Valeurs et vecteurs propres des matrices
Transféré par
yssineValeurs et vecteurs propres des matrices
Transféré par
yssineUniversité de Franche-Comté Licence Sciences pour l’Ingénieur – 2e année
UFR Sciences et Techniques Parcours CMI S3 / EA / GM / IMC
Fondamentaux pour l’ingénieur
— Diagonalisation de matrices —
Najib Kacem
[Link]@[Link]
1 Valeurs propres et vecteurs propres
1.1 Définitions
#„
Un vecteur X non nul de K n est appelé vecteur propre d’une matrice [A] ∈ Mn (K)
s’il existe un scalaire λ de K tel que :
[A]{X} = λ {X} (1)
#„
Le scalaire λ est appelé valeur propre de [A], et X vecteur propre associé à la valeur
#„
propre λ. La direction définie par le vecteur X est appelée direction propre.
L’ensemble des vecteurs propres associés à une valeur propre λ (ensemble auquel on
ajoute le vecteur nul) est un sous-espace vectoriel de K n appelé sous-espace propre associé
à la valeur propre λ.
Le polynôme caractéristique de la matrice carrée [A] ∈ Mn (K) est un polynôme de
degré n en λ défini par :
PA (λ) = det([A] − λ [I]) (2)
On appelle valeur propre d’ordre r de [A] un zéro d’ordre r du polynôme caractéris-
tique.
1.2 Détermination des valeurs propres et des vecteurs propres
1.2.1 Propriété 1 :
Les valeurs propres de [A] sont les racines du polynôme caractéristique PA (λ).
#„
En effet, si le vecteur X est le vecteur propre associé à la valeur propre λ, alors :
[A]{X} = λ {X} ⇐⇒ [A]{X} − λ {X} = {0}
⇐⇒ ([A] − λ [I]) {X} = {0}
Ce système homogène de n équations à n inconnues x1 , . . . , xn possède une solution non
nulle si et seulement si son déterminant est nul.
Diagonalisation de matrices 1 Najib Kacem
Université de Franche-Comté Licence Sciences pour l’Ingénieur – 2e année
UFR Sciences et Techniques Parcours CMI S3 / EA / GM / IMC
1.2.2 Propriété 2 :
Si la matrice [A] de Mn (K) admet n valeurs propres λ1 , · · · , λn alors :
n
X
tr[A] = λk = λ1 + λ2 + · · · + λn (3)
k=1
Yn
det[A] = λk = λ1 λ2 · · · λn (4)
k=1
2 Conditions de diagonalisation
2.1 Propriété 1 :
La matrice carrée [A] de Mn (K) est diagonalisable si et seulement si les vecteurs
#„ #„
propres (X1 , . . . , Xn ) associés aux valeurs propres respectives (λ1 , . . . , λn ) constituent
une base de l’espace vectoriel K n .
2.2 Propriété 2 :
Toute matrice carrée de Mn (K) ayant n valeurs propres distinctes est diagonalisable.
2.3 Propriété 3 :
Pour que la matrice carrée [A] de Mn (K) soit diagonalisable, il faut et il suffit que
que toutes ses valeurs propres soient dans K et que la dimension du sous-espace propre
associée à chaque valeur propre soit égale à l’ordre de cette valeur propre.
2.4 Propriété 4 :
Si [A] est une matrice réelle ([A] ∈ Mn (R)) et symétrique (Aij = Aji ), alors :
— la matrice [A] est diagonalisable ;
— les valeurs propres de [A] sont toutes réelles ;
— deux vecteurs propres de [A] associés à deux valeurs propres distinctes sont ortho-
gonaux.
Diagonalisation de matrices 2 Najib Kacem
Université de Franche-Comté Licence Sciences pour l’Ingénieur – 2e année
UFR Sciences et Techniques Parcours CMI S3 / EA / GM / IMC
3 Théorème de Cayley-Hamilton
3.1 Énoncé du théorème :
Si PA est le polynôme caractéristique de la matrice carrée [A] de Mn (K), alors :
PA ([A]) = [0] (5)
3.2 Propriété :
Le polynôme caractéristique de la matrice [A] de Mn (K) se développe suivant :
PA (λ) = det([A] − λ [I]) = (−1)n λn + α1 λn−1 + α2 λn−2 + · · · + αn (6)
On vérifie les relations :
α1 = (−1)n−1 tr[A] (7)
αn = det[A] (8)