WikiPrépaLivrets

Soit pp un entier naturel tel que p≥2p \geq 2. On considère une suite de points (Xn)n∈N(X_n)_{n \in \mathbb{N}} de l'espace Rp\mathbb{R}^p. On note Xn=(x1,n,…,xp,n)X_n = (x_{1,n}, \dots, x_{p,n}) les coordonnées du point au rang nn.

La suite est définie par un point initial X0∈RpX_0 \in \mathbb{R}^p et par la relation de récurrence suivante :

∀n∈N∗,∀i∈⟦1,p⟧,xi,n=1p−1∑j≠ixj,n−1\forall n \in \mathbb{N}^*,   \forall i \in \llbracket 1, p \rrbracket,   x_{i,n} = \frac{1}{p-1} \sum_{j \neq i} x_{j,n-1}

Étudier la convergence de la suite (Xn)n∈N(X_n)_{n \in \mathbb{N}} et déterminer, le cas échéant, sa limite en fonction de X0X_0.

1.

Traduire la relation de récurrence sous forme matricielle Xn=MXn−1X_n = M X_{n-1}.

2.

Exprimer MM en fonction de la matrice JJ dont tous les coefficients valent 1.

3.

Déterminer les éléments propres de MM (diagonalisabilité, spectre).

4.

Étudier le comportement de MnM^n en distinguant le cas p=2p=2 du cas p>2p > 2.

5.

Utiliser l'invariant de la suite (somme des coordonnées) pour identifier la limite.

Idées clés

•

Modélisation matricielle d'un système récurrent linéaire.

•

Réduction d'une matrice de structure simple (J−IJ - I).

•

Étude de la convergence des puissances d'une matrice par son spectre.

1. Modélisation matricielle.

Posons le vecteur colonne Xn=(x1,n…xp,n)TX_n = \begin{pmatrix} x_{1,n} & \dots & x_{p,n} \end{pmatrix}^T.

La relation de récurrence s'écrit Xn=MXn−1X_n = M X_{n-1} pour tout n≥1n \geq 1, où M∈Mp(R)M \in \mathcal{M}_p(\mathbb{R}) est définie par :

M=1p−1(01…110⋱⋮⋮⋱⋱11…10)M = \frac{1}{p-1} \begin{pmatrix} 0 & 1 & \dots & 1
1 & 0 & \ddots & \vdots
\vdots & \ddots & \ddots & 1
1 & \dots & 1 & 0 \end{pmatrix}

On remarque que MM peut s'écrire en fonction de la matrice J∈Mp(R)J \in \mathcal{M}_p(\mathbb{R}) ne contenant que des 1 :

M=1p−1(J−Ip)\boxed{ M = \frac{1}{p-1} (J - I_p) }

Par une récurrence immédiate, on a pour tout n∈Nn \in \mathbb{N} : Xn=MnX0X_n = M^n X_0.

2. Réduction de la matrice MM.

La matrice JJ est de rang 1 (toutes ses colonnes sont égales au vecteur U=(1,…,1)TU = (1, \dots, 1)^T).

Ainsi, 00 est valeur propre de JJ de multiplicité géométrique p−rg(J)=p−1p - \text{rg}(J) = p-1.

Le sous-espace propre associé est l'hyperplane H={X∈Rp∣∑i=1pxi=0}H = \{ X \in \mathbb{R}^p \mid \sum_{i=1}^p x_i = 0 \}.

De plus, JU=pUJ U = p U, donc pp est la seconde valeur propre de JJ (de multiplicité 1 car la somme des multiplicités atteint pp).

Puisque MM est une fonction polynomiale de JJ, les valeurs propres de MM sont les f(λ)f(\lambda) où f(x)=1p−1(x−1)f(x) = \frac{1}{p-1}(x-1) et λ∈Sp(J)\lambda \in \text{Sp}(J).

Sp(M)={p−1p−1,0−1p−1}={1,−1p−1}\text{Sp}(M) = \left\{ \frac{p-1}{p-1}, \frac{0-1}{p-1} \right\} = \left\{ 1, -\frac{1}{p-1} \right\}

MM est symétrique réelle, donc elle est diagonalisable.

3. Étude de la convergence.

Soit X0=X0(1)+X0(2)X_0 = X_0^{(1)} + X_0^{(2)} la décomposition de X0X_0 sur la somme directe Rp=E1(M)⊕E−1/(p−1)(M)\mathbb{R}^p = E_1(M) \oplus E_{-1/(p-1)}(M).

On a alors MnX0=1nX0(1)+(−1p−1)nX0(2)M^n X_0 = 1^n X_0^{(1)} + \left(-\frac{1}{p-1}\right)^n X_0^{(2)}.

Cas 1 : p>2p > 2.

Dans ce cas, ∣−1p−1∣<1\left| -\frac{1}{p-1} \right| < 1. Alors (−1p−1)n→n→+∞0\left(-\frac{1}{p-1}\right)^n \xrightarrow[n \to +\infty]{} 0.

La suite (Xn)(X_n) converge donc vers X0(1)X_0^{(1)}, qui est la projection de X0X_0 sur E1(M)=Vect(U)E_1(M) = \text{Vect}(U) parallèlement à H=E−1/(p−1)(M)H = E_{-1/(p-1)}(M).

Pour déterminer X0(1)X_0^{(1)}, utilisons l'invariant de la suite. On remarque que la somme des coordonnées Sn=∑i=1pxi,nS_n = \sum_{i=1}^p x_{i,n} est constante. En effet :

Sn=∑i=1p(1p−1∑j≠ixj,n−1)=1p−1∑j=1p(∑i≠j1)xj,n−1=∑j=1pxj,n−1=Sn−1S_n = \sum_{i=1}^p \left( \frac{1}{p-1} \sum_{j \neq i} x_{j,n-1} \right) = \frac{1}{p-1} \sum_{j=1}^p \left( \sum_{i \neq j} 1 \right) x_{j,n-1} = \sum_{j=1}^p x_{j,n-1} = S_{n-1}

Si Xn→L=(ℓ,…,ℓ)X_n \to L = (\ell, \dots, \ell), alors par continuité de la somme, pℓ=S0p\ell = S_0.

L=(1p∑i=1pxi,0)(1⋮1)\boxed{ L = \left( \frac{1}{p} \sum_{i=1}^p x_{i,0} \right) \begin{pmatrix} 1
\vdots
1 \end{pmatrix} }

Cas 2 : p=2p = 2.

Si p=2p=2, les valeurs propres sont 11 et −1-1. La matrice est M=(0110)M = \begin{pmatrix} 0 & 1
1 & 0 \end{pmatrix}
.

On a Xn=MnX0X_n = M^n X_0. La suite (Xn)(X_n) converge si et seulement si X0X_0 est un vecteur propre associé à la valeur propre 1.

Si p=2, la suite converge ssi x1,0=x2,0.\boxed{ \text{Si } p=2, \text{ la suite converge ssi } x_{1,0} = x_{2,0}. }
Sinon, la suite diverge par oscillation (elle échange les coordonnées de X0X_0 à chaque étape).

L'erreur classique est d'affirmer la convergence pour tout pp sans vérifier la condition sur le rayon spectral. Pour p=2p=2, la valeur propre −1-1 empêche la convergence générale.