Ministère de l’Enseignement Supérieur et de la Recherche Scientifique

Université de Gabès
Institut Supérieur de l’Informatique de Médenine

Diagonalisation d'une Matrice

Niveau : 1ère année Année universitaire : 2022-2023

I.1 Elément propres d'une matrice :

I.1.1 Valeurs propres et vecteurs propres :

Dénition I.1 (Eléments propres d'une matrice carrée) : Soit A ∈

M (R) avec n ∈ N . Soit λ ∈ M (R), on dit que λ est une valeur propre de
∗

A s'il existe un vecteur colonne X non nul tel que A.X = λ.X . Un tel vecteur
est appelé alors vecteur propre de A associé à la valeur propre λ.
 
1 2 1
Exercice 1 : Soit A= 2 4 2 
−1 −2 −1
1. Montrer que 0 et 4 sont deux valeurs propres de A
  
1 2 2
Exercice 2 : Soit A= 2 1 2 
2 2 1
1. Résoudre le système AX = 5X
2. EN déduire que 5 est une valeur propre de A et déterminer un vecteur propre
associé à cette valeur propre.
I.1.2 Sous espaces propres :
Exemple I.2 :Soit l'endomorphisme de R3 déni par : f ((x, y, z)) = (3x + y + z, x +
3y + z, x + y + 3z))
1. Déterminer la matrice A de f dnas la base canonique de R . 3

2. Déterminer un vecteur non nul X tel que A.X = 2.X . En déduire que 2 est une
valeur propre de A.
Dénition I.3 : Soit A ∈ M (R) avec n ∈ N . Soit λ ∈ R une valeur propre
∗

de A. L'ensemble E = {X ∈ M (R) tq A.X = λ.X} est un sous espace

n

vectoriel non nul de R appelé le sous-espace propre de A associé à la valeur

λ n,1
n

propre λ.
 
1 2 2
Exercice 3 : Soit
A= 2 1 2 
2 2 1
   
1 1
1. SoitX =  2  et
X =  1  . Calculer A.X et A.Y . En déduire que −1
−3
et sont deux valeurs propres de .
1
5 A
2. Déterminer une base de chacun des sous-espaces propres E E .
−1 5

II Détermination pratique des valeurs propres :

II.1 Polynôme caractéristique :

Soit E un espace vectoriel et f un endomorphisme de E. Soit λ ∈ R, alors il existe

un vecteur X non nul tel que : f (X) = λ.X
Ceci implique (f − λ.id)(X) = 0 . Soit B une base de E et A la matrice de f dans
la base B.
E

Répondre par vrai au faux :

 vrai faux
ker(f − idE ) = 0E
f − idE = 0E n'est pas injective
det(A − idE ) 6= 0E

Dénition II.1 : Soit A ∈ Mn (R) avec n ∈ N∗ . le déterminant det(A − λ.In )

est un polynôme de degré n appelé le polynôme caractéristique de A. On le
note χ .
A

−1 1
 
1
Exemple II.2 :Soit A =  1 −1 1 
1 1 −1
1. Montrer que 1 et −2 sont des valeurs propres de A.
2. Calculer le polynôme caractéristique χ de A
A

3. Déterminer les racines du polynôme caractéristique χ de A A

4. Que peut-on conclure?.

Proposition II.3 Soit A ∈ M (R) avec n ∈ N . les racines du polynôme

∗

caractéristique de A sont exactement les valeurs propres de A.

n

II.2 Ordre de multiplicité d'une valeur propre :

 
1 2 3
Exemple II.4 :Soit A= 0 1 2 
0 0 2
1. Calculer le polynôme caractéristique χ de A
A

2. Déterminer les racines du polynôme caractéristique χ ainsi que leurs ordres de

multiplicité dans χ
A
A

Dénition II.5 : Soit A ∈ M (R) avec n ∈ N . On appelle ordre de multi-

∗

plicité de λ et on note m l'ordre de multiplicité de λ en tant que racine du

n

polynôme caractéristique de A.
λ

 
2 1 1
Exemple II.6 :Soit A= 0 2 1 
0 0 1
1. Calculer le polynôme caractéristique χ de A
A

2. En déduire que les valeurs propres de A sont 1 et 2. Déterminer m et m .

1 2
 3. Déterminer une base de chacun des sous-espaces propres E et E . En déduire
dim(E ) et dim(E ).
1 2
1 2

4. Comparer dim(E ) et m puis dim(E ) et m .

1 1 2 2

5. Que peut-on remarquer?

Proposition II.7 Soit A ∈ M (R) avec n ∈ N . Pour toute valeur propre λ∗

de A on a : 1 ≤ dim(E ) ≤ m
n
λ λ

II.3 Relation entre les valeurs propres


1 1 1
Exemple II.8 :Soit A= 0 2 1 
−1 1 3
1. Montrer que χ (λ) = −(λ − 1)(λ − 2)(λ − 3)
A

2. Calculer la somme des valeurs propres de A. Comparer cette somme avec tr(A)
3. Calculer le produit des valeurs propres de A. Comparer ce produit avec det(A)
4. Quelle proposition peut-on prétendre?............................................................
.................................................................................................................
.................................................................................................................
8 1 −6
 

Exercice 4 : Soit A =  −5 3 5 
4 1 −2
 
1
1. Calculer A. 1 

1
2. En déduire que 3 est une valeur propre de A.
3. Déterminer les autres valeurs propres de A
III Matrices diagonalisables :
     
1 0 1 0 0 0 1 0 1
Exemple III.1 :Soit ,
A= 0 1 0  D= 0 1 0  et P = 0 1 0 
1 0 1 0 0 2 −1 0 1
1. Montrer que P est inversible et déterminer son inverse P . −1

2. En déduire que A = P.D.P −1

Dénition III.2 : Soit A ∈ M (R) avec n ∈ N . On On dit que A diago- ∗

nalisable s'il une existe matrice............D et une matrice..............P telle que

n

...........
Exercice 5 :Soit A = et P =
   
1 −1 2 −1
2 4 −2 2
1. Montrer que P est inversible et déterminer son inverse P . −1

2. On pose D = P .A.P . Montrer que D est une matrice diagonale.

−1

3. déduire que A est diagonalisable.

IV Diagonalisation d'une matrice carrée

IV.1 Critères de diagonalisation :

Exemple IV.1 :Soit A = On suppose que A est diagonalisable. Soient D

 
1 1
0 1
une matrice diagonale et P une matrice inversible telles que A = P.D.P . −1

1. Montrer que det(D) = det(A) = 1.

2. Montrer que tr(D) = tr(A) =2

3. En déduire D = 10 01


4. Aboutir à une contradiction et conclure que A n'est pas diagonalisable.

Remarque : On voit donc qu'il existe des matrices diagonalisables et des
matrices qui ne le sont pas.
Comment peut-on décider si une matrice est diagonalisable ou pas.
IV.1.1 Une condition nécessaire et susante :
 
0 3 2
Exemple IV.2 : SoitA =  −2 5 2 
2 −3 0
   
1 0 0 1 3 1
1. Soient et
D= 0 2 0  P = 1 2 0  .Montrer que A = P.D.P −1

0 0 2 −1 0 1
2. En déduire que est diagonalisable.
A
3. Montrer que χ (λ) = −(λ − 2) (λ − 1). 2

4. En déduire les valeurs propres de A et leur ordre de multiplicité.

A

5. Montrer que dim(E ) = m et dim(E ) = m

1 1 2 2

Proposition IV.3 Soit A ∈ M (R) avec n ∈ N . On dit que A est diagonali-

∗

sable si et seulement si :
n

 χ est scindé sur R.

A

 Pour toute valeur propre λ de A, dim(E ) = m . λ λ

  
1 0 0
Exercice 6 :Soit A =  0 0 −1 
0 1 0
1. Montrer que χ (λ) = −(λ − 1)(λ + 1).
A
2

2. En déduire que A n'est pas diagonalisable.

−2 5
 
7
Exercice 7 :Soit A =  −1 6 9 
0 −2 −3
1. Montrer que est une valeur propre de A. Quel est son ordre de multiplicité?
2
2. Calculer la dimension du sous-espace propre de A.
3. En déduire que A n'est diagonalisable.
−2 −2 1
 

Exercice 8 :Soit A =  −2 1 −2 
1 −2 −2
1. Montrer que χ (λ) = −(λ − 3)(λ + 3) .
A
2

2. Calculer la dimension de chaque sous-espace propre de A.

3. En déduire que A est diagonalisable.
IV.1.2 Une condition susante :
−1 1 0
 

Exemple IV.4 :Soit A= 0 1 1 

0 0 2
1. Montrer que A admet trois valeurs propres distinctes qu'on déterminera.
2. Pour chaque valeur propre, déterminer la dimension du sous-espace propre as-
sociée. En déduire que A est diagonalisable.
3. Peut-on prétendre ce résultat sans aucun calcul?
Proposition IV.5 Soit A ∈ M (R) avec n ∈ N . Si A admet n valeurs propres
∗

........., alors A est diagonalisable.

n

V Pratique de diagonalisation

V.1 Exemple avec valeurs propres simples

 
1 1 1
Soit f l'endomorphisme de R de matrice
3
A= 0 2 2 
0 0 3
dans la base canonique B de R .
c
3
 1. Calculer le polynôme caractérestique χ de A. En déduire que les valeurs propres
de A sont 1, 2 et 3.
A

2. En résolvant les systèmes AX = λX avec λ ∈ {1, 2, 3}, montrer


que E = 1
1 1
vect{V }, E = vect{V }, E = vect{V } avec V =
1 2 2 3 3
 0
1
 V =  1 , 2
0 0
 
3
V3 =  4  .
2
3. Montrer que B = (V , V , V ) est une base de R 
1 2 3
3

1 0 0
4. Montrer que la matrice de f dans la base B est D = 0
 2 0  .
0 0 3
 
1 1 3
5. Montrer que la matrice de passage de la base B à la base B est
c P = 0 1 4  .
0 0 3
6. Exprimer A en fonction de D et P
V.2 Exemple avec une valeur propre double

1 0 1
Soit f l'endomorphisme de R de matrice
3
A= 0 2 0  dans la base canonique
0 0 1
B de R .
c
3

1. Calcul du polynôme caractérestique :χ (λ) = −λ(λ − 3) . Donc les valeurs

propres de A sont :
A 2

a) 0 : de multiplicité 1
b) 2 de multiplicité 2
2. Sous-espace propre :
a) En résolvant le systéme AX = 0, on trouve, E = vect{V }, avec V =
0 1 1
−1

 0 
1
b) En résolvant
 
le systéme
 
AX = 2X , on trouve, E = vect{V , V }, avec
2 2 3
1 0
V =
2
 0 ,V =
 3
 1 
1 0
3. Diagonalisabilité : Le polynôme caractéristique de A est scindé et on a :
a) dim(E0 ) = 1 = m0
 b) dim(E2 = 2 = m2
Donc A est diagonalisable.
4. Diagonalisation : La famille B = (V , V , V ) est une base de R et on a : 3

f (V ) = 0, f (V ) = 2V , f (V ) = 2V , la matrice de R dans la base B

1 2 3
3
1 2 2 3 3
 
0 0 0
s'écrit D =  0 2 0 , la matrice de passage de la base B à la base B c
0 0 2
−1 1 0
 

estP =  0 0 1  . D'après le théorème du changement de base on a :

1 1 0
A = P.D.P −1
.
VI Synthèse de la méthode

Soit à diagonaliser une matrice A ∈ M (R) avec n ∈ N : n

∗

1. On calcule le polynôme caractéristique χ de A puis on détermine les

racines dans R de ce polynôme.
A

2. Si le polynôme caractéristique χ n'est pas scindé sur R, alors A ............

diagonalisable.
A

3. Si au contraire χ est scindé sur R, alors pour chaque racine λ de χ ,

on résoud le systéme homogéne (A − λ.I ).X = 0, où X est un vecteur
A A

colonne de R . L'ensemble des solutions de ce systéme est le sous-espace

n
n

propre E . La résolution conduit à une base B de E donc dim(E ).

λ λ λ λ

4. S'il existe λ tel que dim(E ) < m où m est l'ordre de multiplicité de λ

comme racine de χ , alors A ........... diagonalisable.
λ λ λ
A

5. Sinon A ......... diagonalisable, et la juxtaposition des bases B donne une

base B de R formée de vecteurs propres de A. On en déduit la matrice de
λ
n

passage P de la base canonique B à la base B et l'égalité A = P.D.P .

c
−1

6. Les coecients diagonaux de D sont les valeurs propres de A placées

édans l'ordre des vecteurs propres de la base B.

VII Application : Calcul des puissances d'une ma-

trice carrée

1 2 −2
 

Exemple VII.1 :1Soit A =  2 1 −2 

2 2 −3
Calculer A , A et A
2 3 4
 On se rend compte que les calculs sont pénibles. Par contre, si A est diagonali-
sable, les calculs peuvent se simplier énormément.
Vérions d'abord que A est diagonalisable : Pour cela :
1. Montrer que χ (λ) = −(λ
A
2
− 1)(λ + 1)
−1
     
1 1
2. Montrer que E = vect 1 , E = vect 1 , 0 
1
  2
  
1 0 1
3. En déduire que A est diagonalisable et déterminer une matrice diagonale D et
une matrice inversible P telles que A = P.D.P . −1

Calculons maintenant A pour tout n ∈ N.

n

1. Calculer D pour tout n ∈ N.

n

2. Montrer que, pour tout n ∈ N, A = P.D .P .

n n −1

3. Calculer alors A pour tout n ∈ N.

n