Académique Documents
Professionnel Documents
Culture Documents
1. Définitions
R n R R ... R
u x1 , x2 ,..., xn R n
Les éléments de Rn sont appelés des vecteurs. Les réels sont appelés des scalaires.
Nous pouvons définir une opération somme sur Rn qui a les mêmes propriétés que la somme
dans R :
2.(x,y) =(2x,2y)
2. Combinaison linéaire de vecteurs/ vecteurs liés
(1,2,1) est une combinaison linéaire des deux vecteurs (2,0,2); (3,2,3)
1 2 3
Dans ce cas le déterminant 2 0 2 est égal à 0
1 2 3
1
2
Dans R3 , trois vecteurs sont liés ssi le déterminant obtenu par les trois colonnes de vecteurs
est égal à 0.
Dans R4 , quatre vecteurs sont liés ssi le déterminant obtenu par les quatre colonnes de
vecteurs est égal à 0.
Dans Rn , n vecteurs sont liés ssi le déterminant obtenu par les n colonnes de vecteurs est
égal à 0.
3. Vecteurs libres
Des vecteurs sont libres si et seulement si ils ne sont pas liés.
Dans Rn , n vecteurs sont libres ssi le déterminant obtenu par les n colonnes de vecteurs
est différent de 0.
4. Les sous-espaces de Rn
Ce sont des sous-ensembles de Rn non vides qui sont stables par combinaison linéaire :
Exemples :
1.Dans R3 :
On pose u1=(1,0,0), u2=(0,1,0), u3=(0,0,1)
(x,y,z)= x.(1,0,0) + y.(0,1,0)+ z.(0,0,1)= x.u1+y.u2+z.u3
Un vecteur quelconque de R3 s’écrit comme combinaison linéaire des 3 vecteurs (1,0,0),
(0,1,0),(0,0,1)
Par exemple u=(2,1,-1)= 2.u1+1.u2+-1.u3,
1 0 0
0 1 0 0
0 0 1
2
3
2.Dans R4 :
(x,y,z,t)= x.(1,0,0,0) + y.(0,1,0,0)+ z.(0,0,0,1)+t.(0,0,0,1)
1 0 0 0
0 1 0 0
0
0 0 1 0
0 0 0 1
Le nombre maximum de vecteurs libre est 4. La dimension de R 4 est 4
Attention :La dimension de F={(0,0)} n’est pas égale 1 car (0,0) n’est pas considéré comme un
vecteur libre. Dim F=0
Etapes à suivre :
1. Polynôme caractéristique
2. Valeurs propres
3. Vecteurs propres
4. Sous-espace propres
5. Diagonalisation
1.1 Définition
Soit A une matrice carrée d’ordre n, à coefficients dans R.
On appelle polynôme caractéristique de A :
P( ) = det ( A - .In) ; R .
3
4
1.2 Exemple
3 1
A =
0 2
Soit R
3 1 1 0 3 1
A - .I2= .
0 2 0 1 0 2
3 1
Det(A - .I2) = = (3-λ)(2- λ)= λ2 - 5 λ +6 = P(λ)
0 2
Matrice d’ordre 2 Polynôme caractéristique de A est de degré 2
Matrice d’ordre n Polynôme de degré n
1 1 0 0
0 1 0 1
2. A =
0 1 1 0
1 0 1 2
1 1 0 0 1 0 0 0 1 1 0 0
0 1 0 1 0 1 0 0 0 1 0 1
A I
4 0 1 1 0 0 0 1 0 0 1 1 0
1 0 1 2 0
1 1 2
0 0 0 1
1 1 0 0
0 1 0 1
P ( ) Dév.
1ère ligne
0 1 1 0
1 0 1 2
1 0 1 0 0 1
1 1 1 0 1 0 1 0
0 1 2 1 1 2
1 0 1 1
1 1 1
1 2 0 1
0 1
- 11
1 1
P( ) = 1 1 1 2 1 - 1 =
1 1 1 2 1 - 1
1 en facteur
3. Valeurs propres :
Soit A une matrice carrée d’ordre n.
4
5
Exemple
3 1
1/ A =
0 2
3 1
P( ) = = = λ2 - 5 λ +6= (2 ) 1 3
1
0 2
P( ) 0 2 ou 3
1 3 est une valeur propre de A. Son ordre de multiplicité est 1.
2 2 est une valeur propre de A. Son ordre de multiplicité est aussi 1.
1 1 0 0
0 1 0 1
2/ A =
0 1 1 0
1 0 1 2
P( ) 1 2
3
4. Vecteurs propres :
Soit A une matrice carrée d’ordre n.
x1
x2
Un vecteur V de Rn peut s’écrire en colonne : V ;
x
n
x
Par exemple, dans le cas n=3 : V y
z
Définition
On dit que V est un vecteur propre associé à la valeur propre λ si :
1. V 0 Rn
2. A V V
5
6
Exemples :
3 1
1. A =
0 2
E3 ( x, y ) R 2 : y 0
E2 ( x, y) R 2 : x y 0
Quelque soit (x,y) appartient E :
(x,y)=(x,-x) = x.(1,-1) = λ1. (1,-1)
(x,y) est proportionnel à (1,-1). Les deux vecteurs sont liés. Dim E2=1
1
1
1. Si A est inversible alors A A. X A A . X I n . X X A b
1
6
7
2. Si A n’est pas inversible alors, si elle existe, la solution n’est pas unique. Il y a 2 cas
possibles :
1. Il n’y a pas de solutions
2. Il y a une Infinité de solution
λ est valeur propre de A P( ) det( A I n ) 0 A I n n' est pas inversible (cas 2)
5. Sous-espaces propres :
Définition :
Il y a une infinité de vecteurs propres associés à une valeur propre donnée λ. L’ensemble des
vecteurs propres (auquel on ajoute le vecteur 0Rn) forme un sous- espace de vecteurs qu’on
appelle sous-espace propre associé à la valeur propre λ, noté E λ .
Exemple 1:
Le sous espace propre associé à la valeur propre 2 dans l’exemple 1 est :
E2= {(x,y) R 2 / x+y=0}.
Exemple 2 :
Vecteurs propres associés à la valeur propre λ = 2
1 1 0 0 x x x y 2x
0 1 0 1 y y y t 2y
A. V 2 V 2.
0 1 1 0 z z y z 2z
1 0 1 2 t t x z 2t 2t
x y 2x y x
y t 2y t y
x y z t
y z 2 z z y
x z 2t 2t x z
7
8
1 1 0 0 x x x y 1x
0 1 0 1 y y y t 1 y
A. V 1 V 1.
0 1 1 0 z z y z 1z
1 0 1 2 t t x z 2t 1t
x y x y 0
y t y t 0
x z; y t 0
y z z y 0
x z 2t t x z
Le sous espace propre associé à la valeur propre 1 est :
Propriété1:
Deux vecteurs propres associés à deux valeurs propres différentes sont libres (non
proportionnels).
De même :
n vecteurs propres associés à n valeurs propres différentes sont libres.
u1 u2 u3 …un
λ1 λ2 λ3 …λn
Propriété2:
Si u1 et u2 deux vecteurs propres libres associés à une même valeur propres λ1 et u3 un vecteur
propre associé à une autre valeur propre λ2 alors les 3 vecteurs u1, u2 et u3 sont libres.
u1 u2 u3
λ1 λ3
De même :
Si u1 et u2 deux propres libres associés à une même valeur propres λ1 et u3, u4 deux vecteurs
propre libres associé à une autre valeur propre λ2 alors les 4 vecteurs u1, u2, u3 et u4 sont libres.
u1 u2 u3 u4
λ1 λ2
8
9
Propriété3:
La dimension d’un sous-espace propre est inférieure ou égal à l’ordre de multiplicité de la
valeur propre associé :
1 dim(E λi ) ≤ ni.
7. Diagonalisation
Matrices semblables :
Soient A et B deux matrices carrées d’ordre n.
On dit que A et B sont semblables s’il existe une matrice carrée inversible désignée par P telle
que : A P B P 1
On a l’équivalence :
A P B P 1 B P 1 A P
En effet :
A P B P 1 P 1 A P 1 P B P 1 P 1 P B P 1 I n B P 1
1 1 1 1
P A B P P A P B P P B In
B P 1 A P
Matrice diagonalisable :
Définition
A est diagonalisable si elle est semblable à une matrice diagonale D, c.a.d. il existe une matrice
inversible P telle que :
A P D P 1
En effet :
Supposons qu’il existe n vecteurs propres (Pi ) de A qui sont libres.
9
10
A P1 P2 Pn A P1 A P2 A Pn
1 0 0
0 2
P D P1 P2 Pn 1.P1 2 .P2 n .Pn
0
0 0
n
A P1 1.P1
A P .P
A P P D 2 2 2
A Pn n .Pn
Or A Pi i .Pi i=1,…,n
Donc A P P D (1)
1
Comme P est inversible on a : A P D P (multiplier (1) de part et d’autre par P-1)
Résumé :
A est diagonalisable ssi:
A P D P 1
D : matrice diagonale /sa diagonale est formée par les valeurs propres de A écrits sur la
diagonale de D, autant de fois que leur ordre de multiplicité.
Les vecteurs propres forment les colonnes de P et ils sont écrits dans le même ordre
d’apparition des valeurs propres sur la diagonale de D.
10
11
Théorème
Soit une matrice A d’ordre n.
Si A admet n valeurs propres réelles distinctes (différentes) alors A diagonalisable.
En effet :
1 ,..., n : les valeurs propres de A
Il existe au moins un vecteur propre Pi associé à une valeur propre i :
A P1 1 .P1
(2)
A P .P
n n n
On pose P P1 P2 Pn
(2) A P P D
Il suffit maintenant que P soit inversible pour pouvoir multiplier par P-1.
On sait que :n vecteurs propres associés à n valeurs propres distinctes sont libres (d’après les
propriétés des vecteurs propres)
Ce qui implique que le déterminant de P est différent de 0 et qu’elle est inversible et on peut
multiplier (1) par P-1: A P D P 1
Exemple :
3 1
A =
0 2
A admet deux valeurs propres distinctes qui sont 3 et 2 donc d’après la condition suffisante de
diagonalisation, elle est diagonalisable.
Construisons D et P :
3 0 0 1
D ; P=
0 2 1 1
P est inversible
A P1 3.P1
on a :
A P2 2.P2
A P P D A P D P 1
Exemple :
11
12
1 1 0 0
0 1 0 1
A =
0 1 1 0
1
0 1 2
Les valeurs propres de A ne sont pas distinctes, donc on ne sait pas si A est diagonalisable.
Il faut chercher les sous espaces propres.
1 1 00 x x x y 2x
0 1 01 y y y t 2y
A. V 2 V 2. .
0 1 10 z z y z 2z
1 0 2 t t x z 2t 2t
1
x y 2x y x
y t 2y t y
x y z t
y z 2z z y
x z 2t 2t x z
1 1 0 0 x x x y 1x
0 1 0 1 y y y t 1 y
A. V 1 V 1. .
0 1 1 0 z z y z 1z
1 0 1 2 t t x z 2t 1t
x y x y 0
y t y t 0
x z; y t 0
y z z y 0
x z 2t t x z
Un vecteur propre associé à 1 s’écrit : x, y, z, t x.1,0,1,0
Le sous espace propre associé à 1 est de dimension 1. Or la valeur propre 1 est de multiplicité 3,
donc d’après le théorème, A n’est pas diagonalisable :
12
13
A P1 1.P1
A P 1.P
2 2
A P3 1.P3
A P4 2.P4
1 1
1 1
On prend P4 : vecteur propre associé à 2 et on prend P1 : vecteur propre
1 0
1 0
associé à 1.
P2 , P3 : sont associés à la même valeur propre 1 et sont donc proportionnels à P1, donc le
déterminant de P va être nul et P ne sera pas inversible :
1 0 0 0 1 ? ? 1
0 1 0 0 0 ? ? 1
D P
0 0 1 0 1 1
0 2 0
0 0 1
P D2020 P-1 ,
32020 0
D 2020
0 2
2020
On doit calculer P-1 et multiplier D2020 à gauche par P et à droite par P-1
1 1 1 1 1 1
Det P= 1 Com(P)= tCom(P)= P-1=
1 0 1 0 1 0
2 2020 0
A 2020
2020
2020
3 2 2020
3
13