Valeur propre et Vecteur propre
Un vecteur propre d'un opérateur linéaire est un vecteur non nul dont la direction est conservée par l'opérateur, seule sa magnitude étant modifiée par un facteur d'échelle. Ce facteur est appelé valeur propre et il met en évidence l'action de l'opérateur selon des directions privilégiées.
Definition
Pour un opérateur linéaire sur un espace vectoriel, un vecteur non nul est un vecteur propre si l'opérateur le transforme en un multiple scalaire de lui-même ; ce scalaire est la valeur propre correspondante, et il est une racine du polynôme caractéristique.
Scope
Ce sujet aborde les valeurs propres et les vecteurs propres, les polynômes caractéristique et minimal, les sous-espaces propres et la multiplicité algébrique versus géométrique, la diagonalisabilité, ainsi que le théorème spectral pour les opérateurs auto-adjoints et normaux sur les espaces de produit scalaire.
Core questions
- Quelles directions sont simplement mises à l'échelle par un opérateur linéaire ?
- Comment les valeurs propres sont-elles déterminées à partir du polynôme caractéristique ?
- Quand un opérateur est-il diagonalisable en termes de ses vecteurs propres ?
- Quelle structure spectrale particulière les opérateurs auto-adjoints et normaux possèdent-ils ?
Key theories
- Polynôme caractéristique
- Les valeurs propres d'un opérateur sont précisément les racines de son polynôme caractéristique, qui est le déterminant de l'opérateur moins un scalaire multiplié par l'identité, reliant ainsi les spectres à la recherche de racines polynomiales.
- Critère de diagonalisabilité
- Un opérateur est diagonalisable sur un corps si et seulement si son polynôme minimal est un produit de facteurs linéaires distincts sur ce corps, ce qui est équivalent à dire que les vecteurs propres engendrent tout l'espace.
- Théorème spectral
- Un opérateur auto-adjoint ou normal sur un espace de produit scalaire de dimension finie possède une base orthonormée de vecteurs propres et des valeurs propres réelles ou complexes respectivement, il est donc unitairement diagonalisable.
Clinical relevance
Les valeurs propres et les vecteurs propres décrivent les modes naturels et la stabilité des systèmes dynamiques, les niveaux d'énergie et les observables de la mécanique quantique, les composantes principales en statistique, et les vecteurs de classement sous-jacents à des algorithmes tels que PageRank, ce qui en fait l'une des idées les plus largement appliquées en mathématiques.
History
Les problèmes de valeurs propres sont apparus dans l'étude des formes quadratiques et des axes principaux des corps en rotation, Cauchy ayant établi la réalité des valeurs propres des matrices symétriques. Hilbert et von Neumann ont étendu la théorie spectrale aux opérateurs de dimension infinie, jetant ainsi les bases mathématiques de la mécanique quantique.
Key figures
- Augustin-Louis Cauchy
- David Hilbert
- James Joseph Sylvester
- John von Neumann
Related topics
Seminal works
- hoffman1971
- roman2008
- lang2002
Frequently asked questions
- Quelle est la différence entre la multiplicité algébrique et la multiplicité géométrique ?
- La multiplicité algébrique est le nombre de fois qu'une valeur propre apparaît comme racine du polynôme caractéristique ; la multiplicité géométrique est la dimension de son sous-espace propre. Elles sont égales pour chaque valeur propre précisément lorsque l'opérateur est diagonalisable.
- Pourquoi le théorème spectral est-il important dans les applications ?
- Il garantit que les opérateurs symétriques ou normaux possèdent un ensemble orthonormé complet de vecteurs propres avec des valeurs propres bien définies. Cela sous-tend l'analyse en composantes principales, la stabilité des systèmes vibrants et les postulats de mesure de la mécanique quantique.