Votre navigateur n'accepte pas le Javascript.La navigation sur ce site risque de ne pas fonctionner correctement.

293. Calculez le déterminant d’une matrice de Hilbert (1/2)

Il rappelé que pour tout entier $n$ supérieur ou égal à $2$, la matrice de Hilbert d’ordre $n$ est la matrice réelle carrée notée $H_n$ qui est définie par :

\forall (i,j)\in\llbracket1, n\rrbracket, (H_n)_{i,j} = \frac{1}{i+j-1}.

Par exemple, la matrice $H_4$ est définie par :

H_4 = \begin{pmatrix}
1 & \frac{1}{2} & \frac{1}{3} & \frac{1}{4}\\
\frac{1}{2} & \frac{1}{3} & \frac{1}{4}& \frac{1}{5}\\
\frac{1}{3} & \frac{1}{4} & \frac{1}{5}& \frac{1}{6}\\
 \frac{1}{4} & \frac{1}{5}& \frac{1}{6}& \frac{1}{7}
\end{pmatrix}.

La matrice $H_3$ est définie par :

H_3 = \begin{pmatrix}
1 & \frac{1}{2} & \frac{1}{3}\\
\frac{1}{2} & \frac{1}{3} & \frac{1}{4}\\
\frac{1}{3} & \frac{1}{4} & \frac{1}{5}
\end{pmatrix}.

Déterminez une relation de récurrence entre $\det H_4$ et $\det H_3$

Vu que la matrice $H_3$ peut être extraite de la matrice $H_4$ à partir du bloc supérieur $3\times 3$ placé à gauche, il semble légitime de chercher à calculer le déterminant de $H_4$ en fonction du déterminant de $H_3.$

Etant donné qu’un déterminant ne change pas suite à une opération de transvection appliquée sur les lignes ou les colonnes, vous commencez par l’opération $C_3\leftarrow C_3-C_4$ :

\begin{align*}
\det H_4 &= \begin{vmatrix}
1 & \frac{1}{2} & \frac{1}{3}-\frac{1}{4} & \frac{1}{4}\\
\frac{1}{2} & \frac{1}{3} & \frac{1}{4}-\frac{1}{5}& \frac{1}{5}\\
\frac{1}{3} & \frac{1}{4} & \frac{1}{5}-\frac{1}{6}& \frac{1}{6}\\
 \frac{1}{4} & \frac{1}{5}& \frac{1}{6}- \frac{1}{7}& \frac{1}{7}
\end{vmatrix}
\\
&= \begin{vmatrix}
1 & \frac{1}{2} & \frac{1}{12} & \frac{1}{4}\\
\frac{1}{2} & \frac{1}{3} & \frac{1}{20}& \frac{1}{5}\\
\frac{1}{3} & \frac{1}{4} & \frac{1}{30}& \frac{1}{6}\\
 \frac{1}{4} & \frac{1}{5}& \frac{1}{42}& \frac{1}{7}
\end{vmatrix}.
\end{align*}

Vous poursuivez avec l’opération $C_2\leftarrow C_2-C_4$ en laissant volontairement les fractions non simplifiées pour garder les mêmes dénominateurs sur la colonne $2$ :

\begin{align*}
\det H_4 &=  \begin{vmatrix}
1 & \frac{1}{2} -\frac{1}{4} & \frac{1}{12} & \frac{1}{4}\\
\frac{1}{2} & \frac{1}{3} -  \frac{1}{5}& \frac{1}{20}& \frac{1}{5}\\
\frac{1}{3} & \frac{1}{4} -  \frac{1}{6}& \frac{1}{30}& \frac{1}{6}\\
 \frac{1}{4} & \frac{1}{5} -  \frac{1}{7}& \frac{1}{42}& \frac{1}{7}
\end{vmatrix}
\\
&=\begin{vmatrix}
1 & \frac{2}{8} & \frac{1}{12} & \frac{1}{4}\\
\frac{1}{2} & \frac{2}{15}& \frac{1}{20}& \frac{1}{5}\\
\frac{1}{3} & \frac{2}{24}& \frac{1}{30}& \frac{1}{6}\\
 \frac{1}{4} & \frac{2}{35}& \frac{1}{42}& \frac{1}{7}
\end{vmatrix}.
\end{align*}

Vous effectuez l’opération $C_1\leftarrow C_1-C_4$ :

\begin{align*}
\det H_4 &= \begin{vmatrix}
1- \frac{1}{4} & \frac{2}{8} & \frac{1}{12} & \frac{1}{4}\\
\frac{1}{2}- \frac{1}{5} & \frac{2}{15}& \frac{1}{20}& \frac{1}{5}\\
\frac{1}{3} - \frac{1}{6}& \frac{2}{24}& \frac{1}{30}& \frac{1}{6}\\
 \frac{1}{4} - \frac{1}{7}& \frac{2}{35}& \frac{1}{42}& \frac{1}{7}
\end{vmatrix}
\\
&=\begin{vmatrix}
\frac{3}{4} & \frac{2}{8} & \frac{1}{12} & \frac{1}{4}\\
\frac{3}{10} & \frac{2}{15}& \frac{1}{20}& \frac{1}{5}\\
\frac{3}{18}& \frac{2}{24}& \frac{1}{30}& \frac{1}{6}\\
 \frac{3}{28}& \frac{2}{35}& \frac{1}{42}& \frac{1}{7}
\end{vmatrix}.
\end{align*}

Vous constatez que les dénominateurs de la première ligne sont tous des multiples de $4$, ceux de la deuxième ligne sont tous des multiples de $5$, ceux de la troisième ligne sont des multiples de $6$, ceux de la quatrième ligne sont des multiples de $7.$ Le déterminant étant une forme multilinéaire, il vient :

\begin{align*}
\det H_4 
&=\frac{1}{4}\times \frac{1}{5}\times \frac{1}{6}\times \frac{1}{7}\times \begin{vmatrix}
\frac{3}{1} & \frac{2}{2} & \frac{1}{3} & 1\\
\frac{3}{2} & \frac{2}{3}& \frac{1}{4}& 1\\
\frac{3}{3}& \frac{2}{4}& \frac{1}{5}& 1\\
 \frac{3}{4}& \frac{2}{5}& \frac{1}{6}& 1
\end{vmatrix}.
\end{align*}

Les numérateurs de la première colonne sont des multiples de $3$ et ceux de la deuxième colonne sont des multiples de $2$. Ainsi :

\begin{align*}
\det H_4 
&=\frac{2\times 3}{4\times 5 \times 6\times7}\times \begin{vmatrix}
1 & \frac{1}{2} & \frac{1}{3} & 1\\
\frac{1}{2} & \frac{1}{3}& \frac{1}{4}& 1\\
\frac{1}{3}& \frac{1}{4}& \frac{1}{5}& 1\\
 \frac{1}{4}& \frac{1}{5}& \frac{1}{6}& 1
\end{vmatrix}
\\
&=\frac{(2\times 3)^2}{7!}\times \begin{vmatrix}
1 & \frac{1}{2} & \frac{1}{3} & 1\\
\frac{1}{2} & \frac{1}{3}& \frac{1}{4}& 1\\
\frac{1}{3}& \frac{1}{4}& \frac{1}{5}& 1\\
 \frac{1}{4}& \frac{1}{5}& \frac{1}{6}& 1
\end{vmatrix}
\\
&=\frac{(3!)^2}{7!}\times \begin{vmatrix}
1 & \frac{1}{2} & \frac{1}{3} & 1\\
\frac{1}{2} & \frac{1}{3}& \frac{1}{4}& 1\\
\frac{1}{3}& \frac{1}{4}& \frac{1}{5}& 1\\
 \frac{1}{4}& \frac{1}{5}& \frac{1}{6}& 1
\end{vmatrix}.
\end{align*}

Posez :

D_4 = \begin{vmatrix}
1 & \frac{1}{2} & \frac{1}{3} & 1\\
\frac{1}{2} & \frac{1}{3}& \frac{1}{4}& 1\\
\frac{1}{3}& \frac{1}{4}& \frac{1}{5}& 1\\
 \frac{1}{4}& \frac{1}{5}& \frac{1}{6}& 1
\end{vmatrix}.

Le déterminant d’une matrice est égal à celui de sa transposée, vous avez :

D_4 = \begin{vmatrix}
1 & \frac{1}{2} & \frac{1}{3} & \frac{1}{4}\\
\frac{1}{2} & \frac{1}{3} & \frac{1}{4}& \frac{1}{5}\\
\frac{1}{3} & \frac{1}{4} & \frac{1}{5}& \frac{1}{6}\\
 1 & 1& 1& 1
\end{vmatrix}.

Vous effectuez les mêmes opérations élémentaires que précédemment, à savoir $C_3\leftarrow C_3-C_4$ puis $C_2\leftarrow C_2-C_4$ et $C_1\leftarrow C_1-C_4$ :

D_4 = \begin{vmatrix}
\frac{3}{4} & \frac{2}{8} & \frac{1}{12} & \frac{1}{4}\\
\frac{3}{10} & \frac{2}{15}& \frac{1}{20}& \frac{1}{5}\\
\frac{3}{18}& \frac{2}{24}& \frac{1}{30}& \frac{1}{6}\\
 0& 0& 0& 1
\end{vmatrix}.

En développant ce déterminant par rapport à la dernière ligne, il vient :

D_4 = \begin{vmatrix}
\frac{3}{4} & \frac{2}{8} & \frac{1}{12} \\
\frac{3}{10} & \frac{2}{15}& \frac{1}{20}\\
\frac{3}{18}& \frac{2}{24}& \frac{1}{30}
\end{vmatrix}.

Puis vous factorisez la ligne $1$ par $\frac{1}{4}$, la ligne $2$ par $\frac{1}{5}$ et la ligne $3$ par $\frac{1}{6}$ :

D_4 = \frac{1}{4\times 5\times 6}\begin{vmatrix}
\frac{3}{1} & \frac{2}{2} & \frac{1}{3} \\
\frac{3}{2} & \frac{2}{3}& \frac{1}{4}\\
\frac{3}{3}& \frac{2}{4}& \frac{1}{5}
\end{vmatrix}.

Vous factorisez la colonne $1$ par $3$ et la colonne $2$ par $2$ :

\begin{align*}
D_4 &= \frac{2\times 3}{4\times 5\times 6}\begin{vmatrix}
1 & \frac{1}{2} & \frac{1}{3} \\
\frac{1}{2} & \frac{1}{3}& \frac{1}{4}\\
\frac{1}{3}& \frac{1}{4}& \frac{1}{5}
\end{vmatrix}\\
&= \frac{2\times 3}{4\times 5\times 6}\det H_3
\\
&= \frac{(2\times 3)^2}{6!}\det H_3\\
&= \frac{(3!)^2}{6!}\det H_3.
\end{align*}

Comme :

\begin{align*}
\det H_4 
&=\frac{(3!)^2}{7!}\times D_4\\
&=\frac{(3!)^2}{7!}\times \frac{(3!)^2}{6!}\det H_3
\end{align*}

vous déduisez :

\boxed{\det H_4 =\frac{(3!)^4}{{6!}\times{7!}}\det H_3.}

Le problème étant dégrossi, il reste à passer au cas général.

Déterminez une relation de récurrence entre $\det H_{n+1}$ et $\det H_n$

Soit $n$ un entier naturel supérieur ou égal à $2.$

Première partie

Par définition de la matrice $H_{n+1}$, vous avez :

\forall (i,j)\in\llbracket1, n+1\rrbracket, (H_{n+1})_{i,j} = \frac{1}{i+j-1}.

Vous appliquez à la matrice $H_{n+1}$ la succession d’opérations élémentaires suivante :

\left\{\begin{align*}
C_n&\leftarrow C_n-C_{n+1}\\
C_{n-1}&\leftarrow C_{n-1}-C_{n+1}\\
\vdots & \\
C_1&\leftarrow C_1-C_{n+1}.
\end{align*}
\right.

Vous appelez $K_{n+1}$ la matrice obtenue.

Pour tout $i\in\llbracket 1, n+1\rrbracket$ et pour tout $j\in\llbracket 1,n \rrbracket$ le coefficient $(K_{n+1})_{i,j}$ est égal à :

\begin{align*}
(K_{n+1})_{i,j} &= (H_{n+1})_{i,j} - (H_{n+1})_{i,n+1}\\
&=\frac{1}{i+j-1}-\frac{1}{i+n}\\
&=\frac{i+n}{(i+j-1)(i+n)}-\frac{i+j-1}{(i+n)(i+j-1)}\\
&=\frac{n+1-j}{(i+n)(i+j-1)}.
\end{align*}

Pour tout $i\in\llbracket 1, n+1\rrbracket$, vous avez :

\begin{align*}
(K_{n+1})_{i,n+1} &=  (H_{n+1})_{i,n+1}\\
&=\frac{1}{i+n}.
\end{align*}

Les opérations élémentaires de transvection utilisées ne changeant pas le déterminant initial, vous obtenez :

\det H_{n+1} = \det K_{n+1}.

Vous constatez que, pour tout $i\in\llbracket 1, n+1\rrbracket$, la ligne $i$ est factorisable par $\frac{1}{i+n}.$

Soit $L_{n+1}$ la matrice définie par :

\begin{align*}
\forall i\in\llbracket 1, n+1\rrbracket, \forall j\in\llbracket 1,n \rrbracket, (L_{n+1})_{i,j}=\frac{n+1-j}{i+j-1}
\\
\forall i\in\llbracket 1, n+1\rrbracket, (L_{n+1})_{i,n+1}=1.
\end{align*}

Vous obtenez :

\begin{align*}
\det K_{n+1} &=\left( \prod_{i=1}^{n+1}\frac{1}{i+n}\right) \det L_{n+1} \\
&=\left( \prod_{i=n+1}^{2n+1}\frac{1}{i}\right) \det L_{n+1} \\
&=\frac{n!}{\prod_{i=1}^{n} i}\left( \prod_{i=n+1}^{2n+1}\frac{1}{i}\right) \det L_{n+1} \\
&=\frac{n!}{\prod_{i=1}^{n} i}\frac{1}{\prod_{i=n+1}^{2n+1}i}  \det L_{n+1} \\
&=\frac{n!}{\prod_{i=1}^{2n+1} i} \det L_{n+1} \\
&=\frac{n!}{(2n+1)!} \det L_{n+1}.
\end{align*}

Quant à la matrice $L_{n+1}$, vous constatez que, pour tout $j\in\llbracket 1, n\rrbracket$ la colonne $j$ est factorisable par $n+1-j.$ Notez $H’_{n+1}$ la matrice définie par :

\begin{align*}
\forall i\in\llbracket 1, n+1\rrbracket, \forall j\in\llbracket 1,n \rrbracket, (H'_{n+1})_{i,j}=\frac{1}{i+j-1}
\\
\forall i\in\llbracket 1, n+1\rrbracket, (H'_{n+1})_{i,n+1}=1.
\end{align*}

$H’_{n+1}$ est la matrice $H_{n+1}$ dans laquelle la colonne $n+1$ a été remplacée par une colonne comportant tous ses coefficients égaux à $1.$

Les factorisations évoquées conduisent à :

\det L_{n+1} =\left( \prod_{j=1}^n (n+1-j) \right)\det H'_{n+1}.

Vous effectuez le changement de variable $k = n+1-j$ dans le produit. Quand $j=1$, $k=n$ et quand $j=n$, $k=1$ du coup :

\begin{align*}
\det L_{n+1} &=\left( \prod_{k=1}^nk \right)\det H'_{n+1}\\
&= (n!)\det H'_{n+1}.
\end{align*}

Vous déduisez :

\begin{align*}
\det H_{n+1} &= \det K_{n+1} \\
&=\frac{n!}{(2n+1)!} \det L_{n+1} \\
&=\frac{(n!)^2}{(2n+1)!} \det H'_{n+1}.
\end{align*}

Seconde partie

Notez $D_{n+1}$ la transposée de la matrice $H’_{n+1}.$

Alors :

\forall i\in\llbracket 1, n+1\rrbracket, \forall j\in\llbracket 1, n+1\rrbracket, (D_{n+1})_{i,j}=(H'_{n+1})_{j,i}.

Pour $i = n+1$, il vient :

 \forall j\in\llbracket 1, n+1\rrbracket, (D_{n+1})_{n+1,j}=(H'_{n+1})_{j,n+1} = 1.

Pour tout $i\in\llbracket 1, n\rrbracket$ vous avez :

 \forall j\in\llbracket 1, n+1\rrbracket, (D_{n+1})_{i,j}=(H'_{n+1})_{j,i} = \frac{1}{j+i-1} = \frac{1}{i+j-1}.

L’opération de transposition laisse invariant le déterminant, donc :

\det H'_{n+1} = \det D_{n+1}.

La matrice $D_{n+1}$ est rigoureusement identique à la matrice $H_{n+1}$ sur ses $n$ premières lignes, excepté la dernière qui contient des coefficients tous égaux à $1.$

Vous appliquez à la matrice $D_{n+1}$ la succession d’opérations élémentaires suivante, comme dans la première partie.

\left\{\begin{align*}
C_n&\leftarrow C_n-C_{n+1}\\
C_{n-1}&\leftarrow C_{n-1}-C_{n+1}\\
\vdots & \\
C_1&\leftarrow C_1-C_{n+1}.
\end{align*}
\right.

Vous appelez $K’_{n+1}$ la matrice obtenue. Les transvections utilisées ne modifient pas le déterminant. Donc :

\det D_{n+1} = \det K'_{n+1}.

Tout d’abord pour la ligne $n+1$ de $K’_{n+1}$ vous avez :

\begin{align*}
\forall j\in\llbracket 1, n\rrbracket, (K'_{n+1})_{n+1,j} = 0\\
(K'_{n+1})_{n+1,n+1} = 1. 
\end{align*}

Pour les autres lignes, pour tout $i\in\llbracket 1, n\rrbracket$ et pour tout $j\in\llbracket 1,n \rrbracket$ le coefficient $(K’_{n+1})_{i,j}$ est égal à :

\begin{align*}
(K'_{n+1})_{i,j} &= (D_{n+1})_{i,j} - (D_{n+1})_{i,n+1}\\
&= (H_{n+1})_{i,j} - (H_{n+1})_{i,n+1}\\
&=\frac{n+1-j}{(i+n)(i+j-1)}.
\end{align*}

Pour tout $i\in\llbracket 1, n\rrbracket$ vous factorisez la ligne $i$ par $\frac{1}{i+n}$. Puis, pour tout $j\in\llbracket 1, n\rrbracket$ vous factorisez la colonne $j$ par $n+1-j.$

La matrice obtenue est notée $K »_{n+1}.$ Il existe une matrice colonne $C_n$ de $M_{n,1}(\R)$ (dont les coefficients importent peu) et une matrice ligne $O_n\in M_{1,n}(\R)$ identiquement nulle telles que :

K''_{n+1} = \begin{pmatrix}
\begin{array}{c|c}
H_n & C_n\\\hline
O_n & 1
\end{array}
\end{pmatrix}.

D’une part, les factorisations fournissent :

\begin{align*}
\det K'_{n+1} &= \left(\prod_{i=1}^n \frac{1}{i+n}\right)  \left(\prod_{j=1}^n (n+1-j)\right) \det K''_{n+1}\\
&= \left(\prod_{i=n+1}^{2n} \frac{1}{i}\right)  \left(\prod_{j=1}^n j\right) \det K''_{n+1}\\
&=\frac{n!}{\prod_{i=1}^{n}i} \left(\prod_{i=n+1}^{2n} \frac{1}{i}\right)  \left(\prod_{j=1}^n j\right) \det K''_{n+1}\\
&=\frac{n!}{\prod_{i=1}^{n}i}\frac{1}{ \prod_{i=n+1}^{2n} i}   \left(\prod_{j=1}^n j\right) \det K''_{n+1}\\
&=\frac{n!}{\prod_{i=1}^{2n}i}\times (n!)   \det K''_{n+1}\\
&=\frac{(n!)^2}{(2n)!}   \det K''_{n+1}.
\end{align*}

En développant le déterminant de $K »_{n+1}$ par rapport à la dernière ligne, il vient :

\det K''_{n+1} = \det H_n.

En définitive :

\begin{align*}
\det H_{n+1} &=\frac{(n!)^2}{(2n+1)!} \det H'_{n+1}\\
&=\frac{(n!)^2}{(2n+1)!} \det D_{n+1}\\
&=\frac{(n!)^2}{(2n+1)!} \det K'_{n+1}\\
&=\frac{(n!)^2}{(2n+1)!} \times \frac{(n!)^2}{(2n)!}   \det K''_{n+1}\\
&=\frac{(n!)^4}{(2n)!\times (2n+1)!}    \det H_{n}.
\end{align*}

Concluez

La relation de récurrence est ainsi trouvée :

\boxed{\forall n\geq 2, \det H_{n+1} = \frac{(n!)^4}{(2n)!\times (2n+1)!}\det H_n.}

Prolongement

A partir de la relation de récurrence obtenue, pourriez-vous déterminer, pour tout entier $n$ supérieur ou égal à $2$, une expression de $H_n$ en fonction de $n$ ?

Pour en savoir davantage, vous êtes invité à lire le contenu rédigé dans l'article 294.

292. Inversez la matrice de Hilbert d’ordre 4

L’utilisation des blocs matriciels va vous permettre d’inverser cette matrice.

La méthode explicitée dans le contenu rédigé dans l'article 291 va être reconduite.

Pour rappel, la matrice de Hilbert d’ordre $3$ est définie par :

H_3 = \begin{pmatrix}
1 & \frac{1}{2} & \frac{1}{3}\\
\frac{1}{2} & \frac{1}{3} & \frac{1}{4}\\
\frac{1}{3} & \frac{1}{4} & \frac{1}{5}
\end{pmatrix}.

La matrice $H_3$ est inversible et son inverse est égale à :

H_3^{-1} = \begin{pmatrix}
9 & -36 & 30\\
-36 & 192 & -180\\
30 & -180 & 180
\end{pmatrix}.

Ecrivez la matrice de Hilbert d’ordre $4$

Par définition, la matrice de Hilbert d’ordre $4$ est définie par :

H_4 = \begin{pmatrix}
1 & \frac{1}{2} & \frac{1}{3} & \frac{1}{4}\\
\frac{1}{2} & \frac{1}{3} & \frac{1}{4}& \frac{1}{5}\\
\frac{1}{3} & \frac{1}{4} & \frac{1}{5}& \frac{1}{6}\\
 \frac{1}{4} & \frac{1}{5}& \frac{1}{6}& \frac{1}{7}
\end{pmatrix}.

Vous constatez que celle-ci fait apparaître la matrice $H_3$ dans une écriture par blocs puisque :

H_4 =
\begin{pmatrix}

\begin{array}{ccc|c}
1 & \frac{1}{2} & \frac{1}{3} & \frac{1}{4}\\
\frac{1}{2} & \frac{1}{3} & \frac{1}{4}& \frac{1}{5}\\
\frac{1}{3} & \frac{1}{4} & \frac{1}{5}& \frac{1}{6}\\
\hline
 \frac{1}{4} & \frac{1}{5}& \frac{1}{6}& \frac{1}{7}
\end{array}
\end{pmatrix}.

Vous posez donc :

\left\{
\begin{align*}

C = \begin{pmatrix}
\frac{1}{4}\\
\frac{1}{5}\\
\frac{1}{6}\\
\end{pmatrix}
\\
a = \frac{1}{7}.
\end{align*}
\right.

Ainsi :

H_4 = \begin{pmatrix}

\begin{array}{c|c}
H_3 & C\\
\hline
{}^{t}C & a
\end{array}

\end{pmatrix}.

Déterminez la matrice candidate pour inverser la matrice de Hilbert d’ordre $4$

Tout d’abord, suivant les notations utilisées dans l'article 291, vous calculez :

\begin{align*}

H_3^{-1}C &=  \begin{pmatrix}
9 & -36 & 30\\
-36 & 192 & -180\\
30 & -180 & 180
\end{pmatrix}
\begin{pmatrix}
\frac{1}{4}\\
\frac{1}{5}\\
\frac{1}{6}\\
\end{pmatrix}\\
&=\frac{1}{4}\begin{pmatrix}
9\\
-36\\
30\\
\end{pmatrix}
+
\frac{1}{5}\begin{pmatrix}
-36\\
192\\
-180\\
\end{pmatrix}
+
\frac{1}{6}\begin{pmatrix}
30\\
-180\\
180\\
\end{pmatrix}
\\
&=
\begin{pmatrix}
9/4\\
-9\\
15/2\\
\end{pmatrix}
+
\begin{pmatrix}
-36/5\\
192/5\\
-36\\
\end{pmatrix}
+
\begin{pmatrix}
5\\
-30\\
30\\
\end{pmatrix}
\\
&=
\begin{pmatrix}
45/20\\
-45/5\\
15/2\\
\end{pmatrix}
+
\begin{pmatrix}
-144/20\\
192/5\\
-72/2\\
\end{pmatrix}
+
\begin{pmatrix}
100/20\\
-150/5\\
60/2\\
\end{pmatrix}
\\
&=
\begin{pmatrix}
1/20\\
-3/5\\
3/2\\
\end{pmatrix}.
\end{align*}
\begin{align*}
u &= a - {}^{t}CH_3^{-1}C\\
&= \frac{1}{7}-\begin{pmatrix}
\frac{1}{4} & \frac{1}{5} & \frac{1}{6}
\end{pmatrix}
\begin{pmatrix}
1/20\\
-3/5\\
3/2\\
\end{pmatrix}
\\
&=
\frac{1}{7}-\frac{1}{80}+\frac{3}{25}-\frac{1}{4}.
\end{align*}

Pour ajouter toutes ces fractions, il est possible de calculer le PPCM des quatre dénominateurs. Comme :

\begin{align*}
80 &= 8\times 10\\
&= 16\times 5\\
&=2^4\times 5
\end{align*}

vous déduisez :

\begin{align*}
\mathrm{PPCM}(7, 80, 25, 4) &= 2^4\times 5^2\times 7 \\
&= 80\times 35\\
&= 40 \times 70\\
&=2800.
\end{align*}

Vous obtenez :

\begin{align*}
 u &=\frac{400}{2800}-\frac{35}{2800}+\frac{336}{2800}-\frac{700}{2800}\\
&= \frac{1}{2800}
.\end{align*}

Ainsi :

\boxed{b = \frac{1}{u} = 2800.}

Vous poursuivez avec :

\begin{align*}
D &= -b H_3^{-1}C\\
&=-2800\begin{pmatrix}
1/20\\
-3/5\\
3/2\\
\end{pmatrix}.
\end{align*}

Vous déduisez :

\boxed{D = \begin{pmatrix}
-140\\
 1680\\
- 4200\\
\end{pmatrix}.}

Enfin, vous calculez ce qui suit :

\begin{align*}
K &= H_3^{-1} - (H_3^{-1}C){}^{t}D \\
&= H_3^{-1}- \begin{pmatrix}
1/20\\
-3/5\\
3/2\\
\end{pmatrix}
\begin{pmatrix}
-140 & 1680 & -4200
\end{pmatrix}
\\
&=\begin{pmatrix}
9 & -36 & 30\\
-36 & 192 & -180\\
30 & -180 & 180
\end{pmatrix}
+\begin{pmatrix}
7 & -84 & 210 \\
- 84 & 1008 & -2520\\
210 & -2520 & 6300
\end{pmatrix}.
\end{align*}

D’où :

\boxed{K= \begin{pmatrix}
16 & -120 & 240\\
-120 & 1200&-2700\\
240 & -2700 & 6480
\end{pmatrix}.}

La matrice candidate pour inverser $H_4$ est :

L = \begin{pmatrix}

\begin{array}{c|c}
K & D\\
\hline
{}^{t}D & b
\end{array}

\end{pmatrix} = \begin{pmatrix}
16 & -120 & 240 & -140\\
-120 & 1200&-2700 & 1680\\
240 & -2700 & 6480 & -4200\\
-140 & 1680 & -4200 & 2800
\end{pmatrix}.

Vérifiez que la matrice candidate convient

Calculez la première colonne du produit $H_4L$ :

\begin{align*}
\begin{pmatrix}
1 & \frac{1}{2} & \frac{1}{3} & \frac{1}{4}\\
\frac{1}{2} & \frac{1}{3} & \frac{1}{4}& \frac{1}{5}\\
\frac{1}{3} & \frac{1}{4} & \frac{1}{5}& \frac{1}{6}\\
 \frac{1}{4} & \frac{1}{5}& \frac{1}{6}& \frac{1}{7}
\end{pmatrix}
\begin{pmatrix}
16\\
-120\\
240\\
-140
\end{pmatrix}
&=16\begin{pmatrix}
1\\
\frac{1}{2}\\
\frac{1}{3}\\
\frac{1}{4}
\end{pmatrix}
-120\begin{pmatrix}
\frac{1}{2}\\
\frac{1}{3}\\
\frac{1}{4}\\
\frac{1}{5}
\end{pmatrix}
+240\begin{pmatrix}
\frac{1}{3}\\
\frac{1}{4}\\
\frac{1}{5}\\
\frac{1}{6}
\end{pmatrix}
-140\begin{pmatrix}
\frac{1}{4}\\
\frac{1}{5}\\
\frac{1}{6}\\
\frac{1}{7}
\end{pmatrix}
\\
&=\begin{pmatrix}
16\\
8\\
16/3\\
4
\end{pmatrix}
+
\begin{pmatrix}
-60\\
-40\\
-30\\
-24
\end{pmatrix}
+
\begin{pmatrix}
80\\
60\\
48\\
40
\end{pmatrix}
+
\begin{pmatrix}
-35\\
-28\\
-70/3\\
-20
\end{pmatrix}
\\
&=\begin{pmatrix}
1\\
0\\
-54/3+18\\
0
\end{pmatrix}
\\
&=\begin{pmatrix}
1\\
0\\
0\\
0
\end{pmatrix}.
\end{align*}

Calculez la deuxième colonne du produit $H_4L$ :

\begin{align*}
\begin{pmatrix}
1 & \frac{1}{2} & \frac{1}{3} & \frac{1}{4}\\
\frac{1}{2} & \frac{1}{3} & \frac{1}{4}& \frac{1}{5}\\
\frac{1}{3} & \frac{1}{4} & \frac{1}{5}& \frac{1}{6}\\
 \frac{1}{4} & \frac{1}{5}& \frac{1}{6}& \frac{1}{7}
\end{pmatrix}
\begin{pmatrix}
-120\\1200\\-2700\\1680
\end{pmatrix}
&=-120\begin{pmatrix}
1\\ \frac{1}{2}\\\frac{1}{3}\\\frac{1}{4}
\end{pmatrix}
+1200\begin{pmatrix}
\frac{1}{2}\\\frac{1}{3}\\\frac{1}{4}\\\frac{1}{5}
\end{pmatrix}
-2700\begin{pmatrix}
\frac{1}{3}\\\frac{1}{4}\\\frac{1}{5}\\\frac{1}{6}
\end{pmatrix}
+1680\begin{pmatrix}
\frac{1}{4}\\\frac{1}{5}\\\frac{1}{6}\\\frac{1}{7}
\end{pmatrix}
\\&=\begin{pmatrix}
-120\\ -60 \\-40 \\-30
\end{pmatrix}
+\begin{pmatrix}
600\\400\\300\\240
\end{pmatrix}
+\begin{pmatrix}
-900\\-675\\-540\\-450
\end{pmatrix}
+\begin{pmatrix}
420\\336\\280\\240
\end{pmatrix}
\\
&=\begin{pmatrix}
0\\
1\\
0\\
0
\end{pmatrix}.
\end{align*}

Calculez la troisième colonne du produit $H_4L$ :

\begin{align*}
\begin{pmatrix}
1 & \frac{1}{2} & \frac{1}{3} & \frac{1}{4}\\
\frac{1}{2} & \frac{1}{3} & \frac{1}{4}& \frac{1}{5}\\
\frac{1}{3} & \frac{1}{4} & \frac{1}{5}& \frac{1}{6}\\
 \frac{1}{4} & \frac{1}{5}& \frac{1}{6}& \frac{1}{7}
\end{pmatrix}
\begin{pmatrix}
240\\-2700\\6480\\-4200
\end{pmatrix}
&= 240\begin{pmatrix}
1\\ \frac{1}{2}\\\frac{1}{3}\\\frac{1}{4}
\end{pmatrix}
-2700\begin{pmatrix}
\frac{1}{2}\\\frac{1}{3}\\\frac{1}{4}\\\frac{1}{5}
\end{pmatrix}
+6480\begin{pmatrix}
\frac{1}{3}\\\frac{1}{4}\\\frac{1}{5}\\\frac{1}{6}
\end{pmatrix}
-4200\begin{pmatrix}
\frac{1}{4}\\\frac{1}{5}\\\frac{1}{6}\\\frac{1}{7}
\end{pmatrix}
\\&=
\begin{pmatrix}
240\\120\\80\\60
\end{pmatrix}
+\begin{pmatrix}
-1350\\-900\\-675\\-540
\end{pmatrix}
+\begin{pmatrix}
2160\\ 1620\\1296\\1080
\end{pmatrix}
+\begin{pmatrix}
-1050\\-840\\-700\\-600
\end{pmatrix}
\\
&=\begin{pmatrix}
0\\
0\\
1\\
0
\end{pmatrix}.
\end{align*}

Calculez la quatrième colonne du produit $H_4L$ :

\begin{align*}
\begin{pmatrix}
1 & \frac{1}{2} & \frac{1}{3} & \frac{1}{4}\\
\frac{1}{2} & \frac{1}{3} & \frac{1}{4}& \frac{1}{5}\\
\frac{1}{3} & \frac{1}{4} & \frac{1}{5}& \frac{1}{6}\\
 \frac{1}{4} & \frac{1}{5}& \frac{1}{6}& \frac{1}{7}
\end{pmatrix}
\begin{pmatrix}
-140\\1680\\-4200\\2800
\end{pmatrix}
&= -140\begin{pmatrix}
1\\ \frac{1}{2}\\\frac{1}{3}\\\frac{1}{4}
\end{pmatrix}
+1680\begin{pmatrix}
\frac{1}{2}\\\frac{1}{3}\\\frac{1}{4}\\\frac{1}{5}
\end{pmatrix}
-4200\begin{pmatrix}
\frac{1}{3}\\\frac{1}{4}\\\frac{1}{5}\\\frac{1}{6}
\end{pmatrix}
+2800\begin{pmatrix}
\frac{1}{4}\\\frac{1}{5}\\\frac{1}{6}\\\frac{1}{7}
\end{pmatrix}
\\&=\begin{pmatrix}
-140\\-70\\-140/3\\-35
\end{pmatrix}
+\begin{pmatrix}
840\\560\\420\\336
\end{pmatrix}
+\begin{pmatrix}
-1400\\-1050\\-840\\-700
\end{pmatrix}
+\begin{pmatrix}
700\\560\\1400/3\\400
\end{pmatrix}
\\
&=\begin{pmatrix}
0\\
0\\
1260/3-420\\
1
\end{pmatrix}
\\
&=\begin{pmatrix}
0\\0\\0\\1
\end{pmatrix}.
\end{align*}

Concluez

D’après les calculs effectués, si vous notez $I_4$ la matrice identité d’ordre $4$ :

H_4L = I_4.

En transposant cette égalité, vous obtenez :

{}^{t}L{}^{t}H_4 = I_4.

Or, les matrices $L$ et $H_4$ sont symétriques donc ${}^{t}L = L$ et ${}^{t}H_4 = H_4$ d’où finalement :

H_4L = LH_4 = I_4.

Ce résultat montre que la matrice $H_4$ est inversible et que son inverse est la matrice $L.$

En définitive :

\boxed{H_4^{-1} = \begin{pmatrix}
16 & -120 & 240 & -140\\
-120 & 1200&-2700 & 1680\\
240 & -2700 & 6480 & -4200\\
-140 & 1680 & -4200 & 2800
\end{pmatrix}.}

Prolongement

Il rappelé que pour tout entier $n$ supérieur ou égal à $2$, la matrice de Hilbert d’ordre $n$ est la matrice réelle carrée notée $H_n$ qui est définie par :

\forall (i,j)\in\llbracket1, n\rrbracket, (H_n)_{i,j} = \frac{1}{i+j-1}.

Pourriez-vous démontrer que, pour tout entier $n$ supérieur ou égal à $2$, la matrice $H_n$ est inversible et que son inverse $H_n^{-1}$ est à coefficients entiers ?

291. Inversez les matrices de Hilbert

Pour tout entier $n$ supérieur ou égal à $2$, vous appelez matrice de Hilbert d’ordre $n$ la matrice réelle carrée notée $H_n$ définie par :

\forall (i,j)\in\llbracket1, n\rrbracket, (H_n)_{i,j} = \frac{1}{i+j-1}.

Inversez la matrice $H_2$ en utilisant un système d’équations

Par définition :

H_2 = \begin{pmatrix}
1 & \frac{1}{2}\\
\frac{1}{2} & \frac{1}{3}
\end{pmatrix}.

A ce stade, vous ne savez pas encore que $H_2$ est inversible. Toutefois, si $(e_1,e_2)$ désigne la base canonique de $\R^2$, vous posez :

\left\{
\begin{align*}
f_1 &= e_1 + \frac{1}{2}e_2\\
f_2 &=\frac{1}{2}e_1+\frac{1}{3}e_2.
\end{align*}
\right.

Alors, vous obtenez successivement :

\left\{
\begin{align*}
2f_1 &= 2e_1 + e_2\\
6f_2 &=3e_1+2e_2.
\end{align*}
\right.

Par suite :

\left\{
\begin{align*}
4f_1 &= 4e_1 + 2e_2\\
6f_2 &=3e_1+2e_2.
\end{align*}
\right.

Par différence, il vient :

\boxed{e_1 = 4f_1-6f_2.}

Comme :

e_2 = 2f_1-2e_1

il vient :

\begin{align*}
e_2 &= 2f_1-2(4f_1-6f_2)\\
&=-6f_1+12f_2.
\end{align*}

Du coup :

\boxed{e_2 = -6f_1+12f_2.}

Vous venez de montrer que :

\R^2\subset \mathrm{Vect}(e_1,e_2)\subset \mathrm{Vect}(f_1,f_2) \subset \R^2

donc :

\R^2 = \mathrm{Vect}(f_1,f_2).

La famille $(f_1,f_2)$ est génératrice de $\R^2$ et son nombre de vecteurs est égal à la dimension de $\R^2$ donc $(f_1,f_2)$ est une base de $\R^2.$

La matrice $H_2$ est la matrice de passage de la base $(e_1,e_2)$ vers la base $(f_1,f_2).$ Elle est donc inversible.

La décomposition des vecteurs $e_1$ et $e_2$ sur la base $(f_1,f_2)$ fournit l’expression de $H_2^{-1}$ :

\boxed{H_2^{-1} = \begin{pmatrix}
4 & -6\\
-6 & 12
\end{pmatrix}.}

Inversez la matrice $H_3$ en utilisant des matrices par blocs

La matrice $H_3$ est définie par :

H_3 = \begin{pmatrix}
1 & \frac{1}{2} & \frac{1}{3}\\
\frac{1}{2} & \frac{1}{3} & \frac{1}{4}\\
\frac{1}{3} & \frac{1}{4} & \frac{1}{5}
\end{pmatrix}.

Elle pourrait être inversée par résolution de système aussi.

Cependant, compte tenu du fait que la matrice $H_2$ apparaît dans le bloc supérieur gauche de la matrice $H_3$ une autre approche va être utilisée.

La matrice $H_3$ étant symétrique, vous posez :

\begin{align*}
C &= \begin{pmatrix}
\frac{1}{3}\\
\frac{1}{4}
\end{pmatrix}
\\
a &= \frac{1}{5}.
\end{align*}

Avec ces notations, vous obtenez :

H_3 = \begin{pmatrix}
H_2 & C\\
{}^{t} C & a
\end{pmatrix}.

Soit $I_2$ la matrice identité d’ordre $2$ et $O_2$ la matrice définie par :

O_2 = \begin{pmatrix}
0\\
0
\end{pmatrix}.

Analyse. Supposez que $H_3$ soit inversible. Alors $H_3^{-1}$ est symétrique puisque $H_3$ l’est. Il existe une matrice symétrique $K_2$ d’ordre $2$, $b$ un réel et $D_2$ une matrice colonne comportant deux coefficients tels que :

\begin{pmatrix}
H_2 & C\\
{}^{t} C & a
\end{pmatrix}
\begin{pmatrix}
K_2 & D_2\\
{}^{t} D_2 & b
\end{pmatrix} =
\begin{pmatrix}
I_2 & O_2\\
{}^{t} O_2 & 1
\end{pmatrix} .

Le produit matriciel par blocs fournit :

\left\{
\begin{align*}
H_2K_2+C({}^tD_2) &= I_2\\
H_2D_2+bC &= O_2\\
{}^tCK_2+a^{t}D_2 &= ^{t}O_2\\
{}^tCD_2 + ab &= 1.
\end{align*}
\right.

Ignorez la troisième équation.

\left\{
\begin{align*}
H_2K_2+C({}^tD_2) &= I_2\\
H_2D_2+bC &= O_2\\
{}^tCD_2 + ab &= 1.
\end{align*}
\right.

L’inversibilité de la matrice $H_2$, utilisée sur les deux premières lignes, fournit :

\left\{
\begin{align*}
K_2 &=H_2^{-1}( I_2-C({}^tD_2))\\
D_2 &=-bH_2^{-1}C\\
{}^tCD_2 + ab &= 1.
\end{align*}
\right.

Vous substituez $D_2$ par $-bH_2^{-1}C$ dans la dernière ligne et obtenez :

\left\{
\begin{align*}
K_2 &=H_2^{-1}( I_2-C({}^tD_2))\\
D_2 &=-bH_2^{-1}C\\
-b{}^tCH_2^{-1}C + ab &= 1.
\end{align*}
\right.

La dernière ligne se factorise par $b$ :

b(a-{}^tCH_2^{-1}C ) = 1.

Remarquez alors que le réel $a-{}^tCH_2^{-1}C$ est non nul.

Vous posez :

\boxed{u = a-{}^tCH_2^{-1}C.}

Vous avez $u\in\R^{*}$ et par suite :

\boxed{b = \frac{1}{u}.}

$b$ étant connu, vous obtenez la matrice $D_2$ :

\boxed{D_2 = -bH_2^{-1}C.}

Puis vous obtenez la matrice $K_2$ :

\boxed{K_2 =H_2^{-1}-(H_2^{-1}C)({}^tD_2).}

La matrice inverse de $H_3$ est donc :

\boxed{H_3^{-1} = \begin{pmatrix}
K_2 & D_2\\
{}^{t} D_2 & b
\end{pmatrix}.}

Synthèse. Vous calculez d’abord $H_2^{-1}C$ :

\begin{align*}
H_2^{-1}C &=  \begin{pmatrix}
4 & -6\\
-6 & 12
\end{pmatrix}
\begin{pmatrix}
\frac{1}{3}\\
\frac{1}{4}
\end{pmatrix}
\\
&=\frac{1}{3}\begin{pmatrix}
4\\
-6
\end{pmatrix}
+
\frac{1}{4}\begin{pmatrix}
-6\\
12
\end{pmatrix}
\\
&=\frac{1}{12}\begin{pmatrix}
16\\
-24
\end{pmatrix}
+
\frac{1}{12}\begin{pmatrix}
-18\\
36
\end{pmatrix}
\\
&=\frac{1}{12}
\begin{pmatrix}
-2\\
12
\end{pmatrix}
\\
&=\frac{1}{6}
\begin{pmatrix}
-1\\
6
\end{pmatrix}.
\end{align*}

Vous déduisez ensuite ${}^tC(H_2^{-1}C)$ :

\begin{align*}
{}^tC(H_2^{-1}C) &= \frac{1}{6}\begin{pmatrix}
\frac{1}{3} & \frac{1}{4}
\end{pmatrix}
\begin{pmatrix}
-1 \\ 6
\end{pmatrix}\\
&=\frac{1}{6}\left(\frac{-1}{3}+\frac{3}{2}\right)
\\
&=\frac{1}{6}\left(\frac{-2}{6}+\frac{9}{6}\right)
\\
&=\frac{7}{36}.
\end{align*}

Vous posez :

\begin{align*}
u &= a-{}^tC(H_2^{-1}C)\\
&=\frac{1}{5} - \frac{7}{36}\\
&=\frac{36}{180} - \frac{35}{180}\\
&=\frac{1}{180}.
\end{align*}

Alors vous avez :

\boxed{b = \frac{1}{u } = 180.}

Ensuite :

\begin{align*}
D_2 &= -bH_2^{-1}C\\
&= -180\times \frac{1}{6}
\begin{pmatrix}
-1\\
6
\end{pmatrix}
\\
&=-30  \begin{pmatrix}
-1\\
6
\end{pmatrix}.
\end{align*}

D’où :

\boxed{D_2 = \begin{pmatrix}
30\\
-180
\end{pmatrix}.}

Enfin :

\begin{align*}
K_2 &=H_2^{-1}-(H_2^{-1}C)({}^tD_2) \\
&= \begin{pmatrix}
4 & -6\\
-6 & 12
\end{pmatrix}-\frac{1}{6}
\begin{pmatrix}
-1\\
6
\end{pmatrix}
 \begin{pmatrix}
30 & -180
\end{pmatrix}\\
&=
 \begin{pmatrix}
4 & -6\\
-6 & 12
\end{pmatrix}-
\frac{1}{6}\begin{pmatrix}
-30 & 180\\
6\times30 & -6\times 180
\end{pmatrix}
\\
&=
 \begin{pmatrix}
4 & -6\\
-6 & 12
\end{pmatrix}+
\begin{pmatrix}
5 & -30\\
-30 &  180
\end{pmatrix}.
\end{align*}

Donc :

\boxed{K_2 = \begin{pmatrix}
9 & -36\\
-36 & 192
\end{pmatrix}.}

Vous notez temporairement $L$ la matrice suivante :

L = \begin{pmatrix}
K_2 & D_2\\
{}^{t} D_2 & b
\end{pmatrix} = \begin{pmatrix}
9 & -36 & 30\\
-36 & 192 & -180\\
30 & -180 & 180
\end{pmatrix}.

Pour vérifier que $H_3$ est inversible et que son inverse est $L$ vous calculez les deux produits :

\begin{align*}
H_3 L &= \begin{pmatrix}
1 & \frac{1}{2} & \frac{1}{3}\\
\frac{1}{2} & \frac{1}{3} & \frac{1}{4}\\
\frac{1}{3} & \frac{1}{4} & \frac{1}{5}
\end{pmatrix}
 \begin{pmatrix}
9 & -36 & 30\\
-36 & 192 & -180\\
30 & -180 & 180
\end{pmatrix}
\\
&=\begin{pmatrix}
9-18+10 & -36+96-60 & 30-90+60\\
\frac{9}{2}-12+\frac{15}{2} & -18 +64 - 45 & 15-60+45\\
3-9+6 & -12 +48-36 & 10-45+36
\end{pmatrix}
\\
&=\begin{pmatrix}
1 & 0 & 0\\
0 & 1 & 0\\
0 & 0 & 1
\end{pmatrix}.
\end{align*}

En transposant cette égalité :

{}^{t}L{}^{t}H_3 = \begin{pmatrix}
1 & 0 & 0\\
0 & 1 & 0\\
0 & 0 & 1
\end{pmatrix}.

Comme $L$ et $H_3$ sont symétriques, $L = {}^{t}L$ et $H_3 = {}^{t}H_3$ du coup :

H_3L = LH_3 = \begin{pmatrix}
1 & 0 & 0\\
0 & 1 & 0\\
0 & 0 & 1
\end{pmatrix}.

Il est ainsi démontré que $H_3$ est inversible et que :

\boxed{H_3^{-1} = \begin{pmatrix}
9 & -36 & 30\\
-36 & 192 & -180\\
30 & -180 & 180
\end{pmatrix}.}

Prolongements

  • Vous souhaitez savoir ce qu’il advient pour la matrice $H_4$ ? Allez lire le contenu rédigé dans l'article 292.
  • La troisième équation de cet article a été ignorée. Sans cette dernière, il a été quand même été possible de calculer explicitement tous les coefficients de $H_3^{-1}.$ Pourriez-vous expliquer si ce phénomène est généralisable pour les autres matrices de Hilbert ?
  • Le calcul explicite du produit $H_3L$ a fourni la matrice identité d’ordre $3.$ En fait, ce calcul aurait pu être évité. Pourriez-vous l’expliquer ?

289. Mise sous forme de Hessenberg d’une matrice symétrique (1/2)

Soit $A$ la matrice réelle définie par :

A = \begin{pmatrix}
0 & 1 &1 &1\\
1 & 0 &1 &1\\
1 & 1 &0 &1\\
1 & 1 &1 &0
\end{pmatrix}.

Le but de cette section est d’expliciter une matrice réelle inversible notée $P$ telle que :

P^{-1}AP= \begin{pmatrix}
* & * &* &*\\
* & * &* &*\\
0 & * &* &*\\
0 & 0 &* &*
\end{pmatrix}.

Une telle matrice sera dite de Hessenberg puisque tous ses coefficients situés strictement en-dessous de la première sous-diagonale sont nuls.

Traitez la première colonne, premier zéro

A partir de la matrice $A$, vous souhaitez effectuer l’opération élémentaire $L_3\leftarrow L_3-L_2$ ce qui revient à multiplier $A$ à gauche par une matrice de transvection $T$ égale à :

T = \begin{pmatrix}
1 & 0 &0 &0\\
0 & 1 &0 &0\\
0 & -1 &1 &0\\
0 & 0 &0 &1
\end{pmatrix}.

Il vous faut multiplier à droite la matrice $TA$ par $T^{-1}$ qui est aussi une matrice transvection :

T^{-1} = \begin{pmatrix}
1 & 0 &0 &0\\
0 & 1 &0 &0\\
0 & 1 &1 &0\\
0 & 0 &0 &1
\end{pmatrix}.

Cela correspond à l’opération élémentaire $C_2\leftarrow C_2+C_3.$

En détail, vous partez de $A$ et vous appliquez l’opération élémentaire $L_3\leftarrow L_3-L_2$ qui donne :

A^{(1)} = \begin{pmatrix}
0 & 1 &1 &1\\
1 & 0 &1 &1\\
0 & 1 &-1 &0\\
1 & 1 &1 &0
\end{pmatrix}.

Vous appliquez à la matrice $A^{(1)}$ l’opération $C_2\leftarrow C_2+C_3$ et obtenez :

A^{(2)} = \begin{pmatrix}
0 & 2 &1 &1\\
1 & 1 &1 &1\\
0 & 0 &-1 &0\\
1 & 2 &1 &0
\end{pmatrix}.

Note. Vous pouvez aussi vérifier que le produit $TAT^{-1}$ est bien égal à $A^{(2)}.$

Traitez la première colonne, second zéro

Comme précédemment, vous considérez les opérations élémentaires successives $L_4\leftarrow L_4-L_2$ et $C_2\leftarrow C_2+C_4.$

A partir de la matrice $A^{(2)}$ vous appliquez $L_4\leftarrow L_4-L_2$ et obtenez :

A^{(3)} = \begin{pmatrix}
0 & 2 &1 &1\\
1 & 1 &1 &1\\
0 & 0 &-1 &0\\
0 & 1 &0 &-1
\end{pmatrix}.

A partir de la matrice $A^{(3)}$ vous appliquez $C_2\leftarrow C_2+C_4.$ et obtenez :

A^{(4)} = \begin{pmatrix}
0 & 3 &1 &1\\
1 & 2 &1 &1\\
0 & 0 &-1 &0\\
0 & 0 &0 &-1
\end{pmatrix}.

En posant :

R = \begin{pmatrix}
1 & 0 &0 &0\\
0 & 1 &0 &0\\
0 & 0 &1 &0\\
0 & -1 &0 &1
\end{pmatrix}

vous obtenez :

R^{-1} = \begin{pmatrix}
1 & 0 &0 &0\\
0 & 1 &0 &0\\
0 & 0 &1 &0\\
0 & 1 &0 &1
\end{pmatrix}.

Alors le produit $RA^{(2)}R^{-1}$ est égal à $A^{(4)}.$

Comme $A^{(4)}$ est une matrice de Hessenberg, il n’y a pas lieu de traiter spécifiquement la deuxième colonne.

Concluez

Des égalités :

\left\{\begin{align*}
RA^{(2)}R^{-1}&=A^{(4)}\\
TAT^{-1} &=A^{(2)}
\end{align*}
\right.

vous déduisez :

RTAT^{-1}R^{-1}=A^{(4)}.

Du coup, en posant

\begin{align*}
P &= T^{-1}R^{-1} \\
&=   \begin{pmatrix}
1 & 0 &0 &0\\
0 & 1 &0 &0\\
0 & 1 &1 &0\\
0 & 0 &0 &1
\end{pmatrix} \begin{pmatrix}
1 & 0 &0 &0\\
0 & 1 &0 &0\\
0 & 0 &1 &0\\
0 & 1 &0 &1
\end{pmatrix}
\\
&=\begin{pmatrix}
1 & 0 &0 &0\\
0 & 1 &0 &0\\
0 & 1 &1 &0\\
0 & 1 &0 &1
\end{pmatrix}
\end{align*}
.

vous déduisez l’inversibilité de $P$ qui est produit de deux matrices inversibles et :

\begin{align*}
P^{-1} &= RT \\
&=   \begin{pmatrix}
1 & 0 &0 &0\\
0 & 1 &0 &0\\
0 & 0 &1 &0\\
0 & -1 &0 &1
\end{pmatrix} \begin{pmatrix}
1 & 0 &0 &0\\
0 & 1 &0 &0\\
0 & -1 &1 &0\\
0 & 0 &0 &1
\end{pmatrix}
\\
&=\begin{pmatrix}
1 & 0 &0 &0\\
0 & 1 &0 &0\\
0 & -1 &1 &0\\
0 & -1 &0 &1
\end{pmatrix}.
\end{align*}

De ce qui précède, vous avez obtenu :

P^{-1}AP = A^{(4)} = \begin{pmatrix}
0 & 3 &1 &1\\
1 & 2 &1 &1\\
0 & 0 &-1 &0\\
0 & 0 &0 &-1
\end{pmatrix}.

La matrice $A$ est semblable à une matrice de Hessenberg et la matrice de passage $P$ ainsi que son inverse ont été déterminés.

Note. Le lecteur aura remarqué que la matrice $A^{(4)}$ n’est pas symétrique. Il est néanmoins possible d’améliorer ce qui vient d’être trouvé en utilisant le procédé d’orthonormalisation de Gram-Schmidt. Rendez-vous pour cela au sein du contenu écrit dans l'article 290. En effet, une matrice de Hessenberg qui est multipliée par une matrice triangulaire supérieure, que ce soit à droite ou à gauche, reste de Hessenberg.

288. Calculez une suite d’intégrales

Pour tout entier naturel $n$ vous définissez :

I_n = \int_{0}^{1} (x(x-1))^n\dx.

Utilisez une intégration par parties

Soit $n$ un entier naturel. Vous cherchez à calculer l’intégrale $I_{n+1}$ directement à l’aide d’une intégration par parties.

Vous posez :

\left\{
\begin{align*}
u'(x) &= 1 \\
v(x) &= (x(x-1))^{n+1}.
\end{align*}
\right.

Cela amène à :

\left\{
\begin{align*}
u(x) &= x \\
v'(x) &= (n+1)(2x-1)(x(x-1))^n.
\end{align*}
\right.

Ainsi :

\begin{align*}
I_{n+1} &= \int_{0}^{1} u'(x)v(x) \dx \\
&=\left[u(x)v(x)\right]_{0}^{1} -\int_{0}^{1} u(x)v'(x)\dx \\
&=\left[x(x^2-x)^{n+1}\right]_{0}^{1} - (n+1)\int_{0}^{1} (2x^2-x)(x^2-x)^n\dx\\
&= - (n+1)\int_{0}^{1} (2x^2-x)(x^2-x)^n\dx.
\end{align*}

A ce stade, vous allez écrire :

\begin{align*}
2x^2-x &= 2x^2-2x+x \\
&=2(x^2-x)+x
\end{align*}

Du coup :

\begin{align*}
I_{n+1} &=  - (2n+2)\int_{0}^{1} (x^2-x)^{n+1}\dx - (n+1)\int_{0}^{1} x(x^2-x)^{n}\dx \\
&=(-2n-2)I_{n+1}-(n+1)\int_{0}^{1} x(x^2-x)^{n}\dx.
\end{align*}

Comme $I_{n+1}$ réapparaît dans le membre de droite, il vient :

(2n+3)I_{n+1} = -(n+1)\int_{0}^{1} x(x^2-x)^{n}\dx.

Faites apparaître une dérivée

Pour calculer l’intégrale $\int_{0}^{1} x(x^2-x)^{n}\dx$ vous procédez ainsi :

\begin{align*}
\int_{0}^{1} x(x^2-x)^{n}\dx &=\frac{1}{2} \int_{0}^{1} 2x(x^2-x)^{n}\dx \\
 &=\frac{1}{2} \int_{0}^{1} (2x-1)(x^2-x)^{n}\dx +\frac{1}{2} \int_{0}^{1} (x^2-x)^{n}\dx \\
&=\frac{1}{2}\left[\frac{(x^2-x)^{n+1}}{n+1}\right]_0^1 + \frac{1}{2} I_n\\
&=\frac{1}{2}I_n.
\end{align*}

Vous déduisez de ce calcul que :

2(2n+3)I_{n+1} = -(n+1)I_n.

En définitive :

\boxed{\forall n\in\N, 2(2n+3)I_{n+1} = -(n+1)I_n.}

Préparez l’hypothèse de récurrence

Soit $n\in\N$, écrivez la relation obtenue ci-dessus sur $n$ lignes :

\begin{align*}
2(2n+1)I_{n}& = -(n)I_{n-1}\\
2(2n-1)I_{n-1} &= -(n-1)I_{n-2}\\
\dots &= \dots\\
2(5)I_{2} &= -(2)I_n\\
2(3)I_{1} &= -(1)I_0.
\end{align*}

En multipliant toutes ces lignes entre elles, vous obtenez :

2^n(1\times 3\times \cdots\times (2n-1)(2n+1)) I_1I_2\cdots I_{n-1}I_n = (-1)^n n! I_0I_1\cdots I_{n-1}.

Sans prendre le besoin de justifier que l’on peut diviser par le produit $I_1I_2\cdots I_{n-1}$ vous pensez que :

2^n(1\times 3\times \cdots\times (2n-1)(2n+1)) I_n = (-1)^n n! I_0.

Or, le calcul de $I_0$ fournit :

\begin{align*}
I_0 &= \int_0^1 (x^2-x)^0\dx \\
&= \int_0^1 1 \dx \\
&=1.
\end{align*}

Donc :

2^n(1\times 3\times \cdots\times (2n-1)(2n+1)) I_n = (-1)^n n!.

Il reste à écrire avec des factorielles le produit des impairs. Pour cela, vous multipliez par le produit :

\begin{align*}
2\times 4 \times \cdots \times (2n) &= (2\times 1)\times (2\times 2)\times \cdots \times(2\times n)\\
&=2^n n!.
\end{align*}

Ainsi :

2^n(1\times 3\times \cdots\times (2n-1)(2n+1)) \times 2\times 4 \times \cdots \times (2n) I_n = (-1)^n 2^n (n!)^2.

Vous simplifiez par $2^n$ :

(2n+1)! I_n = (-1)^n  (n!)^2.

Et voilà le candidat trouvé :

I_n = \frac{(-1)^n (n!)^2}{(2n+1)!}.

Effectuez la récurrence

Pour tout entier naturel $n$, vous posez $\mathscr{P}(n)$ : « $I_n = \frac{(-1)^n (n!)^2}{(2n+1)!}.$ »

Initialisation. D’une part :

\frac{(-1)^0 (0!)^2}{(2\times 0+1)!} = \frac{1}{1!} = 1.

D’autre part, il a été vu que $I_0 = 1.$

Donc $\mathscr{P}(0)$ est vérifiée.

Hérédité. Soit $n$ un entier naturel tel que $I_n = \frac{(-1)^n (n!)^2}{(2n+1)!}.$

Il a été établi que :

 2(2n+3)I_{n+1} = -(n+1)I_n.

Utilisant l’hypothèse de récurrence :

\begin{align*}
 2(2n+3)I_{n+1} &= -\frac{(-1)^n (n!)^2 (n+1)}{(2n+1)!}\\
 &=\frac{(-1)^{n+1} (n!)^2 (n+1)}{(2n+1)!}\\
 &=\frac{(-1)^{n+1} (n!)^2 (n+1)^2}{(n+1)(2n+1)!}\\
&=\frac{(-1)^{n+1} ((n+1)!)^2 }{(n+1)(2n+1)!}.
\end{align*}

En divisant par $2$ :

\begin{align*}
(2n+3)I_{n+1} 
&=\frac{(-1)^{n+1} ((n+1)!)^2 }{2(n+1)(2n+1)!}\\
&=\frac{(-1)^{n+1} ((n+1)!)^2 }{(2n+2)(2n+1)!}\\
\end{align*}

En divisant par $2n+3$ qui est non nul :

\begin{align*}
I_{n+1} 
&=\frac{(-1)^{n+1} ((n+1)!)^2 }{(2n+3)(2n+2)(2n+1)!}\\
&=\frac{(-1)^{n+1} ((n+1)!)^2 }{(2n+3)!}\\
&=\frac{(-1)^{n+1} ((n+1)!)^2 }{(2(n+1)+1)!}.
\end{align*}

Donc $\mathscr{P}(n+1)$ est vérifiée.

Conclusion. Pour tout $n\in\N$, la propriété $\mathscr{P}(n)$ est vérifiée.

Concluez

Il a été démontré par récurrence que :

\boxed{\forall n\in\N, \int_{0}^1 (x^2-x)^n \dx =  \frac{(-1)^n (n!)^2}{(2n+1)!}.}

287. Les effets des opérations élémentaires sur une base duale (2/2)

Notez :

\left\{
\begin{align*}
e_1 &= (1,0,0,0)\\
e_2 &= (0,1,0,0)\\
e_3 &= (0,0,1,0)\\
e_4 &= (0,0,0,1).
\end{align*}
\right.

La famille $(e_1,e_2,e_3,e_4)$ est la base canonique de $\R^4.$

Pour tout $(x,y,z,t)\in\R^4$ vous avez :

(x,y,z,t) = xe_1+ye_2+ze_3+te_4.

D’autre part la base duale $(e_1^{*}, e_2^{*}, e_3^{*}, e_4^{*})$ vérifie la propriété suivante :

\forall (x,y,z,t)\in\R^4, (x,y,z,t) = e_1^{*}(x,y,z,t)e_1+e_2^{*}(x,y,z,t)e_2+e_3^{*}(x,y,z,t)e_3+e_4^{*}(x,y,z,t)e_4.

Par unicité de la décomposition d’un vecteur sur une base, vous déduisez immédiatement que, quel que soit $(x,y,z,t)\in\R^4$ :

\left\{
\begin{align*}
e_1^{*}(x,y,z,t) &= x\\
e_2^{*}(x,y,z,t) &= y\\
e_3^{*}(x,y,z,t) &= z\\
e_4^{*}(x,y,z,t) &= t.
\end{align*}
\right.

Vous posez :

\left\{
\begin{align*}
v_1 &= (1,1,0,2)\\
v_2 &= (1,2,1,2)\\
v_3 &= (0,1,2,1)\\
v_4 &= (3,3,1,8).
\end{align*}
\right.

Votre objectif est double :

  • démontrer que la famille $(v_1,v_2,v_3,v_4)$ est une base de $\R^4$ ;
  • déterminer explicitement la base duale notée $(v_1^{*}, v_2^{*}, v_3^{*}, v_4^{*})$ de $(v_1,v_2,v_3,v_4).$

Effets des dilatations et des transvections

D’après le contenu rédigé dans l'article 287, la propriété suivante a été établie.

Soit $n$ un entier naturel supérieur ou égal à $2.$

Etant donnée une base $f=(f_1, \dots, f_n)$ d’un $\K$-espace vectoriel de dimension finie $n$, de base duale notée $f^{*} = (f_1^{*}, \dots, f_n^{*})$ :

  • quel que soit le scalaire $\lambda$, quels que soient les entiers $i$ et $j$ de $\llbracket 1, n \rrbracket$ tels que $i\neq j$, l’opération $f_i \leftarrow f_i + \lambda f_j$ transforme la base $f$ en une base $f’$ de $E.$ La base duale de $f’$ se déduit de la base duale $f^{*}$ par l’opération $f_j^{*} \leftarrow f_j^{*} – \lambda f_i^{*}$ ;
  • quel que soit le scalaire $\lambda$ non nul, l’opération $f_i \leftarrow \lambda f_i $transforme la base $f$ en une base $f’$ de $E.$ La base duale de $f’$ se déduit de la base duale $f^{*}$ par l’opération $f_i^{*} \leftarrow \frac{1}{\lambda} f_i^{*}.$

Mise en pratique

Il s’agit de trouver une suite d’opérations élémentaires qui transforme la famille $(v_1,v_2,v_3,v_4)$ vers la famille $(e_1,e_2,e_3,e_4).$

Vous effectuez les opérations suivantes : $L_2 \leftarrow L_2-L_1$ et $L_4\leftarrow L_4-3L_1$ :

\left\{
\begin{align*}
v_1 &= (1,1,0,2)\\
v_2-v_1 &= (0,1,1,0)\\
v_3 &= (0,1,2,1)\\
v_4-3v_1 &= (0,0,1,2).
\end{align*}
\right.

Vous effectuez $L_3\leftarrow L_3-L_2$ :

\left\{
\begin{align*}
v_1 &= (1,1,0,2)\\
v_2-v_1         &= (0,1,1,0)\\
v_3-v_2+v_1 &= (0,0,1,1)\\
v_4-3v_1 &= (0,0,1,2).
\end{align*}
\right.

Vous effectuez $L_4 \leftarrow L_4-L_3$ :

\left\{
\begin{align*}
v_1 &= (1,1,0,2)\\
v_2-v_1         &= (0,1,1,0)\\
v_3-v_2+v_1 &= (0,0,1,1)\\
v_4-v_3+v_2-4v_1       &= (0,0,0,1).
\end{align*}
\right.

Puis, vous continuez avec $L_1\leftarrow L_1-L_2$ :

\left\{
\begin{align*}
2v_1-v_2               &= (1,0,-1,2)\\
v_2-v_1         &= (0,1,1,0)\\
v_3-v_2+v_1 &= (0,0,1,1)\\
v_4-v_3+v_2-4v_1       &= (0,0,0,1).
\end{align*}
\right.

Vous effectuez $L_1\leftarrow L_1+L_3$ :

\left\{
\begin{align*}
3v_1-2v_2+v_3               &= (1,0,0,3)\\
v_2-v_1         &= (0,1,1,0)\\
v_3-v_2+v_1 &= (0,0,1,1)\\
v_4-v_3+v_2-4v_1       &= (0,0,0,1).
\end{align*}
\right.

Vous effectuez $L_2\leftarrow L_2-L_3$ :

\left\{
\begin{align*}
3v_1-2v_2+v_3               &= (1,0,0,3)\\
-2v_1+2v_2-v_3         &= (0,1,0,-1)\\
v_3-v_2+v_1 &= (0,0,1,1)\\
v_4-v_3+v_2-4v_1       &= (0,0,0,1).
\end{align*}
\right.

Vous effectuez $L_1\leftarrow L_1-3L_4$ :

\left\{
\begin{align*}
15v_1-5v_2+4v_3  -3v_4              &= e_1\\
-2v_1+2v_2-v_3         &= (0,1,0,-1)\\
v_3-v_2+v_1 &= (0,0,1,1)\\
v_4-v_3+v_2-4v_1       &= (0,0,0,1).
\end{align*}
\right.

Vous effectuez $L_2\leftarrow L_2+L_4$ :

\left\{
\begin{align*}
15v_1-5v_2+4v_3  -3v_4              &= e_1\\
-6v_1+3v_2-2v_3+v_4         &= e_2\\
v_3-v_2+v_1 &= (0,0,1,1)\\
v_4-v_3+v_2-4v_1       &= (0,0,0,1).
\end{align*}
\right.

Vous terminez avec $L_3\leftarrow L_3-L_4$ :

\left\{
\begin{align*}
15v_1-5v_2+4v_3  -3v_4              &= e_1\\
-6v_1+3v_2-2v_3+v_4         &= e_2\\
5v_1-2v_2+2v_3 -v_4 &= e_3\\
v_4-v_3+v_2-4v_1       &= e_4.
\end{align*}
\right.

Il est ainsi prouvé que :

\forall i\in\llbracket 1, 4\rrbracket, e_i\in \mathrm{Vect}(v_1,v_2,v_3,v_4).

La famille $(v_1,v_2,v_3,v_4)$ est génératrice de $\R^4$ c’est donc une base de $\R^4.$

Note. A partir des égalités ci-dessus, il est possible de déterminer l’expression de la base duale $(v_1^{*}, v_2^{*}, v_3^{*}, v_4^{*})$ sans continuer les opérations élémentaires vu qu’elle vérifie la relation :

\forall u\in\R^4, u = \sum_{i=1}^{4}v_i^{*}(u) v_i.

Comme cet article a pour objectif de détailler les effets des opérations élémentaires, elles seront poursuivies dans la suite.

Résumé des opérations élémentaires

Pour passer de la base $(v_1,v_2,v_3,v_4)$ à la base $(e_1,e_2,e_3,e_4)$ vous avez appliqué les opérations élémentaires suivantes, dans cet ordre :

\begin{array}{| l  l |}
\hline
L_2 &\leftarrow L_2-L_1 \\ \hline
L_4 &\leftarrow L_4-3L_1  \\ \hline
L_3&\leftarrow L_3-L_2 \\ \hline
L_4 &\leftarrow L_4-L_3 \\ \hline
 L_1&\leftarrow L_1-L_2 \\ \hline
L_1&\leftarrow L_1+L_3 \\ \hline
L_2&\leftarrow L_2-L_3 \\ \hline
L_1&\leftarrow L_1-3L_4 \\ \hline
L_2&\leftarrow L_2+L_4 \\ \hline
L_3&\leftarrow L_3-L_4 \\ \hline
\end{array}

En utilisant les opérations élémentaires réciproques, vous déduisez que vous passez de la base $(e_1,e_2,e_3,e_4)$ à la base $(v_1,v_2,v_3,v_4)$ de la façon suivante :

\begin{array}{| l  l |}
\hline
L_3&\leftarrow L_3+L_4 \\ \hline
L_2&\leftarrow L_2-L_4 \\ \hline
L_1&\leftarrow L_1+3L_4 \\ \hline
L_2&\leftarrow L_2+L_3 \\ \hline
L_1&\leftarrow L_1-L_3 \\ \hline
L_1&\leftarrow L_1+L_2 \\ \hline
L_4 &\leftarrow L_4+L_3 \\ \hline
L_3&\leftarrow L_3+L_2 \\ \hline
L_4 &\leftarrow L_4+3L_1  \\ \hline
L_2 &\leftarrow L_2+L_1 \\ \hline
\end{array}

En utilisant les effets des opérations élémentaires sur les bases duales, vous déduisez que vous passez de la base $(e_1^{*},e_2^{*},e_3^{*},e_4^{*})$ à la base $(v_1^{*},v_2^{*},v_3^{*},v_4^{*})$ de la façon suivante :

\begin{array}{| l  l |}
\hline
L_4&\leftarrow L_4-L_3 \\ \hline
L_4&\leftarrow L_4+L_2 \\ \hline
L_4&\leftarrow L_4-3L_1 \\ \hline
L_3&\leftarrow L_3-L_2 \\ \hline
L_3&\leftarrow L_3+L_1 \\ \hline
L_2&\leftarrow L_2-L_1 \\ \hline
L_3 &\leftarrow L_3-L_4 \\ \hline
L_2&\leftarrow L_2-L_3 \\ \hline
L_1 &\leftarrow L_1-3L_4  \\ \hline
L_1 &\leftarrow L_1-L_2 \\ \hline
\end{array}

Pour terminer, vous partez de la base $(e_1^{*},e_2^{*},e_3^{*},e_4^{*})$ et appliquez les opérations ci-dessus.

\begin{array}{| l  l | l |}
\hline
& & (e_1^{*},e_2^{*},e_3^{*},e_4^{*})
\\ \hline
L_4&\leftarrow L_4-L_3 & (e_1^{*},e_2^{*},e_3^{*},e_4^{*}-e_3^{*})
\\ \hline
L_4&\leftarrow L_4+L_2 &  (e_1^{*},e_2^{*},e_3^{*},e_4^{*}-e_3^{*} + e_2^{*})
\\ \hline
L_4&\leftarrow L_4-3L_1 &  (e_1^{*},e_2^{*},e_3^{*},e_4^{*}-e_3^{*} + e_2^{*}-3e_1^{*})
 \\ \hline
L_3&\leftarrow L_3-L_2 & (e_1^{*},e_2^{*},e_3^{*}-e_2^{*},e_4^{*}-e_3^{*} + e_2^{*}-3e_1^{*})
 \\ \hline
L_3&\leftarrow L_3+L_1 &  (e_1^{*},e_2^{*},e_3^{*}-e_2^{*}+e_1^{*},e_4^{*}-e_3^{*} + e_2^{*}-3e_1^{*})
\\ \hline
L_2&\leftarrow L_2-L_1 &  (e_1^{*},e_2^{*}-e_1^{*},e_3^{*}-e_2^{*}+e_1^{*},e_4^{*}-e_3^{*} + e_2^{*}-3e_1^{*})
\\ \hline
L_3 &\leftarrow L_3-L_4&   (e_1^{*},e_2^{*}-e_1^{*},4e_1^{*}-2e_2^{*}+2e_3^{*}-e_4^{*} ,e_4^{*}-e_3^{*} + e_2^{*}-3e_1^{*})
 \\ \hline
L_2&\leftarrow L_2-L_3 & (e_1^{*},-5e_1^{*}+3e_2^{*}-2e_3^{*}+e_4^{*},4e_1^{*}-2e_2^{*}+2e_3^{*}-e_4^{*} ,e_4^{*}-e_3^{*} + e_2^{*}-3e_1^{*})
\\ \hline
L_1 &\leftarrow L_1-3L_4 & (10e_1^{*}-3e_2^{*}+3e_3^{*}-3e_4^{*},
-5e_1^{*}+3e_2^{*}-2e_3^{*}+e_4^{*},
4e_1^{*}-2e_2^{*}+2e_3^{*}-e_4^{*} ,
e_4^{*}-e_3^{*} + e_2^{*}-3e_1^{*})
 \\ \hline
L_1 &\leftarrow L_1-L_2&  (15e_1^{*}-6e_2^{*}+5e_3^{*}-4e_4^{*},
-5e_1^{*}+3e_2^{*}-2e_3^{*}+e_4^{*},
4e_1^{*}-2e_2^{*}+2e_3^{*}-e_4^{*} ,
e_4^{*}-e_3^{*} + e_2^{*}-3e_1^{*}).
 \\ \hline
\end{array}

Concluez

Vous déduisez des calculs qui précèdent que, pour tout $(x,y,z,t)\in\R^4$ :

\left\{
\begin{align*}
v_1^{*}(x,y,z,t) &= 15x-6y+5z-4t\\
v_2^{*}(x,y,z,t) &= -5x+3y-2z+t\\
v_3^{*}(x,y,z,t) &= -4x-2y+2z-t\\
v_4^{*}(x,y,z,t) &= -3x+y-z+t.
\end{align*}
\right.

286. Les effets des opérations élémentaires sur une base duale (1/2)

Soit $E$ un $\K$-espace vectoriel de dimension finie $n\geq 2$ et une de ses bases notée $e=(e_1, \dots, e_n).$

Vous définissez des formes linéaires $e_1^{*}, \dots, e_n^{*}$ en posant :

\forall i \in \llbracket 1, n\rrbracket, e_i^{*}(e_j)  = \delta_{ij}

où $\delta$ désigne le symbole de Kronecker.

L’espace dual de $E$, à savoir l’ensemble des formes linéaires sur $E$, noté $E^{*}$ admet alors une base.

Démontrez que l’espace dual admet pour base $e^{*}$

Liberté de la famille $e^{*}$

Soit $(\lambda_1,\dots,\lambda_n)\in\K^n$ tel que :

\sum_{i=1}^{n} \lambda_i e_i^{*} = 0.

Ainsi :

\forall x\in E, \sum_{i=1}^{n} \lambda_i e_i^{*}(x) = 0.

Soit $j$ un élément fixé de $\llbracket 1, n\rrbracket.$ Appliquez le résultat précédent lorsque $x=e_j$ :

\begin{align*}
\sum_{i=1}^{n} \lambda_i e_i^{*}(e_j) &= 0 \\
\sum_{i=1}^{n} \lambda_i \delta_{ij} &= 0 \\
\lambda_j = 0.
\end{align*}

Du coup :

\forall j\in\llbracket 1, n \rrbracket, \lambda_j = 0.

La décomposition d’un vecteur

Soit $x$ un vecteur de $E.$

Comme $(e_1,\dots, e_n)$ est une base de $E$, il existe $(\lambda_1,\dots, \lambda_n)\in\K^n$ tel que :

x=\sum_{i=1}^{n} \lambda_i e_i.

Soit $j$ un élément fixé de $\llbracket 1, n\rrbracket.$ Vous calculez $e_j^{*}(x)$ et utilisez la linéarité :

\begin{align*}
e_j^{*}(x) &=\sum_{i=1}^{n} \lambda_i e_j^{*}(e_i)\\
&=\sum_{i=1}^{n} \lambda_i \delta_{ij}\\
&=\lambda_j.
\end{align*}

Il vient donc :

x=\sum_{i=1}^{n} e_i^{*}(x) e_i.

Ainsi :

\boxed{\forall x\in E, x=\sum_{i=1}^{n} e_i^{*}(x) e_i.}

Caractère générateur de la famille $e^{*}$

Soit $\varphi$ une forme linéaire, c’est-à-dire une application linéaire allant de $E$ dans $\K.$

Fixez un vecteur $x\in E.$

Il a été vu plus haut que :

x=\sum_{i=1}^{n} e_i^{*}(x) e_i.

Par linéarité de $\varphi$ il vient :

\begin{align*}
\varphi(x)&=\sum_{i=1}^{n} e_i^{*}(x) \varphi(e_i)\\
&=\sum_{i=1}^{n} \varphi(e_i) e_i^{*}(x) \\
&=\left(\sum_{i=1}^{n} \varphi(e_i) e_i^{*}\right)(x).
\end{align*}

Ainsi :

\forall x\in E, \varphi(x) = \left(\sum_{i=1}^{n} \varphi(e_i) e_i^{*}\right)(x).

Et par suite :

\varphi = \sum_{i=1}^{n} \varphi(e_i) e_i^{*}.

Il est ainsi démontré que :

\boxed{\forall \varphi\in E^{*}, \varphi = \sum_{i=1}^{n} \varphi(e_i) e_i^{*}.}

Dimension de $E^{*}$

D’après ce qui précède, $e^{*}$ est une base de $E^{*}$ comportant $n$ vecteurs donc $\boxed{\dim E^{*} = \dim E.}$

Caractérisez la base duale de $e$

Réciproquement, supposez qu’il existe une famille de $E^{*}$, notée $(\varphi_1, \dots, \varphi_n)$ telle que :

\forall x\in E, x = \sum_{i=1}^{n} \varphi_i(x) e_i.

Fixez $x\in E.$ Le vecteur $x$ se décompose de deux façons différentes :

\begin{align*}
x &= \sum_{i=1}^{n} \varphi_i(x) e_i\\
x &= \sum_{i=1}^{n} e_i^{*}(x) e_i.
\end{align*}

Par unicité de la décomposition d’un vecteur sur une base, vous déduisez :

\forall i\in \llbracket 1, n \rrbracket, e_i^{*}(x) = \varphi_i(x).

Ainsi :

\forall i\in \llbracket 1, n \rrbracket, e_i^{*} = \varphi_i.

La famille $(\varphi_1, \dots, \varphi_n)$ est la base duale de $(e_1,\dots,e_n).$

Une dilatation d’un vecteur de la base $e$ induit une autre dilatation sur la base duale $e^{*}$

Soit $(e_1,\dots, e_n)$ une base de $E.$

Soit $\lambda$ un scalaire non nul et soit $i$ un élément de $\llbracket 1, n \rrbracket$ fixé.

Vous effectuez l’opération élémentaire $e_i \leftarrow \lambda e_i$ au niveau de la base $e.$

Concrètement, vous passez de la base $e = (e_1, \dots, e_{i-1}, e_i, e_{i+1}, \dots e_n)$ à la famille $e’ = (e_1, \dots, e_{i-1}, \lambda e_i, e_{i+1}, \dots e_n).$

Vous allez démontrer que $e’$ est une base de $E$ et trouver sa base duale.

Soit $x\in E.$ Un tel vecteur se décompose ainsi :

\begin{align*}
x &= \sum_{k=1}^{n} e_k^{*}(x) e_k\\
&= e_i^{*}(x) e_i + \sum_{k\neq i} e_k^{*}(x) e_k\\
&= \frac{1}{\lambda}e_i^{*}(x) (\lambda e_i) + \sum_{k\neq i} e_k^{*}(x) e_k.
\end{align*}

D’une part, le vecteur $x$ appartient à l’espace vectoriel engendré par la famille $e’.$ Or $e’$ possède le même nombre de vecteurs que la dimension de $E$ donc $e’$ est une base de $E.$

D’autre part, cette écriture montre que la famille $e’^{*} = (e_1^{*}, \dots, e_{i-1}^{*}, \frac{1}{\lambda} e_i^{*},e_{i+1}^{*}, \dots e_n^{*})$ est la base duale de $e’.$

En définitive, si $e = (e_1, \dots, e_{i-1}, e_i, e_{i+1}, \dots e_n)$ est une base de $E$ dont la base duale est notée $e^{*} = (e_1^{*}, \dots, e_{i-1}^{*}, e_i^{*}, e_{i+1}^{*}, \dots e_n^{*})$, alors, pour tout $\lambda\in\K^{*}$, la famille $e’ = (e_1, \dots, e_{i-1}, \lambda e_i, e_{i+1}, \dots e_n)$ est une autre base de $E$ et la base duale de $e’$ est $e’^{*} = (e_1^{*}, \dots, e_{i-1}^{*}, \frac{1}{\lambda} e_i^{*}, e_{i+1}^{*}, \dots e_n^{*}).$

Une transvection effectuée sur la base $e$ induit une autre transvection sur la base duale $e^{*}$

Soit $(e_1,\dots, e_n)$ une base de $E.$

Soient $i$ et $j$ deux éléments différents de l’ensemble $\llbracket 1, n \rrbracket.$ Soit $\lambda$ un scalaire fixé.

Vous effectuez l’opération élémentaire $e_i \leftarrow \lambda e_i+\lambda e_j$ au niveau de la base $e.$

Concrètement, vous passez de la base $e = (e_1, \dots, e_{i-1}, e_i, e_{i+1}, \dots e_n)$ à la famille $e’ = (e_1, \dots, e_{i-1}, e_i+\lambda e_j, e_{i+1}, \dots e_n).$

Soit $x\in E.$ Un tel vecteur se décompose ainsi :

\begin{align*}
x &= \sum_{k=1}^{n} e_k^{*}(x) e_k\\
&= e_i^{*}(x) e_i + \sum_{k\neq i} e_k^{*}(x) e_k\\
&= e_i^{*}(x) (e_i+\lambda e_j) - e_i^{*}(x)\lambda e_j + \sum_{k\neq i} e_k^{*}(x) e_k\\
&= e_i^{*}(x) (e_i+\lambda e_j) - e_i^{*}(x)\lambda e_j + e_j^{*}(x) e_j +\sum_{k\notin \{i, j\}} e_k^{*}(x) e_k\\
&= e_i^{*}(x) (e_i+\lambda e_j)+ ( e_j^{*}(x)- \lambda e_i^{*}(x)   ) e_j +\sum_{k\notin \{i, j\}} e_k^{*}(x) e_k.
\end{align*}

D’une part, le vecteur $x$ appartient à l’espace vectoriel engendré par la famille $e’.$ Or $e’$ possède le même nombre de vecteurs que la dimension de $E$ donc $e’$ est une base de $E.$

D’autre part, cette écriture montre que la famille $e’^{*} = (e_1^{*}, \dots, e_{j-1}^{*}, e_j^{*}-\lambda e_i^{*}, e_{j+1}^{*}, \dots e_n^{*})$ est la base duale de $e’.$

En définitive, si $e = (e_1, \dots, e_{i-1}, e_i, e_{i+1}, \dots e_n)$ est une base de $E$ dont la base duale est notée $e^{*} = (e_1^{*}, \dots, e_{i-1}^{*}, e_i^{*}, e_{i+1}^{*}, \dots e_n^{*})$, alors, appliquer l’opération de transvection $e_i \leftarrow e_i + \lambda e_j$ sur la base $e$ fournit une autre base de $E$ notée $e’.$ La base duale $e’^{*}$ de $e’$ s’obtient à partir de la base $e^{*}$, à partir de laquelle on applique l’opération de transvection $e_j^{*} \leftarrow e_j^{*} – \lambda e_i^{*}.$

Prolongements

Cas de transpositions

Soit $e=(e_1,\dots, e_n)$ une base de $E$ dont la base duale est notée $e^{*} = (e_1^{*}, \dots, e_n^{*}).$

Soient $i$ et $j$ deux éléments différents de l’ensemble $\llbracket 1, n \rrbracket.$Si vous appliquez l’opération de transposition $e_i \leftrightarrow e_j$ sur la base $e$ et notez $e’$ la nouvelle famille obtenue, justifiez que $e’$ est encore une base de $E$ et déterminez la base duale de $e’$ en fonction de $e^{*}.$

Les permutations

Expliquez pourquoi, sur le plan théorique, il n’est pas utile de traiter le cas d’une permutation des vecteurs d’une base de $e$ et de ses effets éventuels sur la base duale obtenue.

285. Une matrice de transposition est le produit de trois matrices de transvections et d’une matrice de dilatation

Soient $n$ et $p$ deux entiers supérieurs ou égaux à $2$ et $A$ une matrice à coefficients dans un corps $\K$ qui comporte $n$ lignes et $p$ colonnes.

Soient $i$ et $j$ deux éléments différents de l’ensemble $\llbracket 1, n \rrbracket.$

Comme cela a été vu au sein du contenu rédigé dans l'article 272 dont vous reprenez les mêmes notations, quand vous appliquez à la matrice $A$ l’opération élémentaire $L_i \leftrightarrow L_j$, cela revient à la multiplier à gauche par la matrice suivante :

T = F_{ij} + F_{ji} + \sum_{m\in\llbracket 1, n\rrbracket \setminus \{i, j\}} F_{mm}.

Une idée de décomposition en utilisant des transvections

Considérez les variables $x$ et $y$ auxquelles vous appliquez les instructions suivantes :

\begin{align*}
x&\leftarrow x+y\\
y&\leftarrow y-x\\
x&\leftarrow x+y.
\end{align*}

Ces trois opérations échangent les valeurs de $x$ et de $y$ et transforment $x$ en son opposé, comme le montre le tableau des valeurs successives prises par $x$ et $y$ :

\begin{array}{|c|c|}
\hline\
\text{Variable }x & \text{Variable }y \\ \hline
x & y \\ 
x+y & y\\
x+y & -x\\
y & -x\\\hline
\end{array}

Pour permuter $x$ avec $y$ il faut rajouter une dilatation en changeant la variable $y$ en son opposé.

L’opération d’échange :

x\leftrightarrow y

est donc équivalente à la série des quatre opérations suivantes :

\left\{
\begin{align*}
x&\leftarrow x+y\\
y&\leftarrow y-x\\
x&\leftarrow x+y\\
y&\leftarrow -y.
\end{align*}
\right.

Vérifiez l’ensemble sur le plan matriciel

Les quatre opérations décrites ci-dessus s’écrivent de façon analogue de la façon suivante :

\left\{
\begin{align*}
L_i&\leftarrow L_i+L_j\\
L_j&\leftarrow L_j-L_i\\
L_i&\leftarrow L_i+L_j\\
L_j&\leftarrow -L_j.
\end{align*}
\right.

Vous posez :

V_i =    F_{i j} + \sum_{k\in\llbracket 1, n\rrbracket } F_{kk} \\
V_j =  -  F_{ji} + \sum_{\ell \in\llbracket 1, n\rrbracket } F_{\ell\ell}\\
D_j = -F_{jj} + \sum_{m\in\llbracket 1, n\rrbracket \setminus \{j\}} F_{mm} = -2F_{jj} + \sum_{m\in\llbracket 1, n\rrbracket } F_{mm}.

En notant $I$ la matrice identité d’ordre $n$, il vient :

V_i = F_{ij} + I\\
V_j = -F_{ji} + I\\
D_j = -2F_{jj} + I.

Quand vous appliquez à la matrice $A$ les opérations élémentaires suivantes :

\left\{
\begin{align*}
L_i&\leftarrow L_i+L_j\\
L_j&\leftarrow L_j-L_i\\
L_i&\leftarrow L_i+L_j\\
L_j&\leftarrow -L_j.
\end{align*}
\right.

vous multipliez la matrice $A$ à gauche par le produit :

D_jV_iV_jV_i.

Premier produit, calcul de $V_jV_i$

\begin{align*}
V_jV_i &= (-F_{ji} + I)(F_{ij} + I)\\
&=-F_{ji}F_{ij} - F_{ji} + F_{ij} + I\\
&=F_{ij}-F_{ji}-F_{jj}+I.
\end{align*}

Deuxième produit, calcul de $V_i(V_jV_i)$

\begin{align*}
V_i(V_jV_i) &=(F_{ij} + I)(F_{ij}-F_{ji}-F_{jj}+I)\\
&= F_{ij}F_{ij}-F_{ij}F_{ji}-F_{ij}F_{jj}+F_{ij}\\
&\qquad +F_{ij}-F_{ji}-F_{jj}+I\\
&= 0-F_{ii}-F_{ij}+F_{ij}\\
&\qquad +F_{ij}-F_{ji}-F_{jj}+I\\
&=  F_{ij}-F_{ji}-F_{ii}-F_{jj}+I\\
 &=  F_{ij} - F_{ji} + \sum_{m\in\llbracket 1, n\rrbracket \setminus \{i, j\}} F_{mm}.
\end{align*}

Troisième et dernier produit, calcul de $D_j(V_iV_jV_i)$

\begin{align*}
D_j(V_iV_jV_i) &= ( -2F_{jj} + I)\left(  F_{ij} - F_{ji} + \sum_{m\in\llbracket 1, n\rrbracket \setminus \{i, j\}} F_{mm}\right)\\
&= -2F_{jj}F_{ij} +2F_{jj}F_{ji}-2\sum_{m\in\llbracket 1, n\rrbracket \setminus \{i, j\}} F_{jj}F_{mm}\\
&\qquad +F_{ij} - F_{ji} + \sum_{m\in\llbracket 1, n\rrbracket \setminus \{i, j\}} F_{mm}
\\
&= 0+2F_{ji} - 0 \\
&\qquad +F_{ij} - F_{ji} + \sum_{m\in\llbracket 1, n\rrbracket \setminus \{i, j\}} F_{mm}\\
&= F_{ij} + F_{ji} + \sum_{m\in\llbracket 1, n\rrbracket \setminus \{i, j\}} F_{mm}\\
&= T.
\end{align*}

Prolongement

Pour savoir ce qui a motivé l’introduction des opérations ci-dessous

\begin{align*}
x&\leftarrow x+y\\
y&\leftarrow y-x\\
x&\leftarrow x+y
\end{align*}

allez lire le contenu rédigé dans l'article 376.

284. Hyperplans, formes linéaires, stabilité d’un hyperplan par un endomorphisme, trigonalisation (3/3)

Vous considérez la matrice :

A=\begin{pmatrix}
0 & 1 & 0 & 2\\
-3 & 0 & 4 & 0\\
0 & 1 & 0 & 3\\
-1 & 0 & 1 & 0
\end{pmatrix}.

Trigonaliser la matrice $A$ revient à trigonaliser l’endomorphisme $u$ de $\R^4$ canoniquement associé à $A.$ Il est défini par :

\forall(x,y,z,t)\in\R^4, u(x,y,z,t)=(y+2t, -3x+4z, y+3t, -x+z).

Notez les matrices identité

Dans la suite, vous aurez besoin des matrices suivantes :

\begin{align*}
I &= \begin{pmatrix}
1 & 0 & 0 & 0\\
0 & 1 & 0 & 0\\
0 & 0 & 1 & 0\\
0 & 0 & 0 & 1
\end{pmatrix}
\\
I_2 &= \begin{pmatrix}
1 & 0\\
0 & 1
\end{pmatrix}.
\end{align*}

Déterminez un hyperplan stable par $u$

Suivant ce qui a été établi au sein du contenu écrit dans l'article 283 vous formez la matrice transposée de $A$ :

^{t}A=\begin{pmatrix}
0 & -3 & 0 & -1\\
1 & 0 & 1 & 0\\
0 & 4 & 0 & 1\\
2 & 0 & 3 & 0
\end{pmatrix}.

Pour déterminer un vecteur propre de $^{t}A$ vous pouvez choisir la colonne de $^{t}A$ qui semble la plus simple possible, ici la quatrième. Vous posez $V = \begin{pmatrix} 0 \\0\\0\\1\end{pmatrix}$ et calculez les itérés de ce vecteur par la matrice $^{t}A.$

Tout d’abord :

\begin{align*}
^{t}A V &=\begin{pmatrix}
0 & -3 & 0 & -1\\
1 & 0 & 1 & 0\\
0 & 4 & 0 & 1\\
2 & 0 & 3 & 0
\end{pmatrix}
\begin{pmatrix}
0 \\
0\\
0\\
1
\end{pmatrix}
\\
&=\begin{pmatrix}
-1 \\
0\\
1\\
0
\end{pmatrix}.
\end{align*}

La famille $(V, ^{t}A V)$ étant libre, vous poursuivez.

\begin{align*}
(^{t}A)^2 V &=\ ^{t}A (^{t}AV)\\
&= \begin{pmatrix}
0 & -3 & 0 & -1\\
1 & 0 & 1 & 0\\
0 & 4 & 0 & 1\\
2 & 0 & 3 & 0
\end{pmatrix}
\begin{pmatrix}
-1 \\
0\\
1\\
0
\end{pmatrix}  \\
&= \begin{pmatrix}
0 \\
-1\\
0\\
-2
\end{pmatrix} 
+
\begin{pmatrix}
0 \\
1\\
0\\
3
\end{pmatrix} 
\\
&=
\begin{pmatrix}
0 \\
0\\
0\\
1
\end{pmatrix} \\
&=V.
\end{align*}

Cette égalité fournit :

\begin{align*}
(^{t}A)^2V - V &= 0\\
((^{t}A)^2-I)V &=0\\
(^{t}A-I)(^{t}A+I)V &=0.
\end{align*}

D’après ce qui précède, le polynôme $(X+1)(X-1)$ est le polynôme unitaire de plus petit degré appartenant à l’ensemble :

\{P\in\R[X], P(^{t}A)V = 0\}.

Cet ensemble est un idéal de $\R[X]$ qui est engendré par $(X+1)(X-1).$

Or, le polynôme $\pi$ minimal de la matice $^{t}A$ appartient à cet idéal, donc $(X+1)(X-1)$ divise $\pi$ donc $1$ et $-1$ sont deux racines de $\pi$, donc $1$ et $-1$ sont deux valeurs propres de $^{t}A.$

Ainsi, les deux matrices $(^{t}A-I)$ et $(^{t}A+I)$ sont non inversibles.

Vous formez la première :

^{t}A-I=\begin{pmatrix}
-1 & -3 & 0 & -1\\
1 & -1 & 1 & 0\\
0 & 4 & -1 & 1\\
2 & 0 & 3 & -1
\end{pmatrix}.

Pour déterminer son noyau, vous cherchez à exprimer une colonne en fonction des autres, elle vous donnera un vecteur non nul de ce noyau.

Vous effectuez les opérations élémentaires suivantes : $L_2\leftarrow L_2+L_1$ ce qui donne :

\begin{pmatrix}
-1 & -3 & 0 & -1\\
0 & -4 & 1 & -1\\
0 & 4 & -1 & 1\\
2 & 0 & 3 & -1
\end{pmatrix}.

Vous constatez immédiatement en effectuant l’opération $L_3\leftarrow L_3+L_2$ que vous tombez sur une matrice qui comporte une ligne entièrement nulle :

\begin{pmatrix}
-1 & -3 & 0 & -1\\
0 & -4 & 1 & -1\\
0 & 0 & 0 & 0\\
2 & 0 & 3 & -1
\end{pmatrix}.

Vous retrouvez bien le fait que $^{t}A -I$ est non inversible. Vous continuez les opérations élémentaires. Par exemple avec $L_4\leftarrow L_4+2L_1$ :

\begin{pmatrix}
-1 & -3 & 0 & -1\\
0 & -4 & 1 & -1\\
0 & 0 & 0 & 0\\
0 & -6 & 3 & -3
\end{pmatrix}.

Vous effectuez alors $L_3 \leftrightarrow L_4$ puis $L_3 \leftarrow \frac{1}{3}L_3$ :

\begin{pmatrix}
-1 & -3 & 0 & -1\\
0 & -4 & 1 & -1\\
0 & -2 & 1 & -1\\
0 & 0 & 0 & 0
\end{pmatrix}.

Pour triangulariser la matrice, vous terminez par les opérations $L_2\leftarrow L_2 – 2L_3$ et $L_2\leftrightarrow L_3$ :

\begin{pmatrix}
-1 & -3 & 0 & -1\\
0 & -2 & 1 & -1\\
0 & 0 & -1 & 1\\
0 & 0 & 0 & 0
\end{pmatrix}.

Il apparaît alors que $C_4 = C_1-C_3$, autrement dit $C_1-C_3-C_4 = 0.$

Les opérations élémentaires sur les lignes conservant les noyaux, il vient, en posant $W = \begin{pmatrix}1 \\0\\-1\\-1\end{pmatrix}$ :

\begin{align*}
(^{t}A-I)W&=\begin{pmatrix}
-1 & -3 & 0 & -1\\
1 & -1 & 1 & 0\\
0 & 4 & -1 & 1\\
2 & 0 & 3 & -1
\end{pmatrix}
\begin{pmatrix}1 \\0\\-1\\-1\end{pmatrix}
\\
&=\begin{pmatrix}0 \\0\\0\\0\end{pmatrix}.
\end{align*}

Donc $W$ est un vecteur propre de la matrice $^{t}A$ associé à la valeur propre $1.$

Ainsi, l’hyperplan $H_3$ de $\R^4$ défini par :

\boxed{H_3 = \{(x,y,z,t)\in\R^4, x-z-t = 0\}}

est stable par l’endomorphisme $u.$

Facultatif : vérifiez que cet hyperplan est stable par $u$

Soit $(x,y,z,t)\in\R^4$ tel que $(x,y,z,t)\in H_3.$

Alors $x = z+t.$

De plus :

\begin{align*}
u(x,y,z,t)&=(y+2t, -3x+4z, y+3t, -x+z) \\
 &=(y+2t, -3z-3t+4z, y+3t, -z-t+z)\\
&=(y+2t, z-3t, y+3t, -t).
\end{align*}

Or :

\begin{align*}
(y+2t)-(y+3t)-(-t) &= y+2t-y-3t+t\\
&=0.
\end{align*}

donc $u(x,y,z,t)\in H_3.$

De ce qui précède, vous déduisez que la restriction de $u$ à $H_3$, notée $u_{|H_3}$ est bien définie.

Déterminez un hyperplan stable par $u_{|H_3}$

Comme :

H_3 = \{(x,y,z,t)\in\R^4, x = z+t\}

vous déduisez :

\begin{align*}
H_3 &= \{(z+t,y,z,t), (y,z,t)\in\R^3\}\\
&= \{(z,0,z,0) + (t,0,0,t) + (0,y,0,0), (y,z,t)\in\R^3\}\\
&= \{z(1,0,1,0) + t(1,0,0,1) + y(0,1,0,0), (y,z,t)\in\R^3\}.
\end{align*}

Vous posez :

\boxed{\begin{align*}
e_1 &= (1,0,1,0)\\
e_2 &= (1,0,0,1)\\
e_3 &= (0,1,0,0).
\end{align*}}

Alors :

H_3 = \mathrm{Vect}(e_1,e_2,e_3).

Comme $H_3$ est de dimension $3$ en tant qu’hyperplan de $\R^4$ vous déduisez que la famille $(e_1,e_2,e_3)$, qui est génératrice de $H_3$, est en fait une base de $H_3.$ Vous noterez $(e_1^{*}, e_2^{*}, e_3^{*})$ sa base duale.

Vous calculez d’abord :

\begin{align*}
u_{|H_3}(e_1) &= u(1,0,1,0)\\
&=(0, 1, 0, 0)\\
&=e_3.
\end{align*}

Puis :

\begin{align*}
u_{|H_3}(e_2) &= u(1,0,0,1)\\
&=(2, -3, 3, -1)\\
&=(2, -3, 3, -1) +e_2-e_2\\
&=(2, -3, 3, -1) + (1,0,0,1)-e_2\\
&=(3, -3, 3, 0) -e_2\\
&=3(1, -1, 1, 0) -e_2\\
&=3(e_1-e_3) -e_2\\
&=3e_1 -e_2-3e_3.
\end{align*}

Enfin :

\begin{align*}
u_{|H_3}(e_3) &= u(0,1,0,0)\\
&=(1, 0, 1, 0)\\
&=e_1.
\end{align*}

Vous déduisez que la matrice de $u_{|H_3}$ dans la base $(e_1,e_2,e_3)$ est :

B = \begin{pmatrix}
0  & 3 & 1\\
0  & -1 & 0\\
1 & -3 & 0
\end{pmatrix}.

Du coup, la matrice transposée de $B$ est :

^{t}B = \begin{pmatrix}
0  & 0 & 1\\
3  & -1 & -3\\
1 & 0 & 0
\end{pmatrix}.

La colonne la plus simple de $B$ est la deuxième, ce qui conduit à poser $V = \begin{pmatrix}0\\ 1 \\ 0\end{pmatrix}.$

\begin{align*}
^{t}B V &=  \begin{pmatrix}
0  & 0 & 1\\
3  & -1 & -3\\
1 & 0 & 0
\end{pmatrix}
 \begin{pmatrix}0\\ 1 \\ 0\end{pmatrix}
\\
&= \begin{pmatrix}0\\ -1 \\ 0\end{pmatrix}\\
&=-V.
\end{align*}

Vous avez obtenu un vecteur propre de $^{t}B.$

Notez :

\begin{align*}
H_2 &= \{x\in H_3, 0e_1^{*}(x)+1e_2^{*}(x)+0e_3^{*}(x) = 0\}\\
&= \{x\in H_3, e_2^{*}(x) = 0\}.
\end{align*}

Alors $H_2$ est le noyau d’une forme linéaire non nulle de $H_3$ donc $H_2$ est un hyperplan de $H_3$ et donc $H_2$ est de dimension $2.$

Soit $x\in H_2.$ Comme :

\begin{align*}
x &= e_1^{*}(x) e_1+e_2^{*}(x) e_2+e_3^{*}(x) e_3\\
&= e_1^{*}(x) e_1+0 e_2+e_3^{*}(x) e_3\\
&= e_1^{*}(x) e_1+e_3^{*}(x) e_3
\end{align*}

vous déduisez que $x \in \mathrm{Vect}(e_1, e_3).$

Réciproquement, soit $x \in \mathrm{Vect}(e_1, e_3).$

Il existe $(\lambda_1, \lambda_3)\in\R^2$ tel que :

x = \lambda_1 e_1 + \lambda_3 e_3.

Par linéarité :

\begin{align*}
e_2^{*}(x) &= \lambda_1 e_2^{*}(e_1) + \lambda_3 e_2^{*}(e_3)\\
&= \lambda_1 \times 0 + \lambda_3 \times 0\\
&=0.
\end{align*}

Donc $x\in H_2.$

Ainsi l’hyperplan $H_2$ est stable par $u_{|H_3}$ donc par $u$, avec :

\boxed{H_2  = \mathrm{Vect}(e_1, e_3).}

Comme $H_2$ est de dimension $2$, la famille $(e_1,e_3)$ qui est génératrice de $H_2$, en est une base.

Déterminez une droite stable par $u_{|H_2}$

Comme $u(e_1) = e_3$ et $u(e_3) = e_1$ la matrice $C$ de $u_{|H_2}$ dans la base $(e_1,e_3)$ est :

C = \begin{pmatrix}
0 & 1\\
1 & 0
\end{pmatrix}.

Vous constatez que $^{t}C = C.$ Vous posez $V = \begin{pmatrix}1\\ 0 \end{pmatrix}.$

Alors :

\begin{align*}
^{t}CV &= \begin{pmatrix}
0 & 1\\
1 & 0
\end{pmatrix}
\begin{pmatrix}1\\ 0 \end{pmatrix}
\\
&=\begin{pmatrix}0\\ 1 \end{pmatrix}.
\end{align*}

La famille $(V, ^{t}CV)$ étant libre vous poursuivez.

Puis :

\begin{align*}
(^{t}C)^2V &= \begin{pmatrix}
0 & 1\\
1 & 0
\end{pmatrix}
\begin{pmatrix}0\\ 1 \end{pmatrix}
\\
&=\begin{pmatrix}1\\ 0 \end{pmatrix}\\
&=V.
\end{align*}

Ainsi, le polynôme $X^2-1$ est le polynôme unitaire de plus petit degré appartenant à l’ensemble :

\{P\in\R[X], P(^{t}C)V = 0\}.

Comme le polynôme minimal de la matrice $^{t}C$ y appartient, vous déduisez que $X^2-1 = (X+1)(X-1)$ le divise. Le polynôme minimal de $^{t}C$ admet donc $1$ et $-1$ pour racines qui sont deux valeurs propres.

Vous formez la matrice :

^{t}C - I_2 = \begin{pmatrix}
-1 & 1\\
1 & -1
\end{pmatrix}.

La colonne $2$ vaut $-1$ fois la colonne $1$, soit $C_2 = -C_1$ soit $C_1+C_2 = 0$ donc le vecteur $\begin{pmatrix}1\\ 1 \end{pmatrix}$ est vecteur propre de $^{t}C.$

En notant $(e_1^{**}, e_3^{**})$ la base duale de $(e_1,e_3)$ vous définissez la droite $D$ de $H_2$ en posant :

\begin{align*}
D &= \{x\in H_2, 1e_1^{**}(x)+ 1e_3^{**}(x) = 0\}\\
&= \{x\in H_2, e_1^{**}(x)+ e_3^{**}(x) = 0\}.
\end{align*}

Notez que $e_1^{**}(e_1)+ e_3^{**}(e_1) = 1+0 = 1$ donc la forme linéaire $e_1^{**}+e_3^{**}$ n’est pas nulle.

Donc $D$ est un hyperplan de $H_2$ et par suite $D$ est de dimension $1$, c’est une droite.

Il s’agit maintenant d’en déterminer une base.

Soit $x \in D.$ Alors $x\in H_2$ donc il existe $(\lambda_1, \lambda_3)\in \R^2$ tel que :

x=\lambda_1e_1+\lambda_3e_3.

Par linéarité :

\begin{align*}
e_1^{**}(x) &= \lambda_1e_1^{**}(e_1)+\lambda_3 e_1^{**}(e_3)\\
&=\lambda_1.
\end{align*}
\begin{align*}
e_3^{**}(x) &= \lambda_1e_3^{**}(e_1)+\lambda_3 e_3^{**}(e_3)\\
&=\lambda_3.
\end{align*}

Comme :

e_1^{**}(x)+ e_3^{**}(x) = 0

Vous déduisez :

\begin{align*}
\lambda_1+\lambda_3 &= 0\\
\lambda_1 &= - \lambda_3.
\end{align*}

Du coup :

\begin{align*}
x&=\lambda_1e_1+\lambda_3e_3\\
x&=-\lambda_3e_1+\lambda_3e_3\\
x&=\lambda_3(-e_1+e_3)\\
x&\in \mathrm{Vect}(-e_1+e_3).
\end{align*}

Réciproquement, soit $x\in \mathrm{Vect}(-e_1+e_3).$

Il existe un réel $\lambda$ tel que :

\begin{align*}
x&=\lambda(-e_1+e_3)\\
&=-\lambda e_1+ \lambda e_3.
\end{align*}

Vous obtenez toujours par linéarité :

\begin{align*}
e_1^{**}(x) &= -\lambda e_1^{**}(e_1) + \lambda e_1^{**}(e_3)\\
&=-\lambda.
\end{align*}
\begin{align*}
e_3^{**}(x) &= -\lambda e_3^{**}(e_1) + \lambda e_3^{**}(e_3)\\
&=\lambda.
\end{align*}

Et par suite :

e_1^{**}(x)+ e_3^{**}(x) = 0

donc $x\in D.$

En définitive, la droite $\boxed{D = \mathrm{Vect}(-e_1+e_3)}$ est stable par $u_{|H_2}$ donc par $u.$

Déduisez-en une trigonalisation de l’endomorphisme $u$

Choisissez un vecteur $v_4$ n’appartenant pas à $H_3.$

Comme $H_3$ est caractérisé par l’égalité :

H_3 = \{(x,y,z,t)\in\R^4, x-z-t = 0\}

vous choisissez $\boxed{v_4 = (1,0,0,0).}$

Alors $\R^4$ s’écrit comme somme directe :

\R^4 = H_3 \oplus \mathrm{Vect}(v_4)

Vous cherchez maintenant à décomposer $H_3.$ Vous prenez un vecteur de $H_3$ qui n’appartient pas à $H_2.$

Pour rappel :

H_3 = \mathrm{Vect}(e_1,e_2,e_3).

Cependant :

\begin{align*}
H_2 &= \mathrm{Vect}(e_1,e_3)\\
&= \{x\in H_3, e_2^{*}(x) = 0\}.
\end{align*}

En choisissant $\boxed{v_3 = e_2 = (1,0,0,1)}$ vous aboutissez à :

\R^4 = H_2  \oplus \mathrm{Vect}(v_3) \oplus \mathrm{Vect}(v_4)

Pour décomposer $H_2$ vous choisissez de $H_2$ qui n’appartient pas à $D.$ Vous pouvez choisir $\boxed{v_2 = e_3 = (0,1,0,0).}$

En effet, si $e_3$ appartenait à la droite $D$, il existerait un scalaire $\lambda$ tel que :

\begin{align*}
e_3 &= \lambda(-e_1+e_3)\\
\lambda e_1+(1-\lambda)e_3&=0
\end{align*}

La famille $(e_1,e_3)$ étant libre, cela fournit $\lambda = 0$ et $1-\lambda = 0$ donc $\lambda= 0= 1$ ce qui est absurde.

En posant $\boxed{v_1 = -e_1+e_3 = (-1,1,-1,0)}$ vous aboutissez à :

\R^4 =\mathrm{Vect}(v_1) \oplus \mathrm{Vect}(v_2)   \oplus \mathrm{Vect}(v_3) \oplus \mathrm{Vect}(v_4).

Pour finir les calculs, il reste à calculer, pour tout $i\in \llbracket, 1,4\rrbracket$ le vecteur $u(v_i)$ au sein de la base $(v_1,v_2,v_3,v_4).$

Tout d’abord :

\begin{align*}
u(v_1) &= u(-1,1,-1,0)\\
&= (1, -1, 1, 0)\\
&= -v_1.
\end{align*}

Ensuite :

\begin{align*}
u(v_2) &= u(0,1,0,0)\\
&= (1, 0, 1, 0)\\
&= (1, 0, 1, 0) + (-1,1,-1,0) - v_1\\
&= (0,1,0,0) -v_1\\
&= -v_1+v_2.
\end{align*}

Puis :

\begin{align*}
u(v_3) &= u(1,0,0,1)\\
&= (2, -3, 3, -1) \\
&=  (2, -3, 3, -1) + (1,0,0,1)  -v_3\\
&=(3,-3,3,0)-v_3\\
&=3(1,-1,1,0)-v_3\\
&=-3v_1-v_3.
\end{align*}

Enfin :

\begin{align*}
u(v_4) &= u(1,0,0,0)\\
&= (0, -3, 0, -1).
\end{align*}

La famille $(v_1,v_2,v_3,v_4,u(v_4))$ est liée. Cela va permettre d’exprimer le vecteur $u(v_4)$ dans la base $(v_1,v_2,v_3,v_4).$

\left\{\begin{align*}
v_1&=(-1,1,-1,0)\\
v_2 &= (0,1,0,0)\\
v_3 &= (1,0,0,1)\\
v_4 &= (1,0,0,0)\\
u(v_4) &= (0, -3, 0, -1).
\end{align*}\right.
\left\{\begin{align*}
v_2 &= (0,1,0,0)\\
v_1+v_3 &= (0,1,-1,1)\\
v_1+v_4 &= (0,1,-1,0)\\
u(v_4) &= (0, -3, 0, -1).
\end{align*}\right.
\left\{\begin{align*}
v_1-v_2+v_3 &= (0,0,-1,1)\\
v_1-v_2+v_4 &= (0,0,-1,0)\\
3v_2+u(v_4) &= (0, 0, 0, -1).
\end{align*}\right.
\left\{\begin{align*}
v_3 -v_4 &= (0,0,0,1)\\
3v_2+u(v_4) &= (0, 0, 0, -1).
\end{align*}\right.
\begin{align*}
 3v_2+v_3 -v_4 +u(v_4) &= 0 \\
u(v_4) &= -3v_2-v_3+v_4.
\end{align*}

Dans la base $(v_1,v_2,v_3,v_4)$ l’endomorphisme $u$ est trigonalisé, puisque sa matrice $T$ est triangulaire supérieure :

\boxed{T = \begin{pmatrix}
-1 & -1 & -3 & 0\\
0 & 1 & 0 & -3\\
0 & 0 & -1 & -1\\
0 & 0 & 0 & 1
\end{pmatrix}.}

Interprétez matriciellement le changement de base

Partez de la matrice :

A=\begin{pmatrix}
0 & 1 & 0 & 2\\
-3 & 0 & 4 & 0\\
0 & 1 & 0 & 3\\
-1 & 0 & 1 & 0
\end{pmatrix}.

Vous notez $P$ la matrice de passage de la base canonique de $\R^4$ vers la base $(v_1,v_2,v_3,v_4)$ :

P=\begin{pmatrix}
-1 & 0 & 1 & 1\\
1 & 1 & 0 & 0\\
-1 & 0 & 0 & 0\\
0 & 0 & 1 & 0
\end{pmatrix}.

Alors $P$ est inversible et :

\boxed{T = P^{-1}AP.}

283. Hyperplans, formes linéaires, stabilité d’un hyperplan par un endomorphisme, trigonalisation (2/3)

Soit $E$ l’ensemble $\R^3$ muni de sa structure de $\R$-espace vectoriel.

Vous considérez l’endomorphisme $u$ de $\R^3$ défini par :

\forall (x,y,z)\in\R^3, u(x,y,z)=(4x+2y-2z,x+5y-z, x+3y+z).

Note. La matrice de l’endomorphisme $u$ dans la base canonique de $\R^3$ est :

A =\begin{pmatrix}
4 & 2 & -2\\
1 & 5 & -1 \\
1 & 3 & 1
\end{pmatrix}.

Supposez qu’il existe un hyperplan stable par $u$

Notez $H$ un tel hyperplan. Alors $\forall X\in H, u(X)\in H.$

Il a été vu dans le contenu rédigé dans l'article 282 qu’il existe une forme linéaire $\varphi$ non nulle telle que $H = \ker \varphi.$

Vous simplifier les notations, vous notez $a = \varphi(1,0,0)$, $b=\varphi(0,1,0)$ et $c=\varphi(0,0,1).$

Vous fixez un élément $(x,y,z)$ de $\ker \varphi.$

Comme $(x,y,z)\in H$ vous déduisez que $u(x,y,z)$ appartient encore à $H$, ce qui s’écrit :

\begin{align*}
\varphi(4x+2y-2z,x+5y-z, x+3y+z) &= 0 \\
\varphi(4x,x,x)+\varphi(2y,5y,3y)+\varphi(-2z,-z,z)&=0\\
x\varphi(4,1,1)+y\varphi(2,5,3)+z\varphi(-2,-1,1)&=0\\
(4a+b+c)x+(2a+5b+3c)y+(-2a-b+c)z &= 0.
\end{align*}

Considérez la forme linéaire $\psi$ de $\R^3$ définie par :

\forall (x',y',z')\in\R^3, \psi(x',y',z') = (4a+b+c)x'+(2a+5b+3c)y'+(-2a-b+c)z'.

Ainsi vous avez obtenu $(x,y,z)\in\ker \psi.$

Du coup, $\ker \varphi \subset \ker \psi.$

Toujours d’après le contenu rédigé dans l'article 282 vous déduisez qu’il existe un réel $t$ tel que $\psi = t \varphi.$

En évaluant cette égalité pour le vecteur $(1,0,0)$ vous trouvez $4a+b+c = ta.$

Avec l’évaluation sur le vecteur $(0,1,0)$ vous trouvez $2a+5b+3c=tb.$

Enfin, avec le vecteur $(0,0,1)$ vous trouvez $-2a-b+c = tc.$

La forme linéaire $\varphi$ étant non nulle, vous déduisez $(a,b,c)\neq (0,0,0).$ De plus :

\begin{pmatrix}
4 & 1 & 1\\
2 & 5 & 3\\
-2 & -1 & 1\\
\end{pmatrix}\begin{pmatrix}
 a\\
 b\\
c\\
\end{pmatrix} = t\begin{pmatrix}
 a\\
 b\\
c\\
\end{pmatrix}.

Ainsi, le vecteur $\begin{pmatrix}a\\b\\ c\end{pmatrix}$ est un vecteur propre de la matrice $^{t}A.$

Réciproquement, pour chaque vecteur propre de la matrice transposée de $A$, montrez que vous obtenez un hyperplan stable par $u$

Soit $X$ un vecteur propre de la matrice $^{t}A.$

Il existe donc un réel $t$ et un triplet $(a,b,c)\in\R^3 \setminus \{0,0,0\}$ tels que :

\begin{align*}
X&=\begin{pmatrix}
a\\
b\\
c
\end{pmatrix}\\
^{t}AX &= tX.
\end{align*}

Vous déduisez alors que :

\left\{\begin{align*}
 4a+b+c &= ta\\
 2a+5b+3c&=tb\\
-2a-b+c &= tc.
\end{align*}\right.

Notez $\varphi$ la forme linéaire définie par :

\forall (x,y,z)\in\R^3, \varphi(x,y,z)=ax+by+cz.

Comme $(a,b,c)\neq (0,0,0)$ la forme linéaire $\varphi$ n’est pas entièrement nulle.

Posez $H = \ker \varphi.$ Alors $H$ est un hyperplan de $E.$

Soit maintenant $(x,y,z)\R^3$ tel que $(x,y,z)\in H.$

Alors :

\begin{align*}
\varphi(u(x,y,z)) &= \varphi(4x+2y-2z,x+5y-z, x+3y+z) \\
&=a(4x+2y-2z)+b(x+5y-z)+c(x+3y+z)\\
&=(4a+b+c)x+(2a+5b+3c)y+(-2a-b+c)z\\
&=tax+tby+tcz\\
&=t(ax+by+cz)\\
&=t\varphi(x,y,z)\\
&=t\times 0\\
&=0.
\end{align*}

Donc $u(x,y,z)\in H.$

L’hyperplan $H$ est bien stable par $u.$

Concluez

Pour obtenir un hyperplan stable par l’endomorphisme $u$ il faut et il suffit de trouver un triplet de réels $(a,b,c)$ pour que $\begin{pmatrix} a\\ b\\ c \end{pmatrix}$ soit un vecteur propre de la matrice transposée de $A.$

Une fois ce vecteur propre obtenu, l’ensemble défini par :

H = \{(x,y,z)\in\R^3, ax+by+cz=0\}

est un hyperplan stable par $u.$