REDUCTION MATRICIELLE
Considérons un espace vectoriel E de dimension finie, n, sur le corps des nombres réels.
Considérons 𝑓: 𝐸 → 𝐸, 𝑓 ∈ ℒ(𝐸).
Soit A la matrice de l’endomorphisme 𝑓, A est une matrice carrée, réelle, d’ordre n. Aussi
𝑓: 𝑋 ∈ 𝐸 → 𝑓(𝑋) = 𝐴𝑋.
Définition
On appelle vecteur propre de l’endormorphisme 𝑓 ou de la matrice A, tout vecteur 𝑋 ∈ 𝐸 tel
que 𝑓(𝑋) = 𝜆𝑋 ou 𝐴𝑋 = 𝜆𝑋 , où 𝜆 est un scalaire.
Le scalaire 𝜆 est appelé valeur propre de 𝑓 ou de A associée au vecteur propre 𝑋.
Définition
Si 𝜆 est une valeur propre de 𝑓, alors 𝐸𝑓 (𝜆) = {𝑋 ∈ 𝐸/𝑓(𝑋) = 𝐴𝑋} est l’espace propre associé à 𝜆.
Définition
Si 𝜆 est une valeur propre de 𝑓, alors tout vecteur de 𝐸𝑓 (𝜆) est appelé vecteur propre associé à la
valeur propre 𝜆.
Définition
Le spectre de 𝑓 est l’ensemble des valeurs propres de 𝑓. on le note 𝑆𝑝𝑒𝑐(𝑓).
Détermination de la valeur propre- du vecteur propre
On a 𝐴𝑋 = 𝜆𝑋 ⟹ 𝐴𝑋 − 𝜆𝑋 = 0 ⟹ (𝐴 − 𝜆𝐼𝑛 )𝑋 = 0. La condition nécessaire et suffisante pour
que ce système admette une solution 𝑋 ≠ 0 est que 𝑑𝑒𝑡(𝐴 − 𝜆𝐼𝑛 ) = 0. Cette équation permet de
trouver les valeurs propres de la matrice 𝐴.
Lorsque les valeurs propres de la matrice carrée 𝐴 ont été trouvées, on peut calculer les vecteurs
propres correspondants en résolvant le système (𝐴 − 𝜆𝐼𝑛 )𝑋 = 0.
Exemple 1 : On considère la matrice
1 −1
𝐴=( )
−1 1
a. Déterminer les valeurs propres de A.
b. Déterminer les vecteurs propres associés à chacun des valeurs propres.
c. Déterminer les sous-espaces propres associés aux valeurs propres.
Exemple 2 : On considère la matrice
3 1 1
𝐴 = (2 4 2)
1 1 3
Mêmes questions que précédement.
Remarque :
Soient 𝐸 un 𝕂 − 𝑒𝑣 de dimension finie, n, (𝕂 = ℝ ou ℂ) et 𝑓 un endomorphisme de 𝐸. Alors
0𝐸 (élément neutre pour l’addition dans 𝐸) est un vecteur propre triviale de
l’endomorphisme de 𝐸, car 𝑓(0𝐸 ) = 0𝐸 = 𝜆0𝐸 , ∀𝜆 ∈ 𝕂.
Si 𝑣 est un vecteur propre, non nul de 𝐸 alors le scalaire 𝜆 tel que 𝑓(𝑣) = 𝜆𝑣 est unique.
Théorème :
Soit 𝐴 ∈ ℳ𝑛 (𝕂) (ℳ𝑛 (𝕂) désignant l’ensemble des matrices carrées, d’ordre, n, sur le corps 𝕂)
et 𝜆 ∈ 𝕂. Alors les propositions suivantes sont équivalentes :
1. 𝜆 est une valeur propre de A.
2. 𝐴 − 𝜆𝐼𝑛 n’est pas inversible.
3. |𝐴 − 𝜆𝐼𝑛 | = 0.
Théorème :
Soit 𝐴 ∈ ℳ𝑛 (𝕂). Alors
𝑑𝑒𝑔 ∏𝐴(𝜆) = 𝑛 ;
dans ∏𝐴(𝜆) le coefficient de 𝜆𝑛 est (−1)𝑛 ;
le coefficient de 𝜆𝑛−1 est (−1)𝑛 𝑇𝑟(𝐴) (où 𝑇𝑟(𝐴) qu’on lit trace de A désigne la somme des
éléments de la diagonale principale de A) ;
le terme constant de ∏𝐴(𝜆) est égal à det(A).
Exemple 2 : On considère la matrice
3 1 1
𝐴 = (2 4 2)
1 1 3
∏ (𝜆) = 𝑎𝜆3 + 𝑏𝜆2 + 𝑐𝜆 + 𝑑 𝑎 = −1, 𝑏 = (−1)2 𝑇𝑟(𝐴) = 10, det(A) = 24.
𝐴
Réduction des matrices carrées
Soient 𝐸 un 𝕂 − 𝑒𝑣 de dimension finie, n, (𝕂 = ℝ ou ℂ) ;
ℬ une base de 𝐸 ;
𝑓 un endomorphisme de 𝐸.
Alors à 𝑓 on peut associer, relativement à la base ℬ, une matrice carrées, ℳℬ (𝑓), d’ordre n qui
visualise l’endomorphisme 𝑓.
Le problème que nous nous proposons d’étudier ici est le suivant : Peut-on trouver une base ℬ ∗ de 𝐸
telle que la matrice ℳℬ∗ (𝑓) associée à 𝑓 relativement à cette base soit aussi simple que possible,
c’est-à-dire diagonale ou triangulaire ?
Dans le cas où la réponse à cette question est positive, le passage de ℳℬ (𝑓) à ℳℬ∗ (𝑓) s’appelle
réduction de la matrice ℳℬ (𝑓) ou de l’endomorphisme 𝑓.
La réduction est appelée :
diagonalisation, si la matrice ℳℬ∗ (𝑓) est diagonale ;
trigonalisation ou triangularisation, si la matrice ℳℬ∗ (𝑓) est triangulaire.
Diagonalisation
Définition
Deux matrices carrées, A et B, de même ordre n, sont dites semblables s’il existe une matrice
carrée, P, d’ordre n inversible, telle que l’on ait :
B = P −1 AP où A = PBP −1 .
La matrice P est alors appelée matrice de passage.
Définition
Une matrice 𝐴 ∈ ℳ𝑛 (𝕂) est dite diagonalisable, si elle est semblable (au sens de la définition
précédente) à une matrice diagonale D.
Théorème
Soit 𝐴 ∈ ℳ𝑛 (𝕂) une matrice carrée dont l’ensemble des valeurs propres distinctes est Λ =
{𝜆1 , 𝜆2 , … , 𝜆𝑘 }. A est diagonalisable si et seulement si la dimension de chaque sous espace
propre 𝐸𝜆𝑖 est égale à l’ordre de multiplicité 𝑝𝑖 de la valeur propre 𝜆𝑖 correspondante, c’est-à-dire
si 𝑑𝑖𝑚𝐸𝜆𝑖 = 𝑝𝑖 ∀𝑖 ∈ {1, 2, … , 𝑘}.
Idée de la démonstration
1er cas : les valeurs propres 𝜆1 , 𝜆2 , … , 𝜆𝑛 sont distinctes. Dans ce cas les vecteurs
propres 𝑣1 , 𝑣2 , … , 𝑣𝑛 associés aux valeurs propres 𝜆1 , 𝜆2 , … , 𝜆𝑛 respectivement forment une base ℝ𝑛
(ici 𝐸 = ℝ𝑛 et 𝕂 = ℝ).
Comme 𝑓(𝑣𝑖 ) = 𝜆𝑖 𝑣𝑖 ∀𝑖 ∈ {1, 2, … , 𝑛}, la matrice ℳℬ (𝑓) associée à 𝑓 est diagonale.
𝜆1 0 0 … 0 0
0 𝜆2 0 … 0 0
𝐷=( ).
⋯ ⋯ ⋯ … ⋯ ⋯
0 0 0 … 0 𝜆𝑛
−1
Donc, dans ce cas on a : A = PDP .
2e cas : cas où certaines valeurs propres sont confondues.
Dans ce cas soit Λ = {𝜆1 , 𝜆2 , … , 𝜆𝑘 } l’ensemble des valeurs propres distinctes de la matrice A (𝑘 <
𝑛).
Désignons par 𝑝𝑖 l’ordre de multiplicité de la valeur propre 𝜆𝑖 et par 𝐸𝜆𝑖 le sous-espace propre
associé à 𝜆𝑖 .
a. Si 𝑑𝑖𝑚𝐸𝜆𝑖 = 𝑝𝑖 ∀𝑖 ∈ {1, 2, … , 𝑘}, on peut choisir dans chaque 𝐸𝜆𝑖 une base ℬ𝑖 . Alors ℬ ∗ =
⋃𝑘𝑖=1 ℬ𝑖 est une base de 𝐸 = ℝ𝑛 constituée uniquement par les vecteurs propres, car c’est
une famille génératrice de ℝ𝑛 et
𝑘
∗
𝑐𝑎𝑟𝑑ℬ = ∑ 𝑝𝑖 = 𝑝1 + 𝑝2 + ⋯ + 𝑝𝑘 .
𝑖=1
Donc la matrice est diagonalisable.
b. S’il existe au moins un indice 𝑖0 tel que 𝑑𝑖𝑚𝐸𝜆𝑖0 < 𝑝𝑖0 , alors on n’a pas assez de vecteurs
propres pour former une base de 𝐸𝜆𝑖0 . Il s’ensuit qu’on a pas suffisamment de vecteurs
propres pour former une base de ℝ𝑛 . Dans ce cas la matrice A n’est pas diagonalisable.
Trigonalisation
La méthode Jordan
Exposé de la méthode de Jordan
Soit 𝑓 un endomorphisme de l’espace vectoriel ℝ4 .
Supposons que 𝑓 n’a que deux valeurs propres 𝜆1 et 𝜆2, et l’ordre de multiplicité de 𝜆1 est 𝑝1 = 1,
tandis que celui de 𝜆2 est 𝑝2 = 3 (dans ce cas le polynôme caractéristique de la matrice A de
l’endomorphisme 𝑓 s’écrit : ∏𝐴(𝜆) = (𝜆 − 𝜆1 )(𝜆 − 𝜆2 )3 .
Supposons que 𝑑𝑖𝑚𝐸𝜆1 = 1 et que 𝑑𝑖𝑚𝐸𝜆2 = 2.
Alors comme 𝑑𝑖𝑚𝐸𝜆2 = 2 < 3=[ordre de multiplicité de la valeur propre 𝜆2 ], la matrice A n’est pas
diagonalisable. Soit, dans ce cas, {𝑣1 } une base de 𝐸𝜆1 et {𝑣2 , 𝑣3 } une base de 𝐸𝜆2 .
Le système 𝑆 = {𝑣1 , 𝑣2 , 𝑣3 } est libre, mais pas une base de ℝ4 il faut adjoindre au système 𝑆 un
vecteur 𝑢 tel que le système 𝑆̃ = 𝑆 ∪ {𝑢} = {𝑣1 , 𝑣2 , 𝑣3 , 𝑢} soit libre et, par conséquent, une base ℝ4 .
La méthode de Jordan consiste à choisir le vecteur manquant (en général il peut y avoir plusieurs
vecteurs manquants) 𝑢 de telle façon que la matrice J associée à 𝑓 dans la base 𝑆̃ ait la forme
triangulaire suivante :
𝜆1 𝛼 0 0
𝐽= 0 𝜆2 𝛽 0
( 𝜆2 𝛾 )
0 0
0 0 0 𝜆2
Où les 𝜆𝑖 (𝑖 = 1, 2, 3, 4) sont les valeurs propres (distinctes ou non) de la matrice, tandis que 𝛼, 𝛽, 𝛾
sont des nombres appartenant à {0, 1} et tels que (𝛼, 𝛽, 𝛾) ≠ (0, 0, 0).
On a :
𝑓(𝑣1 ) = 𝜆1 𝑣1 ; 𝑓(𝑣2 ) = 𝜆2 𝑣2 ; 𝑓(𝑣3 ) = 𝜆3 𝑣3 .
Pour l’obtention de 𝑢 il suffit donc de poser 𝑓(𝑢) = 𝜆2 𝑢 + 𝑣3 = 0𝑣1 + 0𝑣2 + 1. 𝑣3 + 𝜆2 𝑢.
On détermine ainsi le vecteur 𝑢 et l’on vérifie que 𝑆̃ = {𝑣1 , 𝑣2 , 𝑣3 , 𝑢} est libre et est, par conséquent,
une base de ℝ4 .
Alors la matrice associée à 𝑓 dans cette base sera :
𝜆1 0 0 0
𝐽= 0 𝜆2 0 0
( )
0 0 𝜆2 1
0 0 0 𝜆2
Ainsi, la matrice de A associée à 𝑓 dans la base initiale est semblable à la matrice 𝐽 écrite ci-dessus,
c’est-à-dire
A = PJP −1 (∗) avec P = [𝑣1 , 𝑣2 , 𝑣3 , 𝑢]
Le second membre de la relation (∗) s’appelle forme réduite de Jordan de la matrice A. le matrice 𝐽
s’appelle matrice de Jordan.
NB : En général, le nombre de ≪ 1 ≫ au-dessus de la diagonale principale de 𝐽 est égal au nombre
de vecteurs qui manquaient pour avoir une base de ℝ4 .
Le cas où ∏𝐴(𝜆) = (𝜆 − 𝜆1 )(𝜆 − 𝜆2 ) avec 𝑑𝑖𝑚𝐸𝜆1 = 1 et 𝑑𝑖𝑚𝐸𝜆2 = 1 peut être étudier de manière
analogue. Dans ce cas pour obtenir une base de ℝ4 il faut adjoindre aux vecteurs propres 𝑣1 et 𝑣2
(associés aux valeurs propres 𝜆1 et 𝜆2 respectivement) deux vecteurs 𝑢1 et 𝑢2 que l’on choisira en
posant :
𝑓(𝑢1 ) = 𝜆1 𝑢1 + 𝑣1 , 𝑓(𝑢2 ) = 𝜆2 𝑢2 + 𝑣2 (∗∗).
Alors si en plus des relations (∗∗) on tient compte des relations 𝑓(𝑣1 ) = 𝜆1 𝑣1 et 𝑓(𝑣2 ) = 𝜆2 𝑣2 , on
trouve que la matrice associée à 𝑓 dans la base {𝑣1 , 𝑢1 , 𝑣2 , 𝑢2 } est la suivante :
𝜆1 1 0 0
𝐽= 0 𝜆1 0 0
( )
0 0 𝜆2 1
0 0 0 𝜆2
Ainsi, on a :
A = P𝐽P −1 (∗) avec P = [𝑣1 , 𝑢1 , 𝑣2 , 𝑢2 ]
Exemple : On considère la matrice
3 1 −1
𝐴 = (−1 4 1)
1 0 1
Et l’on demande de la diagonaliser ou éventuellement, de la trigonaliser.
