Agrégation interne

UFR MATHÉMATIQUES

Exercice
On appelle matrice de Hessenberg une matrice A ∈ Cn,n qui satisfait à aij = 0 pour j < i − 1. On dit qu’une
matrice de Hessenberg est irréductible si ai,i−1 6= 0, pour tout i = 2, . . . , n.
1) Soit p ∈ Pn un polynôme unitaire, p(x) = xn − an xn−1 − . . . − a2 x − a1 . Construire une matrice de Hessenberg
irréductible qui admet (−1)n p pour polynôme caractéristique.
2) Montrer que si A est une matrice de Hessenberg irréductible, alors pour toute valeur propre λ de A, l’espace propre
associé est de dimension 1.
3) Démontrer que les valeurs propres d’une matrice de Hessenberg irréductible sont simples si et seulement si la matrice
est diagonalisable.
Nous supposons maintenant que la matrice A ∈ Rn,n est tridiagonale, symétrique et irréductible. Prenons A de la
forme
 
a1 b 1 0 0 ... 0
.. 
0 . 

 b 1 a2 b 2

.. .. 
 0 b 2 a3 b 3 . . 
 
A= .
 . ... ... ... ...

 . 0 

 . .. . ..
 .. . ..

. bn−1 
0 . . . . . . 0 bn−1 an

4) Montrer que les valeurs propres de A sont simples.

5) Décrire un algorithme de calcul de l’espace propre associé à une valeur propre de A.
Soit maintenant une matrice A ∈ Cn,n tridiagonale. Prenons A de la forme
 
a1 b1 0 0 ... 0
..
0 .
 
 c2 a2 b2 

.. .. 
0 c3a3 b3 . .
 
A= .

 . .... .. .. 
 . . . . . 0 

 . .. .. ..
 ..

. . . bn−1 
0 ... ... 0 cn an

6) Proposer un algorithme de calcul du polynôme caractéristique de A.

7) Vérifier que A admet les mêmes valeurs propres que la matrice
 
a1 c2 b 1 0 0 ... 0
..
1 0 .
 
 a2 c3 b 2 

.. ..

0 1 a3 c4 b 3 . .
 
B=
 
.. .. .. .. .. 

 . . . . . 0 

 .. .. .. .. 
 . . . . cn bn−1 
0 ... ... 0 1 an

8) Montrer que si ai ∈ R pour i = 1, . . . , n et si ci+1 bi ∈ R∗+ pour i = 1, . . . , n − 1, alors A admet n valeurs propres
réelles simples et est diagonalisable.
9) Que peut-on dire si ai ∈ R pour i = 1, . . . , n et si ci+1 bi ∈ R∗− pour i = 1, . . . , n − 1 ?

Éléments de solution

1) Prenons p ∈ Pn de la forme p(x) = xn − an xn−1 . . . − a1 . On considère la matrice de Hessenberg irréductible

0 0 ... a1
 
1 0 ... a2 
0 1 ...
 
A=
.
.
 .. .. 
. 
0 ... 1 an

Le polynôme caractéristique de A, qn (λ) = Dét(A − λI), satisfait à la relation qn (λ) = −λqn−1 (λ) + (−1)n+1 a1 ,
où qn−1 (λ) est le polynôme caractéristique de la sous-matrice de A, obtenue en supprimant la 1◦ ligne et la 1◦
colonne de A. On vérifie que
qn (λ) = −λqn−1 (λ) + (−1)n+1 a1



n

 qn−1 (λ) = −λqn−2 (λ) + (−1) a2



...

 q2 (λ) = −λq1 (λ) + (−1)3 an−1




q1 (λ) = an − λ


D’où l’on conclut que qn (λ) = (−1)n pn (λ). (On retrouve en fait la matrice-compagnon)
2) Soit A une matrice de Hessenberg irréductible et λ ∈ R. Nous posons

a11 − λ a12 ... a1n

 
a
21 a22 − λ . . . a2,n−1 
 a21 a22 − λ ... a2n
 0 a32 ... a3,n−1 

0 a32 ... a3n
 
Aλ =   , Bλ =  .
 . .. .
 .. .. 
. .
 . . 
0 ... an,n−1
0 ... an,n−1 ann − λ

n
Y
On a Dét(Bλ ) = ai,i−1 6= 0. Ainsi pour tout λ ∈ R, le rang de Aλ est supérieur ou égal à n − 1. En particulier
i=2
si λ est une valeur propre de A alors dim(Ker(A − λI)) = 1.
3) Si la matrice A Hessenberg irréductible est diagonalisable, alors Cn = ⊕pk=1 Ker(A − λk I), où λ1 , . . . , λp sont les
valeurs propres de A. Par le point précédent nous avons nécessairement p = n. Donc les valeurs propres de A sont
simples.
Supposons que les valeurs propres de A Hessenberg irréductible soient simples. Cela implique que A possède n
valeurs propres de multiplicité 1. Donc A est diagonalisable.
4) Une matrice réelle symétrique a toutes ses valeurs propres réelles et est diagonalisable. Si elle est tridiagonale
irréductible, alors ses valeurs propres sont nécessairement simples d’après le point 3).
5) Soit λ une valeur propre de A et x ∈ Rn \{0} un vecteur propre associé. Alors nous avons les relations
a1 x1 + b1 x2 = λx1 , bk−1 xk−1 + ak xk + bk xk+1 = λxk , 2 ≤ k ≤ n − 1, bn−1 xn−1 + an xn = λxn . Si nous
avons xn = 0, alors puisque tous les bi sont différents de 0, nous déduisons que tous les xi sont nuls. Donc
sans restreindre la généralité, nous prenons xn = 1. Alors clairement x1 , x2 , . . . , xn−1 sont solution d’un système
triangulaire supérieur. Nous sommes conduits à l’algorithme suivant.
Algorithme : Partant de xn−1 = (λ−a n)
bn−1 , pour k = n − 1, . . . , 2, calculer xk−1 =
−bk xk+1 −(ak −λ)xk
bk−1 .
N.B. : On redémontre au passage que l’espace propre associé à λ est de dimension 1.
6) Nous notons Ak la sous-matrice principale d’ordre k de A et pk le polynôme caractéristique de Ak . Alors
posant p0 (λ) = 1, nous déduisons les relations de récurrence p1 (λ) = a1 − λ et pour k = 2, . . . , n, pk (λ) =
(ak − λ)pk−1 (λ) − bk−1 ck pk−2 (λ).

2
7) Le polynôme caractéristique de B s’obtient par les mêmes formules de récurrence que celles obtenues pour calculer
celui de A.
8) La matrice A possède le même polynôme caractéristique
√
que
p la matrice tridiagonale C formée du vecteur diagonal
(a1 , . . . , an )T et des vecteurs extradiagonaux ( c2 b1 , . . . , cn bn−1 )T. La matrice C est symétrique, tridiagonale et
irréductible. Elle est diagonalisable avec n valeurs propres réelles simples. A admet donc n valeurs propres distinctes
et est diagonalisable.
9) Alors les valeurs propres ne sont plus nécessairement réelles. On peut construire facilement des contre-exemples.
L’espace propre associé 
à une valeur
 propre est de dimension 1 (mais la valeur propre peut être multiple : 3 est
4 1
valeur propre double de ).
−1 2