Aller au contenu

L'Établi des Maths Cours

Outils pour apprendre et pratiquer

Licence 2 · Espaces Euclidiens · L2-06

Cours et exercices corrigés de L2 : Endomorphismes symétriques, groupe orthogonal et Théorème Spectral

Endomorphismes adjoints, matrices symétriques réelles, théorème spectral (toute matrice symétrique réelle est orthogonalement diagonalisable dans R), groupe orthogonal O(n) et SO(n), classification des isométries en dimensions 2 et 3.

Objectifs du chapitre

Le cours

1. Adjoint d'un endomorphisme

Soit EE un espace euclidien et u∈L(E)u \in \mathcal{L}(E).

  • Il existe un unique u∗∈L(E)u^{\ast} \in \mathcal{L}(E), l'adjoint de uu, tel que ⟨u(x),y⟩=⟨x,u∗(y)⟩\langle u(x), y \rangle = \langle x, u^{\ast}(y) \rangle pour tous x,yx, y.
  • Si B\mathcal{B} est une base orthonormée, MatB(u∗)=tMatB(u)\text{Mat}_\mathcal{B}(u^{\ast}) = {}^t\text{Mat}_\mathcal{B}(u).
  • Propriétés : (u∗)∗=u(u^{\ast})^{\ast} = u, (u∘v)∗=v∗∘u∗(u \circ v)^{\ast} = v^{\ast} \circ u^{\ast}, Ker u∗=(Im u)⊥\text{Ker}\,u^{\ast} = (\text{Im}\,u)^\perp, Im u∗=(Ker u)⊥\text{Im}\,u^{\ast} = (\text{Ker}\,u)^\perp.
  • Si FF est stable par uu, alors F⊥F^\perp est stable par u∗u^{\ast}.

2. Endomorphismes symétriques

uu est symétrique (ou auto-adjoint) si u∗=uu^{\ast} = u, c'est-à-dire ⟨u(x),y⟩=⟨x,u(y)⟩\langle u(x), y \rangle = \langle x, u(y) \rangle ; de manière équivalente, sa matrice dans une base orthonormée est symétrique.

  • Sous-espaces propres orthogonaux : si u(x)=λxu(x) = \lambda x, u(y)=μyu(y) = \mu y et λ≠μ\lambda \neq \mu, alors λ⟨x,y⟩=⟨u(x),y⟩=⟨x,u(y)⟩=μ⟨x,y⟩\lambda \langle x, y \rangle = \langle u(x), y \rangle = \langle x, u(y) \rangle = \mu \langle x, y \rangle, donc ⟨x,y⟩=0\langle x, y \rangle = 0.
  • Stabilité : si FF est stable par uu symétrique, F⊥F^\perp l'est aussi : pour x∈F⊥x \in F^\perp et y∈Fy \in F, ⟨u(x),y⟩=⟨x,u(y)⟩=0\langle u(x), y \rangle = \langle x, u(y) \rangle = 0.
  • Exemples : les projecteurs orthogonaux et les symétries orthogonales sont symétriques ; un projecteur est orthogonal si et seulement s'il est symétrique.

3. Démonstration du théorème spectral

Théorème. Tout endomorphisme symétrique uu d'un espace euclidien EE est diagonalisable dans une base orthonormée de vecteurs propres.
Démonstration.
1. Les valeurs propres de A=MatB(u)A = \text{Mat}_\mathcal{B}(u) (B\mathcal{B} orthonormée) sont réelles. AA est symétrique réelle. Soit λ∈C\lambda \in \mathbb{C} une racine de χA\chi_A et Z∈CnZ \in \mathbb{C}^n non nul tel que AZ=λZAZ = \lambda Z. Le nombre s=tZ‾AZ=λ∑i∣zi∣2s = {}^t\overline{Z} A Z = \lambda \sum_i |z_i|^2 vérifie s‾=tZAZ‾=t(tZAZ‾)=tZ‾ tA Z=s\overline{s} = {}^t Z A \overline{Z} = {}^t({}^t Z A \overline{Z}) = {}^t\overline{Z}\, {}^t A\, Z = s (AA réelle, puis transposée d'un scalaire, puis AA symétrique). Donc s∈Rs \in \mathbb{R} et λ=s∑∣zi∣2∈R\lambda = \frac{s}{\sum |z_i|^2} \in \mathbb{R}.
2. uu admet un vecteur propre. λ\lambda étant réelle, A−λInA - \lambda I_n est une matrice réelle non inversible : il existe X∈RnX \in \mathbb{R}^n non nul avec AX=λXAX = \lambda X.
3. Récurrence sur n=dim⁡En = \dim E. Pour n=1n = 1, toute base orthonormée convient. Supposons le résultat vrai en dimension n−1n - 1. Soit e1e_1 un vecteur propre unitaire de uu ; la droite D=Re1D = \mathbb{R} e_1 est stable par uu, donc H=D⊥H = D^\perp est stable par uu (point 2 du cours).
4. La restriction uHu_H est un endomorphisme symétrique de l'espace euclidien HH, de dimension n−1n - 1 : par hypothèse de récurrence, HH admet une base orthonormée (e2,…,en)(e_2, \dots, e_n) de vecteurs propres de uHu_H, donc de uu.
5. (e1,e2,…,en)(e_1, e_2, \dots, e_n) est une base orthonormée de EE formée de vecteurs propres de uu.
Version matricielle : pour A∈Sn(R)A \in \mathcal{S}_n(\mathbb{R}), il existe P∈On(R)P \in O_n(\mathbb{R}) et DD diagonale réelle telles que A=PDP−1=PD tPA = P D P^{-1} = P D\, {}^t P.

4. Matrices symétriques positives et quotient de Rayleigh

  • A∈Sn(R)A \in \mathcal{S}_n(\mathbb{R}) est positive si tXAX≥0{}^t X A X \ge 0 pour tout XX, définie positive si de plus tXAX=0  ⟹  X=0{}^t X A X = 0 \implies X = 0.
  • En écrivant X=PYX = PY avec PP orthogonale : tXAX=∑iλiyi2{}^t X A X = \sum_i \lambda_i y_i^2. D'où : AA positive   ⟺  \iff Sp(A)⊂R+\text{Sp}(A) \subset \mathbb{R}_+ ; AA définie positive   ⟺  \iff Sp(A)⊂R+∗\text{Sp}(A) \subset \mathbb{R}_+^{\ast}.
  • Encadrement de Rayleigh : λmin⁡∥X∥2≤tXAX≤λmax⁡∥X∥2\lambda_{\min} \|X\|^2 \le {}^t X A X \le \lambda_{\max} \|X\|^2, avec égalité pour des vecteurs propres associés.
  • Exemples : tMM{}^t M M est symétrique positive pour toute M∈Mp,n(R)M \in \mathcal{M}_{p,n}(\mathbb{R}) ; la hessienne d'une fonction C2\mathcal{C}^2 est symétrique réelle.

5. Isométries vectorielles et matrices orthogonales

  • u∈L(E)u \in \mathcal{L}(E) est une isométrie (automorphisme orthogonal) si ∥u(x)∥=∥x∥\|u(x)\| = \|x\| pour tout xx ; par polarisation, c'est équivalent à ⟨u(x),u(y)⟩=⟨x,y⟩\langle u(x), u(y) \rangle = \langle x, y \rangle, et à u∗∘u=IdEu^{\ast} \circ u = \text{Id}_E.
  • uu est une isométrie   ⟺  \iff uu envoie une (toute) base orthonormée sur une base orthonormée.
  • On(R)={M∣tMM=In}O_n(\mathbb{R}) = \{M \mid {}^t M M = I_n\} : les colonnes (et les lignes) de MM forment une base orthonormée de Rn\mathbb{R}^n.
  • Si u∈O(E)u \in O(E) : det⁡u=±1\det u = \pm 1, et les valeurs propres réelles éventuelles valent ±1\pm 1. SO(E)={u∈O(E)∣det⁡u=1}SO(E) = \{u \in O(E) \mid \det u = 1\} est le groupe des rotations.

6. Isométries du plan et de l'espace

  • Plan : les éléments de SO2(R)SO_2(\mathbb{R}) sont les Rθ=(cos⁡θ−sin⁡θsin⁡θcos⁡θ)R_\theta = \begin{pmatrix} \cos\theta & -\sin\theta \\ \sin\theta & \cos\theta \end{pmatrix} (et RθRθ′=Rθ+θ′R_\theta R_{\theta'} = R_{\theta + \theta'}, donc SO2(R)SO_2(\mathbb{R}) est commutatif) ; ceux de O2(R)∖SO2(R)O_2(\mathbb{R}) \setminus SO_2(\mathbb{R}) sont les (cos⁡θsin⁡θsin⁡θ−cos⁡θ)\begin{pmatrix} \cos\theta & \sin\theta \\ \sin\theta & -\cos\theta \end{pmatrix}, réflexions d'axe dirigé par (cos⁡θ2,sin⁡θ2)\left(\cos\frac{\theta}{2}, \sin\frac{\theta}{2}\right).
  • Espace : tout u∈SO3(R)u \in SO_3(\mathbb{R}) distinct de l'identité est une rotation d'axe Ker(u−Id)\text{Ker}(u - \text{Id}), une droite ; son angle θ\theta vérifie tr(u)=1+2cos⁡θ\text{tr}(u) = 1 + 2\cos\theta. Le signe de sin⁡θ\sin\theta, l'axe étant orienté par ww, est celui de det⁡(x,u(x),w)\det(x, u(x), w) pour x∉Rwx \notin \mathbb{R}w.

Méthodes et exemples rédigés

Méthode : Diagonaliser une matrice symétrique en base orthonormée

Exemple

Diagonaliser dans une base orthonormée A=(0223)A = \begin{pmatrix} 0 & 2 \\ 2 & 3 \end{pmatrix}.

  1. Polynôme caractéristique : χA(X)=X(X−3)−4=X2−3X−4=(X−4)(X+1)\chi_A(X) = X(X - 3) - 4 = X^2 - 3X - 4 = (X - 4)(X + 1).

  2. E4E_4 : (A−4I2)X=0  ⟺  2x−y=0(A - 4I_2)X = 0 \iff 2x - y = 0 ; vecteur unitaire u1=15(1,2)u_1 = \frac{1}{\sqrt{5}}(1, 2).

  3. E−1E_{-1} : (A+I2)X=0  ⟺  x+2y=0(A + I_2)X = 0 \iff x + 2y = 0 ; vecteur unitaire u2=15(−2,1)u_2 = \frac{1}{\sqrt{5}}(-2, 1), orthogonal à u1u_1 comme prévu.

  4. Conclusion : P=15(1−221)∈SO2(R)P = \frac{1}{\sqrt{5}}\begin{pmatrix} 1 & -2 \\ 2 & 1 \end{pmatrix} \in SO_2(\mathbb{R}), D=diag(4,−1)D = \text{diag}(4, -1) et A=PD tPA = P D\, {}^t P.

Méthode : Reconnaître une rotation de l'espace

Exemple

Étudier A=13(2−1222−1−122)A = \frac{1}{3}\begin{pmatrix} 2 & -1 & 2 \\ 2 & 2 & -1 \\ -1 & 2 & 2 \end{pmatrix}.

  1. Orthogonalité : les colonnes 13(2,2,−1)\frac{1}{3}(2, 2, -1), 13(−1,2,2)\frac{1}{3}(-1, 2, 2), 13(2,−1,2)\frac{1}{3}(2, -1, 2) sont unitaires et deux à deux orthogonales, donc A∈O3(R)A \in O_3(\mathbb{R}) ; on calcule det⁡A=1\det A = 1, donc A∈SO3(R)A \in SO_3(\mathbb{R}).

  2. Axe : chaque ligne de A−I3A - I_3 a une somme nulle, donc w=(1,1,1)w = (1, 1, 1) dirige l'axe Ker(A−I3)\text{Ker}(A - I_3).

  3. Angle : tr(A)=2=1+2cos⁡θ\text{tr}(A) = 2 = 1 + 2\cos\theta, donc cos⁡θ=12\cos\theta = \frac{1}{2}.

  4. Signe : avec x=(1,−1,0)x = (1, -1, 0), Ax=(1,0,−1)Ax = (1, 0, -1) et det⁡(x,Ax,w)=3>0\det(x, Ax, w) = 3 > 0 : AA est la rotation d'axe dirigé et orienté par (1,1,1)(1, 1, 1) et d'angle π3\frac{\pi}{3}.

Pièges fréquents

Questions de révision

Essaie de répondre de tête avant d'afficher la réponse.

Énoncer le théorème spectral (forme matricielle).

Toute A∈Sn(R)A \in \mathcal{S}_n(\mathbb{R}) s'écrit A=PD tPA = P D\, {}^t P avec P∈On(R)P \in O_n(\mathbb{R}) et DD diagonale réelle.

Pourquoi les valeurs propres d'une matrice symétrique réelle sont-elles réelles ?

Si AZ=λZAZ = \lambda Z, le nombre tZ‾AZ=λ∑∣zi∣2{}^t\overline{Z} A Z = \lambda \sum |z_i|^2 est égal à son conjugué, donc réel, et λ\lambda aussi.

Quel est le rôle de l'orthogonal dans la récurrence du théorème spectral ?

Si e1e_1 est un vecteur propre, (Re1)⊥(\mathbb{R}e_1)^\perp est stable par uu symétrique, ce qui permet d'appliquer l'hypothèse de récurrence en dimension n−1n - 1.

Caractériser une matrice symétrique définie positive par son spectre.

Toutes ses valeurs propres sont strictement positives.

Quelles conditions équivalentes définissent M∈On(R)M \in O_n(\mathbb{R}) ?

tMM=In{}^t M M = I_n ; ses colonnes forment une base orthonormée ; elle conserve la norme euclidienne.

Comment obtient-on l'angle d'une rotation de SO3(R)SO_3(\mathbb{R}) ?

tr(A)=1+2cos⁡θ\text{tr}(A) = 1 + 2\cos\theta ; le signe de sin⁡θ\sin\theta est celui de det⁡(x,Ax,w)\det(x, Ax, w), où ww oriente l'axe.

Exercices corrigés

Exercice 1 Spectre d'une matrice symétrique réelle

Palier 1 · découverte

Toute matrice symétrique réelle A∈Sn(R)A \in \mathcal{S}_n(\mathbb{R}) a toutes ses valeurs propres :

  1. Réelles
  2. Strictement positives
  3. Imaginaires pures
  4. De module 1
Un indice

Théorème spectral fondamental pour les endomorphismes autoadjoints réels.

Voir la correction

Bonne réponse : A. Réelles

Les valeurs propres de toute matrice symétrique à coefficients réels sont toutes réelles, et la matrice est diagonalisable dans une base orthonormée.

Exercice 2 Théorème spectral

Palier 2 · application

D'après le théorème spectral, si A∈Sn(R)A \in \mathcal{S}_n(\mathbb{R}), il existe une matrice orthogonale P∈On(R)P \in \mathcal{O}_n(\mathbb{R}) telle que :

  1. A=PD tPA = P D \,{}^t P avec DD diagonale réelle
  2. A=PDP−1A = P D P^{-1} avec DD à diagonale imaginaire
  3. A=P+DA = P + D
  4. A2=InA^2 = I_n
Un indice

Pour une matrice orthogonale, P−1=tPP^{-1} = {}^t P.

Voir la correction

Bonne réponse : A. A=PD tPA = P D \,{}^t P avec DD diagonale réelle

Le théorème spectral garantit que toute matrice symétrique réelle est orthogonalement semblable à une matrice diagonale réelle : A=PD tPA = P D \,{}^t P avec P∈On(R)P \in \mathcal{O}_n(\mathbb{R}).

Exercice 3 Matrices orthogonales et déterminant

Palier 3 · approfondissement

Quel est le déterminant possible d'une matrice orthogonale P∈On(R)P \in \mathcal{O}_n(\mathbb{R}) ?

  1. ±1\pm 1
  2. 11 uniquement
  3. 00
  4. N'importe quel réel non nul
Un indice

tPP=In  ⟹  det⁡(tPP)=det⁡(In)=1{}^t P P = I_n \implies \det({}^t P P) = \det(I_n) = 1.

Voir la correction

Bonne réponse : A. ±1\pm 1

Comme tPP=In{}^t P P = I_n, on a det⁡(tPP)=(det⁡P)2=1\det({}^t P P) = (\det P)^2 = 1, d'où det⁡(P)∈{1,−1}\det(P) \in \{1, -1\}.

Exercice 4 Loi d'inertie de Sylvester

Palier 4 · défi

Soit q(x,y)=x2−4xy+5y2q(x, y) = x^2 - 4xy + 5y^2. Quelle est la signature de cette forme quadratique sur R2\mathbb{R}^2 ?

  1. (2,0)(2, 0)
  2. (1,1)(1, 1)
  3. (0,2)(0, 2)
  4. (1,0)(1, 0)
Un indice

Réduis en carrés de Gauss : x2−4xy+5y2=(x−2y)2−4y2+5y2x^2 - 4xy + 5y^2 = (x - 2y)^2 - 4y^2 + 5y^2.

Voir la correction

Bonne réponse : A. (2,0)(2, 0)

q(x,y)=(x−2y)2+y2q(x, y) = (x - 2y)^2 + y^2. C'est une somme de deux carrés indépendants affectés de coefficients strictement positifs. La signature est (2,0)(2, 0) : la forme est définie positive.