©Arnaud de Saint Julien - MPSI Lycée La Merci 2018-2019 1

Espaces euclidiens

Dans tout ce chapitre, on ne considère que des R-espaces vectoriels.

Démos de cours
1. preuve du produit scalaire canonique de Mn (R) et expression comme somme de produits
des coefficients.

2. Une famille orthogonale qui ne contient pas le vecteur nul est libre.
R 2π
3. Application : on pose fn : x 7→ cos(nx). La famille (fn ) est libre en calculant 0 fp fq .

4. inégalité de Cauchy-Schwarz

5. Théorème de la projection orthogonale.

!
1 0
6. Calcul de la distance de la matrice A = au sous-espace vectoriel des matrices
−1 2
triangulaires supérieures.

7. identité du parallélogramme. Appplication : la norme N1 de R2 n’est pas euclidienne.

I Produit scalaire et norme euclidienne

I.1 Produit scalaire

Un produit scalaire sur E est une forme bilinéaire, symétrique définie positive. On appelle
espace préhilbertien un espace vectoriel muni d’un produit scalaire.
Exemples à connaîtres :

• le produit scalaire canonique de Rn , si x = (x1 , . . . , xn ) et y = (y1 , . . . , yn ) sont dans Rn ,

on pose
< x, y >= x1 y1 + · · · + xn yn = t XY
où X et Y sont les matrices colonnes des coordonnées de x et y.
Appplication : rg A = rg(t AA)

• le produit scalaire canonique de Mn (R) (qui coïncide avec le produit scalaire canonique
2
de Rn ), si A et B sont dans Mn (R), on pose

< A, B >= Tr(t AB) =

X
aij bij .
16i,j6n

• le produit scalaire canonique de C([a, b], R), si f et g sont dans C([a, b], R), on pose
Z b
< f, g >= f (t)g(t) dt .
a
©Arnaud de Saint Julien - MPSI Lycée La Merci 2018-2019 2

I.2 Normes euclidiennes

1. Définition d’une norme euclidienne : si E est muni d’un produit scalaire < ·, · >, on pose
pour x ∈ E, √
kxk = < x, x >.
On dit que k · k est la norme euclidienne associée au produit scalaire < ·, · >.
Si y est un autre vecteur de E, kx − yk est la distance euclidienne entre x et y.
2. Identités remarquables :
∀(x, y) ∈ E 2 , kx+yk2 = kxk2 +kyk2 +2 < x, y > et kx−yk2 = kxk2 +kyk2 −2 < x, y >

3. identités de polarisation :
1 1
∀(x, y) ∈ E 2 , < x, y >= (kx + yk2 − kxk2 − kyk2 ) et < x, y >= (kx + yk2 − kx − yk2 ) .
2 4
Les identités de polarisation permettent de retrouver le produit scalaire à l’aide de la
norme.
4. Inégalité de Cauchy-Schwarz (*) :

∀(x, y) ∈ E 2 , | < x, y > | 6 kxkkyk .

Il y a égalité dans l’inégalité ssi x et y sont colinéaires.
Exemple : Démontrer que (puis cas d’égalité)
∀(x1 , x2 , . . . , xn ) ∈ Rn , (x1 + x2 + . . . + xn )2 ≤ n(x21 + x22 + . . . + x2n ).

II Orthogonalité
II.1 Généralités
Définitions de vecteurs orthogonaux, de familles orthogonales, orthonormales.
Prop : (*) une famille orthogonale qui ne contient pas le vecteur nul est libre. En particulier,
une famille orthonormale est libre.
Exemple : La famille de fonctions (fk ) définie par fk (x) = cos(kx) est libre.
Théorème de Pythagore :
∀(x, y) ∈ E 2 , x⊥y ⇔ kx + yk2 = kxk2 + kyk2 .

II.2 Sous-espaces vectoriels orthogonaux

Deux parties F et G d’un espace préhilbertien E sont dites orthogonaux si tout vecteur de
F est orthogonal à tout vecteur de G. On note alors F ⊥G. Cas où F et G sont des sev avec des
bases. Si X est une partie de E, on note X ⊥ l’ensemble des vecteurs de E sont orthogonaux à
X. C’est un sous-espace vectoriel de E.
Exemple : l’orthogonal de l’espace des matrices diagonales de Mn (R) est l’espace des ma-
trices de Mn (R) dont les coefficients diagonaux sont nuls.
©Arnaud de Saint Julien - MPSI Lycée La Merci 2018-2019 3

III Cas des espaces euclidiens

On appelle espace euclidien un espace préhilbertien de dimension finie.

III.1 Existence de bases orthonormales

Thénorème : tout espace euclidien admet une base orthonormale (preuve non constructiviste
par récurrence sur la dimension).
Règles de calcul dans les bases orthonormales : soit B = (e1 , . . . , en ) une bon de E euclidien,
soit x et y dans E de coordonnées (x1 , . . . , xn ) et (y1 , . . . , yn ). Alors

1. (*) < x, y >= x1 y1 + · · · + xn yn = t XY où X = MB (x) et Y = MB (y).

2. x =< x, e1 > e1 + · · · + < x, en > en et kxk2 =< x, e1 >2 + · · · + < x, en >2

Remarque : écriture matricielle : si X = MB (x) et Y = MB (y) sont les vecteurs colonnes

des coordonnées de x et y, alors
< x, y >= t XY .

Application : matrice A d’un endomorphisme f dans une base orthonormale B = (e1 , . . . , en ) :

on a Ai,j =< ei , f (ej ) >.

III.2 Supplémentaire orthogonal

Soit F un sev de E euclidien. Alors F ⊕ F ⊥ = E . Ainsi dim F ⊥ = dim E − dim F . De plus

 ⊥
F⊥ =F .

Exemple : Sn (R)⊥ = An (R).

III.3 Projection orthogonale

Puisque F ⊕ F ⊥ = E, la définition suivante a un sens : on appelle projection orthogonale
sur F la projection sur F , parallèlement à F ⊥ . On la note pF . De plus on a prouvé :
Si (e1 , . . . , ep ) est une bon de F , alors pour tout x ∈ E, on a

pF (x) =< x, e1 > e1 + · · · + < x, ep > ep .

Remarque : si F = Vect {a} est une droite et H = F ⊥ l’hyperplan orthogonal à F , alors

comme pF + pF ⊥ = id, on a :
a a
∀x ∈ E, pF (x) =< x, a > et pH (x) = x− < x, a > .
kak2 kak2
©Arnaud de Saint Julien - MPSI Lycée La Merci 2018-2019 4

III.4 Application à la construction de BON

Il faut savoir mettre en pratique l’algorithme de Gram-Schmidt, qui permet une construc-
tion explicite d’une bon à partir d’une base. En voici le principe : soit (e1 , . . . , en+1 ) une base
de E. Supposons que l’on a déjà construit une famille orthonormale de E, (f1 , . . . , fn ) telle que
F = Vect {f1 , . . . , fn } = Vect {e1 , . . . , en }. On construit alors un vecteur gn+1 orthogonal à F
en projetant le vecteur en+1 sur F ⊥ . On pose ainsi
gn+1 = en+1 − pF (en+1 ) = en+1 − (< en+1 , f1 > f1 + · · · + < en+1 , fn > fn ) .
gn+1
Il ne reste plus qu’à le normer en posant fn+1 = kgn+1 k
.

III.5 Distance d’un vecteur à un sous-espace vectoriel

Soit F un sev de E euclidien et x ∈ E. On note d(x, F ) = inf{kx − yk | y ∈ F } la
distance de x à F . Le théorème de la projection orthogonale affirme que

d(x, F ) = kx − pF (x)k .

Il généralise ce que l’on avait toujours appris en géométrie. La distance d’un pointA à une
droite d est égale à la distance du point A au point H le projeté orthogonal de A sur d.
Attention ce résultat peut être faux pour des normes non euclidiennes, cf section sur les
normes. Penser à la norme N1 et à sa sphère unité.

III.6 Distance à un hyperplan

Dans le cas des hyperplans, le projeté se calcule facilement, on a donc :
Si H est un hyperplan de E de vecteur normal n, alors pour tout x ∈ E,
| < x, n > |
d(x, H) = .
knk

Ex : Distance d’une matrice à l’espace des matrices de trace nulle.

On en déduit la version affine, si H est un hyperplan affine passant par le point A et de
vecteur normal n, alors pour tout point M de E,
−−→
| < AM , n > |
d(M, H) = .
knk

En particulier dans R2 , si la droite D a pour équation cartésienne ax + by + c = 0, pour

tout point M de coordonnées (xM , yM ), on a :
|axM + byM + c|
d(M, D) = √ .
a2 + b 2

De même, dans R3 , si le plan P a pour équation cartésienne ax + by + cz + d = 0, pour tout

point M de coordonnées (xM , yM , zM ), on a :
|axM + byM + czM + d|
d(M, P) = √ .
a2 + b 2 + c 2
©Arnaud de Saint Julien - MPSI Lycée La Merci 2018-2019 5

IV Les normes euclidiennes sont des super-normes

Les normes euclidiennes sont en fait un cas particulier de normes.

1. Définition d’une norme. On dit qu’une application N : E → R+ est une norme sur E, si
elle vérifie :

• ∀x ∈ E, ( N (x) = 0 ⇒ x = 0) (séparation).
• ∀x ∈ E, ∀λ ∈ R, N (λx) = |λ|N (x) (homogénéité).
• ∀(x, y) ∈ E 2 , N (x + y) 6 N (x) + N (y) (inégalité triangulaire)

Exemple : la norme N1 sur Rn définie par : si x = (x1 , . . . , xn ) ∈ Rn , on pose N1 (x) =

|x1 | + · · · + |xn |. Dessin de la boule unité de R2 .

2. Prop : (*) Une norme euclidienne est bien une norme.

3. Comment tester si une norme est euclidienne : avec l’identité du parallélogramme (*) :

∀(x, y) ∈ E 2 , kx + yk2 + kx − yk2 = 2(kxk2 + kyk2 ) .

Dans un parallélogramme, la somme des carrés des diagonales est égale à la somme des
carrés des côtés.
Il existe des normes non euclidiennes, par exemple la norme N1 car elle ne vérifie pas
l’identité du parallélogramme.
Les normes euclidiennes sont donc des «super-normes».

IV.1 Théorème de Riesz

Soit E un espace euclidien. Pour tout vecteur a de E, l’application φa : E → R définie par
φa (x) =< x, a > est une forme linéaire.
Le théorème de Riesz affirme que dans un espace euclidien, toutes les formes linéaires sont
de ce type. C’est à dire que si f est une forme linéaire sur E, il existe un unique vecteur a de
E tel que f = φa .