Vous êtes sur la page 1sur 13

c Christophe Bertault - MPSI

Espaces euclidiens
Dans ce chapitre, on travaille seulement avec le corps de base R. Les lettres n, p, q . . . dsignent des entiers naturels non nuls.

1 Produit scalaire, norme et distance

1.1 Produit scalaire

Dfinition (Produit scalaire, espace prhilbertien rel, espace euclidien)


Soit E un R-espace vectoriel. On appelle produit scalaire sur E toute forme bilinaire symtrique dfinie positive, i.e.
toute application (|) : E E R : 8 
< x + y z = (x|z) + (y|z)
1) bilinaire : x, y, z E, , R,  ;
:
x y + z = (x|y) + (x|z)
2) symtrique : x, y R, (y|x) = (x|y) ;
3) dfinie : x E, (x|x) = 0 x = 0E ;
4) positive : x E, (x|x) > 0.
Un espace vectoriel rel muni dun produit scalaire est appel un espace prhilbertien rel. Un espace prhilbertien rel
de dimension finie est appel un espace euclidien.

   Explication Par chance, le produit scalaire usuel avec lequel vous avez lhabitude de travailler depuis quelques annes
est un produit scalaire au sens de cette dfinition, sur R2 ou R3 . Cela dit, en principe, cette dfinition devrait
 vous tonner. En
dbut danne, nous avons dfini le produit scalaire de deux vecteurs au moyen de la formule ~ u ~v = k~ u, ~v ) ,
uk.k~v k. cos(~
qui supposait connues les notions de norme dun vecteur et dangle de deux vecteurs. Cette fois, nous dfinissons la notion de
produit scalaire indpendamment de ces deux notions. Le comble, dans cette histoire, cest que les notions de norme et dangle
vont dcouler naturellement de notre dfinition du produit scalaire.

$ $ $ Attention ! Il existe de nombreux produits scalaires


( conformes cette dfinition dans le plan ou lespace ; jusquici,
 R2  R
nous en avons privilgi un. Par exemple, lapplication (|) : est un produit
(x, y), (x0 , y 0 ) 7 3xx0 + xy 0 + yx0 + yy 0
scalaire sur R2 , distinct du produit scalaire usuel.
En effet La bilinarit et la symtrie sont videntes. Pour la dfinition et la positivit, soit u = (x, y) R2 . Alors
(u|u) = 3x2 + 2xy + y 2 = 2x2 + (x + y)2 > 0. De plus ce produit scalaire est nul si et seulement si x = x + y = 0,
i.e. x = y = 0.

Remarque
La bilinarit du produit scalaire implique en particulier ceci : x E, (x|0E ) = (0E |x) = 0.
La symtrie et la linarit par rapport une variable seulement suffisent montrer la bilinarit.



Le produit scalaire de deux vecteurs x et y est aussi parfois not (x, y), x y , x, y ou encore x y.

1.2 Norme et distance associes un produit scalaire

Dfinition (Norme) Soit E un espace prhilbertien rel de produit scalaire (|).


On appelle norme (euclidienne) sur E associe au produit scalaire (|) lapplication k k : E R+ dfinie par :
p
x E, kxk = (x|x).
On appelle distance (euclidienne) sur E associe au produit scalaire (|) lapplication d : E E R+ dfinie par :
x, y E, d(x, y) = kx yk.

1
c Christophe Bertault - MPSI

$ $ $ Attention ! La notion de distance nest pas forcment celle que lon croit ! Quand on travaille dans R2 ou R3 avec le
produit scalaire usuel, la dfinition 
prcdente nous  ramne bien entendu la notion de distance intuitive. Mais si par exemple
on travaille avec le produit scalaire (x, y), (x0 , y 0 ) 7 3xx0 + xy 0 + yx0 + yy 0 , les choses deviennent beaucoup moins intuitives.

Par exemple, k~k = 3 et k~k = 1.

Remarque La norme est homogne ; cela signifie que : x E, R, kxk = ||.kxk.

Thorme (Ingalit de Cauchy-Schwarz, ingalit triangulaire) Soient E un espace prhilbertien rel et x, y, z E.




(i) Ingalit de Cauchy-Schwarz : (x|y) 6 kxk.kyk.
Cette ingalit est une galit si et seulement si x et y sont colinaires.
8
< Version norme : kx + yk 6 kxk + kyk
(ii) Ingalit triangulaire : .
:
Version distance : d(x, z) 6 d(x, y) + d(y, z)
Cette ingalit est une galit si et seulement si x et y sont colinaires de mme sens.
8
>
>
< Version norme : kxk kyk 6 kx + yk 6 kxk + kyk
Ingalit triangulaire gnralise : .
>
>
: Version distance : d(x, y) d(x, z) 6 d(x, z) 6 d(x, y) + d(y, z)

   Explication
En dbut danne, nous navons mme pas pris la peine dnoncer lingalit de Cauchy-Schwarz car elle tait alors

compltement triviale. En effet : ~ u ~v = k~ u, ~v ) 6 k~
uk.k~v k. cos(~ uk.k~v k, car la fonction cosinus est borne entre 1 et
1. A prsent, notre dfinition abstraite du produit scalaire rend cette ingalit non triviale et prcieuse.
Ci-dessous, deux petits dessins pour justifier lappellation ingalit triangulaire : gauche, la version norme (o x, y, z
sont considrs comme des vecteurs) ; droite la version distance (o x, y, z sont considrs comme des points).
y
b b
x y
b x b b z
Dmonstration x+y
(i) Lingalit de Cauchy-Schwarz est vidente si y = 0E ; supposons donc y 6= 0E . On a, pour tout t R :

kx + tyk2 = x + ty x + ty = kxk2 + 2t(x|y) + t2 kyk2 .

La fonction t 7 kx+tyk2 est donc polynomiale de degr 2 et positive ou nulle sur R tout entier. Conclusion :
son discriminant (rduit) est ngatif ou nul. Bref : (x|y)2 kxk2 .kyk2 6 0. Cest lingalit de Cauchy-
Schwarz.


Comment sinterprte enfin le cas dgalit (x|y) = kxk.kyk ?


(x|y) = kxk.kyk Le discriminant de la fonction polynomiale t 7 kx + tyk2 est nul
La fonction polynomiale t 7 kx + tyk2 possde un zro
t0 R/ kx + t0 yk2 = 0 t0 R/ x + t0 y = 0E
x et y sont colinaires.

(ii) La version distance est immdiate partir de la version norme. Calculons. . .

 Cauchy-Schwarz 2
kx + yk2 = x + y x + y = kxk2 + 2(x|y) + kyk2 6 kxk2 + 2kxk.kyk + kyk2 = kxk + kyk .

Un petit coup de racine carr, et lingalit triangulaire est dmontre.


Notre preuve montre par ailleurs que cette ingalit est une galit si et seulement si (x|y) = kxk.kyk. Si
cest le cas, alors en particulier x et y sont colinaires via (i). Quitte permuter x et y, il existe donc R
tel que y = x. Aussitt : kxk2 = (x|x) = (x|y) = kxk.kyk = kxk.kxk = ||.kxk2 , et donc = ||,
i.e. > 0. Cette positivit signifie par dfinition que x et y sont colinaires de mme sens. La rciproque est
immdiate.
Lingalit triangulaire gnralise dcoule de lingalit triangulaire de base . Si vous ntes pas convain-
cus, retournez mettre votre nez dans notre chapitre sur les nombres complexes. 

2
c Christophe Bertault - MPSI

Thorme (Identits du paralllogramme et de polarisation) Soient E un espace prhilbertien rel et x, y E.



(i) Identit du paralllogramme : kx + yk2 + kx yk2 = 2 kxk2 + kyk2 .
1   1  
(ii) Identits de polarisation : (x|y) = kx + yk2 kxk2 kyk2 = kx + yk2 kx yk2 .
2 4

   Explication
Lidentit du paralllogramme affirme que la somme des carrs des cts dun paralllo- x y x
gramme est gal la somme des carrs des longueurs de ses diagonales. x+ y
b b
y
8 2 2 2
< kx + yk = kxk + 2(x|y) + kyk
Dmonstration Tout commence avec les relations : .
:
kx yk2 = kxk2 2(x|y) + kyk2
(i) Pour lidentit du paralllogramme, on additionne et .
(ii) La premire identit de polarisation nest quune rcriture de . La seconde sobtient en soustrayant
de . 

1.3 Exemples
8
>
< Rn Rn R
n   X
n
Exemple (Produit scalaire canonique sur R ) Lapplication est un produit
>
: (xk )16k6n , (yk )16k6n 7 x k yk
k=1
scalaire sur Rn appel le produit scalaire canonique sur Rn .  n n
R R R
Il est quivalent de dfinir ce produit scalaire sous la forme matricielle t .
(X, Y ) 7 XY
En effet La bilinarit et la symtrie sont videntes. Pour la dfinition et la positivit, soit X = (xk )16k6n Rn .
X
n
Alors (X|X) = x2k > 0, et lgalit na lieu que si xk est nul pour tout k J1, nK, i.e. si X = 0.
k=1

8 2
>
< Rn [X] R
Exemple Lapplication X
n
est un produit scalaire sur Rn [X].
>
: (P, Q) 7 P (k)Q(k)
k=0

En effet La symtrie est vidente. Pour la bilinarit, contentons-nous de montrer la linarit par rapport la
premire variable cela suffit par symtrie. Soient P, Q, R Rn [X] et , R.
 X
n
 X
n X
n
P + Q R = P (k) + Q(k) R(k) = P (k)R(k) + Q(k)R(k) = (P |R) + (Q|R).
k=0 k=0 k=0

X
n
Pour la dfinition et la positivit, soit P Rn [X]. Alors (P |P ) = P (k)2 > 0, et lgalit na lieu que si P (k) = 0
k=0
pour tout k J0, nK, i.e. si 0, 1, . . . , n sont des racines de P ; or dans ce cas P possde (n + 1) racines distinctes au
moins et est de degr au plus n, donc P = 0.

8 2
< C [0, 1], R R 
Z 1
Exemple Lapplication est un produit scalaire sur C [0, 1], R .
: (f, g) 7 f (t)g(t) dt
0

En effet La bilinarit et la symtrie sont videntes. Pour la dfinition et la positivit, soit f C [0, 1], R . Alors
Z 1
(f |f ) = f (t)2 dt > 0, et lgalit na lieu que si f = 0 ; en effet, lintgrale dune fonction continue positive est
0
nulle si et seulement si la fonction intgre est identiquement nulle.


$ $ $ Attention ! Muni du produit scalaire dfini ci-dessus, C [0, 1], R nest pas un espace euclidien car ce nest pas un
R-espace vectoriel de dimension finie. Cest seulement un espace prhilbertien rel.

3
c Christophe Bertault - MPSI

2 Orthogonalit

2.1 Vecteurs unitaires et orthogonaux

Dfinition (Vecteur unitaire, vecteurs orthogonaux) Soient E un espace prhilbertien rel et x, y, x1 , x2 , . . . , xn E.


On dit que x est unitaire (ou norm) si kxk = 1.
On dit que x et y sont orthogonaux si (x|y) = 0 ; cette relation se note x y.
On dit que (x1 , x2 , . . . , xn ) est orthogonale si xi et xj sont orthogonaux pour tous i, j J1, nK, i 6= j.
On dit que (x1 , x2 , . . . , xn ) est orthonormale (ou orthonorm) si elle est orthogonale
 et si xi est unitaire pour tout
1 si i = j
i J1, nK ; cela revient dire que : i, j J1, nK, (xi |xj ) = ij , o ij = .
0 si i 6= j

   Explication Remarquez bien en quoi cette dfinition achve de mettre la gomtrie la tte en bas : jusquici, pour
vous, la notion dorthogonalit tait premire et le produit scalaire second ; prsent cest le contraire : la notion dorthogonalit
repose sur la dfinition pralable dun produit scalaire. Cela implique en particulier qu tout produit scalaire correspond une
notion dorthogonalit. Les angles droits ne sont droits que relativement la donne dun produit scalaire.

Exemple Pour le produit scalaire canonique de Rn , la base canonique de Rn est orthonormale. Cest facile et important,
vrifiez-le imprativement.

Exemple
  ~ ~
Pour le produit scalaire (x, y), (x0 , y) 7 3xx0 + xy 0 + yx0 + yy 0 sur R2 , les vecteurs ~
u = et
3 ~
u
~ 3~ b
~v = forment une base orthonormale de R2 . Vrifiez-le ! Cela nous fait donc apparemment un drle
6 ~
dangle droit ; mais vous devez considrer que cest bel et bien un angle droit : cest juste que votre il ~v
nest pas adapt ce produit scalaire.

Z 1 
Exemple Les fonctions x 7 1 et x 7 sin(2x) sont orthogonales pour (f, g) 7 f (x)g(x) dx sur C [0, 1], R .
0
Z 1 Z 1  x=1
cos(2x)
En effet 1 sin(2x) dx = sin(2x) dx = = 0.
0 0 2 x=0

Thorme (Proprits des familles orthogonales) Soient E un espace prhilbertien rel et (x1 , x2 , . . . , xn ) une famille
orthogonale de E.
(i) Si aucun des xk nest nul, k J1, nK, alors (x1 , x2 , . . . , xn ) est libre.
2
Xn X
n

(ii) Thorme de Pythagore : xk = kxk k2 .

k=1 k=1

   Explication
Mais quel rapport avec notre bien-aim thorme de Pythagore des classes de Troisime ? En Troisime, A C
2 2 2
2 2 2
on nous apprend que BC = AB + AC ; prsent, voil que AB + AC = AB + AC , i.e.
AD2 = AB 2 + AC 2 . Ces deux rsultats nen font quun, car videmment AD = BC.
B D
Dmonstration
X
n
(i) Supposons xk 6= 0E pour tout k J1, nK. Soient 1 , 2 , . . . , n R tels que k xk = 0E . Fixons i J1, nK.
! k=1
X
n X
n
2
Alors : 0 = (0E |xi ) = k xk xi = k (xk |xi ) = i kxi k . Or xi 6= 0E , donc kxi k =
6 0, do i = 0.

k=1 k=1
La famille (x1 , x2 , . . . , xn ) est libre comme voulu.
2 !
Xn X
n Xn X X X
n X
n

(ii) x k = xk xl = (xk |xl ) = (xk |xl ) = (xk |xk ) = kxk k2 . 

k=1 k=1 l=1 16k,l6n 16k,l6n k=1 k=1
k=l

4
c Christophe Bertault - MPSI

Corollaire (Base orthonormale dun espace euclidien) Soit E un espace euclidien de dimension n et e1 , e2 , . . . , en E.
Les assertions suivantes sont quivalentes :
(i) (e1 , e2 , . . . , en ) est une base orthonormale de E. (ii) (e1 , e2 , . . . , en ) est une famille orthonormale de E.

   En pratique Si vous voulez montrer que n vecteurs donns forment une base orthonormale en dimension n, il
vous suffit de montrer que ces vecteurs forment une famille orthonormale.

Dmonstration Limplication (i) = (ii) est vidente. Rciproquement, supposons que (e1 , e2 , . . . , en ) est une
famille orthonormale de E. Alors cette famille est libre en vertu du thorme prcdent. Compose de n vecteurs
dans un espace vectoriel de dimension n, cest donc une base de E. 

2.2 Sous-espaces vectoriels orthogonaux

Dfinition (Sous-espaces vectoriels orthogonaux) Soient E un espace prhilbertien rel et F et G deux sous-espaces
vectoriels de E. On dit que F et G sont orthogonaux si tout vecteur de F est orthogonal tout vecteur de G, i.e. si :
f F, g G, (f |g) = 0. Cette relation se note F G.


Exemple Soit E un espace prhilbertien rel. Alors 0E est orthogonal tout sous-espace vectoriel de E car en vertu de
la linrait du produit scalaire : x E, (x|0E ) = 0.

 
Exemple Dans le plan vectoriel R2 muni de son produit scalaire canonique, les droites R 0 et 0 R sont orthogonales.

Thorme (Sous-espaces vectoriels orthogonaux de dimension finie) Soient E un espace prhilbertien rel et F et G
deux sous-espaces vectoriels de dimension finie, de bases respectives (f1 , f2 , . . . , fm ) et (g1 , g2 , . . . , gn ). Les assertions suivantes
sont quivalentes :
(i) F G. (ii) (i, j) J1, mK J1, nK, (fi |gj ) = 0.

   Explication Bref, on peut vrifier lorthogonalit de F et G en vrifiant seulement que tout vecteur dune base fixe
de F est orthogonal tout vecteur dune base fixe de G.

Dmonstration Limplication (i) = (ii) est vidente. Rciproquement, faisons lhypothse que (fi |gj ) = 0
X
m X
n
pour tout (i, j) J1, mK J1, nK. Soient x = xi fi F et y = yj gj G. Alors :
i=1 j=1
!
X
m Xn X

(x|y) = xi fi yj g j = xi yj (fi |gj ) = 0 comme voulu. 

i=1 j=1 16i6m
16j6n

2.3 Orthogonal dun sous-espace vectoriel

Dfinition (Orthogonal dun sous-espace vectoriel) Soient E un espace prhilbertien rel et F un sous-espace vectoriel
de E.
On appelle orthogonal de F dans E, not F (ou parfois F ), lensemble des vecteurs de E qui sont orthogonaux
tous les vecteurs de F .
Alors F est un sous-espace vectoriel de E orthogonal F .

Les sous-espaces vectoriels F et F sont en somme directe, i.e. F F = 0E .

On a linclusion suivante : F F .

5
c Christophe Bertault - MPSI

$ $ $ Attention ! Si E est un espace prhilbertien rel quelconque, il nest pas vrai en gnral que F et F sont
supplmentaires dans E, ils sont seulement en somme directe ; bref, on na pas forcment E = F + F . De mme, on na pas
forcment F = F . Nous verrons cependant que ces rsultats sont vrais si E est euclidien.

Dmonstration
Montrons que F est un sous-espace vectoriel de E.
1) Dj F est non vide car 0E F : f F, (0E |f ) = 0.

2) Soient x, y F et , R. Pour tout f F : x + y f = (x|f ) + (y|f ) = .0 + .0 = 0.
Ceci montre bien que x + y est orthogonal tout vecteur de F , i.e. que x + y F .
F F
 z}|{ z}|{ 
Montrons que F F
= 0E . Soit x F F . Alors
x x = 0, et donc x = 0E par dfinition du
produit scalaire.
Montrons que F F . Soit f F . Montrer que f F , cest montrer que f est orthogonal tout
vecteur de F . Or pour tout x F , f et x sont orthogonaux puisque f F et x F . Il est donc bien
vrai que f F . 

 
Exemple Si E est un espace prhilbertien rel, 0E = E et E = 0E .
La seconde galit doit tre comprise et apprise sous la forme suivante : le seul vecteur de E orthogonal tous les vecteurs de
E est 0E .
En effet

Le vecteur nul est orthogonal tout vecteur, donc E 0E . Linclusion inverse est une vidence.
En tant que sous-espace vectoriel de E, E contient 0E . Inversement, soit x E . Alors x est orthogonal
tout vecteur de E, donc en particulier lui-mme : (x|x) = 0, i.e. kxk = 0. On obtient aussitt x = 0E
par dfinition du produit scalaire.

Exemple Pour le produit scalaire (P, Q) 7 P (1)Q(1) + P (0)Q(0) + P (1)Q(1) sur R2 [X] : R0 [X] = Vect(X, 3X 2 2).
En effet Soit P = aX 2 + bX + c R2 [X].
P R0 [X] R, (P |) = 0 (P |1) = 0 par linarit du produit scalaire
(a b + c) + c + (a + b + c) = 0
2a + 3c = 0. On en dduit le rsultat voulu.

3 Cas particulier des espaces euclidiens


$ $ $ Attention ! Dans cette partie, on ne travaille quavec des espaces euclidiens, i.e. des espaces prhilbertiens rels de
dimension finie.

3.1 Procd dorthonormalisation de Gram-Schmidt



Thorme (Procd dorthonormalisation de Gram-Schmidt) Soient E 6= 0E un espace euclidien et (e1 , e2 , . . . , en )
une base de E. On peut transformer la base (e1 , e2 , . . . , en ) en une base orthonormale (u1 , u2 , . . . , un ) de E telle que :

k J1, nK, Vect(e1 , e2 , . . . , ek ) = Vect(u1 , u2 , . . . , uk ).

X
k1
ek (ek |ui )ui
i=1
Pour tout k J1, nK, on peut choisir uk de la faon suivante : uk = . La construction de uk requiert donc
X
k1

ek (ek |ui )ui

i=1
la construction de u1 , u2 , . . . , uk1 (procd itratif).

   En pratique Vous devez imprativement connatre la dmonstration de ce rsultat, i.e. savoir construire la base
orthonormale (u1 , u2 , . . . , un ) partir de la base quelconque (e1 , e2 , . . . , en ).

6
c Christophe Bertault - MPSI

Dmonstration
La construction commence simplement. La famille (e1 ) est libre, donc e1 6= 0E , et donc on peut poser
e1
u1 = . Il est clair que Vect(e1 ) = Vect(u1 ).
ke1 k

Soit k J1, nK. Supposons quon ait russi construire une famille orthonormale (u1 , u2 , . . . , uk1 ) telle que
Vect(e1 , e2 , . . . , ep ) = Vect(u1 , u2 , . . . , up ) pour tout p J0, k 1K et partons la recherche dun vecteur
uk tel que :
1) (u1 , u2 , . . . , uk ) est orthonormale ;
2) Vect(e1 , e2 , . . . , ek ) = Vect(u1 , u2 , . . . , uk ).

Analyse : Commenons par supposer quun tel vecteur uk existe et tchons de dterminer sa tte. En tout
cas, comme Vect(e1 , e2 , . . . , ek ) = Vect(u1 , u2 , . . . , uk ), uk est combinaison linaire de e1 , e2 , . . . , ek ; mais
comme aussi Vect(e1 , e2 , . . . , ek1 ) = Vect(u1 , u2 , . . . , uk1 ), e1 , e2 , . . . , ek1 sont eux-mmes combinaisons
linaires de u1 , u2 , . . . , uk1 . Par consquent uk est combinaison linaire de u1 , u2 , . . . , uk1 , ek . Donnons-
X
k1
nous des coefficients associs cette combinaison linaire : uk = akk ek + aik ui .
i=1
Utilisons le fait que, par hypothse, uk est orthogonal aux vecteurs u1 , u2 , . . . , uk1 . Pour tout i J1, k 1K :
!
X
k1 X
k1

0 = (uk |ui ) = akk ek + ajk uj ui = akk (ek |ui ) + ajk (uk |ui ) = akk (ek |ui ) + aik ,

j=1 j=1

X
k1
ou encore : aik = akk (ek |ui ). Ceci montre que : uk = akk uk , o uk = ek (ek |ui )ui .
i=1
1 1
Mais enfin kuk k = 1 par hypothse, donc |akk | = , i.e. akk = . Finalement, nous venons de
kuk k kuk k
uk
montrer que uk = ; le vecteur uk , sil existe, est donc compltement dtermin par la donne de
kuk k
u1 , u2 , . . . , uk1 et ek , au signe prs.

X
k1
Synthse : Rciproquement, commenons par poser uk = ek (ek |ui )ui .
i=1
Peut-on avoir uk = 0E ? Si ce vecteur tait nul, ek serait combinaison linaire de u1 , u2 , . . . , uk1 , et donc
de e1 , e2 , . . . , ek1 puisque Vect(e1 , e2 , . . . , ek1 ) = Vect(u1 , u2 , . . . , uk1 ). Cela contredirait la libert de la
famille (e1 , e2 , . . . , ek ) donne initialement.
uk uk
Puisque uk 6= 0E , nous pouvons donc poser uk = on pourrait choisir uk = .
kuk k kuk k
1) Montrons que (u1 , u2 , . . . , uk ) est orthonormale. Comme (u1 , u2 , . . . , uk1 ) lest par hypothse de
rcurrence, nous devons juste montrer que uk est unitaire et orthogonal aux vecteurs u1 , u2 , . . . , uk1 . Pour
uk kuk k
le caractre unitaire de uk : kuk k =
kuk k = kuk k . Pour les orthogonalits enfin, soit j J1, k 1K.
!

X 1  
k1
1 1
(uk |uj ) = (uk |uj ) = ek (ek |ui )ui uj = (ek |uj ) (ek |uj )(uj |uj ) = 0.
kuk k kuk k kuk k
i=1

2) Montrons que Vect(e1 , e2 , . . . , ek ) = Vect(u1 , u2 , . . . , uk ).


Or Vect(e1 , e2 , . . . , ek1 ) = Vect(u1 , u2 , . . . , uk1 ), donc Vect(e1 , e2 , . . . , ek ) = Vect(u1 , u2 , . . . , uk1 , ek ).
Mais par dfinition, uk est combinaison linaire des vecteurs u1 , u2 , . . . , uk1 et ek , on obtient donc lgalit
Vect(e1 , e2 , . . . , ek ) = Vect(u1 , u2 , . . . , uk ) comme voulu.

Notre construction est termine : nous avons construit les uns aprs les autres des vecteurs u1 , u2 , . . . , un
satisfaisant les conclusions du thorme. Notez bien que les vecteurs ainsi construits sont presque uniques :
chaque tape, on a le choix entre seulement deux vecteurs, gaux au signe prs. La famille (u1 , u2 , . . . , un )
obtenue est orthonormale et compose de n vecteurs en dimension n, donc cest une base de E. 

8 2
< R2 [X] 7
Z
R
1
Exemple Lapplication est un produit scalaire sur R2 [X]. Quand on orthonormalise la
: (P, Q) 7 P (t)Q(t) dt
0 
base canonique (1, X, X 2 ), on obtient la base orthonormale 1 , 3(2X 1) , 5(6X 2 6X + 1) .

En effet Nous allons construire une base orthonormale (P0 , P1 , P2 ) de R2 [X] partir de la base (1, X, X 2 ).
Z 1
1
Construction de P0 : Calculons k1k : k1k2 = dt = 1, donc k1k = 1. Posons alors P0 = = 1.
0 k1k

7
c Christophe Bertault - MPSI

Construction de P1 : Soit R.
Z 1
1
(X P0 |P0 ) = 0 = (X|P0 ) = t dt = .
0 2
 
1
Ainsi P0 , X est une famille orthogonale. Or :
2
2 Z 1 2 "  3 #t=1
1
X 1 = 1 1 1 1
donc 1
2
t
2
dt =
3
t
2
=
12
, X 2 = 23 .
0
t=0
1
X
Posons finalement P1 = 2 = 3(2X 1). Alors (P , P ) est une famille orthonormale.
1 0 1
X
2
Construction de P2 : Soient , R.
(X 2 P0 P1 |P0 ) = 0 et (X 2 P0 P1 |P1 ) = 0 = (X 2 |P0 ) et
= (X 2 |P1 )
Z Z 1
1
= t2 dt et = t2 3(2t 1) dt
0 0
 t=1
1 t4 t3 3 1 Rappel :
= et = 3 = = . Z
3 2 3 6 2 3 1
1
t=0
t dt =
1 1 1 0 +1
Ainsi X 2 P0 P1 = X 2 X + est orthogonal P0 et P1 . Or :
3 2 3 6
2 Z 1 2 Z 1 
2 4t2
X X + 1 = t 2
t +
1
dt = t 4
2t 3
+
t
+
1 1 1 4 1 1 1 1
dt = 2 + + =
1
,
6 6 3 3 36 5 4 3 3 3 2 36 180
0 0

1
2 1 X2 X +

donc X X + = 6 5. Posons finalement P2 = 6 = 5(6X 2 6X +1). Alors (P0 , P1 , P2 )
6 1
X 2 X +
6
est une famille orthonormale de trois vecteurs, donc une base orthonormale de R2 [X].


Corollaire (Existence de bases orthonormales) Soit E 6= 0E un espace euclidien. Alors E possde une base orthonor-
male.

Dmonstration Comme E est de dimension finie non nulle, E possde une base, et donc une base orthonormale,
modulo le thorme dorthonormalisation de Gram-Schmidt. 


Corollaire (Compltion dune famille orthonormale en une base orthonormale) Soit E 6= 0E un espace euclidien.
Toute famille orthonormale de E peut tre complte en une base orthonormale de E.

Dmonstration Soit (e1 , e2 , . . . , ep ) une famille orthonormale de E. Alors (e1 , e2 , . . . , ep ) est libre. Or E est de
dimension finie non nulle, donc on peut complter (e1 , e2 , . . . , ep ) en une base de E. On peut ensuite transformer
cette base en une base orthonormale au moyen du procd dorthonormalisation de Gram-Schmidt. Ce procd
naffecte pas les vecteurs e1 , e2 , . . . , ep qui forment dj une famille orthonormale, et nous avons donc complt
notre famille de dpart en une base orthonormale de E. 

3.2 Coordonnes dans une base orthonormale



Thorme (Coordonnes dans une base orthonormale) Soient E 6= 0E un espace euclidien, (e1 , e2 , . . . , en ) une base
orthonormale de E et x E.
X
n  
Alors : x= (x|ek )ek . En dautres termes, les coordonnes de x dans (e1 , e2 , . . . , en ) sont (x|e1 ), (x|e2 ), . . . , (x|en ) .
k=1

Dmonstration Notons (x1 , x2 , . . . , xn ) les coordonnes de x dans (e1 , e2 , . . . , en ). Pour tout k J1, nK :
!
X
n X
n X
n

(x|ek ) = xl el ek = xl (el |ek ) = xl kl = xk . Et voil. 

l=1 l=1 l=1

8
c Christophe Bertault - MPSI

   
~ ~ 3~
Exemple Pour le produit scalaire (x, y), (x0 , y 0 ) 7 3xx0 + xy 0 + yx0 + yy 0 sur R2 , nous avons dj vu que ,
r !
3 6
1 2
est une base orthonormale. Les coordonnes de ~ dans cette base sont , .
3 3
! ! r

~ 1 
 1 ~ 3~ 1 
 2
En effet ~ = (0, 1) (1, 0) = et ~ = (0, 1) (1, 3) = .
3 3 3 6 6 3


Thorme (Expression du produit scalaire et de la norme dans une base orthonormale) Soient E 6= 0E un
espace euclidien et x, y E de coordonnes respectives (x1 , x2 , . . . , xn ) et (y1 , y2 , . . . , yn ) dans une certaine base orthonormale
de E. Alors : v
u n
X
n
uX
(x|y) = x k yk et kxk = t x2k .
k=1 k=1

En termes matriciels, si X est la colonne des coordonnes de x et Y celle des coordonnes de y :



(x|y) = t XY et kxk = t XX.

   Explication Ce rsultat montre que finalement, le produit scalaire canonique sur Rn est un modle pour tous les
produits scalaires des espaces euclidiens. Calculer le produit scalaire (x|y) dans un espace euclidien abstrait revient calculer le
produit scalaire canonique des coordonnes des vecteurs x et y dans une base orthonormale fixe quelconque.

$ $ $ Attention ! Ces formules sont compltement fausses si la base dans laquelle les coordonnes sont donnes nest pas
orthonormale.

Dmonstration Notons (e1 , e2 , . . . , en ) la base orthonormale considre.


!
X
n Xn X X X X
n

(x|y) = x k ek yl e l = xk yl (ek |el ) = xk yl kl = x k yl = x k yk .

k=1 l=1 16k,l6n 16k,l6n 16k,l6n k=1
k=l

Le calcul de kxk est un cas particulier de ce rsultat. Les expressions matricielles du produit scalaire et de la norme
rsultent dun calcul trivial. 

3.3 Reprsentation des formes linaires dun espace euclidien

Thorme (Thorme de Fischer-Riesz) Soient E un espace euclidien et f une forme linaire de E. Il existe un unique
vecteur a E tel que : x E, f (x) = (a|x).

   Explication Ce rsultat a une interprtation gomtrique peu prs simple. Nous savons que la donne dun hyperplan
H de E quivaut la donne dune forme linaire non nulle f de E. Via le thorme de Fischer-Riesz,
n la donne o
dun hyperplan
quivaut donc la donne dun vecteur a de E. On obtient ainsi ceci : H = Ker f = x E/ (a|x) = 0 = Vect(a) .
Gomtriquement, a est donc un vecteur normal H.

(
E  L(E, R) 
Dmonstration Nous allons montrer que lapplication linaire : est un isomor-
a 7 x 7 (a|x)
phisme. La bijectivit de nest autre que le rsultat voulu. Mais comme
 dim L(E, R) = dim E dim R = dim E,
il nous suffit en fait de montrer que est injective, i.e. que Ker = 0E .
Soit a Ker . Alors (a|x) = 0 pour tout x E. En particulier, kak2 = (a|a) = 0, et donc a = 0E . 

Exemple Soit f une forme linaire de Rn . Nous savons quil existe des coefficients uniques a1 , a2 , . . . , an R tels que :

(x1 , x2 , . . . , xn ) Rn , f (x1 , x2 , . . . , xn ) = a1 x1 + a2 x2 + . . . + an xn .

Alors on peut dire que f est reprsente par le vecteur A = (a1 , a2 , . . . , an ) au sens o : X Rn , f (X) = (A|X) = t AX.

9
c Christophe Bertault - MPSI

3.4 Supplmentaire orthogonal dun sous-espace vectoriel

Thorme (Supplmentaire orthogonal dun sous-espace vectoriel) Soient E un espace euclidien et F un sous-espace
vectoriel de E.
(i) Il existe un et un seul supplmentaire de F dans E orthogonal F : cest F , appel par consquent le supplmentaire
orthogonal de F dans E.
(ii) On a lgalit suivante : F = F .

$ $ $ Attention !
Lhypothse que E est euclidien i.e. de dimension finie est ici essentielle. Dans un espace prhilbertien rel quelconque,
nous avons vu que F et F sont en somme directe et que F F , mais rien de plus nest vrai en gnral. On na pas
forcment E = F + F .
Il existe un unique supplmentaire orthogonal, mais tout plein de supplmentaires gnraux , ne loubliez pas.

Dmonstration
(i) Raisonnons en deux temps.
Montrons dabord que F est un supplmentaire de F dans E orthogonal  F . Il nous suffit en
fait de montrer que dim E = dim F + dim F , car nous savons dj que F F = 0E et F F .
(
E  Rn 
Soient (f1 , f2 , . . . , fn ) une base orthonormale de F et lapplication linaire .
x 7 (x|fk )
16k6n

Le noyau de est lensemble des vecteurs de E orthogonaux f!1 , f2 , . . . , fn , cest
donc
!! F . Quant limage
X
n X
n

de , cest tout Rn car : (xk )16k6n Rn , xl fl = xl fl fk = (xk )16k6n .

l=1 l=1 16k6n
Finalement, via le thorme du rang, on obtient comme voulu lgalit :

dim E = dim Ker + dim Im = dim F + n = dim F + dim F .

Montrons prsent que F est le seul supplmentaire de F dans E orthogonal F . Soit F 0 un


tel supplmentaire. Alors E = F F 0 , donc dim E = dim F + dim F = dim F + dim F 0 , do lgalit
dim F 0 = dim F . Or F F 0 , donc F 0 F . Finalement F 0 = F comme annonc.

(ii) Nous avons dj dmontr linclusion F F . Or dim E = dim F + dim F , et pour la mme raison
dim E = dim F + dim F . Ainsi dim F = dim F et finalement F = F . 

3.5 Projecteurs orthogonaux et symtries orthogonales

Dfinition (Projecteur orthogonal, symtrie orthogonale) Soient E un espace euclidien et F un sous-espace vectoriel
de E.
On appelle projection orthogonale sur F ou projecteur orthogonal sur F la projection sur F de direction F .
On appelle symtrie orthogonale par rapport F la symtrie par rapport F paralllement F .
On parle plutt de rflexion par rapport F si F est un hyperplan de E.

F F
0 0
f x=f +f 0 f x = f + f0

   Explication

F b F b
0E 0E
f = p(x) f
Projection Symtrie
orthogonale orthogonale
f 0

s(x)
10
c Christophe Bertault - MPSI

Thorme (Expression dun projecteur orthogonal dans une base orthonormale) Soient E un espace euclidien, F
un sous-espace vectoriel de E, (f1 , f2 , . . . , fn ) une base orthonormale de F et p le projecteur orthogonal sur F .
X
n
Alors pour tout x E : p(x) = (x|fk )fk .
k=1

Dmonstration Compltons (f1 , f2 , . . . , fn ) en une base orthonormale (f1 , f2 , . . . , fp ) de E. Soit alors x E.


X
p
Nous avons dj montr que x = (x|fk )fk . Or pour k Jn + 1, pK, fk est orthogonal aux vecteurs f1 , f2 , . . . , fn ,
k=1
F F
z }| { z }| {
X n X
p
donc F tout entier ; bref, fk F . La dcomposition x = (x|fk )fk + (x|fk )fk donne alors aussitt le
k=1 k=n+1
rsultat voulu, si lon veut bien se souvenir de ce quest une projection par dfinition. 


Exemple Soit F = Vect(sin,
Z
cos), sous-espace vectoriel de C [, ], R . Le projet orthogonal de t 7 t sur F pour le

produit scalaire (f, g) 7 f (t)g(t) dt est la fonction t 7 2 sin t.

En effet Nous allons travailler dans lespace euclidien E = Vect(sin, cos, f ), o f est la fonction t 7 t.
Commenons par dterminer une base orthonormale de F au moyen de lalgorithme de Gram-Schmidt. Il
convient de remarquer au pralable que (sin, cos) est une base de F et pourquoi ?
Z Z  t=
2 2 1 cos(2t) t sin(2t)
1) Tout dabord : k sin k = sin t dt = dt = = . Notons
2 2 4 t=
sin
alors f0 la fonction t 7 , de sorte que kf0 k = 1.

2) Soit ensuite R. Alors : (cos f0 |f0 ) = 0 = (cos |f0 ).
Z Z  t=
cos t sin t sin(2t) cos(2t)
Or : (cos |f0 ) = dt = dt = = 0. Ceci montre que (f0 , cos)
2 4 t=
cos
est une famille orthogonale. Observant que k cos k2 = , posons enfin f1 = . Alors (f0 , f1 ) est une base

orthonormale de F .

Pour dterminer
Z le projet orthogonal deZf sur F , nous devons calculer (f |f0 ) et (f |f1 ).
h it=  t=
Or : teit dt = t (i)eit (i)eit dt = 2i + i (i)eit t=
= 2i + 0 = 2i.
t=
Z
Z
t sin t Im(2i) t cos t Re(2i)
Du coup, (f |f0 ) = dt = = 2 et (f |f1 ) = dt = = 0.

Enfin, le projet orthogonal de f sur F est la fonction (f |f0 )f0 + (f |f1 )f1 = 2 f0 , i.e. t 7 2 sin t.

Exemple Soient a E, a 6= 0E , et H = Vect(a) lunique hyperplan de E orthogonal a. Si p est le projecteur orthogonal


(a|x)a 2(a|x)a
sur H et si r est la rflexion par rapport H, alors : x E, p(x) = x et r(x) = x .
kak2 kak2
 
a
En effet Notons p0 la projection orthogonale par rapport Vect(a). Alors p + p0 = IdE et est une base
! kak

a a (x|a)a
orthonormale de Vect(a). On a donc : x E, p0 (x) = x = , do lexpression de p.
kak kak kak2
Pour lexpression de r, il suffit dobserver que r = 2p IdE .

3.6 Distance un sous-espace vectoriel

Dfinition (Distance une partie) Soient E un espace euclidien, A une partie non vide de E et x E. On appelle distance
de x A, note d(x, A), le rel : d(x, A) = inf d(x, a).
aA

   Explication Intuitivement, la distance dun vecteur x une partie A est la plus petite distance sparant x dun
lment de A. Mais comment savoir si une telle plus petite distance existe ? En fait, elle nexiste pas ncessairement et cest
pourquoi on na surtout pas pos d(x, A) = min d(x, a) .
aA

11
c Christophe Bertault - MPSI

b
x b
x

La distance de x A d(x, A) d(x, A)


La distance de x A
est ici un minimum
A A est ici seulement une borne infrieure.
(i.e. elle est atteinte).

n o
Dmonstration Pourquoi d(x, A) est-il un rel bien dfini ? Lensemble d(x, a) est une partie de R non
aA
vide (car A 6= ) et minore (par 0), donc possde une borne infrieure en vertu de la proprit de la borne
infrieure. 

Thorme (Distance un sous-espace vectoriel et projecteur orthogonal) Soient E un espace euclidien, F un


sous-espace vectoriel de E et p le projecteur orthogonal sur F . Soit en outre x E. F
 x p(x) x
Alors : d(x, F ) = x p(x) = d x, p(x) .
La distance de x F est donc un minimum. Ce minimum nest

atteint quen la projection orthogonale de x sur F . d(x, F ) = x p(x)
2 b
Pour tout f F : kx f k2 = p(x) f + d(x, F )2 . F 0E
2
En particulier : d(x, F )2 = kxk2 p(x) . p(x)

Dmonstration
Par dfinition de p, nous savons que p(x) Im p = F et que p(x) x Ker p = F .
F F
z }| { z }| {
Soit alors f F . On a : x f = x p(x) + p(x) f . Le thorme de Pythagore montre aussitt que
2 2
kx f k2 = x p(x) + p(x) f .
 n o
Montrons prsent que d(x, F ) = x p(x) = d x, p(x) . Pour ce faire, notons D lensemble d(x, f ) .
f F

1) Alors x p(x) = d x, p(x) D car p(x) F .
q
2) Mais de plus, pour tout f F : d(x, f ) = kxf k = x p(x) 2 + p(x) f 2 > xp(x) .

Cette ingalit montre que x p(x) est un minorant de D.

Finalement, d x, p(x) est le plus petit lment de D, donc aussi sa borne infrieure, ce qui montre le rsultat
voulu.
2
Lassertion : f F, kx f k2 = p(x) f + d(x, F )2 est une consquence immdiate des deux
premiers
points.
Elle montre que la distance d(x, F ) nest atteinte que pour f = p(x), car si f 6= p(x), alors
p(x) f > 0. 

Z 1 2 6 3 1
Exemple Lintgrale t a t b dt est minimale pour a = et b = ; elle vaut alors .
0 5 10 300
En effet
Z
 1 
Dans C [0, 1], R muni du produit scalaire (f, g) 7 f (t)g(t) dt, posons f0 = t 7 t , f1 = (t 7 1),
0
Id = (t 7 t), E = Vect(f0 , f1 , Id) et enfin F = Vect(f0 , f1 ). Alors E est euclidien et pour tous a, b R :
Z 1 2 2 2
t a t b dt = Id af0 bf1 = d Id, af0 + bf1 .
0
Z 1 2
Nous sommes en qute du rel inf t a t b dt = inf d(Id, af0 + bf1 )2 = inf d(Id, f )2 = d(Id, F )2 .
a,bR a,bR f F
0 2 2
Notons p le projecteur orthogonal sur F . Nous savons que d(Id, F )2 = Id p(Id) = kIdk2 p(Id) .
Nous voil donc partis la recherche de p(Id), avec p(Id) = af0 + bf1 pour certains a, b R dterminer.

Puisque p est
un projecteur, nous savons que Id p(Id) F , autrement dit que Id p(Id) f0 = 0 et que

Id p(Id) f1 = 0. Or :
Z Z  2 t=1
 1  1  2t t at2 2bt t
0 = Id p(Id) f0 = t a t b t dt = t t at b t dt =
0 0 5 2 3 t=0
2 a 2b 12 15a 20b
= = .
5 2 3 30

12
c Christophe Bertault - MPSI

Z  t=1
 1 
t2 2at t 1 2a 3 4a 6b
et 0 = Id p(Id) f1 = t a t b dt = bt = b= .
0 2 3 t=0
2 3 6
6 3
Les deux quations ainsi obtenues se rsolvent aisment ; on trouve : a= et b= .
5 10

Calculons finalement d(Id, F )2 .


Z Z  2
2 2 1 1
6 3
d(Id, F )2 = Id p(Id) = kIdk2 p(Id) = t2 dt t dt
0 0 5 10
Z Z  
1 1 1 2 1 1 1  1 1 144 2 72 1
= 12 t 3 dt = 144t 72 t + 9 dt = +9 = .
3 100 0 3 100 0 3 100 2 3 300

13