Documente Academic
Documente Profesional
Documente Cultură
J.F.C.
Eve p. 1
ALGEBRE
BILINEAIRE
I PRODUIT SCALAIRE
1. D
enitions
2. Caract
erisations
3. Premi`
eres propri
et
es
4. Des exemples
5. Norme euclidienne associ
ee `
a un produit scalaire
6. Vecteur unitaire
II ORTHOGONALITE
1. Premiers
el
ements
2. Bases orthogonales et bases orthonormales ou orthonorm
ees
3. Orthogonal dun sous-espace vectoriel dun espace vectoriel euclidien
4. Un exemple classique
ET DE BASES ORTHONORMEES
1. Laspect th
eorique
2. Laspect pratique version 1
3. Laspect pratique version 2
4. Dans un concours
IV PROJECTION ORTHOGONALE
1. D
enition
2. Premi`
eres caract
erisations
3. Expression de la projection orthogonale pF dans une base orthonorm
ee de F
4. Laspect pratique
5. Le th
eor`
eme fondamental : la caract
erisation dune projection orthogonale par minimisation de la norme
6. Une remarque importante
7. Une application du th
eor`
eme fondamental. M
ethode des moindres carr
es
J.F.C.
Eve p. 2
VI SAVOIR FAIRE
VII COMPLEMENTS
1. Egalit
e dans lin
egalit
e triangulaire
2. Matrice dun endomorphisme sym
etrique des une base orthonorm
ee
3. Une caract
erisation des bases orthonorm
ees
4. Un peu plus sur les matrices orthogonales
5. Matrice dun produit scalaire
6. Encore des propri
et
es des endomorphismes sym
etriques
7. Caract
erisations des matrices sym
etriques
8. Caract
erisation des projections orthogonales again
9. Encadrement de Rayleigh
10. Matrices sym
etriques positives (resp. d
enies positives)
11. Racine carr
ee sym
etrique et positive (resp. d
enie positive) dune matrice sym
etrique et positive (resp. d
enie positive) de Mn (R)
12. R
ealisation de la distance dun vecteur `
a un sous-espace dans un espace pr
ehilbertien
13. Adjoint dun endomorphisme dun espace vectoriel euclidien
14. Endomorphisme orthogonal
15. Base orthonorm
ee de Rn [X] d
eduite de la base canonique (1, X, . . . , Xn ) de Rn [X] par le
proc
ed
e dorthonormalisation de Schmidt
16. D
ecomposition polaire dune matrice inversible de Mn (R)
17. D
ecomposition dIwasawa dune matrice inversible de Mn (R)
18. D
ecomposition de Cholesky dune matrice sym
etrique d
enie positive
19. Th
eor`
eme de Courant-Fischer
J.F.C.
Eve p. 3
` EVITER
IX PRATIQUES OU RHETORIQUES
USUELLES
TOUTES FAITES
1. Produit scalaire
2. Orthogonal dun sous-espace
3. Diagonalisation dun endomorphisme sym
etrique
4. Diagonalisation dune matrice sym
etrique `
a coecients r
eels
POUR AMELIORER
TON EUCLIDIENNE ATTITUDE
J.F.C.
Eve p. 4
ALGEBRE
BILINEAIRE
I Si vous trouvez quelques coquilles dans ces feuilles merci de me les signaler (jean-francois.cossutta@wanadoo.fr).
P Mentionne des resultats particuli`erement utiles et souvent oublies dans la pratique de lalg`ebre bilineaire...
Mentionne des erreurs `a ne pas faire ou des hypoth`eses importantes ou des mises en garde.
Notons que le programme dalg`ebre bilineaire de 2014 est tr`es proche du precedent.
PRODUIT SCALAIRE
I 1. D
enitions
D
ef. 1 On appelle produit scalaire sur E toute application de E E dans R veriant :
1. (x, y, z) E 3 , R, ( x + y, z) = (x, z) + (y, z)
( est symetrique).
( est positive).
5. x E, (x, x) = 0 = x = 0E
( est denie).
J.F.C.
Soit (x, y) < x, y > une application de E 2 dans R.
Th. 2
Eve p. 5
p et q sont deux elements de N . (xi )16i6p et (yj )16j6q sont deux familles delements de E.
i xi ,
i=1
j yj >=
j=1
p
q
i j < xi , yj >.
i=1 j=1
I 4. Des exemples
1 E = Rn . Si x = (x1 , x2 , . . . , xn ) et y = (y1 , y2 , . . . , yn ) sont deux elements de Rn , on pose :
< x, y >=
xk yk .
k=1
< ., . > est un produit scalaire sur Rn . Cest le produit scalaire canonique de Rn .
y1
x1
x2
y2
2 E = Mn,1 (R). Si X =
... et Y = .. sont deux elements de Mn,1 (R), on pose :
.
xn
yn
< X, Y >=
xk yk = t XY = t Y X.
k=1
< ., . > est un produit scalaire sur Mn,1 (R). Cest le produit scalaire canonique de Mn,1 (R).
3 E = Mn,p (R) . Si A = (aij ) et B = (bij ) sont deux elements de E on pose
< A, B >=
p
n
i=1 j=1
< ., . > est un produit scalaire sur E. Cest le produit scalaire canonique de Mn,p (R).
J.F.C.
4 E = Rn [X]. Si P =
ak X k et Q =
Eve p. 6
k=0
k=0
< P, Q >=
ak bk .
k=0
< ., . > est un produit scalaire sur Rn [X]. Cest le produit scalaire canonique de Rn [X].
5 E = C([a, b], R) est lespace vectoriel des fonctions numeriques continues sur [a, b] (a < b) et p est une fonction
numerique continue et strictement positive sur [a, b].
Si f et g sont deux elements de E on pose :
< f, g >=
2. | < x, y > | = < x, x > < y, y > si et seulement si (x, y) est liee.
Cor. 1 x = (x1 , x2 , . . . , xn ) et y = (y1 , y2 , . . . , yn ) sont deux elements de Rn .
v
n
n
u
u 2
xk
xk yk 6 t
k=1
v
u n
u
t
yk2 .
k=1
n
(
k=1
)2
xk yk
k=1
k=1
x2k
yk2 .
k=1
f (t)g(t) dt 6
f 2 (t) dt
g 2 (t) dt.
)2
f (t)g(t) dt 6
g 2 (t) dt.
f (t) dt
D
ef. 3 On appelle norme sur un K-espace vectoriel E (K = R ou C) toute application N de E dans R+ veriant :
N1
x E, N (x) = 0 x = 0E .
N2
N3
Th. 4 et d
ef. 4 Lapplication qui `a tout element x de E associe
J.F.C.
Eve p. 7
Th. 5 x E, x = 0 x = 0E .
x E, R, x = ||x.
(x, y) E 2 , x + y 6 x + y (inegalite de Minkovski).
Th. 6 In
egalit
e de Cauchy-Schwarz again
1. | < x, y > | 6 x y
et
(< x, y >)2 6 x2 y2 .
< x + y, x y >= x2 y2 .
Th. 8 Encore une identit
e remarquable x1 , x2 , ..., xp sont p elements de E.
x1 + x2 + + xp 2 =
i=1
Th. 9 Identit
es de polarisation
< x, y >=
xi 2 + 2
< xi , xj >.
16i<j6p
]
1[
x + y2 x2 y2 .
2
< x, y >=
< x, y >=
]
1[
x2 + y2 x y2 .
2
]
1[
x + y2 x y2 .
4
Th. 10 Identit
e du parall
elogramme (x, y) E 2 , x + y2 + x y2 = 2 x2 + 2 y2 .
I 6. Vecteur unitaire
D
ef. 5 Un vecteur unitaire ou norm
e de E est un vecteur dont la norme vaut 1.
Au niveau des polynomes il ne faudra pas confondre les deux notions dunitaire. Une bonne lecture du texte
ou le contexte permettent de lever les ambiguites.
Prop. 4 1. Si x est un vecteur non nul de E,
1
x est un vecteur unitaire de E.
x
2. Un droite vectorielle de E contient exactement deux vecteurs unitaires qui sont opposes.
J.F.C.
II
Eve p. 8
ORTHOGONALITE
I 1. Premiers
el
ements
D
ef. 6 1. On dit que deux elements x et y de E sont orthogonaux si leur produit scalaire est nul, autrement dit
si < x, y >= 0.
2. Un
el
ement x de E est orthogonal `
a une partie A de E si x est orthogonal `a tous les elements de
A.
3. Deux parties A et B de E sont orthogonales si tout vecteur de A est orthogonal `a tout vecteur
de B.
4. Lorthogonal dune partie A de E est lensemble des vecteurs de E orthogonaux `a A. On note A
cet orthogonal et A lorthogonal de A .
Th. 11 Th
eor`
eme de Pythagore. x et y sont deux elements de E
x et y sont orthogonaux si et seulement si x + y2 = x2 + y2
ou : < x, y >= 0 x + y2 = x2 + y2 .
Prop. 5 Si (x1 , x2 , . . . , xn ) est une famille delements de E deux `a deux orthogonaux :
x1 + x2 + + xn 2 = x1 2 + x2 2 + + xn 2 .
Th. 12 1. E = {0E }.
2. {0E } = E.
3. Soit F un sous-espace vectoriel de E.
F est un sous-espace vectoriel de E.
F F = {0E }.
F F .
P E = {0E } sutilise souvent de la mani`ere suivante. Pour montrer quun vecteur de E est nul on montre
quil est orthogonal `a tous les elements de E. Ou pour montrer que deux vecteurs x et y de E sont egaux on montre
que x y est orthogonal `a tous les elements de E.
Prop. 6 F et G sont deux sous-espaces vectoriels de E. F G donne G F .
Prop. 7
Prop. 8 F et G sont deux sous-espaces vectoriels de E. Les assertions suivantes sont equivalentes.
i) F et G sont orthogonaux.
ii) F G .
iii) G F .
J.F.C.
Eve p. 9
non nuls
est libre.
PP Les bases canoniques de Rn , Mn,p (R), Mn,1 (R), M1,n (R), Rn [X] sont othonormees pour les produits
scalaires canoniques de ces espaces vectoriels.
Th. 14
< x, ek > ek .
k=1
Th. 15
xk yk = t XY = t XY .
v
u n
u
x = t
x2k = t XX = X.
k=1
k=1
k=1
xk ek E, y =
k=1
yk ek E, < x, y >=
xk yk .
k=1
3. Dans les espaces vectoriels reels usuels, le produit scalaire canonique est celui qui rend la base
canonique orthonormee.
D
ef. 9 Une matrice P de Mn (R) est orthogonale si elle verie P t P = t P P = In .
J.F.C.
Eve p. 10
Prop. 12 Une matrice P de Mn (R) est orthogonale si et seulement si elle est inversible et son inverse est sa
transposee.
Th. 16 Changement de bases orthonorm
ees.
Soit B = (e1 , e2 , . . . , en ) et B = (e 1 , e 2 , . . . , e n ) deux bases orthonorm
ees de E.
La matrice de passage P de B `
a B est orthogonale. Ainsi P t P = t P P = In et P 1 = t P .
Soit B = (e1 , e2 , . . . , en ) une base orthonormee de E. Soit B = (e 1 , e 2 , . . . , e n ) une famille delements
Prop. 13 de E.
Soit P la matrice de la famille B dans la base B.
B est une base orthonormee de E si et seulement si P est une matrice orthogonale.
Th. 17 Dans un espace vectoriel euclidien on peut completer une famille orthonormee en une base orthonormee.
Th. 18 Tout espace vectoriel euclidien de dimension non nulle poss`ede une base orthonormee.
Th. 19 On suppose que E est de dimension n .
1. Toute famille orthogonale de n vecteurs non nuls de E est une base orthogonale de E.
2. Toute famille orthonormee de n vecteurs de E est une base orthonormee de E.
I 3. Orthogonal dun sous-espace vectoriel dun espace vectoriel euclidien
Th. 20 Soit F un sous-espace vectoriel dun espace vectoriel euclidien E .
E = F F et F = F .
F est lunique supplementaire de F orthogonal `a F .
P
SD Ce resultat ne vaut pas dans un espace prehilbertien reel quelconque. Neanmoins il reste vrai dans
le cas important o`
u E est un espace prehilbertien reel et o`
u F est un sous-espace vectoriel de E de dimension nie.
Si F et G sont deux sous-espaces vectoriels orthogonaux de E, on evitera de dire que G = F ou F = G .
F et G orthogonaux signie F G ou (et ! !) G F . Cependant :
Prop. 14 Si F et G sont deux sous-espaces vectoriels de E orthogonaux et suppl
ementaires alors G = F
(et F = G ).
Notons que ce resultat vaut dans un prelhibertien mais pas sa reciproque.
Prop. 15
Si B est une base orthonormee de F et B est une base orthonormee de F alors B B est une base
orthonormee de E.
Prop. 16
Soit (e1 , e2 , . . . , ep ) une base orthonormee de F qui se compl`ete en une base orthonormee (e1 , e2 , . . . , en )
de E.
F est le sous-espace vectoriel de E engendre par (ep+1 , ep+2 , . . . , en ). Mieux (ep+1 , ep+2 , . . . , en ) est une
base orthonormee de F .
J.F.C.
Prop. 17
Eve p. 11
n (n + 1)
n (n 1)
et dim An (R) =
2
2
J.F.C.
III
Eve p. 12
ET DE BASES ORTHONORMEES
I 1. Laspect th
eorique
Th. 1 Soit (u1 , u2 , . . . , un ) une base quelconque de E.
Il existe une base orthonorm
ee de E et une seule (w1 , w2 , . . . , wn ) telle que pour tout k appartenant `a
[[1, n]] :
1. Vect(w1 , w2 , . . . , wk ) = Vect(u1 , u2 , . . . , uk ).
2. < wk , uk > est strictement positif.
(w1 , w2 , . . . , wn ) est LA base orthonormee deduite de (u1 , u2 , . . . , un ) par le procede dorthonormalisation
de Schmidt.
Il convient de noter que :
w1 est LE vecteur unitaire de Vect(u1 ) qui verie < w1 , u1 > > 0.
Pour tout k element de [[2, n]], wk est LE vecteur unitaire de la droite vectorielle constituee par lorthogonal
de Vect(u1 , u2 , . . . , uk1 ) dans Vect(u1 , u2 , . . . , uk ) qui verie < wk , uk > > 0.
I 2. Laspect pratique version 1
Pour construire la base (w1 , w2 , . . . , wn ) on utilise la methode de Schmidt basee sur lalgorithme suivant.
On construit dabord w1 . Pour cela on pose w1 = u1 et on cherche tel que w1 = 1 et < w1 , u1 >> 0.
Supposons que lon ait construit (w1 , w2 , . . . , wk1 ) pour k dans [[2, n 1]]. On construit alors wk .
Pour cela on pose wk = 1 w1 + 2 w2 + + k1 wk1 + k uk .
En ecrivant que wk est orthogonal `a wi on exprime i en fonction de k pour tout i dans [[1, k 1]].
On trouve alors k en utilisant wk = 1 et < wk , uk >> 0.
1
1
u1 et k [[2, n]], wk =
tk avec tk = uk
< u k , wi > wi .
u1
tk
i=1
k1
Notons que : w1 =
J.F.C.
PP
Eve p. 13
Pour construire cette base orthogonale (v1 , v2 , . . . , vn ) `a partie de (u1 , u2 , . . . , un ) on proc`ede de la mani`ere suivante.
On pose v1 = u1 .
Supposons que lon ait construit (v1 , v2 , . . . , vk1 ) famille orthogonale de E telle que :
Vect(v1 , v2 , . . . , vk1 ) = Vect(u1 , u2 , . . . , uk1 ) (k [[1, n 1]]).
On construit alors vk . Pour cela on pose vk = uk + 1 v1 + 2 v2 + + k1 vk1 .
En ecrivant que vk est orthogonal `a vi on calcule i pour tout i dans [[1, k 1]].
On obtient alors vk = uk
k1
i=1
< uk , vi >
< uk , vi >
vi = u k
vi .
< vi , v i >
vi 2
i=1
k1
k1
i=1
< uk , vi >
< uk , vi >
vi = uk
vi .
< vi , vi >
vi 2
i=1
k1
1
vk . (w1 , w2 , . . . , wn ) est lunique base orthonormee de E telle que :
vk
1. Vect(w1 , w2 , . . . , wk ) = Vect(u1 , u2 , . . . , uk ).
2. < wk , uk > est strictement positif.
PP
Etape
1 On pose v1 = u1 .
Etape
2 On pose v2 = u2 + v1 et on cherche pour que v2 soit orthogonal `a v1 .
Etape
3 On pose v3 = u3 + v1 + v2 et on cherche et pour que v3 soit orthogonal `a v1 et v2 .
Et ainsi de suite...
1
vk . (w1 , w2 , . . . , wn ) est une base orthonormee de E.
vk
Mieux cest LA base orthonormee de E deduite de (u1 , u2 , . . . , un ) par le procede dorthonormalisation de Schmidt.
I 4. Dans un concours
Dans les concours les deux questions classiques sont :
Construire la base orthonorm
ee d
eduite de (u1 , u2 , . . . , un ) par le proc
ed
e dorthonormalisation de
Schmidt.
Montrer que (w1 , w2 , . . . , wn ) est la base orthonorm
ee d
eduite de (u1 , u2 , . . . , un ) par le proc
ed
e
dorthonormalisation de Schmidt.
J.F.C.
IV
Eve p. 14
PROJECTION ORTHOGONALE
Dans cette section, sauf mention du contraire, E est un espace vectoriel euclidien .
On note < ., . > le produit scalaire deni sur E et . la norme associee. On rappelle alors que si F est un sous-espace
vectoriel de E, F et F sont supplementaires.
I 1. D
enition
D
ef. 1 Soit F un sous-espace vectoriel de lespace vectoriel euclidien E. La projection orthogonale sur F nest
autre que la projection sur F parall`element `a F .
Si F est un sous-espace vectoriel de lespace prehilbertien E on peut denir la projection orthogonale sur F
d`es que F est un supplementaire de F dans E. Cest par exemple le cas si F est de dimension nie.
I 2. Premi`
eres caract
erisations
Prop. 1 F est un sous-espace vectoriel de lespace vectoriel euclidien E. pF est la projection orthogonale sur F .
Si x et y sont deux elements de E :
{
pF (x) = y
yF
x y F
yF
z F, < x y, z >= 0
On retiendra de ce r
esultat quil nest pas n
ecessaire de connatre F pour trouver la projection
orthogonale de x sur F.
I 3. Expression de la projection orthogonale pF dans une base orthonorm
ee de F.
Th. 4
< x, uk > uk .
k=1
Jai note p la dimension de F alors que cest k dans programme... Mais jassume...
J.F.C.
Eve p. 15
Th. 5
Uk t Uk , donc MB (pF ) =
k=1
Uk t Uk .
k=1
Cor. 2
< x, u >
u.
u2
< x, u >
u.
u2
I 4. Laspect pratique
P (E, < ., . >) est un espace vectoriel euclidien (ou un prehilbertien....). F est un sous-espace vectoriel de E
et pF est la projection orthogonale sur F . (u1 , u2 , . . . , up ) est une base quelconque de F .
x est un element de E. Pour trouver pF (x) on peut :
M1 Utiliser pF (x) F et x pF (x) F (resp. pF (x) F et z F, < x pF (x), z >= 0).
M2 Construire une base orthonormee (w1 , w2 , . . . , wp ) de F et utiliser : pF (x) =
< x, wk > wk .
k=1
M3 Poser pF (x) =
k=1
k=1
< uk , ui > xk =
< u i , u k > xk .
k=1
< x, u1 >
x1
x2
< x, u2 >
.
Ce syst`eme secrit matriciellement AX = B o`
u A = (< ui , uj >), X =
..
... et B =
.
xp
< x, up >
A est une matrice inversible de Mp (R) (A est la matrice de la restriction du produit scalaire `a F dans la base
(u1 , u2 , . . . , up )). Le syst`eme admet donc une solution et une seule (ce qui nest pas un scoop...).
Ne pas oublier de regarder au prealable si F est un hyperplan. Dans ce cas on determine pF (F est une droite
vectorielle...) et on utilise pF = IdE pF .
J.F.C.
Eve p. 16
I 5. Le th
eor`
eme fondamental : la caract
erisation dune projection orthogonale par min-
imisation de la norme
D
ef. 2 Soient A une partie non vide dun espace prehilbertien E et x un element de E.
La distance de x `
a A est la borne inferieure de lensemble {x z ; z A}. On la note d(x, A).
d(x, A) = Inf x z.
zA
Il convient de remarquer que d(x, A) existe toujours car {x z ; z A} est une partie non vide et minoree
de R mais quil nexiste pas toujours un element a de A tel que d(x, A) = x a. Autrement dit Min x z
zA
realise ce minimum.
pF (x) est donc lunique element de F tel que d(x, F ) = x pF (x).
La projection orthogonale de x sur F est la meilleure approximation de x par un element de F .
3. d2 (x, F ) = x pF (x)2 = x2 pF (x)2 = x2 < x, pF (x) >= pF (x)2 .
On est prie de remarquer que ce theor`eme contient 3 choses.
LEXISTENCE dun minimum pour la partie {x z | z F } de R+ .
pF (x) est lunique element de F qui realise ce minimum ou qui realise la distance de x `a F .
Le carre de la distance de x `a F vaut x pF (x)2 ou x2 pF (x)2 ou x2 < x, pF (x) > ou encore
pF (x)2 . P
Notons que la quantite x2 < x, pF (x) > est souvent la plus simple `a calculer.
La formulation du programme...
Th. 7 Caract
erisation de la projection orthogonale par minimisation de la norme.
Soit F un sous-espace vectoriel de lespace vectoriel euclidien E et pF la projection orthogonale sur F .
x et y sont deux elements de E.
zF
J.F.C.
Eve p. 17
I 7. Une application du th
eor`
eme fondamental. M
ethode des moindres carr
es
Th. 8 M
ethode des moindres carr
es.
A est un element de Mn,p (R) et B un element de Mn,1 (R). On suppose que le rang de A est p .
. est la norme de Mn,1 (R) associee au produit scalaire canonique.
1.
Min
XMp,1 (R)
AX B existe.
Min
XMp,1 (R)
AX B.
3. t AA est inversible.
4. X0 = (t AA)1 (t AB) ou
AAX0 = t AB .
Pour trouver X0 , il est preferable de resoudre le syst`eme X0 Mp,1 (R) et t AAX0 = t AB plutot que de
calculer directement linverse de t AA.
Notons que le programme de 2014 dit que la formule donnant la valeur du point realisant le minimum nest pas
exigible. Alors il est sans doute utile dapprendre `a la retrouver...
J.F.C.
Eve p. 18
A est sym
etrique si t A = A ou si (i, j) [[1, n]] , aj,i = ai,j .
2
A est antisym
etrique si t A = A ou si (i, j) [[1, n]] , aj,i = ai,j .
Prop. 2 Lensemble des matrices symetriques de Mn (K) est un sous-espace vectoriel de Mn (K) de dimension
n(n + 1)
.
2
Lensemble des matrices antisymetriques de Mn (K) est un sous-espace vectoriel de Mn (K) de dimenn(n 1)
sion
si n > 1.
2
Le sous-espace vectoriel des matrices symetriques de Mn (K) et le sous-espace vectoriel des matrices
antisymetriques de Mn (K) sont supplementaires dans Mn (K).
) 1(
) 1(
)
1(
A + tA +
A tA ,
A + t A est une matrice symerique de
Notons que si A Mn (R), A =
2
2
2
)
1(
Mn (K) et
A t A est une matrice antisymerique de Mn (K).
2
Prop. 3 Dans Mn (R), pour le produit scalaire canonique, lorthogonal du sous-espace vectoriel Sn (R) des matrices
symetriques de Mn (R) est le sous-espace vectoriel An (R) des matrices antisymetriques de Mn (R).
Dans Mn (R), pour le produit scalaire canonique, lorthogonal du sous-espace vectoriel An (R) des matrices
antisymetriques de Mn (R) est le sous-espace vectoriel Sn (R) des matrices symetriques de Mn (R).
Le sous-espace vectoriel des matrices symetriques de Mn (R) et le sous-espace vectoriel des matrices
antisymetriques de Mn (R) sont supplementaires et orthogonaux dans Mn (R) muni du produit scalaire
canonique.
Mn (R) = Sn (R)
An (R).
I 1. D
enition dun endomorphisme sym
etrique
D
ef. 4 Soit f un endomorphisme de E. f est sym
etrique si :
I 2. Caract
erisations des endomorphismes sym
etriques
Prop. 4 Caract
erisation des endomorphismes sym
etriques
E est de dimension n (n N ), B = (e1 , e2 , . . . , en ) est une base de E et f un endomorphisme de E.
f est symetrique si et seulement si :
Th. 9
PP
Caract
erisation fondamental des endomorphismes sym
etriques
orthonorm
ee
de E et f un endomorphisme de E.
orthonorm
ee
J.F.C.
Eve p. 19
I 3. Quelques propri
et
es
Prop. 5 f est un endomorphisme sym
etrique de E.
Si F est un sous-espace vectoriel de E stable par f , F est stable par f .
Un petit + du programme 2014...
Prop. 6 1. IdE et 0L(E) sont des endomorphismes symetriques de E.
2. Si f et g sont deux endomorphismes symetriques de E et si est un reel, f et f + g sont des
endomorphismes symetriques de E.
2. Lensemble des endomorphismes symetriques de E est un sous-espace vectoriel de L(E).
Si E est de dimension n non nul, lensemble des endomorphismes symetriques de E est un sous-espace
vectoriel de L(E) de dimension
n (n + 1)
p est une projection orthogonale (ou un projecteur orthogonal) si et seulement p est un endomorphisme
symetrique.
Un petit + du programme 2014...
Th. 11 p est un endomorphisme de E (ou une application de E dans E...).
p est une projection orthogonale de E si et seulement si p est un endomorphisme symetrique de E veriant
p p = p.
Cor. A est une matrice de Mn (R).
A est la matrice dune projection orthogonale si et seulement si A est symetrique et verie A2 = A.
I 5. R
eduction dun endomorphisme sym
etrique et dune matrice sym
etrique
Prop. 7 Soit f un endomorphisme symetrique de E.
1. Les sous-espaces propres de f sont deux `a deux orthogonaux.
2. Si (uk )16k6p est une famille de vecteurs propres de f associes `a des valeurs propres deux `a deux
distinctes alors la famille (uk )16k6p est une famille orthogonale de E.
Th. 12
Le th
eor`
eme fondamental sur la r
eduction des endomorphismes sym
etriques.
Soit f un endomorphisme symetrique de E espace vectoriel euclidien de dimension finie non nulle.
1. f est diagonalisable.
2. Mieux, il existe une base orthonorm
ee de E constituee de vecteurs propres de f (donc f se diagonalise
dans une base orthonormee).
J.F.C.
Eve p. 20
Le th
eor`
eme fondamental sur la r
eduction des matrices sym
etriques de Mn (R).
A est une matrice symetrique de Mn (R).
1. A est diagonalisable.
2. Mieux, il existe une base orthonorm
ee de Mn,1 (R) constituee de vecteurs propres de A.
3. Il existe une matrice orthogonale P de Mn (R), telle que P 1 AP = t P AP soit diagonale.
(
Notons que dans le resultat precedent on parle de matrices symetriques `a coecients reels.
2 i
i 0
)
est
PPP
f est un endomorphisme symetrique dun espace vectoriel euclidien E de dimension n non nulle.
PPP
PP Soit A une matrice symetrique de Mn (R). Soit (X1 , X2 , . . . , Xn ) une base orthonormee de Mn,1 (R)
constituee de vecteurs propres de A respectivement associes aux valeurs propres 1 , 2 , ..., n .
A=
k Xk t Xk .
k=1
Th. 17
Ainsi il existe une matrice orthogonale P de Mn (R) et une matrice diagonale D = Diag(1 , 2 , . . . , n )
telle que t P AP = P 1 AP = D.
On note, pour tout j element de [[1, n]], Cj la j `eme colonne de P .
Alors (C1 , C2 , . . . , Cn ) est une base orthonormee de Mn,1 (R) constituee de vecteurs propres de A respectivement associes aux valeurs propres 1 , 2 , ..., n .
J.F.C.
VI
Eve p. 21
SAVOIR FAIRE
SF 27 Etudier
le signe dune forme quadratique.
J.F.C.
VII
Eve p. 22
COMPLEMENTS
I 1. Egalit
e dans lin
egalit
e triangulaire
Prop. 9 x et y sont deux elements de E.
x + y = x + y si et seulement si x = 0E ou R+ , y = x.
x + y = x + y si et seulement si y = 0E ou R+ , x = y.
I 2. Matrice dun endomorphisme dans une base orthonorm
ee
Prop. 10 B = (e1 , e2 , . . . , en ) est une base orthonorm
ee de lespace vectoriel euclidien (E, < ., . >) et f est un
endomorphisme de E. (E1 , E2 , . . . , En ) est la base canonique de Mn,1 (R).
(
)
La matrice de f dans la base B est < ei , f (ej ) > .
I 3. Une caract
erisation des bases orthonorm
ees
Prop. 11 Soit B = (e1 , e2 , . . . , en ) une base orthonormee dun espace vectoriel euclidien E et (e1 , e2 , . . . , en ) une
famille quelconque delements de E.
(e1 , e2 , . . . , en ) est une base orthonormee de E si et seulement si la matrice de (e1 , e2 , . . . , en ) dans la base
orthonormee B est orthogonale.
I 4. Un peu plus sur les matrices orthogonales
Prop. 12 1. Le produit de deux matrices orthogonales de Mn (R) est une matrice orthogonale de Mn (R).
2. Linverse dune matrice orthogonale de Mn (R) est une matrice orthogonale de Mn (R).
Prop. 13 . est la norme de Mn,1 (R) associee au produit scalaire canonique. P est une matrice de Mn (R).
P est orthogonale si et seulement si X Mn,1 (R), P X = X .
Prop. 14
P est orthogonale si et seulement si ses colonnes constituent une famille orthonormee de Mn,1 (R) muni
du produit scalaire canonique, ou, cest la meme chose :
P est orthogonale si et seulement si ses colonnes constituent une base orthonormee de Mn,1 (R) muni du
produit scalaire canonique.
Prop. 15
P est orthogonale si et seulement si ses lignes constituent une famille orthonormee de M1,n (R) muni du
produit scalaire canonique, ou, cest la meme chose :
P est orthogonale si et seulement si ses lignes constituent une base orthonormee de M1,n (R) muni du
produit scalaire canonique.
Prop. 16 Les seules valeurs propres possibles dans R dune matrice orthogonale de Mn (R) sont 1 et 1.
J.F.C.
Eve p. 23
J.F.C.
Eve p. 24
I 9. Encadrement de Rayleigh
Th. 18 Soit S une matrice symetrique de Mn (R).
Soit sa plus petite valeur propre et soit sa plus grande valeur propre.
X Mn,1 (R), X2 6 t XSX =< SX, X >6 X2 ou
X Mn,1 (R) {0Mn,1 (R) }, 6
Mieux :
Min
XSX
XSX
t XX
6 .
t
et
Max
XSX
= .
sym
etrique et positive (resp. d
enie positive) de Mn (R)
Prop. 25 Si S est une matrice symetrique de Mn (R) dont les valeurs propres sont positives ou nulles (resp.
strictement positives), il existe une matrice symetrique T de Mn (R) dont les valeurs propres sont positives
ou nulles (resp. strictement positives) et une seule telle que T 2 = S.
J.F.C.
Eve p. 25
I 12. R
ealisation de la distance dun vecteur `
a un sous-espace dans un espace
pr
ehilbertien
Th. 21 E est un espace prehilbertien et F un sous-espace vectoriel de E. x est un element de E et y un element
de F .
1. Il existe au plus un element de y de F tel que : x y = Inf x z
zF
Cela est utile lorsque les conditions dapplication du theor`eme de meilleure approximation ne sont pas toutes reunies
I 13. Adjoint dun endomorphisme dun espace vectoriel euclidien
Th. 22 et d
ef. 7 B = (e1 , e2 , . . . , en ) est une base orthonorm
ee de lespace vectoriel euclidien E et f est un
endomorphisme de E de matrice A dans B. f est lendomorphisme de E de matrice t A dans
B.
f est lunique endomorphisme de E veriant (x, y) E 2 , < f (x), y >=< x, f (y) >.
f est ladjoint de f .
Prop. 26 f est un endomorphisme de lespace vectoriel euclidien E.
1. Soit F un sous-espace vectoriel de E. F est stable par f si et seulement si F est stable par f .
2. Ker f = (Im f ) et Im f = (Ker f ) .
3. (f ) = f = f .
4. Si f est un automorphisme, f est egalement un automorphisme et (f )1 = (f 1 ) .
5. Si g est un second endomorphisme de E : (f ) = f , (f + g) = f + g et (f g) = g f .
6. Sp f = Sp f . Sp f, dim SEP (f, ) = dim SEP (f , ). f et f sont simultanement diagonalisables.
7. Ker(f f ) = Ker f et Im(f f ) = Im f .
8. f f (resp. f f ) est un endomorphisme symetrique dont les valeurs propres sont positives.
I 14. Endomorphisme orthogonal
D
ef. 8 f est un endomorphisme dun espace prehilbertien E.
f est un endomorphisme orthogonal si (x, y) E 2 , < f (x), f (y) >=< x, y > autrement dit si f
conserve le produit scalaire.
Prop. 27 f est une application dun espace prehilbertien E dans lui meme.
equivalentes.
J.F.C.
Eve p. 26
et
n
n
ai,j | 6 n
et
i=1 j=1
n6
n
n
|ai,j | 6 n n.
i=1 j=1
proc
ed
e dorthonormalisation de Schmidt
Prop. 34 n est un element de N . < ., . > est un produit scalaire sur Rn [X].
1. a) Pour tout element k de [[1, n]], il existe un polynome normalise (le coecient du terme de plus haut
degre est 1) Pk et un seul appartenant `a Rk [X] et orthogonal `a Rk1 [X].
2. On pose P0 = 1.
a) Pour tout element k de [[0, n]], Pk est de degre k.
b) (P0 , P1 , . . . , Pn ) est une base orthogonale de Rn [X].
3. On pose k [[0, n]], Qk =
1
Pk .
Pk
J.F.C.
Eve p. 27
I 16. D
ecomposition polaire dune matrice inversible de Mn (R)
Prop. 35 A est une matrice quelconque de Mn (R).
1. Il existe une matrice orthogonale U de Mn (R) et une matrice symetrique S `a valeurs propres positives
ou nulles de Mn (R) telles que A = U S.
2. On suppose A inversible.
Il existe une unique matrice orthogonale U de Mn (R) et une unique matrice symetrique S `a valeurs
propres strictement positives de Mn (R) telles que A = U S. Cest la d
ecomposition polaire de A.
I 17. D
ecomposition dIwasawa dune matrice inversible de Mn (R)
Prop. 36 A est une matrice inversible de Mn (R). Il existe une matrice orthogonale Q de Mn (R) et une matrice
triangulaire superieure R de Mn (R) `a coecients diagonaux strictement positifs telles que A = QR.
I 18. D
ecomposition de Cholesky dune matrice sym
etrique d
enie positive
Prop. 37 A est une matrice symetrique de Mn (R) dont les valeurs propres sont strictement positives (A est denie
positive).
Il existe une matrice R, de Mn (R), triangulaire superieure `a diagonale strictement positive et une seule
telle que A = t RR.
I 19. Th
eor`
eme de Courant-Fischer
Prop. 38 A est une matrice symetrique de Mn (R). (E 1 , E 2 , . . . , E n ) est une base orthonormee de Mn,1 (R)
constituee de vecteurs propres de A respectivement associes aux valeurs propres 1 , 2 , ..., n avec
1 6 2 6 6 n .
k est un element de [[1, n]] et Fk est lensemble des sous-espaces vectoriels de Mn,1 (R) de dimension k.
t
Min Sup
F Fk
XF
X=0
XAX
= k
t XX
et
Max
F Fn+1k
Inf
XF
X=0
XAX
= k .
t XX
1. a) f est antisymetrique si et seulement si (i, j) [[1, n]] , < f (ei ), ej >= < ei , f (ej ) >.
b) f est antisymetrique si et seulement si A est symetrique autrement dit si et seulement si t A = A.
2. f est antisymetrique si et seulement si x E, < x, f (x) >= 0.
Dans la suite f est un endomorphisme antisym
etrique de E.
J.F.C.
Eve p. 28
Prop. 40 (E, < , >) est un espace vectoriel euclidien de dimension non nulle n. f est un endomorphisme antisymetrique de E.
1. Ker f = (Im f ) .
2. Sp f {0}.
3. SpC (A) iR .
4. f f est un endomorphisme symetrique dont les valeurs propres sont negatives ou nulles.
5. Si F est un sous-espace vectoriel stable par f , F est egalement stable par f .
Prop. 41 (E, < , >) est un espace vectoriel euclidien de dimension non nulle n. f est un endomorphisme antisymetrique de E.
Il existe une base orthonorme de E telle que la matrice de f dans cette base soit :
0 a1
0
a1
..
.
(O)
0 ap
ap
0
(O)
0
..
0
`a quelques abus pr`es...
I 21. D
ecomposition spectrale dune matrice sym
etrique
Prop. 42 S est une matrice symetrique de Mn (R). 1 , 2 , ..., p sont ses valeurs propres distinctes.
Pour tout element k de [[1, p]] on note Pk la matrice, dans la base canonique de Mn,1 (R), de la projection
orthogonale fk de Mn,1 (R) sur le sous-espace propre SEP (S, k ) de S associe `a la valeur propre k .
Montrer que
Pk = In et que S =
k=1
k Pk .
k=1
VIII
` EVITER
DES ERREURS A
Dire que (x, y) < x, y > est lineaire (on peut uniquement parler de linearite `a droite ou `a gauche).
La famille (u1 , u2 , . . . , up ) est orthogonale car uk et uk+1 sont orthogonaux pour tout k element de [[1, p 1]].
1
1
u = donc v = u est un vecteur unitaire.
2
2
x et y sont deux elements dun espace prehilbertien (E, < ., . >).
< x, y >= 0 donne x = 0E ou y = 0E .
< x, y >= 0 et y = 0E donne x = 0E .
J.F.C.
Eve p. 29
(u1 , u2 , . . . , up ) est une famille orthogonale de E donc cest une famille libre.
x =< x, x >.
F est un sous-espace vectoriel dun espace prehilbertien E et G est un sous-espace vectoriel de F .
Confondre lorthogonal G de G dans E et lorthogonal H de G dans F . Notons que H = F G .
F et G sont deux sous-espaces vectoriels dun espace prehilbertien E. F et G orthogonaux donne F = G.
B = (e1 , e2 , . . . , en ) est une base quelconque dun espace prehilbertien E. u =
xk ek et v =
k=1
yk ek sont deux
k=1
elements de E.
Ecrire : < u, v >=<
u k ek ,
k=1
vk ek >=
k=1
n
n
uk vk < ek , ek >.
k=1 k=1
f est un endomorphisme symetrique car sa matrice est symetrique (il faut evoquer la matrice de f dans une
base orthonormee).
A est symetrique donc A est diagonalisable (il faut parler de matrice `a coecients reels).
f est un endomorphisme symetrique reel donc il existe une base orthonormee... (le corps de base est
necessairement R !)
Dire quune base de vecteurs propres dun endomorphisme symetrique est orthonormee.
IX
PRATIQUES OU RHETORIQUES
USUELLES
I 1. Produit scalaire
Soit `a montrer que < ., . > est un produit scalaire sur E.
On montre si necessaire que < u, v > a un sens pour tout couple (u, v) delements de E.
Soient un reel , u, v et w trois elements de E .
< u + v, w >= = < u, w > + < v, w >.
< u, v >= =< v, u >.
On montre que < u, u >> 0.
Supposons que < u, u >= 0 et montrons que u = 0E ...
Ce qui prec`ede sut pour dire que < ., . > est un produit scalaire sur E .
I 2. Orthogonal dun sous-espace
F est un sous-espace vectoriel dun espace vectoriel euclidien E. B = (e1 , e2 , . . . , en ) est une base de E. On suppose
que F = Vect(u1 , u2 , . . . , up ) et on se propose de determiner F .
Soit v = x1 e1 + x2 e2 + + xp en un element de E.
v F < v, u1 >=< v, u2 >= < v, up >= 0
J.F.C.
Eve p. 30
SEP (f, i ) et SEP (f, 1 ), SEP (f, 2 ), ..., SEP (f, p ) sont deux `a deux orthogonaux.
i=1
0
MB (f ) = .
..
0
0 0
..
.. ..
.
.
.
et MB (f ) = P 1 MB (f )P = t P MB (f )P .
.. ..
.
. 0
0 n
SEP (A, i ) et SEP (A, 1 ), SEP (A, 2 ), ..., SEP (A, p ) sont deux `a deux orthogonaux.
i=1
J.F.C.
Eve p. 31
POUR AMELIORER
TON EUCLIDIENNE ATTITUDE
X
Dans la suite, sauf mention du contraire, < ., . > est un produit scalaire sur le R-espace vectoriel E et . est la norme
associee.
Niveau 1
C1
xk yk .
k=1
< ., . > est un produit scalaire sur Rn . Cest le produit scalaire canonique de Rn .
C2
y1
x1
x2
y2
E = Mn,1 (R). Si X =
... et Y = .. sont deux elements de Mn,1 (R), on pose :
.
xn
yn
< X, Y >=
xk yk = t XY = t Y X.
k=1
< ., . > est un produit scalaire sur Mn,1 (R). Cest le produit scalaire canonique de Mn,1 (R).
C3
p
n
i=1 j=1
< ., . > est un produit scalaire sur E. Cest le produit scalaire canonique de Mn,p (R).
C4
E = Rn [X]. Si P =
ak X et Q =
k=0
k=0
< P, Q >=
ak bk .
k=0
< ., . > est un produit scalaire sur Rn [X]. Cest le produit scalaire canonique de Rn [X].
C5
p et q sont deux elements de N . (xi )16i6p et (yj )16j6q sont deux familles delements de E.
i=1
i xi ,
j=1
j yj >=
p
q
i=1 j=1
i j < xi , yj >.
J.F.C.
C6
In
egalit
e de Cauchy-Schwarz
1. | < x, y > | 6 x y
et
(< x, y >)2 6 x2 y2 .
C7
In
egalit
e de Cauchy-Schwarz dans Rn
u
t
xk yk 6
x2k
k=1
C8
k=1
v
u n
u
t
yk2 .
n
(
k=1
)2
xk yk
k=1
x2k
k=1
yk2 .
k=1
In
egalit
e de Cauchy-Schwarz dans C([a, b], R)
b
f (t)g(t) dt 6
f 2 (t) dt
a
g 2 (t) dt.
)2
f (t)g(t) dt 6
C9
g 2 (t) dt.
f (t) dt
x E, x = 0 x = 0E .
x E, R, x = ||x.
(x, y) E 2 , x + y 6 x + y (inegalite de Minkovski).
C 10
1. x + y = x + y si et seulement si x = 0E ou R+ , y = x.
2. x + y = x + y si et seulement si y = 0E ou R+ , x = y.
(x, y) E 2 , x y 6 x + y 6 x + y.
(x, y) E 2 , x y 6 x y 6 x + y.
C 11
C 12
1
x est un vecteur unitaire de E.
x
2. Un droite vectorielle de E contient exactement deux vecteurs unitaires qui sont opposes.
C 13
Identit
es remarquables
< x + y, x y >= x2 y2 .
C 14
Identit
es remarquables
x1 + x2 + + xp =
2
i=1
xi 2 + 2
16i<j6p
< x i , xj >
Eve p. 32
J.F.C.
C 15
Identit
es de polarisation
< x, y >=
]
1[
x + y2 x2 y2 .
2
< x, y >=
C 16
< x, y >=
]
1[
x2 + y2 x y2 .
2
]
1[
x + y2 x y2 .
4
Identit
es du parrall
elogramme x et y sont deux elements de E.
x + y2 + x y2 = 2 x2 + 2 y2 .
C 17
Th
eor`
eme de Pythagore. x et y sont deux elements de E.
C 18
C 19
2. {0E } = E.
C 20
C 21
(F + G) = F G et F + G (F G) .
Si E est de dimension finie : F + G = (F G) .
C 23
E = F F et F = F .
F est lunique supplementaire de F orthogonal `a F .
Eve p. 33
J.F.C.
Eve p. 34
C 24
Lensembles des matrices symetriques de Mn (K) est un sous-espace vectoriel de Mn (K) de dimension
n(n + 1)
.
2
Lensembles des matrices antisymetriques de Mn (K) est un sous-espace vectoriel de Mn (K) de dimension
si n > 1.
n(n 1)
2
Le sous-espace vectoriel des matrices symetriques de Mn (K) et le sous-espace vectoriel des matrices antisymetriques
de Mn (K) sont supplementaires dans Mn (K).
) 1(
) 1(
)
1(
A + tA +
A tA ,
A + t A est une matrice symerique de Mn (K) et
Notons que si A Mn (R), A =
2
2
2
)
1(
A t A est une matrice antisymerique de Mn (K).
2
Dans Mn (R), pour le produit scalaire canonique, lorthogonal du sous-espace vectoriel Sn (R) des matrices
symetriques de Mn (R) est le sous-espace vectoriel An (R) des matrices antisymetriques de Mn (R).
C 25
Dans Mn (R), pour le produit scalaire canonique, lorthogonal du sous-espace vectoriel An (R) des matrices antisymetriques de Mn (R) est le sous-espace vectoriel Sn (R) des matrices symetriques de Mn (R).
Le sous-espace vectoriel des matrices symetriques de Mn (R) et le sous-espace vectoriel des matrices antisymetriques
de Mn (R) sont supplementaires et orthogonaux dans Mn (R) muni du produit scalaire canonique.
Mn (R) = Sn (R)
C 26
An (R).
non nuls
est libre.
C 27
C 28
< x, ek > ek .
k=1
xk yk = t XY =< X, Y >.
v
u n
u
x = t
x2k = t XX = X.
k=1
C 30
k=1
1. Il existe un produit scalaire < ., . > sur E et un seul qui rend la base B = (e1 , e2 , . . . , en ) orthonormee.
2. x =
k=1
xk ek E, y =
k=1
yk ek E, < x, y >=
xk yk .
k=1
3. Dans les espaces vectoriels reels usuels, le produit scalaire canonique est celui qui rend la base canonique
orthonormee.
J.F.C.
C 31
Eve p. 35
C 32
Matrice orthogonale
i) P orthogonale.
i) P verie P t P = t P P = In .
ii) P verie P t P = In .
iii) P verie t P P = In .
iv) P est inversible et son inverse est sa transposee.
v) X Mn,1 (R), P X = X
vi) Les colonnes de P constituent une famille orthonormee de Mn,1 (R) muni du produit scalaire canonique.
vii) Les colones de P constituent une base orthonormee de Mn,1 (R) muni du produit scalaire canonique.
viii) Les lignes de P constituent une famille orthonormee de M1,n (R) muni du produit scalaire canonique.
ix) Les lignes de P constituent une base orthonormee de M1,n (R) muni du produit scalaire canonique.
C 33
La matrice de passage P de B `
a B est orthogonale.
C 34
E.
Soit P la matrice de la famille B dans la base B.
B est une base orthonormee de E si et seulement si P est une matrice orthogonale.
C 35
1. Le produit de deux matrices orthogonales de Mn (R) est une matrice orthogonale de Mn (R).
2. Linverse dune matrice orthogonale de Mn (R) est une matrice orthogonale de Mn (R).
C 36
Les seules valeurs propres possibles dans R dune matrice orthogonale de Mn (R) sont 1 et 1.
C 37
Si B est une base orthonormee de F et B est une base orthonormee de F alors B B est une base orthonormee
de E.
C 38 F est un sous-espace vectoriel de lespace vectoriel euclidien E distinct de {0E } et de E. Soit (e1 , e2 , . . . , ep )
une base orthonormee de F .
1. (e1 , e2 , . . . , ep ) se compl`ete en une base orthonormee (e1 , e2 , . . . , en ) de E.
2. F est le sous-espace vectoriel de E engendre par (ep+1 , ep+2 , . . . , en ). Mieux (ep+1 , ep+2 , . . . , en ) est une base
orthonormee de F .
J.F.C.
C 39
Eve p. 36
C 40
Aspect th
eorique de lorthonormalisation de Schmidt
C 41
k1
i=1
< uk , vi >
< uk , vi >
vi = uk
vi .
< vi , vi >
vi 2
i=1
k1
1
vk . (w1 , w2 , . . . , wn ) est lunique base orthonormee de E telle que :
vk
1. Vect(w1 , w2 , . . . , wk ) = Vect(u1 , u2 , . . . , uk ).
2. < wk , uk > est strictement positif.
C 42 F est un sous-espace vectoriel de lespace vectoriel euclidien E. pF est la projection orthogonale sur F .
Si x et y sont deux elements de E :
{
{
yF
yF
pF (x) = y
x y F
z F, < x y, z >= 0
C 43
< x, uk > uk
k=1
C 44
J.F.C.
Eve p. 37
Uk t Uk , donc MB (pF ) =
k=1
Uk t Uk .
k=1
C 45
< x, u >
u .
u2
C 47
< x, u >
u .
u2
D est une droite vectorielle de E et sD est la symetrie vectorielle orthogonale par rapport `a D.
C 49
Recherche pratique dune projection orthogonale (E, < ., . >) est un espace vectoriel euclidien (ou
un prehilbertien....).
F est un sous-espace vectoriel de E et pF est la projection orthogonale sur F . (u1 , u2 , . . . , up ) est une base quelconque
de F .
x est un element de E. Pour trouver pF (x) on peut :
M1 Utiliser pF (x) F et x pF (x) F (resp. pF (x) F et z F, < x pF (x), z >= 0).
M2 Construire une base orthonormee (w1 , w2 , . . . , wp ) de F et utiliser : pF (x) =
< x, wk > wk .
k=1
M3 Poser pF (x) =
k=1
k=1
< u k , u i > xk =
< u i , u k > xk .
k=1
< x, u1 >
x1
x2
< x, u2 >
.
Ce syst`eme secrit matriciellement AX = B o`
u A = (< ui , uj >), X =
..
... et B =
.
xp
< x, up >
J.F.C.
Eve p. 38
A est une matrice inversible de Mp (R) (A est la matrice de la restriction du produit scalaire `a F dans la base
(u1 , u2 , . . . , up )). Le syst`eme admet donc une solution et une seule (ce qui nest pas un scoop...).
I Ne pas oublier de regarder au prealable si F est un hyperplan. Dans ce cas on determine pF (F est une droite
vectorielle...) et on utilise pF = IdE pF .
C 50
Th
eor`
eme de meilleure approximation
Soit F un sous-espace vectoriel de lespace vectoriel euclidien E et pF (resp. pF ) la projection orthogonale sur F
(resp. F ).
Soit x un element de E.
1. z F, x pF (x) 6 x z.
Si t est un element de F tel que : z F, x t 6 x z alors t = pF (x).
2. Autrement dit Min x z existe et vaut x pF (x). De plus pF (x) est lunique element de F qui realise ce
zF
minimum.
pF (x) est donc lunique element de F tel que d(x, F ) = x pF (x).
La projection orthogonale de x sur F est la meilleure approximation de x par un element de F .
3. d2 (x, F ) = x pF (x)2 = x2 pF (x)2 = x2 < x, pF (x) >= pF (x)2 .
C 51
C 52
zF
M
ethode des moindres carr
es.
A est un element de Mn,p (R) et B un element de Mn,1 (R). On suppose que le rang de A est p .
. est la norme de Mn,1 (R) associee au produit scalaire canonique.
1.
Min
XMp,1 (R)
AX B existe.
Min
XMp,1 (R)
3. t AA est inversible.
4. X0 = (t AA)1 (t AB) ou t AAX0 = t AB.
C 53
Caract
erisations des matrices sym
etriques
Soit A une matrice de Mn (R). < ., . > est le produit scalaire de Mn,1 (R).
1. X Mn,1 (R), Y Mn,1 (R), < AX, Y >=< X, t AY >.
2. Les assertions suivantes sont equivalentes.
i) A est symetrique.
ii) X Mn,1 (R), Y Mn,1 (R), < AX, Y >=< X, AY >.
AX B.
J.F.C.
Eve p. 39
C 54
Caract
erisation des endomorphismes sym
etriques
C 55
Caract
erisation fondamentale des endomorphismes sym
etriques
orthonorm
ee
de E et f un endomorphisme de
f est un endomorphisme symetrique de E si et seulement si sa matrice A dans la base B est symetrique (t A = A).
C 56
Si E est de dimension n non nul, lensemble des endomorphismes symetriques de E est un sous-espace vectoriel de
L(E) de dimension
C 57
n (n + 1)
de E.
C 58
C 59
C 60
C 61
Caract
erisations des projections orthogonales again
C 62
J.F.C.
Eve p. 40
2. Si (uk )16k6p est une famille de vecteurs propres de f associes `a des valeurs propres deux `a deux distinctes alors la
famille (uk )16k6p est une famille orthogonale de E.
C 63
Le th
eor`
eme fondamental sur la r
eduction des endomorphismes sym
etriques.
Soit f un endomorphisme symetrique de E espace vectoriel euclidien de dimension finie non nulle .
1. f est diagonalisable.
2. Mieux, il existe une base orthonorm
ee de E constituee de vecteurs propres de f (donc f se diagonalise dans
une base orthonormee).
C 64
C 65
Le th
eor`
eme fondamental sur la r
eduction des matrices sym
etriques de Mn (R).
C 66
Laspect pratique de la r
eduction des endomorphismes sym
etriques
f est un endomorphisme symetrique dun espace vectoriel euclidien E de dimension n non nulle.
On obtient une base orthonorm
ee de E constituee de vecteurs propres de f en concatenant une base orthonorm
ee
de chacun des sous-espaces propres de f .
C 67
Laspect pratique de la r
eduction des matrices sym
etriques
C 68
A=
k=1
C 69
k Xk t Xk
J.F.C.
Eve p. 41
Ainsi il existe une matrice orthogonale P de Mn (R) et une matrice diagonale D = Diag(1 , 2 , . . . , n ) telle que
t
P AP = P 1 AP = D.
On note, pour tout j element de [[1, n]], Cj la j `eme colonne de P .
Alors (C1 , C2 , . . . , Cn ) est une base orthonormee de Mn,1 (R) constituee de vecteurs propres de A respectivement
associes aux valeurs propres 1 , 2 , ..., n .
2. Variante D = Diag(1 , 2 , . . . , n ) est une matrice diagonale de Mn (R) et P est une matrice orthogonale de
Mn (R). On pose A = P Dt P .
A est une matrice symetrique de Mn (R) et les colonnes de P constituent une base othonormee B de Mn,1 (R), de
vecteurs propres de A associes aux valeurs propres (1 , 2 , . . . , n ). P est la matrice de passage de la base canonique
de Mn,1 (R) `a B.
C 70
D
ecomposition spectrale dune matrice sym
etrique.
S est une matrice symetrique de Mn (R). 1 , 2 , ..., p sont ses valeurs propres distinctes.
Pour tout element k de [[1, p]] on note Pk la matrice, dans la base canonique de Mn,1 (R), de la projection orthogonale
fk de Mn,1 (R) sur le sous-espace propre SEP (S, k ) de S associe `a la valeur propre k .
Montrer que
Pk = In et que S =
k=1
C 71
k Pk .
k=1
Matrice sym
etrique positive
Soit S une matrice symetrique de Mn (R). Les proprietes suivantes sont equivalentes.
i) X Mn,1 (R), t XSX > 0.
ii) Les valeurs propres de S sont positives ou nulles.
C 72
Matrice sym
etrique d
efinie positive
Soit une matrice symetrique de Mn (R). Les proprietes suivantes sont equivalentes.
i) X Mn,1 (R), X = 0Mn,1 (R) t XSX > 0.
ii) Les valeurs propres de S sont strictement positives.
Niveau 2
C 73
Soit sa plus petite valeur propre et soit sa plus grande valeur propre.
X Mn,1 (R), X2 6 t XSX =< SX, X >6 X2 ou X Mn,1 (R) {0Mn,1 (R) }, 6
Mieux :
Min
XSX
C 74
et
Max
XSX
Matrice sym
etrique positive again
Soit S une matrice symetrique de Mn (R). Les proprietes suivantes sont equivalentes.
i) X Mn,1 (R), t XSX > 0.
XSX
t XX
6 .
J.F.C.
Eve p. 42
C 75
Matrice sym
etrique d
efinie positive again
Soit une matrice symetrique de Mn (R). Les proprietes suivantes sont equivalentes.
i) X Mn,1 (R), X = 0Mn,1 (R) t XSX > 0.
ii) Les valeurs propres de S sont strictement positives.
iii) Il existe une matrice inversible A de Mn (R) telle que S = t AA.
C 76
C 77
Endomorphisme orthogonal
J.F.C.
Eve p. 43
et
n
n
ai,j | 6 n
et
n6
i=1 j=1
C 78
n
n
|ai,j | 6 n n.
i=1 j=1
Racine carr
ee sym
etrique et positive (resp. d
efinie positive) dune matrice
sym
etrique et positive (resp. d
efinie positive) de Mn (R)
Si S est une matrice symetrique de Mn (R) dont les valeurs propres sont positives ou nulles (resp. strictement
positives), il existe une matrice symetrique T de Mn (R) dont les valeurs propres sont positives ou nulles (resp.
strictement positives) et une seule telle que T 2 = S.
C 79
C 80
Caract
erisation des projections orthogonales again.
Soit p une projection (ou un projecteur) de E. Les assertions suivantes sont equivalentes.
i) p est une projection orthogonale.
ii) x E, p(x) 6 x.
J.F.C.
Eve p. 44
Base orthonorm
ee de Rn [X] d
eduite de la base canonique (1, X, . . . , X n ) de Rn [X] par le proc
ed
e
dorthonormalisation de Schmidt.
C 81
1
Pk .
Pk
C 82
R
ealisation de la distance dun vecteur `
a un sous-espace dans un espace pr
ehilbertien
C 83
D
ecomposition polaire dune matrice inversible de Mn (R).
C 84
D
ecomposition dIwasawa dune matrice inversible de Mn (R).
A est une matrice inversible de Mn (R). Il existe une matrice orthogonale Q de Mn (R) et une matrice triangulaire
superieure R de Mn (R) `a coecients diagonaux strictement positifs telles que A = QR.
C 85
D
ecomposition de Cholesky dune matrice sym
etrique d
efinie positive.
A est une matrice symetrique de Mn (R) dont les valeurs propres sont strictement positives (A est denie positive).
Il existe une matrice R, de Mn (R), triangulaire superieure `a diagonale strictement positive et une seule telle que
A = t RR.
C 86
Th
eor`
eme de Courant-Fischer.
A est une matrice symetrique de Mn (R). (E 1 , E 2 , . . . , E n ) est une base orthonormee de Mn,1 (R) constituee de
vecteurs propres de A respectivement associes aux valeurs propres 1 , 2 , ..., n avec 1 6 2 6 6 n .
k est un element de [[1, n]] et Fk est lensemble des sous-espaces vectoriels de Mn,1 (R) de dimension k.
J.F.C.
Min Sup
F Fk
C 87
XF
X=0
XAX
= k
t XX
et
Max
Inf
F Fn+1k XF
X=0
Eve p. 45
XAX
= k .
t XX
Endomorphisme antisym
etrique.
(E, < , >) est un espace vectoriel euclidien de dimension non nulle n.
f est un endomorphisme de E. B = (e1 , e2 , . . . , en ) est une base orthonorm
ee de E et A = (aij ) est la matrice de f
dans B.
On dit que f est un endomorphisme antisym
etrique si (x, y) E 2 , < f (x), y >= < x, f (y) >.
2
1. a) f est antisymetrique si et seulement si (i, j) [[1, n]] , < f (ei ), ej >= < ei , f (ej ) >.
b) f est antisymetrique si et seulement si A est symetrique autrement dit si et seulement si t A = A.
2. f est antisymetrique si et seulement si x E, < x, f (x) >= 0.
Dans la suite f est un endomorphisme antisym
etrique de E.
3 a) Ker f = (Im f ) .
b) Sp f {0} et SpR (A) {0}.
c) SpC (A) iR.
d) f f est un endomorphisme symetrique dont les valeurs propres sont negatives ou nulles.
e) Si F est un sous-espace vectoriel stable par f , F est egalement stable par f .
4. Il existe une base orthonorme de E telle que la matrice de f dans cette base soit :
0 a1
0
a1
..
.
(O)
0 ap
ap
0
(O)
0
..
.
0
`a quelques abus pr`es...
C 88
Une caract
erisation des normes euclidiennes
Une norme sur un espace vectoriel reel est la norme dun produit scalaire si et seulement si elle verie lidentite du
parallelogramme.
J.F.C.
Eve p. 46
C 89 Pour montrer quun vecteur de E est nul on montre quil est orthogonal `a tous les elements de E. Ou pour
montrer que deux vecteurs x et y de E sont egaux on montre que x y est orthogonal `a tous les elements de E.