Vous êtes sur la page 1sur 13

Chapitre 4 : Réduction des endomorphismes

Sandrine CHARLES : scharles@biomserv.univ-lyon1.fr

Introduction ............................................................................................................................2
1 Vecteurs et valeurs propres.............................................................................................3
2 Recherche des valeurs propres. Polynôme caractéristique.............................................4
3 Recherche des vecteurs propres......................................................................................5
4 Caractérisation des endomorphismes diagonalisables....................................................7
5 Application : calcul de la puissance d’une matrice ........................................................8
6 Exemple d’application à la génétique...........................................................................10
Mathématiques : Outils pour la Biologie – Deug SV2 – UCBL S. Charles (17/02/03)
......................................................................................................................................................................................................

Introduction
Soit E un espace vectoriel sur et f un endomorphisme de E dans E.
E est muni de la base B E = {u1 , u2 ,… , un } .

Comme nous l’avons vu au chapitre précédent, la matrice associée à f : E → E relativement

à la base B E est définie par les coordonnées des f ( ui ) dans la base B E ; elle est notée M f .

Soit B E′ = {u1′, u2′ ,… , un′ } une autre base de E.

Soit P la matrice de passage de la base B E = {u1 , u2 ,… , un } vers la base B E′ = {u1′, u2′ ,… , un′ } :

u1′ u2′ … un′

 p11 p12 p1n  u1


 
p p22 p2 n  u 2
P =  21
 
 p 
pnn  un
 n1 pn 2

où les pij sont les coordonnées des u′j dans la base B E .

Dans le chapitre précédent, on a vu que la matrice M′f de f dans la base B E′ = {u1′, u2′ ,… , un′ }

était définie par M′f = P −1M f P .

Dans ce nouveau chapitre, l’objectif est de chercher des bases de E pour lesquelles la forme
de la matrice M f soit la plus simple possible comme par exemple une matrice diagonale.

 a11 0 0 
 
0 a22 0 
On dira que f est diagonalisable s’il existe une base B E telle que M f = 
′ ′ .
 
 
 0 0 ann 

Le problème consiste à :
- Caractériser les endomorphismes diagonalisables,
- Déterminer, si elles existent, la (ou les) base(s) dans la(les)quelle(s) la matrice M f est

diagonale.

Chapitre 4 : Réduction des endomorphismes - page 2/13 -


Mathématiques : Outils pour la Biologie – Deug SV2 – UCBL S. Charles (17/02/03)
......................................................................................................................................................................................................

Remarque
L’intérêt de travailler avec des matrices diagonales est la réalisation possible de certains

calculs comme par exemple det ( M f ) , M −f 1 ou ( M f )


k
pour k ∈ .

1 Vecteurs et valeurs propres


La clef de la diagonalisation est la notion de vecteur propre. On rappelle que ce chapitre est
consacré uniquement aux endomorphismes d’espaces vectoriels.

Définitions
Soit f ∈ L ( E , E ) . Un vecteur v ∈ E est dit vecteur propre de f si :

(i) v ≠0
(ii) ∃λ ∈ tel que f ( v ) = λ v

Le scalaire λ est appelé valeur propre associée à v .

Remarques
1. Alors que les vecteurs propres sont non nuls par définition (en particulier parce qu’ils
serviront ultérieurement à construire de nouvelles bases), les valeurs propres peuvent être
nulles. Ainsi, les vecteurs (non nuls) de ker ( f ) sont les vecteurs propres associés à

λ = 0 : ker ( f ) ≠ {0} .

2. Si v est un vecteur propre correspondant à la valeur propre λ , alors pour tout µ ∈


( µ ≠ 0 ), µ v est aussi un vecteur propre correspondant à la même valeur propre λ . Il
existe donc une infinité de vecteurs propres associés à une même valeur propre.

Î Ainsi, les vecteurs propres sont soit les vecteurs du noyau de f, soit les vecteurs qui restent
colinéaires sous l’action de f.

Théorème
f ∈ L ( E , E ) est diagonalisable si et seulement si il existe une base de E formée de vecteurs

propres.

Démonstration

Chapitre 4 : Réduction des endomorphismes - page 3/13 -


Mathématiques : Outils pour la Biologie – Deug SV2 – UCBL S. Charles (17/02/03)
......................................................................................................................................................................................................

Exemple 1 (très important)


Soit f : 2
→ 2
définie par u = ( u1 , u2 ) f ( u ) = ( u1 + u2 , u1 − u2 ) .

Rechercher les vecteurs et valeurs propres de f. Réponse.

2 Recherche des valeurs propres. Polynôme caractéristique.


Soit λ une valeur propre de f un endomorphisme de E dont la matrice associée est M f

relativement à la base B E = {u1 , u2 ,… , un } . Il existe donc un vecteur v ∈ E ( v ≠ 0 ) tel que

f ( v ) = λ v soit encore ( f − λ Id )( v ) = 0 , où Id est l’application identité qui à tout vecteur de


E associe lui-même. Comme v ≠ 0 , cela signifie que l’endomorphisme ( f − λ Id ) n’est pas

{}
injectif : ker ( f − λ Id ) ≠ 0 . De ce fait, ( f − λ Id ) n’est pas bijectif et donc la matrice qui lui

est associée ( M f − λ I n ) n’est pas inversible, d’où :

det ( M f − λ I n ) = 0 Revoir chapitre 3, paragraphe 5

Soit M f est la matrice associée à f dans la base B E = {u1 , u2 ,… , un } :

 a11 a12 a1n 


 
a a22 a2 n 
M f =  21
 
 
 an1 an 2 ann 

La condition pour que λ soit valeur propre s’écrit :


a11 − λ a12 a1n
a21 a22 − λ a2 n
=0

an1 an 2 ann − λ

En développant ce déterminant, on trouve une équation du type :


( −1)n λ n + α n −1λ n −1 + ... + α1λ + α 0 = 0
dont les racines dans sont les valeurs propres de f.
Cette équation est appelée équation caractéristique et le polynôme du premier membre
appelé polynôme caractéristique de f ; ce dernier est noté Pf ( λ ) .

Chapitre 4 : Réduction des endomorphismes - page 4/13 -


Mathématiques : Outils pour la Biologie – Deug SV2 – UCBL S. Charles (17/02/03)
......................................................................................................................................................................................................

Proposition
Soit f ∈ L ( E , E ) où E est un espace vectoriel de dimension n. Les valeurs propres de f sont

les racines du polynôme Pf ( λ ) = det ( M f − λ I n ) .

Exemple 2
Soit f : 2
→ 2
l’endomorphisme dont la matrice relative à la base canonique de 2
est

 1 2
Mf =  . Déterminer les valeurs propres de f. Réponse.
 −1 4 

Définition
On dit que λ est une valeur propre de multiplicité α si λ est racine d’ordre α de Pf ( λ ) .

Exemple 3
Soit f : 3
→ 3
l’endomorphisme dont la matrice relativement à la base canonique de 3

 2 1 1
est M f =  1 2 1  . Déterminer les valeurs propres de f. Réponse.
 1 1 2
 

Remarque
Une valeur propre de multiplicité 1 est dite valeur propre simple ;
Une valeur propre de multiplicité 2 est dite valeur propre double.

Définition
L’ensemble des valeurs propres d’un endomorphisme f est appelé spectre de f.

3 Recherche des vecteurs propres


Une fois les valeurs propres calculées, on détermine les vecteurs propres en résolvant un
système linéaire de la forme : ( M f − λ I n ) V = 0 où V est la matrice des coordonnées d’un

vecteur propre v = ( v1 ,… , vn ) associé à la valeur propre λ . 0 est la matrice des coordonnées

du vecteur nul 0 = ( 0,… , 0 ) .

Chapitre 4 : Réduction des endomorphismes - page 5/13 -


Mathématiques : Outils pour la Biologie – Deug SV2 – UCBL S. Charles (17/02/03)
......................................................................................................................................................................................................

Exemple 4
Soit f : 2
→ 2
l’endomorphisme dont la matrice relative à la base canonique de 2
est

 1 2
Mf =  . Rechercher les vecteurs propres de f. Réponse.
 −1 4 

Î Une fois déterminés les vecteurs propres, on peut vérifier qu’ils forment une base
V = {v1 , v2 ,… , v p } , et que la matrice associée à l’application linéaire relativement à cette base

est diagonale avec :


 λ1 
 
 0 
DV =  λi 
 
 0 
 λn 

0 signifie qu’en dehors de la diagonale tous les coefficients de DV sont nuls.

Î La matrice de passage de la base B E = {u1 , u2 ,… , un } à la base des vecteurs propres

V = {v1 , v2 ,… , v p } est construite en mettant en colonne les coordonnées des vecteurs propres

associés à chacune des valeurs propres :


P =  v1 v2 v p 

Î Les matrices M f de f relativement à la base B E = {u1 , u2 ,… , un } et DV relativement à la

base de vecteurs propres V = {v1 , v2 ,… , v p } sont semblables :

DV = P −1M f P

Remarque
L’ordre des valeurs propres dans DV dépend de l’ordre des vecteurs propres dans P, la
matrice de passage dans la base des vecteurs propres. Généralement, on classe les valeurs
propres par ordre décroissant.

Chapitre 4 : Réduction des endomorphismes - page 6/13 -


Mathématiques : Outils pour la Biologie – Deug SV2 – UCBL S. Charles (17/02/03)
......................................................................................................................................................................................................

Exemple 4 (suite)
En reprenant l’exemple 4 précédent, montrer que les vecteurs propres de f forment bien une
base V = {v1 , v2 } . Déterminer alors MV la matrice associée à f relativement à cette base.

Réponse.

4 Caractérisation des endomorphismes diagonalisables


Définition
Soit f ∈ L ( E, E ) diagonalisable. Soit λ ∈ une valeur propre de f. On note

Eλ = {v ∈ E f ( v ) = λ v } . Eλ est un sous-espace vectoriel de E appelé sous-espace propre

associé à λ .

Proposition
Soient f un endomorphisme diagonalisable de E et λ ∈ une valeur propre de f. Alors le
sous-espace propre Eλ associé à λ est un sous-espace vectoriel de E.

Vérification

Proposition
Soient λ1 ,… , λ p des valeurs propres deux à deux distinctes de f ∈ L ( E , E ) diagonalisable.

Alors les sous-espaces propres Eλ1 ,… , Eλ p sont en somme directe.

i= p
Cette proposition signifie que si V1 ,… ,Vn sont des bases de Eλ1 ,… , Eλ p alors V = ∪Vi est
i =1

une famille libre de E (non nécessairement génératrice).

Remarque
La somme directe des espaces propres n’est pas forcément E tout entier. Ce n’est
effectivement le cas que si :

( )
dim Eλ1 + … + dim Eλ p ≤ dim ( E ) ( )
⇒ C’est tout le problème de la diagonalisation.

Chapitre 4 : Réduction des endomorphismes - page 7/13 -


Mathématiques : Outils pour la Biologie – Deug SV2 – UCBL S. Charles (17/02/03)
......................................................................................................................................................................................................

Théorème
Soit f ∈ L ( E , E ) . Alors f est diagonalisable si et seulement si :

1. Pf ( λ ) = (−1) n (λ − λ1 )α1 ...(λ − λ p )


αp
avec λ1 ,… , λ p ∈ et α1 + … + α p = n

2. Pour chaque valeur propre λi de multiplicité α i , on a : dim Eλi = α i . ( )

Corollaire 1

f est diagonalisable si et seulement si dim ( E ) = dim Eλ1 + … + dim Eλ p ( ) ( )

Exemple 5
Soit f : 3
→ 3
l’endomorphisme dont la matrice relative à la base canonique de 3
est

 2 1 1
 
M f =  1 2 1  . Rechercher les vecteurs et les valeurs propres de f, ainsi que les sous-
 1 1 2
 
espaces propres associés. Réponse.

Corollaire 2
Si dim ( E ) = n et si f admet n valeurs propres deux à deux distinctes, alors f est

diagonalisable.

Exemple
En revenant à l’exercice 2 de ce chapitre, on démontre immédiatement que f est
diagonalisable car f est un endomorphisme de 2
, dim ( 2
)=2 et f admet deux valeurs

propres simple λ1 = 3 et λ2 = 2 .

5 Application : calcul de la puissance d’une matrice

Soit f ∈ L ( E , E ) diagonalisable et de matrice M relativement à la base B E = {u1 , u2 ,… , un } .

f étant diagonalisable, on sait qu’il existe deux matrices D diagonale et P inversible telles que
D = P −1MP avec :

Chapitre 4 : Réduction des endomorphismes - page 8/13 -


Mathématiques : Outils pour la Biologie – Deug SV2 – UCBL S. Charles (17/02/03)
......................................................................................................................................................................................................

 λ1 
 
 0 
D= λi 
 
 0 
 λn 

où les λi sont les valeurs propres de f. On rappelle que les colonnes de P sont les vecteurs

propres associés à chacune des valeurs propres : P =  v1 v2 v p  .

Par ailleurs D = P −1MP ⇔ M = PDP −1 . En effet :


D = P −1MP
⇔ DP −1 = P −1M PP −1 en multipliant à droite par P −1
I

⇔ DP −1 = P −1M puisque PP −1 = I
⇔ PDP −1 = PP −1 M en multipliant à gauche par P
I

⇔ PDP −1 = M puisque PP −1 = I
• Calcul de la puissance 2 d’une matrice
M = PDP −1
⇔ M 2 = ( PDP −1 )( PDP −1 )
⇔ M 2 = PD P −1P DP −1
I

⇔ M = P DD P −1
2

( D )2

⇔ M 2 = P ( D ) P −1
2

Or le calcul de D2 est simple puisque la matrice est diagonale :


 λ12 
 
 0 
( D) = λ 
2 2

 i

 0 
 2
λn 

Chapitre 4 : Réduction des endomorphismes - page 9/13 -


Mathématiques : Outils pour la Biologie – Deug SV2 – UCBL S. Charles (17/02/03)
......................................................................................................................................................................................................

• Calcul de la puissance k d’une matrice, k ∈ :


M = PDP −1
⇔ M k = ( PDP −1 ) × ( PDP −1 ) × × ( PDP −1 ) k fois
⇔ M k = PD P −1P D… P −1P DP −1
I I
−1
⇔ M = P D… D P
k

( D )k

⇔ M k = P ( D ) P −1
k

avec :
 λ1k 
 
 0 
( D) = λ 
k k

 i

 0 
 k 
λn 

Exemple 6
 1 2
Soit M =  k
 . Calculer M . Réponse.
 −1 4 

6 Exemple d’application à la génétique


On s’intéresse dans cet exemple à l’évolution de la structure génétique d’une population
d’une espèce autogame diploïde.
Les individus de cette espèce pratiquent l'autofécondation, il va en résulter une évolution
remarquable de la structure génétique de la population. Nous considérerons un gène bi-
allélique : Aa.
Les individus homozygote ont des descendants homozygotes de la même catégorie.
Les individus hétérozygotes ont des descendants :
- AA avec la probabilité 1/4 ;
- Aa avec la probabilité 1/2 ;
- Aa avec la probabilité 1/4.

On appelle pk , qk , rk les fréquences d’individus AA, Aa, aa à la kième génération :

pk + qk + rk = 1

Chapitre 4 : Réduction des endomorphismes - page 10/13 -


Mathématiques : Outils pour la Biologie – Deug SV2 – UCBL S. Charles (17/02/03)
......................................................................................................................................................................................................

Connaissant pk , qk , rk , cherchons les fréquences des trois types d’individus à la (k+1)ième


génération :
 1
 pk +1 = pk + 4 qk

 1
qk +1 = qk
 2
 1
rk +1 = 4 qk + rk

Ce qui peut encore s’écrire :
 pk +1   pk   1 1 4 0
     
 qk +1  = A  qk  avec A =  0 1 2 0 
r  r   0 1 4 1
 k +1   k   
Il en découle que :
 pk   pk −1   pk   pk −1   pk −1 
        2 
 qk  = A  qk −1  ⇔  qk  = AA  qk −1  = A  qk −1 
r  r  r  r  r 
 k   k −1   k   k −1   k −1 
 pk   pk   pk   pk − 2   pk − 2 
        3 
 qk  = A  qk  ⇔  qk  = A A  qk − 2  = A  qk − 2 
2

r  r  r    r 
 k   k   k   rk − 2   k −2 
 pk   pk 
   
 qk  = A  qk  ⇔ …
r  r 
 k   k 
 pk   pk   pk   p1 
      k −1  
 qk  = A  qk  ⇔  qk  = A  q1 
r  r  r   
 k   k   k   r1 

Ainsi, pour connaître les fréquences d’individus AA, Aa et aa à la kième génération, il faut
calculer A k −1 , et pour cela on utilise la méthode de diagonalisation que l’on a vu dans ce
chapitre 4, paragraphe 5.
1. On cherche les valeurs propres de A :
1− λ 14 0
Pf ( λ ) = det ( A − λ I 3 ) = 0 1 2−λ 0
0 14 1− λ

En développant par rapport à la 1ère colonne on obtient immédiatement :

Pf ( λ ) = (1 − λ )(1 2 − λ )(1 − λ ) = (1 − λ ) (1 2 − λ )
2

Chapitre 4 : Réduction des endomorphismes - page 11/13 -


Mathématiques : Outils pour la Biologie – Deug SV2 – UCBL S. Charles (17/02/03)
......................................................................................................................................................................................................

Ainsi, λ1 = 1 est une valeur propre double (de multiplicité 2) et λ2 = 1 2 est une valeur propre
simple (de multiplicité 1).
2. On cherche les vecteurs propres associés aux valeurs propres :
• Si λ1 = 1 , on cherche les vecteurs v1 = ( a, b, c ) tels que AV1 = λ1V1 :

 0 1 4 0 a   0
    
AV1 = λ1V1 ⇔ ( A − λ1I 3 ) V1 = 0 ⇔  0 −1 2 0   b  =  0  ⇔ b = 0
 0 1 4 0 c   0
    
Les vecteurs propres associés à λ1 = 1 sont de la forme ( a, 0, c ) , c’est-à-dire qu’ils s’écrivent

comme combinaison linéaire des vecteurs de coordonnées (1, 0, 0 ) et ( 0, 0,1) :

( a, 0, c ) = a (1, 0, 0 ) + c ( 0, 0,1) .
• Si λ2 = 1 2 , on cherche les vecteurs v2 = ( d , e, f ) tels que AV2 = λ2 V2 :

1 2 1 4 0   d   0 
( A − λ2I 3 ) V2 = 0 ⇔  0 0 0   e  =  0 
 0 1 4 1 2 f   0
    
d 2 + e 4 = 0 d = f
( A − λ2I 3 ) V2 = 0 ⇔  ⇔
e 4 + f 2 = 0  e = −2 d
Les vecteurs propres associés à λ1 = 1 sont donc de la forme ( d , −2d , d ) , c’est-à-dire qu’ils

sont tous colinéaires au vecteur de coordonnées (1, −2,1) : ( d , −2d , d ) = d (1, −2,1) .

3. On construit la matrice de passage dans la base des vecteurs propres, on mettant en


colonne dans la matrice les vecteurs propres précédents :
1 0 1 
 
P =  0 0 −2 
0 1 1 
 
4. On calcule P −1 :
En développant par rapport à la 1ère colonne, on obtient det P = 2 ; puis :
 +2 −0 +0   1 1 2 0
  −1  
AdjP =  +1 +1 −1  ⇒ P =  0 1 2 1 
 +0 +2 +0   0 −1 2 0 
   

Chapitre 4 : Réduction des endomorphismes - page 12/13 -


Mathématiques : Outils pour la Biologie – Deug SV2 – UCBL S. Charles (17/02/03)
......................................................................................................................................................................................................

5. On diagonalise A en calculant D = P −1AP


1 1 2 0  1 1 4 0   1 0 1 
 −1   
D = P AP =  0 1 2 1  0 1 2 0   0 0 −2 
 0 −1 2 0   
  0 1 4 1   0 1 1 
1 1 2 0  1 0 1 2   1 0 0   λ1 0 0 
      
−1
= P AP =  0 1 2 1  0 0 −1  ⇒ D =  0 1 0  =  0 λ1 0 
 0 −1 2 0    0 0 1 2  0 0 λ 
  0 1 1 2     2

6. On calcule ensuite Dk −1 :
1 0 0 
 
Dk −1 =  0 1 0  : on rappelle que 1k = 1, ∀k ∈
 0 0 1 2k −1 
 

1
Ne pas confondre 1 2k = avec (1 2 ) .
k
k
2
7. Enfin, on calcule A k −1 par A k −1 = PDk −1P −1 :
1 0 1 1 0 0  1 1 2 0
k −1 k −1 −1   
A = PD P =  0 0 −2   0 1 0  0 1 2 1
 0 1 1   0 0 1 2k −1   0 − 1 2 0 
   
 1 0 1   1 1 2 0   1 1 2 −1 2 0
k

    
= PDk −1P −1 =  0 0 −2   0 1 2 1  =  0 1 2k −1 0
 0 1 1   0 −1 2k 0   0 1 2 − 1 2k 1 
   
Du calcul précédent, on peut en déduire les valeurs vers lesquelles vont tendre les fréquences
pk , qk , rk lorsque k → +∞ :

 1 
 p1 + q1 
 p∞   p1   p∞   1 1 2 0   p1  2
  k −1         
q =
  k →+∞
∞ lim A q ⇔
    
1 q∞ = 0 0 0  q1 =  0 
r   r   r   0 1 2 1 r   1 
 ∞  1  ∞   1   q + r 
2 
1 1

car lim1 2k = 0 .
k →∞

Ainsi, d’un point de vue biologique, quelle que soit la condition initiale, au bout d’un certain
temps, il ne reste plus dans la population que les individus homozygotes, avec les génotypes
AA et aa. Les individus hétérozygotes ont disparus.

Chapitre 4 : Réduction des endomorphismes - page 13/13 -