Espaces euclidiens

1) Espaces prhilbertiens rels

a) Un espace prhilbertien rel est un R-espace vectoriel muni dun produit scalaire, cest--dire une forme bilinaire
p
symtrique dnie positive (x; y) 7 ! (x j y): On pose kxk = (x j x).
x
Remarque : Pour tout x 6= 0, appartient la sphre unit S (intersection de S et de la demi-droite R+ x).
kxk
P Rb
Exemples : Rn muni de (X j Y ) = nk=1 xk yk , C 0 ([a; b]; R) muni de (f j g) = a f (t)g(t) dt:

b) Norme dune somme

kx + yk2 = kxk2 + kyk2 + 2(x j y) Remarque : Lien avec Al-Kashi : kx yk2 = kxk2 + kyk2 2 kxk kyk cos(x; y):
Remarque : Dans C, jz + z 0 j2 = jzj2 + jz 0 j2 + 2 Re(zz 0 ):

Identit du paralllogramme : kx + yk2 + kx yk2 = 2 kxk2 + 2 kyk2 .

Remarque culturelle : Une norme est euclidienne ssi elle vrie lidentit du paralllogramme.
Cette identit quivaut dailleurs lidentit de la mdiane : M A2 + M B 2 = 2M I 2 + 21 AB 2 , o I milieu de [AB]:

c) Identits de polarisation : (x j y) = 1
2 kx + yk2 kxk2 kyk2 = 1
4 kx + yk2 kx yk2 :

Ainsi, la connaissance de k k (et donc de la sphre unit) dtermine entirement le produit scalaire.

d) Ingalit de Cauchy-Schwarz et ingalit triangulaire

Prop : (x j y)2 kxk kyk, avec galit ssi x et y sont colinaires .
Preuve : Le polynme P (t) = kx + tyk2 = kxk2 + 2t(x j y) + t2 kyk2 est valeurs positives, donc 0:

Prop : kx + yk kxk + kyk, avec galit ssi (x j y) = kxk kyk, cest--dire ssi x et y colinaires de mme sens.

2) Orthogonalit
a) Vecteurs orthogonaux
Thorme de Pythagore : (x j y) = 0 ssi kx + yk2 = kxk2 + kyk2 :
P P
Si x1 ; x2 ; :::; xn sont deux deux orthogonaux, alors k ni=1 xi k2 = ni=1 kxi k2 :
Toute famille orthonorme est libre (de mme pour une famille orthogonale de vecteurs non nuls).
Tout espace admet une base orthonorme (admis).

b) Orthogonal dun sev : On dnit F ? = fy 2 E j 8x 2 E, (x j y) = 0g:

?
Remarque : On a toujours F F ? , mais en dimension quelconque, la somme nest pas toujours gale E.
Par exemple, si F est le sev des polynmes dans C 0 ([a; b]; R) muni de k k2 , alors F ? = f0g.

Deux sev F et G sont orthogonaux ssi 8(x; y) 2 F G, (x j y) = 0, cest--dire ssi F G? (ou G F ? ).

Important : Le seul vecteur orthogonal lui-mme est le vecteur nul.

Donc le seul vecteur orthogonal tout vecteur est le vecteur nul, cest--dire E ? = f0g.
Consquence : Pour prouver que x = y, il su t de prouver que 8x 2 E, (x j z) = (y j z) :

c) Projection orthogonale sur un sous-espace de dimension nie

Prop : Soit F un sev de dimension nie. On considre (e1 ; :::; en ) une base orthonorme de F .
Pn ?
Alors z = x i=1 (ei j x)ei est orthogonal tous les ej , donc appartient F .
?
Corollaire : Pour tout sev F un sev de dimension nie, on a F F?=E :
En eet, pour tout i 2 f1; 2; 3; :::; ng, on a (ei j x y) = 0, cest--dire x y 2 Vect(e1 ; :::; en )? = F ? :
P
Ingalit de Bessel : ni=1 (ei j x)2 = kyk2 kxk2 :
La distance de x F est atteinte en y : d(x; F )2 = kx yk2 = kxk2 kyk2 :

3) Espaces euclidiens
Un espace euclidien est un espace prhilbertien rel de dimension nie.
a) Reprsentation des formes linaires sur un espace euclidien
Les formes linaires sur un espace euclidien sont les 'a : E ! R x 7 ! (a j x), avec a 2 E .
Remarque : Si a 6= 0, a? est un hyperplan, supplmentaire orthogonal de D = Ra.

Remarque : En dimension innie, les formes linaires ne sont pas ncessairement de la forme x 7 ! (a j x).
Rb
Par exemple, ' : f 7 ! f (0) dans C 0 ([a; b]; R) muni de k k2 nest pas de la forme f 7 ! a f (t)!(t) dt:

b) Bases orthonormes
Prop : Tout espace euclidien admet une base orthonorme (preuve par rcurrence applique e? , avec e 6= 0).
Base orthonorme adapte une somme directe orthogonale F F ? = E:
Thorme de la base orthonorme incomplte : toute famille orthonorme (e1 ; :::; ep ) peut tre complte en une
base orthonorme de E : il su t de la complter par une base de F ? , o F = Vect(e1 ; :::; ep ):

c) Expression des coordonnes dun vecteur et du produit scalaire dans une base orthonorme
P
Si (e1 ; :::; en ) est une base orthonorme de E, alors x = ni=1 (ei j x)ei .
P P P qP
Si x = ni=1 xi ei et si y = ni=1 yi ei , alors (x j y) = ni=1 xi yi = t XY et kxk = n 2
i=1 xi :

Autrement dit, le produit scalaire de vecteurs correspond au produit scalaire canonique de leurs coordonnes dans
une base orthonorme. Le choix dune BON permet didentier E avec Rn muni du produit scalaire canonique.
Remarque : Le choix dune BON dnit la structure euclidienne. Autrement dit, on peut dnir une structure
P P P
euclidienne par le choix dune base orthonorme. On a alors ( ni=1 xi ei j ni=1 yi ei ) = ni=1 xi yi :

d) Projections orthogonales
F ? est le seul supplmentaire de F orthogonal F (appel le supplmentaire orthogonal de F ), et (F ? ) ? = F:
Def : La projection orthogonale p sur F est la projection sur F paralllement F ? .
P
Si F = Vect(e1 ; :::; ep ), p(x) = pi=1 (ei j x)ei .
Pp
Si F ? = Vect(ep+1 ; :::; en ), p(x) = x i=1 (ei j x)ei .

Remarque : Les projections orthogonales sont les projections qui diminuent la norme.
(a j x)
Cas particuliers importants : Le projet de x sur la droite D = Ra est p(x) = a:
(a j a)
? (a j x)
Le projet de x sur lhyperplan H = a est p(x) = x a:
(a j a)
4) Procd dorthogonalisation de Gram-Schmidt
Lemme fondamental : Soit F un sev et a 2 E n F .
Alors le projet b de a sur F ? vrie a b 2 F et b 2 F ? : On a aussi (a j b) = kbk2 > 0:

Prop : Soient (a1 ; a2 ; :::; an ) une base de E. Pour 0 k n, on pose Fk = Vect(a1 ; a2 ; :::; ak ): Ainsi, F0 = f0g.
? bk
On note bk le projet orthogonal de ak sur (Fk 1 ) : Et on pose ek = :
kb k
On a 8k 2 f1; 2; :::ng, Vect(a1 ; a2 ; :::; ak ) = Vect(e1 ; e2 ; :::; ek ), et (ak j ek ) > 0:
Pk 1 bk
Expression des ek : On a bk = ak j=1 (ej j ak )ej et ek = .
kbk k
5) Exemple : Produit scalaire (canonique) dans Mn (R)
2) P
Le produit scalaire canonique dans Mn (R) = R(n est (A j B) = i;j aij bij = tr(t AB).
En particulier, les formes linaires sur Mn (R) sont les M 7 ! tr(t AM ), cest--dire les M 7 ! tr(AM ):

Remarque : Les sev Sn (R) et An (R) des matrices symtriques et antisymtriques sont supplmentaires orthogonaux
: Par dimension, il su t de prouver quils sont orthogonaux. Or, tr(SA) = tr(t SA) = tr(t AS) = tr(SA).

Automorphismes orthogonaux dans un espace euclidien et matrices orthogonales

1) Automorphismes orthogonaux
a) Dnition et caractrisations
Prop et def : Soient E euclidien et u 2 L(E):
On dit que u est une transformation orthogonale ssi u vrie les assertions suivantes qui sont quivalentes :
i) u conserve la norme : 8x 2 E; ku(x)k = kxk :
ii) u conserve le produit scalaire : 8(x; y) 2 E 2 ; (u(x) j u(y)) = (x j y) :
iii) Limage par u de toute base orthonorme de E est une base orthonorme.
iv) Il existe une base orthonorme dont limage par u est une base orthonorme.

b) Groupe orthogonal
Lensemble des transformations orthogonales est un sous-groupe de (GL(E); ); appel groupe orthogonal, not O(E).
En particulier, Id 2 O(E), la compose de deux transformations orthogonales est une transformation orthogonale et
la rciproque dune transformation orthogonale est une transformation orthogonale.

On note O+ (E) = fu 2 O(E) j det u > 0g le sous-groupe des rotations. On a O+ (E) = O(E) \ SL(E) = SO(E):

c) Symtries orthogonales
Def : La symtrie orthogonale par rapport F est la symtrie s par rapport F paralllement F ? :
Les symtries orthogonales sont des transformations orthogonales.
Remarque : Les symtries orthogonales sont les seules symtries qui sont des transformations orthogonales.
Attention : Les projections orthogonales nappartiennent pas O(E) (sauf Id).

d) Rexions
Def : Une rexion est une symtrie orthogonale s par rapport un hyperplan H:
(x j a)
Si H = a? , on a 8x 2 E; s(x) = x 2 a:
(a j a)
Prop : Soient a et b non nuls tels que kak = kbk : Alors il existe une unique rexion s telle que s(a) = b:
De plus, s est la rexion par rapport H = (b a)? :

e) Image de lorthogonal par une transformation orthogonale

Prop : Soient u 2 O(E) et F sev de E: Alors u(F ? ) = u(F ) ? :
Preuve : Pour (x; y) 2 F F ? , (u(x) j u(y)) = (x j y) = 0, do u(F ? ) u(F ) ? , et on conclut par dimension.
2) Matrices orthogonales
a) Reprsentation matricielle du produit scalaire canonique dans Rn
P
Si X = (x1 ; :::; xn ) et Y = (y1 ; :::; yn ) 2 Rn ; alors (X j Y ) = ni=1 xi yi = t X Y:
b) Matrice de Gram
Soient A et B 2 Mn (R): On note A1 ; :::; An les colonnes de A; et B1 ; :::; Bn les colonnes de B: Alors
t AB = ((Ai j Bj ))1 i n;1 j n

Le coe cient dindice (i; j) de t AB est le psc des vecteurs Ai et Bj :

c) Matrice orthogonale
On dit que A 2 Mn (R) est une matrice orthogonale ssi A vrie les assertions suivantes qui sont quivalentes :
i) A est inversible et A 1 = tA i) A t A = In : i) tA A = In :
ii) Les vecteurs colonnes de A forment une base orthonorme de Rn muni du psc.
iii) Lendomorphisme associ A est une transformation orthogonale de Rn muni du psc.
Remarque : On a ncessairement det A = 1:
d) Groupes On (R) et On+ (R) = SOn (R)
Lensemble des matrices orthogonales est un sous-groupe de GLn (R), appel groupe orthogonal, not On (R).
En particulier, In et In 2 On (R):
e) Caractrisation matricielle des bases orthonormes et des transformations orthogonales
Prop (Important) : Soient E euclidien et B une base orthonorme de E:
i) Une famille (x1 ; :::; xn ) est une base orthonorme de E ssi MatB (x1 ; :::; xn ) est une matrice orthogonale.
ii) Un endomorphisme u 2 L(E) est une transformation orthogonale de E ssi MatB u est une matrice orthogonale .
Corollaire : La matrice de passage entre deux bases orthonormes est orthogonale.
Prop (Important) : Soient E euclidien orient et B une base orthonorme directe de E:
i) Une famille (x1 ; :::; xn ) est une base orthonorme directe ssi MatB (x1 ; :::; xn ) est une matrice de rotation.
ii) Un endomorphisme u 2 L(E) est une rotation de E ssi MatB u est une matrice de rotation.
Corollaire : La matrice de passage entre deux bases orthonormes directes est une matrice de rotation.

3) Dcomposition dIwasawa (traduction matricielle de Gram-Schmidt) et ingalit dHadamard (hp)

Prop : Toute matrice A 2 GLn (R) scrit A = U T , o U 2 On (R) et T triangulaire suprieure.
Preuve : Considrons (A1 ; A2 ; :::; An ) la base de Rn forme des colonnes de A. Par le procd dorthonormalisation
de Gram-Schmidt, on obtient une base orthornorme (U1 ; U2 ; :::; Un ):
P
On a Aj 2 Vect(U1 ; :::; Uj ), donc Aj est de la forme Aj = ji=1 tij Ui . On obtient ainsi A = U T .
Prop (Ingalit dHadamard ) : jdet Aj kA1 k kA2 k ; ::: kAn k :
Preuve : On a jdet Aj = jdet T j = jt11 t22 :::tnn j. Or, Aj = U Tj , donc kA2 k jtjj j :
Variante directe : (|) On note bk le projet de ak sur Vect(a1 ; :::; ak ?
1) .
On a alors jdet(a1 ; a2 ; :::; an )j = jdet(b1 ; b2 ; :::; bn )j = kb1 k kb2 k ; ::: kbn k ka1 k ka2 k ; ::: kan k :
Avec galit ssi (a1 ; a2 ; :::; an ) = (b1 ; b2 ; :::; bn ), cest--dire (a1 ; a2 ; :::; an ) est une base orthogonale.
Exemple : (|) Toute matrice relle trigonalisable est trigonalisation dans une base orthonorme.
En eet, avec A = P BP 1, on applique la dcomposition dIwasawa P , qui scrit donc P = U T:
 Espaces euclidiens : Complments
1) Distance un sev et minimisation
a) Projet et distance dun point un sev
Principe : Soit F un sev et x 2 E. On considre d(x; F ) = inffkx zk, z 2 F g.
Il existe un unique vecteur y 2 F tel que d(x; F ) = kx yk, et y est le projet orthogonal de x sur F .
En eet, si z 2 F , on a par Pythagore, kx zk2 = kx yk2 + ky zk2 kx yk2 :

Important : d(x; F )2 = kx yk2 = kxk2 kyk2 :

P Pn
Remarque : Si (e1 ; :::; en ) est une bon de F , alors y = nk=1 (x j ek )ek et d(x; F )2 = kxk2 k=1 (x j ek )2 :
P
Si (f1 ; :::; fp ) est une bon de F ? , alors d(x; F )2 = pk=1 (x j fk )2 :

Exemple : Calcul du projet y de x sur un plan F = Vect(u; v).

u v (x j u) (x j v)
Si (u; v) est orthogonale, ; est une bon, donc y = 2 u+ v:
kuk kvk kuk kvk2
Dans le cas gnral, on peut calculer y de deux faons :
- On orthogonalise (u; v) par le procd de Gram-Schmidt.
- Mieux : on cherche y sous la forme u + v, et on crit que (x y) est orthogonal u et v.
( (
( u + v j u) = (x j u) (u j u) + (v j u) = (x j u)
Do le systme :
( u + v j v) = (x j v) (u j v) + (v j v) = (x j v)
On obtient un systme de Cramer dinconnue ( ; ), car = kuk2 kvk2 (u j v)2 > 0 par Cauchy-Schwarz.

b) Exemple de minimisation
Exemple : (|||) Soit f : [0; 1] ! R une application continue.
R1
On veut dterminer les valeurs de (a; b) 2 R2 pour lesquelles 0 (f (t) bt)2 dt est minimum.
a
qR
1
Autrement dit, en considrant E = C 0 ([a; b]; R) de la norme euclidienne kgk2 = 2
0 g(t) dt, on cherche minimiser
kf Lk22 , o L est une droite a ne.
Par a), kf Lk22 est minimum lorsque L est le projet de f sur F = Vect(1; t) le sev des fonctions a nes.
( (
a(1 j 1) + b(t j 1) = (f j 1) a + 12 b = (f j 1)
On dtermine L(t) = a + bt par 1 1
a(1 j t) + b(t j t) = (f j t) 2 a + 3 b = (f j t)
On obtient a = 4(f j 4 6t) et b = (f j 6 + 12t):

Remarque : On peut prendre E = Vect(1; t; f ) au lieu de C 0 ([a; b]; R) (pour se placer en dimension nie).
R +1
Exemple : (|||) On veut minimiser 0 (t2 a bt)2 e t dt, avec (a; b) 2 R2 .
R +1
On considre R[X] muni du produit scalaire (P j Q) = 0 P (t)Q(t) e t dt:
R +1
Alors 0 (t2 a bt)2 e t dt est minimum lorsque (a + bX) est le projet de X 2 sur Vect(1; X).

2) Polynmes orthogonaux

a) Proprits gnrales : Soit ( j ) un produit scalaire sur R[X].

Pour tout n 2 N, il existe un unique polynme unitaire Bn de degr n orthogonal Rn 1 [X] . En eet, lorthogonal
de Rn 1 [X] dans Rn [X] est une droite, et une droite contient un unique polynme unitaire (de coe cient dominant
1).
Remarque : En fait, Bn est le projet orthogonal de X n sur Rn ?
1 [X] .
Preuve : On applique le procd de Gram-Schmidt la base canonique (X n )n2N :
Rb
b) Proprits gnrales associes un produit scalaire de la forme (P j Q) = a P (t)Q(t) !(t) dt:
Soit ! :]a; b[! R continue et strictement positive sur ]a; b[, et telle que les intgrales considres existent.

Prop : Alors (P; Q) 7 ! (P j Q) dnit un produit scalaire. En particulier, elle est dnie (positive) par le lemme :
Rb
Lemme : Si g est continue positive, alors a g(t) dt = 0 ssi g est identiquement nulle .

Considrons la base orthogonale (Bn )n2N de R[X] de polynmes unitaires de degrs chelonns.
Ainsi, Bn est le projet orthogonal de X n sur Rn ?
1 [X] .

Prop : La suite (Bn )n2N vrie une relation de rcurrence dordre 2 de la forme

Bn+1 = (X n )Bn + n Bn 1

Preuve : On a (XP j Q) = (P j XQ): Donc 8Q 2 Rn 2 [X], (XBn j Q) = (Bn j XQ) = 0:

Donc XBn 2 Rn ?
2 [X] : Donc XBn 2 Vect(Bn+1 ; Bn ; Bn 1 ):
Pn+1
En eet, XBn = k=0 k Bk , et k = (XBn j Bk ) = 0 pour k n 2:

Remarque : Si de plus a = b et que ! est pair, alors Bn (X) = ( 1)n Bn ( X) et = 0:

Prop : Le polynme Bn admet n racines distinctes sur ]a; b[ (et donc est scind racines simples ).
Preuve : La proprit rsulte du lemme suivant :
Rb
Lemme : Soit f : [a; b] ! R continue telle que 8P 2 Rn [X], a f (t)P (t) dt = 0.
Alors f admet au moins n zros sur ]a; b[ en lesquels elle change de signe.
Rb
Remarque : Lhypothse est quivalente : 8k 2 f0; 1; 2; :::; ng, a f (t)tk dt = 0:
Preuve : On suppose par labsurde que f change de signe en r points, avec r < n.
On considre P (X) = (X a1 ):::(X
ar ), o a1 ; :::; ar sont les points o f change de signe.
Rb
Alors 8t 2 [a; b], f (t)P (t) 0. Comme deg P = r < n, alors a f (t)P (t) dt = 0:
Donc 8t 2 [a; b], f (t)P (t) = 0, donc f est identiquement nulle (par continuit), do une contradiction.

Polynmes de Legendre
R +1
Pour P; Q 2 R[X]; on pose (P j Q) = 1 P (t)Q(t)dt:
Pour tout n 2 N; on considre Rn = (X 2 1)n et Ln = (Rn )(n) (drive n-ime de Rn ). On a deg Ln = n.
En intgrant par parties, on a 8P 2 R[X]; (Ln j P ) = ( 1)n (Rn j P (n) ):
On en dduit que 8P 2 Rn 1 [X]; (Ln j P ) = 0: Donc (Ln )n2N est une base orthogonale de Rn [X]:
On peut montrer que Ln+1 = (4n + 2)XLn 4n2 Ln 1:

Polynmes de Tchebychev
R +1 P (t)Q(t) R
Pour P; Q 2 R[X]; on pose (P j Q) = 1
p dt: On a (P j Q) = 0 P (cos t)Q(cos ):
1 t 2

On en dduit aisment que la base (Tn )n2N des polynmes de Tchebychev est orthogonale.
R R
En eet, (Tn j Tm ) = 0 cos(nt) cos(mt) dt = 21 0 cos((n + m)t) + cos((n m)t) dt:
On a Tn+1 = 2XTn Tn 1:

Polynmes de Laguerre
R +1 t 1 x dn
Pour P; Q 2 R[X]; on pose (P j Q) = 0 P (t)Q(t)e dt: On pose Hn (x) = n! e dxn (xn e x) :