Académique Documents
Professionnel Documents
Culture Documents
A.CHABCHI
Contents
I Algèbre linéaire 3
A Espace vectoriel - Application linéaire . . . . . . . . . . . . . . . . 3
1 Egalité entre deux s-ev en dimension …nie : . . . . . . . . . . 3
2 Base en dimension …nie : . . . . . . . . . . . . . . . . . . . . . . 3
3 Somme directe : . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
4 Détermination d’une application linéaire : . . . . . . . . . . . 4
5 Formule du rang : . . . . . . . . . . . . . . . . . . . . . . . . . . 4
6 Hyperplan : . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
7 Dualité en dimension …nie : (N’est plus au programme) . . 6
B Matrices : . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1 Tout d’abord les ABC : . . . . . . . . . . . . . . . . . . . . . . . 6
1
2 Endomorphisme induit : . . . . . . . . . . . . . . . . . . . . . . 13
3 Polynôme caractéristique : . . . . . . . . . . . . . . . . . . . . . 13
4 Théorème de Cayley-Hamilton : . . . . . . . . . . . . . . . . 15
D Réduction en dimension …nie . . . . . . . . . . . . . . . . . . . . . 15
1 Endomorphisme diagonalisable : . . . . . . . . . . . . . . . . 15
2 Théorèmes de diagonalisation : . . . . . . . . . . . . . . . . . . 16
3 Endomorphisme et matrice trigonalisable : . . . . . . . . . . 16
4 Théorème de trigonalisation : . . . . . . . . . . . . . . . . . . . 17
5 Réduction des symétriques : . . . . . . . . . . . . . . . . . . . . 17
6 Densité classique : . . . . . . . . . . . . . . . . . . . . . . . . . . 17
IV Structure 26
A Groupe . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
B Anneau, corps, algèbre . . . . . . . . . . . . . . . . . . . . . . . . . . 27
Abstract
Pour que ce résumé soit plus e¢ cace, il est illustré par de nombreux exemples
d’applications, ces exemples utilisent toutes les notions du programme, en cas de di¢ -
culté ils peuvent-être laissé pour une seconde lecture. Bon courage !
2
I. Algèbre linéaire
Dans la suite K désigne l’un des corps R ou C et E un K ev; u 2 L (E) et M 2
Mn (K)
Proposition 1 Deux s-ev sont égaux si et seulement si ils ont la même dimension et l’un
est contenu dans l’autre.
Exemple 2 En dimension …nie, soit u 2 L (E) ; montrer que ker (u) = ker u2 équivalent
à Im (u) = Im u2
Réponse : On sait que ker (u) ker u2 et Im u2 Im (u) ; la formule du rang
assure que dim ker (u) = dim ker u ssi dim Im (u) = dim Im u2 d’où l’équivalence
2
cherchée.
Proposition 4 Si dim E = n; Une famille ayant n élément est base de E ssi elle est
libre ssi elle est génératrice.
Exemple 5 Soit (P0 ; :::; Pn ) une famille de polynômes échelonnés : deg (Pk ) = k: Mon-
trer que c’est une base de Kn [X]
réponse : La matrice de (P0 ; :::; Pn ) dans la base canonique (1; X; :::; X n ) étant tri-
angulaire supérieure dont aucun zéro sur la diagonale, donc la famille est une base.
3. Somme directe :
p
X
Dé…nition 7 Soit Ei des s-ev de E: La somme Ei est directe si tout élément x 2
i=1
n
X n
X
Ei s’écrit de manière unique sous la forme x = xi
i=1 i=1
L
n
avec (x1 :; ; ; ; xn ) 2 E1 :::: En : Une telle somme sera notée Ei :
i=1
3
p
X
Caratérisation : La somme Ei est directe ()
i=1
n
!
X
8 (x1 :; ; ; ; xn ) 2 E1 :::: En ; xi = 0 =) x1 = ::: = xn = 0
i=1
En particulier pour n = 2; la somme E1 + E2 est directe ssi E1 \ E2 = f 0 g :
Caractérisation en dimension …nie : !
X p Xp Xp
La somme Ei est directe () dim Ei = dim Ei :
i=1 i=1 i=1
5. Formule du rang :
4
u est inversible () u est injective () u est surjective
Exemple 12 En dimension …nie, soit u 2 L (E) avec dim ker (u) = m; montrer que pour
tout k 2 N; dim ker uk+1 dim ker uk m:
Réponse : On montrer facilement que u ker uk+1 ker uk ; soit v : ker uk+1 !
k k+1
ker u la restriction de u sur ker u ; on sait que ker (v) = ker uk+1 \ ker (u) =
ker (u) par croissance de la suite des noyaux itérés. Par application de la formule du rang
à v; on obtient : dim ker uk+1 = dim ker (u) + rg (v) m + dim ker uk d’où le résultat:
(Utiliser surtout pour les endomorphismes nilpotents)
Exemple 13 Soit A 2 An (R) une matrice antisymétrique réelle, montrer que le rang de
A est pair.
Réponse : On munit Rn de sa structure euclidienne canonique, et soit u 2 L (Rn )
l’endomorphisme canonique associé à A: on a : u = u; où u désigne l’adjoint de u:
On sait que Im (u) est stable par u; soit alors v l’endomophisme induit par u sur l’image.
?
D’une part on a ker v = ker u \ Im u = ker u \ Im u = (Im u) \ Im (u) = f0g ; ainsi
v injective et par dimension bijective. D’autre part v = v donc det (v ) = det (v) =
rg(u) rg(u)
( 1) det (v) ; d’où ( 1) = 1; càd le rang de u est pair.
6. Hyperplan :
Dé…nition 15 C’est un s-ev de codimension 1 : cad admet un supplémentaire de dimen-
sion 1.
Proposition : Deux formes linéaires non nulles ont le même noyau ssi elles sont
liées. (proportionnelles)
5
7. Dualité en dimension …nie : (N’est plus au programme)
dim E = n et E = L (E; K) l’espace des formes linéaires sur E:
Exemple 18 Soit x0 ; :::; xn des réels deux à deux distincts, soit i et i les formes
linéaires dé…nies sur R2n+1 [X] par i (P ) = P (xi ) et i (P ) = P 0 (xi ) : Montrer que
la famille C = ( 0 ; :::; n ; 0 ; :::; n ) est une base du dual (R2n+1 [X]) :
R2n+1 [X] ! R2n+2
Réponse : u : ; u est clairement linéaire,
P 7 ! ( 0 (P ) ; ::: n (P ) ; 0 (P ) ; :::; n (P ))
si P 2 ker (u) alors P admet les xi comme racines au moins double, donc P admet (2n + 2)
racines, or deg (P ) 2n + 1; ainsi P = 0: u est alors injective, par dimension c’est un
isomorphisme, ainsi la famille C est une base de (R2n+1 [X]) :
B. Matrices :
1. Tout d’abord les ABC :
n X
X n
dim Mn (K) = n2 ; avec la base canonique (Eij )1 i;j n et M = mij Eij ;
i=1 j=1
Eij Ekl = jk Eil
il faut maîtriser les opérations algébriques sur les matrices, surtout le produit :
n
X
(AB)ij = Aik Bkj (Produit de la ième ligne A par la jième colonne de B)
k=1
6
If faut savoir former la matrice d’une application linéaire dans des bases données.
La kième colonne est formé des coordonnée de ....
Le rang d’une matrice : rg (A) = rg (C1 ; :::; Cn ) = rg (L1 ; :::; Ln ) = rg (t A) ; où les
Ci les colonnes de A; les Li ses lignes.
Les produits de matrices dé…nies par blocs,...ETC
n (n + 1) n (n 1)
dim Sn (R) = (matrices symétriques) et dim An (R) = ( anti-
2 2
symétriques)
Exemple 19 Déterminer les matrices M = (mij ) 2 Mn (K) qui commutent avec toute
les matrices N 2 Mn (K) :
n
X
2
Réponse : Il su¢ t que M Eij = Eij M pour tout (i; j) 2 f1; :::; ng ; donc mki Ekj =
k=1
n
X mij = 0 pour i 6= j
mjk Eik ; donc pour
mii = mjj pour tout (i; j)
k=1
Donc M = In est matrice scalaire ( une homothétie). La réciproque de ce fait est
triviale.
X = P X 0 et M atB 0 (u) = P 1
M atB (u) P
3. Matrices équivalentes :
Dé…nition 20 M et N 2 Mn;p (K) équivalentes s’il existe P 2 GLn (K) et Q 2 GLp (K)
inversibles telles que : M = P N Q
Ir 0
rg (M ) = r si et seulement si M est équivalente à Jr =
0 0
Le rang se conserve par produit à gauche ou à droite par une matrice inversible.
Une matrice A est de rang r lorsqu’elle admet une sous matrice extraite de taille r
inversible et toute les matrices extraites de taille r + 1 sont non inversibles
Une matrice A 2 Mn (K) ; rg (A) = 1 () A = X t Y; avec X; Y 2 Mn;1 (K) ; X; Y 6=
0
7
4. Matrices semblables :
1
Dé…nition 21 M et N semblable s’ il existe P inversible telle que : M = P NP
est famille libre de 3 élements, donc base de K3 ; et M atB (u) = T: Ainsi M et T sont
semblables puisqu’elles représentent le même endomorphisme.
Exercice 24 (classique) : Deux martices réelles semblables dans Mn (C) le sont aussi
dans Mn (R) : Ecrire P = P1 + iP2 et chercher une matrice de passage réelle de la forme
P1 + tP2 .
5. Trace :
C’est une forme linéaire sur Mn (K) ; véri…ant :
n X
X n
1 t 2
T r (M N ) = T r (N M ) ; T r P M P = T r (M ) ; T r MM = jmij j
i=1 j=1
6. Trace d’endomorphisme :
Dé…nition 25 Si u 2 L (E) avec dim E = n 1; alors T r (u) = T r (matB (u)) où B
est une base quelconque de E:
Mn (K) ! Mn (K)
Exemple 26 Application : On considère l’endomorphisme u : ;
M 7 ! AM
calculer T r (u) :
8
Réponse : Soit B = (Eij )1 i;j n la base canonique de Mn (K) ; alors u (Eij ) =
Xn X n n
X
AEij = apq Epq Eij = api Epj ; donc la composante de u (Eij ) sur Eij est aii :
p=1 q=1 p=1
n X
X n
Ainsi T r (u) = aii = nT r (A) :
i=1 j=1
X Q
n
Dé…nition 27 Si A = (aij )ij 2 Mn (K) ; alors det (A) = "( ) ai (i) ; où Sn
2Sn i=1
C’est une formule théorique, s’utilise rarement. mais reste utile par exemple montrer
que pour M 2 Mn (K) :
n
– Le polynôme caractéristique XM (X) = ( 1) det (M XIn ) = X n tr (M ) X n 1
+
n
:::: + ( 1) det (M ) :
– det (In + xM ) = 1 + xT r (M ) + O x2 (Oral Mines)
n
X i+k
Développement de det(A) selon sa kième colonne : det (A) = ( 1) aik ik ,
i=1
où ik désigne le déterminant de la matrice de taille (n 1) obtenue à partir de A en
éliminant la ième ligne et la kième colonne. ik le mineur d’ordre (i; k) :Pratique
pour calculer des valeurs propres à partir du polynôme caractéristique.
n
X i+k
Développement de det(A) selon sa kième ligne : det (A) = ( 1) aki ki .
i=1
Le det est une fonction n linéaire alternée en fonctions des colonnes (ou des lignes)
de A:
– Ne change pas en ajoutant à une colonne (resp une ligne) une combinaison
linéaire des autres colonnes (resp lignes) de A:
n
– det ( A) = det (A) ; où n la taille de A:
det (t A) = det (A) ; det (AB) = det (A) det (B)
t
1 com (A)
A inversible () det (A) = 0; dans ce cas A = ; avec com (A) =
det (A)
i+j
( 1) ij ; avec ij le mineur d’ordre (i; j) :
9
Exemple 29 Montrer que le groupe des matrices inversibles GLn (K) est un ouvert dense
dans Mn (K)
Réponse : GLn (K) ouvert car image réciproque de l’ouvert K par la fonction det qui
est continue.
1 1
Dense car toute matrice M = lim M In ; avec M In 2 GLn (K) pour
p!+1 p p
p N car le spectre de M est FINI.
Déterminants particuliers :
Q
n
– Si A = (aij ) est triangulaire, alors det (A) = aii : Valable en particulier
i=1
pour A diagonale.
A B
– Matrice triangulaire par blocs : det = det (A) det (C) : Se généralise
0 C
pour plusieurs blocs.
: : 1 1
1 : : p :
.. ..
– Déterminant de Vandermonde : V ( 1 ; 2 ; :::; p ) = . . =
.. ..
. .
p 1 p 1
Q 1 : : : p
( j i ): Ainsi la matrice Vandermonde est inversible ssi les i sont
1 i<j p
deux à deux distincts.
Exemple 32 Montrer que toute matrice diagonale D = diag ( 1 ; :::; n ) est un polynôme
de degré n 1; en la matrice diagonale = diag (1; :::; n) :
n
X1
i
Réponse : On écrit P (X) = i X ; on obtient le système linéaire :
k=0
P (1) = 1 ; P (2) = 2 ; :::; P (n) = n ; matriciellement cela s’ècrit
0 0 1
1 : : 1n 1 0 1 0 1
B 20 : : : 2n 1 C 1 1
B CB C B C
B .. .. CB C B C
B . . C B C B C ; c’est un système de Cramer car sa
B CB C = B C
B . . C@ A @ A
@ .. .. A
n n
n0 : : : n n 1
matrice est du Vandemonde avec des scalaires deux à deux distincts. D’où le résultat.
10
II. Réduction en dimension …nie
Si uv = vu alors ker (u IdE ) est stable par v: En particulier ker (u) et Im(u) sont
toujours stables par u:
ker (uF ) = F \ ker (u), si de plus F \ ker (u) = f0g ; alors uF est injective.
Une droite = vect (e) est stable si et seulement si e est un vecteur propre de u:
Tout polynôme est scindé dans C [X] et les irréductibles de C [X] sont ceux du
premier degré.
Les irréductibles de R [X] sont ceux du premier ordre ou du second ordre avec un
descriminent strictement négatif.
Bezout : Deux polynômes P et Q sont premiers entre eux si et seulement si il existe
U et V 2 K [X] tel que : P U + QV = 1: Très utilisé en réduction.
Q
n
Relations entre coe¢ cients et racines : On suppose P (X) = an (X i) =
i=1
P
n
ak X k scindé, alors
k=0
P k an k
– i1 ::: ik = ( 1) :
1 i1 <:::<ik n an
P
n an 1 Q
n
n a0
– En particulier i = (k = 1) et i = ( 1) : (k = n):
i=1 an i=1 an
11
Exemple 33 Polynôme d’intepolation de Lagrange : Soit f : I ! K une fonction
et 0 ; :::; n 2 I deux à deux distincts, montrer qu’il existe un unique polynôme P 2
Kn [X] véri…ant P ( i ) = f ( i ) pour tout i 2 f0; :::; ng :
Q
n X j
Réponse : On pose Li (X) = ; alors Li ( j ) = ij ; donc il su¢ t
j=0; j6=i i j
n
X
de poser P (X) = f ( i ) Li (X) : polynôme d’interpolation de Lagrange.
i=0
L’unicité : Si un autre polynôme Q véri…e les mêmes équations, alors P Q de degré
n et admet (n + 1) racines, donc il est nul.
m
X m
X
Dé…nition 34 u 2 L (E) et P (X) = ak X k ; alors P (u) = ak uk 2 L (E) avec la
k=0 k=0
convention u0 = IdE :
m
X m
X
M 2 Mn (K) et P (X) = ak X k ; alors P (M ) = ak M k 2 Mn (K) avec la
k=0 k=0
convention M 0 = In :
Exemple 35 Pour une symértie s2 = IdE donc (s Id) (s + Id) = 0; on a E = ker (s id)
ker (s + Id) ; de même pour un projecteur E = ker (p) ker (p Id) :
12
Exemple 36 : Soit A 2 Mn (K) une matrice nilpotente d’indice p, montrer que A2
A + 2In est inversible et que son inverse est un polynôme de degré p 1 .
Réponse : On a A = X p ; donc pgcd( A ; X 2 X + 2) = 1; donc A2 A + 2In
1
inversible et A2 A + 2In 2 K [A] = vect In ; A; :::; Ap 1 :
C. Eléments propres :
Dé…nition 37 2 K: 2 Sp (u) ssi ( E (u) = ker (u IdE ) 6= f0g) càd ( (u IdE ) non injective)
càd (9 x 2 E; x 6= 0; u (x) = x) :
De même 2 Sp (M ) ssi 9 X 2 Mn;1 ; X 6= 0; M X = X:
1. Polynôme annulateur :
P 2 K[X]; u (x) = :x =) (P (u)) (x) = P ( ) :x: Donc si P (u) = 0; alors
Sp (u) f 2 K; P ( ) = 0g :
Les valeurs propres de u sont parmis les racines de tout polynôme annulateur de u.
k
Exercice 39 La suite des noyaux itérés Fk = ker (u Id) devient stationnaire exacte-
ment à partir de l’indice de la valeur propre : multiplicité de en tant que racine de
u:
2. Endomorphisme induit :
Si v est un endomorphisme induit par u sur F alors Sp (v) Sp (u) et E (v) =
F \ E (u)
3. Polynôme caractéristique :
n
On suppose dim E …nie. On a Xu (X) = ( 1) det (u XidE ) et XM (X) =
n
( 1) det (M XIn ) :
n
Xu (X) = X n tr (u) X n 1
+ ::: + ( 1) det (u) :
13
Le polynôme caractéristique d’un endomorphisme induit par u divise celui de u:
0 41 Déterminer le polynôme
Exemple 1 caractéristique d’une matrice de type compagon
0 1 0 0
B .. .. C
B 0 0 1 . . C
B C
M =B .
B .. . .. . .. . ..
C
C
B 0 C
@ 0 0 0 1 A
a0 an 2 an 1
n
0 X M (X) = ( 1) det (M XIn ) ; notons
1 (C1 ; :::; Cn ) les colonnes de la matrice (M XIn ) =
X 1 0 0
B .. .. C
B 0 X 1 . . C
B C
B . .. .. .. C et e¤ ectuant l’opération
B .. . . . 0 C
B C
@ 0 0 X 1 A
a0 an 2 X + an 1
C1 C1 + XC2 + ::: + X n 1 Cn ; puis on développe le déterminant! obtenu selon sa
nX1
première colonne, on obtient alors XM (X) = X n ak X k
k=0
Ainsi 0 2
= Sp (A) et par suite A est inversible.
14
Exercice 43 Localisation des valeurs propres ou des racines d’un polynôme : Soit P (X) =
n
X1
Xn ak X k : Montrer que les racines de P véri…ent : j j max (ja0 j ; 1 + ja1 j ; :::; 1 + jan 1 j) :
k=0
Considérer la matrice compagon t M de l’exemple ci-dessus associé au polynôme P: Re-
marquer que si P ( ) = 0; alors t M In n’est pas à diagonale strictement dominante et
conclure avec l’exemple précédant.
4. Théorème de Cayley-Hamilton :
Xu (u) = 0 et XM (M ) = 0 : le polynôme caractéristique de u annule u ou encore Le
polynôme minimal de u divise le polynôme caractéristique de u.
Exemple 44 Soit u 2 L(E) dont le polynôme caractéristique Xu est scindé dans K[X];
i=p
Y
n
on pose Xu = ( 1) ( i X)mi et Fi = ker(u i Id)
mi
: Montrer que les Fi sont stables
i=1
L
p
par u et que E = Fi :
i=1
m
Réponse : On applique la décomposition des noyaux aux polynômes ( i X) i qui
L
p
sont premiers entre eux deux à deux, on trouve : ker (Xu (u)) = Fi ; or ker(Xu (u)) = E
i=1
selon le théorème de Cayley-Hamiton.
Exemple 45 En dimension …nie, soit u 2 L (E) admettant 0 comme valeur propre sim-
ple, montrer que ker (u) = ker u2 et en déduire que ker (u) et Im (u) sont supplémentaire
dans E:
Réponse : Puisque 0 est valeur propre simple, alors Xu est de la forme XQ; avec
Q (0) 6= 0; donc pgcd(X; Q) = 1; de même pgcd X 2 ; Q = 1: D’autres part les polynômes
Xu = XQ et X 2 Q sont annulateurs de u (Cayley-Hamilton), donc selon la décompostion
des noyaux : E = ker (u) ker Q (u) = ker u2 ker Q (u) : En passant aux dimension, on
obtient dim ker (u) = dim ker u2 ; or il est classique que ker (u) ker u2 ; d’où l’égalité
ker (u) = ker u2 : Puis, on montre facilement que ker (u) \ Im (u) = f0g ; ils sont donc
supplémentaire par la formule du rang.
15
Dé…nition 48 Matrice diagonalisable : M 2 Mn (K) est dite diagonalisable s’elle
est semblable dans Mn (K) à une matrice diagonale.
2. Théorèmes de diagonalisation :
scindé dans K [X] et à racines simples.( par exemple un projecteur, une symétrie sont
diagonalisables)
16
M 2 Mn (K) est trigonalisable si et seulement si l’endomorphisme de Kn canon-
iquement associé est trigonalisable.
4. Théorème de trigonalisation :
Conséquences :
endomorphisme induit :
6. Densité classique :
Exemple 54 Montrer que le groupe des matrices inversibles GLn (K) est un ouvert dense
dans Mn (K). L’idée est de preturber la diaginale.
Réponse : l’application det : M 7 ! det (M ) est continue car polynômiale des co-
e¢ cients de M et GLn (K) = det 1 (K ) ; or K ouvert donc aussi Gln (K) ouvert de
Mn (K) :
17
1
Par ailleurs pour tout M 2 Mn (K) ; M = lim M In , or le spectre de M
p!+1 p
1 1
est …nie donc pour p assez grand 2
= Sp (M ) ; donc M In inversible, ainsi M est
p p
limite d’une suite de matrice inversible, donc adhérente à GLn (K) :
Pour montrer certains propiètés sur les matrices ( ou les endomorphismes ) on pourra
commencer par le cas des matrices inversibles et généraliser par cette densité.
Exemple 55 Montrer que l’ensemble des matrices diagonalisables dans Mn (K) est dense
dans celui des matrices trigonalisables dans Mn (K) :
Indication : On trigonalise A et on pertube légerement la diagonale pour rendre les
valeurs propres deux à deux distinctes pour obtenir une suite de matrice diagonalisable
Dans toute la suite E un R ev; u 2 L (E) et M 2 Mn (R) : Soit B = (e1 ; :::; en ) une
base de E;
1 0
n n x1
X X B C
x = xi ei et y = yi ei deux vecteurs de E: On note X = @ ... A et Y =
i=1 i=1 xn
0 1
y1
B .. C
@ . A:
yn
n
X
Le produit scalaire usuel de Rn : t XY = t Y X = xi yi : A ne pas confondre avec
i=1
X t Y = (xi yj )1 i;j n qui est une matrice carrée de taille n
2. Orthogonalité
E préhilbertien
x ? y , hx; yi = 0
18
A partie de E; A? = fx 2 E = 8 a 2 A; hx; ai = 0g ( Pour montrer qu’un vecteur
a est nul, on pourra penser à montrer qu’il est orthogonal à tout vecteur x de E ).
Si F est un sous-espace vectoriel de dimension …nie de E alors : E = F F ? et
F ?? = F ( Toujours valable si E de dimension …nie : Euclidien )
2 2 2
Pythagore : x ? y , kx + yk = kxk + kyk : Le sens direct se généralise pour
un nombre …ni de vecteurs orthogonaux.
Procédé de Gram-Schmidt : Si E euclidien et B = (e1 ; :::; en ) une base de E,
alors il existe une base une base orthonormée C = (c1 ; :::; cn ) de E;véri…ant pour
tout k 2 f1; :::; ng ; vect (c1 ; :::; ck ) = vect (e1 ; :::; ek ) ; avec
P
k
ek+1 hci ; ek+1 i ci
e1 i=1
c1 = et ck+1 =
ke1 k Pk
ek+1 hci ; ek+1 i ci
i=1
Noter que la matrice de passage de B à C est triangulaire supérieure, ainsi que son
inverse.
Pour retenir la formule, noter aussi que le numérateur de ck+1 est ek+1 p (ek+1 )
où p la projection orthogonale sur V ect (c1 ; :::; ck )
Ce procédé s’applique dans les préhilbertiens aux bases in…nies
19
– Projection orthogonale dans BON : On suppose ici E préhilbertien et F est un
sous-espace vectoriel de dimension …nie de E alors : E = F F ? ; On note pF la
pF (x) 2 F
projection orthogonale sur F : pF (x) est caractérisé par :
(x pF (x)) 2 F ?
Si B = (e1 ; :::; en ) une base orthonormée de F; alors
n
X n
X
2 2 2
pF (x) = hei ; xi ei et kxk = jhei ; xij + kx pF (x)k
i=1 i=1
Suite totale ou base hilbertienne : Une suite orthonormée (en )n2N est dite base
hilbertienne de E lorsque vect (e)n2N est dense dans E:
Identité de Parseval : Si (en )n2N une base hilbertienne de E, et pn la projection
orthogonale sur Fn = vect (e0 ; :::; en ) ; alors lim kx pn (x)k = 0: dans ce cas on
n!+1
a
X+1
2 2
hen ; xi = kxk : Parseval
n=0
Z
1 2
Exemple 57 Dans E = C2 (R; R) muni de hf; gi = f (t) g (t) dt: La famille
p p 2 0
1; 2 cos (nx) ; 2 sin (nx) n2N est une base hilbertienne de E:( solution utilise le
théorème d’approximation de Weierstrass trigonométrique)
Z 1
Exemple 58 Dans E = C ([0; 1] ; R) muni de hf; gi = f (t) g (t) dt: La famille
0
Ln
est une base hilbertienne de E; où (Ln )n la famille des polynômes
kLn k n2N
orthogonaux de Legendre. ( solution utilise le théorème de Weierstrass algébrique)
Forme linéaire d’un euclidien : E euclidien alors pour toute forme linéaire
sur E; il existe un unique élément a de E tel que :
8 x 2 E; (x) = ha; xi
Exemple 59 Soit une forme linéaire sur Mn (R) ; montrer qu’il existe une unique
matrice A telle que 8 M 2 Mn (R) ; (M ) = T r (AM )
Réponse : On munit Mn (R) de son produit scalaire usuel hM; N i = T r (t M N ) et on
applique le résultat ci-dessus.
20
B. Endomorphisme d’un Euclidien
On suppose E euclidien u 2 L (E)
21
u est orthogonal
() u conserve le produit scalaire : hu (x) ; u (x)i = hx; yi
() u conserve la norme : ku (x)k = kxk
– u 2 L (E), alors :
() la matrice de u dans une BON est orthogonale :
1
Cad t MatBON (u) = (MatBON (u))
() u transforme une BON de E en une BON de E:
– La composée et l’inverse d’isométrie est une isométrie, on parle du groupe
orthogonal O (E) :
– Si u est orthogonal alors det (u) = 1; Sp (u) f 1; 1g :
+
– O (E) = SO (E) le sous groupe des isométries positives, dit le groupe spécial
orthogonal.
– Réduction ;
Un automorphisme orthoganal u est diagonalisable si et seulement si u2 =
IdE càd u est une symétrie orthigonale.
Si u 2 O+ (E) une isométrie positive, alors il existe une BON de E dans
laquelle la matrice de u est diiagonale par bloc de la forme diag (Ip ; Iq ; A1 ; :::; As ) ;
cos ( i ) sin ( i )
avec Ai = ; p; q; s 2 N.
sin ( i ) cos ( i )
D = t P SP = P 1
SP
22
2 2
Exemple 62 L’autre forme quadratique aussi très utilisée est q (x) = ku (x)k = kM Xk ;
où u et M sont quelconques non forcément symétriques. Réduire cette forme quadratique
Réponse : Pour réduire cette forme, il faut remarquer que q (x) = hu u (x) ; xi = t X (t M M ) X,
c’est donc la forme quadratique associée à l’endo symétrique u u ou à la matrice
symétrique t M M; on applique le théorème spectral à u u ou à t M M; on trouve
Xn
dans une BON de vecteurs propres de t M M : q (x) = 2
i yi ; avec les i les valeurs
i=1
propres de t M M et les yi les coordonnées de x dans la BON de vecteurs propres.
C. Géométrie euclidienne de R2 et R3 :
Ici E = R2 ou R3 est euclidien usuel orienté. Soit B une BON, en général B la base
canonique de E:
Isométrie vectorielle de R2 = O R2 :
23
cos ( ) sin ( )
– De plus M atBON (u) = () u est la rotation d’angle
sin ( ) cos ( )
(de centre l’origine bien sur !); avec les complexes u (z) = ei z:
cos ( ) sin ( )
– De plus M atBON (u) = () u est la symétrie axi-
sin ( ) cos ( )
ale d’axe ( ) d’angle polaire : Càd d’équation cartésienne : y cos
2 2
x sin = 0: avec les complexes u (z) = ei z:
2
– Le groupe O+ R2 est abélien : les rotations du plan commutent
Isométrie vectorielle de R3 = O R3 :
24
Déplacement de R3 : Isométrie a¢ ne positive de R3
Soit f un déplacement de R3 ; alors F = M 2 R3 = f (M ) = M ; alors F est soit
vide soit une droite.
Exemple 67 La première forme quadratique que vous avez étudier depuis plusieurs an-
nées est q ((x; y)) = x2 + 2 xy + y 2 ; elle est positive ou négative si et seulement si
0
= 2 0
Ici on a utilisé les aquis de la terminale, Cette année on fera mieux : On considère
la matrice M = symétrique de q;
– Si q est une forme quadratique sur E et sa forme polaire, alors il existe une
base B = (e1 ; :::; en ) orthonormée de E dans laquelle la matrice de q est
diagonale. cad : (ei ; ej ) = 0 pour i 6= j:
Xn n
X
2
Dans cette base si x = xi ei alors q (x) = i xi ; où i = (ei ; ei ) = q (ei ) :
i=1 i=1
Donc q se décompose en sommes de carrés de formes linéaires indépendantes
( coordonnées ), cette décomposition a l’avantage d’être dans une base or-
thonormée.
D = t P SP
25
Attention P n’est pas orthogonale, D et S ne sont pas semblables ! Ne pas
confondre ce résultat avec celui obtenu à l’aide du théorème spectral appliqué à S :
Une matrice symétrique représente un endomorphisme symétrique (dans une BON)
ou une forme quadratique, on peut alors la réduire selon ces deux aspects :
Dans le premier cas, elle est orthogonalement semblable à une matrice diagonale
–
Dans le deuxième cas, elle est congruente à une matrice diagonale
In = t P SP
In = t P AP et D = t P BP
IV. Structure
A. Groupe
Si (G; :) un groupe, alors F G est un sous-groupe ssi F 6= ? et 8 (x; y) 2 F;
xy 1 2 F:
Une intersection de sous-groupe est un sous-groupe. On parle alors de sous-groupe
engendré par une partie comme étant l’intesection de tout les sous- groupes contenant
la partie.
26
Une réunion de sous-groupes n’est jamais un sous-groupe sauf s-ils sont tous contenu
dans l’un d’entre eux.
Un produit cartésien de groupe est un groupe pour la loi produit.
Proposition 71 Tout groupe monogène in…ni est isomorphe à (Z; +) et tout groupe
cyclique de cardinal n est isomorphe à (Z=nZ; +) :
Proposition 72 Les seuls idéaux de (Z; +; ) sont les nZ; n 0: Z est principal
Proposition 73 Les seuls idéaux de (K [X] ; +; ) sont les P K [X] : K [X] est prin-
cipal
27