TD n 6 Diagonalisation de matrices carres

EXERCICE 1 Dterminer les valeurs propres et vecteurs propres des matrices suivantes : A1 = , A2 = , A3 = , A4 = .

Sont-elles diagonalisables ? Une matrice dordre n a n valeurs propres (pas ncessairement distinctes) dans lensemble des complexes. A1 Les valeurs propres de A1 sont les racines du polynme dt(A1 I). Comme : A1 I = , on a : dt(A1 I) = (6 )(1 ) + 6 = 7 + 12. Le discriminant de ce polynme tant : = 7 4(12) = 1 > 0, la matrice A1 a deux valeurs propres relles distinctes : 1 = = 4 et 2 = = 3. Les vecteurs propres de A1 associs 1 = 4 sont les vecteurs P1 tels que A1P1 = 4P1, autrement dit tels que (A1 4I)P1 = 0. Ce sont donc les vecteurs de ker((A1 4I). Si lon note respectivement C1 et C2 les deux colonnes de la matrice A1 4I = alors : 3C1 + 2C2 = 0. Il sensuit que (C1 C2) = 0, ou encore que (A1 4I) = 0. Le vecteur appartient donc ker(A1 4I). Il en constitue mme une base puisque, 4 tant une valeur propre simple de A1, la dimension de ker(A1 4I) est gale 1. Les vecteurs propres de A1 associs 1 = 4 sont donc les vecteurs de la forme . , on a

Les vecteurs propres de A1 associs 2 = 3 sont les vecteurs P2 tels que A1P2 = 3P2, autrement dit tels que (A1 3I)P2 = 0. Ce sont donc les vecteurs de ker(A1 3I). Si lon note C1 et C2 les deux colonnes de la matrice A1 3I = C1 + C2 = 0 Le vecteur appartient donc ker(A1 3I). Il en constitue mme une base puisque, 3 . tant une valeur propre simple de A1, la dimension de ker(A1 3I) est gale 1. Les vecteurs propres de A1 associs 2 = 3 sont donc les vecteurs de la forme , on voit que :

Comme A1 a deux valeurs propres distinctes, elle est diagonalisable.

A2 Les valeurs propres de A2 sont les racines du polynme Dt(A2 I). Comme : A2 I = on a : dt(A1 I) = (1 ) dt . Cette matrice tant la transpose de A1, elle a les mmes valeurs propres que cette dernire, savoir 3 et 4. Les trois valeurs propres de A2 sont donc 1, 3 et 4. Les vecteurs propres de A2 associs 1 sont les vecteurs P1 tels que A2P1 = P1. Ce sont donc les vecteurs de ker(A2 + I). Si lon note respectivement C1, C2 et C3 les trois colonnes de la matrice : A2 + I = on a : 0C1 + C2 + 0C3= 0. Il sensuit que les vecteurs propres de A2 associs 1 sont les vecteurs de la forme a . , . Les trois valeurs propres de A2 sont donc 1 et les deux valeurs propres de la matrice : ,

Les vecteurs propres de A2 associs 3 sont les vecteurs P2 tels que A2P2 = 3P2. Ce sont donc les vecteurs de ker(A2 3I). Si lon note respectivement C1, C2 et C3 les trois colonnes de la matrice : A2 3I = on a : 2C1 + C2 3C3= 0. . ,

Il sensuit que les vecteurs propres de A2 associs 3 sont les vecteurs de la forme b

Les vecteurs propres de A2 associs 4 sont les vecteurs P3 tels que A2P3 = 4P3. Ce sont donc les vecteurs de ker(A2 4I). Si lon note respectivement C1, C2 et C3 les trois colonnes de la matrice : A2 4I = on a : C1 + C2 C3= 0. ,

Il sensuit que les vecteurs propres de A2 associs 4 sont les vecteurs de la forme b

Comme A2 a trois valeurs propres distinctes (deux deux), elle est diagonalisable.

A3 Les valeurs propres de A3 sont les racines du polynme Dt(A3 I). Dt(A3 I) = dt = dt ( = L2 + L1) = dt ( = C2 C1) = ( 1 )[( 1 + )( ) + 2] = (1 + )( + + 2). La matrice A3 a donc 1 1 pour valeur propres, ces deux autres valeurs propres tant les racines 2 + 2. Le discriminant de ce polynme tant = 9, celui-ci a deux racines relles distinctes : = 1 et = 2. La matrice A3 a donc 1 pour valeur propre double et 2 pour valeur propre simple : 1 = 2 = 1 et 3 = 2. Les vecteurs propres de A3 associs 1 sont les vecteurs P tels que A2P = 1P. Ce sont donc les vecteurs de ker(A3 + I). La matrice A3 + I = tant de rang 1 (C1 est non nulle, C2 = C1 et C3 = C1), on

a (thorme des dimensions) : dimker(A3 + I) = 2. En outre, on a : C1 + C2 + 0C3= 0 et C1 + 0C2 C3= 0. Les vecteurs et sont donc des vecteurs propres de A3 associs 1. Comme ils ne

sont pas proportionnels et comme dimker(A3 + I) = 2, ils forment mme une base de ker(A3 + I). Les vecteurs propres de A3 associs 1 sont donc les vecteurs de la forme a Les vecteurs propres de A3 associs 2 sont les vecteurs de ker(A3 2I). Si lon note respectivement C1, C2 et C3 les trois colonnes de la matrice : A3 2I = on a : C1 C2 + C3= 0. Le vecteur est donc un vecteur propre de A3 associs 2. , +b .

Les vecteurs propres de A3 associs 2 sont donc les vecteurs de la forme a

La matrice A3 est diagonalisable puisque la dimension du sous-espace propre de A3 associ 1 est gale la multiplicit algbrique de 1, lautre valeur propre de A3 tant simple.

A4 Les valeurs propres de A4 sont les racines du polynme Dt(A4 I). Or Dt(A4 I) = (2 )(5 )(5 ). La matrice A4 a donc 2 pour valeur propre simple et 5 pour valeur propre double. Les vecteurs propres de A4 associs 2 sont les vecteurs P tels que A4P = 2P. Ce sont donc les vecteurs de ker(A4 2I). Si lon note respectivement C1, C2 et C3 les trois colonnes de la matrice : A4 2I = on a : C1 + 0C2 + 0C3= 0. Il sensuit que les vecteurs propres de A4 associs 2 sont les vecteurs de la forme a . ,

Les vecteurs propres de A4 associs 5 sont les vecteurs P tels que A4P = 5P. Ce sont donc les vecteurs de ker(A4 5I). Or, la matrice : A4 5I = tant de rang 2, on a (thorme des dimensions) : dimker(A4 5I) = 1. Si lon note respectivement C1, C2 et C3 les trois colonnes de la matrice A4 5I, on a : C1 + 0C2 + 3C3 = 0. Le vecteur appartient donc ker(A4 5I). Il en constitue mme une base puisque

dimker(A4 5I) = 1. Les vecteurs propres de A4 associs 5 sont donc les vecteurs de la forme b .

En outre, la matrice A4 nest pas diagonalisable puisque la dimension du sous-espace propre de A4 associ 5 nest pas gale la multiplicit algbrique de 5.

EXERCICE 2 Linverse de la matrice : P= est : P1 = =

. ,

P 1A1P =

1. Le rsultat est la matrice A2 de lexercice 7 du TD 4. La matrice de lapplication g( ) de lexercice 7 du TD 4 par rapport la base : B= . aurait pu tre obtenue en partant de sa matrice par rapport la base canonique, qui est la matrice A1. En pr-multipliant cette matrice par P 1 et en la post-multipliant par P, o P est la matrice dont les colonnes sont formes par les vecteurs de la base B. EXERCICE 3 Soit la matrice M : M= .

1. RangM = 1 (trois lignes identiques non nulles). 2. Les colonnes de M tant lies, on a : dt(M) = 0. Le rel 0 est donc racine du polynme dt(M I) : cest une valeur propre de M. Le sous-espace propre de M associ 0 est kerM. Comme (thorme des dimensions) on a : nombre de colonnes de M = rangM + dimkerM, il sensuit que dimkerM = 3 1 = 2. 3. Si lon note C1, C2 et C3 les trois colonnes de M respectivement, on a : C1 2C2 + 0C3 = , C1 + 0C2 + 2C3 = , 0C1 + C2 + C3 = , C1 C2 + C3 = , 4. Comme C1 2C2 + 0C3 = et 0C1 + C2 + C3 = , les deux vecteurs :
et

appartiennent kerM. Ils sont en outre linairement indpendants (puisquils ne sont pas proportionnels). Ils forment donc une base de kerM, puisque, on la vu, dimkerM = 2 (deux vecteurs linairement indpendants de kerM forment donc une base de kerM). Lensemble kerM, i.e. le sous-espace propre de M associ 0, est donc lensemble des combinaisons linaires des vecteurs :
et .

5. La trace dune matrice tant la somme des termes situs sur la diagonale principale de cette matrice, on a : tr(M) = 2 + 1 1 = 2. La matrice M tant dordre 3, elle a trois valeurs propres, que lon notera 1, 2 et 3. Comme dimkerM = 2, le rel 0 est valeur propre au moins double de M (puisque la dimension du sous-espace propre associ une valeur propre est infrieure ou gale la multiplicit algbrique de cette valeur propre). On a donc : 1 = 2 = 0. Et comme, la trace dune matrice est gale la somme de ses valeurs propres : tr(M) = 1 + 2 + 3, on en dduit que : 3 = tr(M) 1 2 = tr(M) 0 0 = 2. La troisime valeur propre de M est 2. 6. Le sous-espace propre de M associ 2 est ker(M 2I).

Si lon note C1, C2 et C3 les trois colonnes de M 2I : M 2I = on a : C1 + C2 + C3 = . Le vecteur :

,

appartient donc ker(M 2I). Il forme mme une base de cet espace vectoriel (qui est ncessairement de dimension un puisque 3 est valeur propre simple de M) Lensemble ker(M 2I), i.e. le sous-espace propre de M associ 2, est donc lensemble des homothtiques du vecteur :
.

7. Comme la multiplicit algbrique de chaque valeur propre de M est gale la dimension du sous-espace propre de M qui lui est associ, la matrice M est diagonalisable. On a donc : M = PDP 1 o D est une matrice diagonale des valeurs propres de M, par exemple : D=
,

et o P est une matrice de vecteurs propres de M correspondante, par exemple : P=

.

8. Calculer Mt. Mt = PDtP 1 P1

Dtermination de P 1 par la mthode du pivot :

Do : Mt =

(faire le calcul)

EXERCICE 3 Soit le systme dquations linaires suivant : [1] o t IN.

1. [1]

= .

Le systme [1] est donc bien de la forme : Xt+1 = AXt, avec A =

2. Proposition dmontrer : pour tout entier naturel t strictement positif, on a : Xt = AtX0 . Au rang 1, X1 = AX0. Ce que lon vrifie en remplaant t par 0 dans le systme [1]. On vrifie ensuite que Xt = AtX0 Xt+1 = At+1X0. Xt = AtX0 AXt = AAtX0 Xt+1 = At+1X0. La proposition est donc vraie au rang 1. Et, si elle est vraie au rang t, alors elle lest au rang t+1. Conclusion, elle est vraie quel que soit t > 0. 3. La matrice A est la matrice A1 de lexercice 1. Elle est donc diagonalisable. En particulier, on a : A = PDP 1 , avec D = et P = (cf. exercice 2). On a donc P 1 = Comme Xt = AtX0 = PDtP 1 X0, lorsque X0= Xt = EXERCICE 5 Soit la matrice A : , on a :
(faire les calculs).

2 1 A= 1 2 .

1. La matrice A tant symtrique (A=A), elle est diagonalisable. 2. Dt(A I) = = 1 1 = 0. Le rel 1 est donc racine de dt(A I), ce qui signifie que 1 = 1 est valeur propre de A. 3. Dt(A) = 4 1 = 3. Or si lon note 1 et 2 les deux valeurs propres de A, on a : dt(A) = 12. On a donc : 12 = 3. Ce qui donne, puisque 1 = 1 : 2 = 3. La seconde valeur propre de A est 3. 4. On note respectivement 1 et 2 les valeurs propres de A. a. Si lon note C1 et C2 les deux colonnes de A I = Le vecteur P1 = vecteur P2 = , on a alors : C1 C2 = 0. est donc un vecteur propre de A associ 1. , on a alors : C1 + C2 = 0. Le est donc un vecteur propre de A associ 3. de IRn : X= est le nombre : On a donc : c. P1P2 = = = 0. = = et = = . = . ,

Et, si lon note C1 et C2 les deux colonnes de A 3I =

b. La norme euclidienne du vecteur X

d. Comme A est diagonalisable (car elle a deux valeurs propres distinctes / car elle est symtrique ), on a : A = PD , o D est une matrice diagonale des valeurs propres de A et o P est une matrice des vecteurs propres associs. On a donc A = PD sil existe une matrice P de vecteurs propres de A tels que , autrement dit sil existe une matrice P de vecteurs propres de A telle que PP = PP = I. Or, cest le cas si P est forme de vecteurs propres orthogonaux et de norme unitaire. Les vecteurs P1 et P2 sont des vecteurs propres orthogonaux de A (car, on la vu dans la question prcdente, P1P2 = 0 ) ; si on les divise par leur norme respective, on obtient des vecteurs propres orthogonaux et de norme unitaire : et
car

. On a donc A = PD = = 0).

avec P =

(puisqualors PP =

=I

EXERCICE 6 Soit la matrice Q :

Q=

1 1 1 2 2 1 1 2 1 2 1 1 2 2 1

1. Sans calcul, pouvez-vous dire si Q est-elle diagonalisable ? Q est symtrique (puisque Q = Q) donc diagonalisable. 2. Dterminer les valeurs propres de cette matrice. Les trois colonnes de Q sont lies (leur somme est gale 0). Le rel 0 est donc valeur propre de cette matrice : 1 = 0 (car dt(Q) = 0 et le dterminant de Q est gal au produit de ses valeurs propres). 3 Par ailleurs, comme le rang de la matrice Q 2I =

1 1 1 2 2 2 1 1 1 2 2 2 1 1 1 2 2 2

est gal 1 (puisque les trois

3 colonnes de cette matrice sont identiques et non nulles), dt(Q 2I) = 0, ce qui signifie que le 3 rel 2 est une valeur propre de Q. Il sagit mme dune valeur propre double puisque : la matrice Q, tant dordre 3, elle a trois valeurs propres (dont lune, on la vu, est gale 0) et 3 que la multiplicit algbrique de la valeur propre 2 est suprieure ou gale la dimension du sous espace propre de Q associ cette valeur propre ( savoir 2, daprs le thorme des dimensions dim ker(Q I) = ordreQ rang dim ker(Q I) = 3 1 = 2 = 2). 3 On a ainsi : 2 = 3 = 2.

3. Dterminer des vecteurs propres de cette matrice orthogonaux deux deux. Les vecteurs propres de Q associs 0 sont les vecteurs de ker(Q). Comme 0 est une valeur propre simple de Q, ker(Q), le sous-espace propre de Q associ 0 est de dimension 1. Si lon note C1, C2 et C3 les trois colonnes de Q respectivement on a : C1 + C2 + C3 = 0. Le vecteur P1 = est donc un vecteur propre de Q associ 0.

Les vecteurs propres de Q associs sont les vecteurs de ker(Q I) (qui est, on la vu, de dimension 2). Si lon note C1, C2 et C3 les trois colonnes de Q I respectivement,

Q I=

, on a : C1 C2 + 0C3 = 0. Le vecteur P2 =

est donc un vecteur

propre de Q associ . x y Les autres vecteurs propres de Q associs et orthogonaux P2, sont les vecteurs P3 = z qui vrifient le systme de deux quations : P3P2 = 0 (vecteurs orthogonaux P2) (Q I)P3 = 0 (vecteurs propres de Q associs ) savoir le systme : xy=0 x y z=0

ce qui donne : x=y z = 2y Les vecteurs propres de Q associs et orthogonaux P2 sont donc les vecteurs de la forme y , o y est un rel.

4. Dterminer une matrice P de trois vecteurs propres de cette matrice telle que P 1 = P. P1 = , P2 = et P3 = sont trois vecteurs propres de Q orthogonaux deux deux.

Pour que la matrice P soit telle que P 1 = P, il faut quelle soit forme par des vecteurs propres orthogonaux et de norme unitaire. On peut par exemple choisir : P2 P3 P1 P = P P P 1 2 3 Ce qui donne, puisque P1 = 3, P2 = 2 et P3 = 6:

P=

Remarque : on peut faire la mme chose avec les matrices A3 de lexercice 1 et M de lexercice 2 (puisquelles sont symtriques).