Espaces vectoriels euclidiens. Groupe orthogonal

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

Groupe orthogonal en petite dimension

Groupe orthogonal en petite dimension Maths PCSI Cours Groupe orthogonal en petite dimension Table des matières 1 Généralités 1.1 Rappels et définitions........................................ 1. Premières propriétés.........................................

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

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

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

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

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

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

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

Définition et caractérisations des applications affines, en particulier par le barycentre, et si possible en coordonnées.

Définition et caractérisations des applications affines, en particulier par le barycentre, et si possible en coordonnées. Université Claude Bernard Lyon I Agrégation de Mathématiques : Algèbre & géométrie Année 2006 2007 Applications affines A ne pas rater Définition et caractérisations des applications affines, en particulier

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

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

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

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

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

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

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

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

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

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

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

X-ENS PSI - 2009 Un corrigé

X-ENS PSI - 2009 Un corrigé X-ENS PSI - 009 Un corrigé Première partie.. Des calculs élémentaires donnent χ A(α) = χ B(α) = X X + et χ A(α)+B(α) = X X + 4α + 4 On en déduit que Sp(A(α)) = Sp(B(α)) = {j, j } où j = e iπ 3 Sp(A(α)

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 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

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

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

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

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

Algèbre Linéaire. Victor Lambert. 24 septembre 2014

Algèbre Linéaire. Victor Lambert. 24 septembre 2014 Algèbre Linéaire Victor Lambert 24 septembre 2014 Table des matières 1 Généralités 2 1.1 Espaces vectoriels............................ 2 1.2 Applications linéaires.......................... 4 1.3 Familles

Plus en détail

1 Espaces vectoriels, compléments

1 Espaces vectoriels, compléments CHAPITRE 1 Espaces vectoriels, compléments Sommaire 1 Somme directe... 3 1.1 Somme... 3 1.2 Somme directe... 3 1.3 Supplémentaire... 4 1.4 Cas de la dimension finie... 4 2 Décomposition de E en somme directe...

Plus en détail

Master de mathématiques Analyse numérique matricielle

Master de mathématiques Analyse numérique matricielle Master de mathématiques Analyse numérique matricielle 2009 2010 CHAPITRE 1 Méthodes itératives de résolution de systèmes linéaires On veut résoudre un système linéaire Ax = b, où A est une matrice inversible

Plus en détail

Nombres complexes et géométrie euclidienne

Nombres complexes et géométrie euclidienne 19 Nombres complexes et géométrie euclidienne Le corps C des nombres complexes est supposé construit voir le chapitre 7. On rappelle que C est un corps commutatif et un R-espace vectoriel de dimension,

Plus en détail

Théorie spectrale. Stéphane Maingot & David Manceau

Théorie spectrale. Stéphane Maingot & David Manceau Théorie spectrale Stéphane Maingot & David Manceau 2 Théorie spectrale 3 Table des matières Introduction 5 1 Spectre d un opérateur 7 1.1 Inversibilité d un opérateur........................... 7 1.2 Définitions

Plus en détail

Feuilles de TD du cours d Algèbre S4

Feuilles de TD du cours d Algèbre S4 Université Paris I, Panthéon - Sorbonne Licence M.A.S.S. 203-204 Feuilles de TD du cours d Algèbre S4 Jean-Marc Bardet (Université Paris, SAMM) Email: bardet@univ-paris.fr Page oueb: http://samm.univ-paris.fr/-jean-marc-bardet-

Plus en détail

\documentclass[a4paper,12pt]{book}\usepackage{setspace}\usepackage{amsmath}

\documentclass[a4paper,12pt]{book}\usepackage{setspace}\usepackage{amsmath} \documentclass[a4paper,12pt]{book}\usepackage{setspace}\usepackage{amsmath} \usepackage{amstext}\usepackage{amsthm}\usepackage{mfpic}\usepackage{graphics} \usepackage{rotating}\input{macro}\definecolor{yellowgreen}{rgb}{0.68,1,0.15}

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

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

1 Sujets donnés en option scientifique

1 Sujets donnés en option scientifique Les sujets suivants, posés aux candidats des options scientifique, économique, technologique et littéraire BL constituent la première version d un échantillon des sujets proposés lors des épreuves orales

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

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

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

1 Diagonalisation des endomorphismes auto-adjoints, en dimension finie

1 Diagonalisation des endomorphismes auto-adjoints, en dimension finie Annette Paugam Diagonalisation des auto-adjoints Applications aux formes quadratiques : Directions principales Applications en Géométrie, en Statistique et en Mécanique Les paragraphes, 2, 3 donnent un

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

Cours d Analyse. Fonctions de plusieurs variables

Cours d Analyse. Fonctions de plusieurs variables Cours d Analyse Fonctions de plusieurs variables Licence 1ère année 2007/2008 Nicolas Prioux Université de Marne-la-Vallée Table des matières 1 Notions de géométrie dans l espace et fonctions à deux variables........

Plus en détail

Les astuces de Maths. par Isabelle Blejean C OLLECTION LES MÉMENTOS DE L INSEEC MÉMENTO N 9

Les astuces de Maths. par Isabelle Blejean C OLLECTION LES MÉMENTOS DE L INSEEC MÉMENTO N 9 C OLLECTION LES MÉMENTOS DE L INSEEC CAHIERS MÉTHODOLOGIQUES POUR LES CLASSES PRÉPARATOIRES AUX GRANDES ÉCOLES DE COMMERCE Les astuces de Maths par Isabelle Blejean MÉMENTO N 9 Les Mémentos de l INSEEC

Plus en détail

3 Approximation de solutions d équations

3 Approximation de solutions d équations 3 Approximation de solutions d équations Une équation scalaire a la forme générale f(x) =0où f est une fonction de IR dans IR. Un système de n équations à n inconnues peut aussi se mettre sous une telle

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

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

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

Résumé de cours: Espaces vectoriels (Généralités) 1 Vocabulaire : 1.3 Régles de calcul : 1.1 Loi de composition interne :

Résumé de cours: Espaces vectoriels (Généralités) 1 Vocabulaire : 1.3 Régles de calcul : 1.1 Loi de composition interne : Résumé de cours : Espaces vectoriels Partie I : Généralités. : Source disponible sur : c Dans tout le chapitre K désigne un sous corps de C, et en général sauf mention du contraire, Q ou R ou bien C et

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

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

Groupes symétriques et alternés

Groupes symétriques et alternés Groupes symétriques et alternés Table des matières 1 Groupe S n 2 2 Cycles 4 2.1 Dénition.................................. 4 2.2 Décomposition d'une permutation..................... 5 3 Classes de conjugaison

Plus en détail

I OBJECTIFS DE FORMATION

I OBJECTIFS DE FORMATION CLASSE DE DEUXÈME ANNÉE MP OBJECTFS DE FORMATON ET PROGRAMME DE MATHÉMATQUES OBJECTFS DE FORMATON 1) Objectifs généraux de la formation Dans la filière Mathématiques et Physique, les mathématiques constituent

Plus en détail

Université Joseph Fourier, Grenoble. Espaces vectoriels. Bernard Ycart

Université Joseph Fourier, Grenoble. Espaces vectoriels. Bernard Ycart Université Joseph Fourier, Grenoble Maths en Ligne Espaces vectoriels Bernard Ycart Vous devez vous habituer à penser en termes de «vecteurs» dans un sens très général : polynômes, matrices, suites, fonctions,

Plus en détail

Mathématiques MPSI. Pierron Théo. ENS Ker Lann

Mathématiques MPSI. Pierron Théo. ENS Ker Lann Mathématiques MPSI Pierron Théo ENS Ker Lann 2 Table des matières I Algèbre 1 1 Ensembles 3 1.1 Vocabulaire général........................ 3 1.2 Opérations sur les parties d un ensemble............ 4

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

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

Théorie des ensembles

Théorie des ensembles Théorie des ensembles Cours de licence d informatique Saint-Etienne 2002/2003 Bruno Deschamps 2 Contents 1 Eléments de théorie des ensembles 3 1.1 Introduction au calcul propositionnel..................

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

Résolution de systèmes linéaires par des méthodes directes

Résolution de systèmes linéaires par des méthodes directes Résolution de systèmes linéaires par des méthodes directes J. Erhel Janvier 2014 1 Inverse d une matrice carrée et systèmes linéaires Ce paragraphe a pour objet les matrices carrées et les systèmes linéaires.

Plus en détail

Le produit semi-direct

Le produit semi-direct Le produit semi-direct Préparation à l agrégation de mathématiques Université de Nice - Sophia Antipolis Antoine Ducros Octobre 2007 Ce texte est consacré, comme son titre l indique, au produit semi-direct.

Plus en détail

Cours Diagonalisation

Cours Diagonalisation Cours Diagonalisation par Pierre Veuillez 1 Objectif Pour une matrice A donnée, déterminer une matrice D diagonale et une matrice P inversible telle que A = P D P 1. Interprètation : Quelle relation reconnaît-on?

Plus en détail

Un K-espace vectoriel est un ensemble non vide E muni : d une loi de composition interne, c est-à-dire d une application de E E dans E : E E E

Un K-espace vectoriel est un ensemble non vide E muni : d une loi de composition interne, c est-à-dire d une application de E E dans E : E E E Exo7 Espaces vectoriels Vidéo partie 1. Espace vectoriel (début Vidéo partie 2. Espace vectoriel (fin Vidéo partie 3. Sous-espace vectoriel (début Vidéo partie 4. Sous-espace vectoriel (milieu Vidéo partie

Plus en détail

0 0 0 0 1 0 0 1 0 0 0 A = B =

0 0 0 0 1 0 0 1 0 0 0 A = B = 2 ALGÈBRE Exercice 2.1. Soit n un entier supérieur ou égal à 2 et A, B les deux matrices de M n (R) définies par : 0 0 0 0 1 0 0 0 0... 0 1 0 0 0 A =.......... B = 0 0... 0 0 0...... 0 0 0 1. Déterminer

Plus en détail

Programme de la classe de première année MPSI

Programme de la classe de première année MPSI Objectifs Programme de la classe de première année MPSI I - Introduction à l analyse L objectif de cette partie est d amener les étudiants vers des problèmes effectifs d analyse élémentaire, d introduire

Plus en détail

Programmes des classes préparatoires aux Grandes Ecoles

Programmes des classes préparatoires aux Grandes Ecoles Programmes des classes préparatoires aux Grandes Ecoles Filière : économique et commerciale Option : Scientifique (ECS) Discipline : Mathématiques- Informatique Seconde année Ministère de l enseignement

Plus en détail

Cours de mathématiques

Cours de mathématiques DEUG MIAS premier niveau Cours de mathématiques année 2003/2004 Guillaume Legendre (version révisée du 3 avril 2015) Table des matières 1 Éléments de logique 1 1.1 Assertions...............................................

Plus en détail

L2 MIEE 2012-2013 VAR Université de Rennes 1

L2 MIEE 2012-2013 VAR Université de Rennes 1 . Sous-ensembles de R n et fonctions (suite) 1 Nappes paramétrées Si f une fonction de deux variables, son graphe est une surface incluse dans R 3 : {(x, y, f(x, y)) / (x, y) R 2 }. Une telle surface s

Plus en détail

Jusqu'à présent. Au programme. Cardinalité Ensembles nis Ensembles dénombrables. Relations Opérations Relations. Conclusions. Nous avons déjà abordé

Jusqu'à présent. Au programme. Cardinalité Ensembles nis Ensembles dénombrables. Relations Opérations Relations. Conclusions. Nous avons déjà abordé Jusqu'à présent Nous avons déjà abordé Vers l'inni David Teller 23/01/2007 Les ensembles Le regroupement de valeurs caractérisées par des critères. Informatique Types. Physique Unités. Logique Domaines.

Plus en détail

Séance de soutien PCSI2 numéro 10 : Espaces vectoriels et applications linéaires

Séance de soutien PCSI2 numéro 10 : Espaces vectoriels et applications linéaires Séance de soutien PCSI2 numéro 10 : Espaces vectoriels et applications linéaires Tatiana Labopin-Richard Mercredi 18 mars 2015 L algèbre linéaire est une très grosse partie du programme de Maths. Il est

Plus en détail

Université Joseph Fourier, Grenoble. Calcul matriciel. Bernard Ycart

Université Joseph Fourier, Grenoble. Calcul matriciel. Bernard Ycart Université Joseph Fourier, Grenoble Maths en Ligne Calcul matriciel Bernard Ycart Ce chapitre est essentiellement technique et ne requiert pas d autre connaissance théorique que celle des espaces vectoriels

Plus en détail

Résumé d'un cours de Géométrie

Résumé d'un cours de Géométrie Résumé d'un cours de Géométrie Jacques Lafontaine 1 Introduction Ce cours a été donné il y a quelques années en Maîtrise, à une époque où les autorités ministérielles et les instances universitaires n'avaient

Plus en détail

Exercices - Polynômes : corrigé. Opérations sur les polynômes

Exercices - Polynômes : corrigé. Opérations sur les polynômes Opérations sur les polynômes Exercice 1 - Carré - L1/Math Sup - Si P = Q est le carré d un polynôme, alors Q est nécessairement de degré, et son coefficient dominant est égal à 1. On peut donc écrire Q(X)

Plus en détail

Théorie des Opérateurs 1 M1 Mathématiques, Université de la Réunion

Théorie des Opérateurs 1 M1 Mathématiques, Université de la Réunion Théorie des Opérateurs 1 M1 Mathématiques, Université de la Réunion Guillaume AUBRUN 1. Ce cours est très largement inspiré de l'excellent livre de John Conway, A Course in Functional Analysis. Pour toute

Plus en détail