Eve13 3

20-1- 2014
J.F.C.
Eve p. 1
ALGEBRE
BILINEAIRE
I PRODUIT SCALAIRE
1. D
enitions
2. Caract
erisations
3. Premi`
eres propri
et
es
4. Des exemples
5. Norme euclidienne associ
ee `
a un produit scalaire
6. Vecteur unitaire
II ORTHOGONALITE
1. Premiers
el
ements
2. Bases orthogonales et bases orthonormales ou orthonorm
ees
3. Orthogonal dun sous-espace vectoriel dun espace vectoriel euclidien
4. Un exemple classique
III CONSTRUCTION DE BASES ORTHOGONALES
ET DE BASES ORTHONORMEES
1. Laspect th
eorique
2. Laspect pratique version 1
3. Laspect pratique version 2
4. Dans un concours
IV PROJECTION ORTHOGONALE
1. D
enition
2. Premi`
eres caract
erisations
3. Expression de la projection orthogonale pF dans une base orthonorm
ee de F
4. Laspect pratique
5. Le th
eor`
eme fondamental : la caract
erisation dune projection orthogonale par minimisation de la norme
6. Une remarque importante
7. Une application du th
eor`
eme fondamental. M
ethode des moindres carr
es
J.F.C.
Eve p. 2
ENDOMORPHISMES ET MATRICES SYMETRIQUES
0. Quelques rappels sur les matrices sym

etriques (resp. antisym
etriques)
1. D
enition dun endomorphisme sym
etrique
2. Caract
erisation des endomorphismes sym
etriques
3. Quelques propri
et
es
4. Une nouvelle caract
erisation des projections orthogonales
5. R
eduction dun endomorphisme sym
etrique et dune matrice sym
etrique
6. Laspect pratique de la r
eduction des endomorphismes et des matrices sym
etriques
VI SAVOIR FAIRE
VII COMPLEMENTS
1. Egalit
e dans lin
egalit
e triangulaire
2. Matrice dun endomorphisme sym
etrique des une base orthonorm
ee
3. Une caract
erisation des bases orthonorm
ees
4. Un peu plus sur les matrices orthogonales
5. Matrice dun produit scalaire
6. Encore des propri
et
es des endomorphismes sym
etriques
7. Caract
erisations des matrices sym
etriques
8. Caract
erisation des projections orthogonales again
9. Encadrement de Rayleigh
10. Matrices sym
etriques positives (resp. d
enies positives)
11. Racine carr
ee sym
etrique et positive (resp. d
enie positive) dune matrice sym
enie positive) de Mn (R)
12. R
ealisation de la distance dun vecteur `
a un sous-espace dans un espace pr
ehilbertien
13. Adjoint dun endomorphisme dun espace vectoriel euclidien
14. Endomorphisme orthogonal
15. Base orthonorm
ee de Rn [X] d
eduite de la base canonique (1, X, . . . , Xn ) de Rn [X] par le
proc
ed
e dorthonormalisation de Schmidt
16. D
ecomposition polaire dune matrice inversible de Mn (R)
17. D
ecomposition dIwasawa dune matrice inversible de Mn (R)
18. D
ecomposition de Cholesky dune matrice sym
etrique d
enie positive
19. Th
eor`
eme de Courant-Fischer
J.F.C.
Eve p. 3
20. Endomorphismes antisym

etriques
21. D
ecomposition spectrale dune matrice sym
etrique
22. Caract
erisation des normes euclidiennes
` EVITER
VIII DES ERREURS A
IX PRATIQUES OU RHETORIQUES
USUELLES
TOUTES FAITES
1. Produit scalaire
2. Orthogonal dun sous-espace
3. Diagonalisation dun endomorphisme sym
etrique
4. Diagonalisation dune matrice sym
etrique `
a coecients r
eels
X LES BONS COUPS DE BILI-NEAIRE

THE KID
POUR AMELIORER
TON EUCLIDIENNE ATTITUDE
J.F.C.
Eve p. 4
ALGEBRE
BILINEAIRE
I Si vous trouvez quelques coquilles dans ces feuilles merci de me les signaler (jean-francois.cossutta@wanadoo.fr).
P Mentionne des resultats particulièrement utiles et souvent oublies dans la pratique de lalgèbre bilineaire...
Mentionne des erreurs à ne pas faire ou des hypothèses importantes ou des mises en garde.
SD Mentionne des resultats quil serait bon de savoir demontrer.

Dans ce qui suit, sauf mention du contraire, E est un espace vectoriel sur R .
Notons que le programme dalgèbre bilineaire de 2014 est très proche du precedent.
PRODUIT SCALAIRE
I 1. D
enitions
D
ef. 1 On appelle produit scalaire sur E toute application de E E dans R veriant :
1. (x, y, z) E 3 , R, ( x + y, z) = (x, z) + (y, z)
( est lineaire à gauche).
2. (x, y, z) E 3 , R, (x, y + z) = (x, y) + (x, z)
( est lineaire à droite) .
3. (x, y) E 2 , (y, x) = (x, y)

4. x E, (x, x) > 0
( est symetrique).
( est positive).
5. x E, (x, x) = 0 = x = 0E
( est denie).
Ainsi un produit scalaire sur E est une forme bilin

eaire sur E, sym
etrique et d
efinie positive.
Dans toute la suite nous utiliserons, le plus souvent la notation < ., . > pour designer un produit scalaire. On
trouve assez souvent les notations : (.|.) ou (., .).
D
ef. 2 On appelle espace pr
ehilbertien r
eel, tout couple (E, < ., . >) o`
u E est un espace vectoriel sur R et
(x, y) < x, y > un produit scalaire sur E.
On appelle espace vectoriel euclidien, tout espace prehilbertien reel de dimension nie.
I 2. Caract
erisations
Th. 1
Soit (x, y) < x, y > une application de E 2 dans R.
< ., . > est un produit scalaire sur E si et seulement si :

1. (x, y, z) E 3 , R, < x + y, z >= < x, z > + < y, z >.
2. (x, y) E 2 , < y, x >=< x, y >.
3. x E, < x, x > > 0.
4. x E, < x, x >= 0 = x = 0E .
J.F.C.
Soit (x, y) < x, y > une application de E 2 dans R.
Th. 2
Eve p. 5
< ., . > est un produit scalaire sur E si et seulement si :

1. (x, y, z) E 3 , R, < x, y + z >= < x, y > + < x, z >.
2. (x, y) E 2 , < y, x >=< x, y >.
3. x E, < x, x > > 0.
4. x E, < x, x >= 0 = x = 0E .
Notons donc que < ., . > lineaire à gauche (resp à droite) et symetrique donne < ., . > bilineaire et symetrique.
NNN Dans toute la suite < ., . > est un produit scalaire sur E donc (E, < ., . >) est un espace prehilbertien reel.
Lorsque cela sera nessaire, nous preciserons si E est un espace euclidien. A defaut E est donc un espace prehilbertien.
I 3. Premi`
eres propri
et
es
Prop. 1 1. x E, < x, 0E >=< 0E , x >= 0.
2. (x, y) E 2 , < x, y >= < x, y >=< x, y > .
Prop. 2
p et q sont deux elements de N . (xi )16i6p et (yj )16j6q sont deux familles delements de E.
(i )16i6p et (j )16j6q sont deux familles de reels. Alors :

=
j=1
p
q
i j < xi , yj >.
i=1 j=1
I 4. Des exemples
1 E = Rn . Si x = (x1 , x2 , . . . , xn ) et y = (y1 , y2 , . . . , yn ) sont deux elements de Rn , on pose :
< x, y >=
xk yk .
k=1
< ., . > est un produit scalaire sur Rn . Cest le produit scalaire canonique de Rn .

y1
x1
x2
y2

2 E = Mn,1 (R). Si X =
... et Y = .. sont deux elements de Mn,1 (R), on pose :
.
xn
yn
< X, Y >=
xk yk = t XY = t Y X.
k=1
< ., . > est un produit scalaire sur Mn,1 (R). Cest le produit scalaire canonique de Mn,1 (R).
3 E = Mn,p (R) . Si A = (aij ) et B = (bij ) sont deux elements de E on pose
< A, B >=
p
n
aij bij = tr(t A B).
i=1 j=1
< ., . > est un produit scalaire sur E. Cest le produit scalaire canonique de Mn,p (R).
J.F.C.
4 E = Rn [X]. Si P =
ak X k et Q =
Eve p. 6
bk X k sont deux elements de Rn [X], on pose :
k=0
k=0
< P, Q >=
ak bk .
k=0
< ., . > est un produit scalaire sur Rn [X]. Cest le produit scalaire canonique de Rn [X].
5 E = C([a, b], R) est lespace vectoriel des fonctions numeriques continues sur [a, b] (a < b) et p est une fonction
numerique continue et strictement positive sur [a, b].
Si f et g sont deux elements de E on pose :
< f, g >=
f (t) g(t) p(t) dt.

a
< ., . > est un produit scalaire sur E.

I 5. Norme euclidienne associ
ee `
a un produit scalaire
Th. 3 Lin
egalit
e de Cauchy-Schwarz. Soient x et y deux elements de E.
1. | < x, y > | 6 < x, x > < y, y >

et
(< x, y >)2 6< x, x > < y, y >.
2. | < x, y > | = < x, x > < y, y > si et seulement si (x, y) est liee.
Cor. 1 x = (x1 , x2 , . . . , xn ) et y = (y1 , y2 , . . . , yn ) sont deux elements de Rn .
v
n
n

u

u 2
xk
xk yk 6 t

k=1
v
u n
u
t
yk2 .
k=1
n
(
k=1
)2
xk yk
k=1
k=1
x2k
yk2 .
k=1
Cor. 2 Soit f et g deux fonctions numeriques continues sur [a, b].

f (t)g(t) dt 6
f 2 (t) dt
g 2 (t) dt.
)2
f (t)g(t) dt 6
g 2 (t) dt.
f (t) dt
D
ef. 3 On appelle norme sur un K-espace vectoriel E (K = R ou C) toute application N de E dans R+ veriant :
N1
x E, N (x) = 0 x = 0E .
N2
x E, K, N (x) = ||N (x).
N3
(x, y) E 2 , N (x + y) 6 N (x) + N (y).
Th. 4 et d
ef. 4 Lapplication qui à tout element x de E associe
< x, x > est une norme sur E.
Cest la norme associ

ee au produit scalaire < ., . >. On parle de norme euclidienne.
Dans la suite nous noterons x la norme dun element x de E cest à dire le reel positif
alors par la norme associee au produit scalaire < ., . >.
< x, x >, nous designerons
J.F.C.
Eve p. 7
Th. 5 x E, x = 0 x = 0E .
x E, R, x = ||x.
(x, y) E 2 , x + y 6 x + y (inegalite de Minkovski).
Th. 6 In
egalit
e de Cauchy-Schwarz again
1. | < x, y > | 6 x y
et
x et y sont deux elements de E.
(< x, y >)2 6 x2 y2 .
2. | < x, y > | = x y si et seulement si (x, y) est liee.

Prop. 3 (x, y) E 2 , x y 6 x + y 6 x + y.

(x, y) E 2 , x y 6 x y 6 x + y.
Th. 7 Identit
es remarquables
x + y2 = x2 + 2 < x, y > +y2 .
x y2 = x2 2 < x, y > +y2 .
< x + y, x y >= x2 y2 .
Th. 8 Encore une identit
e remarquable x1 , x2 , ..., xp sont p elements de E.
x1 + x2 + + xp 2 =
i=1
Th. 9 Identit
es de polarisation
< x, y >=
xi 2 + 2
< xi , xj >.
16i<j6p
]
1[
x + y2 x2 y2 .
2
< x, y >=
< x, y >=
]
1[
x2 + y2 x y2 .
2
]
1[
x + y2 x y2 .
4
Th. 10 Identit
e du parall
elogramme (x, y) E 2 , x + y2 + x y2 = 2 x2 + 2 y2 .
I 6. Vecteur unitaire
D
ef. 5 Un vecteur unitaire ou norm
e de E est un vecteur dont la norme vaut 1.
Au niveau des polynomes il ne faudra pas confondre les deux notions dunitaire. Une bonne lecture du texte
ou le contexte permettent de lever les ambiguites.
Prop. 4 1. Si x est un vecteur non nul de E,
1
x est un vecteur unitaire de E.
x
2. Un droite vectorielle de E contient exactement deux vecteurs unitaires qui sont opposes.
J.F.C.
II
Eve p. 8
ORTHOGONALITE
I 1. Premiers
el
ements
D
ef. 6 1. On dit que deux elements x et y de E sont orthogonaux si leur produit scalaire est nul, autrement dit
si < x, y >= 0.
2. Un
el
ement x de E est orthogonal `
a une partie A de E si x est orthogonal à tous les elements de
A.
3. Deux parties A et B de E sont orthogonales si tout vecteur de A est orthogonal à tout vecteur
de B.
4. Lorthogonal dune partie A de E est lensemble des vecteurs de E orthogonaux à A. On note A
cet orthogonal et A lorthogonal de A .
Th. 11 Th
eor`
eme de Pythagore. x et y sont deux elements de E
x et y sont orthogonaux si et seulement si x + y2 = x2 + y2
ou : < x, y >= 0 x + y2 = x2 + y2 .
Prop. 5 Si (x1 , x2 , . . . , xn ) est une famille delements de E deux à deux orthogonaux :
x1 + x2 + + xn 2 = x1 2 + x2 2 + + xn 2 .
Th. 12 1. E = {0E }.
2. {0E } = E.
3. Soit F un sous-espace vectoriel de E.
F est un sous-espace vectoriel de E.
F F = {0E }.
F F .
P E = {0E } sutilise souvent de la manière suivante. Pour montrer quun vecteur de E est nul on montre
quil est orthogonal à tous les elements de E. Ou pour montrer que deux vecteurs x et y de E sont egaux on montre
que x y est orthogonal à tous les elements de E.
Prop. 6 F et G sont deux sous-espaces vectoriels de E. F G donne G F .
Prop. 7
P F et G sont deux sous-espaces vectoriels de E. Si F et G sont orthogonaux alors F G = {0E }.
Prop. 8 F et G sont deux sous-espaces vectoriels de E. Les assertions suivantes sont equivalentes.
i) F et G sont orthogonaux.
ii) F G .
iii) G F .
J.F.C.
Eve p. 9
Prop. 9 F et G sont deux sous-espaces vectoriels de E respectivement engendres par (u1 , u2 , . . . , up ) et

(v1 , v2 , . . . , vq ).
P 1. F = {x E | i [[1, p]], < x, ui >= 0}.

P 2. F et G sont orthogonaux si et seulement si : (i, j) [[1, p]] [[1, q]], < ui , vj >= 0.
I 2. Bases orthogonales et bases orthonormales ou orthonorm
ees
D
ef. 7 Soit (xi )iI une famille delements de E.
(xi )iI est une famille orthogonale de E si les elements de cette famille sont deux à deux orthogonaux.
(xi )iI est une famillle orthonormale ou orthonorm
ee delements de E si les elements de cette famille
sont unitaires et deux à deux orthogonaux.
Prop. 10 1. Toute famille orthogonale constituee de vecteurs
non nuls
est libre.
2. Toute famille orthonormee est libre.

D
ef. 8 On appelle base orthogonale de E toute famille orthogonale de E qui en est une base.
On appelle base orthonormale ou orthonorm
ee de E toute famille orthonormale ou orthonormee
de E qui en est une base.
Avant 2005 le programme parlait de base orthonormale. Entre 2005 et 2103 il parlait de base orthonormee. Après
2014 le programme mentionne les deux appellations. Quon se le dise...
Th. 13
PP Les bases canoniques de Rn , Mn,p (R), Mn,1 (R), M1,n (R), Rn [X] sont othonormees pour les produits
scalaires canoniques de ces espaces vectoriels.
Th. 14
PP Soit B = (e1 , e2 , . . . , en ) une base orthonormee de E. Soit x un element de E.

x=
< x, ek > ek .
k=1
Th. 15
PP Soit B = (e1 , e2 , . . . , en ) une base orthonormee de E. Soient x et y deux vecteurs de E de

coordonnees respectives (x1 , x2 , . . . , xn ) et (y1 , y2 , . . . , yn ) dans cette base. Soient X et Y les matrices de
x et y dans B.
< x, y >=
xk yk = t XY = t XY .
v
u n
u
x = t
x2k = t XX = X.
k=1
k=1
Prop. 11 B = (e1 , e2 , . . . , en ) est une base dun espace vectoriel reel E.

1. Il existe un produit scalaire < ., . > sur E et un seul qui rend la base B = (e1 , e2 , . . . , en ) orthonormee.
2. x =
k=1
xk ek E, y =
k=1
yk ek E, < x, y >=
xk yk .
k=1
3. Dans les espaces vectoriels reels usuels, le produit scalaire canonique est celui qui rend la base
canonique orthonormee.
D
ef. 9 Une matrice P de Mn (R) est orthogonale si elle verie P t P = t P P = In .
J.F.C.
Eve p. 10
Prop. 12 Une matrice P de Mn (R) est orthogonale si et seulement si elle est inversible et son inverse est sa
transposee.
Th. 16 Changement de bases orthonorm
ees.
Soit B = (e1 , e2 , . . . , en ) et B = (e 1 , e 2 , . . . , e n ) deux bases orthonorm
ees de E.
La matrice de passage P de B `
a B est orthogonale. Ainsi P t P = t P P = In et P 1 = t P .
Soit B = (e1 , e2 , . . . , en ) une base orthonormee de E. Soit B = (e 1 , e 2 , . . . , e n ) une famille delements
Prop. 13 de E.
Soit P la matrice de la famille B dans la base B.
B est une base orthonormee de E si et seulement si P est une matrice orthogonale.
Th. 17 Dans un espace vectoriel euclidien on peut completer une famille orthonormee en une base orthonormee.
Th. 18 Tout espace vectoriel euclidien de dimension non nulle possède une base orthonormee.
Th. 19 On suppose que E est de dimension n .
1. Toute famille orthogonale de n vecteurs non nuls de E est une base orthogonale de E.
2. Toute famille orthonormee de n vecteurs de E est une base orthonormee de E.
I 3. Orthogonal dun sous-espace vectoriel dun espace vectoriel euclidien
Th. 20 Soit F un sous-espace vectoriel dun espace vectoriel euclidien E .
E = F F et F = F .
F est lunique supplementaire de F orthogonal à F .
P
SD Ce resultat ne vaut pas dans un espace prehilbertien reel quelconque. Neanmoins il reste vrai dans
le cas important o`
u E est un espace prehilbertien reel et o`
u F est un sous-espace vectoriel de E de dimension nie.
Si F et G sont deux sous-espaces vectoriels orthogonaux de E, on evitera de dire que G = F ou F = G .
F et G orthogonaux signie F G ou (et ! !) G F . Cependant :
Prop. 14 Si F et G sont deux sous-espaces vectoriels de E orthogonaux et suppl
ementaires alors G = F
(et F = G ).
Notons que ce resultat vaut dans un prelhibertien mais pas sa reciproque.
Prop. 15
F est un sous-espace vectoriel de lespace vectoriel euclidien E distinct de {0E } et E.
Si B est une base orthonormee de F et B est une base orthonormee de F alors B B est une base
orthonormee de E.
Prop. 16
F est un sous-espace vectoriel de lespace vectoriel euclidien E distinct de {0E } et de E.
Soit (e1 , e2 , . . . , ep ) une base orthonormee de F qui se complète en une base orthonormee (e1 , e2 , . . . , en )
de E.
F est le sous-espace vectoriel de E engendre par (ep+1 , ep+2 , . . . , en ). Mieux (ep+1 , ep+2 , . . . , en ) est une
base orthonormee de F .
J.F.C.
Prop. 17
Eve p. 11
B = (e1 , e2 , . . . , en ) est une base orthonorm

ee de E. a1 , a2 , ..., an sont n reels non tous nuls.
1. Lorthogonal de la droite vectorielle engendree par a1 e1 + a2 e2 + + an en est lhyperplan dequation

a1 x1 + a2 x2 + + an xn = 0 dans B.
2. Lorthogonal de lhyperplan dequation a1 x1 + a2 x2 + + an xn = 0 dans B est la droite vectorielle
engendree par a1 e1 + a2 e2 + + an en .
I 4. Un exemple classique
Prop. 18 Dans Mn (R), pour le produit scalaire canonique, lorthogonal du sous-espace vectoriel Sn (R) des matrices symetriques de Mn (R) est le sous-espace vectoriel An (R) des matrices antisymetriques de Mn (R).
Dans Mn (R), pour le produit scalaire canonique, lorthogonal du sous-espace vectoriel An (R) des matrices antisymetriques de Mn (R) est le sous-espace vectoriel Sn (R) des matrices symetriques de Mn (R).
Prop. 19 Le sous-espace vectoriel des matrices symetriques de Mn (R) et le sous-espace vectoriel des matrices
antisymetriques de Mn (R) sont supplementaires et orthogonaux dans Mn (R) muni du produit scalaire
canonique.
Mn (R) = Sn (R)
An (R) . Rappelons que dim Sn (R) =
n (n + 1)
n (n 1)
et dim An (R) =
2
2
J.F.C.
III
Eve p. 12
CONSTRUCTION DE BASES ORTHOGONALES
ET DE BASES ORTHONORMEES
I 1. Laspect th
eorique
Th. 1 Soit (u1 , u2 , . . . , un ) une base quelconque de E.
Il existe une base orthonorm
ee de E et une seule (w1 , w2 , . . . , wn ) telle que pour tout k appartenant à
[[1, n]] :
1. Vect(w1 , w2 , . . . , wk ) = Vect(u1 , u2 , . . . , uk ).
2. < wk , uk > est strictement positif.
(w1 , w2 , . . . , wn ) est LA base orthonormee deduite de (u1 , u2 , . . . , un ) par le procede dorthonormalisation
de Schmidt.
Il convient de noter que :
w1 est LE vecteur unitaire de Vect(u1 ) qui verie < w1 , u1 > > 0.
Pour tout k element de [[2, n]], wk est LE vecteur unitaire de la droite vectorielle constituee par lorthogonal
de Vect(u1 , u2 , . . . , uk1 ) dans Vect(u1 , u2 , . . . , uk ) qui verie < wk , uk > > 0.
I 2. Laspect pratique version 1
On se replace dans la situation du theorème precedent.
Pour construire la base (w1 , w2 , . . . , wn ) on utilise la methode de Schmidt basee sur lalgorithme suivant.
On construit dabord w1 . Pour cela on pose w1 = u1 et on cherche tel que w1 = 1 et < w1 , u1 >> 0.
Supposons que lon ait construit (w1 , w2 , . . . , wk1 ) pour k dans [[2, n 1]]. On construit alors wk .
Pour cela on pose wk = 1 w1 + 2 w2 + + k1 wk1 + k uk .
En ecrivant que wk est orthogonal à wi on exprime i en fonction de k pour tout i dans [[1, k 1]].
On trouve alors k en utilisant wk = 1 et < wk , uk >> 0.
1
1
u1 et k [[2, n]], wk =
tk avec tk = uk
 wi .
u1
tk
i=1
k1
Notons que : w1 =
I 3. Laspect pratique version 2

Le conseil du Coach La methode precedente est interessante mais assez lourde. La machine le fait très bien nous
un peu moins bien... Le fait de normer les vecteurs à chaque etape complique les calculs et les expressions. Le mieux
est donc de commencer par construire une base orthogonale et den deduire la base orthonormee mentionnee
dans le resultat theorique en multipliant chacun des vecteurs par linverse de leur norme. Ce qui suit propose une
methode pour realiser cet objectif.
J.F.C.
PP
Eve p. 13
Soit (u1 , u2 , . . . , un ) une base quelconque de E.
Pour construire cette base orthogonale (v1 , v2 , . . . , vn ) à partie de (u1 , u2 , . . . , un ) on procède de la manière suivante.
On pose v1 = u1 .
Supposons que lon ait construit (v1 , v2 , . . . , vk1 ) famille orthogonale de E telle que :
Vect(v1 , v2 , . . . , vk1 ) = Vect(u1 , u2 , . . . , uk1 ) (k [[1, n 1]]).
On construit alors vk . Pour cela on pose vk = uk + 1 v1 + 2 v2 + + k1 vk1 .
En ecrivant que vk est orthogonal à vi on calcule i pour tout i dans [[1, k 1]].
On obtient alors vk = uk
k1
i=1
< uk , vi >
< uk , vi >
vi = u k
vi .
< vi , v i >
vi 2
i=1
k1
Th. 2 Soit (u1 , u2 , . . . , un ) une base quelconque de E.

Soit (v1 , v2 , . . . , vn ) la famille delements de E denie par la recurrence suivante :
v1 = u1 et k [[2, n]], vk = uk
k1
i=1
< uk , vi >
< uk , vi >
vi = uk
vi .
< vi , vi >
vi 2
i=1
k1
1. (v1 , v2 , . . . , vn ) est une base orthogonale de E telle que :

k [[1, n]], Vect(v1 , v2 , . . . , vk ) = Vect(u1 , u2 , . . . , uk ).
2. Posons k [[1, n]], wk =
1
vk . (w1 , w2 , . . . , wn ) est lunique base orthonormee de E telle que :
vk
PP
La pratique pour les esprits simples...

Pour construire une base orthonormee (w1 , w2 , . . . , wn ) à partie de (u1 , u2 , . . . , un ) on procède de la manière suivante.
Etape
1 On pose v1 = u1 .
Etape
2 On pose v2 = u2 + v1 et on cherche pour que v2 soit orthogonal à v1 .
Etape
3 On pose v3 = u3 + v1 + v2 et on cherche et pour que v3 soit orthogonal à v1 et v2 .
Et ainsi de suite...
1
vk . (w1 , w2 , . . . , wn ) est une base orthonormee de E.
vk
Mieux cest LA base orthonormee de E deduite de (u1 , u2 , . . . , un ) par le procede dorthonormalisation de Schmidt.
Ne reste plus qu à poser, pour tout k dans [[1, n]], wk =
I 4. Dans un concours
Dans les concours les deux questions classiques sont :
Construire la base orthonorm
ee d
eduite de (u1 , u2 , . . . , un ) par le proc
ed
e dorthonormalisation de
Schmidt.
Montrer que (w1 , w2 , . . . , wn ) est la base orthonorm
ee d
eduite de (u1 , u2 , . . . , un ) par le proc
ed
e
dorthonormalisation de Schmidt.
J.F.C.
IV
Eve p. 14
PROJECTION ORTHOGONALE
Dans cette section, sauf mention du contraire, E est un espace vectoriel euclidien .
On note < ., . > le produit scalaire deni sur E et . la norme associee. On rappelle alors que si F est un sous-espace
vectoriel de E, F et F sont supplementaires.
I 1. D
enition
D
ef. 1 Soit F un sous-espace vectoriel de lespace vectoriel euclidien E. La projection orthogonale sur F nest
autre que la projection sur F parallèlement à F .
Si F est un sous-espace vectoriel de lespace prehilbertien E on peut denir la projection orthogonale sur F
dès que F est un supplementaire de F dans E. Cest par exemple le cas si F est de dimension nie.
I 2. Premi`
eres caract
erisations
Prop. 1 F est un sous-espace vectoriel de lespace vectoriel euclidien E. pF est la projection orthogonale sur F .
Si x et y sont deux elements de E :
{
pF (x) = y
yF
x y F
En clair les proprietes pF (x) F et x PF (x) F sont caracteristiques de la projection orthogonale

de x sur F .
Th. 3
PP F est un sous-espace vectoriel de lespace vectoriel euclidien E. pF est la projection orthogonale

sur F .
{
pF (x) = y
yF
z F, < x y, z >= 0
On retiendra de ce r
esultat quil nest pas n
ecessaire de connatre F pour trouver la projection
orthogonale de x sur F.
I 3. Expression de la projection orthogonale pF dans une base orthonorm
ee de F.
Th. 4
PP F est un sous-espace vectoriel de E et (u1 , u2 , . . . , up ) est une base orthonormee de F .

pF est la projection orthogonale sur F . Pour tout element x de E :
pF (x) =
< x, uk > uk .
k=1
Jai note p la dimension de F alors que cest k dans programme... Mais jassume...
J.F.C.
Eve p. 15
P E est un espace vectoriel euclidien et B est une base orthonormee de E.
Th. 5
F est un sous-espace vectoriel de E et (u1 , u2 , . . . , up ) est une base orthonorm

ee de F .
Pour tout k dans [[1, p]], Uk est la matrice de uk dans la base B. pF est la projection orthogonale sur F .
Alors la matrice de pF dans la base B est
Uk t Uk , donc MB (pF ) =
k=1
Uk t Uk .
k=1
Notons que ce resultat est un + du programme 2014.

Cor. 1
P D est une droite vectorielle de E et pD est la projection orthogonale sur D.

Si u est un vecteur unitaire de D, pour tout element x de E : pD (x) = < x, u > u.
Si u est un vecteur non nul de D, pour tout element x de E : pD (x) =
Cor. 2
< x, u >
u.
u2
P E est un espace vectoriel euclidien de dimension n superieure ou egale à 2. H est un hyperplan de E

et pH est la projection orthogonale sur H.
Si u est un vecteur unitaire orthogonal `
a H, pour tout element x de E : pH (x) = x < x, u > u.
Si u est un vecteur non nul orthogonal `
a H, pour tout element x de E : pH (x) = x
< x, u >
u.
u2
I 4. Laspect pratique
P (E, < ., . >) est un espace vectoriel euclidien (ou un prehilbertien....). F est un sous-espace vectoriel de E
et pF est la projection orthogonale sur F . (u1 , u2 , . . . , up ) est une base quelconque de F .
x est un element de E. Pour trouver pF (x) on peut :
M1 Utiliser pF (x) F et x pF (x) F (resp. pF (x) F et z F, < x pF (x), z >= 0).
M2 Construire une base orthonormee (w1 , w2 , . . . , wp ) de F et utiliser : pF (x) =
< x, wk > wk .
k=1
M3 Poser pF (x) =
xk uk . On cherche alors (x1 , x2 , . . . , xp ) en ecrivant que x pF (x) est orthogonal
k=1
à F donc à tous les elements de la base (u1 , u2 , . . . , up ) de F . On obtient rapidement :

i [[1, p]], < x, ui >=< pF (x), ui >=
k=1
< uk , ui > xk =
 xk .
k=1
Ceci donne un système lineaire de p equations à p inconnues que lon resout.

< x, u1 >
x1
x2
< x, u2 >
.
Ce système secrit matriciellement AX = B o`
u A = (< ui , uj >), X =
..
... et B =
.
xp
< x, up >
A est une matrice inversible de Mp (R) (A est la matrice de la restriction du produit scalaire à F dans la base
(u1 , u2 , . . . , up )). Le système admet donc une solution et une seule (ce qui nest pas un scoop...).
Ne pas oublier de regarder au prealable si F est un hyperplan. Dans ce cas on determine pF (F est une droite
vectorielle...) et on utilise pF = IdE pF .
J.F.C.
Eve p. 16
I 5. Le th
eor`
eme fondamental : la caract
erisation dune projection orthogonale par min-
imisation de la norme
D
ef. 2 Soient A une partie non vide dun espace prehilbertien E et x un element de E.
La distance de x `
a A est la borne inferieure de lensemble {x z ; z A}. On la note d(x, A).
d(x, A) = Inf x z.
zA
Il convient de remarquer que d(x, A) existe toujours car {x z ; z A} est une partie non vide et minoree
de R mais quil nexiste pas toujours un element a de A tel que d(x, A) = x a. Autrement dit Min x z
zA
nexiste pas toujours.

Th. 6 Th
eor`
eme de meilleure approximation
Soit F un sous-espace vectoriel de lespace vectoriel euclidien E et pF (resp. pF ) la projection orthogonale sur F (resp. F ).
Soit x un element de E.
1. z F, x pF (x) 6 x z.
Si t est un element de F tel que : z F, x t 6 x z alors t = pF (x).
2. Autrement dit Min x z existe et vaut x pF (x). De plus pF (x) est lunique element de F qui
zF
realise ce minimum.
pF (x) est donc lunique element de F tel que d(x, F ) = x pF (x).
La projection orthogonale de x sur F est la meilleure approximation de x par un element de F .
3. d2 (x, F ) = x pF (x)2 = x2 pF (x)2 = x2 < x, pF (x) >= pF (x)2 .
On est prie de remarquer que ce theorème contient 3 choses.
LEXISTENCE dun minimum pour la partie {x z | z F } de R+ .
pF (x) est lunique element de F qui realise ce minimum ou qui realise la distance de x à F .
Le carre de la distance de x à F vaut x pF (x)2 ou x2 pF (x)2 ou x2 < x, pF (x) > ou encore
pF (x)2 . P
Notons que la quantite x2 < x, pF (x) > est souvent la plus simple à calculer.
La formulation du programme...
Th. 7 Caract
erisation de la projection orthogonale par minimisation de la norme.
Soit F un sous-espace vectoriel de lespace vectoriel euclidien E et pF la projection orthogonale sur F .
y = pF (x) y F et x y = Inf x z ou y = pF (x) y F et x y = Min x z.

zF
zF
I 6. Une remarque importante

Il est important de savoir que ce qui precède vaut encore dans un espace prehilbertien reel E pourvu que
F F = E. Rappelons que cest le cas lorsque F est de dimension nie. Do`
u limportance de connatre les
demonstrations de ces resultats que les concepteurs recyclent souvent lorsquils souhaitent vous faire travailler dans
les prehilbertiens reels quelconques.
J.F.C.
Eve p. 17
I 7. Une application du th
eor`
eme fondamental. M
es
Th. 8 M
es.
A est un element de Mn,p (R) et B un element de Mn,1 (R). On suppose que le rang de A est p .
. est la norme de Mn,1 (R) associee au produit scalaire canonique.
1.
Min
XMp,1 (R)
AX B existe.
2. Il existe un unique element X0 de Mp,1 (R) tel que AX0 B =
Min
XMp,1 (R)
AX B.
3. t AA est inversible.
4. X0 = (t AA)1 (t AB) ou
AAX0 = t AB .
Pour trouver X0 , il est preferable de resoudre le système X0 Mp,1 (R) et t AAX0 = t AB plutot que de
calculer directement linverse de t AA.
Notons que le programme de 2014 dit que la formule donnant la valeur du point realisant le minimum nest pas
exigible. Alors il est sans doute utile dapprendre à la retrouver...
J.F.C.
Eve p. 18
ENDOMORPHISMES ET MATRICES SYMETRIQUES
I 0. Quelques rappels sur les matrices sym

etriques (resp. antisym
etriques)
D
ef. 3 Soit A = (ai,j ) une matrice de Mn (R) (ou de Mn (K)).
2
A est sym
etrique si t A = A ou si (i, j) [[1, n]] , aj,i = ai,j .
2
A est antisym
etrique si t A = A ou si (i, j) [[1, n]] , aj,i = ai,j .
Prop. 2 Lensemble des matrices symetriques de Mn (K) est un sous-espace vectoriel de Mn (K) de dimension
n(n + 1)
.
2
Lensemble des matrices antisymetriques de Mn (K) est un sous-espace vectoriel de Mn (K) de dimenn(n 1)
sion
si n > 1.
2
Le sous-espace vectoriel des matrices symetriques de Mn (K) et le sous-espace vectoriel des matrices
antisymetriques de Mn (K) sont supplementaires dans Mn (K).
) 1(
) 1(
)
1(
A + tA +
A tA ,
A + t A est une matrice symerique de
Notons que si A Mn (R), A =
2
2
2
)
1(
Mn (K) et
A t A est une matrice antisymerique de Mn (K).
2
Prop. 3 Dans Mn (R), pour le produit scalaire canonique, lorthogonal du sous-espace vectoriel Sn (R) des matrices
symetriques de Mn (R) est le sous-espace vectoriel An (R) des matrices antisymetriques de Mn (R).
Dans Mn (R), pour le produit scalaire canonique, lorthogonal du sous-espace vectoriel An (R) des matrices
antisymetriques de Mn (R) est le sous-espace vectoriel Sn (R) des matrices symetriques de Mn (R).
Le sous-espace vectoriel des matrices symetriques de Mn (R) et le sous-espace vectoriel des matrices
antisymetriques de Mn (R) sont supplementaires et orthogonaux dans Mn (R) muni du produit scalaire
canonique.
Mn (R) = Sn (R)
An (R).
I 1. D
enition dun endomorphisme sym
etrique
D
ef. 4 Soit f un endomorphisme de E. f est sym
etrique si :
(x, y) E 2 , < f (x), y >=< x, f (y) >.
I 2. Caract
erisations des endomorphismes sym
etriques
Prop. 4 Caract
etriques
E est de dimension n (n N ), B = (e1 , e2 , . . . , en ) est une base de E et f un endomorphisme de E.
f est symetrique si et seulement si :
Th. 9
PP
(i, j) [[1, n]] , < f (ei ), ej >=< ei , f (ej ) >.
Caract
erisation fondamental des endomorphismes sym
etriques
Ici E est de dimension n (n N ), B est une base
orthonorm
ee
de E et f un endomorphisme de E.
f est un endomorphisme symetrique de E si et seulement si sa matrice dans la base B est symetrique.

Surtout ne pas oublier lhypothèse B est une base
orthonorm
ee
J.F.C.
Eve p. 19
I 3. Quelques propri
et
es
Prop. 5 f est un endomorphisme sym
etrique de E.
Si F est un sous-espace vectoriel de E stable par f , F est stable par f .
Un petit + du programme 2014...
Prop. 6 1. IdE et 0L(E) sont des endomorphismes symetriques de E.
2. Si f et g sont deux endomorphismes symetriques de E et si est un reel, f et f + g sont des
endomorphismes symetriques de E.
2. Lensemble des endomorphismes symetriques de E est un sous-espace vectoriel de L(E).
Si E est de dimension n non nul, lensemble des endomorphismes symetriques de E est un sous-espace
vectoriel de L(E) de dimension
n (n + 1)
3. Si f est un endomorphisme symetrique et bijectif de E, f 1 est un endomorphisme symetrique (et

bijectif) de E.
I 4. Une nouvelle caract
erisation des projections orthogonales
Th. 10
p est une projection (ou un projecteur) de E.
p est une projection orthogonale (ou un projecteur orthogonal) si et seulement p est un endomorphisme
symetrique.
Un petit + du programme 2014...
Th. 11 p est un endomorphisme de E (ou une application de E dans E...).
p est une projection orthogonale de E si et seulement si p est un endomorphisme symetrique de E veriant
p p = p.
Cor. A est une matrice de Mn (R).
A est la matrice dune projection orthogonale si et seulement si A est symetrique et verie A2 = A.
I 5. R
eduction dun endomorphisme sym
etrique et dune matrice sym
etrique
Prop. 7 Soit f un endomorphisme symetrique de E.
1. Les sous-espaces propres de f sont deux à deux orthogonaux.
2. Si (uk )16k6p est une famille de vecteurs propres de f associes à des valeurs propres deux à deux
distinctes alors la famille (uk )16k6p est une famille orthogonale de E.
Th. 12
Le th
eor`
eme fondamental sur la r
eduction des endomorphismes sym
etriques.
Soit f un endomorphisme symetrique de E espace vectoriel euclidien de dimension finie non nulle.
1. f est diagonalisable.
2. Mieux, il existe une base orthonorm
ee de E constituee de vecteurs propres de f (donc f se diagonalise
dans une base orthonormee).
J.F.C.
Eve p. 20
Prop. 8 A est une matrice symetrique de Mn (R).

1. Les valeurs propres de A sont reelles (SpR A = SpC A).
2. Les sous-espaces propres de A sont deux à deux orthogonaux.
3. Si (Xk )16k6p est une famille de vecteurs propres de A associes à des valeurs propres deux à deux
distinctes alors la famille (Xk )16k6p est une famille orthogonale Mn,1 (R).
Th. 13
Le th
eor`
eduction des matrices sym
etriques de Mn (R).
A est une matrice symetrique de Mn (R).
1. A est diagonalisable.
ee de Mn,1 (R) constituee de vecteurs propres de A.
3. Il existe une matrice orthogonale P de Mn (R), telle que P 1 AP = t P AP soit diagonale.
(
Notons que dans le resultat precedent on parle de matrices symetriques à coecients reels.
2 i
i 0
)
est
symetrique mais nest pas diagonalisable.

I 6. Laspect pratique de la r
eduction des endomorphismes et des matrices sym
etriques
Th. 14
PPP
f est un endomorphisme symetrique dun espace vectoriel euclidien E de dimension n non nulle.
On obtient une base orthonorm

ee de E constituee de vecteurs propres de f en concatenant une base
orthonorm
ee de chacun des sous-espaces propres de f .
Th. 15
PPP
Soit A une matrice symetrique de Mn (R).
1. On obtient une base orthonorm

ee de Mn,1 (R) constituee de vecteurs propres de A en concatenant
une base orthonorm
ee de chacun des sous-espaces propres de A.
2. Si B est une base orthonormee de Mn,1 (R) constituee de vecteurs propres de A respectivement associes
aux valeurs propres 1 , 2 , ..., n et si P est la matrice de passage de la base canonique de Mn,1 (R) à la
base B alors :
P est une matrice orthogonale.
t P AP = P 1 AP est la matrice diagonale Diag(1 , 2 , . . . , n ).
Th. 16
PP Soit A une matrice symetrique de Mn (R). Soit (X1 , X2 , . . . , Xn ) une base orthonormee de Mn,1 (R)
constituee de vecteurs propres de A respectivement associes aux valeurs propres 1 , 2 , ..., n .
A=
k Xk t Xk .
k=1
Th. 17
Ainsi il existe une matrice orthogonale P de Mn (R) et une matrice diagonale D = Diag(1 , 2 , . . . , n )
telle que t P AP = P 1 AP = D.
On note, pour tout j element de [[1, n]], Cj la j ème colonne de P .
Alors (C1 , C2 , . . . , Cn ) est une base orthonormee de Mn,1 (R) constituee de vecteurs propres de A respectivement associes aux valeurs propres 1 , 2 , ..., n .
J.F.C.
VI
Eve p. 21
SAVOIR FAIRE
SF 1 Montrer quune application est un produit scalaire.

SF 2 Montrer que < A, B >= tr(t AB) est un produit scalaire sur Mn,p (R).
+
+
t2
t
SF 3 Montrer que < P, Q >=
P (t) Q(t) e dt et < P, Q >=
P (t) Q(t) e 2 dt sont des produits
scalaires sur R[X].
SF 4 Gerer les produits scalaires les plus usuels.

SF 5 Manipuler des produits scalaires et des normes.
SF 6 Utiliser les identites remarquables.
SF 7 Utiliser les identites de polarisation, autrement dit exprimer le produit scalaire en fonction de la norme.
SF 8 Utiliser Cauchy-Schwarz et son cas degalite.
SF 9 Construire une base orthogonale (resp. orthonormee) à partir dune base.
SF 10 Construire une base orthogonale (resp. orthonormee) à partir dune base en utilisant la methode de
Schmidt.
SF 11 Montrer quune base est LA base orthonormee deduite dune base donnee par le procede
SF 12 Calculer des produits scalaires et des normes lorsque lon travaille dans une base orthonormee.
SF 13 Passer dune base orthonormee à une autre base orthonormee.
SF 14 Montrer quune matrice est orthogonale.
SF 15 Utiliser Pythagore.
SF 16 Trouver lorthogonal dun sous-espace vectoriel ; en particulier dune droite et dun hyperplan.
SF 17 Lorsque E est un espace vectoriel euclidien, utiliser E = {0E } pour montrer quun vecteur est nul ou
que deux vecteurs sont egaux.
SF 18 Denir analytiquement une projection orthogonale.
SF 19 Reconnatre une projection orthogonale.
SF 20 Utiliser une projection orthogonale pour traiter un problème doptimisation.
SF 21 Calculer la distance dun vecteur à un sous-espace vectoriel.
SF 22 Utiliser la methode des moindres carres.
SF 23 Montrer quun endomorphisme est symetrique. Montrer quune matrice est symetrique.
SF 24 Diagonaliser un endomorphisme (resp. une matrice) symetrique. Cest à dire trouver une base orthonormee de vecteurs propres.
SF 25 Savoir utiliser une base orthonormee de vecteurs propres dune matrice symetrique ou dun endomorphisme symetrique dans les problèmes les plus usuels.
SF 26 Montrer quune matrice symetrique est positive (resp. denie positive) cest à dire que ses valeurs propres
sont positives (resp. strictement positives).
SF 27 Etudier
le signe dune forme quadratique.
J.F.C.
VII
Eve p. 22
COMPLEMENTS
I 1. Egalit
e dans lin
egalit
e triangulaire
Prop. 9 x et y sont deux elements de E.
x + y = x + y si et seulement si x = 0E ou R+ , y = x.
x + y = x + y si et seulement si y = 0E ou R+ , x = y.
I 2. Matrice dun endomorphisme dans une base orthonorm
ee
Prop. 10 B = (e1 , e2 , . . . , en ) est une base orthonorm
ee de lespace vectoriel euclidien (E, < ., . >) et f est un
endomorphisme de E. (E1 , E2 , . . . , En ) est la base canonique de Mn,1 (R).
(
)
La matrice de f dans la base B est < ei , f (ej ) > .
I 3. Une caract
erisation des bases orthonorm
ees
Prop. 11 Soit B = (e1 , e2 , . . . , en ) une base orthonormee dun espace vectoriel euclidien E et (e1 , e2 , . . . , en ) une
famille quelconque delements de E.
(e1 , e2 , . . . , en ) est une base orthonormee de E si et seulement si la matrice de (e1 , e2 , . . . , en ) dans la base
orthonormee B est orthogonale.
I 4. Un peu plus sur les matrices orthogonales
Prop. 12 1. Le produit de deux matrices orthogonales de Mn (R) est une matrice orthogonale de Mn (R).
2. Linverse dune matrice orthogonale de Mn (R) est une matrice orthogonale de Mn (R).
Prop. 13 . est la norme de Mn,1 (R) associee au produit scalaire canonique. P est une matrice de Mn (R).
P est orthogonale si et seulement si X Mn,1 (R), P X = X .
P orthogonale donne X Mn,1 (R), P X = X est une evidence très pratique.
Prop. 14
P est une matrice de Mn (R).
P est orthogonale si et seulement si ses colonnes constituent une famille orthonormee de Mn,1 (R) muni
du produit scalaire canonique, ou, cest la meme chose :
P est orthogonale si et seulement si ses colonnes constituent une base orthonormee de Mn,1 (R) muni du
produit scalaire canonique.
Prop. 15
P est une matrice de Mn (R).
P est orthogonale si et seulement si ses lignes constituent une famille orthonormee de M1,n (R) muni du
produit scalaire canonique, ou, cest la meme chose :
P est orthogonale si et seulement si ses lignes constituent une base orthonormee de M1,n (R) muni du
produit scalaire canonique.
Prop. 16 Les seules valeurs propres possibles dans R dune matrice orthogonale de Mn (R) sont 1 et 1.
J.F.C.
Eve p. 23
I 5. Matrice dun produit scalaire

Prop. 17 Soit B = (e1 , e2 , . . . , en ) et B = (e 1 , e 2 , . . . , e n ) deux bases dun espace vectoriel euclidien E.
La matrice A = (< ei , ej >) de Mn (R) est la matrice du produit scalaire < ., . >.
Si x et y sont deux elements de E de matrices X et Y dans B, < x, y >= t XAY .
A est une matrice symetrique dont les valeurs propres sont strictement positives.
Si A est la matrice de < ., . > dans B et si P est la matrice de passage de B à B : A = t P AP .
Une matrice C de Mn (R) est la matrice dun produit scalaire si et seulement si elle est symetrique à
valeurs propres strictement positives.
I 6. Encore des propri
et
es des endomorphismes sym
etriques
Prop. 18 Caract
etriques
E est de dimension n (n N ), B = (e1 , e2 , . . . , en ) une base quelconque de E et f un endomorphisme
de E.
(i, j) [[1, n]] , < f (ei ), ej >=< ei , f (ej ) >.
Prop. 19 Soit f un endomorphisme symetrique de E.

Ker f et Im f sont orthogonaux.
(Im f ) = Ker f et Im f (Ker f ) .
Prop. 20 Soit f un endomorphisme symetrique dun espace vectoriel euclidien E.
(Im f ) = Ker f et Im f = (Ker f ) .
Ker f et Im f sont supplementaires et orthogonaux.
I 7. Caract
etriques
Prop. 21 Caract
etriques
Soit A une matrice de Mn (R). < ., . > est le produit scalaire de Mn,1 (R).
1. X Mn,1 (R), Y Mn,1 (R), < AX, Y >=< X, t AY >.
2. Les assertions suivantes sont equivalentes.
i) A est symetrique.
ii) X Mn,1 (R), Y Mn,1 (R), < AX, Y >=< X, AY >.
iii) X Mn,1 (R), Y Mn,1 (R), t Y AX = t XAY .
I 8. Caract
erisation des projections orthogonales again
Prop. 22 Soit p une projection (ou un projecteur) de E. Les assertions suivantes sont equivalentes.
i) p est une projection orthogonale.
ii) x E, p(x) 6 x.
J.F.C.
Eve p. 24
I 9. Encadrement de Rayleigh
Th. 18 Soit S une matrice symetrique de Mn (R).
Soit sa plus petite valeur propre et soit sa plus grande valeur propre.
X Mn,1 (R), X2 6 t XSX =< SX, X >6 X2 ou
X Mn,1 (R) {0Mn,1 (R) }, 6
Mieux :
Min
XSX
XMn,1 (R){0Mn,1 (R) } t XX
XSX
t XX
6 .
t
et
Max
XSX
XMn,1 (R){0Mn,1 (R) } t XX
= .
Si X un element de Mn,1 (R), X2 = t XSX =< SX, X > X SEP (A, ).

Si X un element de Mn,1 (R), t XSX =< SX, X >= X2 X SEP (A, ).
I 10. Matrices sym
etriques positives (resp. d
enies positives)
Th. 19 et d
ef. 5 Soit S une matrice symetrique reelle dordre n. Les assertions suivantes sont equivalentes.
i) S a toutes ses valeurs propres positives ou nulles.
ii) X Mn,1 (R), t XSX > 0.
Si S verie lune de ses proprietes, on dit que S est une matrice sym
etrique positive.
Prop. 23 Soit S une matrice symetrique reelle dordre n. Les assertions suivantes sont equivalentes.
i) S est une matrice symetrique positive.
ii) Il existe une matrice M de Mn (R) telle que S = t M M .
Th. 20 et d
ef. 6 Soit S une matrice symetrique reelle dordre n. Les assertions suivantes sont equivalentes.
i) S a toutes ses valeurs propres strictement positives.
ii) X Mn,1 (R), X = 0 t XSX > 0.
Si S verie lune de ses proprietes, on dit que S est une matrice sym
etrique d
efinie positive.
Prop. 24 Soit S une matrice symetrique reelle dordre n. Les assertions suivantes sont equivalentes.
i) S est une matrice symetrique denie positive.
ii) Il existe une matrice inversible M de Mn (R) telle que S = t M M .
I 11. Racine carr
ee sym
enie positive) dune matrice
sym
enie positive) de Mn (R)
Prop. 25 Si S est une matrice symetrique de Mn (R) dont les valeurs propres sont positives ou nulles (resp.
strictement positives), il existe une matrice symetrique T de Mn (R) dont les valeurs propres sont positives
ou nulles (resp. strictement positives) et une seule telle que T 2 = S.
J.F.C.
Eve p. 25
I 12. R
a un sous-espace dans un espace
pr
ehilbertien
Th. 21 E est un espace prehilbertien et F un sous-espace vectoriel de E. x est un element de E et y un element
de F .
1. Il existe au plus un element de y de F tel que : x y = Inf x z
zF
2. Soit y un element de F . x y = Inf x z si et seulement si x y est orthogonale à F .

zF
Cela est utile lorsque les conditions dapplication du theorème de meilleure approximation ne sont pas toutes reunies
I 13. Adjoint dun endomorphisme dun espace vectoriel euclidien
Th. 22 et d
ef. 7 B = (e1 , e2 , . . . , en ) est une base orthonorm
ee de lespace vectoriel euclidien E et f est un
endomorphisme de E de matrice A dans B. f est lendomorphisme de E de matrice t A dans
B.
f est lunique endomorphisme de E veriant (x, y) E 2 , < f (x), y >=< x, f (y) >.
f est ladjoint de f .
Prop. 26 f est un endomorphisme de lespace vectoriel euclidien E.
1. Soit F un sous-espace vectoriel de E. F est stable par f si et seulement si F est stable par f .
2. Ker f = (Im f ) et Im f = (Ker f ) .
3. (f ) = f = f .
4. Si f est un automorphisme, f est egalement un automorphisme et (f )1 = (f 1 ) .
5. Si g est un second endomorphisme de E : (f ) = f , (f + g) = f + g et (f g) = g f .
6. Sp f = Sp f . Sp f, dim SEP (f, ) = dim SEP (f , ). f et f sont simultanement diagonalisables.
7. Ker(f f ) = Ker f et Im(f f ) = Im f .
8. f f (resp. f f ) est un endomorphisme symetrique dont les valeurs propres sont positives.
I 14. Endomorphisme orthogonal
D
ef. 8 f est un endomorphisme dun espace prehilbertien E.
f est un endomorphisme orthogonal si (x, y) E 2 , < f (x), f (y) >=< x, y > autrement dit si f
conserve le produit scalaire.
Prop. 27 f est une application dun espace prehilbertien E dans lui meme.
equivalentes.
Les assertions suivantes sont
1. f est un endomorphisme orthogonal.

2. f est un endomorphisme verinant (x, y) E 2 , < f (x), f (y) >=< x, y >.
3. f verie (x, y) E 2 , < f (x), f (y) >=< x, y >.
Notons que 3. donne la linearite de f .
Prop. 28 f est un endomorphisme dun espace prehilbertien E.
f est un endomorphisme orthogonal si et seulement si (x, y) E 2 , f (x) = x autrement dit si et
seulement si f conserve la norme.
J.F.C.
Eve p. 26
Prop. 29 f est un endomorphisme orthogonal dun espace prehilbertien E.

1. f est injectif (mais pas necessairement surjectif).
2. Si F est un sous espace vectoriel de E stable par f , F est stable par f .
3. Si g est un second endomorphisme orthogonal de E, g f est un endomorphisme orthogonal de E.
4. Les seules valeurs propres (reelles ! !) possibles de f sont 1 et 1.
Prop. 30 f est un endomorphisme orthogonal dun espace vectoriel euclidien E.
f est un automorphisme de E et f 1 est un automorphisme orthogonal de E.
Prop. 31 f est un endomorphisme dun espace vectoriel euclidien E de de dimension n appartenant à N .
Les assertions suivantes sont equivalentes.
2. Il existe une base orthonormee de E qui se transforme par f en une base orthonormee de E.
3. Toute base orthonormee de E se transforme par f est une base orthonormee de E.
Prop. 32 f est un endomorphisme dun espace vectoriel euclidien E et A est la matrice de f dans une base
orthonorm
ee de E.
f est un endomorphisme orthogonal si et seulement si A est une matrice orthogonale.
Prop. 33 On note B = (e1 , . . . , en ) une base orthonormee de E et on considère un endomorphisme f orthogonal
dont la matrice dans la base B est notee A. On pose A = (ai,j )16i,j6n .
(i, j) [[1, n]] , ai,j [1, 1]
et
n
n
ai,j | 6 n
et
i=1 j=1
n6
n
n
|ai,j | 6 n n.
i=1 j=1
I 15. Base orthonorm

ee de Rn [X] d
eduite de la base canonique (1, X, . . . , Xn ) de Rn [X] par le
proc
ed
e dorthonormalisation de Schmidt
Prop. 34 n est un element de N . < ., . > est un produit scalaire sur Rn [X].
1. a) Pour tout element k de [[1, n]], il existe un polynome normalise (le coecient du terme de plus haut
degre est 1) Pk et un seul appartenant à Rk [X] et orthogonal à Rk1 [X].
2. On pose P0 = 1.
a) Pour tout element k de [[0, n]], Pk est de degre k.
b) (P0 , P1 , . . . , Pn ) est une base orthogonale de Rn [X].
3. On pose k [[0, n]], Qk =
1
Pk .
Pk
a) (Q0 , Q1 , . . . , Qn ) est une base orthonormee de Rn [X].

b) Mieux, (Q0 , Q1 , . . . , Qn ) est la base orthonormee de Rn [X] deduite de la base canonique (1, X, . . . , X n )
de Rn [X] par le procede dorthonormalisation de Schmidt.
J.F.C.
Eve p. 27
I 16. D
ecomposition polaire dune matrice inversible de Mn (R)
Prop. 35 A est une matrice quelconque de Mn (R).
1. Il existe une matrice orthogonale U de Mn (R) et une matrice symetrique S à valeurs propres positives
ou nulles de Mn (R) telles que A = U S.
2. On suppose A inversible.
Il existe une unique matrice orthogonale U de Mn (R) et une unique matrice symetrique S à valeurs
propres strictement positives de Mn (R) telles que A = U S. Cest la d
ecomposition polaire de A.
I 17. D
ecomposition dIwasawa dune matrice inversible de Mn (R)
Prop. 36 A est une matrice inversible de Mn (R). Il existe une matrice orthogonale Q de Mn (R) et une matrice
triangulaire superieure R de Mn (R) à coecients diagonaux strictement positifs telles que A = QR.
I 18. D
etrique d
enie positive
Prop. 37 A est une matrice symetrique de Mn (R) dont les valeurs propres sont strictement positives (A est denie
positive).
Il existe une matrice R, de Mn (R), triangulaire superieure à diagonale strictement positive et une seule
telle que A = t RR.
I 19. Th
eor`
eme de Courant-Fischer
Prop. 38 A est une matrice symetrique de Mn (R). (E 1 , E 2 , . . . , E n ) est une base orthonormee de Mn,1 (R)
constituee de vecteurs propres de A respectivement associes aux valeurs propres 1 , 2 , ..., n avec
1 6 2 6 6 n .
k est un element de [[1, n]] et Fk est lensemble des sous-espaces vectoriels de Mn,1 (R) de dimension k.
t
Min Sup
F Fk
XF
X=0
XAX
= k
t XX
et
Max
F Fn+1k
Inf
XF
X=0
XAX
= k .
t XX
I 20. Endomorphismes antisym

etriques
Prop. 39 (E, < , >) est un espace vectoriel euclidien de dimension non nulle n.
f est un endomorphisme de E. B = (e1 , e2 , . . . , en ) est une base orthonorm
ee de E et A = (aij ) est la
matrice de f dans B.
On dit que f est un endomorphisme antisym
etrique si (x, y) E 2 , < f (x), y >= < x, f (y) >.
2
1. a) f est antisymetrique si et seulement si (i, j) [[1, n]] , < f (ei ), ej >= < ei , f (ej ) >.
b) f est antisymetrique si et seulement si A est symetrique autrement dit si et seulement si t A = A.
2. f est antisymetrique si et seulement si x E, < x, f (x) >= 0.
Dans la suite f est un endomorphisme antisym
etrique de E.
J.F.C.
Eve p. 28
Prop. 40 (E, < , >) est un espace vectoriel euclidien de dimension non nulle n. f est un endomorphisme antisymetrique de E.
1. Ker f = (Im f ) .
2. Sp f {0}.
SpR (A) {0}.
3. SpC (A) iR .
4. f f est un endomorphisme symetrique dont les valeurs propres sont negatives ou nulles.
5. Si F est un sous-espace vectoriel stable par f , F est egalement stable par f .
Prop. 41 (E, < , >) est un espace vectoriel euclidien de dimension non nulle n. f est un endomorphisme antisymetrique de E.
Il existe une base orthonorme de E telle que la matrice de f dans cette base soit :
0 a1
0
a1
..
.
(O)
0 ap
ap
0
(O)
0
..
0
à quelques abus près...
I 21. D
etrique
Prop. 42 S est une matrice symetrique de Mn (R). 1 , 2 , ..., p sont ses valeurs propres distinctes.
Pour tout element k de [[1, p]] on note Pk la matrice, dans la base canonique de Mn,1 (R), de la projection
orthogonale fk de Mn,1 (R) sur le sous-espace propre SEP (S, k ) de S associe à la valeur propre k .
Montrer que
Pk = In et que S =
k=1
k Pk .
k=1
I 22. Une caract

Prop. 43 Une norme sur un espace vectoriel reel est la norme dun produit scalaire si et seulement si elle verie
lidentite du parallelogramme.
VIII
` EVITER
DES ERREURS A
Dire que (x, y) < x, y > est lineaire (on peut uniquement parler de linearite à droite ou à gauche).
La famille (u1 , u2 , . . . , up ) est orthogonale car uk et uk+1 sont orthogonaux pour tout k element de [[1, p 1]].
1
1
u = donc v = u est un vecteur unitaire.
2
2
x et y sont deux elements dun espace prehilbertien (E, < ., . >).
< x, y >= 0 donne x = 0E ou y = 0E .
< x, y >= 0 et y = 0E donne x = 0E .
J.F.C.
Eve p. 29
(u1 , u2 , . . . , up ) est une famille orthogonale de E donc cest une famille libre.
x =< x, x >.
F est un sous-espace vectoriel dun espace prehilbertien E et G est un sous-espace vectoriel de F .
Confondre lorthogonal G de G dans E et lorthogonal H de G dans F . Notons que H = F G .
F et G sont deux sous-espaces vectoriels dun espace prehilbertien E. F et G orthogonaux donne F = G.
B = (e1 , e2 , . . . , en ) est une base quelconque dun espace prehilbertien E. u =
xk ek et v =
k=1
yk ek sont deux
k=1
elements de E.
Ecrire : < u, v >==
k=1
n
n
uk vk < ek , ek >.
k=1 k=1
f est un endomorphisme symetrique car sa matrice est symetrique (il faut evoquer la matrice de f dans une
base orthonormee).
A est symetrique donc A est diagonalisable (il faut parler de matrice à coecients reels).
f est un endomorphisme symetrique reel donc il existe une base orthonormee... (le corps de base est
necessairement R !)
Dire quune base de vecteurs propres dun endomorphisme symetrique est orthonormee.
IX
PRATIQUES OU RHETORIQUES
USUELLES
I 1. Produit scalaire
Soit à montrer que < ., . > est un produit scalaire sur E.
On montre si necessaire que < u, v > a un sens pour tout couple (u, v) delements de E.
Soient un reel , u, v et w trois elements de E .
= = < u, w > + < v, w >.
< u, v >= =< v, u >.
On montre que < u, u >> 0.
Supposons que < u, u >= 0 et montrons que u = 0E ...
Ce qui precède sut pour dire que < ., . > est un produit scalaire sur E .
I 2. Orthogonal dun sous-espace
F est un sous-espace vectoriel dun espace vectoriel euclidien E. B = (e1 , e2 , . . . , en ) est une base de E. On suppose
que F = Vect(u1 , u2 , . . . , up ) et on se propose de determiner F .
Soit v = x1 e1 + x2 e2 + + xp en un element de E.
v F < v, u1 >=< v, u2 >= < v, up >= 0
J.F.C.
Eve p. 30
I 3. Diagonalisation dun endomorphisme sym

etrique
f est un endomorphisme symetrique de E ayant p valeurs propres deux à deux distinctes. B est une base orthonormee de E. Sp(f ) = {1 , 2 , . . . , p }.
Pour tout i element de [[1, p]] on construit une base orthonormee Bi de SEP (f, i ).
E=
SEP (f, i ) et SEP (f, 1 ), SEP (f, 2 ), ..., SEP (f, p ) sont deux à deux orthogonaux.
i=1
Ainsi B = B1 B2 Bp = (e1 , e2 , . . . , en ) est une base orthonormee de E constituee de vecteurs

propres de f respectivement associes aux valeurs propres 1 , 2 , ..., n (ok pour alpha ?).
Soit P la matrice de passage de B `
a B . Alors :
P est inversible
0
MB (f ) = .
..
0
et P 1 = t P car B et B sont deux bases orthonormees de E.
0 0
..
.. ..
.
.
.
et MB (f ) = P 1 MB (f )P = t P MB (f )P .
.. ..
.
. 0
0 n
I 4. Diagonalisation dune matrice sym

etrique `
a coecients r
eels
A est une matrice symetrique de Mn (R) ayant p valeurs deux à deux distinctes. Sp(A) = {1 , 2 , . . . , p }.
Pour tout i element de [[1, p]] on construit une base orthormale Bi de SEP (A, i ).
Mn,1 (R) =
SEP (A, i ) et SEP (A, 1 ), SEP (A, 2 ), ..., SEP (A, p ) sont deux à deux orthogonaux.
i=1
Ainsi B = B1 B2 Bp = (X1 , X2 , . . . , Xn ) est une base orthormale de Mn,1 (R) constituee de

vecteurs propres de A respectivement associes aux valeurs propres 1 , 2 , ..., n (ok pour alpha ?).
Soit P la matrice de passage de la base canonique B de Mn,1 (R) à cette base B . Alors :
P est inversible et P 1 = t P car B et B sont deux bases orthonormees de Mn,1 (R).
t P AP = P 1 AP = D avec D =Diag(1 , 2 , . . . , n ).
J.F.C.
Eve p. 31
LES BONS COUPS DE BILI-NEAIRE

THE KID
POUR AMELIORER
TON EUCLIDIENNE ATTITUDE
X
Dans la suite, sauf mention du contraire, < ., . > est un produit scalaire sur le R-espace vectoriel E et . est la norme
associee.
Niveau 1
C1
E = Rn . Si x = (x1 , x2 , . . . , xn ) et y = (y1 , y2 , . . . , yn ) sont deux elements de Rn , on pose :

< x, y >=
xk yk .
k=1
< ., . > est un produit scalaire sur Rn . Cest le produit scalaire canonique de Rn .
C2

y1
x1
x2
y2

E = Mn,1 (R). Si X =
... et Y = .. sont deux elements de Mn,1 (R), on pose :
.
xn
yn
< X, Y >=
xk yk = t XY = t Y X.
k=1
< ., . > est un produit scalaire sur Mn,1 (R). Cest le produit scalaire canonique de Mn,1 (R).
C3
E = Mn,p (R) . Si A = (aij ) et B = (bij ) sont deux elements de E, on pose :

< A, B >=
p
n
aij bij = tr(t A B).
i=1 j=1
< ., . > est un produit scalaire sur E. Cest le produit scalaire canonique de Mn,p (R).
C4
E = Rn [X]. Si P =
ak X et Q =
k=0
bk X k sont deux elements de Rn [X], on pose :
k=0
< P, Q >=
ak bk .
k=0
< ., . > est un produit scalaire sur Rn [X]. Cest le produit scalaire canonique de Rn [X].
C5
p et q sont deux elements de N . (xi )16i6p et (yj )16j6q sont deux familles delements de E.
(i )16i6p et (j )16j6q sont deux familles delements de R. Alors :

<
i=1
i xi ,
j=1
j yj >=
p
q
i=1 j=1
i j < xi , yj >.
J.F.C.
C6
In
egalit
e de Cauchy-Schwarz
1. | < x, y > | 6 x y
et
(< x, y >)2 6 x2 y2 .
2. | < x, y > | = x y si et seulement si (x, y) est liee.
C7
In
egalit
e de Cauchy-Schwarz dans Rn
x = (x1 , x2 , . . . , xn ) et y = (y1 , y2 , . . . , yn ) sont deux elements de Rn .

v
n
n
u

u
t
xk yk 6
x2k

k=1
C8
k=1
v
u n
u
t
yk2 .
n
(
k=1
)2
xk yk
k=1
x2k
k=1
yk2 .
k=1
In
egalit
e de Cauchy-Schwarz dans C([a, b], R)
Soit f et g deux fonctions numeriques continues sur [a, b].

b

f (t)g(t) dt 6
f 2 (t) dt

a
g 2 (t) dt.
)2
f (t)g(t) dt 6
C9
g 2 (t) dt.
f (t) dt
x E, x = 0 x = 0E .
x E, R, x = ||x.
(x, y) E 2 , x + y 6 x + y (inegalite de Minkovski).
C 10
1. x + y = x + y si et seulement si x = 0E ou R+ , y = x.
2. x + y = x + y si et seulement si y = 0E ou R+ , x = y.

(x, y) E 2 , x y 6 x + y 6 x + y.

(x, y) E 2 , x y 6 x y 6 x + y.
C 11
C 12
1. Si x est un vecteur non nul de E,
1
x est un vecteur unitaire de E.
x
2. Un droite vectorielle de E contient exactement deux vecteurs unitaires qui sont opposes.
C 13
Identit
es remarquables
x + y2 = x2 + 2 < x, y > +y2 .
x y2 = x2 2 < x, y > +y2 .
< x + y, x y >= x2 y2 .
C 14
Identit
es remarquables
x1 , x2 , ..., xp sont p elements de E.
x1 + x2 + + xp =
2
i=1
xi 2 + 2
16i<j6p
< x i , xj >
Eve p. 32
J.F.C.
C 15
Identit
es de polarisation
< x, y >=
]
1[
x + y2 x2 y2 .
2
< x, y >=
C 16
< x, y >=
]
1[
x2 + y2 x y2 .
2
]
1[
x + y2 x y2 .
4
Identit
es du parrall
elogramme x et y sont deux elements de E.
x + y2 + x y2 = 2 x2 + 2 y2 .
C 17
Th
eor`
eme de Pythagore. x et y sont deux elements de E.
x et y sont orthogonaux si et seulement si x + y2 = x2 + y2 .
C 18
Si (x1 , x2 , . . . , xn ) est une famille delements de E deux à deux orthogonaux :

x1 + x2 + + xn 2 = x1 2 + x2 2 + + xn 2 .
C 19
1. E = {0E }. Autrement dit un vecteur de E est nul si et seulement il appartient à E .
2. {0E } = E.
C 20
Soient F et G deux sous-espaces vectoriels de E.
F est un sous-espace vectoriel de E.

F F = {0E }.
F F .
F G donne G F .
Si F et G sont orthogonaux alors F G = {0E }.
F et G sont orthogonaux F G G F .
C 21
F et G sont deux sous-espaces vectoriels de E respectivement engendres par (u1 , u2 , . . . , up ) et

(v1 , v2 , . . . , vq ).
P 1. F = {x E | i [[1, p]], < x, ui >= 0}.

P 2. F et G sont orthogonaux si et seulement si : (i, j) [[1, p]] [[1, q]], < ui , vj >= 0.
C 22
F et G sont deux sous-espaces dun espace prehilbertien reel E.
(F + G) = F G et F + G (F G) .
Si E est de dimension finie : F + G = (F G) .
C 23
Soit F un sous-espace vectoriel dun espace vectoriel euclidien E .
E = F F et F = F .
F est lunique supplementaire de F orthogonal à F .
Eve p. 33
J.F.C.
Eve p. 34
G est un sous-espace vectoriel de E. G = F si et seulement G est un (ou le...) supplementaire de F dans E

orthogonal à F .
C 24
Lensembles des matrices symetriques de Mn (K) est un sous-espace vectoriel de Mn (K) de dimension
n(n + 1)
.
2
Lensembles des matrices antisymetriques de Mn (K) est un sous-espace vectoriel de Mn (K) de dimension
si n > 1.
n(n 1)
2
Le sous-espace vectoriel des matrices symetriques de Mn (K) et le sous-espace vectoriel des matrices antisymetriques
de Mn (K) sont supplementaires dans Mn (K).
) 1(
) 1(
)
1(
A + tA +
A tA ,
A + t A est une matrice symerique de Mn (K) et
Notons que si A Mn (R), A =
2
2
2
)
1(
A t A est une matrice antisymerique de Mn (K).
2
Dans Mn (R), pour le produit scalaire canonique, lorthogonal du sous-espace vectoriel Sn (R) des matrices
symetriques de Mn (R) est le sous-espace vectoriel An (R) des matrices antisymetriques de Mn (R).
C 25
Dans Mn (R), pour le produit scalaire canonique, lorthogonal du sous-espace vectoriel An (R) des matrices antisymetriques de Mn (R) est le sous-espace vectoriel Sn (R) des matrices symetriques de Mn (R).
Le sous-espace vectoriel des matrices symetriques de Mn (R) et le sous-espace vectoriel des matrices antisymetriques
de Mn (R) sont supplementaires et orthogonaux dans Mn (R) muni du produit scalaire canonique.
Mn (R) = Sn (R)
C 26
An (R).
1. Toute famille orthogonale constituee de vecteurs
non nuls
est libre.
2. Toute famille orthonormee est libre.
C 27
Tout espace vectoriel euclidien possède une base orthonormee.
C 28
Soit B = (e1 , e2 , . . . , en ) une base orthonorm

ee de E. Soit x un element de E.
x=
< x, ek > ek .
k=1
C 29 Soit B = (e1 , e2 , . . . , en ) une base orthonormee de E. Soient x et y deux vecteurs de E de coordonnees

respectives (x1 , x2 , . . . , xn ) et (y1 , y2 , . . . , yn ) dans cette base. Soient X et Y les matrices de x et y dans B.
< x, y >=
xk yk = t XY =< X, Y >.
v
u n
u
x = t
x2k = t XX = X.
k=1
C 30
k=1
B = (e1 , e2 , . . . , en ) est une base dun espace vectoriel reel E.
1. Il existe un produit scalaire < ., . > sur E et un seul qui rend la base B = (e1 , e2 , . . . , en ) orthonormee.
2. x =
k=1
xk ek E, y =
k=1
yk ek E, < x, y >=
xk yk .
k=1
3. Dans les espaces vectoriels reels usuels, le produit scalaire canonique est celui qui rend la base canonique
orthonormee.
J.F.C.
C 31
Eve p. 35
Matrice dun endomorphisme dans une base orthonorm

ee

ee de lespace vectoriel euclidien (E, < ., . >) et f est un endomorphisme
de E. (E1 , E2 , . . . , En ) est la base canonique de Mn,1 (R).
(
)
La matrice de f dans la base B est < ei , f (ej ) > .
C 32
Matrice orthogonale
P est une matrice de Mn (R). Les assertions suivantes sont equivalentes :
i) P orthogonale.
i) P verie P t P = t P P = In .
ii) P verie P t P = In .
iii) P verie t P P = In .
iv) P est inversible et son inverse est sa transposee.
v) X Mn,1 (R), P X = X
(. est la norme euclidienne de Mn (R)).
vi) Les colonnes de P constituent une famille orthonormee de Mn,1 (R) muni du produit scalaire canonique.
vii) Les colones de P constituent une base orthonormee de Mn,1 (R) muni du produit scalaire canonique.
viii) Les lignes de P constituent une famille orthonormee de M1,n (R) muni du produit scalaire canonique.
ix) Les lignes de P constituent une base orthonormee de M1,n (R) muni du produit scalaire canonique.
C 33
Soit B = (e1 , e2 , . . . , en ) et B = (e 1 , e 2 , . . . , e n ) deux bases orthonorm

ees de E.
La matrice de passage P de B `
a B est orthogonale.
C 34
Soit B = (e1 , e2 , . . . , en ) une base orthonormee de E. Soit B = (e 1 , e 2 , . . . , e n ) une famille delements de
E.
Soit P la matrice de la famille B dans la base B.
B est une base orthonormee de E si et seulement si P est une matrice orthogonale.
C 35
1. Le produit de deux matrices orthogonales de Mn (R) est une matrice orthogonale de Mn (R).
2. Linverse dune matrice orthogonale de Mn (R) est une matrice orthogonale de Mn (R).
C 36
Les seules valeurs propres possibles dans R dune matrice orthogonale de Mn (R) sont 1 et 1.
C 37
F est un sous-espace vectoriel de lespace vectoriel euclidien E distinct de {0E } et E.
Si B est une base orthonormee de F et B est une base orthonormee de F alors B B est une base orthonormee
de E.
C 38 F est un sous-espace vectoriel de lespace vectoriel euclidien E distinct de {0E } et de E. Soit (e1 , e2 , . . . , ep )
une base orthonormee de F .
1. (e1 , e2 , . . . , ep ) se complète en une base orthonormee (e1 , e2 , . . . , en ) de E.
2. F est le sous-espace vectoriel de E engendre par (ep+1 , ep+2 , . . . , en ). Mieux (ep+1 , ep+2 , . . . , en ) est une base
orthonormee de F .
J.F.C.
C 39
Eve p. 36

ee de E. a1 , a2 , ..., an sont n reels non tous nuls.
1. Lorthogonal de la droite vectorielle engendree par a1 e1 + a2 e2 + + an en est lhyperplan dequation a1 x1 +

a2 x2 + + an xn = 0 dans B.
2. Lorthogonal de lhyperplan dequation a1 x1 + a2 x2 + + an xn = 0 dans B est la droite vectorielle engendree
par a1 e1 + a2 e2 + + an en .
C 40
Aspect th
eorique de lorthonormalisation de Schmidt

ee de E et une seule (w1 , w2 , . . . , wn ) telle que pour tout k appartenant à [[1, n]] :
Il existe une base orthonorm
(w1 , w2 , . . . , wn ) est LA base orthonormee deduite de (u1 , u2 , . . . , un ) par le procede dorthonormalisation de
Schmidt.
C 41
Aspect pratique de lorthonormalisation de Schmidt

I Pour construire cette base orthogonale (v1 , v2 , . . . , vn ) à partir de (u1 , u2 , . . . , un ) on procède de la manière suivante.
On pose v1 = u1 .
Supposons que lon ait construit (v1 , v2 , . . . , vk1 ) famille orthogonale de E telle que :
Vect(v1 , v2 , . . . , vk1 ) = Vect(u1 , u2 , . . . , uk1 ) (k [[1, n 1]]).
On construit alors vk . Pour cela on pose vk = uk + 1 v1 + 2 v2 + + k1 vk1 .
En ecrivant que vk est orthogonal à vi on calcule i pour tout i dans [[1, k 1]].
On obtient alors vk = uk
k1
i=1
I On pose k [[1, n]], wk =
< uk , vi >
< uk , vi >
vi = uk
vi .
< vi , vi >
vi 2
i=1
k1
1
vk . (w1 , w2 , . . . , wn ) est lunique base orthonormee de E telle que :
vk
C 42 F est un sous-espace vectoriel de lespace vectoriel euclidien E. pF est la projection orthogonale sur F .
{
{
yF
yF
pF (x) = y
x y F
z F, < x y, z >= 0
C 43

ee de F .
pF est la projection orthogonale sur F . Pour tout element x de E :

pF (x) =
< x, uk > uk
k=1
C 44
E est un espace vectoriel euclidien et B est une base orthonorm

ee de E.
J.F.C.
Eve p. 37

ee de F .
Pour tout k dans [[1, p]], Uk est la matrice de uk dans la base B. pF est la projection orthogonale sur F .
Alors la matrice de pF dans la base B est
Uk t Uk , donc MB (pF ) =
k=1
Uk t Uk .
k=1
Cest un + du programme 2014.
C 45
D est une droite vectorielle de E et pD est la projection orthogonale sur D.
Si u est un vecteur unitaire de D, pour tout element x de E : pD (x) = < x, u > u.

Si u est un vecteur non nul de D, pour tout element x de E : pD (x) =
< x, u >
u .
u2
C 46 E est un espace vectoriel euclidien de dimension n superieure ou egale à 2. H est un hyperplan de E et pH

est la projection orthogonale sur H.
a H, pour tout element x de E : pH (x) = x < x, u > u .
Si u est un vecteur non nul orthogonal `
a H, pour tout element x de E : pH (x) = x
C 47
< x, u >
u .
u2
D est une droite vectorielle de E et sD est la symetrie vectorielle orthogonale par rapport à D.
Si u est un vecteur unitaire de D, pour tout element x de E : sD (x) = 2 < x, u > u x.
C 48 E est un espace vectoriel euclidien de dimension n superieure ou egale à 2. H est un hyperplan de E et sH

est la symetrie vectorielle orthogonale par rapport à H.
a H, pour tout element x de E : sH (x) = x 2 < x, u > u .
C 49
Recherche pratique dune projection orthogonale (E, < ., . >) est un espace vectoriel euclidien (ou
un prehilbertien....).
F est un sous-espace vectoriel de E et pF est la projection orthogonale sur F . (u1 , u2 , . . . , up ) est une base quelconque
de F .
x est un element de E. Pour trouver pF (x) on peut :
M1 Utiliser pF (x) F et x pF (x) F (resp. pF (x) F et z F, < x pF (x), z >= 0).
M2 Construire une base orthonormee (w1 , w2 , . . . , wp ) de F et utiliser : pF (x) =
< x, wk > wk .
k=1
M3 Poser pF (x) =
xk uk . On cherche alors (x1 , x2 , . . . , xp ) en ecrivant que x pF (x) est orthogonal à F
k=1
donc à tous les elements de la base (u1 , u2 , . . . , up ) de F . On obtient rapidement :

i [[1, p]], < x, ui >=< pF (x), ui >=
k=1
 xk =
 xk .
k=1
Ceci donne un système lineaire de p equations à p inconnues que lon resout.

< x, u1 >
x1
x2
< x, u2 >
.
Ce système secrit matriciellement AX = B o`
u A = (< ui , uj >), X =
..
... et B =
.
xp
< x, up >
J.F.C.
Eve p. 38
A est une matrice inversible de Mp (R) (A est la matrice de la restriction du produit scalaire à F dans la base
(u1 , u2 , . . . , up )). Le système admet donc une solution et une seule (ce qui nest pas un scoop...).
I Ne pas oublier de regarder au prealable si F est un hyperplan. Dans ce cas on determine pF (F est une droite
vectorielle...) et on utilise pF = IdE pF .
C 50
Th
eor`
eme de meilleure approximation
Soit F un sous-espace vectoriel de lespace vectoriel euclidien E et pF (resp. pF ) la projection orthogonale sur F
(resp. F ).
Soit x un element de E.
1. z F, x pF (x) 6 x z.
Si t est un element de F tel que : z F, x t 6 x z alors t = pF (x).
2. Autrement dit Min x z existe et vaut x pF (x). De plus pF (x) est lunique element de F qui realise ce
zF
minimum.
pF (x) est donc lunique element de F tel que d(x, F ) = x pF (x).
La projection orthogonale de x sur F est la meilleure approximation de x par un element de F .
3. d2 (x, F ) = x pF (x)2 = x2 pF (x)2 = x2 < x, pF (x) >= pF (x)2 .
C 51
La formulation du programme... Caract

erisation de la projection orthogonale par minimisation
de la norme.
Soit F un sous-espace vectoriel de lespace vectoriel euclidien E et pF la projection orthogonale sur F .
y = pF (x) y F et x y = Inf x z ou y = pF (x) y F et x y = Min x z.
zF
C 52
zF
M
es.
A est un element de Mn,p (R) et B un element de Mn,1 (R). On suppose que le rang de A est p .
. est la norme de Mn,1 (R) associee au produit scalaire canonique.
1.
Min
XMp,1 (R)
AX B existe.
2. Il existe un unique element X0 de Mp,1 (R) tel que AX0 B =
Min
XMp,1 (R)
3. t AA est inversible.
4. X0 = (t AA)1 (t AB) ou t AAX0 = t AB.
C 53
Caract
etriques
Soit A une matrice de Mn (R). < ., . > est le produit scalaire de Mn,1 (R).
1. X Mn,1 (R), Y Mn,1 (R), < AX, Y >=< X, t AY >.
2. Les assertions suivantes sont equivalentes.
i) A est symetrique.
ii) X Mn,1 (R), Y Mn,1 (R), < AX, Y >=< X, AY >.
AX B.
J.F.C.
Eve p. 39
iii) X Mn,1 (R), Y Mn,1 (R), t Y AX = t XAY .
C 54
Caract
etriques
E est de dimension n (n N ), B = (e1 , e2 , . . . , en ) est une base de E et f un endomorphisme de E.

C 55
(i, j) [[1, n]] , < f (ei ), ej >=< ei , f (ej ) >.
Caract
erisation fondamentale des endomorphismes sym
etriques
E est de dimension n (n N ), B = (e1 , e2 , . . . , en ) est une base

E.
orthonorm
ee
de E et f un endomorphisme de
f est un endomorphisme symetrique de E si et seulement si sa matrice A dans la base B est symetrique (t A = A).
C 56
Lensemble des endomorphismes symetriques de E est un sous-espace vectoriel de L(E).
Si E est de dimension n non nul, lensemble des endomorphismes symetriques de E est un sous-espace vectoriel de
L(E) de dimension
C 57
n (n + 1)
Si f est un endomorphisme symetrique et bijectif de E, f 1 est un endomorphisme symetrique (et bijectif)
de E.
C 58
f est un endomorphisme sym

etrique de E.
Si F est un sous-espace vectoriel de E stable par f , F est stable par f .
C 59
Soit f un endomorphisme symetrique de lespace prehilbertien E .
Ker f et Im f sont orthogonaux.

(Im f ) = Ker f et Im f (Ker f ) .
C 60
Soit f un endomorphisme symetrique dun espace vectoriel euclidien E.
(Im f ) = Ker f et Im f = (Ker f ) .

Ker f et Im f sont supplementaires et orthogonaux.
C 61
Caract
erisations des projections orthogonales again
1. p est une projection (ou un projecteur) de E.

p est une projection orthogonale (ou un projecteur orthogonal) si et seulement p est un endomorphisme symetrique.
2. p est un endomorphisme de E (ou une application de E dans E...).
p est une projection orthogonale de E si et seulement si p est un endomorphisme symetrique de E veriant p p = p.
3. A est une matrice de Mn (R).
A est la matrice dune projection orthogonale si et seulement si A est symetrique et verie A2 = A.
Cest un + du programme 2014.
C 62
Soit f un endomorphisme symetrique de E.
1. Les sous-espaces propres de f sont deux à deux orthogonaux.
J.F.C.
Eve p. 40
2. Si (uk )16k6p est une famille de vecteurs propres de f associes à des valeurs propres deux à deux distinctes alors la
famille (uk )16k6p est une famille orthogonale de E.
C 63
Le th
eor`
etriques.
Soit f un endomorphisme symetrique de E espace vectoriel euclidien de dimension finie non nulle .
1. f est diagonalisable.
ee de E constituee de vecteurs propres de f (donc f se diagonalise dans
une base orthonormee).
C 64
A est une matrice symetrique de Mn (R)
1. Les valeurs propres de A sont reelles (SpR A = SpC A).

2. Les sous-espaces propres de A sont deux à deux orthogonaux.
3. Si (Xk )16k6p est une famille de vecteurs propres de A associes à des valeurs propres deux à deux distinctes alors
la famille (Xk )16k6p est une famille orthogonale Mn,1 (R).
C 65
Le th
eor`
etriques de Mn (R).
A est une matrice symetrique de Mn (R).

1. A est diagonalisable.
ee de Mn,1 (R) constituee de vecteurs propres de A.
3. Il existe une matrice orthogonale P de Mn (R), telle que P 1 AP = t P AP soit diagonale.
C 66
Laspect pratique de la r
etriques
f est un endomorphisme symetrique dun espace vectoriel euclidien E de dimension n non nulle.
On obtient une base orthonorm
ee de E constituee de vecteurs propres de f en concatenant une base orthonorm
ee
de chacun des sous-espaces propres de f .
C 67
Laspect pratique de la r
etriques

1. On obtient une base orthonorm
ee de Mn,1 (R) constituee de vecteurs propres de A en concatenant une base
orthonorm
ee de chacun des sous-espaces propres de A.
2. Si B est une base orthonormee de Mn,1 (R) constituee de vecteurs propres de A respectivement associes aux valeurs
propres 1 , 2 , ..., n et si P est la matrice de passage de la base canonique de Mn,1 (R) à la base B alors :
P est une matrice orthogonale.
t P AP = P 1 AP est la matrice diagonale Diag(1 , 2 , . . . , n ).
Soit A une matrice symetrique de Mn (R). Soit (X1 , X2 , . . . , Xn ) une base orthonormee de Mn,1 (R) constituee de vecteurs propres de A respectivement associes aux valeurs propres 1 , 2 , ..., n .
C 68
A=
k=1
C 69
1. Soit A une matrice symetrique de Mn (R).
k Xk t Xk
J.F.C.
Eve p. 41
Ainsi il existe une matrice orthogonale P de Mn (R) et une matrice diagonale D = Diag(1 , 2 , . . . , n ) telle que
t
P AP = P 1 AP = D.
On note, pour tout j element de [[1, n]], Cj la j ème colonne de P .
Alors (C1 , C2 , . . . , Cn ) est une base orthonormee de Mn,1 (R) constituee de vecteurs propres de A respectivement
associes aux valeurs propres 1 , 2 , ..., n .
2. Variante D = Diag(1 , 2 , . . . , n ) est une matrice diagonale de Mn (R) et P est une matrice orthogonale de
Mn (R). On pose A = P Dt P .
A est une matrice symetrique de Mn (R) et les colonnes de P constituent une base othonormee B de Mn,1 (R), de
vecteurs propres de A associes aux valeurs propres (1 , 2 , . . . , n ). P est la matrice de passage de la base canonique
de Mn,1 (R) à B.
C 70
D
etrique.
S est une matrice symetrique de Mn (R). 1 , 2 , ..., p sont ses valeurs propres distinctes.
Pour tout element k de [[1, p]] on note Pk la matrice, dans la base canonique de Mn,1 (R), de la projection orthogonale
fk de Mn,1 (R) sur le sous-espace propre SEP (S, k ) de S associe à la valeur propre k .
Montrer que
Pk = In et que S =
k=1
C 71
k Pk .
k=1
Matrice sym
etrique positive
Soit S une matrice symetrique de Mn (R). Les proprietes suivantes sont equivalentes.
i) X Mn,1 (R), t XSX > 0.
ii) Les valeurs propres de S sont positives ou nulles.
C 72
Matrice sym
etrique d
efinie positive
Soit une matrice symetrique de Mn (R). Les proprietes suivantes sont equivalentes.
i) X Mn,1 (R), X = 0Mn,1 (R) t XSX > 0.
ii) Les valeurs propres de S sont strictement positives.
Niveau 2
C 73
Encadrement de Rayleigh Soit S une matrice symetrique de Mn (R).
Soit sa plus petite valeur propre et soit sa plus grande valeur propre.
X Mn,1 (R), X2 6 t XSX =< SX, X >6 X2 ou X Mn,1 (R) {0Mn,1 (R) }, 6
Mieux :
Min
XSX
XMn,1 (R){0Mn,1 (R) } t XX
C 74
et
Max
XSX
XMn,1 (R){0Mn,1 (R) } t XX
Matrice sym
etrique positive again
Soit S une matrice symetrique de Mn (R). Les proprietes suivantes sont equivalentes.
i) X Mn,1 (R), t XSX > 0.
XSX
t XX
6 .
J.F.C.
Eve p. 42
ii) Les valeurs propres de S sont positives ou nulles.

iii) Il existe une matrice A de Mn (R) telle que S = t AA.
C 75
Matrice sym
etrique d
efinie positive again
Soit une matrice symetrique de Mn (R). Les proprietes suivantes sont equivalentes.
i) X Mn,1 (R), X = 0Mn,1 (R) t XSX > 0.
ii) Les valeurs propres de S sont strictement positives.
iii) Il existe une matrice inversible A de Mn (R) telle que S = t AA.
C 76
Adjoint dun endomorphisme

ee de lespace vectoriel euclidien E et f est un endomorphisme de E
de matrice A dans B.
f est lendomorphisme de E de matrice t A dans B.
1. f est lunique endomorphisme de E veriant (x, y) E 2 , < f (x), y >=< x, f (y) >. f est ladjoint de f .
2. Soit F un sous-espace vectoriel de E. F est stable par f si et seulement si F est stable par f .
3. Ker f = (Im f ) et Im f = (Ker f ) .
4. (f ) = f = f .
5. Si f est un automorphisme, f est egalement un automorphisme et (f )1 = (f 1 ) .
6. Si g est un second endomorphisme de E : (f ) = f , (f + g) = f + g et (f g) = g f .
7. Sp f = Sp f . Sp f, dim SEP (f, ) = dim SEP (f , ). f et f sont simultanement diagonalisables.
8. Ker(f f ) = Ker f et Im(f f ) = Im f .
9. f f (resp. f f ) est un endomorphisme symetrique dont les valeurs propres sont positives.
C 77
Endomorphisme orthogonal
f est un endomorphisme dun espace prehilbertien E.

f est un endomorphisme orthogonal si (x, y) E 2 , < f (x), f (y) >=< x, y > autrement dit si f conserve le
produit scalaire.
f est une application dun espace prehilbertien E dans lui meme. Les assertions suivantes sont equivalentes.
2. f est un endomorphisme verinant (x, y) E 2 , < f (x), f (y) >=< x, y >.
3. f verie (x, y) E 2 , < f (x), f (y) >=< x, y >.
Notons que 3. donne la linearite de f .
f est un endomorphisme dun espace prehilbertien E.
f est un endomorphisme orthogonal si et seulement si (x, y) E 2 , f (x) = x autrement dit si et seulement si f
conserve la norme.
f est un endomorphisme orthogonal dun espace prehilbertien E.
1. f est injectif (mais pas necessairement surjectif).
J.F.C.
Eve p. 43
2. Si F est un sous espace vectoriel de E stable par f , F est stable par f .

3. Si g est un second endomorphisme orthogonal de E, g f est un endomorphisme orthogonal de E.
4. Les seules valeurs propres (reelles ! !) possibles de f sont 1 et 1.
f est un endomorphisme orthogonal dun espace vectoriel euclidien E.
f est un automorphisme de E et f 1 est un automorphisme orthogonal de E.
f est un endomorphisme dun espace vectoriel euclidien E de de dimension n appartenant à N .
Les assertions suivantes sont equivalentes.
i) f est un endomorphisme orthogonal.
ii) Il existe une base orthonormee de E qui se transforme par f en une base orthonormee de E.
iii) Toute base orthonormee de E se transforme par f est une base orthonormee de E.
f est un endomorphisme dun espace vectoriel euclidien E et A est la matrice de f dans une base orthonorm
ee
de E.
f est un endomorphisme orthogonal si et seulement si A est une matrice orthogonale.
On note B = (e1 , . . . , en ) une base orthonormee de E et on considère un endomorphisme f orthogonal dont la
matrice dans la base B est notee A. On pose A = (ai,j )16i,j6n .
2
(i, j) [[1, n]] , ai,j [1, 1]
et
n
n
ai,j | 6 n
et
n6
i=1 j=1
C 78
n
n
|ai,j | 6 n n.
i=1 j=1
Racine carr
ee sym
efinie positive) dune matrice
sym
efinie positive) de Mn (R)
Si S est une matrice symetrique de Mn (R) dont les valeurs propres sont positives ou nulles (resp. strictement
positives), il existe une matrice symetrique T de Mn (R) dont les valeurs propres sont positives ou nulles (resp.
strictement positives) et une seule telle que T 2 = S.
C 79
Matrice dun produit scalaire
Soit B = (e1 , e2 , . . . , en ) et B = (e 1 , e 2 , . . . , e n ) deux bases dun espace vectoriel euclidien E.

La matrice A = (< ei , ej >) de Mn (R) est la matrice du produit scalaire < ., . >.
Si x et y sont deux elements de E de matrices X et Y dans B, < x, y >= t XAY .
A est une matrice symetrique dont les valeurs propres sont strictement positives.
Si A est la matrice de < ., . > dans B et si P est la matrice de passage de B à B : A = t P AP .
Une matrice C de Mn (R) est la matrice dun produit scalaire si et seulement si elle est symetrique à valeurs propres
strictement positives.
C 80
Caract
erisation des projections orthogonales again.
Soit p une projection (ou un projecteur) de E. Les assertions suivantes sont equivalentes.
i) p est une projection orthogonale.
ii) x E, p(x) 6 x.
J.F.C.
Eve p. 44
Base orthonorm
ee de Rn [X] d
eduite de la base canonique (1, X, . . . , X n ) de Rn [X] par le proc
ed
e
C 81
n est un element de N . < ., . > est un produit scalaire sur Rn [X].

1. a) Pour tout element k de [[1, n]], il existe un polynome normalise (le coecient du terme de plus haut degre est 1)
Pk et un seul appartenant à Rk [X] et orthogonal à Rk1 [X].
2. On pose P0 = 1.
a) Pour tout element k de [[0, n]], Pk est de degre k.
b) (P0 , P1 , . . . , Pn ) est une base orthogonale de Rn [X].
3. On pose k [[0, n]], Qk =
1
Pk .
Pk
a) (Q0 , Q1 , . . . , Qn ) est une base orthonormee de Rn [X].

b) Mieux, (Q0 , Q1 , . . . , Qn ) est la base orthonormee de Rn [X] deduite de la base canonique (1, X, . . . , X n ) de Rn [X]
par le procede dorthonormalisation de Schmidt.
C 82
R
a un sous-espace dans un espace pr
ehilbertien
E est un espace prehilbertien et F un sous-espace vectoriel de E. x est un element de E et y un element de F .

1. Il existe au plus un element de y de F tel que : x y = Inf x z.
zF
2. Soit y un element de F . x y = Inf x z si et seulement si x y est orthogonale à F .

zF
C 83
D
ecomposition polaire dune matrice inversible de Mn (R).
A est une matrice quelconque de Mn (R).

1. Il existe une matrice orthogonale U de Mn (R) et une matrice symetrique S à valeurs propres positives ou nulles
de Mn (R) telles que A = U S.
2. On suppose A inversible.
Il existe une unique matrice orthogonale U de Mn (R) et une unique matrice symetrique S à valeurs propres strictement
positives de Mn (R) telles que A = U S. Cest la d
ecomposition polaire de A.
C 84
D
ecomposition dIwasawa dune matrice inversible de Mn (R).
A est une matrice inversible de Mn (R). Il existe une matrice orthogonale Q de Mn (R) et une matrice triangulaire
superieure R de Mn (R) à coecients diagonaux strictement positifs telles que A = QR.
C 85
D
etrique d
efinie positive.
A est une matrice symetrique de Mn (R) dont les valeurs propres sont strictement positives (A est denie positive).
Il existe une matrice R, de Mn (R), triangulaire superieure à diagonale strictement positive et une seule telle que
A = t RR.
C 86
Th
eor`
eme de Courant-Fischer.
A est une matrice symetrique de Mn (R). (E 1 , E 2 , . . . , E n ) est une base orthonormee de Mn,1 (R) constituee de
vecteurs propres de A respectivement associes aux valeurs propres 1 , 2 , ..., n avec 1 6 2 6 6 n .
k est un element de [[1, n]] et Fk est lensemble des sous-espaces vectoriels de Mn,1 (R) de dimension k.
J.F.C.
Min Sup
F Fk
C 87
XF
X=0
XAX
= k
t XX
et
Max
Inf
F Fn+1k XF
X=0
Eve p. 45
XAX
= k .
t XX
Endomorphisme antisym
etrique.
(E, < , >) est un espace vectoriel euclidien de dimension non nulle n.
f est un endomorphisme de E. B = (e1 , e2 , . . . , en ) est une base orthonorm
ee de E et A = (aij ) est la matrice de f
dans B.
On dit que f est un endomorphisme antisym
etrique si (x, y) E 2 , < f (x), y >= < x, f (y) >.
2
1. a) f est antisymetrique si et seulement si (i, j) [[1, n]] , < f (ei ), ej >= < ei , f (ej ) >.
b) f est antisymetrique si et seulement si A est symetrique autrement dit si et seulement si t A = A.
2. f est antisymetrique si et seulement si x E, < x, f (x) >= 0.
Dans la suite f est un endomorphisme antisym
etrique de E.
3 a) Ker f = (Im f ) .
b) Sp f {0} et SpR (A) {0}.
c) SpC (A) iR.
d) f f est un endomorphisme symetrique dont les valeurs propres sont negatives ou nulles.
e) Si F est un sous-espace vectoriel stable par f , F est egalement stable par f .
4. Il existe une base orthonorme de E telle que la matrice de f dans cette base soit :
0 a1
0
a1
..
.
(O)
0 ap
ap
0
(O)
0
..
.
0
à quelques abus près...
C 88
Une caract
Une norme sur un espace vectoriel reel est la norme dun produit scalaire si et seulement si elle verie lidentite du
parallelogramme.
J.F.C.
Eve p. 46
C 89 Pour montrer quun vecteur de E est nul on montre quil est orthogonal à tous les elements de E. Ou pour
montrer que deux vecteurs x et y de E sont egaux on montre que x y est orthogonal à tous les elements de E.

Eve13 3

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Eve13 3

Transféré par

Droits d'auteur :

Formats disponibles

20-1- 2014

III CONSTRUCTION DE BASES ORTHOGONALES

ENDOMORPHISMES ET MATRICES SYMETRIQUES

0. Quelques rappels sur les matrices sym

20. Endomorphismes antisym

VIII DES ERREURS A

X LES BONS COUPS DE BILI-NEAIRE

SD Mentionne des resultats quil serait bon de savoir demontrer.

( est lineaire `a gauche).

2. (x, y, z) E 3 , R, (x, y + z) = (x, y) + (x, z)

( est lineaire `a droite) .

3. (x, y) E 2 , (y, x) = (x, y)

Ainsi un produit scalaire sur E est une forme bilin

Soit (x, y) < x, y > une application de E 2 dans R.

< ., . > est un produit scalaire sur E si et seulement si :

< ., . > est un produit scalaire sur E si et seulement si :

(i )16i6p et (j )16j6q sont deux familles de reels. Alors :

aij bij = tr(t A B).

bk X k sont deux elements de Rn [X], on pose :

f (t) g(t) p(t) dt.

< ., . > est un produit scalaire sur E.

1. | < x, y > | 6 < x, x > < y, y >

Cor. 2 Soit f et g deux fonctions numeriques continues sur [a, b].

x E, K, N (x) = ||N (x).

(x, y) E 2 , N (x + y) 6 N (x) + N (y).

< x, x > est une norme sur E.

Cest la norme associ

< x, x >, nous designerons

x et y sont deux elements de E.

2. | < x, y > | = x y si et seulement si (x, y) est liee.

x et y sont deux elements de E.

x + y2 = x2 + 2 < x, y > +y2 .

x y2 = x2 2 < x, y > +y2 .

x et y sont deux elements de E.

P F et G sont deux sous-espaces vectoriels de E. Si F et G sont orthogonaux alors F G = {0E }.

Prop. 9 F et G sont deux sous-espaces vectoriels de E respectivement engendres par (u1 , u2 , . . . , up ) et

P 1. F = {x E | i [[1, p]], < x, ui >= 0}.

2. Toute famille orthonormee est libre.

PP Soit B = (e1 , e2 , . . . , en ) une base orthonormee de E. Soit x un element de E.

PP Soit B = (e1 , e2 , . . . , en ) une base orthonormee de E. Soient x et y deux vecteurs de E de

Prop. 11 B = (e1 , e2 , . . . , en ) est une base dun espace vectoriel reel E.

F est un sous-espace vectoriel de lespace vectoriel euclidien E distinct de {0E } et E.

F est un sous-espace vectoriel de lespace vectoriel euclidien E distinct de {0E } et de E.

B = (e1 , e2 , . . . , en ) est une base orthonorm

1. Lorthogonal de la droite vectorielle engendree par a1 e1 + a2 e2 + + an en est lhyperplan dequation

An (R) . Rappelons que dim Sn (R) =

CONSTRUCTION DE BASES ORTHOGONALES

On se replace dans la situation du theor`eme precedent.

I 3. Laspect pratique version 2

Soit (u1 , u2 , . . . , un ) une base quelconque de E.

Th. 2 Soit (u1 , u2 , . . . , un ) une base quelconque de E.

1. (v1 , v2 , . . . , vn ) est une base orthogonale de E telle que :

La pratique pour les esprits simples...

Soit (u1 , u2 , . . . , un ) une base quelconque de E.

Ne reste plus qu `a poser, pour tout k dans [[1, n]], wk =

En clair les proprietes pF (x) F et x PF (x) F sont caracteristiques de la projection orthogonale

PP F est un sous-espace vectoriel de lespace vectoriel euclidien E. pF est la projection orthogonale

PP F est un sous-espace vectoriel de E et (u1 , u2 , . . . , up ) est une base orthonormee de F .

P E est un espace vectoriel euclidien et B est une base orthonormee de E.

F est un sous-espace vectoriel de E et (u1 , u2 , . . . , up ) est une base orthonorm

Notons que ce resultat est un + du programme 2014.

P D est une droite vectorielle de E et pD est la projection orthogonale sur D.

P E est un espace vectoriel euclidien de dimension n superieure ou egale `a 2. H est un hyperplan de E