Vous êtes sur la page 1sur 6

MVA101 Analyse et calcul matriciel Cours n 13 Jacques Velu (CNAM)

Chapitre 11 Valeurs propres Vecteurs propres

1 Introduction
!
4 1
1. Probleme : Soit A = . Calculer An avec 0 6 n 6 5 :
2 1
! ! !
1 0 4 1 14 5
A =
0
A =
1
A =
2
0 1 2 1 10 1
! ! !
46 19 146 65 454 211
A =
3
A =
4
A =
5
38 11 130 49 422 179

Et combien vaut An ?

2 + 2 3 2n + 3n
n n

An =




2 2n 2 3n n
22 3 n

2. Ce qui est complique dans le calcul des puissances dune matrice, cest que tous les coefficients
se dispersent au cours des multiplications :
a + 2bca + bcd ba2 + bda + bd2 + b2 c
3
+ +
2
! a bc ab db
a b
M= M2 = M3 =

c d
ac + dc d + bc
2

ca + cda + bc + cd d + 2bcd + abc
2 2 2 3

Il y a un cas ou cest facile :


1 0 n1 0

0 0
0 2 0



0 n2 0


D = .. .. . . .. D =
n
.. .. . . ..

Theoreme
. . . . . . . .


m nm

0 0 0 0

Remarque : Si i , 0 pour tout i , la formule vaut pour tout n Z.

3. Theoreme : Soit P une matrice inversible. Si A1 , A2 , . . . , An sont des matrices quelconques et :


B1 = P A1 P1 B2 = P A2 P1 ... Bn = P An P1

alors : B1 B2 Bn = P A1 A2 An P1
En particulier : B = P AP1 Bn = P An P1

Demonstration :      
B1 B2 B3 Bn = PA1 P1 PA2 P1 PA3 P1 PAn P1
   
= PA1 P1 P A2 P1 P A3 (P1 P)An P1
= PA1 I A2 I A3 An P1
= PA1 A2 A3 An P1

1
MVA101 Analyse et calcul matriciel Cours n 13 Jacques Velu (CNAM)

4. Methode pour calculer An connaissant une matrice inversible P et une matrice diagonale D telles
que A = P D P1 : on calcule Dn puis An = P Dn P1

Exemple :
! ! ! !
4 1 1 1 3 0 2 1
=
2 1 1 2 0 2 1 1
| {z } | {z } | {z } | {z }
A P D P
!n
2n + 2 3n 2n + 3n
!
4 1
=
2 1 2 2n 2 3n 2 2n 3n

2 Valeurs propres Vecteurs propres


1. Quand il existe P et D telles que A = P D P1 ont dit que A est diagonalisable.
Une matrice A etant donnee, on cherche ce que pourrait etre la matrice P si A etait diagonalisable :

A = P D P1 AP = PD

A P = P D

P
A =

k
ck ck

Ac k kck

Conclusion : Les colonnes de P doivent forcement verifier une egalite du type :


Ac = c
avec un nombre et c une matrice colonne non nulle.

Quand on a une telle egalite, on dit que est une valeur propre de A et que c est un vecteur propre
pour la valeur propre .

2. Comment trouver des valeurs propres et des vecteurs propres ?


On suppose que A est une matrice carree dordre p. On note i,j ses coefficients et Xi ceux de la
colonne c.

2
MVA101 Analyse et calcul matriciel Cours n 13 Jacques Velu (CNAM)

Legalite Ac = c equivaut au systeme :





1,1 X1 + 1,2 X2 + + 1,p Xp = X1

2,1 X1 + 2,2 X2 + + 2,p Xp = X2



. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .





p,1 X1 + p,2 X2 + + p,p Xp = Xp


Parce que les inconnues sont X1 , X2 , . . . , Xp et , ce nest pas un systeme lineaire !


Si les inconnues etaient seulement X1 , X2 , . . . , Xp , ce serait un systeme lineaire dont on trouverait
les solutions par la methode du pivot.

(1,1 ) X1 + 1,2 X2 + + 1,p Xp =0







2,1 X1 + (2,2 ) X2 + + 2,p Xp =0






. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .






p,1 X1 + p,2 X2 + + (p,p ) Xp = 0



Cest un systeme lineaire homogene dont on cherche les solutions non nulles.
Pour que ce systeme ait une solutions non nulle, il faut et il suffit que le determinant de A I,
sa matrice des coefficients, soit nul.

Theoreme : est une valeur propre de A si et seulement si det(A I) = 0 .

1,1 z 1,2 1,p



3. Theoreme :

2,2 z 2,p

2,1

A (z) = det(A z I) =



z
p,1 p,2 p,p
est un polynome ; on lappelle le polynome caracteristique de A.

A (z) = det(A) + + (1)p1 (1,1 + 2,2 + + p,p ) zp1 + (1)p zp


| {z }
tr(A)

tr(A) est la trace de A. Les valeurs propres de A sont les nombres tels que A () = 0.
4. Exemples

a z b
!
a b
Exemple 1 : A= A (z) = = (a z)(d z) bc = (ad bc) (a + d)z + z2
c d c dz
Exemple 2 : Les valeurs propres dune matrice triangulaire sont ses coefficients diagonaux.
1,1 1,2 1,p 1,1 z 1,2 1,p


0 2,2 2,p

0 2,2 z 2,p
A = A (z) =

. . . . . . . . . . . . . . . ... ... . . .


0 p,p p,p z

0 0 0

A (z) = (1,1 z)(2,2 z) (p,p z)

3
MVA101 Analyse et calcul matriciel Cours n 13 Jacques Velu (CNAM)

Exemple 3 : Il existe des matrices qui ne sont pas diagonalisables.


!
1 1
A= A (z) = (1 z)(1 z)
0 1

Si A etait diagonalisable, les coefficients diagonaux de la matrice D, verifiant A () = 0 seraient


forcement egaux a 1, D serait la matrice identite, et A = P D P1 = I, ce qui est faux. Donc A nest
pas diagonalisable !

5. Theoreme de dAlembert-Gauss
Soit P un polynome de degre p > 1, a coefficients complexes, dont le coefficient du terme de plus
haut degre est . Alors, il existe des nombres complexes 1 , 2 , . . . , s et des entiers strictement
positifs m1 , m2 , . . . , ms tels que :
P(z) = (z 1 )m1 (z 2 )m2 (z s )ms avec m1 + m2 + + ms = p

Tous ces nombres sont uniques a lordre pres : les nombres i sont les racines de P, lentier mi est
la multiplicite de la racine i : quand mi = 1 la racine est simple, quand mi = 2 la racine est double,
quand mi = 3 la racine est triple, etc. Dans le cas general, la racine est dordre mi .

6. Si est une valeur propre de A, les vecteurs propres pour la valeur propre sont les solutions non
nulles du systeme lineaire homogene (A I)X = 0 .
On sait que A possede des valeurs propres et quen resolvant ce systeme par la methode du pivot,
on pourra trouver des vecteurs propres pour faire les colonnes de P.
En aura-t-on assez pour fabriquer une matrice P inversible ?
On note v() le nombre dinconnues non principales du systeme homogene (A I)X = 0 .

Theoreme :
Si m() est la multiplicite de la valeur propre on a toujours :
1 6 v() 6 m()

La matrice A est diagonalisable si et seulement si v() = m() pour chaque valeur propre .

Theoreme : Soient A une matrice diagonalisable, une valeur propre de A et m() sa multiplicite.
Il y a m() coefficients diagonaux de D egaux a .
Il y a m() colonnes de P qui sont des vecteurs propres pour .
Si la ke colonne de P est un vecteur propre pour , le ke coefficient diagonal de D est egal a .

3 1 1
A = 8 3 4 A (z) = (2 z)(1 z)2

7. Exemple :
6 3 4

3 X1 + X2 + X3 = 2 X1 X1 + X2 + X3 = 0





=2 8 X1 3 X2 4 X3 = 2 X2 8 X1 5 X2 4 X3 = 0







6 X + 3 X2 + 4 X3 = 2 X3
6 X + 3 X2 + 2 X3 = 0

1 1

4
MVA101 Analyse et calcul matriciel Cours n 13 Jacques Velu (CNAM)


1
v(2) = m(2) = 1 4

Le calcul montre que les vecteurs propres sont les multiples de

3

3 X1 + X2 + X3 = X1 2 X1 + + X3 = 0






X2
=1 8 X1 3 X2 4 X3 = X2 4 X3 = 0

8 X1 4 X2





6 X1 + 3 X2 + 4 X3 = X3 6 X1 + 3 X2 + 3 X3 = 0



1 0
v(1) = m(1) = 2 Le calcul montre que les vecteurs propres sont les colonnes u 3 + v 1


1 1


1 1 0

3 1

1 1

1 0 2 0 0 2

1

1
Avec P = 4 3 1 on a : 8 3 4 = 4 3 1 0 1 0 1 1 1

6 3 4 3 1 1 0 0 1 5 2 1

3 1 1

| {z } | {z } | {z } | {z }
A P D P1

Remarque : Quand m() = 1, on a v() = 1 puisque 1 6 v() 6 m() et, du coup, v() = m().
Consequence : Une matrice qui a toutes ses valeurs propres simples, est diagonalisable.

8. Cas des matrices reelles : Quand A est reelle, A (z) est a coefficients reels.

Theoreme :
Si est une valeur propre qui nest pas reelle, aussi est une valeur propre et m() = m().
Les vecteurs propres pour sobtient en conjugant les vecteurs propres pour .

cos sin
!
Exemple : A = A (z) = (e+i z)(ei z)
sin cos

i sin X1 sin X2 = 0

= e+i

sin X1 i sin X2 = 0



!
1
les vecteurs propres sont les multiples de
i

+i sin X1 sin X2 = 0

= ei

sin X1 + i sin X2 = 0



!
1
les vecteurs propres sont les multiples de
i

3 Exponentielle de matrice
1. Un systeme differentiel lineaire, homogene, a coefficients constants, est un systeme du type :




X10 (t) = 1,1 X1 (t) + 1,2 X2 (t) + + 1,p Xp (t)


X0 (t) = 2,1 X1 (t) + 2,2 X2 (t) + + 2,p Xp (t)


2


. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .







Xp0 (t) = p,1 X1 (t) + p,2 X2 (t) + + p,p Xp

avec des fonction inconnues X1 , X2 , . . . , Xp de la variable t et des coefficients constants i, j .

5
MVA101 Analyse et calcul matriciel Cours n 13 Jacques Velu (CNAM)

1,1 1,2 1,p



X1
2,2 2,p X

En posant A = 2,1 et X = 2 le systeme devient : X0 (t) = A X(t) .
. . . . . . . . . . . . .
p,1 p,2 p,p

Xp

2. Theoreme : Les solutions dun tel systeme sont developpables en serie entiere, avec un rayon
de convergence infini.

X tn X tn
(n)
Xk (t) = X (0) X(t) = X(n)(0)
n! k n!
n>0 n>0
2
X (0) + t X0 (0) + t X00 (0) +

0 00
X1 (0) X1 (0) X (0)

1 1
1! 2! 1
t t2 1
X(t) = . . . . . . . . . . . . . . . . . . . . . . = . . . . + . . . . + . . . . +

1!
0 2! 00

t t2 Xp (0) X (0) X (0)
Xp (0) + Xp0 (0) + Xp00 (0) + p p

1! 2!

3. Par recurrence : X0 (t) = A X(t) X(n) (t) = An X(t) donc :

t2 2 t2 2
!
t t
X(t) = X(0) + A X(0) + A X(0) + = I + A + A + X(0)
1! 2! 1! 2!
| {z }
e tA

X0 (t) = A X(t) X(t) = e tA X(0)


X1 (t) = 4 X1 (t) + X2 (t)
0 !
4 1


A=

4. Exemple :
2 1

X0 (t) = 2 X1 (t) + X2 (t)


2
2n tn 3n tn 2n tn 3n tn
X tn An X tn 2 + 2 3
n n 2n + 3n X +2 +

n! n! n! n!
e tA = = =


n! n ! n n n n 2n tn 3n tn

2 2n 2 3n 2 2n 3n 2 2 t 2 3 t

n>0
n>0 n>0
2

n! n! n! n!

e2t + 2e3t e2t + e3t



X1 (t) X1 (0)
=


2t
2e 2e3t 2t 3t

X2 (t) 2e e X2 (0)

   
X1 (t) = X1 (0) X2 (0) e2t + + 2X1 (0) + X2 (0) e3t
   
X2 (t) = + 2X1 (0) + 2X2 (0) e2t + 2X1 (0) X2 (0) e3t