Pass Matu 2027 Tout MatuMath jusqu’à la matu : 89.– une seule fois Tout jusqu’à la matu : 89.– une fois Voir le Pass →

Fiches › Algèbre linéaire

Algèbre linéaire · niveau renforcé

Valeurs et vecteurs propres

Fiche de niveau renforcé · Algèbre linéaire · chapitre 4 · 3 notions : Cadre, Vecteur propre, Valeur propre

Définition

▾

Cadre

on travaille dans Rn\R^n (ou un espace vectoriel réel de dimension finie), avec une application linéaire L:V→VL:V\to V et/ou une matrice carrée A∈Rn×nA\in\R^{n\times n}.

Vecteur propre

un vecteur v≠0v\neq 0 est un vecteur propre de LL (ou de AA) s'il existe un réel λ\lambda tel que

L(v)=λv(ou Av=λv).L(v)=\lambda v \quad \text{(ou } Av=\lambda v\text{).}

Valeur propre

le réel λ\lambda est la valeur propre associée à vv.

Direction conservée

vv est vecteur propre   ⟺  \iff l'image garde la même direction (colinéarité) ; seule la longueur (et éventuellement le sens) change.

Espace propre

(sous-espace propre) associé à λ\lambda :

Vλ  =  {v∈V∣L(v)=λv}  =  Ker⁡(L−λId⁡)(et Vλ=Ker⁡(A−λI)).V_\lambda \;=\;\{v\in V \mid L(v)=\lambda v\}\;=\;\Ker(L-\lambda\Id) \quad \text{(et } V_\lambda=\Ker(A-\lambda I)\text{).}

Remarques clés

  • 00 n'est jamais un vecteur propre (condition v≠0v\neq 0 indispensable).
  • Si vv est vecteur propre, alors tout multiple non nul αv\alpha v (α≠0\alpha\neq 0) l'est aussi pour la même valeur propre.
  • Si uu et vv sont vecteurs propres de même valeur propre λ\lambda, alors (si u+v≠0u+v\neq 0) u+vu+v est aussi vecteur propre de valeur propre λ\lambda.

Renforcé

  • Spectre : l'ensemble des valeurs propres de AA.
  • Multiplicité algébrique : nombre de fois où λ\lambda est racine du polynôme caractéristique.
  • Multiplicité géométrique : dim⁡(Vλ)\dim(V_\lambda) (dimension de l'espace propre). Toujours   1≤dim⁡(Vλ)≤\;1\le \dim(V_\lambda)\le multiplicité algébrique (si λ\lambda est valeur propre).

Formules essentielles

▾

Équation aux vecteurs propres

Av=λv  ⟺  (A−λI)v=0.Av=\lambda v \;\Longleftrightarrow\; (A-\lambda I)v=0.

Condition d'existence

λ\lambda est valeur propre ⟺\Longleftrightarrow il existe v≠0v\neq 0 tel que (A−λI)v=0(A-\lambda I)v=0

⟺  Ker⁡(A−λI)≠{0}⟺  det⁡(A−λI)=0.\Longleftrightarrow\; \Ker(A-\lambda I)\neq\{0\} \Longleftrightarrow\; \det(A-\lambda I)=0.

Polynôme caractéristique

pA(λ)=det⁡(A−λI)p_A(\lambda)=\det(A-\lambda I)

(polynôme en λ\lambda de degré nn).
Les valeurs propres sont les racines de pA(λ)p_A(\lambda).

Pour 2×22\times 2

si A=(abcd)A=\begin{pmatrix}a&b\\c&d\end{pmatrix} alors

pA(λ)=λ2−(a+d)λ+(ad−bc)=λ2−tr(A)λ+det⁡(A).p_A(\lambda)=\lambda^2-(a+d)\lambda+(ad-bc)=\lambda^2-\mathrm{tr}(A)\lambda+\det(A).

Trace et déterminant (utile en 2×22\times 2)

λ1+λ2=tr(A),λ1λ2=det⁡(A).\lambda_1+\lambda_2=\mathrm{tr}(A),\qquad \lambda_1\lambda_2=\det(A).

Matrices diagonales/triangulaires

  • Si AA est triangulaire (supérieure ou inférieure), ses valeurs propres sont ses coefficients diagonaux (avec multiplicité).

Indépendance linéaire

des vecteurs propres associés à des valeurs propres distinctes sont linéairement indépendants.

Puissance

si Av=λvAv=\lambda v, alors pour tout k∈Nk\in\mathbb{N},

Akv=λkvA^k v=\lambda^k v

(même vecteur propre, valeur propre élevée à la puissance kk).

Diagonalisation

si AA admet nn vecteurs propres linéairement indépendants, alors

A=PDP−1,A=PDP^{-1},

où DD est diagonale (valeurs propres sur la diagonale) et les colonnes de PP sont des vecteurs propres.

Méthodes

▾

Pour trouver les valeurs propres de AA :

  • Calculer pA(λ)=det⁡(A−λI)p_A(\lambda)=\det(A-\lambda I).
  • Résoudre l'équation caractéristique pA(λ)=0p_A(\lambda)=0.
  • Les solutions λ\lambda sont les valeurs propres (réelles dans ce cours ; il peut arriver qu'il n'y en ait aucune).

Pour trouver les vecteurs propres associés à une valeur propre λ\lambda :

  • Former la matrice A−λIA-\lambda I.
  • Résoudre le système homogène (A−λI)v=0(A-\lambda I)v=0 (par échelonnement / réduction).
  • Écrire l'ensemble des solutions sous forme paramétrée, puis donner une base de Vλ=Ker⁡(A−λI)V_\lambda=\Ker(A-\lambda I).
  • Tout vecteur propre est un multiple non nul d'un vecteur de cette base.

Pour tester rapidement un candidat :

  • Tester si vv est vecteur propre : calculer AvAv et vérifier s'il existe λ\lambda tel que Av=λvAv=\lambda v (proportionnalité composante par composante, en faisant attention aux zéros).
  • Tester si λ\lambda est valeur propre : calculer det⁡(A−λI)\det(A-\lambda I) ; si c'est 00, alors oui (et on trouve ensuite v≠0v\neq 0).

Pour les transformations géométriques :

Identifier des directions évidentes (axe, plan, droite, direction de projection, etc.).

Vérifier l'effet de la transformation sur ces directions :

  • Symétrie : direction fixée ⇒λ=1\Rightarrow \lambda=1 ; direction renversée ⇒λ=−1\Rightarrow \lambda=-1.
  • Projection : direction projetée inchangée ⇒λ=1\Rightarrow \lambda=1 ; direction écrasée ⇒λ=0\Rightarrow \lambda=0.
  • Rotation dans le plan : (réelle) : sauf angles multiples de π\pi, pas de vecteurs propres réels (la direction tourne).

En déduire valeurs propres + espaces propres (droites/plans engendrés).

Diagonaliser :

  • Trouver toutes les valeurs propres.
  • Pour chaque λ\lambda, trouver une base de VλV_\lambda.
  • Vérifier si la somme des dimensions des espaces propres vaut nn.
  • Si oui : former PP avec nn vecteurs propres linéairement indépendants, et DD avec les valeurs propres correspondantes (même ordre que les colonnes de PP).

Interprétations et graphiques

▾

Lecture géométrique dans R2\R^2

  • Un vecteur propre donne une droite (direction) qui est invariante : l'image reste sur la même droite.
  • Si λ>1\lambda>1 : étirement ; si 0<λ<10<\lambda<1 : contraction ; si λ<0\lambda<0 : inversion de sens + changement d'échelle ; si λ=0\lambda=0 : écrasement sur 00 (possible pour une projection).

Interprétations classiques : — Symétrie orthogonale

  • Les vecteurs sur l'axe (ou dans le plan) de symétrie : λ=1\lambda=1.
  • Les vecteurs perpendiculaires à l'axe (ou au plan) : λ=−1\lambda=-1.

Projection orthogonale

sur une droite (ou un plan) :

  • Les vecteurs dans la droite/plan : λ=1\lambda=1.
  • Les vecteurs orthogonaux : λ=0\lambda=0.

Rotation dans le plan

  • Si l'angle n'est pas un multiple de π\pi, aucune direction réelle n'est conservée ⇒\Rightarrow pas de vecteur propre réel.
  • Si θ=π\theta=\pi (demi-tour) : tous les vecteurs non nuls sont propres, avec λ=−1\lambda=-1.
  • Si θ=2π\theta=2\pi (identité) : tous les vecteurs non nuls sont propres, avec λ=1\lambda=1.

Graphe (exemple de directions propres en R2\R^2)

deux droites (directions propres) typiques.

Figure : Valeurs et vecteurs propres (Algèbre linéaire, niveau renforcé)

Comment lire ce schéma

si vv est sur une direction propre, alors AvAv reste sur cette même droite ; il est simplement multiplié par λ\lambda (étiré/contracté/inversé).

Exemples-types

▾

Trouver valeurs propres et vecteurs propres (matrice 2×22\times 2).

Soit A=(3212)A=\begin{pmatrix}3&2\\1&2\end{pmatrix}.

Étape 1 : polynôme caractéristique.

pA(λ)=det⁡(A−λI)=det⁡(3−λ212−λ)=(3−λ)(2−λ)−2.p_A(\lambda)=\det(A-\lambda I)=\det\begin{pmatrix}3-\lambda&2\\1&2-\lambda\end{pmatrix} =(3-\lambda)(2-\lambda)-2.

Développons :
(3−λ)(2−λ)=6−3λ−2λ+λ2=λ2−5λ+6,(3-\lambda)(2-\lambda)=6-3\lambda-2\lambda+\lambda^2=\lambda^2-5\lambda+6,

donc
pA(λ)=λ2−5λ+6−2=λ2−5λ+4.p_A(\lambda)=\lambda^2-5\lambda+6-2=\lambda^2-5\lambda+4.

Étape 2 : valeurs propres.

λ2−5λ+4=0  ⟺  (λ−1)(λ−4)=0  ⟺  λ1=1, λ2=4.\lambda^2-5\lambda+4=0 \;\Longleftrightarrow\; (\lambda-1)(\lambda-4)=0 \;\Longleftrightarrow\; \lambda_1=1,\ \lambda_2=4.

Étape 3 : vecteurs propres.

  • Pour λ=1\lambda=1 :

A−I=(2211),(A−I)(xy)=0⟺{2x+2y=0x+y=0⟺x=−y.A-I=\begin{pmatrix}2&2\\1&1\end{pmatrix},\quad (A-I)\binom{x}{y}=0 \Longleftrightarrow \begin{cases} 2x+2y=0\\ x+y=0 \end{cases} \Longleftrightarrow x=-y.

On peut prendre v1=(1−1)v_1=\binom{1}{-1}. Ainsi V1=Vect⁡{(1,−1)}V_1=\Vect\{(1,-1)\}.

  • Pour λ=4\lambda=4 :

A−4I=(−121−2),(A−4I)(xy)=0⟺−x+2y=0⟺x=2y.A-4I=\begin{pmatrix}-1&2\\1&-2\end{pmatrix},\quad (A-4I)\binom{x}{y}=0 \Longleftrightarrow -x+2y=0 \Longleftrightarrow x=2y.

On peut prendre v2=(21)v_2=\binom{2}{1}. Ainsi V4=Vect⁡{(2,1)}V_4=\Vect\{(2,1)\}.

Tester si un nombre est valeur propre, puis trouver un vecteur propre.

Soit A=(3238)A=\begin{pmatrix}3&2\\3&8\end{pmatrix}. Tester λ=2\lambda=2.

  • Calcul de det⁡(A−2I)\det(A-2I) :

A−2I=(1236)⇒det⁡(A−2I)=1⋅6−2⋅3=6−6=0.A-2I=\begin{pmatrix}1&2\\3&6\end{pmatrix} \quad\Rightarrow\quad \det(A-2I)=1\cdot 6-2\cdot 3=6-6=0.

Donc λ=2\lambda=2 est bien une valeur propre.

  • Vecteur propre : résoudre (A−2I)v=0(A-2I)v=0 :

(1236)(xy)=0⟺{x+2y=03x+6y=0⟺x=−2y.\begin{pmatrix}1&2\\3&6\end{pmatrix}\binom{x}{y}=0 \Longleftrightarrow \begin{cases} x+2y=0\\ 3x+6y=0 \end{cases} \Longleftrightarrow x=-2y.

On peut prendre v=(−21)v=\binom{-2}{1} (ou tout multiple non nul).

Transformation géométrique : symétrie par rapport à l'axe OyOy dans R2\R^2.

La symétrie par rapport à OyOy envoie (x,y)(x,y) sur (−x,y)(-x,y), donc

A=(−1001).A=\begin{pmatrix}-1&0\\0&1\end{pmatrix}.

  • Si vv est sur l'axe OyOy : v=(0,y)v=(0,y), alors Av=vAv=v ⇒λ=1\Rightarrow \lambda=1 et V1=Vect⁡{(0,1)}V_1=\Vect\{(0,1)\}.
  • Si vv est sur l'axe OxOx : v=(x,0)v=(x,0), alors Av=−vAv=-v ⇒λ=−1\Rightarrow \lambda=-1 et V−1=Vect⁡{(1,0)}V_{-1}=\Vect\{(1,0)\}.

Transformation géométrique : projection orthogonale sur la droite y=xy=x.

La projection orthogonale sur la droite engendrée par u=(1,1)u=(1,1) envoie :

  • tout vecteur sur la droite y=xy=x sur lui-même (λ=1\lambda=1),
  • tout vecteur orthogonal à cette droite (direction (1,−1)(1,-1)) sur 00 (λ=0\lambda=0). Donc :

V1=Vect⁡{(1,1)},V0=Vect⁡{(1,−1)}.V_1=\Vect\{(1,1)\},\qquad V_0=\Vect\{(1,-1)\}.

( P=12(1111)P=\frac12\begin{pmatrix}1&1\\1&1\end{pmatrix} vérifie P(1,1)=(1,1)P(1,1)=(1,1) et P(1,−1)=(0,0)P(1,-1)=(0,0).)

Pièges et cas particuliers

▾

Oublier v≠0v\neq 0

le vecteur nul vérifie toujours Av=λvAv=\lambda v, mais n'est pas un vecteur propre.

Confondre

  • Valeur propre λ\lambda (un nombre) vs vecteur propre vv (un vecteur).
  • Espace propre VλV_\lambda (un sous-espace) vs un vecteur propre (un élément non nul de VλV_\lambda).

Erreurs sur A−λIA-\lambda I

bien soustraire λ\lambda uniquement sur la diagonale.

Signes dans le déterminant

en 2×22\times 2, det⁡(abcd)=ad−bc\det\begin{pmatrix}a&b\\c&d\end{pmatrix}=ad-bc.

Cas sans valeurs propres réelles

  • Certaines matrices 2×22\times 2 n'ont aucune valeur propre réelle (discriminant <0<0).
  • Typique : rotation dans le plan d'angle non multiple de π\pi.

Matrices triangulaires

les valeurs propres sont les diagonales oui, mais les vecteurs propres nécessitent quand même de résoudre (A−λI)v=0(A-\lambda I)v=0.

Valeur propre répétée

  • Même si λ\lambda est racine double (ou plus), il peut arriver que dim⁡(Vλ)\dim(V_\lambda) soit 11 (pas assez de vecteurs propres pour former une base).
  • Donc : valeurs propres ≠\neq automatiquement diagonalisation.

Vecteurs propres de valeurs propres distinctes

  • Ils sont linéairement indépendants : utile pour vérifier qu'on peut construire une base de vecteurs propres.

Projection

attention à la valeur propre 00 (écrasement). Un projecteur a typiquement des valeurs propres 00 et 11.

À retenir

▾

Je sais énoncer : v≠0v\neq 0 et Av=λvAv=\lambda v.

Je sais passer de Av=λvAv=\lambda v à (A−λI)v=0(A-\lambda I)v=0.

Je sais calculer pA(λ)=det⁡(A−λI)p_A(\lambda)=\det(A-\lambda I).

Je sais résoudre pA(λ)=0p_A(\lambda)=0 pour obtenir les valeurs propres.

Pour chaque λ\lambda, je sais trouver Vλ=Ker⁡(A−λI)V_\lambda=\Ker(A-\lambda I).

Je sais donner une base d'un espace propre (solutions paramétrées).

Je sais tester rapidement un candidat λ\lambda via det⁡(A−λI)\det(A-\lambda I).

Je sais interpréter λ=1\lambda=1, λ=−1\lambda=-1, λ=0\lambda=0 (symétrie/projection).

Je sais qu'une rotation du plan (angle ∉πZ\notin \pi\mathbb{Z}) n'a pas de vecteur propre réel.

Je sais : vecteurs propres de valeurs propres distinctes ⇒\Rightarrow indépendants.

Je sais le critère : nn vecteurs propres indépendants ⇒A=PDP−1\Rightarrow A=PDP^{-1}.

Étape suivante Flashcards : Algèbre linéaire Mémorise les définitions et formules de ce chapitre, carte par carte. →
Télécharger l'app · gratuit