WikiPrépaLivrets

Soit A=(a1,1a1,2a2,1a2,2)∈M2(K)A = \begin{pmatrix} a_{1,1} & a_{1,2}
a_{2,1} & a_{2,2} \end{pmatrix} \in \mathcal{M}_2(\mathbb{K})
une matrice diagonalisable sur un corps K\mathbb{K}. On définit par récurrence une suite de matrices (An)n∈N∗(A_n)_{n \in \mathbb{N}^*} par A1=AA_1 = A et, pour tout n∈N∗n \in \mathbb{N}^* :

An+1=(a1,1Ana1,2Ana2,1Ana2,2An)A_{n+1} = \begin{pmatrix} a_{1,1} A_n & a_{1,2} A_n
a_{2,1} A_n & a_{2,2} A_n \end{pmatrix}

  1. Exprimer les valeurs propres de A2A_2 en fonction de celles de A1A_1.
  2. Déterminer l'ensemble des valeurs propres de AnA_n pour tout n≥1n \geq 1 en fonction du spectre de AA.
  3. Justifier que pour tout n∈N∗n \in \mathbb{N}^*, la matrice AnA_n est diagonalisable.

1.

Pour la question 1, si VV est un vecteur propre de AA associé à λ\lambda et WW un vecteur propre associé à μ\mu, on pourra chercher un vecteur propre de A2A_2 sous la forme d'un vecteur par blocs faisant intervenir les composantes de VV et le vecteur WW.

2.

Pour la question 2, procéder par récurrence ou remarquer la structure de produit tensoriel An=A⊗An−1A_n = A \otimes A_{n-1}.

3.

Pour la diagonalisabilité, on pourra construire une base de vecteurs propres pour An+1A_{n+1} à partir de celle de AnA_n et de celle de AA.

Idées clés

•

Construction de vecteurs propres par blocs.

•

Stabilité de la diagonalisabilité par produit tensoriel (implicite ici).

•

Raisonnement par récurrence sur la dimension des espaces.

Résolution.

  1. Notons Sp(A)={λ1,λ2}\text{Sp}(A) = \{\lambda_1, \lambda_2\} les valeurs propres de AA (éventuellement confondues). Soient Vi=(xiyi)V_i = \begin{pmatrix} x_i
    y_i \end{pmatrix}
    et Vj=(xjyj)V_j = \begin{pmatrix} x_j
    y_j \end{pmatrix}
    deux vecteurs propres de AA associés respectivement à λi\lambda_i et λj\lambda_j.

    Considérons le vecteur par blocs suivant dans K4\mathbb{K}^4 :

    Wi,j=(xiVjyiVj)W_{i,j} = \begin{pmatrix} x_i V_j
    y_i V_j \end{pmatrix}

    Calculons le produit A2Wi,jA_2 W_{i,j} en utilisant la définition par blocs de A2A_2 :

    A2Wi,j=(a1,1Aa1,2Aa2,1Aa2,2A)(xiVjyiVj)=(a1,1xi(AVj)+a1,2yi(AVj)a2,1xi(AVj)+a2,2yi(AVj))A_2 W_{i,j} = \begin{pmatrix} a_{1,1} A & a_{1,2} A
    a_{2,1} A & a_{2,2} A \end{pmatrix} \begin{pmatrix} x_i V_j
    y_i V_j \end{pmatrix} = \begin{pmatrix} a_{1,1} x_i (A V_j) + a_{1,2} y_i (A V_j)
    a_{2,1} x_i (A V_j) + a_{2,2} y_i (A V_j) \end{pmatrix}

    Comme AVj=λjVjA V_j = \lambda_j V_j, nous obtenons :

    A2Wi,j=λj((a1,1xi+a1,2yi)Vj(a2,1xi+a2,2yi)Vj)=λj((AVi)1Vj(AVi)2Vj)A_2 W_{i,j} = \lambda_j \begin{pmatrix} (a_{1,1} x_i + a_{1,2} y_i) V_j
    (a_{2,1} x_i + a_{2,2} y_i) V_j \end{pmatrix} = \lambda_j \begin{pmatrix} (A V_i)_1 V_j
    (A V_i)_2 V_j \end{pmatrix}

    Or AVi=λiViA V_i = \lambda_i V_i, donc (AVi)1=λixi(A V_i)_1 = \lambda_i x_i et (AVi)2=λiyi(A V_i)_2 = \lambda_i y_i. On en déduit :

    A2Wi,j=λj(λixiVjλiyiVj)=λiλjWi,jA_2 W_{i,j} = \lambda_j \begin{pmatrix} \lambda_i x_i V_j
    \lambda_i y_i V_j \end{pmatrix} = \lambda_i \lambda_j W_{i,j}

    Ainsi, les valeurs propres de A2A_2 sont les produits des valeurs propres de AA.

    Sp(A2)={λμ∣(λ,μ)∈Sp(A)2}\boxed{\text{Sp}(A_2) = \{ \lambda \mu \mid (\lambda, \mu) \in \text{Sp}(A)^2 \}}

  2. Montrons par récurrence sur nn que Sp(An)={∏k=1nμk∣∀k,μk∈Sp(A)}\text{Sp}(A_n) = \{ \prod_{k=1}^n \mu_k \mid \forall k, \mu_k \in \text{Sp}(A) \}. L'initialisation est immédiate pour n=1n=1. Supposons la propriété vraie au rang nn. An+1A_{n+1} est définie par blocs à partir de AA et de AnA_n :
    An+1=(a1,1Ana1,2Ana2,1Ana2,2An)A_{n+1} = \begin{pmatrix} a_{1,1} A_n & a_{1,2} A_n
    a_{2,1} A_n & a_{2,2} A_n \end{pmatrix}

    Par un calcul identique à la question 1 (en remplaçant AA par AnA_n dans les blocs), si VV est propre pour AA (λ\lambda) et WW est propre pour AnA_n (μ\mu), alors le vecteur formé par blocs avec les composantes de VV et le vecteur WW est propre pour An+1A_{n+1} associé à λμ\lambda\mu.

    Ainsi, les valeurs propres de An+1A_{n+1} sont les produits d'une valeur propre de AA et d'une valeur propre de AnA_n. Par hypothèse de récurrence :

    Sp(An)={λ1kλ2n−k∣k∈{0,…,n}}\boxed{\text{Sp}(A_n) = \{ \lambda_1^k \lambda_2^{n-k} \mid k \in \{0, \dots, n\} \}}
    où λ1,λ2\lambda_1, \lambda_2 sont les valeurs propres de AA.

  3. Soit B=(V1,V2)\mathcal{B} = (V_1, V_2) une base de K2\mathbb{K}^2 formée de vecteurs propres de AA. Pour n=2n=2, on a vu que les vecteurs Wi,j=((Vi)1Vj(Vi)2Vj)W_{i,j} = \begin{pmatrix} (V_i)_1 V_j
    (V_i)_2 V_j \end{pmatrix}
    pour i,j∈{1,2}i,j \in \{1,2\} sont propres pour A2A_2.

    Ces 4 vecteurs forment une famille libre. En effet, si ∑ci,jWi,j=0\sum c_{i,j} W_{i,j} = 0, alors :

    (∑i(Vi)1(∑jci,jVj)∑i(Vi)2(∑jci,jVj))=0\begin{pmatrix} \sum_i (V_i)_1 (\sum_j c_{i,j} V_j)
    \sum_i (V_i)_2 (\sum_j c_{i,j} V_j) \end{pmatrix} = 0
    Comme (Vj)(V_j) est une base, chaque ∑jci,jVj\sum_j c_{i,j} V_j est un vecteur UiU_i. On a alors ∑i(Vi)1Ui=0\sum_i (V_i)_1 U_i = 0 et ∑i(Vi)2Ui=0\sum_i (V_i)_2 U_i = 0, ce qui mène à la liberté par structure de base.

    Par récurrence, on construit ainsi une base de 2n2^n vecteurs propres pour AnA_n dans K2n\mathbb{K}^{2^n}.

    An est diagonalisable dans M2n(K)\boxed{A_n \text{ est diagonalisable dans } \mathcal{M}_{2^n}(\mathbb{K})}

Attention à ne pas croire que les valeurs propres d'une matrice par blocs sont simplement les valeurs propres des blocs. Cela n'est vrai que si la matrice est triangulaire par blocs. Ici, la structure est celle d'un produit de Kronecker, ce qui impose une étude plus fine des vecteurs propres.