Valeurs propres et vecteurs propres.

1 Généralités

Définition 1 Soit A une matrice n × n. On dit que λ est valeur propre de A si il existe
un vecteur de Rn U non nul tel que AU = λU . On dit alors que U est vecteur propre de A
associé à la valeur propre λ.

Exemples :
– Pour tout vecteur U de Rn , In U = U , donc tout vecteur de Rn est vecteur propre de In
associé à la valeur propre 1.
– Si P est la projection orthogonale sur le sous-espace vectoriel E de Rn , on a pour tout
U vecteur de E ⊥ , P (U ) = 0 et pour tout U vecteur de E, P (U ) = U . Donc si A est la
matrice qui représente P dans la base canonique, tous les vecteurs de E ⊥ sont vecteurs
propres de A associés à la valeur propre 0, et tous les vecteurs de E sont vecteurs propres
de A associés à la valeur propre 1.
– Si D = Diag(D1 , . . . , Dn ) est une matrice diagonale, chaque vecteur canonique Ei est
vecteur propre de D associé à la valeur propre Di .
Remarque : on peut parler de valeur propre et vecteur propre associée à une application
linéaire. Alors si A représente l’application linéaire, ses valeurs propres et vecteurs propres
associés sont les mêmes pourvu d’écrire les vecteurs dans les bases correspondant à la
représentation (dans Rn , les bases canoniques).

Proposition 1 Si λ est valeur propre de A, l’ensemble Eλ des vecteurs propres de A

associés à λ est un sous-espace vectoriel de Rn .
Eλ est appelé l’espace propre associé à la valeur propre λ.

Preuve :
Soit λ valeur propre de A. Si U ∈ Eλ , pour tout réel non nul α, A(αU ) = αAU = αλU car
U est vecteur propre de A associé à la valeur propre λ, soit A(αU ) = λ(αU ) et αU ∈ Eλ .
Si de plus V ∈ Eλ , A(U + V ) = AU + AV = λU + λV = λ(U + V ) et U + V ∈ Eλ .

Proposition 2 Les valeurs propres de A sont les solutions en λ de l’équation

det(A − λIn ) = 0,

et les vecteurs propres correspondants sont les éléments du noyau de A − λIn .

1
Preuve :
Si λ est valeur propre, alors il existe un vecteur non nul U tel que (A − λIn )U = 0, donc
A − λIn n’est pas inversible. Réciproquement, si det(A − λIn ) = 0, A − λIn n’est pas
inversible et il existe un vecteur non nul U tel que (A − λIn )U = 0.
Si λ est valeur propre, l’ensemble des vecteurs propres associés sont tous les vecteurs U
vérifiant (A − λIn )U = 0, donc Eλ = Ker(A − λIn ).

Remarque : 0 est valeur propre de A si et seulement si A n’est pas inversible.

Exemples 
:   
1 −3 1 − λ −3
– Soit A = . A−λI2 = , det(A−λI2 ) = (1−λ)(2−λ)−6 =
−2 2 −2 2 − λ
λ2 − 3λ − 4. L’équation λ2 − 3λ − 4 = 0 a pour solutions λ = −1 et λ = 4.
Les   associés à la valeur propre −1 sont ceux qui vérifient  
 vecteurspropres
2 −3 x 3
= 0, soit 2x − 3y = 0, E−1 est la droite engendrée par .
−2 3 y 2
Les   associés à la valeur propre 4 sont ceux qui vérifient
 vecteurspropres  
−3 −3 x 1
= 0, soit −3x − 3y = 0, E4 est la droite engendrée par .
−2 −2 y −1
   
1 −3 1 − λ −3
– Soit A = . A − λI2 = , det(A − λI2 ) = (1 − λ)2 . L’équation
0 1 0 1−λ
(1 − λ)2 = 0 a pour seule solution λ = 1.
Les
 vecteurs  associés à la valeur propre 1 sont ceux qui vérifient
 propres  
0 −3 x 1
= 0, soit −3y = 0, E1 est la droite engendrée par .
0 0 y 0
   
1 2 1 − λ −3
– Soit A = . A − λI2 = , det(A − λI2 ) = (1 − λ)(2 − λ) + 2 =
−1 2 −2 2 − λ
λ2 − 3λ + 4. L’équation λ2 − 3λ + 4 = 0 n’a pas de solution et A n’a pas de valeurs
propres.

2 Diagonalisation.

Définition 2 On dit que A est diagonalisable si elle possède n vecteurs propres U1 , . . . , Un

linéairement indṕendants.

Remarque :
Si A possède n vecteurs propre U1 , . . . Un linéairement indépendants associés aux valeurs
propres λ1 , . . . λn , si A représente une application linéaire f dans la base canonique, on a
que pour i = 1, . . . , n, f (Ui ) = λi Ui . Maintenant U = (U1 , . . . , Un ) est une base de Rn , et
la matrice qui représente f dans la base U est Diag(λ1 , . . . , λn ).
Autrement dit, l’intérêt d’avoir une base de vecteurs propres est que par un changement
de base on se ramène à une matrice diagonale.

2
Exemples et contre-exemples :
Dans les exemples précédents, seul la première matrice est diagonalisable.

Proposition 3 (Essentiellement admise sauf l’aspect BON).

Une matrice symétrique est diagonalisable dans une base orthonormée, c’est à dire qu’elle
admet n vecteurs propres formant une base orthonormée de Rn .

Preuve :
Soit A une matrice symétrique. On admettra qu’elle possède une base de vecteurs propres.
Si U et V sont des vecteurs propres de A associés à des valeurs propres distinctes λ et µ,
alors U T AV = µU T V = (AT U )T V = (AU )T V = λU T V , donc (µ − λ)hU, V i = 0, donc
hU, V i = 0. Donc des vecteurs propres de A associés à des valeurs propres distinctes sont
orthogonaux. On peut alors les normaliser.
Si maintenant on regroupe tous les vecteurs propres linéairement indépendants associés à
la même valeur propre, ils forment une base de l’espace des vecteurs propres associés, et
on peut orthonormaliser cette base en restant dans l’espace.

3 Exercices

Exercice 1
Trouver les éléments propres (vecteurs propres et valeurs propres) des matrices suivantes.
Sont-elles
 diagonalisables
 ? Si c’est 
 le cas, déterminer une base de diagonalisation.
2 1 −1 2 1 1  
0 1
A = 0 1 1  B = 1 2 1  C =
0 0
1 1 0 1 1 2

Exercice 2
Soit f l’application de R2 dans R2 telle que :
√ √
x 3y 3x y
f (x, y) = (− − , − )
2 2 2 2
1. Montrer que f est une application linéaire.
2. Donner la matrice M qui représente f dans la base canonique.
3. Calculer M T .M
4. En déduire que pour tout vecteur X de R2 , k f (X) k2 =k X k2 .
5. Calculer M 2 puis M 3
6. En déduire que si λ est valeur propre de f alors λ3 = 1.
7. Montrer que 1 n’est pas valeur propre de f

Exercice 3

3
  
3 4
1. Soit A la matrice A = . Montrer que les valeurs propres de A sont 2 et
−1 −2
-1. Donner un vecteur propre U associé à la valeur propre 2 et un vecteur propre V
associé à la valeur propre -1.
2. Montrer que l’ensemble des vecteurs X qui vérifient AX = 2X est la droite engendrée
par U.
 
1 −4
3. Soit B = . Montrer que AB = BA.
1 6
4. Montrer que A(BU ) = 2(BU ). En déduire que U est un vecteur propre de B. De
même, montrer que A(BV ) = −(BV ), et en déduire que V est un vecteur propre de
B.. Donner les valeurs propres de B associées à U et V .

Exercice 4  
1 1 0
On considère la matrice A = 1 1 1.
0 1 1
1. A est-elle diagonalisable ?
2. Déterminer les valeurs propres et les espaces propres de A.
3. Déterminer une base B = (B1 , B2 , B3 ) orthonormée telle que chaque Bi est un vec-
teur propre de A.
4. Déterminer une matrice inversible M telle que la matrice D = M −1 AM soit diago-
nale.
 
7 −2 −5
Mêmes questions avec la matrice B = −2 4 −2.
−5 −2 7