La diagonalisation d'un endomorphisme permet un calcul rapide et simple de ses puissances et de son exponentielle, ce qui permet d'exprimer numériquement certains systèmes dynamiques linéaires, obtenus par itération ou par des équations différentielles.
La diagonalisation de matrices sert surtout en physique (via le théorème spectral) pour déterminer certaines caractèristiques invariantes de systèmes. (Comme en mathématique on détermine les vecteurs invariants à un facteur près sous une une application linéaire, appelés vecteurs propres).
Pour démontrer qu'une matrice A est diagonalisable, la méthode la plus classique consiste à calculer le polynôme caractéristique χA et à le factoriser pour déterminer les valeurs propres de A . Si χA n'est pas scindé, A n'est pas diagonalisable. Si χA est scindé à racines simples, A est diagonalisable.
Matrices symétriques réelles
Le théorème spectral en dimension finie en déduit que toute matrice symétrique à coefficients réels est diagonalisable à l'aide d'une matrice de passage orthogonale, car les valeurs propres d'un endomorphisme autoadjoint sont réelles et ses sous-espaces propres sont orthogonaux.
Pour diagonaliser une matrice, une méthode de diagonalisation consiste à calculer ses vecteurs propres et ses valeurs propres. La matrice diagonale D est composée des valeurs propres. La matrice inversible P est composée des vecteurs propres dans le même ordre de colonnes que les valeurs propres associées.
Le déterminant d'une matrice diagonale est le produit des coefficients diagonaux. Le produit de deux matrices diagonales est une matrice diagonale. est dite diagonalisable si elle est semblable à une matrice diagonale.
Une matrice scalaire est une matrice diagonale (à coefficients dans un anneau) dont tous les coefficients diagonaux sont égaux, c'est-à-dire de la forme λIn où λ est un scalaire et In la matrice identité d'ordre n.
Un intérêt principal des matrices est qu'elles permettent d'écrire commodément les opérations habituelles de l'algèbre linéaire, avec une certaine canonicité.
Transposer une matrice est une opération simple qui permet, entre autres choses, de mieux comprendre sa structure. Certaines matrices, celles carrées ou symétriques, ont des transposées particulières. La transposition de matrices sert, par exemple, pour les algorithmes ou pour résoudre des systèmes linéaires.
Une matrice réelle dont toutes les colonnes sont orthogonales deux à deux est inversible si et seulement si elle n'a aucune colonne nulle. Un produit de deux matrices carrées est inversible si et seulement si les deux matrices en facteur le sont aussi.
La matrice M est diagonalisable si et seulement si la somme des multiplicités géométriques est égale à la taille de M. Or chaque multiplicité géométrique est toujours inférieure ou égale à la multiplicité algébrique correspondante.
Matrice diagonale
La diagonale principale d'une matrice carrée (ou d'un tableau carré de nombres) est l'ensemble des éléments dont l'indice de ligne et l'indice de colonne sont égaux. Une matrice est diagonale si tous les termes en dehors de sa diagonale principale dont nuls.
La matrice carrée nulle est non-inversible et diagonalisable. Elle est même diagonale. En revanche une matrice carrée est inversible si et seulement si elle n'admet pas 0 pour valeur propre.
Le but principal est l'évaluation de stratégies d'entreprises, afin de structurer et sélectionner les plus pertinentes à mettre en place.
Arrangement ordonné d'un ensemble d'éléments, sous forme d'un tableau à double entrée comportant, dans le cas général, n lignes et m colonnes. (La matrice est carrée si le nombre de lignes est égal au nombre de colonnes, sinon elle est rectangulaire.)
Définition 1 Une matrice m×n est un tableau de nombres à m lignes et n colonnes. Les nombres qui composent la matrice sont appelés les éléments de la matrice (ou aussi les coefficients). Une matrice à m lignes et n colonnes est dite matrice d'ordre (m, n) ou de dimension m × n.
Comme dit plus haut, transposer permet de modifier entièrement une mélodie ou une harmonie en jouant sur sa hauteur tout en gardant quand même la cohérence entre chacune des notes originales. Cela signifie que vous devez toujours garder le même rapport d'intervalles entre chacune d'entre elles.
Déterminant : si n ≥ 2, det(comA) = (detA)n–1. Comatrice de la comatrice : si n ≥ 2, com(comA) = (detA)n–2 A. Si P(X) = det(A – X In) est le polynôme caractéristique de A et si Q est le polynôme défini par Q(X) = (P(0) – P(X))/X, alors : t(comA) = Q(A).
Cette notion de multiplication (La multiplication est l'une des quatre opérations de l'arithmétique élémentaire...) est importante parce que si A et B sont interprétées comme des matrices d'applications linéaires (ce qui est presque toujours le cas), alors la matrice produit AB représente la matrice de la composition ...
Ce fut James Sylvester qui utilisa pour la première fois le terme « matrice » en 1850, pour désigner un tableau de nombres. En 1855, Arthur Cayley introduisit la matrice comme représentation d'une transformation linéaire.
L'algèbre linéaire est initiée dans son principe par le mathématicien perse Al-Khwârizmî qui s'est inspiré des textes de mathématiques indiens et qui a complété les travaux de l'école grecque, laquelle continuera de se développer des siècles durant.
Où les matrices sont-elles réellement utilisées dans la pratique ? Absolument partout. Il y a d'innombrables exemples plus ou moins pratiques puisque la matrice est un objet de l'algèbre linéaire omniprésent dans la physique, les mathématiques, l'informatique et l'ingénierie.
Le produit scalaire permet d'exploiter les notions de la géométrie euclidienne traditionnelle : longueurs, angles, orthogonalité en dimension deux et trois, mais aussi de les étendre à des espaces vectoriels réels de toute dimension, et (avec certaines modifications dans la définition) aux espaces vectoriels complexes.
En algèbre linéaire, les nombres réels qui multiplient les vecteurs dans un espace vectoriel sont appelés des scalaires. Cette multiplication par un scalaire, qui permet de multiplier un vecteur par un nombre pour produire un vecteur, correspond à la loi externe de l'espace vectoriel.
Un vecteur est un quantité physique qui est spécifié par avec une grandeur, une direction et un sens. Un scalaire est une quantité physique qui n'est spécifié que par sa grandeur. On peut l'exprimer avec un nombre, suivi ou non d'une unité (1 kg, 30 sec, 3 °C, ...).