WikiPrépaLivrets

Soit n∈N∗n \in \mathbb{N}^* et A∈Mn(C)A \in \mathcal{M}_n(\mathbb{C}). On considère la matrice B∈M2n(C)B \in \mathcal{M}_{2n}(\mathbb{C}) définie par blocs par :

B=(0nIn2AA)B = \begin{pmatrix} 0_n & I_n
2A & A \end{pmatrix}
Déterminer une condition nécessaire et suffisante sur AA pour que la matrice BB soit diagonalisable.

1.

Commencer par exprimer le polynôme caractéristique de BB en fonction de celui de AA.

2.

Pour un vecteur propre (XY)\begin{pmatrix} X
Y \end{pmatrix}
de BB associé à une valeur propre λ\lambda, établir une relation entre XX et un vecteur propre de AA.

3.

Étudier la dimension des sous-espaces propres de BB en fonction de ceux de AA.

4.

Examiner séparément le cas où les racines du polynôme z2−μz−2μz^2 - \mu z - 2\mu sont confondues.

Idées clés

•

Calcul de déterminant par blocs (formule de Schur ou commutativité).

•

Lien entre les spectres Sp(B)\text{Sp}(B) et Sp(A)\text{Sp}(A).

•

Égalité entre multiplicité algébrique et dimension du sous-espace propre.

1. Recherche des valeurs propres de BB.

Soit λ∈C\lambda \in \mathbb{C}. On calcule le polynôme caractéristique χB(λ)=det⁡(λI2n−B)\chi_B(\lambda) = \det(\lambda I_{2n} - B). Par blocs, on a :

λI2n−B=(λIn−In−2AλIn−A)\lambda I_{2n} - B = \begin{pmatrix} \lambda I_n & -I_n
-2A & \lambda I_n - A \end{pmatrix}
Comme le bloc λIn\lambda I_n commute avec −2A-2A, on peut utiliser la formule du déterminant par blocs :
χB(λ)=det⁡(λ(λIn−A)−(−In)(−2A))=det⁡(λ2In−λA−2A)\chi_B(\lambda) = \det\left( \lambda(\lambda I_n - A) - (-I_n)(-2A) \right) = \det(\lambda^2 I_n - \lambda A - 2A)
Soient μ1,…,μn\mu_1, \dots, \mu_n les valeurs propres de AA comptées avec multiplicité. Comme on travaille sur C\mathbb{C}, on peut trigonaliser AA (ou utiliser ses valeurs propres dans le déterminant) :
χB(λ)=∏i=1n(λ2−μiλ−2μi)\boxed{\chi_B(\lambda) = \prod_{i=1}^n (\lambda^2 - \mu_i \lambda - 2\mu_i)}
Les valeurs propres de BB sont donc les racines des équations z2−μiz−2μi=0z^2 - \mu_i z - 2\mu_i = 0 pour i∈{1,…,n}i \in \{1, \dots, n\}.

2. Analyse des vecteurs propres.

Soit V=(XY)∈C2nV = \begin{pmatrix} X
Y \end{pmatrix} \in \mathbb{C}^{2n}
avec X,Y∈CnX, Y \in \mathbb{C}^n. L'équation BV=λVBV = \lambda V équivaut au système :

{Y=λX2AX+AY=λY  ⟺  {Y=λX(λ+2)AX=λ2X\begin{cases} Y = \lambda X
2AX + AY = \lambda Y \end{cases} \iff \begin{cases} Y = \lambda X
(\lambda + 2) AX = \lambda^2 X \end{cases}
Si λ=−2\lambda = -2, alors la seconde équation donne 0=4X0 = 4X, donc X=0X=0 et Y=0Y=0, ce qui est impossible pour un vecteur propre. Ainsi, λ≠−2\lambda \neq -2. On en déduit que XX doit être un vecteur propre de AA associé à la valeur propre μ=λ2λ+2\mu = \frac{\lambda^2}{\lambda+2} (ou X∈Ker(A)X \in \text{Ker}(A) si λ=0\lambda = 0).

3. Condition nécessaire.

Supposons BB diagonalisable. Alors toute valeur propre de BB doit avoir une dimension de sous-espace propre égale à sa multiplicité algébrique. Soit μ\mu une valeur propre de AA. Les valeurs propres correspondantes pour BB sont les racines de Pμ(z)=z2−μz−2μP_\mu(z) = z^2 - \mu z - 2\mu. Le discriminant de ce trinôme est Δμ=μ2+8μ=μ(μ+8)\Delta_\mu = \mu^2 + 8\mu = \mu(\mu + 8).

Cas μ=0\mu = 0 ou μ=−8\mu = -8 : Si μ=0\mu=0, P0(z)=z2P_0(z) = z^2, donc λ=0\lambda=0 est racine double. Le sous-espace propre associé est E0(B)={(X0)∣AX=0}=Ker(A)×{0}E_0(B) = \{ \begin{pmatrix} X
0 \end{pmatrix} \mid AX=0 \} = \text{Ker}(A) \times \{0\}
. Sa dimension est dim⁡Ker(A)\dim \text{Ker}(A). Or, si μ=0\mu=0 est de multiplicité mm dans AA, λ=0\lambda=0 est de multiplicité 2m2m dans BB. Pour la diagonalisabilité, il faut dim⁡Ker(A)=2m\dim \text{Ker}(A) = 2m. Or dim⁡Ker(A)≤m\dim \text{Ker}(A) \leq m, donc 2m≤m  ⟹  m=02m \leq m \implies m=0. Ainsi, 00 ne peut pas être valeur propre de AA.

Par un raisonnement identique, si μ=−8\mu=-8, P−8(z)=(z+4)2P_{-8}(z) = (z+4)^2. La dimension de E−4(B)E_{-4}(B) serait dim⁡Ker(A+8I)\dim \text{Ker}(A+8I), alors que sa multiplicité est 2×multA(−8)2 \times \text{mult}_A(-8). Cela impose que −8-8 n'est pas valeur propre de AA.

Diagonalisabilité de AA : Puisque BB est diagonalisable, il existe une base de C2n\mathbb{C}^{2n} formée de vecteurs propres Vj=(XjλjXj)V_j = \begin{pmatrix} X_j
\lambda_j X_j \end{pmatrix}
. La famille des premiers blocs (Xj)1≤j≤2n(X_j)_{1 \leq j \leq 2n} engendre nécessairement Cn\mathbb{C}^n par projection. Comme chaque XjX_j non nul est un vecteur propre de AA, AA possède une famille génératrice de vecteurs propres, donc AA est diagonalisable.

4. Condition suffisante.

Supposons AA diagonalisable et Sp(A)∩{0,−8}=∅\text{Sp}(A) \cap \{0, -8\} = \emptyset. Alors pour chaque μ∈Sp(A)\mu \in \text{Sp}(A), le trinôme z2−μz−2μz^2 - \mu z - 2\mu possède deux racines distinctes λμ,1\lambda_{\mu, 1} et λμ,2\lambda_{\mu, 2}. Soit (u1,…,un)(u_1, \dots, u_n) une base de vecteurs propres de AA associée aux valeurs propres (μ1,…,μn)(\mu_1, \dots, \mu_n). Pour chaque i∈{1,…,n}i \in \{1, \dots, n\}, on définit les vecteurs de C2n\mathbb{C}^{2n} :

Vi,1=(uiλμi,1ui)etVi,2=(uiλμi,2ui)V_{i,1} = \begin{pmatrix} u_i
\lambda_{\mu_i, 1} u_i \end{pmatrix}   \text{et}   V_{i,2} = \begin{pmatrix} u_i
\lambda_{\mu_i, 2} u_i \end{pmatrix}
On vérifie aisément que ces 2n2n vecteurs sont des vecteurs propres de BB. Ils forment une famille libre (par un argument de type Vandermonde sur les blocs car λμi,1≠λμi,2\lambda_{\mu_i, 1} \neq \lambda_{\mu_i, 2}). Ainsi, BB est diagonalisable.

Conclusion :

B est diagonalisable  ⟺  A est diagonalisable et Sp(A)∩{0,−8}=∅\boxed{B \text{ est diagonalisable} \iff A \text{ est diagonalisable et } \text{Sp}(A) \cap \{0, -8\} = \emptyset}

L'erreur classique est d'oublier que AA elle-même doit être diagonalisable. On pourrait être tenté de ne regarder que les racines du trinôme z2−μz−2μz^2 - \mu z - 2\mu.