Retour au blog

Maîtriser la Réduction des Endomorphismes en Prépa

Valeurs propres, sous-espaces propres, diagonalisation, puissances de matrices et polynômes annulateurs : dix exercices corrigés, rangés du plus simple au niveau concours.

Cet article a été rédigé à des fins pédagogiques. Les informations présentées peuvent évoluer. Nous t’invitons à vérifier auprès de sources officielles.

Niveau : deuxième année de prépa (programme de MP et MPI). Durée estimée : 2 h. 10 exercices corrigés, du premier vecteur propre aux questions de concours.

Rappel des notions clés

Réduire un endomorphisme $u$ (une application linéaire d'un espace dans lui-même) ou sa matrice $A$, c'est chercher une base de vecteurs propres, c'est-à-dire de vecteurs $V$ non nuls tels que $AV=\lambda V$ ; le scalaire $\lambda$ est alors une valeur propre. La méthode : calcule le polynôme caractéristique $\chi_A=\det(XI_n-A)$, dont les racines sont les valeurs propres, puis résous $(A-\lambda I_n)V=0$ pour chacune : les solutions forment le sous-espace propre $E_\lambda$. Par exemple, $A=\begin{pmatrix}1&1\\0&2\end{pmatrix}$ a pour valeurs propres $1$ et $2$, avec $E_1=\operatorname{Vect}\begin{pmatrix}1\\0\end{pmatrix}$ et $E_2=\operatorname{Vect}\begin{pmatrix}1\\1\end{pmatrix}$, d'où $A=PDP^{-1}$ avec $P=\begin{pmatrix}1&1\\0&1\end{pmatrix}$ et $D=\begin{pmatrix}1&0\\0&2\end{pmatrix}$.

Quand une telle base existe, $A$ est diagonalisable, c'est-à-dire semblable à une matrice diagonale $D$ : les colonnes de $P$ sont les vecteurs propres, rangés dans l'ordre des valeurs propres sur la diagonale de $D$. Un polynôme est scindé s'il est produit de facteurs de degré 1 ; la multiplicité $m(\lambda)$ d'une valeur propre est son ordre comme racine de $\chi_A$.

Formules à retenir :

  • $\chi_A$ est unitaire ; en taille 2, $\chi_A=X^2-\operatorname{tr}(A)\,X+\det(A)$.
  • Les valeurs propres d'une matrice triangulaire sont ses coefficients diagonaux.
  • $1\le\dim E_\lambda\le m(\lambda)$ et $\dim E_\lambda=n-\operatorname{rg}(A-\lambda I_n)$.
  • $A$ diagonalisable $\iff\sum_\lambda\dim E_\lambda=n\iff\chi_A$ scindé et $\dim E_\lambda=m(\lambda)$ pour tout $\lambda$.
  • $n$ valeurs propres distinctes : $A$ est diagonalisable.
  • $A$ trigonalisable (semblable à une matrice triangulaire) $\iff\chi_A$ scindé ; c'est toujours vrai dans $\mathcal{M}_n(\mathbb{C})$.
  • Si $Q(A)=0$ ($Q$ annule $A$), toute valeur propre de $A$ est racine de $Q$ ; si $Q$ est simplement scindé (à racines simples), $A$ est diagonalisable.
  • $A=PDP^{-1}\implies A^k=PD^kP^{-1}$.

Ces énoncés suivent le programme officiel de MP et MPI de 2021, qui prend $\chi_A$ unitaire.

Piège classique : une valeur propre double ne dit pas, à elle seule, si la matrice est diagonalisable : seul le rang de $A-\lambda I_n$ tranche. Et deux matrices de même polynôme caractéristique ne sont pas forcément semblables.

Exercices : niveau facile

Exercice 1 : Soit $A=\begin{pmatrix}2&1\\0&3\end{pmatrix}$, $U=\begin{pmatrix}1\\1\end{pmatrix}$ et $W=\begin{pmatrix}0\\1\end{pmatrix}$. Dis si chacun de ces deux vecteurs est un vecteur propre de $A$ et, si oui, donne la valeur propre associée.

Correction :

Un vecteur non nul est propre quand son image lui est colinéaire. Ici $AU=\begin{pmatrix}3\\3\end{pmatrix}=3U$ avec $U\neq0$. En revanche, $AW=\begin{pmatrix}1\\3\end{pmatrix}$ n'est pas colinéaire à $W$, car sa première coordonnée n'est pas nulle.

$U$ est un vecteur propre associé à la valeur propre 3 ; $W$ n'en est pas un.

Exercice 2 : Calcule le polynôme caractéristique de $A=\begin{pmatrix}1&2\\3&0\end{pmatrix}$, puis ses valeurs propres.

Correction :

En taille 2, on lit $\chi_A$ sur la trace et le déterminant. Ici $\operatorname{tr}(A)=1$ et $\det(A)=1\times0-2\times3=-6$, donc $\chi_A=X^2-X-6=(X-3)(X+2)$.

$\chi_A=X^2-X-6$ ; les valeurs propres sont $3$ et $-2$.

Attention : $\det(A-XI_n)=(-1)^n\chi_A$ coïncide avec $\chi_A$ en taille 2, mais pas en taille 3.

Exercice 3 : La matrice $B=\begin{pmatrix}4&-1\\2&1\end{pmatrix}$ a pour valeurs propres $2$ et $3$. Donne une base de chaque sous-espace propre, puis une matrice inversible $P$ et une matrice diagonale $D$ telles que $B=PDP^{-1}$.

Correction :

Pour chaque valeur propre $\lambda$, on résout $(B-\lambda I_2)V=0$ avec $V=\begin{pmatrix}x\\y\end{pmatrix}$. La matrice $B-2I_2=\begin{pmatrix}2&-1\\2&-1\end{pmatrix}$ donne $y=2x$, donc $E_2=\operatorname{Vect}\begin{pmatrix}1\\2\end{pmatrix}$. La matrice $B-3I_2=\begin{pmatrix}1&-1\\2&-2\end{pmatrix}$ donne $y=x$, donc $E_3=\operatorname{Vect}\begin{pmatrix}1\\1\end{pmatrix}$. Deux valeurs propres distinctes en dimension 2 : ces deux vecteurs forment une base.

$P=\begin{pmatrix}1&1\\2&1\end{pmatrix}$ et $D=\begin{pmatrix}2&0\\0&3\end{pmatrix}$. Si tu échanges les colonnes de $P$, échange aussi les coefficients de $D$.

Exercices : niveau moyen

Exercice 4 : Soit $a$ un réel et $C_a=\begin{pmatrix}1&a&0\\0&1&1\\0&0&2\end{pmatrix}$. Pour quelles valeurs de $a$ la matrice $C_a$ est-elle diagonalisable ? Justifie.

Correction :

On compare $\dim E_\lambda$ et $m(\lambda)$ pour la valeur propre multiple. $C_a$ est triangulaire, donc $\chi_{C_a}=(X-1)^2(X-2)$. La valeur propre 2 est simple : $\dim E_2=1$. Tout se joue sur $E_1$, qui doit être de dimension 2.

Or $C_a-I_3=\begin{pmatrix}0&a&0\\0&0&1\\0&0&1\end{pmatrix}$. Si $a\neq0$, ses deux premières lignes sont indépendantes : rang 2, donc $\dim E_1=1$. Si $a=0$, sa première ligne est nulle et les deux autres sont égales : rang 1, donc $\dim E_1=2$.

$C_a$ est diagonalisable si et seulement si $a=0$. La valeur propre double, à elle seule, ne décidait rien.

Exercice 5 : Soit $R=\begin{pmatrix}0&-1\\1&0\end{pmatrix}$, matrice de la rotation d'angle $\frac{\pi}{2}$ du plan. $R$ est-elle trigonalisable dans $\mathcal{M}_2(\mathbb{R})$ ? Est-elle diagonalisable dans $\mathcal{M}_2(\mathbb{C})$ ? Dans ce cas, donne $P$ et $D$.

Correction :

On étudie $\chi_R$ dans chacun des deux corps. Ici $\chi_R=X^2+1$ n'a pas de racine réelle : il n'est pas scindé sur $\mathbb{R}$, donc $R$ n'est pas trigonalisable dans $\mathcal{M}_2(\mathbb{R})$, ni a fortiori diagonalisable. Géométriquement, un quart de tour n'envoie aucune droite sur elle-même.

Sur $\mathbb{C}$, $\chi_R=(X-i)(X+i)$ : deux valeurs propres distinctes, donc $R$ est diagonalisable. La matrice $R-iI_2=\begin{pmatrix}-i&-1\\1&-i\end{pmatrix}$ donne $y=-ix$ ; de même, $R+iI_2$ donne $y=ix$.

Non dans $\mathbb{R}$ ; oui dans $\mathbb{C}$, avec $P=\begin{pmatrix}1&1\\-i&i\end{pmatrix}$ et $D=\begin{pmatrix}i&0\\0&-i\end{pmatrix}$.

Exercice 6 : Deux villes A et B échangent leurs habitants (données fictives). Chaque année, 10 % des habitants de A s'installent dans B, 20 % de ceux de B s'installent dans A, et les autres restent. On note $a_n$ et $b_n$ les populations au bout de $n$ années, et $V_n=\begin{pmatrix}a_n\\b_n\end{pmatrix}$.

a) Écris la matrice $M$ telle que $V_{n+1}=MV_n$.

b) Diagonalise $M$, puis calcule $M^n$.

c) Les deux villes comptent 30 000 habitants en tout. Vers quelle répartition la population tend-elle ?

Correction :

a) $a_{n+1}=0{,}9\,a_n+0{,}2\,b_n$ et $b_{n+1}=0{,}1\,a_n+0{,}8\,b_n$, donc $M=\begin{pmatrix}0{,}9&0{,}2\\0{,}1&0{,}8\end{pmatrix}$.

b) On diagonalise, puis on utilise $M^n=PD^nP^{-1}$. Ici $\operatorname{tr}(M)=1{,}7$ et $\det(M)=0{,}7$, d'où $\chi_M=(X-1)(X-0{,}7)$. $M-I_2$ donne $x=2y$, et $M-0{,}7\,I_2$ donne $y=-x$. Avec $P=\begin{pmatrix}2&1\\1&-1\end{pmatrix}$, $D=\begin{pmatrix}1&0\\0&0{,}7\end{pmatrix}$ et $P^{-1}=\frac13\begin{pmatrix}1&1\\1&-2\end{pmatrix}$ :

$$M^n=\frac13\begin{pmatrix}2+(0{,}7)^n&2-2(0{,}7)^n\\1-(0{,}7)^n&1+2(0{,}7)^n\end{pmatrix}.$$

c) Comme $(0{,}7)^n\to0$, $V_n$ tend vers $\frac13\begin{pmatrix}2&2\\1&1\end{pmatrix}V_0=\frac13\begin{pmatrix}2(a_0+b_0)\\a_0+b_0\end{pmatrix}$.

La population tend vers 20 000 habitants dans A et 10 000 dans B, quelle que soit la répartition de départ.

Exercice 7 : Soit $T$ l'endomorphisme de $\mathcal{M}_2(\mathbb{R})$ qui à une matrice $M$ associe sa transposée $M^{\top}$. Montre que $T$ est diagonalisable, en précisant ses valeurs propres et la dimension de chaque sous-espace propre.

Correction :

On utilise $T\circ T=\operatorname{id}$ : si $T(M)=\lambda M$ avec $M\neq0$, alors $M=T(T(M))=\lambda^2M$, donc $\lambda^2=1$.

$T(M)=M$ signifie que $M$ est symétrique, de la forme $\begin{pmatrix}a&b\\b&c\end{pmatrix}$ avec trois paramètres libres : $\dim E_1=3$. $T(M)=-M$ signifie que $M$ est antisymétrique, de la forme $b\begin{pmatrix}0&1\\-1&0\end{pmatrix}$ : $\dim E_{-1}=1$.

Valeurs propres $1$ et $-1$ ; $\dim E_1+\dim E_{-1}=4=\dim\mathcal{M}_2(\mathbb{R})$, donc $T$ est diagonalisable.

Exercices : niveau difficile

Exercice 8 : Soit $M=\begin{pmatrix}3&-1&1\\0&2&0\\1&-1&3\end{pmatrix}$ et $N=\begin{pmatrix}2&1&0\\0&2&0\\0&0&4\end{pmatrix}$.

a) Montre que $M$ et $N$ ont le même polynôme caractéristique.

b) Sont-elles semblables, c'est-à-dire existe-t-il $P$ inversible telle que $N=P^{-1}MP$ ? Justifie.

Correction :

a) On développe $\det(XI_3-M)$ selon la deuxième ligne, qui n'a qu'un coefficient non nul : $\chi_M=(X-2)\big((X-3)^2-1\big)=(X-2)^2(X-4)$. $N$ est triangulaire, donc $\chi_N=(X-2)^2(X-4)$ aussi.

b) On compare les sous-espaces propres de la valeur propre double 2. $M-2I_3=\begin{pmatrix}1&-1&1\\0&0&0\\1&-1&1\end{pmatrix}$ est de rang 1, donc $\dim E_2(M)=2$ : comme 4 est simple, $M$ est diagonalisable. $N-2I_3=\begin{pmatrix}0&1&0\\0&0&0\\0&0&2\end{pmatrix}$ est de rang 2, donc $\dim E_2(N)=1$ : $N$ ne l'est pas. Or une matrice semblable à une matrice diagonalisable l'est aussi.

$M$ et $N$ ont le même polynôme caractéristique, mais ne sont pas semblables.

Exercice 9 : Soit $A\in\mathcal{M}_n(\mathbb{K})$, avec $\mathbb{K}=\mathbb{R}$ ou $\mathbb{C}$, qui a une seule valeur propre $\lambda$.

a) Montre que $A$ est diagonalisable si et seulement si $A=\lambda I_n$.

b) Déduis-en, sans résoudre de système, que $N=\begin{pmatrix}1&1&0\\0&1&1\\0&0&1\end{pmatrix}$ n'est pas diagonalisable.

Correction :

a) Si $A=\lambda I_n$, elle est déjà diagonale. Réciproquement, si $A=PDP^{-1}$ avec $D$ diagonale, les coefficients diagonaux de $D$ sont des valeurs propres de $A$, donc tous égaux à $\lambda$ : $D=\lambda I_n$, puis $A=P(\lambda I_n)P^{-1}=\lambda I_n$.

b) $N$ est triangulaire avec des 1 sur la diagonale : sa seule valeur propre est 1. Diagonalisable, elle serait égale à $I_3$, ce qui est faux.

$N$ n'est pas diagonalisable.

Exercice 10 : Soit $A\in\mathcal{M}_3(\mathbb{R})$ telle que $A^2-3A+2I_3=0$ et $\operatorname{tr}(A)=4$.

a) Montre que $A$ est diagonalisable.

b) Détermine ses valeurs propres avec leur multiplicité, puis $\det(A)$.

Correction :

a) Le polynôme $Q=X^2-3X+2=(X-1)(X-2)$ annule $A$ et il est simplement scindé : $A$ est diagonalisable.

b) Toute valeur propre de $A$ est racine de $Q$ : elle vaut 1 ou 2. Donc $A$ est semblable à une matrice diagonale portant $p$ fois 1 et $q$ fois 2, avec $p+q=3$. La trace ne change pas par similitude : $p+2q=4$, d'où $q=1$ et $p=2$. Le déterminant vaut alors $1\times1\times2$.

Valeurs propres 1 (double) et 2 (simple) ; $\det(A)=2$. Les racines de $Q$ ne sont que des candidates : c'est la trace qui dit lesquelles sont atteintes, et combien de fois.

Bilan et conseils

Avant tout calcul, regarde la matrice. Triangulaire, elle donne ses valeurs propres sur sa diagonale. Avec une seule valeur propre, elle n'est diagonalisable que si elle vaut $\lambda I_n$. Et un polynôme annulateur te donne d'emblée les valeurs propres possibles.

Conseil : pour contrôler une diagonalisation, compare $AP$ et $PD$. C'est plus rapide que d'inverser $P$, et une erreur d'ordre entre les colonnes saute aux yeux.

Ce qu'il faut retenir : une valeur propre multiple se règle par un calcul de rang, jamais au jugé. Et dis toujours dans quel corps tu travailles : une matrice réelle peut n'être diagonalisable que dans $\mathbb{C}$.

Sources

Programme de mathématiques des classes préparatoires MP et MPI, ministère de l'Enseignement supérieur, de la Recherche et de l'Innovation, 2021 : annexe 1, partie « Réduction des endomorphismes et des matrices carrées ».

Tu peux partager cette page librement, en citant ORBITECH AI Academy avec son lien.