Résumé de cours ECG maths approfondies : réduction (2e année)

↩ Chapitre : Réduction (ECG2)

L’essentiel des compléments d’algèbre linéaire et de la réduction au programme officiel d’ECG, option mathématiques approfondies, 2e année (troisième semestre). f est un endomorphisme d’un espace E de dimension finie n, A une matrice carrée.

1. Changement de base, matrices semblables, trace

  • P_{\mathcal B,\mathcal B'} : colonnes = coordonnées des vecteurs de \mathcal B' dans \mathcal B ; P_{\mathcal B,\mathcal B'}^{-1}=P_{\mathcal B',\mathcal B} ; X_{\mathcal B}=P\,X_{\mathcal B'}.
  • \mathrm{Mat}_{\mathcal B'}(f)=P^{-1}\,\mathrm{Mat}_{\mathcal B}(f)\,P avec P=P_{\mathcal B,\mathcal B'}.
  • A et B sont semblables s’il existe P inversible avec B=P^{-1}AP : elles représentent le même endomorphisme dans deux bases.
  • Trace : somme des coefficients diagonaux ; linéaire, \mathrm{Tr}(AB)=\mathrm{Tr}(BA), donc \mathrm{Tr}(P^{-1}AP)=\mathrm{Tr}(A). Outil pour trouver des valeurs propres : si A est diagonalisable, \mathrm{Tr}(A) est la somme des valeurs propres (comptées avec la dimension des espaces propres).
  • Somme directe de k sous-espaces : \dim(F_1\oplus\cdots\oplus F_k)=\sum\dim F_i ; base adaptée par concaténation.

2. Éléments propres

Définitions

  • \lambda est valeur propre de f s’il existe x\neq0 avec f(x)=\lambda x ; x est un vecteur propre ; E_\lambda=\mathrm{Ker}(f-\lambda\,\mathrm{Id}) est le sous-espace propre.
  • \lambda\in\mathrm{Sp}(f)\iff f-\lambda\,\mathrm{Id} non injective \iff A-\lambda I non inversible.
  • Les valeurs propres d’une matrice triangulaire sont ses coefficients diagonaux.

Polynômes annulateurs

  • Si f(x)=\lambda x, alors Q(f)(x)=Q(\lambda)x.
  • Si Q annule f (Q(f)=0), toute valeur propre de f est racine de Q (la réciproque est fausse).
  • Tout endomorphisme (toute matrice) admet un polynôme annulateur non nul.
  • Exemples : homothétie f=a\,\mathrm{Id} ; projecteur p^2=p, \mathrm{Sp}\subset\{0,1\} ; symétrie s^2=\mathrm{Id}, \mathrm{Sp}\subset\{-1,1\}.

Propriétés générales

  • Les sous-espaces propres sont en somme directe : \sum_\lambda\dim E_\lambda\leqslant n.
  • Des vecteurs propres associés à des valeurs propres distinctes forment une famille libre ; il y a au plus n valeurs propres.

3. Diagonalisation

Critères

  • f est diagonalisable \iff il existe une base de vecteurs propres \iff E=\bigoplus_\lambda E_\lambda \iff \sum_\lambda\dim E_\lambda=n.
  • n valeurs propres distinctes \Rightarrow diagonalisable (condition suffisante, pas nécessaire), et chaque E_\lambda est alors de dimension 1.
  • A diagonalisable \iff P^{-1}AP=D diagonale ; les colonnes de P sont des vecteurs propres. Alors A^k=PD^kP^{-1}.

À savoir sur le programme

  • Le polynôme caractéristique et le déterminant ne sont pas au programme : on trouve les valeurs propres par A-\lambda I non inversible (pivot), par un polynôme annulateur ou par la trace.
  • Aucun autre résultat sur la trace n’est au programme.

4. Pièges classiques

  • Un vecteur propre n’est jamais nul, mais une valeur propre peut l’être : 0\in\mathrm{Sp}(f)\iff f non injective.
  • Une matrice triangulaire à coefficients diagonaux égaux n’est diagonalisable que si elle est déjà diagonale.

Besoin d’aide sur ce chapitre ?

Un blocage sur une notion, une méthode de rédaction à acquérir, un devoir ou un concours à préparer : Pr. Elakili, agrégé de mathématiques depuis 1991, plus de 20 ans d’enseignement en classes préparatoires, propose des cours particuliers, en présentiel à Casablanca, ou à distance, partout au Maroc et en France.

Publications similaires