Montrer qu’une matrice est diagonalisable : guide complet pour comprendre et appliquer le critère

Dans l’algèbre linéaire, la question montrer qu’une matrice est diagonalisable est centrale pour simplifier bien des calculs et comprendre les propriétés spectrales d’un système. Diagonaliser une matrice revient à trouver une base de vecteurs propres qui transforme la matrice en une matrice diagonale, facilitant les calculs, les puissance et les exponentielles de matrices. Cet article propose une explication claire et progressive, des critères théoriques solides et des méthodes pratiques pour montrer qu’une matrice est diagonalisable dans différents contextes, avec des exemples concrets et des conseils pour éviter les pièges courants.

Pourquoi vouloir montrer qu’une matrice est diagonalisable ? les avantages et les implications

La diagonalisation n’est pas qu’un joli concept théorique. Lorsqu’une matrice est diagonalisable, plusieurs bénéfices apparaissent rapidement :

• Calcul facilité des puissances A^k, des exponentielles de matrices et des polynômes en A.
• Meilleure compréhension des propriétés spectrales telles que les valeurs propres et les vecteurs propres.
• Réduction du problème à des dimensions indépendantes dans le cadre des systèmes dynamiques et des équations différentielles linéaires.
• Pour les matrices réelles symétriques, le théorème spectral assure une diagonalisation par une matrice orthogonale, ce qui est particulièrement pratique et stable numériquement.

En revanche, certaines matrices ne sont pas diagonalisables dans le champ donné (réel ou complexe) et nécessitent d’autres formes simples comme les formes de Jordan, ou des approximations numériques adaptées. Le processus pour montrer qu’une matrice est diagonalisable dépend de la structure des valeurs propres et des espaces propres associés.

Notions essentielles pour montrer qu’une matrice est diagonalisable

Avant d’entrer dans les critères, rappelons quelques notions indispensables.

Vecteurs propres et valeurs propres

Pour une matrice A ∈ F^(n×n) (F = réel ou complexe), une valeur propre λ est un scalaire tel que A v = λ v pour un vecteur non nul v ∈ F^n. Le vecteur v est alors un vecteur propre associé à la valeur propre λ. L’ensemble des solutions de (A − λI)x = 0 forme l’espace propre E_λ.

Diagonalisabilité et base de vecteurs propres

Une matrice A est diagonalisable sur le champ F s’il existe une base de F^n composée exclusivement de vecteurs propres de A. Dans ce cas, il existe une matrice P invertible telle que P^(-1) A P est diagonale.

Autres critères principaux

• La diagonalisation est équivalente à l’existence de n vecteurs propres linéairement indépendants, c’est-à-dire que la somme des dimensions des espaces propres est égale à n.
• Le polynôme minimal de A se décompose en facteurs linéaires distincts sur le champ considéré. Si le polynôme minimal n’a que des racines simples, A est nécessairement diagonalisable.
• Pour les matrices réelles, la diagonalisabilité est assurée si A est symétrique (Aᵀ = A), grâce au théorème spectral : A est diagonalisable par une matrice orthogonale et ses valeurs propres réelles.

Critères pour montrer qu’une matrice est diagonalisable : quand et comment les utiliser

1) Critère par les valeurs propres distinctes

Si une matrice A possède n valeurs propres distinctes (dans le champ choisi), alors A est diagonalisable. En effet, chaque valeur propre λ_i donne un espace propre E_{λ_i}; comme les valeurs propres sont distinctes, les espaces propres associés sont de dimensions unitaires et les vecteurs propres correspondants sont linéairement indépendants. On peut alors constituer une base composée de vecteurs propres et diagonalisera A.

2) Critère par les espaces propres (dimension totale)

Plus généralement, montrer qu’une matrice est diagonalisable revient à vérifier que la somme des dimensions des espaces propres E_{λ} est égale à n. Si ∑ dim(E_{λ}) = n (en comptant chaque valeur propre une fois), alors les vecteurs propres associés forment une base et A est diagonalisable. À l’inverse, si la somme est strictement inférieure à n, A n’est pas diagonalisable sur le champ donné.

3) Critère via le polynôme minimal

Le polynôme minimal m_A(x) est le plus petit polynôme non nul tel que m_A(A) = 0. Si m_A(x) se décompose en produit de facteurs linéaires distincts sur le champ considéré, alors A est diagonalisable. Autrement dit, si toutes les racines de m_A(x) sont simples, la diagonalisation existe et elle est sans bloc Jordan non trivial.

4) Cas des matrices réelles symétriques et normales

Pour les matrices réelles symétriques, le théorème spectral assure une diagonalisation possible par une matrice orthogonale. Plus généralement, une matrice A sur le champ des nombres complexes est normale (A*A = AA*) si et seulement si elle est unitairement diagonalisable (il existe U unitaire tel que U* A U est diagonale). Ces résultats offrent des conditions suffisantes très pratiques pour montrer qu’une matrice est diagonalisable sans calculs exhaustifs des espaces propres.

5) Cas et limites

Il faut éviter les faux-negatifs : l’absence de diagonalisabilité peut se manifester même avec des valeurs propres multiples. Par exemple, une matrice avec une valeur propre λ répétée, mais dont l’espace propre associé est de dimension insuffisante, n’est pas diagonalisable. C’est ici que le calcul des vecteurs propres et la vérification des dimensions des espaces propres deviennent cruciaux.

Méthodes pratiques pour montrer qu’une matrice est diagonalisable

1) Étapes concrètes pour calculer valeurs et vecteurs propres

Pour montrer qu’une matrice est diagonalisable de manière pratique :

1. Calculer le polynôme caractéristique det(A − λI) et déterminer les valeurs propres λ_i.
2. Pour chaque λ_i, résoudre (A − λ_i I)x = 0 afin d’obtenir une base de l’espace propre E_{λ_i}.
3. Vérifier que la somme des dimensions des espaces propres vaut n et que les vecteurs propres obtenus sont linéairement indépendants.
4. Constituer une matrice P dont les colonnes sont les vecteurs propres trouvés et vérifier que P⁻¹ A P est diagonale.

2) Construire la matrice de passage et diagonaliser

La matrice P construite avec les vecteurs propres comme colonnes transforme A en diagonale : D = P⁻¹ A P. Le choix de l’ordre des vecteurs propres peut modifier l’ordre des valeurs propres sur la diagonale. En pratique, on organise les colonnes selon les valeurs propres associées pour obtenir D sous forme diagonale clairement lisible.

3) Utiliser les outils algébriques et numériques

Dans les contextes numériques et d’ingénierie, des algorithmes efficaces permettent d’obtenir rapidement une diagonale ou une forme quasi-diagonale quand A est proche d’un diagonal uniforme ou lorsque A est stable autour de valeurs propres bien séparées. Des méthodes comme la décomposition spectrale, l’algorithme de QR ou les variantes itératives donnent des résultats robustes lorsque les données proviennent d’expériences ou de simulations.

4) Astuces pour éviter les pièges courants

• Vérifier la dimension des espaces propres pour chaque valeur propre et ne pas s’arrêter uniquement au premier vecteur trouvé.
• Attention aux valeurs propres complexes si l’on travaille sur le champ réel : des valeurs propres non réelles peuvent apparaître et indiquer la non-diagonalisation dans le champ réel, mais rester diagonalisables sur le champ complexe.
• Pour les matrices symétriques réelles, on bénéficie d’un résultat fort et pratique : la diagonale est obtenue avec une matrice orthogonale.

Exemple concret : démontrer montrer qu’une matrice est diagonalisable pas à pas

Exemple 1 : matrice diagonalisable avec valeurs propres distinctes

A = | 4  1  0 |
    | 0  2  0 |
    | 0  0  3 |

A = | 5  0  0 |
    | 0  5  0 |
    | 0  0  3 |

A = | 3 1 |
    | 0 3 |