Espaces préhilbertiens réels, espaces euclidiens (Ab 1, Ab 2)

I Exercices ccp 2015

Analyse 39
X
On note l2 l’ensemble des suites x = (xn ) de nombres réels telles que la série x2n converge.
1. Démontrer que l2 est un sous-espace vectoriel de l’espace vectoriel des suites de nombres réels.

X
2. (a) Démontrez que pour x = (xn ) ∈ l2 et y = (yn ) ∈ l2 , la série xn yn converge.

+∞
X
On pose alors (x|y) = xn y n .
n=0
(b) Démontrer que l’on définit ainsi un produit scalaire dans l2 .
3. On suppose que l2 est muni de ce produit scalaire et de la norme associée.
Soit p ∈ N. Pour tout x = (xn ) ∈ l2 , on pose ϕ(x) = xp .
Démontrer que ϕ est une application linéaire et continue de l2 dans C.
4. On considère l’ensemble F des suites réelles presque nulles .( c’est-àă-dire l’ensemble des suites
réelles dont tous les termes sont nuls sauf peut-àłtre un nombre fini de termes)
Déterminer F ⊥ . (au sens de ( | )).

⊥
Comparer F et F ⊥ .
Algèbre 68
 
1 −1 1
Soit la matrice A = −1 1 −1 .
 

1 −1 1
1. Démontrer que A est diagonalisable de quatre manières :
(a) sans calcul,
(b) en calculant directement le déterminant det(λI3 − A), où I3 est la matrice identité d’ordre
3, et en déterminant les sous-espaces propres,
(c) en utilisant le rang de la matrice,
(d) en calculant A2 .
2. On suppose que A est la matrice d’un endomorphisme u d’un espace euclidien dans une base
orthonormée.

Trouver une base orthonormée dans laquelle la matrice de u est diagonale.

Algèbre 76
Soit E un R-espace vectoriel muni d’un produit scalaire noté ( | ).
p
On pose ∀ x ∈ E, ||x|| = (x|x).
 1. (a) Énoncer et démontrer l’inégalité de Cauchy-Schwarz.
(b) Dans quel cas a-t-on égalité ? Le démontrer.
2. Soit E = {f ∈ C ([a, b] , R)
,Z ∀b x ∈ [a, b] Zf (x) > 0}.
b 
1
Prouver que l’ensemble f (t)dt × dt , f ∈ E admet une borne inférieure m et
a a f (t)
déterminer la valeur de m.
Algèbre 77
Soit E un espace euclidien.
1. Soit A un sous-espace vectoriel de E.

⊥
Démontrer que A⊥ = A.
2. Soient F et G deux sous-espaces vectoriels de E.
(a) Démontrer que (F + G)⊥ = F ⊥ ∩ G⊥ .
(b) Démontrer que (F ∩ G)⊥ = F ⊥ + G⊥ .
Algèbre 78
Soit E un espace euclidien de dimension n et u un endomorphisme de E.
On note (x|y) le produit scalaire de x et de y et ||.|| la norme euclidienne associée.
1. Soit u un endomorphisme de E, tel que : ∀x ∈ E, ||u(x)|| = ||x||.
(a) Démontrer que : ∀(x, y) ∈ E 2 (u(x)|u(y)) = (x|y).
(b) Démontrer que u est bijectif.
2. Démontrer que l’ensemble O(E) des isométries vectorielles de E , muni de la loi ◦ , est un
groupe.
3. Soit u ∈ L(E). Soit e = (e1 , e2 , ..., en ) une base orthonormée de E.
Prouver que : u ∈ O(E) ⇐⇒(u(e1 ), u(e2 ), ..., u(en )) est une base orthonormée de E.
Algèbre 79
Soit a et b deux réels tels que a<b.

1. Soit h une fonction continue et positive de [a, b] dans R.

Z b
Démontrer que h(x)dx = 0 =⇒ h = 0 .
a
2. Soit E le R-espace vectoriel des fonctions continues de [a, b] dans R.
Z b
2
On pose, ∀ (f, g) ∈ E , (f |g) = f (x)g(x)dx.
a
Démontrer que l’on définit ainsi un produit scalaire sur E.
Z 1
√ −x
3. Majorer xe dx en utilisant l’inégalité de Cauchy-Schwarz.
0

Algèbre 80
Soit E l’espace vectoriel des applications continues et 2π-périodiques de R dans R.
Z 2π
1
1. Démontrer que (f | g) = f (t) g (t) dt définit un produit scalaire sur E.
2π 0
2. Soit F le sous-espace vectoriel engendré par f : x 7→ cos x et g : x 7→ cos (2x).

Déterminer le projeté orthogonal sur F de la fonction u : x 7→ sin2 x.

 Algèbre 81
On définit dans M2 (R) × M2 (R) l’application ϕ (A, A0 ) = tr (t AA0 ), où tr (t AA0 ) désigne la trace
0
la matrice t!
du produit de ( A par la matrice
) A.
a b
On note F = , (a, b) ∈ R2 .
−b a

On admet que ϕ est un produit scalaire sur M2 (R) .

1. Démontrer que F est un sous-espace vectoriel de M2 (R).
2. Déterminer une base de F ⊥ . !
1 1
3. Déterminer la projection orthogonale de J = sur F ⊥ .
1 1
4. Calculer la distance de J àă F.
Algèbre 82
Soit E un espace préhilbertien et F un sous-espace vectoriel de E de dimension finie n > 0.
On admet que pour tout x ∈ E, il existe un élément unique y0 de F tel que x − y0 soit orthogonal à
F et que la distance
! de x à F soit !égale àă kx − y0 k.
0 0
a b a b
Pour A = et A0 = , on pose (A | A0 ) = aa0 + bb0 + cc0 + dd0 .
c d c0 d0
1. Démontrer que ( . | . ) est un produit scalaire sur M2 (R).
!
1 0
2. Calculez la distance de la matrice A = au sous-espace vectoriel F des matrices
−1 2
triangulaires supérieures.
Algèbre 92
Soit n ∈ N∗ . On considère E = Mn (R) l’espace vectoriel des matrices carrées d’ordre n.
On pose ∀(A, B) ∈ E 2 , hA , Bi = tr(tAB) où tr désigne la trace et tA désigne la transposée de la
matrice A.
1. Prouver que h , i est un produit scalaire sur E.
2. On note Sn (R) l’ensemble matrices symétriques de E et An (R) l’ensemble des matrices antisy-
métriques de E.
(a) Prouver que E = Sn (R) ⊕ An (R).
(b) Prouver que Sn (R) = An (R)⊥ .
3. Soit F l’ensemble des matrices diagonales de E.
Déterminer F ⊥ .

Algèbre 93
Soit E un espace vectoriel euclidien de dimension 3, orienté par la base orthonormée (i, j, k).
Soit f 
l’endomorphisme deE dont la matrice dans la base (i, j, k) est
√
3 1 6
1 √ 
A=  1 3 − 6.
4 √ √
− 6 6 2
1. (a) Prouver que f est un endomorphisme orthogonal.
(b) Déterminer l’ensemble des vecteurs invariants par f .
2. En déduire la nature de f ainsi que ses éléments caractéristiques.
II Généralités, orthogonalité, projections
– Faire des dessins.
– Lorsque des hypothèses sont données faisant intervenir la norme, penser à élever au carré : le carré
de la norme euclidienne se manipule beaucoup plus facilement que la norme euclidienne.
– Jusqu’à présent, lorsque l’on devait démontrer qu’un extremum était atteint, on pensait à des
arguments de continuité et compacité. Pour l’unicité, souvent les arguments sont de convexité ou
de calcul de dérivée (ou de différentielle) pour la recherche de points critiques. Il faut maintenant
penser, pour des problèmes de minimum, au théorème de projection sur un sous-espace de dimen-
sion finie. Si on pense que c’est cela qu’il faut appliquer, on définit un produit scalaire convenable
et un sous-espace qui permet de résoudre le problème.
– Les problèmes de polynômes orthogonaux interviennent dans de nombreux énoncés.
– L’orthonormalisation de Schmidt peut souvent être remplacée par une orthogonalisation, plus
légère. Il faut avoir présente à l’esprit l’interprétation de l’orthonormalisation de Schmidt en termes
de projection orthogonale.
– Pour démontrer qu’un vecteur d’un espace préhilbertien réel est nul, on montrer souvent qu’il est
orthogonal à tout vecteur, ou encore qu’il est orthogonal à lui-même.

Exercice 1 (Oral Mines). Soit p un projecteur d’un espace euclidien E (on suppose p 6= Θ).
Démontrer que p est un projecteur orthogonal si et seulement si

∀x ∈ E kp(x)k ≤ kxk

Exercice 2 (Oral Mines). Calculer

nZ +∞ o
inf (x3 + ax2 + bx)2 e−2x ; (a, b) ∈ R2
0

(le calcul effectif est un peu pénible, on se contentera de donner une méthode efficace !)

Exercice 3. Soit A une matrice de Mn (R), Sn le sous-espace de Mn (R) formé des matrices symé-
triques. Déterminer X 
2
inf (Ai,j − Mi,j ) .
M ∈Sn
i,j

Dans ce genre d’exercice qui se pose à l’oral, l’important est d’identifier un problème de projection
orthogonale. Comme dans l’exercice précédent. Ensuite, il faut trouver la réponse aux questions
suivante : dans quel espace ? ici, assez clairement, dans Mn (R). Pour quel produit scalaire ? ici, le
produit scalaire canonique, qui est donné par
X
Ui,j Vi,j = Tr U T V


(U |V ) =
i,j
Sur quel sous-espace ? sur Sn (R). Une bonne idée est de déterminer une base orthonormale de Sn (R)
pour ce produit scalaire canonique. Une meilleure est de montrer que, pour ce produit scalaire
canonique,
Sn (R)T = An (R)
Alors le théorème de projection orthogonale dit que la borne inférieure recherchée est un minimum,
atteint en un point unique :
1
M = PSn (R) (A) = (A + AT )
2
et valant
1 1 X
k (A − AT )k2 = (Ai,j − Aj,i )2
2 4 2
(i,j)∈J1,nK

Exercice 4 (Projection sur un convexe fermé, CCP 2001 par exemple).

On désigne par C une partie convexe non vide d’un espace euclidien E.
1. On suppose C compacte. Démontrer que pour tout élément x de E il existe un unique élément
y de C, que l’on note p(x), tel que :

||x − y|| = inf ||x − z|| (= d(x, C)).

z∈C

Le fait que la norme soit euclidienne ne sert que pour l’unicité.

2. On suppose seulement C fermée. Démontrer que le résultat précédent est encore vrai.
3. Soit y un élément de C ; démontrer que
   
y = p(x) ⇐⇒ ∀z ∈ C hy − x, y − zi ≤ 0


(pour =⇒, on pourra écrire que, si z ∈ C, pour tout t ∈ [0, 1], p(x) + t z − p(x) ∈ C).
4. En déduire, si x et x0 sont deux éléments de E :

||p(x) − p(x0 )||2 ≤ hx − x0 , p(x) − p(x0 )i

puis démontrer que p est continue.

Exercice 5 (Oral X, écrit Mines, un Z 1produit scalaire sur l’espace des polynômes). On
considère le produit scalaire (P, Q) 7−→ P (t) Q(t) dt sur R[X].
0
1. Vérifier qu’il s’agit bien d’un produit scalaire.
2. Montrer qu’il existe une suite orthonormale (Pn )n∈N d’éléments de R[X] telle que deg(Pn ) = n
pour tout n.
3. Soit n ≥ 2. On suppose que Pn possède k racines de multiplicité impaire dans ]0, 1[, a1 , . . . , ak ,
avec k < n.
k
Y
(a) Vérifier que, si Q = (X − ai ), alors (Pn |Q) = 0
i=1
 (b) En écrivant (Pn |Q) sous forme intégrale, aboutir à une contradiction.
(c) Démontrer que Pn est scindé à racines simples, et que ses racines sont toutes dans ]0, 1[.
4. On fixe n ∈ N∗ . Soit α1 , . . . , αn les racines de Pn . Montrer qu’il existe des réels λ1 , . . . , λn tels
que, pour tout P ∈ Rn−1 [X], on ait
Z 1 n
X
P (t) dt = λi P (αi )
0 i=1

Donner une expression de ces scalaires en fonction des intégrales sur [0, 1] des Lk , où les Lk
désignent les polynômes interpolateurs de Lagrange associés à la famille (α1 , . . . , αn ).
5. On reprend les notations de la question précédente. En utilisant la division euclidienne par Pn ,
montrer que
Z 1 X n
∀P ∈ R2n−1 [X] P (t) dt = λi P (αi ) .
0 i=1

Ce type de résultat est à la base des méthodes de Gauss pour les calculs approchés d’intégrales.

Exercice 6. 1. Vérifier que l’égalité suivante définit un produit scalaire sur l’espace des fonctions
polynômes réelles : Z 1
1
hP, Qi2 = √ P (t)Q(t)dt
−1 1 − t2
On rappelle que les polynômes de Tchebychev sont définis par la relation, valable pour tout n
entier naturel et tout réel θ :
Tn (cos θ) = cos nθ.
Démontrer que la famille (Tn )n∈N est une famille orthogonale ce produit scalaire.
2. Soit E l’espace C([−1, 1], R). Montrer que, si (f, g) ∈ E 2 ,
Z 1
1
hf, gi2 = √ f (t)g(t)dt
−1 1 − t2
est bien défini. Montrer que l’on construit ainsi un produit scalaire sur E, et que la famille
(Tn )n∈N est totale.

Exercice 7. Soit E l’espace vectoriel des applications continues de [−1, 1] dans R, que l’on munit
du produit scalaire Z 1
(f, g) 7−→ f (t) g(t) dt .
−1

1. Soit f un élément de E, Rn sa projection orthogonale sur l’espace des fonctions polynômes de

degré inférieur ou égal à n. Démontrer que la suite (Rn )n∈N converge vers f dans E.
2. Donner un exemple de suite totale dans E.
3. Démontrer qu’il existe une famille (Pn )n∈N orthonormale de fonctions polynômes vérifiant, pour
tout n, deg(Pn ) = n.
 4. Démontrer que, pour tout élément f de E,
+∞
X
2
kf k = hf, Pn i2
n=0

Exercice 8. Vérifier que l’égalité suivante définit un produit scalaire sur l’espace des fonctions
polynômes réelles : Z +∞
2
hP, Qi = e−t P (t)Q(t)dt
−∞

Démontrer qu’il existe une unique suite orthogonale de polynômes (Pn )n∈N , tels que pour tout n, Pn
soit unitaire (i.e. de coefficient dominant égal à 1) de degré n.
Démontrer qu’il existe deux suites (λn ) et (µn ) de réels telles que, pour tout entier naturel n ≥ 2,

Pn = (X − λn )Pn−1 − µn Pn−2

(indication : décomposer XPn1 dans la base des Pk ).

Exercice 9 (Déterminants de Gram : exercices d’oral et problèmes d’écrit, dont CCP


06). Si u1 , . . . , un sont n vecteurs d’un espace préhilbertien réel E, h., .i , on définit leur matrice de
Gram, G(u1 , . . . , un ), comme la matrice carrée d’ordre n dont le coefficient en ligne i et colonne j est
hui , uj i.
1. Démontrer que si la famille (u1 , . . . , un ) est liée alors le déterminant de sa matrice de Gram est
nul (on pourra commencer par supposer que un s’écrit comme combinaison linéaire des autres
ui ).
2. On suppose maintenant (u1 , . . . , un ) libre, et on considère (e1 , . . . , en ) une base orthonormale
de
V ect(u1 , . . . , un ). On note :
A = M(e1 ,...,en ) (u1 , . . . , un ).
(a) Exprimer G = G(u1 , . . . , un ) à l’aide d’un produit faisant intervenir A et sa transposée.
(b) Montrer que le déterminant de G est strictement positif.
3. On suppose la famille (u1 , . . . , un ) libre ; on désigne par F le s.e.v. engendré par (u1 , . . . , un ),
et par x un vecteur de E. Démontrer :


 2 det G(u1 , . . . , un , x)
d(x, F ) =

det G(u1 , . . . , un )


On pourra par exemple, dans le calcul de det G(u1 , . . . , un , x) écrire
x = (x − z) + z, z désignant le projeté orthogonal de x sur F .

Exercice 10 (décomposition QR, oral X, Mines).

1. En utilisant le procédé d’orthonormalisation de Schmidt, démontrer que, si A est une matrice

inversible carrée d’ordre n à coefficients réels, il existe une matrice Q orthogonale d’ordre n et
une matrice R triangulaire supérieure à coefficients réels telle que

A = QR

(on interprétera A comme matrice de passage de la base canonique à la base des vecteurs
colonnes, et on orthonormalisera cette dernière).

Si (c1 , . . . , cn ) est la famille des vecteurs colonnes de A, A est la matrice de passage de la base
canonique BC de Rn à la base C = (c1 , . . . , cn ). On munit Rn du produit scalaire canonique
(pour lequel, donc, BC est orthonormale). Soit B une base orthonormale de Rn obtenue à partir
de C par le procédé de Schmidt. On a alors, avec des notations habituelles :

PCBC = PBBC PCB

Mais PBBC , matrice de passage d’une base orthonormale à une bas orthonormale, est orthogonale.
Et l’algorithme de Schmidt garantit que, pour tout k,

ck ∈ Vect(e1 , . . . , ek )
 où l’on note B = (e1 , . . . , en ) (on a en effet, pour tout k,

Vect(e1 , . . . , ek ) = Vect(c1 , . . . , ck ) )

et donc. . .ça marche.

2. Expliquer l’intérêt de la décomposition A = QR pour la résolution d’un système AX = B.

On écrit le système équivalent RX = QT B, c’est un système triangulaire.

3. Y-a-t-il unicité de la décomposition ?

Visiblement non, vu le (petit) choix dans l’algorithme de Schmidt. Mais allons plus loin : à
quelle condition a-t-on
QR = Q0 R0
où Q et Q0 sont orthogonales, R et R0 triangulaires supérieures inversibles ?
On remarque que l’égalité étudiée équivaut à

Q0−1 Q = R0 R−1

où le premier membre est une matrice orthogonale, le second une matrice triangulaire supé-
rieure. Le problème est donc : quelles sont les matrices à la fois orthogonales et triangulaires
supérieures ? construisons une telle matrice : son premier vecteur colonne, unitaire et dont
seule la première composante est possiblement non nulle, est donc (±1, 0, . . . , 0). Son deuxième
vecteur colonne est orthogonal au premier, sa première composante est donc nulle. Donc seule
sa deuxième composante est non nulle, et vaut nécessairement ±1 car il est unitaire. Ainsi de
suite. . .Bref,
On (R) ∩ Tn+ (R) = {D ;  ∈ {−1, 1}n }
où, si  = (1 , . . . , n ), D = diag(1 , . . . , n ). On conclut que

QR = Q0 R0 ⇔ ∃ ∈ {−1, 1}n R0 = D R et Q0 = QD

(on s’est servi du fait que D était sa propre inverse). Grosso modo, cela signifie que dans deux
décompositions QR, au signe près on retrouve les mêmes coefficients.

4. On veut montrer l’inégalité de Hadamard : si M est une matrice carrée réelle, (c1 , . . . , cn ) la
famille de ses vecteurs colonnes, ||.|| la norme euclidienne canonique sur Rn , alors

| det M | ≤ ||c1 || . . . ||cn ||

(a) Montrer l’inégalité lorsque M n’est pas inversible.

Le premier membre est nul, le second membre est positif.

 (b) On suppose M inversible, on l’écrit M = QR où Q est une matrice orthogonale et R une
matrice triangulaire supérieure. Si (γ1, . . . , γn ) est la famille des vecteurs colonnes de R,
si q est l’endomorphisme de Rn canoniquement associé à Q, exprimer γk à l’aide de q et
de ck

ck = q(γk )

(c) Conclure

Donc, pour tout k, kck k = kγk k. Or, pour tout k,

v
u k
uX
2
kγk k = t Ri,k ≥ |Rk,k |
i=1

Il suffit alors de remarquer que

n
Y
|Rk,k | = |det(R)| = |det(M )|
k=1

(d) Peut-il y avoir égalité dans l’inégalité de Hadamard ?

Oui. Si et seulement si la matrice R est diagonale, d’après ce qui précède. Et donc si et

seulement si les colonnes de M forment une famille orthogonale.

Exercice 11 (Matrices de Householder et décomposition QR). On se permet dans cet exercice

d’identifier un vecteur u de Rn et la matrice colonne U de ses composantes dans la base canonique.
L’espace Rn est muni de sa structure euclidienne canonique. On définit la matrice :
2
H(u) = In − U tU
||u||2
où u est un vecteur non nul de Rn et on la confond avec l’endomorphisme de Rn qui lui est canoni-
quement associé.
1. Démontrer que, pour tout vecteur x de Rn ,
2

H(u)(x) = x − u|x u
||u||2

Quelle est la nature géométrique de l’endomorphisme H(u) ?

2. Soit A une matrice carrée réelle inversible d’ordre n. Soit c1 le premier vecteur colonne de
A. Déterminer u tel que H(u)c1 soit une colonne de la forme t (||c1 ||, 0, . . . , 0). En déduire un
algorithme permettant d’obtenir une décomposition QR de A.
Exercice 12 (Oral Mines). Soit, dans E préhilbertien réel, (ui )i∈I une famille de vecteurs unitaires
de E tels que, si i 6= j, kui − uj k = 1. Montrer qu’une telle famille est libre. Si E est de dimension
finie n, peut-on trouver une famille de n vecteurs ayant ces propriétés ?

Exercice 13 (Produit scalaire sur un espace de variables aléatoires). Soit (Ω, A, P ) un

espace probabilisé dénombrable, tel que

∀ω ∈ Ω P ({ω}) 6= 0

On notera L2 l’ensemble des variables aléatoires réelles sur (Ω, A, P ) qui admettent un moment
d’ordre 2.
1. Montrer que L2 est un espace vectoriel, et que

(X|Y ) = E(XY )

définit un produit scalaire sur cet espace.

2. Si X ∈ L2 , déterminer le projeté orthogonal de X sur l’espace des variables aléatoires constantes.
Déterminer la distance de X à cet espace.
3. A partir de la question précédente, retrouver la formule

V (aX + b) = a2 V (X)

4. Si X et Y sont deux éléments de L2 , Y non constante, déterminer la projection orthogonale de

X sur {aY + b ; (a, b) ∈ R2 }. Calculer la distance de X a ce plan.
5. Si X et Y sont deux éléments de L2 , on définit leur coefficient de corrélation linéaire :

Cov(X, Y )
ρ(X, Y ) =
σ(X)σ(Y )

Montrer que ρ(X, Y ) ∈ [−1, 1]. Quand ce coefficient est-il égal à ±1 ?

6. Soit X, Y deux éléments de L2 . On note
 
 X 
F = Z ∈ L2 ; ∃(ax )x∈X(Ω) ∈ RX(Ω) Z= ax 1(X=x)
 
x∈X(Ω)

déterminer, s’il existe, le projeté orthogonal de Y sur F (on suppose, pour tout x, P (X = x) 6=
0).
III Isométries vectorielles, endomorphismes symétriques
– L’outil principal pour l’étude des endomorphismes symétriques (ou matrices symétriques) est le
théorème fondamental ou théorème spectral, dont on se sert sous forme matricielle ou sous forme
vectorielle.


– Si A est la matrice de u dans la base orthonormée des ei , on a ai,j = ei | u(ej ) .

Exercice 14 (Matrices symétriques positives, définies positives). Exercice important. . .On

traitera indépendamment les questions matricielles (les trois premières) et les questions vectorielles
(les deux dernières)
1. On dit qu’une matrice symétrique M ∈ Sn (R) est positive lorsque

∀X ∈ Mn,1 (R) XT M X ≥ 0

On note Sn+ (R) l’ensemble des matrices symétriques positives.

Montrer qu’une matrice symétrique est positive si et seulement si toutes ses valeurs propres
sont dans R+ .

Soit M ∈ Sn (R). Par théorème spectral, il existe P ∈ On (R) et D diagonale dans Mn (R)
telles que
M = P DP −1 = P DP T
Alors

∀X ∈ Mn,1 (R) X T M X ≥ 0 ⇔ ∀X ∈ Mn,1 (R) X T P DP T X ≥ 0

⇔ ∀Y ∈ Mn,1 (R) Y T DY ≥ 0

car l’application X 7→ P T X est une bijection de Mn,1 (R) dans lui-même (un automorphisme,
même), de réciproque Y 7→ P Y . Or, avec des notations « évidentes »,
n
X
T
Y DY = di yi2
i=1

et Sp(M ) = {di ; 1 ≤ i ≤ n}. Si tous les di sont positifs, alors ∀Y ∈ Mn,1 (R) Y T DY ≥ 0,
et réciproquement, en prenant les Y dans la base canonique de Mn,1 (R).

2. Montrer que tous les coefficients diagonaux d’une matrice symétrique positive sont positifs.
Donner un exemple de matrice symétrique positive dont tous les coefficients sont strictement
négatifs sauf les coefficients diagonaux.

Soit S ∈ Sn (R) positive. Si les Ei sont les vecteurs de la base canonique de Mn,1 (R), pour tout
i on a
EiT SEi = Si,i
d’où la réponse à la première question. Rappelons d’autre part que, si J est une matrice n × n
dont tous les coefficients sont égaux à 1, les valeurs propres de J (qui est symétrique réelle,
c’est la manière la plus simple de dire qu’elle est daigonalisable) sont 0 et n. On en déduit donc,
 si α ∈ R, que les valeurs propres de In − αJ sont 1 et 1 − nα. Il suffit de choisir α = 1/n pour
répondre à la deuxième question.

3. On dit qu’une matrice symétrique M ∈ Sn (R) est définie positive lorsque

∀X ∈ Mn,1 (R) \ {(0)} XT M X > 0

On note Sn++ (R) l’ensemble des matrices symétriques positives.

Caractériser par leur spectre les éléments de Sn++ (R) parmi les éléments de Sn (R).

Les calculs de la première question montrent que les éléments de Sn++ (R) sont les éléments de
Sn (R) dont les valeurs propres sont toutes strictement positives.

4. Soit (E, (.|.)) un espace euclidien, u un endomorphisme symétrique de E. On dit que u est
symétrique positif lorsque
∀x ∈ E (x|u(x)) ≥ 0
Montrer qu’un endomorphisme symétrique u est positif si et seulement si
Sp(u) ⊂ R+ .

Le théorème spectral donne l’existence d’une base orthonormale de vecteurs propres de u. Soit
B = (e1 , . . . , en ) une telle base. Pour tout i, u(ei ) = λi ei , et Sp(u) = {λ1 , . . . , λn }. Soit x ∈ E.
Xn
Décomposons x dans la base B : x = xi ei . Alors
i=1

n n
! n
X X X
(x|u(x)) = xi ei | λ i xi e i = λi x2i
i=1 i=1 i=1

5. Définir et caractériser un endomorphisme symétrique « défini positif »

Soit (E, (.|.)) un espace euclidien, u un endomorphisme symétrique de E. On dit que u est symétrique
défini positif lorsque
∀x ∈ E \ {0E } (x|u(x)) > 0
Un endomorphisme symétrique u est défini positif si et seulement si
Sp(u) ⊂ R+
∗.

Exercice 15 (Formule variationnelle). Soit u un endomorphisme symétrique d’un espace vectoriel

euclidien E. Montrer que l’application
(x|u(x))
x 7−→
kxk2
atteint sur E \ {0E } un minimum et un maximum, les exprimer en fonction des valeurs propres de u.
Traduire ce résultat matriciellement.
Exercice 16 (Adjoint). Soit (E, (.|.)) un espace euclidien, B une base orthonormale de E, u un
endomorphisme de E. On note A = MB (u), et on note u∗ l’endomorphisme de E tel que MB (u∗ ) = AT .
1. Montrer que u∗ est l’unique endomorphisme de E tel que

∀(x, y) ∈ E 2 (u(x)|y) = (x|u∗ (y))

2. Déterminer le noyau et l’image de u∗ en fonction du noyau et de l’image de u.

3. Si u ∈ S(E), que vaut u∗ ?
4. Si u ∈ O(E), que vaut u∗ ?
5. Montrer qu’un sous-espace vectoriel F est stable par u si et seulement si F ⊥ est stable par u∗ .

Exercice
  17 (Oral Mines). Soit A une matrice orthogonale carrée d’ordre n. Soit U la colonne
1
1
  X
 . . Exprimer
. ai,j à l’aide de U et de A. En déduire :
. i,j
1
X
ai,j ≤ n .
i,j

Y-a-t-il des cas d’égalité ?

Exercice 18 (étude d’une suite d’endomorphismes). Soit E un espace euclidien, u une isométrie
vectorielle de E, on définit v = IdE − u.
1. Démontrer que ker v = (im v)⊥ .
2. On définit
n−1
1X k
Pn = u .
n k=0


Démontrer que Pn (x) n∈N
converge, pour tout élément x de E, vers la projection orthogonale
de x sur ker v.

Exercice 19 (Connexité par arcs de SO(2)). ! une application continue φ de [0, 1]

1. Définir
cos θ sinθ
dans SO(2) telle que φ(0) = I2 et φ(1) =
sin θ cos θ
2. On considère M ∈ SO(n) (n ≥ 2). En utilisant la réduction des isométries vectorielles,
construire une application t 7→ M (t), de [0, 1] dans SO(n), continue, telle que M (0) = In
et telle que M (1) = M (on dit que SO(n) est connexe par arcs).
3. Montrer que, si M ∈ SO(n) et M 0 ∈ O(n) \ SO(n), il n’existe pas d’application ψ continue sur
[0, 1], à valeurs dans O(n), telle que ψ(0) = M et ψ(1) = M 0
Exercice 20 (Produit scalaire canonique sur Mn (R)).

1. Démontrer que l’application (A, B) 7→ Tr(AT B) est un produit scalaire sur Mn (R).
2. On note ||.|| la norme associée. Calculer la norme d’une matrice en fonction de ses coefficients.
3. En utilisant une inégalité de Cauchy-Schwarz, montrer que pour toutes matrices A et B dans
Mn (R),
kABk ≤ kAk kBk

4. Si A est une matrice symétrique, écrire ||A|| en fonction des valeurs propres de A.
5. Quel est, pour ce produit scalaire, l’orthogonal de l’espace des matrices symétriques ?

Exercice 21 (racine carrée d’une matrice symétrique positive, décomposition polaire).

La décomposition polaire d’un endomorphisme est analogue à la décomposition trigonométrique
d’un nombre complexe (forme module-argument). C’était un grand classique lorsque les matrices
symétriques positives et les endomorphismes symétriques positifs étaient au programme.

On dit qu’une matrice symétrique (respectivement un endomorphisme autoadjoint) est positive (res-
pectivement positif) lorsque toutes ses valeurs propres sont positive.

Soit E un espace euclidien de dimension n.

1. Si A est une matrice symétrique positive, montrer qu’il existe B symétrique positive telle que

B2 = A

Que dire de B si A est supposée définie positive, i.e. si toutes ses valeurs propres sont strictement
positives ?
2. Soit u un endomorphisme symétrique positif.
(a) Etablir l’existence d’un endomorphisme h symétrique positif telle que h2 = u.
(b) En utilisant le fait que, si h2 = u, h et u commutent, démontrer l’unicité de h. Que peut-on
dire de h si u est défini positif ?
3. Montrer qu’une matrice M ∈ Sn (R) est symétrique positive si et seulement si

∀X ∈ Mn,1 (R) XT M X ≥ 0

En déduire que l’ensemble des matrices symétriques positives est fermé dans Mn (R).
Montrer que M ∈ Sn (R) est définie positive si et seulement si

∀X ∈ Mn,1 (R) \ {(0)} XT M X > 0

4. Soit A ∈ GLn (R).

(a) Vérifier que AT A est une matrice symétrique définie positive.
(b) Démontrer qu’il existe un couple (Q, S) de matrices, la première orthogonale et la seconde
symétrique définie positive, telles que A = QS.
 5. Montrer que GLn (R) est dense dans Mn (R).
6. Montrer que O(n) est compact.
7. Soit A ∈ Mn (R). Démontrer, en utilisant les questions précédentes, qu’il existe un couple (Q, S)
de matrices, la première orthogonale et la seconde symétrique positive, telles que A = QS.

Exercice 22.

1. On dit qu’une matrice symétrique est positive lorsque toutes ses valeurs propres sont positives.
Montrer qu’une matrice symétrique positive admet une « racine carrée » symétrique positive
(on ne demande pas d’examiner l’unicité).
2. Si A est symétrique positive et inversible, démontrer que A s’écrit

A = C tC

où C est triangulaire inférieure (décomposition de Choleski).

On pourra utiliser l’exercice sur la la décomposition QR.

Exercice 23 (Oral X). Soit E un espace euclidien de dimension n.

1. Soit B = (e1 , . . . , en ) une base orthonormale de E. Montrer
n
X
∀u ∈ L(E) tr(u) = (ei |u(ei ))
i=1

2. Soit h un endomorphisme symétrique positif dont les valeurs propres sont toutes positives.
Démontrer que, pour toute isométrie vectorielle w,

| tr(wh) | ≤ tr(h)

Exercice 24. 1. Soit λ1 , . . . , λn des réels positifs. Démontrer que

n
hY i1/n hYn i1/n
(1 + λi ) ≥1+ (λi )
i=1 i=1

2. On dit qu’une matrice symétrique est positive lorsque toutes ses valeurs propres sont positives.
Montrer qu’une matrice symétrique positive admet une « racine carrée » symétrique positive
(on ne demande pas d’examiner l’unicité).
3. Utiliser les questions précédentes pour montrer que, si A est symétrique positive d’ordre n,
 1/n  1/n
det(In + A) ≥ 1 + det(A)

puis que, si A et B sont symétriques positives,

 1/n  1/n  1/n
det(A + B) ≥ det(A) + det(B)

(on remarquera que seul le cas où au moins l’une des deux matrices est inversible est intéressant.
Si A est symétrique positive inversible, on écrira, en notant A1/2 la « racine carrée » de A et
A−1/2 son inverse B = A1/2 A−1/2 BA−1/2 A1/2 et on se ramènera à l’inégalité précédente.


Exercice 25 (exponentielle d’une matrice symétrique). Montrer que l’exponentielle d’une
matrice symétrique réelle est une matrice symétrique dont toutes les valeurs propres sont strictement
positives. Enoncer et démontrer une réciproque.

Exercice 26. Montrer que les éléments de SO(2) sont les exponentielles des matrices de A2 (R).

Exercice 27 (endomorphismes antisymétriques). On dira qu’un endomorphisme u de l’espace

euclidien E est antisymétrique lorsque

∀(x, y) ∈ E 2 (u(x)|y) = − (x|u(y))

On note A(E) l’ensemble des endomorphismes antisymétriques de E. Il est assez clair que c’est un
s.e.v. de L(E).
1. Démontrer que u est antisymétrique si et seulement si, pour tout vecteur x de E, u(x) est
orthogonal à x.
2. Quelles sont les valeurs propres possibles pour un endomorphisme antisymétrique ? peut-il être
diagonalisable ?
3. Soit A la matrice de l’endomorphisme u dans une base orthonormale. A quelle propriété de A
reconnaît-on que l’endomorphisme u est antisymétrique ?
4. Démontrer que L(E) est somme directe de l’espace des endomorphismes antisymétriques et de
l’espace des endomorphismes symétriques. Quelles sont les dimensions de ces deux espaces ?
5. Démontrer que, si u est antisymétrique, il existe une base orthonormale de E dans laquelle la
matrice de u est diagonale par blocs du type
 
λ1 J

 ... 
 !

..
 0 −1
où J =
 
 . 
  1 0

 λr J 
0

Exercice 28 (étude géométrique d’endomorphismes). On considère, dans un espace vectoriel

euclidien orienté de dimension 3, les endomorphismes dont les matrices dans une base orthonormée
directe sont :    √ √ √ 
0 −1 0 2+ 3 − 2 2− 3
1 √ √ √ 
0 0 −1 , 2 2 3 − 2 
 
4 √ √ √

−1 0 0 2− 3 2 2+ 3
   √ 
2 2 1 3 1 6
1 1 √ 
1 −2 2  ,  1 3 − 6

3 4 √ √
2 −1 −2 − 6 6 2
Déterminer leurs natures géométriques et leurs éléments caractéristiques, bref les « réduire ».
Exercice 29 (Même chose à l’envers). Ecrire, dans R3 muni de sa structure euclidienne canonique
orientée, la matrice de la rotation d’angle π/4 autour du vecteur (1, 0, −1).

Exercice 30 (Oral Mines). Dans R3 euclidien, montrer que

 
p q r
r p q 
 

q r p

est la matrice d’une rotation si et seulement si p, q et r sont les racines d’un polynôme à déterminer.

Exercice 31. Démontrer que l’application

1
r
1−t
Z
(P, Q) 7−→ P (t)Q(t) dt
−1 1+t

définit un produit scalaire sur l’espace E des fonctions polynômes de degré inférieur ou égal à n (n
est un entier supérieur ou égal à 2).Démontrer que l’endomorphisme L de E défini par

L(P ) = (X 2 − 1)P 00 + (2X + 1)P 0

est autoadjoint pour le produit scalaire considéré. Déterminer ses valeurs propres.

Exercice 32 (Oral Mines, X). Soit E un espace vectoriel euclidien. Démontrer que l’ensemble P
des projecteurs orthogonaux de E est compact. Trouver les extremums de (p, q) 7→ tr(pq) sur P 2 .

Exercice 33 (d’après Ulm-Cachan 01). Soit S une matrice n×n réelle symétrique définie positive
(i.e. dont toutes les valeurs propres sont strictement positives), et u ∈ Rn . On confond les vecteurs
de Rn et les vecteurs colonnes de leurs composantes dans la base canonique.
1. Montrer que S − u tu est une matrice positive si et seulement si tuS −1 u ≤ 1. on commencera
par traiter le cas S = In , puis on utilisera dans le cas général une « racine carrée » de S.
2. Montrer l’équivalence des deux propriétés suivantes :
(A) Il existe x 6= 0 tel que tx S x = (tx u)2
(B) tu S −1 u ≥ 1
Pour une implication, on pourra utiliser le fait que si une application φ est continue sur Rn à
valeurs réelles, alors φ(Rn ) est un intervalle.

Exercice 34. Soit A, B deux matrices symétriques dont toutes les valeurs propres sont strictement
positives.
 1. Montrer qu’il existe une matrice A0 symétrique, dont toutes les valeurs propres sont strictement
positives, et telle que A02 = A.
2. Démontrer que AB est diagonalisable.
3. Démontrer que l’application
XT A X
X 7−→
XT X
atteint un minimum et un maximum sur Mn,1 (R)\{(0)}, et exprimer ces extremums en fonction
du spectre de A
4. Montrer que les valeurs propres de AB sont comprises entre le produit des plus petites valeurs
propres de A et B et le produit des plus grandes.

Exercice 35 (Oral X). Si S et T sont deux matrices symétriques dont toutes les valeurs propres
sont positives, montrer que tr(ST ) ≥ 0.

Exercice 36. Soit u, v deux endomorphismes symétriques d’un espace de dimension n : E. On

suppose que toutes les valeurs propres de u et de v sont positives. Démontrer que
p
n n det(uv) ≤ tr(uv) ≤ tr(u) tr(v) .

Exercice 37 (ens). Soit A ∈ Sn (R), de valeurs propres λ1 , . . . , λn , supposées strictrement positives,

et f convexe sur R+
∗ . Montrer que, pour tout i, ai,i > 0 puis que

n
X n
X
f (ai,i ) ≤ f (λi )
i=1 i=1

Qu’obtient-on si l’on prend f = − ln ?

Exercice 38 (Oral X). Sur Sn (R), on définit la relation ≤ par : A ≤ B ⇔ B − A ∈ Sn+ (R) où
Sn+ (R) est l’ensemble des matrices symétriques dont les valeurs propres sont positives.
1. Montrer que M ∈ Sn (R est symétrique positive si et seulement si

∀X ∈ Mn,1 (R X T AX ≥ 0

2. Montrer que ≤ est une relation d’ordre sur Sn (R).

3. Montrer que toute suite croissante et majorée dans (Sn (R, ≤) est majorée.
4. Si A ∈ Sn++ (R) et X ∈ Mn,1 (R), calculer

sup{2hX, Y i − hAY, Y i ; Y ∈ Mn,1 (R)}

où Sn++ (R) désigne l’ensemble des matrices symétriques dont toutes les valeurs propres sont
strictement positives.
 5. En déduire que A ≤ B ⇒ A−1 ≥ B −1 quels que soient A et B dans Sn++ (R)

Z 1
2
f (t)g(t) + f 0 (t)g 0 (t) dt.a.


Exercice 39. Centrale Soit E = C ([0, 1], R), et φ : (f, g) 7→
0
Montrer que φ est un produit scalaire.b. Soit V = {f ∈ E , f (0) = f (1) = 0}, W = {f ∈ E , f =
f 00 }. Montrer que E = V
L
W ; quelle est la projection orthogonale sur W ?c. Soit Eα,β = {f ∈
E , f (0) = α et f (1) = β}. Déterminer
nZ 1
o
Inf f 2 (t) + f 02 (t) dt .
f ∈Eα,β 0