Tutoriel PanaMaths Calcul matriciel sous Xcas
Un vecteur sous Xcas peut-être indifféremment vu comme une matrice ligne ou colonne Les valeurs propres et vecteurs propres associés sont respectivement ...
Xcas au lycée
coefficients du polynôme minimal companion matrice compagnon d'un polynôme unitaire eigenvals valeurs propres eigenvects vecteurs propres.
Démarrer en Xcas
nous limiterons à la syntaxe propre à Xcas. On dit qu'une variable est formelle si elle ne contient aucune valeur : toutes les variables sont.
1 Premiers pas avec Xcas
TP5 : polynome minimal et recherche des espaces propres une valeur approchée en un rationnel exact par exact Les calculs sont effectués en.
Démarrer en calcul formel
Xcas est un logiciel libre de calcul formel. propre à Xcas. ... La matrice A de l'exemple qui suit a pour valeurs propres doubles.
Calcul formel et Mathématiques avec Xcas
8 avr. 2015 1.7.5 Choix du mode de langage Xcas ou Maple ou MuPad ou ... 6.49.1 Valeurs propres : eigenvals eigenvalues . . . . . 513.
Présentation de logiciel XCAS
j'ai donné des valeurs à a et b ensuite résoudre l'équation de deuxième degrée Calculer les valeurs propres la vecteurs propres et même chose avec la.
Aide-mémoire TI-Nspire CAS
valeur approchée de la solution. Dans le cas de La matrice et le vecteur ... valeurs approchées des valeurs propres. eigVl([12;2
Démarrer en Xcas
8 nov. 2011 Xcas est un logiciel libre de calcul formel développé à l'Université Joseph ... La matrice A de l'exemple qui suit a pour valeurs propres.
Linterface Xcas de giac
Chaque session a une ligne de boutons qui lui est propre : zontale située sous la réponse qui permet de lire la valeur exacte de 100 !.
Chapitre 7 Valeurs propres et vecteurs propres - EPFL
valeur propre [eigenvalue] de A s’il existe un vecteur x? Kn x 6= 0 tel que Ax =?x Le vecteur x s’appelle un vecteur propre [eigenvector]de A associe´ a la valeur propre` ? D´e?nition 7 2 Soit V un K-espace vectoriel et F ? L(VV) Un scalaire ? ? K s’appelle une valeur propre de F s’il existe un vecteur v ?V v 6= 0
Valeurs propres vecteurs propres - e Math
valeur propre trouver un vecteur propre associé 3 Quelles sont les valeurs propres et les vecteurs propres de la matrice identité In? Et de la matrice nulle 0n? 4 Montrer qu’une matrice A 2Mn(K) a au plus n valeurs propres distinctes (utiliser un résultat du cours) 5 Soit A= •5 7 7 0 5 0 0 7 2 ? Montrer que les vecteurs X1
Valeurs propres - univ-rennes1fr
à la deuxième égalité on obtient : (A I)2Y = (A I)X= 0 puisque Xest vecteur propre Ainsi Y 2ker(A I)2 = ker(A I) puisque Aest diagonalisable et ker(A I) = Vect(X) puisque est valeurpropresimple Doncilexiste 2C telqueY = X LapremièreéquationX?Y = 0 indiquealors que 2kXk
Chapitre 7 : Polynome caract´eristique valeurs propres
? est valeur propre de la matrice A de vecteur propre X si et seulement si AX = ?X Les r´esultats suivantes donnent une m´ethode pour d´eterminer les valeurs propres d’un endomorphisme ou d’une matrice en utilisant le polynome caract´eristique
Démarrer en calcul formel
propre à Xcas Ce cours d’introduction est destiné à faciliter la prise en main de Xcaspar un utilisateur connaissant un peu de mathématiques (niveau terminale S première année d’université scienti?que) et ayant une pratique minimale de l’outil informatique Il est hors de question d’illustrer ici toutes les possibilités de
1 Premiers pas avec Xcas
Pour traiter les exemples il est conseillé d’ouvrir Xcas : – Sous Windows en installation locale on clique sur l’icone xcasfrdu bureau – Sous Linux avec Gnome on clique sur Xcas du menu Education Sinon ouvrir un terminal et taper xcas & – sur Mac cliquez sur Xcas dans le menu Applications du Finder
Searches related to valeur propre xcas PDF
6 Si est une valeur propre de A les vecteurs propres pour la valeur propre sont les solutions non nulles du systeme lin` eaire homog´ ene` (A I)X = 0 On sait que A possede des valeurs propres et qu’en r` esolvant ce syst´ eme par la m` ethode du pivot´ on pourra trouver des vecteurs propres pour faire les colonnes de P
D´emonstration.On montre que
Eλcontient le vecteur 0;
Siu1,u2?Eλ, alorsu1+u2?Eλ; et
Siu?Eλ, et sia?K, alorsau?Eλ.
Par d´efinition,Eλcontient 0. Siu1etu2?Eλ, alorsf(u1+u2) =f(u1) +f(u2) =λu1+λu2= λ(u1+u2). Doncu1+u2?Eλ. En plus, siu?Eλeta?K, alorsf(au) =af(u) =a(λu) =λ(au).Doncau?Eλ.
On a donc montr´e queEλest un sous-espace vectoriel. En plus, par d´efinition, commeλest une valeur
propre def, il existe un vecteur propre de valeur propreλ. Autrement dit,Eλcontient un ´el´ement
non nul. Ceci implique quedim(Eλ)≥1. D´efinition.Eλestl"espace proprede valeur propreλ.Remarque.Siλ,μsont deux valeurs propres defqui sont distinctes, alorsEλ∩Eμ={0}. Autrement
dit,Eλ+Eμ=Eλ?Eμ. D´efinition.Spec(f) ={λ?K|λ est une valeur propre de f}. (Spec(f) = lespectre def). On va d´efinir maintenant les valeurs propres et vecteurs propresdes matrices. SoitBune base deE, etA=Mat(f;B). On dit queλest valeur propre deA siλest valeur propre def. Soitu?E, etX=Mat(u;B). On dit queXest vecteur propre de valeur propreλdeAsiu est vecteur propre de valeur propreλdef.Remarque.Autrement dit,
λest valeur propre de la matriceAde vecteur propreXsi et seulement siAX=λX.Les r´esultats suivantes donnent une m´ethode pour d´eterminer les valeurs propres d"un endomorphisme
ou d"une matrice, en utilisant lepolynˆome caract´eristique. Proposition 2.SoitEunK-espace vectoriel de dimensionnde baseB. Soitf:E→Eun endormor- phisme etA=Mat(f;B). Alorsλest valeur propre def(et deA) si et seulement sidet(f-λid) = 0. Cette condition est ´equivalente `adet(A-λIn) = 0. 20 D´emonstration :Commefest un endomorphisme deE, siλ?K, alorsf-λidest aussi un endomorphisme deE. En plusMat((f-λid);B) =A-λIn.Commef-λidest un endomorphisme, d"un espace vectoriel de dimension finie, les conditions suivantes
sont ´equivalentes :f-λidest un automorphisme;
f-λidest injectif;
ker(f-λid) = 0;
det(f-λid)?= 0;
det(A-λIn)?= 0.
Soitλune valeur propre defavec valeur propreu. Alorsf(u) =λu, ou bien (f-λid)(u) = 0. Ceci implique queu?ker(f-λid). En particulier,Eλ= ker(f-λid), et doncf-λidn"est pas injectif.Par l"´equivalence des conditions au dessus, on a : siλest valeur propre, alors det(f-λid) = 0. On a
aussi la r´eciproque : si det(f-λid) = 0, alors il existeu?Edans le noyau. Ce vecteur est vecteur
propre defde valeur propreλ.D´efinition.(Polynˆome caract´eristique d"une matrice) SoitAune matrice carr´een×navec
coefficients dans un corpsK.Le polynˆome caract´eristique deAest le polynˆome deK[X] donn´e par
det(A-XIn). Notation : Le polynˆome caract´eristique deAest appel´eχA.Proposition 3.SoientAetBdeux matrices qui sont semblables. Alors les polynˆomes caract´eristiques
AetχBsont identiques.
D´emonstration.SiAetBsont semblables, il existe une matrice inversiblePtel queB=P-1AP. On a aussiB-XIn=P-1(A-XIn)P. Comme le d´eterminant d"un produit est le produit des d´eterminants, on aB= det(P-1(A-XIn)P)
= det(P)-1det(A-XIn)det(P) = det(P)-1det(P)det(A-XIn) = det(A-XIn) =χA. Remarque.Rappelons que deux matricesAetBsont semblables si elles repr´esentent le mˆeme en-dormorphisme, par rapport `a deux bases diff´erentes. Autrement dit, soitfest un endomorphisme d"un
espace vectorielE, et soientBetB?deux bases deE. AlorsA=Mat(f;B) etMat(f;B?) sont sem-blables. Par la proposition 3, elles ont la mˆeme polynˆome caract´eristique. Le polynˆome caract´eristique
d´epende uniquement def, pas de la base. Cette remarque justifie la d´efinition suivante. D´efinition.(Polynˆome caract´eristique d"une matrice) Sif:E→Eest un endomorphisme,le polynˆome caract´eristiqueχfdefest le polynˆome caract´eristique d"une matriceMat(f;B) pour
une baseBdeE. Autrement dit,χf= det(f-Xid).Proposition 4.SoitAune matrice carr´ee. Alorsλest valeur propre deAsi et seulement siχA(λ) =
0. En particulier, deux matrices semblables ont les mˆemes spectres.
D´emonstration :Ceci est une cons´equence du fait que le determinant deA-XInest exactement lepolynˆome caract´eristique. Plus pr´ecis´ement,λest racine duχAsi et seulement si det(A-λIn) = 0.
Par la proposition 2,χA(λ) = 0 si et seulement siλest valeur propre deA. On peut alors trouver les valeurs propres deA(et def).On a aussi vu que, pour chaque valeur propreλ, le sous-espace propre de valeur propreλest le noyau
ker(λid-f). On peut trouver alors tous les espaces propres def.J"´enonce maintenant un th´eor`eme tr`es utile pour ´etudier des matrices et leurs valeurs propres. Les
cons´equences et la d´emonstration de ce r´esultat vont ˆetre trait´es en profondeur l"ann´ee prochaine, en
21L2. Pour cette ann´ee, dans les exercices, on va simplement remarquer la validit´e de ce th´eor`eme pour
certains cas. Th´eor`eme. Cayley-Hamilton(sans d´emonstration)SoitAune matrice carr´ee. AlorsA(A) = 0.
(Autrement dit, si on remplace la variableXdu polynˆome caract´eristique par la matrice, on trouve
la matrice 0.) Pour le reste de ce chapitre, on montrera comment trouver des valeurs propres, vecteurs propres, et, en plus, on ´etudiera la notion dediagonalisabilit´ed"une matrice. Notation :SiDest une matrice diagonale de taillenavec termesdisur le diagonal, on noteD= diag(d1,...,dn), i.e., diag(d1,...,dn) =((((((d10···0
0d20. . 0...00···0dn))))))
Exemple 1.SoitD?Mn(R) une matrice diagonaleD=diag(d1,...,dn). AlorsχD=?ni=1(di- X). Les racines de ce polynˆome sont exactement{d1,...,dn}. Donc le spectre deDest l"ensemble {d1,...,dn}. Soitf:Rn→Rnl"application lin´eaire telle queMat(f;C) =D, o`uCest la base canonique deRn.(I.e.,f(v) =D·v.) Chaque ´el´ementeide la baseC. deRnest un vecteur propre de valeur propredi.
deR2, etAθ=Mat(fθ;C) est de la forme : Aθ=?cosθ-sinθ
sinθcosθ?On trouveχfθ=χAθ=X2-2cosθ+1?R[X]. Siθ= 0, alorsf0=id, et l"unique valeur propre est
1, avecE1=R2. Siθ=π, alors l"unique valeur propre est-1, etE-1=R2. Siθn"est pas un multiple
deπ, alorsfθ(etAθ) n"a pas de valeurs propres r´eelles. (Ceci correspond au fait queune rotation
ne preserve pas une direction. Sifθavait un vecteur propreu, la droite engendr´e parudevrait ˆetre
stable parfθ. Commefθest une rotation, il ne preserve pas une droite quandθn"est pas un multiple
deπ.)Exemple 3.SoitA=?1 21 0?
, etf:R2→R2donn´e parf(v) =Av. AlorsχA(X) = (X2-X-2) = (X-2)(X+1). Le spectre deAest{2,-1}. On sait que dim(E2)≥1, et dim(E-1)≥1. En particulier, dim(E2?E-1)≥2. MaisE2?E-1?R2. Donc l"unique possibilit´e est : dim(E2) = 1 et dim(E-1= 1. On va trouver maintenant les espaces propresE2estE-1. Le vecteurv=?x y? ?E2si et seulement si :A?x y? = 2?x y? . Donc on se ram`ene `a la r´esolution d"un syst`eme lin´eaire homog`ene. On trouve : ?x y? ?E2si et seulement six= 2y. Donc une base deE2est donn´e par (?21? 22On trouvera maintenant une base deE-1. Le vecteurv=?x y? ?E-1si et seulement si :A?x y? ?x y? . On trouve :?x y? ?E-1si et seulement six=-y. Donc une base deE-1est donn´e par ?1 -1?
Exemple 4.SoitA=?1 10 1?
, etf:R2→R2donn´e parf(v) =Av. AlorsχA(X) = (X-1)2. Le spectre deAest{1}. On trouve une base deE1: (?10? ), et donc dim(E1) = 1. D´efinition.SoitEunK-espace vectoriel, etfun endomorphisme deE. On dit quefestdiagonali- sables"il existe une baseBdeEtelle queMat(f;B) soit une matrice diagonale. On dit qu"une matrice A?Mn(K) estdiagonalisablesi elle est la matrice d"un endomorphisme diagonalisable (par rapport `a une base quelconque). Autrement dit, Aest diagonalisable si et seulement siAest semblable `a une matrice diagonale. Th´eor`eme.Soitf:E→Eo`un= dim(E)de baseB, et soitfun endomorphisme avecA= Mat(f,B). Alorsf(ouA) est diagonalisable si et seulement si les deux conditions suivantes sont v´erifi´ees :Le polynˆome caract´eristiqueχfpeut s"ecrire de la forme?ni=1(λi-X)avecλi?Kpour tous
k; ET La somme directe des espaces propres est ´egale `aE. D´emonstration :SiAest diagonalisable, il existeP?Mn(K) qui est inversible, tel queP-1AP=Dest diagonale. On aD?Mn(K). DoncDest de la formediag(λ1,...,λn) etλ1,...,λn?K. La matrice
Da le mˆeme polynˆome caract´eristique queA,χA=χD=?ni=1(λi-X). On a donc la premi`ere
propri´et´e. En plus, commeAest semblable `aD, il existe une baseB?deEtel queMat(f;B?) =D. Donc par l"exemple 1, il existe une base deEform´ee de vecteurs propres def, et donc la somme directe des espaces propres estE. La d´emonstration de la r´eciproque est laiss´ee en exercice. Remarque.Le th´eor`eme implique quef:E→Eest diagonalisable si et seulement s"il existe une base deEform´ee de vecteurs propres def.Diagonalisation d"une matrice
SiAest une matrice carr´ee diagonalisable, alors on donnera une m´ethode pour d´eterminer une matrice
de passageP, telle queP-1APsoit diagonale. (Une telle matrice de passage n"est pas unique!.) Soitf:Kn→Knl"endomorphismef(v) =Av. SoitCla base canonique deKn. (I.e.,A=Mat(f;C).) Etape 1 : Trouver les valeurs propres (c-`a-d. le spectre deA). Etape 2 : Trouver une base de chaque espace propre. CommeAest diagonalisable, la r´eunion de ces bases est une base def, qu"on appelleB?. 23Etape 3 : SoitPla matrice de passage entre les baseCetB?:P=PB?
C. AlorsP-1AP=Dest une
matrice diagonale.Consid´erons les exemples pr´ec´edents :
Exemple 1.Une matrice diagonale est diagonalisable.Aest d´ej`a diagonale, donc on peut choisir P=In.Exemple 2.Siθ= 0 ouθ=π, alorsAest diagonale. Sinon, alorsAn"a pas de valeurs propres r´eelles.
DoncAn"est pas diagonalisablecomme matrice deM2(R). (On peut, par contre, la diagonaliser comme matrice deM2(C), mais pas comme matrice deM2(R).) Exemple 3.On a trouv´e des bases deE2etE-1. SoitB?est la r´eunion de ces bases.B?= (?21? ,?1 -1? ). AlorsP=PB?C=?2 11-1?
On va v´erifier maintenant queP-1APest diagonale =diag(2,-1). Pest une matrice de taille 2×2, avec d´eterminant =-3. DoncP-1=-13?-1-1
-1 2? =((1 3131
3-23))
On va calculerP-1AP.
Pour faire le produit, on utilise l"astuce de calcule not´e dans le chapitre 4 : On placeP-1`a gauche,
etAen haut. On calcule ainsiP-1A. Apr`es on placePen haut, pour calculer (P-1A)P.Premi`ere multiplication :
AP-1P-1A
Continuer `a la deuxi`eme multiplication :
APP-1P-1A(P-1A)P.
Autrement dit, on trouve
?1 21 0? ? 2 1 1-1? 1 3131
3-23))
(2 323-1 323))
(2 00-1))
Exemple 4.Dans ce cas,An"est pas diagonalisable. On voit ce r´esultat par le th´eor`eme. L"espace
vectorielE1est de dimension 1, et l"unique valeurs propre deAest 1. DoncEn"est pas la somme directe des espaces propres.Quand une matrice est diagonalisable, les vecteurs propres et valeurs propres nous aident `a visualiser
les applications lin´eaires.On va traiter le cas de l"exemple 3.
D"abord, on dessine les espaces propres de l"application lin´eairef(v) =Av. On a trouv´e les bases
avant. 24E2 E-1 (2,1) (1,-1) (1,0)(0,1)
Maintenant, soitv= (x,y) un point du plan. On montrera comment trouver l"imagef(v) g´eom´etriquement.
D"abord on projettevsurE2, parall`element `aE-1pour obtenirw, et on projettevsurE-1pa-rall`element `aE2, pour obtenir un vecteurw?. (Autrement dit, on a d´etermin´e les uniques vecteurs
w?E2etw??E-1pour quev=w+w?.) v w w? On sait quef(w) = 2w,f(w?) =-w?, et doncf(v) = 2w-w?. G´eom´etriquement, on peut dessiner f(v) : 25v w w?
2w
-w? f(v) = 2w-w? Etude des matrices 2×2, avec coefficients dansRDans les exemples, on a vu plusieurs exemples de matrices deM2(R). Maintenant on va d´ecrire toutes
les possibilit´es pour les matrices r´eelles de taille 2.SiA?M2(R), alorsχAest un polynˆome de degr´e 2 avec coefficients r´eels. Il a donc 2 deux racines
(complexes), qu"on appelerar1etr2.On remarque d"abord que :
r1r2= det(A); et
r1+r2=tr(A).
3 cas sont possibles :
(i)r1,r2?Rsont distinctes; (ii)r1?C\R, etr2= r1, le conjugu´e complexe der1; ou (iii)r1=r2?R. Cas (i) : Dans ce cas,Aest diagonalisable, et on a deux espaces propres, chacun de dimension 1. (On a vu ce cas dans l"Exemple 3.)Cas (ii) : Dans ce cas,An"est pas diagonalisable surR, carAn"a pas de valeurs propres r´eelles. (On
a vu ce cas dans l"Exemple 2, o`uθ?= 0 ouπ.Cas (iii) : Dans ce cas,Aest diagonalisable si et seulement siAest diagonale, ´egale `ar1I2. (Pour
A=I2ouA=-I2, alorsAest diagonalisable. Par contre, dans l"Exemple 4, on a vu un cas de ce type qui n"est pas diagonalisable.)Dans ce cours, on s"int´eresse surtout sur les cas de matrices diagonalisables, et comment d´eterminer
si une matrice est diagonalisable. L"ann´ee prochaine, on ´etudieraplus profond´ement les cas non dia-
gonalisables.FIN DU COURS
26quotesdbs_dbs24.pdfusesText_30
[PDF] principes du communisme engels
[PDF] difference entre capitalisme socialisme et communisme
[PDF] le communisme pour les nuls
[PDF] capitalisme pdf
[PDF] différence entre socialisme et communisme
[PDF] gluten de blé farine
[PDF] blé gluten pourcentage
[PDF] gluten de blé bio
[PDF] gluten de blé recette
[PDF] taux de gluten dans le blé
[PDF] gluten de blé valeur nutritive
[PDF] extraction gluten farine blé
[PDF] les confessions augustin
[PDF] matrice qui commute avec une matrice diagonalisable