Académique Documents
Professionnel Documents
Culture Documents
Département Mathématiques
Professeur Ibrahima Mbaye
++++++++++++
Table des matières
1
TABLE DES MATIÈRES
3
CHAPITRE 1. RÉDUCTION DES ENDOMORPHISMES ET DES MATRICES
CARRÉES
Preuve.
1. Soit λ ∈ SpK (f ) on a alors il existe 0 6= x ∈ E tel que f (x) = λx d’où
(f − λe)(x) = 0 donc x ∈ ker(f − λe) 6= {0}. Supposons ker(f − λe) 6= {0}
donc d’après le résultat de la L1 (Algèbre 1) f − λe non injectif. Supposons
f − λe non injectif, donc det(f − λe) = 0. Supposons det(f − λe) = 0 alors
f − λe non injectif. Ainsi, soient x1 et x2 deux élément de E tel que x1 6= x2
on a alors comme f − λe non injectif (f − λe)(x1 ) = (f − λe)(x2 ) d’où
f (x1 − x2 ) = λ(x1 − x2 ) comme x1 − x2 6= 0 donc λ ∈ SpK (f ).
2. Soit λ ∈ SpK (A) on a alors il existe 0 6= X ∈ Mn,1 (K) tel que AX =
λX d’où (A − λIn )(X) = 0 donc X ∈ ker(A − λIn ) 6= {0}. Supposons
ker(A − λIn ) 6= {0} donc d’après le résultat de la L1 (Algèbre 1) A − λIn
non inversible. Supposons A − λIn non inversible, donc det(A − λIn ) 6= 0.
Supposons det(A−λIn ) 6= 0 alors A−λIn non inversible, donc il existe X 6= 0
tel que (A − λIn )X = 0 d’où AX = λX comme X 6= 0 donc λ ∈ SpK (A).
0 1 0
M3 (R)
Proposition 1.3.3. Deux matrices carrées semblables ont même polynôme ca-
ractéristique c-a-d A ∼ B ⇒ χA = χB .
Preuve.
1. Soit λ ∈ SpK (f ) ⇔ det(f − λe) = 0 ⇔ χf (λ) = 0 ⇔ λ ∈ χ−1
f ({0}).
2 −3 2
Preuve.
1. Puisque SEP (f, λ0 ) = ker(f − λ0 e) 6= {0} car la valeur propre λ0 admet
un vecteur propre x0 ∈ SEP (f, λ0 ) donc d0 ≥ 1.
2. Comme d0 est la dimension de SEP (f, λ0 ) donc SEP (f, λ0 ) admet au moins
une base BSEP (f,λ0 ) = {e0 , e2 , . . . , ed0 } et d’après le théorème de la base in-
complète il existe ed0 +1 , . . . , en vecteurs de E tel que BE = {e1 , . . . ; en } soit
une base de E.
λ0 Id0 C
la matrice de f relativement à la base BE notée M atBE (f ) =
0 B
avec C ∈ Md0 ,n−d0 (K) et B ∈ Mn−d0 (K). On a détermine χf (λ) = χM atBE (f )(λ) =
(λ0 − λ)Id0 C = det((λ0 − λ)Id ) × det(B − λIn−d ) =
det 0 0
0 B − λIn−d0
(λ0 −λ)d0 ×det(B −λIn−d0 ) = (λ0 −λ)d0 ×χB (λ). On en déduit que (λ0 −λ)d0
divise χf (λ) donc d0 ≤ ω0 .
1.4 Diagonalisation
Définition 1.4.1. 1. Soit f ∈ L(E) . On dit que f est diagonalisable si et
seulement si s’il existe une base B de E telle que M atB (f ) soit diagonale.
2. Soit A ∈ Mn (K). On dit que A est diagonalisable si et seulement si s’il
existe une matrice diagonale D ∈ Dn (K) telle que A soit semblable à D.
Proposition 1.4.3. Soit f ∈ L(E). Les propriétés suivantes sont deux à deux
équivalentes :
1. f est diagonalisable
2. il existe une base de E formée de vecteurs propres pour f
3. la somme des SEP pour f est égale à E
4. la somme des dimensions des SEP pour f est égale à la dimension de E
(dim(E)).
que les Bi sont des familles libres, alors B est libre. D’autre part card(B) =
Pk Pk
i=1 card(Bi ) = i=1 dim(SEP (f, λi )) = dim(E). Donc B est une base de E et
la matrice de f dans B notée M atB (f ) est diagonale car les éléments de B sont
λI ... 0
1 d1
. .. ..
des vecteurs propres de f : M atB (f ) = .. . . avec
0 . . . λk Idk
di = card(Bi ), avec 1 ≤ i ≤ k.
d’où χf est scindé. Montrons maintenant que dλ = ωλ pour chaque valeur propre
λ. En effet d’après la proposition précédente f est diagonalisable implique n =
λ∈SpK (f ) dλ or dλ ≤ ωλ , on alors n = λ∈SpK (f ) dλ ≤
P P P
λ∈SpK (f ) ωλ . Comme
χf est scindé on a alors λ∈SpK (f ) ωλ = npar conséquent n = λ∈SpK (f ) dλ ≤
P P
Preuve. Supposons que f admet n valeurs propres distinctes deux à deux alors
χf (λ) = ni=1 (λ − λi ) est scindé et dim(SEP (f, λi )) = 1 pour chaque valeur
Q
Pour
les vecteurs
on trouve: v1 = (1; −1) et v2 = (1; −2). Ainsi : P =
propres
1 1 2 1
et P −1 = . En effectuant les calculs on obtient :
−1 −2 −1 −1
2n+1 − 3n 2n+1 − 2 · 3n
An =
−2n + 3n −2n + 2 · 3n
On est ainsi ramener au calcul de An . Dans notre cas, compte tenu du résultat
ci-dessous :
n+1 n n+1 n
u n =
2 − 3 2 − 2 · 3
2
vn −2n + 3n −2n + 2 · 3n 1
2n+2 − 2 · 3n + 2n+1 − 2 · 3n
=
−2n+1 + 2 · 3n − −2n + 2 · 3n
c’est-à-dire
un = 3 · 2n+1 − 4 · 3n
vn = −3 · 2n + 4 · 3n
Exercice
Soit la matrice définie par
3 1 1
A = −1 1 1
.
1 1 1
1. Diagonaliser A.
2. Calculer An .
3. Soient les suites (un ), (vn ), (wn ) définies par u0 = v0 = w0 = 1 et les
relations de récurrences :
un = 3un−1 + vn−1 − wn−1
vn = −un−1 + vn−1 + wn−1
wn = un−1 + vn−1 + wn−1
Calculer (un ), (vn ), (wn ) en fonction de n.
Y 0 = DY
Y 0 = DY
2 0 1 1
On a D = et P = .
0 3 −1 −2
dY
Le système = DY s’écrit :
dt
dy1
= 2y1
dt
dy2
= 3y2
dt
y1 = λ1 e2t
Ce qui donne immédiatement et donc, en revenant à X par X =
y2 = λ2 e3t
PY ;
x
1 =
1 1 λ1 e2t
x2 −1 −2 λ2 e3t
C’est-à-dire
x1 = λ1 e2t + λ2 e3t
x2 = −λ1 e2t − 2λ2 e3t
7 −5 −4 x(t)
Exercice Soit A= 4 −2 −4 . On pose X(t) = y(t)
.
5 −5 −2 z(t)
dX
1. Résoudre le système différentielle homogène (t) = AX(t).
dt
1.6 Trigonalisation
Définition 1.6.1. 1. Soit f ∈ L(E) . On dit que f est trigonalisable si et
seulement si s’il existe une base B de E telle que M atB (f ) soit triangulaire.
2. Soit A ∈ Mn (K). On dit que A est trigonalisable si et seulement si s’il
existe une matrice triangulaire T ∈ Mn (K) telle que A soit semblable à T .
2.
3. Au lieu de trigonalisation , on dit aussi réduction à la forme triangulaire.
Théorème 1.6.3. 1) Soit A ∈ Mn (K), alors les deux propriétés sont équiva-
lentes :
1.a) A est trigonalisable
1.b) χA est scindé sur K
2) Soit f ∈ L(E), alors les deux propriétés sont équivalentes :
2.a) f est trigonalisable
2.b) χf est scindé sur K
Preuve. Montrons d’abord que 1.a) implique 1.b). On suppose que A trigonali-
sable, alors il existe une matrice triangulaire supérieur T
inTn,s (K) semblable à A. Comme A ∼ T on a alors χA (λ) = χT (λ) = ni=1 (tii −λ)
Q
λ1 L λ1 XQ−1
Mn+1 (K) on ait = RT1 R−1 = . Il suffit donc de
0 A2 0 A2
λ1 L λ1 X
choisir X = LQ, on obtient alors ∼ T1 == ∼ A. Par
0 A2 0 T
conséquent A est trigonalisable.
1 −5 9
−2 2 −1 5 −4 −3
−1 1 −1 ∈ M3 (R), A = 2 −1 −1 ∈
Exemple : Trigonaliser A =
−1 2 −2 1 −1 0
0 2 −1
M3 (R), A = −1 3 −1
∈ M3 (R).
0 1 0
3. 1(f)=e
N N
ak X k et Q = bk X k deux polynômes.
X X
Preuve. Soient P =
k=0 k=0
N N
!
k
(αak +bk )f k = αP (f )+
X X
pour 1) on a (αP +Q)(f ) = (αak + bk )X (f ) =
k=0 k=0
Q(f ). Et pour le 2)En notant de plus ak = bk = 0 si k > N, on a :
(P Q)(f ) =
2N k k
2N X N N
! ! !
k k i
aj f j . Et pour
X X X X X
ai bk−i X (f ) = ai bk−i f = ai f ◦
k=0 i=0 k=0 i=0 i=0 j=0
le 3) en posant P = 1 = X 0 on a alors P (f ) = 1(f ) = f 0 = e.
Exercice 2 :
1. Trouver
les valeurs
propres et les vecteurs
propres
des matrices
:
1 1 1 0 1 1 1 2 3
A1 =
0 1 1 ; A2 = 1 0
; A3 = 3
1 1 2
0 0 2 1 1 0 2 3 1
2. Montrer que SEP (A1 , 1) ⊕ SEP (A1 , 2).
3. Les matrices A1 , A2 et A3 sont-elles diagonalisables ?
Exercice 5 :
1. Dans R2 [X], quelles sont les valeurs propres et les vecteurs propres de P →
2P + P 0 .
2. Est-il diagonalisable ?
Exercice 6 :
Montrer que si deux matrices ont le même polynôme caractéristique et que toutes
les racines de celui-ci sont simples, alors elles sont semblables.
Exercice 7 :
Etudier
les suites suivantes
:
u
n+1 = vn
u
n+1 = un + vn
(1) ; (2) ;
vn+1 = un vn+1 = vn
un+1 = 21 un + 3vn 1
un+1 = 61 un + 12 vn
(3) ; (4)
vn+1 = 23 vn vn+1 = 1 un + 1 vn
6 4
Exercice 1 :
1. Montrer que les matrices de M3 (R) suivantes sont diagonalisables et les dia-
gonaliser :
0 1 0 11 −5 5 0 −1 1
1)A1 = 1 0 1 ; 2)A2 = −5 3 −3 ; 3)A3 = −a − 1 a a + 1
0 1 0 5 −3 3 −a a a+1
−1 a a2
4)A4 = 0
0 −a
0 0 1
2. Calculer An1 et An2 avec n ∈ N∗ .
Exercice 2 :
0 1 1 0 1 0
1. Les matrices A1 = 1 0 0 et A2 = 1
de M3 (R) sont-elles
0 1
2 1 0 1 2 0
semblables ?
1 2 3 1 3 2
2. Les matrices A1 =
3 1 2 et A2 = 2
de M3 (R) sont-elles
1 3
2 3 1 3 2 1
semblables ?
Exercice 3 :
Soit a ∈ R, f un endomorphisme de R4 [X] défini par : ∀P ∈ R4 [X],
1 −1 0 2 −3 2 0 1 0
Exercice 1
Soient A et B deux matrices de Mn (R) telles que AB = BA. On suppose que
A admet n valeurs propres distinctes. Soit x un vecteur propre de A de valeur
propre λ.
1. Montrer que ABx =λBx ;
2. en déduire que les vecteurs x et Bx sont colinéaires ;
3. puis que tout vecteur propre de A est un vecteur propre de B.
Exercice 2
1. Soient A, B deux matrices inversibles de Mn (K). Montrer que AB et BA ont
le même polynôme caractéristique.
5 −5 −2 z(t)
1. Diagonaliser A.
2. Résoudre le système différentiel homogène dXdt
(t) = AX(t)
3. Préciser la solution vérifiant
dX (t)
= AX(t)
dt
X(0)
= (1, 2, 3)
Exercice 7 :
Soient (un ), (vn ) et (wn ) les suites réelles définies par :
1
u = (2un + vn + wn )
n+1
4
1
vn+1 = (un
+ vn + wn )
3
1
wn+1 = (un + vn + 2wn )
4
u = 0, v = 22, w = 22.
0 0 0
Calculer (un ), (vn ) et (wn ) et étudier la convergence de ces trois suites.
2 0 1
Exercice 8 Soit A = 1 1 0 ∈ M3 (R). Trigonaliser A
−1 1 3
Exercice 9 Soit a un réel strictement positif.
−1 a −a
On considère la matrice suivante : A = 1 −1 0
1 0 −1
1. Calculer le polynôme caractéristique de A et en déduire que A n’est pas dia-
gonalisable.
2. Déterminer trois matrices colonnes V1 ; V2 ; V3 de M3,1 (R) vérifiant :
AV1 = −V1
AV2 = V1 − V2
AV = V1 + V2 − V3
3
−1 1 1
3. Montrer que A est semblable à B = 0 −1 1
0 0 −1
4. Calculer An pour n ∈ N.
Exercice 10 Soit E un C-espace vectoriel de dimension finie, et soient f, g ∈
L(E). On fixe β une base de E et on désigne par A (resp. B) la matrice de f
(resp. g) dans cette base.
1. Supposons f et g inversibles.
(a) Démontrer que AB et BA ont le même polynôme caractéristique.
(b) Soit λ une valeur propre de f ◦ g, et soitEλ (resp. Fλ ) l’espace propre de f ◦ g
(resp. de g ◦ f ) associé à λ. Démontrer les inclusions
g(Eλ ) ⊂ Fλ et f (Fλ ) ⊂ Eλ :
−1 −1 1
1. Diagonaliser A.
2. Diagonaliser A dans une base orthonormée. En déduire An
Exercice 12 :
Mettre
sous forme
triangulaire
les matrices
suivantes :
4 2 −2 0 2 2
1
A= 1 5 −1 et B = 2 1 3 −1
1 3 1 −1 3 3
Déterminer le polynôme minimal de A et B.
Exercice 13
Résoudre sous la forme de Jordan
les matrices
suivantes :
4 0 0 0
−1 1 0
0 0 1 0
A= 1 1 2 et B =
0 1 2 2
1 −1 0
0 1 −1 1
Exercice 14 :
−1 2 1
On considère la matrice suivante : A = −2 −1 −1
−4 4 3
1. Diagonaliser A.
2. Déterminer An , pour tout n ∈ N.
X(t)
dX
3. Calculer la solution du système différentiel dt (t) = AX(t) où X(t) =
Y (t)
Z(t)
1
telle que X(0) = 0
−1
1
4. Soit (Un )n∈N la suite définie par :U0 = 0 et pour tout n ∈ N, Un+1 = AUn .
−1
Donner l’expression de Un en fonction de n.
Exercice 15
Soient A et B sont deux matrices carrées de M3 (C) telles que : A = B 2 .
1. Montrer que si B est diagonalisable
alors A est diagonalisable.
0 0 1
En utilisant la matrice A = 0 0 0 ; justifier que la réciproque est fausse.
0 0 0
11 −5 −5
2
2. Soit les matrices B de M3 (C) telles que A = B avec A = −5 3 3
−5 3 3
(a) Vérifier que A est diagonalisable.
(b) Déterminer P ∈ GL3 (C) et D diagonale telles que : A = P DP −1 . En déduire
An pour n ∈ N.
(c) Si C = P −1 BP , établir que C 2 = D puis que C et D commutent.
En déduire les matrices C qui conviennent puis les solutions du problème.
Exercice 16
Soient (un ), (vn ) et (wn ) trois suites réelles définies sous forme récurrente par
u0 = 1, v0 = 1, w0 = −1 et, pour tout n ∈ N, par le système suivant : :
un+1 = 2un + 3vn − 3wn
(S) vn+1 = −un + wn
w = −un + vn
n+1
ϕ(x, y) = ϕ(y, x)
Exemple 1
L’application
ϕ : E × E −→ K
x 7−→ xy
est bilinéaire symétrique
En effet
26
CHAPITRE 2. ALGÈBRE BILINÉAIRE, FORMES QUADRATIQUES
Proposition 1
Pour qu’une application ϕ : E ×E −→ K soit une forme bilinéaire symétrique
ϕ soit symetrique
(fbs), il faut et il suffit que l’on ait et
soit linéaire par rapport à la deuxiéme place
ϕ
ϕ : R2 × R2 → R
(x, y) → ψ(x, y) = x1 y2 + x2 y1
une fbs et la forme quadratique associé est
R2 → R
X → φ(X) = 2x1 x2
Proposition 2
Soient ϕ une fbs sur E × E et φ la fq associée à ϕ on a :
1. ∀ (x, y) ∈ E 2 , φ(x + y)=φ(x) + 2ϕ(x, y) + φ(y)
2. ∀ (x, y) ∈ E 2 , ϕ(x, y)= 41 (φ(x + y) − φ(x − y))
3. ∀ (α, β) ∈ K2 , ∀(x, y) ∈ E 2 , φ(αx + βy)=α2 φ(x) + 2αβϕ(x, y) + β 2 φ(y)
4. ∀ (x, y) ∈ E 2 φ(x + y) + φ(x − y)=2 (φ(x) + φ(y))
5. ∀ n ∈ N∗ , ∀ α1 , . . . , αn ∈ K, ∀ x1 , . . . xn ∈ E
n n n
αi2 φ(xi ) + 2 βj2 φ(xj )
X X X X
φ( αi xi )= αi βj ϕ(xi , xj ) +
i=1 i=1 1≤i≤j≤n j=1
Preuve
1. Pour tout x, y de E on a :
1
ϕ(x, y) = [φ(x + y) − φ(x) − φ(y)]
2
En effet φ(x+y) = ϕ(x+y, x+y) = ϕ(x, x+y)+ϕ(y, x+y) = ϕ(x, x)+ϕ(x, y)+
ϕ(y, x) + ϕ(y, y) = ϕ(x, x) + ϕ(x, y) + ϕ(x, y) + ϕ(y, y)
φ(x + y) = ϕ(x, x) + 2ϕ(x, y) + ϕ(y, y) = φ(x) + 2ϕ(x, y) + φ(y)
D’où
1
ϕ(x, y) = [φ(x + y) − φ(x) − φ(y)]
2
Remarque 1
• ϕ(x, y) est appelée forme polaire de φ :
A tout forme quadratique on peut toujours lui associée une forme bilinéaire sy-
métrique appelée forme polaire.
• Soit φ une forme quadratique sur un espace vectoriel E et ϕ sa forme polaire,
alors on a :
1
ϕ(x, y) = (φ(x + y) − φ(x − y))
4
Définition 4
Soit φ : E −→ K une application. On dit que φ est une fq ssi il existe une forme
bilinéaire symétrique ϕ : E × E −→ K telle que φ soit la fq associé à ϕ
Remarque si E=F alors A = [aij ]1≤i,j≤n ∈ Mn (K) avec aij =ϕ(ei ; ej ) qui est une
matrice carrée d’ordre n, symétrique et A=M atβ (ϕ) =ϕ(ei ; ej ).
Exemple 3
on a alors
1. ϕ(x; y)=t XAY
2. ϕ est symétrique ⇐⇒ A est symétrique
Preuve E=F
1. Montrons que ϕ(x; y)=t XAY
x y
1 1
.. ..
X = . ;Y = .
xn yn
n
X p
X p
n X
X
ϕ(X, Y ) = ϕ( ei xi ; ej yj ) = xi yj ϕ(ei ; ej )
i=1 j=1 i=1 j=1
n
X p
X
= xi ( yj aij )
i=1 j=1
ϕ(y, x) =t Y AX
Or la matrice t Y AX est une matrice à un seul coefficient, donc égale à sa trans-
posée.
t
ϕ(y, x) =t Y AX =t (t Y AX) =t X t A (t Y ) =t XAY = ϕ(x, y)
3y1 + y2 + 3y3 3 1 3 y3
1 2 6
On déduit la matrice A = 0 1 −3
3 1 3
y y0
n n 1 1
. .
e0j x0j Y = .. et Y 0 = ..
X X
Y = e j xj =
j=1 j=1
yn yn0
ϕ(x; y) =t XAY etϕ(x0 ; y 0 ) =t X 0 AY 0
Posons X=PX’ et Y=PY’
Proposition 4
Si la forme quadratique φ est définie, alors elle est positive
Proposition 5
Si la forme quadratique φ est positive alors il ya égalité entre le noyau et l’en-
semble des vecteurs singuliers appelés vecteurs isotopes
A⊥ = {x ∈ E, ∀ a ∈ A, ϕ(x, a) = 0}
Définition 8
On appelle moyau de ϕ et on note ker(ϕ) le sous espace vectoriel E⊥ de E définie
par :
ker(ϕ) = E⊥ = {x ∈ E, ∀ y ∈ E, ϕ(x, y) = 0}
Définition 9
1. Une fbs sur E × E est dite dégénérée si et seulement si ker(ϕ) 6= {0}
2. Une fbs sur E × E est dite non dégénérée si et seulement si ker(ϕ) = {0}
a12 2 a2
φ(x) = a11 (x1 + x2 ) + (a22 − 12 )x22
a11 a11
a12
on pose L1 (x1 , x2 ) = x1 + a11 x2 et L2 (x1 , x2 ) = x2 et on a :
a212
φ(x) = a11 L21 + (a22 − )L2
a11
De plus (L1 , L1 ) est une famille libre.
b) a11 = 0 et a22 6= 0 , on change les rôles de x1 et x2 et on procède comme a)
c) a11 = a22 = 0 on peut alors écrire : :
a12 a12
φ(x) = 2a12 x1 x2 = (x1 + x2 )2 − (x1 − x2 )2
2 2
On pose L1 (x1 , x2 ) = x1 + x2 et L2 (x1 , x2 ) = x1 − x2 , (L1 , L1 ) est une famille
libre.
Exercice Appliquer la méthode de Gauss à la fq
φ(x1 , x2 , x3 ) = x21 + 2x22 + 8x23 − 2x1 x2 + 4x1 x3
Cas n ≥ 3
a) Supposons qu’il existe i ∈ {1, 2, ..., n} tel que aii 6= 0. On peut, en permutant
x1 , x2 ...xn se ramener au cas a11 6= 0 on ordonne les termes formant φ(x) suivant
les puissances de x1 , on obtient :
d’où φ(y) = φ(y) − a111 P 2 (y) qui est une forme quadratique.
b) Supposons que ∀i ∈ {1, 2, ..., n} aii = 0. On suppose a12 6= 0 on obtient :
A,B des formes linéaires sur Rn−2 et Q une fq sur Rn−2 . On pose
1 1 1
φ(x) = a12 (x1 + B(y))(x2 + A(x)) + (Q(y) − A(y)B(y))
a12 a12 a12
Notons :
1
L1 (x) = x1 + x2 + (A(y) + B(y))
a12
1
L2 (x) = x1 − x2 + (A(y) − B(y))
a12
et
1
ψ(y) = Q(y) − A(y)B(y) une fq
a12
. On pose
ψ = Σni=3 αi L2i (y)
on a alors
a12 2 a12 2
ψ(x) = L1 (x) − L (x) + ψ(y)
4 4 2
Définition 9
On appelle signature d’une forme quadratique φ définie sur sur un R- espace
vectoriel, le couple S = (p, q) des entiers naturels qui rappelle que dans toute
décomposition en carrées de φ qu’il y’a p coefficients positives et q coefficients
négatives. Pour la forme quadratique
S = (2, 1)
Théorème 3 (Théorème de Sylvestrer ) Si (p, q) est la signature de la
forme quadratique φ, alors pour toute base orthogonale β = (Vi )1≤i≤n sur E , k
(respectivement j) est le nombre des scalaires φ(Vi ) strictement positifs ( respec-
tivement négatifs) La somme p + q est égale au rang de la forme quadratique φ
rg(φ) = p + q
Remarques :
1. Si sgn(φ) = (p, q) alors rg(φ) = p + q
2. Si φ est positive ⇔ sgn(φ)=(p,0)
X ∈ Ker(ϕ) ⇔ (∀ Y ∈ E, ϕ(X, Y ) = 0)
⇔ ∀ Y ∈ Mn,1 (K), t XAY = 0
⇔t XA = 0
⇔t AX = 0
⇔ AX = 0
Ce qui montre que Ker(ϕ) = Ker(A)
-D’après la définition du rang et le théorème du rang.
rg(ϕ) = n − dim(Ker(ϕ))
rg(ϕ) = n − dim(Ker(A)) = rg(A)
3. 7 Produit scalaire
Définition 11
On appelle produit scalaire sur E, toute forme bilinéaire symétrique ϕ sur E ×
Etelle qu’en notant φ la forme quadratique à ϕ on ait :
a)∀ x ∈ E, φ(x) ≥ 0
a)∀ x ∈ E, φ(x) = 0 ⇒ x = 0
Notation ϕ(x, y) =< x, y >= (x | y) = x · y
Définition 12
On appelle espace euclidien tout couple (E, ϕ) où E est un est un R − ev de
dimension finie et ϕ un produit scalaire sur E.
Théorème 4(Inégalité de Cauchy Schwartz)
Soient (E, ϕ) un espace vectoriel euclidien, φ la forme quadratique (fq) associée
à ϕ. On a :
⇒ ϕ2 (x, y) − φ(x)φ(y) ≤ 0
⇒ ϕ2 (x, y) ≤ φ(x)φ(y)
Théorème 5(Inégalité de Minkowski)
Soient (E, ϕ) un espace vectoriel euclidien, φ la forme quadratique (fq) associée
à ϕ. On a :
1 1 1
∀ (x, y) ∈ E 2 , (ϕ(x + y)) 2 ≤ φ(x) 2 + φ(y) 2
Preuve
Soit (x, y) ∈ E 2 , on a :
Cauchy Schwartz donne :
1 1
|ϕ(x, y)| ≤ (φ(x)) 2 + (φ(y)) 2
donc
1 1
ϕ(x + y) ≤ φ(x) + 2(φ(x)) 2 + (φ(y)) 2 + φ(y)
1 1
≤ ((φ(x)) 2 + (φ(y)) 2 )2
⇒
1 1 1
ϕ(x + y) 2 ≤ (φ(x)) 2 + (φ(y)) 2
Proposition-Définition 13
Soient (E, ϕ) un espace vectoriel euclidien, φ la forme quadratique (fq) associée
à ϕ. L’application notée
k.k : E → R
1
x → kxk = (φ(x)) 2
est une norme sur E appelée norme euclidienne associée a ϕ.
Une norme est une application définie de E dans R qui vérifie les propriétés sui-
vantes : ∀ x ∈ E, ∀ y ∈ E, ∀ λ ∈ R
a)kxk ≥ 0, (kxk = 0 ⇔ x = 0)
b)kλxk = |λ|kxk
c)kx + yk ≤ kxk + kyk.
2.6 Orthogonalité
Soit ϕ une forme bilinéaire symétrique sur E et φ sa forme quadratique associée.
Définition 14
Deux vecteurs de E sont orthogonaux pour ϕ si ϕ(x, y) = 0.
Exemple 8
On pose E = R
x = (x1 , x2 , x3 ) et y = (y1 , y2 , y3 )
< x, y >= x1 y1 + x2 y2 + x3 y3
A⊥ = {x ∈ E, ∀ a ∈ A, < x, a >= 0}
Preuve exercice
3. 8.1 Bases orthogonales
Les aii x2i sont les termes carrés et aij xi yj sont les termes rectangles
Soit φ(x) = x21 + 2x2 + 5x23 + 2x1 x2 − 4x2 x3 (1)
On a φ(x) = (x1 + x2 )2 + (x2 − 2x3 )2 + x23
φ(x) = (L1 (x))2 + (L2 (x))2 + (L3 (x))2 (2)
0 0
La base β = (L1 , L2 , L3 ) est une base du dual E = R3
(1) Est l’expression de φ dans la base canonique β
0
(2) Est l’expression de φ dans la base orthogonale β
0
Soit P la matrice de passage de β à β
0
X = PX
Avec
x1 L1
0
X = x2
X = L2
x3 L3
L1
= x1 + x2 x1
= L1 − L2 − 2L3
L2 = x1 − 2x2 ⇒ x2 = L2 − 2L3
L = x3 x = L3
3 3
x1 L1 − L2 − 2L3 1 −1 −2 L1
0
X = x2 = L2 − 2L3 = 0 1 −2 L2
= PX
x3 L3 0 0 1 L3
0 0 0
U1 = (1, 0, 0), U2 = (−1, 1, 0) et U3 = (−2, −2, 1)
0 0 0 0
β = (U1 , U2 , U3 )
Remarque
si φ contient des termes rectangles uniquement.
On choisit un terme rectangle aij xi yj
∂φ ∂φ
On détermine les dérivées partielles li = ∂x i
et lj = ∂xj
∂φ ∂φ
On écrit φ(x) = a1ij ∂xi
· ∂xj
+ terme correctif
Exemple 11
φ(x) = 5x1 x2 + 6x1 x3 + 3x2 x3
∂φ ∂φ
l1 = = 5x2 + 6x3 et l2 = = 5x1 + 3x3
∂x1 ∂x2
1
φ(x) = (5x2 + 6x3 )(5x1 + 3x3 ) + terme correctif
5
kf (x)k = kxk
ii) ⇒ i)
∀ (x, y) ∈ E 2 , ∈ 2 < f (x), f (y) >= kf (x) + f (y)k2 − kf (x)k2 − kf (y)k2