Vous êtes sur la page 1sur 4

Valeurs propres et vecteurs propres.

Gnralits

Dnition 1 Soit A une matrice n n. On dit que est valeur propre de A si il existe un vecteur de Rn U non nul tel que AU = U . On dit alors que U est vecteur propre de A associ la valeur propre . Exemples : Pour tout vecteur U de Rn , In U = U , donc tout vecteur de Rn est vecteur propre de In associ la valeur propre 1. Si P est la projection orthogonale sur le sous-espace vectoriel E de Rn , on a pour tout U vecteur de E , P (U ) = 0 et pour tout U vecteur de E, P (U ) = U . Donc si A est la matrice qui reprsente P dans la base canonique, tous les vecteurs de E sont vecteurs propres de A associs la valeur propre 0, et tous les vecteurs de E sont vecteurs propres de A associs la valeur propre 1. Si D = Diag(D1 , . . . , Dn ) est une matrice diagonale, chaque vecteur canonique Ei est vecteur propre de D associ la valeur propre Di . Remarque : on peut parler de valeur propre et vecteur propre associe une application linaire. Alors si A reprsente lapplication linaire, ses valeurs propres et vecteurs propres associs sont les mmes pourvu dcrire les vecteurs dans les bases correspondant la reprsentation (dans Rn , les bases canoniques). Proposition 1 Si est valeur propre de A, lensemble E des vecteurs propres de A associs est un sous-espace vectoriel de Rn . E est appel lespace propre associ la valeur propre . Preuve : Soit valeur propre de A. Si U E , pour tout rel non nul , A(U ) = AU = U car U est vecteur propre de A associ la valeur propre , soit A(U ) = (U ) et U E . Si de plus V E , A(U + V ) = AU + AV = U + V = (U + V ) et U + V E .

Proposition 2 Les valeurs propres de A sont les solutions en de lquation det(A In ) = 0, et les vecteurs propres correspondants sont les lments du noyau de A In . 1

Preuve : Si est valeur propre, alors il existe un vecteur non nul U tel que (A In )U = 0, donc A In nest pas inversible. Rciproquement, si det(A In ) = 0, A In nest pas inversible et il existe un vecteur non nul U tel que (A In )U = 0. Si est valeur propre, lensemble des vecteurs propres associs sont tous les vecteurs U vriant (A In )U = 0, donc E = Ker(A In ). Remarque : 0 est valeur propre de A si et seulement si A nest pas inversible. Exemples : Soit A = 1 3 1 3 . AI2 = , det(AI2 ) = (1)(2)6 = 2 2 2 2 2 3 4. Lquation 2 3 4 = 0 a pour solutions = 1 et = 4. Les vecteurs propres associs la valeur propre 1 sont ceux qui vrient 3 x 2 3 . = 0, soit 2x 3y = 0, E1 est la droite engendre par 2 y 2 3 Les vecteurs propres associs la valeur propre 4 sont ceux qui vrient 1 x 3 3 . = 0, soit 3x 3y = 0, E4 est la droite engendre par 1 y 2 2 1 3 1 3 . A I2 = , det(A I2 ) = (1 )2 . Lquation Soit A = 0 1 0 1 (1 )2 = 0 a pour seule solution = 1. Les vecteurs propres associs la valeur propre 1 sont ceux qui vrient 0 3 x 1 . = 0, soit 3y = 0, E1 est la droite engendre par 0 0 0 y 1 3 1 2 , det(A I2 ) = (1 )(2 ) + 2 = . A I2 = Soit A = 2 2 1 2 2 3 + 4. Lquation 2 3 + 4 = 0 na pas de solution et A na pas de valeurs propres.

Diagonalisation.

Dnition 2 On dit que A est diagonalisable si elle possde n vecteurs propres U1 , . . . , Un linairement indendants. p Remarque : Si A possde n vecteurs propre U1 , . . . Un linairement indpendants associs aux valeurs propres 1 , . . . n , si A reprsente une application linaire f dans la base canonique, on a que pour i = 1, . . . , n, f (Ui ) = i Ui . Maintenant U = (U1 , . . . , Un ) est une base de Rn , et la matrice qui reprsente f dans la base U est Diag(1 , . . . , n ). Autrement dit, lintrt davoir une base de vecteurs propres est que par un changement de base on se ramne une matrice diagonale.

Exemples et contre-exemples : Dans les exemples prcdents, seul la premire matrice est diagonalisable. Proposition 3 (Essentiellement admise sauf laspect BON). Une matrice symtrique est diagonalisable dans une base orthonorme, cest dire quelle admet n vecteurs propres formant une base orthonorme de Rn . Preuve : Soit A une matrice symtrique. On admettra quelle possde une base de vecteurs propres. Si U et V sont des vecteurs propres de A associs des valeurs propres distinctes et , alors U T AV = U T V = (AT U )T V = (AU )T V = U T V , donc ( ) U, V = 0, donc U, V = 0. Donc des vecteurs propres de A associs des valeurs propres distinctes sont orthogonaux. On peut alors les normaliser. Si maintenant on regroupe tous les vecteurs propres linairement indpendants associs la mme valeur propre, ils forment une base de lespace des vecteurs propres associs, et on peut orthonormaliser cette base en restant dans lespace.

Exercices

Exercice 1 Trouver les lments propres (vecteurs propres et valeurs propres) des matrices suivantes. Sont-elles diagonalisables Si cest cas, dterminer une base de diagonalisation. ? le 2 1 1 2 1 1 0 1 A = 0 1 1 B = 1 2 1 C = 0 0 1 1 0 1 1 2 Exercice 2 Soit f lapplication de R2 dans R2 telle que : x 3y 3x y f (x, y) = ( , ) 2 2 2 2 1. Montrer que f est une application linaire. 2. Donner la matrice M qui reprsente f dans la base canonique. 3. Calculer M T .M 4. En dduire que pour tout vecteur X de R2 , 5. Calculer M 2 puis M 3 6. En dduire que si est valeur propre de f alors 3 = 1. 7. Montrer que 1 nest pas valeur propre de f Exercice 3 f (X)
2=

2.

1. Soit A la matrice A =

3 4 . Montrer que les valeurs propres de A sont 2 et 1 2 -1. Donner un vecteur propre U associ la valeur propre 2 et un vecteur propre V associ la valeur propre -1.

2. Montrer que lensemble des vecteurs X qui vrient AX = 2X est la droite engendre par U. 1 4 3. Soit B = . Montrer que AB = BA. 1 6 4. Montrer que A(BU ) = 2(BU ). En dduire que U est un vecteur propre de B. De mme, montrer que A(BV ) = (BV ), et en dduire que V est un vecteur propre de B.. Donner les valeurs propres de B associes U et V . Exercice 4

1 1 0 On considre la matrice A = 1 1 1. 0 1 1 1. A est-elle diagonalisable ? 2. Dterminer les valeurs propres et les espaces propres de A. 3. Dterminer une base B = (B1 , B2 , B3 ) orthonorme telle que chaque Bi est un vecteur propre de A. 4. Dterminer une matrice inversible M telle que la matrice D = M 1 AM soit diagonale. 7 2 5 Mmes questions avec la matrice B = 2 4 2. 5 2 7