BTS ALKHAWARIZMI PROF.
MOUSSADDAR
DIAGONALISATION
I .PRELIMINAIRE
• Soient les matrices = ; = et =
−
1) Montrer que la matrice P est inversible et déterminer .
2) Soient les vecteurs = =
Vérifier que : . = . et . = . .
1
Page
3) Montrer que : = . . . On dit que A est diagonalisable.
4) Vérifier que : = . . ∀ ∈ .
5) Montrer que : = ∀ ∈ .
6) Calculer alors : ∀ ∈ .
BTS ALKHAWARIZMI PROF.MOUSSADDAR
II.ESPACE VECTORIEL IR . n
est l’ensemble des vecteurs =( , ) , ∈ .
Par exemple =( , ) = ( , ) sont des vecteur de
le vecteur s’écrit de façon unique : = . + . .
on dit que : est un espace vectoriel engendré par la base canonique ( , ).
En general : (u,v) base de ssi det(u,v) non nul.
Exemple u=(1,1) v=(1,-1)
1 1
Det(u,v) = = −2 ≠ 0 alors (u,v) base de
1 −1
2
Page
= {( , , ); , ∈ } espace vectoriel .
i=(1,0,0) ; j=(0,1,1) ; k=(0,0,1) des vecteurs de .
(x,y,z)= x.i + y.j +k.z :(i,j,k) la base canonique de .
En general :(u,v,w) base de ssi det(u,v,w) non non nul
BTS ALKHAWARIZMI PROF.MOUSSADDAR
III. VECTEUR PROPRE / VALEUR PROPRE
Definition: est un vecteur propre de associé à la valeur propre ssi . = .
Dans certains cas, on peut décomposer une matrice selon A = PDP-1, D étant une matrice diagonale. P inversible ;Cette
décomposition contient de l’information à propos des valeurs propres et des vecteurs propres.
Dans le préliminaire on a : = : = = . = . et . = . . avec = =
−
u est vecteur propre de A associe à la valeur propre 6 et v est vecteur propre de A associe à la valeur propre 4.
IV. POLYNOME CARACTERISTIQUE DE LA MATRICE A
On va chercher les valeurs propres 4 et 6 ( . = . et . = . ) de la matrice =
− −
Pour x réel la matrice − = le polynôme caractéristique de A est : ( ) = ( − )= .
− −
3
Alors ( ) = ( − ) − = ( − )( − ). dit : le polynôme caractéristique de A.
Page
Pour P(x)=0 ; on trouve x=6 ou x=4 alors les valeurs propres de A sont : 4 et 6.
Les valeurs propres d’une matrice sont les racines de son polynôme caractéristique
BTS ALKHAWARIZMI PROF.MOUSSADDAR
V. ESPACE VECTORIEL PROPRE
Dans notre exemple : . = . et . = . . avec = =
Pour une valeur propre , le vecteur propre n’est pas unique.
On propose de déterminer l’espace des vecteurs propres associe à une valeur propre donné.
Pour la valeur propre 6 :
On pose : = ( , ) alors . = . <=> . = .
5 + =6
Ce qui donne le système : <=> =
+5 =6
Alors la solution est la droite vectoriel : = . les vecteurs propres sont des vecteurs appatenant à cette droite.
Alors = = : on dit que la droite vectoriel engendré par le vecteur propre = .
On dit que : le sous espace propre associe à la valeur propre 6 est la droite vectorielle engendré par le vecteur propre
4
= .
Page
On note : = ( − . )= ( ).
Pour la valeur propre 4 :
On procède de la même façon : : = ( − . )= ( ).
BTS ALKHAWARIZMI PROF.MOUSSADDAR
VI. Théorèmes de la diagonalisation
1) Une matrice A est diagonalisable si et seulement si ses vecteurs propres forment
une base.
Dans notre exemple : les vecteurs propres de A : = = tels que : ( , )=− ≠ .
Alors (u,v) est une base de IR² Par suite A est diagonalisable.
Alors A = PDP-1, où D est une matrice diagonale, les éléments de la diagonale de D sont les valeurs propres de A et les
colonnes de P sont les vecteurs propres correspondants.
2) Si une matrice A d’ordre n possède n valeurs propres distinctes, alors A est
diagonalisable.
Dans notre exemple la matrice A d’ordre 2, possédant 2 valeurs propres distincts ( 4 et 6)
5
Page
Alors on pourra affirmer que A est diagonalisable et les vecteurs propres forment une base.
BTS ALKHAWARIZMI PROF.MOUSSADDAR
VII. APPLICATIONS
1) Calcul des puissances d’une matrice
Pour une matrice diagonale = la puissance Dn est très facile : = .
Mais pour la matrice = cette façon ne marche plus car A n’est pas diagonale comme D.
A est diagonalisable ie elle s’ecrit : = . .
On dit qu’une matrice A est diagonalisable si A est similaire à une matrice diagonale, i.e.
A = PDP-1, pour une matrice inversible P et une matrice diagonale D.
Alors cette relation s’applique aussi pour les puissances : = . . .
Au lieu de faire n opérations ; A.A.A…….A on effectue seulement 2.
2) Matrice inversible : si les valeurs propres de A sont toutes non nulles alors A est inversible.
6
Page
3) Systèmes récurrents :
Soient ( ) et ( )
deux suites réelles .
5 + =
On considère le système (S) : avec =1 = 2.
+5 =
On pose = =
- ( ) <=> = .
Ce qui donne = . ∀ ∈ .
BTS ALKHAWARIZMI PROF.MOUSSADDAR
VIII. APPLICATION LINEAIRE
1) DEFINITION : on considère une application → ∶= .
→ ( )
est dite linéaire si : ∀ , ∈ ∶ ( + ) = ( ) + ( ).
∀ ∈ ; ∈ : ( . )= . ( )
Exemple ∶ →
= ( , ) → ( ) = (5 + , + 5 ).
on montre que est linéaire.
On pose : =( , ); ( ’, ’) f(u)=f(x,y)=(5x+y,x+5y) f(v)=f(x’,y’)=(5x’+y’,x’+5y’)
Alors : ( + ) = ( + ’, + ’)=(5( + ’) + ( + ’), ( + ’) + 5( + ’))
= (5 + + 5 ’ + ’, + 5 + ’ + 5 ’)
= (5 + , + 5 ) + (5 ’ + ’, ’ + 5 ’)
7
= ( )+ ( )
Page
De même : ∀ ∈ ( . )= ( . , . )
= (5. + , + 5. ) =( (5 + ), ( + 5 ))
= . (5 + , + 5 )= . ( ).
Alors : est linéaire.
BTS ALKHAWARIZMI PROF.MOUSSADDAR
2) MATRICE D’UNE APPLICATION LINEAIRE
Soit l’application linéaire ∶ →
= ( , ) → ( ) = (5 + , + 5 ).
1) IR² muni de sa base canonique B0=(i,j). avec i(1,0) et j(0.1)
On a : f(i)=f(1,0)= (5,1)= 5.i+1.j et f(j)=1.i+5.j
%
Alors : = %
f(i) f(j)
A est la matrice de f suivant la base B0 et on note A=M(f,B0)
2) IR² muni de sa base canonique B=(u,v). avec u(1,1) et v(1,-1)
8
On a : f(u)=f(1,1)= (6,6)= 6.(1,1)=6.u=6.u+0.v et f(v)=f(1,-1)=(4,-4)=4(1,-1)=4.v=0.u.4.v
Page
%
Alors : = %
f(u) f(v)
D est la matrice de f suivant la base B et on note D=M(f,B).
BTS ALKHAWARIZMI PROF.MOUSSADDAR
