[>] Lemme de décomposition des noyaux
Soient un endomorphisme d’un -espace vectoriel et un polynôme de .
Montrer que, si est valeur propre de , est valeur propre de .
Soit un endomorphisme d’un -espace vectoriel de dimension .
On suppose qu’il existe un vecteur tel que la famille soit libre. Montrer que les polynômes en sont les seuls endomorphismes qui commutent avec .
Soient diagonalisable et non constant.
Montrer qu’il existe tel que .
Solution
Notons les valeurs propres de et leurs multiplicités respectives. Puisque la matrice est diagonalisable, il existe telle que
Pour , l’équation d’inconnue possède au moins une solution . En effet, le polynôme complexe est non constant et le théorème de d’Alembert-Gauss assure qu’il possède au moins une racine complexe. Considérons alors
On vérifie
Soient . On suppose qu’il existe un polynôme vérifiant
Montrer que est inversible et que et commutent.
Soient et dans . On suppose que est nilpotente et qu’il existe tel que
Montrer qu’il existe tel que
Solution
On sait qu’il existe tel que .
En introduisant les coefficients de , la relation donne
On en déduit
En inversant ces équations, on obtient
et enfin
Cela qui détermine un polynôme vérifiant et .
Soient et telle que .
Montrer que est inversible et exprimer son inverse.
On pose
Montrer que est un sous-groupe commutatif de .
Solution
Posons . On a
donc
On en déduit que est inversible et
Soit tel que . On a
Donc
puis
On peut alors reprendre le raisonnement de la question précédente et affirmer que la matrice est inversible et que son inverse est de la forme
On en déduit que est inclus dans et que l’inverse d’un élément de est encore dans .
Il est immédiat de vérifier que est non vide et stable par produit. On en déduit que est un sous-groupe de . Enfin, on vérifie que est commutatif car les polynômes en une matrice commutent entre eux.
Dans , on considère la matrice
Exprimer simplement pour .
Solution
Par la formule de Taylor en ,
donc
Il est facile de calculer les puissances de et l’on conclut
Soient et trois endomorphismes d’un espace vectoriel réel vérifiant
Exprimer en fonction de , , et pour tout .
Pour , on pose
On pose , et .
Écrire une fonction C(L) d’argument et qui renvoie la matrice . Pour , écrire une fonction qui génère aléatoirement une matrice à coefficients dans et qui renvoie son inverse lorsqu’elle est inversible. Que conjecturer sur son inverse?
Pour et , calculer avec Python la matrice . Conjecture?
Quel est le polynôme caractéristique de ? Montrer que la matrice est diagonalisable dans et préciser ses valeurs propres et sous-espaces propres.
Justifier que est diagonalisable quel que soit le multiplet . Quelles sont ses valeurs propres?
À quelle condition la matrice est-elle inversible?
Justifier que lorsque c’est le cas, son inverse est de la forme avec .
Solution
On remplit le tableau matriciel de coefficients généraux avec :
def C(L): n = len(L) C = np.zeros((n, n)) for i in range(n): for j in range(n): C[i, j] = L[(j-i) % n] return C A = C(list(rd.random(3))) print(alg.inv(A))
L’inverse de la matrice semble être de la forme .
A = C([1, 2, 3]) J = C([0, 1, 0]) print(A - np.eye(3) + 2*J + 3*np.dot(J, J))
La matrice semble correspondre à .
En développant le déterminant selon la première ligne, on obtient .
Les racines de sont les racines -ièmes de l’unité, ce sont les pour , il y en a exactement : la matrice est diagonalisable.
Pour , on obtient après résolution
Pour , on remarque . Par combinaison linéaire, . Puisque la matrice est diagonalisable, l’est aussi par la même matrice de passage. La diagonalisation de en détermine les valeurs propres qui sont les pour .
La matrice est inversible si, et seulement si, n’en est pas valeur propre. Cela a lieu si, et seulement si, les racines -ièmes de l’unité ne sont pas racines de . Supposons que ce soit le cas.
Soit un polynôme de vérifiant
Un tel polynôme est possible par interpolation de Lagrange. Considérons ensuite
On a
Par diagonalisation de et parce que les valeurs du polynôme sont égales à sur les valeurs propres de , on a . On en déduit que est de la forme proposée.
Soit un endomorphisme d’un espace vectoriel réel de dimension finie . On suppose que les espaces et sont supplémentaires.
Que dire de la matrice de dans une base adaptée à l’écriture ?
Établir que la projection sur parallèlement à est un polynôme en .
Peut-on affirmer la même propriété pour la projection sur parallèlement à ?
Solution
Les espaces et sont stables par . La matrice de dans une base adaptée à la décomposition est donc diagonale par blocs de la forme
avec et .
Au surplus, est inversible car .
Puisque est inversible, n’est pas valeur propre de et n’est donc pas racine de son polynôme caractéristique .
Considérons le polynôme défini de sorte que et en vertu du théorème de Cayley Hamilton. On observe
On reconnaît la matrice de la projection sur parallèlement à et donc est cette projection, c’est un polynôme en .
La projection sur parallèlement à est , il s’agit d’un polynôme en .
[>] Lemme de décomposition des noyaux
Édité le 29-08-2023
Bootstrap 3 - LaTeXML - Powered by MathJax