https://www.facebook.com/prepas.maths.
52
MP
Diagonalisation
Les Astuces
IK=IR ou C et A ∈ Mn(IK)
Définition 1
Soit A ∈ Mn(IK) et λ∈ IK
λ est dite valeur propre de A <=> ∃ X colonne non nulle de taille n tq X colonne non nulle de taille n tq
AX= λX
X s’appelle alors vecteur propre de A associée à la valeur propre λ
Notation et Vocabulaire
Dans ce cas, on écrit
• λ∈ sp(A) : spectre de A
• X∈ Eλ = ker (A- λI) sous espaces propre de A associé à la valeur
propre A
Théorème 1. Fondamental
Soit A ∈ Mn(IK) et λ∈ IK, Alors
λ∈ sp(A) <=> rg(A- λIn)<n
Théorème 2. Fondamental
Soit A ∈ Mn(IK) et λ∈ IK, Alors
λ∈ sp(A) <=> det(A- λIn)=0
Autrement dit : λ racine du polynôme caractéristique χA(X)=det(XIn-A)
Dans ce cas
dim E λ ≤ mult(λ, χA(X))
Théorème 3. Fondamental
Soit A ∈ Mn(IK), Alors
deg(χA(X))=n
Plus précisément :
χA(X) = Xn-Tr(A)Xn-1 + ??? + (-1)ndet(A)
En particulier :
∏ vp de (A)= det(A)
Σ vp de (A)= Tr(A)
Définition 2
Soit A ∈ Mn(IK), P(X)=akXk+ ...+a0 un polynôme
On pose P(A)=akAk+ ...+a0 I
Si de plus P(A)=0, on dit alors que P(X) est un polynôme annulateur de A
Exemples
2 2 2
• Si A =A, alors A -A=0, dans ce cas P(X)= X -X est un polynôme
annulateur de A, car P(A)= A2-A=0
• Si A2-3A+2I=0, alors P(X)= X2-3X+2 est un polynôme annulateur
de A, car P(A)= A2-3A+2I=0
Théorème 4. Cayley-Hamilton
Le polynôme caractéristique χA(X) de A est un polynôme annulateur de A
Théorème 3. Formules Utiles
Soit A ∈ Mn(IK), λ∈ sp(A) et X∈ Eλ = ker (A- λI). cad AX= λX
Alors
• AkX= λkX, ∀k k ∈ IN
• P(A)=P(λ).X pour tout polynôme P(X)
Théorème 5. Fondamental
Si A ∈ Mn(IK) et λ∈ sp(A)
Si P(X) polynôme annulateur de A
Alors : P( λ)=0
Remarque :
• les valeurs propres sont des racines des polynômes annulateurs
• La réciproque n’est pas vraie : les racines des polynômes annulateurs
ne sont pas des valeurs propres
Définition 3
Soit A ∈ Mn(IK),
son polynôme annulateur de A unitaire de degré minimal s’appelle
polynôme minimal de A et se note πA(X)
Théorème 6. Fondamental
πA(X) divise tous les polynômes annulateurs
En particulier πA(X) divise χA(X)
Avec
λ∈ sp(A) <=> λ racine de πA(X) <=> λ racine de χA(X)
Autrement dit : χA(X)=∏ (X- λ)α <=> πA(X)=∏ (X- λ)β avec β≤ α
Astuce 1
Soit A ∈ Mn(IK). Pour trouver les λ∈ IK valeurs propres de A :
• il suffit de trouver un polynôme annulateur de A
• trouver les λ racines de A, cad P(λ)=0
• parmi ces λ, choisir celle qui vérifient rg(A- λ I)<n
Astuce 2
Si A ∈ Mn(IK). Si λ∈ IK est une valeur propre de A. Pour trouver les
vecteurs propres de A, une base de Eλ = ker (A- λI) et dim Eλ
• il suffit de résoudre le système linéaire AX=λX, où X colonnes
formée par n coefficient
• utiliser la formule dim Eλ=card(bas de Eλ )
Définition 3
Une matrice A ∈ Mn(IK) est dite diagonalisable <=> elle est semblable
à une matrice diagonale
Autrement dit : elles existent P matrice inversible et D matrice diagonale
tq
A=PDP-1
Dans ce cas D est formée par les valeurs propres de A
Les colonnes de P est formée par les vecteurs propres de A
Théorème 7 (Pratique) : Théorème spectral
Toute matrice symétrique réelle est orthogonalement diagonalisable
cad A=PDP-1 avec P-1=tP
Théorème 8 (Pratique)
Soit A ∈ Mn(IK)
Si χA(X) est scindé à racines simples, alors A est diagonalisable
Plus précisément : Si A admet exactement n valeur propres, alors A est
diagonalisable
Dans ce cas dim Eλ=1
Astuce 3
• Nbr de valeurs propres ≤ n=taille de la matrice (toujours)
• Nbr de valeurs propres ≤ n=taille de la matrice => A diagonalisable
Remarque
La réciproque du théorème précédent n’est pas toujours vrai
Toutefois, on a le résultat suivant
Théorème 9 (Pratique)
Soit A ∈ Mn(IK)
Alors
A est diagonalisable <=> χA(X) est scindé
dim E λ = mult( λ, χA(X)), ∀k λ∈ sp(A)
Théorème 10 (Pratique)
Soit A ∈ Mn(IK)
Alors
A est diagonalisable <=> A admet un polynôme annulateur scindé à
racines simples
Théorème 11 (Pratique)
Soit A ∈ Mn(IK)
Alors
A est diagonalisable <=> πA(X) est scindé à racines simples
Astuce 4
Pour montrer que A est diagonalisable, il suffit de
• trouver les valeur propre λi de A
• calculer dim dim Eλi
• vérifier que dim Eλ1 + … + dim Eλ1 = n (taille de la matrice)
Définition 4
Soit E ev tq dim E=n
Soit : E → E endomorphisme de E
Soit B base de E et A=MB(f)∈ Mn(IK)
On dit que f est diagonalisable <=> A est diagonalisable
Théorème 12. Fondamental
Soit E ev tq dim E=n
Soit : E → E endomorphisme de E
Soit B base de E et A=MB(f)∈ Mn(IK) tq sp(A)={λ1, …, λm}
On dit que f est diagonalisable <=> E= Eλ1 ⊕ … ⊕ … ⊕ … ⊕ Eλm
Théorème 13. Fondamental
Soit E ev tq dim E=n
Soit : E → E endomorphisme de E
Soit B base de E et A=MB(f)∈ Mn(IK) tq sp(A)={λ1, …, λm}
On dit que f est diagonalisable <=> il existe une base de E formée par
des vecteurs propres de f.
Une telle base s’appelle base propre de E associée à l’endomorphisme E
Must Concours :
Pour calculer An
• On cherche les λ valeurs propres de A
• Pour chaque λ, on détermine une base de Eλ et dim Eλ
• On montre que A est diagonalisable
• On écrit A=PDP-1
• D est matrice diagonale formée par les λ valeurs propres de A
• Chaque λ valeur propre de A doit se répéter dans D autant de fois
que dim Eλ
• P matrice inversible dont les colonnes sont exactement les bases de
chaque Eλ
• On utilise la formule clé
An=(PDP-1)n= PDnP-1
Extrait Concours
A =[2 1 1]
[1 2 1]
[1 1 2]
1. Montrer que A est diagonalisable
2. Calculer An
A est une matrice symétrique réelle, donc diagonalisable (sera vu chapitre
algèbre bilinéaire : Théorème spectral)
Selon ce qui précède A2-5A+4I=0, donc X2-5X+4 est un polynôme
annulateur de A, dont les racine sont 1 et 4, cad sp(A)={1,4}
Soit X= x vecteur propre
y
z
On résout AX=X, on obtient les équations
(1) : 2x+y+z=x <=> x+y+z=0
(2) : x+2y+z=2y <=> x+y+z=0
(3) : x+y+2z=z <=> x+y+z=0
Ainsi z=-x-y
Donc X= x x 1 0
y = y = x . 0 + y. 1
z -x-y -1 -1
Ainsi 1 valeur propre de multiplicité 2
On résout AX=4X, on obtient les équations
(1) : 2x+y+z=4x <=> -2x+y+z=0
(2) : x+2y+z=4y <=> x-2y+z=0
(3) : x+y+2z=4z <=> x+y-2z=0
Ainsi (1)-(2) => -3x+3y=0 => x=y et (1)-(3) =>-3x+3z=0 => x=z
Donc X= x x 1
y = y =x. 1
z z 1
Ainsi 4 valeur propre de multiplicité 1
Donc A = P.D.P-1 Avec D=[1 0 0] et P = [1 0 1]
[0 1 0] [0 1 1]
[0 0 4] [-1 -1 1]
n n -1 n
Donc A = P.D .P Avec D=[1 0 0] et P = [1 0 1]
[0 1n 0] [0 1 1]
n
[0 0 4 ] [-1 -1 1]
Résumé 1 : Comment chercher les valeurs propres λ ∈ sp(A)
Méthode 1 Méthode 2 Méthode 2
chercher les λ tq Trouver P(X) un Cas matrice triangulaires
rg(A - λI ) ≠n polynôme annulateur de A les vp sont les
chercher λ tq P(λ)=0 coefficients de la
Parmi ces λ chercher diagonale
celles tq rg(A - λI ) ≠n
Résumé 2 : Comment chercher dimension et base de Eλ=ker (A - λI )ker (A - λI )
Méthode unique
Résoudre le système AX= λX où X une colonnes à n coefficients
Résumé 3 : Comment montrer A diagonalisable
Méthode 1 Méthode 2 Méthode 3 Méthode 4
Vérifier que A est Vérifier que Vérifier que Vérifier que
une matrice Nbr de val. A admet une base ∑ dim Eλ = n
symétrique réelle propres = n formée par des
vecteurs propres
Méthode 5 Méthode 6 Méthode 3 Méthode 4
Vérifier que Vérifier que A Vérifier que Vérifier que
χA(X) est scindé admet un πA(X) est scindé à E= Eλ1 ⊕ … ⊕ … ⊕ … ⊕
et que polynôme racines simples Eλm
dim E λ=mult(λ, annulateur scindé
χA(X)), à racines simples
∀k λ∈ sp(A)
Résumé 4 : Comment diagonaliser A
Écrire que A=PDP-1
D=diag(λ1, …, λn) matrice diagonale où chaque λk se répète r=dim Eλ fois
P matrice inversible dont les colonnes sont formée par la base de Eλ
