Matrices
Matrices
Matrices
matrices.tex – page 2
solutions
Exercice 1.
M = X t Y − Y t X. Soit Z ∈ Mn,1 (R) tq (I + aM )Z = 0. Donc Z ∈ vect(X, Y ) : Z = λX + µY . On
remplace : (1 − at Y X)λ − at Y Y µ = at XXλ + (1 + at Y X)µ = 0.
CNS ⇔ a2 (t XX t Y Y − (t XY )2 ) + 1 6= 0.
Exercice 2.
On a tAA − t CC = In . Soit X tel que AX = 0. Donc t XX = −t (CX)(CX), donc X = 0.
Exercice 3.
A tA = (a2 + b2 + c2 + d2 )I.
Exercice 4.
Trigonaliser A dans une base orthonormée.
Exercice 6.
a = b = ±c.
Exercice 7.
Ils sont égaux (décomposer A en symétrique + antisymétrique).
Exercice 8. √
1 3
1) sp(M ) = {j, j 2 } ⇒ on prend comme base orthonormale a = 0 et b = √1 (2f (a) + a) = √ .
3 −2 3
2) M est une matrice de rotation ssi sp(M ) ⊂ U \ {±1} ou M = ±I.
3) M est la matrice d’une application orthogonale ssi sp(M ) ⊂ U et M est C-diagonalisable (alors M est
R-semblable à une matrice diagonale par blocs dont les blocs sont des matrices de rotation).
Exercice 10.
1) Inégalité de Cauchy-Schwarz.
2) Il existe
t P orthogonale de même tailleque A telle que D = t P AP est diagonale positive.
P 0
P 0
D tP C
Alors 0 I U 0 I = t CP B est symétrique positive donc si dii = 0 alors la ligne i de t P C
t
D tP C
P 0 P 0
est nulle. Ainsi 0 I U 0 0 I = 0 0
est, après renumérotation éventuelle des lignes et
0 0
D C
colonnes, de la forme U 00 = 0 0 où D0 est diagonale inversible et U 0 est semblable à U 00 . Enfin
I D0−1 C 0 I −D0−1 C 0
0
D 0
U 00 est diagonalisable : 0 I
U 00 0 I
= 0 0 .
Exercice 11.
Transformer une base de trigonalisation de A par l’algorithme de Schmidt.
matrices.tex – page 3
Exercice 12.
1) Si t U M V = D est diagonale alors t M M = V D2 t V . Inversement, comme t M M est symétrique
définie positive, il existe D diagonale inversible et V orthogonale telles que t M M = V D2 t V . On pose
M = U D t V ce qui définit U puisque D t V est inversible et on a V D2 t V = t M M = V D t U U D t V
d’où t U U = I.
2) M est limite de matrices Mk inversibles que l’on peut décomposer sous la forme Mk = Uk Dk t Vk
avec Uk , Vk orthogonales et Dk diagonale. Comme O(n) est compact on peut supposer, quitte à
extraire des sous-suites, que les suites (Uk ) et (Vk ) convergent vers des matrices U, V orthogonales
d’où t U M V = limk→∞ t Uk Mk Vk = limk→∞ D k = D diagonale.
√1 √1 √1
√ !
2 6 3 3 √0 0
3) En diagonalisant t M M on trouve V = 0 √2 − √1 , D = 0 3 0 . Comme D n’est
6 3
− √1 √1 √1 0 0 0
2 6 3
pas inversible il faut ruser pour trouver U . On donne
√ des!coefficients indéterminés à U et on écrit que
a b+ 2 c
t
U M V = D ce qui donne U = −a − √3 −b − √1 −c avec a, b, c ∈ R. On choisit alors a, b, c de
6 2
a b c √1 √1 √1
−
6 2 3
sorte que U ∈ O(3) d’où, par exemple, c = √1 , a = − √16 , b = − √12 et U = √2 0 − √1 .
3 6 3
− √1 − √1 √1
6 2 3
Exercice 13.
1) det(A)2 = (−1)n .
2) A est C-diagonalisable (annulateur simple) et ses valeurs propres sont i, −i avec la même multiplicité
(A est réelle). La matrice A0 donnée a les mêmes propriétés donc A et A0 sont C-semblables à la même
matrice diagonale, et donc C-semblables l’une à l’autre. Comme la C-similitude entre matrices réelles
est équivalente à la R-similitude (résultat bien connu), A et A0 sont R-semblables.
3) Soit e1 unitaire et e01 = Ae1 . Alors e01 est unitaire et Ae01 = −e1 d’où
donc (e1 , e01 ) est une famille orthonormale. Si F1 est le sev engendré par (e1 , e01 ) alors F1⊥ est stable
par A donc on peut construire par récurrence une base orthonormale (e1 , . . . , en/2 , e01 , . . . , e0n/2 ) telle
que Aei = e0i et Ae0i = −ei .
Exercice 14.
On remplace A par A + bn I et B par B − bn I ce qui ne modifie pas C. Maintenant les valeurs propres
de B sont positves donc pour tout x ∈ Cn on a (Ax | x) 6 (Cx | x). Soit (x1 , . . . , xn ) une base
orthonormale propre pour A et (y1 , . . . , yn ) une base orthonormale propre pour C. Si z ∈ vect(x1 , . . . , xi )
alors (Az | z) > ai kzk2 et si z ∈ vect(yi , . . . , yn ) alors (Az | z) 6 (Cz | z) 6 ci kzk2 . Or vect(x1 , . . . , xi )
et vect(yi , . . . , yn ) ont une intersection non triviale (la somme des dimensions est égale à n + 1) donc il
existe z 6= 0 tel que ai kzk2 6 ci kzk2 d’où ai 6 ci .
matrices.tex – page 4
Exercice 15.
1) Prendre A supérieur ou égal à la plus petite des valeurs propres de −M .
2) Surjectivité de ϕ : Im ϕ est un sev de Sn (R) contenant Sn++ (R) donc contenant vect(Sn++ (R)) = Sn (R)
d’après la question précédente. On en déduit que ϕ est un isomorphisme grâce au théorème du rang.
Si M ∈ Sn+ (R) alors M = limp→∞ (M + In /p) donc M ∈ Sn++ (R).
Réciproquement, si M ∈ Sn++ (R) alors M = limp→∞ (Mp ) avec Mp définie positive, donc pour tout
x ∈ Rn on a t xM x = limp→∞ (t xMp x) > 0, c’est-à-dire M ∈ Sn+ (R). Ainsi : Sn++ (R) = Sn+ (R).
Comme ϕ est continue (car linéaire en dimension finie) on en déduit ϕ(Sn+ (R)) ⊂ Sn+ (R). De plus,
ϕ(Sn++ (R)) = Sn++ (R) soit Sn++ (R) = ϕ−1 (Sn++ (R)). Comme ϕ−1 est une application linéaire con-
tinue : ϕ−1 (Sn+ (R)) ⊂ Sn+ (R), d’où Sn+ (R) ⊂ ϕ(Sn+ (R)).
3) Soit M ∈ S2 (R) de valeurs propres a, b avec a 6 b, et soient a0 6 b0 les valeurs propres de ϕ(M ). Pour
tout λ > −b on a M + λI2 ∈ S2++ (R) donc ϕ(M ) + λI2 ∈ S2++ (R) c’est-à-dire λ > b0 . Ceci prouve
que b0 6 b et on montre l’égalité en considérant ϕ−1 . De même, en considérant −M on montre que
a0 = a. Finalement χM = (X − a)(X − b) = χϕ(M ) . De plus, det(M ) = ab = det(ϕ(M )).
1 0 0 0 0 1
Remarque : soient A = 0 0 , B = 0 1 , C = 1 0 , et A0 = ϕ(A), B 0 = ϕ(B), C 0 = ϕ(C).
On sait que A0 est orthodiagonalisable avec pour valeurs propres 0 et 1, donc il existe P ∈ O(2) telle
u v
que A0 = t P AP . A0 + B 0 = ϕ(I2 ) = I2 d’où B 0 = I2 − A0 = t P BP . Posons C 0 = t P v w P .
0 = tr(C) = tr(C 0 ) = u + w et −1 = det(C) = det(C 0 ) = uw − v 2 donc w = −u et u2 + v 2 = 1. De
plus, −1 = det(A + C) = −u − u2 − v 2 d’où u = 0 et v = ±1.
Si v = 1 alors C 0 = t P CP et par linéarité, ϕ(M t
) = P M P pour toute M ∈ S2 (R). Si v = −1 on
1 0
trouve de même ϕ(M ) = t QM Q avec Q = P 0 −1 ∈ O(2). Réciproquement, toute application de
la forme M 7→ t P M P avec P ∈ O(2) vérifie les hypothèses de la question. Les fonctions ϕ linéaires
vérifiant la seule condition ϕ(S2++ (R)) = S2++ (R) sont les fonctions de la forme M 7→ t P M P avec
P ∈ GL2 (R) (écrire ϕ(I2 ) = t T T puis considérer M 7→ t T −1 ϕ(M )T −1 ).
Généralisation en dimension quelconque ?
Exercice 16.
M = (t M M )−2 est symétrique définie positive, donc diagonalisable en base orthonormale. En examinant
la forme diagonale on trouve M = I.
matrices.tex – page 5