0% ont trouvé ce document utile (0 vote)
128 vues5 pages

Diagonalisation des Matrices Carrées

Transféré par

Oukssim Abdessalam
Copyright
© © All Rights Reserved
Nous prenons très au sérieux les droits relatifs au contenu. Si vous pensez qu’il s’agit de votre contenu, signalez une atteinte au droit d’auteur ici.
Formats disponibles
Téléchargez aux formats PDF, TXT ou lisez en ligne sur Scribd
0% ont trouvé ce document utile (0 vote)
128 vues5 pages

Diagonalisation des Matrices Carrées

Transféré par

Oukssim Abdessalam
Copyright
© © All Rights Reserved
Nous prenons très au sérieux les droits relatifs au contenu. Si vous pensez qu’il s’agit de votre contenu, signalez une atteinte au droit d’auteur ici.
Formats disponibles
Téléchargez aux formats PDF, TXT ou lisez en ligne sur Scribd

Calcul matriciel Chapitre 3

Diagonalisation d’une matrice carrée

I Vecteurs propre – valeurs propres

1. Définition 1

Soit A une matrice carrée d’ordre n   IR et X un vecteur non nul de dimension n .

Si la relation AX=  X est satisfaite alors  est appelée valeur propre de A et X un vecteur
propre correspondant à  .

Exemple 1 :

1 2  2  4  2
A    X    AX     2   2 X
3  4  1   2 1 

2 est une valeur propre de A et X est un vecteur propre de A associée à 2.

Remarque :

Un vecteur propre associé à une valeur propre donnée n’est pas unique c'est-à-dire Si X est un
vecteur propre et  un réel non nul alors  AX=   X
A(  X)=  (  X)
AY=  Y avec Y=  X.
 X est aussi un vecteur propre de A associé à  .

2. Polynômes caractéristique

Soit A une matrice carrée d’ordre n .  est une valeur propre de A et X un vecteur propre de
A associé à  donc on a :
AX=  X  AX-  X=0
 (A-  I)X=0

le polynôme caractéristique de A est par définition PA ( )  det( A  I )  0 .

Exemple

1 2
Soit A   
 3  4 
Déterminer le polynôme caractéristique de A.

1 LFIG par Ben Amor 1/5


Calcul matriciel Chapitre 3

PA ( )  det( A  I )
1 2   0  1   2
A  I         
3  4  0   3  4   
1  2
 2  3  10  0
3 4
Théorème :

Les valeurs propres d’une matrice carrée d’ordre n sont les solutions de l’équation
PA(  )=det(A-  I)=0

Exemple 1 :

 2+3  -10=0 Les solutions sont  1=-5 ,  2=2


-5 et 2 sont des valeurs propres de A.

Remarque :

Une équation polynomiale de degré n a généralement n solutions mais elles ne sont pas
forcement toutes distinctes .
Lorsque une même solution x apparaît k fois , on dit k est l’ordre de la multiplicité de la
valeur propre .

 2 1 1
 
Exemple Soit A=  3 1 2 
1  1 0 
 

2 2 1
PA ( )  det( A  I )  1 3 1 Par la méthode de Gauss
1 2 2

L3  L3  L2
2 2 1
1 3 1 
 (1   )((3   )(2   )  2  (2    1))  (1   ) 6  2  3  2  2  1   
0  1 1 
=(1-  )(  2-6  +5)

1 est une valeur propre d’ordre de multiplicité 2

1 LFIG par Ben Amor 2/5


Calcul matriciel Chapitre 3

2. Sous espace propre

Définition :

Soit A une matrice carrée d’ordre n ,  est une valeur propre de A


 
E(  )= X  IR n tel que AX  X est appelée sous espace propre de A associé à  .
E(  )est un sous espace vectoriel. Pour trouver E(  ) on doit résoudre le système linéaire
homogène (A-  I)X=0 .

Revenant à l’ exemple1 :

 1= -5 ,  2=2

  
E(2)= X  IR 2 tel que AX  2 X  X  IR 2 tel que ( A  2I ) X  0 
 1 2  x   0 
E(2)= ( A  2 I )( X )       
3  6  y   0 
La matrice élargie du système

 1 2
L2  L2  3L1  
0 0 

-x+2y=0  x=2y

E(2)= X  IR 2 / x  y(2,1), y  IR 
V1=(2,1) V2=(4,2)

  
E(-5)= X  IR 2 tel que AX  5 X  X  IR 2 tel que ( A  5I ) X  0 
6 2  x   0 
( A  5I )( X )       
3 1  y   0 
1 6 2
L2  L2  L1  
2 0 0 
1
6x+2y=0  x= y
3
 1 
 X  IR / x  y ( ,1), y  IR
2

 3 
V1=(-1,3) vecteur propre de A à -5

Exercice

Calculer les valeurs propres et les vecteurs propres des matrices suivantes :

1 LFIG par Ben Amor 3/5


Calcul matriciel Chapitre 3

1 0 1 0
4 3 2  
  0 1 0 1
A  0 1 0 B
  2 2 0 1 0 1 0
   
0 1 0 1

Remarque :

Si PA(  )=0 n’admet pas de solutions dans IR, on dit que A n’admet ni de valeurs propres ni
de vecteurs propres.

Théorème de Cauchy Hamilton


Si A est une matrice carrée d’ordre n et PA(  )son polynôme caractéristique alors PA(A)=0

Exemple

 2 1 1
 
Soit A=  3 1 2 
1  1 0 
 

Montrer que A3-3A2-2I3=□


Solution
PA(  )=  3-3  2-10
PA(A)=0=A3-3A2-10I3=0

II Matrices semblables

Définition

Deux matrices carrées A et B sont dites semblables s’il existe une matrice carrée inversible B
non nulle B=P-1AP  PB=AP  PBP-1=A
P est appelée matrice de passage .

Remarque :

Si A et B sont semblables alors det(A)=det(B)


En effet :
1
det(A)=det(P)det(B)det(P-1)= det(P)det(B) =det(B)
det(P)

Définition :

On dit qu’une matrice carrée A est diagonalisable s’il existe une matrice diagonale D  Il
existe une matrice D diagonale et une matrice P est inversible

1 LFIG par Ben Amor 4/5


Calcul matriciel Chapitre 3

A=PDP-1

Théorème de diagonalisation d’une matrice carrée d’ordre n

Une matrice carrée A est diagonalisable sil l’une des conditions suivantes est vérifiée

 PA(  )admet des racines distinctes

 PA(X)admet n racines dont quelqu’une sont confondues et l’ordre de multiplicité de


chacune de ces racines est égal à la dimension de sous espace propre associé .

Puissance nième d’une matrice diagonalisable

Soit D une matrice diagonale d’ordre n

An=P Dn P-1

Théorème

Toute matrice symétrique est diagonalisable

1 LFIG par Ben Amor 5/5

Vous aimerez peut-être aussi