LEPL1101
Algèbre
Valeurs et vecteurs propres
R. Jungers, V. Wertz
2023-2024
R. Jungers, V. Wertz LEPL1101 Algèbre 2023-2024 1 / 23
Sommaire
Définitions et exemples
Diagonalisation par similitude
Trois applications importantes
Forme de Jordan
R. Jungers, V. Wertz LEPL1101 Algèbre 2023-2024 2 / 23
Définitions et exemples
Valeurs et vecteurs propres (Sect. 6.1)
Soit A une matrice n × n (carrée) et x un vecteur ∈ Rn .
Existe-t-il des vecteurs x particuliers tels que Ax = λx ?
▶ x = 0 ne nous intéresse pas ! Donc Ax = λx avec x ̸= 0.
▶ si Ax = 0 admet une solution non-nulle x0 , on a Ax0 = 0x0 .
Donc OK avec λ = 0 et dans ce cas, det A = 0.
▶ si A = I, Ax = x, ∀x ∈ Rn . OK avec λ = 1
▶ en général, Ax = λx ⇒ (A − λI)x = 0 ⇒ det(A − λI) = 0
R. Jungers, V. Wertz LEPL1101 Algèbre 2023-2024 3 / 23
Définitions et exemples
Exemple
0.8 0.3
A =
0.2 0.7
0.8 − λ 0.3
det(A − λI) = det
0.2 0.7 − λ
1
= λ2 − 1.5λ + 0.5 = (λ − )(λ − 1)
2
Deux valeurs de λ annulent det(A − λI). Valeurs propres de A
−0.2 0.3
λ = 1; (A − I)x1 = x1 = 0
0.2 −0.3
⇒ x11 = 1.5x21 : (3 2)T Vecteur propre
1 1 0.3 0.3
λ= ; (A − I)x2 = x2 = 0
2 2 0.2 0.2
⇒ x12 = −x22 : (1 − 1)T Vecteur propre
R. Jungers, V. Wertz LEPL1101 Algèbre 2023-2024 4 / 23
Définitions et exemples
Exemple (suite)
Ax1 = x1 Ax2 = 21 x2
A2 x1 = x1 A2 x2 = ( 21 )2 x2
..
.
A100 x1 = x1 A100 x2 = ( 21 )100 x2
0.8 3 1
z= = 0.2 + 0.2
0.2 2 −1
3 1 1
Az = 0.2 + 0.2
2 2 −1
100 3 1 100 1 0.6
A z = 0.2 + 0.2 ( ) ≈
2 2 −1 0.4
R. Jungers, V. Wertz LEPL1101 Algèbre 2023-2024 5 / 23
Définitions et exemples
Exemple (suite et fin)
A est un cas particulier de matrice de Markov
Google utilise ces matrices, et ces propriétés de valeurs et vecteurs
propres pour calculer son fameux page rank
(Pour en savoir plus, consulter G. Strang, sec. 10.3)
R. Jungers, V. Wertz LEPL1101 Algèbre 2023-2024 6 / 23
Définitions et exemples
Cas général
Théorème
Soit A une matrice n × n réelle ou complexe. A possède n valeurs
propres, réelles ou complexes, non nécessairement distinctes.
Ax = λx avec x ̸= 0
(A − λI)x = 0 avec x ̸= 0
det(A − λI) = 0
λ est une racine du polynôme caractéristique de A : det(A − λI)
Il s’agit d’un polynôme en λ de degré n qui admet n racines
éventuellement complexes et non nécessairement distinctes
λ1 , λ2 , · · · , λn (théorème fondamental de l’algèbre).
R. Jungers, V. Wertz LEPL1101 Algèbre 2023-2024 7 / 23
Définitions et exemples
Cas général (suite)
Pour chaque valeur propre λi :
Résoudre (A − λi I)x = 0 (c.à.d. chercher N (A − λi I))
On obtient un (ou plusieurs) vecteurs propres : une base de N (A − λi I)
C’est donc bien l’espace propre N (A − λi I) qui est lié à une valeur
propre λi donnée. les vecteurs propres associés ne sont qu’une base
de cet espace propre (et il y en a une infinité !).
Exemples particuliers :
▶ matrice de rotation
▶ matrice de projection
R. Jungers, V. Wertz LEPL1101 Algèbre 2023-2024 8 / 23
Définitions et exemples
Propriétés
▶ les valeurs propres d’une matrice triangulaire sont les éléments
de la diagonale
▶ Le produit des valeurs propres = le déterminant de A :
λ1 .λ2 . · · · .λn = det A
▶ La somme des valeurs propres = la trace de A :
P
λ1 + λ2 + · · · + λn = i aii
▶ Les valeurs propres de A2 et de A−1 sont λ2i et λ−1
i , avec les
mêmes vecteurs propres que les vecteurs propres correspondants
de A
R. Jungers, V. Wertz LEPL1101 Algèbre 2023-2024 9 / 23
Définitions et exemples
Review of key ideas
1. Ax = λx signifie que les vecteurs propres x gardent la même
direction lorsqu’ils sont multipliés par A
2. Ax = λx implique que det(A − λI) = 0. Ceci détermine n valeurs
propres
3. Le ou les vecteurs propres associés à λi sont l’espace propre
N (A − λi I)
4. Si A a des propriétés particulières, cela se traduit en termes de
valeurs et vecteurs propres.
Par exemple, si A est singulière, λ = 0 est une valeur propre.
R. Jungers, V. Wertz LEPL1101 Algèbre 2023-2024 10 / 23
Diagonalisation par similitude
Diagonalisation d’une matrice (Sect. 6.2)
Supposons que A ∈ Rn×n possède n vecteurs propres linéairement
indépendants x1 , x2 , · · · , xn
Soit X = [x1 x2 · · · xn ]
AX = [λ1 x1 λ2 x2 · · · λn xn ]
λ1 0 · · · 0
0 λ2 · · · 0
= [x1 x2 · · · xn ]
..
.
0 0 ··· λn
⇒ X −1 AX = Λ
A est diagonalisée par une transformation de similitude
R. Jungers, V. Wertz LEPL1101 Algèbre 2023-2024 11 / 23
Diagonalisation par similitude
Propriétés
▶ A = X ΛX −1
▶ Ak = X Λk X −1
▶ A et Λ ont les mêmes valeurs propres
▶ plus généralement : A et B = P −1 AP ont les mêmes valeurs
propres :
det(B − λI) = det(P −1 AP − λI) = det P −1 (A − λI)P = det(A − λI)
▶ A et B sont des matrices semblables
R. Jungers, V. Wertz LEPL1101 Algèbre 2023-2024 12 / 23
Diagonalisation par similitude
Une base de vecteurs propres ?
Théorème
Des vecteurs propres correspondant à des valeurs propres distinctes
sont indépendants
▶ prenons deux vecteurs propres associés à deux valeurs propres
distinctes : A; λ1 , λ2 ; x1 , x2
α1 x1 + α2 x2 = 0
A : α1 λ1 x1 + α2 λ2 x2 = 0
λ1 : α1 λ1 x1 + α2 λ1 x2 = 0
α2 (λ1 − λ2 )x2 = 0 ⇒ α2 = 0 ⇒ α1 = 0
▶ Si le polynôme caractéristique de A possède n racines distinctes,
A est diagonalisable par transformation de similitude.
R. Jungers, V. Wertz LEPL1101 Algèbre 2023-2024 13 / 23
Diagonalisation par similitude
Multiplicité algébrique et géométrique
▶ Multiplicité algébrique d’une valeur propre λi : sa multiplicité
comme racine du polynôme caractéristique :
det(A − λI) = (−1)n (λ − λi )ma (λn−ma + · · · + pn−ma )
▶ Multiplicité géométrique d’une valeur propre λi :
la dimension de N (A − λi I) : dim N (A − λi I) = mg
▶ Théorème : 1 ≤ mg ≤ ma
R. Jungers, V. Wertz LEPL1101 Algèbre 2023-2024 14 / 23
Diagonalisation par similitude
Diagonalisation (suite)
Si, pour chacune des valeurs propres d’une matrice A, la multiplicité
géométrique est égale à la multiplicité algébrique, il existe une base de
vecteurs propres (x1 , x2 , ..., xn ).
Soit X = [x1 x2 · · · xn ]
AX = [λ1 x1 λ2 x2 · · · λn xn ]
λ1 0 · · · 0
0 λ2 · · · 0
= [x1 x2 · · · xn ]
..
.
0 0 ··· λn
⇒ X −1 AX = Λ
A est diagonalisée par une transformation de similitude
R. Jungers, V. Wertz LEPL1101 Algèbre 2023-2024 15 / 23
Diagonalisation par similitude
Review of key ideas
1. Si A possède n vecteurs propres indépendants (pour chaque
valeur propre, mg = ma ), A est diagonalisable par transformation
de similitude : X −1 AX = Λ
2. Ak = X Λk X −1 . Les valeurs propres de Ak sont les valeurs propres
de A élevées à la puissance k . Les vecteurs propres sont
inchangés.
3. A et B = PAP −1 sont des matrices semblables. Elles ont les
mêmes valeurs propres. Que sont les vecteurs propres de B ?
R. Jungers, V. Wertz LEPL1101 Algèbre 2023-2024 16 / 23
Trois applications importantes
L’exponentielle matricielle
On définit eA comme suit : eA = I + A + 12 A2 + 1 3
3! A + ···
Hypothèse : A est diagonalisable par similitude
A = X ΛX −1
eλ1
0 ··· 0
0 e λ2 ··· 0
Dés lors : X −1 eA X =
..
.
0 0 ··· λ
e n
R. Jungers, V. Wertz LEPL1101 Algèbre 2023-2024 17 / 23
Trois applications importantes
Equation récurrente vectorielle linéaire d’ordre 1
On considère l’équation récurrente uk +1 = Auk avec la condition
initiale u0
Hypothèse : A est diagonalisable par similitude
A = X ΛX −1
La solution de cette équation est alors
uk = c1 λk1 v1 + c2 λk2 v2 + · · · + cn λkn vn
où u0 = c1 v1 + c2 v2 + · · · + cn vn et v1 , v2 , ..., vn sont les vecteurs
propres de A.
R. Jungers, V. Wertz LEPL1101 Algèbre 2023-2024 18 / 23
Trois applications importantes
Equation différentielle vectorielle linéaire d’ordre 1
(Sect.6.3)
du
Soit l’équation
= Au
dt
(u est un vecteur de fonctions du temps)
Hypothèse : A est diagonalisable par similitude (A = X ΛX −1 )
On pose : u = Xv
dv du
= X −1 = X −1 AXv = Λv
dt dt
c1 eλ1 t
v1
v2 c2 eλ2 t
⇒ . =
..
..
.
vn cn e λ n t
R. Jungers, V. Wertz LEPL1101 Algèbre 2023-2024 19 / 23
Trois applications importantes
Equation différentielle linéaire scalaire d’ordre n
On donne l’équation différentielle linéaire scalaire suivante :
y (n) + a1 y (n−1) + · · · + an−2 y ′′ + an−1 y ′ + an y = 0
où y (n) : dérivée n-ième de la fonction scalaire y (t).
Equation différentielle vectorielle linéaire d’ordre 1 équivalente :
x1 = y , x2 = y ′ , x3 = y ′′ , xn = y (n−1)
dx
= Ax, avec
dt
0 1 0 ··· 0
0 0 1 ··· 0
A=
.. .. .. .. ..
. . . . .
−an −an−1 −an−2 ··· −a1
Pour toutes les valeurs propres mg (λ) = 1 ! (Pourquoi ? Quelle conséquence ?)
R. Jungers, V. Wertz LEPL1101 Algèbre 2023-2024 20 / 23
Forme de Jordan
Et si A n’est pas diagonalisable par similitude ?
C’est le cas si, pour au moins une valeur propre de A, mg < ma .
Dans ce cas, on peut montrer qu’il existe une matrice régulière V telle
que :
J1 0 · · · 0
0 J2 · · · 0
V −1 AV =
. .
.
0 0 · · · Jp
où
λ 1 ··· 0
0 λ 1 0
Ji =
..
. 1
0 0 ··· λ
sont appelés des blocs de Jordan.
R. Jungers, V. Wertz LEPL1101 Algèbre 2023-2024 21 / 23
Forme de Jordan
blocs de Jordan
▶ Pour chaque valeur propre, il y a mg blocs de Jordan, dont la somme des
dimensions est ma . En particulier, si mg (λ) = ma (λ), tous ces blocs de
Jordan sont de dimension 1 et cette partie de la matrice est diagonale.
▶ Si ma (λ) = ma et mg (λ) = mg < ma, on voudrait trouver la dimension
de chacun des mg blocs. Pour cela, on calcule la dimension de
N (A − λI)j pour j = 1, 2, · · · . Pour j = 1 cette dimension vaut mg, puis
elle augmente au moins de 1 lorsque j augmente d’une unité et s’arrête
à ma, pour une certaine valeur de j. Celle-ci est la taille du plus grand
bloc de Jordan associé à λ. La taille des autres blocs dépend de
l’incrément de dim N (A − λI)j par rapport à dim N (A − λI)j−1 .
R. Jungers, V. Wertz LEPL1101 Algèbre 2023-2024 22 / 23
Forme de Jordan
Quelle conséquence pour une équation différentielle
vectorielle linéaire d’ordre 1
A = XJX −1
du
On considère = Au
dt
(u est un vecteur de fonctions du temps)
Soit u = Xv
dv du
= X −1 = X −1 AXv = Jv
dt dt
Chaque bloc de Jordan d’ordre k donnera lieu à une composante du
vecteur v (t) de la forme vi (t) = (ck −1 t k −1 + ck −2 t k −2 + · · · + c0 )eλt
R. Jungers, V. Wertz LEPL1101 Algèbre 2023-2024 23 / 23
