CH Polyendo

Télécharger au format pdf ou txt
Télécharger au format pdf ou txt
Vous êtes sur la page 1sur 14

Polynômes

d’endomorphismes

Le but de ce chapitre est de démontrer le théorème de Cayley-Hamilton. C’est un résultat théorique


important, qui affirme que le polynôme caractéristique d’une matrice annule cette matrice.

1. Polynôme de matrice, polynôme d’endomorphisme


On note Mn (K) l’ensemble des matrices de taille n × n à coefficients dans K (K = Q, R ou C).
Pour un K-espace vectoriel E, on note L (E) l’ensemble des applications linéaires de E dans E. Un
élément f ∈ L (E) est un endomorphisme de E. Dans ce chapitre, E sera de dimension finie.

1.1. Définition
Polynôme de matrice.
Soit A ∈ Mn (K) une matrice. À X k , on associe Ak ; à 1, on associe la matrice identité I n . Plus
généralement, pour un polynôme
P(X ) = a0 + a1 X + a2 X 2 + · · · + am X m ∈ K[X ],
on définit la matrice :
P(A) = a0 I n + a1 A + a2 A2 + · · · + am Am ∈ Mn (K)
Exemple 1. 
1 −1
Soient A = et P(X ) = X 4 − 5X 2 − 2X + 1. On calcule
−1 2
     
2 −3 13 −21 2 −4
A =
2
A = (A ) =
4 2 2
P(A) = A − 5A − 2A + I2 =
4 2
−3 5 −21 34 −4 6

Polynôme d’endomorphisme.
Soit f ∈ L (E). À X k , on associe f k , c’est-à-dire f ◦ f ◦ · · · ◦ f . À 1, on associe l’application identité
| {z }
k occurrences
id E . Plus généralement, pour un polynôme
P(X ) = a0 + a1 X + a2 X 2 + · · · + am X m ∈ K[X ],
on définit l’endomorphisme :
P( f ) = a0 id E +a1 f + a2 f 2 + · · · + am f m ∈ L (E)
POLYNÔMES D’ENDOMORPHISMES 1. POLYNÔME DE MATRICE, POLYNÔME D’ENDOMORPHISME 2

Exemple 2.
Soit f : R2 → R2 la rotation d’angle θ = π6 centrée à l’origine. Soit P(X ) = X 11 . Calculons P( f ).
Pour k ∈ Z, f k est la rotation d’angle kθ = kπ 6 . Donc P( f ) = f
11
est la rotation d’angle 11π
6 , qui est
π
aussi la rotation d’angle − 6 . Ainsi P( f ) = f = f .
11 −1

Les opérations avec les polynômes de matrices se comportent sans surprise.


Proposition 1.
Soient A ∈ Mn (K) et P, Q ∈ K[X ]. Alors
(P × Q)(A) = P(A) × Q(A).

De même, pour f ∈ L (E), (P × Q)( f ) = P( f ) ◦ Q( f ). (Noter la composition.)


Sachant en plus que, pour tous λ, µ ∈ K, (λP + µQ)(A) = λP(A) + µQ(A), alors on dit en termes
savants que l’application
ΦA : K[X ] −→ Mn (K)
P(X ) 7−→ P(A)
est un morphisme d’algèbres (A ∈ Mn (K) est fixée).

Démonstration. Si P(X ) = a0 + a1 X + · · · + am X m et Q(X ) = b0 + b1 X + · · · + b` X ` , alors


(PQ)(X ) = a0 b0 + (a0 b1 + a1 b0 )X + · · ·
Donc :
P(A)Q(A) = (a0 I n + a1 A + · · · )(b0 I n + b1 A + · · · )
= a0 b0 I n + (a0 b1 + a1 b0 )A + · · ·
= (PQ)(A).

Remarque (importante).
En particulier, pour tous P, Q ∈ K[X ], les matrices P(A) et Q(A) commutent :
P(A)Q(A) = Q(A)P(A).
De même, les endomorphismes P( f ) et Q( f ) commutent.

1.2. Exemples
Exemple 3 (Polynôme d’une matrice diagonale).
Pour
λ1 0 · · ·
 
0
. .. 
 0 λ2 . . . 

D= . .
 .. .. ...

0
0 ··· 0 λn
on a :
P(λ1 )
 
0 ··· 0
.. .. 
 0 P(λ2 ) . . 

P(D) =  . .. ..
 ..

. . 0 
0 ··· 0 P(λn )
quel que soit le polynôme P(X ) ∈ K[X ].
POLYNÔMES D’ENDOMORPHISMES 2. SOUS-ESPACES STABLES 3

Exemple 4.
Montrer plus généralement que pour une matrice triangulaire
λ1 ∗ · · · ∗
 
. . 
 0 λ2 . . .. 

T = . .
 .. .. ... ∗ 

0 · · · 0 λn
on a :
P(λ1 )
 
∗ ··· ∗
. .. 
 0 P(λ2 ) . . . 

P(T ) =  . .. ..
 ..

. . ∗ 
0 ··· 0 P(λn )
pour tout polynôme P(X ) ∈ K[X ]. Les coefficients au-dessus de la diagonale peuvent avoir une
expression compliquée, mais les coefficients diagonaux sont obtenus simplement en leur appliquant
le polynôme P.

Mini-exercices.

1. Soit A = −2 1
0 3 . Pour P(X ) = X 2 − X , calculer P(A). Idem avec P(X ) = X 3 − X , puis P(X ) =
X4 − X.
y
2. Soit f : R3 → R3 , f (x, y, z) = ( 2 , −x, 3z). Pour P(X ) = X n , calculer P( f ) en fonction de
n > 1 (commencer par les petites valeurs de n : n = 1, 2, 3, 4, . . .).

3. Soient A = −4 1 , P(X ) = X − 3X . Montrer
2 −3 2
que P(A) = 10I2 . Factoriser P(X ) et en déduire
€ 1 0 −2 Š
A−1 . Faire un travail similaire pour A = 0 −4 1 , P(X ) = X 3 + 4X 2 + X .
1 0 −1

4. Soient A, A , B des matrices (avec B inversible) telles que A0 = BAB −1 . Montrer que, pour tout
0

polynôme P(X ) ∈ K[X ], P(A0 ) = BP(A)B −1 .


5. Trouver une matrice A de taille 3 × 3 telle que A2 6= 0, mais A3 = 0. Trouver une matrice B de
taille 3 × 3 telle que B 2 6= I3 , mais B 3 = I3 .

2. Sous-espaces stables

2.1. Définition

Définition 1.
Soit E un K-espace vectoriel. Soit f ∈ L (E). Le sous-espace vectoriel F de E est stable par f
si :
∀x ∈ F f (x) ∈ F.

Autrement dit, F est stable par f si f (F ) ⊂ F .


Un premier exemple : les sous-espaces propres de f sont stables par f . En effet, si F = Ker( f −λ id E )
alors, pour x ∈ F , f (x) = λx ∈ F .
Exemple 5.
Soit (e1 , e2 , e3 ) la base canonique de R3 . Soit rθ la rotation d’axe vertical e3 et d’angle θ . L’endo-
POLYNÔMES D’ENDOMORPHISMES 2. SOUS-ESPACES STABLES 4

morphisme rθ de R3 laisse invariant deux sous-espaces :


F1 = Vect(e1 , e2 ) = Re1 ⊕ Re2 et F2 = Vect(e3 ) = Re3
La matrice de f dans cette base (e1 , e2 , e3 ) est la matrice
cos θ − sin θ 0
 

 sin θ cos θ 0 .
0 0 1
La matrice de cet exemple a une structure particulière. Voyons pourquoi.

Effet sur les matrices.


Supposons que E est de dimension n, que f est un endomorphisme de E, et que F est un sous-espace
de E stable par f . Notons
(e1 , . . . , e p )
une base de F . On la complète en une base de E :
B = (e1 , . . . , e p , e p+1 , . . . , en ).
La matrice de f dans la base B est triangulaire par blocs :

a1,1 · · · a1,p b1,1 · · · b1,n−p

 ... ..
.
..
.
..
. 
   
 a p,1 · · · a p,p b p,1 · · · b p,n−p A B
 
MatB ( f ) =  =

 0 ··· 0 d1,1 · · · d1,n−p  0 D
 . . .. .. 
 .. .. . . 
0 · · · 0 dn−p,1 · · · dn−p,n−p
où A = (ai, j )16i, j 6 p ∈ M p (K) est la matrice de f|F dans la base (e1 , . . . , e p ) de F .
Remarque.
Si E = F1 ⊕ F2 et que F1 et F2 sont tous les deux stables par f , alors la matrice de f est diagonale
par blocs :

a1,1 · · · a1,p ···

0 0
 ... ..
.
..
.
..
. 
   
 a p,1 · · · a p,p 0 ··· 0 A 0
 
MatB ( f ) =  =

 0 ··· 0 d1,1 · · · d1,n−p  0 D
 . . . . 
 .. .. .. .. 
0 · · · 0 dn−p,1 · · · dn−p,n−p
Voir l’exemple 5 ci-dessus.

2.2. Polynôme d’endomorphisme

Lemme 1.
Si F est un sous-espace vectoriel stable par f alors, pour tout polynôme P ∈ K[X ], F est stable par
P( f ).

Démonstration. Si x ∈ F , alors f (x) ∈ F et donc f ( f (x)) ∈ F . Par récurrence sur k, on montre que
Pm
f k (x) ∈ F , pour tout k > 0. Maintenant, si P(X ) = k=0 ak X k , alors P( f ) est l’endomorphisme
défini par
P( f ) = a0 id E +a1 f + a2 f 2 + · · · + am f m .
POLYNÔMES D’ENDOMORPHISMES 2. SOUS-ESPACES STABLES 5

Donc
P( f )(x) = a0 x + a1 f (x) + a2 f 2 (x) + · · · + am f m (x).
Chaque terme ak f k (x) ∈ F , donc P( f )(x) ∈ F car F est un espace vectoriel. Conclusion : F est
stable par P( f ).

Une autre proposition souvent utile est la suivante :


Proposition 2.
Soient f et g deux endomorphismes de E qui commutent, c’est-à-dire tels que f ◦ g = g ◦ f . Alors
Ker g et Im g sont stables par f .

Démonstration.
• Soit x ∈ Ker g. On a g(x) = 0, d’où g( f (x)) = f (g(x)) = f (0) = 0, donc f (x) ∈ Ker g.
• Soit y ∈ Im g. Il existe x ∈ E tel que y = g(x), d’où f ( y) = f (g(x)) = g( f (x)), donc
f ( y) ∈ Im g.

2.3. Polynôme caractéristique


Soit F un sous-espace stable par un endomorphisme f : E → E. Dans ce cas, on note f|F : F → F ,
x ∈ F 7→ f (x) ∈ F , la restriction de f à F . L’application f|F est un endomorphisme de F .
Lemme 2.
Soit f un endomorphisme de E (de dimension finie). On suppose aussi qu’il existe un sous-espace F
de E laissé stable par f . Notons χ f|F le polynôme caractéristique de la restriction de f à F . Alors :
χ f|F (X ) divise χ f (X ) dans K[X ].

Démonstration. On considère une base (e1 , . . . , e p ) de F , et on la complète en une base


(e1 , . . . , e p , e p+1 , . . . , en ) de E. La matrice de f dans cette base est de la forme
 
A B
M=
0 D
où A ∈ M p (K) est la matrice de f|F dans la base (e1 , . . . , e p ).
On a alors
χ f (X ) = det(M − X I n )

A − X Ip B
=
0 D − X I n−p

= det(A − X I p ) × det(D − X I n−p )


= χ f|F (X ) × Q(X ).
Cela prouve que χ f|F (X ) divise χ f (X ).

Mini-exercices.
1. Soit f : R3 → R3 , f (x, y, z) = (2x − y, 3x − 2 y, 31 z). Calculer la matrice de f dans la base
canonique et déterminer le polynôme caractéristique de f . En déduire les sous-espaces stables
de l’application f .
POLYNÔMES D’ENDOMORPHISMES 3. THÉORÈME DE CAYLEY-HAMILTON 6

1 −1 0
€ Š
2. Soit A = . Trouver une valeur propre de A et un vecteur propre associé. Montrer
−2 −1 −1
−1 −2 1 € −1 Š €0Š
que les vecteurs w1 = 0 et w2 = 1 engendrent un sous-espace stable de dimension 2
1 1
de cette matrice. En déduire une matrice P telle que P −1 AP soit une matrice diagonale par
blocs.
€ −2 0 −2 Š
3. Soit f l’application linéaire définie par la matrice A = −1 1 −1 . Soit g l’application linéaire
€2 0 1Š 4 0 4
définie par la matrice B = 3 3 3 . Montrer que f ◦ g = g ◦ f . Calculer Ker g et Im g, et
−2 0 −1
vérifier qu’ils sont stables par f . Calculer Ker f et Im f , et vérifier qu’ils sont stables par g.

3. Théorème de Cayley-Hamilton

3.1. Énoncé

Théorème 1 (de Cayley-Hamilton).


Soit A ∈ Mn (K). Alors

χA(A) = 0.

De même, soit f ∈ L (E), avec E de dimension finie. Alors

χ f ( f ) = 0.

L’égalité χA(A) = 0 signifie que le polynôme caractéristique appliqué à A donne la matrice nulle.
L’égalité χ f ( f ) = 0 signifie que le polynôme caractéristique appliqué à f donne l’application nulle.
Exemple6. 
1 −2
Soit A = ∈ M2 (R). Le polynôme caractéristique de A est
1 −1

1 − X −2
χA(X ) = det(A − X I2 ) = = (1 − X )(−1 − X ) + 2 = X 2 + 1.
1 −1 − X
Vérifions le théorème de Cayley-Hamilton sur cet exemple, en calculant χA(A) :
χA(A) = A2 + I2 = −I2 + I2 = 0.
Exemple 7.
Plus généralement, en dimension 2, posons
 
a b
A= ∈ M2 (R).
c d
On sait que
χA(X ) = X 2 − (a + d)X + ad − bc.
Vérifions que χA(A) = 0 :
POLYNÔMES D’ENDOMORPHISMES 3. THÉORÈME DE CAYLEY-HAMILTON 7

χA(A) = A2 − (a + d)A + (ad − bc)I2


a + bc ab + bd
 2     
a b ad − bc 0
= − (a + d) +
ac + cd bc + d 2 c d 0 ad − bc
 
0 0
=
0 0
Exemple 8.
Soient les deux matrices de Mn (K) suivantes :
 
0 1 0 ··· 0
 
0 ··· ··· 0 1
 .. . . . . . . ..  1 0 · · · · · · 0
. . . . .
.. .. 
.  
.. ..

N = .. et J = 0 1 . ..

. . 0

.
 . . . . . . .. 
 .. ..   .. . . . . .
. 1
0 ··· ··· ··· 0 0 ··· 0 1 0
D’une part, χN (X ) = (−1)n X n et on a bien N n = 0. D’autre part, χJ (X ) = (−1)n (X n − 1) et on a
bien J n = I n .

3.2. Preuve
Démonstration du théorème de Cayley-Hamilton.
On suppose E de dimension finie n. Soit f un endomorphisme de E. Soit x un vecteur non nul de
E. Soit 1 6 p 6 n le plus grand entier tel que la famille

x, f (x), . . . , f p−1 (x)
soit libre. Alors, forcément, la famille

x, f (x), . . . , f p−1 (x), f p (x)
est liée et, plus précisément,
c0 x + c1 f (x) + · · · + c p−1 f p−1 (x) + f p (x) = 0 (1)
pour certains coefficients c0 , . . . , c p−1 ∈ K.
Posons F = Vect(x, f (x), . . . , f p−1 (x)). C’est un sous-espace vectoriel de E (de dimension p) stable
par f . En effet, notons v0 = x, v1 = f (x), . . . , vp−1 = f p−1 (x). Alors, pour 0 6 k 6 p − 2, on a
f (vk ) = vk+1 ∈ F ; et, par la relation (1),
f (vp−1 ) = f p (x) = −c0 v0 − c1 v1 − · · · − c p−1 vp−1 ∈ F.
De plus, la matrice de la restriction f|F dans la base

x, f (x), . . . , f p−1 (x)
est la matrice  
0 · · · · · · 0 −c0
.. .. .. 
1 . . . 

. . . . .. .. 

A=
0 . . . . .
. .. .. .. 
 .. . . 0 . 
0 · · · 0 1 −c p−1
POLYNÔMES D’ENDOMORPHISMES 3. THÉORÈME DE CAYLEY-HAMILTON 8

C’est une matrice compagnon, donc


χA(X ) = ±(X p + c p−1 X p−1 + · · · + c0 ).
D’après le lemme 2, χA(X ) divise χ f (X ), c’est-à-dire
χ f (X ) = Q(X )χA(X )
pour un certain polynôme Q(X ) ∈ K[X ]. On a alors :

χ f ( f )(x) = Q( f ) ◦ χA( f ) (x)

= Q( f ) χA( f )(x)

= Q( f ) ± ( f p (x) + c p−1 f p−1 (x) + · · · + c0 x)
= Q( f )(0)
=0
Finalement, χ f ( f )(x) = 0 pour tout vecteur x de E, et donc χ f ( f ) = 0.

3.3. Polynôme annulateur

Définition 2.
On dit qu’un polynôme P(X ) est un polynôme annulateur de la matrice A (ou de l’endomor-
phisme f ) si P(A) = 0 (ou P( f ) = 0).

Exemple 9.
• Soit p : E → E tel que p2 = p (c’est une projection). Alors X 2 − X est un polynôme annulateur
de p.
• Soit r : E → E tel que r 2 = id E (c’est une réflexion). Alors X 2 − 1 est un polynôme annulateur
de r.
Reformulation du théorème de Cayley-Hamilton :

Le polynôme caractéristique de la matrice A (resp. de l’endomorphisme f ) est


un polynôme annulateur de A (resp. de f ).

Où chercher les valeurs propres, connaissant un polynôme annulateur mais ne connaissant pas le
polynôme caractéristique ?
Proposition 3.
Si P est un polynôme annulateur de f , alors
sp( f ) ⊂ { racines de P }.

Le même énoncé est bien sûr vrai pour les matrices.

Démonstration. Soit x est vecteur propre de f , associé à une valeur propre λ. Comme f (x) = λx,
on a :
∀k > 0 f k (x) = λk x
et plus généralement, pour tout polynôme Q(X ) :
Q( f )(x) = Q(λ)x
En particulier, comme P( f )(x) = 0, alors P(λ)x = 0, ce qui implique P(λ) = 0 car x 6= 0.
POLYNÔMES D’ENDOMORPHISMES 4. POLYNÔME MINIMAL 9

Mini-exercices.
€ −5 −3 3 Š
1. Soit A = 7 3 −3 . Calculer le polynôme caractéristique de A. Vérifier que χA(A) = 0.
1 −2 2
2. Soit f : R → R défini par f (x 1 , x 2 , x 3 , x 4 ) = (3x 1 +5x 2 , −2x 1 −4x 2 , −x 4 , x 3 +2x 4 ). Calculer
4 4

le polynôme caractéristique de f . Vérifier que χ f ( f ) = 0.


 −3 −2 0 −2 ‹
3. Soit A = 20 10 02 23 . Montrer que X 3 − 3X − 2 est un polynôme annulateur de A. En déduire
0 0 0 −1
les valeurs propres de A.

4. Polynôme minimal
Nous venons de démontrer que si f est un endomorphisme et χ f est son polynôme caractéristique
alors χ f ( f ) = 0 (et de même χA(A) = 0 pour A ∈ Mn (K)). Nous allons démontrer qu’il existe un plus
petit polynôme ayant cette propriété, ce polynôme n’étant pas toujours le polynôme caractéristique.

4.1. Définition

Proposition 4.
Soit f un endomorphisme de E. Il existe un unique polynôme µ f (X ) ∈ K[X ] qui vérifie les trois
conditions suivantes :
• µ f (X ) est un polynôme annulateur pour f ;
• µ f (X ) est unitaire ;
• si P(X ) ∈ K[X ] est un polynôme annulateur de f alors deg µ f (X ) 6 deg P(X ).

Ce polynôme est appelé le polynôme minimal de f . C’est donc le polynôme unitaire de degré le
plus petit qui annule f . On définit de même le polynôme minimal µA(X ) d’une matrice A ∈ Mn (K).
Exemple 10.
Soit  
0 −1 1
A = 1 2 −1 ∈ M3 (R).
1 1 0
Montrons que µA(X ) = X 2 − X .
• On vérifie que A2 − A = 0, donc le polynôme X 2 − X annule A.
• On vérifie que A− λI3 n’est jamais la matrice nulle (quel que soit λ ∈ R). Donc aucun polynôme
de degré 1 n’annule A.
• Le polynôme X 2 − X est donc le polynôme unitaire de plus petit degré annulant A. Conclusion :
µA(X ) = X 2 − X .
Autres exemples. Le polynôme minimal de la matrice identité I n est µA(X ) = X − 1 (quel que soit
n > 1). Le polynôme minimal de la matrice nulle est X .

Non seulement le polynôme minimal est le polynôme annulateur de degré le plus petit, mais c’est
aussi le plus petit au sens de la division des polynômes.
Proposition 5.
POLYNÔMES D’ENDOMORPHISMES 4. POLYNÔME MINIMAL 10

Le polynôme minimal de f , µ f (X ), divise tous les polynômes annulateurs de f .

Rappels sur la division euclidienne.


Soient P, Q deux polynômes dans K[X ]. Si Q 6= 0, alors il existe un unique couple (B, R) tels que
B, R ∈ K[X ] et :
P = BQ + R et deg R < deg Q.
Le polynôme R peut éventuellement être nul. En plus, R = 0 si et seulement si Q divise P.
Nous prouvons les propositions 4 et 5 en même temps.

Démonstration.
• Notons n = dim E. Soit f un endomorphisme de E et soit χ f son polynôme caractéristique. Par
le théorème de Cayley-Hamilton, le polynôme χ f annule f . Ainsi, l’ensemble des polynômes P
non nuls vérifiant P( f ) = 0 n’est pas vide. Choisissons dans cet ensemble un polynôme Q de
degré minimal.
• Il est clair que tout polynôme multiple de Q s’annule également en f . En effet, si P = BQ, alors
P( f ) = B( f ) ◦ Q( f ) = 0 car Q( f ) = 0.
• Réciproquement, soit P ∈ K[X ] tel que P( f ) = 0. On effectue la division euclidienne de P par
Q : on obtient P = BQ + R avec deg R < deg Q. Ainsi
P( f ) = B( f ) ◦ Q( f ) + R( f ) = 0.
Comme de plus Q( f ) = 0, alors on déduit de la division euclidienne que l’on a aussi R( f ) = 0.
Par l’absurde, si R(X ) n’est pas le polynôme nul, alors on a obtenu un polynôme non nul qui
annule f et qui est de degré strictement inférieur à celui de Q ; c’est contradictoire avec le
choix de Q. Bilan : R = 0. D’où P = BQ, c’est-à-dire Q divise P.
• Vérifions l’unicité d’un tel Q s’il est choisi unitaire. Supposons qu’il existe Q 1 et Q 2 , tous deux
de degré minimal, unitaires et annulant f . Alors, par ce qui précède, Q 1 divise Q 2 et de même
Q 2 divise Q 1 , ce qui prouve que Q 1 = Q 2 .

4.2. Lien avec le polynôme caractéristique


Une conséquence immédiate de la section précédente (proposition 5) et du théorème de Cayley-
Hamilton est que le polynôme minimal divise le polynôme caractéristique :

µ f (X ) divise χ f (X )

Cela va impliquer que les racines du polynôme minimal sont exactement les valeurs propres :
Proposition 6.
Soit λ ∈ K. Alors :

λ valeur propre de f ⇐⇒ µ f (λ) = 0

Démonstration.
• ⇐=. On sait que µ f divise χ f . Comme χ f (X ) = B(X ) × µ f (X ) alors, si λ est racine du polynôme
minimal, µ f (λ) = 0 et donc χ f (λ) = B(λ) × µ f (λ) = 0. Donc λ est racine du polynôme
caractéristique : c’est donc une valeur propre de f .
POLYNÔMES D’ENDOMORPHISMES 4. POLYNÔME MINIMAL 11

• =⇒. Réciproquement, supposons que λ soit une valeur propre de f et notons x un vecteur
propre, de sorte que f (x) = λx. Alors, pour tout k > 0, f k (x) = λk x et plus généralement, pour
tout polynôme P ∈ K[X ], P( f )(x) = P(λ)x. Donc P(λ) est valeur propre de l’endomorphisme
P( f ). On applique ceci au polynôme minimal µ f (X ) : µ f ( f )(x) = µ f (λ)x. Or, par définition
du polynôme minimal, µ f ( f ) est l’endomorphisme identiquement nul. Ainsi µ f ( f )(x) = 0,
donc par l’égalité précédente µ f (λ)x = 0. Comme x 6= 0, alors µ f (λ) = 0.

Comment trouver le polynôme minimal d’une matrice ?


Comme le polynôme minimal divise le polynôme caractéristique, alors on a le résultat suivant :
Lemme 3.
Soit A ∈ Mn (K). On suppose que le polynôme caractéristique de A est scindé :
χA(X ) = ±(X − λ1 )m1 · · · (X − λ r )mr
où m1 , . . . , m r > 1, λ1 , . . . , λ r ∈ K sont deux à deux distincts. Alors :
µA(X ) = (X − λ1 )k1 · · · (X − λ r )kr
pour certains entiers 1 6 ki 6 mi (i = 1, . . . , r).

Un cas particulier important : si le polynôme caractéristique est ±(X − λ)n , alors le polynôme
minimal est (X − λ)d avec 1 6 d 6 n.
Exemple 11.
Voici trois exemples, à vous de faire les calculs.
     
0 1 0 0 0 1 0 0 0 1 0 0
0 0 0 0 0 0 1 0 0 0 1 0
A 
0 0 0 1 0
    
0 0 0 0 0 0 1
0 0 0 0 0 0 0 0 0 0 0 0
χA(X ) X 4
X4 X4
µA(X ) X2 X3 X4
Exemple 12 (Polynôme minimal d’une matrice diagonale).
Soit
λ1 0 · · · 0
 
. . 
 0 λ2 . . .. 

D= . . .
 .. .. ... 0 
0 · · · 0 λn
Alors µ D (X ) = λ∈sp(D) (X − λ) où sp(D) = {λ1 , . . . , λn } et les valeurs propres sont comptées sans
Q

multiplicité. Par exemple, si  


2 0 0
D = 0 2 0  ,
0 0 −5
alors λ1 = 2, λ2 = 2 et λ3 = −5. Donc sp(D) = {2, −5}. Le polynôme minimal est µ D (X ) =
(X − 2)(X + 5). Le polynôme caractéristique, quant à lui, est χ D (X ) = −(X − 2)2 (X + 5).
POLYNÔMES D’ENDOMORPHISMES 4. POLYNÔME MINIMAL 12

4.3. Diagonalisation
Nous arrivons à une nouvelle condition nécessaire et suffisante de diagonalisation.
Théorème 2.
Une matrice A ∈ Mn (K) (resp. un endomorphisme f ∈ L (E)) est diagonalisable sur K si et
seulement si son polynôme minimal est scindé à racines simples dans K.

On rappelle qu’un polynôme P(X ) ∈ K[X ] est scindé à racines simples dans K s’il se factorise
en :
P(X ) = a(X − λ1 ) · · · (X − λ r )
où a ∈ K et λ1 , . . . , λ r ∈ K sont deux à deux distincts.

Exemple 13.
Soit  
2 1 −1
A = −1 −1 3  .
0 −1 3
On a
2 − X 1 −1

χA(X ) = −1 −1 − X 3 = (2 − X )(1 − X )2 .
0 −1 3 − X
Le polynôme minimal µA de A divise χA et admet les mêmes racines : il est donc égal à (X −1)(X −2)
ou (X − 1)2 (X − 2). Or  
−1 −1 1
(A − I3 )(A − 2I3 ) =  2 2 −2 6= 0,
1 1 −1
donc le polynôme minimal de A n’est pas (X − 1)(X − 2). Ainsi, le polynôme minimal est égal
à (X − 1)2 (X − 2), et en particulier il admet une racine double. Par conséquent, le théorème 2
implique que A n’est diagonalisable ni dans R ni dans C.

Démonstration.
• =⇒. Si A est diagonalisable, A est semblable à une matrice diagonale. Or deux matrices
semblables ont le même polynôme minimal (à faire en exercice). Donc il suffit de calculer le
polynôme minimal d’une matrice diagonale, ce qui est l’objet d’un exercice précédent (exemple
12) : ce polynôme est scindé à racines simples.
• ⇐=. On suppose que le polynôme minimal de A est scindé à racines simples : µA(X ) =
(X − λ1 ) · · · (X − λ r ) avec λ1 , . . . , λ r ∈ K deux à deux distincts.
— La décomposition en éléments simples de la fraction µA1(X ) donne :
1 a1 ar
= + ··· +
µA(X ) X − λ1 X − λr
où ai ∈ K pour tout 1 6 i 6 r. On multiplie par µA(X ) des deux côtés :

µ (X ) µ (X )
1 = a1 A + · · · + ar A
X − λ1 X − λr
On définit les polynômes :
µ (X ) Y
Q i (X ) = A = (X − λ j )
X − λi j=1,...,r
j6=i
POLYNÔMES D’ENDOMORPHISMES 4. POLYNÔME MINIMAL 13

Donc
1 = a1Q 1 (X ) + · · · + a r Q r (X ).
— Si on applique cette égalité à la matrice A, on trouve :
I n = a1Q 1 (A) + · · · + a r Q r (A).
Soit un vecteur v ∈ Kn . On a :
v = a1Q 1 (A)(v) + · · · + a r Q r (A)(v). (2)
— Or, pour tout 1 6 i 6 r, Q i (A)(v) ∈ Ker(A − λi I n ). En effet,
(A − λi I n )(Q i (A)(v)) = µA(A)(v) = 0.
— Par conséquent, l’égalité (2) implique que v ∈ Ker(A− λ1 I n ) + · · · + Ker(A− λ r I n ). Ceci étant
vrai quel que soit v ∈ Kn , alors
Kn = Ker(A − λ1 I n ) + · · · + Ker(A − λ r I n ).
Mais, d’autre part, les valeurs propres étant distinctes, les sous-espaces propres sont en
somme directe (voir le chapitre « Diagonalisation »). En conclusion :
Kn = Ker(A − λ1 I n ) ⊕ · · · ⊕ Ker(A − λ r I n )
C’est exactement dire que A est diagonalisable.

Remarque : pour la réciproque, on peut aussi utiliser le lemme des noyaux (voir le chapitre
« Décomposition de Dunford et réduction de Jordan »).

Corollaire 1.
Une matrice A ∈ Mn (K) est diagonalisable sur K si et seulement si elle admet un polynôme
annulateur scindé à racines simples dans K.

Corollaire 2.
Soit f un endomorphisme de E, diagonalisable sur K. Si F est un sous-espace vectoriel de E stable
par f , alors la restriction f|F est encore diagonalisable sur K.

Démonstration. En effet,
µ f ( f ) = 0 =⇒ µ f ( f|F ) = 0 =⇒ µ f|F divise µ f .
Mais si µ f est scindé à racines simples dans K, tous ses diviseurs le sont aussi. En particulier, µ f|F
est scindé à racines simples dans K, donc f|F est diagonalisable.

Mini-exercices.
1. Soit P un polynôme annulateur d’un endomorphisme f . Montrer que, pour tout λ ∈ sp( f ),
P(λ) = 0.
2. Montrer que deux matrices semblables ont le même polynôme minimal.

3. Trouver le polynôme minimal de A = −1 1
. Cette matrice est-elle diagonalisable ? Même
 € 1 1 −2 −4
Š 3 € 1 0 −1 Š
exercice avec B = 30 −13 , C =
12 −5 0 2 0 , D = 3 −2 5 .
−1 1 0 0 0 1

Auteurs du chapitre
D’après un cours de Sandra Delaunay et un cours d’Alexis Tchoudjem.
Revu et augmenté par Arnaud Bodin.
POLYNÔMES D’ENDOMORPHISMES 4. POLYNÔME MINIMAL 14

Relu par Stéphanie Bodin et Vianney Combet.

Vous aimerez peut-être aussi