Prepa Help
Prepa Help › Cours › Mathématiques, 2e année

Diagonalisation et réduction des matrices en MP, PSI, PC, PT et TSI : méthodes et exercices corrigés

Sous-espaces stables, valeurs propres et vecteurs propres, polynôme caractéristique, diagonalisation et trigonalisation, polynômes annulateurs, applications aux puissances de matrices, aux suites récurrentes et aux chaînes de Markov ; polynôme minimal, lemme des noyaux, endomorphismes nilpotents et sous-espaces caractéristiques en MP et MPI.

Les nombres sont ceux du chapitre complet ; chaque filière voit la partie qui correspond à son programme.

Diagonaliser une matrice carrée AA, c'est trouver PP inversible et DD diagonale telles que A=PDP−1A = PDP^{-1} : les colonnes de PP sont des vecteurs propres, DD porte les valeurs propres dans le même ordre. C'est possible si et seulement si le polynôme caractéristique χA=det⁡(XIn−A)\chi_A = \det(XI_n - A) est scindé et dim⁡Eλ=mλ\dim E_\lambda = m_\lambda pour chaque valeur propre ; on en tire Ak=PDkP−1A^k = PD^kP^{-1}. La réduction des endomorphismes est au programme de deuxième année en MP, PSI et TSI au Maroc, et en MP, MPI, PSI, PC, PT, TSI et TPC en France. Valeurs propres, trigonalisation et puissances de matrices reviennent souvent dans les DS et dans les problèmes du CNC et des concours français.

Ce que tu sauras faire

Un endomorphisme se lit dans une base par une matrice, et cette matrice dépend de la base. Réduire un endomorphisme, c'est chercher une base dans laquelle sa matrice est la plus simple possible : diagonale si l'on peut, triangulaire sinon. Les puissances, les suites récurrentes, les systèmes différentiels, les chaînes de Markov et, plus tard, les équations différentielles linéaires se ramènent à cette question. Le chapitre présente deux points de vue qui se complètent : le point de vue géométrique (sous-espaces stables, valeurs propres, vecteurs propres) et le point de vue algébrique (polynômes annulateurs). À la fin, tu dois savoir :

L’essentiel du chapitre Extrait gratuit

Un extrait de la fiche « L'essentiel » du chapitre. Les démonstrations sont dans le cours détaillé.

À retenir Sous-espaces stables
  • FF stable par uu : u(F)⊂Fu(F) \subset F ; endomorphisme induit uFu_F ; dans une base adaptée, matrice triangulaire par blocs (AC0B)\begin{pmatrix} A & C \\ 0 & B\end{pmatrix}, A=Mat⁡(uF)A = \operatorname{Mat}(u_F).
  • E=⨁FiE = \bigoplus F_i avec les FiF_i stables : matrice diagonale par blocs.
  • Si uv=vuuv = vu : les sous-espaces propres de uu sont stables par vv.
  • Droite stable Kx\mathbb{K}x : u(x)=λxu(x) = \lambda x, xx vecteur propre.
À retenir Éléments propres
  • λ\lambda valeur propre ssi ∃x≠0\exists x \neq 0, u(x)=λxu(x) = \lambda x ssi Ker⁡(u−λ id)≠{0}\operatorname{Ker}(u - \lambda\,\mathrm{id}) \neq \{0\} ; Eλ=Ker⁡(u−λ id)E_\lambda = \operatorname{Ker}(u - \lambda\,\mathrm{id}) ; spectre Sp⁡(u)\operatorname{Sp}(u).
  • Matrice : AX=λXAX = \lambda X, Eλ(A)=Ker⁡(A−λIn)E_\lambda(A) = \operatorname{Ker}(A - \lambda I_n), dim⁡Eλ=n−rg⁡(A−λIn)\dim E_\lambda = n - \operatorname{rg}(A - \lambda I_n).
  • Somme de sous-espaces propres (valeurs propres distinctes) directe ; vecteurs propres de valeurs propres distinctes libres ; ∣Sp⁡(u)∣≤n|\operatorname{Sp}(u)| \leq n.
  • Semblables : même spectre, mêmes multiplicités. Sp⁡R(A)⊂Sp⁡C(A)\operatorname{Sp}_\mathbb{R}(A) \subset \operatorname{Sp}_\mathbb{C}(A) ; valeurs propres complexes d'une matrice réelle conjuguées.
  • Projecteur : Sp⁡⊂{0,1}\operatorname{Sp} \subset \{0, 1\}, E0=Ker⁡E_0 = \operatorname{Ker}, E1=Im⁡E_1 = \operatorname{Im} ; symétrie : Sp⁡⊂{−1,1}\operatorname{Sp} \subset \{-1, 1\} ; homothétie ; f↦f′f \mapsto f' sur C∞\mathcal{C}^\infty : tout λ\lambda (eλxe^{\lambda x}).
À retenir Polynôme caractéristique
  • χA=det⁡(XIn−A)\chi_A = \det(XI_n - A), unitaire, degré nn : Xn−(tr⁡A)Xn−1+⋯+(−1)ndet⁡AX^n - (\operatorname{tr}A)X^{n-1} + \cdots + (-1)^n\det A ; pour n=2n = 2 : X2−(tr⁡A)X+det⁡AX^2 - (\operatorname{tr}A)X + \det A.
  • Invariant de similitude, χA⊤=χA\chi_{A^\top} = \chi_A ; triangulaire : ∏(X−aii)\prod(X - a_{ii}) ; valeurs propres = racines dans K\mathbb{K}.
  • Multiplicité mλm_\lambda ; 1≤dim⁡Eλ≤mλ1 \leq \dim E_\lambda \leq m_\lambda ; valeur propre simple : droite propre.
  • χ\chi scindé : tr⁡=∑λi\operatorname{tr} = \sum\lambda_i, det⁡=∏λi\det = \prod\lambda_i (avec multiplicités) ; toujours vrai sur C\mathbb{C}. Contrôle systématique.
À retenir Diagonalisation
  • Diagonalisable ssi base de vecteurs propres ssi E=⨁EλE = \bigoplus E_\lambda ssi ∑dim⁡Eλ=n\sum\dim E_\lambda = n ssi χ\chi scindé et dim⁡Eλ=mλ\dim E_\lambda = m_\lambda pour toute λ\lambda.
  • nn valeurs propres distinctes ⇒\Rightarrow diagonalisable (réciproque fausse : InI_n).
  • Matrice : A=PDP−1A = PDP^{-1}, colonnes de PP = vecteurs propres, DD = valeurs propres dans le même ordre ; contrôle AP=PDAP = PD.
  • Projecteurs, symétries diagonalisables ; (1101)\begin{pmatrix} 1 & 1 \\ 0 & 1\end{pmatrix} non ; rotation : non sur R\mathbb{R}, oui sur C\mathbb{C}.
  • Diagonalisable et inversible sont indépendants.

Une méthode du chapitre Extrait gratuit

Un exercice corrigé Extrait gratuit

Dans le chapitre complet

Le cours détaillé, toute la fiche « L'essentiel », 16 méthodes, 29 pièges corrigés, la carte mentale, 51 exercices corrigés, 6 problèmes de concours, les fiches à mémoriser et l'assistant qui répond à tes questions. Ce chapitre est offert : il s’ouvre en entier avec un compte d’essai gratuit.

Ouvrir l'essai gratuitVoir les offres

Plan du cours

Les méthodes du chapitre

Chaque méthode est une fiche : quand l'utiliser, le rappel de cours, les étapes, la rédaction attendue sur la copie, un exemple traité, les erreurs à éviter.

  1. Déterminer les éléments propres d'une matrice
  2. Éléments propres d'un endomorphisme sans matrice
  3. Calculer un polynôme caractéristique sans souffrir
  4. Décider si une matrice est diagonalisable
  5. Diagonaliser effectivement
  6. Matrice à paramètre
  7. Puissances et suites récurrentes
  8. Utiliser la trace et le déterminant
  9. Montrer qu'un endomorphisme est diagonalisable sans calcul
  10. Étudier la convergence de (An)(A^n) et d'une suite Xn+1=AXnX_{n+1} = AX_n
  11. Passer d'un endomorphisme à sa matrice, et revenir
  12. Trigonaliser en dimension 3
  13. Exploiter un polynôme annulateur
  14. Déterminer un polynôme minimal
  15. Décomposer avec le lemme des noyaux
  16. Reconnaître et manier un nilpotent

Les exercices corrigés

Chaque exercice a ses indications, sa correction rédigée et ce qu'il faut en retenir.

Application directe (14)

Entraînement (27)

Approfondissement (10)

Les problèmes de concours

Des extraits de sujets réels, corrigés en entier, avec la durée conseillée et les méthodes mobilisées.

Sujets de concours sur ce chapitre

Les 12 sujets les plus récents sur 461, à télécharger gratuitement en PDF, sans corrigé. Tous les sujets de concours.

Questions fréquentes

Comment diagonaliser une matrice 3x3 ?

On factorise χA\chi_A, puis on cherche chaque sous-espace propre Eλ=Ker⁡(A−λI3)E_\lambda = \operatorname{Ker}(A - \lambda I_3). Si la somme des dimensions vaut 33, AA est diagonalisable. On forme PP avec les vecteurs propres en colonnes et DD avec les valeurs propres dans le même ordre, puis on contrôle AP=PDAP = PD. Exemple : la matrice à 22 sur la diagonale et 11 ailleurs donne D=diag⁡(4,1,1)D = \operatorname{diag}(4, 1, 1).

Comment savoir si une matrice est diagonalisable ?

Sur K=R\mathbb{K} = \mathbb{R} ou C\mathbb{C}, A∈Mn(K)A \in \mathcal{M}_n(\mathbb{K}) est diagonalisable si et seulement si χA\chi_A est scindé sur K\mathbb{K} et dim⁡Eλ=mλ\dim E_\lambda = m_\lambda pour chaque valeur propre. Si χA\chi_A est scindé à racines simples, c'est automatique. Pour une racine λ\lambda de multiplicité mm, on calcule le rang : il faut rg⁡(A−λIn)=n−m\operatorname{rg}(A - \lambda I_n) = n - m. Une seule valeur propre qui échoue suffit à conclure non.

Une matrice qui a une valeur propre double peut-elle être diagonalisable ?

Oui, la multiplicité seule ne décide de rien. I2I_2 a 11 pour valeur propre double et elle est diagonale, alors que (1101)\begin{pmatrix} 1 & 1 \\ 0 & 1 \end{pmatrix}, de même polynôme caractéristique (X−1)2(X - 1)^2, n'est pas diagonalisable car dim⁡E1=1<2\dim E_1 = 1 < 2. Inversement, un polynôme caractéristique scindé ne suffit pas : il faut comparer dim⁡Eλ\dim E_\lambda et mλm_\lambda par un calcul de rang.

Comment calculer la puissance n-ième d'une matrice diagonalisable ?

Si A=PDP−1A = PDP^{-1} avec D=diag⁡(λ1,…,λn)D = \operatorname{diag}(\lambda_1, \dots, \lambda_n), alors Ak=PDkP−1A^k = PD^kP^{-1} et Dk=diag⁡(λ1k,…,λnk)D^k = \operatorname{diag}(\lambda_1^k, \dots, \lambda_n^k). Pour une suite Xk+1=AXkX_{k+1} = AX_k, on a Xk=AkX0X_k = A^kX_0, ou l'on pose Yk=P−1XkY_k = P^{-1}X_k, dont chaque coordonnée est géométrique. Calculer AkA^k coefficient par coefficient, en élevant chaque coefficient de AA à la puissance kk, est faux.

Une matrice diagonalisable est-elle inversible ?

Non, les deux propriétés sont indépendantes. La matrice JnJ_n, dont tous les coefficients valent 11, est diagonalisable mais pas inversible, puisque 00 est valeur propre. La matrice (1101)\begin{pmatrix} 1 & 1 \\ 0 & 1 \end{pmatrix} est inversible mais pas diagonalisable. Une matrice est inversible si et seulement si 0∉Sp⁡(A)0 \notin \operatorname{Sp}(A) ; elle est diagonalisable si et seulement s'il existe une base de vecteurs propres.

Quelle différence entre diagonaliser et trigonaliser une matrice ?

Trigonaliser, c'est trouver une base où la matrice est triangulaire. Une matrice est trigonalisable si et seulement si χA\chi_A est scindé sur K\mathbb{K}, sans autre condition, donc toujours sur C\mathbb{C}. La diagonale contient alors les valeurs propres avec leurs multiplicités, d'où tr⁡A=∑λi\operatorname{tr} A = \sum \lambda_i et det⁡A=∏λi\det A = \prod \lambda_i. La diagonalisation exige en plus dim⁡Eλ=mλ\dim E_\lambda = m_\lambda. La trigonalisation n'est pas au programme de TPC2.

Articles sur ce chapitre

Comment y accéder

Ce chapitre fait partie des chapitres offerts : il s'ouvre en entier avec un compte d'essai gratuit. Créer un compte d'essai ou se connecter. Pour l'accès complet et les tarifs, vois les offres.

Toute ta prépa au même endroit

Pour chaque chapitre : le cours, l'essentiel, les méthodes, les pièges, les exercices corrigés, les problèmes de concours, et un assistant qui répond à tes questions. Programmes du Maroc et de France. Avec la plateforme vidéo YOUNESS SCHOOL offerte, dès 600 DH (60 $) par mois, sans engagement.

Prépas scientifiques : voir l'offrePrépas ECS et ECT : voir l'offreTu hésites encore ? Essaie gratuitement Prepa Help.

← Déterminants · Espaces vectoriels normés →