2 0 2 3

P S I* 10 5

E n d o m o r p h is m e s r e m a r q u a b le s d e s e s p a c e s e u c lid ie n s

C o u r s 3
1 Isométries vectorielles et matrices orthogonales . . . . . . . . . . . . . . . . . . . . . . 3
1.1 Isométries vectorielles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.2 Matrices orthogonales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.3 Espace euclidien orienté de dimension 2 ou 3 . . . . . . . . . . . . . . . . . . . 4
1.4 Isométries vectorielles d’un plan euclidien . . . . . . . . . . . . . . . . . . . . . 5
1.5 Isométries d’un espace euclidien de dimension 3 . . . . . . . . . . . . . . . . . . 7
2 Endomorphismes autoadjoints et matrices symétriques réelles . . . . . . . . . . . . . . 7
2.1 Endomorphismes autoadjoints . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
2.2 Réduction des endomorphismes symétriques . . . . . . . . . . . . . . . . . . . . 8
2.3 Endomorphismes autoadjoints positifs ou définis-positifs . . . . . . . . . . . . . 8
3 Exercices et résultats classiques à connaître . . . . . . . . . . . . . . . . . . . . . . . . 9
3.1 Caractérisation des symétries orthogonales, des projecteurs orthogonaux . . . . 9
3.2 Racine carrée d’une matrice symétrique . . . . . . . . . . . . . . . . . . . . . . 10
3.3 Décomposition polaire d’une matrice inversible . . . . . . . . . . . . . . . . . . 10
3.4 Matrice de Householder . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
3.5 Matrice de Hilbert . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
3.6 Une formule variationnelle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10

E x e r c ic e s 11
Exercices de mathématiques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
Petits problèmes d’entrainement . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11

2 0 2 2 - 2 0 2 3 [Link] 1/ 14
 2 0 2 3
P S I* 1 0 5 . E n d o m o r p h is m e s r e m a r q u a b le s d e s e s p a c e s e u c lid ie n s

[Link] cbn

Lu dans le programme officiel

La notion d’adjoint est hors programme.

La démonstration du théorème spectral n’est pas exigible.

2 / 14 [Link] 2 0 2 2 - 2 0 2 3
 2 0 2 3
P S I* 1 0 5 . E n d o m o r p h is m e s r e m a r q u a b le s d e s e s p a c e s e u c lid ie n s

Dans ce chapitre, E désigne un espace euclidien, c’est-à-dire un R-espace vectoriel, de dimension finie n,
muni d’un produit scalaire h·, ·i.

1 Isométries vectorielles et matrices orthogonales

1.1 Isométries vectorielles
Définition. Un endomorphisme u ∈ L(E) est une isométrie vectorielle si et seulement s’il conserve
la norme, c’est-à-dire :
∀x ∈ E, ku(x)k = kxk
Proposition. u ∈ L(E) est une isométrie vectorielle si et seulement s’il conserve le produit scalaire,
c’est-à-dire :
∀x, y ∈ E, hu(x), u(y)i = hx, yi
Proposition. Toute isométrie vectorielle est un automorphisme de E.
Remarque. On parle d’isométrie car les distances sont préservées.
On trouve aussi la dénomination automorphisme orthogonal pour désigner les isométries vectorielles.
Proposition. u ∈ L(E) est une isométrie vectorielle si et seulement si l’image d’une base orthonormée
par u est une base orthonormée.
Définition. On note O(E) l’ensemble des isométries vectorielles de E. Muni de la loi ◦, c’est un
sous-groupe de GL(E), appelé groupe orthogonal de E.
Exemple. Les symétries orthogonales sont des isométries vectorielles.
Les projecteurs orthogonaux ne sont pas, en général, des isométries vectorielles.
Proposition. Soit u ∈ O(E). Alors SpR (u) ⊂ {−1, 1}.
Proposition. Soit u ∈ O(E) et F un sous-espace vectoriel de E. Si F est stable par u, alors F ⊥ est
stable par u.
Corollaire. Soit u ∈ O(E), F un sous-espace vectoriel de dimension p stable par u. Alors la matrice M
de u dans une base adaptée à la décomposition E = F ⊥ F ⊥ est diagonale par bloc :
 
A 0
M=
0 B

où A ∈ Mp (R) et B ∈ Mn−p (R).

Remarque. Le résultat précédent s’applique en particulier lorsque u ∈ O(E), λ ∈ {−1, 1} une valeur propre
de u, et F = Eλ (u) = Ker(u − λidE ).

1.2 Matrices orthogonales

Théorème.

Soit u ∈ L(E) et M la matrice de u dans une base orthonormée de E.

Alors u ∈ O(E) si et seulement si M > M = In .

Définition. Soit M ∈ Mn (R). On dit que M est orthogonale si et seulement si l’endomorphisme

canoniquement associé à M est une isométrie vectorielle de Rn .
Proposition. Soit M ∈ Mn (R). Sont équivalentes :

(i) M est une matrice orthogonale ;

(ii) M > M = In ;

(iii) M est inversible et M −1 = M > ;

2 0 2 2 - 2 0 2 3 [Link] 3 / 14
 2 0 2 3
P S I* 1 0 5 . E n d o m o r p h is m e s r e m a r q u a b le s d e s e s p a c e s e u c lid ie n s

(iv) M M > = In ;

(v) Les colonnes de M forment une base orthonormée de Mn,1 (R) ;

(vi) Les lignes de M forment une base orthonormée de M1,n (R).

Remarque. En pratique, c’est le point (v) qui est le plus simple à rédiger.
Attention au vocabulaire : une matrice orthogonale est une matrice dont les colonnes forment une base
orthonormée.
Corollaire. Un endomorphisme de E est une isométrie vectorielle si et seulement si sa matrice dans
une base orthonormée est orthogonale.
Proposition. Soit B une base orthonormée de E et B 0 une famille à n vecteurs de E. Soit P = MatB (B 0 ).
Alors B 0 est une base orthonormée si et seulement si P est une matrice orthogonale.
Corollaire. Les matrices orthogonales sont les matrices de changement de bases orthonormées.
Définition. On note On (R), ou parfois O(n), l’ensemble des matrices orthogonales de Mn (R). Muni
de la loi ×, c’est un sous-groupe de GLn (R), appelé groupe orthogonal d’ordre n.
Proposition. Soit M ∈ On (R). Alors det M = ±1.
Définition. On note :
SOn (R) = {M ∈ On (R) t.q. det M = +1}
C’est un sous-groupe de On (R) appelé groupe spécial orthogonal. On trouve aussi la notation
SO(n).
Remarque. Si u ∈ O(E), alors det u = ±1. On peut définir de même :
SO(E) = {u ∈ O(E) t.q. det u = +1}

Ses éléments s’appellent les isométries vectorielles directes (ou positives), tandis que celles de déter-
minant −1 sont qualifiées d’indirectes (ou négatives).

1.3 Espace euclidien orienté de dimension 2 ou 3

Dans ce paragraphe, on travaille dans un espace euclidien de dimension 2 ou 3.

1.3.1 Orientation

Définition. Soit B et B 0 deux bases de E et P la matrice de passage de B à B 0 . On dit que B et B 0

définissent la même orientation si et seulement si det P > 0.
Proposition. Soit B et B 0 deux bases orthonormées de E et P la matrice de passage de B à B 0 . B et
B 0 définissent la même orientation si et seulement si P ∈ SOn (R).
Remarque. Deux bases orthonormées B et B0 définissent la même orientation si et seulement si :
det = det
0
B B

Définition. Orienter l’espace, c’est choisir une base B et l’appeler directe. Les bases définissant la
même orientation que B sont aussi appelées directes, les autres indirectes.
En dimension 2 et 3, les bases canoniques sont choisies pour être directes (sens trigonométrique,
règle de la main droite).

1.3.2 Produit mixte

Définition. On appelle produit mixte d’une famille de 2 vecteurs (resp. 3 vecteurs) d’un espace
euclidien de dimension 2 (resp. 3) le déterminant de cette famille dans une base orthonormée
directe.
On note [u, v] (resp. [u, v, w]) ce produit mixte.

4 / 14 [Link] 2 0 2 2 - 2 0 2 3
 2 0 2 3
P S I* 1 0 5 . E n d o m o r p h is m e s r e m a r q u a b le s d e s e s p a c e s e u c lid ie n s

Interprétation géométrique. [u, v] est l’aire algébrique du parallélogramme construit sur (u, v).
[u, v, w] est le volume algébrique du parallélépipède construit sur (u, v, w).

1.3.3 Produit vectoriel

Définition. Dans E espace vectoriel de dimension 3, on considère deux vecteurs u, v. On appelle

produit vectoriel de u par v, et on note u ∧ v, l’unique vecteur tel que :

∀w ∈ E, [u, v, w] = hu ∧ v, wi

Proposition. Soit u, v deux vecteurs de E espace eucliden de dimension 3.

• u ∧ v = 0 si et seulement si (u, v) est liée.

• Si (u, v) est libre, alors u ∧ v ∈ Vect(u, v)⊥ et (u, v, u ∧ v) est une base directe.

L’application (u, v) 7→ u ∧ v est bilinéaire et antisymétrique (i.e. u ∧ v = −v ∧ u).

Remarque. Le produit vectoriel est donc un outil commode pour construire un vecteur orthogonal à deux
vecteurs donnés.
On a aussi, si e1 , e2 unitaires et orthogonaux, alors (e1 , e2 , e1 ∧ e2 ) base orthonormée directe.
 0
  x x
Calcul du produit vectoriel dans une base orthonormée directe. Soit u y
z
et v y0 . Alors :
z0

yz 0 − zy 0
 

u ∧ v zx0 − xz 0 
xy 0 − yx0

1.3.4 Orientation d’un plan ou d’une droite dans un espace euclidien de dimension 3

Définition. Orienter une droite D dans l’espace euclidien de dimension 3, c’est choisir une base
de D, c’est-à-dire un vecteur directeur (non nul) de D.
On dit que deux vecteurs u1 et u2 définissent la même orientation de D si et seulement si
hu1 , u2 i > 0.
Définition. Orienter un plan P dans l’espace euclidien de dimension 3, c’est choisir une base de P ,
c’est-à-dire un couple de vecteurs (u, v) non colinéaires de P .
On dit que deux bases (u1 , v1 ) et (u2 , v2 ) définissent la même orientation de P si et seulement
si hu1 ∧ v1 , u2 ∧ v2 i > 0.
Remarque. Le choix d’une orientation de P revient donc à choisir un vecteur n non nul orthogonal à P .

1.4 Isométries vectorielles d’un plan euclidien

Dans ce paragraphe, on travaille dans un espace euclidien E2 de dimension 2.

1.4.1 Étude de O2 (R)

Proposition. Le groupe SO2 (R) est constitué des matrices :

cos θ − sin θ
 
Rθ =
sin θ cos θ

Rθ est appelée matrice de rotation plane d’angle θ.

2 0 2 2 - 2 0 2 3 [Link] 5 / 14
 2 0 2 3
P S I* 1 0 5 . E n d o m o r p h is m e s r e m a r q u a b le s d e s e s p a c e s e u c lid ie n s

Proposition. Le groupe SO2 (R) est commutatif et on a :

∀θ1 , θ2 ∈ R, Rθ1 Rθ2 = Rθ1 +θ2

Proposition. L’ensemble O2 (R) r SO2 (R) est constitué des matrices :

cos θ sin θ
 
Sθ =
sin θ − cos θ

Proposition. O2 (R) r SO2 (R) n’est bien-sûr pas un groupe, et le produit n’est pas commutatif. On a
cependant :
∀θ1 , θ2 ∈ R, Sθ1 Sθ2 = Rθ1 −θ2

1.4.2 Isométries vectorielles, angle

Proposition. Soit u ∈ SO(E2 ). Alors il existe θ ∈ R tel que, dans toute base orthonormée directe
de E2 , la matrice de u soit Rθ .
On dit que u est la rotation vectorielle d’angle θ.
Remarque.
• Il est remarquable que la matrice de u ne dépende pas de la base orthonormée directe choisie.
• θ n’est pas défini de façon unique, mais à 2π près. On dit que c’est une mesure de l’angle de la rotation.
• L’écriture complexe de la rotation vectorielle d’angle θ est :

z 7→ eiθ z

Elle coïncide bien-sûr avec :

cos θ − sin θ
    
x x
7→
y sin θ cos θ y
lorsque z = x + iy.

Proposition. La composée de deux rotations vectorielles, d’angles respectifs θ1 et θ2 , est la rotation

vectorielle d’angle θ1 + θ2 .
Remarque. Si x, y sont deux vecteurs unitaires, alors il existe une unique rotation u ∈ SO(E2 ) telle que
y = u(x).
Si x, y deux vecteurs non nuls, on peut alors appeler mesure de l’angle orienté (x, y) tout réel θ tel que
la rotation d’angle θ envoie kxk
x
sur kyk
y
.

1.4.3 Classification des isométries vectorielles du plan euclidien

Proposition. Si u ∈ SO(E2 ), et u 6= ±idE , alors u n’est pas diagonalisable.

Si u ∈ O(E2 ) r SO(E), alors u est diagonalisable et c’est la symétrie orthogonale par rapport à
l’espace propre E1 (u).
Théorème.

Soit u ∈ O(E2 ). On note Inv(u) = Ker(u − idE ) ses vecteurs invariants.

• Si dim Inv(u) = 2, alors u = idE .

• Si dim Inv(u) = 1, alors u est la réflexion d’axe Inv(u).

• Si dim Inv(u) = 0, alors u est une rotation (éventuellement −idE ).

6 / 14 [Link] 2 0 2 2 - 2 0 2 3
 2 0 2 3
P S I* 1 0 5 . E n d o m o r p h is m e s r e m a r q u a b le s d e s e s p a c e s e u c lid ie n s

1.5 Isométries d’un espace euclidien de dimension 3

Dans ce paragraphe, on travaille dans un espace euclidien E3 de dimension 3.

Proposition. Si u ∈ SO(E3 ), alors il existe une base orthonormée directe B = (e1 , e2 , e3 ) de E3 et
θ ∈ R tel que, par blocs :
cos θ − sin θ 0
 
 
Rθ 0
Mat(u, B) = =  sin θ cos θ 0
0 1
0 0 1
u s’appelle la rotation vectorielle d’axe dirigé et orienté par e3 , et d’angle θ.
Détermination pratique de l’axe et de l’angle d’une rotation.
Soit u ∈ SO(E3 ).
1. On vérifie que u ∈ O(E3 ).
2. On vérifie que u ∈ SO(E3 ).
3. On détermine l’axe de la rotation en déterminant Inv(u) = Ker(u − idE ).
On choisit e3 unitaire qui dirige et oriente cet axe.
4. L’angle θ de la rotation peut être déterminé au signe près en remarquant que :
tr u = 2 cos θ + 1

5. Le signe de θ est déterminé en prenant e1 unitaire et orthogonal à e3 , et en remarquant que :

sin θ = he3 ∧ e1 , u(e1 )i = [e3 , e1 , u(e1 )]

Exemple. Reconnaître les endomorphismes canoniquement associés à :

   
2 2 1 −2 −2 1
1 1
A= 1 −2 2  et B = −2 1 −2
3 3
2 −1 −2 1 −2 −2

Remarque. Si u ∈ O(E3 ) r SO(E3 ), on peut montrer que dans une base orthonormée directe bien choisie, la
       
Rθ 0 Rθ 0 I2 0 I2 0 Rθ 0
matrice de u est de la forme (par blocs) = = . u est
0 −1 0 1 0 −1 0 −1 0 1
donc la composée commutative d’une rotation d’axe Vect(e3 ) et d’une réflexion de plan Vect(e3 )⊥ .
On peut aussi donner un théorème de classification des isométries vectorielles, basée sur la dimension de
Inv(u).

2 Endomorphismes autoadjoints et matrices symétriques réelles

2.1 Endomorphismes autoadjoints

Définition. Dans E espace euclidien, on considère u ∈ L(E). On dit que u est un endomorphisme
autoadjoint si et seulement si :
∀x, y ∈ E, hu(x), yi = hx, u(y)i
On note S (E) l’ensemble des endomorphismes autoadjoints de E.
Remarque. On trouve aussi la terminologie « endomorphismes symétriques » pour désigner les endomorphismes
autoadjoints.
Exemple. Les symétries orthogonales, les projections orthogonales sont des endomorphismes autoad-
joints.
La transposition, dans Mn (R) muni de son produit scalaire canonique, est un endomorphisme
autoadjoint.

2 0 2 2 - 2 0 2 3 [Link] 7 / 14
 2 0 2 3
P S I* 1 0 5 . E n d o m o r p h is m e s r e m a r q u a b le s d e s e s p a c e s e u c lid ie n s

Théorème.
Soit u ∈ L(E), B une base orthonormée de E, et M = Mat(u, B).
L’endomorphisme u est autoadjoint si et seulement si M est une matrice symétrique, c’est-à-
dire M > = M .

Remarque. Il n’y a aucun résultat si on ne travaille pas dans une base orthonormée.

2.2 Réduction des endomorphismes symétriques

Proposition.
• Soit M une matrice symétrique réelle. Alors χM est scindé sur R.

• Soit u un endomorphisme autoadjoint. Alors χu est scindé sur R.

Proposition. Soit u ∈ L(E) un endomorphisme autoadjoint de E et F un sous-espace vectoriel de E.
Si F est stable par u, alors F ⊥ est stable par u.
Proposition. Soit u ∈ L(E) un endomorphisme autoadjoint de E.
Alors ses sous-espaces propres sont deux à deux orthogonaux, et sont donc en somme directe
orthogonale.
Théorème spectral.
Tout endomorphisme autoadjoint d’un espace euclidien admet une base orthonormée de vecteurs
propres.

Remarque. Il s’agit bien d’un théorème de diagonalisabilité : Si u un endomorphisme autoadjoint de E espace

euclidien, alors :
• E est somme directe orthogonale des sous-espaces propres de u.
• u est diagonalisable dans une base orthonormée de vecteurs propres.
Corollaire. Pour toute matrice symétrique réelle A, il existe une matrice diagonale réelle D et une
matrice orthogonale P telles que :

A = P DP −1 = P DP >

Remarque. On note l’intérêt d’avoir une matrice de passage orthogonale : P −1 = P > .

2.3 Endomorphismes autoadjoints positifs ou définis-positifs

Définition. Soit u ∈ S (E) un endomorphisme autoadjoint.

• On dit que u est positif si et seulement si ∀x ∈ E :

hu(x), xi > 0

• On dit que u est défini-positif si et seulement si u est positif et :

hu(x), xi = 0 =⇒ x = 0

On note S + (E) (resp. S ++ (E)) l’ensemble des endomorphismes autoadjoints positifs (resp. définis-
positifs).
Remarque. On peut aussi traduire que u ∈ S (E) est défini-positif par :
∀x ∈ E, x 6= 0 =⇒ hu(x), xi > 0

8 / 14 [Link] 2 0 2 2 - 2 0 2 3
 2 0 2 3
P S I* 1 0 5 . E n d o m o r p h is m e s r e m a r q u a b le s d e s e s p a c e s e u c lid ie n s

Définition. Soit S ∈ Sn (R) une matrice symétrique réelle.

• On dit que S est positive si et seulement si ∀X ∈ Mn,1 (R) :

X > SX > 0

• On dit que S est définie-positive si et seulement si elle est positive et :

X > SX = 0 =⇒ X = 0

On note Sn+ (R) (resp. Sn++ (R)) l’ensemble des matrices symétriques positives (resp. définies-positives).
Remarque. On ne parle de positivité que pour les endomorphismes autoadjoints (resp. pour les matrices
symétriques réelles).
Remarque. Si u ∈ S ++ (E), hu(x), yi définit un produit scalaire sur E.
Si M ∈ Sn++ (R), X > M Y définit un produit scalaire sur Mn,1 (R).
Caractérisation spectrale.

Soit u ∈ S (E).

• u est positif si et seulement si Sp(u) ⊂ R+ ;

• u est défini-positif si et seulement si Sp(u) ⊂ R∗+ .

Soit S ∈ Sn (R).

• S est positive si et seulement si Sp(S) ⊂ R+ ;

• S est définie-positive si et seulement si Sp(S) ⊂ R∗+ .

3 Exercices et résultats classiques à connaître

3.1 Caractérisation des symétries orthogonales, des projecteurs orthogonaux

105.1
Soit E espace euclidien.
Montrer que les projections orthogonales de E sont les projections qui sont des endomorphismes
autoadjoints.

105.2
Soit E espace euclidien.
Montrer que les symétries orthogonales de E sont les isométries vectorielles qui sont des endomor-
phismes autoadjoints.

105.3

(a) Soit A ∈ Mn (R). Montrer que S = A> A est une matrice symétrique positive.

(b) Soit S ∈ Sn (R). Existe-t-il une matrice A ∈ Mn (R) telle que S = A> A ? Donner une CNS sur S
pour que A soit inversible.

2 0 2 2 - 2 0 2 3 [Link] 9 / 14
 2 0 2 3
P S I* 1 0 5 . E n d o m o r p h is m e s r e m a r q u a b le s d e s e s p a c e s e u c lid ie n s

3.2 Racine carrée d’une matrice symétrique

105.4

(a) Montrer que, pour toute matrice S ∈ Sn+ (R), il existe R ∈ Sn+ (R) telle que :

S = R2

(b) Montrer l’unicité de cette matrice R.

3.3 Décomposition polaire d’une matrice inversible

105.5
Montrer que toute matrice A ∈ GLn (R) admet une décomposition polaire :

A = ΩS

où Ω ∈ On (R) et S ∈ Sn++ (R).

3.4 Matrice de Householder

105.6
Si V ∈ Mn,1 (R) r {0}, on appelle matrice de Householder de V la matrice :
2
HV = In − VV>
kV k2
Montrer que HV est symétrique et orthogonale, et reconnaître l’endomorphisme qu’elle représente.

3.5 Matrice de Hilbert

105.7
 
1
On s’intéresse à la matrice de Hilbert H = .
i+j−1 16i,j6n

(a) Pour X = (xi )16i6n ∈ Mn1 (R), exprimer X > HX.

(b) Montrer que H est une matrice symétrique, définie positive.

On écrira i+j−1
1
comme l’intégrale sur [0, 1] d’un polynôme simple.

3.6 Une formule variationnelle

105.8
Soit u un endomorphisme autoadjoint d’un espace euclidien. Montrer que :
hx, u(x)i
Sup = Max Sp(u)
x6=0E kxk2

10 / 14 [Link] 2 0 2 2 - 2 0 2 3
 Exercices de mathématiques
2 0 2 2 - 2 0 2 3

 
5 −2 −1 2 0 2 3

P S I*
1
la base canonique est A = −2 2 −2 est une projection or-
6
−1 −2 5
105.9 thogonale dont on déterminera l’image.
Reconnaître les endomorphismes de R2 de matrice (relativement à la 105.14
base canonique)
√ :    Soit M ∈ On (R) ; montrer que les valeurs propres complexes de M sont
1 3 √1 1 −7 24
a) A = b) B = de module 1.
2 −1 3 25 24 7
105.15
105.10
Soit (E, h , i) un espace euclidien de dimension n > 3 ; soit (a, b) une
Dans R4 euclidien usuel, déterminer la matrice de la symétrie ortho- famille libre de deux vecteurs unitaires de E.
gonale
® par rapport à F dont un système d’équations cartésiennes est Soit f : x ∈ E 7→ f (x) = ha, xia + hb, xib.
x+y+z+t=0
. (a) Montrer que f est un endomorphisme autoadjoint de E.
x + 2y + 3z + 4t = 0
[Link]

(b) Déterminer les valeurs propres et les vecteurs propres de f .

105.11

1 0 5 . E n d o m o r p h is m e s r e m a r q u a b le s d e s e s p a c e s e u c lid ie n s
Soit u ∈L(R3 ) dont lamatrice relativement à la base canonique est 105.16
−2 −2 −1
1
A = −  2 −1 −2. Reconnaître u.
 
n − 1 −1 · · · −1
3 .. .. .. 
−1 2 −2 . . . 

 −1
Soit A = 
 .. .. ..
 ∈ Mn (R).
105.12  . . .

−1 
  −1 · · · −1 n − 1
−2 −2 1 Montrer que A ∈ Sn (R), Sp(A) ⊂ R+ et calculer rg(A).
On considère la matrice A = −2 1 −2
1 −2 −2
Petits problèmes d’entrainement
(a) Justifier que A est diagonalisable.
- 105.17
(b) Déterminer P et D dans M3 (R) telles que P > = P −1 , D est
diagonale, et P > AP = D. Soit f une isométrie d’un espace euclidien E. On note Id l’application
identique de E, F = Ker(f − Id) et G le sous-espace supplémentaire
105.13 orthogonal de F .
11/ 14

Montrer que l’endomorphisme p de R, dont la matrice relativement à (a) Montrer que, pour tout x, y ∈ E, hf (x), f (y)i = hx, yi.
 (b) Montrer que G est stable par f , et que la restriction de Id − f morphisme u dont la matrice dans la base canonique est :
12 / 14

2 0 2 3

P S I*
à G, notée g, est un automorphisme de G.  
−1 −4 4 −4
1 1 −4 5 2 −2
(c) On note gn = Id + f + f 2 + · · · + f n−1 . Exprimer l’applica- A= 


n 7  4 2 5 2
tion gn ◦ (Id − f ) en fonction de Id, f n et n. En déduire que, pour −4 −2 2 5
tout x ∈ G, gn (x) −−−−−→ 0E .
n→+∞
(a) Sans calculs, dire pourquoi R4 possède une base orthonormée for-
(d) Soit x ∈ E. Montrer que gn (x) −−−−−→ p(x), où p est la projection mée de vecteurs propres de A.
n→+∞
orthogonale sur F . (b) Montrer que u est une isométrie vectorielle. En déduire les seules
valeurs propres possibles pour u.
cos θ − sin θ 0
 

(e) On pose A =  sin θ cos θ 0. Calculer la limite, pour (c) Sans calculer le polynôme caractéristique de u, déterminer à l’aide
0 0 1 de la trace l’ordre de multiplicité des valeurs propres de u. En dé-
n → +∞, de : duire χu .
[Link]

1
(I3 + A + · · · + An−1 ) (d) Déterminer E1 (u). En donner une base, puis appliquer le procédé
n d’orthonormalisation de Schmidt pour obtenir une base orthonor-

1 0 5 . E n d o m o r p h is m e s r e m a r q u a b le s d e s e s p a c e s e u c lid ie n s
mée de E1 (u).
- 105.18
(e) Déterminer sans trop de calculs E−1 (u).
Soit n > 3, E = Mn1 (R), A et B deux colonnes non colinéaires dans E
(f) Donner une base orthonormée de R4 dans laquelle la matrice de
et :
u est diagonale. Reconnnaître u.
M = AB > + BA>
105.20
(a) Justifier que M est diagonalisable.  
0 −c b
(b) Déterminer rg(M ) en fonction de A et B. Soient (a, b, c) ∈ R3 r {(0, 0, 0)} et A =  c 0 −a.
−b a 0
(c) Déterminer le spectre de M et décrire les sous-espaces propres a) Montrer que I3 + A est inversible.
associés. b) On pose M = (I3 − A)(I3 + A)−1 . Montrer que M ∈ SO3 (R) r {I3 }.
On pourra commencer par le cas où (A, B) est une famille ortho- c) Déterminer l’axe de la rotation associée à M .
normée.
105.21
Soit p un projecteur sur un sous-espace vectoriel de dimension finie,
105.19
de E espace préhilbertien réel. Montrer l’équivalence des propositions
2 0 2 2 - 2 0 2 3

Dans R4 muni de son produit scalaire canonique, on considère l’endo- suivantes :

 (i) p est un projecteur orthogonal.
2 0 2 2 - 2 0 2 3

2 0 2 3

P S I*
(ii) ∀(x, y) ∈ E 2 , hp(x), yi = hx, p(y)i. 105.25
Soit n ∈ N∗ . Si M ∈ Mn (R), on dit que M a la propriété (P ) si
(iii) ∀x ∈ E, kp(x)k 6 kxk.
et seulement s’il existe une matrice U ∈ Mn+1 (R) telle que M soit la
sous-matrice de U obtenue en supprimant les dernières ligne et colonne
105.22
de U , et que U soit une matrice orthogonale, c’est-à-dire qu’il existe
Soit V ∈ Mn,1 (R) de composantes vi et W ∈ Mn,1 (R) de composantes α1 , . . . , α2n+1 ∈ R tels que :
toutes égales à 1. Trouver une condition pour que M = In − V W > soit
la matrice d’un projecteur.
 
α2n+1
Donner alors son noyau et son image. .. 
. 

U =
 M  ∈ On+1 (R)
Trouver V tel que ce projecteur soit orthogonal.  αn+2 
105.23 α1 . . . αn αn+1

(a) Ici, M = Diag(λ1 , . . . , λn ). Déterminer une CNS portant sur

(a) Dans l’espace R3 euclidien usuel, on considère r une rotation
les λi pour que M ait la propriété (P ).
[Link]

d’angle θ et P ∈ R[X] tels que : P (1) = 1 et P (eiθ ) = 1.

Montrer que P (r) est une rotation. (b) Ici, M ∈ Sn (R). Déterminer une CNS pour que M ait la proprié-

1 0 5 . E n d o m o r p h is m e s r e m a r q u a b le s d e s e s p a c e s e u c lid ie n s

0 0 1
 té (P ).
(b) Soit A = 1 0 0. Montrer que 13 (2A2 − A + 2I3 ) est un ro- (c) Si M ∈ GLn (R), montrer qu’il existe U ∈ On (R) et S ∈ Sn (R)
0 1 0 telles que M = U S.
tation. Déterminer son angle. On admettra qu’une telle décomposition existe encore lorsque M
n’est pas inversible.
105.24
(d) Déterminer une CNS pour que M ∈ Mn (R) quelconque ait la
(a) Démontrer que l’application propriété (P ). Cette condition portera sur M > M .
ˆ 1…
(P, Q) 7→
1−t
P (t)Q(t) dt (e) Montrer le résultat admis à la question (c).
−1 1+t
définit un produit scalaire sur l’espace E des fonctions polyno- 105.26
miales de degré inférieur ou égal à n (n est un entier supérieur  
1
ou égal à 2).  .. 
Soit A une matrice orthogonale carrée d’ordre n. Soit U =  . .
(b) Démontrer que l’endomorphisme L de E défini par 1
L(P ) = (X 2 − 1)P 00 + (2X + 1)P 0
(a) Exprimer ai,j à l’aide de U et de A.
X
13 / 14

est autoadjoint pour le produit scalaire considéré. i,j

 ˆ
(b) En déduire :
1
14 / 14

2 0 2 3

(a) Soit u : P 7→ (X + t)n P (t)dt : montrer que u est un endo-

P S I*
0
morphisme autoadjoint de E.
X X
ai,j 6 n 6 |ai,j |
i,j i,j
(b) En déduire qu’il existe une base orthonormée (P0 , . . . , Pn ) de E
formée de vecteurs propres de u. On note λ0 , . . . , λn les vp asso-
105.27
ciées.
Soit A ∈ Mn (R).
(a) Montrer que A> A est symétrique, et que Sp(A> A) ⊂ R+ . (c) Montrer que :

(b) Soit λ1 , . . . , λn les valeurs propres de A> A. Montrer que : n

X
n
∀(x, y) ∈ R2 , (x + y)n = λk Pk (x)Pk (y)
k=0
X X
λi = a2ij
i=1 16i,j6n
En déduire tr(u).
[Link]

105.28
105.31
On étudie l’équation M M >M = In d’inconnue M ∈ Mn (R).

1 0 5 . E n d o m o r p h is m e s r e m a r q u a b le s d e s e s p a c e s e u c lid ie n s
Soit E un espace euclidien, f ∈ L(E) et B une base orthonormée de E.
(a) Montrer qu’une solution est une matrice symétrique.
(a) Montrer que l’application a 7→ ha, ·i définie sur E est un isomor-
(b) En déduire les solutions de l’équation étudiée. phisme de E sur L(E, R).

105.29 (b) Soit x ∈ E fixé. Montrer qu’il existe un unique vecteur, noté
Soit E un espace euclidien et f ∈ S(E) tel que tr(f ) = 0. f ∗ (x), tel que :
(a) Montrer qu’il existe au moins un vecteur x non nul de E qui est
∀y ∈ E, hf (y), xi = hy, f ∗ (x)i
orthogonal à f (x).
(b) Montrer qu’il existe une base orthonomée de E dans laquelle tous
(c) Montrer que f ∗ est un endomorphisme de E.
les coefficients diagonaux de la matrice de f soient nuls.
(d) Déterminer image et noyau de f ∗ en fonction de ceux de f .
105.30
ˆ 1 (e) Déterminer la matrice de f ∗ dans B en fonction de celle de f .
Soit E = Rn [X] muni du produit scalaire hP, Qi = P (t)Q(t)dt.
0
2 0 2 2 - 2 0 2 3