MAT 1200:

Introduction à l’algèbre linéaire

Saïd EL MORCHID

Département de Mathématiques et de Statistique

Chapitre 7: Les valeurs et les vecteurs propres

Références

Définitions-Exemples
Exemple
Définitions

L’équation caractéristique
Définitions
Polynômes caractéristiques de degré 2
Polynômes caractéristiques de degré 3
Exemple

Valeurs propres d’une matrice triangulaire

Valeur propre d’ordre k ≥ 2

Diagonalisation d’une matrice

Diagonalisation des matrices réelles symétriques (livre sect. 7.1)

Algorithme pour diagonaliser une matrice réelle symétrique:
Exemples
Références:
• Notes de cours chapitre 7 page 128 .
• Livre: section 5.1., 5.2, 5.3 pages 286-316. Section 7.1.pages 423-429
Définitions-Exemples
Dans cette section, on est à la recherche des vecteurs qui sont transformés par
une matrice A en un multiple scalaire d’eux mêmes.

Exemple:
Soient      
3 −2 −1 2
A= , ~u = , ~v = .
1 0 1 1
On a    
−5 4
A~u = , A~v = = 2~v .
−1 2
Donc A étire le vecteur ~v .

Définition
a) Soit A une matrice carrée d’ordre n. Un vecteur propre de A est un
vecteur non nul ~x tel que A~x = α~x , pour un certain scalaire α.
b) Un scalaire α est appelé une valeur propre de A si l’équation A~x = α~x
admet une solution non triviale ~x ; cet ~x est appelé le vecteur propre
associé à α.
Exemple:
Soient      
1 6 6 3
A= , ~u = , ~v = .
5 2 −5 −2

a) Est ce que ~u et ~v sont des vecteurs propres de A?

b) Montrer que 7 est une valeur propre de A et chercher des vecteurs propres
associés.

Remarque-Définition
a) α est une valeur propre de A si et seulement si l’équation

(A − αI )x = 0 (∗)

admet une solution non triviale.

b) L’espace solution de (∗) n’est autre que Nul(A − αI ) = Ker(A − αI ). Cet
espace est appelé l’espace propre de A associé à la valeur propre α
Exemple:
Soit  
4 −1 6
A= 2 1 6 
2 −1 8
Une valeur propre de A est 2. Déterminez une base de l’espace propre associé.
L’équation caractéristique

Définition
Dire que α est une valeur propre de A revient à dire que la matrice (A − αI )
est non inversible. C’est à dire que

det(A − αI ) = 0

cette équation est appelée l’équation caractéristique de la matrice A et

P(α) = det(A − αI ) est appelé le polynôme caractéristique de A.

Proposition
Un scalaire α est une valeur propre d’une matrice carrée A si et seulement si α
est solution de l’équation caractéristique

det(A − αI ) = 0.
Polynômes caractéristiques de degré 2 et 3

Proposition
 
a11 a12
Si A = alors son polynôme caractéristique est
a21 a22

P(α) = α2 − (a11 + a22 )α + det(A).

Proposition
 
a11 a12 a13
Si A =  a21 a22 a23  alors son polynôme caractéristique est
a31 a32 a33

P(α) = −[α3 − (a11 + a22 + a33 )α2 + (M11 + M22 + M33 ) α − det(A)].

où M11 , M22 , M33 sont respectivement les mineurs des éléments a11 , a22 et a33 .
Exemple:
Déterminez l’équation caractéristique, puis les valeurs propres de la matrice
 
5 −2 6 −1
 0 3 −8 0 
A=  0

0 5 4 
0 0 0 1
Valeurs propres d’une matrice triangulaire

Théorème:
Les valeurs propres d’une matrice triangulaire sont les éléments de sa diagonale
principale.

Exemple:
On pose    
3 6 −8 4 0 0
A= 0 0 6  , B =  −2 1 0 .
0 0 2 5 3 4
Déterminer les valeurs propres de A et de B.
Valeur propre d’ordre k ≥ 2

Définition:
Soit A une matrice carrée de type n × n. On dit que α est une valeur propre
réelle de multiplicité k ≤ n de A si α est une racine de multiplicité k de son
polynôme caractéristique P(X ). C’est à dire que

P(X ) = (X − α)k Q(X ) avec Q(α) 6= 0.

Exemple:
Le polynôme caractéristique d’une matrice A ∈ M6,6 est

P(α) = α6 − 4α5 − 12α4 .

Déterminez les valeurs propres et leur ordre de multiplicité.

Proposition:
Soit A une matrice carrée de type n × n et α une valeur propre réelle de
multiplicité k ≤ n de A, la dimension de l’espace propre associé à α est au
moins 1 et au plus k.

Définition:
Soit A une matrice carrée de type n × n et α une valeur propre réelle de
multiplicité k ≤ n de A. Si la dimension de l’espace propre associé à α est < k,
la valeur propre α est dite dégénérée.

Proposition:
Soient A ∈ Mn,n et α1 , α2 , · · · , αk , k valeurs propres réelles distinctes de A. Si
~u1 , ~u2 , · · · , ~uk sont des vecteurs propres associés séparément à chacune des αi
alors ils sont linéairement indépendants.

Proposition:
Si une matrice A ∈ Mn,n possède n valeurs propres distinctes, l’ensemble des
vecteurs propres associés forment une bas de Rn .
Exemple:
On considère la matrice  
4 1 −1
A= 2 5 −2 
1 1 2

a) Donner La transformation linéaire T : R3 −→ R3 associée à la matrice A

par rapport à la base canonique.
b) Trouver le polynôme caractéristique de A.
c) Trouver les valeurs propres de A.
d) Trouver les vecteurs propres associés à chacune des valeurs propres.
e) Est ce qu’ils forment une base de R3 ? Si oui donner la matrice D de T
dans cette base.
f) Déterminer une matrice P telle que D = P −1 AP.
Diagonalisation d’une matrice

Définition:
Soit A une matrice carrée de type n × n. On dit qu’elle est diagonalisable s’il
existe une matrice P inversible telle que la matrice

B = P −1 AP

soit diagonale.

Remarque:
Soit T la transformation linéaire associée à A dans la base canonique de Rn .
Dire que A est diagonalisable revient à trouver une base B de Rn telle que la
matrice B de T dans cette base soit diagonale.

Proposition:
Soit A une matrice carrée de type n × n. A est diagonalisable si et seulement si
elle possède n vecteurs propres linéairement indépendants.
Remarque:
Soit A une matrice carrée de type n × n. Si A est diagonalisable, on désigne par
P la matrice dont les colonnes sont les vecteurs propres ~v1 , ~v2 , · · · , ~vn et B la
matrice dont la diagonale est formée de valeurs propres correspondantes aux
vecteurs propres dans le même ordre. Alors

B = P −1 AP ⇔ A = PBP −1 .

Exemple:
Soit la matrice  
4 2
A=
3 −1

a) Trouver le polynôme caractéristique de A.

b) Trouver les valeurs propres de A.
c) Trouver les vecteurs propres associés à chacune des valeurs propres.
d) Est ce qu’ils forment une base de R2 ? Si oui donner la matrice D de T
dans cette base.
e) Déterminer une matrice P telle que D = P −1 AP.
Exemple:
Soit la matrice  
5 −1
B=
1 3

a) Trouver le polynôme caractéristique de B.

b) Trouver les valeurs propres de B.
c) Trouver les vecteurs propres associés à chacune des valeurs propres.
d) Est ce que B est diagonalisable?
Diagonalisation des matrices réelles symétriques (livre sect.
7.1)

Théorème:
Soit A une matrice réelle symétrique. Alors toutes les racines de son polynôme
caractéristique sont réelles.

Théorème:
Soit A une matrice réelle symétrique. Si ~u , ~v sont deux vecteurs propres de A
correspondant à deux valeurs propres distinctes α1 , α2 alors ~u et ~v sont
orthogonaux.

Théorème:
Soit A une matrice réelle symétrique. Alors A est diagonalisable et il existe une
matrice orthogonale P telle que la matrice

D = P −1 AP = P t AP

soit diagonale.
Algorithme pour diagonaliser une matrice réelle symétrique:

Algorithme
On se donne une matrice symétrique A à éléments réels. Pour avoir D = P t AP
diagonale, on utilise l’algorithme suivant
Étape 1: Écrire le polynôme caractéristique P(α) de A.
Étape 2: Trouver les solutions de l’équation P(α) = 0, qui sont les valeurs propres
de A.
Étape 3: Construire la matrice diagonale D des valeurs propres, répétées autant de
fois que leur multiplicité.
Étape 4: Déterminer une base orthogonale de l’espace propre de chacune des
valeurs propres trouvées à l’étape 2.
Étape 5: Normaliser les vecteurs de l’étape 4.
Étape 6: Écrire la matrice orthogonale P dont les colonnes sont les vecteurs
unitaires de l’étape 5.
Exemples:

Exemple:
Diagonaliser la matrice  
2 −2
A=
−2 5

Exemple:
Soit la matrice  
11 −8 4
A =  −8 −1 −2 
4 −2 −4
Le polynôme caractéristique de A est

P(α) = (α + 5)2 (α − 16).

Diagonaliser la matrice A.