Aller au contenu
ELECTRONICS ENGINEERINGelectronics-engineering.com
Géométrie et algèbre

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/

Pas encore de vote : soyez le premier à noter cette page.

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 A une matrice n\times n. Un vecteur \mathbf v non nul est un vecteur propre de A de valeur propre \lambda si

    \[ A\mathbf v = \lambda\,\mathbf v \]

Le cercle unité transformé en ellipse : les vecteurs propres gardent leur direction
La matrice A = \begin{pmatrix}2 & 1\\ 1 & 2\end{pmatrix} transforme le cercle en ellipse. Le vecteur \mathbf v_1 selon la diagonale est simplement étiré d’un facteur 3, \mathbf v_2 reste identique (valeur propre 1) ; un vecteur quelconque \mathbf w change de direction. Les vecteurs propres sont les axes de l’ellipse.

Les vecteurs propres associés à un même \lambda, avec le vecteur nul, forment un sous-espace, l’espace propre V_\lambda = \ker(A - \lambda I).

Comment les trouver : le polynôme caractéristique

A\mathbf v = \lambda\mathbf v peut se réécrire (A - \lambda I)\mathbf v = \mathbf 0. Ce système homogène a une solution non nulle si et seulement si la matrice n’est pas inversible, c’est-à-dire

    \[ p(\lambda) = \det(A - \lambda I) = 0 \]

p(\lambda) est un polynôme de degré n, le polynôme caractéristique. Ses racines sont les valeurs propres ; pour chacune, on trouve les vecteurs propres en résolvant (A - \lambda I)\mathbf v = \mathbf 0.

Exemple. Pour la matrice de la figure :

    \[ \det\begin{pmatrix} 2 - \lambda & 1\\ 1 & 2 - \lambda \end{pmatrix} = (2 - \lambda)^2 - 1 = \lambda^2 - 4\lambda + 3 = (\lambda - 1)(\lambda - 3) \]

  • \lambda = 3 : (A - 3I)\mathbf v = \mathbf 0 donne -x + y = 0, vecteurs propres t\,(1, 1).
  • \lambda = 1 : (A - I)\mathbf v = \mathbf 0 donne x + y = 0, vecteurs propres t\,(1, -1).

Deux vérifications utiles : la somme des valeurs propres est la trace (la somme de la diagonale, ici 2 + 2 = 4 = 3 + 1) et leur produit est le déterminant (4 - 1 = 3 = 3\cdot 1).

Matrices sans valeurs propres réelles. La rotation de 90°, \begin{pmatrix}0 & -1\\ 1 & 0\end{pmatrix}, a pour polynôme caractéristique \lambda^2 + 1 : aucune direction du plan ne reste fixe par une rotation, et les valeurs propres sont complexes, \pm i. C’est pourquoi de nombreux cours travaillent sur les nombres complexes, où tout polynôme a des racines.

Diagonalisation

A est diagonalisable s’il existe une base de \mathbb R^n formée de vecteurs propres. Dans cette base, la matrice devient diagonale, avec les valeurs propres sur la diagonale :

    \[ P^{-1}AP = D = \begin{pmatrix} \lambda_1 & & \\ & \ddots & \\ & & \lambda_n \end{pmatrix} \]

où P a les vecteurs propres pour colonnes. En effet AP a pour colonnes A\mathbf v_i = \lambda_i\mathbf v_i, c’est-à-dire AP = PD.

Quand elle est diagonalisable

Les vecteurs propres de valeurs propres distinctes sont indépendants. On le démontre pour deux : si a\mathbf v_1 + b\mathbf v_2 = \mathbf 0, en appliquant A on obtient a\lambda_1\mathbf v_1 + b\lambda_2\mathbf v_2 = \mathbf 0 ; en retranchant \lambda_2 fois la première, a(\lambda_1 - \lambda_2)\mathbf v_1 = \mathbf 0, donc a = 0 (puisque \lambda_1 \ne \lambda_2 et \mathbf v_1 \ne \mathbf 0), puis b = 0. Pour k vecteurs propres, le même raisonnement fonctionne par récurrence.

Il s’ensuit que si A a n 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 \begin{pmatrix}1 & 1\\ 0 & 1\end{pmatrix} : valeur propre 1 deux fois, mais un seul vecteur propre (1, 0) à un multiple près. Elle n’est pas diagonalisable.

À quoi cela sert

Puissances de matrices. Si A = PDP^{-1}, alors A^k = PD^kP^{-1}, et D^k se calcule en élevant à la puissance les coefficients de la diagonale. Pour la matrice de la figure, A^{10} n’a besoin que de 3^{10} et 1^{10}.

Systèmes dynamiques discrets. Dans \mathbf x_{k+1} = A\mathbf x_k, la composante selon le vecteur propre \mathbf v_i est multipliée par \lambda_i 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 \dot{\mathbf x} = A\mathbf x, qui décrit par exemple un circuit RLC ou deux masses reliées par des ressorts, se décompose dans la base des vecteurs propres en n équations indépendantes \dot y_i = \lambda_i y_i, de solutions e^{\lambda_i t}. 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 F_{k+1} = F_k + F_{k-1} peut s’écrire avec la matrice \begin{pmatrix}1 & 1\\ 1 & 0\end{pmatrix}, dont les valeurs propres sont \varphi = (1 + \sqrt5)/2 \approx 1.618 et (1 - \sqrt5)/2. La diagonalisation donne la formule de Binet, F_k = (\varphi^k - (1 - \varphi)^k)/\sqrt5, et montre pourquoi le rapport de deux termes consécutifs tend vers le nombre d’or.

S’abonner
Notifier de
guest
1 commentaire
Le plus ancien
Plus récent Les plus votés
1
0
Vous avez apprécié cet article ? Merci de laisser un commentaire.x