WikiPrépaLivrets

Diagonalisation d'une matrice symétrique particulière

On considère la matrice AA suivante, appartenant à M4(R)\mathcal{M}_4(\mathbb{R}) :

A=(111111−1−11−11−11−1−11)A = \begin{pmatrix} 1 & 1 & 1 & 1
1 & 1 & -1 & -1
1 & -1 & 1 & -1
1 & -1 & -1 & 1 \end{pmatrix}

  1. Justifier, sans aucun calcul de déterminant, que la matrice AA est diagonalisable sur R\mathbb{R}.
  2. En observant les relations linéaires entre les colonnes de AA, déterminer trois vecteurs propres linéairement indépendants associés à une même valeur propre λ\lambda. Préciser la valeur de λ\lambda et la dimension minimale du sous-espace propre associé.
  3. À l'aide de la trace de AA, déterminer la valeur de la quatrième valeur propre de la matrice.
  4. Déterminer un vecteur propre associé à cette dernière valeur propre, puis donner une matrice P∈GL4(R)P \in GL_4(\mathbb{R}) et une matrice diagonale DD telles que A=PDP−1A = PDP^{-1}.

1.

Pour la question 1, identifier une propriété structurelle de la matrice (symétrie).

2.

Pour la question 2, on rappelle que le produit AXAX correspond à une combinaison linéaire des colonnes de AA. Tester des vecteurs simples avec des 0 et des 1.

3.

Pour la question 3, utiliser la relation entre la trace et la somme des valeurs propres comptées avec leur multiplicité.

4.

Pour la question 4, exploiter la symétrie du problème ou tester une combinaison simple des colonnes pour trouver un vecteur dans ker⁡(A−μI)\ker(A - \mu I).

Idées clés

•

Théorème spectral pour les matrices symétriques réelles.

•

Interprétation du produit matrice-vecteur comme combinaison linéaire des colonnes.

•

Propriété de la trace : Tr(A)=∑i=1nλi\text{Tr}(A) = \sum_{i=1}^n \lambda_i.

Résolution.

  1. On observe que la matrice AA est égale à sa transposée : AT=AA^T = A. Comme A∈M4(R)A \in \mathcal{M}_4(\mathbb{R}) et que AA est symétrique réelle, le théorème spectral permet d'affirmer immédiatement :
    A est diagonalisable dans M4(R).\boxed{A \text{ est diagonalisable dans } \mathcal{M}_4(\mathbb{R}).}

  2. Notons C1,C2,C3,C4C_1, C_2, C_3, C_4 les colonnes de AA. Cherchons des vecteurs XX tels que AX=λXAX = \lambda X. On remarque les sommes suivantes :
    C1+C2=(2200)=2(1100),C1+C3=(2020)=2(1010),C1+C4=(2002)=2(1001)C_1 + C_2 = \begin{pmatrix} 2
    2
    0
    0 \end{pmatrix} = 2 \begin{pmatrix} 1
    1
    0
    0 \end{pmatrix},   C_1 + C_3 = \begin{pmatrix} 2
    0
    2
    0 \end{pmatrix} = 2 \begin{pmatrix} 1
    0
    1
    0 \end{pmatrix},   C_1 + C_4 = \begin{pmatrix} 2
    0
    0
    2 \end{pmatrix} = 2 \begin{pmatrix} 1
    0
    0
    1 \end{pmatrix}
    Posons les vecteurs suivants :
    v1=(1100),v2=(1010),v3=(1001)v_1 = \begin{pmatrix} 1
    1
    0
    0 \end{pmatrix},   v_2 = \begin{pmatrix} 1
    0
    1
    0 \end{pmatrix},   v_3 = \begin{pmatrix} 1
    0
    0
    1 \end{pmatrix}
    Les relations précédentes s'écrivent Av1=2v1Av_1 = 2v_1, Av2=2v2Av_2 = 2v_2 et Av3=2v3Av_3 = 2v_3. Par conséquent, v1,v2,v3v_1, v_2, v_3 sont des vecteurs propres associés à la valeur propre λ=2\lambda = 2. Vérifions leur indépendance linéaire. Soit (α,β,γ)∈R3(\alpha, \beta, \gamma) \in \mathbb{R}^3 tel que αv1+βv2+γv3=0\alpha v_1 + \beta v_2 + \gamma v_3 = 0. On a :
    (α+β+γαβγ)=(0000)  ⟹  α=β=γ=0\begin{pmatrix} \alpha + \beta + \gamma
    \alpha
    \beta
    \gamma \end{pmatrix} = \begin{pmatrix} 0
    0
    0
    0 \end{pmatrix} \implies \alpha = \beta = \gamma = 0
    La famille (v1,v2,v3)(v_1, v_2, v_3) est libre, donc le sous-espace propre E2(A)E_2(A) est de dimension au moins 3.
    λ=2etdim⁡E2(A)≥3\boxed{\lambda = 2   \text{et}   \dim E_2(A) \ge 3}

  3. La trace de AA est la somme de ses éléments diagonaux :
    Tr(A)=1+1+1+1=4\text{Tr}(A) = 1 + 1 + 1 + 1 = 4
    Soit μ\mu la quatrième valeur propre de AA (éventuellement égale à 2). La somme des valeurs propres étant égale à la trace, on a :
    2+2+2+μ=4  ⟹  6+μ=42 + 2 + 2 + \mu = 4 \implies 6 + \mu = 4
    On en déduit la valeur de la dernière valeur propre :
    μ=−2\boxed{\mu = -2}

  4. Puisque AA n'est pas une matrice d'homothétie (A≠2I4A \neq 2I_4), et qu'elle possède une valeur propre différente de 2, on sait que dim⁡E2(A)\dim E_2(A) ne peut pas être 4. Donc dim⁡E2(A)=3\dim E_2(A) = 3 et dim⁡E−2(A)=1\dim E_{-2}(A) = 1. Cherchons v4=(x,y,z,t)Tv_4 = (x, y, z, t)^T tel que Av4=−2v4Av_4 = -2v_4. Cela revient à chercher une combinaison linéaire des colonnes telle que xC1+yC2+zC3+tC4=−2(x,y,z,t)Tx C_1 + y C_2 + z C_3 + t C_4 = -2(x, y, z, t)^T. En testant v4=(1,−1,−1,−1)Tv_4 = (1, -1, -1, -1)^T, on calcule :
    C1−C2−C3−C4=(1−1−1−11−1+1+11+1−1+11+1+1−1)=(−2222)=−2(1−1−1−1)C_1 - C_2 - C_3 - C_4 = \begin{pmatrix} 1-1-1-1
    1-1+1+1
    1+1-1+1
    1+1+1-1 \end{pmatrix} = \begin{pmatrix} -2
    2
    2
    2 \end{pmatrix} = -2 \begin{pmatrix} 1
    -1
    -1
    -1 \end{pmatrix}
    Ainsi, v4v_4 est un vecteur propre associé à la valeur propre -2. On peut alors poser :
    D=(200002000020000−2)etP=(1111100−1010−1001−1)\boxed{ D = \begin{pmatrix} 2 & 0 & 0 & 0
    0 & 2 & 0 & 0
    0 & 0 & 2 & 0
    0 & 0 & 0 & -2 \end{pmatrix}   \text{et}   P = \begin{pmatrix} 1 & 1 & 1 & 1
    1 & 0 & 0 & -1
    0 & 1 & 0 & -1
    0 & 0 & 1 & -1 \end{pmatrix} }

Attention à ne pas oublier que la trace est la somme des valeurs propres comptées avec leur multiplicité algébrique. Ici, comme la matrice est diagonalisable, la multiplicité algébrique est égale à la dimension du sous-espace propre.