WikiPrépaLivrets

Soit n∈N∗n \in \mathbb{N}^* et A∈Mn(C)A \in \mathcal{M}_n(\mathbb{C}). On suppose qu'il existe un entier q∈N∗q \in \mathbb{N}^* tel que Aq=InA^q = I_n.

  1. Justifier que la matrice AA est diagonalisable sur C\mathbb{C}.
  2. En exprimant la trace de AkA^k à l'aide de ses valeurs propres, établir la relation suivante :
    dim⁡ker⁡(A−In)=1q∑k=1qTr⁡(Ak)\dim \ker(A-I_n) = \frac{1}{q} \sum_{k=1}^{q} \operatorname{Tr}(A^k)
  3. Montrer que le résultat reste valable si A∈Mn(R)A \in \mathcal{M}_n(\mathbb{R}) en considérant la dimension de l'espace propre associé à la valeur propre 11.
  4. Vérifier que l'on peut également écrire :
    dim⁡ker⁡(A−In)=1q∑i=0q−1Tr⁡(Ai)\dim \ker(A-I_n) = \frac{1}{q} \sum_{i=0}^{q-1} \operatorname{Tr}(A^i)

1.

Pour la question 1, chercher un polynôme annulateur simple de AA et étudier ses racines.

2.

Pour la question 2, utiliser le fait que pour toute matrice diagonalisable, la trace est la somme des valeurs propres comptées avec multiplicité. On rappelle que pour λ∈C\lambda \in \mathbb{C} tel que λq=1\lambda^q = 1, la somme ∑k=1qλk\sum_{k=1}^q \lambda^k vaut qq si λ=1\lambda=1 et 00 sinon.

3.

Pour la question 3, utiliser l'invariance du rang (et donc de la dimension du noyau) par extension du corps de base de R\mathbb{R} à C\mathbb{C}.

Idées clés

•

Utilisation d'un polynôme annulateur scindé à racines simples pour la diagonalisabilité.

•

Lien entre trace et spectre d'une matrice diagonalisable.

•

Propriété des sommes des racines qq-ièmes de l'unité.

Résolution.

  1. Le polynôme P(X)=Xq−1P(X) = X^q - 1 est un polynôme annulateur de AA par hypothèse. Ce polynôme est scindé sur C\mathbb{C} et ses racines sont les racines qq-ièmes de l'unité μq={e2ikπq,k∈⟦0,q−1⟧}\mu_q = \{e^{\frac{2ik\pi}{q}}, k \in \llbracket 0, q-1 \rrbracket\}. Puisque ces racines sont deux à deux distinctes, PP est à racines simples.
    P est un polynoˆme annulateur scindeˊ aˋ racines simples, donc A est diagonalisable sur C.\boxed{P \text{ est un polynôme annulateur scindé à racines simples, donc } A \text{ est diagonalisable sur } \mathbb{C}.}

  2. Soit (λ1,…,λn)(\lambda_1, \dots, \lambda_n) la famille des valeurs propres de AA comptées avec multiplicité. Puisque AA est diagonalisable, pour tout k∈Nk \in \mathbb{N}, la matrice AkA^k est diagonalisable de valeurs propres (λ1k,…,λnk)(\lambda_1^k, \dots, \lambda_n^k). On exprime la somme des traces demandée :
    ∑k=1qTr⁡(Ak)=∑k=1q∑j=1nλjk=∑j=1n(∑k=1qλjk)\sum_{k=1}^{q} \operatorname{Tr}(A^k) = \sum_{k=1}^{q} \sum_{j=1}^{n} \lambda_j^k = \sum_{j=1}^{n} \left( \sum_{k=1}^{q} \lambda_j^k \right)
    Pour chaque valeur propre λj\lambda_j, on sait que λjq=1\lambda_j^q = 1 car λj\lambda_j est racine du polynôme annulateur Xq−1X^q-1. Premier cas : Si λj=1\lambda_j = 1, alors ∑k=1qλjk=∑k=1q1=q\sum_{k=1}^{q} \lambda_j^k = \sum_{k=1}^{q} 1 = q. Second cas : Si λj≠1\lambda_j \neq 1, il s'agit d'une somme géométrique :
    ∑k=1qλjk=λj1−λjq1−λj=λj1−11−λj=0\sum_{k=1}^{q} \lambda_j^k = \lambda_j \frac{1 - \lambda_j^q}{1 - \lambda_j} = \lambda_j \frac{1 - 1}{1 - \lambda_j} = 0
    Ainsi, la somme ∑k=1qλjk\sum_{k=1}^{q} \lambda_j^k vaut qq si λj=1\lambda_j = 1 et 00 sinon. En notant m(1)m(1) la multiplicité de la valeur propre 1 dans le spectre de AA, on obtient :
    ∑k=1qTr⁡(Ak)=m(1)⋅q+(n−m(1))⋅0=q⋅m(1)\sum_{k=1}^{q} \operatorname{Tr}(A^k) = m(1) \cdot q + (n - m(1)) \cdot 0 = q \cdot m(1)
    Puisque AA est diagonalisable, la multiplicité de la valeur propre 1 est égale à la dimension de l'espace propre associé ker⁡(A−In)\ker(A-I_n).
    dim⁡ker⁡(A−In)=1q∑k=1qTr⁡(Ak)\boxed{\dim \ker(A-I_n) = \frac{1}{q} \sum_{k=1}^{q} \operatorname{Tr}(A^k)}

  3. Si A∈Mn(R)A \in \mathcal{M}_n(\mathbb{R}), on peut la considérer comme une matrice de Mn(C)\mathcal{M}_n(\mathbb{C}). Le rang d'une matrice M∈Mn(R)M \in \mathcal{M}_n(\mathbb{R}) est identique qu'il soit calculé sur R\mathbb{R} ou sur C\mathbb{C}. Par le théorème du rang, dim⁡ker⁡(M)\dim \ker(M) est donc également identique sur R\mathbb{R} et sur C\mathbb{C}. Comme la trace est la somme des éléments diagonaux, elle ne dépend pas non plus du corps de base. La formule reste donc valide.

  4. On remarque que Aq=In=A0A^q = I_n = A^0. Ainsi :
    ∑k=1qTr⁡(Ak)=Tr⁡(A1)+⋯+Tr⁡(Aq−1)+Tr⁡(Aq)\sum_{k=1}^{q} \operatorname{Tr}(A^k) = \operatorname{Tr}(A^1) + \dots + \operatorname{Tr}(A^{q-1}) + \operatorname{Tr}(A^q)
    ∑k=1qTr⁡(Ak)=Tr⁡(A1)+⋯+Tr⁡(Aq−1)+Tr⁡(In)=∑i=0q−1Tr⁡(Ai)\sum_{k=1}^{q} \operatorname{Tr}(A^k) = \operatorname{Tr}(A^1) + \dots + \operatorname{Tr}(A^{q-1}) + \operatorname{Tr}(I_n) = \sum_{i=0}^{q-1} \operatorname{Tr}(A^i)
    La formule peut donc indifféremment commencer à l'indice 0 ou 1.

Attention à ne pas oublier de justifier la diagonalisabilité de AA. Sans elle, on ne peut pas affirmer que la multiplicité de la valeur propre 1 est égale à la dimension du noyau de (A−In)(A-I_n).