Beruflich Dokumente
Kultur Dokumente
1 Introduction
!
4 1
1. Probleme : Soit A = . Calculer An avec 0 6 n 6 5 :
2 1
! ! !
1 0 4 1 14 5
A =
0
A =
1
A =
2
0 1 2 1 10 1
! ! !
46 19 146 65 454 211
A =
3
A =
4
A =
5
38 11 130 49 422 179
Et combien vaut An ?
2 + 2 3 2n + 3n
n n
An =
2 2n 2 3n n
22 3 n
2. Ce qui est complique dans le calcul des puissances dune matrice, cest que tous les coefficients
se dispersent au cours des multiplications :
a + 2bca + bcd ba2 + bda + bd2 + b2 c
3
+ +
2
! a bc ab db
a b
M= M2 = M3 =
c d
ac + dc d + bc
2
ca + cda + bc + cd d + 2bcd + abc
2 2 2 3
alors : B1 B2 Bn = P A1 A2 An P1
En particulier : B = P AP1 Bn = P An P1
Demonstration :
B1 B2 B3 Bn = PA1 P1 PA2 P1 PA3 P1 PAn P1
= PA1 P1 P A2 P1 P A3 (P1 P)An P1
= PA1 I A2 I A3 An P1
= PA1 A2 A3 An P1
1
MVA101 Analyse et calcul matriciel Cours n 13 Jacques Velu (CNAM)
4. Methode pour calculer An connaissant une matrice inversible P et une matrice diagonale D telles
que A = P D P1 : on calcule Dn puis An = P Dn P1
Exemple :
! ! ! !
4 1 1 1 3 0 2 1
=
2 1 1 2 0 2 1 1
| {z } | {z } | {z } | {z }
A P D P
!n
2n + 2 3n 2n + 3n
!
4 1
=
2 1 2 2n 2 3n 2 2n 3n
A = P D P1 AP = PD
A P = P D
P
A =
k
ck ck
Ac k kck
Quand on a une telle egalite, on dit que est une valeur propre de A et que c est un vecteur propre
pour la valeur propre .
2
MVA101 Analyse et calcul matriciel Cours n 13 Jacques Velu (CNAM)
Cest un systeme lineaire homogene dont on cherche les solutions non nulles.
Pour que ce systeme ait une solutions non nulle, il faut et il suffit que le determinant de A I,
sa matrice des coefficients, soit nul.
A (z) = det(A z I) =
z
p,1 p,2 p,p
est un polynome ; on lappelle le polynome caracteristique de A.
tr(A) est la trace de A. Les valeurs propres de A sont les nombres tels que A () = 0.
4. Exemples
a z b
!
a b
Exemple 1 : A= A (z) = = (a z)(d z) bc = (ad bc) (a + d)z + z2
c d c dz
Exemple 2 : Les valeurs propres dune matrice triangulaire sont ses coefficients diagonaux.
1,1 1,2 1,p 1,1 z 1,2 1,p
0 2,2 2,p
0 2,2 z 2,p
A = A (z) =
. . . . . . . . . . . . . . . ... ... . . .
0 p,p p,p z
0 0 0
3
MVA101 Analyse et calcul matriciel Cours n 13 Jacques Velu (CNAM)
5. Theoreme de dAlembert-Gauss
Soit P un polynome de degre p > 1, a coefficients complexes, dont le coefficient du terme de plus
haut degre est . Alors, il existe des nombres complexes 1 , 2 , . . . , s et des entiers strictement
positifs m1 , m2 , . . . , ms tels que :
P(z) = (z 1 )m1 (z 2 )m2 (z s )ms avec m1 + m2 + + ms = p
Tous ces nombres sont uniques a lordre pres : les nombres i sont les racines de P, lentier mi est
la multiplicite de la racine i : quand mi = 1 la racine est simple, quand mi = 2 la racine est double,
quand mi = 3 la racine est triple, etc. Dans le cas general, la racine est dordre mi .
6. Si est une valeur propre de A, les vecteurs propres pour la valeur propre sont les solutions non
nulles du systeme lineaire homogene (A I)X = 0 .
On sait que A possede des valeurs propres et quen resolvant ce systeme par la methode du pivot,
on pourra trouver des vecteurs propres pour faire les colonnes de P.
En aura-t-on assez pour fabriquer une matrice P inversible ?
On note v() le nombre dinconnues non principales du systeme homogene (A I)X = 0 .
Theoreme :
Si m() est la multiplicite de la valeur propre on a toujours :
1 6 v() 6 m()
La matrice A est diagonalisable si et seulement si v() = m() pour chaque valeur propre .
Theoreme : Soient A une matrice diagonalisable, une valeur propre de A et m() sa multiplicite.
Il y a m() coefficients diagonaux de D egaux a .
Il y a m() colonnes de P qui sont des vecteurs propres pour .
Si la ke colonne de P est un vecteur propre pour , le ke coefficient diagonal de D est egal a .
3 1 1
A = 8 3 4 A (z) = (2 z)(1 z)2
7. Exemple :
6 3 4
3 X1 + X2 + X3 = 2 X1 X1 + X2 + X3 = 0
=2 8 X1 3 X2 4 X3 = 2 X2 8 X1 5 X2 4 X3 = 0
6 X + 3 X2 + 4 X3 = 2 X3
6 X + 3 X2 + 2 X3 = 0
1 1
4
MVA101 Analyse et calcul matriciel Cours n 13 Jacques Velu (CNAM)
1
v(2) = m(2) = 1 4
Le calcul montre que les vecteurs propres sont les multiples de
3
3 X1 + X2 + X3 = X1 2 X1 + + X3 = 0
X2
=1 8 X1 3 X2 4 X3 = X2 4 X3 = 0
8 X1 4 X2
6 X1 + 3 X2 + 4 X3 = X3 6 X1 + 3 X2 + 3 X3 = 0
1 0
v(1) = m(1) = 2 Le calcul montre que les vecteurs propres sont les colonnes u 3 + v 1
1 1
1 1 0
3 1
1 1
1 0 2 0 0 2
1
1
Avec P = 4 3 1 on a : 8 3 4 = 4 3 1 0 1 0 1 1 1
6 3 4 3 1 1 0 0 1 5 2 1
3 1 1
| {z } | {z } | {z } | {z }
A P D P1
Remarque : Quand m() = 1, on a v() = 1 puisque 1 6 v() 6 m() et, du coup, v() = m().
Consequence : Une matrice qui a toutes ses valeurs propres simples, est diagonalisable.
8. Cas des matrices reelles : Quand A est reelle, A (z) est a coefficients reels.
Theoreme :
Si est une valeur propre qui nest pas reelle, aussi est une valeur propre et m() = m().
Les vecteurs propres pour sobtient en conjugant les vecteurs propres pour .
cos sin
!
Exemple : A = A (z) = (e+i z)(ei z)
sin cos
i sin X1 sin X2 = 0
= e+i
sin X1 i sin X2 = 0
!
1
les vecteurs propres sont les multiples de
i
+i sin X1 sin X2 = 0
= ei
sin X1 + i sin X2 = 0
!
1
les vecteurs propres sont les multiples de
i
3 Exponentielle de matrice
1. Un systeme differentiel lineaire, homogene, a coefficients constants, est un systeme du type :
X10 (t) = 1,1 X1 (t) + 1,2 X2 (t) + + 1,p Xp (t)
X0 (t) = 2,1 X1 (t) + 2,2 X2 (t) + + 2,p Xp (t)
2
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Xp0 (t) = p,1 X1 (t) + p,2 X2 (t) + + p,p Xp
5
MVA101 Analyse et calcul matriciel Cours n 13 Jacques Velu (CNAM)
2. Theoreme : Les solutions dun tel systeme sont developpables en serie entiere, avec un rayon
de convergence infini.
X tn X tn
(n)
Xk (t) = X (0) X(t) = X(n)(0)
n! k n!
n>0 n>0
2
X (0) + t X0 (0) + t X00 (0) +
0 00
X1 (0) X1 (0) X (0)
1 1
1! 2! 1
t t2 1
X(t) = . . . . . . . . . . . . . . . . . . . . . . = . . . . + . . . . + . . . . +
1!
0 2! 00
t t2 Xp (0) X (0) X (0)
Xp (0) + Xp0 (0) + Xp00 (0) + p p
1! 2!
t2 2 t2 2
!
t t
X(t) = X(0) + A X(0) + A X(0) + = I + A + A + X(0)
1! 2! 1! 2!
| {z }
e tA
X1 (t) = 4 X1 (t) + X2 (t)
0 !
4 1
A=
4. Exemple :
2 1
X0 (t) = 2 X1 (t) + X2 (t)
2
2n tn 3n tn 2n tn 3n tn
X tn An X tn 2 + 2 3
n n 2n + 3n X +2 +
n! n! n! n!
e tA = = =
n! n ! n n n n 2n tn 3n tn
2 2n 2 3n 2 2n 3n 2 2 t 2 3 t
n>0
n>0 n>0
2
n! n! n! n!
X1 (t) = X1 (0) X2 (0) e2t + + 2X1 (0) + X2 (0) e3t
X2 (t) = + 2X1 (0) + 2X2 (0) e2t + 2X1 (0) X2 (0) e3t