Espaces vectoriels euclidiens. Groupe orthogonal

Save this PDF as:
 WORD  PNG  TXT  JPG

Dimension: px
Commencer à balayer dès la page:

Download "Espaces vectoriels euclidiens. Groupe orthogonal"

Transcription

1 19 Espaces vectoriels euclidiens. Groupe orthogonal Dans un premier temps, E est un espace vectoriel réel de dimension n Espaces vectoriels euclidiens Dénition 19.1 On dit qu'une forme bilinéaire symétrique φ : E E R est : positive si φ (x, x) 0 pour tout x dans E ; dénie si pour x dans E l'égalité φ (x, x) = 0 équivaut à x = 0. Dénition 19. On appelle produit scalaire sur E toute forme bilinéaire symétrique dénie positive. Dénition 19.3 Un espace euclidien est un espace vectoriel réel de dimension nie muni d'un produit scalaire. De manière plus générale, un espace vectoriel réel de dimension nie ou innie muni d'un produit scalaire est dit préhilbertien (voir le chapitre 47 pour une étude plus détaillée). Dans ce qui suit E est un espace euclidien de dimension n 1. On notera, quand il n'y a pas d'ambiguïté : (x, y) x y un produit scalaire sur E et pour y = x, on note : x = x x La norme euclidienne sur E induit une norme sur l'espace L (E) des endomorphismes de E en posant : u (x) u L (E), u = sup x E\{0} x Les trois égalités qui suivent, expressions de la forme polaire d'une forme quadratique, sont utiles en pratique. 481

2 48 Espaces vectoriels euclidiens. Groupe orthogonal Théorème 19.1 Pour tous x, y dans E on a : x y = 1 ( x + y x y ) = 1 ( x + y x y ) 4 x + y + x y = ( x + y ) Théorème 19. (Inégalité de Cauchy-Schwarz) Pour tous x, y dans E on a : x y x y, l'égalité étant réalisée si, et seulement si, x et y sont liés. Démonstration. Voir le théorème Une conséquence importante de l'inégalité de Cauchy-Schwarz est l'inégalité triangulaire de Minkowski. Théorème 19.3 (Inégalité de Minkowski) Pour tous x, y dans E on a : x + y x + y l'égalité étant réalisée si, et seulement si, x = 0 ou x 0 et y = λx avec λ 0 (on dit que x et y sont positivement liés). Démonstration. Voir le théorème Mesures d'angles géométriques L'inégalité de Cauchy-Schwarz nous dit que pour tous vecteurs x et y non nuls dans E, on a : x y 1 x y 1 ce qui implique qu'il existe un unique réel θ dans [0, π] tel que : x y = cos (θ) x y (la fonction cos étant dénie en analyse à partir d'une série entière). Le réel θ est la mesure dans [0, π] de l'angle géométrique (ou angle non orienté) que font les vecteurs x et y dans E {0}. On note (x, y) cette mesure. On a donc : ( ) (x, x y y) = arccos [0, π] x y Pour θ {0, π}, on a x y = x y, ce qui équivaut à dire que les vecteurs x et y sont liés (cas d'égalité dans l'inégalité de Cauchy-Schwarz). Pour θ = π, on a x y = 0 et les vecteurs x, y sont dits orthogonaux. De manière générale, on a : x + y = x + cos (θ) x y + y

3 Isométries d'un espace euclidien 483 où θ est la mesure dans [0, π] de l'angle géométrique que font les vecteurs non nuls x et y. On peut remarquer que si λ, µ sont deux réels strictement positifs, on a alors : ( ) (λx, x y µy) = arccos = (x, x y y) ce qui permet de dénir la mesure dans [0, π] de l'angle géométrique de deux demi-droites 1 = R + x 1 et = R + x par : ( 1, ) = (x 1, x ) où x 1 est un vecteur directeur de 1 et x un vecteur directeur de. On dit parfois que ( 1, ) est l'angle géométrique ou l'écart angulaire de 1 et Isométries d'un espace euclidien Dénition 19.4 Une isométrie (ou application orthogonale) de E est une application u : E E qui conserve le produit scalaire, c'est-à-dire que : (x, y) E E, u (x) u (y) = x y On note O (E) l'ensemble des isométries de E. Exemple 19.1 Les seules homothéties x λx qui sont des isométries sont Id et Id. En eet pour e E de norme égale à 1, on a 1 = e = u (e) = λ et λ = ±1. Exemple 19. Pour E de dimension 1, on a O (E) = { Id, Id}. Remarque 19.1 Une isométrie conserve l'orthogonalité, c'est-à-dire que pour tous x, y dans E, on a : x y = 0 u (x) u (y) = 0 mais une application qui conserve l'orthogonalité n'est pas nécessairement une isométrie comme le montre l'exemple d'une homothétie de rapport λ / { 1, 1}. Remarque 19. Comme une isométrie conserve l'orthogonalité, elle conserve les mesures d'angles géométriques. En eet, pour x, y non nuls dans E, on a : ( ) ( ) (x, x y u (x) u (y) y) = arccos = arccos = (u (x), u (y)) x y u (x) u (y) Exercice 19.1 Soient n, B = (e i ) 1 i n une base orthonormée de E et u une application linéaire de E dans E qui conserve l'orthogonalité. 1. Montrer que u (e i ) = u (e j ) pour tous i, j compris entre 1 et n. On notera λ cette valeur commune.. Montrer que u (x) = λ x pour tout x E (pour λ > 0, on dit que u est une similitude de rapport λ). Solution 19.1

4 484 Espaces vectoriels euclidiens. Groupe orthogonal 1. Pour 1 i, j n, on vérie facilement que les vecteurs e i e j et e i +e j sont orthogonaux, donc : u (e i e j ) u (e i + e j ) = 0 et avec : u (e i e j ) u (e i + e j ) = u (e i ) u (e j ) u (e i ) + u (e j ) on déduit que u (e i ) = u (e j ). On note λ la valeur commune des u (e i ).. Pour tout vecteur x = n x i e i, on a u (x) = n u (x) = = = u (e i ) u (e j ) x i u (e i ) et : n x i u (e i ) + x i x j u (e i ) u (e j ) n x i u (e i ) = λ ( e i e j = 0 pour i j u (e i ) u (e j ) = 0). 1 i<j n x i = λ x Théorème 19.4 Une application u : E E est une isométrie si, et seulement si, elle est linéaire et conserve la norme, c'est-à-dire que : x E, u (x) = x Démonstration. Si u est linéaire et conserve la norme, on déduit alors de l'identité de polarisation qu'elle conserve le produit scalaire et c'est une isométrie. En eet, pour tous x, y dans E, on a : u (x) u (y) = 1 ( u (x) + u (y) u (x) u (y) ) 4 = 1 ( u (x + y) u (x y) ) (linéarité) 4 = 1 ( x + y x y ) (conservation de la norme) 4 = x y Réciproquement, si u est une application de E dans E qui conserve le produit scalaire, il est clair qu'elle conserve la norme. Il nous reste à montrer qu'elle est linéaire. Pour x, y dans E et λ dans R, on a : u (x + λy) u (x) λu (y) = u (x + λy) + u (x) + λ u (y) +λ x y = 0 ( u (x + λy) u (x) + λ u (x + λy) u (y) ) + λ u (x) u (y) = x + λy + x + λ y ( x + λy x + λ x + λy y ) + λ x y = x + λ y + λ x y x 4λ x y λ y

5 Isométries d'un espace euclidien 485 ce qui équivaut à u (x + λy) = u (x) + λu (y) et u est linéaire. On peut aussi utiliser une base orthonormée (e i ) 1 i n de E. Comme u conserve le produit scalaire, la famille (u (e i )) 1 i n est orthonormée et c'est une base de E. Pour tout x E, on a alors : n n u (x) = u (x) u (e i ) u (e i ) = x e i u (e i ) et la linéarité des applications x x e i entraîne celle de u. Remarque 19.3 On déduit du théorème précédent que les seules valeurs propres réelles possibles d'une isométrie sont 1 et 1. Remarque 19.4 Une application u : E E qui conserve la norme n'est pas nécessairement linéaire et n'est donc pas une isométrie en général. Par exemple pour e E de norme égale à 1, l'application u : x x e conserve la norme et n'est pas linéaire (u ( x) = u (x) u (x) pour x 0). Exercice 19. Soit u une application de E dans E qui conserve les distances, c'est-à-dire telle que : (x, y) E E, u (x) u (y) = x y Montrer qu'il existe un vecteur a E et une isométrie v de E tels que u (x) = a + v (x) pour tout x E (on dit que u est une isométrie ane). Solution 19. Soient a = u (0) (si a existe, c'est la seule possibilité) et v : E E dénie par v (x) = u (x) a, pour tout x E. Pour tous x, y dans E, on a : soit : v (x) = u (x) u (0) = x 0 = x v (x) v (y) = u (x) u (y) = x y v (x) v (x) v (y) + v (y) = x x y + y et en conséquence v (x) v (y) = x y. Donc v est une isométrie. Théorème 19.5 Une isométrie est un automorphisme de E et O (E) est un sous-groupe de GL (E). Démonstration. Soit u O (E). Pour x ker (u), on a 0 = u (x) = x et x = 0. Donc ker (u) = {0} et u est injective, ce qui équivaut à dire que u est un automorphisme de E puisqu'on est en dimension nie. On a Id O (E) et pour u, v dans O (E), x dans E, on a : u v (x) = u (v (x)) = v (x) = x u 1 (x) = u ( u 1 (x) ) = x donc u v et u 1 sont dans O (E). L'ensemble O (E) est donc bien un sous-groupe de GL (E). On dit, dans le cas où E est de dimension nie, que O (E) est le groupe orthogonal de E.

6 486 Espaces vectoriels euclidiens. Groupe orthogonal Remarque 19.5 Si E est de dimension innie, une isométrie est toujours injective (son noyau est réduit à {0}), mais n'est pas nécessairement surjective. Donc, dans le cas de la dimension innie, O (E) n'est pas nécessairement un groupe. Considérons par exemple un espace préhilbertien E de dimension innie dénombrable (par exemple E = R [x] muni du produit scalaire (P, Q) 1 0 P (x) Q (x) dx.). On se donne une base orthonormée (e n ) n N (le procédé de Gram-Schmidt vu au paragraphe 47.4 nous permet de construire une telle base) et on dénit l'endomorphisme u par u (e n ) = e n+1 pour tout entier n x n x n x n 0. Pour x = x k e k dans E, on a u (x) = x k e k+1 et u (x) = x k = x, k=0 donc u est une isométrie. Comme Im (u) = Vect {e k k N } = E, cette application n'est pas surjective. Remarque 19.6 On peut donner, dans un espace préhilbertien, la dénition suivante d'une isométrie : une isométrie est un automorphisme qui conserve la norme et dans ce cas O (E) est un sous-groupe de GL (E). De l'injectivité et de la conservation de l'orthogonalité par une isométrie, on déduit le résultat suivant. Théorème 19.6 Soit u une isométrie de E. Si F est un sous-espace vectoriel de E stable par u, alors son orthogonal F est aussi stable par u. Démonstration. Comme u est injective, on a dim (u (F )) = dim (F ) et avec u (F ) F, on déduit que u (F ) = F. Pour x F et y F, on a : donc u (x) (u (F )) = F. k=0 u (x) u (y) = x y = 0 Remarque 19.7 Le théorème précédent est encore valable pour F sous-espace de dimension nie d'un espace préhilbertien E. Théorème 19.7 Soient B = (e i ) 1 i n une base orthonormée de E et u une application linéaire de E dans E. L'application u est une isométrie si, et seulement si, elle transforme B en une base orthonormée de E. Démonstration. Supposons que u O (E). Avec u (e i ) u (e j ) = e i e j = δ ij pour 1 i, j n, on déduit que u (B) = (u (e i )) 1 i n est orthonormé. Il en résulte que u (B) est libre et c'est une base puisque formé de n = dim (E) vecteurs. Réciproquement supposons que u L (E) transforme B en une base orthonormée de E. On a alors pour tout x = n x i e i dans E : et u O (E). u (x) n = x i u (e i ) = n x i = x k=0

7 Symétries orthogonales dans les espaces euclidiens 487 Théorème 19.8 O (E) est une partie compacte de L (E). Démonstration. Pour toute isométrie u O (E), on a u (x) = x pour tout vecteur x et donc u = 1, c'est-à-dire que O (E) est contenu dans la sphère unité de L (E), c'est donc une partie bornée. Si (u p ) p N est une suite d'éléments de O (E) qui converge vers u L (E), pour tout x E, on a alors : u (x) u p (x) = (u u p ) (x) u u p x 0 p + donc lim p + u p (x) = u (x) et : u (x) = lim u p (x) = lim x = x p + p + et u O (E). L'ensemble O (E) est donc fermé L (E). En dénitive O (E) est fermé borné dans L (E), ce qui équivaut à dire qu'il est compact puisque L (E) est un espace normé de dimension nie Symétries orthogonales dans les espaces euclidiens Pour tout sous-espace vectoriel F de E, on note p F la projection orthogonale sur F (voir le paragraphe Dénition 19.5 Si F est un sous-espace vectoriel de E, la symétrie orthogonale par rapport à F est l'application dénie sur E par : (gure 19.1). x E, s F (x) = p F (x) p F (x). p F (x) x p F (x) s F (x) Figure 19.1 Comme les applications p F et p F, l'application s F est linéaire. Remarque 19.8 Pour F = {0}, on a s F = Id et pour F = E, s F = Id. On supposera a priori que F distinct de {0} et de E (F est un sous-espace vectoriel propre de E).

8 488 Espaces vectoriels euclidiens. Groupe orthogonal De p F + p F = Id, on déduit que s F est aussi dénie par : x E, s F (x) = p F (x) x = x p F (x). Si D = Ra est une droite vectorielle, on a alors : Si H = D est un hyperplan, on a alors : x a s D (x) = p D (x) x = a a x. x a s H (x) = p H (x) x = x a a. Dénition 19.6 On appelle réexion une symétrie orthogonale par rapport à un hyperplan et demi-tour ou retournement une symétrie orthogonale par rapport à une droite. Exercice 19.3 Soient a un vecteur non nul dans E, α un réel et u l'application linéaire dénie par : x E, u (x) = x + α x a a Déterminer les valeurs de α pour lesquelles u est une isométrie. Solution 19.3 Pour α = 0, u est l'identité et c'est une isométrie. Pour α 0 et x E, on a : u (x) = x a a α + x a α + x Si u est une isométrie, on a alors u (x) = x pour tout x E, ce qui équivaut à : x a ( a α + ) = 0 ou encore à a α + = 0 et donne α = a. Réciproquement, si α =, l'application u est dénie par : a x E, u (x) = x x a a a et u est la réexion par rapport à l'hyperplan orthogonal au vecteur a. Exercice 19.4 Soient a un vecteur non nul dans E, α un réel et u l'application linéaire dénie par : x E, u (x) = α x a a x Déterminer les valeurs de α pour lesquelles u est une isométrie. Solution 19.4 Pour α = 0, u est l'homothétie de rapport 1 (u = Id) et c'est une isométrie. Pour α 0 et x E, on a : u (x) = x a a α x a α + x

9 Symétries orthogonales dans les espaces euclidiens 489 Si u est une isométrie, on a alors u (x) = x pour tout x E, ce qui équivaut à : x a ( a α ) = 0 ou encore à a α = 0 et donne α = a. Réciproquement, si α =, l'application u est dénie par : a x E, u (x) = x a a a x et u est le demi-tour par rapport à la droite dirigée par a. Des propriétés des projections orthogonales, on déduit le résultat suivant. Théorème 19.9 Soit F un sous espace vectoriel de E. 1. Pour x E, on a x F si, et seulement si, s F (x) = x et x F si, et seulement si, s F (x) = x.. s F s F = Id (s F est involutive). Une symétrie orthogonale est donc un automorphisme de E avec s 1 F = s F. 3. Pour tous x, y dans E, on a : (s F est auto-adjoint). 4. Pour tous x, y dans E, on a : s F (x) y = x s F (y) s F (x) s F (y) = x y (s F est une isométrie). 5. On a s F + s F = 0 et s F s F = s F s F = Id. 6. Si F est de dimension p {1,(, n 1}, il ) existe alors une base orthonormée de E dans Ip 0 laquelle la matrice de s F est et det (s 0 I F ) = ( 1) n p. n p Démonstration. 1. On a : et :. On a : x F p F (x) = x s F (x) = x x F p F (x) = x s F (x) = x s F s F = (p F p F ) (p F p F ) = p F p F p F p F p F p F + p F p F = p F + p F = Id

10 490 Espaces vectoriels euclidiens. Groupe orthogonal 3. On a : 4. On a : 5. On a : et : s F (x) y = p F (x) y x y = x p F (y) x y = x p F (y) x y = x s F (y) s F (x) s F (y) = x s F s F (y) = x y s F + s F = (p F p F ) + (p F p F ) = 0 s F s F = (p F p F ) (p F p F ) = p F p F p F p F p F p F + p F p F = p F p F = Id. 6. Il sut de se placer dans une base formée de la réunion d'une base orthonormée de F et d'une base orthonormée de F. Exemple 19.3 Si s H est une réexion, on a det (s H ) = 1 et si s D est un demi-tour, on a det (s D ) = ( 1) n 1. Théorème Pour n = dim (E), le groupe O (E) est engendré par l'ensemble des réexions. Précisément, toute isométrie de E peut s'écrire comme le produit d'au plus n ré- exions. Démonstration. On procède par récurrence sur n. Pour n =, pour toute rotation ρ O + (E) et toute réexion σ O (E), on a det (σ ρ) = 1, donc σ 1 = σ ρ est une réexion (voir le paragraphe 1.1), ce qui nous donne ρ = σ 1 σ 1 = σ σ 1 et ρ est produit de deux réexions. Les isométries négatives étant des réexions, on en déduit que toute isométrie de E est produit d'une ou deux réexions. Supposons le résultat acquis pour les espaces euclidiens de dimension n 1 et soit u O (E) avec E de dimension n. Si u = Id, elle s'écrit u = σ, où σ est une réexion quelconque. Si u Id, il existe un vecteur non nul x tel que u (x) x. On désigne alors par H l'hyperplan orthogonal à u (x) x et par σ H la réexion par rapport à H. Comme u (x) x H, on a σ H (u (x) x) = x u (x). De plus, avec : u (x) x u (x) + x = u (x) x = 0 on déduit que u (x) + x H et σ H (u (x) + x) = u (x) + x, ce qui nous donne : σ H (x) = σ H (u (x) + x) σ H (u (x) x) = u (x) soit σ H (x) = u (x) (H est l'hyperplan médiateur de x et u (x)) et σ H u (x) = x, c'est-à-dire que l'isométrie σ H u laisse stable la droite D dirigée par x et aussi l'hyperplan D. La restriction de σ H u à D s'écrit alors comme le produit σ 1 σ p de p réexions de D avec 1 p n 1. Les applications σ 1,, σ p dénies par σ k (x) = σ k (x) pour x D et σ k (x) = x pour x D sont alors des réexions de E telles que σ H u = σ 1 σ p et u = σ H σ 1 σ p. Remarque 19.9 Dans le cas où E est de dimension 1, on a O (E) = { Id, Id}, σ = Id étant l'unique réexion avec σ = Id et O (E) est engendré par { Id}.

11 Matrices réelles orthogonales Matrices réelles orthogonales Le théorème 19.7 va nous donner une caractérisation des matrices d'isométries dans une base orthonormée de E. En munissant R n de sa structure euclidienne canonique et en notant pour toute matrice réelle A = ((a ij )) 1 i,j n par C j = (a ij ) 1 i n R n la colonne numéro j {1,, n} de A, on a : t AA = ((α ij )) 1 i,j n avec : α ij = ( ligne i de t A ) (colonne j de A) = t C i C j a 1j n = (a 1i,, a ni ). = a ki a kj = C i C j. a k=1 nj De plus si B = (e i ) 1 i n est une base orthonormée de E, en notant pour tout x = n x i e i dans E, X = (x i ) 1 i n R n le vecteur colonne formé des composantes de X dans B, on a pour tous x, y dans E : n x y = x k y k = X Y le produit scalaire de gauche étant celui de E et celui de droite celui de R n. k=1 Théorème Soient B = (e i ) 1 i n une base orthonormée de E et u une application linéaire de E dans E de matrice A dans B. L'application u est une isométrie si, et seulement si, t AA = A t A = I n. Démonstration. Supposons que u O (E). En notant t AA = ((α ij )) 1 i,j n et en utilisant les notations qui précèdent, on a, pour 1 i, j n : α ij = C i C j = u (e i ) u (e j ) = e i e j = δ ij ce qui signie que t AA = I n. La matrice A est donc inversible d'inverse t A et en conséquence, on a aussi A t A = I n. Réciproquement, si t AA = A t A = I n, on a alors pour 1 i, j n : u (e i ) u (e j ) = C i C j = δ ij ce qui signie que u (B) est une base orthonormée de E et u O (E). Dénition 19.7 On appelle matrice orthogonale, une matrice réelle A telle que t AA = A t A = I n. On note O n (R) l'ensemble des matrices orthogonales. Il revient au même de dire qu'une matrice orthogonale est une matrice inversible A d'inverse t A. Le théorème précédent nous dit qu'une application linéaire u de E dans E est une isométrie si, et seulement si, sa matrice dans une base orthonormée quelconque de E est orthogonale. Mais attention, ce résultat est faux pour une base non orthonormée. Par exemple l'application (x, y) ( x, y) est orthogonale et sa matrice dans la base ( ) ( ) 1 1 A = est non orthogonale ( 0 1 t AA = I 5 ). (( 1 0 ), ( 1 1 )) est

12 49 Espaces vectoriels euclidiens. Groupe orthogonal Théorème 19.1 Pour toute matrice A dans O n (R), on a det (A) = ±1 et O n (R) est un sous-groupe de GL n (R). Démonstration. De det (A) = det ( t A) pour toute matrice A M n (R) et t AA = A t A = I n pour A O n (R), on déduit que (det (A)) = 1 et det (A) = ±1. Il en résulte que O n (R) GL n (R). Comme I n O n (R) et pour A, B dans O n (R), on a : ( A 1 ) 1 = ( t A ) 1 = t A 1 (AB) 1 = B 1 A 1 = t B t A = t (AB) on en déduit que O n (R) est un sous-groupe de GL n (R). On note : O + n (R) = {A O n (R) det (A) = 1} O n (R) = {A O n (R) det (A) = 1} et on dit que les éléments de O + n (R) sont les matrices orthogonales positives et les éléments de O n (R) sont les matrices orthogonales négative. On rappelle que si A = ((a ij )) 1 i,j n est une matrice carrée d'ordre n, la matrice des cofacteurs de A est la matrice C = ((c ij )) 1 i,j n, où c ij = ( 1) i+j det (A ij ) en notant A ij la matrice carrée d'ordre n 1 déduite de A en supprimant la ligne numéro i et la colonne numéro j. On a alors : A tc = t C A = det (A) I n et dans le cas où A est inversible, A 1 = 1 det (A) Théorème Si A O + n (R) [resp. A O n (R)], on a alors A = C [resp. A = C], où C est la matrice des cofacteurs de A. Démonstration. Résulte de : pour A O ± n (R). A 1 = 1 det (A) t C. t C = ± t C = t A 19.6 Isométries directes, indirectes Théorème Pour toute isométrie u O (E), on a det (u) = ±1. Démonstration. On a det (u) = det (A) où A est la matrice de u dans une base orthonormée et u O (E) si, et seulement si, A O n (R), ce qui entraîne det (A) = ±1. On note : O + (E) = {u O (E) det (u) = 1} O (E) = {u O (E) det (u) = 1} et on dit que les éléments de O + (E) sont les automorphismes orthogonaux positifs ou les isométries directes ou les rotations vectorielles et les éléments de O (E) sont des automorphismes orthogonaux négatifs.

13 Réduction des endomorphismes orthogonaux 493 Théorème O + (E) [resp. O + n (R)] est un sous-groupe distingué de O (E) [resp. de O n (R)] d'indice. Démonstration. Voir l'exercice 1.9. Comme le déterminant d'une réexion vaut 1 et celui d'une isométrie directe vaut 1, le théorème nous dit que toute isométrie directe est produit d'un nombre pair de réexions et toute isométrie indirecte est produit d'un nombre impair de réexions. De ce théorème, on peut aussi déduire le résultat suivant. Théorème Les composantes connexes de O (E) sont O + (E) et O (E). Démonstration. Il s'agit de montrer que O + (E) et O (E) sont connexes dans L (E). Pour ce faire, on remarque que l'application φ x qui associe à tout vecteur x S 1 (la sphère unité de E) la réexion s x par rapport à l'hyperplan H x = (Rx) est continue. On rappelle que cette réexion est dénie par s x (y) = y x y x et pour tous x, x dans S 1 et tout y E, on a : s x (y) s x (y) = x y x x y x = x x y x + x y (x x ) x x y + x y x x x x y + y x x = 3 x x y ce qui nous dit que s x s x 3 x x. L'application x s x est donc continue de S 1 dans L (E) et il en est de même de l'application : φ : (S 1 ) n L (E) (x 1,, x n ) s x1 s xn En eet, pour x = (x 1,, x n ), x = (x 1,, x n) dans (S 1 ) n et y E, on a : φ (x) (y) φ (x ) (y) = s x (y) s x (y) 3 n x 1 x 1 x n x n y et φ (x) φ (x ) 3 n ( x 1 x 1 x n x n. Comme S 1 est connexe, il en est de même de (S 1 ) n et O + (E) = φ (S 1 ) n) est connexe comme image d'un connexe par une application continue. On procède de manière analogue pour O (E) en utilisant l'application ψ : (x 1,, x n+1 ) s x1 s xn+1. Avec le corollaire 19., on propose une autre démonstration de ce résultat Réduction des endomorphismes orthogonaux On sait déjà que le déterminant d'une isométrie vaut ±1. Pour ce qui est des valeurs propres réelles, on a le résultat suivant. Lemme 19.1 Les seules valeurs propres réelles possibles d'une isométrie sont 1 et 1. Démonstration. Si λ est une valeur propre réelle de u O (E) et x E un vecteur propre associé unitaire, de l'égalité u (x) = x, on déduit alors que λ = ±1.

14 494 Espaces vectoriels euclidiens. Groupe orthogonal Lemme 19. Soit u O (E). Il existe des sous espaces vectoriels de E, P 1,, P r, de dimension égale à 1 ou, deux à deux orthogonaux, stables par u et tels que E = r P j. j=1 Démonstration. On procède par récurrence sur la dimension n 1 de E. Pour n = 1 ou, le résultat est évident. Supposons le acquis pour tout endomorphisme orthogonal sur un espace vectoriel euclidien de dimension p comprise entre 1 et n 1, avec n 3. Si P 1 est un sous espace vectoriel de E non réduit à {0} de dimension au plus égale à stable par u O (E) (lemme 17.7) alors P1 est stable par u (théorème 19.6). Comme 1 n dim ( ) P1 n 1, on peut trouver des sous espaces vectoriels de E, P,, P r, de dimension au plus, deux à deux orthogonaux et stables par la restriction de u à P1, donc par u, tels que P1 = r P j. On a alors E = P 1 P1 = r P j. j= j=1 Dans le cas où n ( =, la forme ) des matrices orthogonales est particulièrement simple (théorème 1.1) : si A = O a b c d (R), il existe alors un unique réel θ [0, π[ tel que : ( ) ( ) cos (θ) sin (θ) cos (θ) sin (θ) A = ou A = sin (θ) cos (θ) sin (θ) cos (θ) et dans le deuxième cas, A est orthogonalement semblable à vérier avec : ( ( cos θ ) ( sin θ ) sin ( ) θ cos ( ) θ ( ), ce que l'on peut ) ( ) ( ( 1 0 cos θ ) sin ( ) ) ( ) θ 0 1 sin ( ( θ ) cos θ ) cos (θ) sin (θ) = sin (θ) cos (θ) On peut aussi dire que A est symétrique et orthogonale, donc A = A t A = I n et elle est diagonalisable puisque annulée par X 1 qui( est scindé ) à racines simples dans R. Comme 1 0 A ±I n, elle est orthogonalement semblable à. 0 1 Théorème Soit u O (E) avec n. Il existe une base orthonormée B de E dans laquelle la matrice de u s'écrit : I p I q R D = R R r où, pour tout k {1,, r}, on a noté : ( cos (θk ) sin (θ R k = k ) sin (θ k ) cos (θ k ) ) avec θ k ]0, π[ {π} et p, q, r sont des entiers naturels tels p + q + r = n (si l'un de ces entiers est nul, les blocs de matrices correspondants n'existent pas).

15 Réduction des endomorphismes orthogonaux 495 Démonstration. On procède par récurrence sur la dimension n de E. Pour n =, c'est fait avec le lemme précédent. Supposons le résultat acquis pour les endomorphismes orthogonaux sur les espaces euclidiens de dimension p comprise entre et n 1 et soit u O (E) avec n = dim (E) 3. Si u admet 1 ou 1 comme valeur propre, pour tout vecteur propre unitaire e 1 associé à cette valeur propre, le sous espace vectoriel H = (Rx) est stable par u (pour y H, on a u (y) e 1 = ± u (y) u (e 1 ) = ± y e 1 = 0) et il existe alors une base orthonormée B 1 de H dans laquelle la matrice de la restriction de u à H est de la forme : I p I q R A 1 = R R r ( ) ±1 0 Dans la base orthonormée {e 1 } B 1 la matrice de u est A =, qui se ramène 0 A 1 bien à la forme souhaitée en permutant au besoin e 1 avec l'un des vecteurs de B 1. Si toutes les valeurs propres de u sont complexes non réelles, on a alors une décomposition E = r P k où les P k sont de dimension deux à deux orthogonaux et stables par u. L'étude du k=1 cas n = nous dit alors qu'il existe, pour tout k compris entre 1 et r, une base orthonormée B k de P k dans laquelle la matrice de u est de la forme : ( ) cos (θk ) sin (θ R k = k ), sin (θ k ) cos (θ k ) avec θ k ]0, π[ {π} (la restriction de u à P k est dans O (P k )). En réunissant toutes ces bases, on obtient une base orthonormée de E dans laquelle la matrice de u est : R R A = R r Remarque On a p = dim (ker (u Id)) et q = dim (ker (u + Id)) avec p + q + r = n. De plus u O + (E) [resp. u O (E)] si et seulement si q est pair [resp. impair]. Corollaire 19.1 Soit A O n (R) avec n. Il existe une matrice P O n (R) telle que : I p I q 0. t 0 0 R P AP = 1 0 0, 0 0 R R r

16 496 Espaces vectoriels euclidiens. Groupe orthogonal Démonstration. A est la matrice dans la base canonique R n d'un endomorphisme orthogonal u et la matrice de passage P de la base canonique à une base orthonormée dans laquelle la matrice de u à la forme indiquée est orthogonale, donc telle que P 1 = t P. Exercice 19.5 Soit G un sous-ensemble de O (E). Montrer que s'il existe m N tel que u m = Id pour tout u G (dans le cas où G est un groupe, on dit qu'il est d'exposant ni), alors l'ensemble : tr (G) = {tr (u) u G} est ni. Solution 19.5 On sait qu'il existe une base orthonormée de E dans laquelle la matrice de u G est diagonale par blocs de la forme : D = diag (I p, I q, R 1,, R r ) ( ) cos (θk ) sin (θ où R k = k ) avec θ sin (θ k ) cos (θ k ) k ]0, π[ {π}. Dans le cas où toutes les matrices des éléments de G sont de la forme diag (I p, I q ), on a : tr (G) { p q (p, q) N et p + q = n } et cet ensemble est ni. S'il existe u G et une base orthonormée dans laquelle la matrice de u est de la forme D = diag (I p, I q, R 1,, R r ), alors la matrice de u m dans cette base : D m = diag (I p, ( 1) m I q, R (mθ 1 ),, R (mθ r )) et la condition u m = Id impose mθ k ]0, mπ[ πz, ce qui entraîne que les θ k ne prennent qu'un nombre ni de valeurs et : { } r tr (G) p q + cos (θ k ) p + q + r = n, mθ k ]0, mπ[ πz est ni. k=1 Le théorème de réduction des endomorphismes orthogonaux nous permet de retrouver le théorème Corollaire 19. Les composantes connexes de O (E) sont les fermés O + (E) et O (E). Démonstration. Montrons que O + (E) est connexe par arcs (donc connexe) dans L (E). Soient u O + (E) et B = (e i ) 1 i n une base orthonormée de E dans laquelle la matrice de u est de la forme : I p I q 0. D = 0 0 R (θ 1 ) 0, R (θ r )

17 Réduction des endomorphismes orthogonaux 497 ( ) cos (θk ) sin (θ où pour tout k {1,, r}, R (θ k ) = k ) avec θ sin (θ k ) cos (θ k ) k dans ]0, π[ {π}. Comme u O + (E), on a det (u) = 1, donc q est pair et la matrice D peut s'écrire : I p 0 0 D = 0 D 1 0, 0 0 D avec : R (α 1 ) 0 0 R (θ 1 ) R (α D 1 = ).. 0, D 0 R (θ = ).. 0, 0 0 R (α q ) 0 0 R (θ r ) avec α j = π pour tout j. Pour tout t [0, 1], on désigne par γ (t) l'isométrie directe de matrice dans B : I p 0 0 D (t) = 0 D 1 (t) D (t) où : D 1 (t) = D (t) = R (tα 1 ) R (tα ).. 0, 0 0 R (tα q ) R (tθ 1 ) R (tθ ).. 0, 0 0 R (tθ r ) L'application γ dénit alors un chemin continu dans O + (E) qui relie Id et u. Ce qui sut à prouver la connexité par arcs de O + (E). ( ) Pour toute isométrie indirecte v O In 1 0 (E) (par exemple v de matrice dans 0 1 une base orthonormée B), l'application u v u réalisant un homéomorphisme de O + (E) sur O (E), on en déduit alors que O (E) est aussi connexe par arcs. On a O (E) = O + (E) O (E), avec O + (E) et O (E) fermés (images réciproques de 1 et 1 respectivement par l'application déterminant) connexes disjoints dans O (E). Ce sont donc les composantes connexes de O (E).

18 498 Espaces vectoriels euclidiens. Groupe orthogonal

Formulaire de maths Algèbre linéaire et multilinéaire

Formulaire de maths Algèbre linéaire et multilinéaire Formulaire de maths Algèbre linéaire et multilinéaire Nom Formule Espaces vectoriels Famille libre On dit que la famille est libre si Famille liée On dit que la famille est liée si Théorème de la base

Plus en détail

Résumé du cours d algèbre de Maths Spé MP

Résumé du cours d algèbre de Maths Spé MP 1 POLYNÔMES Résumé du cours d algèbre de Maths Spé MP 1 Polynômes 1) Formule de Taylor pour les polynômes. Soit P un polynôme non nul de degré n N. a K, P(X) = k=0 P (k) (a) (X a) k et en particulier P(X)

Plus en détail

133: endomorphismes remarquables d'un espace vectoriel euclidien de dimension nie

133: endomorphismes remarquables d'un espace vectoriel euclidien de dimension nie 133: endomorphismes remarquables d'un espace vectoriel euclidien de dimension nie Pierre Lissy March 8, 2010 On considère un espace vectoriel euclidien de dimension nie n, le produit scalaire sera noté

Plus en détail

Isométries d'un espace euclidien.

Isométries d'un espace euclidien. Isométries d'un espace euclidien. Dans ce chapitre, le corps des scalaires est R et l'espace (E ; ) est un espace euclidien de dimension finie n. 1. Isométries vectorielles d'un espace euclidien...p.1

Plus en détail

Applications linéaires

Applications linéaires Applications linéaires I) Applications linéaires - Généralités 1.1) Introduction L'idée d'application linéaire est intimement liée à celle d'espace vectoriel. Elle traduit la stabilité par combinaison

Plus en détail

Fonctions de plusieurs variables : dérivés partielles, diérentielle. Fonctions composées. Fonctions de classe C 1. Exemples

Fonctions de plusieurs variables : dérivés partielles, diérentielle. Fonctions composées. Fonctions de classe C 1. Exemples 45 Fonctions de plusieurs variables : dérivés partielles, diérentielle. Fonctions composées. Fonctions de classe C 1. Exemples Les espaces vectoriels considérés sont réels, non réduits au vecteur nul et

Plus en détail

Actions de groupes. Exemples et applications

Actions de groupes. Exemples et applications 4 Actions de groupes. Exemples et applications G, ) est un groupe multiplicatif et on note ou G si nécessaire) l élément neutre. E est un ensemble non vide et S E) est le groupe des permutations de E.

Plus en détail

NOTATIONS PRÉLIMINAIRES

NOTATIONS PRÉLIMINAIRES Pour le Jeudi 14 Octobre 2010 NOTATIONS Soit V un espace vectoriel réel ; l'espace vectoriel des endomorphismes de l'espace vectoriel V est désigné par L(V ). Soit f un endomorphisme de l'espace vectoriel

Plus en détail

PC* Devoir 6: Corrigé 2011 2012. Partie I : Généralités

PC* Devoir 6: Corrigé 2011 2012. Partie I : Généralités PC* Devoir 6: Corrigé 20 202 Partie I : Généralités I.A - Questions préliminaires a b c I.A.) M S M = b l m avec (a, b, c, l, m, t) R 6. c m t Les éléments de S sont les matrices de la forme : M = ae +

Plus en détail

Applications linéaires

Applications linéaires Chapitre IV Applications linéaires Révisions Définition. Soient E, deux espaces vectoriels sur le même corps commutatif est dite linéaire si quels que soient x, y E et λ,. Une application f : E f x y f

Plus en détail

C) Fiche : Espaces vectoriels.

C) Fiche : Espaces vectoriels. C) Fiche : Espaces vectoriels. 1) Définition d'un espace vectoriel. K= I ou est le corps des scalaires. E est un K-espace I vectoriel si et seulement si : C'est un ensemble non vide muni de deux opérations,

Plus en détail

Exo7. Formes quadratiques. Exercices de Jean-Louis Rouget. Retrouver aussi cette fiche sur www.maths-france.fr

Exo7. Formes quadratiques. Exercices de Jean-Louis Rouget. Retrouver aussi cette fiche sur www.maths-france.fr Exo Formes quadratiques Exercices de Jean-Louis Rouget. Retrouver aussi cette fiche sur www.maths-france.fr * très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable

Plus en détail

Chapitre 4. Adjoints Opérateurs auto-adjoints et isométries

Chapitre 4. Adjoints Opérateurs auto-adjoints et isométries Chapitre 4 Adjoints Opérateurs auto-adjoints et isométries I. Adjoint : Cas général d une forme { bilinéaire symétrique sesquilinéaire hermitienne On suppose dans tout I que E est un espace vectoriel de

Plus en détail

Chapitre 5: Opérateurs dans les espaces de Hilbert. Notions d opérateur adjoint

Chapitre 5: Opérateurs dans les espaces de Hilbert. Notions d opérateur adjoint Chapitre 5: Opérateurs dans les espaces de Hilbert. Notions d opérateur adjoint 18 mars 2008 1 Généralités sur les opérateurs 1.1 Définitions Soient H et H deux espaces de Hilbert sur C. Définition 1.1

Plus en détail

Outils d analyse fonctionnelle Cours 5 Théorie spectrale

Outils d analyse fonctionnelle Cours 5 Théorie spectrale Outils d analyse fonctionnelle Cours 5 Théorie spectrale 22 septembre 2015 Généralités Dans tout ce qui suit V désigne un espace de Hilbert réel muni d un produit scalaire x, y. Définition Soit A une application

Plus en détail

AGRÉGATION INTERNE: RÉDUCTION DES ENDOMORPHISMES

AGRÉGATION INTERNE: RÉDUCTION DES ENDOMORPHISMES AGRÉGATION INTERNE: RÉDUCTION DES ENDOMORPHISMES VINCENT GUEDJ 1. Notions fondamentales 1.1. Noyau, Image. On se donne E un K-espace vectoriel de dimension finie (K = R, C principalement) et f L(E) un

Plus en détail

Rappels sur les applications linéaires

Rappels sur les applications linéaires Rappels sur les applications linéaires 1 Définition d une application linéaire Définition 1 Soient E et F deux espaces vectoriels sur un même corps K et f une application de E dans F Dire que f est linéaire

Plus en détail

Matrices symétriques réelles. Exercice 2 Le produit de deux matrices symétriques réelles est-il symétrique? R n = ker (u) Im (u)

Matrices symétriques réelles. Exercice 2 Le produit de deux matrices symétriques réelles est-il symétrique? R n = ker (u) Im (u) Matrices symétriques réelles 1 Préliminaires On se place dans (R n, ) euclidien, le produit scalaire canonique étant défini par : (x, y) R n R n, x y = t x y = x k y k On note : M n (R) l algèbres des

Plus en détail

Examen - septembre 2012. Question de cours Enoncer et démontrer l inégalité de Cauchy-Schwarz dans un espace euclidien. Quel est le cas d égalité?

Examen - septembre 2012. Question de cours Enoncer et démontrer l inégalité de Cauchy-Schwarz dans un espace euclidien. Quel est le cas d égalité? Université Paris Dauphine DEMIE e année Algèbre linéaire 3 Examen - septembre 01 Le sujet comporte pages. L épreuve dure heures. Les documents, calculatrices et téléphones portables sont interdits. Question

Plus en détail

TD 5- Applications linéaires

TD 5- Applications linéaires TD 5- Applications linéaires Exercice 1. Soit f l'application dénie sur R 2 par f(x, y) = (2x y, 3x + y). 1. Montrer que f est un endomorphisme de R 2. 2. Montrer que f est injective. 3. Montrer que f

Plus en détail

COR TD 2. Exercice 1. Déterminer si les applications f i suivantes sont linéaires : x + x, y + y )

COR TD 2. Exercice 1. Déterminer si les applications f i suivantes sont linéaires : x + x, y + y ) COR TD 2 Année 21 Exercice 1. Déterminer si les applications f i suivantes sont linéaires : f 1 : R 2 R 2 f 1 x, y = 2x + y, x y f 2 : R R f 2 x, y, z = xy, x, y f : R R f x, y, z = 2x + y + z, y z, x

Plus en détail

Applications Bilinéaires et Formes Quadratiques

Applications Bilinéaires et Formes Quadratiques Ce cours peut être librement copié et distribué. Il est recommandé d en télécharger la version la plus récente à partir de : http://www.math.jussieu.fr/~alp. Toute remarque, correction ou suggestion doit

Plus en détail

Diverses factorisation de matrices

Diverses factorisation de matrices 18 Diverses factorisation de matrices On utilise les notations et dénitions du chapitre 13. 18.1 Les théorèmes de réduction des matrices Les théorèmes de réduction des matrices (voir le chapitre 17) nous

Plus en détail

APPLICATIONS LINÉAIRES

APPLICATIONS LINÉAIRES 21-10- 2007 J.F.C. A.L. p. 1 APPLICATIONS LINÉAIRES I GÉNÉRALITÉS 1. Définition et vocabulaire 2. Conséquences de la définition 3. Caractérisation II OPÉRATIONS SUR LES APPLICATION LINÉAIRES 1. Somme,

Plus en détail

Exo7. Matrice d une application linéaire. Corrections d Arnaud Bodin.

Exo7. Matrice d une application linéaire. Corrections d Arnaud Bodin. Exo7 Matrice d une application linéaire Corrections d Arnaud odin. Exercice Soit R muni de la base canonique = ( i, j). Soit f : R R la projection sur l axe des abscisses R i parallèlement à R( i + j).

Plus en détail

Calcul Matriciel. Chapitre 10. 10.1 Qu est-ce qu une matrice? 10.2 Indexation des coefficients. 10.3 Exemples de matrices carrées.

Calcul Matriciel. Chapitre 10. 10.1 Qu est-ce qu une matrice? 10.2 Indexation des coefficients. 10.3 Exemples de matrices carrées. Chapitre 10 Calcul Matriciel 101 Qu est-ce qu une matrice? Définition : Soit K un ensemble de nombres exemples, K = N, Z, Q, R, C, n, p N On appelle matrice à n lignes et p colonnes la données de np nombres

Plus en détail

Géométrie dans les espaces préhilbertiens

Géométrie dans les espaces préhilbertiens 13 Géométrie dans les espaces préhilbertiens Pour ce chapitre (E, ) est un espace préhilbertien et est la norme associée. 13.1 Mesures de l angle non orienté de deux vecteurs non nuls L inégalité de Cauchy-Schwarz

Plus en détail

Espaces vectoriels et applications

Espaces vectoriels et applications Espaces vectoriels et applications linéaires 1 Définitions On parle d espaces vectoriels sur le corps R ou sur le corps C. Les définitions sont les mêmes en substituant R à C ou vice versa. Définition

Plus en détail

E3A PC 2009 Math A. questions de cours. t C). On véri e que

E3A PC 2009 Math A. questions de cours. t C). On véri e que E3A PC 29 Math A questions de cours. Soit C 2 M 3 (R) Analyse : Si C = S + A, S 2 S 3 (R) et A 2 A 3 (R) alors t C = t S + t A = S A d où S = 2 (C +t C) et A = 2 (C t C). L analyse assure l unicité (sous

Plus en détail

est diagonale si tous ses coefficients en dehors de la diagonale sont nuls.

est diagonale si tous ses coefficients en dehors de la diagonale sont nuls. Diagonalisation des matrices http://www.math-info.univ-paris5.fr/~ycart/mc2/node2.html Sous-sections Matrices diagonales Valeurs propres et vecteurs propres Polynôme caractéristique Exemples Illustration

Plus en détail

19. APPLICATIONS LINÉAIRES

19. APPLICATIONS LINÉAIRES 19. APPLICATIONS LINÉAIRES 1 Dénitions générales. 1. 1 Applications linéaires. On dit qu'une application d'un espace vectoriel E dans un espace vectoriel F est linéaire si elle est compatible avec les

Plus en détail

Applications des nombres complexes à la géométrie

Applications des nombres complexes à la géométrie Chapitre 6 Applications des nombres complexes à la géométrie 6.1 Le plan complexe Le corps C des nombres complexes est un espace vectoriel de dimension 2 sur R. Il est donc muni d une structure naturelle

Plus en détail

PAD - Notes de cours. S. Rigal, D. Ruiz, et J. C. Satgé

PAD - Notes de cours. S. Rigal, D. Ruiz, et J. C. Satgé ALGÈBRE PAD - Notes de cours S. Rigal, D. Ruiz, et J. C. Satgé November 23, 2006 Table des Matières Espaces vectoriels Applications linéaires - Espaces vectoriels............................... 3 -. Approche

Plus en détail

Le corps R des nombres réels

Le corps R des nombres réels Le corps R des nombres réels. Construction de R à l aide des suites de Cauchy de nombres rationnels On explique brièvement dans ce paragraphe comment construire le corps R des nombres réels à partir du

Plus en détail

sont deux vecteurs de R 3. A F = trace(a A). A i 2 2 = j

sont deux vecteurs de R 3. A F = trace(a A). A i 2 2 = j Université Claude Bernard Lyon - 2008/2009 Préparation Capes - Algèbre et Géométrie - Normes, produits scalaires, espaces euclidiens - - Produits scalaires - Normes vectorielles - Normes matricielles -

Plus en détail

PC* Espaces préhilbertiens réels

PC* Espaces préhilbertiens réels I. Espace préhilbertien réel................................... 3 I.1 Produit scalaire dans un espace vectoriel réel................... 3 I.2 Inégalités de Cauchy-Schwarz et de Minkowski..................

Plus en détail

Rappels d Algèbre Linéaire de P.C.S.I

Rappels d Algèbre Linéaire de P.C.S.I Rappels d Algèbre Linéaire de PCSI Table des matières 1 Structure d espace vectoriel sur IK 3 11 Définition et règles de calcul 3 12 Exemples de référence 3 13 Espace vectoriel produit 4 14 Sous-espaces

Plus en détail

Par contre, lorsque P est finie, l inclusion f(p ) P implique l égalité f(p ) = P car, f

Par contre, lorsque P est finie, l inclusion f(p ) P implique l égalité f(p ) = P car, f Université Lyon 1 Algèbre générale S.P. Groupes III I. Groupe symétrique et géométrie. On se donne un ensemble E (souvent un espace euclidien ou une partie de cet espace) et une bijection f : E E (souvent

Plus en détail

HENRI ROUDIER ALGEBRE LINEAIRE COURS & EXERCICES CAPES &AGRÉGATION INTERNES & EXTERNES DEUXIÈME ÉDITION REVUE &.AUGMENTÉE VUIBERT

HENRI ROUDIER ALGEBRE LINEAIRE COURS & EXERCICES CAPES &AGRÉGATION INTERNES & EXTERNES DEUXIÈME ÉDITION REVUE &.AUGMENTÉE VUIBERT HENRI ROUDIER ALGEBRE LINEAIRE COURS & EXERCICES CAPES &AGRÉGATION INTERNES & EXTERNES DEUXIÈME ÉDITION REVUE &.AUGMENTÉE VUIBERT Table analytique des matières 1. La structure d'espace vectoriel 1. Espaces

Plus en détail

2. MATRICES ET APPLICATIONS LINÉAIRES

2. MATRICES ET APPLICATIONS LINÉAIRES 2. MATRICES ET APPLICATIONS LINÉAIRES 2.1 Définition Une matrice n m est un tableau rectangulaire de nombres (réels en général) à n lignes et m colonnes ; n et m sont les dimensions de la matrice. Notation.

Plus en détail

1 Notion d espace vectoriel

1 Notion d espace vectoriel Arnaud de Saint Julien - MPSI Lycée La Merci 2014-2015 1 Résumé de cours sur les espaces vectoriels et les applications linéaires Les vecteurs du plan, les nombres réels, et les polynômes à coefficients

Plus en détail

Le théorème du point xe. Applications

Le théorème du point xe. Applications 49 Le théorème du point xe. Applications 1 Comme dans le titre de cette leçon, le mot théorème est au singulier, on va s'occuper du théorème du point xe de Picard qui a de nombreuses applications. Le cas

Plus en détail

ÉCOLE NATIONALE DE L AVIATION CIVILE Session 2007

ÉCOLE NATIONALE DE L AVIATION CIVILE Session 2007 ÉCOLE NATIONALE DE L AVIATION CIVILE Session 27 CONCOURS DE RECRUTEMENT D ÉLÈVES INGÉNIEURS DU CONTRÔLE DE LA NAVIGATION AÉRIENNE Épreuve commune obligatoire de MATHÉMATIQUES Durée : 4 Heures Coefficient

Plus en détail

Exercices - Réduction des endomorphismes : énoncé. Réduction pratique de matrices

Exercices - Réduction des endomorphismes : énoncé. Réduction pratique de matrices Réduction pratique de matrices Exercice 1 - Diagonalisation - 1 - L1/L2/Math Spé - Diagonaliser les matrices suivantes : 0 2 1 A = 3 2 0 B = 2 2 1 0 3 2 2 5 2 2 3 0 On donnera aussi la matrice de passage

Plus en détail

UNIVERSITÉ PARIS OUEST NANTERRE LA DÉFENSE U.F.R. SEGMI Année universitaire 2013 2014 MATHS/STATS. Solution des exercices d algèbre linéaire

UNIVERSITÉ PARIS OUEST NANTERRE LA DÉFENSE U.F.R. SEGMI Année universitaire 2013 2014 MATHS/STATS. Solution des exercices d algèbre linéaire UNIVERSITÉ PARIS OUEST NANTERRE LA DÉFENSE U.F.R. SEGMI Année universitaire 3 4 Master d économie Cours de M. Desgraupes MATHS/STATS Document : Solution des exercices d algèbre linéaire Table des matières

Plus en détail

Partie II. Supplémentaires d un sous-espace donné. Partie I. Partie III. Supplémentaire commun. MPSI B 8 octobre 2015

Partie II. Supplémentaires d un sous-espace donné. Partie I. Partie III. Supplémentaire commun. MPSI B 8 octobre 2015 Énoncé Dans tout le problème, K est un sous-corps de C. On utilisera en particulier que K n est pas un ensemble fini. Tous les espaces vectoriels considérés sont des K espaces vectoriels de dimension finie.

Plus en détail

IV.1 Dual d un espace vectoriel... 77

IV.1 Dual d un espace vectoriel... 77 76 IV FORMES LINÉAIRES, DUALITÉ IV Formes linéaires, dualité Sommaire IV.1 Dual d un espace vectoriel.......... 77 IV.1.a Rappels sur les e.v................... 77 IV.1.b Rappels sur les applications linéaires........

Plus en détail

Exo7. Sujets de l année 2008-2009. 1 Partiel. Enoncés et corrections : Sandra Delaunay. Exercice 1 Soit A une matrice 2 2 à coefficients réels.

Exo7. Sujets de l année 2008-2009. 1 Partiel. Enoncés et corrections : Sandra Delaunay. Exercice 1 Soit A une matrice 2 2 à coefficients réels. Enoncés et corrections : Sandra Delaunay Exo7 Sujets de l année 28-29 1 Partiel Exercice 1 Soit A une matrice 2 2 à coefficients réels. On suppose a + c = b + d = 1 et a b 1. ( ) a b c d 1. Soient (x 1,x

Plus en détail

Développement décimal d un réel

Développement décimal d un réel 4 Développement décimal d un réel On rappelle que le corps R des nombres réels est archimédien, ce qui permet d y définir la fonction partie entière. En utilisant cette partie entière on verra dans ce

Plus en détail

Document créé le 27 novembre 2013 Lien vers la dernière mise à jour de ce document Lien vers les exercices de ce chapitre

Document créé le 27 novembre 2013 Lien vers la dernière mise à jour de ce document Lien vers les exercices de ce chapitre Document créé le 27 novembre 2013 Lien vers la dernière mise à jour de ce document Lien vers les exercices de ce chapitre Chapitre 17 Matrices et applications linéaires Sommaire 171 Matrices et applications

Plus en détail

Espaces vectoriels 2006-2007. Agrégation interne de Mathématiques Département de Mathématiques Université de La Rochelle F.

Espaces vectoriels 2006-2007. Agrégation interne de Mathématiques Département de Mathématiques Université de La Rochelle F. Agrégation interne de Mathématiques Département de Mathématiques Université de La Rochelle 2006-2007 Espaces vectoriels Convention 1. Dans toute la suite, k désignera un corps quelconque. Définition 2.

Plus en détail

I. Polynômes de Tchebychev

I. Polynômes de Tchebychev Première épreuve CCP filière MP I. Polynômes de Tchebychev ( ) 1.a) Tout réel θ vérifie cos(nθ) = Re ((cos θ + i sin θ) n ) = Re Cn k (cos θ) n k i k (sin θ) k Or i k est réel quand k est pair et imaginaire

Plus en détail

Première partie. Préliminaires : noyaux itérés. MPSI B 6 juin 2015

Première partie. Préliminaires : noyaux itérés. MPSI B 6 juin 2015 Énoncé Soit V un espace vectoriel réel. L espace vectoriel des endomorphismes de V est désigné par L(V ). Lorsque f L(V ) et k N, on désigne par f 0 = Id V, f k = f k f la composée de f avec lui même k

Plus en détail

Réduction des endomorphismes et des matrices carrées

Réduction des endomorphismes et des matrices carrées 48 Chapitre 4 Réduction des endomorphismes et des matrices carrées La motivation de ce chapitre est la suivante. Étant donné un endomorphisme f d un espace E de dimension finie, déterminé par sa matrice

Plus en détail

#47 Endomorphismes orthogonaux. E désigne un espace euclidien de dimension n. Exercice 1. (NEW) Quels sont les éléments du centre de O(E) et de SO(E).

#47 Endomorphismes orthogonaux. E désigne un espace euclidien de dimension n. Exercice 1. (NEW) Quels sont les éléments du centre de O(E) et de SO(E). #47 Endomorphismes orthogonaux Khôlles - Classes prépa Thierry Sageaux, Lycée Gustave Eiel. E désigne un espace euclidien de dimension n. Exercice 1. (NEW) Quels sont les éléments du centre de O(E) et

Plus en détail

1.3 Produit matriciel

1.3 Produit matriciel MATRICES Dans tout ce chapitre, K désigne les corps R ou C, p et n des entiers naturels non nuls 1 Matrices à coefficients dans K 11 Définition Définition 11 Matrice On appelle matrice à coefficients dans

Plus en détail

Espaces euclidiens. 1 Définitions et exemples. 2 Orthogonalité, norme euclidienne 2. 3 Espaces euclidiens, bases orthonormées 2

Espaces euclidiens. 1 Définitions et exemples. 2 Orthogonalité, norme euclidienne 2. 3 Espaces euclidiens, bases orthonormées 2 Espaces euclidiens Table des matières 1 Définitions et exemples 1 Orthogonalité, norme euclidienne 3 Espaces euclidiens, bases orthonormées 4 Orthogonalisation de Schmidt 3 5 Sous-espaces orthogonaux 3

Plus en détail

Université Paris IX Dauphine UFR Mathématiques de la décision Notes de cours ALGEBRE 2. Guillaume CARLIER

Université Paris IX Dauphine UFR Mathématiques de la décision Notes de cours ALGEBRE 2. Guillaume CARLIER Université Paris IX Dauphine UFR Mathématiques de la décision Notes de cours ALGEBRE 2 Guillaume CARLIER L1, année 2006-2007 2 Ce support de cours est basé sur le poly de Tristan Tomala des années précédentes.

Plus en détail

1. a) question de cours b) P(f) est un polynôme de l endomorphisme f donc commute avec f.

1. a) question de cours b) P(f) est un polynôme de l endomorphisme f donc commute avec f. escp-eap 2(Ecole de commerce) OPTION SCIENTIFIQUEMATHEMATIQUES I adapté en retirant certaines question qui sont du cours de PC et en ajoutant le dernier exemple.. a) question de cours b) P(f) est un polynôme

Plus en détail

Espaces vectoriels. Université d Orléans Année 2009-2010 Espaces vectoriels et applications linéaires. 2MA01-Licence de Mathématiques

Espaces vectoriels. Université d Orléans Année 2009-2010 Espaces vectoriels et applications linéaires. 2MA01-Licence de Mathématiques Université d Orléans Année 2009-2010 Espaces vectoriels et applications linéaires 2MA01-Licence de Mathématiques Espaces vectoriels Exercice 1 Soit E un espace vectoriel. Pour x, y E et λ, µ K, montrer

Plus en détail

en dimension finie Table des matières

en dimension finie Table des matières Maths PCSI Cours Algèbre linéaire en dimension finie Table des matières 1 Rappels d algèbre linéaire 2 1.1 Applications linéaires......................................... 2 1.2 Familles libres, génératrices

Plus en détail

ALGÈBRE BILINÉAIRE 1

ALGÈBRE BILINÉAIRE 1 3-8- 213 J.F.C. Eve p. 1 ALGÈBRE BILINÉAIRE 1 P mentionne des résultats particulièrement utiles et souvent oubliés dans la pratique de l algèbre bilinéaire... mentionne des erreurs à ne pas faire où des

Plus en détail

Limites finies en un point

Limites finies en un point 8 Limites finies en un point Pour ce chapitre, sauf précision contraire, I désigne une partie non vide de R et f une fonction définie sur I et à valeurs réelles ou complees. Là encore, les fonctions usuelles,

Plus en détail

Le Déterminant. par Alain Prouté Université Denis Diderot Paris 7. 1 Permutations. 1. 2 Application transposée, base duale. 3. 3 Mesures de volume.

Le Déterminant. par Alain Prouté Université Denis Diderot Paris 7. 1 Permutations. 1. 2 Application transposée, base duale. 3. 3 Mesures de volume. Ce cours peut être librement copié et distribué. Il est recommandé d en télécharger la version la plus récente à partir de : http://www.math.jussieu.fr/~alp. Toute remarque, correction ou suggestion doit

Plus en détail

UNIVERSITÉ DE POITIERS

UNIVERSITÉ DE POITIERS UNIVERSITÉ DE POITIERS Faculté des Sciences Fondamentales et Appliquées Mathématiques PREMIÈRE ANNEE DE LA LICENCE DE SCIENCES ET TECHNOLOGIES UE L «algèbre linéaire» Plan du cours Exercices Enoncés des

Plus en détail

22 Cours - Espaces vectoriels.nb 1/8. Espaces vectoriels. I) Généralités II) Applications linéaires III) Sous espaces vectoriels IV) Générateurs

22 Cours - Espaces vectoriels.nb 1/8. Espaces vectoriels. I) Généralités II) Applications linéaires III) Sous espaces vectoriels IV) Générateurs 22 Cours - Espaces vectoriels.nb /8 Espaces vectoriels K -espace vectoriel, loi de composition interne (commutative, associative), élément neutre, symétrique, loi externe, vecteur nul, E, sous espace vectoriel,

Plus en détail

Table des matières. Applications linéaires.

Table des matières. Applications linéaires. Table des matières Introduction...2 I- s et exemples...3 1-...3 2- Exemples...4 II- Noyaux et images...5 1- Rappels : images directes et images réciproques...5 a- s...5 b- Quelques exemples...5 2- Ker

Plus en détail

2 Opérateurs non bornés dans un espace de Hilbert

2 Opérateurs non bornés dans un espace de Hilbert 2 Opérateurs non bornés dans un espace de Hilbert 2. Opérateurs non bornés: définitions et propriétés élémentaires Soit H un espace de Hilbert et A un opérateur dans H, c est-à-dire, une application linéaire

Plus en détail

Algèbre 2, Cours de deuxième année de l Université de Bordeaux. Jean-Jacques Ruch 1

Algèbre 2, Cours de deuxième année de l Université de Bordeaux. Jean-Jacques Ruch 1 Algèbre 2, Cours de deuxième année de l Université de Bordeaux 1 1 Institut de Mathématiques Bordeaux, UMR 5251 du CNRS, Université de Bordeaux, 351 cours de la Libération, F33405 Talence Cedex, France

Plus en détail

LISTE DE QUESTIONS DE COURS

LISTE DE QUESTIONS DE COURS LISTE DE QUESTIONS DE COURS sur le polycopié d Algèbre de 2008/2009 Chapitre 1 1. Définition 1.1 : Espace vectoriel. 2. Proposition 1.3 : Espace vectoriel produit. 3. Définition 1.2 : Sous-espaces vectoriels.

Plus en détail

Espaces vectoriels de dimension finie

Espaces vectoriels de dimension finie Chapitre 14 Espaces vectoriels de dimension finie Dans tout le chapitre K désigne R ou C. 14.1 Espaces vectoriels de dimension finie 14.1.1 Bases et dimension Ò Ø ÓÒ ½ º½ Espace vectoriel de dimension

Plus en détail

Applications linéaires

Applications linéaires Bibliothèque d exercices Énoncés L1 Feuille n 18 Applications linéaires 1 Définition Exercice 1 Déterminer si les applications f i suivantes (de E i dans F i ) sont linéaires : f 1 : (x, y) R (x + y, x

Plus en détail

Formes quadratiques. 1 Formes quadratiques et formes polaires associées. Imen BHOURI. 1.1 Définitions

Formes quadratiques. 1 Formes quadratiques et formes polaires associées. Imen BHOURI. 1.1 Définitions Formes quadratiques Imen BHOURI 1 Ce cours s adresse aux étudiants de niveau deuxième année de Licence et à ceux qui préparent le capes. Il combine d une façon indissociable l étude des concepts bilinéaires

Plus en détail

1 Programme de Colles : Espaces vectoriels.

1 Programme de Colles : Espaces vectoriels. Lycée Louis le grand Année scolaire 2007/2008 Mathématiques Supérieure MPSI Semaine 12 11 mai 2009 1 Programme de Colles : Espaces vectoriels. On note K le corps R ou C. 1.1 Axiomes d espace vectoriel.

Plus en détail

-1 Goupes, Anneaux, Corps, Algèbres. Qu est-ce? 5 1 Groupes... 5 2 Anneaux... 5 3 Corps... 6 4 Algèbre... 6

-1 Goupes, Anneaux, Corps, Algèbres. Qu est-ce? 5 1 Groupes... 5 2 Anneaux... 5 3 Corps... 6 4 Algèbre... 6 Table des matières -1 Goupes, Anneaux, Corps, Algèbres. Qu est-ce? 5 1 Groupes.......................................... 5 2 Anneaux.......................................... 5 3 Corps...........................................

Plus en détail

Problèmes de Mathématiques Noyaux et images itérés

Problèmes de Mathématiques Noyaux et images itérés Énoncé Soit E un espace vectoriel sur IK (IK = IR ou lc). Soit f un endomorphisme de E. On pose f 0 = Id E, et pour tout entier k 1, f k = f f k 1. 1. Montrer que (Im f k ) k 0 et (Ker f k ) k 0 forment

Plus en détail

Programme de mathématiques TSI1

Programme de mathématiques TSI1 Programme de mathématiques TSI1 1. PROGRAMME DE DÉBUT D ANNÉE I. Nombres complexes et géométrie élémentaire 1. Nombres complexes 1 2. Géométrie élémentaire du plan 3 3. Géométrie élémentaire de l espace

Plus en détail

Structures algébriques

Structures algébriques Structures algébriques 1. Lois de composition s Soit E un ensemble. Une loi de composition interne sur E est une application de E E dans E. Soient E et F deux ensembles. Une loi de composition externe

Plus en détail

Formes linéaires, hyperplans, dualité

Formes linéaires, hyperplans, dualité 12 Formes linéaires, hyperplans, dualité Pour ce chapitre, K est un corps commutatif et E un K-espace vectoriel de dimension nie ou non. 12.1 L'espace dual E Dénition 12.1 Une forme linéaire sur E est

Plus en détail

Réduction. Sous-espaces stables. [http://mp.cpgedupuydelome.fr] édité le 29 décembre 2015 Enoncés 1

Réduction. Sous-espaces stables. [http://mp.cpgedupuydelome.fr] édité le 29 décembre 2015 Enoncés 1 [http://mp.cpgedupuydelome.fr] édité le 29 décembre 2015 Enoncés 1 Réduction Sous-espaces stables Exercice 1 [ 00755 ] [Correction] Soient u et v deux endomorphismes d un K-espace vectoriel E. On suppose

Plus en détail

Algèbre linéaire et géométrie pour le CAPES 1. Olivier DEBARRE. 1 Version très préliminaire

Algèbre linéaire et géométrie pour le CAPES 1. Olivier DEBARRE. 1 Version très préliminaire Algèbre linéaire et géométrie pour le CAPES 1 Olivier DEBARRE 1 Version très préliminaire Table des matières Chapitre 1. Espaces vectoriels et applications linéaires 5 1. Définitions 5 2. Applications

Plus en détail

Partie I - Valeurs propres de AB et BA

Partie I - Valeurs propres de AB et BA SESSION 9 Concours commun Centrale MATHÉMATIQUES. FILIERE PSI Partie I - Valeurs propres de AB et BA I.A - Cas de la valeur propre. I.A.) Sp(AB) Ker(AB) {} AB / G L n (R) det(ab) =. I.A.) Sp(AB) det(ab)

Plus en détail

Autour du cardinal d un ensemble de matrices binaires

Autour du cardinal d un ensemble de matrices binaires Autour du cardinal d un ensemble de matrices binaires Adrien REISNER 1 Abstract. We here study a couple of algebraic and analytic properties of certain binary matrices in the spaces M n(r). In particular,

Plus en détail

Espaces vectoriels et applications linéaires

Espaces vectoriels et applications linéaires Espaces vectoriels et applications linéaires Exercice 1 On considère l'ensemble E des matrices carrées d'ordre 3 défini par,,, 1) Montrer que est un sous-espace vectoriel de l'espace vectoriel des matrices

Plus en détail

Les espaces vectoriels

Les espaces vectoriels Agrégation interne UFR MATHÉMATIQUES 1. Généralités Les espaces vectoriels Dans tout le chapitre, K représente un corps commutatif. 1.1. Notion d espace vectoriel On considère un ensemble E sur lequel

Plus en détail

Fiche Méthode 11 : Noyaux et images.

Fiche Méthode 11 : Noyaux et images. Fiche Méthode 11 : Noyaux et images. On se place dans un espace vectoriel E de dimension finie n, muni d une base B = ( e 1,..., e n ). f désignera un endomorphisme de E 1 et A la matrice de f dans la

Plus en détail

3.7 Somme, Somme directe, Sous-Espaces Supplémentaires... 27

3.7 Somme, Somme directe, Sous-Espaces Supplémentaires... 27 Table des matières 1 Calcul matriciel 3 11 Dénitions et propriétés 3 12 Opérations sur les matrices 4 121 Addition 4 122 Multiplication par un scalaire 5 123 Multiplication des matrices 5 13 Matrices élémentaires

Plus en détail

À propos des matrices échelonnées

À propos des matrices échelonnées À propos des matrices échelonnées Antoine Ducros appendice au cours de Géométrie affine et euclidienne dispensé à l Université Paris 6 Année universitaire 2011-2012 Introduction Soit k un corps, soit E

Plus en détail

Endomorphismes symétriques

Endomorphismes symétriques [http://mp.cpgedupuydelome.fr] édité le 3 novembre 217 Enoncés 1 Endomorphismes symétriques (c Calculer la trace de u. Exercice 1 [ 35 ] [Correction] Quels sont les automorphismes orthogonaux symétriques

Plus en détail

Autour de Perron, Frobenius et Markov

Autour de Perron, Frobenius et Markov Université Claude Bernard Lyon 1-2007/2008 Préparation Capes - Algèbre et Géométrie - Devoir à rendre le 12 février 2008 - Autour de Perron Frobenius et Markov Rappels et notations On note M mn (K) le

Plus en détail

en utilisant un point-virgule.

en utilisant un point-virgule. 6 Chapitre Chapitre 6. Géométrie analytique Ce chapitre présente les possibilités de votre calculatrice dans le domaine de la géométrie analytique, tout particulièrement pour les problèmes liés aux espaces

Plus en détail

1 Fiche méthodologique Passage d un mode de représentation d un sev à l autre

1 Fiche méthodologique Passage d un mode de représentation d un sev à l autre 1 Fiche méthodologique Passage d un mode de représentation d un sev à l autre BCPST Lycée Hoche $\ CC BY: Pelletier Sylvain Les deux modes de représentation des sous-espaces vectoriels Il existe deux modes

Plus en détail

Agrégation de Mathématiques Exercices d algèbre linéaire

Agrégation de Mathématiques Exercices d algèbre linéaire Agrégation de Mathématiques Exercices d algèbre linéaire P. HUBERT La plupart des exercices ci-dessous se trouvent dans les livres suivants : - E. Leichtnam, X. Schaeur, Exercices corrigés de mathématiques

Plus en détail

Orientation d un espace euclidien de dimension 3. Produit mixte, produit vectoriel. Applications

Orientation d un espace euclidien de dimension 3. Produit mixte, produit vectoriel. Applications 16 Orientation d un espace euclidien de dimension 3. Produit mixte, produit vectoriel. Applications E est un espace euclidien voir le chapitre 15 pour des rappels). 16.1 Orientation d un espace euclidien

Plus en détail

Calcul matriciel. Définition 1 Une matrice de format (m,n) est un tableau rectangulaire de mn éléments, rangés en m lignes et n colonnes.

Calcul matriciel. Définition 1 Une matrice de format (m,n) est un tableau rectangulaire de mn éléments, rangés en m lignes et n colonnes. 1 Définitions, notations Calcul matriciel Définition 1 Une matrice de format (m,n) est un tableau rectangulaire de mn éléments, rangés en m lignes et n colonnes. On utilise aussi la notation m n pour le

Plus en détail

Algèbre 2 - L1 MIASHS/Lettres-Maths. UFR MIME, Université Lille 3.

Algèbre 2 - L1 MIASHS/Lettres-Maths. UFR MIME, Université Lille 3. Algèbre 2 - L1 MIASHS/Lettres-Maths AMIRI Aboubacar UFR MIME, Université Lille 3. 10 avril 2015. Université Lille 3 1 Définitions et notations Quelques matrices particulières Matrice d une famille sur

Plus en détail

Groupe symétrique. Chapitre II. 1 Définitions et généralités

Groupe symétrique. Chapitre II. 1 Définitions et généralités Chapitre II Groupe symétrique 1 Définitions et généralités Définition. Soient n et X l ensemble 1,..., n. On appelle permutation de X toute application bijective f : X X. On note S n l ensemble des permutations

Plus en détail

Université de Nantes Année 2009-2010 Faculté des Sciences et des Techniques Département de Mathématiques. Topologie et calculs différentiel Liste n 5

Université de Nantes Année 2009-2010 Faculté des Sciences et des Techniques Département de Mathématiques. Topologie et calculs différentiel Liste n 5 Université de Nantes Année 009-010 Faculté des Sciences et des Techniques Département de Mathématiques Topologie et calculs différentiel Liste n 5 Applications Différentiables Exercice 1. Soit f : R n

Plus en détail

Université Paris 6 Année universitaire 2011-2012 Cours Groupes finis et leurs représentations Corrigé de l examen terminal du 21 mai 2012.

Université Paris 6 Année universitaire 2011-2012 Cours Groupes finis et leurs représentations Corrigé de l examen terminal du 21 mai 2012. Université Paris 6 Année universitaire 011-01 Cours Groupes finis et leurs représentations Corrigé de l examen terminal du 1 mai 01 Exercice 1 Questions de cours Soit G un groupe fini et soit p un nombre

Plus en détail

Image d un intervalle par une fonction continue

Image d un intervalle par une fonction continue DOCUMENT 27 Image d un intervalle par une fonction continue La continuité d une fonction en un point est une propriété locale : une fonction est continue en un point x 0 si et seulement si sa restriction

Plus en détail