Séance de cours

Valeurs propres et vecteurs propres

Graph Chat

Chattez avec Graph Search

Posez n’importe quelle question sur les cours, conférences, exercices, recherches, actualités, etc. de l’EPFL ou essayez les exemples de questions ci-dessous.

AVERTISSEMENT : Le chatbot Graph n'est pas programmé pour fournir des réponses explicites ou catégoriques à vos questions. Il transforme plutôt vos questions en demandes API qui sont distribuées aux différents services informatiques officiellement administrés par l'EPFL. Son but est uniquement de collecter et de recommander des références pertinentes à des contenus que vous pouvez explorer pour vous aider à répondre à vos questions.

Dans cours

MATH-115(b): Advanced linear algebra II

L'objectif du cours est d'introduire les notions de base de l'algèbre linéaire et de démontrer rigoureusement les résultats principaux du sujet. ...

Description

Cette séance de cours couvre le concept de valeurs propres et de vecteurs propres dans l'algèbre linéaire, en mettant l'accent sur les propriétés des endomorphismes dans les espaces vectoriels à dimension finie. Il explique comment déterminer les sous-espaces invariants, les endomorphismes nilpotents et les décompositions directes de la somme. La séance de cours traite également de la diagonalizabilité des endomorphismes et du polynôme minimal, soulignant l'importance des propriétés spectrales et de la décomposition primaire.

Enseignant·e

Marc Troyanov

Doctorat en mathématiques à l'Université de Genève (1987) - Postdoc à Paris et Salt-Lake City, puis professeur assistant à l'UQAM (Montréal). Venu en 1993 à l'EPFL comme professeur assistant, nommé MER en 1999 puis professeur titulaire en 2005. Domaine de recherche : géométrie différentielle, analyse sur les variétés et sur les espaces métriques.

Source officielle

Proximité ontologique

Mathématiques

Algèbre: Algèbre linéaire

Concepts associés (32)

Valeur propre, vecteur propre et espace propre

En mathématiques, et plus particulièrement en algèbre linéaire, le concept de vecteur propre est une notion algébrique s'appliquant à une application linéaire d'un espace dans lui-même. Il correspond à l'étude des axes privilégiés, selon lesquels l'application se comporte comme une dilatation, multipliant les vecteurs par une même constante. Ce rapport de dilatation est appelé valeur propre, les vecteurs auxquels il s'applique s'appellent vecteurs propres, réunis en un espace propre.

Linéaire A

Le « linéaire A » est une écriture, encore non décryptée, qui fut utilisée dans la Crète ancienne. Cette écriture était composée d'environ quatre-vingt-dix signes et idéogrammes. On suppose qu'il transcrit la langue des Minoens. C'est Arthur Evans au début du qui découvrit en Crète les vestiges de cette écriture, ainsi que d'autres écritures anciennes. Il les nomma « hiéroglyphes crétois », « linéaire A » et « linéaire B », selon leur apparence et leur ancienneté.

Linéaire B

Le linéaire B est un syllabaire utilisé pour l'écriture du mycénien, une forme archaïque du grec ancien. Il se compose d'environ 87 signes. Les nombres sont décimaux, les poids et mesures sont d'inspiration babylonienne. Le linéaire B est complètement oublié dès le début du premier millénaire avant notre ère ; il sera par la suite remplacé par l'alphabet grec, avec lequel il n'a aucun lien. Le linéaire B apparaît en Crète à Cnossos aux environs de 1375 av. J.-C.

Décomposition d'une matrice en éléments propres

En algèbre linéaire, la décomposition d'une matrice en éléments propres est la factorisation de la matrice en une forme canonique où les coefficients matriciels sont obtenus à partir des valeurs propres et des vecteurs propres. Un vecteur non nul v à N lignes est un vecteur propre d'une matrice carrée A à N lignes et N colonnes si et seulement si il existe un scalaire λ tel que : où λ est appelé valeur propre associée à v. Cette dernière équation est appelée « équation aux valeurs propres ».

Matrice diagonalisable

En mathématiques, une matrice diagonalisable est une matrice carrée semblable à une matrice diagonale. Cette propriété est équivalente à l'existence d'une base de vecteurs propres, ce qui permet de définir de manière analogue un endomorphisme diagonalisable d'un espace vectoriel. Le fait qu'une matrice soit diagonalisable dépend du corps dans lequel sont cherchées les valeurs propres, ce que confirme la caractérisation par le fait que le polynôme minimal soit scindé à racines simples.

Afficher plus

Séances de cours associées (64)

Algèbre linéaire: Théorèmes de décomposition

Couvre la preuve du théorème de décomposition primaire pour les endomorphismes des espaces vectoriels à dimensions finies.

Polynômes caractéristiques et matrices similaires

Explore les polynômes caractéristiques, la similarité des matrices et les valeurs propres dans les transformations linéaires.

Diagonalisation des matrices : théorie et exemples

Couvre la théorie et les exemples de matrices de diagonalisation, en se concentrant sur les valeurs propres, les vecteurs propres et lindépendance linéaire.

Diagonalisation des matrices

Explore la diagonalisation des matrices à travers des valeurs propres et des vecteurs propres, en soulignant l'importance des bases et des sous-espaces.

Décomposition des opérateurs linéaires

Couvre la décomposition des opérateurs linéaires et les propriétés des espaces propres.

Afficher plus

Concepts associés (32)

Valeur propre, vecteur propre et espace propre

Linéaire A

Linéaire B

Décomposition d'une matrice en éléments propres

Matrice diagonalisable

Afficher plus