Chapitre 4
Diagonalisation et trigonalisation
I. Introduction
Dans tout le chapitre K = ℝ ou ℂ.
Soit E un K-espace vectoriel de dimension finie n, f un endomorphisme de E. Soit A une
matrice associée à un endomorphisme f de dans une base donnée de E.
On peut munir E de plusieurs bases de même cardinal n. Soient A et B deux matrices
semblables alors il existe une matrice inversible P telle que : B = P-1 A P.
Objectif : on veut trouver une base B’ de E ou trouver une matrice P inversible tq A’= P-1 AP
soit une matrice diagonale.
Définitions :
• Soit E un K-ev de dimension n et f£(E). On dit que f est diagonalisable s’il existe une base
B’ de E telle que la matrice de f dans B’ soit diagonale.
• On dit que An(K) est diagonalisable si elle est semblable à une matrice diagonale c’est-à
dire s’il existe une matrice P inversible tq la matrice A’= P-1 AP soit diagonale.
II. Eléments propres d’un endomorphisme.
1. Valeurs propres et vecteurs propres
Définitions :
Soit E un K-ev et f £(E)
• On dit que K est valeur propre de f s’il existe x E tq x 0E et f(x) = x
• On dit que x est un vecteur propre de f associé à la valeur propre
Remarques :
1) Le scalaire λ associé au vecteur propre est une valeur propre de f
( resp. de A). En effet
(f - 𝜆 idE)(x) = f(x) - 𝜆 x = 𝜆 x - 𝜆 x = 0.
Donc Ker(f - 𝜆 id E) n’est pas réduit au vecteur nul, ce qui signifie que (f - 𝜆 id E) n’est pas
injectif, par suite λ est une valeur propre de f.
2) f est diagonalisable ssi il existe une base de E formée de vecteurs propres.
Remarque : sur la diagonale de la matrice diagonale apparaissent les valeurs propres de
l’endomorphisme.
Théorème :
Si les valeurs propres sont 2 à 2 distinctes, alors la famille constituée par les vecteurs propres
associés à ces valeurs propres est libre.
Corollaire :
Si dimE = n et que f admet n valeurs propres distinctes, alors f est diagonalisable.
2. Polynôme caractéristique
Définition
Le polynôme Pn ( ) = det(A − In ) s’appelle le polynôme caractéristique de A.
Les valeurs propres de A sont les racines de ce polynôme de degré n.
Résumé :
1) Les valeurs propres sont les solutions de l’équation : det(A − I) = 0
2) Les vecteurs propres V sont les solutions de l’équation : (A − I).V = 0
Remarques :
- On calcule un vecteur propre pour chaque valeur propre.
- Lorsqu’on exprime la matrice dans la base constituée par les vecteurs propres, on obtient
une matrice diagonale dont les éléments diagonaux sont les valeurs propres de la matrice.
Définition : spectre d’un endomorphisme
Soit (E,+,.) un K-espace vectoriel et soit : u ∈ L(E).
L’ensemble des valeurs propres de u est appelé spectre de u et est noté Sp(u).
Exercice 1 :
Déterminer les valeurs propres de la matrice suivante :
3 1 0
= (−4 −1 0)
4 8 2
PA(X) = (2-X)[(3-X)(-1-X)+4] = (2-X)(1-X)2
Sp(A) = {2,1}
3. Sous-espaces propres d’un endomorphisme
Définition :
Soit f £(E) et une valeur propre de f.
On appelle sous-espace propre associé à l’ensemble
E =x E/ f (x) = x= Ker(f- id E)
Remarques :
• E est l’ensemble formé des vecteurs propres associés à la valeur propre et du vecteur 0E
• dimE 1
• (f - idE) est un endomorphisme de E, donc dimE = dimKer(f − idE ) +dimIm(f − idE )
n =dimE + rg(f− id E)
Donc dimE = n - rg(f − idE) .
Exercice 2 :
Déterminer les sous-espaces propres associés aux valeurs propres de la matrice A :
3 1 0
= (−4 −1 0)
4 8 2
E =x E/ f (x) = x= Ker(f- id E) = vect(1,-2,12)
E =x E/ f (x) = x= Ker(f- id E) = vect(0,0,1)
Théorème : somme directe de sous-espaces propres
Soit (E,+,.) un K-espace vectoriel et soit : u L(E).
Soient 1, …, n des valeurs propres distinctes de u. Alors la somme E (u)++ E (u) est
directe.
4. Diagonalisation
Théorème :
f est diagonalisable ssi Pn() admet n racines i (distinctes ou confondues) et si on a, pour tout
i : m(i ) = dimE i (m(i) : ordre de multiplicité de i)
Autre formulation du théorème :
f est diagonalisable ssi dimE i = m(i) ∀i∈ {1,...,p}.
3 1 0
= (−4 −1 0) n’est pas diagonalisable car dim E1= 1.
4 8 2
5. Applications
1. Calcul de la puissance d’une matrice : Ak
Soit An(K).
Si A est diagonalisable, il existe deux matrices : A’ diagonale et P inversible tq A’ = P-1 AP
(c’est-àdire A = PA’P-1)
Ak = (PA' P-1)(PA' P-1)...(PA' P-1) = P(A')k P-1
𝜆1 ⋯ 𝜆1𝑘 ⋯
Or si A’ = [ ⋮ ⋱ ⋮ ] alors A’k = [ ⋮ ⋱ ⋮]
⋯ 𝜆𝑛 ⋯ 𝜆𝑘𝑛
𝜆1𝑘 ⋯
k
Donc A se calcule par la formule suivante : Ak = P[ ⋮ ⋱ ⋮ ]P-1
⋯ 𝜆𝑘𝑛
2. Résolution d’un système de suites récurrentes
On cherche à déterminer les expressions de un et vn en fonction de n, connaissant le système
suivant :
𝑢 = 𝑓(𝑢𝑛 , 𝑣𝑛 )
{ 𝑛+1 et les valeurs u0 etv0.
𝑣𝑛+1 = 𝑔(𝑢𝑛 , 𝑣𝑛 )
𝑢𝑛 𝑢0
On pose Xn = ( 𝑣 ) et X0 = (𝑣 )
𝑛 0
Le système précédent s’écrit Xn+1 = [Link]
D’où, par récurrence, Xn = An.X0
On est ainsi ramené au calcul de An puis de Xn en fonction de n.
5-Trigonalisation
Définition
L’endomorphisme f (resp. la matrice A) est trigonalisable si le polynôme caractéristique
associé est scindé.
Tous les endomorphismes sont trigonalisable dans ℂ.
Exemple
−1 1 2
Soit A = ( 0 −1 1 )
0 0 −1
A est trigonalisable et non diagonalisable.
3 1 0
= (−4 −1 0) est trigonalisable car son polynôme caractéristique est scindé.
4 8 2
III- Polynôme d’endomorphisme (de matrice carrée)
Définition : Soient un polynôme P∈Kn[X] , u∈L(E) et A∈Mn(K).
P(X) = ∑𝑖 𝑎𝑖 𝑥 𝑖 où ai∈K.
On désigne par :
P(u) l’application de L(E) tel que : P(u)= ∑𝑖 𝑎𝑖 𝑢𝑖 où u0 = idE et ui=u∘u∘u….∘u i fois.
et
P(A) = ∑𝑖 𝑎𝑖 𝐴𝑖 où A0=In et Ai = A×A ×…×A i fois.
Exemple
P(x) = x2+4x+2
P(A) = A2+4A + 2In
P(u) = u2 + 4u + 2idE
Théorème de Caylay - Hamilton
Soient E un K-e.v, dim E = n, B base de E, f∈L(E) et A = M(f,B).
Si Pf(x) (resp. PA(x)) le polynôme caractéristique de f ( [Link] A). Alors Pf(f)=0 (resp.
PA(A)=0).
Propriétés algébriques
Pour tous polynômes Q on a
(PQ)(u) = P(u) ∘ 𝑄(𝑢) = Q(u) ∘ P(u)
(P + Q)(u)= P(u) + Q(u)
(𝜆P)(u)= 𝜆P(u)
Définition : Polynôme annulateur.
Soient P∈ Kn[X], A∈ Mn(K),
- On dit que P est un polynôme annulateur de f si P(f) = 0.
- On dit que P est un polynôme annulateur de A si P(A) = 0.
Définition : Le polynôme minimal d’un endomorphisme f (resp. d’une matrice A) noté par
mA, est un polynôme de plus petit degré, unitaire, qui annule f(resp.A). Tout polynôme qui
annule f(resp.A) est nécessairement un multiple de mA.
Exemple
2 1
A=( ) PA(x) = (2-x)(1-x) -1 = x2-3x+1⟹ P(A) = A2-3A+3I2.
1 1
3 −1
A=( ) PA(x) = (2-x)(1-x)-1 = x2-4x+4⟹ P(A)= A2-4A+4I2.
1 1
Exemples
1- Un endomorphisme est nilpotent ssi son polynôme minimal est de la forme Xd, pour
un certain entier d appelé l’indice de nilpotence.
2- Un endomorphime distinct de 0 et de l’identité est un projecteur ssi sont polynôme
minimal est x2-x.
Remarques
1) Les polynôme Pf(X) et mf(X) ont les mêmes racines dans K
2) Si Pf(x) = (𝜆1 − 𝑥)𝑛1 ….(𝜆𝑟 − 𝑥)𝑛𝑟 dans K[x] alors mf(x) = (𝜆1 − 𝑥)𝑠1 ….(𝜆𝑟 − 𝑥)𝑠𝑟
avec 1 ≤ 𝑠𝑖 ≤ 𝑛𝑖 .
Théorème
Soit f un endomorphisme d’un K-espace vectoriel de dimension finie. Alors les conditions
suivantes sont équivalentes :
1- f est diagonalisable
2- le polynôme minimal de f est scindé à racines simples.
3- Il existe un polynôme scindé à racines simples qui annule f.
Remarque
Un endomorphisme non nul nilpotent n’est pas diagonalisable.
Application au calcul de la puissance d’une matrice
Soit A une matrice appartenant à Mn(K) et P un polyôme annulateur de A. Alors : la division
euclidienne Xk par P est :
Xk = P(X) Qk(X) + Rk(X), Rk = 0 ou d°Rk<d°P
D’où Ak = Rk(A) puisque P (A)=0.
Application au calcul de l’inverse d’une matrice
Si A est inversible, on a
a0I+ a1A+….+anAn = 0 avec a0 = det A≠0
d’où A-1= -1/a0(a1I+….+anAn-1).
Exercice
−2 −2 1
1- Soit A = (−2 1 −2) calculer Ak et A-1.
1 −2 −2
3 0 −1
2- Soit A = ( 2 4 2 ) calculer Ak et A-1.
−1 0 3
