Étude de M ? ? AM?MA
2 Il est clair que R[A] ? Ker?A parce que les matrices dans R[A] commutent toutes avec A. III.3.a Ce résultat a été prouvé plusieurs fois en cours (théorème
Fiche aide-mémoire 7 : Commutant dune matrice. 1 Des remarques
Soit A une matrice carrée d'ordre n. On appelle commutant de A l'ensemble des matrices M qui commutent avec A c'est-à-dire telles que AM = MA.
Chapitre 16 : Espaces vectoriels
+: On a bien F ? E et si M = 0 est la matrice nulle alors AM = MA = 0 donc 0 ? F et ainsi F V= ?. Soient. (M
Commutant d’une matrice
matrices M de Mn(IK) qui commutent avec A : C(A) = {M ? Mn(IK) AM = MA}. Pour tous entiers r et s de {1
fic00054.pdf
Déterminer une base de vecteurs propres et P la matrice de passage. (7 points) Soient M et A deux matrices de Mn(R) telles que MA = AM.
MPSI 2 DS 07
Xm en fonction de A. 2.3 Calcul du commutant de A. On note C(A) = {M ? M3(R)
CCP 2012 math 2 corrigé
polynôme minimal de la matrice A le polynôme minimal de l'endomorphisme de Mn(C) (défini par ?A(M) = AM ?MA pour tout M ? Mn(C)).
Algèbre linéaire - Problème de synthèse Correction
Expliciter la matrice C associée à l'endomorphisme ?A relativement à la base canonique de (défini par ?A : M ? Mn(C) ?? AM ? MA).
Épreuve de Mathématiques 4 Exercice 1 (PT A 2010 partiel
12?/12?/2014 donc AM est nilpotente. b) Soit M ? Ker (?A) i.e. AM ? MA est la matrice nulle. D'après la question précédente on ...
Matrix algebra for beginners Part I matrices determinants
mathematician James Joseph Sylvester in 1850 Matrices ?rst arose from speci?c problems like (1) It took nearly two thousand years before mathematicians realised that they could gain an enormous amount by abstracting away from speci?c examples and treating matrices as objects in their own right just as we will do here
1 Introduction to Matrices - University of Florida
A matrix is a rectangular array of numbers The order or dimension of the matrix is the number of rows and columns that make up the matrix The rank of a matrix is the number of linearly independent columns (or rows) in the matrix
Chapter 7 Introduction toIntroductionto Matrices
7 1 Matrix — A Mathematical Definition In linear algebra a matrix is a rectangular grid of numbers arranged intorowsandcolumns Recalling our earlier definition of vector as a one-dimensional array of numbers a matrix maylikewise be defined as atwo-dimensional arrayof numbers
Searches related to matrice am ma PDF
toutes les matrices Mvéri ant AM= MA (a) Déterminer les matrices qui commutent avec la matrice Dobtenue à la question 2 (b) Montrer que en posant N= P 1MP Mcommute avec Asi et seulement si Ncommute avec D (c) En déduire les matrices commutant avec A(on essaiera de les exprimer comme combinai-
What is a matrix in linear algebra?
This is notonly a line from a great movie, it’s true for linear algebra matrices as well. Until you develop anability to visualize a matrix, it is just nine numbers in a box. We have stated that a matrix repre-sents a coordinate space transformation. So when we visualize the matrix, we are visualizing thetransformation, the new coordinate system.
What is the identity matrix?
The basic idea is that if you multiply amatrix by the identity matrix, you get the original matrix. So, in some ways, the identity matrix isfor matrices what the number 1 is for scalars. Matrices may have any positive number of rows and columns, including one. We have alreadyencountered matrices with one row or one column: vectors!
How to derive a matrix from a transformation?
We can derive a matrix which represents that transformation.All we have to do is figure out what the transformation does to basis vectors and fill in thosetransformed basis vectors into the rows of a matrix.
What is augmented matrix?
[A|b]?Mm,n+1(F). Theaugmented matrix is a useful notation for ?ndingthesolution of systemsusing row operations. Identical to other de?nitions for solutions of equations, the equivalenceof two systems is de?ned via the idea of equality of the solution set.
Étude deM7¡!AM¡MA
Partie II.1Soient M,N2M2(R) et¸2R. D"après le cours (définition des opérations dans M2(R) et de sa
structure d"espace vectoriel),AE¸'A(M)Å'A(N)'
Aest linéaire.Ensuite, on a Ker'AAE{M2M2(R)jAMAEMA}Comme A commute avec A et I
2, on voit queI
2,A2Ker'ASupposons que A2VectIn. Alors A commute avec toutes les matrices :
8M2M2(R)'A(M)AEAM¡MAAE0
donc'AAE0.Réciproquement, si'AAE0, c"est que
8M2M2(R) AMAEMA
Mais on a AE
1,1AE·a0
c0¸ E1,1AAE·a b
0 0¸
AE1,2AE·0a
0c¸
E1,2AAE·c d
0 0¸
Comme A commute avec E
1,1et E1,2, il vientbAEcAE0 etaAEd. Donc AAEaI2.'
AAE0 si, et seulement si, A2VectI2.I.2On calcule rapidementA(E1,1)AE·0¡b
c0¸A(E2,2)AE·0b
¡c0¸
A(E1,2)AE·¡c a¡d
0c¸
A(E2,1)AE·b0
d¡a¡b¸ On noteBAE(E1,1,E2,2,E1,2,E2,1), qui est une base de M2(R). D"après ces calculs,MatB'AAE2
66640 0¡c b
0 0c¡b
¡b b a¡d0
c¡c0d¡a3 7775I.3En faisant le calcul de déterminant (ce calcul n"est pas simple et je ne vois pas de manière
élégante de le faire), on trouveÂ
'AAEX2(X2¡(d¡a)2¡4bc)En notant¢AE(d¡a)2Å4bc, on aSp'AAE({0} si¢60 {0;p¢;¡p¢} si¢È01 Mathématiques Spéciales Troisième Devoir à la MaisonI.4On continue de noter
¢AE(a¡d)2Å4bc
On remarque aussi que dimKer'A>2, parce qu"on sait que I2,A2Ker'A, et (I2,A) est libre.²Si¢È0 : AlorsÂ'Aest scindé et
'AAEX2(X¡p¢)(XÅp¢) Comme 0 est de multiplicité 2 dansÂ'A, on en déduit dimKer'AAE2 Ensuite,p¢et¡p¢sont deux valeurs propres de'A, distinctes, de multiplicité 1. DoncDonc'Aest diagonalisable.
²Si¢AE0 : AlorsÂ'AAEX4; le polynôme minimal de'An"est pas X, parce que'A6AE0. Donc'A n"est pas diagonalisable. ²Si¢Ç0 : AlorsÂ'An"est pas scindé, et'An"est pas diagonalisable.' Aest diagonalisable si, et seulement si,¢È0.I.5On aÂAAEX2¡(aÅd)XÅ(ad¡bc)AE³X¡aÅd2
2¡4bcÅ(a¡d)24
AE³
X¡aÅd2
2¡¢4
²Si¢È0 : AlorsÂAest scindé à racines simples, et A est diagonalisable.²Si¢AE0, alorsÂAAE¡X¡aÅd2
2. Mais le polynôme minimal de A n"est pas X¡aÅd2
, parce que A n"est pas aÅd2I2. Donc A n"est pas diagonalisable.
²Si¢Ç0, alorsÂAn"est pas scindé et A n"est pas diagonalisable.Ceci, et le résultat de la question précédente, donnent queA est diagonalisable si, et seulement si,ÂAest diagonalisable.Partie II
II.1On suppose que A est diagonalisable. SoitBAE(e1,...,en) une base de E formée de vecteurspropres de A. Pour chaquei2[[1;n]], on note¸ila valeur propre associée àei. Soit P la matrice de
passage deBcversB. On note alorsDAEP¡1APAE2
6 4¸ 1... n3 7 5 et8i,j2[[1;n]] Bi,jAEPEi,jP¡1 Alors8i,j2[[1;n]] ABi,jAEPDP¡1PEi,jP¡1AE¸iPEi,jP¡1AE¸iBi,j BA(Bi,j)AE(¸i¡¸j)Bi,j
2 Mathématiques Spéciales Troisième Devoir à la MaisonLa famille (B
i,j)16i,j6nest une base de Mn(R), et ce sont tous des vecteurs propres de'A.'Aest diagonalisable.II.2.aSoientzetz0des valeurs propres complexes de A, c"est-à-dire des valeurs propres de A
vu comme endomorphisme deCn. Comme A ettA ont le même polynôme caractéristique et les mêmes valeurs propres, il existex,y2Cn, non nuls, tels queAxAEzxettAyAEz0y
On pose alors MAExty. Cette matrice n"est pas nulle car ses coefficients sont (xiyj)16i,j6n, et au moins un coefficient dexet deyn"est pas nul. On voit queAMAEAxtyAEzxtyAEzM MAAExtyAAEx(z0ty)AEz0M
et il vient'A(M)AE(z¡z0)MComme M6AE0, on a obtenu quez¡z0est valeurs propre de'A.II.2.bSupposons que A n"a pas de valeur propre réelle. Soitzune racine (dansC) deÂA; alorsz
n"est pas dansR. CommeÂA2R[X], on sait quezest aussi racine deÂA. Mais d"après la questionprécédente,z¡zest valeur propre de'A; et on sait que ces valeurs propres sont réelles, car'A
(endomorphisme de M n(R)) est diagonalisable. Autrement dit,2iImzAEz¡z2R
et la partie imaginaire dezest nulle. Donczest réel, c"est une contradiction.A a des valeurs propres réelles.
réelles, c"est-à-dire queÂAest scindé dansR[X].II.2.cSoient¸2Rune valeur propre de A etxun vecteur propre associé. On sait que
8i,j2[[1;n]] APi,j¡Pi,jAAE'A(Pi,j)AE¸i,jPi,j
donc8i,j2[[1;n]] APi,jx¡Pi,jAxAE¸i,jPi,jx et8i,j2[[1;n]] APi,jxAE(¸i,jŸ)Pi,jxAttention! On n"a pas montré que P i,jxest vecteur propre de A pour la valeur propre¹ i,jAE¸Å¸i,j. En effet, cela dépend de Pi,jx, et en particulier de s"il est nul ou pas. 3 Mathématiques Spéciales Troisième Devoir à la MaisonII.2.dOn montre que la famille (P
i,jx)16i,j6nengendreRn. Pour cela, on considère l"application h: Mn(R)¡!RnM7¡!Mx
et on prouve qu"elle est surjective. Commex6AE0, on peut construire une base (x,e2,...,en) deRn. Soity2E. D"après le cours, il existe un (unique) endomorphismefdeRntel que f(x)AEyet8i2[[2;n]]f(ei)AE0 Si on note MAEMatBcf, on ah(M)AEMxAEy. Ceci montre quehest surjective. Et l"image de la famille (P i,j)16i,j6n(génératrice de Mn(R)) est donc une famille génératrice deRn: (Pi,jx)16i,j6nengendreRn. D"après le cours, on peut extraire une base deRnà partir de cette famille. Et d"après
la questionII.2.c, c"est une base de vecteurs propres de A.A est diagonalisable.Partie III
III.1Soit M2R[A]. Par définition, il existe P2R[X] tel que MAEP(A). D"après le théorème de
division euclidienne, il existe Q,R2R[X] tels quePAEQ¼AÅR avec degRÇdeg¼AAEm
Donc MAEP(A)AEQ(A)¼A(A)ÅR(A)AER(A)AEm¡1P
kAE0RkAk et M2Vect(In,...,Am¡1)Ceci prouve que (I
n,...,Am¡1) engendreR[A]. Montrons que cette famille est libre. Soient¸0,...,¸m¡12Rtels que m¡1P kAE0¸kAkAE0En posant PAEm¡1P
kAE0¸kXk on a P(A)AE0. C"est-à-dire que P annule A, donc¼AjP. Mais degPÇmAEdeg¼Adonc PAE0 et0,...,¸m¡1sont nuls.(I
n,...,Am¡1) est une base deR[A].III.2Il est clair queR[A]½Ker'A, parce que les matrices dansR[A] commutent toutes avec A.III.3.aCe résultat a été prouvé plusieurs fois en cours (théorème des noyaux emboîtés) et en
exercices. Comme An¡16AE0, il existee2Rntel que An¡1e. La famille (e,...,An¡1e) est alors libre.III.3.bSoit B2Ker'A. Comme (e,...,An¡1) est une base deRn, le vecteur Bepeut s"y décomposer
et il existe¸0,...,¸n¡12Rtels que 4 Mathématiques Spéciales Troisième Devoir à la MaisonBeAEn¡1P
kAE0¸kAkeComme A et B commutent,
8k2[[0;n¡1]] BAkeAEAkBeAEn¡1P
jAE0¸jAjÅkeAE³ n¡1P jAE0¸jAj´ AkeBAEn¡1P
kAE0¸kAk2R[A] sont stables pas B.Réciproquement, supposons que E
1,...,Epsont stables par B. Soitk2[[1;p]]. Comme Ekest
le sous-espace propre de A pour la valeur propre¸k, on a8x2EkAxAE¸x
donc8x2EkA Bx|{z}2EkAE¸BxAEB(¸x)AEBAx
On a montré :8k2[[1;p]]8x2EkABxAEBAx
Comme A est diagonalisable, on a EAEpL
kAE1Ek: tout vecteur de E se décompose comme somme de vecteurs de E1,...,Ep. Immédiatement, par linéarité,
8x2E ABxAEBAx
On voit que A et B commutent, c"est-à-dire que B2Ker'A.B2Ker'Asi, et seulement si, E1,...,Epsont stables par B.III.4.bPour chaquek2[[1;p]], on notenkla dimension de Ek. On met ensemble des bases de
E1,...,Eppour former une baseBde E. Alors
8B2Mn(R) B2Ker'A()(E1,...,Epsont stables par B)
9A12Mn1(R),...,9Ap2Mnp(R) MatBBAE2
6 4A 1... A p3 7 5´Il vientdimKer'AAEpP
kAE1n2 k5 Mathématiques Spéciales Troisième Devoir à la MaisonPartie IV
IV.1On va prouver ça par récurrence. Il est clair queA(B0)AE'A(In)AE0AE®£0£B0
Comme B est vecteur propre de'Apour la valeur propre®, on aAB¡BAAE'A(B)AE®B
Maintenant, soitk2N. On suppose qu"on sait déjà que'A(Bk)AE®kBk. Il vient Par récurrence,8k2N'A(Bk)AEk®BkIV.2Soit P2R[X]. On aA(P(B))AE'A³
1P kAE0PkBk´ AE1P kAE0Pk'A(Bk)AE®1P kAE0kPkBkAE®BP0(B)8P2R[X]'A(P(B))AE®BP0(B)IV.3D"après la question précédente,®B¼0
B(B)AE'A(¼B(B))AE0
donc X¼0Bannule B (car®6AE0). Par suite,¼BjX¼0
B. Comme ces deux polynômes sont de degréd,¼B est unitaire, et le coefficient dominant de X¼0Bestd, il vientX¼0
BAEd¼BIV.4On voit que 0 est racine de¼B. Notonsm2N?sa multiplicité; il existe Q2R[X] tel que
Q(0)6AE0 et¼BAEXmQ. Alors
0BAEmXm¡1QÅXmQ0AEXm¡1(mQÅXQ0)
doncdXmQAEd¼BAEX¼0BAEXm(mQÅXQ0)
On peut simplifier par X
mparce queR[X] est intègre, pour obtenir dQAEmQÅXQ0ou encore (d¡m)QAEXQ0On évalue en 0 et il vient (d¡m)Q(0)AE0. Comme Q(0)6AE0, c"est quemAEd: 0 est racine de¼B, de
multiplicitéd. Comme¼Best de degréd, unitaire, c"est que¼BAEXd. Et finalement,B dAE¼B(B)AE06 Mathématiques Spéciales Troisième Devoir à la MaisonUne preuve du théorème de d"Alembert
Première partieI.1.aLe théorème de d"Alembert donné dans le cours dit :Tout polynôme à coefficients com-
plexes, non constant, est scindé dansC[X].Ou encore8P2C[X] degP>1AE)P scindé
La version suivante est aussi acceptable :Tout polynôme à coefficients complexes, non constant,
a (au moins) une racine.I.1.bSoit P un polynôme à coefficients réels, de degré impair. Il existep2Neta0,...,a2pÅ1réels
tels quea2pÅ16AE0 etPAE2pÅ1P
kAE0akXkSupposons par exemple quea2pÅ1È0. On a
8x2R?P(x)AEa2pÅ1x2pÅ1³
1Å2pP
kAE0a ka2pÅ1xk¡(2pÅ1)´
D"après les théorèmes généraux sur les limites (limites de sommes et de produits), P a des limites
en§1et lim x!Å1P(x)AEÅ1limx!¡1P(x)AE¡1 D"après la définition d"une limite, il existe MÈ0 tel que8x>M P(x)È2 et8x6¡M P(x)6¡2
De cette manière, P(M)P(¡M)Ç0; P est une fonction continue sur [¡M; M]. D"après lethéorème
des valeurs intermédiaires,P s"annule surR.I.1.cSoituun endomorphisme d"unR-espace vectoriel de dimension impaire. Son polynôme
caractéristique est de degré impair. D"après la questionI.1.c, il a une racine réelle.Tout endomorphisme d"unR-ev de dimension impaire a une valeur propre réelle.I.1.dSoit A2M3(R). Le polynôme X2ÅXÅ1 n"a pas de racine dansR. Mais A a une valeur propre
réelle, car c"est un endomorphisme deR3. D"après le cours, X2ÅXÅI3ne peut pas annuler A.{A2M3(R)jA2ÅAÅI3AE0}AE;I.2.aSoit¸2K, notonsu¸AEu¡¸idE. Commeuetvcommutent,u¸etvcommutent aussi. Soit
x2Keru¸: u¸(v(x))AEv(u¸(x))AE0
Ainsi,v(x)2Keru¸; ce sous-espace est stable parv. Soity2Imu¸; on peut trouverx2E tel queu¸(x)AEy. Alors 7 Mathématiques Spéciales Troisième Devoir à la Maison v(y)AEv(u¸(x))AEu¸(v(x))2Imu¸ce qui montre que Imu¸est stable parv.Pour tout scalaire¸, Ker(u¡¸idE) et Im(u¡¸idE) sont stables parv.I.2.bOn considère deux cas :
²Siuetvsont des homothéties, tous les sous-espaces de E sont stables paruetv. En parti- culier, toute droite (de dimension 1, impair) est stable paruetv. Et commenÈ1, les droites sont des sous-espaces stricts. ²Siu(par exemple) n"est pas une homothétie : comme E est unR-espace vectoriel de dimen-sion impaire, la questionI.1.cassure queua une valeur propre (réelle), notée¸. D"après le
théorème du rang, Donc l"un des deux sous-espaces Ker(u¡¸idE) ou Im(u¡¸idE) est de dimension impaire. Notons-le F. D"après la questionI.2.a, F est stable paruetv, puisque ces deux endomor- phismes commutent avecu. De plus,un"est pas une homothétie, donc Ker(u¡¸idE) n"est pas E; et il est au moins de dimension 1, parce que¸est valeur propre deu. Donc dimKer(u¡¸idE)2[[1;n¡1]] dimIm(u¡¸idE)AEn¡dimKer(u¡¸idE)2[[1;n¡1]]F est un sous-espace strict, stable paruetv.E a (au moins) un sous-espace strict de dimension impaire, stable paruetv.I.3Sin2N, on noteP(n) l"assertion : "Soit E unR-espace vectoriel de dimension 2nÅ1. Soient
uetvdes endomorphismes de E, qui commutent. Alorsuetvont un vecteur propre commun.» ²P(0) est vraie : Dans unR-espace de dimension 1, un vecteur de base est vecteur propre de tout endomorphisme. ²Soitn2Ntel queP(0),...,P(n) sont vraies. Soient E unR-espace vectoriel de dimension de E, de dimension impaire, stable paruetv. D"après l"hypothèse de récurrence, les endomorphismes induits paruetvsur F ont un vec- pouruetv.²Par récurrence,P(n) est vraie pour toutn2N.Deux endomorphismes d"unR-espace vectoriel de dimension
impaire, qui commutent, on un vecteur propre commun.8 Mathématiques Spéciales Troisième Devoir à la MaisonDeuxième partie
II.1Soient M,N dansFet¸2R. D"après les propriétés de la conjuguaison (morphisme d"an-neaux surC), et des opérations sur Mn(C),¸MAE¸MAE¸tM et¸MÅNAE¸MÅNAE¸tMÅtN
La transposition est linéaire et involutive donct¸MÅNAE¸MÅNFest unR-sous-espace de Mn(C).En revanche, ce n"est pas unC-sous-espace de Mn(C) parce que In2F, maisiI
nAE¡iIn6AEtIn.II.2Dans ce qui suit, la structure d"espace vectoriel sur M n(C) est toujours celle deR-espace vectoriel. Soit M2Mn(C). On note ses coefficients (Mk,`)16k,`6net on pose8k,`2[[1;n]]xk,`AEReMk,`yk,`AEImMk,`
puis XAE(xk,`)16k6n16`6nYAE(yk,`)16k6n
16`6n de sorte que MAEXÅiY D"après la semi-linéarité de la conjuguaison, et la linéarité de la transposition,On aMAEX¡iY
tMAEtXÅitYComme X et Y sont à coefficients réels,
M2F()tMAEM()tXÅitYAEX¡iY()½
tXAEX tYAE¡Y()(X2Sn(R) et Y2An(R)) ce qui prouveFAESn(R)ÅiAn(R) Montrons que cette somme est directe. Soient X2Sn(R) et Y2An(R) tels que XÅiYAE0. Alors8k,`2[[1;n]]xk,`|{z}
2RÅiyk,`|{z}
2RAE0 et8k,`2[[1;n]]xk,`AEyk,`AE0 donc XAEYAE0. Il vientFAESn(R)©iAn(R)
Enfin, dim
RSn(R)AEn(nÅ1)2
dimRiAn(R)AEdimAn(R)AEn(n¡1)2 car il est facile de vérifier que Y7¡!iY est unR-isomorphisme de An(R) sur iAn(R).dimRFAEn(nÅ1)2
Ån(n¡1)2
AEn2est impaire.Ici, on a utilisé le fait que pgcd(2,n)AE1, donc pgcd(2,n2)AE1. 9 Mathématiques Spéciales Troisième Devoir à la Maison II.3.aSoit M2F. En utilisant les propriétés de la conjuguaison et de la transposition, et bienévidemment le fait queMAEtM,AMÅMtAAEAMÅM
tAAEA tMÅtMtAAEt(AM)Åt(MtA) AE t(AMÅMtA)De mêmeAM¡MtAAE¡t(AM¡MtA)
CommeıAE¡i8M2F12
(AMÅMtA)2Fet12i (AM¡MtA)2FII.3.bLa linéarité deuetvest triviale. Ensuite,8M2Fuv(M)AEu(v(M))AE12
(Av(M)Åv(M)tA)2uv(M)AEA³12i
(AM¡MtA)Å12i
(AM¡MtA) tA4iuv(M)AEA2M¡MtA
2 tandis que8M2Fvu(M)AEv(u(M))AE12i (Au(M)¡u(M)tA)2ivu(M)AEA³12
(AMÅMtA)¡12
(AMÅMtA) tA4ivu(M)AEA2M¡MtA
2uetvsont deux endomorphismes deFqui commutent.D"après la questionI.3, et parce queFest unR-espace vectoriel de dimension impaire,uetvont un vecteur propre commun.II.3.cOn a
(2¸M0AE2u(M0)AEAM0ÅM0tA2i¹M0AE2iv(M0)AEAM0¡M0tA
En ajoutant ces deux relations, AM
0AE(¸Åi¹)M0
M0est un vecteur propre deu(etv) donc elle n"est pas nulle. Soit X une de ses colonnes non
nulles. On a AXAE(¸Åi¹)X : X est vecteur propre de A (comme endomorphisme deCn) pour la valeur propre¸Åi¹.A a (au moins) une valeur propre complexe. II.4Soient E unC-espace de dimension impaire, etf2L(E). SiBest une base de E, on a par définition fAEÂMatBfD"après la questionII.3.c, MatBfa au moins une valeur propre. Doncfaussi.Tout endomorphisme d"unC-espace vectoriel de dimension impaire a des valeurs propres.10
Mathématiques Spéciales Troisième Devoir à la Maison II.5Si on reprend le texte de la réponse aux questionsI.2etI.3, en remplaçant la lettreRparC, on prouve queDeux endomorphismes d"unC-espace vectoriel de dimension impaire, qui commutent, on un vecteur propre commun.Troisième partieIII.1.1C"est du cours :dim
CAn(C)AEn(n¡1)2
III.1.2.aSoit M2An(C). D"après les propriétés de la transposition et parce que M est antisymé-
trique, t ett(AMtA)AEAtMtAAE¡AMtA8M2An(C) AMÅMtA2An(C) et AMtA2An(C)III.1.2.bLa linéarité ne pose aucun problème. Montrons qu"ils commutent :
AEA2MtAÅAMtA2
AEA(AMÅMtA)tAAEAu(M)tA
uv(M)AEvu(M)uetvsont des endomorphismes de An(C) qui commutent.III.1.2.cOn a déjà calculé la dimension de A
n(C); rentrons dans les détails, en utilisant le fait que nAE2kp, avecpimpair : dimA n(C)AEn(n¡1)2AE2k¡1p(2kp¡1)
On sait déjà quepest impair; etk>1 donc 2kpest pair et 2kp¡1 est impair. AlorsqAEp(2kp¡1)
est impair et dimAn(C)AE2k¡1q. CommeP(k¡1) est vraie,uetvont au moins un vecteur propre commun.III.1.2.dOn a¹N0AEv(N0)AEAN0tAAEA(N0tAÅAN0|{z}
AEu(N0)¡AN0)
AEA(¸N0¡AN0)
d"où(Aquotesdbs_dbs16.pdfusesText_22[PDF] extrait traduction
[PDF] matrice scalaire
[PDF] matrices commutatives
[PDF] quels sont les types de lecteurs
[PDF] matrice cours et exercices pdf
[PDF] matrice cours pdf
[PDF] cours determinant d'une matrice
[PDF] résumé sur les matrices pdf
[PDF] matrice deisenhower excel
[PDF] matrice deisenhower vierge
[PDF] télécharger matrice eisenhower excel
[PDF] matrice eisenhower vierge
[PDF] fichier excel matrice eisenhower
[PDF] matrice eisenhower exemple