Valeurs et vecteurs propres : les bases
Tu vas voir, les valeurs propres et vecteurs propres sont plus simples qu'ils en ont l'air. Pour un endomorphisme y, λ est une valeur propre s'il existe un vecteur x ≠ 0 tel que y = λx.
Concrètement, cela signifie que le vecteur x garde sa direction après transformation, seule sa longueur change d'un facteur λ. Pour une matrice A, c'est pareil : AX = λX.
Une info cruciale : le nombre de valeurs propres réelles ne peut jamais dépasser la dimension de l'espace. Donc pour une matrice n×n, tu auras au maximum n valeurs propres distinctes.
💡 Astuce : Pense aux valeurs propres comme des "facteurs d'étirement" dans certaines directions privilégiées !
Les sous-espaces propres E_λ(A) regroupent tous les vecteurs propres associés à une même valeur propre λ. C'est l'ensemble ker, et sa dimension nous renseigne sur la "multiplicité géométrique" de λ.



























