CHAP 2
DIAGONALISATION
Valeurs propres d’une matrice.
Soient K un corps commutatif, 𝑛 ∈ ℕ∗ et 𝐴 ∈ 𝑀𝑛 𝐾 .
S’il existe un scalaire a dans K et un n-vecteur X dans Kn non nul tels
que :
AX = aX
alors on dit que a est une valeur propre de A
et que X est un vecteur propre de A associé à la valeur propre a.
Sous-espace propre
Pour toute valeur propre a, l’ensemble
Ea ={XKn / AX = aX}
= {XKn / (A – aI) X = 0}
est un sous-espace vectoriel, appelé le sous-espace
propre de A associé à la valeur propre a.
La dimension de Ea est dite l’ordre de multiplicité
géométrique de la valeur propre a.
Polynôme caractéristique
On suppose dans ce paragraphe que 𝐴 ∈ 𝑀𝑛 𝐾 .
Un scalaire a K est valeur propre de A
- Il existe un n-vecteur non nul uKn tel que Au = au.
- det (A – aI) = 0.
- A – aI n’est pas inversible.
Le polynôme PA(x)=det(A– xI) est appelé polynôme caractéristique de A.
Il est de degré n. Il a pour zéros les valeurs propres de A.
L’ordre de multiplicité algébrique
L’ordre de multiplicité algébrique d’une valeur propre a, noté
M(a), est sa multiplicité dans le polynôme caractéristique PA.
On a : PA(x) = (x – a)M(a) Q(x),
avec Q un polynôme qui ne s’annule pas en a.
Exemple
C1 C1+C2+C3
Remarques
• A possède donc au plus n valeurs propres, distinctes ou pas.
• A est singulière (non inversible) si, et seulement si, 0 est
valeur propre de A.
• Si A est triangulaire (en particulier diagonale), alors les
termes diagonaux de A sont exactement les valeurs
propres de A.
Théorème de Cayley-Hamilton
Théorème de Cayley-Hamilton : PA(A) = 0.
Cela veut dire que si PA(x) = a0+ a1x + a2x2 + ... + anxn, alors :
a0I + a1A + a2 A2 + ... + anAn = 0.
Le terme constant du polynôme caractéristique de A est le déterminant de A.
A l’aide du théorème de Cayley-Hamilton, on peut trouver :
• si det A 0, la matrice inverse de A ;
• si det A = 0, une matrice B non nulle telle que AB = BA = 0.
Exemple
1 2 . On a : 𝑃
Soit A = 𝐴 𝑥 = 𝑥 2 − 3𝑥 − 4
3 2
Le théorème de Cayley Hamilton donne:
𝑃𝐴 𝐴 = 𝐴2 − 3𝐴 − 4𝐼 = 0
Ainsi 𝐴 𝐴 − 3𝐼 = 4𝐼, 𝑑 ′ 𝑜ù 𝐴 𝑒𝑠𝑡 𝑖𝑛𝑣𝑒𝑟𝑠𝑖𝑏𝑙𝑒 𝑒𝑡 𝑠𝑜𝑛 𝑖𝑛𝑣𝑒𝑟𝑠𝑒 𝑒𝑠𝑡:
1
𝐴−1 = (𝐴 − 3𝐼)
4
Matrices semblables
Deux matrices A et B dans Mn(K) sont semblables
s’il existe une matrice inversible P dans Mn(K) telle que B = P-1AP.
Les conservations.
Deux matrices semblables ont le même déterminant, le même
polynôme caractéristique, les mêmes valeurs propres, le même rang.
Elles sont toutes les deux régulières (inversibles) ou toutes les deux
singulières (non inversibles).
Attention : deux matrices semblables n’ont en général pas les mêmes
vecteurs propres.
Propriétés
1) Si A est inversible, alors A et A-1 ont les mêmes vecteurs propres et
des valeurs propres inverses.
2) Une matrice A et sa transposée tA ont les mêmes valeurs propres.
3) Les puissances.
Soient A, B et P dans Mn(K). Alors :
En effet: Bk = (P-1AP) (P-1AP) …. (P-1AP) = P-1AA …A P = P-1AkP
Diagonalisation d’une matrice
Définition. Une matrice A dans Mn(K) est diagonalisable si
A est semblable à une matrice diagonale,
c’est-à-dire il existe une matrice diagonale D et une matrice
inversible P telles que P-1AP = D.
P est appelée la matrice de passage.
Diagonaliser une matrice, c’est lui trouver une
matrice diagonale semblable.
Remarque
La diagonalisation n’est pas toujours possible. Il existe des
matrices non diagonalisables.
Exemple.
Condition nécessaire et suffisante de diagonalisation
Une matrice A ∈ Mn(K) est diagonalisable si, et seulement si,
les deux conditions suivantes sont vérifiées :
1) ⅀ 𝑎 𝑣𝑎𝑙𝑒𝑢𝑟 𝑝𝑟𝑜𝑝𝑟𝑒 𝑑𝑒 𝐴 𝑀(𝑎) = 𝑛.
(la somme des multiplicités algébriques de toutes les valeurs
propres de A vaut n)
2)Pour toute valeur propre a, on a : dim (Ea) = M(a).
Diagonalisation
Si A est diagonalisable, alors les matrices P et D vérifiant P-1AP = D
sont déterminés comme suit :
• Les colonnes de P sont les coordonnés de vecteurs propres de A. Pour
chaque valeur propre a, on prend des vecteurs propres formant une
base de Ea.
• La diagonale de D est formée des valeurs propres de A, chacune
répétée suivant sa multiplicité, et dans le même ordre des valeurs
propres de A.
Remarque. P et D ne sont pas uniques (il suffit de changer l’ordre des
valeurs propres et des vecteurs propres associés).
Condition suffisante de diagonalisation
Si A ∈ Mn(K) possède n valeurs propres
différentes, alors A est diagonalisable.
Exemple
Etapes de diagonalisation
Voici comment diagonaliser une matrice A de type (n,n), quand c’est possible.
1. On détermine le polynôme caractéristique PA de A. C’est un polynôme de degré n.
2. On résout l’équation : PA (x) = 0 et on déduit les valeurs propres a1, a2, ..., an de A (pas
forcément différents) ainsi que leurs multiplicités algébriques M(ai) ; 1 i n (par
factorisation de PA).
3. Pour chaque valeur propre a, on trouve le sous-espace propre associé Ea ainsi que sa
dimension (multiplicité géométrique).
Etapes de diagonalisation
4. On vérifie si les deux conditions de diagonalisation sont
satisfaites :
•⅀ 𝑎 𝑣𝑎𝑙𝑒𝑢𝑟 𝑝𝑟𝑜𝑝𝑟𝑒 𝑑𝑒 𝐴𝑀(𝑎) = 𝑛.
• dim (Ea) = M(a) pour toute valeur propre a)
Si oui, A est diagonalisable.
Sinon elle n’est pas diagonalisable.
Diagonalisation
Si A est diagonalisable, on désigne par P la matrice de type (n,n) :
• P= [u1 |u2 |... |un] dont les colonnes sont des vecteurs propres ui (1in). Pour
chaque valeur propre a, on prend des vecteurs propres formant une base de Ea.
• On désigne par D la matrice diagonale des valeurs propres de A
On a : A = PDP-1
On dit qu’on a diagonalisé la matrice A.
Exemple
1 1 1 𝑥 0
⟺ 𝐴 + 2𝐼 𝑢 = 0 ⟺ 1 1 1 𝑦 = 0
1 1 1 𝑧 0
Exemple
De même