MQ 2016 2017

Université de Ngaoundéré The University of Ngaoundere
Faculté des Sciences Faculty of Science

Département de Physique Department of Physics
MECANIQUE QUANTIQUE
SML5PH01
Cours L3PH
Dr. FIFEN Jean Jules
Année Académique 2016-2017

TABLE DES MATIÈRES
1 Espaces vectoriels et Matrices 1

1.1 Espace vectoriel, sous-espaces vectoriels . . . . . . . . . . . . . . . . . . . . . . . 1
1.2 Applications linéaires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.2.1 Définition et premières propriétés . . . . . . . . . . . . . . . . . . . . . . 5
K
1.2.2 Cas particulier : F = (Formes linéaires et dualité) . . . . . . . . . . . . 7
1.3 Notion de Matrice. Matrice d’une application linéaire . . . . . . . . . . . . . . . . 14
1.3.1 Notion de Matrice. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
1.3.2 Matrice d’une application linéaire . . . . . . . . . . . . . . . . . . . . . . 16
1.3.3 Opération sur les matrices . . . . . . . . . . . . . . . . . . . . . . . . . . 18
1.3.4 Calcul Matriciel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
2 Déterminants 32
2.1 Le groupe symétrique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
2.1.1 Structure de Sn . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
2.1.2 Transposition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
2.1.3 Cycles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
2.2 Applications multilinéaires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
2.2.1 Généralités . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
2.2.2 Applications multilinéaires alternées . . . . . . . . . . . . . . . . . . . . . 38
2.3 Déterminant d’une famille de n vecteurs dans une base d’un ev de dimension n . . 40
2.3.1 Espace Λn (E) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40
2.3.2 Propriétés . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
2.4 Déterminant d’un endomorphisme . . . . . . . . . . . . . . . . . . . . . . . . . . 43
2.5 Déterminant d’une matrice carrée . . . . . . . . . . . . . . . . . . . . . . . . . . 45
2.6 Développement par rapport à une rangée . . . . . . . . . . . . . . . . . . . . . . . 48
2.6.1 Cofacteurs et mineurs . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48
ii
TABLE DES MATIÈRES TABLE DES MATIÈRES
2.6.2 Comatrice . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 52
2.7 Calcul des déterminants . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54
2.7.1 Déterminant d’une matrice triangulaire . . . . . . . . . . . . . . . . . . . 55
2.7.2 Manipulation des lignes et des colonnes . . . . . . . . . . . . . . . . . . . 55
2.7.3 Cas n = 2, n = 3 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57
2.7.4 Déterminant d’une matrice triangulaire par blocs . . . . . . . . . . . . . . 57
2.8 Système affines . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 58
2.8.1 Position du problème . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 58
2.8.2 Résolution dans le cas d’un système de Cramer . . . . . . . . . . . . . . . 59
3 Réd. des endo et des matrices 61

3.1 Eléments propres . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 61
3.2 Sommes- Sommes directes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 63
3.3 Polynôme caractéristique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 64
3.4 Diagonalisation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 67
4 Formes bilinéaires symétriques 77

4.1 Formes bilinéaire . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 77
4.2 matrice d’une fbs dans une base . . . . . . . . . . . . . . . . . . . . . . . . . . . 78
4.3 Changement de base pour une fbs . . . . . . . . . . . . . . . . . . . . . . . . . . 79
4.4 Formes sesquilinéaires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 84
4.4.1 Transconjugaison . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 85
4.4.2 matrices hermitiennes . . . . . . . . . . . . . . . . . . . . . . . . . . . . 86
4.5 la notion de produit scalaire . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 87
4.5.1 Diverses caractérisations d’une base orthonormale . . . . . . . . . . . . . 89
5 Qubits et états quantiques 90

5.1 Qubit ou bit quantique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 90
5.2 Phenomènes quantiques : interférences à une particule . . . . . . . . . . . . . . . 92
5.2.1 Fentes d’Young . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 93
5.2.2 Interférométrie de Mach Zehnder . . . . . . . . . . . . . . . . . . . . . . 95
5.2.3 Chat Schrödinger . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 98
6 Formalisme de la mécanique quantique 100

6.1 Espace des états quantiques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 100
6.1.1 Vecteur d’état et observable . . . . . . . . . . . . . . . . . . . . . . . . . 100
6.1.2 Commutateur de deux opérateurs . . . . . . . . . . . . . . . . . . . . . . 101
6.1.3 Opérateurs hermitien . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 102
6.1.4 Opérateurs de projection . . . . . . . . . . . . . . . . . . . . . . . . . . . 103
iii
TABLE DES MATIÈRES TABLE DES MATIÈRES
6.2 ECOC . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 105

6.2.1 Observables qui commutent . . . . . . . . . . . . . . . . . . . . . . . . . 105
6.2.2 ECOC . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 107
6.2.3 Mesures expérimentales et ECOC . . . . . . . . . . . . . . . . . . . . . . 109
6.3 Postulats de la mécanique quantique . . . . . . . . . . . . . . . . . . . . . . . . . 110
6.3.1 Postulats fondamentaux . . . . . . . . . . . . . . . . . . . . . . . . . . . 110
6.3.2 Opérateur correspondant à une grandeur physique . . . . . . . . . . . . . . 110
6.3.3 Probabilité d’obtention d’une valeur propre lors d’une mesure . . . . . . . 111
6.3.4 Valeurs moyennes d’une observable . . . . . . . . . . . . . . . . . . . . . 113
6.4 Propriétés des observables . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 114
6.4.1 Évolution de la valeur moyenne d’une observable . . . . . . . . . . . . . . 114
6.4.2 Constante du mouvement . . . . . . . . . . . . . . . . . . . . . . . . . . . 115
6.5 Mesure de grandeurs physiques . . . . . . . . . . . . . . . . . . . . . . . . . . . . 116
6.6 Opérateurs d’évolution et états stationnaires . . . . . . . . . . . . . . . . . . . . . 117
6.6.1 Cas des systèmes conservatifs . . . . . . . . . . . . . . . . . . . . . . . . 117
6.7 Inégalités d’Heisenberg . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 121
7 Représentations particulières 123

7.1 Distribution de Dirac et fonction δ . . . . . . . . . . . . . . . . . . . . . . . . . . 123
7.1.1 Fonctions tendant vers une fonction δ . . . . . . . . . . . . . . . . . . . . 124
7.2 Transformation de Fourier . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 125
7.2.1 Propriétés de la transformation de Fourier . . . . . . . . . . . . . . . . . . 128
7.2.2 Convolution et transformation de Fourier . . . . . . . . . . . . . . . . . . 129
7.2.3 Forme intégrale de la fonction δ . . . . . . . . . . . . . . . . . . . . . . . 130
7.3 représentation |αi . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 131
iv
TABLE DES FIGURES
1.1 Diagramme de la multiplication d’une matrice m × n A par une matrice n × q B. . . 21

1.2 Diagrammes des différentes étapes de la multiplication de deux matrices 2 × 2. . . 22
5.1 Codage quantique. Le qubit |ψi = α|0i + β |1i (avec α = cos θ2 , β = ei ϕ sin θ2 et
|α|2 + |β |2 = 1), offre une description différente des systèmes physiques. Les états
binaires classiques sont aux pôles de la sphère. Il opère dans un univers multidi-
mensionnel, ses états propres correspondent à la surface de la sphère, alors que les
états logiques classiques correspondent aux pôles de cette sphère. . . . . . . . . . 91
5.2 Qubit représenté par deux états électroniques d’un atome. . . . . . . . . . . . . . . 92
5.3 Dispositif des fentes de Young et interférence lumineuse. . . . . . . . . . . . . . . 93
5.4 Figures d’interférence obtenues avec des électrons uniques. Le nombre d’électrons
sur le détecteur augmente au cours du temps. Le temps d’exposition entre la figure
(a) et la figure (d) est multiplié par 20. (a) 8 électrons ; (b) 270 électrons ; (c) 2000
électrons ; (d) 6000 électrons. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 94
5.5 Expériences de Mach Zehnder 1 et 2. . . . . . . . . . . . . . . . . . . . . . . . . . 95
5.6 Expériences de Mach Zehnder 3 et 4. . . . . . . . . . . . . . . . . . . . . . . . . . 96
5.7 Le chat de Schrödinger dans la boîte d’acier. Tant que la boîte reste fermée, le chat
est dans un état superposé mort et vivant. . . . . . . . . . . . . . . . . . . . . . . . 99
v
LISTE DES TABLEAUX
vi
CHAPITRE 1
ESPACES VECTORIELS ET MATRICES
Sommaire
1.1 Espace vectoriel, sous-espaces vectoriels . . . . . . . . . . . . . . . . . . . . . 1
1.2 Applications linéaires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.2.1 Définition et premières propriétés . . . . . . . . . . . . . . . . . . . . . 5
1.2.2 Cas particulier : F = K (Formes linéaires et dualité) . . . . . . . . . . . 7
1.3 Notion de Matrice. Matrice d’une application linéaire . . . . . . . . . . . . . 14
1.3.1 Notion de Matrice. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
1.3.2 Matrice d’une application linéaire . . . . . . . . . . . . . . . . . . . . . 16
1.3.3 Opération sur les matrices . . . . . . . . . . . . . . . . . . . . . . . . . 18
1.3.4 Calcul Matriciel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
1.1 Espace vectoriel, sous-espaces vectoriels

Définition 1.1
On appelle espace vectoriel sur un corps K, tout ensemble E muni de deux lois de compo-
sition :
• une loi interne, application de E × E dans E, notée ∗
• une loi externe, application de K × E dans E, qu’on notera ⊥

De plus, ces lois satisfont aux axiomes suivants :
1. (E, ∗) est un groupe commutatif (c’est-à-dire ∗ est interne, associative, commutative,

admet un élément neutre et tout élément de E admet un symétrique)
1
Chapitre 1. Espaces vectoriels et Matrices 1.1. Espace vectoriel, sous-espaces vectoriels
K
2. ∀(λ , µ) ∈ 2 , ∀x ∈ E, λ ⊥(µ⊥x) = (λ ⊥µ)⊥x et e⊥x = x ; e étant l’élément
K
neutre de ( , ⊥)
3. ⊥ est distributive par rapport à ∗ dans E et par rapport à ∗ dans K:

K
∀(α, β ) ∈ 2 , ∀(x, y) ∈ E 2 ,
(α ∗ β )⊥x = (α⊥x) ∗ (β ⊥x) (1.1)

α⊥(x ∗ y) = (α⊥x) ∗ (β ⊥x) (1.2)
Les éléments de E sont appelés vecteurs, ceux de K scalaires.

Remarque 1.1
Généralement, on travaille dans le cas particulier où ∗ est l’addition (+) et ⊥ la multiplica-

tion externe (.). Ainsi les axiomes 1)-3) peuvent se réécrire comme suit :
1. (E, +) est un groupe commutatif (OE est l’élément neutre et le symétrique d’un élé-
ment est son opposé).
2.
∀λ , µ ∈ K, ∀x ∈ E, λ .(µ.x) = (λ µ).x (1.3)

∀x ∈ E, 1.x = x (1.4)
3.
∀α, β ∈ K, ∀x, y ∈ E, (α + β ).x = α.x + β .x (1.5)

α.(x + y) = α.x + α.y (1.6)
Tous les ensembles vectoriels que l’on utilise sont des sous-espaces vectoriels d’un en-
semble vectoriel, c’est-à-dire qu’ils sont des sous-ensembles sur lesquels on applique
localement les opérations de l’espace entier.
Théorème 1.1 sous-espace vectoriel

Soit E un espace vectoriel et F ⊂ E un sous-ensemble non vide de E. L’ensemble F est un
Mécanique Quantique 2015-2016 : c Dr. FIFEN J. J. Licence de Physique Page 2

sev de E sur K si et seulement si :

(
∀x, y ∈ F x+y ∈ F
∀x ∈ F, ∀α ∈K αx ∈ F
(1.7)
Démonstration
Parmi les 8 propriétés de la définition 1.1, celles qui ne font intervenir que le quantificateur ∀
(associativités, commutativité, distributivités), puisqu’elles sont vraies dans E, restent vraies
dans F à cause de 1.7. Il suffit donc de vérifier les 2 propriétés impliquant une existence
(élément neutre et opposé). Nous devons démontrer que F contient le vecteur nul, ainsi
que l’opposé de tout vecteur de F. Le vecteur nul OE s’écrit O.u pour tout vecteur u de F.
Comme F est non vide, le vecteur nul est donc dans F. De même si u est un vecteur de F,
alors son opposé, qui s’écrit (−1)u est aussi dans F.
Familles liées, familles libres, familles génératrices, bases

Soit E un K-ev et I un ensemble quelconque d’indices.
Définition 1.2 Famille liée
Soit {ai }i∈I une famille d’éléments de E. La famille {ai }i∈I est linéairement dépendante
ou liée s’il existe des scalaires {λ j } j∈I non tous nuls, tels que :
∑ λi ai = 0 (1.8)
i∈I
Autrement dit, s’il existe une combinaison linéaire "non triviale" des {ai }i∈I qui est nulle ; Une
telle relation est une relation de dépendance linéaire entre les vecteurs. On dit aussi que les vecteurs
{ai }i∈I sont linéairement dépendants.
Dans le cas où il n’existe pas de relation de dépendance linéaire, on dit que la famille {ai }i∈I est
libre ou linéairement dépendante ou encore que les vecteurs a1 , . . . , ai , . . . forment un système
libre. On dit alors aussi que les vecteurs sont linéairement indépendants.
Lemme 1.1
La famille {ai }i∈I est libre si et seulement si pour toute famille finie de scalaire {λ j } j∈J⊂I ,
on a :
∑ λ j a j = 0 ⇒ ∀ j ∈ J, λ j = 0. (1.9)
j∈J

Remarque 1.2
1. Par convention, on dira que la famille vide est libre.
2. On notera aussi que la famille {OE } est liée.
Lemme 1.2
La famille de vecteurs {ai }i∈I est liée si et seulement l’un des vecteurs ai peut s’écrire
comme combinaison linéaire des autres.
Lemme 1.3
Si la famille {ai }i∈I est liée, ∀ω ∈ E, la famille {ai }i∈I ∪ {ω} est liée. En particulier, toute
famille qui contient le vecteur nul est liée.
Définition 1.3 Famille génératrice
Soit {ai }i∈J une famille de vecteurs de E. {ai }i∈J est une famille génératrice de E si et
seulement si :
∀x ∈ E, ∃{λ j } j∈J / x = ∑ λ j a j (1.10)
j∈J
On dit alors que la famille {ai }i∈J engendre E ou est un système générateur de E. Alors on
écrit E = Vect(a1 , a2 , . . . , ai , . . . )
Définition 1.4 Bases

Un système de vecteurs {vi }i∈I est une base de E s’il est à la fois libre et générateur de E.
Proposition 1.1
Si un espace vectoriel E est engendré par un système de n vecteurs, alors tout système de
n + 1 vecteurs de E est lié.
Théorème 1.2
Si E admet une base formée de n vecteurs, alors toute base de E sera de n vecteurs.
Définition 1.5
On dit qu’un espace vectoriel E 6= {0} est de dimension finie s’il admet au moins une famille
génératrice finie.
Proposition 1.2
Un ev de dimension finie admet une base finie.

Définition 1.6 Dimension d’un ev

La dimension de E est le nombre de vecteurs (ou cardinal) d’une base de E.
Remarque 1.3
Lorsque l’on parle de famille de vecteurs libres ou liées, l’ordre des vecteurs n’a pas d’im-
portance. Par contre s’agissant de bases, on considérera que deux systèmes constitués de
mêmes vecteurs, écrits dans un ordre différent, sont deux bases distinctes. C’est pourquoi,
on préférera noter une base sous la forme (ai )i∈I plutôt que {ai }i∈I .
Pour la suite, on considérera que notre ev est de dimension finie et I = {1, 2, . . . , n}

Théorème 1.3
Soit E un ev et B = (ei )i∈I une base de E. Alors,
∀u ∈ E, ∃ !(λi )i∈I ∈ K/ u = ∑ λi ei
i∈I
Les scalaires λ1 , . . . , λn sont appelés coordonnées de u dans la base B. ∀i ∈ I , λi est la i-ième

coordonnée de u dans la base B
Démonstration
Le fait que B est une famille génératrice assure l’existence des λi , i ∈ I. La seule chose à
monter est donc l’unicité de ce n-uplet. Pour celà, supposons qu’il y ait deux tels n-uplets :
λ1 , . . . , λn d’une part, µ1 , . . . , µn d’autre part. On peut donc écrire
u = ∑ λi ei = ∑ µi ei
i∈I i∈I
⇒ ∑ (λi − µi) ei = 0
i∈[I]
⇒ λi = µi , ∀i ∈ I car B est libre.
Proposition 1.3
Soit E un K-ev de dimension finie n.
• Si L est un système libre de n vecteurs de E, alors L constitue une base de E.
• Si G est un système générateurs de E constitué de n vecteurs, alors il constitue une

base de E.

Chapitre 1. Espaces vectoriels et Matrices 1.2. Applications linéaires
1.2 Applications linéaires
1.2.1 Définition et premières propriétés
Rappelons qu’une application f : E 7−→ F d’un ensemble E vers un ensemble F associe

à tout élément x ∈ E, un élément et un seul y ∈ F. En termes de "structures", seules sont
intéressantes les applications qui, en un sens à préciser, préservent la structure.
Définition 1.7
Soient E et F deux espaces vectoriels sur K. Une application f : E 7−→ F est linéaire
si :
1. ∀u, v ∈ E, f (u + v) = f (u) + f (v)

2. ∀a ∈ K, ∀u ∈ E, f (a.u) = a. f (u)
Remarque 1.4
(1) et (2) peuvent être regroupées en une seule :
∀a, b ∈ K, ∀u, v ∈ E, f (au + bv) = a f (u) + b f (v).

Propriété 1.1
Si f : E 7−→ F est linéaire, alors :
(i) ∀u ∈ E, f (−u) = − f (u);
(ii) f (0) = 0 ;
K,
n n
(iii) ∀u1 , . . . , un ∈ E, λ1 , . . . , λn ∈ f ( ∑ λi ui ) = ∑ λi f (ui )
i=1 i=1
Exemple 1.1
1) IdE , projections, (x, y) 7−→ (y, x) sont des applications linéaires,

2) f : R2 7−→ R2 , (x, y) 7−→ (x + y, x − y) est linéaire ;
3) f : R 7−→ R, x 7−→ 2x est linéaire ;
4) f : R 7−→ R, x 7−→ x2 n’est pas linéaire.

Vocabulaire
. Une application linéaire d’un espace vectoriel dans lui-même est appelé endomorphisme.
. Une application linéaire bijective est un isomorphisme.
. Un endomorphisme bijectif s’appelle automorphisme.
. On notera L (E, F) ou F E l’ensemble des applications linéaires de E dans F.
Remarque 1.5
L’ensemble L (E, F) de toutes les applications linéaires du K-ev E vers le K-ev F peut-être
muni d’une structure d’espace vectoriel sur par K
. addition : f + g : E 7−→ F, ( f + g)(u) = f (u) + g(u), ∀u ∈ E
. multiplication externe : a. f : E 7−→ F, (a. f )(u) = a. f (u) ∀a ∈ K, et ∀u ∈ E.
1.2.2 Cas particulier : F = K (Formes linéaires et dualité)

Définition 1.8
Une application linéaire d’un K-ev E dans son corps de base K s’appelle forme linéaire.
ϕ : E 7−→ K/ ∀(x, y) ∈ E 2, ∀λ ∈ K, ϕ(λ x + y) = λ ϕ(x) + ϕ(y)
Proposition 1.4
Si B = (ei )i∈[n] est une base de E, alors les applications "coordonnéees" pri : E 7−→ R
définies par pri (x1 e1 + · · · + xn en ) = xi sont linéaires.
Proposition 1.5
Si B = (ei )i∈[n] est une base de E, alors toute forme linéaire sur le K.ev E, f : E 7−→ K, est
définie par :
n n
f ( ∑ xi ei ) = ∑ xi f (ei ).
i=1 i=1
Proposition 1.6
Toute application linéaire est définie par ses valeurs sur une base.

Démonstration
Qu’est ce que celà signifie ? Considérons f : E 7−→ F une application linéaire et B =
(e1 , . . . , en ) une base de E. Nous prétendons qu’il suffit de connaître les seules images des
n
éléments de la base pour déterminer entièrement f . En effet, soit x = ∑ xi ei un vecteur
i=1
n n
quelconque de E. Soient ∀i ∈ [n], bi = f (ei ) ∈ F. Alors : f (x) = f ( ∑ xi ei ) = ∑ xi f (ei ) .
i=1 i=1
Autrement dit, lorsque l’on connaît les images f (ei ) des ei , on connaît l’image par f de tout
vecteur x ∈ E.
Remarque 1.6
0
Les f (ei ) sont des vecteurs de F, par conséquent, en choississant une base B = (g1 , . . . , gm )
m
de F, on peut aussi écrire les f (ei ) dans cette base : f (ei ) = ∑ α ji g j . A f est donc aussi
j=1
associée une "matrice" à m lignes et n colonnes qui détermine f de manière unique.
Rappelons que si f : E 7−→ F et g : F 7−→ G sont deux applications, on peut les composer
pour faire une application, notée g ◦ f de E dans G définie ainsi :
g ◦ f : E 7−→ F
x 7−→ (g ◦ f )(x) = g( f (x))
Lemme 1.4
La composée g ◦ f de deux applications linéaires f : E 7−→ F et g : F 7−→ G est une appli-
cation linéaire de E 7−→ G
Proposition 1.7
Si f : E 7−→ F est une application linéaire bijective, il existe une application linéaire
g : F 7−→ E telle que g ◦ f = IdE et f ◦ g = IdF . L’application g ainsi définie est appelée
application réciproque de f et notée f −1
Espace dual
Définition 1.9 Espace dual
K K
L’espace dual d’un -ev E est l’ensemble L (E, ) des formes linéaires sur E. L’espace
K K
dual du -ev E est donc un -ev. Il est noté E ∗ . Si E est de dimension finie, E et E ∗ sont
isomorphes.

Si f est un élément de E ∗ et x un élément de E, on écrit parfois h f , xi pour f (x). Cette notation

est dite crochet de dualité.
Base duale
dimE = n
Proposition 1.8
Soit B = (e1 , . . . , en ) une base de E. On note (e∗1 , . . . , e∗n ) les formes linéaires coordonnées
dans la base E . Auterment dit, on a he∗i , e∗j i = δi j . Alors B ∗ = (e∗1 , . . . , e∗n ) est une base de
E ∗.
∀ j ∈ [n], e∗i (e j ) = δi j
En conséquence, dimE ∗ = dimE.
Démonstration
D’abord, les e∗i (1 ≤ i ≤ n) sont bien des éléments de E ∗ . Soient ϕ ∈ E ∗ , (λ1 , . . . , λn ) ∈ Kn ,
on a :
n n
∑ λi e∗i = ϕ ⇔ (∀ j ∈ {1, . . . , n}, ( ∑ λi e∗i ) j = ϕ(e j ))
i=1
i=1
⇔ (∀ j ∈ [n], λ j = ϕ(e j ))
Ceci montre que (e∗i , . . . , e∗n ) est une base de E ∗ , et de plus :
n
ϕ = ∑ ϕ(ei )e∗i
i=1
E ∗ est de dimension finie, et dim(E ∗ ) = dimE

Définition 1.10
La base E ∗ de E ∗ est appelée base duale de la base E de E.
n
si x ∈ E, alors x = ∑ he∗i , xi ei
i=1
n
si l ∈ E ∗, alors l = ∑ hl, ei i e∗i
i=1

Formes bilinéaires
K
Dans ce qui suit, = R donc E est un R − ev de dimension finie.
Soit f une application de E × E dans R ( f ∈ L (E × E R )) et par Q l’application de E dans R
définie par Q(x) = f (x, x).
Définition 1.11 Forme bilinéaire
L’application f est appelée forme bilinéaire si et seulement si pour tout y fixé dans E,
l’application qui à y associe f (x, y) est linéaire, et si, pour tout x fixé dans E, l’application
qui à y associe f (x, y) et linéaire.
Autrement dit :
∀x, x0 , y, y0 ∈ E, ∀λ , µ ∈ R,
f (λ x + µx0 , y) = λ f (x, y) + µ f (x0 , y)
f (x, λ y + µy0 ) = λ f (x, y) + µ f (x, y0 )
Remarque 1.7
Si f est bilinéaire, on a : ∀x, y ∈ E, ∀y ∈ R,
f (0, x) = f (x, 0) = ϕ(0) = 0, ϕ(λ 0) = λ ϕ(0) ∀λ ∈ K ϕ(0) ⇒ ϕ(0) = 0

Q(λ x) = λ 2 Q(x)
Q(x + y) = Q(x) + f (x, y) + f (y, x) + Q(y)
Définition 1.12 Forme bilinéaire symétrique
Une forme bilinéaire f est dite symétrique, si,
∀x, y ∈ E, f (x, y) = f (y, x)
Dans ce cas, l’application Q est appelée forme quadratique associée à f .
Vecteurs orthogonaux pour une forme bilinéaire symétrique f
Définition 1.13
Deux vecteurs x et y sont dits orthogonaux pour f si
f (x, y) = 0

De la relation Q(x + y) = Q(x) + 2 f (x, y) + Q(y),il résulte immédiatement le théorème de Py-

thagore.
Théorème 1.4 Vecteurs orthogonaux
Deux vecteurs x et y sont orthogonaux pour f ssi :
Q(x + y) = Q(x) + Q(y)
Définition 1.14 Orthogonal d’un ensemble

Si A est une partie non vide de E, on appelle, orthogonal de A (pour f ) l’ensemble
A⊥ = {x ∈ E/ f (x, y) = 0, ∀y ∈ A}
Théorème 1.5
L’orthogonal de A est un ev sur R.
Démonstration
En effet, si x et x0 sont dans A⊥ et si λ et µ ∈ R, ∀y ∈ A
f (λ x + µx0 , y) = λ f (x, y) + µ f (x0 , y) = 0,
et donc
λ x + µx0 ∈ A⊥
Définition 1.15 Noyau de f
On appelle noyau de f , l’orthogonal E ⊥ de E pour f ie l’ensemble des éléments de E

orthogonaux à tous les éléments de E.
En particulier, les éléments de E ⊥ sont orthogonaux à eux-même.

Définition 1.16 Vecteur isotrope
On appelle vecteur isotrope un vecteur orthogonal à lui-même, ie tel que f (x, x) = 0 ou

Q(x) = 0
Définition 1.17 Espaces vectoriels orthogonaux

Deux espaces vectoriels E et G seront dits orthogonaux, si ∀x, y ∈ E × G, les vecteurs x et
y sont orthogonaux.

Définition 1.18
Une forme bilinéaire symétrique f est dite non dégénérée si le noyau de f est réduit à OE .
Définition 1.19
Une forme bilinéaire symétrique de f est dite positive si,
∀x ∈ E, Q(x) ≥ 0
Proposition 1.9
Une forme bilinéaire symétrique est non dégénérée, si et seulement si Q(x) est nul unique-
ment si x est nul.
Si f est dégénérée, le sous-espace E ⊥ n’est pas réduit à zéro et ses éléments sont des vecteurs
isotropes. Il existe donc x non nul, tel que Q(x) soit nul.
Réciproquement, si f n’est pas dégénérée, soit x un vecteur isotrope. On a alors, ∀y ∈ E, λ ∈
R,
0 ≤ Q(λ x + y) = λ 2 Q(x) + 2λ f (x, y) + Q(y) = 2λ f (x, y) + Q(y),
et cette inégalité n’est vraie ∀λ que si f (x, y) est nul. Donc, ∀y, le nombre f (x, y) est nul, ce
qui prouve que x ∈ E ⊥ = {0}. Donc x est nul.
Produit scalaire
Définition 1.20
• On appelle produit scalaire sur E, une forme bilinéaire symétrique positive et non
dégénérée sur E ou définie positive.
définie : f (x, y) = 0 ⇒ x = 0 ; positive : ∀x ∈ E, f (x, y) ≥ 0
• Un ev muni d’un produit scalaire est alors appelé espace euclidien.

Lorsqu’il n’y a pas de confusion possible, on notera hx|yi le produit scalaire de 2
vecteurs et ||x|| la norme euclidienne associée. Cette notation, dite "bra-ket", se lit
bra de x, ket de y. L’orthogonalité dans E sera celle définie à l’ aide du produit
scalaire.
Espaces vectoriels sur C
Maintenant, f est une application de E × E dans C.

Définition 1.21
Une forme sesquilinéaire sur un ev complexe E est une une application de E × E dans C,
linéaire selon l’une des variables et semi-linéaire (anti-linéaire) par rapport à l’autre variable.
Conventionnellement, on choisit qu’elle soit anti-linéaire par rapport à la première variable
et linéaire par rapport à la deuxième variable. ie
∀x, x0 , y, y0 ∈ E, ∀ λ , µ ∈ C, on a :
f (λ x + µx0 , y) = λ f (x, y) + µ f (x0 , y) et
f (x, λ y + µy0 ) = λ f (x, y) + µ f (x, y0 )
En particulier, Q(λ x) = |λ |2 Q(x)
Définition 1.22
On dira que la forme sesquilinéaire est hermitienne, si
∀x, y ∈ E, f (x, y) = f (y, x) :
C’est la symétrie hermitienne.
Dans ce cas Q est appelée forme quadratique hermitienne associée à f .

Définition 1.23
On appelle produit scalaire sur le C-ev E (ou produit hermitien), une forme hermitienne
positive et non dégénérée (ou forme hermitienne définie positive).
Un C-ev E de dimension finie et muni du produit scalaire est appelé espace hermitien ou
espace de Hilbert.
Propriétés du produit scalaire (hermitien) dans un espace de Hilbert
Soit H un espace de Hilbert, ∀x, y, z ∈ H et ∀a ∈ C,
(i) hy|xi = hx|yi ;
(ii) h(x + y)|zi = hx|zi + hy|zi ;
(iii) ha x|yi = ahx|yi, hx|a yi = ahx|yi;
(iv) hx, xi ∈ R+
(v) hx, xi = 0 ⇒ x = 0

Chapitre 1. Espaces vectoriels et Matrices 1.3. Notion de Matrice. Matrice d’une application linéaire
• Produit scalaire (hermitien) de deux vecteurs de H Soient x, y ∈ H, B = (e1 , . . . , en ) une base

de H, on a :
n n
x = ∑ xi ei , y = ∑ yi ei
i=1 i=1
Ainsi
n n
hx|yi = ∑ ∑ xi y j hei|e j i
i=1 j=1
n
Si la base B est orthonormée, alors hei |e j i = δi j et hx|yi = ∑ xi yi
i=1
n
• On a aussi x = ∑ hx|ei iei
i=1
n
En effet, hx|e j i = ∑ xi hei |e j i = x j
i
• x j est appelée : coordonnée de x suivant e j ou projeté de x sur la direction e j ou encore

amplitude de probabilité de x dans la direction e j .
n
• Dans une b.o.n., hx|xi = ∑ xi xi
i=1
r r
n n
=⇒ ||x|| = ∑ xi∗ xi = ∑ |xi |2
i=i i=1
• condition de normalisation d’un vecteur

n
||x|| = 1 ⇒ ||x||2 = 1 ⇒ ∑ xi∗xi = 1
i=1
n
⇒ ∑ |xi|2 = 1
i=1
• Ainsi, |xi |2 = xi∗ xi peut être interprété comme la probabilité de réalisation du vecteur x
dans la direction ei .
1.3 Notion de Matrice. Matrice d’une application linéaire

1.3.1 Notion de Matrice.
Définition 1.24 Notion de Matrice

I et J étant deux ensembles finis non vides, on appelle matrice de type I × J à éléments dans
l’ensemble E, toute application de I × J dans E, c’est-à-dire toute famille d’éléments de E
indexée par I × J.
L’image de (i, j) sera notée ai j et la matrice M : (i, j) 7−→ ai j sera notée M = (ai j ) i∈I ≡ [ai j ] i∈I
j∈J j∈J
Dans la pratique on supposera I = Nn et J = N p , et on parlera de matrice de type (n,p). On
représentera alors une matrice M = [ai j ] i∈Nn par un tableau rectangulaire :
j∈N p
 
a11 a12 · · · a1p
· · · a2p 
 
a21 a22
 .
 . .. .. ..  ,
 . . . .  
an1 an2 · · · anp
en convenant que l’image du couple (i, j) ∈ Nn × N p est l’élément situé à l’intersection de la i-ième
ligne et de la j-ième colonne.
Plus généralement, si I et J sont des ensembles totalement ordonnés, on peut représenter la
matrice par un tableau en rangeant les i ∈ I dans l’ordre croissant de haut en bas et les j ∈ J dans
l’ordre croissant de gauche à droite.
Notation : L’ensemble des matrices de types (n, p) à coefficients dans E sera noté Mn,p (E). S’il
n’y a pas d’ambiguïté, on peut se dispenser d’écrire le K-ev E. On dira (n, p) matrice ou, matrice
(n × p) pour matrice de type (n, p) ; E-matrice ou matrice sur E, pour matrice à éléments dans E.
Définition 1.25 Sous-matrices
Soit M une E-matrice de type I × J, on appelle sous-matrice de M (ou matrice extraite de
0 0 0 0 0 0
M) toute restriction de M à I × J avec I ⊂ I et J ⊂ J; (I 6= 0,
/ J 6= 0)
/
En pratique on obtient une sous-matrice de M en supprimant dans M un certain nombre de

lignes et de colonnes.
Définition 1.26 Matrices-lignes
On appelle matrice-ligne (resp. colonne)toutematrice de type I × J telle que card(I) = 1

a11
 . 
(resp.card(J) = 1). (a11 , . . . , a1p ) ; resp. ( . 
 . )
an1

Définition 1.27 Matrices carrées

On appelle matrice carrée, toute matrice de type I × I.
Dans une telle matrice (ai j ), la famille (aii )i∈I est appelée diagonale ; ses éléments sont dits
éléments diagonaux de la matrice.
Lorsque I = J = Nn , on parle alors de matrices carrées d’ordre n. L’ensemble des matrices
carrées d’ordre n sur un ensemble E se note Mn (E) au lieu Mn,n (E).
Définition 1.28 Matrice triangulaire
On parle de matrice triangulaire supérieure (resp. inférieure ) toute matrice carrée

d’ordre n, (ai j ), sur un groupe abélien, telle que, O désignant l’élément neutre du groupe :
∀i, j ∈ Nn ( j < i ⇒ ai j = 0 [resp.(i > j ⇒ ai j = 0)])
   
a11 a12 · · · a1p a11
a22 · · · a2p  a21 a22 O
   
 
. , . .
... .   . .. . . .
 
.   .
 
 
O anp an1 an2 · · · anp
Définition 1.29 Matrice diagonale

On appelle matrice diagonale toute matrice à la fois triangulaire inférieure et supérieure,
autrement dit toute matrice carrée d’ordre n, (ai j ), sur un groupe abélien, telle que :
∀(i, j) ∈ N2n i 6= j ⇒ ai j = 0
 
a11 O
 
 a22 
...
 
 
 
O ann
Définition 1.30
On appelle matrice scalaire, toute matrice diagonale dont les éléments diagonaux sont

égaux. La matrice unité est définie par :

 
1 O
 
 1 
 = In
..


 . 

O 1
La matrice unité est donc une matrice diagonale dont les éléments sont tous égaux à 1.
C’est donc une matrice scalaire particulière.
1.3.2 Matrice d’une application linéaire
K
Soient E et F deux ev sur un même corps , de dimensions finies respectives p et n (p > 0 et
n < 0), munis des bases BE = (e1 , . . . , e p ) et BF = ( f1 , . . . , f p ) .
∀x ∈ E, ∃!(αi )i∈[p] / x= ∑ αj ej
j∈[p]
∀y ∈ F, ∃!(β j ) j∈[n] / y= ∑ βi fi
i∈[n]
Soit u ∈ LK (E, F), exprimons les coordonnées de l’image y de l’élément x de E, en fonction

des coordonnées de x.
Dans la base BF , on a :
u(e j ) = ∑ ai j fi , ( j ≤ j ≤ p)
i∈[n]
⇒ u(x) = ∑ ( ∑ ai j α j ) f i
i∈[n] i∈[p]
L’unicité de la décomposition de y dans la base BF permet d’écrire :
∀i ∈ Nn , βi = ∑ ai j α j (1.11)
j=[p]
Les formules 1.11 sont appelées traduction analytique de l’application linéaire u. On

constate que pour écrire ces formules, il suffit de connaitre la famille (ai j )i∈[n], j∈[p] , qui est
une matrice. Ceci nous conduit à la définition suivante :

Définition 1.31 Matrice représentative d’une application linéaire

K
Soient E et F deux -ev de dimensions p > 0 et n > 0, BE et BF deux bases de E et F,
enfin u une application linéaire de E dans F. On appelle matrice représentative de u dans
K
les bases BE et BF , et on note Mat(u; BE , BF ), la matrice (ai j ) ∈ Mn,p ( ) déterminé par :
∀ j ∈ N p, u(e j ) = ∑ ai j fi.
i∈[n]
Dans la pratique, on retiendra que les éléments de la j-ième colonne de la matrice sont les
composantes, dans la base BF , de l’image par u du j-ième vecteur de la base BE , selon le schéma :
u(e1 ) · · · u(e j ) · · · u(e p )

 
a11 · · · a1 j · · · a1p f1
 
a21
 · · · a2 j · · · a2p  f2
 .. .. ..  ..
 . . .  .
Mat(u; BE , BF ) =  
a
 i1 · · · ai j · · · aip  fi

 . .. ..  ..
 .. . .  .
 
an1 · · · an j · · · anp fn
(1.13)
Théorème 1.6
K
Les bases BE et BF des -ev E et F étant choisies, l’application qui à u 7−→
Mat(u; BE , BF ) est une bijection de LK (E, F) sur tel que M(n,p) ( ). K
Démonstration
K
Étant donné la matrice M = (ai j ) ∈ M(n,p) ( ), cherchons u ∈ LK (E, F) tel que M =
Mat(u; BE , BF ), ie tel que :
Np
n
∀j ∈ u(e j ) = ∑ ai j fi
i=1
On sait qu’une application linéaire est déterminée de manière unique par la donnée des
images des vecteurs d’une base de l’espace de départ : on obtient donc une, et une seule ap-
plication u. On notera que, dépendant du choix des bases, cette bijection n’est pas canonique.
K K
Cependant, dans le cas particulier où E = p , F = n , nous qualifions de bijection cano-

K K K
nique de L ( p , n ) sur M(n,p) ( ) l’application qui à u associe la matrice qui représente u
K K
dans les bases canoniques de p et de n , et nous dirons que u et M sont canoniquement
associées.
1.3.3 Opération sur les matrices
Structures d’espace vectoriel de M(n,p) ( ) K

K
E et F sont des -ev de dimensions p > 0 et n > 0, munis de bases BE et BF , respectivement.
La bijection u 7−→ Mat(u; BE , BF ) va nous permettre de transporter sur M(n,p) ( ) la structure K
d’espace vectoriel de LK (E, F).
K K
Etant donné deux éléments A = (ai j ) et B = bi j de M(n,p) ( ), et λ ∈ , nous considérons les
applications linéaires u et v, définies de manière unique par :
A = Mat(u; BE , BF ) et B = Mat(v; BE , BF ),
et nous convenons par définition :
(
A + B = Mat(u + v; BE , BF )
(1.14)
λ A = Mat(λ u; BE , BF )
Or nous avons,
∀ j ∈ N p, u(e j ) = ∑ ai j f i et v(e j ) = ∑ bi j fi
i∈[n] i∈[n]

 (u + v)(e j ) = u(e j ) + v(e j ) = ∑ (ai j + bi j ) fi

i∈[n]
⇒

 (λ u(e j ) = λ u (e j ) = ∑ λ ai j fi
i∈[n]
K
Ce qui prouve que A + B et λ A sont les matrices de M(n,p) ( ) définies par :
Définition 1.32 Opérations sur les matrices
(
A + B = [ai j + bi j ]
(1.15)
λ A = (λ ai j )
K K
Ainsi, muni des lois définies par 1.14, M(n,p) ( ) est un -ev isomorphe à LK (E, F), et
donc de dimension np. En fait, les mêmes lois pouvant être définies par 1.15, la structure

d’espace vectoriel est ainsi indépendante du choix des espaces E et F, et des bases BE et
BF . Elle est donc canoniquement isomorphe à la structure d’ev de LF ( p , n ), dans la K K
K K
mesure où on convient de rapporter p et n à leurs bases canoniques.
Base canonique de M(n,p) ( ) K

K
Nous noterons On,p l’élément neutre l’addition dans M(n,p) ( ), qui est la (n,p)-matrice dont tous
K
les termes sont des 0. Soit Mi j (n,p) ( ) la matrice dont tous les termes sont nuls, sauf celui de la
ligne i et de la colonne j, qui est égal à 1. On a manifestement,
K
n n
∀M ∈ M(n,p) ( ), avec M = ai j : M=∑ ∑ ai j Mi j
i=1 j=1
n n
D’autre part, ∑ ∑ ai j Mi j n’est égal à On,p que si et seulement si tous les ai j sont nuls.
K
i=1 j=1
(Mi j )i∈[n], j∈[p] constitue donc une base de M(n,p) ( ) que nous appelons la base canonique
K K
de M(n,p) ( ). C’est en fait la base canonique de l’espace vectoriel I×J , ou encore l’image par
l’isomorphisme canonique de la base canonique de LF ( p , n ). K K
Produit de matrices
Proposition 1.10
K
Soient E, F et G des .ev de dimensions finies non nulles p, n, m munis des bases
BE , BF , BG , et soient deux applications linéaires u : E 7−→ F et v : F 7−→ G on pose :
Mat(v; BF , BG ) = B = (bi j ); Mat(v; BE , BF ) = A = (a jk )
Alors la matrice Mat(v ◦ u; BE , BG ) que nous noterons C = (Cik ) est donnée par :
n
∀(i, k) ∈ Nn × N p , cik = ∑ bi j a jk
j=1
Démonstration
On notera que i, j, k parcourent respectivement Nm , Nn , N p . Les Cik sont données par les
relations :
n
(v ◦ u)(ek ) = ∑ cik gi
i=1
n
En utilisant u(ek ) = ∑ a jk f j , on a :
j=1

n
(v ◦ u)(ek ) = ∑ a jk v( f j )
j=1
n m
= ∑ a jk ( ∑ bi j ) gi
j=1 i=1
m n
= ∑ ( ∑ bi j a jk )gi)
i=1 j=1
Nous sommes ainsi conduit à poser :

Définition 1.33
Étant donné la (m, n)-matrice B = (bi j ) et la (n, p)-matrice A = (ai j ), on appelle produit de
B, (à gauche), par A, (à droite), la (m, p)-matrice c = (cik ) donnée par :
n
∀(i, j) ∈ Nn × N p , cik = ∑ bi j a jk
j=1
On note
C = BA
Mat(v ◦ u; BF , BG ) = Mat(v; BF , BG )Mat(u; BE , BF )

n
Pour C = AB, on a : ci j = ∑ aik bk j
k=1
Dans le cas où A et B sont des matrices carrées (2 × 2), leur produit donne (voir la figure 1.2
pour les différentes étapes)
! ! !
a11 a12 b11 b12 a11 b11 + a12 b21 a11 b12 + a12 b22
= (1.16)
a21 a22 b21 b22 a21 b11 + a22 b21 a21 b12 + a22 b22
• Il est facile de voir que le produit matriciel n’est pas commutatif, c’est-à-dire
AB 6= BA. (1.17)
Par exemple, pour ! !

1 2 5 6
A= ,B= , (1.18a)
3 4 7 8

 B : n lignes q colonnes 

 b11 ... b1 j ... b1q 

 
 
 .. ... .. .. .. 

 . . . . 

 
j
b1 bk1 ... bk j ... bkq
×  
 
 
1
ai
+
..  
.. .. .. .. ..
.+  
. . . . .
 
j
bk
×  
 
 
k
bn1 ... bn j ... bnq

ai
+
..
.+  
j
bn
×
 
 
n
ai
 a11 ... a1k ... a1n  c11

 ... c1 j ... c1q 
 
 
 
 
.. ... .. .. ..  .

... .. .. ..

 ..

. . . . . . .
  
 
 
 
 
 
 a
 i1 ... aik ... ain  ci1

 ... ci j ... ciq 
 
 
 
 
.. .. .. ..  . .. .. ..
 
 ...  .. ..
. . . . .
 

 
 . . . 
 
 
 
 a
m1 ... amk ... amn  c
 m1 ... cmk ... cmq 
A : m lignes n colonnes C = A × B : m lignes q colonnes
Fig. 1.1. Diagramme de la multiplication d’une matrice m × n A par une matrice n × q B.
       
 b11 b12  b11 b12 b11 b12 b11 b12
b 11  2
     
×
 × b1    
b 12 
 
1
a 11
b1
      
× 
+
1
a1 b 21 b21 b22 b 22 b21 b22 b21 b22 b21 b22
×
+
      
a 12 × a2 1
21
× b 22
+
1
+
×b
a2
a 1 2 ×
 a 22 
         
2
a2
 a11 a12  c11 c12   a11 a12  c11 c12   a11 a12  c11 c12   a11 a12  c11 c12 
           
           
 a a22  c c22   a a22 ;  c21 c22   a a22  c c22   a a22  c21 c22 
21 21 21 21 21 21
C11 = a11 b11 + a12 b21 C12 = a11 b12 + a12 b22 C21 = a21 b11 + a22 b21 C22 = a21 b12 + a22 b22
Fig. 1.2. Diagrammes des différentes étapes de la multiplication de deux matrices 2 × 2.

on a
! ! !
1 2 5 6 19 22
AB = = , (1.18b)
3 4 7 8 43 50
! ! !
5 6 1 2 23 34
BA = . (1.18c)
7 8 3 4 31 46
Dans le cas particulier où l’une des matrices est l’identité, on a IA = AI = A.
Propriétés du produit matriciel
a) Associativité
K K K
Soient les matrices C ∈ Ml,m ( ), B ∈ Mm,n ( ), A ∈ Mn,p ( ). On peut ainsi définir les ma-
trices C(BA) et (CB)A ; ces matrices sont égales.
K K
b) Bilinéarité de l’application (B, A) 7−→ BA de Mm,n ( )× ∈ Mn,p ( ) dans Mm,p ( ). On a : K
(B1 + B2 ) A = B1 A + B2 A
B (A1 + A2 ) = BA1 + BA2
λ (BC) = (λ B)C = B(λC)
Ces propriétés sont des conséquences des propriétés analogues des applications linéaires.
Retour sur la traduction matricielle d’une application linéaire
u ∈ L (E, F) est représenté par :
Mat(u; BE , BF ) = M avec M = ai j .
L’application s’écrit :
p n p
u
x= ∑ α j e j 7−→ y = ∑ βi fi; βi = ∑ ai j α j , 1≤i≤n
j=1 i=1 j=1
Or une multiplication matricielle permet de constater :

 p 
   ∑ a1 j α j 
a11 · · · a1p α1  j=1
 
 . ..   .   ..
 ..   .
.  .  
 =  .



p

an1 · · · anp αp 
∑ an j α j

j=1

Nous retiendrons que :

Propriété 1.2
si X et Y désignent les matrices colonnes dont les termes sont respectivement les coordon-
nées de x dans la base BE de E et les coordonnées de y dans la base BF de F, et si M
désigne Mat(u; BE , BF ), alors :
∀(x, y) ∈ E × F y = u(x) ⇔ Y = MX
1.3.4 Calcul Matriciel
Trace
Définition 1.34 Trace d’une matrice

K
Pour toute matrice carrée A = (ai j )i, j ∈ Mn ( ), on définit la trace de A, notée tr(A), par :
n
tr(A) = ∑ aii
i= j
Proposition 1.11
1. L’application
K
tr : Mn ( ) 7−→ K est une forme linéaire.
A 7−→ tr(A)
C’est-à-dire :
∀α ∈ K, ∀A, B ∈ Mn ( ), K tr (α A + B) = α tr (A) + tr (B)
K
2. ∀A ∈ Mn,p ( ), ∀B ∈ M p,n ( ), K tr (AB) = tr (BA)
3. ∀A ∈ Mn (K) ∀P ∈ GLn ( ), K tr (P−1 AP) = tr (A)
Démonstration
1. En notant A = (ai j )i j , B = (bi j )i j , on a :
n n n
tr (α A + B) = ∑ (α aii + bii ) = α ∑ aii + ∑ bii = α tr (A) + tr (B)
i=1 i=1 i=n

2. Remarquer d’abord que AB et BA sont carrées, respectivement d’ordre n et p . On a :

! !
n p p n
tr (AB) = ∑ ∑ ai j b ji = ∑ ∑ b ji ai j = tr (BA)
i=1 j=1 j=1 i=1
3. D’après 1
tr P−1 AP) = tr (P−1 (AP) = tr ((AP)P−1 ) = tr (A)

On verra plus loin que cette proposition signifie que la trace d’une matrice ne dépend
pas de la représentation (base) choisie. C’est donc une propriété caractéristique ou
intrinsèque à une application linéaire.
Proposition-Définition 1.1 Trace d’un endomorphisme
K
Soient E un -ev de dimension finie, f ∈ L (E). On appelle trace de f , et on note tr ( f ),
la trace de n’importe quelle matrice carrée représentant l’endomorphisme f .
En transcrivant la en termes d’endomorphismes, on obtient la proposition suivante :

Proposition 1.12
Soient E, F des K-ev de dimensions finies.
1. L’application
tr : L (E) 7−→ K est une forme linéaire ie

f 7−→ tr( f )
∀α ∈ K, ∀ f , g ∈ L (E), tr (α f + g) = α tr ( f ) + tr (g)
2. ∀ f ∈ L (E, F), ∀g ∈ L (F, E), tr ( f ◦ g) = tr (g ◦ f )
3. ∀ f ∈ L (E), ∀h ∈ G L (E), tr(h−1 ◦ f ◦ h) = tr ( f )
Blocs

Décomposition en blocs
Définition 1.35 Décomposition en blocs

Soient
• n, p ∈N∗, A = (ai j )i j ∈ Mn,p(K)

• s,t ∈ N∗ , (n1 , . . . , ns ) ∈ (N∗ )s , (p1 , . . . , pt ∈ (N∗ )t
tels que n1 + · · · + ns = n et p1 + · · · + pt = p
• n0 = p0 = 0
k
• σk = ∑ ni , pour k ∈ {0, . . . , s}
i=0
l
• τl = ∑ p j , pour l ∈ {0, . . . ,t}
j=0
Dans A, groupons les éléments « par blocs» :

Pour k, l ∈ {1, . . . , s} × {1, . . . , }, la matrice
 
aσk−1 +1τl−1 +1 · · · aσk−1 +1τl
 .. .. 
Bk,l =
 . . 

aσk τl−1 +1 ··· aσk τl
K
de Mnk ,pl ( ) est appelée le (k, l)-ième bloc dans la décomposition de A en blocs suivant le
découpage (n1 , . . . , ns ) pour les lignes et (p1 , · · · , pt ) pour les colonnes :
Pour la commodité, on pourra omettre les traits indiquant le découpage.

Quelques exemples de décompositions en blocs :
Exemple 1.2
•
!
x
X
K
∈ Mn+1,n ( ), pour x∈ K, K
X ∈ Mn,1 ( ).
K K K

X,Y ∈ Mn,p+q ( ), pour X ∈ Mn,p ( ), Y ∈ Mn,q ( ).

•
!
A B
C D
K
∈ Mn+p ( ), pour A ∈ Mn ( ), K K
B ∈ Mn,p ( ), K
C ∈ M p,n ( ), D ∈ Mp ( ) K
•
!
a L
C B
K
∈ Mn+1 ( ), pour a∈ K, K
L ∈ M1,n ( ), K
C ∈ M1,n ( ), K
B ∈ Mn ( ).
Remarque 1.8
1. Si A est une matrice carrée, nous n’utiliserons, sauf exception, que des décompositions
en blocs pour lesquelles s = t et (n1 · · · ns ) = (p1 · · · ps )
!
B11 · · · B1s
A=
Bs1 · · · Bss
Dans ce cas, les blocs Bkk (k ∈ {1, · · · , s}) sont appelés les blocs diagonaux de la
décomposition de A en blocs.
Opérations sur les matrices décomposées en blocs
Proposition 1.13 Addition et loi externe par blocs
K K
Soient λ ∈ , A, B ∈ Mn,p ( ). Si A et B sont décomposées en blocs avec le même décou-
page, alors λ A + B admet la décomposition en blocs (avec le même découpage) obtenue en
combinant les blocs situés aux mêmes places :
     
A11 · · · A1t B11 · · · B1t λ A11 + B11 · · · λ A1t + B1t
 . .
. . ...  +  ... . . . ...  =  .. ... ..
    
λ .. . . 
     
As1 · · · Ast Bs1 · · · Bst λ As1 + Bs1 · · · λ Ast + Bst
Exemple 1.3
Soient x, y ∈ K, X,Y ∈ Mn,1(K), A, B,C, D, A0, B0,C0, D0 ∈ Mn(K).

! ! ! ! ! !
x y x+y A B A0 B0 A + A0 B + B0
+ = , + =
X Y X +Y C D C0 D0 C +C0 D + D0

Théorème 1.7 Produits par blocs
K
Soient A ∈ Mn,p ( ), B ∈ M p,q ( ) K
   
A11 · · · A1t BB11 · · · B1t 0
 . .
. . ...  ,  ... ... .. 
 
A= .. . 
   
As1 · · · Ast Bs0 1 · · · Bs0t 0
des décompositions en blocs de A et B telles que :
0 0 0
s = t, (n1 , . . . , ns0 ) = (p1 , . . . , pt )
Alors AB admet la décomposition en blocs :

 0 0 
s s
 ∑ A1 j B j1 · · · , ∑ A1 j B jt 0 
 j=1 j=1 
 .. 

 ··· . · · ·

 0 0 
 s s 
∑ As j B j1 · · · , ∑ As j B jt 0
j=1 j=1
Démonstration
0 0 0
Soient (i, j ) ∈ {1, . . . , n} × {1, . . . , q}. Il existe (k, l ) ∈ {1, . . . , s} × {1, . . . ,t } unique tel
que :
n0 + · · · + nk−1 + 1 ≤ i ≤ n0 + · · · + nk et p00 · · · + pl 0 −1 + 1 ≤ i ≤ p00 + · · · + p0l 0
L’élément de AB situé à la (i, j0 )-ième place vaut :
p p1 p1 +p2 p
∑ ai j b j j0 = ∑ ai j b j j0 + ∑ ai j b j j 0 + · · · + ∑ ai j b j j0
j=1 j=1 j=p1 +1 j=p1 +···+pt−1 +1
p1 p2
Mais, ∑ ai j b j j0 , ∑ ai j b j j 0 , . . . , ∑ ai j b j j0 sont respectivement les éléments
j=1 j=p1 +1 j=p1 +···+pt−1 +1
de Akl B1l , Ak2 B2l 0 , . . . , Aks0 Bs0 l 0 situés à la (i−(n0 +· · ·+nk−1 ), ( j0 −(p00 +· · ·+ p0l 0 −1 ))-ième
place.
Exemple 1.4
Soient a, b ∈ K, V,W ∈ Mn,1(K), L ∈ M1,n(K), A, B,C, D, A0, B0,C0, D0 ∈ Mn(K) . On a :

•
!
K
b
a L = a b + LV ∈ M1 ( )
V
•
! !
b ba bL
K

a L = ∈ Mn+1 ( )
V aV V L
•
! ! !
A B
C D
V
W
=
AV BW
CV DW
∈ M2n,1 ( )K
•
! ! !
A B
c D
A0 B0
C0 D0
=
A A0 + BC0 A B0 + B D0
C A0 + DC0 C B0 + D D0
∈ M2n ( ) K
Propriété 1.3 Transposition par blocs

On a, pour toute décomposition en blocs :
   
A11 · · · A1t tA tA
11 · · · s1
t  .. .. ..   .. .. .. 
  
 . . . = . . .  
As1 · · · Ast tA tA
1t · · · st
Exemple 1.5
Soient a, ∈ K,V ∈ Mn,1(K), A, B,C, D ∈ Mn(K). On a :

! ! !
a A B tA tB
t tV t
= a , = tC tD
V C D
Définition 1.36 matrices triangulaires par blocs
1. • Une matrice carrée A est dite triangulaire supérieure par blocs si et seulement

si elle admet une composition en blocs :

 
A11 . . . A1s

A= . . . .. 
 . 
O Ass
(
− A11 , . . . , Ass sont des matrices carrées
telle que
− les blocs situés sous la diagonale sont tous nuls
• Définition analogue pour une matrice triangulaire inférieure par blocs si et
seulement si elle admet une décomposition n blocs :
2. Une matrice carrée A est dite diagonale par blocs si et seulement si elle admet une
composition en blocs :  
A11 . . . O
 .. .. 
A=  . . 

O Ass
(
− A11 , . . . , Ass sont des matrices carrées
telle que
− les blocs non diagonaux sont tous nuls
On peut alors noter : A = diag (A11 , . . . , Ass ).
On montre que :
Proposition 1.14
1. L’ensemble des matrices de Mn (K) triangulaires supérieures par blocs (avec le même
découpage) est une sous-algèbre unitaire de l’algèbre unitaire Mn ( ). K
De plus, les blocs diagonaux du produit de deux matrices triangulaires supérieures
par blocs (avec le même découpage) sont les produits des blocs diagonaux situés à la
même place :
    
A11 . . . B11 . . . A11 B11 . . .
 .. ..   .. ..   .. .. 

 . . 
  . . =
  . .  
O Ass O Ass O Ass Bss
2. Soit une matrice triangulaire supérieure par blocs :

 
A11 . . .

A= . . . .. 
 . 
O Ass

Pour que A soit inversible (dans Mn (K), il faut et il suffit que :
∀k ∈ {1, . . . , s}, det(Akk ) 6= 0
De plus, dans, ce cas, A−1 est triangulaire supérieure par blocs, et les blocs diagonaux
de A−1 sont les inverses des blocs diagonaux de A :
 
A−1
11 ...
−1
 .. .. 
A =
 . . 

O A−1
ss
3. L’ensemble des matrice de Mn (K) diagonales par blocs (avec le même découpage) est
sous-algèbre unitaire (non seulement commutative) de l’algèbre unitaire Mn (K). De
plus :
    
A11 . . . O B11 . . . O A11 B11 . . . O
 .. ..   .. ..   . .. .. 

 . . 
  . . =
  .  
O Ass O Ass O Ass Bss
4. Soit A une matrice diagonale par blocs :
 
A11 O

A= ... 

 
O Ass
Pour que A soit inversible (dans Mn (K)), il faut et il suffit que :
∀k ∈ {1, . . . , s}, det(Akk ) 6= 0
De plus, dans ce cas, A−1 est diagonale par blocs et

 
A−1
11 O
A−1 = 
 ... 

 
O A−1
ss

CHAPITRE 2
DÉTERMINANTS
Sommaire
2.1 Le groupe symétrique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
2.1.1 Structure de Sn . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
2.1.2 Transposition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
2.1.3 Cycles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
2.2 Applications multilinéaires . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
2.2.1 Généralités . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
2.2.2 Applications multilinéaires alternées . . . . . . . . . . . . . . . . . . . . 38
2.3 Déterminant d’une famille de n vecteurs dans une base d’un ev de dimension n 40
2.3.1 Espace Λn (E) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40
2.3.2 Propriétés . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
2.4 Déterminant d’un endomorphisme . . . . . . . . . . . . . . . . . . . . . . . . 43
2.5 Déterminant d’une matrice carrée . . . . . . . . . . . . . . . . . . . . . . . . 45
2.6 Développement par rapport à une rangée . . . . . . . . . . . . . . . . . . . . 48
2.6.1 Cofacteurs et mineurs . . . . . . . . . . . . . . . . . . . . . . . . . . . 48
2.6.2 Comatrice . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 52
2.7 Calcul des déterminants . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54
2.7.1 Déterminant d’une matrice triangulaire . . . . . . . . . . . . . . . . . . 55
2.7.2 Manipulation des lignes et des colonnes . . . . . . . . . . . . . . . . . . 55
2.7.3 Cas n = 2, n = 3 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57
2.7.4 Déterminant d’une matrice triangulaire par blocs . . . . . . . . . . . . . 57
32
Chapitre 2. Déterminants 2.1. Le groupe symétrique
2.8 Système affines . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 58

2.8.1 Position du problème . . . . . . . . . . . . . . . . . . . . . . . . . . . . 58
2.8.2 Résolution dans le cas d’un système de Cramer . . . . . . . . . . . . . . 59
2.1 Le groupe symétrique

Rappelons que, pour n ∈ N∗ , Sn désigne l’ensemble des permutations de {1, · · · , n} c’est-à-dire
l’ensemble des bijections de {1, · · · , n} dans lui-même, et que Card(Sn ) = n!
2.1.1 Structure de Sn
Proposition 2.1
Sn est un groupe pour la loi ◦, appelé groupe symétrique.
Démonstration
1. ∀ρ, σ ∈ Sn , σ ◦ ρ ∈ Sn car la composée de deux bijections est une bijection.
2. ◦ est associative.
3. Id{1,··· ,n} ∈ Sn .
4. ∀σ ∈ Sn , σ est bijective et σ −1 ∈ Sn .
Par commodité, nous noterons e l’identité de {1, · · · , n}. Une permutation σ de Sn sera
notée : !
1 2 ··· n−1 n
(2.1)
σ (1) σ (2) · · · σ (n − 1) σ (n)
2.1.2 Transposition
On suppose ici n ≥ 2
Définition 2.1
∀ i, j ∈ {1, · · · , n} /i < j, on appelle transposition échangeant i et j, et on note τi j , la per-
mutation de {1, · · · , n} définie par : τi j (i) = j, τi j ( j) = i, τi j (k) = k ∀k ∈ {1, · · · , n} − {i, j}
!
1 2 3 4 5
Pour n = 5, τ24 = (2, 4) =
1 4 3 2 5

Remarque 2.1
• Sn contient exactement Cn2 transpositions
• toute transposition est involutive
Théorème 2.1
Les transpositions de {1, · · · , n} engendrent le groupe Sn . Autrement dit, toute permutation
de {1, · · · , n} est décomposable (d’au moins une façon) en un produit de (plusieurs) trans-
positions.
Démonstration
Récurrence sur n.
S2 = {e, τ12 } et e = τ12 2 , donc τ engendre S . Soit n ∈ N/n ≥ 2. Supposons que les trans-
12 2
positions de {1, · · · , n} engendre Sn et soit σ ∈ Sn+1 .
1er Cas : σ (n + 1) = n + 1
Comme σ est bijective, {1, · · · , n} est alors stable par σ et l’application induite
σ 0 = {1, · · · , n} −→ {1, · · · , n}
k −→ σ (k)
est une permutation de {1, · · · , n}. D’après l’hypothèse de récurrence, ∃N ∈ N∗ et des

transpositions tn0 , · · · ,tN0 de {1, · · · , n} telles que :
σ 0 = t10 ◦ · · · ◦ tN0 .
En notant, par chaque r de {1, · · · , n}, tr : {1, · · · , n + 1} −→ {1, · · · , n + 1} l’applica-

tion définie par : (
tr0 (k) si 1 ≤ k ≤ n
tr (k) =
n + 1 si k = n + 1,
il est clair que t1 , · · · ,tN sont des transpositions de {1, · · · , n + 1}, et que σ = t1 ◦ · · · ◦
tN .
2eme Cas σ (n + 1) 6= n + 1
Considérons ρ = τn+1,σ (n+1) ◦ σ .
On a
ρ ∈ Sn+1 et ρ(n + 1) = τn+1,σ (n+1) (σ (n + 1)) = n + 1.
D’après l’étude du premier cas, ∃N ∈ N∗ et les transpositions t1 , · · · ,tN de

{1, · · · , n + 1} telles que ρ = t1 ◦ · · · ◦ tN . Alors
σ = τn+1,σ (n+1) ◦ t1 ◦ · · · ◦ tN
et donc σ est un produit de transpositions de {1, · · · , n + 1}.
!
1 2 3 4 5 6 7 8
σ =
6 3 7 4 8 1 5 2
1 2 3 4 5 6 7 8
6 3 7 4 8 1 5 2
6 3 7 4 2 1 5 8
6 3 5 4 2 1 7 8
1 3 5 4 2 6 7 8
1 3 2 4 5 6 7 8
1 2 3 4 5 6 7 8
Dans chaque ligne, on a mis en gras les deux éléments qui vont être échangés pour obtenir la
ligne suivante. On a donc τ23 ◦ τ25 ◦ τ16 ◦ τ57 ◦ τ28 ◦ σ = e ⇒ σ = τ28 ◦ τ57 ◦ τ16 ◦ τ15 ◦ τ23 .
Remarque 2.2
L’algorithme montre que toute permutation de {1, · · · , n} est décomposable, d’au moins une
façon, en un produit d’au plus n transpositions.
Définition 2.2 Signature d’une permutation.
Soit σ ∈ Sn . On dit qu’un couple (σ (i), σ ( j)) présente une inversion pour σ (ou une
inversion de σ ) si et seulement si i < j et σ (i) > σ ( j). On note I(σ ) le nombre d’inversions
de σ et on appelle signature de σ , le nombre noté ε(σ ), défini par :
ε(σ ) = (−1)I(σ ) . (2.2)
On dit que σ est paire (resp. impaire) si et seulement si ε(σ ) = 1 (resp. ε(σ ) = −1).

Proposition 2.2 Calcul de la signature d’une permutation.

∀σ ∈ Sn ,
σ ( j) − σ (i)
ε(σ ) = ∏ , (2.3)
{i, j}∈B2 (n)
j−i
où B2 (n) désigne l’ensemble des paires de {1, · · · , n}.
Démonstration
1. Puisque σ est une permutation de {1, · · · , n}, l’application
σ2 : B2 (n) −→ B2 (n)
(2.4)
{i, j} −→ {σ (i), σ ( j)}
est une permutation de B2 (n) et donc
∏ |σ ( j) − σ (i)| = ∏ | j − i|, (2.5)

(i, j)∈B2 (n) (i, j)∈B2 (n)
ce qui montre :
σ ( j) − σ (i)
∏ = 1. (2.6)
(i, j)∈B2 (n)
j − i
σ ( j) − σ (i)
2. Le nombre de paires {i, j} de {1, · · · , n} telles que < 0 est I(σ ), donc
j−i
σ ( j) − σ (i)
∏ est du même signe que ε(σ ).
{i, j}∈B2 (n) j−i
Remarque 2.3
On a aussi :
σ ( j) − σ (i)
ε(σ ) = ∏ . (2.7)
1≤i< j≤n j−i
Théorème 2.2
L’application signature ε : Sn −→ {−1, 1} est un morphisme du groupe (Sn , ◦) sur le groupe
multiplicatif ({−1, 1}, .).

Démonstration
Soient ρ, σ ∈ Sn , on a :
σ ◦ ρ( j) − σ ◦ ρ(i)
ε(σ ◦ ρ) = ∏ (2.8)
{i, j}∈B2 (n)
j−i
σ (ρ( j)) − σ (ρ(i)) ρ( j) − ρ(i)
= ∏ . ∏ (2.9)
{i, j}∈B2 (n)
ρ( j) − ρ(i) (i, j)∈B (n)
j−i
2
L’application {i, j} 7−→ {ρ(i), ρ( j)} étant une permutation de B2 (n), on obtient :
σ (l) − σ (k) ρ( j) − ρ(i)

ε(σ ◦ ρ) = ∏ . ∏ = ε(σ ).ε(ρ) (2.10)
{k,l}∈B2 (n)
l −k {i, j}∈B (n)
j−i
2
D’autre part, il est clair que {−1, 1} est un groupe pour la multiplication.
Proposition 2.3
Toute transposition de {1, · · · , n} est impaire.
Démonstration
Soit (i, j) ∈ {1, · · · , n}2 tel que i < j. Puisque
!
1 ··· i−1 i i+1 ··· j −1 j j +1 ··· n
τi j = (2.11)
1 ··· i−1 i i+1 ··· j −1 i j +1 ··· n
les couples présentant une inversion (sur la 2-ième ligne) sont : ( j, i + 1), ( j, i +
2), · · · , ( j, j − 1), ( j, i), (i + 1, i), (i + 2, i), · · · , ( j − 1, i), qui sont au nombre de 2 ( j − 1) − 1.
Donc I(τi j ) est impair, ε(τi j ) = −1, τi j impaire.
Corollaire 2.1
Soient σ ∈ Sn , N ∈ N∗ , t1 , · · · ,tN des transpositions de {1, · · · , n} telles que σ = t1 ◦ · · · ◦ tN .
On a :
ε(σ ) = (−1)N . (2.12)
2.1.3 Cycles
On suppose ici n ≥ 2

Définition 2.3 Cycles
Soit p ∈ N tel que 2 ≤ p ≤ n. On appelle p-cycle de {1, · · · , n} toute permutation σ de

{1, · · · , n} telle qu’il existe x1 , · · · , x p ∈ {1, · · · , n}, deux à deux distincts, tels que :
(
σ (x1 ) = x2 , σ (x2 ) = x3 , · · · , σ (x p−1 ) = x p , σ (x p ) = x1
(2.13)
∀k ∈ {1, · · · , n} − {x1 , · · · , x p }, σ (k) = k
L’ensemble {x1 , · · · , x p } (qui est à l’évidence unique pour un p-cycle donné) est appelé le
support de σ , et on note σ = (x1 , · · · , x p ). Une permutation σ de {1, · · · , n} est appelé cycle
si et seulement s’il existe p ∈ {2, · · · , n} tel que σ soit un p-cycle.
Exemple 2.1
!
1 2 3 4 5
est le 3-cycle (2, 5, 3).
1 5 2 4 3
Remarque 2.4
1. (x1 , · · · , x p ) = (x2 , · · · , x p , x1 ) = · · · = x p , x1 , · · · , x p−1 .
2. Les 2-cycles sont les transpositions.
3. e n’est pas un cycle.
Exercice 2.1
1. Pour n ∈ N∗ , déterminer la signature de

!
1 2 3 ··· n n+1 n+2 ··· 2n
σ= .
2 4 6 · · · 2n 1 3 · · · 2n − 1
2. Soit !
1 2 3 4 5 6 7 8 9 10 11 12
σ=
7 1 5 12 6 3 9 4 2 11 8 10
(a) Déterminer le nombre d’inversion et la parité de σ

(b) Décomposer σ en un produit de transpositions.
(c) Décomposer σ en un produit de cycles à supports disjoints. Retrouver ainsi la
valeur de ε(σ )

Chapitre 2. Déterminants 2.2. Applications multilinéaires
2.2 Applications multilinéaires

2.2.1 Généralités
Définition 2.4 Applications multilinéaires

Soient p ∈ N∗ , E1 , · · · , E p , F des K-ev. Une application ϕ : E1 × · · · × E p −→ F est dite
p-linéaire (ou multilinéaire) si et seulement si ϕ est linéaire par rapport à chaque place
(variable), c’est-à-dire :
∀i ∈ {1, · · · , p}, ∀λ ∈ K, ∀x1 ∈ E1 , · · · , ∀xi ∈ Ei , ∀yi ∈ Ei , · · · , ∀x p ∈ E p ,
ϕ(x1 , · · · , xi−1 , λ xi + yi , xi+1 , · · · , x p ) = λ ϕ(x1 , · · · , xi , · · · , x p ) + ϕ(x1 , · · · , yi , · · · , x p ).

(2.14)
Proposition 2.4
L’ensemble L p (E1 , · · · , E p ; F) des applications p-linéaires de E1 × · · · × E p dans F est un

K − ev.
Démonstration
Il est clair que L p (E1 , · · · , E p ; F) est un sev de F E1 ×···×E p .
2.2.2 Applications multilinéaires alternées
Soient E un K − ev, et p ∈ N∗ .
Définition 2.5 Application linéaire alternée
Une application p-linéaire ϕ : E p −→ F est dite alternée si et seulement si, ∀(i, j) ∈

{1, · · · , p}2 /i 6= j, et ∀(x1 , · · · , x p ) ∈ E p :
xi = x j =⇒ ϕ(x1 , · · · , x p ) = 0. (2.15)
Si de plus F = K, on dit que ϕ est une forme p-linéaire alternée.
Remarque 2.5
L’ensemble des applications p-linéaires alternées de E p dans F est un sev de
L p (E, · · · , E; F).

Chapitre 2. Déterminants 2.2. Applications multilinéaires
Proposition 2.5
Une application p-linéaire ϕ : E p −→ F est alternée si et seulement si
∀σ ∈ S p , ∀(x1 , · · · , x p ) ∈ E p , ϕ(xσ (1) , · · · , xσ (p) ) = ε(σ )ϕ(x1 , · · · , x p ). (2.16)
Démonstration
1. Cas d’une transposition.

Soit (i, j) ∈ {1, · · · , p}2 /i < j ; notons τi j la transposition qui échange i et j et laisse
les autres éléments de {1, · · · , p} fixes. Puisque ϕ est alternée, on a :
ϕ(x1 , · · · , xi−1 , xi + x j , xi+1 , · · · , x j−1 , xi + x j , x j+1 , · · · , x p ) = 0, (2.17)
d’où en développant par multilinéarité :
ϕ(x1 , · · · , xi , · · · , xi , · · · , x p ) + ϕ(x1 , · · · , xi , · · · , x j , · · · , x p )
+ ϕ(x1 , · · · , x j , · · · , xi , · · · , x p ) + ϕ(x1 , · · · , x j , · · · , x j , · · · , x p ) = 0 (2.18)
et donc
ϕ(x1 , · · · , x j , · · · , xi , · · · , x p ) = −ϕ(x1 , · · · , xi , · · · , x j , · · · , x p ) (2.19)
ceci montre que :

ϕ xτi j (1) , · · · , xτi j (τ) = ε(τi j )ϕ(x1 , · · · , x p ). (2.20)
2. Cas général
Soit σ ∈ Sn . D’après le Théorème , σ est décomposable en un produit de transposi-
tions ; ∃N ∈ N∗ et des transpositions σ1 , · · · , σN telles que σ = σ1 ◦ · · · ◦ σN ; de plus,
ε(σ ) = (−1)N . EN appliquant de façon itérée le résultat de 1, on obtient :

ϕ xσ (1) , · · · , xσ (p) = − ϕ xσ2 ◦···σN (1) , · · · , xσ2 ◦···σN (p) (2.21)
= · · · = (−1)N ϕ(x1 , · · · , x p ) = ε(σ )ϕ(x1 , · · · , x p ). (2.22)
Proposition 2.6
Soient ϕ : E p −→ F une application p-linéaire et alternée, et (x1 , · · · , x p ) ∈ E p . Si

(x1 , · · · , x p ) est liée, alors ϕ(x1 , · · · , x p ) = 0.

Chapitre 2. Déterminants
2.3. Déterminant d’une famille de n vecteurs dans une base d’un ev de dimension n
Démonstration
Supposons (x1 , · · · , x p ) liée ; l’un au moins des x1 , · · · , x p s’exprime donc comme combi-
naison linéaire des autres. D’après la proposition précédente, on peut se ramener au cas où
p−1
∃(α1 , · · · , α p−1 ) ∈ K p−1 /x p = ∑ αi xi . Alors :
i=1
p−1
ϕ(x1 , · · · , x p ) = ∑ αi ϕ(x1, · · · , x p−1, xi) = 0 (2.23)
i=1
puisque chaque p-uplet (x1 , · · · , x p−1 , xi ) comporte une répétition.
2.3 Déterminant d’une famille de n vecteurs dans une

base d’un ev de dimension n
Soient n ∈ N∗ , E un K-ev de dimension n.
2.3.1 Espace Λn (E)
Soit B = (e1 , · · · , en ) une base de E.

n
1. Soient S = (V1 , · · · ,Vn ) ∈ E n et, ∀ j ∈ {1, · · · , n}, (ai j j )i j ∈{1,··· ,n} ∈ Kn / V j = ∑ ai j j ei j . Soit
i j =1
ϕ: En −→ K une forme n-linéaire alternée. Nous allons calculer ϕ(S) en fonction des ai j j .
On a :
!
n n
ϕ(S) = ϕ ∑ ai11ei1 , · · · , ∑ ainnein (2.24)
i1 =1 in =1
!
n n n
= ∑ ai11ϕ ei1 , ∑ ai22ei2 , · · · , ∑ ainnein (2.25)
i1 =1 i2 =1 in =1
n n
= ··· = ∑ · · · ∑ ai11 · · · ainn ϕ(ei1 , · · · , ein ) (2.26)
i1 =1 in =1
= ∑ ai1 1 · · · ain n ϕ(ei1 , · · · , ein ) (2.27)

(i1 ,··· ,in )∈{1,··· ,n}n
Comme ϕ est alternée, ϕ(ei1 , · · · , ein ) est nul dès que i1 , · · · , in ne sont pas deux à deux
distincts. Il ne reste donc, dans la somme multiple précédente, que les termes correspondant

aux cas où (1, · · · , n) 7−→ (i1 , · · · , in ) est une permutation de {1, · · · , n}. D’où
ϕ(S) = ∑ aσ (1)1 · · · aσ (n)n ϕ(eσ (1) , · · · , eσ (n) ) (2.28)

σ ∈Sn
= ∑ aσ (1)1 · · · aσ (n)n ε(σ )ϕ(e1 , · · · , en ) (2.29)

σ ∈Sn
!
= ∑ ε(σ )aσ (1)1 · · · aσ (n)n ϕ(e1 , · · · , en ). (2.30)
σ ∈Sn
2. Réciproquement, soient λ ∈ K et ψ : E n −→ K l’application définie par,
∀S = (V1 , · · · ,Vn ) ∈ E n : ψ(S) = λ ∑ ε(σ )aσ (1)1 · · · aσ (n)n , (2.31)

σ ∈Sn
où les ai j j sont les composantes des V j dans B :
n
∀ j ∈ {1, · · · , n}, Vj = ∑ ai j j ei j (2.32)
i j =1
• ψ est n-linéaire car, ∀i ∈ {1, · · · , n}, ∀α ∈ K, ∀V1 , · · · ,Vi−1 ,Vi ,Vi0 ,Vi+1 , · · · ,Vn ∈ E, on
a, en notant a0ki 1≤k≤n les composantes de Vi0 dans B :

ψ(V1 , · · · , αVi +Vi0 , · · · ,Vn ) = λ ∑ ε(σ )aσ (1)1 · · · αaσ (i)i + a0σ (i)i · · · aσ (n)n
σ ∈Sn
(2.33)
=αλ ∑ ε(σ )aσ (1)1 · · · aσ (n)n + λ ∑ ε(σ )aσ (1)1 · · · a0σ (i)i · · · aσ (n)n (2.34)
σ ∈Sn σ ∈Sn
= αψ (V1 , · · · ,Vi , · · · ,Vn ) + ψ V1 , · · · ,Vi0 , · · · ,Vn

(2.35)
• ψ est alternée car, ∀i, j ∈ {1, · · · , n}/i < j et ∀V1 , · · · ,Vn ∈ E/Vi = V j , on a, en effec-
tuant le changement d’indice σ 0 = σ ◦ τi j dans la sommation :
ψ(V1 , · · · ,Vn ) = λ ∑ ε(σ )aσ (1)1 · · · aσ (n)n (2.36)

σ ∈Sn
=λ ∑ −ε(σ 0 )aσ 0 (1)1 · · · aσ 0 ( j) j · · · aσ 0 (i) j · · · aσ 0 (n)n (2.37)

0
σ ∈Sn
= −λ ∑ ε(σ 0 )aσ 0 (1)1 · · · aσ 0 (i)i · · · aσ 0 ( j) j · · · aσ 0 (n)n , (2.38)

0
σ ∈Sn
puisque Vi = V j . D’où
ψ(V1 , · · · ,Vn ) = −ψ(V1 , · · · ,Vn ) =⇒ ψ(V1 , · · · ,Vn ) = 0 (2.39)

• Montrons que ψ 6= 0. ∀ j ∈ {1, · · · , n}, la décomposition de e j sur la base B est :
n
ej = ∑ δi j j ei j , (2.40)
i j =1
où δi j j est le symbole de Kronecker. D’où
ψ(B = ∑ ε(σ )Sσ (1)1 · · · Sσ (n)n = 1. (2.41)

σ ∈Sn
Résumons l’étude :
Théorème-Définition 2.0 Déterminant d’une famille de vecteurs
L’ensemble Λn (E) des formes n-linéaires alternées sur un K-ev de dimension n (n ≥ 1) est
un K-ev de dimension 1. Pour toute base B = (e1 , · · · , en ) de E, on note detB : E n −→ K
l’application définie par,
∀(V1 , · · · ,Vn ) ∈ E n : detB (V1 , · · · ,Vn ) = ∑ ε(σ )aσ (1)1 · · · aσ (n)n , (2.42)
σ ∈Sn
sont les composantes de V j dans B :

où ∀ j ∈ {1, · · · , n}, ai j j 1≤i j ≤n
n
Vj = ∑ ai j j ei j . (2.43)
i j =1
L’élément detB (V1 , · · · ,Vn ) (de K) est appelé le déterminant de (V1 , · · · ,Vn ) dans la base
B. Pour toute base B de E, (detB ) est une base de Λn (E).
Autrement dit, pour toute base B de E les éléments de Λn (E) sont proportionnel à detB .
Remarque : On a vu plus haut que, pour toute base B de E : detB (B) = 1.
2.3.2 Propriétés
On note ici B(E) l’ensemble des bases de E.

Proposition 2.7
∀ϕ ∈ Λn (K), ∀S ∈ E n , ∀B ∈ B(E), ϕ(S) = ϕ(B)detB (S)
Démonstration
Soient ϕ ∈ Λn (E), B ∈ B(E). Puisque detB engendre Λn (E), ∃α ∈ K/ϕ = α detB . En
particulier :
ϕ(B) = αdetB (B) = α =⇒ ϕ = ϕ(B)detB (2.44)

Chapitre 2. Déterminants 2.4. Déterminant d’un endomorphisme
c’est-à-dire :
∀S ∈ E n , ϕ(S) = ϕ(B)detB (S). (2.45)
Corollaire 2.2
∀B, B 0 ∈ B(E), ∀S ∈ E n , detB0 (S) = detB0 (B) detB (S).
Preuve : Il suffit d’appliquer la proposition précédente à ϕ = detB0 .

Remarque 2.6
1. ∀B, B 0 , B 00 ∈ B(E), detB00 (B) = detB00 (B 0 )detB0 (B)
2. En particulier, en prenant B 00 = B on a :

∀B, B 0 ∈ B(E), detB0 (B) 6= 0 et detB (B 0 ) = (detB0 (B))−1 (2.46)
Proposition 2.8
Soient B ∈ B(E), S ∈ E n . Alors S est liée si et seulement si detB (S) = 0.
Démonstration
Si S est liée alors detB (S) = 0, puisque detB est n-linéaire et alternée.
2.4 Déterminant d’un endomorphisme

Soient n ∈ N∗ , E un K − ev de dimension n. Soient f ∈ L (E), ϕ ∈ Λn (E) − {0}. Il est clair que
l’application ϕ ◦ ( f × · · · × f ) : E n −→ K définie par :
∀(V1 , · · · ,Vn ) ∈ E n , (ϕ ◦ ( f × · · · × f )) (V1 , · · · ,Vn ) = ϕ ( f (V1 ), · · · , f (Vn )) (2.47)
est n-linéaire et alternée.

Puisque Λn (E) est de dimension 1 et que ϕ 6= 0, ϕ engendre Λn (E), et il existe donc tel que :
ϕ ◦ ( f × · · · × f ) = αϕ. Montrons que α ne dépend pas de ϕ.
Soit ψ ∈ Λn (E) − {0}. Puisque ϕ engendre Λn (E), ∃λ ∈ K − {0}/ψ = αϕ. On a alors :
ϕ ◦ ( f × · · · × f ) = (λ ϕ) ◦ ( f × · · · × f ) = λ (ϕ ◦ ( f × · · · × f )) (2.48)
= λ (αϕ) = α(λ ϕ) = αψ. (2.49)
Ceci montre que α ne dépend pas du choix de ϕ dans Λn (E) − {0}.

Chapitre 2. Déterminants 2.4. Déterminant d’un endomorphisme
Résumons l’étude :
Proposition-Définition 2.2
∀ f ∈ L (E), ∃!α ∈ K/∀ϕ ∈ Λn (E), ϕ ◦ ( f × · · · × f ) = αϕ. Cet élément α est appelé le

déterminant de f , et noté det( f ).
On a ainsi :
∀ f ∈ L (E), ∀ϕ ∈ Λn (E), ϕ ◦ ( f × · · · × f ) = (det( f )) ϕ. (2.50)
La proposition suivante est immédiate

Proposition 2.9
1. ∀ f ∈ L , ∀ϕ ∈ Λn (E), ∀(V1 , · · · ,Vn ) ∈ E n ,
ϕ ( f (V1 ), · · · , f (Vn )) = (det( f )) ϕ(V1 , · · · ,Vn ) (2.51)
2. ∀ f ∈ L (E), ∀B ∈ B(E), ∀V1 , · · · ,Vn ∈ E n ,
detB ( f (V1 ), · · · , f (Vn )) = det( f )detB (V1 , · · · ,Vn ) (2.52)
3. ∀ f ∈ L (E), ∀B = (e1 , · · · , en ) ∈ B(E),
det( f ) = det(e1 ,··· ,en ) ( f (e1 ), · · · , f (en )) . (2.53)
Proposition 2.10
1. det(IdE ) = 1
2. ∀ α ∈ K, ∀ f ∈ L (E), det(α f ) = α n det( f )
3. ∀ f , g ∈ L (E), det(g ◦ f ) = det(g)det( f ).
4. ∀ f ∈ L (E), ( f ∈ G L (E) ⇐⇒ det( f ) 6= 0)
5. ∀ f ∈ G L (E), det( f −1 ) = (det( f ))−1
Démonstration
Le K-ev admet au moins une base B = (e1 , · · · , en ).
1. det(IdE ) = detB (B) = 1

Chapitre 2. Déterminants 2.5. Déterminant d’une matrice carrée
2.
det(α f ) = det(e1 ,··· ,en ) (α f (e1 ), · · · , α f (en )) (2.54)

= α n det(e1 ,··· ,en ) ( f (e1 ), · · · , f (en )) = α n det( f ) (2.55)
3. det(g ◦ f ) = detB (g( f (B))) = det(g)detB ( f (B)) = det(g)det( f )
4. ( f ∈ G L (E)) ⇐⇒ ( f (B) ∈ B(E)) ⇐⇒ detB ( f (B)) 6= 0 ⇐⇒ det( f ) 6= 0.
5. Soit f ∈ G L (E). On a : det( f )det( f −1 ) = det f ◦ f −1 = det(IdE ) = 1, donc

det f −1 = (det( f ))−1 .

(2.56)
2.5 Déterminant d’une matrice carrée

Soit n ∈ N∗ . La notion de déterminant d’une matrice n’est définie que lorsque cette matrice est
carrée.
Définition 2.6 Déterminant d’une matrice carrée
Soit A = ai j 1≤i, j≤n ∈ Mn (K). On appelle déterminant de A, et on note det(A), ou

a11 · · · a1n
.. ..
. . , l’élément de K défini par
an1 · · · ann
det(A) = ∑ ε(σ )aσ (1)1 · · · aσ (n)n . (2.57)

σ ∈Sn
  
a11 a1n
 .  .. 
, les colonnes de A, et B la base

Autrement dit, en notant C1 =  ..  , · · · ,Cn =  . 
  
an1 ann
a11 · · · a1n
.. ..
canonique de Mn (K), on a : det(A) = detB (C1 , · · · ,Cn ). On dit que . . est un déter-
an1 · · · ann

minant d’ordre n. Pour rappeler l’ordre n, on peut noter [n] en bas à droite :
a11 · · · a1n
. ..
det(A) = .. . . (2.58)
an1 · · · ann
[n]
Exemple 2.2
a b
1. ∀(a, b, c, d) ∈ K4 ,

= ad − bc, puisque S2 = Id{1,2} , τ12 .
c d
2. Soit  
a11 a12 · · · a1n
 ... .. 
 . 
A=  ∈ Tn,s (K). (2.59)
 
 . . . an−1n 
 
0 ann
Pour σ ∈ Sn , ∃ j ∈ {1, · · · , n}/σ ( j) > j, alors aσ ( j) j = 0, donc

n
∏ ε(σ )aσ (1)1 . . . aσ (n)n se réduit au(x) seul(s) terme(s) correspondant à σ
σ ∈Sn
telle(s) que : ∀ j ∈ {1, · · · , n}, σ ( j) ≤ j. Pour une telle σ , on a σ (1) ≤ 1 donc
σ (1) = 1, puis σ (2) ≤ 2 et σ (2) 6= σ (1) = 1, donc σ (2) = 2 · · · Il est clair que,
∀ j ∈ {1, · · · , n − 1} si (σ (1) = 1, · · · , σ ( j) = j), alors σ ( j + 1) = j + 1, puisque
σ ( j + 1) ≤ j + 1 et σ ( j + 1) ∈/ {1, · · · , j}. Ainsi, la seule permutation σ pour laquelle
n
(∀ j ∈ {1, · · · , n}, σ ( j) ≤ j) est l’identité, d’où : det(A) = ∏ a j j .
i=1
La proposition suivante est immédiate

Proposition 2.11
• Soient E un K-ev de dimension n, f ∈ L (E), B une base de E, A = MatB ( f ). On a :
det( f ) = det(A) (2.60)
• Soient E un K-ev de dimension n, B une base de E, S = (V1 , · · · ,Vn ) ∈ E n , A =

MatB (S). On a :
det(A) = detB (S). (2.61)

Proposition 2.12
1. det(In ) = 1
2. ∀α ∈ K, ∀A ∈ Mn (K), det(α A) = α n det(A).
3. ∀(A, B) ∈ (Mn (K))2 , det(AB) = det(A) det(B).
4. ∀A ∈ Mn (K), (A ∈ GLn (K) ⇐⇒ det(A) 6= 0).
5. ∀A ∈ GLn (K), det(A−1 ) = (det(A))−1 .
6. ∀A ∈ Mn (K), det(At ) = det(A).
Démonstration
Les propriétés 1 à 5 se déduisent de la proposition 2.5 et des propriétés du déterminant d’un
endomorphisme. En notant A = (ai j )i j ∈ Mn (K), on a :
det(t A) = ∑ ε(σ )a1σ (1) · · · anσ (n) (2.62)

σ ∈Sn
= ∑ ε(σ )aσ −1 (σ (1))σ (1) · · · aσ −1 (σ (n))σ (n) . (2.63)

σ ∈Sn
Comme la multiplication est commutative dans K, en réordonnant suivant le deuxième in-

dice, on a, pour ∀σ ∈ Sn : aσ −1 (σ (1))σ (1) · · · aσ −1 (σ (n))σ (n) = aσ −1 (1)1 · · · aσ −1 (n)n , et donc :
det(t A) = ∑ ε(σ )aσ −1 (1)1 · · · aσ −1 (n)n . (2.64)

σ ∈Sn
Sn −→ Sn
Enfin, comme est une bijection conservant la signature (i.e. ∀σ ∈
σ 7−→ σ −1
Sn , ε(σ −1 ) = ε(σ )), on obtient :
det(t A) = ∑ ε(τ)aτ(1)1 · · · aτ(n)n = det(A). (2.65)

τ∈Sn
Remarque 2.7
1. De la propriété 1. précédente, on déduit par une récurrence immédiate :
∀A ∈ Mn (K), ∀k ∈ N∗ , det(Ak ) = (det(A))k (2.66)

Chapitre 2. Déterminants 2.6. Développement par rapport à une rangée
2. Si A ∈ Mn (K) est antisymétrique et si n est impair, alors :
det(A) = det(t A) = det(−A) = (−1)n det(A) = −det(A), (2.67)
d’où det(A) = 0.
2.6 Développement par rapport à une rangée

2.6.1 Cofacteurs et mineurs
* Examen du cas n = 3. Soit

 
a11 a12 a13
A = (ai j )i j =  a21 a22 a23  ∈ M3 (K). (2.68)
 
a31 a32 a33
Par définition :
det(A) = ∑ ε(σ )aσ (1)1 aσ (2)2 aσ (3)3 . (2.69)
σ ∈S3
! !
1 2 3 1 2 3
Comme S3 = {Id, τ12 , τ13 , τ23 , c, c0 } où c = et c0 = , on obtient :
2 3 1 3 1 2
det(A) = a11 a22 a33 − a21 a12 a33 − a31 a22 a13 − a11 a32 a23 + a21 a32 a13 + a31 a12 a23 .
(2.70)
On peut grouper, par exemple, ainsi :
det(A) = a11 (a22 a33 − a32 a23 ) + a21 (−a12 a33 + a32 a13 ) + a31 (a12 a23 − a22 a13 ) (2.71)
a22 a23 a12 a13 a12 a13
= a11 − a21 + a31 , (2.72)
a32 a33 a32 a33 a22 a23
et on obtient le développement de det(A) par rapport à la 1ère colonne.
* Etude du cas général
– Soit A = (ai j )i j ∈ Mn (K). Notons B = (e1 , · · · , en ) la base canonique de M1,1 (K) :

     
1 0 0
     

 0 


 1 

 
  0
..
e1 =  0 , e2 =  0  , · · · , en =   (2.73)
     
.
 ..   ..  

 . 


 .

 0 
 
0 0 1
et    
a11 a1n
 .   .. 
C1 =  .. 

 , · · · ,Cn = 
 . 
 (2.74)
an1 ann
les colonnes de A. Soit j ∈ {1, · · · , n}.
En développant par linéarité par rapport à la j-ième colonne, on a :
n n
det(A) = detB (C1 , · · · ,C j−1 , ∑ ai j ei ,C j+1 , · · · ,Cn ) = ∑ ai j Ai j , (2.75)
i=1 i=1
en notant
Ai j = detB (C1 , · · · ,C j−1 , ei ,C j+1 , · · · ,Cn ) (2.76)

a11 · · · a1 j−1 0 a1 j+1 · · · a1n
.. .. .. .. ..
. . . . .
.. .. .. ..
. . 0 . .
.. .. .. ..
= . . 1 . . , (2.77)
.. .. .. ..
. . 0 . .
.. .. .. .. ..
. . . . .
an1 · · · an j−1 0 an j+1 · · · ann
le 1 étant situé à la ligne numéro i.

Faisons passer, dans le déterminant ci-dessus, la j-ième colonne en dernier, ie permu-
tons les colonnes suivant la permutation
!
1 2 ··· j −1 j j +1 ··· n
σ= , (2.78)
1 2 ··· j −1 n j ··· n−1
qui admet exactement (n − 1) − j + 1 inversions (et qui est aussi le produit de n − j

transpositions du type τk k+1 ) :
a11 · · · a1 j−1 a1 j+1 · · · a1n 0

.. .. .. .. ..
. . . . .
.. .. .. ..
Ai j = (−1)n− j . . . . 1 (2.79)
.. .. .. .. ..
. . . . .
an1 · · · an j−1 an j+1 · · · ann 0
De même faisons passer la i-ième ligne en dernier :
a11 ··· a1 j−1 a1 j+1 ··· a1n 0

.. .. .. .. ..
. . . . .
ai−11 · · · ai−1 j−1 ai−1 j+1 · · · ai−1n 0
n− j n−i
Ai j = (−1) (−1) ai+11 · · · ai+1 j−1 ai+1 j+1 · · · ai+1n 0 (2.80)
.. .. .. .. ..
. . . . .
an1 · · · an j−1 an j+1 ··· ann 0
ai1 · · · ai j−1 ai j+1 ··· ain 1
– Considérons une matrice quelconque B = (buv )uv ∈ Mn,n−1 (K), et

 
b11 · · · b1n−1 0
 . .. .. 
 .. . . 
B0 =   ∈ Mn (K). (2.81)
 bn−11 · · · bn−1n−1 0 
 
bn1 · · · bnn−1 1
En notant B0 = (b0uv )uv , on a donc :


 buv
 si v ≤ n−1
0
buv = 1 si u=v=n . (2.82)

0 sinon

Par définition : det(B0 ) = ∑ ε(σ )b0σ (1)1 · · · b0σ (n)n ∀σ ∈ Sn /σ (n) 6= n, on a b0σ (n)n = 0.
σ ∈Sn
Comme b0nn = 1, on a donc :
det(B0 ) = ∑ ε(σ )b0σ (1)1 · · · b0σ (n−1)n−1 . (2.83)

σ ∈Sn ,σ (n)=n
{σ ∈ Sn ; σ (n) = n} −→ Sn−1
Il est clair que l’application , où ρ est définie par :
σ 7−→ ρ

∀k ∈ {1, · · · , n − 1}, ρ(k) = σ (k), est une bijection et qu’elle conserve la signature.
D’où :
det(B0 ) = ∑ ε(ρ) b0ρ(1)1 · · · b0ρ(n−1)n−1 = ∑ ε(ρ) bρ(1)1 · · · bρ(n−1)n−1 (2.84)

ρ∈Sn−1 ρ∈Sn−1
– En appliquant ce résultat au déterminant obtenu pour Ai j , on arrive à
a11 ··· a1 j−1 a1 j+1 ··· a1n

.. .. .. ..
. . . .
ai−11 · · · ai−1 j−1 ai−1 j+1 · · · ai−1n
Ai j = (−1)i+ j (2.85)
ai+11 · · · ai+1 j−1 ai+1 j+1 · · · ai+1n
.. .. .. ..
. . . .
an1 · · · an j−1 an j+1 · · · ann
* Enoncé des résultats. Soit n ∈ N∗

Définition 2.7 Mineurs et Cofacteurs
Soit A = (ai j )i j ∈ Mn (K).
1. ∀i, j ∈ {1, · · · , n}, on appelle mineur de la place (i, j) dans A (ou, par abus :
mineur de ai j dans A) le déterminant ∆i j d’ordre n − 1 obtenu en supprimant
dans A la i-ième ligne et la j-ième colonne :
a11 ··· a1 j−1 a1 j+1 ··· a1n

.. .. .. ..
. . . .
ai−11 · · · ai−1 j−1 ai−1 j+1 · · · ai−1n
∆i j = (2.86)
ai+11 · · · ai+1 j−1 ai+1 j+1 · · · ai+1n
.. .. .. ..
. . . .
an1 · · · an j−1 an j+1 · · · ann
2. ∀i, j ∈ {1, · · · , n}, on appelle cofacteur de la place (i, j) dans A (ou, par abus :
cofacteur de ai j dans A), et on note Ai j défini par :
Ai j = (−1)i+ j ∆i j (2.87)
On appelle rangée d’une matrice ou d’un déterminant toute ligne ou colonne de cette matrice
ou de ce déterminant.

Proposition 2.13 Développement d’un déterminant par rapport à une rangée
Soit A = (ai j )i j ∈ Mn (K). On a :

n
1. ∀ j ∈ {1, · · · , n}, det(A) = ∑ ai j Ai j (développement de det(A) par rapport à la
i=1
j-ième colonne)
n
2. ∀i ∈ {1, · · · , n}, det(A) = ∑ ai j Ai j (développement de det(A) par rapport à la
j=1
i-ième ligne).
Démonstration
La deuxième proposition ci-dessus se déduit de la première appliquée à t A au lieu de
A.
En développant par rapport à la 4ème colonne :
2 6 −3 4
1 3 4 2 6 −3 2 6 −3
1 3 4 −5
= −4 4 1 2 − 5 4 1 2 + 6 1 3 4 (2.88)
4 1 2 0
−3 0 3 −3 0 3 4 1 2
−3 0 3 6
! !
3 4 1 3 6 −3 2 6
= −4 −3 +3 − 5 −3 +3
1 2 4 1 1 2 4 1
(2.89)
!
3 4 6 −3 6 −3
+6 2 − +4 (2.90)
1 2 1 2 3 4
= 1437. (2.91)
2.6.2 Comatrice
Soit n ∈ N∗ .
Définition 2.8 Comatrice
Soit A = (ai j )i j ∈ Mn (K). On appelle comatrice de A, la matrice carrée d’ordre n, notée
Com(A), définie par :
 
A11 · · · A1n
 . .. 
Com(A) = (Ai j )i j =  ..
 ,
.  (2.92)
An1 · · · Ann
où Ai j est le cofacteur de la place (i, j) dans A.

n
Nous avons vu que : ∀ j ∈ {1, · · · , n}, ∑ ai j Ai j = det(A). Intéressons-nous à ∑ni=1 ai j Aik ∀ j, k ∈
i=1
{1, · · · , n} fixé tel que j 6= k. Considérons la matrice B = (bip )ip obtenue à partir de A en rempla-
çant, dans A, la k-ième colonne par la j-ième colonne de A :
 
a11 · · · a1 j · · · a1k−1 a1 j a1k+1 · · · a1n
 . .. .. .. .. .. 
B= .. . . . . .  (2.93)
 
an1 · · · an j · · · ank−1 an j ank+1 · · · ann
D’une part, det(B) = 0, puisque B a deux colonnes égales. D’autre part, en développant det(B) par
rapport à la k-ième colonne, on a :
n n
det(B) = ∑ bik Bik = ∑ ai j Aik , (2.94)
i=1 i=1
puisque les cofacteurs des éléments de la k-ième colonne sont les mêmes dans B que dans A. Ainsi,
n
∑ ai j Aik = 0. On a donc prouvé :
i=1
(
n det(A) si j = k
∀ j, k ∈ {1, · · · , n}, ∑ ai j Aik = (2.95)
i=1 0 si j 6= k
n
Mais, pour ( j, k) ∈ {1, · · · , n}2 , ∑ ai j Aik est le ( j, k)-ième terme du produit de t A par Com(A),
i=1
d’où !
t det(A) 0
A.Com(A) = = det(A)In . (2.96)
0 det(A)
En appliquant ce résultat à t A au lieu de A, et en remarquant que Com(t A) =t Com(A) et det(t A) =
det(A), on obtient :
A.t Com(A) = det(A)In , (2.97)
et, en transposant le résultat précédent :
t
Com(A).A = det(A)In . (2.98)
Enonçons le résultat obtenu :

Théorème 2.3
∀A ∈ Mn (K), A.t Com(A) =t Com(A).A = det(A)In

Chapitre 2. Déterminants 2.7. Calcul des déterminants
Corollaire 2.3
1 t
∀A ∈ GLn (K), A−1 = Com(A).
det(A)
Exemple 2.3
!
a b
Pour n = 2, si ad − bc 6= 0, alors A = est inversible, et
c d
!
1 d −b
A−1 = (2.99)
ad − bc −c a
Exercice 2.2
1. Soient n ∈ N∗ , M ∈ Mn (K),
 
O ··· O
. 
A= .. M  ∈ Mn+1 (K). (2.100)
 
0
Calculer Com(A).
2. Soient n, p ∈ N∗ , A ∈ Mn (K). Montrer :
A p = In =⇒ (Com(A)) p = In . (2.101)
3. Soit n ∈ N∗ . Montrer :
( )
Com(A) ∈ GLn (K)
∀A ∈ GLn (K), . (2.102)
(Com(A))−1 = Com(A−1 )
2.7 Calcul des déterminants

2.7.1 Déterminant d’une matrice triangulaire
Proposition 2.14 Déterminant d’une matrice triangulaire

Le déterminant d’une matrice triangulaire est égal au produit des éléments diagonaux :
a11 · · · a1n n
.. .
. .. = ∏ aii (2.103)
i=1
0 ann
Démonstration
Récurrence sur n. La propriété est évidente pour n = 1. Supposons-la vraie ∀n ∈ N∗ et soit
 
a11 · · · a1n+1
 ... .. 
A=
 .   ∈ Tn+1,s (K). (2.104)
0 an+1n+1
En développant det(A) par rapport à la (n + 1)-ième ligne, on obtient :
a11 · · · a1n n+1

. . . .. a
det(A) = . n+1n+1 = (a11 · · · ann )an+1n+1 = ∏ aii (2.105)
i=1
0 ann
Remarque 2.8
En particulier, le déterminant d’une matrice diagonale est égal au produit des éléments dia-
gonaux.
2.7.2 Manipulation des lignes et des colonnes
Utilisation de la multilinéarité La multilinéarité du déterminant se traduit schématiquement par :

Pour que le déterminant d’une matrice soit nul, il faut et il suffit que la famille des colonnes
de cette matrice soit liée. En particulier, si un déterminant a une colonne nulle, ou deux
colonnes linéaires, ce déterminant est nul. Résultat analogue pour les lignes.
Remplacement d’une colonne par la somme de celle-ci et d’une combinaison linéaire des autres.
Soient A = (ai j )i j ∈ Mn (K), C1 , · · · ,Cn les colonnes de A, j ∈ {1, · · · , n}, (αk )k6= j ∈ Kn−1 .
Considérons la matrice B obtenue à partir de A en remplaçant C j par C j + ∑ αkCk .
k6= j

En notant B = (e1 , · · · , en ) la base canonique de Mn,1 (K), on a :
det(B) = detB (C1 , · · · ,C j + ∑ αkCk , · · · ,Cn ) (2.106)

k6= j
= detB (C1 , · · · ,C j , · · · ,Cn ) + ∑ αk detB (C1 , · · · ,C j−1 ,Ck ,C j+1 , · · · ,Cn ) (2.107)
k6= j
= det(A) (2.108)
Proposition 2.15
On ne change pas la valeur d’un déterminant en remplaçant une colonne par la somme
de celle-ci et d’une combinaison linéaire des autres colonnes. Résultats analogues sur
les lignes.
Remplacement simultané de colonnes Soient A = (ai j )i j ∈ Mn (K), C1 , · · · ,Cn les colonnes de

A. Nous allons montrer qu’on peut, sans changer det(A), remplacer dans A chaque co-
lonne par la somme de celle-ci et d’une combinaison linéaire des colonnes suivantes. ∀k ∈
{2, · · · , n}, soient αkk−1 , · · · , αnk−1 ∈ K. Considérons la matrice B obtenue à partir de A en
remplaçant :
C1 par C1 + α21C2 + · · · + αn1Cn (2.109)

C2 par C2 + α32C3 + · · · + αn3Cn (2.110)
..
. (2.111)
Cn−1 par Cn−1 + αnn−1Cn (2.112)
Cn par Cn (2.113)
En notant  
1
 
α21 1 
 
T =  31
α α 32 1 O ,

(2.114)
 . .. . . . 
 .. . . .. 
 
αn1 αn1 · · · αnn−1 1
on a : B = AT , d’où
det(B) = det(A)det(T ) = det(A).1 = det(A) (2.115)

Proposition 2.16
On ne change pas la valeur d’un déterminant en remplaçant (simultanément) chaque
colonne par la somme de celle-ci et d’une combinaison linéaire des colonnes sui-
vantes. Résultats analogue sur les lignes.
De même, en utilisant la post-multiplication de A par une matrice triangulaire supé-
rieure.
Proposition 2.17
On ne change pas la valeur d’un déterminant en remplaçant(simultanément) chaque
colonne par la somme de celle-ci et d’une combinaison linéaire des colonnes précé-
dentes. Résultat analogue sur les lignes.
Exemple 2.4
∀a, b ∈ K et n ≥ 2, calculer
2.7.3 Cas n = 2, n = 3
a11 a12
• n=2: = a11 a22 − a21 a12 .
a21 a22
a11 a12 a13

• n = 3 : a21 a22 a23 = a11 a22 a33 −a21 a12 a33 −a31 a22 a13 −a11 a32 a23 +a21 a32 a13 +a31 a12 a23
a31 a32 a33
On peut retrouver le déterminant d’ordre 3 en appliquant la règle de Sarrus.
2.7.4 Déterminant d’une matrice triangulaire par blocs
Proposition 2.18
Soient A ∈ Mn (K), B ∈ Mn,p (K), C ∈ M p (K). On a :

!
A B
det = det(A)det(C) (2.116)
O C
Démonstration
On remarque que ! ! !
A B In O A B
= (2.117)
O C O C O Ip

Chapitre 2. Déterminants 2.8. Système affines
d’où ! ! !
A B In O A B
det = det .det (2.118)
O C O C O Ip
!
In O
En développant par rapport à la première ligne, de façon itérée, on obtient :
O C
!
In O
det = det(C). (2.119)
O C
!
A B
De même, en développant par rapport à la dernière ligne, de façon itérée, on
O Ip
obtient : !
A B
det = det(A). (2.120)
O Ip
Proposition 2.19
Le déterminant d’une famille triangulaire par blocs est égal au produit des déterminants des
blocs diagonaux :  
A11 · · · s
det 
 .. 
 = ∏ det (Akk ) . (2.121)
 . 
k=1
O Ass
Démonstration
Récurrence immédiate sur s en utilisant la proposition 2.7.4.
2.8 Système affines

2.8.1 Position du problème
   
a11 · · · a1p b1
 . . .  .
Soient A =  . . . ..  ∈ Mn,p (K), B =  ..  ∈ Mn,1 (K). On s’intéresse au système d’équa-
 .   
an1 · · · anp bn
tions : 
 a11 x1 + · · · + a1p x p = b1


.. .. ..
(S) . . . , (2.122)

 a x +···+ a x = b

n1 1 np p n

d’inconnue (x1 , · · · , xn ) ∈ K p , appelé système affine. En notant S l’ensemble des solutions de (S)
dans K p , il s’agit de savoir si (S) est vide ou non, et, lorsque S 6= ∅, d’expliciter les éléments de
(S).
 
x1
.
.
Interprétation matricielle En notant X =   .  ∈ M p,1 (K), (x1 , · · · , x p ) est solution de (S) dans
xp
p
K si et seulement si : AX = B. Ainsi, la résolution de (S) se ramène à celle de l’équation
matricielle AX = B, d’inconnue X ∈ M p,1 (K).
Interprétation vectorielle Soient E un K-ev de dimension p, F un K − ev de dimension n ; B

une base de E, C une base de F ; f ∈ L (E, F) telle que MatB,C ( f ) = A ; b ∈ F tel que
MatC (b) = B ; x ∈ E tel que MatB (x) = X. On a :
AX = B ⇐⇒ f (x) = b ⇐⇒ x ∈ f −1 ({b}) . (2.123)
2.8.2 Résolution dans le cas d’un système de Cramer
Gardons les notations précédentes, et notons r = rg(A). Le système (S) est dit de Cramer si et
seulement si A est carrée et inversible, ie n = p = r.
Nous supposons ici cette condition réalisée. On a alors :
AX = B ⇐⇒ X = A−1 B. (2.124)


a1 j
 . 
Notons, pour 1 ≤ j ≤ n, C j =  . 
 .  la j-ième colonne de A. Puisque A est inversible, la famille
an j
F = (C1 , · · · ,Cn ) est une base de Mn,1 (K). Il existe donc (x1 , · · · , x p ) ∈ K p unique tel que B =
n
∑ x j C j , et (S) admet donc une solution et une seule, qui est (x1 , · · · , xn ).
j=1
Soit k ∈ {1, · · · , n}. On a :
n
detF (C1 , · · · ,Ck−1 , B,Ck+1 , · · · ,Cn ) = detF (C1 , · · · , ∑ x jC j , · · · ,Cn ) (2.125)
j=1
n
= ∑ x j detF (C1, · · · ,C j , · · · ,Cn) (2.126)
j=1
= xk detF (F ) = xk , (2.127)

En notant B la base canonique de Mn,1 (K), On a donc :
xk = detF (C1 , · · · ,Ck−1 , B,Ck+1 , · · · ,Cn ) (2.128)

= detF (B)detB (C1 , · · · , B, · · · ,Cn ) (2.129)
= (detB (C1 , · · · ,Cn ))−1 detB (C1 , · · · , B, · · · ,Cn ). (2.130)
On a prouvé :
Proposition 2.20 Formules de Cramer
Si A = (ai j )i j ∈ GLn (K) et (b1 , · · · , bn ) ∈ Kn , le système


 a11 x1 + · · · + a1p x p = b1


.. .. ..
(S) = . . . (2.131)

 a x +···+ a x = b

n1 1 np p n
d’inconnue (x1 , · · · , xn ) ∈ Kn admet une solution et une seule, et, ∀k ∈ {1, · · · , n} :
a11 · · · a1k−1 b1 a1k+1 · · · a1n

1 .. .. .. .. ..
xk = . . . . . . (2.132)
det(A)
an1 · · · ank−1 bn ank+1 · · · ann
Les formules précédentes donnant xk (1 ≤ k ≤ n) s’appellent les formules de Cramer.

CHAPITRE 3
RÉDUCTION DES ENDOMORPHISMES ET DES MATRICES

CARRÉES
Sommaire
3.1 Eléments propres . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 61
3.2 Sommes- Sommes directes . . . . . . . . . . . . . . . . . . . . . . . . . . . . 63
3.3 Polynôme caractéristique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 64
3.4 Diagonalisation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 67
3.1 Eléments propres

Définition 3.1
1. Soient E un K-ev, f ∈ L (E).
• Soit λ ∈ K. On dit que λ est une valeur propre (vp) de (ou : pour) f si et
seulement si :
∃x ∈ E, (x 6= 0 et f (x) = λ x). (3.1)
On appelle spectre de f , et on note S pK ( f ) (ou S p ( f )) l’ensemble des valeurs

propres de f .
• Soit x ∈ E. On dit que x est un vecteur propre (vp) de (ou :pour) f si et seule-
ment si :
x 6= 0 et (∃λ ∈ K, f (x) = λ x). (3.2)
2. Soient n ∈ N∗ , A ∈ Mn (K).
62
Chapitre 3. Réd. des endo et des matrices 3.1. Eléments propres
• Soit λ ∈ K. On dit que λ est une valeur propre de (ou : pour) A si et seulement
si :
∃X ∈ Mn,1 (K), (X 6= 0 et AX = λ X). (3.3)
On appelle spectre de A, et on note S pK (ou S p (A)) l’ensemble des valeurs

propres de A.
• Soit X ∈ Mn,1 (K). On dit que X est un vecteur propre de (ou : pour) A si et
seulement si :
X 6= 0 et (∃λ ∈ K, AX = λ X) . (3.4)
Les valeurs propres et vecteurs propres sont globalement appelés éléments propres.
NB : Par définition, un vecteur propre n’est jamais nul. La proposition suivante est immé-
diate.
Proposition 3.1
1. Soient E un K-ev, e = IdE , λ ∈ K ; on a :
λ ∈ S pK ( f ) ⇐⇒ Ker( f − λ e) 6= {0} ⇐⇒ f − λ e non injectif.
2. Soient n ∈ N∗ , A ∈ Mn (K), λ ∈ K ; on a :
λ ∈ S pK ⇐⇒ Ker(A − λ In ) 6= {0} ⇐⇒ A − λ In ∈
/ GLn (K)
⇐⇒ rg(A − λ In ) < n
En particulier, ∀A ∈ Mn (K), A ∈ GLn (K) ⇐⇒ 0 ∈

/ S pK .
1. Soient E un K − ev, e = IdE , f ∈ L .
• Soient λ ∈ K, x ∈ E. On dit que λ et x sont des valeurs propres et vecteurs

propres associés si et seulement si : x 6= 0 et f (x) = λ x.
• Pour toute vp λ de f , le sev Ker( f − λ e) de E est formé des vp de f associés à
λ et du vecteur nul. Ce sev Ker( f − λ e) est appelé le sous-espace propre de f
associé à la vp λ de f , et noté SEP( f , λ ) :
SEP( f , λ ) = Ker( f − λ e) (3.5)
2. Soient n ∈ N∗ , A ∈ Mn (K).

Chapitre 3. Réd. des endo et des matrices 3.2. Sommes- Sommes directes
• Soient λ ∈ K, X ∈ Mn,1 (K). On dit que λ et X sont des valeurs propre et

vecteur propre associés si et seulement si :
X 6= 0 et AX = λ X. (3.6)
• Pour toute vp λ de A, le sep Ker(A − λ In ) de Mn,1 (K) est formé des vp de A

associés à λ et du vecteur nul. Ce sev Ker(A − λ In ) est appelé le sous-espace
propre pour A associé à la vp λ de A, et noté SEP(A, λ ) :
SEP(A, λ ) = Ker(A − λ In ). (3.7)
3.2 Sommes- Sommes directes

E désigne un K-eV, I désigne un ensemble fini.
Définition 3.2 Somme de sous-espaces vectoriels
Soient I un ensemble fini, (Ei )i∈I une famille de seV de E. On appelle somme de (Ei )i∈I , et
on note ∑ Ei , l’ensemble des sommes ∑ xi lorsque (xi )i∈I décrit ∏ Ei :
i∈I i∈I i∈I
( )
∑ Ei = ∑ xi; ∀ i ∈ I, xi ∈ Ei . (3.8)
i∈I i∈I
Définition 3.3 Somme directe

Soient I un ensemble fini, (Ei )i∈I une famille de seV de E. On dit que la somme ∑ Ei est
i∈I
directe si et seulement si :
!
∀ (xi )i∈I ∈ ∏ Ei , ∑ xi = 0 ⇒ (∀i ∈ I, xi = 0) . (3.9)
i∈I i∈I
L
On note alors Ei au lieu de ∑ Ei .
i∈I i∈I
Proposition 3.2
Soient E un K-eV de dimension finie et Ei une famille finie de seV de E telle que la somme
∑ Ei soit directe. On a alors :
i∈I
!
M
dim Ei = ∑ dim (Ei ) (3.10)
i∈I i∈I

Chapitre 3. Réd. des endo et des matrices 3.2. Sommes- Sommes directes
Proposition 3.3
Soient E un K-eV de dimension finie et (Ei )i∈I une famille finie de seV de E telle que la
somme ∑ Ei soit directe. On a alors :
i∈I
M
E= Ei ⇐⇒ dim (E) = ∑ dim (Ei ). (3.11)
i∈I i∈I
Proposition 3.4
Soient f ∈ L (E), λ1 , · · · , λN des valeurs propres de f (deux à deux distinctes). Alors les
sous-espaces propres de f associés à λn , · · · , λN sont en somme directe.
Démonstration
Récurrence sur n. La propriété est triviale pour N = 1. Supposons-la vraie pour N ∈ N∗ et
soient λ1 , · · · , λN+1 des valeurs propres de f deux à deux distinctes. Soit (xi )1≤i≤N+1 ∈ E N+1
tel que :
N+1
∀i ∈ {1, · · · , N + 1}, xi = SEP( f , λi ), ∑ xi = 0 (3.12)
i=1
N+1 N+1
En appliquant f : 0 = ∑ f (xi ) = ∑ λi xi . Ainsi,
i=1 i=1
(
x1 + · · · + xN + xN+1 = 0
(3.13)
λ1 x1 + · · · + λN xN + λN+1 xN+1 = 0
d’où
(λN+1 − λ1 )x1 + · · · + (λN+1 − λN )xN = 0 (3.14)
Comme ∀i ∈ {1, · · · , N}, (λN+1 − λi ) xi ∈ SEP( f , λi ) et que les sous-espaces propres

SEP( f , λi )(1 ≤ i ≤ N) sont en somme directe (hypothèse de récurrence), on déduit :
∀i ∈ {1, · · · , N}, (λN+1 − λi ) xi = 0. (3.15)
Mais λ1 , · · · , λN+1 sont deux à deux distincts, d’où : ∀i ∈ {1, · · · , N}, xi = 0, et enfin :
N
xN+1 = − ∑ xi = 0. (3.16)
i=1
Ceci montre que les SEP( f , λi ) (1 ≤ i ≤ N + 1) sont en somme directe.

Chapitre 3. Réd. des endo et des matrices 3.3. Polynôme caractéristique
3.3 Polynôme caractéristique

Dans ce paragraphe, K désigne un corps infini (c’est le cas si K est un sous-corps de C). On
peut donc identifier polynôme (de K[X]) et fonction polynomiale (de K dans K). Selon l’usage,
la variable est ici notée λ , de sorte que l’on confonde un polynôme P de K[X] et l’application
P̃ : K −→ K
polynomiale : .
λ −→ P(λ )
Dans ce paragraphe, E désigne un K-ev de dimension finie, n = dim(E) ≥ 1. On note e = IdE .
K −→ K
1. Soit A ∈ Mn (K). L’application est un polynôme, appelé po-
λ 7−→ det(A − λ In )
lynôme caractéristique de A, et noté χA .
K −→ K
2. Soit f ∈ L(E). L’application est le polynôme caractéris-
λ −→ det(A − λ e)
tique de f , noté χ f .
Proposition 3.5
Soient n ∈ N − {0, 1}, A ∈ Mn (K). On a :
∀λ ∈ K, χA (λ ) = (−1)n λ n + (−1)n−1tr(A)λ n−1 + · · · + det(A). (3.17)
En particulier, χA est de degré n.
Démonstration
Notons A = (ai j )i j . Soient λ ∈ K et, ∀i, j ∈ {1, · · · , n} :
(
ai j − λ si i= j
αi j = (3.18)
ai j si i 6= j
α11 · · · α1n
. ..
χA (λ ) = .. . = ∑ ε(σ )ασ (1)1 · · · ασ (n)n . (3.19)
σ ∈Sn
αn1 · · · αnn
∀σ ∈ Sn − {Id{1,··· ,n} }, le terme ε(σ )ασ (1)1 · · · αα(n)n est un polynôme (en λ ) de degré ≤

n − 2. D’autre part :
α11 · · · αnn = (a11 − λ ) · · · (ann − λ ) (3.20)

= (−λ )n + (a11 + · · · + ann )(−λ )n−1 + · · · (3.21)
Ceci montre que χA est de degré n et que les termes en λ n et λ n−1 sont respectivement
(−1)n λ n et (−1)n−1tr(A)λ n−1 . Enfin, comme det(A) = χA (0), le terme constant de χA est
det(A).
Remarque 3.1
n n n
Si χA est scindé sur K, χA = (−1)n ∏ (λ − λi ), alors ∑ λi = tr(A) et ∏ λi = det(A).
i=1 i=1 i=1
Exemple 3.1
 
8 12 10
Calculer les vp et les vp de A = −9 −22 −22 ∈ M3 (R).
 
9 18 17
8−λ 12 10
χA (λ ) = −9 −22 − λ −22 = −(λ + 1)(λ − 2)2 , (3.22)
9 18 17 − λ
donc S pK (A) = {−1, 2}.

  
x  9x + 12y + 10z = 0

X = y ∈ SEP(A, −1) ⇐⇒ (A + I3 )X = 0 ⇐⇒ −9x − 12y − 22z = 0 (3.23)
 

z 9x + 18y + 18z = 0

(
x = −2y − 2z
⇐⇒ (3.24)
3y + 4z = 0
Donc SEP(A, −1) est la droite vectorielle engendré par (2, −4, 3). De même, SEP(A, 2) est
la droite vectorielle engendrée par (4, −7, 6).
Définition 3.4
Soient f ∈ L (E) (resp. A ∈ Mn (K)), λ0 une valeur propre de f (resp. de A). On appelle
ordre de multiplicité de λ0 l’ordre de multiplicité de λ0 en tant que zéro du polynôme
caractéristique χ f (resp. χA ).

Exemple 3.2
Dans l’exemple précédent, les vp sont -1 (simple) et 2 (double).
Proposition 3.6
Soient f ∈ L (E) λ0 ∈ S pK ( f ), ω0 l’ordre de multiplicité de λ0 , d0 = dim (SEP( f , λ0 )).

On a alors : 1 ≤ d0 ≤ ω0 .
Démonstration
1. Puisque, par définition, SEP( f , λ0 ) = Ker( f − λ0 e) 6= {0}, on a : d0 ≥ 1.
2. SEP( f , λ0 ) admet au moins une base (e1 , · · · , ed0 ) et, d’après le théorème de la base
incomplète, il existe ed0 +1 , · · · , en ∈ E tels que B = (e1 , · · · , en ) soit une base de E. Il
existe C ∈ Md0 ,n−d0 (K), B ∈ Mn−d0 (K) telles que :
!
λ0 Id0 C
MatB ( f ) = , (3.25)
O B
d’où ∀λ ∈ K, !
(λ0 − λ )Id0 C
χ f (λ ) = det
O B − λ In−d0
(3.26)
= (λ0 − λ )d0 det(B − λ In−d0 )
= (λ0 − λ )d0 χB (λ )
Comme χB est un polynôme, on en déduit : (λ0 − X)d0 |χ f , et donc d0 ≤ ω0 .
Corollaire 3.1
1. Soit f ∈ L (E). Pour toute vp simple λ0 de f , la dimension de SEP( f , λ ) vaut 1.
2. Soit A ∈ Mn (K). Pour toute vp simple λ0 de A, la dimension de SEP(A, λ0 ) vaut 1.

Chapitre 3. Réd. des endo et des matrices 3.4. Diagonalisation
3.4 Diagonalisation
Définition 3.5
1. Soit f ∈ L (E). On dit que f est diagonalisable si et seulement s’il existe une base
B de E telle que MatB ( f ) soit diagonale.
2. Soit A ∈ Mn (K). On dit que A est diagonalisable si et seulement s’il existe une matrice
diagonale D de Mn (K) telle que A soit semblable à D.
Autrement dit, A est diagonalisable si et seulement si :
∃P ∈ GLn (K), ∃D ∈ Dn (K), A = PDP−1 . (3.27)
Si A ∈ Mn (K) est diagonalisable, on appelle diagonalisation de A la donnée de P, D, (et P−1 ) telles

que :
P ∈ GLn (K), D ∈ Dn (K), A = PDP−1 . (3.28)
Si A ∈ Mn (K) est diagonalisable, diagonaliser A c’est déterminer P, D, (et P−1 ) telles que :
P ∈ GLn (K), D ∈ Dn (K), A = PDP−1 . (3.29)
Remarque 3.2
1. Soient f ∈ L (E), B une base de E, A = MatB ( f ). Alors f est diagonalisable si et

seulement si A est diagonalisable. En effet :
• Si f est diagonalisable, il existe une base B 0 de E telle que la matrice D de f

dans B 0 soit diagonale et, en notant P = Pass(B, B 0 ), on a alors A = PDP−1 .
• Si A est diagonalisable, ∃P ∈ GLn (K), D ∈ Dn (K) telles que A = PDP−1 et donc
D est la matrice de f dans la base B 0 de E définie par P = Pass(B, B 0 ) = P.
2. Toute matrice diagonale est diagonalisable.
Proposition 3.7
Soit f ∈ L (E). Les propriétés suivantes sont deux à deux équivalentes :
1. f est diagonalisable
2. il existe une base de E formée des vp de f
3. la somme des SEP de f est égale à E

4. la somme des dimensions des SEP de f est égale à dim(E).
Démonstration
1 . =⇒ 2. Supposons f diagonalisable. Il existe une B = (e1 , · · · , en ) de E telle que
MatB ( f ) soit diagonale ; il existe donc (λ1 , · · · , λn ) ∈ Kn tel que :
MatB ( f ) = diag(λ1 , · · · , λn ). (3.30)

(
f (ei ) = λ ei
Comme ∀i ∈ {1, · · · , n},
ei 6= 0
B = (e1 , · · · , en ) est une base de E formée de vp de f .
2. =⇒ 3. Supposons qu’il existe un base B = (e1 , · · · , en ) formée de vp de f . Il existe donc

(λ1 , · · · , λn ) ∈ Kn tel que : ∀i ∈ {1, · · · , n}, f (ei ) = λ ei . Il est clair que chaque λi est
une vp de f (un vp associé est ei ). Notons Λ = {λi ; 1 ≤ i ≤ n}. Alors :
n n
∑ Ker( f − λ e) ⊃ ∑ Ker( f − λ e) = ∑ Ker( f − λi e) ⊃ ∑ Kei = E, (3.31)
λ ∈S pK ( f ) λ ∈Λ i=1 i=1
donc la somme des SEP de f , qui est ∑ Ker( f − λ e) est égale à E :

λ ∈S pK ( f )
∑ Ker( f − λ e) = E (3.32)
λ ∈S pK ( f )
3. =⇒ 4. Supposons que la somme des SEP de f soit égale à E. Comme cette somme est
directe, on a alors :
 
M
∑ dim(SEP( f , λ )) = dim  SEP( f , λ ) = dim(E). (3.33)
λ ∈S pK ( f ) λ ∈S pK ( f )
4. =⇒ 1. Supposons que la somme des dimensions des SEP de f soit égale à dim(E). No-
tons k = Card(S pK ( f )), µ1 , · · · , µk les éléments de S pK ( f ). Chaque SEP( f , µ j )(1 ≤
k
j ≤ k) admet au moins une base B j , notons B = B j . Comme les SEP( f , µ j )(1 ≤
S
j=1
j ≤ k) sont en somme directe, et que chaque B j est libre, B est libre.
D’autre part :
k k
Card(B) = ∑ Card(B j ) = ∑ dim(SEP( f , µ j )) = dim(E). (3.34)
j=1 j=1

Ainsi, B est une base de E, et la matrice de f dans B est diagonale, puisque les
éléments de B sont des vp de f :
 
µ1 Id1 · · · O
 .. .. .. 
MatB ( f ) = 
 . . .  (3.35)
O · · · µk Idk
où d j = Card(B j ), 1 ≤ j ≤ K.
Remarque 3.3
D’après la preuve précédente, si f ∈ L (E) est diagonalisable, alors les éléments diago-
naux d’une matrice diagonale représentant f sont les valeurs propres de f , écrits sur cette
diagonale autant de fois que l’indiquent leurs ordres de multiplicité.
Théorème 3.1 CNS de diagonalisabilité
1. Soit f ∈ L (E), f est diagonalisable si et seulement si :
• χ f est scindé sur K

• pour chaque vp λ de f , dim(SEP( f , λ )) est égale à l’odre de multiplicité de λ .
2. Soit A ∈ Mn (K), A est diagonalisable si et seulement si :
• χA est scindé sur K

• pour chaque vp λ de A, dim(SEP(A, λ )) est égale à l’ordre de multiplicité de λ .
Démonstration
1. Pour chaque vp λ de f , notons d(λ ) = dim(SEP( f , λ )) et ω(λ ) l’ordre de multiplicité

de λ (dans χ f ).
• Supposons f diagonalisable. On a :
∀λ ∈ S pK ( f ), d(λ ) ≤ ω(λ ); n= ∑ d(λ ) (3.36)

λ ∈S pK ( f )
D’autre part, puisque f est diagonalisable, il existe une base B de E et

(λ1 , · · · , λn ) ∈ Kn tels que :

 
λ1 · · · O
. . . 
MatB ( f ) =  .. . . .. . (3.37)
 
O · · · λn
On a donc ∀λ ∈ K,
n
χ f (λ ) = det (MatB ( f ) − λ In ) = ∏(λi − λ ). (3.38)
i=1
Ainsi, χ f est scindé et donc : ∑ ω(λ ) = n. On conclut : ∀λ ∈ K, d(λ ) =

λ ∈S pK ( f )
ω(λ ).
• Réciproquement, supposons χ f scindé et que les zéros de χ f sont les vp de f :
∑ ω(λ ) = n. D’où ∑ d(λ ) = n, et donc f est diagonalisable.
λ ∈S pK ( f ) λ ∈S pK ( f )
2. Cette deuxième propriété est clairement l’expression matricielle de la première.
Exemple 3.3
Montrer que  
2 0 1
A =  1 1 1  ∈ M3 (R) (3.39)
 
−2 0 −1
est diagonalisable et diagonaliser A.
2−λ 0 1
2−λ 1
χA (λ ) = 1 1−λ 1 = (1 − λ ) = (λ )(λ − 1)2 (3.40)
−2 −1 − λ
−2 0 −1 − λ
Les vp de A sont 0 (simple) et 1 (double).
•   
x  2x + z = 0
 (
z = −2x
X = y ∈ SEP(A, 0) ⇐⇒ x + y + z = 0 ⇐⇒ (3.41)
 
 y=x
z −2x − z = 0

 
1
Donc SEP(A, 0) est de dimension 1 et admet pour base (V1 ) où V1 =  1 .
 
−2

•  
x
X = y ∈ SEP(A, 1) ⇐⇒ x + z = 0 (3.42)
 
z
 
0
Donc SEP(A, 1) est de dimension 2 et admet pour base (V1 ,V3 ) où V2 = 1, V3 =
 
0
 
1
 0 , par exemple.
 
−1
Puisque χA est scindé sur R et que, pour chaque vp de A, la dimension du SEP est égale
à l’ordre de multiplicité de la vp, d’après le théorème précédent, A est diagonalisable.
En notant B0 la base canonique de M3,1 (R), B = (V1 ,V2 ,V3 ), P = Pass(B0 , B)
   
1 0 1 0 0 0
P =  1 1 0 , D = 0 1 0 (3.43)
   
−2 0 −1 0 0 1
On a : A = PDP−1 .  
−1 0 −1
P−1 =  1 1 1  (3.44)
 
2 0 1
Corollaire 3.2 CS de diagonalisabilité
1. Soit f ∈ L (E). Si f admet n valeurs propres deux à deux distinctes (où n = dim(E)),
alors f est diagonalisable.
2. Soit A ∈ Mn (K). Si A admet n valeurs propres deux à deux distinctes, alors A est
diagonalisable.
Exemple 3.4
 
1 0 ··· 0
0
 . . . . . . .. 
0
 . . . .
 .. .. ..
Soient n ∈ N − {0, 1}, A = 0 . . . 0 ∈ Mn (C. Montrer que A est diagonali-

 
 .. .. ..
0 . . . 1

1 0 0 0 0
sable.

−λ 1 0 ··· 0 −λ 1 0 ··· 0
... ... ... .. ... ... ... ..
0 . 0 .
χA (λ ) = ... ... ... = −λ ... ... ...
0 0 0 0
.. .. .. .. .. ..
0 . . . 1 0 . . . 1
1 0 0 0 −λ [n]
1 0 0 0 −λ [n−1]
1 0 0 ··· 0
.. .. .. ..
−λ . . . .
+ (−1)n+1 0 .. .. ..
. . . 0
... ... ...
0 0
1 0 0 −λ 1 [n−1]
n−1 n+1
= (−λ )(−λ ) + (−1)
= (−1)n (λ n − 1).
Il est clair que χA est scindé sur C et à zéros simples (les racines n-ième de 1 dans C) ;
d’après le corollaire précédent, A est diagonalisable dans Mn (C).
Dans ce paragraphe, E désinge un K-ev ; on note e = IdE
Généralité
Définition-Notation 3.1 polynôme d’endomorphisme-polynôme de matrice
Soit P = a0 + a1 X + · · · + aN X N ∈ K[X]
1. Pour f ∈ L (E), on note P( f ) = a0 e + a1 f + · · · + aN f N , et P( f ) est appelle un poly-

nôme d’endomorphisme.
2. Pour A ∈ Mn (K)(n ∈ N∗ ), on note
P(A) = a0 In + a1 A + · · · + aN AN
et P(A) est appelé un polynôme de matrice.

Autrement dit, pour obtenir P( f ) ( ou P(A)), on remplace la constante 1 par e (ou In ),
X par f ( ou A), X k par f k (ou Ak pour k ∈ N∗

Remarque 3.4
1. Ne pas confondre 1( f ) (qui vaut e) et X( f ) (qui vaut f )

Par exemple : (2 + 3X) = 2e + 3 f
2. Soient E un K-ev de dimension finie, B une base de E, f ∈ L (E), A = MatB ( f ), on

a alors MatB (P( f )) = P(A)
Proposition 3.8
1. soit f ∈ L (E). L’application P 7−→ P( f ) est un morphisme d’algèbres unitaires de

K[X] dans L (E), c’est-à-dire :

 (αP + Q)( f ) = αP( f ) + Q( f )

∀α ∈ K, ∀P, Q ∈ K[X], (PQ)( f ) = P( f ) ◦ Q( f )

1( f ) = e

2. Soit A ∈ Mn (K). L’application P 7−→ P(A) est un morphisme d’algèbres unitaires de

K[X], cest-à-dire :

 (αP + Q)(A) = α p(A) + Q(A)

∀α ∈ K, ∀P, Q ∈ K[X], (PQ)(A) = P(A) ◦ Q(A)

1(A) = In

Démonstration
N N
1. Notons P = ∑ ak X k , Q = ∑ bk X k
k=0 k=0
•
!
N
(αP + Q)( f ) = ∑ (αak + bk )X k (f)
k=0
N N N
= ∑ (αak + bk ) f k = α ∑ ak f k + ∑ bk f k
k=0 k=0 k=0
= ∑ αP( f ) + Q( f )

• En notant de plus ak = bk = 0 si k > N, on a :
2N k
(PQ)( f ) = ( ∑ ( ∑ ai bk−i )X k )( f )
k=0 i=0
2N k N N
= ∑ ∑ aibk−i f k = ( ∑ ai f i) ◦ ( ∑ b j f j )
k=0 i=0 i=0 j=0
= P( f ) ◦ Q( f )
Proposition 3.9
1. Si f , g ∈ L (E) commutent, alors tout polynôme en f commute avec tout polynôme

en g ;
2. Si A, B ∈ Mn (K) commutent, alors tout polynôme en A commute avec tout polynôme

en B.
Démonstration
1. Soient f , g ∈ L (E) tels que g ◦ f = f ◦ g. Montrons, par récurrence : ∀k ∈ N, gk ◦ f =

f ◦ gk .
La propriété est triviale pour k = 0 (car g0 = e, et vraie pour k = 1 par hypothèse. Si
elle est vraie pour un entier k, alors :
gk+1 ◦ f = g ◦ (gk ◦ f ) = g ◦ ( f ◦ gk ) = (g ◦ f ) ◦ gk = ( f ◦ g) ◦ gk
= f ◦ gk+1
• Il en résulte, par linéarité :
∀Q ∈ K[X], Q(g) ◦ f = f ◦ Q(g)
• Le résultat précédent, appliqué à (Q(g), f ) au lieu ( f , g), montre alors :
∀P, Q ∈ K[X], Q(g) ◦ P( f ) = P( f ) ◦ Q(g)

Proposition 3.10
1. Soient f ∈ L (E), λ ∈ SpK ( f ), x ∈ SEP( f , λ ). On a alors :
∀P ∈ K[X], (P( f ))(x) = P(λ )x
2. Soient A ∈ Mn (K), λ ∈ SpK (A),V ∈ SEP(A, λ ). On a alors :
∀P ∈ K[X], P(A)V = P(λ )V
Démonstration
• Montrons, par récurrence : ∀k ∈ N, f k (x) = λk x. La propriété est triviale pour k = 0
(car f 0 = e et λ 0 = 1), et vraie pour k = 1 par hypothèse. S elle est vraie pour un k de
N, alors :
f k+1 (x) = f ( f k (x)) = f (λ k x) = λ k f (x) = λ k λ x = λ k+1 x
N
• On a alors, pour tout P = ∑ ak X k de K ∈ [X],
k=0
N N
k
(P( f ))(x) = ( ∑ ak f )(x) = ∑ ak f k (x)
k=0 k=0
N
= ∑ ak λ k x = P(λ )x
k=0

CHAPITRE 4
FORMES BILINÉAIRES SYMÉTRIQUES
Sommaire
4.1 Formes bilinéaire . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 77
4.2 matrice d’une fbs dans une base . . . . . . . . . . . . . . . . . . . . . . . . . 78
4.3 Changement de base pour une fbs . . . . . . . . . . . . . . . . . . . . . . . . 79
4.4 Formes sesquilinéaires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 84
4.4.1 Transconjugaison . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 85
4.4.2 matrices hermitiennes . . . . . . . . . . . . . . . . . . . . . . . . . . . 86
4.5 la notion de produit scalaire . . . . . . . . . . . . . . . . . . . . . . . . . . . 87
4.5.1 Diverses caractérisations d’une base orthonormale . . . . . . . . . . . . 89
4.1 Formes bilinéaire

Proposition 4.1
Soient ϕ une forme bilinéaire sur E × E, (n, p) ∈ (N∗ )2 , α1 , . . . , αn , β1 , . . . , β p ∈

K, x1 , . . . , xn , y1 , . . . , y p ∈ E. On a alors :
!
n p n p
ϕ ∑ αixi, ∑ β j x j =∑ ∑ αiβ j ϕ(xi, y j )
i=1 j=1 i=1 j=1
78
Chapitre 4. Formes bilinéaires symétriques 4.2. matrice d’une fbs dans une base
Démonstration
On a par récurrence immédiatement sur n :
n n
∀Y ∈ E, ϕ( ∑ αi xi ,Y ) = ∑ αi ϕ(xi ,Y ), d’où
i=1 i=1
!
n p n p
ϕ ∑ αixi, ∑ β j y j = ∑ αi ϕ(xi , ∑ βi y j )
i=1 j=1 i=1 j=1
!
n p n p
∑ αi ∑ β j ϕ(xi, y j =∑ ∑ αiβ j ϕ(xi, y j )
i=1 j=1 i=1 j=1
4.2 matrice d’une fbs dans une base

Dans ce paragraphe, E désigne un K-eV de dimension finie, n = dim(E) ≥ 1.
Définition 4.1
Soient ϕ une fbs sur E × E et B = (e1 , . . . , en ) une base de E. On appelle matrice de ϕ (ou
relativement à) B et on note MatB (ϕ), la matrice carrée d’ordre n, symétrique, suivante :
MatB (ϕ) = (ϕ(ei , e j ))1≤i, j≤N (4.1)
Exemple 4.1
Considérons E = R2 muni de sa canonique B = (e1 , e2 ), (α, β , γ) ∈ R3 et
ϕ : R3 × R3 7−→ R
((x1 , x2 ), (y1 , y2 )) 7−→ αx1 y1 + β (x1 y2 + x2 y1 ) + γx2 y2
Il est clair que ϕ est une fbs sur R2 × R2 , et on a :
ϕ(e1 , e2 ) = α, ϕ(e1 , e2 ) = ϕ(e2 , e1 ) = β , ϕ(e2 , e2 ) = α

!
α β
Donc MatB(ϕ) =
β α

Chapitre 4. Formes bilinéaires symétriques 4.2. matrice d’une fbs dans une base
Proposition 4.2 Expression du produit scalaire dans une base quelconque
Soient ϕ une fbs sur E × E

B une base de E
A = MatB (B)
x, y ∈ E, X = matB (x), Y = matB (y)
On a alors
ϕ(x, y) = t XAY (4.2)
Démonstration
   
x1 y1
. .
En notant B = (e1 , · · · , en ), A = (ai j )i j , X =  . .
 . , Y =  .  On a
xn yn
!
n n
ϕ(x, y) = φ ∑ xi ei , ∑ y j e j = ∑ xi y j ϕ(ei , e j )
i=1 j=1 i∈[n], j∈[n]
! (4.3)
n n
= ∑ xi ∑ ai j y j .
i=1 j=1
D’autre part :
n
 
∑ a1 j y j 
 j=1
 
t ..
X = (x1 , · · · , xn ), AY =  , (4.4)
 
 n . 
∑ an j y j
 
j=1
!
n n
Donc ∑ xi ∑ ai j y j =t XAY (4.5)
i=1 j=1

Chapitre 4. Formes bilinéaires symétriques 4.3. Changement de base pour une fbs
4.3 Changement de base pour une fbs
Proposition 4.3
Soient ϕ une fbs sur E × E ; B et B 0 deux bases ; P = pass(B, B 0 ). On a alors :
A0 = t PAP (4.6)
Démonstration
Soient x, y ∈ E, X = MatB (x), Y = MatB (y),
0 0
X = MatB (x),Y = MatB (y)
, on a alors :
0 0
X = PX et Y = PY
.
0 0 0
D’une part ϕ(x, y) = t X A Y
D’autre part :
t 0 0 0 0 0
ϕ = X A Y = t (P ) A(PY )
t 0 0
= X t P A PY
0
Par unicité de la matrice ϕ dans B et puisque t P A P ∈ Sn (K), on conclut : t P AP
Proposition 4.4
Si B = (e1 , . . . , en ) est une b.o.n de (E, h.|.i) alors :
n
∀x ∈ E, x = ∑ hei |xiei
i=1
Proposition 4.5
Si B est une b.o.n de E, on a, ∀x, y ∈ E et en notant X = MatB(x) ,Y = MatB(y) :
hx|yi = t XY

Définition 4.2 Symétrique d’un endomorphisme
Soit f ∈ L (E). On dit que f est symétrique (ou auto-adjoint) si et seulement si :
∀x, y ∈ E, h f (x)|yi = hx| f (y)i
Notons S(E) l’ensemble des endomorphismes symétriques de E. Il est clair que S (E) est
un sev de L (E).
Proposition 4.6
Soient (E, h.|.i) un ev, B une b.o.n de E, f ∈ L (E), A = MatB ( f ). On a :
f ∈ S (E) ⇐⇒ A ∈ Sn (R)
Démonstration
On a :
∀x, y ∈ E, h f (x)|yi = hx| f (y)i
⇐⇒ ∀X,Y ∈ Mn,1 (R),t (AX)Y = t XAY

⇐⇒ ∀X ∈ Mn,1 (R), (∀Y ∈ Mn,1 (R), t ((A − t A)X)Y = 0)
⇐⇒ ∀X ∈ Mn,1 (R), (A − t A)X = 0
⇐⇒ A − t A = 0 ⇐⇒ A ∈ Sn (R)
Proposition 4.7
On a :
1. ∀ f , g ∈ S (E), (g ◦ f ∈ S (E) ⇐⇒ g ◦ f = f ◦ g ;
2. ∀ f ∈ S (E), ∀k ∈ N, f k ∈ S (E) ;
3. ∀ f ∈ S (E) ∩ G L (E), ∀k ∈ Z, f k ∈ S(E)
Démonstration
1. Soit f , g ∈ S (E). On a :

g ◦ f ∈ S (E) ⇐⇒ (∀x, y ∈ E, h(g ◦ f )(x)|yi = hx|(g ◦ f )(y)i

⇐⇒ ∀x, y ∈ E, h f (x)|g(y)i = hx|(g ◦ f )(y)i
⇐⇒ ∀x, y ∈ E, hx|( f ◦ g)(y)i = hx|(g ◦ f )(y)i
⇐⇒ ∀y ∈ E, f ◦ g(y) = g ◦ f (y)
⇐⇒ f ◦ g = g ◦ f
2. résulte de 1. pour k ∈ N∗ , par récurrence, et
f o = IdE ∈ S (E).
3. Soit f ∈ S (E) ∩ G L (E).

On a, ∀x, y ∈ E :
h f −1 (x)|yi = h f −1 (x)| f f −1 (y) i = h f f −1 (x) | f −1 (y)i

= hx| f −1 (y)i.
Donc f −1 ∈ S (E)
Appliquer 3. à f −1 et −k pour obtenir :
∀k ∈ Z, f k = ( f −1 )−1 ∈ S (E).
∀ f ∈ L (E), ∃!g ∈ L (E)/∀x, y ∈ E, h f (x)|yi = hx|g(y)i. Cet élément g de L (E) est appelé
l’adjoint de f et notée f ∗ . Pour toute base orthonormale B de E, on a :
MatB ( f ∗ ) = t (MatB ( f ))

Démonstration
Soient B une b.o.n de E, f , g ∈ L (E). Notons A = MatB ( f ), B = MatB (g). On a :
∀x, y ∈ E, h f (x)|yi = hx|g(y)i

⇐⇒ ∀X,Y ∈ Mn,1 (R), t (AX)Y = t X(BY )
⇐⇒ ∀X,Y ∈ Mn,1 (R), t X t AY = t X BY
⇐⇒ ∀X ∈ Mn,1 (R), (∀Y ∈ Mn,1 (R), t ((A − t B)X)Y ) = 0
⇐⇒ ∀X ∈ Mn,1 (R), (A − t B)X = 0
⇐⇒ A −tB = 0 ⇐⇒ B = t A
Ceci montre l’existence et l’unicité de g et détermine la matrice de g dans B. On a donc :
∀x, y ∈ E, h f (x)|yi = hx| f ∗ (y)i
Proposition 4.8
Soient α ∈ R, f , g ∈ L (E). On a :
1. (α f + g)∗ = α f ∗ + g∗
2. (IdE )∗ = IdE
3. (g ◦ f )∗ = f ∗ ◦ g∗
4. ( f ∗ )∗ = f
5. f ∈ G L (E) ⇐⇒ f ∗ ∈ G L (E)
6. ∀ f ∈ G L (E), ( f ∗ )−1 = ( f −1 )∗
7. rg( f ∗ ) = rg( f ), tr( f ∗ ) = tr( f ), det( f ∗ ) = det( f ), SpR ( f ∗ ) = SpR ( f )
Démonstration
1ère méthode : Utiliser les matrices dans une b.o.n
2ème méthode :

1. ∀(x, y) ∈ E 2 :
h(α f + g)(x)|yi = αh f (x)|yi + hg(x)|yi

= αhx| f ∗ (y)i + hx|g∗ (y)i
= hx|α f ∗ (y) + g∗ (y)i,
et donc par définition et unicité de (α f + g)∗ , on conclut :
(α f + g)∗ = α f ∗ + g∗
2. ∀x, y ∈ E, hIdE (x)|yi = hx|yi = hx|IdE (y)i =⇒ (IdE )∗ = IdE .
∀x, y ∈ E : hg ◦ f (x)|yi = hg( f (x))|yi = h f (x)|g∗ (y)i

3.
= hx| f ∗ (g∗ (y))i = hx|( f ∗ ◦ g∗ )(y)i.
D’où (g ◦ f )∗ = f ∗ ◦ g∗
4. ∀x, y ∈ E, en utilisant la symétrie du produit scalaire :
hx| f (y)i = h f (y)|xi = hy| f ∗ (x)i = hy| f ∗ (x)i = h f ∗ (x)|yi

= hx|( f ∗ )∗ (y)i
Donc : f = ( f ∗ )∗
5. et 6. Soit f ∈ L (E).
• Si f ∈ G L (E), alors d’après 4 : f ∗ ◦ ( f −1 )∗ = ( f −1 ◦ f )∗ = (IdE )∗ = IdE .

Donc f ∗ ∈ G L (E) et ( f ∗ )−1 = ( f −1 )∗
• Si f ∗ ∈ G L (E), alors f = ( f ∗ )∗ ∈ G L (E), d’après le point précédent, appliqué
à f ∗ à la place de f .
Proposition 4.9
Soient (E, h.|.i) un eve, f un endomorphisme symétrique de E. Alors les sous-espaces

proppres pour f sont orthogonaux entre eux, c’est-à-dire : pour toutes vp λ , µ de f telles
que λ 6= µ et tous vp x associé à λ et y associé à µ :
hx|yi = 0

Chapitre 4. Formes bilinéaires symétriques 4.4. Formes sesquilinéaires
Démonstration
Soient λ , µ ∈ S p ( f )/ λ 6= µ, x ∈ SEP( f , λ ), y ∈ SEP( f , µ). On a donc :
x 6= 0, y 6= 0, f (x) = λ x, f (y) = µy.
D’où :
hλ x|yi = h f (x)|yi = hx| f (y)i = hx|µyi
=⇒ (λ − µ)hx|yi = 0 =⇒ hx|yi = 0
4.4 Formes sesquilinéaires

Revenons sur les formes sesquilinéaires.
Proposition 4.10 Forme sesquilinéaire
Soient ϕ une forme sesquilinéaire sur E × E, n, p ∈ N∗ α1 , . . . , αn , β1 , . . . β p ∈

C; x1 , . . . , xn , y1 , . . . , y p ∈ E. On a alors :
n p
ϕ( ∑ αk xk , ∑ β j x j ) = ∑ ∑ α k β j ϕ j ϕ(xk , y j )
k=1 j=1 i≤k≤n 1≤ j≤p
Démonstration
Exercice
4.4.1 Transconjugaison
Dans ce paragraphe, n, p ∈ N∗ .
Définition 4.3
Soit A ∈ Mn,p (C). On appelle transconjuguée de A, et on note A∗ , la matrice de M p,n (C)
définie par :
A∗ = t A
Exemple 4.2
 
! 1 2−i
1 i 0
Si A = alors A∗ = −i 3 
 
2+i 3 1−i
0 1+i

La propriété suivante est évidente.

Proposition 4.11
1. ∀A, B ∈ Mn,p (C), (A + B)∗ = A∗ + B∗
2. ∀A ∈ Mn,p (C), A∗∗ = A
3. ∀α ∈ C, ∀A ∈ Mn,p (C), (αA)∗ = α A∗
4. ∀A ∈ Mn,p (C), ∀B ∈ M p,q (C), (AB)∗ = B∗ A∗
5. ∀A ∈ Mn (C), (A ∈ GLn (C) ⇐⇒ A∗ ∈ GLn (C))
6. ∀A ∈ GLn (C), (A−1 )∗ = (A∗ )−1
7. ∀A ∈ Mn,p (C), rg(A∗ ) = rg(A)
8. ∀A ∈ Mn (C),tr(A∗ ) = tr(A) et det(A∗ ) = det(A)
9. ∀A ∈ Mn (C), SpC (A∗ = SpC (A)
Proposition 4.12 Transconjugaison par blocs

On a, pour toute décomposition en blocs :
 ∗  
A11 · · · A1t A∗11 · · · A∗s1
 .
 =  ...
  
 .. 
   
As1 · · · Ast ∗
A1t · · · Ast∗
Exemple 4.3
Soient a ∈ C,V ∈ Mn,1 (C), A, B,C, D ∈ Mn (C). On a :

!∗ ! !
a A B A∗ C∗
= a V∗ =
v C D B∗ D∗
4.4.2 matrices hermitiennes
Dans ce paragraphe n ∈ N∗
Définition 4.4
Une matrice A de Mn (C) est dite hermitienne ssi :
A∗ = A

On note Hn l’ensemble des matrices hermitiennes d’ordre n.
Remarque 4.1
1. La condition A∗ = A impose à A d’être carrée ;
2. Si A est hermitienne, alors les éléments diagonaux de A sont réels
Exemple 4.4
• ! !
1 0 2 1+i
, sont hermitiennes
0 −3 1 − i −5
• !
1 0
n’est pas hermitienne
0 i
Proposition 4.13
Hn est un R-ev.
Démonstration
Montrons que Hn est un sev du R-ev Mn (C)
• Si H1 , H2 ∈ Hn et α ∈ R alors :
(αH1 + H2 ) = αH2∗ + H2∗ = αH1 + H2
Donc
αH1 + H2 ∈ Hn
Proposition 4.14
1. ∀H1 , H2 ∈ Hn , H1 H2 ∈ Hn ⇐⇒ H1 H2 = H2 H1
2. ∀H ∈ Hn ∩ GLn (C), H −1 ∈ Hn

Chapitre 4. Formes bilinéaires symétriques 4.5. la notion de produit scalaire
Démonstration
H1 H2 ∈ Hn ⇐⇒ (H1 H2 )∗ = H1 H2
1. ⇐⇒ H2∗ H1∗ = H1 H2
⇐⇒ H2 H1 = H1 H2
2. (H −1 )∗ = (H ∗ )u∗−1 = H −1
Proposition 4.15
Soient E un evh (espace vectoriel hermitien) et f un endomorphisme auto-adjoint de E.
Alors :
1. f est diagonalisable ;
2. Les sous-espaces propres de f sont deux à deux orthogonaux ( f possède une base
propre orthonormée) ;
3. Toutes les valeurs propres de f sont réelles.
4.5 la notion de produit scalaire

Définition 4.5 Espace préhilbertien complexe et espace hermitien
On appelle espace préhilbertien complexe tout couple (E, ϕ) où E est un C-ev et ϕ un pro-
duit scalaire hermitien (psh) sur E. On appelle espace hermitien tout espace préhilbertien
complexe de dimension finie.
Définition 4.6
Produit scalaire usuel sur Rn , n ∈ N∗
L’application ϕ : Rn × Rn −→ R définie par :
n
ϕ((x1 , . . . , xn ), (y1 , . . . , yn )) = ∑ xk yk
k=1
est un produit scalaire sur sur Rn , appelé produit scalaire usuel (ou canonique) sur Rn .

Définition 4.7
Produit scalaire canonique sur Mn,p (R)
L’application
ϕ : Mn,p (R) × Mn,p (R) −→ R
t
(4.7)
(AB) 7−→ tr( AB)
est un produit scalaire sur Mn,p (R), appelé produit scalaire canonique sur Mn,p (R). Le pro-
duit scalaire canonique sur Mn,1 (R) (ou M1,n (R)) est, à la notation près, le produit scalaire
usuel sur Rn .
Définition 4.8
Produit scalaire hermitien sur Cn
L’application
ϕ: Cn × Cn −→ Cn
n (4.8)
((x1 , . . . , xn ), (y1 , . . . , yn )) 7−→ ∑ xk yk
k=1
est une fsh (produit scalaire hermitien canonique sur Cn ) et la fh associée est :
Cn −→ C
n (4.9)
(x1 , . . . , xn ) 7−→ ∑ |xk |2
k=1
Définition 4.9
Produit scalaire hermitien canonique sur Mn,p (C), n, p ∈ N∗
L’application
ϕ : Mn,p (C) × Mn,p (C) −→ C
(4.10)
(A, B) 7−→ tr(A∗ B)
est un produit scalaire hermitien sur Mn,p (C), appelé produit scalaire hermitien canonique
sur Mn,p (C). Le psh canonique sur Mn,1 (C) (ou M1,n (C) est, à la notation près, le psh usuel
sur C.
Définition 4.10
Produit scalaire hermitien canonique sur E, le C-ev des applications continues de [a; b]
dans C
Soient (a, b) ∈ R2 , tel que a < b, E = C0 ([a; b], C), le C-ev des applications continues de

[a; b] dans C. L’application
E 2 −→ C (4.11)
Z b
( f , g) 7−→ fg (4.12)
b
est un psh sur E
4.5.1 Diverses caractérisations d’une base orthonormale
Soient (E, h.|.i) un espace préhilbertien complexe ;

n ∈ N∗ , (e1 , . . . , en ) ∈ E n /∀p ∈ {1, . . . , n}, ||e p || ≥ 1
Les propriétés suivantes sont deux à deux équivalentes :
Propriété 4.1
1. (e1 , . . . , en ) est une base orthonormale de E

n
2. ∀x ∈ E, x = ∑ he p |xie p
p=1
3. ∀(x, y) ∈ E 2 , hx|yi = ∑np=1 he p |xihe p |yi

n
4. ∀x ∈ E, ||x||2 = ∑ |he p|xi|2
p=1

CHAPITRE 5
QUBITS ET ETATS QUANTIQUES
Sommaire
5.1 Qubit ou bit quantique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 90
5.2 Phenomènes quantiques : interférences à une particule . . . . . . . . . . . . 92
5.2.1 Fentes d’Young . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 93
5.2.2 Interférométrie de Mach Zehnder . . . . . . . . . . . . . . . . . . . . . 95
5.2.3 Chat Schrödinger . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 98
Dans ce chapitre, nous présentons le cadre général de la théorie quantique en utilisant la puis-
sante et élégante algèbre de Dirac. Nous initions les étudiants à la découverte de l’étrange monde
quantique à travers quelques expériences d’interférences à une particule. Ces expériences montrent
que l’intuition et le bon sens hérités de la physique classique sont inadaptés dans le monde quan-
tique du fait de la nature fondamentalement probabiliste ou indéterministe des phénomènes
quantiques.
5.1 Qubit ou bit quantique

L’unité fondamentale de l’informatique classique est le bit (binary digit). Un bit peut prendre deux
valeurs que l’on note habituellement 0 et 1.
L’unité fondamentale de l’informatique quantique est le bit quantique (qubit ≡ quantum bit).
Comme le bit, le qubit peut être dans un des états 0 ou 1. On notera ces états |0i et |1i. A la
différence du bit classique, le qubit peut être à la fois dans l’état |0i et |1i. On dit alors qu’il est
dans un état superposé que l’on notera :
|ψi = α|0i + β |0i, avec |α|2 + |β |2 = 1
92
Chapitre 5. Qubits et états quantiques 5.1. Qubit ou bit quantique
La Figure 5.1 donne une représentation du qubit sur une sphère de Bloch. Tant qu’on effectue
Fig. 5.1. Codage quantique. Le qubit |ψi = α|0i + β |1i (avec α = cos θ2 , β = ei ϕ sin θ2 et |α|2 + |β |2 = 1), offre une
description différente des systèmes physiques. Les états binaires classiques sont aux pôles de la sphère. Il opère dans
un univers multidimensionnel, ses états propres correspondent à la surface de la sphère, alors que les états logiques
classiques correspondent aux pôles de cette sphère.
aucune mesure ou alors tant que le qubit est isolé du monde extérieur, il reste dans cet état super-
posé. Dès qu’une mesure est effectuée où dès que le qubit est en contact avec son environnement, il
adopte un comportement classique en prenant soit l’état |0i, soit l’état |1i. Et les lois de la théorie
quantique nous disent que :
Principe 5.1 Probabilité de l’état d’un qubit
• On trouve le qubit |ψi dans l’état |0i avec probabilité |α|2 ,
• On trouve le qubit ψ dans l’état |ψi avec la probabilité |β |2 .
D’une manière générale, si un qubit est une superposition de N étatsa |ii
N−1 N−1
|ψi = ∑ αi |ii, ∑ |αi|2 = 1
i=0 i=0
Les coefficients αi sont appelés amplitudes de probabilités.

a Lorsqu’on a un état quantique de dimension d ≥ 3, on parle de qudit. Par exemple, pour d = 3, on a un
qutrit et pour d = 4, on a un ququart.
La dichotomie qu’il y a entre le comportement du qubit quand il n’est pas observé (ou Lorsqu’il
est isolé) et Lorsqu’il est observé (ou en contact avec l’environnement), est au coeur même de la
théorie quantique. malgré son comportement étrange, le qubit existe réellement. En effet, nombre
de systèmes physiques peuvent être utilisés pour réaliser un qubit. C’est le cas par exemple des
deux états d’un électron orbitant autour du noyau d’un atome qu’illustre la Figure 5.2. Dans le
modèle de l’atome, un électron est soit dans un état fondamental soit dans un état excité, que l’on
peut représenter respectivement par |0i ou |1i. Lorsqu’on envoie un rayonnement électromagné-

Chapitre 5. Qubits et états quantiques 5.1. Qubit ou bit quantique
tique avec une énergie appropriée, il est possible de déplacer l’électron de l’état |0i vers l’état |1i
et vice-versa. Mais il est encore plus intéressant d’éclairer l’atome avec un rayonnement ayant une
énergie telle que, l’électron initialement dans l’état |0i se trouve à mi-chemin entre |0i et |1i, dans
l’état
1
|ψi = √ (|0i + |1i)
2
.
Fig. 5.2. Qubit représenté par deux états électroniques d’un atome.
Conclusion 5.1 Le point de vue classique et le point de vue quantique

La différence entre le bit classique et le bit quantique ou qubit se situe au niveau de la
description d’un système physique (ses propriétés), étant entendu que l’état d’un système
physique est l’ensemble des propriétés que le système possède. Si on pose par exemple la
question : est-il possible de trouver la propriété P du système lors d’un mesure ? La
théorie classique répond NON alors que la théorie quantique répond OUI mais, avec une
probabilité |α|2 par exemple.
Exercice 5.1
For each of the following qubits, if a measurement is made, what is the probality to find the
qubit in the state |0i ? What is the probality to find it in the state |1i ?
r
1 2
• |ψi = √ |0i + |1i
3 3
√
i 3
• |ψi = |0i + |1i
2 2
1+i i
• |ψi = √ |0i − √ |1i.
3 3

Chapitre 5. Qubits et états quantiques 5.2. Phenomènes quantiques : interférences à une particule
5.2 Phenomènes quantiques : interférences à une parti-

cule
5.2.1 Fentes d’Young
Considérons une source S émettant un faisceau lumineux et un détecteur permettent de mesurer

l’intensité pour différentes positions de x. Si une seule fente est ouverte, l’intensité est maximale à
(a) Dispositif des fentes de Young (b) Interférence lumineuse lorsque les
deux fentes sont ouvertes. On a une alter-
nance de franges brillantes et de franges
sombres.
Fig. 5.3. Dispositif des fentes de Young et interférence lumineuse.
la position x alignée horizontalement sur la fente F1 . Lorsqu’on éloigne le détecteur de cette posi-
tion x, l’intensité diminue progressivement et devient nulle. cependant, lorsque les deux fentes sont
ouvertes, la figure des intensités n’est pas la somme des deux figures d’intensité des fentes indivi-
duelles ouvertes, mais plutôt une figure d’interférence : on observe au détecteur une alternance
de franges brillantes et de franges sombres (voir Fig.5.3(b)). Il y a donc interférence entre les
faisceaux lumineux provenant des deux fentes.
Utilisons maintenant un Dispositif spécial dont la source S ne produit que des électrons uniques
qui sont dirigés vers les fentes F1 et F2 . L’électron a une charge bien déterminée et la proposition :
un seul électron est bien passé soit par F1 , soit par F2 est bien décidable (deux chemins pos-
sibles). Chaque électron est capté en un point bien précis du détecteur comme on peut le voir sur
la Fig.5.4(a). Ces points d’impact sont cependant aléatoires : les différents électrons indépendants
préparés dans les mêmes conditions ont des impacts différents. Ce qui est en contradiction avec le
déterminisme classique qui veut qu’à des conditions initiales identiques, correspondent des condi-
tions finales identiques. Au bout d’un temps suffisamment long, on observe avec surprise que les
impacts des électrons forment une figure d’interférence comme illustrée à la Fig.5.4(d). Ce résultat

est surprenant en ce sens que l’électron est un corpuscule. Or nous savons qu’une onde remplit tout
l’espace ! Les électrons sont nus et indivisibles, donc il n’y a pas de fragmentation d’un quantum
d’énergie hν. D’après Paul Dirac, chaque électron interfère avec lui-même comme une onde.
1 Il y a donc antinomie : les concepts classiques d’onde et de corpuscules semblent ne plus être
valables pour les objets quantiques.
Fig. 5.4. Figures d’interférence obtenues avec des électrons uniques. Le nombre d’électrons sur le détecteur augmente
au cours du temps. Le temps d’exposition entre la figure (a) et la figure (d) est multiplié par 20. (a) 8 électrons ; (b)
270 électrons ; (c) 2000 électrons ; (d) 6000 électrons.
Lorsqu’on réalise une autre expérience où le chemin emprunté par l’électron est discernable,
F1 ouvert seul ou F2 ouvert seul, on n’observe pas de figure d’interférence, mais plutôt des impacts
distribués autour des sorties F1 ou F2 . La somme de ces deux distributions distinctes ne ressemble
en rien à la figure obtenue quand les deux fentes sont ouvertes. On ne peut donc analyser le phéno-
mènes d’interférence des électrons uniques en termes de probabilités classiques : lorsqu’à la même
issue correspondent des processus indépendants différents, la probabilité de cette issue n’est pas la
somme des probabilités individuelles.
1 En fait, avant la mesure, l’électron est dans une superposition d’états, et c’est chaque de ces états qui a interféré
avec les autres.

5.2.2 Interférométrie de Mach Zehnder
Afin de mieux analyser le comportement des objets quantiques, examinons les expériences qui
mènent à l’Interférométrie de Mach Zehnder. On considère :
• une source qui envoie des objets quantiques isolés, un à un, l’un après l’autre ;
• des séparateurs qui sont des miroirs semi-transparents ;
• et des détecteurs, dispositifs de mesure permettant de compter les objets quantiques.
Expérience MZ1
Les objets quantiques arrivent individuellement sur le séparateur et on compte combien d’entre eux
sont réfléchis (R), et combien sont transmis (T) Figure MZ1. Après le passage d’un grand nombre
d’objets quantiques, on fait les deux observations suivantes :
1. Les deux détecteurs ne s’activent jamais au même instant, donc l’objet est indivisible, il est
soit réfléchi, soit transmis (deux chemins possibles) ;
2. La moitié des objets quantiques est réfléchie et l’autre moitié est transmise et les deux pro-
babilités sont 50%.
(a) Expérience MZ1 : Montage à 2 (b) Expérience MZ2 : Montage à 4 chemins

chemins ou fonctionnement d’un miroir avec 3 miroir semi-transparents.
semi-transparent.
Fig. 5.5. Expériences de Mach Zehnder 1 et 2.

Expérience MZ2
Il y a lieu de se poser la question de savoir si en sortant de la source, chaque objet n’a pas une
instruction lui permettant, chaque fois qu’il rencontre un séparateur, d’être soit seulement réfléchi,
soit seulement transmis ?
Afin d’élucider cela, à chaque sortie du premier séparateur, on place un autre séparateur et on
obtient quatre chemins possibles (Fig. 5.5(b)) : l’objet quantique peut être réfléchi deux fois (RR),
réfléchi puis transmis (RT), transmis puis réfléchi (TR) ou transmis deux fois (TT).
Si chaque objet avait une instruction lui permettant, chaque fois qu’il rencontre un séparateur,
d’être soit seulement réfléchi, soit seulement transmis, alors après le passage d’un grand nombre
d’objets quantiques, on observerait 50% des objets en RR et 50% des objets en TT, et rien en RT
ou TR. Mais on observe qu’on a 25% d’objets à chaque sortie.
Expéreince de MZ3
On a maintenant un interféromètre de Mach Zehnder : à chaque sortie du premier séparateur,

on place maintenant un miroir parfait qui réfléchi tous les objets, les orientant vers un deuxième
séparateur (Fig. 5.6(a)). Ainsi, une des sorties du deuxième séparateur correspond aux chemins RT
ou TR, l’autre aux chemins RR ou TT. On a donc à nouveau quatre chemins possibles, de longueur
égale.
En vertu de la 2e expérience, à la sortie RT ou TR, on observera 25% + 25% = 50% d’objets
quantiques. Cependant, on observe que tous les objets quantiques se trouvent à la sortie RT
ou TR : le chemin RT est indiscernable au chemin TR après détection. On ne peut savoir quel
chemin l’objet quantique détecté a pris ! On dit qu’il y a une interférence constructive à la sortie
RT ou TR et une interférence destructive à la sortie TT ou RR. Puisqu’il y a une seule particule
à la fois, on parle d’interférence à une particule.
(a) Expérience MZ3 : Interféromètre de Mach (b) Expérience MZ4 : Interféromètre de Mach
Zehnder équilibré. Les chemins sont indiscer- Zehnder déséquilibré. Les chemins sont discer-
nables. nables et l’objet quantique explore tous les che-
mins possibles.
Fig. 5.6. Expériences de Mach Zehnder 3 et 4.

Considérons les assertions suivantes :
A1 : l’objet quantique a pris le chemin T après le premier séparateur ;
A2 : l’objet quantique est détecté à la sortie RT ou TR.
Dans la configuration de notre expérience MZ3, A2 est toujours vraie alors que A1 peut être vraie
ou fausse.
Si on modifie l’expérience en insérant des détecteurs aux chemins R et T après le premier sé-
parateur, de sorte à avoir exactement la valeur de vérité de A1 , alors la valeur de vérité de A2 est
modifiée. Seule la moitié des objets quantique conduiront à une valeur de vérité vraie, conformé-
ment à l’expérience MZ1. Donc si l’objet quantique laisse une trace de son passage, on observe
pas d’interférence.
Conclusion 5.2 trajectoire d’un objet quantique
Il est donc impossible de savoir par quel chemin est passé l’objet quantique et observer les
interférences. C’est le paradoxe connu sous le non du chat de Schrödinger.
Expérience MZ4
On modifie la longueur des chemins RT ou TR, en y introduisant par exemple une longueur sup-
plémentaire ∆l. On constate que les probabilité de détection des objets quantiques aux sorties (RT
ϕ ϕ
ou TR) et (RR ou TT) sont respectivement cos2 et sin2 , ϕ = 2π∆l/λ
2 2
• ∆l = λ (lame d’onde), tous les objets quantiques sont détectés à la sortie RT ou TR ;
λ
• ∆l = (lame demi-d’onde), tous les objets quantiques sont détectés à la sortie RR ou TT ;
2
λ
• ∆l = (lame quart-d’onde), une moitié à la sortie RT ou TR.
4
Donc,lorsqu’on modifie un seul des deux chemins, on modifie le comportement de tous les
objets quantiques.
Résumé 5.1
En résumé :
1. Chaque objet quantique est indivisible lors de la détection, comme un corpuscule.
2. Dans les expériences MZ1 et MZ2, il y a un seul chemin qui conduit à chaque détec-
teur, chaque objet quantique détecté a emprunté un chemin connu : c’est la situation
de discernabilité, il n’y a pas d’interférence.
3. Dans les expériences MZ3 et MZ4, on ne peut dire quel chemin chaque objet quan-
tique détecté a emprunté, puisque deux chemins sont possibles. Ces deux chemins

sont indiscernables et les effets d’interférence sont présents. On peut donc énoncer le
principe suivant :
Principe 5.2 indiscernablilité des chemins

Les interférences apparaissent lorsqu’un objet quantique peut emprunter plu-
sieurs chemins pour arriver au même détecteur, et que les chemins sont indis-
cernables après la détection.
On peut dire que le comportement d’un objet quantique dépend de toutes les possibi-
lités indiscernables. Donc avant la mesure, le système quantique est dans une super-
position d’états possibles (états propres).
4. Chaque objet quantique explore tous les chemins possibles (délocalisation) comme
une onde, cependant elle est indivisible à la détection. Si cette exploration de tous les
chemins n’était pas possible, tous les objets quantique ne seraient pas influencés par
le changement de longueur d’un seul chemin. un objet quantique n’a donc pas une
trajectoire bien définie.
5. Dans l’expérience MZ3, lorsqu’on cherche à savoir par quel chemin est passé l’objet
quantique, on n’observe plus de figure d’interférence. On dit alors que : la mesure
perturbe le système. L’interposition d’un instrument de mesure modifie le chemin
emprunté et la discernabilité apparaît.
Ce phénomène est d’ailleurs à la base de la crytographie quantique car toute tenta-
tive d’espionnage est immédiatement détectée par la perturbation qu’elle introduit.
Dans la suite, on désignera par quanton tout objet quantique (photons, neutrons,
atomes, molécules . . .) pouvant présenter l’un ou l’autre des deux aspects particuliers
(particules, ondes).
Remarque 5.1
Quand on dit que le quanton interfère avec lui-même, il s’agit en fait d’interférences d’am-
plitudes de probabilité.
5.2.3 Chat Schrödinger
Dans les années 1930, le célèbre physicien autrichien Schrödinger avait, en pensée, enfermé un
chat dans une boîte en acier contenant un bol de lait empoisonné. Le chat meurt s’il boit de ce lait
et il est vivant sinon. Cependant, tant qu’aucune mesure n’est effectuée (la boîte reste fermée), le
chat est dans un état superposé à la fois mort et vivant ! Attention, le chat n’est pas mort-vivant,

il est soit mort, soit vivant, mais tant que la boîte n’est pas ouverte, notre information sur son
état est nécessairement constituée de ces deux possibilités. C’est en l’observant que l’on constate
que le chat est mort ou vivant. Donc, on réduit le paquet d’ondes, en transformant le chat de l’état
1
superposé √ (|vivanti + |morti) à l’état |vivanti ou |morti.
2
Fig. 5.7. Le chat de Schrödinger dans la boîte d’acier. Tant que la boîte reste fermée, le chat est dans un état superposé
mort et vivant.
Achevons ce chapitre, porte d’entrée dans le merveilleux monde quantique, en notant que clas-
siquement, on est habitué à un déterminisme rigide et à la relation de causalité : quand on connaît
les conditions initiales, on sait parfaitement ce qui va se passer.
En théorie quantique, ces certitudes sont remises en question. La possibilité de prévoir le com-
portement d’un système quantique n’est qu’une prédictibilité probabiliste (un seul événement) et
statique (grand nombre d’événements). L’objet quantique est en quelque sorte une juxtaposition
de possibles : on parle d’indéterministe. On dit aussi que Dieu joue pas aux dés en théorie
quantique.
Conclusion 5.3 Etat du chat avant et après la mesure
Tant que la mesure sur un système quantique n’est pas effectuée, ce dernier est dans une
superposition d’états possibles (états propres) et donc, l’état du système n’est pas défini. Par
contre, dès qu’on effectue la mesure, on détruit la superposition quantique (perturbation du
système) et le système est alors dans l’un de ses états possibles.

CHAPITRE 6
FORMALISME DE LA MÉCANIQUE QUANTIQUE
Sommaire
6.1 Espace des états quantiques . . . . . . . . . . . . . . . . . . . . . . . . . . . . 100
6.1.1 Vecteur d’état et observable . . . . . . . . . . . . . . . . . . . . . . . . 100
6.1.2 Commutateur de deux opérateurs . . . . . . . . . . . . . . . . . . . . . 101
6.1.3 Opérateurs hermitien . . . . . . . . . . . . . . . . . . . . . . . . . . . . 102
6.1.4 Opérateurs de projection . . . . . . . . . . . . . . . . . . . . . . . . . . 103
6.2 ECOC . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 105
6.2.1 Observables qui commutent . . . . . . . . . . . . . . . . . . . . . . . . 105
6.2.2 ECOC . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 107
6.2.3 Mesures expérimentales et ECOC . . . . . . . . . . . . . . . . . . . . . 109
6.3 Postulats de la mécanique quantique . . . . . . . . . . . . . . . . . . . . . . . 110
6.3.1 Postulats fondamentaux . . . . . . . . . . . . . . . . . . . . . . . . . . 110
6.3.2 Opérateur correspondant à une grandeur physique . . . . . . . . . . . . . 110
6.3.3 Probabilité d’obtention d’une valeur propre lors d’une mesure . . . . . . 111
6.3.4 Valeurs moyennes d’une observable . . . . . . . . . . . . . . . . . . . . 113
6.4 Propriétés des observables . . . . . . . . . . . . . . . . . . . . . . . . . . . . 114
6.4.1 Évolution de la valeur moyenne d’une observable . . . . . . . . . . . . . 114
6.4.2 Constante du mouvement . . . . . . . . . . . . . . . . . . . . . . . . . . 115
6.5 Mesure de grandeurs physiques . . . . . . . . . . . . . . . . . . . . . . . . . 116
6.6 Opérateurs d’évolution et états stationnaires . . . . . . . . . . . . . . . . . . 117
6.6.1 Cas des systèmes conservatifs . . . . . . . . . . . . . . . . . . . . . . . 117
102
Chapitre 6. Formalisme de la mécanique quantique 6.1. Espace des états quantiques
6.7 Inégalités d’Heisenberg . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 121
6.1 Espace des états quantiques

6.1.1 Vecteur d’état et observable
Jusqu’ici, nous avons vu la fonction d’onde comme une solution de l’équation de Schrödinger,
permettant de décrire un système physique. Cependant, cette fonction d’onde est exprimée dans
une représentation particulière, on introduit le vecteur d’état qu’on caractérisera par le symbole
| i
Définition 6.1 Vecteur d’état
On appelle vecteur d’état tout vecteur de l’espace de Hilbert permettant de décrire l’état
quantique d’un système indépendamment de la représentation choisie. Un tel vecteur est un
ket du point de vue de Dirac.
Exemple : |ni, |ψi sont deux vecteurs d’états décrivant des systèmes donnés.
Définition 6.2 Espace dual
Soit E, un C-ev, à tout élément |ψi de E, on peut toujours lui associer un élément de l’espace
dual de E (E ∗ ) qu’on notera hψ| et qu’on lira bra de ψ.
Définition 6.3 Espace de Hilbert
On appelle espace préhilbertien complexe tout couple (E, ϕ) où E est un C-ev de ϕ un

produit scalaire hermitien sur E. On appelle espace hermitien ou espace de Hilbert tout
espace préhilbertien complexe de dimension finie.
Définition 6.4 Observable

Soit A un opérateur hermitien et soit {|ϕ j i} un système orthonormé de vecteurs propres de
A et formant une base propre de A. L’opérateur hermitien A est appelé une observable si
ce système de vecteurs orthonormés forme une base de l’espace E des vecteurs d’état. On
peut aussi définir une observable comme tout opérateur associé à une grandeur physique
mesurable.
• En mécanique quantique, on appellera opérateur toute application d’un ev vers un autre.

Ainsi, un opérateur linéaire est un f ∈ L (E, F).

• Conventionnellement, on utilisera les lettres majuscules surmonter d’un chapeau pour dési-
gner un opérateur en mécanique quantique.
Ainsi, on pourra avoir Â, B̂, Ĉ, . . . comme opérateurs linéaires. Les matrices associées à ces
opérateurs linéaires pourront être notées A, B,C, . . . , respectivement. Ceci par abus de langage,
on confondra les opérateurs à leurs représentations respectives. Ainsi, toutes les propriétés vues
pour les applications linéaires sont valables pour les opérateurs linéaires. Dans tout le cours de
mécanique quantique, les opérateurs que nous considérerons sont linéaires.
6.1.2 Commutateur de deux opérateurs
Une propriété importante distingue le produit des nombres de celui des opérateurs.
Comme nous l’avons vu pour les matrices, en général, AB 6= BA.
Définition 6.5 Commutateur de deux opérateurs
Le commutateur de deux opérateurs A et B est l’opérateur, noté [A, B] tel que :
[A, B] = AB − BA
Si le commutateur est nul, on a AB = BA et on dit que les opérateurs A et B commutent entre

eux ou encore que les A et B sont compatibles. Nous verrons plus loin la portée physique
de cette propriété.
Proposition 6.1 Propriété des opérateurs compatibles
Soient A et B deux opérateurs qui commutent. Si |ψi est un vecteur propre de A, alors B|ψi
en est un autre associé à la même valeur propre.
Démonstration
BA|ψi = B(λ |ψi) = λ B|ψi = A(B|ψi)
Corollaire 6.1
Si λ est une valeur propre non dégénérée, les deux vecteurs propres |ψi et B|ψi sont
propositionnels. Soit B|ψi = α|ψi. Donc |ψi est également vecteur propre de B.
Corollaire 6.2
Si λ est une valeur propre dégénérée, nous avons vu que toute combinaison linéaire des
vecteurs propres associés à λ forme encore un vecteur propre (En effet, toute combinaison
linéaire α|ψi + β |ψi de vecteurs propres de A associés à une même valeur propre λ est

encore un vecteur propre de A associée à la même valeur propre λ . L’ensemble Eλ des

vecteurs propres de A forme donc un sev de l’ev EA formé par tous les vecteurs propres de
A. Eλ = SEP(A, λ ); dim Eλ = gλ . On peut donc seulement dire que B|ψi appartient au sous-
espace propre Eλ formé par les vecteurs propres de A associés à λ . On dit que le sous-espace
est stable sous l’action de B.
6.1.3 Opérateurs hermitien
Théorème 6.1
Toutes les valeurs propres d’un opérateur hermitien sont réels.
Démonstration
hψ|A|ψi = hψ|λ |ψi = λ hψ|ψi

hψ|A|ψi = hψA† |ψi = hψ|A|ψi∗
Théorème 6.2
Deux vecteurs propres d’un opérateur hermitien, correspondant à des valeurs propres dis-
tinctes, sont orthogonaux entre-eux.
Démonstration
A|ψi = λ |ψi A|ϕi = µ|ϕi

⇒ hϕ|A|ψi = λ hϕ|ψi
hϕ|A|ψi∗ = hψ|A|ϕi = µhψ|ϕi
⇒ λ ∗ hψ|ϕi = µhψ|ϕi ⇒ (λ − µ)hψ|ϕi = 0 ⇒ hψ|ϕi = 0
Théorème 6.3
Soient A et B deux opérateurs hermitiens tels que [A, B] = 0 (A et B sont des observables
compatibles). Soient |ψ1 i et |ψ2 i deux vecteurs propres de A associés respectivement à des
vecteurs propres différents , α1 et α2 . Ces vecteurs propres sont orthogonaux entre-eux et

peuvent faire partir d’une base propre. Alors l’élément de matrice hψ1 |Bψ2 i est nul :
hψ1 |B|ψ2 i = 0
Démonstration
En effet, puisque [A, B] = 0, B|ψ2 i ∈ SEP(A, α2 ) = E2 . Si |ψ1 i est un élément d’une base
propre, il est orthogonal aux vecteurs de E2 et par suite, B|ψ2 i est orthogonal à |ψ1 i ⇒
hψ1 |B|ψ2 i = 0
6.1.4 Opérateurs de projection
Projection sur un vecteur
Considérons un vecteur |φ i de norme unité, soit hφ |φ i = 1. L’opérateur Pφ défini par :
Pφ = |φ ihφ | (6.1)
appliqué à un vecteur d’état |ψi quelconque, nous donne :
Pφ |ψi = |φ ihφ |ψi (6.2)
On obtient un vecteur proportionnel à |φ i dont le coefficient de proportionnalité hφ |ψi est un

produit scalaire de |ψi par |φ i. Or, pour deux vecteurs ~a et ~b de norme unité de la géométrie
classique, le produit scalaire ~a.~b est égal au cosinus de leur angle. Par analogie avec de tels vecteurs
classiques, On peut dire que Pφ est la projection orthogonale de |ψi sur le vecteur |φ i.
L’opérateur Pφ est l’opérateur de projection sur le vecteur |φ i ou encore la projection sur |φ i.
Une nouvelle application de Pφ sur le vecteur projeté doit redonner le même vecteur ; on doit donc
avoir : Pφ2 = Pφ , en effet :
|φ ihφ ||φ ihφ | = |φ ihφ | = Pφ puisque hφ |φ i = 1

Chapitre 6. Formalisme de la mécanique quantique 6.2. ECOC
Projection sur un sous-espace
Soient |ψ1 i, |ψ2 i, . . . , |ψ p i; p vecteurs formant un sous-espace E p de l’espace E des vecteurs d’état.
Montrons que l’opérateur Pp défini par :
p
Pp = ∑ |ψi ihψi | (6.3)
i=1
est un opérateur de projection qui projette sur le sous-espace E p . En effet,
p
∀|φ i ∈ E Pp |φ i = ∑ |ψi ihψi |φ i (6.4)
i=1
On obtient une combinaison linéaire des vecteurs |ψi i et le vecteur Pp |φ i appartient donc à l’espace
E p ; les kets hψi |φ i|ψi i sont les projections de |φ i sur les divers kets |ψi i. L’opérateur Pp est donc
bien une projection sur le sous-espace E p .
Relation de fermeture
Soient {|ψi i} une b.o.n discrète de E et |φ i ∈ E, on a :
|φ i = ∑ c j |ψ j i (6.5)
j
⇒ P|φ i = ∑ |ψi ihψi | ∑ c j |ψ j i = ∑ ci |ψi i = |φ i (6.6)

i=1 j i
|φ i étant quelconque, P = I. Ce qui conduit à :

∞
∑ |ψiihψi| = I (Relation de fermeture). (6.7)
i=1
La relation de fermeture exprime que l’ensemble {|ψi i} forme une base de E.
6.2 Ensemble complet d’observables qui commutent (ECOC)

6.2.1 Observables qui commutent

Base de l’espace des vecteurs
Théorème 6.4
Si deux observables commutent, elles possèdent un système de vecteurs propres communs
formant une base de l’espace des vecteurs d’état.
Démonstration
(l)
Considérons les vecteurs propres |ϕk i formant une base propre de l’opérateur B ; ces vec-
teurs vérifient la relation :
(l) (l 0 )
hϕk |ϕk0 i = δkk0 δll 0 (6.8)
∞ gk
(l)
En effet, ∀|ψi, |ψi = ∑ ∑ ckl |ϕk i (6.9)
k=0 l=1
∞
Puisque |ψi ∈ E, |ψi = ∑ ak |ϕek i, |ϕek i ∈ sous-espace de E de dimension gk .
k=0
gk ∞ gk
(l) (l)
|ϕek i = ∑ bl |ϕk i =⇒ |ψi = ∑ ∑ ak bl |ϕk i (6.10)
l=1 k=0 l=1
∞ gk
(l)
=⇒ |ψi = ∑ ∑ ckl |ϕk i (6.11)
k=0 l=1
∞ gk
(l)
Soit |ψa i ∈ SEP(A, a), |ψa i = ∑ ∑ ckl |ϕk i
k=0 l=1
gk
(l)
Posons |φk (a)i = ∑ ckl |ϕk i.
l=1
|φk (a)i est un vecteur propre de B relatif à la valeur propre bk . |φk (a)i ∈ SEP(B, bk ). Mon-
trons que les |ψk (a)i sont également vecteurs propres de A. En effet, comme [A, B] =
0, B(A − a)|φk (a)i = (A − a)B|φk (a)i = bk (A − a)|φk (a)i
Les (A − a)|φk (a)i sont donc des vecteurs propres de B, les valeurs propres bk étant toutes
distinctes, ces vecteurs sont linéairement indépendants.
Cependant, on a également :
∑(A − a)|φk (a)i = (A − a)|ψai = 0 (6.12)

k
cette égalité n’est possible que si chacun des vecteurs (A − a)|φk (a)i est nul :
(A − a)|φk (a)i = 0 (6.13)

En conséquence, les vecteurs |φk (a)i sont aussi vecteurs propres de A. Les résultats pré-
(l)
cédents s’appliquent à tout vecteur propre |ψn i de A associé à la valeur propre an , de
dégénérescence gn , avec l = 1, . . . , gn . On a la décomposition :
(l) (l)
|ψn i = ∑ |φk (an )i (6.14)
k
(l)
où les |φk (an )i sont des vecteurs propres communs à A et B. Il existe éventuellement plu-
(l)
sieurs vecteurs |φk (an )i, pour un même couple de valeurs propres (an , bn ), qui peuvent
ne pas être linéairement indépendants. Cependant, il est possible de construire une suite de
(q)
vecteurs orthonormés |ηk (an )i correspondant au même couple de valeurs propres tels que
(l)
les vecteurs |φk (an )i soient des combinaisons linéaires de ces vecteurs :
(l) (q)
|φk (an )i = ∑ clq |ηk (an )i (6.15)
q
(q)
L’ensemble {ηk (an )} constitue un système orthonormé de vecteurs communs à A et B. De
(q)
plus, l’ensemble {ηk (an )} est un système total car tout vecteur |ψi est développable en
(q) (l)
série des vecteurs |ηk (an )i. En effet, il suffit de développer |ψi sur la base {|ψn i}, puis
(l)
de transformer chaque |ψn i à l’aide de son développement 6.14 et enfin de substituer aux
(α)
|φk (an )i leur développement 6.15. Le théorème se trouve ainsi démontré, sa réciproque se
démontre également.
Ce théorème s’étend à un nombre quelconque N d’observables qui commutent deux à deux.
Par conséquent, si N observables commutent deux à deux, elles possèdent au moins un
système orthonormé total de vecteurs propres communs et réciproquement.
Observables compatibles
Soient A et B deux observables qui commutent et soient a j et bk des valeurs propres respectives
de A et B. Notons |a j , bk , li les vecteurs formant une base commune de l’espace des états ; l’indice
l spécifie les différents vecteurs correspondant à un même couple (a j , bk ). L’état |a j , bk , li étant
associé à la valeur propre a j de A, il existe au moins un état pour lequel une mesure de A permettra
d’obtenir la valeur a j . Pour ce même état, une mesure de B permettra d’obtenir la valeur bk . Si l’on
effectue simultanément une mesure de A et B, on peut, dans ce cas, obtenir des valeurs parfaitement
déterminées. Lorsqu’il en est ainsi, on dit que ces observables sont compatibles
Lorsque deux observables ne commutent pas, elles ne pourront pas avoir de base commune et
un état ne pourra pas être un vecteur propre simultané de ces deux observables, sauf éventuellement
pour quelques vecteurs particuliers. On dira que ces observables sont incompatibles.

6.2.2 ECOC
La notion d’ECOC est importante en mécanique quantique car elle correspond à l’idée que, pour
un système donné, on a trouvé un ensemble d’observables dont les valeurs et les vecteurs propres
spécifient toutes les grandeurs expérimentales mesurables, pour une technique de mesure donnée.
Principe 6.1
• Considérons une observable A agissant dans E et une base propre de A. Lorsque au-
cune des vecteurs propres de A n’est dégénérée, cette base propre est unique. On dit
alors que l’observable A constitue , à elle seule, un ECOC.
• Supposons à présent que l’observable A ait un spectre dont l’une au moins des vecteurs
propres soit dégénérée. Notons a cette valeur propre dégénérée et Ea = SEP(A, a). On
peut choisir à l’intérieur de Ea une base quelconque et la base propre de A n’est plus
unique.
Soit alors B une autre observable qui commute avec A. On peut former une b.o.n de
vecteurs propre communs à A et B puisque nous en avons démontré l’existence. Si
cette base est unique, c’est-à-dire si à chacun des couples des valeurs propres (a j , bk )
il correspond un seul vecteur de base de E, on dit alors que les observables A et B
forment un ECOC.
Principe 6.2
De manière générale, des observables A, B, . . . , M forment un ECOC si et seulement si :
• Elles commutent deux à deux
• Elles possèdent une base commune et une seule.
Remarquons que pour un système physique donné, on peut choisir plusieurs ECOC différents.
En particulier, on peut ajouter d’autres observables qui commutent avec ceux d’un ECOC ; on ob-
tient alors un autre ECOC. On utilisera généralement le nombre minimal d’observables permettant
de former un ECOC.
Exemple 6.1 ECOC
On considère un système physique dont l’espace des états, qui est à trois dimensions, est
rapporté à la base orthonormée formée par les trois kets |ϕ1 i, |ϕ2 i, |ϕ3 i. Dans la base B =
(|ϕ1 i, |ϕ2 i, |ϕ3 i), les opérateurs H et B sont définis par :
   
1 0 0 1 0 0
H = h̄ωo 0 −1 0  , B = b 0 0 1
   
7 0 −1 0 1 0

où ωo et b sont des constantes réelles.
1. H et B sont-ils hermitiques ?
2. montrer que H et B commutent. Donner une base de vecteurs propres communs à H

et B.
3. Parmi les ensembles d’opérateurs :{H}, {B}, {H, B}, {H 2 , B}, lesquels forment un
ECOC ?
Solution
1. H et B symétriques réelles =⇒ H et B hermitiques.
2. |ϕ1 i est un vecteur propre commun à H et B. On a donc de toute évidence HB|ϕ1 i =

BH|ϕ1 i. Nous voyons alors que, pour que H et B commutent, il suffit que les restric-
tions de ces opérateurs au sous-espaces E2 , engendré par |ϕ2 i et |ϕ3 i, commutent. Or
dans ce sous-espace, la matrice représentant H est égale à h̄ω0 I2 , qui commute avec
toutes les matrices M2 (C). H et B commutent donc. Les restrictions de H et B dans
E2 sont
! !
−1 0 0 1
H2 = , B2 =
0 −1 1 0
Les vecteurs propres normés de B2 sont :
1
|p2 i = √ (|ϕ2 i + |ϕ3 i) (valeur propre + b)
2
1
|p3 i = √ (|ϕ2 i − |ϕ3 i) (valeur propre − b)
2
Ces vecteurs sont systématiquement les vecteurs propres de H, puisque E2 est un sous-
espace propre de H correspondant à la valeur propre −h̄ω0 . En résumé, les vecteurs
propres communs à H et B sont donnés par
Vecteurs propres valeurs propres de H valeurs propres de B
|p1 i = |ϕ1 i h̄ω0 b
1
|p2 i = √ (|ϕ2 i + |ϕ3 i) −h̄ω0 b
2
1
|p3 i = √ (|ϕ2 i − |ϕ3 i) −h̄ω0 −b
2
3. On voit sur le tableau que H a une valeur propre dégénérée deux fois ; ce n’est donc
pas un ECOC. De même, B a aussi une valeur propre dégénérée deux fois, et n’est
donc pas un ECOC : un vecteur propre de B de valeur propre b peut être aussi bien

Chapitre 6. Formalisme de la mécanique quantique 6.3. Postulats de la mécanique quantique
1 1 1
|p1 i, ou |p2 i, ou encore √ (|ϕ1 i + √ |ϕ2 i − √ |ϕ3 i) par exemple. Par contre, l’en-
3 3 3
semble des deux opérateurs H et B constitue, lui, un ECOC. En effet, dans le tableau
écrit plus haut, il n y a pas deux vecteurs |p j i qui aient les mêmes valeurs propres,
à la fois pour H et B. C’est pourquoi, comme cela a déjà été signalé, le système
de vecteurs propres normés communs à H et B est unique (à des facteurs de phase
près). Remarquons que, à l’intérieur du sous-espace propre E2 de H associé à la va-
leur propre −h̄ω0 , les valeurs propres de B sont distinctes (b et −b) : de même, dans
le sous-espace propre de B engendré par |p1 i et |p2 i, les valeurs propres de H sont
distinctes (h̄ω0 et −h̄ω0 ).
H 2 admet |p1 i, |p2 i, et |p3 i comme vecteurs propres, avec la valeur propre h̄2 ω02 , on
voit aisément que H 2 et B ne constituent pas un ECOC, puisqu’au couple de valeurs
propres {h̄2 ω02 , b} correspondent deux vecteurs propres linéairement, indépendants,
|p1 i et |p2 i.
6.2.3 Mesures expérimentales et ECOC
Les grandeurs physiques représentées par les observables d’un ECOC peuvent être toutes mesurées
simultanément avec précision et forment un ensemble complet de grandeurs compatibles. Le
vecteur d’état du système est un vecteur propre des observables A, B, . . . , M correspondant aux
valeurs propres a, b, . . . , m, trouvées lors de l’opération de mesure. Comme il n’existe qu’un seul
vecteur propre possédant cette propriété, la donnée de ces mesures définit complètement de vecteur
d’état du système physique.
6.3 Postulats de la mécanique quantique

6.3.1 Postulats fondamentaux
Etat d’un système
L’état quantique d’une particule peut être caractérisé par un vecteur d’état |ψi du C-ev E. On
postule qu’il en est de même pour tout système quantique.
Postulat 6.1
A tout instant t, l’état d’un système quantique est décrit par un vecteur d’état |ψ(t)i appar-
tenant au C-ev des états quantiques.

6.3.2 Opérateur correspondant à une grandeur physique
Outre l’énergie des particules qui figure dans l’équation de Schrödinger, des grandeurs physiques
comme l’impulsion, le moment cinétique, ... peuvent être définies en mécanique quantique. Nous
avons vu, par exemple, qu’à l’impulsion classique p, on fait correspondre −ih̄∇, à l’énergie, l’opé-
rateur hamiltonien. Cette règle de correspondance se généralise.
Postulat 6.2
A toute grandeur physique mesurable A n on peut faire correspondre un opérateur A qui agit
sur les vecteurs d’états de l’espace E, cet opérateur est une observable.
Mesures des grandeurs physiques
L’équation de Schrödinger H|ψi = E|ψi est une équation dont les énergies E sont les valeurs
propres de l’opérateur H. De même, toutes les grandeurs physiques mesurables vont être des vec-
teurs propres de l’opérateur correspondant. La mesure d’une grandeur physique étant nécessaire-
ment un nombre réel, l’opérateur correspondant doit être hermitien.
Ainsi, une observable est tout opérateur hermitique (hermitien) associé à une grandeur phy-
sique mesurable.
Postulat 6.3
Les vecteurs propres de l’observable A, correspondant à une grandeur physique, sont les
seules valeurs mesurables.
Postulat 6.4
L’opérateur hamiltonien H(t) d’un système est une observable associée à l’énergie totale de
ce système. L’évolution dans le temps du vecteur d’état |ψ(t)i est régie par l’équation de
Schrödinger :
d
H(t)|ψ(t)i = ih̄ |ψ(t)i (6.16)
dt
Construction de l’opérateur hamiltonien Dans le cas d’une particule de masse m dans un po-
tentiel scalaire, l’hamiltonien classique s’écrit :
p2
H= +V (r). (6.17)
2m
L’hamiltonien correspondant agissant dans l’espace des vecteurs d’état s’écrit alors :
P2
H= +V (R) (6.18)
2m

6.3.3 Probabilité d’obtention d’une valeur propre lors d’une mesure
Mesure de l’énergie
Considérons un système qui se trouve dans un état quelconque décrit par le vecteur |ψi normé.
Notons les vecteurs propres orthonormés de l’hamiltonien du système, correspondant aux états
stationnaires de celui-ci, associés aux vecteurs propres En , non dégénérées. Le vecteur |ψi peut
s’écrire sur la base (|un i)n :
|ψi = ∑ cn |un i (6.19)
n
Dans un état stationnaire, l’énergie En du système est donnée par l’élément matriciel suivant de
H:
En = hun |H|un i (6.20)
Cherchons à présent le sens physique qu’il faut attribuer à un élément du même type pour un
système dans un état non stationnaire, c’est-à-dire :
W = hψ|H|ψi (6.21)
W = h∑ cn un |H| ∑ c j u j i = ∑ ∑ c∗n c j hun |u j i (6.22)
n j n j
= ∑ |cn|2En (6.23)
n
Selon le postulat 1.3 les seules valeurs mesurables sont les valeurs En . Or si l’on effectue un grand
nombre N de mesures de l’énergie sur un système dans un état quelconque |ψi, on obtiendra un
certain nombre de fois , n j , la valeur E j . Lorsque N → ∞, le rapport n j /N tend vers la probabilité
théorique P(E j ) d’obtenir la valeur E j lors d’une mesure, soit :
nj
P(E j ) ' (6.24)
N
Or, la valeur moyenne, hWexp i, des valeurs obtenus à partir de ces nombres est la somme des valeurs
expérimentales divisée par N, soit
1
hWexp i = n j En ' ∑ P(E j )E j (6.25)
N∑j j
On voit donc que W peut être interprété comme une valeur moyenne de l’énergie en considérant
|2
|cn comme la probabilité d’obtenir pour résultat En lors d’une mesure. Cette interprétation est
confortée par le fait que la somme des probabilités est bien égale à l’unité, puisque :
hψ|ψi = 1 ⇐⇒ ∑ |cn |2 = 1 (6.26)

n

Valeurs propres non dégénérées
L’interprétation précédente des quantités |cn |2 peut être étendue à toutes les observables. Considé-
rons une observable A dont le spectre ne comporte que de valeurs propres an non dégénérées et
soit |un i le vecteur propre normé associé à an . L’ensemble des vecteurs d’état |un i forme une base
orthonormée du C-ev E. Ainsi,
∀ |ψi ∈ E, |ψi = ∑ cn |un i et hun |um i = δnm (6.27)

n
Comme on l’a fait pour l’énergie, on postule que |cn |2 représente la probabilité, notée P(an ), d’ob-
tenir la valeur propre an comme résultat d’une mesure de la grandeur physique A à laquelle cor-
respond l’observable A.
Postulat 6.5
Soit A une grandeur physique d’un système quantique et A l’observable correspondante
dont le spectre ne comporte que de valeurs propres non dégénérées an associées aux vecteurs
propres orthonormés |un i. Lorsqu’on mesure A sur le système dans l’état quelconque |ψi
de norme unité, la probabilité P(an ) d’obtenir comme résultat de mesure an est donnée par :
P(an ) = |hun |ψi|2 (6.28)
Valeurs propres dégénérées
Dans le cas d’un système d’un spectre comportant des vecteurs propres an dégénérées gn fois, il
correspond à chaque valeur propre gn vecteurs propres orthonormés |ukn i, k = 1, 2, . . . , gn . Ainsi,
|ψi ∈ E peut être développé sur la base orthonormée (|ukn i)n,k sous la forme :
gn
|ψi = ∑ ∑ ckn |ukn i (6.29)
n k=1
Puisqu’on a gn états |ukn i correspondants à la même valeur propre an , la probabilité d’obtenir an

comme résultat d’une mesure doit être égale à la somme des probabilités relatives à chaque état
|ukn i, soit :
gn
P(an ) = ∑ |ckn|2 (6.30)
k=1
Postulat 6.6
Soit A une grandeur physique d’un système et A l’observable correspondante ; soit an une
vecteur propre de A dégénérée gn fois et associée aux vecteurs propres orthonormés |ukn i.

Lorsqu’on mesure A sur le système dans l’état |ψi de norme unité, la probabilité P(an )
d’obtenir comme résultat de mesure an est donnée par :
gn
P(an ) = ∑ |hukn|ψi|2 (6.31)
k=1
6.3.4 Valeurs moyennes d’une observable
Les postulats 1.5 et 1.6 ont été obtenus en généralisant le raisonnement effectué sur la valeur
moyenne de l’énergie donnée par 6.23. Réciproquement, partant des postulats 5 et 6, on doit re-
trouver, pour une observable quelconque A, une expression analogue à 6.23 pour la valeur moyenne
de A.
Définition 6.6 Valeur moyenne d’une observable
Considérons un système quantique dans un état quelconque normé |ψi. La valeur moyenne,
notée hAiψ , d’une observable A dans l’état |ψi est donnée par :
hAiψ = ∑ P(an )an (6.32)

n
gn gn
=⇒ hAiψ = ∑ ∑ |hukn|ψ|2an = ∑ ∑ hψ|anuknihukn|ψi
n k=1 n k=1
gn
= ∑ ∑ hψ|A|uknihukn|ψi
n k=1
!
gn
= hψ|A ∑ ∑ |uknihukn| |ψi
n k=1
= hψ|A|ψi car (|ukn i)n,k orthonormée.
Donc

hAiψ = hψ|A|ψi (6.33)


Chapitre 6. Formalisme de la mécanique quantique 6.4. Propriétés des observables
6.4 Propriétés des observables

6.4.1 Évolution de la valeur moyenne d’une observable
Considérons un système dans un état |ψ(t)i, dont la norme est unité à l’instant t = 0, c’est-à-dire :
hψ(0)|ψ(0)i = 1 (6.34)
et soit A(t) une observable associée à une grandeur physique A (t), soit :
A (t) −→ A(t) (6.35)
supposons que la valeur moyenne hAi dépende du temps, ce qu’on note hAi(t) ; on a :
hAi(t) = hψ(t)|A(t)|ψ(t)i (6.36)
cette valeur moyenne dépend du temps parce que le vecteur |ψ(t)i en dépend mais aussi éventuel-
lement l’opérateur A(t). Dérivons l’expression 6.36 par rapport à t ; il vient :

d d ∂A d
hAi(t) = hψ| A|ψi + hψ| |ψi + hψ|A |ψi (6.37)
dt dt ∂t dt
d i i
Or |ψi = − H(t)|ψi = − |H(t)ψi (6.38)
dt h̄ h̄
d i
=⇒ hψ| = hψ|H(t) (6.39)
dt h̄
Ainsi, pour A = I, on a :
d i i
hψ(t)|ψ(t)i = hψ(t)|H|ψ(t)i − hψ(t)|H|ψ(t)i = 0 (6.40)
dt h̄ h̄
Conclusion 6.1
On en déduit que la norme de l’état du système reste indépendante du temps. Cela signifie
que, lorsqu’à l’instant zéro le vecteur d’état |ψi du système est normalisé à l’unité, son état
|ψ(t)i conserve à tout instant sa norme, justifiant ainsi la conservation de la probabilité de
présence totale.
Compte-tenu de 6.39 et 6.40, 6.37 s’écrit :
d i ∂A
hAi(t) = − hψ|(AH − HA)|ψi + |ψi hψ| (6.41)
dt h̄ ∂t

Chapitre 6. Formalisme de la mécanique quantique 6.5. Mesure de grandeurs physiques
d i ∂A
Donc hAi(t) = − h[A(t), H(t)]i + h i(t) (6.42)
dt h̄ ∂t
6.4.2 Constante du mouvement

∂A
Si A ne dépend pas explicitement du temps, alors h i(t) = 0
∂t
d i
hAi(t) = − h[A(t), H(t)]i
=⇒ (6.43)
dt h̄
Les grandeurs physiques pour lesquelles on a simultanément :
∂A
h i(t) = 0, h[A(t), H(t)]i = 0 (6.44)
∂t
d
=⇒ hAi(t) = 0 (6.45)
dt
Dans ce cas, quelque soit l’état |ψi du système, la valeur moyenne de A dans cet état n’évo-
lue pas au cours du temps. Lorsqu’il en est ainsi, on dit que l’observable A est une constante
du mouvement.
6.5 MESURE DE GRANDEURS PHYSIQUES ET ÉTAT DU

SYSTÈME AVANT ET APRÈS LA MESURE
La théorie quantique est avant tout une théorie des phénomènes microscopiques. Mais la phy-
sique est macroscopique (les microscopes, accélérateurs de particules, ... sont des objets macro-
scopiques), et il est donc indispensable que les résultats simples de la théorie classique puissent se
retrouver en théorie quantique. D’autre part, contrairement à la situation classique, il y a indéter-
minisme dans la mesure, vu que nous ne saurons dire exactement où est passé le quanton lorsqu’on
observe une interférence avec des fentes de Young ou une Interférométrie de Mach Zehnder. De
ce fait, il est donc important de se munir d’une théorie de la mesure, afin d’éviter de transposer au
monde microscopique notre expérience journalière qui est macroscopique.
Principe 6.3 Mesure d’une grandeur physique
Faire une mesure d’une grandeur physique A sur un système donné revient mathématique-
ment à faire agir l’observable associée A sur le vecteur d’état |ψi du système. Ainsi, si le
système est dans l’état |ψi avant la mesure, après la mesure, il est dans l’état A|ψi

Chapitre 6. Formalisme de la mécanique quantique 6.5. Mesure de grandeurs physiques
Postulat 6.7 Principe de quantification et de décomposition

La mesure d’une grandeur physique A ne peut donner comme résultat qu’une des valeurs
propres de l’opérateur hermitien A correspondant.
Si {|ϕn i} est la base des vecteurs propres de A, c’est-à-dire, A|ϕn i = an |ϕn i, alors on peut
écrire A sous la décomposition spectrale
A = ∑ |ϕn ian hϕn |, (6.46)

n
avec an une valeur propre de A ou valeur résultant d’une mesure idéale faite sur A .
Postulat 6.8 Principe de réduction du paquet d’onde
Si la mesure d’une grandeur physique A sur le système dans l’état |ψi donne le résultat an ,
l’état du système immédiatement après la mesure est |ϕn i défini par :
Pn |ψi Pn |ψi
|ϕn i = =p (6.47)
||Pn |ψi|| hψ|Pn |ψi
|ϕn i est donc la projection normée de |ψi sur le sous-espace propre associé à an . Donc la
mesure est une projection orthogonale.
Exercice 6.1
A system is in the state
1 √
|ψi = √ 2|u1 i + 2|u2 i + |u3 i + 2|u4 i + 6|u5 i (6.48)
19
where {|un i}n=1−5 are a complete and orthogonal set of vectors. Each |un i is an eigenstate of
the system’s Hamiltonian corresponding to the possible measurement result H|un i = n ε|un i
1. Describe the set of projection operators corresponding to the possible measurement

results.
2. Determine the probability of obtaining each measurement result. What is the

state of the system after measurement if we measure ! the energy to be 3ε ?
P3 |ψi 1 p
pn = |hun |ψi|2 ; p = √ |u3 i/ 1/19 = |u3 i
hψ|P3 |ψi 19
3. What is the average energy of the system ?

Chapitre 6. Formalisme de la mécanique quantique 6.6. Opérateurs d’évolution et états stationnaires
6.6 Opérateurs d’évolution et états stationnaires

L’équation de Schrödinger ou équation d’évolution suggère la correspondance :
d
H −→ ih̄ (6.49)
dt
6.6.1 Cas des systèmes conservatifs
Définition 6.7 Système conservatif

Lorsque l’hamiltonien d’un système physique ne dépend pas explicitement du temps, on dit
que ce système est conservatif. En mécanique classique, la conséquence la plus importante
d’une telle situation est la conservation d’énergie au cours du temps.
Résolution de l’équation de Schrödinger
Considérons tout d’abord l’équation aux vecteurs propres de H :
H|ϕn,τ i = En |ϕn,τ i (6.50)
Nous supposons pour simplifier, le spectre de H discret. τ désigne l’ensemble des indices autres
que n qui sont nécessaires, pour caractériser un vecteur |ϕn,τ i unique (ces indices repéreront au
général les valeurs propres d’opérateurs formant avec H un ECOC) comme par hypothèse H ne
dépend pas explicitement du temps, t n’intervient ni dans la valeur propre En , ni dans le ket propre
|ϕn i.
Nous allons montrer tout d’abord que la connaissance des En et des |ϕn,τ i permet de résoudre
très simplement l’équation de Schrödinger, c’est-à-dire de déterminer l’évolution au cours du
temps d’un état quelconque. En effet, les |ϕn,τ i formant une base (H est une observable) de l’es-
pace des états du système, on peut toujours, pour chaque valeur de t, développer un état |ψ(t)i
quelconque du système sur les |ϕn,τ i :
|ψ(ti = ∑ cn,τ (t)|ϕn,τ i (6.51)

n,τ
avec cn,τ (t) = hϕn,τ |ψ(t)i

Comme les |ϕn,τ i ne dépendent pas de t, toute la dépendance temporelle de |ψ(t)i est contenue
dans les cn,τ (t). Pour calculer les cn,τ (t), projetons l’équation de Schrödinger sur chacun des états

|ϕn,τ i. Il vient :
d
ih̄ hϕn,τ |ψ(t)i = hϕn,τ |H|ψ(t)i (6.52)
dt
d
=⇒ ih̄ cn,τ (t) = En cn,τ (t) (6.53)
dt
On a donc, cn,τ (t) = cn,τ (t0 )e−iEn (t−t0 )/h̄ (6.54)
Pour trouver |ψ(t)i, connaissant |ψ(t0 )i, on procède donc comme suit :
Principe 6.4 Détermination de l’évolution d’un état quantique au cours du temps
1. On développe |ψ(t0 )i, sur la base des états propres de H :
|ψ(t0 )i = ∑ ∑ cn,τ (t0 )|ψ(t)i, cn,τ (t0 ) = hϕn,τ |ψ(t0 )i; (6.55)
n τ
2. On obtient alors |ψ(t)i, pour t quelconque, en multipliant chaque coefficient cn,τ (t0 )
du développement précédent par e−iEn (t−t0 )/h̄ . En étant la valeur propre de H associée
à l’état |ϕn,τ i :
|ψ(t)i = ∑ ∑ cn,τ (t0 )e−i En (t−t0 )/h̄ |ϕn,τ i. (6.56)
n τ
Etats stationnaires
un cas particulier important est celui où |ψ(t0 )i lui-même est état propre de H :
|ψ(t0 )i = ∑ cn,τ (t0)|ϕn,τ i (6.57)

τ
=⇒ |ψ(t)i = ∑ cn,τ (t0)e−iEn(t−t0)/h̄|ϕn,τ i (6.58)
τ
−iEn (t−t0 )/h̄
= e ∑ cn,τ (t0)|ϕn,τ i (6.59)
τ
= e−iEn (t−t0 )/h̄ |ψ(t0 )i (6.60)
|ψ(t)i et |ψ(t0 )i ne différent donc l’un de l’autre que par le facteur de phase e−iEn (t−t0 )/h̄ . Ces
deux états sont physiquement indiscernables.

Conclusion 6.2 Les États propres de H sont des états stationnaires
Nous en concluons que toutes les propriétés physiques d’un système qui se trouve dans
un état propre de H ne varient pas au cours du temps, les états propres de H sont ainsi
appelés états stationnaires.
Il est intéressant de voir comment apparaît, en mécanique quantique, la conservation de l’éner-

gie pour un système conservatif. En effet,
hAiψ(t) = heiEn (t−t0 )/h̄ ψ(t0 )|A|e−iEn (t−t0 )/h̄ ψ(t0 )i (6.61)
= hψ(t0 )|A|ψ(t0 )i = hAiψ(t0 ) (6.62)
Constante du mouvement et propriétés
Nous avons vu qu’on appelle constante du mouvement, une observable A qui ne dépend pas
explicitement du temps et qui commute avec H :

 ∂A
= 0
∂t (6.63)
 [A, H] = 0
Pour un système conservatif, H est lui-même une constante du mouvement.

d d
• On a : hAi = hψ(t)|A|ψ(t)i = 0
dt dt
Quel que soit l’état |ψ(t)i du système physique, la valeur moyenne de A dans cet état n’évo-
lue pas au cours du temps (d’où l’appellation "constante du mouvement") .
• Comme A et H sont deux observables qui commutent, on peut toujours leur trouver un sys-
tème de vecteurs propres communs, que nous désignerons par (|ϕn,p,τ i) :
H|ϕn,p,τ i = En |ϕn,p,τ i (6.64)

A|ϕn,p,τ i = a p |ϕn,p,τ i (6.65)
Nous supposons pour simplifier les spectres de H et A discrets, l’indice τ repère les valeurs
propres d’observables qui forment un ECOC avec H et A. Les états |ϕn,p,τ i étant états propres
de H, sont états stationnaires. Si le système est, à l’instant initial, dans l’état |ϕn,p,τ i, il y
demeurera donc indéfiniment (à un facteur de phase global près). Mais l’état |ϕn,p,τ i est
également état propre de A ; lorsque A est une constante du mouvement, il existe donc des
états stationnaires du système physique (les états|ϕn,p,τ i) qui demeurent toujours, quelque
soit t, états propres de A avec la même valeur propre (a p ). Les valeurs propres de A sont
appelées pour cette raison de bons nombres quantiques.

Proposition 6.2
Montrons enfin que, pour un état |ψ(t)i quelconque, la probabilité de trouver la valeur
propre a p , lorsqu’on mesure la constante du mouvement A, ne dépend pas du temps.
Démonstration
En effet, on peut toujours développer |ψ(t0 )i sur la base (|ϕn,p,τ i) introduite plus haut :
|ψ(t0 )i = ∑ ∑ ∑ cn,p,τ (t0)|ϕn,p,τ i (6.66)

n p τ
=⇒ |ψ(t)i = ∑ ∑ ∑ cn,p,τ (t)|ϕn,p,τ i (6.67)
n p τ
avec cn,p,τ (t) = cn,p,τ (t0 ) e−i En (t−t0 )/h̄ (6.68)
D’après le postulat de décomposition spectrale, la probabilité P(a p ,t0 ) de trouver a p lors-

qu’on mesure A à l’instant t0 sur le système dans l’état |ψ(t0 )i, vaut :
P(a p ,t0 ) = ∑ ∑ |cn,p,τ (t0 )|2 (6.69)

n τ
De même
P(a p ,t) = ∑ ∑ |cn,p,τ (t)|2 = P(a p ,t0 ) (6.70)
n τ
Remarque 6.1
Pour déterminer l’état ψ(t) d’un système à un instant t ultérieur, connaissant son état ψ(t0 )
à l’instant t0 , on peut définir l’opérateur d’évolution par
U(t − t0 ) = e−iH(t−t0 )/h̄ (6.71)
Puis on écrit : |ψ(t)i = U(t − t0 )|ψ(t0 )i. Ainsi, il serait plus aisée de décomposer |ψ(t0 )i
dans la base propre du Hamiltonien H afin de faire agir U simplement. En effet, si H|ϕn i =
En |ϕn i, on peut trouver les cn ∈ C/ |ψ(t0 )i = ∑n cn |ϕn i
=⇒ |ψ(t − t0 )i = ∑ cn e−iEn (t−t0 )/h̄ |ϕn i
n

Chapitre 6. Formalisme de la mécanique quantique 6.7. Inégalités d’Heisenberg
6.7 Inégalités d’Heisenberg

Nous examinons de façon qualitative le concept de grandeurs physiques incompatibles et ses consé-
quences sur la mesure. En général, il ne sera pas possible de trouver des états où les valeurs des
grandeurs physiques A et B soient toutes deux bien déterminées.
supposons qu’on ait [A, B] 6= 0 et qu’une première mesure de A ait donné une valeur a et pro-
jeté d’état initial sur le vecteur propre |ai de A : A|ai = a|ai. Si on effectue une mesure de B
immédiatement après celle de A , |ai ne sera pas vecteur propre de B et le résultat de la mesure ne
sera connu qu’avec une certaine probabilité. En effet, si b est une valeur propre de B correspondant
au vecteur propre |bi, on a B|bi = b|bi et la probabilité de mesurer b sera
P(b ← a) = |hb|ai|2 (6.72)
Il existe donc des dispersions ou écarts quadratiques moyens des mesures effectuées à partir d’un
état initial |ψi arbitraire :
q q
Mψ A = hA iψ − hAiψ = h(A − hAiψ I)2 iψ
2 2 (6.73)
Nous Considérons que nous pouvons écrire : [A, B] = iC avec C† = C. Considérons les opéra-
teurs hermitiens P et Q de valeur moyenne nulle, définis par :
P = A − hAiψ I et Q = B − hBiψ I (6.74)
tels que [P, Q] = iC. On a :
0 ≤ ||(P + iλ Q)|ψi||2 = ||P|ψi||2 + iλ h[P, Q]iψ + λ 2 ||Q|ψi||2 (6.75)

= hP2 iψ − λ hCiψ + λ 2 hQ2 iψ (6.76)
Le discriminant de ce polynôme de deuxième dégré en λ est négatif ou nul :
hC2 iψ − 4hP2 iψ hQ2 iψ ≤ 0 (6.77)
D’où le résultat suivant :

Inégalité d’Heisenberg
1
Mψ A. Mψ B ≥ |hCiψ | (6.78)
2
qui est l’inégalité de Heisenberg.

CHAPITRE 7
REPRÉSENTATIONS PARTICULIÈRES
Sommaire
7.1 Distribution de Dirac et fonction δ . . . . . . . . . . . . . . . . . . . . . . . . 123
7.1.1 Fonctions tendant vers une fonction δ . . . . . . . . . . . . . . . . . . . 124
7.2 Transformation de Fourier . . . . . . . . . . . . . . . . . . . . . . . . . . . . 125
7.2.1 Propriétés de la transformation de Fourier . . . . . . . . . . . . . . . . . 128
7.2.2 Convolution et transformation de Fourier . . . . . . . . . . . . . . . . . 129
7.2.3 Forme intégrale de la fonction δ . . . . . . . . . . . . . . . . . . . . . . 130
7.3 représentation |αi . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 131
Dans le chapitre précédent, nous avons étudié le vecteurs d’état qui permet de caractériser un
système physique indépendamment de la base (représentation) choisie. De même, nous avons éta-
bli les postulats fondamentaux de la mécanique quantique indépendamment d’une représentation
donnée. Ceci montre que les résultats issus du chapitre précédent sont indépendants de la repré-
sentation choisie et sont généraux. Dans ce chapitre, on se propose de réécrire quelques postulats
et d’établir quelques résultats dans des représentations particulières. parlant de représentation, on
considérera :
• la représentation α
• la représentation r
• la représentation p
Pour que les choses soient très claires, nous Rappellerons la transformation de Fourier en pas-
sant par les fonctions tendant vers la fonction δ
125
Chapitre 7. Représentations particulières 7.1. Distribution de Dirac et fonction δ
7.1 Distribution de Dirac et fonction δ
Définition 7.1 Fonction δ

On appelle fonction δ , la fonction définie par


 δ (x − x0 ) = 0 si x 6= x0
Z+∞


 δ (x)dx = 1

−∞
Propriété 7.1 Propriétés des fonctions δ
Z+∞
• F(x)δ (x − x0 ) dx = F(x0 )
−∞
Z+∞
• F(x)δ (x) dx = F(0)
−∞
• δ (x) = δ (−x)
Z
• F(r) δ (r − r0 ) dr = F(r0 )
V
• δ ∗ (x) = δ (x)
7.1.1 Fonctions tendant vers une fonction δ
Définition 7.2 Fonction porte


 1 , |x| ≤
ε
gε = ε 2 (fonction porte)
 0 sinon
On se propose de montrer que gε tend vers une fonction δ lorsque ε → 0. Pour cela, on montera
R∞
que : lim −∞ F(x)gε (x) dx = F(0)
ε→0
En effet,
1 1
Z ∞ Z ε/2 Z ε/2
I = lim F(x)gε (x)dx = lim F(x) dx = lim F(x)dx
ε→0 −∞ ε→0 −ε/2 ε ε→0 ε −ε/2
En posant x = εu, on a :

Chapitre 7. Représentations particulières 7.2. Transformation de Fourier
Z 1/2 Z 1/2
I = lim F(εu)du = F(0) = du = F(0)
u→0 −1/2 −1/2
Donc gε tend vers la fonction δ lorsque ε → 0.

Définition 7.3 Fonction gaussienne
1 2 2
gσ (x) = √ e−x /2σ (7.1)
σ 2π
On a :
1
Z ∞ Z ∞
u=x/σ 2 /2
I = lim F(x)gσ (x)dx = √ f (σ u)e−u du (7.2)
ε→0 −∞ 2π −∞
1
Z ∞
2 /2
= √ f (0) e−u du = f (0) (7.3)
2π −∞
Définition 7.4 Autre fonctions tendant vers la fonction δ

sin(x/ε) 1 −|x|/ε 1 ε ε sin(x/ε)
gε (x) = , gε (x) = e , gε (x) = gε (x) =
πx 2ε π x2 + ε 2 π x2
7.2 Transformation de Fourier

Définition 7.5 Transformation de Fourier
La transformation de Fourier F est une opération qui transforme une fonction intégrable
sur R en une autre fonction, décrivant le spectre fréquentiel de cette dernière. Si f est une
fonction intégrable sur R, sa transformée de Fourier est la fonction fˆ = F ( f ) donnée par la
formule : Z ∞
F ( f ) : ξ 7−→ fˆ(ξ ) = f (x)e−iξ x dx. (7.4)
−∞
Ainsi, la transformée de Fourier inverse notée F −1 appliquée à fˆ, permet (sous conditions
appropriées) de retrouver f à partir des données fréquentielles :
1
Z ∞
−1
f (x) = F fˆ(x) = fˆ(ξ )eiξ x dx. (7.5)
2π −∞
Ainsi, pour des raisons de symétries, les physiciens préfèrent noter F et F −1 avec le même
1
facteur multiplicatif √ . En prenant ξ = k ≡module d’un vecteur d’onde, on a : les définitions
2π
suivantes que nous adoptons en physique.

Définition 7.6 Transformation de Fourier entre espace des positions et espace des vecteurs
d’ondes
1 ∞ Z
F ( f )(k) = √ f (x) e−ikx dx = fˆ(k) (7.6)
2π −∞
1
Z ∞
F −1 ( f )(x) = √ fˆ(k) eikx dk = f (x) (7.7)
2π −∞
Définition 7.7 Transformation de Fourier entre espace des positions et espace des vecteurs
d’ondes
1
·
Z
fˆ(k) = 3/2
f (r)e−ik r d 3 r (7.8)
(2π) V
1
·
Z
f (r) = 3/2
fˆ(k)eik r d 3 k (7.9)
(2π) Ω
V ≡ volume dans l’espace physique d 3 r ≡ dxdydz ≡ r2 sinθ drdθ dϕ ≡ rdrdθ dz ≡ . . .

Ω ≡ volume dans l’espace des vecteurs d’onde .
d 3 k ≡ dkx dky dkz = k2 sinθ dkdθ dϕ ≡ kdkdθ dz ≡ . . .
N.B : On peut généraliser à n dimensions : V = Cn Rn
Exemple 7.1
1 2 2
Soit f (x) = √ e−x /2σ , calculons fˆ(k).
σ 2π
1
Z ∞
fˆ(k) = √ f (x)e−i k x dx (7.10)
2π −∞
x2
1 1 − −i k x
Z ∞
= √ √ e 2σ 2 dx (7.11)
2π −∞ σ 2π
1 2 2
= √ e−k σ /2 (7.12)
2π
Conclusion 7.1
Donc la transformée de Fourier d’une gaussienne de dispersion σ est une gaussienne
de dispersion inverse (1/σ ).

Propriété 7.2 Intégrale de Gauss
Z ∞ − u+i pσ
2
Calcul de I = e h̄ du
−∞
Z R − x+i pσ
2
I = lim e h̄ dx (7.13)
R→+∞ −R
Z
2
= lim e−z dz car sur Γ3 , z = x + ipσ /h̄, avec x variant de R à − R(7.14)
R→+∞ Γ3
Or, d’après le Théorème des résidus,

I Z Z Z Z
−z2
e dz = + + =0
Γ Γ1 Γ2 Γ3 Γ4
Sur les côtés Γ2 et Γ4 , on a z = ±R + iy, y ∈ [0, pσ /h̄]

2 2 2 2 2 2
Donc e−z = e−(±R+iy) = e−(R −y ) e∓2iRy = e−R ey −→ 0
R→+∞
2
Car ey est bornée pour y ∈ [0, pσ /h̄]. Donc
R R
−→ 0 et −→ 0
Γ1 R→+∞ Γ4 R→+∞
On a donc :
Z ∞ −(x+i pσ )2 Z Z +∞
−z2 −x2 2
e h̄ dx = lim e dz = lim e dx = e−x dx = I
−∞ R→+∞ Γ1 R→+∞ −∞
Z +∞ Z +∞ Z Z +∞ Z 2π Z ∞
−x2 −y2 −x2 −y2 2
2
I = e dx e dy = e dxdy = re−r dr = π
−∞ −∞ −∞ 0 0
Z +∞
2 √
=⇒ I = e−x dx = π
−∞
Propriété 7.3 Transformée de Fourier d’une gaussienne normée

Pour une gaussienne normée :
1 2 2 1 2 2 2
ψ(x) = √ e−x /2σ ⇐⇒ ψ(p) = √ e−p σ /2h̄ (7.15)
σ 2π 2π h̄
Théorème 7.1 Théorème de parseval-plancherel

Z ∞ Z ∞
∗
fˆ1 (k) fˆ2 (k) dk = f1∗ (x) f2 (x) dx (7.16)
−∞ −∞

Démonstration
Z ∞
ˆf1 ∗ (k) fˆ2 (k)dk = √1
Z ∞ Z ∞
ˆf1 ∗ (k) f2 (x)e−ikx
dx dk (7.17)
−∞ 2π −∞ −∞
1
Z ∞ Z ∞
∗
= √ f2 (x)dx fˆ1 (k)e−ikx dk (7.18)
2π −∞ −∞
Z ∞
= f2 (x) f1∗ (x)dx (7.19)
−∞
Corollaire 7.1
=⇒ h fˆ1 | fˆ2 i = h f1 | f2 i
=⇒ || f || = || fˆ||
Conclusion 7.2
On dira que la transformée de Fourier conserve le produit scalaire et la norme : c’est donc
une isométrie
7.2.1 Propriétés de la transformation de Fourier
• Par définition, x et ξ ont des dimensions inverses. En physique, lorsque x représente la posi-
tion (longueur), ξ = k et représente la norme d’un vecteur d’onde dont la dimension est bien
inverse à celle d’une longueur. Lorsque x = t, ξ = ω qui a bien les dimensions de l’inverse
d’un temps.
• autres exemples
Transformée de Fourier de la lorentzienne La fonction lorentzienne est définie par :
a 1
f (x) = , a>0
π x2 + a2
Sa transformée de Fourier est une fonction "en toile de tente" (non dérivable en k = 0) :
1
fˆ(k) = √ e−a|k|
2π

Fonction Transformée de Fourier

Linéarité ag1 (x) + bg2 (x) agˆ1 (ξ ) + bgˆ2 (ξ )
1 ˆ ξ
Contraction du domaine f (a.x) f( )
|a| a
Translation temporelle g(x + x0 ) ĝ(ξ )eiξ x0
Modulation dans le domaine temporel g(x)eiξ x0 ĝ(x − x0 )
d
Dérivation dans le domaine temporel (−i )n g(x) ξ n ĝ(ξ )
dx
d n
( ) g(x) (+i)n ξ n ĝ(ξ )
dx
d
Dérivation dans le domaine fréquentiel (−ix)n f (x) ( )n fˆ(ξ )
dx
Produit de convolution ( f ∗ g)(x) fˆ(ξ ).ĝ(ξ )
1 ˆ
Produit ( f .g)(x) ( f ∗ ĝ)(ξ )
2π
5symétrie réelle et paire réelle et paire
réelle paire (à symétrie hermitienne)
réelle et impaire imaginaire pure et impaire
imaginaire pure et paire imaginaire pure et paire
imaginaire pure et impaire réelle et impaire
Forme gaussienne gaussienne
Transformée de Fourier de la fonction porte La fonction porte est définie par :

(
1/a , |x| ≤ a
f (x) =
0 , |x| > a
Elle a pour transformée de Fourier la fonction :

1 ka
fˆ(k) = √ sin c
2π 2
7.2.2 Convolution et transformation de Fourier
Définition 7.8 Produit de convolution

On définit le produit de convolution de deux fonction f (x) et g(x) appartenant à L 1 par la
formule : Z ∞
[ f ∗ g](x) = f (u)g(x − u)du (7.20)
−∞
On peut montrer que f ∗ g = g ∗ f appartient aussi à L 1 . On peut alors calculer la transformée

de Fourier de cette fonction :

Z ∞Z ∞
F [ f ∗ g] = e−ikx f (u)g(x − u) dx du
Z−∞ −∞
∞ Z ∞
= e−ik(u+v) f (u)g(v) du dv
Z−∞
∞
−∞
Z ∞
−iku
= e f (u) du e−ikv f (v) dv
−∞ −∞
⇒ F [ f ∗ g] = F [ f ]F [g] (7.21)
Bien entendu, dans cette démonstration, nous avons utilisé la définition intrinsèque de la transfor-
mée de Fourier.
7.2.3 Forme intégrale de la fonction δ
Comme la fonction gaussienne tend vers la fonction δ lorsque σ −→ 0, on peut écrire :
1 ∞ 1
Z
2 2
δ (x) = lim √ √ e−k σ /2 eikx dk (7.22)
σ →0 2π −∞ 2π
1 ∞ ikx
Z
= e dk (7.23)
2π −∞
On retrouve le même résultat en considérant la fonction porte. Donc :

Propriété 7.4
1 ∞ ikx
Z
δ (x) = e dk (7.24)
2π −∞
1 ∞ ik(x−x0 )
Z
δ (x − x0 ) = e dk (7.25)
2π −∞
1
·
Z
δ (r − r0 ) = ei k (r−0 ) d 3 k (7.26)
(2π)3 Vk
1
·
Z
δ (r) = 3
ei k r d 3 k (7.27)
(2π) Vk
δ (r − r0 ) = δ (x − x0 ) δ (y − y0 ) δ (z − z0 ) (7.28)
Vk est le volume dans l’espace des vecteurs d’onde.

Chapitre 7. Représentations particulières 7.3. représentation |αi
Cas où ξ = p
Dans le cas où l’espace réciproque est l’espace des impulsions, on a : p = h̄k. D’après ce qui
précède, on a :
1 ∞ Z
ψ(x) = √ eikx ψ̂(k)dk (7.29)
2π −∞
1 p
Z ∞
= √ eipx/h̄ ψ̂( )d p (7.30)
h̄ 2π −∞ h̄
Pour des besoins de symétrisation, on pose :

√
ϕ(p) = h̄ψ̂(p/h̄) (7.31)
et on appelle ϕ(p) la transformée de Fourier de ψ(x). Ainsi, on a :

Propriété 7.5
1 ∞
Z
ψ(x) = √ eipx/h̄ ϕ(p) d p (7.32)
2π h̄ −∞
1
Z ∞
ϕ(p) = √ e−ipx/h̄ ψ(x) dx (7.33)
2π h̄ −∞
1
Z
ψ(r) = 3/2
eip.r/h̄ ϕ(p) d 3 p (7.34)
(2π h̄) Vp
1
Z
ϕ(p) = 3/2
e−ip.r/h̄ ψ(p) d 3 r (7.35)
(2π h̄) V
En dimension n quelconque, on a :
1
Z
ψ(r) = eip.r/h̄ ψ(p) d n p (7.36)
(2π h̄)n/2 v
1
Z
ψ(p) = e−ip.r/h̄ ψ(p) d n r (7.37)
(2π h̄)n/2 V
r = (r1 , . . . , rn ); p = (p1 , . . . , pn )
7.3 représentation |αi

On considère une base continue (B = |αi) et on se propose de réécrire les relations obtenues dans
une base discrète (|ui i), dans cette base continue.

Propriété 7.6 Passage d’une base discrète à une base continue
• Comme B = (|αi), on a évidemment
hα|β i = δ (α − β ) (7.38)
Remarquons que cette basse n’est pas normée, puisque hα|αi n’est pas définie ;
Z
• |ψi = ∑ |ui i ⇐⇒ |ψi = c(α)|αidα
i
• ci = hui |ψi ⇐⇒ c(α) = hα|ψi
Ainsi, on a :
Z
|ψi = hα|ψi|αidα (7.39)
Z
= |αihα|ψidα (7.40)
Z
=⇒ |αihα|dα = In (Relation de fermeture pour une base continue) (7.41)


MQ 2016 2017

Transféré par

Droits d'auteur :

Formats disponibles

MQ 2016 2017

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

MQ 2016 2017

Transféré par

Droits d'auteur :

Formats disponibles

Université de Ngaoundéré The University of Ngaoundere

Faculté des Sciences Faculty of Science

Dr. FIFEN Jean Jules

Année Académique 2016-2017

1 Espaces vectoriels et Matrices 1

3 Réd. des endo et des matrices 61

4 Formes bilinéaires symétriques 77

5 Qubits et états quantiques 90

6 Formalisme de la mécanique quantique 100

6.2 ECOC . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 105

7 Représentations particulières 123

1.1 Diagramme de la multiplication d’une matrice m × n A par une matrice n × q B. . . 21

ESPACES VECTORIELS ET MATRICES

1.1 Espace vectoriel, sous-espaces vectoriels

• une loi interne, application de E × E dans E, notée ∗

• une loi externe, application de K × E dans E, qu’on notera ⊥

1. (E, ∗) est un groupe commutatif (c’est-à-dire ∗ est interne, associative, commutative,

3. ⊥ est distributive par rapport à ∗ dans E et par rapport à ∗ dans K:

(α ∗ β )⊥x = (α⊥x) ∗ (β ⊥x) (1.1)

Les éléments de E sont appelés vecteurs, ceux de K scalaires.

Généralement, on travaille dans le cas particulier où ∗ est l’addition (+) et ⊥ la multiplica-

∀λ , µ ∈ K, ∀x ∈ E, λ .(µ.x) = (λ µ).x (1.3)

∀α, β ∈ K, ∀x, y ∈ E, (α + β ).x = α.x + β .x (1.5)

Théorème 1.1 sous-espace vectoriel

Mécanique Quantique 2015-2016 : c Dr. FIFEN J. J. Licence de Physique Page 2

sev de E sur K si et seulement si :

Familles liées, familles libres, familles génératrices, bases

Mécanique Quantique 2015-2016 : c Dr. FIFEN J. J. Licence de Physique Page 3

1. Par convention, on dira que la famille vide est libre.

2. On notera aussi que la famille {OE } est liée.

Définition 1.3 Famille génératrice

Définition 1.4 Bases

Mécanique Quantique 2015-2016 : c Dr. FIFEN J. J. Licence de Physique Page 4

Définition 1.6 Dimension d’un ev

Pour la suite, on considérera que notre ev est de dimension finie et I = {1, 2, . . . , n}

Les scalaires λ1 , . . . , λn sont appelés coordonnées de u dans la base B. ∀i ∈ I , λi est la i-ième

• Si G est un système générateurs de E constitué de n vecteurs, alors il constitue une

Mécanique Quantique 2015-2016 : c Dr. FIFEN J. J. Licence de Physique Page 5

1.2 Applications linéaires

1.2.1 Définition et premières propriétés

Rappelons qu’une application f : E 7−→ F d’un ensemble E vers un ensemble F associe

1. ∀u, v ∈ E, f (u + v) = f (u) + f (v)

∀a, b ∈ K, ∀u, v ∈ E, f (au + bv) = a f (u) + b f (v).

1) IdE , projections, (x, y) 7−→ (y, x) sont des applications linéaires,

Mécanique Quantique 2015-2016 : c Dr. FIFEN J. J. Licence de Physique Page 6

. Une application linéaire bijective est un isomorphisme.

. Un endomorphisme bijectif s’appelle automorphisme.

. On notera L (E, F) ou F E l’ensemble des applications linéaires de E dans F.

. multiplication externe : a. f : E 7−→ F, (a. f )(u) = a. f (u) ∀a ∈ K, et ∀u ∈ E.

1.2.2 Cas particulier : F = K (Formes linéaires et dualité)

Mécanique Quantique 2015-2016 : c Dr. FIFEN J. J. Licence de Physique Page 7

Définition 1.9 Espace dual

Mécanique Quantique 2015-2016 : c Dr. FIFEN J. J. Licence de Physique Page 8

Si f est un élément de E ∗ et x un élément de E, on écrit parfois h f , xi pour f (x). Cette notation

En conséquence, dimE ∗ = dimE.

Ceci montre que (e∗i , . . . , e∗n ) est une base de E ∗ , et de plus :

E ∗ est de dimension finie, et dim(E ∗ ) = dimE

Mécanique Quantique 2015-2016 : c Dr. FIFEN J. J. Licence de Physique Page 9

f (λ x + µx0 , y) = λ f (x, y) + µ f (x0 , y)