Eigenvalues & Eigenspaces : questions d’entraînement, quiz et leçon pas à pas - progressez en maths avec des questions ciblées et des explications claires.
Quiz d’entraînement sur les valeurs propres et les espaces propres avec une leçon interactive pas à pas
Utilisez le quiz en haut de la page pour travailler les valeurs propres et les espaces propres : reconnaître les équations de la forme \(Av=\lambda v\), se rappeler que les vecteurs propres sont non nuls, calculer les espaces propres comme \(\ker(A-\lambda I)\), résoudre \(\det(A-\lambda I)=0\), lire les matrices diagonales et triangulaires, utiliser la trace et le déterminant, comprendre quand \(0\) est une valeur propre, suivre comment les puissances, les décalages, les sommes de matrices sur un vecteur propre commun, les multiples scalaires et les inverses affectent les valeurs propres, et savoir que les vecteurs propres associés à des valeurs propres distinctes sont linéairement indépendants. Si vous voulez un rappel, ouvrez la leçon pour des exemples et des vérifications faciles à suivre mentalement.
Comment fonctionne cet entraînement sur les valeurs propres
1. Faites le quiz : répondez aux questions sur les valeurs propres, les vecteurs propres, les espaces propres, la trace, le déterminant et les raccourcis matriciels en haut de la page.
2. Ouvrez la leçon : revoyez les définitions, les équations caractéristiques, les calculs d’espaces propres et les règles d’opération avec des exemples corrigés.
3. Réessayez : revenez au quiz et traduisez chaque question en \(Av=\lambda v\) ou en \((A-\lambda I)v=0\).
Ce que vous allez apprendre dans la leçon sur les valeurs propres et les espaces propres
Équation de valeur propre
Couple propre : \(Av=\lambda v\) avec \(v≠0\)
Espace propre : \(E_\lambda=\ker(A-\lambda I)\), avec le vecteur nul inclus
Le vecteur nul appartient à chaque espace propre, mais ce n’est jamais un vecteur propre
Les matrices diagonales et triangulaires ont leurs valeurs propres sur la diagonale
La trace est la somme et le déterminant est le produit des valeurs propres, comptées avec multiplicité algébrique
Trouver les espaces propres
Pour chaque valeur propre, résolvez \((A-\lambda I)v=0\)
Un espace propre de dimension un est une droite de vecteurs propres avec \(0\)
Les valeurs propres répétées demandent de vérifier la dimension de l’espace propre ; les vecteurs propres associés à des valeurs propres distinctes sont linéairement indépendants
Structure et pièges
\(0\) est une valeur propre exactement lorsque \(A\) est singulière
Si \(Av=\lambda v\), alors \(A^kv=\lambda^k v\) et \((A-cI)v=(\lambda-c)v\) ; si l’on a aussi \(Bv=\mu v\), alors \((A+B)v=(\lambda+\mu)v\)
Certaines matrices réelles, comme une rotation d’un quart de tour, n’ont aucune valeur propre réelle
Retour au quiz
Quand vous êtes prêt, revenez au quiz en haut de la page et continuez à travailler les valeurs propres et les espaces propres.
Chargement...
Algèbre linéaire avancée
Leçon sur les valeurs propres et les espaces propres
1 / 8
Vue d’ensemble de la leçon
Objectif : Apprendre à voir les questions de valeurs propres comme une seule équation, \(Av=\lambda v\), et les questions d’espaces propres comme un calcul de noyau, \((A-\lambda I)v=0\). La leçon relie les définitions, les équations caractéristiques, les raccourcis avec trace et déterminant, les matrices triangulaires, les transformations de valeurs propres, les sommes de matrices sur un vecteur propre commun, l’indépendance linéaire des vecteurs propres associés à des valeurs propres distinctes et les pièges courants.
Critères de réussite
Reconnaître les couples propres à partir de \(Av=\lambda v\) avec \(v≠0\).
Expliquer pourquoi le vecteur nul n’est pas un vecteur propre.
Calculer \(E_\lambda=\ker(A-\lambda I)\) pour de petites matrices.
Utiliser \(\det(A-\lambda I)=0\) pour trouver les valeurs propres.
Lire les valeurs propres des matrices diagonales et triangulaires sur la diagonale.
Utiliser la trace et le déterminant comme vérifications de somme et de produit.
Suivre comment les puissances, les décalages, les multiples scalaires, les inverses et les sommes de matrices sur un vecteur propre commun modifient les valeurs propres.
Reconnaître que les vecteurs propres associés à des valeurs propres distinctes sont linéairement indépendants.
Éviter les réciproques fausses comme \(A^2v=9v\) imposerait \(Av=3v\).
Vocabulaire clé
Valeur propre : un scalaire \(\lambda\) tel que \(Av=\lambda v\) pour un certain \(v\) non nul.
Vecteur propre : un vecteur non nul dont la direction est préservée par \(A\).
Espace propre : \(E_\lambda=\ker(A-\lambda I)\), le sous-espace des vecteurs vérifiant \(Av=\lambda v\).
Polynôme caractéristique : \(\det(A-\lambda I)\), dont les racines sont les valeurs propres.
Multiplicité algébrique : multiplicité d’une racine du polynôme caractéristique.
Multiplicité géométrique : dimension de l’espace propre.
Vérification rapide initiale
Vérification initiale 1 : Si \(Av=3v\) et \(v≠0\), quelle est la valeur propre associée à \(v\) ?
Indice : comparez directement l’équation avec \(Av=\lambda v\).
Vérification initiale 2 : Le vecteur nul peut-il être un vecteur propre ?
Indice : la définition d’un vecteur propre exige un vecteur non nul, même si \(0\) appartient à chaque espace propre.
Les vecteurs propres sont des directions seulement multipliées
Objectif d’apprentissage : traduire entre \(Av=\lambda v\), \((A-\lambda I)v=0\) et l’espace propre \(E_\lambda\).
Idée clé
Si \(Av=\lambda v\) pour un vecteur non nul \(v\), alors \(A\) renvoie la droite portée par \(v\) sur elle-même, en multipliant par \(\lambda\). En réarrangeant, on obtient \[(A-\lambda I)v=0,\] donc les espaces propres sont des noyaux. L’espace propre contient \(0\), mais ses vecteurs non nuls sont les vecteurs propres associés à \(\lambda\).
Liste de reconnaissance
Vérifiez d’abord que le vecteur est non nul.
Calculez \(Av\) et voyez si c’est un multiple scalaire de \(v\).
Si le scalaire est \(0\), alors \(v\) est un vecteur non nul de \(\ker A\).
Pour un \(\lambda\) fixé, résolvez un système homogène : \((A-\lambda I)v=0\).
Exemple corrigé
Exemple : Pour \(A=\begin{pmatrix}0&1\\1&0\end{pmatrix}\), décidez si \((1,-1)\) est un vecteur propre.
La matrice échange les coordonnées, donc \(A(1,-1)=(-1,1)=-(1,-1)\). Le vecteur est non nul et il est multiplié par \(-1\), donc c’est un vecteur propre de valeur propre \(-1\).
À vous
À vous 1 : Quel est l’espace propre associé à une valeur propre \(\lambda\) ?
Indice : déplacez tous les termes de \(Av=\lambda v\) vers le membre de gauche.
À vous 2 : Si \(Av=0\) avec \(v≠0\), quelle est une valeur propre de \(A\) ?
Indice : c’est l’équation de valeur propre avec le scalaire \(0\).
Les valeurs propres rendent \(A-\lambda I\) singulière
Objectif d’apprentissage : trouver les valeurs propres à partir de \(\det(A-\lambda I)=0\) et reconnaître les cas rapides.
Idée clé
Un scalaire \(\lambda\) est une valeur propre exactement lorsque \((A-\lambda I)v=0\) admet une solution non nulle. Cela se produit exactement lorsque \(A-\lambda I\) est singulière : \[\det(A-\lambda I)=0.\] Certains livres utilisent \(\det(\lambda I-A)\) ; la convention de signe peut changer le polynôme par un facteur, mais les racines sont les mêmes.
Liste de reconnaissance
Formez \(A-\lambda I\).
Calculez le déterminant.
Posez le déterminant égal à \(0\).
Factorisez ou résolvez pour les valeurs possibles de \(\lambda\).
Après avoir trouvé un \(\lambda\), résolvez \((A-\lambda I)v=0\) si un espace propre est demandé.
Exemple corrigé
Exemple : Trouvez les valeurs propres de \(A=\begin{pmatrix}2&1\\0&5\end{pmatrix}\).
La matrice est triangulaire, donc le déterminant de \(A-\lambda I\) est \((2-\lambda)(5-\lambda)\). L’équation caractéristique est \((2-\lambda)(5-\lambda)=0\), donc les valeurs propres sont \(2\) et \(5\).
À vous
À vous 1 : L’équation caractéristique pour les valeurs propres est :
Indice : les valeurs propres font que \(A-\lambda I\) a un noyau non nul.
À vous 2 : Quelles sont les valeurs propres de \(\begin{pmatrix}2&0\\0&5\end{pmatrix}\) ?
Indice : pour une matrice diagonale, l’équation caractéristique se factorise avec les entrées diagonales.
Utiliser les invariants rapides avant de calculer
Objectif d’apprentissage : utiliser les entrées diagonales, la trace et le déterminant comme moyens rapides d’identifier ou de vérifier des valeurs propres.
Idée clé
Pour les matrices diagonales et triangulaires, les valeurs propres sont les entrées diagonales, comptées avec multiplicité. Pour toute matrice carrée sur un corps où le polynôme caractéristique se scinde, la trace est égale à la somme des valeurs propres et le déterminant à leur produit, tous deux comptés avec multiplicité algébrique.
Exemple corrigé
Exemple : Une matrice \(2\times2\) a pour valeurs propres \(2\) et \(\lambda\), et pour trace \(5\). Trouvez \(\lambda\).
La trace est la somme des valeurs propres comptées avec multiplicité. Ainsi \(2+\lambda=5\), donc \(\lambda=3\). Cela donne aussi une vérification rapide de cohérence pour tout calcul de polynôme caractéristique.
À vous
À vous 1 : Si une matrice \(2\times2\) a pour trace \(5\) et pour valeurs propres \(2\) et \(\lambda\), que vaut \(\lambda\) ?
Indice : la trace est égale à la somme \(2+\lambda\).
À vous 2 : Si \(A\) a pour valeurs propres \(-1\) et \(4\), que vaut \(\det(A)\) ?
Indice : le déterminant est le produit des valeurs propres.
Résoudre un noyau pour chaque valeur propre
Objectif d’apprentissage : calculer et interpréter les espaces propres comme des sous-espaces, pas seulement comme des vecteurs isolés.
Idée clé
Une fois \(\lambda\) connu, l’espace propre est l’ensemble des solutions d’un système homogène : \[E_\lambda=\ker(A-\lambda I).\] C’est un sous-espace. Tout vecteur non nul qui s’y trouve est un vecteur propre pour \(\lambda\). Sa dimension est la multiplicité géométrique, toujours au moins \(1\) pour une valeur propre et jamais plus grande que la multiplicité algébrique. Les vecteurs propres associés à des valeurs propres distinctes sont linéairement indépendants.
Exemple corrigé
Exemple : Pour \(A=\begin{pmatrix}0&1\\1&0\end{pmatrix}\), trouvez les espaces propres pour \(1\) et \(-1\).
Pour \(\lambda=1\), l’équation \(A(x,y)=(x,y)\) donne \((y,x)=(x,y)\), donc \(x=y\), et \(E_1=\operatorname{span}\{(1,1)\}\). Pour \(\lambda=-1\), \((y,x)=(-x,-y)\), donc \(y=-x\), et \(E_{-1}=\operatorname{span}\{(1,-1)\}\).
À vous
À vous 1 : Pour \(A=\begin{pmatrix}0&1\\1&0\end{pmatrix}\), quel vecteur est un vecteur propre pour la valeur propre \(1\) ?
Indice : la valeur propre \(1\) signifie que le vecteur reste inchangé quand on échange les coordonnées.
À vous 2 : Si un espace propre a dimension \(2\), il contient :
Indice : tout vecteur non nul de l’espace propre est un vecteur propre.
Puissances, décalages, multiplications scalaires, sommes et inverses
Objectif d’apprentissage : réutiliser un couple propre pour comprendre des matrices liées comme \(A^2\), \(A-I\), \(cA\), \(A+B\) sur un vecteur propre commun et \(A^{-1}\).
Idée clé
Si \(Av=\lambda v\), le même vecteur \(v\) reste utile pour de nombreuses expressions en \(A\) : \[A^kv=\lambda^k v,\qquad (A-cI)v=(\lambda-c)v,\qquad (cA)v=c\lambda v.\] Si l’on a aussi \(Bv=\mu v\), alors \((A+B)v=(\lambda+\mu)v\). Si \(A\) est inversible, alors \(\lambda≠0\) et \(A^{-1}v=\lambda^{-1}v\).
Exemple corrigé
Exemple : Si \(Av=2v\) et \(A\) est inversible, que vaut \(A^{-1}v\) ?
Appliquez \(A^{-1}\) à \(Av=2v\) : \(v=2A^{-1}v\). Donc \(A^{-1}v=\frac{1}{2}v\). La valeur propre de \(A^{-1}\) sur le même vecteur est \(1/2\).
À vous
À vous 1 : Si \(Av=\lambda v\), que vaut \(A^2v\) ?
Indice : appliquez \(A\) aux deux côtés une fois de plus.
À vous 2 : Si \(A\) a pour valeur propre \(\lambda\), alors \(A-I\) a pour valeur propre :
Indice : \((A-I)v=Av-v\).
Résumé
Les puissances envoient \(\lambda\) sur \(\lambda^k\) pour le même vecteur propre.
Les décalages \(A-cI\) envoient \(\lambda\) sur \(\lambda-c\).
Les multiples scalaires \(cA\) envoient \(\lambda\) sur \(c\lambda\).
Si \(Av=\lambda v\) et \(Bv=\mu v\), alors \(A+B\) envoie le même \(v\) sur \((\lambda+\mu)v\).
Pour \(A\) inversible, les valeurs propres de l’inverse sont les réciproques.
Zéro, applications nilpotentes et rotations réelles
Objectif d’apprentissage : reconnaître les cas particuliers courants sans généraliser abusivement.
Idée clé
La valeur propre \(0\) signifie \(Av=0\) pour un certain vecteur non nul, donc \(A\) a un noyau non trivial et n’est pas inversible. Si \(A\) est nilpotente, avec \(A^k=0\), alors toute valeur propre \(\lambda\) doit vérifier \(\lambda^k=0\), donc \(\lambda=0\). Une matrice réelle peut ne pas avoir de valeurs propres réelles : la rotation \(\begin{pmatrix}0&-1\\1&0\end{pmatrix}\) a pour polynôme caractéristique \(\lambda^2+1\).
Exemple corrigé
Exemple : Pourquoi \(0\) est-il une valeur propre exactement lorsque \(A\) n’est pas inversible ?
\(0\) est une valeur propre lorsque \(Av=0v=0\) pour un certain \(v\) non nul. Cela dit exactement que \(\ker A\) contient un vecteur non nul, donc la matrice est singulière et ne peut pas être inversible.
À vous
À vous 1 : Pour \(A=\begin{pmatrix}0&-1\\1&0\end{pmatrix}\), existe-t-il des valeurs propres réelles ?
Indice : le polynôme caractéristique est \(\lambda^2+1\), qui n’a aucune racine réelle.
À vous 2 : Si \(A\) est nilpotente, quelle est sa seule valeur propre possible ?
Indice : si \(A^k=0\), alors \(A^kv=\lambda^k v\) pour un vecteur propre.
Garder séparés vecteurs propres, espaces propres et implications
Objectif d’apprentissage : éviter les conclusions fausses courantes et terminer par une courte vérification finale.
Pièges courants
Le vecteur nul n’est pas un vecteur propre : la définition l’exclut explicitement.
Un espace propre contient bien \(0\) : c’est un noyau et donc un sous-espace.
\(A^2v=9v\) n’impose pas \(Av=3v\) : \(Av=-3v\) fonctionne aussi.
Une valeur propre répétée ne détermine pas la dimension de l’espace propre : résolvez \((A-\lambda I)v=0\).
Trace et déterminant sont des vérifications, pas une description des espaces propres : ils ne donnent pas les vecteurs propres.
Des valeurs propres distinctes donnent l’indépendance : les vecteurs propres non nuls associés à des valeurs propres distinctes sont linéairement indépendants.
Réel ou complexe, cela compte : certaines matrices réelles ont des valeurs propres complexes mais aucun vecteur propre réel.
Exemple corrigé
Exemple : Est-ce que \(A^2v=9v\) impose \(Av=3v\) ?
Non. Si \(Av=-3v\), alors \(A^2v=A(-3v)=-3Av=9v\). La mise au carré perd le signe, donc la conclusion \(Av=3v\) n’est pas imposée.
À vous
À vous 1 : Si \(A\) a la valeur propre \(0\), que peut-on dire de \(A\) ?
Indice : \(0\) comme valeur propre signifie qu’un vecteur non nul est envoyé sur \(0\).
À vous 2 : Si \(A^2v=9v\), cela impose-t-il \(Av=3v\) ?
Indice : pensez à un vecteur de valeur propre \(-3\).
Récapitulatif final
Les vecteurs propres sont des vecteurs non nuls vérifiant \(Av=\lambda v\).
Les espaces propres sont des noyaux : \(E_\lambda=\ker(A-\lambda I)\).
Les valeurs propres résolvent \(\det(A-\lambda I)=0\).
Les matrices diagonales et triangulaires révèlent leurs valeurs propres sur la diagonale.
La trace additionne les valeurs propres et le déterminant les multiplie, avec multiplicité algébrique.
\(0\) est une valeur propre exactement lorsque \(A\) est singulière.
Les puissances, les décalages, les multiples scalaires, les sommes de matrices sur un vecteur propre commun et les inverses transforment les valeurs propres de façon prévisible.
Les vecteurs propres associés à des valeurs propres distinctes sont linéairement indépendants.
Étape suivante : fermez cette leçon et réessayez le quiz. Pour chaque question, décidez d’abord si elle demande une valeur propre, un vecteur propre, un espace propre ou une conséquence structurelle comme l’inversibilité.
Série 5+
Série 10+
Série 15+
Série 20+
Série 25+