Ci- dessus les calculs avec la TI.

4 2

7 5
1

Aussi on peut utiliser la fonction rref.

6
2

3
6
4 7
 3

10
8
9

10

‘’I’ve done this before and I can do this yet again’’

1
8
 En 3 dimensions :

5
4

8
3

On veut l’image du point (5 , 4) et on a :

L’image du point (5 , 4) est donc (√3 + 2 , √3 + 3)

4
9
 Diagonalisation de matrices
Remarquez que les valeurs propres apparaissent sur la diagonale.
Un mot sur les déterminants.

Avant de parler de la diagonalisation, on va parler de la notion de déterminant. Le

déterminant d’une matrice carrée est un nombre qui, par exemple, sert à dire si une
Comme c’est un polynôme en a, au lieu de solve, on utilise polyroots :
matrice est inversible ou non.
Remarquez que si on échange les vecteurs de base de place, les valeurs propres changent
𝑎𝑎 𝑐𝑐
Pour une matrice d’ordre 2, le déterminant noté det(( )) est le nombre 𝑎𝑎𝑎𝑎 − 𝑏𝑏𝑏𝑏. aussi de place.
𝑏𝑏 𝑑𝑑
Pour une matrice carrée d’ordre 3, on définit son déterminant à partir des déterminants
d’ordre 2. Une façon de faire est On verra plus tard que cette dernière fonction nous donne plus d’informations.

𝑎𝑎11 𝑎𝑎12 𝑎𝑎13 Remarque : Fonction de la TI à utiliser pour vérifier votre réponse (eigvl(A))
𝑎𝑎 𝑎𝑎23 𝑎𝑎21 𝑎𝑎23
det ((𝑎𝑎21 𝑎𝑎22 𝑎𝑎23 )) = 𝑎𝑎11 . det(( 22
𝑎𝑎32 𝑎𝑎33 )) − 𝑎𝑎12 . det(((𝑎𝑎31 𝑎𝑎33 )) + Diagonalisation
𝑎𝑎31 𝑎𝑎32 𝑎𝑎33
𝑎𝑎21 𝑎𝑎22
𝑎𝑎13 . det(((𝑎𝑎 𝑎𝑎32 )) Une matrice carrée est dite diagonalisable si on peut trouver une matrice carrée inversible
31
P et une matrice carrée diagonale D (seuls les éléments de la diagonale peuvent être non
On peut définir le déterminant d’une matrice carrée quelconque. Votre calculatrice vous La matrice a deux valeurs propres 1 et 3. nuls) vérifiant
permet de calculer avec la fonction det(matrice).
Vecteurs propres 𝑃𝑃−1 𝐴𝐴𝐴𝐴 = 𝐷𝐷
Les vecteurs propres associés à une valeur propre λ sont les vecteurs non nuls qui vérifient Notion de multiplicité d’un zéro d’un polynôme
𝐴𝐴𝐴𝐴 = 𝜆𝜆 ∙ 𝑉𝑉 ou (𝐴𝐴 − 𝜆𝜆 ∙ 𝐼𝐼𝑛𝑛 )𝑉𝑉 = 0.
Expliquons cette notion par des exemples.
On va résoudre le système homogène (𝐴𝐴 − 𝜆𝜆 ∙ 𝐼𝐼2 )𝑉𝑉 = 0 .
Le polynôme 𝑝𝑝(𝑥𝑥) = 2(𝑥𝑥 − 1)(𝑥𝑥 + 2) possède deux zéros simples (ou de multiplicité 1)
2 − 𝜆𝜆
1
On a déjà calculé 𝐴𝐴 − 𝜆𝜆 ∙ 𝐼𝐼2 = ( ), qui est la matrice du système homogène
12 − 𝜆𝜆 qui sont 1 et -2.
Ce qui est important de retenir, c’est qu’une matrice carrée est inversible si et seulement
0
ci-haut. On peut ajouter comme troisième colonne le second membre de l’équation ( )
si son déterminant n’est pas nul. 0 Le polynôme 𝑝𝑝(𝑥𝑥) = −5(𝑥𝑥 − 1)2 (𝑥𝑥 + 2) possède un zéro double ou de multiplicité 2 qui
afin d’avoir la matrice augmentée du système. Comme cette colonne ne changera pas est 1 et un zéro simple ou de multiplicité 1 qui est -2.
𝐴𝐴 est inversible ⇔ det(𝐴𝐴) ≠ 0
durant le processus de la rref, il n’est pas nécessaire de l’inclure, mais dans ce cas, il faut
se souvenir de ce fait lorsqu’on donne les solutions. La multiplicité d’un zéro 𝑥𝑥0 d’un polynôme 𝑝𝑝(𝑥𝑥) est le nombre de fois que le terme (𝑥𝑥 −
7
𝑥𝑥0 ) apparait dans la factorisation du polynôme 𝑝𝑝(𝑥𝑥).
Cas de la valeur propre 𝜆𝜆 = 1:
Notons par 𝑉𝑉𝜆𝜆 , le sous espace propre associé à la valeur propre λ , qui est l’ensemble des
vecteurs qui vérifient (𝐴𝐴 − 𝜆𝜆 ∙ 𝐼𝐼𝑛𝑛 )𝑉𝑉 = 0. On rappelle que 𝑉𝑉𝜆𝜆 est formé des vecteurs
Cette matrice n’est donc pas inversible.
propres associée à la valeur propre λ et du vecteur nul. 𝑉𝑉𝜆𝜆 est un sous espace véctoriel
car il est le noyau de la matrice 𝐴𝐴 − 𝜆𝜆 ∙ 𝐼𝐼𝑛𝑛 .

1 5
3

Valeurs propres et vecteurs propres. On montre que

𝑥𝑥
Soit A une matrice carrée d’ordre n. Un nombre réel λ est dit valeur propre de la matrice On cherche les solutions 𝑣𝑣 = (𝑦𝑦) du système homogène. La matrice obtenue a une seule 1 ≤ dimension(𝑉𝑉𝜆𝜆 ) ≤ multiplicité de 𝜆𝜆
𝑥𝑥
A si on peut trouver un vecteur V non nul vérifiant 𝐴𝐴𝐴𝐴 = 𝜆𝜆 ∙ 𝑉𝑉. colonne pivot et donc, une inconnue non principale qui est y. Les solutions sont (𝑦𝑦) = On voit alors que dimension(𝑉𝑉𝜆𝜆 ) = 1 si λ est une valeur propre simple.
−𝑡𝑡
L’équation 𝐴𝐴𝐴𝐴 = 𝜆𝜆 ∙ 𝑉𝑉 peut s’écrire 𝐴𝐴𝐴𝐴 = 𝜆𝜆 ∙ 𝐼𝐼𝑛𝑛 𝑉𝑉 et aussi (𝐴𝐴 − 𝜆𝜆 ∙ 𝐼𝐼𝑛𝑛 )𝑉𝑉 = 0 . ( ). Critères de diagonalisation
𝑡𝑡
Dire que λ est valeur propre de A revient à dire que Ker(𝐴𝐴 − 𝜆𝜆 ∙ 𝐼𝐼𝑛𝑛 ) ≠ {0}, ceci équivaut Remarque. Si vous utiliser la matrice augmentée du système, vous aurez On montre qu’une matrice carrée d’ordre n est diagonalisable si et seulement si elle
à dire que la matrice 𝐴𝐴 − 𝜆𝜆 ∙ 𝐼𝐼𝑛𝑛 n’est pas inversible. possède n vecteurs propres linéairement indépendants.

Ceci nous amène au critère suivant Ce critère est équivalent à dire que la somme des dimensions des sous espaces propres
𝜆𝜆 est valeur propre de 𝐴𝐴 si et seulement si det(𝐴𝐴 − 𝜆𝜆 ∙ 𝐼𝐼𝑛𝑛 ) = 0 est n.
Ce qui donne la solution ci-haut.

Trouver les valeurs propres d’une matrice carrée, revient alors à résoudre l’équation −𝑡𝑡 −𝑡𝑡 0 −𝑡𝑡 −𝑡𝑡 Cas particulier. Si une matrice A d’ordre n possède n valeurs propres distinctes, alors A
Donc, tout vecteur ( ) vérifie (𝐴𝐴 − 1 ∙ 𝐼𝐼2 ) ( ) = ( ) ou 𝐴𝐴 ( ) = 1 ∙ ( ).
𝑡𝑡 𝑡𝑡 0 𝑡𝑡 𝑡𝑡
det(𝐴𝐴 − 𝜆𝜆 ∙ 𝐼𝐼𝑛𝑛 ) = 0. Comme det(𝐴𝐴 − 𝜆𝜆 ∙ 𝐼𝐼𝑛𝑛 ) est un polynôme en λ, les valeurs propres est diagonalisable.
Cependant, seuls les vecteurs non nuls sont dits vecteurs propres. Dans ce cas,
sont donc les zéros du polynôme det(𝐴𝐴 − 𝜆𝜆 ∙ 𝐼𝐼𝑛𝑛 ). Ce polynôme est dit polynôme −𝑡𝑡
( ) avec 𝑡𝑡 ≠ 0. Si une matrice A est diagonalisable et si P est la matrice dont les colonnes sont n vecteurs
caractéristique. 𝑡𝑡
L’ensemble des solutions obtenues (les vecteurs propres ainsi que le vecteur nul) forment
propres linéairement indépendants 𝑣𝑣1 , 𝑣𝑣2 , … . , 𝑣𝑣𝑛𝑛 , on a
Exemple.
un sous espace vectoriel appelé sous-espace propre associé à la valeur propre 1.
𝑃𝑃 −1 𝐴𝐴𝐴𝐴 = 𝐷𝐷
2 1
8 On considère la matrice 𝐴𝐴 = ( ). Pour trouver les valeurs propres, on utilise la TI −𝑡𝑡 −1
1 2 Dans ce cas, ( ) = 𝑡𝑡 ( ) et donc la base du sous espace propre est formée d’un seul 𝜆𝜆1 ⋯ 0
𝑡𝑡 1
comme suit : −1 où 𝐷𝐷 = ( ⋮ ⋱ ⋮ ) est la matrice diagonale dont la diagonale est formée de valeurs
vecteur qui est ( ). 0 ⋯ 𝜆𝜆𝑛𝑛
1
propres 𝜆𝜆1 , 𝜆𝜆2 , … . . , 𝜆𝜆𝑛𝑛 correspondant aux vecteurs propres 𝑣𝑣1 , 𝑣𝑣2 , … . , 𝑣𝑣𝑛𝑛 .
On va faire la même démarche avec la valeur propre 𝜆𝜆 = 3.

Exemple récapitulatif

−1 6 −3
On considère la matrice 𝐴𝐴 = ( 3 −4 3 ).
Le sous espace propre associé à la valeur propre 3 est l’ensemble des solutions, à savoir 3 −6 5

𝑥𝑥 𝑡𝑡 1 1 On cherche les valeurs propres en résolvant l’équation det(𝐴𝐴 − 𝜆𝜆. 𝐼𝐼3 ) = 0. On notera
(𝑦𝑦) = ( ) = 𝑡𝑡 ( ) et donc la base de ce sous espace est formée d’un seul vecteur ( ).
𝑡𝑡 1 1 que l’inconnue λ est remplacée par a pour simplifier l’écriture sur la TI.
On peut faire Un fait important qui sera étudié par la suite est que si on met les vecteurs de base des
−1 1
deux espaces propres dans la matrice 𝑃𝑃 = ( ), on obtient
1 1
1 0
𝑃𝑃−1 𝐴𝐴𝐴𝐴 = ( )
0 3
Ou

4
6
2
 Et on vérifie que

𝑃𝑃 −1 𝐴𝐴𝐴𝐴 = 𝐷𝐷

La fonction solve ne nous donne pas souvent la multiplicité des zéros à moins de factoriser
le déterminant. Une façon de régler ce problème est :

Remarque. Pour vérifier vos résultats, vous pouvez utiliser la fonction eigvl de la TI. Calcul de la puissance d’une matrice.
Calculons 𝐴𝐴10 directement avec la matrice A à l’aide de la TI.
Si D est une matrice diagonale, il est facile de montrer (par induction) que l’élever à la
puissance n revient à élever à la puissance n les éléments de la diagonale.

Exemple sur la TI

La dimension du sous espace propre associé à la valeur propre -4 est 1, car -4 est une
valeur propre simple. Ce qui pourrait poser un problème à la diagonalisation est la valeur
propre 2, qui est double, et donc pour que la matrice soit diagonalisable, il faudrait que
la dimension du sous espace propre correspondant soit 2. “Do something your future self will thank you for.”
Si la matrice est diagonalisable, on va donner une formule qui donne sa puissance.

Pour chaque valeur propre, cherchons les bases des sous espaces propres en résolvant le En multipliant l’équation 𝑃𝑃−1 𝐴𝐴𝐴𝐴 = 𝐷𝐷 à gauche par 𝑃𝑃 et à droite par 𝑃𝑃−1, on obtient 𝐴𝐴 =
système homogène (𝐴𝐴 − 𝑎𝑎. 𝐼𝐼3 )𝑉𝑉 = 0. 𝑃𝑃𝑃𝑃𝑃𝑃−1.

Cas de la valeur propre 𝑎𝑎 = −4: Calcul de 𝐴𝐴𝑛𝑛

𝐴𝐴𝑛𝑛 = (𝑃𝑃𝑃𝑃𝑃𝑃 −1 )𝑛𝑛 = (𝑃𝑃𝑃𝑃𝑃𝑃 −1 ) ∙ (𝑃𝑃𝑃𝑃𝑃𝑃−1 ) … … … … ∙ (𝑃𝑃𝑃𝑃𝑃𝑃−1 )

= 𝑃𝑃𝑃𝑃𝑃𝑃−1 𝑃𝑃𝑃𝑃𝑃𝑃−1 … … … . . 𝑃𝑃𝑃𝑃𝑃𝑃 −1 = 𝑃𝑃𝐷𝐷𝑛𝑛 𝑃𝑃−1

11
Il y a deux colonnes pivots et z est la variable non principale. Comme on a :

7
Les parenthèses sont omises par associativité.

𝐴𝐴𝑛𝑛 = 𝑃𝑃𝑃𝑃𝑃𝑃 −1 𝑃𝑃𝑃𝑃𝑃𝑃−1 … … … . . 𝑃𝑃𝑃𝑃𝑃𝑃−1 = 𝑃𝑃𝐷𝐷𝑛𝑛 𝑃𝑃−1

Tous les termes 𝑃𝑃−1 𝑃𝑃 disparaissent, car 𝑃𝑃−1 𝑃𝑃 = 𝐼𝐼𝑛𝑛 .

On obtient la formule

𝐴𝐴𝑛𝑛 = 𝑃𝑃𝐷𝐷𝑛𝑛 𝑃𝑃−1

qui nécessite seulement le calcul de 𝐷𝐷𝑛𝑛 et comme D est diagonale, le calcul est facile.
Les solutions sont
Revenons à l’exemple et donnons une formule pour 𝐴𝐴𝑛𝑛 .

−1
La base de 𝑉𝑉−4 est formée d’un seul vecteur [ 1 ].
1
Cas de la valeur propre 𝑎𝑎 = 2:

On a une colonne pivot et donc, deux inconnues principales, y et z. Comme on a : 𝑥𝑥 −

2𝑦𝑦 + 𝑧𝑧 = 0

Les solutions sont

Remarque importante. Pour indiquer à la TI que n est un entier, il faut écrire 𝒏𝒏1 (le
symbole n se trouve dans le catalogue tableau 4). On peut aussi simplement taper @n1.

2 −1
La base de 𝑉𝑉2 est formée de deux vecteurs [1] et [ 0 ]. Calculons 𝐴𝐴10 avec la formule
0 1
On forme la matrice de vecteurs propres

10
Exercice 1.

𝑥𝑥 2𝑦𝑦 𝑧𝑧
− +
3 3 3
𝑥𝑥 𝑦𝑦 2𝑧𝑧
[𝑉𝑉]𝐵𝐵 = + −
3 3 3
𝑥𝑥 𝑦𝑦 𝑧𝑧
( 3+3+3 )

‘’I better excell in this shit and get my money’s worth as well as every breakdown I suffered for it ’’
c)

La matrice de changement de base (ou de passage) est

Exercice 4.
1 −1 1 5 1 1 −1 5
a) 𝐴𝐴 ( ) = ( ) et 𝐴𝐴 ( ) = ( ) peuvent s’écrire 𝐴𝐴 ( )=( ) et par suite
2 3 1 0 2 1 3 0
1 1 1 1 −1 −1 5 1 1 −1 11 −6
𝐴𝐴 ( )( ) =( )( ) et par suite 𝐴𝐴 = ( ) et On a 𝑃𝑃 ∙ [𝑣𝑣]𝐵𝐵 = [𝑣𝑣]𝐵𝐵𝐵𝐵𝐵𝐵𝐵𝐵 𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐 et aussi [𝑣𝑣]𝐵𝐵 = 𝑃𝑃−1 [𝑣𝑣]𝐵𝐵𝐵𝐵𝐵𝐵𝐵𝐵 𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐
2 1 2 1 3 0 2 1 −3 3
𝑇𝑇(𝑥𝑥, 𝑦𝑦) = (11𝑥𝑥 − 6𝑦𝑦 , −3𝑥𝑥 + 3𝑦𝑦)

Exercice 5.
Dans cet exercice, vous pouvez aussi utiliser les coordonnées homogènes et avoir des matrices (3,3)
a.

Exercice 9.

a) et b)

b)

Exercice 6.

a)
c)
Exercice 2.

a)

1 3 5

Remarque. On peut juste faire la rref des 3 vecteurs colonnes et voir qu’on n’a pas 3 colonnes pivots.
La réponse est donc (√3 + 1 , √3 + 2).

Exercice 7.

b)

Exercice 8.

a)

Exercice 3.
On a 3 vecteurs linéairement indépendants dans un espace de dimension 3, donc ces trois vecteurs
Nous passons par les matrices pour voir si une application linéaire est inversible. forment une base.

b) On peut utiliser la TI sans risque car les 1 dans les colonnes pivots sont trouvés dans les 3
premières colonnes qui ne contiennent pas les variables.