Valeur propre, vecteur propre et espace propre

Valeur propre, vecteur propre et espace propre

En mathmatiques, et plus particulirement en algbre linaire, le concept de vecteur propre est une notion algbrique s'appliquant une application linaire d'un espace dans lui-mme. Il correspond l'tude des axes privilgis, selon lesquels l'application se comporte comme une dilatation, multipliant les vecteurs par une mme constante. Ce rapport de dilatation est appel valeur propre, les vecteurs auxquels il s'applique vecteurs propres, runis en un espace propre. Le graphique de la figure 1 illustre ces notions. La connaissance des vecteurs et valeurs propres offre une information cl sur l'application linaire considre. Il existe de plus de nombreux cas o cette connaissance caractrise totalement l'application linaire.
Fig. 1. A tire le vecteur x sans changer sa direction. x est un vecteur propre pour A, pour la valeur propre .

Ce concept appartient l'origine une branche des mathmatiques appele algbre linaire. Son utilisation, cependant, dpasse maintenant de loin ce cadre. Il intervient aussi bien en mathmatiques pures qu'appliques. Il apparat par exemple en gomtrie dans l'tude des formes quadratiques, ou en analyse fonctionnelle. Il permet de rsoudre des problmes appliqus aussi varis que celui des mouvements d'une corde vibrante, le classement des pages web par Google, la dtermination de la structure de l'espace-temps en thorie de la relativit gnrale, ou l'tude de l'quation de Schrdinger en mcanique quantique.

Histoire
Gense
S'il est habituel de prendre pour acte de naissance officiel de l'algbre la publication du livre[1] d'Al-Khawarizmi (783-850), qu'il dcrit lui mme comme un abrg englobant les plus fines et les plus nobles oprations du calcul , le domaine linaire doit attendre le XVIesicle pour dpasser le simple cadre de quelques quations. L'association entre la gomtrie et l'algbre, travers la notion de coordonnes, fut introduite[2] en 1637 par Ren Descartes et Pierre de Fermat. Le contexte est donn pour l'apparition[3] de premiers rsultats d'algbre linaire comme le calcul d'un dterminant. Ces rsultats serviront par la suite d'outil d'analyse des valeurs propres. Cependant, les mathmatiques de cette poque ne disposent pas encore des notions indispensables de l'algbre linaire, comme une gomtrie correspondant notre espace vectoriel, o les lments sont dfinis par leurs oprations.
e

Le dbut du XIX sicle voit l'apparition d'outils importants pour la thorie des valeurs propres. En 1799, Carl Friedrich Gauss dmontre la clture algbrique des nombres complexes[4]. Des espaces vectoriels plus vastes sont tudis. Gauss formalise le problme de la rsolution d'un systme d'quations linaires avec la mthode du pivot en retrouvant une mthode dcrite par un mathmaticien chinois Liu Hui (IIIe sicle aprs J.C) prs de 1600 ans auparavant. Des problmatiques o les valeurs propres reprsentent la bonne approche sont tudies. Joseph Fourier tudie une solution[5] de l'quation de propagation l'aide d'un outil que l'on appellera plus tard une base de vecteurs propres.

Ren Descartes associe algbre et gomtrie et dmarre l'algbre linaire.

Valeur propre, vecteur propre et espace propre Enfin en 1834, Hamilton utilise[6], un polynme caractristique pour trouver ce que l'on appelle maintenant les valeurs propres associes l'endomorphisme d'une quation diffrentielle linaire issue de la mcanique. Cependant, l'absence de formalisation suffisante de la notion d'espace vectoriel empche l'apparition claire du concept.

Origine du mot
La formalisation algbrique d'un espace vectoriel apparait vers le milieu du sicle. Arthur Cayley initie l'tude des espaces vectoriels de dimension n[7] et de leurs applications linaires[8]. Grassmann formalise le concept[9]. Mme si, en tant que mathmaticien il est peu reconnu cette poque, ds 1845, des ides analogues sont reprises par Cauchy et publies sous une forme plus dfinitive[10] neuf ans plus tard. Sylvester utilise pour la premire fois le terme de matrice[11] en 1850. Il utilise la notion de valeur propre dans le cas des formes bilinaires pour la rsolution de problmes sur le principe mcanique de l'inertie[12] deux ans plus tard. La notion de matrice est finalement dfinie de manire gnrale et abstraite[13] par Cayley en 1858.

L'Allemand Hilbert donne la formulation anglosaxone : eigenvalue provenant de Eigenwert.

Jordan publie un livre[14] dfinitif sur les endomorphismes en dimension finie et pour une large famille de nombres, dont les complexes et rels. Jordan analyse le rle des vecteurs propres et de leur exact domaine d'application dans une thorie maintenant connue sous le nom de rduction d'endomorphisme. La finalit de son texte n'est pas l'algbre linaire mais la thorie des groupes et de leurs reprsentations. La thorie est ainsi prsente dans le contexte des corps finis. Il termine le chapitre des valeurs propres dans le cas de la dimension finie et des corps de nombres algbriquement clos. La terminologie franaise provient des travaux de Jordan. Le dbut du XXesicle apporte un regard nouveau sur la gomtrie. La rsolution de l'quation intgrale amne certains mathmaticiens considrer une gomtrie sur les ensembles de fonctions. Frigyes Riesz utilise des systmes orthogonaux de fonctions[15]. Erhard Schmidt Le Franais Jordan donne la formulation franaise : valeur propre. soutient sa thse[16] sur un sujet analogue, sous la direction de David [17] Hilbert. Les travaux de Hilbert apportent la notion de valeur propre une nouvelle profondeur. Ils correspondent la formalisation de la dmarche intuitive qui avait amen Fourier la rsolution de l'quation de la chaleur. Les ensembles de fonctions deviennent un espace vectoriel dont la gomtrie est calque sur celle d'Euclide. L'quation intgrale devient l'analogue d'un systme linaire et l'application linaire prend le nom d'oprateur diffrentiel. Une nouvelle branche des mathmatiques est ne : l'analyse fonctionnelle. Elle devient rapidement le cadre gnral de rsolution d'une large famille de problmes mathmatiques, en particulier l'analyse, les quations diffrentielles ou les quations aux drives partielles. Les

Valeur propre, vecteur propre et espace propre valeurs propres sont un des outils essentiels la rsolution de ces problmes. Elles s'avrent indispensables en physique pour des thories comme la mcanique quantique ou la relativit gnrale. Pendant une longue priode les anglosaxons utilisent indiffremment les termes de proper value et eigenvalue, provenant respectivement de la traduction des textes de Jordan et de Hilbert. Le vocabulaire est maintenant fix au bnfice de la deuxime expression.

Valeur propre et XXesicle

la fois dans le contexte de la dimension finie et pour le cas gnral, le XXesicle voit un dveloppement massif de ces thories. Le cas de dimension finie subit deux volutions : cette thorie est gnralise d'autres ensembles de nombres que les rels ou les complexes. De plus, des mathmaticiens comme Issai Schur, Alexe Krylov, Walter Edwin Arnoldi(en) ou Nelson Dunford dveloppent quantits d'algorithmes pour permettre la dtermination des valeurs propres. Le cas gnral est cependant le plus tudi. Il ouvre la voie une branche importante tout au long de ce sicle, l'analyse fonctionnelle. La thorie des valeurs propres est alors gnralise la thorie spectrale. Paul Dirac et John von Neumann tudient ce concept dans un cadre servant de modlisation la physique. Israel Gelfand, Mark Naimark et Irving Segal appliquent ces concepts des univers plus vastes, les C*-algbres. Sur la base de rsultats de gomtrie algbrique trouvs par Alexandre Grothendieck, Alain Connes dveloppe un cas particulier de C*-algbres, les gomtries non commutatives. La thorie spectrale reste encore un large champ d'investigations mathmatiques, et nombre de problmes sont toujours ouverts dans ce domaine. Les valeurs propres, et dans son cas le plus gnral, la thorie spectrale ouvrent de nombreux champs d'applications la fois thoriques et appliqus. En mathmatique, cette approche permet par exemple la rsolution d'quations diffrentielles, ou d'quations aux drives partielles. La physique utilise trs largement la thorie spectrale : elle sert de cadre gnral la mcanique quantique et permet par exemple l'tude de l'quation de Schrdinger. Les solutions de l'quation de Schrdinger indpendante du temps sont des vecteurs propres. Les thories physiques de la fin du XXesicle comme les supercordes utilisent largement les notions de spectre dans des cadres mathmatiques avancs, par exemple les gomtries non commutatives. Les sciences de l'ingnieur ne sont pas en reste, mme si elles se cantonnent en gnral une approche de dimension finie. Elles utilisent quantit d'algorithmes issus des calculs de valeurs propres et vecteurs propres. Cette approche permet de rsoudre de multiples problmes tirs par exemple de la mcanique statique ou dynamique, des systmes lectriques et mme dans d'autres secteurs comme l'conomie.

Dfinition
Dfinition intuitive
Une application linaire est une application qui transforme les vecteurs en conservant les proprits d'addition des vecteurs et les rapports de colinarit entre vecteurs. Ainsi, si un vecteur w est la somme de deux vecteurs u et v, alors l'image de w par l'application est la somme de l'image de u et de l'image de v. De plus l'image de av est a fois l'image de v (a scalaire). Plusieurs transformations gomtriques usuelles (homothtie de centre 0, rotation de centre 0) sont des applications linaires. La figure 2 illustre par un exemple une application linaire. On remarque que le vecteur rouge est la somme des deux vecteurs jaunes avant transformation, et que c'est encore le cas aprs. De mme le vecteur noir est le triple du vecteur vert avant la transformation, et a reste le cas une fois qu'on l'a applique. On voit un vecteur propre en gris de valeur propre -1 : on passe du vecteur initial au vecteur image par multiplication de rapport -1. Un vecteur est dit vecteur propre par une application linaire s'il est non nul et si l'application ne fait que modifier sa taille sans changer sa direction ( ne pas confondre avec son sens !). Une valeur propre associe un vecteur propre est le facteur de modification de taille, cest--dire le nombre par lequel il faut multiplier le vecteur pour obtenir son image. Ce facteur peut tre ngatif (renversement du sens du vecteur) ou nul (vecteur transform en un vecteur de longueur nulle).

Valeur propre, vecteur propre et espace propre Un espace propre associ une valeur propre est l'ensemble des vecteurs propres qui ont une mme valeur propre et le vecteur nul. Ils subissent tous la multiplication par le mme facteur.

Fig. 2. Exemple d'application linaire : une symtrie centrale (homothtie de rapport -1) par rapport au point central (en noir)

Dfinition mathmatique
Soit E un espace vectoriel sur x, le scalaire lment de et u un endomorphisme de E, alors : tel que u(x) = Le vecteur x de E non nul est dit vecteur propre de u si et seulement s'il existe un lment de

est dit valeur propre de u si et seulement s'il existe un vecteur x non nul de E tel que

u(x) = x, soit une valeur propre de u alors l'ensemble constitu des vecteurs propres de valeur propre , et du vecteur nul, forme un sous-espace vectoriel de E appel espace propre de u associ la valeur propre .

Le vocabulaire des lments propres dans diffrentes disciplines

En mcanique, on tudie les frquences propres et les modes propres des systmes oscillants. En analyse fonctionnelle, une fonction propre est un vecteur propre pour un oprateur linaire, c'est--dire une application linaire agissant sur un espace de fonctions. En gomtrie ou en optique, on parle de directions propres pour rendre compte de la courbure des surfaces. En thorie des graphes, une valeur propre est simplement une valeur propre de la matrice d'adjacence du graphe.

Exemples
L'image dans un miroir est un exemple d'application linaire. On peut remarquer que tout vecteur coll au miroir donne comme image lui-mme. On en dduit que le plan du miroir est un espace propre associ la valeur propre 1. En revanche, un vecteur perpendiculaire au miroir donne comme image un vecteur de mme longueur, de mme direction, mais de sens oppos. On en dduit que ce vecteur est un vecteur propre de valeur propre -1. Enfin un vecteur ni coll ni perpendiculaire donne une image qui n'est pas dans le mme axe que lui, ce n'est donc pas un vecteur propre. Dans cet exemple, le comportement des vecteurs propres dcrit intgralement l'application, en effet tout vecteur est la somme d'un vecteur dans le plan de la glace et d'un vecteur perpendiculaire. Et la connaissance du comportement dans le plan et dans l'axe perpendiculaire permet la dtermination de la transformation de tous les vecteurs, par linarit.

Valeur propre, vecteur propre et espace propre Il existe une transformation particulire, qui est centrale dans la thorie des valeurs propres. Imaginons comme application linaire une dilatation qui loigne par exemple tous les points d'un ballon de baudruche de son centre d'un rapport constant. Cette dilatation grandit tous les vecteurs d'un mme rapport sans changer leur direction. Tous les vecteurs l'exception du vecteur nul sont donc des vecteurs propres et il existe une unique valeur propre. On appelle cette application une homothtie. La Terre tourne autour d'elle-mme, et donc tout vecteur qui se situe sur la droite passant par les ples reste immobile, si l'on ne considre pas le mouvement autour du Soleil. Les vecteurs de cette droite sont donc des vecteurs propres de valeur propre 1. Tout autre vecteur tournera avec la Terre et donc n'est pas propre. Si on limite l'analyse au plan de l'quateur, alors tous les vecteurs tournent et il n'y a plus de vecteurs propres. Nous retrouverons ce cas particulier dans l'tude des valeurs propres sur les nombres rels. Les deux premiers exemples traitent d'un cas de dimension 3, comme le monde gomtrique qui nous entoure. On peut cependant considrer des espaces vectoriels de dimension beaucoup plus vaste. Un exemple d'application est celui de la corde vibrante par exemple celle d'une Fig. 3. Une onde stationnaire sur une corde guitare. Chaque point de la corde oscille autour de sa position au repos. vibrante est un vecteur propre de l'quation qui rgit le mouvement de la corde. Dans cet Pour chaque point de la corde, son mouvement peut tre considr exemple, ce vecteur est le quatrime. Les points comme une dimension d'un espace vectoriel ; l'espace vectoriel ainsi fixes sont en rouge. obtenu regroupe les mouvements de tous les points de la corde, il est de dimension infinie. partir d'une position initiale obtenue par le doigt du guitariste, le mouvement de la corde suit une quation qu'on appelle une quation aux drives partielles et qui est linaire. Les vecteurs propres sont dans ce cas des vibrations qui laissent quelques points fixes, on les appelle des ondes stationnaires. La figure 3 illustre un exemple de vibration. Le premier vecteur propre correspond l'onde avec deux points fixes, les extrmits, le deuxime vecteur propre correspond l'onde ayant comme point fixe supplmentaire le milieu, le troisime a deux points fixes situs au tiers et au deux tiers en plus des extrmits, etc. Il se trouve que dans ce cas prcis, les vecteurs propres dcrivent totalement le comportement de la corde. De plus, si l'on tient compte dans l'quation du phnomne d'amortissement alors on remarque que l'essentiel des vecteurs propres se dissipe trs vite, seul le premier vecteur propre reste longtemps, il correspond la note qui sera mise par la corde de la guitare qui dpend donc de la longueur de la corde mais peu de l'impulsion initiale.

Applications en dimension finie

quation linaire et valeur propre
Beaucoup de problmes finissent par se prsenter sous la forme de la rsolution d'un systme d'quations linaires. Cest--dire dans un cas simple un systme de la forme :

et dans le cas gnral :

On peut citer comme exemple la mcanique statique avec l'tude du cas d'un pav sur une surface en pente.

Valeur propre, vecteur propre et espace propre

6 On trouvera alors trois quations linaires dcrivant les forces de haut en bas, de droite gauche et d'avant en arrire. Si en revanche, on considre l'quilibre statique d'une plate-forme ptrolire, plusieurs centaines d'quations linaires sont ncessaires au calcul.

S'il est thoriquement possible de rsoudre ces systmes d'quations avec des calculs de dterminants et de comatrices, il n'est pas envisageable d'utiliser pratiquement cette mthode. Elle dbouche rapidement sur une complexit et une longueur de calcul qui n'est de loin pas traitable par les ordinateurs les plus puissants d'aujourd'hui. Ceci est particulirement vrai dans le cas d'une plateforme ptrolire par exemple. Les mathmaticiens analysent le problme sous un autre angle, le systme d'quations est considr comme la recherche d'un vecteur x dont l'image par l'application linaire u est gale b. u, x et b sont dcrits par une matrice et deux jeux de coordonnes :

Il suffit alors de comprendre l'application u pour rsoudre plus simplement la question pose. Cette application est une application linaire d'un ensemble dans lui-mme. On appelle endomorphisme une telle application. L'espace vectoriel est dcompos en sous-espaces stables par u, cest--dire que leurs images par u sont incluses dans eux-mmes. Ils disposent de proprits bien particulires. eux tous ils gnrent l'espace vectoriel tout entier, mais l'endomorphisme restreint ces sous-espaces est particulirement simple. Un bon exemple est donn par le cas du miroir. Sur la surface du miroir l'application est simple : elle ne modifie rien ; sur la droite perpendiculaire un vecteur a pour image le vecteur oppos, et tout vecteur est bien la somme d'une composante sur le miroir et d'une composante perpendiculaire. Illustration par un exemple numrique Soit une quation linaire dont la matrice A est donne ci-dessous. La rsolution par inversion impose des calculs longs et complexes. Une approche fonde par les valeurs et les vecteurs propres, la rduction de Jordan (voir l'exemple 2 de l'article Rduction de Jordan), montre que cette matrice est semblable la matrice J :

Le problme, portant initialement sur la matrice simplifi. Dans cet exemple, les valeurs propres de

est alors ramen la matrice et de

, et est donc largement : ;

sont les coefficients diagonaux de

chacune de ces valeurs propres est associ un sous-espace propre, il est ici de dimension 1 pour chacune : la raison, pour 1 et 2, est que ces coefficients n'apparaissent qu'une fois sur la diagonale de ; pour 4, bien qu'il apparaisse deux fois, la dimension du sous-espace propre associ ne peut tre 2, cause de la prsence du coefficient 1 au-dessus de la diagonale. Il est toutefois noter que cette problmatique, mme si elle est la premire tre apparue en algbre linaire, n'a pas ouvert la voie de la notion dveloppe dans cet article.

Valeur propre, vecteur propre et espace propre

Mthode gnrale de rsolution en dynamique

Si la problmatique prcdente n'a pas suffi, c'est essentiellement cause d'une absence de concept de base. La gomtrie d'alors est formalise par le concept de point. Les points ne s'additionnent pas, ils ne possdent pas de proprits algbriques. La notion d'espace vectoriel actuel, n'existait pas. Hamilton, le mathmaticien anglais s'est pench sur un problme o l'addition et la multiplication scalaire sont naturelles. Ce problme lui a t fourni par la physique: les systmes oscillants. Le cas de la figure 4 illustre cette situation. La Fig. 4. Une masse oscillante, attache un ressort et avec un frottement masse est attache un ressort et subit un visqueux amortissement visqueux (ce qui signifie que la dissipation due aux frottements est proportionnelle la vitesse). Il n'existe aucune force extrieure, et le systme oscillant vrifie l'quation diffrentielle linaire suivante avec les notations de l'article Systmes oscillants un degr de libert :

Cette quation utilise les drives secondes, c'est la raison pour laquelle on appelle ce type d'quation, une quation diffrentielle linaire d'ordre deux. Cependant, il est possible de ramener une quation d'ordre deux, une quation d'ordre un condition de doubler la dimension de l'espace (cf quation diffrentielle linaire). Ici, l'espace vectoriel devient de dimension 2 avec un premier axe correspondant la vitesse, not v, et un deuxime la position, not x. Si l'analyse du mouvement commence par convention l'instant t0 = 0, l'quation (1) s'crit alors sous la forme:

Fig. 5. Trajectoire en fonction de l'amortissement

La solution d'une telle quation est connue, et s'crit de la manire suivante:

Valeur propre, vecteur propre et espace propre La preuve du fait que l'exponentielle est bien la solution est donne dans l'article Matrice diagonalisable. Il apparat ncessaire de calculer une exponentielle d'endomorphisme, qui dpend de toutes les puissances de cet endomorphisme. Ce problme est rsolu par Hamilton grce la notion de valeurs et vecteurs propres : en effet, s'il existe une base de vecteurs propres pour l'endomorphisme , avec pour valeurs propres 1 et 2 et si A est l'criture matricielle de a ; c'est--dire s'il existe une matrice de passage P telle que :

alors :

La solution, tant pour la position que pour la vitesse est donc une combinaison linaire d'exponentielles. Le calcul gnral de l'exponentielle d'un endomorphisme, ainsi que les justifications thoriques sont traits dans l'article Rduction d'endomorphisme. S'il existe deux valeurs propres relles, alors la solution est de mme nature que la courbe bleue sur la figure 5. L'amortissement ramne sans oscillation la masse sa position d'quilibre. En revanche, s'il n'existe pas de valeur propre relle, il est ncessaire d'en trouver dans les nombres complexes. La solution est alors donne par la partie relle de la matrice, et on obtient une trajectoire de mme nature que la courbe rouge, avec des oscillations avant d'atteindre le point d'quilibre. La physique est source de nombreux exemples de problmes linaires de dimension finie o les valeurs propres reprsentent la bonne approche pour la rsolution. On les trouve par exemple dans l'analyse des circuits lectriques.

Principe d'inertie de Sylvester

Formulation du principe d'inertie de Sylvester Sylvester analyse l'nergie que l'on doit transmettre un solide pour lui donner une vitesse de rotation vr. Il remarque que le vecteur propre reprsente dans ce contexte un axe de rotation privilgi. La valeur propre correspond la grandeur appele en physique moment d'inertie, elle est inversement proportionnelle l'nergie fournir pour atteindre une vitesse de rotation vr. Pour atteindre cette vitesse avec le moins d'nergie, il est ncessaire de choisir l'axe ayant le plus faible moment d'inertie, cest--dire celui o l'ellipsode de la figure 14 est le plus aplati. La thorie montre que l'axe o l'inertie est la plus forte est toujours perpendiculaire celui du plus faible moment d'inertie. Cette perpendicularit correspond l'existence d'une base orthonormale de vecteurs propres. Le cas du balai de la figure 6, illustre par un exemple le phnomne. L'axe de plus faible moment d'inertie est indiqu par la flche 1. Il est intuitif que l'nergie ncessaire pour obtenir la mme vitesse de rotation selon l'axe de la flche 2 sera largement suprieure. Les vecteurs propres et les valeurs propres apparaissent comme des caractristiques propres de la gomtrie de l'objet, dans ce cas les axes privilgis de rotations, (il est possible de prendre un axe de rotation au hasard, mais les autres axes imposeront des tensions sur l'axe) et les valeurs propres les moments d'inertie associs.

Fig. 6. Axe des moments d'inertie

Valeur propre, vecteur propre et espace propre Une approche similaire s'applique en mcanique des milieux continus pour l'analyse des dformations lastiques comme la torsion, on parle alors de tenseur des contraintes. Application en statistique L'approche de Sylvester est utilise dans de nombreux domaines pour comprendre la gomtrie d'un phnomne. Les techniques statistiques de dpouillements de sondage en sont un parfait exemple. Soit un sondage, ralis sur un chantillon de cent personnes et contenant six critres. S'il est possible d'valuer chaque question par un critre numrique, alors une analyse en composante principale est possible. Elle permet d'interprter les rsultats du sondage. Les rsultats du sondage, sont dans un premier temps normaliss pour qu'un critre, qui par exemple prend des valeurs entre un et cent ne soit pas dix fois plus important qu'un autre prenant des valeurs de un dix. Le rsultat du sondage est alors considr comme un solide dans un espace comportant autant de dimensions que de critres.

Fig. 7. Rsultat du sondage

ACP Russie, l'axe principal est explicatif.

Exemple de deux questions aux rponses corrles.

Exemple de deux questions aux rponses non corrles.

La premire figure reprsente l'ACP sur les deux premiers vecteurs propres, qu'on appelle en statistiques composantes principales. Les valeurs sont rassembles autour de cet axe, ce qui signifie qu'il est le plus explicatif. Ce caractre explicatif est donn par le carr de la valeur propre. Dans l'exemple fictif, il est d deux critres fortement corrls. Ce phnomme est visible sur la deuxime figure, les deux critres corrls sont reprsents. L encore ces critres se rassemblent autour d'une droite, dans l'exemple cette droite est la droite de la composante principale (celle la valeur propre la plus forte). Ces coordonnes sur ses deux critres sont respectivement 0,506 et -0,491. Si les critres sont revenu et surcharge pondrale, alors le sondage indique que l'obsit frappe en priorit les revenus les plus faibles. La troisime figure illustre un cas, ou la corrlation entre deux critres est faible. Si les critres sont taille et niveau d'tude, alors un tel graphique indique que la taille n'est pas un critre diffrenciant pour le niveau d'tude. Cet exemple illustre encore que dans le cas analys par Sylvester, les valeurs et vecteurs propres ne sont pas uniquement des mthodes de calculs, mais aussi des lments constitutifs de la gomtrie du problme considr. Application en relativit

Valeur propre, vecteur propre et espace propre

10

travers les moments d'inertie d'un solide, Sylvester ne s'est pas tromp sur le titre de son article de 1852 Thorie des invariants algbriques[rf.ncessaire]. Les valeurs propres, qui sont les invariants, dpassent de loin le cadre des moments d'inertie. La gomtrie de l'espace-temps relativiste est un autre exemple. Ici la forme bilinaire ne dcrit plus le moment d'inertie d'un solide indformable, mais une modlisation de la gomtrie mme de notre univers. La figure 8 reprsentative de cette gomtrie est nanmoins fort diffrente des illustrations prcdentes. Il existe un axe particulier, o le carr de la distance possde une proprit spciale: il est ngatif. La bonne distance de cette thorie n'est plus toujours positive. Un vecteur de coordonnes (x, y,z, t) a pour image x2+y2+z2-c2.t2. Hermann Minkowski 1864-1909 dveloppe une approche mathmatique fonde sur ces principes en 1907 dans un article intitul Espace-temps, et l'applique la relativit l'anne suivante.

Fig. 8. Le principe d'inertie de Sylvester en relativit

Le cne d'inertie de la figure 8 reprsente l'univers pour un observateur au point A. Le point C possde une distance ngative, pour l'atteindre il faudrait une vitesse suprieure la lumire, ce qui, dans le contexte de cette thorie n'est pas ralisable. Il est donc inobservable et n'a aucune influence directe ou indirecte sur l'observateur. Le point B est dans ce que l'on appelle le cne de lumire, c'est un point possible, il pourra interagir avec l'observateur. Dans le cas qui intresse Minkowski, les endomorphismes qui traduisent les lois physiques d'un observateur un autre observateur, jouent un rle important ; ce sont ceux qui vrifient l'quation , o est la forme bilinaire qui dcrit la gomtrie considre. Ces endomorphismes laissent la gomtrie invariante, ils correspondent dans une modlisation euclidienne aux isomtries. Dans la gomtrie de la relativit, 1 est valeur propre et son espace propre associ est de dimension 3 et i.c est valeur propre de sous-espace propre associ de dimension 1, o i dsigne le nombre imaginaire et c la clrit de la lumire. On parle de signature de Sylvester (3,1). Toutes les lois physiques doivent tre invariantes par ces endomorphismes. Ces endomorphismes forment une structure de groupe, appel groupe spcial unitaire, la relativit revient rcrire la physique en lois laisses invariantes par le groupe spcial unitaire de dimension 4 et de signature (3,1).

Reprsentation des groupes

L'analyse par vecteurs et valeurs propres possde aussi comme domaine d'application la reprsentation des groupes. Une structure de groupe est parmi celles dont la dfinition algbrique est la plus simple, c'est un ensemble muni d'une seule opration note souvent comme la multiplication. Si la dfinition est simple, en revanche, ces structures s'avrent parfois suffisamment complexes pour que leur thorie ne soit pas encore compltement connue. Comme exemple de groupe, il est possible de citer celui des rotations du cube qui laissent son enveloppe invariante. La figure 9 montre que ce groupe est engendr par trois permutations, celle qui place la face 1 en position 2, reprsente par la flche rouge, celle reprsente par la verte et enfin la bleue. Au total ce groupe comporte 24 lments. Une reprsentation d'un groupe consiste une identification de ses lments avec des endomorphismes de telle

Fig. 9. Exemple d'application linaire : une symtrie par rapport l'axe horizontal central

Valeur propre, vecteur propre et espace propre manire ce que l'opration du groupe corresponde la composition d'endomorphisme. Ainsi dans l'exemple de la figure, il existe une identification naturelle entre le groupe abstrait des 24 rotations du cube avec un groupe de rotations dans un espace de dimension 3. Cette approche permet alors de disposer des outils comme les vecteurs ou valeurs propres pour l'analyse de la structure des groupes. La thorie montre que les espaces propres d'une reprsentation correspondent la partie commutative du groupe. Dans le cas d'un groupe entirement commutatif, il existe une base de vecteurs propres pour toute la reprsentation. Cette approche dmontre, par exemple que les groupes commutatifs finis sont des produits de groupes cycliques. La dmonstration est esquisse dans l'article Matrice diagonalisable. La reprsentation des groupes finis joue un rle important dans la thorie des vecteurs propres. Elle a permis Jordan, dans un contexte relativement gnral, de comprendre totalement le champ d'application et les limites d'une approche par vecteurs propres. Des conditions ncessaires et suffisantes d'existence de vecteurs propres ou de bases de vecteurs propres sont alors connues. De plus, les cas o il n'existe pas de base de vecteurs propres sont lucids ainsi que la structure exacte des endomorphismes entrant dans cette catgorie et la proportion d'endomorphismes de cette nature dans l'ensemble de tous les endomorphismes. Si le contexte est relativement gnral, il ne couvre pas tous les cas d'espaces vectoriels connus. La thorie de Jordan se limite la dimension finie avec un corps de nombre algbriquement clos. Un corps est dit algbriquement clos si tous ses polynmes ont au moins une racine. Ce contexte est nanmoins suffisamment gnral pour couvrir toutes les applications cites dans ce chapitre.

11

Thorie en dimension finie

Approche lmentaire
Une premire remarque simplifie l'tude. Si est une valeur propre d'un endomorphisme u, alors un vecteur propre est un vecteur non nul qui a pour image 0 par l'application u - .Id, o Id dsigne l'application identit. L'espace propre associ est l'ensemble des vecteurs qui ont pour image 0 par cette application. On appelle cet ensemble le noyau de l'endomorphisme u - .Id. Les proprits gnrales tablissent que cet ensemble est un sous espace vectoriel. Celui-ci est non rduit 0 par dfinition d'une valeur propre. Une fonction importante, en particulier dans notre cadre, est la fonction dterminant. Elle fut la premire tre tudie systmatiquement dans le monde de l'algbre linaire. Elle associe un endomorphisme un nombre. Son intrt rside notamment dans le fait que le dterminant d'un endomorphisme est nul si et seulement s'il existe des vecteurs non nuls qui ont pour image le vecteur nul par cet endomorphisme, c'est--dire si et seulement si 0 est une valeur propre pour cet endomorphisme. Le dterminant de l'application u - .Id est appel le polynme caractristique. Ces remarques fournissent les premires proprits : Soit une valeur propre, alors l'espace propre de valeur propre est le sous-espace vectoriel gal au noyau de u - .Id, un espace propre est un sous-espace vectoriel, les racines du polynme caractristique sont les valeurs propres. Cette dernire proprit montre que l'existence de racines de polynmes a une influence sur la thorie des valeurs propres. En fait, l'existence mme des valeurs propres dpend de l'existence de racines pour les polynmes, par exemple le polynme caractristique. C'est pourquoi dans le cadre du corps des nombres complexes, qui est algbriquement clos d'aprs le thorme de d'Alembert-Gauss, les proprits lies aux valeurs propres s'nonceront plus simplement que dans le cadre du corps des rels.

Valeur propre, vecteur propre et espace propre

12

Cas o l'endomorphisme est diagonalisable

Article thorique: Diagonalisation, article appliqu: Matrice diagonalisable Le concept de l'article est particulirement clair dans le cas o le comportement de l'endomorphisme est entirement dcrit par les vecteurs et valeurs propres. L'endomorphisme est alors dit diagonalisable. Un endomorphisme est dit diagonalisable si et seulement s'il existe une base de vecteurs propres. C'est le cas du premier exemple, celui du miroir. Une base peut alors tre choisie en prenant deux vecteurs libres dans le plan de la glace et un troisime perpendiculaire ce plan. Les deux premiers vecteurs ont pour images eux-mmes et sont donc de valeur propre 1 et le dernier est de valeur propre -1. Cette situation est intressante trois titres: elle correspond un cas simple traiter, elle est sous certaines hypothses frquente, enfin il existe de multiples critres pour la reprer.
Fig. 10. Modification d'un parralllotope dont les cts sont forms par une base de vecteurs propres par un endomorphisme diagonalisable

La simplicit de cette situation provient de deux faits. Il existe une dcomposition de l'espace en sous-espaces stables, simples en eux-mmes, et sur lesquels l'endomorphisme est simple dcrire. Ces sous-espaces sont simples car de dimension 1 : ce sont des droites. La linarit de l'endomorphisme permet de connatre exhaustivement le comportement de la transformation, une fois compris le comportement sur ces droites. Enfin la restriction de l'endomorphisme ces droites est une homothtie, cest--dire une dilatation, d'un facteur la valeur propre. Un exemple de cette situation est donn par la figure 10 : un paralllotope jaune dont les artes sont la base de vecteurs propres, l'image par l'endomorphisme est un paralllotope dont les artes ont gard les mmes directions, mais dont les longueurs ont t modifies. Cette simplicit ouvre la voie de nombreuses applications voques prcdemment dans l'article. Elle permet par exemple le calcul d'une exponentielle d'endomorphisme et par consquent la rsolution de nombreux problmes mcaniques. Cette situation est aussi frquente. La figure 11 en est une illustration dans le cas o l'espace vectoriel est de dimension 2 sur les nombres rels. L'ensemble des endomorphismes est alors un espace de dimension 4 : tout endomorphisme admet une reprsentation matricielle de la forme . Pour obtenir une

reprsentation graphique en dimension 3, les coefficients b et c de la reprsentation matricielle sont reprsents uniquement par un axe travers la valeur -b.c. En utilisant les critres de diagonalisabilit, on Fig. 11. Nappe reprsentant l'adhrence des constate qu'une nappe particulire, de dimension 2, apparat dans endomorphismes non diagonalisables sur le corps cette reprsentation (elle serait de dimension 3, si on pouvait tout des complexes reprsenter dans l'espace, de dimension 4, des endomorphismes). Cette nappe correspond une situation limite pour la diagonalisabilit : la zone en dessous de la nappe contient des endomorphismes diagonalisables, la zone au-dessus contient des endomorphismes diagonalisables seulement sur les nombres complexes. Dans la reprsentation choisie, les endomorphismes diagonalisables sur les nombres complexes occupent donc presque tout l'espace ; c'est en cela que le cas de diagonalisabilit est frquent. En revanche les endomorphismes qui sont diagonalisables mme sur les rels en occupent essentiellement la moiti. Cette situation de frquence est mettre en relation

Valeur propre, vecteur propre et espace propre avec la situation des polynmes coefficients rels, dont les racines sont relles, ou seulement complexes. On trouve en particulier dans la zone des endomorphismes diagonalisables sur les nombres complexes seulement : les rotations, dont un exemple avait t donn par la rotation de la Terre sur elle-mme. Enfin, pour ce qui est de la nappe elle-mme, deux types de situations s'y prsentent. La droite horizontale d'quation a = d avec b = c = 0 reprsente la droite des homothties, du mme type que le deuxime exemple de l'article. Les autres points de la nappes reprsentent les seuls endomorphismes non diagonalisables. Enfin il existe de multiple critres pour caractriser un endomorphisme diagonalisable. Une premire approche consiste tudier le polynme caractristique. Une autre largement plus sophistique consiste tudier les polynmes de l'endomorphisme. L'un des concept cl est alors le polynme minimal qui fournit, par exemple, un critre de diagonalisation particulirement simple. Les critres associs la diagonalisation sont donnes dans la boite droulante suivante. Les articles contenant les preuves sont systmatiquements cits.

13

Cas complexe
La figure 11 montre que, mme dans le cas o le corps est celui des nombres complexes, il reste encore des cas lucider, celui des endomorphismes qui se situent sur la nappe, mais pas sur la droite des homothties. Dans le cas des systmes d'quations diffrentiels linaires, il n'intervient que comme un cas limite, dans l'approche de Sylvester, il n'apparat plus du tout. En revanche dans la thorie des groupes, ce cas est important. Ce type d'endomorphisme permet la reprsentation des groupes non commutatifs. Si ces groupes sont infiniement diffrentiable, alors ils permettent la reprsentation d'un cas important, celui des groupes de Lie nilpotent. Pour lucider cette problmatique, les mthodes utilises sont celles Fig. 12. Exemple d'image d'une base par un mises au point par Nelson Dunford. L'outil essentiel consiste endomorphisme nilpotent en dimension 3 considrer les combinaisons linaires de puissance de l'endomorphisme. On obtient ainsi un polynme d'endomorphisme. Ces polynmes forment une structure d'algbre commutative dot d'un morphismes de l'ensemble des polynmes vers cette algbre. Cette approche est fconde, on la retrouve aussi dans l'tude du cas o la dimension n'est plus finie. La thorie associe cette approche se trouve dans l'article Polynme d'endomorphisme, et l'application au cas trait ici dans Dcomposition de Dunford. Le rsultat remarquable est qu'il n'existe dans ce contexte qu'une unique exception structurelle au cas diagonalisable. C'est le cas o l'endomorphisme u la puissance p, o p est un entier, est gal 0. On dit alors que l'endomorphisme est nilpotent. On peut considrer par exemple en dimension 3, si (e1, e2, e3, ) est une base l'endomorphisme qui vrifie u(e1)=e2, u(e2)=e3 et u(e3)=0. Cet endomorphisme n'est clairement pas nul son polynme caractristique est gal x3 donc la seule valeur propre est 0. Cet exemple est illustr en figure 12. Camille Jordan a prouv que dans ce contexte, tout endomorphisme est somme d'un endomorphisme diagonalisable et d'un endomorphisme nilpotent et qu'ils commutent entre eux. L'application de la thorie des endomorphismes montre que le cas nilpotent dispose d'une reprsentation matricielle particulirement simple et trigonale suprieure. Dans le cas gnral, cette reprsentation s'appelle la rduction de Jordan, elle dmontre aussi que, dans ce cas, toute matrice est semblable une matrice triangulaire.

Valeur propre, vecteur propre et espace propre

14

Cas rel
Sur les rels un polynme n'admet pas toujours de racine. Dans notre troisime exemple, celui de la rotation de la terre, l'espace est de dimension 3, or tout polynme du troisime degr possde une racine sur les rels. En consquence, il existe au moins une droite de vecteurs propres. C'est l'axe des ples dans notre exemple. En revanche, dans le cas de dimension paire, par exemple la restriction de cette application au plan illustr en bleu sur la figure 13 de l'quateur, l'existence de valeur propre n'est plus garantie. Ici, une analyse gomtrique nous montre qu'il est vain de chercher un vecteur propre car la rotation modifie la direction de tous les vecteurs non nuls. Dans le cas complexe, nous avons vu que seul un terme nilpotent peut interdire la diagonalisation. Dans le cas rel, une fois retranch le terme nilpotent, seul les rotations empchent la diagonaliation. Il existe alors deux manires de rduire le cas rel.

Fig. 13. Rotation de la Terre

La premire solution consiste plonger l'endomorphisme dans un espace vectoriel complexe. C'est la solution la plus simple et la plus frquente. La rduction de l'endomorphisme y est alors plus aise. Une fois cette rduction ralise, l'application de cette rduction des vecteurs rels donnent toujours des solutions relles. La deuxime solution consiste affaiblir la rduction. Tout endomorphisme sur les nombres rels est la somme du produit d'un endomorphisme diagonalisable et d'une rotation avec un endomorphisme nilpotent. L'endomorphisme diagonalisable commute avec l'application nilpotente et la rotation. En revanche, l'application nilpotente ne commute pas avec la rotation. Dmonstration dans Rduction d'endomorphisme

Cas d'un module sur un anneau

Les dfinitions n'utilisent pas le fait que soit un corps commutatif. Ces dfinitions ont donc encore un sens dans le cas ou E n'est pas un espace vectoriel mais un module sur un anneau. Si l'anneau n'est pas commutatif, on parlera alors de valeur propre droite ou de valeur propre gauche. Si l'anneau est commutatif on parlera simplement de valeur propre.

Cas des formes bilinaires

Article associ: Thorme spectral

Valeur propre, vecteur propre et espace propre

15

Les endomorphismes sont aussi utiliss pour reprsenter des formes bilinaires, qui sont des objets de mme nature que les distances euclidiennes. Les valeurs et vecteurs propres prennent dans ce contexte une signification particulire. Les formes bilinaires sont des fonctions qui ne sont pas linaires, mais quadratiques, au sens o la fonction ne s'exprime plus comme une combinaison linaire de coordonnes, c'est--dire un polynme ( plusieurs variables) de degr 1 en les coordonnes, mais comme un polynme du second degr en les coordonnes. La distance euclidienne sur l'espace est par exemple obtenue partir de la forme bilinaire effectivement intervenir un polynme de degr 2. Certaines proprits ventuellement vrifies par les formes bilinaires, comme par exemple la symtrie, les rendent le cas chant plus faciles tudier. La distance euclidienne par exemple est symtrique, ainsi la distance d'un point a un point b est la mme que la distance d'un point b un point a. Un endomorphisme qui reprsente une forme bilinaire symtrique est dit autoadjoint. Ces endomorphismes autoadjoints disposent en fait de proprits fortes concernant valeurs et vecteurs propres: non seulement ils admettent des vecteurs propres, mais de plus ceux-ci suffisent pour comprendre entirement l'endomorphisme ; un endomorphisme auto-adjoint est diagonalisable. Ensuite, les vecteurs propres peuvent tre choisis avec une proprit forte : il existe une base orthonormale de vecteurs propres. Enfin, pour ce cas particulier, il existe des mthodes de calcul simples et rapides pour obtenir valeurs et vecteurs propres. Cette situation est illustre graphiquement sur la figure 14. Un endomorphisme autoadjoint transforme la boule unit en un ellipsode dont les axes sont les vecteurs propres et les longueurs des demi-axes les valeurs absolues des valeurs propres. Par ailleurs, la forme bilinaire initiale dcrit ici l'quivalent d'une distance d'un espace gomtrique ; l'espace tudi, muni de la forme bilinaire, est un nouvel espace gomtrique. Sylvester montre que les vecteurs et valeurs propres, de l'endomorphisme auto-adjoint associ, sont des invariants, des tres qui dcrivent les grandeurs naturelles et caractristiques de la gomtrie considre. La signification physique de ces grandeurs dpend du contexte de l'espace tudi. Sylvester a appliqu ce qui prcde au principe d'inertie d'un solide indformable en mcanique et en avait dduit l'existence d'axes de rotation (vecteurs propres) et de constantes d'inertie (valeurs propres) intrinsques au solide. Les autres exemples d'applications montre qu'il en est de mme dans d'autres situations, par exemple en statistique o les composantes principales rvlent la dimension la plus significative d'un songage, ou la relativit qui montre l'existence d'un invariant, la signature de Sylvester, dans la structure mme de la gomtrie de notre univers. Le rle des vecteurs et valeurs propres est ainsi modifi. Ils ne sont plus des uniquement des outils de calculs ncessaires pour acclrer un algorithme ou pour rsoudre un problme technique de rsolution d'quation diffrentielle, ils acquirent une autonomie propre, et deviennent des invariants constitutifs d'une gomtrie. Ils prennent alors des noms spcifiques au domaine d'application ; on parle par exemple d'axe de rotation en mcanique, de composantes principales en statistiques, ou de directions propres dans le cas d'espaces courbes. La dmonstration de l'existence d'une base de vecteurs propres dans le cas des endomorphismes autoadjoints est donne dans l'article Endomorphisme autoadjoint.

Fig. 14. L'image d'une sphre par un endomorphisme autoadjoint

, expression qui fait

Valeur propre, vecteur propre et espace propre

16

Thorie spectrale
Positionnement du problme
L'analyse du cas de la dimension finie montre qu'une connaissance des valeurs propres et des espaces de Jordan associs permet une comprhension profonde des endomorphismes. Il est donc naturel d'essayer d'tendre cette approche aux cas d'espaces vectoriels de dimensions non finies. Ce besoin de gnralisation apparat naturellement en mathmatiques. Les espaces deviennent des espaces de fonctions et les endomorphismes les oprateurs de diffrentiations, comme les drives les gradients ou les laplaciens. L'exemple de la corde vibrante est caractristique d'une approche de cette nature. Dans ce contexte le vocabulaire volue, on ne parle plus d'endomorphisme mais d'oprateur, on utilise le terme de fonction propre pour dsigner un vecteur propre et une telle dmarche prend le nom de thorie spectrale. Elle est une branche de ce qui s'appelle l'analyse fonctionnelle. L'approche spectrale est sduisante bien des aspects. Analyser non plus les proprits analytiques des ventuelles solutions, mais la nature mme de l'espace gomtrique est une approche lgante. Elle offre de nouveaux outils, comme des bases ou des distances pour rsoudre des difficults souvent complexes. Dans le cas de la dimension finie, cette approche apporte des thormes puissants, la fois thoriques et algorithmiques. Joseph Fourier, montre qu'il en est parfois de mme dans des cas plus gnraux, avec l'tude de l'quation de la chaleur ou des cordes vibrantes. David Hilbert confirme la pertinence de la dmarche en ouvrant la voie une thorie spectrale gnrale.

Difficults de l'approche
Les proprits gomtriques des espaces fonctionnels sont hlas largement plus faibles que le cas de dimension finie. La premire diffrence est la prsence d'une base au sens algbrique du terme. En gnral, il n'est pas possible de construire une famille libre et gnratrice de l'espace par combinaison linaire finie. Il existe des contre-exemples comme l'espace vectoriel des polynmes. Mais cet espace est trop troit pour contenir beaucoup de solutions des quations que l'on cherche rsoudre. Par exemple, la position initiale d'une corde de guitare pince par le musicien a fort peu de chance d'tre dans l'univers des polynmes trigonomtriques. On peut alors gnraliser ce type d'espace par une bonne compltude. On trouvera alors l'espace des sries trigonomtriques ou celui des sries entires. Les rsultats sont alors de bons candidats pour tablir les fondements d'une thorie spectrale. Pour comprendre la gomtrie de tels espaces, la topologie devient essentielle. En effet, par construction de l'espace, les solutions apparaissent comme limites de suites. Cependant la topologie cache bien des surprises pour les espaces fonctionnels. En dimension finie, toutes les normes dfinissent la mme topologie. En fait, il n'existe vritablement qu'une topologie intressante pour une analyse en vecteurs propres. En dimension infinie, ce n'est plus le cas, la topologie faible par exemple ne possde mme plus de distance associe, et parler de compltude n'est plus possible. La compacit est toujours vraie en dimension finie pour les ferms borns. Le thorme de compacit de Riesz nous indique que ce n'est jamais le cas si la dimension n'est pas finie. Il devient illusoire de vouloir extraire des sous-suites convergentes pour trouver des vecteurs propres dans le cas gnral. Un endomorphisme est toujours continu en dimension finie. Ce n'est plus le cas pour les oprateurs linaires des espaces fonctionnels. La drive, par exemple, ne possde pas cette proprit. Pour s'en assurer, il suffit de considrer la suite des monmes . Sur l'intervalle [0,1], elle est borne. Or l'image de la suite par la fonction drive ne possde plus cette proprit. Dans le cas gnral, un oprateur linaire est continu si et seulement si l'image de la boule unit est borne, c'est la raison pour laquelle on parle plus souvent d'oprateur born et que d'oprateur linaire continu.

Valeur propre, vecteur propre et espace propre

17

Spectre et ensemble de valeurs propres

En dimension finie, si un endomorphisme a est surjectif alors il est bijectif. Ainsi, l'application a - I est une bijection si et seulement si n'est pas une valeur propre. Ce n'est pas vrai dans le cas gnral. Considrons par exemple E l'espace des fonctions infiniment drivables sur l'intervalle [0,1], et considrons l'oprateur A (Amofrn, cf plus bas) qui, la fonction f(x), associe la fonction xf(x). Il est relativement simple de constater qu'il est born et ne possde pas de valeur propre. Considrons l'oprateur A - I qui, la fonction f(x), associe la fonction f(x)(x-). Si est compris entre 0 et 1, alors il n'est pas surjectif car son image ne contient pas de fonctions dont l'image de est diffrente de 0. On parle alors de spectre pour rendre compte de ce phnomne. Le spectre contient toujours l'ensemble des valeurs propres, et en dimension finie, ces deux notions concident. Dans notre exemple le spectre est l'intervalle [0,1] et l'ensemble des valeurs propres est vide. La dfinition prcise du spectre est la suivante : soit E un espace de Banach et O un oprateur linaire, alors le spectre est l'ensemble des scalaires tel que l'oprateur O - I n'admet pas de rciproque. Selon le contexte, il est possible d'ajouter la continuit de l'inverse comme condition. Cas de la dimension quelconque : Un espace vectoriel E sur K est dit K_variant si l'on peut trouver un endomorphisme (alors appel K_variant pour E) ne laissant stable aucun sous espace fini et ne possdant, a fortiori, aucun vecteur propre. Un tel espace est aussi communment appel espace de Baire-Amofrn. Remarque : Un espace qui n'est pas K_variant est dit K_invariant. Tout espace de dimension finie sur un corps algbriquement clos est K_invariant (le polynme caractristique est scind sur K!). R[X] en revanche est rendu K_variant par l'endomorphisme canonique d'Amofrn PX*P . On appelle famille de K_variance ou famille de Brenef une famille libre d'endomorphismes K_variant pour E. Le thorme de Baire-Brenef nonce alors que E est complet si la boule ferme pour la topologie induite sur l'espace de variance (engendr par une famille de Brenef) est compacte. En effet, le lemme de Chabran nous assure que l'espace de variance est de dimension dnombrable, et ce quel que soit le corps. Un espace K_invariant est dit totalement invariant sur K si le spectre de tout endomorphisme K_invariant pour E est un convexe ferm de K.

Dcomposition spectrale des oprateurs autoadjoints compacts

En dimension finie, le paragraphe sur l'algbre bilinaire montre qu'il existe un cas ou il est possible de trouver une base de vecteurs propres sans utiliser les polynmes d'endomorphismes. C'est un bon cadre pour une gnralisation car la notion de polynme s'applique mal dans le cas des espaces fonctionnels. L'espace est alors enrichi d'une distance, euclidienne ou hermitienne et l'endomorphisme possde toujours la bonne symtrie que l'on appelle autoadjointe. Dans ce contexte, la boule unit est transforme en un ellipsode reprsent dans la figure 14. Les axes principaux de cet ellipsode sont les vecteurs propres et les longueurs de ces demi-axes sont les valeurs propres. Cette approche gomtrique guide David Hilbert pour tablir un rsultat important de thorie spectrale, dans le cas de la dimension infinie. L'espace vectoriel possde une distance euclidienne ou hermitienne. S'il est complet pour cette distance, on dit que c'est un espace de Hilbert. Les sries trigonomtriques ou les fonctions dfinies sur un segment et dont le carr est intgrable forment un espace de Hilbert sparable. L'oprateur possde une bonne symtrie. Elle reste la mme que celle de la dimension finie. Il est ici autoadjoint. Enfin l'oprateur dispose d'une bonne proprit de continuit. Le fait qu'il soit born ne suffit plus. C'est un oprateur compact, cela signifie que l'image de la boule unit est compacte. Une des consquences est qu'il n'est plus inversible. Dans ce contexte, alors des rsultats analogues la dimension finie sont tablis. Citons par exemple : si T est un oprateur compact autoadjoint sur un espace de Hilbert, alors : le spectre de T est compact et contient la valeur 0 ;

Valeur propre, vecteur propre et espace propre si ce spectre est rduit {0} alors T est nul ; il existe une base hilbertienne de vecteurs propres pour T.

18

Application la chimie quantique

La thorie spectrale constitue la base mathmatique de la mcanique quantique. Les vecteurs propres trouvent donc d'innombrables applications dans ce domaine. Par exemple en chimie, l'tude de l'atome d'hydrogne montre que les tats stables des lectrons sont modliss par des vecteurs propres dont les valeurs propres correspondent des tats d'nergie. Dans le contexte de la mcanique quantique, l'unique solution pour dcrire la position d'un lectron, dans notre exemple celui de l'hydrogne, est l'utilisation d'une fonction d'onde complexe. Le carr du module de cette fonction d'onde peut alors s'interprter comme la probabilit de prsence de l'lectron en un point donn de l'espace. L'espace des fonctions d'ondes est un Hilbert sparable, celui des fonctions de notre espace gomtrique dans les complexes dont le carr du module est intgrable.

Fig. 15. Orbites stables d'un lectron de l'atome d'hydrogne

L'quation qui rgit cette fonction d'onde (que l'on note ici E) est une version simplifie de l'quation de Schrdinger :

H est un oprateur linaire appel hamiltonien. C'est un oprateur diffrentiel d'ordre 2. Il correspond une transformation de Legendre d'un lagrangien. On peut dmontrer qu'un tel oprateur est autoadjoint. E est un scalaire, qui reprsente le niveau d'nergie de l'lectron. E est l'inconnue de l'quation. C'est donc par dfinition une fonction propre, elle correspond alors ce que les chimistes appellent une orbite stable. Les lectrons ne peuvent que sauter d'une orbite stable une autre. L'quation d'onde qui rgit l'lectron correspond donc au cadre de la thorie spectrale. Les solutions sont les fonctions propres d'un oprateur linaire. La gomtrie correspond un contexte favorable, l'espace est un Hilbert sparable et l'oprateur est autoadjoint. On peut par exemple en dduire directement que l'nergie est toujours un rel. En revanche les proprits de continuit ne sont pas favorables. Par exemple, l'oprateur n'est pas compact. Cette absence de bonne continuit rend la recherche d'orbites stables difficile. Le cas de l'atome d'hydrogne est un peu particulier. L'oprateur associ correspond un cas relativement simple. On peut alors approximer aussi prcisment qu'on le souhaite les fonctions propres. La figure 15 reprsente les premires orbites stables de l'atome d'hydrogne. La couleur reprsente le carr du module de l'orbite, plus elle est claire, plus la densit est forte. Le centre reprsente le noyau, ici un proton. Cette approche ne se limite pas l'atome d'hydrogne, on peut l'utiliser pour d'autres atomes et mme des molcules. C'est le travail qu'a ralis Linus Pauling dans son livre The Nature of the Chemical Bond sur la nature des liaisons chimiques. Le prix Nobel de Chimie, obtenu principalement grce cette approche est l'un des plus important dans la chimie du XXesicle. La combinaison linaire des orbites stables permet par exemple, dans le cas des molcules, de mieux dcrire des composs insaturs de l'thylne.

Valeur propre, vecteur propre et espace propre

19

Valeur propre et recherche mathmatique

Les valeurs propres restent un vaste sujet de recherche dans les mathmatiques d'aujourd'hui. Ce sujet couvre aussi bien la recherche fondamentale qu'applique et la dimension finie comme le cas gnral en dimension infinie.

Recherche fondamentale et dimension finie

Si dans le cas des corps relativement connus comme les nombres rels ou complexes, la problmatique des valeurs propres est maintenant largement connue, il n'en est pas de mme pour les corps plus sotriques ou les anneaux. Dans le cas des corps finis, cette approche offre un regard particulier par exemple sur la cryptologie. D'autres corps comme les p-adiques sont encore largement mal connus. Une approche linaire, avec l'analyse des valeurs propres reprsente un outil supplmentaire pour l'analyse par exemple de l'anneau des polynmes.

Recherche applique et dimension finie

L'analyse des valeurs propres et des vecteurs propres reprsente la meilleure mthode pour la mise au point d'algorithmique rapide de rsolution d'quations linaires. Des critres comme la vitesse de convergence devient alors le premier sujet de recherche. Une technique particulirement employe consiste loigner les valeurs propres pour acclrer la recherche des solutions. Ce secteur, mme s'il n'est pas domin par des mathmaticiens au sens thorique du terme, puisqu'il est plus souvent le domaine des mathmatiques de l'ingnieur ou de l'informaticien, est toujours en pleine effervescence. Il rejoint les travaux sur l'anneau des nombres di-adiques (reprsentation binaire finie) et s'ouvre sur une branche des mathmatiques difficile. La cryptologie applique utilise aussi les reprsentations linaires pour offrir des codes multi-cl efficaces et souples. Ici, les corps sont rarement les rels ou les complexes, mais plutt des corps finis.

Recherche thorique dans le cas gnral

Ce domaine est celui qui rassemble le plus de mathmaticiens thoriques. L'algbre linaire contient des problmes encore largement ouverts dans le cas de la dimension infinie. La voie thorique la plus analyse l'heure actuelle est celle de l'axiomatisation, qui s'incarne dans la gomtrie algbrique. Cette approche considre les oprateurs comme lments d'une algbre abstraite, bnficiant d'un certain nombre de proprits. L'objectif est la comprhension de cette algbre pour l'appliquer ensuite des cas particuliers d'algbre d'oprateurs. Cette approche est particulirement fconde en mathmatiques appliques la physique, comme par exemple les travaux du mathmaticien russe Maxim Kontsevich (mdaille Fields 1998), dont les rsultats les plus clbres traitent des dformations quantiques sur les varits de Poisson l'aide d'une hirarchie infinie de structures algbriques gnralisant la notion d'algbre oprant sur un espace vectoriel. La gomtrie algbrique est particulirement fconde dans le domaine de l'arithmtique. Le mathmaticien Laurent Lafforgue a reu la mdaille Fields en 2002 pour ses travaux dans cette branche sur les conjectures de Langlands.

Valeur propre, vecteur propre et espace propre

20

Sources
Notes
[1] Al-Khawarizmi, Abrg du calcul par la restauration et la comparaison [2] R. Descartes, La Gomtrie, 1637 [3] J. de Witt, commentaire de la version latine de La Gomtrie de Descartes, 1660 [4] (la) C. F. Gauss, Demonstratio nova theorematis omnem functionem algebraicum (http:/ / www. thelatinlibrary. com/ gauss. html), 1799 [5] J. Fourier, Thorie analytique de la chaleur (http:/ / books. google. com/ books?id=TDQJAAAAIAAJ), Paris, 1822 Rfrence:Thorie analytique de la chaleur (Fourier) [6] [7] [8]

(en) W. R. Hamilton, On a General Method in Dynamics (http://www.maths.tcd.ie/pub/HistMath/People/Hamilton/Dynamics/), 1834 (en) A. Cayley, Chapters in the analytical geometry of (n) dimensions (http://ebooks.cambridge.org/chapter.

jsf?bid=CBO9780511703676& cid=CBO9780511703676A017) , in Cambridge Math. J., vol. 4, 1843, p. 119-127 (en) A. Cayley, On the Theory of Linear Transformations (http://www.archive.org/details/collectedmathem01caylgoog), dans Cambridge Math. J., vol.4, 1845, p.193209 [9] (de) H. G. Grassmann, Die Lineale Ausdehnungslehre ein neuer Zweig der Mathematik (http:/ / www. archive. org/ stream/ dielinealeausde00grasgoog#page/ n11/ mode/ 2up), Leipzig, 1844 [10] A. L. Cauchy, Mmoire sur les clefs algbriques (http:/ / math-doc. ujf-grenoble. fr/ cgi-bin/ oeitem?id=OE_CAUCHY_2_14_417_0), 1854 [11] (en) J. Sylvester, Additions to the articles in the September number of this journal, On a new class of theorems, and on Pascal's theorem, dans Philos. Mag., srie, vol.37, no251, 1850, p.363-370 [12] J. J. Sylvester, Thorie sur les invariants algbriques[rf.ncessaire], 1852 [13] (en) A. Cayley, A Memoir on the Theory of Matrices (http:/ / www. jstor. org/ stable/ 108649), dans Philos. Trans. R. Soc., vol. 148, 1858, p. 17-37 [14] Camille Jordan, Trait des substitutions et des quations algbriques, 1870 [15] F. Riesz, Sur les systmes orthogonaux de fonctions, CRAS, vol. 144, 1907, p. 615-619 [16] (de) E. Schmidt, Entwicklung willkrlicher Funktionen nach Systemen vorgeschriebener (http:/ / gdz. sub. uni-goettingen. de/ dms/ load/ img/ ?PPN=PPN235181684_0063& DMDID=dmdlog45), Math. Ann., vol. 63, 1905, p. 433-476 [17] (de) D. Hilbert, Grundzge einer allgemeinen Theorie der linearen Integralgleichungen (http:/ / www. archive. org/ details/ grundzugeallg00hilbrich), 1912

Liens externes
Elments propres d'un endomorphisme (http://c.caignaert.free.fr/chapitre2/node3.html), site de C. Caignaert, Lyce Colbert, Tourcoing Comment fonctionne Google ? (http://www-fourier.ujf-grenoble.fr/~eiserm/Enseignement/google.pdf), par M. Eisermann (utilisation et calcul de vecteurs propres dans l'algorithme PageRank) (en) Calculateur en ligne de valeurs et vecteurs propres (http://www.arndt-bruenner.de/mathe/scripts/ engl_eigenwert.htm) Autour de la rduction de Jordan (http://www.bretagne.ens-cachan.fr/math/people/gregory.vial/files/cplts/ jordan.pdf), par G. Vial, ENS Cachan (traite le cas rel) Rduction des endomorphismes Rduction de Jordan (http://www-math.unice.fr/~merle/ Algebre_et_geometrie/jordan.pdf), par M. Merle, universit de Nice La naissance de l'algbre (http://mathematiques.ac-bordeaux.fr/profplus/publica/bulletin/bull15/naissalg. htm), par Ahmed Djebbar (en) John J. OConnor et Edmund F. Robertson, History Topics Abstract linear spaces , dans MacTutor History of Mathematics archive, universit de St Andrews. (en) John J. OConnor et Edmund F. Robertson, Index for the Chronology , dans MacTutor History of Mathematics archive, universit de St Andrews. Le dveloppement de l'analyse fonctionnelle au dbut du XXesicle (http://robert.rolland.acrypta.com/ uploads/public_html/rr/cours/analfonc.pdf), par R. Rolland, CNRS

Valeur propre, vecteur propre et espace propre

21

Rfrences
Serge Lang, Algbre Ham Brezis, Analyse fonctionnelle : thorie et applications Walter Rudin, Analyse fonctionnelle Richard Feynman, Robert Leighton(en) et Mathew Sands(en), Cours de physique de Feynman, vol. 5, Mcanique quantique, Dunod (en) Nelson Dunford et Jacob T. Schwartz(en), Linear Operators, Part I General Theory, Wiley-Interscience, 1988

Sources et contributeurs de larticle

22

Sources et contributeurs de larticle

Valeur propre, vecteur propre et espace propre Source: http://fr.wikipedia.org/w/index.php?oldid=75213953 Contributeurs: 32X, A3 nm, Agua, Al7, Aldoo, Aldbaran, Aliesin, Anarkman, Anne Bauval, Archibald, Aripauteur, Bap, Bertol, Bgrebille, COLETTE, Caissa, Claudius, CommonsDelinker, Darkoneko, David Berardan, Deep silence, Deom, DerWaschbar, Dfeldmann, Dhatier, Dvils, Flo, Flyingsquirrel, Gene.arboit, Gjacquenot, Gongle, HB, Icosaed, Jean-Luc W, Jef-Infojef, Kertraon, Laddo, Lehalle, LeonardoRob0t, Linan, Looxix, Mandelbrot, Mathix, Mayayu, Morgan.germain, Nefbor Udofix, OsMoSe, Oxyde, Peps, Phe, Proz, Restu20, Ro8269, Rprl, SGC.Alex, Salle, Sylvio, Theon, Thewayforward, Touriste, Un brice, Vivars, Webfractales, Yukito, Zubro, 59 modifications anonymes

Source des images, licences et contributeurs

Image:Eigenvalue equation.svg Source: http://fr.wikipedia.org/w/index.php?title=Fichier:Eigenvalue_equation.svg Licence: Creative Commons Attribution-Share Alike Contributeurs: Lyudmil Antonov Lantonov 16:35, 13 March 2008 (UTC) Image:Frans_Hals_-_Portret_van_Ren_Descartes.jpg Source: http://fr.wikipedia.org/w/index.php?title=Fichier:Frans_Hals_-_Portret_van_Ren_Descartes.jpg Licence: Public Domain Contributeurs: Beria, Bohme, Dedden, Ecummenic, Kilom691, Mcke, Miniwark, Serge Lachinov, Shakko, Vincent Steenberg, 1 modifications anonymes Image:Hilbert.jpg Source: http://fr.wikipedia.org/w/index.php?title=Fichier:Hilbert.jpg Licence: Public Domain Contributeurs: DaTroll, Darapti, Der Eberswalder, Gene.arboit, Harp, Mschlindwein, Yann, Zwikki, 3 modifications anonymes Image:Camille Jordan.jpeg Source: http://fr.wikipedia.org/w/index.php?title=Fichier:Camille_Jordan.jpeg Licence: Public Domain Contributeurs: 32X, Denniss, Gene.arboit, Lychee, Tabercil Image:Application linaire.svg Source: http://fr.wikipedia.org/w/index.php?title=Fichier:Application_linaire.svg Licence: GNU Free Documentation License Contributeurs: Aliesin User Jean-Luc W on fr.wikipedia karta24 retouched the picture Image:Standing wave.gif Source: http://fr.wikipedia.org/w/index.php?title=Fichier:Standing_wave.gif Licence: Public Domain Contributeurs: BrokenSegue, Cdang, Joolz, Kersti Nebelsiek, Kieff, Mike.lifeguard, Pieter Kuiper, Ptj Image:Pave_en_equilibre.jpg Source: http://fr.wikipedia.org/w/index.php?title=Fichier:Pave_en_equilibre.jpg Licence: Public Domain Contributeurs: User Ruizo on fr.wikipedia Image:Systeme_masse-ressort.png Source: http://fr.wikipedia.org/w/index.php?title=Fichier:Systeme_masse-ressort.png Licence: Public Domain Contributeurs: User Jct on fr.wikipedia Image:Equation diffrentielle linaire.jpg Source: http://fr.wikipedia.org/w/index.php?title=Fichier:Equation_diffrentielle_linaire.jpg Licence: GNU Free Documentation License Contributeurs: User Jean-Luc W on fr.wikipedia Image:Inertie balai.jpg Source: http://fr.wikipedia.org/w/index.php?title=Fichier:Inertie_balai.jpg Licence: Public Domain Contributeurs: User Ruizo on fr.wikipedia Image:ACP 1.GIF Source: http://fr.wikipedia.org/w/index.php?title=Fichier:ACP_1.GIF Licence: GNU Free Documentation License Contributeurs: User Jean-Luc W on fr.wikipedia Image:ACP 2.GIF Source: http://fr.wikipedia.org/w/index.php?title=Fichier:ACP_2.GIF Licence: GNU Free Documentation License Contributeurs: User Jean-Luc W on fr.wikipedia Image:ACP 3.GIF Source: http://fr.wikipedia.org/w/index.php?title=Fichier:ACP_3.GIF Licence: GNU Free Documentation License Contributeurs: User Jean-Luc W on fr.wikipedia Image:light_cone.png Source: http://fr.wikipedia.org/w/index.php?title=Fichier:Light_cone.png Licence: Public Domain Contributeurs: Fredrik Image:Groupe Rotation.jpg Source: http://fr.wikipedia.org/w/index.php?title=Fichier:Groupe_Rotation.jpg Licence: GNU Free Documentation License Contributeurs: User Jean-Luc W on fr.wikipedia Image:Endomorphisme diagonalisable.jpg Source: http://fr.wikipedia.org/w/index.php?title=Fichier:Endomorphisme_diagonalisable.jpg Licence: GNU Free Documentation License Contributeurs: User Jean-Luc W on fr.wikipedia Image:Nappe non diagonalisable.jpg Source: http://fr.wikipedia.org/w/index.php?title=Fichier:Nappe_non_diagonalisable.jpg Licence: GNU Free Documentation License Contributeurs: User Jean-Luc W on fr.wikipedia Image:Endomorphisme nilpotent.jpg Source: http://fr.wikipedia.org/w/index.php?title=Fichier:Endomorphisme_nilpotent.jpg Licence: GNU Free Documentation License Contributeurs: User Jean-Luc W on fr.wikipedia Image:Rotation-de-la-terre.jpg Source: http://fr.wikipedia.org/w/index.php?title=Fichier:Rotation-de-la-terre.jpg Licence: GNU Free Documentation License Contributeurs: User Jean-Luc W on fr.wikipedia Image:Thorme spectral.jpg Source: http://fr.wikipedia.org/w/index.php?title=Fichier:Thorme_spectral.jpg Licence: GNU Free Documentation License Contributeurs: User Jean-Luc W on fr.wikipedia Image:HAtomOrbitals.png Source: http://fr.wikipedia.org/w/index.php?title=Fichier:HAtomOrbitals.png Licence: GNU Free Documentation License Contributeurs: Admrboltz, Benjah-bmm27, Dbc334, Dbenbenn, Ejdzej, Falcorian, Kborland, MichaelDiederich, Mion, Saperaud, 6 modifications anonymes

Licence
Creative Commons Attribution-Share Alike 3.0 Unported //creativecommons.org/licenses/by-sa/3.0/