Vous êtes sur la page 1sur 71

REDUCTION D’ENDOMORPHISME: DIAGONALISATION

REDUCTION D’ENDOMORPHISME:
DIAGONALISATION

Dr GOLI Etienne
REDUCTION D’ENDOMORPHISME: DIAGONALISATION

Plan

1 Valeurs propres, vecteurs propres

2 Polynôme caractéristique
Polynôme caractéristique de matrices semblables
Polynôme caractéristique d’un endomorphisme
3 Diagonalisation
Théorème principal de la diagonalisation
Pratique de la diagonalisation
Applications de la diagonalisation
a) Puissance d’une matrice
b) Suites récurrentes linéaires
c) Système différentiel linéaire
REDUCTION D’ENDOMORPHISME: DIAGONALISATION

Plan

1 Valeurs propres, vecteurs propres

2 Polynôme caractéristique
Polynôme caractéristique de matrices semblables
Polynôme caractéristique d’un endomorphisme
3 Diagonalisation
Théorème principal de la diagonalisation
Pratique de la diagonalisation
Applications de la diagonalisation
a) Puissance d’une matrice
b) Suites récurrentes linéaires
c) Système différentiel linéaire
REDUCTION D’ENDOMORPHISME: DIAGONALISATION

Plan

1 Valeurs propres, vecteurs propres

2 Polynôme caractéristique
Polynôme caractéristique de matrices semblables
Polynôme caractéristique d’un endomorphisme
3 Diagonalisation
Théorème principal de la diagonalisation
Pratique de la diagonalisation
Applications de la diagonalisation
a) Puissance d’une matrice
b) Suites récurrentes linéaires
c) Système différentiel linéaire
REDUCTION D’ENDOMORPHISME: DIAGONALISATION
Valeurs propres, vecteurs propres

Plan

1 Valeurs propres, vecteurs propres

2 Polynôme caractéristique
Polynôme caractéristique de matrices semblables
Polynôme caractéristique d’un endomorphisme
3 Diagonalisation
Théorème principal de la diagonalisation
Pratique de la diagonalisation
Applications de la diagonalisation
a) Puissance d’une matrice
b) Suites récurrentes linéaires
c) Système différentiel linéaire
REDUCTION D’ENDOMORPHISME: DIAGONALISATION
Valeurs propres, vecteurs propres

Définition
Soit u ∈ EndK (E ) , on appelle vecteur propre de u tout
vecteur x ∈ E , x 6= 0, ∃λ ∈ K vérifiant u (x ) = λx et un tel
scalaire λ ∈ K est appelé la valeur propre de u s’il existe
x ∈ E , x 6= 0, tel que u (x ) = λx .

Exemple
On considère f : R3 → R3 définie par

f (x , y , z) = (x + y , y + z, z + x )

On pose v = (1, 1, 1). On a f (v ) = 2v . On en déduit que 2


est une valeur propre de f et v est un vecteur propre associé à
la valeur propre 2.
REDUCTION D’ENDOMORPHISME: DIAGONALISATION
Valeurs propres, vecteurs propres

Définition
Soit A ∈ Mn (K) . On appelle vecteur propre de A, toute
matrice colonne  
x1
 x2 
 
X =  ..   6= 0

 . 
xn
appartenant à Mn1 (K) telle qu’il existe λ ∈ K vérifiant
AX = λX .
On appelle valeur propre de A tout scalaire λ ∈ K tel qu’il
existe X ∈ Mn1 (K) , X 6= 0 avec AX = λX .
REDUCTION D’ENDOMORPHISME: DIAGONALISATION
Valeurs propres, vecteurs propres

Exemple
!
2 2
Soit A =
0 1
on a : λ1 = 1 et λ2 = 2 sont des valeurs propres de A, en effet
:
! ! !
2 2 x x
Av1 = λ1 v1 ⇔ =
0 1 y y
! !
2x + 2y x
⇔ =
y y
⇔ x = −2y alors
! ! !
x −2y −2
= =y
y y 1
REDUCTION D’ENDOMORPHISME: DIAGONALISATION
Valeurs propres, vecteurs propres

! ! !
2 2 x 2x
Av2 = λ2 v2 ⇔ =
0 1 y 2y
! !
2x + 2y 2x
⇔ =
y 2y
⇔ y =0 x ∈R alors
! ! !
x x 1
= =x
y 0 0
!
−2
d’où v1 = est un vecteur propre associé à λ1 = 1 et
1
!
1
v2 = est un vecteur propre associé à λ2 = 2.
0
REDUCTION D’ENDOMORPHISME: DIAGONALISATION
Valeurs propres, vecteurs propres

Remarque

1 λ est valeur propre de A ⇐⇒ λ est valeur propre de u, où


A = Mat (u, B),
2 B une base de E un K-espace vectoriel de dimension finie
n. Soient u ∈ EndK (E ) et λ ∈ K. Alors

λ est valeur propre de u ⇐⇒ ∃x ∈ E , x 6= 0E ;


u (x ) = λx = λidE (x )
⇐⇒ (u − λ1E ) (x ) = 0E
avec x 6= 0E
⇐⇒ ker (u − λ1E ) 6= {0E }
⇐⇒ (u − λ1E ) n’est pas injective
⇐⇒ (u − λ1E ) est non inversible
⇐⇒ det (u − λ1E ) = 0.
REDUCTION D’ENDOMORPHISME: DIAGONALISATION
Valeurs propres, vecteurs propres

Remarque
Soit A ∈ Mn (K) et soit λ ∈ K.
Alors λ est valeur propre de A ⇐⇒ det (A − λIn ) = 0.

Définition
Soit λ une valeur propre de u on pose
N = Nλ = ker (u − λ1E ) est le sous-espace vectoriel propre
associé à la valeur propre λ.

Définition
Le spectre d’une matrice A (d’un endomrphisme f ) est
l’ensemble de ses valeurs propres, il est noté ici: Sp (A)
(Sp (f )).
REDUCTION D’ENDOMORPHISME: DIAGONALISATION
Valeurs propres, vecteurs propres

Exemple
Soit
f : R3 −→ R3
x 7−→ (x + y , y + z, z + x )
Soit B la base canonique de R3 . La matrice de f est
 
1 1 0
M = MBB (f ) = 0 1 1 .
 

1 0 1

On a donc

1 − λ 1 0

det(M − λI3 ) = 0

1−λ 1
1 − λ

1 0
REDUCTION D’ENDOMORPHISME: DIAGONALISATION
Valeurs propres, vecteurs propres


1 − λ 1 1 0
det(M − λI3 ) = (1 − λ) +

0 1 − λ 1 − λ 1

= (1 − λ)3 + 1
= (2 − λ)(λ2 − λ + 1)

ou

1 − λ 1 0 2 − λ 1 0

det(M − λI3 ) = 0

1−λ 1 = 2 − λ 1 − λ

1
1 − λ 2 − λ 1 − λ

1 0 0

1 1 0

= (2 − λ) 1

1−λ 1
1 − λ

1 0
REDUCTION D’ENDOMORPHISME: DIAGONALISATION
Valeurs propres, vecteurs propres


1 1 0
−λ 1
det(M − λI3 ) = (2 − λ) 0

−λ 1 = (2 − λ)

−1 1 − λ

−1 1 − λ

0

= (2 − λ)(λ2 − λ + 1)

Par suite
det(M − λI3 ) = 0 ⇔ (2 − λ)(λ2 − λ + 1) = 0 ⇔ λ = 2.
REDUCTION D’ENDOMORPHISME: DIAGONALISATION
Valeurs propres, vecteurs propres

Exercice  
1 1 1
Soit A =  1 1 1 
 

1 1 1
1 Déterminer les valeurs propres de A.

2 Déterminer les sous-espaces vectoriels propres associés


aux valeurs propres de A.
REDUCTION D’ENDOMORPHISME: DIAGONALISATION
Valeurs propres, vecteurs propres

Correction de l’exercice
1 Les valeurs propres de A sont λ1 = 0; λ = 3.
Sp (A) = {0, 3} .
2 N0 = ker u; u endomorphisme associé à A dans la
base.canonique de R3 .
On a N0 =vect(e10 , e20 ) avec e10 = (1, 0, −1) ;
e20 = (0, 1, −1) .
N3 =vect(e30 ) avec e30 = (1, 1, 1) .
REDUCTION D’ENDOMORPHISME: DIAGONALISATION
Polynôme caractéristique

Plan

1 Valeurs propres, vecteurs propres

2 Polynôme caractéristique
Polynôme caractéristique de matrices semblables
Polynôme caractéristique d’un endomorphisme
3 Diagonalisation
Théorème principal de la diagonalisation
Pratique de la diagonalisation
Applications de la diagonalisation
a) Puissance d’une matrice
b) Suites récurrentes linéaires
c) Système différentiel linéaire
REDUCTION D’ENDOMORPHISME: DIAGONALISATION
Polynôme caractéristique

Définition
Soit A ∈ Mn (K). On appelle polynôme caractéristique de A le
polynôme
PA (X ) = det (A − XIn ) .
On a ∀A = (aij ) ∈ Mn (K) .

PA (X ) = (−1)n X n + (−1)n−1 (trA) X n−1 + ... + det A.


n
X
avec trA = aii .
i=1
REDUCTION D’ENDOMORPHISME: DIAGONALISATION
Polynôme caractéristique

Remarque

1 Soit A ∈ Mn (K) et soit λ ∈ K. A = Mat (u, B) , B une


base de E .
ssi det (u − λ1E ) = 0 = PA (λ)
a) λ est valeur propre de A
ssi λ est racine de PA (X ) .
b) A admet au maximum n valeurs propres.
2 Les valeurs propres d’une matrice triangulaire T sont
exactement les éléments de sa diagonale principale.
 
a11 a12 a13 ··· a1n
0 a22 a23 ··· a2n
 
 
 
T =

 0 0 a33 ··· a3n 

 .. .. .. .. .. 

 . . . . . 

0 0 0 ann
REDUCTION D’ENDOMORPHISME: DIAGONALISATION
Polynôme caractéristique

PT (X ) = det (T − XIn )

a −X a a13 · · · a1n
11 12
0 a22 − x a23 · · · a2n



0
= 0 a 33−X · · · a3n

. .
.. .. . .. . . . ...



0 0 0 ann − X


= (a11 − X ) (a22 − X ) ...... (ann − X )

dont les racines sont exactement a11 , a22 , ..., ann .


REDUCTION D’ENDOMORPHISME: DIAGONALISATION
Polynôme caractéristique
Polynôme caractéristique de matrices semblables

Plan

1 Valeurs propres, vecteurs propres

2 Polynôme caractéristique
Polynôme caractéristique de matrices semblables
Polynôme caractéristique d’un endomorphisme
3 Diagonalisation
Théorème principal de la diagonalisation
Pratique de la diagonalisation
Applications de la diagonalisation
a) Puissance d’une matrice
b) Suites récurrentes linéaires
c) Système différentiel linéaire
REDUCTION D’ENDOMORPHISME: DIAGONALISATION
Polynôme caractéristique
Polynôme caractéristique de matrices semblables

Proposition
Soient A, B ∈ Mn (K) , deux matrices semblables, c’est à dire,
il existe P ∈ Mn (K) inversible avec B = P −1 AP. on écrit
A v B.
On a
PA (X ) = P(P −1 AP) (X ) = PB (X ) .
REDUCTION D’ENDOMORPHISME: DIAGONALISATION
Polynôme caractéristique
Polynôme caractéristique d’un endomorphisme

Plan

1 Valeurs propres, vecteurs propres

2 Polynôme caractéristique
Polynôme caractéristique de matrices semblables
Polynôme caractéristique d’un endomorphisme
3 Diagonalisation
Théorème principal de la diagonalisation
Pratique de la diagonalisation
Applications de la diagonalisation
a) Puissance d’une matrice
b) Suites récurrentes linéaires
c) Système différentiel linéaire
REDUCTION D’ENDOMORPHISME: DIAGONALISATION
Polynôme caractéristique
Polynôme caractéristique d’un endomorphisme

Définition
Soit u ∈ EndK (E ). On appelle polynôme caractéristique
(resp. trace) de u, le polynôme caractéristique (resp. trace) de
la matrice de u dans une base quelconque de E . Pu (X ) = le
polynôme caractéristique de u. On note tr u = la trace de u.

Définition
L’endomorphisme u de E est diagonalisable s’il existe une base
B de E telle que Mat (u, B) soit diagonale.Une matrice
A ∈ Mn (K) est dite diagonalisable s’il existe P inversible
telle que D = P −1 AP, matrice diagonale. D s’appelle une
réduite diagonale de A.
REDUCTION D’ENDOMORPHISME: DIAGONALISATION
Polynôme caractéristique
Polynôme caractéristique d’un endomorphisme

Définition
Soit λ, une valeur propre de u ∈ EndK (E ). L’ordre de
multiplicité de la racine λ dans Pu (X ) est appelé la multiplicité
de la valeur propre λ et notée mλ .
λ est dite valeur propre multiple d’ordre mλ de u.
Si λ est racine multiple d’ordre mλ de Pu (X ) .
Si mλ , on dit que λ est valeur propre simple,
si mλ , double, entre autre.

Proposition
Soit λ une valeur propre, et mλ l’ordre de multiplicité de λ en
tant que racine de Pu (X ). On a alors :

1 ≤ dim(Eλ ) ≤ mλ .
REDUCTION D’ENDOMORPHISME: DIAGONALISATION
Polynôme caractéristique
Polynôme caractéristique d’un endomorphisme

Définition
Soit A ∈ Mn (K), PA (X ) le polynôme caractéristique de A est
totalement scindé sur K si:
n
PA (X ) = (−1)n (X − λi )mi ,
Y

i=1

pour λi ∈ K, ∀i.

Exemple
Dans R, PA (X ) = −X (X − 2)3 (X + 6)2 est un polynôme
scindé
Mais, Dans R, PB (X ) = −X (X 2 + 1) (X + 6)2 n’est pas un
polynôme scindé.
REDUCTION D’ENDOMORPHISME: DIAGONALISATION
Polynôme caractéristique
Polynôme caractéristique d’un endomorphisme

Remarque
Soit A ∈ Mn (K), si PA (X ) le polynôme caractéristique de A
est totalement scindé sur K c’est-à-dire:
n
PA (X ) = (−1)n (X − λi )mi ,
Y

i=1
X
pour λi ∈ K, ∀i, alors n = mi .
i
REDUCTION D’ENDOMORPHISME: DIAGONALISATION
Diagonalisation

Plan

1 Valeurs propres, vecteurs propres

2 Polynôme caractéristique
Polynôme caractéristique de matrices semblables
Polynôme caractéristique d’un endomorphisme
3 Diagonalisation
Théorème principal de la diagonalisation
Pratique de la diagonalisation
Applications de la diagonalisation
a) Puissance d’une matrice
b) Suites récurrentes linéaires
c) Système différentiel linéaire
REDUCTION D’ENDOMORPHISME: DIAGONALISATION
Diagonalisation
Théorème principal de la diagonalisation

Plan

1 Valeurs propres, vecteurs propres

2 Polynôme caractéristique
Polynôme caractéristique de matrices semblables
Polynôme caractéristique d’un endomorphisme
3 Diagonalisation
Théorème principal de la diagonalisation
Pratique de la diagonalisation
Applications de la diagonalisation
a) Puissance d’une matrice
b) Suites récurrentes linéaires
c) Système différentiel linéaire
REDUCTION D’ENDOMORPHISME: DIAGONALISATION
Diagonalisation
Théorème principal de la diagonalisation

Définition

1 Un endomorphisme f ∈ L(E ) est dit diagonalisable s’il


existe une base B de E telle que la matrice de f ,
M(f , B, B), est diagonale.
2 Une matrice A ∈ Mn (K) est diagonalisable si elle est
semblable à une matrice diagonale, c’est-à-dire si il existe
une matrice P inversible telle que P −1 AP est une matrice
diagonale.
REDUCTION D’ENDOMORPHISME: DIAGONALISATION
Diagonalisation
Théorème principal de la diagonalisation

Proposition
f ∈ L(E ). On a
1 f est diagonalisable si et seulement si E admet une base
B 0 formée par des vecteurs propres de f .
2 f est diagonalisable si et seulement si sa matrice
0
M(f , B, B) est diagonalisable. Dans ce cas PBB la matrice
de passage de B à B 0 .
3 f est diagonalisable si et seulement si la somme des
dimensions de ses sous espaces propres est égale à
n = dim(E ).
REDUCTION D’ENDOMORPHISME: DIAGONALISATION
Diagonalisation
Théorème principal de la diagonalisation

4 Une matrice A ∈ M(K ) est diagonalisable si et seulement


si l’endomorphisme

f : Kn → Kn
X 7→ AX

est diagonalisable.
5 Une matrice A ∈ Mn (K) est diagonalisable si et
seulement si la somme des dimensions de ses sous espaces
propres est égale à n = dim(E ).
REDUCTION D’ENDOMORPHISME: DIAGONALISATION
Diagonalisation
Théorème principal de la diagonalisation

Théorème
Soient E un K-espace vectoriel de dimension n,
u ∈ EndK (E ) . Les assertions suivantes sont équivalentes
1 u est diagonalisable

2 Pu (X ) le polynôme caractéristique de u est totalement


scindé sur K, et pour chaque valeur propre λi d’ordre de
multiplicié ki , on a dim Nλi = ki . où Nλi est le
sous-espace vectoriel propre associé à la valeur propre λi .

Remarque
∀u ∈ EndK (E ), avec Pu (X ) le polynôme caractéristique de u
totalement scindé sur K et de racines simples, alors u est
diagolisable.
REDUCTION D’ENDOMORPHISME: DIAGONALISATION
Diagonalisation
Théorème principal de la diagonalisation

Exemple
 
0 1 1
La matrice A =  1 0 1 

 est-elle diagonalisable?
0 0 1

PA (X ) = − (X − 1)2 (X + 1) .

λ1 = −1, valeur propre simple λ2 = 1, valeur propre double.


On a N1 = vect (e10 ) avec e10 = (1, 1, 0) ainsi dim N1 = 1 < 2
or l’ordre de multiplicité de λ2 est 2, donc A n’est pas
diagonalisable.

Théorème
Toute matrice réelle symétrique est diagonalisable.
REDUCTION D’ENDOMORPHISME: DIAGONALISATION
Diagonalisation
Pratique de la diagonalisation

Plan

1 Valeurs propres, vecteurs propres

2 Polynôme caractéristique
Polynôme caractéristique de matrices semblables
Polynôme caractéristique d’un endomorphisme
3 Diagonalisation
Théorème principal de la diagonalisation
Pratique de la diagonalisation
Applications de la diagonalisation
a) Puissance d’une matrice
b) Suites récurrentes linéaires
c) Système différentiel linéaire
REDUCTION D’ENDOMORPHISME: DIAGONALISATION
Diagonalisation
Pratique de la diagonalisation

La procédure est un peu longue à appliquer, mais assez simple.

1 Factoriser le polynôme caractéristique


Attention au calcul du déterminant : le but étant de
factoriser, vous avez intérêt à combiner des lignes ou des
colonnes, plutôt que de développer, même en dimension
3. Si le polynôme caractéristique a des racines complexes,
la matrice n’est pas diagonalisable dans R, mais elle peut
l’être dans C. Nous supposons désormais que le polynôme
caractéristique est scindé :
n
PA (X ) = (−1)n (X − λi )mi .
Y

i=1
REDUCTION D’ENDOMORPHISME: DIAGONALISATION
Diagonalisation
Pratique de la diagonalisation

2 Trouver une base de chaque sous-espace propre


Vous avez k systèmes linéaires à résoudre. Si pour l’une
des valeurs propres λi , le système (A − λi I)x = 0 est de
rang strictement supérieur à n − mi (l’ensemble des
solutions est de dimension strictement inférieure à mi ),
alors la matrice n’est pas diagonalisable. Supposons que
vous ayez bien trouvé une base de mi vecteurs propres
pour chaque valeur propre λi . Rassemblez les vecteurs
que vous avez trouvés pour chaque valeur propre, il y en a
n en tout. La matrice dont les colonnes sont ces n
vecteurs est la matrice de passage P de la base canonique
à la nouvelle base.
REDUCTION D’ENDOMORPHISME: DIAGONALISATION
Diagonalisation
Pratique de la diagonalisation

3 Calculer l’inverse de P.
Vous avez alors explicité la diagonalisation : P −1 AP = D.
Attention à respecter le même ordre dans l’écriture des
valeurs propres, et dans celle des colonnes de P. Le calcul
de P −1 n’est pas indispensable, sauf si vous avez
explicitement besoin du changement de base.
4 Vérifiez vos calculs.
Le plus simple est de calculer PDP −1 : vous devez
retrouver A. Vous pouvez aussi vérifier pour chacun des
vecteurs que vous avez trouvés qu’il est bien vecteur
propre.
Pour le cas des valeurs propres de multiplicité 1, signalons
comme alternative à la résolution du système linéaire, la
"méthode des cofacteurs", à utiliser uniquement en
dimensions 2 et 3.
REDUCTION D’ENDOMORPHISME: DIAGONALISATION
Diagonalisation
Pratique de la diagonalisation

Exemple
Soit  
0 1 1
−1 3 −1 
A=
 2 2 2 
3 −3 1
2 2 2

Commençons par écrire la matrice A − XI.


 
−X 1 1
 −1 3 −1
A − XI =  2 2
−X 2


3 −3 1
2 2 2
−X

Il faut ensuite calculer son déterminant. Il serait maladroit


d’utiliser la règle de Sarrus pour développer le déterminant et
le factoriser ensuite. Il vaut mieux le factoriser en faisant
apparaître des zéros par combinaison de lignes et de colonnes.
Ajoutons d’abord la seconde colonne à la première :
REDUCTION D’ENDOMORPHISME: DIAGONALISATION
Diagonalisation
Pratique de la diagonalisation


−X 1 1 1 − X 1 1

−1 3 −1 3 −1
PA (X ) = 2 2
−X 2
= 1 − X

2
−X 2

3 −3 1 C1 ←C1 +C2 −3 1
−X − X

0
2 2 2 2 2

On peut alors factoriser (1 − X ) dans la première colonne :



1 1 1

3 −1
PA (X ) = (1 − X ) 1 2
−X 2

−3 1
− X

0
2 2

Soustrayons ensuite la première ligne à la deuxième :


REDUCTION D’ENDOMORPHISME: DIAGONALISATION
Diagonalisation
Pratique de la diagonalisation


1 1 1

3 −1
PA (X ) = (1 − X ) 1 2
−X 2
L2 ← L2 − L1
−3 1
− X

0
2 2

1 1 1

1 −3
= (1 − X ) 0

2
−X 2

−3 1
− X

0
2 2
REDUCTION D’ENDOMORPHISME: DIAGONALISATION
Diagonalisation
Pratique de la diagonalisation

Ajoutons la deuxième ligne à la troisième :



1 1 1

1 −3
PA (X ) = (1 − X ) 0 2
−X 2
L3 ← L2 + L3
−3 1
− X

0
2 2

1 1 1

1 −3
= (1 − X ) 0

2
−X 2


−1 − X −1 − X

0

On peut alors factoriser (−1 − X ) dans la deuxième ligne :



1 1 1

1 −3
PA (X ) = (1 − X )(−1 − X ) 0 2
−X 2


0 1 1

Soustrayons ensuite la troisième colonnes à la deuxième :


REDUCTION D’ENDOMORPHISME: DIAGONALISATION
Diagonalisation
Pratique de la diagonalisation


1 1 1

1 −3
PA (X ) = (1 − X )(−1 − X ) 0

2
−X C
2 2
← C2 − C3
0 1 1

1 0 1

−3
= (1 − X )(−1 − X ) 0 2−X 2


0 0 1

Par suite, on a :

PA (X ) = (1 − X )(−1 − X )(2 − X ).

Les valeurs propres de A sont donc 1, −1 et 2. Comme elles


sont distinctes, il suffit de trouver un vecteur propre pour
chacune.
REDUCTION D’ENDOMORPHISME: DIAGONALISATION
Diagonalisation
Pratique de la diagonalisation

n o
N1 = X ∈ R 3 ; AX = X
 
x
Soit X = y .
 

z
    
−1 1 1 x 0
(A − I)X = 0 ⇔  −1 1 −1   
y = 0
  
2 2 2    
3 −3 −1
z 0
 2 2 2

 −x + y + z = 0
−1
⇔ 2
x + 12 y − 21 z = 0
3
− 32 y − 21 z = 0


2
x
(
x = y

z = 0
REDUCTION D’ENDOMORPHISME: DIAGONALISATION
Diagonalisation
Pratique de la diagonalisation

Tous 
les vecteurs non nuls, proportionnels au vecteur
1
v1 = 1 sont vecteurs propres de A, associés à la valeur
 

0
propre 1. n o
N−1 = X ∈ R3 ; AX = −X
 
x
Soit X = y .
 

z
    
1 1 1 x 0
(A + I)X = 0 ⇔  −1 5 −1   
y = 0
  
2 2 2  
3 −3 3
2 2 2
z 0
REDUCTION D’ENDOMORPHISME: DIAGONALISATION
Diagonalisation
Pratique de la diagonalisation



 x +y +z = 0
−1
(A + I)X = 0 ⇔  2
x + 52 y − 21 z = 0
3

2
x − 32 y + 32 z = 0
(
x = −z

y = 0

Tous 
les vecteurs
 non nuls, proportionnels au vecteur
1
v2 =  0  sont vecteurs propres de A, associés à la valeur
 

−1
propre −1.
n o
N2 = X ∈ R3 ; AX = 2X
REDUCTION D’ENDOMORPHISME: DIAGONALISATION
Diagonalisation
Pratique de la diagonalisation

 
x
Soit X = y .
 

z
    
−2 1 1 x 0
(A − 2I)X = 0 ⇔  −1 −1 −1   
y = 0
  
2 2 2  
3 −3 −3
2 2 2
z 0


 −2x + y + z = 0
−1
⇔ 2
x− 12 y − 21 z = 0
3
− 32 y − 23 z = 0


2
x
(
x = 0

y = −z

Tous les vecteurs non nuls, proportionnels au vecteur


REDUCTION D’ENDOMORPHISME: DIAGONALISATION
Diagonalisation
Pratique de la diagonalisation

 
0
v3 =  1  sont vecteurs propres de A, associés à la valeur
 

−1
propre 2.
La matrice de passage P sera constituée en juxtaposant les
trois vecteurs v1 , v2 , v3 (en colonnes).
 
1 −1 0
P = 1 0 1


0 1 −1
REDUCTION D’ENDOMORPHISME: DIAGONALISATION
Diagonalisation
Pratique de la diagonalisation

La matrice diagonale D a pour coefficients diagonaux les trois


valeurs propres (attention : l’ordre des valeurs propres et des
vecteurs propres doit être le même).
 
1 0 0
D = 0 −1 0
 

0 0 2
REDUCTION D’ENDOMORPHISME: DIAGONALISATION
Diagonalisation
Pratique de la diagonalisation

Exercice  
1 1 1
Soit A =  1 1 1 
 

1 1 1
1 Montrer que A est diagonalisable.

2 Donner une réduite diagonale D de A. Vérifier la formule


D = P −1 AP où P est à déterminer.

Solution:

1 On a PA (X ) = X 2 (3 − X ).
λ1 = 0, valeur propre double. λ2 = 3, valeur propre
simple.
On a N0 = vect (e10 , e20 ) avec e10 = (1, 0, −1) ;
e20 = (0, 1, −1) .
N3 = vect (e30 ) avec e30 = (1, 1, 1) .
REDUCTION D’ENDOMORPHISME: DIAGONALISATION
Diagonalisation
Pratique de la diagonalisation

Ainsi dim N0 = 2 = l’ordre de multiplicité de la valeur propre 0


et dim N3 = 1 = l’ordre de multiplicité de la valeur propre
3. Donc A est diagonalisable.
1 Une réduite diagonale D de A.
 
0 0 0 h i
On a D =  0 0 0  P = e10 e20 e30 .
 

0 0 3
 
2 −1 −1
1
D = P −1 AP. avec P −1 =  −1 2 −1 .
3
1 1 1
REDUCTION D’ENDOMORPHISME: DIAGONALISATION
Diagonalisation
Applications de la diagonalisation

Plan

1 Valeurs propres, vecteurs propres

2 Polynôme caractéristique
Polynôme caractéristique de matrices semblables
Polynôme caractéristique d’un endomorphisme
3 Diagonalisation
Théorème principal de la diagonalisation
Pratique de la diagonalisation
Applications de la diagonalisation
a) Puissance d’une matrice
b) Suites récurrentes linéaires
c) Système différentiel linéaire
REDUCTION D’ENDOMORPHISME: DIAGONALISATION
Diagonalisation
Applications de la diagonalisation

Exemple
Soit  
1 0 0
A = 0 1 0 

.
1 −1 2
Démontrer que A est diagonalisable sur R et trouvons une
matrice P telle que P −1 AP soit diagonale.
Calculer Ak , quel que soit k ∈ N.
1 Commençons par calculer le polynôme caractéristique de
A:
1 − X 0 0

χA (X ) = det(A − XI3 ) = 0

1−X 0
−1 2 − X

1
χA (X ) = (1 − X )2 (2 − X )
REDUCTION D’ENDOMORPHISME: DIAGONALISATION
Diagonalisation
Applications de la diagonalisation

2 Les racines du polynôme caractéristique sont les réels 1


avec la multiplicité m(1) = 2, et 2 avec la multiplicité
m(2) = 1. On remarque de plus que le polynôme est
scindé sur R.
3 Déterminons les sous-espaces propres associés.
Soit E1 le sous-espace propre associé à la valeur propre
double 1 : E1= ker(A − I3 ) = {X ∈ R3 | A · X = X }. Si
x
on note X = y alors :
z


 x = x
X ∈ E1 ⇐⇒ AX = X ⇐⇒ y = y
 x −y +z

= 0
⇐⇒ x −y +z =0
REDUCTION D’ENDOMORPHISME: DIAGONALISATION
Diagonalisation
Applications de la diagonalisation

n x  o
E1 = y
−x +y
| x ∈ R, y ∈ R est donc un plan vectoriel
   
1 0
dont, par exemple, les vecteurs X1 =  0  et X2 = 1
   

−1 1
forment une base.
Soit E2 le sous-espace propre associé à la valeur propre
simple 2 : E2 = ker(A − 2I3 ) = {X ∈ R3 | A · X = 2X }.
Alors :


 x = 2x
X ∈ E2 ⇐⇒ A · X = 2X ⇐⇒ y = 2y
 x − y + 2z

= 2z
⇐⇒ x = 0 et y = 0
REDUCTION D’ENDOMORPHISME: DIAGONALISATION
Diagonalisation
Applications de la diagonalisation

n 0  o
E2 = 0 | z ∈ R est donc une droite vectorielle,
z  
0
dont le vecteur X3 = 0 est une base.
 
1
4 Les dimensions des sous-espaces propres sont égales aux
multiplicités des valeurs propres correspondantes :
dim E1 = 2 = m(1), dim E2 = 1 = m(2). La matrice A
est donc diagonalisable.
5 Dans la base (X1 , X2 , X3 ), l’endomorphisme représenté par
A (dans la base canonique) a pour matrice
 
1 0 0
D = 0 1 0 .
 

0 0 2
REDUCTION D’ENDOMORPHISME: DIAGONALISATION
Diagonalisation
Applications de la diagonalisation

Autrement dit, si on note P la matrice de passage dont


les vecteurs colonnes sont X1 , X2 et X3 , c’est-à-dire
 
1 0 0
 0 1 0 ,
P= 

−1 1 1

Par suite,  
1 0 0
P −1 =  0 1 0 .
 

1 −1 1
On a P −1 AP = D et A = PDP −1 .
REDUCTION D’ENDOMORPHISME: DIAGONALISATION
Diagonalisation
Applications de la diagonalisation

6 Pour tout k ≥ 0 :
 
1 0 0
D k = 0 1 0  .
 

0 0 2k

7 Pour tout k ≥ 0 :
k −1
Ak = PD

P   
1 0 0 1 0 0 1 0 0
=  0 1 0  0 1 0  0 1 0 
   

−1 1 1 0 0 2k 1 −1 1
 
1 0 0
=  0 1 0 .

k k k
2 −1 1−2 2
REDUCTION D’ENDOMORPHISME: DIAGONALISATION
Diagonalisation
Applications de la diagonalisation

Exemple
a11 0 0 ··· 0
 
 0
 a22 0 ··· 0 

.
a33 · · · ..
 
Soit D =

 0 0 ;


.. .. .. ..

. . . . 0
 
 
0 0 ··· 0 ann
 k
··· 0
a11 0 0

k
 0
 ··· 0 
a22 0 
.
· · · .. 
 
Dk =  0 0 k
a33  ; où k ∈ N∗ .


 . . .
.. .. ..

 . . . 0 

k
0 0 ··· 0 ann
Soit A une matrice diagonalisable, alors il existe D matrice
diagonale et P inversible telle que
A = PDP −1 =⇒ Ak = PD k P −1 où k ∈ N∗ .
REDUCTION D’ENDOMORPHISME: DIAGONALISATION
Diagonalisation
Applications de la diagonalisation

Exercice (
un+1 = 5un − 3vn
Soient les suites suivantes: (S) ⇐⇒
vn+1 = 6un − 6vn
avec u0 ; v0 donnés.
1 Ecrire (S) sous forme matricielle: Un+1 = AUn avec
" #
un
Un =
vn
2 Montrer que A est diagonalisable
" et que# l’une de ses
−4 0
réduites diagonales est: D = .
0 3
3 Trouver une matrice inversible P telle que A = PDP −1 et
calculer An ; ∀n ∈ N.
4 Déterminer les suites (un ) et (vn ) satisfaisant le système
de relations de récurrence (S)
REDUCTION D’ENDOMORPHISME: DIAGONALISATION
Diagonalisation
Applications de la diagonalisation

Correction de l’exercice
1 Le système donné (S) s’écrit
" matriciellement:
# " #
un 5 −3
Un+1 = AUn avec Un = et A = .
vn 6 −6
2 Le polynôme caractéristique de A est
PA (X ) = (X + 4) (X − 3).
PA (X ) est scindé simple donc A est diagonalisable
On peut
" bien avoir
# une réduite diagonale de A:
−4 0
D= .
0 3
Les sous-espaces propres E(−4) = vect (1, 3) et
E3 = vect (3, 2).
−1
On a"A = PDP # avec " #
1 3 −1 −1 2 −3
P= ⇔P =
3 2 7 −3 1
REDUCTION D’ENDOMORPHISME: DIAGONALISATION
Diagonalisation
Applications de la diagonalisation

" #
−4 0
et D = .
0 3
Aussi :
n −1
An = PD # "P =
(−4)n 0
" # " #
1 3 −1 2 −3
×
3 2 0 3n 7 −3 1
9 n 2 n 3 3 n
 
n
 3 − (−4) (−4) − 3 
An = PD n P −1 =  7 7 7 7 
 6
n 6 n 9 n 2 n ;
3 − (−4) (−4) − 3
7 7 7 7
∀n ∈ N.
.
3 Ainsi Un+1 = AUn et on a (Un )n∈N comme une suite
géométrique de raison A et de premier terme
U0 ⇒ Un = An U0 ; ∀n ∈ N
REDUCTION D’ENDOMORPHISME: DIAGONALISATION
Diagonalisation
Applications de la diagonalisation

avec " #
u0
U0 = . ∀n ∈ N, on a:
v0
" #
un
Un = =
vn
9 n 2 n 3 3 n "
 
n
 3 − (−4) (−4) − 3  u0
#
 7 7 7 7 
 6 6 9 2  v0
3n − (−4)n (−4)n − 3n
7 " 7 # 7 7
un
=
vn
3 n 3 2 9 n
     
n n
−v 0 3 − (−4) − u 0 (−4) − 3
 7 7  7 7 
 
6 n 6 2 n 9
  
n
3 − (−4)n
 
u0 3 − (−4) − v0
7 7 7 7
REDUCTION D’ENDOMORPHISME: DIAGONALISATION
Diagonalisation
Applications de la diagonalisation

Soient un intervalle I de R et le système différentiel linéaire,


défini pour t ∈ I par :
x10 (t) = a11 x1 (t) + a12 x2 (t)+ · · · +a1n xn (t) + b1 (t)



x20 (t) = a21 x1 (t) + a22 x2 (t)+ · · · +a2n xn (t) + b2 (t)



.. .. .. .. .. ..



 0
. = . + .+ . + .+.
xn (t) = an1 x1 (t) + an2 x2 (t)+ · · · +ann xn (t) + bn (t)

où pour tout i = 1; · · · ; n, les fonctions réelles t 7→ xi (t) sont


inconnues, les fonctions réelles t 7→ bi (t) sont connues et les
coefficients (aij )1≤i,j≤n sont des constantes réelles données.
Pour résoudre un tel système, nous posons :
 

x1 (t)
 
b1 (t)

a11 · · · · · · a1n
 . .. .. . 
x2 (t)
 
b2 (t)
   .. . . .. 
X (t) =  ..  , B(t) =  ..  , A= .
 
 .. .. 
 
 .   .  .. ..
 . . . .  
xn (t) bn (t) an1 · · · · · · ann
REDUCTION D’ENDOMORPHISME: DIAGONALISATION
Diagonalisation
Applications de la diagonalisation

Alors, le système (S) peut s’écrire sous la forme matricielle


dX (t)
= AX (t) + B(t), pour t ∈ I.
dt
Supposons que A soit diagonalisable, c’est-à-dire que nous
puissions trouver une base telle que dans cette base,
D = P −1 AP soit diagonale, avec P la matrice de passage à
cette nouvelle base. Alors, en posant, pour tout t ∈ I, les
changements de variables Y (t) = P −1 X (t), C (t) = P −1 B(t),
(S) peut se réécrire sous la forme
dY (t)
= DY (t) + C (t),
dt
   
y1 (t) c1 (t)
y2 (t) c2 (t)
   
où Y (t) = 
 .. ,
 C (t) = 
 .. ,

 .   . 
yn (t) cn (t)
REDUCTION D’ENDOMORPHISME: DIAGONALISATION
Diagonalisation
Applications de la diagonalisation

c’est-à-dire
y10 (t) = λ1 y1 (t)


 + c1 (t)
y20 (t) = λ2 y2 (t)


 + c2 (t)
(S)
e
.. .. ..



 0
. = . + .
yn (t) = λn yn (t) + cn (t)

La théorie classique sur les équations différentielles permet


ensuite de résoudre aisément ce nouveau système. Nous en
déduisons Y (t), puis X (t) = PY (t).
REDUCTION D’ENDOMORPHISME: DIAGONALISATION
Diagonalisation
Applications de la diagonalisation

Exemple
On veut résoudre le système différentiel

x10 (t) = x1 (t) + 4x2 (t) − 4xn (t)





(S) x20 (t) = 3x1 (t) + 2x2 (t) − 4xn (t)
 0
xn (t) = 3x1 (t) − 3x2 (t) + xn (t)

 
1
avec X (0) = X0 = 2.
 

3
0
On a X = AX avec X (0) = X0 où
   
1 4 −4 1
3 2 −4
A= et 2 .
X0 = 
 

3 −3 1 3
REDUCTION D’ENDOMORPHISME: DIAGONALISATION
Diagonalisation
Applications de la diagonalisation

Valeurs propres et vecteurs propres.


Les valeurs propres de A sont λ1 = 1, λ2 = −2 et λ3 = 5.
Les vecteurs propres associés sont
     
1 0 1
V1 = 1 , V2 = 1 , V3 = 1 .
     

1 1 0

Solutions générales.
Nous obtenons trois solutions
 t  
e 0
X1 (t) = e λ1 t V1 = X2 (t) = e λ2 t V2 = e −2t  ,
 t
e  ,
 

et e −2t
REDUCTION D’ENDOMORPHISME: DIAGONALISATION
Diagonalisation
Applications de la diagonalisation

 5t 
e
X3 (t) = e λ3 t V3 =
 5t 
e  .
0
Les solutions du système X 0 = AX sont donc les fonctions de
la forme
X (t) = αX1 (t) + βX2 (t) + γX3 (t)
avec α, β, γ ∈ R.
REDUCTION D’ENDOMORPHISME: DIAGONALISATION
Diagonalisation
Applications de la diagonalisation

Condition initiale.
On cherche quelle solution vérifie en plus X (0) = X0 . Or

X (0) = αX1 (0) + βX2 (0) + γX3 (0) = αV1 + βV2 + γV3
 
α+γ
α + β + γ 
=  

α+β

La condition initiale X (0) = X0 se transforme donc en le


système linéaire :


 α+γ = 1
α+β+γ = 2


α+β = 3
REDUCTION D’ENDOMORPHISME: DIAGONALISATION
Diagonalisation
Applications de la diagonalisation

On trouve α = 2, β = 1, γ = −1. Ainsi l’unique solution qui


vérifie le système et la condition initiale est

2e t − e 5t
 

X (t) = 2e + e −2t − e 5t  .


 t 

2e t + e −2t