On considère les deux matrices de M3(R)\mathcal{M}_3(\mathbb{R}) suivantes :

A=(123312231)etB=(132213321)A = \begin{pmatrix} 1 & 2 & 3
3 & 1 & 2
2 & 3 & 1 \end{pmatrix}   \text{et}   B = \begin{pmatrix} 1 & 3 & 2
2 & 1 & 3
3 & 2 & 1 \end{pmatrix}

  1. Démontrer que les matrices AA et BB sont semblables.
  2. Déterminer les valeurs propres complexes de la matrice AA.
  3. Pour chaque valeur propre, déterminer un vecteur propre associé.
  4. La matrice AA est-elle diagonalisable dans M3(R)\mathcal{M}_3(\mathbb{R}) ? Dans M3(C)\mathcal{M}_3(\mathbb{C}) ?

1.

Pour la similitude, chercher une matrice de permutation PP telle que B=PAP1B = PAP^{-1}. Une telle matrice correspond à un échange de lignes et de colonnes.

2.

Pour les valeurs propres, on pourra remarquer que AA est une matrice circulante. On peut aussi calculer le polynôme caractéristique en utilisant l'opération L1L1+L2+L3L_1 \leftarrow L_1 + L_2 + L_3.

3.

Pour les vecteurs propres de matrices circulantes, tester des vecteurs de la forme (1,ω,ω2)(1, \omega, \omega^2)ω3=1\omega^3 = 1.

Idées clés

Utilisation des matrices de permutation pour la similitude.

Propriétés des matrices circulantes : le vecteur (1,1,1)(1, 1, 1) est toujours propre.

Lien entre racines de l'unité et réduction des matrices de permutation cyclique.

Résolution.

  1. On observe que pour transformer AA en BB, on peut échanger les deuxième et troisième colonnes, puis les deuxième et troisième lignes. Considérons la matrice de permutation associée à la transposition τ=(2,3)\tau = (2, 3) :
    P=(100001010)P = \begin{pmatrix} 1 & 0 & 0
    0 & 0 & 1
    0 & 1 & 0 \end{pmatrix}
    Cette matrice vérifie P2=I3P^2 = I_3, d'où P1=PP^{-1} = P. Le produit APAP échange les colonnes 2 et 3 de AA, et le produit PAPPAP échange les lignes 2 et 3 de APAP. Effectuons le calcul :
    AP=(123312231)(100001010)=(132321213)AP = \begin{pmatrix} 1 & 2 & 3
    3 & 1 & 2
    2 & 3 & 1 \end{pmatrix} \begin{pmatrix} 1 & 0 & 0
    0 & 0 & 1
    0 & 1 & 0 \end{pmatrix} = \begin{pmatrix} 1 & 3 & 2
    3 & 2 & 1
    2 & 1 & 3 \end{pmatrix}
    Puis :
    PAP=(100001010)(132321213)=(132213321)=BPAP = \begin{pmatrix} 1 & 0 & 0
    0 & 0 & 1
    0 & 1 & 0 \end{pmatrix} \begin{pmatrix} 1 & 3 & 2
    3 & 2 & 1
    2 & 1 & 3 \end{pmatrix} = \begin{pmatrix} 1 & 3 & 2
    2 & 1 & 3
    3 & 2 & 1 \end{pmatrix} = B
    B=PAP1    AB\boxed{B = PAP^{-1} \implies A \sim B}

  2. Calculons le polynôme caractéristique χA(λ)=det(AλI3)\chi_A(\lambda) = \det(A - \lambda I_3).
    χA(λ)=1λ2331λ2231λ\chi_A(\lambda) = \begin{vmatrix} 1-\lambda & 2 & 3
    3 & 1-\lambda & 2
    2 & 3 & 1-\lambda \end{vmatrix}
    En effectuant L1L1+L2+L3L_1 \leftarrow L_1 + L_2 + L_3, on peut factoriser par (6λ)(6-\lambda) :
    χA(λ)=(6λ)11131λ2231λ\chi_A(\lambda) = (6-\lambda) \begin{vmatrix} 1 & 1 & 1
    3 & 1-\lambda & 2
    2 & 3 & 1-\lambda \end{vmatrix}
    Par les opérations C2C2C1C_2 \leftarrow C_2 - C_1 et C3C3C1C_3 \leftarrow C_3 - C_1 :
    χA(λ)=(6λ)10032λ1211λ=(6λ)[(2λ)(1λ)(1)(1)]\chi_A(\lambda) = (6-\lambda) \begin{vmatrix} 1 & 0 & 0
    3 & -2-\lambda & -1
    2 & 1 & -1-\lambda \end{vmatrix} = (6-\lambda) \left[ (-2-\lambda)(-1-\lambda) - (-1)(1) \right]
    χA(λ)=(6λ)(λ2+3λ+3)\chi_A(\lambda) = (6-\lambda)(\lambda^2 + 3\lambda + 3)
    Les racines de λ2+3λ+3\lambda^2 + 3\lambda + 3 sont 3±i32\frac{-3 \pm i\sqrt{3}}{2}. Notons j=e2iπ/3=12+i32j = e^{2i\pi/3} = -\frac{1}{2} + i\frac{\sqrt{3}}{2}. On remarque que :
    j1=32+i32etj21=jˉ1=32i32j-1 = -\frac{3}{2} + i\frac{\sqrt{3}}{2}   \text{et}   j^2-1 = \bar{j}-1 = -\frac{3}{2} - i\frac{\sqrt{3}}{2}
    Les valeurs propres de AA sont donc :
    SpC(A)={6,j1,j21}\boxed{\text{Sp}_{\mathbb{C}}(A) = \{6, j-1, j^2-1\}}

  3. Cherchons les vecteurs propres sous la forme Xω=(1,ω,ω2)TX_{\omega} = (1, \omega, \omega^2)^T avec ω3=1\omega^3 = 1. On a AXω=(1+2ω+3ω23+ω+2ω22+3ω+ω2)AX_{\omega} = \begin{pmatrix} 1+2\omega+3\omega^2
    3+\omega+2\omega^2
    2+3\omega+\omega^2 \end{pmatrix}
    .
    • Pour ω=1\omega = 1, on retrouve AX1=6X1AX_1 = 6X_1. Le sous-espace propre associé à 6 est E6=Vect((1,1,1)T)\boxed{E_6 = \text{Vect}((1,1,1)^T)}.
    • Pour ω=j\omega = j, la première coordonnée est 1+2j+3j2=1+2j+3(1j)=2j=j211+2j+3j^2 = 1+2j+3(-1-j) = -2-j = j^2-1. Vérifions pour la deuxième coordonnée : 3+j+2j2=3+j+2(1j)=1j=j(j21)3+j+2j^2 = 3+j+2(-1-j) = 1-j = j(j^2-1) car j3j=1jj^3-j = 1-j. Ainsi, XjX_j est propre pour la valeur propre j21j^2-1. Ej21=Vect((1,j,j2)T)\boxed{E_{j^2-1} = \text{Vect}((1, j, j^2)^T)}.
    • Par conjugaison (puisque AA est réelle), le vecteur associé à j1=j21j-1 = \overline{j^2-1} est Xj=(1,j2,j)T\overline{X_j} = (1, j^2, j)^T. Ej1=Vect((1,j2,j)T)\boxed{E_{j-1} = \text{Vect}((1, j^2, j)^T)}.

  4. Analyse de la diagonalisabilité :
    • Dans M3(C)\mathcal{M}_3(\mathbb{C}), la matrice AA possède 3 valeurs propres distinctes. Elle est donc diagonalisable.
    • Dans M3(R)\mathcal{M}_3(\mathbb{R}), le polynôme caractéristique n'est pas scindé sur R\mathbb{R} (deux racines complexes non réelles). La matrice n'est donc pas diagonalisable sur R\mathbb{R}.

Attention à ne pas confondre 1j1-j et j1j-1. Un calcul rapide sur la première ligne de AXωAX_{\omega} permet de fixer la valeur propre exacte sans erreur de signe.