Chapitre 4. Adjoints Opérateurs auto-adjoints et isométries

Save this PDF as:
 WORD  PNG  TXT  JPG

Dimension: px
Commencer à balayer dès la page:

Download "Chapitre 4. Adjoints Opérateurs auto-adjoints et isométries"

Transcription

1 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 dimension finie sur un corps K, que ϕ : E E K est une application, et qu on est dans un des deux cas suivants : { Soit K est un corps de car 2 et ϕ est bilinéaire symétrique Soit K = C et ϕ est sesquilinéaire hermitienne Dans les 2 cas on suppose ϕ non dégénérée. Théorème et définition Soit f L K (E, E), alors il existe une seule application linéaire f L K (E, E) vérifiant : (x, y) E E ϕ ( f(x), (y) ) = ϕ ( x, f (y) ). On dit que f est l adjoint de f. Remarque ) On a : f adjoint de f (x, y) E E ϕ ( x, f(y) ) = ϕ ( f (x), y ) dans le cas hermitien, utiliser la symétrie hermitienne : ϕ ( x, f(y) ) = ϕ ( f(y), x ) ϕ ( f (x), y ) = ϕ(y, f (x) ). 2) Dans le cas où E serait de dimension infinie, on pourrait définir de façon analogue un adjoint : s il existe il est alors unique, mais il n existe pas nécessairement. 3) Si F est un espace vectoriel sur K, si u L(E, F ), on a défini t u : F E par : f F t u(f) = f u. On a donc x E (t u(f) ) (x) = f ( u(x) ) ce qu on peut écrire : x/( t u)(f) = u(x)/f formule à rapprocher de la formule de l adjoint. Démonstration du théorème. ) Soit y E fixé. L application : E K x ϕ ( f(x), y ) est un élément de E. Or ϕ est non dégénérée donc l application (semi-linéaire) E E z ( x ϕ(x, z) ) est bijective. Donc!z E tel que x E ϕ(x, z) = ϕ ( f(x), y ). Posons z = f (y). On définit ainsi f : E E et c est l unique application vérifiant x, y ϕ ( f(x), y ) = ϕ ( x, f (y) ).

2 2) Montrons que l application f ainsi définie est linéaire. Soient y, y 2 dans E, λ K, x E. On a : ϕ ( f(x), y + y 2 ) = ϕ ( f(x), y ) + ϕ ( f(x), y2 ) = ϕ ( x, f (y ) + ϕ ( x, f (y 2 ) ) = ϕ ( x, f (y ) + f (y 2 ) ) = ϕ ( x, f (y + y 2 ) ) d où f (y ) + f (y 2 ) = f (y + y 2 ) (unicité de la construction de f (y + y 2 )). ϕ ( { ) ( ) f(x), λy = λ ϕ f(x), y avec λ = λ cas bilinéaire λ = λ : cas hermitien = λ ϕ ( x, f (y ) ) = ϕ ( x, λf (y ) ) = ϕ ( x, f (λy ) ). D où de même λf (y ) = f (λy ). Notation. On notera désormais pour λ K { λ = λ dans le cas bilinéaire λ = λ dans le cas hermitien on a donc dans tous { les cas, pour (x, y) E 2 et λ K ϕ(x, λy) = λϕ(x, y) ϕ(y, x) = ϕ(x, y). Proposition.- Soient f et g dans L(E, E), λ K. Alors on a : ) (f + g) = f + g. 2) (λf) = λ f. 3) (f g) = g f. 4) (f ) = f. 5) Si f est inversible, alors f est inversible et on a : (f ) = (f ). Les propriétés ) 2) 3) sont immédiates. Montrons ) par exemple. Soit (x, y) E E. On a : ϕ ( (f + g)(x), y ) = ϕ ( f(x), y ) + ϕ ( g(x), y ) = ϕ ( x, f (y) ) + ϕ ( x, g (y) ) = ϕ ( x, f (y) + g (y) ) = ϕ ( x, (f + g) (y) ). On utilise alors l unicité de la construction de (f + g) (y). 4) Plaçons-nous par exemple dans le cas hermitien. On a : (x, y) E E ϕ ( f(x), y ) = ϕ ( x, f (y) ) = ϕ ( f (y), x ) d où f (x) = f(x) = ϕ ( y, ϕ (x) ) = ϕ ( f (x), y ) (ϕ non dégénérée). 5) Si f est inversible on a f f = f f = d où f (f ) = (f ) f = =. Proposition : matrice de f Soit (e,..., e n ) une base de E. Soit f L(E, E) de matrice M dans la base (e,..., e n ). Soit A la matrice de ϕ dans la base (e,..., e n ). Soit M la matrice de f dans la base (e,..., e n ). ) Alors on a : M = A tm A. 2) En particulier si (e,..., e n ) est orthonormale on a : M = t M. 2

3 Remarque ) Ces propriétés permettent de retrouver les résultats de la proposition précédente. 2) Dans le cas où K = C, on notera M = t M. Démonstration de la proposition On a : (x, y) E E ϕ ( f(x), y ) = ϕ ( x, f (y) ), ce qui se traduit matriciellement par : (X, Y ) colonnes à n lignes à coefficients dans K ou encore : t (MX)AŶ = t X A MŶ t MA = A M, ou M = A t MA. Si (e,..., e n ) est orthonormale, on a A = I. Définition.- Soit f L(E, E). On dit que f est un opérateur normal si on a : f f = f f. Cas particuliers : f = f : on dit alors que f est auto-adjoint f = f : on dit que f est isométrique. On va étudier ces cas spécialement pour E euclidien ou hermitien. II. Opérateurs normaux : Cas hermitien Proposition Soit E un espace euclidien ou hermitien de dimension n. Soit f L(E, E), de matrice A dans base orthonormale de E. Alors les 4 propriétés suivantes sont équivalentes : ) f est normal. 2) A est une matrice normale : A A = A A. 3) (x, y) E E f(x)/f(y) = f (x)/f (y). 4) x E f(x) = f (x). 2. En effet A est alors la matrice de f. 3. En effet on a : f(x)/f(y) = x/(f f)(y) f (x)/f (y) = x/(f f )(y) Considérons les deux applications E E K ϕ : (x, y) f(x)/f(y) et ϕ 2 : (x, y) f (x)/f (y). Alors ϕ et ϕ 2 sont deux applications bilinéaires symétriques (resp. sesquilinéaires hermitiennes). Pour qu elles soient égales, il faut et il suffit que les formes quadratiques (resp. quadratiques hermitiennes) associées soient égales, c est-à-dire : x E f(x)/f(x) = f (x)/f (y). Théorème.- On suppose E hermitien de dimension n. Soit f L C (E, E). Alors les deux propriétés suivantes sont équivalentes : ) f est normal. 2) Il existe une base orthonormale de E diagonalisant f. 3

4 Remarque Attention! le théorème ne se généralise pas au cas euclidien. Par exemple la matrice de rotation [ ] cos θ sin θ A = est normale, mais si θ / πz, A n admet pas de valeur propre réelle. On sin θ cos θ retrouvera ce cas plus loin. Démonstration du théorème 2 =. En effet, toute matrice diagonale est normale. = 2. On raisonne par récurrence sur la dimension n de E. n = immédiat. n >. Soit λ C un vecteur propre de f. Soit E = E λ (f) et soit F = E. On a E {0}. Si F = {0} alors E = E le résultat est immédiat. Supposons F {0}. On a f f = f f d où f (E ) E. f(f ) F. En effet, soit x F, soit y E. On a f(x)/y = x/f (y) = 0 car f (y) E. f (F ) F. En effet, soit x F, soit y E On a f (x)/y = x/f(y) = 0 car f(y) E. Soit { g L(F, F ) obtenu par restriction de f à F g L(F, F ) obtenu par restriction de f à F. D après ce qui précède, on a g = g ; on peut appliquer l hypothèse de récurrence à F et g. Il suffit alors de juxtaposer : { une base orthonormale de E une base orthonormale de F diagonalisant g. Corollaire (E hermitien) Si f est normal, alors les espaces propres de f sont deux à deux orthogonaux. Corollaire 2 (interprétation matricielle) Soit A M(n n, C) matrice normale. Alors il existe U M(n n, C), U unitaire tel que U AU soit diagonale. Méthode pratique pour diagonaliser f normal, dans une base orthonormale (resp. A matrice normale, avec une matrice de passage unitaire) il suffit de juxtaposer des bases orthonormales des espaces propres de f(resp. A). Corollaire 3 (E hermitien) Soit f normal et soit λ C. Alors : ) λ est valeur propre de f si et seulement si λ est valeur propre de f. 2) On a E λ (f) = E λ (f ). Soit (e,..., e n ) une base orthonormale dans laquelle la matrice de f est diagonale D = λ.... Alors dans cette base la matrice de f est λ D D =.... λ n Corollaire 4 (E hermitien) ) Si f est normal alors exp f est normal. 2) Si A M(n n, C) alors exp(a) est normale. λ n 4

5 III. Opérateurs auto-adjoints : Cas hermitien et euclidien ) Généralités - définitions Proposition Soit E un espace euclidien ou hermitien de dimension n. Soit f L(E, E), de matrice A dans une base orthonormale de E. Alors les 3 propriétés suivantes sont équivalentes. ) f est auto-adjoint. 2) A = A. 3) (x, y) E E f(x)/y = x/f(y). immédiate. Ceci justifie les définitions suivantes : Définition.- ) Une matrice A M(n n, C) telle que A = A est dite hermitienne. Un opérateur f auto-adjoint d un espace hermitien est dit hermitien. 2) Une matrice A M(n n, R) telle que t A = A est dite symétrique. Un opérateur f auto-adjoint d un espace euclidien est dit symétrique. 2) Cas hermitien Proposition.- Soit E un espace hermitien de dimension n, et soit f L(E, E). Alors on a : f hermitien f est normal et ses valeurs propres sont réelles. ) En effet toute matrice hermitienne diagonale est réelle. 2 Si f est normal à valeurs propres réelles, alors il existe une base orthonormale dans laquelle la matrice de f est D diagonale réelle. Alors D est hermitienne. Corollaire : réduction des matrices hermitiennes. Soit A M(n n, C) telle que A = A, alors il existe U M(n n, C), U unitaire telle que U AU soit diagonale réelle. Méthode pratique : comme pour le cas normal. Juxtaposer des bases orthonormales des espaces propres. Corollaire 2 : Réduction simultanée Soit E un espace hermitien de dimension n. Soit ψ : E E C une forme sesquilinéaire hermitienne quelconque sur E. Alors il existe une base de E qui est à la fois orthonormale pour la structure hermitienne et orthogonale pour ψ. Soit (e,..., e n ) une base orthonormale de E et soit A la matrice de ψ dans cette base. On a A = A car ψ est hermitienne. D après le corollaire, il existe une matrice unitaire U telle que U AU soit diagonale. Donc D = t UAU diagonale. Soit (f,..., f n ) la base de E telle que U = Pass ( (e,..., e n ), (f,..., f n ) ). Dans cette base la matrice de ψ est D et cette base est encore orthonormale pour la structure hermitienne. 5

6 Exercice. Avec ces notations, montrer qu il existe une unique application linéaire f L(E, E) telle que : (x, y) E E x/f(y) = ψ(x, y). Pour toute base orthonormale de E, si ψ admet la matrice B alors f admet la matrice B. Donc trouver une base orthonormale réduisant ψ revient à trouver une base orthonormale diagonalisant f. 3) Cas euclidien Théorème.- Soit E un espace euclidien et soit f L(E, E) un opérateur symétrique. Alors f est diagonalisable et ses espaces propres sont deux orthogonaux. ) Soit (e,..., e n ) une base orthonormale de E et soit A la matrice de f dans cette base On a t A = A, A M(n n, R) donc t A = A. Il existe donc U M(n n, C), U unitaire tel que U AU = D = diagonale réelle. P A (x) est donc scindé dans R[x] et pour toute valeur propre λ de A, le rang de (A λi n ) est le même calculé dans R ou C. Donc A est diagonalisable sur R. 2) Soient λ et µ des valeurs propres distinctes de f, soient x et y des vecteurs propres associés. On a : f(x)/y = λ x/y = x/f(y) = µ x/y d où x/y = 0. Corollaire. Soit f un opérateur symétrique d un espace euclidien de dimension n. Alors il existe une base orthonormale de E diagonalisant f. Corollaire 2 : Réduction de matrices symétriques réelles Soit A M(n n, R), A symétrique, alors il existe O M(n n, R), O matrice orthogonale ( t 0 = 0 ) telle que 0 AO soit diagonale. Corollaire 3 : réduction simultanée Soit E un espace euclidien de dimension n. Soit ψ : E E R une forme bilinéaire symétrique quelconque sur E. Alors il existe une base de E orthonormale pour la structure euclidienne et orthogonale pour ψ. analogue au cas hermitien. 4) Exemples - Exercices a) Soit E euclidien, φ : E R forme quadratique donnée dans une base orthonormale (e, e 2, e 3 ) par : 4x 2 + 4y 2 + z 2 + 2yz + 2zx 4xy. On cherche une base orthonormale réduisant φ. Soit A = matrice de φ = on a P A (X) = ( X)(3 X)(6 X). Les espaces propres de A sont 2 à 2 orthogonaux, il suffit de choisir une base orthonormale pour la structure euclidienne canonique de chaque espace. 6

7 λ = 0 posons X =. 6 2 λ = 3 posons X 2 =. 3 λ = 6 posons X 3 =. 2 0 Soit P = [X X 2 X 3 ] on a alors t P = P et P AP = La base (f, f 2, f 3 ) telle que P = Pass ( (e i ) i, (f j ) ) répond à la question. b) Soit E hermitien, φ : E C donnée donne une base orthonormale (e, e 2, e 3 ) par : 4 x 2 +4 y 2 +4 z 2 +ixy ixy + ixz ixz + yz + yz. A = 4 i i i 4 P A (X) = (2 X)(5 X) 2. i 4 λ = 2. Soit X = i base de E 2 (A) X =. 3 λ = 5. E 5 (A) a pour équation x + iy iz = 0. On choisit X 2 = i 2 E 5 (A) puis X 3 E 5 (A), tel que t X 2 X 3 = 0, X 3 normé par exemple X 3 = 6 normé dans 0 i. 2 Soit U = [X X 2 X 3 ]. On a t U = U, U AU = La base (f, f 2, f 3 ) telle que U = Pass ( (e i ), (f j ) ) est orthonormale pour la structure euclidienne et orthogonale pour φ. 5) Décomposition polaire et de Cartan Lemme.- Soit B M(n n, C), B hermitienne à valeurs propres strictement positives. Alors il existe une unique matrice hermitienne à valeurs propres strictement positives H telle que : B = H 2. ) Soit H une solution. Alors il existe U matrice unitaire telle que : u U HU =... avec? µ i > 0 Mais alors on a : U BH = µ 2 µ n.... µ 2 n 7

8 Comme on a : (µ i = µ j µ 2 i = µ2 j ) car µ i > 0, µ j > 0 on en déduit ) que les valeurs propres µ de H sont les élément µ > 0 tels que µ 2 soit valeur propre de H 2) que l on a alors Ker(H µi) = Ker(B µ 2 I). D où l unicité de H. 2) Existence de H. Soit V unitaire tel que λ V BV =... = µ 2 = D 2. λ diagonale.... où pour tout i {... n} µ i > 0, µ 2 i = λ i µ 2 n On a B = V D 2 V = (V DV ) 2. On pose H = V DV unitaire et D diagonale réelle). (H est hermitienne, car U est Proposition : Décomposition polaire Soit C M(n n, C), C inversible. Alors il existe un unique couple (U, H) tel que : { C = UH U unitaire H hermitienne à valeurs propres > 0. ) Soit (U, H) une solution. Alors on a C. C = H U UH = H 2 2) On remarque que C C est hermitienne, et d autre part, si λ est une valeur propre de C C, et X un vecteur propre associé on a : X C CX = λx X d où : (CX) CX = λ X X avec CX 0 et X 0 d où : λ > 0 puisque pour Y = on peut alors appliquer à C C = H 2. On pose alors U = CH on a : y, on a Y Y = n y i 2. y i= C C le lemme précédent, et on obtient H unique tel que U. U = (H ) C CH = H H 2 H = I et donc U est unitaire. Remarque ) Le résultat peut se généraliser au cas où C n est pas inversible. On obtient évidemment H hermitienne à valeurs propres 0, d autre part on n a plus alors unicité. Ceci s obtient en écrivant C sous la forme : C = lim m (C x ni) avec { lim(xn ) = 0 x m non valeur propre de C 2) La proposition peut également s écrire dans le cas de C M(n n, R). On obtient alors U et H réelles. Corollaire : (décomposition de Cartan) { D diagonale à valeurs propres réelles > 0 Soit C GL(n, C). Alors il existe des matrices V, W unitaires telles qu on ait C = V DW. 8

9 On écrit = UH comme dans la proposition précédente. On sait qu il existe W unitaire telle que W HW = D soit diagonale (à termes réels > 0) d où H = W DW puis C = UW DW. On pose : UW = V. IV. Isométries vectorielles - Cas euclidien On désigne par E un espace euclidien de dimension n. Proposition.- Soit f L(E, E). Soit A la matrice de f dans une base orthonormale de E. Alors les 4 propriétés suivantes sont équivalentes : ) f est isométrique (f f = I) 2) A est orthogonale ( t A A = I). 3) (x, y) E E f(x)/f(y) = x/y. 4) x E f(x) = x. immédiate Seul point à remarquer : 3 4 car les deux formes bilinéaires symétriques (x, y) x/y (x, y) f(x)/f(y) sont égales si et seulement si les formes quadratiques associées sont égales. Remarque ) Le point 4) justifie le nom d isométrie. 2) On peut énoncer dans le cas hermitien des équivalences analogues. ( t A devient A ). 3) Dans le cas euclidien étudié les isométries vectorielles s appellent aussi opérateurs orthogonaux et on note O(E) l ensemble des opérateurs orthogonaux sur E. Il est immédiat que O(E) est un groupe pour la composition des applications. 4) Les opérateurs orthogonaux directs (de det 0) de E forment un sous-groupe de O(E), on le note O + (E), ou encore{ SO(E) (groupe spécial orthogonal). f O(E), det f = ± 5) Il est immédiat que si f O + (E), det f =. 6) On a vu précédemment qu un opérateur orthogonal par exemple de matrice : ( ) cos θ sin θ sin θ cos θ n est pas toujours diagonalisable. On étudie dans la suite les réductions des éléments de O(E). 7) Autre exemple d opérateurs orthogonaux : les symétries orthogonales. 9

10 Lemme.- Soit f O(E) et soit F un sous-espace vectoriel de E. Alors on a : f(f ) F = f(f ) F. Soit x F et soit y F. On a dim f(f ) = dim F car f est injective donc f(f ) = F, donc z F tel que y = f(z). On a : f(x)/y = f(x)/f(z) = x/z = 0. Lemme 2.- Soit f O(E). Alors : ) Les valeurs propres de f sont dans {, }. 2) Les éventuels espaces propres relatifs à et à - sont orthogonaux. ) Soit λ R une valeur propre de f} et soit x E un vecteur propre associé. On a f(x)/f(x) = λ 2 x/x d où λ = x/x 2 =. 2) Soient x et y dans E tels que f(x) = x et f(y) = y. On a f(x)/f(y) = x/y = x/y = 0. Exercice. Retrouver le résultat précédent en utilisant le théorème de réduction dans C des matrices unitaires. Corollaire : Etude de O (E) pour n = 2 ) Si n = 2 les éléments de O (E) sont les symétries orthogonales par rapport aux droites (vectorielles). 2) Si u O + (E), si s O(E) alors! s O (E)! s O (E) tel que u = s s = s s. 3) Si u O + (E) et si s O (E) on a sus = u. 4) Le groupe O + (E) est commutatif. ) On a vu que les symétries orthogonales sont dans O(E). Si n = 2 une symétrie orthogonale par rapport à une droite a dans une certaine base orthonormale pour matrice : [ 0 0 ]. Elle est donc indirecte. [ ] a b Réciproquement soit s O (E), de matrice dans une base orthonormale. c d On a P A (X) = X 2 (a + d)x + (ad bc) avec ad bc = = (a + d) , donc P A admet 2 racines réelles distinctes qui ne peuvent être que et -. On a donc E = E (s) E (s) somme directe orthogonale. Si x = x + x 2 E avec x E et x 2 E on a s(x) = x x 2 donc s est la symétrie orthogonale par rapport à E. 2) Si u O + (E) alors us O d où us = s u = s s su O d où su = s u = ss. 3) (su) O (E) donc susu = id E d où sus = u. 4) u, u O + (E) u = ss uu = us u = su s = u ss = u u. Lemme 3 : Etude O + (E) pour n = 2 On suppose choisie une orientation sur E. [ ] a b ) Soit f L(E, E), de matrice A = dans une base orthonormale directe (e c d, e 2 ). Alors on a : f O + (E) a = d, b = c, a 2 + c 2 =. 0

11 2) Si f O + (E) la matrice de f est indépendante du choix de la base orthonormale directe (e, e 2 ). On pose : a = cos θ, c = sin θ. On dit que f est, pour l orientation fixée, une rotation d angle de mesure θ. 3) Le groupe O + (E) est abélien et isomorphe au groupe additif R/ 2πZ par l application : [ ] cos θ sin θ θ rotation de matrice dans la base (e sin θ cos θ, e 2 ). 4) Si f O + (E) alors f n admet pas de valeur propre sauf si f = ±id E. ) On a f O + (E) t AA = I et det A = les colonnes de A sont 2 à 2 orthogonales et de norme et det A = { f O + (E) a 2 + c 2 = b 2 + d 2 = ab + cd = 0 ad bc = { (b, d) = λ(c, a) pour un λ R c 2 + a 2 = λ = λa 2 λc 2 = (b, d) = (c, a) avec c 2 + a 2 = [ ] a c A = avec a 2 + c 2 =. c a 2) Si (e, e 2) est une autre base orthonormale directe alors P = Pass ( (e, e 2 ), (e, e 2) ) est orthogonale directe donc du type [ ] [ ] a c 0 c a = a I + c J où J = avec a 0, c R. Elle est permutable avec A. Donc Mat ( f, (e, e 2) ) = P AP = A. On posera a = cos θ, c = sin θ, θ R et on dira que f est la rotation d angle de mesure θ, on notera f = r θ. 3) Deux matrices orthogonales directes sont permutables, donc le groupe O + (E) est abélien et de plus les formules : cos(o + O ) = permettent de vérifier que l application sin(o + O ) = R 2πZ O+ (E) classe(θ) la rotation r θ est un isomorphisme de groupes. 4) Avec les mêmes notations, on a : P A (X) = (cos θ X) 2 + sin 2 θ = X 2 2 cos θx + cos 2 θ 0. Donc P A ne peut avoir de racines réelles que pour cos θ = ± c est-à-dire θ πz, où f = ±id E. Définitions : angles et mesures d angles. Soit E un espace euclidien de dimension 2. Remarquons que si u et v sont des vecteurs unitaires de E, il existe une et une seule rotation r telle que r(u) = v. En effet, si (u, u ) est une base orthonormale et si[ v = au + ] ba avec a b a 2 + b 2 =, la seule rotation qui convient est celle qui a pour matrice dans la b a base (u, u ). On note U l ensemble des vecteurs unitaires de E et A = U U où R est la relation R d équivalence donnée par : (f, f 2 ) R (f, f 2) r O + (E) tel que r(f ) = f 2 et r(f, f 2).

12 L ensemble A est l ensemble des angles de vecteurs unitaires de E. On note ( f, f 2 ) la classe de (f, f 2 ) U U. L ensemble A s identifie à O + (E) et est donc muni d une structure de groupe abélien, noté additivement. On a donc (par définition) : f, f 2, f 3 U, ( f, f 2 ) + ( f, f 3 ) = ( f, f 3 ). Si u et v sont des éléments non nuls de E, on posera : ( u, v) = ( u u, v ). v 2. Si E est euclidien orienté de dimension 2, en utilisant la bijection O + (E) R 2πZ du Lemme 3, on a deux bijections : R 2πZ O+ (E) A on dit que θ R 2πZ on notera indifféremment r α = r θ. θ r θ α est la mesure de cycle α pour l orientation, on posera : { cos α = cos θ sin α = sin α Remarque ) Soient u et v des vecteurs unitaires et soit r O + (E) tel que r(u) = v. Soit u unitaire tel que (u, u ) soit une base orthonormale directe. On pose v = cos θ u+sin θ u ( [ ] ) cos θ sin θ la matrice de r dans la base (u, u ) est et θ est la mesure de ( sin θ cos θ u, v). Dans le cas où f, g sont des vecteurs non nuls, on a f g = f g cos ( ( f, ) g ). 2) Si E est euclidien de dimension n, n 3 et si u et v sont des vecteurs unitaires, u et v sont dans un même péan P, mais l orientation de E ne détermine pas celle de P, on peut alors définir la mesure de ( u, v) au signe près, ou encore écrire : u v = cos( u, v). Remarques : on revient au cas n = 2, E orienté ) Si u et v sont unitaires et si s O (E) alors ( s(u), s(v) ) = ( u, v). ( )bis Si r O + (E) r(u), r(v) ) = ( u, v). En effet soit r O + (E) tel que : r ( s(u) ) = s(v) alors (s r s)(u) = v (r )(u) = v. Pour ) bis on décompose r en produit de 2 symétries. Le résultat peut aussi se trouver directement à partir de la définition de A. 2) Si on désigne par s u, s v les symétries orthogonales par rapport à u et v, on a s u s v = r 2( v, u. En effet, on a : ( v, (s u s v )(v) ) = ( v, s u (v) ) = ( v, u) + ( u, s u (v) ) = ( v, u) + ( s u (u), s u (v) ) = ( v, u) + ( v, u) = 2( v, u). Théorème.- Soit f O(E). Alors il existe une base orthonormale (e,..., e n ) de E dans laquelle la matrice de f est du type : I p I q A... A r 2

13 [ ] cos θi sin θ avec i {,..., r} A i = i sin θ i cos θ i f est directe si et seulement si q est pair. θ i R \ πz. Démonstration ) On peut décomposer E en une somme directe orthogonale : E = E E F. On a, d après le lemme, f(f ) F. Il suffit donc de démontrer le résultat pour g = f/f, g O(F ), g sans valeur propre. 2) Si g O(F ) avec dim F = m 0, g sans valeur propre, montrons, par récurrence sur m qu il existe une base orthonormale de F dans laquelle g a une matrice du type : A... A r [ ] cos θi sin θ A i = i sin θ i cos θ i a) m = impossible. b) m = 2. Il suffit d utiliser les corollaires du lemme 2. c) m > 2. Soit (f,..., f m ) une base de F et soit B la matrice de g dans cette base. Soit λ C (λ / R) une valeur propre de B et Z une colonne propre associée. Z = X + iy avec X et Y colonnes réelles on a BZ = λz et BZ = λ Z. Comme λ / R, on a λ λ, et Z et Z indépendants sur C, donc sur R. On a : B. (CX + CY ) CX + CY. Soient α et β dans R, alors il existe γ, δ, η, ζ réels tels que : B. (αx + βy ) = (δ + iη)x + (δ + iζ)y et, en considérant les parties réelles : B. (αx + βy ) = γx + δy RX + RY. On en déduit que F admet un sous-espace vectoriel F de dimension 2 stable pour g. On a F = F F et g(f ) F. On peut alors appliquer l hypothèse de récurrence à F. D autre part la restriction de g à F est d après les corollaires du lemme 2, une rotation. 3) On a i {... r} det A i =, d où det f = ( ) q. Remarque : cas n = 3 ) Si dim E = 3 et si f O + (E) on a q = 2 ou q = 0, il existe donc une base orthonormale (e, e 2, e 3 ) de E dans laquelle la matrice de f est du type : ou ou cos θ sin θ avec θ R \ πz. 0 sin θ cos θ On trouve donc que f est soit id E, soit une rotation dont l axe est Re = espace propre relatif à, et de matrice cos θ sin θ avec θ R \ 2πZ (le cas θ = π correspond au second cas). 0 sin θ cos θ Supposons maintenant f id et E orienté. Le choix d une orientation de l axe Re induit une orientation sur e et donc une mesure de l angle de rotation. Plus précisément si on oriente Re par e, et si (e, e 2, e 3 ) est direct, alors on obtient plus haut la mesure θ de l angle de la rotation pour l orientation de Re donnée par e. 3

14 Remarquons qu on a : ) trace(f) = + 2 cos θ 2) e 2 f(e 2 ) = (sin θ)e ce dernier résultat peut s obtenir en remplaçant e 2 par tout vecteur unitaire e 2 de e, on a donc : e 2 f(e 2) = (sin θ)e. 2) Si dim E = 3 et si f O (E), on a q = 3 ou q =, il existe donc une base orthonormale (e, e 2, e 3 ) de E telle que la matrice de f dans cette base soit du type : ou ou cos θ sin θ avec θ R \ πz. 0 sin θ cos θ Donc f est composé de la symétrie orthogonale par rapport au plan P = Vect(e 2, e 3 ) et d une rotation, qui est soit id, soit une rotation d axe Re ; ces deux applications sont permutables. Si f id E alors l axe de la rotation est Re espace propre relatif à. Si alors on oriente E et l axe par e la mesure de l angle est bien déterminée. On a : ) trace (f) = + 2 cos θ. 2) Pour tout e 2 e on a : e 2 f(e 2) = (sin θ) e. On verra plus loin des exemples. Corollaire du théorème : Décomposition des isométries. ) Soit f O(E). Alors f peut se décomposer en produit de symétries orthogonales par rapport à des hyperplans. 2) Si f O + (E) et si n 3, alors f peut se décomposer en produit de symétries orthogonales par rapport à des espaces vectoriels de dimension n 2. Remarque. Dans le cas n = 3. f O(E) est produit de symétries orthogonales par rapport à des plans. f O (E) est produit de symétries orthogonales par rapport à des droites. ) Si A est la matrice de f obtenue dans le théorème, alors A est produit de matrices du type : () et (2) A i Une matrice de type () est matrice d une symétrie orthogonale par rapport à un hyperplan. Une matrice de type (2) représente un endomorphisme f i du type suivant : E = E i F i somme directe orthogonale dim E i = 2 x F i, f i (x) = x g i = f E i = fi E i est une rotation sans valeur propre de E i. 4

15 Alors g i est produit de 2 symétries orthogonales par rapport à des droites d i et d i de E i. On en déduit que f i est produit des symétries orthogonales par rapport aux hyperplans d i F i et d i F i de E. 2) Remarquons que si on a f O + (E), alors f est produit d un nombre pair de symétries par rapport à des hyperplans. Montrons que si H et H 2 sont des hyperplans distincts, alors S H S H2 est produit de 2 symétries orthogonales par rapport à des sous-espaces vectoriels de dimension n 2. On a H H 2 {0} car 2(n ) > n. Soit a H H 2 \ {0}. Pour i {, 2}, on pose i = H i a. On a E = Ra i Hi somme directe orthogonale. On vérifie que S Hi = S i S Ra = S Ra S i d où : S H S H2 = S S Ra S Ra S 2 = S S 2. Remarque. Dans le cas n = 3, reprenons le cas de la rotation R d axe Re, ( id E ). P d 2 e2 e e3 d Soit P = e i, soit r la restriction de R à P. Alors r se décompose en produit des deux symétries par rapport à des droites s d et s d2 dans P. D où R se décompose en S P S P2 où i {, 2}. P i est le plan vectoriel d i Re. En choisissant a = e dans la démonstration précédente, on obtient que R est composé des deux symétries orthogonales s d et s d2 dans E. Exemple d étude pratique d éléments de O(E) en dimension 3 ) On suppose E euclidien orienté de dimension 3 et on suppose que dans la base orthonormale directe (f, f 2, f 3 ) l endomorphisme f a pour matrice A A = a) On vérifie que les colonnes de cette matrice sont 2 à 2 orthogonales, et de norme ( 4 ( ) = ). On a donc f O(E). b) On calcule det(a) comme on a ici det A > 0 ; il s agit donc d un élément de O + (E) et f id E. c) Angle de rotation : donné au signe près à l aide de la trace : + 2 cos θ = 4 cos θ = 2 ( ) : d où θ = ±π/3 d où θ = ±π/3 mod 2π (selon orientation de l axe). d) Axe de rotation = E (f) = Ker(f id E ) = {xf + ye 2 + ze 3 / x = y, z = 0}. Posons e = (f + f 2 ) et orientons l axe par e. 2 er calcul. On choisit e 2 e e 2 de norme et on calcule e 2 f(e 2 ). 5

16 Par exemple e 2 = f 3 6 ( ) 3 e 2 f(e 2 ) = f + f 2 = 4 2 e 3 d où sin θ = 2 θ = π/3 mod 2π. 2ème calcul. On complète (e, e 2 ) par e 3 pour obtenir une base orthonormale directe Soit en calculant un élément e 3 de norme de (Vect(e, e 2 )) en veillant à ce que Det(e, e 2, e 3 ) =. Soit en posant : e 3 = e e 2. On obtient : e 3 = (f f 2 ) 2 on sait alors qu on doit avoir f(e 2 ) = cos θ e 2 + sin θ (e 3 ). Vérification on obtient donc bien : 2) On suppose maintenant qu on a : f(e 2 ) = 4 ( 6)(f f 2 ) + 4.2f 3 3 = 2 e e 2 cos θ = 2 A = 3 et sin θ = a) On vérifie que les colonnes de cette matrice sont 2 à 2 orthogonales et de norme ( ) =. 3 b) On a DetA < 0 et A I. Donc on a f O (E), f id E. c) Angle de rotation donné au signe près par : + 2 cos θ = trace(f) = 3 ( 2) = 2 d où : cos θ = d) Calcul de E = Re = ker ( ) f + id E / xf + yf 2 + zf 3 5x+y - 2z = 0 = -2x+5y-z = 0 -x - 2y + z= 0 = Re avec e = (f + f 2 + 3f 3 ). On choisit e 2 de norme dans e. Par exemple : e 2 = (f f 2 ) f(e 2 ) = (f + 4f 2 f 3 ) on a : e 2 f(e 2 ) = 6 (f + f 2 + 3f 3 ) = 6 e. On obtient donc : f est composé commutatif de la symétrie orthogonale par rapport à e, et de la rotation R d axe Re et angle de mesure θ pour l orientation de cet axe par e avec cos θ = 5 6, sin θ = 6 (on a bien 25+ = 36!). 6

Espaces vectoriels euclidiens. Groupe orthogonal

Espaces vectoriels euclidiens. Groupe orthogonal 19 Espaces vectoriels euclidiens. Groupe orthogonal Dans un premier temps, E est un espace vectoriel réel de dimension n 1. 19.1 Espaces vectoriels euclidiens Dénition 19.1 On dit qu'une forme bilinéaire

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

Cours de Licence. Bernard Le Stum 1 Université de Rennes 1. Version du 19 janvier 2004. 1 bernard.le-stum@univ-rennes1.fr

Cours de Licence. Bernard Le Stum 1 Université de Rennes 1. Version du 19 janvier 2004. 1 bernard.le-stum@univ-rennes1.fr Géométrie Cours de Licence Bernard Le Stum 1 Université de Rennes 1 Version du 19 janvier 2004 1 bernard.le-stum@univ-rennes1.fr 2 Table des matières Table des matières 4 Introduction 5 1 Rappels d algébre

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

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

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

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

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

Exo7. Applications linéaires. 1 Définition. 2 Image et noyau. Exercice 1 Déterminer si les applications f i suivantes sont linéaires :

Exo7. Applications linéaires. 1 Définition. 2 Image et noyau. Exercice 1 Déterminer si les applications f i suivantes sont linéaires : Exo7 Applications linéaires 1 Définition Exercice 1 Déterminer si les applications f i suivantes sont linéaires : f 1 : R R f 1 x,y = x + y,x y f : R R f x,y,z = xy,x,y f : R R f x,y,z = x + y + z,y z,x

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

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

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

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

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

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

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

Indication Prendre une combinaison linéaire nulle et l évaluer par ϕ n 1.

Indication Prendre une combinaison linéaire nulle et l évaluer par ϕ n 1. 1 Définition Exercice 1 Déterminer si les applications f i suivantes (de E i dans F i ) sont linéaires : f 1 : (x, y) R 2 (2x + y, x y) R 2, f 2 : (x, y, z) R 3 (xy, x, y) R 3 f 3 : (x, y, z) R 3 (2x +

Plus en détail

MPSI 3 - Cahier de vacances... MPSI 3-2004/2005

MPSI 3 - Cahier de vacances... MPSI 3-2004/2005 MPSI 3 - Cahier de vacances... MPSI 3-2004/2005 Voici une fiche contenant 100 exercices de difficulté raisonable, plutôt techniques, qui recouvrent l ensemble du programme étudié cette année. A raison

Plus en détail

Relations binaires sur un ensemble.

Relations binaires sur un ensemble. Math122 Relations binaires sur un ensemble. TABLE DES MATIÈRES Relations binaires sur un ensemble. Relations d équivalence, relation d ordre. Table des matières 0.1 Définition et exemples...................................

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

BJ - RELATIONS BINAIRES

BJ - RELATIONS BINAIRES BJ - RELATIONS BINAIRES Définitions Soit A et B deux ensembles non vides, et G une partie de A B. On dit qu un élément x de A est relié à un élément y de B par une relation binaire de graphe G, si le couple

Plus en détail

Dans tout ce qui suit, on se place dans un espace vectoriel euclidien E de dimension 2.

Dans tout ce qui suit, on se place dans un espace vectoriel euclidien E de dimension 2. Chapitre 3 Les angles 3.1 Angles orientés de vecteurs du plan 3.1.1 Groupe des rotations Dans tout ce qui suit, on se place dans un espace vectoriel euclidien E de dimension 2. Définition 3.1 On appelle

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

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

Un tout petit peu d homotopie

Un tout petit peu d homotopie Vincent Beck On note I = [ 0, 1 ]. Un tout petit peu d homotopie 0.1 Homotopie Définition 1 Applications homotopes. Soient X, Y deux espaces topologiques et f, g : X Y deux applications continues. On dit

Plus en détail

De même, le périmètre P d un cercle de rayon 1 vaut P = 2π (par définition de π). Mais, on peut démontrer (difficilement!) que

De même, le périmètre P d un cercle de rayon 1 vaut P = 2π (par définition de π). Mais, on peut démontrer (difficilement!) que Introduction. On suppose connus les ensembles N (des entiers naturels), Z des entiers relatifs et Q (des nombres rationnels). On s est rendu compte, depuis l antiquité, que l on ne peut pas tout mesurer

Plus en détail

Théorème du point fixe - Théorème de l inversion locale

Théorème du point fixe - Théorème de l inversion locale Chapitre 7 Théorème du point fixe - Théorème de l inversion locale Dans ce chapitre et le suivant, on montre deux applications importantes de la notion de différentiabilité : le théorème de l inversion

Plus en détail

Calcul différentiel sur R n Première partie

Calcul différentiel sur R n Première partie Calcul différentiel sur R n Première partie Université De Metz 2006-2007 1 Définitions générales On note L(R n, R m ) l espace vectoriel des applications linéaires de R n dans R m. Définition 1.1 (différentiabilité

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

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

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

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

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

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

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

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

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

Base : une axiomatique

Base : une axiomatique Autour des groupes de réflexions Master 2 Mathématiques fondamentales Cours : Michel Broué Université Paris VII Denis Diderot TD : Vincent Beck Année 2005 2006 Base : une axiomatique a) D après (i), on

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

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

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 PRÉHILBER TIENS RÉELS

ESPACES PRÉHILBER TIENS RÉELS ESPACES PRÉHILBER TIENS RÉELS 1 Produit scalaire et norme 1.1 Produit scalaire Définition 1.1 Soit E un R-espace vectoriel. On appelle produit scalaire sur E toute forme bilinéaire symétrique définie positive

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

LES ROTATIONS DE R 3 : VERSION MATRICIELLE

LES ROTATIONS DE R 3 : VERSION MATRICIELLE LES ROTATIONS DE R : VERSION MATRICIELLE. L espace R n Les structures dont R n est muni appartiennent à quatre niveaux : Structure vectorielle: Vecteur. Combinaison linéaire. Familles libres et liées.

Plus en détail

Matrices antisymétriques

Matrices antisymétriques [http://mp.cpgedupuydelome.fr] édité le 24 septembre 2016 Enoncés 1 Matrices antisymétriques Exercice 1 [ 02503 ] [Correction] Soit M M n (R) telle que M + t M soit nilpotente. Montrer que M est antisymétrique.

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

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

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

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

17. ISOMÉTRIES LINÉAIRES

17. ISOMÉTRIES LINÉAIRES 17 ISOMÉTRIES LINÉAIRES 171 Isométries linéaires dans un espace vectoriel euclidien Soit E un espace vectoriel euclidien Une application linéaire f dans E est appelée isométrie linéaire ssi, quel que soit

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

(ii) pour tout x X, on a e x = x.

(ii) pour tout x X, on a e x = x. COURS DE LICENCE 2014/15 4 Groupes agissant sur un ensemble Définition 4.1. Soit G un groupe, X un ensemble non vide, S(X) le groupe des bijections de X. Une action de G sur X ou une opération de G sur

Plus en détail

1 Définition et premières propriétés des congruences

1 Définition et premières propriétés des congruences Université Paris 13, Institut Galilée Département de Mathématiques Licence 2ème année Informatique 2013-2014 Cours de Mathématiques pour l Informatique Des nombres aux structures Sylviane R. Schwer Leçon

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 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

Leçon 6. Savoir compter

Leçon 6. Savoir compter Leçon 6. Savoir compter Cette leçon est une introduction aux questions de dénombrements. Il s agit, d une part, de compter certains objets mathématiques (éléments, parties, applications,...) et, d autre

Plus en détail

Espaces affines. 2 Applications affines 7. 2.2 Projections et symétries affines ; affinités... 8 2.3 Alignement et parallélisme...

Espaces affines. 2 Applications affines 7. 2.2 Projections et symétries affines ; affinités... 8 2.3 Alignement et parallélisme... Maths PCSI Cours Espaces affines Table des matières 1 Espaces et sous-espaces affines 2 1.1 Espaces affines et translations.................................... 2 1.2 Exemples d espaces affines......................................

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

2010/2011. Espaces vectoriels

2010/2011. Espaces vectoriels Université Paris-Est Marne-la-Vallée 010/011 M1 enseignement CD/Préparation au CAPES Espaces vectoriels Dans toute la suite on considèrera des espaces vectoriels sur un corps commutatif K de caractéristique

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

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

Structures algébriques : groupes, anneaux et corps

Structures algébriques : groupes, anneaux et corps Maths PCSI Cours Structures algébriques : groupes, anneaux et corps Table des matières 1 Groupes 2 1.1 Lois de composition interne..................................... 2 1.2 Groupes................................................

Plus en détail

Corrigé Feuille 4. et sa matrice dans la base canonique, qui est orthonormée pour le produit scalaire canonique, est. P (x)q(x)dx,

Corrigé Feuille 4. et sa matrice dans la base canonique, qui est orthonormée pour le produit scalaire canonique, est. P (x)q(x)dx, Université Paris Panthéon-Sorbonne L MASS 0/03 Algèbre Corrigé Feuille 4 Exercice. a On remarque que dim F car F R 3 en effet,,, F. D autre part, soient e = 3,,, e =, 0,. On vérifie que {e, e } est une

Plus en détail

[http://mp.cpgedupuydelome.fr] édité le 16 octobre 2015 Enoncés 1

[http://mp.cpgedupuydelome.fr] édité le 16 octobre 2015 Enoncés 1 [http://mp.cpgedupuydelome.fr] édité le 16 octobre 2015 Enoncés 1 Relations binaires Relations d équivalence Exercice 1 [ 02643 ] [Correction] Soit R une relation binaire sur un ensemble E à la fois réflexive

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

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

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

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

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

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

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

ALGEBRE: GROUPES ET ANNEAUX 1

ALGEBRE: GROUPES ET ANNEAUX 1 Université Blaise Pascal U.F.R. Sciences et Technologies Département de Mathématiques et Informatique Licence de Mathématiques Troisième année, U.E. 35MATF2 ALGEBRE: GROUPES ET ANNEAUX 1 Polycopié du cours

Plus en détail

Applications linéaires

Applications linéaires le 8 Février UTBM MT Arthur LANNUZEL http ://mathutbmal.free.fr Applications linéaires Exemples et définitions. Soit E et F, espaces vectoriels sur K = R ou C. On s intéresse aux applications qui conservent

Plus en détail