Professional Documents
Culture Documents
LINFORMATIQUE QUANTIQUE
VOLUME I
PRINCIPES MATHMATIQUES
ET PHYSIQUES
Pierre Vinet
c Tous droits rservs 2016
Prface
ii
Prface
Liste de symboles
iv
Liste de symboles
Liste de symboles
iii
ix
xi
1 Lespace de Hilbert
1.1 Introduction . . . . . . . . . . . . . . . . . . . . . .
1.2 Les espaces vectoriels . . . . . . . . . . . . . . . . .
1.2.1 Exemples despaces vectoriels . . . . . . . .
1.2.2 Sous-espaces vectoriels . . . . . . . . . . . .
1.2.3 Bases et dimensions . . . . . . . . . . . . .
1.2.4 Applications linaires et isomorphismes . .
1.2.5 Lespace dual . . . . . . . . . . . . . . . . .
1.3 Les espaces pr-hilbertiens . . . . . . . . . . . . . .
1.3.1 Le produit scalaire . . . . . . . . . . . . . .
1.4 Les espaces vectoriels norms . . . . . . . . . . . .
1.5 Les espaces mtriques . . . . . . . . . . . . . . . .
1.6 Les espaces de Hilbert de dimension infinie . . . . .
1.6.1 Topologie usuelle sur les espaces mtriques*
1.6.2 Les espaces complets* . . . . . . . . . . . .
1.6.3 Les espaces sparables* . . . . . . . . . . .
1.6.4 Les espaces vectoriels topologiques . . . . .
1.6.4.1 Lespace dual topologique . . . . .
1.6.5 Les bases hilbertiennes . . . . . . . . . . . .
1.7 Quelques reprsentations de H . . . . . . . . . . .
1.7.1 Lespace l2 * . . . . . . . . . . . . . . . . . .
1.7.2 Lespace fonctionnel L2 * . . . . . . . . . . .
1
1
2
2
4
5
7
11
13
13
18
22
25
25
30
35
38
40
41
57
57
59
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
vi
. . . .
et ket
. . . .
. . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
64
66
67
70
Annexes du Chapitre 1
73
Annexe 1.A Les structures algbriques . . . . . . . . . . . . . . . 75
1.A.1 Le produit cartsien . . . . . . . . . . . . . . . . . . . 75
1.A.2 Loi de composition interne . . . . . . . . . . . . . . . . 75
1.A.3 Loi de composition externe . . . . . . . . . . . . . . . 76
1.A.4 La structure algbrique de corps . . . . . . . . . . . . 76
1.A.5 La structure despace vectoriel . . . . . . . . . . . . . 77
1.A.6 Les algbres . . . . . . . . . . . . . . . . . . . . . . . . 80
Annexe 1.B Les nombres complexes . . . . . . . . . . . . . . . . . 82
1.B.1 Les oprations arithmtiques sur les nombres complexes 82
1.B.2 La conjugaison complexe . . . . . . . . . . . . . . . . . 84
1.B.3 La forme algbrique des nombres complexes . . . . . . 84
1.B.4 La forme trigonomtrique des nombres complexes . . . 85
1.B.5 Les fonctions de la variable complexe . . . . . . . . . . 87
1.B.6 La forme exponentielle des nombres complexes . . . . 88
1.B.7 Apprciation des nombres complexes . . . . . . . . . . 91
Annexe 1.C Topologie gnrale . . . . . . . . . . . . . . . . . . . . 97
1.C.1 Les espaces topologiques . . . . . . . . . . . . . . . . . 97
1.C.2 Voisinage dun point . . . . . . . . . . . . . . . . . . . 99
1.C.3 Prbase dun espace topologique . . . . . . . . . . . . 100
1.C.4 Base dun espace topologique . . . . . . . . . . . . . . 102
1.C.5 Topologie induite . . . . . . . . . . . . . . . . . . . . . 104
1.C.6 Continuit . . . . . . . . . . . . . . . . . . . . . . . . . 105
1.C.7 quivalence topologique . . . . . . . . . . . . . . . . . 109
1.C.8 Convergence . . . . . . . . . . . . . . . . . . . . . . . . 110
1.C.9 Adhrence . . . . . . . . . . . . . . . . . . . . . . . . . 111
1.C.10 Espaces de Hausdorff . . . . . . . . . . . . . . . . . . . 113
1.C.11 Axiomes de dnombrabilit . . . . . . . . . . . . . . . 115
1.C.12 Sparabilit . . . . . . . . . . . . . . . . . . . . . . . . 118
1.C.13 Compacit . . . . . . . . . . . . . . . . . . . . . . . . . 119
2 Les oprateurs linaires sur lespace de Hilbert
133
2.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . 133
2.2 Algbre linaire . . . . . . . . . . . . . . . . . . . . . . . . . . 134
2.2.1 Lespace vectoriel LK (V, W) . . . . . . . . . . . . . . 134
vii
2.3
2.4
2.5
2.6
2.7
2.8
Annexes du Chapitre 2
Annexe 2.A Les matrices . . . . . . . . . . . . . . . .
2.A.1 Lalgbre des matrices carres . . . . . . .
2.A.2 Transposition et conjugaison de matrices .
2.A.3 Matrices symtriques et antisymtriques .
2.A.4 Matrices hermitiennes et antihermitiennes
2.A.5 Le dterminant . . . . . . . . . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
137
139
139
146
147
149
150
153
157
158
160
160
162
163
165
167
167
168
171
172
174
177
179
182
183
185
194
196
202
211
215
217
217
219
221
222
222
viii
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
228
231
232
237
238
240
Bibliographie
243
Index
245
Oprations vectorielles . . . . . . . . . . . . . . . . . . . . .
Injections, surjections et bijections . . . . . . . . . . . . . .
Boules ouvertes dans R2 et C . . . . . . . . . . . . . . . . .
Une boule ouverte est un voisinage de chacun de ses points
Intersection de deux boules ouvertes . . . . . . . . . . . . .
Boules ouvertes en tant quouverts de Td . . . . . . . . . . .
Espace de Hausdorff . . . . . . . . . . . . . . . . . . . . . .
Projection orthogonale . . . . . . . . . . . . . . . . . . . . .
Comparaison entre le plan cartsien et le plan dArgand . .
Le cercle unit dans le plan complexe . . . . . . . . . . . . .
Nombres complexes dans le plan dArgand . . . . . . . . . .
Racines de lquation quadratique . . . . . . . . . . . . . . .
Racines de lquation cubique . . . . . . . . . . . . . . . . .
Voisinage dun point . . . . . . . . . . . . . . . . . . . . . .
Base dun espace topologique . . . . . . . . . . . . . . . . .
Continuit . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Exemple dapplication continue . . . . . . . . . . . . . . . .
Continuit en un point . . . . . . . . . . . . . . . . . . . . .
Exemple dapplication continue en un point . . . . . . . . .
Thorme de Heine-Borel . . . . . . . . . . . . . . . . . . .
Partie ferme dun ensemble compact . . . . . . . . . . . . .
Ensemble compact dun espace de Hausdorff . . . . . . . . .
Espaces localement compacts . . . . . . . . . . . . . . . . .
Espaces borns . . . . . . . . . . . . . . . . . . . . . . . . .
Sous-ensemble totalement born (prcompact) . . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
3
8
24
27
28
28
36
52
86
89
90
92
93
99
103
105
106
108
109
120
121
124
127
129
130
2.1
2.2
2.3
10
2.1
2.2
xii
PRINCIPES
MATHMATIQUES
ET PHYSIQUES
Chapitre 1
Lespace de Hilbert
I am sitting on a table not necessarily in Hilbert space.
Martin J.G. Veldman
1.1
Introduction
Lespace de Hilbert
1.2
Nous allons maintenant passer en revue certaines notions essentielles dalgbre linaire. Pour les deux prochaines sections, notre intrt portera principalement sur les espaces vectoriels de dimension finie.
1.2.1
Nous supposons que le lecteur est dj familier avec les oprations fondamentales daddition vectorielle et de multiplication scalaire sur les vecteurs
telles quillustres la Fig. 1.1. Pour une dfinition axiomatique dun espace vectoriel ou une explication sur les conventions de notation, le lecteur
est pri de consulter lappendice 1.A sur les structures algbriques.
Voici quelques exemples despaces vectoriels qui sont particulirement
pertinents pour linformatique quantique.
1.2.1
u
v
u
u
1.5
v
u
(a)
(b)
Figure 1.1 (a) addition vectorielle (loi du paralllogramme) et (b) multiplication scalaire sur un espace vectoriel rel
Exemple 1.1. Soit V = Rn et dfinissons les oprations daddition
vectorielle et de multiplication scalaire sur les n-uplets par :
(x1 , x2 , . . . , xn ) + (y1 , y2 , . . . , yn ) = (x1 + y1 , x2 + y2 , . . . , xn + yn ) (1.1a)
(x1 , x2 , . . . , xn ) = (x1 , x2 , . . . , xn )
(1.1b)
Alors V est un espace vectoriel qui vrifie tous les axiomes de la dfinition
1A.5. Les vecteurs de V sont les n-uplets x = (x1 , x2 , . . . , xn ) et V est un
exemple despace vectoriel rel, que nous dsignerons par Rn .
Exemple 1.2. Si dans lexemple prcdent nous remplaons Rn par Cn
et les n-uplets rels par des n-uplets complexes, nous obtenons un espace vectoriel complexe. Ce sont ces espaces vectoriels Cn qui sont dune importance
fondamentale en informatique quantique.
Note. Si le besoin dun rappel sur les nombres complexes se fait sentir,
le lecteur est invit consulter lappendice 1.B.
Exemple 1.3. Lensemble Mm,n (K) des matrices m n dot des oprations daddition vectorielle et de multiplication scalaire suivantes possde
aussi la structure despace vectoriel :
x11 x1n
y11 y1n
.
.
..
..
..
.
xij
yij
.
.
+ .
xm1 xmn
ym1 ymn
x11 + y11
.
..
=
xij + yij
xm1 + ym1
x1n + y1n
..
(1.2a)
.
xmn + ymn
Lespace de Hilbert
x11 x1n
x11
.
.
.
.
.
.
xij
.
xij
.
= .
xm1 xmn
xm1
x1n
..
.
xmn
(1.2b)
1.2.2
Sous-espaces vectoriels
1.2.3
Bases et dimensions
1.2.3
Bases et dimensions
i = 0, i.
Lespace de Hilbert
2. Si les vecteurs v1 , v2 , . . . , vn contiennent le vecteur 0, alors ils sont
automatiquement linairement dpendants.
1.2.4
Remarque. Soient V un espace vectoriel et {B1 , B2 , . . . , Bk } une partition quelconque dune base de V. Alors,
V = Vect(B1 ) Vect(B2 ) Vect(Bk )
1.2.4
(1.4)
ou encore
x 7 F (x)
Lespace de Hilbert
F (x) 6= F (y)
Une application est dite surjective, ou encore est une surjection, si chaque
y Y est limage dau moins un x X.
Une application est dite bijective, ou encore est une bijection, si elle est
la fois injective et surjective.
Une application bijective F : X Y est inversible, c.--d. quil existe
toujours une application rciproque F 1 : Y X qui soit elle aussi bijective.
F
a
X
b
c
d
m
n
o Y
p
q
m
n
Y
o
p
b
X c
d
e
(a)
(b)
a
F
b
X c
d
e
F 1
m
n
o Y
p
q
(c)
Figure 1.2 (a) application injective mais non surjective (b) application
surjective mais non injective (c) application bijective (injective et surjective)
Nous nous limiterons aux applications dont le domaine et le co-domaine
possdent la structure despace vectoriel. Plus particulirement, nous nous
concentrerons sur les applications linaires.
1.2.4
F (v) = F (v)
F (u + v) = F (u)+F
(v)
De plus, il est toujours vrai que F (0V ) = 0W (Pourquoi ?).
Note. Les lois de composition interne ne sont pas ncessairement identiques pour les espaces vectoriels V et W ce qui, strictement, exigerait de
Il est dusage toutefois de reconserver les notations diffrentes + et +.
laxer cette contrainte et de nutiliser quun seul symbole + dans les deux cas
puisque le contexte ne porte pas la confusion.
Convention. Lorsque le co-domaine de lapplication linaire est R ou
C, nous utiliserons lappellation forme linaire plutt que celle de fonction
linaire.
Une application linaire est un exemple dhomomorphisme 3 despaces
vectoriels. Lapplication linaire respecte la structure algbrique despace
vectoriel.
Si lapplication linaire est dfinie sur un seul et mme espace vectoriel,
F : V V, nous sommes en prsence dun endomorphisme.
Une application linaire qui est aussi une bijection est un exemple disomorphisme despaces vectoriels. Un endomorphisme bijectif est appel un
automorphisme. La table 1.1 jette un peu de clart sur cette nomenclature
qui peut prter confusion.
Dans ce premier chapitre, cest la notion disomorphisme qui bnficie
dun traitement de faveur. En rgle gnrale, si nous sommes en mesure de
trouver une application linaire bijective F , entre deux K-espaces vectoriels
V et W, alors lapplication F est un isomorphisme despaces vectoriels et
nous dirons que les deux espaces sont isomorphes.
Convention. Nous utiliserons le symbole
= pour reprsenter le fait que
deux espaces vectoriels sont isomorphes, par exemple :
V
=W
3. Du grec, homos mme et morph forme .
10
Lespace de Hilbert
Application linaire
F
F :VW
F :VV
non bijective
homomorphisme
endomorphisme
bijective
isomorphisme
automorphisme
Table 1.1 Une application linaire est un homomorphisme despaces vectoriels. Si lapplication linaire est bijective, alors les espaces vectoriels sont
isomorphes
Deux espaces vectoriels isomorphes peuvent tre considrs comme tant
deux ralisations diffrentes dun mme espace abstrait. tre isomorphe
est une relation dquivalence, c.--d. la fois rflexive (V
= V), symtrique
(si V
W
alors
W
V)
et
transitive
(si
U
V
et
V
W
alors U
=
=
=
=
= W).
Dmontrons maintenant que tout K-espace vectoriel V de dimension n
est isomorphe Kn .
Exemple 1.7. Soit une base quelconque {v1 , v2 , . . . , vn } de V. Puisque
tout vecteur v V sexprime dune faon unique en tant que combinaison
linaire des vecteurs de base, nous pouvons toujours crire :
v = 1 v1 + 2 v2 + + n vn
(1.5)
1.2.5
11
Lespace dual
1.2.5
Lespace dual
12
Lespace de Hilbert
K, f L(V, K),
(f )(v) = f (v)
Alors L(V, K) est lui aussi un K-espace vectoriel que nous appellerons
l espace dual (algbrique) de V et que nous dnoterons par V .
Convention. Selon la dfinition 1.8, V est un espace vectoriel bona
fide et ses lments sont des vecteurs qui mritent dtre dnots par
des caractres gras. Nous allons faire exception cette rgle et nous nous
contenterons de dsigner les formes linaires de lespace dual par des lettres
minuscules de lalphabet latin sans avoir recours aux caractres gras.
Remarque. Intuitivement toutefois, il semble oprationnellement justifiable de maintenir une diffrence entre un espace de vecteurs dune part et
un espace de formes linaires de lautre. Cest pourquoi, si nous continuerons
dappeler vecteurs les lments de V, partir de maintenant, les lments
de lespace dual V seront dsigns par lappellation covecteurs 7 .
1.3
13
ai ij = aj
Une consquence directe du thorme 1.5 est que lespace V est lui aussi
n-dimensionnel et donc isomorphe V :
V
= V
Puisque les espaces de dimension finie V et V sont isomorphes, il existe
toujours une correspondance biunivoque entre leurs lments. Nous verrons
que si lespace V est un espace pr-hilbertien, il est possible dtablir cette
correspondance biunivoque laide du produit scalaire. La mthode stend
aux espaces de dimension infinie, mais cette fois lisomorphisme est tabli
entre V et son dual topologique V0 .
1.3
Pour le lecteur press qui dsire acqurir le minimum de notions ncessaires une comprhension rapide de linformatique quantique, cette section
est sans doute la plus importante du chapitre. Il devra toutefois souffrir une
dfinition redondante du produit scalaire dont le seul but est de faire ressortir
les diffrences qui existent entre les cas rel et complexe.
1.3.1
Le produit scalaire
Il est grand temps de doter nos espaces vectoriels dun produit scalaire,
ce qui nous permettra dintroduire la notion dorthogonalit. Commencons
par dfinir le produit scalaire euclidien.
14
Lespace de Hilbert
hu , v + wi = hu , vi + hu , wi
u, v V, R
(1.7a)
hu , vi = hu , vi
(1.7b)
u, v V
hu , vi = hv , ui
(1.7c)
v V
hv , vi > 0
(1.7d)
v V
hv , vi = 0 = v = 0
(1.7e)
(1.8a)
et
hv + w , ui = hu , v + wi = hu , vi + hu , wi
= hu , vi + hu , wi = hv , ui + hw , ui
(1.8b)
Nous voyons bien que lapplication h , i est linaire relativement chacunes de ses variables ; nous disons alors que h , i est une forme bilinaire.
Par 1.7c, h , i est symtrique, par 1.7d et 1.7e, h , i est dfinie positive.
En conclusion, le produit scalaire euclidien est une forme bilinaire, symtrique et dfinie positive.
Lingalit de Cauchy-Schwartz dcoule directement des conditions imposes au produit scalaire :
|hu , vi|2 6 hu , uihv , vi
(1.9)
1.3.1
15
Le produit scalaire
(1.10)
Il est facile de dmontrer que les conditions 1.7a 1.7e sont bien remplies.
Puisque hu , ui et hv , vi sont des quantits relles positives pour des
vecteurs u et v non-nuls, nous pouvons reformuler lingalit de CauchySchwartz en extrayant la racine carre de 1.9 :
0 6 |hu , vi| 6
p
p
hu , ui hv , vi
hu , vi
p
16 p
61
hu , ui hv , vi
(1.11a)
(1.11b)
Cette dernire ingalit sert dfinir langle entre deux vecteurs non-nuls :
= arccos p
hu , vi
p
hu , ui hv , vi
(1.12)
16
Lespace de Hilbert
(1.13a)
(1.13b)
(1.13c)
v V
h v | v i R et h v | v i > 0
(1.13d)
v V
h v | v i = 0 = v = 0
(1.13e)
h u | v + w i = h u | v i + h u | w i = h u | v i + h u | w i
(1.14a)
et
h
i
h v + w | u i = h u | v + w i = h u | v i + h u | w i
h
i
= h u | v i + h u | w i = h u | v i + h u | w i
= h v | u i + h w | u i
(1.14b)
Nous sommes maintenant en prsence dune forme qui est linaire par
rapport la deuxime variable et semi-linaire par rapport la premire.
Nous dirons alors que le produit scalaire hermitien est une forme sesquilinaire 9 .
La sesquilinarit permet de prserver la positivit du produit scalaire
hermitien. En effet, v V :
h iv | iv i = i ih v | v i = i2 h v | v i = h v | v i
9. Cette expression veut dire de faon trs littrale : une fois et demie linaire.
1.3.1
Le produit scalaire
17
Une forme bilinaire aurait plutt donn h iv | iv i = h v | v i, nous gratifiant dun signe moins particulirement fcheux. Enfin, la mention explicite
h v | v i R en 1.13d nest quune instance de renforcement positif puisque
par 1.13c, nous avons toujours h v | v i = h v | v i , ce qui constitue la dfinition mme dun nombre rel.
Convention. La dfinition de sesquilinarit donne plus haut est celle
que lon retrouve habituellement dans les textes de physique. Les ouvrages
mathmatiques inversent la plupart du temps lordre des variables, soit linaire par rapport la premire et semi-linaire par rapport la seconde.
Dans cet ouvrage, nous nous en tiendrons la convention utilise en physique.
En rsum, le produit scalaire hermitien est une forme sesquilinaire,
hermitienne et dfinie positive.
Le produit scalaire hermitien satisfait lui aussi lingalit de CauchySchwartz :
|h u | v i|2 6 h u | u ih v | v i
(1.15)
(1.16)
Si la notion dorthogonalit demeure valide pour deux vecteurs dun espace vectoriel hermitien, ce nest plus le cas pour la notion dangle puisque
le numrateur de lexpression :
hu|vi
p
p
hu|ui hv|vi
nest plus ncessairement un nombre rel. Il est toujours permis dutiliser le
symbole u v, mais cela ne saurait insinuer daucune faon que les vecteurs
font un angle droit entre eux.
Dfinition 1.12 Un espace vectoriel V dot dun produit scalaire est
un espace pr-hilbertien ( V, h | i ).
18
Lespace de Hilbert
1.4
1.4
19
Dfinition 1.13 Soit V, un espace pr-hilbertien sur le corps des complexes. Lapplication k k :
kk : V R
qui vrifie les conditions suivantes :
v V
kvk > 0
v V
k v k = 0 = v = 0
(1.17b)
k v k = || k v k
(1.17c)
v V, C
u, v V
(1.17a)
ku + vk 6 kuk + kvk
(1.17d)
6 2 kvk
do il est clair que k v k > 0. Son inclusion nest quune simple mesure de
renforcement.
Dfinition 1.14 Tout vecteur v dont la norme est de grandeur unit :
kvk = 1
est appel vecteur unitaire.
On peut associer une norme tout produit scalaire. Pour cela, il suffit
de prendre :
kvk =
hv|vi
(1.18)
20
Lespace de Hilbert
(1.19)
Les conditions 1.17a, 1.17b et 1.17c sont immdiatement vrifies. Lingalit de Minkowski se dmontre facilement laide de lingalit de CauchySchwartz (qui ne dpend que de lexistence dun produit scalaire).
Dmonstration.
k u + v k2 = h u + v | u + v i
= hu|ui + hu|vi + hv|ui + hv|vi
= k u k2 + h u | v i + h u | v i + k v k2
= k u k2 + 2 < ( h u | v i ) + k v k2
2
par 1B-4g
2
6 k u k + 2 |< ( h u | v i )| + k v k
Mais puisque pour tout nombre complexe z, nous avons |<(z)| 6 |z|,
k u + v k2 6 k u k2 + 2|h u | v i| + k v k2
6 k u k2 + 2k u kk v k + k v k2
par 1.19
6 (k u k + k v k)
k u + v k2 = k u k2 + k v k2
1.4
21
Si tout produit scalaire nous pouvons associer une norme, linverse par
contre nest pas ncessairement vrai. Par exemple, la norme uniforme k k ,
applique ici un vecteur de coordonnes :
k v k = sup |vi |
(1.22)
(1.23)
Si tel est le cas et que pour tout vecteur v la valeur k v k correspondante est connue, lidentit de polarisation permet de reconstituer le produit
scalaire hermitien :
1
h u | v i = ( k u + v k2 k u v k2 + i k u + iv k2 i k u iv k2 ) (1.24)
4
La norme drivant dun produit scalaire 1.18 est unique. linverse, une
norme qui respecte lidentit du paralllogramme 1.23 dtermine un produit
scalaire 1.24 qui est unique lui aussi.
Deux normes diffrentes dfinies sur un mme espace vectoriel sont toutefois considres quivalentes si elles engendrent une mme topologie sur cet
espace 13 . Le critre suivant est utilis pour dterminer lquivalence entre les
normes.
Dfinition 1.15 Soit V un espace vectoriel et k k1 , k k2 , deux normes
diffrentes sur ce mme espace. Ces normes sont dites quivalentes sil existe
des nombres rels , > 0 tels que :
k v k1 < k v k2 < k v k1
v V.
Note. On dmontre que, pour un R-espace vectoriel ou un C-espace vectoriel norm de dimension finie, toutes les normes sont quivalentes, quelles
soient induites par un produit scalaire ou non. Ce nest pas le cas pour un
espace de dimension infinie.
13. Les notions de topologie et despace topologique sont expliques lannexe 1.C.
22
Lespace de Hilbert
1.5
Un espace mtrique est un couple (X, d) o X est un ensemble quelconque, pas ncessairement un espace vectoriel, et d est une fonction qui
dfinit une notion de distance entre chaque paire dlments de X.
Dfinition 1.16 Soit X un ensemble non vide. La fonction d(, ) :
d(, ) : X X R
qui vrifie les conditions suivantes :
x, y X
x, y X
d(x, y) > 0
(1.25a)
d(x, y) = 0 x = y
(1.25b)
x, y X
d(x, y) = d(y, x)
(1.25c)
x, y, z X
(1.25d)
do il est clair que d(x, y) > 0. Son inclusion nest quune simple mesure de
renforcement.
Note. Il est possible de doter nimporte quel ensemble X dune mtrique
en utilisant la distance triviale (espace mtrique trivial) :
(
1 si x 6= y
d(x, y) =
0 si x = y
Aussi, il est possible de dfinir plusieurs mtriques sur un mme ensemble.
Par exemple, la mtrique suivante :
d0 (x, y) =
d(x, y)
1 + d(x, y)
1.5
23
Un espace mtrique (X, d) est une instance dun espace plus gnral, soit
un espace topologique. Les lments dun espace topologique sont gnralement appels tout simplement des points.
Une boule ouverte est un sous-ensemble particulier dun espace mtrique,
trs utile pour construire une topologie sur lespace.
Dfinition 1.17 Soit x, un point quelconque de lespace mtrique (X, d)
et r > 0, un nombre rel quelconque. Lensemble de tous les points qui sont
situs une distance de x qui soit infrieure r forme une boule ouverte
B(x, r) de centre x et de rayon r :
B(x, r) = {y | d(x, y) < r, r > 0}
Si lensemble X possde la structure despace vectoriel, les points de
lespace mtrique (X, d) se confondent avec les vecteurs de X. Laddition
vectorielle permet alors laddition de points dans (X, d), ce qui nest pas
toujours le cas pour un espace mtrique plus gnral (X, d). Si, de plus,
lespace vectoriel est norm, alors la norme son tour induit une mtrique :
d(x, y) = k x y k
(1.26)
d(x + z, y + z) = d(x, y)
(1.27)
(1.28)
i=1
24
Lespace de Hilbert
R2
z2
2i
(y1 , y2 )
z1
(x1 , x2 )
i
p
|z2 z1 |2 < r
(a)
d(x, 0) =
2
(b)
a) dans R2
b) dans C
q
p
(x1 0)2 + + (xn 0)2 = x21 + + x2n = k x k
d(x, y) =
(1.29)
i=1
(1.30)
1.6
25
prochaines sections, notes par un astrisque, qui traitent en dtail des aspects plus techniques de lespace de Hilbert.
Le lecteur plus press peut se donner bonne conscience en consultant
lencadr intitul "Sommaire excutif" pour un briefing clair avant de passer
directement la section 1.6.5 qui traite des bases hilbertiennes.
Sommaire excutif
Tous les espaces vectoriels de mme dimension finie sont isomorphes.
Toutes les normes dfinies sur un mme espace vectoriel de dimension finie sont quivalentes.
Les normes quivalentes engendrent toutes une mme topologie.
Tous les espaces pr-hilbertiens de dimension finie dots de la
topologie usuelle sont sparables.
Tous les espaces pr-hilbertiens de dimension finie sont complets.
Tous les espaces de Hilbert sparables de dimension infinie sont
isomorphes.
Lespace du qubit est C2 .
Aucune quation vue jusqu prsent nest plus importante que
celle du produit scalaire hermitien canonique :
h u | v i = u1 v1 + u2 v2 + + un vn
1.6
1.6.1
Note. Si les espaces mtriques peuvent acclrer lapprentissage des notions topologiques, il demeure que les rsultats obtenus ne sont pas toujours
valides pour des espaces plus gnraux. Dun point de vue pdagogique, il
est prfrable dintroduire ces notions en vitant sciemment de faire appel
une mtrique quelconque. Cest ce que nous avons fait lannexe 1.C o lon
retrouvera toutes les dfinitions de base. Veuillez prendre note que nous ferons frquemment rfrence aux rsultats gnraux de lannexe tout au long
26
Lespace de Hilbert
de cette section.
En nous servant de Rn comme exemple, nous entendons maintenant dfinir une topologie standard sur tout espace mtrique. Il sagit de la
topologie usuelle, soit celle qui sera gnralement sous-entendue lorsque lon
travaillera dornavant avec tout espace mtrique.
Tous les ouverts de cette topologie proviennent de lunion de boules ouvertes dont nous reprenons ici la dfinition :
B(x, r) = {y | d(x, y) < r, r > 0}
Nous affirmons que lensemble de toutes les boules ouvertes B(x, r), o
x Rn et r > 0 constitue une base topologique de lespace Rn .
Remarquez que, puisque r est strictement plus grand que zro, la topologie
usuelle nadmet aucun point isol 14 ; toute boule ouverte contient une infinit
(non dnombrable) de points.
Nous allons dmontrer, dans un premier temps, que pour tout point appartenant une boule ouverte, il existe une autre boule ouverte contenant
ce point, elle-mme contenue dans la premire. Soit un point quelconque
y B(x, r). Alors, par dfinition, d(x, y) < r. Posons
r0 = r d(x, y) > 0
et dmontrons que B(y, r0 ) B(x, r).
Supposons que z B(y, r0 ). Alors d(y, z) < r0 = r d(x, y), de sorte
que :
d(x, y) + d(y, z) < r
Il en dcoule, par 1.25d, que d(x, z) < r, ou encore que z B(x, r) et
par consquent, que B(y, r0 ) B(x, r) (voir Fig. 1.4).
Avec ce rsultat, nous avons fait dune pierre deux coups. Nous avons dmontr que le choix de la boule ouverte en tant quouvert pour la topologie
usuelle est logiquement consistant puisque par la proposition 1C.1, une boule
ouverte est bien un voisinage de chacun de ses points. Dautre part, le thorme 1C.5 confirme que lensemble de toutes les boules ouvertes constitue
bien une base topologique de Rn .
Pour se donner bonne conscience, nous allons prouver que lensemble
de toutes les boules ouvertes respecte bien les axiomes qui dfinissent une
topologie. Par le thorme 1C.6, Rn et appartiennent bien la topologie
usuelle puisque lunion de tous les lments de la base est un recouvrement
14. Un point x est un point isol si le singleton {x} est un ouvert.
1.6.1
27
B(x, r)
r
z
B(y, r0 )
r0 y
Figure 1.4 Toute boule ouverte B(x, r) est un voisinage de chacun de ses
points.
ouvert de lespace et lintersection de deux boules disjointes donne lensemble
vide.
Dmontrer que lunion de deux boules ouvertes (ou mme une union
quelconque de boules ouvertes) donne aussi un ouvert ne prsente aucune
difficult.
Nous poursuivons en dmontrant que lintersection de deux boules ouvertes donne bien un ouvert. Soient deux boules ouvertes B(a, r1 ) et B(b, r2 ).
Supposons que les deux deux boules ne soient pas disjointes et soit x, un point
quelconque de B(a, r1 ) B(b, r2 ). Alors x B(a, r1 ) et par ce qui prcde, il
existe une boule ouverte B(x, r10 ) telle que B(x, r10 ) B(a, r1 ). Dune faon
toute similaire, nous avons aussi que B(x, r20 ) B(b, r2 ). De deux choses
lune : ou bien nous avons r10 6 r20 ou bien r20 6 r10 . Supposons, sans perte de
gnralit, que r10 6 r20 . Alors, B(x, r10 ) B(x, r20 ) B(b, r2 ).
Puisque B(x, r10 ) B(a, r1 ) et B(x, r10 ) B(b, r2 ), il en dcoule que
B(x, r10 ) B(a, r1 ) B(b, r2 ). En posant r10 = r, nous venous de dmontrer
que tout point x appartenant lintersection de deux boules ouvertes appartient aussi une boule ouverte elle-mme entirement contenue dans ladite
intersection (voir Fig. 1.5) :
x B(x, r) B(a, r1 ) B(b, r2 )
Puisque x est quelconque, lintersection de deux boules ouvertes est un voisinage de chacun de ses points, donc un ouvert.
Ce rsultat peut tre tendu toute intersection finie de boules ouvertes.
Remarquez que lintersection quelconque de boules ouvertes ne donne pas
28
Lespace de Hilbert
B(a, r1 )
B(b, r2 )
B(x, r)
x
b
(a)
(b)
(c)
1.6.1
29
tel que
Lapplication F est continue partout sur X si elle est continue en tout point
a X.
Pour le lecteur qui a tudi les fonctions relles de la variable relle, nous
faisons remarquer que la distance euclidienne sur R se rduit la valeur
absolue. Dans ce contexte, la continuit en un point a dune fonction f
prend lallure familire suivante :
,
tel que
Nous verrons un peu plus loin quil est possible de faire encore mieux
et de donner une caractrisation squentielle de la continuit locale pour les
espaces mtriques 17 .
Dans un espace mtrique, nous avons aussi le loisir de caractriser la
notion de convergence laide de la mtrique. Le fait que toute boule ouverte
B(x, ) doit contenir tous les lments de la suite (xn )nN sauf, au maximum,
un nombre fini, se traduit par :
17. Ceci est possible d au fait que les espaces mtriques vrifient automatiquement le
premier axiome de dnombrabilit.
30
Lespace de Hilbert
tel que
d(x, xn ) <
n > N
2
1
f 1 (y) = tan (y )
2
f (x) =
sont toutes deux des bijections continues. f est donc un isomorphisme et,
par consquent, (R, Td )
= ((0, 1), Td (0, 1)).
1.6.2
1.6.2
31
Exemple 1.9. Le sous-ensemble des nombres rationnels Q est une partie dense de (R, Td ) puisque tout intervalle ouvert centr sur nimporte quel
point x R contiendra toujours un nombre rationnel diffrent de x (une
infinit en fait). Lensemble des irrationnels R\Q est aussi une partie dense
de (R, Td ).
Lavantage majeur de travailler avec des espaces mtriques provient du
fait que ces espaces nous permettent de caractriser toutes les notions topologiques importantes en nutilisant que les limites de suites convergentes.
Cest ce que nous nous proposons de faire en commencant par la notion
dadhrence.
Thorme 1.7 Soit (X, Td ), un espace mtrique. Dans un tel espace,
un point x X est un point adhrent une partie non-vide A X ssi il
existe une suite (xn )nN entirement contenue dans A et qui converge vers
x. Dans un espace mtrique, ladhrence de A est dfinie par :
A = {x X | (xn )nN A
t.q.
lim xn = x}
Dmonstration. Il faut montrer que la dfinition gnrale 1C.18 de ladhrence se ramne la forme quivalente donne ci-haut dans le cas particulier
dun espace mtrique 18 .
=
Lespace mtrique (X, Td ) vrifie le premier axiome de dnombrabilit 19 . Pour tout x X, la famille B(x) = {Bn (x, n1 ) | x R, n N}
constitue une base locale douverts embots. Supposons que x A ; alors
tout ouvert G contenant x rencontre A. Ceci est vrai en particulier pour tout
lment de la base locale en x, c.--d. :
n N,
Bn (x, n1 ) A 6=
lim xn = x
32
Lespace de Hilbert
lim xn = x = G T t.q. x G, G A 6=
Pour tout espace topologique, dire que A est dense en X revient dire
que A = X. Par ce qui prcde, dans un espace mtrique, A est dense en X
ssi tout point de lespace X est la limite dune suite convergente entirement
contenue dans A 20 .
Remarque. Il est bon de rappeler que ladhrence A ne peut contenir
que trois types de points :
(i) Les points isols appartenant A. Rappelons que les seules suites qui
convergent vers ces points isols sont de type a1 , . . . , ak , a, a, a, a, . . . .
(ii) Les points daccumulation de A qui appartiennent A.
(iii) Les points daccumulation de A qui nappartiennent pas A. Ces
points daccumulation doivent toutefois appartenir lespace X.
Encore devons-nous prendre conscience que la notion de convergence qui
nous a servi jusqu maintenant accuse une faiblesse notable : pour quelle
20. Notez que ceci est diffrent que daffirmer que toute suite convergente entirement
contenue dans A converge vers un point x de lespace X !
1.6.2
33
tel que
d(xm , xn ) <
m, n > N
Thorme 1.8 Toute suite convergente dans (X, Td ) est une suite de
Cauchy.
Dmonstration. Soit (xn )nN , une suite convergente dans (X, Td ) telle que
limn xn = x. Alors pour un 2 > 0, il existe un N tel que pour m, n > N ,
d(xm , x) <
2
et
d(xn , x) <
2
+ =
2 2
par 1.25d
n
X
(1)k
1 1 1
(1)n
= 1 + + +
2k + 1
3 5 7
2n + 1
k=0
34
Lespace de Hilbert
Exemple 1.11. Lespace des nombres rels (R, Td ) est complet. Dans R,
toute suite de Cauchy converge vers un nombre rel. Lensemble des nombres
complexes C est lui aussi complet. Dans C, toute suite de Cauchy converge
vers un nombre complexe.
De faon image, on peut dire que le critre de Cauchy nous permet
dexaminer le tissu de lespace pour vrifier la prsence de trous . Les
espaces qui ne sont pas complets possdent leur lot dinconvnients quheureusement nous ne serons pas obligs de subir. Mais auparavant, une autre
petite dfinition est de mise.
Dfinition 1.23 Soient deux espaces mtriques (X, TdX ) et (Y, TdY ).
Nous appellerons toute bijection I : X Y qui prserve les distances, c.--d.
telle que x1 , x2 X :
dX (x1 , x2 ) = dY (I(x1 ), I(x2 ))
une isomtrie. Deux espaces (X, TdX ) et (Y, TdY ) sur lesquels on peut dfinir
une isomtrie sont dits isomtriquement isomorphes.
tre isomtriquement isomorphe est une relation dquivalence.
Remarque. Deux espaces isomtriquement isomorphes sont considrs
comme tant mathmatiquement identiques. Si lisomtrie ne peut tre tablie que sur une partie de Y , on parlera plutt de plongement isomtrique
de X dans Y . On considre alors X comme tant un sous-espace de Y .
Exemple 1.12. Les espaces mtriques (C, | |) et (R2 , k k) sont isomtriquement isomorphes puisque lapplication I : C R2 dfinie par
I(z) = (<(z), =(z)) est une isomtrie.
T ) est le complt dun esDfinition 1.24 Un espace mtrique (X,
d
pace mtrique (X, Td ) ssi :
o X
est une partie de X.
1.6.3
35
1.6.3
2
2
=
36
Lespace de Hilbert
x1 r1
B(a, r1 )
B(b, r2 )
r2
x2
1.6.3
37
Proposition 1.10 Soient deux espaces mtriques (X, TdX ) et (Y, TdY )
et soit F : X Y , une application quelconque.
Alors F est continue en x X ssi F est squentiellement continue en
x X et :
lim xn = x
lim F (xn ) = F (x)
n
Nous serions presque ports croire demble que tout espace mtrique
(X, Td ) vrifie le second axiome de dnombrabilit, mais ce nest pas toujours
le cas. Une condition additionnelle simpose :
Proposition 1.11 Tout espace mtrique (X, Td ) qui est sparable vrifie le second axiome de dnombrabilit.
Lespace mtrique (R, Td ) est minemment sparable puisquil contient
une partie dense dnombrable, soit Q, lensemble des rationnels. Et puisque
le produit cartsien de toute famille finie densembles dnombrables est dnombrable, tous les espaces de dimension finie Rn et Cn sont aussi sparables.
Les espaces Rn et Cn munis de la topologie usuelle vrifient le
second axiome de dnombrabilit.
Puisque, par dfinition, les espaces qui vrifient le second axiome de dnombrabilit possdent une base topologique dnombrable, il sensuit que :
Les espaces Rn et Cn munis de la topologie usuelle possdent une
base topologique dnombrable.
Quelles sont les bases dnombrables privilgies pour les espaces (Rn , Td )
et (Cn , Td ) ? Prenons R2 par exemple. Alors :
n
o
1
B = Bn (q1 , q2 ),
| q1 , q2 Q, n N
n
est une base dnombrable 21 constitue de toutes les boules ouvertes dont
les coordonnes du centre et le rayon sont des nombres rationnels. Le mme
principe demeure valide pour les espaces de dimension suprieure.
Lnonc suivant nous renseigne sur le nombre maximum de points que
peut contenir un espace de Hilbert.
Tout espace mtrique base topologique dnombrable possde au
plus la puissance du continu.
21. Pour C, il suffit de prendre B = {Bn ((q1 + i q2 ), n1 ) | q1 , q2 Q, n N}.
38
Lespace de Hilbert
1.6.4
(1.31a)
tel que
(1.31b)
1.6.4
39
lim k x xn k = 0
(1.32a)
lim k xm xn k = 0
(1.32b)
n
m
n
(1.32c)
Remarque. Nous utiliserons lexpression convergence en norme lorsque
nous sommes en prsence de la condition 1.32a.
Exercice 1.1. Dmontrez que si la suite (xn )nN converge en norme
vers x, alors lim k xn k = k x k.
n
Dmonstration. Par 1.17c et 1.17d, les ingalits suivantes sont toujours vrifies :
k x k 6 k x xn k + k xn k
k xn k 6 k x xn k + k x k
Par hypothse nous avons lim k x xn k = 0. Prenant la limite des deux
n
ingalits ci-dessus, nous obtenons :
k x k 6 lim k xn k
n
et
lim k xn k 6 k x k
et
lim k y ym kH = 0
40
Lespace de Hilbert
C est gale au
lim k h x | y i h xn | ym i kC 6 0 k y kH + k x kH 0 = 0
m,n
lim k x xn kH = 0
n
= lim k h x | y i h xn | ym i kC = 0
m,n
lim k y ym kH = 0
m
m,n
= hx|
lim ym i
lim ym i = h x | y i
1.6.4.1
1.6.5
41
lensemble de toutes les formes linaires continues sur V, soit Lc (V, K). Nous
utiliserons la notation V0 pour indiquer le dual topologique de V.
Le fait Lc (V, K) L(V, K), ou que V0 soit un sous-ensemble strict de
ne pose pas de problmes en dimension infinie, puisque les ensembles
infinis ont tous la proprit dtre quipotents certaines de leurs parties 23 .
V0 et V ont donc tous deux la mme cardinalit (soit la puissance du continu
si V est un espace de Hilbert de dimension infinie).
V
1.6.5
Avant daborder le vif du sujet de cette section, nous allons tout dabord
tablir un certain nombre de rsultats dans des espaces de dimension finie.
De tous les espaces de dimension infinie, lespace de Hilbert est certes celui
qui saccommode le mieux de lextrapolation nave des rsultats algbriques
obtenus sur des espaces de dimension finie.
Nous allons maintenant porter notre attention sur les familles de vecteurs
non-nuls, deux deux orthogonaux {ui }iI , h ui | uj i = 0, i 6= j, qui constituent une famille orthogonale. Dans un premier temps, nous ne considrerons
que des familles orthogonales finies.
2
N
X
=
k ui k2
(1.33)
i=1
23. Par exemple, lapplication n 7 2n entre lensemble des entiers naturels N et lensemble des entiers naturels pairs tablit une bijection entre les deux ensembles ; ils possdent donc tous deux la mme cardinalit mme si lun est strictement inclus dans lautre.
42
Lespace de Hilbert
Dmonstration.
N
X
ui
i=1
2 *
N
X
ui
=
i=1
+
N
N X
N
X
X
uj =
h ui | uj i
j=1
i=1 j=1
N
X
N
X
i=1
i=1
h ui | ui i =
k ui k2
2
N
N
X
X
2
=
k
u
k
=
|i |2 k ui k2
i i
i=1
i=1
Cette dernire galit nest possible que si tous les termes (positifs) de la
somme sont nuls, c.--d. si chaque |i |2 k ui k2 = 0. Mais puisquaucun des
vecteurs nest nul, tous les scalaires i se doivent de ltre. Par consquent,
les vecteurs sont linairement indpendants.
Remarque. Lquation 1.33 propose une version N -dimensionnelle du
thorme de Pythagore.
Une famille orthonormale (ou famille orthonorme) est une famille orthogonale o en plus tous les vecteurs sont unitaires.
Convention. Nous utiliserons souvent les symboles e ou ei pour identifier des vecteurs unitaires et {ei }iI , avec h ei | ej i = ij pour reprsenter
une famille orthonormale.
Passer dune famille orthogonale une famille orthonormale est un jeu
denfant ; il suffit en effet de diviser chaque vecteur de la famille orthogonale
par sa norme :
ui
ei =
k ui k
En pratique, il arrive souvent quon ait notre disposition une famille
de vecteurs qui soient linairement indpendants sans tre ncessairement
orthogonaux. Nous verrons un peu plus loin quil est toujours possible den
extraire une famille orthonormale grce lalgorithme de Gram-Schmidt.
Soit {e1 , . . . , eN }, une base orthonorme dun espace de Hilbert de dimension finie N . Puisque tout vecteur x dun espace vectoriel fini peut tre
1.6.5
43
N
X
i ei
(1.34)
i=1
N
X
j h ei | ej i =
j=1
N
X
j ij
j=1
= i
Ainsi, les coordonnes du vecteur x dans cette base orthonorme sont
donns par :
i = h ei | x i
(1.35)
et tout vecteur de lespace se dcompose selon :
x=
N
X
h ei | x i ei
(1.36)
i=1
N
X
|i |2
(1.37)
i=1
N
X
h x | ei ih ei | y i
i=1
i=1
N
X
N
X
i=1
i=1
h ei | x i h ei | y i =
h x | ei ih ei | y i
(1.38)
44
Lespace de Hilbert
i ei
i=1
n
X
X
(1.40)
i ei = lim sn = v
lim
v
i ei
= 0
n
n
i=1
i=1
1.6.5
45
et la somme de la srie ne doit pas non plus dpendre de lordre des termes.
Ceci est consistant avec le fait que si lon veut quun vecteur reprsente une
quantit physique, il ne doit pas dpendre de la base que lon choisit pour le
dcrire. Nous imposons donc la condition supplmentaire :
i ei = v
: N N,
i=1
(i) e(i) = v
i=1
o est une permutation quelconque, c.--d. une bijection de N dans luimme. En langage clair, nous dirons alors que la srie de vecteurs se doit de
converger commutativement. Heureusement pour nous, le thorme suivant
vient notre rescousse.
Thorme 1.13 Soit {ei }iN , une famille
Porthonorme dnombrable
dans un espace de Hilbert.
La srie de vecteurs i=1 i ei converge en norme
P
2
k
dans H ssi la srie
i=1 i ei k converge absolument dans R :
i ei = v H
i=1
k i ei k2 <
i=1
Une srie qui converge dans R et dont tous les termes sont non-ngatifs
converge absolument et la convergence ne dpend alors pas de lordre dans
lequel les termes ont t pris ; autrement dit, une srie qui converge absolument, converge aussi commutativement.
Ayant dispos de ce lger dtail technique, nous pouvons utiliser le thorme 1.9 pour complter Vect(B) et ainsi obtenir notre espace de Hilbert H.
Un des effets secondaires de la compltion est que Vect(B) est maintenant
dense dans le complt, ce qui sexprime mathmatiquement par :
x H, > 0,
N
X
i=1
i ei Vect(B)
t.q.
N
X
i ei
x
i=1
<
46
Lespace de Hilbert
Dfinition 1.25 Une famille B = {ei }iI est une base hilbertienne
dun espace de Hilbert H ssi :
1) la famille B est orthonorme.
2) Vect(B) est dense dans H.
Remarque. Dire que Vect(B) est dense dans H quivaut dire que
ladhrence de lespace vectoriel engendr par B est lespace H lui-mme :
Vect(B) = H.
(1.41)
6 hx|xi
N
X
j h x | ej i
j=1
6 k x k2
N
X
j=1
j j
i=1
i=1
N
X
i h ei | x i +
i=1
N
X
i=1
i i +
N X
N
X
i=1 j=1
N
X
j=1
j j
j=1
i j h ei | ej i
1.6.5
47
|i |2 6 k x k2
(1.43a)
i=1
|i |2 6 k x k2
(1.43b)
i=1
48
Lespace de Hilbert
w A}
4) A (A ) .
Dmonstration.
1) Nous devons dabord dmontrer que A est un sous-espace vectoriel,
c.--d. stable par combinaison linaire. Soient u et v, deux vecteurs
quelconques de A . Alors, pour tous scalaires , C et tout w A :
h u + v | w i = h u | w i + h v | w i = 0 + 0 = 0
Ainsi, u + v A et A est donc un sous-espace vectoriel.
Dmontrons maintenant que A contient tous ses points dadhrence.
Considrons une suite de Cauchy (vn )nN quelconque et entirement
contenue dans A . Par la compltude de lespace de Hilbert, cette suite
converge vers un point v H. Nous utilisons la continuit du produit
scalaire pour dmontrer que v appartient aussi A :
h v | w i = h lim vn | w i = lim h vn | w i = 0
n
1.6.5
49
A . Il nous
3) Puisque A A par 1C-3, il dcoule par 2) que (A)
t.q.
lim xn = x}
h y | xn i = 0
50
Lespace de Hilbert
df.
B =
=
= Vect(B)
X
df.
xB =
=
=
h ei | x i ei
(1.44a)
(1.44b)
iI
Rappelons que selon le thorme 1.1, Vect(B) est un sous-espace vectoriel de H. Si lensemble B est fini, alors Vect(B) = Vect(B) = B, puisque
tout espace vectoriel de dimension finie est complet. Par la proposition 1.12,
les vecteurs de la famille B sont linairement indpendants, et puisquils engendrent B, ils en constituent une base. Notons quen dimension finie, la
notion de base hilbertienne se confond avec celle de base orthonorme.
Si B est dnombrable, alors Vect(B) est dfini suivant 1.39. Daprs la
dfinition 1.25, B est alors une base hilbertienne de B.
Notons
enfin que xB est bien dfini. En
P
P effet, le thorme 1.13 nous dit
que iI h ei | x i ei converge dans H ssi iI k h ei | x i ei k2 converge dans
R. Or cest toujours le cas puisque par lingalit de Bessel 1.42 :
X
X
k h ei | x i ei k2 =
|h ei | x i|2 6 k x k2 <
iI
iI
Exercice 1.4. Soit B = {ei }iI , une famille orthonormale au plus dnombrable dun espace de Hilbert H. Soit x, un point quelconque de H.
Dmontrez :
1) B = B .
2) xB B.
3) x xB B .
4) k x xB k 6 k x z k, pour tout z B.
5) k xB k2 6 k x k2 .
Dmonstration.
1) Puisque B B, on a que B B par 2) de lexercice 1.3.
Soit x B ; alors i I, h x | ei i = 0. Soit maintenant y Vect(B) ;
alorsP
il existe une combinaison linaire finie des vecteurs de B telle que
y= N
i=1 i ei . Mais dans ce cas,
hx|yi = hx|
N
X
i=1
i ei i =
N
X
i h x | ei i = 0
i=1
1.6.5
51
2) Si I est fini, alors xB est une combinaison linaire finie des vecteurs
de B. Donc xB Vect(B) et xB B puisque tout espace vectoriel de
dimension finie est complet.
Si I est dnombrable, alors chaque lment de la suite des sommes
partielles
n
X
sn =
h ei | x iei
i=1
d(x, xB ) 6 d(x, z)
par 1.33
52
Lespace de Hilbert
Le rsultat dsir dcoule immdiatement. Prenez note que lexpression
k xB k2 6 k x k2 nest videmment quune formulation alternative de
lingalit de Bessel 1.42.
iI
xB
xB
1.6.5
1)
2)
3)
4)
53
{0} = H.
Dmonstration.
1) Pour tout x B B , on doit avoir h x | x i = 0. Par 1.13e, ceci
implique que x = 0. Donc, B B = {0}.
2) Pour tout x H, on a x = PB (x) + (x PB (x)) o PB (x) B et
(x PB (x)) B . Donc H = B + B . Combinant ce rsultat avec 1),
on obtient H = B B .
Tout vecteur x H peut donc tre dcompos de manire unique en
une partie contenue dans B et en une partie perpendiculaire B.
3) Nous avons dj dmontr que B (B ) par 4) de lexercice 1.3.
Nous allons maintenant dmontrer que (B ) B.
Soit x (B ) . On a toujours x = PB (x) + (x PB (x)). Notons que
le terme (x PB (x)) (B ) puisquil est une combinaison linaire
de x (B ) (par hypothse) et de PB (x) B (B ) . Mais on a
aussi que (x PB (x)) B par 3) de lexercice 1.4.
Donc, (x PB (x)) B (B ) . Par 1) de cet exercice, cela implique
que (x PB (x)) {0} et donc que x = PB (x) B. Do, (B ) B
et il sensuit que B = (B ) .
4) x H, on a x = x + 0 o x H et 0 {0}. Donc H = H + {0}.
Dun autre ct, on a que H {0} = {0}. Par la proposition 1.3, il
dcoule que H = H {0}. En posant B = H dans 2), on obtient
directement que H = {0}
De plus, {0} = (H ) = H par 3).
Nous proposons maintenant de dmontrer lalgorithme de Gram-Schmidt.
Soit une famille de vecteurs linairement indpendants {vi }iI . Puisque cette
famille ne peut contenir le vecteur 0, nous pouvons toujours poser :
e1 =
e2 =
e3 =
v1
k v1 k
v2 h e1 | v2 i e1
k v2 h e1 | v2 i e1 k
v3 h e2 | v3 i e2 h e1 | v3 i e1
k v3 h e2 | v3 i e2 h e1 | v3 i e1 k
54
Lespace de Hilbert
et, de faon gnrale :
vn
n1
P
h ei | vn i ei
i=1
en =
n1
P
vn
h ei | vn i ei
i=1
(1.46)
h en | ek i =
n1
vn P h ei | vn i ei
i=1
i=1
1
=
n1
P
vn
h ei | vn i ei
i=1
i=1
"
=
n1
vn P h ei | vn i ei
vn
+
h ei | vn i ei ek
n1
X
h vn | ek i
i=1
n1
X
h ei | vn i h ei | ek i
| {z }
= ik
h vn | ek i h vn | ek i = 0
1.6.5
55
2)
B = {0}
3)
ei B, h x | ei i = 0 = x = 0
4)
Vect(B) = H
Dmonstration.
1) = 2)
56
Lespace de Hilbert
Thorme 1.19 Soit B = {ei }iI , une famille orthonormale dun espace de Hilbert H et x, un point quelconque de lespace. Alors les noncs
suivants sont quivalents :
1)
2)
iI
hx|yi =
3)
h x | ei ih ei | y i
iI
k x k2 =
4)
|h ei | x i|2
iI
Dmonstration.
1)
2) = 3)
=
h ei | x i h ei | y i =
h x | ei ih ei | y i
X
iI
3) = 4)
iI
|h ei | x i|2
iI
1.7
Quelques reprsentations de H
57
FORMULES RETENIR
Si B = {ei }iN est une base hilbertienne de H, alors pour tous
vecteurs x, y H :
x=
k x k2 =
hx|yi =
X
i=1
X
i=1
h ei | x i ei
(1.47)
|h ei | x i|2
(1.48)
h x | ei ih ei | y i
(1.49)
i=1
Lespace de Hilbert permet lextrapolation simple des rsultats algbriques obtenus dans des espaces de dimensions finies. tel point que, pour
le profane, le passage la dimension infinie se rsume un simple changement de borne suprieure, de N , dans les quations 1.36, 1.37 et 1.38,
sans autre forme de procs et sans encourir de pnalits.
1.7
1.7.1
Quelques reprsentations de H
Lespace l2 *
x2i <
(1.50)
i=1
58
Lespace de Hilbert
par :
x + y = (x1 , x2 , . . . , xi , . . . ) + (y1 , y2 , . . . , yi , . . . )
= (x1 + y1 , x2 + y2 , . . . , xi + yi , . . . )
x = (x1 , x2 , . . . , xi , . . . )
l2 utilise la norme euclidienne, gnralise aux -uplets :
v
u
uX
kxk = t
x2i
i=1
On vrifiera que la condition de convergence 1.50 nous assure que tout vecteur
de lespace l2 est de norme finie, puisque k x k2 < .
Initialement conu comme un espace sur le corps des rels, l2 peut aussi
tre considr comme lespace de toutes les suites infinies de nombres complexes (zi )iN dont la somme des carrs des modules converge :
|zi |2 <
(1.51)
i=1
Lespace l2 est bien un espace vectoriel car il est stable par combination
linaire, c.--d. que pour tout scalaires et et tout vecteurs u et v, u+v
respecte 1.51. En effet :
X
i=1
|ui + vi |2 6
2
X
|ui | + |vi |
i=1
X
6
||2 |ui |2 + ||2 |vi |2 + 2|||ui ||||vi |
i=1
1.7.2
Lespace fonctionnel L2 *
59
Puisque pour tout rels a et b, lingalit 2ab 6 a2 +b2 est toujours valide,
nous obtenons en posant a = |||ui | et b = |||vi | que :
X
i=1
|ui + vi |2 6 2 ||2
|ui |2 + 2 ||2
i=1
|vi |2 <
i=1
X
hx|yi =
xi yi
i=1
1.7.2
Lespace fonctionnel L2 *
Plusieurs des quations intressantes en physique mathmatique se prsentent sous la forme dquations diffrentielles aux valeurs propres, dont la
60
Lespace de Hilbert
(1.52)
mais, tel que nous lavons mentionn la section 1.4, cette norme ne drive
daucun produit scalaire. Nous sommes donc en prsence dun espace de
Banach, et non dun espace de Hilbert.
Qu cela ne tienne puisque nous nous proposons dintroduire le produit
scalaire suivant sur notre espace fonctionnel.
b
Z
h|i =
(x) (x) dx
(1.53)
Z
k k2 =
1
2
|(x)| dx
(1.54a)
b
2
|(x) (x)| dx
1
(1.54b)
Cest ici que les difficults commencent. En effet, si dans les espaces de dimension finie toutes les normes sont quivalentes, ce nest plus le cas pour les
espaces de dimension infinie. En particulier, si lespace C 0 ([a, b]) est complet
pour la norme uniforme k k , il ne lest pas pour la norme k k2 .
25. La notion doprateur est examine en dtail au chapitre 2.
26. Pour simplifier, nous considrons ici les fonctions complexes dune seule variable
relle. Si lextension aux fonctions plusieurs variables ne pose conceptuellement pas de
problmes, en pratique elle ncessite cependant davoir recours des intgrales multiples.
1.7.2
Lespace fonctionnel L2 *
61
1 si 1 6 x 6 n
n (x) = nx si n1 < x < n1
1
1 si
n 6x61
Cette suite est de Cauchy 27 . Pour que la suite converge vers une fonction
(x) il faut que :
Z
|(x) n (x)| dx
lim
1
=0
2
.
m
62
Lespace de Hilbert
car :
s
Z
k k2 =
|(x)|2 dx = 0
=
Y
(x) = 0
o (x) est la fonction continue identiquement nulle sur tout lintervalle [a, b]. En effet, il savert que (x) peut tre diffrente de zro en
un sous-ensemble dnombrable de points sans que la valeur de lintgrale en soit affecte : autrement dit, llment neutre de lespace nest
pas unique. On contourne cet obstacle technique en prenant pour vecteurs de L2 ([a, b]) non plus les fonctions individuelles, mais les classes
dquivalence de fonctions qui sont gales presque partout 28 .
4) Jusqu prsent, le critre de convergence utilis pour les suites de
Cauchy en a toujours t un de convergence simple ou ponctuelle. Mais
dans lespace fonctionnel L2 ([a, b]), tout point de lespace est en
ralit une classe dquivalence de fonctions dfinies sur [a, b]. Ainsi,
deux fonctions, 1 et 2 , qui sont gales presque partout sont considres quivalentes
1
= 2
et sont donc reprsentes par un seul et mme point de lespace. Toute
suite de Cauchy de L2 ([a, b]) qui converge vers 1 converge aussi vers
2 . Pour assurer la compltude de lespace L2 , un critre moins restrictif de convergence presque partout suffit. Nous dirons quune suite
de Cauchy (n )nN dans un espace fonctionnel converge presque partout vers une fonction si elle converge simplement vers sauf sur
un ensemble de mesure nulle. On dmontre que si :
Z b
2
lim k m n k = lim
|m (x) n (x)|2 dx = 0
m,n
m,n a
n a
1.7.2
Lespace fonctionnel L2 *
63
. X
=
h i | i i
(1.56)
i=1
Cette condition nous assure immdiatement que tout vecteur de C 0 ([a, b])
est de norme finie, c.--d. :
Z
k k2 =
b
2
|(x)| dx
1
2
<
Mais la mcanique quantique ne saurait se limiter quaux domaines compacts et, du moins en thorie, il est ncessaire de lever toutes restrictions
quant aux bornes et de considrer lespace tendu quest L2 (R) 29 . Une fonction peut trs bien tre continue sur lintervalle non compact (, ) sans
pour autant tre borne (par exemple, la fonction exponentielle) de sorte
quil devient impratif dimposer la condition suivante si lon veut obtenir
lassurance que tout vecteur de lespace est bien de norme finie.
Z
|(x)|2 dx <
(1.57)
64
Lespace de Hilbert
sZ
(x) (x) dx 6
|(x)|2 dx
sZ
|(x)|2 dx
Le lecteur vrifiera que, tout comme l2 , lespace L2 est stable par combinaison linaire et que la condition 1.57 ainsi que lingalit de CauchySchwartz garantissent que le produit scalaire est toujours bien dfini.
Il existe plusieurs familles de fonctions pouvant servir de bases hilbertiennes sur lespace de Hilbert 30 . Une base populaire sur L2 ([, ]) fait
appel aux fonctions trigonomtriques {1, cos nx, sin nx}nN . On utilise cette
base 31 pour obtenir une dcomposition dune fonction en sries de Fourier,
les scalaires i = h i | i tant alors appels les coefficients de Fourier 32 .
Malgr tous les efforts dploys par les mathmaticiens pour concrtiser
lespace fonctionnel L2 , ce dernier na pas vraiment la cote chez les physiciens. Dune part, certains auteurs sont davis que lespace L2 est trop
grand dun point de vue physique et prfrent sen tenir lespace des
fonctions suffisamment rgulires , un sous-ensemble de fonctions infiniment diffrentiables, rapidement dcroissantes, sans points de singularit
[3], et de lautre, il savert que les triplets de Gelfand constituent un cadre
mathmatique mieux appropri pour la mcanique quantique que lespace
fonctionnel L2 proprement dit.
1.7.3
Lespace dtat
Dans sa recherche de lexplication de leffet photo-lectrique, Albert Einstein proposa pour la premire fois, en 1905, le concept de particule de
lumire pour dcrire ce que lon connat aujourdhui sous lappellation moderne de photon. Dans une exprience clbre en 1922, lamricain Arthur
Compton dmontra que les rayons X manifestent bien laspect corpusculaire
30. En particulier, toutes les fonctions spciales qui sont solutions dun problme
de Sturm-Liouville peuvent fournir une base orthogonale de fonctions pour lespace de
Hilbert.
31. Notez que cette base est orthogonale plutt quorthonormale.
32. Indpendamment de la base hilbertienne utilise, il est dusage dappeler les coefficients h i | i de lexpansion 1.56 les coefficients gnraliss de Fourier, en hommage
lhomme et son oeuvre.
1.7.3
Lespace dtat
65
prdit par Einstein. En 1924, le franais Louis de Broglie 33 proposa de gnraliser cette dualit onde-corpuscule lensemble des particules massives,
une ide si audacieuse et si saugrenue pour lpoque quelle naurait probablement pas t prise au srieux sans la chaude approbation dEinstein. En
1926, lautrichien Erwin Schrdinger jeta les bases de la mcanique ondulatoire en publiant une quation fondamentale, lquation de Schrdinger[14],
qui dcrit lvolution temporelle de la fonction donde associe toute
particule. Dans louvrage daxiomatisation de la mcanique quantique publi en 1932 par John von Neumann[12], toute fonction donde de carr
sommable se voit reprsente par un vecteur de lespace L2 .
La publication de lquation ponyme de Schrdinger provoqua une certaine rivalit scientifique entre les tenants de la mcanique matricielle et ceux
de la mcanique ondulatoire. Ce dbat fut toutefois de courte dure car, ds
1926, Schrdinger rconcilia les deux coles de pense en dmontrant lquivalence des deux formalismes[15]. Lessence de largument de Schrdinger se
rsume ainsi : chaque fonction donde de L2 correspond le -uplet de l2
dont les composantes sont les coefficients h i | i de la dcomposition 1.56 :
7 (h 1 | i, h 2 | i, , h i | i, )
Lingalit de Bessel garantit alors le respect de la condition 1.51.
Le thorme suivant propose un rsultat encore plus fort :
Thorme 1.20 (Riesz-Fisher) Tous les espaces de Hilbert sparables
de dimension infinies sont isomorphes l2 .
Autrement dit, un isomorphisme prs, il nexiste quun seul espace de
Hilbert de dimension infinie ! Ainsi, tous les espaces de Hilbert concrets,
tels que l2 et L2 , ne sont que des ralisations diffrentes dun mme espace
abstrait. Dans le cadre de la mcanique quantique, les physiciens dsignent
cet espace sous lappellation despace dtat. Dans un mme ordre dides,
les vecteurs de lespace dtat sont appels vecteurs dtat.
Entre 1939 et 1947, Paul Dirac proposa un formalisme gnral pour la
thorie quantique qui devint rapidement trs populaire auprs de la communaut des physiciens[4]. Ce formalisme saccompagne dune notation trs
pratique pour les calculs symboliques dans lespace dtat.
33. La prononciation correcte est de Breuille .
66
Lespace de Hilbert
1.8
notation de Dirac
|vi
notation de Dirac
|i
1.9
67
(1.58)
X
|xi =
h ei | x i | ei i
i=1
1.9
68
Lespace de Hilbert
lutilisation de la fonction de Dirac 36 . Dans lespace L2 , nous serions tents dinclure cette fonction dans la classe dquivalence de la
fonction nulle puisquelle est identiquement gale zro sauf en un seul
point. Le hic, cest que la fonction nest pas dfinie en ce point 37 ! En
fait, la fonction de Dirac ne prend sa signification que lorsquelle
apparat sous un signe dintgrale.
linsistance des physiciens utiliser des bases non dnombrables de
lespace de Hilbert, malgr le fait que les vecteurs de ces bases nappartiennent ni lespace de Hilbert ni ne correspondent des tats
physiques du systme sous tude.
lapplication systmatique du formalisme de Dirac par les physiciens
qui favorise linsouciance mathmatique et conduit des contradictions
parfois trs tonnantes[6].
Bien que reconnaissant la simplicit et lutilit du formalisme de Dirac,
von Neumann ne pouvait se rsoudre entriner lusage de telles fictions
mathmatiques . Pour sa part, le mathmaticien franais Jean Dieudonn
qualifiait cette invraisemblable accumulation de non-sens de bouillie pour
les chats .
leur dfense, les physiciens invoquaient :
que lespace de Hilbert est trop englobant. En particulier, lespace L2
admet quantit de fonctions discontinues. Or les tats physiques sont
modliss laide de fonctions lisses de classe C , dfinies partout et
infiniment diffrentiables. Les physiciens se contenteraient dun sousensemble strict de L2 qui ne retiendrait que les fonctions continues.
que lespace de Hilbert nest pas assez inclusif. La physique ncessite
que le spectre de certains oprateurs, notamment loprateur dimpulsion P, soit continu. Or les vecteurs propres correspondant ces
oprateurs nappartiennent pas lespace de Hilbert puisquils sont
de norme infinie. Il en va de mme pour les vecteurs propres qui sont
solutions de lquation de Schrdinger pour une particule libre.
que le calcul symbolique rendu possible par le formalisme de Dirac est
trop intuitif et bien trop pratique pour quon envisage de sen dpartir.
Disons qu leur honneur, les mathmaticiens ont travaill trs fort pour
finalement tablir un terrain dentente entre eux et les physiciens. La premire perce fut effectue la fin des annes quarante par le mathmaticien
franais Laurent Schwartz[16] qui tablit une fondation mathmatique so36. Nous verrons plus en dtail la fonction de Dirac au chapitre 4.
37. Un point que lon fait ressortir parfois avec labus de notation suivant : (0) = .
1.9
69
38. Pour lensemble de ses travaux sur la thorie des distributions, Schwartz se vit
accorder le plus prestigieux prix en mathmatiques, la mdaille Fields. Cette rcompense
est considre comme lquivalent du Prix Nobel, sauf quelle nest dcerne quune fois
tous les quatre ans et que le rcipiendaire se doit davoir moins de 40 ans.
39. Ce terme anglophone emprunte la connotation nautique de gr telle quutilise
dans lexpression fully rigged plutt que celle plus ngative de truque, dans rigged
elections par exemple.
40. Une forme linaire sur un C-espace vectoriel est une fonction f : C qui
respecte la condition f (u + v) = f (u) + f (v). Une forme antilinaire respecte plutt
la condition f (u + v) = f (u) + f (v). Lespace anti-dual correspond ainsi
lensemble des formes antilinaires continues sur .
70
Lespace de Hilbert
1.10
Problmes du Chapitre 1
Problmes
Problmes supplmentaires
Problme 1.6. Topologies. Soit lensemble X = {a, b, c}. numrez
toutes les topologies sur X o seuls et X sont la fois des ouverts et des
ferms.
Problme 1.7. Voisinages. Dmontrez la proposition 1C.1.
Problme 1.8. Intersection de topologies. Dmontrez le thorme 1C.2.
Problme 1.9. Base quivalente. Dmontrez la proposition 1C.4.
Problme 1.10. Base topologique. Dmontrez le thorme 1C.5.
Problme 1.11. Base dune topologie dicrte. Dmontrez que
toute base dune topologie discrte doit ncessairement contenir tous les
singletons de lespace.
Problme 1.12. Critre pour base topologique. Dmontrez le
thorme 1C.6.
Problme 1.13. Prbase. Soit lensemble X = {a, b, c, d, e} et
A = {{a, b, c}, {a, d, e}, {b, c, d}, {c, d, e}}
une prbase. Trouvez la topologie TA gnre par la prbase A. Outre et
X, existe-t-il dautres lments de TA qui soient la fois des ouverts et des
ferms ?
1.10
Problmes du Chapitre 1
71
72
Lespace de Hilbert
Annexes
du
Chapitre 1
1.A
Annexe 1.A
75
Un bref rappel sans prtention dans lequel on prcise certaines conventions pour la notation.
1.A.1
Le produit cartsien
Les lments de Rn sont des multiplets, ou encore des n-uplets, soit une
squence finie ordonne de n nombres rels (x1 , x2 , . . . , xn ).
1.A.2
76
Annexe 1A
1.A.3
1.A.4
Concrtement, un corps est un ensemble dans lequel les oprations daddition, de soustraction, de multiplication et de division sont dfinies. Nous travaillerons principalement avec le corps des nombres rels et celui des nombres
complexes.
Dfinition 1A.4 Un ensemble non-vide K, muni dune loi de composition interne (+) dite additive, ainsi que dune seconde loi de composition
interne () dite multiplicative possde la structure algbrique de corps si les
axiomes suivants sont vrifis :
, K
, , K
+ =+
(1A-1a)
( + ) + = + ( + )
(1A-1b)
0K K, K
+ 0K =
(1A-1c)
K, - K
+ (-) = 0K
(1A-1d)
, K
, , K
1K K, 1K 6= 0K , K
-1
K, 6= 0K , K
(1A-1e)
( ) = ( )
(1A-1f)
1K =
(1A-1g)
-1
(1A-1h)
= 1K
, , K
( + ) = +
(1A-1i)
, , K
( + ) = +
(1A-1j)
41. Lusage courant veut aussi quon laisse carrment tomber le symbole de composition
lorsque la loi est de nature multiplicative, en crivant tout simplement ab au lieu de a b.
1.A.5
77
+ K
, K
a K
1.A.5
78
Annexe 1A
v+w =w+v
(1A-2a)
(u + v) + w = u + (v + w)
(1A-2b)
0V V, v V
v + 0V = v
(1A-2c)
v V, -v V
v + (-v) = 0V
(1A-2d)
, K, v V
( + ) v = v + v
(1A-2e)
K, v, w V
(v + w) = v + w
(1A-2f)
, K, v V
( ) v = ( v)
(1A-2g)
v V
1K v = v
(1A-2h)
Note. Veuillez noter quun mme symbole (+) est utilis pour indiquer
aussi bien une addition scalaire dans le corps K (membre de gauche de
1.A.5
79
uv =
=
= u + (-v)
Les espaces vectoriels admettent par ailleurs certains propositions supplmentaires facilement dmontrables ; nous nous contenterons simplement
ici de les numrer.
-
80
Annexe 1A
le corps en tant quensemble de dpart de notre espace vectoriel. Non seulement on ne diffrencie plus entre loi de composition interne et loi de composition externe, mais encore les vecteurs se confondent avec les scalaires.
Par exemple, les ensembles R et C deviennent des espaces vectoriels bona
fide lorsque dfinis sur leurs propres corps, la multiplication par un scalaire
se rduisant une multiplication ordinaire dans les deux cas. Fidles nos
conventions, nous dnoterons ces espaces vectoriels par R et C.
1.A.6
Les algbres
u (v + w) = u v + u w
(1A-3a)
u, v, w V
(u + v) w = u w + v w
(1A-3b)
, K, u, v V
(1A-3c)
(u v) w = u (v w)
(1A-4)
uv =vu
(1A-5)
1.A.6
81
Les algbres
v 1V = 1V v = v
et nous dirons alors que le K-algbre est un algbre unitaire. Sil existe,
llment neutre du produit vectoriel 1V est un vecteur, contrairement
llment neutre de la multiplication scalaire 1K qui, lui, est un scalaire.
Exemple 1A.2. Pour fixer les ides, voici quelques exemples dalgbres
parmi les plus courants :
Les espaces vectoriels issus dun corps, tels R et C, forment des algbres associatifs et commutatifs. Ici, le produit vectoriel se confond
avec la multiplication scalaire et son lment neutre multiplicatif est
le vecteur 1.
Lespace euclidien R3 , muni du produit vectoriel standard (exprim ici
en coordonnes cartsiennes) :
u v = (uy vz uz vy ) i + (uz vx ux vz ) j + (ux vy uy vx ) k
est un algbre non associatif et non commutatif puisque :
(u v) w 6= u (v w)
u v 6= v u
Ce produit vectoriel nadmet pas dlment neutre.
Lespace L(V) des applications linaires de V dans lui-mme, muni
de la loi interne de composition dapplications, constitue un algbre
associatif mais non commutatif. Llment neutre de la composition
est lapplication identit.
Lespace Mn,n des matrices carres dfinies sur un corps quelconque,
auquel on rajoute la multiplication matricielle, constitue aussi un algbre associatif mais non commutatif. Ici, llment neutre de la multiplication matricielle est la matrice identit.
Lorsque V est un K-espace vectoriel de dimension n, alors le K-algbre
L(V) est isomorphe au K-algbre Mn,n . Ainsi, toutes les oprations sur
L(V) peuvent seffectuer laide de matrices. Nous reviendrons sur ce point
au Chapitre 2.
82
Annexe 1B
Annexe 1.B
Nous allons maintenant procder une brve revue des principales proprits des nombres complexes.
1.B.1
b = =(z)
x = (x, 0)
Par consquent, R C.
Si (x, 0) est un nombre purement rel, le nombre complexe (0, x), o
x 6= 0, est par ailleurs un nombre imaginaire pur. Le nombre complexe (0, 1)
est tellement particulier quil mrite son propre symbole, soit i :
df.
i =
=
= (0, 1)
Cette reprsentation sous forme de couple savre pratique pour dfinir
les oprations usuelles daddition, de multiplication, de soustraction et de
division sur les nombres complexes. Ainsi, laddition de deux nombres complexes est dfinie par :
z1 + z2 = (a1 , b1 ) + (a2 , b2 ) = (a1 + a2 , b1 + b2 )
(1B-1)
et la multiplication par :
z1 z2 = (a1 , b1 ) (a2 , b2 ) = (a1 a2 b1 b2 , a1 b2 + a2 b1 )
(1B-2)
1.B.1
z1 z2 =
=
= z1 + (z2 )
Linverse multiplicatif z 1 dun nombre complexe non-nul z est dfini
par la rgle :
z z 1 = z 1 z = (1, 0) = 1
Si z = (a, b), alors :
z
=
a
b
, 2
2
2
a + b a + b2
(1B-3)
1
1
1
i2
Par exemple : i = 1 =
=
= =
= i.
1
i
i
1
84
1.B.2
Annexe 1B
La conjugaison complexe
La conjugaison complexe est la fois une des plus simples et une des plus
importantes oprations que lon puisse effectuer sur un nombre complexe.
Le conjugu complexe dun nombre complexe z = (a, b) est dfini comme
le nombre complexe z = (a, b) qui possde la mme partie relle que z,
mais dont la partie imaginaire est de signe oppos.
Les identits suivantes sont facilement vrifies.
(z1 + z2 ) = z1 + z2
(1B-4a)
(1B-4b)
z1 z2
z1 z2
(1B-4c)
(z) = z
(z1 z2 ) =
(z1 z2 ) =
(1B-4d)
(z ) = z
z1 z1
= ,
z2
z2
1
<(z) = (z + z )
2
1
=(z) = (z z )
2i
(1B-4e)
z2 6= 0
(1B-4f)
(1B-4g)
(1B-4h)
On vrifie laide de 1B-2 que le produit dun nombre complexe avec son
conjugu donne toujours un nombre rel non-ngatif.
zz = (a, b) (a, b) = a2 + b2 > 0
(1B-5)
1.B.3
Si la reprsentation par un couple de nombre rels rend triviales les oprations daddition et de soustraction sur les nombres complexes, il nen va
pas autant pour la multiplication et la division. Les formules 1B-2 et 1B-3
sont lourdes et se prtent mieux la programmation qu la mmorisation.
Heureusement, nous navons nul besoin de les retenir car nous pouvons aisment passer une reprsentation algbrique des nombres complexes en
1.B.4
85
utilisant le fait que tout nombre imaginaire pur (0, b) puisse tre rcrit sous
forme du produit :
(0, b) = (0, 1) (b, 0) = ib
Ainsi, tout nombre complexe z = (a, b) peut tre reprsent sous la forme
algbrique z = a + ib, puisque :
z = (a, b) = (a, 0) + (0, b) = (a, 0) + (0, 1) (b, 0) = a + ib
La forme z = a + ib combine lidentit i2 = 1 permet de traiter algbriquement les nombres complexes comme sil sagissait de nombres rels. Par
exemple, la multiplication algbrique des nombres complexes seffectue
comme suit :
z1 z2 = (a1 + ib1 )(a2 + ib2 ) = a1 a2 + ia1 b2 + ia2 b1 + i2 b1 b2
= (a1 a2 b1 b2 ) + i(a1 b2 + a2 b1 ) = (a1 a2 b1 b2 , a1 b2 + a2 b1 )
Nous retrouvons exactement le mme rsultat quen 1B-2 sans avoir besoin den mmoriser la formule. partir de maintenant, nous dlaisserons la
reprsentation des nombres complexes sous la forme de couple au profit de
la reprsentation algbrique.
Le lieu gomtrique des nombres complexes est le plan dArgand, ou plan
complexe, qui ressemble sy mprendre au plan cartsien (voir Fig. 1.9).
Notons dabord le changement de nomenclature des axes de coordonnes :
labcisse et lordonne du plan cartsien sont rebaptiss axe rel et axe imaginaire dans le plan dArgand. La diffrence majeure est que lchelle de laxe
imaginaire est maintenant gradue en multiples du nombre imaginaire pur i.
Il est clair que lon peut dfinir une bijection 44 F : R2 C entre les
deux plans, par exemple :
(a, b) 7 a + ib
mais un point du plan cartsien se distingue toujours du point correspondant
dans le plan dArgand en ce sens que le premier est un 2-uplet alors que le
second est un tre mathmatique complet en soi (1-uplet).
1.B.4
86
Annexe 1B
axe imaginaire
ordonne
RR
4
b
3
4i
ib
3i
(a, b)
2
1
z = a + ib
2i
abcisse
0
2 a 3
axe rel
0
(a)
2 a 3
(b)
(1B-7a)
(1B-7b)
Puisquil nous est toujours permis de rcrire un nombre complexe diffrent de zro sous la forme :
p
a
b
2
2
z = a + ib = a + b
+ i
a2 + b2
a2 + b2
et que :
a
b
1 6
6 1,
1 6
61
a2 + b2
a2 + b2
nous pouvons toujours trouver un [0, 2) pour lequel cos = a2a+b2 et
(1B-8)
1.B.5
87
Note. Lquation 1B-8 reste valide mme lorsque z est nul puisque, dans
ce cas, |z| = 0 (cest le seul cas o demeure indtermin).
1.B.5
Lanalyse complexe est une des branches les plus russies des mathmatiques qui, bien des gards, est beaucoup plus complte que celle de
lanalyse relle. La principale raison tient au fait que la dfinition de la drive en un point dune fonction de la variable complexe est beaucoup plus
restrictive quelle ne lest pour une fonction de la variable relle. Dans ce
dernier cas, le point est situ sur la droite des rels et le processus de limite
ne nous permet de tendre vers ce point que selon deux directions, soit par
la gauche ou soit par la droite. La fonction est dite drivable en ce point
ssi la drive gauche est gale la drive droite . Dans le cas
dune fonction de la variable complexe, le point est situ dans le plan
dArgand et il existe une infinit de faons diffrentes de sen approcher.
Une fonction de la variable complexe nest drivable en ce point que si le
processus de limite est indpendant du chemin choisi 46 . Il sagit en ralit
dune contrainte heureuse car cest cette isotropie de la drive au sens
complexe qui permet la thorie de prendre tout son envol.
Nous serons principalement concerns dans ce texte par les fonctions
uniformes du type :
f :CC
plus particulirement celles qui sont drivables en tout point dun ouvert 47
du plan complexe. Ces fonctions sont appeles fonctions holomorphes et elles
possdent la proprit remarquable dtre localement analytiques, c.--d.
quelles admettent un dveloppement en srie entire en chaque point de
louvert. Une fonction uniforme qui est dfinie et holomorphe sur lensemble
du plan complexe est appele fonction entire.
Le prototype de la fonction entire est la fonction exponentielle complexe
ez . Tout comme lexponentielle relle admet un dveloppement en srie sur
lensemble de son domaine :
X
xn
x
x R,
e =
n!
n=0
88
Annexe 1B
lexponentielle complexe admet aussi un dveloppement en srie sur lensemble du plan complexe :
ez =
z C,
X
zn
n=0
(1B-9)
n!
1.B.6
ei =
X
(i)n
n=0
n!
2
i2
i3
i4
i5
i6
i7
= 1 + i +
+
+
+
+
+
+
2!
3!
4!
5!
6!
7!
2 4 6
3 5 7
= 1
+
+ + i
+
+
2!
4!
6!
3!
5!
7!
= cos + i sin
puisque les quantits apparaissant dans les crochets sont respectivement les
dveloppements en srie de Taylor des fonctions relles cos et sin .
1.B.6
89
Nous obtenons ainsi une des plus belles formules des mathmatiques, due
Leonhard Euler :
ei = cos + i sin
(1B-11a)
Il est trivial de vrifier que :
ei = cos i sin
(1B-11b)
ei
i
(a)
(b)
Figure 1.10 (a) Le nombre complexe ei est toujours situ sur le cercle
unit du plan dArgand (b) Dmonstration gomtrique de lidentit dEuler
Ainsi, lorsque varie continuellement de 0 2, le point ei se dplace
continuellement le long de la circonfrence du cercle unit, dans le sens antihoraire. Si lon permet de varier sur lensemble des rels, alors la fonction
f : R C dfinie par f () = ei est priodique de priode imaginaire 2i
puisque :
ei = ei(+2)
et e2i = 1. On peut donc parcourir ce trajet circulaire autant de fois que
lon veut, dans un sens comme dans lautre.
90
Annexe 1B
(1B-13)
En combinant les quations 1B-8 et 1B-11a, nous obtenons la reprsentation exponentielle des nombres complexes :
z = |z| ei
(1B-14)
(1B-16)
plan dArgand
z
ib
(4)
z = a + ib; z = a ib
|z| = |z | = a2 + b2
b
= arctan
a
a = <(z) = |z| cos
(5)
(6)
z = |z|ei ; z = |z|ei
(7)
zz = |z|2
(1)
(2)
|z|
(3)
0
|z |
ib
1.B.7
91
De toutes les reprsentations des nombres complexes vues jusqu prsent, la reprsentation exponentielle est de loin celle qui nous sera la plus
utile. La reprsentation exponentielle nest pas idale pour les oprations
daddition et de soustraction mais se rvle trs approprie pour les oprations de multiplication et de division :
z1 z2 = |z1 | ei1 |z2 | ei2 = |z1 z2 | ei(1 +2 )
z1
|z1 | ei1
|z1 | i(1 2 )
=
=
e
z2
|z2 |
|z2 | ei2
(1B-17a)
(1B-17b)
1.B.7
(1B-19)
92
Annexe 1B
b b2 4ac
x1 , x2 =
(1B-20)
2a
mais il est instructif daborder le problme selon une approche gomtrique.
Pour cela, il est avantageux de rcrire ax2 + bx + c = 0 sous la forme :
x2 = px + q
(1B-21)
o p = b/a et q = c/a.
Gomtriquement, les racines de lquation 1B-21 sont les points dintersection dune parabole (membre de gauche) avec une droite quelconque
(membre de droite). Lorsque la pente de la droite est nulle (p = 0), nous
obtenons deux points dintersection lorsque q > 0, un point dintersection
lorsque q = 0 (labcisse est alors tangente la parabole) et aucun point dintersection lorsque q < 0. Le mme scnario se produit lorsque la pente est
non-nulle.
y
y
2
y = x2
y=x
y = px + q
y=q
q
(a)
(b)
Figure 1.12 (a) cas o p = 0 (b) cas o p < 0 (les mmes conclusions
sappliquent lorsque p > 0)
Supposons maintenant que la pente soit ngative, comme cest le cas
la Fig. 1.12b. Le nombre de points dintersection dpend de la valeur du
discrminant b2 4ac de lquation 1B-20. Lorsque ce dernier est positif, nul
ou ngatif, on a respectivement deux, un ou aucun points dintersection. Par
1.B.7
93
(1B-22)
(nous avons conserv le mme symbole x pour dsigner la variable transforme). Gomtriquement cette fois, les racines de lquation cubique sont les
points dintersection de la courbe plane du troisime degr x3 avec une droite
quelconque. On remarquera que lorsque la pente de la droite est ngative, il
nexiste quun et un seul point dintersection.
y
y
y = x3
y = x3
y = px + q
y = px + q
x1
x1
x2
x3
(a)
(b)
Figure 1.13 (a) cas tudi par Tartaglia (p 6 0) (b) casus irreducibilis
constat par Cardano
48. On verifiera que p =
b2
3a2
c
a
2b
et q = 27a
3 +
bc
3a2
ad .
94
Annexe 1B
2
2
3
2
2
3
Cette formule ne pose aucun problme lorsque p 6 0 ou mme lorsque
p > 0 et que (q/2)2 > (p/3)3 . Mais le cas o p > 0 et (q/2)2 < (p/3)3 provoquait chez Cardano une vritable dissonance cognitive car cest prcisment
le cas o la droite intersecte la courbe y = x3 en trois endroits distincts !
Pour obtenir une solution quil savait bien relle, il tait forc de prendre
la racine carre dun nombre ngatif. Par exemple, la mthode de Cardano
donne pour lquation :
x3 = 15x + 4
des solutions exprimes sous la forme :
q
q
3
3
2 + 121 + 2 121
(1B-23)
ce qui, premire vue, ne semble pas favoriser une solution relle, par
exemple x = 4 51 . Ne sachant comment oprer sur des nombres complexes
pour obtenir des solutions relles, il qualifia ce cas particulier de casus irreducibilis. Cardano croyait avoir dcouvert une moisissure dans le tissu parfait
des mathmatiques. Mais contrairement Alexander Fleming, il lui manqua
louverture desprit ncessaire pour transformer cette moisissure en dcouverte scientifique majeure.
49. Puisqu lpoque on vitait autant que possible lutilisation des nombres ngatifs,
cette classe de problmes aurait plutt t formule ainsi : x3 + px = q, avec p > 0.
50. Tartaglia supplmentait ses revenus en participant des dfis publics lancs par
dautres mathmaticiens. Il cherchait ainsi conserver un avantage comptitif en gardant
ses mthodes secrtes.
51. Cest pourtant exact ! Les valeurs relles 4,2 + 3 et 2 3 sont bien les valeurs
rduites de lexpression 1B-23.
1.B.7
95
96
Annexe 1B
54. Une certaine controverse existe toujours quant lorigine prcise de cette citation
dont la formulation concise est souvent prfre le citation antrieure de au mathmaticien et lhomme politique franais Paul Painlev, sur laquelle il ne plane aucune
quivoque : Il apparut que, entre deux vrits du domaine rel, le chemin le plus facile et
le plus court passe souvent par le domaine complexe.
1.C
97
Topologie gnrale
Annexe 1.C
Topologie gnrale
La topologie gnrale puise ses racines dans la thorie des ensembles. Elle
formalise la notion intuitive de proximit entre les lments, mme lorsque
lespace en question nest quun ensemble de points dnu de norme, de
mtrique ou de toute structure additionnelle. Elle permet ltude de concepts
fondamentaux tels que la convergence dune suite de points et la continuit
des applications dfinies sur de tels espaces.
Cet annexe se veut une introduction lmentaire la topologie gnrale.
La thorie sapplique des ensembles quelconques X qui ne sont ni ncessairement des espaces vectoriels, ni ncessairement des espaces mtriques.
1.C.1
(1C-1a)
(1C-1b)
iI
(1C-1c)
i{1,...,n}
Les lments dune topologie T sont appels des ouverts 55 . Les compl55. Les lois de Morgan nous offrent une faon quivalente de dfinir une topologie en
choisissant plutt le ferm comme unit fondamentale. Nous poursuivrons ici lusage gnral qui privilgie louvert.
98
Annexe 1C
mentaires des ouverts dans X sont appels des ferms. Il est important de
bien comprendre quen topologie les notions douverts et de ferms ne sont
pas mutuellement exclusives. Dailleurs le premier axiome nous garantit que
toute topologie contient des lments qui sont la fois des ouverts et des
ferms. En effet, les ouverts X et sont mutuellement complmentaires
puisque X\ = X et que X\X = ; par consquent, X et sont la fois
des ouverts et des ferms.
Notons quil est toujours possible de dfinir une topologie sur tout ensemble non-vide. Les deux exemples suivants sont incontournables.
Exemple 1C.1. Soit X un ensemble quelconque non vide. La topologie
T = {, X} dont les seuls ouverts sont lensemble vide et lensemble X est
appele la topologie grossire.
Exemple 1C.2. Soit X un ensemble quelconque non vide. La topologie
T = P(X) o toutes les parties de X sont des ouverts est appele la topologie
discrte.
Remarque. La topologie grossire et la topologie discrte sont deux
exemples de topologies triviales. Ces deux exemples sont deux cas extrmes
o tous les lments de T sont la fois des ouverts et des ferms. Nous
verrons que les topologies les plus dsirables sont les topologies non triviales
o les seuls lments qui possdent cette proprit sont et X.
Le nombre de topologies diffrentes que lon peut dfinir sur un ensemble
croit trs rapidement avec la cardinalit de lensemble. Ainsi, si lon ne peut
dfinir quune seule topologie sur un ensemble ne contenant quun lment
(la topologie grossire), on peut en dfinir quatre sur un ensemble contenant
deux lments et dj vingt-neuf sur un ensemble ne contenant que trois
lments.
Exemple 1C.3. Soit lensemble X = {a, b, c, d}. Alors,
T1 = {, {b}, {a, b}, {b, c}, {b, d}, {a, b, c}, {a, b, d}, {b, c, d}, X}
et T2 = {, {b}, {d}, {a, b}, {b, c}, {b, d}, {a, b, c}, {a, b, d}, {b, c, d}, X}
sont deux topologies diffrentes sur X. Notez que les seuls lments de T1
qui soient la fois des ouverts et des ferms sont et X, ce qui nest pas
le cas pour T2 , car {d} et {a, b, c} ont aussi cette proprit. Remarquez que
{a, b, c} est ouvert dans T1 alors quil est la fois ouvert et ferm dans T2 . Il
est trs important de comprendre que la notion d ouvert et de ferm
est une notion relative qui dpend du choix de la topologie.
1.C.2
1.C.2
99
G T : x G V
X
V
G
x
100
Annexe 1C
Convention. Lensemble des voisinages de x est dnot par V(x), soit :
V(x) = {V P(X) | G T , x G V }
Exemple 1C.6. Soit lensemble X = {a, b, c, d, e} dot de la topologie :
T = {, {b}, {c}, {a, b}, {b, c}, {c, d}, {a, b, c}, {b, c, d}, {a, b, c, d}, X}
1.C.3
La relation dordre partiel dinclusion, applique aux diffrentes topologies comparables, conduit la dfinition suivante :
Dfinition 1C.4 Soient deux topologies T1 et T2 dfinies sur un mme
ensemble X. Si :
T1 T2
alors la topologie T1 est dite moins fine que la topologie T2 et la topologie T2
est dite plus fine que la topologie T1 .
Exemple 1C.7. lexemple 1C.3, la topologie T2 est plus fine que la
topologie T1 puisque T1 T2 .
1.C.3
101
102
1.C.4
Annexe 1C
La dfinition 1C.5 nous dit bien que toute prbase A engendre une topologie unique TA mais la construction dune telle topologie peut rapidement
savrer fastidieuse si lon sen tient la mthode dcrite. Heureusement, il
existe une procdure beaucoup plus pratique que nous verrons la fin de
cette section.
Dfinition 1C.6 Soit (X, T ) un espace topologique. Une famille douverts B = {Bi }iI T est une base de la topologie T ssi pour chaque ouvert
de T , il existe un recouvrement ouvert dlments de B :
[
G T ,
G=
Bj ,
Bj B
jJ
Remarque. Il ne faut en aucun cas confondre base dun espace vectoriel et base dun espace topologique. Les lments dune base dun espace
vectoriel sont des vecteurs. Dune part, un espace topologique ne possde
pas ncessairement la structure despace vectoriel et de lautre, les lments
dune base dun espace topologique sont des ouverts.
Nous sommes donc maintenant en mesure, tant donn une topologie T
et une base suppose B, de vrifier que B est bien une base de T . De plus,
il est facile de concevoir que, si nous sommes en possession dune base B,
nous pouvons toujours reconstruire la topologie T en prenant lensemble de
toutes les unions possibles des lments de B. Mais est-ce que cette procdure
dtermine T de faon unique ? Le thorme suivant rpond cette question.
Thorme 1C.3 Soit (X, T ) un espace topologique et B une base de
T . Alors B dtermine T de faon unique.
Dmonstration. Procdons par reductio ad absurdum. Supposons que B soit
une mme base pour deux topologies diffrentes, T et T 0 . Alors il existe
au moins un lment G P(X) qui appartient lune des topologies sans
appartenir lautre. Sans perte de gnralit nous pouvons supposer que
G T mais que G 6 T 0 . Puisque B est une base de T nous avons que :
[
G=
Bi
Bi B
iI
Mais puisque B est aussi une base de T 0 , alors toute union dlments quelconques de B doit ncessairement appartenir T 0 . En particulier, G T 0 , ce
qui contradit notre hypothse de dpart et confirme le fait que la topologie
engendre par la base B est bien unique.
1.C.4
103
Ici, un petit caveat simpose. Sil est vrai quune base dtermine une
topologie de faon unique, la mme topologie peut tre engendre par deux
bases diffrentes.
Dfinition 1C.7 Soit (X, T ) un espace topologique et deux bases
B1 , B2 T . Ces deux bases sont dites quivalentes si elles engendrent une
mme topologie, c.--d. si :
TB1 = TB2
Proposition 1C.4 Soit (X, T ) un espace topologique et B une base de
T . Alors toute famille B 0 telle que :
B B0 T
est une base quivalente de T .
Exemple 1C.9. Les bases B = {, {b}, {c}, {a, b}, {b, c}, {c, d}, X} et
= {, {b}, {c}, {a, b}, {b, c}, {c, d}, {a, b, c, d}, X} engendrent toutes deux
la topologie T1 de lexemple 1C.8.
B0
Bi
x
104
Annexe 1C
1.C.5
Topologie induite
Nous avons beaucoup discouru sur les topologies engendres par des bases
et des prbases. Nous allons maintenant prciser la notion de topologie induite sur une partie de X.
Thorme 1C.7 Soit (X, T ) un espace topologique et soit S X,
une partie de X. La topologie induite de (X, T ) sur S est la topologie T (S)
rsultant de lintersection des ouverts de T avec S :
T (S) = {S G | G T }
Remarque. Un sous-espace S muni de la topologie induite T (S) constitue un sous-espace topologique (S, T (S)) de lespace (X, T ).
1.C.6
1.C.6
105
Continuit
Continuit
(X, TX )
F 1 [GY ] TX
(Y, TY )
F 1
GY
GX
106
Annexe 1C
X
a
Y
F
1.C.6
107
Continuit
F 1 [] = ;
F 1 [ Y ] = X;
F 1 [{n}] = {b, c, d};
F 1 [{o}] = ;
F 1 [{m, n}] = {a, b, c, d};
F 1 [{n, o}] = {b, c, d};
F 1 [{o, p}] = ;
F 1 [{m, n, o}] = {a, b, c, d};
F 1 [{n, o, p}] = {b, c, d};
F 1 [{m, n, o, p}] = {a, b, c, d};
Remarquez que F nest pas inversible puisquil ne sagit pas dune bijection
et que limage dun ouvert de TX nest pas ncessairement un ouvert de TY
(par exemple : F [{a}] = {m}). De plus, si lon substitue TX la topologie :
TX0 = {, {a}, {b}, {a, b}, {a, b, c, d}, X}
lon vrifiera que F cesse dtre continue.
Selon la dfinition donne en 1C.8, la continuit est un attribut global
dune application. Il est tout aussi utile de dfinir une notion locale de la
continuit, valide en un point prcis de lespace.
Dfinition 1C.9 Soient (X, TX ) et (Y, TY ), deux espaces topologiques.
Une application F : X Y est dite continue en un point a X ssi la
primage de tout ouvert GY de TY contenant F (a) est un sur-ensemble dun
ouvert GX de TX contenant a, c.--.d. ssi :
GY TY , F (a) GY ,
ou de faon quivalente :
GY TY , F (a) GY ,
108
Annexe 1C
VY VY (F (a)),
F 1
GY
GX
F (a)
1.C.7
109
quivalence topologique
X
a
X
F
1.C.7
quivalence topologique
110
Annexe 1C
Dfinition 1C.12 Une proprit qui est partage par tous les espaces
topologiquement quivalents est une proprit topologique.
Remarque. La topologie est souvent dfinie comme tant ltude des
proprits qui demeurent invariantes sous laction de transformations continues.
1.C.8
Convergence
Jusqu prsent, les espaces qui nous ont servi dexemples taient des espaces simples, ne contenant quun nombre fini de points. Les espaces qui nous
intressent sont gnralement constitus dune infinit 56 de points. Nous
poursuivons ltude de tels espaces, en commencant par la notion de convergence dune suite de points dans un espace topologique X.
Rappellons quune suite est une application 57 N X qui associe
chaque n N un point xn X :
n 7 xn
Convention. Nous crirons symboliquement (xn )nN pour dsigner une
suite infinie :
(xn )nN x1 , x2 , . . . , xn , . . .
Dfinition 1C.13 Soit (X, T ), un espace topologique. Nous dirons que
la suite (xn )nN de points de lespace X converge vers le point x X, ou
encore quelle admet x comme limite, ssi pour tout ouvert G T qui contient
le point x, il existe un entier positif nG N tel que :
n > nG = xn G
Autrement dit, tous les termes de la suite, lexemption possible dun
nombre fini, sont contenus dans G.
Si tel est le cas, alors la suite (xn )nN est une suite convergente vers x,
ce que nous dnoterons par :
lim xn = x
1.C.9
111
Adhrence
Remarque. Il est facile de dmontrer que toute application qui est continue en un point est ncessairement squentiellement continue en ce mme
point. Par contre linverse nest pas vrai en gnral, car il faut pour cela
que les espaces vrifient le premier axiome de dnombrabilit (voir section
1.C.11).
1.C.9
Adhrence
G 6= T ,
G A 6=
G T t.q. x G,
G A 6=
112
Annexe 1C
Remarque. On dit quun point x est un point isol si le singleton {x} est
un ouvert. Si x est un point isol, la condition ncessaire pour quil soit aussi
un point adhrent A est quil doit dj tre contenu dans A (Pourquoi ?).
Une notion trs voisine du point adhrent est celle du point daccumulation.
Dfinition 1C.17 Soit (X, T ) un espace topologique. Un point x X
est un point daccumulation dune partie non-vide A X ssi tout ouvert
contenant x rencontre A en un point autre que x, c.--d. :
x est un pt. daccumulation de A G T t.q. x G, G\{x} A 6=
Remarque. Un point isol ne peut jamais tre un point daccumulation.
Le lecteur devrait se convaincre que si un point daccumulation de A est
toujours un point adhrent A, linverse, un point adhrent est soit un
point daccumulation, soit un point isol appartenant A.
Dfinition 1C.18 Soit (X, T ) un espace topologique. L adhrence
est constitue de lensemble des
dune partie non-vide A X, dnote A,
points adhrents A. Autrement dit :
A = {x X | G T t.q. x G, G A 6= }
Remarque. Il est clair de par la dfinition 1C.18 que tout point x A
fait ncessairement partie de ladhrence de A. Par consquent, il est toujours
vrai que :
A A
(1C-3)
Remarque. La notion dadhrence nous offre une faon alternative dexprimer le fait quune partie A soit dense en X. En effet, la dfinition 1C.15
nous dit quune partie A est dense en X ssi tout ouvert non-vide G T
contient au moins un lment de A. Ceci quivaut dire quune partie A est
dense en X ssi tout point x X fait partie de ladhrence de A :
A est dense en X
A = X
(1C-4)
La notion dadhrence est si importante quelle mrite bien une formulation alternative.
Proposition 1C.9 Soit (X, T ) un espace topologique. L adhrence
dune partie non-vide A X est lintersection de tous les ferms contenant
A:
A = {F X | F est un ferm et A F }
1.C.10
113
Espaces de Hausdorff
Sc =
=
= X\S
T
Puisque A =
Fi o A Fi , nous obtenons, en appliquant la loi de
iI
Morgan :
Ac =
\
iI
c
Fi
Fic
iI
Mais tous les Fi sont des ferms et par consquent tous les Fic sont
des ouverts. Le terme de droite tant une union quelconque douverts
est donc un ouvert. En conclusion, Ac est un ouvert et A est bien un
ferm.
(ii) Puisque A = Fi , il sensuit que tout ferm F contenant A est un
iI
sur-ensemble de A :
A A F
(iii) Puisque par hypothse on a que A est un ferm contenant A, on tire
de (ii) que A A. Comme nous avons toujours A A et que nous
avons dmontr en (i) que A est un ferm, nous devons conclure que
1.C.10
Espaces de Hausdorff
lexemple 1C.13, nous avons vu quil est possible pour une suite de
converger vers plusieurs points la fois. Or, il existe une proprit topologique qui assure lunicit de la limite dune suite convergente.
114
Annexe 1C
Dfinition 1C.19 Un espace topologique (X, T ) est un espace de Hausdorff sil satisfait la condition suivante : si x1 et x2 sont deux points
distincts de lespace, alors il est toujours possible de trouver deux ouverts
disjoints G1 et G2 tels que :
x1 G1 , x2 G2
et
G 1 G2 =
Dmonstration. Procdons par reductio ad absurdum. Soit une suite convergente (xn )nN dans un espace de Hausdorff et supposons que limn xn = a
et limn xn = b avec a 6= b. Puisque lespace est de Hausdorff, il existe
des ouverts G1 et G2 tels que a G1 , b G2 et G1 G2 = . Puisque
limn xn = a, par la dfinition 1C.13, il existe un entier positif NG1 N
tel que n1 > NG1 = xn1 G1 . De faon similaire, il existe un entier
positif NG2 N tel que n2 > NG2 = xn2 G2 . Soit N = max(NG1 , NG2 ).
Alors n > N , xn G1 et xn G2 , c.--d. xn G1 G2 . Mais ceci contredit
le fait que G1 et G2 sont disjoints. Lunicit de la limite est donc dmontre.
58. Plus techniquement, un espace de Hausdorff vrifie laxiome de sparation T2 . Les
axiomes de sparation ne sont pas couverts dans cet ouvrage.
59. Un espace sparable contient une partie dnombrable et dense. Un espace topologique peut tre spar mais non sparable ou encore sparable mais non spar.
1.C.11
Axiomes de dnombrabilit
115
1.C.11
Axiomes de dnombrabilit
116
Annexe 1C
Dmonstration. Procdons par reductio ad absurdum 60 . Supposons que lespace (X, T ) nest pas un espace de Hausdorff. Alors il existe deux points
distincts x1 , x2 X, x1 6= x2 pour lesquels lintersection de tout ouvert
contenant x1 et de tout ouvert contenant x2 est non-nulle. Puisque lespace respecte le premier axiome de dnombrabilit, il existe aussi deux bases
locales dnombrables douverts embots B(x1 ) = {A1 , A2 , . . . , An , . . .} et
B(x2 ) = {B1 , B2 , . . . , Bn , . . .} telles que Ai Bj 6= pour tout i, j. Si lon
prend un un les lments de chacune des deux bases locales, on peut vrifier aisment que leurs intersections forment aussi une suite dcroissante
douverts embots :
A1 B 1 A2 B 2 An B n . . .
Choississons un point dans chacune de ces intersections :
a1 A1 B1 , a2 A2 B2 , . . . , an An Bn , . . .
et construisons la suite (an )nN . Par dfinition, pour tout ouvert G contenant
x1 , il existe un lment Ai de la base locale B(x1 ) tel que Ai G. Mais
puisque les Ai sont embots, G contient tous les lment de la suite (an )nN
sauf possiblement les i 1 premiers. Par consquent :
lim an = x1
Dun autre ct, puisque pour tout ouvert G contenant x2 , il existe un lment Bj de la base locale B(x2 ) tel que Bj G, un raisonnement identique
nous amne la conclusion que :
lim an = x2
Mais ceci contredit lhypothse de dpart qui veut que toute suite convergente
nadmette quune seule limite. Lespace (X, T ) est donc bel et bien un espace
de Hausdorff.
Vrifier le premier axiome de dnombrabilit est aussi une proprit
topologique.
Proposition 1C.14 Soient (X, TX )
= (Y, TY ), deux espaces homomorphes. Alors si lun des espaces vrifie le premier axiome de dnombrabilit, lautre le vrifie aussi.
60. Prenez note que cette preuve utilise laxiome du choix.
1.C.11
Axiomes de dnombrabilit
117
118
Annexe 1C
1.C.12
Sparabilit
1.C.13
119
Compacit
1.C.13
Compacit
120
Annexe 1C
R
a
X=
[
iI
Gi F c
1.C.13
121
Compacit
X
S
iI
Gi
(1C-5)
122
Annexe 1C
Gi
Alors,
K = F 1 F [K] F 1
h[
i
i [
Gi =
F 1 [Gi ]
i
1
Puisque F est continue, la primage
S 1F [Gi ] de tout ouvert Gi de Y est un
ouvert de X. Par consquent, i F [Gi ] est un recouvrement ouvert de K.
Comme K est compact, on peut en extraire un sous-recouvrement fini, soit :
1.C.13
123
Compacit
et Upi Vpi =
(1C-6)
Dfinissons maintenant :
U = Up1 Up2 Upn
(1C-7a)
(1C-7b)
U et V sont tous deux des ouverts puisquils rsultent de lunion et de lintersection finie douverts. Par dfinition, nous avons :
KU
Dun autre ct, V tant lintersection de tous les Vpi , il est ncessairement
contenu dans chacun de ces ouverts,
V Vpi , i = 1, . . . , n
de sorte que Upi Vpi = implique que Upi V = . Il est facile de
dmontrer maintenant que U V = . En effet,
U V = (Up1 Up2 Upn ) V
= (Up1 V ) (Up2 V ) (Upn V )
n
[
=
Upi V =
i=1
124
Annexe 1C
X
U
V
x
tel que
xGV
et
V est compact
1.C.13
125
Compacit
et x G A
126
Annexe 1C
K est compact
x W,
et U W =
et U V = = V U c
1.C.13
127
Compacit
K est compact
X
A
K
V
x
128
Annexe 1C
1.C.13
129
Compacit
(a)
(b)
(c)
Figure 1.24 Trois espaces borns. (a) Lespace nest pas compact puisquil nest pas complet, mais il est localement compact (b) Lespace nest
pas compact puisquil nest pas complet (le petit cercle au centre illustre
maladroitement le fait que le point central est manquant), mais il est relativement compact. (c) Lespace est compact puisquil est born et complet.
Rflexion faite, pouvons-nous tendre le rsultat du thorme de HeineBorel aux parties bornes et compltes de tous les espaces mtriques, mme
ceux de dimension infinie ? Cette fois la rponse courte est non. La rponse
un peu plus longue ncessite lintroduction dune dernire dfinition.
Dfinition 1C.27 Une partie A dun espace mtrique X est dite prcompacte ou encore totalement borne si pour tout > 0, on peut trouver
un recouvrement ouvert fini de A par des boules ouvertes de rayon moindre
que .
[
A
B(xi , )
i=1,...,n
130
Annexe 1C
Figure 1.25 La boule ferme unit dans le plan est totalement borne car
pour toute valeur de > 0, on peut la recouvrir laide dun nombre fini
de boules ouvertes de rayon moindre que . Ce rsultat stend toutes les
boules fermes unit de dimension finie.
Tout espace mtrique compact est prcompact. Toute partie totalement
borne dun espace mtrique est borne (voir problme 1.31). Linverse est
faux : toute partie borne nest pas ncessairement totalement borne.
Par exemple, tout espace mtrique trivial 64 est born car son diamtre
est gal 1. Mais si lespace est infini, il est impossible de le recouvrir laide
dun nombre fini de boules ouvertes de rayon moindre que 1. Cet espace est
born sans tre totalement born. Un exemple plus important est celui de la
boule ferme unit dans un espace de Hilbert de dimension infinie :
Bf (0, 1) = {x H | d(0, x) 6 1}
En effet, soit B = {ei }iI , une base hilbertienne. Alors tous les vecteurs de
base ei sont inclus dans Bf (0, 1). Au problme 1.27, il a t tabli que pour
deux indices diffrents i, j I, i 6= j,
d(ei , ej ) = 2
Par consquent, toute boule ouverte dont le rayon est plus petit que 22 ne
peut contenir au maximum quun seul des ei . La boule ferme unit dans
lespace de Hilbert, bien que borne nest pas totalement borne (prcompacte).
64. Dans un espace mtrique trivial, la distance entre deux points x et y est 1 si les
deux points sont distincts et 0 si les deux points sont confondus.
1.C.13
Compacit
131
Nous venons de donner deux exemples despaces qui sont complets sans
tre totalement borns. Ceci nous amne professer un critre de compacit
valide pour tout espace mtrique, quil soit de dimension finie ou non.
Thorme 1C.24 Tout espace mtrique complet et totalement born
(prcompact) est compact.
Le fait que la boule unit ferme ne soit pas compacte pour un espace
vectoriel de dimension infinie est significatif ; de fait, lexistence dune boule
ferme unit compacte implique la dimensionalit finie de lespace comme en
tmoigne le thorme suivant :
Thorme 1C.25 Dans un espace vectoriel norm, les noncs suivants sont quivalents :
1) Lespace est de dimension finie.
2) La boule unit ferme est compacte.
3) Lespace est localement compact.
4) Toute partie borne est relativement compacte.
Puisque selon le thorme 1C.21 limage continue dun compact est un
compact, il sensuit que toutes les fonctions continues dfinies sur un domaine
compact sont ncessairement bornes.
132
Chapitre 2
2.1
Introduction
En informatique quantique, lespace dtat possde la structure dun espace de Hilbert de dimension finie. Tout vecteur unitaire appartenant lespace dtat est un vecteur dtat, un ket dans la notation de Dirac. chaque
ket de lespace dtat correspond un bra de lespace dual.
|i h|
Dans ce chapitre, nous introduisons limportante notion doprateur, une
transformation linaire qui transforme un vecteur dtat en un autre vecteur
dtat :
| 0 i = A | i
La dernire quation se lit ainsi : loprateur A agit sur le ket | i pour
produire le ket | 0 i.
Nous tablissons dabord un isomorphieme dalgbre entre lespace des
endomorphismes sur un espace vectoriel de dimension n et lespace des matrices carres dordre n. Lalgbre matriciel, qui est la porte de tous, est
134
2.2
2.2.1
Algbre linaire
Lespace vectoriel LK (V, W)
(2.1a)
(2.1b)
2.2.1
135
rang(F ) =
=
= dim Im(F )
(2.2a)
null(F ) =
=
= dim Ker(F )
(2.2b)
(2.3)
136
(F + G)(| v i) =
=
= F (| v i) + G(| v i)
df.
( F )(| v i) =
=
= F (| v i)
(2.4a)
(2.4b)
2.2.2
137
et
( F ) | v1 i + | v2 i
= F | v1 i + | v2 i = F (| v1 i) + F (| v2 i)
= F (| v1 i) + F (| v2 i)
= ( F )(| v1 i) + ( F )(| v2 i)
Nous venons effectivement de dmontrer le thorme suivant :
Thorme 2.6 Lensemble LK (V, W) est un K-espace vectoriel.
Le prochain thorme traite de la dimensionalit de lespace LK (V, W).
Thorme 2.7 Si la dimension de V est m et la dimension de W est
n, alors la dimension de LK (V, W) est mn.
2.2.2
138
V
F
GF
(2.6)
= (G F )(| v1 i) + (G F )(| v2 i)
Donc, le rsultat dune composition dapplications linaires est toujours une
application linaire.
De plus, la composition dapplications linaires est associative.
G
H (G F )
(a)
(H G) F
(b)
(2.7)
2.2.3
139
(2.8a)
(G1 + G2 ) F = G1 F + G2 F
(2.8b)
2.2.3
Notant la similitude qui existe entre les quations 2.8a 2.8c et 1A-3a
1A-3c, il nous vient lesprit que la composition dapplications pourrait
servir de deuxime loi de composition interne sur un espace vectoriel, nous
permettant ainsi de dfinir un algbre sur ledit espace. Puisque pour des
applications linaires quelconques F, G LK (V, W), les compositions F G
et G F ne font du sens que ssi V = W, il convient de restreindre notre
algbre lespace des endomorphismes LK (V).
On utilise souvent lexpression transformation linaire pour dsigner un
endomorphisme despace linaire.
Par 2.7, cet algbre est associatif. Notons toutefois quil nest pas commutatif et quen gnral F G 6= G F .
La composition dapplications admet un lment neutre : lapplication
identit I :
I:VV
| v i 7 | v i
I F =F I =F
n2 .
(2.10)
2.2.4
Reprsentations
140
des vecteurs de B :
| v i = 1 | v1 i + 2 | v2 i + + n | vn i =
n
X
i | vi i
(2.11)
i=1
(2.13)
.......................................
F (| vn i) = n1 | v1 i + n2 | v2 i + + nn | vn i
Nous pouvons runir tous les ij du systme dquations linaires 2.13
lintrieur dune matrice carre dordre n, que nous dsignerons par A :
11 12 1n
21 22 2n
..
..
..
A=
...
.
.
.
n1 n2 nn
crivons :
| w i = F (| v i)
| wi i = F (| vi i)
2.2.4
141
Reprsentations
11
21
i1
n1
12
22
i2
n2
| w1 i = . , | w2 i = . , . . . , | wi i = . , . . . , | wn i = .
..
..
..
..
1n
2n
in
nn
dans une mme matrice carre dordre n que nous dnotons cette fois par
matB (F ) :
11 21 i1 n1
12 22 i2 n2
T
..
..
..
..
..
matB (F ) =
(2.15)
...
=A
.
.
.
.
.
1n 2n in nn
alors, nous affirmons que la matrice matB (F ) caractrise entirement laction
de F sur lespace V. Notons que la matrice matB (F ) est la transpose de la
matrice A dfinie plus haut, soit matB (F ) = AT . Pour viter toute confusion,
il est utile de concevoir la matrice matB (F ) comme tant la juxtaposition
des n vecteurs-colonnes reprsentant laction de F sur chacun des vecteurs
de base, soit :
matB (F ) = F (| v1 i) F (| v2 i) F (| vi i) F (| vn i)
Substituant F (| v i) = | w i et F (| vi i) = | wi i dans 2.12, nous obtenons :
| w i = 1 | w1 i + 2 | w2 i + + n | wn i =
n
X
i | wi i
(2.16)
ij | vj i
(2.17)
i=1
n
X
j=1
142
n
X
i=1
i | wi i =
n
X
i=1
n
X
j=1
ij | vj i =
n X
n
X
j=1
ij i | vj i
(2.18)
i=1
P
o les scalaires ni=1 ij i sont les composantes du vecteur | w i dans la base
B. Exprimons | w i sous forme dun vecteur-colonne :
Pn
i1
i
11
1
21
2
n1
n
i=1
Pn i2 i 12 1 + 22 2 + + n2 n
i=1
.
.
|wi =
(2.19)
..
..
Pn
1n 1 + 2n 2 + + nn n
i=1 in i
On vrifie aisment que nous obtenons exactement le mme rsultat si nous
multiplions la matrice matB (F ) par le vecteur-colonne reprsentant | v i :
Pn
1
11 21 n1
i=1 i1 i
P
n i2 i 12 22 n2 2
i=1
= .
.
..
..
..
..
(2.20)
|wi =
.
.
.
.
.
.
.
.
Pn
n
1n 2n nn
i=1 in i
{z
} | {z }
|
matB (F )
|vi
2.2.4
143
Reprsentations
LK (V)
= Mn,n (K)
Notons cependant que cet isomorphisme nest toutefois pas canonique
car il dpend du choix arbitraire dune base de V.
En effet, il nest pas possible dassocier spontanment, de faon naturelle,
un endomorphisme quelconque F une matrice particulire de Mn,n (K).
Bien au contraire, toute matrice carre inversible de Mn,n (K) est en mesure
de caractriser laction dune transformation non-singulire F par le choix
dune base approprie 4 . Ainsi, afin dtablir un isomorphisme entre les deux
espaces vectoriels, il est ncessaire de spcifier au pralable une base quelconque B de V. Cest seulement une fois la base fixe que la bijection peut
stablir entre les deux espaces et que nous sommes en mesure de faire correspondre chaque transformation linaire F une matrice unique matB (F ),
et vice-versa.
Qui plus est, si F et G sont deux endomorphismes tels que F 7 matB (F )
et G 7 matB (G), on dmontre (voir problme 2.9) que la matrice reprsentant la composition F G est donne par :
matB (F G) = matB (F ) matB (G)
(2.21)
De fait, lapplication mat tablit un isomorphisme complet entre les algbres LK (V) et Mn,n (K). Ainsi, tout rsultat obtenu dans un espace est
directement transposable dans lautre. La table 2.1 fait ressortir les points
de comparaison entre ces deux algbres.
Encore une fois, cet isomorphisme entre algbres est non canonique pour
les raisons spcifies ci-haut, ce qui convient parfaitement aux physiciens
pour qui les lois de la physique doivent tre identiques pour tout observateur.
Cet isomorphisme dalgbre nous permet de simplifier considrablement
notre notation. Dabord, puisque les transformations et les matrices sont
interchangeables, il ny a plus lieu de traner le symbole mat dans nos expressions. Ensuite, nous prsumons du fait que la base B de V est donne
implicitement pour faire disparatre toute rfrence cette base. Ds lors, le
mme symbole F est utilis indiffremment pour dsigner la fois lapplication, la matrice ou loprateur. Abstraitement, on conoit que F dsigne
la classe dquivalence des matrices semblables qui caractrisent laction de
F . Concrtement, puisque les interactions physiques se produisent indpendamment de tout systme de coordonnes introduit artificiellement par le
physicien, cel permet ce dernier dcrire au tableau des quations dont les
4. Cette base nest pas ncessairement une base orthonorme.
144
Espace LK (V)
dimensionalit
n2
addition de transformations
F +G
multiplication scalaire
F
composition de transformations
GF
distributivit droite
G (F1 + F2 ) = G F1 + G F2
distributivit gauche
(G1 + G2 ) F = G1 F + G2 F
la composition commute
avec la multiplication scalaire
(G) (F ) = ()(G F )
associativit de la composition
(H G) F = H (G F )
lment neutre de lalgbre
application identit I
rang de la transformation
nullit de la transformation
transformation singulire
non-singulire
transformation dont la rciproque existe
bijective
det 6= 0
matrice inversible
rang = n
Table 2.1 Lisomorphisme complet qui existe entre lalgbre des endomorphismes sur un espace vectoriel de dimension n et celui des matrices carres
n n.
2.2.4
145
Reprsentations
scrit simplement
F |vi = |wi
scrit simplement
GF | v i = | w i
h 1 | i
h 2 | i
|i =
..
h n | i
o il est clair que les composantes scalaires de | i changent lorsquon passe
une autre base hilbertienne. Similairement, les coefficients de la matrice
caractrisant laction dune transformation linaire F changent eux aussi lors
dun changement de base.
On voit bien que, malgr une connotation ngative malencontreuse, le
fait que lisomorphisme dalgbre en question soit non canonique nest pas
limitatif en soi mais permet plutt au physicien de bnficier du meilleur de
deux mondes.
146
2.2.5
Une transformation linaire F LK (V) est dite inversible sil existe une
transformation F 1 LK (V) telle que :
F F 1 = F 1 F = I
(2.22)
2.3
147
car toute matrice de M2,2 (R) peut tre exprime par une combinaison linaire de A, B, C et D. Le fait que toutes les matrices de cette base sont
singulires et ne possdent pas dinverse peut parfois savrer un inconcnient
et il est souvent avantageux de restreindre lespace Mn,n (K) en ne retenant
que les matrices non-singulires. Lensemble rsultant perd sa structure despace vectoriel car la matrice nulle nen fait dsormais plus partie. Par contre,
chaque matrice de ce nouvel ensemble est inversible et lensemble possde
maintenant la structure de groupe 7 . Ce groupe est appel groupe gnral
linaire de degr n et est dnot par GL(n, K).
Pour les problmes prsentant un haut degr de symtrie les mathmaticiens et les physiciens prfrent remplacer une combinaison linaire de
matrices singulires dans Mn,n (R) par un produit de matrices non-singulires
dans GL(n, K). Dans le cas du plan R2 , toute matrice non-singulire peut
tre dcompose en un produit de matrices eux-mmes non-singulires, chacune reprsentant une transformation lmentaire du plan (voir la figure 2.3
et le problme 2.10).
De faon analogue, il est utile de restreindre lespace des endomorphismes
LK (V) en en retenant que les transformations qui soient bijectives, c.--d. les
automorphismes. On obtient alors un ensemble constitu de transformations
linaires non-singulires qui possde lui aussi la structure de groupe et que
nous dnoterons par Aut(V).
Ces deux groupes hritent de lisomorphisme non canonique qui existe
entre les espaces dont ils sont issus.
= Mn,n (K)
y
Aut(V)
= GL(n, K)
LK (V)
2.3
148
Transformations du plan R2
a) une contraction/expansion selon laxe des x
J=
k
0
0
1
K=
1 0
0 k
L=
1 k
0 1
M=
1
k
0
1
N=
0
1
1
0
2.3.1
149
2.3.1
Nous considrons ici les espaces de Hilbert de dimension finie sur le corps
des complexes ainsi que leurs bases hilbertiennes.
Soit un vecteur | i H. Laction de loprateur A transforme ce vecteur
en | 0 i. Nous pouvons dcrire cette action soit symboliquement,
| 0 i = A | i
(2.23)
(2.24)
(2.25)
i=1
(2.26)
150
h1|i
h 2 | i
| i = ..
.
hn|i
Manipulons lgrement lquation 2.26 en scindant le braket de la faon suivante :
n
hX
i
|i =
|iihi| |i
(2.27)
i=1
Cette dernire expression est tout fait lgitime et chaque terme | i i h i | reprsente un oprateur particulier, soit un projecteur. De fait, toute expression
de type | i i h j | 8 , o i nest pas ncessairement gal j reprsente aussi un
oprateur sur H. La notation de Dirac permet de traiter lexpression | i i h j |
comme si | i i et h j | taient des vecteurs indpendants au lieu de parties
intgrantes dun oprateur global. Bien que la justification mathmatique
formelle devra attendre le volume II, nous aurons loccasion dici l de nous
familiariser avec cette forme de dcomposition dyadique des oprateurs.
2.3.2
2.3.2
151
(2.30a)
Cette dernire quation dfinit laction de loprateur A qui agit sur un bra
h | de H pour donner un autre bra, h 0 | = h | A, tel que :
h 0 | i = h | A i
(2.30b)
(2.31)
152
(2.32)
(2.33)
2.3.3
153
(2.34)
(2.25)
h A | = h | A
(2.34)
(2.35)
(2.36)
En effet,
h | (A ) | i = h | A | i = h | A | i = h | A | i
On remarquera que loprateur adjoint rcupre le symbole utilis pour
indiquer la transconjugue dune matrice (matrice adjointe). Ceci nest pas
un effet du hasard, comme nous allons le voir linstant.
2.3.3
h1|i
1
h 2 | i 2
| i = .. = ..
. .
hn|i
(2.37)
154
(2.38)
alors le produit scalaire h | i est numriquement gal au produit des matrices reprsentant h | et | i,
h | i = 1 2
2
n .. = 1 1 + 2 2 + + n n
.
n
rsultat qui est consistant puisque le produit dune matrice 1 n par une
matrice n 1 donne un scalaire (matrice 1 1).
Rappelons que la matrice transconjugue est dfinie par :
A = (AT ) = (A )T
La matrice reprsentant le bra h | est donc la transconjugue de la
matrice qui reprsente le ket | i. Ceci scrit symboliquement :
h | = | i
(2.39a)
(2.39b)
I |i
= | i I = h | I
n
hX
i=1
n
i X
|iihi| =
h|iihi|
i=1
2.3.3
155
h1|i
h 2 | i
h | 1 i h | 2 i h | n i = ..
.
hn|i
Selon la convention dcriture tablie la section prcdente, lorsquun
oprateur apparat lintrieur dun ket, on peut lextraire en lcrivant simplement la gauche de ce ket, | A i = A | i. Si loprateur apparat lintrieur dun bra, cest loprateur adjoint qui est extrait la droite de ce bra,
h A | = h | A . Dans le premier cas, on dit que loprateur A pr-multiplie
le ket | i et dans le second, que A post-multiplie le bra h |. Notons quil
ne saurait en tre autrement puisque les expressions | i A et A h | sont
dnues de sens, les matrices correspondantes tant non-conformes. De plus,
cette convention est parfaitement justifie par les rsultats 2.39a et 2.39b.
Par exemple :
h A | = | A i = (A | i) = | i A = h | A
Il est aussi permis dincorporer des scalaires lintrieur des bras ou des
kets, par exemple :
|i |i
et dtablir la correspondance duale :
h| |i
(2.40a)
1 0
0
.
0 1
0
156
La transconjugue de
.
.
=
.
0
la matrice scalaire
0
1
.
..
..
= .
0
0
.
1 ..
= I=
1
de sorte que
h | | i
rvle la correspondance duale :
h | | i
(2.40b)
| A i = h | A
(2.41a)
|i = |i
| i = h |
(2.41b)
hA| = h|A
h | = h |
hA| = A|i
(2.41c)
h | = | i
(2.41d)
| i i = .. , | j i = .. , h j | = 1
n
2
.
.
n
alors
1 1 1 2 1 n
2 2 2
n
1
2
..
..
..
| i ih j | =
...
.
.
.
n 1 n 2 n n
2.3.4
2.3.4
|iihi|A|j ihj |
(2.42)
i,j
hi|A|j i|iihj |
i,j
puisque h i | A | j i est un scalaire qui commute aussi bien avec les kets quavec
les bras. Notons que la bonne pratique veut que lon utilise des indices nouvaux et diffrents (ici i et j) chaque fois que lon fait appel lidentit 2.28
dans une mme expression. Notons de plus que la dcomposition dyadique
de loprateur I la droite et la gauche de loprateur A utilise la mme
base hilbertienne B, indice diffremment.
Dfinissons llment de matrice Aij de loprateur A dans la base B par :
df.
Aij =
=
= hi|A|j i
(2.43)
Rappelons que la matrice A rsulte de la juxtaposition des n vecteurscolonnes reprsentant laction de A sur chacun des vecteurs de base :
A = A| 1 i A| 2 i A| j i A| n i
Le ket A| j i = | A j i constitue la j ime colonne de la matrice A et ses composantes dans la base B sont donnes par :
h1|Aj i
h1|A|j i
h 2 | A j i h 2 | A | j i
..
..
.
.
|Aj i =
=
h
i
|
A
j
i
h
i
|
A
|
j
i
..
..
.
.
hn|A|j i
hn|Aj i
158
comme il se doit.
On peut se servir de lquation 2.35 pour dterminer les lments de
matrice de loprateur adjoint.
Aij = h i | A | j i = h j | A | i i = Aji
(2.45)
Aik Bkj
2.3.5
2.3.5
(2.46)
est appele quation aux valeurs propres. Ce genre dquation est dune importance fondamentale en mcanique quantique.
Tout vecteur | i non-nul qui vrifie lquation 2.46 est appel vecteur
propre de A et la valeur correspondante de est appele valeur propre.
Notons quil est possible que la valeur propre soit nulle.
Il existe une certaine ambigut entourant le vecteur propre associ
toute valeur propre puisque tout multiple de ce vecteur propre est luimme solution de 2.46 :
A|i = A|i = |i = |i
On tente alors de rsoudre cette ambigut, par exemple en normalisant
le vecteur propre :
h|i = 1
(2.47)
mais on ny parvient qu moiti. En effet, il est toujours possible de multiplier le ket | i par ce quil convient dappeler un facteur de phase, c.--d.
un nombre complexe situ sur le cercle unit du plan dArgand, et ceci sans
que la norme du ket en soit affecte. Rappelons que tout facteur de phase
sexprime sous la forme ei , o est un nombre rel. Puisque le module de
tout facteur de phase est toujours gal 1, le fait de remplacer | i par
| ei i dans le membre de gauche de 2.47 naffecte en rien le rsultat car :
h ei | ei i = ei ei h | i = ei ei h | i = h | i
Lensemble de toutes les valeurs propres rattaches un oprateur A est
appell le spectre de A, que lon dnote symboliquement par (A). Dans un
espace de Hilbert de dimension finie n, ce spectre est toujours discret et fini.
De fait, le spectre dun oprateur A est constitu de lensemble des racines
du polynme caractristique associ la matrice A 9 . Puisquil sagit dun
polynme de degr n en , on sait quil existe au plus n racines distinctes.
Lorsquune de ces racines est multiple, on dit que la valeur propre correspondante est dgnre et, par extension, que le spectre est dgnr. Lorsque
toutes les racines sont distinctes, nous dirons que le spectre est non-dgnr.
9. Revoir au besoin la section 2.A.8.
160
2.4
2.4.1
2.4.1
161
Dmonstration.
=
Alors,
h|A B |i = 0
162
2.4.2
X
hi|A|ii
(2.48)
Tr(A) =
X
X
hi|A|ii =
hi|I A|ii
i
hX
i
X
hi|
| k ih k | A | i i =
h i | k ih k | A | i i
k
i,k
h k | A | i ih i | k i =
i,k
hk|A
hk|AI |ki =
i
| i ih i | | k i
hX
hk|A|ki
(2.50a)
Tr( A) = Tr(A)
(2.50b)
Tr(AB) = Tr(BA)
(2.50c)
(2.50d)
Les deux premires galits expriment le fait que la trace est une forme
linaire et les deux dernires, que dans un produit doprateurs, la trace
demeure invariante sous une permutation cyclique.
2.4.3
2.4.3
163
On sait que le produit de deux oprateurs nest gnralement pas commutatif. Le commutateur de deux oprateurs A et B est dfini par :
[A, B] = AB BA
(2.51)
(2.52a)
[A, I] = 0
(2.52b)
[A, ] = 0
(2.52c)
[A, B] = [ A, B] = [A, B]
(2.52d)
[A, B] = [B, A]
(2.52e)
[A + B, C] = [A, C] + [B, C]
(2.52f)
(2.52g)
(2.52h)
(2.52i)
(2.52j)
[A, B] = [B , A ]
(2.52k)
(2.54)
Puisque la valeur propre est non-dgnre, le sous-espace propre correspondant H est uni-dimensionnel.
164
(2.56)
(2.57)
Alors,
A | i = A ( | 1 i) + A ( | 2 i) = (A | 1 i) + (A | 2 i)
= ( | 1 i) + ( | 2 i) = ( | 1 i) + ( | 2 i)
= ( | 1 i + | 2 i) = | i
Dun autre ct, on a selon 2.55 :
A(B | 1 i) = (B | 1 i)
A(B | 2 i) = (B | 2 i)
12. Un raisonnement identique sapplique lorsque la multiplicit de la valeur propre est
suprieure 2.
2.4.4
165
Fonctions doprateurs
2.4.4
Fonctions doprateurs
(Ap )q = Apq
(2.58)
166
Parmi toutes les fonctions dune variable complexe, il existe une classe
qui se rvle tre de premire importance en analyse complexe, soit celle des
fonctions holomorphes. Une fonction continue est dite holomorphe si elle est
dfinie et drivable (au sens complexe) en tout point dun ouvert de C 13 . Ces
fonctions ont la proprit remarquable dtre localement analytiques, c.--d.
quelles admettent un dveloppement en srie de Taylor en chaque point de
louvert et lon peut toujours crire :
f (z) =
i z i
(2.60)
i=0
i Ai
(2.61)
i=0
Une fonction qui est holomorphe sur lensemble du plan complexe est
appele fonction entire. Pami les fonctions entires, on retrouve les fonctions
polynmiales et lexponentiation complexe. Lexponentiation dun oprateur
est dfinie par :
X
An
eA =
(2.62)
n!
n=0
En combinant 2.52d, 2.52g et 2.58, on dmontre quun oprateur commute avec toute fonction de lui-mme :
[A, f (A)] =
n [A, An ] = 0
(2.63)
n=0
2.5
167
f () puisque :
f (A) | i =
X
n An | i =
n n | i = f () | i
n=0
(2.64)
n=0
2.5
2.5.1
(2.65)
o {| i i} est une base hilbertienne. Cette relation est connue sous lappellation de relation de fermeture et elle exprime la compltude de la base.
Inversement, si un ensemble de vecteurs orthonorms {| i i} vrifie la relation de compltude, alors cet ensemble de vecteurs constitue bien une base
hilbertienne de lespace.
La relation de fermeture est extrmement utile pour simplifier ou obtenir
de nouvelles expressions. preuve, on retrouve les formules retenir
1.47, 1.48 et 1.49 du chapitre 1 sans effort grce la relation de fermeture :
168
|i = I |i =
hX
i
|iihi| |i
hi|i|ii
(1.47)
k k2 = h | i = h | I | i
hX
i
X
= h|
|iihi| |i =
h|iihi|i
i
hi|ihi|i =
|h i | i|2
(1.48)
hX
i
h|i = h|I |i = h|
|iihi| |i
i
X
=
h|iihi|i
(1.49)
2.5.2
Projecteurs
(2.67)
(2.68)
(2.69)
2.5.2
169
Projecteurs
1) un vecteur colinaire | i,
2) le vecteur nul | 0 i, correspondant au cas o les vecteurs | i et | i
sont orthogonaux.
Dans le premier cas, lquation aux valeurs propres nadmet de solutions que
ssi | i est lui aussi colinaire | i. Posons donc | i = | i pour un
non-nul. Lquation 2.68 scrit alors P | i = h | i | i ce qui se
rduit P | i = 1 | i. Le projecteur P admet donc la valeur propre nondgnre 1 laquelle correspond le vecteur propre | i. Dans le second cas,
tous les vecteurs non-nuls | i qui sont orthogonaux | i sont des vecteurs
propres de P correspondant la valeur propre 0 puisque lquation aux
valeurs propres se rduit P | i = | 0 i = 0 | i. Nous allons maintenant
dmontrer que la valeur propre 0 est (n 1) fois dgnre.
En effet, posons B = {| i}. Alors B = Vect(B) est un sous-espace
ferm de H qui contient tous les vecteurs colinaires | i. La dimension du
sous-espace B est 1 puisque la base B de ce sous-espace ne contient quun seul
lment. Dun autre ct, daprs la dfinition 1.27, B est le complment
orthogonal de B et consiste justement de lensemble de tous les vecteurs | i
qui sont orthogonaux | i. Cet ensemble constitue aussi un sous-espace
ferm de H, ce qui est confirm par lquation B = B 15 .
Ainsi, le projecteur P dcompose donc lespace de Hilbert en une somme
directe de deux sous-espaces complmentaires :
H = B B
Tout vecteur de B est vecteur propre de P correspondant la valeur propre
1 et tout vecteur de B est vecteur propre de P correspondant la valeur
propre 0. Si la dimension de H est n, alors la dimension de B est n 1, et
la multiplicit gomtrique de la valeur propre 0 est aussi de n 1.
Les projecteurs sont des endomorphismes idempotents dordre 2. En effet,
h
ih
i
P2 = | i h | | i h | = | i h | i h | = | i h | = P
(2.70)
puisque | i est unitaire et par consquent, h | i = 1. Ceci est tout fait
raisonnable puisquune premire application du projecteur P renvoie tout
vecteur | i dans le sous-espace B de sorte quune deuxime projection est
sans effet. Lidempotence de P implique par surcrot que seules les valeurs
propres 1 et 0 sont admissibles car :
(P2 P ) | i = (2 ) | i
(par 2.65)
0 | i = (2 ) | i
(par 2.70)
170
(2.71)
alors Pm est le projecteur orthogonal sur le sous-espace ferm B de dimension m. Il sagit en fait de loprateur qui correspond lapplication PB dite
de projection orthogonale que nous avons dj rencontre en 1.45. Ce constat
justifie de remplacer lcriture Pm par PB . Encore une fois, le projecteur PB
dcompose lespace de Hilbert en une somme directe de deux sous-espaces
complmentaires. Tout vecteur de B est vecteur propre de PB correspondant la valeur propre m fois dgnre 1 et tout vecteur de B est vecteur
propre de PB correspondant la valeur propre (n m) fois dgnre 0.
On dmontre facilement que loprateur PB est idempotent dordre 2. En
effet :
X
X
X
m
m
m
2
PB =
| i i h i |
| j i h j | =
| i i h i | j i h j |
=
i=1
m
X
i,j=1
j=1
ij | i i h j | =
i,j=1
m
X
| i i h i | = PB
i=1
2.5.2
171
Projecteurs
n
X
| i i h i |
i=1
vient confirmer que lensemble {| 1 i, | 2 i, . . . , | n i} de vecteurs indpendants et orthonorms constitue bel et bien une base hilbertienne de H.
2.5.2.1
m
X
| i i h i |
i=1
(2.73)
172
2.5.3
Oprateurs hermitiens
(2.74)
Lorsque loprateur hermitien est born, on parlera alors doprateur autoadjoint 17 . Les oprateurs hermitiens jouent un rle de toute premire importance en mcanique quantique.
Rappelons que, dans le cas gnral, lextraction dun oprateur de lintrieur dun bra seffectue selon :
h A | = h | A
(2.34)
(2.75)
Une consquence directe est que, lorsquil apparat dans lexpression dun
produit scalaire, un oprateur hermitien scrit indiffremment dun ct ou
de lautre du braket :
hA|i = h|Ai
(2.76)
Note. Noubliez jamais que les quations 2.75 et 2.76 ne sont valides que
pour des oprateurs hermitiens !
Les oprateurs vus jusqu maintenant sont tous hermitiens. En effet,
loprateur identit est un oprateur hermitien puisque I = I. De mme,
tout projecteur P est un oprateur hermitien puisque :
h
i
P = | i h | = h | | i = | i h | = P
Les proprits suivantes des oprateurs hermitiens sont dune importance
fondamentale autant en mcanique quantique quen informatique quantique.
1) les valeurs propres des oprateurs hermitiens sont toujours relles.
2) les vecteurs propres correspondants des valeurs propres distinctes
sont toujours orthogonaux.
16. Certains ouvrages parlent plutt doprateur hermitique.
17. Pour les espaces de dimension finie, les termes hermitien et auto-adjoint
sont interchangeables. Ce nest pas toujours le cas en dimension infinie si loprateur nest
pas born.
2.5.3
173
Oprateurs hermitiens
(2.36)
(2.77)
=
Ce rsultat quivaut dire que la valeur propre ne peut prendre quune
valeur relle.
Dmontrons maintenant la deuxime proprit. Soient :
A | i = 1 | i
et
A | i = 2 | i
avec 1 6= 2 . Alors,
h | A | i = 1 h | i
(2.78a)
h | A | i = 2 h | i
(2.78b)
(2.78c)
(2.79)
(2.80)
174
Si A est un oprateur hermitien, alors iA est un oprateur antihermitien. Rciproquement, si A est un oprateur antihermitien, alors iA est un oprateur
hermitien.
Par stricte analogie avec 2A-22, tout oprateur A peut tre dcompos
de faon unique en un oprateur hermitien et un oprateur antihermitien :
A
A + A
2 }
| {z
oprateur
hermitien
A A
2 }
| {z
(2.81)
oprateur
antihermitien
(2.83)
oprateur
hermitien
(2.84)
oprateur
antihermitien
Oprateurs positifs
2.5.3
175
Oprateurs hermitiens
h A i =
=
= h|A|i
(2.85)
|i
176
Notons que I est un oprateur dfini positif alors que P est un oprateur
positif puisquil admet gnralement la valeur 0 comme valeur propre.
Nous allons maintenant noncer un rsultat intermdiaire dont la dmonstration sera diffre la section 2.5.5.1. Pour tout oprateur positif A
de dimension finie, il est toujours possible de trouver un oprateur linaire
B tel que 19 :
A = BB
(2.86)
Si nous insistons pour que loprateur linaire B soit en plus un oprateur
positif, alors nous obtenons le rsultat important que
tout oprateur positif
1
2
possde une racine carre unique, dsigne par A ou A.
Soit , la valeur propre correspondant au vecteur propre | i de loprateur positif A. Puisque A est hermitien par dfaut, est une valeur relle.
De plus,
h|A|i = h||i = h|i =
et puisque h | A | i > 0 par dfinition, il sensuit que toutes les valeurs
propres dun oprateur positif sont non-ngatives. De plus, si A est un oprateur dfini positif, alors > 0. Nous venons effectivement de dmontrer le
thorme suivant :
Thorme 2.10 Un oprateur hermitien A est un oprateur positif ssi
toutes ses valeurs propres sont non-ngatives.
Il convient dcrire :
A>0
(2.87)
(B A) > 0
>0
2.5.4
Oprateurs unitaires
177
(2.88)
2.5.4
Oprateurs unitaires
Tous les oprateurs abords jusquici dans cette section taient hermitiens. Nous allons maintenant prsenter la deuxime catgorie doprateurs
en importance pour la mcanique quantique, soit les oprateurs unitaires.
Un oprateur linaire U est dit unitaire sil est inversible et que son
inverse soit gal son adjoint :
U 1 = U
(2.89)
(2.90)
k|U ik =
= k|ik
En dimension finie, la conservation de la norme caractrise entirement un
oprateur unitaire.
178
R, 0 6 < 2
(2.91)
Les valeurs propres dun oprateur unitaire sont donc des facteurs de phase.
Les oprateurs unitaires ont cette proprit en commun avec les oprateurs hermitiens que deux vecteurs propres correspondants deux valeurs
propres diffrentes sont orthogonaux. Soient :
U | i = ei1 | i
et
U | i = ei2 | i
A est hermitien
(2.92)
2.5.4
179
Oprateurs unitaires
Uik
Ukj
Uki
Ukj
Ukj = ij
(2.93a)
Uki
k
De faon similaire, on a :
X
Uik Ujk
= ij
(2.93b)
Changement de reprsentation
(2.94b)
Nous allons maintenant dmontrer que cette transformation S est unitaire. Dabord, puisque les vecteurs dune base hilbertienne sont orthonormaux, on a :
h i | j i = ij = h i0 | j 0 i
(2.95)
Dans lespace des bras, lquation 2.94a scrit :
h i0 | = h i | S
(2.96)
180
| j ih j | i i =
i I S | i i =
| j ih j | S | i0 i
i
| j i ji
i | i i = | i
SS = I
(2.97)
2.5.4
Oprateurs unitaires
181
qui naffecte pas le systme physique. Par opposition, une transformation qui
change ltat physique du systme est une transformation active.
En physique quantique, ltat du systme est modlis par le vecteur
dtat | i. Pour les fins de la discussion, on peut imaginer qu linstar dun
systme classique, le systme quantique possde une existence propre qui est
indpendante de toute reprsentation que lon choisit pour le dcrire 21 . Cependant, les systmes quantiques microscopiques sont sujets certaines subtilits qui chappent aux systmes classiques macroscopiques. Par exemple,
personne ne met en doute que le fait dobserver une comte distance
laide dun tlescope nexerce aucune influence sur la trajectoire suivie. De
plus dans le cas de la comte, la spcification simultane de sa position et de
sa vitesse tout moment, combine la connaissance des lois de la physique,
permet de prdire de faon prcise sa trajectoire, tant son volution future
que son historique passe.
Les systmes quantiques obissent toutefois une ralit bien diffrente.
Dune part, les systmes quantiques, tout comme le vecteur dtat qui les
modlise, ne sont pas directement observables. En fait, il est plus pertinent ici
de parler de mesure plutt que dobservation. Or, comme nous le verrons plus
en dtail au chapitre 3, la mesure dun systme quantique perturbe le systme
dune manire aussi irrvocable quimprvisible. Linterprtation orthodoxe
de la mcanique quantique postule dailleurs que les grandeurs physiques,
telles la position ou limpulsion, nont mme pas de valeurs dfinies avant
toute mesure. Rajoutez cel le fait quil soit physiquement impossible de
mesurer simultanment, avec prcision, et la position et limpulsion dune
particule microscopique et vous conviendrez que le monde quantique affiche
une ralit particulirement trange et non-familire, qui confond mme les
intervenants du domaine.
Est-ce que, en pratique, la notion de transformation passive conserve sa
pertinence en mcanique quantique ? Dans un sens plutt limit, la rponse
est oui. Elle dcrit le cas o il nexiste quun seul systme, mais deux observateurs transforms lun de lautre. Et encore faut-il tendre, dans cette
description, la notion de systme de faon englober la fois le systme
quantique ainsi que les appareils de mesure. Le cas o un unique observateur
maintient le systme quantique fixe alors quil transforme les appareils de
mesure 22 appartient un point de vue considr comme ntant ni actif ni
21. Cette hypothse de pense nous amne sur un terrain glissant. 90 ans de mcanique quantique nous mettent en garde contre le fait de conceptualiser un systme
quantique en termes classiques .
22. Par exemple, un observateur qui change lorientation spatiale dun dispositif de
Stern-Gerlach.
182
passif.
2.5.4.2
la section prcdente, nous avons mentionn que les vnements spatiotemporels possdent une existence propre, indpendante de tout systme de
coordonnes. La description de ces vnements peut seffectuer selon une
infinit de cadres de rfrence inertiels, tous aussi valides les uns que les
autres, et relis entre eux par la transformation de Lorentz. Lensemble de
ces cadres de rfrence de Lorentz forment une classe dquivalence.
Dans un manuel dinformatique quantique, on traite les lments de la
thorie, quil sagisse de vecteurs ou doprateurs, en tant quobjets gomtriques purs. Par exemple, lexpression
|i = A|i
nous dit que le vecteur | i est transform sous laction de loprateur A
en un autre vecteur de lespace, | i, ce qui savre, la plupart du temps,
tre une description suffisante pour nos besoins. Il convient de diffrencier
mentalement loprateur en tant quobjet gomtrique agissant sur lespace
de Hilbert de lune de ses rprsentations matricielles faisant intervenir une
base particulire.
Cest lorsque vient le temps de faire des calculs ou dutiliser lordinateur
que le besoin des lments de matrice devient impratif, et on na alors pas
dautre choix que de spcifier une reprsentation donne 23 . Mais toutes ces
reprsentations sont relies entre elles par une relation de similitude, soit :
B = U A U
o U est une transformation unitaire qui symbolise un changement de reprsentation. Il existe une infinit de matrices B semblables A et toutes ont la
potentialit de reprsenter le mme oprateur. Il convient alors denvisager
loprateur A comme la classe dquivalence de toutes ses reprsentations.
Nous allons maintenant tudier de quelle faon les reprsentations matricielles des oprateurs se transforment lors dun changement de base hilbertienne. Nous avons tabli que la transformation qui relie la base initiale
{| i i} la base finale {| i0 i} est unitaire. Dnotant cette transformation par
23. Nous verrons un peu plus loin quil existe une reprsentation naturelle pour un
oprateur hermitien, soit sa reprsentation propre.
2.5.5
183
Oprateurs normaux
h i0 | = h i | U
|ii = U |i i
hi| = hi |U
(2.98a)
(2.98b)
X
=
h k | U | i ih i | A | j ih j | U | l i
(2.99)
ij
Uki
Aij Ujl
ij
Puisque U = U 1 , un regard la dfinition 2A.6 nous permet de constater que les matrices qui caractrisent un mme oprateur lors dun changement de reprsentation sont effectivement relies par une relation de similitude. Par consquent, lors dun changement de reprsentation, les valeurs
propres dun oprateur sont conserves. Seuls les vecteurs propres changent.
2.5.5
Oprateurs normaux
(2.100a)
AA = A A
(2.100b)
ou encore,
Tout oprateur hermitien A est forcment normal puisque, par dfinition,
A = A et que tout oprateur commute avec lui-mme. Il en est de mme
pour tout oprateur unitaire puisque dans ce cas AA = A A = I.
Dans un espace de dimension finie, les oprateurs normaux possdent les
proprits suivantes :
184
A|i = |0i
A | i = | 0 i
Par consquent, un oprateur normal partage le mme noyau que son adjoint
(voir problme 2.19).
La proprit 2) demeure valide, que la valeur propre soit dgnre ou
non.
La proprit 3) explique la particularit des valeurs propres des oprateurs hermitiens et unitaires. En effet, dans tous les cas, on a :
A|i = |i
et
A | i = | i
(2.101)
( ) | i = | 0 i
et, par consquent, les valeurs propres sont relles. Si loprateur A est unitaire, alors A1 = A . Puisque | i = I | i, on a :
I | i = AA1 | i = AA | i = A | i = | i = ||2 = 1
Les valeurs propres dun oprateur unitaire sont donc des facteurs de phase.
On sait que les vecteurs propres correspondant des valeurs propres
distinctes des oprateurs hermitiens et unitaires sont orthogonaux entre eux.
Cette proprit partage trouve sa source dans la proprit 4) des oprateurs
normaux.
La proprit 5) snonce aussi sous la forme :
H = Ker(A) Im(A )
2.5.5
2.5.5.1
Oprateurs normaux
185
Nous commencons dabord par introduire le concept doprateur diagonalisable. Intuitivement, un oprateur A est diagonalisable si sa matrice
correspondante lest aussi. Rappelons quune matrice A est diagonalisable si
elle est en relation de similitude avec une matrice diagonale D, selon :
D = P 1 A P
(2.102)
(2.103)
(2.104)
186
| i ih i | =
i | i ih i |
(2.105)
alors,
f (A) =
f (i ) | i ih i |
2.5.5
187
Oprateurs normaux
i | i ih i |
i | i ih i |
Notons que cette dernire relation met bien en vidence le fait que A et A
partagent les mmes vecteurs propres et que le spectre de A est bien le
conjugu du spectre de A, ce que lon peut crire symboliquement :
(A ) = (A)
Dun ct, nous avons :
hX
ihX
i X
A A =
i | i ih i |
j | j ih j | =
i j | i ih i | j ih j |
i
i j ij
i,j
| i ih j | =
i,j
|i | | i ih i |
et de lautre,
A A =
hX
j
X
i,j
ihX
i X
j | j ih j |
i | i ih i | =
j i | j ih j | i ih i |
i
j i ji | j ih i | =
i,j
|i |2 | i ih i |
188
ce qui est consistant avec le fait que toute matrice 1 1 est une matrice
scalaire A = I, dj trivialement sous forme diagonale, que son quation
caractristique est A11 = 0 et que, dans un tel espace, la relation de
fermeture se rduit I = | 1 ih 1 |. Si = 0, nous sommes en prsence de
loprateur nul.
Passons maintenant au cas plus intressant o lespace de Hilbert (sur le
corps des complexes) est de dimension n. Le thorme fondamental de lalgbre nous assure alors que tout oprateur linaire A admet au moins une
valeur propre . Supposons, en toute gnralit, que la multiplicit gomtrique de cette valeur propre soit m, avec 1 6 m 6 n. Soit H , le sous-espace
propre correspondant cette valeur propre et reprsentons par P le projecteur orthogonal sur ce sous-espace.
P =
m
X
| i ih i |
(2.106)
(2.107)
(2.108)
(2.109)
2.5.5
189
Oprateurs normaux
(2.110)
(2.111)
A|H = P A P
(2.112)
(2.113)
(2.114)
(2.115)
190
(2.116)
(2.117)
(2.118)
normal. Pour cel, nous allons dabord dmontrer que P commute avec A
ainsi quavec son adjoint A . En effet,
AP = IAP = (P + P ) AP = P AP + P AP = P AP
= P AP + P AP = P A(P + P ) = P AI = P A
o nous avons tir avantage du fait que P AP = P AP = 0.
De plus, comme A est normal, il partage ses vecteurs propres et, a fortiori,
ses espaces-propres avec son adjoint A de sorte que :
A P = IA P = (P + P ) A P = P A P + P A P = P A P
= P A P + P A P = P A (P + P ) = P A I = P A
o nous avons utilis le mme subterfuge qu la ligne prcdente. Donc,
AP = P A
(2.119a)
A P = P A
(2.119b)
Finalement,
(P AP )(P AP ) = P AP P A P = P P AP A P
= P P AA P P = P P A AP P
= P A P P AP = (P AP ) (P AP )
2.5.5
191
Oprateurs normaux
P AP
n
X
i | i ih i |
(2.121)
192
k X
k
X
Pi Pj =
i=1 j=1
k
X
Pi Pi =
i=1
k
X
Pi = P1 + P2 + + Pk
i=1
La condition 2) nous dit que lespace de Hilbert est dcompos en sousespaces orthogonaux. De fait, H est dcompos selon les sous-espaces propres
de loprateur A qui, rappellons-le, sont orthogonaux entre eux :
H = H1 H2 Hk
(2.122)
Chacun des projecteurs sur ces sous-espaces propres prend une forme similaire 2.106.
La dcomposition 2.122 est en fait une forme de partition, c.--d. un
recouvrement de lespace par un ensemble de sous-espaces non-vides 24 et
deux deux disjoints.
Lensemble des kets | i i utiliss pour la construction des projecteurs
forment une base hilbertienne. En effet, pour respecter les conditions 3)
et 4), on doit avoir simultanment h i | i i = 1 et h i | j i = 0. Cette base hilbertienne constitue la reprsentation propre de loprateur A et les scalaires
i sont alors les valeurs propres de A. En bout du compte, dcomposition
spectrale est synonyme de diagonalisation unitaire.
Le tableau 2.2 liste les valeurs propres associes diffrents oprateurs
normaux.
Nous sommes en mesure de dmontrer un rsultat dj prophtis en 2.86,
soit que pour tout oprateur positif A, il est toujours possible de trouver un
oprateur linaire B tel que :
A = BB
(2.86)
Mais dabord dmontrons que tout oprateur positif possde une racine carre unique. Puisque A est positif, il est donc hermitien et a fortiori normal
et possde ainsi une dcomposition propre :
X
A=
i | i ih i |
(par 2.105)
i
24. Par sous-espace vide, nous entendons ici le sous-espace trivial {0}. Aucun des Hi
nest vide puisque chaque sous-espace propre possde au moins un vecteur propre.
2.5.5
193
Oprateurs normaux
Type doprateur
Valeurs propres
i = eii , i R
(facteur de phase)
i R
(rel)
i = ib, b R
(imaginaire pur)
i > 0
(rel)
i {0, 1}
(rel)
i = 1, i
(rel)
i = 0, i
(rel)
Unitaire
Hermitien
Anti-Hermitien
Positif
Projecteur
Identit
Nul
(2.123)
Puisque toutes les valeurs propres i sont les racines carres positives
1
uniques de nombres rels non-ngatifs, il sensuit que A 2 est unique et positif
(par le thorme 2.10). De plus,
Xp
Xp
Xp p
1
1
A2 A2 =
i | i ih i |
j | j ih j | =
i j | i ih i | j ih j |
i
ij
Xp p
Xp p
X
=
i j ij | i ih j | =
i i | i ih i | =
i | i ih i |
ij
=A
1
194
o U est une matrice unitaire. On vrifiera facilement que A 2 est alors donne
par :
1
A2 = U D U
1
0
..
.
D=
i
.
.
n
Pour obtenir la dcomposition 2.86, nous navons qu poser
1
B = U A2
1
2.5.5
195
Oprateurs normaux
(B)
(2.125)
(B)
H H 6= {0}
196
et B | i H
Mais H est une partie dun sous-espace propre la fois pour A et pour B
de sorte que, pour tout ket | i de H :
A|i = |i
B |i = |i
En conclusion, nimporte quelle base orthonorme {| i i}i=1,...,dim H de H
codiagonalise les oprateurs A et B dans ce sous-espace :
A|ii = |ii
B |ii = |ii
Et puisque,
H =
(B)
et
H=
M
(A)
H =
(A)
(B)
2.6
Dcomposition polaire*
2.6
197
Dcomposition polaire*
( gauche)
(2.126a)
A = P1 U
( droite)
(2.126b)
(2.127a)
P = + P 2 = A A
(2.127b)
Puisque tout oprateur positif est normal, P 2 est unitairement diagonalisable. Dans sa reprsentation propre {| ri i}, en dsignant ses valeurs propres
par 2i , P 2 scrit :
X
P2 =
2i | ri ih ri |
i
198
q
correspondant la valeur propre i = + 2i > 0. P est donc dfini de faon
unique par :
X
P =
i | ri ih ri |
i
et il est facile de vrifier que P est positif puisque pour tout vecteur unitaire
| i, on a :
X
h|P |i =
i |h ri | i|2 > 0
i
(2.128)
(par 2.127a)
h P | P i = h A | A i
k P | i k2 = k A | i k2
En particulier,
| i,
P |i = 0
A|i = 0
(2.130)
puisque h ri | rj i = ij .
Normalisons ensuite tous les vecteurs | i i :
| li i =
A | ri i
| i i
=
i
i
(2.131)
2.6
199
Dcomposition polaire*
Nous prtendons que la famille {| li i} ainsi obtenue constitue une base hilbertienne. En effet,
h i | j i
h A ri | A rj i
h ri | A A | rj i
=
=
i j
i j
i j
2
2
j h ri | rj i
h ri | P | rj i
j
=
=
=
ij
i j
i j
i
h li | lj i =
(i = 1, . . . , n)
(2.132)
Nous sommes maintenant en mesure de prouver que A = U P en dmontrant que laction de U P sur chacun des vecteurs de la base hilbertienne
{| ri i} est identique laction de A.
U P | ri i = i U | ri i
= i | li i
i
=
| i i = | i i
i
= A | ri i
(par 2.128)
(par 2.132)
(par 2.131)
(par 2.129)
Donc,
A = UP
(2.133)
(2.134)
(2.135)
P1 = AA
200
(2.136)
dim nk
o le sous-espace propre H=0 nest nul autre que Ker(P ) car pour tout
vecteur | i H=0 ,
P |i = 0|i = 0
et le seul vecteur | i H6=0 pour lequel P | i = 0 est le vecteur nul.
Dun autre ct, puisque le noyau de A est un sous-espace ferm, on a :
H = Ker(A) Ker(A)
| {z }
| {z }
dim k
dim nk
2.6
201
Dcomposition polaire*
A | ri i
i
(i = 1, . . . , n k; i 6= 0)
(i = n k + 1, . . . , n)
(i = 1, . . . , n)
(i = 1, . . . , n k)
(i = n k + 1, . . . , n)
(par 2.36)
A + A A A
+
2
2
202
Puisque les valeurs propres dun oprateur hermitien sont relles et que celles
dun oprateur anti-hermitien sont purement imaginaires, on peut tablir une
analogie entre la dcomposition de loprateur A ci-dessus et la reprsentation dun nombre complexe sous forme algbrique. Mais tout nombre complexe possde aussi une reprsentation sous forme exponentielle qui sinspire
des coordonnes polaires (r, ) du point correspondant dans le plan cartsien :
z = rei
Cest cette forme exponentielle des nombres complexes que la dcomposition polaire fait rfrence. Dune part, il y a ce lien, dvoil en 2.92, qui existe
entre les oprateurs hermitiens et unitaires et, de lautre, il y a la convention dcriture pour les oprateurs positifs discute en 2.87. Par exemple, la
dcomposition polaire droite
A = P1 eiH
avec P1 > 0 et U = eiH pour un H hermitien, est lquivalent, dans lespace
des oprateurs, de la forme exponentielle des nombres complexes.
Mentionnons, en terminant, que la dcomposition polaire nest gnralement plus possible en dimension infinie.
2.7
Oprateurs borns*
Jusqu prsent, nous nous sommes concentrs sur les proprits algbriques des oprateurs linaires, en ngligeant laspect topologique des espaces sur lesquels ils oprent. Puisque, pour des espaces vectoriels topologiques, les notions de point et de vecteur se confondent, il conviendra dcrire
simplement lorsquil sera question dun point de lespace, en se rservant
| i pour les vecteurs. Aussi nous chercherons, dans un premier temps,
diffrencier les formes linaires par lutilisation de lettres minuscules.
Soient deux espaces vectoriels norms U et V. En gros, une application
borne est une application linaire dont limage de toute partie borne de
U est une partie borne de V. Mais puisque toute partie borne de U peut
tre ramene lintrieur de la boule unit par une translation et, au besoin,
une rduction uniforme par un facteur dchelle k appropri 26 , il est plus
pratique davoir recours la dfinition quivalente suivante.
Dfinition 2.5 Soient deux espaces vectoriels norms U et V. On dit
dune application linaire A : U V quelle est borne si limage de la
boule unit de U est une partie borne de V.
26. Techniquement, une homothtie vectorielle de rapport k < 1.
2.7
203
Oprateurs borns*
Quantitativement, cela signifie quil existe une constante relle C > 0 telle
que, pour tout vecteur unitaire | i de U :
k A | i kV 6 C
k | i kU = 1
(2.137)
(2.140)
204
Pour f Lc (H, R) ou Lc (H, C), on peut laisser tomber les indices dans
lingalit 2.140 et crire simplement :
kf |ik 6 kf k k|ik
(2.141)
(2.142)
et par linarit,
lim k | n i | i kU = 0 = lim k A | n i A | i kV = 0
2.7
205
Oprateurs borns*
Ainsi, aprs tout le mal que nous nous sommes donns pour amliorer le sort
de Lc (H, K), il savert que les formes linaires continues taient dj bornes
par dfaut ! Par dpit, partir de maintenant, si nous parlons volontiers
dapplication borne ou doprateur born, nous nous en restreindrons aux
formes linaires continues.
Notre intrt principal tient aux endomorphismes de lespace de Hilbert,
correspondant au cas U = V = H. Lensemble des oprateurs borns sur
H est dsign simplement par B(H). Puisque le produit de deux oprateurs
borns de B(H) est aussi un oprateur born, il sert dfinir un algbre
doprateurs borns sur lespace de Hilbert.
Rajoutons enfin que, si A, B B(H), alors
kAB k 6 kAkkB k
(2.143)
Nous pouvons utiliser la notion doprateur born pour tendre aux espaces de Hilbert de dimension infinie certains des rsultats importants valids
pour des espaces de dimension finie, en particulier le thorme 1.6.
Thorme 2.17 (Thorme de Riesz) Soit une forme linaire continue
f H0 sur un espace de Hilbert de dimension infinie. Alors il existe un
unique vecteur | i H tel que
f (| i) f (| i) = h | i
pour tout | i H.
Cest une proprit des espaces de Hilbert que toute forme linaire continue de H0 peut scrire sous la forme dun produit scalaire avec un vecteur
fixe de H. Le thorme de Riesz permet dtablir un isomorphisme entre un
espace de Hilbert et son dual topologique. En effet, soit lapplication I :
I : H H0
7 f
Selon le thorme de Riesz, chaque forme linaire de H0 correspond un
point de lespace H. Lapplication I est donc surjective et puisque ce point
correspondant est unique, elle est aussi injective. Par consquent, les deux
espaces sont isomorphes.
En dimension finie, tous les oprateurs linaires sur un espace de Hilbert
sont borns, donc continus, et le thorme 1.6 nest quun cas particulier du
thorme de Riesz.
On se sert du thorme de Riesz pour dmontrer lexistence de loprateur
adjoint.
206
(2.144)
pour tout | i, | i H.
Loprateur A est appel loprateur adjoint de A.
Dfinition 2.6 Un oprateur born A sur un espace de Hilbert H est
appel auto-adjoint si A = A.
Pour un oprateur auto-adjoint, lquation 2.144 scrit simplement :
h A | i = h | A i
En dimension infinie, tout oprateur born admet un oprateur adjoint.
Malencontreusement, certains des oprateurs les plus fondamentaux de la
mcanique quantique ont la fcheuse proprit de ne pas tre borns. Il est
cependant toujours possible de leur dfinir un oprateur adjoint, mais leur
domaine de dfinition ne stend plus lespace entier.
Proposition 2.19 Soient un espace de Hilbert H de dimension infinie
sur le corps des complexes C et A B(H), un oprateur born. Alors,
1) A = A
2) k A k = k A k
3) k A A k = k A k2
Dmonstration.
1) Lgalit 2.144 tient aussi en particulier pour | i = | i, soit
h A | i = h | A i
(2.145a)
(2.145b)
(2.145c)
2.7
207
Oprateurs borns*
En galant 2.145b et 2.145c, on obtient
h A | i = h A | i
Prenons encore une fois le conjugu de chaque ct :
h | A i = h | A i
Extrayons maintenant les oprateurs des kets de droite :
h | A | i = h | A | i
(2.146)
(par 1.18)
= h|A Ai
6 k | i k k A A | i k
(par 2.146)
(par Cauchy-Schwartz)
6 k|ikkA kkA|ik
(par 2.141)
do lon tire
k A | i k 6 k A k k | i k
(2.147)
Cette dernire ingalit tant valide pour toute valeur de | i, il sensuit que k A k est une valeur possible pour la constante C dans 2.137.
Or comme k A k est la plus petite borne suprieure de lensemble des
majorants possibles, il sensuit que
k A k 6 k A k
(2.148)
(2.149)
(2.150)
208
(2.151)
(2.152)
(2.154)
2.7
209
Oprateurs borns*
Reprenons lquation 2.141 en prenant soin de bien spcifier f .
k f ( | i) k 6 k f k k | i k
(2.155)
Nous pourrions raisonnablement laisser tomber le symbole f en remplacant f simplement par . Lquation 2.154 conserve un sens symbolique,
|i
(2.156)
h|
(2.157)
Par dfinition, h |( | i) = f ( | i) = h | i, mais mme sans cette information, si on laisse tomber les parenthses dans lexpression de gauche,
27. Par exemple, le dual algbrique H est un espace vectoriel et, en tant que tel,
il est toujours possible de lui assigner son propre espace dual, le double dual H . En
dimension finie, on a toujours H = H . Lisomorphisme entre H et H est un exemple
disomorphisme canonique.
210
2.8
211
Problmes du Chapitre 2
2.8
Problmes du Chapitre 2
Problmes
2
i
A = i 2
1 i
1
i
2
212
ou
A = LJN JL
2.8
213
Problmes du Chapitre 2
Problme 2.11. Trace dun oprateur. Dmontrez que :
X
|h i | A | j i|2 = Tr(AA )
i,j
h | A | i est rel, | i
(2.158)
Indice. Utilisez le fait que pour tout oprateur positif A, il est toujours
possible de trouver un oprateur linaire B tel que A = B B.
3) Pour tout oprateur positif A, on a Tr(A) > 0, avec
Tr(A) = 0 = A = 0
Problme 2.16. Oprateurs unitaires. Tout oprateur unitaire se
dcompose selon selon :
U=
U + U
U U
+i
= A + iB
2
2i
Dmontrez que :
1) A et B sont hermitiens
2) [A, B] = [A, U ] = [B, U ] = 0
214
Problmes supplmentaires
Problme 2.20. Dterminant. En vous servant uniquement de la
formule 2A-33, prouvez les proprits 1-11 des dterminants.
Problme 2.21. Oprateurs positifs. Dmontrez le thorme 2.10.
Problme 2.22. Dcomposition polaire. Trouvez les dcompositions polaires gauche et droite des matrices suivantes.
1 i
1
i
1 1
a)
,
b)
,
c)
i 2
i 2
1 0
Problme 2.23. Application borne. Dmontrez le thorme 2.16.
Problme 2.24. Thorme de Riesz. Dmontrez le thorme 2.17.
Problme 2.25. Existence de loprateur adjoint. Dmontrez
le thorme 2.18.
Annexes
du
Chapitre 2
2.A
217
Les matrices
Annexe 2.A
Les matrices
Nous limiterons notre tude aux matrices de dimension finie dont les
coefficients sont des scalaires.
2.A.1
x11 x1n
y11 y1n
.
.
..
..
..
.
xij
.
yij
.
+ .
xm1 xmn
ym1 ymn
x11 + y11
.
.
=
.
xij + yij
xm1 + ym1
x11 x1n
x11
.
.
.
.
.. = ..
xij
xij
.
xm1 xmn
xm1
x1n
..
.
xmn
x1n + y1n
..
(2A-1a)
.
xmn + ymn
(2A-1b)
218
Annexe 2A
aik bkj
(2A-2)
Notons que si les matrices A et B sont conformes, ce nest pas ncessairement le cas pour les matrices B et A. De fait, le produit BA nest dfini que
si m = p. Et mme si A est de dimension m n et que B est de dimension
n m, les matrices rsultant des produits AB et BA sont respectivement
des matrices carres de dimension m m et n n. Ainsi, il est tout fait
vident que si m 6= n, alors AB 6= BA. Donc, la loi de composition interne
dfinissant le produit vectoriel nest globalement stable que ssi m = n = p.
Par consquent, lalgbre matriciel est donc un algbre de matrices carres 28 , ne sappliquant uniquement quaux espaces vectoriels Mn,n (K). Les
lments neutres additif et multiplicatif de cet algbre sont respectivement :
0Mn,n
0 0
.
..
.
=
. 0 .
0 0
et
1Mn,n
1 0
.
..
.
=
. 1 .
0 1
(2A-3)
De plus, la multiplication est distributive sur laddition et la multiplication scalaire commute avec la multiplication matricielle :
A(B + C) = AB + BC
(2A-4a)
C(A + B) = CA + CB
(2A-4b)
(A)(B) = ()AB
(2A-4c)
28. Une matrice carre de dimension n n est dite matrice carre dordre n.
2.A.2
219
Un simple exemple suffit pour dmontrer que cet algbre nest pas commutatif :
0 1
1 0
0 0
=
1 0
0 0
1 0
1 0
0 1
0 1
=
0 0
1 0
0 0
Donc, en gnral :
AB 6= BA
(2A-5)
2.A.2
Parmi les oprations fondamentales que lon puisse effectuer sur les matrices, il y en a deux qui sont particulirement importantes, soient la transposition et la conjugaison.
La transpose dune matrice A, dnote AT sobtient en inversant les
lignes et les colonnes de A. Les lments de AT sont donns par :
aT
ij = aji
Par exemple :
(2A-6)
(2A-7a)
(2A-7b)
(A) = A ,
(2A-7c)
(AB)T = B T AT
(2A-7d)
220
Annexe 2A
1
2 3+i
i 2i
A= 8
3i 4
0
(2A-8)
1
2 3i
i
2i
A = 8
3+i 4
0
(2A-9)
(2A-10)
Il est facile de dmontrer que les oprations de transposition et de conjugaison commutent, c.--d. que :
(AT ) = (A )T
(2A-11)
(2A-12)
aij = (aT
ij ) = aji
(2A-13)
(2A-14a)
(A + B) = A + B
(AB) = B A
(2A-14b)
(2A-14c)
2.A.3
2.A.3
221
Dfinition 2A.1 Une matrice carre est dite symtrique si elle est gale
sa transpose :
A = AT
(2A-15)
En termes des lments de la matrice A, cel revient dire que :
aij = aji
Voici quelques exemples
1 0
0 2
0 0
(2A-16)
de matrices symtriques :
0
0 1 2
1 0 3i
0
,
3
2 3i 0
(2A-17)
(2A-18)
0
1 2
0
i
1 i
1 0
i
3
0
3i
,
2 3 0
1 + i 3i
0
Notons que tous les lments diagonaux dune matrice antisymtrique
sont ncessairement nuls. En effet, par 2A-18, on se doit davoir :
aii = aii
ce qui entrane ncessairement que aii = 0, i. Une matrice peut toutefois
avoir tous ses lments diagonaux nuls et tre symtrique, comme cest le
cas dans lexemple donn plus haut.
222
Annexe 2A
A + AT
2 }
| {z
matrice
symtrique
A AT
2 }
| {z
(2A-19)
matrice
antisymtrique
Par exemple :
6 4 8
6 4 4
0 0 4
4 2 0 = 4 2 3 + 0 0 3
0 6 2
4 3 2
4 3 0
2.A.4
Dfinition 2A.3 Une matrice est dite hermitienne si elle est gale
sa matrice adjointe :
A = A
(2A-20)
Si
A = A
(2A-21)
A + A
2 }
| {z
matrice
hermitienne
A A
2 }
| {z
(2A-22)
matrice
antihermitienne
2.A.5
Le dterminant
2.A.5
223
Le dterminant
a11 a1n
.
..
.. a
A=
.
ij
an1 ann
a11 a1n
.
..
.
det(A) = . aij
.
an1 ann
Nous allons dabord poursuivre une approche pratico-pratique, de Laplace, qui nous permettra de calculer la valeur du dterminant de nimporte
quelle matrice carre. Pour cela, nous devons introduire les concepts de mineurs et de cofacteurs.
Le mineur Mij dune matrice carre A dordre n est le dterminant de la
sous-matrice dordre n 1 obtenue en liminant la fois la ime range et la
j me colonne de A. Par exemple :
6 4 8
A = 4 2 0 ,
0 6 2
M11
2 0
,
=
6 2
M22
6 8
,
=
0 2
M32
6 8
=
4 0
Le cofacteur Cij nest rien dautre que le mineur Mij affect dun signe
1 selon la formule :
Cij = (1)i+j Mij
(2A-23)
Le tableau suivant montre le
cofacteurs :
+
+
.
..
Une matrice carre dordre 1 ne contient quun unique lment. Le dterminant dune telle matrice est donc gal la valeur de cet lment. Ainsi,
si A = (a11 ) alors |A| = a11 .
Pour obtenir la valeur des dterminants des matrices carres dordre suprieur 1, il convient dutiliser les formules de dveloppement de Laplace :
det(A) =
det(A) =
n
X
j=1
n
X
i=1
aij Cij
(2A-24a)
aij Cij
(2A-24b)
224
Annexe 2A
a11
A = a21
a31
matrice dordre 3 :
a12 a13
a22 a23
a32 a33
2.A.5
a11
a21
a31
225
Le dterminant
a12
a22
a32
a13
a a a + a12 a23 a31 + a13 a21 a32
a23 = 11 22 33
a11 a23 a32 a12 a21 a33 a13 a22 a31
a33
(2A-26)
a b
c d
c d
a b
(2A-27)
b a
d c
(2A-28)
226
Annexe 2A
=
=
a b
m
c d
a b
c d +
(2A-29a)
e f
c d
(2A-29b)
(FAUX !)
(2A-30)
ijk
2.A.5
227
Le dterminant
Plus spcifiquement, on a :
123 = 231 = 312 = +1
132 = 213 = 321 = 1
et pour toutes les autres valeurs des indices, par exemple 112 , 232 , 333 , le
symbole de Levi-Civita vaut zro.
Lexamen minutieux de la formule (2A-26) rvle que le dterminant
dune matrice carre dordre 3 consiste en une somme de 3! = 6 termes,
o chaque terme rsulte dun produit dun lment de chaque range et
de chaque colonne. De plus, la moiti de ces termes sont affects dun signe
positif et la moiti dun signe ngatif. Le dterminant peut alors tre exprim
comme suit :
3 X
3 X
3
X
det(A) =
ijk a1i a2j a3k
(2A-32)
i=1 j=1 k=1
in =1
228
Annexe 2A
(2A-35)
(2A-36)
Proprit 10 :
h
i
det(A ) = det(A)
(2A-37)
h
i
det(A ) = det(A)
(2A-38)
Une matrice est dite singulire lorsque son dterminant est gal zro.
linverse, une matrice est non-singulire lorsque son dterminant est diffrent
de zro.
Le produit de deux matrices non-singulires donne aussi une matrice
non-singulire.
2.A.6
2.A.6
229
1
det(A)
(2A-40)
(2A-41a)
(AB)1 = B 1 A1
T 1
(A )
= (A
(2A-41b)
1 T
(2A-41c)
alors
C=
d c
b a
230
Annexe 2A
1
ad bc
d
d b
= ad bc
c
c a
ad bc
b
ad bc
a
ad bc
Dfinition 2A.4 Une matrice orthogonale Mn,n (R) est une matrice
carre sur le corps des rels qui est inversible et dont linverse est gal sa
transpose :
A1 = AT
(2A-43)
Le dterminant dune matrice orthogonale est gal 1. En effet :
det(AA1 ) = det(AAT ) = det(I)
det(A) det(AT ) = det(A) det(A) = 1
(prop. 9, 10)
det(A)2 = 1
et, par consquent, det(A) = 1.
Dfinition 2A.5 Une matrice unitaire Mn,n (C) est une matrice carre
sur le corps des complexes qui est inversible et dont linverse est gal son
adjointe :
A1 = A
(2A-44)
Si A et B sont deux matrices unitaires de mme ordre, alors leur produit
donne aussi une matrice unitaire.
(AB)1 = B 1 A1 = B A = (B )T (A )T
= [(A )(B )]T = [(AB) ]T = (AB)
Le dterminant dune matrice unitaire est un nombre complexe dont le
module est gal 1. En effet :
|AA1 | = |AA | = |I|
|A| |A | = 1
|A| |A| = 1
(prop. 1, 10)
(prop. 12)
2.A.7
231
2.A.7
n
X
aii
(2A-45)
i=1
La trace est une forme linaire dont voici les proprits principales :
Tr(A + B) = Tr(A) + Tr(B)
(2A-46a)
Tr(A) = Tr(A)
(2A-46b)
Tr(AT ) = Tr(A)
(2A-46c)
Tr(AB) = Tr(BA)
(2A-46d)
k=1 i=1
232
Annexe 2A
a11 a1n
.
..
.. a
A=
.
ij
an1 ann
comme la juxtaposition de n vecteurs-colonnes appartenant Mn,1 (K) :
a11
a12
a1j
a1n
2.A.8
(2A-47)
2.A.8
233
Cette dernire quation est appele quation aux valeurs propres. Les vecteurs
non-nuls | 1 i qui satisfont lquation sont appels vecteurs propres et les
scalaires correspondants sont appels valeurs propres. Notons que si une
valeur propre peut avoir la valeur zro, ce nest jamais le cas pour un vecteur
propre. La faon correcte dinterprter lquation 2A-47 est de dire que le
sous-espace vectoriel engendr par le vecteur | 1 i demeure invariant sous
laction de A.
On peut manipuler lquation 2A-47 lgrement pour obtenir dabord
A | 1 i I | 1 i = 0 et ensuite factoriser le vecteur propre :
(A I) | 1 i = 0
(2A-48)
Supposons un instant que la matrice (A I) de dimension n n soit inversible. Alors limplication suivante est invitable :
(A I)1 (A I) | 1 i = (A I)1 0 = | 1 i = 0
Or un vecteur propre ne peut tre nul. Cest dire que la matrice (A I)
se doit dtre non-inversible ou singulire. Par consquent, son dterminant
doit tre nul :
|(A I)| = 0
(2A-49a)
Cette dernire quation est lquation caractristique de la matrice A qui
scrit de faon plus explicite :
a11
a12
a1n
a21
a22
a2n
(2A-49b)
..
=0
..
..
..
.
.
.
.
an1
an2
ann
Ce dterminant est en fait un polynme de degr n en appel polynme
caractristique, que dnoterons par Pn (). Ainsi, les valeurs propres de A
sont les racines de Pn (). Par le thorme fondamental de lalgbre, on sait
quil existe exactement n racines complexes de lquation Pn () = 0. Notons
que ces racines ne sont pas ncessairement toutes distinctes. Lensemble de
toutes les valeurs propre {i } de A sappelle le spectre de A. Sil existe une ou
plusieurs racines multiples de lquation caractristique, on dit que le spectre
est dgnr.
On peut facilement trouver les quations caractristiques des matrices
dordre 2 et 3. Pour lordre 2, lquation caractristique est :
a
b
=0
c
d
234
Annexe 2A
2.A.8
235
1 0 0
A = 0 3 0
0 0 3
Alors lquation caractristique est (1 )(3 )2 = 0 et les valeurs propres
sont 1 (A (1) = 1) et 3 (A (3) = 2). la valeur propre 3, on peut associer
les deux vecteurs-colonnes suivants :
0
0
| 1 i = 1 ,
| 2 i = 0
0
1
car on vrifie immdiatement que A | 1 i = 3 | 1 i et A | 2 i = 3 | 2 i.
Lorsque plusieurs vecteurs propres sont associs une mme valeur propre,
toute combinaison linaire de ces vecteurs propres est aussi un vecteur propre.
A [ | 1 i + | 2 i] = A [ | 1 i] + A [ | 2 i] = [A | 1 i] + [A | 2 i]
= [ | 1 i] + [ | 2 i] = [ | 1 i] + [ | 2 i]
= [ | 1 i + | 2 i]
Dans notre exemple on pourra vrifier que le vecteur :
0
| 3 i = 2 | 1 i + 5| 2 i = 2
5
est aussi vecteur propre associ la valeur propre dgnre 3 de la matrice
A.
Cest une des raisons pour lesquelles les physiciens sont moins intresss
par les vecteurs propres eux-mmes que par les sous-espaces vectoriels engendrs par ces mmes vecteurs propres. Et cest ce qui conduit la notion
de multiplicit gomtrique.
La multiplicit gomtrique dune valeur propre i , dnote G (i ), est la
dimension du sous-espace vectoriel engendr par les vecteurs propres qui lui
sont associs. On pourrait tre tent croire que la multiplicit algbrique
31. Les implications pour la thorie de la mcanique quantique sont discutes la section
TBD.
236
Annexe 2A
concide toujours avec la multiplicit gomtrique, mais ce nest pas ncessairement toujours le cas. De fait, la multiplicit gomtrique dune valeur
propre i est toujours plus petite ou gale sa multiplicit algbrique :
1 6 G (i ) 6 A (i )
(2A-50)
2.A.9
237
Matrices semblables
2.A.9
Matrices semblables
Dfinition 2A.6 Deux matrices A et B sont dites semblables ou similaires sil existe une matrice inversible P telle que :
B = P 1 A P
La similitude est une relation dquivalence.
Il est facile de dmontrer que deux matrices semblables ont les mmes
valeurs de dterminant et de trace :
det(B) = det(P 1 A P ) = det(P 1 ) det(A) det(P )
1
=
det(A) det(P ) = det(A)
det(P )
Tr(B) = Tr(P 1 A P ) = Tr(P P 1 A) = Tr(I A) = Tr(A)
(par 2A-46d)
238
Annexe 2A
2.A.10
Matrices diagonisables
Dfinition 2A.7 Une matrice A est diagonisable sil existe une matrice
inversible P telle que la matrice semblable D = P 1 A P est une matrice
diagonale.
Puisque A et D sont semblables, elles partagent la mme quation caractristique. Un des avantages dune matrice diagonale est quil est trivial
dobtenir son quation caractristique puisque :
d11
0
0
0
d22
0
..
=0
..
..
..
.
.
.
.
0
0
dnn
donne immdiatement
(d11 )(d22 ) . . . (dnn ) = 0
2.A.10
239
Matrices diagonisables
et lon constate de visu que les valeurs propres dune matrice diagonale sidentifient avec les lments diagonaux. La trace et le dterminant dune matrice
diagonale sobtiennent respectivement en prenant la somme et le produit de
leurs valeurs propres (compte tenu de la multiplicit algbrique). Si le spectre
dune matrice diagonale contient la valeur zro, alors le dterminant est nul.
Les rsultats obtenus au dernier paragraphe se gnralisent toute matrice carre dordre n, quelle soit diagonale ou non. Ainsi, si le spectre de A
est {i }, alors :
Tr(A) =
A (i ) i
(2A-52a)
A (i )
(2A-52b)
det(A) =
P 1 = P = I
240
Annexe 2A
2.A.11
Matrices normales
Dfinition 2A.8 Une matrice A est dite normale si elle commute avec
son adjointe :
A A = AA
Parmi les matrices normales, on retrouve entre autres :
les matrices diagonales
les matrices relles symtriques
les matrices relles antisymtriques
les matrices orthogonales
les matrices hermitiennes
les matrices antihermitiennes
les matrices unitaires
Mais cette liste nest pas exhaustive. Par exemple la matrice :
1 0 i
A = i 1 0
0 1 1
2.A.11
241
Matrices normales
1 0 i
1 i 0
1 i
i 1 0 0 1 1 = 0 1
0 1 1
i 0 1
i 0
0
1 0 i
2 i i
1 i 1 0 = i 2
1
1
0 1 1
i 1
2
242
Bibliographie
[1] Ahlfors, Lars. Complex Analysis. McGraw-Hill, 3me dition, 1979.
[2] Bourbaki, N. Topologie gnrale, chapitres 1-4. Springer-Verlag Berlin
et Heidelberg GmbH & Co. K, rimpression inchange de ldition 1971,
2006.
[3] Cohen-Tannoudji C., Diu B. et Lalo F. Mcanique quantique, Tome I.
Hermann, 1997.
[4] Dirac, P.A.M. The Principles of Quantum Mechanics. Oxford University
Press, 4me. dition, 1958.
[5] Gelfand, I.M. et Vilenkin, N.Ya. Les distributions, Vol 4 - Applications
de lanalyse harmonique. Dunod, Paris, 1967.
[6] Gieres, Franois. Formalisme de Dirac et surprises en mcanique quantique. http: // arxiv. org/ abs/ quant-ph/ 9907070 , 1999.
[7] Heisenberg, Werner. ber quantentheoretische umdeutung kinematischer und mechanischer beziehungen. Zeitschrift fr Physik, 33 :879
893, Sept. 1925.
[8] Madrid, Rafael de la. Quantum Mechanics in Rigged Hilbert Space language. Thse de doctorat, Universit de Valladolid, 2001.
[9] Madrid, Rafael de la. The role of the Rigged Hilbert Space in Quantum
Mechanics. http: // arxiv. org/ abs/ quant-ph/ 0502053 , 2005.
[10] Morin, Edgar. Introduction la pense complexe. ditions du Seuil,
nouvelle dition, 2005.
[11] Needham, Tristan. Visual Complex Analysis. Clarendon Press, 1997.
[12] von Neumann, Johann. Mathematische Grundlagen der Quantenmechanik. Berlin, Springer, 1932.
[13] Penrose, Roger. The Road to Reality - A complete guide to the laws of
the universe. Vintage Books, 2006.
244
BIBLIOGRAPHIE
[14] Schrdinger, Erwin. Quantisierung als eigenwertproblem (Erste mitteilung.). Annalen der Physik, 79 :361376, 1926.
[15] Schrdinger, Erwin.
Uber das verhaeltnis der Heisenberg-BornJordanschen quantenmechanik zu der meinen. Annalen der Physik,
79 :489527, 1926.
[16] Schwartz, Laurent. Thorie des distributions. Hermann, nouveau tirage,
1997.
Index
adhrence, 32, 4647, 112
dans un espace mtrique, 31
algorithme de Gram-Schmidt,
42, 5355
application, 7
bijection, 8
injection, 8
surjection, 8
application linaire, 9, 134
image, 134
inversible, 146
non-singulire, 136
noyau, 134
nullit, 135
rang, 135
base dun espace vectoriel, 6
base hilbertienne, 46, 5557
boule ouverte, 23, 24, 26
combinaison linaire, 4, 44
commutateur, 163
compacit, 119
locale, 124
relative, 129
continuit, 105, 106, 108
en un point, 107
squentielle, 111
covecteur, 12, 66, 209
dcomposition polaire, 197
246
espace vectoriel, 78
complexe, 3
de fonctions, 4
norm, 19
espace de Banach, 38
rel, 3
sous-espace, 4
espace dtat, 65, 133
ferm, 98
forme linaire, 9
homomorphisme, 109
identit de Parseval, 43
ingalit de Bessel, 46, 52
ingalit de Cauchy-Schwartz,
17, 20
indpendance linaire, 5
isomorphisme, 9
isomtrique, 34
mtrique, 22
euclidienne, 23
hermitienne, 24
triviale, 22
matrice, 217
adjointe, 220
conjugue, 220
des cofacteurs, 229
diagonalisable, 240
hermitienne, 222
inversible, 229
normale, 240
orthogonale, 230
rang, 231
semblable, 237
singulire, 228
symtrique, 221
trace, 231
transpose, 219
INDEX
unitaire, 230
norme, 18
quivalente, 21
euclidienne, 20
hermitienne, 20
uniforme, 21, 60
notation de Dirac,
bra, 66
ket, 66
produit scalaire, 66
oprateur adjoint, 152, 206
oprateur linaire, 147
auto-adjoint, 206
hermitien, 172
identit, 167
normal, 183
positif, 175
spectre, 159
trace, 162
unitaire, 177
ouvert, 97
produit scalaire, 13
canonique sur Cn , 17
canonique sur Rn , 15
euclidien, 14
hermitien, 16
reprsentation, 146
propre, 186
suite convergente, 110
dans lespace L2 , 62
dans un espace de Hausdorff, 114
dans un espace mtrique, 30, 31,
36
dans un espace topologique, 110
dans un espace vectoriel norm,
38
INDEX
suite de Cauchy, 33
thorme de Heine-Borel, 120
thorme de Cayley-Hamilton, 237
thorme du rang, 135
thorme de Riesz, 205
topologie, 97
base topologique, 26, 102
discrte, 98, 117
grossire, 98, 111
induite, 104
plus (moins) fine, 100
triplet de Gelfand, 69
RHS, 69
valeur propre, 159
multiplicit algbrique, 160
multiplicit gomtrique, 160, 235
vecteur, 78
dtat, 65
de coordonnes, 10
orthogonal, 14
position, 23
unitaire, 19
vecteur propre, 159
voisinage dun point, 99
247
248
INDEX