Calcul matriciel : valeurs propres et vecteurs propres

Introduction 

Les concepts de valeurs propres et de vecteurs propres sont fondamentaux en algèbre linéaire et trouvent des applications dans divers domaines tels que l'analyse de données, la mécanique quantique, et la stabilité des systèmes dynamiques.

• Valeur propre : une valeur propre d'une matrice carrée $A$ est un scalaire $\lambda$ tel que l'équation $A \cdot v = \lambda \cdot v$ a une solution non-triviale pour $v (v \not= 0)$.
• Vecteur propre : associé à chaque valeur propre $\lambda$, le vecteur propre $v$ est un vecteur non nul qui, lorsqu'il est multiplié par la matrice $A$, change uniquement par un facteur scalaire $\lambda$.

I. Trouver les valeurs propres

La première étape pour trouver les valeurs propres d'une matrice $A$ est de résoudre l'équation caractéristique :

$\text{det}(A − \lambda I) = 0$

• $\text{det}()$ représente le déterminant de la matrice.
• $I$ est la matrice identité de la même taille que $A$.
• $\lambda I$ est la matrice obtenue en multipliant chaque élément de la matrice identité par $\lambda$.

II. Trouver les vecteurs propres

Une fois les valeurs propres $\lambda$ trouvées, les vecteurs propres correspondants sont obtenus en résolvant le système d'équations :

$(A − \lambda I) \cdot v=0$

Cette équation est résolue pour chaque valeur propre $\lambda$ trouvée précédemment.

III. Diagonalisation

Une matrice $A$ est diagonalisable si elle peut être écrite sous la forme :

$A = PDP^{(-1)}$

où $P$ est une matrice dont les colonnes sont les vecteurs propres de $A$, et $D$ est une matrice diagonale contenant les valeurs propres de $A$.

IV. Exemple pratique

Considérons une matrice $A\,2 \times 2$ pour illustrer ces concepts.

Matrice A :
$A = \left \lbrack \begin{array}{ccc} 4 & 1 \\ 2 & 3 \\ \end{array} \right \rbrack$

Trouver les valeurs propres :

• Calcule le déterminant de $’A - \lambda I’$ et résous pour $\lambda$.
• Pour $A$ donné, l’équation caractéristique est : $\text{det} \left ( \left \lbrack \begin{array}{ccc} 4 - \lambda & 1 \\ 2 & 3 - \lambda \\ \end{array} \right \rbrack \right ) = 0$

Trouver les vecteurs propres :

• Pour chaque valeur propre $\lambda$ trouvée, résous $’(A - \lambda I) \cdot v = 0'$.
• Cela donne un système d’équations linéaires dont les solutions sont les vecteurs propres.

Je retiens

Valeurs propres : Scalaire $\lambda$ pour lequel il existe un vecteur $v$ tel que $A \cdot v = \lambda \cdot v$.

Vecteurs propres : Vecteurs non nuls $v$ qui sont scalés par $A$ par un facteur $\lambda$.

Équation caractéristique : $\text{det}(A - \lambda I) = 0$, utilisée pour trouver les valeurs propres.

Diagonalisation : Processus de transformation d'une matrice en une matrice diagonale utilisant ses valeurs et vecteurs propres.