Fiche Diagonalisation des Matrices 2x2
Transcription
Fiche Diagonalisation des Matrices 2x2
Fiche Diagonalisation des Matrices 2x2 MOSE 1003 24 Septembre 2014 Table des matières Motivation, puissances d’une matrice 1 Diagonalisation 2 Vérification avec Scilab 3 Puissance 4 Motivation, puissances d’une matrice Soit A, B, P ∈ M2 trois matrices carrées carrées d’ordre 2 vérifiant la relation AP = P B On a alors par récurrence, pour tout n > 1, la relation An P = P B n En effet, en supposant la relation vraie à l’ordre n, on aura An+1 P = A (An P ) = A (P B n ) = (AP ) B n = (P B) B n = P B n+1 c’est à dire la même relation à l’ordre n + 1. Ce résultat montre que dans certains cas, il peut y avoir une relation simple entre les puissances n-ièmes de deux matrices différentes A et B. L’une des idées de la théorie de la diagonalisation est d’en profiter pour calculer la puissance n-ième de la matrice A, en passant par une matrice B dont la puissance n-ième est facile à calculer. Or il existe un type de matrice dont les puissances successives sont faciles à calculer, ce sont les matrices diagonales. Si D est une matrice diagonale λ1 0 D= , 0 λ2 sa puissance n-ième est simplement la matrice diagonale λ1 n 0 n D = 0 λ2 n Exercice le démontrer par récurrence. Définition Une matrice A ∈ M2 est dite diagonalisable si on peut trouver une matrice diagonale D ∈ M2 et une matrice inversible P ∈ M2 telles que AP = P D, ou encore A = P DP −1 On a ajouté la condition d’inversibilité de P pour pouvoir exprimer A en fonction de D, et donc aussi An (la matrice qui nous intéresse) An = P Dn P −1 On peut remarquer qu’on a aussi les relations suivantes D = P −1 AP Dn = P −1 An P Reste la question de fond : P et D existent-elles ? Comment les déterminer ? Diagonalisation Pour réaliser l’égalité AP = P D, où D est une matrice diagonale telle que ci-dessus, on s’intéresse aux colonnes de la matrice P , c’est à dire qu’on écrit P = C1 C2 en distiguant les deux colonnes et on constate les deux faits suivants qui résultent de la définition du produit des matrices — Les colonnes de AP sont AC1 et AC2 — Les colonnes de P D sont λ1 C1 et λ2 C2 Autrement dit, on aura AP = P D si et seulement si AC1 = λ1 C1 AC2 = λ2 C2 et Nos inconnues sont ici λ1 , λ2 et les matrices colonnes C1 et C2 , qui doivent en plus être non proportionelles pour que la matrice P soit inversible (il faut que son déterminant soit non nul). Définition On dit qu’une matrice colonne non nulle X ∈ M2,1 est vecteur propre de la matrice A si AX est proportionelle à X, c’est à dire s’il existe un réel λ, appelé valeur propre associée à X telle que AX = λX Cette dernière équation s’appelle équation aux valeurs propres. Pour bien présenter l’équation aux valeurs propres, on l’écrit généralement sous la forme (A − λI) X = 0 techniquement, c’est un système de deux équations linéaires à deux inconnues et avec un paramètre λ. Exemple Soit la matrice A= En posant X = x y 3 −3 2 8 A − λI = on a 3−λ −3 2 8−λ le vecteur propre inconnu, l’équation aux valeurs propres s’écrit comme le système à paramètre (3 − λ) x +2y −3x + (8 − λ)y = 0 = 0 On remarque que ce système à un second membre nul, donc il admet au moins la solution x = y = 0. Il se peut que ce soit la seule solution, mais elle ne nous intéresse pas parce qu’il nous faut des vecteurs propres non nuls. Reste une seule possibilité : que le système admette une infinité de solutions. Pour cela, il faut que le déterminant soit nul. Sur notre exemple, le déterminant vaut 3−λ 2 = (3 − λ) (8 − λ) + 6 = λ2 − 11λ + 30 −3 8−λ On remarque que c’est un polynôme de degré 2. C’est toujours le cas : 2 Définition On appelle polynôme caractéristique de la matrice A ∈ M2 le polynôme du second degré P (λ) = det (A − λI). Théorème Un réel λ est valeur propre de la matrice A si et seulement si il est racine du polynôme caractéristique de A (c’est à dire si P (λ) = 0). Pour ce réel λ, l’équation aux valeurs propres admet comme solutions une infinité de vecteurs propres non nuls. Cherchons les valeurs propres sur l’exemple. Il faut résoudre l’équation λ2 − 11λ + 30 = 0 √ Le discriminant vaut ∆ = 112 − 4 × 30 = 1, il y a donc deux racines réelles distinctes λ1 = 11−2 1 = 5 et √ λ2 = 11+2 1 = 6 Pour la valeur propre λ = λ1 = 5, le système donnant les vecteurs propres devient −2x +2y = 0 ⇐⇒ −2x +2y = 0 −3x +3x = 0 1 Une solution non nulle est par exemple . Ce sera la première colonne de notre matrice P . 1 Pour la valeur propre λ = λ2 = 6, le système donnant les vecteurs propres devient −3x +2y = 0 ⇐⇒ −3x +2y = 0 −3x +2x = 0 2 Une solution non nulle est par exemple . Ce sera la deuxième colonne de notre matrice P . On voit qu’on 3 a un peu de liberté dans le choix de la matrice P . On a donc diagonalisé la matrice A, c’est à dire qu’on a trouvé une matrice diagonale D et une matrice inversible P , à savoir 5 0 1 2 D= et P = 0 6 1 3 telles que AP = P D A = P DP −1 et et D = P −1 AP On a ici P −1 = 3 −1 −2 1 d’après la règle donnée dans le cours. Remarque. — Lorsque le polynôme caractéristique n’a qu’une seule racine réelle (le discriminant est nul). Il y a deux cas de figure : — Il se peut que la matrice A soit une matrice diagonale, dans ce cas on prend D = A et P = I2 — Sinon, la matrice A n’est pas diagonalisable parce qu’on ne pourra pas trouver deux vecteurs propres non proportionnels formant les colonnes d’une matrice P — Lorsque le polynôme caractéristique n’a pas de racine réelles (son discriminant est strictement négatif), on peut conclure que la matrice n’est pas diagonalisable, c’est à dire qu’on ne peut pas trouver de matrices D et P vérifiant les conditions demandées. Cependant, il est quand même possible de diagonaliser A en permettant à D et P d’avoir des coefficients complexes. En effet, le polynôme caractéristique admet deux racines complexes distinctes, et le travail qu’on a fait ci-dessus peut s’effectuer avec des nombres complexes. On dit alors que A est diagonalisable sur C. 3 Vérification avec Scilab On peut vérifier les relations entre les matrices obtenues dans la console scilab -->A = [3 2 ;-3 8]; -->P = [1 2 ; 1 3]; -->D = [5 0; 0 6]; -->inv(P) ans = 3. - 1. - 2. 1. -->P * D * inv(P) ans = 3. - 3. 2. 8. -->A * P - P * D ans = 0. 0. 0. 0. Scilab est également capable de diagonaliser seul la matrice A à l’aide de la fonction bdiag() -->A = [3 2 ;-3 8]; -->[D, P] = bdiag(A) P = - 0.7071068 - 0.7071068 D = 5. 0. - 2.8284271 - 4.2426407 0. 6. Il trouve la même matrice diagonale (le seul changement possible serait l’ordre des valeurs propres), par contre, il trouve une matrice P différente de la nôtre (on a vu qu’il y a une part d’arbitraire dans le choix des colonnes de P ). Ici chacune des colonnes trouvées par scilab est proportionelle à la colonne trouvée dans notre matrice P . Attention. Si A n’est pas diagonalisable, la fonction bdiag() de scilab produira une matrice D non diagonale. C’est le cas notament s’il y a des valeurs propres complexes. On peut utiliser [V, D] = spec(A) pour obtenir la diagonalisation complexe. Puissance D’après ce qui précède, on a n 1 2 5 n A = 1 3 0 0 6n 3 −1 −2 1 = 3 × 5n − 2 × 6n 3 × 5n − 3 × 6n −2 × 5n + 2 × 6n −2 × 5n + 3 × 6n Naturellement, l’intérêt de cette formule est surtout théorique, puisque scilab peut calculer numériquement les puissances de A -->A ** 7 ans = - 325497. 403622. 4 - 605433. 683558. -->A ** 32 ans = 10^25 * - 1.5847473 - 2.3806134 1.5870756 2.3829417 On voit une limitation de ce calcul numérique : scilab dit que −1.5847473 1.5870756 A32 = 1025 −2.3806134 2.3829417 On voit que ce calcul est approximatif : A32 contient en fait des entiers comprenant 25 chiffres, et scilab n’affiche que 8 chiffres significatifs (bien qu’en fait il en stocke plus, 16 ou 20, mais enfin, il y a une limite). 5