Académique Documents
Professionnel Documents
Culture Documents
UTC
février 2016
5
suivant Ï
Chapitre 5
Espaces Euclidiens et applications
Exemples
Exercices
Documents
2
chapitre N section suivante Ï
Sommaire
Concepts
Exemples
Exercices
Documents
3
section N suivant Ï
Exercices : Exemples :
Exercice A.1.1 Exemple B.1.1
Exercice A.1.2
La notion d’espace vectoriel constitue le cadre général de l’algèbre linéaire. La richesse de la théo-
rie s’accroît si à la structure d’espace vectoriel on ajoute d’autres notions qui permettent de rendre
compte d’autres propriétés remarquables que l’on rencontre naturellement. En particulier il est
intéressant de pouvoir traduire les propriétés de longueurs, distances, volumes, angles. Le produit
scalaire et la notion d’espace euclidien vont permettre de définir et d’étudier toutes ces propriétés
dites métriques.
Définition 5.1.1. On appelle produit scalaire dans un espace vectoriel réel E , une application de
E × E dans IR notée (~
x ,~
y ) 7→ 〈~
x ,~
y〉
4 ÏÏ
section N suivant Ï
vérifie bien évidemment les propriétés de la définition précédente. Si l’on note comme d’habitude
X et Y les vecteurs colonnes dont les éléments sont respectivement les x i et les y i , le produit
scalaire usuel de IRn se calcule à l’aide du produit matriciel suivant :
y〉 = X T Y = Y T X .
x ,~
〈~
Sommaire
Concepts
Exemples
Exercices
Documents
ÎÎ 5
Î précédent section N suivant Ï
Exercices :
Exercice A.1.3
Avant de continuer nous allons introduire une notation que nous allons utiliser dorénavant jus-
qu’à la fin de ce cours. Si ~ x est un vecteur de IRn , on lui associe de façon bijective un vecteur
colonne X . Nous noterons maintenant avec la notation unique x à la fois le vecteur colonne
X ∈ M n1 (IR) et le vecteur ~
x de IRn . On utilisera plus tard la même notation entre Cn et Mn1 (C).
6
Î précédent section N suivant Ï
Exercices :
Exercice A.1.4
On a
〈~ y 〉2 ≤ 〈~
x ,~ x ,~
x 〉〈~
y ,~
y〉
avec égalité si et seulement si ~
x et ~
y sont colinéaires.
x + θ~
q(θ) = 〈~ x + θ~
y ,~ y 〉.
De plus le produit scalaire est défini-positif, donc quel que soit θ ∈ IR,
Exemples
x + θ~
q(θ) = 〈~ x + θ~
y ,~ y 〉 ≥ 0. Exercices
Documents
7 ÏÏ
Î précédent section N suivant Ï
Si ~
y 6= 0, q(θ) est un trinôme du second degré (car 〈~ y 〉 6= 0) qui est non négatif quelque soit θ ,
y ,~ Inégalité de
son discriminant est donc ≤ 0 d’où l’inégalité de Cauchy-Schwarz : Cauchy-Schwarz
〈~ y 〉2 − 〈~
x ,~ x ,~
x 〉〈~
y ,~
y 〉 ≤ 0.
〈~ y 〉2 = 0 ≤ 〈~
x ,~ x ,~
x 〉〈~
y ,~
y 〉 = 0.
Dans ce cas l’inégalité est une égalité, dans quel autre cas a-t-on encore une égalité ?
y 6= ~0 et 〈~
Si ~ y 〉2 − 〈~
x ,~ x ,~
x 〉〈~
y ,~
y 〉 = 0, le discriminant est nul donc le trinôme du second degré q(θ)
admet une racine (double), donc ∃θ̄ tel que q(θ̄) = 〈~ x + θ̄~ x + θ̄~
y ,~ y 〉 = 0, or le produit scalaire est
défini positif donc ~ x + θ̄~ ~
y = 0, ce qui veut dire que ~x = −θ̄~
y.
Réciproquement, si ~
x = −θ̄~
y , un calcul direct montre que 〈~ y 〉2 = 〈~
x ,~ x ,~
x 〉〈~
y ,~
y 〉.
En résumé on a toujours
〈~ y 〉2 ≤ 〈~
x ,~ x ,~
x 〉〈~
y ,~
y 〉.
y = ~0 ou ~
On a égalité pour ~ x = −θ̄~
y ce qui est équivalent à dire (~ y ) est une famille liée, ou ~
x ,~ x et ~
y
sont colinéaires (montrez le).
Sommaire
Concepts
L’inégalité de Cauchy-Schwarz peut aussi s’écrire
Exemples
p q
x ,~
|〈~ y 〉| ≤ x ,~
〈~ x 〉 〈~
y ,~
y 〉. Exercices
Documents
ÎÎ 8 ÏÏ
Î précédent section N suivant Ï
Cette inégalité appliquée au produit scalaire usuel de IRn , donne l’inégalité : Inégalité de
à !2 Cauchy-Schwarz
n n n
x i2 y i2 .
X X X
xi y i ≤
i =1 i =1 i =1
Sommaire
Concepts
Exemples
Exercices
Documents
ÎÎ 9
Î précédent section N suivant Ï
Exercices :
Exercice A.1.5
Définition 5.1.2. On appelle norme sur un espace vectoriel réel E , une application de E dans IR+
notée
~
x 7→ k~
xk
possédant les propriétés suivantes :
x =~0,
x k = 0 ⇐⇒ ~
1. k~
2. kα~
x k = |α| k~
x k, ∀α ∈ IR,
3. k~
x +~
y k ≤ k~
x k + k~
y k : inégalité triangulaire.
Définition 5.1.3. On appelle espace vectoriel normé un espace vectoriel réel muni d’une norme.
10 ÏÏ
Î précédent section N suivant Ï
|αx i | = |α||x i | et |x i + y i | ≤ |x i | + |y i |.
Sommaire
Concepts
Exemples
Exercices
Documents
ÎÎ 11
Î précédent section N
Proposition 5.1.3. Soit E un espace vectoriel réel muni d’un produit scalaire, alors l’application
p
~x 7→ 〈~ x ,~
x〉 (5.1.2)
x +~
〈~ y ,~
x +~
y 〉 = 〈~
x ,~
x 〉 + 2〈~
x ,~
y 〉 + 〈~
y ,~
y〉
d’où µp ¶2
q
x +~
〈~ y ,~
x +~
y〉 ≤ x ,~
〈~ x 〉 + 〈~
y ,~
y〉 Exemples
Exercices
p p p Documents
soit x +~
〈~ y ,~
x +~
y 〉 ≤ 〈~
x ,~
x 〉 + 〈~
y ,~
y 〉.
12 ÏÏ
Î précédent section N
Définition 5.1.4. Un espace euclidien est un espace vectoriel de dimension finie, muni d’un pro- Définition de
duit scalaire donc de la norme associée à ce produit scalaire. l’espace
euclidien
Exemple : E = IRn est un espace vectoriel de dimension finie n muni du produit scalaire usuel
〈x, y〉 = ni=1 x i y i et de la norme associée
P
s
n
x i2 .
X
kxk =
i =1
On vient de voir qu’à un produit scalaire on peut associer une norme, la réciproque est fausse,
n
|x i | de IRn , ni d’ailleurs à la
X
par exemple il n’existe pas de produit scalaire associé à la norme
i =1
norme max |x i |.
1≤i ≤n
Sommaire
Concepts
Exemples
Exercices
Documents
ÎÎ 13
Î section précédente chapitre N section suivante Ï
5.2 Orthogonalité
Sommaire
Concepts
Exemples
Exercices
Documents
14
section N suivant Ï
Exercices : Exemples :
Exercice A.1.6 Exemple B.1.2
Exercice A.1.7
x i ,~
〈~ x j 〉 = 0, ∀i 6= j.
kx i k = 1, ∀i = 1, . . . , p.
15 ÏÏ
section N suivant Ï
x ∈ IR3 | x 1 −2x 2 +x 3 = 0}. F ⊥ est donc un plan dont (2, 1, 0) et (1, 0, −1) sont les vecteurs
Alors F ⊥ = {~ Vecteurs
d’une base possible. orthogonaux,
sous-espaces
Proposition 5.2.1. Une famille orthogonale de vecteurs non nuls d’un espace euclidien, est libre.
orthogonaux
Sommaire
Concepts
Exemples
Exercices
Documents
ÎÎ 16
Î précédent section N suivant Ï
Exercices : Documents :
Exercice A.1.8 Document C.1.1
17 ÏÏ
Î précédent section N suivant Ï
soit
β = −〈~
x 2 ,~
y 1 〉,
d’où
~
ŷ 2 = ~
x 2 − 〈~
x 2 ,~
y 1 〉~
y1,
~
ŷ 2 est un vecteur non nul, car sinon on aurait ~
x 2 et ~
y 1 colinéaires donc ~
x 2 et ~
x 1 colinéaires, ce
qui est contraire à l’hypothèse. On peut donc définir :
1 ~
~
y2 = ŷ 2
~
k ŷ 2 k
~
ŷ 3 = ~
x 3 + β1 ~
y 1 + β2 ~
y2
ÎÎ 18
Î précédent section N
Exercices :
Exercice A.1.9
E = F ⊕ F ⊥.
Démonstration – Soit X = (~ x 1 ,~ x 2 , . . . ,~
x p ) une base de F , d’après le théorème de la base incom-
plète, on peut compléter X par une famille X x p+1 ,~
f = (~ x n ) telle que X ∪ X
x p+2 , . . . ,~ f forme une
base de E . D’après l’orthogonalisation de Schmidt, on peut trouver une famille orthonormée
y 1 ,~
(~ y 2 , . . . ,~
y n ) telle que :
– vect〈~ y 1 ,~y 2 , . . . ,~
y p 〉 = vect〈~x 1 ,~x 2 , . . . ,~
x p 〉 et donc (~
y 1 ,~
y 2 , . . . ,~
y p ) est une base orthonormée de F ,
– vect〈~ y 1 ,~y 2 , . . . ,~
y n 〉 = vect〈~x 1 ,~x 2 , . . . ,~
x n 〉 et donc (~
y 1 ,~
y 2 , . . . ,~
y n ) est une base orthonormée de E ,
– E = F ⊕G où G = vect〈~ y p+1 , . . . ,~
y n 〉.
– Par définition d’une base orthonormée on a Sommaire
Concepts
y k ,~
〈~ y i 〉 = 0, ∀k = p + 1, . . . , n, ∀i = 1, . . . , p.
Puisque ~y k est orthogonal à tous les éléments de la base de F , ~ y k est orthogonal à tous les Exemples
~
vecteurs de F donc y k ∈ F , ceci est vrai ∀k = p + 1, . . . , n et donc G ⊂ F ⊥ .
⊥ Exercices
Documents
– Donc E = F ⊕G ⊂ F + F ⊥ .
19 ÏÏ
Î précédent section N
Sommaire
Concepts
Exemples
Exercices
Documents
ÎÎ 20
Î section précédente chapitre N section suivante Ï
Sommaire
Concepts
Exemples
Exercices
Documents
21
section N suivant Ï
Exercices :
Exercice A.1.10
Bien sûr la terminologie "matrice orthogonale" n’a pas été choisie au hasard : si on utilise le pro-
duit scalaire usuel de IRn , on voit que 2 colonnes distinctes de Q ont un produit scalaire nul, elles
sont donc orthogonales. On remarque de plus que les colonnes de Q sont orthonormées, ce que
ne laisse pas supposer la terminologie.
Proposition 5.3.1. Une condition nécessaire et suffisante pour que Q soit orthogonale est que :
Sommaire
QT Q = I Concepts
Démonstration –
Exemples
Q T Q = I ⇐⇒ (Q T )Q j = δi j ⇐⇒ (Q i )T Q j = δi j ⇐⇒ Q est orthogonale. Exercices
i
Documents
Une conséquence immédiate de la proposition précédente est :
22 ÏÏ
section N suivant Ï
Sommaire
Concepts
Exemples
Exercices
Documents
ÎÎ 23
Î précédent section N suivant Ï
Exercices :
Exercice A.1.11
Exercice A.1.12
n Exemples
〈~
b 0j ,~
b k0 〉 = p i j p i k = (P j )T P k
X
Exercices
i =1 Documents
24 ÏÏ
Î précédent section N suivant Ï
Sommaire
Concepts
Exemples
Exercices
Documents
ÎÎ 25
Î précédent section N
Exercices :
Exercice A.1.13
Proposition 5.3.4. Les matrices orthogonales ont les deux propriétés importantes suivantes :
– La transposée d’une matrice orthogonale est orthogonale.
– Un produit de matrices orthogonales est orthogonal.
Démonstration –
– si Q est orthogonale alors Q T Q = I , donc on en déduit que Q est l’inverse de Q T donc que
QQ T = I , donc Q T est orthogonale.
– (PQ)T PQ = Q T P T PQ = Q T Q = I , donc PQ est orthogonale.
Proposition 5.3.5. Lien entre matrice orthogonale, norme et produit scalaire dans IRn
– Une matrice Q est orthogonale si et seulement si elle conserve la norme des vecteurs, c’est-à-dire
quelque soit le vecteur x de IRn , on a kxk = kQxk où k.k représente la norme usuelle de IRn . Sommaire
Concepts
– Une matrice est orthogonale si et seulement si elle conserve le produit scalaire usuel, c’est-à-dire
quelque soit les vecteurs x et y de IRn 〈x, y〉 = 〈Qx,Q y〉.
Exemples
Démonstration – Exercices
Documents
26 ÏÏ
Î précédent section N
Sommaire
Concepts
Exemples
Exercices
Documents
ÎÎ 27
Î section précédente chapitre N section suivante Ï
Sommaire
Concepts
Exemples
Exercices
Documents
28
section N
Exercices : Documents :
Exercice A.1.14 Document C.1.2
Exercice A.1.15
Le but de ce paragraphe est de montrer qu’une matrice symétrique réelle est diagonalisable dans
IR. On va énoncer tout d’abord un premier résultat que l’on complètera après.
Proposition 5.4.1. Si A est une matrice symétrique réelle, si λ1 et λ2 sont 2 valeurs propres réelles
distinctes, si on note y 1 , y 2 2 vecteurs propres réels associés, alors y 1 , y 2 sont orthogonaux.
Théorème 5.4.1. Soit A ∈ Mnn (IR) une matrice symétrique réelle, alors
1. A a toutes ses valeurs propres réelles,
2. il existe une base orthonormée de IRn constituée de vecteurs propres de A (on utilise le produit
Sommaire
scalaire usuel de IRn ), Concepts
3. A est diagonalisable dans IR. Plus précisément, il existe une matrice P orthogonale telle que
D = P T AP soit une matrice diagonale.
Exemples
Exercices
Démonstration – Documents
29 ÏÏ
section N
1. Soit (λ, y) ∈ C × Cn un couple propre de A. Pour montrer que λ est réel, nous allons montrer Matrices
que λ = λ̄. On a par définition symétriques
Ay = λy (5.4.1) réelles et
et en conjugant diagonalisation
A ȳ = λ̄ ȳ (A est réelle). (5.4.2)
Multiplions à gauche (5.4.1) par ȳ T , on obtient :
n n
ȳ T Ay = λ ȳ T y = λ y¯i y i = λ |y i |2 .
X X
(5.4.3)
i =1 i =1
Or
ȳ T Ay = ( ȳ T Ay)T = y T A ȳ,
donc en utilisant les égalités (5.4.3) et (5.4.4), on trouve λ = λ̄ (le vecteur propre y étant non
n
|y i |2 ).
X
nul, on peut simplifier par Sommaire
i =1
Concepts
3. Ceci se démontre par récurrence sur l’ordre n de la matrice A.
– Pour n=1, le théorème est trivial. Mais pour comprendre le principe de la démonstra-
tion, nous allons étudier le cas n = 2. Soit A ∈ M2,2 (IR) une matrice symétrique et soit Exemples
(λ, y) ∈ IR × IR2 un couple propre de A, on peut toujours supposer que kyk = 1. D’après Exercices
Documents
l’orthogonalisation de Schmidt, il existe z ∈ IR2 tel que kzk = 1 et 〈y, z〉 = y T z = 0. Soit P
ÎÎ 30 ÏÏ
section N
¡ ¢
la matrice 2 × 2 dont les colonnes sont y et z : P = y z . Comme cette matrice est Matrices
orthogonale, on a P −1 = P T , et on peut écrire : symétriques
réelles et
P −1 AP = P T AP = P T A = PT = PT λy
¡ ¢ ¡ ¢ ¡ ¢
y z Ay Az Az .
diagonalisation
D’où, en utilisant la multiplication par blocs :
yT λy T y y T Az
µ ¶ µ ¶
−1
λy
¡ ¢
P AP = Az = .
zT λz T y z T Az
Or
– kyk = 1 =⇒ λy T y = λ,
– 〈y, z〉 = 0 =⇒ λy T z = λz T y = 0,
– y T Az = y T A T z = (Ay)T z = λy T z = 0,
donc, si l’on pose µ = z T Az ∈ IR, on obtient :
λ 0
µ ¶
P −1 AP =
0 µ
ÎÎ 31
Î section précédente chapitre N section suivante Ï
Sommaire
Concepts
Exemples
Exercices
Documents
32
section N suivant Ï
Exercices :
Exercice A.1.16
Exercice A.1.17
Exercice A.1.18
Exercice A.1.19
Définition 5.5.1. On dit que la matrice symétrique A ∈ Mn,n (IR) est semi-définie positive si
x T Ax ≥ 0, ∀x ∈ IRn . (5.5.1)
x T Ax = 0 =⇒ x = 0. (5.5.2)
Ceci implique donc qu’une matrice symétrique est définie positive si et seulement si
Sommaire
x T Ax > 0 , pour tout x 6= 0. Concepts
Proposition 5.5.1. Les termes diagonaux d’une matrice définie positive sont strictement positifs.
Exemples
Les termes diagonaux d’une matrice semi-définie positive sont positifs ou nuls. Exercices
Documents
33 ÏÏ
section N suivant Ï
Il est alors clair que si toutes les valeurs propres sont strictement positives, la matrice est définie
positive. Réciproquement, si la matrice est définie positive, en prenant x̃ égal successivement aux
vecteurs de la base canonique de IRn , on obtient aisément que toutes les valeurs propres sont
strictement positives.
Sommaire
Démontrer en exercice le résultat énoncé pour les matrices semi-définies positives. Concepts
ÎÎ 34
Î précédent section N suivant Ï
Exercices :
Exercice A.1.20
Définition 5.5.2. On appelle forme quadratique sur IRn , un polynôme homogène de degré 2 en les
variables (x 1 x 2 , . . . , x n ), c’est-à-dire une expression de la forme
n
αi x i2 + βi j x i x j .
X X
q(x) = (5.5.3)
i =1 1≤i < j ≤n
Proposition 5.5.4. Une condition nécessaire et suffisante pour que q soit une forme quadratique est
qu’il existe une matrice symétrique A appartenant à Mn,n (IR) telle que q(x) = x T Ax, cette matrice
étant unique.
Réciproquement, en partant d’une forme quadratique, l’unique matrice A vérifiant q(x) = x T Ax Exemples
est définie par Exercices
1 Documents
a i i = αi et a i j = a j i = βi j pour i 6= j
2
35 ÏÏ
Î précédent section N suivant Ï
1£
φ(x, y) = x T Ay = (x + y)T A(x + y) − x T Ax − y T Ay
¤
2
1£ ¤
= q(x + y) − q(x) − q(y) .
2
Sommaire
Concepts
Exemples
Exercices
Documents
ÎÎ 36
Î précédent section N suivant Ï
Exercices :
Exercice A.1.21
Sommaire
Concepts
Exemples
Exercices
Documents
37
Î précédent section N
Exercices :
Exercice A.1.22
La réduction de Gauss est un algorithme qui permet de réduire en carrés une forme quadratique,
c’est-à-dire d’écrire q(x) comme une somme de carrés de combinaisons linéaires des variables.
q(x) = x 12 + 28x 22 + 5x 32 + 2x 1 x 2 − 4x 1 x 3 + 6x 2 x 3 .
On voit qu’il existe des termes "au carré", par exemple x 12 . On recense tous les termes qui font
intervenir cette variable x 1 , c’est-à-dire
q ∗ (x) = x 12 + 2x 1 x 2 − 4x 1 x 3 .
Sommaire
On écrit alors que q ∗ (x) constitue les premiers termes d’un carré Concepts
38 ÏÏ
Î précédent section N
q(x) = (x 1 + x 2 − 2x 3 )2 + (x 3 + 5x 2 )2 + 2x 22 .
A partir de cette expression, on observe que q(x) ≥ 0, ∀x. On montre facilement que
q(x) = 0 ⇔ x 2 = 0, x 3 = 0, x 1 = 0 ⇔ x = 0,
Sommaire
Concepts
donc q est définie positive.
– 2e cas - La méthode que l’on vient d’utiliser, s’applique lorsqu’il existe des termes au carré.
Dans le cas contraire on applique la règle expliquée sur l’exemple suivant : Exemples
Exercices
q(x) = 4x 1 x 2 + 4x 1 x 3 − 8x 1 x 4 + 4x 2 x 3 + 4x 2 x 4 + 4x 3 x 4 . Documents
ÎÎ 39 ÏÏ
Î précédent section N
On choisit deux variables x 1 et x 2 par exemple, on regroupe tous les termes qui font intervenir Réduction de
ces deux variables Gauss d’une
q ∗ (x) = 4x 1 x 2 + 4x 1 x 3 − 8x 1 x 4 + 4x 2 x 3 + 4x 2 x 4 forme
et on écrit q ∗ (x) = α(x 1 + . . .)(x 2 + . . .) + q̂(x) où q̂(x) ne dépend plus de x 1 et x 2 . On a donc ici quadratique
1¡
(a + b)2 − (a − b)2 ,
¢
ab =
4
d’où
q ∗ (x) = (x 1 + x 2 + 2x 3 − x 4 )2 − (x 1 − x 2 + 3x 4 )2 − 4(x 3 + x 4 )(x 3 − 2x 4 )
On a donc
On note
q 1 (x) = −4(x 3 + x 4 )(x 3 − 2x 4 ) + 4x 3 x 4
Sommaire
q 1 (x) ne dépend plus de x 1 et x 2 . On recommence la réduction avec q 1 : s’il existe des termes au Concepts
carré, on se trouve dans le premier cas, sinon on applique deuxième cas. On obtient finalement :
ÎÎ 40 ÏÏ
Î précédent section N
A partir de cette expression, on montre que cette forme quadratique n’est pas définie positive, car Réduction de
il existe un x tel que q(x) < 0. Prendre par exemple : x 4 = 0, x 3 = 0 x 1 − x 2 = 1 et x 1 + x 2 = 0 (soit Gauss d’une
x = (0, 5, −0, 5, 0, 0)). forme
quadratique
Dans tous les cas, on arrive à décomposer q(x) en une somme algébrique de carrés indépendants.
Bien sûr, cette décomposition n’est pas unique, mais, en revanche, on peut démontrer qu’il existe
des invariants : si l’on note n + le nombre de carrés affectés d’un coefficient strictement positif,
n − le nombre de carrés affectés d’un coefficient strictement négatif, n + et n − sont des invariants.
Si l’on note A la matrice symétrique associée à q, alors n + est le nombre de valeurs propres stric-
tement positives (comptées avec leur multiplicité) et n − est le nombre de valeurs propres stricte-
ment négatives (comptées avec leur multiplicité).
n + + n − ≤ n.
D’autre part :
– si n + = n (on a alors n − = 0), q est définie positive.
– si n − = 0, q est semi-définie positive.
Sommaire
Concepts
Exemples
Exercices
Documents
ÎÎ 41
Î section précédente chapitre N
Sommaire
Concepts
Exemples
Exercices
Documents
42
section N suivant Ï
Exemples :
Exemple B.1.3
φ(λ~
x 1 + µ~ y ) = λφ(~
x 2 ,~ y ) + µφ(~
x 1 ,~ y )∀λ, µ, ∈ C
x 2 ,~
φ(~
x , λ~
y 1 + µ~
y 2 ) = λ̄φ(~ y 1 ) + µ̄φ(~
x ,~ y 2 )∀λ, µ, ∈ C
x ,~
Sommaire
Concepts
n
Exemple : E = Cn , φ(x, y) =
X
x i ȳ i est une forme sesquilinéaire sur E × E .
i =1
Exemples
Exercices
Documents
43
Î précédent section N suivant Ï
Exercices : Exemples :
Exercice A.1.23 Exemple B.1.4
Définition 5.6.2. On appelle forme sesquilinéaire hermitienne sur E , une forme sesquilinéaire
(~ y ) 7→ φ(~
x ,~ x ,~
y ) de E × E dans C possédant la propriété suivante :
φ(~ x ) = φ(~
y ,~ x ,~
y ),
Définition 5.6.3. On appelle produit hermitien sur E , une forme sesquilinéaire φ de E ×E dans C,
hermitienne et définie positive, c’est-à-dire :
Sommaire
φ(~
x ,~ x 6=~0 (en effet φ(~
x ) > 0 pour tout ~ x ,~
x ) ∈ IR). Concepts
Définition 5.6.4. Un espace vectoriel sur C de dimension finie muni d’un produit hermitien est
appelé espace hermitien. Exemples
Exercices
Documents
44 ÏÏ
Î précédent section N suivant Ï
n
Exemple : E = Cn , φ(x, y) =
X
x i ȳ i est un produit hermitien sur E . Produit
i =1 hermitien,
espace
Si les éléments de la matrice A sont des nombres complexes, voici l’analogue de la matrice trans- hermitien,
posée et de la matrice symétrique. matrice
hermitienne
Définition 5.6.5. Soit A ∈ Mn,n (C), on appelle adjointe de A et on note A ∗ la matrice A ∗ = Ā T .
n
On peut alors noter le produit hermitien φ(x, y) =
X
x i ȳ i sous la forme
i =1
φ(x, y) = y ∗ x = x ∗ y.
Dans ce cas
n
φ(x, x) = x ∗ x = |x i2 |
X
i =1
p
et on pourrait donc définir la norme de x ∈ Cn par kxk = x ∗ x.
Sommaire
Concepts
Exemples
Exercices
Documents
ÎÎ 45
Î précédent section N
Théorème 5.6.1. Une matrice hermitienne a toutes ses valeurs propres réelles et elle est diagona-
lisable. La matrice D est à coefficients réels. La matrice de changement de base P (à coefficients
complexes) est unitaire.
Démonstration – La démonstration est tout à fait analogue à celle qui a été faite pour la diagonali-
sation des matrices symétriques. Montrons simplement que les valeurs propres sont réelles. Soit
(λ, y) ∈ C × Cn un couple propre, alors on a Sommaire
Concepts
y ∗ Ay = λy ∗ y = λkyk2 . (5.6.1)
46 ÏÏ
Î précédent section N
Mais puisque A est hermitienne, (Ay)∗ = y ∗ A ∗ = y ∗ A, en comparant les équations (5.6.1) et (5.6.2) Orthogonalité
on obtient dans les espaces
λkyk2 = λ̄kyk2 , hermitiens
ce qui signifie que λ = λ̄, puisque un vecteur propre est non nul.
Sommaire
Concepts
Exemples
Exercices
Documents
ÎÎ 47
Î précédent suivant Ï
Annexe A
Exercices
Sommaire
Concepts
Exemples
Exercices
Documents
48
chapitre N section suivante Ï
49 ÏÏ
chapitre N section suivante Ï
A.1.23 Ch5-exercice23 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 73
Sommaire
Concepts
Exemples
Exercices
Documents
ÎÎ 50
section N suivant Ï
x ,~
– Montrer que 〈~ x 〉 > 0 pour tout ~ x 6=~0
~ ~
x , 0〉 = 〈0,~
– Montrer que 〈~ x =~0 =⇒ 〈~
x 〉 = 0 et que donc, en particulier, ~ x ,~
x 〉 = 0.
retour au cours
Solution
Sommaire
Concepts
Exemples
Exercices
Documents
51
Î précédent section N suivant Ï
Montrer que si γ1 , . . ., γn sont des réels strictement positifs, 〈~ y 〉γ = ni=1 γi x i y i définit bien un
P
x ,~
produit scalaire dans IRn . Que se passe-t-il si γ1 , . . ., γn ne sont plus des réels strictement positifs ?
retour au cours
Solution
Sommaire
Concepts
Exemples
Exercices
Documents
52
Î précédent section N suivant Ï
Montrer la proposition :
Si A ∈ Mmn (IR) alors A T ∈ Mnm (IR) vérifie :
(le poduit scalaire du membre de gauche est dans IRm et celui de droite dans IRn .)
retour au cours
Solution
Sommaire
Concepts
Exemples
Exercices
Documents
53
Î précédent section N suivant Ï
x ,~
Dans l’espace, le produit scalaire usuel est défini par 〈~ y 〉 = k~ y k cos θ où θ est l’angle entre les
x kk~
2 vecteurs . Vérifier l’inégalité de Cauchy-Schwarz dans ce cas particulier.
retour au cours
Solution
Sommaire
Concepts
Exemples
Exercices
Documents
54
Î précédent section N suivant Ï
Montrer que dans IRn , max |x i |, où (x 1 , . . . , x n ) sont les composantes de x, définit une norme. On
1≤i ≤n
appelle cette norme la norme infinie et on la note k.k∞
retour au cours
Solution
Sommaire
Concepts
Exemples
Exercices
Documents
55
Î précédent section N suivant Ï
retour au cours
Solution
Sommaire
Concepts
Exemples
Exercices
Documents
56
Î précédent section N suivant Ï
Montrer qu’une famille de vecteurs orthogonaux non nuls est une famille libre.
retour au cours
Solution
Sommaire
Concepts
Exemples
Exercices
Documents
57
Î précédent section N suivant Ï
mille X = (~ x 1 ,~ x 3 ) avec ~
x 2 ,~ x 1 = 1 ,~ x3 = 1 .
x 2 = 1 ,~
0 1 1
retour au cours
Solution
Sommaire
Concepts
Exemples
Exercices
Documents
58
Î précédent section N suivant Ï
Soit E = IR3 , ~
y = (1, −2, 1), F = vect〈~y 〉.
⊥ 3
Alors on a vu que F = {~ x ∈ IR | x 1 − 2x 2 + x 3 = 0}. F ⊥ est donc un plan dont (2, 1, 0) et (1, 0, −1)
constituent par exemple une base. Montrer directement dans ce cas particulier que E = F ⊕ F ⊥ .
retour au cours
Solution
Sommaire
Concepts
Exemples
Exercices
Documents
59
Î précédent section N suivant Ï
retour au cours
Solution
Sommaire
Concepts
Exemples
Exercices
Documents
60
Î précédent section N suivant Ï
On définit sur IR3 le produit scalaire usuel. Soit B, la base canonique de IR3 , montrer que B est
une base orthonormée. Montrer que la base B 0 définie par
µµ ¶ µ ¶ µ ¶¶
0 1 1 1 1 1 1 1 −2
B = p , p , p , p ,−p ,0 , p , p , p
3 3 3 2 2 6 6 6
retour au cours
Solution
Sommaire
Concepts
Exemples
Exercices
Documents
61
Î précédent section N suivant Ï
retour au cours
Solution
Sommaire
Concepts
Exemples
Exercices
Documents
62
Î précédent section N suivant Ï
(x 10 )2 + (x 20 )2 + (x 30 )2
Puis
x 10 y 10 + x 20 y 20 + x 30 y 30
retour au cours
Solution
Sommaire
Concepts
Exemples
Exercices
Documents
63
Î précédent section N suivant Ï
Soit A une matrice symétrique, λ1 , λ2 2 valeurs propres réelles distinctes, on note y 1 , y 2 2 vecteurs
propres réels associés.
1. Exprimer 〈Ay 1 , y 2 〉 à l’aide de 〈y 1 , y 2 〉.
2. Exprimer 〈y 1 , Ay 2 〉 à l’aide de 〈y 1 , y 2 〉.
3. En déduire que 〈y 1 , y 2 〉=0.
retour au cours
Solution
Sommaire
Concepts
Exemples
Exercices
Documents
64
Î précédent section N suivant Ï
Calculer les valeurs propres et déterminer une base orthonormée de vecteurs propres de la ma-
trice :
4 −2 −2
A = −2 4 −2
−2 −2 4
retour au cours
Solution
Sommaire
Concepts
Exemples
Exercices
Documents
65
Î précédent section N suivant Ï
Montrer que si une matrice est symétrique définie positive, ses termes diagonaux sont stricte-
ment positifs (calculer x T Ax avec un vecteur x judicieusement choisi).
Montrer que si une matrice est symétrique semi-définie positive, ses termes diagonaux sont po-
sitifs ou nuls.
retour au cours
Solution
Sommaire
Concepts
Exemples
Exercices
Documents
66
Î précédent section N suivant Ï
retour au cours
Solution
Sommaire
Concepts
Exemples
Exercices
Documents
67
Î précédent section N suivant Ï
La matrice
4 −2 −2
A = −2 4 −2
−2 −2 4
retour au cours
Solution
Sommaire
Concepts
Exemples
Exercices
Documents
68
Î précédent section N suivant Ï
Montrer qu’une matrice symétrique définie positive est inversible. Le résultat est-il toujours va-
lable si la matrice est semi-définie positive ? Si oui démontrez-le, si non trouvez un contre exemple.
retour au cours
Solution
Sommaire
Concepts
Exemples
Exercices
Documents
69
Î précédent section N suivant Ï
– On définit
3 −2 5
A = −2 7 11 ,
5 11 13
retour au cours
Solution
Sommaire
Concepts
Exemples
Exercices
Documents
70
Î précédent section N suivant Ï
retour au cours
Solution
Sommaire
Concepts
Exemples
Exercices
Documents
71
Î précédent section N suivant Ï
Les formes quadratiques suivantes sont-elle définies positives ? semi-définies positives ? On utili-
sera la décomposition de Gauss.
– q(x) = x 12 + 28x 22 + 5x 32 + 2x 1 x 2 − 4x 1 x 3 + 6x 2 x 3 ,
– q(x) = 4x 1 x 2 + 4x 1 x 3 − 8x 1 x 4 + 4x 2 x 3 + 4x 2 x 4 + 4x 3 x 4 ,
– q(x) = 4x 12 + 4x 22 + 4x 32 − 4x 1 x 2 − 4x 1 x 3 − 4x 2 x 3 .
retour au cours
Solution
Sommaire
Concepts
Exemples
Exercices
Documents
72
Î précédent section N
retour au cours
Solution
Sommaire
Concepts
Exemples
Exercices
Documents
73
Î section précédente chapitre N
A.2 Exercices de TD
A.2.1 TD5-Exercice 1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 75
A.2.2 TD5-Exercice 2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 76
A.2.3 TD5-Exercice 3 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 77
A.2.4 TD5-Exercice 4 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 78
A.2.5 TD5-Exercice 5 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 79
A.2.6 TD5-Exercice 6 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 80
A.2.7 TD5-Exercice 7 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 81
A.2.8 TD5-Exercice 8 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 83
A.2.9 TD5-Exercice 9 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 84
A.2.10 TD5-Exercice 10 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 85
A.2.11 TD5-Exercice 11 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 87 Sommaire
Concepts
Exemples
Exercices
Documents
74
section N suivant Ï
1. (a) Soit A ∈ Mn,p (IR), B ∈ Mn,p (IR), on définit 〈A, B 〉 = trace A T B . Montrer que l’on définit
bien un produit scalaire sur Mn,p (IR) × Mn,p (IR). Quelle est la norme associée ? Ecrire
l’inégalité de Cauchy-Schwarz correspondante.
µ ¶ µ ¶
1 23 4 −2 7
(b) On définit A = ,B = . Calculer 〈A, B 〉, ||A||, ||B ||.
−1 5 6 8 3 4
p p
(réponse : 〈A, B 〉 = 52, ||A|| = 76, ||B || = 158).
Exemples
Exercices
Documents
75
Î précédent section N suivant Ï
Montrer que
à !2 à !
n n
y i2
X X
yi ≤n .
i =1 i =1
Aide 1 Aide 2
Sommaire
Concepts
Exemples
Exercices
Documents
76
Î précédent section N suivant Ï
Sommaire
Concepts
Exemples
Exercices
Documents
77
Î précédent section N suivant Ï
Exemples
Exercices
Documents
78
Î précédent section N suivant Ï
1. Le plan est muni d’une base orthonormée directe, montrer que la matrice de la rotation
d’un angle θ est une matrice orthogonale. Que vaut son déterminant ?
e 1 ,~
2. L’espace est muni d’une base orthonormée directe (~ e 2 ,~
e 3 ).
(a) Ecrire les matrices des rotations d’angle θ autour de ~
e1, ~
e2, ~
e 3 . Vérifier que ces matrices
sont orthogonales.
(b) En déduire que la matrice R d’une rotation quelconque est orthogonale.
(c) Comment pouvait-on obtenir ce dernier résultat immédiatement ? Que vaut le déter-
minant de R ?
Réponse : le déterminant d’une matrice de rotation est toujours égal à 1.
Question 1 Aide 1
Question 2a Aide 1 Aide 2
Question 2b Aide 1 Aide 2
Question 2c Aide 1 Aide 2
Sommaire
Concepts
Exemples
Exercices
Documents
79
Î précédent section N suivant Ï
p1 p1
3 2
Q =
p1 − p1
3 2
p1 0
3
Question 1 Aide 1
Question 2 Aide 1 Sommaire
Concepts
Question 3 Aide 1
Exemples
Exercices
Documents
80
Î précédent section N suivant Ï
B = −1 5 2 .
2 2 2
Réponse : on a λ1 = 0, λ2 = 6 double,
1 1 1
p −p p
6 2 3
p1 p1 p1
Y 1 = 6 , Y 2 = , Y3 = 3
2
− p2 0 p1
6 3
1010
0 0 0 0
3. On définit la matrice A = . Sommaire
1 0 1 0 Concepts
0000
(a) Sans calculs (ou presque !) donner les valeurs propres de A et leur multiplicité.
Exemples
(b) Déterminer une base orthonormée de IR4 constituée de vecteurs propres de la matrice Exercices
A. Documents
81 ÏÏ
Î précédent section N suivant Ï
Sommaire
Concepts
Exemples
Exercices
Documents
ÎÎ 82
Î précédent section N suivant Ï
Question 1 Aide 1
Question 2 Aide 1 Aide 2 Aide 3 Aide 4
Sommaire
Concepts
Exemples
Exercices
Documents
83
Î précédent section N suivant Ï
Sommaire
Concepts
Exemples
Exercices
Documents
84
Î précédent section N suivant Ï
1. Pour quelles valeurs de α les formes quadratiques ci-dessous sont-elles définies positives,
semi-définies positives ?
(a) q(x) = (x 1 )2 + 6(x 2 )2 + 3(x 3 )2 + 4x 1 x 2 + 6αx 1 x 3 ,
(réponse : définie positive pour − 31 < α < 13 , semi-définie positive pour − 13 ≤ α ≤ 31 ).
(b) q(x) = 2(x 1 )2 + 8(x 2 )2 − 3(x 3 )2 + 14x 1 x 2 + 2αx 2 x 3 , (réponse : aucune).
2. Pour quelles valeurs de α les formes bilinéaires ci-dessous définissent-elles un produit sca-
laire sur IR3 ?
(a) f (x, y) = x 1 y 1 + 6x 2 y 2 + 3x 3 y 3 + 2x 1 y 2 + 2x 2 y 1 + 3αx 1 y 3 + 3αx 3 y 1 .
(b) f (x, y) = x 1 y 1 + 10x 2 y 2 + αx 3 y 3 + 6x 1 y 2 − x 2 y 3 − x 3 y 2 .
(c) f (x, y) = 2x 1 y 1 + 8x 2 y 2 − 3x 3 y 3 + 7x 1 y 2 + 7x 2 y 1 + αx 2 y 3 + αx 3 y 2 .
3. Les matrices suivantes sont-elles symétriques définies positives, semi-définies positives ?
123 2 3 4 111 1 2 −1
A 1 = 2 6 0 , A 2 = 3 −1 5 , A 3 = 1 2 0 , A 4 = 2 4 −1 ,
303 4 5 6 107 −1 −1 1
1010
5 −1 2 −1 1 1
0 0 0 0 Sommaire
A 5 = −1 5 2 , A 6 = , A = 1 −1 1 ? Concepts
1 0 1 0 7
2 2 2 1 1 −1
0000
Réponses : Exemples
définie positive : non, non, oui, non, non, non, non, Exercices
Documents
semi-définie positive : non, non, oui, non, oui, oui, non.
85 ÏÏ
Î précédent section N suivant Ï
Exercice A.2.10
TD5-Exercice 10
Question 1a Aide 1 Aide 2 Aide 3
Question 1b Aide 1 Aide 2
Question 2 Aide 1 Aide 2
Question 3 Aide 1 Aide 2 Aide 3 Aide 4
Sommaire
Concepts
Exemples
Exercices
Documents
ÎÎ 86
Î précédent section N
Une application d : E × E → IR+ est une distance si elle vérifie les propriétés suivantes :
1) d (~ y ) = 0 ⇐⇒ ~
x ,~ x =~ y x ,~
∀~ y ∈ E,
2) d (~
x ,~
y ) = d (~
y ,~
x) x ,~
∀~ y ∈ E,
3) d (~
x ,~
z) ≤ d (~x ,~
y ) + d (~
y ,~
z) x ,~
∀~ y ,~
z ∈ E.
1. Montrez que si E est un espace Euclidien, d (~
x ,~
y ) = k~
x −~
y k définit bien une distance sur E .
2. Que vaut d (~ y ) dans le cas E = IR3 muni du produit scalaire usuel
x ,~
〈x, y〉 = x T y ?
3. Soit E = IRn et A ∈ Mnn (IR) symétrique définie positive.
q
Montrez que (x − y)T A (x − y) est une distance.
4. Application : On considère E = IR2 et on note d la distance Euclidienne dans E . On considère
µ ¶
40
également la matrice A = et on note d A la distance définie en 3.
01
Décrivez C = {~ x ,~0) = 1} et C A = {~
x | d (~ x ,~0) = 1}.
x | d A (~
Sommaire
Concepts
Question 1 Aide 1
Question 3 Aide 1 Aide 2
Question 4 Aide 1 Exemples
Exercices
Documents
87
Î précédent suivant Ï
Annexe B
Exemples
Sommaire
Concepts
Exemples
Exercices
Documents
88
chapitre N
B.1.1 polynômes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 90
B.1.2 Sous-espace orthogonal . . . . . . . . . . . . . . . . . . . . . . . . . . . 91
B.1.3 Forme sesquilinéaire . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 92
B.1.4 Espace hermitien . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 93
Sommaire
Concepts
Exemples
Exercices
Documents
89
section N suivant Ï
retour au cours
Sommaire
Concepts
Exemples
Exercices
Documents
90
Î précédent section N suivant Ï
n ak
Donc p(t ) = a n t n + a n−1 t n−1 + . . . + a 1 t + a 0 appartient à F ⊥ si et seulement si
X
= 0.
k=0 k + 1
retour au cours
Sommaire
Concepts
Exemples
Exercices
Documents
91
Î précédent section N suivant Ï
retour au cours
Sommaire
Concepts
Exemples
Exercices
Documents
92
Î précédent section N
retour au cours
Sommaire
Concepts
Exemples
Exercices
Documents
93
Î précédent
Annexe C
Documents
Sommaire
Concepts
Exemples
Exercices
Documents
94
chapitre N
Sommaire
Concepts
Exemples
Exercices
Documents
95
section N suivant Ï
On veut que ~
ŷ p+1 soit orthogonal à ~
y 1 ,~
y 2 , . . . ,~
yp
Les conditions d’orthogonalité s’écrivent :
Sommaire
p p Concepts
βi ~ βi 〈~ y j 〉 + β j , j = 1, . . . , p
X X
x p+1 +
0 = 〈~ y i ,~
y j 〉 = 〈~
x p+1 ,~
yj〉+ y i ,~
y j 〉 = 〈~
x p+1 ,~
i =1 i =1
96 ÏÏ
section N suivant Ï
retour au cours
Sommaire
Concepts
Exemples
Exercices
Documents
ÎÎ 97
Î précédent section N
– On suppose que toute matrice symétrique de taille au plus n − 1 est diagonalisable par une
matrice orthogonale. Soit A ∈ Mn,n (IR) une matrice symétrique et (λ, y) ∈ IR × IRn , un couple
propre de A, dont on peut toujours supposer que kyk = 1. En utilisant l’orthogonalisation de
Schmidt, on peut construire à partir de y une base orthonormée de IRn , soit (y,Q 2 , . . . ,Q n ) et on
posera
Q = y Q̂ avec Q̂ = (Q 2 ,Q 3 , . . . ,Q n ) ∈ Mn,n−1 (IR).
¡ ¢
B = Q T A y Q̂ = Q T Ay AQ̂ = Q T λy
¡ ¢ ¡ ¢ ¡ ¢
AQ̂
98 ÏÏ
Î précédent section N
qui est une matrice orthogonale car on vérifie aisément que R T R = I . Alors on a
λ 0 ... 0
1 0 ... 0 1 0 ... 0
T
R BR = 0 0 0
T
... R̂ ... B̂ ... R̂
0 0 0
soit
λ λ
1 0 ... 0 0 ... 0 0 ... 0
T
R BR = 0 0 = 0
R̂ T R̂ T B̂ R̂
... ... B̂ R̂ ...
0 0 0 Sommaire
soit donc Concepts
λ
0 ... 0
T
R BR = 0 =Λ Exemples
Exercices
Λ̂
...
Documents
0
ÎÎ 99 ÏÏ
Î précédent section N
où Λ est une matrice diagonale puisque Λ̂ est diagonale. On vient donc de montrer que Document C.1.2
Diagonalisation
Λ = R T B R = R T Q T AQR = (QR)T A(QR)
des matrices
et, comme QR est orthogonale (produit de matrices orthogonales), on a bien établi que A était symétriques
semblable à la matrice diagonale Λ par un changement de base orthonormé.
retour au cours
Sommaire
Concepts
Exemples
Exercices
Documents
ÎÎ 100
Index des concepts
101 ÏÏ
Orthogonalité et espaces hermitiens . . . . . . . . 46
Orthogonaux-vecteurs,sous-espaces . . . . . . . . 15
P
Produit scalaire usuel dans IRn . . . . . . . . . . . . . . . . 6
Produit scalaire-définition . . . . . . . . . . . . . . . . . . . . 4
R
Réduction de Gauss d’une forme quadratique
38
Sommaire
Concepts
Exemples
Exercices
Documents
ÎÎ 102
Solution de l’exercice A.1.1
– Dans la définition on a
x ,~
〈~ x =~0
x〉 = 0 ⇒ ~
donc en utilisant la contraposée :
x 6=~0 ⇒ 〈~
~ x ,~
x 〉 6= 0
mais puisque
x ,~
〈~ x〉 ≥ 0
on a donc :
x 6=~0 ⇒ 〈~
~ x ,~
x 〉 > 0.
– La bilinéarité et la symétrie entraînent
x ,~0〉 = 〈~0,~
〈~ x〉 = 0
(revoir comment on a démontré que u(~0E ) =~0F lorsque u est linéaire).
Retour à l’exercice N
Solution de l’exercice A.1.2
– On vérifie la bilinéarité.
– On a
n
x 〉 = γi x i2 ≥ 0 puisque γi > 0 et x i2 ≥ 0
X
x ,~
– 〈~
i =1
– 〈~x ,~ x =~0.
x 〉 = 0 ⇐⇒ γi x i2 = 0 ∀i = 1, . . . , n ⇐⇒ x i = 0 ∀i = 1, . . . , n ⇐⇒ ~
Si les γi ne sont pas strictement positifs, prenons par exemple
n = 2, γ1 = 1, γ2 = −1,
on a alors
x 〉 = x 12 − x 22
x ,~
〈~
donc 〈~ x 〉 n’est pas positif ou nul pour tout ~
x ,~ x , on peut prendre pour s’en convaincre
x 1 = 0, x 2 = 1.
x 1 = 0, x 2 = 1.
D’une façon plus générale quand les γi sont seulement positifs ou nuls on peut avoir γi x i2 = 0 sans que x i = 0.
Retour à l’exercice N
Solution de l’exercice A.1.3
Retour à l’exercice N
Solution de l’exercice A.1.4
On obtient 〈~ y 〉2 = k~
x ,~ x k2 k~y k2 cos 2 θ ≤ k~
x k2 k~
y k2 .
2 2
x k = 〈~
Or k~ x ,~
x 〉, k~
y k = 〈~ y ,~
y 〉.
Ce qui termine de démontrer la propriété.
Retour à l’exercice N
Solution de l’exercice A.1.5
x =~0
– max |x i | = 0 ⇐⇒ x i = 0 ∀i = 1, . . . , n ⇐⇒ ~
1≤i ≤n
– max |αx i | = max (|α||x i |) = |α| max |x i |
1≤i ≤n 1≤i ≤n 1≤i ≤n
– max |x i + y i | ≤ max (|x i | + |y i |) ≤ max |x i | + max |y i |
1≤i ≤n 1≤i ≤n 1≤i ≤n 1≤i ≤n
Les propriétés d’une norme sont donc vérifiées.
Retour à l’exercice N
Solution de l’exercice A.1.6
Retour à l’exercice N
Solution de l’exercice A.1.7
x 1 , . . . ,~
Soit (~ x p ) une famille orthogonale, supposons que
α1~ x p =~0,
x 1 + . . . + αp ~
x i , α1~
〈~ x 1 + . . . + αp ~
x p 〉 = 0,
α1 〈~ x 1 〉 + α2 〈~
x i ,~ x 2 〉 + . . . + αp 〈~
x i ,~ x i ,~
x p 〉 = 0,
Retour à l’exercice N
Solution de l’exercice A.1.8
p1
2
~
y1 = p1 ,
2
0
1
β = −〈~ x 2 ,~
y1〉 = − p ,
2
p1
0 − 12
1 2
~
ŷ 2 = ~ y 1 = 1 − p p1 = 21 ,
x 2 + β~
2 2
1 0 1
−1
1
~y2 = p 1
6 2
p 2
~
ŷ 3 = ~
x 3 + β1 ~
y 1 + β2 ~ y 2 , avec β1 = −〈~ y 1 〉 = − 2, β2 = −〈~
x 3 ,~ x 3 ,~
y2〉 = − p ,
6
1
1 1
−1 3
~ 1
ŷ 3 = 1 − 1 − 1 = − 13
3 1
1 0 2 3
d’où
p1
3
~
y3 =
− p1
3
p1
3
1 ~
Pour obtenir ~
y 3 on peut écrire ~
y3 = ŷ 3
k~
ŷ 3 k
où ce qui est équivalent mais plus facile à calculer
1
1
~
y3 = y~∗ 3 , avec y~∗ 3 = 3~
ŷ 3 = −1
k y~∗ 3 k 1
Retour à l’exercice N
Solution de l’exercice A.1.9
Si on note ~
x 1 = (2, 1, 0),~
x 2 = (1, 0, −1), alors (~
y ,~ x 2 ) est une base de IR3 .
x 1 ,~
On peut alors montrer facilement que F ∩ F = {~0} et que IR3 = F + F ⊥ .
⊥
Retour à l’exercice N
Solution de l’exercice A.1.10
On vérifie que
(Q 1 )T Q 1 = 1, (Q 1 )T Q 2 = 0, (Q 1 )T Q 3 = 0, (Q 1 )T Q 4 = 0,
(Q 2 )T Q 2 = 1, (Q 2 )T Q 3 = 0, (Q 2 )T Q 4 = 0,
(Q 3 )T Q 3 = 1, (Q 3 )T Q 4 = 0,
(Q 4 )T Q 4 = 1
Donc Q T Q = I donc Q −1 = Q T .
On calcule det Q = −1.
Retour à l’exercice N
Solution de l’exercice A.1.11
On vérifie que :
e 1 k = 1, k~
k~ e 2 k = 1, k~e 3 k = 1, 〈~e 1 ,~
e 2 〉 = 0, 〈~ e 1 ,~
e 3 〉 = 0, 〈~ e 2 ,~
e 3 〉 = 0,
e 0 2 k = 1, k~
e 0 1 k = 1, k~
k~ e 01, ~
e 0 3 k = 1, 〈~ e 0 3 〉 = 0, 〈~
e 01, ~
e 0 2 〉 = 0, 〈~ e 02, ~
e 03〉 = 0
p1 p1 p1
3 2 6
P =
p1 − p1 p1
3 2 6
p1 0 − p2
3 6
lorsque l’on effectue P T P on effectue les mêmes calculs que pour calculer les normes k~ e 0 1 k, . . . et les produits scalaires
~0 ~
〈e 1 , e 3 〉, . . ., on trouve donc que P P = I . En effectuant P P on obtient à nouveau P P = I , c’est normal car P T P = I ⇒
0 T T T
P −1 = P T et donc P P T = P P −1 = I .
Retour à l’exercice N
Solution de l’exercice A.1.12
C’est la matrice P de l’exercice précédent, c’est une matrice de passage entre 2 bases orthonormées, elle est donc or-
thogonale donc P −1 = P T , et on calcule det P = 1, (en fait on peut montrer que lorsque la base est orthonormée directe
e 01 ∧ ~
e 03 = ~
~ e 0 2 , alors det P = 1, sinon det P = −1)
Retour à l’exercice N
Solution de l’exercice A.1.13
On a x 0 = P −1 x = P T x d’où
x 1 + x 2 + x 3 0 x 1 − x 2 0 x 1 + x 2 − 2x 3
x 10 = p , x2 = p , x3 = p .
3 2 6
(x 10 )2 + (x 20 )2 + (x 30 )2 = (x 1 )2 + (x 2 )2 + (x 3 )2
½
On a donc
x 10 y 10 + x 20 y 20 + x 30 y 30 = x 1 y 1 + x 2 y 2 + x 3 y 3
Ceci était prévisible puisque x 0 = Qx, or Q = P T est orthogonale, donc
(x 10 )2 + (x 20 )2 + (x 30 )2 = kQxk2 = x T Q T Qx = x T x = kxk2 = (x 1 )2 + (x 2 )2 + (x 3 )2 ,
x 10 y 10 + x 20 y 20 + x 30 y 30 = 〈Qx,Q y〉 = y T Q T Qx = 〈x, y〉 = x 1 y 1 + x 2 y 2 + x 3 y 3
Retour à l’exercice N
Solution de l’exercice A.1.14
1. 〈Ay 1 , y 2 〉 = λ1 〈y 1 , y 2 〉.
2. 〈y 1 , Ay 2 〉 = λ2 〈y 1 , y 2 〉.
3. Or 〈Ay 1 , y 2 〉 = 〈y 1 , A T y 2 〉 = 〈y 1 , Ay 2 〉.
Donc
(λ1 − λ2 )〈y 1 , y 2 〉 = 0.
Puisque
λ1 6= λ2 ,
on obtient
〈y 1 , y 2 〉 = 0.
Retour à l’exercice N
Solution de l’exercice A.1.15
det (sI − A) = (s − 6)2 s, on a donc 2 valeurs propres (réelles) λ0 = 0, λ1 = 6. On calcule les vecteurs propres :
1
p
3
les composantes de Y0 doivent vérifier y 1 = y 2 = y 3 ; d’où un vecteur propre normé possible : Y0 =
p1
3
p1
3
les composantes de Y1 doivent vérifier y 1 + y 2 + y 3 = 0 ; d’où :
−1 −1
Y1 = y 2 1 + y 3 0 ,
0 1
Ces 2 vecteurs ne sont pas normés, ils ne sont pas orthogonaux entre eux, en revanche X 1 et Y0 sont orthogonaux, il en
est de même pour X 2 et Y0 . On va utiliser le procédé d’orthogonalisation de Schmidt pour construire à partir de X 1 et X 2
, 2 vecteurs orthonormés Y1∗ et Y2∗ . On peut remarquer en effet qu’avec ce procédé on reste dans l’espace vectoriel Vλ1
donc que les vecteurs Y1∗ , Y2∗ sont également des vecteurs propres associés à λ1 .
− p1
2
Y1∗ = p1 ,
2
0
− p1
− 12
−1 2
1
Ŷ2 = X 2 − 〈X 2 , Y1∗ 〉Y1∗ = 0 − p p1 = − 12 ,
2 2
1 0 1
− p1
6
Y2∗ =
− p1 .
6
p2
6
p1 − p1 − p1
3 2 6
p1 ,
p1 ,
− p1
3 2 6
p1 p2
0
3 6
Retour à l’exercice N
Solution de l’exercice A.1.16
Choisissez successivement pour x les vecteurs de la base canonique, on a alors e iT Ae i = a i i , d’où la conclusion.
Retour à l’exercice N
Solution de l’exercice A.1.17
n
On a : x T Ax ≥ 0 ∀x ∈ IRn ⇐⇒ λi (x˜i )2 ≥ 0 ∀x̃ ∈ IRn ,
X
i =1
donc si toutes les valeurs propres sont positives ou nulles, on a
n
λi (x˜i )2 ≥ 0
X
i =1
donc en particulier si on choisit x̃ premier vecteur de la base canonique de IRn , on obtient λ1 ≥ 0. De même on obtient
que chacun des λi est positif ou nul, en choisissant pour x̃ chacun des vecteurs de la base canonique.
Retour à l’exercice N
Solution de l’exercice A.1.18
La matrice est semi-définie positive puisque toutes ses valeurs propres sont positives ou nulles. Elle n’est pas définie
positive puisque ses valeurs propres ne sont pas strictement positives.
Retour à l’exercice N
Solution de l’exercice A.1.19
Si A est définie positive, ses valeurs propres sont strictement positives donc 0 n’est pas valeur propre, donc A est inver-
sible. µ ¶
1 0
Si on définit A = , cette matrice est semi-définie positive puisque ses valeurs propres sont positives ou nulles,
0 0
mais elle n’est pas inversible.
Retour à l’exercice N
Solution de l’exercice A.1.20
Retour à l’exercice N
Solution de l’exercice A.1.21
– q(x) = x 12 + x 22 + x 32 ≥ 0 ∀x.
D’autre part si q(x) = 0 alors x 1 = x 2 = x 3 = 0.
C’est une forme quadratique définie positive.
– q(x) = x 12 + x 22 − x 32 .
Si x 1 = x 2 = 0, x 3 = 1, q(x) = −1, donc q n’est pas définie positive ni semi-définie positive
– q(x) = x 12 + x 32 ≥ 0 ∀x. Donc q est semi-définie positive,
par contre si x 1 = x 3 = 0, x 2 = 1, q(x) = 0 alors que x 6= 0 donc q n’est pas définie positive.
Les matrices associées sont égales dans chacun des cas à :
1 0 0 1 0 0 1 0 0
0 1 0 , 0 1 0 , 0 0 0
0 0 1 0 0 −1 0 0 1
. Ces 3 matrices sont diagonales, leurs valeurs propres sont donc respectivement
on retrouve la caractérisation de matrice définie positive ou semi-définie positive à l’aide du signe des valeurs propres.
Retour à l’exercice N
Solution de l’exercice A.1.22
– q(x) = (x 1 + x 2 − 2x 3 )2 + (x 3 + 5x 2 )2 + 2(x 2 )2
il est immédiat de voir que q(x) ≥ 0 ∀x : c’est une somme de carrés.
De plus si q(x) = 0 alors
x 2 = 0, x 3 + 5x 2 = 0, x 1 + x 2 − 2x 3 = 0
donc
x 1 = x 2 = x 3 = 0.
Donc q est définie positive.
– q(x) = (x 1 + x 2 + 2x 3 − x 4 )2 − (x 1 − x 2 + 3x 4 )2 − 4(x 3 − x 4 )2 + 12(x 4 )2 ,
si l’on choisit
x 3 = x 4 + 1, x 4 = 0, x 1 − x 2 + 3x 4 = 0, x 1 + x 2 + 2x 3 − x 4 = 0
(ce qui est obtenu par exemple pour
x 3 = 1, x 4 = 0, x 1 = −1, x 2 = −1),
on obtient q(x) = −4 donc la forme quadratique n’est pas définie positive, ni semi-définie positive.
On pourrait montrer de façon générale que pour que q forme quadratique sur IRn soit définie positive, il faut et il suffit
que la réduction conduise à n carrés affectés de coefficients strictement positifs. Pour que q soit semi-définie positive,
il faut et il suffit que la réduction conduise à des carrés affectés de coefficients positifs. Ceci est lié bien sûr aux valeurs
propres de la matrice A associée.
– On a vu que la matrice associée à q était semi-définie positive donc q est semi-définie positive.
Si on appliquait la réduction de Gauss on obtiendrait :
1 1
q(x) = 4(x 1 − x 2 − x 3 )2 + 3(x 2 − x 3 )2 .
2 2
On a donc q(x) ≥ 0 ∀x, mais si on prend
½
x2 = x3
x 1 − 21 x 2 − 12 x 3 = 0
alors q(x) = 0 (ce cas est obtenu par exemple pour x 1 = x 2 = x 3 = 1). On retrouve bien que q est seulement semi-définie
positive.
Retour à l’exercice N
Solution de l’exercice A.1.23
Retour à l’exercice N
Aide 1, Question 1a, Exercice A.2.1
Retour à l’exercice N
Aide 2, Question 1a, Exercice A.2.1
Bien mettre en évidence les propriétés de la trace que vous utilisez pour démontrer chacune des propriétés du produit
scalaire.
Retour à l’exercice N
Aide 3, Question 1a, Exercice A.2.1
p X
n
||A||2 = (a i2j )
X
j =1 i =1
Retour à l’exercice N
Aide 4, Question 1a, Exercice A.2.1
Retour à l’exercice N
Aide 1, Question 2, Exercice A.2.1
Retour à l’exercice N
Aide 2, Question 2, Exercice A.2.1
Dans le cas général, montrer que le produit scalaire usuel dans IRnp est égal à la somme de p produits scalaires dans IRn .
Retour à l’exercice N
Aide 3, Question 2, Exercice A.2.1
Si on note 〈〈., .〉〉 le produit scalaire dans IRn , montrer que 〈〈A i , B i 〉〉 = (A T B )i i .
Retour à l’exercice N
Aide 1, Exercice A.2.2
Retour à l’exercice N
Aide 2, Exercice A.2.2
P
Ecrire la somme y i comme le produit scalaire de y avec ... quel vecteur ?
Retour à l’exercice N
Aide 1, Question 1, Exercice A.2.3
Retour à l’exercice N
Aide 2, Question 1, Exercice A.2.3
Les normes sont toujours positives donc il suffit de montrer l’égalité des carrés.
Retour à l’exercice N
Aide 3, Question 1, Exercice A.2.3
Retour à l’exercice N
Aide 4, Question 1, Exercice A.2.3
x- y x
x +y
Comment placer ~
x sur la figure pour que ||~
x +~
y || = ||~
x −~
y ||
Retour à l’exercice N
Aide 1, Question 2, Exercice A.2.3
Retour à l’exercice N
Aide 2, Question 2, Exercice A.2.3
Retour à l’exercice N
Aide 1, Question 1a, Exercice A.2.4
Retour à l’exercice N
Aide 2, Question 1a, Exercice A.2.4
Montrer l’égalité par double inclusion, l’une des inclusions est évidente, montrer l’autre.
Retour à l’exercice N
Aide 3, Question 1a, Exercice A.2.4
Montrer que
x ∈ {~0}⊥ .
x ∈ E ,~
∀~
Retour à l’exercice N
Aide 1, Question 1b, Exercice A.2.4
Retour à l’exercice N
Aide 2, Question 1b, Exercice A.2.4
Montrer l’égalité par double inclusion, l’une des inclusions est évidente, montrer l’autre.
Retour à l’exercice N
Aide 3, Question 1b, Exercice A.2.4
Choisir ~ x =~0.
x ∈ E ⊥ , montrer que ~
Retour à l’exercice N
Aide 4, Question 1b, Exercice A.2.4
Retour à l’exercice N
Aide 1, Question 2, Exercice A.2.4
Montrer que F ⊂ (F ⊥ )⊥ .
Retour à l’exercice N
Aide 2, Question 2, Exercice A.2.4
Retour à l’exercice N
Aide 3, Question 2, Exercice A.2.4
Retour à l’exercice N
Aide 1, Question 3a, Exercice A.2.4
Retour à l’exercice N
Aide 2, Question 3a, Exercice A.2.4
Retour à l’exercice N
Aide 3, Question 3a, Exercice A.2.4
Retour à l’exercice N
Aide 1, Question 3b, Exercice A.2.4
Retour à l’exercice N
Aide 2, Question 3b, Exercice A.2.4
(F +G)⊥ ⊂ F ⊥ . Pourquoi ?
Retour à l’exercice N
Aide 3, Question 3b, Exercice A.2.4
Retour à l’exercice N
Aide 4, Question 3b, Exercice A.2.4
Montrer la réciproque,
on choisit ~
x ∈ F ⊥ ∩G ⊥ , ~
z ∈ F +G. Calculer
x ,~
〈~ z〉.
Retour à l’exercice N
Aide 5, Question 3b, Exercice A.2.4
Si ~
x ∈ F ⊥ ∩G ⊥ , si ~
z ∈ F +G, alors
x ,~
〈~ z〉 = 0
donc
x ∈ (F +G)⊥ .
~
Retour à l’exercice N
Aide 1, Question 1, Exercice A.2.5
Retour à l’exercice N
Aide 1, Question 2a, Exercice A.2.5
Retour à l’exercice N
Aide 2, Question 2a, Exercice A.2.5
(e2 ) (e3 ) (
On note
– r 1 la rotation d’angle θ autour de ~ e1,
– r 2 la rotation d’angle θ autour de ~ e2,
– r 3 la rotation d’angle θ autour de ~ e3.
Ecrire les matrices R 1 , R 2 , R 3 . Aidez-vous des figures.
Retour à l’exercice N
Aide 1, Question 2b, Exercice A.2.5
Retour à l’exercice N
Aide 2, Question 2b, Exercice A.2.5
Retour à l’exercice N
Aide 1, Question 2c, Exercice A.2.5
Retour à l’exercice N
Aide 2, Question 2c, Exercice A.2.5
Retour à l’exercice N
Aide 1, Question 1, Exercice A.2.6
Retour à l’exercice N
Aide 1, Question 2, Exercice A.2.6
Retour à l’exercice N
Aide 1, Question 3, Exercice A.2.6
Retour à l’exercice N
Aide 1, Question 1, Exercice A.2.7
y
Si y est vecteur propre alors est encore vecteur propre.
ky k
Retour à l’exercice N
Aide 2, Question 1, Exercice A.2.7
Les vecteurs propres associés à des valeurs propres distinctes sont orthogonaux (pour une matrice symétrique, évidem-
ment ! ).
Retour à l’exercice N
Aide 3, Question 1, Exercice A.2.7
A l’intérieur d’un sous-espace propre, il est possible d’utiliser l’algorithme d’orthogonalisation de Schmidt.
Retour à l’exercice N
Aide 1, Question 2, Exercice A.2.7
y
Si y est vecteur propre alors est encore vecteur propre.
ky k
Retour à l’exercice N
Aide 2, Question 2, Exercice A.2.7
Les vecteurs propres associés à des valeurs propres distinctes sont orthogonaux (pour une matrice symétrique, évidem-
ment ! ).
Retour à l’exercice N
Aide 3, Question 2, Exercice A.2.7
A l’intérieur d’un sous-espace propre, il est possible d’utiliser l’algorithme d’orthogonalisation de Schmidt.
Retour à l’exercice N
Aide 1, Question 3a, Exercice A.2.7
Retour à l’exercice N
Aide 2, Question 3a, Exercice A.2.7
Trouver une inégalité sur la multiplicité de la valeur propre évidente (penser au rang de A).
Retour à l’exercice N
Aide 3, Question 3a, Exercice A.2.7
Retour à l’exercice N
Aide 4, Question 3a, Exercice A.2.7
Calculer la trace de A.
Retour à l’exercice N
Aide 1, Question 3b, Exercice A.2.7
y
Si y est vecteur propre alors est encore vecteur propre.
ky k
Retour à l’exercice N
Aide 2, Question 3b, Exercice A.2.7
Les vecteurs propres associés à des valeurs propres distinctes sont orthogonaux (pour une matrice symétrique, évidem-
ment ! ).
Retour à l’exercice N
Aide 3, Question 3b, Exercice A.2.7
A l’intérieur d’un sous-espace propre, il est possible d’utiliser l’algorithme d’orthogonalisation de Schmidt.
Retour à l’exercice N
Aide 1, Question 1, Exercice A.2.8
Retour à l’exercice N
Aide 1, Question 2, Exercice A.2.8
Retour à l’exercice N
Aide 2, Question 2, Exercice A.2.8
Retour à l’exercice N
Aide 3, Question 2, Exercice A.2.8
On suppose qu’il existe une base orthonormée de vecteurs propres de A, on appelle P la matrice dont les colonnes sont
ces vecteurs propres. Que vaut P T ?
Retour à l’exercice N
Aide 4, Question 2, Exercice A.2.8
Retour à l’exercice N
Aide 1, Question 1, Exercice A.2.9
Retour à l’exercice N
Aide 2, Question 1, Exercice A.2.9
Retour à l’exercice N
Aide 1, Question 2a, Exercice A.2.9
Retour à l’exercice N
Aide 1, Question 2b, Exercice A.2.9
Quelle propriété du produit scalaire utilise-t-on pour démontrer que A est symétrique ?
Quelle propriété du produit scalaire utilise-t-on pour obtenir des renseignements quant au signe de x T Ax ?
Retour à l’exercice N
Aide 1, Question 1a, Exercice A.2.10
Retour à l’exercice N
Aide 2, Question 1a, Exercice A.2.10
Retour à l’exercice N
Aide 3, Question 1a, Exercice A.2.10
Faites la distinction entre forme quadratique définie positive et forme quadratique semi-définie positive.
Retour à l’exercice N
Aide 1, Question 1b, Exercice A.2.10
Retour à l’exercice N
Aide 2, Question 1b, Exercice A.2.10
Si on choisit x 3 = 1, x 1 = x 2 = 0 ?
Retour à l’exercice N
Aide 1, Question 2, Exercice A.2.10
Retour à l’exercice N
Aide 2, Question 2, Exercice A.2.10
Retour à l’exercice N
Aide 1, Question 3, Exercice A.2.10
Retour à l’exercice N
Aide 2, Question 3, Exercice A.2.10
On a déjà étudié au cours de ce TD ou du TD4 des formes quadratiques et des matrices. Pensez à utiliser ces résultats en
particulier pour les matrices 1, 5 6, 7.
Retour à l’exercice N
Aide 3, Question 3, Exercice A.2.10
Aucun calcul pour la matrice 2 ou 7, les matrices 5 et 6 ont été étudiées auparavant, utilisez les résultats.
Utiliser la réduction de Gauss pour les autres.
Retour à l’exercice N
Aide 4, Question 3, Exercice A.2.10
Retour à l’exercice N
Aide 1, Question 1, Exercice A.2.11
Utiliser les propriétés des normes pour démontrer les propriétés de la distance.
Retour à l’exercice N
Aide 1, Question 3, Exercice A.2.11
Retour à l’exercice N
Aide 2, Question 3, Exercice A.2.11
q
x T Ay est un produit scalaire, donc (x − y)T A(x − y) est la norme de (x − y) associée.
Reprenez la question 1. pour conclure.
Retour à l’exercice N
Aide 1, Question 4, Exercice A.2.11
Retour à l’exercice N