~- --...

~ . . ,
~ ,,-... 1"""""'0.., ""'"'_.I""" .~ ~ r<. ..-.... ~.. ~ .-.....,~ ....~ ,,-.., ~ ~ .....---... . ~ J~ r-'- ,.--.. ~ r>, r>. /""'. ..-.... ",-... ~. ~ r', r'- ~ ,t"'-""'. r"'
" -
. .
 (
(

(
Edit~s par lei Pre~s poly techniques romandes
(
(documentation detaillee sur demande aux.
( Presse,s polytechniques romandes, .
EPFL-Centre ~idi, CH-I015 Lausanne, Suisse).
" (
Calcul diff'rentiel et intepat

( Jacques Douchet et Bruno Zwahlen

( 1. Fonctionsreelles d'une variable ;eelle

2. Fonctions reellea de plusieurs .

( variables reelles

( 3. Bxercices ' Preface

(parution 1987)
Analyse non standard

Alain Robert
L'enseignement de l'algebre line-ire s'est eonsiderablement develop'" au
cours des' deux dernieres deeennies, De nos jours, presque toutes lea sections
, , Algebre ~&jre, tomes 1 et 2
R. Cairoli . d'etudes scientifiques et techniques, et notamment lea sections d'inaenieurs.
incluent l'algebrelineairedans la formation de-basede leurs etudiants. Un ouvrage
Initiation aux probabilites
qui s'ajoute aux nombreux deja existants dans la litterature peut done encore sc
Sheldon M. Ross
justifier et pretendre repondre a des exigenees restees insatisfsites.
A l'exeeption de quelques-uns, les 'sujets developpes dans ce livre sont
classiqueset servent norrnalement de base a la realisation de tout livre d'algebre
lineairede memeniveau. Ce qui diatinguecelui-ei des autre! reside dans l'arrange
ment de la matiere et surtout dans sa presentation, qui ernprunte beaucoup i la
geometrie ordinaire et vise a developper chez I~ lecteur une comprehension intui
tive. Un autre element distinctif est certainement la place aecordee i la notion
(
d'espace affine et i l'etude de la geometrie affine Ii plusieurs dimensions.
Dans l'elaboration de la matiere, l'auteur s'est prevalu de l'experienee de
plusieursanneesd'enseignement ades sections d'ingenieurs de l'Ecole polytechni
que federate de Lausanne.'C'est a travers eette experience que l'exposition pure
ment fonnelle concue initialement a cede la place Ii un discours plus parle er,
oserait-on dire, plus humain.
( Conscientdu fait que lesconcepts abstraits ne deviennent clairs qu'j travers
(
lesexemples, l'auteur s'est constamment soucie de favoriser la comprehensionpar
des motivations, des commentaires et des illustrations.
( Outre creer les conditions propiees Ii une meilleure assimilation des theore
Si vous desirez etre tenu au courant mes et des techniques de calcul de l'algebre line-ire, eet ouvrage veut inciter le
'( des publications de l'editeur de cet

.ouvrage, envoyez vos nom, prenorn et

leeteur a un travail de recherchepersonnel. Quelques-unsdes nombreux exercices
( adresse aux Presses poly techniques romandes
places a la fin de chaque chapitre ont pour butd'encourager une telle activite.
(EPFL-Centre Midi, en -1015 Lausanne,

( S~is,se) qui VOU! enverront leur catalogue

Ce livre a ete ecrit a I'intention des etudiants du premier cycled'etudes des
general. . .

eccles d'ingenieurs de niveau universitaire, mais it s'adresse egalement aux etu

(
diants en rnathematique et en physique orientes yen les applications, II peut en
( ISBN 2-88074-111-4
outre venir en aide aux scientifiques a la recherchede methodes algebriques leur
Composition et impression Schiller SA. 2SOQ Rienne

( C 1987. Presses polytechniques romandes

permettant 'd'apporter des elements de reponse aux problemes qu'ils rencontrent,
CIIIOIS Lausanne
ainsiqu'aux maitresdu degre secondairedesireuxde savoir versqnels programmes
Tons rlrn;t~ r;'~('rv;'f:.
.S
 (
Remerciemeats {'
(
Je remercievivernent Monsieur Jean-Claude Evard de l'interet constant qu'il "",-

a apporte a la realisation de eel ouvrage. Ses critiques et ses suggestions m'ont Conventions (
permis d'ameliorer la presentation de nombreux points delicats du texte. (
Je remercie Monsieur Laurent Perruchoud d'avoir lu plusieurs parties du <{
manuscrit er de m'avoir signale quelques imprecisions. 1. Decoupage du texte
Je remercie egalemem Monsieur Claude El-Hayek d'avoir controle la ver (
Ce livreest divise en deux tomes. Chaque tome se compose de cinq chapitres
sion definitive' 'u manuscrit, Monsieur Klaus-Dieter Semmler d'avoir realise les
numerotes respectivement de I a 5et de 6 a 10. Le second tome contient en outre (
figures representant les quadriques, Monsieur Jean-Francois Casteu d'avoir effec
un appendice repere par la lettre A. Chaque chapitre est divise en sections et (
rue les dessins et Madame Pascale Deppierraz po,:!r la competence avec laquelle
chaque section en paragraphes. Les sections sont reperees par une double numero-.
eUe s'est occupee des problemes d'edition. (
tation et les paragraphes par une triple numerotation, Par exemple, 1.2 renvoie a
la deuxieme sectiondu septieme chapitre et 7.2.4 au quatrierne paragraphe de cette (
section. La derniere section de chaque chapitre rassemble les exercices sur la
(
matiere traitee dans Ie chapitre. Ces exercices sont numerotes de larneme facon
que les paragraphes. Ainsi, 7.4.11 designe Ie onzieme exercice de la quatrieme (
section du septiemechapitre. Les figuressont reperees par I'abreviation Fig. suivie , (
... de deux nombres, Ie premier indiquant Ie chapitre et Ie deuxieme la figure.. Par .
:exemple, Fig. 1.3 designe la troisieme figure du septieme chapitre. (
(

2. Conventions sur les nombres (

Les lettres Ret ce designeront respectivement Ie corps des nombres reels et

(
Iecorps des.nombrescomplexes. Tout au long des dix chapitres de ce livre, le terme
(
nombre aura Ie sens de nombre reel. Dans I'appendice consacre a l'extension
(
de certains resultats aux nombres complexes, it sera precise dans queUes circons

tances.le tenne nombresprendra la signification de nombre complexe, (

Les nombres seront generalement designeepar des lettres grecques minuscu

(
les telles que a, P, y, A., JI., v, ou par des lettres latines minuscules telles que a, b,

c, d. Les nombres entiers seront appeles plus simplement entiers. lis seront designee (

par des lettres latines minuscules telles que n, k, i, i. I, m.

(
Nous dirons qu'un nombre est positif (negatif) s'il 'est superieur (inferieur)
a zero. Nous dirons qu'il est non- negatif s'il est superieur ou egal a zero.
(
,C

3. Avertissement concernant I'emploi des adjectifs Dumeraux (

Tout au long de ce livre, par deux, trois, ..., n objets, nous entendrons (sauf (
mention explicite du contraire) deux, trois, ..., n objets distincts. {
(
4. Families d'eJements d'u~ ensemble (
Dans celivre, nous appelleronsfamil/efinie d'elernents d'un ensemble E tout .(
n-uplet (ordonne) d'elements de E, c'est-a-dire tout element du produit cartesien
(
(
{
 z Conventions
(

\ E" =, E X Ex ... X E (afois). Nous designerons les families tinies par Ie symbole
( (xI' X2' .~., x,,) et dirons que X; est Ie i-iemeterme ou Ie termed'indice i. Nous dirons
en outre que I'ensemble {I, 2,. .:., n} est t" ensemble d'indices.
(
On remarquera que' notre definition n'exclut pas que X; = xj pour des indices Table des matieres
( ; et j differents, ni merne que X; = x pour tout indice i, X designant un element de
j (
E; 0" remarquera encore que (XI' X2' .., x,,) = (x], xi, .., X;) si et s~ulement si
XI == xi, X2 = xi, ..., x" ~ x~.
( a a
Nous ap~lIerons les families deux et trois termes respectivement 'couples
TOME I
( et triplets.
Lesfamilles,infinies(ou suites) sont definies similairement en prenant comme
ensemble d'indices I'ensemble des en tiers positifs. Elles seront designees par Ie
Conventions
symbole (XI' X2' . ). Precisons toutefois qu'elles apparaitront tres rarement dans
ce livre. '
Chapitre I Espaces vectoriels et espaces affines
a
Ajoutons quelques lignes decomrnentaire la notion de famillefinie, Dans,
l'etude de nombreuses questions, telles l'independance lineaire ou la generation de 1.1 Un modele d'espace vectoriel . . . . . . 7
'sous-espaces ou l'orthogonalite, l'incorporation d'un ordre Ii la definition de 1.2 Definition de la notion d'espace veetoriel 10
famille finie est inutile. A ce type de questions, les families non ordonnees, 1.3 Exemples d'espaces vectonels . . . . . . 12
c'est-a-dire les applications d'un ensemble tini I dans E (notees habituellement par 1.4 Combinaisons lineaires, sous-espaces vectoriels,
(x;)ie/) conviennent parfaitement. Par contre, dans d'autrescontextes, notamment , families generatrices . . . . . . . . 15
dans certaines relations avec les matrices (en raison de leur representation, sous la 1~5 Dependance et independence lineaires 19
forme de tableaux) ou dans des questions concernant I'orientation, l'ordre de 1.6 Bases d'un espace vectoriel . '. . . . 22
disposition des termes de la famille joue un role important. Dans ce livre, par souci , 1~ 7 ' Dimension d'un espace vectoriel . . . . . 24
de simplicite, no us n'avons pas juge necessaire d'utiliser deux notions de famille ].8 Retour aux sous-espaces vectoriels, semmes directes . 27
finie. Le lecteur interesse pourra facilement deceler de lui-meme les parties qui 1.9 Espaces affines. . . . . . . . . . . . . . . . . 31
s'enoncent plus naturellement en termes de families finies non ordonnees. ].10 Sous-espaces affines, parallelisme . 34

].11 Reperes, representation parametrique, 'geometrie analy \

tique affine 37
1.12 Exercices . . . 41
, (
Chapitre 2 . Espaces vectoriels euclidiens et espaces affines euclidiens

2.1 Produit scalaire dans l'espace vectoriel geometrique 47

2.2 Espaces vectoriels euclidiens " . 50
2.3 Orthogonalite . . . . . . . . . 53

2.4 lnegalites, angles . . . . . . . 57

2.5 Espaees vectoriels euclidiens de dimension finie 59
(
2.6 Projection orthogonale et meilleure approximation . 61
( 2.7 Produit vectoriel et produit mixte 66
, ( 2.8 Espaces affines euclidiens 73
2.9 Exercices . . . . . . . . 83

('

\ Chapitre 3 Systemes lineaires

( 3.1 ,I;>efinitions 'et exemples .' . . . . . 89

(
3.2 Existence et unicite des solutions . 92

I
 (
3.3 Matricc . echelonnees . . . . . . . . . . . . . . . 94 7.2 Classification des transformations orthogonales (
3.4 Methode de resolution de Gauss . . . . . . . . "
3.5 Structure et dimension de I'ensemble des solutions .
100
105
a
a deux et trois dimensions. 52, (
7.3 Isometries, similitudes . . . . . 60
3.6 Exercices . . . . e : " 108 7.4 Exercices . . . . ~ . 65 (
(
Chapitre 4 Algebre matricielle
Chapitre 8 Valeurs propres et vecteurs propres
4.1 Operations sur les matrices ... . . . . . . . . .
"\.
III 8.1 Exemples preliminaires . . . . . . . . . ... . . . 69
4.2 Matrices inversibles . . . . . . . . . . . . . . . '
fl9 8.2 Definitions et premieres conseq uences . . . . . . . 74 \~
4.3 Matrices carrees particulieres . ' . . . . . . . . . . 124 77 . (
8.3 Formulation matricielle, polynome caracteristique . .
4.4 Retour aux operations elementaires . . . . . . . . 126 8.4 Reduction a la forme diagonale . . . . . . . . . . 82 (
4.5 Fonctions matricielles . . . . . . . . . . . . . . 128 8.5 Reduction des applications lineaires non diagonalisables 87
4.6 Matrices de transition . . . . . . . . . . . . . . 130 (
8.6 Transformations et matrices syrnetriques . . . . . . 93
4.7 Exercices . . . . . . 133 8.7 Application aux systemes differentiels . . . . . . . 98 (
8.8 Exercices . . . . . . . . . . . . - . . . . . . . . 107 (
Chapitre 5 Determinants
Chapitre 9 Formes bilineaires symetriques (
5.1 Definition er proprietes des determinants 137
5.2 Demonstrations des proprietes des determinants 143 9.1 Reduction des formes bilineaires symetriques 113 (
5.3 Developpements, formule de Cramer 146 9.2 Formes bilineaires symetriques definies positives . 118 (
5.4 Exemples et remarques diverses 150 9.3 Reduction simultanee . 123 (
5.5 Exercices . . . . . . . . 154 9.4 ,Exercices . . . . . . . 126
, (

Chapi tre 10 Quadriq ues . (

'10.1 Equation generale d'une quadrique . 129 (
TOME 2 10.2 Centrage . . . . ~ . . . . . . . . . . . . 131
, (
10.3 Reduction de l'equation d'une quadrique a'centre 133
10.4 Reduction de l'equation d'une quadrique sans centre. 137 (
Conventions 'I 10.5 Exemples de reduction . . . . . . . . . . . . . . 140 (
10.6 Representations parametriques 142
Chapitre 6 (
Applications lineaires et applications aftines ' 10.7 Exercices ,'. . . . . . . . . 145
(
6.1 Generalites . . . . . 7 Appendice Extension aux scalaires complexes ,(
6.2 Applications lineaires . 10
6.3 Noyaux et images . . 15 A. 1 Espaces vectoriels com plexes 149 (
6.4 Operations sur les applications lineaires . . 18 A.2 Systemes lineaires, matrices et determinants 152
6.5 Representation matricielle d'une application lineaire . A.3 Applications lineaires . . . ! . . . . . . 153 (
21 ...

6.6 Changements de base. . . . . . . . . . . . . '27 A.4 V,aleurs propres et vecteurs propres 154 (
6.7 Applications affines . . . . . 32 A.5 Transformations nonnales 158
(
6.8 Exercices . . . . '. 41 A.6 Formes sesquilineaires hennitiennes 161
A.7 Exercices . . . . . . . . . ., . . . 165 (
Chapitre 7 Transformations et matrices orthogonales, isometries, (
similitudes
(
7.1 Transformations et matrices orthogonales . 47
(
(
(
 ~.

(
( CHAPITlt.B 6

( Applications Iineaires

c et applications affines

(
(
6.1 GENERALITES'
(
(
6.1.1 Appllcltto.

On appelle application d'un ensemble E dans un ensemble F, o~ foneuo

definie dans E et i valeur! dans F, une relation entre elements de E el elements
0

( de F qui associe i chaque element de E un et un leul c.ement de F. On dit que E

est I'en..femble de. depart et FI'ensnnble d'tl"'. de "appllcation. NOdS designerons
(
les applications par les lettres grecques e, fI, X, ., fl. Les applications 8 valeur dans
( R (autrement dit, les fonctions reelles) seront elalement notees par des lettres
.. ( latines minuscules telles que I.au g.

Tout au long de cette section, E, F, G et H designero~t des ensembles.

I
'( .. I I
Soit , une application de ~ dans F. Pour tout element .l' de E, ,(x) designe
( l'element de F associe i x par l'application ,. On dit que f'(wt) est rimagf' de x par
tp, ou la viJ/~u, de, en x. Lorsqu'on sail ecrirt explicitement l'image ,(x) de chaque
element x, l'application , sera designee egalement par .1' ..... 9'(.,}.
Soit 'II, de meme que " une application de E dans F. On dit que, et "sont
egales, et on ~rit , = " si fl{x) = ,"x) pour tout element .t de E.

-(
6.1.2 Exempl~ .
(

(
f a
(I) L'application e de E dans E qui assoeie tout element x de E l'element
x lui-meme est appelee application ide"tique, ou.ldentili, et est notee id E o

(
(2) Une application, de E dans Fest dite constonte si Ii tout element .t de
( E est associe un rneme element c de F. '
( (3) , est l'application de R 2 dans R 2

(
(
of
XI) --...
(Xl
(lx, ++ 3X
-XJ
2 )

2X2

( (4) , est l'application de R.2 dans R J

I + ~l .
(
Xx,-2
( [::J -...
[
. xI ~~
(
(
 (
(5) II est l'application de (,'10, I) .dans R , 6.1.6 Applications iojectives, surjeetives, bij~tives (
On dit qu'une application lp de E dans Fest injectivesi lp(xI) ~ ,<x:z> chaque (
I

f --0 !f(t)dt.
fois que XI ~ x2' autrement dit, si des elements distincts ont des images distinctes, ( I

ou encore, si la relation qI(x I) == ~x:z> entraine x I = x2' On dit que lp est surjective
(6) Si '1' '2' ... "" sont des applications de E dans R, (
si IrnVJ = F, autrementdit, si tout element de Fest l'image d'au moins un element
'PI(X) de E. On dit que rp est bijective si rp est a la fois injective et surjective. En ~eneral, .(
"2(X) une application n'est ni injective ni surjective. L'application de l'exemple ~
,(
6.1.2 esttiliective, celle de l'exemple (4) est injective m~~_no~ s.urject~vet celle de
,

"x) = l'exemple (5) est surjective mais non injective. (

. (
,,,(X) ).
(
deflnit une application de E dans R". 6.1.7 InyenioD d'une appUcation bijectiYe
(
Si rp est une application bijective de E' dans F, I'application qui associe a
(
chaque element y de F l'unique element x de E dont it est l'image s'appelle
application inverse de fP et se note rp-I. On remarquera que ce symbole n'a de sens (
6.1.3 Elements iDYariaols, ~bles iovariaDtS,
. sous-eDSeDlbles stables
'
que si VJ est bijective, tandis que l'image reciproque tp-1(1) est definie pour toute , (
Soit , une application de E dans E. On dit qu'un element x de E" est invariant application rp. II est evident que fIJ~ I est une application 'bijective de' F dans E et ,
oU/ixe si fI{.t) = .r. ~n dit qu'un sous-enseinble S de E est invariant si tout element que (VJ-I)-I = rp. (
de S est invariant. On dit qu'un sons-ensemble S de E est stable si ,(~) appartient (
a S pour tOUI element .t de S. . (
6.1.8 Composition d'applicadons, , ,(
Soit ffJ une application de E dans F et VI une application de F dans G.
(
6.1.4 1m_leta directes L'application qui associe a chaque element x de E l'element VI(qJ(X de G s'appelle
application composee de rp et de VI et se note 'lJVJ Ainsi, (fJlorp)(x) = V'(VJ{x)) pour' (
SOil , une application de E dans F. On appelle image d'un sous-ensemble S
tout element x de E. "
de E, el on note 49<..\). l'ensem.~le {ye F: y = f'(x), xeS}. En gros, on peut done (
Soit, de. plus, X une application de G dans If. On verifie aussitot que
dire que ,(S) est l'ensemble des images des elements de S. Le symbole tp(S) peut (
l'operation de composition est associative:
paraitre abusif, mais il est utilise couramment. ~e lecteur prendra garde de ne pas
confondre f'{S) (sous.. ensemble de F) et ,(x) (element de F). On remarquera que XO(V'0lp) = (xufJI)ofP. (
lorsque F = E, l'inclusion ,(S) c S caracterise les sous-ensembles stables S de E. (
Cela nous permet d'omettre les parentheses et d'ecrire plussimplernent
L'image de E s'appelle egalement image de l'application , et se note IrnVJ.
(.
Par exemple, I'image del'applicauon , de l'exemple (4) de 6.1.2 est un plan de x- V'VJ.
l'espace affine R 1. '. (
Dans Ie cas particulier ou lp est une application de E dans. E, on note rpi l'applica
On appelle image d'une famille (XI' X2' ...) d'elements de E la famille ' {
tion composee ql0 fP o 0 rp (k fois),
(,(XI)' ,(Xl), ...) d'elements de F.
La verification des remarques suivantes est laissee comme exercice: . (
(I), Si tp et '" sont des applications de E dans E, l'application V'Q' est en
general differente de l'application lp0V'. (
(2) Si fP est une application 'bijective de E dans F, alors(l1-I~lp = idE et (
6.1.5 Imagel recjproqu~
rporp
-I
= 1idF' . . ,(
SOil" une application de E dans F. On appelle image reciproque d'un (3) Une application fJ de E dans F estJili.ective si et seulement s'il existe une
sous-ensemble T de F, et ~~ OQte ,':"1(1); l'ensemble {x E E: ,(x) E T}. En d'autres application VJ de F dans E telle que tpOlp = idE et lp~V' = idj , Dans ce cas, (
termes, tp'" len est l'ensemble des elements de E dont l'image appartient a T. '" = rp-I. (
(
( 1
 "pplI'-dllVII:t tI"\;C"I"~ \;. "1'1'"""IlIVII;'t UIIIII\.;'

.(
(
(4) Si rp est une application bijec~jve de E dans F et '1/ une: application 6.2.3 Remarques
( bijective de F dans G, alors "0'1 est une application bijective de E dans G et
{~ ;('1/0,)-1 = ,,-loy/-I. (1) En posant a. = (12 = 0 dans (6.1), nous voyons que "image du veeteur
.1 nul de E est Ie vecteur nul de F.
(
(2) Toute application lineaire , de E dans F jouit de la propriete suivante:
( pour toute famille (XI' x 2' .. , Xi) de vecteurs de E et toute famille (a l (X2' .... exl)
( 6.1.9 Addition et multipleadon par un sealaire de nombres,

{ Soit qJet VI des applications d'un 'ensemble E dans un espace vectoriel F. On qJ(a.x. + (l2X2 + ... +. alxl) = Q,f'(x,) + cx2f(xz> + ... + cx,f'{Xt). (6,3)
appetle somme de tp et VI, et on note, + VI, I'application qui associe a chaque
( La verification se fa.i! par recurrence sur k, en partant de (6.1).
element x de E Ie vecteur rp(x) + tp(x) de F. On appelle produit~ nombre l par
( rp, et on note lqJ, l'application qUI associe achaque element x de E Ie vecteur ltp(x) (3) Soit (xI' x2' ...~ xl) une famille genera trice de E. Toute application
( de F. Ces deux operations sont appelees respectivement addition et multiplication lineaire rp de E dans F est determinee par l'image (,(311), .,(12)' .... fl(x t de
par un scalaire. Elles munissent I'ensemble des applications de E dans F d'une . (XI' x 2' x,). En effet, tout vecteur x de E s'ecrit sous la forme
( structure d'espace vectoriel, .
(
x = a,x. -+ CX 2X2" + ... + CXtXt,

( d'ou il resulte, grace a (6.3), que

( ! qJ(x) = a,,(x.) + a2'P<~Z> + ... + cxlf'(xl)1

( Cela montre queles vecteurs ,(x l ), fJ{x2) , f(x,) determinent I'image de tout
6.2 APPLICATIONS LINEAIRES
II
I, vecteur x de E. \ ,
\ On peut dire egalement que rimage par, d'une ~amille generatrice de E est
. ( une famille generatrice de 1m".
( 6.2.1 Introduction
(4) .Soit , une application line-ire de E dans F. L'image par , de route
( La linearite de certaines operations definies au cours des precedents chapi famille liee (x" "2' ... , XI) devecteurs de E est une famille liee de vecteurs de F.
trestle produit scalaire, par exernple) s'est revelee riche de possibilites. Nous allons Cela resulte de (6.3) et la remarque (I).
(
a present aborder I'etude systematique de cette propriete et montrer Ie" rale impor
( tant qu'elle joue aussi bien en algebre qu'en geometrie..

( 6.2.4 Proposition
(
SO;I E un espace vectorieldedimensionfinie non nullen f't F un espace vectoriel
( 6.2.2 ApplJcatio. lineaires de dimension finie ou infint. Soit en outre (el , e2, , til) unl' base de E: Pour tout
( On dit qu'une application ((J d'un espace vectoriel E dans un espace vectoriel [amille (y Y2' ..., y,,) de vecleur.f de F. II ~xu~ ",,~ lIPpi/ration l;n~Q;rr , ,. E don!
Fest lineaire si, pour tout couple (x.~ x2) de vecteurs de E et tout couple (a., a 2) F et une seule telle que (YI' Y2' .... YIr) est rimagt ,. (t, f 2..... e,,)~, ,.
(
de nombres, '
DEMONSTRATION
.c f'(alx, + a2x~ =' C(1rp(x.) + CX2VJ(:l~ (6.1)
Considerons l'application ip de E dans F definie par 18 fonnule
< , Cette condition s'exprime de maniere equivalente ainsi: 'pour tout couple
(XI' x~ de vecteurs de E et tout nombre a, qJ(x) = \'IY' + x2Y2 + ... + x"J,.,
r
OU XI' x2' ... , X" sont les composantes de x dans la base (e l t2~ .... e,,). Vu la
~ f'(X. + ,X2) , = qJ(x l) + 9'{x:J et f'(cxx.)::; cxq.(x.).
En d'autres termes, tine application "est lineaire si elle conserveles opera
(6.2)
proposition 1.6.5, , est lineaire, En outre, 'fJ{e,) = 'I
pour; = I. 2... n.
Afin d'etablir l'unieite, designons par" une application lineaire de E dans
tions d'addition'vectorielle et de ~uJtiplication par un scalaire. ~telle que ",(e i ) = y; Pour i = 1,2, .. "~. Soit s un vecteur quelconque de Eet x"
 (
'~2' ....l. ses composantes dans la base.(el , e2' ..., e,J. D'apres (6.3), (5) Soit S un plan vectoriel d'un espace vectoriel E de dimension 3. Soit (

",(x) = x.'(e.) + + ... + x"tp(e,)

x2V'(ez}
a
(VI' v2) une base de S, v) un vecteur n'appartenant pas Set D 1a droite vectorielle (
engendree par '3' Par les propositions 1.8.4 et 1.7.9, (VI' v2' V3) est une base de E,
= x.Y. + X2Y2 +.... + x,.Y" = q(x),
(
done tout vecteur x de E s'exprime de maniere unique sous laforme
ce qui demontre que Y' = tp. ,(
x = Xl'l + X2'2 + x3')'
(
Pour tout nombre l, l'application de E dans E
6.2_~ t:xemples d'.ppl!catiolll Uaeaires (
x = XIV. + X 2'2 + + X2V2 + lX3 V3
X3'3 --:..... XI'. (6.8)
(
( I) D'apres la proposition 6.2.4. la donnee d'une application lineaire , de
est lineaire.On l'appelle dilatation relativement a S, de direction D et de rapport 1.
R" dans R equivaut a la donnee d'une famillede nombres (a l a2' .. , all) represen { )
n La dilatation de rapport 0 est appelee projection sur S parallelement a D et la
tantl'imalc de la base canonique de R-. L'image d'un vecteur quelconque de R . o(
dilatation de rapport -1 symhrie par rapportas parallelement Ii D (dans la figure i.

s'ecri. alon sous la forme . .

6.1, , designe la projection et fJI une dilatation). {
X.
(
X2
(
,( ) = a.x l + a2x2 + ... + a"xll (6.4)
(

XII
(
(
Les seules applications lineaircs de R dans R sont donc celles definies par
~x) =- ax. ou Q est un nombre quelconque fixe. ( '.

(2) L'application de R Z dans R) (

[;:) ~ [~. ~l [;:)-1 2

(6.5) . Fla- 6.1
'I

(
(
(

est lineaire. Plus generalement, si A'est une matrice de type m x n, I'application . (6) L'exemple (5) se generalise de la maniere suivante, Supposons qu'un
de R"dans R- espace vectoriel E soit .somme directe de deux sous-espaces vectoriels S et T .-<
differents de' to}. Nous avons vu dans 1.8.7 que tout vecteur .x de E s'ecrit de (
x ~ Ax (6.6)
maniere unique.sous la forme
( \
est lineaire,
X. = s + t, (6.9)
(
(3JSoit E un espace vectoriel euclidien et , un vecteur de E arbitrairement
ou s est un vecteur de S et t un vecteur de T. Pour tout nombre A, l'application
choisi. L'applicatiori de E dans R {
x -... (x I Y)
x = s + t -.. s + It (6.10) ( I
(6.7>'
est lineaire, O~ l'appelle dilatation relativement a S, de direction T et de rapport 1. (
est lineaire, en vertu de (b) de 2.2.2.
La dilatation de rapport 0 est appelee projection sur
S parallelement Q T er celle
(4) Pour tout nombre A., l'application d'un espace veetoriel E dans lui-merne de rapport "":'1 symetrie par rapport a S parallelement a T. . (

x ---. 'Ax
Si E est euclidien et T = Sl, on parle preferablement de dilatation ortho ( )
gonale aS, de projection orthogonalesur S (cf. 2.6.3) et de symetrie orthogonalepar
est lineaire, On l'appelle homotheue de rapport 4. L'homothetie de rapport I est rapport a S. ' ( I

l'application idemique idE' cellede rapport 0 estappelee applicationnulle, celie de On notera que ,2
= rp si (fJ est une projection et vi = idE (c'est-a-dire (
rapport - 1 symetrie centrale. fJ-I = 9') si , est une symetrie (cr. exercices 6.8.3 et 6.8.4). .
(
(
(
 ( )

(
14 Applications line-ires et 'applications affines Noy.ux et tmaaa IS
(
( I

\
a
Soit rp une dilatation relativement lC;~ de direction, Tet de rapport A. different En substituant Ii ,ex) son expression (6.11.), nous en concluons que
de 1. Soit en outre x un vecteur .invariant. A l'aide de la decomposition (6.9),
( . (x] n) (x I n)
l'egalite rp(x) = x s'ecrit sous la forme ",(x) = ,tx + (I - ,t)(x - - - , ) = x - (I - ,t)_._,. (6.12)
(vi n) .. (, I n)
(
S + At = s + t

(8) Les exemples (3) et (5) de 6.1.2 sont des, applications lineaires,
(

et entraine
(9) Une application constante est line-ire si et seulement si.la constante est
(,
At = t. Ie vecteur nul.
(
CommeI est different.de 1, it s'ensuit que t = 0, autrement dit que x est un vecteur (10) Un autre exemple tire de l'analyse(l'exemple (5) de 6.1.2 en est un) est
de S. Reciproquement, tout vecteur de 5 est manifestement invariant; ce qui nous l'application lineaire de C:II:~) dans C(II, b) qui associe i toute fonction continOment
permet de conclure que S est constitue de tous les vecteurs invariants. On appelle derivable r sa derivee t.
5 sous-espace invariant de la dilatation tp.
. II est par ailleurs evident que T est un sous-espace stable. De plus, tp(x) - x
est un vecteur non nul de T, pour tout vecteur x n'appartenant pas .3 5, ce qui
justifie I'expression de direction 1. A noter que, lorsque Test 'une droite
, vectorielle, une seule difference qJ( x) - x suffit determiner T. a 6.3 NOYAUX ET IMAGES
Les termes qui precisent la notion de dilatation De se justifient plus lorsque
Ie rapport A est egal 3 1, c'est-a-dire lorsque la dilatation est I'application identique
de E. Cela ne creera toutefois aucune confusion.
6.3.1 PropositiOn. Imagel dlrectes et "prequel de IOIB-eSp8CS 'fdorlels
( (7) Supposons que I'espace vectoriel Ede I'exemple precedent soit euclidien Soil " unt application li"ea;re d'un espac vectoriel E dons un espac
( ,. et de dimension finie non nulle et que S soit un hyperplan vectoriel de E de vecteur vectoriel F.
normal D. L'image d'un vecteur par une projection ou, plus generalement, par une (a) L'image tp(S) de loul sous-espace vectoriel S de E est un sous-espace vectort
( >
dilatation peut alors ~tre ecrite explicitement 3 l'aide du produit scalaire, comme 'deF.
nous allons le voir. (b) L'image reciproque ,-I(n de 10UI ~ow-espQce vectorielT de Fes! un .fOIlS-t.fPOCl'
a
La projection de x sur S parallelement une droite D engendree par un vectorielde E.
vecteur v n'appartenant pas a S est I'unique vecteur de la forme X,+ av tel que
(x + av I n) = O. II en decoule que ' . DEMONSTRAnON

( (x I n) As..sertion (a). Soit (11' '2) un couple de vecteurs de 9'< .5) et (a l ( 2) un couple
a = ---,
( " (vi n)" . de nombres. 11 existe des vecteurs XI et X2 de S tels que ,(x l ) = YI et fJ(x 2) ::: 12'
En outre, par la Iinearite de "
( doncque I'image de x par la projection tp sur S parallelement a D est
( rp(x) :;= x _ (x I n)
f'(CZI" I + a2"~) = al,(x l) + a 2,(x:z) = a"1 + 'a112'
(6.11)
( ,
(v In) v., ce qui prouve que aIYI + a 21 2 est un vecteur de ,(51, puisque a.xi + a 2x 2 est un
vecteur de S. Comme f'(51 n'est pas vide (le veeteur nul de F y appartient).. I.
( Notons maintenant que la decomposition (6.9) s'ecrit, de maniere equiva conclusion suit de la proposition 1.4.6.
lente, sous la forme '
( J
. Assertion (b). Soit (XI: x 2) un couple de vecteurs de ,'.' I( n et (a l (22) un
(
x = rp(x) + (x - tp(x. couple de. nornbres. Par la linearite de ,.

( \
L'image de x par la dilatation fII relativement a S, de direction D et de rapport A f'(alx l + Q2 XJ == al,(x l) + Cx2,(X2J,
est done
( ce qui nous montre que alx l + a 2x2 est un vecteur de puisque ,,--I(on.
V/(x) = tp(x) + A.(~ .,_. qJ(x)) = A~ ... (1 - A) f'{1'). + (%29'<1'2) est un vecteur de T. Comme ",-Iln n'est pas vide (Ie vecteur
cz,<p(x,)
( )
 ( \

(
6.3.2 a.... d'uoe applk~cioa liDealre Supposons que Kere se reduise a to} et considerons une Camille libre
(XI' X2' ..., xt ) de vecteurs de E. Par la linearite de tp, la relation (
Soil , une application lineaire d'un espace vectoriel E dans un espace
veetoriel F. D'apres la proposition 6.3.1, 1m, est un sous-espace vectoriel de F. a.fI(xl) + a2(P(x~ + ... + ak~xk) = 0 (
Lorsque ce sous-espace est de dimension finie, on appelle rang de tp, et on note rg tp, s'ecrit aussi sous la forme (
la dimension de lme. Vu la remarque (3) de 6.2.3, si (XI' X2' ..., Xk) est une famille
(
generatnce de E, le rang de " est donc egal au rang de la famille (~XI)' f'(xJ, ..., tp(alx l + Q2X2 + ... + akxk) =0
,,(x.)).
et entraine .
(
On notera que rg, = 0 si et seulement si , est l'applieation nulle. On notera (
egalement que Ie rang de VJ est de~ni si E ou F sont de dimension finie. alXI + CX2X2 + ... + akxk = 0,
Par e~emple, le rang de l'application (6.4) est 0 si tous les Q; sont nuls, I si
(
done a l = Q 2 = ... = Qk = 0, puisque (XI' x2' ..., xk) estune famille libre, ce qui
au rnoins un des a, est non nul; Ie rang de l'application (6.S) est 2; le rang de prouve que (,(x l), ,(xJ, ..., tp(Xk est une famille libre. Reciproquement, si Ker e (
I'application (6.6) estegal la dimension du sous-espace vectoriel de R m engendre comprend un vecteur non nul x, la famille (x) est libre et son image (0) est tiee. .(
par les colonnes de A, c'est-a-dire au rang de A; Ie rang de l'application (6.8) est L'equivalence des conditions '(a) et (b) est ainsi demontree,
2 si A = 0, 3 si A =;; 0; celui de I'application (6.10) est dimS si 1 = 0, dimE si . (
A " 0 (,'condition que S, respectivement E, scient de dimension finie). (
(
6.3.3 Noyau d'uae application UDea1re 6.3.5 Proposition \

Soit , une application lineaire d'un espace vectoriel E dans un espace Soil tp uneapplication lineaire d'un espace vee/orielE dans un espace vectoriel . (

vectoriel F. On appelle noyau de ., et on note Ker" I'image reeiproque de {O}, F. Si E est de dimension finie, alors (

autrement dit, I'ensemble des veeteurs de E dont l'image est Ie vecteur nul de F.
D'apres la proposition 6.3.1, Ker, est un sous-espace vectoriel de E. dimE = dimk.ere + rgtp. (6.13) \

Par exernple, Ie noyau de l'applicauon (6.4) est R" ou l'hyperplan vectoriel (

de R- d'equation alx l + a~2 + ... + a"x" ;: 0, suivant que tous les a; sont nuls DEMONSTRATION

ou non; Ie noyau de I'application (6.6) est Iesous-espace vectoriel de R" forme des (
Ecartons le cas banal ou la dimension n de E est nulle et considerons les trois
solutions de l'equation (syste.ne homogene) Ax = 0; Ie noyau de I'application cas suivants: (
(6.10) est Tsi A = 0, to} si A ~ O. Cas au dim Kere = O. D'apres (b) de la proposition 6.3.4, l'imaged'une base (
quelconque de E est une famille libre. En outre, par la remarque (3) de 6.2.3, cette
famille engendre Ime, II s'ensuit que rg, = n, ce qui montre que la relation (6.13) (
6.3.4 Proposition. (:.r.cterlsalloa del .ppUC.CIODS lI~.jres InJectlves est satisfaite. (
SO;I" une.application linea ire d'un espace vectoriel E dans un espace vectoriel Cas ou dimKertp = n. D'apres la proposition 1.8.5, Kere = E, done
(
F. Pour que tp soit injective, il [aut etil suffil que rune des conditions equivalentes Ime = {O},ce qui montre que la relation (6.13) est satisfaite.
suivantes SO;I satisfaite: Cas ou 0 < dimKer, < n. Soit (e., e2' ..., ek ) une base de Kertp. D'apres Ie (
(a) Ker, = to}. . theoreme 1.7.3, cette base se prolonge en une base (e l, ..., ek' ek+ I' ..., en) de E. Vu (
(b) L 'image de louie jami//e libre (XI' X2' ... , x.> de vecteursde E est unefamille libre ce qui a ete releve dans 6.3.2, rgtp est egal au rangde la famille (fI(el ) , ..., q(ek),
(
de vecteursde F. tp(ek+ I)' ~ .., q(e,., done au rang de la famille (q(ek+I)' ..., q(e,., puisque
tp(e l) = ... = ,cek) = 0, du fait que el' ..., ek sont des vecteurs de Kere, Montrons (
DEMONSTRATION que (,,(ek+ I), ..., (O(e,, est une famille Hbre. Pa~ la linearite de tp, la relation
(
Si 'P est injective, q(x) ,(0) = 0 pour tout vecteur x 0, done Qk+ Itp(ek+l) + ... +. ,Qnf{J(e,J = 0
{
Kerf' = to}. Reciproquement, si Ker, = to} et XI' X2 sont des vecteurs distincts
de E, alors XI - Xl :1= 0, done ,(x.- X2) :i'- 0, ce qui .entraine ,(x.) :1= fl(xz> et
s'ecrit aussi sous la forme
S \/-0/ (' 10, (
demontre I'injectivite de 'P. q,(ak+lei+l+ ... + ane,J :::: 0 .(
( )
 '( 18 Applications lineaires et. applications affines 'l'll.IIIII"" .. II Il ''1'1 .Il ,,:. J

(
( et entraine que ak+ ,ek+' + ... +. a"e" est un vecteur de Kere, Or, cela n'est possible 6.1.9 et la linearite de tp et de "', pour tout couple (XI' x:2) de vecteurs de 'E et tout
que si ak+ l = ... = a,. = 0, ce qui montre que (fJ{ek+ I)' ..., 'fJ{e,, est une famille couple (ai' ( 2) de nombres,
libre. II s'ensuit que rgtp = n - k ~ dimE - dimKer,. .
(qJ + '/I)(Q.X,I + a2x~' = q(a.x l + Q2"~ + 'falx, + a 2"2)
(
= aitp(x l) + a2f'(x~ + ,a,VI<x.) +, a 2tp(x 2)
I = al(tp + ,)(XI~ + a,,(, + "Xx 2).
6.3.6 Corollalre
ce qui montre que rp + ' est lineaire. .
Soit E et F des espaces vec!oriels de dimension finie. Si dimE = dimF, les Designons par L(E, F) l'ensemble des applications lineaires de E dans F. eel
assertions suivantes sont equivalentes: . ensemble n'est pas vide, car il comprend au moins I'application nulle, En outre,
(a) rp est une application lineaire injective de E dans F. en meme temps que , et t" il comprend toutes leurs combinaisons lineaires
(b) qJ est une application lineaire surjective de E dans F. All' + I1V' D'apres la proposition 1.4.6, L(E, 1) est donc un sous-espaee vectoriel
(e) rp est une application lineaire bijective de E dans F. de l'espace vectoriel de toutes les applications de E dans F.
En d'autres termes, VJ. est, une application lineaire bijective de E dans F si et
seulement si. son noyau se reduit au vecteur nul de E, ou encore, si et seulement si
son rang est egal d dimE (ou dim.F). 6.4.2 Proposition. U.arfte de ".ppllcatlon Invene et de ".pplle.don rom""
Soil E, F et a des espaces vectoriels.
DEMONSTRATION
(a) Si f/J est fine application lineaire bijective de E dans F, I'applicnlion inverse ," 1
, ~ Si , est injective, Ker e = {O}, par Japroposition 6.3.4. D'apres (6.13),dim E est lineaire, En d'autres termes, l'inverse de ~OUI isomorphisme est lin isomor
rge, ou encore dimF = dim Ime, Vu la proposition 1.8.5, cela entraine que phisme.
F = Ime autrement dit que rp est surjective. (b) Si rp est une'application lineaire de E dans F et " une application lineaire de F
'Si , est surjective, F = Ime, done dimF = dim Ime ':: rg, et, par conse a,
dans I'applicalion composee 'VIa" est linea/re.
(
quent, dim E = rgrp. D'apres (6.13), dim Kere = 0, done tp est injective.
DEMONSTRA TIO~
.( Assertion (a). Soit (YI' Y2) un couple de vecteurs de F et (a l a 2) un couple
6.3.7 lsomorphies d'espaces vectoriels de nombres. Posons XI = ,,-'(y,) et"x2 = ,-'(Y21. Alors YI = qJ(x l ) et Y2 = 9'f~2);
en outre, par la linearite de ,.
On appelle isomorphisme d'un espace vectoriel E dans un espace vectoriel
, \ F toute application lineaire bijective de E dans F. On' dit que deux espaces a,YI + a 2Y2 = a.f'{x l) + a2P(x~ = f'(a,x l + a 2x 2).
vectoriels sont isomorphes, ou que l'un est isomorphe a l'autre, s'il .existe un
ce qui entraine
isomorphisme de l'un dans l'autre.
Des propositions 6.3.4 et 6.3.5, it resulte que deux espaces vectorielsisomor tp-'(aly, + a 2Y21 = a'''1 + a 2"2 = a.rp-I(YI) + a 2,,'- '(Y2)
phes sont de meme dimension. Nous avons vu dans t. 7.10que tout espace vectoriel
(
de dimension finie non nulle nest isomorphe a R."..
et etablit ainsi la linearite de l'application ,,-1.
( Assertion (b). Soit (x.' x2) un couple de veeteurs de E et (a .. , (J2) un couple
de nombres, D'apres la definition 6.1.8 et 18 line-rite de , et de ".

( ('/In9')(a,x 1 + a 2x :J = Vf(9J(a,x, + a2x~) ::: p(a,f'{x l) + a 2f1{ x 2)

6.4 OPERATIONS SUR LES APPLICATIONS LINEAIRES = alfll(tp(x l + a 2,<q(xJ) ~ al('o,)(x,) + a 2('P(''P)(x 2).
(
ce qui dernontre la linearite de I'application '110,.
(
( 6.4.1 Espace vecteriel des applications lineaires de E dans F
~.4.3 Fonnes Dne.ires,'espI~ dual
( Si VJ et '" sont des applications lineaires d'un espace vectoriel E dans un
espace vectoriel F, tp + VI et Arp (pour tout nombre A) sont egalement des applica Soit E un espace vectoriel, On appelleformf' lin~aire dans E toute application
(
tions lineaires. Montrons, par exempl<-. 'que f/J + 'II est 1ineaire. Par la definition lineaire de E dans R.
(
 (
L'applicauon de l'exemple (5) de 6.] .2,'ainsi que les applications (6.4) et (6.7) (
DEMONSTRATION
sont des formes lineaires.
On appelle espace dual de E, et on note V, l'espace veetoriel des formes Designons par n la dimension de E. Soit x une forme lineaire non nulle dans (
lineaires dans E. E. D'apres (6.13), la dimension de Kerx" est n - I, puisque eelle de Imx" est I. (
En d'autres termes, Kerx" est un hyperplan vectoriel de E. Reciproquement, soit
~(
S un hyperplan vectoriel de E. Si n = 1, S se reduit au seul vecteur nul de E, done
6.4.4 Basa duala S est Ie noyau de' n'importe quelle forme .lineaire non nulle dans E. Si n > 1, (
Soit E un espace vectoriel de dimension finie non nulle n. Soit en outre designons par (e., e2' ..., en-I) une buse de S. En vertu du theoreme 1.7.3~ cette base
(
(e l ,' ell ... e.) une base de E. Vu la proposition 6.2.4. DOUS definissons n formes se prolonge en, une base (e., e2, ... , en) de E. La forme lineaire e: definie par (6.14)
. .. .d (avec i = n) est non nulle et Kere: =- S.
I \
hnealres e e2' .... ell a~s E en posant
I

._{I 5.' =J,

e; (eJ) - 0'"
si;
~ .
r).
(6.14)
,{

(
Pour tout indice ; et lout vecteur x de E, e?(x) = Xi' OU X; designe la i-ieme {
composante de x dans la base (el 1], ... , ell). En eifel, par la linearite de e~ (
6.5 REPRESENTATION MATRICIELLE
e1(x) = e1(xle. + xle] + ... + x"e,,) D'UNE, APPLICATION LINEAIRE (
= x.ef(e.) + x2e?(e~
.
+ ... + x"eNe,,) = Xi.
,
(
Nous allons maintenant demontrer que (eT, er, ..., e:l est une base de E-:
Supposons que 6.5.1 IntrOduedoD \
a le1 + a 2e1 + ... + aIle: = 0,
Lorsque les espaces de depart et d'arrivee sont munis chacun d'une base, a
toute application lineaire est associee une matrice permettant de calculer les
ou O designe la forme lineaire Dulle. Alors, pour j =1, 2, ..., n,

composantesde l'image de chaque vecteur.

o = .-(eJ ) = (a.eT + Q~r + ... + a,.e:)(eJ) Dans cette section, E, F et G designeront des espaces vectoriels de dimen
= a.er(eJ) + a~r(ej) + ... + (I"e:(ej ) = aJ' sions finies non nulles respectives n, m et p.
ce qui preuve que (er, ef, ..., e:) est. une famille libre. D'autre part, soit x une
forme lineaire quelconque dans E. Posons
6.5.2:Matrlce d'uoe ap~licatioD ~neaij.e
(I. = x-(el)' a 2 = x(ez}, ... (I" = x-(ell).
Soit f/J une application Iineaire de E dans F. Soit en outre (el , e2' .. , e,.) une (
D'apres (6.14). pour j = I. 2... , n,
base de E et (f., ' 2, , ' m) .une base de F. Pour j = 1,2, ..., n, designons par (
= (aler + alef ~ ... + Q"e:)(eJ) ,
x(e J} aV' a2j' ..., a"" les composantes de tp(ej ) dans la base (f l , f2, , fm). On .appelle la
matrice de type m x n (
ce qui entralne, grace a la proposition 6.2.4, que . (
all .. . .. 'Q
x = a.eT + a~ + + a.e:. a21 ..
ali

a2j . ..
ln

a2n (
En d'autres termes, (e1, eft , e~ est une famille generatrice de Ell. ...... 4
I (6.15)
{
On appelle la base (er, ef, ..., e:) de E* base duale de (e l e2' ... en). '(
ami .. am} ... amn
matrice de tp dans les bases (e., e2' ..., en~ et (fit f 2, ..., ' m ) . Cette matrice sera notee (
6.4.S ProposUiOll....yperpJ.... Yectorlela colDDle DOY.U~ de formes lineaires A" ou simplement A, lorsque aucune confusion n'est acraindre. Manifestement, (
la matrice de f/J depend du choix des bases de E et de F, quoique son symbole ne
Un sous-espace vee/orield'un espace vectoriel E de dimension finie non nulle (
fasse pas etat de cette dependance,
est un hyperplan vee/oriel si et seulement s'il est le noyau d'une forme lineaire non
D'apres Ia proposition 6.2.4, l'application lineaire f/J est determinee par (
nu/Je dans E.
l'image (,(e.), tp(e~, ..., (O(e,. de la base (e l , e2' ..., eJ. D'.autre part, chaque vecteur .(

(
, ,
 (

( 22 Applications lineaires et applications affines

Representation matricielle d'une application lineaire L\

(
(' tp(ej ) est determine par ses composantes, c'est-a-dire par la j-ieme colonne de A,. est
L'application .lineaire fJ est done determinee par la matrice A,.
On remarquera que, -13 '0 01
(
rg." = rgA,.. '(6.16)
o O
(
En effet, Ie rang de f/J est, d'apres 6.3.2, egal au rang de (f'{el)' tp(e21, ..., f'{eJ) , done '
0 1J
au 'rang de la famille des colonnes de A" qui n'est autre que le rang de A" selon (4) La matrice de l'application (6.6) dans les bases canoniques de R" et It'"
la definition 3.2.4. ' est A.
Grice au corollaire 6.3.~ et a la proposition' 4.2.4, il decoule de (6.16) que (5) Lorsque l'espace vectoriel E est de dimension finie non nulle n, 18 matrice '
f/J est bijective si et seuiement si A, est une matrice inversiblc. d'une homothetie de rapport l dans une .base quelconque de E est AI". En
Lorsque F = E, IS: base (el' e2' ..., en) joue Ie role de base de l'espace de particulier, la matrice de l'application identique est la matrice-unite I, et celle de
I(
a
depart et de base de l'espace d'arrivee, moins que Ie contraire ne soit explicite.. I'application nulle est la matrice nulle O.
ment mentionne. Dans ce cas, A, est la matrice carree doni les termes de la j-ieme
colonne sont les composantes de rp(ej ) dans la base (el' e2, , e,,). On I'appelle (6) La matrice de l'application (6.8) dans 18 base ('., '1' .~) est
matrice de fJ dans la base (e., e2' ... , e,,). .
1 01 o.
o
0]

[o ,,0 A
6.5.3 AppUcation onesire assoclee i one ntstrlce
En particulier, 18 matrice de la projection et celie dela symetrie sont respectivement
En 'presence d'une base' (el' e2' ..., elf) de Eet d'une base (fl , '2' ..., f m) de F,

o
toute matriee A = (au) de tpe m x n definit, grace Ii la proposition .6.2.4, une

application lineaire fJ de E dans F: l'image de ej par fJ est Ie vecteur de F dont les

I o0] et [I0 0I' o.

0]
eomposantes dans la base (fl , '2' .:, fm) sont les termes de laj..ierne colonne de A.

[: o o 0 0-1
II est clair quela matrice de rp est A. On dit que tp est l' application lineaire associee
(7) L'espace vectoriel E de l'exemple (6) de 6;2.5 etant suppose de dimension
a A. Lorsque E = R n, F = R m et les bases de ces 'deux espaces sont les bases
finie n, si ('., ... '1) est une base de S et ('1 + I' ... , ',,) tine base de T, 18 matrice
. canoniques, oil dit que rp est Yapplication lineaire associee canoniquement d-A. de l'application (6.10) dans la base ('I' ....' '1' '1+1' ..., 'II) de E est

Ar I
I

6.5.4 Exemples .J o
(I) La matrice de l'application (6.4) dans les bases canoniques de R" et R I (6.17)
A
est o
[al a2 a,,).
A
( (2) La matrice de I'application (6.5) dansles bases canoniques de R 2 et R J
est
.( 6.5.5 lsomorphie de L(E, F) et de I'~ft ftCtorfeI des mltrke! de type m x "
/'

(
(
[ ~"~].
-I 2'
que
Les espaces vectoriels E et F etant munis chacun d'une base, si , et., sont
des applications lineaires de E dans F et A e~t un nombre, on voit immediatement

( ,(3) La matrice de l'application lineaire de R 2 dans R 4

A~ '+" = A~ + A" et A,q, = A.A~. (6.18)
( ~ 3xI Cela signifie que I'application , ~,A, de l'espaee vectoriel L(E. F) dans l'esnace

(~:] vectoriel des matrices de. type m x nest Ii neaire, Comme elle est egalement
,-XI
(
-t
o bijective (par ce qui a ete vu dans 6.5.2 et 6.5.3), ees deux espaees sont isomorphes.
( x2 En particulier, la dimension de L(E, F) est mn.
\

 ( \

(
6.S.6 l'Jotatioa 6.S.8 Exemple
(
Le vecteur-colonne des composantes d'un vecteur x dans une base donnee Nous nous proposons de calculer la matriee de la projection definie par
sera dorenavant note par x indexe par la lettre designant les vecteurs de cette base. (6.11), dans une base orthonormale (el' e2' .., en) de E arbitrairement choisie. A (

Par exemple, eet effet, observons d'abord que Ie produit scalaire de deux vecteurs u et v peut (

s'ecrire, compte tenu de (2.28) et de 4.3.1, SOllS la forme

XI (
X2 (u I v) = 'ueve = 'yeuc (6.22)
(
Xc designe Ie vecteur-colonne (6.19) A l'aide de cette expression, la relation vectorielle
"' \
Y = x _ (x I D)
(
XII (v I D) V

(
au XI' X2' . X" sont Ies composantes de x dans la base (ell e2'...., en) s'exprime, de maniere equivalente, sous la forme
(
, 'XeDe (
Ye = x, - -,-'c
velie
6.~. 7 CalcuJ cia eomposules de I'laaale d'ua veeleur
Or, le produit du nombre 'xcllc = 'Ilexc par Ie vecteur-colonne ve peut s'ecrire sous
Les donnees etant celles de 6.5.2, considerons un vecteur quelconque x de la forme rnatricielle
E et posons 'i ;:: f'{x). De la decomposition
Ye('lIexJ = (Vc'lIe) Xc
x = x.e. + X2e2 + ... + x"e"
nous deduisons, grice a la linearire de 'I Par consequent,

1 ') .'. I, J (
, = x.,(e.) + x.lf(e~ + ... + x.fI<e,). . Ye = x, - -,-('cDe x, = (I - -,-VeD xc,
'cDc 'eD~ (
En eaalaOl lea composantes respectives des deux membres de cette relation, nous
d'ou nous concluons que la matrice de la projection definie par (6.11) es~ (
obtenons, vu la definition de 18 matrice (6.15),

YII
Y2
UII
Q21
all
Un
aI_I
a2lt
Iall
a2.
al2
au
.. a1nliXI
..' a2n X2
I -
1
t:-'cDc.
'clle
, (6.23), \
(
II resulte de meme que la matrice de la dilatation definie par (6.12) est
= XI + x2 + ... + XII . ..... (

Y.. J l Q",IJ l ulJI2J la~j . laml a...2 QIM

1 -
1 -l ,
-,--'elle.
'oDe
(6.24) (

r
l Xn
Exemple numerique pour la projection et la symetrie: (
autrement dit
(

~ = [:]. ~]. ~ ~I'

1
Yr = A,xc (6.20)
2 .(
v, = [_ 'YcDc = 2. . ;= [_
On dit que (6.20) est I'equal;on matricielle de I'app/icalion /inea;re fl. -1 -1
(
On notera que route relation de la forme

Yr = AXe (6.21 )
I - -
,
1 1[ 1. -1 -1]
y'n e e
= -2 - 2 0 -2 , I - -1 -1]

,2-'/0. = [ 0-1 -2 -2 .
(
(
definit une application lineaire , de E dans F dont la matrice n'est autre que A. YcDe I I 3 VoDe 1 1". 2
On peut dire egalement Que (6.21) est l'equation matricielle de I'application lineaire (
, associee a la matrice A selon 6.S.3. (
(
;
(
 ( 26 Applications lineaircs et applications affines lllc,lIIg~IIILII\

<' 6.5.9 Interpretation matricieUe de I'inverse d'une .ppUcation line.i~e 6.6 CHANGEMENTS DE BASE
( Soit fJ une application lineaire bijective de E dans F, (el, e2' .., e,.) une base
( de E et (fl , (2' ..., fll) une base de F. L'equation matricielle de l'application ,-1 est 6.6.1 Introduction
x, = A.,-IYr (6.25) La resolution de certains problemes est facilitee lorsqu'on passe de 1a base
D'autre part, A., etant une matrice inversibl~, de' ~6.20) it tesult~ que initiale a une base auxiliaire mieux appropriee am donnees du probleme, Dans
cette section, nous etabJirons 18 liaison entre composantes d'un memevecteurdans
Xc = A; IYr (6.26) des bases differentes, ainsi qu'entre matrices representatives d'une meme applica
En comparant (6.26) a (6.25), nous concluons, grace a la remarque (6) de 4.1.7, tion lineaire dans des bases ditrerentes. Nous verrons dans le chapitre 8 par quels
que criteres Ie choixd'une nouvelle base pourra ~tre fait.
Les lettres E et F designeront encore des espaces vectoriels de dimensions
A.,.. I = A; I . (6.27) finies non nulles respective! n et m.
. En d'autres termes, la matrice de l'application inverse de ip est l'inverse de la
matrice de ffJ. ~ette conclusion resulte egalement de la relation (6.28) ci-dessous,
6.6.2 M.trlces de.....

Soit (el , e2, , ell) et (ei, ei, ..., e~) des bales de E. On appelle mQI,/~~ ,.
6.5.10 ~retatien matriclelle de la COInpOsie d'appllcations II.alres passage de (e" e2' ..., ell) a(ei, ei, ..., e~), et on,note P ee' 18 matrice carree d'ordre
n dont les termes de la j-ieme colonne soilt lea composantes de ej dans la base
Soit " une application lineaire de E dans F et '1/ une application lineaire de (e l , e l ... , elt). Autrement dit, '
F dan's G. Soit en outre (e., e2' ..., ell)' (f., f2, ..., fm) et (I., 12, ..., I,) des bases
. respectives de E, F et (1. En vertu de (6.20), PII . PI/ . PIli
P21 P" ... Pbt
Yr ~ A,xe et 'z. =: A"Yr.
Par substitution de ~.,xe a Yr dans la .deuxiem~ relation, iI. result~ que Pee' = (6.30)

.\ zs := A"A,xe .
( En comparant cette relation a l'equation matricielle de I'application 'I/0', nous . '. lP,,1 p . . . p""
concluons, encore par la remarque (6) de 4.1.7, que ou p,/, P2j .., P" sont definis par la decomposition
. A"o., = ~"A". ' (6.28) e; = ~lJel + p"e2 + ... + Prje".
~ En d'autres tennes, la matrice de l'application composee de ,'et de 'II est Ie produit 'On remarquera que le rang de Pee' est n, ee qui equivaut a dire que p., est
des matrices de 'II et de rp. DansIe cas particulier ou , est une application lineaire une matrice inversible.
(
, de E dans E, it s'avere ainsi que
. Apt = A: (k entier positif). (6.29)
6.6.3 M.trices de ......e . . . conune trIeeI .'applintloM Unhll'8 '
Exemple d'application. Nous .avons deja remarque que toute projection
(symetrie) fJ satisfait a la relation ,,2 = rp (,2 = idE). Vu (6.28), la matrice d'une Voici deux interpretations de la notion de matricc de passage:
projection (symetriej verifie done la relation A2 = A (A2 ::= I). (I) Soit , I'application line-ire de E dans E definie par ,ct,} = fl.
9J(e:J =e;, ... f'(e,,) =, e~. La matrice de', dans la base (fl' f2... f ll ) nt Pf t .
x
(2) Soit e l'application identique x -. de E, muni de la base (fi. tie .... f~).
dans E muni de la base (el' e2' ..., ell). La matrice de , dans les bases (ti, ti..., e~)
et (el' f 2, ..., e,,) est Pee'.
 (
(
6.6." l'r_fonDaljoe des COIDposaIIlea par suile d'u cbaageJDent de base L'ensemble des bases de E peut etre partage en deux classes de la rnaniere
suivante: (e., e2' ..., en) etant une base arbitrairement choisie, on range dans la
(
Les composantes d'un vecteur x de E dans les bases (el , e2' ..., en) et
(e., el' .... e~) sont liees par la relation premiere ciasse toutes les bases (e], e2' ..., e;,) telles que Ie determina~t de passage .(

I Pee,l est positif et dans la seconde toutes les bases (e], e;, ...,' e~) telles que Ie

Xc = p ClC Xc . (6.31) (
determinant de passage 1 Pee' I est negatif, De (6.33), (6.34), (5.10) et (a) de la

En effer,ceue relation n'est autre que (6.20) appliquee au cas ou VJ est l'application proposition 5.1.8, it resulte aisement que Ie determinant de passage entre bases (

identique x ..... x de E, muni de la base (el, ei, ..., ,~), dans E muni de la base d'une meme classe est positif, tandis qu'entre bases de classes differentesce merne
(
(e., el' ... , ell)' determinant est negatif
On oriente I'espace vectoriel E en choisissant une des deux classes et en
(
disant que les bases de la ciasse choisie sont directes ou positivementorientees.Les "
\
6.6.5 Re8WlIue bases de I'autre classe sont alors dites indirectes ou negativement orientees. On dit .
(
egalement que la classe choisie definit I'orientation de E. D'habitude, on indique
Si P est une matrice carree d'ordre n telle que ce choix par la donnee d'une base. {

Xc = Px; (6~32)

pour tout vecteur x de E.., alors P = Pee' Cela resulte de la comparaison de (6.32)
6.6.9 OrientadoD d'uD espace affine
a (6.~ 1), compte tenu de la remarque (6) de 4: 1.7. :(
On dit qu'un espace affine ~ de direction E est oriente si E est oriente,

On dit qu'un repere d'un espace affine oriente est direct ou indirect, suivant .

6.~.6 Cluuaaemeals de base la,e... que la base de ce repere est directe ou indirecte.

En mulupliant Ies deux membres de (6.31) par p;,I, nous obtenons

Xc' = p~.lxc' .6.6.10 TransformadoD de la matrice dtuoe application lineaire
par suite d'uo changement de bases
d'ou nous deduisons, grace a la remarque 6.6.5, que
Soit fP une application lineaire de E dans F. Soit en outre (e., e2' ..., en) et (

P.;,' = Pc'c ' (6.33) (e~, ei, ..., e~) des bases de E, (f" (2' .. , fm) et (fi, f;, .,., f;")des bases de F. Designons

par A la matricede tp dans les bases (e. I , e2' ..., en> et (fl, f 2, ..., fm)'et par A' la matrice

l
de tp dans les bases (e], ei, ..., e~) et (fi, fi,' ..., f~,), Soit x un vecteur quelconque
/

\\
6.6.7 ClaaaaeJDeDIs de base succellif. de E. D'apres (6.20),
(

Soit (e l, e2' ..., ell)' (e], ei..., e;> et (ei, el' ... e;> des bases de E. D'apres (6.31), (,(Xf = Ax, et O(Xf' = A'x c' (

Xc = p ~,xc' et' xc' = Pcc..xc". D'autre part, en vertu de (6.31), (

En subsutuant Pc'c ..xc" it xc' dans la premiere relation. nous obtenons (f}{xf = P ff ,(9'<X f" .(

Xc = Pcc,Pc'c..xc'" II s'ensuit que (

d'ou nous deduisons, encore par la remarque 6.6.5, que Ax c = .Pff,A'xc' .(

pee' P~,c" = Pee" (6.34) De hi, par substitution de P~, Xe, a xc' nous concluons, grace a la remarque (6)
{
de 4.1.7, que .. (

6.6.8 DeterminaDts de passage, orlentadoD dtUD espace veetoriel APee' '='Pff,A', (

On appelle determinant de passage d'une base (el , e2, , en) a une base ce qui s'ecrit egalement sous les formes (
(ei, e;...... e~) Ie determinant de la matrice de passage Pcc'. A' = .Pif,IAPcc' ou A ~ PfT,A'P;}. (6.35) <'
,(

\ / . \
 \
30 Applications line-ireset applications affines Changements de base
(

(
( Dans Ie cas particulier OU F = E, ces relations deviennent respectivement

\ A' = P;,IAPee, et A = Pee,A'P;". (6.36)

(
(
6.6.11 Exemple

L'espace vectoriel E etaDt de dimension 3 et muni d'une base (el t e2' e3)'
considerons Ie plan vectoriel S engendre par '1(0, 2, I) et '2(1,0, 3) et la droite
vectorielle D engendree par '3(0, - 1, 1). Nous nous proposons de trouver la Cette derniere conclusion n~us suggere la definition suivante.
matrice A de la dilatation relativement a S, de direction D et de rapport - 3.
Posons ea = "1' e;' = '2' e; = v3. La matrice de la dilatation dans la base (e], ei, ei)
est
6.6.13 Determlnlnt d'-.e IppHcation Hnhlre

A' =
I 01 O.
0
0] Soit , une application lineaire de E dans E. On. appelle d~t~rm;nQlfI de "
[o 0-3 et on note dete.Ie determinant de 1& matrice de, dans une base quelconque de E.
Par exemple, si , est une homothetie de rapport A(une dilatation de rapport
D'autre part,
~ A relativement a un sous-espaee vectoriel de dimension positive Ie),

P~.= [~ 1 -0] 1[-3 ' 01 ~].

( det, ~ 'A" (det, = A"-'. (6.38)
1 , p-,I
ee = -3 3
(
3 I . . . -6 -I '2 En effet, les matrices de cesdeux applications sont respectivement AI" et Iii tnatrice
( (6.17). En particulier, si , est une symetrie pa~ rapport 11 un hyperplan veetoriel,
En vertu de .(6.36), la matrice de la dilatation dans la base (el' e2, el ) est done
( del, = '-1. (6.39)
( . [3
A=P~.A'P;.I=! 0 8.
-24 -1
0] On notera qu'une application line-ire de E dans E est bijective si et Rule
( 3 24 4-5 ment si son determinant est non nul. En effet, pour qu'une telle application soil
inversible,11 faut et il suffit que sa matrice soit inversible, d'apres ee qui 8 etr etabli
Ce resultat peut etre obtenu plus rapidement a l'aide de la fonnule (6.24).
" dans 6~5.2.
Pour pouvoir appliquer cette formule, on considere E comme etant muni du
( La premieredes deux relations suivantes decoule de (6.27) et (5.10)(, etant
produit scalaire rendant la base (e., e2" e 3) orthononnale (cf. 2.5.7)0
(
supposee bijective) et la seconde de (6.28) et <a) de la propositionS.I.8:

( det,-I = (det,)-I, det(tpo,) = det.,det,. (6.40)

( 6.6.12 Matrices semblables

( Soit A .et B des matrices carrees du meme ordre. On dit que A et B sont
6.6.14 V.lean sembllbln de loacdonI ..ltrIdeIIeI
( semblables, ou que A est semblable d B, s'il existe une matrice inversible P telle que
La relation (6.37) s'etend, par recurrence. 8t1~ puissance! positives de A et
( B = P-IAP. (6.37)
de B. En effet, si 8 1 - 1 = P-IA'-Ip, alors II' ~ B" 18 = (P lA' Ip)(p lAP).
( D'apres (6.36), deux matrices d'une meme application lineaire de E dans E ce qui entraine
sont semblables. La reciproque de cette assertion est .egalemen; vraie. En'effet, si Bk ~ P-'Alp.
(
(6.41)
(e., e2' ..., ell) est une base quelconque de E, ffJ I'applicationlineaire associee a A
'C
e;
selon 6.5.3, Ie vecteur de E dont les composantes dans la base, (e l , e2, , en) sont Si A ou B sont inversibles, cette relation est egalement vraie pour les
~es termes de la j-Ierne colonne de P, alors Ie premier, membre de (6.37) est la puissancesentieres negatives,car les deux membres de (6.41) peuvent, dans ce cas.
. (
matiice de , dans la base (e], el' ... ~~). 0 etre inverses.
 (
En passant aux combinaisons lineaires de puissances, nous voyons aussi que (
En revanche, l'application lineaire rp est determinee par l'application affine
(6.31) entraine .(
l/J. En effet, (6.43) determine f/J(OP) pour tout point P de ~/, done l'image ,(x) de
J{B) = P ~J(A)P, . (6.42) tout vecteur x de E. On dit que fIJ est I'application lineaire associee a f/J. (
Nous nous refererons a (6.44) en disant que tP est exprimee relattvementau
ou I est un polynome ou, plus generalement, une fonction definie par une serie (
point Po.
enuere appropriee (ct. 4.5.2).
On remarquera qu'en vertu de (6.44) . un point quelconque Po de if, son (
image t/J(Po) et l'application lineaire f/J determinent l'image l/J(P) de tout point P
(
de If et done l'application affine f/J.
(
\
6.7.3 Applications .mnes yues comme sppUcations Unesires (
6.1 APPLICATIONS AFFINES (
Par l'intermediaire de la notion d'espace vectorialise 'd'un espace affine

6.7.1 lalroducdoa
I
!
(cf. 1.9.6),lesapplications affines peuvent eire considerees comme des applications
lineaires, La relation (6.43)(version entre parentheses) est, en effet,l'exacte expres (
sion du fait que f/J est une application lineaire du vectorialise (;to dans Ievectorialise
Les applications affines sont des applications lineaires entre espaces affines ~O) (fig. 6.2). <
convenablement vectorialises, La plupart de leurs proprietes se deduisent imrne
~
diarement des proprietes des applications lineaires etudiees dans les sections prece P2
",""" , , ~O)
~'

dentes de ce chapitre. Dans ceue section, nous aborderons l'etude de Ja notion f'O
",
",
.N(
d'applicauon affine et presenterons quelques exemples qui en illustrent l'impor "" ' " ""p
......, ) .....,aP.) --" ,I.: J)('
" -;-,""
,,""
",
' , -J-- _- -- . , ! , II
~O>_-----------/
tance. Nous enoncerons, en outre, un certain nombre de resultats generaux, ."
, + P2
A

0 ",,'" ,:bPI
Tout au longde la section, ~f designera un espace affinede direction E
et .fun espace affine de direction F..
,
"
/"" / .. , (
. /'.
//'"
(
, " ."",,'"
""
, ' .. (
'<"" II I"
6.7.2 AppIic.~ a81aes
'P I ..... , " _-_4f1J(U
,'0 J.---- --- ci + P)
aPt
On dit' qu'une application. de tf dans . f est affine s'il existe un point 0 fIJ(P > 2
2
de if et une application lineaire , de E dans F tels que
(
4>(P) ;; fP()) + ,,(OP), (ou .(O)~pJ ~tp(OP) (6.43) FII_ 6.1
,(
pour lout point P de ,. . . (
Contrairement a ce que laisse entendre cette definition, Ie point 0 ne joue
(
au~un role distinctif. Nous allons voir, en effet, que tout point Po de (~ remplit 6.7.4 Al:'plicatioDS affines entre espaces vectoriels
les memes fonctions que O. Supposons quela relation (6.43) soit vraie pour tout (
point P de f. .
Alors
Relativement au vecteur nul de E, une application affine d'un espace vecto
riel E dans un espace vectoriel F (consideres comme des espaces affines)s'exprime . (
f/)(Po)~(P~ ~ l/J(O)tP(P) - "(O)tP(PJ
par la relation
(
= tp(OP) - ,(OP;J = f/(p;),
tP(x) = f/J(O) + VJ{x), (6.45) (
autrernent dit,
au x est un vecteur quelconque de E et f/J est l'application lineaire associee a 4>. (
~(P) = 1/)( Po) + tp( p;) (6.44) Nous voyons ainsi que tP est une application lineaire si et seulement si (/)(O) est Ie
vecteur nul de F. (
pour tout point P de ,f".
(
(
( I~
 (
34 Applications lineaires et applications affines Applications atlmes
(

(
6.7.S Appllcldolll constants .'6.7.8 Homothedee
(
(
. Toute.application eonstante de if dans !F est une application affine. En Soit Po un point de K et A un nombre. On appelle homo,ht';~ de cmtr "0
effet, une application f/J de cette sorte verifie la relation (6.44) avec f J = 0, ou 0 et de rapport A l'application tIJ de K dans y' definie par
( designe l'application nulle de E dans F. Reciproquement, si I'application lineaire
a
associee une application affine est nulle, cette application affine est constante.
tIJ(P) = Po + AIV. (6.49)
(
L'homothetie de rapport I est l'identite et celle de rapport - I est appelee
(
symhrie centrale de centre Po.
Le centre Po etant un point invariant, en comparant (6.49) i (6.48), nous
(
concluons qu'unehomothetie de rapport ,t est une application affine dont l'appli
( 6.7.6 Translations
cation lineaire associee est AidE (c'est-a-dire une homothetie vectorielle de.
( Soit , un vecteur de E. On appel1c translation de vecteur " I'application tIJ, rapport A).
de it dans ff' definie pat Reciproquernent, nous allons montrer que si l'application lineaire assoeiee
,.(
(/J.,(P) .= P + v. (6.46)
aune application affine'" de ff dans. K est AidE' t/) est une homothetie de rapport
\. Aou une translation, suivant que A :I: I ou .~ = 1. La conclusion dans l'hypothese
( Toute translation (/J., est une application affine. En effet, Po etant un point ou A == 1 ayant ete prouvee dans 6.7.6, it nous reste i considerer Ie cas ou A ~ I.
arbitrairement choisi, it decoule de (6.46) que" = Por/J.,(Po~, done que II suffitd'etablir l'existence d'un point invariant Po, car en exprimant ", relative
.(
merit a ce point" .nous voyons que ", verifie la relation (6.49). Exprimons tIJ
, (/J.,(P) = P + Po(/J.,(Po~ = (/J.,(Po) + P;), (6.47)
( . . relativement 8 un point 0 arbitrairement choisi. L'equation tlJ(P) = P s'ecrit alors
la derniere egalite etant justifiee par la regle (4) de I ~9.5. Cela montre que tIJ., verifie sous la forme
(
la relation (6.44) avec rp = idE.
( Reciproquement, toute application affine tIJ de if dans ~ dont l'application P = ~O) + AOP,
( lineaireassociee.est idE est une translation. En effet, I'expression de tJ relativement ou encore
a a
un point Po quelconque devient, grace la regle rnentionnee ci-dessus,
( oP = o~( o~ + AOP.
(/J(P), = (/J(Po) + P;;P = P + Pot1'(Po~' .
L'unique solution de cette equation' est Ie point Po tel que
ce qui entraine, par comparaison avec. (6.47) ou (6.46), que tIJ = tIJ." OU
( ----. I~.
" = PotIJ(Po~ . OPo = I _ ,t0f1J(OJ,
(

c'est-a-dire Ie point
( . I .
6.7.7 Points invariants Po =0 + t _ lO~O~. (6.50)
(
Soit tIJ une application affine de if dans f!, fJ l'application lineaire associee
( a tIJ et Po un point invariant. Relativement a Po, til s'exprirne par la relation
( . tIJ(P) =. Po + ffJep;p> (ou PocP(P) = f/J(p;)), (6.48)
( 6.7.9 Oil.t.tio...tllnes
qui n'est autre que (6.44) appliquee au cas ou cP(Po) = Po. Les autres points
( .invariants sont done les points P tels r ue . On dit qu'une application affine de f(' dans ~ est une dilatation alfi"'
(projection affine, symetrie affine) si elle ad met au moins un point invariant et !Ii
( p;;P = tp(p;). I'apptication Iineaire associee est une dilatation (projection. symetrie) de l'espaee
( En d'autres terrnes, I'ensemble des. points invariants est Ie sous-espace affine de ,f directeur E.
Plus expliciternent, supposons que E soit somme directe de deux sous-espa
.( y= Po + S, ces vectoriels Set T di~rents de to} et designons par , la dilatation (vectorielle)
( au S est Ie sous-espace vectoriel de E forme des vecteurs invariants par rp. relativement Ii S, de direction T et de rapport A. Considerons une dilatation affine

1
 (

tP admeuant " comme application lineaire associee, Relativement a un point (

.Si if est de dimension finie non nulle et ~'/ est un hyperplan, une dilatation

invariant r.:
~ s'exprime par la relation relativement a..Y~ est egalement appelee ajjt"ile. En accord avec ce terme, on dit
( I

+ f/1(P;) que .~ est I'hyperp/an d'offinite, T la direction d'affinite et A Ie rapport d'qffinite.

tlJ(P) = Po = Po + s + AI, (6.51)
On notera que dans ce cas
<)
OU 5 + I est la decomposition (6.9) duo vecteur ~ suivant Set T. Ecartons Ie cas (
uu ..i = I, c'est-a-dire ou 4' est. l'application identique de (~ . D'apres ce qui a ete A = det" (6.55)
(
montre dans (6) de 6.2.5, !) est alors le sous-espace invariant de la dilaration oil f/J est la dilatation (vectorielle) associee a l'affinite (poser k = n -. I dans
(
(vcch.lrielle)". II s'ensuit, grace aux resultats etablis dans 6.7.7, que I'ensemble des (6.38.
points invariants est le sous-espace affine . = Po + S. On l'appelle sous-espace .(
invariant de la dilatation affine rI'. Posons maintenant
(
projP';:: Po + s, (6.52) l'
(
6.7.10 Equation matricie'le d'une application affine
On notera que proj P n'est autre que l'image de P par la projection affine obtenue \
en posant l = 0 dans (6.51). A l'aide de (6.52), nous pouvons ecrire Supposons que Jes espaces (;f et ..!F soient de dimensions finies non nulles
'(
respectives n et m. et choisissons un repere (Oif; e l, e2' ..., en) de l;f~ et un repere

p = Po + Q = Po + +.1 = projP + t,
(C?/ ; f., (2' ... , f m) de .7. Soit cP une application affine ~e (,f dans ./" et f{J l'ap (

d'ou nous deduisons "JUC:
I = (proj P)P.
Grace a (6.52) et (6.53),la relation (6.51) peut done etre recrite sous la forme
~P) -= projP + l(projp)p.
Les conclusions de la discussion qui precedesuggerent la terminologie plus
explicite que voici, On appelle la dilatation affine fJJ. dilatation relutivement a .'/ ,
de direction Tel de rapport A. La dilatation de rapport 0 est appelee projection sur
/ parallelement aT et celie de rapport - I symetriepar rapport a.'I parallelement
a T (fig. 6.3).
Si est euclidien et T = s-, on parle preferablernent de dilatation orthogo
(f
"ale a '/, de projection orthogonale sur / et de symetrie orthogonule par rapport
a '/. .
plication lineaire associee a (/). Designons par x et. y les vecteurs-colonnes des
(
coordonnees respectives d'un point generique P de ff et de son image iP(P) et par
(6.53)
b Ie vecteur-colonne des coordonnees de ep(Og). Soit A la rnatrice de', dans les l.
La'
bases (e., e 2, , en) et (f., f 2, ... , fm) (dans Ia base (e., e2" ... , en) si . f = (f). (
a
relation (6.43) (avec Ow la place de 0) s'ecrit, de maniere equivalente, SOU8 la.
(6.54) furme .
y = Ax + b. (6.56)
On dit que (6.56) est Yequation matricielle de l'application affine (/) dans les reperes
(OW; el' e2' ..., e,,) et (0$: f t , f 2, ..., f".)(dans Ie repere (Og; e l, e2, ..., en) si
~tf = (;fi).
-On notera que si <P(Og) = Oy(en particulier, si . 7'= W et Og est inva
riant par (I), l'equation (6.56) se simplifie et devient
y = Ax. (6.57)

fl(P) Grice 1 (6.56), la recherche des points invariants d'une application affine (
(l> I) de (;1' dans (rf se reduit a la recherche des solutions d'une equation de la forme (
x = Ax + b, (
qui s'ecrit egatement
<
, (I -. A)x = b. (6.58) (
(
Po .//' (
/'
-: (/)(P)
(~= - I) 6.7.11 Changements de repere (
La recherche de l'equation matricielle d'une application affine se fait sou (
. FJi.6.3 vent par l'intermediaire d'un repere auxiliaire, Supposons, par exemple, qu'une (
(
(
 (
38 Applications Iineaires et apphcations aillne.
( )

(
application affine 1/1 de ~ . dans g' admette un point invariant Po et que son (2) Nous nous proposons de determiner le plan. la direction et le rapport
:(
equation matricielle dans un repere auxiliaire (Po; el , ei, ..., e;) soit d'affinite de l'affinite d'equation matricielle
, ( r = A'x'.
5 1 -I] x +
(

( ,
L'equation 'matriciell~

ou
y = Ax + b.
de 1/1 dans lerepere initial (0; e l e2' ... e,,) est alors

.... ..
:". ~
Y =!
3 [
-4
8
I
4-1
2
Hl (6.62)

La direction d'affinite est la droite vectorielle engendree par Ie vecleur

01/l(0~. 0 etant l'origine du repere. Le vecteur-colonne des cornposantes de ee
( A = P "".A'P.;.' . (6.59) vecteur (c'est-a-dire des coordonnees de cl)(0 I'obtient en posant x = 0 dans
( et b est determine par la condition exprimant que Po est invariant; c'est-a-dire par (6.62). ce qui donne

Hl

l'equation
(

Xo = Ax o + b,

qui entraine
Le plan d'affinite est determine par I'equation matricielle (6.58):
( b == (I --: A)Xo,
Xo designant le vecteur-colonne des coordonn~o dans le repere (0; e l , e2,
.... e,,). . j'.. ' . '
, (6.60)
I
'131 - [-4
5
8
I-I] III
I
4
2)1 =
-I
-2 .
4
( On. remarquera que les vecteurs-colotines~-a x' (ainsi que y et y') soot lies
par la relation Cette equation est equivalente au systeme lineaire
'(
,x =P CIe' x' + Xo'. (6.61) -2x, - X2 + x)'= 3
4xI + 2x2 - 2x) = - 6
,( -8xl - 4X2 + 4x) = 12.
6.7.12 Exemples ,*" ,/" _ La deuxieme equation et la troisieme etant multiples de 1a premiere. l'equation
{ (I) Soit S et D Ie plan et la droite vectori~ts~troduits d'~ns l'exemple 6.6.11 . cartesienne du plan d',affinite est
Soil en outre, '1'le plan pUlant par Po(- I, 3, - 2) et de direction S. Ncus nOUA
proposons de trouver l'equation matricielle de I'aftinite relativement Ii Y; de '
-2x, -X2 + x) - 3.

( direction D et de rapport - 3. D'apres (6.55). Ie rapport d'affinite est Ie determinant de la matrice carree

. La matrice de la dilatation vectorielle associee Ii cette affinite a ete calculee

dans l'exemple 6.6.11 :
de l'equation (6.62). soit
, _!.
3
.r'
(
\. A = -I[-243 -I 8. 0]
3 24 4-5 6.7.13 Com""'ts
(
II ne reste done plus qu'a calculer Ie vecteur-colonne b au moyen de (6.60): Les complements suivants sont enonees ~ns demonstration . lis peuvent etre
( deduits des propositions demon trees dans les sections precedentes de ce chapitre.

(
(
b = '(I - A)xo = , 3I[ 24 4 0 - 80] [- 31] = 3I[ 4.
0] (I) L'espace affine K etant suppose de dimension finie non nulle n. soit P(Io
PI' ..., P" les points d'un repere de if (cr. 1.11.3) et Qll' QI' .... Q. des points
-24 -4 8 -2 -4
quelconques de .F . II existe tine application affine unique ffJ de r dans . ' telle
( L'equation matricietle cherchee est ainsi que I/I(Po) = Qo. I/I(P,) = Q,.... cl)(P,,) = Q". De to ute evidence. eette conclusion

(
(
( y = ![ -2~
3 24
-Io 8x+
4 -5
0] I[ 0]4 .
3 -4
est egalement vraie dansle cas ou n = 0, Po etant dans ce cas l'unique point de r .
(2) Soit ~ une application affine de }O(' dans . '1-.. , I'application lineaire
associee a 1/1, .'I un sous-espace affine de (f' de direction Set , - un sous-espace

<
 ( )

(
affine de ,~- de direction T. L'image l/)( ..'/ ) de .Y est un sous-espace affine de ,~ Par consequent, .
de direction ~~1. L'image reciproque tIJ -1(, /) de "/-:est soit l'ensemble vide, soit (
vol(4)(Po)~ 4>(PI)' ..., 4>(Pn .=I dete ] vol(P o, 'PI' .., P n) J6.65)
un 'sous-espace affine de de. direction tp --.I( T).
(I (
En particulier, louie application affine conserve le parallelisme entre sous En resumant, on peut done dire que toute application affine de If" dans lX'
multiplie les volumes par la valeur absolue du determinant de I'application lineaire (
espaces affines. .
associee. (
(3) Une application atfine de (t dans, 1- est injective (surjective; bijective) Par exemple, une hornothetie et une dilatation de rapport l'multiplient les
si et seulement si'I-application lineaire associee est injective (surjective, bijective). volumes respectivement par Illn et Ill n - k , k designant la dimension du sous (

(4) L'image d'un sous-espace affine de dimension k par une application espace invariant de la dilatation. (
aftine injective f/J est un sous-espace affine de dimension k, En particulier, l'image (
d'une drone est une droite et celie d'un plan est un plan. L'image du sous-espace
(
affine de representauon pararnetrique
t
p = Po + ClI"1 + a2v2 + ... + a"Yn 6.8 EXERCICES (
est Ie sous-espace affine de representation parametrique
(
Q = Qu + al~YI) + Q2,(VJ + ... + Qnq(Y,.}, 6.8.1 Dans chacun des cas suivants, dire si l'application de l'espace
({J (
au Q = (/)( P), Qo ::: fIJ(Po} ~t , est I'application lineaire associee a 4'. vectoriel E dans I'espace vectoriel Fest lineaire.
(5) Soit ~ une application affine de (i dans . ~-, 'P une application affine
de ' ~- dans .~ , tp el VI les applications lineaires associees respectivement a 4l et a
'P. La composee ep . fIJ et, lorsque f) 'est bijective, l'inverse cP- I sont des applica
l
. (a) If! [;~] = xlYI + X2Y2 + xlY) . (E "" R
l
, j.' quelconque).
(
(
tions affines admeuant respectivement 'II o tp et ,,- I comme applications lineaires '(
associees, .(b) If! [;:) = xIX2
2
(E;:; R , F = R).
{
~)~iP<x) = II x II (E euclidien, F = IR), (
6.7.14 Ima.e d'uo par.llele~pHe Ie ' , (
SUppOSOWi que (~ soit de dimension finie non nulle n. Soit (/) une application .
)d5rp(x) =.1: (x I a)b; (E euclidien, F quelconque).
;=1 ' (
affinede (~ dans (~ . L'image par fIJ du paralleleplpede construit sur les points Po, %rp(x) = det(x, a2' ..., alt) (E = R. It, F = R).
(
Pit ... , P" est Ie parallelepipede construit sur les points 4'(P o), l/J(PI ) , ... , tP(PII } . b
Lorsque (1 est euclidien et muni d'un repere orthonormal, Ie volume du (0 tp(f)
.
= Jf(/)dl
a

(E = CICI, b)' F = IR).

(
parallelepipedeconstruit sur Po. P,., ..., P" est determine par la formule (cf, (5.12
(g) rp(? = ao + al~ + ... + ak~k) (E = eta. b)' F = C(a, b' (
voltPo, PI' ..., Pn ) =' I det(a., .2' ... , an) I,
[2X I+ I)
(
(h) qJ [XI) = (E = F = JR2).
OU aJ designe le vecteur-colonne des composantes du vecteur ~ dans la base du
repere, Le volume du parallelepipedeconstruit sur 4'(P o), ~(PI)' ..., (/)(Pn ) est done
determine par la formule
, X2 X2
. .

6.8.2 Soit 'P une application lineaire d'un espace vectoriel

telle que Ker, = Ime, Demontrer: '
E dans lui-meme
.. e
(
(
'(
vol(<<P(Po), tP(P,), ..., l/J(Pn = Idet(A_" A12' ... , Aln ) I, (6.63) (a) f{J2 = -{i:- (,)
0 (0 designe l'application nulle).
(b) Si E est de dimension finie, dim.Sest un nombre pair. (
car le vecteur-colonne des cornposantes du vecteur tP(Po)(/)(Pj~ = ffJ(~) est As j , Fournir en outre un exemple d'une application lineaire , telll.:.que
au A est la matrice de l'application lineaire rp associee a. tP. Or, en vertu de (4.8), (
Ker e = Ime, ainsi qu'un exemple d'une application lineaire '" telle que ",2 = 0,
de la propriete (a) de la proposition 5.1.8 et de 6.6.13, mais Ker tJI -:F 1mVI. (Definir les images des vecteurs d'une base de maniereappro (
I del(Aa., Aa2' ..., Aan ) , = I det, II del (a., '.2' ..., a,,) I ,(6.64) priee.) r(
'(

\.
 \ /

42 Applications ~inea;res et applications affines

, ( l ..x Cll:ICCS

( I

6.8.1 Soit , une application lineai:~e d'un espace vectoriel E dans lui-meme
( 'I

,2
,telle que = 'P. Soit 'II = id E - tp. Demontrer les assertions suivantes:
6.8.8 'Soit E un espace vectoriel de dimension 3" muni-d'une base. Dans
chacun des cas suivants, dire .quelle est la nature de l'application Iineairede E dans
( (a) '0'"
i!li::"orp = 0 (0 designe l'application nulle). E dont la matrice est: .
( (b) '11 2 = 'P.

[~
I
(
(e)'S = Irne et T = lin '" sont des sous-espaces complementaires dans E.

(d) Si VJ n'est ni l'application nulle ni l'application identique, Set Tsont differents (a)
o1 0] [I 0 0]0" (e) [I0 00 0]0
0, (b) 0 - I 0 ~
[0
(d) I 0] [00 02 O.
o o . (e) 2]
r
de {O}, VJ est la projection sur S parallelement a et '" la projection sur T 0-1 0 0-1 0 0 I 0 o 1 200
(
parallelement a S.
~ e 6.8.9 Soit E un espace veetoriel de dimension 3" muni d'une base, Soit en
( 6.8.4 Soit tp une application lineaire d'un espace vectoriel E dans lui-meme
outre S Ie plan vectoriel d'equation XI - 3.t2 + 2xJ :.: 0 et D 11\ droite vectorielle
( ~elle ~ue rl ., idE~ Soit w = ~(idE + rp). . engendree par ,(2, I, I).
(a) Trouver la matriee de la projection sur S parallelement a n. .
(a) Montrer que ",2 = VI. (b) Trouver la matrice de 18 symetrie par rapport a S parallelernent a D.
(b) Dans.I'hypothese ou rp n'est ni l'application identique ni la symekie centrale, (c) En deduire, sans calculs, la matrice de la symetrie par rapport a D parallele-.
deduire de l'exercice precedent que f/I est nne projection et en conclure que rp ment a S.
est une symetrie, , '
6.8.10 Soil E un espace vectoriel de dimension 4" muni d'une base (fl" f 1t
~ 6.8.S Soit e une application lineaire d'un espace vectoriel de dimension finie eJ, e4) . Soit Set. Ties ,pus-espaces complernentairesdans E engendres respective
E dans Iui-meme. Montrer que les assertions suivantes sont equivalentes:
ment parles co~p~es(,,(I, 0, 1,0), '2(0, I" 0,. -Iet ('3(1, I. -I. 0). '4(0. ,~ I. I.
(a) Kere et lme sont des sous-espacescomplementaires dans E. .
Trouver ta rnattice dans la base (e l , e2' e), e.) de la dilatation relativement a S" de
(b) Kere n Ime = {o}. ~ j
direction T etde rapRqrt03.
(e) Ker(,2) = Ker e,
(d) Im(,2) := Ime,
6.8.11 Soit E et F deux espaces vectoriels munis de bases respectives (t l " f2'
(e) rg(,2) = rg,. eJ) et (f" f2, fJ, f..). Trouver la matrice, dans ces deu~ bases.de l'apphcation lineaire

6.8.6' Soit E, F, G, , et f/I comrnedans (b) de la proposition 6.4.2.

rp de E dans F par laquelle l'image de la famille de vecteurs (x l ( - II" -4, 6)"
x2(2,0, - I)" x)(2, I, -- I est la famille de veeteurs (YI( I" I" 0" 0). '2(0. I. I, 0).
(a) Montrer que Ker(ipotp) ::> Kere et, par un exemplesimple, que Ker(f/lo,) peut , y)(O" 0" I, I. (Utiliser (6.35) avec (' = r.) .
se reduire a {O}, sans'que Ker", soit egal a {OJ (autrement dit, que 'P0tp peut
etre injective, sans que '" Ie soit). ' 6.8.12 Soit E un espace vectoriel de dimension 4. muni d'une base. Soit S
... ~

(b) Montrer que Im('I'0tp) 7= f/I(lintp) c Im e. l'hyperplan vectoriel d'equation XI - 112 + x J - .l4 = O. Trouver la forme li
(c) En deduire que si Ime et 1mf/I sont de dimension finie, neaire / definie 'dans E tel1e que Kerf = S et ft.') = 3. ou , est le vecteur de
( rg(",o,) ~ mintrge, rg VI), composantes I, 1" I" - I. (On remarquera que pour tout nomhre non nul Q.
x ~ a(xi - 2x 2 + xJ - X4) .est une forme lineaire dont le noyau est S.)
avec egalite si f/I est injective ou rp surjective.
6.8.13 Soit E un espace vectoriel de dimension finie n > I. S un hyperplan
6.8.7 Soit A 'une matrice de type m x n et B une matrice de type n ~ p. vectoriel de E,! une forme lineaire dans E telle que Kef.r = S et , un vecteur non
'( . (a) A l'aide des applications lineaires associees canoniquement aA et a B, deduire nul de S. Soit rp l'application lineaire de E dans E definie par tp(x) = ~ + ,f(,,~.
( de I'exercice precedent que On appelle rp transvection relativement a S.
( rg(AB) ~ ,min(rgA, rgB), (a) Montrer que S est constitue des vecteurs invariants par rp.
(b) Montrer que tp est bijective. ,
o( avec egalite si rgA = n ou rgB = n (en particulier, si A ou B sont carrees et . (c) Soit err un vecteurn'appartenant pas a Set (f l " fill ,,,,, f,,_.) une base de Stelle
inversibles). . , .~' .
( que e"_1 = \'. Trouver la matrice de , dans !a ba~ (f l " f 2... f").
(b) Au moyen d'un exemple, montrer qu'en generalles deux membres ne sont pas (d) Dans les eas ou n = 2 et n = 3" tracer I'image d"un vecteur ~ n"appartenant
( egaux. pas a S. ainsi que celie des vecteurs 2x et 3~~ .
( .
 -H Appl...:allUH) au,..",." ; 0.1 .aHIUi.:.:
( \'
(
6.8.14 Soit E et S comme dans I'exercice precedent. Montrer qu'une appli (a) Trouver l'equation matricielle de la symetrie ep parallelement a D telle que
cation lineaire de E dans E laissant invariant tout vecteur de S est une dilatation 4>(Po) = Po, 4J(PI) = PI et 4J(P-J = P2
<

ou une transvection. (b) Trouver l'equation de l'image par 4J du plan d'equation XI + X2 = 1. (

(
6.8.15 SOil' une application lineaire d'un espace vectoriel E dans un espace .~ . 6.8.22 Dans un espace affine de dimension 4. muni d'un repere, on considere
vectoriel F. On appelle application duale de fIJ, et on note ,., l'application lineaire la projection sur l'hyperplan d'equation XI t X2 - 2x) + X 4 = 2. parallelement (
de ~ dans E~ qui associe a tout vecteur y. de F- le vecteur ,.(y.) de E'" defini a la droite vectorielle engendree par le vecteur v(I, - 1, 0, 1). Trouver l'equation (
par

(,(y)(x) = y(,(x. x e E.
matricielle de cette projection.
t

6.8.23 On dit qu'une application affine d'un espace affine f;j/ de dimension . (
On suppose que E et F soient de dimensions finies non nulles et munis de bases finie n > 1 dans lui-meme est une transvection affine si elle admet au mains un
(
respectives (e l , e2' .~!. ell) et (fl, '2 ... ' m ) . Soit A la matrice de ffJ dans ces bases. point invariant et si l'application lineaire associee est une transvection de l'espace
Montrer que la matrice de .,- dans les bases duales (If, If, ..., r:> et (eT. ef, ..., e~ directeur de E. Etablir les proprietes des trausvections affines. (
est 'A.
(
.... 6.8.14 Les espaces affines it. L:T et ~~/ etant munis chacund'un repere, une
6.8.16 Soil f/J et " des applications lineaires d'un espace vectoriel dans
. application affine 4J de if dans f et une application affine epde ~;F dans, ~t/ sont
lui-meme. On suppose que, et " commutent, c'est-a-dire que ,o~ = V'0f{J, et on
supposees donnees par leurs equations matricielles respectives. Trouver l'equation
pose S = Ker,. T =. 1m yt. Monlrer que ,(S) c; S et f<n c T.
matricielle de la composee epo~ ei, dans l'hypothese ou4J est bijective. celie de
6.8. I 7 Soil E somme directe de ses sous-espaces vectoriels S I' S2' ... S,. On l'inverse (/)-1.
suppose que chacun de ces sous-espaces admette une base et on reunit ces bases
en une base (e l e~, .... ell) de E. Soit tp une application lineaire de E dans E qui 6.B.2! Demontrer I'assertion (5) de 6.7.13.
commute avec" pour; = I, 2, ..., I. au ffJ;designe la projection sur S; parallelement
6.8.26 Montrer Que toute projection (symetrie) affine tP verifie la relation,
aSI ED ... EB S, El) ... El) SI. A l'aide de I'exercice precedent, montrer que la matrice \,.
4J2 = 4J (4J2 = id W). Reciproquement, montrer que toute application affine d'un
de" dans la base (e l el .... , e,.} est diagona/e par blocs. c'est-a-dire de la forme (4.6),
avec q = r et Ail = 0 si i .~ j.
espace affine iff dans lui-meme telle que 4J2 = 4> >2 = idlf) est soit idS', soit une <
application constante, soit une projection affine (soit id if' soit une symetrie
6.8.18 Montrer que la scule matrice semblable aal est al elle-meme, centrale, soit une symetrie affine). (Utiliser les exercices 6.8.25, 6.8.3 et 6.8,4.)
.(
6.8.19 Montrer Que la relation semblable a jouit des proprietes suivantes 6.8.27 Soit 4J l'application affine d'un espace affine euclidien dans lui-meme
(qui en font une relation d'equivalence); dont l'equation rnatricielle dans un repere orthonormal donne est
(a) A est semblable A. . a
(b) Si A est semblable a.B, B cat semblable a A. 0 -I 2
(,
(c) Si A est semblable B.et B semblable C, A est semblable C. a a 2 1. 0 2
~I -4
(
Y= l x + b.
Exercices sur les applications ajfUles 2 3 -2 (
6.8.10 Trouver l'equation matricielle de l'affinite plane f/) definie par les O' 4 (
images lP( f..J' ) et lP( 'J1 ') de deux droites ~ et :
I

Calculer le volume de l'image par tP du parallelepipede construit sur les points (
~I': XI = I. 4)(.~): X2 = 2,
Po( I, O, -1. 1), PI(I, 0, 1,0), P 2(0, I, -I. I), P](l, 1, 1, I) et P 4(0,0, -:-.2, I). (
~/": 3xI + 2x2 = 5. 4)( ~ '): XI =- 1.

6.8.28 Soit tP une application affine d'un espace affine (iJ dans un espace (
Determiner egalement I'axe (hyperplan), la direction et Ie rapport d'affinite.
affine L7. Montrer que 4> conserve les barycentres, c'est-a-dire Que 4>(G) est Ie (
6.8.11 Soit Po(2. I, 0), PI(3, 2, 0) et P2(3, 3. - I) trois points d'un espace barycentre des points tP(P1) . f/)(P~, ... f/)(PIc) affectes des coefficients respectifs aI'
affine de dimension 3, muni d'un repere. Soit en outre D la droite vectorielle a2' ..., al si G est le barycentre des points PI' P2, , Pk affectes des memes (
cnacndree par Ie vectcur ,(0.2, -I). coeffici~nts. (
{
( I
,)(

(
'6 Applications line-ires et applications affines
1"(

.(
~ 6.8.29 Trouver "image du sous-espace affine .i/' par l'application affine CHAPITRE 7
( ,I

d'equation matricielle (6.56) dans les cas suivants:

( x3 '+-3 = X4'
a Y . est Ia d roite
() . d'"equations
. XI - I
-= 2 =-
(
-
2 X2 -

Transformations et
(
. I 0I 03 -314 -If 0
I
, ( A = I
-2
2 t 0 'I 4' b = -I

matrices orthogonales,
( \
I 122 0 isometries, similitudes
(b) .Y est l'hyperplan d'equation XI - X2 + 5x3.- 2X4 = 2 et ,A, b sont comme
. dans (a). . . .
(e) .~ est le plan d'equation -XI + 5x2 + 7xJ = 1,

.A = - I
2' 32 4,
1] b = O.
7.1 TRANSFORMATIONS ET
[. I MATRICES ORTHOGONALES
-I -3

(d) .C/' est comme dans (e),

7. i .1 Introduction.
- 8 16 3,
8]
A = [
-~. .6
2 -1
b
[-fl Les proprietes metriques etabli~ dans Iechapitre 2 decoulent de la presence
d'un produit scalaire. Dans ce chapitre, nous nous proposons de caracteriser et de
classifierles applications qui conservent ee produit. Nous appliquerons ensuite les
conclusions obtenues a l'etude ties isometries et des similitudes.
.~~

Tout a,:, long du chapitre, .E designera un espace vectoriel euclidien.

7.1.2 Conservltion do prodalt scllalre et de II nonne

Soit rp une application de E dans E: On dit que, conserve It prod,,;, scalaire .

( si
(qJ(x) I f)(y = (x I y) (7.')
l
-.
pour tout couple (x, y) de vecteurs de E. On dit que', conserve In norm si
'~ (

I~( " qJ(x) II = If x II (1.2)

~"

'( pour tour vecteur x de E. On dit que , conserve l'orlhoRO"QIiI~ si l'image par, de
tout couple de vecteursorthogonaux de E est un couple de vecteurs orthogonaux.
Une application qui conserve Ie produit scalaire conserve evidemment 18
( norme et l'orthogonalite, En particulier, "image d'une famille orthononnale par
une tel1e application est encore tine famille orthonormale. Par contre, une applica
( tion qui conserve la norme et l'orthogonalite ne conserve pas Ie produit scalaire,
(
en general. Par exernple, si S est un sous-espace vectoriel de E different de {O} et
de E, I'application , de E dans E definie par
(

( ) = { x si xappartient a S

. ( rp x _ ~ si x n'appartient pas a S,

(
 ~~ j I".'.)h)fm.. h~." et m.. tnces orlho&on..tes, ISOm(Ut<~, ~Ululllu\!c) .... U~lv.Ul-,uvh,) \.1. ,1 " ".
( I

.(
conserve la norme et I'orthogonalue, mais ne conserve pas Ie produit scalaire. On 7.1.4 Transfonnations ortbogonales (
rernarquera, cependant, que" n'est pas lineaire.
On appelle transformation orthogonale de E toute application rp de E dans (
On dit qu'une application VI de E dans E conserve les angles si l'angle de ~x)
E satisfaisant a l'une des conditions equivalentes (a), (b) ou (c) de la proposition
et~y) est defini et egal a l'angle de " et y chaque fois que ce .dernier est defini. (
7.1.3.
Vu la definition de la notion d'angle, iJ est evident que la conservation du produit
Toute transformation orthogonale est injective. Cela resulte de la proposi (
scalaire equivaut a la conservation de la nonne et des angles.
tion 6.3.4, car le noyau d'une telle application se reduit a {o}, du fait que ,(x) = 0
implique II x II = II ,(x) II = 0 et done x = 0
.. (
Par le corollaire 6.3.6, il en decoule que toute transformation orthogooale (
d'un espace vectoriel euclidien de dimension fioie est bijective. Cette conclusion . (
7.1.3 Proposilioa tombe en defaut lorsquel'espace n'est pas de dimension finie (cf. exereice 7.4.1).
So;t, une application de E dans E. us conditionssuivontessont equivalentes: L'inverse ,-1 d'une transformation orthogonale bijective f/J est encore une
transformation orthogonale, ear, -I est lineaire et conserve la no nne, puisque ,
(
.(
(a) , est lineair et conserve la norme.
(b) ,(0) = 0 et ",(x) - ~y) II = II x - y II pour tout couple (x, y) de vecteurs II ,--(x),11 = II ,(,-I(X) II = II x II.
de ~'. ~
(c) , conserve le produit scalaire. De meme, la composee de deux transformations orthogonales (non necessai (
rement distinctes) est encore une transformation orthogonale.
()~"()NS"'Jl ATIUN

(a) entraine (b). II suffit d'observer que ,(x) - ,(y) = ,(x - y), en vertu de (
7.1.5 Exempl.
la lincMrile de tp. .
(b) entraine (c). En posant y = 0 dans (b), nous voyons d'abord que rp (1) L'application idEet la symetrie centrale -idE soot des transformations (
conserve la nonne. D'autre part, d'apres (2.14), pour tout couple (x, y) de vecteurs orthogonales, Lorsque dim E = 1, ce sont les seules transformations orthogonales
(
de E,", . de E.
(2) Soit E somme directe de S et S.1, ces deux sous-espaces vectoriels etant (
. II x - y 11 2 = II X 11
2
+ U y 11
2
- 2( x I y),
2 supposes differents de {Ole La symetrie orthogonalee par rapport a S est une
II9'<x) - ~y) 11 = II ,(x) g2 + JI ,(y) 11 2 - 2(q(x) I ,(y.
transformation orthogonale, En effet, 'P est lineaire et en outre, d'apres (6.10) (avec
us deux premiers membres etant egaux par hypothese. les deux seconds le sont 1 = -I) et l'orthogonalite de s et t dans la decomposition (6.9),
aussi, Comme , conserve la Donne, nous en concluons que les deux produits
scalaires sont egaux et done que" conserve Ie produit scalaire-. II f,<x) 11 2 = II rp(s + t) 11 2 = II s - t 11 2 = II S 11 2 + II t 11 2
(c) entraine (a). La conservation du produit scalaire entrainant celie de .Ia = II 5 -..: t 11
2
= II X 11 2, (

norme, iI nous reste ademontrer que, est lineaire. D'apres (2.14), pour tout couple ce qui montre que, conserve la norme. ,(
(x, y) de vecteurs de E et lout"couple (a. /f) de nombres,
(
II ,(ax + fly) - a,(x) - fJf1(y) 11 2
: (
= II ,(ax+ fly) III +. a 211f'{x) 11 2 + fll ,(y) 11 2 - 2a(,(ax + fly) I qJ(x
\
. 7.1.6 Matrice d'uDe transformadoD ortbogouale .
. 2fJ(f'{ax + PY) I ,(y + 2aJl(f'(x) I ,(y. Supposons que E soit de dimension finie non nulle n. Soit , une transforma
('

tion orthogonale de E. Designons par A la matrice de 'P dans une base orthonor .~(
Comme , conserve le produit scalaire ella Donne, Ie second membre peut s'ecrire
sous la forme male (e., 'e2~ ..., ell) de E arbitrairement choisie. Comme (Y'(Xe:= AXe et
(

II ax + 2 2
fly 11 + a 11 x 0 + /PO Y 11
2 2
(QJ(Ye = A)'c,la condition (7.1) s'exprime, de maniere equivalente, sous I'une des
deux formes (

2a(ax + fly I x) - 2fJ(ax + fly I y) + 2ap(x I y) .

2 2 (

-. II ax + fly 11 + a 11x 11 2 + 'fll Y 82 + 2afJ(x I y) - 2U ax + fly 11 2 '(AxJAYe = 'xe)'e

2
= 211 ax +fJy 11 - 211 ax + fly 11 2 = O.. ou (

II s'ensuit que Ie premier membre esl egalement nul .ce qui montre la linearite de f/J. 'xe('AA ~ I)Ye = O. (7.3) (

(
so Transformations et matrices orthogonales, isometrics. similitudes Transformations et matrices ortholonalet SI

(
I' ( )

En prenant pour x, et Ye respectivement Ie i-ieme et Iej-ieme vecteur de la base Comme ce vecteur doit etre egalement unitaire, (12 = J, autrement dit, a = I.
( canonique de R" (c'est-a-dire les vecteurs-colonnes des composantes de el et de ej)' Les deuxseules formes possibles d'une matrice orthogonale d'ordre 2 sont done:
nous voyons que Ie premier membre de (7.3) n'est rien d'autre que Ie terme
(ab - b). . [a b) , ou
(
d'indices t.t de la matrice 'AA - I. Les indices i et j etant quelconques, cette til + h2 = I. (7.5)
a b-a
:( -rnatrice est done nulle, autrement dit,
( 'AA = I. (7.4)
( !
Inversement, si A est une matrice carree d'ordre n verifiant' (7.4) et (el' e 2, 7.1.8 Caracterisation des matrices orthogonalel
( ..., e,,) une base orthonormale de E, l'application lineaire de E dans E associee a
D'apres la proposition 4.2.3, si A est une matrice orthogonale,
A conserve Ie produit scalaire et ~st done une transformation orthogonale.
Nous sommes ainsi amenes a poser la definition qui va suivre. 'A'A = I, (7.6)
(
autrement dit, A est inversible et
7.t. 7 Matrices orthogonales A-I = 'A. - (1.7)

On dit qu'une matrice carree A d'ordre nest orthogonale si elle verifie la Inversement, toute matrice carreeA 'qui verifie (7.6) ou (7.7) est orthogonale,
relation (7.4). La proposition suivante resume les caracteres distinctifs des matrices ortho
On notera que cette relation est l'exacte expression du fait que Ie produit goriales:
scalaire (dans R") de la i-ieme Iigne de 'A, c'est-a-dire la ;-ieme colonne de A, par
la j-:ie'!1e colonne de A est 1 ou 0, suivant que i = j ou i :1:. j. En d'autres termes,
une m~trice carree est orthogonale si et seulement si ses colonnes forment une
7.1.9 Proposition
famllle~;orthonormale.
,( Par exemple, les matrices suivantes soot orthogonales, car leurs colonnes Soit A une matrice carrie d'ordre n. Les conditions suivantes sont ;qlli"Q
sont orthonormales: lentes: .
1 I. 3 (a) A est orthogonale.
Ji-Jfi (b) A'A = I, autrement JiI, 'A est orthogonole.
JIf
[~ . ~), . t [2 -3)
Jfj3,'2' 1-;' 1 3
Jfi ..
(e) A est inverslble et A-I = 'A. .
(d) Les colonnes de A forment une fomilte orthonormale.
Ji (e) Les lignes de A/orm~n' unefamille orthonormale.
3 2
0 (f) L 'espace E hont suppose d~ dimension n et muni d'une base orthnnornlt1/('
JIf 'Jfi arbitrairement choisie, I'application lineaire de E dans E assoriee Ii A est ,11ft'
. I
Par contre, la matrice trans/ormation orthogonale.
. (

,'(
)

[: -:) (g) Meme condition que (0. mais avec une base donnee.

n'est pas orthogonale, car ses colonncs (tout en etant orthogonalesjne sont pas
(
des vecteurs unitaires. 7.1.10 Determinantd'ane matrice orthoionale
( Les matrices orthogonales d'ordre 2 peuvent d'ailleurs @tre decrites tres
Lc determinant d'une matriee orthogonale A vaut I ou I. En effet, d'apres
faeilement. La premiere colonne est .un vecteur unitaire de R.2
( (a) et (b) de la proposition 5.1.8. '

( l [:) . I A 12 = I 'A II A I = I 'AA I = III = I,

'C ' ..Etant orthogonale a la' premiere, la deuxieme colonne est de la forme ee qui entraine
( )
IAI=t.
( a[ -~) .
Le determinant d'une transformation orthogonale vaut done aussi I ou - I.
I (
 I ... ;IJh'".&..llllJ ......... 1 4;"hll\."~ \H"H'~V6"U,"., )\I,I&";Uh..:.. ')4"UJHU~\..)
l_".l:.;),IlL~U\."&~' \I- 1 ~ 41 .. ,\,II.I.llIH.,,, \ . . . . . . (... ... (
t I'
('
a ne pas conclure qu'une matrice est orthogonale du seul
On prendra garde Nous allons maintenant definir la notion d'angle oriente. Supposons que E (II
fait que son determinant est egal a 1 ou a - I. Pour se rendre compte de I'erreur soit oriente et considerons d'abord Ie cas 00 l~' est de dimension 2. ( II
qu'on ferait, it suffit de penser que toute matrice inversible peut etre legerement On appelle angle oriente d'un couple' (x, y) de vecteurs le nombre (j' de ,

,(
c; II
modifiee (par exernple en divisant les tennes d'une de ses colonnes par son . I'intervalle [0, 2n] defini 'par'
::tl'
determinant) de maniere a obtenir une matrice de determinant I. (
0' = {() si (x, y~ est une basedirect~ o~ si x est multiple de y, . (7.9)
'II
2n - 0 Sl (x, y) est une base indirecte, " '( I

7.1.11 Mat.rices de passaae ortboaooales ou 0 designe l'angle (non oriente) de x et y (dans la figure 7.1 I'orientation de E
"

(
La matrice de passage d'une base .onhonormale ~ une base orthonormale est definie par (el' e2)' (I
est orthogonale. Cela resulte iminCdiatement de la definition 6.6.2, compte tenu ;I
de (2.28). (
:I
(
( 1
7.1.1Z ladtpeDdaace du Yoluaae du dIolx du re,ere orthonormal 0'
I
Supposons que Esoit de dimension finienon nulle n. Soit W un espace affine (
de direction E et Po.. PI' ..., P" des points de A". Designons par aj et a; .( I..
U = I, 2... n) les vecteurs-colonnes des composantes du vecteur ~ dans les I
y
bases de deux reperes onhonormaux de ~ . Soit P la matrice de passage de la base
Fig. 7.,1 I
du premier a celle du deuxieme repere. Suivant Ie choix d'un de ces reperes, Ie {
volume du parallelepipede construit sur Po' PI' ..., P,. est, d'apres (5.12), Manifestement, l'angle 'oriente ainsi defini ne depend pas des normes de x (
Idet(a l a2' ..., a,.) I ou 1det(a ai... a~) I et de.y, En revanche, it depend de I'ordre d'ecriture des vecteurs x et Y'. ainsi que
de l'orientation de E. Plus precisement, si x et y sont echanges, ou si l'orientation
(I
Or, d'apres (6.31).
de E est changee, .l'angle 0' change en 2n - (J'. (I
'c IJ ~ Paj.
On riotera que si (J est l'angle (non oriente) de x et y et 8' l'angle oriente de "I
Par consequent. vu la regie (4.8). la propriete (a)' de la proposition S.l.~, 7.1.11 (x, y), cos(J' = cosO, tan dis que sinO'::c sin8 ou sinO' = - sinO, suivant que (
et 1.1.10
0' = 0 ou 0'.= 2n - B.
( 1

I dCI(a a2' ='1 det(P_', P-2' .. 'Pa~) 1

.... , .11) I -L'orientation de E etant definie par une base (el' ell, pour savoir si 0' =' 0 , I
(
= .II P 1.1. 1 det(a -2' ..., a;.> I = ,I det(a., a2' ..., .a;'> I, ou 0' = 21t - 0, il suffit de calculer Ie determinant det(x e, Ye)' Si x n'est pas
ce qui demontre I'independanee de la definition (5. "2) du choix du repere ortho multiple de y, ce determinant n'est autre que Ie determinant de passage de la base (
normal, puisque la valeur absolue de I P I vaut I. (el , el ) a la base (x, y). 11 est done positif OU negatif, suivant qu~ 0' = 0 ou
(
0' = 2n - O. S'il est nul, x est multiple de y et dans ce cas (}' = O.
Lorsque la base (el' e2) est orthonormale, Ie lien entre sinO'et det(x e, yJ est (
precise par la relation (
7.2 CLASSIFICATION DES TRANSFORMATIONS sin8" = det(x e, Yc) (7.10) (
ORTHOGONALES A DEUX ET A'TROIS DIMENSIONS x, 1111 Ye II'
II
(
En effet,
{
' 2 2
7.1.1 AlIIla orieDta
cos20' + (det(Xc, Ye))2
(x IYI + ~2Y2) _+ ~x IY2 =- X2YI) = I,
(
L'angle (non oriente) de deux vecteurs non nuls x et y a etc definidans 2.4.4: ... II Xl! 1111 s, II

c'est I'unique nombre 0 de I'intervalle [0, nl tel que (

ce qui entraine que les carres des deux membres de (7.10) sont egaux et done que
(
cosO =~ (7.8)
les deux membres eux-memes sont egaux, puisque l'un est positif si et seulement
II x 1111 y II si l'autre l'est. (

(
 (
!
(

(
54 Transformations et matrices orthogonales, isotnetries, similitudes I Cla,sifiaUions de! transformations ortholonales j deux et , trois dimensions , 5~

Par la suite. nous noterons les angles orientes et non orientes par un seul
(
symbole, principalement par O. En outre, pour plus de commodite, nous permet ct
( trons a tout nombre de representer un -angle oriente, en convenant que deux . 0
= Xx,I .l'ICOSO-X2Sinol _
( nombres designeront Ie meme angle oriente s'ils different d'un multiple entier de
2~. Par exemple, 2n - 0 et .; (J designeront Ie meme angle oriente.
sinO' = det(x e t Alxc)

d'ou i1 s'ensuit que 0' = 8..

I 0
XISln +x,cos 0 - Sin,

( Lorsque la dimension de E est superieure a 2, la notion d'angle oriente de

( 'deux vecteurs Iineairement independants se definit au moyen du plan vectoriel Si A~ = A2, rp est une symetrie axiale orthogonale, plus exacternent 18
qu'ils engendrent. Bien entendu,' ce plan doit etre prealablernent oriente. L'angle symetrie orthogonale par rapport a la droite vectorielle engendree par Ie vecteur
(
de composanlescos~, sin~ (fig. 7.2). En eifel, d'apres (6.24), la matrice de ceue
oriente de deux vecteurs lineairement dependants non nuls est simplement leur
( angle (non oriente). 2 ,2 ,
Lorsque E est oriente ei de dimension 3, on dit que l'orientation d'un plan application est
vectoriel S de E,est definie par un vecteur e n'appartenant pas aS, ou par la droite
vectorielleengendree et orientee par e, si les bases directes de S sont celles qui se I -sln . 20] (-sln. 28 fJ]
cos~ 2
I - 2,'sin
- 2sln-co~-
2, . 02 OJ
2
prolongent par e en une base directe de E. ' I - 2ne ne=,
1-2 (J ,0 0
" [ cos- 2 [ 2sin cos'2 1- 2eos -
2 2
2
.' (
( = (COSO " SinfJ] == A
'sinO -cosO 2'

7.2.2 Tr~nlfo~ations orthogonales i deux dimensions

ti(x)
, (
~Supposons que E soit oriente, de dimension 2 et muni d'une base orthonor ",
( male directe (e l, e2)' Soit fJ nne transformation orthogonale de E. D'apres la ", \
'proposition 7.1.9, la matrice de f/J est orthogonale, done de I'une des deux formes \

decrites dans (7.5). Par ailleurs, nous savons qu'il y a correspondarice biunivoque
t 2 \
\
\
"
entre les angles orientes et les vecteurs unitaires de ~2, cette correspondance etant
definie par .
COSO]
(J 4-+ [ sinO' (7.11)
'I
Nous en' concluons qu'il existe un angle oriente 9 permettant d'eerire la matrice
de rp sous l'une des deux formes
x
( 'A = [c~SO -Sin'O] ou A = [c~So. SinO] '. (7.12)
Fla. 7.2
1 sinO cosO 2 sinO -cosO
( Lorsque E est de dimension 2, nos conclusions se resument done ainsi: tout
( Plus precisement, trans/ormation orthogonale de determinant I est unt rotation('I toute transformation
orthogonale de determinant - I est une symetrie axiale orthogonal,
,f Ap ::: AI si dete = I,
On notera que les rotations conservent Ies angles orientes, tandis que I~
(7.13)
A~ = A 2 si dete = - 1. symetries axiales transforment ceux-ci en leurs opposes. Cela resulte de (7.10). vu
,~,
Si A, = AI' on appelle ffJ rotation d'angle oriente 0 (fig. 7.2). Cette denomina que
(
tion est justifiee par Ie fait que rp conserve la nonne et que l'angle oriente de tout det(A~xe' A,Ye} = det"det(xe, Ye) (cf. (6.64.
( vecteur non nul et son image est 9. Pour prouver cette derniere assertion, designons
par 9'I'angle oriente de (x, f'(x,ou x est un vecteur non nul quelconque, que nous
(
pouvons supposer unitaire. D'apres (7.8), (7.9) et (7.10), 7.2.3 Existence de ,ectean in".rlanfs
(
(
, -- ( x I ({J"
cos O ( -- I x~ A I xe -_ [XI 'x 2) [COSO
. (J
sin
-SinO]
cos
0 [XI] -- cos0
X2
Si E est de dimension finie et impaire n, toute transformation orthogonale
f/J de E admet" un vecteur invariant non nul ou un vecteur non nul dont l'image est
(
),. ..
'lu;,Au(lla~UA"'U.) ,,' m.alU\..C) ul.lhvgun.&a~~, a~uuu lIA~,), ~uuUHuu~~ Lla)~A.k-,.l'UIl:) uc~ U 4lU", ,:i lll,.ILU..III\ dlluvl)t II Jac;) ~ UL;u-, \.. '" ~& 1;1 . uAUU.:U.... HIU;. (
(
son oppose. Cela revient a dire que" ou ~ rp admeuent un vecteur invariant non Supposons maintenant que -ffJ admette un vecteur invariant non nul. Dans (
nul, ou encore qu'il existe un vecteur non nul x tel que une base orthonormale directe dont le troisieme vecteur est un vecteur invariant
(
par - rp, la matricede - rp s'ecrit sous l'unedes deux formes (7.16). Par consequent,

hI' - idL)x ;;.. 0 ou (, + idJx = O. (7.14)

la matrice de rp dans cette base s'exprime sous I'une des deux formes. . (

. '
Pour etabhr ceue conclusion, choisissons une base orthonormale quelcon
que de 1:.'" et designons par A la matrice de f/J dans ceue base. Les deux equations
Al::::l
cosO .: sinO
sinO cosO
0]0 ou A4 =
[COSO sinO
sinO -cosO,
0]0, (7.18)
.(

(7.14) s'expriment alors, de maniere equivalente, sous la forme de deux systernes [ .0 (

0 -~ 0, 0-1
hneaires homogenes ayant pour matrices associees respectives A - I et A + I. Vu (
Iecorollaire 3.5.4er(b) de la proposition 5.1.6, tout revient done ademontrer que ou 0 designe l'angle oriente determine par - tp majore de 1l. Plus precisement,
I A - II = 0 ou I A + II = O. Par (b) de la proposition 5.1.8 et (5.5),. (
A., = A) si dete =' -1 (det(-,) = 1), (7 19)
~(
IA - 'AI = I'(A - 'A) I = I'A - AI ='I-(A - 'A) I = (-I)ftIA - 'AI, A, = A4 si dete == 1 (det(-,) = -1).
ce qui entraine, n etam impair, , Dans Ie premier. cas, , est la composee d'une rotation d'angle oriente 0 et d'une (
symetrie plane orthogonale, plus exrctemem la symetrie orthogonale par rapport (
I A - 'A 1= o. (7.15)
au planvectoriel orthogonal a l'axe de rotation. Dans Ie deuxieme cas, ffJ est une
(
D'autre part, par (8) de la proposition 5'.1.8 et grace au fail que A est orthogonale, rotation d'angle 1l dont I'axe est la droite vectorielle engendree par le vecteur de
o .0
2' s1n 2, O.
I A - 'III A + I) = 1.42 - II :;; I A(A - 'A) I = I A II A - 'A I = 0, composantes cos
ce qui entraine la conclusion. Lorsque E est de dimension 3, nos conclusions se resument done ainsi: toute
trans/ormation orshogunale de determinant Jest une rotation et toute trans/ormation
orthogonale de determinant - Jest la composee d'une rotation et d'une symetrie
7.1.4 T....rorm.ti... ordaopaa1es i ~ols dJmemaoas plane orthogonale, cette composee pouvant se reduire a la seule symetrie (lorsque la
rotation se reduit Ii l'identite),
Soil E oriente er de dimension 3.. Soil en outre , une transformation
orthogonale de E. D'apres 7.2.3, , ou - , admettent un vecteur invariant non nul.
Supposons que, admette un tel vecteur. La droite vect.orielle D engendree
par ce vecteur est alors invariante. Designons par S Ie plan vectoriel orthogonal
a D. Comrne , conserve l'orthogonalite, S est stable par tp (cr. 6.1.3). En outre, 7.2.5, GeneralisadoD
la restricuon de tp a S est une transformation orthogonale de S. Prenons un vecteur Signalons,sans demonstration, Ie resultat general suivant : E etant de dimen
unitaire e) de D et orientons D par ce vecteur. Orientons ensuite S au moyen de sion finie non nulle n, pour toute transformation orthogonale tp de E, il existe une (
D et choisissons une base orthonormale directe (el' eJ de S. En raison de 7.2.2, base orthonormale dans laquelle la matrice de. tp s'ecrit sous la forme (
la matrice de , dans la base (c.' ell ell s'ecrit sous l'une des ~e~x formes

"~~"-l:=:~;!. : ~
(

A.
COS O
= sinO
- sinO .
cosO 0
0] ou A2 :;;
[COSO
sin'O -cosO
sinO 0]
0, (7.16)
'0
(
;R. :
[
o 0 1 0 0 I : ~ ~
(7.20) (
ou 0 est un angle oriente detennine par ,. Plus pr~iseme~t, .(
o
A, = AI si det, = I, (7.17) rR~~~ (
A" = A2 si det, = - I.
ou k, I, m sont des entiers positifs tels que k + l + 2m = n, lie et I, sont les (
Dans le premier cas, on appeUe , rotation d'axe D et d'angle oriente O. Dans Ie
matrices-unites d'ordre k et I et (
deuxieme cas, tp est UQe syrnetrie orthogonale par rapport au plan engendre
- sinO~]
par el el Ie vecleur de composantes cos~. sin~. o. R; =
. [COSO;
. 0
sin -, cos. 1
.
8 ' I = 1,.2, ..., m.
(
(
(
(
 (

(
58 Transformations et matrices orthogonales, isometries. similitudes Classifications des transformationa orthoaonalel , deu. et , lrois dimensions 5'
(
(
Precisons toutefois que les trois types de sous-matrices figurant dans'(7.20) ne sont
,( pas necessairement "tous presents enmeme temps.
.~( Ce resultat affirme, en substance, que l'espace vectoriel E ~st somme directe
de droites et de plans vectoriels orthogonaux deux a deux et stables par ffJ.
'(
(
7.2.6 Calcul de I',angle et de l'axe de ro~adon
,l
, Soit A = (aij) une rnatrice .orthogonale d'ordre 3Jet de determinant I.
,(
L'espace E etant suppose oriente et muni d'une base orthonormale directe (e., e2,
7.2.1 Calcul de I. matrlce .'1IDe rotation'
e3) , l'application lineaire ffJ' de E dans' E associee a' A est une rotation d'angle
oriente 0 dependant du choix de I'orientation de l'axe de, rotation. Le cosinus de Supposons que E soit de dimension 3 et muni d'une base orthonormale (f,.
o est,toutefois independant de ce choi~ et peut etre' calcule ainsi: d'apres 7.2.4, la , e2 eJ ) definissant son orientation. Soit D 18 droite vectorielle engendree et orientee
matrice de rp dans une base orthonormale directe dont Ie troisieme vecteur est un par un veeteur unitaire , de composantes v" "2' "1' Nous nous proposons de
des deux veeteurs unitaires engendrant I'axe de rotation est la ~atrice AI de (7.16); calcuJerla matrice A de la rotation d'axe D et d'angle oriente O. Le calcul peut etre
d'apres (6.36), A et AI' sont semblables, done elles ont la meme trace (ef. 6.6.12), fait au moyen d'un changement de base, comme dans l'exemple 6.6.11. La base
autrernent dit, . ' auxiliaire (e., e;. e;) est definie de la maniere suivante: e; est le vecteur ,; fi est un
vecteur unitaire orthogonal a , que nous choisissons, par exemple, dans le plan
+
trA ~ trA, = 2cosO 1,
vectoriel engendre pat e. et e2; ei est Ie vecteur e; x Dans Is base (e], fi. e;) e,.
ce qui entraine la matrice de la rotation est
I 1 COS8 - sin8 0]
+ a22 + aJ3
0

cosO = -(tr
2
A ..:... I) = -(all
2
- I). (7.21)
A' = sin8 cos 8 O.
[
o 0 1
Supposons maintenant que l'axe de rotation soit oriente par ,. L'angle de
rotation est alors l'unique nombre (J de l'intervalle [0, n] satisfaisant a (7.21), ou La matrice de passage est 18 matrice orthogonale
l'oppose -0 de ce nombre, suivant que Ie determinant det(x e, AXe' 'e) est non
negatif ou negatif, x etant iei un vecteur queleonque n'appartenant pas a l'axe de
rotation'. Dans la pratique, it convient de prendre pour x un des vecteursde la base.
!1
r
"1"3
r ",
Par exemple, si Ie choix de e l est possible, 'Pee' = I_!! "2"3
"2
r r
I all
det(xe, AXe' 'e) = 10 a21 V'I =
V2
la
a31
21
'
"21 (7.22)
0 -r "3

o a31 VJ
1']
ou r = (v: + v~Y., D'apres (6.36), la matrice cherehee est

" (
Lorsque A n'est pas syrnetrique, autrement dit A 'A = A-I., ce qui signifie '* A = Pee,A' 'Pee' .
que l'angle de rotation est different de 0 et de 1f, l'axe de rotation est engendre par
EI /3 0 1C
Ie vecteur non nul v defini par xemp e numenque:
' 0 '
SI ", = "2 = V3 = 3
-.
et = 6'
" [a 32 - a23 ]

I[I
( I

'.
Ve = a,'3 - a31 (7.23) I[ 3J2, J6 2/3] etA=) +/3
I-Jj
( )
a21 - al2 Pee' =- -3J2 J6' 2/3 I I+Jj 1_1J3].
( I En effet, un calcul tout a fait simple montre que
6 0, -2J6 2Jj '1-/3 1 I+J3
La matrice Apeut egalement etre calculee en passant par l'ecriture explicite
(
(A - 'A)xe = (v x x), , de l'image tp(x) d'un vecteur quelconque x, On constate d'abord que
( . .
pour tout vecteur x de E; d'autre pa rt, si x est' un vecteur de l'axe de rotation, /I x - (x I .), ,11
2
=' II X ,,2 - (x 1.)2 = 2
H x 11 ( 1 - cos2"l

( 2 2 2
x, = AXe = A,-I X(" = 'Axr . '== "x sin
11 " = II' x x11 ,

{ )
(JU t ...."r.h)lu...aU..u.~ ~L h~.""lh..~~ U'Lllu~~ .. ..aI",:.. a;)I.JiU... ~ . ;.:y\l .> buuu..:lJ 1,"~. ~UU1L'. ; "Jc:.
( ;

( .

ou " est l'angle de xet Y. A l'aide de la figure 7.3, on verifie ensuite que 7.3.1 Isometries , "(
f'(x) = (x I Y)v + casO(x -
Traduite en terrnes matriciels, ceue relation s'ecrit
(x I v),) + sinO(v x x). (7.24) On dit qu'une application tP de g dans if est une isometrie si elle conserve
-la distance, c'est-a-dire si
r

(~!

tS(~(P), tP(Q = tS(P, Q) (7.27)

AXe = 1 - cosO)"c'Ye + cosOI + sin8V)xc ' (
~'
pour tout couple (P, Q) de points de H'.
ou (
0 -V)
V2] (
v= [
v) o -~ . (7.25)
-V2 VI (
7.3.3 ProposidoD. CaracterisatioD des isometri~
La matrice de la rotation est done donnee par la formule (
Pour qu'une application 4> de f! dans ttf soit une isometrie, i/ faut et if suffit
A = (I - cosO)Yc"c +- cosOI + sin8V. (7.26) que fP soit affine et admette commeapplication lineaire associee une transformation (
orthogonale. (

DEMONSTRAnON (
X

/
I
Supposons que fP conserve I~ distance. Choisissons un point quelconque 0
I

I
de (;f et designons par" l'application de E dans E definie par
/
. "

(p(OP) = cP(O)4i(P).
/""
----"'
/ '" y x x
(

,
/
Nous devons montrer que , est une transformation orthogonale. De to ute evi
dence ,(0) = o. En outre, par (7.27) et (2.53),
(
\
,
(
X - (x I ')Y
\( It
/
II (p(OP) - ,(OQ) II = II (1J(O)4i(P~ -~(O)tP(Q) II = II tP(Q)4i(P) II
(
.;'
",
/
= cS(tP(Q), lP(P = tS(Q, P) = II QP" = II 75P - OQ II,
,/

x-=fx I y)y ce qui montre que" satisfait ala condition (b) de I~ proposition 7.1.3 et done que
est une transformation orthogonale.
f{J
Reciproquement, si cP est affine et l'application lineaire associee , est une
(
Fla. 7.3 transformation orthogonale, (2.53), (6.43) et Ia conservation de la nonne entrai
nent que (

tS(cP(P), tP(Q = II ~(P)~(Q} II = II qJ(PQ) II = II PQ II = b(P, Q), (

ce qui montre que fP conserve lit distance. (

(
(
1.3 ISOMETRIES, SIMILITUDES 7.3.4 Remarqlles
(
(I) Lorsque g est de dimension finie non nulle, l'equation matricielle d'une
(
7.3.1 latroducdoa isometrie dans unrepere orthonormal quelconque de (;f s'ecrit
(
Les applications qui conservent la structure metrique d'un espace sont y = Ax+ b,
appelees isometries. II s'avere que toute isometrie d'un espace affine est une
(
ou A est une matrice orthogonale.
application affine. . (2) Toute isometrie est injective (bijective si ~' est de dimension finie). C'est (
Dans ceue section, tfJ designera un espace affine euclidien de direction E. une consequence de (3) de 6.7.13 et 7.1.4. ' (
(
(
 ( ,
.'
(

6~,
Transrormalions et matrica ortholl!nalel, isometries, similitude. '101Mt1'iel, IImtlttuclel 63
(
(
( (3) La composee de deux isometries (non necessairement distinctes), ainsi Une isometriede g est done une translation ou une rotation ou la composee
que l'inverse de toute isometrie bijective, est encore une isometrie, Cela decoule d'une symetrie axiale orthogonale et d'une translation' parallelement i l'axe de
( directement de la definition 7.3.2. symetrie, cette composee pouvant se reduire , la seule symetrie,
( (4) Toute isometrie conserve les angles. En effet, C/>(P)tIJ(Q)t[)(R) est Tangle
, des vecteurs cf>(Q)~(P~ = fJ(Q}) et,C/>(Q)<I>(Rj = ,(Q'R), done l'angle des vecteurs
(
OJ et QR, puisque , conserve les angles, c'est-a-dire PQR.
( (5) Lorsque W ~st de dim~nsion finie non nulle, toute isometrie conserve Ie
volume des parallelepipedes. Cela resulte de (6.65), vu que I det, I ='1 ~
(
(

7.3.5 Exemples
Les translations et les symetries affines orthogonales sont des isometries,

7.3.6 lsometrles i denx dimensions

Supposons que if soit oriente, de dimension 2 et muni d'un repere orthonor
Fla. 7.4
mal direct d'origine O. Soit cf> une isometrie de if' et, la transformation orthogo
nale associee t/J. a .

. Si, ~ idE' tIJ est une translation.

t -(

'Si dete = 1et e #=' idE' t1' admet un point invariant unique Po, car la matrice
I - A de l'equation (6.58) est, dans ce cas, inversible, du fait que
. (

II - . II-
AI =. '.cosO
-sIn
8
I

1
sin 9
-~os'.
I' . 2 .'2
.
.
8 = (1 - cosfJ) + sin 8 = 2(1 - eosfJ) :F
.' ,
o.
7.3.7 lsometries j troll tlIIneMIons

Les isometries i J dimensions peuvent etre classifiees par des arguments

analogues aceux que nous avonsutilises dans Ie paragraphe precedent. La discus
II s'ensuit q~e cf> est une rotation du vectorialise /fpo. On l'appelle rotation decentre a
sion etant toutefois plus longue, nous nous limiterons enoncer In conclusions.
Po et d'ang~e oriente 0, eet angle. oriente n'etant autre que celui de la rotation Supposons que If soit oriente et de dimension 3 et considerons une isometrie
(vectorielle) 'P. . f1J de ({ de transformation orthogonale associee ,.
(
Si dete = -1, grace aux resultats obtenus dans 7.2.2, nous deduisons de Si fJ = idE' tIJ est un~ translation.
( l'equation matricielle (6.56) (ou directement de (6.43 que t1J est la composee d'une
syrnetrie orthogonale par rapport ,a one droite ! passant par 0 et d'une transla
Si dete = I et fJ ~ idE' nous distinguons deux cas:
( (I) tIJ admet un point invariant Po. Dans ee cas, f/J est une rotation du
tion de vecteur v = Orl>(O~. .
( vectorialise tf"0. Soit ~ et 8 respectivement l'axe et l'angle oriente de cette
a
Supposons d'abord que v soit orthogonal la direction de !?fi . Le point Po
rotation. On appelle f/J rotation d'axe :Y et d'angle oriente O. Evidemment, Is
( = 0 + tv est alors un point invariant de r/J, done r/J est une symetrie orthogonale
direction de :/ n'est autre que l'axe (oriente) de la rotation (vectorielleje et 0
par rapport a la droite 9J. passant par Po et parallele a 2fi.
( Supposons que v ne soit pas ort~ogonaJ a la direction de !fl. AJors
, l'angle oriente de cette rotation.
(2) tIJ n'admet aucun point invariant. Dans ce cas, f/J est la composee d'une
( rotation et d'une translation parallelement i l'axe de rotation.
v = v. + '2'
( v.
ou est un vecteur orthogonal ala direction de !$ et V2 un vecteur de la direction Si dete = -I, nous distinguons egalement deux cas:
( de gJ . Designons par ~. l'image de .1}lJ par la translation de vecteur tVr. D'apres (3) tIJ admet un point invariant Po. Dans ee C8!, f/J est 18 composee d'une
( ce qui vient d'etre etabli, t1J est la composee de la symetrie orthogonale par rapport rotation et d'une symetrie plane orthogonale, plus exactement la symetrie ortho
,
i>. a ('~r et de la translation de vecteur ":, (fig. 7.4). gonale par rapport au plan passant par Pn et orthogonal Ii l'axe de rotation. rene
w llollbh'HUtllhJII) '-, tU"lU"~ onhU"Oniilc~, .~mClnc~, ~lIn.hluocS 1:.ACICI~~;' (J

(~
lei"~

composee pouvant se reduire a I~ seule symetrie (lorsque la rotation se reduit a 7.4 EXERCICES (
l'idenute). . (
(4) rIf n'admet aucun point invariant. Dans ce cas, f/J est la composee d'une "I,
symetrie plane orrhogonale et d'une translation parallelement au plan de syrnetrie. 7.4.1 Soit El'espace vectoriel des polynomesmuni du produit scalairedefini (' .
':'!~
dans l'exercice2.9.2. On considere l'application p -+ qJ(p) de E dans E definie par -,.((.J~
q1(p)(t) == Ip(t). ..

':( I

7.3.8 SimiUludes (a) Montrer que 91 est une transformation orthogonale. :~~
Soit 1 un nombre positif. On dit qu'une application t/) de (.f dans (f est une (b) Montrer que f{J n'est pas surjective. \'~
S'I~
sill,i!ilutk de: rapport A si (lie ",uJliplie la distance par 1, c'est-a-dire si
7.4.2 Pour quelles valeurs de a et de b la matrice carree d'ordre n ~ 2
. d(fI)(P). (j)(Q)) = J.b(P. Q) (7.28)
b 1 1 ~\~
.:t!.~
pour tout couple (P, Q) de points de Ii .
1 b 1 \. I~
Une similitude de rapport I est une isometrie. Toute homothetie de rapport .(
1 I b
non nul J~ est une similitude de rapport I I' I I I~
La cornposee d'une similitude de rapport A et d'une homotheue de rapport ('1
A- I est manifestement une isometrie. A l'aide de cette observation, les similitudes 1 : b 1 i I~
peuvent etrc caracterisees ainsi: I b
( I~
I
est-elle orthogonale? (
.. ~
7.3.9 Proposilioa. C.racterisatiOll des IimiUtudes

Soil tP une applicalion de ~f dans if' et A un nombre positlf. Les conditions

7.4.3 Soit a, b, c et d des nombres non tous nuls. Apres avoir constate que
.(
( I
les colonnes de la matrice \III
suivantes sont equ;vaJenttJ: .
(a) II e~1 une simililude de ,appol' 1.
A = Ib
a -ba .-re -d]
-c . d
(,I:I'
(b) II est la con.posee d'une isomhrie et d'une homothetie de rappo.rl A. ( II
(c) ~ est une upplication affine dont l'application lineaire associee est A fois une c -d a b
transformation onhogonale. d c -b a ( II
(
sont orthogonales deux a deux, determiner les valeurs de a pour lesquelles aA "11
est une matrice orthogonale. A l'aide des proprietes des matrices orthogonales, (
7.3.10 Remarques ded uire ensuite I A I et A- I . .II:
( nII'
(1) Lorsque (i est de dimension finie non nulle, l'equation matricielle d'une
similitude de rapport A. dans un repere orthonormal quelconque de If s'ecrit 7.4.4 Soit A une matrice antisymetrique (cr. exercice 4.7.16). ( II
(a) Montrer que 1 + A est une matrice inversible, (Prouver que l'equation
y = AAx + b. . Ax = - x n'admet que la solution Dulle et appliquer Ie corollaire 3.5.4 et la
( II
ou A est une matrice orthogonale. proposition 4.2.4.) ' ( II
(2) Toute similitude est injective (bijective si (f. est de dimension finie). (b) Montrerque la matrice (I - .A)(I + A)-I est orthogonale.
( II .
(3) La composee de deux similitudes (non necessairement distinctes) de
rapports respectifs A et I' est une similitude.de rapport AI'. L'inverse d'une simili
i.
7.4.5 Soit A une matrice antisymetrique (cf. exercice 4.7.16). Montrer que ( II
tude bijective de rapport A est une similitude de rapport ,t -I. la matrice exp(A) est orthogonale. ( II
(4) Toute similitude conserve les angles.
(II
(5) Lorsque t1 est de dimension finie non nulle n, toute similitude de 7.4.6 Soit E un espace vectoriel euclidien, oriente et de dimension 2. Soit ('
rapport .1 multiplie le volume des parallelepipedes par A". Cela resulte de (6.65), x et y des vecteursnon nuls de E de meme norme. Montrer qu'il existe une unique 0.11.
puisque I detl, I = A". rotation" et.une unique symetrie axiale '" telles que ,(x) = y et lJI~x) = y. .( "

II
( "
Iii
(
 r
(
66 Transformations et matrices orthogonales, isometrics. similitudes Exercicet 61
,(
.(
7.4~7 Soit E un espace vectorieleuclidien, oriente et de dimension 3. Soit 7.4.12 Dans un espace affine euclidien de dimension 4, muni d'un repere
( , l'application lineaire de E dans E dont la matrice dans une base.orthonormale orthonormal, on considere l'application affine" d'equation matricielle
( directe de E est
3 I -I I I
(
-I[.1 2/3]' -.1 3 -I -I 0
( 2J3 J3
-2 0 . Y= I I 3 -I x + 2"
4 J3 3 -2
-I 1 134
(a) Montrer que fJ est une rotation. (a) Montrer que. est une similitude dont on determiners Ie rapport.
( (b) Trouver l'angle et l'axe de rotation. : (b) Calculer le volume de l'image 'par tIJ du parall~lepipede construit sur les points
Po(l, 0, 0, 0), p.(O, I, 1, -I), P2(2, -1,0,0), r)(O, I, 2,0) et P4(- I , I, -I. I).

7..4.8 Soit E un espace vectoriel euclidien muni d'une base orthononnale
definissant son orientation. Trouver la matrice dans cette base de la rotation
d'angle oriente n/3 dont I'axe est la droite vectorietle engendree et orientee par le
vecteur ,(2, I, - I).
7.4.9 Soit.E un espace vectoriel euclidien, .oriente, de dimension 3 et muni
d'une baseorthonormale directe (e" e2' ell. On. considere I'application lineaire
7.4.13 Soit cJ, et tlJ 2 deux symetries orthogonales par rapport i des plans
non paralleles d'un espace affine euclidien de dimension J.Montrer que -,0"'2
est une rotation dont on determiners I'angle et l'axe,
7.4.14 Soit ,Y, et '-Y2 deux hyperplans d'un espace affine euclidien de
dimension superieure II 1 dont les vecteurs nonnaox respectifs sont orthogonaux.
Soit cJ, et tlJ 2 les symetries orthogonales par rapport' .Y , et i "/2' Montrer que
tlJ1 et cJ2 commutent, c'est-a-dire que 4).otIJ2 = 4)24).

~'t
" = ')'2', de E dans E, ou fJl' "1' '1 sont les rotations d'angles orientes
respectifs 0" 02' 9) (angles d'Euler) et dont les axes respectifs sont les droites
7.4.IS Soit cJ, et .2
deux rotations d'un espa~ affine euclidien, oriente et
de dimension 3. A quelles conditions fI, et -2
commutent?
.I vectorielles engendrees et orientees par el' 'I(e,), ('2 o , .)(el).
7.4.16 Soit cJ1 et tlJ 2 deux symetries orthogonales par rapport a des hyper.
(a) Montrer que fJ est une rotation.
plans parallelesd'un espace affine euclidien de dimension finie non nulle. Montrer
(b) Chercher la matrice de , dans la base (e" e2' ell. (Poser e; = ,.(e),
que cJ 10 cJ 2 est une translation dont on determiners le vecteur.
e; = ('2 o , .)(e,), e;"~ qJ(e;), i = 1,2, 3, utiliser (I) de 6.6.3et (6.34).)
7.4~ 17 Demontrer le point (4) de 7.3.7.

Exercices sur les isomhries et les similitudes

7.4.10. Dans un espace affine euclidien de dimension 3, muni d'un repere
orthonormal, on considere I'application affine d'equation matricielle

. (
(
y=j [-I2 .2-2] x+
2 1
[- :].
. -2 1 2
:( Quelle est la nature de cette application?
(
.(
7.4.11 Dans un espaceaffine euclidien, oriente, de dimension 3 et muni d'un
.( repere orthonormal direct, on considere l'application affine d'equation matricielte

~ -:]x+ [-:].
.( . I 2
l( y= 3[ _~
(
Montrer que cette application est une rotation dont on determinera l'angle et l'axe,
~
 CHAPITRE 0 J
-. fI
( i

(~11

Valeurs propres et vecteurs propres j;11

":~~JI
rl
t '1~,1
r.
. tq
{ .

8.1 EXEMPLES PRELIMINAIRES l'l

(
:' I
(
8.1.1 IntroductioD (I

Une application lineaire ffJ d'un espace vectoriel dans lui-meme peut etre ( I
etudiee plus aisement lorsqu'on connait des vecteurs non nuls x dont l'image ,(x) ( I
est un multiple de x. On appelle tout vecteur qui se transforme de cette rnaniere ,I
vecteur propre de fJ. Similairement, on appelle vecteur propre d'une matrice carree
A tout vecteur-colonne non nul x tel que Ax est un multiple de x. ( ,
a
La notion de vecteur propre sera reprise et approfondie partir de la section '.,';1
8.2. Dans cette section, nous nous limiterons 8 illustrer son u~ilite par trois J
exemples. '(':.1 .
, ~

(
'.: I
8.1.2 Exemple. Resoluti~D d'UD systeme difl'erentiel (
.( I
, . Considerons deux' masses egales m attachees .8 trois ressorts de meme
longueur, comme it est indique dans la figure '8.1. Nous savons que lorsqu'un "/1, I
(I
Systeme en (
equiiibre
(I
"( i
~:~:~~:ltt I
I,
I
I ~ I
......... (
'IX. I

Fig. 8.1
(
(
ressort est comprime OU etire d'unelongueur x, il exerce urie force en sens oppose
proportionnelle a x .: Soit c Ie facteur de proportionnalite, Les equations qui (
regissent Ie mouvement sont alors (
mx. = -ex. + e(x2-xl) = -2cx J +- cx2
(8.1)
(
mX2 = -c(x2- X J) - cX2 = ~Xl - 2cx2 (
(
( I
 (

70 'Valeun propres et-vecteurs propres

I Exemplca pr6liminaJra 71
I
.(
I:
,. Bien entendu, XI et X2 dependent ici du temps t et les deux points qui les surmontent soit A, == - D et A2 == - 3D. Des solutions non nulles correspondantes de l'equation

I
I

(
designent leur deuxieme derivee par rapport at.,
matricielle (8.6) sont, par exemple,

( Posons

( Q=-, c
In
A' = [-2a' a)
a ~2a'
X= [XI)

X2
[:::) = [:) et [::] = [-:).
En prenant
.c
(
Les deux equations (8.1) s'eerivent de maniere equivalente sous la forme
i ,~ Ax, (8.2)
P = [1-1)l '
1 t

ou il est convenu que deriver' un vecteur-colonne signifie deriver chacun de ses nous voyoris done que l'equation diRerentielle matricielle (8.4) devient
termes. '. == -aYI
y ==
Nous nous proposons de resoudre cette equation differentielle matricielle a
l'aide d'un changement de variables
diag(-a, -3a)y, ou encore
-3aY2 '2 =
La solution generale de ces deux equations ctant donnee par

x = Py, (8.3)
, ( ou .vI = c,sin(JQt + ill)

Y2 = C2sin (JjQ I + d~,

p = [PII PI2)'
la solution generale du syst~e ditrerentiel (8.1) stemra, compte tenu de (8.3),

P2. P22
(
est une matrice constante inversible et XI = c1sin(JQt + d.) - 'c-zSin(J3Qt + tl2l
(8.7)
X2 = clsin(JQI + 'dl ) + c-zSin(J3Qt + d.J,
y = [;:)
OU CI: C2' d, et J2 sont des constantes determinees par les conditions initiales,

une matrice-colonne dependant de t.En substituant Py ax dans (8.2), nous c'est-a-dire parla position initiale x(O) et 1. viteue initiale *(0).
obtenons ' Par exemple, si Q = I, dans les conditions initiales
Py = APy ou Y= P-1APy. (8.4) ,[-l]
x(O) =. I, et . [-I]
x(O) = l'
Nous pouvons ainsi constater que le changement de variables (8.3) sera avanta
geux si P-IAP est une m~trice plus simple que A. Demandons-nous, sans detour, la s~lu,tion du systeme differentiel (8.1) est
s'il existe une matrice inversible P telle que
XI =
2 .
--sln( J3 I + -)n
p- IAP :: diag(A" ~) ou AP ~ Pdiag(AI' A2) . (8.5) Jj' 3
2. 1i3 7t
Remarquons qu'en vertu de (4.8) cette demiere equation est equivalente aux deux X2 = I1 sln(V..l1 + 3,).
v3 .
equations
( On notera que Ie precede de resolution que nous venous de presenter
,

A {PH) = AI
P21 .
[PII)
P21
et A [PI2)
P22
= A: 2 [PI2) '.
P22,
s'applique a toute equation di,re~ntiel1e matricielle
(,
Nous voyons ainsi que la reponse a notre question est affirmative si et seulement
x= Ax (8.8)
(
si A admet deux vecteurs propres lineairement independants. Afin de savoir si tel dont la matrice carree A est d'ordre 2 et admet deux veeteurs lineairement indepen
est Ie cas, cherchons les valeurs de A'pour lesquelles l'equation matricielle dants PI et P2 tels que API = liP, et AP2 = A2' 2' ou AI et A2 sont des nombres
negatifs, La solution generate s'ecrit, dans ce cas,
(
A [;~) = A[::) . c'est-a-dire [- ~- A_ ~_ A) [;:) = [~). (8.6) x = clsin(J=I; t + dl)PI + C2sin(J -1 2 ' + d 2)pz. (8.9)
.(
( admet au moins une solution non nullc. D'apres Ie corollaire 3.5.4 (vu les proposi 8.1.~ Exeinple. Cain' de I. dI~tion des aXel d'ane elU,.
tions 4.2.4 et 5.1.6), ces valeurs sont les solutions de l'equation
( . Dans Ie plan 'affine euclidien, muni d'un repere orthonormal (0; fl. e2) .
- 2a- A a I -= (2a + l)2 - a'- = 0, considerons l'ellipse d'equation
( a -20-1
1 5x~ - 2JjX I X 2 + 7x~ = 16. (8.10)
 '""1,,,,1,) .1''''Ph:~ ~~ \~~h;Uh ploP"::l j. _. ~ ... ' . i ... . i..J~ .....,! a ~ l' (
" (
Nous nous proposons de determiner la direction de ses axes de symetrie, Un ealeul determinees par les vecteurs non nuls x tels que Ax = lx, c'est-a-dire par les (
tout a fail simple rnontre que l'equation (8.10) peut s'ecrire sous la forme matri vecteurs propres de A. Un ealcul analogue a celui que nous avons effectue dans
(
cielle I'exemple 8.1.2 nous fournit ees directions, a savoir
'xAx = 16,
(
ou "[f) et [~). (
'x = (0P). = [;:] et A= (5
-/3
-fj)
7 '
(
(
P designant un point generique de I'ellipse. D'apres un resultat d'analyse, fa
direction de: la droite perpendiculaire a ceue courbe au point Pest detinie par le (
gradient du premier membre "de I'equauon (8.10), a savoir par
,~, ~Jt"

SXI-fjX2 ]
.(
O('iJx
xAX>] 2
l _ (
c1('Ax)
t1Xl '-/3X
1
+ 7X2 ~ (

Or,
Sxa-/ix2] . ~(
[. -fjx +7x = Ax,
l 2 2- 1 (XI] 2) = (0]0 (8.11)
( 1 3-l X2
done Ax detlnit un vecteur .. normal a l'ellipse au point P (fig. 8.2). Les axes de
Iym~lrie etam perpendiculaircs i l'ehipse, it s'avere ainsi que leurs directions sont admet au moins une solution non nulle. Ces.valeurssont les solutions de l'equation

I~ -1 2
.1 3-l
I = 12 - 51 + 4 = 0, . (

soit
AI = 1 et A2. = 4.
Pour chacune d'entre elles, l'equation matricielle (8.11) admet au moins une (
solution non Dulle, par exemple . (

(eJ). = (_~] et (e2>. = (:].

(

(
Comme ,(el) = ei et ,(e2) = 4e2, la matrice de "dans la base (ei, e2) est
(
~ r -.
[~ ~] .
:JII"i" XI"

A' = (
(
L'appllcation 'P est done une dilatation relativement a D., de direction D 2 .et de

rapport 4, D. et D 2 designant lesdroitesvectorielles engendrees respectivement par (

ei et ei (fig. 8.3). . (

(
(
FlaB.l (
(
(
 t.

It
(
74 . Valeurs propre. et vecteun prop. 1 '~ftnilionl el p~mi~;a conMqueftClel 75

,
"

'h
!f \ \
(2) Les vecteu s propres associes , 1& valeur propre I sont les vecteun
invariants non nuls.
&

If
~
,
\
\
tp(x>\
\
(3) Les vecteurs propres associes a la valeur propre Il sont les veeteurs non
"j. \ nuls du noyau de fl.
l'(
I, .
I
\
,~
,~
,
\
(4) Sie est un nombre non nul, A est une valeur propre d~, si et seulement
n \ si aA est une valeur propre de ex,. En outre.Je sous-espace propre de , ~e i
';( \:.
,~
\~
\
,
\

1 est egal au sous-espace propre de ex, associe , .aA.

;( ~ , \
. (5) Si 1 est une valeur propre de , et Ie un entier positif, At est une valeur
e2
-'
(, " ,-.,------.-.. .... propre de tpt. En outre, Ie sous-espaee propre de , associe a A est inclus dans Ie
sous-espacepropre de flt associe a At. Si, est bijective,eette assertion est egalement
\
vraie pour les entiers k negatifs.
- .... _
\
'r
\
, \~
(6) Si Aet'J' sont des valeurs propres distinctes de rp, alors S(A.) n S(P) == to}.
[ \i
'-,...
\~
En d'autres termes, un vecteur propre ne peut etre associe a deux valeur! propres.
(7) Supposons qu~ , designe une transfonnation orthogonale d'un espace

!l \?s FII8.3 vectoriel euclidien, -- -"

Si A. est une valeur propre de " alors A == I ou A = -- I. En effet, x etant
un vecteur propre associe a A, vu que , conserve la norme,
.

II x II = II tp(x) II = II Ax II = I AIII x II,

8.2 DEFINITIO~S ET PREMIERES CONSEQUENCES d'ou l'on tire I A I = I.
Si I et - I sont des valeurs propres de " alors S( I) et S(- I) sont orthogo
naux. Prenons en etTet un vecteur propre ~ associe a I et un vecteur propre y
8.2.1 Introducdon associe a-I; comme , conserve Ie produit scalaire.
Dans eette section, nous abordons l'etude des differentes notions liees a la
(x I y) =: (f'(x) I ,(y = <.x 1- y) = - (x I y).
notion de vecteur propre,
Tout au long de la section, E designera un espace veetoriel different de {o} d'ou l'on tire (x I y) = o.
et rp une application lineaire de E dans E.

J 8.1.2 V.leun propres, veeteers propres, sous-espaces propres

8.2.4 Exemples

(I) L'homothetie de rapport A admet une Rule valeur propre, 8 savoir ~ .

: ',f .On dit qu'un nombre A. est une valeur propre de , s'il existe un vecteur non
Le sous-espace propre associe est l'espaee E tout entier, En particulier, l'applica
'1( nul x de E tel que fP(x) = lx. Ce vecteur est alors appele vecteur propre associe a
tion identique, l'application nulle et la symetrie centrale admettent comrne seule
~. la valeur propre 1. valeur propre respectivement I, 0 et - I.
Dire que 1 est une valeur propre de fIJ equivaut done a dire que le noyau de
,( (2) Supposons que E soit somrne directe de deux sous-espaces vectoriels S
tp - A.id ne se reduit pas a to}. Si tel est Ie cas, on designe ce noyau par S(l) et
E et T differents de {Ole Les valeurs propres de 18 dilatation parallelement a S. de
'( on l'appelle sous-espace propre associe a la valeur propre A. Les vecteurs propres
direction Tet de rapport A, sont I et A. Si Aest different de I. S( I) = Set S(J.) :=: T.
associes a la valeur propre 1 sont ainsi les vecteurs non nuls de 8(1).
( Si A est egal a I, S(I) = E.
O~ appelle I'ensemble des val~urs propres de fIJ spectre de fIJ
( (3) Supposons que E soit euclidien et de dimension 3. Une rotation d'angle
oriente different de 0 etn n'admet qu'une seule valeur propre, a savoir 1. Le
j

( sous-espace propre associe est l'axe de rotation.

.~ 8.1.3 Remarques . (4) Supposons que E soit euclidien et de dimension 2. Une rotation d'angle
(1) Si x est un vecteur propre associe a la valeur propre 1 et a un nombre ; oriente different de 0 et 1t n'admet aueune valeur propre. .
non nul, ax est egalernent un vccteur propre associe a la valeur propre A..
'( I
la \ ,dc;~&~ vropl&:~ c;l ~a;lCUr) propres ~ ""'i~WI ..I..1'Jt .Llu.t-.IL."' .... , t-,J..J .... . . ,,,\. ....~... la., .
(
(
I
8.1. St.WUit des soUl-eSpaca propres 8.2.8 ApplicatioDS Uoeaires diagonalisables
{I
Rappelons qu 'un sous-espace vectoriel S'de E est dit stable si son image ,,(S) Supposons que E soit de dimension finie n. Le spectre de fP est alors un
'( :
est contenue dans S (cf. 6.1:3). ensemble fini. En effet, la proposition 8.2.6 et (1.) 3) entrainent que ee spectre ". I
Soit A. une valeur propre de
'P. Pour tout" vecteur x de S(l), qJ(x) = 1x est comprend n elements au plus. Cela etant etabli, on dit que l'application lineaire (
encore un vecteur de S(A). En d'autres termes, S(A) est stable. f{J est diagonalisable si E est somme directe des sous-espaces propres S(l.). S(A,2)'
On notera 4U~ la restriction de tp a SeA) est une homothetie de rapport 1. ... S(l/).' ou 1 12, 11sont les elements du spectre de fIJ. c'est-a-direles valeurs
C
propres de fIJ. '(
Par exemple, les homotheties et les dilatations sont diagonalisables. En '(
1.2.6 Propolidqa. Solllllla directa de IOUHIpacei propres particulier, les projections et les symetries sont diagonalisables, '
(
Si A A2 ., A. sont des ,alnus propres distinctes ~
ces p,op,es S(A1) . S(12)' ... S(l.) eSI directe.
'I 10 sommedessous-espa La justification du qualificatif diagonalisable apparaitra dans la proposi
tion 8.4.1. (
('
DtWONSTRATION
8.2.9 Decomposidon spectrale (
Raisonnons par recurrence 'sur k. Pour k = I.il n'y a rien a demontrer. (
Supposons que fIJ soit diagonalisable. Alors
Supposons qu.e la proposition soit vraie pour tout ensemble constitue de k --. I
valeurs propres (k > I). D'apres 1.8.10. il nous faut prouve~ que si S 52' ... ,5. sont
des veeteurs appartenant respectivement a S(A.), S(~i) ... S(A.) et tels que
" = 1.,. + 1 2" 2 + ... + l l fIJl . (8.15) (

ou l., 12..... II sont les valeurs propres de " et, pour i = I. 2.... , I. fIJi est la
I. + 12 + ... + I. = O. (8.12) a
projection sur 5(1;) parallelement 5(1.) E9 ... E9 5(1;) Ea ... Ea 5(1/). En effet, si
s. + 'l + ... + ., est la decomposition d'UD vecteur quelconque x de E suivant les
alors I. = ~ = ... = s. = O. En prenant l'image par , des deux membres de (
sous-espaces propres de fIJ. alors
(8.12). nous voyons d'abord que
(
,(x) = f)(s. + S2 + ... + S/) = (fJ(s.) + ,(5 2) + ...'+ tp(S/)
A.I. + 1~ + ... + 1.-. ~ O. (8.13)
= A.s. ~ 1~2 + ... ~. 1,5/. = 1.lJ1.(x) + 129'2(x) + ... + l l fIJl(x),
En soustrayant (8.13) de (8.12) mulupliee par A nous 'obtenons ensuite la relation
ce quidemontre la relation (8.15). On appelle cette relation decomposition spectrale
(A. - 1.)1. + (A. - 1~ + ... + (1. - A._.)I._. = o. (8.14) de fIJ. (
Or, par hypothese de recurrence. la somme de S(A.). S(A2) S(Ak _.) est directe, (
done chaque terme de la somme au premier membre de (8.14) est nul. Comme
(
At ~ Ai pour i = I. 2... k - I. it s'ensuit que s. == 12 = ... = Sk-. = O. De (8.12) .

it resulte enfin que It ,= O. ce qui acheve la demonstration. (

8.3 FORMULATION MATRICIELLE, (

POLYNOME CARACTERISTIQUE (

8.2.7 CoroUaire
(

Si A., 12, A, sont des valeurs propres distinctes de , et x.' x2 , x, des

8.3.1 Valeurs propres, veeteers propres, seus-espaces propres d'une matrice (
vecteurs propres associes respectivement aces valeurs propres, alors x.' 'x2, . , xk sont
iineairement independanls. Soit A une matrice carree d'ordre n et f(J l'application Iineaire associee (
canoniquement a A. On appelle valeurs propres, vecteurs propres et sous-espaces
DEMONSTRATION propres de Ales valeurs propres, vecteurs propres et sous-espaces propres de fIJ. \

Comme la somme de S(A.), S(l;J. ... S(A.) est, directe, la relation

Dire qu'un nombre 1 est une valeur propre de A equivaut done dire qu'il existe a (

un vecteur-colonne non nul x de R ft tel que

Q.I. + a2x2 + ... + Q.x. = 0 implique a.x. = Q2X2 = ... =ak"k, = 0 et done (

Q 1= Cl1 == ... = Q, = O. Ax = Ax. (8.16)

(
(
(
 78 Valeun propres et vecteurs propres Formulation matricielle. polyn6me caract~ristique 79
(

(
Ce vecteur-colonne est un vecteur propre de, A associe a la valeur propre 1 et Ie
Le systeme homogene de matrice associee A + 91 est
{
sous-espace propre de A associe a cette valeur propre est constitue de tous les

( vecteurs-colonnes x de R" verifiant (8.16).

-6x. + X2 - 9x3 = 0

L'ensemble des valeurs propres d'une matricecarree A est appele spectre de

15x2 = 0

(
,A. Determiner Ie .spectre de A revient a trouver les valeurs reelles du parametre
4x, + ,x2 + 6xJ o.
=:

( Le sous-espace propre associe a la valeur propre -9 est 18 droite vectorielle

I telles que l'equation matricielle

(A -:- II)x = 0 .
. (8.17)
engendree par Ie vecteur-colonne

admette au moins une solution non nulle. Cette equation est l'expression matri

cielle du systeme homogene de

matriee associee A - II. D'apres Ie corollaire 3.5.4

[-~].

(vu les propositions 4.2.4 et 5.1.6), ce systerne admet au moins une solution non

nulle si et seulement si '

8.3.3 Recherche des ,.Iean propres .et des IO-.es,.c:es propres

; ( ; I A - II I = O. (8.18) d'une application line.ire
, La marche ,8suivre pour calculer ~es vecteurspropres (sous-espaces propres)

Soit E un espace vectoriel de dimension finie non nulle n et , une application

d'une matrice carree A est done celle-ci:
lineaire de E dans E. La recherche des valeurs propres et des sous-espaces propres
. I

(a) Calculer Ie determinant de A ., II.
(b) Chercher les valeurs reelles de' I qui annulent ce determinant.
(e) Pour chacune des valeurs trouvees, calculer une solution non nulle (une base
matricielle equivalente AXe = AXe. Nous voyonsalors immediatement que x est un
du 'sous-espace des solutions) du systeme homogene de matrice associee
a
A - II.'
propre de A associe a la meme valeur propre. II en resulte que les spectres de ,
8.3.2 Exemple de calcul des sous-espaces propres
Nous allons calouler les sous-espaces propres de 18: matrice
de rp peut se faire par l'entremise d'une bale (e" e2' ..., ell) de E. Designons par A
la matrice de , dans cette base et exprimons l'equation f'(x) = AX sous sa forme
vecteur propre de" assode la valeur propre Asi et seulement si xt est un vecteur
et de A sont confondus et que la recherche des sous-espaces propres de , aS5~ies
a a
une valeur propre se reduit la recherche des sous-espaces propres de A associes
a la meme valeur propre,
On notera, au passage, que la j-ieme colonne de A est de la forint
0

, ( A =
- 15
0
1-9]

6 O.
[ 4 1 -3 . ') o
AI... j-ieme
I

Les valeurs propres sont les solutions de l'equation o

'( -15-1 I -9

o 6-1 o
= (6 - 1)(9 +' 1)2 = 0, 0,
4 I -3-1 si et seulement si A. est une valeur propre de , et eJ est un vecteur propre assode
( soit 6 et -9. Le systeme homogene de matrice associee A-61 est equivalent au a cette valeur propre.
'( systeme '''\

( -21x. + x2 - 9x3 ~ 0 8.3.4 Polyn6me c:aracterlstique

4x. + X2 - 9x3 = o.

( Soit A une matrice carree d'ordre n. Par recurrence sur n, on constate

Le sous-espace propre associe a la valeur propre 6 est la droite vectorielle engen aisement, moyennant (5.16) ou (5.18), que Ie determinant de A - II est un poly
( dree par Ie vecteur-colonne .

nome en I de degre n. On l'appelle p~/ynom~ c-a,actl,isliqut de A. On appelle en

[~I

( outre l'equation (8.18) equationcaracteristique de A. Ainsi. les valeurs propres de

( A sont les racines reelles du polynome caracteristique de A. c'est-a-dire les solu
tions reelles de l'equation caracteristique de A.
(
w "ilkurs proprcs el vecieurs propres torruutauou mamciene, VUh/iJ1U~ "~l ...~L~' .;)U"t U " ->, ~

8.3.S Remarques 8.3.8 Polyn3.e c.racteristiquc de deux matrices sembl.bles " (

(I)TOUle matrice carree d'ordre impair admet au moins une valeur propre. Deux matrices semblables ont Ie meme polynome caracteristique, a savoir (
Cela est du au fait que les racines complexes d'un polynome a coefficients reels le polynome caracterisnque d'une application lineaire quelconque qui leur est (
apparaissent par couples de conjugues. simultanement associee (cr. 6.6.12). En particulier, deux matrices semblables ant
("
(2) D'apres l'exemple (3) de 5.1.4,le polynome caracterisuque d'une rnatrice Ie meme spectre.
triangulaire d' ordre n A =. (tJiI) est (u II _. I)(Qn - I) ... (a,.,. -I). Le spectre d'une On notera, cependant, que deux matrices peuvent avoir Ie meme polynome (
teUe matrice est done I'ensemble des valeurs prises par les termes diagonaux de A. caracteristique sans etre semblables. Par exemple, les deux matrices .
(
(3) Les polynomes caracteristiques d'une matrice carree A et de sa transpo
see fA sont egaux (exceptionnellement la transposition est designee ici par r). En [~ ~] et. [: ~] (
eifel, vu la propnete (b) de la proposition 5.1.8,
ont Ie meme polynome caracteristique, a savoir (I - t)2, mais elles ne soot pas (
I fA - til = I f(A - II) I :: I A - til, semblables, car la seule matrice semblable a I est I.
'j
ce qu'il (allait prouver, ("
8~3.9 MuldpUc1te des ,aleun propres
Soit E et (p comme dans 8.3.7 et A une matrice carree, Soit en outre A. une
8.3.6 ~alcul de quelqUft eoelldeatl du polya6me caracterlsdque valeur propre de lfJ au de A. On appelle multtplicite de "A, et on note m(A), la
multiplicite de A en tant que racine du polynome caracteristique '(c'est-a-dire
Soil A = (uv) une matriee earree d'ordre n. Pour n = 2 et n = 3, un ealeul
l'exposant de A - I dans la decomposition de ce polynome en faeteurs irreducti
I
facile inontre que
.. ! bles).On dit que Aest simple, double ou triple, suivant 'lue m(A) est ega! a 1,2 au 3.

I all ~ I
a21
au
uu- t
I = I -
2
"
(a.. + au)1 + Qllan - a l JD21 = t:..2 - (tr A)I + IA I
Par exemple, si A = diag(al' a2' ..., an),m(l) est Ienombre de termesa,egaux
a A. On notera que Ie sous-espace propre S(A) est, dans ce cas, engendre par les
vecteurs ei de la base eanonique de meme indice que les Q; egaux al. La dimension
et de S(l) est done egale a m("t)..
tIu- I au au ]
On peut se demander si a une valeur propre de multiplicite m est toujours
tI21 "22- 1 a2l -~ + (trA)r - (l:IA;;l)t
. i-I
+ IAI, associeun sous-espace propre de dimension m. L'exemple 8.3.2montre que ce n'est
till al2 "1]-1 pas Ie cas. En effet, - 9 est une valeur propre double, mais le sous-espace propre
ou Au est la matrice obtenue en supprimant la i-ieme ligne et la i-iemecolonne de S(- 9) est de dimension 1.
A. Dans le cas general, la connaissance d'une expression pour chaque coefficient Nous allons demontrer qu'en general
du polynome caracterisuque n'est pas d'un grand interet. Relevons neanmoins dimS("t) ~ m(l). ' (8.20)
que, au signe pres, le premier et Ie deuxieme coefficient sont encore I et tr A et que
A eet effet, designons par tp soit l'application que nous nous sommes donnee, soit (
Ie terme constant est encore I A I. Plus precisement,
l'application associee eanoniquement a A. Choisissons une base quelconque (
I A - III = (-I), + (-I)I-I(trA)I"-1 + ... '+ I A 1. (8.19) (el , e2, , eot) de S(l) et completons cette base en une base (ea, e2, ..., en) de E ou

de R n La matrice de tp dans cette base .

est de la forme . (

. . r.~ . . . . .C . ..

..l)l {
(
8.3.7 PolyD6aae caractel'istique d'aae appUcadon Uaea1re
Soit E' un espace vectoriel de dimensionfinie non nulle et, une application
o I B .(

lineaire de E dans E. On appelle polynome caracteristique de , Ie determinant de ou Best une matrice carree d'ordre n - k et C une matrice de type k x (n - k). (
I'application lineaire, - I idE'D'apres la definitionde detenninant d'une applica D'apres (5.24), Ie polynome caraeteristique de tp est egal a (A - I)kl B ,In - k I. (
tion lineaire (cr. 6.~. 13), Ie polynome caracteristique de fJ est done egal au poly Il s'ensuit que la multiplicite de A est au moins k. Puisque k est la dimension de
nonle caracteristique de la matrice de , dans une base quelconque de E. S("t), l'inegalite (8.20) est dcmontree. (
(
(
J
(
82 Valeurs propres et vecteurs propres R&tuction , I. forme dialOnale 83

'I(r
8.4 REDUCTION A LA FORME DIAGONALE (d) entraine (a). Soit ll' A2 A, les racines ..eelles du polynome caracteristi
<
que de e, Par hypothese, m(A I ) + m(A2 ) + ". + m(A,) = n. Encore par hypothese,
(
la dimension de SeA,) est egale a meA,) pour; = I, 2, ... 1. En vertu de (1.13)" la
8.4.1 Theoreme. Caracterisation des .pplication~ IIneaires eliagon.Usables
dimension de S(AI) ED S(A 2) EB ... ED SeA,) est done n. ce qui entraine que cette
(

Soit E un espace vectorielde dimension finie non nulle n. Soit en outre, une somme directe est .egale a E.
( application lineaire de E dans E. us co.iditions suivantes sont equivalentes:
(a) , est diagonalisable. t'

(b) E admet une base de vecteurs propres de ,. 8.4.2 Corollaire

(e) E admet une base dans laquelle la rnatrice de fJ est diagonale.
UL'I donnees etant cellesdu theoreme 8.4.1. si ,~S racines du pnlynlJmf' cQracle
.( (d) Toute racine du polynbme caracteristique de , est reelle et 'de multiplicite egale
\
ristique de fP sont toutes reelles et simples, alors , est diagonalisable.
Q la dimension du sous-espace propre associe. ,

DEMONSTRAnON
8.4.3 Mltrlces ".gonallablel
(a) entraine (b). Supposons que E soit somme directe de 8(1 1) , S(12) , ,
S(l,), ou {AI' A2, , A,} est Ie spectre de ". Soit (e~, e~, ..., e~/) une base de 5(A,) pour Soit A une matrice carree d'ordre n. On dit que A est d;QROnQlisQh'~ si
i = I, 2, ..., I. Les termes de la famille l'application lineaire assoeiee canoniquement i A est diagonalisable, D'apres le
theoreme 8.4. J, les conditions suivantes sont equivalentes:
I
( el, I I ' 2 2 2' " ')
e2' ..., e"I' el' e2' ..., e"2' ..., el, e2' ..., e", . (8.21)
. . (a) A est diagonalisable.
. sont des vecteurs propres de rp. D'autre part, grace a (1.13), nous deduisons de (b) A admet n vecteurs prop res lineairement ind.ndants.
, l'hypothese que nl + "2 + ... + n, = dimE. Pour demontrer queE admet une (e) A est semblable a une matrice diagonale, autrement dit. il existe une matrice
.base de vecteurs propres, il nous reste done aetablir que la famine (8.21) est libre. inversible P'et t:'ne matrice diagonale D telles que
Or, puisque la somme de S(A.I)' S(A.2), ..., S(A.,) est directe, la relation
D = P-IAP ou A == POp-I. (8.23)
I' I I . '22, 2,2 " "0
aiel. + .... ~ Q" le.nI + a.el + .... + a~2e"2 + ... + aler + ... + a",e", =
(d) Toute racine du polynome caracterisuque de-Aest reelle et de rnultiplicite egale
enlraine
a la dimension du sous-espace propre associe. (Cette condition est remplie si
a~e~ + a~e~ + ... +- a~~~, =0 toute racine est reelle et simple.)
pour i.= 1, 2, ..., I. Mais (e~, e~, ..., e~/) est une famille li,",re pour chaquei, ce qui La' matrice P de la relation (8.23) est la matrice de passage de la base
,( nous permet d'en conclure que canonique a une base de vecteurs propres de A. Les colonnes de P sont done des
a~ = a~ = ... = a~/'=, 0 vecteurs propres de A et les termes diagonaux de Dies valeurs propres c~rrespon
I dantes.
pour i = 1, 2, ..., I et done 9ue lafamille (8.21) est libre.
L'equivalence des conditions (b) et (e) peut etre etablie sans l'aide du
(
(b) entraine (c). La matrice de tp dans n'importe quelle base de E constituee theoreme 8.4.1. II suffit d'ecrire la relation (8.23) sou!' 18 forme equivalente
de vecteurs. propres est diagonale. Dans .
la base (8.2), par exemple, cette matrice
est
,

.
AP = PD (8.24)
(
I i 'et d'appliquer aux deux membres de cette egalite la regie (4.~).
(

.AI. . . . .
"1: ..
[:y~.~.!.
o

(8.22)
( 8.4.4 M.rche i sul're et exemple
o Y'l~i~~'
( La marche a suivre pour diagonaliser une matrice carree A est 13 suivante:
( .(c) entraine (d). Supposons que E admette une base dans laquelle la malrice (a) Former Ie polynome caracteristique de A etdetenniner ses racines (leur nume
de tp es.t diagonale. D'apres la remarque (2) de 8.3.5 et I'exemple presente dans' rotation est arbitraire). ainsi que leurs multiplidtes. S'il y a de~ racines com
(
, plexes. A n'est pa~ diagonalisable.
\
8.3.9, 18.condition (d) est alors rempiic.
... \' .leur. pl0PfQ ct ~CCleun propra Ih,jUCliOH a la forli.\. diagonaic (
(
(b) Chercher une base de chaque sous-espace propre de A. Si 18 dimension d'un
sous-espacepropre est inferieure ala multiplicilede la valeur propre correspon
dante (cela ne peut ~ produire que si la multipliciteest superieure a 1),A n'est
pas diasonalisa ble.
Posons

p= 1I 01
[ o -I
II'
1.
Z
(
<,
(
(c) Reunir ces bases en une famille de vecteurs-colonnes constituant la matrice P. Alors
(d) Fonner 1& matriee diagonale 0, c'est-a-dire (8.22).
(c) Calculer p- I et ecrire D = P-IAP. P
_I , [-1 3-1]
= -
1
2 -2 0
' ,(
(

I 2 1 -I I '(
A titre d'exemple, nous allons diagonaliser la matrice et diag(~2, -2,4) = P-1AP. ,(
1 -3
A = 3 -5
[ 6 -6 [
4 ' 8.4.5 Calcul des puissaDces eoderes d'une matrice eIi_gonaDs.ble .'
.(
;(
Lea valeurs propres sont les raeines du polynome caracteristique Supposons que A verifie larelation (8.23). D'apres (6.41), elle verifie alors ' (
egalement la relation
I A - 'II = -I) + 12, + 16 = -(I + 2)2(1 - '4),
ok = P-1A"P OU Ale = PD~p-l, (8.25)
soit - 2 (double) et 4. Le rang de la matrice
pour tout entier non negatif k (pour tout entier k si A est inversible). Cela nous
3 -3 fournit un moyen tres utile de ealeul des puissances entieres d'une matrice,
A - (- 2)1 =
[6
3 - 3
-6 :] A titre d'exemple, nous allons caleuler les puissancesentieres positives d'une
matrice de transition d'ordre 2. D'apres 4.6.2, une telle matrice s'exprime sous la
:r.

est epl a I. done dimS(-2) = 3 - I = 2 (par la proposition 3.S.3). Comme furme .

2 :;:: m(- 2), DOUS constatons Ii ce point que A est effectivement diagonalisable. Le 1- 0 a]
A ~ ( b : I-b ' .
syatemc homogene assoCie a18 matrice A - (-2)1 esr equivalent a l'equation
ou a et b sont des nombres compris entre 0 et 1. Ecartons Ie cas banal ou
x. - X2 + x) = o. a = b = O. Comme la somme des termes de chaque ligne de A est egale a 1, Ie
Deux solutions lineairement independantes de ceue equation sont vecteur

(:] (

[1]
et
[-fl est un vecteur propre de A associe ala valeur propre I. La deuxiemevaleur propre
est done I A I = 1 - a - b, puisque le produit des racines du polynome caracte (
Le systeme homogene associe la matriee ristiqueest ega! au terme constant de ce polynome, asavoir I A I. Un vecteur propre
(
- 3 -3 associe a la valeur propre 1- a - b est
(
A - 41 ==
[ 6 -6
3-9
!) (-:] . , 4
(,

est equivalent au systeme La relation (8.25) s'ecrit done .('

XI
XI -
+ X2
X2
- Xl = 0

= o.

. Ie
A =
( 11 -ba] (01 (I-a-b)k
0.] (11 '-ba] - I (

-(
U ne solution non nulle de ce systeme est 1. [-b-a(l- a-'b)" -a+a(l,-a-b)")
='. -a-b -b+b(l--a-b)k :.-a-b(l-a-b)" (
'(
[il = ,_1_'
a-s-b b
(b a] + (l-a-b)k [ a
a a-rb -b
-~).
b
(8.26)
(
(
(
 (

,I' 86 Valeurs propres et veeteurs propres RMuetion des applic:alionl IiMaltel non di1lOnaiisablel 117

[~l m
Ce resultat nous pennet de repondre aflirmativement Ii la question posee Ii
<,
la fin de l'exemple 4.6.5. En elfet, si a + b < 2. alors lim (I - a - b)k = 0, done
(
lim Ak = _1_ [b
.:)

k-oo
et
HJ

.\.
~\
k-oo . a+b b
,['
L'expression (8.30) devient done

~l
( o ,][, '0

1m
. I

r
et, par consequent (cf, (4.30. ,
exp(A) = - 0
. 2
o -2 0 e I
l

. )jm L(kl = L(OlJimAk = L(Ol_I_[b a) = _I_[b aI, (8.27)

. 0 I . I 0 0 -I

,~Jt
k-CD k-a:>' a+b b a a+b

I
\ I
. .
0]
( ce qui montre que la limite des lois L(t) est independante de la loi initiale L(Ol. 2 0 2..je O.
Apres un grand nombre d'achats.Ies probabilites d'achat dem l et de m 2 sont o ~-..je 2~
.( l
done approximativement ou e = e .

b a
. ( a+b ~ 0.6 et a+b ~ 0,4.

.
",..
X
(
o~ notera que la limite (8.27) est I'unique lot invariantede A, c'est-a-dire
I'unique vecteur-ligne L dont les termes sont non negatifs et de somme egale Ii I
tel que .
8,5 REDUCfION DES APPLICATIONS LINEAl RES
NON DIAGONALISABLES
L = LA.
8.5.1 Introduction

Lorsqu'une application line-ire d'un espace vectoriel de dimension finie non

8.4.6.. Retoar aux fonc:tions matrldenes . nulle dans lui-meme n'est pas diagonalisable. iI est utile de savoir s'il existe des
II a ete observe dans 6.6.14 que (8.23) entraine la relation bases dans lesquelles sa matrice est plus simple que dans d'autres, Une etude
complete de celie question depasse les objectifs que nous nous semmes fhes. C'est
f(D) = P - 1(A)P ou f(A) = Pf(D)P-
', (8.28)
pourquoi nous nous limiterons Ii etablir un resultat intermediaire. accessible par
.(
ou f est un polynome ou, plus generalement, une fonetion definie par une serie les moyens donI nous disposons, d'ou nous tirerons quelques consequences d'inte
.\ entiere appropriee (ef. 4.5.2) . re~ theorique et pratique.

(
L'utilit~ de I'expression de f(A) ainsi obtenu est due au fait que Dans cette section, E designera un espace vectoriel de dimension finie non
nulle n.
( f(diag(a a2' .... an = diag(f(a l),f(a2)' ...,f(an. (8.29)

ce qui se dernontre aisement en partant de (4.17).

( i
Par exemple, si fest la fonetion exponentielle (ef. 4.5.4), (8.28) s'ecrit sous 8.5.2 1'heoremt. RHac:tion ane forme sfmpllftft
( la forme Soit rp unt application lin;a;rt de E dans E admettant au moins un" I'al,.,,,
{ . exp(A) = Pdiag(e'", etiz. .... edn)p-I, (8)0) I
propre. Soit en outre m la somme des multiplicith des valeurs propres de , . IIt.T;.""

t,.
" ~
.ou d l, d2, ... . d; sont les tennes diagonaux de D. I
une base de E Jan" laquetle la matrice de rp est d~ la forme
all al2 al",
,( ., ) . Cornrne application numerique, considerons la matrice
an . ... alM
t. I

..A = ~ [40 2I
~] o
'J .

C ,'.
Ci
.
4 0 I a_
B (8.31)

~. sous-espa~s

R o
Sesvaleurs propres sont I (double) et Les propres associes sont
engendres respectivement par
 ",-l,,' \y,,"Y4. "IV~I . .
(
(
oil all' au, ..., u".". sont les valeurs propresde rp repeleeS un nombre de fois ega! a En passant aux combinaisons lineaires des vecteurs el' e), ..., e~, nous en deduisons .(
leur n,ulliplifilt fl rangees dans WI ordre arbitraire, mats choisi d'avance, el Best que l'image de tout vecteur x de 8 s'ecrit sous la forme
une matrice de type n x (n ._. m) tmanquante st m = n). ,{
rp(x) .= ael. +,,'(x), .(
DEWONSTRA TIUN
ou a est un nombre dependant de x, En prenant x = ej et en ecrivant alj au lieu (
Nous raisonnons par recurrence sur la somme des muhiplicites des valeurs de a pour j = 2~ 3, .." m, nous en concluons, vu Ie sens de la matrice (8.32). que
propres. Lorsque ceue somme est egale a I, il suffit de choisir une base dont Ie
.(
rp(ej) = alje l + ql(ej) = alje l + a2J.e2 + ... + aDei' .(
premier terme est un vecteur appartenant a l'unique sous-espace propre de fIJ.
Supposons que le theorerne soit vrai pour toute application lineaire d'un espace ce qui preuve notre assertion.
(
vectoriel de dimension finie non nulle dans lui-meme telle que la somme des .
multipheites de ses valeurs propres soit m - I (m > I). Considerons l'application '(
8.5.3 CoroUaire. Existence de sous-espaces stables emboltes
line-ire, de I'enonce, designons par e. un vecteur propre associe la valeur propre a (
au er completons e. en une base (e l , ei ... , e~) de E. Designons la matrice de flJdans So it rp eomme dans Ie theoreme et m la somme des multiplicites des voleurs
ceue base par propres de 'P. II existe m sous-espaces vectoriels SI' S2' ..., Sm de E, stables par ",
all al2 ail aill ... de dimensions respectives I, 2, v.., m et leis que 8 1 c S2 c ... c. 8 m (
OauaiJ.a;,. DEMONST1lATION (

A Soi; (e l, e2' ..., ell) une base dans laquellela matrice de, est la matrice (8.31).
Pour j = I, 2, , m, designons par S, Ie sous-espace vectoriel engendre par la (
famille (e., e2' , ej). II est evident que SI' S2' ..., Sm satisfont aux exigences du
o a~2 a;l ... a;'" corollaire. : (

,(
Desipons en outre par A' la matrice obtenue en supprimant la premiere ligne et
la premiere colonne de A. par S Iesous-espace veetoriel engendre par (ei, el , , e~) 8.5.4 AppUcatioDS ,liiaeaires trigooaUsables (
et par p' I'apphcation lineaire de S dans S dont la matrice dans la base (ei, e;, , e;)
est A'. Puisque . On dit qu'une application lineaire , de E dans E est trigonalisable s'il existe . (
une base de E dans laquelle la matrice de f/J est triangulaire. , .(
I A II" I = (all - 1)1 A' - '1"-11, On notera que si lamatrice de" dans une base (e l ', e 2, , e,.) esttriangulaire
superieure, alors dansla base (ell' ell_I' ... e.) elle est triangulaire inferieure, : .(
au, all'.,., 0... sont les va leurs propres de. " repetees un nombre de fois egal a
leur multiplicitc. Par hypothese de recurrence, it existe une base (e2, e J , . en) de (
S dans Iaq: -elle la matrice de " est de la forme 8.5.5 Proposition. Caractemadon des appUc.dons Dneaires trigon~Dsables (
an an a2M~ Pour qu'une applieu,ion I;nea;re de 'E dans E SOil trigonalisable i/ lau; et il (
all
a~!. suffit que les racines de SOli polynome caracteristique soient toutes reelles.
~f'
o DEMONSTRAnON (
:1 B' (8.32)
alMl~ D'apres la remarque (2) de 8.3.5, cette condition est necessaire. Le theoreme (
............ .0...... ..... 1
8.5.2, applique.au cas ou m = n, nous montre qu'elle est suffisante..
(

ou H' est une matrice de tyne (n - I) x (n - m). Montrons que fa malrice de tp (

8.5.6 Point de vue matriciel
dans Ja base (e e2... , ell) est de la ronne (8.31). Par definition de A et de fIJ', pour (
j = 2, 3, ..-" n, So~tA une matrice carr~e d'ordre n. Par Ie biais de I'application Iineaire
associee canoniquement a A, nous deduisons dutheoreme 8.5.2 et de la proposi C'
p(e;) = alJe. + a~e2 + ... + a~e~ = auel T rp'(ej). tion 8.5.5 les enonces que voici: (
("
(
 \.
.(
90 Valeun proprei et vec:teun propres R~uetion del application. 11.lrea non dlalonaliuble. 91
:f<
.,
~.
,;(
.( (I) 'Si A admet au moins une valeur propre et si la somme des multiplicites (a) Fonner Ie polynome caracteristique de A et d~iner lIeS raeines, ainsi que
des valeurs propres de A est m, alors A est semblable Ii une matrice de la forme leurs multiplicites. S'i1 y a des raeines complexes. A n'est Pes trigonalisable.
( (8.31). (b) Chercher une base de chaque sous-espace propre de A.
( (2) On dit que A est trigonalisable si l'application lineaire associee canon i (c) Reunir ees bases en une famille de vecteurs-colonnes et prolonger cette famille
quement Ii A est trigonalisable, Les conditions suivantes sont equivalentes: en une base de R N constituant une.matrice PI'
( (d) Calculer la matrice AI par la fonnule
(a) A est trigonalisable.
(b) A est semblable Ii une matnce triangulaire. d,
(c) Les raeines du polynome caracteristique de A sont toutes reelles, o
8,
\. PIIAP, = o ~
8.5.7 Exemple d'utilis.tion de I'&tonce (I). . ,.. . . .o.. . . . .ti A;..

dN ,

Soit A une matrice carree d'ordre n. Soit en outre 1 une valeur propre de
A de multiplicite k. Nous nous proposons de demontrer.que Ie rang de la matrice
(A - 11)k est n - k. D'apres ce qui precede, A est semblable Ii une matrice.de la
(e) Appliquer lesregles (b) et (c) 8 la matrice A,.
tout en observant que les valeurs
./ propres de AI sont celJes de A qui figurent un nombre de fois inICrieur Ii leur
forme multiplicite panni les tennes d., d2, .. .. dN , . 11 en resulte une matrice carree P l
T 1 c d'ordre n - "I pennettant de calculer une matrice carree A2 par la fonnule
. (
....................................

i
I
A' =
o I B
d,,1+1
o .I
! ~
Pi"A,P2 = I 0 1
('
mi T1cst une matrice triangulaire superieure d'ordre k dont les tennes diagonaux
sont egaux Ii 1, 8 une matrice carree d'ordre n - k et C une matrice de type
k x (n - k). Par consequent, (A - ).I)k est semblable a(A' - 11)k, qui s'ecrit, par
. . o r..
dlO2 1
A'~ .
la regie de multiplication par blocs, ,
(0 Appliquer de nouveau les regles (b) et (c) aux matrices Al , A .... A noter que
(T-1Ik)k ! C ' les valeurs propres de A, sont eelles de A qui figurent un" nombre de fois
..f 'inferieur Ii leur multiplieite panni les tenncs d,. dl .. .. dNi .
(A' - 11)k =
o I:
(8-1I N _ k)
k
(g) Lorsque PiIAk_,Pk est une matrice triangulaire superieure (done au plus tard
lorsque Ak est d'ordre I), poser
.i
~: Or, d'apres la remarque (4) de 4.1.7, III matrice (T .... 1lkt est nutte. D'autre part,

.
,~
'.~ . d'apres 8.3.8, A et A' ont Ie meme polynome caracteristique, Ii savoir
P=p[IN, P0][1102 P,OJ ' . . [INk_, POJ
I 2 k '
.'\ (1 - I)k I 8 - tl N _ k I (cf. (5.24 . Par la definition de multiplicite d'une valeur

. propre, I 8 - 11N_k I est done non nul, ce qui entraine que Ie rang de (8 - ..lIN_k)k
(h) P-1AP est alors une matrice triangulaire supeneure.
\
.est n - k, Nous en conc1uonsque Ie rang de (A' - 11)k, et done celui de (A "':" l l )k,

( A titre d'eremple, nous allons trigonaliser la matrice

est egalement n - k . .
t
;t: 8.5.8 Marche a suivre pour trigonaUser one m.trice et exemple
A = -2
2

o
0
2
0 3
I I I] -I
I '
[
:I La marche Ii suivre pour trigonaliser une matrice carree A d'ordre nest la
o - 2 -I 3
l.. ~ :.
suivante: Le polynome caracteristique de A decompose en facteurs irreductibles est
( (I - .2)'(1 - 4). Les sous-espaees propres associes HUll valeurs propres 2 et 4 sont
engendres respeclivement par les vecteurs-colonnes
(
 .. i .'
j ," I hw)lulm"uuu" \:\ I . IUI~I.. "J
(
(
-I I 8.6 TRANSFORMATIONS E1' MATRICES SYMETRIQUES . (
I -I .(
, et
-I I
I } 8.6.1 Introduction (
Posons
a
Cette section sera consacree l'etudc des applications lineaires associees aux (
-I I 1 0
matrices symetriques par l'intermediaire d'une base orthonormale. II sera etabli .(
1 -I 0 I
que ces applications admettent une base constituee de vecteurs propres orthogo
p. = I -1 (
I 0 0 a
naux deux deux. . .
I I 0 0 Tout au long de la section, E designera un espace vectoriel euclidien de .(
\.

Alors dimension finie non nulle n.

(
I I

I
0 0 2 0 (
2 2 81 8.6.2 Trusformatioas symetJ"iques
I I (
p.-I = 10 0
2 2 et PIIAP. = 0...... ...........2"-......
~
4
O.J.
On appelle transformation symetrique de E route application ffJ de E dans E .(
0 -I 0 telle que, .
(
0 I I 01 I -2 2 .(9'<x) I y) = (x I (O(y (8.33)
"
Appliquons le precede de reduction a la matrice pour tout couple (x, y) de vecteurs de E.:
. Relevons aussitot que toute transformation symetrique f/J' est lineaire. En
AI = [_~ ~) . effet, pour tout couple (x, y) de vecteurs de E et tout couple (a, p> de nombres,
O(ax + fly) .; a(O(x) - prp(y) I z) ~
Comme [~J est un veeteur propre de Ai associe a la valeur propre 2, :;: (,(ax + fly) I z) - a(f'{x) I z) - P(rp(y) I z)
(
= (ax + fly I tp(z - a(x I fJ{z ~ fJ<.Y I fJ{z ~ 0,
Pi A P2 (
que} que soit Ie vecteur z de E, ce qui nous montre que le vecteur
est une matrice triangulaire superieure si l'on pose ql(ax + fly) - af'{x) -. Pf'{y) est orthogonal a tout vecteur z de E, done qu'il est (
nul, autrement dit, que f'{ax + fly) = arp(x) + fJq1{y)
P2 = [~ ~). (

(
La matrice de passage reduisant A a la forme triangulaire superieure est done 8.6.3 Proposition. Caracterisation des transformations symetriques
(
-I . I o I La matrice de louie transformation symetrique f/J dans une base orthonormale
12 ~ 0 (
I -I I o de E arbitrairement choisieest symetrique. Reciproquement,si f/J est une application
P = P11:i.. o o
o P2 I -1
I
I.
1 o o
lineaire de E dansE et s'il existe unebase orthonormale de E dans laquelle la matrice
de f/J est symetrique, alors tp est une transformation symetrique.
(
(
En eifel (
2 o -1 0 PE~ONSTRATION
0 4-1 0 (
P-IAP =1 Soit tp une applicationlineaire de E dans E. Designons par A la matricc de
o o 2'-2 qidans une base orthonormale (e., e2' ..., en> de E. Vu que
o 002
.'<
O(xe = AXe et (q1{Y)e = AyC' (
On peut constater (a posteriori) qu'un seul pas' aurait suffi si les deux
dernieres colonnes de PI avaient ele choisies dans I'ordre .inverse, la relation (8.33) s'ecrit, de maniere equivalente, sous I'une des deux formes (
'(Axe)yc = 'xe(AYe) (
(
(
 /
\

(
94 V.leurs propres et vecleun propres Tranlrt?nnationl el malrtcel lytMtriques 95 '
(

I
i )

l . ou
sons qu'elle soit vraie pour tout espace vectoriel euclidien de dimension " - I
< 'xe('A - A)Ye == .0.

. .'
(n > u Soit / la fonction reelle definie par .
'( ) Comme x et y sont des vecteurs quelconques, cette relation est vraie si et seulement
fix) == (9'<x) 1x),

.( si ,'A, = A, ce qui demontre la proposition. ' (x I x)

( x parcourant les vecteurs non nuls de E. IIest evident quef(o.x) = f(x) pour tout
8.6.4 Exemples nombre non nul a. En outre, puisque / est une fonetion continue, elle atteint ~a
, Toute application lineaire , de E dans E admettant une base constituee de . borne inferieure sur 18 sphere unite {x : nx H-' I}. Soit e un vecteur ou eette borne
~ \
vecteurs propres orthogonaux deux i deux est une transformation symetrique, En est atteinte. Alors, pour tout vecteur non nul x de E,

( effet, la matrice de tp dans une telle base rendue orthonormale (pour pouvoir x
appliquer la proposition 8.6.3) est diagonale, done symetrique. Nous verrons /(1.) = !(iIiU) ~ f(e). (8.34)
( ci-apres (theoreme 8.6.6) qu'il n'y a pas d'autres transformations symetriques.
Soit y un vecteur de E arbitrairement choisi et g 18 fonction de la variable reelle
En particulier, les dilatations orthogonales, done les projections et les syme
" '
tries orthogonales, sont des transformations symetriques. ,
I definie, dans un voisinage de 0, par
g(t) = f(e + ty).
D'apres (8.34), ' .
8.6.5 Proposition. OrthogonaUte des 8Oui-espaces propres
d'ane transfonnation symetrfqoe g(t) ~ g(0)
. .
Deux vecteurs propres x et y d'une trans/ormation symetrique, ou d'une pour tout t de ce voisinage, done la deriv~ de g au point 0 est nulle. Or, un ealcul
matrice symetrique, associes d des valeurs propres distinctes Aet Jl, sont orthogonaux. facile que nous omettrons montre que

DEMONSTRATION
g(O) = (,(y) I e) + (,(e) 1y) - 2(fP(e) I e)(e 11).

Designons par , soit une transformation symetrique, soit "application

D'autre part, grace a(8.33), I'expression au second membre peut s'ecrire
, ,(

lineaire (qui est egalement une transformation symetrique, d'apres 18 proposition 2(f'(e) I y) - 2(9'<e) I e)(elY) :=I 2(fJ(e)- (f'( e) I e)e I y).
a
8.6.3) associee canoniquement une matrice symetrique. Si x et Ysont des veeteurs
La derivee g(0) etant nulle et Ie vecteur 1 quelconque, nous en deduisons que
propres de f{J associes respectivement aux valeurs propres Aet u; alors
qJ(e) - (,ee) 1e)e = O.
,A(x I y) = (A.X I y) = (,(x) I y) = (x I (y = (x I JlY) = p(x I y),
En d'autres termes, A == (,(e) I e) est une valeur propre de , et e est un vecteur
ou l'egalite centrale est justifiee par (8.33). II s'ensuit que
propre associe acette valeur propre. Designons par S Ie complernentaire orthogo
./

(~ - p)(x 1y) = 0, nal dans E de la droite vectorielle engendree par e. Pour tout vecteur x de S. encore
I
/ done que (x I y) = 0 si A. #=p. par (8.33),
\
(qJ(x) I e) = (x I ,(e = A(x I e) = 0,
,(
8.6.6 ntorftne. Diagonallsation des transformations symetrfqoes
a
ce qui prouve que ,(x) appartient S, done que S est un sous-espace vectoriel
\
a
stable. II s'ensuit que Is restriction " de , S est une transformation symetrique
(
a
Si une 'application lineaire , de E dans E satisfait l'une des trois conditions
de S. Comme S est de dimension n - I, il existe, par hypothese de recurrence. une
suivantes, alors elle satisfait aux deux autres.

base de S constituee de vecteurs propres de ,', done de ,. orthogonaux deux 8

( (a) , est une transformation symetrique.

(b) E admet une base constituee dt: verteurs propres de fIJ orthogonaux deux deux. a a
deux. En adjoignant, cette base Ie vecteur e, nous obtenons une base de E
Z constituee de vecteurs propres de , orthogonaux deux a deu~.
(c) , est diagonalisable et ses sous-e.fpaces propres sont orthogonaux deux deux. a (b) entraine (a). Cette implication a ete demontree dans rexemple 8.6.4.
(
DEMONSTRAnON (b) entraine (c). D'spres Ie theoreme 8.4.1, , est diagonalisable. En oulre,
( les sous-espaces propres de rp sont' orthogonaux deux a
deux, puisque chacun
(a) entraine (b). Nous raisonnons par recurrence sur la dimension de I'espace d'entre eux est engendre par unt famille de vecteurs extraite d'une base orthogo
<- I
vectoriel euclidien. Lorsque eette dinlcnsion est I, J'assertion est evidente. Suppo nale de E. .
(

 JL \ "I~ur~ prUp'c~ Cl \lC\:lcur:. pavl'a ..~ 1: ..W :.JUljUalauus et UI.,.a~~) ~)'UI\,.tU~U~~ ")1
(

~
(c) entraine (b). II suffitde choisir une base orthogonale de chaque sous Nous allonsmaintenant demontrer q~e Amin est la plus petite valeur propre ,(
espace propre et de reunir ces bases en une base de E. de 'fJ et Amax la plus grande. Nous nous limitons a'considerer AmiD' ,car pour Amax
'(
Ie raisonnement est analogue. Soit A une valeur propre de f(J et y un vecteur propre
associe a A. Par definition de minimum, ,<
8.6.7 DecolDpositioa spec". d'uae t,.-(ormanoD symetrique
A . = min (rp(x) I x) ~ (,(y) I y) = ~~.y I Y) = A "
(
Toute transformation symetrique " de E admet la decomposition spectrale
nun x,,, (x I x) (y I y) (y I y) ,
'(
(cf. 1l.2.9)
ce qui demontre que Amin ~ A. (
, = AI'. + Al fP2 + ... + A.,,,,, Les resultats auxquels nous sommes parvenus s'averent utiles, dans la
au AI' A2, .", A, sont les valeurs propres de , et '1' '2' ..., fIJ, les projections pratique, pour calculer des estimations de AMin et ArnalL' En etfet, on obtient souvent (
orthogonales sur les sous-espaces propres associes respectivement aces valeurs de bonnes evaluauons de ees deux valeurs propres, en calculant la valeur du (
propres. quotient' .
(
(,(x) I x)
(8.36) <'
8.6.8 DilaOulisadoD des matrices symetriques (x I x)
(
Soit A une matrice syrnetrique d'ordre n. En prenant pour" I'application pour des vecteurs x particuliers suggeres par le type de probleme a resoudre. Par
hneaire associee canoniquement a A, du theoreme 8.6.6 DOUS deduisons les deux exemple, (
conclusions equivalentes .suivantes:
(a) A admet n vecteurs propres orthogonaux deux a deux.
(b) 11 existe une marrice orthogonale P et une matrice diagonale 0 telles que
D = 'PAP ou A = PD'P. (8.35)
x
= Ax, avec
A = [. ~
-2
-2
I

I -2
est l'equation differentielle matricielle regissant Ie mouvement de trois masses
.~l'
egales attachees aux points de quadrisection d'une corde elastique fixee a ses .(
La marche a suivre pour diagonaliser une matrice syrnetrique est celie qui extremites, Comme dans l'exemple 8.1.2, les frequences propres du mouvement (
a ete decrite dans 8.4.4. II faut seulement noter que la condition (d) de 8.4.3 est sont definies par Fi, A parcourant le spectre de A, et les amplitudes correspon
automatiquement remplieet qu'il y a avantage achoisir les bases des sous-espaces dantes par les vecteurs propres associes (cr. (8.9). Intuitivement, les trois modes
propres orthonormales, car la matrice de passage P sera alors orthogonale et, de d'oscillation harmonique sont representee dans Ia figure 8.4. Pour estimer AmiD et
ce fait, P - I pourra etre remplacee par' P. ' Amax', on calcule la valeur du quotient (8.36) pour des vecteurs x de la forme
indiquee dans cette figure.
1.6.9 EadJDadoa da waleW1l propres extrfmes
vecteur propre (
Soit tp une transformation symetrique de E. D'apres la demonstration du frequence maximale associe a Amin
theoreme 8.6.6, Ie nombre

~ [-~]
definie par
-I!. (-l)max = -Amin
A . = min (,(x) I x)
(
IDID "G (x [x)
(
O<a.</l
est une valeur propre de , et chaque vecteur x ou ee minimum est atteint est un frequence intermediaire (
vecteur propre associe a llDia' En prenant - , a la place de fIJ, nous en deduisons,
grace a la remarque (4) de 8.2.3, que Ie nombre (
vectelIr propre (
(,(x) I x) p frequence minimale associe a Am_II .
A. n l MA = max )

(x I x
definie par (
~ [~I
lit'O
(- A)min = - AIIlll II
est egalement une valeur propre de" et chaque vecteur x ou ce maximum est atteint (
eat un vecteur propre associe lmu' a Fig. 8.4 0"<; a. < p ,(

t
(
 (
(
Application lUI 1)'It~ dlfllftntiel. 99
~i'( 98 V.leurs proprea et vect~Ufl propres

. (
8.7.2 Con.enlon d'. . iq8.tIoa dIfiiretdIeDe llnhlre .'onIre "
( Par exemple,
~ un If."
dlftrelltiellWalre ........ ordre

(
pour x = [- ~] ([ - ~] ), 1 . ~ --
nomlft -
(Ax I x)
(x I x)
= -3,411... (-.l,-'I 414..").' Considerons l'equation differentielle line-ire d'ordre "
a"x'-") + a,,_I.x<"-1) + ... + ali- + ~ +b =0 (a" ~ 0) (8.39)
(

[232] (7),
[5] (Ax I x)
, ,..J et posons
pour x = ~al = -'1 = -0,588... (-0,585...).
. '(x x)
5 ' XI = X, X2 = x, X~ '= xl"-I).
Les'valeurs exactes sorit: Le systeme diflerentiel

~n = -Ji ., 2 = -3.414.... Amu = Ji -:- 2.= -0.585... !" XI = X2

Lessous-espaces propres associes sont les droites vectorielles engendrees par X2 = x)

[-fl' et .[f] (cf. exercice 8.~8.25).

.
X" = tlo
--XI -

est alors equivalent

a"
,al.
-X2 -
a"
a l'equation (8.39).

a,,_'1
- --.x".--,
a"
b
a"

8.7.3 Problitnel lax , . . . IBId. .

8~7 APPLICATION AUX SYSTEMES DIFF~'RENTIFLS
Soit , un vecteur-colonne queleonque de R". Pour tout point de R, il '0
existe une solution x et u.ne seule de l'equation (8.38) satisfaisant i 18 condition
8.7.1- But initiale
Nous nous proposons d'appliquer la notion de vecteur propre la resolution a x(t o) = y.
, ( des systemes differentiels /illt~;res du premier ordre d coefficients constants. Par un
Ce resultat d'analyse est enonce sans demonstration.
tel systeme, on entend une famille d'equations differentielles de la forme

X. ~ allx. + al~2 + + al"x" + b,

X2 :;= a21x I + a2~2 + + a-mX" + b2

, (8.37) 8.7.4 Strudure de I'elllelllble dellOlationI

. { x" = allix. + a,,~2 + ... + a""x" + bIt' a

Lorsque la fonetion valeurs vectorielles est nulle, on dit que I'equation
(8.38) (ou Ie systeme (8.37'est homoge"e. Dans ee cas, toute combinaison line-ire
( ou XI' X2' ..., x; designent des fonetions inconnues de ck, XI' X2' ..., X" leurs
de solutions est encore une solution et il existeau moins une solution. i savoir la
derivees respectives, all' a12' ..., a"" des constantes (reelles), appelees coefficients
solution nulle. En d'auttes termes, l'ensemble S des solutions est un sous-espace
\ du systeme, et b.~ b2, , b; des fonctions de CR .
vectoriel de I'espaee vectoriel E constitue des fonctions a valeurs vectorielles
O( Posons
conunument derivables, Montrons que S est de dimension n, A cet effet, designons
( A = (au)' b = (bj), x = (Xj ) et x= (Xj). par x.' X2' .. , XII les solutions satisfaisant aux conditions initiales respective!

Z Le systeme differentiel (8.37) s'ecrit alors sous la forme d'une equation differen- . xl(O) = el, x 2(0) = e2, ,x,,(O) = ell' (8.40)
tielle matricielle:
( ou el, e2' ..., ell sont les vecteurs de la base canonique de R';. Ces solutions sont
i = Ax + b (ou i(t) == Ax(t) + b(t. ,(8.38) Iineairement independantes, puisque leurs valeurs respectives au point I = 0 Ie
(
sont. En outre, elles engendrent S, car toute solution' x s'ecrit sous la forme
( On appelle solution de cette equation (ou du systeme (8.37 toute fonetion a
valeurs vectorielles x = (x,) verifiant (8.38). x = a.x, + all 2 + ... + a"I", (8.41)
(
 '.&i ... ~U lJhJlJ'C) ~~ ..\:~l'LU~ .UvPl~S l\l'lH&~"UVI& dUh ~}"h ... l' \
(

oil ai' Q2' .. , Q,. sont les termes du vecteur-colonne x(O). En effet, la relation (8.41)
est vraie pour I ~ 0, done pour tout I, en raison du resultat d'unicite enonce dans
M.7.3. Nous en concluons que (XI' X2' ..., X,.) est une base de Set, par suite, que
S est de dimension n.
Lorsque la Ionction a valeurs vectorielles b n'est pas nulle, en raisonnant
comme dans 3.5.5, nous voyons que J'ensemble des solutions de l'equation (8.38)
(ou du sysreme (~.37) est un sous-espace affine de E de dimension II, plus exacte
ment le sous-espace affine
On peut demontrer par un calcul direct que: les fonctions XI'X2' ..., Xldefinies (
par (8.43) sont effectivement des solutions de l'equation i = Ax. Nous omettons (
toutefois ce calcul, car nous effectuerons la verification pard'autres moyens dans
Ie paragraphe suivant. Ces solutions sont lineairement independantes, puisque (
leurs valeurs respecuves au point I = 0 Ie SOIlI Nous laissons au lecteur la tache .. (
de demontrer que la reunion des families de solutions issues des differentes valeurs
'! propres de A constitue une famille libre, done une base de S. (.,
Par exemple, lorsque 1 ~st une valeur propre double de A et Ie sous-espace ', (
propre associe a 1 est de dimension 1, deux' solutions lineairement independantes
~~

~ + S, (
de l'equation i = Ax sont definies par
ou Xu est une solution particuliere de I'equation (8~38) et S Ie sous-espace vectoriel . (
des soluuons de Yequation homogene associee, c'est-a-dire de l'equation obtenue xl(t) == eM'I'
en posant b = 0 dans (tt~8). X2(/) == eA
,() + I(A - ll'2' (

ou VI est un vecteur propre de A, done une solution de l'equation (8.44) (avec <'
k = 2), et '2 une deuxieme solution de cette equation non multiple de 'I' On
8.7.5 Recberdae d'uoe base de IOludo. de .'equation bOlDoaeoe associee (
appelle parfois la solution X2 solution additionnelle. . .
Nous n'exarninerons que Ie cas particulier OU les racines du polynome
caracterisuque de A sont routes reelles (le cas general sera traite dans A.4.6). 8.7.6 Quelquescomplements
Supposons d'abord que A admeue n vecteurs propres lineairement indepen
Soit v un vecteur-colonne quelconque de R il . La fonction avaleurs vectoriel
dants w.' "2' ... , WIt' Soit A" A2' ..-, A,. les valeurs propres correspondantes (non
necessairement differentes entre elles), Les n fonctions a valeurs vectorielles XI' X2' les definie par
..., x. definies par x(/) == exp(/A)v (8.45) .' (

'X1(/) == eAI'v l , x2(1) == eJ2" 2' '.". X,,(/) == eJ,."1I (8.42) est une solution de l'equation x=. Ax. En effet, d'apres (4.29), (
constituent une base de S. En effet, elles sont lineairement independantes, puisque X(/) :;: Aexp(tA)w == AX(/). (8.46)
(
leurs valeurs respectivesau point I = 0 Iesont, et elles verifientl'equation i = Ax, Cette solution satisfait ala condition initiale x(O) = v. En particulier, lorsque w
n,
car, pour; = I, 2, ..., n, parcourt les vecteurs-colonnes e., e2' ..., ende la base canonique de R la formule
(8.45) fournit les solutions XI'X2' ..., xn constituant la base de S exhibee dans 8.7.4.
i;(I) == A,e l " " == eA"Av; == A(e1,'v,) == Ax;(I).
Du fait que exp(/A)ej est la j-ieme colonne de exp(IA), nous constatons que ces
Supposons maintenant que A n'admeue pas n vecteurs propres lineairement solutions sont les colonnes de exp(/A). '
independants, autrement dit, qu'il y ait des valeurs propres dont la multiplicite est 11 en decoule que toute autre base (Xl' x2' . , xn) de S est liee aexp(/A) par (
superieure a la dimension du sous-espace propre associe. Soit A une telle valeur la relation
propre et k sa multiphcite. On peut encore expliciter k solutions lineairement exp(/A) == X(t)X-1(0), (8.47)
independantes concourant Ii la constitution d'une base de S. Ces solutions sont ,(
.. ,~f\aWs:'l>bur i, = 1,2, ..., k, par la fonnule ou X(I) est la matrice carree dont les colonnes sont XI(/), X2(/), ..., xn(t). En effet,
(
~ 'v ~ , les colonnes de X(t)X-1(0) sont descombinaisons lineaires des colonnes de X(t),

:.~'1 X,(/) == cl'(I;t I(A - 11) + done des solutions de l'equation i = Ax; en outre, pour I = 0, ces colonnes se (

~ . 12 ~- I , (8.43)
z "'" .' : 2 t A-I) reduisent respectivement ae l , e2' ..., en' ce qui nous permet de conclure que (8.47)
(
:.u... ~ ."'r'~:,i:~; . . ; 2t<A-AI) ++-(k
1 ),(A-11) Vi'
: C"-' t.~ ...' ~hll'~ ,,-,... tJ ~:. _ -. est vraie, en raison du resultat d'unicite enonce dans 8.7.3. .
r {/' ..........

On notera que lorsque A admet n ye('leurS propres lineairement indepen..: (

.~:."'l~~(\OU
,
WI' '2' ... , WA: S~_..i solutions lineairement independantes de I'equation
~~
dants et que Iescolonnes de X(/) sont les solutions definies dans (8.42), la relation (
"'; -1 .iotJJ.~ ......
''''i~"POl fftc~Y'P~\~"= O. . ' . (8.44) (8.47) n'est autre que la relation (8.30) appliquee a la matrice IA. En effet, dans.
'I", ...,,,,,,,\ (
RappeYons que Ierang de (A - Alt est n - k, d'apres 8.5.7 donc que la dimension ce cas,
de l'cspace des solutions de (8.44) esl k, d'apres la proposition 3.5.3. X(/) == X(O)diag(~AI', eA2', ..., eAn')X-I(O). (
(
(
 (

102 Valeun proprel et vecteun propres Application lUX Iyst~ dtft&entiell t03
(

Montrons maintenant que les fonetions definiespar (8.43)sont des solutions Par Ie changement de variable
de l'equation i = Ax. Comme v, verifie l'equation (8.44),
"( , (A - 11)lv; = 0

x = Py,

l'equation (8.38) se transforme en

(

pour tout entier I ~ k, Grice a (4.26) et a (4.27), la fonnule (8.43) peut done
pY = APy + b,
( s'ecrire sous la forme
.
ou encore
X,{I) == eA'exp(I(A - 11)', == exp(IA)".
y= P-IAPy + P-,Ib = Ay + 5.
D'apres (8.46), XI est done une solution de l'equation i =. Ax.
Cette equation est equivalente au systeme di~rentiel

8.7.7 Recherche d'une solution particaliere de I'equation'(8.38) Y. = allYl + a12Y2 + ,.. + a."y" + G.
Y2 = . Q22Y2 + ... + Q2ItY" + G2
\,
Posons
X(I) ~ exp(IA)v(I), Y" = a.y" + G".
Les fonctions inconnuesYit Y2' ..., Y" peuvent etre detenninea dans l'ordre ~nvet1e,
ou v designe momentanement une fonetion inconnue a valeursdans R" (variation
en resolvent chaque equ.tion du systeme, de la derniere a18 premiere,parsubstitu
de la eonstante). Nous nous proposons de determiner" de telle maniereque x soit
tions successives, La solution de l'equation (8.38) sera alors x = Py.
une solution de l'equation (8.38) et satisfasse ala condition initiale x(Ol = c, qui
. Si aucunecondition initiale n'est posee,cette solution renferme n parametres
equivaut a la condition .(0) = c. L'insertion de 1\ xpression de X(I) dans (8.38)
reels et doit etre consideree comme solution generale de (8.38).
conduit a l'equation .
En presence d'une condition initiale x(O) = C, 18 maniere 18 plus simple de
Aexp(tA)v(l) + exp(tA)V(I) == Aexp(iA)v(t) + b(t). proceder consiste i determiner suecessivement les fonctions )'". Y,,_I ....VI de telle
facon que y, satisfasse a la condition initiale y,(O) = c" ou (, est Ie ;-ieme terme
Vu (4.28), cette equation se reduit a de ~ = p-I C..
'(I) eexp(-IA)b(I),

etentraine done 8.7.9 Exemple

i'
,,(t) .- .,,(0) I
'
== exp(- sA)b(s)ds.
Nous nous proposons de resoudre le probleme aux valeurs initiales

Par consequent, la solution x de (8.38)qui satirfait a la condition initiale x(O) =e i=, Ax, x(O) = e,

'[
I~'
est . ou

-r
[~o ~l ~l
t
x(t) == eXp(tA)(!exp (-sA) b(s)ds + c), (8.48)
l~l'C A = : - et e = [
..' 2 4 -3
:~(
',f:, Les valeurs propr-s de A sont 3 et 2 (double). lei sous-espaces propres
f~( 8.7.8 Rholutlon par trigonaUsadon associes a eesdeux valeurs propres sont engendres respectivement par fa vecteurs
::f~,
Nous allons decrire une autre methode de resolution de l'equation (8.38). colonnes .
','~ .

,{

I
Vu l'hypothese faite au debut de 8.1.5. ilexiste, d'apres (2) de 8.5.6, une matrice
inversible P telle que
all al2 .. al"
., ~ [_i1 et 2'= [ ~I
.!(
:.;'(
p- IAP =. A= I 0 ~2~ ', '. o2JI
La multiplicitede la valeur propre 2 etant 2 et la dimension du sous-espace propre
qui lui est assode I, il nous faut calculer une solution additionnelle, A eet elfet,
o 0 .. ~ a"" cherchons une solution YJ de l'equation
(
 ~ .l"'" ~ Vlupl~) ~l ~~,",l~UI) p. up";,) ,'tt"...... ,)I ,4/1. 'J'"
(
(
x
0-I -I] [VI] sont des solutions de l'equation = Ax (nous montrerons dans A.4.6 comment
,(
[o - elles antetccalculees), Ces deux solutions sont.lineairement independantes, puis - ..'1. :
(A - 21)ly = I -I V2 = 0 .(
2 2 Vl
que leurs valeurs respectives point t = 0au ;:'

.. (
qui n test pas multiple de '2. II est evident que le vecteur-colonne x.(O) = [-~) et x 2(O) = [ _~) .' :(

'J = [_:]
Ie sont. En vue d'appliquer la fonnule (8.48), calculons la matrice exp(tA) 11 l'aide ,"(
de la fonnule (8.47) et des deux solutions x a et X2:
(
convient, de sorte que la solution generate de l'equation i = Ax s'ecrit (vu (8.43
sous la forme
ex 1A ==-e
p() 5
l ,(
3COSI
- Scost
+ sint
- Ssint )
3sio/- cost
[-I -~)
- 3
(
.:

:{,
X(I) ii a.e)I v l + Q~21Y2 + Q)C21(Yl + t(A - 21)'3) _ I [COSI + 3sint 5sint ] ~(
= e.
Qle~!-:] + Q~2' [~] + QJe~ [_:].
-2sinl -3sint+cos/
(8.49)
= Calculons en outre l'integrale figurant dans la formule (8.48):
"
(
OU CI., a l , a l sont des constantes reelles arbitrairement choisies, Pour completer
la resolution, il DOUS reste i determiner IcS valeurs de ai' Q;z, a), de sorte que la
I j (cos 2s
- 3coss si~)ds _ I [3cos2t + sin2t + 2t - 3] .
!eXP(-SA)b(S)ds == 4 ~ ~ 2cos21 + 2
condition initiate soit remplie. Cette condition se traduit par l'equation
o
Jo2coS,S sinsds
=
.
(

[ I] = [I I 0] [aa]
2
-3 -2
I 0
0 -I
I Ql' D'apres la fonnule (8.48) la solution cherchee est

x(t) == e' [cost + ~sint '~l>inl .) (! [3COS21 + sin21 +,21-

+.~[-~)
.al
3) (
d'ou I'on tire a l = I, al = O. Q] = I. La solution cherchee est done - 2stnt - 3slnt + cost 4 - 2cos21 + 2
(
,[ ell + ,el'] -
! e" [sint + 3cost + 6tsint + 2tcoS/) .
21 . - 41sint - 2 cost \
x( I) = . el ' + e 4
-2el l - e21 (

8.7.10 Exeaaple (~
8.7.11 Exemple
Considerons Ie probleme aux valeurs initiales (
L'exemple precedent montre que deja dans Ie cas au n = 2 l'application de .(
i = Ax + b, x(O) = e,
la formule (8.48) exige de~ calculs assez longs. C'est pourquoi, lorsqu'on sait
ou deviner une solution particuliere quelconque de l'equation (8.38), 00' prefere (
A = (-~ -~J. b(t) = (e'c;st J et e = ~ (_~] . trouver d'abord la solution generate de cette equation, pour ensuite en deduire la
solution particuliere qui remplit la condition initiale. A titre d'exemple, conside
'(

Le lecteur constatera aisemenl que les deux fonctions a valeurs vectorielles rons Ie probleme aux valeurs initiales (
XI et X2' definiespar i =Ax + b, 1'(0) = e, (8.51) (

X1(t) = e'(cosr[ -~) 7""sint ( _ ~), ou A est la matrice de l'exemple 8.7.9, ' (
(
(8.50)
== 1- +2t 1 et,
t [-,6.
5]
= e'(sini [ - ~ J + .co~t ( _ ~). (
b(t) =
x2(t) [- 17- lOt
C
, . 3
~
(
{
 (
,(
1

.
'f
I :~
106 Valcun propres er vectcun propres . Excrcicct 107

, :(
Cherchons une solution particuliere de la meme forme que b(t), c'est-a-dire Nous allons resoudre ce probleme par trigonalisation de la matrice A. Dans
de la forme Xo(t) == Vo + " I ' La substitution de X o a x dans l'equation (8,51) 8.5.8, nous avons calcule une matrice de passage P reduisant A a la forme
, ( " fournit l'equation triangulaire. D'apres 8.7.8, Ie changement de variable x = Py reduit notre pro

~] -~] ,
bleme au suivant :
( t

vI == Avo + tAvl + b == Avo + tAv l + [ + t[ j', = 2YI - Y3 - le

2, YI(O) = 1
(
. . -17
. .' - to
Y2 =
- - - - - -Y3 -
4Y2 - Y3 - le , Y2(0) = 1
2

2Y3 - 2Y4-F1ell -Y3(Ot= -I ------~---'---

:' (
En egalant les coefficients des memes puissances de t dans les deux membres
extremes, on obtient les equations Y4 = 2Y4 + 2. Y4(0) = I.

AV I =
[-11 '2
10
et Avo = VI
' ,
+ [-I]
0 ,;
17
Rappelons, au passage, que la matrice de ce systeme differentiel est le resultat de
la multiplication P -IAP, que '
- le2,

" ,

i
.:
I
d'ou l'on tire " _ m et " = n] _le 2,

3e2"
2
== P-1b(1) et = P -1c.

i' En resolvant les quatre equations dans I'ordre inverse, nous determinons suceessi
l( D'apres 8.7.4, la solution generale de l'equation (8.51) s'obtient en additionnant vement Y 4' Y3' Y2 et y,:
i
!( la solution particuliere . .v4(t) == 2e2'- 1

[-4]+ [-2] [-4-

. Y3(t) == (2 - t)e2' - I
2t]
Xo(t) == ; 52:3/
t ~ E
Y2(t) E ~e4' + e2, - ~
2 )e2'
a la solution generale de l'equation homo gene associee, c'est-a-dire a la solution YI(t ) E (23 -'" I -
I
2'
,j' (8.49). La condition initiale se traduit par l'equation
Par Ie calcul de Py, nous obtenons la solution cherchee :
'I'"
':" 5] [I 1 0] [all [-4] 4I e4, + (32 + 2 )e2'
43
[ 6 3 = - 2,t 00 -I1 a + 5"2 2
a3
XI(t ) E

I 4, (5
I

3 )e2'
-

5
x2 ( I ) == -:- 4e + 2 - I . - 4
1/:
d'ou I'on tire a. = :.... 2. a2 = I, a 3 = 3. La solution cherchee est done
X l(I ) == I 4, -
-e (
-2I - 2t)e2' + 4I
II(
3
_ 2C ' + (3t + 1)e2' - 2t 4] . 4
I (5 2 3
I;\ X(I) == _2e 3' + 3e2' + 31 + 5 . x 4( I), ==
4,
4e + 2 - l)e
21
- 4'
[ 4e 3' _ 3e2' + 1 + 2 ,
j(
"t
I; 8.7.11 Exemple 8.8 EXERCICES
'(
I Considerons Ie probleme aux valeurs initiales 8.8. t Montrer que 3 est une valeur propre de la matrice
!(
'{ x = Ax + b, x(O) = c, 4 0 2 0 1
ou 0 4 0 2 1
.(
!
0
2 )
. )] 3e21
I
0
,0
I
5
0
0
5
I,.
I
:c A = ,-2 . 2 I - I
b(t) == 2 ]
et c=li] .
_~,e2'
0 0 3 I' 1 0 2 0 4
'( 0 -2 -I J 2
puis trouver la dimension du sous-espace propre a!'~O('ir .
(

aUO \ IA'~UI~ 6JHt~U(~ ct H;~lt'u,.) phlllll.~ (

'(
8.8.2 Chercher 18 solution de l'equation differentielle x= Ax, ou (b) 0 peut etre une valeur propre de f/JOf/l sans en etre une de 'I/0'. (Considerer (
l'espace vectoriel et l'application tp introduits dans l'exercice 7.4.1 et trouver (
A= (-52 ,,2]
-2 .
une application VI appropriee.)
(
(c) Si E est de dimension finie, les spectres de f/J0'l/ et de 'I/~tp sont egaux,
,

(Appliquer la formule (8.9).) 8.8.10 Soit E l'espace vectoriel des polynomes dedegre inferieur ou egal 4. a (
8.8.3 Pour chaque valeur de a. trouver les valeurs propres et les sous-espaces Soit f/J l'application lineaire de E dans.E definie par .(
propres associes de la matrice '"tp{p)(t) == (r - l)p(/) - 4/P(/). (

-a2 cJ a ] (a) Montrer que les polynomes Pk(t) == (I - 1)4-k(1 + l)k (k = 0, I, 2,3,4) sont (
o a O. des vecteurs propres de , et determiner les valeurs propres correspondantes.
[ -40 -tr+5a-2 a2+2 (
(b) L'application f/J est-elle diagonalisable?
(
8.8.4 Soil A une matrice carree d'ordre n. Montrer que si A est une valeur 8.8.11 Soit f/J une application lineaire d'un espace vectoriel de dimension
pro pre de At alors III ~ " A II. (Utiliser (d) de l'exercice 4.7.18.) . finie non nulle dans lui-meme. Montrer que si f/J est diagonalisable, rg(~2) = rgtp <'
1.8.5 On dit qu'une application Iineaire , d'un espace vecroriel E dans (cr. exercice 6.8.5). .
lui-meme est nilpotente s'il exiltc un en tier positiC k tel que ,Ie est l'application nulle. 8.8.11 Soit f/J une application lineaire diagonalisable d'un espace vectoriel .(
Soil, une application nilpotente d'un espacevectoriel E ~ {o} dans lui-rneme. E de dimension finie non nulle dans lui-meme, Montrer que s'il existe un entier
(
(I> Montrer que 0 eSl une valeur propre de ,. k > I tel que .f/J1c = id~, alors f/J2 = idE. .
(b) Montrer que 0 est la seule valeur propre de e, ' (
8.8.13 Chercher les valeurs propres de la matrice
1.1.6 Soit A uno valeur propre d'une application lineaire " d'un espace (
- 14 43 -22]
vecioriel E de dimension tinie non nulle n dans lui-meme, Demontrer les assertions ~(
suivantes:
A = 1 20 -14 ,
[ 25 -21
3 (
(a) dim Im(, - lidJ ~. n - ,I. (Appliquer (6.13).)
(b) Im(, - AidJ est un sous-espace stable pare, sachant que l'une d'entre elles er~ double. (Rappeler que toute racine double d'un (
(c) Tout sous-espace vectoriel S de E qui contient Im(, - lidJ est stable par ,. polynome est egalement une racine de la derivee de ce polynome.) A est-elle
(d) En deduire qu'il esiste un sous-espace vectoriel S de E. de dimension n - I et diagonalisable? (
qui es~ stable par ,.
8.8.14 Chercher les valeurs propres et les sous-espaces propres associes de
1.11.7, Soit A = ,au> une matrice de transition. la matrice A = al" + .'b, ou a est un nombre et a, b sont des vecteurs-colonnes
(a) ~ontrer que 1 est une valeur propre de A. de R". A est-elle diagonalisable?
(
(b) Montrer que si 1 est une valeur propre de A, alors I A I ~ L 8.8.15 Soit W un espace affine de dimension 4, rnuni d'un repere, Indiquer
(
8.11.8 Soil E un espace vectoriel de dimension 2, muni d'une base (e., e2). la nature de "application affine de if dans it d'equation matricielle
(
On designe par DI D 2 D] et D.les droitcs vectorielles engendrees respectivement 3 -I - i -1 -2
par e e2'e. + e2 et e. - ~, par, la projection sur D. parallelement a D 2 et par
'" la symetne par rapport' D) parallelement
les vecteurs propres de '0
f/I et de fIIo,
a D. Trouver les valeurs propres et Y =!I
2 -11
-I
3
1
I
1
3
1
1
i x
3
+
4
2
2
(
(

(8) par un raisonnement leomctriquc. (

(b) en introduisant les matrices de , et de'll. 8.8.16 Chercher les valeurs propres des matrices
(
8.11.9 SOil' et fJI des applications lineaires d'un espace vectoriel E ~ {ot 03 03 -40] et
[-5
0
100 ' -30]
5 (
dans Iui-meme, Demontrer les assertions suivantes: [o -4 0 0 0 5 (
(a) L'ensemble des valeur. propres non nulles de '0'11 est egal a l'ensernble des
valeurs propres non nulles de '110'. et montrer que ces matrices sont semblables. (Utiliser (b) et (c) de l'exercice 6.8.19.) (
(
(
 (
108 V.leurs propres et vecteun propres ' Exerdcel 1"9
,(
(
(
8.8.2 Chercher 18 solution de l'equation differentielle x.. Ax, ou . (b) 0 peut etre une valeur propre de '0"
sans en etre une de 'lin'. (Conlid~rer

(-5 2], l'espace vectoriel et l'application , introduits.dans l'exerciee 7.4.1 et trouver

( A== une application " appropriee.)
,2 ,-2 0
( (c) Si E est de d~mensi.on finie, les spectres de ,o.~ et de flO' sont epux.
(Appliquer la formule (8.9).)
8.8.10 Soil E l'espaee vectorieldes polynomes de degreinferieue ou egal i 4.
<
8.8.3 Pour chaque valeur de a, trouver les valeurs propres et lessous-espaees Soit tp l'application lineaire de E dans E definie par
( propres associes de la matrice
tp(p)(t) 5!:
2
(1 ., I)~t) ., 4tp(1).
(
. [.-tto ,
'til
ti
a ]
O. ,(a) Montrer que les poly~omes Pk(t) (I - 1)4-'(1 + I)i (k == 0, 1.2. J, 4) IOnt
des vecteun propres de , et determinerles valeun propres correspondantes.
(
-4a -a2+Sa-2 a2+2
\ (b) L'application , est-elle diagonalisable? , .
8.8.4 Soit A une matrice carree d'ordre n. Montrer que si A. est une valeur
8.8.11 Soil , une application lineaire d'un espace vectoriel de dimension
propre de A, alors I AI ~ 1/ A II. (Utiliser (d) de l'exercice 4.7.18.) ,
, \
finie non nulle dans lui-meme, Monlrer que si , est diagonalisable. rg(,2) = rg,
8.8.5 On dit qu'une application lineaire , d'un espace vectoriel E dans .(cf. exerciee 6.8.5). 0 ,

vi
I
\
lui-meme est nilpotente s'il'existe un entier positif k tel que est l'application nulle. 8.8.12 Soit , une application line-ire dialonalisable d'un espaee vectoriel
Soit , une application nilpotente d'un espace vectoriel E #: {O} dans lui-meme, E de dimension finie non nulle dans lui-meme, Mont~r que s'il existe un entier
(a) Montrer que 0 est une valeur proprede ,.
. (b) Montrer que 0 est la seule valeur propre de rp.
k > 1 lei que ,Ie = idE' alors = idE. ,2
.. ( 8.8.13 Chercher les valeurs propres de la matrice
'8.8.6 Soit A une valeur propre d'une application lineaire , d'un espace
4320 -14
-22]
[.
~ 1 4
vectoriel E de dimension finie non nulle n dans lui-meme, Demontrer les assertions
suivantes: ' A=I
(a) dimtm{, - ,tidE) ~ n - I. (Appliquer (6.13).) 3 25 -21
.(
(b) fmC, - ,tidE> est .un sous-espace stable par ,. sachant que l'uned'entre ellesest double. (Rappeler que toute racine double d'un
(e) Tout sous-espace vectoriel S de E qui contient Im(, - AidEl est stable par ,. polynome est 'cgalement une racine de la derivee de ce polynome.) A est-elle
(d) En deduire qu'il existe un sous-espacevectorielS de E, de dimension n - I et diagonalisable?
qui est stable par rp. :
8.8.14 Chercher les valeurspropres et les sous-espaces propres associes de
8.8.7 Soit A = (a i /) une matrice de transition. la matriee A = al" +. l'b, ou a est un nombre et at sont des vecteurs-colonnes
(a) Montrer que I est une valeur propre de A. de It". A est-elle diagonalisable?
(b) Montrer que si 1 est une valeur propre de A, alors I ,t I ~ I.
'" 8.8.15 Soit I! un espace affine de dimension 4, muni d'un repere. Indiquer
8.8.8 Soit E un espace vectoriel de dimension 2, muni d'une base (e., e2). la nature de I'application affine de ';:r dans rr d'equation matricielle

(
(
I.
On designe par D., D 2, D 3 et DI, les droites vectorielles engendrees respectivement
par e., e2' e. + e2 et e. - e2' par ffJ la projection sur D. parallelement a D 2 et par
" la symetrie par rapport aD) parallelement a D 1,. Trouver les valeurs propres et
, 1['3'-1
Y=2-1
I 3 -II
'I 3
-I] 1
I X
+
[,-2]4
'2
( les vecteurs propres de 'Po VI et de 'fll o, .
-I I I 3 2
(a) par un raisonnement geometrique,
( (b) en introduisant les matrices de rp et de ",. 8.8.16 Chereher les valeurs propres des matrices
(
8.8.9 Soit et '1/ des applications lineairesd'un espace vectoriel E :i: {OJ 0 3 0] [-0.5 100 -30]S
( dans lui-merne. Demontrer les assertions suivantes:
(a) L'ensemble des valeurs propres non nulles de tpo VI .est egal a I'ensemble des
[o3 .-40 -40 et,
0 0 5
(

(
valeurs propres'non nulles de "'0'. , et montrer que ces matrices sOnt Semblables. (Utili~r (h) ~t (c) d~ r~x~rcice 6.8.19.)
 l.oJ ".1 ....1) P'OlH,,~) vt \&;I..i.,,"ul,) pllJplt.)
l:),I.'h,j. ' Ii. (
,
:(
~~';
8..8.17 Les matrices 8.8.25 Determiner la plus petite et la plus grande valeur propre de la matrice <,
...~1 .

-2 -3 2] -4 -4 2]
-2 1 0] (
o -2 0
[ 040 et !
3
-2
0[ ~2 0
-2
6 A ;= [ ~ -~ _~ '

(i';
(

sont-elles ~ . . mblables? (Raisonner en termes de valeurs propres et de sous-espaces ainsi que les vecteurs propres associes a ees valeurs propres, sachant qu'ils sont , ~j.,

propres.) de la forme -(
8.8.18 Caracteriser les matrices carrees d'ordre 4 dont Ie spectre est
{1.2, -I, 3}. v= [~l. (
.

(
.

8.8.19 Calculer les puissances entieres de la matrice ' Ie maximum

. d u quotient
. ji(a, {J) =.(Av 1 v) .(
(T rouver 1e minimum er -(-1- en annu 1ant I"ies .

[ 0 I -I]

. v v) .' ,(
1 2 I. derivees partielles de f par rapport a a et a p.) .
(
-I I '2 8.8.26 Soit A une matrice symetrique d'ordre n, S un sous-espaee vectoriel
(
8.8.10 Calculer exp(A) pour. . de R II de dimension non nulle k, (VI' V2' . , 'k) une base orthonormale de Set B
la matrice de type n x k dont les colonnes sont les vecteurs VI' v2' , VA:' (

A = [~ :]. (a) Montrer que

(
.' (Ax I x) ('BABy I y)
8.8.21 Soit A une matrice diagonalisable. Monlrer que Ie determinant de
max - - - = max . (
xes-tO) (x I x) yeRk_{O} (y I y)
exp(A) est ellA. .
(
(Substituer By x.) a
8.8.22 T rigonaliser la matrice (b) En deduire que le premier membre est egal ala plus grande valeur propre de (
-5
-3
-3
-I

I
I 3-3 -I]
1
-I ' 5 .
la matrice symetrique 'BAB.
8.8.27 Calcul par iteration de /a valeur propre de valeur absolue maximale.
(

<
Soit A une matrice carree d'ordre n admettant n vecteurs propres lineairement
-.3 1 -I -3 independants XI' X2' ... , XII. On suppose que les valeurs propres correspondantes (
AI' i 2, , All satisfont a la condition' (
8.8.23 Soit e une transformation syrnetrique d'un espace vectorieleuclidien
E de dimension finie. Montrer que Ker, et Irne sont orthogonaux et cornplernen IAI I > IA;I, ; = 2, 3, ..., n, (
taires dans E. II
Soit a un vecteurde R dontla premiere composante a l dans la base (XI' x2' ... , XII) (
8.8.14 Soit a un nombre et b un nombre non nul. Soil A larnatrice d'ordre est non nulle. On pose ak = Aka = (a~k.'
(
11>1 (a) Montrer que aA: = A1(a l x l + fk)' OU rk -+ 0 quand k ..... 00.
a b ... b (b) En deduire que pour tout; tel que Ie i-i~me terme de XI est non nul, (
b a a~k+l) (
lim T=AI.
k...eo a; (
. a b . (
Exercices sur les systemes differentiels
b b a
(
(a) Montrer que a - best une valeur propre de A et trouver Iesous-espace propre
8.8.28 Resoudre les problemes aux valeurs initiales i = Ax, x(O) = e, ou
(
associe a cette valeur propre.:

~] [-!].
I -3
(b) En s'appuyant sur Ie fait que A est symetrique, trouver un autre sous-espace (a) A = 3 ';'5 et
c=
(
propre et determiner la valeur propre qui lui correspond. [6 -6 (
'(
(
 (
(
112' Valeurs rroprel et vecteun propres
(

(
CHAPITRB 9
,1 4 .
-5 S]
(b) ,A=i2-7
. [ 2 -I
II
5
et
e = [fl.
8.8.29 Resoud'reIe probleme BUX valeurs initiales i.:= Ax + b, x(O) := C, ou
Formes bilineaires symetriques

A est la matrice de l'exercice ~.8.22,

I
I

.
1] 1 -I 9.1 REDUCTION DES FORMES BILINEAIRES
b(t) == e' 0 et c= SYMETRIQUES
I
, 0 ,I

(Utiliser la trigonalisation effectuee dans l'exercice cite.) 9.1.1 Introduction

8.8.30 Trouver l'ensemble des solutions de l'equation differentielle Le present chapitre est consacre a I'etude des formes hiline-ires s~etriques
.i ,= Ax + It, ou et des formes quadratiques qui leur sont associees. Ces nouveaux objets jouent un
role important aussi bien en algebre line-ire qu'en geometrie. On les rencontre
A =! 4
2'
O'
7
1]
0 et
[ '1]'
b(t) e e:' -: . egalement en analyse, en physique et en statist~que. Un desproblemes clefs de la
3 [0 -2 4 theorie des formes bilineaires symetriques est le probleme de la reduction. Nous
Ie resoudrons i l'aide de resultats obtenus dans la section 8.6. '
8.8.31 Par Ie calcul de exp(tA), trouver une base de solutionsde l'equation
Dans cette section, E designera un espaee vectoriel initialement de dimen
x
differentielle = Ax, ()U A est la matrice carree d'ordre n
I"
sion quelconque et par la suite de dimension finie..
1 1
1 1 0 .
9.1.2 Formes blllnhires

On appelle forme bi/ineaire dans E toute application / de l'ensemble de!

couples de vecteurs de E dans R satisfaisant aux deux conditions suivantes:
O 1 I'
(a) Pour tout vecteur y de E, ]'application x ... f(x. y) est une forme line-ire
1 . dans E.
(Ecri~e .A = II + B et
en deduircque exp(/A) == eA'exp(tB); chercher ensuite (b) Pour tout vecteur x de E, I'application y -+ f(x, y) est une forme line-ire
exp(tB) en calculant directement B2, 8 3, , B".) dans E.
On dit qu'une forme bijineaire / dans E est syml'riqu~ si [(x, y) = fly. x)
pour tout couple (x, y) de vecteurs de E..
Voici quelques exemples:
(
(I) Tout produit scalaire dans E est une forme bilineaire symetrique:
(2) (x, y)-+ 2x.Y2 + 3X2Yl - xlYl est une fonn~ bilineaire dans R J.
( (3) (x, y) -+ det(x, y) est une forme bilineaire dans R 2 (antisymetrique].
(
I ( ,9.1.3 Forme quidratlqae IIIOCift i . " lorme WIIDhlft

( Soit I une forme hiline-ire dans E. On appelle formt quadratiqut 8ssociee

( aI l'application q de E dans R

( x -+ q(x) = I(x, x).

( ,)
AA", tonne) blhIlC"ln:~ ')IUCU",U(~
H.eou~uoll d&:~ tormes bllll,.,Hrc:~ S)'U.~L11'1Ll~::'
l ~ '
(
(

Par exemple: La forme .quadratique q asso, ice af s'exprime done sous lao forme (
(I) La forme quadratique associee au produit scalaire (x, y) ..... (x I y) est (
q(x) = 'xeAxe (9.4)
l'applicauon x - (x I x) = II X 11 2 .
(
(2) La forme quadratique associee a l'exernple (2) ci-dessus est l'application Si fest symetrique, on dit indifferemment que A est la matrice de la forme
~ .... 2'\,0\"2 + 30t~\"} - .l~. bilineaire f ou de la forme quadratique q associee af. (
(3) la tonne quadratique assoeiee a I'exemple (3) est l'application nulle. Voiei l'ecriture explicite de q(x) dans Ie cas ou A est symetrique et n = 2
(
ou 3:
Si I est une for me bilineaire symetrique dans E et q la forme quadratique (
qui lui est assoc iee, alors, pour tout couple (x, y) de vecteurs de E, n = 2: q(x) = allx~ + 2al2xlx2 + a22x~. .

n = 3: q(x) = allx~ + 2al2xlx2 + 2allXI~l + a22x i+ 2a23x2x] + a]]x~. (

/(1., y) = ~(q(1. + y) -c q(l.) - q(y. (9.1)

Inversemerit, lorsque q(x) est ecrit explicitement, it est facile de' former la (
En effet, matrice symetrique A. 'Par exemple, la matrice de la forme quadratique

q(x + y) = I(x + ." x + y) = f(x. x) + ~/(x, y) + fey, y) x ..... q(x) = 4x IX2 - ~x~ - 12x2x3 (
= q(x) + 2/(., y) + q(y), est
ce qui entraine la relation (9.1).
A =
02 -32 -6.
0] (

La connaissance de q permet ainsi de retrouver f On notera que cette

reconstitution de f a partir de q n'est possible que si fest syrnetrique (dans
[o -6 0 (

(
l'exemple (3), q est nulle sans que I le soit),
(

(
, 9.1.5 Fonne biUoeaire associee a one matrice
9.1.4 Matrke d'uae (onae bWaeaire (
Soit A une matrice carree d'ordre n. On appelle forme bilineaire associee
Jusqu'a la fin de ceue section, nous supposerons que E est de dimension finie a
canoniquement A la forme bilineaire f dans ~n definie par (
non nulle n. .
f(x, y) = 'xAy. (
Considerons une base quelconque (e l, el' ... eJ'de E et designons les
composantes des vecteurs I; et y dans ceue base respectivement par x I' X2' ... , X n On appelle lor-me quadratique associee canoniquement a A la forme quadratique
(,
et '1' Y2' ... y". Soit/une forme bilinwre dans E. D'apres (a) et (b) de la definition associee aj.

9.1.2,
" " " ft
I(x, y) = f( I x,e" ~ yje) =I xJ(e i , I yjej ) .
,al j-I j-I jal (
(9.2)
ft ft ft ft
9.1.6 TralL1foroiation de la matrice dtuoe forme bilineaire (
= 1: X;( 1:yj"(e" ej = I I aijx;Yj'
par suite d'un cbangement de base
,-I /-1 i-Ij-I
(
ou nous avons pose f(e;. eJ ) = a;j" Soit j'une forme bilineaire dans E.. (e., e2' ..., en) et (e], e2, ..., e~) des bases
On appelle la matrice carree d'ordre n A = (a4;) matrice de la forme de E. A la matrice de/dans la base (e l , e2' ..., en) et A'ia matrice de/dans la base (
bilineaire f dans la base (el' el' ..., ell)' Lorsque / est representee par Ie dernier (e], e2' ..., e~). D'apres (9.3), d'une part "i (
membre de (9.2), on appelle lea nr-nbres au coefficients de f.
/(x, y) = 'xeAYe = '(Pee,xe,)A(Pcc'Y e') = 'xel'~eeAPce')Yc' (
II est evident que Ia matrice d'une forme.bilineaire depend de la base choisie.
En 'outre. ceue matrice est symetrique si et seulement si la forme bilineaire est et d'autre part '(
syrnetrique.
f(x, y) = 'xe,A'Ye" (
A I'aide de la matrice A, I'egalite des deux membres 'extremes de (9.2) s'ecrit,
plus simplement, Comme x et y sont des vecteurs quelconques, eela entraine .Ia relation (
!(x, y) = 'xeAYe' (9.3) A' = 'Pc:c,APce, . (9.5) (
(
(
 (
(
116 Formes bilin~aires symetriques R~uetion del rOnnel bnl"lreI.~triquet . 117
(
(
9.1.7 RYucdon d'une forme biUne.I~ symetrique . sont 3, 6 et 9. Definissons la base (ti,e;, t;) par
(

[-~]
Reduire une fonne bilineaire symetrique / (ou 1a forme quadratique q

(
associee an
signifie trouver une base dans laquelle la matrice de / (ou de, q) est
(el). = !3 (vecteur propre unitaire de A associe a la valeur propre 3),
'.
( diagonale. Dans une telle base, on dit que la fonne bilineaire (ou la forme
2
, quadratique) est reduite.

j [=:]
(
Soit / une forme bilineaire symetrique dans E. Munissons E d'une base

( (e., e2' ..., ell) arbitrairement choisie et designons par A la matrice de / dans cette
(ei). = (vecteur propre unitaire de A associe .-Ia valeur propre 6),
base. D'apres (b) de 8.6.8, it existe une matrice orthogonale P et une matrice

(e3)~
diagonale D telles que

(
D = 'PAP. (9.6) == ! [ ; ] (vecteur propre unitaire de A assode a la valeur propre 9).
, ( . 3 I .
Rappelons qu'une telle matrice P se forme en prenant comme colonnes n vecteurs
( a
propres de A orthogonaux deux deux et unitaires; les termes diagonaux de D sont Dans la base (e;, ei, e;), la fonne quadratique q est reduite:
alors les valeurs propres correspondantes. Posons, pour j = 1, 2, ..., ,i,
q(x) = 3x. +' 6xi 2 + 9X;2.
2
e; = Pljel + P2je2 + ... + Prtje", . (9.7)
ou PI}' P2j' ..., P"l sont les termes de 18 j-ieme colonne de P. La famille de vecteurs (2) La reduction d'une forme quadratique peut egalement etre effeetuee par
(ei, e2, ..., e~) est une base de E et la matrice de passage Pft' est egale aP. En outre, le precede de complition des cartes. Nous nous limiterons 8 traiter Ie cas ou" = 2
d'apres (9.5), la matrice de / dans 'la base (e], e;, ..., e;) est la r-atrice D de (9.6). (cr. exercice 9.4.3 pour Ie cas general), Supposons que all soit non nul. Alors
Nous avons ainsi demontre qu'il existe toujours tine base (e], ei, ..., e~) de E dans '
\ '
. 2 2 . x22
laquelle la forme bilineaire symetriquej'est reduite. Dans cette base.j'(x, y) et q(x) q( X) = allxl + aU xl x2 + a22 = 0Il (XI2+. , -auX I X2)+' 2
a22.t'2
s'ecrivent sous la forme I' all
I 2 '

/(x, y) d.xtyt + d2
= x;y;,+ ... + d"x~y~, = .all(XI + au
-X~
2
+ (a22 -
al2 2
-:z)X2

all ' all

q(x) ,= dJxi2 + d2x;2 + ... + .d,.X;2,

OU xI, X2' ..., x; et ~i, 1i; .:., y~ sont lei cornposantes respectives de x et de y et
En posant xI = X I + a l 2x2 et 'x;" = x2 (ce qui revient a effectuer un changement
, all . "
d l , d2, ~, d; lestermes diagonaux de la matrice (diagonale) de f.

On notera que si E est euclidien et la base initiale (e l , e2' ..:, ell) orthonormale,
de base), nous voyons que
~ (
la base (ei, e;, ..., e~) definie ci-dessus est egalement otthonormale. '
q(x) = dlx? + d2xi2,
. 2
OU dl = all et d2 = a22 - a 12. Si all est nul et au n'est pas nul, il suffit d'echanger
9.1.8 Exemples all
, ,

(I) Nous nous proposons de reduire la forme quadratique q definie, dans

les roles de ces deux termes, Si tous 1~ deux sont nuls, en posant xi = XI + X2 et
X2= XI - X2' nous voyons que
une base (e l, e2' e 3) de E, par
('
q(x) = dl x ;2 + d2x ;2,
(
, q(x) = 7x~ + 4xlx2 +6x~ + 4x2x3 + 5x~ ..
'I
La .matrice de q est ou d, = -d2 = 2Q12
(

[~ ~] .
2
6 . On remarquera qu'en general la forme reduite obtenue par le precede de
( A =
2 5 . completion des cartes n'a' pas pour coefficients les valeurs propres de 18 matrice
( de la forme quadratique,
Les racines de son polynome caracteristique
( (3) Nousallons calculer l'integrale
7-1 2O

Jexp(-I:" "
3 2
( 2 6-1 2 _t + 18t - 99t + 162 .
}:aqx,xj)dx l dx 2.dx" , (9.8)
(
o 2 5-1 R" I-IJ-I '

(
 Ia~ ""rnan b"IfK4Ur~ iym~lriquci h.HlHCS LJlhneaucs sYlllelfit.lul"~' deumes I'0SIlI\CS :. I (
(
oil tl,} =: tJ/, pour lout couple (i,)) d'indices, L'exposant est une forme quadratique 9.2.2 Formes biliJJeaires symetriques definies non negatives et definies positives (
que ron peut reduire par un changement de base dont la rnatrice est orthogonale.
Soil P la matrice d'un lei changement de base. Alors Soit I une forme bilineaire symetrique dans E et q la forme quadratique (
associee af. On dit que I est definie non negative osi I(x, x) = q(x) ~ 0 pour tout (
" " vecteur x de E. On dit que I est definie positive si I(~, x) = q(x) > 0 pour tout
1: 1: uljx, x, = dlX~ 2 + dJ,X'i + + d"x~2,
, .. I } ...I
vecteur non nul x de E. (
ou On notera qu'une forme bilineaire symetrique definie positive n'est autre (
XII IXI qu'un produit scalaire (cf. 2.2.2) et que reduire une telle forme revient a trouver
X2 xi une base orthogonale pour ce produit scalaire. A ce propos, on rappellera que Ie (
p precede d'orthogonalisation de. Gram-Schmidt decrit precisement les operations (
aeffectuer pour obtenir une base orthogonale. La methode generale de reduction
(
x~
exposee dans 9.l. 7 fournit maintenant un autre moyen pour parvenir ce resultat. a
x"
Or, la matrice jacobienne de ce changement de base est evidemment
(
9.2.3 Matrices symetriques definies DOD negatives et deftnies positives
ox:) = P.
(ox} <.
On dit qu'une matrice symetrique A d'ordre nest definie non negative(dejinie
L'integrale (9.8) est done egale a positive) si la forine bilineaire symetrique associee canoniquement a A est definie
Jexp(-J.\i
It"

2
- dl x;2- ... - d"X~2)II.Plldx~dx; ...dx~
non negative (definie positive). Dire que A est defime non negative (definie posi
tive) revient done a dire que '"Ax ~ 0 pour tout vecteur-colonne x de R n
= ! expt -d.xj2)dX. I !
exp(-dJX;2)(h; ... exp(-d"x;2)dx;. ('xAx > 0 pour tout vecteur-colonne non nul x de R"),
En raison de la representation (9.3), si une forme bilineaire syrnetriquej'dans
:(

(
II apparait ainsi .clairement que cette integrale est finie si et seulement si les E est definie non negative (definie positive), sa matrice dans toute base de E est
(
coefficients d l d2 .. ., d" sont tous positifs. Dans ce cas, sa valeur est definie non negative (definie positive). Reciproquement, s'il existe une base de E
dans laquelle la matrice de I est definie non negative (definie positive), alors I est (

(oJ;7C)~(~n )~ ... (x,~

dJ =
( 01C"
d.d2 ... d"
)~
=
( nil )~
iAI '
definie non negative (definie positive).
On remarquera que les termes diagonaux d'une matrice symetrique definie
(

non negative (definie positive) sont non negatifs (positifs). Ce sont en effet les
ou A designe la matrice (u(J)' (L'egalite I A I = d.d2 ... d,. est due au fail que A est
valeurs que la forme quadratique associee canoniquement a cette matrice attribue
a
semblable diag(dr, d2, d,,).)
aux vecteurs de la base canonique,
La reeiproque n'est toutefoisvraie que pour les matrices diagonales: si les
. i
I termes diagonaux d'une telle matrice sont non negatifs (positifs), cette matrice est '("
definie non negative (definie positive).
(
9.2 FORMES BILINEAIRES SYMETRIQUES 'DEFINIES
POSITIVES (
9.2.4 Proposition. Caracterisation de la positivite par les valeurs propres
(
Pour qu'une matrice symetrique A Soil defiftie non negative (definiepositive),
9.2.1 latrocluctioa (
il faut et it suffit que ses valeurs propres soient non negatives (positives).
L'exemple precedent nous apprend que l'integrale de l'exponentielle nega (
DEMONSTRATION
live d'une forme quadratique q est finie si et seulement si q(x) est positif pour tout (
veeteur non nul x. Nous no us proposons maintenantd'examiner et de caracteriser II existe une base de JRn dans laquelle la matrice de la forme quadratique
(
lcs formes quadratiques qui jouissent de ceue propriete. associee canoniquement a A est la matrice D de (9.6). Les termes diagonaux de
Tout au long de ceue section, E designera un espace vectoriel de dimension D etant les valeurs propres de A repetees un nombre de fois egal aleur multiplicite, (
finie non nulle n. la proposition decoule de la remarque figurant dans 9.2.3.
(
(
(
 (
(
120 Formes bilineairessymetriques Formes' bilineaim .~riquel ~niet positives 121
(

(
Voici maintenant un critere pratique permettant de reconnaitre les matrices ou A est la matricedefinie par (9.9) avec k '= " - I. Par la regie de multiplication
( symetriques definies positives sans l'aide de leurs valeurs propres. Nous appelle par blocs, nous voyons aisement que
( rons mineursprincipaux d'une matrice carree A = (aq) les determinants ~o
1
0
( all a12,' alJ
a121,
(
all'
l a ll
a21 an
t
a21
aJI
an
aJ2
a2J
aJJ
I, ..., I A I 'PAP = A I: (9.10)

(
. o..o.:....:. :..rrf.io.b
(
ou b est un nombrequ'i1 n'est pas neeessairede preeiser. Designons la matricedu
9.2.5 Proposition. Caracterisation de I. positivite par les mineurs principaux second membre par A'. D'apres (9.S), la forme bilineaire assoeiee canoniquement
aA, exprimeedans I~ base de R" constituee des colonnes de p, a pour matrice A'.
Pour qu'une matrice symetrique A soit definie positive, if faut et if suffit que
u sumt done de demontrer que A' est definie positive. Grice aux proprietes (8) et
ses mineursprincipaux soient positifs.
(b) de la proposition 5.1.8,au fait que I PI = I et i (5.16),nous deduisons de (9.10)
que
DEMONSTRAnON
IAI = ,'PAPI = biAI.
Supposons que A = (au) soit deflnie positive et d'ordre n. Choisissons un
Cela prouve que b est positif, puisque I A I et I A I sont positifs, par hypothese.
entier k de {I, 2, ..., n} et posons
Considerons maintenant un vecteur-colonne non nul quelconque I de R" et
f all 012. '. alA
designons par lie veeteur-colonnede R,,-I obtenu en supprimant le de-rier terme

l
,a21 a22 an x" de x. A l'aide de la regie de multiplication par blocs, nous voyons faeilement
(9.9) que
A= I 'xA'x = "IAI + bx~. (9.11)
(
Or, si i n'est pas nul, 'IAI est positif, puisque la matriee A est definie positive,
0kl ak2 akk
par hypothese de recurreneeD'autre part, Ii I est nul.t" n'est pas nul et done
Soit I un vecteur-colcnne non nul quelconque de R i . oesig~ons par x le vecteur bx~ est positif Nous en concluons que Ie premier membre de (9.11) est positifpour
eolonne de R" dont les k premiers termes sont ceux de i et les restants sont nuls. tout vecteur-colonne non nul x de R", autrement dil, que 18 matrice A"~I deflnie
Par la regie de multiplication par blocs, nous voyons aussitot que positive, ce qu'il fallait demontrer,
'iAi .= 'xAx.

Le second membre etant positif, par hypothese, il s'ensuit que la matrice A est 9.2.6 Remarque
definie positive. Son determinant est done positif, puisqu'il est Ie produit des
valeurs propres (eventuellement repetees) de A et que ees valeurs propres sont Les arguments utilises dans la premiere partie de la demonstration pred
positives, d'apres la proposition 9.2.4. dente demontrent que les mineurs principaux d'une matrice syrnetrique definie non
L'assertion .reciproque sera demontree par recurrence sur l'ordre de A. ' negative sont non negati(s. Toutefois, une matrice symetrique doni les mineurs
( Lorsque eet ordre est 1, elle est evidente. Supposons qu'elle soit vraie pour toute principaux sont non negatifs n'est pas foreement definie non negative. Par exem
pie, les mineurs principaux de la matrice
.matrice symetrique d'ordre n - 1 (n > 1) et considerons une matrice symetrique
(
d'ordre n A = (aij) dont les mineurs prineipaux sont positifs, Posons
(
alII
( .am

(
'. et p= 1,,-1

.............. ~ ~
l-A~
~ .

( a".I." o0 O~ 1

(
 I!! t"OrIDCl ~.ilIHn."H() syrnetriques
K\.\,IU"lIUU .,uu" (
(
On remarquera qu'une fonction peut avoir un minimum relatif strict en un (
9.2.7 Application au calcul des extremums d'une fOOCOOD
point, sans que sa matrice hessienne en ce point soit definie positive. Par exemple,
(
Soit I une fonction reelle definie dans R" admettant, dans un voisinagede la fonction j" definie par "
0, "des derivees.partielles continues d'ordre 2. Posons (
!(x1, x~ = x1 + x~
(Y iJ'i (
b, = -(.0) et au = ~(o), a un minimum strict en 0, mais sa matrice hessienne en 0 est nulle,
(1.\", v.l,l.l)
On remarquera enfin que si I a un minimum relatif en 0, le terme 'xAx du (
ou ; el j parcourent les entiers I, 2, ..., ": La matrice symetrique A =" (aij) est develcppement (9.12) ne peut etre negatif, autrement dit, A est une matrice definie (
appelee matrice hessienne de f en o. non negative.
(

entire. Supposons que 0 SO;I un pO;III stationnaire de [, c 'est-a-dire que" (

b, = b2 = ... = bIt = o. Si A est dtfinie positive, fa un minimum relatif strict en O. (
9.3 REDUCTION SIMULTAN~E
(
DtMONSTRATION
(
Le developpement limite de! d'ordre 2 dans une boule B de centre 0 et de 9.3.1 PosidoD du probleme ( I
rayon r suffisamment petit s'ecrit
Etant donnedeux formes bllineaires symetriques f et g definies dans un
(
Ilx) ~ J~O) + ~'xAx + H x 11 2, (x), (9.12) espace vectoriel de dimension finie non nulle, existe-t-il une base de eet espace dans
laquelle les matricesdefet de g sont diagonales?L'exemple simple suivant montre (
OU t(x) -- 0 quand II x II -t o. Compte tenu de 8.6.9, nous en coneluons que, pour que la reponse a cette question" est generalement negative. Lorsqu'elle est affirma (
tout veeteur non nul x de B. tive, on dit que! et g peuvent etre reduites simultanement.
; Considerons les formes bilineaires symetriques associees canoniquement (
!(x) - llO) I 'sAx ::;a.t "

" x 11 2 = 2 ~ + e(x) ? 2+ t(x),

aux matrices ' (

OU A designe la plus petite valeur propre de A. Comme (x) peut .etre rendu
A= [~ ~~) etB= [~ ~). (

arbir rairement petit par Ie choix d'un r suffisamment petit et A est positif (d'apres D'apres (9.5), reduire simultanernent ces deux formes revient a trouver une matrice (
la proposition 9.2.4), cela montre que/ex) -'f(O) est positif pour tout vecteur non de passage P de maniere que 'PAP et 'PBP soient des matrices diagonales. (
nul x de B. Supposons que" P'" ait ete trouvee et design~ns ses tennes par pu Alors
" (
~"2 )
'PAP = Pll-P21 . PIIP~2"7""P~IP22 ",
A titre d'exemple, eherehons a etablir la nature du point stationnaire 0 de [ PIIPI2-P2IP22 P12-P22
(
la foncuon J" definie par (
'PDP = [2PIIP21 "P12P21 + PII~22] .
!(X1'Xl' Xl) ;;= (x~-x~)+ l)exp(~5xi-4xIXl~4xIX]-5x~+4X2\J- 5xi). " PI2P21 +PIIP22 2PI2P22 (
A l'aide d'un developpement limite de la fonetion exponentielle ou par Ie caleul Comme les deux seconds membres sont des mat~ces diagonales, (
des derivees partielles du second ordre, on voit aisement que la matrice hessienne
de/en 0 est PIIPI2 - P21P22 ~ 0 (

-8 -4 .4]
ou
PI2I'21 + PIIP22 = 0, (
A =
[ 4 3 -10
-"4 -10 3"
P II -P21) [P12] = [0]. (

Les mineurs principaux de A sont egaux a - 8, 64, - 504, done ceux de - A.a 8,
[P 1 PII Pn (
Or, la matriee carree de cette equation est inversible,car son determinant est ega)
64,504. Grace a la proposition 9.. 2.4et au critere, il s'ensuit que -fa un minimum (
au carre de la Donne de la premiere colonne de P. Les termes PI2 et P22 doivent
relatif strict en 0, done que f a un maximum relatif strict en o. (
(
(
 (
(
124 Formes bilineaires symetriques Reduction limult. . . . 12S
(
(
done etre nuls, ce qui est impossible, puisqu'ils constituent la deuxieme colonne et seulementsi sescolonnes PI' P2' ... , PII sont des veclt!Urs propresde (A. B) et!orment
t de P. nest ainsi preuve que les formes bilineaires symetriquesassociees canonique unefamille orthonormale pour le produtt scalaire defin; par B.
ment aux matrices A et B ne peuvent pas etre reduites simultanement,
(
DEMONSTRATION
( 9.3.1 Proposition. Reduction simultanee Commencons par. relever qu'une matrice carree P verifie 18 relation
('
Soil f et g deuxformes bilineaires symetriques definiesdans un espace vectoriel 'PBP = I si et seulement si ses colonnes forment une famille orthononnale pour
{ E de dimension finie non nulle. Supposons que g soil definte positive. 11 existe alors le produit scalaire defini par B. Cela dit, considerons une matrice carree P verifiant
une base de E dans laquelle f et g sont reduites. cette relation. La relation 'PAP = D s'ecrit alors, de rnaniere equivalente, SOliS 18
( forme
DEMONSTRATION 'PAP = 'PBPD,
Munissons E du produit scalaire g et choisissons une base.orthonormale ou encore
(e., e2, , ell) de E. D'apres 9.1.7, il existe une base (e], e;,...., e~) de E dans laquelle
AP = BPD.
fest. reduite, En outre, cette base peut etre choisie de telle maniere que la matrice
de passage Pee' soit orthogonale. Dans ce .cas, la base (e], ei, ..., e~) est encore En egalant les colonnes respectives des deux membres de cette egaJite, nous
orthonormale, autrement dit, la matrice de g dans cette base est la matrice-unite, concluons que 'PAP = D si et seulement si

Apj = ~Bpj' ou encore (A - dJB)pJ = 0, pour j = I. 2..... n,

9.3.3 .Caleul de la matrlce de plssage dans one reduction simultanee
~ . ou P., P2' ..., Pli sont les colonnes de Pet d., d2, ..., d; les termes diagonaux de D.
Lorsque les formes bilineairesj'etg de la proposition 9.3.2 sont donnees par La proposition' est ainsi demontree, .
leurs matrices A et B (dans une base de E), Ie cal cul d'une matrice de passage P
telle que
'PAP = D (diagonale) et "PBP = I (9.13) 9.3.5 Exemple
estassez laborieux. C'estpourquoi nous allons demontrer une proposition fournis Dans un espace vectoriel de dimension ~. muni d'une base (f f 2). deux
sant une methode pour I'effectuer plus aisement, . formes bilineaires syrnetriques f et g sont definies par leurs matrices respeetives
On appelle valeur proprede (A, B) tout nombre 1 tel que
IA lBt = o. 'I -2
[ _I - 1) et 2 - I)
A = B = [-I 2
Si A est une valeur propre de (A, B), on appelle vecteurpropre de (A, B) associe
Nous nous proposons de reduire f et g simultanement, Les rnineurs principaux de
a cette valeur propre toute solution non nulle x de l'equation
B sont positifs, done g est.definie positive et 18 proposition 9.3.4 s'applique, Les
(A - AD)" = O. valeurs propres de (A, B) sont Its solutions de l'equation
(
On' notera que si 1 et JI. sont des valeu "S propres distinctes de (A, B) et x et
1
y des vecteurs propres associes respectivement a ces valeurs propres, alors x et y I A - ,tB I = 1 - 2,t -I + A I == 3,t2 + 4A. ., J = O.
sont orthogonaux pour Ie produit scalaire defini par B, c'est-a-dire hi forme
-I +A -2-2,t
(
bilineaire associee canoniquement a B. En effet, a savoir
(
A'xBy = '(1Bx)y = '(Ax)y == "x(Ay) = 'x(pBy) = p'xBy, . (9.14) -2+JIJ et
-2-JIJ
( 3 3
ce qui implique 'xBy = O. Deux vecteurs propres de (A, B) associes respectivement a ces valeurs propres et
(
unitaires pour Ie produit scalaire defini par B sont
( 9.3.4 Proposition
JIJ- S] . [Ji3+S]
(
(
Soil A une matrice symetrique et B une matrice symetrique dejinie positive,
toutes deux d'ordre n. Une matricc carree P d'ordre n verlfie les relations (9.13) st
p, = {6(26- ~Ji3W~ [2J1J-7 et
P2 = (6(26-~"i1))'" 2Ji3+7 .

(
116 t'onnca bilme..." Iyntelfiquci ExerciCl':. ill (
(

Defimssons la base (el . ei) par (

Montrer que
(ei>e = '1 et (eil. :;;: Pl
q(x) =. allxl 2
II II

+ 1: 1:ayxi x; ,
.(
(
. 1-2j-2
La matrice de passage Pee' verifie alors les relations (S.13), autrement dit, les
matrices respecuves de f et de g dans la base (e], el) sont ou au. = ai; pour tout couple (i. j) d'indiees ~ 2. (

dill8( - 2 + JIl - 2 - JIl) (b) On suppose que "II - O. mais que "I~ rfr. 0, et on pose (
ct I.
3 ] xl =x. + Xi. 4. = XI - Xl' x; = X j pour j = 2... f...., n, ,(
ce qui equivaut a dire que Montrer que ~
<.
- 2 + jrJ ,',
fi( x. Y) -
. 2 + Jf3 , ; II II
(
l XIYI - 3 x2~2' q(x) = 1: 1:a;,x;~.
. ,-Ij-I lJ J
(
g(x. y) == x~y, + xiY;. ou all :F 0 et au ~ aI' pour tout couple (i,j) d'indices, (
ou XI' x; et Yi. Yi sont lea composantes respectives de x et de y dans la base
9.4.4 Loi d'inerlie de Sylvester. Soit
(ei. ell. (
41x~ + ... + dlex~ - dle+lxl+1 - ... - dlc+1xl+1 (
et
(
dix? + ... + d;X;2 - d;+ IX;~ I - ... - d;+$x;~$
9.4 EXERCICES (
deux formes reduites d'une meme forme quadratique, ou d l ... die' ..., die +1 et
d;..., d;, ... S d;+, sont des nombres positifs. Montrer que k -= r et / = s (autre (
9.4.1 Dans chacundes cas suivants, reduire la forme quadratique q definie, ment dit, que le nombre de coefficients positifs et le nombre de coefficients negatifs
dans une base (el' e2' .... ell) d'un espace veetoriel E. par
I, (
sont tous deux determines par la forme quadratique), (De (9.5) et (a) de l'exercice
(a) q(x) = 2x~ - 2JjX1X2 (n = 2); 6.8.7, deduire que k + I = r + s; montrer ensuite que l'hypothese k > r conduit (
.j
(b) q(x) == x: + 2J'SXIXl + 2x:zX) + x~ (n:;;: 3)'; I a une contradiction, en egalant les deux formes reduites et en etablissant l'existence
(e) q(x) = x~ + 4XIX3 - x~ - 2x~ (n = 3); I
d'un vecteur non nul x dont les composantes XI' .... et XIe+I' x; sont nulles, x;
(d) q(x) = x~ + 2x lx) + 2x~ + 2x)X4 + x~ = 4). (n ou nest la dimension de l'espace vectoriel dans lequel la forme quadratique est
9.4.1 Soit E un espace vectoriel euclidien, oriente et de dimension 3. Soil definie.)
eli outre y un vecteur non nul de E. Pour tout couple (x, y) de vecteurs de E. posons
9.4.5 Montrer quesi la matrice d'une forme bilineaire symetrique dans une . (
I(x. y) = (x 1(' )( y) x,) .. base de E est definie non negative (definie positive). alors eUe l'est egalement dans
(
(a) Montrer que J'est une forme bilineaire symetrique dans E. (Utiliser (2.50).) toute autre base 'de E . ' .
(
(b) Montrer que I est dcfinic non negative.
9.4.6 Pour queUes valeurs de a la matrice
(c) Trouver une base orthononnale 'de E dans laquelJe / est reduite, (
a
(
9.4.1 R;~I;on paf comp/ilion des carres (cf. exemple (2) de 9.1.8). Soil q
la fonne quadratique definie. dana une base don par nee. [: a ;J (
q(x) =
" It

l: 1:aiJx~xj'

i est-elle definie positive? . (
I-I I-I ..
I
! J
ou ulJ = Qj; pour tout couple (i,j) d'indices, 9.4.7 On suppose qu'une fonction reellej admette, au voisinage de 0 E R (
Ie developpement limite (
(a) 90 suppose que all:;: 0 et on pose
.

I(x) = 1(0) - 3x~ - 2X.x2 + 2x.x). 2x~ + 4X2xl - 4x~ + II x lee(x). (

xl = XI + J.-(al~2 + ... + al"xJ. xi = Xl' .. x; = x". 0

all Montrer que /(0) est un maximum relatif strict. (

(
(
 (
( I

128 Formes biUn6aires !lym~'riquel

( I
(
9.4.8 Montrer qu'une matrice symetrique definie non negative est definie CHAPITRE 10
positive si et seulernent si son determinant est non nul.
. .
9.4.9 Soit A une matrice de type m x n. Demontrer:
(a) 'AA est une rnatrice symetrique definie non negative. .
Quadriques
(b) Si A est de rang n, 'AA est une matrice symetrique definie positive.

. ( 9.4.10 On appelle racine carree d'une matrice carree A toute matrice carree
. 8 telle que 8 2 = A. Montrer que toute matrice symetrique definie non negative lQ.1 EQUATION GENERALE D'UNE QUADRIQUE
(definie positive) admet une unique. racine carree definie non negative (definie
positive).
10.1.1 Introduction
9.4.11 'Soit A une matrice symetrique definie non negative (defrnie positive).
L'ellipse, I'hyperbole et la parabole, en dimension 2, I'ellipsolde, l'hyper
Montrer que pour tout entier non negatif k (tout entier k), Ale est definie non
boloide et le paraboloide, en dimension 3, sont des exemples de quadriques. On
negative (d~finie positive).
appelle ainsi les lieux geometriques definis par une equation du second degre. Le
9.4.12 Soit A une matrice symetrique definie non negative (definie positive). present chapitre sera consacre a l'etude de ces lieux,
Montrer que tout vecteur propre de Ale, au k est un en tier positif (un entier non Tout au long du chapitre, '(. designers un espace affine de dimension finie
nul), est un vecteur propre de A. Exhiber une matricesymetrique d'ordre 2 dont , n superieure a I et de direction E. Nous supposerons que rest muni d'un repere
Ie carre admet un vecteur propre qui n'est pas un vecteur propre de A. (0; e e2' ... en)..
"
9.4.13 Soit A et B deux matrices symetriquesdeflnies non negatives (definies
positives). Montrer que si Ale = Ble pour un entier positif k (pour un en tier non 10.1.2 Quadriqaes
nul k), alors A = B.
On dit qu'un sons-ensemble de rest une quadriqu, s'il est forme par les
9.4.14 Soit A une matrice symeirique d'ordre a et B une matrice symetrique points P dont les coordonnees XI' x2' ... , ~l'" satisfont a une equation de 18 forme
definie positive egalement d'ordre n. O~ designe par A.min et A.ml ll la plus petite et
" " "
la plus grande valeur propre de (A, B) (cf" 9.3.3). 1: Io/Jxl.'CJ + 2 th,.'c /:::: C. (10.1)
1=lj-' I-I
(a) Montrer que .
ou les coefficients 0ij sont des nombres non tous nuls tels que Ojj = a"
pour tout
min 'xAx et max 'xAx couple (i,j) d'indices et les coefficients bi , ainsi que c, sont des nombres queleon
XERft-{O} 'xBx = A",in XE R"- {oJ 'xBx = A",... ques.
Une quadrique n'est done autre qu'un lieu geometrique defini per une
(Utiliser la proposition 9.3.2.)
equation du second degre (cr. exereice 10.7.1).
(b) A l'aide de (a), trouver Ie maximum et le minimum de la fonction reelle definie Dans Ie cas des dimensions 2 et 3, l'equation (10.1) s'ecrit, sans l'aide du
dans RJ-{O} par symbole de sommation,
( + x~.- 3x~
2xIXJ
allx: + 2012x,x 2 + 022 X i + 2blx , + 2b2x 2 = c
( 2x~ + 2x.x3 + x~ + 3x~ . et
Oi'X: + 2a12xlx2 + 2QIJ;'~) + 022X~ + 2a2J.l'2l' J + aHt~ +
2b,xl + 2b~2 + 2bJx J = c.
(
Voici quelques exernples:
< (I) 2x: + x~ :c: 3, ellipse si n == 2, cylindre elliptique si n .= 3.
( (2) 3~~ - x2 = 0, parabole si n ~ 2, cylindre parabolique si n = 1
( (3) 4x~ + x~ + 2x~ = 1, ellipsolde,
(4) x~ + 3x~ - 2x~ = 0, cone du second degre.
( (5) -x~ -"- 3x~ - .l"~ = I, quadrique vide.

~
 Cent rtA !'(" III (
tlO Quadriques
, . i
('
('
10.1.3 Ecriture matricieUe et
allx~xl + a.2(x~x2 + xgx.) + al3(x~x3 + x~x.) + a22x~2 + (
Designons par A la matrice symetrique (au)' par b Ie vecteur-colonne (hi) et Q21(XgX) + xgx~ +' a33x~xl +
par x Ie vecteur-colonne (O'P)c' L'equation (10.1) s'ecrit, de maniere equivalente, bl(x. + xC:> + b2(X2 + x~ + bl(X3 + x~) =
c.
(
sous la forme
Par exemple, "equation du plan tangent a la quad rique d'equation f
'.Ax + 2'bx = c. (1.0.2) 2 2
2x - x2 + 6X2X3 - X32 - 4x. + 6x2 "!'""" 2x3 = -23 (10.6) . , (
Le premier terme du premier membre est appele partie quadratique, ledeuxieme , 1 . <'
terme parlit lineaire et Iesecond membre termeconstant de l'equation..Nous dirons au point PO(i' I, -1) est
que A est la matrice de la Partie quadratique et b Ie vecteur-colonne de la partie (
9
lineaire. -XI - X2 + 3x3 = -2' (
L'objcctif principal de ce chapitre est la reduction de l'equation (10.2) a une
(
forme simplifieedite nonnale. C'est par cette forme que la configuration du lieu 10.1.5 Vecteur DOrmal
aeometriquc peut etre etudiee le plus aisement. (
Lorsque If est euclidien et le repere (0; e l, e2t , en) est orthonormal, le
vecteur defini par (
Axo + b
10.1.4 HyperpIaD t....eal
est normal al'hyperplan tangent ala quadrique au point 'r; On l'appelle vecteur
Pour former l'equauon cartesienne de I'hyperplan tangent en un point de la normal a la quadrique en Po.
quadrique d'equation (10.2), il nous faut calculer les derivees partielles du premier
membre de (10.2) ou (10.1) par rapport i xI' x2' ..., x,.. Le lecteur s'assurera (
facilement que le vecteur-colonne forme de ces derivees partielles, c'est-a-dire Ie (
padicol du premier membre de (10.2) ou (10.1), est (cf. exercice 10.7.17) 10.2 CENTRAGE
(
grad('xA" + 2'bx) = 2(Ax + b). (10.3)
(
Fixons un point Po de la quadrique et designons par Xo = (x?) Ie vecteur , 10.1.1 Centres de symetrie
(
colonne (O'P;)c' Supposons que le gradient en Xo soit non nul. L'equation de . On dit qu'un point C de ~ est un centrede symetrie ou simplement un centre
l'hyperplan tangent en Poest alors de la forme d'une quadrique si cette quadrique est symetrique par rapport C, autrement dit, a (
'(Ax.o + b)x = ~, sielle est stable par la symetrie centrale de centre C. (
Les exemples de 10.1.2 montrent qu'une quadrique peut avoir une infinite
ou x designe le vecteur-colonne des coordonnees du point genenque de cet hyper de centres (cylindre elliptique (1, n'en avoir aucun (parabole (2 ou en avoir , {
plan. Or, Po appartient i l'hyperplan tangent et a la quadrique, done exactement un (ellipsoide (3) et cone (4. (
d ::= 'xoAXo + 'bxo = 'Xo + 2'bxo 'bxo ~,c - 'bxo' Manifestement, une quadrique d'equation
(
Nous en concluons que l'equation de l'hyperplan tangent ala quadrique en Poest
'xAx =c (10.7)
(
est symetrique par rapport a l'origine du repere..Cette origine est done un centre
'(AXo + b)x =c - 'bXo ou 'xoAx + 'b(x + xo> = c, (10.4)
de la quadrique, . (
au encore, (
,. ,. " 10.1.1 EfI'et d'un cbangement d'origioe
~ ~ aflx?xj + 1: b;(x; + x~) = C. (10.5) (
.-1 )-1 ;= I '
Choisissons une nouvelle origine 0 ' et munissons (;f du repere (0 '; e., e2' (
Dans Ie cas des dimensions 2 et 3, l'equation (10.5) s'ecrit, sans l'aide du ..., ell). Designons par y et x' les vecteurs-colonnes (OO~)c et (O'P)c (comme
symbole de sommation, .auparavant, x designe Ie vecteur-colonne (OP)c)' II est evident que (
QIIX~XI + al2(x~x2 + x~.) + auX~2 + bl(x. + x~ + b2(X2 + x~ = c, x = X' + y. (

(
(
 (
(
132 'Quadriques Reduction de I'equation d'une quadrique a\ centre 133
(
( . ,

Considerons la quadrique d'equation (1Q.2) et calculons sa nouvelle equa 10.2.5 Quadrfques i ftIItre unique
( tion. Par substitution de x' + y ax dans'(10.2), nous obtenons
D'apres la proposition 3.5.9, pour que l'equation (10.9) admette une solu
(
'(x' + y)A(x' + y) + 2'b(x' + y) tion unique, it faut et iI suffit que Ie rang de A soi! n, autrement dit, que A soit
( = 'x'Ax' + 'x'Ay + 'yAx' + 'yAy + 2'bx' + 2'by = c. inversible. Vu ce qui vient d'etre dit dans 10.2.4, la quadrique d'equation (10.2)
a done un centre unique si et seulement si la matrice A est inversible.
Or, puisqu'une matrice carree d'ordre 1 est egale a sa transposee,
(
( 'x'Ay = 'yAx' = '(Ay)x',
.
10.2.6' Exemple
( ce qui nous permet de conclure que l'equation de la quadrique dans Ie repere
(0'; e., e2, , elf) est La matrice de la partie quadratique de "equation (10.6) est
(

( 'x' Ax' + 2'(Ay + b)x' = c', (10.8)

A=
2 -I0 0]3.
0
('
ou
c' =c- ('yAy + 2'by).
[o 3-1
(
Cette matrice est inversible, done la quadrique d'equation (10.6) possede un centre
unique. Pour Ie determiner, nous resolvons le systerne equivalent a l'equa
tion (10.9)
I 0~2.3 Centrage
2YI = 2

Supposons que, y verifie la relati~n -Y2 + 3Y3 = -3

(
3Y2 - Y3 == I.

(
Ay + b = O. . (10.9)
L'unique solution de ce systeme est."'1 = I, Y2 = 0, )'3 = - I. Soit 0' Ie point de
{
Alors la partie lineaire de 'I'~quation (10.8) r'annule et la nouvelle origine 0' est coordonnees 1,0, -I., D'apres (10.10), l'equation de la quadrique dans Ie repere
un centre de la quadrique. En outre, de (10.9) nous deduisons fa relation (0'; e" e 2, e3) est
(
'yAy + 'yb = O~ (-2
(
qui entraine
2XI, 2 - ,2
X2
+ 6 "
X2"'") -
,2
X3 = -2 3
~ 3 -11[_f]
'yAy = :-'yb = -'by
et done
(
c' = c - 'byo 10.3 REDUCTION DE L'EQUATION D'UNE QUADRIQUE
(
II en resulte que dans, uri repere (0'; e l , e2, ~ .. , eir) tel que Y = (OO")e satisfait a A CENTRE
( (IO~9), .l'equationde la quadrique s'ecrit sous la forme
(
'x'Ax' = c - 'by. (10.10) 10.3.1 Avertlssement
( On notera que la matrice de la partie quadratique n'a subi aucune modifiea Des maintenant, nous admettrons que l'espace affine rt est euclidien
( lion. f 2 ~ f,,) dont il est muni n'est cependant pas
(cr. 2.8.2 et 2.5.7). Le repere (0; e l
( suppose orthonormal.

( ,

10.2.4 Quadriques sans centre 10.3.2 Reduction de I. partie quadntiqae

(
Si l'equation (10.9) n'admet aucune solution, la partie lineaire de l'equation
( . (lO.2)'ne peut etre eliminee par un changement de l'origine du repere, Nous verrons
( dans 10.4.2 que 18 quadrique n'a, dans ce cas. aueun ~entre.
(
Considerons une quadrique ayant au moins un centre. Quitte a choisir ce
centre comme origine du repere, nous pouvons admettre que son equation dans
le repere (0 = e., e2...... elf) est l'equation (10.7). D'apres 13 proposition 9.3.2. il existe
114 QuiWnqua Iteducliou d~ 1'~iucau\JU d'unc quadrique a centre .l~~) (
(

une base orthonormale (el' ei, ..., e~) dans laquelle la forme quadratique dans E
(
X2
definiepar le premier membre de (10.7)est reduite, En d'autres termes, I'equation (
de la quadrique dans le repere orthonormal (0; ei, ei, ..., e~) s'eerit sous la forme,
(
dile liauile, '
(
d,X,2 + dl X i2 +.... + d.x~2 = c. (10.11 ) XI
XI
.(
On appelle lesdroites vectorielles engendrees respectivement par les vecteurs
e el' ..., e~ directions principaJes de la quadrique. '{
A Doter que si la base initial. (el' e2' ,.., ell) est orthonormale, les vecteurs
2 <
colonnes (ei)e' (ei)c' ...., (e:,>c forment une familleorthonormale de vecteurs propres ellipse (a, = 2, a2 = I) hyperbole (a I = I, Q2 = 3)
de la matrice A; en outre, d., d2, dll sont les valeurs propres correspondantes.
(
En effet, la matrice de passage Pcc' est, dans ce cas, orthogonale, done la relation FII10.1 Fig. 10.2 (

(9.S) (avec A' diagonale) s'identifie aux relations (8.23) ou (8.24) (avec P = Pcc')'
(
d'ou les assertions resultent.
'(
(2) Cas ou n = 3.
(
Le(s) centre(s) n'appartien(nen)t pas a la quadrique:
10.1.3 Tableau des quadriqua DOD ricla i centre "_Ie cu des dlmeosions 2 et 3 (
2 2 2
Quine a diviser les deux membres de l'equation (10.11) par c, si c n'est pas
XI + X2.+ X) = 1 ellipsoide (de revolution si Q; = aj pour un couple (
a~ a~ a~ (i,)) d'indices; sphere si al = a2 = a3) (fig. 10.3);
nul, DOUS pouvons admettre que son terme constant vaut I ou O. En posant alors

Q; = 1/(1 d, i )Ya pour tout i tel que d, n'cst pas nul, nous voyons que cette equation 2 2 _ 2
se reduit, apres renumerotation evenrueue des vecteurs de la base, a l'une des
XI + ~2 _ x3 = 1 hyperboloide a une nappe (de rev01 ution si (
a~ a~ a~ a, :;: aJ (fig. 10.4);
forlMs normales suivantes: (
(I) Cas oLi n = 2.(coniques). X~ x~ x~ hyperboloide a deux nappes (de revolution si (
- a~ ~ ~ + a~ =
~(s) centre(s) n'~ppanien(nen)t pas i la quadrique: al = aJ (fig. 10.5);
2 2
x~ x~ XI + ~2 = 1 cylindre elliptique (cylindre de revolution si
:1+-:1=-1 ellipse (cercle si a l = a2) (fig. 10.1);
al "2 a~ a~ al = a2) (fig. 10.6);
2 2
XI X2
3-':=1:,
I hyperbole (equilatere si a. = a2) (fig. 10,2); X~ x~ cylindre hyperbolique (fig. 10.7); (
a. a2 a~ - a~ =
(
2
X,
3=
I paire de droites paralleles, x~ paire de plans paralleles. (
Q 1 a~ =
a la quadrique: (
Le(s) centrets) appartien(nen)t Le(s) centre(s) appartien(nen)t a la quadrique;
2 2 (
X, x2 0 X2 - x2 x2 ,
-:2+:1= paint (origine); . + 2"2 + 2=
"""'2
] 0 point (origine); (
" . a2 a. a2 a3
X~ x 2 2 2 2 (
a2 - -:i =0 paire de droites concourantes; XI + X2 ..:.. X)'= 0 cone du second degre (cone de revolution si
I "2 a~ a~ a~ al = a2) (fig. 10.8); (
x~ =0 droite. 2 2 (
XI + x2 - 0 droite;
a~ a~-
.<
(
(
(
(
136 Quadriques
Reduct,ion de requation d'une quadrique sa,,! centre
~
(
7-",~~:~/~,' /
( //r.. ':
( x~
-
a~
-
2'
X2z
QZ
= paire de plans;
~

I
.t J

( hj
IX]

X~ =0 plan. f
( ~
I
t..
( ~,

(
/"'..-'-'~ X2
X3 -"I
cone du second degre

cylindre hyperbolique (0. = 2,02 = I) (0.:::a: I. tl = 2. oJ = l)

Fig. 10.7 Fla. 10.1

. .

10.4 REDUCTION DE L'EQUATION. D'UNE QUADRIQUE

ellipsoide (a. = 3. 02 = 2, 03 = I) . SANS CENTRE
Fig. 10.3
hyperboloide a nne nappe
(a. = 02 = 03 = I)
10.4.1 RH~tion de I' tlon ..
Fig. 10.4 Considerons une quadrique n'ayant aucun centre. Par Ie changement de
base eff~tue dans I0.3~2. nous 0et~ons un repere orthonormal d.:n's lequel ..
l'equation de 18 quadrique s'ecrit sobs la forme (IO.2). avec A diagonale. Sans ."'\ ..
restreindre la generalite, nous pouvons done admettre que Ie initial (0; '., rlpjre
e2, . , en) est orthonormal et que l'equation de la quadrique dans ce repere est
;

dlx: + d2xi + ... + dllx~ + 2b.",". + 2b~2 + ... + 2h"x" = c. (10.12)

Posons 0 = diag(d., d2, ..., dll) etb = (b l ) . D'apres 10.2.3, l'equation

Dy+b=O <IO.IJ)
n'admet aucune solution, autrement 18 partie lineaire pourrait etre eliminee de
( l'equation (10.12) et la quadrique aurait au rnoins un centre. contrairement a
l'hypothese. D'apres 18 proposition 3.2.7. Ie rang de la matrio augmentee (0 b)
(
est done superiepr au rang de D. II en decoule deux consequences. Premierement,
( Ie rang r de O'est infeneurirn. ce qui entraine que r tennes diagonaux de 0 sont
cylindre elliptique (a. == 2, a2 = I) non nuls, par exernple d., d2, .: d, et les restants d.; d,... 2' .... d; sont nuls.
(
hyperboloide a deux nappes Deuxiemernent, au moins un des termes b,+I' b'+2' ..., hIt est non nul. par exemple
( . Fig. 10.6 b,+ I' Prenons cornme nouvelle origine du repere Ie point 0' de coordonnees
(0. = a2 = a3 = I)

(
(
rig. 10.5 hi
--;J.' -dz'
bl b,
--d'
c'
, 2b-'+.
-' '
....
(10.14)
 ua ~u..\lfa"1uei Rcdu~Uoll Oc I ~4Ui.lll\)1j J'uu~ JaJu~u~ ~alls (
'. ccuu e
"l,~~j
(
I.. _f) .Pr"l, ."
ou (2) Cas ou n = 3. ?..'\.",,/O~t-U( c"~-
.. \ f 1'1 ,~ . .,) (
, ~ b:
c = c + - + ... + -.
el'
xi x~' (
dl d, -+--x-O paraboloide elliptique (paraboloide de revolution
ai ai l -
si a. = a2) (fig. 10.10); (
L'equauon de la quadrique dans Ie repere orthonormal (0'; el, e2' ..., en) s'ecrit
(
alors sous la forme, dite reduite, (i
,:
xi
_ x2
2
=0 paraboloide hyperboliq ue (fig. 10.11);
d1x. + d,x'/ + ... + d,x;2 + 2b,+ IX;+. + ... + 2b"x~ = o.
2 (10J5)
a2 -

2" -
Q2
Xl
\A ,(21) bJc,"La
,(
2 (
On appelle Ies droites vectonelles engendrees respectivement par les vecteurs x~ _ X = 0 Col .indre parabolique (fig. 10.12).
2
el' e2' .... e" directions principales de la quadrique. a. Jj~ Y(.9C9DC,c~ (
Note. Par les operations indiquees au debut du paragraphe, l'equation que
(
l'on obtient en dernier est en fait de la forme
(

x2 .: 4)'
10.4.2 Cuacterisatioa cia qua*'quea .... ceatre
-i
a.
- X2 + bx, = O. \ ~)

' (
Nous avons vu que l'eliminauon de la partie lineaire de l'equation (10.2) par
un changement de l'origine du repere n'est possible que dans Ie cas oil l'equauon Pour supprirner Ie ~rme bx-, il faut encore effectuer Ie changement de base (
(10.9) adrnet au "loins une solution. Observons maintenant qu'un changement de, e. = el' ei = cosOe2 + sinOe), e) = - sinOc2 + cos(}ej,
la base du repere n'entraine pas la disparition de la partie lineaire, car Ie vecteur
ou
colonne It se transfonne en 'Pb. ou P deligne la matrice de passage. Cela dit, I . 0' I

IUPPOSODS que l'equauon (10.9) n'admette aucune solution, mais que la quadrique costO = (I + b2) % ' sin =- (1 + b2) ~

ail au moins un centre. Chclsisscns ce centre com me .origine du repere ettransfor

mons l'equauon (10.2) en une equation de la forme (10.12) par un changement de X2
base approprie. La partie lineaire ne pouvant etre eliminee. par hypothese. l'equa
tion (10.13) n'admet aucune soluucn, Nous en concluons qu'il existe des indices
(
; elj tels que d; ~ 0, ~ = 0 et bJ P O. ConsideroDs alors 18 section de la quadrique
par Ie plan passanl par I'oriline. do vectcun directeurs I. et ej . Ceue section est (
a
aymetrique par rapport l'origine, puisque 18 quadriquc l'est, Or, cela n'est pas (
possibl~, puiaque son equation
Xl
:,". X2
(
d,x: + 2b,x, + 2bJx J := C parabole (u. = I) parabolo'ide elliptique (u. = I, "2 ="2)
(
est celle d'une paraeole, c'est-a-dire d'une courbe qui n'a aucun centre de symetrie.
Nous avon, ainsi demontre qu'en I'absence de solutions de I'equation (10.9),
. .~
, Fig. 10.9 Fig. 10.10
(
la quadrique d'equation (10.2) n'a .aucun centre..
'x)

(
Xl

(
10.4.3 T.~u des qua*'qua_ c:ealre d.... le CIS del dbDeoSio.. 2 et 3
<.'
En divisant ses deux membres par 2b,+. et en posant a; = (2 I b.; I III d, I)YJ
pour i = I, 2, ..., r. DOUS voyons que l'equation (10.15) se reduit, apres change (
ment eventuel de e,+1 en -e,+l' a l'une des/ormes normales suivantes:
(I) Cas ou II ~ 2 (coniques), x.
-
.... (
Xl (
paraboloide hyperbolique (0. = a2 = I) cylindre parabolique (a, = I)
\, Po) ~ - X2 =0 parabole (til 10.9).
Fla. 10.11 Fig. 10.12
(

\ (
(
(
 (
( Exemplel de r6duction 141
140 Quadriques
(
( admet une Solution unique, soit 1. = - I, Y2 e 3, y) = 2. La quadrique a done
10.5 EXEMPLES DE REDUCTION
( un centre unique 0'(- I, 3, 2) et dans le repere (0'; el' e2' e3) son equation s'eerit

( - 2XIX2 + 2xlx3 - 2.i~ - 2X~3 - 2.fJ == 38 - 'by = 2.

10.5.1 Introduction Reduction de la partie quadratique. Let racines du polynome earacteristique
(
Dans cette section, nous presentons trois exemples de reduction. Dans ces
-I -I I
( exemples; nous supposerons que I'espace affine euclidien est de dimension 3 et
-I -2--t -I = (I + 3)(_/ 2 - 1 + 2)
muni d'un repere orthonormal (0; e l , e2"e3) I -I -2-1
sont les en tiers - 3, - 2 et I. L'equation reduite est done
10.5.2 Exemple
- 3xi 2 - 2xi2 + xJ2 = 2.
Nous nons proposons d'etablir la nature de la quadrique d'equation D'apres (2) de 10.3.3, il s'agit d'un hyperboloide i deux nappes.
x~ + 4x,x3 + 3x~ + x~ + 2x~' + 4x2 + 2x3 = -I. Reperedans lequel I'equation est reduile. Un repere orthonormal (0'; el,fi,ei)
j (
Cent rage. Le systeme equivalent a l'equation (10.9) dans lequel l'equation de la quadrique est reduite est defini par le centre 0' et

~ [ : I (vecteur propre unitaire associe ala valeur propre - 3),

YI + 2Y3 ::= - 1
3Y2 = -2 (ei). =
2y, + Y3 = -1 .
(

(
O'(~!, ~~,
3 3
_!)
3

est-done
'

admet une so t ution unique, soit Y. =

-'3'I Y2
2
= -"3'
Ie seul centre de la quadrique et l'equation de cette

quadrique dans Ie repere (0'; e" e2' e3) s'ecrit

.
Y3
'I
= -'3. Le .
point
(e2>. ~ ~ [ _: I (veeteur propre unitaire associe a la valeur propre - 2),

(
f~ + 4X1X3 + 3i~ + f~ ~ - I - 'by.. = 1.
(e;). = ~ [ ~: I (vecteur propre unitaire 85socie a la valeur propre I).
Reduction della partie quadratique. Les racines du polynome caracteristique

I-I 0 .2 l
( o 3-t 0 = (3 - t)(t 2 - 21 - 3) 1O.~.4 Exemple
2 0 I-I Li..-" 1.:.. 1 (t - _\ ') (1 1 l
( Nous nous proposons de reduire l'equation
sont les entiers 3 (double) et -I. L'equation reduite est don~
(
2x~ + 2xlx2 -2x.x3 + 3x~ + 4x~) + 3x~ + 2x, + 4"-2 = 2.
( 3xi 2 + 3X22 - X2 2 = 1.
Centrage. Le systeme equivalent a I'equation (10.9)
(
D'apres (2) de 10.3.3, il s'agit d'un hyperboloide de revolution a une nappe.
2y, + 12 - y) == - I
( YI + 3Y2 + 2J) =-2
10.5.3 Exemple - y, + 2Y2 + 3y) = 0
(
Nous allons reduire l'equation n'ad met aueune solution, car Ie rang de 18 matriee associee est 2 et Ie rang de la
(
matrice augmentee est 3. La quadrique n'a done aueun centre.
,-2x.X2 + 2X,x3 - 2x~ - 2X2Xj - 2x~ + 2xI + 14x2 oft 16x3 = 38.
( Reduction ,de la partie quadratique. Les racines ,du polynome caracteristique
(
Centrage. Le systeme equivalent a l'equation (10.9)
'2-1 I -I
(
-:-Y2 + Y3 = - I
- YI - 2Y2 - Y3 = - 7
I 3-t 2 I = -t(t 2
-8t + 15)
-I 2 3-1
( Y I - Y2 - 2Y3 = - 8
142 Q~Ii:kinques Represenraiions p~~: "ll,,,triques 14J
(
(
sont les enuers 3, 5 et O. Une base orthononnale (e., e2' ej) dans laquelle la partie 10.6.2 Lthyperboloide i uoe nappe comme surface reglee (
quadrauque est reduite est definie par (
.! Consideronsla droite d'equations parametriques

(ej). = ~ 1(vecteur pro pre unitaire associe Ii la valeur propre 3),

[ _:
Xl = I
X2 = ex
(
(
Xl = ex.
(
(el ). = ~ 1(vecteur propre unitaire associe ala valeur propre 5),
[ :
L'image de cette droite par la rotation d'axe
d'equations parametriques
r.J) et d'angle oriente pest la droite .
(

XI ,=cosp - asinp {

(ei). = ~ 1 (vecteur propre unitaire associe a la valeur propre 0).

[ - :
X2 = sinp + acosp
xl = a.
Lorsque a parcourt R et p l'intervalle [0, 21l), Ie point de coordonnees
Le vecteur-colonne de la nouvelle partie lineaire est XI' X2'x) deceit une surface engendree par des droites appelees generatrices. Cette
surface n'est autre que l'hyperboloide a une nappe d'equation

~'l [~l ~[2~1'

2 1 (
I 0
'"ce,1I ~ J6 [ Ii J3 =
x~ + x~ - x~ = (cosP - asinp)2. + '(sinp + acosp)2 - 0.2. == I.
-Ii Ii 0-Ii Plus generalement, l'hyperboloide Ii une nappe d'equation (
2 2 2
Xl + x 2 _ Xl = I (
(10.16)
a~ a~ a~
(
est engendre par les droites de la famille (indexee par P)
(
XI = al(cosp - asinp)
X2 = a2(sinp + acosp) (10.17) (
xl = ala.
(
On appelle une surface engendree pardes droites surface reglee. L'hyperbo
(
10Ide a une nappe est un exemple de surface reglee. Les cones et les cylindres en
sont d'autres. (
(
10.6.3 Equations parametriques d'une surface de revolution (
On appelle sur/ace de revolution d'axe .. ~ toute surface stable par les (
rotations d'axe .9J.
(
Soit
XI = a(a) . (
. X] = b(a)
10.6 REPRESENTATIONS PARAMETRIQUES (
les equations parametriques de la section d'une telle surface par Ie plan d'equation (
X2 =. O. Les equations parametriques de la surface elle-meme sont alors (fig. 10.13)
10.6.1 Avertis.~meDt (
'Xl = a(a)cosp
Dans ceue section, nous supposerons que (1' est oriente; de dimension 3 et x2 = a(a)sinp (10.18) (
muni d'un repere orthonormal direct (0; el' e2' ell. Nous designerons par ~< la x) = b(a),
(
drone passant par 0, de direction engendree et orientee par e]. ou a parcourt un sous-ensemble de R et p l'intervalle [0, 21l). (
. (
(
 (
(
144 Quadrlquel
Blel'cicel f~
(
( x) Cone du second degre:
I
,(
XI = a,ocos/l

X2 = Q2Qsin fJ (0 e R)

x) = ala.

Paraboloide elliptique:
XI = a1acos/l

X2 = a.psin/l (a e [0, CX)

XJ = a l .

XI
FIg. 1~.13

10.7 EXERCICES
Par exemple, lorsque
a(a) = a,cha
b(a) = a]sha, 10.7.1 Montrerque toute equation du second degre en x" X2' ... X" peut
s'ecrire SOUl 18 forme (10.1) avec au ~ a, pour tout couple (/,j) d'indiees,
a parcourant R, les equations (10.18) sont cellesd'un hyperboloide de revolution
a ~ne nappe: 10.7.2 Reduirelesequations suivantespar completiondes canes et indiquer
la nature desquadriquesque ces equations representent, (Utiliser lesexereices 9.4.3
XI = Q.chacosp
et 9.4.4.)
X2 = Qlchasinp

x) =: Q]shcx",
(a) x~ + 3x~ - 2x~] + 3xJ = I.
(b) x~ + 3.x~ + 4X]X3 = 1.
On notera qu'en 'remplacant.e, par 62 dans la deuxiemeequation, on obtient (c) X'X2 + XIX] + X~] = I.
une parametrisation de l'hyperboloide a une nappe d'equation (10.16), differente
de celie qui est definie par (10.17). 10.7.3 Quelleest la nature de la quadrique dont l'equation dans un repere
non orthonormal donne est x~ + x~ + x~ := I? .
, ( '10.7.4 Soit /.(" un espace affine euclidien de dimension 3, muni d'un repere
10.~.4 Equationsparametriques de quelques qUldriqaes orthonormal. Pour chacunedes quadriques d'equation donnee ci-dessous, trouver
Lesequations parametriques suivantess'obtiennent, comme dans l'exemple un repere orthonormal de if dans lequel l'equation est reduite, eerire requation
(' de I'hyperboloide a une nappe presente ci-dessus, en supposant d'abord que reduite et indiquer la nature de la quadrique,
( 0. = 02' Le parametre p parcourt l'intervalle [0, 2n). (a) x~ + 6x,x J- 2X~ + x~ + 4x 1 + 8x2 - 4x J = 16.

Ellipsoide: .~b) 3x~ - 12x,xJ - 2x~ + 12x~ + 18,,1'. - 36x~ = -24.

( (e) x~ +x~ - 4x~) + x~ - 2x1 - 6xJ = 2.
XI = Qlcosacosp
(
X2 = a2~sasinP
03 Slna .
(a e [-itin (d) 4x~ -
(e) x~ +
x~ + 2x~3 - x~ - 8x. =. -2.
3x~ - 2x2x ] + 3xJ - 2x, - 2x2 .+ 6x) = - 3.

( Xl =
(0 x~ + 4x,x) +3x~ + x~ + 2Xl + 12x2 - 2xJ = -9.

( Hyperboloide a deux nappes:

. 1 2 4 3 2 '42 ....
(g) SX, + SX,X3 + X2 + SXJ - 6XI - 6x2 - I .x3 ~ -47.
( XI = Qishacosp

(h) 2x~ .;. 2x,x2 + 3x,x3 - 4x~ + 6x2xJ - 2xJ + 5x, + = - 2.

X2 = 02shasinp (a e [0, (0
(i) 2x,x2 - x. - x2 + xl ~ o.
2.1'2

( x) =. Q)cha.

(
 loW QLaill~. '.llKS ' Exercices 14! (
(
10.7.5 Dans un espace affine euclidien de dimension 3, muni d'un repere 10.7.12 Soit ~ un espace affine euclidiende dimension 3, muni d'un repere (
.orthcnormal, on considere la quadrique d'equation orthonormal. (
(I + Q)xi + 2(1 - a)x1xj + 2xi + (I + Q)xi - 2x1 - 4x2 - 2x} (a) Determiner les valeurs de a telles quela quadrique dans (;t' d'equation
(
= -"3 + 2(1 - ( 2) . 222
~+~+~=I (
(a) Trouver un repere orthonormal independant de a dans lequel cette equation 2+a 3+a 6+a

t:st reduite.
(
passe par Ie point Po(l, I, I). .

(b) lndiquer la nature de la quadrique en distinguant les cas correspondant aux (b) Pour chacune des valeurs trouvees, identifier la quadrique. (
differentes valeurs de Q. (c) Montrer que les plans tangents en Po aux quadriques trouvees sont orthogo (
(c) Lorsque la quadrique est un hyperboloide, trouver l'equation (dans Ie repere a
naux deux deux.
initial) du cone asymptote. (On appelle cone asymptote d'un hyperboloide (
d'equation 'xAx = C' Ie cone d'equation 'xAx = 0.) 10.7.13 Dans un espace affine euclidien de dimension 3; muni d'un repere .
orthonormal, on considere Ie plan .Y' passant par les points P I(2, 4, - 6),
10.7.6 Dans it: cas d'un espace affine euclidien de dimension 2 ou 3, indi P2( I, 3, - 4), P3(- 2. 2, 0) et la droite ~~ passant par l'origine du repere, de vecteur (
quer, pour chaque quadrique, les symetries orthogonales par lesquelles la quadri directeur v( I, I, 0).
que :st stable.
(
(a) Trouver l'equation du lieu geometrique des points equidistants de .. Y' et de .qJ .
(b) Etablir la nature de ce lieu. (
10.7.7 Soil 'xAx = I I'equation d'une quadrique dans un espace affine ((
de dimension " > I. mum d'un repere (0; e l , e2' ... , en)' Soit '/ un sous-espace 10.7.14 En liaison avec la section Ifl I, on appelle hyperplan polaire d'un (
affine de t~ passant par 0, de vecteurs directeurs VI' Y2' ... , Vic' On designe par B 'point Po relativement a la quadrique d'equation (10.2) l'hyperplan d'equation (
la matrice de type n )( k dontles eolonnes sont ('.)c. (v2)c' ... , ('Ic)e. Montrer que (10.4) (xo designe Ie vecteur-colonne des coordonnees de Po)' D'apres 10.1.4, si Po
(
la section de la quadrique par . ~ est la quadrique dans ..' / dont l'equation dans est un point de la quadrique, l'hyperplan polaire de Po est I'hyperplan tangent a
Ie repere (0; '., '2' . YIc > est 'x'A'x' == I. ou A' = 'BAB. la quadrique en P o . ' . (
(a) Montrer que l'hyperplan polaire de Po n'est defini que si Po n'est pas un centre (
10.7.8 Dans un espace affine euclidien de dimension 3, muni d'un repere
de la quadriq ue,
orthonormal, on considere l'elhpsoide d'equation 4x~ + 3.l~ + 2X2.l"3 + 3.\'i = I.
(bjLa section de la quadrique par I'hyperplan polaire de Po peut etre vide. Si elle ~.
Trouver l'equatiou matricielle d'une affinite orthogonale (c'est-a-dire de direction
ne l'est pas. montrer qu'en chacun de ses points qui ~ "est pas un centre de la (
onhogonale au plan d'affinue) transformant I'ellipsoide en une sphere.
quadrique, l'hyperplan tangent a la quadrique passe par Po.
",,\ .~.., I ~ '.~ t :, . ''''('~ (
10.7.9 Dans un espace affine euclidien de dimension 3. muni d'un repere 10.7.15 Trouver les equations des plans passant par Ie point Po(l, 0, 0) et
orthonormal, on considere l'ellipsolde d'equationx] + 2x~ + 3x~ = I. tangents a la quadrique d'equation
(
(a) Trouver un plan passant par l'origine tel que la section de I'ellipsoide par ce . (
5x~ + 4X1X2 + 6x~ - 4x 2x] + 7x~ = 1
plan soit un cercJe. (Uriliser I'exercice 10.7.7.)
(
(b) Trouver l'equation matricielle d'une aftinite '(oblique) transformant l'ellipsoide aux points de sa section par Ie plan d'equation X2 = o.
en une sphere. (
10.7.16 Montrer que les equations (10.2) ~t (10.4) s'ecrivent, de rnaniere
equivalente, sous les formes respectives (
10.7.10 Montrer que l'image d'une quadrique par une application affine
bijective est encore une quadrique. 'iAi = 0 et 'ioAi = 0, (

10.7.11 Monlrer que

ou .(

(Ji + 22Ji - 2)
~ :.J ~ ~~
(

p
o 2'" 2
A= I .......... x= .;.j. xo ]
(

est un point de la quadrique d'equation (a) de l'exercice 10.7.2 et trouver l'equation (

a
du plan tangent ceue quadrique en Po. (Multiplier par blocs.) (

(
 (
(
148 Quadriquel
(
(
10.7.17 Si fest une fonction reelle de x = (Xl)' derivable par rapport a ApPBNDICI!
( chaque XI' on pose. .
(

( grad/ex) = (::, (X).

( (a) Montrer que grad('bx) = b. Extension BUX scalaires complexes

(b) Montrer que grad('xAx) ~. (A + 'A)x.
(c) En deduirela fonnule 10.3.

10.7.18 Montrer que Ie paraboloide hyperbolique.est une surface regtee~

(
A.I ESPACES VECfORIELS COMPLEXES

A.l.l Introdadlon
L'objectif principal de eel appendice ell de presenter let nouveauta que
comporte I'utilisation des nombres complexes en al~bre line-ire.
Lorsque les scalaires qui apparaissent dans la definition de I. notion d'es
pace vectoriell.2.2 SOt1t les nombres complexes, et non plus les nombres riels, on
parle d'espaces vectoriels sur Ie carpiM! nombnl complextJ OU, plus &implement,
d' espaces vectoriels complexes. Pour eviter toute ambiguite, les espaees veetoriels
sur le corps des reels (c'est-a-dire ceux dont iI a ete question tout au long de ce
livre)serontappelesdorenavant espaces vectoriels rlel.'_ Nous aurions pu envisager
des espaces vectoriels sur un corps quelconque, rnais cette leneralisation aurait
depasse Iecadre que nous nous sommes impose.
Voici quelques exemples d'espaces vectotiels complexes (cf. 1.3.3, 1.3.4 et
1.3.5):
(I) L'espace vectoriel C" des vecteurs-colonnes i " termes complexes (<<['
sera identifieaC). Plus generalement. l'espace vectoriel des matrices de typem x n
a termes complexes,
(2) L'espacevectoriel des suitesde nombrescomplexes ou des suitesconver
. gentes de nombres complexes.
(3) L'espace vectoriel des polynomes.. coefficients complexes en une inde
terminee t.
(4) L'espace vectoriel des fonctions complexes d'une variable reelle ou
( complexe,
(5) L'espace vectoriel des fonctions complexes derivables,
(
Nous verronsqu'une grande partie du contenu de ce livrepeut etre transpo
( see au domainecomplexeen prenant simplement des espaces veetoriels complexes
( ala placedes espaces vectoriels reels et en attribuant au terme nombre le sens
de nombrecomplexe, Nous verrons egalement que pour de nombreuses ques
( tions Ie passage aux scalairescomplexes necetsite des retouches, voire meme des
( remaniements et des complements.
(
 I~. t: xtcnsron ~U.\ M;~I~1rCS complexes Espaces V~clOn";' .Ulflpk.\, .. )j (
(
Nous allons a present passer en revue les differents chapitres du livre er Manifestement, les operations definies par (A.1) et (A.3) satisfont aux (
expliquer comment le passage au cas complexe doit etre effectue. De la discussion conditions (b) et (c) de la definition 2.2.2. Par contre, elles ne satisfont plus laa (
qui suivra seront exclues routes les sections qui touchent aux espaces affines. La condition (a), autrement dit, elles ne sont plus symetriques, Cette constatation
raison de: ceue exclusion est arechercher dans Ie fait que les applications pratiques nous amene a adapter la definition 2.2.2 de la facon suivante, Soit E un espace
(
de la theorie des espaces affines se rapportent te plus souvent au cas reel. vectoriel complexe. On appelle produit seal.tire hermitien dans E to ute application (

(x, y) -+ (x I y) de l'ensemble des couples de vecteurs de E dans ce satisfaisant aux.

conditions (b) et (c) de la definition 2.2.2, ainsi qu'a la condition (

A.I.l Espaces vecteriels complexes
{
(a') (x I y) = (y 1 x).
Si I'on exclut les parties concernant les espaces V et '/.t" Ie premier chapitre
(
s'etend au cas complexe sans modifications. Naturellement, ern assume Ie role Les fonnules (A. I) et (A.3) definissent clairement des produits scalaires
de R". hermitiens. Comme dans Ie cas reel, on les appelle produits sea/aires canoniques. (
Un espace vectoriel complexe muni d'un produit scalaire hermitien est (
appele espace vee/orielhermitien.
A.I.3 Espaca wectoriels' bermilie. On relevera qu'un produit scalaire hermitien n'est pas bilineaire, L'absence (

L'operauon definissant le produit scalaire canonique dans R n ne peut etre

a
de symetrie empeche la deduction de la linearite droite partir de la conditiona (
(b). Neanrnoins,la relation suivante, appelee semi-linearite ou antilineartte adroite
appliquee telle quelle a (''', car le produit scalaire d'un vecteur-colonne par {
du produit scalaire hermitien, se realise:
lui-meme ne serait en general pas reel et ne pourrait done pas servir a definir la
norme de ce vecteur, Pour parer a eel inconvenient, la formule (2.8) est rernplacee (x I py + )'z) = P(x I y) + y<x I z). (A.4) (
par
En effet, grace a (a') et a (b), Ie premier membre est egal a
U'llblh2
U2 (fJy + ),Z I x) = Ii (y I x) + y(z I x) = li(x I y) + y(x I z),
('

(
I) = a.Ii. + a/J2 + ... + a.pIt' (A.I) La condition (a') assure que Ie produit scalaire hermitien d'un vecteur x par
lui-meme est reel. D'apres les conditions (b) et (c), ce produit scalaire est positif (
ou nul, suivant que x est non nul ou nul. Cela DOUS permet, en particulier, de definir
allJ (b" (
la norme de la rneme maniere qu'en 2.2.5, a savoir par
ou la barre surmontant une leure designe, et designera dans toute la suite, Ie (
conjugue complexe du nombre represente par cette lettre. La no nne d'un vecteur
II x I = J(x I x).
(
colonne est done definie par la fonnule Comme dans 2.2.5, nous voyons que si a est un nombre complexe,
~
a. II ax fl' = I ex III x II
a2
{
(
. 'I = (ala. + a2Q2 ...... + a"a,,)'!' (A.2)
2
:= (I a. 1 + la21 2 + .:. + 1 a" 12)'1' . (
A.I.4 AdaptatioD du deuxieme chapitre
a" (
La semi-linearite adroite entraine un changement dans l'ecriture du produit
Par analogie, dans' Ie cadre des espaces vectoriels formes de fonctions complexes (
scalaire hermitien en fonction des composantes. Plus exactement, les formules
continues, la formule (2.10) est remplacee par
(2.26), (2.28) et (2.29) deviennent respectivement (
h .
(f'l) = Jf{t)g(t)dt, (A.3)
n n (
(x I y) = 1: 1: aijx;Yj,
" ;=:1 j= I (
ou a et b designent les extremites d'un intervalle Ierme de R. On remarquera que
dans le cas ou les vecteurs-colonnes ou les fonctions sont reels, (A. I) et (A.3) (x I y) = XI.YI + X2;2 + ... + xn.Yn, (A.5)
(
COincident respectivement avec (2.8) et (2.10). . II X 11
2
= I XI , + I x 2 / + .~. + I , 1
2 2 2
(
(
(
 (
(
152 Extensionaux 8C81aires complex.es Application. tiraira 153
(
(
Grice a ces modifications et a celles que nous allons indiquer, la validite des (c) (aA) = ciA. (e') (aA) ~ 'ciA,
(
sections 2.2-2.6 du chapitre 2 s'etend aux espaces vectoriels hermitiens. Voici les (d) (AD) = A8. (d') (AI) = .BA*.
( autres modifications: la formule (2.14) devient (e) (A-I) = 'A-I (si A est inversible), (e') (A- I)* = (A*)-I (si A est inversible).
( II x + Y 11 2 = II X 11 2 + II Y 11 2 + 2~ (x I r), (A.6)
(I) rgA == rg~. (f') rsA * == rsA.

ou ~ (x I y) designe la partie reelle de (x I y); dans (2.21), I(x I e)1 2 rempiace On notera que Ie produit sealaire canonique dans C" s'ecrit sous la forme
(x 1 e)2; la notion d'angle apparaissant dans 2.4.4 ne doit pas etre prise en compte; (cr. 4.3.1) .
l'isornorphie 2.5.6 de E et R" est a remplacer par l'isomorphie de E et ern. (x I Y) = 'x; == 'yx ==' y*x. (A.7)
La section 2.7 ne se generalise pas au cas complexe, car I'orientation d'un
espace vectoriel ne peut etre definie que dans Ie cas reel. Plus generalement, tout produit scalaire hermitien s'exprime, dans une base
orthonormale '(e" e2, , eH) , par

(x Iy) == 'XeYe == 'Yexe == ':Xe (A.B)

A.2 SYSTEMES LINEAIRES, MATRICES .

.( A.2.4 Matrices henaltlen. . et ..atrleel . . . .Iea

ET DETERMINANTS .

On appelle matrice hermilir""r (matrtc "ormalr) toute matrice carree A telle

que A* = A (A*A = AA*).
A.l.t Systemes Uneaires complexes Toute matrice hermitienneest nonnale. Us matrices hermitiennes reelles
Le chapitre 3 s'etend sans modifications BUX scalaires complexes. sont les matrices symetriques. Toute matrice diagonale est nonnale.

A.l.l Matrices complexes A.~.~ ~tennlats COIIIplex~

(
Le chapitre 4 s'etend egalement aux scalaires complexes. La seule modifica Si l'on exclut les parties en liaison avec les espaces affines, ie chapitre 5
tion requise conce,tne la formule (4.22), qui devient s'etend sans modifications aux scalaires complexes.
On notera l'existenee de deux proprietes supplementaires_ la premiere de
" n )YI coulant direetement de la definition. 5.1.J et la deuxieme de la premiere jointe i
II A II = ( I I 1Qij 12
. / .. I j - I . (b) de la proposition 5.1.8:
( I
. Bien entendu, la section 4.6 consacree aux matrices de transition reste du (a) I AI == ~T.
. I (A.9)
( . domaine reel. \ (b) I A*I = fAl.
, ., Dorenavant, DOUS appellerons matrice une matrice Ii termes complexes et
La propriete (b) entraine que Ie determinant de toute matriee hermitienne
( matrice reelle une matrice a tennes reels.
est reel.
( I
( I A.l.3 Conjuguee et adjointe d~Une matrice
( I On appelle conjuguee d'une matrice A == (ay), la matrice A ~ (ay ). Si A est
1 carree, on appelle adjointe de A, et on note A*, la matrice 'A (= '1A). Nous verrons A.3 APPLICATIONS LINEAIRES
( que l'adjointe d'une matrice joue un role analogue a' celui de la transposee d'une
( I .matrice reelle.
( I Les operations de passage aux conjuguees et aux adjointes jouissent des A.3.1 Applkatlo. Unhlres entre espHtI ftdorIels complfxfS
proprietes evidentes suivantes:
( I Les sectionsdu chapitre 6 consacrees au~ applications lineairesgardent leur
.I (8), (X) = 'A. (a') (A*). = A. validite dans Ie cas ou les espaees veetoriels sont complexes, En raison de (A.8),
(. (b) (A + B) == A + B. (b') (A + B)* = A* + B.. Ie vecteur-colonne ~ de l'exemple 6.5.8 doit etre remplnce par ~.
(i
 IW l:.llcn~on .I&U ~"Iairc~ 4:omvk,.,:. (
VIl}C:Urs propres el va'leurs propres I~~

A.J.2 'Transformations unit.ires (

Les sections 8.2 et 8.3 s'etendent sans modifications aux espaces vectoriels
La conservation du produit scalaire et celle de la norme se definissentcomme complexes. Le fait important. nouveau est que la somme des multiplicites des (

dans 7.1.2. La proposition 7.1.3 vaut pour les espaces vectoriels hermitiens. valeurs propres d'une application lineaire rp d'un espace vectoriel complexe E de
L'emploi de la semi-Iinearite a droite du produit scalaire hermitien a la place de dimension finie non nulle n dans lui-meme, ou d'une matrice carree A d'ordre n, (

la linearite a droite et de (A.6) a la place de (2.14) engendre quelques changements est toujours egale an (les facteurs irreductibles de la decomposition d'un polynome .(

dans la demonstration de ceue proposition. Nous laissons au lecteur la uiche de a coefficients complexes sont tous de degre I). En particulier, rp et A admettent
les effectuer. toujours des vecteurs propres. Cette assertion n'est cependant plus vraie lorsque .
(

Une application 'P. d'un espace vectoriel hermitien E' dans lui-rneme qui E est de dimension infinie. Par exemple, si E est l'espace vectoriel complexe forme {

sausfait a l'une des trois conditions equivalentes (a). (b) et (c) de la proposition des polynomes a coefficients complexes et rp l'application lineaire de E dans E
(

1.1.3 est appelee transformation unitaire de E. definie dans l'exercice 7.4.1, rp n'adrnet clairement aucun vecteur propre,
On remarquera que si Aest une valeur propre d'une matrice A et x un vecteur (

a
propre associe l, alors I est une valeur propre de A et i un vecteur propre associe
f
A.3.3 Matrices uni.aires
a I.
(
Les arguments utilises dans 1.1.6 montrent que la matrice A d'une transfor On remarquera aussi que A 'etA ont Ie meme polynome caracteristique,
mation unitaire d'un espaee vecioriel hermitien de dimension finie nonnulle et puisque A est la transposee de A, done les memes valeurs propres, avec les memes (
muni d'une base orthonormale verifle la relation multiplicites,
(
'AA == I, (A.IO)
(
"lui s'ecrit egalement sous la forme A.4.2 Reducdon i la forme diagonale (
AA ::; I. (A.II)
La section 8.4 s'etend au cas complexe sans autre modification que celie qui (
On dit qu'une matrice carree A est unitaire si elle verifie l'une des relations consiste a supprimer, partout ou elle apparait, la condition exigeant que 108 racines
equivalentes (A. to) ou (A. I I). du polynome caracteristique soient tout~s reelles, (
II est evident qu'une matrice reelle est unitaire si et seulement si elle est (
orthogonale.
La proposition 7.1.9 s'applique aux matrices unitaires, acondition de rem (
A.4.3 Reduction' la forme triangulaire
placer 'A par A et ortbogonab par unitaire. En particulier, l'equivalence ent~e (
(a) et (b) entraine que toute matrice unitaire est normale. .\ La section 8.5 s'etend au cas complexe tout en se simplifiant. En effet, la
Al'aide de (A.9), on montre, comme dans 7.1.10, que la valeur absolue du somme des multiplicites des valeurs propres etant automatiquement egale n, a (
determinant d'une matrice unuaire vaut 1. Le determinant lui-rneme peut eire comme nous l'avons deja remarque, Ie theoreme 8.5.2 et la proposition 8.5.5 se (
n'irnporte quel norubre complexe de valeur absolue I. Par exernple, IeilJl,,1 = elnll reduisent a un seul enonce affinnant que toute application lineaire de E dans E
La matrice de passage entre deux bases orthonormales est unitaire, est trigonalisable, E designant un espace vectoriel complexe de dimension finienon (
La section 7.2 est propre au cas reel. nulle n. Enlangage matriciel, cette conclusion s'enonce en disant que toute matrice (
est semblable a une matrice triangulaire,
(
(
A.4 VALEURS PROPRESET VECfE1JRS PROPRES A.4.4 Transformations bermideones
(
Lorsque I'espace vectoriel E de la section 8.6 est hermitien, les applications
(
A.4.1 Definitions et premieres co"ueoces fJJ de E dans E qui verifient la relation (8.3'3) pour tout couple de vecteurs de E sont

appelees transformations hermitiennes de E. Comme dans 8.6.2. on demontre que (

Les notions de valeur propre, de vecteur propre et de sous-espace propre
toute transformation hermitienne est lineaire. ,(
d'une application lineaire d'un espace vectoriel compJexe dans lui-meme se definis
La caracterisation enoncee dans la proposition 8.6.3 reste vraie dans Ie cas
sent comrne dans 8.2.2. Naturellement, les valeurs propres sont, dans ce cas, des
nombres complexes.
a
des transformations hermitiennes, condition de' remplacer symetrique par (
hermitien, (
(
,
(
 (
(
156 Extension BUX sealaires complexes . Valeurs .propres et Wdeun propres IS7
(
(
Si rp est une transformation hermitienne de E et x un vecteur quelconque de La section 8.7 s'applique integralement aux systemes ditrerentiels com
( ~, Ie produit scalaire hennitien de fJ(x) et x est reel. En effet, plexes. Naturellement, les valeurs et vecteurs propres complexes remplacent lei
( valeurs et vecteurs propres reels.
(VJ(x) I x) = (x I f'(x = (f'{x) t x),
( ce qui dernontre I'assertion. II s'ensuit que toute valeur propre A de , est reelle,
( En effet, si .x est un vecteur propre associe a la valeur propre A., alors

AU X11 2 = A(X I x) = (AX I x) = (,(x) I x), A.4.6 Retour .ax systemes difl'erentlels . . .

ce qui prouve que 1 est un nombre reel. Par l'intermediaire de solutions. complexes, nous semmes a~ present en
La proposition 8.6.5 s'applique aux transformations et aux matrices hermi mesure de !ever Is restriction posee au debut de 8.7.5. Supposons que les coeffi
tiennes. La demonstration est inchangee, cients aij du systeme difTerentiel (8.37) soient reels. Alors Ie polynome caracteristi
L'enonce du theoreme 8.6.6 doit etre legerement modifie. Soit rp une applica- . que de A = (a lj ) est acoefficients reels. II en decoule que si ). est une valeur propre
tion lineaire d'un espace vectoriel hermitien de dimension finie non nulle dans de A de multiplicite k, I est egalement une valeur propre de A de multiplicite k,
lui-meme, Les conditions suivantes sont equivalentes: En outre, si XI' X2' . , xl' sont les k solutions complexes lineairement independantes
de i = Ax definies par la fonnule (8.43), i ,. i 2, ... ii sont les k solutions
(a) fJ est une transformation hermitienne.
complexes lineairement independantes de la meme equation definies par la meme
(b) Les valeurs propres de, sont reelles et i1 existe une base constituee de vecteurs
formule en partant de I. Or, d'apres ce qui est affirme dans 8.7.5, les solutions
propres de rp orthogonaux deux a deux.
XI' .... xl" XI... , Xi sont lineairement independantes et concourent a 18 constitution
(c) fJ est diagonalisable, ses valcurs propres sont reelles et les sous-espaces propres
d'une base de solutions. II en va done de meme pour les solutions x, + i l ...
associes sont orthogonaux deux deux. a
"I -
xl' + i l', it, ..., xl' - it, qui ne sont rien d'autre que les parties reelles et
Ces equivalences sont etablies par la demonstration du theoreme 8.6.6
ecourtee de la partie initiale consacree a la preuve de l'existence d'un vecteur
imaginaires de "I' 1 2, .. , Xi multipliees respeetivement par 2 et 2i (i = A). Nous
avons ainsi montre qu'a toute valeur propre cornplexe A. de multiphcite Ie corres
propre, Cette partie garde toutefois toute son importance, car elle prouve la pondent 2k solutions reelles lineairement independantes de i = Ax_ at savoir les
validite de l'estimation des valeurs propres extremes' A.min et Am.x presentee et parties reelles tt imaginaires des solutions complexes Iournies par (8.4~). Ces 2k
illustree dans 8.6.9. . .
solutions representent la contribution des valeurs propres Aet A.
La decomposition spectrale 8.6.7 s'applique aux transformations hermitien
A titre d'exemple, montrons comment les deux solutions (8.50) ont ete
nes. trouvees. Le polynome caracteristique de
L'interpretation matricielJe de I'equivalence des conditions (a), (b) et (c)
ci-dessus s'enonce ainsi: une matrice carree A est hermitienne si et seulement s'il A 4 .
[ -2 -2
5)
existe une matrice unitaire P et une matrice diagonale reelle D telles que
est
o = PAP au A ~ PDp. (A.12)
I A III = ,2 - 2, + 2.
Evidemment, les colonnes de P sont des vecteurs propres de A et les termes
diagonaux de Dies valeurs propres correspondantes: en outre, ees vecteurs propres
" Les valeurs propres de A sont done I + i et I-i. Un vecteur propre associe i
. (
la valeur propre I + i est
forment une famille orthonormale, puisque Pest unitaire. Reciproquement, toute
(
(
matrice carree P dont les colonnes forment une famille orthonormale de vecteurs
propres de A v~rifie (A.12).
[3~5iJ .
Une solution complexe de i = 'Ax associee a 18 valeur propre 1 + i est done

(
A.4.5 Systemes difl'erentiels complexes
"(I) == e(l+i)'[ -5.)
3-1 .
== e'(cosr + iSint x [.-5) +
3-1
i [ 0 ))
(

(
Lorsque les coefficients et les fonctions de la variable reelle I sont complexes.
.les systemes differentiels etudies dans la section 8.7 sont appeles systemes dlfferen
. s e'(Cost[ ~5) .; sint [ ~I}) + ie/(~int [~5) + cost [ ~I )),
tiels complexes (lineaires, du premier ordre, a coefficients constants). La partie reelle et 18 partie irnaginaire de x(t) sont les s(llutions (8.50).
l). t:.Alt;n~uu .uu ~!4l"(~ ,ompk~() I'ransfonnauons r.oruialcs I oJ'} (
(

A.5 TRANSFORMATIONS NORMALES A.S.5 M.trice de .'.djoiote d'uoe .ppUC.dOD Uneaire (

Soit ffJ une application lineaire de E dans E. La matrice de fIJ dans, une base (
A.5.t lalnMIuctioa orthonormale quelconque de E est l'adjointe de la matrice de ffJ dans cette meme (
base; en d'autres termes,
Ceue section sera consacree a l'etude des applications lineaires d'un espaee (
vectoriel hermitien dans lui-meme caracterisees par la presence d'une base ortho A,. = A:. . (A.16)
(
norma le consutuee de vecteurs propres. Cela est vrai pour la base choisie dans A.5.2 en vue de definir ffJ, done pour toute
Tout au long de la section, E designera un espace vectoriel hermitien de {
base orthonormale, puisque ffJ est unique.
dimension finie non nulle n. ~
(
A.5.Z A40iaae .'UDe .,pUc_doII Wake A.S.6 Proprietes de .'adjoiDte

Soit, une application lineaire de E dans E. Nous allons montrer qu'il existe De (A.l6) et des proprietes (a'Hf') de A.2.3 (ou directement de (A.13,
nous deduisons les proprietes suivantes: {
une et une seule application lineaire ,. de E dans E telle que
(,(x) I y) ::= (x I ,-(y),) (A.13) (a) (ffJ) = ,rp. (

pour tout couple (x, y) de vecteurs de E. Cette applieation e" est appelee adjointe (b) (, + ,,)t =: ,. + " . ,{
(e) (a,) = ex,.
de ,.
Choisiasons une base orthonormale (~I' e2' :.., ell) de E, designons par A la (d) ('0'1')* "'*0',
(e) (ffJ-I). 0= '(ffJ)-1 (si ffJ est bijective).
. (

matnee de " dans ceue base et par ,. I'application lineaire de E dans E associee
a la matrice A partir de ceue meme basco En vertu de (A.S), pour tout couple (f) rgffJ = r8'.

(x. 'y) de vecteun de E,

(,(x) I y) = y: AXe' (1\.14) A.S.7 Transform.dollS oonoales .(
ct
On dit qu'une application lineaire fIJ de E dans E est une transformation
(xl,(Y == (AYJ~x. =.y:Ax.. (A.IS) (
normale de E si
II s'ensuit que,, verifie (A.ll). Supposons que ,-'. vcrifieclalement (A.13). Alors (

(x I,(y - (x I ,.'(y == (x I ,.(y) - ,.'(y == 0,

. ffJ.offJ;: '0', (A.l7)
(
II resulte aussitot de (A.16) et (A.t1) que la matrice d'une transformation
ce qui entralne, x et y, etant arbitraires, que ,.(y) - ,.'(y) = 0 pour tout y, done nonnale dans n'importe queUe base orthonormale de E est normale. Reciproque (
que, == ,.'. ment, s'il existe une base orthonormale de E dans laquelle la matrice de f/! est . (
normale, alors fIJ est une transformation nonnale.
Puisque les matrices hermitiennes et unitaires sont normales, toute transfor (
A.5.l Remuque
mation hennitienne ou unitaire est normale. Cette conclusion resulte aussi direc (
On peut se demander s'il existe des applications non lineaires ffJ de E dans tement des relations ffJ = , (caracterisant les transformations hermitiennes) et
E admettant une adjointe, c'est-a-dire une application ,. de E'dans E verifiant (
ffJoffJ = idE(caracterisantles transformations unitaires).
(A.13) pour tout couple (x, y) de vecteursde E. La reponse a ceue question est (
negative et pour s'en assurer, it suffit d'adapter les arguments utilises dans 8.6.2.
(
A.S.8 RelatioD eotre les valeon propres et les sous-espaces propres
A.5.4 Cuacterisation des tr..tonaadoas bermideaaes d'uoe traosformatioD Donnale et de SOD adjointe (

II est evident que les transformations hennitiennes de E sont les applications Soit ffJune transformation normale de E. Pour tout couple (x, y) de vecteurs (
lineaircs , de E dans E telles Que ,. = ,. Pour ceue raison, on les appelle de E, (
caalement transformaticns auto-adjoinles. (,(x) I,(Y = (x I (ffJ offJ)(Y = (x I (flJoffJ)(y = (ffJ(x) I ,.(y, (
(

J
 (
(
160 Extenlion aux lICalairea complexe!l Fotmel lelquilhtMim hermillennel 161
(
(
done, en particulier, (b)entraine (a). La matrice de ,dans unebaseeonstituee de veeteurs propres
(, est diagonale, done nonnale. Si cette base est de pius orthonormale, Ie fait que la
II f1(x) II '= ",*(x) II (A.18)
( matrice soit nonnale entraine que" est une transformation normale.
D'autre part, pour tout nombre complexe I, rp - tidE -est une transformation L'equivalence de (b) et (c) s'etablit comme dans la demonstration du theo
(
nonnale de E, car rp - tidE commute avec son adjointe ,. - tidE. Cette remar reme 8.6.6.
a
que, jointe (A.18), entraine que
t

II qJ(x) - IX II ~ II tp.( x) - tx II
pour tout vecteur x de E. Nous en concluons que si l est une valeur propre de fJ,
I est une valeur propre de,* (ce qui decoule egalementde (A.16 et les sous-espa
a
ces propres de fJ et de fl associes respectivement l et 'I sont egaux, a A.S.ll Interpretation matridelle
A.S.9 OrthogonaUte des sous-espaces propres d'une transformadon Dormale
Deux vecteurs propres x et y d'une transformation nonnale, ou d'une
matrice nonnale, associes ades valeurs propres distinctes let J1. sont orthogonaux.
La demonstration de cette assertion est analogue a celie de la proposition 8.6.5;
it suffit d'utiliser (A.13) au lieu de (8.33) et de remarquer que ".(y) = py (d'apres
A.5.$).
I
A.5.11. Decomposition spectrale
I
1
I
La decomposition spectrale 8.6.7 vaut pour les transformations nonnales.
a
Par I'entremise de l'application line-ire associee canoniquement une ma
trice, l'equivalence des conditions (a), (b) et (c) de A.S.IO demontre l'assertion
. suivante: une matrice carree A d'ordre n est nonnale si et seulement si elle admet
n vecteurs propres orthogonaux deux 8 deux, aurrement dit, si et seulement s'il
existe une matrice unitaire P et une matrice diagonale ,0 verifiant (A.12).
On rem~rquera que cette assertion n'a pas d'analogue reel. car une matrice
normale reelle peut n'admettre aucun vecteur propre reel (il suffit de penser BUX
matrices .orthogonales d'ordre 2 et de determinant I).

A.S.t 0 .Caracterisation des transformations nonnales

Soit rp une application lineaire de E dans E. Les conditions suivantes sont
equivalentes: A.6 FO'RMES, SESQUILINEAIRES HERMITIENNES
(a) rp est une transformation nonnale.
(b) E admet une base constituee de vecteurs propres de " orth~gonaux deux a A.6.1 Introduction
deux. .
La section 9.1, hormis l'exemple(3) de 9.1.8, conserve sa validite dans Iecas
(c) rp est diagonalisable et ses sous-espaces propressont orthogonaux deux adeux. ou les scalaires sont complexes: on parle alors de formes bilineaires et de formes
Voici la preuve: quadratiques complexes. La reduction ne peut cependant etre effeetuee par la
(a) entraine (b). Nous raisonnons par recurrence sur la dimension de l'espace methode decrite dans 9.'1.7. Elle peut, par exemple, etre realisee par completion
vectoriel hermitien. Lorsque cette dimension est 1, l'assertion est evidente, Suppo des cartes (cf. exemple (2) de 9.1.8 et exerciee 9.4.3). Les sections 9.2 et 9.3 ne
sons qu'elle soit vraie pour tout espace vectoriel hermitien de dimension n - 1 s'appliquent pas aux formes bilineaires complexes. mais elles s'adaptent, tout
(n > I). Considerons un vecteur propre e de rp associe une valeur proprea comme 9.1.7, aux formes sesquilineaires que nous allons introduire et etudier.
quelcorique 1. D'apres A.5.8, e est aussi un vecteur propre de, associe la valeur a Tout au long de cette section, E designers un espace vectoriel cornplexe de
propre 'I. Designons par S Ie complementaire orthogonal dans E de la droite dimension finie non nulle n.
vectorielle engend ree par e. Pour tout vecteur x de S,
. A.6.2 Formes semi-linealres
(f'{x) I e) = (x I tp*(e) = (x I :te) = l(x I e) = 0
( et On appelle forme semi-lineaire ou an"'i/inloirr dans E route application f de
(,,*(x) I e) =(xl qJ(e = (x I Ae) = l(x I e) =' 0, , E danser telle que
(
ce qui montre que S est stable par fJet par '1. It en resulte aussitot que la restriction [(a,x l + a 2x2) = al!(x,) + a.J"(x 2) , (A.19)
(
tp' de ,aS est' une transformation nonnale deS. Le reste s'etablit com me dans pour tout couple (x" x 2) de vecteurs de E et tout couple (a,~ a l ) de nombres
( la demonstration du theoreme 8.6.6. complexes.

\
162 btcnwo .a&;A .:~hurcs romplc~cs lormes scsqurhnean .:,' hermilicuncs J()J (
(

A.6.) .'0.....'lCSquiUoeaira A.6.7 Reduction d'une forme sesquilineaire hermitienne (

On appellej()rmt sesquilineaire dans E toute application/de l'ensemble des Le precede de reduction deceit dans 9.1. T s'adapte aux formes sesquilineai (
couples de veeteurs de E dans (' satisfaisant aux deux conditions suivantes: res hermitiennes. Soit en effetJune telle formeet Ala matrice de!dans une base (
(a) Pour tout vecteur y de E, l'application x .... /(x, ) est une forme lineaire (el' e2' ..., en) de E. D'apres A.4.4 et plus particulierement (A. ~2). il existe une
matrice unitaire P et unc matrice diagonate reelle D telles que (
dans E.
(b) Pour tout vecteur x de E, I'application y ..... /(x, y) est une forme semi-lineaire o =PAP. (A.23) (
dans E.
Selon ce qui est rappele dans A.4.4, une telle matrice P s'obtient en prenant comme (
eolonnes n vecteurs propres de A orthogonaux deux 8. deux et unitaires; les termes (
A.6.4 Fonaes la4ullWalra IlenaideaDes et formes quadratiques bermitieones diagonaux de 0 sont alors les valeurs propres correspondantes, Posons, pour
uaodta j = 1,2, ..., n,
On .dil qu'une forme sesquilineaire / dans E est' hermitienne si e; = Plje. + P2je~ + ... + Pnjen ,
I(x, y) = /(1, x) pour lout couple (x, y) de vecteurs de E.
Si I est une forme sesquilineaire hermitienne, !(x, x) est reel pour tout ou P'j' P2j' ... , Pnj sont les termes de la j-ieme colonne de P. La famille de veeteurs
(e], el' ...., e;.> est une base de E et la matrice de passage Pee' est la matrice unitaire (
vecteur x de E; on appelle/orme quadralique h~rm;l;enne associee afl'application
II de I.: dans R P. En outre, d'apres (A.22) et (A.23), la matrice de f dans la base (e], ei, ..., e;) (
est 0, autrement dit,
x .... q(x) ;;:: I(x, x). (
J(x, y) = dlx~Yi + d2X 2Y2 + ... + d,.'(~Y~,
A.6.S Matrke d'uae forme llelqlliUDeaire . q(x) ~ d.lxil2 + d2lx;r 2 + ... + dnlx~12,
(
Soit / une forme sesquilineaire dans E et (e., el' ..., e~) une base de E: En OU xl'xi, ... x~et Yi, Yi, ..., y~ sont les composantes respectives de x et de y dans
(
raison de la semi-linearite adroite, l'expression de!{x, y) en fonetion des compo la base (ei, e2' ... e~) et d1, d2, , dn les tenues diagonaux de D.
,*o'tcs de x et de y n'est plus (9.2). mail l'expression analogue (
(
j(x, y) ;;:: 1: 1: al/x;}j' (A.20)
,-I J-' A.6.8 FormessesquiUneaires hermitiennes deOnies Don negatives et deOnJes positives (
oil a v = f(e" eJ ) .
Comrne pour les formes bilineaires, on appelle la matrice A ;:: (a y ) matrice Soitfune forme sesquilineaire hermitienne dans E et q la forme quadratique (
de la forme sesqu;/inttlire /. II est evident que / est hermitienne si et seulement si hermitienne associee aJ. Comme pour les formes bilineaires symetriques reelles, '
(
A est hermitienne. on dit que fest definie non negative (dejinie positive) si!(x, x) = q(x) ~ 0 (> 0)
A l'aide de la matrice A. la relation (A.20) s'ecrir sous la forme pour toutvecteur x (tout vecteur non nul x) de E. (
On notera que la notion de forme sesquilineaire hermitienne definie positive
(
/(x, y) ::; 'xcAyc' (A.21) se eonfond avec eelle de produit scalaire hermitien,
(
La notion de forme se.squ;/inea;re associee canoniquemem a une matrice
,arree A se definit comme dans 9.1.5, au moyen de (A.21). (

A.6.9 Matrices bermitieDBes deftoies Don negatives et definies positives (

A.6.6 Tr.osformatioa de Ia trice d'uoe forme sesquiUoeaire
(
par suite d'u cbaBlemea. de bue Ces notions se definissent comme dans 9.2.3, tout en notant (cf. A.6.4) que
'xAi est reel si A est une matrice hermitienoe et x un vecteur-colonne compJexe. (
Soit/une fonne sesquilineaire dans E, (e l,'e2, , ell) et (e l , el' ..., e~) des bases Ainsi, une rnatrice hennitienne A d'ordre nest definie nonnegative (dejinie positive)
de E, A el A'les matrices respectives deldans chaeune de ces bases. Les arguments (
, si et seulement si 'xAi ~ 0 (> 0) pour tout vecteur-colonne x (tout vecteur
utilises dans 9.1.6 montrent que A et A' sont liees par la relation . colonne non nul x) de (Cn. On remarquera que x peut etre remplace par i, done (
A' = 'Pee,AP., = P:,AP.,. (A.22) que 'xAi peut etre change en xAx.
(
(
.. I
( I I
 (
I
( ,

l:
(
164 C"ten.lon lUX Jellairft com.,lexea
,
)
P..erdcet 165

I!
(
Les propositions 9.2.4 et 9.2.5 gardent leur validite si ron remplace syme A.7 EXERCICES
( trique par hermitien, On rappellera que les valeurs propres (cf. A.4.4) et les
( mineurs principaux (cf. A.2.5) d'une matrice hermitienne sont reels. '
Dans la demonstration de la proposition 9.2.5, lamatrice P doit etre definie A.7.1 Montrer qu'un systeme line-ire de m equations Ii n inconnues, de
( autrement, a. savoir par matrice associee A et de .second membre b. admet au moins une solution si et
J seulementsi b est orthogonal (pour le produit sealaire canonique dans "') atoute
solution du systemehomogenede matrice aSSQCi~ A-. (Introduire les applications
.(
:~ lineaires , et ,. associees canoniquement11 A et 11 A et demontrcr suceessivement:
. ( p= 1"_1 I-A-. (a) Ker, et 1m, sont des
sous-espaces vectoriels orthogonsua de er"';
(b)" Ker, n 1m, = to}; (e) dim Ker, + rg, = m; (d) Ker" ED 1m, :: eM.)
(j"O~ ....:..:Or....l.. A.7.l Soit A une matrice carree. Montrer que (At = (A')- pour tout
(

entier non negafir k (pour tout .ew:'t-ier Ie si A est inversible).

En outre,
.
'PAP remplace '.PAP et la relation (9.11) devient .

A.7.3 Soit A et B des matrices carrees d'ordre a, I,. 12' ....... et .,'. 1t1... bIt

'xA'i = 'iA~ + blx,,1 2

leurs eolonnes respectives. Montrer que les conditions suivantes sont equivalentes:
Bien entendu, cr prend la,place de R.

(a) (ad bJ) =

, {I si i = t.
0 si ; ~ j.
(b) A est inversible et A-I B.
l:

, A.6.IO Reduction simultanee (e) 8 1b1 + 8 2bf +'.. ~ + ....: =* I".

Deux formes sesquilineaires hermitiennes dont I'une est, definie positive
,I peuvent etre reduites simultanement, Cette assertion est etablie par la demonstra
tion de la proposition 9.3.2 si 1'0n change produit scalaire en produit scalaire
'I
hermitien et orthogonal en unitaire.
1,'1 Soit A une matrice hermitienneet B une matrice hermitienne defime positive
du meme ordre que ~. Les notions de valeur propre et de vecteur propre de (A, B)
IiI sont definies eomme dans 9.3.3. Si 1 est une valeur propre de (A, B) et x un vecteur
(d) x = (x] bl)11 + (x Ib2l12 + ... + (x 1"")_,,, pour tout vecteur-colonne x de ".
Deduireensuite de (d) que (II. 1 2, ...,.) er, par symetrie, cit,. "2' .0 b,,) sont
des bases de f:". .
A.7.4 Soit ~ une matrice carree n'adrnettant que des valeurs propres sim
pies. que l'on designe par AI' A2' . A". Soit PI' P2' ... P" des vecteurs propres de
A associes respeetivement i ces valeun propres et ql' eh... t" des vecteurs propres
de A associes respectivement aux valeurs propres 11, 12 1". t ....

I propre associe a 1, alors (a) Montrer que (P, I qJ) est non nul si ; = j et nul si ; ~ j.
,'I (b) Montrer que si P et Q sont les matrices ayant pour colonnes respectives
'I xAx = AxBx,
I I I -I.
PI' P2' ..., P" et - - q l ' - , -q2' ... ~". alors P = Q et done
ce qui montre que A est reel, puisque xAx et xBx le sont et que xBx est non (PI I ql) (P2 q2) (p" I q,.) .
nul. Compte tenu de ce resultat, on montre, par une suite d'egalites analogues a QAP = diag().I' A2 A,,)~ (Utiliser l'equivalence de conditions (8) et (b) de
celles qui figurent sous (9.14), que si x et y sont des vecteurs propres de (A, B) l'exereice A.7.3.)
associes a des valeurs propres distinctes, alors x et y sont orthogonaux pour Ie
A.7.5 Soit
produit scalaire hennitien defini par 8.
( La proposition 9.3.4 doit etre' modifiee ainsi: A et B etant les matrices A = (C?sO -- SinO) 0

sinO cosO
( introduites ci-dessus, une matrice carree P verifie les relations
Trouver nne matrice unitaire P et une matrice diagonale D tellesque PtAP = D.
( . 'PAP = D (diagonale) et 'PDP = I
A.7.6 Trigonaliser la matrice
( si et seulement si les colonnes de P sont des vecteurs propres de (A, B) et forment
une famille orthonormale pour Ie produit scalaire hermitien defini par 8. La 3+2i 2+i 2-3i 1-2il
( demonstration est analogue a celie de la proposition 9.3.4. i -5+2i I
(' 2+5iJ
~ -2+3i -1+,2i 3+2i 2+i .
-I -2-5i -S+2i
(

~
I~ ExtenSion &lUx. ~alairCli compleAC:~
(
(
A.7.7 Trouver une base de solutions de l'equation differentielle i = Ax,ou (

A
,= [13' 13-I].
1

(
(
Index
A.7.8 Dans un espace vectoriel hermitien E de dimension 4, muni d'une base (
orthonormale (e a, e2' e)1 e,,), on considere la forme sesquilineaire hermiuennejde
(
matnce Les nombres en caractere romain renvoient aux pages du tome 1

~].
o 0 Les nombres en caractere italique renvoient aux pages du tome 2 .
<'
o 0 i
(
A=
o -i O.
-i 0 o I (

Trouver une base orthonormale dans laquelle / est reduite, addition

bijective, 9
(
d'applications, 10, 18
composee. v

A.7.9 S'assurer que la loi d'inertie de Sylvester (exercice9.4.4) vaut pour les (
rnatricielle, III
constante, 7, 34

formes q uadra tiques hermiticnnes. vectorielle, 8, 11

duale,44
(
A.7.10 Adapter la methode de reduction par completion des carres (exercice adjointe
identique, 7

(
9.4.3) au cas des formes quadratiques hennitiennes. . d'une application lineaire, 158
injective, 9I

d'une matrice, 152

inverse, 9
(
A.7.11 Reduire la forme quadratique hermitienne . affine
nulle, 12

x ~ q(x) :: I x; 12 + i(2x.X2 - 2x~1 + X~l - X 1X2)

application -, 32
surjective, 9

dilatation -, 35
application lineaire, 10

(a) par la methode trouvee dans l'exercice A.7.IO, droite -, plan -, hyperplan -, 36
adjointe, 158

(b) par le calcul des valeurs propres de la matrice de q. espace -,31

associee a une matrice, 22

A.7.12 Montrer que si H est une matrice hermitienne, U = exp(iH) est une projection -, symetrie -, 35
, composee, /9

matrice unitaire. Reeiproquement, montrer que si U est une matrice unitaire, it sous-~space -, 34
diagonalisable, 77
(
eli.ste une matrice hermitienne H telle que U = exp(iH). (S'assurer que U s'ecrit affinite, 37
nilpotente, 108

(
sous la forme Pdiag(e ill . , e~, ...., ci8,,)p . , ou Pest unitaire, el poser H = aire, 143
approximation, meilleure -, 64

alternee, forme n-lineaire -, 139

asymptote, cone -, 146
(
Pdiag(6., 02' ..., O,.)p.)
angle(s) ~
auto-adjointe, transformation -, 155
.(
A.7.13 Soit A une matrice carree inversible. Montrer qu'il existe une et une de deux vecteurs, 47, S9
axe(s)

seule matrice hermitienne definie positive R et une et une seule matrice unitaire de deux hyperplans, 79
de rotation, 56, 58, 62
(
U telles que A = RU. (Prendre pour R l'unique racine carree definie positive de determine par trois p~ints, 18
de symetrie, 55
(
AA (cf. exercices 9.4.9 et 9.4.10).) d'Euler,66

(
A.7.14 Representation polaire. Combiner les resultats des exercices A.7.12 d'une droite et un sous-~space
barycentre, 4S
et A.7.13. affine, 79
base, 22
(
oriente d'un couple de vecteurs, 53
cartonique,23

(
oriente d'une rotation, ~4, 56, 58,
changenient de -,27

62, 63
directe ou positivement orientee,
(
antilineaire, forme -, 161
67,29

(
antisymetrique
duale, 20

forme bilineaire -, 113

indirecte ou negativement orientee,
(
matrice -, 13S
67,29

(
application, 7
orthonormale, 49, 60

affine, 32
bijective, application -, 9
(
(
(
 )4
161 Index Index lb~

)
)
bilineaire, forme -, / Jj
composee
diagonal(e)
de deux points, 74

binome~ formule du -, liS

d'applications, 9 .
matrice -, 124
. d'un point a un sous-espace affine, )

blocs,
d'applications lineaires, /9
par blocs, 44
75

)
multiplication par -, 116
cOne
terme -, 92
droite,36

dialonale par -, 44
du second degre, /35
diagonalisablets)
affine, 36

asymptote, /46
application lineaire -, 77
vectorielle, 17
)
caracteristique
coniques, 134
matrice -, 83
dual(e)
equation -, 79, 80
conjuguee d'une matrice, /52
simultanement, 124, 164
application 7", 44 )
polynome -, !9
conservalion
diagonalisation, 83
base -,20 )
Cauchy-Schwarz, inegalile de -, 57
de la norme, 47, /54
d'une matrice normale, 161
espace ~, 20

centrage, /12
d'une matrice symetrique, 96
)
des angles, 48
'!

centre
des barycentres, 45
d'une transformation hermitienne,
echelonnee )
de Ir~vite, 45
du produit scalaire, 47, /54
156
. matrice -~ 95

)
de rotation, 62
convergence en.nonne, 65
d'une transformation normale,
matrice - simplifiee, 97

d'une homothetie affine, 3j

coordonnees, 37
160 , element, fixe, invariant, 8 )

d'une quadrique, / J /
cosinus, theoreme du -, 59, 18
d'une .transformation symetrique, "elementaires

. j
d'une symetrie centrale, 3j
couple, 2
94
matrices -, 126

changemem
difference
operations -,'96
) ,
Cramer, formule de -, 148

de base, 27
cylindres, /35, 139
de deux vecteurs, II
elimination, methode d' -, 89

de repere, 17
).
de deux matrices, III
ellipse, J34

Chasles, relation de -,31 decomposition

dilatation, 13 .
ellipsoide, 135 .

coefficients suivant une base, 22

affine,35 ,
'engendre

d'une forme line-ire ou quadrati spectrale, 77

affine orthogonale, 36
sous-espace affine -, 36

que, / /4
definie non negative, positive . orthogonale, J3 . sous-espace vectoriel -, 17

d'un system~ line-ire, 1S9

fonne bilinwre symetrique -, / /9 dimension
ensemble

d'un systeme difterentiel, 98

forme sesquilineaire hermitienne -, d' un espace affine, 32
de depart, d'arrivee, 7

cofactcurs(s), 147
'/63 d'un espace vectoriel, 26
d'indices,2 .

methode des -, 149

matriee hermitienne -, 163
finie et infinie, 24
.equationts)

colonne
matrice symetrique -, / /9
direct(e)
caracteristiq ue, 79

d'une matriee, 92
base -, 67, 29
d'une droi te, d'un plan, 39
)
dependance lineaire, 20

matrice- -, 92
. d~rivee d'une matrice, 129
repere -, 29
d'un hyperplan, 39, 153
)
vecteur-. -, 13
determinant
somme.:"',29,30
matricielle d'une applicanon affine,
combinaison directeurts)
37
)
de Gram, 154

convexe, IS de passa8e, '67, 28

vecteurs -, 38
matricielle d'une application )
lineaire, lineaire triviale, 1S de Vandermonde, ISS
espace -, 31, 35
. lineaire, 24

direction(s) .
)
cornmutent d'ordre 2 et 3, 66 .
parametriques, 38

applications hneaire qui -, 44

d'ordre n, 138
d'affinite, 37
equilatere, hyperbole -, 134 )

matrices qui -, 114

d'une application lineaire, 3/
d'une dilatation, 13, 36
equivalents, systemes lineaires -~ 90

)
compatible, incompatible, ~
d'une famille de vecteurs-colonnes,
d'un espace affine, 31
espace(s)

cornplementaire
137
d'un sous-espace affine,' 35
.affine, 31 )

orthogonal, 62
d'une matrice, 137
principales d'une quadrique, "134"
affine euclidien, 73

)
sous-espace -, 29
d'une matrice orthogonale, 5/
138
affine oriente, 29

completion des carres, / /7, J26

d'une matrice unitaire, /54
distance
directeur, 31, 35 )

composantes, 22
developpementd'un determinant, 146' de deux droites gauches, 77
dual, 20
)
)
)
& 10 Indcl Indes lil
<"
(- .

vectoriel, 10 sesquilineaire hermitienne reduite, image (

vectoriel complexe, J49 J63 d'un element, 7 Lagrange, formule de -, 18 (
vectoriel euclidien, 51 foncuon, 7
d'un sous-ensemble, 8 Legendre, systeme de -, 57
d'un sous-espace vectoriel, 15 libre, 20 (
veetoriels fonctionnels, 14, J49 matricielle, 128

veetoriel geometrique, 10 formule

d'une application, 8 Iiee, 20 , (
veeroriel hermiuen, ljJ de Cramer, 148
d'une famille, 8 Iigne(s)
(

vectoriel oriente, 67, 29 de Lagrange, 18

d'un parallelepipede, 40 d'une matrice, 92
Euclide, postulat d' '-, 37 du binome, lIS
reciproque d'un sous-ensemble, 8 matrice- -, 92 (

euclidien reciproque d'un sous-espace vecto operations elementaires sur les-, 96 (

espace vectoriel -, 51 Gauss, methode de -, 100 riel, 15 lineaire

espace affine -, 73 generateurs, 17 inconnues application -, 10 (

Euler, angles d' -, 66 generatrice, famille -, 17 d'un systeme lineaire, 89 combinaison -, 15 . (

exponenuelle d'une matrice, 130 Gram, determinant l.,-: -, 154 principales, 103 dependance -, independance -, 20
forme -, J9 (

extremums d'une fonction, J12 Gram-Schmidt, precede d'ortho independance lineaire, 20

gonalisation de -,.55 indices, ensemble d' -, 2 systeme -, 89 (
indirect(e) , linearite
famille base, 67, 29
a gauche et adroite, 51, 69, 72 l
finie, 1 hermitientne)
repere,29
au centre, 72 . (
infinie. 2 espace -, J5 J
inegalite loi d'inertie de Sylvester, 127
~
generatrice. 17 forme quadratique -, J62.
de Cauchy-Schwarz, 57
libre, liee, 20 forme sesquilineaire -,162
triangulaire, 58, 74 matrice(s) (
orthogonale, orthonormale, 53 matrice -, J53
inertie, loi d' -, J27,.
adjointe, 152 (
fixe, element -, 8 ,produit scalaire -, J5J
injective, application -, 9
am Iignes et n colonnes, 92
Iorme transformation -, J55
intersection de sous-espaces vecto
antisymetrique, 135 (
antilineaire, /6/ . homogene riels, 17 . associee a un systeme lineaire, 93 (

bdineaire, J13' systeme differentiel -, 99 invariant(s) augmentee, 93

(

bilineaire associee a une matrice, systeme differentiel>- associe, JOO element -,8 carree,92
JJ5 systeme lineaire -, 89 points -, 34 conjuguee, J52
bilineaire symetrique, I JJ systeme lineaire- associe, 89 sous-ensemble -, 8 de passage, 27,
bilineaire symetrique d6finie, JJ9 homothetie, J1 sous-espace - d'une dilatation,' J4, de type 1. ~ 1, 124
bilineaire symetrique reduite, JJ6 affine, 35 36 de type mx n, 92
diagonale, 82 hyperbole, J34 inverse de transition, 131
(
echelonnee, 96 hyperboloide, a une nappe, a deux d'une application, 9 diagonale, 124
echelonnee simplifiee, 97 nappes, /35 d'une application lineaire, J9 diagonalisable, 83 (
lineaire, 19 hyperplan, 36
d'une matrice, 119 d'une application lineaire, 11, 22 (
n-lineaire alternee, 139 affine, 36
inversible, matrice -, 119 d'ane forme bilineaire"l 14
normale, J34, J38 d'affinite, 37
isometrie, 6 J d'une forme quadratique, 1Jj (
quadratique, I J3 polaire, J47
a deux dimensions, 62 d'une forme sesquilineaire, J62 (
quadratique hermitienne, J62 tangent, J30
a trois dimensions, 63 echelonnee, 95
semi-lineaire, /6J vectoriel, 29
isomorphisme, 18
elementaire, 126 (
sesquilineaire, J62 de E et R n, 27, 61 ,
hermitienne, 153 (
sesquilineaire hermitienne, J61 ideotite(s)
de E et cen, J52
hennitienne definie, 163
sesq uihneaire hennitiennc definie, du parallelogramme, 83
hessienne, 122 (
J6J vectorielles, 72, 85
Ker, 16 .inversible, 119 (
(

( ~~
 (
(
172 Index Index 173
(
(
-ligne, -eolonne, 92
orientation affine, 36
1\ centre, 133

( nilpotente, 115
d'un espace vectoriel, 67, 29 sans centre, /37

vectoriel, 17

( normale, 153
d'un espace affine, 29 point, 31

nulle,93
orientete)
invariant, 34
racine carree d'une matriee, /28
(
orthogonale, 50
base -, 67, 29
pivot, 97
rang
( reguliere, 119
repere -, 29
polaire
d'une application line-ire. /6
( scalaire, 124
origine
hyperplan -, 147
d'une famille de vecteurs, 27
semblables, 30
d'un repere, 37
representation -, /66
d'une matriee, 93
( symetrique, 126
d'un vectorialise, 32
polynome d'une matrice echelonnee, 96
( symetrique definie, / /9
orthogonal(e)
caracteristique, 79, 80
rapport

transposee, 118
complementaire -, 62
matriciel, 128
d'affinite, 37

( triangulaire, 125
famille -; 53
trigonometrique, 65
de dilatation. I J. 36

( -unite, 93
matrice-, 50
positif, I d'homothetie, 12, 35

unitaire, 154
projection -, /3
. positivement orientee, base -, 67, 29 reduction
meilleure approximation, 64
symetrie -, 1~
probleme aux.valeurs initiates, 99 a la forme echelonnee, 96
methode de Gauss, tOO
transformation -; 49
precede d'orthogonalisation, 55 a la forme diagonale, 82, Jjj
mineur(s), 147
orthogonalisation, precede d' -. 55 produit i la forme triangulaire, 89. /55
prineipaux, 120 orthogonaux de matrices, 1)2
d'une forme bilineaire sytMtrique,
( moindres cartes, methode des -, 134 sous-espaces affines-, 74 d'une application par un scalaire,
1/6
multiplication matricielle, I] 2 sous-espaces veetoriels-, 54 10. III d'une forme ~uilineaire hermi
(
par blocs, 116 vecteurs,-, 48, 53 d'une matrice par un scalaire, 112 . tienne, 163
( multiplication par un scalaire orthonormal(e)
d'un vecteur par un scalaire, 9, 11 simultanee, /23. 164
d'une application, 10 base, famille, 53
mixte,71 regie du parallelogramme, 32
d'une application lineaire, /8 repere, 80
scalaire, 48. 50 repere

d'une matrice, 112 . scalaire canonique, 52, 151 direct.. indirect. 29

. ( d'un veeteur, 10, 1] ~cal~ire defini par une base, 61 orthonormal. 80

multiplicite d'une valeur propre, 8/ parabole, 138

scalaire hermitien, ./51 changernent de .'11

-'I

( paraboloides, 139
representation parametrique, 38, /42
. vectoriel, 68
( negatif, 1 parallelisme, 36
projection
revolution, surface de -. /43
negativement orientee, base -, 67, 29 parallelogramme, t 43
affine, 35
rotation, 54. 56
(
nilpotente, matrice -, 115 . identite du -, 83 affine orthogonale, 36
affine. 62. 63
( non negatif, I regle du -, 32
orthogonale

normal(e) parallelepipede, 142

sur une droite vectorielle, 48, 55
(
matrice -, 153
parametriquets)
sur un sous-espaceaffine, 14, 36 scalaire,9
I ( transformation ~, 159
representation -, 38, 142 sur un sous-espace vectoriel, 62, section d'une quadrique, 146
vecteur -, 63,' 74
equations -, 38, /43
13
semblables. matrices 30 -'I
(
norme, 47, 51 parametres, 3~
propre
semi-lineaire, forme - .. Ir./
( noyau, J6 passage
valeur -, vecteur -, 74, 77
sesquilineaire, forme -. 162
n-uplet, 1 . determinant de -, 61, 28 . sous-espace -, 74, 77
similitude. 64
[
.matriee de -, 27 puissance d'une matrice, 114~ 8~
simplevaleur propre -. 81
.( operations e)ementaires, 96 permutation cyclique, 68 Pythagore, theorerne de -, S5 ,78
somme
( opposete) perpendiculaire, 75: d'applications, 10, /8
matrice -; 111 perpendiculaire commune, 76 quadratique, forme -, 113, 162 de matrices. JJ I
( vecteur -, 11 plan, 36 \ quadrique, 130 de sous-espaces vectoriels, 11
 ( !

174 Index Index 17S (

(

droite ~, .~ 7
(
de vecteurs, 11 theoreme
,normal, 63, 74

directe, 29, 30 de Pythagore, 55, ,78

oppose, 11
espace>, 10 (
sous-espace de Thales, 46
orthogonaux, 48, 53
hyperplan -, 29 (
affine, 34 du cosinus, 59, 78,
unitaire, 47, 51
plan-,17
complementaire, 29 du sirius, 86
vecteur propre produit -, 68 (
invariant d'une dilatation, 14, 36 spectral, 77
d'une application lineaire, 74, 154 sous-espace -, J6 (
propre, 74, 77 trace d'une matrice, '116
d'une matrice, 77, 154 vectorialise, 12, 32
transformation
vectoriel(te) volume, 142, 153 ( )
stable, 76
vectoriel, 16 hermitie~ne ou auto-adjointe, 155,
(
soustraction /58

(
matriciel1e, III normale, 159

vectorielle, 9, 11 orthogonale, 49
(
spectre symetrique,93
( .
d'une application lineaire, 74 unitaire, 154 .

d'une matriee, 78 translation, 34

(
spectrale, decomposition .;..., 77 transposes d'une matrice, '118
(
stable transvection,43

(
,sous-ensem ble, 8 affine, 45
sous-espace, 76 triangulaire
(
surjective,application -, 9 ' inegalite -, 58

(
Sylvester, loi d'inertie de -, 127 matrice -, 125

symetrie, J3 trigonalisable
(
affine, 35 . application lineaire -, 89
(
.affine orthogonale, 36 matrice -, 90

axiale,55 triplet, 2 ("

centrale, 12, 35 (
orthogonale, J3 unitaire

(
symetrique matrice -, /54 .

matrice -, 126 transformation -~ J54

(
transformation :-, 93 vecteur -, 47,. 51

(
I! , systemefs) valeur(s) proprets)

de Legendre, 57 caleu1 deIa - maximale par itera

(
differentiel, 98' , 'lion, 111
(
lineaire, 89 .d'une application .Iineaire, 74

lineaires equivalents, 90 d'une matrice, 77

(
trigonometrique, 53 extremes, 96, 128
(
simple, double, triple, 8/

(
Vandermonde, determinant de -, 155 'j

tangent, hyperplan -, J30 variation de la constante, /02 (

terme(s) vecteur(s), 7, 10
(
diagonaux, 92 -eolonne, 13

d'une famille, 2 directeurs, 38

(
d'une matrice, 92 Iineairement dependants. indepen
(
d'un vectenr-colonne, 13 dants, 20
(