Diagonalisation des matrices

http://www.math-info.univ-paris5.fr/~ycart/MC2/node2.html

Sous-sections

Matrices diagonales Valeurs propres et vecteurs propres Polynme caractristique Exemples Illustration par MuPad QCM corrig

Matrices diagonales
Nous nous plaons dans ou , avec . Les lments de ou sont les scalaires. Toutes les matrices considres sont des matrices carres lignes et colonnes. Les vecteurs sont identifis des matrices lignes et colonne. Une matrice est diagonale si tous ses coefficients en dehors de la diagonale sont nuls.

Elle est donc de la forme :

Pour comprendre le rle des coefficients diagonaux, supposons tout d'abord qu'ils sont tous gaux . Dans ce cas, est proportionnelle

 la matrice identit : . Pour tout vecteur de , la vecteur est proportionnel : . Multiplier le vecteur par la matrice revient le multiplier par le facteur . Gomtriquement, c'est effectuer une homothtie de rapport . Supposons maintenant que les coefficients diagonaux soient quelconques. Considrons une base matrice de , et examinons l'endomorphisme de , de dans cette base. Dire que est diagonale, c'est dire que de la base est . Si on restreint la direction est un

l'image du vecteur ,

est une homothtie de rapport , s'crit

(voir figure ci-aprs). Si . Son image par

vecteur quelconque de

est :

Endomorphisme du plan, de matrice diagonale. Les coefficients diagonaux sont 2 et -1. Les matrices diagonales sont particulirement simples manipuler. Voici les proprits principales : Le dterminant d'une matrice diagonale est le produit des coefficients diagonaux.

Multiplier gauche par une matrice diagonale revient multiplier la -ime ligne par : si est une matrice quelconque, alors

Multiplier droite par une matrice diagonale revient multiplier la ime colonne par : si est une matrice quelconque, alors

Le produit de deux matrices diagonales est une matrice diagonale.

Si tous les coefficients diagonaux sont non nuls, la matrice est inversible :

La puissance

-ime d'une matrice diagonale est :

Voici deux systmes linaires d'quations.

Voici deux systmes linaires d'quations de rcurrence.

Voici deux systmes linaires d'quations diffrentielles.

Les trois problmes, de natures trs diffrentes, ont en commun leur criture matricielle, avec les deux matrices suivantes.

Tous les problmes linaires sont plus faciles rsoudre quand la matrice est diagonale ! Il se trouve que les deux matrices et sont semblables, c'est dire qu'elles reprsentent le mme endomorphisme dans deux bases diffrentes, ou encore, il existe une matrice de passage telle que .

Dfinition 12.1.1 Une matrice est dite diagonalisable si elle est semblable une matrice diagonale. L'objectif de ce chapitre est d'apprendre diagonaliser une matrice, quand c'est possible.

Dfinition 12.1.2 Diagonaliser une matrice , c'est trouver une matrice de passage et une matrice diagonale telles que : Pour illustrer l'intrt de la diagonalisation, prenons l'exemple d'un systme d'quations de rcurrence linaire, du type , o

dsigne un vecteur dont on souhaite connatre l'expression en fonction de . Du point de vue thorique, il n'y a pas de problme : Mais cela n'avance rien si on ne sait pas calculer formellement en fonction de . C'est possible si est l'expression de diagonalisable. En effet, si : Ecrire donc de est immdiat. On en dduit l'expression gnrale de . Dans l'exemple ci-dessus, on trouve : ,

Nous tudierons une mthode analogue pour la rsolution des systmes linaires d'quations diffrentielles au chapitre Equations diffrentielles. Les problmes linaires que l'on rencontre en pratique sont souvent de trs grandes dimensions (parfois des milliers). Nous nous limiterons dans nos calculs aux dimensions et . Le calcul formel d'une diagonalisation n'est possible que jusqu' la dimension 4 puisqu'il implique de trouver les racines d'un polynme dont le degr sont est la dimension (seules les quations polynomiales de degr rsolubles par radicaux). En grande dimension, il existe des mthodes numriques pour calculer des diagonalisations approches.

Valeurs propres et vecteurs propres

Si et sont deux matrices telles que , alors . Mais si est une matrice diagonale, multiplier droite par revient multiplier les vecteurs colonnes de par les coefficients diagonaux de . Notons le -ime vecteur colonne de la matrice . Pour tout et le -

ime coefficient diagonal de

, on doit avoir :

en notant la matrice identit de dimension . On dit que vecteur propre de associ la valeur propre . Dfinition 12.2.1 On dit que est un vecteur propre de la valeur propre si est un vecteur non nul et : Observons que ne peut tre une valeur propre de

est un associ

que si le

systme a une solution non nulle. Voici 2 manires quivalentes de l'exprimer (cf. Chapitre "Calcul matriciel''). Proposition 12.2.2 Un scalaire est valeur propre de la matrice et seulement si l'une des conditions quivalentes suivantes est vrifie. 1. Le rang de la matrice 2. Le dterminant de la matrice est strictement infrieur . est nul :

si

Si

est une valeur propre, l'ensemble des vecteurs

tels que

, est un sous-espace vectoriel. Par dfinition, il contient le vecteur nul, et tous les vecteurs propres de associs . On l'appelle le " sous-espace propre'' associ . Remarquons qu'un mme vecteur propre ne peut tre associ qu' une seule valeur propre. Par consquent, deux sous-espaces propres associs deux valeurs propres distinctes ont une intersection rduite au vecteur nul.

Si une matrice est diagonalisable ( ), alors les vecteurs colonnes de la matrice de passage sont des vecteurs propres de . Mais pour tre une matrice de passage, doit tre inversible, c'est dire que ses vecteurs colonnes doivent former une base. La condition ncessaire et suffisante pour qu'une matrice soit diagonalisable est donc qu'elle admette vecteurs propres formant une base. Thorme 12.2.3 Une matrice est diagonalisable si et seulement si elle admet vecteurs propres linairement indpendants. Le rsultat thorique le plus important concernant les vecteurs propres est le suivant. Thorme 12.2.4 Soient des vecteurs propres associs , toutes distinctes.

respectivement des valeurs propres

Alors la famille de vecteurs est une famille libre. Dmonstration : Nous allons montrer par rcurrence sur que :

C'est vrai pour

, puisque par dfinition un vecteur propre est .

ncessairement non nul. Supposons la proprit vraie l'ordre Soient

des valeurs propres distinctes deux deux et des vecteurs propres associs. Supposons :

En multipliant gauche par la matrice

, on obtient :

Mais on a aussi :

Soit en soustrayant les deux quations :

D'aprs l'hypothse de rcurrence l'ordre pour tout ,

, ceci entrane que , puisque puisque

, donc est nul, donc

. Mais alors ncessairement le vecteur propre est non nul.

Ce thorme a deux consquences pratiques importantes, qui sont rassembles dans le corollaire suivant. Corollaire 12.2.5 1. Une matrice de taille distinctes. admet au plus valeurs propres

admet valeurs propres 2. Si une matrice de taille distinctes, alors elle est diagonalisable. Dmonstration : Dans un espace de dimension , une famille libre comporte au plus vecteurs, il ne peut donc pas y avoir plus de vecteurs propres associs des valeurs propres distinctes. Si on a valeurs propres distinctes, alors une famille de vecteurs propres dont chacun est associ une des valeurs propres est ncessairement libre d'aprs le thorme prcdent. Comme elle comporte vecteurs, c'est une base.

Polynme caractristique
Rappelons qu'un scalaire est valeur propre si et seulement si le est nul. On commencera donc par dterminant de la matrice calculer ce dterminant, appel polynme caractristique. Dfinition 12.3.1 On appelle polynme caractristique de la matrice le polynme en :

Le polynme caractristique est un polynme de degr les coefficients dpendent des .

en

, dont

Cependant, on n'a pas intrt le dvelopper. En effet le but est de trouver ses racines, qui sont les valeurs propres. On cherchera donc plutt factoriser .

Si on travaille dans , il peut se faire que le polynme n'ait pas que des racines relles, auquel cas la matrice ne sera pas diagonalisable dans . Dans , par contre, tout polynme est scind, c'est dire qu'il admet racines, si on les compte avec leur multiplicit. Nous supposerons dsormais que racines est scind, et qu'il admet pour : comme le vaut . On peut

, de multiplicits respectives , la somme

polynme est de degr crire :

La seconde tape d'une diagonalisation est la dtermination des sousespaces propres associs aux valeurs propres propre . Pour chaque valeur

, on cherche l'ensemble des solutions du systme . On trouve comme ensemble de solutions un sous-

espace vectoriel : le sous-espace propre associ . On dmontre, et nous admettrons, que sa dimension est ncessairement infrieure ou gale la multiplicit de la valeur propre. , le sous-espace propre a une dimension infrieure ou gale la

Thorme 12.3.2 Pour tout associ la valeur propre multiplicit de La matrice

dans le polynme caractristique.

est diagonalisable si et seulement si pour tout a pour dimension

, le sous-espace propre associ la valeur propre la multiplicit de Observons que si .

est valeur propre, il existe ncessairement un , par dfinition. Donc la dimension . Le cas le plus . Dans ce cas la

vecteur propre non nul associ

du sous-espace propre associ est au moins simple est celui des valeurs propres de multiplicit

et : elle vaut dimension du sous-espace propre est la fois ncessairement . Il suffit alors de trouver un vecteur propre : tous les autres seront proportionnels celui-ci). On peut pour cela, soit rsoudre le systme , soit utiliser la "mthode des cofacteurs", consquence de la proposition ci-dessous. Proposition 12.3.3 Soit Considrons une ligne de une valeur propre de , de multiplicit .

, choisie de faon que la matrice . Le vecteur form des

forme des autres lignes soit de rang

cofacteurs associs cette ligne (les dterminants extraits en barrant la ligne choisie et une colonne, avec alternance de signe) est un vecteur propre de associ . Nous verrons plus loin des exemples d'utilisation de cette mthode, utiliser surtout en dimensions et .

Alternance de signes pour le calcul des cofacteurs. Comme nous l'avons vu, certaines matrices ne sont diagonalisables que dans , car leur polynme caractristique n'est pas scind dans . D'autres ont un polynme caractristique scind dans mais elles ont des valeurs propres multiples et la dimension des sous-espaces propres n'est pas gale la multiplicit. A part le cas o toutes les valeurs propres sont distinctes, il existe un cas particulier important de matrice diagonalisable, celui des matrices relles symtriques. Nous admettrons le thorme suivant. Thorme 12.3.4 Soit une matrice symtrique (telle

). Toutes les valeurs propres de sont que relles, est diagonalisable et on peut choisir comme base de vecteurs propres une base telle que la matrice de passage vrifie (une telle base est dite orthonorme). Le fait d'avoir une base orthornorme permet d'crire l'inverse de la ). En matrice de passage sans calcul supplmentaire (car revanche, transformer une base de vecteurs propres que l'on a obtenu par la mthode gnrale en une base orthonorme, requiert un calcul supplmentaire. Pour le calcul par ordinateur, il existe des algorithmes particuliers adapts aux matrices symtriques.

Exemples
Nous dtaillons d'abord l'exemple suivant, donn en introduction.

Commenons par crire la matrice

Il faut ensuite calculer son dterminant. Il serait maladroit d'utiliser la rgle de Sarrus pour dvelopper le dterminant et le factoriser ensuite. Il vaut mieux le factoriser en faisant apparatre des zros par combinaison de lignes et de colonnes. Ajoutons d'abord la seconde colonne la premire :

On peut alors factoriser

dans la premire colonne :

Soustrayons ensuite la premire ligne la seconde :

En dveloppant selon la premire colonne, il reste un dterminant d'ordre qui est facile factoriser.

Les valeurs propres de sont donc , et . Comme elles sont distinctes, il suffit de trouver un vecteur propre pour chacune. Commenons par la valeur propre .

est bien de rang 2, comme prvu : la Observons que la matrice somme des trois lignes est nulle et les deux premires lignes sont indpendantes. Nous allons calculer les cofacteurs associs la troisime ligne. Ils valent (attention l'alternance de signe) :

Tous les vecteurs non nuls, proportionnels au vecteur sont vecteurs propres de , associs la valeur propre . Il est conseill de choisir le plus simple, ici :

Le choix de la troisime ligne, pour calculer les cofacteurs, est arbitraire. Il suffit que les deux lignes qui restent ne soient pas proportionnelles (car tous les cofacteurs seraient nuls). Voici par exemple les cofacteurs associs la deuxime ligne.

On pourra trouver un vecteur diffrent, mais il sera forcment proportionnel celui qu'on trouve avec une autre ligne. Cela ne change rien au choix du vecteur propre. Passons maintenant la valeur propre .

Les cofacteurs associs la troisime ligne sont :

Ici encore, nous choisirons un vecteur plus simple, proportionnel au vecteur des cofacteurs.

Voici le calcul pour la valeur propre

Les cofacteurs associs la troisime ligne sont :

Nous choisirons un vecteur plus simple, proportionnel au vecteur des cofacteurs.

La matrice de passage vecteurs

sera constitue en juxtaposant les trois

(en colonnes).

La matrice diagonale a pour coefficients diagonaux les trois valeurs propres (attention : l'ordre des valeurs propres et des vecteurs propres doit tre le mme).

si on veut utiliser la diagonalisation sous la Il reste calculer . Observons que la diagonalisation trouve est loin forme d'tre unique. On peut choisir un ordre diffrent pour les valeurs propres, et pour chaque valeur propre, n'importe quel vecteur non nul

proportionnel celui qui a t trouv. On pourra vrifier par exemple, pour la mme matrice que les matrices et ci-dessous vrifient galement

Nous donnons ci-dessous sans le dtailler un exemple du mme type, qu'il est conseill de traiter pour bien comprendre la mthode.

Dans l'exemple ci-dessous, la matrice est symtrique. Pour le choix des vecteurs propres, nous avons fait en sorte que .

Voici un exemple en dimension , o les valeurs propres sont des nombres complexes. La matrice est la matrice de la rotation vectorielle d'angle dans le plan.

Voici maintenant un exemple o la valeur propre est double. La mthode des cofacteurs ne s'applique pas pour trouver les vecteurs , et propres correspondants : il faut rsoudre le systme choisir deux vecteurs non proportionnels (les plus simples possibles) parmi les solutions.

Le lecteur pourra vrifier que les deux matrices suivantes, qui ont une valeur propre double, ne sont pas diagonalisables.

Voici pour finir quelques systmes d'quations de rcurrence, du type . Pour dterminer l'expression explicite de faut diagonaliser la matrice , et calculer l'expression . , il

Illustration par MuPad

En MuPad, on construit des matrices l'aide du constructeur Dom::Matrix(). La somme et le produit matriciel sont nots naturellement par les symboles + et *. Des fonctions permettant d'effectuer de nombreuses manipulations sur les matrices figurent dans le module d'algbre linaire linalg, qu'il faut charger par export(linalg). Voici les fonctions matricielles principales. Traitement de matrices
transpose det rank eigenvalues eigenvectors A^n exp(A) matlinsolve 1/A

Transpose Dterminant Rang Valeurs propres Vecteurs propres Puissance d'une matrice Exponentielle d'une matrice Rsout un systme linaire Matrice inverse

Voici quelques lignes d'illustration.

/* Charger les fonctions d'algebre lineaire et definir les matrices */ export(linalg); Matrice:=Dom::Matrix(): A := Matrice([[0,1,1],[-1/2,3/2,-1/2],[3/2,-3/2,1/2]]); P := Matrice([[1,-1,0],[1,0,1],[0,1,-1]]); /* Verifier la diagonalisation */ A*P; Pinv := 1/P; Pinv*A*P; /* Definir le polynome caracteristique */ Id := Matrice([[1,0,0],[0,1,0],[0,0,1]]); PA := x->det(A-x*Id); PA(2); factor(PA(x));

/* Calcul direct des valeurs propres */ eigenvalues(A); /* Calculer des vecteurs propres */ Nul = Matrice([[0],[0],[0]]); matlinsolve(A-Id,Nul); matlinsolve(A+Id,Nul); matlinsolve(A-2*Id,Nul); /* Calcul direct de la diagonalisation */ eigenvectors(A); /* Puissance n-ieme de A */ Dn := Matrice([[1,0,0],[0,(-1)^n,0],[0,0,2^n]]); An := P*Dn*Pinv; /* Verifications */ subs(An,n=1)-A; subs(An,n=2)-A*A; subs(An,n=10)-A^10;

QCM corrig
Exercice 12.1 Parmi les affirmations suivantes lesquelles sont vraies ? Toute matrice admet au moins une valeur propre, relle ou complexe. Toute matrice admet une infinit coordonnes relles ou complexes. Toute matrice relle Toute matrice relle Toute matrice relle relles. Toute matrice relle relles. de vecteurs propres,

admet une valeur propre relle. admet une valeur propre relle. admet un vecteur propre coordonnes

admet un vecteur propre coordonnes

Si une matrice n'est pas diagonalisable dans admet une seule valeur propre.

, alors elle

Si une matrice est triangulaire, alors ses valeurs propres sont ses lments diagonaux. Toute matrice a au moins deux valeurs propres distinctes. Deux matrices semblables ont les mmes valeurs propres. Les valeurs propres du produit de deux matrices sont les produits des valeurs propres des deux matrices. Si un vecteur est vecteur propre pour deux matrices, il est vecteur propre de leur produit. Les valeurs propres d'une matrice et celles de sa transpose sont les mmes.

Les vecteurs propres d'une matrice et ceux de sa transpose sont les mmes. Le produit d'une matrice par un de ses vecteurs propres ne peut pas tre le vecteur nul. Si une matrice a toutes ses valeurs propres relles, alors elle est diagonalisable. Si une matrice diagonalisable. a valeurs propres distinctes, alors elle est

La somme des valeurs propres d'une matrice est gale au produit de ses lments diagonaux. Le produit des valeurs propres d'une matrice est gal son dterminant. La matrice de la rotation vectorielle d'angle valeurs propres relles. dans le plan admet des

La matrice d'une symtrie vectorielle dans le plan a pour valeurs propres et . est aussi vecteur

Si est vecteur propre d'une matrice, alors propre de cette matrice.

Si et sont vecteurs propres d'une mme matrice, alors toujours vecteur propre de cette matrice. Exercice 12.2 Soit une matrice et une de ses valeurs propres. Parmi les affirmations suivantes lesquelles sont vraies ? 0 est valeur propre de 0 et sont valeurs propres de ( ) est valeur propre de . . .

est

Le rang de la matrice L'ensemble des solutions rduit au vecteur nul. Le systme linaire tout .

est gal du systme

. n'est pas

admet une solution

non nulle, pour

Le systme linaire La matrice des proportionnelles.

admet une solution cofacteurs de a

non nulle. toutes ses lignes

La matrice des cofacteurs de Si

ne peut pas tre nulle.

est diagonalisable, la dimension du sous-espace propre associ est gale la multiplicit de . est si et seulement si la

La dimension du noyau de multiplicit de est .

Si la multiplicit de est , alors toutes les lignes de la matrice des cofacteurs appartiennent au sous-espace propre de associ . Si la multiplicit de est , alors toutes les lignes de la matrice des cofacteurs sont des vecteurs propres de associs .

Exercice 12.3 On considre la matrice les affirmations suivantes lesquelles sont vraies ? Les colonnes de sont des vecteurs indpendants.

. Parmi

admet 0 pour valeur propre. admet pour valeur propre.

La somme des valeurs propres de Tout vecteur propre de coordonne nulle. La matrice

vaut .

associ la valeur propre 0 a sa troisime

est de rang . est nul.

Le dterminant de

Le vecteur

est vecteur propre de

Le vecteur

est vecteur propre de

Le vecteur

est vecteur propre de

Le vecteur

est vecteur propre de

est semblable la matrice

est semblable la matrice

est semblable la matrice

Exercice 12.4 On considre la matrice les affirmations suivantes lesquelles sont vraies ? Les colonnes de sont des vecteurs indpendants.

. Parmi

admet 0 pour valeur propre. admet pour valeur propre.

n'admet pas d'autre valeur propre que 0 et . Tout vecteur propre de coordonne nulle. Tout vecteur propre de coordonne nulle. La matrice associ la valeur propre 0 a sa troisime associ la valeur propre a sa troisime

est de rang . .

est valeur propre simple de est diagonalisable.

Le vecteur

est vecteur propre de

est semblable la matrice

Pour tout

est semblable la matrice

Exercice 12.5 On considre la matrice les affirmations suivantes lesquelles sont vraies ? Les colonnes de sont des vecteurs indpendants.

. Parmi

admet 0 pour valeur propre. admet pour valeur propre.

n'admet pas d'autre valeur propre que 0 et . Tout vecteur propre de coordonne nulle. Tout vecteur propre de coordonne nulle. La matrice associ la valeur propre 0 a sa troisime associ la valeur propre a sa troisime

est de rang .

est valeur propre simple. est diagonalisable.

Le vecteur

est vecteur propre de

est semblable la matrice Pour tout , .

Exercice 12.6 On considre la matrice affirmations suivantes lesquelles sont vraies ? Le produit des valeurs propres de est .

. Parmi les

admet une valeur propre relle.

Le vecteur

est vecteur propre de

Le vecteur

est vecteur propre de

Le vecteur

est vecteur propre de .

est valeur propre de

est valeur propre de

Le carr de

est semblable la matrice

Le carr de l'inverse de

est semblable la matrice

Si les suites et sont solution du systme alors elles sont priodiques, de priode .

Si les suites alors les suites

et et

sont solution du systme sont priodiques, de priode .