Changement de Base

Soit E un espace vectoriel, dimE = n

On considère : BE = (e1, e2, …, en) base de E

On considère : B’E = (e’1, e’2, …, e’n) une autre base de E

e’j
'
 p 11 p 12 ... p 1 j ... p 1n  e1
e  p 11 e 1  p 21 e 2  .. .  p n1 e n  
 p 21 p 22 ... p 2 j ... p 2n  e2
1

e 2'  p 12 e 1  p 22 e 2  ...  p n2 e n  .. .. .. .. .. ..  
P 
...  p i1 pi2 ... p ij ... p in  ei
 .. .. .. .. .. ..  
e 'n  p 1n e 1  p 2n e 2  ...  p nn e n  
p n1 pn2 ... p nj ... p nn  en

Matrice de Passage de BE à B’E

La jième colonne de P est formée par les composantes de e’j exprimée dans la base BE
 Matrice de Passage
1  0 0
e 1   0  , e 2  1  , e 3   0  base canonique de IR 3
 0   0   1 
1   1  2 
e'1   2  , e' 2   5  , e' 3    3 
 3   8    7 
1 
 
e '1 e' 2 e' 3
e '1   2   e 1  2 e 2  3 e 3
 3  1  1 2  e1
P   2 5  3  e 2
  1
e' 2   5    e 1  5e 2  8e 3
 8 
 2 
 3 8  7  e 3
 
, e' 3    3   2 e 1  3 e 2  7 e 3
  7 
 Effets d’un changement de bases

Soit X = 5e1-3e2+2e3 vecteur écrit par rapport à la base BE = (e1, e2, e3)

 5  Écrivons le vecteur X dans la base B’E  

   
X    3 Posons X = e’1 + e’2 + e’3 X'   
 2  B    B'
E Quelle relation existe entre X et X’ ? E

1   1  2   5  1    1  2 
     
        e '1   2  , e ' 2   5  , e ' 3    3 
X    2    5      3    3
 3   8    7 
 3   8    7   2 

     2  1 1 2 
X   2  5  3   
P  2 5  3

 3  8  7    3 8  7 

1 1 2   
X   2
 3
5
8
 3    
 7    
X  PX '
 Effets d’un changement de bases

L : E  E dimE = n

BE = (e1, e2, …, ep) base de E, BE = (e’1, e’2, …, e’n) nouvelle base

A = Mat(f, BE, BE) A’ = Mat(f, B’E, B’E)

Quelle relation existe entre A et A’ ?

x1   x'1  Y = L(X) =AX y1   y' 1 

       
x2  x'  y2  y'
X  X'   2 Y’ = L(X’) = A’X’ Y Y'   2 
 ...   ...   ...   ... 
       
 x n  BE x'
 n  B 'E
Y = PY’ et X = PX’  y n  BE y'
 n  B 'E

Y  AX  PY '  APX '  PY '  APX '

 Y '  P 1 APX '  A ' X '  A '  P AP1
 MATRICES SEMBLABLES

1
A '  P AP
 On dit que A et A’ sont des matrices semblables ou similaires

 On dit que A et A’ sont unitairement semblables si P est unitaire

 Deux matrices semblables représentent la même Application linéaire

 P est une matrice inversible

 Si P est la Matrice de passage de la base BE à B’E alors P-1 est la Matrice

de passage de la base B’E à BE

 Si A est une matrice symétrique, elle admet que des valeurs propres
réelles et est toujours diagonalisables

 A et tA ont les mêmes valeurs propres

S3_Diagonalisation
 Valeurs Propres et Vecteurs propres

Un Scalaire  est appelé valeur propre de A ssi :  X  0 tq AX= X

 AX= X, X  0 (Le Vecteur X est appelé Vecteur propre de A associé à )

 X  0 et AX - X = 0
 X  0 et (A - I)X = 0
 le SLH (A - I)X = 0 admet une solution non nulle
 Le SLH (A - I)X = 0 admet une infinité de solutions,
 Ker (A - I)  {0}
 (A - I) est une matrice non inversible,
 pA() = det (A - I) = 0.

pA() : s’appelle le polynôme caractéristique de A

Det(AT- I) = det((A - I)T) = det (A - I)  pA() = pAT()

  est vp de A ssi  barre est une vp de A*

6
 Réduction des matrices : Trigonalisation

Trigonalisation
 Toute matrice Carrée dont le polynôme caractéristique est scindé est
semblable à une matrice triangulaire.

 En d’autre termes, il existe une base dans laquelle l’endomorphisme est

représenté par une matrice triangulaire
 0  1
 Toute matrice A  Mn(C) est trigonalisable (faux dans IR) A   1 , p A (  )  2  1
 0 

Exercice  1 4  2
 
Trouver une matrice de passage P telle que P-1AP soit triangulaire A   0 6  3
1 4 0 
C1  C 3  
1  4  2  L1  L3 2   0  (2   ) 1 0 1
0 6 3  0 6 3  (2   ) 0 6 3
1 4  1 4  1 4 
C 2  C1
0 0 1
3 6    L1  L2   2  (   2) 2 0
 (2   )  3 6 3  ( 2   )( 1)  (   2)  (   2)
  1 4   1 4   1 3
  1 4 

p A (  )  (  2) 2 ( 3   )
 Réduction des matrices : Diagonalisation

p A ( )  (λ  λ 1 )m1 (λ  λ 2 )m 2 ...(λ  λ k )m r ,  m i  n

W = Ker (A - I) = {X / (A - I)X = 0} : Sous espace propre

associé à la valeur propre 

 W contient les vecteurs propres associés à 

 Deux vecteurs appartenant à deux sous espace propre différents sont

linéairement indépendants

 Multiplicité Algébrique de la vp  = la multiplicité de  en tant que racine du PC

(1  dimW  m)

 En d’autres termes, la multiplicité Géométrique d’une valeur propre  de A est le

nombre maximum de vecteurs propres indépendants associés à cette vp.

 La Multiplicité Géométrique de la vp  = dimKer (A - I)= n – rang (A - I)

 Si une valeur propre est de multiplicité algébrique un, on dit qu’elle est simple
(dim W = 1), sinon on dit qu’elle est multiple
 Condition suffisante pour qu’une matrice soit diagonalisable

r
p A ( )  (   1 ) (   2 ) ...(    k ) ,  mi  n
m1 m2 mr

Pour que la matrice A soit diagonalisable, il faut et il suffit que

dim W1 = m1 ; dim W2 = m2 ; … ; dim Wr = mk

W 1  W 2  ...  W r  E   une base de vp

Cas particulier :
Si le polynôme caractéristique de A est scindé en éléments simples

pA() = det(A - I) = ( - 1) ( - 2) ….. ( - n)

dim W1 = dim W2 = … = dim Wn = 1

 Spectre d’une Matrice

Définition:
 L’ensemble des valeurs propres s’appelle le spectre de A. Il est noté (A).
 Le plus grande Valeur propre en module s’appelle le rayon spectral de la matrice A.

A   Max 
Elle est notée (A).

   (A )
Remarques
 Une matrice A (nxn) a au plus n valeurs propres A.
 Une matrice est singulière si et seulement si elle admet zéro comme vp,
 La trace d’une matrice est égale à la somme de ses vp comptés avec leurs
multiplicités comme racine du PC
 Le déterminant de A est égal au produit des Vp
 Une matrice est dite diagonalisable, s’il existe P telle que P-1AP est une matrice
diagonale. La matrice P est formé par les vecteurs propres
 Deux matrices semblables ont le même spectre et le même PC

10
 Polynôme de Matrices

Polynômes d’endomorphisme
On définit de la même manière les Polynômes d’endomorphisme

S2_Matrices
 Polynôme de Matrices

Pour tout polynôme P, on a:

Théorème de Cayley-Hamilton

Si PA() = (-1)nn + c1n-1 + … + cn

est le polynôme caractéristique de la matrice A, alors on a:
pA(A) = 0
Le polynôme caractéristique annule sa matrice.
S2_Matrices
 Matrices Polynomiales

Remarque
 A11 A12 ... A1 j ... A1 n 
 0 A22 ... A2 j ... A2 n 

 ..
Si A  
.. .. .. .. .. 
 p A ( )  p A11 ( ) p A 22 ( )... p A ss ( )
 0 0 ... Aii ... Ain 
 .. .. .. .. .. .. 
 
 0 0 ... 0 ... Ass 

On peut déduire que si A est triangulaires ses vp sont ses éléments diagonaux

13
 Polynôme Annulateur – Polynôme Minimal

‣ On dit qu’un polynôme P(X ) est un polynôme annulateur de la matrice A (ou de

l’endomorphisme f) si P(A)=0 (ou P(f )=0).
‣ Le polynôme caractéristique de la matrice A est un polynôme annulateur de A.

Polynôme Minimal d’une Matrice

Il est défini comme le polynôme unitaire (coefficient de plus haut degré est égal à 1) de plus
petit degré qui annule une matrice (endomorphisme).

 0 0
 
A   0  0 pA(X) = (X- )3 On a A – I = 0, donc A(X) = X - 
 0 0 
 
 0 1
 
A   0  0 pA(X) = (X- )3 On a A – I ≠ 0 et (A – I)2 = 0, donc A(X) = (X - )2
 0 0 
 
 1 0
 
A   0  1 pA(X) = (X- )3 On a A – I ≠ 0 et (A – I)2 ≠ 0, donc A(X) = (X - )3
 0 0 
 

Exercice Montrer que A(X) = X2 - X

 Polynôme Annulateur – Polynôme Minimal

‣ Le polynôme Minimal µA(X), divise le PC (conséquence directe du Théorème de CH)

‣ Le polynôme Minimal divise tous les polynômes annulateurs de A

‣ Donc les racines du polynôme minimal sont exactement les valeurs propres

 valeur propre de A µA() = 0

r
Soit p A ( )   (   1 ) (   2 ) ...(   k ) ,  m i  n,  i   j
m1 m2 mr

Alors
 A ( )   (   1 )k 1 (   2 )k 2 ...(   k )k r 1  k i  m i

Si le polynôme caractéristique de A est scindé en éléments simples

pA() = det(A - I) = ( - 1) ( - 2) ….. ( - n)

Alors la matrice A est diagonalisable et les deux polynômes sont égaux

 Réduction de Jordan

Définition : Matrice de Jordan

On appelle matrice (ou bloc) de Jordan toute matrice de la forme,

 1
 
J  C
 1

 J 1 0 0  0 0 
 
Une Matrice de Jordan est une matrice  0 J é 0  0 0 
     
 
diagonale par Blocs de la forme suivante    J i  
 
     
 0 0 0 0 0 J m 

 Les Blocs sont de tailles différentes
 Chaque Ji est une matrice de Jordan associée à λi et de taille mi la
multiplicité algébrique de λi
 Certaines λi peuvent être égales
 Réduction de Jordan

Théorème : Réduction sous forme de Jordan

Toute matrice à coefficients dont le PC est scindé sur K est semblable à une Matrice de
Jordan, appelée Réduite de Jordan de A.  J 
 1

 J é 
  
Il existe une matrice inversible P telle que : P AP  
1 
 J i 
 
  
 J m 


Remarque : même théorème pour les endomorphisme : Il existe une base ds laquelle f est ….

 J 1 
 
 J é   1
 
  
P AP  
1  J 
 J i   1
 
   
 J m 

 Réduction de Jordan

 J 1 
 
 J é   1
 
  
P AP  
1  J 
 J i   1
 
   
 J m 


► Le nombre de blocs associés à la valeur propre  est égal à la dimension

du sous espace propre W.

► Il y’a autant de blocs que de vecteurs propres associé à la même vp

► La somme des tailles des blocs de Jordan associé à  est la multiplicité de

 dans du PC (= Xté algébrique)

► La taille du plus grand bloc de Jordan associé à la même vp  est la

multiplicité de  dans le polynôme minimal
 Formes de Jordan

Conclusion

La procédure pour trouver la réduction de Jordan est la suivante:

1. Factoriser le polynôme caractéristique

2. Trouver une base de chaque sous-espace propre

3. Compléter cette base pour les sous-espace propre n’ayant pas autant de
Vecteurs propre que sa dimension

Si la multiplicité de la valeur propre  est m, alors qu’il n’y a que <m

vecteurs propres, il faut trouver m –  vecteurs.

Pour chaque vecteur propre v, résoudre le système (A - I)w = v.

Vérifier que w et v sont linéairement indépendants des vecteurs déjà trouvés.

S’il manque encore des vecteurs, vous résoudrez (A - I)u = w ….

S2_Matrices 19
 Applications

Si A est une matrice diagonalisable, elle est semblable à une matrice

diagonale et donc il existe P inversible telle que

A  PDP 1 A 2  PDP 1PDP 1  PD 2P 1

P 1 AP  D

  k1 
 
 2
k
 1
k k 1
A  PD P
k
A  P P
  
 k 
n 

si Q est u n polynôme , on a : Q(A)  PQ(D)P 1

 Q(  1 ) 
 
 Q(  2 )  1
Q(A)  P   P

 
 Q(  n ) 

 Exponentielle d'une matrice

L’exponentielle de la Matrice nulle est l’identité

Le déterminant de l’exponentielle d’une matrice est égal à l’exponentielle de sa
trace: det (eB) = etr(B)
Si A est une matrice diagonalisable

 e λ1  
 
 e λ2   1
A  PDP - 1 , alors e A  P  P
  
  e λn 


L’application exponentielle préserve ainsi les espaces propres

De plus, les vp de eA sont les exponentielles de celles de A
 Exponentielle d'une matrice

Exponentielle d’une Matrice Nilpotente

Soit N une matrice nilpotente d’ordre q telle Nq = 0.

Son Exponentielle se calcule directement à partir de son Développement en série:
2 2 q1
N N N
eN  I  N   
2! 2! q  1!
Proposition

Lorsque le polynôme Minimal d’une matrice B est scindé (c’est le cas si on est
dans C), alors on a :
B= A +N où A est diagonalisable, N est Nilpotente et A et N commutent entre
elles. On a alors:

e B  e A N  e A e N
Soit J la forme de Jordan de la Matrice B et P la matrice de Passage

e B  Pe J P 1
 Exponentielle d'une matrice

 J m1 1  0 0  0 0   e J m 1  1  0 0  0 0 
   
 0 J m2  2  0  0 0   0 e
J m2  2 
0  0 0 
         
Si J    J
        
    J mi  i     e
  
J  
 e mi i   
   
       
       
 0
 0 0 0 0 J mr  
r 
  0 0 0 0 0 e mr r 
J  


Il suffit alors de connaître la méthode de calcul de l’exponentielle d’un bloc de Jordan.

Voici la méthode pour chacun des Blocs:

J m (  )  I  N

L’exponentielle de chaque bloc de Jordan est donné par la formule

I  N 
e e e N