CPGE/Marrakech PSI
DL2
Exercice
Résolution de l’équation X 2 + 3X = A dans M3 (R).
10 0 0
On note u l’endomorphisme de R3 canoniquement associé à la matrice A = 0 4 1 .
0 0 0
1. Justifier que A est diagonalisable dans M3 (R). On λ1 , λ2 etλ3 les valeurs propres de A et on suppose
que λ1 > λ2 > λ3 ; préciser les valeurs de λ1 , λ2 etλ3 ..
2. Pour tout k ∈ {1, 2, 3}, déterminer le vecteur propre ek de u associé à la valeur propre λk et ayant
pour composantes des nombres entiers dont l’un est égal à 1.
3. Justifier que (e1 , e2 , e3 ) est une base de R3 et écrire la matrice ∆ de u relativement à cette base.
4. Déterminer une matrice P ∈ GL3 (R) telle que A = P ∆P −1 puis calculer P −1 .
5. Soit B ∈ M3 (R) une matrice vérifiant B 2 + 3B = A, on note v l’endomorphisme de R3 canoniquement
associé à B.
(a) Justifier que v 2 + 3v = u.
(b) Vérifier que uv = vu et en déduire que pour tout k ∈ {1, 2, 3} le vecteur v(ek ) est colinèaire à ek ;
conclure que la matrice V de v relativement à la base (e1 , e2 , e3 ) est diagonale.
(c) On pose V = diag(α1 , α2 , α3 ). Exprimer ∆ en fonction de V puis déterminer les valeurs possibles
de α1 , α2 et α3 ainsi que celles de la matrice B.
6. Combien de solutions l’équation X 2 + 3X = A admet-t-elle dans M3 (R)?
Problème
Notations
— K désigne l’ensemble R ou C.
— On fixe un entier n ≥ 2
— In est la matrice identité de Mn (R).
— On identifie un élément x ∈ Kn à une matrice colonne et si x = (x1 , . . . , xn ), on note kxk∞ =
max {|xi | | 1 ≤ i ≤ n}.
— Si A ∈ Mn (C), on note Sp(A) l’ensemble des valeurs propres complexes de A et on note
ρ(A) = max |λ|
λ∈Sp(A)
Cette quantité s’appelle le rayon spectral de A.
— On notera U ∈ Mn,1 (R) la matrice colonne dont tous les coefficients valent 1 .
— Une matrice carrée A = (ai,j ) ∈ Mn (R) est dite Pnstochastique si elle vérifie les conditions suivantes :
∀(i, j) ∈ J1, nK2 , ai,j ≥ 0, et ∀i ∈ J1, nK, j=1 ai,j = 1 Nous dirons aussi qu’une matrice ligne
L = (λ1 , . . . , λn ) ∈ M1,n (R) est stochastique lorsque ses coefficients λi sont tous positifs ou nuls et
de somme égale à 1 .
1
I Étude d’une matrice stochastique dans le cas n = 2
On suppose dans cette partie que n = 2 et, pour α ∈ [0, 1] et β ∈ [0, 1] avec (α, β) 6= (0, 0), on note :
1−α α
A(α, β) =
β 1−β
Il pourra être utile de noter λ = 1 − (α + β).
1. Montrer que 1 est valeur propre de A(α, β) et déterminer le sous-espace propre associé.
2. Montrer que A(α, β) est diagonalisable dans M2 (R) et la diagonaliser.
3. Calculer, pour tout entier p ∈ N, la matrice A(α, β)p .
4. Montrer que, pour (α, β) 6= (1, 1), la suite (A(α, β)p )p∈N converge vers une matrice L(α, β) que l’on
précisera. Que se passe-t-il pour (α, β) = (1, 1) ?
II Un résultat de convergence dans Mn (R)
Soit u un endomorphisme d’un R-espace vectoriel E de dimension finie. On suppose qu’il existe une
norme [Link] telle que l’inégalité suivante soit satisfaite pour tout x ∈ E,
ku(x)k ≤ kxk
Pour tout entier naturel k non nul, on considère l’endomorphisme
k−1
1X l 1
rk = u = IE + u + u2 + · · · + uk−1
k k
l=0
où IE représente l’endomorphisme identité de E.
5. Soit x ∈ ker (u − IE ). Déterminer lim rk (x).
k→+∞
6. Soit x ∈ Im (u − IE ). Montrer que lim rk (x) = 0E .
k→+∞
7. En déduire que E = ker (u − IE ) ⊕ Im (u − IE ).
8. Soit x un vecteur quelconque. Montrer que la suite (rk (x))k∈N∗ converge vers un vecteur de E, que l’on
notera p(x). Interpréter géométriquement l’application p : E → E ainsi définie.
9. Soit A ∈ Mn (R). On suppose qu’il existe une norme, aussi notée k · k sur Rn , telle que, pour tout
XP∈ Rn , on ait kAXk ≤ kXk. Pour tout k entier naturel non nul, on considère la matrice Rk =
1 k−1 l 1 2 k−1
k l=0 A = k In + A + A + · · · + A Montrer que la suite de matrices (Rk )k∈N∗ converge dans
Mn (R) vers une matrice P , telle que P 2 = P .
III Étude dans le cas général
10. Montrer qu’une matrice A à coefficients réels positifs est stochastique si et seulement si AU = U .
11. En déduire que l’ensemble E des matrices stochastiques (carrées d’ordre n ) est stable pour le produit
matriciel.
12. Montrer que cet ensemble E est une partie fermée et convexe de l’espace vectoriel Mn (R).
13. Montrer que si A ∈ Mn (R) est stochastique, alors on a :
2
(a) ∀x ∈ Cn , ∀p ∈ N, kAp xk∞ ≤ kxk∞
(b) Montrer que ρ(A) = 1.
Dans la suite de cette partie, on note A ∈ Mn (R) une matrice stochastique, et on suppose que A
ait tous ses coefficients strictement positifs. Pour tout k entier naturel non nul, on posera
k−1
1X l
Rk = A
k
l=0
14. Montrer que ker (A − In ) = Vect(U ).
Indication : soit X = (xi )1≤i≤n ∈ ker (A − In ), soit s ∈ J1, nK un indice tel que xs = max1≤j≤n xj , on
montrera que xj = xs pour tout j.
15. Montrer que, pour tout k ∈ N∗ , la matrice Rk est stochastique.
16. Montrer que la suite (Rk )k∈N∗ converge dans Mn (R) vers une matrice P , stochastique de rang 1 .
17. En déduire que l’on peut écrire P = U L, où L = (λ1 , . . . , λn ) ∈ Mn,1 (R) est une matrice ligne
stochastique.
18. Montrer que P A = P . En déduire que L est la seule matrice ligne stochastique vérifiant LA = L.
19. Montrer que les coefficients de la matrice ligne L sont tous strictement positifs.
20. Montrer que le reel 1 est valeur propre simple de A.
21. Soit λ ∈ Sp(A)\{1}. Montrer que |λ| < 1.
∗ ∗ ∗ ∗ ∗ ∗ ∗ ∗ Bon courage ∗ ∗ ∗ ∗ ∗ ∗ ∗ ∗ ∗ ∗