Valeurs propres, vecteurs propres

Valeurs propres, vecteurs propres Diagonalisation

D enition. Soit la matrice carr ee A : n n et le syst` eme A x = x (1)

o` u est un param` etre. On appelle valeur propre de A une valeur de pour laquelle le syst` eme (1) admet des solutions non triviales x = 0. On appelle vecteurs propres associ es ` a la valeur propre ces solutions non triviales.
Alg` ebre Lin eaire - Th. M. Liebling, A. Prodon, ROSO-EPFL 1

Le syst` eme (1) s ecrit encore Ax = I x soit (A I ) x = 0 Il a donc des solutions non triviales si et seulement si det (A I ) = 0 (2)

A poss` ede donc au plus n valeurs propres distinctes. Lensemble des solutions du syst` eme (1) associ e` a une valeur propre n e sous-espace propre r eelle de A est un sous-espace de R appel e` a la valeur propre . de A associ Exemples. 1. Soit A= Polyn ome caract eristique : det (A I ) = 1 2 = 2 3 4 3 2
3

On appelle equation caract eristique l equation (2) et polyn ome caract eristique de A son membre de gauche det (A I ). ome de degr e n en . Le polyn ome caract eristique de A est un polyn Il poss` ede donc exactement n z eros r eels ou complexes, simples ou multiples.
Alg` ebre Lin eaire - Th. M. Liebling, A. Prodon, ROSO-EPFL 2

1 2 3 2

Alg` ebre Lin eaire - Th. M. Liebling, A. Prodon, ROSO-EPFL

L equation caract eristique 2 3 4 = 0 a deux racines 1 et 4. Valeurs propres : 1 = 1, 2 = 4

(a) pour 1 = 1 : 1 (1) 2 3 2 (1) 2x1 + 2x2 = 0 3x1 + 3x2 = 0 soit x1 x2 = 0 0 ,sR ,sR

x1 = s x2 = s 1 1

do` u les vecteurs propres sv1 avec v1 = (b) pour 2 = 4 : 1 (4) 2 3 2 (4) x1 x2

Vecteurs propres : ce sont les solutions non-triviales du syst` eme (A I ) x = 0

0 0
5

Alg` ebre Lin eaire - Th. M. Liebling, A. Prodon, ROSO-EPFL

Alg` ebre Lin eaire - Th. M. Liebling, A. Prodon, ROSO-EPFL

3x1 + 2x2 = 0 3x1 2x2 = 0

soit

x1 = 2 3t x2 = t 2 3

,tR ,tR
3 2 Av1 = -v1 1 w2 1 v1 2 3

do` u les vecteurs propres tv2 avec v2 = Interpr etation g eom etrique. Soit lapplication lin eaire F : R2 R2

A w2 = 4w2

x F(x) = Ax

Alg` ebre Lin eaire - Th. M. Liebling, A. Prodon, ROSO-EPFL

Alg` ebre Lin eaire - Th. M. Liebling, A. Prodon, ROSO-EPFL

2. Soit
C'

A= Polyn ome caract eristique :

1 1 0 1

3 A w2 = 4w2 A -1 3 2 Av1 = -v1 1 w2 1 v1 2 3 D' D -1 2

e' 1 e' 2

1 e2

C e1 1 B

B'

1 1 A' 2 3

det (A I ) =

1 1 = (1 )2 0 1

L equation caract eristique 2 2 + 1 = 0 a une racine double valant 1. Valeurs propres : A a une seule valeur propre : =1

Alg` ebre Lin eaire - Th. M. Liebling, A. Prodon, ROSO-EPFL

Alg` ebre Lin eaire - Th. M. Liebling, A. Prodon, ROSO-EPFL

Vecteurs propres : ce sont les solutions non-triviales du syst` eme (A I ) x = 0 pour = 1 : 1 (1) 1 0 1 (1) 0x1 + 1x2 = 0 0x1 + 0x2 = 0 soit x1 x2 = 0 0

e2

e' 2 e1 = e' 1 1

x1 = s ,sR x2 = 0 1 0 ,sR

3. Rotation dans le plan. Soit 1 A= 2 Polyn ome caract eristique : det (A I ) =

1 2

do` u les vecteurs propres sv avec v =

1 1 1 1
1 2

1 2

1 2

1 1 = ( )2 + 2 2
10

Alg` ebre Lin eaire - Th. M. Liebling, A. Prodon, ROSO-EPFL

Alg` ebre Lin eaire - Th. M. Liebling, A. Prodon, ROSO-EPFL

 L equation caract eristique 2 2 + 1 = 0 na pas de racines r eelles mais deux racines complexes conjugu ees. Valeurs propres : A a deux valeurs propres conjugu ees complexes : 1 = (1 i) 2 Vecteurs propres : Dans une rotation du plan, aucun vecteur (= 0) ne garde sa direction. . . 45
1 e2 e' 2 e1 1

Diagonalisation
D enition. La matrice A : n n est diagonalisable sil existe une matrice inversible P : n n et une matrice diagonale : n n telles que P 1AP = Interpr etation. La matrice A peut etre vue comme la matrice dune transformation lin eaire F : Rn Rn

e' 1
Alg` ebre Lin eaire - Th. M. Liebling, A. Prodon, ROSO-EPFL 11

x F(x) = Ax
12

Alg` ebre Lin eaire - Th. M. Liebling, A. Prodon, ROSO-EPFL

A est alors la matrice de la transformation par rapport ` a la base n canonique de R : [F(x)]BC = A [x]BC P peut etre interpr et ee comme une matrice de changement de base, de la base B vers la base BC : [y ]BC = P [y ]B y Rn Alors est la matrice de ta transformation par rapport ` a la base B. En eet
Alg` ebre Lin eaire - Th. M. Liebling, A. Prodon, ROSO-EPFL 13

[F(x)]B = P 1 [F(x)]BC = P 1A [x]BC = P 1AP [x]B = = [x]B Diagonaliser A revient ainsi ` a chercher une base B par rapport ` a laquelle la transformation F est d ecrite par une matrice diagonale. Th eor` eme. Une matrice A : n n est diagonalisable si et seulement si elle poss` ede n vecteurs propres lin eairement ind ependants. Pr. On a A diagonalisable P, P 1 et avec P 1AP = P et avec AP = P et P est inversible
Alg` ebre Lin eaire - Th. M. Liebling, A. Prodon, ROSO-EPFL 14

 P =

p1 . . . pn

Ap 1 . . . Ap n

et = =

1 0

0 ... n

Exemple Soit la matrice de lexemple 1 : A= 1 2 3 2

1 p1 . . . n pn

avec

et P est inversible n vecteurs propres, pi associ e ` a la valeur propre i, i = 1, . . . , n, et {p1, . . . , pn} est lin eairement ind ependant. 2

On a trouv e les valeurs propres 1 et 4 et les vecteurs propres correspondants : pour 1 = 1 : p1 = pour 2 = 4 : p2 = 2 3 1 1

{p1, p2} est lin eairement ind ependant et avec P =

Alg` ebre Lin eaire - Th. M. Liebling, A. Prodon, ROSO-EPFL 15 Alg` ebre Lin eaire - Th. M. Liebling, A. Prodon, ROSO-EPFL

p1 p2

on
16

obtient P = 1 P 1 = 5 P 1AP = = 1 5 1 5 3 2 1 1 3 2 1 1

1 2 1 3

Th eor` eme. Les vecteurs propres correspondant ` a des valeurs propres distinctes sont lin eairement ind ependants. Pr. Par labsurde : Soit 1 < 2 < . . . < k une collection minimale de valeurs propres distinctes de A conduisant ` a un ensemble de vecteurs propres {x1, x2, . . . , xk } lin eairement d ependant. Alors il existe des constantes c1, c2, . . . , ck , toutes = 0, avec = et ainsi c1Ax1 + c2Ax2 + . . . + ck Axk = A0 = 0 c11x1 + c22x2 + . . . + ck k xk = 0 mais dautre part, en multipliant la premi` ere equation par 1 on c1x1 + c2x2 + . . . + ck xk = 0

3 2 1 1 1 2 3 2 1 8 1 12 1 2 1 3 =

1 0 0 4

Alg` ebre Lin eaire - Th. M. Liebling, A. Prodon, ROSO-EPFL

17

Alg` ebre Lin eaire - Th. M. Liebling, A. Prodon, ROSO-EPFL

18

obtient aussi c11x1 + c21x2 + . . . + ck 1xk = 0 et en soustrayant cette equation de la pr ec edente c2(2 1)x2 + . . . + ck (k 1)xk = 0 Ainsi lensemble {x2, . . . , xk }est lin eairement d ependant, en contradiction avec la minimalit e de la collection. 2 Remarque. Le th eor` eme pr ec edent fournit une condition susante pour la diagonalisabilit e dune matrice. Mais cette condition nest pas n ecessaire !
Alg` ebre Lin eaire - Th. M. Liebling, A. Prodon, ROSO-EPFL 19

Diagonalisation orthogonale
D enition. La matrice P : n n est dite orthogonale si ses colonnes forment une base orthonorm ee de Rn muni du produit scalaire euclidien. On a ainsi PTP = I Propri et es. Il d ecoule de la d enition que P 1 = P T det(P ) = 1
Alg` ebre Lin eaire - Th. M. Liebling, A. Prodon, ROSO-EPFL 20

Selon la valeur de det(P ) on a det(P ) = +1 : P est la matrice dune rotation. det(P ) = 1 : P est la matrice dune rotation suivie dune sym etrie. D enition. La matrice A : n n est dite orthogonalement diagonalisable sil existe une matrice P orthogonale qui la diagonalise, cest-` a-dire sil existe P telle que P T AP = avec P P = I et matrice diagonale.
T

Th eor` eme. Pour toute matrice A : nn les armations suivantes sont equivalentes : 1. A est orthogonalement diagonalisable. 2. A est sym etrique. Pr. 1. 2. On a A = P P T . Alors AT = P P T
T

= PT

T P T = P P T = A

2. 1. On ne d emontrera ici limplication que pour le cas particuede n valeurs propres distinctes. Elle est cependant lier o` u A poss` valable pour toute matrice sym etrique. On utilise les deux lemmes suivants :
21 Alg` ebre Lin eaire - Th. M. Liebling, A. Prodon, ROSO-EPFL 22

Alg` ebre Lin eaire - Th. M. Liebling, A. Prodon, ROSO-EPFL

Lemme 1. Soit la matrice sym etrique A : nn. Alors les valeurs eelles. propres de A sont toutes r Pr. L equation caract eristique det(A I ) = 0 a tous ses coecients r eels. Ses racines sont donc soit r eelles, soit elles apparaissent par paires conjugu ees-complexes. On montre que ce dernier cas nest pas possible : Soit et une telle paire et x et x la paire de vecteurs propres conjugu es-complexes associ es. On a Ax = x et Ax = x. Prenant la transpos ee de la deuxi` eme equation on obtient T T T Ax = x A = x . Multipliant la premi` ere equation par x on obtient x Ax = x x. T T T Combinant ces deux r esultats, il vient x Ax = x x = x x.
Alg` ebre Lin eaire - Th. M. Liebling, A. Prodon, ROSO-EPFL 23

Lemme 2. Soit la matrice sym etrique A : n n, 1 et 2 deux valeurs propres distinctes de A, p1 et p2 des vecteurs propres associ es ` a 1 et 2 respectivement. Alors p1 et p2 sont orthogonaux, cest-` a-dire pT 1 p2 = 0. Pr. On a Ap1 = 1p1 et Ap2 = 2p2. Utilisant les m emes manipulations que pr ec edemment, il vient T T T p2 Ap1 = p2 (Ap1) = pT 2 1p1 = 1p2 p1 dune part, et dautre part T T pT u 2 Ap1 = (p2 A)p1 = 2p2 p1. Do` T T (2 1) p2 p1 = 0 et donc p2 p1 = 0 puisque 1 = 2 2
Alg` ebre Lin eaire - Th. M. Liebling, A. Prodon, ROSO-EPFL 24

Do` u x x = 0 et donc = car x x = |x|2 = 0. 2

(Fin de la preuve du th eor` eme) Soit A sym etrique aux valeurs propres 1 < . . . < n et p1, . . . , pn des vecteurs propres correspondants, quon supposera norm es ( p1 = . . . = pn = 1). Alors, par le lemme 2, 1 : i=j pT i pj = 0 : i=j Posant P = p1 . . . pn , on a ainsi P P = I . Dautre part, Api = ipi i = 1, . . . , n, ce qui s ecrit aussi AP = P , soit P T AP = P T P =
T

Exemple.

2 1 0 A=1 1 1 0 1 2 Polyn ome caract eristique :

Valeurs propres : 0, 3. 2 et Vecteurs propres : deux)

2 1 0 = 3 + 52 6 |A I | = 1 1 1 0 1 2
1 1 1 2 , 0 et 1 1 1 1

(orthogonaux deux ` a

2
Alg` ebre Lin eaire - Th. M. Liebling, A. Prodon, ROSO-EPFL 25

Alg` ebre Lin eaire - Th. M. Liebling, A. Prodon, ROSO-EPFL

26

 0 0 0 On v erie que P T P = I et que, avec = 0 2 0 , 0 0 3

On norme les vecteurs propres pour former 1 1 1 2 3 6 2 1 0 P = 3 6

1 6 1 2 1 3

la matrice P

P AP =
T

0 0 0 = 0 2 0= 0 0 3
27 Alg` ebre Lin eaire - Th. M. Liebling, A. Prodon, ROSO-EPFL

1 6 1 2 1 3 1 6 12 1 3

2 6 0 1 3 2 6

1 3

1 6 1 2 1 3 1 6 1 2 1 3

2 1 0 0 0 0

1 0 1 1 1 2 2 3 0 3 = 2 3

1 6 2 6 1 6

1 2 0 1 2

1 3 1 3 1 3

Alg` ebre Lin eaire - Th. M. Liebling, A. Prodon, ROSO-EPFL

28

Applications de la diagonalisation
Lemme. Soit A : n n diagonalisable avec les matrices P et , cest-` a-dire = P 1AP . Alors, pour tout entier k 1 on a A = P P
k k 1

Equations aux di erences lin eaires et homog` enes Etant donn e une matrice de coecients A : n n et un vecteur n c R de conditions initiales, on consid` ere le syst` eme homog` ene d equations aux di erences xt = Axt1 , t = 1, 2, . . .

x0 = c
1

Pr. Par induction sur k : vrai pour k = 1 car = P AP s ecrit aussi A = P P . si lhypoth` ese est vraie pour k 1, elle lest aussi pour k car k k 1 A = A A = P k1P 1 P P 1 = P k P 1. 2
Alg` ebre Lin eaire - Th. M. Liebling, A. Prodon, ROSO-EPFL 29

Ce syst` eme a comme solution unique xt = Atc , t = 1, 2, . . .

Alg` ebre Lin eaire - Th. M. Liebling, A. Prodon, ROSO-EPFL

30

Si A est diagonalisable, cette solution s ecrit xt = P tP 1c , t = 1, 2, . . . Le comportement asymptotique de cette solution d epend des valeurs propres de A quon retrouve dans la matrice . D enition. La solution du syst` eme homog` ene d equations aux diff erences est asymptotiquement stable si
t

Th eor` eme. La solution du syst` eme homog` ene d equations aux diff erences est asymptotiquement stable si et seulement si toutes les eelles ou complexes) ont module inf erieur ` a valeurs propres de A (r 1. e de son module est (Pour un nombre complexe z = + i le carr 2 2 2 |z | = zz = + )

lim (xt) = 0

quelles que soient les conditions initiales x0 = c.

Alg` ebre Lin eaire - Th. M. Liebling, A. Prodon, ROSO-EPFL

31

Alg` ebre Lin eaire - Th. M. Liebling, A. Prodon, ROSO-EPFL

32