Endomorphismes et matrices diagonalisables
Soit {u} un endomorphisme d’un {\mathbb{K}}-espace vectoriel {E} de dimension {n\ge1}.
On dit que {u} est diagonalisable s’il existe une base {\mathcal{B}} de {E} dans laquelle la matrice de {u} est diagonale.
On dit alors que {\mathcal{B}} est une base de diagonalisation de {u}.
Dire que la matrice de {u} dans {\mathcal{B}} est diagonale, c’est dire que {\mathcal{B}} est formée de vecteurs propres de {u}.
On dit qu’une matrice {A} de {\mathcal{M}_{n}(\mathbb{K})} est diagonalisable si elle est semblable à une matrice diagonale {D}, c’est-à-dire s’il existe une matrice inversible {P} telle que {A=P D P^{-1}}.
On dit alors que {D=P^{-1}AP} est une réduite diagonale de {A}.
Si {A} est diagonalisable et si {B} est semblable à {A}, alors {B} est elle-même diagonalisable.
Équivalence des deux définitions précédentes
Soit {u} un endomorphisme de {E}, de matrice {A} dans une base {\mathcal{B}} de {E}.
-
On suppose que {u} est diagonalisable. Soit {\mathcal{B}'} une base de diagonalisation de {u}.
Soit {P} la matrice de passage de la base {\mathcal{B}} à la base {\mathcal{B}'}.
Avec ces notations, la matrice (diagonale) de {u} dans {\mathcal{B}'} est {D=P^{-1}AP}. Donc {A} est diagonalisable.
-
Réciproquement, on suppose que {A} est diagonalisable.
Soit {P} une matrice inversible et {D} une matrice diagonale telle que {A=PDP^{-1}}.
On interprète {P} comme la matrice de passage de la base {\mathcal{B}} à une base {\mathcal{B}'} de {E}.
La matrice de {u} dans {\mathcal{B}'} est la matrice diagonale {P^{-1}AP=D}, donc {u} est diagonalisable.
En résumé, un endomorphisme {u} d’un {\mathbb{K}}-espace vectoriel {E} (de dimension finie {n\ge1}) est diagonalisable (au sens de la définition « en dimension finie, endomorphisme diagonalisable ») si et seulement si sa matrice {A} (dans une base quelconque {\mathcal{B}} de {E}) est diagonalisable (au sens de la définition « matrice carrée diagonalisable »). Réciproquement, dire qu’une matrice {A} de {\mathcal{M}_{n}(\mathbb{K})} est diagonalisable, c’est dire que tout endomorphisme {u} d’un {\mathbb{K}}-espace vectoriel {E} de dimension {n} ayant pour matrice {A} dans une certaine base est lui-même diagonalisable.
Remarques terminologiques
On identifie souvent une matrice {A} de {\mathcal{M}_{n}(\mathbb{K})} à l’endomorphisme {\widehat{A}} de {{\mathcal{M}}_{n,1}(\mathbb{K})} défini par {X\mapsto AX} (dans ce cas {A} est la matrice de l’endomorphisme {\widehat{A}} dans la base canonique).
Dire que la matrice {A} est diagonalisable, c’est dire que l’endomorphisme {\widehat{A}} est diagonalisable, et l’égalité {D=P^{-1}AP} (où {D} est diagonale) exprime que la matrice inversible {P} est la matrice de passage de la base canonique de {{\mathcal{M}}_{n,1}(\mathbb{K})} à une base de vecteurs propres de l’endomorphisme {\widehat{A}}.
Avec les notations ci-dessus, les coefficients de la diagonale de {D} sont les valeurs propres de {\widehat{A}} (c’est-à-dire les valeurs propres de {A}), chacune figurant autant de fois que son ordre de multiplicité.
Dans la pratique, il n’y a pas grand risque à identifier {A} et {\widehat{A}}.
Soit {u} un endomorphisme d’un {\mathbb{K}}-espace vectoriel {E} de dimension finie {n\ge1}.
Les conditions suivantes sont équivalentes :
-
l’endomorphisme {u} est diagonalisable.
-
l’espace {E} est la somme (directe) des sous-espaces propres de {u}.
-
la somme des dimensions des sous-espaces propres de {u} est égale à la dimension {n} de {E}.
-
le polynôme caractéristique {\chi_{u}} est scindé sur {\mathbb{K}} et, pour tout {\lambda} de {\mathrm{Sp}(u)}, la dimension du sous-espace propre {E_{\lambda}(u)} est égale à la multiplicité de {\lambda} comme racine de {\chi_{u}}.
L’énoncé précédent possède une traduction matricielle immédiate :
Soit {A} un élément de {\mathcal{M}_n(\mathbb{K})}. Les conditions suivantes sont équivalentes :
-
la matrice {A} est diagonalisable.
-
la somme des dimensions des sous-espaces propres de {A} est égale à {n}.
-
le polynôme caractéristique {\chi_{A}} est scindé sur {\mathbb{K}} et, pour tout {\lambda} de {\mathrm{Sp}(A)}, la dimension du sous-espace propre associé à {\lambda} est égale à la multiplicité de {\lambda} comme racine de {\chi_{A}}.
Exercice 2.7
Dire, sans calculs, pourquoi la matrice {A=\begin{pmatrix} 1&1&1&1\\[4pt] 2&2&2&2\\[4pt] 3&3&3&3\\[4pt] 4&4&4&4\end{pmatrix}} est diagonalisable.
Exercice 2.8
Donner une CNS sur {a,b,c,d,e,f} pour que {A=\begin{pmatrix}1&a&b&c\\[4pt]0&1&d&e\\[4pt]0&0&2&f\\[4pt]0&0&0&2 \end{pmatrix}} soit diagonalisable.
Exercice 2.9
Dire pour quelle(s) valeur(s) de {a} la matrice {A=\begin{pmatrix}2&1&-2\\[4pt] 1&a&-1\\[4pt] 1&1&-1\end{pmatrix}} n’est pas diagonalisable.
Soit {u} un endomorphisme d’un {\mathbb{K}}-espace vectoriel {E} de dimension finie {n\ge1}.
Si {u} admet {n} valeurs propres distinctes, {u} est diagonalisable, et les sous-espaces propres sont des droites.
Le résultat précédent possède bien sûr une interprétation matricielle :
Si une matrice {A} de {\mathcal{M}_n(\mathbb{K})} possède {n} valeurs propres distinctes, alors elle est diagonalisable (et les sous-espaces propres sont des droites de {\mathcal{M}_{n,1}(\mathbb{K})}).
Les deux résultats précédents n’expriment que des conditions suffisantes!
Par exemple si {u} est une homothétie de rapport {\lambda}, alors {u} est diagonalisable et pourtant {u} n’a pour seule valeur propre que {\lambda}, avec la multiplicité {n}.
Réciproquement, si {u} n’a qu’une seule valeur propre {\lambda}, de multiplicité {n}, alors {u} est diagonalisable si et seulement si {u} est l’ homothétie de rapport {\lambda}.
De même si {A} (dans {\mathcal{M}_n(\mathbb{K})}) n’a que la valeur propre {\lambda} (ce qui est le cas par exemple si {A} est triangulaire avec des {\lambda} sur toute la diagonale), alors {A} est diagonalisable si et seulement si {A=\lambda\mathrm{I}_n}.
Exercice 2.10
a) Montrer que {\varphi\colon P\to X(X-1)P'-nXP} définit un endomorphisme {\varphi} de {\mathbb{K}_{n}[X]}.
b) L’endomorphisme {\varphi} est-il diagonalisable?
c) Déterminer les sous-espaces propres de {\varphi}.
Exercice 2.11
Soit {u} dans {{\mathcal{L}}{(E)}}, avec {\dim(E)=n\ge1}, ayant {n} valeurs propres distinctes.
Soit {v} dans {{\mathcal{L}}{(E)}}. Montrer {uv=vu} si et seulement si {v} s’écrit sous la forme {v=\displaystyle\sum\limits_{k=0}^{n-1}a_{k}u^{k}}.
Diagonalisabilité « dans {\mathbb{R}} » ou « dans {\mathbb{C}} » d’une matrice réelle
Soit {A} une matrice carrée d’ordre {n}, à coefficients réels.
-
Si {A} est diagonalisable « dans {\mathbb{R}} » alors elle l’est « dans {\mathbb{C}} » (avec les mêmes valeurs propres).
L’égalité {A=PDP^{-1}} (avec {D} diagonale et {P} inversible dans {\mathcal{M}_{n}(\mathbb{R})}) reste en effet vraie dans {\mathcal{M}_{n}(\mathbb{C})}.
-
En revanche, la matrice {A} peut très bien être diagonalisable dans {\mathbb{C}} sans l’être dans {\mathbb{R}}, notamment si certaines des valeurs propres de {A} sont complexes non réelles.
-
Par exemple : soit {A=\begin{pmatrix} 0&-1\\[4pt] 1&0\end{pmatrix}}. On a {\chi_{A}(X)=\begin{vmatrix}X&1\\[4pt] -1&X\end{vmatrix}=X^{2}+1}.
La matrice {A} n’est donc pas diagonalisable dans {\mathbb{R}} (son polynôme caractéristique n’est pas scindé).
Si on considère {A} dans {{\mathcal{M}}_{2}(\mathbb{C})}, elle y est diagonalisable (deux valeurs propres distinctes : {i} et {-i}).