Cours Diagonalisation

par Pierre Veuillez

1 Objectif
Pour une matrice A donnée, déterminer une matrice D diagonale et une matrice P inversible
telle que A = P · D · P −1 .

Interprètation : Quelle relation reconnaı̂t-on ? Que doit-on déterminer pour arriver à un tel
résultat ?

Dans toute la suite, E sera un espace vectoriel de dimension finie.

2 Diagonalisation d’endomorphisme
2.1 Eléments propres
Définition : Soient f ∈ L (E) et u ∈ E
u est un vecteur propre de f si u 6= 0 et s’il existe α ∈ R tel que f (u) = αu.

Méthode : u étant donné, comment montrer que α existe ?

Exercice 1 : Soit f définie par f (P ) = (X + 1) P 0 .

Montrer que f ∈ L (R2 [X]) et que (X + 1)2 est un vecteur propre de f.

Définition : f ∈ L (E) est diagonalisable s’il existe une base de E dans laquelle la matrice de
f est diagonale
f est diagonalisable s’il il existe une base de vecteurs propres.

Définition : Soient f ∈ L (E) et u ∈ E et α ∈ R.

u est un vecteur propre de f associé à la valeur propre α si u 6= 0 et f (u) = αu.
 
2 1 2
Exercice 2 : Soit f ∈ L (R ) de matrice A = dans la base canonique.
3 2
Montrer que (1, −1) est vecteur propre de f associé à la valeur propre −1.

Définition : Soient f ∈ L (E) et α ∈ R.

α est une valeur propre de f si il existe u 6= 0 tel que f (u) = αu.

Méthode : Comment trouver u pour α donné ? Quelle est son image par f − αId ?
 
0 1
Exercice 3 : Soit A = et f : M → AM.
1 0
Montrer que f est un endomorphisme de M2 (R) . Montrer que 1 est valeur propre de f.

Théorème Soient f ∈ L (E) et α ∈ R.

α est une valeur propre de f si et seulement matB (f ) − αI non inversible
ce qui équivaut auusi à ker (f − αId) 6= {0}

Exercice : le démontrer

Cours Diagonalisation Page 1/5

Définition : f ∈ L (E) et α une valeur propre de f.
Le sous espace propre de f associé à la valeur propre α est Eα = {u ∈ E / f (u) = αu} =
ker (f − αId) .

Exercice 4 : Soit f définie par f (x, y) = (x + 2y , 2x + y) pour tout (x, y) ∈ R2 .

Montrer que f ∈ L (R2 ) et déterminer sa matrice dans la base canonique.
Montrer que u = u (1, 1) est vecteur propre de f et déterminer la valeur propre associée.
Montrer que α = −1 est valeur propre de f et déterminer le sous espace propre E−1
associé. Montrer que v = (1, −1) ∈ E−1 .
Montrer que (u, v) est une base de R2 et déterminer la matrice de f dans cette base.
1 2
En déduire une matrice D diagonale et une matrice P inversible telle que =
2 1
P · D · P −1

Théorème : f ∈ L (E) et E de dimension finie alors

f bijective ⇐⇒ 0 n’est pas valeur propre de f

Exercice 5 : le démontrer !

2.2 Spectre d’un endomorphisme.

Définition : f ∈ L (E) .
Le spectre de f est l’ensemble de ses valeurs propres.

Méthode matricielle : M la matrice de f dans une base de E.

A quelle condition sur M, α est-il valeur propre de f ?
 
0 1 1
Exercice 1 : Soit f ∈ L (R3 ) de matrice M =  1 1 0 .. Déterminer les valeurs propres
1 0 1
de f.

Par résolution de système : On détermine, en discutant suivant la valeur de α, les solutions

de (f − αId) (u) = 0
Quand on trouve des solutions non nulles, α est valeur propre et les solutions sont le sous
espace propre associé.
 
3 −1 −1
Exercice 2 Soit f ∈ L (R3 ) de matrice M =  1 1 −1  dans la base canonique.
1 −1 1
Déterminer les sous espaces propres de f ainsi qu’une base de chacun.

2.3 Conditions de diagonalisabilité

Théorème : Des vecteurs propres associés à des valeurs propres distinctes forment une famille
libre.

Preuve : Par récurrence, en prenant l’image par f et en combinant pour éliminer un+1 .

Conséquence : Combien peut-il y avoir de valeurs propres distinctes au plus ?

Cours Diagonalisation Page 2/5

Exercice 1 : Soit f définie par f (P ) = (X + 1) P 0 endomorphisme de R2 [X] (Exercice 1)
Montrer que P = 1, Q = X + 1 et R = (X + 1)2 sont des vecteurs propre de f.
En déduire (toutes) les valeurs propres de f.

Théorème (Condition suffisante) : Soit f ∈ L (E) et [Link] dimension n.

Si f a n valeurs propres distinctes alors
la concaténation d’un vecteur propre associé à chaque valeur propre .
forme une base de vecteurs propres de E et f est donc diagonalisable
 
0 −1 1
Exercice 2 : Soit f de matrice M =  −1 0 1  dans la base canonique de R3 .
1 −1 0
Montrer que 0, 1 et −1 sont valeurs propres de f.
(f est-elle bijective ? Montrer que (1, 0, 1) ∈ Im (f ) )
En déduire une matrice P inversible telle que M = P · D · P −1 avec D de diagonale 0, 1
et −1.

Lemme (rare) : La concaténation de familles de vecteurs libres associés à des valeurs propres
distinctes forme une famille libre.

Preuve : Regrouper une combinaison nulle suivant chaque sous-espace propre et appliquer le
théorème précédent.

Conséquence : Quelle peut être la somme des dimensions des sous espaces propres ?

Théorème (CNS) Soit f ∈ L (E) et [Link] dimension n.

f est diagonalisable si et seulement si .
la somme des dimensions des sous espaces propres est n.
La concaténation des bases des sous espaces propres
forme alors une base de vecteurs propres de l’espace.
La matrice de f dans cette base est donc diagonale.
 
4 −1 −1 0
 0 3 −1 0 
Exercice 3 : Soit f ∈ L (R4 ) de matrice M =   0 −1 3 0  dans la base canonique de


2 −1 −1 2
4
R.
Montrer que 2 et 4 sont valeurs propres de f et déterminer les sous espaces propres
associés.
En déduire que f est diagonalisable ainsi qu’une base de vecteurs propres.
Déterminer enfin une matrice D diagonale et une matrice P inversible telles que M =
P · D · P −1

3 Diagonalisation d’une matrice.

3.1 Méthode générale
Définition : M ∈ Mn (R) est diagonalisable s’il existe une matrice P inversible et une matrice
D diagonale telle que
M = P · D · P −1

Cours Diagonalisation Page 3/5

Eléments propres : Soit M ∈ Mn (R) une matrice carrée.
Les éléments propres de M sont ceux de l’endomorphisme f de Rn associé à M dans la
base canonique.

 
1 2
Traduction : u = (x, y) est vecteur propre de M = signifie que ? (On dira aussi
  2 4
x
que est colonne propre)
y

Diagonalisation : Comment interpréter la relation M = P · D · P −1 pour f ?

Que représente P ?
Que trouve-t-on sur la diagonale de D ?
A quelle condition sur f, la matrice M est-elle diagonalisable ?

Thérème : Conditions de diagonalisabilité On retrouve les théorèmes précédents :

• Si M matrice d’ordre n, possède n vecteurs propres associés à n valeurs propres

distinctes, alors elle est diagonalisable.
Des vecteurs propres associés à ces n valeurs propres distinctes forment une base de
vecteurs propres.
Avec P la matrice des coordonnées des vecteurs propres associés (=les vecteurs
propres eux mêmes) en colonne et D la matrice diagonale des valeurs propres dans
le même ordre que les vecteurs propres on a M = P · D · P −1
• Une matrice M d’ordre n est diagonalisable si et seulement si Si la somme des
dimensions des sous espace propres est égale à n.
En concaténant les bases des sous espaces propres on forme une base de vecteurs
propres.
Soit P la matrice des coordonnées de ces vecteurs (=les vecteurs eux mêmes).
Soit D la matrice diagonale des valeurs propres dans le même ordre que les vecteurs
propres.
On a alors M = P · D · P −1
 
1 2
Exercice 1 : Diagonalisez
2 4
 
−2 0 0
Exercice 2 : Diagonaliser  −3 1 3 
−3 3 1

3.2 Cas particuliers

Matrices triangulaires : Soit T une matrice triangulaire.
Pour quelles valeurs de α est-ce que la matrice T − αI sera-t-elle non inversible ? Quelles
sont les valeurs propres de T ?
 
1 1 1
Exercice 1 : Soit T =  0 2 0 . Quelles sont les valeurs propres de T. Est-elle diagonal-
0 0 2
isable ?

Cours Diagonalisation Page 4/5

Relation polynômiale : Pour un polynôme de degré 2, aM 2 + bM + cI = 0.
Qu’est-ce que signifie que α est valeur propre de M ?
Comment le mettre en rapport avec la relation précédente ?
Que peut on en déduire pour α, si α est valeur propre de M ?
Que peut on dire des solutions de ax2 = bx + c = 0 ?

Théorème : Soit P un polynôme, M ∈ Mn (R) et α une valeur propre de M

Si P (M ) = 0 alors P (α) = 0
On dit que P est un polynôme annulateur de M.
(et de même si P (f ) = 0 où f est un endomorphisme de E, avec f n = f ◦ · · · ◦ f )
La réciproque est fausse.
 
2 −1 −1
Exercice 2 : Soit M =  1 0 −1 
1 −1 0
3 2
Calculer M − 3M + 2M. En déduire les valeurs propres de M et diagonaliser M.

Définition (rare) : La transposée de M est t M dont les colonnes sont les lignes de M.

Théorème (rare) : t (M · N ) = t N · t M : l’ordre du produit est inversé.

−1
Théorème (rare) : Si M est inversible alors t M également et ( t M ) = t (M −1 )

Preuve : Comment démontrer qu’une matrice est l’inverse d’une autre ?

Définition : M est symétrique si t M = M.

C’est à dire si ses lignes sont égales à ses colonnes.
Ses coefficients sont symétriques par rapport à sa diagonale.

Théorème (fréquent) : Si M est une matrice symétrique alors M est diagonalisable.

 
1 1 0
Exercice 3 : Soit M =  1 0 1 . Montrer que M est diagonalisable.
0 1 1

4 Applications
4.1 Puissances de matrice
Situations : Quels exercices usuels conduisent à une relation Un+1 = A · Un où Un est une
matrice colonne.
Comment se résout cette relation ?

4.2 Changement d’inconnue

Une matrice A étant diagonalisée A = P · D · P¨−1 , les relations l’utilisant se transforment.
Et la relation obtenue est plus facile à résoudre du fait des coefficients nuls dans D.

Exemples : Transformer A · M = M · A par le changement de matrice N = P −1 · M · P

Transformer l’équation A · M = M par le changement de matrice M = P · N..

Cours Diagonalisation Page 5/5