MAROC ZAIN ACADEMY Learn • Train • Succeed

Repérer. Réduire. Simplifier.

“`html
COURS 14 • RÉDUCTION DES ENDOMORPHISMES

Repérer.
Réduire. Simplifier.

La réduction consiste à choisir une base dans laquelle un endomorphisme devient plus simple à représenter. Les notions de valeurs propres, vecteurs propres, espaces propres et diagonalisation permettent notamment de calculer efficacement les puissances d’une matrice.

1. VALEURS PROPRES

Une direction qui reste dans sa propre ligne.

Définition

Soit f un endomorphisme de E. Un scalaire λ est une valeur propre s’il existe un vecteur x non nul tel que :

f(x)=λx

Vecteur propre

Tout vecteur non nul x vérifiant cette relation est appelé vecteur propre associé à λ.

Interprétation

La direction portée par x est conservée par f. Seul le facteur multiplicatif λ intervient.

Cas particulier

λ=0

signifie qu’il existe un vecteur propre non nul appartenant au noyau.

2. ESPACES PROPRES

Regrouper tous les vecteurs propres associés à λ.

L’espace propre associé à λ est :

Eλ = Ker(f – λId)

Il contient le vecteur nul ainsi que tous les vecteurs propres associés à λ.

Sous-espace vectoriel

Eλ est un sous-espace vectoriel de E.

Dimension

Sa dimension joue un rôle central dans la diagonalisation.

3. POLYNÔME CARACTÉRISTIQUE

Trouver les valeurs propres.

Matrice A

Pour une matrice carrée A, les valeurs propres sont les scalaires λ tels que :

det(A-λI)=0

Polynôme caractéristique

χA(λ)=det(A-λI)

Selon les conventions, on peut aussi rencontrer det(λI-A).

Valeurs propres

Ce sont les racines du polynôme caractéristique.

Réflexe CPGE

Une fois les valeurs propres trouvées, calculez Ker(A-λI) pour déterminer les espaces propres.
MZA REDUCTION ENGINE

Six étapes à automatiser.

01χA
02RACINES
03KER(A-λI)
04DIMENSIONS
05BASE PROPRE
06RÉDUIRE
4. DIAGONALISATION

Trouver une base de vecteurs propres.

Principe

Un endomorphisme est diagonalisable s’il existe une base constituée de vecteurs propres.

Matrice diagonale

Dans une telle base :

D = diag(λ₁,…,λₙ)

Relation matricielle

A = PDP⁻¹

ou équivalemment :

D=P⁻¹AP

Matrice P

Ses colonnes sont des vecteurs propres formant une base.

5. CRITÈRES DE DIAGONALISATION

Quand peut-on conclure rapidement ?

n valeurs propres distinctes

Dans un espace de dimension n :

n valeurs propres distinctes ⇒ diagonalisable

Somme des dimensions

L’endomorphisme est diagonalisable si la somme des dimensions de ses espaces propres vaut n.

Multiplicité

La dimension d’un espace propre est inférieure ou égale à la multiplicité algébrique de la valeur propre correspondante.

Attention

Un polynôme caractéristique scindé ne suffit pas à garantir la diagonalisation.
6. PUISSANCES D’UNE MATRICE

Le grand intérêt pratique de la diagonalisation.

Si :

A=PDP⁻¹

alors :

Aⁿ = PDⁿP⁻¹

Or D étant diagonale :

Dⁿ = diag(λ₁ⁿ,…,λₙⁿ)
C’est l’une des méthodes les plus efficaces pour calculer des puissances de matrices et étudier des suites définies matriciellement.
7. TRIGONALISATION

Quand la diagonale parfaite n’est pas accessible.

Principe

Un endomorphisme est trigonalisable s’il existe une base dans laquelle sa matrice est triangulaire.

Forme

T = [[λ₁,*,*], [0,λ₂,*], [0,0,λ₃]]

Valeurs propres

Les coefficients diagonaux d’une matrice triangulaire sont ses valeurs propres, avec multiplicité.

Intérêt

Même sans diagonalisation, une forme triangulaire simplifie fortement les calculs.

8. TRACE & DÉTERMINANT

Lire les valeurs propres sans tout recalculer.

Trace

Pour une matrice carrée A :

tr(A)=Σ aii

Valeurs propres

Lorsque le polynôme caractéristique est scindé :

tr(A)=Σ λᵢ

Déterminant

det(A)=Π λᵢ

Vérification

Trace et déterminant sont d’excellents outils pour contrôler un calcul de valeurs propres.
9. EXERCICES PROGRESSIFS

Du calcul spectral à la diagonalisation.

NIVEAU 1

Exercice 1 — Valeurs propres

Soit :

A=[[2,0],[0,3]]

Déterminer ses valeurs propres.

La matrice est déjà diagonale : regardez sa diagonale principale.
NIVEAU 2

Exercice 2 — Polynôme caractéristique

Pour :

A=[[1,1],[0,2]]

calculer le polynôme caractéristique.

La matrice est triangulaire. Vous pouvez exploiter directement la diagonale de A-λI.
NIVEAU 3

Exercice 3 — Espace propre

Pour :

A=[[2,1],[0,2]]

déterminer l’espace propre associé à λ=2.

Résolvez (A-2I)X=0.
NIVEAU PRÉPA

Exercice 4 — Diagonalisabilité

Étudier la diagonalisabilité de :

A=[[2,1],[0,2]]
Comparez la dimension de l’espace propre associé à 2 avec la dimension totale de l’espace.
10. PROBLEM LAB

Mission : diagonaliser puis calculer Aⁿ.

Mission CPGE

On considère :

A = [[3,1], [1,3]]

Votre mission :

  1. calculer le polynôme caractéristique ;
  2. déterminer les valeurs propres ;
  3. déterminer les espaces propres ;
  4. trouver une base de vecteurs propres ;
  5. construire une matrice P adaptée ;
  6. obtenir une matrice diagonale D ;
  7. exprimer Aⁿ à l’aide de P, D et P⁻¹ ;
  8. étudier le comportement de Aⁿ lorsque n devient grand.
Commencez par det(A-λI). Les deux valeurs propres sont distinctes, ce qui simplifie fortement la suite.
Pour chaque valeur propre, résolvez (A-λI)X=0. Placez ensuite un vecteur propre de chaque espace propre en colonne dans P.
MZA SPECTRAL LAB

Réduire avant de calculer.

La réduction transforme un problème matriciel complexe en une lecture de quelques valeurs propres et directions privilégiées.

AχA
Bλ
C
DDIM Eλ
EP
FD / T
11. QCM DE VALIDATION

Diagnostic Réduction CPGE.

Le score est affiché sans révéler les réponses correctes.

1. λ est valeur propre de A si :
2. L’espace propre associé à λ est :
3. Une matrice de taille n ayant n valeurs propres distinctes est :
4. Si A=PDP⁻¹, alors :
5. Les valeurs propres d’une matrice triangulaire sont :
6. La trace d’une matrice est liée :
A=PDP⁻¹

La bonne base transforme la complexité en structure.

Les valeurs propres identifient les directions privilégiées d’un endomorphisme. Lorsque ces directions forment une base, la matrice devient diagonale et les calculs de puissances, de suites et d’évolutions deviennent beaucoup plus simples.

“`