Académique Documents
Professionnel Documents
Culture Documents
Remarque 9.1.2.
• Un vecteur propre doit être non nul ; mais une valeur propre peut être nulle.
• L’équation Ax = λx est équivanlente à l’équation homogène (A − λI)x = 0.
� � � � � �
3 −2 2 1
Exemple 9.1.3. On pose A = ,u= et v = . Les vecteurs u et v sont-ils
1 0 1 −1
des vecteurs propres de A?
Solution : On a � �� � � � � �
3 −2 2 4 2
Au = = =2 ,
1 0 1 2 1
et � �� � � � � �
3 −2 1 5 1
Av = = �= λ .
1 0 −1 1 −1
Donc u est un vecteur propre de A de valeur propre associée 2, mais v n’est pas un vecteur
propre de A car Av n’est pas colinéaire à v.
� �
7 4
Exemple 9.1.4. Montrer que 5 est une valeur propre de la matrice A = .
−3 −1
87
9. VALEURS PROPRES, VECTEURS PROPRES, DIAGONALISATION 88
Ax = 5x
(A − 5I)x = 0
Eλ = {x ∈ Rn |Ax = λx}
= {x ∈ Rn |(A − λI)x = 0}
= Ker(A − λI)
Remarque 9.1.6. Tout vecteur non nul de Eλ est un vecteur propre de A associé à la
valeur propre λ.
3 2 4
Exemple 9.1.7. On considère la matrice A = 2 0 2 et λ = −1 un de ses valeurs
4 2 3
propres. Déterminer une base du sous-espace propre associé à la valeur propre -1.
Proof: Si la famille (v1 , · · · , vr ) n’est pas libre alors on peut en extraire une famille
libre (v1 , · · · , vp ), où p + 1 ≤ r est le plus petit indice tel que vp+1 ∈ V ect {v1 , · · · , vp }. Il
existe donc des scalaires c1 , · · · , cp tels que
c1 v1 + · · · + cp vp = vp+1 . (9.1.1)
λ1 c1 v1 + · · · + λp cp vp = λp+1 vp+1 .
D’où, en multipliant l’identité (9.1.1) par λp+1 et en comparant l’identité obtenue par la
dernière identitié on déduit que
Solution : Sous forme factorisée on a P (λ) = λ3 (λ + 1)2 . Les valeurs propres sont
donc 0 et -1. Le facteur λ correspondant à la valeur propre 0 apparaı̂t 3 fois dans le
polynôme caractéristique, on dit que l’ordre de multiplicité de 0 est 3. Le facteur (λ + 1)
correspondant à la valeur propre -1 apparaı̂t deux fois dans le polynôme caractéristique,
l’ordre de multiplicité de la valeur propre -1 est donc 2.
3 0 4
Exemple 9.2.3. On pose A = 2 −1 2. Déterminer le polynôme caractéristique de
1 7 0
A. Dire si les scalaires -3, -2, -1 et 6 sont des valeurs propres de A.
Solution : On a
� �
�3 − λ 0 4 �� � � � �
� �−1 − λ 2 � �2 −1 − λ�
PA (λ) = �� 2 −1 − λ 2 �� = (3 − λ) �� � + 4� �
� 1 � 7 −λ� �1 7 �
7 −λ
= (3 − λ)(λ + λ2 − 14) + 4(14 − (−1 − λ))
= 3λ + 3λ2 − 42 − λ2 − λ3 + 14λ + 56 + 4 + 4λ
= −λ3 + 2λ2 + 21λ + 18.
Le polynôme caractéristique de A est donc PA (λ) = −λ3 + 2λ2 + 21λ + 18. On vérifie que
PA (−3) = PA (−1) = PA (6) = 0 tandis que PA (−2) = 13 �= 0. Donc -3, -1 et 6 sont des
valeurs propres de A mais −2 n’est pas valeur propre de A.
9. VALEURS PROPRES, VECTEURS PROPRES, DIAGONALISATION 91
Théorème 9.2.4. Les valeurs propres d’une matrice triangulaire sont les coefficients de sa
diagonale principale.
� �
Proof: Si A est une matrice triangulaire de diagonale
� a11 a22 · · · ann alors
� A−
λI est aussi une matrice triangulaire de diagonale a11 − λ a22 − λ · · · ann − λ et on
déduit du théorème 7.2.1 que
Les seules racines de PA (λ) sont donc les coefficients a11 , a22 , · · · , ann . D’où le théorème.
9.3 Diagonalisation
Si A et B sont deux matrices de même taille n × n, on dit que A et B sont des matri-
ces semblables s’il existe une matrice inversible P telle que P −1 AP = B ou de façon
équivalente A = P BP −1 .
Théorème 9.3.1. Deux matrices semblables ont même polynôme caractéristique, donc les
mêmes valeurs propres (avec leur ordre de multiplicité).
A − λI = P BP −1 − λI = P BP −1 − λP P −1 = P (B − λI)P −1 ,
d’où
det(A − λI) = det(P ).det(B − λI).det(P −1 ) = det(B − λI),
car detP.detP −1 = det(P P −1 ) = detI = 1. D’où le théorème.
Definition 9.3.2. On dit qu’une matrice carrée A est diagonalisable si elle est semblable
à une matrice diagonale, c’est-à-dire s’il existe une matrice diagonale D et une matrice
inversible P telles que A = P DP −1 .
Solution :
Etape 1 : On cherche d’abord les valeurs propres de A. Le polynôme caractéristique de A
est
� � � � � �
�4 − λ 2 2 � � 8 − λ 8 − λ 8 − λ� �1 1 1 �
� � � � � �
�
PA (λ) = � 2 4−λ �
2 �=� 2 � 4−λ � �
2 � = (8 − λ) �2 4 − λ 2 ��
� 2 2 4 − λ� � 2 2 4 − λ� �2 2 4 − λ�
� �
�1 1 1 ��
�
�
= (8 − λ) �0 2 − λ 0 �� = (8 − λ)(2 − λ)2 .
�0 0 2 − λ�
Proof: D’après le théorème 9.1.8 les n vecteurs propres associés aux n valeurs propres
distinctes sont linéairement indépendants, et donc forment une base de Rn . Il résulte du
théorème 9.3.3 que A est diagonalisable.
9. VALEURS PROPRES, VECTEURS PROPRES, DIAGONALISATION 93
−1 4 −2
Exemple 9.3.6. Dire si la matrice A = −3 4 0 est diagonalisable.
−3 1 3
Solution : On a
� � � � � �
�−1 − λ 4 −2 � �1 − λ 4 −2 � �1 4 −2 �
� � � � � �
�
det(A − λI) = � −3 4−λ � �
0 � = �1 − λ 4 − λ � �
0 � = (1 − λ) �1 4 − λ 0 ��
� −3 1 3 − λ� � 1 − λ 1 3 − λ� �1 1 3 − λ�
� �
�1 4 −2 �� � �
� −λ 2
�
= (1 − λ) �0 −λ �
2 � = (1 − λ) = (1 − λ)(λ2 − 5λ + 6)
�0 −3 5 − λ� −3 5 − λ
d’où
det(A − λI) = −(λ − 1)(λ − 2)(λ − 3),
et les valeurs propres de A sont 1, 2 et 3. Puisque ces valeurs propres sont trois et distinctes,
on déduit du théorème 9.3.5 que la matrice A est diagonalisable.
Solution : La condition suffisante pour que A soit diagonalisable est que la dimension du
sous-espace propre associé à la valeur propre -2 soit égal à l’ordre de multiplicité de cette
valeur propre qui est 2. On a
4 4 3 1 1 0
A − (−2)I = A + 2I = −4 −4 −3 ∼ 0 0 1 .
3 3 3 0 0 0
9. VALEURS PROPRES, VECTEURS PROPRES, DIAGONALISATION 94
1
On en déduit E−2 est dimension 1 et admettant le vecteur −1 comme base. Puisque
0
la dimension du sous-espace propre est différente de la multiplicité de la valeur propre, le
théorème 9.3.7 implique que la matrice A n’est pas diagonalisable.