Vous êtes sur la page 1sur 36

Introduction à l’Algèbre Linéaire

Clémonell Bilayi-Biakana
Département de Mathématiques et Statistique
Université d’Ottawa

8 Avril 2021.
Introduction à
l’Algèbre Linéaire Outline
Valeurs, Vecteurs
et Sous-espaces
propres

Polynôme et
Équation
caractéristiques

Diagonalisation des 1 Valeurs, Vecteurs et Sous-espaces propres


matrices carrées

2 Polynôme et Équation caractéristiques

3 Diagonalisation des matrices carrées


Introduction à
l’Algèbre Linéaire Diagonalisation des matrices
Valeurs et Vecteurs propres
Valeurs, Vecteurs
et Sous-espaces
propres
Définitions
Polynôme et
Équation Soit A ∈ Mn (R).
caractéristiques

Diagonalisation des
• Un vecteur non nul v ∈ Rn est appelé vecteur propre
matrices carrées
de A s’il existe λ ∈ R tel que: Av = λv .
• Un scalaire λ est appelé valeur propre de A si
l’équation Av = λv admet au moins une solution non
triviale v . Le spectre de A est l’ensemble S(A) de ses
valeurs propres .
Remarque
L’équation aux valeurs propres Av = λv est équivalente à

(A − λIn )v = 0Rn .
Introduction à
l’Algèbre Linéaire Diagonalisation des matrices
Valeurs et Vecteurs propres
Valeurs, Vecteurs
et Sous-espaces
propres

Polynôme et
Équation
caractéristiques
Exemple
Diagonalisation des
matrices carrées On considère la matrice A ∈ M2 (R) telle que:
 
3 −2
A= .
1 0
   
2 1
Soit u = et v = des vecteurs de R2 .
1 −1
Examiner si u et v sont des vecteurs propres de A.
Introduction à
l’Algèbre Linéaire Diagonalisation des matrices
Valeurs et Vecteurs propres
Valeurs, Vecteurs
et Sous-espaces
propres

Polynôme et
Équation
caractéristiques
Solution       
Diagonalisation des 3 −2 2 4 2
matrices carrées Comme Au = = =2 = 2u. Alors u
1 0 1 2 1
est un vecteur propre de A associée à la de valeur propre 2.
      
3 −2 1 5 1
Av = = 6= λ 6= λv .
1 0 −1 1 −1

En revanche, v n’est pas un vecteur propre de A car Av


n’est pas colinéaire à v .
Introduction à
l’Algèbre Linéaire

Valeurs, Vecteurs
et Sous-espaces
Exemple
propres
Montrer que 5 est une valeur propre de la matrice
Polynôme et
Équation  
caractéristiques 7 4
A= .
Diagonalisation des
matrices carrées
−3 −1

Solution
Il s’agit de montrer que l’équation

Ax = 5x

ou encore son équation équivalente

(A − 5I )x = 0

admet au moins une solution non triviale. On a


Introduction à
l’Algèbre Linéaire

Valeurs, Vecteurs
et Sous-espaces
Solution (Suite)
propres
     
Polynôme et 7 4 5 0 2 4
Équation A − 5I2 = − = ,
caractéristiques −3 −1 0 5 −3 −6
Diagonalisation des
matrices carrées et en appliquant l’algorithme du pivot on trouve
     
2 4 0 1 2 0 1 2 0
∼ ∼ .
−3 −6 0 1 2 0 0 0 0

L’équation Ax = 5x admet


 donc des solutions non triviales
−2
de la forme x = x2 , x2 ∈ R. On déduit que 5 est une
1
 
−2
valeur propre de A et tout vecteur de la forme x = x2 ,
1
avec x2 6= 0, est un vecteur propre de A.
Introduction à
l’Algèbre Linéaire Diagonalisation des matrices
Valeurs, Vecteurs
Polynôme et Équation caractéristiques
et Sous-espaces
propres

Polynôme et
Équation Soit A ∈ Mn (R). On sait qu’un scalaire λ est valeur propre
caractéristiques
de A si et seulement si l’équation matricielle
Diagonalisation des
matrices carrées
(A − λI )x = 0Rn

admet au moins une solution non triviale. D’après le


théorème de caractérisation des matrices inversibles, cela
équivaut à dire que la matrice (A − λI ) ne soit pas
inversible. Par conséquent, on a

det(A − λI ) = 0. (1)
Introduction à
l’Algèbre Linéaire Diagonalisation des matrices
Valeurs, Vecteurs
Polynôme et Équation caractéristiques
et Sous-espaces
propres

Polynôme et
L’équation (1), d’inconnue λ, est appelée équation
Équation
caractéristiques
caractéristique de A et la fonction
Diagonalisation des
matrices carrées PA (λ) = det(A − λIn ) (2)

est un polynôme de dégré n en λ appelé polynôme


caractéristique de A.
Théorème
Un scalaire λ est valeur propre de A ∈ Mn (R) si et
seulement s’il vérifie l’equation caractéristique

PA (λ) = 0.
Introduction à
l’Algèbre Linéaire Diagonalisation des matrices
Valeurs, Vecteurs
Polynôme et Équation caractéristiques
et Sous-espaces
propres

Polynôme et
Équation
caractéristiques

Diagonalisation des Exemple


matrices carrées
On considère une matrice A ∈ M5 (R) telle que:

PA (λ) = λ5 + 2λ4 + λ3 .

1 Déterminer ses valeurs propres.


2 En déduire les ordres de multiplicité algébrique de
chacunes d’elles.
Introduction à
l’Algèbre Linéaire Diagonalisation des matrices
Valeurs, Vecteurs
Polynôme et Équation caractéristiques
et Sous-espaces
propres

Polynôme et
Équation
caractéristiques
Solution
Diagonalisation des
matrices carrées
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.
Introduction à
l’Algèbre Linéaire Diagonalisation des matrices
Valeurs, Vecteurs
Polynôme et Équation caractéristiques
et Sous-espaces
propres

Polynôme et
Équation
caractéristiques Exemple
Diagonalisation des
matrices carrées
On considère une matrice A ∈ M3 (R) telle que:
 
3 0 4
A = 2 −1 2 .
1 7 0

1 Déterminer le polynôme caractéristique de A.


2 Dire si les scalaires -3, -2, -1 et 6 sont des valeurs
propres de A.
Introduction à
l’Algèbre Linéaire
Solution
Valeurs, Vecteurs
et Sous-espaces
Le polynôme caractéristique de A est :
propres

Polynôme et
3 − λ 0 4
Équation

caractéristiques PA (λ) = 2 −1 − λ 2
Diagonalisation des
1 7 −λ
matrices carrées
−1 − λ 2 2 −1 − λ
= (3 − λ)
+ 4

7 −λ 1 7
= (3 − λ)(λ + λ2 − 14) + 4(14 − (−1 − λ))
= 3λ + 3λ2 − 42 − λ2 − λ3 + 14λ + 56 + 4 + 4λ
= −λ3 + 2λ2 + 21λ + 18.

On vérifie que PA (−3) = PA (−1) = PA (6) = 0 tandis que


PA (−2) = 13 6= 0. Donc -3, -1 et 6 sont des valeurs propres
de A mais −2 n’est pas valeur propre de A.
Introduction à
l’Algèbre Linéaire Diagonalisation des matrices
Valeurs, Vecteurs
et Sous-espaces
propres

Polynôme et
Théorème
Équation
caractéristiques
Soit A ∈ Mn (R). Le scalaire λ est une valeur propre de A si
Diagonalisation des
et seulement s’il vérifie l’equation caractéristique:
matrices carrées

PA (λ) := det(A − λIn ) = 0.

Remarques
• Si A ∈ Mn (R) alors le polynôme caractéristique PA est
de degré n.
• Si A ∈ Mn (R) est triangulaire, alors les valeurs propres
de A sont les coefficients de sa diagonale principale.
Introduction à
l’Algèbre Linéaire Diagonalisation des matrices
Sous-espaces propres
Valeurs, Vecteurs
et Sous-espaces
propres

Polynôme et Définition
Équation
caractéristiques Si λ est une valeur propre de la matrice A de taille n × n,
Diagonalisation des alors le sous-espace de Rn défini par:
matrices carrées

Eλ = {x ∈ Rn | Ax = λx}
= {x ∈ Rn | (A − λI )x = 0Rn }
= Ker (A − λI )

est appelé sous-espace propre de A associé à λ.

Remarque
Tout vecteur non nul de Eλ est un vecteur propre de A
associé à la valeur propre λ.
Introduction à
l’Algèbre Linéaire Diagonalisation des matrices
Sous-espaces propres
Valeurs, Vecteurs
et Sous-espaces
propres

Polynôme et Exemple
Équation
caractéristiques On considère la matrice A ∈ M3 (R) telle que:
Diagonalisation des
matrices carrées  
3 2 4
A = 2 0 2 .
4 2 3

Soit λ = −1 une de ses valeurs propres. Déterminer une


base et la dimension du sous-espace propre associé à la
valeur propre -1.

Solution
Il s’agit de déterminer une base de E−1 = Ker (A − (−1)I ).
Introduction à
l’Algèbre Linéaire Diagonalisation des matrices
Sous-espaces propres
Valeurs, Vecteurs
et Sous-espaces
propres

Polynôme et
Solution (Suite)
Équation
caractéristiques Pour ce faire, on doit déterminer l’ensemble de solutions de
Diagonalisation des (A + I3 )x = 0R3 . Soit x = (x1 , x2 , x3 )t . On a
matrices carrées
     
3 2 4 1 0 0 4 2 4
A + I3 = 2 0 2 + 0 1 0 = 2
     1 2 .
4 2 3 0 0 1 4 2 4

En appliquant l’algorithme du pivot de Gauss, on trouve


     
4 2 4 0 1 1/2 1 0 1 1/2 1 0
2 1 2 0 ∼ 1 1/2 1 0 ∼ 0 0 0 0 .
4 2 4 0 1 1/2 1 0 0 0 0 0
Introduction à
l’Algèbre Linéaire Diagonalisation des matrices
Sous-espaces propres
Valeurs, Vecteurs
et Sous-espaces
propres Solution (Suite)
Polynôme et
Équation Comme (A + I3 )x = 0R3 a pour solutions:
caractéristiques
   
Diagonalisation des
matrices carrées
−1/2 −1
x = x2  1  + x3  0  = x2 u + x3 v , x2 , x3 ∈ R.
0 1

Alors, E−1 = Vect(u, v ). Les vecteurs u et v étant non


colinéaires, alors une base du sous-espace propre E−1 est:
   
−1/2 −1
B =  1  ,  0  .
0 1

On en déduit que dim(E−1 ) = 2.


Introduction à
l’Algèbre Linéaire Diagonalisation des matrices
Valeurs, Vecteurs
et Sous-espaces
propres

Polynôme et Exemple
Équation
caractéristiques On considère la matrice A telle que:
Diagonalisation des
matrices carrées  
2 0 0
A= 1 2 1 
−1 0 1
1 Déterminer le polynôme caractéristique de A
2 En déduire les valeurs propres de A.
3 Déterminer les sous-espaces propres associés à chacune
des valeurs propres de A.
Introduction à
l’Algèbre Linéaire Diagonalisation des matrices
Valeurs, Vecteurs
et Sous-espaces
propres

Polynôme et
Équation
Définition
caractéristiques
Soit A et B deux matrices n × n. On dit que A est semblable
Diagonalisation des
matrices carrées à B (A ≡ B) s’il existe une matrice inversible P telle que:

B = P −1 AP.
Exemple
On considère les matrices A et B telles que:
   
1 2 1 0
A= et B =
0 −1 −2 −1
Introduction à
l’Algèbre Linéaire Diagonalisation des matrices
Valeurs, Vecteurs
et Sous-espaces
propres
Exemple
Polynôme et A et B sont deux matrices équivalentes. En effet,
Équation
caractéristiques      
1 2 1 −1 1 −1 1 0
Diagonalisation des
=
matrices carrées
0 −1 1 1 1 1 −2 −1

Théorème
Soit A et B deux matrices n × n.
• A ≡ B ⇔ B ≡ A, (B = P −1 AP ⇔ A = PBP −1 ).
• A ≡ B ⇒ rg (A) = rg (B).
• A ≡ B ⇒ tr (A) = tr (B).
• A ≡ B ⇒ det A = det B.
• A ≡ B ⇒ det(A − λIn ) = det(B − λIn ).
Introduction à
l’Algèbre Linéaire Diagonalisation des matrices
Valeurs, Vecteurs
et Sous-espaces Exemple
propres

Polynôme et
On considère la matrice D ∈ M2 (R) telle que:
Équation
caractéristiques  
5 0
Diagonalisation des D=
matrices carrées 0 4
a) Calculer D 2 et D 3 .
b) En général que vaut D k , ∀ k ∈ N∗ ?

Solution
Les puissances de matrice diagonale D ∈ M2 (R) sont:
 2   3   k 
2 5 0 3 5 0 k 5 0
D = 2 ,D = 3 et D = .
0 4 0 4 0 4k
Introduction à
l’Algèbre Linéaire Diagonalisation des matrices
Valeurs, Vecteurs
et Sous-espaces
propres Définition
Polynôme et Une matrice A ∈ Mn (R) est diagonalisable si elle est
Équation
caractéristiques semblable à une matrice diagonale D, c’est-à-dire qu’il existe
Diagonalisation des une matrice inversible P telle que:
matrices carrées

A = PDP −1 .
Remarques
• Dans ce cas, les coefficients diagonaux de D sont les
valeurs propres de A associées aux vecteurs propres de
A, formant les colonnes de P.
• En outre, pour tout entier k > 1, on a:

Ak = PD k P −1 .
Introduction à
l’Algèbre Linéaire Diagonalisation des matrices
Théorèmes de diagonalisation
Valeurs, Vecteurs
et Sous-espaces
propres

Polynôme et
Équation Théorème
caractéristiques
Si A ∈ Mn (R) alors A est diagonalisable si et seulement si A
Diagonalisation des
matrices carrées admet n vecteurs propres linéairement indépendants.

Théorème
Toute matrice A ∈ Mn (R) admettant n valeurs propres
distinctes est diagonalisable.

Théorème
Soit A ∈ Mn (R) une matrice et v1 , . . . , vr des vecteurs
propres de A associés à des valeurs propres distinctes
λ1 , . . . , λr . Alors, ces vecteurs sont linéairement
indépendants.
Introduction à
l’Algèbre Linéaire Diagonalisation des matrices
Théorèmes de diagonalisation
Valeurs, Vecteurs
et Sous-espaces
propres

Polynôme et Exemple
Équation
caractéristiques La matrice suivante est-elle diagonalisable?
Diagonalisation des
matrices carrées
 
5 −8 1
A= 0 0 7 .
0 0 −2

Exemple
La matrice suivante est-elle diagonalisable?
 
−1 4 −2
A = −3 4 0 
−3 1 3
Introduction à
l’Algèbre Linéaire Solution
Valeurs, Vecteurs
et Sous-espaces
propres
−1 − λ 4 −2

Polynôme et det(A − λI ) = −3
4−λ 0
Équation
caractéristiques
−3 1 3 − λ
Diagonalisation des

matrices carrées
1 − λ 4 −2

= 1 − λ 4 − λ 0
1 − λ 1 3 − λ

1
4 −2
= (1 − λ) 1 4 − λ 0
1 1 3 − λ

1 4 −2  
−λ 2
= (1 − λ) 0 −λ 2 = (1 − λ)
0 −3 5 − λ −3 5 − λ

= (1 − λ)(λ2 − 5λ + 6) = −(λ − 1)(λ − 2)(λ − 3)


Introduction à
l’Algèbre Linéaire Diagonalisation des matrices
Théorèmes de diagonalisation
Valeurs, Vecteurs
et Sous-espaces
propres

Polynôme et
Équation
caractéristiques

Diagonalisation des
matrices carrées
Solution (Suite)
En posant PA (λ) = det(A − λI ) = 0, il vient que

−(λ − 1)(λ − 2)(λ − 3) = 0.

Les valeurs propres de A sont 1, 2 et 3.


Puisque ces trois valeurs propres sont toutes distinctes, alors
on déduit que la matrice A est diagonalisable.
Introduction à
l’Algèbre Linéaire Diagonalisation des matrices
Théorèmes de diagonalisation
Valeurs, Vecteurs
et Sous-espaces
propres
Théorème
Polynôme et
Équation Soit A ∈ Mn (R) une matrice et λk , k = 1, p, (p < n) ses
caractéristiques
valeurs propres distinctes. et Eλk , le sous-espace propre
Diagonalisation des
matrices carrées associé à chacune de ces valeurs propres.
La matrice A ∈ Mn (R) est diagonalisable si et seulement si

dim (Eλ1 ) + dim (Eλ2 ) + · · · + dim Eλp = n.

Dans ce cas, si Bk est une base de Eλk , ∀ k = 1, p, alors


p
[
B= Bk = B1 ∪ B2 ∪ · · · ∪ Bp
k=1

est une base de Rn constituée de vecteurs propres de A.


Introduction à
l’Algèbre Linéaire Diagonalisation des matrices
Théorèmes de diagonalisation
Valeurs, Vecteurs
et Sous-espaces
propres

Polynôme et
Équation
caractéristiques Exemple
Diagonalisation des
matrices carrées Diagonaliser si possible la matrice A ∈ M3 (R)
 
2 4 3
A = −4 −6 −3
3 3 1

sachant que son polynôme caractéristique est

PA (λ) = −(λ − 1)(λ + 2)2 .


Introduction à
l’Algèbre Linéaire Diagonalisation des matrices
Théorèmes de diagonalisation
Valeurs, Vecteurs
et Sous-espaces
propres

Polynôme et Solution
Équation
caractéristiques Par définition, E−2 = Ker (A + 2I ). On a
Diagonalisation des    
matrices carrées
4 4 3 1 1 0
A − (−2)I = A + 2I = −4 −4 −3 ∼ 0 0 1 .
3 3 3 0 0 0
 
1
Ainsi, E−2 est un sev engendré par le vecteur −1. Ce
0
vectteur étant différent de 0R3 , alors dim(E−2 ) = 1. Puisque
dim(E−2 ) = 1 est différente de la multiplicité 2 de la valeur
propre λ = −2. Donc la matrice A n’est pas diagonalisable.
Introduction à
l’Algèbre Linéaire Diagonalisation des matrices
Théorèmes de diagonalisation
Valeurs, Vecteurs
et Sous-espaces
propres

Polynôme et
Équation
caractéristiques

Diagonalisation des
matrices carrées Exemple
Diagonaliser si possible la matrice
 
4 2 2
A = 2 4 2
2 2 4
Introduction à
l’Algèbre Linéaire Diagonalisation des matrices
Théorèmes de diagonalisation
Valeurs, Vecteurs
et Sous-espaces
propres

Polynôme et
Solution
Équation Etape 1 : On cherche d’abord les valeurs propres de A. Le
caractéristiques

Diagonalisation des
polynôme caractéristique de A est
matrices carrées
4 − λ 2 2 8 − λ 8 − λ 8 − λ

PA (λ) = 2 4−λ 2 = 2 4−λ 2
2 2 4−λ 2 2 4 − λ

1 1 1

= (8 − λ) 2 4 − λ
2
2 2 4 − λ

1 1 1
0 = (8 − λ)(2 − λ)2 .

= (8 − λ) 0 2 − λ

0 0 2 − λ
Introduction à
l’Algèbre Linéaire Diagonalisation des matrices
Théorèmes de diagonalisation
Valeurs, Vecteurs
et Sous-espaces
propres

Polynôme et Solution (Suite)


Équation
caractéristiques On déduit que les valeurs propres de A sont 2 et 8, d’ordre
Diagonalisation des de multiplicité respectif 2 et 1.
matrices carrées
Etape 2 : On cherche, si cela est possible, trois vecteurs
propres linéairement indépendants de A. On a
   
2 2 2 1 1 1
A − 2I = 2 2 2 ∼ 0 0 0 .
2 2 2 0 0 0

Donc lasolution
   de l’équation (A − 2I )x = 0 est
générale
−1 −1
x = x2  1  + x3  0 . Une base de E2 est donc (u, v )
0 1
Introduction à
l’Algèbre Linéaire

Valeurs, Vecteurs
Solution
et Sous-espaces
propres    
−1 −1
Polynôme et
Équation où u =  1 et v=  0 .
caractéristiques
0 1
Diagonalisation des
matrices carrées  
1
Par ailleurs, on vérifie très facilement que w = 1 est un

1
vecteur propre associé à la valeur propre 8. La famille
(u, v , w ) est libre et forme une base de R3 constituée des
vecteurs propres de A. Il résulte que A est diagonalisable, i.e
   
2 0 0 −1 −1 1
A = PDP −1 , où D = 0 2 0 et P =  1 0 1 .
0 0 8 0 1 1
Introduction à
l’Algèbre Linéaire Diagonalisation des matrices
Théorèmes de diagonalisation
Valeurs, Vecteurs
et Sous-espaces
propres Exemple
Polynôme et
Équation On considère la matrice A ∈ M3 (R) telle que:
caractéristiques
 
Diagonalisation des
matrices carrées
0 1 1
A= 2 1 2 
3 3 2
1 Déterminer le rang de A. La matrice A est-elle
inversible?
2 Déterminer les valeurs propres de A.
3 Déterminer une base pour chacun des sous-espaces
propres associés à chacune de ses valeurs propres.
4 La matrice A est-elle diagonalisable? Dans l’affirmative
calculer A3 . En déduire une base de R3 .
Introduction à
l’Algèbre Linéaire Diagonalisation des matrices
Théorèmes de diagonalisation
Valeurs, Vecteurs
et Sous-espaces
propres

Polynôme et
Exemple
Équation
caractéristiques
On considère la matrice A ∈ M4 (R) telle que:
Diagonalisation des  
matrices carrées 5 0 0 0
 0 5 0 0 
A= 
 1 4 −3 0 
−1 −2 0 −3

1 Déterminer les valeurs propres de A.


2 Déterminer une base pour chacun des sous-espaces
propres associés à chacune de ses valeurs propres.
3 La matrice A est-elle diagonalisable?
4 Trouver une base de R4 .

Vous aimerez peut-être aussi