1/2 2/2

11. Valeurs propres et diagonalisation

Sections 6.1 et 6.2

MTH1007

J. Guérin, N. Lahrichi, S. Le Digabel

École Polytechnique de Montréal

A2017
(v1)

MTH1007: algèbre linéaire 1/19

1/2 2/2

Plan

1. Valeurs et vecteurs propres

2. Diagonalisation d’une matrice

MTH1007: algèbre linéaire 2/19

1/2 2/2

1. Valeurs et vecteurs propres

2. Diagonalisation d’une matrice

MTH1007: algèbre linéaire 3/19

1/2 2/2

Définitions

Soit A une matrice carrée de taille n × n, x ∈ Rn un vecteur non

nul et λ ∈ R.

Si
Ax = λx
alors

I x est un vecteur propre de A.

I λ est une valeur propre de A.

MTH1007: algèbre linéaire 4/19

1/2 2/2

Remarques (1/2)
I L’ensemble des valeurs propres de A est noté λ(A) et est
appelé le spectre de A.

I Les vecteurs propres associés à la valeur propre λ = 0 sont les

vecteurs de N (A).

I Les vecteurs propres associés à la valeur propre λ sont les

vecteurs de N (A − λI).

I Si λ est une valeur propre de A, alors A − λI est singulière.

I Tous les x ∈ Rn sont les vecteurs propres de I avec la valeur

propre associée λ = 1.

I Si x est un vecteur propre alors tout multiple kx l’est aussi.

MTH1007: algèbre linéaire 5/19

1/2 2/2

Remarques (2/2)
I Une matrice à coefficients positifs peut avoir des valeurs
propres négatives.
I An x = λn x : Les vecteurs propres de An sont les mêmes que
A tandis que les valeurs propres sont élevées à la puissance n
(fonctionne aussi avec n = −1).
I Si λ = 0 est une valeur propre alors A est singulière (non
inversible).
I Si le rang de A est r, on aura n − r valeurs propres nulles.
I Commandes MATLAB :
I La fonction [S,L] = eig(A) donne les valeurs propres de A
dans la matrice diagonale L et les vecteurs propres comme les
colonnes de S. On ainsi SL = AS.
I Le programme eigshow permet d’illustrer le concept des
valeurs/vecteurs propres.
MTH1007: algèbre linéaire 6/19
1/2 2/2

Déterminant des matrices 2 × 2 et 3 × 3

   
a b  a b 
 = ad − bc.
I det = 
c d c d 

 
 a b c 
 
I  d e f  = aei + dhc + gbf − gec − ahf − dbi.
 
 g h i 

MTH1007: algèbre linéaire 7/19

1/2 2/2

Polynôme caractéristique de A

I Le nombre λ est une valeur propre de la matrice A si et

seulement si

p(λ) := det (A − λI) = 0 .

I Autrement dit, les valeurs propres sont les racines du

polynôme caractéristique p(λ) de la matrice A.

I Si A est de taille n × n alors p est un polynôme de degré n.

I On va donc avoir au plus n valeurs propres réelles.

MTH1007: algèbre linéaire 8/19

1/2 2/2

Trouver les valeurs et vecteurs propres de A

1. Former la matrice A − λI et calculer p(λ) = det (A − λI).

MTH1007: algèbre linéaire 9/19

1/2 2/2

Trouver les valeurs et vecteurs propres de A

1. Former la matrice A − λI et calculer p(λ) = det (A − λI).

2. Trouver les racines du polynôme caractéristique p pour obtenir

les valeurs propres de A.

MTH1007: algèbre linéaire 9/19

1/2 2/2

Trouver les valeurs et vecteurs propres de A

1. Former la matrice A − λI et calculer p(λ) = det (A − λI).

2. Trouver les racines du polynôme caractéristique p pour obtenir

les valeurs propres de A.

3. Pour chaque valeur propre λ trouvée à la deuxième étape,

résoudre
Ax = λx ou (A − λI) x = 0
pour trouver le vecteur propre correspondant.

MTH1007: algèbre linéaire 9/19

1/2 2/2

Remarques (1/2)

I Il est possible que p(λ) possède une racine de multiplicité

supérieure à 1. Dans ce cas, il est possible que plusieurs
vecteurs propres soient associés à cette valeur propre.

I Il est aussi possible que p(λ) possède une racine complexe et

des vecteurs propres complexes.

I Les opérations élémentaires sur les lignes changent les valeurs

et les vecteurs propres.

MTH1007: algèbre linéaire 10/19

1/2 2/2

Remarques (2/2)

I Pour une matrice triangulaire, les valeurs propres sont ses

éléments diagonaux.

I Si A est de taille n × n alors

λ1 + λ2 + · · · + λn = a11 + a22 + · · · + ann := trace A .

I Si A est de taille n × n alors

λ1 λ2 · · · λn = det A .

MTH1007: algèbre linéaire 11/19

1/2 2/2

Multiplicités géométrique et algébrique

Si λ est une valeur propre de A alors il y a deux points de vue :
1. Géométrique : il existe des vecteurs non nuls tels que
Ax = λx.
2. Algébrique : det (A − λI) = 0.

I Ceci correspond à deux nombres :

1. Multiplicité géométrique (MG) : le nombre de vecteurs propres
linéairement indépendants associés à λ.
2. Multiplicité algébrique (MA) : la multiplicité de λ comme
racine du polynôme caractéristique p(λ).

I Pour chaque valeur propre d’une matrice on a MG ≤ MA.

MTH1007: algèbre linéaire 12/19

1/2 2/2

Exemples

Illustrer les différents concepts sur les matrices

     
2 0 0 1 0 1
, , ,
0 1 1 0 −1 0
     
1 −1 1 1 1 0
, , et .
1 −1 0 1 0 0
 
0 −1
Et avec des valeurs propres complexes, pour A = .
1 0

MTH1007: algèbre linéaire 13/19

1/2 2/2

1. Valeurs et vecteurs propres

2. Diagonalisation d’une matrice

MTH1007: algèbre linéaire 14/19

1/2 2/2

Théorème
Supposons que la matrice A de taille n × n possède n vecteurs
propres
 linéairement indépendants
 x1 , x2 , . . . , xn et soit
S = x1 x2 · · · xn . On a alors

0
 
λ1
λ2
 
−1
 
S AS = Λ :=  .. 

 . 

0 λn

où λ1 , . . . , λn sont les valeurs propres de A.

Ce théorème affirme que A peut être diagonalisée si ses vecteurs

propres sont linéairement indépendants.

MTH1007: algèbre linéaire 15/19

1/2 2/2

Remarques

I La diagonalisation est possible seulement si les vecteurs

propres sont linéairement indépendants.

I Les matrices A et Λ ont les mêmes valeurs propres mais pas

les mêmes vecteurs propres.

I Les matrices A et Ak ont les mêmes vecteurs propres mais pas

les mêmes valeurs propres.

MTH1007: algèbre linéaire 16/19

1/2 2/2

Théorème

Des vecteurs propres x1 , x2 , . . . , xk d’une matrice qui

correspondent à des valeurs propres distinctes (non égales)
λ1 , λ2 , . . . , λk sont linéairement indépendants.

MTH1007: algèbre linéaire 17/19

1/2 2/2

Puissances
Si A est diagonalisable alors A = SΛS −1 et Ak = SΛk S −1 , où

0
 
λk1
λk2
 
k
 
Λ =  .. 
 . 

0 λkn

Application :
Résolution d’équations de récurrence de la forme uk+1 = Auk ,
avec u0 fixé. Si A est diagonalisable alors la solution est

uk = Ak u0 = SΛk S −1 u0 .

MTH1007: algèbre linéaire 18/19

1/2 2/2

Théorème

Si MG < MA alors la matrice n’est pas diagonalisable.

Rappel : Pour chaque valeur propre d’une matrice on a MG ≤ MA.

MTH1007: algèbre linéaire 19/19