'est bien un scalaire positif ou nul; s'IIest nul 'bn dit que N est subordonne ~, Il (curieusementcet adjectif n'est pas.connu de., ..,
tous lesmodulessont nuls.donc tous lestermesde la matrice sontnuls.donc la matrice tous; trange ...)... . , ,,'
est nulle.
- (II)et (III)sontclairspuisque 1 1 (module) est une norme surC. Unetelle norme estalorscaractrise par le fait que:

N{A)=int{M>O l 'v'XeKn~AXII ~ ivIIIXII}

MElHODE2:Comment montrer que deux normes sont quivalentes sur Mn J

'.1
Touteslesnormesne sontpasforcment subordonnes;en effet. la norme de l'Identit
doit tre gale 1 51 la norme est subordonne ; prenezla norme de l'exemple 1 .: ic
norme de l'Identit.estgale J n...
Rappel:
Touteslesnormessont quivalentes sur Mn_parce que c'est un espace vectoriel norm l~;'. -'/.
.i.
Intrt: . .
g;~~~~n~:~~~g~d~e~6
i~nti.tUl-d~'-I~;;thOd~-~ ~y; rien foire pour le d~ontrer. \ 'i:Oi::;L,('~:~:::;f~~:f~~~g_e
oe.ce _type_denorme tlentou tottcue.rondisposedeslnri;gCllltssuivantes:
a se fait tout seul. .: :f.j.f .: ',t.;~.~;\,~
" l' Il : ~$II:II~~IiiBXII~
~
Intrt: t~ " . au u u
L'Intrtprincipal n'est pas de savoir qu'II existedes constantestelles que ~N' s Ns aN'.
ni,_mmede calcule! ~es constantes. C'est surtout 10 libert de choix lorsqu'il s'agit
li '.~.,;,i..:.:.
,__
'. .. " i
1 AP s 1 A f
d etudier une proprtete topol<_;>glql

---. ~o~v~~:~o~_~u~e_~~rm__:~l.:__
uel puisque par dfinition mme toutes les normes
.el)s;Jenqrerontdest()p<;jloglesequ va entes (si une sotte converge pour une norme elle
--- ----- - ----- --- -- - - - - _.- -- - -- - - -- --- ----- -:-1 1 1-
'I_:.t,,~,,.:..~
>
C.,
...e_".~
.

_ _ ___________ _ _ _
i~,,'.. allt.ssonttrsprcieuses; par exemple la dsrnl re sertpour lessries...

~g~~.
:.';.;:.
;~ji'",
1
234 METHODIX ALGEBRE 11. Mthodes de topologie matricielle 235

Principe de calcul: METHODE4 : Comment reUer les normes aux valeurs propres
On ne peut en gnral pas calculer directement le sup qui Intervient dons la dfinition
rappele ci-dessus.C'estpourquoi le calcul se fait souvent en deux temps:
IlYCI essentiellementtroisfaons de faire:
1) On majore le plus finement possible, pour X vecteur quelconque, ~N< ~ par une
Rsultat 1 :
quantit du type M. 1 X Il.On en dduit alorsque: M ~N(A). Pourtoute norme subordonneN on a :
VeSp(A) 1ISN(A)
2) On construit explicitement un vecteur de norme 1 (II X ~= 1) tel que i N< ~= M (si on
a major assezfinement en 1), normalement c'est possible.Sinon," fout recommencer (voirdmonstration au poragraphe suivant,question3) ).
s ~A!.IIXII
en 1)). On en dduit alorsque M = 11N<11 = ~A~. .
Finalementon a l'galit: M=N(A). Rsultat 2 :
SIIl . ~dsigne la norme euclidiennesurK n et N sUbordonne Il . Il :
Exemple: dterminer la norme subordonne 611X ~= sup 1 XI1 sur C n :
1
1) On calcule (N<)I= I, aljxj' On majore donc por Ingalit 11iangulaire:pour toull, IX~=~
J ..
et N(A)=max{,fI", eSP(A'A)}
I (N<)II~I,
j
ladlxJ!ssup
))
IxJ!.I, lalJl=IIXII, lalil
J
ce qui offre en fait un moyen dtourn de calculer la norme triple, qui est assez
Pourobtenir un majorantindlpendant de III suffitd'crire: efficace pour les motrices de petite taille (sinon,c'est pas dit qu'on sache calculer les
voleurspropres 1).
VI 1 (N<)I 15:1 X IIsupI, 1 aij I=MF
1 J
i i SiA est autoadjointe, elle est diagonalisabledons une BON.Enraisonnantdans la BON,
_1
Parpassage au sup (sur1) on en dduit l'ingalit : 1N<~2
= i ltX? s(mox A.?).i X? =(max ?).IX~2
1~1 . 1=1
avec galit pour le vecteur propre associ la plus gronde voleur propre. Donc
_ i- =
lAI max II.On remorqueaussi que IIA~= SUR I(AX X)I
On en dduit donc: M~N(A). . p~
Lepassage ou cos gnralse fait en considrantA' A autoadjointe positive
2) Sion prend 10 tel que:
I, 1 Di J I=sup I, 1 ai) I=M ~Ai2 = SUR = SUR I(N<, N<)I= sup I(X,A * N<)I= liA * Ail
1N<~2
Jal ) IXI~l IXI=l IXI=l
et qu'on pose :
et en vrifiant que A et A* ont mme norme.
Ce qui prouve flnolementque:
on dfinit le vecteur X de norme 1 :
X ~ ( e-161, e-16" e-16 )
Parconstruction:
Rsultat3:
Il coricrne les rsultatsrelatifsau rayon spectral. Nousl'Indiquons Ici pour mmoire,
, puisquetout le paragraphe suivantest consacr la dfinition et aux proprits du
REMARQUES: rayon spectral.
o On a constat que les roisonnements avec des sup posoent beaucoup de
problmes. Il est toujoursplus simple, 6notre avis, de raisonneren troistapes: majorer
X par y; en dduire que X est intrieur 6Sup Y; enfin en dduire que SupX est major 2. P..ayo_n
spectral.
par $op Y.(le sup estle pluspetit majoranf).
. _
( .. Appllcation aux suites et sries de matrices
o Attention.'dans {(j'dfinition de la norme frfple le sup n'est pas un max (a priori) en ..
revanche, dans la dfinItion de 10norme de l'exemple, Il s'agit videmment de max '" est difficile de parler d'exposer une mthode proprement parler pour ce qui
(puisque le nombre de termes est fini), ce qui permet de dfinir l'indIce 10 comme \
concerne le rayon spectral. Il s'agit plutt de proprlts-hyper-classlques-qu'U-faut-
prcdemment. 1 connaitre-et-savolr-dmontrer-cor-elles-peuvent-touJours-servir selon l'expression
o La norme du sup des coefficIentsn'estpas subordonne 6 une autre norme: irr consacre.
Signalonstout de suiteque cesrsultatssont assezdlicats prouver.
ciri ~ p~e sur !\ln(iC) .
.J
236 METHODIX ALGEBRE il. Mthodes de topologie matricielle 237

'JI(_ dsigne ici l'ensembledes normessubcrdonnees, 4) On aurait tort de sepriverd'une base de dlagonallsatlon.Soitdonc e une telle base.
Dans cette base. la matrice est diagonale (ah bon 7) et la plus grande des valeurs
Rsultafs connatre: propres en module concide avec le plusgrand descoefficients en module.
1) p(A)=max{1 l.l; ;l.eSp(A)} Sion prend donc comme normesur Kn
2) p(AB)=p(BA) ,
Il X ~~sL!P!Xi!
(o les coordonnessontvidemment prisesdonscette bose. on s'estpascassla tte
3) "tNe'Jl(_ O!>p(A)!>N(A) pour peanuts) alors d'aprs ce qu'on a dit l'ex.emplede la mthode 3) la norme
subordonne sera:
4) siA est diagonalisable 3Ne 'JI(_ t.q; p(A)=N(A) N(A)=sup
1 J
aij 1 LI
5) "tA "tE>O 3Ne7{ t.q: p(A)SN(A)Sp(A)+E. li est simple de constater que pour la matrice 0 (diagonale) cette quantit est oussl.
6) il Y a quivalence entre: gale au plusgrand des coefficients. donc. d'aprs notre laus prliminaire.ou rayon ~:-s
(i) p(A)<l spectral. . '.'
(II) 3Ne7{ t.q: N(A)<l REMARQUES:
(lIi)Ak~O
o Pourquoi ltVUS demandes-vouspeut-tre, n 'a-t-onpaspos plus simplement:
(Iv) L Ak converge N(A)=s~F 1 aij 1
1
qui est Incontestablement une norme? Parce que cette norme n'estpas subordonne
7) "tN e 'JI(_ p(A) = I~r:; [N(Ak)]'k (admettre l'existencede la limite) (cf. plus hou!).

Dmonstration des rsultats: o Af.tentfon: on n'a pas dmontr qur! existaitune norme telle que pour
toute matrice
Nous conseillons au lecteur consciencieux que vous tes d'accorder autant diagonalisable on aif galit mois que pour chaque motrice diagonalIsable il exIstait
d'importance la faon dont on dmontre ces rsultats: lesdmonstrationsmettent une norme telle que. ce qui n'estpas du toulla mme chose. el limite beaucoup la
en uvre des mthodes trs classiquesen topologie matricielle.. porte du rsultatet sonintrl pratfque {nulj.

On peut dfinir le rayon spectral de plusieursfaons diffrentes; videmment les

faons de procder pouaont diffrerselonlesdfinitionschoisiesau dpart. . 5)'Question trsdifficile. .
Il Ya en gros deux faons de faire,' On va se servirdu rsultatdmontr au chapitre 9 (annexe) : pour tout E:>O. Ii existe
- ou bien on port d'une dfinition algbrique (celle du l)) et on cherche montrer les une matrice p Inversibleet une matrice T triangulairesuprieure dont lestermes non'
proprits topologiques en s'yramenant. diagonaux vrifient:
- ou bIen on port d'une dtfnltfon topologique (celle du i?) et partir de l le plus
sImple est de vn'fler que cef.te dfinItion coinclde bien avec la dfinition 1), qui
possde l'avantage d'tre beaucoup plus maniable donsles calculs et plus concrte tellesque:
dons les raisonnementsque la i? (on. volt" ce qu'estle plus grand module des voleurs l: A=p-l.T.P
propres. porcontre ou 7) on est un peu mal 0
Pour notre port. nouspensons qur! estpiUSnaturel de dfinirle rayon spectral comme onsldrons la norme subordonne la norme du sup sur Rn.On a drnomr : .
la plus gronde des voleurspropres en module. vu que spectral fait bigrement penser (exemple de 10 mthode 3) que la norme correspondantetolt: ":,. ..'." :'...:'
-:.1'-
ou spectre ... non?
liA! = supL 1 O;j1
1) rien dmontrer d'aprs notre laus. 1 J
Calculons la norme tilple de la matrice T Introduite prcdemment on :vbii'.;': ,
2) vident: AB et BA ayant mme polynme caractristique (Ch. 11) ont mmes Immdiatement que: "', , X'
valeurs propres. donc mme rayon spectral. <,
Pi s sup! t1d+e= p(T)+e=p(A)+e
;. 1
3) Soit I. e Sp(A) et X un vecteur propre (donc non nul) associ: AX = I.X ce qui donne. Il n'est pastrsdifficile de remonterau cas gnral. Il suffitde dfinir la norme Npar:
en norme (celledont drive la normesubordonne): N(M)= PMP-lj 1
. "W- 1 ;l.1=~i~1111 ';\~~;'~';:";:,;:4i:'~;"C;~.,p ~estla matrice prcdemment dfinie. On constatealorsque: N(A) =~Til .
.'if~:''i \~: ,:.t~}~,.~~0,
. .r-,.-
et par dfinition de la norme subordonne: .. ~,;, 6) (1):::) (II)
Il AX IlSN(A)
OXij j!:.~.~@ ::cne en utilisantla normeconstruiteE
~~_~~~:~ prcdente en choisissant:
ce qui donne une partie de l'Ingalit.L'outreest claire. vu qu'on prend le sup (qui est
un max) de termestous pasitlfs. .. puIsQU'alors:
:_.j/"

Remarquons ou passoge que;le rayon spectral est nul ssltoutes lesvaleurs propres de .'.~~. ~..~.-~.
~)';~ :,
I~:~ .!L ,.~..~.':j:.-."::.': _.
la mafrice sont nulles.ce qui equlvaut.dons C. dire qu'elle est nilpotente:

li:\]:" ;;''''''>':''''",,''''.r'~'. .'.

 L4U METHODIX ALGEBRE 11. Mthodes de topologie matricielle 241

Une matrice orthogonale est de norme n. Donc elle est borne (au sens -.de cette Exemple,' rnontrer que l'ensemble O(ri) des motrices orthogonales est compact.
norme). Qn a dj montr qu'il tait born. Soit par ailleurs l'application de M',,(R) dons lui-
~me qui une matrice A associe:
Evidemment. on peut s'amuser montrer que les coefficients ne sont pas trs grands
mols bon il faut rflchir et nous, on n'aime pas trop. . <l>(A)=tA.A-1.
Elle est manifestement continue. car chacune de ses n2 composantes est polynmlale
en les coefficients de A. Or
0(1'\) = <l>-l{OMo}
METHODE6 : Comment montrer qu'une partie est ouverte/ferme
Donc l'ensemble. est l'Image rciproque du singleton motrice nulle (ferm) par.
application continue, et portant Il est ferm.
Il va de soi que l'ensemble des caractrisations exposes au chapitre 2 (Mthodix
analyse) est toujours d'actualit et nous ne sourions vous conseiller plus saine lecture.
Cependant. notre exprience des exercices et problmes de concours nous a montr
que seules deux techniques talent utilises pour cette question.
METHODE
8 : Comment prouver qu'une partie est connexe .
PrincIpe :
On prouve qu'une partie est ouverte en montrant qu'elle est l'image rciproque d'un Principe:
ouvert par une application continue. On montre gnralement une proprit plus forte (qui ne lui est donc pas quivalente)
On prouve de mme qu'une partie est ferme. en montrant qu'elle est l'Image o savoir la connexit par arcs, qui consiste relier deux motrices quelconques de F. par
rciproque d'un ferm par une application continue. un chemin continu tout entier contenu dons F.
On peut aussi prouver qu'une partie est ferme en regardant si c'est un sous-espace De manire toujours trs gnrale, on construit un chemin paramtr Inclus dans F
vectoriel d'lm espace vectoriel norm de dimension finie. Cependant, ce n'est qu'une Joignant une motrice simple (par exemple l'Identit, si elle est lment de F), une
condition suffisante alors que les autres talent des CNS (mals vous nous accorderez matrice quelconque de F.
qu'on volt l'oeil nu si une partie est ou non un espace vectoriel ...).
On peut noter qu'il est trs frquemment fait appel des dcompOSitions classiques
REMARQUES: des motrices, ou des formes rduites classiques de ces motrices: par exemple, on
peut citer la dcomposition polaire (cf. chapitre 17, 1. 2, 3) ou la rduction"
bien
. 0 Pour montrer qu'une applIcation est conttnue sur un espace de motrices, on montre connue des matrices orthogonales par blocs dt;! taille 2.
gnralement que ses composantes sont continues et qu'elle est potynorrua/e etc ...
Reportez-vous al! chapItre 16 du tome J. . Exemple,' montrer que l'ensemble F des motrices orthogonales de dterminant! est
connexe.
cr On peut galement, mois c'est plus rare, montrer qu'une partie est ferme en On salt (cf. algbre bilinaire) que toute matrice A orthogonale de dterminant 1
montrant que toute suite convergente de motrices de F converge vers une motrice de peut s'crire sous la forme:
F (c'est une CNS).

Exemple: montrer que l'ensemble F des motrices de trace nulle est ferm
La trace est une application continue car elle est linaire en dimension finie. (cf. tome .,": :.
1).
Or F peut tre vu comme Tr-1{O}. et {O} st un ferm de R.
C'est en outre.un espace vectoriel d'un ev de dimension finie ...
o q est pair et
Mise en garde:
On a dj abondamment soulign au torne l les btises qu'on pouvait entendre en
R. = (COSal -Sinei)
1 slnel casai
topOlogie. Quitte nous rpter, rappelons simplement Ici qu'une partie qui n'est pas
ferme n'est pas ncessolrement ouverte, et vice verso.
" est facile de construire un ~hemln continu joignant 1 (qui est dans F) A en posant:

' .. "

METHODE7 : Comment prouver qu'une partie est compacte

S (t) = (COS(htl -Sln(tlt}) R(t) = (cos(alt) -Sln(alt)
1 sln(tlt) cos( tJt ) 1 sin(ait) cosat)
Principe:
On montre gnralement qu'elle est ferme et borne pour une norme, donc on
renvoie aux mthodes prcdentes. '
Plus rarement. on peut vrifier que c'est une partie ferme d'un compact ou montrer A(O)=I et A(l)=A
que toute suite de points de F a une valeur d'adhrence.
Comme plus haut le choix de 10norme peut tre dterminant.
1 METHODIXALGEBRE 11. MthOdes de topologie matricielle 243

METHODE9 : Comment prouver qu'une partie n'est pas connexe 1i Proprits:

(i) Le groupe "naire est un ouvert dense de Mn.

Principe : 1 (ii) GLn(C) est connexe; GLnCR)n'est pas connexe

On montre gnralement qu'II existe (en l'explicitant) une fonction relle continue qui Dmonstration:
n'est pas constante sur F,
On montre qu'il est ouvert par la mthode 6. En effet. la seule caractrisation (en
Exemple: montrer que l'ensembledes motrices orthogonalesn'estpas connexe. termes d'quation) dont on dispose pour le groupe linaire est:
La fonction dterminant. qui est valeurs relles. n'est pas constante sur O(n) puisque
elle vaut 1 ou -1 sur cet ensemble. Donc O(n) n'est pas connexe, ME GLn ~ det(M) ; 0

REMARQUES: qu'on peut rcrire sous la forme plus explicite suivante:

o On ne se contente gnralement pas de comtotetcrS c tristessequ'une partie n'est .:

poscotinexe. On est ensuitesouvent Invit en chercher les composantes connexes.
Donsle cas de O(n), Ilest facile de montrer partir de l'exemple de la mthode 8 que
O+(n) et O-(n) sont les deux composantes connexes de O(n) (motricesorthogonales
de dterminant 1. et-l respectivement).
!,
\
(o K dsigne R ou C), Or {O} est un ferm de K. donc son complmentaire
ouvert. Comme le dterminant est une application continue. on en dduit
est un
que le
groupe linaire est un ouvert.
Q Le fait qu'il existe une foncHon continue relle constante sur une partie ne prouve'
1
REMARQUE:
naturellement pas qpe cette partie est cannexe.(penser la fonction nulle).
\ . 1
On pouva/~sansmal constater que ce ne powalt pas tre un ferm- vu que la suite de
matnces Inversiblesk1 converge versa qui n'est pas une matrice Inversible. Cela ne
prouve naturellementpas que GLn est un ouvert...
METHODE10: Comment prouver qu'une partie est dense dans Mn

Principe: . Montrons maintenant qu'II est dense par la mthode 10. Soit donc A une matrice
On utilise (presque) exclusivement le critlre $quenliel de densit. c'est--dire que quelconque. La suite de 'matrices dont la limite est A qui vient le plus naturellement
l'esprit. est. nous semble-t-II. la suite:
pour toute motrice A de Un. on construit explicitement une suite de motrices de F qui
convere vers A. . 1
Ap =A--1
P
1 Exemple: voir paragraphe sulv~nt. Elle converge clolrement vers A. Le tout est de savoir si ses termes sont Inversibles, Dire
que Ap n'est pas Inversible quivaut :
det(Ap)=O
ou encore :
4. Etude d'un cas particulier Importante GLn
2. est ra'cine du polynme caractristique;
, p
Or ce polynme tant de degr n. ne saurait admettr plus de n racines. On en dduit
L'Intrt de ce pororophe.est double: Il permet tout d'abord de mettre en uvre les
mthodes rcapltules.prcdemment.. , .
que pour p assez grand. .l.
p
n'est pas r~cine du polynme caractristique (choisir p tel
que:
Mals Il cherche aussi montrer le rle essentlel Jou par le groupe linaire en topologie
matricielle. Au mme titre que les matrices diagonales (ou diagonalisables). .l.
p
<mln{l . p..eSp(A)-{O}}).
.
triangulaires (ou ttlgonallsables). les matrlces Inversibles sont des malrlces simples" par
lesquelles Il faut penser commencer un exercice si on ne voit pas du tout par quel Ce qui veut dire qu' part1r d'un certain rang les termes de la suite sont tous Inversibles.
bout le prendre. . ce qui est largement suffisant pour conclure surla densit.

REMARQUE
PREUMINAIRE
:
(II) On prouve la connexit en utilisant par exemple la surjectivit de "exponenHelle
GLn n'est pas. contrairement ce que beaucoup de candidats interrogs Ce sujet matricielle complexe (voir chapitre 14. rsultat 18). ou la trigonalisation.
osent rpondre. un espace vectoriel. Eneffet la motrIce nulle tiest pas Inversible... En
revanche, c'est un groupe (G dons GLn veut dire groupe...). le rsultat sur R n'est pas vraI. En effet. la fonellon dterminant n'est pas de signe
constant sur Gln(R) 01Y a des matrices de dterminant positif et des motrices de
dterminant ngtlf...). En vertu de la mthode 9 on en conclut queGLn(R) n'est pas
A portia connexit. les proprits sont valables 10 fols pour le cas complexe et pour connexe.
le cas rel.

,
'",.-.- - --

---- ---- _--- -----

---- ---- _---
---- ---- ---- ----
------
 245
METHODIXALGEBRE
1 11. Mthodes de topologie matricielle

On peut essayer de comprendre la diffrence entre R et C en regardant ce qui se Intrt :

passe en dimension i. 1 /1 ~aut bien sur utlliser cette quivalence dans le sens direct en pratique.
l
R' n'est pas connexe parce que R' n'est pas d'un seul morceau; en fait, /1 n'est pas
!. Vrifier une proprit pour une matrice qui possde elle-mme une qualit
supplmentaire (tre Inversible) ne peut qu'tre plus simple (on voit mal comment cela
connexe par ores (ce qui ne prouve pas qu'II ne soit pas connexe), puisque pour relier 1 pourrait tre plus difficile).
par un chemin rel un nombre strictement positif un nombre strictement ngatif, il
faut forcment passer par zro (c'est le thorme des voleurs intermdiaires qui le dit,
donc c'est vrai). 1 Voir si urie application est continue n'est pas franchement
le chapitre 16 du tome 1).
compliqu (surtout sl.on o.lu
"';" :'f~::."~'
En revanche, C est clairement d'un seul morceau (II est seulement vid, comme un 1
1 Donc on a tout gagner commencer par examiner le cas d'une matrice inversible;;;':. '.
quarante-cinq tours). /1 est mme connexe par arcs, puisqu'on peut relier n'importe et tendre ensuite par densit le rsultat toutes les matrices. " :. .
quels deux complexes non nuls sans passer par zro: il suffit de tourner autour li (cf.
1
dessin).

l
j
Les exemples ne manquent pas, et certains sont trs connus, Cela n'empche pas de
voir beaucoup de candidats ne pas penser cette mthode, qu'ils ont plutt:
tendance considrer comme une astuce qui ne marche que dons le cos de deux ou
trois exercices, ce qui n'est absolument pas le cas,
A 1
Exemple 1,' montrer que AB et BA ont le mme polynme caractristique.
r Pour des matrlces Inversibles. on a :
XAs(X) = det(AB- X.I) = det[A(B - X.A -1)] = det[A(BA~ X,I),A -1]
t qu'on dveloppe en :
B ,f.
i XAS(X) = det(A),det(BA - x.I).det(A -1) = det(BA - X,I) = XSA(X)

,1.., L'application de Mn x Mn dons K[X] ;

C' est connexe (par arcs) { (A.B)-+ XAB(X)-,XBA(X)
1 est continue par rapport au couple d'arguments (car le dterminant l'est), Donc on a
gagn, .
METHODE11: Comment utiliser la densit du groupe linaire 'J

Parmi les proprits mentionnes ci-dessus. la densit se rvle tre la plus utile, Cela se
comprend bien si l'on pense au rOle que Joue Q (rationnels) vis--vis des rels qui.
f Exemple2 " montrer que Mn et GLr'\ ont mme centre,
On-rcppelle ceux qui n'auraient pas lu les chapitres prcdents
.
qu~ le centre .I'une .:
...
mutatis mutandis. correspand la mme sltuctlom. "'li~1 paifle est constitu
partie,
des lments qui commutent avec tous les elaments de'cette
.
'f
On a expliqu au tome 1 (chapitre 4 et 6 notamment) l'intrt des rationnels.
Brivement, si une proprit continue est vraie sur l'ensemble des rationnels. elle est ~ On a constat plus haut (cf, chapitre 6) que ces deux centres talent gaux. e~~n"e0'~:~:~.:,
vraie sur l'ensemble des' rels tout entier. Or Il est plus simple de vrlfier une proprit sur l, a donn une preuve algbrique. Curieusement /1 existe.' ausst une raison topololqu'o-:.''":.
.
.l'ensemble des rationnels (parce que cet ensemble est dnombrable. essentiellement). cet tat de fait, '
'On gagne donc en simplicit.
lt L'une des Inclusions est clolre : 51une matrice commute avec toutes les motrices. elle
C'est pareil paur les matrices Inversibles. Combien de fois se dit-on ah, si seulement commute videmment avec toutes les motrices Inversibles,
, cette motrice tait Inversible, Je pourrais simplifier ce calcul. obtenir cecl, puis cela ..., ~
Ds qu'on pense a. et que la proprit tablir est continue. " est quivalent de Supposons qu'une matrice M commute toute matrice Inversible et montrons qu'elle
montrer cette proprlt seulement sur les matrices Inversibles, Formalisons un peu les 1 commute une matrice A Quelconque, Cette matrice est /Imite d'une suite de
choses, mattlces Inversibles Ap' L'application:
. X-+MX-XM
Princ:lpe_:.',:.,.-:~.
~.: ii,., __

Soit une formulematrlclelle qui se laisse mettre sous la forme d'une expression continue est linaire en dimension finie. donc continue. Elle est nulle pour tous les Ap. donc par
1
=
en la motrice (par exemple : f(M) s 0 ou f(M) O. avec f application continue continuit elle est nulle la limite. Ce qui veut dire que M commute A.
voleurs relles), On a alors l'quivalence: ~\ Exemple J "montrer que la comatrlce de AB est gale 10comatttce de B fols /0
La proprll est vraie pour toutes les matrices inversibles,
ee ~ comotrfce de A.
ta proprit est vraie pour toutes les matrices l On dmontrera ce rsultat au chapitre 13. On le cite lei pour mmoire,

!!
f

--------------------
------------------------------------------------------------------------------------------------------------------------
246 METHODIX AlGEBRE 11. Mthodes de topologie matricielle 247

Erreurs
Exemple 4: montrer que si CO=DCde{ ~ ~) =det{ AD- BC)
Sans nous tendre plus que cela sur un type d'exercice que nous avons dj Une partie peut tre ouverte et ferme. ou ni ouverte ni ferme. Ce n'est donc pas
abondamment dvelopp (cf. chapitre 9) rappelons simplementque siDest Inversible parce qu'une partie n'estpasouverte qu'elle est ferme. ,
et commute avec C. on a :
L'Imaged'une partie ouverte par une application continue n'est pas ncessairement
A B).( D 0 )=(AD-BC
( C D -C D-1 0
BD-1)
1
l'
1
ouverte.

i L'ensembledes motricesInversiblesn'est pas un espace vectoriel. C'est seulement un

groupe multiplicatif.
Il ne reste plus qu' prendre le dterminant de chacun des membr~s ~t utlli~erla
formule du dterminant par blocs pour conclure. Le passageau cas generol se fOitpar Une norme matricielle n'est pas forcment subordonne. Lorsqu'on vous laisse le
densit et continuit du dterminant el de la relallon CD=DCpar.rappart D. 1 choix dans la norme (il n'y a pas de contreptrie). orronez-voustoujours pour choisir t ,

une norme subordonne.

REMARQUE:
!, Une erreur stupide mais nanmoins classique consiste choisir n (qui est dj la
dimension de l'espace de matrices sur lequel on travaille) comme Indice pour les
Ilpeut aussitre ulile, dans certaInscas. de se rappeler la dcomposilion polaire d'une
matrice Inversible (vair chapItre 1;: J). Comme les matrices orthogonales et
! termes de suites.Ce n'est pas trop grave si on sait de quoi on parle. mais cela peut
1 crer quelques problmes sion est compltement perdu.
symtrIquesont desproprits supplmentaIres.cela peut simplifiercertains exercices 1
.
de- voirune matrice Inversiblecomme produIt de ces matrices. t
1
i., Astuces
i
l,
Unespace de matrices est toujoursde dimensionfinie,
i
1 Au cours d'un mme exercice. on peut tre amen recourir diffrentes normes
surl'espace de matrices (pour des raisonsde simplicitdes rponses.Il fout adopter la

r
norme choque question).
Lorsquel'on vous donne un ensemble de motriCes.essayezde le caractriser pa~ u_n
systmed'quations. Cela vouspermettra sansdoute de mieux en cerner les proprietes
:. topologiques (notamment le caractre ouvert/ferm).
L'ensembledes motrices diagonalisables complexes est dense dans l'ensemble des
motricescomplexes (cf. exerclce-). Cela peut servir(par exemple prouver facilement
le thorme de Cayley-Hamilton).
Ce n'est pas parce que vous faites un exercice de topologie (=analyse) matricielle
qu'II ne faut pas se rappeler les'mthodes d'algbre linaire. Gnralement. on est
amen combiner les deux (c'est a qui est marrant).

Lu dans les rapports de l'X

La topologie est considre comme un domaine ferm alors que dans l'eprlt du
programme. Il s'agit au contraire d'appliquer des rsultatslmentaires des situatiops
concrtes pour voir comment lesstructurestopologiques et algbriques Interfrent.
NOLR: LesexamInateurs apportent de l'eau notre moulin on ne leur en demandait
pas tant. Nous mettons toutefois les plus vives rservesquant la pertinence de
l'adjectif ..lmentaires" pour parler desrsultaisde topologie...

,."',. .
248 METHODIX ALGEBRE 11, Mthodes de topologle:motriclelle 249

Exercices Corrigs

[TI
On dfinit pour A matrice relle quelconque: , [JJ
N(A)=s,,!pI
J 1
1 a;J! 1) On applique le moins btement possible la mthode l. en vitant de dire que c'est
tnviol, cor dons ce cas prcis, il se trouve que tout n'est pas trivial.
1) Montrer que cette quantit dfinit une norme sur !Mn' .. "
2) Dmontrer que cette norme est sous-multiplicative, c'est--dire qu'elle vrifie - si N(A) est nui. le sup des sommes (qui est un max) est nul. or ces sommes sohf: '
pour toutes matrices A et B : N(AB) s N(A),N(B) positives, donc toutes les sommes sont nulles; donc tous les termes de ces sommes (qUL';'
sont positifs) sont nuls, ce qui veut dire que A est nulle. ,'_ ,:'
3) Montrer que N est subordonne la norme sur Rn, dfinie par : ~X~= L, 1Xi 1
: . .:~
1
- la proprit N(A) =1:l.I.N(A) est claire.

[TI - l'ingalit triangulaire n'est pcs trivicle (non qu'elle soit difficile prouver, mais nous
pensons qu'un examinateur, mme peu consciencieux - en existe-t-II ? - est en droit
On a vu plus haut qu'une norme n'tait pas ncessairement subordonne. 'Montrer
toutefois que pour toute norme N, il existe une constante C> telle que ': d'exiger d'un candidat des explicattons un peu plus fournies qu'une affirmation,
'V(AB)eMn2 N(AB)SC.N(A).N(B) premptoire du genre c'est trivial" ).

D'aprs l'Ingalit triangulaire sur les rels, on a :

[TI
Soit l anxn une srie entire de rayon R>. 'Vj l la;j+b;dsI laijl+I Ib;d
! ! !
Par dfinition mme du sup, le membre de droite est major par:
1) Dterminer une CNS sur le rayon spectral de A pour que la srie entire
matricielle IanAn soit convergente.
'Vj I. la,j+b;dsI. la;jl+I IbIJISSUpL, lalJl+sUPL Ib;ll
2) En cas de convergence, montrer que pour tout A. la somme de la srie Iii J 1 l 1
entire est un polynme en A. ce qui se rcrtt : '
'Vl l 1 ail +b;llSN(A)+N(B)
l ,
[TI Puisque cette ingalit est vraie pour tout j, cela veut dire que N(A}+N(B} est un
Montrer que l'ensemble des matrices nilpotentes est un ferm d'Intrieur vide. majorant de l'ensemble dont on cherche le sup, donc que ce majorant est plus grand
que le plus petit d'entre eux, qui est par dfinition le sup. Donc:
~ 1
;.',

W 1) Montrer que l'ensemble des matrices de rang donn r-cn n'est pas un ouvert. CQFD,
N(A+B}SN(A)+N(B)

Est-il ferm? -,
2) Montrer que l'ensemble des matrices de rang suprieur ou gal r est ouvert. Ce que nous pensons qu'II faut viter, c'est un argument lapidaire du style c'est, vra(':':"
par passage 'J sup -. Nous venons donc en fait de redmontrer Ici que<::
supt A + B) S sup] A} + sup(B), rsultat classique.

m 1) Montrer que l'ensemble des motrices diagonalisables complexes est dense

2) Comme la question prcdente, on commence par majorer les sommes, avant
dons l'ensemble des matrices complexes.
2) Montrer que le rsultat est faux dans le cas rel, en montrant par exemple de Justifier le passage au sup la fin. '
(en dimension 2) que la matrice
L~;terme gnral du produit matriciel C=AB est videmment:
.: . A=(~ ~1) 1;~:
,:~
n
cil'" 2: a'kbkl
ne peut pas tre limite d'une suite de motrices diagonalisables. k=l
Donc pour tout J :

ITJ . e t B un vecteur colonne de taille n. On considre la suite de

Soit A une ma trtee carree
vecteurs dfinie par rcurrence: Xp+I = A.Xp + B et par un premier terme donn.
La condition p(A) <l est-ene suffisante pour assurer la convergence de Id suite Xp? Comme c'est vrai pour tout l' c'est vrai pour le sup. Et c'est finI.
250 METHODIXAlGEBRE 11.Mthodes de topologie matr1cl~lIe 251

3) On procde en deux temps:

OJ
1) Supposonsque p(A) > R. On va montrer que la sriediverge. Comme
- tout d'abord on cherche majorer ijAX~,

IIAX~= L, 1 L, aijx] 1 sIL 1 aijxd = l 1 xdl 1 aid s N(A).l 1 xd =N(A),Ixll p(A) =inf{~Ani* }
Iii ] j i 1
~ on en dduit que
Donc on en dduit que: IAn~~p(At
Comme p(AR. on en dduit (cf. tome 1. mthode 1 p. 163) que anP(At n'est pas
- cherchons maintenant un vecteur de norme 1 tel que.: N(A)=IIAXII born. En vertu de l'ingalit prcdente. anllAn~n'est pas born non plus. donc ne
Sion prend par exemple .
tend pas vers zro et la srie IanAn ne peut videmment pas converger dans ces.
conditions.

Supposons maintenant que p(A)<R. On va montrer que la srie en question est

absolument convergente. D'aprsla proprit 5) du rayon spectral rappele ci-dessus.
o l'Indice jo est dfini par: on peut. en choisissantbien E >O. trouver une norme N subordonne telle que:
N(A)<R

On en dduit que: Puisquela norme est subordonne.Ilvient:

N(A):sIIA~
ce qui prouve l'ingalit souhaite.et finalement l'galit.
. ,
Remarquons pour conclure que lesquestions 1) et 2) deviennent Inutiles: partir du et puisque par choix de N. N(A) < R. la srie majorante est convergente. Donc la srie
moment o 3) est vrai. on a automatiquement 1) et 2). Ceci tant. cela permet de
foire des manipulations calculatoires. notamment sur les sup, qui ne sont pas de gauche est convergente. ce qui prouve bien l'absolue convergence de la srie
totalement superflues. tudie. .

ru
Il Y a de grandes chances qu'II faille se servir de l'quivalence entre normes en
2) C'est un problme de fermeture: on demande de montrer que la limite d'une suite
(celle des sommes partielles) appartient un c,ertain ensemble. savoir celui des
polynmes en A. Or cet ensemble est un sous-espace vectorlei de 9,.(n (qui est de
dimension finie (en effet. la dfinition mme de l'quivalence fait elle aussiapparatre
des constantes multiplicatives dans des rnoloronons, donc on se dit qu'II y a un dimension finie). Donc Il estferm. .
rapport) . Touslestermes de la suitesontdans cet ensemble; donc la limite aussI.
...
Soitdonc unenorme [. ~subordonnesur Mn' Ellevrifie.donc : [TI
'v'(A.B)eM/ IlAB l:Si A I~IIB Il . On. salt (cf. chapitre 13)quej'tndlce de nilpotence d'une matrice nilpotente est
La '10rme N est quivalente cette norme.donc Il existepar dfinition des constantes Inferieur n. ce qui veut dire qu'une matrice nilpotente vrifie ncessairement:
>0 tellesque:
N(A) s] A ~:S ~N(A) An=O
On en dduit donc en utilisantcette ingalit et la prcdente que: et comme Il est clair que cette condition est suffisante. l'ensemble des matrices
V(AB) e Mn2 N(AB):;2.1 AB~~2.i A i.~
B~S ~2 N(A).N(B) nilpotentes est exactement l'Image rciproque du ferm 0 par l'application continue
IX IX IX Xn.Donc cet ensemble est ferm.
qui est bien du type voulu. .1

. C ailleurs If est Inclus dans l'ensemble des matrices singulires (non Inversibles).
Remarquons toutefois que cette Ingalit est d'un intrt pratique nul. En effet.' elle .... omme l'ensemble des matrices Inversibles est ouvert. l'ensemble des matrices
donne par exemple pour lespuissancesde A : singulires est un ferm. d'intrieur vide (car 51 A est une matrice singulire. tout
N(AP)SCPN(A)P voisinage de A contient. par densit.des motrices lnverslbles),
et la prsence du terme cP dont on ne sait rien de la valeur (> 1 7 <1 7) gne Comme l'Intrieur des matrices nilpotentes est Inclus dans l'Intrieur des matrices
considrablement lescalculs ultrieurs.Donc Il ne tout pas croire que cette Ingalit singulires,Il est ncessairementvide. .
fait de toute norme une l'lorme quasi sous-multiplicative.Seuiesles normes d'algbre
(C=1) prsentent de ce point de vue un Intrt. .

1 t_i
LOL METHODIX AlGEBRE 11. Mthodes de topologie rricitrlclelle ~53

Donc partir d'un certain rang: les voleurs propres de Ap sont deux deux distinctes
[TI et donc Ap est oloonosoble. Comme Ap tend clairement vers A on a flli.
1) On veut montrer que pour toute motrice. Il existe un voisinage contenant des
motrices de rang diffrent de r. Or par densit du groupe linaire. dons le voisinage de
toute motrice Il existe des matrices Inversibles donc de rang n. Donc cet ensemble ne
saurait tre ouvert. 2) Cette motrice n'est pas diagonalisable puisque son polynme caractristique vaut
X2 +1 qui n'a pas de racines relles.
La rponse est non. En effet. la suite de motrices
Supposons que A soit limite d'une suite de matrices diagonalisables. Cela impliquerait .

Ap = dlag[~ j. a....a] ncessairement que ces motrices aient deux voleurs propres relles (distinctes ou norn'"
donc que le discriminant de leur polynme caractristique soit positif ou nul.
rfols
Comme cette quontlt est clairement polynmlale en les coefficients de la morrcs..:
a tous ses termes de rang r et sa limite est zro. qui n'est pas franchement de rang r.
+.i
elle est continue et donc la limite elle serait aussi positive. Or le.dlscrimlnantda: x2
2) C'est le moment de se rappeler comment on caractrise numriquement une n'est pas positif puisqu'il vaut -4.
motrice de rang suprieur ou gal r. On a rappel ou chapitre 3 que le rang tait la
taille maximale des sous-matrices carres inversibles de A. Donc A n'est limite d'aucune suite de matrices diagonalisables.
Donc:
rg(A)?:r sslll existe une sous-motrice carre Inversible de taille r.:

Dire qu'II existe une sous-matrice carre Inversible de taille r veut dire que le
m
La rponse est non. En effet. supposons que la suite converge vers une limite X.
dterminant d'une certaine sous-matrice de taille r est non .nul. Par continuit du L'application M ~ AM + B est linaire en dimension finie donc continue. Donc la
dterminant. cette proprit reste vraie dons tout un voisinage de A. ce qui veut dire limite on a forcment:
que la mme sous-matrice est Inversible dons tout un voisinage de A et donc que
localement le rang est suprieur ou gal r. CQFD. ce qui Implique que B E Im(l- A).
1
B E Im(l- A) est donc une condition ncessaire la convergence de cette suite.
REMARQUE:
On vient de montrer que localement le rang ne peut qU([Jcrotre. c'est--dire quWexlste
tou/OUfYun voIsInage d'Une mafrfce A donne form de matrIces de rang suprieur ou
gal celui de A.

CD
1) On commence

rnonfrer cu'ee est On" d'"n:~~::

~~~d,a~r'~'
naturellement par trlgonollser la matrice A complexe dont on veut

.' ~

L'ide la plus naturelle consiste perturber les termes diagonaux par des suites qui
tendent vers O. Une condition suffisante pour que les termes ainsi obtenus salent tous
diagonalisables est que les valeurs propres de choque terme soient 2 2 distinctes (ou '
moins partir d'un certain rang).

Posons par exemple:

SI I = j alors videmment

pour tout p .

pp,et 1I.J + l ont des limites distinctes. donc ont ncessairement

Si ),,1 '" )' les suites i +.!_
des termes diffrents partir d'un certain rang (sinon elles auraient mme limite).

...
 , Chapitre 12

METHODES D'ETUDE DE L'EXPONENTIELlE MATRICIEllE

Consacrer un chapitre entier l'exponentlelle d'endomorphisme peut paratre sinon

excessif. du moins original. En effet. quoi bon rcapituler deux ou trois formules.
glanes au hasard des exercices? Pourplusie,urs raisons.D'abord. Iln'y a pas deux ou
trois formules , il y en a beaucoup plus , Ensuite.nous avons remarqu' que
l'exponentielle d'endomorphisme devenait un sujet trs frquent de problmes crits
de concours. au point que certains problmes rcents lui ont t entirement
consacrs (Mines M 1991. Polytechnique P' 1992pour ne citer que ceux-l). Enfin.
l'exponentielle Joue un rle central en analyse (penser aux systmesdiffrentiels).mals
aussien algbre linaire (groupes et algbre de Ue). algbre linaire qui elle-mme
s'applique la mcanique quantique (tude des groupesde symtriedes atomes).
Nous avons choisi de conclure la partie du livre consacre l'algbre linaire sur
l'exponentielle d'endomorphismes. cor elle est vritablement l'occasion rve pour
faire la synthse de l'ensemble de cette parne. et mme d'utiliserdes outils d'analyse
assezsophistiqus(calcul diffrentiel, sriede fonctions.topologie). 1
Il est naturellement difficile de prsenter ce chapitre sous forme d'une liste de
mthodes. contrairement aux autres chapitres. puisqu'enfait lesmthodes utilisesIci
ont dj t prsentes salt ou tome L'sott dans leschapitres prcdents. Ce ne doit
'pas tre une raison pour ne pas lire ce chapitre. ni pour ne pas le trava1ller; cela serait
notre avis une erreur.pour l'ensembledesraisonsque nousvenonsde rappeler:
Terminons par un conseil : essayez de retenir la vingtaine de rsultats qui sont
dmontrs Ici : vous pourriez bien les voir rapparaTtre0 l'crit ou l'orol un de ces
jours.

Pour plus de clart. et pour vous montrer l'tendue des possibilits lies
l'exponentielle. nousavons choisi un exposthmatique des proprits.
Nous considrons a priori une motrice relle ou complexe. Dans certains cas. la
.proprit ne s'appliquera qu'aux motrices complexes. Par ailleurs. Mn est norm par
une norme subordonne note ~ .11.

1. Dfinition et exemples

RESULTAT 1 : La srie I. An converge (vers exp A)

ni

Nous devons dmontrer la convergence d'une sriede matrices. c'est--dire d'une

srie d'lments d'un evn. La premire chose faire est donc d'examiner la
convergence normole (cf. tome 1. chapitre 12.mthode 9, p.147).

.; .:
'.

l"

------ ---- ---- -- -- -- -- --

 256 METHODIXALGEBRE
-
, !~
':'
~~
'2. Mthodes d'tude de l'exponentielle
_-'.'
matricielle 257

L'Intrt d'avoir choisi une norme subordonne a dj ,t expos au chapitre de 2.:~Premires'proprits calculatoires
topologie matricielle, et trouve ici une illustration. En effet on a pour tout n :

Anll$~ On va tout d'abord chercher dmontrer des formules trs ressemblantes de celles
n! ~ n! dont on dispose pour l'exponentielle relle. On verra que, si certaines s'tendent sans
Il restriction, d'outres au contraire ne sont vraies que sous certaines hypothses sur les
et le majorant est le terme gnral d'une serie nurnenque convergente (vers arguments matriciels (notamment la formule d'addition).
exp (il A 11)).Donc la srie tudie est normalement convergente (CVN) donc
convergente.
RESULTAT
L-__~ 3': exp (p-I_A.Pl = pol. exp A_ P ~. , 1','
Il rsulte de plus de l'ingalit prcdente. par sommation et passage la limite, que:
Il exp A ~s exp(11A II) Pour prouver un rsultat sur la somme d'une srie, le,plus sage, comme nous l'avons dit. ':.'
au tome', est de repasser aux sommes partielles.
Ingalit amusante, bien que de peu d'Intrt. Or une rcurrence immdiate nous foumit immdiatement:

Exemple de calculs pratiques d'exponentielles:

Il ne faut pas croire que l'exponentielle soit une pure vue de l'esprit. un objet thorique
sans lien ovec la pratique. Beaucoup de caDdidats. fort brillants et trs renseigns sur Ce qui montre que les sommes partielles dfinissant les deux sries sont gales:
les proprits thoriques de l'exponentielle, se ridiculisent totalement lorsqu'ils sont
Invits foire des calculs d'exponentielles de matrices 2x2 1

1 N (p-l,A.p
L '.'
t -P.
_l(N
L
Ak,
-;-;-IP
exp :::::! k=O KI \k=O K!)

si N est nilpotente d'indice p : I- Reste justifier le passage la limite droite (parce qu' gauche
l'exponentielle sans problme, c'est la dfinition).
a converge vers

i
et trs classiques aussi:

ex (0 -X);(COS(X) -Sin(X)) ex (0 X);(Ch{X) Sh{X))

r
1
L'application f de Mn dons lui-mme
X -? p-l.X.p
est linaire donc continue (car on est en dimension finie). Comme:

p x 0 sin(x) cos(x) P x 0 sh(x) ch(x)

,
~~,
1
~R_ES_U_L_TA
__T_2_:_e_xP __e_n_A_.
__A_e_s_t_u_n_p_o_ly_n__m_e ~~I\
".
on ~n dduit par continuit de f que :
"~'

N Ak) .p= {Nl 1"

Ak) ~f(exp
Vous devez tre habitu prouver ce genre de rsultat, qu'on a dj rencontr pour
:-...
p-l.
( L.-
k=O kl k. k=O
A)=p-l.exp A.P
l'Inverse d'une matrice. Il repose essentiellement sur le fait qu'on est en dimension finie.
Considrons en effet: . ce qui prouve le rsultat escompt.
F=vect{AP,PeN} .
1
Cet ensemble est naturellement un s-ev de !Mn' espace de dimension finie. Donc il est 1
ferm, ce qui veut dire (cf. tome 1. ch, 3) que (crilre squentiel) toute suite
convergente de points de F a sa limite dons F, qui n'est autre que l'ensemble des
polynmes en A. '
i RE~ULTAT 4: exp A = I~ (I+~ r
Or l'exponentielle est la limite d'une srie, c'est--dIre la limite de la suite de ses sommes
partielles (par dfinition) qui sont videmment des polynmes en A donc lments de
F. Donc l'exponentielle est un polynme en A.
l ~'~'

podr montrer qu'une suite converge vers un lment donn. la mthode la plus
naturelle consiste bien sur majorer en n6rme la diffrence entre cet lment et le
terme gnral de la suite. Ici:
Il s'ensuit en particulier que:
- exp A commute avec A.
- si A et B commulent alors exp A et exp B aussi(pulsque toutes les puissances
1 Il eXPA-(I+~)P IIJ : Akkl- l C~ A~ ~s l
IIAllk'\-k'l- C~\+ IIAlr
de A et B commutent). ~ p ~ k=O k=O p Il k=O P k=p+l k.
, .._____,____.,
a,
 258 METHODIXALGEBRE 12. Mthodes d'tude de l'exponentielle matricielle 259

Or le terme (.(k est positif (facile montrer en majorant les k termes du coefficient Remarque importante: .
binmlal par n) donc gal sa valeur absolue; on en dduit donc, en remontant" le A priori, ce n'est pas parce que la formule du binme ne s'applique qu'aux motrices
calcul qu'on vient de faire pour la rncjorotlor que: qui commutent que le rsultt qu'on cherche prouver n'est pas vrai pour toutes les
matrices. (On pourrait trs bien imaginer qu'il existe une autre dmonstration ne faisant

Il
exp A - (1 + ~)P Il,;; f
P k=O
IIAf [~_: C~ ) +
. P
'
k=p+l'
~:r= expllAII- (1 + IIAII)P
P
pas appel la formule du binme, etc ...).

En fait, il n'en est rien puisque on peut aisment construire un couple de matrices ne
commutant pas qui mette cette formule en dfaut. Par exemple:

Le majorant tend videmment vers zro puisque dans R, lersulter qu'on cherche [
prouver est clair. Lo conclusion suit donc. A=(~ ~) B=(~ ~)

3. La formule d'addition.et ses consquences pour lesquelles.on vrifie facilement que:

eA =(e0 0 0) eB =(1.0 1)1

RESULTAT5: si A et B commutent, exp(A+B) = exp(A).exp(B) =exp(B).exp(A)

'L'ide de la dmonstration est'5ensiblement la mme_que pour le cas prcdent. Ici,

on va chercher majorer la diffrence entre les sommes partielles de mme Indice
dfinissant chacune des sries (en norme) par une quantit relle qui ressemble la
RESULTAT6: exp A est inversible pour tout A et [exp -r' = exp (-A)
quantit matricielle dont on part.
Posonsdonc: C'est une application immdiate mais essentielle du rsultat prcdent. En effet A et
-A commutent. donc on peut leur appliquer la formule prcdente:

exp Aexp(-A) = exp(A -A) = exp(O) = 1

Comme A et 8 commutent, on peut dvelopper le deuxlrne terme par la formule du Ce qui permet de faire d'une pierre deux coups : en effet. cela montre en mme
binme (on rappelle qu'elle n'est pas vraie en gnral pour deux motrices temps (comme c'est d'ailleurs souvent le cas, cf. chapitre 7) que expA est inversible et
quelconques) : que son Inverse est exp(-A),
O~ s'intressera ultrieurement au problme rciproque: toute motrice inversible est-
AlBI elle une exponentielle?
L. -""1"
l+jSp Il 1
REMARQUE:
Il ressortde cette formule est du rsultat 5que:
En dveloppant le premier morceau de 6.p on s'aperoit que certains termes . A)-P ,
'!-.
disparaissent et qu'Il ne reste plus que: ( I+-p ~exp(-~)
AlBI
6.p= L. -- En effet pour p assezgrand I+A/p est Inversible(argument classique,sinon -1/p serait
p+l~I+J~2pIl J! valeurproPre; orA possde un nombrellnl de voleurspropres, etc, etc. ..),.Alors

Vu qu'on a affaire une norme subordonne (ah! les normes subordonnes 1) on

majore tranquillement par Ingalit triangulaire: (I+~r =[(I+~rr
On conclut en utilisant 5et la continuit d /' nverse (cf. torne " chapitre 16).
II6.pll::; L. ij~111ft
p+l~I+ls2p 1. jl
RESULTAT" : pour tout entier relatif p: exp(pA)=[expA)P
et le terme de droite est" le mme" que celui qu'on avait l'Instant, c'est--dire trs
prcisment: '.
On 'montre d'abord cette formule pour les entiers positifs, en procdant P9r
rcurrence. Pour p= 1 c'est vrai. Le passage de p p + 1 se fait en utilisant que pA et A
commutent, donc on peut appliquer le rsultat 5 la formule de rcurrence.

le passage aux entiers ngatifs se fait en utilisant la relation 6.

et le majorant tend vers expIIAII.expIIBI1-exp(~AII+IIBII),
autrement dit zro. On a donc Notons que dons le cos gnral. on ne peut pas ten?rE; la r~latlon pr~cder:te aux
gagn, par un raisonnement trs semblable celui qu'on avait conduit rationnels; puisqu'on ne peut pas donner de sens (en general) a une racine p-leme de
prcdemme.nt. matrice.
 260 METHODIX AlGEBRE 12.Mthodes d'tude de l'exponentielle matiiclelle 261
1
"

4,.Rduction de l'exponentielle et decomposition D+N -J RESULTAT9 : dcomposition D+N de l'exponentielle

i On s'IntresseIci une matrice complexe, pour laquelle la dcomposition" D+N
RESULTAT8: Sp[exp(pA)]=exp[Sp(A)] existe(on rappelle qu'il suffitque le polynme caractrtsl1quede A soitscind).

Cette notation peu orthodoxe mais qui est aussiassezcompacte veut seulement dire o On va essayer de construire naturellement la dcomposition D+N de.
qu les valeurs propres de l'exponentiene de A sont les exponentielles des valeurs l'exponentielle partir de celle de A :
propres de A.
,
Pourle voir,on peut par exemple trlgonallserA : o D est diagonalisable, N est nilpotente et D et N commutent. Rappelons qu'II y .a:'
existence et unicit (avec ces trois caractristiques) et que donc" si on trouve une:;
dcomposition qui marche, on est surque c'e~t15J bonne , l.'. :.",,:'.

A op-T' -. ]
'P . o Puisque0 et Ncommutent on peut appliquer le rsultat5 :
n expA",expD.expN
Une rapide rcurrence montre que:
Notonsque exp D et exp N commutent. pu~que 0 et Ncommutent (cf. rsultat2).

A'oP-'t' * ]
.P Par ailleurs,exp 0 est diagonalisable d'aprs le rsultat3 :
k
n D;p-l.dlag(1l1).P =* eXPD=p-1.dIQg().p
ce qui donne pour lessommespartielles: Cependant, exp N n'est pas nilpotente. En effet puisque N est nilpotente. sa valeur
propre unique est 0, donc la seule valeur propre de exp N est 1. D'o l'Ide de
considrer expN-l, qui est nilpotente puisquesa seulevaleur propre est 0 (cf. chapitre
15). (si l'on veut viter de passer par cet argument de valeurs propres, on peut
Ak
remarquer que comme N est nilpotente:
L
n

k=1
_=p-1
k! . * .P N2 NP-l
eXPN-I=N+2+ ...+(p-1)!
.n k
:L_n_
k=1 k! (voir rsultat 1) et que les p matrices de droite sont nilpotentes et commutent, donc
que leur somme est nilpotente.)
On peut passer la limite en invoquant la continuit de l'application linaire "5
X ..." p-1.. X. P, comme pour montrer le rel':~~at 3 ; On rcrit l'exponentiellede A en cherchant faire apparatre expN -1 :

eA ;p-1. '. *
.
l expA =expD.[expN-I+I] =~+expD.[expN-I] -:.
B v

qui dmontre le rsultatvoulu. Il est diagonalisable. on l'a vu. exp D et expN-1 commutent. donc Il et v commutent
et comme expN-1 est nilpotente et commutent avec exp D. leur produit v est
" Il en ressortnotamment, puisquela matrice de droite est triangulaire, que: nilpotent.

! det[eXPCA}]=eXp[trCAl]! On a donc trouv la dcomposition" D+N".

- (puisque -le dterminant est' conserve par similitude et le produit des-que "i Intrt pratique: . '
exponentielles des valeurs propres est gal l'exponentielle de la somme de ces C'est la faon la plus systmatiquedont on disposepour calculer concrtement pour
valeurs propres,somme gale la trace).
l'exponentielle d'une molrice quelconque. Eneffet. le.calcul de l'exponentielle d'une
\ matrice diagonalisable et celui d'une malrice nilpotente ne sont pas des chosestrs
compliques.
- -'1- - Cependant, cela prsupposequ'on olt misla mainsurla dcomposition D+Nde A :
1
or cela n'est pas chose facile - mme sion dispos d'Unemthode gnrale pour la
..t:l _.- - -'''- ..colculer pertir des'espaces'caradrlst!ques~mais'elle'est-vraimentpeu-maniable:--

--- -----
 262 METHDIXALGEBRE 12.Mthodes d'tude de l'exponentielle matricielle 263

Concluons sur ce point : si l'on vous demande de- calculer une exponentielle de
motrice. c'est soit que les puissancesde A sont simples calculer (par exemple par RESULTAT11 : exp(IA)~O <=0 'v'l..eSp(A) Re(I..)<O
rcurrence) ou que la dcomposition" D+N est facile Intulter (et non pas
calculer). - Condition ncessaire:
Supposonsque etA tende vers0 et considronsalorsune voleur propre de A:
Intrt thorique: N<='JoX
Comme on 1'0 dj expliqu ou chapitre 9. la connaissance d la dcomposition qui donne trs classiquementpar rcurrence:
D+N" permet de dterminer sroui ou non (ou quelles conditions) une motrice est AkX =: I..kX
diagonalisable. C'est la mme chose Ici: une exponentielle de motrice est d'o par sommalion et passage la limite:
diagonalisable ssisa partie nilpotente est nulle. On va voir un rsultat Important. etAX=etX
notamment dons la rsolutiond'quations faisant intervenirrexponentielle. Puisquel'exponentielle matricielletend vers 0, en choisissantcomme norme matricielle
une norme subordonne on en dduit que:
Remarque importante -: . _ X 1=11~tAx HletA~I ~ X Il
Il etX11=1 et1.11
Lesvaleurs propres de 0 sonlles mmesque celles de A. puisque D et Ncommutent et
que la seulevoleur propre de N est zro. . Comme X est non nul (vecteur propre) on obtient par divisionpar sa norme:
1 etIsllletAll1
Comme le membre de droite tend vers O. Il en est de mme du membre de gauche
quand t tend vers +co. Or :
RESULTAT10: exp,(A) est diagonalisable ssi A l'~st
1. et 1=1 et.Re()
1

SIA est diagonalisable N est nulle donc exp N'= 1 et v est nul. ce qui prouve que exp A Donc ncessairementRe(1
..) < 0 .
est alorsdiagonalisable.
Condition suffisante:
Rciproquement. siexp A est diagonalisable. v est nulle.ce qui veut dire que: On voit bien que si la maITiceest diagonale ou diagonalisable. la rciproque va ITe
facile montrer. D'o l'Ide d'utiliser la' dcomposition D+N (en passant dans C 51 la .
expD.[expN-I]=O matrice est relle). On se doute bien que la matrice nilpotente ne vas pas nous poser
trop de problmes.
Or expDest inversible(rsultai6) donc ncessairement: Comme d'habitude:
exp(t~) =: p-l.exp(,t).P.exp(tN)
expN=1 o:
Or N est nilpotente donc: ','
. NP-l U
exp(t)=diage( ". .... e

0
t) et
... tn-1 n-I
eXP(TN)=I+tN+"'+(n_l)I.N
exPN=I+N+ ...+-(--)
p-11
Ce qui donne (toujours'en prenant une norme subordonnesurl'espace des motrices.
donc l'quation peut se rcrireen : qu'on crit avec 2 borreset pas avec 3 parce que c'est moinslourd) :
N(I+N+...+~)=o
~ ,
~ exp(tA) ~511PIl.11
p-1 ~II exp(tA) Il.11exp(tN) ijsll exp(tA) IIf(t)
M o f est un polynmeen t : < ,

(:~;)!
1

Entrlgonallsant N (qui n'a que deszrossurla dlagon~le), on volt facilement que M n'a f(t) = 11111
+ tIlNII+
..+ IINII"-l
que des 1 surla diagonale. donc est Inversible.Il en rsulte ncesssolrernent que N est
nulle. ce qui veut bien dire que A est diagonalisable. La norme triple est pas trs commode pour la matrice diagonale : si on avait pris la
norme N du sup descoefficients on aurlt eu :
N(exp(t))s etMOx(Re())
Exemple d'application: rsolution d'quations" exponentielles" Comme les normes sonttoutes quivalentes. on soit qu'il existeune constante C telle
SIon che~~~_.?r~~udre (~_ns 9.{!lS.9?Y~9~~tlo_~ que :--.... --_.._. --- __
" - -.- - .....-- .... ....--_ .., -- - .. ..-

expM=A ~ exp{t) ~SC.etMOX(Re().))

Ce qui donne finalement une majoration du type:
o A est diagonalisable. on en dduit que M ousslest diagonalisable. On cherche
ensuite dterminer lesvoleurspropresde M. etc ..: .
- ... -
i i
exp(tA) s etMox(Re(A.l).g(t)
AinsI.l'quation expA =1se rsoudtrs facilement en A diagonalisable et SpAc 2i1tZ o g est un polynme en t..
(dans le cas complexe). . Comme toutes les voleurspropres ont une partie relle ngative. Max(Re())<O
donc le
majorant tend versz':9:_ ~ _ . _

------------------- ---- -- -- -- ----

 264 ALGEBRE
METHODIX 12. Mthodes d'tude deJ exponentielle matricielle 265

5. Autour des quations diffrentielles 6. Inversion locale de l'exponentielle

et dveloppements Iimfts

RESULTAT 12: ! exp(tA) = A.exp(tA)

Commenons tout d'abord par noter que l'exponentielle est une application
diffrentlble. Ceci se dmontre facilement en utilisantle thorme de diffrenciation
On va naturellement utiliserle thorme de drivation terme terme d'une srie terme terme. Nousvousrenvoyonsau tome l. chapitre 16,exercice l. o l'on montre
valeurs dans un evn.
L'application: que toute srie entire de matrice est diffrentiable sur t'intrieur du disque d;:'
convergence.

" .:'.~
L'expressionde la diffrentielle est un autre problme. En fait, on n'a pas de fdinul:\.,'.
tant polynmlale par rapport t, elle est videmmentcontlnument drivable et : pratique et gnrale pour exprimer cette diffrentielle, ce qui ne constitue, pas fort,'}:
heureusementun obstacle majeur la rsolutiondesproblmes qui nousIntressent... ' .'

Donc: Notonstoutefois un rsultatfondomental : Jodiffrentielleen zro de l'exponenllelle est' .

J'Identit.Ceci va noustre utile immdiatement et rsultesimplement delo dfinition"
If (t)~~ Itr-l~Alr de l'exponentielleet de la dfinition de la diffrentielle:
Il n Il (n-l)1
et la srie numrique majorante est videmment convergente (c'est en gros +- An
l'exponentielle dcale mUltipliepar une constante). exp(A)= L -=I+A+oA~)=exp(O)+d
n=Oni
exp(O).A +o(lIAII)
Donc: ,
(1) la srie ~::tnest CYSen (au moins)un point.
(ii) toutes les fn sont C'
(ii1) la srledesdrivesest normalement.donc uniformmentconvergente. RESULTAT13 : 1) exp est localement bijective en 0
Lestrois hypothses du thorme de drivation terme. t~rme tant vrifies,on en
dduit que la drive de la sommeest la sommedesderlvees;
2) In(1+ X) = Y (-ltn xn dfinit cu voisinage
n=l .
de zro
l'application inverse de l'exponentielle
d +~ tn-1An +~ ~An
-exp(tA)" I. --=A. L -=A.exp(tA)=exp(tA).A
dt n=l (n -1)! n=O ni
J) On utilise videmment le thorme d'inversionlocale (c'est sr que si vous tes
Utilisation: ~fractaireau calcul diffrentielvousdevezsouffrir).
C'est vldemmenf la base de la rsolution des systmes linaires coefficients '.t
constants, Eneffet. puisque le thorme de Cauchy-Upschltzs'applique (voir tome 1) Il ... to diffrentiellede l'application exponentielleen 0 tant l'Identit, elie est InveiSl.ble,
une solution,Donc la solutionde :
X'=A.X
{ X(O)=Xo
.
Y o unicit de la solution lorsquela condition Initialeest fixe. Or on vient de trouver
, On en dduit Instantanment qu'IIexisteun voisinagede U a dans
V de exp(O)~1dans GLntel que exp soitune bijection de U surV.
!7o{n et un voisinage'
,".. " .

est:
X(t) = exp(tA).Xo
2) On va dterminer un voisinage de zro dans lequel la srie est coovergente, en.
Mlse en garde: dterminant une condition suffisantepour que la sriesoit normalement convergente .
Une erreurtrsfrquente et assezgrave estcommiseSvrlessystmes coefficients non
constants:Eneffet. Id solutionde : \in 1I(_~nxn~s ~~n
X'(t) =A(t).X(t)
n'est pas une exponentielle. Pourvousen convaincre essayezde driver une fonction srtemajorante est convergente (vers-ln(l-IIXII) ds que iX11 < 1. Donc localement
du type exp[t.A(t)] ... autour de la matrice nullela srieestbien convergente,

ConsquenceImportante: Notons en outre que la srie converge pour toute matrice nilpotente (puisque la
Sommeest finie).
Sipour tout rel t, exp(tA) = exp(tB)alorsA=B.
En effet Ilsuffitde driverl'galit en t=o pourle voir.
Pour montrer qu'on dfinit bien localement l'inverse de l'exponentielle, on utilise
fargument de sriesformellesdj expliquplus~lut(vol~chapitre 7).

-----_ ----- ---- ------ ------ ----- ---- ----- ---- ----- ---_ ----- ---- ------_._------ .....
 266 METHODIX
ALGEBRE 12.Mthodes d'tude de rexponenti.~IIematricielle 267

Eneffet, le fait que: Par continuit de l'exponentielle (elle est diffrentiable donc a fortiori continue) I.e
exp[ln(l+x)]= l+x terme de droite tend bien. quandp lend vers+s=. versexp(tX).
soit vrai sur R peut s'interprter en termes de sriesformelles,ce qui veut dire que les REMARQUE:
coefficients des sriesentiresde chacun des deux membressontgaux. Or la relation
exp[ln(I+X)]=I+X . o O a-t-on utilis le faIt que y tait valeursinvefSlbles? Dansl'inversion loca/e.
fait Intervenirles mmes coefficients. Lorsqu'ellea un sens,c'est--direlorsqueces deux puisque l'exponentielle est voleursinversibles
...(cf. remarque rsultat 13).
sriessont dfinies, elle estdonc vraie. CQFO.

RESULTAT14: pour tout A. In(I+IA)=IA+O(12) et eXP(IA)=I+IA+O(t2). RESULTAT15: =t dety(t) ['=0 =trX

La deuxlme formule est Immdiate partir du dveloppement en srie. (Le chemin y ayant lesmmespropritsque dans le lemme).
La premire aussI.sil'on pense dire que pour tassez pellt, tA sera de normeinfrieure
I. donc que la srieest bien dfinie et le rsultatvient du dveloppement en srie. Ilsuffitd'appliquer le rsultatprcdent l'application G :
G(t)=det y(t)
qui est bien une application drivable valeur dans un certain GLn. savoir RO (n=1)
puisquecomme y est valeursInversibles.G ne s'annulepas.De plusG(O)=1et:
7. Formules complmentaires Ecrivonsdonc ce qu'on obtient:

On a trssouvent recours(directement ou Indirectement)au lemme suivant.

IIm [G(.!.)]P =exp(t.G'(O)) (')
p....+~ p
.LEMME:
Soit y une application Cl de R dans GLn (c'est--dire une chemin contlnument Malson peut valuer le membre de gauche:
diffrentiable trac surle groupe linaire) tel que y(O)=1.0(1 pose: X=y'(O). Montrer
que pour 1fix :

IIm [y(.!.)]P = exp(tX)

P->+~ p (en utilisantcette folsle rsultat14tel que).
Dmonstrallon: On conclut en utilisantle rsultat8 :
t tant fix, t{p tend vers0 quand.p tend vers+- donc par continu1ty(1/p) tend vers J.
l'Identit. D'aprs ce qu'on dit plus'hann(I-i-A} st dfini pour A petit, donc
In(y(t /p va tre dfini pour p assezgrand. .. det exp(tX)=ext[t.tr(X)] CO)

Engalant les deux expressions(') et (") qui sontvraiespourtout t on en dduit que:

O'arpsla formule de Ioylortoppllqua une fonct1on valeursdans un evn) :
Tr(X)':G'(O)= ~t det r(t) It_o
Y(~)~Y(0)+~Y'(0)+0(~2 )=I+~X+0(~2) ce qu'on voulait dmontrer.
Encrivant que cette quanlli est l'exponentiellede sonlogarithme:

y(~)=exP[ln(I+~X+0(~2 ))]=exP[~X+0(~2)]
o on a utilisle dveloppement limitdu rsultat 14. RESULTAT16: A B)P __
( exp-.exp- exp(A+S)
p p poo
. '.' \._ .
On a vu cu r~uttt7 que pour tout p entier:
Ilsuffitd'appliquer le lemme l'application:
[exp(A)]P=exp(pA)
On en dduit que: Y(I): exp(tA).exp(tB)
~.
- .- ~ qui vrifie les proprits requiseset dont la drive l'origine se calcule comme un
produit classique:

t
. 'i~.;:
..

---------------------
268 METHODIX ALGEBRE 12. Mthodes d'tuqe QEl_.I'exponentiellematricielle 269

d e qui donne par intgra~on et division par a :

dt y(t) = exp(tA).Bexp(tB)+ A. exp(tA).exp(tB)
ce qui donne en zro: , 1 "

111-; l f(S)dSII=IIAII< E

01'1 sait que pour IIAij< 1 la srie LAn est normalement converente donc
Intrt : , :,
convergente et que sa somme vrifie:
Cette formule est connue sous le nom de formule de substitution. Elle se substitue en +~
effet 0 la formule d'addltlon classique exp(A).exp(B) = exp(A+B) (rsultat 5) qui n'est L An =1
(I-A).
pas toujours vraie. Cette formule prsente l'avantage d'tre toujours vraie, et est parfois n=O
utilise en remplacement. ce qui veut dire que I-A est inversible pour A assez petit. En choisissant e <.J on
dduit que ~A~< 1 et donc .
Notons d'ailleurs que ~i A et B commutent le terme de gauche se simplifie et vaut bien 1a
exp(A).exp(B) (il est Indpendant de p) et on retrouve bien la formule 5. -00f f(s)dS=I-A
est inversible (on vient de redmontrer brivement que le groupe linaire tait ouvert) ..

8. Sous-groupes un paramtre On peut donc multiplier par l'inverse de cette matrice la relation obtenue, Comrne t.
est continue, F est de contlnument drivable et comme alors:

17: l'exponentielle est le seul sous-groupe un paromtre

RESULTAT f(t)= [F(t+a)-F(t)l{I f(S)dSf

Dfinition: on en dduit bien que f est elle aussi Cl.

Un sous-groupe de GLn 0 un paramtre est une application f continue de R dons GL
~~~: . .n En drivant ensuite la relation de dpart par rapport t, prenant ensuite s=O,il vient:
\>'(s,t) f(s+t)=f(s).f(t) =
f'(s) 1'(0).1(5)
D'aprs la thorie des quations diffrentielles rappele ou rsultat 12, on en dduit
Thorme:
Les sous groupes un paramtre de GLn sont exactement les applications de la que:
forme: f(t)=exp(tX) f( s)= exp( s.1'(0)). f(O)= exp( sX)
CQFD. La rciproque est claire.
REMARQUES:

D Une telle application vrifiencessairement.:1(0) = 1 ~;

D On a dj tudi les sous-groupes un paramtre de R' (cf, tome 1, quations
1
_.S,_._"S_UIJ_o_e_c_ti_Vl_Ot__d_e_I_'e_xp_o_D_e_D_t_i_e_ll_e_c_o_m_p_le_x_e_._A_p_p_li_c_a_t_io_n_s_,
__
,_~--.-::~,:;;;
<'".c' ~ .
fonctionnelles). On se propose Ici de gnraliserle rsultatobtenu. On va procder de ...
la mme faon, en mormont que t est drivable par l'Intermdiaire de la thorie des 1" On a vu plus haut que l'exponentielle d'une matrice quelconque tait toujours
intgrales paramtre. ! Inversible. On va maintenant s'Intresser ci la question rciproque: foute,matrlce';'
Invers,!=,leest-elle l'exponentielle de quelcue chose? .
Dmonstration: ./;~

Intgrons par rapport -s la relation entre 0 et a, a tant pour le moment un rel La rponse est diffrente selon qu'on se place dons R ou dans C. On utilise: assez
quelconque: logiquement le logarithme nprien tel qu'on l'a Introduit plus haut, mais on se limite'
a t-c a aux matrices nilpotentes pour ne pas avoir de problmes de convergence.
J f(t+s)ds= J f(U)du=F(t+a)-F(t)=f(t).J f(s)ds
a t a
o F dsigne une primitive quelconque de f. On aimerait bien exprimer f(t) en fonction
~ESULTAT
18: l'exponentielle complexe est surjective
de F(t + 0) - F(t) , mois cela Implique de pouvoir multiplier par l'Inverse de l'Intgrale de
droite. Peut-on trouver a tel qu'elle soit Inversible? ,
Prliminaire: logarithme.
On fait comme dans R, en utllsant la continuit. f est proche de 1quand s est proche Pour X nilpotente, on pose:
de a donc l'Intgrale va tre proche de a.! et a devrait marcher. Passons par les n (1)"-1'
epsilon. In(I+X)= L
_-_Xk
k=1 k
Soit E > O. Il existe 0>0 tel que: On va dmontrer dans ce cas particulier que:
\>'se[O,a] if(sHi<e exp In(I+X)=I+X
en tudiant l'application dfinie sur [0,1] :
f(t) =(1 + tX).exP[-ln(l+tX)]
270 METHOOIXALGEBRE 12. Mthodes d'tude de l'exponentielle matricielle 271

On va montrer que cette opplication est drivable. En remarquant que si A est une
application drivable valeurs dons l'algbre commutative K[X]= vect{xk}, alors A' D'aprs ce qu'on vient de dmontrer, les blocs Jk sont des exponentielles de blocs Lk
puisqu'Ils s'crivent sous la forme 1..kl + X o X est nilpotent. Donc J est l'exponentielle de
aussi (parce que K[X] = vect{ xk} est de un ev dimension finie donc ferm et la drive la matrice diagonale par blocs L :
est une limite d'lments de cette algbre) donc A' commute ave A ce qui permet
de driver facilement les pUissances de A (sinon c'est difficile exprimer), Alors (toutes
les sommes sont finies cor X est nilpotente) :

~eXPA(t)=~, A(t)k = ~ A(t)k =

A'(t)A(t)k-l =A'(t)expA(t) On en dduit facilement que A est aussi une exponentielle:
dt dt ke k! k=O dt kl k=l (k-1)!
A = eXP(PLP-1)
En prenant A(t) =ln(l+tX) eK[X] on a facilement:
Application de la surjectivit: GLn (:6) est connexe
A'(t) = (_1)k-ltk-1Xk I~suffit de montrer qu'il est connexe par arcs, donc qu'on peut relier par un chemin
k:l continu trac sur lui deux matrices P et Q inversibles quelconques.
D'o en drivant f comme un produit: Or P et Q s'crivent comme des exponentielles. respectivement de A et 8.
Il est clair que si on pose:
rU) = X[I-(I+ tX)~l (_1)k-ltk-1Xk-l]exP[_ln(l+ tX)i
y(t) =exp(tA+(1-t)8)
Le crochet est classiquement nul (l'Inverse de I+A est la somme de la srie gomtrique le chemin est bien trac sur GLn et Il relie bien Q (t=O) P (t= 1).
alterne, qui est finie car X est nilpotent, on 1'0 dj fait vingt fols cet exercice). Donc f
est constante et gale sa voleur en 0, l'Identit. En crivant la valeur en 1 on
constate que:
exp In(I+X) =I+X RESULTAT 19 : l'exponentielle relle n'est pas surjective
REMARQUE:

On Insistelourdement sur le faif que/es calculs Ici sontJustifiscar d'une part toul On va montrer par exemple en dimension 2 que la matrice
commute (donc on peut drivercomme on veut) et d'autre part X estnilpotent donc . 8=(-11)
toutes les sommes son/finieset on peut Intervertirsommeet drivationsansproblme, o -1
Dmonstration. ne saurait s'crire sous la forme B = exp(A) avec A relle .
On dduit immdiatement du rsultat prcdent que toute matrice de la forme 1..1+ X .\"

o X est nilpotente est une exponentielle; soit en effet fJ. complexe tel que e~ 1.. . = Notons (Ct.~) les racines (relles ou complexes) du polynme caractristique de A.
On a alors fccement ::: ..
- si elles sont distinctes A est diagonalisable donc 8 aussi (cf. rsultat 9) or 8 ne.l'est pas
: sa seule valeur prdpre est -1. et si elle tait diagonalisable, elle serait gale -1. ce
qui n'est-manlfestementpas le cas.

- donc les racines sont gales, et donc ces deux racines sont forcment relles
Le passage au cas gnral se folt en utilisant la dcomposition de Jordan. Puisqu'on (puisqu'elles doivent tre conjugues et gales). On en dduit d'aprs le rsultat 9 que
est dans C, toute matrice A a son polynme caractristique scind donc, les voleurs propres de 8 sont el1 = -1. ce qui est impossible avec rel.
XA(X)=n
, (I..,-xt'
Donc A n'existe pas.
et d'aprs le rsultat rappel au chapitre 11.-est semblable une motrice diagonale
par blocs de la forme:
REMARQUES: .

o pour tout k :
J{ J o Onpeut montrer unpeu plus.Notamment on peut montrerque pour qu'une matrice_.
Bse mette sousla forme d'une exponentielle de A, il est ncessare que Bsoit un carre
de matrice. Eneffet:

8 =eXP(A)=[ eXP(~)r
o On peut mme montrer encore plus. mais nous ne le ferons pas car cela nous
Jk
.= [A k \ entraneralt un peu loin. Onpeut montrer que l'ensembledescarrs du groupe linaire
,l, rel est exactement Ifmage de l'application exponenlielle,
 Chapitre 13
BESTOF :
METHODES D'ETUDE DES MATRICES CLASSIQUES
.. ','
.>:.
- 'I:~

Encore un chapitre d'algbre linaire? Etoui. encore un chapitre d'algbre IrnaireL"

Pourtant.on a fini d'exposerce qui fait traditionnellement partie du cours? .. "..';',.

Mals.vousavez du le remarquer.l'algbre diffre de l'analysesurun point Important: Il

y a finalement beaucoup moins de thormes connatre (pour caricaturer. on .
pourrait mme dire qu'il n'y a que lesCNSde diagonallsation !) et que le reste n'est que
de la culture gnrale, Au contraire. le programme d'analyse de classesprparatoires
est trsriche et diversifi, .

Il est donc normal. noussemble-t-II.de consacrer plus de chapitres cette" culture

indispensable la bonne comprhension des exercices,

On parle Indiffremment de matrices ou d'endomorphismes et on se place

videmment en dimensionfinie.

Nousavons choisi pour choque mthode de donner une ou des dmonstrations des
rsultatsproposs. car nouspensonsqu'il est inimaginable qu'un candidat digne de ce '
nom ne lesconnaissepas(toutes).

l~]Endomorphismesnilpotents et crochet de Lie

~---~---"';"-----------""";;~""":,:';,.
A) Endomorphismes nilpotents
Les endomorphismes nilpotents Jouent' un rle central notamment parce' q;ils
interviennent dans la dcomposition D+N qu'on a dveloppe prcdemment.
Comme -on connat bien lescaractristiques des en:=!omorphlsmesdiagonalisables. Il
est normal qu'on s'Intresse celles des endomorphismesnilpotents,

On rappelle qu'un endomorphismeu est dit nilpotent 55iIIexisteun entier p tel que :
..Ii

METHODE 1 : Utiliser la caractrisation Udlm(E) = 0

Rsultat:
On dfinit tout d'abord. pour un endomorphisme nilpotent. l'Indice"de
comme:

------ - -- --------------------
----- --- --- ------------ -----
274 METHODIX ALGEBRE 13. Best of : Mthodes d' tude des matrices classiques 275

(cet ensemble d'entiers tant non vide et minor par zro admet naturellement un plus

~i'""
petit lment). METHODE2 : Utiliser une forme rduite triangulaire de u

On peut alors dmontrer que p S n. et ce de plusieurs faons. Rsultat:

Il est intressant de voir ces diffrentes faons de faire . SIu est nilpotent. Il existe une base :~ K[~ Ioquelle u a PO" malrice ,

Dmonstrations possibles:

1) par la suite des noyaux itrs. , 0,

C'est une application trs classique d'un rsultat qui ne l'est pas moins et que nous
avons expos Il ya de cela deux cEjnts pages environ (chapitre 5. mthode 14. Dmonstration:
exemple). .
Le plus simple est de procder par rcurrence. Le rsultat est vrai en dimension 1. O
Il est facile de constater que l'indice de nilpotence introduit ici n'est autre que l'entier p tout endomorphisme nilpotent est nul (puisque ncessairement Ud1m(E) = u' = U = o.
dfini plus haut. En effet. la suite des noyaux est forcment strictement croissante avant
p. et stationnaire aprs (puisque Np =E Ici). Or on avait dmontr l'poque que Supposons donc qu'II sort vrai en dimension n et plaons-nous en dimension n + 1.
p sn .. - ou bien u est nul auquel cas le rsultat est vident;
- ou bien u n'est pas nul. et le noyau de u est strictement Inclus dans E donc admet un
supplmentaire F non nul:
E=KeruF
2) par une famille (x.u(x),u2(x) .... uP-1(x)) Si on prend des bases dans chacun des s-ev et qu'on les runit. on obtient une base de
E. La matrice de u dans cette base est de la forme suivante:
Puisque p est l'Indice de nilpotence par dfinition mme up-J est non nul. ou. ce qui
revlnt au mme. Il existe x dons tel que up-I(x)..o. Montrons que la famille A=(~ ;)
(x. u(x). u2(x) .... uP-J(x)) estllbre en considrant une relotton de liaison (par blocs); or An = O. qui donne facilement Bn = 0 puisque:

, ox + 1u(x)+ ~u2(x)+... +p_1UP-l(X)= , Ak=(~ B*k)

Sion applique, up-1 cette relonon Il vient: En appliquant l'hypothse de rcurrence sur l'espace.F (qui est de dimension Infrieure
oup-1(x)= 0 n). on trouve une base dans F qui soit est telle que u dans celte base sera de la
forme voulue:
Or uP-J(x) ..O. donc :1.0 = O.

En Injectant o = dans la relation de IIqlson et en lui appliquant maintenant up-2 on
trouve que :1.1= O. Par une rcurrence Immdiate on montre que tous les.coerclents
sont nuls donc que 10 famille est libre. '

Toute famille libre est de tallle'lnfrieure- la dimension n de l'espace amblant. Or cette

famille compte p lments. Donc p sn. '

, REMARQUES:
3) par le thorme de Cayley-Hamilton D DonsC on peut aller un peu plusvite cor on salt que toute matrice est trigonollsable
On va dmontrer Juste aprs que la seule valeur propre possible d'un endomorphisme et que sur la diagonale se trouverontlesvoleurspropres. qui ne peuvent tre que zro.
nilpotent est O. ce qui veut dire que son polynme caractristique est Xn. D'aprs le Mois en fait c'est bien la mme dmonstration. 1/ sufflt de se rappeler comment on
thorme de Cayley-Hamilton. le polynme coroctrlstlque est annulateur et donc montre qu'un endomorphisme est trlgonolisable: on construitpar rcurrence une base
un = O. ce qui prouve bien que .p S n puisque p est le plus petit des entiers vrifiant de trigonalisation1
, cette proprit. 1 o On peut en faIt montrer un peu plussion utilisela rduction de Jordan puisque celle-
cf dIt afflrme en particulier qu'un endomorphisme dont le polyn6me caractristique es!
Intrt :
L'Intrt est d'viter de se coltiner des exposants trop levs dans les calculs. Ainsi. si
1 scind (ce qui est le cas d'un endomorphismenl/potent) estsemblable une mattce a
blocs diagonaux du type:
l'on est en dimension 3 et qu'on tombe par un calcul sur une motrice A qui vrifie
=
Al995 O. on est certain qu'elle vrifie aussi AJ _ O. ce qui est tout de mme plus
agrable manipuler.

l
1 LIa METHODIX
ALGEBRE 13. Bestof : Mthodes 9:tude des matrices classiques 277

ce qui est vicf.ef!lmentmieux que ce que l'on affirme ici Nanmoinsle gain est faible Dmonstrations:
surtoutsil'on veutbien comparer la complexit desdeux dmonstrations.'la rduction Qn peut proposer (au moins) deux dmonstrations de chacun de ces rsultats. A
de Jordan fait appel aux espaces caractn'stiques:nousn'avons utilisqu'une timide chaque fois,l'une d'elle utilisela dfinition tondis que l'autre fait appel un rsultat de "
rcurrence. le rapport qualit-prix de cette dmonstraffon-ci est donc prfrable, culture gnrale algbrique , C'est pourquoi lesdeux sont Intressantes,
d'autant que la rduction de Jordan est aux limitesdu programme et que l'admettre
conduit souvent tn'viallserbeaucoup d'exercices de concours. ce qui n'est pas
toujoursdu got des examinateurs. (i)- puisque u et v commutent on peut appliquer la formule du binme. Sion calcule
la puissance2n-lme de la somme :

Consquence:
On voit clairement sur cette trigonalisation que la seule voleur propre d'un
endomorphisme nilpotent est zroet que donc sonpolynme caractristique est: , ........
,~, ,+ . ":~""': l:'
(-ltxn. Or chque terme de cette somme est nul: si 1Qn, uk=Otandis que si 2n-k<!:n,
c'est-6-(ji~~:;~
..-.
On aurait pu trouver ce rsultat directement: si " est une valeur propre complexe de kSn,c'est v2n-k qui est nul (d'o le choix de la puissance 2n). " -',"
u, alors "n est valeur propre de un (classique)donc n=Oet =O.
Donc la somme est bien nilpotente.
Intrt : - puisque u et v commutent et sont trlgonallsables, Ilssont cotrlonollsooles. Or dans
On a abondamment expliqu l'Intrt des matrices triangulaires: elles permettent toute base de trigonalisation, Ilsont des zros sur la diagonale, La somme oussl, et
surtout de faire des calculs plus simples. Donc ds qu'un exercice parle d'un donc la somme est trlgonallsable avec des zros sur la diagonale. D'aprs
endomorphisme nilpotent et qu'on choisit d'en faire un traitement matriciel, il vaut l'quivalence dmontre ci-dessus,elle est nilpotente. '
mieux utiliserla
, forme rduite cl-dessus.

Remarque importante: (il) - calculons (VUf+l ; on peut Judicieusementremarquer que:

A ce stade de notre tude, on vient de dmontrer l'quivalence entre les cinq (vut+1 = v.(uvt.u= v.O.u= 0
propositionssuivantes(vrifiez-le): , \
- on salt que uv et vu ont mme polynme caractristique. Comme uv est nilpotent
(1) u est nilpotent ' son polynme caractristique est (-ltXn, donc .vu a le mme polynme
(II) un = 0 caractristique et en utilisantl'quivalence dmontre plus haut on en dduit que vu
est nilpotent.
(III)Xu(X)=(-ltXn
(Iv)Il existeune base de E relativement laquelle u a pour matrice: REMARQUES:

N=[,~J o 4a somme de deux endomorphismes nilpotents n'est pas

ne;_,commutentpas).
~
Cf:
forcment nllpo.tente(s'Ils,

.
,[.~'i~:,:.,
,':: , ',' i~o.,.<<~(,
o On n'a Jamoisdit que leproduit de deux endomorphismes nilpotents taIt nilpotrit_,~ .:":"
' ,--, .,',,'

(~ ~)(~ ~) =(~ ~) , '::/i:;,< ,

REMARQUE
(aussiimportante),'

On voltpour une foisun exemple o il ny a pas de diffrence fondamentale entre R et

, C, Cela s'expliquefout simplement,' gnralement la diffrence entre Ret C vient de
ce que C est algbriquement clos, donc tout polynme a une racine, fout
endomorphisme une va/eurpropre et donc fout endomorp/7/smeest trfgonallsab/e.Or
mme dons Il un endomorphisme nilpotent est trigonallsable. Donc il n'y a plus de , B) Crochet de Ua
raisonpour qu'ily olt de diffrence partir de I... -~,
Sa,Popularit est grande par lestemps qui courent, puisqu'IIa dj fait l'objet de
' - .
sujetsentiersde Polytechnique rcemment (un en P', un en M'). Son Intrt en
est'grand, notamment dans l'tude des groupes et algbres de LIe, qui
METHODE 3 : Utiliser les rsultats sur les sommes et prodl,lits de nilpotents
en mcanique quantique. ,
Iltait donc normal que l'on s'yIntresse.
Rsultats :

!
(Il La somm de deux endomorphismes nilpotents qui commutent est On dfinit :
nilpotente. lu. v1= uv - vu
(II) SIuv est nilpotent. alorsvu est nilpotent. et l'endomorphisme de L(E)correspondant:
__ ~P_--:~~~~!~~TvQlrn-~~---~~
; ..

---------------------------
-----------------------
 278 METHODIX ALGEBRE 13." Bestof : Mthodes d' tude des matrices classiques 279

METHOD.E
4 : Utiliserles formules sur le crochet METHODE6 : Utiliser la dfinition

Rsultats: Dfinition:
Uncertain nombre de formulesse rvient trsuttles,notomment : La comatrice A de A est la transposede la matrice des cofacteurs de A.
(i) Identit de Jacobi: [LL vw] = [u v J. w + v.(LL w] REMARQUE:
p
(il) lu,vjP = L C~.(_l)k.up-k.v.uk Ce n'est pas un hasard que nous voquions la dfinition APRES avoir parl de la
k~O proprit fondamentale - bien que cela ne soit pas trslogique. En effet, ilest certain
(iil) Tu([t.gJ)=[Tu(f),g]+[f.Tu(g)] que la dfinition sert moins que la formule fondamentale. d'un point de vue purement
pratique.
(tv) l[u,vJ=[lu,q
Application:
, Pour la premire Il suffit d'crire, la deuxime se vrifie par, une rcurrence peu rang de la comatrice : rg(A)=n ~ rg(A)=n
excitante. Lesdeux autressont Immdiatesen crivant une ligne de calcul.
rg(A)=n-1 ~ rg(A)=l
On verra en exercice que ces formules permettent de montrer que Tu hrite des
propritsde u. rg(A)sn-2 ee rg(A)=O

REMARQUE:
Cette classification en termes de rang est extrment importante. Lorsqu'on traite un
2. Comatrice exercice surla comattice, il est souvent commode de distinguer ces trois cos (qui sont
d'ailleurs assezsimples : Je cos inversibleest pratique: le cos de comatrice nulle est
vident,' reste le cos Intermdiaire. un peu moinsclair...J.
Contrairement aux endomorphismesnilpotentset au crochet de Lie,dont on a montr
qu'ilsservaient quelque chose, l'Intrt de la comatrlce est nul. c'est-c-ene qu'elle ne Dmonstration:
sert concrtement rien. Elleest'simplement le sujetd'un nombre assezconsquent 1 - 51 A est Inversible son dterminant est non nul donc d'aprs la formule
d'exercices, ce qul',Justlfiequ'on en dmontre les principales proprits. Eneffet les caractristique A est inversible.
mconnatre pourrait conduire ne pas savoir rsoudresimplement lesditsexercices. - 51A est de rang n-1 son noyau est de rang 1 : or detA=O donc d'aprs la relation
et ce serait... dommage. 1i
1
caractristique AA =0 ce qui veut dire que ImAcKerA : donc ImA est de dimension
o ou 1. Mals ImA n'est pas de dimension0 car A n'est pas nul - Il existe au moins un
On se place Ici en dimensionsuprieureou gale 2.
- \- cofacteur non nul puisqu'IIexisteune sous-matrice carre Inversible de taille n -1 (cf.
i
chapitre 7).
,1 1
Donc ImA est de dimension 1. CQFD.

1
- sile rang de A est infrieur n- 2 tous lescofacteurs sont nuls puisque aucune sous-
l' METHODE5 : Utiliser la proprit fondamentcile matrice de taille n -1 n'estinversible.
1
1, Rsultat: Lesrciproque sont claires, puisqu'on a examin,+outes les situations possiblessur le
A.A = AA = (det A).I rang de A. Donc fi s'agit bien d'quivalences.
',.
Applications: <>
Un certain nombre de proprits de la comatrlce dcoulent de cette relation
fondamentale. . METHODE7 : Utiliser la densit des motrices inversibles
t,
,0 commutativit: A et A commutent donc A E r(A)
. i,
o dterminant: det A = (det A)n-l Principeet Intrt: '
On salt que lorsque'A est Inversible.la comatrlce de A est peu ou prou l'Inversede A ;'
Dmontrons cette dernire relation. SiA est Inversible.detA est non nul. En prenant le plus exactement, on a : '
dterminant de la relation caractristique Il vient:
detAdetA= det[detA.I] =(detAtr
1 A=A-1.det(A)
Donc on a un expressionfinalement trssimplede A en fonction de A. ce qui n'estpas
qu'on simplifiepar detA et le rsultatsuit. 1 le cas en gnral (quand A n'estpasInversible).
SIA n'est pas InversibledetA=O.SIA est nulle la relotlonest vraie. SIl'on cherche prouver une formule faisant Intervenirla comotrlce. il est donc naturel
Sinon A.A = det(A).1= 0 entrane que A n'est pas Inversible(sinonA serait nulle) donc de commencer par montrer cette formule surles motrices Inversibles.et _depasserau
est de dterminant nul. Donc la relation est vraie. cas gnral par densit et continuit (comme Il a t expliqu la methode 11du
___________ ~-'f-=-~_--<.,;l:lapltf.e-1-B.

- -- _----
 13. Best of : Mthodes d'etude des matrices classiques 281
280 METHODIXALGEBRE

Cl Application nl : Montrer que AB = iDi A) Matrices de rang 1

SIA et B sont inversibles, AB l'est aussi et : Une motrice est de rang 1 sslelfe vrille :
rg(A)=1 ssl 3(Oj, ...an);.o(0 .... 0) et 3(b1,.v.bn);.o(O ... .ojt.ci.. a/j=a,.bj
AB = (ABr1.det(AB) =B-1.A -l.det(A).det(B)=B.A
Supposons maintenant A et B quelconques. La comatrice est videmment une SIA est de rang 1. alors: A2 =tr(A).A
application continue de Mn dons lui-mme puisque ses composantes sont des
dterminants, donc des polynmes en les coefficients de A. Une matrice de rang 1 est diagonalisable ssl sa trace est non nulle. ou, ce qui est
, quivalent, si elle admet une valeur propre non nulle. .. :':: ~,.'
,.. ,"
Sion considre deux suites de matrices Inversibles An et Bn tendant respectivement
vers A et B, leur produit tend vers AB (car le produit est b111nairedonc continu en Les valeurs propres d'une motrice de rang 1 sont 0 et tr( A). \,. ,
dimension finie). On a donc:

B) Matrices circulantes

:.~:.~:::~'~l
et par ailleurs:
An.Bn=Bn.An~B.A Ce sont les matrices de la forme:
D'o la conclusion par unicit de la limite,

Cl Application n2 : polynme caractristique et voleurs propres de la comatrics '. '. " 03

(dons C) , ... ", ". 02

Commenons par le cas o A est Inversible. On a dj dtermin le polynme

03 ... an a,
caractristique de l'Inverse d'une matrice (exercice 1. chapitre 11), On procde
serslolernent de la mme manire: Dans C, ces matrices sont diagonalisables; plus prctsrnent, si on pose

X;;;(X)=det(detA.A-1-XI)=de{-XA-1( A- de;AI))= ~~): xA(de;A)

On ne peut pas passer la limite directement (bIen que tout soit continu) cause de
la prsence de detA au dnominateur (qUi va tendre vers sl A est Inversible). En
revanche, puisque on est sur C, le polynme est scind et on peut crire la relation en
termes de valeurs propres:
1 alors on montre que les valeurs propres sont les Q(l;k)
que l'espace propre associ (de dimension 1) est El. = Vect(1. .,.2....
(n valeurs propres distinctes) et
-!'-1).

X;;;(X)=n
1
(n
j..i
:l.j-X) 1 :,i

Soit une matrice A quelconque et An une suite de matrices inversibles tendant vers A. l" C) Matrice de VanDerMonde
Les valeurs propres de An tendent vers celle de A (il suffit de trlgonallser pour le vair: . ). l'; ."

les v,aleurs prop~es sor;t alors les coefficients diagonaux), Dans la formule '.
prcedemment demontree, tout est continu. (le polynme caractristique est un al 012
(~'

dterminai}t et on vient de pener des valeurs propres). Donc on peut passer Id limite. 2
Et le rsultat est vrai partout. .
~}
1 02 02
. ,,1,~ :

"_ Notons donc que les valeurs proeres de la cornorrtcssorrt ls~pro-dltsn l'j de valeurs
j .., 2
an an
propres de A.

j . ;Elles sont surtout connues pour leur dterminant. qui vaut :

'1

l
.\ Ce qui montre notamment le rsultat important suivant:

/
/J"

----- -~ ---------- -----~-

---- ------------ -----
----
 METHOOIXALGEBRE
13. Best of" : Mthodes d'tude des matrices classiques
283
Exercices
J .' >.

Ci] Montrer que si A est diagonalisable, sa comatrice l'est aussI.

Soit u un endomorphisme nilpotent.
a) Montrer que Id+u est Inversible.
b) Donner son Inverse [IQJ
Groupes multiplicatifs de !Mn.

CD Soit G un groupe multiplicatif de !Mn non rduit {Id}. On note E l'lment neutre de
Soit u un endomorphisme nilpotent. A quelle condition ncessaire et suffisante est-il ce groupe (on Insiste sur le fait qu'il peut tre diffrent de l'Identit) et N l'Inverse de A
diagonalisable? dans le groupe G (qui peut donc tre diffrent de A-1).

On a donc pour tour A dans G les relations:

ITJ AE=EA=A et AA'=NA=E
Montrer que A est nilpotente si et seulement s'il existe une suite de matrices semblables
A qui tend vers zro.
1) Montrer que tous les lments du groupe sont de mme rang r<!1.

m
Montrer qu'une matrice est nllpo-tente 51et seulement si et seulement si
2) Dterminer
l'Identit?
la nature de l'endomorphisme E. Dans quel cas E est-II gal

Tr(u)~ Tr(u2) =... = rr(un) =0 3) Caractriser les groupes de matrice de rang r l'aide de sous-groupes de
Gl,.
[TI 4) Montrer les proprits suivantes sont quivalentes:
Sait u un endomorphisme de Eauquel on associe l'endomorphisme de L(E) : . a) A est dans un sous-groupe multiplicatif de !Mn.
. ~M=~~ b) rgA2 =rgA
1) Montrer que si u est nilpotent alors Tu l'est aussI.
c) ImA2=lmA
2) Montrer que u est diagonalisable ssl Tul'est (on utilisera la rduction D+N).
d) KerA2 = KerA
'e) Rn=lmA9KerA

Soit u et v deux endomorphismes tels que [u v = v 1 5) Montrer que ces propositions sont quivalentes l'existence d'une matrice X
telle que:
1) Montrer que [uP(v)]= v.P'(v) pour tout pOlynome P.
2) En dduire que v est nilpotent.
.. - salt en utilisant un polynme annulateur de v .
- salt en utillsnt l'endomorphIsme Tu.
(on pourra comparer X N).

- soit en utilisant la trace et l'exercice 4.

6) Etablir l'ur.~-:It de X

--DJ 7)_~o~r~!
Indpendant
..9Lle _A'_e:_t~e_r:n~<:ble une rnofrtce du _1yp~ ~~I _~~_OD_Al_est __
du groupe auquel appartient A.
A dsignant la comatrice de A. dmontrer les formules suivantes:
-1 . A . --1
a) A =;: det(A) = A
i
. ~2 ,-
~~~~~\~~J:~~4:~
'. .' ~ ". r
1
!
A tant une matrlc . 1
en X l'quation: X=A (dans !MnCR).

l
 285

(
METHODIX ALGEBRE 13. ci Best of : Mthodes d'tude des matrices classlques

Corrigs ru . .
SI:u est nilpotent Il est semblable une matrice qui n'a que des zros sur la diagonale.
Ses puissances vrifient la mme proprit. Les traces de ces puissances sont
[JJ

-':T~]
naturellement nulles,
On a dj fait cet exercice 345 fols. et d'ailleurs il trane quelque part au dbut de ce Considrons la rciproque, On trlgonallse dans C l'endomorphisme u (mme s'II est
livre. On l'a remis l au cas o vous ne l'auriez pas vu ... rel). Sur la diagonale apparaissent les voleurs propres, Salent ,].... :l.p les valeurs
p
propres distinctes (complexes) de u et "1....a leur multiplicit. L'quation
. 1)'" ." oU_O'" a pour convencble Tr(u) = Tr(u2) =...= Tr(tf) = 0
s'crit comme un systme:

et da" le-u a pourmotriceI.N CT~~1 l

al,1+
al'}+

al:l.]P+

donc Inversible, Donc elle n'admet

+ap:l.p =0
+<lp:l.p2=0

+ap:l.pP =0
o. V(I .... ,P) est une motrice de VanderMonde dont les arguments
que la solution Identiquement
sont distincts.
nulle, Or tous les ai .
sont forcment non nuls (multiplicit),
qui est clairement Inversible vu qu'elle est triangulaire avec des l sur la diagonale ...
Donc ncessairement p=l. Il n'y a qu'une voleur propre et vu que la trace est nulle,
2) On va pas s'tendre sur l'astuce habituelle qui consiste remarquer que: cette voleur propre est nulle,
n-l
(Id+u). I. (_l)k,uk ",Id
Dons une base de trigonalisation on a donc une matrlce triangulaire diagonale nulle.
k=O
n-l donc nilpotente (puisque son polynme caractristique est (-xt),
(il n'y a qu' dvelopper pour le voir) et que donc l'inverse de Id+u est: I.(_l)k, uk ,
On pouvait procder autrement en utilisantl'ide 3. du chapitre 9,
k=O

J
Mme topa pour celui-l. qu'on a dj crois quelque part dans le livre, La seule valeur
w .
propre d'un endomorphisme nilpotent est O. S'il est diagonalisable. u est donc 1) On utilise la deuxime formule de la mthode 4 :
semblable l'endomorphisme nul. donc est nul. La rciproque est claire,
[u v l p =z:~Ck( p,- l)k .up-k .v.uk
k=O
DJ
Cet exercice n'est pas absolument trivial (loin de l) si on ne se rappelle pas un rsultat ".
SU~est nilpotent. un = 0, En prenant p=2n on constate oue.tousles termes .de la somme,"
sht nuls (puisque soit kan soit ksn alors 2n-k~n), Ce qui prouve bien -que-
dmontr en annexe du chapitre 9 qui tait. rappelons-le:
T~2n(v) = Opour tout v, donc Tu2n=O. .~:-'..
Soit A une matrice complexe et E un rel strictement positif, Il existe une matrice T
semblable A dont les coefficients extradiagonaux vrifient: 2) SI u est diagonalisable Tu l'est: on l'a dj dmontr au chapitre .9, ({hme 6:
Itidq Incoutournable n04). - , . .
Or Ici A est nilpotente donc ses termes diagonaux sont nuls, On applique donc la
La rciproque utilise. vous vous en doutiez. la dcomposition e d-n ,
construction en prenant E'" lp ce qui nous donne une motrice Tp semblable A et qui
Soit u=d+n la dcomposttlon de u. On a alors: Tu= Td + Tn
tend v~rs 0 au sens de la norme du sup des coefficients. donc au sens de toute norme. - comme d est diagonalisable. Td l'est d'aprs ce qu'on vient de dire.
- comme n est nilpotent. d'aprs 1) Tn l'est, .
. La rciproque est claire: supposons qu'II existe une telle suite et calculons le polynme
caractristique de A. Par continuit du dterminant: -".comme dnend on en dduit [n,dl=O ; or d'aprs la quatrime formule de la
mthode 4: .
[TnTdl=T[n.d] =To=O
Ce qui prouve que Td et Tn commutent.
Donc on a trouv la dcomposition de Tu,
Mals par ailleurs tous les termes de la suite sont semblables A. donc leur polynme
caractristique est gal celui de A ; en fait la suite est constante gale XA et par
Supposons maintenant de Tu est diagonalisable; alors T n est nul, :e qui veut dire que
unicit de la limite: XA =(-xt, n commute avec tous les endomorphismes de L(E); donc n est nilpotent e! dons le
Ce qui prouve bien que A est nilpotente, r -, 'Ire de L(E) qui est form des homothties, La seule homothtie nilpotente etant O.n
'''\.et u=d et d est dlagonollsable,

------ -- _-- ---~-- ------ ------

-------- -------- -------- --------
286 METHODIX ALGEBRE

1
r 13." Best of" : Mthodes d'tude des matrices classiques 287

ITJ
1) SI ce stade du livre et de l'algbre linaire vous ne savez pas faire ce genre de
On Imagine avec un certain amusement que dans leur lance, certains ont tent' de
gnraliser" par densit" cette formule une matrice quelconque, ce' qui ne peut
question, de deux choses l'une: videmment pas se faire compte-tenu de ce que la formule n'a de sens que pour les
- ou vous arrtez dfinitivement de fumer des joints. matrices Inversibles.
- ou vous faites une prpa HEC.
b) Et si on commenait par dmontrer le rsultat dans le cas o A est... inversible?
Plus srieusement, pulsque la proprit montrer est linaire par rapport p, il est Alors
quivalent de la montrer sur tous les polynmes ou sur tous les vecteurs d'une base. A=A-1.det(A)
et donc A est galement Inversible, donc on peut lui rappllquer la formule:
Pour la vrifier sur la base canonique, Xk, on procde par rcurrence en utilisant
l'Identit de Jacobi. A= A-l.det(A)=_A_.(detA)n-l =A.(detAt-2
det(A)
On vous.lotsss fal,ele dtail des calculs. (en utilisant la question a) et la formule du dterminant.dmontre la m_thode 5).

Tout tant continu (la comatrlce est une matrice dont les termes sont des
2) On va raisonner sur le polynme de degr minimal parmi les polynmes dterminants, donc polynmlaux en les coefficients de A. etc ...) on peut tendre
annulateurs de v (c'est--dire le polynme minimal. mals bon ce mot est Interdit donc une matrice quelconque par densit.
on tourne autour). Soit donc P le polynme minimal de v et d son degr.

Comme P est annulateur de v, d'aprs [u.P(v)] =v.P'(v). on en dduit que XP' est aussi
annulateur de P. [TI
Le polynme d.P-XP' est donc aussi annulateur, mals Il est de degr strictement Comme on l'a dit au paragraphe 2 mthode 6, Il est souvent Intressant de mener une
Infrieur d. Donc Il est nul. Ce qui veut dire que: P vrifie l'quation diffrentielle discussion en prenant le rang comme paramtre. Allons-y gaiement.
. d.P-XP',{J
qui s'intgre (VOir tome 1. chapitre 17) en P(X) = A, Xd ce qui prouve bien que v est .Slrg(A)=O .

!
nilpotent. alors toute matrice X de rang infrieur n - 2 est solution.

On peut aussi raisonner par l'absurde en supposant qu'aucune puissance de v n'est .SI rg(A)=n. '.
nulle. En utilisant la relation dmontre sur la base canonique: A est Inversible donc X aussi en vertu de ce qu'on a dit sur la comatrlce. En prenant la
comatrice des' deux membres et en utilisant le rsultat b) de l'exercice prcdent:
Tu(vk)=k,vk 1 X =x.(detxt-2 =A
ce qui veut dire '(puisque les vk sont non nulles) que yk est un vecteur propre de Tu On a presque X ; Il suffit d'exprimer le dterminant de X en fonction de celui de A :
associ la valeur propre k, et ce pour tout k. On aurait donc un endomorphisme d'un
det A = (det xt-1
espace de dimension finie qui aurait un nombre Infini de valeurs propres, ce qui est
assez gnant. Donc Il existe une puissance qui s'annule. Il faut donc discuter nouveau:
- si n est pair il y-o une solution exccternenf savoir:
Enfln, on peut aussi utmserla trace, En prenan.tla trace' de : 2-n
X = A.(det A):n:
rU. vk] = k.vk - si n est impair:
et en utilisant le fait que ( vrifier par rcurrence):.
- ou detA<O alors Il n'y a pas de solution.
Tr(uvk) = Tr(vku) - ou detA:>O alors Il y a deux solutions :. ~'..
on en dduit que pour tout k : z-o
X = EA.(detA)n:
Tr(vk) = 0
D'aprs l'exercice 4, on en dduit que v est nilpotent. SI rg(A) = 1 (c'est toujours le cas un petit peu pnible) : _

ru .'
Ce qolsst blen.v~.la.comatrlce, c'est qu'on peut sortir un nombre Invraisemblable
A est de rang n -1.On montre facilement en utilisant les methodes du paragraphe 3 A)
que A est semblable l'une des deux matrices suivantes (selon qu'eile est
diagonalisable ou nilpotente) :
de formule~ tout!'!s.pjus .lQutllesles unes que les outres.; En voici deux spclmens,
". .\.=.J",::~_'~~~~J!.~:; _' 0 1 0 :]
a) Cette fo;':';Ule";r";"{i~rf;ment'de sens que si A est Inversible. On a dit que dans ce'
cas-l (mthode n: ;:: Al=().O)OUA2=~
[
.,,~

A=A-1.det(A)
.l'e~,taussi (Inversible) donc on applique la formule Enfin, Il est facile de montrer que si deux matrices sont semblables, leurs co.~atrices le
. -) - - sont aussi (vident pour des matrices inversibles, puis par densit). Morahte : on est
ramen rsoudre X = Al et X = A2. C'est lgrement prise de tte, mais on peut
-1) A --1 Ir
quand mme trouver des solutions.
= det(A) =A
..",If ..
, -
 289
,v,,,,nULJI7i. AI.(i;EBRE
./" " /
,/
13. Bestof" : MthEldesd'tude des matricesclcsslques

(
Vrifiezpar exemple que: 1 4)
0) ,~b) car siA est dans G, A 2 aussidonc a mme rang par 1).
\
X,.dag(O" li el x,li : : 1
b) ~ c) car ImA2 cimA et par b) on a galit des dimensions.
c) '=> d) car on a KerA2 => KerA et on a galit desdimensions.
d) ~ e) : rsultat hyperclassique dj dmontr 120485fols; il suffit de vrifier que
l' l'intersection est nulle.(puisque la somme des dimensionsvaut n par le thorme du
conviennent (enfin normalement, sion ne s'estpas plant dans le calcul, ce qui n'est rang), l'intersection est nulle,c'est clair...
pas garanti...). Donc Il y a existence(malssrementpas unicit...) des solutions.

m
,',

=
5) SiA est dans un groupe on prend X A' et a marche. ,',

Sion a les relations prcdentes pour un certain X on montre facilement que,

On fait toujoursnotre classificationselonle rang de A.
ImA2 = ImA; en effet A2X = A implique ImA2 => ImA t l'autreInclusionest claire,
SIrg(A)=n:
A est inversibleet la comatrlce de A est proportionnelle A (A = A -1. det( A) donc elle
est diagonalisable (dans la mme base que A). 6) Rn=lm A El! KerA donc on prend des basesdans ces s-evet on obtient une base e de
Si rg(A)~n-2 Rn.Supposonsqu'on ait deux solutions.
La comatrlce est nulle donc diagonalisable (rsultatqui est vrai mme 51A ne l'est pas). On va montrer que X=Yen vrifiant qu'Ilsprennent mme valeur sur les vecteurs de
base.
Si rg(A)=n-l
A est diagonalisable et rg(A) = n - 1 donc A admet exactement une valeur propre nulle \>'1> r X(ej) = X2A(ej) =0 = Y(el)
(par exemple la demlre). On en dduit en vertu de l'application n02de la mthode
I;II~r X(ej) = XA(fj) = X(A2Y)(fj)= XA.AY(fj)=AX.AY(fj)=A2X.Y(fj) = AY(fj) = A(fl} = ej
que les valeurspropres de A sont0 avec multiplicit n - 1 et n
.1 (produit des valeurs
kn
propres non nullesde A) qui n'est pas nulle. On sait (cf. rappel surlesmatrices de rang
1) que. A est de rang 1 et qu'elle admet une valeur propre non nulle donc elle est
diagonalisable.
7) A et A' sontdans le mme groupe donc d'aprs 1) A' s'critaussip-l( ~l ~}

ITQ] Malscomme AA'=E on en dduit que Al =U-1.

l)A=EAdonc ImAcimE et rgAsrgE Puisque X est Indpendant du groupe et que' X=A' on en dduit que Al est
AA' =E donc ImEcimA et rgA~rgE. Donc rgA=rgEpour tout A. Ind~endant du groupe.

2) E2 = E donc Eest un projecteur de rang r.

Il est gal Id sslr=n.

3) Comme Eestun projecteur, on sait qu'ilexistePInversibletelle que :

,.
E. =P-
-
l (l, O)p
. 0 O'
En cherchant un lment quelconque sous forme de blocs et en crivant que
AE=EA=Aon trouve facilement que: .

, ,,~,/',',:,;};.:, . . A=p-l.(~ ~}p

o u..'~~r~~~\&\4~~~"r et de rang r. donc une matrice Inversible.
On en ddYfdn"qe' 'les groupes de matrices de rang r sont exactement les
ensemblesde la

O q, est un

----------------------------------------------------
 ,
-.l. ..~\
;1
,
'

.
\ Chapitre 14

METHODES GENERALES D'ALGEBRE BILINEAIRE

Formes bilinaires et sssqulllnolres

Espaces euclidiens et hermitiens

Nous avons choisi de prsenter en mme temps les mthodes relatives oux espaces
euclldlens et aux espaces hermitiens,Cette approche contestable prsente notre
avis deux avantages: elle permet de raccourcir un exposqui risqueraitde se rpter
en grande partie; elle permet d'insistersur les diffrences (1< o sont les1et les -I? )
entre lesdeux, qui sont sourcede nombreuseserreurs,souventdifficiles reprer..
Le nombre de chapitres d'algbre bilinaire (au senslarge, c'est--dire euclidienne
et hermitienne) est volontairement restreint.cor Iln'y a finalementque peu de cours
connatre, comparativement l'algbre linaire. Hormis les dfinitions (assez
nombreuses, et souvent connues de manire approximative), on peut dire sons
corlccturar tellement que la seule chose sever .est le thcriiQ. ;pact.dl (rduction
des endomorphismes auto-adjoints). Toutefois,.l encore. un nombre -lrnportont
d'exercices devenus classiques (voire uss) sont quasiment considrs:comme du
cours, d'autant plus qu'ils servent frquemment de mthodes. Nousles ovons Inclus
dans nosfiches de mthodes,
Nous invitons le lecteur rafrachirsesmthodes de duolit, car 11y sera largement fait
appel. Nous tcherons ausside montrer quels liens existent entre l'algbre linaire,
l'algbre bilinaire, et le cos chant l'analyseet la topologie matricielle.
De manire gnrale, on se placera en dimension finie. Nanmoins,les rsultatsne
faisant pas Intervenir d'expressionanalytlque ou matricielle ni la notion de rang sont
valables en dimensionquelconque,

Edsignera donc un R'ev (ou un C-ev, c'est selon),(de dimensionfinie n),

Enfin,nous ne considreronsque desformesf sur ExE. ". ",

REMARQUE IMPORTANTE SUR LES NOTATIONS:

Parconvention :

t; - lorsque nous crlvonsf(x, V), x et Vsont des vecteurs de E, Cfforme bl- ou sesqui-
linaire).
1 - lorsque nous crivons q(x), x est un vecteur de E (q forme quadratique ou
l
I~
hermltlnne),
- mois lorsque nous crlvonsq(x,v.z) ou q(x], ."xn), Il s'agit de n-uplets de scalaires
reprsentant les coordonnes des vecteurs, et non de n-upletsde vecteurs. comme
certains le croient parfois,
-ii1,
,

- -

..~
'
 292 METHODIX ALGEBRE 14. Mthodes gnrales d' algbre bilinaire 293

1. CommeIittudier les proprits des formes? DNe pas oublierla barrede conjugaisondansla dfinition de l'anflinarit.
"t
o Il ne faut pas croirequ'une forme bilinairesoitncessairementdfiniesurun R-ev (1a
preuve: cf. exemple mthode 1); en revanche. une forme sesqUilinaireest toujours
A) Problmes de dfinitions dfinie surun C-ev.

D Uneforme sesquilinaireest une forme bilinairesion considreEcomme un R-ev.

METHODE 1 : Comment montrer qu'une forme est bilinaire?
D Cependant; Il y a une diffrence entre E considr comme C-ev et E coostar.....:)
commeR-ev:ladimenslon! .' ,.
Principe:
On applique la dfinition. c'est--dire qu'on vrifie que:
.-----------------------:-'1',,..-
(i) f est dfinie sur Ex E. E tant un K-ev (R ou C). METHODE.3 ; Comment prouver qu'une forme bilinaire est (anti)symtrique ? '"
(ii) f est une forme. c'est--dire valeurs dans K (R ou C)
Principe:
(Iii) f est bilinaire. c'est--dire que:
Vrifier que V'(x.y) e E2 f{x. y) = f(y, x) (resp. V'(x.y) e E2 f(x. y) = -f(y, x).
fx: E~K fy:E->K ;
et 1

y ~ fx(y) = f(x. y) x~fy(x)=f(x.y) l REMARQUES:

sont des applications linaires.
D On peut aussi vrifier que la motrice de f (voir mthode 6) dons une base
quelconque donne 'est(anfl)Symtrique.Cette mthode est assezrarement ufllise,
_ Ex~mPle::nontrerque (A.B)~tr(AB) sur Mn{K)2
L'application est bien dfinie' sur un x-ev et valeurs dans le corps de base. Comme la D S/festantisymmque. alorspour tout xf(x. x)= O.
1 trace est notoirement une forme linaire, le rsultat suit.

METHODE 2.: Comment montrer qu'une forme est sesquilinaire? METHODE 4 : Comment montrerqu'une forme esf symtrie hermltlenne ?

Principe: Principe:
On applique la dfinition en vrifiant que:
Vriflerque \>'(x,y)eE2 t(x,y) = f(y, x).
(1) f est dfinie sur Ex E E tant un c-sv,
(10 f est une forme. c'est--dire valeurs dans C. REMARQUES:
(Iii) f est symtrie hermitienne. c'est--dire que: il .
. '- Ci On peut aussi vrifier que la motrice de f (voir mthode 6) dons une base'. '"..
fx: E~C duelconque donne esthermitienne,c'est--dIregale sa tronsconjugue tjiij. 'Cette::.,-,),i'
est linaire mthode estrarement utilise. .. '
y~fx(y)=f(x.y)
DSif possdela symtriehermifl'enme.t(x, x) estre/ pour tout x dansE.
fy: E~C
est antilinaire c'est--dire que:
x~ fy(x) = f(x. y)
'1(x.x')eE2 fy(x+x')=fy(x)+fy(x') METHODE 5 : Comment montrer qu'une forme q est quadratique?
V'1.-eC. fy(X)= ~.fy(X)
i
1
Principe:
Montrer qu'II xlste une forme bilinaire f (appele forme polaIre de q) telle que
Exemple: montrer aue tr(AB) est une fOlTTle sesquilinairesur Mn (C) 2, ; ~I <~ 'v'xe E q(x) = f(x. x)
La forme est dfinie sur un C-ev, et voleurs dons C. Comme la trace est linaire, on a
bien la linarit et l'aritilinarlt voulues.
1 Mise an uvra praHqua :
1 SIune telle forme existe. eUe vaut ncessairement:
REMARQUES: 1 f(x, y)=~[q{X +y)-q(x)+q(y)] == ~[q(x + y)- ~{x -yl]
D Le choix de l'antillnarlt par rapport x est purement conventionne! : certains
On commence donc par calculer t par l'une ou l'outre des expressions et'on .
auteurs dcident que la fOlTTleest antilinaire par rapport y, 1/ faut y tolre attention l'expression obtenue donne bien une forme bilinaire symtrique (rnth. 1 et
dons les exercices, 1
294 METHODIX AlGEBRE 14, Mthodes gnrales d'algb!e bilinaire
295

Autre faon de faire: REMARQUE:

Si l'on dispose d'une expression analytique de q (c'est--dIre d'une expression de q en
fonction des coordonnes de x dans une base de Kn, voir mthode 7) on peut Dons l'expression d'une forme sesquilinairehermitienne. il ne peut pas y avoir de
alternativement vrifier que cette expression est un polynme n variables de degr
Yi
termesde la forme Xj' puisque la conjugaisonporte ncessairementsurla variablex
total 2 (c'est--dIre ne contenant que des termes x? ou Xi,Xj)'
(avec notre convention). Cette vrificationtoute ote rendrait de grands servicesaux
tourdissilsprenaient la peine de la foire.., ,
A partir de cette expression. Il est aussi possible de dterminer d~ faon totalement
automatique la forme polaire associe q, Le possage de l'expression cnoiytlqua de q
celle de f se fait de la faon suivante:
q(x)~f(x,y)
METHODE7 : Comment passer de la forme analytique
X?~Xi,yj la forme matricielle de f ?
XI,Xj ~~hY]+Xj:y;]
Cas d'une forme bilineaire symtrique:
Cette technique porte le nom de ddoublement des termes . On comprend bien Il y a quivalence entre les proprits suivantes
pourquoi 1
(i) A est la motrice de f dans la base e de E
Exemple: montrer que le dterminant est une forme quadratique sur 9.{2(R), (II) 'v'(ll) aij ~f(ej,e))
On a por exemple:
(III) 'v'(x,y)EE2 f(x,y)=I. Cl;i,Xi'Yj= tx.A.y
lj
(IV)'v'XEE q(x)=I. al).xj.x)=I. au,x?+2,I. al)'XI,X]=tx.A.x
lj 1 'kj
qui est bien un polynme 4 variables de degr total 2,
Donc Il faut faire attention aux 2 si l'on part de la forme quadratique, Pour viter de se
On peut accessoirement calculer la forme polaire de q (cela n'est pas indispensable
planter, Il est plus sage d'crire d'abord la forme polaire .. ,
pour montrer le rsultat demand) :
f(X, Yl= ~.hY4 +x4,yd-~.[X2'Y3 +X3' Y2] Exemple: motrice de la formepolaIre de q(x, y, z) = 3x2 + y2 + z2 +'xy + 2xz+ 6yz
La matrice de la forme polaire dans 10 base canonique de R 3 est:

3 l 1]
METHODE6 : Comment montrer qu'une forme est hermitienne?
1
1
A=
[! ~
1 3
3
1
Principe: 1
Montrer qu'II existe une forme f sesquilinaire symtrie hermitienne (appele forme REMARQUES:
polaire de q) telle que
'v'xEE q(x) = f(x, x) 1 Q La motrice d'une forme bilinaire symtriqueest symtrl'quedons nrmporte quelle
base,
Mise en uvre pratique :
SIune telle forme existe, elle vaut ncessairement :.
t
1 Q SiP dsigne la motrice de'possage d'une base e ver.>une base e' de E. la motrice A'
f(X, y)=~[q(x+y) -q(x-y)+I,q(x ':Iy)-I.q(x +iY)] qui reprsentera f dons e' sera donnepor:
1
A'",tp.A.P
t
On essaye donc de calculer sans se tromper l'expression de f ~t on vrifie ensuite qu'II
s'agit bien d'une forme sesquilinaire symtrie hermitienne (methodes 2 et 4). Cas d'une forme sesquilinaire symtrie hermitienne:
Il y a quivalence entre les proprits suivantes:
Autre faon de faire:
SIl'on dispose d'une expression analytique de q on peut vrifier que cette expression (1)A est la motrice de t dans la base e de E
ne contient que des termes de la forme 1 XI 12 ou XI'Xj (II) 'v'(t J) ajj = f( el, el)
Ici, Il n'y a pas de ddoublement de termes, En effet. le facteur 2 apparaissait en raison
de la symtrie, Or c'est de symtrie hermitienne qu'II ~'aglt Ici. Le passage de (iii) 'v'(X"y)eE2 f(x,y)=I. all,Xj'Yj'" t'X.A.y
l'expression analytique de q celle de t est beaucoup plus simple: l)
q(x) ~ tex, y) (iv) 'lfx e E q(x) = L oq,Xj,Xj =tii.A.x
. l] .
1 x;j2 ~Xj'Yi Ici, Il n'y a pas de problme' de division par deux et le problme est finalement plus
XI.X]~ xl'y) Simple que dans le cas euclidien.
 296 METHODIX ALGEBRE 14. Mthodes gnrales d'algbre bilinaire 297

Exemple,' mottee de la forme polaire de " Eflutilisantensuite la formule:

\Ix E E q(x.y.z) =1 x 12+1 y H z 12+(I-i)Xy +(I+i)"Yx+IYz-IYz .\ ab~t[(a+b)2 -:(a_b)2]
on crit le premier terme comme diffrence de deux formes quadratiques ce qui

~l
Dansla base canonique de C 3. la matrice de f est:
i: donne finalement:
'.
A=[I:1 l~i q(x) = a12[(Xl +x2 + R+S)2 -(Xl-X2 + R_S)2]+[Q_ R.S2]
o -i -1 4 012 012 0]2

REMARQUES: REMARQUES:
o La motrice d'une forme sesquilinairehermih'enneesthermitienne. c'est--direqu'elle o Si vous utilisezcette
faon de foire. voustes certain que les formeslinaires ooe
est gale sa Iransconjugue. vousobtiendrez in nneserontindpenantes.
o SiP dsigne la matrice de passage d'une base e versune base e' de E. la motrice A '
qui reprsentera f dans e' sera donne par: o Cependant Ilne vousestpas Interdit de procder autrement sil'exercice.pour une"
t- raison ou pour une outre. se prte mal cette mthode. Mais vous n'avez alors
A'= P.A.P aucune garantie de tomber sur des formeslinaires indpendantes. Il faudra alors
imprativement vrflier19urindpendanc9 (et vousrisquezd'avoir recommencer...)

~ B) Dcomposition de Gauss Exemple : dcomposllton de q(x.y,z)= (x_y)2 +(y_z)2 _(z_x)2

Commenons d'abord par soulignerque cette criture n'est pas la dcomposition de
METHODE8 : Comment dterminer la dcomposition de Gauss Gauss,puisquelestroisformessontlies~eursommeest nulle).
d'une forme quadratique? On commence donc par dvelopper q :
q(x, v.z) = Zy2- Zyz- Zxy+ Zxz
Rsultet:
Pourtoute forme quadratique, Il existe une dcomposliion (de Gauss) en somme de Il Ya un terme carr donc on crtt :
carrs de formeslinairesindpendantes.
q(x,y,Z)=Z[y2-:y(X+Z)]+2XZ
Mise en uvre pratique:
La dcomposition s'obtient pratiquement de la faon suivante (qui constitue d'ailleurs et on Interprte le premiertermecornrne le dbut d'un carr:
la trame de la preuve constructive de l'existence de cette dlcompositlon. par
rcurrence). q(x,y, z) =~y-t(x+Z)12 -t(X+Z)2 +Zxz
'1 '
ou bien la forme quadratique contient (au moins) un terme carr (par exemple Lesdeux demlerstermess'arrangentet donnent:
all'x?) ; alorson peut mettre q sousla forme: " 2 2
' q(x.Y,Z)=2[y-t(x+zl] -~(x-z)
q(x) = all'X? +2,XlP(x2:... xn)+Q(x2 .... xn)
o Pest une forme linaire et Q une forme quadratique. n - 1 variables. Lsdeux formessont effectivement Indpendantes pulsqu'll n'y pas de terme en y dons
le second terme. Malsc'tait prvisible..." .:
En considrant les deux premiers termes comme le dbut du dveloppement d'un.
carr. on crit ensuite:
Xn)J METHODE9 : Comment dterminer la dcomposition de Gauss'
q(x) =al1'[X] + P(X2.... +[Q(X2.... xn)-~.P2(X2 .:.xn)]
~l J ~l
d'une forme hermitienne?

Le premier terme est bien le carr d'une forme linaire ; le second est une forme Rsultat:
quadratique n-1 variables,avec laquelle on recommence la mthode au dbut. et Pourtoute forme hermitienne, Il existeune dcomposition en somme de modules de
ainside suite. frmeslinaires. '
ou bien Il n'y a pas de termes carrs ; prenons par exemple le terme rectangle iii. Principe:'
a]2,x],x2' On met q sousla forme: C'est grosso-modo le mme principe. en distinguant selon l'existence de termes en
module carrs ou non.
- s'Iiy a un module cu carr on cherche le dbut du dveloppement d'un module au
carr. .
- sinon, on prend un groupement de deux termes rectangles conjugus et on l'crit
o Ret S sont desformeslinaireset Q une forme quadratique, n - 2 variables,qu'on comme diffrence de carrsde modulesselonla formue :
rcrit:
S(X3....Xn)) ( R(X3''''xn)] [Q( ) R(X3,...X(1).S(X3
.... xn)]
a.5+i.b=![' o-sb ,2:",
a-b ,2]
qx( ) =012'( Xl+ . X2+ + X3.... xn - 2
012 a12 012 ..
298 METHODIX ALGEBRE 14. Mthodes gnrales d'algbre bilinaire 299

Exemple: dcomposition de Gaussde 1\ n'est pas toujours possible de le dterminer entirement. Dons ce cas, on peut se
contenter de dterminer la tr~ce du cne sur des espaces particuliers.
. q(x, y, z) =lxl2 +2(lyI2 +lzI2)+I(i<y-xv) +2(Yz+YZ)
On commence par le module de x et qu'on regroupe avec les termes linaires et Mise en garde:
antilinaires en x pour trouver le dbut d'un module: En gnral. Il ne s'agit pas d'un espace vectoriel (puisque q n'est pas linaire ...).
q(x, y, z) =lxl2 +I(i<y-xv)+2(IYI2 +lzI2)+2(Yz+vZ) REMARQUE:
qui donne:
Le cne isotrope est un cno au senso on a dfini cette notion pour les quadriques
q(x, y.z) = (x+iy)(x-iV) -IYI2 +2(IYI2 +lzI2)+2(Yz+YZ) (dons le cas reO.Reportez-vous votre coursde gomtrie pour desrenseignements
qu'on rcrit: complmentaires..,
q(x, y. z) =(X+iy)(X-iv)+lyI2 +2(Yz+YZ)+ 41z12
-21z12
Exemple: cne Isotropede q(x. y. z)=(x-d+(y-z)2 _(Z_x.)2 .
et finalement: On a obtenu plus haut la dcomposition:
q(x. y. z)=lx+iyI2 +Iy +2z12_21212
q(x.y.Z)=2[y-1(x+z}]2 -tCx-zf
qui donne pour le cne Isotrope:
y-Hx+z)=t(x-z)
C) Orthogonalit, cne isotrope et noyau runIon de deux plans dans l'espace usuel.
:i :...

On considre Ici une forme quadratique ou hermitienne q de forme polaire f. METHODE12 : Comment savoir si q est dfinie?
L'orthogonalit sera. dons toute la suite du paragraphe "(jusqu'ou II.) considre ou
sens de f . c'est--dire que x et y sont orthogonaux ssl :
f(x.y)=O Principe:
1\ suffit de dterminer si son cne Isotrope est rduit ou vecteur nul ou non .

Intrt :
METHODE10: Comment dterminer l'orthogonal d'une partie? SI q est dfinie alors pour tout s-ev F. E=FEIlF1 (d'o la notIon de 'suPPlmentaiie
orthogonal, qui est unique contrairement un supplmentaire quelconque).
Revenir la dfinition:
SI A est une partie de E (pas ncessairement un s-ev), son orthogonal est dfini par :
Al.={xeE t.q t Vo e A f(ax)=O} -, - METHODE13 : Comment dterminer le noyau de f ?

REMARQUE: Par la dfinition:

Le noyau de t est l'orthogonal de E. C'est donc un s-ev de E.
SIon reprend les notations de la mtflode 1, on constate qu l'orthogonal de A
caine/de avec l'orthogonal au sonscie/a clualit de./a partie 8 du dual: Par la matrice de , :
B={fx'x EA} Le noyau de f est le noyau de la motrice de f.

Utiliserdes formules: Exemple: noyau de la formepolaire de q( x. y) = Xx - Yv + 2i(y + 2xV

a
On dduit de cette remarque un certain nombre de formules telles que celles qu'on
aj rapperes- a chapitre 6. - - - - _. - .- -
Celles-cl sont toutefois. plus utiles lorsque q est dfinie (cf 11.).
- - - - -
- _. .. _. ~=-G ~1)
La motrice de la forme palaire de q est:

A est Inversible, donc son noyau est rduit O.

REMARQUE:
METHODE11 : Comment dterminer le cne Isotrope de q ?
Le noyau de f est Inclusdons le cne.Isotropede q. Enparticulier; si q est dfinie, f est
Principe: non dgnre, moisla rCiproqueest fausse.
Il s'agit de dterminer l'ensemble des vecteurs Isotropes, c'est--dire l'ensemble des
vecteurs x tels que: q(x}= O.
METHODE14: Comment dterminer si j est non dgnre?
On le dtermine gnralement partir de l'expressIon analytIque de q, de prfrence
aprs avoir obtenu une dcomposition de Gauss. .
Principe:
Il.sagit de voir si le noyau de f est rduit O.c'est--dIre silo matrice A est Inversible.
 METRODIX ALGEBRE 14. Mthodes gnralesd'algbre bilinaire 301

D) Basesorthogonales On doit avoir:

XI+x4 =1
xl-X4=0
METHODE15 : Comment dterminer si une base est orthogonale? x2+x3 =0

Principe: qui donne facilement:

1X2-x3=0

Il suffitde vrifierau choix l'une despropritsquivalentes:

(1) la base est telle que: '9'1;< J f(ei' el) = 0
(il) la matrice de f dans e est diagonale de mme pour lesautres:
(iii) l'expressionanalytique de q danscette base ne contient que des termescarrs

Intrt : .
Il est vident: c'est d'avoir une expressionplus simple de f ou de c, ce qui facilite les 4 ,
calculs et par exemple, la dtermination du cne, du noyau. etc ... Siune matrice M a pour coordonnes (exi)dans la base A. c'est--dire si M= L exl,AI
1=1
On peut mme foire encore mieux,en prenant une base de Sylvester: c'est une base l'expressionde la forme q danscette base est:
orthogonale telle que q(el) E {l. O.-l} (voir chapitre suivant pour plus de dtails). Il est
facile de construire une telle base partir d'une base orthogonale en divisant les q(M)=~[ex?-exl +tt/-exl]
vecteurs de cette base par une constante convenable.
REMAI<QUE:

Pour toute tonne a Il exfste ou moins une base orfl7ogonale .

METHODE16: Comment dterminer une base orthogonale?
Il :xtenslon:
Principe: La mthode prcdente peut s'adapter au cas o la dcomposition contient ren
Cette mthode n'est valable que dans un cas particulier (voir extension d-aprs). formes: ces r formes sont Indpendantes. donc forment une famille libre. D'aprs le
Supposonsqu'on olt effectu une dcomposition ~e Gauss(mthode 8 ou 9) et que thorme de la base incomplte, on peut complter cette famille en une base de E.
celle-ci fasseIntervenirn (=dimE)formeslinaires LI.c'est--direque q s'crive: On construitla base duale de cette base. Il est alorsfacile de voir que la base obtenue
seraorthogonale. et que les n- r demlersvecteursde base sont Isotropes.
n 2 n 2
q(x) = L exl,ll(X) (resp.q(x) = L tti1LI(x)1 ) . ,-
1=1 1=1 E) Rang
Puisquepar construction ces n formessontIndpendantes, elle forment une base du .,.:
dual. Il suffit d'en dterminer une base duale, c'est--dire chercher une famille e de E -'.~ .
qui vrifie: MTHODE17 : Comment dterminer le rang d'une forme f ?
li( eJ)= Ilij
, La matrice de q dans cette base seradiagonale (dlag(ttl .... ttn)) donc la bose est bie';, On utiliseau choix l'une descaractrisationssuivantes: ... "\ \;.
..:~
orthogonale, (i) c'est le rang d'une matrice reprsentantt dans une base quelconque,
(II)c'est le nombre de formesIInai~es Intervenantdans la deomposiHonde Gauss
(iii) c'est le nombre de coefficients diagonaux non nulsd'une motrice reprsentant f
". Exemple: dtetmlner une base orfl7ogonole pour le dtetminanf sur 9.{2 CR). dans une base orthogonale.
D'aprsl'exemple de la mthode 5,

detM = X1X~
- x2x3 ; F) Positivit
qui se dcompose Immdiatement 01 n'y a pdsde termescarrs) : La':~Otlonde signatureest tudie compltement au chapitre suivant.

detM= t[(Xl +X4)2-(Xl-X4)2 +(X2 +xd ~(X2 -xdJ 1

METHODE18: Comment montrer qu'une forme q est positive?
Enreprenant les notations de la mthode, on va por exemple calculer la matrice Al
l
On vrifie au choix l'une despropritssuivantes;
telle que (1) pour tout x dans E. q(x)~ 0
(II)pour tout vecteur X de Kn. tX.A.X ~ 0 (resp.tX.A.X ~ 0)

.'~. -... , .
',-.,

-- --- ---- --- -----

---- ---------- ---------------- ----------------
302 METHODIXAlGEBRl: 14.Mthodes gnralesd'algbre bilinaire 303

:.
(iii) lescoefficients apparaissantdans la dcompositionda Gausssontpositifsou nuls. METHODE20: Comment montrer que (.,.)
(Iv)lescoefficients diagonaux d'une matrice reprsentantf dons une baseorthogonale est un produit scalaire hermitien?
sont positifsou nuls.
Principe:
REMARQUE:
On applique la dfinitionc'est--direqu'on vrifie:
On rappelle que pour une forme hermitienne, q(x) est aussiun rel (comme dons le
(i) (...) est une forme sesquilinaire symtriehermitienne
cos quadratique) donc que ceta a un sensde dite qu7!estpositft
(ii) la forme quadratique associe (...) estdfinie positive:

Exemple: le dterminant sur lI(2(R) est-IIune formepositive'? quel estsonrang '? 'ix EE (x. x) ~ 0 et (x. x) = 0 ~ x '" 0
La reponse est non, puisque les coefficients apparaissant dans la dcomposition de La mme remarque que prcdemment est valable.
Gaussne sont pos tousposltits.
Ily a quatre termesdans cette dcomposition, donc elle est de rang 4. REMARQUE:
f'
On rappelle une nouvelle fols.que mme pour une forme sesquilinairesymtrique
(donc a priori valeurscomplexes) (x. x) est unrel.

2. Produit scalaire et norme

1. Exemple: montrer que (A.B)-ttrCA.B) estunproduitscalalresur Mn(C).
Puisque la trace est une forme linaire. cette forme est clairement linaire en B.
antilinaire en A. Parailleurs.on peut remarquerfacilement que:
tr(tA.A) = L 1 O;j 12
METHODE 19: Comment montrer que (.,.) LI
est un produit scalaire euclidien? (calcul classique partir de la somme des coefficients du produit matriciel. cf.
chapitres d'algbre linaire)ce qui montre le caractre positifet mme dfini: sicette
somme est nulle. la sommedescarrsdes modulesdescoefficients est nulle. donc tous
Principe: lescoefficients sontnulset A=O.
On applique la dfinition c'est--direqu'on vrifie: ..
,
REMARQUE
IMPORTANTE:
(1) ( ... ) est une forme bilinairesymlTique
(Ii) la torme quadratiqueassocie. (c .)- est dfinie positive: Ce produit scalaire Indult une narine. qui vrifie une proprit Intressantevis--visde
la norme triple (cela sefait fellement grce ou thorme spectral:' .. . .

~Tr(A' A) :;;IIIAIII
Gnralement le caractre bilinaire symtriqueest vident et on a le droit de dire
que" c'est vident . Il tout surtout s'attarder sur le cdroctre dfini positif. et plus A partir d maintenant. on suppose qu'on travaille dans un espace euclidien (ou
partjcullrment surl'aspect dfini. hermitien)c'est--dIreun espace muni d'un produit scalaire.
REMARQUE:
Il est quIvalent de dire que dons une ooseae Sylvesterde t la motrice de f est gale METHODE21 : Comment montrer qu'une norme N est euclidienne
I7dentit. Autrement dit, A reprsente la matrice d'un produit scalaIre sslIl existeP (resp. hermitienne) ? .
Inversibletelle que: /l;=tp.P .On sele rappel/era ou chapItre 18. .
,:;;'T,--i';;,~Principe:
1
Exemple: montrer que (f. g) -t J f(t)g(t)dt est unproduit scalairesur CO([O. 1]) Montrerqu'il existeun produit scalaireeuclidien (resp.hermitien) (..) tel que:

La bilinarit et la symtriesont videntes.Quant au caractre positif: 'ix eE N(x)= ~(x. x)
1 (on dit aussique la norme" drive d'un produit scalaire).
(t. f) = J fWdt;;:O REMARQUE:
o
et d'aprs le thorme de positivit de l'intgrale (cf. tome 1. p. 275) puisque test
continue cette Intgralen'estnulle que lorsquef est nulle. , Un01norme quelconqu~ n'est pas ncessaIrement une norme euclidienne. On
en exercice une CNScaractrisantlesnormeseuclidiennes.
 304 METHOOIXALGEBRE 14. Mthodes gnrales d'algbre bilinaire 305

METHODE22 : Comment exploiter un produit scalaire? v METHODE23 : Comment exploiter une norme euclidienne?

Intrt : Intrt :
Ds'qu'on a un produit scalaire, on dfinit naturellement la norme correspondante par Une norme euclidienne permet de disposer de plus d'Ingalits ou d'galits qu'une
norme quelconque. Hormis la premire, les autres sont spcifiques une norme
'V'xeE !x i=~(x.x) euclidienne et la demlre est caractristique d'une norme euclidienne (cf. exo 7)

On a alors l'ingalit fondamentale (Ingalit de Cauchy-Schwarz) : Ingalits ou galits classiques:

', .. "

(1) Ingalit triangulaire: 1 x + y ~s~x Il +~y ~

I{x,y~ sI x Il.1 yI
,,', .
'V'(X,y)eE2

(II) Ingalit de 'Cauchy-Schwarz : !(x, y)1s: i x I.~

y~

Un certains nombre de commentaires doivent tre apports: (Iii) thorme de Pythagore : ~x + y f = Il x f +.~y f ssl x.Ly

o I(x. y)!' se lit valeur absolue dans le cas euclidien, mals" module dans le cos
hermitien. (Iv) Identtt du paralllogramme: ij x +y 112 + ij x + y !2 = 2{11 x ij2 + ~y f)
o Cette Ingalit est vraie pour une forme seulement positive; ene s'crit alors :

V(x, y) e E2 If(x. y)1s ~q(x).q(y) METHODE24 : Comment montrer qu'un vecteur est nul?

Il peut tre utile de se le rappeler dans certains exercices. S'IIn'yen avait qu'une, ce serait celle-cI: c'est LA mthode de l'algbre blllnalre. SI un
candidat possde ce rflexe, on peut sans se tromper avancer qu'il a compris. l'Intrt
.de l'algbre bilinaire.
o En revanche, pour obtenir le fameux cas d'galit (II y a galit dans Cauchy- Principe:
Schwarz ssix et y sont lis) Il faut supposer en plus que q est dfinie. donc que f est un
produit scalaire. . On se place dons un espace euclidien (c'est--dire muni d'un produit scolaire) eton
prend la norme associe ce produit scalaire (comme d'habitude).

o Comme souvent,' Il est Intressant de savoir d'o sort ce rsultat. Il se trouve que la La mthode est bte comme chou, mals extraordinairement efficace. Elle repose sur
dmonstration de cette Ingalit classique met en uvre une mthode trs frquente l'quivalence suivante:
en algbre bilinaire, qui consiste transformer une Ingalit vectorielle en une
ingalit relle.
:. Ix=o ~ iX~2=ol' ' ".
Au lieu d'crire: ..
VXeE q(x):1:0
;;<remarquez que c'est le carr qu'II faut calculer,
simple valuer).
parce qu'II vout.: (x. x) qu(eS!. pl.lis'
: ':. . ,

Notez bien: c'est comme cela qu'II faut faire, et pas autrement.
on' crtt, ce qui est beaucoup plus astucieux (et quivalent) :

'V'(X,y) e E2 vt eR q(x+ty)~O

qui se dveloppe facilement en : 3. Base orthonormale et orthonormalisation de Schmidt

V(x.y)eE2 VteR . t2q(y)+2t.f(x.y)+q(x):1:0

qui est une Ingalit polynmiale de degr 2 en t. A partir de l. le problme devient

un problme d'analyse. Comment montrer qu'une famille
est une base orthonormale?
Dans ce cas prcis, on crit que le discriminant est ngatif (puisque le polynme est de
signe constant).
PrincIpe:
Dans d'autres cas. on peut tre amen faire tendre t vers zro. etc ... afin d'obtenir . Il suffit de vrifier que les n vecteurs vrlflent :
l'Identit souhaite. ~ .' . V(LJ)-. (el,91)=IJ
.-

----- ----------------------------------------------- ---

 306 METHODIXALGEBRE 14. Mthodes gnrales d'algbrE? !=>lIInaire 307

REMARQUES;
METHODE 26 : Comment" construire .. une BON?
o On est oblig de savoir aptioti
que la famille confient n vecteurs(c'est--dire autant
de vecteursque la dimensionde l'espace).
Principe: orthonormalisation de Schmidt
o On montrera en exercice une autre coractnsatco desBONqui ne faltpas
Intervenir On se donne une base quelconque f d'un espace euclidien (resp. hermitien) E. Le
a priori le nombre de vecteurs. mais elle est beaucoup moins utilise que la thorme d'orthonormalisation de Schmidt affirme qu'il existe une unique famille e
prcdente. satisfaisant aux trois conditlons suivantes:

o En revanche il n'y a pas besoin de supposer que c'est une base; une famll/e (1) e est une BON
orthogcnale est automatiquement libre. En effet si x est une famille orthogonale et
qu'on a une relanon de liaison: (II) vk sn Vect(e] .... ek)=Vect(f1, ... fk)
(Iii) '<tk:;;n (ek,fk}>O

REMARQUES:
en multipliant scalairementpar Xj Il vient,' j = O. Unefamille orthogonale n lments
est donc libre n lments,donc c'est une base. o Pourle cas hermitien. la troisimecondition slgnll1eque (ek' fk) est rel et posltil.
Q Lorsqu'ondisposed'une base orthogonale t Iln'estpas trsdlfffclie de construireune o Pouravoir l'unIcit, Il faut que les hols conditions soientImposes.
BONen posant;
o En revanche, l'existence d'une BON saHsfalsantuniquement (Ii) ou (iiI) dcoule
Immdiatement du thorme. .

o Ilpeut tre unIe de savoirque toute famille orthogonale peut tre complte en une o Ce thorme est applicable en dimension InfinIe lorsqu'on cannait une base
BON. dnombrable (cf. exemple)

o On verra (mthode26) unprocd beaucoup piUSefffcoce que le prcdent pour Cas d'emploi:
construireune BONen partant d'une lamille'quelconque. Ds qu'on vous demande de prouver qu'Il existe une BON satisfaisant une ou deux
conditions. vous avez 99% de chances d'avoIr utiliser ce procd.
Q Lorsqu'on en a la posslbllt, /7 vaut mieux choisir une base. orthonormale qu'une
simple base orthogonale. . . Nanmoins, si l'on vous demande d'expliciter (c'est--dIre de donner des formules ")
une BON satisfaisant des conditions. Il n'est pas certain que Schmidt vous soit d'un
grand secours : ce thorme vous donne une preuve dductive de l'existence d'une
telle base (cf. tome I. p. 11), mals ne vous donne pas les moyens de la construire (ce
n'est pas tout fait exact, puisque la dmonstration donne un moyen plus ou moins
explicite de la construire par rcurrence).
METHODE 25 : Comment exploiter une BON?
Dons ce 1% de cas-l, Il vaut mieux essayer vous-mme de bidouiller une base
Intrt: orthonorme avec les vecteurs dont vous disposez .
De manire gnrale, Il faut toujours se placer dons un~ base orthonormale. En effet,
!el! calculs de normes el de produiis scalaires deviennenT plus simples. Si e est une BON
pour le prodult scolaire (...) de E. on a claSsiquement: Exemple: salt le CO([a,1}R+'). Montrer qu'IIexiste une base (Pn) de "lX] ,vril1antles
deux conditionssuivantes,'
a)deg PI=1
x=I, (x,el).Elj=I, xle;
1 1 1

~x~2=I, x?
b)V(l J) J f(t).PI(t).Pj(t)dt; BI)
o
1
Posons" por exemple (comme si on avait le choix 1):
Evidemment. tout le problme est de choisir le bon produit scalaire. C'est un peu . ]
comme en algbre linaire: on a dj expliqu qu'il ne fallait pas se prciplter sur une
motrice ds qu'on parle d'un endomorphisme: Il fout choisIr une base adapte.
(P,Q)= f f(t).P(t).Q(t)dt
o
Il y a autant de BON que de produits scalaIres ; Il n'est pas certains que le produit
Comme f est strictement positive sur [0.1] (c'est essentiel pour le caractre dflni). le
scolaire usuel" (c'est--dire celui qui fait de 10 base canonIque de Kn une BON) soit
adopt votre exercIce. . thorme de positivit de l'intgrale assure (cf. mthode 19) que (.,.) est un produit
~alalre sur R [X].
Gnralement toutefois. sIon doit utlllser un autre produt scalaire, les questions 'f".'
prcdentes de l'exercice vous l'ont fait tudier ....
Lo cond!t~of\_p) 'ImPlique qu'on cherche une base orthonorme au 'sens de' la norme
par le prodtJ!t sc:a'9lr~ _ _ _ _ _ _ _ _ _ _ _ _ _ _

___ ---

------------------------------------------------------------------.------- ---------
308 METHODIX ALGEBRE 14.Mthodes gnrales d'9lgbre bilinaire 309
. f

Quelle base va-t-on orthonormallser ? On ne va pas Jouer les originaux. on i Erreurs

(x
orthonormalisela bose canonique k) de R[X].
La condition a) est automatiquement vrifie puisqu'elleest Implique par le (il) du La plus frquente mals aussila plus grave: crire que pour une forme quadratique:
thorme d'orthonormalisation. q(Ax)~"-q(X). C'est videmment faux. la bonne formule tant: q(Ax):2q(x) (resp.
Enrevanche. Ici on n'a pas unicit (IImanque une condition) ; il est d'ailleursfacile de q(Ax) = 1"-12q(x) dans le cas hermitien).
voir que la famille (-Pn) convient aussi.
Ne pas aller trop vite dans les vrifications (produit scolaire. forme bilinaire. f6'fi'rie-.::
...,
Voir la suite de cet exercice tome 1.p. 283. exercice 6. hermitienne, .. ) : ce n'est pas parce que ce n'est pas dur foire qu'il faut le foire tri:l(;:
(au contraire). .' \ .."'"
REMARQUE:
Une erreur assezfrquente consiste parler de base orthonormale alors qu'on.n,6:'~.
pas de produit scalaire: le mieux qu'on puisseovolr est une base orthogonale (ouune-
1/ existe une consquence mallielelle trsIntressantedu thorme de Schmidt. Nous
la donnerons au chapitre '7pour ne pos vousembrouillerlesIdes. base de Sylvester).
Comme en algbre linaire. Il faut savoir faire la diffrence entre le traitement
algbrique et le traitement matriciel d'un problme d'algbre euclidienne ou.
hermitienne. Inutilede se ruer surlesmatrices...
Ne pas confondre endomorphisme symtrique (cf. chapitre 17)et forme symtrique.
ce n'est pas exactement la mme chose. Notamment du point de vue matriciel...

Astuces

Toute famille orthogonale est libre. et peut donc tre complte en une BON,
Unvecteur est nul sslle carr de sa norme est nul (espace euclidien ou hermitien).
Il est utile de savoir que le cne et le noyau concident 51q est positive (cf.
exercices).
Ilfout Imprativement savoir que
b +- 2
.(f.g)-+ l fg ou (P.Q)-+ f P(t)Q(t)e-t dt
. a 0 .. ".'
dfj,nissent des produits scalaires sur les espaces de fonctions continues (resp,):.~,
polynmes) sinonvous aller passer ct du caractre euclidien d'un certain nombre,\;:.:.
.. de" problmes d'analyse (qui n'en sont pas). '. -".'. -c,

Lu dans les rapports de l'X

e Pourbeaucoup, une norme ne peut tre qu'euclidienne

NDLR: C'estraux cf. exo 7.

'!\lonsl'espace usuel.un cne Isotrope est un cne, d'quation x2 y2 z2= 0 dans

une 'base orthonorme convenable )1

BONest abusivement employ

NDLR: Cette erltvre. bien commode et connue de tous. semble depuispeu agacer
des examInateurs dont on va finir par croire qu'lIs sont aussi coincs que les
AcadmICIens (il va sans dIre que j'al un gal respect pour les deux).
iIu y a souvent confusion'entre le noyau et le cne Isotroped'une forme
1 310 METHODIX AlGEBRE
,
.1. 14. Mthodes gnrales d'algbre bilinaire

[TI , .
311

Exercices
SaltEun espace eu~en et a un vecteur de norme 1. On dfinit q par :
A v9ttisssmenl.'comparativement les exercicespropossdons ce chapitre sontplutt . q(x) = (x,a)2 + 0.11 x i2
plus difficiles que les exercices des outres chapitres. Ce n'estpas une raisonpour ne 1) Vrifierque q est une forme quadratique sur E et en donner la forme polaire.
pas les foIre,bien ou contraire... 2) Donner une condition ncessaire et suffisante sur a pour que ce soit un produit
scalaire surE.
J
Similitudesd'un espace euclidien
CI]
Saltf un endomorphisme d'un espace euclidien de dimensionfinie vrifiant: Salt (el) une famille de p vecteurs unitaires d'un espace euclidien de dimension n.
';I(x,y) eE2 (x,y) = 0 ~ (f(x~f(y)) = 0 (0) Montrer qu'elle constitue une base orthonormale de Esiet seulement si:
o (.,.) est le produit scalaire canonique. On veut montrerque: ' 2 p 2
';IxeE ~xll =L (x,el)
30. t.q : ';I(x,y) e E2 (f(x),f(y)) = a(x,y) 1=1

1) Montrer que f est bijective.

2) a) SaltM la motrice de f dons la basecanonique. Encrivant matrlclellement la [TI .
relation (0) montrer que: Caractrisation des normeseuclidiennes (exercice difficile)
On veut montrer qu'une norme est euclidienne siet seulement sielle vrifie,l'identit du
b) Conclure. , paralllogramme:
3) Retrouverce rsultat autrement, en considrant dons la base canonique de Rnies
't>'(x,y)eE2 ~ x+yI12+~ X_y~2=2.( ~ xf+-ll Y 112) (0)
vecteurs el+ej et ej-eJ'
1) Montrer que c'est une condition ncessaire.
2) Rciproquement, on pose:
f(x, y) =4[N(X+ d _N(x)2 -N(dl
1) Salt une forme quadratique de cne C et f sa forme polaire. Montrer qu'II y cl 0) montrer que f est additive par rapport x c'est--dire: t(x +x', y) = f(x,y) + t(x', y)
quivalence entre:
(1) Kerf=C b) montrer que f est continue par rapport x en tablissantque: It(x, Y)I S N(x).N(y)
(il) q ou (-q) est positive c) en dduire que t est linaire par rapport x.
... Indication: on pourra utiliserastucieusementles pages 53-54du tome 1.
2) Soit p formes linaires fi'''' tp sur un R-evde dimensionn. Dterminerle rang de la
forme quadratique : d) montrer que f est bilinaire symtrique.
P 2
e) montrer que f est un produit scolaire et que la norme est euclidienne.
q(x) = L (fj(x))

CIl .. 1=1

m
On veut montrer qu'une forme quadratique dfinie est ncessairement positive ou Soitf une fonction positive continue bo~,)e surR+et A la matrice de terme gnral:
ngative (en dimension flnle). .
1) Raisonnementalgbrique: ,
~e dmontrer en utilisantle rsultatprcdent (ousonsle rsultatprcdent),
alJ= +r e-(I+J)t.f(t)dt
o
2) Raisonnementanalytique: Dterminer une CNS simple sur f pour que A soit la motrice d'une forme bilinaire
Retrouverce rsultatanalytiquement par desconsidrationsde signe. symtriquedfinie positive.

ru
SoitE le C-ev des fonctions continuessur [0,1] voleurscomplexeset an une suitede
relsde [0,1]. Pour f et 9 appartenant E,on dflnlt:

(tg)= r
n=O
f(aJ.~(an)
2
Dterminer une condition ncessaire-et suffisantesurla suite an pour que (.,.) salt un
produit scalaire hermitien surE.
 ;:SIL METHODIX
ALGEBRE 14. Mthodes gnrales d'algbre bilinaire 313

Corrigs REMARQUES:

6 Cet exercice illustre-trsclairementleslienstrOitsentre algbrelinaire(notamment

[J] ctualit,et autresrsultatsclassiques)et algbrebilinaile.
1) Pour montrer qu'une application linaire est bijective, on peut chercher son noyau a On peut trouver bizarre de commencer algbriquement pour continuer
(malsici a ne marche pas) ou montrerque l'imoge d'une,base esl une base. motrlclellement. En foif. si on disposede la notion d'adjoint (que nous n?ntrodulsqns
que dans le chapitre 15) tout l'exercicepeut se ttaiter algbriquement ce pui est.
Enalgbre euclidienne, Il faut toujourschoisirdes bases orthonormes (si vous n'ovoz beaucoup plussatisfaisant. .
pas compris a c'est pasla peine de continuer faire de l'algbre bilinaire !). ._,'

Ici (cf. mthode 25) le problme du choix du produit scalaire ne se pose pas. On choisit 3) Notons a, = ~f(eif = (f(el)'f(ei))' Sion montre que tous ces coefficients sont ~a~x q{,.
donc une BONadapte au produit scalaireeuclidien canonique, par exemple la base un mme coefficient (qu'on appelera par exemple... a 1) on aura gagn. " - .' .<>';_:.
canonique e de Rn.
Considrons lesvecteurssuggrsdans l'nonc: ilssont orthogonaux (on rapP~lIe,:~t.~;:'".--
Evidemment.on applique la relation (0) la basecanonique et on obtient: question 1) que la base canonique est orthogonale pour.,le produit scalaire" '.
canonique). Donc leursImagesaussipar C) ; crivonsceci: .
'vh) (f(ei),f(eJ))=o
, (f(e,+ej),f(ei-eJ))=O
ce qui prouve que la famille des f(ei) est orthogonale, donc qu'elle est libre (cf.
qui se dveloppe en :
mthode 24).
Or elle a n lments,donc c'est une base et f est biJective. ai-aJ =0
(compte tenu de l'orthogonalit des f(e;).
Donc:
2) a) D'aprsla mthode 7,et compte-tenu de ce que la matrice d'un produit scalaire
dans une BONadapte estl'Identit,la proprit (") s'critmatrlclellement : 3u t.q: 'v'(lj) (f(e,p(ej))=a,ij
1t(x.y)eE2 'x.v-o ~ tX.tMMY",O Par bilinarit le rsultatdemand suit...

Fixonsy non nul et considronslesdeux applications: REMARQUE:

, cp : X -+ 'x Y et 'If: X -? IX.IMM y C'estplus rapide, malsplus astucieux.et on voltmoinsbien cornmeat les chosesse
, Ces deux applications sontdesformeslinaireset (") s'Interprtecomme: passent... .

KercpcKenv

On nous demande de montrer que cpet 'If sont proportionnelles. SIvous avez des
ru
1) Supposons (1).Il suffit de montrer que C est Inclusdans Ker f. car l'autre Inclusionest
souvenirsde dualit, on saltque c'est vrai ssi elles ont mme noyau (ch. 6). Or on a une toujours vraie. _ _. ' .
Inclusiondonc on va chercher prouver que ces noyaux ont mme dimension. ~It donc un x lment du cne Isotrope.On veut montrer que f(x.y) est nul pour tout -;"
- cp n'est pas nulie car y ne l'estpas donc dlm Kercp
= n- 1. J\alors qu'on crun renseignementsur q(x). Il n'y a pastellement d'hsitation avolrf"-/:
C'estl'ingalit de Cauchy-Schwarzqu'ilnousfaut. Eneffet: - -,
- 'If n'est pas nulle : en effet. sielle tait nulle on en dduirait que :-lM M y = 0 d'o en
multipliant par la transpose.de y : Iy.t MM Y= 0 ce qui veut .dlre : '(M.Y).M.Y = 0 ce ,.,'.',.
qui entrane: MY"O(repsasserpar lescoefficients sincessaire)et donc Y"Ocar M est donc le membre de gauche est nul.ce que noussouhaitions.
Inversible.
On vient en fait de redmontrer un rsultat hypercla4slque (cf. chapitre 6) : Supposons (II)et raisonnonspar l'absurde.Comme on l'a dit dans la rubrique astuces
KerM= KertMM, ,Ilfout toujours se ramener une base orthogonale (ou de Sylvester)car tout y est '
plus simple.
Donc dlm Kenv= n-1.
59ft donc fi une bose de Sylvester.Puisqueon raisonnepar l'absurde, q n'estni positive
Lesdeux noyaux sont donc gaux, donc les formessont proportionnelles pour tout y, nt ngative donc Ilexistedeux vecteursde la base telsque (quitte renumroter) :
CQFD. . ~ q(ej)=l q(e2),.-1
b) On conclut par un rsultattrsclassiqued'algbre linaire (rappel dans le chapitre Puisquela base est orthogonale on a alors:
3): .(y,IMM v)
est li pour tout Vdonc tMM'est une'homothtie ce qui veut dire: q(ej +e2)= q(ej)+q(e2)= 0
3a t.q: IMM,.al donc ej +e2 est dans le cne Isotrope,donc dans le noyau de f. C~ qui veut dire en
Enrepassant l'criturealgbrique,on constate qu'on a le rsultavoulu. porticuUerque:
 14. Mthodes nroles d'algbre bilinaire 315
314 METHODIX AlGEBRE

Comme q est continue. cp s'annule, Mals'q tant dfinie. le point d'annulation ne' peut
tre que 0 donc x et y sont proportlonnels.
qui se dveloppe en :
f(el +e2,el)~ f(el. e2)+q(el) ~f(el,e2)+ 1~ 0 Mzalor:
donc: 0< q(x) = q(W) ~ ,2,q(y) < 0
-0 =f(el +92' el) =f(el' e2)+q(el) = f(el,e2)+ 1= 0+ 1= 1
lgrement absurde. ce qui est pour le moins trange.

Donc q est ncessairement de signe constant.

2) Si cette question a t mise dans cet exercice, c'est qu'il doit y avoir un rapport (ou
alors le livre a t mol fait). La forme quadratique q tant manifestement une somme
de carrs. elle est donc positive. Donc son. cne Isotrope et le noyau de sa forme
REMARQUE:
polaire sont gaux.
Evidemment si on crit (comme beaucoup le font) que q(.Y) = ..q(y) (ce qui est faux)
Or on cherche le rang. donc la dimension de l'image, donc (thorme du rang) la on ne trouve pas de contradIction,
dimension du noyau. Il suffit donc de dterminer le cne Isotrope de q.

Clairement q( x) = 0 si et seulement si tous les termes' de la somme sont nuls. soit:

~o~r lontrer que quel~ue chose est un produit scalaire hermitien. on n'a pas trop le
p
xe nKer(fi) choix: on applique la definition. .
1=1
espace de dimension n-r, o r=dlm Vect{f;} , Commenons tout d'abord par remarquer que la srie complexe du membre de
droite est bien convergente, et mme absolument convergente: .
Et finalement:
rg(f)~n-dim Kerf=r=dlm Vect{fl}
f(Ci;J,g(an)!< [~fJIf(t)g(t)1 M
CI] !
2n - 2n 2n
1) Raisonnons peu l'absurde: si q n'est ni positive ni ngative, son noyau eststrictement
inclus dans son cne Isotrope, ce qui veut dire qu'il exite un vecteur x du cne Isotrope et la srie majorante est gomtrique (on a utilis le fait qu'une fonction continue sur
qui n'est pas dans le' noyau. un compact est bome). .
(...) est clairement symtrie hermitienne (II suffit de repasser par les sommes partielles
Ce vecter ne peut pas tre nul puisque le vecteur nul est la fols dans le cne et pour le voir).
dans le noyau, Donc Il existe un vecteur non nul dons le cne istotrope. et q n'est pas
(.,.) est non moins clairement positif car:
positive,

On peut faire sans en s'inspirant de la dmonstration prcdente (exercice 2) mals en (f,f)= If(a~f 2:0
la simplifiant car on cherche un rsultat plus faible. Sion prend une bose de Sylvester, n=O 2
comme q n'est ni positive ni ngative. 11 existe deux vecteurs de cette base tels que: (somme de rels positifs),
q(e!)=1 q(e2)=-1 Ces proprits sont vraies indpendomment de.la suile cholsle,
Sion s'Intressait leur somme? Reste le caractre dfinI. qui lui va dpendre de la sulte.On veut en effet que:
},.\
q(el +92) = q(el)+q(e2)+2f(e" e2) ~ 0
car ies vecteurs sont orthogonaux (pour f). (tf) = 0 <=* f = 0
soit :
Or la somme de ces deux. vecteurs n'est pas nulle (Ils sont Indpendants 'en tant que
vecte,urs de base) donc il existe un vecteur dans le cne Isotrope. +~ If(ant
L --~O c::>. f=O
n;O 2n
2) En dimension flnle. une forme quadratique est une application de Rn dans R. Or
mais
c'est un polvnrne de degr 2. donc elle est continue par rapport x. SIelle n'est pas
positive ni ngative, cela veut dire qu'II existe des vecteurs x et y tels que :
q(x)2:0 et q(y):$;O
SIl'une de ces Ingalits est une galit (et que le vecteur en question est non nul) on
a un vecteur dans le cne Isotrope et c'est fini, Sinon on a des Ingalits strictes :. (car les termes sont positifs). On cherche donc une CNS sur la suite an pour que:
. q(xO et q(y)<O
'v'n f(an)=O (:) f=O (')
On pense bien videmment ou thorme des valeurs Intermdiaires.
s'opplique que sur Irl. Qu' cela ne tienne: on pose
mais il ne'
i
,c -t'.
. Moralement, cela veut dire que si f s'annule sur les points de la suite. eile s'annule sur
o:p(t)=q(l-t)x+ty} tout rintervalle [O,lJ, ce qui veut dire qu'II y a beaucoup" de points de l'Intervalle de
. _~~; <-
qui est dfinie sur R. Or la forme on. ce qui veut dire topologiquement parlant que an doit tre dense dans
!plO)>0 o:p(1)
<0 _ li _._~
_,. ",r
I~.l]._~n_e.~~t :

)
 vlO METHODIX ALGEBRE 14. Mthodes gnrales d'algbre bilinaire 317

- si la suite est dense. dans [0, 1] et que f s'annule en tous les points an' comme f est - elle est gnratrice: on veutmontrer que tout vecteur x est combinaison linaire
des vecteurs el soit x =:L al.el
continue, elle s'annule sur l'adhrence des an;donc sur [0,1]. " '1
.Sune telle combinaison existe. ncessairement. en multfpliant scalairement x par el Il
- si la suite n'tait pos dense, Il y aurait un sous-Intervalle de[O, 1] ne contenant aucun vient:
terme de la suite. En prenant une fonction continue qui ne s'annule pas sur cet
Intervalle (il en existe) on volt que la proprit (') n'est pas vraie.
a) (e), = x) .
On va dohc montrer que cette combinaison linaire est effectivement la bonne. c'est- ,'.
-dire que x=y o: . :.. ,..
La condition ncessaire et suffisante est donc que: A = {on, n e N} soit dense dons [0,1].
y=L (el,x).el -,
1 .~

CD
1) Dfinissons f por :
Quelle est la mthode pour montrer que deux vecteurs sont gaux,
euclidienne? Calculer le carr de la norme de la diffrence 1
en algbre'.
.-' ".:',
f(x. y) = (x, a)(y, a)+a(x. y) Evaluons donc:
f est manifestement une forme bilinaire symtrique et comme:
f(x, x) q(x) = Ix-yf =1xI
2 -2(x. Y)+M2
Le premier terme est connu par hyptohse :
q est donc une forme quadratique.
~x,,2= L (x. el)2
2) Le plus simple est de raisonner sur une expression matricielle, c'est--dire de passer 1
Le deuxime terme vaut d'aprs l'expression de y :
par l'expression de q dans une base bien choisie. Il est vident qu'II faut faire InteNenlr
a dans cette base, et Il est non moins vident. en fonction de ce qu'on a expliqu plus -2(x, y)=-2:L
(el. x)2
haut, qu'II fout, prendre une base orthonorme. 1
le troisime vaut. compte tenu de ce que la famille el est orthonormale:
. Compltons donc a en une base orthonorme de E. la matrice de f dans cette base
sera: M2:I
{el,x}2
1
La somme de ces termes est nulle, donc x=y. CQFD.

Ar"" .1
. qui est la matrice d'une forme dfinie positive (un prodult scalaire) si et seulement
tous les coefficients diagonaux sont strictement posilifis, c'est--dire: a. > O.
si
La famille est orthogonale donc libre, et gnratrice donc c'est une base (donc p=n)
et orthonormale donc une BON.

REMARQUE:
. " . .

Une mauvaise ide cons/ste chercher dmontrer que p=n. Bien qu'elle soit naturelle
(famille libre n lments) elle n'aboutft pas.
CD
Sila base est orthonormale

Rciproquement.
on a ce rsultat (c'est du cours).

soit une telle famille de p vecteurs de norme 1 telle que

rn "-;'.:-
1) SIc'est une norme euclidienne. elle vrifie l'Identit du paralllogramme: c'est d'<i':i. "
p cours. . ... ,.'.:,.,..,
'9'xeE Ilx~2=L (X.el)2

On veut montrer que c'est une base et qu'elle

1=1
est orthogonale. Or si elle est
2) Rciproquement soit N une norme; on veut montrer qu'elle est euclidienne, c"est-6;' i'\'::
dire qu'elle" drive d'un produit scalaire '. autrement dit que la forme polaire de son . :;,.'
orthogonale elle sera libre (cf les astuces). ' .
carr est un produit scalaire.
Rsumons-nous : Il est ncessaire et lIuffisant de .montrer que 'notre famille est
gnratrice et orthogonale. Ncessairement. 51cette forme polaire est dfinie, elle devra valoir (cf, formule de la
mthode 5):
-e- elle est orthogonale: appliquons par exemple la relation un vecteur de la base. Ii f(x. y)= MN(X+y)2 _N(x)2 _N(y)2]
vient: .
2 p 2 ce gui Justifie l'nonc ...
'v'J Il ed =L(e),el)
1~1 . "
ce qui se simplifie en : a) On veut montrer l'additivit en x c'est--dre :
"\
. 'v'] O=L (e),el)2 . f(x + x', y) = f(x. y) + f(x'. y)
l;t) ;~
Une somme de carrs de rels est nulle ssitous ces rels sont nuls donc:
ce qui revient montrer. compte tenu de 10dfinition de f :
'v'1.. ] (ej,el)=O
ce qui prouve bien qu'elle est orthogonale. N(x+x'+y)2 _N(x+x,)2 -N(d =N(x+d-N(xj2 -N(y)2+N(x'+d _N(X,)2 -N(d

---------- --------
-- -- -- -- -- ---- --------
318 METHODIX ALGEBRE 14. Mthodes gnrales d'algbre bilinaire 319

ce qui s'arrange- en : D'aprs le rsultat dmontr pp. 53-54 du tome 1,

(1) cp(.) = ..!p(1) = ..f(x, y)

Ce que l'on voulait dmontrer.
En regroupant astucieusement les termes (par exemple le premier et le deuxime
gauche et le premier et le troisime droite ou (1,3) et (2,3) etc, ,,) on peut oppliquer
la formule (*) : d) La symtrie est vidente sur la dfinition mme. Puisque f est linaire en x et
symtrique, elle est bilinaire. .

N(X+X'+y)2+N(X)2 =~[N(X+2X'+d+N(X'+y)2] (2).'

e} Il reste dmontrer que q(x) = f(x. x) est une forme quadratique dfinie positive. Or :
N(x+d +N(x' +X)2 =~[N(x+2x'+d+N(x'-y)21 (3)
q(x) = f(x. x) = N(x)2
En Injectant (2) et (3) dons (1) Il reste' finalement dmontrer que: qui est positif, et nul ssl la norme de x est nul, .donc (proprit de sparation. de la
norme) sslx est nul.

Cestfinl".

ce qui est clair donc Il n'y a rten faire.

ru
Commenons d'abord por remarquer que les intgrales dfinissant les coeffficienls de
b) En injectant la dfintion de f il faut dmontrer : la rnotrlce ont un sens cor elles convergent:

4[N(X + d _N(x)2 _N(y)2] S;N(x).N(y) 3M = suplf(t)1 tq \ft \f(L 1) 0:; aij s Me-21
R .
qui se rcrit:
N(x+d S;[N(X)+N(y)]2 A est clairement symtrique, donc peut tre associe la forme quadratique dfinie
qui n'est autre que l'Ingalit triangulaire. . sur Rn:

De cette Ingalit Il rsulte que:

.
q(X)=q(Xl''''Xn)=I. aijxlxj=
+~ (
f
I. xlxle-~e-jl f(t)dt=
)
I. Xie-II f(t)dt- f
+~ ( )2 .
If(x- xo, Yli S; N(x - xolN(y)
LI LI 1
Comme on Intgre une fonction positive, l'intgrale est positive donc q aussi.

pus, en utilisant l'additivit de f : D'aprs le thorme de positivit gnralis, l'intgrande est nul donc:

If(x, y) - f{xo, Yli S;N(x -xolN(y) \ft (t Xie-il )\t) =0

ce qui prouve que f est N(y)-lipschifz!enne par rapport x, donc continue. Ou f est nulle. 'ou f n'est pas identiquement nulle.

f n'tant pas Identiquement nulle et positive et continue, Il existe un Intervall 1 sur

c) On veut montrer pour tout rel . :
lequel f ne s'annule pas: on-en dduit"que.:
fP,.)(, y) = ..f(x, y) \ftel l xie:-~=0 (*)
1
D'aprs'la relation prouve en a) cette relation .est dj vraie pour tout entier (par Oron salt (cf. choplfre 3) que la famille des fonctions (enl) est libre (ce sont les valeurs
rcurrence) d'o le rapport avec l'Indication: posons pour x et y fixs propres de la drive seconde, et une famille de vecteurs propres associs des
voleurs propres distinctes est toujours libre) donc les coefficients de la relation de liaison
'P(.) = f(;I.x, y) (*) sont tous nuls,
On a donc prouv que:
C'est une fonction relle de variable relle qui vrifie pour tous entiers (puisqu'elle est
additive): . si f est nulle q est nulle.
cp(. + Il) = 'P(.) + 'P(Jl) si f est non nulle: q(x) = 0 => Xl =... = xn = 0 => X '" 0 (q dfinie)

Elle est continue comme compose: La CNS simple recherche' est donc: f non Identiquement nulle.

REMARQUE:C'est un cas particulier de matrice de Gram. On pourra donc traiter 'cet

exercice comme expliqu au chapitre 17. .

1
J, .
.f
 Chopitre 15

METHODES DE DETERMINATION DE LA SIGNATURE

Nous avons tenu sparer ce chapitre du prcdent car ra dtermination de 10'... <.r>
signature d'une forme quadratique constitue en soi le sujet d'un nombre lev
d'exercices. poss autrefois feu le pox (petit oral de l'X, qui ne concerne plus
maintenant qu'un petit comit de candidats - dcidment. lestraditionsse perdent...
-) mols toujourstrs populaires Centrale, aux Minesou aux ENSIce qui explique
qu'on s'yintressede prs.

1 L'avantage de ce genre d'exercices, c'est qu'on peut dire sons trop risquerde se
tromper que le nombre de mthodes applicables est fini, et nous allons donc vous
dlivrer, en exclusivitpour voustout seul,la listedesdltesmthodes.
1

1 L'inconvnient - qui est Intimement li l'avantage - est que ces exercices sont
souvent considrs comme" taciles 11 ou au moinsaccessibles,et qu'on attend par
1 consquent de vous une grande aisance dons la pratique de ces exercices, et une
1 bonne habitude des mthodes. Vousvoil prvenu.' .
1

l Afin d'allger l'expos,nousne traiterons pas le cas des formeshermitiennes: Il suffira

1 seulement de remplacer carr Il par" module au carr ", etc ... Lesmthodes et/ou
thormes noncs s'appliquent l'identique.
1. Terminonsenfin par la remorque suivante: on a expliqu au chapitre prcdent qu'
toute forme bilinaire symtrique on pouvait associerune matrice symtrique. Il est
clair que la rciproque est vraie (voir les formulesde la mthode 7, chapitre 14). Aussi.
parlra-t-on par extensionde matrice positive,dfinie positive,et de la signaturede (la'. .'....
forme quadratique qui a pCl.lJrforme polaire f dont M est)la matrice. ." ).,i'

.. ~.
.__M_ET_H_O_D_E_l_:_R_e_v_e_n_ir__IO_d_e_'t_in_it_io_n -'1
1l
1,1
Enonc du thorme-dfinition (dit de Sylvestei) ;
Soitq une forme quadratique surun R-evE.Alors:

(1)Il existe(au moins) une dcomposition de q ((en somme de carrs

formeslinairesIndpendantes ., c'est--dIrede la forme:
( q(x) = fl(X)2+'''+fs(x)2 - fH1(x)2_ ... -f s+t(x)2 (')
o (fl, ...fHt) est une famille libre d'lmentsdu dual de E.

(II) lesentierss et t ainsi Introduitssont Indpendants de la.

- -1- .
.---.---r~-
de q (sousforme (' choisie.

.Le couple (s,t) s'appellesignatured:..!.oforme q.

'-----

1
 322 METHODIX ALGEBRE 15, Mthodes de dtermination de la signature 323

Consquences immdiates: o/es formessont toujoursindpendantes, On comprend alorsqul n'y a pas a'esoo
q est positive sslsa signature est de la forme: (s.0) d'etendre la notion de signafl.lre, ' ;
q est ngative ssl sa signature est de la forme: (O. t)
DEn (evanche, pour une formel1ermitlsnne(donc dfinIesurun C-ev) la mme notion
q est dfinie positive ssl sa signature est de la forme: (n. 0) de s'flnature existepUisqu11
ne s'agit plus de carrs de termesmois de modules ou
q est dfinie ngative ssi sa signature ast de la forme: (0, n) Carre,ce quI change tout.
Ainsipar exemple laforme:
lien avec le rang: q(x): IX112 -Ixl
La signature de q et [a rang r de f sont relis por [0 formule 'suivante : est de signature (11) et il n'y a pas moyen de transformer/e signeplus en sig~e moins
1 r=s+t 1 comme on vient de fe fairepour /0 forme complexe quadratique prcdente,

Cette remarque est Importante. En effet. on peut parfois tomber sur des exerclcss.oont Ilnousparalt important de bien comprendre cette diffrence.
,le but est de calculer le rang d'une motnce (nous en avons donn des exernotes.ou
chapitre 6). et il peut alors. s'avrer Judicieux d'Interprter l'exercice comme un D Cependan(. comme pratiquement n'y a aucune diffrence de mthode entre
problme d'algbre Qilinalre, On dispose alors de mthodes spcifiques parfois trs forme hermltien,!e !Jt forme quadratique relle, et que la deuxime est plus facile
efficaces pour dterminer la signature d'une forme quadratique. dont on peut ensuite tralterpue (0qrecedente, le lecteur comprendra que nousne nousconsacrionsqu'
dduira la rang, (cf, mthode 5 chapitre 6). elle, Libre a lUide transposertout notre discoursou cas complexe, exercice que nous
ne pouvons que l'encourager foire,
Mise en uvre pratique:
On essaye de dterminer dlrecternent une dcomposition en somme de carrs de
formes linaires Indpendantes,
METHODE2 : Utiliser une base de Sylvester.
On est d'ailleurs trs souvent amen ,uHlIsar-l'idanlii :'
ab: t[(Q+b)2 _(a_b)2] Principe:
qui permet de transformer un. produit, de formes linaires en une diffrence de carrs. Sion connait une base de Sylvester pour q, Il n'y a plus grand chose faire sinon
ce qui nous Intresse au plus haut point. compter les signes plus et les signes moins.

Une fols ces Transformations effectues, II ne reste plus qu' compter le nombre de En effet. dans cette base-I la dcomposition de q est:
signes" + et de signes" - apparaissant dans la dcomposition, ce qui est de l'ordre q(x): XI2+... +xs 2 -Xs+12- ...-xs+t2
du faisable,

Exemple,:surR''. dterminer /0 signature de q( x):

n
I. 1. xI' Xj Exemple:signature delamahice M:(~~) e!il12n(R)
LJ=1 On constate facilement que dans la base
On commence par constater que:
e:(el +en+l.e2+9n+2.9n +92n' el-e~+I,e2 -en+2 .. en -e2n)
q(X):(f.
1=1
I.X i)Jf
lJ=1
Xi)'
q (forme quadratique correspondant M) est: '

ce qui permet ciors d'utiliser la formule prcdente pour trouver que: M:~ ~)
de qui veut dire que q a pour expresslondons cette base:
q(X)%t(t. 1=.
(1+1).Xi)2 -t(~ J-l (l_l)Xi)2 . '. q(X):XI2+'''.+Xn2-Xn+12- ...-X2n2
et donc que [a signature est (n. n).
Les deux formes linaires tant manifestement Indpendantes, la signature de q
est (1.1):

REMARQUES: ': METHODE3 , U."ser une dcampo,mon de Gauss

D On a expliqu au ChapItreprcdent qu'on pouvait parfaitement dfinIr des formes
quadratiques sur desC-ev. Il est Important de comprendre que la notion de signature "J, Pn. 'ncipe : ,
n'a pas de sens danSce cas-l; en effet. la notion rnme de signe n'exIstepas dans C. ,:i{' ?n a expliqu au chapitre prcdent gue la dcomposition de Gauss prs~ntait
Ainsiune forme quI s'crirait," , 1] [ avc~ntage de constl!Uer une faon systematique de trouver une dcomposition en
q(x) ~ f1(x)2 +... +fs{X)2 - fs+1(x)2- ... fs+t(x)2 '1 cc;zrresde f.ormes [ndep9ndantes. ce qui n'est pas forcment [e cas lorsqu'on fait une
.,~
' dcornposttlon ou pifomtre .
o les formes sont dfinies sur un C-ev et vateun complexes peut tout aussibien
s'crire,' g Mise en uvre pratique "
i,l Nous vous renvoyons au chapitre prcdent (mthode 8) pour [e dtail des oprations.
,j Rappe[ons s[mp[el!1ent qu'II fout distinguer le cas o Il y a des termes carrs (on
i cherche alors [e de but d'un de de celui o tous les termas sont
----------- -.-------~-------------._-_.-- ---::. -i-' "' h~wi0;~::-=':_:='-=-:::::_:=::"::_-::':'::_--'_---
!~ctI:l_11,9"~(QJlQR~:1llquE~-a[O('S['ld~Qtlt-rap-~il~;pIw~

..l
,y: _".
 324 METHODIXALGEBRE 15. Mthodes de dtermination de la signature 325

Cas d'emploi: Mise en uvre pratique:

La mthode est portlcullrernent efficace dans les petites dimensions, c'est--dire 2, 3 A partir de l'expression qu'on vient d'obtenir on en dduit un moyen trs pratique de
ou 4, quand on peut effectivement conduire les calculs leur terme. >, dterminer la signature de M (de q) : ,

Son efficacit est plus discutable dans les grandes dimensions (cas typique : o 'on commence par calculer les voleurs propres de M.
dimension n )J c'est--dire quelconque) o elle est srieusement concurrence par Os est le nombre de valeurs propres strictement positives
d'outres mthodes (notamment la dlagonalisation, vide infra mthode 4). Dt est le nombre de valeurs propres strictement ngatives.

Notons quand mme qu'il est des situations o l'on peut s'en tirer en grande dimension, Cas d'utilisation:
et que la plupart de ces cas font Intervenir des rcurrences (c'est--dire qu'on Intuite la Cette mthode s'emploie indiffremment en gronde ou petite dimension, sous rs~rVe, ..
dcomposition pour des petites dimensions et qu'on la gnralise par rcurrence). Ces toutefois que l'on sache calculer les valeurs propres de M (La Palice en aurait dit :.:' :,:
cas ne font pas lgion (il y a un exemple en exerci~e). , autant). On vous renvoie au chapitre la pour les mthodes pratiques de alcul'de", ,
valeurs propres. '
.~".::-''i '
Exemple 1,' surR 2, signature de q(x) ~ ox? + 2bx1X2+ cxl (discuter) Gnralement. cette mthode s'avre plus efficace en grande dimension qu:'itS::,:<''
dcomposition de Gauss. ,_,. ..
On se fonde naturellement sur la dcomposition de Gauss.
00=0
- b=O et c~O : q=O
n
Exemple 1 .' signature de la fonne q( x) = a ( ~ Xi
)2 + ~n X? sur R n
-b .. Oetc=O: q(x)=%[(x1+xd-(X1-X2}2] donc signature : (1.1) En dveloppant le carr:
- tnoq et C>' : cf. cos suivant (par symtrie sur a, b, c) .. n n
00..0 q(x)=oI
XiXj+I x?

q(X)=ax1
2 +2bx1X2+cx2
' 2 =0 (2x1 +aX1X2
2b )
+cx2
2 =0 ( X1+aX2
b )2 +--a-X2
ac_b2 2
lI=l i=1
Ce qui veut dire que la matrice de q dans la base canonique est :

- si 0>0 et ac-b2>0: (1,1)

1 .., ... 1]
M=a: ::: ::: : +;~oJ+1
- 510>0 et ac-b2~0: (l,a)
[1 ... 1
- slce et oc - b2~0 : (0,1)
Or on a dj diagonalis J ou moins 1995 fois dans ce livre (cherchez bien) et les
- 510<0 et oc _b2<0: (1,1) valeurs propres sont a (multiplicit n-l) et n (multiplicit 1).

Exemple 2,' signature du dtennlnanf sur M2(R) Donc les valeurs propres de M sont 1 (multiplicit n -1) et an+ 1 (multiplicit 1).
On a dj calcul Id dcomposition de Gauss (mthode 16, chapitre 17):
detM =~[(X1 + X4}2 -(Xl-X4)2 +(X2 +X3}2 -(X2 -xd]
SI.a>-=t la signature est (n.O)
SI;)o= -=t la signature est (n - I0)
Donc la signature est (22).
SI'ja < -=t la signature
<.
.. est (n - 11)

METHODE4 : Utiliserla dlagonolisation

Exemple 2,' surR 2, signature de q(x) = aX12+ 2bx1X2+ cxl (discuteQ" .',' ,

La motrice de q dans la base canonique est: '

Principe:
Soit M la matrice reprsentant f (forme polaire de q) dans la base canonique de Rn. M M=(~ ~) ,
est symtrique et relle, donc diagonalisable dans une BON.
qui est symtrique relle (c'est pas une surprise) donc diagonalisable.
~. -z-
Cela veut dire que : il existe une matrice P orthogonale et une matrice De plus:
D = dlag(.1'... .n)telles que: 1
N~ detM~ac-b2 TrM~o+c
M~tp.D.P = P-1.D.P
Or cette formule-l est prcisment une formule de changement de base paur forme i1
..,_,
-:\"~~! '.~,!~~~, '.
'LJs deux valeurs propres sont strtctement positives (signature (2. 0) ) ssile dterminant et
la trace sont strictement positifs.

i.
quadratique (cf. mthode 7, chapitre 17).
Les deux valeurs propres sont strictement ngatives (signature (0,2)) ssile dterminant
Sion note (X1,... Xn) les coordonnes dans la base de diagonalisatlon. on en dduit est strictement pasltif et la trace strictement ngative.
que q a paur expression: Les deux valeurs propres sant de signe contraire (signature (1.1)) ssi le dterminant est
strtctement ngatif.
q(x) ~ .1.X?+...+.nXn2
..
.~ L'une des valeurs propres est nulle sslle dterminant esfnul et l trace donne alors le
" <: ., ,~l1 . ,"" ~~n~ 'le l'autre (signature (1.0) ou (0,1)).
,'X':'::~':I:.'\~'':(F.",:'
:~\
/. !~1 !
326 METHODIX ALGEBRE 1 15.Mthodes de dtermination,de la signature 327

METHODE5 : Utiliserdes s-ev supplmentaires orthogonaux Ces espaces sontorthogonaux pour f, puisquesiPestpair et Q est Impair :.
1

Principe:
1. f(P,Q)=~ Y [P(k).Q(_k)+Q(k).P(_k)].e- =~ y [_P(k).Q(k)+Q(k).P(k)].e-
k2 k2 =0
Soit q la forme quadratique dont on cherche dterminer la signature et f sa forme . k-O k-O
polaire. . .
Enfin.la signature desrestrictionsde q F et G sontfoc lies calculer:
Supposonsqu'on ait russi dterminer deux sous-espacesF et G de Esatisfaisantaux
conditfons suivantes: SiPest pair non nul,
(1) F et G sont: supplrnentclres dans E +00 2 += 2 2.
q(P)= L P(k).P(-k).e-k = L P(k) .e-k >0
(II) F et G sontorthogonaux au sensde t, c'est--dire: k-D k~D
V'(x,y)eFxG f(x,y)=O De mme siQ est Impair non nul,
Si la signature de qjF est (s, tl et celle de qjG est (s',t') alors la signature de q est
(SH', t+t').
q(Q) = y Q(k).Q(-k).e-k' =- Q(kfe-
k~D k-D
k2 <0
(on a Implicitement utilisdeux rsultatsclassiques:
REMARQUE: - la somme d'une srie termes positifsest nulie ssltous les termes de cette srieest
nulle:
Ce rsultat s'obtient trs facilement en runissant deux bases de Sylvester de f et G : on - siun polynme est nul surtouslesentiers.Ii estIdentiquementnul).
obtient alors une bqse de Sylvester de E.

Cas d'emploi: Donc la signature de qjFest E(%+l)(qy est dfinie posltve). celle de qjG E(n;l)(q y
Dans la majorit des cos o l'on emploie cette mthode, la signaturede qjFet ~G est
simple dterminer (sinon on ne verrait pas trs bien l'intrt), de sorte que est dfinie ngative) donc la signaturede q est (E(%+l}E(n; 1)}
gnralement la restrictionde q Fest positive et la restrictionde q G estngative.
Les exercices o l'on emploie cette mthode font souvent Intervenirles espaces de
polynmes et lesespaces de motrices.Il est alorsutile de se rappeler que:
METHODE6 : Utiliserles conditions de Sylvester
- les polynmesde degr pair et de degr Impair sont deux espaces
supplmentaires.
Dfinition :
- les matrices symtriques et antisymtriques sont deux espaces Soitq une forme quadratique et A sa matrice dans la base canonique.
supplmentaires.
On note Dk le mineur principel d'ordre k de A c'est--direle dterminant de la sous-
Il reste s'assurerque ces s-evsont bien orthogonaux pour la forme polaire de q (ce matrice Ak de A constituede sesk premiresligneset k premirescolonnes:
qui peut ne pas tre le cos...). k
REMARQUE:

On peut montrer un rsulfaf:intressant: 5 est la dimension maximale des s-ev F tels que
la restriction de q f soit positive (idem pour t avec ngative).
Dans certains cos: cela peut permettre d'accder une minoration de s.
1
(.
Exemple: surRn[X], signature de q(P)= : P(k).P(-k):e-k' (notamment Al = 011 et An = A).
k-O
Commenons par remarquerque la srieest bien dfinie puisque par exemple
1 Enonc:
.P(k).P{-:k).e-k'= (:{k~ ) On supposeque touslesmineursprincipauxsontnon nuls. .
~.
q est bien une forme quadrat1que,puisque: Alors la signaturede q est (n-t t). o t est le nombre de changements de
f(P,Q)=~ y [P(k),Q(-k)+Q(k).P(-k)].e-k'
k-O ~
signe dans la suite:
1, Dl, ... Dn
est une forme bilinairesymtrique,et c'est la forme polaire de q.
Cos partiCUlier(<< conditionsde Sylvester):
Puisqu'on parle de polynmes, Il est naturel de s'Intresseraux polynmes pairs (F) et
1 Il Une matrice est dfinie positive ssl tous ses mineurs principaux sont
Impairs(G). U strictement positifs.
Rn[X] est somme directe de Fet G.
". . (c'est videmment un rsultatplusfaible que celui que nousvenonsd'noncer).

:\. r.~~~~~;\.'::/
.';:.:
328 METHODIX ALGEBRE 1- 15, Mthodes de dtermination de la signature - 329

Cas d'emploi et mise en garde: llsufflt de normaliser 1 la composante selon ek+1en posant:
Avant de dcinner lb dmonstration de ce rsultat. commenons por une, mise en
garde, Un peu comme la mthode de Laplace pour la recherche d'quivalents dans
les intgrales (cf, tome 1). cette mthode est souvent considre par les candidats
f- l
(O:k+I..o car u n'est pas dans Ek),
el<+1=_u_
a'+1
comme la panace, la mthode par excellence appliquer dans tous les cas et par
tous les temps, .

Or il faut bien comprendre pourquoi cela n'est pas le cas: unicit:

- d'une part. nous l'avons soulign. le thorme ne fonctionne que si les mineurs Si deux familles conviennent aux rang p- 1. les p premiers vecteurs de ces fah~Hles.;i",
principaux sont non nuls, ce qui est naturellement faux pour certaines formes conviennent au rang p. donc sont gaux (hypothse de rcurrence). Quant a* '/
quadratiques, derniers vecteurs. ils sont dans l'orthogonal de Ek dans Ek+1qui est de dlmnslon Li; ':
donc fis sont colinaires. Comme leur composante selon ek+1 est Identique. 'iIS'SOll,t::;-
- d'autre part. il n'est pas vident. loin de l, que l'on gagne beaucoup au change en
remplaant un calcul de signature par des calculs de dterminants, On a dj gaux, Donc Il y a unicit, ,;: ";' . ," <,'
abondamment dissert (ch, 7) sur les problmes quasi-insolubles que posait ce genre
de calculs. surtout en grande dimension, Imaginez vous en train de calculer n
dterminants de taille 1 n. et dites-vous que si l'un d'eux est nul (par exemple l'avant Matricieilement. soit Ak la matrice de la restriction de f Vect(el .... ek) et soit Tk la
dernier. ou le dernier !!I!!) vous aurez dploy tous ces efforts en pure perte, Autant matrice (triangulaire par construction. et diagonale remplie de 1) de passage de
. rflchir deux fois, ' (el .... e.) (e .... ek), PUisque e' est f-orthogonale. la matrice de f dans e' est
- enfin. la dmonstration du rsultat prcdent n'est pas totalement triviale. au diagonale et les coefficients diagonaux sont les q( ek),
contraire, Nous retombons dans le sempiternel dbat sur le hors-programme, pour ou
contre? Co se discute. comme dit l'autre (cf. tome 1, page 260), Bien que ce rsultat On a donc pour tout k :
soit tomb dans le domaine public au point d'tre un exercice classique. il n'en reste
pas moins que si par hasard vous dcidiez de l'employer. l'examinateur mme le moins
exigeant serait en drolt crotrendre de vous qe vous scchlsz IG d~mCjjtrQi.
(formule de changement de base pour les formes. cf. chapitre prcdent),
Conclusion de cet expos liminaire': il vaut mieux n'employer les conditions de Sylvester
que dans les cas dsesprs. c'est--dire si toutes les mthodes prcdentes ont Ce qui donne. en prenant les dterminants des deux ctes;
chou (c'est pour cela que nous avons mis cette mthode en avant-dernire,
position),

Dmonstration : PUisque la restriction de f Ek est non dgnre. aucun des termes de gauche n'est
Comme on peut exiger de vous que vous la connaissiez et qu'en plus c'est un rsultat
classique. et qu'en11n c'est l'occasion d'appliquer le thorme d'orthonormalisation de nul donc par quotient:
Schmidt. on ne pouvait pas dcemment vous priver de cette dmonstration, l q(ek)=~
On prend une forme lgrement diffrente de Schmidt (qui se dmontre exactement 0W par convention Do = 1, Dk_1 , :::i;,;'
de la mme faon, par rcurrence) : il existe une (unique) base orthogonale e' de E
telle que: .. PiSqUet (celui qui intervient dans la signature) est dfini comme le nombre d'sig~e'
':tk:<:n Vect(el .... ekl=vect(e .... ekl moins apparaissant sur la diagonale de la matrice de f dans une base. orthagondle:,
::J "
'"0'

et la composante de e(: selon ek est gale 1, c'est bien, d'aprs la demlre formule. le nombre de changements de signes dll1,S la
suite lOI, ... .on' -'; .< ';:C;.;\;.,~

~l
L'orthogonalit s'entend au sens de f,

On suppose que f,ve~t(el""ej eSTnon dgnre pour tout k.

- pour p= 1 c'est vrai: on ne peut prendre que el = el' Exemple 1: signature de la ma~ce : A- = [i .~.:::
/ 1 2 ... n
Lq on a une chance inoue (II faut dire qu'on a particulirement bien choisi .
existence: el!(")mple 1) car les mineurs principaux de A sont tous de la mme forme celle de A
tailles Infrieures). .
Comme f,v t( )' est non dgnre. on peut considrer un supplmentaire
sc 9,,,.,elr.tl 1 En plus (c'est notre Jour...) le calcul de ces dterminants est Immdiat par rcurrence ;':.,
orthogonal de Ek dans Ek+l' Il est de dimension 1. donc est engendr par un vecteur u. par exemple en faisant Ci ~ q- CI et en dveloppant par rapport la premire
qui s'crit (en tant qu'lment de Ek+l) : colonne on constate que:
k+1 . On = Dn_1=... =01 =1
u= l al,ei Les conditions de Sylvester sont rempiles et A est dfinie positive,
1=1
 330 METHODIX ALGEBRE ' -I- 15. Mthodes de dtermination d~ [a signature 331
I

Exemple2:surR2 slgnaturedeq(x)=ax12+2bxlX2+CX22(discuter) Lu dans les rapports de l'X

la matrice de q relativement la base canonique tant:

M=(~ ~) 11
Y a des confusions entre noyau et cne isotrope
les mineurs principaux de M sont cclculobles et valent: a et ac - b2 . SIaucun des deux NDLR: Rappelons pour mmoire qu'on ne peut effectivement les confondre que
n'est nul (condition pour pouvoir appliquer Sylvester). la signature est facile lorsquela forme estpositive ou ngalfve.
dterminer:
(20) si a>O et oc -b2>0 la recherche de la signature d'une forme quadratique est toujours ramene 'la
recherche de valeurs propres. mme quand la dcomposition en carrs est vidente
(1.1)si a<O et oc - b2 <0 ou si a<O et oc - b2 >0
(0.2) si 0<0 et ac-b2<0 Pour dterminer la signature d'une forme quadratique. on compte-le nombre de
signes ": ~t ~ d'une dcomposition en carrs. sans se soucier de l'Indpendance des
formes llnolres
REMARQUES:
Les thormes gnraux sur les lormes quadratiques sont sus. mals on souhaiterait
ne pas posser dix minutes pour dterminer la signature d'une matrice 2x2
o Cet exemple a conslftule filrouge de ce chapitre.puisque c'est la troisimefols
K
que nousle voyons(cf. mthodes J et 4). Il estd'ailleursIntressantde constater que les
condilfons trouves avec cette mthode-cl ne sont pas exactement les mmes que " 11y a confusion entre forme non dgnre et forme quadratique dfinie
cellestrouvesplus haut et nous vouslaissonsvrifierqu'ellessontbien quivalentes.
11est regrettable d'utiliser plus de vingt minutes pour montrer que la matrice (~ ~)
o Mals nous voulons Insistersur un point: Ici Il est absolument hors de question
d'appliquer /9$ condillons do Sylvosler: cela revIendrait employer un marteau-pilon
est dfinie positive sslx>Oet XV - z2 > 0 "
pour craser une mouche. D'autant plus que Sylvesterne donne pas tousles cas. alors
que Gauss ou la diagonalisation. sI. Nous avons seulement l'OU!U !!!1./5trerte
fonctionnement de la mthode de Sylvester. Pour les formes quadratiques l'Intuition gomtrique est moins bon~e li

1
METHODE7 : Utiliser le rang

Cas d'emploi:
Cette mthode s'emploie dans le cas particulier o la forme quadratique est
claIrement positive (c'est--dire qu'II n'y a concrtement aucun calcul faire pour
montrer qu'elle est positive: cela saute aux yeux).

Principe:
Si une forme est positive, sa slgnatur est (s. 0) et son rang est s.
On peut accder au rang en dterminant la dimension du noyau.Or on a v':; (cf. ch.
14. exercice 2). que lorsqu'une forme talt:quadiatlque; son noyau coiricldalt avec son
cne isotrope. Et le cne Isotrope d'une forme positive peut tre assez simple
dterminer. .

Exen~/e:surRn~slgnaturedelaformeo.(x)="I.. (xl-;.l !
LI
Sion cherchait une forme clairement positive. on est servI. 1
Cherchons donc son cne Isotrope: Il est constitu des vecteurs x tels que: 1
\f(l J) XI xj =
C'est donc la droite vectorielle Vect(l. ... 1). Ainsi le rang de 1est n -1 et la signature est
(n-l.O).
1

\ -,

;.___--------------------------- -
 1
332 METHODIX ALGEBRE . 15.Mthodes de dtermination de la signature 333
-l-
i_
Exercices Corrigs
l''t

Dans les exercIces suivants, on demande de dterminer la signature de la forme

quadratique proPose. [JJ .
a) et b) : If n'y a pas de diffrence fondamentale entre lesdeux exercices proposs (on
lesa regroupspour tromper l'ennemi !). Engros.deux mthodes s'offrent vous:
[TI - lb mthode de Gauss(mthode 3)
a)surR3: q(x,y.z)=xy+yz+z:x - la diagonalisotion(mthode 4)
b) surR 4 : q(x.y, z, t) = XV+yz+zt+tx Ellessont sensiblement quivalentes ici, vu qu'on est en petite li dlmension.'.~Gausf
marche parfaitement pour lesdeux, la diagonalisation marche mieuxpour la prmire,'
Enconsquence, on va diagonaliser dans le premier cas, et appliquer Gaussdans:l
deuxime, . .'
n
surRn : q(x) = l (1+j).xl,xI a) La matrice de f relativement la base canonique est:
LJ~l
0 1 1]
[
A=~ 1 0 1 =~(J-I)
1 1 0

o J est la matrice ultra-connue dont tous les termes valent l. et dont les valeurs
propres sontzro (ordre 2) et 3 (ordre 1) (cf, chapitre 15en cas d'urgence).

n On en dduit sansaucun calcul que les valeurs propres de A sont -t (ordre 2) et 1

surRn: q(x) = 2: ch(i- J),xl,xI (ordre 1) donc la signatureest (t 2).
LI=l
. Pour ceux qui ont appliqu la mthode de Gauss,ce quI, rptons-le encore une fois.
est une mthode d'efficacit quivalente Ici. on trouve:
n
surRn: q(x) = l mln(J,J).xj,Xj q(x,y,z) = -![(2X+y +Z)2-(y _z)2]_x2
Lj=!
qui redonne fort heureusementle mme rsultat.
[TI
l'b) Il n'y a pos de terme carr, donc on met x en facteur:
surRn: q(x)=tx.x+uCu.x)2 (u lment de Rnfix). '~ ,

.. 'i

Ici, le calcul sefait tout seulet la signature vient Immdiatement: .(1. 1f'
REMARQUE:

Il ne faudrait pas gnralisertrop htivement le rsultat obtenu /0 question a) en ce

qui conceme la matrice. Eneffet; sila forme quadratique de la questionb) est cefle de
W la question a) une dimensionau-dessus,nous vousInvitons vrffierque la matrice de
b) n'est pas, J en dImensIon4 et que par consquent les ca/culs sont un peu moins
=
a) sur !M'n(R): q(A) Tr(tA.A) ", s/r;'ples mener(mals se fonl),
b) sur !MnCR) : q(A)'= Tr(A2)
c) sur !Mn(R) : q(A) = Tr(A)2 :1'
1
"i"';:;"~"'fL~llhOde_0'."
.
n'estpo. lo ,,~ 'm"e et Ga""
rnorchs moi en dtmenston
On peut chercher directement une dcomposition en carrs (mthode 1), en
0,
1 . r,nanipulantla sommeen question.
;. _',
. '1 <.

--------- --- -----

-- ---- -- ---- -- ---- -- -- ---- ---- -- -- -- -- -- -- ---- ---- ---- ------

 334 METHODIX ALGEBRE 1
i
15.Mthodes de dtermination de la signature 335
1

Eneffet:
q(x) =r
n
(i+ J),xlx);'2
n
r I.XiX)
rn
Il ne faut naturellement pas.travaillersurcette expressionde la forme quadratique. qui
1.);1 l);1 est beaucoup trop compacte.
et on a dj vu cette forme quadratique en exemple (exemple de la mthode 1). La
Il est commode de repasseraux coordonnes. en appelant 0; cellesdu vecteur u.
signature n'a pas chang: (1.1)
-,
On obtient alors:

L~1 remarque surlesmthodes employer: on cherche bidouiller l'expressionde

q directement (icI. il est horsde questionde penser la matrice...) :
q(x) = f x? + a(f
1=1 1=1
ai.xi)2
Attention. ce stade-l on n'a pas la dcomposition de Gauss puisque les formes
qu'on trouve sontlies(de toute faon on en a n+1.donc ellessont forcment lies).
Donc le plussimpleest de repasser l'expressionmatricielle:
A=I-t0;8
o 8 est Jo matrice de terme gnral 0;0). donc de rang 0 ou 1.On salt (cf. chapitre
A partir de l. on transformele premierproduit par la formulehabituelle: 13) diagonaliser les matrices de rang 1 : Il faut distinguerselon leur trace qui vaut ici
n .
S= I, a? et qui est nulle sslu est nul.
i=1

u=O: alorsq est dfinie positive.

u;t{) :
Pouri>1.la signature est donc (2. 1). - =0 : q estdftnle positive
- ",0: lesvoleurs propres de A sont 1 (rnult. n- J.) et 1-o;S(mult. 1) donc la
signaturedpend du signede cette quantit, Ellevaut (n. 0) ou (n- 1.1).
[TI
Quitte nous rpter. nousrenvoyons l'axerctce pour lescommentaires.
Il est utile de savoir (cf. tome 1. p. 348) que:
ch(l- J) = chl.chj+shl.shj
J
Enfait. c'est le mme exercice que 5, C'estJustepour voirsivoussuivez....
. ce qui amne crire q sousla forme:

q(x)=(f Ch(I)'XI)2+(f Sh(i)'X1)2 , ,-

m
a) On a dj dit 20 vingt foisque c'tait un produit scalairesur !Mn(R), Donc c'est dfini
1=1 1=1 positif.point la ligne.
Comme les deux formes linairessont Indpendantes (IIfaut le vrifier car on ne fait
pas une dcomposition de Gauss)la signatureest (t 1). b) L. c'est pas tout fait pareil maisc'est pas loin. Conformment ce qu'on a dit
la mthode 5. Il faut toujours penseraux matrices symtriques'et antisymtriquesdans

m ..
Cela fait trois exercices que.vous tiez sur des rolls... et l, vlan. cela ne fonctionne
les cas o on parle de matrices ; ces deux sous-espaces sont videmment
supplmentaires,

plus... La fin du monde? Pastout fait.., - SI A est symtrique Tr(A2).=Tr(tA,A) et d'aprs a). cette forme 'est donc dfinie
De deux choses l'u,ne: ou vous avez de la chance et vousIntultezla formule. ou vous positive(surle s-evdesmatrice symtriques).
commencez par voir ce qui se passe en petite dimension et vous tentez une
rcurrence, - De mme si A est antlsymtrlque :Tr(A2)=-Tr(tA,A) donc cette forme est dfinie
Dansce cas. vous montrerezfacilement: ngative surcet espace.
qn(Xl .. ,Xh) = (Xl+ ... +Xn)2 +Qn-l(X2' ... Xn) - Enfin. les deux espaces sont orthogonaux pour la forme pololre de q (vrification
ce qui vous donnera Instantanment: Immdiate). .
;, ~ .: n 1 2
... , qn(Xl''''Xn)= L (Xj+... +xn) .Conclusion.d'aprs la mthode 5 : la signature est (n(n2+1).n(n2-1)).
. 1:1
ce qui montre que q est dnnleposntve.
Oit c) Cette forme est manifestement positive, D'aprsla mthode 7, Il faut dterminer le
~i Alternativement. on peut aussicrire la matrice de q dons la base canonique et ~ cne Isotrope,qui est constitu des matrices de trace nulle (c'est vident 1)qui est de
t'i constater qu'on l'a dj prsente en exemple (mthode 6 : application des __ '1_ .
~l conditions de Sylvester).
dimension n2- 1. Donc le noyau est ausside dimensionn. et d'aprs le thorme du
rang, le rang est dlmMn(R)-(n2-1). Donc la signatureest: (1.0),
~\ Dans un cos comme dans l'autre, on peut considrer que le rsultat n'est pos aussi 1
~ . sim~~ tro~~_ qu~~~~~_xer::I~_~~cdents. .. . ....::...--='-~-,---- .._._
._
...._ .. . . --------- ..- ..,-
--------_ ..__-----11,-;.

:~i
\f
~
336 METHODIX ALGEBRE

. ,,' ~
[TI
Le problme Ici est qu'on combine une forme dfinie positive avec une forme de Chapitre 16
signature (1,0) et donc qu'on ne peut pas en dire grand chose en gnral.

L'Ideest de revenir une criture matricielle de cette forme, malsattention, dans une METHODES D'ETUDE
base de ~n(R), c'est--dire les Eij'
DES ENDOMORPHISMES AUTOADJOINTS
Mais cette base n'est pas la meilleure qu'on puisseprendre (elle marche, et on vous .,i;
encourage d'ailleurs foire lescalculs dons cette base, c'est assezinstructif).Comme
on salt que le premier morceau est une norme,on pourrait avoir avantage se placer
dans une base orthonormepour la forme polaire de cette premireforme.

Soit (A,B) = Tr(AIB)la forme polaire de Tr(AIA)(le produitscalaire).

Un mlomane aurait pu sous-titrerce chapitre: " variations autour d'un thorme , le' '
thorme tant vIdemment le thorme spectral. Eneffet. o'est pratiquement le seul
Toute l'astuce de la chose consiste remarquerque rsultat de cours qui va nous servir (puisqu'on peut considrer que le thorme de
Tr(A)= Tr(AI) = Tr(A,t 1)= (AI) rduction simultane, qui est tout aussiimportant, en est un sous-prodult). '
et la norme de 1 est gale n. Il est faux de croire que pour autant lesexercices faisant appel ce thorme soient
ncessaIrement simples. En fait, la difficult vient de leur varit ... alors qu'on ne
, 1 prsente dons lescourstraditionnels qu'une seule mthode (le thorme spectral).
On va donc prendre .,Jn comme premier vecteur et complter en une base
orthonorme de ~n(R): soit (MI)1~i,;n'la base obtenue. C'est pourquoi il nous semble essentiel.une fols qu'on a rappel l'nonc exact du
thorme (nombreux sont ceux qui en oublient la moiti en route), d'essayer de
montrer l'tendue des applications qu'Ii peut avoIr.
A se dcompose surcette base en : CesapplIcations constituent en elles-mmesdes mthodes de rsolution proprement.
n' parier. Comme elles sont trs classiques, nous avons estim utile d'en donner la
A=I, XiMi dmonstration complte.
1=1
Un des objectifs majeur de ce chapitre est de bien faire comprendre l'efficacit propre
et du fait de notre choix: Chaque mthode en prsentant ces efficacits de manire comparative: elles se
ressemblent toutes, mals sont cependant assez diffrentes dans leurs modots
n' ',' d'emploI. Cette prsentation des choses diffrant notablement d'un cours classique.
Tr(AtA) = (A. A) =;r. x? nous vousInvitonsvivement la prendre en considration.
1=1
Eh,clair,les dix pages de mthodes disent toutes grossomodo la meme ch-ose-;-:mdlfc ,-:
D'o enfin l'expressionde q dons la base introduite: qyl est essentielc'est de saisirlesnuances. <,:',' :i'~, "
"",;:~',
.. n'
q(/",) = I, x? +na.x? ,

. ;, ~'.
' ,

Im1

Et chance suprme (il faut avouer que l'on a toutrott pour simplifier)la base ainsi " " ,

construite est orthogonale pour q. Donc la s,lgnature se trouve en comptant les 1. Comment dmontrer qu'un endomorphisme
coefficients diagonaux positifs: Ily a n2-1 1 et un terme l-snc. On vouslaissefaire est auto-adjoint?
la discussion.
Nous nous plaons toujours dans le cadre d'un K (=R ou C) espace vectoriel de
dimension fini muni d'un produit scaloire (.,.) (donc un espoceeucdlen ou hermitien),
d~~dlmension finie. La notion d'adjoint dpend de faon es~entlelle de ce produit
scolaire. ' .

METHODE 1 : Le dmontrer algbriquement

Principe :
Il s'agit de revenir la dfinITIon,c'est--dire de montrer que f est gal son adjoint f.
338 METHODIX
ALGEBRE 16. Mthodes d'tude des enoornorphtsrnes autoadjoints 339

On ne serait pas trsavanc sil'on ne rappelait pas la dfinition. On doit crire matriciellement que:
't(x. y) e E2 (f(x), y) = (x, f(Y))
Dfinition:
Sif est endomorphisme de E, l'endomorphismef' de E estl'.adjointde f ssion a : D'aprsla mthode 7 du chapitre 14.lesdeux membres de l'quation voient:
t-- 1-'
'v'(x,y)eE2 (f(x),y)=(x,f'(y)) 'v'(X,Y) (MX)Q.Y=X.Q.M.Y

Unendomorphisme est donc outo-oololnt ssl: ce qui se dveloppe en :

1\t(x, y) e E2 (f(x), y) = (x,f(Y))1

Proprit importante de l'adjoint: qui est quivalente (puisqu'elleest valable pour tous X, Y) :

M'.Q=Q.M
Il SIF est-uns-evstable par f. alors Fi eststable par r,
Dansle cas o la base est quelconque, on ne salt rien sur Q, sinon qu'elle e~t dfinie
C'est une application Immdiate de la dfinition de f. Elle est essentielledans les poslt1ve.
dmonstrations par rourrence de proprits de rductibilit (diagonolisobilit ou
trigonalisablilt). Pour avoir un rsultat Intressant. on est oblig de prendre une base orthonorme
(pour le produit scalaire qu'on s'estdonn) ; dons ce cas, la matrice Q est en effet
REMARQUES: l'Identitet l'quation prcdente se rduit alors :
D En dimension finie. l'adjoint existe toujours et Il est unique.

DEn dimension quelconque, on salt qu'on peut dfinir des produits scolaires (cos usuels Il est donc essentiel de se placer dans des bases orthonormes pour tudier des
: espaces de polynmes ou de fonctions). En revanche, l'existence d'un adjoint n'est
endomorphismes. Sinon, la matrice de f dans cette base n'a aucune raison de
pas toujours assure. Ds qu'on J existence, on a unicit (facile vrifier).
prsenterdes proprits intressantes. -
o lorsque l'adjoint existe, l'adjoint de l'actolnt aussi (c'est--dire f"') et est gal f.

METHODE
3 : Interprter les coefficients de M
METHODE2 : le dmontrer matricielle ment
Puisquenous parlons de calcul-matriciel; nous voudrions en profiter pour (tenter de)
Dfinition-notation : mettre au clair un point assezdlicat de l'algbre bilinaire, qui est la diffrence entre
forme bilinaire symtrique et endomorphisme symtrique (naturellement les mmes
SoitMune matrice quelconque. On dfinit la matrice MO adjointe de M en posant: conclusionsvalent pour forme symtriehermitienne et endomorphisme autoadJoint).

M=IM= lM Lorsque l'on a Introduit la notion de forme bilinaire symtrique, .on n'avait pas
encore mis de structure euclidienne sur E,et pour cause -, Il n'yen a pas besoin 1La
Dans le cas rel. c'est simplement IItranspose de M. Dansle cos complexe, c'est la notion de forme bilinaire symtrique est une notion Intrinsque (c'est--dire qui ne
hansco~jugue de M: Cette notctlon, qui n'est pas,universelle,permet de traiter dpend de rien d'autre que d'elle-mme).
slmultan!3mentles deux cas relet complexe.
En consquence, la matrice M d'une forme bilinaire symtrique dons une bose
Une matrice est dite autoadjointe sslelle est gale sonadjointe. quelconque (pas ncessairement orthonormale, puisque l'orhonormallt n'a pas t
Introduite.et n'a rien faire l-dedans) est donne par sescoefficients :
Principe:
II s'agit de vrifier que la matrice de f dans une base orthonormale de E est
,autodjolnte.
le fait que la forme bilinaire f salt symtrique se traduit instantanment sur la motrice
Il est Imp'!ITant de comprendre pourquoi Il est Impratif de prendi' une base M : elle seraautoajolnte dans n'Importe quelle base.
orthonormee (ce que beaucoup d'lves ne se soucient pas outre mesurede faire).
Prenonspour l'Instantune base quelconque. Soit Q la matrice du produit scalaire de E SupposonsE muni d'une structure euclidienne donne (c'est--dire qu'on a fix un
dans cette base. ,- produit scalaire). Salt maintenant f une endomorphisme quelconque de E.Soit e une
base orthonormale de E,et M la matrice de f dans cette base-I.

---- ----- ---------

 340 METHODIXAlGEBRE 16. Mltlodes d'tude des endomorphismes autoadjoints 341

Il est facile de voir que:

2. Comment rsoudre un exercice
sur les endomorphismes auto-adjoints?

(attention l'ordre dans le cas hermitien ...) qui rsulte simplement de ce que:
Comme nous l'avons annonc plus haut, nous allons commencer par noncer
prclsment le thorme spectral et le thorme de rduction simultane (dont nous
n
signalons au passage qu'II ne figure pas au programme de toutes les.sections, mais qu'II
f(ej)=I mijei
peut notre avis tre connu de tous car sa dmonstration est extrmement slmple':
. 1=1
partir du ltIorme spectral - nous la rappelons d'ailleurs cet effet). .c; ,,,' .
(dfinition gnrale de la colonne d'une matrice) qu'on multiplie scalairement par ei
pour avoir le rsultat.
. Pour chaque thorme. nous donnerons la version algbrique et la version motriclll~,
cette deuxime tant en effet moins bien connue. ce qui entraine une certaine gn.~:.:.
dans les calculs matriciels. : '., ~ '" :....,.::.'.".
Supposons maintenant que f soit un endomorphisme symtrique. Alors
(ei. f(e))) = (f(ei), ej) Ensuite. nous essaierons d'examiner comment on peut savoir lequel de ces deux
thormes utiliser, puisqu'en dfinitive la rsolution des exercices est souvent
ce qui veut prcisment dire que : suspendue cette altematlve.
mlj=mji
donc M est symtrique (on a je mme rsultat pour f autoadjoint: M est autoadjointe).
A) Enonc des mthodes
.La proprit pour un endomorphisme d'tre autoadjoint n'est videmment pas
Intrinsque, et c'est normal. puisque la dfinition mme d'un endomorphisme adjoint
(cf. mthode 1) dpend du produit scalaire,
METHODE4 : Utiliser le thorme spectral (version algbrique)
Il est donc logique que la proprit de symtrie de la matrice ne soit vraie que dans
une base qui" dpende" du produit scolaire. en l'occurence une base orthonormale. Enonc:
On ne peut' pas dire que les candidats mconnaissent les hypothses du thorme; Il
n'yen a pas (sauf que l'endomorphisme est outoodlolnf). En revanche. Il manque
En particuiier, si f est outoadjolnt et (dfini) positif, alors les coefficients diagonaux de toujours la moiti de la conclusion ...
la matrice de f dans n'Importe quelle base orthonormale sont (strictement) positifs.
puisqu'ils valent: .
Soit f un endomorphisme autoadjoint.
mll=(ei.f(eJ))~O (resp. >0)
Il est diogonalisable dans une base orthonormale
Encore plus particulier, lorsque la base orthonormale est une base de dlaganallsatlon, (ou: il admet une base orthonormale de vecteurs propres).
on volt que les valeurs propres d'un endomorphisme symtrique (dfini) positif sont
(strictement) positives; l'nonc qu'on obtient systmatiquement est: tout endomorphisme autoadjoint est
dlgonalisable ". .'. ~
of.
RMARQUES:

Pour un endomorphisme autoodjolnt complexe. cette notation a un sens, car (ei' t( el)) o On rpte encore une folsque les valeurspropres d'un endomorphisme qufwdjo0f -.,..
est un rel (ct. chapitre 14).. . complexe sont rel/es. Cette proprit est essentielle,sinon on ne pourrait pa{pdrler .:;
c.':ngalits sur les valeurspropres (on a rarement tabli d7ngalits sur les rid'rrj6ts.:i.
En revanche, Il nous parait Important de signaler que, contrairement ce que complexes. sauf en module, videmment. ..). .
beaucoup croient. la caractrisation d'une matrice symtrique .posltlve n'est pas;
o Comme beoucouo de rsultatsrelatifs la rdcffon Il se dmonfr par rcurrence
M est positive ssitous sescoefficients sont positifs .
en uttllsantta stabilit par f de l'orthogonal d'un s-evstable par f.
f;._ ' ~ ,"

Ce serait trop simple. les seuls coefficients sur lesquels on ait des renseignements a Intrt :
pn'on'sont,l.es
s~fficlents diagonaux. . Il est double ':
~ "'.., - tre diagonalisable;
"',",:,l;" ~~1r~:;,~t(
.. . .. , !, ..~ - en base orthonorme.
Nous nous excusons d'.avolr lourdement Insist. Mals on entend tellement d'inepties sur
Ie;s matrlc~s symtriques, les endomorphismes symtriques et les formes symtriques Oublier que la base est orthonorme rduit considrablement les perspectives
reunles. qu Il nous sembla.lt ncessaire d'enfoncer le clou. . - d'application du rsultat.

.;:,i;~)l~J~:fl:~;I~;.;!:;
.. En effet. on a dj largement Insist sur le fait qu'en algbre euclidienne
hermitienne) il faut se placer dans une base orthonorme chaque fols que c'est
(ou

possible. dans le but de simplifier les calculs. la base orthonorme est l'espace
euclidien ce que la rcurrence est aux suites : sa raison d'tre 1 (quart d'heure de
~~. .
 .----:---------l
342 METHODIX ALGEBRE . t , 6. Mthodes d'tude des endomorphismes autoadjoints 343
t!
1
Application:
METHODE7 : Utiliser le thorme de rduction simultane (matriciel)
On retrouve a posteriori la Justification du calcul de la signature propose la
mthode 4 du chapitre prcdent (compter les valeurs propres strietementposltiveset
strletementngatives). D'ailleurs, Il vous sera trs profitable de vous convaincre que si
\_
1 Enonc:
la base n'tait pas orthonorme, on ne pourrait rien conclure ...
1 Soit A et B deux matrices telles que:
1 -
(i) A est autoadjointe dfinie posilive.
METHODE 5 : Utiliser le thorme spectral (versIon matricielle) (ii) B est autoadjointe .

Enonc: Alors Il existe deux motrices D et P telles que:

Il est trs rarement: bien nonc, et encore plus rarement utilis:.
(1) D est diagonale relle.
Salt M une matrice autoadJointe, (ii) P est inversible.
(iii) P.A.P=1 et P'.B.P=D
Alors Il existe deux matrices D et P telles que:
REMARQUES:
(1) D soit diagonale relle
(II) P soit orthogonale (ou unitaire. dans le cas complexe) OP n'est pas orthogonale (resp.unitaire).
(III) P-1:MP=D et P,MP=D
o On peut aussi remplacer (iii) par une forme un petit peu plus commode mals
strictement quivalente:
REMARQUE:
(iii) P.P = A et P'.D.P = B
On dit aussique M est Ir orthogonalement JI (ou Ir unitairement JI semblable une
matriee diagonale relle).
La matrice P en question n'est pas la mme (c'est l'inversede (autre).

Il ne nous semble pas extrmement difficile de comprendre le " pourquoi de chaque

hypothse, ce qui devrait aider les retenir. Dmonstration :
L'Ide essentielle sous-Jacente la dmonstration de ce Ihorme est de chonger de
Soit f un endomorphisme symtrique dont la motrice dans la boso canonique de Kn produit scalaire.
(qui est orthonorme pour le produit scalaire canonique) est M. M est donc '>.
autoadJointe. f est diagonalisable dans une BON donc: A lant dfinie positive, elle dfinit un (nouveau) produit scalaire: il suffit de poser pour
tous vecteurs X et V de Kn :

..
- M est .semblable une matrice diagonale,
endomorphisme autoadjoint sont relles. .
et relle car les valeurs propres d'un

-: la base .d'arrive est orthonormale. et la base de dpart aussi, donc la matrice. Pest
J Considrons' la forme quadratique
canonique est B, c'est--dire la forme:
(XIV)=X.AV
(resp. hermitienne) dont la malrlce dans le-bose

b(X)=X.B.X
necessalrement orthogonale (ou' unitaire) (cf. chapitre suivant pour ceux qui ont des
problmes avec. les endomorphismes unitaires).
D'aprs le th.-:"me prcdent, Il existe une base e orthonorme' pour le nouveau
produit scalaire (XIV) dans laquelle (la forme polaire de) b ouro une matrice
Poue dire les choses autrement. P-1.MP=D traduit. diagonalisable et P.M.P=D
diagonale relle D. " ~
traduit en base orthonorme". -
Dire que la matrice de b est diagonale dans 'e veut dl r qu'II 'existe P Inversible telle
que:
METHODE6 : UHliserle thorme de rduction simultane (vers. quadratique) i P.B.P=D
Dire que la base e est orthonorme pour le nouveau produit scalaire veut-ore
. -. i.~-~/:~.~'" matrice de la forme (XIY) dans cette base est l'Identit, donc d'aprs la TCmnu'.........
changement de base pour les formes:
Splt qune forme .quadratlque_de forme polaire f et (.. ,) un produit scalaire P',AP =1
"'!.o
quelconque fix sur E.
P n'a aucune raison d'tre orthogonale, puisque la base canonique dont on part'
11existe une base. EJ'deE satisfaisant aux deux conditions suivantes: orthogonale pour l'ancien produit scalaire (X, V) mais pas pour le nouveau (XIV)
~A ..
(I)e est orlhory~1~.pour (...), c'est--dIre que: (el,el) = ~ij
(li) e est o~nafe~;~rq, c'est--dire que: (f(el).e,) =0 pour 1... J
\.':."\'J: .: "
344 METHODIX ALGEBRE 16. Mthodes d'tude desendomorphismesautoadjoints 345

B) liste des erreurs relatives chaque mthode C) Quelle mthode choisir?

De faon tonamment paradoxale, ce chapitre, qui ne comporte" qu'un" thorme, Vous avez bien compris- c'est du moinsce qu'on a la faiblessed'esprer- que les5
donne lieu un nombre d'erreursautrement piusimpressionnantque d'autreschapitres mthodes exposesau A) sonttoutes fondessurle thorme spectral.
qui regroupent une dizaine de mormes...
Cependant. elleschacune rpondent des exigencesparticulires,
Certains trouveront qu'on se rpte un peu beaucoup. Nous leur rpondrons sans
hsiter que notre acharnement est proportionnel au nombre d'normits que nous , ..";.:"
subissonsrgulirement lorsdes examens oraux, Le problme n'est pas tellement de savoir si on choisit un traitement algb'rlque .GiG'." :
matriciel de l'exercice (on peut gnralement faire les deux, et on est souvent pouss, '
par l'nonc). ,.'. .,CO

Ilest plutt de savoirs'ils'agitd'une rduction simpleou d'une rduction slmult6e:;,

Thorme spectral :
un endomorphisme autoadjoint est diagonalisable dons une base orthonorme, (Si
'on oublie a, le thorme de rduction simultane,la signature.tintin" .). Lorsquel'nonc de l'exercicene fait intervenirqu'un seul endomorphisme,on est sr
qu'IIs'agit du thormespectral.
un endomorphisme symtrique rel est diagonalisable. mais un endomorphisme
symtrique NON REEL (c'est--dire complexe) n'a aucune raison d'tre diagonalisable Ets'IIy a deux endomorphismes(symtriques)?
en BON e ,

Parexemple: ou bien l'un des deux (au moins) est dfini:

- alorson peut penserqu'IIva falloir utiliserla mthode 6 (ou 7), surtoutsion demande
de dmontrer des rsultatsfaisant Intervenir la fois (simultanment) les deux
est une motrice symtrique non relle et non diagonalisable puisque son polynme endomorphismes(du genre: majorer le dterminant de A+B,la trace de AB" .), Il faut
caractristique est X2 donc que la seule valeur propre est 0, SiA tait diagonalisable, Imprativement raisonnerdans la mme base pour les deux sinonon ajouterait des
elle serait nu!le (argument classique, cf, chapitre 12. paragraphe 3. item 14). ce qui carottes et despatates",
n'estmanifestement pas le cos,
- Enrevanche sil'on demande des rsultatssparssurlesendomorphismes.ou sil'on
Il ne fout donc pas confondre un endomorphisme symtrique complexe (qui ne demande d'encadrer lesvaleurspropresdesdeux endomorphismes,il n'estpascertain
possde aucune proprit remarquable du point de vue de la rduction) avec un qu'on ait besoin d'une rduction simultane: en effet. on a dj dit que les voleurs
endomorphisme autoadjoint complexe (qui lui est diagonalisable en BON), _i propres de B n'talent pascelles de D. ce qui limite l'Intrt de ce genre de rduction'
la motrice Pest orhogonale (unitaire) donc vrifie P' = p-1 1 :pour de tellessituations. .
i :::)

Thorme de rduction simultane:

. j-
1 ou bien aucun n'est dfini"
P n'est pas orthogonale (ni unitaire) car elle ne reprsentepas le passage d'une base
orthonorme une autre base orthonorme. ?1 - ou bien on peut supposerque l'un desdeux l'est.dmontrer le rsultatpar r'lCgrlPh.~
,:'
Les valeurs propres de D n'ont AUCUN RAPPORTavec les valeurs propres de B, Simutane et constater que le rsultat est vident dans' le cas o aucun n'est'defnl .
contrairement au cas du thorme spectral. (c'est notamment le cas si l'Ingalit fait intervenir des dterminants : si
l'endomorphisme'n'estpasdfini. sondterminant est nul.,,),
- dans le cas du thorme spectral M est semblable D (pUisqueP est orthogonale)
donc M et D ont les mmes valeurs propres, 1 - ou bien on se contente de rduire l'un des deux par la mthod.e 3 :
1 P,A.p=p-1,A.P;D et on pose P',B,P=P-1,B,P=C,C n'est pas diagonale mdis on a
- dans le cas de lar~ucticn simuttcnsa, S'est seulement congruente D (P*.B.P= 0)
car P n'est pas orthogonale donc les voleurs propres de D n'ont rien voir avec celles ~uand mme simplifil'exercice,.,
~I:
de B,
La seule chose que l'on puisse dire est que D et B reprsentant la mme forme. la
signature est la mme. donc le nombre de valeurs propres strictement positives,
strictement ngatives et nullessera le mme. Lesvaleursseront cependant diffrentes, Nousverronsdesexemplesdes diffrentessituationsexposesen exercice,
 346 METHODIX
ALGE8RE r- 16. Mthodes d'tude desendomorphismesautoadjointo
347
1
3. Autres mthodes de rsolution Le fait que u soitun polyn6me.en v se voit surla forme matricielle : dans leur
basecommune de d!agonallsation: '
O=dlag(dl ... dn)
A) Enonc des mthodes 6. = dlag(S1,,..Sn)

On sait qu'Il existe n polvorne (par exemple l'interpolateurde Lagrange. cf. ch. 1)tel
que:
METHODE8 : Utiliser la racine carre
1
ce qui donne videmment: '
Enonc:
Soitvun endomorphismeautoadjoint et positif.
REMARQUE:
Alorsil existetin unique endomorphisme autoadjoint positiftel que:'
v=u2 Comme d'habitude (cf. remarquesfaites cepropos surl'inverseet l'exponentielle) 19
appel racine carre de v, potynm dpend de A, On n'aJamaisdit que/a fonction racine tait polynmiale.
Cela n'est pas vrai en dimension un. Il y a assezpeu de chances que cela devienne
De plus.u est un polynme en v . vraiaprs...

Dmonstrafion :

Existence: METHODE9: Utiliserla dcomposition A=IM.M

Sion raisonne matricielle ment. on salt. d'aprs le thorme spectral, qu'il existe P
orthogonale (unitaire) et 0 diagonale relle coefficients positifs dl Qesvaleurspropres Enonc:
de v) tellesque :
P'.OP = p-1.o.P= M Soit A une matrice symtrique positive. Alors Il existe une matrice M telle
o que
o =dlcig(dl ....dn)
Sion pose : et elle a mme rang que A.
il = dlag(1i1.,..lin}
o Iii est l'unique rel positiftel que li? = di et REMARQUES:
N=P.il.P=P-1.A.P o M n'estpas unique en gnral.
on constate que N2= M. N est en outre positive donc on a existence.
o M n'estpas symtriqueen gnral.
Unicit:, o On a donn l'nonc euclidien.Il existevidemment un nonc' analogue hermitien.
Ilvaut mieux repasserpar lesendomorphismespourloomontrer.
""
SIu existe,v est le carr de u donc v commute avec u. Donc u laissestable lesespaces Dmonstration:
propres dey. ' .
On va proposer de'u'; dmonstrationsqui reposent surdes dmarches radicalement
Or v est diagonalisable ,dans une base orthonorme. Soit El un espace propre diffrentes.et dont la comparaisons'avrefructueuse.. 1 l~
quelconque, u et v laissentstables El donc' on peut considrer leurs restrictions E;:
v = u2 s'cnt alors : 1remtnoce :par la dcomposition de GauSs. 1
i
dl.Il"
-1
= (uiEIl)2 C')
\ 1 lntrodulsonsle ferme q_qccdrctlqua dont A est 10'mctrlce dans la bose cononlque.
, Or u doit tre,autoadjolDt. donc sc restriction Elaussi.Donc ,ulE,
.ccrnet au rnotnsune PuisqueA est positive. q l'estaussi.et donc la dcomposition de Gausss'critcomme
une somme dei"carrsde r (r=rgA) formeslinairesIndpendantes.toutes affectes du
valeur propre (puisque IlestautoadJoint.donc diagonalisable), Si.positive cor u l'est. coefficient + (signature: (r.O)):
e") Impliqueque ncessairement: Il? = dl donc ncessairement: 1;11ulE,= SI'1 i r ,2
q(x) = L (<!li (x))
1=1
Comme la somme des El est directe, on retrouve bien l'expression choisie pour u
prcdemment. ' -' ~

..
 ![
348 METHODIXAlGEBRE 16. Mthq~esd' tude desendomorphismesautoadJoint~ 349

Enexplicitant lescoefficients des r formes linaires: .

.
IY1ETHODE10 : Utiliser l'critUre sous forme de. matrice de Gram

'~ Enonc:
SoitA une matrice autoadjointe de rang r. Alors il existe(ou moins) une
SoitM la matrice de terme gnral : l famillede vecteurs (Xi) de E telle que:
mi)= olj pour i ~r et j ~r
(i) rg(x1.... xn)=r
{ mij =0 sinon
(Ii) 1 aij =(Xi' XI) 1 ., .' '" ..:
Cette motrice est exactement de rang r. car les r formes sont indpendantes. On peut
alors crire q sousla"forme: 1 Rciproquement. une matrice telle qu'II existe une famille d .v.eCteurs'
vrifiant les deux conditions prcdentes est autoadjointe. posi!iYi?':'~t.:d
rangr. ' ""'-'
t X.A.X = q(x).= Ln (nL mkimkjXj=
Xi J 1X.(1MM.X) (
Lj=1 <=1 i
REMARQUE:
'et on obtient bien la dcomposition souhaite. ..i
1
La matrice de terme gnral (Xi'Xj) est appele matrice de Gram de fa famille de
vecteurs(XI)'
2me mthode: par la racine carre
Dmonstration:
"C'estpresque immdiat. En reprenant les notations de la mthode prcdente on a Elleest Immdiate partir de la dcomposition obtenue prcdemment : il suffit par
comme d'habitude: exemple de prendre comme fornllle de vecteurs (Xi) les vecteurs colonnes de la
matrice M.
A =P.D.P=P.(2).p=p.~..P
La rciproque se dmontre de la mme faon : partir des vecteurs (xl), on construit
1
la dernire galit tant due au fait que est autoadjointe.
En posant:
une matrice M. (il) Impliqueprcismentque A=tMM.
M=.P
1 B) Intrts compars et utilisation
on a la relation voulue et M est bien de mme rang que A puisque par construction de l1
Cl. rg = rgA et Pest Inversible.
Points communs
l.estroismthodes sontune dcomposition. une criturediffrente de A. Comme.toute
REMARQUE:
. . dcomposition, elles ont pour but de simplifierun tant soit peu les calculs ql font
i~tervenlrA. ou d'expliciter de manire plusmaniable une proprit de A. "\,.:.'
En faft on peut aussiprendre M=B (o B est la racine de A) ; dans ce cos particulier-l
M est symtriqueet positive. ~ ~,.~'.
On ne l'a pas faft en'dmonstration, pour bien montrer que M n'a aucune raison d'tre Comparaison mthode 8/mthode 9 '_".":.;':':.
suppose symtrique(ni donc positive). Paradoxalement c'est plutt la deuxime qui Intervient alors que cel'e-cl est elle"
mme un sous-produitde la premire (on peut dmontrer la deuxim. l'oido;de)p'..
Complment d'Information: premire). Il est intressantde comprendre pourquoi. . '. ._ .'.
, On peut montrer un peu plus: toule matrice M telle que A=tMM est de mme rang dans la premire (mth. 8), on estoblig de prciser que Best positifdonc on
i.':, qtue A. dC'fst
un exercdlcetjultraClassiquedonc on va le rappeler Ici : sion raisonne'en transposeen fait la proprit" A estsymtriqueposi~f en "B estsymtriquepositif" et
-rerrnes e ormesqua ra queson pose: on relie en outre B A.
:.' ,.< ,~';.:...,: ~(~)=;X.A.X=tX.tMM.X=t(MX).MX=~MXI12 . dans la seconde, M est quelconque (pas ncessairementsymtrique.et a
' .1 _ .O ~ ~:~~ "i6;";;g~~i'gugn8'i~~Re
..
tarionlqUe surRn.
:." '::,.:,:,,,,,-,.,,,
.
(rtlorf pas positive puisque cette notion n'est dfinie que pour des matrices
. symtriques).Le fait mme d'crire A sousla forme tMM nousdit immdiatement:

SIAX=Oalors q(X)=Oet donc IMX~2=0 et MX=Oce qui prouve que KerAcKerM. - que A estsymtrique(car: lCMM)=IMM)
Comme II est vident que: KerMcKerA=Ker1MM on a galit entre les noyaux et - que A est positive(tX.A.x=tx.tM.M.X=t(MX).MX=~Mxf ~ 0)
donc galit desrangs.
Disonspour parodier une publicit bien connue qu'avec cette dcomposition.ce n'est
(Cet exercice. qui est souvent propos comme un exercice d'algbre linaire. est en pas la peine d'en rajouter. .
fait purement euclfdJen.Cf c~~. 5). . ~ le dcomposition contient en elle-mme loute l'information donI on dispose.ni plus,ni
moins.

1
,(
 10. IVI~rnoaesoetuoe des endomorphismesautoadjoints 351
METHODIX ALGEBRE
350

Astuces
REMARQUE:
Pour dire les choses autrement, une motrice A est positive ssiil existe M telle que 11 peut trE;l. utile de savoir qu'on dfinit une relation d'ordre partiel sur les matrices
A=tMM).
autoadjointes en disant que A>B ssl A - B est dfinie positive.Cela permet notamment
de parter de suite croissantede matricespositives.". (cf, exercices).
Comme un espace euclidien est naturellement un espace norm (par la norme
Comparaison mthode 9/mthode 10 : . associe au produit scalaire)on peut parlerde la convergence de suitesmonotones...
Leursnoncs sont strictement quivalents; ce sont seulement deux faons d crire la
Nousrappelons (cf. chapitre 4) que. toute forme linaire sur un espace euclidien

l
mme chose. (ou hermitien) est un produit scalaire , c'est--dIreque
La mthode 9 est une criture globale (en termes de motrices). la mthode 10 est une \fq>eE' 3ae t.q \fxeE (a.x)=<p(x)
criture plus locale (en termesde coefficients, ou de vecteurs). (IIs\Jffitde bien choisira dans l'orthogonaldu noyau de 'Il). 1
1
Il est cependant difficile de donner des critres permett5mt. de dterminer quell~ Lesrsultatsobtenus surla transposed'une application linaire se transportent tous 1
criture sera plus ac;lapteque l'a_utredons-un cadre <;lonne.Disonsque sion pense a
surl'adjoint, c'est--dire qo'on a notamment: Kerf' = (lm f)L et lm f' = (Kerf).!.
l'une.il faut penser a l'autre en meme temps,..

Conclusion
l, etc ... Reportez-vous au chapitre 4. Nous vous encourageons savoir dmontrer
parfaitement ces galits.
1
ri

l
Pourtre clair. net et prcis: 0 d 1 8 Pouraccder des renseignementssurlesvaleurspropresd'un endomorphisme. on
_ on se sertbecucoup plussouvent des methodes 9 ou 1 que e ~ . , peut par exemple. pour x vecteur propre. crire que l(f(X).x) = ,~ x ij21 et " faut
_ la mthode 8 est utile en tant qu'exemple de construction d une solution dune
quation Enoutre il est uftle de savoir que la racine corree eXiste.un peu co~me
est utile de savoir que l'exponentielle existe. pour pouvoir la reconnatre si par asar
J chercher exprimer astucieusement f(x) et majorer le produit scalaire par Cauchy-
Schwarz.
elle apparaissaitdans un exercice.
Pourtoute matrice A A+A' et M sontdesmatricesautoadjointes. La deuxime. en
REMARQUES: plus.est positive.
Q A propos desmatrices de Gram voiraussichapitre suivant 6, Pour toute valeur propre et pour toute norme subordonne N (notamment la .~,
Q Il existe d'Outres dcomposilions de mat~ices (pas ncessairement symtriques ou norme subordonne la norme euclidienne)on al I$N(A) (cf, chapitre 13), .
positives).Nouslestudieronsaussiau chapitre sUIVant(J).
1
- r
Erreurs

On rappelle qu'un endomorphisme symtrique non rel n'est pas forcment

diagonalisable, .

Cf, autres erreurs.djmentionnesplushaut.

Lu dans les rapports de l'X

" Pour obtenir une traduction matricielle des endomorphismes svrnmques des
espaces euclidiens.Ilfout utiliserdes basesorthonormes .
" Il Y a une approche trop matricielle et un refusd'Interprtation Intrinsquede la
rduction simultane u .

NDLR : Dans certains cas- Il n'V a pas d'interprtation du tout, mais plutt de
lncomprhenslon..,

" . On diagonalise simultanment deus formes quadratiques en supposant que la 1

matrice de passage est orthogonale
',1
. ,\. NOLR:,., ce qui est toux- comme on /'0 dj dit. -:

.: "'-. ',','
._------ _- - --.'---- _._-
-------.:__-_._------_._'

~;:;~;/:,;~;;;!'~i;!~~~::~A:
.
---------- ------
_----------- ---------- _-- --------
 16. Mthodes d'tude des endomorphismes autoadjolhts 353
352 METHODIXAlGEBRE

" Encore trop de pulsions matricielles propos de la rduction simultane des formes
Exercices
quadratiques conduisent a prouver par des .rotsonnernents effroyablement
acrobatlques, que toute matrice symtrique dfinie positive "est" l'Iderl1t

NDLR: Primo, admirez le style trs travaill des examinateursdu concours (pulsions, [JJ
effroyablement, c'est desmotsrecherchs.c'estdingue comme ilscrivent bien."pour Dterminer le commutant des matrices symtriques relles.
des matfJeux.. .J. euxto. on a mis Elst' entre guIllemets.car elle est congruente 6
I7dentft,pas ncessairementgale.
" (II faut) savoir distinguer algbre linaire et algbre bilinaire" J
Produit de schur ,
,"
.
NDLR: Nous n'ourlonspas dit exactement la mme chose (maisbon c'est eux les Soit A et B deux matrices symtriques positives de terme gnral respectif ai) 'f brj:.::
examinateurs...J, Lorsqu'on vous donne un exercice d'algbre, il vous faut vous Soit C la motrice de terme gnral Ci)= aij.biJ (appel produit de Schur de A et B).,<:: :,.,, -.
demander si c'est uniquement de l'algbre lInaire,ou si en ajou/an/ une structure
Montrer que C est positive, .' ,,~',:::~i
euclidienne (ce qui est toujourspossiblequand on estdansKn avec leproduit scalaIre
canonique). vouspouvez simplifierle problme. Cf par exemple la remarque de la
mthode 9.
L'nonc prcis du thorme de rduction simultane est toujours mconnu des loi; Alune matrice symtrique dont tous les coefficients sont strictement positifs et B la
lves
matrice de terme gnral a -1, Montrer l'quivalence:
Pour X vecteur propre de H, Il peut tre utile d'crire: X.H.X = ..X.X " A et B positives ~ rg(A)= 1

.. ." Dans les espaces euclidiens, on travaille trs souvent sur des BON 1)

!! A la question: montrer que Ab.. et A'A ont mmes voleurs propres. les candidats
ne savent pas rpondre. Par contre, la question montrer que AB et BA ont mme
[TI . .
Soit M une matrice symetrique dont le carre est nul.'M on t'II'
rer qu e e eSTnu l'le.
polynme caractristique dclenche une avalanche de rponses"

NDLR:Cf?" "-I il est vraimentmarrant...

Les lves ont toujours des problmes avec les exercices faciles classiques, du
m
Soit An une suttecrotssonte et majore de 'matrices symtriques (cf. rubrique astuces).
genre: Sp(A' A) c:R+, existence et unicit de la racine carre ... Montrer que cette suite converge,

Il " - Parlez-moi de SO(3).

- Mais ... c'est de la chimie l

NDLR: Vridique...
m
Soft A une matrice symtrique dfinie positive. On dfinit une suite de matrices en
posant: . ..
t
.. Xo=A et 'lfn>O Xn+l=HXn+A,Xn-l) ,".,

Montrer que cette suite est convergente et colculer sa limite.

lai? )une mahic compxeqelconque. Montrer qu'II existe une motrice unitaire U
. ~.~.',
telle que
A' A =U-1,A.N.U.

~. ,:;:::'
m
Soit A et B deux motrices symtriques relle telles que:
'bs-A~B- -- ..
Montrer que:
Osdet As cet B
 METHODIXAlGEBRE
16. Mthodes d'tude des endomorphismes autoadjoints 355
[[]
Soit A et B deux matrices symtriques posltlves relles. Montrer que: Corrigs
!.

[li]
O:s Tr(AB):s Tr(A).Tr(B)
J
Comme pour tout problme de commutant (cf. chapitre 5), on cherche construire
Ingalit de Begstrom des matrices simples partir des matrices Eij qui soient dans l'ensemble dont on
cherche le commutant.
Soit A et B.deux matrices symtriques dfinies Positives. On note A; et BI les matrices
obtenues a partir de A et B en leur enlevant la l-rne ligne et la l-rne colonne .
Montrer que: . Il est clair que pour tout Iles Eu sont symtriques; de mme, les Eij +Eji sont symtriques
pour tout 1 et j.
det(A.~B) det(A) det(8)
>-+-- det(BI)
det (AI +8;) - det(AI) En crivant qu'une matrice du commutant commute avec ces deux types deux
motrices (cf. Chapitre 6) on montre facilement et classiquement que A est une motrice
scolaire, comme on pouvait s'y attendre .
... Indlcatlon : on montrera que pour f autoadjoint dfini positIf et x, Y quelconques:

J
Comme A et 8 sont positives, on est fond penser que la mthode 9 va se rvler
particulirement efficace.
puis on IntrodUira. pour y fix ;t()
On crit qu'il existe deux matrices M et N telles que:
. Inf{(f(x),x),xeE t.q (x,y)=l}=(f)
A=tMM et B=tNN
(qui dpend de y) et on montrera que cette quantit est sur-additlve : ce qui veut dire du point de vue des coefficients :

n n
5(f+g) 2: (f)+ o(g) ail = I. mklmkl et bll = I. nklnkj
. k=1 k=1
On essaiera alors de comprendre en quoi ceci constitue une Indlcatlon,,,
donc le terme gnral de C se met sous la forme:

n
Cij = I. mrimq,nsj.nsj
r.s~1

Pour montrer que la matrice q est positive, on peut par exemple tudier la forme
qucdrotlqua associe en calculant:
J1
1

-
.
~'* .__ .-:- -_.- -_. --
.'-
-
i ,
-
qui se dveloppe en (on permute naturellement les signes sommes, puisque toutes ces
sommes sont finies) ;
q(X) = I. mri,mrjnslnsj,x;.xj = I. I. (mr;.nSi.x;).(m~.n~,xj)
L1r,s -
d'o Il rsulte enfin que;
- - r,s Lj _. -------.---

.~ q(X)= I. I. (mrl.nsj,xl)2 .
r.s i
criture sous laquelle q apparat manifestement comme une forme positive,
.....~~
. ~. -

l
i
.1
REMARQUE:

Natonsqu71n'est pas a priori vident de trouver;partir de l'expressionobtnue pour

lescoefffclents de c.. une malrlce 0 telle que C:tD.D. C'estpourtant la premire ide
qui vient l'esprit;tant donne la faon dont on a commenc l'exercice.

"...
"!~/l~:-;t'
 vvo MtIMUUI.'\A~iattll<t
16.Mthodes d'tude desendomorphismesautoadjoints 357

lv~du.on parle de matricespositives,Il estlgitime de s'orienterverslesmthodes 9 et

la. .l :
W
['ide essentielleconsiste repasseraux suites relles, en esssayantde trouver des
suitescroissanteset majoresde relsdont on saitqu'ellesserontconvergentes.
les deux mthodes sont strictement quivalentes Ici. Toutefois,Il semble bien que la Soitdonc X un vecteur fix et la suite:
mthode la permette de voir leschosesplusclairement. . .
qn(X)= X.AnX
PuisqueA est positive,Ilexistedes vecteurs (XI) de E tels que:
Cette suite de relsest croissante et majore par dfinition mme de la croissance
01) = (Xi' x)) d'une suitede matricessymtriques. .
le produit scolaire.doit faire penser Cauchy-Schwarz.(on doit ;tOUS aV.0L!erque ce
n'est pas absolument natureld'y penserIcimaintenant, a no1Teovis : consideronsdonc Soit q(X) la limitede cette suite.On veut montrer qu'il existeune matrice A telle'q,ue :;
plutt qu'il s'agit d'une astuce). 'i- ,
~. ~:..- '" ,1 r.r : . ~ ,,'
\;IX q(X) = X.A.X - f~ _,.,'i-
l'Ingalit de Cauchy-Schwarzs'critIci:

IJ:;~::
'-.,,-',:'

101)12sllXlfhl12 = airai ce qui revient montrerque la limite dpend quadratiquement de X. On peut faiie de
plusieurstcons : on peut par exemple utiliser les formes linaires correspondantes
PuisqueBest a",' posltive on a la pa", lss lnvsrsas (parce qu'il est plus facile de montrer une linarit 0 la limite qu'un ccroctro
quadratique 0 la limite).
Posons:
tn(X,Y)= X.An.Y
Encomparant .cesdeux Ingalits,ilapparaTtqu'on a ncessolrernent galit. Or on a
galit dans Cauchy-SchwarzssllesvecteursIntervenant dans le produit scalaire sont C'estvidemment la forme polaire de qn donc.:
lis.

Donc tous les (Xi) sont lis,ce qui veut dire que la famille des (xl) est de rang 1. Or A
est de mme Jang que cette famille (cf. mthode la) donc A est de rang 1.
Appelons f(X.Y) cette limite.IlsuffiJde montrer le caractre bilinairesymtriquede f.
La rciproque estclaire: siA est de rang 1.sonterme gnrals'critsousla forme:
Comme Ilest clair que, par linaritde t n :
OjJ = al'~)
(cf. chapi1Te13.lesai et ~J tant Icides scalaires).Comme elle doit fresym1Tique: fn(JJ<+j('.Y)=..fn(X.Y)+J,lfn(X'.Y)
on en dduit la bilinarit de f par passage la limite. Idem pour le caractre
ail=ala) symtrique.

Ilsuffit de calculer XAXet X'BXpour s'apercevoirque A et Bsontalorspositives: f est donc bilinairesymtriquedonc Il existeune matrice A symtrique telle que pour
tQusXetY:
it"
X.AX=( t al'Xif et X.BX=(t i,x,f t(x. Y) = X.A. Y
~ , /-
... Ce qui prouve que la suitede ma1Tlces
a une limite et qu'elle est symtrique.
.'

REMARQUE:
REMARQUE:
Il est Intressantde foire le lien entre lesmotricesde Gram et la factorisation classique . ~",: \, : ~)

des motrices de rang 1. Attention 1/ ne fout pas croIre qu'if suffise de montrer que la limite d'une suife de'
motricessymfdqueestsymtrique(ce quI est vident). tet on ne sali mme pas que la
limite de celle suite de matrices existe.C'estpour cela que c'est un peu alambIqu ...
[TI. , [TI
On peut Indiffremmentutiliserla mthode 8 ou la methode 9.
Remarquons tout d'abord que tous les termes de cette suite existent. et sont
Soit N = M2(=0);comme M est sym1Tlque. N=tMM donc N estsymtriqueet p,?sitlveet symtriquesdflnispositifs(par rcurrence).
-r-:.., '
sa racine carre exista.Par unicit. comme M est manifestement racine carree de N.
et comme la matrice nulle l'est aussi(ces deux matrices sont de carr nul) la racine t~ttaUPlns que vous tes se diront mals /'01 dj vu un exo quI ressemble a
carre de N est M et est a donc M=O.CQFD. quelque port . Aprs mre rflexlon.11apparat effectivement qu cet exercice
rappelle l'exercicesurlessuifesrellesdfiniespar un premierterme >()
On peut raisonnercrvec la mthode 9 : le rang de N=tMM=Oest donc nul. et on salt
qu'il est gal ou rang de M. Donc le rang de M est nul, et donc M estnulle.

.-~
\
358 METHO[}IX ALGEBRE 16. Mthodes d'tude des endomorphismesautoadjoints 359

(0)0) dont on sait qu'ellesconvergent et que la limites'obHentpar le point fixe: Maiscela ne suffit pascar on ne voit posde matrice unitairel-dessous.
L=t[L+rJ . Lesmotrices-AA' et AA sont-en outre des matrices,autoadjointes (et positives)donc
soit diagonalisables dans des basesorthonormes.Moiscomme elles ont mme spectre,
ellessontdonc orthogonalement semblables la mme matrice diagonale.
Si on rcapitule matrlclellement nos dcouvertes, -on sait donc qu'il existe deux
Ceci doit donner deux Idesau moins: matricesPet Q unitaireset une matrice D diagonale relle (et positive)tellesque:
- d'une part que la limitede cette suitede motrices,sielle existe,pourraitbien tre la D =P.(A.A ).P=P-I.(A.A ).P
racine carre de A (qui existecar A est positive). (A A) = Q.D.Q='Q-I.D.Q
- d'autre part, comme tous les termes sont symtriquesrels,ils sontdiagonalisables On remplace D par sonexpressionen fonction de AA' et Ilvient:
donc on va peut tre pouvoir repasser des'calculssurlesvoleurspropresdestermes'
de la suiteet alorsrutiliserl'exercicesurlesrels. (A' A) =Q.P.(A.A).P.Q

Pour pouvoir raisonnersur lesvoleurs propres, on s'aperoit en fait assezvite qu'il est Sion pose alors U=PQqui est une matrice unitaire (puisque l'ensemble des matrices
Impratif de montrer la codiagonallsabilit de tous lestermesde la suite,ce qu'on fait unitaires est un groupe), on a bien une relation du type souhait. Et on a encore
par rcurrence : A estsymtriquerelle donc s"crit: gagn ...
A=P-1.D.P=PDP
On montre-par rcurrence l'existence d'une suite de motrices diagonales dfinies CI] .
positivestelles que: , Ici, l'exercice fait Intervenirdeux matricesdonc aucune n'estsuppose dfinie a priori.
On utiliseleslmentsde rflexionintroduits(paragraphe 2 : quelle mthode choisir?).
x, =P-I,Dn'p=PDnP Supposons donc dans un premier temps qu'aucune matrice n'est dfinie. Cela
implique en particulier que ni A ni Bne sont Inversibles,donc que leur dterminant est
(c'est le mme Ppour tout n) et qui vrifient la relollon de rcurrence: nul. L'Ingalit demande est alors Immdiate, et ce Indpendamment de l'Ingalit
surA et B.
Supposonsque l'une des matrices soit dfinie, par exemple A (A et e ne Jouentpas
un r61esymtrique du fait de l'Ingalitsuppose; on va voir cependant que le fait de
(c'est quasiment Immdiat). choisirA dfinie ne change rienpar rapport au choix Bdfinie).
On Introduit alors les coefficients de cette suite (donc les valeurs propres) : Il est On est alors dans la situation o l'on peut appliquer une rduction simultane. Il existe
absolument vident qu'Ilsvrifient: donc une matrice Pinversibleet une matrice Ddiagonale relletellesque :
A=tp'p
B=tp.D.P
Lerfalt que AsB se traduit effectivement par I~D(le vrl.fler; c'est vrai car les matrices
(notation: di.n est le I-me terme diagonal de lamatrtce Dn). sontcongruentes, et donc qu'on fait bien un changement de bases pour.lesfonmes),
et I!>Dveut dire que toutes lesvaleurs propres de D (qui sont relles)dont suprieures
A partir du rappel fait sur les suites relles, Il apparait que ces suitessont toutes ou gales 1 (puisque la diffrence entre ces matrices doit tre positive, donc de
convergentes vers : signature(n,O)).
On veut montrer l'Ingalit:
s det As oer B
Ce qui prouve que la suite est convergente (au sens de la norme du sup des qui s'critici:
coefficients par exemple, sivousavez des problmescf. chapitre 11). OS(detP)2S(detp)2.detD
Pour montrer que cette limiteest la racine de A, ou blen-on dit que c'est clair vU que qui est vraie, cor' le dterminant de D est un produit de nombressuprieurs 1. donc
les coefficients diagonaux sont les racines des voleurspropres de D ou on passe la . est suprieur 1.
limite dans la relation de rcurrence.Danslesdeux cos Il fout ImprativementInvoquer RE~RQUE: ..'
l'unicit de la racine corre qui seulepermet de conclure. .
Il est faux de dire que le dtermInant de 8 est gal au dtermInant de 8 (de mme
que le dtermInant de A n'estpas 1).
ITJ
Si vous avez lu la rubrique des extraitsde rapports de concours, vous avez peut-tre
trouv une Ide, qu'en outre vouspouvez parfaitement avoir eue tout seul. ,i ~
[TI
Ici encore on a affaire deux matricesdont aucune n'estsupposepositive.
les motrices AA et NA ont mme spectre (c'est un cas partiCUlierdes matricesAB et
BAqui, comme chacun salt.ont mme polynme caractristique). ';.
,
1
,
~

-- --- --- --- ---

 ''-

360 METHODIX
ALGEBRE \ 16. Mthodes d'tude ds' endomorphismesautoadjoints 361

On peut toutefois avoir une Ide de ce qui va marcher et de ce qui n'a aucune ~'Introduisonsdonc la quantit suggre (on a t bien gentil de vous la donner. car il
chance d'aboutir: en effet. on cherche dmontrer une ingalit surlestraces.. y'a fort parier que vous n'y aurez pas song de vous-mme ...) : d'aprs l'ingalit
prcdente:
- Si on ne faitPas un changement commun'de bases.Il y a des chances que la trace
de AB ne soit pas conserve dans ce changement de bases. V'xeE t.q (x,y)=l l=(x.d S(f(x).x).(f-1(y).y)
Moralit: Il faut exprimerlesdeux matricesdans la mme base. ce qui prouve que:
1
- y-a-t-II un Intrt quelconque passer par la rduction simultane? La rponse est V'xeE t.q (x.y)=l (1
f- (y). y
)S(f(x).x).
non. car la trace n'est pas conservee dans un tel changement:
Tr(S)= Tr(P'.D.Pl,,;Tr(P.P'.D) Tr(D) *' Donc l'ensemble dont on cherche l'int (c'est dire le plus grand des minorants) est
car P n'est pas unitaire. minor par '.
t., ;._.

Conclusion: on ne peut pas supposerqu'une des matrices est inversible. Il faut se

rsoudre n'en diagonaliser qu'une (ce qui est toujours possible) et effectuer le
mme changement de base surl'autre. ce qui prouve donc que:

Il existedonc des matrices0 diagonale positiveet PInversibletellesque:

A=P-1.D.P=P.D.P .
On pose alors:
Comme il est possibled'avoir galit dansCauchy-Schwarz(IIsuffit de choisirx tels que
S=p-1.C.P=P.C.P X et Y colinaireso :
ce qui dfinit une unique matrice C. positivemals non diagonale (on ne peut pas avoir
le beurre et l'argent du beurre). X= I. XI
On a tout fait pour que lestraces soient conservesdonc on est ramen montrer que I~
Y~I. ~YI
Os Tr(DC)S Tr(D).Tr(C) 1
Sion Introduit lescoefficients de C et lesvaleurspropres de A. on constate facilement en Imposant de plus que (x.y)= 1 ce qui ne pose aucun problme). Donc l'inf est un
que cela s'crit: min.et est atteint et :
OsI. .1.CiIS(L:.i).(L: cil)=L: .j.cil=l: .1CII+L:.j,Cil &(f) _ 1
1 1 1 Lj 1 I;<j - (f-1(y).y)

Or on salt (cf. paragraphe 1. mthode 2) que les coeltlcients diagonaux de C sonl Pour tout X tel que (x.y)= 1. on a sans problme pour f et g autoadjoints dfinis
positifs (ce sont les" q(el) , et q est positive) et les valeurs propres de A sont quelconques:
clairement positives.Donc l'Ingalit dmontrer est vidente. ((f +g)(x).x) = (f(x). x)+ (g(x).x) ~S(f)+Sig) ,~ -, ~I.

Conclusion : une bonne analyse du problme permet Instantanment de dterminer On"~passe l'int Il pour obtenir:
la mthode employer. et tout marche comme surdes roulettesensuite." 5(f+g) 215(f)+(g)

ITQJ .. Le dterminant de la matrice Ai fait penser un cofacteur. donc la eoniClt~i<::e, . "..

'.'.'

Sansrflchir (vousavez compris qu'on n'aimait pas trop a, de manlre gnrale...) Danscette matrice en effet. le terme en position(1,1)
n'estautre o!Je : ajj = det AI:\ .~'..;
on dloonoilse f dans une base orthonorme, Si on Introduit sesvaleurs propres. on Donc le terme qui apparait doris l'Ingalit dmontrer n'est autre que le terme (1.0 de', .
trouve Immdiatement des expressionssimples des diverses quantits calculer la matrice:
(notations videntes, les voleurs propres sont strictement positives et la base est 1
orthonorme. sinonon ne peut rien faire): B= detA.com(A)
(la comatrlce est la transpose de la matrice des cofacteurs. pour ceux qui viennent
d'ouvrir le gaz ou d'avaler des barbituriques),
(x.yf=(:t x"Yif
Or cette matrice estgale l'Inversede A. en vertu de la formule bien connue
1( . (oh.
(f(X), x) = L: .1.XI2 sI.qqond mme, faut pas poussermm): ACom(A)=detA.1
1

(f-1(y).y)=I.
1
f,
1
y,2
SIo~munit Rn de sa structure euclidienne canonique. d'aprs la formule rappele
. dans la mthode 2. on salt que pour tout endomorphismef. le coefficient diagonal (1.1)
n'estautre que (f(el)' el)'
Une Ingalit de Cauchy-Schwarzse profileraitl-dessousque cela ne noustonnerait
qu' moiti: Il ne reste plusqu' appliquer cela la matrice A-1 pour constater que.:
[Kt =(a-l(el~.el) =S(A)
(x,d=(L:
1
=(i
XI'YI)2
l
*'~YI)2
'1i
sI.
i
I,XI2.I,~,Y?
1 ., o S a t calcule pour y = el' L'Ingalit dmontrer rsultealors simplement de la
sur-additivit. . .
Donc on avait raisonde ne pas s'tonneroutre mesure,

------- --------
 1"

Chapitre 17

c< BESTOF :
ENDOMORPHISMES CLASSIQUES
DES ESPACES EUCLIDIENS ETHERMITIENS

t.'

Comme tous les chapitres de ce genre. celui-ci a vocation rappeler un certain

nombre de proprits usuellesd'endomorphismes Classiques.qui font rgulirement
l'objet de problmes ou d'exercicesd'oroux.
Noussoulignons cette occasion que: hormis les dfinitions.ou des proprits quasl-
Immdiates. la plupart des rsultats exposs ne sauraient tre utiliss en tant que tels
sans tre redmontrs. cor on ne peut pas vritablement considrer qu'Ils tassent
partie Intgrante du cours" (encore que ce mot recouvre une ralit assezfloue. qui
comprend non seulement desdfinitionset des thormes.moisImplicitement aussiun
nombre respectable d'exercices classiquesque vous ne pouvez pas vous permettre
r d'ignorer).
- t

"1
i-
, On se piace dons un K (=R ou C)-ev de dimension finie n qu'on suppose muni d'un
produit scalaire et de la norme associe,
De manire gnrale. f dsigneun endomorphisme.t sonadjoint. et M la matrice de f
dans une base orthonorme.
1

-)-

.. 11
1. Endomorphismesorthogonax et unitaires

A) Mthodes gnrales

METHODE1: Comment montrer (utiliser) qu'un endomorphisme

est orthogonal (unitaire) ? .

Principe:
On utilisel'une descaractristiquesquivalentes suivantes:

(i) 'V(x. y) E E2 (t(x). f(y)) = (x. v)

(II) 'VxEE Ilf(x)~=llxi
(ill) f transformeune BONen une BON
(Iv) ff'=f'f=ld
(v) MM'=M'M=ld

j
 METHODIXAlGEBRE 17. " Best of " : Endomorphismes classiques des espaces euclidiens et hermitiens 365

Conseils d'utillsation et remarques: \ REMARQUE:

(il) signifie que f est une isomtrie. c'est--dire conserve les distances. On montrera (cf.
exercice 1) une proprit beaucoup plus faible qui caractrise les Isomtries. mais qui 'U endomorphisme orthogonal n'admet pas ncessairement une valeur propre (c'est-
est moins utilise.
1, 1
1
-dire que son polynme caractristique n'admet pas forcment de racine relle).
Dans ce cas-l. toutesles racines'du polvnme caractristique sont des complexes de
(iil) veut dire '" f t;a~sforme n'Importe quelle BON en une BON" mais Il est suffisant de
.( module 1. Mais ce ne sontpas des valeurspropres.
.mon~rer qu'Il existe une BON dont l'image par f soit une BON pour conclure que f est
unitaire. .
\: .-.t;-\
.;: -::.1,
1 ,.,
.~~,
,"

(IJI) et '(v) : lorsqu'on donne l'endomorphisme sous forme matricielle. an est a priori !
tent de dmontrer queMM';J.
Ce n'est pas forcment la meilleure faon de procder. En effet. la coroctrlsotton (ili) B) Mthodes de rduction
.~,i "'
offre un moyen plus pratique de vrifier qu'une matrice est unitaire : Il suffit de vrifier
que la, famille de ses vecteurs colonnes est une BON, ce qui revient en fait deux types
L encore. la situation est diffrente selon qu'on est dans R ou dans C. et elle est plus'
de controles: favorable dans le cas complexe.

- les vecteurs-colonne sont de norme 1 :

- les vecteurs-colonne sont deux deux orthogonaux.
METHODE3 : Comment rduire un endomorphisme orthogonal?
Attention. dans le cas unitaire. le produit scalaire tant hermitien. Il ne faut pas oublier
de conjuguer les premiers termes. Rsultat:
Il existe une base orthonormale de E relativement laquelle f a pour

t[-~
matrice (diagonale par blocs) :

Exemple: montrer que M;

. -1
~2 !J est orthogonale .
El

On y va btArnent : A=
22 +(_2)2 +(_1)2 .~
32
et !
2.1-2.2+2; 2.2- 2.1-2 = 1.2+2.1- 2.2 = 0 o:

Donc la matrice est orthogonale.

.l
1

REMARQUE:
RE/ftARQUES :
.\. : ,~:
L'ensemble des matrices orthogonales (unlfalres) possde une structure de groupe.
t
~ 0;1l'endomorphisme n'admet pas de valeur propre relle. ce qui est Possible;~IIJ':Y',!".;.
que des blocs de rotation diffrentes de l'identit et de la symtrie par raP'R0r!a' ,"
l'origine. " :;: .': '

METHODE2 : Comment valuer les valeurs propres de f unitaire (orthogonal)? o Le dterminant d'une telle matrice est gal -1 exposant le nombre de Er gaux
-1.
. Rsultat:
, les choses varient selon que l'on est dans R ou dons C. Soit en effet ~ une valeur 1 o Cette rduction s'ootietv: comme c'est souvent le cas, par rcurrence. en
distlnguont selon que la restriction admet ou non une valeur propre relle (c'est pour
. (. propre de f et x vecteur propre associ x. la prbprlt (II) implique que: 1 ~ 1;
1 cela.qu'on supposeque ell! TtZ : olnsllo rotation n'admet pas de valeur propre relle). .
- dons le cos ~el : ~ ne peut valoir que 1 ou -1 . " o C~tte dcomposition permet notamment de montrer des'proprits de connexit
- dan~ l cS~bmPlexe .x
est un complexe de module 1 (pas ncessairement 'par 'arcs de l'ensemble des matrices orthogonales de dterminant 1 (Isomtries
une racine n-leme de 1u~lt. contrairement ce que l'on entend porfols dire). directes).
De mme. le dterminant vout 1 ou -1 (cas rel). mals est de module 1 dons le cas o La formulation matricielle de ce rsultat est:pour toute matrice M. orthogonale il
complexe.' . ,
\
.
1_
existeune matrice P orthogonale telle que;
p-l.M.p=tp.M.P = A
r

------ ------
,--------- --
 17. " Best of : Endomorphismes classiques des espaces euclidiens et hermitiens 367
oo METHODIX AlGEBRE

- si k est pair
METHODE4 : Comment rduire un endomorphisme unitoire ? Alors la matrice se met sous la forme:
M = (COSa -SlnS)
Rsultat: sin coss
f est diagonalisable dans une base orthonormale (et les valeurs propres sont des qui reprsente la roronon vectorielle d'angle a.
complexes de module 1).
Notons que la trace de M donne le cosinus de l'angle de rotation.
REMARQUES: Ce cas comprend notamment l'Identit et la symtrie centrale de centre l'origine
o La dmonstration est pratiquement triviale,' par rcurrence, en utilisant l'existence (rotation d'angle piat) ..
d'au moins une valeur propre complexe (c'est la diffrence avec le cas reO et la
slabilil par l'adjoint de l'orthogonal a'an s-ev slable par f.
-'51 k est impair
o Un endomorphisme unitaire est un cos particulier d'endomorphisme normal donc La matrice est gale :
c'est naturel qu'li soit d~agonalisable (cf. paragraphe 4). COS a SlnS)
M = ( sina -ccsa
o On peut dmontrer le rsultat sur les endomorphismes orthogonaux partir de la
Cette matrice tant symtrique relle, est diagonalisable (en BON). Elle admet au
diaponalisation des endomorphismes unitaires (cf. complexification chopltre 6,
metfJode 26, exemple 1). moins une valeur propre relle 1 ou -1. Comme elle est de trace nulle, elle admet
donc comme valeurs propres 1el -1.
o La formulation matricielle du rsultat est,' /7 existe une matrice unitaire U telle que,'
U-1.M.P=U.M.P =dlag( eie',,,.eien) Donc M est semblable la matrice:
A=(l
o -1
0) .
qui reprsente 10 symtrie orthogonale dont l'axe est le vecteur propre de M associ
C) Etude des isomtries relles en dimension 2 et 3. la valeur propre 1. Un colcul simple donne:

Il n'est pas rare que l'on pose l'oral un exercice dont le but est de reconnatre la ( S. 9)
cos'2,sln'2
nature de l'enrlomorphlsme dont on donne la motrice. \ . C'est donc l'axe qui fait un angle de ~ avec" l'axe des x ,
~
L'espace amblant dans lequel nous vivons vous et mol tant rel et de dlrnerslon 3, on 1
ne peut pas dcrire physiquement n autre chose que les endomorphismes Mthode pratique:
orthogonaux en dimension 2 ou 3. si det M= 1 M est une rotation d'angle 9.
1

Il ne s'agit pas seulement de particularis.er la mthode 3, mals de donner des mthodes . r- si det M= -1 M est une symtrie orthogonale d'oxe la droite vectorielle Rx.

permettant de dterminer les lments caractristiques de ces endomorphismes, ainsi J' REMARQUE:
que leurs noms (c'est l qu'on s'ornuse.en gnral).
Le groupe des matrices de dterminant 7 est ablien en dimension 2.
La rgle du Jeu est aussi de faire le minimum de calculs, sinon cela n'a pas d'Intrt. j
.~

METHODE5 : Comment fair en dimension 2 ? METHODE6 : comment foire en dimension 3 ?

Analyse:
Nous allons faire une tude directe, sans utiliser la mthode 3, car cette mthode Analyse:
On est en dimension 3, doncen dimension Impaire, donc.on salt que 10 matrice a une
requiert en fait la dmonstration que nous allons faire maintenant,
valeur propre rielle (car le polynme caractristique est de degr Impair, donc
Soit dqnc une matrice orthogonale en dimension 2. d'aprs 19 thorme des voleurs Intermdiaires s'annule entre - et +.. ) qui ne peut tre
que 1 ou (-1). .
,_._ .'. M=(~~) .
- si 7 .est voleur propre
compte~t~!).u..,9~ ~~_~~~!):1Clde ..l et de la caractrisation pratique n, on doit avoir: alors M est orthogonalement sembloble une matrice du type:
. .' --.,'. "'a2+c2=b2+d2=1 et ob-s cd e O
ce qui veut dire que Il existe des rels a et 9' tels que:
"'. o e ccsa c=slnS b=slnS' d=cosS'
La condition ab+cd=O s'crit: .
sln(s + a') = 0
qui reprsente une rotallon veelorlelle d'axe le vecteur propre el associ la valeur
ce qui veut dire que
9+9'=k.1t propre 1 et d'angle 9.

.:"

------- ---- ----

 368 METHODIX AlGEBRE 17.Bsst of ,: Endomorphismesclassiquesdes espaces euclidienset hermitiens 369

On connat la valeur du cosinusen crivant que M et A ont mme trace: . Mthode pro1ique : .
<?'l'l pourrait pensercommencer par regarder si l ou (-1) est valeur propre moisc'est un
Peu lourd. Il vaut mieux commencer par dterminer (e].a) (ce qui est simple) et
1 TrM:2cos8+1 regarder ensuite si e] est propre pour 1 ou (-1). Donc:
dtermination de l'angle et de l'axe :
ce qui donne l'angle" au signe prs U. (de toute faon la notion d'angle orient n'a on procde par la mthode du produit vectorieL
pas de sensdans R 3. Il faut se ramenerau pian). dtermination de la nature:
si l'axe est vecteur propre associ la voleur propre 1. c'est une rotation. Sinonc'est
On peut dterminer l'angle en utilisant le produit vectoriel et les endomorphismes une rotation compose avec une symtrieplane. . ,;/\:: ~;,~ "
antisymtriques(cf. exercice 4).

La matrice M_tM est antisymtrique. Or les endomorphismes antisymtriques en

dimension 3 sont des produitsvectoriels,c'est--direqu'II existeun vecteur u de norme
1et un coefficient CI.tel que:
Exemple 1: teconrxtre M= i[~2 2 2~]
-1 -2
(f-f')(x):CI..uAX
Or on salt que 51 u a pour coordonnes dans une base orthonormale (a. b.c) On a dj vu plushaut que M tait orthogonale.
l'application u A x a pour matrice:

[~ ~ ~a]
-b a 0
Dansla base o A est diagonale par blocs. f - f' a pour matrice:
C')
Calculons

M-IM=[~l ~
-1 -1
O~]
(~ ~ n~nn]
u u -.c.;:'1 0 ca qulveut dire d'aprs ce qu'on c dit plus haut que:

donc en utilisant(') :
lo 2sin6 0

(f-f')(x)=2slna.e] AX (f-f ")(x) = [~:JAX = 2sina.e]/\ x

ce qui permet de dterminer un vecteur e] et un angle a. Ce choix est li " c'est- -
dire qu'on peut prendre ou (e1.a)ou (-e1.-a). En fait. c'est le choix de el qui oriente 1 Prenonspar exemple:
l'angle e (c'est la " rgie du tire-bouchon . cf. dessin).
: -:

etlcela conduit alors avoir:

1 sina = ..J3 i-

... 2

Reste enfin savoir 51 c'est une isomtrie directe ou Indirecte. On pourroit'(~pl~6J;"rle'

dterminant. mal', c:est pas trs malin. Regardons plutt. l'image du vecteur.eti';:'<::Elst
..
lui-mme (11 y a une ligne de calcul). Donc c'est une rotcttcn, .. .... ..
- si (-1) est valeurpropre:
M est orthogonalement semblablerlcrrrrotrice A: _. -. - .- . Parla-trace on trouve que:
COS9=TrM-'=..!
2 2
-. ReJ
ce qui veut dire que f est la compose d'une rotationvectorielle d'axe e, d'angle e et
C?nclUSiOn: c'est la rotation d'axe el et d'angle ~ (orient par el)'
d'une symtrieplane par rapport e1l. (=plon).
:~.:
On dtermine leslments (el. a) de la mme faon que prcdemment; attention la
trace vaut Ici : . [-2 6 -3]
Exemple 2 : reconnatre M = -1 6 3 2
1 TrM=2cosa-1 1 -3 2 6
M est orthogonale. Sion calcule M_tM on trouve 0 (c~ qui est normal car M est
le cas o l'ongle est O.JI s'agit simplementde la symtriepar rapport au plan e1l..
00[15
Ce qui veut dire dons ce cos-tc que l'espace propre associ 1 st de dimension 2 et symtrique). Ce qui veut dire que sln6=O, Donc a=klt,
que M est diagonalisable. .
 370 METHODIX ALGEBRE
'7, Best of : Endomorphismes classiques des espaces euclidiens et hermitiens 371 .::",1
, ~(

On peut poursuivre de plusIeurs faons: si on calcule la trace on trouve 1. METHODE8 : Utiliser Jo caractrisation en termes d'adjoint '.' .

- si M tait une rotation on auraltTrM = 2cos8+ 1. ce qui voudrait dire que le cosinus
est nul. Or l'ongle est de la forme e = klt donc a ne marche pas. Rappel:

- == M est la compose d'une rotation et d'une symtrie plane. Mals comme la

rotation est d'angle nul. il s'agit uniquement d'une symtrIe plane. Il ne reste plus par
Un endomorphisme est un projecteur
(1) p2 = P Cp est un projecteur)
orthogonal ssi :

exemple qu' dtermIner Ker(M-I) (qui est un plan ncessairement), ou son Il (Ii) p = p' Cp est cuto-ccjolrvn.
orthogonal. pour trouver compltement M.
REMARQUE:
On a facilement comme quation du plon
3x-2y+z=O a Un projecteur orthogonal n'est pas en gnral un endomorphisme orthogonal
donc on a entirement dtermin M. (unitaire), Ce n'en est un que sip est Inversible,c'est--dire 51pest gat l'identit, qui
est une'projection sanstrop d'Intrt.
REMARQUE:
a Enrevanche c'est un endomorphisme autoadjoint.
A po_rtirdu moment o on a remarqu que M est symtrique et orthogonale, il est
coherent de trouver une symtrieorthogonale.n'est-il-pas? .
Dmonstration :
SI p est un projecteur orthogonal c'est un projecteur (!) et un endomorphisme
ATTENTION: autoadJoint: en dcomposant deux vecteurs x et y quelconques selon F et G Il vient.
par dfinition de la prolectton :
La formule If' de la trace JI n'estpas la mme selon qu71s'agit d'une rototlon pure ou (p(x), y) = (Xt, Yt +Yg) = (Xt' YI)
d'une rotation compose avec une symlTfe.
(x,p(y)) = (XI +xg, Yt) = (XI, Yt)

d'o l'galit des deux produits scololres et la conclusion,

Rciproquement, soit un projecteur autoadjoint. Puisqu'il est cu.oodlolnt 'il est

diagonalisable dons une BON d'aprs le thorme spectral. Puisque p2 p, les valers =
2. Projecteurs orthogonaux propres de p sont Incluses dons l'ensemble des racines de ')..2= 1.. qui sont 0 Qlj I.
A partir de l, Il est vident que:
1.
E=Ej el E
Ai Caractrisations ce qui prouve que p est un projecteur orthogonal puisque El est l'ensemble des
vecteurs Invartants (donc c'est l'Image) et Eo est le noyau de p.
On nonce dans cette section les diffrentes mthodes permettant de montrer que p
est un projecteur orthogonal. en rappelant ou passage certaines proprits utiles.

Avant tout. on vous renvoie aux mthodes gnrales sur les projecteurs rappeles ou
chapitre 3.... . METHODE9 : Utiliser la caractrisotion en termes de norme

METHODE7 :'Revenir la dfinition J_ Roppel:

- unendomorpblsrne est un projecteur rfhoqono) sSf :

Rappel: (i) p2 = P (p est un projecteur)

~n endomorphisme est un projecteur orthogonal sur F paralllement G ssi

x
(II) .... e E Il p(x) Il~ Il x Il (p contracte les distances).

Dmonstration:
(1) p e~. ut::'~~~jecteur (c'est--dIre ssl p2 = p) Soit p un projecteur orthogonal.
(II) F t G, ~nt supplmentaires orthogonaux dans E,c'est--dire: Pour montrer une Ingalit entre normes. il suffit de la montrer entre, normes ou carr:
l,".
.L .L cela permet d'Introduire des produits scolaires,
E=FeG=lm p El) Ker p

REMARQUE: , ~ p(x) 12= (p(x),p(x)) = (x,p [p(x)]) = (x,p[p(X)]) = (x.p(x))

Il suftit en foit de prouver 6u~
le noyau est orthogonalI7moge,car on soit dj que la
somme est directe pour unprojecteur.
en utilisant la caractrisation de la mthode 8, Par Ingalit ~e Cauchy-Schwarz, on en
ddult blen.l'Ingallt voulue. '

" ~
:~'>;''''::..-,

----- -- ------------
 372 MEJHODIXALGEBRE 17. " Bestof Il : Endomorphismesclassiquesdesespaces euclidiens et hermitiens 373

Rciproquement, on part d'un projecteur tel que (Ii) "Ix E E ~ p(x) ~s ~ x ~ et on veut
montrer qu'II est orthogonal. Le plus simple n'est pas de montrer qu'il est autoadjoint,
1 Exemple d'application: montrer que l'ensemble P des projecteurs orthogonaux est
uri compact de LeE).
malsde vrifier que le noyau et l'imoge sont orthogonaux, c'est--dIreque tout vecteur On utiliseIci lesmthodes exposesau chapitre 11, notamment la mthode 7, puisque
x du noyau est orthogonal tout vecteur y du noyau. . L(E)est un evn.
Il fout donc prouver que P est ferm et born.
La ruse classique (encore une? courage, le livreest bientt fini...) consiste considrer
le vecteur t.X+Yo t est rel (on a dj utiliscette rusepour dmontrer l'Ingalit de Sion utilisela caractrisation 8, p est lment de P ssl :
Cauchy-Schwarz. cf. mthode 22,chapitre 17).
'L'hypothseapplique ce vecteur donne: p2 -p=O et p-p'=O
Lesapplications de L(E)dans lui mme:
F: p~p2_p et G:p~p-p
Or y est dons l'Image donc est Invariantet : sont clairement continues (la deuxime est linaire en dimension finie, la premire
)1

est polynmiale) et P se prsente comme l'Intersectionde deux ferms, savoir:

'1ft Ost2.11 x 112 + 2t(x.y)
Cette Ingalit est polynmlale de degr 2 en t. SI (x,y) est non nul ce polynme a
deux racines distinctes donc s'annule et donc change de signe ce qui contredit
P = F-1( {OL(EJ})nG-1( {OL(EJ})
l'Ingalit. Donc (x,y) est nul.ce qu'on voulait. (ferms en tant qu'images rciproques de fermspar des oppconons continues).Pest
donc ferm.
Formulation quivalente: Reste trouver une norme simple pour laquelle P apparatra clairement comme
On peut donner une formulation lgrement diffrente du rsultat trouv, qui ne fait bom. Vu qu'on a parl de la norme triple, et qu'on a montr que la norme triple d'un
plus Intervenirde vecteurs, maisqui s'exprimeen termesde norme triple (c'est--dire de projecteur orthogonal volait a ou l. P est manifestement born (par 1) pour la norme
la norme 111111 surL(E)subordonne la norme surEInduite par le procult scolaire (c'est triple.
assezsimple 1). Donc P est compact.
i
r En effet, soit p n projecteur orthogonal; comme vx eE Il p(x) [s] x ~ on en dduit
que Illpms 1. Mals p2 = P donc: B) Problmes de minimum et projecteurs orthogonaux

Illplll= IIIp2111 s Illpll!2 (') Il existe une catgorie d'exercices ou de problmes dont l'nonc laisse premire
en utilisantle fart qu'une norme subordonne est sous-multiplicative. .yue penser de l'analyse ou de l'optimisation, mais qui se traite en fait de manire
relativement simpleen introduisant un projecteur orthogonal. "0"'"

~ :~.
De deux chosesl'une: La ~thode repose sur une caractrisation du projet orthogonal en terme';;'d~",'
- ou !llpll!=O; distances. .'.' . -.
:-L_.: .,.;.

- ou ilpll!;tQalorson peut simplifierCO) par Illplijce qui donne: On se place en dimension finie.
.J, :

lsmpll!
Comme on a prouv l'Ingalit contraire prcdemment, Il en rsulteque: Illplf!= 1 METHODE10: Comment rsoudre un problme de minimum?
/
Principe: f .
On peut proposer comme formulation en termesde norme triple: Il s'agit d'interprter le problme d'inf en termesde minimum de la distance d'un point
1 unespoce vectoriel donn, et d'utiliserla caractrisation du projet orthogonal que

t Unendomorphisme est un projecteur orthogonal ssl:

(1) p2 = P (p est un projecteur)
(il) mplij = 0 ou !lIpll! = 1
nousroppelons maintenant.
Rappel:
Soit F un s-ev de E et p la projection orthogonale surF.
Le projet orthogonal de x surF est caractris par :
REMARQUE:

Sile projecteur est de norme !n'pienulle,il est Identiquement nul donc on sait dj que \ffeF " x-tl~1 x-pexJII
c'est un projecteur I!! Toutprojecteur orfhogonalnon nul es! donc de norme triple
gale 1. .
qui se dmontre Immdiatement:
1 ,j/4 METHODIX ALGEBRE 17." Bestof: Endomorphismesclassiquesdes espaceseudidiens et hermitiens 375
''r1
~
l1 REMARQUE:

t Les mauvais esprits. s'If en existe parmi vous. diront juste titre que l'on peut
parfaitement calculer /'Intgrale donne en fonction de a. b. et c et utiliser les
mthodes de calcul d'extrema de tonctions plusieurs variables dveloppes au
,t\ - chapitre 16 du tome 1. Cela n'est pas faux. quoiqu'un peu pnible cor 1/ faut d'abord
montrer l'existence d'un extremum. etc ... tandis qu'Ici on a instantanment,' existence.
1 unicit et voleur de l'extremum. ce qui est particulirement agrable,

d'aprs le thorme de Pythagore:

~ x- f \\2 = Il x -p(x) 112 +~ p(x) -f ~2
11
1 3, Dcompositions classiques
d'o l'Ingalit,
Mode d'emploi: Lorsqu'onse trouve face un exercice falsont lnrarvenlr un endomorphisme possdant
- dterminer le produit scalaire convenable;
- dterminer l'espace F surlequel on projette et le vecteur qu'on projette; certaines proprits. l'Ide naturelle pour simplifierou maximum l'exercice propos
- dterminer (sic'est possible)une base f de F ; consiste crire l'endomorphismesousune formequi tienne compte de sesproprits,
- caractriser le projet de x surF en explicitant:
\il {x - p(x),fi) = 0 Cette criture peut se faire d'au moinsdeux faons diffrentes:

- soit on l'exprime dans une autre base (par exemple en le diagonalisant, ou en le

trigonalisant) : on le rduit,
+ 2
Exempfe:dterminer inf
(O,b,C)
fa e-l(t3 -at2-bt-c) dt
- soit en le dcomposant en une somme ou un produit (exemple: dcomposition de
Dunford D+N), "
L'intgralelrnpropre est bien convergente, Enoutre, on sait que:
1 +- Nous avons, au chapitre prcdent. prsent toutes' les faons de rduire un
;.
(P,Q)--+ f e-1p(t)Q(t)dt endomorphisme symtrique, Nous avons vu ou nous verrons la rduction des
a endomorphismesorthogonaux, desprojecteurset des endomorphismesnormaux.
est un produit scalaire surlesespacesde polynmes,
Nousnousproposons maintenant de rcapituler un certain nombre de dcompositions
SoitE=R3[X] et F=R 2[XJ, et Po(X)= X3, Le problme pos est: classiques de classes d'endomorphismes. en rappelant brivement la preuve de la
dcomposition et en proposant un exemple d'utilisa,tlondirecte,
Inf
PeF
il Po-P ~
dont on soit que la seule'solutionest le projet orthogonal Q d,e Posur F, Ce dernier est METHODE 11 : Utiliser la dcomposition A = M.M
coroctrls par l'orthogonalit de Po -Q tous lesvecteurs de F, ou. ce qui revient ou
, mme, touslesvecteursde la base canonique. Sion pose: Enonc:
Pourtoute matrice autoadjointe positive A. il existeune matrice M de mme rang que
1
Q(X)=aX2 +bX+c A telle que: A=M' .M.
1
les quations REMARQUES:

Q II n'y 0 pas unicit.

pour 1=0. 1. 2 se ramnent aismentou systme 3 Inconnues:
Q On renvoie ou chapitre prcdent (mthode 9) pour la preuve et l'utilisation,
6-2a-b-c=O
24-6a-2b:"'c=O
\ l20-24a-6b-2c =0
M~tHODE 12: Utiliser la dcomposition A=U,T.U
qui se rsoudpar pivot de Gaussen :
(a,b. c) = (9. -18. 6) Enonc:
On n'a pas tout fait rpondUau problme puisqu'onnousdemande la valeur de l'In! S?lt A une motrice complexe quelconque, AlorsIl existe une motrice U unitaire et T
: on trouve normalement (saufsion s'estplant) 36, triangulairesuprieuretellesque: A=U',T,U,
l,/ 376 METHODIXAlGEBRE 17. " Best of : Endomorphism_~sclassiques des espaces euclidiens et hermitiens 377

Intrt: METHODE14: Utiliserla dcomposition polaire A=UM

C'est en fait un thorme de trigonalisation en base orthonormale. Il joue donc dans '_ ,

un espace herrnltlen le rle que Joue le thorme de trigonalisation dans un espace

vectoriel : il permet d'exprimer" plus simplement un endomorphisme dons une base
orthonormale. Enonc : l' (U M) tique'
Soit A une matrice Inversible, II existe un unique coup e e .
(i) U est orthogonale (ou unitaire)
Il fout y penser systmatiquement ds qu'lntervlannent les voleurs propres de A ou des
proprits sur les coefficients, qui se traduisent facil~ment sur T.
(i!) M est autoadjointe positive
(III) A=U.M

Dmonstration: REMARQUES:
On procde de la mme faon que pour le thorme classique de trigonalisation.
c'est--dire par rcurrence en utilisant le fait que dans C. il existe ou moins une valeur o SI A n'est pas Inversible.il Y a existence.mois pas unicit, ,:,"".
propre et en passant par le supplmentaire orthogonal.
o Pour ceux qui aiment la petite hist~lre.cela s'appelledcomp~Siffo~p'ol~ire ~'~fuse "
Alternativement. on peut utiliser le thorme de trigonalisation dans C et du rapport avec l'criture polaire d'un nombre,complexe{.Z = r.e ) qUIn es en or rien
orthonormallser par Schmidt la base de trigonalisation obtenue. ce qui donne bien une d'outre que l'application de ce thorme en drmenslon1.
base orthonormale de trigonalisation pour A, d'o la formulation matricielle CUest
unitaire en tant que matrice de passage entre la base canonique. orthonormale. et Dmonstration:
l'orthonormalise de Schmidt de la base de trigonalisation. orthonormale elle aussi).
SIun tel couple existe;
, REMARQUE: A' A = (U.M)",U.M= M.~.M = M.M = M2
1
Ce thorme n'a pas d'quivalent euclidien (pas plus que le fhorme de te une unique M autaoadjointe positive vrifiant
trigonalisationrra de formulationdansun ev ret). Comme A'A est au t 00d]on1 t e. Il exis
l'galit prcdente; c'est la racine carre posltlve de A A.
Par ailleurs. M sera Inversible comme A ce qUII~pose que.
. U=A.M- ,
dont on vrifie facilement qu'elle est unitaire.,
METHODE13 ; Utiliser la dcomposition A = Y'. T d'Iwasawa Donc on a prouv d'un seul coup l'existence et lunlclte.

Enonc:
Pour toute motrice autoadjointe dfinie positive. Il existe une motrice triangulaire telle
queA=T'.T
4. EndomorPhismes normaux
DmonstraHon :
Elle dcoule de l'orthonormalisation de Schmidt. Soit e la base canonique de K n et q la
1 *
forme quadratique dont la matrice par rapport e est A : c'est un produit scalaire. { t un nombre trs I~po?fant
Les! endomorphismes normaux regroupen e de ro eler les p'rop,rl'(,'ts,.
Donc on peut orfnoncrmollser par Schmidt la base e en une base f. SIT dsigne alors la d'endomorphismes rdels ouhclomsPICexo~~~~,~~~Ft~~e.si vous~cidez de t.estiiiiiser;
essentielles de ces en omorp sme. " "".' "
matrice de passage de e vers f. qui est triangulaire coefficients diagonaux positifs par
construction. on ouro: Il faut les redmontrer l ' . :::'
A=T'.I.T=T'.T . t Ici aux mthodes permettant de caractrisr les'
Nous nous Interessons seuleNmen e'voquerons d'autres proprits moins essentielles en
endomorphismes normaux. ous
Exemple:montrerquepour A symtriquedfiniepositive. det A s Il011 exercices.
1
En utilisant l'criture A=T' .T obtenue. on a :

r
MISEEN GARDE;
,r ',::. x, '3: ,;,: ' detA = (detT)2 = ( ~ 'til
: h
Dons tout ce paragrap e. nous
tr~vaillon$ dans C. C'est--dire que tout les rsultats
. t d d C Naturellement cela
. relatifs la dlagonallsablldllt? etdc~~~~~~~~~~Is:e:enor~~ux rels. Cepend~nt. Ils
Or comme A=T' J. on volt facilement que: n'empche pas de cons erer . , Il
seront diagonalisables dans C. pas dans R. ce qUI n est pas pare .
0\1 =t\12 a22'=tI22+t2l ann =tln2+ ... tnn2
ce qui montre que:
METHODE15: Revenir !a dfinition ]
ce qui donne l'Ingalit voulue.

~nDe~~~~~~hisme est dit normal ssl Il commute avec son adjoint le : U.U=U.U.

.....
.. '~,/ .~. ~
~... ~... "
.

1... t
378

Exemples:
Parmi l'ensemble des endomorphismes rencontrs dans cet ouvrage, nombre sont des
endomorphismes normaux. AinsI. tels des Monsieur Jourdain, vous aviez mani des
endomorphismes normaux sans le savoir 1
METHOOIX AlGEBRE

1
L
17."Best of : Endomorphismes classiques des espaces euclidiens et hermitiens

Ces remorques tant faites, le lacteur devrait pouvotr lui-mme construire

dmonstration du rsultat, dont nous donnons maintenant les grandes lignes.

On procde
vrai pour n.
par rcurrence et le rsultat est vident en dimension n= 1.- Supposons le
379

10

-
-
-
-
les endomorphismes autoadjoints:
les projecteurs orthogonaux;
les endomorphismes orthogonaux ou unitaires;
les endomorphismes antisymtriques. l
J.
Puisqu'on est clans~, Il existe une valeur propre pour
(de dimension ~ 1).
u. Soit El- l'espace propre associ

- Son supplmentaire orthogonal est donc de dimension Infrieure ou gale n.

- Or El- est stable par u, donc Ek.Lest stable par U.
Exemple,' montrer que si u est normal ':Ix e E Ilu(x)11= Ilu (x)11En dduire que
- Comme u' et u commutent. tout espace propre de u est stoble par u", Or Ek est
E=Keru.EIllm u. propre pour u donc il est stable par U. Ek.L~st.donc stable par u"=u,
Pour montrer une galit sur les normes, il faut toujours reposser por les corrs ce qui
fait apparatre les produits scalaires. Ici:
~u(x)112= (u(x). u(x)) = (x, u' u(x)) = (x, uu' (x)) = (u' (x), u (x)) = Ilu' (xf . On vient donc de prouver que EI-.L tait stable par u et u", ce qui permet de
o l'on n'a fait qu'utiliser les dfinitions de l'adjoint et du caractre normal de u.
considrer les restrictions de ces endomorphismes El-.1. Ellescommutent videmment
En particulier, Il rsulte de cette galit que : (puisque les deux endomorphismes commutent" partout ). Donc d'aprs l'hypothse
Ker u=Ker u' de rcurrence les restrictions des endomorphismes Il existe une base B de E)..1 qui
Or (proprtt classique de rcclolnt) :
diagonalise les restrictions.
Ker u = (lm u).L
D'o finalement;
Or la restriction de u E). est une homothtie donc elle est diagonale dans toute base
1 Ker u = (lm ull B'.
(rsultat Intressant en soi).
Comme on est ~n dimension finie un s-ev et son orthogonal sont supplmentaires donc En'runissant Bet B' on obtient une base orthonormale de E qui diagonalise u.
le rsultat suit.

Exemple: montrer que u est normal $Si u et u' sont codlagonalisables dans une BON.
SI.u et u' sont codlagonallsables dons une BON il est clair qu'ils commmutent donc u
METHODE 16 : Utiliser la diagonalisabilit est normal.
Si u est normal alors il est diagonalisable dons une BON, et u" est naturellement
diagonal dans cette BON, puisque pour toute BON B :
Rsultat: Mat(u',B) = [Mat(u,B)] ,
Un endornorobtsme est normal ssl il est diagonalisable dans une.bose orthonorme.

Dmonstration:
CS:
..
SI u est diagonalisable en base orthonorme, u' est diagonalisable dans la mme base
cal Mat(u', B) = [Mat(u, B)]. Donc u et u' commutent, ' METHODE 17 : Utiliser la caractrisation polynmiale
.CN:
Soit u un endomorphisme normal. Sion n'a pas d'Ide sur la faon de s'y prendre, on Rsultat:
peut au rnoms faire les trois remarques suivantes: . u est normal sslu' est un polynme en u.

- lorsque deux endmoprllsmes commutent. On se sert gnralement de la stabilit Il Dmonsfiction :

des squs-~.sp<:lces_~t9blesd~ l'un par l'autre; .. 1 .CS:
.'~ :,r.'; '~f~it~;~~;~~t':~;.it~.::;,~~fl:t;'::wl'
_.. .' . . Si u' est un polynme en u 11commute avec u donc u est normal.
-'dons les dniar')S:tratl.bns.: thoriques o l'on cherche prouver une rduction (cf.
trigonalisation ,si le polynme caractristique est scind, cf. codlago- ou c,
cotrigonalisablIIte d'endomorphismes qui commutent. rsultats rappels ou chapitre 9),
on procde gn~alement par rcurrence en utilisant Justement la stabilit des
espaces.
1 SIu est normal par la mthode
que:
16 Il est diagonalisable
dans une BON B, ce qui veut dire
.
Mat(u,B) = diagp+ ... n}
- enfin, comme Il est question de stabilit et d'adjoint. on rappelle un rsultat qu'on a Comme la base est orthonormale Il en dcoule que;
dj voqu plus haut:, .
Mat(u',B) = [Mat(u,B)]' = dlag(Ii," ,I..n)
si, 1: U, alors F.1est stable par u",
380 METHODIX ALGEBRE 17. Bestof. : Endomorphismesclassiquesdesespaceseuclidienset herrnlHens 381

On cherche p tel que u' '" P(u) ce qui est quivalent : 11 B) Cas rel

METHODE19: Utiliserla rduction

~-
On prend par exemple le polynme Interpolateur de Lagrange qui convient trs bien
'. Rsultat:
(attention regrouper les voleurs propres Identiques pour prendre l'interpolateur des
voleurs propresdistinctesseulement).
,1- Soit u un endomorphisme (rel) antisymtrique. Il existe une base orthogonale
; relativement laquelle la motrice de u est:
,
1
Exemple: montrer que u est normal ssi u et u:ont mme commutant.
SI u et u' ont mme commutant. comme u est dons ru. on en dduit que u est aussi
.r
dans ru' ce qui veut trsexactement dire que u commute avec u. A",
SIu est normal u' est un polynme en u donc tout endomorphisme v qui commute
avec u commute avec u". ce qui veut dire que:
~s
ru cru' o les ~j sontdesblocs 2x2 sont de la forme:
On en dduit que :
ru' Cr(u')' ",ru tJ. _( aJ bl)
1- -bj al
CQFD.
Dmonstration:
Elle est assez dlicate, et nous ne la donnerons pas en Intgralit ici. Signalons
seulementlesdeux Ides:
5. Endomorphismes anti-autoadjoints -les coefficients Ai correspondent auxvaleurspropres,
- si une matrice 2x2 antisymtrique relle n'a pas de voleur propre relle, elle s'crit
sousla forme:
Nous avons tudi les endomorphismes autoadjoints. Les endomorphismes cntr-
autoadjoints possdent aussides proprits de rduction Intressantes.ne serait-ce
que perceque ce sont des endomorphismes normaux. '
(c'esttrs facile dmontrer),
Rappelonspour commencer qu'un endomorphisme est antl-autaodjoint sslu' '" -u . A partir de ces Ides, li fout raisonner par rcurrence et raisonner par stabilit, en
distinguantsioui ou non lesrestrictionsadmettent une valeur propre relle.
Nous sommes obligs de distinguer le cas complexe du cos rel, cor les
endomorphismesnormaux sont C-diogonalisables. T ~ ,_
.
REMARQUE:
.....u..
'
. . -_. - --- - - _._- _, _.

Sf~nousn'insistons pas, c'est que cette rduction ne sert pas normment,

- ~ - - - - -' - -- - -'-'--

C'e~f"plus
-- _. - - ,_

tlfre de curiosit que nous voquons le rsultat Ici. , \;;,;:;(

A) Cas complexe

METHODE18 : Utiliser la diagonalisabillt

. "
6. Matrices de Gram
Rsultat:
Un endomorphisme u est anti-outoadjolnt sslll est diagonalisable en BONet sesvoleurs
propres sont Imaginairespures. On a dj parl desmatrices de Gram ou chapitre prcdent. On lesrappelle id pour
voquer leur double utilisation.
". Dmonstration:
'On salt qu'un tel endomorphisme est normal, donc diagonalisable en BON. En
.exprlrnont u+u",Q,on en dduit que la motrice diagonale qui reprsente u dons la
'BONvrlfte D+D'",Qet donc les coefficients diagonaux (qui sont lesvoleurspropres de 20 : Ecrire une matrice comme une matrice
M'ETHODE 1
de Gram
'u) vrlftent : '
i+5:j",Q
Rsultat:
ce qui veut bien dire qu'elles sont Imaginairespures. SoitA une motrice hermitienne positive de rang r.1Iexisteune famille,de vecteurs (Xi)
La rciproque est claire,
derangrtelleque: 'v'(I.J) alj"'(Xj,XI)
\
l
1

l
l 384 METHODIX ALGEBRE 17. Best of
(1 : Endomorphismes classiques des espocss euclidiens et hermitiens 385

Exercices
.W
Sn dsignant l'ensemble des matrices symtriques relles, et A tant une matrice
quelconque fixe, dterminer:
[J]
Soit t une application de E euclidien dans lui-mme, qu'on ne suppose pas linaire a
priori. et vrifiant:
'V(x,y)eE2 !f(x)-f(y)i=!x-Yll n et f(O)=O
a) Montrer que u est une Isomtrie (c'est--dire: 'Ix Ilf(x)~= llxll)
b) Montrer que u conserve le produit scalaire.
[JJ
c) En dduire que u est linaire et bijective, Soit u un endomorphisme d'un espace euclidien tel que;
s llxll
V'X d Ilu(x)11
On veut montrer que;

ru .
Soit A une matrice orthogonale. Trouver la meilleure majoration possible de la valeur
1.
E= Ker(l-u)E!llm(l-u)

absolue de la somme des des coefficients de A (majoration Indpendante de A). On propose deux mthodes classiques de rsolution.
1) s llxll
a) Montrer que; 'lfx e E Ilu (x)11
1 b) Montrer que: u(x) = x <=> u' (x) = x

W 1 c) Conclure.
Soit E un espace hermitien muni de sa norme hermitienne. oh munit L(E) de la norme 1
11 n-l
subordonne cette norme.
Caractriser les endomorphismes de E vrifiant la fols: f 2) n pose : 'In =* 2:
<=0
k

:"1 Idet ul=l et ~ u [s 1 1j a) Montrer que vn admet une valeur d'adhrence v.

~ b) Montrer que v est un projecteur, .
c) Montrer que v est un projecteur orthogonal.
, d) Montrer que Im(l-u)=Kerv et conclure.

m
1

,i
il Etude des endomorphismes anHsymtriques rels
a) Montrer que u est antisymtrique ssl: 'Ix e E (u(x). x) = 0
1~
, 1 b) Montrer que les valeurs propres complexes de u sont Imaginaires pures: [TI
- soit en utilisant l'endomorphisme u2 ; Endomorphismes normaux (suite)
1
1 - soit en utilisant les endomorphismes normaux. ip
Dmontrer que Aest normale ssI : .;;

; 1
1
1 c) Montrer que tout endomorphisme antisymtrique de l'espace usuel (eUClidien de
dimension 3) est un produit vectoriel. c'est--dire s'crit de faon unique sous la forme:
.. Tr(A' A)= l 1.il2 n
il
! 1 (o iL est un vecteur de E),
U(X)=iLAX ",ESpA

: 1 d) soit X+iY un (1 vecteur propre complexe de u antisymtrique associ une (1 valeur 2) Dmontrer que si u. v et uv sont normaux, alors vu est normal.
propre complexe non nulle de A (avec X et Y vecteurs coordonnes relles). 3) Dmontrer que si u et v sont normaux et uv=, alors vu=D.
~ i: 1 Montrer que X et Y sont orthogonaux dans Rn.
. 1
1
";",
III CI] ~~o~vL une condition ncessaire et suffisante sur les rels strictement positifs ai et bj
,1 TransformaHon de Cauchy pour que la matrice
Soit E un espace euclidien et a un endomorphisme antisymtrique. On pose: f=l+a et
g=l-a. .
a) Montrer que f et g sont des automorphismes.
b) Montrer que u= gr1 est orthogonal et n'admet pas (-1) comme valeur propre, soit dfinie positive.
c) Enoncer et dmontrer la rCiproque de b).

"-"_'~.\. ~\ -,

'\'\:~:;~:~~,---
1
386 METHODIX ALGEBRE 17, Best of " : Endomorphismes classiques des espaces euclidiens et hermitiens 387

[IQ] Corrigs
Projecteurs orthogonaux
Soit _P, l'enseml?le de~ projecteurs orthogonaux d'un espace euclidien de dimension
superieure ou egaie a 2, On norme L(E) en posant:
lul=,JTr(u'u)
[J]
Les frois questions sont indpendantes,
a) Il suffit d'appliquer Cl x quelconque et v=D,
1) Dterminer: {I P fP E p}
b) On veut partir d'une relation sur les normes et arriver une relation sur les produits
2) f et 9 tant lments de P. exprimer en fonction de rg f et rg g notamment: 1f _9 12,
scalaires donc on est oblig un moment ou un outre d'lever ou carr,
3) Montrer que Sp(fg) c[0.1] en utlllscnt une dcomposition astucieuse de E en deux s- Elevons donc n ou carr:
ev supplmentaires,
Jlf(x)- f(Y)112
= Ilf(x)112
- 2(f(X), f(y)) + ~f(Y)112

~x_yI12=llxl12_2(x.y)+IIYI12
,,
,,
En galant membre membre et compte-tenu de 0) Il est clair que f conserve le
;
produit scalaIre:
~, (f( x). f(y)) = (x, V)
t
i c) On veut prouver que:
ri
i i f(x+y)=f(x)+f(y) et t(),.x)=~f(x)
1 ."il Il , C'est--dire qu'on cherche prouvee l'galit de deux vecteurs chaque fois. Pour ce

j
l'
!I:1
U
faire, Il n'y a pas trente six mthodes: il n'yen a qu'une (cf, chapitre 14. mthode 24): II
fout calculer le carr de la norme de leur diffrence et montrer qu'il est nui,
Dons ce COS cela donne:

i , i:
l Ilf(x +y)- f(x) - f(Y)112=Ilf(x +yf +llf(xf +llt(yf
'~. '1 - 2(f(X + y), t(x)) - 2(f(x + y), t(y)) - 2(f(x), f(Y))
Il
il;
<

-.'~
'i,
'.1' , liil ce qui se simplifie en tenant compte de a) et b) en :

,r ,1
t.
-r
':i,'
'" i 1
Il .. Ilf(X+y)-f(x) - t(Y)112= ~x+Y112
*112 +llyf
-2(x + y.x}-2(x + y. y) -2(x, y}
h, 1

i
fi
l, ,1
1
\
. Il ne fout naturellement pas dvelopper, mals remonter en remarquant
le calcul qu'on vlent de faire:
l'analogie avec

l! !f(X+y)-f(x)-f(y)112 =~(x+y)-x-Yf
.j-j
i
1 Le membre de droite tant manifestement nul. Il en est de mme de celui de gauche
!
et donc on a le rsultat voulu,
fi~! On prcitd~de'-~~nirestnctement analogue pour l'outre Identit,
. '\1

"
J_;
f est donc une Isomtrie lIT)alre,Montrer qu'elle est bijective revient montrer qu'elle
est injective (car elle est linaire) donc dterminer son noyau (qui n'est dfini que
parce que f est linaire),

Or f(x) =0 quivaut ~f(X)~=0: comme f conserve la norme, Ilf(x)11

=0 =~x[donc x est
nul,CQFD, ' ,

If est Important de comprendre pourquoi on ne pouvait pasmontrer la bijectivlt avant

la linarit, ' .
L- 388 METHODIX ALGEBRE" 17. Bestof : Endomorphismesclassiquesdes espaces euclidiens et.hermitiens 389

Donc on est oblig d'appliquer la mthode 12 : Il existe une base orthonormale de E

[TI r~lativement laquelle u est reprsente par une motrice M triangulairesuprieure.
A priori. on ne voit pas trop quoi faire si on s'en tient aux seuls coefficients. Mals " ~
rappelez-vous qu'au chapitre prcdent on a vu (mthode 2) que les coefficients Calculons la norme des vecteurs colonne:
avalent une interprtation simple relativement l'endomorphisme f dont A est la
rnotnce dans la base canonique:
,!
aij=(f(ei).ej) lu(ejt =Iil +?
J>I
hl = T+? hl
1
(c'est vrai pour un endomorphismequelconque).
.',
Essayonsde voir alors quoi ressemblela somme descoefficients: Con a simplement crit seulement que M est triangulaire et qU,eses..coefficients
diagonaux sont lesvoleurspropres de Ml.

Mais le membre de gauche est major par 1.cor u est de norme infrieure ) :

Bon.Ben on a pas mol avanc. non? Parce que l on a une pet1teIde: la question
comment majorer un produit scalaire vous rpondez comme un seul homme:
avec Cauchy-Schwall: et vousavezraison1 En comparant les deux relations prcdentes. on en dduit que les termes
extradlogonaux de M sont nuls.

On vient de prouver qu'un endomorphisme vrifiant les proprits de l'nonc tait

diagonalisable en BON et que ses valeurs propres talent de module 1. ce qui est
quivalent (mthode 4) u unitaire, .
(la norme dsigne Ici la normeeuclidienne. c'est--direassocieau produit scalaire),
Or f est une isomtrie (on ne s'en est toujours pas servi)donc conserve les distances Rclproqument. siu est unitaire.lesproprits de l'nonc sont vrifies.
r . donc:
[.
1 ISIS~t er =n
(ne nousdites pas que vousne sovezpas calculer la normed'un vecteur...)
Donc u vrifie Idet ul = 1 et Il u Il s 1sslu est unitaire.

CI]
Voil donc une majoration, Il reste savoirsic'est la meilleure.ce qui a des chances 0) SIu est antisymtrique:
d'tre le cos vu qu'IIpeut y avoir galit dons Couchv-Schworz."
1 On peut par exemple remarquer qu'II y a galit pour A=ld. donc que c'est (u(x).x) =(x.u (x)) = (x.-u(x)) = -(x.u(x))
effectivement la meilleure, "
Dnc.tout est nul l-dedans. ','
, :'
[TI RCiproquement. on veut montrer gue u est cntloutoociotnt. donc Il _tCiutfoire
lIh peu d'explication de texte d'abord : on demence de caractriser. c'est--dire de apparatre des quantits du style : ~u(x).y}. ce qui est possible .por exemple en
trouver exactement lesendomorphismestels que.., s'intressant (u(x+y).x +y) qui est nul par hypothse; en dveloppant par lIf"learit;.
Le dterminant et la norme ontun point commun vident: lesvaleurs propres, Or (cf, . 0 =(u(x + y).x + y)';; (u(x).x) + (u(x).y) +(u(y).x)+(u(y). y)
chapitre 14.mthode 4) : on saitque pour une norme.subordonne.1).,1s] u ~,
Lesdeux termesextrmes du membre de gauche sont nulspar hypothse. et ceux qui
Or on a une majoration de la norme triple. Donc on a une majoration des voleurs restent montrent prcisment que u est antisymtrique.
propres:
1).,ls1
b):;"" u2 est clairement symtrique(refaire un calcul d'adjoint si vousle souhaitez)donc
i Or le dterminant est le produit desvoleurspropres(on estdans C) ; comme le produit did'gonallsableen base orthonorme. De plus u2 est ngatif car: .'
1 de nombres de module Infrieur01 ne peut tre gal 1que s'ilssont tousde module
gal 1. on en dduit que: touteslesvoleurspropressontde module 1. tX.u2.x = (u2(x).x) = -(u(x).u(x)) S0

Vu qu'on est dons C. Ilva falloirtrigonallser.

Donc sesvoleurspropres sont toutes ngatives. Si )., est valeur propre de u, alors ).,2 est
Maison fait de l'algbre blllnoire.donc Il fout aussiutiliserune base orthonormale. valeur propre de u2 (algbre linaire classique) donc est ngative. Les nombres
complexes de carr ngatif sont lesImaginairespurs. ..
1
- - --l-- -- -
\
390 METHODIX ALGEBRE 17." Best of 1) : Endomorphismes classiques des espaces euclidiens et hermitiens 391

_ u est antisymtrique. donc est un endomorphisme onttoutoodlolnt, et normal en c) On va montrer que si u est orthogonal n'cdrnertont pas (-1) comme voleur propre, il
plus. On a vu (cf. mthode 18) que le~voleurs propres de ce~ endomorphismes t,?ient existe a antisymtrique tel que: .
imaginaires pures donc il n'y a rien a faire. Ce n est pas tres satisfaisant t~utefols de
recourir des rsultats sur les endomorphismes normaux pour montrer un resultat oussi U=(I-a).(I+ar1
simple. Sion a cette relation, en multipliant par l-e il vient:
1-0 =u+ua
c) Le plus simple est de raisonner en termes de matriCS. Salt n un vecteur de soit:
'coordonnes (a, b.c). La matrice M de l'application linaire a(l+u)=I-u
x~n/\x Or l-u est inversible par hypothse donc on peut poser:
dans la base canonique de E s'crit facilement: a=(I-u).(I+url

M=
[ -b
0
c
-c b
0 -o
1 Il est facile de vrifier que a est.antisymtrique en utilisant que u est orthogonal:

a' = (1 +u T1(I-u ') =(I+U-1((I_U-1)=(U-1(1 +U)((U-\U-I)) = (I+url(u-I)=-a

..
a 0
On remarque que a s'obtient partir de u comme u partir de a (c'est la mme
Si A est la matrice d'un endomorphisme antisymtrique .quelconque, il est clair qu'il formule) ce qui veut dire que la transformation de Cauchy est involutive.
existe un unique vecteur n qui convienne, celui-cI tant dfini par : .
a=a32 b=al3 c=a21 REMARQUE:
" peut vous tre extrmement profitable de donner l'nonc hermitien de cet
1 exercice, histoire de vous emmle: le$pinceaux dans les signes moins, les toi/es, etc ...
d) X+IY est associ i une valeur propre complexe, donc Imaginaire pure, ce qui veut
dire que :
1
A(X+IY) =q:q,(X+iY)
Comme A, X et Y sont coefficients rels, on peut sparer partie relle et partie
Imaginaire pour obtenir:
1
1 ru
Le fait que ce problme d'Inf olt t dlibrment plac dons ce chapitre doit vous
1 'mettre la' puce l'oreille :'11 doit y avoir un rapport avec les mthodes exposes
AX=-I:I.\,Y !
1 prcdemment. Or on n'a vu qu'une faon .de faire : Interprtm en termes' de
AY=I,,-I,X
projection orthogonale, ce qui exige d'avoir un produit scalaire. '
On en dduit donc que:
Sur ls espaces de matrices, on n'a pratiquement vu qu'un exemple. et on l'a vu assez
souvent:
(A,B}=tr(tAB) et (A,A}=IIAI12=I. al?
d'aprs a), (on peut diviser par le module car la valeur propre est non nulle), CQFD. u
Jusque l, on. n'a pas beaucoup rflchi: on a.seulement raisonn por- automatismes. Il
i);n lutllise ce qu'on ~ dmontr l'exercice prcdent :'Ies valeurs propres de a sont
des Imaginaires purs. Donc nll ni ,(,-1) n'est valeur propre de a, ce qui est strictement 1
nv.o pas de raison de changer: l'inf qu'on cherche s'crit donc avec ces notallons :
Inf liA - MI12
MeS.
quivalent dire que f et g sont Inversibles. 1
i
b) gf-1 est bien dfini. En outre, comme a est antisymtrique, on a : g*=f et f*=g. De
plus f et g commutent.
Pour montrer qu'un endomorphisme est orthogonal. le plus simple est de. calculer (cf.
1
1
D'aprs la mthode [, cet int est un min et est atteint lorsque Moest la projection
orthogonale de A sur l'ensemble des matrices symtriques.

Il faut oonc-otsrrrmsr ce projet. On peut soit crire qua-A -Mo est orthogonale
i
1
. )

mthode 1) u'u ce qui donne Ici : ! 1

des matrices symtriques de base (par exemple: Eu+Ejl et Eu) ou. ce qui revient au 1
Il
J mme, mais fait beaucoup plus forte Impression: sortir notre science, en Invoquant
u*u=(gr1)*gf-1 =f-1.9*.gr1 =(fT1.f.g.f-1 =g-l.f.gr1 =1
que l'espace des matrices .svrntrtoues et. antisymtriques sont supplmentaires - ,l

car out'commute. - . _. . . . 1- J
orthogonaux (pour le produit scalaire) dans l'espace des matrices.
!
Ona gagn. Dans un cas comme dans l'autre, on trouve que le projet orthogonal vaut:
A+1A A-tA
Si u admettait (-1) comme valeur propre. on aurait un x non nul tel que: .gf-l(X) = -x. Mo=-- donc A-Mo"'--
2 2
donc: g(x) = -f(X). ce qui, en reportant en toncrlon de a, donne: 2x=0. Impossible (x ce qui donne:
est propre). 2

_J~L~-M~ =~A-Mol"'__2 __ "'4tr

. 2' 2 A-tA 1 2
~ij-aj)_
~ 11
L METHODIX ALGEBRE
392 \ 17, "Best of,,: Endomorphismes classiques des espaces euclidiens et hermitiens 393

m
C'est un exercice extrmement classique. comme. d'ailleurs. la plupart de ceux que
(::.:. b? Cette somme dfinissant v doit forcment vous faire penser une somme
geomteTique. surtout si vous gardez un il sur ce que l'on cherche dmontrer in fine'
donc on a classiquement (on a dj utilis cette ruse auxchapitre 5.6.,.) :
nous soumettons votre sagacit. mals celui-l. Il est encore plus classique. et en
prime. Il est assez Intressant (on discutera un outre jour de l'Intrt des exercices de
taupe. sl vous le souhaitez),

1) . a) Vous devez avoir pris le pit de ce genre de dmonstration sur les normes: Il La suite de droite tend vers a cor:
faut passer par des carrs. faire 'apparatre des produits scalaires et enfin invoquer
saint Cauchy et saint Schwarz, On vous fait donc une histoire sans parole (cf, par
exemple mthode 15) : . ,: Donc:

"Ix E E iu' (xt = (u' (x). u' (x)) = (x. W' (x)) SI4!u(u' (x))~~ 11xJl.llu
(x)~
ce qui prouve en passant la limite pour la sous-suite convergeant vers v :
ce qui donne bien: v(l-u)=O

par unicit de la limite,

Ce qui se rcrit de manire quivalente:

lorsque u' (x)..o, Cette Ingalit est triviale quand u * (x)=O donc elle est toujours vraie.
vu=v
Donc par une rcurrence immdiate:

b) Supposons que u(x) = x (et x non nul sinon c'est clair).

L !! Y a !a petite ~S9 hablf'l..!eH9 quI consiste appliquer !'ingo!!t de dfinition 6. t,x+y puls par cornblnclaon Bisaii6 (c'est l'aichTnenen rlobirui) :
pour tout t:
iu(tx+yf s Itx+yf v,vn =v
et donc en passant la limite selon la sous-suite:
qol-donne. par dveloppement en Imposant la nullit du coefficient en t pour que
v2 =v .
cette Ingalit soit vraie pour tout t :
. ce qui prouve enfin que v est un projecteur.
'v'y e E (x. u(y)) = (x. y)
ce qui prouve bien que. par dfinition de l'adjoint:
u'(x)=x c) Comme on soit que v est un projecteur. et qu'on a prouv por ailleurs que:
On fait le mme raisonnement avec des toiles partout pour la rciproque. " vn !vnlls1 .
e~ passant la limite selon la sous-suite convergente:
c) On vient de voir que: ,\~ Ilvlls1 '
ce qui prouve que v est un projecteur orthogonal d'cprs la mthode 9.
Or pour tout u :
Ker(l-u) =Ker(l-u*)
..
Ker(l- u') = Ker(l-u)* =lm(l-u).L d) On a prouv prcdemment que:
,
.,y.' ,

v.(I-u)=O
ce qui prouve en rinjectant dans l'Identit prcdente:
ce qui prouve que Im(l-u) c Kerv ,

Ker(I-'u) =lm(l_u).L Par 0111eurs, Ii est clair que si u( x) = x alors v(x) = x ce qui veut dire que: Ker(l- u) dm v .
l\-I"
1 ce que l'on voulait. En_tr~dulsant en term:s d~ ~~me~s~oncette Ingalit et en la conjuguant l'Inclusion
1 prcdente on en ddult 1egallte Im(l-u) = KeN. Le rsultat suit. puisque v est un
jl pr9Jecteur orthogonal.
2) a) On norme videmment L(E)de la norme subordonne la norme Induite par
-,~~[;
._" le produit scalaire,
L

, [TI
'j'
1'"
On a par hypothse : ~ulls 1 ce qui prouve por rcurrence et sous-multiplicativit :
1~,D:lnS C. pour faire apparatre des voleurs propres: Il fout trigonoliser, En algbre
Iluk~ S 1 pour tout k .
. bllln~alre.1I faut des BON, Conclusion: on utilise la mthode 12 qui donne: Il existe U
donc naturellement que: unitaire et T trlangulolre suprieure telles que:
Ilvn~s T T=U'.A,U
La suite est donc borne. et comme on est dans un evn de dimension finie. elle admet Il en dcoule alors Immdiatement que:
une valeur d'adhrence v. Tr(A' A) = Tr(T'T)
$ j.
.\ . '~.
 l
394 METHODIXAlGEBRE 17, Best of,,: Endomorphisme~ classiques des espaces euclidiens et hermitiens 395
- (

Mais T est triangulaire, Or on soif que Tr(T'T)est un fameux produit scalaire, et qu'II vaut
la somme des modules des coefficients au carr donc: . ,
J 1

A est clairement une matrice symtrique positive, En effet tous ses coefficients sont
positifs! '

On peut donc l'Interprter comme une matrice de Gram, Le tout est de trouver un
produit scalaire judicieux. On peut pas vraiment l'inventer, mois il est pertinent" de
On en ddUit qu'on a : poser pour f et 9 continues:
1
Tr(A' A)= I. l:id (f,g) = J f(t)g(t)dt
,eSpA a
si et seulement si :

l 1 td=o .. '
I<i
Doncla motrice A est la motrice de Gram associe aux n fonctions prcdentes pour
ce qui veut dire ssi : le produit scalaire ainsi dfini. .

ou encore ssl : D'aprsia mthode 20, le rang de A est gal au rang de la famille de f~nctions. Donc
T est diagonale. A est dfinie sslson rang est n, c'est--dire ssi le rang de la famille de fonctions est gal
Moralit: on a C) ssiA est diagonalisable dans une base orthonorme, ce qui veut dire n, c'est--dire, ssl cette famille est libre, ce qui est quivalent dire que tous les
. . a
(mthode 16) ssiA est normale. rapports s:- sont distincts,
3) On aurait tort de ne pas essayer d'appiiquer ia caractrisation qu'on vient de
dmontrer brillamment, [ill
On veut donc montrer que: . 1) On salt d'aprs la rnthode que p estun projecteur orthogonal ssl : p2 =p = p'
Donc on a successivement: .,' /
Tr[(vu)* (vu)] = I. l '-d2 .
, ,ESp(VU) 1p 1=VTr(p Op) = ~Tr(p2) =VTr(p) = Vrg(p)
or nous on soit que:
(dernire galit: cf, chopnre 3, dernier paragraphe) donc comme le rang de p dcrit
Tr[(uv)'(uv)] = l 1'-;12 l'ensemble des entiers infrieurs n : . <,
,ESp(UV)
{I p l,peP}={v'k,ke[O,nJ}
et en plus uv et vu ont mme spectretet, chapitre 9, thme 1) donc il suffit de montrer
que: 2) En reprenant l'ide du .cotcul prcdent, mois en faisant toutefois. attention au fait
que f et g ne commutent pas. : .
Tr[(vu) '(vu)] = Tr[(uv)' (uv)]
.. 1f - 9 f = Tr(f _g)2 = Tr(f2)+ Tr(g2)1 Tr(fg)- Tr(gf) =rg(f)+rg(g) -2Tr(fg)
ce qui devrait pouvoir se foire en dveloppant et en lltillsant le fait que Tr(fg)=Tr(gf) et 3) 9 tant un projecteur orthogonal: Img$Kerg = E .
u commute avec u', v commute avec v' (cf, mthode 17): . Soit x=z+t la dcomposition d'un vecteur propre de fg,
ana: g(x)=z .
-, Tr[(vu)' (vu)] = Tr[u' v' vuJ= Tr[u'w'u]= Tr[uu'w']= Tr[uu'v'vJ= Tr[vuuv] et par ailleurs:
fg(x)='-x => Xelmf < )
et le dernier membre est bien gal : Tr[vu(vu)'] ce qu'on voulait. donc
f(x)=x l,
3) Ici Il ne fout pas chercher appliquer la caractrisation, cor Il n'y a pas de lien entre , L'astuce classique pour encodrer:une valeur propre (cf, chapitre prcdent) consiste
sou Spv et Spuv. . calculer de 2 faons :
En revanche uv=O veut dire:
lm lic Keru (*) (fg(x),x) = ('-x, x) = :\.llxl12
et nous cherchons prouver que:
lm u c Kerv (U) (fg(x),x) = (g(x), t '(x)) = (g(x), f(x)) = (z,f(x)) = (z. x) = Ilzf
Ce qui donne, par comparaison:
Or u et v sont normaux donc (mthode 15) on sait que l'image et le noyau sont
supplmentaires orthogonaux donc en orthogonallsant (') on trouve CU),
*~2 = '-(~zI12
+lltI12)=~zf

qui impose Sp(fg) c [0,1].

?'
1-
. Chapitre 18

l'ESSENTIEL DE l'AlGEBRE ...

EN QUATRE PAGES

"1:'~\?t.~~'Q-
.'1"_

Ce chapitre-l est un peu part dans la construction du livre. Alors.quevous venez

peine de terminer d'ingrer deux cent cinquante mthodes d'algbre, nous voudrlons
vous montrer les grandes Ides de l'algbre. autrement dit ce qu'1"doltvousrester
lorsquevousaureztout oubli '.

Il nous semble Important que vousgardiez prsentes l'esprit ces quelques Ides trs
simples. auxquelles vous pourrez vous raccrocher si par malheur vous tiez
compltement perdu et que vousveniez oublier lesmthodes exposesdans lesdlx-
sept chapitres prcdents (ce que nousne voussouhaitonspas...).

1. Principales sources d'erreur en algbre

o Le corps de base:1rl ou~?

Nousavons volontairementrestreintcet ouvrage aux cas K=Rou C. cOr'il noussemble
assezpeu Intressantde couper lescheveux en quatre surlescorps de caractristique
gale deux - plus prcisment. Il nous semble qu'II y a d'autres choses plus
essentielles comprendre dans votre programme. et que les.sources d'erreurs sont
dj asseznombreusescomme cel. .

Il ~ essentlelde vousdemander.parmllensultats ou mthodes qu vous connaissez.

qu~ls sont ceux qui valent pour R et C. ceux qui valent unlquei'ment sur' R. ou
uniquement surC. (,.
Citons quelques exemples: ':;;1.

.. - les polynmes Irrductibles: diffrents sur R et sur C, .~,:

-la dcomposltlon en lmentssimples: mthodes spcifiques R. "-;::
- la trigonalisablllt ou rduction de Jordan : automatique dans C. conditionnelle
dans R... '

La diffrence essentlelleest naturellement le fait que dans C. tout polynme est

scind. et qu'en particulierIl.admetau rnolnsune racine. ce qui n'est pas le cas dans R.

Signalons encore ce propos le problme dj voqu des valeurs propres

complexes d'un endomorphisme rel (c'est--dire des racines complexes du
palypOmecaractrlstlqued'une matrice relle)et surtoutde l'extensiondes rsultatsde
C :R du style toute matrice complexe est trigonallsable.or toute matrice relle est a
'-f
fortiori complexe. donc toute motrice relle est trigonallsoble qui sont grossirement
:i faux (cf. chapitre 10).

@ La dimension: finie ou non?

La plupart des rsultatsnoncs en algbre linaire et bilinaire ne sont vrais qu'en
dimension finie.

---------------------