Espaces préhilbertiens

Exercice 1 [ Indication ] [ Corrigé ]

Soit E un espace préhilbertien sur K. Soient u, v deux vecteurs de E.
On suppose que, pour tout λ de K, ku + λvk ≥ kuk.
Montrer que u et v sont orthogonaux.

Exercice 2 [ Indication ] [ Corrigé ]

Soit E un espace préhilbertien sur C. Soit f ∈ L(E).
Montrer que f = 0 ⇔ ∀x ∈ E, < f (x), x > = 0.

Exercice 3 [ Indication ] [ Corrigé ]

Dans l’espace E préhilbertien réel, soit f une application telle que f (0) = 0 et
(1) : ∀x, y ∈ E, kf (x) − f (y)k = kx − yk .
1. Montrer que f conserve le produit scalaire.
2. En déduire que f est linéaire.

Exercice 4 [ Indication ] [ Corrigé ]

Soit E un espace préhilbertien sur C.
1 
Montrer que ∀(u, v) ∈ E 2 , < u, v >= ku + vk2 + i ku + ivk2 − (1 + i) kuk2 + kvk2 .
2

Exercice 5 [ Indication ] [ Corrigé ]

Soit E un espace préhilbertien, et soit f une application de E dans E telle que, pour tous
vecteurs x et y : < f (x), y >=< x, f (y) >.
Montrer que f est linéaire.

Exercice 6 [ Indication ] [ Corrigé ]

Soit E un espace préhilbertien réel.
Montrer que pour tous x, y de E, 2 + kx + yk2 ≤ 2(1 + kxk2 )(1 + kyk2 ).

Exercice 7 [ Indication ] [ Corrigé ]

Z 1
Calculer la valeur minimum de Ia,b = (t ln t − at − b)2 dt et dire pour quelles valeurs de a et
0
b ce minimum est atteint.

Exercice 8 [ Indication ] [ Corrigé ]

Soit E un espace préhilbertien sur R.
On suppose qu’il existe n vecteurs unitaires e1 , e2 , . . . , en tels que, pour tout vecteur x de E,
Xn
on ait kxk2 = < ek , x >2 .
k=1
1. Montrer que les vecteurs ek sont orthogonaux deux à deux.
2. Montrer que ces vecteurs forment une base orthonormée de E.

Jean-Michel Ferrard Colles MP*, semaine 16 (mercredi 8/02/06) Page 1

Exercice 9 [ Indication ] [ Corrigé ]
Z 1
On munit E = R[X] du produit scalaire < P, Q >= P (t)Q(t) dt.
0
Soit ϕ la forme linéaire sur E définie par ϕ(P ) = P (0).
Montrer qu’il n’existe pas de vecteur A de E tel que, pour tout P de E, ϕ(P ) = < A, P >.

Exercice 10 [ Indication ] [ Corrigé ]

Soit E un espace préhilbertien sur R. Soit p un projecteur de E.
Montrer que les deux conditions suivantes sont équivalentes :
a) Le noyau de p et l’image de p sont deux sous-espaces orthogonaux.
b) Pour tout vecteur x de E, kp(x)k ≤ kxk.
Que devient ce résultat si E est euclidien, c’est-à-dire si E est de dimension finie ?

Espaces euclidiens
Exercice 11 [ Indication ] [ Corrigé ]
Déterminer les endomorphismes f de R3 euclidien orienté tels que :
∀ u, v ∈ E, f (u ∧ v) = f (u) ∧ f (v).

Exercice 12 [ Indication ] [ Corrigé ]


4 x+y+z+t=0
Soit F le sous-espace vectoriel de R (euclidien) d’équations
x−y+z−t=0
Déterminer la projection orthogonale sur F , par deux méthodes différentes.
Calculer la distance d(u, F ) d’un vecteur u de R4 au sous-espace F .

Exercice 13 [ Indication ] [ Corrigé ]

Soit E un espace vectoriel euclidien.
Soit f un endomorphisme de E qui “conserve l’orthogonalité”, c’est-à-dire tel que, pour tous
vecteurs u et v de E, < u, v > = 0 ⇒ < f (u), f (v) > = 0.
Montrer qu’il existe un réel λ ≥ 0 tel que, pour tout vecteur u de E, kf (u)k = λ kuk.
Si λ > 0, on dit alors que f est une similitude de rapport λ.

Exercice 14 [ Indication ] [ Corrigé ]

Soient E un espace vectoriel euclidien et f un endomorphisme de E tel que f 2 = 0.
Soit f ∗ l’adjoint de f . Montrer que Ker (f + f ∗ ) = Ker (f ) ∩ Ker (f ∗ ).

Exercice 15 [ Indication ] [ Corrigé ]

Soit E un espace vectoriel euclidien. Soit u ∈ L(E). On suppose que u ◦ u∗ = u∗ ◦ u.
1. Montrer que u et u∗ ont le même noyau.
2. Montrer que Sp(u) =Sp(u∗ ), et que pour toute valeur propre λ les sous-espaces propres
de u et de u∗ pour λ sont identiques.
3. Montrer que les sous-espaces propres de u sont orthogonaux deux à deux.

Matrices symétriques ou orthogonales

Jean-Michel Ferrard Colles MP*, semaine 16 (mercredi 8/02/06) Page 2

Exercice 16 [ Indication ] [ Corrigé ]
Montrer qu’il existe dans M2 (R) une base formée de matrices orthogonales.
Montrer que ce résultat reste vrai dans Mn (R).

Exercice 17 [ Indication ] [ Corrigé ]

1. Montrer que < A, B >= tr ( TA · B) définit un produit scalaire sur Mn (R).
2. Pour quelles matrices M l’application A → AM est-elle alors orthogonale ?

Exercice 18 [ Indication ] [ Corrigé ]

 
1 − i −2 −3 4
 −2 2 − i 18 2 
Montrer que A = 
 −3
 est inversible.
18 1−i 1 
4 2 1 3−i

Exercice 19 [ Indication ] [ Corrigé ]

Soit A une matrice carrée symétrique, à coefficients réels.
On suppose que Am = I, pour un certain entier m. Montrer que A2 = I.

Exercice 20 [ Indication ] [ Corrigé ]

n n
X √ X
Soit A = (aij ) une matrice orthogonale d’ordre n. Prouver |aij | ≤ n n et aij ≤ n.
i,j=1 i,j=1

Exercice 21 [ Indication ] [ Corrigé ]

Soit A une matrice de Mn (R).
Montrer que les deux conditions suivantes sont équivalentes.
a) Il existe M dans Mn (R) telle que A = TMM.
b) La matrice A est symétrique et ses valeurs propres sont ≥ 0.

Exercice 22 [ Indication ] [ Corrigé ]

Soit A une matrice symétrique réelle d’ordre n.
On pose, pour toute matrice colonne X de Mn,1(R), ϕ(X, Y ) = TXAY .
1. Exprimer ϕ(X, Y ) en fonction des composantes de X et de Y dans une base orthonormée
de vecteurs propres de A, et en fonction des valeurs propres de A.
2. Montrer que l’application (X, Y ) 7→ ϕ(X, Y ) définit un produit scalaire si et seulement si
toutes les valeurs propres de A sont strictement positives.

Exercice 23 [ Indication ] [ Corrigé ]

Soit A = (aij ) une matrice symétrique réelle d’ordre n, de valeurs propres λ1 , . . . , λn .
X n Xn
2
Montrer que aij = λ2k .
i,j=1 k=1

Jean-Michel Ferrard Colles MP*, semaine 16 (mercredi 8/02/06) Page 3

Exercice 24 [ Indication ] [ Corrigé ]
1
On considère la matrice A carrée d’ordre n, dont le terme général est aij = .
i+j−1
Montrer que les valeurs propres de A sont strictement positives.
Indication : pour tout vecteur propre X, considérer TXAX.

Jean-Michel Ferrard Colles MP*, semaine 16 (mercredi 8/02/06) Page 4

Indications ou résultats

Espaces préhilbertiens
Indication pour l’exercice 1 [ Retour à l’énoncé ]
Élever au carré, trouver 2Re (λ < u, v >) + |λ|2 kvk2 ≥ 0.
Choisir ensuite λ = r < v, u >, avec r réel.

Indication pour l’exercice 2 [ Retour à l’énoncé ]

Se donner x, y quelconques dans E.
Développer < f (x + iy), x + iy > et < f (x + y), x + y >.

Indication pour l’exercice 3 [ Retour à l’énoncé ]

1. Vérifier que f conserve la norme, puis développer kf (x) − f (y)k2 .

2. Se donner deux vecteurs x, y et deux scalaires α, β.
Développer kf (αx + βy) − αf (x) − βf (y)k2 .

Indication pour l’exercice 4 [ Retour à l’énoncé ]

On sait que ku + vk2 = < u + v, u + v > = kuk2 + 2Re < u, v > + kvk2 .
Développer également ku + ivk2 , puis former ku + vk2 + i ku + ivk2 .

Indication pour l’exercice 5 [ Retour à l’énoncé ]

Se donner x, y, z dans E, et α et β dans K.
Vérifier que < z, f (αx + βy) > = < z, αf (x) + βf (y) >.

Indication pour l’exercice 6 [ Retour à l’énoncé ]

Poser A = 2(1 + kxk2 )(1 + kyk2 ) et B = 2 + kx + yk2 .
Vérifier que A − B = 2 kxk2 kyk2 + kx − yk2 .

Indication pour l’exercice 7 [ Retour à l’énoncé ]

Z 1
Sur E = C([0, 1], R), considérer le produit scalaire : < f, g > = f (t)g(t) dt.
0
Soit F le sous-espace de E des polynômes de degré ≤ 1.
Soit ϕ ∈ E définie par ϕ(t) = t ln t, avec ϕ(0) = 0.
Le problème posé équivaut à rechercher la projection orthogonale P de ϕ sur F .
On résout le système formé par < P, 1 > = < ϕ, 1 > et < P, t > = < ϕ,√
t >.
1 1 3
On trouve P (t) = − + t. Le minimum cherché est m = kϕ − P k = .
3 6 18

Jean-Michel Ferrard Colles MP*, semaine 16 (mercredi 8/02/06) Page 5

 Indication pour l’exercice 8 [ Retour à l’énoncé ]

1. Appliquer l’hypothèse aux ej , et en déduire qu’ils sont orthogonaux deux à deux.

2. Soit F le sous-espace engendré par les ej , et p la projection orthogonale de E sur F .
Pour tout u de E, vérifier que kp(u)k2 = kuk2 . En déduire p(u) = u.

Indication pour l’exercice 9 [ Retour à l’énoncé ]

Par l’absurde, on suppose que A existe. Considérer P = XA, et en déduire que A = 0.

Indication pour l’exercice 10 [ Retour à l’énoncé ]

– (a) ⇒ (b) : appliquer Pythagore à l’égalité x = p(x) + (x − p(x)).

– (b) ⇒ (a) : Soient y = p(x) ∈ Im p, et z ∈ Ker p.
Pour tout λ, on a kp(λy + z)k2 ≤ kλy + zk2 .
En déduire que la fonction affine λ → 2λ < y, z > + kzk2 reste positive ou nulle sur R.
– Si E est euclidien, cela équivaut à dire que Ker p = (Im p)⊥ .

Espaces euclidiens
Indication pour l’exercice 11 [ Retour à l’énoncé ]
Écarter la solution évidente f = 0.
Appliquer l’hypothèse aux vecteurs e1 , e2 , e3 d’une base orthonormée directe.
Montrer que les f (ek ) sont orthogonaux deux à deux, puis qu’ils sont unitaires.
Montrer que f est une rotation, puis établir la réciproque.

Indication pour l’exercice 12 [ Retour à l’énoncé ]

– Première méthode :
Soit v = (x0 , y 0, z 0 , t0 ) la projection orthogonale de u = (x, y, z, t) sur F .
Montrer que F ⊥ est engendré par a = (1, 1, 1, 1) et b = (1, −1, 1, −1).
Trouver λ, µ tels que v − u = λa + µb. La distance de u à F est donnée par d2 = kv − uk2 .
– Deuxième méthode :
Montrer que c = √1 (1, 0, −1, 0) et d = √1 (0, 1, 0, −1) forment une base ortonormée de F .
2 2
En déduire que v = p(u) =< c, u > c + < d, v > d.

Indication pour l’exercice 13 [ Retour à l’énoncé ]

Se donner une base orthonormée (e) = e1 , e2 , . . . , en de E.
Remarquer que les f (ej ) sont orthogonaux deux à deux.
Considérer les ei + ej et ei − ej , avec i 6= j, et en déduire que les ek ont même norme..

Jean-Michel Ferrard Colles MP*, semaine 16 (mercredi 8/02/06) Page 6

 Indication pour l’exercice 14 [ Retour à l’énoncé ]
−
→ −
→
Si x ∈ Ker (f + f ∗ ), montrer que f ∗ (x) = 0 . En déduire f (x) = 0 .

Indication pour l’exercice 15 [ Retour à l’énoncé ]

1. Pour tout x de E, montrer que ku(x)k = ku∗ (x)k.

2. Pour tout λ, appliquer ce qui précède à v = u − λId.
3. Se donner deux valeurs propres distinctes et deux vecteurs propres associés x et y.
Considérer < u(x), y > et en déduire l’orthogonalité de x et y.

Matrices symétriques ou orthogonales

Indication pour l’exercice 16 [ Retour à l’énoncé ]
       
1 0 1 0 0 1 0 −1
Dans M2 (R), considérer A = ,B= ,C= et D = .
0 1 0 −1 1 0 1 0
Dans Mn (R) avec n ≥ 2, noter Eij les matrices de la base canonique de Mn (R).
Considérer Fj = In − 2Ejj (pour j ≥ 2). Pour tous i < j noter Gij et Hij les matrices qui se
déduisent respectivement de In et de Fj par échange des lignes d’indice i et j.
Considérer la famille formée de In , des Fj , des Gij et des Hij .

Indication pour l’exercice 17 [ Retour à l’énoncé ]

n P
P n
1. Si A = (aij ) et B = (bij ), montrer que < A, B > = aki bki .
i=1 k=1
2. Montrer que A → AM est orthogonale ⇔ tr ( TABM M) = tr ( TAB), pour tous A, B.
T

Montrer que cela signifie que M est une matrice orthogonale.

Indication pour l’exercice 18 [ Retour à l’énoncé ]

A = S − iI4 , où S est symétrique réelle.
D’après le cours, les valeurs propres de S sont toutes réelles.

Indication pour l’exercice 19 [ Retour à l’énoncé ]

Diagonaliser A. Montrer que les valeurs propres de A sont dans {−1, 1}.

Indication pour l’exercice 20 [ Retour à l’énoncé ]

P n
Majorer S = |aij | en utilisant Cauchy-Schwarz.
i,j=1
Pn
Pour la deuxième majoration, poser T = aij .
i,j=1
n
Soit f ∈ O(R ) de matrice A dans la base canonique. Soit u = (1, 1, . . . , 1).
Vérifier que T = < u, f (u) >. Appliquer à nouveau Cauchy-Schwarz.

Jean-Michel Ferrard Colles MP*, semaine 16 (mercredi 8/02/06) Page 7

 Indication pour l’exercice 21 [ Retour à l’énoncé ]

– Si A = TMM, alors A est symétrique.

Si AX = λX, alors TX TMMX = · · ·.
– Si A est symétrique réelle, la diagonaliser via une matrice de passage orthogonale.
Utiliser alors une “racine carrée” de la réduite diagonale D de A.

Indication pour l’exercice 22 [ Retour à l’énoncé ]

n
P
1. On trouve ϕ(X, Y ) = λi xi yi.
i=1

2. Remarquer que pour tout vecteur Ui de la base orthonormée, ϕ(Ui , Ui ) = λi .

Indication pour l’exercice 23 [ Retour à l’énoncé ]

n
P
Remarquer que a2ij = tr (A2 ) et se souvenir que A est diagonalisable.
i,j=1

Indication pour l’exercice 24 [ Retour à l’énoncé ]

Soit X = (x1 , . . . , xn ) un vecteur propre de A pour λ. Vérifier que TXAX = λ kXk2 .
Z 1 n
T
Pn
xi xj P i−1 2
Montrer également que XAX = i+j−1 = xi t dt.
i,j=1 0 i=1

Jean-Michel Ferrard Colles MP*, semaine 16 (mercredi 8/02/06) Page 8

Corrigés des exercices

Espaces préhilbertiens
Corrigé de l’exercice 1 [ Retour à l’énoncé ]
En élevant au carré, ku + λvk2 ≥ kuk2 .
Autrement dit, pour tout λ de K : 2Re (λ < u, v >) + |λ|2 kvk2 ≥ 0.
Choisissons λ = r < v, u >= r< u, v >, avec r réel, pour se “débarrasser” de la partie réelle.
On obtient, pour tout réel non nul r : (2r + r 2 kvk2 ) |< u, v >|2 ≥ 0.
Si < u, v > n’était pas nul, on en déduirait 2r + r 2 kvk2 ≥ 0 pour tout r non nul, ce qui est
absurde car cette quantité est équivalente à 2r (donc change de signe) au voisinage de l’origine.
On a donc démontré que les vecteurs u et v sont orthogonaux.

Corrigé de l’exercice 2 [ Retour à l’énoncé ]

Evidemment, si f = 0, on a < f (x), x > = 0 pour tout x de E.
Seule la réciproque est intéressante.
On suppose donc que pour tout vecteur x de E, les vecteurs f (x) et x sont orthogonaux.
Le fait que E soit un espace préhilbertien sur C est très important.
En effet si on considère une rotation r d’angle π/2 dans R2 , par exemple, alors on < r(x), x >= 0
pour tout vecteur x, bien que r ne soit pas l’application nulle.
Soient x et y deux éléments quelconques de E.
On va évaluer le produit scalaire de f (x + iy) et de x + iy (dont on sait qu’il est nul) en utilisant
l’hypothèse faite sur f (et sa linéarité) et les propriétés du produit scalaire (linéarité à droite
et semi-linéarité à gauche) :

0 =< f (x + iy), x + iy > = < f (x) + if (y), x + iy > = i < f (x), y > − i < f (y), x >

Donc < f (x), y > = < f (y), x >.

Appliquons la même idée au produit scalaire (nul) < f (x + y), x + y > :

0 =< f (x + y), x + y > = < f (x) + f (y), x + y > = < f (x), y > + < f (y), x >

Donc < f (x), y > = − < f (y), x >.

Les deux résultats obtenus montrent que pour tous x, y de E : < f (x), y > = 0.
Cette égalité étant valable pour tout y, et notamment pour y = f (x), il en résulte f (x) = 0,
pour tout x de E.
L’application f est donc bien l’application nulle.

Jean-Michel Ferrard Colles MP*, semaine 16 (mercredi 8/02/06) Page 9

Corrigé de l’exercice 3 [ Retour à l’énoncé ]
1. En faisant y = 0 dans l’hypothèse, on trouve : ∀x ∈ E, kf (x)k = kxk.
On élève l’égalité (1) au carré et on trouve, pour tout vecteurs x, y de E :

kf (x) − f (y)k2 = kx − yk2

⇒ kf (x)k2 + kf (y)k2 − 2 < f (x), f (y) > = kxk2 + kyk2 − 2 < x, y >
⇒ < f (x), f (y) > = < x, y >

L’application f conserve donc le produit scalaire.

2. On se donne deux vecteurs quelconques x, y et deux scalaires quelconques α, β.
On va développer kf (αx + βy) − αf (x) − βf (y)k2 en utilisant les résultats précédents
(conservation de la norme et du produit scalaire.)

kf (αx + βy) − αf (x) − βf (y)k2

= kf (αx + βy)k2 + α2 kf (x)k2 + β 2 kf (y)k2
− 2α < f (αx + βy), f (x) > −2 β < f (αx + βy), f (y) > + 2αβ < f (x), f (y) >
= kαx + βyk2 + α2 kxk2 + β 2 kyk2
− 2α < αx + βy, x > − 2β < αx + βy, y > + 2αβ < x, y >
= kαx + βyk2 + α2 kxk2 + β 2 kyk2
− 2α2 kxk2 − 2β 2 kyk2 − 4αβ < x, y > + 2αβ < x, y >
= kαx + βyk2 − α2 kxk2 − β 2 kyk2 − 2αβ < x, y > = 0

Ainsi kf (αx + βy) − αf (x) − βf (y)k = 0, pour tous α, β de R et tous x, y de E ce qui

prouve la linéarité de f .
Si E est un espace euclidien, f est donc un automorphisme orthogonal de E.

Corrigé de l’exercice 4 [ Retour à l’énoncé ]

On sait que ku + vk2 = < u + v, u + v > = kuk2 + 2Re < u, v > + kvk2 .
De même :
ku + ivk2 = < u + iv, u + iv > = kuk2 + 2Re (−i < u, v >) + kvk2
= kuk2 + 2Im < u, v > + kvk2

On en déduit :

ku + vk2 + i ku + ivk2 = (1 + i)(kuk2 + kvk2 ) + 2 < u, v >

Autrement dit :
1 
< u, v > = ku + vk2 + i ku + ivk2 − (1 + i) kuk2 + kvk2
2

Jean-Michel Ferrard Colles MP*, semaine 16 (mercredi 8/02/06) Page 10

Corrigé de l’exercice 5 [ Retour à l’énoncé ]
On se donne trois vecteurs quelconque x, y, z, et deux scalaires quelconques α et β. On écrit :
< z, f (αx + βy) > = < f (z), αx + βy > = α < f (z), x > + β < f (z), y >
= α < z, f (x) > + β < z, f (y) > = < z, αf (x) + βf (y) >

Autrement dit la différence f (αx + βy) − (αf (x) + βf (y)) est orthogonale à tout z de E.
Il s’ensuit que cette différence est nulle.
Ainsi f (αx + βy) = αf (x) + βf (y), pour tous x, y de E et tous α, β de K.
Autrement dit f est linéaire.
Si E est un espace euclidien, f est donc un endomorphisme symétrique de E.

Corrigé de l’exercice 6 [ Retour à l’énoncé ]

On pose A = 2(1 + kxk2 )(1 + kyk2 ) et B = 2 + kx + yk2 .

A − B = 2(1 + kxk2 )(1 + kyk2 ) − 2 − kx + yk2

= 2(1 + kxk2 + kyk2 + kxk2 kyk2 ) − 2 − kxk2 − kyk2 − 2 < x, y >
= 2 kxk2 kyk2 + kxk2 + kyk2 − 2 < x, y > = 2 kxk2 kyk2 + kx − yk2
−
→
Donc A − B ≥ 0, ce qui prouve l’inégalité demandée (et il n’y a égalité que si x = y = 0 .)

Corrigé de l’exercice 7 [ Retour à l’énoncé ]

Z 1
On définit un produit scalaire sur E = C([0, 1], R) en posant : < f, g > = f (t)g(t) dt.
0
Soit F le sous-espace de E formé des polynômes de degré inférieur ou égal à 1.
Notons ϕ l’application de E définie par ϕ(t) = t ln t, avec ϕ(0) = 0.
Le problème posé équivaut donc à la recherche de P dans F qui minimise la quantité kϕ − P k.
On sait que ce problème a une solution unique : la projection orthogonale P de ϕ sur F .

< P − ϕ, 1 > = 0
Cette projection est l’unique vecteur P (t) = a + bt de F tel que
< P − ϕ, t > = 0

< P, 1 > = < ϕ, 1 >
Il s’agit donc de résoudre le système (S) :
< P, t > = < ϕ, t >
Z 1 h t2 i1 1 1 Z
1
Or < ϕ, 1 > = t ln t dt = ln t − t dt = − .
0 2 0 2 0 4
Z 1 h t3 i1 1 Z 1 1
De même, < ϕ, t > = t2 ln t dt = ln t − t2 dt = − .
0 3 0 3 0 9
b a b
Enfin, en posant P (t) = a + bt, < P, 1 > = a + et < P, t > = + .
 2 2 3
b 1  1

a + = −
 a = −

2 4 3
Le système (S) est donc équivalent à : ⇔

 a b 1 
b = 1
 + =−
2 3 9 6

Jean-Michel Ferrard Colles MP*, semaine 16 (mercredi 8/02/06) Page 11

Par “Pythagore”, le minimum recherché kϕ − P k est tel que kϕ − P k2 = kϕk2 − kP k2 .
Z 1 i1 2 Z 1 Z
2 2 2
h t3
2 2 2 1 2 2
Or kϕk = t (ln t) dt = (ln t) − t ln t dt = − t ln t dt = .
0 3 0 3 0 3 0 27
Z 1
1 7
De même, kP k2 = (−2 + t)2 dt = .
36 0 108
r √
2 2 7 1 1 3
Le minimum m des I(a, b) vérifie donc m = − = . Ainsi m = = .
27 108 108 108 18

Corrigé de l’exercice 8 [ Retour à l’énoncé ]

n
X X
2
1. Pour tout vecteur ej , on a : 1 = kej k = < ek , ej >2 = 1 + < ek , ej >2 .
k=1 k6=j

On en déduit j 6= k, < ej , ek >= 0. Les vecteurs ek sont donc orthogonaux deux à deux.
2. Soit F le sous-espace de E engendré par les n vecteurs orthonormés e1 , e2 , . . . , en .
Soit p la projection orthogonale de E sur F .
Xn n
X
2
Pour tout u de E, p(u) = < ek , u > ek et donc kp(u)k = < ek , u >2 = kuk2 .
k=1 k=1
2 2 2
On sait d’autre part que kuk = kp(u)k + ku − p(u)k (Pythagore).
−
→
Ainsi u − p(u) = 0 . Autrement dit, pour tout u de E, u = p(u) ∈ F . Donc F = E.
Les vecteurs e1 , e2 , . . . , en forment donc une base orthonormée de E.

Corrigé de l’exercice 9 [ Retour à l’énoncé ]

On raisonne par l’absurde et on suppose qu’un tel polynôme A existe.
Z 1
En utilisant P = XA, on alors < XA, A >= ϕ(XA) = 0, c’est-à-dire tA2 (t) dt = 0.
0
Puisque l’application t → tA2 (t) est continue, de signe constant et d’intégrale nulle sur [0, 1],
cette application est identiquement nulle sur cet intervalle.
Le polynôme A est donc nul sur ]0, 1], donc identiquement nul.
La forme linéaire ϕ est donc nulle, ce qui est absurde car par exemple ϕ(1) = 1.

Corrigé de l’exercice 10 [ Retour à l’énoncé ]

– Supposons que l’hypothèse (a) soit réalisée. Cela signifie que (Im p)⊥ ⊂ Ker p.
Pour tout vecteur x de E, on sait que x − p(x) est dans Ker p.
L’égalité x = p(x) + (x − p(x)) donne alors, par Pythagore :
kp(x)k2 = kxk2 − kx − p(x)k2 ≤ kxk2 , et donc kp(x)k ≤ kxk.
– Réciproquement, on suppose que pour tout x de E, kp(x)k ≤ kxk.
Soient y = p(x) un élément de Im p (donc un vecteur invariant par p) et z un vecteur de
Ker p. Il faut montrer que y et z sont orthogonaux.

Jean-Michel Ferrard Colles MP*, semaine 16 (mercredi 8/02/06) Page 12

 Pour tout scalaire λ, on a l’inégalité kp(λy + z)k2 ≤ kλy + zk2 .
Or p(λy + z) = λp(y) + p(z) = λy, et kλy + zk2 = λ2 kyk2 + 2λ < y, z > + kzk2 .
On en déduit que la fonction affine λ → 2λ < y, z > + kzk2 reste positive ou nulle sur R, ce
qui n’est possible que si le produit scalaire < y, z > est nul.
On a donc démontré (a) ⇔ (b).
– Si E est euclidien, les seules projections de E qui vérifient kp(x)k ≤ kxk pour tout x sont
donc les projections orthogonales c’est-à-dire les projections telles que Ker p = (Im p)⊥ .

Espaces euclidiens
Corrigé de l’exercice 11 [ Retour à l’énoncé ]
Il est clair que l’application nulle est solution. Dans la suite, nous supposerons f 6= 0.
base orthonormée directe de R3 .
Soit e1 , e2 , e3 une 
 e1 = e2 ∧ e3 ⇒ f (e1 ) = f (e2 ∧ e3 ) = f (e2 ) ∧ f (e3 )
On constate que e2 = e3 ∧ e1 ⇒ f (e2 ) = f (e3 ∧ e1 ) = f (e3 ) ∧ f (e1 )

e3 = e1 ∧ e2 ⇒ f (e3 ) = f (e1 ∧ e2 ) = f (e1 ) ∧ f (e2 )
Les vecteurs f (e1 ), f (e2 ), f (e3 ) sont donc orthogonaux deux à deux.

 kf (e1 )k = kf (e2 ) ∧ f (e3 )k = kf (e2 )k kf (e3 )k
Le système ci-dessus donne alors kf (e2 )k = kf (e3 ) ∧ f (e1 )k = kf (e3 )k kf (e1 )k

kf (e3 )k = kf (e1 ) ∧ f (e2 )k = kf (e1 )k kf (e2 )k
L’application f n’étant pas nulle, l’un au moins des vecteurs f (e1 ), f (e2 ), f (e3 ) est non nul. Le
système ci-dessus montre alors que les trois vecteurs f (e1 ), f (e2 ), f (e3 ) sont non nuls.
Si on multiplie deux à deux ces égalités, on trouve kf (e1 )k2 = kf (e2 )k2 = kf (e3 )k2 = 1.
On sait donc maintenant que la famille f (e1 ), f (e2 ), f (e3 ) est une base orthonormée de R3 (ce
qui prouve que f est un automorphisme orthogonal). Enfin l’égalité f (e3 ) = f (e1 )∧f (e2 ) prouve
de plus que f (e1 ), f (e2 ), f (e3 ) est une base orthonormée directe.
L’application f , qui transforme une base orthonormée directe en une base orthonormée directe
est donc une rotation vectorielle de R3 .
Réciproquement, soit f la rotation vectorielle d’angle θ (défini modulo 2π) autour d’un vecteur
unitaire ε1 . On complète ε1 en une base orthonormée directe (ε) = ε1 , ε2 , ε3 .
Soient u, v deux vecteurs quelconques de R3 , de coordonnées (x, y, z) et (x0 , y 0, z 0 ) dans (ε).
En identifiant les éléments de R3 aux vecteurs colonnes de leurs coordonnées dans la base
orthonormée (ε), on peut utiliser l’expression usuelle du produit vectoriel et écrire :
    
1 0 0 x x
f (u) =  0 cos θ − sin θ   y  =  y cos θ − z sin θ 
0 sin θ cos θ z y sin θ + z cos θ

On en déduit :    
x x0
f (u) ∧ f (v) =  y cos θ − z sin θ  ∧  y 0 cos θ − z 0 sin θ 
y sin θ + z cos θ y 0 sin θ + z 0 cos θ
 
yz 0 − zy 0
=  (yx0 − xy 0 ) sin θ + (zx0 − xz 0 ) cos θ 
(xy 0 − yx0) cos θ − (xz 0 − zx0 ) sin θ

Jean-Michel Ferrard Colles MP*, semaine 16 (mercredi 8/02/06) Page 13

    0  0   
x x yz − zy 0 yz 0 − zy 0
Or u ∧ v =  y  ∧  y 0  =  zx0 − xz 0  et f (u ∧ v) =  (zx0 − xz 0 ) cos θ − (xy 0 − yx0 ) sin θ 
z z0 xy 0 − yx0 (zx0 − xz 0 ) sin θ + (xy 0 − yx0 ) cos θ
On trouve bien l’égalité f (u) ∧ f (v) = u ∧ v.
Conclusion : les endomorphismes de l’espace vectoriel euclidien orienté qui “conservent” le
produit vectoriel sont l’application nulle d’une part et les automorphismes orthogonaux positifs
(les rotations vectorielles) d’autre part.

Corrigé de l’exercice 12 [ Retour à l’énoncé ]

– Première méthode :
Soit u = (x, y, z, t) un vecteur de R4 , et v = (x0 , y 0, z 0 , t0 ) sa projection orthogonale sur F .
a = (1, 1, 1, 1) dirige la droite orthogonale à l’hyperplan H d’équation x + y + z + t = 0.
Le vecteur b = (1, −1, 1, −1) dirige la droite orthogonale à l’hyperplan K : x − y + z − t = 0.
le plan engendré par a et b est constitué de vecteurs qui sont tous orthogonaux à F = H ∩ K.
Puisque dim F = dim F ⊥ = 2, L’orthogonal de F est le plan de base a, b.
 0
Il existe donc λ, µ tels que v − u = λa + µb, c’est-à-dire  x =x+λ+µ
 0
On sait que le vecteur v appartient à F . y = y+λ−µ
0 0 0 0 0
Il suffit alors de reporter ces expresssions de x , y , z , t z = z + λ + µ

dans les équations des hyperplans H et K. t0 = t + λ − µ
 0

 x = x + λ + µ = x − 21 (x + z) = 12 (x − z)
 
 y 0 = y + λ − µ = y − 1 (y + t) = 1 (y − t)
x + y + z + t + 4λ = 0 2 2
On obtient puis
x − y + z − t + 4µ = 
 z 0
= z + λ + µ = z − 1
2
(x + z) = 1
2
(−x + z)

 0 1 1
t = t + λ − µ = t − 2 (y + t) = 2 (−y + t)

1 0 −1 0
1 0 1 0 −1 
La matrice de la projection orthogonale sur F est donc M =  
2 −1 0
 1 0 
0 −1 0 1
Soit d la distance de u à F .
1
Alors d2 = kv − uk2 = 2((λ + µ)2 + (λ − µ)2 ) = ((x + z)2 + (y + t)2 ).
2
– Deuxième méthode :
Un système d’équations définissant F est aussi x + z = 0, y + t = 0.
Les vecteurs c = √12 (1, 0, −1, 0) et d = √12 (0, 1, 0, −1) forment une base ortonormée de F .
La projection v de u sur F est donc :      
1 0 x−z
1  0  1
 + (y − t)  1  = 1  y − t 
   
v = p(u) =< c, u > c + < d, v > d = (x − z) 
2  −1  2  0  2 −x + z 

0 −1 −y + t
– Remarque :
On peut trouver d = d(u, F ) sans calculer la projection de u sur F .
En effet si H est un hyperplan de Rn d’équation a1 x1 + · · · + an xn = 0, la distance de
1
u(x1 , x2 , . . . , xn ) à H est |a1 x1 + · · · + an xn |, en notant h = (a1 , a2 , . . . , an ).
khk
( 2
d (u, H) = 41 (x + y + z + t)2
Avec les hyperplans H, K de la méthode 1, on trouve :
d2 (u, K) = 14 (x − y + z − t)2

Jean-Michel Ferrard Colles MP*, semaine 16 (mercredi 8/02/06) Page 14

 Or H et K sont perpendiculaires, car a = (1, 1, 1, 1) et b = (1, −1, 1, −1) sont orthogonaux.
On en déduit en utilisant le théorème de Pythagore :
1 1 1
d2 (u, F ) = d2 (u, H) + d2(u, K) = (x + y + z + t)2 + (x − y + z − t)2 = ((x + z)2 + (y + t)2 )
4 4 2

Corrigé de l’exercice 13 [ Retour à l’énoncé ]

Soit (e) = e1 , e2 , . . . , en une base orthonormée de E.
Remarquons tout d’abord que par hypothèse les vecteurs f (ej ) sont orthogonaux deux à deux.
Nous allons montrer qu’ils ont même norme.
Soient i et j deux indices distincts de {1, . . . , n}.
Les vecteurs ei + ej et ei − ej sont orthogonaux car < ei + ej , ei − ej >= kei k2 − kej k2 = 0.
On en déduit :

0 = < f (ei + ej ), f (ei − ej ) > = < f (ei ) + f (ej ), f (ei ) − f (ej ) > = kf (ei )k2 − kf (ej )k2

Autrement dit, pour tous indices i et j, kf (ei )k = kf (ej )k.

Ainsi il existe un scalaire λ ≥ 0 tel que, pour tout i de {1, . . . , n}, kf (ei )k = λ.
n
X n
X
Dans ces conditions, et pour tous vecteurs u = xi ei et v = yj ej :
i=1 j=1

n
X n
X n
X
< f (u), f (v) > = < xi f (ei ), yj f (ej ) > = xi yj < f (ei ), f (ej ) >
i=1 j=1 i,j=1
n
X n
X
= xi yi kf (ei )k2 = λ2 xi yi = λ2 < u, v >
i=1 i=1

En particulier, pour tout vecteur u de E, kf (u)k = λ kuk.

Corrigé de l’exercice 14 [ Retour à l’énoncé ]

L’inclusion Ker (f ) ∩ Ker (f ∗ ) ⊂ Ker (f + f ∗ ) est évidente car
−
→ −
→
f (x) = f ∗ (x) = 0 ⇒ (f + f ∗ )(x) = 0

Réciproquement, soit x un vecteur de Ker (f + f ∗ ) : il vérifie f ∗ (x) = −f (x).

−
→
kf ∗ (x)k2 = < f ∗ (x), f ∗ (x) > = − < f ∗ (x), f (x) > = − < x, f 2 (x) >= − < x, 0 > = 0

Ainsi le vecteur f ∗ (x) est nul. Mais dans l’hypothèse sur x, les deux applications f et f ∗ jouent
−
→
le même rôle, et on sait que l’adjoint de f ∗ est f . On en déduit donc f (x) = 0 .
On a ainsi prouvé que x est dans Ker (f ) ∩ Ker (f ∗ ), ce qui établit le résultat.

Jean-Michel Ferrard Colles MP*, semaine 16 (mercredi 8/02/06) Page 15

Corrigé de l’exercice 15 [ Retour à l’énoncé ]

1. Pour tout vecteur x de E :

ku(x)k2 = < u(x), u(x) > = < x, u∗ ◦ u(x) > = < x, u ◦ u∗ (x) >
= < u∗ (x), u∗ (x) > = ku∗ (x)k2

On en déduit effectivement l’égalité ku(x)k = ku∗ (x)k.

Dans ces conditions : x ∈ Ker u ⇔ ku(x)k = 0 ⇔ ku∗ (x)k = 0 ⇔ x ∈ Ker u∗ .
Les deux applications u et u∗ ont donc le même noyau.
2. Pour tout scalaire λ, l’application v = u − λId est telle que v ∗ = u∗ − λId.
Ainsi v ◦ v ∗ = v ∗ ◦ v puis Ker (v) = Ker (v ∗ ), donc Ker (u − λId) = Ker (u∗ − λId).
−
→
Autrement dit, ces deux noyaux sont non réduits à { 0 } en même temps, ce qui prouve
que u et u∗ ont les mêmes valeurs propres, et ces deux noyaux sont alors identiques, ce
qui prouve que pour chaque valeur propre λ, u et u∗ ont le même sous-espace propre.
3. Soient λ et µ deux valeurs propres distinctes de u (donc de u∗ ).
Soient x un vecteur propre de u (donc de u∗ ) pour la valeur propre λ et y un vecteur
propre de u (donc de u∗ ) pour la valeur propre µ.
Il faut montrer que x et y sont orthogonaux.
(
< u(x), y > = < λx, y > = λ < x, y >
Or
< u(x), y > = < x, u∗ (y) > = < x, µy > = µ < x, y >
On a ainsi l’égalité λ < x, y >= µ < x, y >, avec λ 6= µ.
Il en résulte l’orthogonalité des vecteurs x et y.
On en déduit l’orthogonalité des sous-espaces propres Eλ et Eµ .

Matrices symétriques ou orthogonales

Corrigé de l’exercice 16 [ Retour à l’énoncé ]
       
1 0 1 0 0 1 0 −1
Dans M2 (R), on pose A = ,B= ,C= et D = .
0 1 0 −1 1 0 1 0
Ces quatre matrices sont orthogonales et linéairement indépendantes.
 
a+b c−d
En effet : aA + bB + cC + dD = 0 ⇔ = 0 ⇔ a = b = c = d = 0.
c+d a−b
On a donc obtenu une base de M2 (R) formée de matrices orthogonales.
Pour la généralisation à Mn (R), remarquons que la réponse est évidente si n = 1 en prenant
la matrice A = (1). On suppose donc n ≥ 2.
On note comme d’habitude Eij la matrice générique de la base canonique de Mn (R) (tous ses
coefficients sont nuls sauf celui qui est situé en ligne i et colonne j et qui vaut 1.)
Pour tout indice j compris entre 2 et n, soit Fj = In − 2Ejj la matrice diagonale dont tous les
coefficients diagonaux valent 1 sauf le j-ème qui vaut −1.
Pour tous indices i et j tels que i < j, on note Gij et Hij les matrices qui se déduisent
respectivement de In et de Fj par échange des lignes d’indice i et j.

Jean-Michel Ferrard Colles MP*, semaine 16 (mercredi 8/02/06) Page 16

Par exemple,
 si n =4 :      
1 0 0 0 0 0 1 0 0 0 −1 0 1 0 0 0
0 1 0 0 0 1 0 0 0 1 0 0 0 0 0 1
F3 =
0
, G13 = , H13 = , G24 = 
0 −1 0 1 0 0 0 1 0 0 0 0 0 1 0
0 0 0 1 0 0 0 1 0 0 0 1 0 1 0 0
1 1
Il y a n − 1 matrices Fj , n(n − 1) matrices Gij et n(n − 1) matrices Hij .
2 2
Si on y ajoute la matrice In , on dispose ainsi de n2 matrices de Mn (R), qui sont toutes ortho-
gonales (vecteurs colonnes unitaires et orthogonaux deux à deux.)
Pour démontrer que ces n2 matrices forment une base de Mn (R), il suffit de prouver qu’elles
sont libres. X X X
On suppose donc qu’on a l’égalité : S = α1 In + αj Fj + λij Gij + µij Hij = 0.
j≥2 i<j i<j
Pour tout couple d’indices i, j avec i < j, la composante de S sur la matrice Eij est λij − µij
et la composante de S sur Eji est λij + µij .
Puisque S = 0, ces deux composantes sont nulles.
Il en est donc de même des coefficients λij et µij .
Il reste donc l’égalité :
X X X X
0 = S = α1 In + αj Fj = α1 In + αj (In − 2Ejj ) = σIn − 2 αj Ejj , où σ = αj
j≥2 j≥2 j≥2 j≥1

La composante Xde S sur la matrice E11 est σ. On en déduit σ = 0.

Il reste alors αj Ejj = 0, ce qui implique α2 = . . . = αn = 0.
j≥2
Conclusion : la famille formée par In , les matrices Fj (pour j ≥ 2) et les matrices Gij et Hij
(pour j > i) est une base de Mn (R) formée de matrices orthogonales.

Corrigé de l’exercice 17 [ Retour à l’énoncé ]

1. Notons aij , bij les coefficients respectifs de A et B.
n
X
Pour tout i, le coefficient d’indice (i, i) de TA · B est aki bki .
k=1
n X
X n
Ainsi < A, B > = aki bki .
i=1 k=1
2
On reconnait le produit scalaire canonique de Rn , une matrice étant identifiée à un
n2 -uplet par lecture de ses coefficients de gauche à droite et de haut en bas.
2. Soit M une matrice quelconque de Mn (R).
L’application A → AM est orthogonale si et seulement si :
∀(A, B) ∈ Mn (R)2 , < AM , BM > = < A, B >
Cela équivaut à : tr ( T (AM)(BM)) = tr ( TAB) ou encore : tr ( TM TABM) = tr ( TAB).
Compte tenu de l’égalité tr (XY ) = tr (Y X) valable pour toutes matrices X et Y , l’égalité
précédente s’écrit tr ( TABM TM) = tr ( TAB), et ceci quelque soient A et B.
En choisissant B = In , on en déduit tr ( TAN) = 0, c’est-à-dire < A, N >= 0, avec
N = M TM − In , et pour toute matrice A de Mn (R).
Cela implique que la matrice N = M TM −In est nulle, c’est-à-dire que M est une matrice
orthogonale. La réciproque est évidente.

Jean-Michel Ferrard Colles MP*, semaine 16 (mercredi 8/02/06) Page 17

Corrigé de l’exercice 18 [ Retour à l’énoncé ]
La matrice A s’écrit A = S − iI4 , où S est une matrice symétrique à coefficients réels.
Dans ces conditions la matrice S est diagonalisable dans R et ses valeurs propres sont donc
toutes réelles.
Il s’ensuit que i ne peut pas être valeur propre de S.
Ainsi det(S − iI4 ) 6= 0, ce qui signifie que A est inversible.

Corrigé de l’exercice 19 [ Retour à l’énoncé ]

On sait que la matrice A est diagonalisable dans R.
Soit P une matrice de passage et D une matrice diagonale telles que D = P −1AP .
L’hypothèse Am = I implique D m = P −1Am P = I.
Ainsi les coefficients diagonaux λ de D (donc les valeurs propres de A) vérifient λm = 1.
Mais on sait que les valeurs propres λ de A sont toutes réelles.
On en déduit λ = ±1 et donc λ2 = 1.
Il en résulte D 2 = I puis A2 = P D 2P −1 = I.

Corrigé de l’exercice 20 [ Retour à l’énoncé ]

Xn X
On majore S = |aij | = αij βij avec αij = 1, βij = |aij | en utilisant Cauchy-Schwarz.
i,j=1 i,j
X X X X n X
X n 
2
L’inégalité S 2 ≤ αij βij2 s’écrit ici : S 2 ≤ n2 a2ij . Or a2ij = a2ij = n.
i,j i,j i,j i,j j=1
|i=1{z }
=1
√
On en déduit effectivement S 2 ≤ n3 , c’est-à-dire S ≤ n n.
P
Pour la deuxième majoration, posons T = ni,j=1 aij , et soit f l’endomorphisme orthogonal de
Rn de matrice A dans la base canonique (e) = e1 , e2 , . . . , en .
On note u le vecteur de composantes 1, 1, . . . , 1 dans cette base.
La somme T s’écrit alors :
Xn Xn  X n X n
T = aij = < u, f (ej ) > = < u, f (ej ) > = < u, f (u) >
j=1 i=1 j=1 j=1

On en déduit, par Cauchy-Schwarz : |T | ≤ kuk kf (u)k, c’est-à-dire |T | ≤ kuk2 .

Or kuk2 = n, ce qui donne le résultat attendu.

Corrigé de l’exercice 21 [ Retour à l’énoncé ]

– Si ∃M telle que A = TMM, alors TA = T( TMM) = TMM = A : A est donc symétrique.
Soit λ l’une de ses valeurs propres et X un vecteur propre associé.
On a λX = AX = TMMX, puis TX TMMX = λ TXX = λ kXk2 .
Mais TX TMMX = T(MX)MX = kMXk2 . Ainsi kMXk2 = λ kXk2 avec kXk2 > 0.
On en déduit que chaque valeur propre de A est positive ou nulle.

Jean-Michel Ferrard Colles MP*, semaine 16 (mercredi 8/02/06) Page 18

– Réciproquement :
Puisque la matrice A est symétrique réelle, elle s’écrit A = TP DP où P est orthogonale et
D diagonale (de coefficients diagonaux successifs les valeurs propres λ1 , . . . , λn de A, toutes
positives ou nulles.)
√
Pour tout indice k, on pose µk = λk . On désigne par ∆ la matrice diagonale dont les
coefficients diagonaux successifs sont les µk .
On a ∆2 = D, puis A = TP ∆2 P = ( TP T∆)∆P = TMM avec M = ∆P .

Corrigé de l’exercice 22 [ Retour à l’énoncé ]

1. Soit (U) = U1 , U2 , . . . , Un une base orthonormée de vecteurs propres de A, pour les valeurs
propres successives λ1 , λ2 , . . . , λn .
Soient x1 , . . . , xn et y1 , . . . , yn les coordonnées de X et de Y dans cette base.
On exprime ϕ(X, Y ) en fonction des xi et des yj :
Pn  Pn  Pn
ϕ(X, Y ) = TXAY = T xi Ui A yj Uj = xi yj TUi AUj
i=1 j=1 i,j=1
n
λi si i = j
Or on peut écrire TUi AUj = TUi λj Uj = λj TUi Uj = λj < Ui , Uj >=
0 sinon
n
P
On en déduit ϕ(X, Y ) = λi xi yi .
i=1

2. Avec ce résultat il est évident que ϕ est une forme bilinéaire symétrique.
n
P
Pour tout X de coordonnées x1 , . . . , xn dans la base (U), on a ϕ(X, X) = λi x2i .
i=1
Si les λi sont tous strictement positifs, alors ϕ est définie positive.
Réciproquement, on remarque que pour tout vecteur Ui , ϕ(Ui , Ui ) = λi .
On en déduit que si ϕ est définie positive, alors tous les λi sont strictement positifs.

Corrigé de l’exercice 23 [ Retour à l’énoncé ]

n
P n P
P n  P n P n 
On constate que a2ij = a2ij = aij aji = tr (A2 ). Or A est diagonalisable.
i,j=1 i=1 j=1 i=1 j=1

Il en est donc de même de A2 , et les valeurs propres de A2 sont λ21 , . . . , λ2n .

L’égalité demandée traduit alors le résultat bien connu selon lequel la trace d’une matrice B
diagonalisable (et plus généralement d’une matrice dont le polynôme caractéristique est scindé)
est égale à la somme de ses valeurs propres.

Corrigé de l’exercice 24 [ Retour à l’énoncé ]

Soit X un vecteur propre de A pour la valeur propre λ, de coefficients successifs x1 , . . . , xn .
D’une part TXAX = TX(λX) = λ TXX = λ kXk2 . D’autre part :
n n
X  n
T
X X 1
XAX = < X, AX > = xi aij xj = xi xj
i=1 j=1 i,j=1
i+j−1

Jean-Michel Ferrard Colles MP*, semaine 16 (mercredi 8/02/06) Page 19

On peut transformer le terme général de la somme précédente :
Z 1 Z 1
1 i+j−2
xi xj = xi xj t dt = (xi ti−1 )(xj tj−1 ) dt
i+j−1 0 0

On en déduit une nouvelle expression de TXAX :

n Z
X 1 Z 1 n
X n
Z 1 X 2
T i−1 j−1 i−1 j−1
XAX = (xi t )(xj t ) dt = (xi t )(xj t ) dt = xi ti−1 dt
i,j=1 0 0 i,j=1 0 i=1

n
X
Puisque le vecteur X est non nul, il en est de même du polynôme P (t) = xi ti−1 .
i=1

On en déduit TXAX > 0, ce qui implique λ > 0, car on a l’égalité TXAX = λ kXk2 .

Jean-Michel Ferrard Colles MP*, semaine 16 (mercredi 8/02/06) Page 20