Académique Documents
Professionnel Documents
Culture Documents
Université Paris-Saclay
Diagonalisation de matrice
Y.Caillard
Remarque 1.1.2
(i) Par définition, les vecteurs propres sont non nuls. En revanche, la valeur propre
peut être nulle, en effet : les vecteurs de Ker(f ) sont les vecteurs propres
correspondant à la valeur propre λ = 0
car v ∈ Ker(f ) ⇐⇒ f (v) = 0 = 0 · v.
(ii) Si v est un vecteur propre correspondant à la valeur propre λ, alors ∀µ ∈ K∗ ,
µv est aussi vecteur propre correspondant à la même valeur propre λ :
Ainsi :
··· 0
λ1 0
.. .
0 λ2 . ..
MB (f ) =
.. .. ..
. . . 0
0 · · · 0 λn
a1,1 0 · · ·
0
. ..
0 a2,2 . . .
MC (f ) = . . .
.. .. ..
0
0 · · · 0 an,n
Cela signifie donc que v ∈ Ker(f − λId), et puisque v est non nul, l’application
(f − λId) n’est pas injective soit :
det(f − λId) = 0
a1,1 a1,2 · · · a1,n
a2,1 a2,2 · · · a2,n
MB (f ) =
.. .. ... ..
. . .
an,1 an,2 · · · an,n
4 1 Réduction d’endomorphisme.
1 2
MB (f ) =
2 1
λ est valeur propre de f si et seulement si det(f − λId) = 0, on a :
1−λ 2
Pf (λ) = = (1 − λ)2 − 22 = (3 − λ)(−1 − λ)
2 1−λ
Définition 1.2.5
L’ensemble des valeurs propres de f est dit spectre de f , noté SpK (f ).
Il est important de remarquer que l’indice K est important pour la raison suivante :
Si l’on considère la matrice :
5
2 1
A=
−5 −2
2−λ 1
On a : PA (λ) = = λ2 + 1
−5 −2 − λ
Ainsi, si l’on considère A comme matrice de M2 (C), alors elle a deux valeurs propres :
+i et −i. En revanche, si A est considérée comme une matrice de M2 (R), alors elle
n’aura pas de vecteurs propres. En d’autres termes, on a :
Une fois calculées les valeurs propres, il nous faut déterminer les vecteurs propres.
Pour se faire, il nous suffit de résoudre ce système linéaire :
Av = λv
où v désigne le vecteur propre associée à la valeur propre λ, A la matrice associée à f
dans la base B.
En effet, si A ∈ Mn (K), v ∈ Kn , le produit Av désigne les coordonnées de f (v) dans
la base B. Or, puisque v est un vecteur propre associé à la valeur propre λ, on a :
f (v) = λv, d’où Av = λv.
Av = λv ⇐⇒ Av − λv = 0 ⇐⇒ (A − λId)v = 0
(i) Calcul de v1 :
Il nous faut donc résoudre le système Av1 = λ1 v1 :
1 2 x x
=3
2 1 y y
Ce qui donne le système suivant :
( (
x + 2y = 3x −2x + 2y = 0
⇐⇒
2x + y = 3y 2x − 2y = 0
x
En le résolvant, nous obtenons x = y, ainsi, v1 = , et ce pour tout x ∈ R.
x
1
Les solutions sont donc engendrées par le vecteur v1 = , ou tout autre
1
vecteur colinéaire à celui-ci.
(ii) Calcul de v2 :
De la même manière, il nous faut résoudre le système Av2 = λ2 v2 :
′ ′
1 2 x x
′ = −1
2 1 y y′
Ce qui nous donne le système suivant :
( (
x′ + 2y ′ = −x′ 2x′ + 2y ′ = 0
⇐⇒
2x′ + y ′ = −y ′ 2x′ + 2y ′ = 0
1
dont les solutions sont engendrées par le vecteur v2 = , ou tout autre
−1
vecteur colinéaire à celui-ci.
Il est facile de voir que la famille F = (v1 , v2 ) est une base de R2 car
det(v1 , v2 ) ̸= 0. Par conséquent, f est diagonalisable ( pq ) et :
3 0
MF (f ) =
0 −1
Eλ = Ker(f − λId)
En effet, Eλ représente l’ensemble des vecteurs propres de f , or, si v est un vecteur
propre de f associée à sa valeur propre λ, alors on a :
f (v) = λv ⇐⇒ f (v) − λv = 0 ⇐⇒ (f − λId)(v) = 0 ⇐⇒ v ∈ Ker(f − λId).
Ainsi, l’ensemble des vecteurs propres sont l’ensemble des vecteurs appartenant à
Ker(f − λId). (à faire relire )
Hérédité :
Supposons que l’hypothèse de récurrence (H.R.) est vérifiée au rang p. Montrons
qu’elle est vraie au rang p + 1, c’est-à-dire :
Soient λ1 , . . . , λp , λp+1 ∈ Sp(f ) et telles que λ1 =
̸ . . . ̸= λp+1 . Et soient u1 , . . . , up+1 :
p + 1 vecteurs propres de f associés respectivement à λ1 , . . . , λp+1 . Montrons que la
famille (u1 , . . . , up+1 ) est libre :
K1 = K2 = . . . = Kp = 0E ⇐⇒ µ1 (λp+1 − λ1 ) = . . . = µp (λp+1 − λp ) = 0E
Ce qui implique nécessairement : µ1 = µ2 = . . . = µp = 0E car tous les λi sont
distincts. Finalement, par (⋆) on obtient :
x1 + x2 + . . . + xp = 0 + . . . + y1 + . . . + 0 + . . . + yq + . . . + 0 = y1 + y2 + . . . + yq = 0
Nous savons que la famille (y1 , . . . , yq ) est libre par le théorème précédent car compo-
sée de vecteurs propres. Or, par l’égalité précédente, on a :
yq = −y1 − y2 − . . . − yq−1
9
Preuve. à faire ■
Corollaire 1.4.5 Si f admet n valeurs propres toutes distinctes, alors f est diago-
nalisable.
Rappel 1.4.6
(i) Soit P ∈ K[X], a ∈ K est dite racine de P si P (a) = 0. Dans ce cas, on a :
P (X) = (X − a)Q(X)
Où Q(X) ∈ K[X].
(ii) Si l’on peut écrire P de la forme :
P (X) = X 2 − 5X + 6 = (X − 2)(X − 3)
est scindé dans R. En revanche, le polynôme :
P (X) = X 2 + 1
est scindé dans C mais pas dans R.
Un polynôme P est donc scindé si et seulement si :
p
Y
(⋆) P (X) = a (X − ak )αk = a(X − a1 )α1 . . . (X − ap )αp
k=1
Avec a ∈ K, α1 + . . . + αp = n et ∀i ̸= j : ai ̸= aj .
Tout polynôme de C[X] est scindé dans C.
10 1 Réduction d’endomorphisme.
dimEλ ≤ α
Preuve. à faire. ■
Preuve. à faire. ■
Exemple 1.4.8
−1 1 1
A = 1 −1 1
1 1 −1
On obtient PA (λ) = (1−λ)(λ+2)2 . Donc A est diagonalisable si et seulement si l’espace
propre E−2 est de dimension 2. On a E−2 = Ker(A + 2I3 ). Il nous faut donc trouver
tous les vecteurs
dansKer(A + 2I3 ). Pour se faire résolvons le système (A + 2I3 )v = 0.
x
En effet, si v = y , on a vu que v ∈ Ker(f − λId) ⇐⇒ (f − λId) = 0, d’où :
z
x + y + z = 0
n
x + y + z = 0 ⇐⇒ z = −x − y
x+y+z =0
Ainsi :
x 1 0
v= y = x 0 + y 1 = xv1 + yv2
−x − y −1 −1
−2 0 0 1 0 1
Q = 0 −2 0 P = 0 1 1
0 0 1 −1 −1 1
Q = P −1 AP
(i) Déterminer les valeurs propres en trouvant les racines du polynôme caractéris-
tique :
(ii) Calculer les différents espaces propres Eλ = Ker(f − λId). Vérifier que pour
chaque valeur propre λi de multiplicité αi , on a : dim(Eλi ) = αi . Si tel est le cas,
f est diagonalisable, et les vecteurs propres de f associées à la valeur propre λ
sont ceux formant une base de Eλ . Ces vecteurs nous permettent de former une
base composées de vecteurs propres.
(iii) Maintenant, il nous faut obtenir Q et P telle que si l’on note B la base canonique
et C notre base formées de vecteurs propres :
Q = MC (f ) P = MC→B (Id)
Et ainsi, par définition de ces matrices :
λ1 0 ... 0
. .
0 λ2 . . ..
Q= P = (v1 , v2 . . . , vn )
.. ... ...
. 0
0 . . . 0 λn
où λi est une valeur propre associée au vecteur propre vi de f .
(iv) Enfin, nous pouvons exprimer A à l’aide de ces deux matrices par la formule du
changement de base d’un endomorphisme :
A = P QP −1
12 1 Réduction d’endomorphisme.
Exemple 1.4.10
Soit A ∈ M2 (R), la matrice associée à l’application linéaire f dans la base canonique
B = (e1 , e2 ) :
2 1
A=
1 2
‘
Déterminons les racines du polynômes caractéristiques Pf (λ) :
2−λ 1
= (2 − λ)2 − 1 = (1 − λ)(3 − λ)
1 2−λ
Ainsi, on a SpR (f ) = {1, 3}. Par ailleurs, on a :
1 ≤ dim(E1 ) ≤ 1 ⇐⇒ dim(E1 ) = 1
On a :
1 0
Q = MC (f ) =
0 3
Et de la même manière, on a :
v1 = −e1 + e2
v2 = e1 + e2
Et :
−1 1
P = MC,B (Id) =
1 1
Et ainsi :
n1 −1 1 1 0 −1 1
A =
2 1 1 0 3n 1 1
n 1 1 + 3n −1 + 3n
A =
2 −1 + 3n 1 + 3n
(⋆⋆) : r2 + ar + b = 0
(i) ∆ > 0 :
Dans ce cas, il y a deux racines distinctes r1 et r2 . Les solutions sont alors de la
forme :
(ii) ∆ = 0 :
Dans ce cas, il y a une seule racine double notée r et les solutions sont de la forme :
∃α, β ∈ K, un = (α + βn)rn
(iii) ∆ < 0 :
Nous obtenons dans ce cas deux racines complexes conjuguées : r1 = a + ib, r2 =
a − ib. Les solutions sont alors de la forme :
un = λn αcos(θn) + βsin(θn)
∃α, β ∈ R,
Preuve.