[PDF] Chapitre 7 Diagonalisation



Previous PDF Next PDF







Trigonalisation et diagonalisation des matrices

4 CHAPITRE 7 TRIGONALISATION ET DIAGONALISATION DES MATRICES 7 1 6 Proposition — Toute matrice A de M n(C) est trigonalisable dans M n(C) Notons que toute matrice A de M n(R) peut toujours se trigonaliser dans M



Trigonalisation et diagonalisation des matrices

18 CHAPITRE 7 TRIGONALISATION ET DIAGONALISATION DES MATRICES 1 Calculer dans Cles valeurs propres de A 2 Discuter en fonction de θ la possibilit´e de diagonaliser A dans Mn(R)et Mn(C)



Diagonalisation et trigonalisation

Diagonalisation et trigonalisation Alg ebre et analyse fondamentales - Paris 7 - O Bokanowski - Septembre 2015 Pour ce cours il est important de conna^ tre le th eor eme donnant les divers crit eres de diago-nalisation des endomorphismes, (savoir calculer les sous-espaces propres d’un endomorphisme),



Fiche technique 5 - Diagonalisation, trigonalisation

PSI Dupuy de Lôme – Fiche technique 5 : diagonalisation, trigonalisation - 1 - Diagonalisation, trigonalisation Diagonalisation de matrices • le principe pour diagonaliser en pratique une matrice est simple : calculer les espaces propres de la matrice et en déterminer des bases





TD 4 Diagonalisation et trigonalisation

CY Cergy Paris Université Algèbre linéaire, bilinéaire et intégration Licence 2 MIPI 2020-2021 TD 4 Diagonalisation et trigonalisation Exercice 1 Soit E un R-espace vectoriel de dimension finie 2 et de base B = (e1;e2) Considérons les endomorphismes de E définis par : a f1(x) = (x1 +4x2)e1 +(x1 +x2)e2 d f4(x) = (x1 +x2)e1 +(x1 +x2)e2



Chapitre 7 Diagonalisation

Chapitre 7 Diagonalisation Objectifs : 1) Comprendre la simplicité des matrices diagonales 2) Appendre à rendre une matrice non diagonale en une diagonale 3) Apprendre la notion des valeurs propres, vecteurs propres etc §1 Pourquoi les matrices diagonales sont simples? Addition, multiplication, puissance, polynôme



Chapitre 7 Réduction des endomorphismes : trigonalisation et

a) Trigonalisation avec une valeur propre simple et une double 14 b) Trigonalisation avec une valeur propre triple (HP) 16 II Applications de la réduction des endomorphismes 18



Cours de mathématiques - Exo7 : Cours et exercices de

DIAGONALISATION 1 VALEURS PROPRES, VECTEURS PROPRES 2 1 2 Exemples La principale source d’exemples provient des matrices et nous renvoyons encore une fois au chapitre « Valeurs propres, vecteurs propres »



Diagonalisation des endomorphismes et des matrices

Diagonalisation des endomorphismes et des matrices PeterHaïssinsky,UniversitédePaulSabatier 2014–2015

[PDF] qu'est ce qu'internet pdf

[PDF] valeur propre xcas

[PDF] socialisme pdf

[PDF] principes du communisme engels

[PDF] difference entre capitalisme socialisme et communisme

[PDF] le communisme pour les nuls

[PDF] capitalisme pdf

[PDF] différence entre socialisme et communisme

[PDF] gluten de blé farine

[PDF] blé gluten pourcentage

[PDF] gluten de blé bio

[PDF] gluten de blé recette

[PDF] taux de gluten dans le blé

[PDF] gluten de blé valeur nutritive

[PDF] extraction gluten farine blé

Chapitre 7. Diagonalisation

Objectifs : 1) Comprendre la simplicité des matrices diagonales

2) Appendre à rendre une matrice non diagonale en une diagonale

3) Apprendre la notion des valeurs propres, vecteurs propres etc.

§1 Pourquoi les matrices diagonales sont simples?

Addition, multiplication, puissance, polynôme.

déterminant, inversion (si possible), images et noyau, liéou libre, rang, résolution d"un système etc. Multiplication à droite par une matrice diagonale : ?v1,···,?vn)(((

λ1···0

0···

λn

λ1?v1,···,λn?vn?

Exemple.

(1 0 0 -1 2 1

3 1 0))

(3 0 00-1 0

0 0π))

Chapitre 7. Diagonalisation

Objectifs : 1) Comprendre la simplicité des matrices diagonales

2) Appendre à rendre une matrice non diagonale en une diagonale

3) Apprendre la notion des valeurs propres, vecteurs propres etc.

§1 Pourquoi les matrices diagonales sont simples?

Addition, multiplication, puissance, polynôme.

déterminant, inversion (si possible), images et noyau, liéou libre, rang, résolution d"un système etc. Multiplication à droite par une matrice diagonale : ?v1,···,?vn)(((

λ1···0

0···

λn

λ1?v1,···,λn?vn?

Exemple.

(1 0 0 -1 2 1

3 1 0))

(3 0 00-1 0

0 0π))

=((3 0 0 -3-2π

9-1 0))

§2 Une matriceAsemblable à une matrice diagonaleM

On dit queAestsemblableàMsiAs"écrit

A=PMP-1,ou bienP-1AP=M,

avecPune matrice inversible.

Exemple.A=?3a-2b-2a+2b

3a-3b-2a+3b?

=P?a0 0b? P -1avec

P=?1 21 3?

Une fois avoir expriméAsous cette forme, il est beaucoup plus facile de calculerA2,A3,An, etc, il suffit de remplaceraparanetb parbn!

Preuve.

§2 Une matriceAsemblable à une matrice diagonaleM

On dit queAestsemblableàMsiAs"écrit

A=PMP-1,ou bienP-1AP=M,

avecPune matrice inversible.

Exemple.A=?3a-2b-2a+2b

3a-3b-2a+3b?

=P?a0 0b? P -1avec

P=?1 21 3?

Une fois avoir expriméAsous cette forme, il est beaucoup plus facile de calculerA2,A3,An, etc, il suffit de remplaceraparanetb parbn!

Preuve.

A

2= (PMP-1)2= (PMP-1)(PMP-1) =PM(P-1P)MP-1=

PM

2P-1=P?a20

0b2? P -1=?3a2-2b2-2a2+2b2

3a2-3b2-2a2+3b2?

§3 Diagonalisation

Diagonaliserune matriceA, c"est de trouver une matrice inversible P= (?v1,···,?vn)et une matrice diagonaleM=(((

λ1···0

0···

λn telles queA=PMP-1, ou bien,AP=PM. Comment trouverPet

M? Rappelons que

PM= (?v1,···,?vn)(((

λ1···0

0···

λn

λ1?v1,···,λn?vn?

etAP= (A?v1,···,A?vn).

§3 Diagonalisation

Diagonaliserune matriceA, c"est de trouver une matrice inversible P= (?v1,···,?vn)et une matrice diagonaleM=(((

λ1···0

0···

λn telles queA=PMP-1, ou bien,AP=PM. Comment trouverPet

M? Rappelons que

PM= (?v1,···,?vn)(((

λ1···0

0···

λn

λ1?v1,···,λn?vn?

etAP= (A?v1,···,A?vn).

DoncAP=PM??A?v1=

λ1?v1,···,A?vn=λn?vn

§3 Diagonalisation

Diagonaliserune matriceA, c"est de trouver une matrice inversible P= (?v1,···,?vn)et une matrice diagonaleM=(((

λ1···0

0···

λn telles queA=PMP-1, ou bien,AP=PM. Comment trouverPet

M? Rappelons que

PM= (?v1,···,?vn)(((

λ1···0

0···

λn

λ1?v1,···,λn?vn?

etAP= (A?v1,···,A?vn).

DoncAP=PM??A?v1=

λ1?v1,···,A?vn=λn?vn

§3 Diagonalisation

Diagonaliserune matriceA, c"est de trouver une matrice inversible P= (?v1,···,?vn)et une matrice diagonaleM=(((

λ1···0

0···

λn telles queA=PMP-1, ou bien,AP=PM. Comment trouverPet

M? Rappelons que

PM= (?v1,···,?vn)(((

λ1···0

0···

λn

λ1?v1,···,λn?vn?

etAP= (A?v1,···,A?vn).

DoncAP=PM??A?v1=

λ1?v1,···,A?vn=λn?vn

?v1?Ker(A-

§3 Diagonalisation

Diagonaliserune matriceA, c"est de trouver une matrice inversible P= (?v1,···,?vn)et une matrice diagonaleM=(((

λ1···0

0···

λn telles queA=PMP-1, ou bien,AP=PM. Comment trouverPet

M? Rappelons que

PM= (?v1,···,?vn)(((

λ1···0

0···

λn

λ1?v1,···,λn?vn?

etAP= (A?v1,···,A?vn).

DoncAP=PM??A?v1=

λ1?v1,···,A?vn=λn?vn

?v1?Ker(A- des noyaux on sait faire!

Exo. Pour diagonaliserA=?5-3

6-4? , on fabrique d"abord deux nouvelles matricesA-

2IdetA-(-1)Idet on détermine pour

chacune d"elles une base du noyau ( ces deux valeurs2,-1sont les racines de l"équationdet(A-

λId) =0) :

diagonaliserA ?5-3 6-4? det(A-λId) =0λ=2? ?-1

A-λId

?3-3

6-6? ?

6-3 6-3? base du noyau ?11? ? 1 2? assemblerP=?1 11 2? etM=?20 0 -1 vérifier queAP=PMConclure queA=PMP-1.Aest diagonalisée.

Diagonaliser de même la matrice?2 11 2?

Valeurs propres et vecteurs propres

Définition.On dit qu"un vecteur?vnon nul est unvecteur propre deAsiA?vest proportionnel à?v, c"est-à-dire qu"il existe une valeur

λtelle queA?v=λ?v. On dit queλest la

valeur propredeA associée à ?v.

Reprenons notre exemple :

A=?3a-2b-2a+2b

3a-3b-2a+3b?

=P?a0 0b? P -1avecP=?1 21 3?

DoncAP=P?a0

0b? , etA?11? =a?11? ,A?23? =b?23? ?11? est un vecteur propre, de valeur propre associée

Valeurs propres et vecteurs propres

Définition.On dit qu"un vecteur?vnon nul est unvecteur propre deAsiA?vest proportionnel à?v, c"est-à-dire qu"il existe une valeur

λtelle queA?v=λ?v. On dit queλest la

valeur propredeA associée à ?v.

Reprenons notre exemple :

A=?3a-2b-2a+2b

3a-3b-2a+3b?

=P?a0 0b? P -1avecP=?1 21 3?

DoncAP=P?a0

0b? , etA?11? =a?11? ,A?23? =b?23? ?11? est un vecteur propre, de valeur propre associéea; ?23?

Valeurs propres et vecteurs propres

Définition.On dit qu"un vecteur?vnon nul est unvecteur propre deAsiA?vest proportionnel à?v, c"est-à-dire qu"il existe une valeur

λtelle queA?v=λ?v. On dit queλest la

valeur propredeA associée à ?v.

Reprenons notre exemple :

A=?3a-2b-2a+2b

3a-3b-2a+3b?

=P?a0 0b? P -1avecP=?1 21 3?

DoncAP=P?a0

0b? , etA?11? =a?11? ,A?23? =b?23? ?11? est un vecteur propre, de valeur propre associéea; ?23? est un vecteur propre, de valeur propre associéeb.

Valeurs propres et vecteurs propres

Définition.On dit qu"un vecteur?vnon nul est unvecteur propre deAsiA?vest proportionnel à?v, c"est-à-dire qu"il existe une valeur

λtelle queA?v=λ?v. On dit queλest la

valeur propredeA associée à ?v.

Reprenons notre exemple :

A=?3a-2b-2a+2b

3a-3b-2a+3b?

=P?a0 0b? P -1avecP=?1 21 3?

DoncAP=P?a0

0b? , etA?11? =a?11? ,A?23? =b?23? ?11? est un vecteur propre, de valeur propre associéea; ?23? est un vecteur propre, de valeur propre associéeb.

Nous venons de démontrer :

Valeurs propres et vecteurs propres

Définition.On dit qu"un vecteur?vnon nul est unvecteur propre deAsiA?vest proportionnel à?v, c"est-à-dire qu"il existe une valeur

λtelle queA?v=λ?v. On dit queλest la

valeur propredeA associée à ?v.

Reprenons notre exemple :

A=?3a-2b-2a+2b

3a-3b-2a+3b?

=P?a0 0b? P -1avecP=?1 21 3?

DoncAP=P?a0

0b? , etA?11? =a?11? ,A?23? =b?23? ?11? est un vecteur propre, de valeur propre associéea; ?23? est un vecteur propre, de valeur propre associéeb.

Nous venons de démontrer :

Théorème de diagonalisation. Une matrice carréen×nest diagonalisable ssi elle possèdenvecteurs propres formant une base. Un autre exemple :Aest une matrice 2×2 telle que A?11? =?22? etA?1 -1? =?1 -1? . AlorsAest diagonalisable : A ?1 11-1? 2 ?11? 1 ?1 -1?? =?1 11-1??20 0 1 avecP=??,M=??etA=??. Un autre exemple :Aest une matrice 2×2 telle que A?11? =?22? etA?1 -1? =?1 -1? . AlorsAest diagonalisable : A ?1 11-1? 2 ?11? 1 ?1 -1?? =?1 11-1??20 0 1 avecP=??,M=??etA=??. Réponse :A=1 2? 3 1 1 3?

Comment trouver les valeurs propres?

On cherche d"abord lesλi(valeurs propres).

Théorème des valeurs propres. Les valeurs propres

λid"une

matriceAsont les solutions de l"équation det(A-

λId) =0.

Comment trouver les valeurs propres?

On cherche d"abord lesλi(valeurs propres).

Théorème des valeurs propres. Les valeurs propres

λid"une

matriceAsont les solutions de l"équation det(A-

λId) =0.

Exo. Trouver les valeurs propres de?1-2

0 3? et?5-3 6-4?

Polynôme caractéristique

DéfinitionPour toute matrice carréeA, on appelle det(A-

λId)

lepolynôme caractéristiquedeA. Ainsi les valeurs propres deA sont précisément les racines du polynôme caractéristique. Exo. Déterminer le polynôme caractéristique de (1 2 30-1 2

0 0 1/2))

,((5-3 0 6-4 0

0 1 1))

,((((1 0 0 00-1 0 0 0 0 1 40

0 0 0π))))

Puis déterminer les valeurs propres pour chacune de ces matrices.

§4. Critères de diagonalisabilité

Théorème 0 (déjà vu)Une matriceAest diagonalisable ssi elle possède une famille de vecteurs propres formant une base.

Théorème 1 (facile)Si

toutes les racinesdu polynôme caractéristique deA sont simples, alorsAest diagonalisable. (sinon,

Apeut être ou ne pas être diagonalisable).

Théorème 2 (difficile)SiAest une matrice

réelle et symétrique, alors toutes les valeurs propres deAsont réelles etAest diagonalisable. Exo. Pour chacune des trois matrices suivantes, déterminersi elle est diagonalisable, et la diagonaliser si possible : 1 1 1 1? ,?1 10 1? ,?5-1 1 3? (5 0 00 5 00 0 0)) Rappel.Le polynôme caractéristiqued"une matrice carréeAest det(A-λId)(c"est un polynôme enλ).

Exemple : Le polynôme caractéristique de

?a b c d? est ?a- λb c d- ?= (a-

λ)(d-λ)-cd=λ2-(a+d)λ+ad-bc.

§5 Trace, déterminant et valeurs propres

Rappel. Les valeurs propre d"une matrice carrée sont les racines de son polynôme caractéristique.

Définition. On appelle la

tracedeAla somme des éléments sur la diagonale. Définition. On appelle latracedeAla somme des éléments sur la diagonale.

Exemples.tr?a b

c d? =a+d,tr?0 1 -1-1? tr (1 2 32-1 0

0 2 4))

Théorème.La trace deAest égale à la somme des valeurs propres deAet le déterminant deAest le produit des valeurs propres deA.

Preuve. SupposonsA=?a b

c d? ,det(A) =ad-bc,tr(A) =a+d. Définition. On appelle latracedeAla somme des éléments sur la diagonale.

Exemples.tr?a b

c d?quotesdbs_dbs5.pdfusesText_10