Pour que ce syst`eme ait une solutions non nulle, il faut et il suffit que le déterminant de A − λI, sa matrice des coefficients, soit nul Théor`eme : λ est une valeur
Previous PDF | Next PDF |
[PDF] Chapitre 11 – Valeurs propres – Vecteurs propres 1 Introduction
Pour que ce syst`eme ait une solutions non nulle, il faut et il suffit que le déterminant de A − λI, sa matrice des coefficients, soit nul Théor`eme : λ est une valeur
[PDF] Valeurs propres, vecteurs propres, diagonalisation 1 Valeurs
On appellera valeur propre d'une matrice A, (n, n), les racines du polynôme caractéristique cA(X) Ce sont les valeurs propres de l'endomorphisme dont la matrice
[PDF] Valeurs propres et vecteurs propres
Théorème de diagonalisation Une matrice A de taille n × n est diagonalisable si et seulement si A n'a pas de vecteurs propres linéairement dépendants En fait
[PDF] Chapitre 6 : Valeurs et vecteurs propres - Polytechnique Montréal
26 mar 2018 · Le nombre λ est une valeur propre de la matrice A si et seulement si p(λ) := det (A − λI)=0 Autrement dit, les valeurs propres sont les racines du
[PDF] Vecteurs propres, valeurs propres - Institut de Mathématiques de
De l'utilité de la diagonalisation d'une matrice Dans l'ensemble Mr (K) des matrices carrées ä coefficients dans K(=R on C), les matrices diagonales
[PDF] Chapitre 8 R´eduction des matrices
Si x est un vecteur propre de A, alors le scalaire λ de ii) est la valeur propre Remarque 49 i) Si on connaıt une valeur propre λ d'une matrice A, alors la
[PDF] 11 Valeurs propres et diagonalisation - GERAD
Valeurs et vecteurs propres 2 Soit A une matrice carrée de taille n × n, x ∈ Rn un vecteur des vecteurs propres dont les valeurs propres correspondent `a
[PDF] Chapitre XI Chapitre XI : Valeurs propres et vecteurs propres
Soit f : Kn → Kn un opérateur linéaire et M la matrice de f dans la base canonique Alors λ est une valeur propre de f si et seulement si det(M − λI) = 0
[PDF] Chapitre 7 Valeurs et vecteurs propres
Le vecteur x est alors appelé vecteur propre associé `a la valeur propre α Pour la matrice précédente, nous avons trouvé deux valeurs propres 1 et 0 5 et des
[PDF] Valeurs propres et vecteurs propres
11 jan 2017 · Le déterminant d'une matrice diagonale est facile à calculer On a det α1 0 ·
[PDF] matrix hair careers
[PDF] mattek sands blessure
[PDF] mattek sands blessure wimbledon
[PDF] mattek sands genou
[PDF] mattek sands knee
[PDF] mattek-sands wimbledon
[PDF] Maturation de l’ARN prémessager en ARN messager : l’épissage
[PDF] Mature d'un mot
[PDF] mature definition
[PDF] mature hairline
[PDF] mature meaning
[PDF] maupassant
[PDF] Maupassant " Madame Baptiste " ( début)
[PDF] Maupassant "Madame Baptiste"
MVA101 Analyse et calcul matriciel - Cours n
13 Jacques V´elu (CNAM)Chapitre 11 - Valeurs propres - Vecteurs propres
1 Introduction
1.Probl`eme: SoitA= 4 1
2 1! . CalculerAnavec 06n65 : A0= 1 0
0 1! A1= 4 1
2 1! A2= 14 5
101!A
3= 46 19
3811!A
4= 146 65
13049!
A5= 454 211
422179!
Et combien vautAn?
A n=0BBBBBBBBBBB@2n+23n2n+3n
22n23n22n3n1
CCCCCCCCCCCA
2. Ce qui est compliqu
´e dans le calcul des puissances d"une matrice, c"est que tous les coecients sedispersentau cours des multiplications :M= a b
c d! M 2=0BBBBBB@a
2+bc ab+db
ac+dc d2+bc1CCCCCCAM3=0
BBBBBBBBB@a
3+2bca+bcd ba2+bda+bd2+b2c
ca2+cda+bc2+cd2d3+2bcd+abc1
CCCCCCCCCA
Il y a un cas o
`u c"est facile :Th´eor`emeD=0
BBBBBBBBBBBBB@
100020 0 0m1
CCCCCCCCCCCCCA)Dn=0
BBBBBBBBBBBBB@
n 1000n 20
0 0nm1
CCCCCCCCCCCCCA
Remarque: Sii,0 pour touti, la formule vaut pour toutn2Z.3.Th´eor`eme: SoitPune matrice inversible. SiA1,A2, ...,Ansont des matrices quelconques et :
B1=PA1P1B2=PA2P1:::Bn=PAnP1
alors :B1B2Bn=PA1A2AnP1En particulier :B=PAP1)Bn=PAnP1
D´emonstration:B1B2B3Bn=PA
1P1PA 2P1PA 3P1PA nP1 =PA1P1PA 2P1PA3(P1P)AnP1
=PA1IA2IA3AnP1 =PA1A2A3AnP1 1MVA101 Analyse et calcul matriciel - Cours n
13 Jacques V´elu (CNAM)4.M´ethodepour calculerAnconnaissant unematrice inversibleP et unematrice diagonaleD telles
queA=PDP1: on calculeDnpuisAn=PDnP1Exemple: 4 1 2 1! | {z } A= 11 1 2! | {z } P 3 0 0 2! | {z } D 2 1 1 1! | {z } P 4 1 2 1! n = 2n+23n2n+3n22n23n22n3n!
2 Valeurs propres - Vecteurs propres
1. Quand il existePetDtelles queA=PDP1ont dit queAestdiagonalisable.
Une matriceA´etant donn´ee, on cherche ce que pourraitˆetre la matricePsiA´etait diagonalisable :
A=PDP1()AP=PD=APDP
AP c k c kk Ac k c kk Conclusion: Les colonnes dePdoivent forc´ement v´erifier une´egalit´e du type : Ac=cavecun nombre etcune matrice colonne non nulle.Quand on a une telle
´egalit´e, on dit queest unevaleur propredeAet quecest unvecteur propre pour la valeur propre.2. Comment trouver des valeurs propres et des vecteurs propres?
On suppose queAest unematrice carr´ee d"ordre p. On notei;jses coecients etXiceux de la colonnec. 2MVA101 Analyse et calcul matriciel - Cours n
13 Jacques V´elu (CNAM)L"
´egalit´eAc=c´equivaut au syst`eme :
8>>>>>>><>>>>>>>:
1;1X1+1;2X2++1;pXp=X1
2;1X1+2;2X2++2;pXp=X2
p;1X1+p;2X2++p;pXp=Xp Parce que les inconnues sontX1,X2, ...,Xpet, ce n"est pas un syst`eme lin´eaire!Si les inconnues´etaient seulementX1,X2, ...,Xp, ce serait un syst`eme lin´eaire dont on trouverait
les solutions par la m´ethode du pivot.
82;1X1+(2;2)X2++2;pXp=0
p;1X1+p;2X2++(p;p)Xp=0 C"est unsyst`eme lin´eaire homog`enedont on cherche lessolutions non nulles. Pour que ce syst`eme ait une solutions non nulle, il faut et il sut que le d´eterminant deAI, sa matrice des coecients, soit nul. Th´eor`eme:est une valeur propre deAsi et seulement sidet( AI)=0.3.Th´eor`eme:
A(z)=det(AzI)=
1;1z1;21;p
2;12;2z2;p
p;1p;2p;pz est un polyn ˆome; on l"appelle lepolynˆome caract´eristiquedeA. A(z)=det(A)++(1)p1(1;1+2;2++p;p)| {z } tr(A)z p1+(1)pzp tr(A)est la tracedeA. Les valeurs propres deAsont les nombrestels que}A()=0.4. Exemples
Exemple 1:A= a b
c d! A(z)= az b c dz =(az)(dz)bc=(adbc)(a+d)z+z2 Exemple 2: Les valeurs propres d"une matrice triangulaire sont ses coecients diagonaux. A=0BBBBBBBBBBBBBB@
1;11;21;p
02;22;p
0 0p;p1
CCCCCCCCCCCCCCA}
A(z)=1;1z1;21;p
02;2z2;p
0 0p;pz
A(z)=(1;1z)(2;2z)(p;pz)
3MVA101 Analyse et calcul matriciel - Cours n
13 Jacques V´elu (CNAM)Exemple 3: Il existe des matrices qui ne sont pas diagonalisables.
A= 1 1
0 1!A(z)=(1z)(1z)
SiA´etait diagonalisable, les coecients diagonaux de la matriceD, v´erifiant}A()=0 seraient forc ´ement´egaux`a 1,Dserait la matrice identit´e, etA=PDP1=I, ce qui est faux. DoncAn"est pas diagonalisable!5.Th´eor`eme de d"Alembert-Gauss
SoitPun polynˆome de degr´ep>1,`a coecients complexes, dont le coecient du terme de plus haut degr ´e est. Alors, il existe des nombres complexes1,2, ...,set des entiers strictement positifsm1, m2, ..., mstels que :P(z)=(z1)m1(z2)m2(zs)msavecm1+m2++ms=p
Tous ces nombres sont uniques
`a l"ordre pr`es : les nombresisont lesracinesdeP, l"entiermiest lamultiplicit´ede la racinei: quandmi=1la racine est simple, quandmi=2la racine est double, quandmi=3la racine est triple, etc. Dans le cas g´en´eral, la racine est d"ordre mi.6. Siest une valeur propre deA, lesvecteurs proprespour la valeur propresont lessolutions non
nullesdu syst`eme lin´eaire homog`ene( AI)X=0.On sait queAposs`ede 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 deP. En aura-t-on assez pour fabriquer une matrice P inversible? On notev()le nombr ed"inconnues non principales du syst `eme homog`ene( AI)X=0.Th´eor`eme:
Sim()est la multiplicit ´e de la valeur propreon a toujours :16v()6m()La matriceA est diagonalisablesi et seulement siv()=m()pour chaque valeur pr opre.
Th´eor`eme: SoientAune matrice diagonalisable,une valeur propre deAetm()sa multiplicit ´e.Il y am()coecients diagonauxdeD´egaux`a.
Il y am()colonnesdePqui sont desvecteurs propres pour. Si lakecolonnedePest un vecteur propre pour, lekecoecient diagonaldeDest´egal`a.7.Exemple:A=0
BBBBBBB@3 1 1
8346 3 41
CCCCCCCA}A(z)=(2z)(1z)2
=28 >>>><>>>>:3X1+X2+X3=2X18X13X24X3=2X2
6X1+3X2+4X3=2X3()8
>>>><>>>>:X1+X2+X3=0
8X15X24X3=0
6X1+3X2+2X3=0
4MVA101 Analyse et calcul matriciel - Cours n
13 Jacques V´elu (CNAM)v(2)=m(2)=1 Le calcul montre que les vecteurs propres sont les multiples de0
BBBBBBB@1
4 31CCCCCCCA
=18 >>>><>>>>:3X1+X2+X3=X18X13X24X3=X2
6X1+3X2+4X3=X3()8
>>>><>>>>:2X1+X2+X3=08X14X24X3=0
6X1+3X2+3X3=0
v(1)=m(1)=2 Le calcul montre que les vecteurs propres sont les colonnesu0BBBBBBB@1
3 11CCCCCCCA+v0
BBBBBBB@0
1 11CCCCCCCA
AvecP=0
BBBBBBB@1 1 0
43 13 1 11
CCCCCCCAon a :0
BBBBBB@3 1 1
8346 3 41
CCCCCCA=0
BBBBBB@1 1 0
43 13 1 11
CCCCCCA0
BBBBBB@2 0 0
0 1 00 0 11
CCCCCCA0
BBBBBB@2 1 1
1115 2 11
CCCCCCA
| {z }A| {z }
P| {z }
D| {z }
P 1 Remarque: Quandm()=1, on av()=1puisque 1 6v()6m()et, du coup, v()=m(). Cons´equence: Une matrice qui a toutes ses valeurs propres simples, est diagonalisable.8.Cas des matrices r´eelles: QuandAest r´eelle,}A(z) est`a coecients r´eels.
Th´eor`eme:
Siest une valeur propre qui n"est pas r´eelle,aussi est une valeur propre etm()=m(). Les vecteurs propres pours"obtient en conjugant les vecteurs propres pour.Exemple:A= cossin
sincos!A(z)=(e+iz)(eiz)
=e+i8 >><>>:isinX1sinX2=0 sinX1isinX2=0 les vecteurs propres sont les multiples de 1 i! =ei8 >><>>:+isinX1sinX2=0 sinX1+isinX2=0 les vecteurs propres sont les multiples de 1 i!3 Exponentielle de matrice
1. Un syst
`eme di´erentiel lin´eaire, homog`ene,`a coecients constants, est un syst`eme du type :8>>>>>>>>>><>>>>>>>>>>:X
0