Dans la suite, sauf mention du contraire,< ., . >est un produit scalaire sur leR-espace vectorielEet∥.∥est la norme associ´ee.
< ., . > est un produit scalaire surRn. C’est le produit scalaire canonique deRn.
C 2
E=Mn,1(R). SiX =< ., . > est un produit scalaire surE. C’est le produit scalaire canonique deMn,p(R).
C 4
E=Rn[X]. Si P =C 6
In´egalit´e de Cauchy-Schwarz xet y sont deux ´el´ements deE.1. |< x, y >|6∥x∥ ∥y∥ et (< x, y >)26∥x∥2∥y∥2. 2. |< x, y >|=∥x∥ ∥y∥ si et seulement si (x, y) est li´ee.
C 7
In´egalit´e de Cauchy-Schwarz dans Rnx= (x1, x2, . . . , xn) ety= (y1, y2, . . . , yn) sont deux ´el´ements deRn.
Soitf et gdeux fonctions num´eriques continues sur [a, b].
2. Un droite vectorielle deE contient exactement deux vecteurs unitaires qui sont oppos´es.
C 13
Identit´es remarquables xety sont deux ´el´ements deE.∥x+y∥2=∥x∥2+ 2< x, y >+∥y∥2. ∥x−y∥2=∥x∥2−2< x, y >+∥y∥2.
C 15
Identit´es de polarisation xety sont deux ´el´ements deE.< x, y >= 1 2
[∥x+y∥2− ∥x∥2− ∥y∥2]
. < x, y >=1 2
[∥x∥2+∥y∥2− ∥x−y∥2] .
< x, y >= 1 4
[∥x+y∥2− ∥x−y∥2] .
C 16
Identit´es du parrall´elogramme xety sont deux ´el´ements deE.∥x+y∥2+∥x−y∥2= 2∥x∥2+ 2∥y∥2.
C 17
Th´eor`eme de Pythagore. xet ysont deux ´el´ements de E.xety sont orthogonaux si et seulement si∥x+y∥2=∥x∥2+∥y∥2.
C 18
Si (x1, x2, . . . , xn) est une famille d’´el´ements de E deux `a deux orthogonaux :∥x1+x2+· · ·+xn∥2=∥x1∥2+∥x2∥2+· · ·+∥xn∥2.
C 19
1. E⊥={0E}. Autrement dit un vecteur deE est nul si et seulement il appartient `aE⊥. 2. {0E}⊥ =E.C 20
SoientF etGdeux sous-espaces vectoriels deE.• F⊥ est un sous-espace vectoriel deE.
• F∩F⊥={0E}.
• F ⊂F⊥⊥.
• F ⊂GdonneG⊥⊂F⊥.
• SiF etGsont orthogonaux alorsF∩G={0E}.
• F et Gsont orthogonaux⇐⇒F ⊂G⊥ ⇐⇒ G⊂F⊥.
C 21
F etGsont deux sous-espaces vectoriels deE respectivement engendr´es par (u1, u2, . . . , up) et (v1, v2, . . . , vq).P
1. F⊥ ={x∈E| ∀i∈[[1, p]], < x, ui>= 0}.P
2. F et Gsont orthogonaux si et seulement si :∀(i, j)∈[[1, p]]×[[1, q]], < ui, vj>= 0.C 22
F etGsont deux sous-espaces d’un espace pr´ehilbertien r´eelE.• (F+G)⊥=F⊥∩G⊥ etF⊥+G⊥⊂(F∩G)⊥.
• SiE est de dimension finie:F⊥+G⊥ = (F∩G)⊥.
C 23
SoitF un sous-espace vectoriel d’un espace vectoriel euclidienE .• E=F⊕F⊥ et F⊥⊥=F .
• F⊥ est l’unique suppl´ementaire deF orthogonal `aF.
orthogonal `a F.
C 24
• L’ensembles des matrices sym´etriques de Mn(K) est un sous-espace vectoriel deMn(K) de dimension n(n+ 1)2 ·.
• L’ensembles des matrices antisym´etriques deMn(K) est un sous-espace vectoriel deMn(K) de dimension n(n−1) si n>1. 2
• Le sous-espace vectoriel des matrices sym´etriques deMn(K) et le sous-espace vectoriel des matrices antisym´etriques deMn(K) sont suppl´ementaires dansMn(K).
C 25
DansMn(R), pour le produit scalaire canonique, l’orthogonal du sous-espace vectorielSn(R) des matrices sym´etriques deMn(R) est le sous-espace vectorielAn(R) des matrices antisym´etriques deMn(R).Dans Mn(R), pour le produit scalaire canonique, l’orthogonal du sous-espace vectoriel An(R) des matrices anti-sym´etriques deMn(R) est le sous-espace vectorielSn(R) des matrices sym´etriques deMn(R).
Le sous-espace vectoriel des matrices sym´etriques deMn(R) et le sous-espace vectoriel des matrices antisym´etriques deMn(R) sont suppl´ementaires et orthogonaux dansMn(R) muni du produit scalaire canonique.
Mn(R) =Sn(R)
⊕⊥
An(R).
C 26
1. Toute famille orthogonale constitu´ee de vecteurs non nuls est libre.2. Toute famille orthonorm´ee est libre.
C 27
Tout espace vectorieleuclidienposs`ede une base orthonorm´ee.C 28
SoitB= (e1, e2, . . . , en) une base orthonorm´ee deE. Soitxun ´el´ement deE.3. Dans les espaces vectoriels r´eels usuels, le produit scalaire canonique est celui qui rend la base canonique orthonorm´ee.
C 31
Matrice d’un endomorphisme dans une base orthonorm´eeB= (e1, e2, . . . , en) est une baseorthonorm´eede l’espace vectoriel euclidien (E, < ., . >) etf est un endomorphisme deE. (E1, E2, . . . , En) est la base canonique deMn,1(R).
La matrice def dans la baseBest (
< ei, f(ej)>) .
C 32
Matrice orthogonale P est une matrice de Mn(R). Les assertions suivantes sont ´equivalentes : i)P orthogonale.i’)P v´erifiePtP =tP P =In. ii)P v´erifiePtP =In. iii) P v´erifietP P =In.
iv)P est inversible et son inverse est sa transpos´ee.
v)∀X ∈ Mn,1(R), ∥P X∥=∥X∥ (∥.∥est la norme euclidienne deMn(R)).
vi) Les colonnes de P constituent une famille orthonorm´ee deMn,1(R) muni du produit scalaire canonique.
vii) Les colones de P constituent une base orthonorm´ee deMn,1(R) muni du produit scalaire canonique.
viii) Les lignes deP constituent une famille orthonorm´ee deM1,n(R) muni du produit scalaire canonique.
ix) Les lignes de P constituent une base orthonorm´ee de M1,n(R) muni du produit scalaire canonique.
C 33
SoitB= (e1, e2, . . . , en) etB′= (e′1, e′2, . . . , e′n) deux bases orthonorm´ees deE.La matrice de passageP deB`a B′ est orthogonale.
C 34
SoitB= (e1, e2, . . . , en) une base orthonorm´ee deE. Soit B′= (e′1, e′2, . . . , e′n) unefamilled’´el´ements de E.SoitP la matrice de la familleB′ dans la baseB.
B′ est une base orthonorm´ee deE si et seulement siP est une matrice orthogonale.
C 35
1. Le produit de deux matrices orthogonales deMn(R) est une matrice orthogonale deMn(R).2. L’inverse d’une matrice orthogonale de Mn(R) est une matrice orthogonale deMn(R).
C 36
Les seules valeurs propres possibles dansRd’une matrice orthogonale deMn(R) sont−1 et 1.C 37
F est un sous-espace vectoriel de l’espace vectoriel euclidienE distinct de{0E} etE.Si B′ est une base orthonorm´ee de F et B′′ est une base orthonorm´ee de F⊥ alorsB′∪ B′′ est une base orthonorm´ee deE.
C 38
F est un sous-espace vectoriel de l’espace vectoriel euclidienEdistinct de{0E}et deE. Soit (e1, e2, . . . , ep) une base orthonorm´ee deF.1. (e1, e2, . . . , ep) se compl`ete en une base orthonorm´ee (e1, e2, . . . , en) deE.
2. F⊥ est le sous-espace vectoriel de E engendr´e par (ep+1, ep+2, . . . , en). Mieux (ep+1, ep+2, . . . , en) est une base orthonorm´ee de F⊥.
1. L’orthogonal de la droite vectorielle engendr´ee para1e1+a2e2+· · ·+anen est l’hyperplan d’´equationa1x1+ a2x2+· · ·+anxn= 0 dansB.
2. L’orthogonal de l’hyperplan d’´equationa1x1+a2x2+· · ·+anxn= 0 dansBest la droite vectorielle engendr´ee para1e1+a2e2+· · ·+anen.
C 40
Aspect th´eorique de l’orthonormalisation de Schmidt Soit (u1, u2, . . . , un) une basequelconquedeE.Il existe une base orthonorm´ee deE et une seule (w1, w2, . . . , wn) telle que pour toutkappartenant `a [[1, n]] : 1. Vect(w1, w2, . . . , wk) = Vect(u1, u2, . . . , uk).
2. < wk, uk>est strictement positif.
(w1, w2, . . . , wn) est LA base orthonorm´ee d´eduite de (u1, u2, . . . , un) par le proc´ed´e d’orthonormalisation de Schmidt.
C 41
Aspect pratique de l’orthonormalisation de Schmidt Soit (u1, u2, . . . , un) une base quelconque de E.I Pour construire cette base orthogonale (v1, v2, . . . , vn) `a partir de (u1, u2, . . . , un) on proc`ede de la mani`ere suivante.
• On posev1=u1.
• Supposons que l’on ait construit (v1, v2, . . . , vk−1) famille orthogonale deE telle que : Vect(v1, v2, . . . , vk−1) = Vect(u1, u2, . . . , uk−1) (k∈[[1, n−1]]).
On construit alorsvk. Pour cela on posevk=uk+λ1v1+λ2v2+· · ·+λk−1vk−1. En ´ecrivant quevk est orthogonal `avi on calculeλi pour toutidans [[1, k−1]].
On obtient alorsvk=uk−
k−1
∑
i=1
< uk, vi>
< vi, vi> vi =uk−
k−1
∑
i=1
< uk, vi>
∥vi∥2 vi. I On pose∀k∈[[1, n]], wk= 1
∥vk∥vk. (w1, w2, . . . , wn) est l’unique base orthonorm´ee deE telle que : 1. Vect(w1, w2, . . . , wk) = Vect(u1, u2, . . . , uk).
2. < wk, uk>est strictement positif.
C 42
F est un sous-espace vectoriel de l’espace vectoriel euclidienE. pF est la projection orthogonale surF. Si xet y sont deux ´el´ements deE:pF(x) =y ⇐⇒
{y∈F
x−y∈F⊥ ⇐⇒
{y∈F
∀z∈F, < x−y, z >= 0
C 43
F est un sous-espace vectoriel deE et (u1, u2, . . . , up) est une base orthonorm´ee de F . pF est la projection orthogonale surF. Pour tout ´el´ement xdeE:pF(x) =
∑p k=1
< x, uk > uk
C 44
E est un espace vectoriel euclidien etBest unebase orthonorm´eedeE.F est un sous-espace vectoriel deE et (u1, u2, . . . , up) est une base orthonorm´ee deF.
C 45
D est une droite vectorielle deE etpD est la projection orthogonale surD.Si uest un vecteur unitaire de D, pour tout ´el´ementxdeE: pD(x) =< x, u > u.
Si uest un vecteur non nul de D, pour tout ´el´ementxdeE: pD(x) =< x, u >
∥u∥2 u .
C 46
E est un espace vectoriel euclidien de dimensionnsup´erieure ou ´egale `a 2. H est un hyperplan deE etpHest la projection orthogonale sur H.
Si uest un vecteur unitaire orthogonal `a H, pour tout ´el´ement xdeE: pH(x) =x−< x, u > u . Si uest un vecteur non nul orthogonal `a H, pour tout ´el´ement xdeE: pH(x) =x−< x, u >
∥u∥2 u .
C 47
D est une droite vectorielle deE etsD est la sym´etrie vectorielle orthogonale par rapport `aD.Si uest un vecteur unitaire de D, pour tout ´el´ementxdeE: sD(x) = 2< x, u > u−x.
C 48
E est un espace vectoriel euclidien de dimensionnsup´erieure ou ´egale `a 2. H est un hyperplan deEetsHest la sym´etrie vectorielle orthogonale par rapport `aH.
Si uest un vecteur unitaire orthogonal `a H, pour tout ´el´ement xdeE: sH(x) =x−2< x, u > u .
C 49
Recherche pratique d’une projection orthogonale (E, < ., . >) est un espace vectoriel euclidien (ou un pr´ehilbertien....).Ceci donne un syst`eme lin´eaire dep´equations `a pinconnues que l’on r´esout.
Ce syst`eme s’´ecrit matriciellementAX=B o`u A= (< ui, uj >),X =
(u1, u2, . . . , up)). Le syst`eme admet donc une solution et une seule (ce qui n’est pas un scoop...).
I Ne pas oublier de regarder au pr´ealable si F est un hyperplan. Dans ce cas on d´etermine pF⊥ (F⊥ est une droite vectorielle...) et on utilisepF = IdE−pF⊥.
C 50
Th´eor`eme de meilleure approximationSoitF un sous-espace vectoriel de l’espace vectoriel euclidien E etpF (resp. pF⊥) la projection orthogonale surF (resp. F⊥).
Soitxun ´el´ement deE.
1. • ∀z∈F, ∥x−pF(x)∥6∥x−z∥.
• Sit est un ´el´ement de F tel que :∀z∈F, ∥x−t∥6∥x−z∥alorst=pF(x).
2. Autrement dit Min
z∈F∥x−z∥ existe et vaut ∥x−pF(x)∥. De plus pF(x) est l’unique ´el´ement de F qui r´ealise ce minimum.
pF(x) est donc l’unique ´el´ement deF tel qued(x, F) =∥x−pF(x)∥.
La projection orthogonale dexsurF est la meilleure approximationdexpar un ´el´ement de F.
3. d2(x, F) =∥x−pF(x)∥2=∥x∥2− ∥pF(x)∥2=∥x∥2−< x, pF(x)>=∥pF⊥(x)∥2.
C 51
La formulation du programme... Caract´erisation de la projection orthogonale par minimisation de la norme.SoitF un sous-espace vectoriel de l’espace vectoriel euclidien E et pF la projection orthogonale surF. xety sont deux ´el´ements deE.
y=pF(x)⇐⇒y∈F et∥x−y∥= Inf
z∈F∥x−z∥ ou y=pF(x)⇐⇒y∈F et∥x−y∥= Min
z∈F∥x−z∥.
C 52
M´ethode des moindres carr´es.A est un ´el´ement de Mn,p(R) etB un ´el´ement deMn,1(R). On suppose que le rang de A est p .
∥.∥ est la norme deMn,1(R) associ´ee au produit scalaire canonique.
1. Min
X∈Mp,1(R)∥AX−B∥ existe.
2. Il existe un unique ´el´ement X0 deMp,1(R) tel que ∥AX0−B∥= Min
X∈Mp,1(R)∥AX−B∥. 3. tAAest inversible.
4. X0= (tAA)−1(tAB) outAAX0=tAB.
C 53
Caract´erisations des matrices sym´etriquesSoitAune matrice de Mn(R). < ., . >est le produit scalaire deMn,1(R).
1. ∀X ∈ Mn,1(R), ∀Y ∈ Mn,1(R), < AX, Y >=< X,tAY >.
2. Les assertions suivantes sont ´equivalentes.
i) Aest sym´etrique.
ii) ∀X ∈ Mn,1(R), ∀Y ∈ Mn,1(R), < AX, Y >=< X, AY >.
iii) ∀X ∈ Mn,1(R), ∀Y ∈ Mn,1(R), tY AX=tXAY.
C 54
Caract´erisation des endomorphismes sym´etriquesE est de dimensionn(n∈N∗),B= (e1, e2, . . . , en) est une base deE etf un endomorphisme deE.
f est sym´etrique si et seulement si : ∀(i, j)∈[[1, n]]2, < f(ei), ej >=< ei, f(ej)>.
C 55
Caract´erisation fondamentale des endomorphismes sym´etriquesE est de dimension n(n∈N∗),B= (e1, e2, . . . , en) est une base orthonorm´ee deE et f un endomorphisme de E.
f est un endomorphisme sym´etrique deE si et seulement si sa matriceAdans la baseBest sym´etrique (tA=A).
C 56
L’ensemble des endomorphismes sym´etriques deE est un sous-espace vectoriel deL(E).Si E est de dimensionnnon nul, l’ensemble des endomorphismes sym´etriques deE est un sous-espace vectoriel de L(E) de dimension n(n+ 1)
2 ·
C 57
Sif est un endomorphisme sym´etrique et bijectif deE,f−1est un endomorphisme sym´etrique (et bijectif) deE.C 58
f est un endomorphismesym´etriquedeE.Si F est un sous-espace vectoriel deE stable parf,F⊥ est stable parf.
C 59
Soitf un endomorphisme sym´etrique de l’espace pr´ehilbertienE .• Kerf et Imf sont orthogonaux.
• (Imf)⊥ = Kerf et Imf ⊂(Kerf)⊥.
C 60
Soitf un endomorphisme sym´etrique d’un espace vectoriel euclidien E.• (Imf)⊥= Kerf et Imf = (Kerf)⊥.
• Kerf et Imf sont suppl´ementaires et orthogonaux.
C 61
Caract´erisations des projections orthogonales again 1. pest une projection (ou un projecteur) de E.pest une projection orthogonale (ou un projecteur orthogonal) si et seulementpest un endomorphisme sym´etrique.
2. pest un endomorphisme deE (ou une application deE dansE...).
pest une projection orthogonale deE si et seulement sipest un endomorphisme sym´etrique deE v´erifiantp◦p=p.
3. Aest une matrice deMn(R).
A est la matrice d’une projection orthogonale si et seulement siAest sym´etrique et v´erifieA2=A.
C’est un ”+” du programme 2014.
C 62
Soitf un endomorphisme sym´etrique deE.1. Les sous-espaces propres de f sont deux `a deux orthogonaux.
famille (uk)16k6p est une famille orthogonale deE.
C 63
Le th´eor`eme fondamental sur la r´eduction des endomorphismes sym´etriques.Soitf un endomorphisme sym´etrique deE espace vectoriel euclidien de dimension finie non nulle . 1. f est diagonalisable.
2. Mieux, il existe une base orthonorm´ee deE constitu´ee de vecteurs propres de f (doncf se diagonalise dans une base orthonorm´ee).
C 64
Aest une matrice sym´etrique deMn(R) 1. Les valeurs propres deAsont r´eelles (SpRA= SpCA).2. Les sous-espaces propres de Asont deux `a deux orthogonaux.
3. Si (Xk)16k6p est une famille de vecteurs propres de Aassoci´es `a des valeurs propres deux `a deux distinctes alors la famille (Xk)16k6p est une famille orthogonaleMn,1(R).
C 65
Le th´eor`eme fondamental sur la r´eduction des matrices sym´etriques deMn(R).A est une matrice sym´etrique de Mn(R).
1. Aest diagonalisable.
2. Mieux, il existe une base orthonorm´ee deMn,1(R) constitu´ee de vecteurs propres deA.
3. Il existe une matrice orthogonale P deMn(R), telle queP−1AP =tP AP soit diagonale.
C 66
L’aspect pratique de la r´eduction des endomorphismes sym´etriquesf est un endomorphisme sym´etrique d’un espace vectoriel euclidienE de dimensionnnon nulle.
On obtient une baseorthonorm´eedeE constitu´ee de vecteurs propres def en concatenant une baseorthonorm´ee de chacun des sous-espaces propres de f.
C 67
L’aspect pratique de la r´eduction des matrices sym´etriques SoitAune matrice sym´etrique deMn(R).1. On obtient une base orthonorm´ee de Mn,1(R) constitu´ee de vecteurs propres de A en concatenant une base orthonorm´eede chacun des sous-espaces propres deA.
2. SiBest une base orthonorm´ee deMn,1(R) constitu´ee de vecteurs propres deArespectivement associ´es aux valeurs propres α1,α2, ...,αn et siP est la matrice de passage de la base canonique deMn,1(R) `a la baseBalors :
• P est une matrice orthogonale.
• tP AP =P−1AP est la matrice diagonale Diag(α1, α2, . . . , αn).
C 68
SoitA une matrice sym´etrique deMn(R). Soit (X1, X2, . . . , Xn) une base orthonorm´ee deMn,1(R) con-stitu´ee de vecteurs propres deArespectivement associ´es aux valeurs propresα1,α2, ...,αn.A=
∑n k=1
αkXktXk
C 69
1. SoitAune matrice sym´etrique deMn(R).Ainsi il existe une matrice orthogonale P de Mn(R) et une matrice diagonale D = Diag(α1, α2, . . . , αn) telle que
tP AP =P−1AP =D.
On note, pour toutj ´el´ement de [[1, n]],Cj laj`eme colonne deP.
Alors (C1, C2, . . . , Cn) est une base orthonorm´ee de Mn,1(R) constitu´ee de vecteurs propres de A respectivement associ´es aux valeurs propresα1,α2, ...,αn.
2. Variante D = Diag(α1, α2, . . . , αn) est une matrice diagonale de Mn(R) et P est une matrice orthogonale de Mn(R). On poseA=P DtP.
A est une matrice sym´etrique de Mn(R) et les colonnes de P constituent une base othonorm´ee B de Mn,1(R), de vecteurs propres de Aassoci´es aux valeurs propres (α1, α2, . . . , αn). P est la matrice de passage de la base canonique deMn,1(R) `a B.
C 70
D´ecomposition spectrale d’une matrice sym´etrique.S est une matrice sym´etrique deMn(R). λ1,λ2, ...,λp sont ses valeurs propres distinctes.
Pour tout ´el´ementkde [[1, p]] on notePk la matrice, dans la base canonique deMn,1(R), de la projection orthogonale fk deMn,1(R) sur le sous-espace propre SEP (S, λk) deS associ´e `a la valeur propreλk.
Montrer que
∑p k=1
Pk=In et queS=
∑p k=1
λkPk.
C 71
Matrice sym´etrique positiveSoitS une matrice sym´etrique deMn(R). Les propri´et´es suivantes sont ´equivalentes.
i)∀X ∈ Mn,1(R), tXSX>0.
ii) Les valeurs propres deS sont positives ou nulles.
C 72
Matrice sym´etrique d´efinie positiveSoit une matrice sym´etrique deMn(R). Les propri´et´es suivantes sont ´equivalentes.
i)∀X ∈ Mn,1(R), X̸= 0Mn,1(R)⇒tXSX >0.
ii) Les valeurs propres deS sont strictement positives.
Niveau 2
C 73
Encadrement de Rayleigh SoitS une matrice sym´etrique deMn(R).Soitαsa plus petite valeur propre et soitβ sa plus grande valeur propre.
∀X∈ Mn,1(R), α∥X∥26tXSX=< SX, X >6β∥X∥2 ou ∀X ∈ Mn,1(R)− {0Mn,1(R)}, α6tXSX
tXX 6β . Mieux :
Min
X∈Mn,1(R)−{0Mn,1 (R)} tXSX
tXX =α et Max
X∈Mn,1(R)−{0Mn,1 (R)} tXSX
tXX =β
C 74
Matrice sym´etrique positive againSoitS une matrice sym´etrique deMn(R). Les propri´et´es suivantes sont ´equivalentes.
i)∀X ∈ Mn,1(R), tXSX>0.
iii) Il existe une matriceAdeMn(R) telle queS=tAA.
C 75
Matrice sym´etrique d´efinie positive againSoit une matrice sym´etrique deMn(R). Les propri´et´es suivantes sont ´equivalentes.
i)∀X ∈ Mn,1(R), X̸= 0Mn,1(R)⇒tXSX >0.
ii) Les valeurs propres deS sont strictement positives.
iii) Il existe une matriceinversibleAdeMn(R) telle queS=tAA.
C 76
Adjoint d’un endomorphismeB = (e1, e2, . . . , en) est une base orthonorm´ee de l’espace vectoriel euclidien E et f est un endomorphisme de E de matriceA dansB.
f∗ est l’endomorphisme deE de matricetAdansB.
1. f∗ est l’unique endomorphisme deE v´erifiant∀(x, y)∈E2, < f(x), y >=< x, f∗(y)>. f∗ est l’adjoint de f . 2. SoitF un sous-espace vectoriel de E. F est stable parf si et seulement siF⊥ est stable parf∗.
3. Kerf∗= (Imf)⊥ et Imf∗= (Kerf)⊥. 4. (f∗)∗=f∗∗=f.
5. Sif est un automorphisme,f∗est ´egalement un automorphisme et (f∗)−1= (f−1)∗.
6. Sig est un second endomorphisme deE: (λf)∗=λ f∗, (f+g)∗=f∗+g∗ et (f ◦g)∗=g∗◦f∗.
7. Spf∗= Spf. ∀λ∈Spf, dim SEP (f, λ) = dim SEP (f∗, λ). f etf∗ sont simultan´ement diagonalisables.
8. Ker(f∗◦f) = Kerf et Im(f◦f∗) = Imf.
9. f◦f∗ (resp. f∗◦f) est un endomorphisme sym´etrique dont les valeurs propres sont positives.
C 77
Endomorphisme orthogonal• f est un endomorphisme d’un espace pr´ehilbertienE.
f est un endomorphisme orthogonal si ∀(x, y) ∈ E2, < f(x), f(y) >=< x, y > autrement dit si f conserve le produit scalaire.
• f estune applicationd’un espace pr´ehilbertien Edans lui mˆeme. Les assertions suivantes sont ´equivalentes.
1. f est un endomorphisme orthogonal.
2. f est un endomorphisme v´erifinant∀(x, y)∈E2, < f(x), f(y)>=< x, y >.
3. f v´erifie∀(x, y)∈E2, < f(x), f(y)>=< x, y >.
Notons que 3. donne la lin´earit´e def.
• f est un endomorphisme d’un espace pr´ehilbertienE.
f est un endomorphisme orthogonal si et seulement si∀(x, y)∈E2, ∥f(x)∥=∥x∥autrement dit si et seulement sif conserve la norme.
• f est un endomorphisme orthogonal d’un espace pr´ehilbertienE.
1. f est injectif (mais pas n´ecessairement surjectif).
2. SiF est un sous espace vectoriel deEstable parf,F⊥ est stable parf.
3. Sig est un second endomorphisme orthogonal deE,g◦f est un endomorphisme orthogonal deE.
4. Les seules valeurs propres (r´eelles ! !) possibles def sont−1 et 1.
• f est un endomorphisme orthogonal d’un espace vectorieleuclidien E.
f est un automorphisme de E etf−1 est un automorphisme orthogonal deE.
• f est un endomorphisme d’un espace vectorieleuclidien E de de dimensionnappartenant `a N∗. Les assertions suivantes sont ´equivalentes.
i)f est un endomorphisme orthogonal.
ii) Il existe une base orthonorm´ee deE qui se transforme parf en une base orthonorm´ee deE.
iii) Toute base orthonorm´ee deE se transforme parf est une base orthonorm´ee deE.
• f est un endomorphisme d’un espace vectorieleuclidien E et Aest la matrice def dans une baseorthonorm´ee deE.
f est un endomorphisme orthogonal si et seulement siAest une matrice orthogonale.
• On note B = (e1, . . . , en) une base orthonorm´ee de E et on consid`ere un endomorphisme f orthogonal dont la matrice dans la baseB est not´eeA. On poseA= (ai,j)16i,j6n.
∀(i, j)∈[[1, n]]2, ai,j ∈[−1,1] et |
∑n i=1
∑n j=1
ai,j|6n et n6 ∑n
i=1
∑n j=1
|ai,j|6n√ n.
C 78
Racine carr´ee sym´etrique et positive (resp. d´efinie positive) d’une matrice sym´etrique et positive (resp. d´efinie positive) de Mn(R)Si S est une matrice sym´etrique de Mn(R) dont les valeurs propres sont positives ou nulles (resp. strictement positives), il existe une matrice sym´etrique T de Mn(R) dont les valeurs propres sont positives ou nulles (resp.
strictement positives) et une seule telle que T2=S.
C 79
Matrice d’un produit scalaireSoitB= (e1, e2, . . . , en) et B′= (e′1, e′2, . . . , e′n) deux bases d’un espace vectoriel euclidienE.
• La matriceA= (< ei, ej>) deMn(R) est la matrice du produit scalaire< ., . >.
• Sixety sont deux ´el´ements deE de matricesX etY dansB,< x, y >=tXAY.
• Aest une matrice sym´etrique dont les valeurs propres sont strictement positives.
• SiA′ est la matrice de< ., . >dansB′ et si P est la matrice de passage deB`aB′:A′=tP AP.
•Une matriceC deMn(R) est la matrice d’un produit scalaire si et seulement si elle est sym´etrique `a valeurs propres strictement positives.