Diagonalisation
Transcription
Diagonalisation
Denis Pasquignon Diagonalisation Résumé du cours : 1. Sous-espaces stables Soit f un endomorphisme de E, un sev F de E est stable par f si f (F ) ⊂ F. On peut considérer la restriction de f à F qui est un endomorphisme de F. On considère une famille de sev (Ei ) supplémentaires de E cad E = E1 ⊕ · · · ⊕ Ep . On dit que f stabilise les sev Ei si pour tout i Ei est stable par f . Si de plus E est de dimension finie, il existe une base de E dans laquelle la matrice de F est une matrice diagonale de matrice. 2. Valeurs propres et vecteurs propres Eléments propres d’un endomorphisme Soit E un espace vectoriel sur K et f ∈ L(E). Le scalaire λ ∈ K est une valeur propre de f s’il existe un vecteur u non nul de E tel que f (u) = λu. L’ensemble des valeurs propres est le spectre de f . Tout vecteur u non nul tel que f (u) = λu est appelé vecteur propre associé à la valeur propre λ. On appelle sous-espace propre associé à la valeur propre λ le sous-espace vectoriel Eλ de E défini par Eλ = Ker(f − λIdE ). si E est de dimension finie 0 est valeur propre de f ⇐⇒ f n’est pas bijectif. famille libre de vecteurs propres Soit f ∈ L(E), et soient λ1 , · · · , λp p valeurs propres distinctes de f . Alors toute famille (u1 , · · · , up ) de p vecteurs propres respectivement associés à λ1 , · · · , λp est une famille libre de E. nombre de valeurs propres Soit f ∈ L(E), et dim(E) = n. Le nombre de valeurs propres distinctes est inférieur ou égal à n. Somme de sous-espaces propres Soit f ∈ L(E), si f admet p valeurs propres distinctes λ1 , · · · , λp , alors les sous espaces propres Eλ1 , · · · , Eλp sont en somme directe. Eléments propres d’une matrice 1 3. Diagonalisation Soit E un espace vectoriel sur K de dimension finie et f ∈ L(E). f est dit diagonalisable s’il existe une base B de E telle que la matrice de f dans la base B est diagonale. Soit E un espace vectoriel sur K de dimension finie et soit f ∈ L(E), les propositions suivantes sont équivalentes: (a) f est diagonalisable, (b) il existe une base B de E formée de vecteurs propres de f , (c) E est somme directe des sous-espaces propres de f , (d) La somme des dimensions des sous-espaces propres de f est égale à la dimension de E. Condition suffisante de diagonalisation Soit E un espace vectoriel sur K de dimension finie n et soit f ∈ L(E), si f admet n valeurs propres distinctes alors f est diagonalisable. Projecteur Tout projecteur p de E de dimension finie est diagonalisable. Diagonalisation d’une matrice carrée Une matrice carrée est dite diagonalisable si elle est semblable à une matrice diagonale c’est-à-dire il existe une matrice P inversible et une matrice diagonale D telle que D = P −1 AP. Soit A une matrice carrée d’ordre n, si A admet une unique valeur propre λ alors A est diagonalisable si et seulement si A = λIn . Soit A une matrice carrée d’ordre n, si A est une matrice triangulaire dont tous les coefficients sur la diagonale sont distincts alors A est diagonalisable. 4. Polynômes annulateurs Soit P ∈ K[X]. Soit f un endomorphisme de E, P est un polynômes annulateur de f si P (f ) = 0. Soit A une matrice carrée d’ordre n, P est un polynômes annulateur de A si P (A) = 0. Soit f un endomorphisme de E, λ une valeur propre et x un vecteur propre associé à λ: pour tout n entier naturel, λn une valeur propre de f n et x un vecteur propre associé à λn , P (λ) est une valeur propre de P (f ) et x vecteur associé à P (λ), si f est bijective, λ1 est une valeur propre de f −1 et x un vecteur propre associé à λ1 . Si P est annulateur de f (resp. de A)les seules valeurs propres possibles de f (resp. A) sont les racines de P . 2 Exercice 1 Ces matrices sont-elles diagonalisables ? 1 3 4 1 1 M0 = , M1 = 0 2 5 , 0 1 0 0 1 1/3 1/3 M2 = 2/3 1/2 0 1/6 −1 0 0 1 , M3 = 0 0 0 0 −2 1 0 0 1 −2 0 0 0 , M4 = 0 −1 Exercice 2 Soient les matrices 0 1 0 1 A = 0 0 1 et B = 0 1 −3 3 0 1 1 0 1 0 0 0 0 −1 3 0 0 0 0 0 1 −1 8 0 1 . 1 Montrer que A n’est pas diagonalisable et que A et B sont semblables. Exercice 3 (Oral HEC) Soit t réel et la matrice t 1 t−1 0 1 A(t) = 1 1 t + 1 −t . 1. Déterminer pour quelles valeurs de t, la matrice A(t) est inversible. 2. Montrer que si t 6= −1, la matrice A(t) est diagonalisable. 3. Si t = −1, A est-elle diagonalisable ? En utilisant les vecteurs V1 = (−1, 1, 1) et V2 = (0, 1, 1), montrer que A(−1) est semblable à 0 a b B= 0 0 1 0 0 0 . Exercice 4 Soit la matrice An = 1 2 3 ··· n 2 0 0 ··· 0 3 0 0 ··· 0 ··· ··· ··· ··· ··· n 0 0 0 0 1. Montrer que E = {X ∈ Rn An X = 0} est un sous-espace vectoriel de Rn . 3 0 0 0 2 5 0 0 0 0 3 2. Déterminer la dimension de E et une base de E. 3. Diagonaliser An : on donnera les valeurs propres et sous espaces propres associés. Exercice 5 (HEC 94) Soit E un espace vectoriel et g un endomorphisme de E vérifiant : g ◦ g − 3g + 2Id = 0. 1. Montrer que g est inversible et donner son inverse. 2. Montrer que : ∀n ∈ N , il existe (an , bn ) ∈ R2 tel que g n = an Id + bn f où f = g − Id. Déterminer les suites (an ) et (bn ). 3. Quelles sont les valeurs propres éventuelles de g ? 4. En remarquant que : (g − Id) − (g − 2Id) = Id, montrer que g est diagonalisable. Exercice 6 1. Montrer que toute matrice A de Mn (R) vérifiant A2 = 4In est diagonalisable. 2. Soit A de Mn (R) vérifiant A2 (A − In) = 0 et A(A − In) 6= 0. Quelles sont ses valeurs propres ? Montrer que A n’est pas diagonalisable. Exercice 7 1. Montrer que la matrice 0 1 A= 0 0 1 0 0 1 0 est diagonalisable dans Mn (C) mais ne l’est pas dans Mn (R). 2. Montrer que toute matrice A de Mn (C) vérifiant A3 = In est diagonalisable. Le résultat reste-t-il valable pour A ∈ Mn (R) ? 4