6. Espaces euclidiens. 6.1. Espace’ euclidiens Soit £ un espace vectoriel sur R de dimension n. Une base (e,,..., €,) de E étant choisie, on appelle produit scalaire de deux vecteurs V et V’ de com- posantes respectives (0) y.., ¥q) et (pres ¥,) Te scar laire : Veiv Wyte by, Onaalors: V.V'=V'.V E muni du produit scalaire ainsi défini est appelé espace euclidien. On définit la norme (ou longueur) d’un vecteur Ven posant : WV I= VV.V = Vo? +... 02 On dit que deux vecteurs V et V' sont orthogo- naux si V.V' = 0. Une base (e/,,..., €,) de E est dite orthonormée si les yecteurs de la base sont deux & deux orthogo- naux et de longueur I : gig [Oca tt ef 5 eae re oii {i si i=j Remarque. — V et V' étant les matrices colonnes associées aux vecteurs Vet V', ona: tw) v=) Ve pb, Vy te ty ¥] Lorthogonalité des vecteurs V et V’ s*écrit done sous forme matricielle : 'VV'=0 ou 'V'V=0 6.2. Matrices orthogonales On appelle matrice orthogonale toute matrice AEM, (R) telle que : Al ='A Cette condition est équivalente (§ 2 "AA =1ou AA =I. a Propriété I, — Soit E un espace euclidien rap- Porté a une base orthonormée. Si A est une ma- trice orthogonale, I'endomorphisme f de E asso- . Espaces hermitiens cié & A fait correspondre tout vecteur un vecteur de méme norme : HFG) I= Ix Il VxEE On dit que fest un opérateur orthogonal. L’égalité des normes résulte des relations : "(AX) (AX) = 'X 'AAX = 'XX WX Propriété 2, — Pour que la matrice A soit ortho- gonale, il faut et il suffit que ses vecteurs colonnes (resp. lignes) forment une base orthonormée de R". En effet, si V,,... V, sont les vecteurs colonnes de A, Vélément ¢,, de 4A a pour valeur cy = V, . Vj- En particulier : la matrice de passage d’une base or- thonormée de R" A une autre base orthonormée est une matrice orthogonale. Propriété 3. — Le produit de 2 matrices orthogo- nales est une matrice orthogonal "(AB) (AB) = 'B(‘AA) B= ‘BB =I Propriété 4, — Le déterminant d'une matrice or- thogonale vaut + 1 car : det (A) det (A) = det (‘AA) = 1 ce qui donne : [det (A)]? = 1 Une matrice orthogonale de déterminant + 1 est appelée matrice de rotation. Exercice - Exemple E, | Onconsidére la matrice : oe BF A=|-c 0 al aveca, b,c réels -b -a 0 Montrer que pour tout a réel non nul, la matrice B = (a/ — A) (a1 + AY! est or- thogonale. La matrice a1 + A est réguliére car : det (a1 + A)= alo? +a? +b? +c?) avec «#0.Catculons ‘BB ‘BB ="[(al — A)(al +A)!] (al—ANal +A}! (Cel + AY] al — ANol—ANol+Ay! (al +A)! "al — ANal— Aol +Ay! La matrice A considérée vérifiant ‘A = — A, ona: "BB =(a1— A}! (a1 +A)ol—AMal +A)! Mais (§ 5.5.1.) : (aI +A) (al — A) =(al— A) (al +A) ce qui donne : "BB =(a1— A}! (al —A)(al +A) (al +A}! =1 Best donc une matrice orthogonale. TESTS T, | _Déterminer toutes les matrices orthogo- nales d'ordre 2. T, | Verifier que pour € R la matrice sui- vante est orthogonale : : A RAHI AHI si] atl HD) z MAMI Dati -At) A T, | Soient p et q deux entiers distincts com- pris entre 1 et 1. On considére la matrice AGM, (R) définie par : sii#p et i#q = cost Sind, a,, =sind dans les autres cas Montrer que la matrice A est orthogo- nale. Réponses G_) sala ob] aece=21 b -ea} eta? +b? =1 Ons 4a [eos0 esind sind —ecosd| Pour ¢ = —1, A représente la rotation de centre 0 et dangle 6 Pour € = + 1, A représente la symétrie par rapport au support du vecteur V (cos & sin 2 ) ou encore la symétrie par rapport A Ox suivie d'une rotation angle 0. On vérifie que les vecteurs colonnes (ou lignes) forment un systéme orthonormé. Méme méthode que dans I’exercice pré- cédent. 08 6.3. Matrices symétriques réelles 6.3.1, PROPRIETES DES MATRICES SYMETRIQUES REELLES Rappelons qu'une matrice symétrique vérifie 'A=A Propriété 1, — Soit E un espace euclidien rap- porté a une base orthonormée. Si A est une matrice symétrique, 'endomorphisme f de E associé & A vérifie : x f(y) =fO0Y Vx,y GE On dit que f est un opérateur symétrique. Propriété 1 bis. que : Si A est une matrice symétri- "XAY = 'YAX VXY Cette relation traduit I’égalité vectorielle : xf) =F). ‘XAY est une matrice & une ligne et une colonne, donc égale a sa transposée : 'XAY = “CIXAY) = 'Y 'AX = 'YAX La démonstration prouve que cette formule est en- core valable pour des matrices colonnes X et Y a éléments complexes. Propriété 2, — Si A est symétrique et P orthogo- nale, alors A’ =P! AP est symétrique, car : ‘A’ = (CPAP) = 'P ‘AP =P"! AP = A’ 6.3.2. VALEURS PROPRES ET VECTEURS PROPRES DES MATRICES SYMETRIQUES REELLES Propriété 1. — Les valeurs propres d'une matrice symétrique réelle A sont toutes réelles. Soit V un vecteur propre associé & une valeur propre d. Pour X = Vet ¥ = V(V matrice colonne dont les éléments sont les conjugués des éléments de V), Ia relation ‘XAY = 'YAX devient : 'VAV = 'VAV De AV = XV, on déduit AV = XP soit en repor- tantV étant non nul, ona done X = d c’est-a-dire d réel et le vecteur propre V est A composantes réelles. Propriété 2. — Deux vecteurs propres d’une ma- trice symétrique réelle associés A deux valeurs pro- pres distinctes sont orthogonaux. Si V et V' sont deux vecteurs propres associés res- oe aux valeurs propres ) et X’ la relation : " L(V) =F(V)V s'écrit : Merk et en supposant X # X’ on obtient V’ . V = 0. Exercice - Exemple E, Déterminer une base orthonormée de R? formée de vecteurs propres de la matrice: 7-1 4 A=|-1 17 4 44 2 Le polynéme caractéristique s’écrit : = + 360? — 3240 et a pour zéros : 4, =0, d, =A; = 18. Le vecteur propre associé a , est défini par : 17x ~y+42=0 —xt I7y+42=0 ce qui donne :x =y, 2 =~ 4x. En prenant un vecteur de longueur 1, on obtient ces I —4 ) 3V2' 32" 3V2 Les vecteurs propres associés @ X, sont définis par la seule condition :—x—y+4z ail ave On peut choisir : V 0) vecteurde longueur 1, Pour obtenir une base orthonormeée, il faut prendre V, orthogonal @ V, et de longueur 1, c'est-d-dire vérifiant les trois conditions : Saxe) etd xhia), x? ty? + Soit Vv; =2(2,2 4 Sno. V;, est donc fixé au signe pres lorsque V, est choisi (ona:V, =+V, ,V,) TESTS Déterminer pour chacune des matrices suivantes une base orthonormée de R? formée de vecteurs propres Dy OQ bil Pate Teg taist me -1 2 = Bs ta -2-4 2 Te @ désignant un nombre réel non nul, on considére la matrice A € M,(R) définie j€{i-l, i, +1} 1) Vérifier pour 1 0) et choisissons V, v2 de longueur 1, orthogonal a V, :V; = (0, 0, 1). (V,, V2, V3) est une base orthonormée de R3 et ona: q(x) = 'XAX = 'X! (!PAP) X! avec : soit finalement : 48) =F (x,—x,P +3 (xj tx? + 3x7? On peut faire un choix différent des vecteurs propres associés 4 la valeur propre X = 3. Par exemple : ce qui conduit 4 une autre décomposition de q : q(x) = f (x, -x,P + (x, + x,t x57 1 +5 (a) +x, -2x5P Remarque. — Lorsque les valeurs propres de la matrice A sont deux A deux distinctes, les vecteurs propres de longueur 1 sont déterminés au signe prés, et on obtient alors pour q une seule forme de la dé- composition. TESTS Décomposer en somme de carrés les formes qua- dratiques suivantes : Ty | x)? + 2xpx, + 2x,x, +4x,x; 2 2 2 Ty, | 8x)? + 5x)? +5x,2—4.x,x,—4x)x, — 8x23 Réponses1 1 ee eee) 3V2'3V2' 3V2 x) = ey, xP +4 (ax, tx,4x,P 6.4.4, METHODE DE GAUSS La méthode de réduction du paragraphe précé- dent impose la recherche des valeurs propres et vec~ teurs propres de la matrice A associée a la forme quadratique q. On peut éviter cette recherche en utilisant la méthode de Gauss, procédé par récur- rence qui conduit a une décomposition en somme de carrés de formes lingaires indépendantes : a) S'il existe un terme en x;? (par exemple x,7), on ordonne par rapport aux puissances de x; : atx) = ax)? +) EB x,t ay (p00 By) “ ey wal thE bya + ay Ope ky) hone Rea aecle On obtient ainsi un carré et une forme quadratique ne dépendant plus que de (n—1) variables. b) Sill n’existe pas de terme carré, on ordonne par rapport a deux variables (par exemple x, et Bit ax) = ax)x, +x, 2 bx, $y Bx t ay a X_) am 1g 13 =alx, Se x) (Xp to bi x) $y (yu By) — LOE, Op CE, 0,3) LE En utilisant Pidentité : ‘ [ut vP —(u—vP] on obtient deux carrés et une forme quadratique ne dépendant plus que de (n—2) variables. uy c) Le résultat s’obtient en appliquant autant de fois que nécessaire a) ou b) a la forme quadratique restante. L’indépendance des formes linéaires se vé- tifie par récurrence : dans le cas a), seul le premier carré dépend de x, ; dans le cas b), seuls les deux premiers carrés dépendent de x, et x. Exercices - Exemples E j, | Décomposer en somme de carrés la for- me quadratique : Q(x) 2 x)7:2 x22 3 xs2h apa Ordonnons par rapport aux puissances de x, : qx) = 2.x,? +2x,x, +(2x,? + 3.x,?) =2(x, +huP - 2 + 2x9? + 3x,? atx) =2(x, +4 x,P tox? + 3x, &] Décomposer en somme de carrés la for- me quadratique : Ux) = 2.x, xy — 4x) x,420,x; +4x Ky Ordonnons par rapport aux deux variables x, et x): Q(x) = 2x, x) —4.x)x, +.2x, (xz +24) = 2(x, 4x5 42x 4) (2K) + 4x; (xy 42K) =F lx tayt 2x, tx) 287 — 4x, +x, 42x, ae sg t2xj)? +4x;? +8x;x4 (xp bxz-xjt2xg? ~ 4 Ox —xpb ieyt2xy? I + (2x; +2x,)? —4x,? TESTS Décomposer en somme de carrés les formes qua- dratiques suivantes : 2 2 2 Ts | 9x,2 +5x,?2 +7x,? -6x,x, —6x,x, —2x5x, Tha | 4%)Xp + x)%9 + 2x2%3 Ts | 4x,? + 2x2? + 10x,7 + 4x,7 + 4x)x, —4x)x, —Bx,x, + 4.x, x, -8x5%, Réponses (3 x)—x2—x3)? + (2x,-x3)? + 5x5?Ga) Fp tag tg hx, 2p Pd? (2x, +x) —x;)? + Oy — 3x; + 2x,? +(x; +x4P -(x,-x4P 6.4.5, LOI D'INERTIE DE SYLVESTER Les méthodes des paragraphes précédents don- nent deux moyens de décomposer une forme qua- dratique q en une somme de carrés. Les résultats obtenus ne sont pas nécessairement identiques mais certains paramétres sont les mémes pour tou- tes les décompositions. Loi d'inertie, ~ Le nombre de carrés positifs et le nombre de carrés négatifs sont indépendants de la décomposition de q considérée. Soit : qx) = 'XAX Dans la base (V,,.. V,,) de vecteurs propres de A considérée au § 6.4.3.,0n a: ax) = 2 x? Supposons : > 0 pour i= 1,...,P 2 <0 pour i>p+1 Soit : Ux) = 2 ayy? une autre décomposition correspondant a une base (Wy sey W,,) avec : 4,>0 pour 4, <0 pour Si p > p’, alors p + (n — p') > net les vecteurs Vises Vor Wptrses Wy, sont liés ce qui peut s'é- rire : (Vj, V,) étant linéairement indépendants, le vecteur x est non nul. Ce vecteur vérifie q(x) > 0 et q(x) <0 ce qui est impossible. On a done p 0 Ve Si A est la matrice associée & la forme quadrati- ‘que par rapport a une base orthonormée, q est po- sitive si et seulement si les valeurs propres de A vérifient 4,>0 Wi. En effet, en se plagant dans une base orthonormée formée de vecteurs propres de A, ona: Eh Bee: x) BN OW Ay 5.5 Ay Sont les valeurs propres de A. oe hy Draprés le § 6.4.3., une forme quadratique posi- tive est décomposable en une somme d’au plus 7 carrés positifs. Une forme quadratique q est dite définie positive si: qx) >0 Vx #0 q est définie positive si et seulement si les valeurs propres de A sont toutes strictement positives .q est alors décomposable en une somme de 7 carrés positifs. TESTS [re ] @ désignant un paramétre réel, on consi- dére la matrice : 4 20-220 A=| 2a 2-« -2 -2-ta -2 34a 1) Déterminer les valeurs propres de A. 2) En déduire que pour ~2 . X3 Soit B la matrice carrée d’ordre n définie par: i¢ {i-1, 4,141} 1) Montrer que pour 1 0 fe i WxeR" Réponses IA, =O ; A, =3—3a 5 AZ =6 + 3a 2) La forme quadratique 'XAX est posi- tive pour —2 0 Wk. Dot linégalité. 6.5. Espaces Hermitiens On peut adapter au cas des espaces vectoriels complexes les paragraphes 6.1. 4 6.3. 6.5.1, ESPACES HERMITIENS Soit Eun espace vectoriel sur C et (€) 5. €,) une base de £. On appelle produit scalaire hermitien, de deux vecteurs V et V’ Ie scalaire : iv! Vy ty ou sous forme matricielle ‘VV’. Ce produit n’est pas commutatif : quand on échan- ge les deux vecteurs, le produit est remplacé par son conjugué. La norme hermitienne d'un vecteur V est par définition iIvll = V(VTV) = V]v,1? +..+] E muni du produit scalaire hermitien est appelé espace hermitien. On dit que deux vecteurs sont orthogonaux (au sens du produit scalaire hermitien) si (V | V') = Une base orthonormée de E est définie par (V, |V) 6, 6.5.2, MATRICES UNITAIRES On appelle matrice unitaire toute matrice AEM, (C) telle que : Al =A La matrice ‘A est notée A¥ et appelée matrice adjointe de la matrice A. Des démonstrations analogues a celles du § 6.2. donnent les propriétés suivantes : 1) Soit £ un espace hermitien rapporté a une base orthonormée. Si A est une matrice unitaire, Vendomorphisme f de E associé a A fait correspon- dre & tout vecteur un vecteur de méme norme her- mitienne : [Foo] On dit que f est un opérateur unitaire. Ixll veer 2) Pour que A soit unitaire, il faut et il suffit que ses vecteurs colonnes (resp. lignes) forment une base orthonormée de C" (pour le produit scalaire hermitien). 3) La matrice de passage d’une base orthonormée de C" a une autre est une matrice unitaire, 4) Le produit de deux matrices unitaires est une matrice unitaire. 5) Le déterminant d’une matrice unitaire est de module 1. 6) Les valeurs propres d'une matrice unitaire sont de module 1 car pour un vecteur propre V : Heel = 1). WIL = IVIL Remarque. ~ Une matrice réelle orthogonale est un cas particulier de matrice unitaire. Done, les va- leurs propres d'une matrice orthogonale sont de module 1. 6.5.3. MATRICES HERMITIENNES On appelle matrice hermitienne (ou auto- inte) toute matrice A € M,(C) vérifiant A=At ce qui entraine en particulier que les éléments dia- gonaux sont réels. On démontre comme au § 6.3. les propriétés suivantes : it 1) Soit E un espace hermitien rapporté & une base orthonormée. Si A est une matrice hermi- tiene, 'endomorphisme f de E associé a A vérifie : (IS) =U) |y) Vey ekOn dit alors que f est un opérateur hermitien (ou auto-adjoint). 2) Si A est une matrice hermitienne : "YAX = ("XAY) Vx, Y 3) Si A est hermitienne et P unitaire, alors P'! AP est hermitienne. 4) Les valeurs propres d'une matrice hermitienne sont toutes réelles : on applique 2) en prenant pour X et Yun vecteur propre V. 5) Deux vecteurs propres d'une matrice hermi- tienne associés A deux valeurs propres distinctes sont orthogonaux (au sens du produit scalaire her- mitien). A 6) Toute matrice hermitienne A est diagonalisa- ble par une matrice unitaire : il existe une matrice unitaire P telle que PAP soit diagonale. Remarque, — Une matrice symétrique réelle est un cas particulier de matrice hermitienne. TESTS 4 1g | Vérifier que si A est une matrice réelle ordre n antisymétrique, i A est une ma- trice hermitienne. En déduire que toutes les valeurs propres non nulles de A sont imaginaires pures. T,. | Déterminer toutes les matrices unitaires ordre 2. T,. | Déterminer une base orthonormée de C? formée de vecteurs propres de la matrice: 2 io soo. 4 0 -1 2 Réponses (Aye =-i'A=iA Les valeurs propres de i A sont toutes réelles. af avec: |X| =1 et lal? + |b? = ‘ y, 1