Académique Documents
Professionnel Documents
Culture Documents
Vincent Nozick Vecteurs propres, valeurs propres 1 / 26 Vincent Nozick Vecteurs propres, valeurs propres 2 / 26
Eigen problem Calcul Diagonalisation Calcul numérique Eigen problem Calcul Diagonalisation Calcul numérique
Définition :
λ est une valeur propre de Ann si et seulement si il existe un vecteur En plus clair :
x non nul tel que : En considérant une matrice comme une matrice de transformation,
Ax = λx ses vecteurs propres sont des vecteurs dont la direction n’est pas
affectée par cette transformation.
On dit alors que x est le vecteur propre de A associé à la valeur
propre λ.
Vincent Nozick Vecteurs propres, valeurs propres 3 / 26 Vincent Nozick Vecteurs propres, valeurs propres 4 / 26
Eigen problem Calcul Diagonalisation Calcul numérique Eigen problem Calcul Diagonalisation Calcul numérique
1 2 2 2
Rotation dans R3 autour de l’axe des z :
Soit A = 0 2 1 et x= 1
−1 2 2 0
1 2 2
2 4
2 cos α − sin α 0
0 2 1 1 = 2 = 2 1 A = sin α cos α 0
−1 2 2 0 0 0 0 0 1
2
1 est un vecteur propre de A de valeur propre λ = 2.
cette rotation appliquée sur l’axe des z donnera ... l’axe des z.
0
Vincent Nozick Vecteurs propres, valeurs propres 5 / 26 Vincent Nozick Vecteurs propres, valeurs propres 6 / 26
Eigen problem Calcul Diagonalisation Calcul numérique Eigen problem Calcul Diagonalisation Calcul numérique
cos α − sin α 0
0 0 cos α − sin α
A=
sin α cos α 0 0 = 0 sin α cos α
0 0 1 1 1 α 6= kπ k∈Z
Vincent Nozick Vecteurs propres, valeurs propres 7 / 26 Vincent Nozick Vecteurs propres, valeurs propres 8 / 26
Eigen problem Calcul Diagonalisation Calcul numérique Eigen problem Calcul Diagonalisation Calcul numérique
L’axe des y est un vecteur propre de cette application associé à la L’axe des y est un vecteur propre de cette application associé à la
valeur propre λ = 1 : valeur propre λ = 1 :
1 0 0 0 1 0 0 0
= =
1 1 1 1 1 1 1 1
>
En fait, n’importe quel vecteur 0, k , k 6= 0, est un vecteur propre
de cette application associé à la valeur propre λ = 1 :
1 0 0 0
=
1 1 k k
Vincent Nozick Vecteurs propres, valeurs propres 9 / 26 Vincent Nozick Vecteurs propres, valeurs propres 9 / 26
Eigen problem Calcul Diagonalisation Calcul numérique Eigen problem Calcul Diagonalisation Calcul numérique
Calcul Exemple
1 2 2 1−λ 2 2
Méthodes classiques : A= 0 2 1 A − λId = 0 2−λ 1
−1 2 2 −1 2 2−λ
Ax = λx ⇔ (A − λId)x = 0 ⇒ det(A − λId) = 0
1−λ 2 2
• s’il existe x 6= 0 tel que Mx = 0, alors M est singulière et
det(A − λId) = 0 2−λ 1
det M = 0.
−1 2 2−λ
• en développant le déterminant, on obtient le polynôme car-
actéristique de A dont les racines sont ses valeurs propres.
2−λ 1 2 2
= (1 − λ) −
2 2−λ 2−λ 1
Vincent Nozick Vecteurs propres, valeurs propres 10 / 26 Vincent Nozick Vecteurs propres, valeurs propres 11 / 26
Eigen problem Calcul Diagonalisation Calcul numérique Eigen problem Calcul Diagonalisation Calcul numérique
Exemple Exemple
Pour λ = 1 :
1−λ 2 2 x
Ax − λIdx = 0 2−λ 1 y
det(A − λId) = 4 − 8λ + 5λ2 − λ3
−1 2 2−λ z
0 2 2 x 0
Les trois racines de ce polynôme sont : = 0 1 1 y = 0
−1 2 1 z 0
• λ=1
• λ = 2 (racine double) Solution :
x −1
y = −1
z 1
Vincent Nozick Vecteurs propres, valeurs propres 12 / 26 Vincent Nozick Vecteurs propres, valeurs propres 13 / 26
Eigen problem Calcul Diagonalisation Calcul numérique Eigen problem Calcul Diagonalisation Calcul numérique
Exemple Exemple
Pour λ = 2 :
Vérification pour λ = 1 :
1−λ 2 2 x
Ax − λIdx = 0 2−λ 1 y
x −1
solution : y = −1 −1 2 2−λ z
z 1
−1 2 2 x 0
= 0 0 1 y = 0
−1 2 0 z 0
1 2 2 −1 −1
0 2 1 −1 = −1 Solution :
x 2
−1 2 2 1 1 y = 1
z 0
Vincent Nozick Vecteurs propres, valeurs propres 14 / 26 Vincent Nozick Vecteurs propres, valeurs propres 15 / 26
Eigen problem Calcul Diagonalisation Calcul numérique Eigen problem Calcul Diagonalisation Calcul numérique
Vérification pour λ = 2 :
Diagonalisation :
x 2
Le problème revient à trouver une matrice diagonale D :
solution : y = 1
D = [diag(λ1 , λ2 , ..., λn )]
z 0
et une matrice régulière P telles que :
A = PDP−1
1 2 2 2 4 2
0 2 1 1 = 2 = 2 1 Les λi sont les valeurs propres de A et les colonnes de P les vecteurs
−1 2 2 0 0 0 propres associés.
Vincent Nozick Vecteurs propres, valeurs propres 16 / 26 Vincent Nozick Vecteurs propres, valeurs propres 17 / 26
Eigen problem Calcul Diagonalisation Calcul numérique Eigen problem Calcul Diagonalisation Calcul numérique
Exemple Exemple
Diagonalisation :
1 2 2
A a une valeur propre de multiplicité 2 dont les vecteurs propres
A= 0 2 1 associés ne sont pas indépendants.
−1 2 2
Dans
A = PDP−1
−1 2
λ = 1 → −1 λ=2→ 1
P n’est pas inversible car 2 vecteurs propres sont identiques.
1 0
Remarque :
racine double
Les vecteurs propres associés à une valeur propre de multiplicité > 1
sont parfois indépendants → diagonalisation OK.
Vincent Nozick Vecteurs propres, valeurs propres 18 / 26 Vincent Nozick Vecteurs propres, valeurs propres 19 / 26
Eigen problem Calcul Diagonalisation Calcul numérique Eigen problem Calcul Diagonalisation Calcul numérique
Vincent Nozick Vecteurs propres, valeurs propres 20 / 26 Vincent Nozick Vecteurs propres, valeurs propres 21 / 26
Eigen problem Calcul Diagonalisation Calcul numérique Eigen problem Calcul Diagonalisation Calcul numérique
On veut A = PDP−1
3 0 0 −1 0 −1 0 −1 0
D = 0 2 0 P = −1 0 0 P−1 = 2 0 1 Méthodes numériques :
0 0 1 2 1 2 −1 1 0 • décomposition LU
• décomposition QR (plus robuste)
• ...
1 2 0 −1 0 −1 3 0 0 0 −1 0
A = 0 3 0 = −1 0 0 0 2 0 2 0 1
2 −4 2 2 1 2 0 0 1 −1 1 0
Vincent Nozick Vecteurs propres, valeurs propres 22 / 26 Vincent Nozick Vecteurs propres, valeurs propres 23 / 26
Eigen problem Calcul Diagonalisation Calcul numérique Eigen problem Calcul Diagonalisation Calcul numérique
Applications
• en mécanique quantique
matrices Hamiltoniennes
• en mécanique du solide
fréquences de résonance d’un oscillateur harmonique
• en géologie
étude des tremblements de terre
• en électronique
• en statistique
• en économie
• ...