Réduction

Exercices corrigés sur le thème « réduction des matrices et des endomorphismes » pour Spé Mp, Pc, Psi (posés à Polytechnique, Ens, Mines, Centrale, Ccp, etc.)

Conservation du volume

Dans {E} euclidien de dimension {n}, soit {d\in\{1,\ldots,n\}}.
Si {x\in E^d} est liée, on pose {m(x) =0}.
Sinon, soit {\mathcal{B}} une base orthonormale de {\text{Vect}(x)}.
On pose alors {m(x) =\left|\det_{\mathcal{B}}(x)\right|}.
Soit {X_{d}} l’ensemble des endomorphismes de E tels que :
{\forall x\in E^{d},\; m(f(x_{1}),\ldots,f(x_{d})) = m(x)}L’objectif de l’exercice est de prouver que {X_{d}=O(E)}

Diagonalisation de M->AM+MB

(Oral X-Cachan Psi)
Soient {A,B\in\mathcal{M}_{n}(\mathbb{R})}, diagonalisables dans \mathcal{M}_{n}(\mathbb{R}).
Soit \varphi_{A,B} l’endomorphisme de \mathcal{M}_{n}(\mathbb{R}) défini \varphi_{A,B}(M)=AM+MB.
Dans cet exercice, on montre (de deux manières différentes) que l’endomorphisme \varphi_{A,B} est diagonalisable et on en donne une base de diagonalisation.

L’urne d’Ehrenfest, épisode 2

On reprend les notations et résultats de l’épisode 1.
On forme ici la matrice de transition associée à ce processus de Markov, et on l’interprète comme celle d’un endomorphisme \varphi de {\mathbb{R}_{N}[X]} dans la base canonique.
Si {t\mapsto G_{n}(t)} est la fonction génératrice de {X_{n}}, on voit que {G_{n+1}=\varphi(G_{n})}.
On retrouve alors la relation {\text{E}(X_{n+1})=1+\Bigl(1-\dfrac{2}{N}\Bigr)\text{E}(X_{n})}.

Matrices bistochastiques, épisode 9

Soit {B_{n}\in\mathcal{M}_n(\mathbb{R})} la matrice de terme général {(b_{i,j})_{1\le i,j\le n}} définie par:
{\begin{cases}b_{i,i+1}=b_{i+1,i}=\dfrac{1}{2}\text{\ si }1\le i\lt n\\b_{1,1}=b_{n,n}=\dfrac{1}{2},\text{\ et\ }b_{i,j}=0\text{\ dans les autres cas}\end{cases}}On diagonalise B_n, on étudie la limite de ses puissances, et on illustre les résultats avec l’aide du langage Python.