En mathématiques, la diagonalisation est un procédé d'algèbre linéaire qui permet de simplifier la description de certains endomorphismes d'un espace vectoriel, en particulier de certaines matrices carrées. Elle consiste à rechercher et expliciter une base de l'espace vectoriel constituée de vecteurs propres, lorsqu'il en existe une. En dimension finie, la diagonalisation revient en effet à décrire cet endomorphisme à l'aide d'une matrice diagonale.
Ce procédé se ramène donc à une réduction maximale de l'endomorphisme, c'est-à-dire à une décomposition de l'espace vectoriel en une somme directe de droites vectorielles stables par l'endomorphisme. Sur chacune de ces droites, l'endomorphisme se réduit à une homothétie. La diagonalisation d'un endomorphisme permet un calcul rapide et simple de ses puissances et de son exponentielle, ce qui permet d'exprimer numériquement certains systèmes dynamiques linéaires, obtenus par itération ou par des équations différentielles.
On considère la matrice :
Cette matrice admet comme valeurs propres :
Ainsi A qui est de taille 3, a 3 valeurs propres distinctes, donc est diagonalisable.
Si on veut diagonaliser A, il faut déterminer les vecteurs propres correspondants. Il y a par exemple :
On vérifie facilement que .
Maintenant soit P la matrice ayant ces vecteurs propres comme colonnes :
Alors « P diagonalise A », comme le montre un simple calcul :
On peut remarquer que les valeurs propres λk apparaissent sur la diagonale de la matrice dans le même ordre que celui dans lequel les colonnes propres ont été placées pour former P.
Soit Le polynôme caractéristique est :
Donc les valeurs propres sont :
On calcule d'abord E2, ce qui revient à chercher les vecteurs tels que :
Or :
Donc
On procède de même pour E–3 et l'on obtient :
On a bien : et , donc cette matrice est diagonalisable.
Une diagonalisation possible est :
Soit (en dimension quelconque) p un projecteur, c'est-à-dire un endomorphisme idempotent : p2 = p. Il est annulé par le polynôme X2 – X = (X – 1)X, qui est scindé et à racines simples. Il est donc diagonalisable, de valeurs propres 1 et 0. Les projecteurs sur les deux sous-espaces propres correspondants (supplémentaires l'un de l'autre) sont p et id – p. Si l'espace est normé (ou plus généralement si c'est un espace vectoriel topologique) et si p est continu, ces deux sous-espaces sont donc même supplémentaires topologiques.
Toujours en dimension quelconque, soit s une symétrie, c'est-à-dire un endomorphisme involutif : s2 = id. Il est annulé par le polynôme X2 – 1 = (X – 1)(X + 1) qui est scindé, et à racines simples dès que le corps des scalaires est de caractéristique différente de 2. Il est donc dans ce cas diagonalisable, ses deux sous-espaces propres (pour les valeurs propres 1 et –1) étant d'ailleurs ceux (pour les valeurs propres 1 et 0) du projecteur p = (s + id)/2.
Par exemple sur l'espace ℒ(H) des opérateurs bornés sur un espace de Hilbert H sur K = ℝ ou ℂ, la symétrie qui à chaque opérateur associe son adjoint est toujours ℝ-linéaire, et diagonalisable en tant que telle : les opérateurs hermitiens et antihermitiens forment deux sous-espaces vectoriels réels supplémentaires (topologiques). (Lorsque H est de dimension finie n sur K, une écriture matricielle montre que leurs dimensions sont égales respectivement à n(n + 1)/2 et n(n – 1)/2 si H est euclidien, et toutes deux égales à n2 si H est hermitien.)
Tous les endomorphismes ne sont pas diagonalisables. Cependant :
Si une famille d'endomorphismes d'un espace E est simultanément diagonalisable, c'est-à-dire s'il existe une base de E propre pour tous les , il est clair que les commutent deux à deux.
On n'a qu'une réciproque partielle : si E est de dimension finie ou si est fini, toute famille d'endomorphismes diagonalisables de E qui commutent deux à deux est simultanément diagonalisable.
(en) Richard S. Varga, Matrix Iterative Analysis, Springer, 2010 (ISBN 978-3-64205154-8)