Diagonalisation d`une matrice carrée
Transcription
Diagonalisation d`une matrice carrée
UNIVERSITÉ DE NANTES Département des Sciences de la Terre et de l’Univers http://www.univ-nantes.fr/sciences/dptstu 2013-2014 X3G0030 Diagonalisation d’une matrice carrée Principe de la diagonalisation Soit φ, une application linéaire d’un espace vectoriel E (de dimension n) dans lui-même1 . On associe à φ, la matrice A, de terme général aij , dans la base BE . C’est une matrice carrée de n lignes et n colonnes, a11 a12 a13 a14 ... a1j ... ... a1n a21 a22 a23 . . . . . . . a2j . . . . . . a2n . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . A= (1) ai1 ai2 ai3 . . . . . . . aij . . . . . . ain . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . an1 an2 an3 . . . . . . . anj . . . . . . ann Cette application linéaire pourrait tout aussi bien être exprimée dans une autre base, que l’on noterait B0E ; la matrice A serait alors notée A0 et elle serait évidemment carrée également. Mais, elle pourrait être beaucoup plus simple, c’est le but de la diagonalisation. Rappel : A et A0 sont des matrices semblables si et seulement si A0 = P −1 AP, (2) où P est la matrice de passage, permettant d’exprimer n’importe quel vecteur, connaissant ses composantes dans la base BE , dans une nouvelle base, B0E . De l’équation (2), on en déduit que, grâce à un changement de base adéquat (certains pourraient dire rusé), c’est-à-dire grâce à une matrice de passage P particulière, l’endomorphisme φ peut être représenté par une matrice beaucoup plus simple qui serait de la forme λ1 0 0 . . . . . . . . 0 0 0 0 λ2 0 0 . . . . . . . . . . . 0 0 0 0 λ3 0 0 . . . . . . . . . . . . . . 0 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 0 ... 0 A0 = (3) 0 0 . . . 0 λi 0 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 0 . . . . . . . . . . 0 0 λn−2 0 0 0 0 .......... 0 0 λn−1 0 0 0 0 ........ 0 0 λn A0 serait une matrice diagonale, on dit parfois A0 est la matrice A diagonalisée. Les valeurs écrites dans la diagonale de A0 sont les valeurs propres notées λ1 , λ2 , . . . , λn et P , la matrice de passage, est formée par les vecteurs propres ; chacun étant associé respectivement à une valeur propre de la diagonale. Sachant que φ, l’application linéaire, va s’exprimer différemment en fonction de la base considérée, il est possible d’écrire que Au A0 u ∀u ∈ E, φ(u) = (4) λIu (puisque A0 est diagonale), 1 Cette transformation porte le nom d’endomorphisme Page 1 / 4 où I est la matrice identité et λ l’ensemble de toutes les valeurs propres, λ = {λ1 , λ2 , λ3 , . . . , λn }. (5) À partir de l’équation (4), on peut écrire que Au = λIu ou, de manière plus compacte, que (A − λI)u = 0. (6) Résoudre l’équation (6) se résume à résoudre un système de n équations linéaires homogènes et finalement pour qu’il existe une solution autre que triviale, il suffit que dét(A − λI) = 0. (7) En introduisant f , le polynôme caractéristique de degré n, tel que f (λ) = dét(A − λI), (8) les n valeurs propres sont les n racines de ce polynôme. Elles sont obtenues en résolvant f (λ) = 0. (9) En pratique, il suffit de calculer le déterminant associé à la matrice A dans lequel les termes de la diagonale sont retranchés de λ. Pratique de la diagonalisation a1 a2 , le polynôme caractéristique du Exemple : dans un espace à deux dimensions, si A = a3 a4 deuxième degré, dont λ est la variable, est a1 − λ a2 f (λ) = . (10) a3 a4 − λ Soit f (λ) = (a1 − λ)(a4 − λ) − a2 a3 , (11) f (λ) = λ2 − (a1 + a4 )λ + a1 a4 − a2 a3 . (12) ce qui donne finalement Résoudre l’équation (9) revient alors à déterminer, quand elles existent, les racines λ1 et λ2 . Enfin, pour caractériser complètement la diagonalisation de A, il faut trouver la matrice de passage et donc les vecteurs propres associés à chacune des valeurs propres précédemment calculées. Cela revient à déterminer, pour chaque valeur propre λi , les composantes du vecteur ui , x1 x2 . ui = (13) . , . xn tel que (A − λ1 I)u1 (A − λ2 I)u2 (A − λ3 I)u3 ... (A − λn I)un Page 2 / 4 Diagonalisation d’une matrice carrée = 0, = 0, = 0, (14) = 0. 2013-2014 X3G0030 Ces n systèmes de n équations linéaires homogènes se résolvent facilement, étant donné qu’ils sont dégénérés, c’est-à-dire que tous les déterminants associés sont nuls. Il suffit donc pour chaque valeur propre de trouver un vecteur représentatif parmi l’infinité des solutions. La matrice de passage P est alors formée par chacun des vecteurs propres mis en colonnes et elle vérifie évidemment l’équation (2). Exemple Diagonaliser la matrice A = 2 3 , puis déterminer les vecteurs propres associés et donc la matrice 4 1 de passage P . D’après l’exemple donné pour un espace de dimension 2 (éq. 12), on peut écrire directement que f (λ) = λ2 − 3λ − 10. (15) f est un trinôme du deuxième degré, il existe au moins une solution réelle à l’équation (9) puisque 1 et −10 sont de signes opposés. On note d le discriminant, d = 9 − (4 × 1 × −10) = 49 = 72 . (16) Il existe donc deux solutions réelles distinctes, ce sont les deux valeurs propres de l’endomorphisme. λ1 = 3−7 = −2 et 2 λ2 = 3+7 = 5, 2 (17) par convention les valeurs propres sont rangées par ordre croissant. En réalité l’ordre n’est pas vraiment important mais une fois choisi il faut toujours garder le même puisqu’il détermine l’ordre des colonnes dans la matrice de passage P . La matrice diagonale, semblable à A, est donc −2 0 0 A = . (18) 0 5 Reste à déterminer les vecteurs propres, que l’on note u1 et u2 . Pour λ1 = −2, l’équation (6) s’écrit (2 − λ1 )x1 +3x2 = 0 S1 = , 4x1 +(1 − λ1 )x2 = 0 (19) ce qui équivaut à S1 = 4x1 +3x2 = 0 , 4x1 +3x2 = 0 (20) soit 4 (21) x2 = − x1 . 3 Le déterminant associé au système S1 est evidemment nul puisque les valeurs propres sont déterminées pour ça ; il exsite une infinité de solutions : ce sont tous les vecteurs colinéaires à la première direction dans la nouvelle base B0E . Il suffit de se choisir un représentant en posant par exemple que X3G0030 2013-2014 Diagonalisation d’une matrice carrée Page 3 / 4 x1 = 3, ce qui donne x2 = −4. Le premier vecteur propre est donc u1 = 3 . −4 Pour λ2 = 5, l’équation (6) s’écrit S1 = −3x1 +3x2 = 0 , 4x1 + − 4x2 = 0 (22) 1 ce qui signifie que x1 = x2 et le second vecteur propre est, par exemple, u2 = . 1 La matrice de passage est donc composée de ces deux vecteurs propres, en colonnes, 3 1 P = , −4 1 (23) et il faut enfin s’assurer qu’elle vérifie l’équation (2). Page 4 / 4 Diagonalisation d’une matrice carrée 2013-2014 X3G0030