Quiz d’entraînement sur la diagonalisation avec une leçon interactive pas à pas
Utilisez le quiz en haut de la page pour travailler la diagonalisation : reconnaître quand une matrice possède une base propre, lire et construire \(A=PDP^{-1}\), associer les vecteurs propres dans \(P\) aux valeurs propres dans \(D\), utiliser les valeurs propres distinctes comme test suffisant rapide, vérifier les valeurs propres répétées par la multiplicité géométrique, repérer les pièges des blocs de Jordan, calculer les puissances avec \(A^n=PD^nP^{-1}\), et utiliser les valeurs propres pour la trace, le déterminant, le rang, l’inversibilité, les projections, les cas nilpotents et les vérifications par polynôme minimal. Si vous voulez un rappel, ouvrez la leçon pour des exemples et des vérifications faciles à suivre mentalement.
Comment fonctionne cet entraînement sur la diagonalisation
1. Faites le quiz : répondez aux questions sur les bases propres, la similarité, les puissances, les valeurs propres répétées et les invariants matriciels en haut de la page.
2. Ouvrez la leçon : revoyez ce que signifie \(A=PDP^{-1}\), comment tester s’il y a assez de vecteurs propres et comment utiliser la forme diagonale.
3. Réessayez : revenez au quiz et demandez-vous si la matrice possède une base complète de vecteurs propres.
Ce que vous allez apprendre dans la leçon sur la diagonalisation
Sens de \(A=PDP^{-1}\)
Diagonalisable : il existe une base formée de vecteurs propres
\(P\) : les colonnes sont des vecteurs propres dans l’ordre choisi
\(D\) : les entrées diagonales sont les valeurs propres correspondantes
Tests de diagonalisabilité
En dimension \(n\), la diagonalisation nécessite \(n\) vecteurs propres linéairement indépendants
Des valeurs propres distinctes garantissent des vecteurs propres indépendants
Les valeurs propres répétées exigent les dimensions des espaces propres, pas seulement le polynôme caractéristique
Construire et utiliser la forme
Construisez \(P\) à partir d’une base propre et placez les valeurs propres correspondantes sur \(D\)
Utilisez \(A^n=PD^nP^{-1}\), car les puissances diagonales se calculent entrée par entrée
La trace, le déterminant, le rang et l’inversibilité deviennent des vérifications diagonales rapides
Structure et pièges
Un bloc de Jordan non trivial a trop peu de vecteurs propres et n’est pas diagonalisable
Une matrice diagonalisable avec une seule valeur propre \(\lambda\) est \(\lambda I\)
Le corps compte : certaines matrices réelles ne se diagonalisent qu’en autorisant des vecteurs propres complexes
Retour au quiz
Quand vous êtes prêt, revenez au quiz en haut de la page et continuez à travailler la diagonalisation.
Chargement...
Algèbre linéaire avancée
Leçon sur la diagonalisation
1 / 8
Vue d’ensemble de la leçon
Objectif : apprendre à décider si une matrice est diagonalisable, construire la forme \(A=PDP^{-1}\) lorsque c’est possible, et utiliser la forme diagonale pour les puissances, les invariants et les conclusions structurelles. La question centrale est toujours : les espaces propres fournissent-ils une base de tout l’espace ?
Critères de réussite
Dire que diagonalisable signifie posséder une base de vecteurs propres.
Expliquer les rôles de \(P\), \(D\) et \(P^{-1}\) dans \(A=PDP^{-1}\).
Utiliser les valeurs propres distinctes comme test suffisant rapide.
Pour les valeurs propres répétées, comparer la multiplicité algébrique et la multiplicité géométrique.
Construire \(P\) et \(D\) dans le même ordre.
Calculer les puissances avec \(A^n=PD^nP^{-1}\).
Utiliser les entrées diagonales pour lire la trace, le déterminant, le rang, l’inversibilité et des relations polynomiales simples.
Reconnaître les pièges courants liés aux blocs de Jordan, au choix du corps et aux racines répétées.
Vocabulaire clé
Diagonalisable : semblable à une matrice diagonale, ou de façon équivalente diagonale dans une certaine base propre.
Base propre : une base constituée uniquement de vecteurs propres de \(A\).
Similarité : \(A=PDP^{-1}\), ce qui signifie que \(A\) et \(D\) représentent la même application linéaire dans des bases différentes.
Multiplicité algébrique : multiplicité d’une valeur propre comme racine du polynôme caractéristique.
Multiplicité géométrique : dimension de l’espace propre \(E_\lambda\).
Test du polynôme minimal : diagonalisable exactement lorsque le polynôme minimal se scinde sans racine répétée.
Vérification rapide initiale
Vérification initiale 1 : Une matrice \(A\) est diagonalisable lorsqu’elle possède :
Indice : la diagonalisation consiste à passer à une base où la matrice agit en multipliant chaque vecteur de base par un scalaire.
Vérification initiale 2 : Si \(A=PDP^{-1}\), que sont les entrées diagonales de \(D\) ?
Indice : chaque colonne de \(P\) est multipliée par l’entrée diagonale correspondante.
Une base propre rend la matrice diagonale
Objectif d’apprentissage : relier la formule \(A=PDP^{-1}\) à une base de vecteurs propres et comprendre pourquoi l’ordre des colonnes compte.
Idée clé
Supposons que \(v_1,\dots,v_n\) soit une base et que \(Av_i=\lambda_i v_i\). Placez ces vecteurs dans les colonnes de \(P\), et placez les valeurs propres correspondantes sur la diagonale de \(D\) : \[P=\begin{pmatrix}|& &|\\ v_1&\cdots&v_n\\ |& &|\end{pmatrix},\qquad D=\operatorname{diag}(\lambda_1,\dots,\lambda_n).\] Alors \(AP=PD\), donc \(A=PDP^{-1}\). La formule n’a rien de magique : elle dit que, dans la base propre, \(A\) ne fait que multiplier les coordonnées.
Liste de reconnaissance
Trouvez les valeurs propres et les espaces propres.
Choisissez assez de vecteurs propres indépendants pour former une base.
Placez les vecteurs propres comme colonnes de \(P\).
Placez les valeurs propres correspondantes dans le même ordre sur \(D\).
Vérifiez \(AP=PD\) avant de calculer \(P^{-1}\).
Exemple corrigé
Exemple : Diagonalisez la matrice d’échange \(A=\begin{pmatrix}0&1\\1&0\end{pmatrix}\).
Les vecteurs \((1,1)\) et \((1,-1)\) sont des vecteurs propres : \(A(1,1)=(1,1)\) et \(A(1,-1)=(-1,1)=-(1,-1)\). Ainsi \(P=\begin{pmatrix}1&1\\1&-1\end{pmatrix}\) et \(D=\operatorname{diag}(1,-1)\), avec les colonnes associées aux entrées diagonales. Comme les deux vecteurs propres sont indépendants, \(A=PDP^{-1}\).
À vous
À vous 1 : Dans \(A=PDP^{-1}\), que contiennent les colonnes de \(P\) ?
Indice : multiplier par \(A\) une colonne de \(P\) doit multiplier cette même colonne par un scalaire.
À vous 2 : Si la première colonne de \(P\) a pour valeur propre \(2\) et la deuxième a pour valeur propre \(5\), que vaut \(D\) ?
Indice : gardez les entrées diagonales dans le même ordre que les vecteurs propres dans \(P\).
Diagonalisable signifie assez de vecteurs propres indépendants
Objectif d’apprentissage : décider la diagonalisabilité en comptant les vecteurs propres indépendants, pas seulement en trouvant les valeurs propres.
Idée clé
Pour une matrice \(n\times n\), la diagonalisation nécessite \(n\) vecteurs propres linéairement indépendants. Les valeurs propres distinctes sont utiles, car les vecteurs propres associés à des valeurs propres distinctes sont automatiquement linéairement indépendants. Ainsi, \(n\) valeurs propres distinctes en dimension \(n\) garantissent la diagonalisabilité. Les valeurs propres répétées ne posent pas automatiquement problème, mais elles exigent de vérifier les dimensions des espaces propres.
Liste de reconnaissance
Si la matrice possède \(n\) valeurs propres distinctes sur le corps utilisé, elle est diagonalisable.
Si des valeurs propres se répètent, calculez chaque espace propre \(E_\lambda=\ker(A-\lambda I)\).
Additionnez les dimensions des espaces propres.
La matrice est diagonalisable exactement lorsque cette somme vaut \(n\).
Exemple corrigé
Exemple : Une matrice \(3\times3\) a pour valeurs propres \(1\), \(2\) et \(5\). Que peut-on en déduire ?
Les trois valeurs propres sont distinctes, donc il existe trois vecteurs propres indépendants. En dimension \(3\), cela forme une base propre complète. La matrice est diagonalisable.
À vous
À vous 1 : Si une matrice \(3\times3\) possède trois valeurs propres distinctes, que peut-on en déduire ?
Indice : les vecteurs propres associés à des valeurs propres distinctes sont linéairement indépendants.
À vous 2 : Une matrice diagonalisable \(4\times4\) doit avoir combien de vecteurs propres dans une base ?
Indice : une base propre d’un espace de dimension 4 contient quatre vecteurs de base.
La multiplicité ne suffit pas
Objectif d’apprentissage : séparer la multiplicité algébrique de la multiplicité géométrique et reconnaître l’obstruction des blocs de Jordan.
Idée clé
Une valeur propre répétée peut quand même être diagonalisable, mais seulement si son espace propre est assez grand. Pour chaque valeur propre \(\lambda\), \[\dim E_\lambda\le \text{multiplicité algébrique de }\lambda.\] La diagonalisation exige l’égalité pour chaque valeur propre, donc les multiplicités géométriques s’additionnent en \(n\). Un bloc de Jordan non trivial échoue parce qu’il n’a qu’une seule direction propre pour une valeur propre répétée.
Pièges courants
Une racine répétée du polynôme caractéristique ne signifie pas automatiquement que la matrice n’est pas diagonalisable.
Une matrice triangulaire n’est pas automatiquement diagonalisable.
Une matrice avec une seule valeur propre ne peut être diagonalisable que si elle est déjà une matrice scalaire sur tout l’espace.
Un bloc de Jordan non trivial a trop peu de vecteurs propres.
Exemple corrigé
Exemple : \(J=\begin{pmatrix}1&1\\0&1\end{pmatrix}\) est-elle diagonalisable ?
La seule valeur propre est \(1\). Résolvons \((J-I)v=0\) : \(\begin{pmatrix}0&1\\0&0\end{pmatrix}\begin{pmatrix}x\\y\end{pmatrix}=0\), donc \(y=0\). L’espace propre est \(\operatorname{span}\{(1,0)\}\), de dimension seulement un. Une matrice \(2\times2\) a besoin de deux vecteurs propres indépendants, donc \(J\) n’est pas diagonalisable.
À vous
À vous 1 : \(\begin{pmatrix}1&1\\0&1\end{pmatrix}\) est-elle diagonalisable ?
Indice : calculez l’espace propre associé à la valeur propre répétée \(1\).
À vous 2 : Une matrice diagonalisable dont toutes les valeurs propres sont égales à \(5\) est :
Indice : dans une base propre, la matrice diagonale serait \(5I\), et \(P(5I)P^{-1}=5I\).
Associer chaque vecteur propre à sa valeur propre
Objectif d’apprentissage : construire soigneusement une diagonalisation et éviter de désaccorder l’ordre de \(P\) et \(D\).
Idée clé
Après avoir trouvé une base propre, la diagonalisation est surtout une affaire de bonne organisation. Si les colonnes de \(P\) sont \(v_1,\dots,v_n\), alors les entrées diagonales de \(D\) doivent être \(\lambda_1,\dots,\lambda_n\), où \(Av_i=\lambda_i v_i\). Changer l’ordre des colonnes est permis, mais \(D\) doit changer dans le même ordre.
Liste de reconnaissance
Choisissez des vecteurs propres indépendants jusqu’à obtenir une base.
Écrivez-les comme colonnes de \(P\).
Écrivez les valeurs propres correspondantes sur la diagonale de \(D\).
Vérifiez \(AP=PD\), ce qui est souvent plus rapide que de multiplier \(PDP^{-1}\).
Ne calculez \(P^{-1}\) que lorsqu’un calcul ultérieur en a vraiment besoin.
Exemple corrigé
Exemple : Pour \(A=\begin{pmatrix}2&1\\0&3\end{pmatrix}\), construisez \(P\) et \(D\).
Pour \(\lambda=2\), \(A(1,0)=2(1,0)\), donc on prend \(v_1=(1,0)\). Pour \(\lambda=3\), résolvez \((A-3I)v=0\), ce qui donne \(y=x\), donc on prend \(v_2=(1,1)\). Alors \[P=\begin{pmatrix}1&1\\0&1\end{pmatrix},\qquad D=\operatorname{diag}(2,3).\] Les colonnes sont indépendantes et \(AP=PD\), donc \(A=PDP^{-1}\).
À vous
À vous 1 : Si la première colonne de \(P\) est un vecteur propre de valeur propre \(4\) et que la deuxième colonne a pour valeur propre \(-1\), que vaut \(D\) ?
Indice : la première entrée diagonale correspond à la première colonne, et la deuxième entrée diagonale à la deuxième colonne.
À vous 2 : Si \(A=PDP^{-1}\), \(P\) doit être :
Indice : la formule contient \(P^{-1}\).
La diagonalisation transforme les puissances en puissances entrée par entrée
Objectif d’apprentissage : utiliser la diagonalisation pour calculer des puissances et lire rapidement les effets sur les valeurs propres.
Idée clé
Si \(A=PDP^{-1}\), alors les facteurs du milieu s’annulent dans les multiplications répétées : \[A^n=(PDP^{-1})^n=PD^nP^{-1}.\] Pour \(D=\operatorname{diag}(\lambda_1,\dots,\lambda_n)\), \[D^n=\operatorname{diag}(\lambda_1^n,\dots,\lambda_n^n).\] La même idée fonctionne pour beaucoup de polynômes en \(A\) : on applique le polynôme à chaque entrée diagonale.
Exemple corrigé
Exemple : Si \(D=\operatorname{diag}(2,-1)\), calculez \(D^3\).
Les puissances d’une matrice diagonale se prennent entrée par entrée : \[D^3=\operatorname{diag}(2^3,(-1)^3)=\operatorname{diag}(8,-1).\] Par conséquent, si \(A=PDP^{-1}\), alors \(A^3=P\operatorname{diag}(8,-1)P^{-1}\).
À vous
À vous 1 : Si \(A=PDP^{-1}\), que vaut \(A^3\) ?
Indice : les facteurs du milieu \(P^{-1}P\) s’annulent.
À vous 2 : Si \(A\) est diagonalisable avec valeurs propres \(2\) et \(3\), quelles sont les valeurs propres de \(A^2\) ?
Indice : mettre \(A\) au carré met au carré les entrées diagonales dans une forme diagonale.
Résumé
\(A^n=PD^nP^{-1}\), et non \(P^nD^nP^{-n}\).
Les puissances diagonales se calculent entrée par entrée.
Si aucune valeur propre n’est \(0\), alors \(A^{-1}=PD^{-1}P^{-1}\).
Par exemple, \(\operatorname{diag}(1,2)^{-1}=\operatorname{diag}(1,1/2)\).
Utiliser les entrées diagonales pour lire la structure
Objectif d’apprentissage : traduire les équations portant sur une matrice diagonalisable en équations sur ses valeurs propres.
Idée clé
Lorsque \(A=PDP^{-1}\), beaucoup de faits structurels se réduisent aux entrées diagonales. \(A\) est inversible exactement lorsque chaque valeur propre est non nulle. La trace est la somme des valeurs propres, le déterminant est leur produit et le rang est le nombre d’entrées diagonales non nulles dans \(D\). Si \(A\) vérifie une équation polynomiale comme \(A^2=A\), alors chaque valeur propre vérifie la même équation scalaire \(\lambda^2=\lambda\).
Exemple corrigé
Exemple : Lisez deux informations à partir des entrées diagonales : si \(A\) est diagonalisable et \(A^2=A\), quelles sont les valeurs propres possibles ? Si une autre matrice diagonalisable a pour valeurs propres \(2,3,4\), quelle est sa trace et quel est son déterminant ?
Dans une forme diagonale, \(D^2=D\). Ainsi chaque entrée diagonale \(\lambda\) vérifie \(\lambda^2=\lambda\), ou \(\lambda(\lambda-1)=0\). Les seules valeurs propres possibles sont \(0\) et \(1\). Pour les valeurs propres \(2,3,4\), la trace vaut \(2+3+4=9\) et le déterminant vaut \(2\cdot3\cdot4=24\).
À vous
À vous 1 : Si \(A\) est diagonalisable et \(A^2=0\), alors \(A\) est :
Indice : chaque valeur propre \(\lambda\) vérifie \(\lambda^2=0\), donc \(D\) doit être la matrice diagonale nulle.
À vous 2 : Si \(D=\operatorname{diag}(0,1,2)\), quel est le rang de \(D\) ?
Indice : comptez les entrées diagonales non nulles.
La décomposition et les racines répétées comptent
Objectif d’apprentissage : comprendre la dépendance au corps, les tests par polynôme minimal, puis terminer avec une liste de vérification fiable.
Idée clé
La diagonalisation dépend du corps. Sur \(\mathbb{R}\), une matrice avec des valeurs propres non réelles ne peut pas avoir de base propre réelle. Sur \(\mathbb{C}\), ces valeurs propres peuvent devenir disponibles. Un test compact de haut niveau est le suivant : une matrice est diagonalisable sur un corps exactement lorsque son polynôme minimal se scinde sur ce corps et n’a aucune racine répétée.
Pièges courants
Les matrices semblables partagent la trace, le déterminant, le polynôme caractéristique et les valeurs propres, mais pas les mêmes entrées.
Diagonalisable ne signifie pas diagonale dans la base de départ.
Avoir des valeurs propres ne suffit pas ; les espaces propres doivent fournir une base.
Les valeurs propres distinctes sont suffisantes, pas nécessaires.
Le polynôme minimal doit se scinder en facteurs linéaires distincts sur le corps choisi.
Exemple corrigé
Exemple : Comparez la rotation \(R=\begin{pmatrix}0&-1\\1&0\end{pmatrix}\) sur \(\mathbb{R}\) et sur \(\mathbb{C}\).
L’équation caractéristique est \(\lambda^2+1=0\). Sur \(\mathbb{R}\), elle n’a pas de racines, donc il n’y a pas de base propre réelle ni de diagonalisation réelle. Sur \(\mathbb{C}\), les valeurs propres sont \(i\) et \(-i\), distinctes, donc la matrice est diagonalisable sur \(\mathbb{C}\).
À vous
À vous 1 : Si une matrice est diagonalisable, son polynôme minimal possède :
Indice : la diagonalisation exclut le comportement des blocs de Jordan répétés.
À vous 2 : Un bloc de Jordan \(2\times2\) non trivial est-il diagonalisable ?
Indice : il ne possède qu’une seule direction propre pour une valeur propre répétée.
Récapitulatif final
Diagonalisable signifie qu’il existe une base propre.
\(A=PDP^{-1}\), avec les colonnes de \(P\) égales aux vecteurs propres et les entrées diagonales de \(D\) égales aux valeurs propres correspondantes.
\(n\) valeurs propres distinctes en dimension \(n\) garantissent la diagonalisabilité.
Les valeurs propres répétées exigent de vérifier les dimensions des espaces propres.
Les blocs de Jordan non triviaux ne sont pas diagonalisables.
Les puissances vérifient \(A^n=PD^nP^{-1}\).
La trace, le déterminant, le rang, l’inversibilité et les équations polynomiales se lisent sur la forme diagonale.
Le corps et le polynôme minimal comptent.
Étape suivante : fermez cette leçon et réessayez le quiz. Pour chaque question, décidez d’abord si elle demande un test de base propre, une construction de \(P\) et \(D\), un piège lié aux valeurs propres répétées ou une conséquence des entrées diagonales.
Série 5+
Série 10+
Série 15+
Série 20+
Série 25+