Valeurs propres, vecteurs propres et diagonalisation
Définition et signification géométrique, le polynôme caractéristique, diagonalisation et multiplicités, usages pour les puissances de matrices, les systèmes dynamiques, les circuits et Fibonacci.
https://www.electronics-engineering.com/fr/valeurs-propres-vecteurs-propres-diagonalisation/
Une matrice transforme les vecteurs en les faisant tourner et en les étirant, mais pour presque toute matrice il existe des directions particulières qui ne sont pas tournées : les vecteurs situés sur ces directions sont simplement multipliés par un nombre. Ce sont les vecteurs propres, et le nombre est la valeur propre. Les trouver revient à choisir le repère dans lequel la transformation devient aussi simple que possible. Cette idée sous-tend la mécanique des vibrations, la stabilité des systèmes de commande, la compression de données et même l’algorithme PageRank de Google.
Définition
Soit
une matrice
. Un vecteur
non nul est un vecteur propre de
de valeur propre
si
![]()

transforme le cercle en ellipse. Le vecteur
selon la diagonale est simplement étiré d’un facteur 3,
reste identique (valeur propre 1) ; un vecteur quelconque
change de direction. Les vecteurs propres sont les axes de l’ellipse.Les vecteurs propres associés à un même
, avec le vecteur nul, forment un sous-espace, l’espace propre
.
Comment les trouver : le polynôme caractéristique
peut se réécrire
. Ce système homogène a une solution non nulle si et seulement si la matrice n’est pas inversible, c’est-à-dire
![]()
est un polynôme de degré
, le polynôme caractéristique. Ses racines sont les valeurs propres ; pour chacune, on trouve les vecteurs propres en résolvant
.
Exemple. Pour la matrice de la figure :
![]()
:
donne
, vecteurs propres
.
:
donne
, vecteurs propres
.
Deux vérifications utiles : la somme des valeurs propres est la trace (la somme de la diagonale, ici
) et leur produit est le déterminant (
).
Matrices sans valeurs propres réelles. La rotation de 90°,
, a pour polynôme caractéristique
: aucune direction du plan ne reste fixe par une rotation, et les valeurs propres sont complexes,
. C’est pourquoi de nombreux cours travaillent sur les nombres complexes, où tout polynôme a des racines.
Diagonalisation
est diagonalisable s’il existe une base de
formée de vecteurs propres. Dans cette base, la matrice devient diagonale, avec les valeurs propres sur la diagonale :
![Rendered by QuickLaTeX.com \[ P^{-1}AP = D = \begin{pmatrix} \lambda_1 & & \\ & \ddots & \\ & & \lambda_n \end{pmatrix} \]](https://www.electronics-engineering.com/wp-content/ql-cache/quicklatex.com-225833d136967d317393c0e9952634c0_l3.png)
où
a les vecteurs propres pour colonnes. En effet
a pour colonnes
, c’est-à-dire
.
Quand elle est diagonalisable
Les vecteurs propres de valeurs propres distinctes sont indépendants. On le démontre pour deux : si
, en appliquant
on obtient
; en retranchant
fois la première,
, donc
(puisque
et
), puis
. Pour
vecteurs propres, le même raisonnement fonctionne par récurrence.
Il s’ensuit que si
a
valeurs propres réelles distinctes, elle est diagonalisable. Avec des valeurs propres répétées, il faut vérifier : pour chaque valeur propre, la multiplicité géométrique (dimension de l’espace propre) doit être égale à la multiplicité algébrique (le nombre de fois où elle est racine du polynôme). Le contre-exemple classique est
: valeur propre 1 deux fois, mais un seul vecteur propre
à un multiple près. Elle n’est pas diagonalisable.
À quoi cela sert
Puissances de matrices. Si
, alors
, et
se calcule en élevant à la puissance les coefficients de la diagonale. Pour la matrice de la figure,
n’a besoin que de
et
.
Systèmes dynamiques discrets. Dans
, la composante selon le vecteur propre
est multipliée par
à chaque pas. Si toutes les valeurs propres sont de module inférieur à 1, le système tend vers zéro (il est stable) ; si l’une est de module supérieur à 1, il diverge. Les filtres numériques IIR et les régulateurs numériques sont conçus précisément en regardant où se trouvent les valeurs propres.
Équations différentielles. Le système
, qui décrit par exemple un circuit RLC ou deux masses reliées par des ressorts, se décompose dans la base des vecteurs propres en
équations indépendantes
, de solutions
. Les valeurs propres sont les « modes » du système : pour un circuit, ce sont les pôles, et leur partie réelle dit si le circuit est stable.
Fibonacci. La suite
peut s’écrire avec la matrice
, dont les valeurs propres sont
et
. La diagonalisation donne la formule de Binet,
, et montre pourquoi le rapport de deux termes consécutifs tend vers le nombre d’or.






Benvenuti nella pagina su «Autovalori, autovettori e diagonalizzazione». L'ho scritta pensando a chi studia ingegneria elettronica: se un passaggio non vi torna, un esercizio vi dà un risultato diverso o volete altro materiale sull'argomento, chiedete pure nei commenti e vi risponderò. Un voto con le stelle qui sopra mi aiuta a capire quali pagine migliorare.Welcome to the page on “Eigenvalues, eigenvectors and diagonalisation”. I wrote it for engineering students: if a step does not add up, an exercise gives you a different result or you would like more material on the topic, just ask in the comments and I will reply. A star rating above helps me understand which pages to improve.