An eigenvalue is a special scalar associated with a transformation linéaire represented by a square matrix. It is defined as the value λ for which there exists a non-zero vector v (known as the eigenvector) tel que l'équation suivante soit vérifiée :
A * v = λ * v
Dans cette équation, A is the matrix representing the linear transformation, and v is the eigenvector that does not change direction during the transformation—only its la magnitude est modifiée. La valeur propre λ quantifie ce changement de magnitude.
Le concept de valeurs propres est crucial dans divers domaines tels que mathematics, physics, and engineering, particularly in l'analyse des systèmes, stability analysis, and vibration analysis. Eigenvalues can reveal important properties of a system, such as its stability and oscillatory behavior. For instance, in mechanical systems, the eigenvalues can indicate the natural frequencies of vibration.
Pour calculer les valeurs propres d'une matrice, on résout généralement le équation caractéristique, which is derived from the determinant of the matrix subtracted by λ times the identity matrix set to zero:
det(A – λ * I) = 0
La résolution de cette équation fournit les valeurs propres, tandis que leur substitution dans l'équation d'origine permet de déterminer les vecteurs propres correspondants.
En résumé, les valeurs propres sont fondamentales pour comprendre le comportement des transformations linéaires, et elles jouent un rôle essentiel dans de nombreux domaines des applications scientifiques et techniques.