CAMA : ma04 Vectors propres
Cours du 30 / 03
Soit A une matrice qui représente une application linéaire quelconque. Que se passe-t-il si on l'applique fois ?
Image Not Showing
Possible Reasons
- The image file may be corrupted
- The server hosting the image is unavailable
- The image path is incorrect
- The image format is not supported
Learn More →
Image Not Showing
Possible Reasons
- The image file may be corrupted
- The server hosting the image is unavailable
- The image path is incorrect
- The image format is not supported
Learn More →
La transformation n'est pas une isométrie donc la matrice n'est pas orthogonale.
La souris 3x plus grande est isométrique car est une application linéaire.
Image Not Showing
Possible Reasons
- The image file may be corrupted
- The server hosting the image is unavailable
- The image path is incorrect
- The image format is not supported
Learn More →
La figure s'étire suivant le vecteur
Si fait tourner la souris d'environ 25°, appliquer 2 ou 3 fois ne fait plus tourner la figure.
Vecteurs propres et valeurs propres
Les valeurs et vecteurs propres respectent cette priopriété :
- : couple valeur / vecteur propres
Les vecteurs propres sont des attracteurs qui capturent tous les points si on fait un nombre infini de multiplications par .
Les points s'alignent sur l'un des deux vecteurs propres.
Seuls les points colinéaires au second vecteur propre le resteront, les autres rejoignent le premier vecteur propre.
Le cas des matrices de rotation
Quels sont les vecteurs propres d'une matrice de rotation ?
- Les valeurs et vecteurs propres sont des complexes
- Les valeurs propres ont la même norme
Symétrie axiale horizontale
- Une matrice diagonale modifie que la i-ième coordonnéee de par la i-ième valeur de sa diagonale.
- Ses vecteurs propres sont ceux de la base d'origine :
Diagonalisation d'une matrice
En changeant de repère, on peut représenter une application linéaire par une matrice diagonale contenant ses valeurs propres.
- avec la matrice diagonale des valeurs propres
- P matrice de passage : vecteurs propres
- Matrice inversible : si une des valeurs propre est nulle alors n'est pas inversible et donc A n'est pas inversible
- Matrice non diagonalisable : si l'ensemble des vecteurs propres ne genere pas un espace de meme dimension que d'origine, alors on ne peut pas diagonaliser la matrice