3 - Espace Préhilbertien Réel Et Espace Euclidien

Lycée Sainte Geneviève 2020-2021
PT-PT* Chap 4
MATHÉMATIQUES
ESPACES PRÉHILBERTIENS RÉELS
Objectifs :
Savoir montrer qu'une application est un produit scalaire.
Savoir manipuler des inégalités avec des normes euclidiennes.
Savoir calculer l'orthogonal d'un sous-espace vectoriel.
Connaître l'algorithme d'orthonormalisation de Gram-Schmidt.
Savoir étudier la projection orthogonale sur un sous-espace vectoriel.
Savoir résoudre des problèmes de minimisation.
Table des matières

1 Produit scalaire et norme préhilbertienne 3
1.1 Produit scalaire . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.1.1 Dénition d'espaces préhilbertiens réels . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.1.2 Produit scalaire canonique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.1.3 Autres exemples . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.2 Norme et distance associées à un produit scalaire . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
1.2.1 Introduction sur la notion d'espace vectoriel normé . . . . . . . . . . . . . . . . . . . . . . . 9
1.2.2 Dénition de la norme préhilbertienne/euclidienne et de la distance associée . . . . . . . . 10
1.2.3 Identités remarquables, identité du parallélogramme, identité de polarisation . . . . . . . . 12
1.2.4 Inégalité de Cauchy-Schwarz, cas d'égalité . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
1.2.5 La norme préhilbertienne est bien une norme . . . . . . . . . . . . . . . . . . . . . . . . . . 19
2 Orthogonalité 21
2.1 Vecteurs orthogonaux, familles orthogonales et orthonormales . . . . . . . . . . . . . . . . . . . . . 21
2.1.1 Dénitions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
2.1.2 Premières propriétés . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
2.1.3 Le théorème de Pythagore . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
2.1.4 Liberté des familles orthogonales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
2.1.5 Coordonnées dans une base orthonormale . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
2.1.6 Algorithme d'orthonormalisation de Gram-Schmidt . . . . . . . . . . . . . . . . . . . . . . . 30
2.1.7 Cas des espaces euclidiens . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
2.2 L'orthogonal d'un sous espace vectoriel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
2.2.1 Dénition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
2.2.2 Propriétés de la transformation F 7! F ? . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
2.2.3 Le supplémentaire orthogonal d'un sous-espace vectoriel de dimension nie . . . . . . . . . 39
2.2.4 Cas des espaces euclidiens . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
3 Projection orthogonale sur un sous-espace vectoriel de dimension nie 45

3.1 Projection orthogonale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
3.1.1 Dénition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
3.1.2 Trois caractérisations, trois méthodes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46
3.1.3 Cas particulier des droites et des hyperplans . . . . . . . . . . . . . . . . . . . . . . . . . . 49
3.1.4 Une autre caractérisation de la projection orthogonale . . . . . . . . . . . . . . . . . . . . . 50
3.2 Distance d'un vecteur à un sous-espace vectoriel de dimension nie . . . . . . . . . . . . . . . . . . 51
3.2.1 Dénition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51
Lycée Sainte Geneviève, PT-PT* Page 1/57 2020-2021

3.2.2 Expression avec le projeté orthogonal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 52
3.3 Applications à la recherche de minimum . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54
3.3.1 Méthode des moindres carrés . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54
3.3.2 Autres exemples de problème de minimisation . . . . . . . . . . . . . . . . . . . . . . . . . 56

Dans tout le chapitre, E désigne un R-espace vectoriel.
On pourra identier Rn et l'espace des vecteurs colonnes Mn (R).1
1 Produit scalaire et norme préhilbertienne

1.1 Produit scalaire
1.1.1 Dénition d'espaces préhilbertiens réels
Dénition 1. Soit E un R-espace vectoriel.
On appelle produit scalaire sur E , toute forme bilinéaire symétrique dénie positive, c'est-à-dire :
toute application ' : E 2 ! R telle que :
' est bilinéaire : . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
? Linéarité par rapport à la première variable : . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
? Linéarité par rapport à la deuxième variable : . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
' est symétrique : . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
' est positive : . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
' est dénie : . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . (propriété de séparation)
On note généralement ce produit scalaire . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Remarques :
Pour montrer la bilinéarité d'un produit scalaire potentiel, la linéarité par rapport à une variable seulement
est susante SI on a pris la peine de démontrer la symétrie avant.
Objectif 1 : montrer qu'une application est un produit scalaire :

Vérier que pour tout (x; y) 2 E 2 : hx; yi est bien déni.
Vérier la symétrie : soit (x; y) 2 E 2. On vérie hx; yi = hy; xi.
Vérier la linéarité à gauche (par exemple) : soit (x; x0; y) 2 E 3, soit 2 R. On vérie que :
hx + x0; yi = hx; yi + hx0; yi.
Vérier le caractère positif : soit x 2 E . Montrons que hx; xi 0
Vérier le caractère déni : soit x 2 E tel que hx; xi = 0. Montrons que x = 0E .
Souvent c'est le caractère déni positif qui pose le plus de problème.
Il y a une grande diérence entre la linéarité et la bilinéarité.

? Si p : E 2 ! R est linéaire sur E 2 , alors on a :
Pour tout (x; y) 2 E 2 et tout 2 R : p(x; y) = . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Pour tout (x; y; z; t) 2 E 4 : p(x + y; z + t) = . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
? Si p : E 2 ! R est bilinéaire sur E , alors on a :
Pour tout (x; y) 2 E 2 et tout 2 R : p(x; y) = . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Pour tout (x; y; z; t) 2 E 4 : p(x + y; z + t) = . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

Dénition 2. Soit E un R-espace vectoriel et h ; i un produit scalaire.
Un R-espace vectoriel muni d'un produit scalaire est appelé . . . . . . . . . . . . . . . . . . . . . . noté (E; h ; i)
Un espace préhilbertien réel de dimension nie est appelé . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Propriété 1. Première propriété :

Pour tout x 2 E : hx; 0E i = h0E ; xi = . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Preuve :
Remarque : Si F est un sous-espace vectoriel d'un espace préhilbertien réel E dont le produit scalaire est noté
h ; i, alors l'application induite :
F2 ! R
(x; y ) 7! hx; y i
est . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ..
Ainsi F peut être considéré comme un espace préhilbertien réel pour ce produit scalaire.
1.1.2 Produit scalaire canonique

Produit scalaire canonique sur Rn
Théorème 1. Expressions analytique et matricielle du produit scalaire canonique sur Rn :

Expression analytique :
n
X
L'application (x; y ) 7! xk yk avec x = (x1 ; : : : ; xn ) et y = (y1 ; : : : ; yn ) est . . . . . . . . . . . . . . . . . . . . . . . . . .
k=1
Expression matricielle : Pour tout (x; y ) 2 Rn Rn : hx; y i = . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Remarque : On retrouve bien les produits sacalaires usuels auxquels nous sommes habitués dans le plan R2 et
dans l'espace R3 :
Par exemple, dans R2 , pour tout vecteur !
u = (x; y) et !
v = (x0 ; y0 ), on a bien :

Preuve :
Le produit scalaire canonique de Rn peut être calculé matriciellement.
Produit scalaire canonique sur Mnp (R)
Théorème 2. Expressions analytique et matricielle du produit scalaire canonique sur Mnp (R) :
Expression matricielle : L'application (A; B ) 7! Tr(t AB ) est . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Expression analytique : Pour tout (A; B ) 2 Mnp (R) Mnp (R) : hA; B i = . . . . . . . . . . . . . . . . . . . . . . . . . . . .

Preuve :
Remarque : Vérions que dans le cas p = 1, on retombe bien sur le produit scalaire canonique de Rn :
1.1.3 Autres exemples

De nombreux produits scalaires peuvent exister sur un même espace vectoriel. Donnons quelques exemples clas-
siques.
¶ Sur Rn :
!
Montrer que l'application (X; Y ) 7! X
t 2
1
1
2
Y est un produit scalaire sur E = R2 distinct du produit

scalaire canonique.
· Sur les espaces de fonctions Z b

Soient (a; b) 2 R avec a < b. L'application (f; g ) 7!
2
f (t)g(t)dt est un produit scalaire sur E = C ([a; b]; R) :
a
¸ Sur les espaces de polynômes

Z 1
? L'application (P; Q) 7! P (t)Q(t)dt est un produit scalaire sur E = R[X ] : A faire seul.
0
? Soient (a;Zb) 2 R2 avec a < b et p : [a; b] ! R+ continue et non identiquement nulle sur [a; b]. L'application
b
(P; Q) 7! P (t)Q(t)p(t)dt est un produit scalaire sur E = R[X ] :
a

Z Z 1
Exemples : Les applications (P; Q) 7! 2
P (t)Q(t) cos (t)dt et (P; Q) 7! P (t)Q(t)e t dt sont des
0 0
produits scalaires sur E = R[X ].
n
X
? Soient n 2 N? et x0 ; : : : ; xn des réels DISTINCTS. L'application (P; Q) 7! P (xk )Q(xk ) est un produit
k=0
scalaire sur E = Rn [X ] :
n
X
? Pour tout n 2 N? et a 2 R, l'application (P; Q) 7! P (k) (a)Q(k) (a) est un produit scalaire sur E = Rn [X ] :
k=0
¹ Sur les espaces de suites

X
Soit E = `2 (R) l'ensemble des suites u = ( un )n2N 2 RN telles que u2n converge. Montrer que E est un
n0
R-espace vectoriel.
+
X1
Puis, montrer que l'application (u; v ) 7! un vn est un produit scalaire sur E :
n=0

1.2 Norme et distance associées à un produit scalaire
1.2.1 Introduction sur la notion d'espace vectoriel normé
Notion de R-espace vectoriel normé
Dénition 3. Dénition d'une norme :

Soit E un R-espace vectoriel. Une norme sur E est une application N : E ! R+ vériant :
Inégalité triangulaire : . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Homogénéité : . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Séparation : . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Un espace vectoriel normé est la donnée d'un R-espace vectoriel E et d'une norme sur E .
Exemples :
Exemples de normes sur R2 :
q
k(x; y)k 1 = j xj + j y j k(x; y)k 2 = x2 + y 2 k(x; y)k1 = max (jxj; jyj)
Exemples de normes sur R3 :
Exemples de normes sur les espaces de fonctions, par exemple E = C ([0; 1]; R) :
s
Z 1 Z 1
kf k 1 = jf (t)jdt kf k2 = jf (t)j dt
2
kf k1 = sup jf (t)j
0 0 t2[0;1]
Montrer (seuls) qu'elles vérient bien toutes les trois, les propriétés requises pour être une norme.
Intérêt de munir E d'une norme
Dès lors que le R-espace vectoriel E est muni d'une norme, on peut :

Mesurer la longueur d'un vecteur, mesurer la distance entre deux éléments x et y de E en posant
d(x; y) = N (x y) :
x2E
kvk v2E
kx yk
0E
y2E
0E
Mais on peut aussi étudier toutes les questions de
? Limites,
? Continuité, Dérivabilité,
? Convergence de suites, de séries....
Par exemple, si (E; k k) est un espace vectoriel normé, (xn )n2N une suite d'éléments de E et ` 2 E , on dit que
la suite (xn )n2N converge vers ` pour la norme k k si et seulement si :
On obtient des résultats diérents selon la norme choisie.
Intérêt de munir E d'une norme associée à un produit scalaire
Lorsque l'espace vectoriel E est muni d'une norme associée à un produit scalaire, on obtient des résultats supplé-
mentaires en particulier :
une notion d'orthogonalité qui permet par exemple de parler du théorème de Pythagore,
de nombreuses inégalités liées aux propriétés du produit scalaire...
Dans les exemples précédents, on peut montrer que les normes k k1 et k k1 ne sont pas des normes liées à un
produit scalaire alors que la norme k k2 est une norme associée à un produit scalaire.
1.2.2 Dénition de la norme préhilbertienne/euclidienne et de la distance associée

Dénition 4. Soit (E; h ; i) un espace préhilbertien réel.
On appelle norme sur E l'application : k k : E ! R +
dénie par :
On l'appelle norme . . . . . . . . . . . . . . . . . . . . ou norme . . . . . . . . . . . . . . . . . . . . si E est de dimension nie.

On dit qu'un vecteur x de E est unitaire si . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Pour tout (x; y ) 2E 2
, on appelle la distance entre x et y associée au produit scalaire h ; i, notée
d(x; y) :
La notion de distance n'est pas forcément celle que l'on croit ! La distance dépend d'un CHOIX de produit
scalaire.

!
Par exemple, calculer k(1; 0)k pour le produit scalaire (X; Y ) 7! X t 2
1
1
2
Y sur R2 :
Exemples : Donner dans chacun des cas, l'expression de la norme associée au produit scalaire :
¶ Sur Rn muni du produit scalaire canonique :
Cas particulier : n = 1 : quel est le produit scalaire canonique sur R ? Quelle est la norme euclidienne
associée ?
· Sur Mnp (R) muni du produit scalaire canonique :
¸ Sur les espaces de fonctions Z b

Sur E = C ([a; b]; R) avec (a; b) 2 R2 avec a < b muni du produit scalaire (f; g ) 7! f (t)g(t)dt :
a
¹ Sur les espaces de polynômes

Z 1
? Sur E = R[X ] muni du produit scalaire : (P; Q) 7! P (t)Q(t)dt, calculer la norme de P = X3 :
0
? Soient n 2 N? et x0 ; : : : ; xn des réels DISTINCTS. Sur E = Rn [X ] muni du produit scalaire

n
X
(P; Q) 7! P (xk )Q(xk ) :
k=0

º Sur les espaces de suites
+
X 1
Sur E = `2 (R) muni du produit scalaire (u; v) 7! un vn . Calculer la norme de (un )n2N avec u0 = 0 et pour
n=0
tout n 2 N? , un =
1
.
n
1.2.3 Identités remarquables, identité du parallélogramme, identité de polarisation

Qui dit bilinéarité , dit identités remarquables
Propriété 2. Soit (E; h ; i) un espace préhilbertien réel. Pour tout (x; y) 2 E 2 :

kx + yk2 = . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
kx y k = . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2
hx + y; x yi = . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Preuve :
Remarques :

On remarque ainsi que la norme préhilbertienne ou euclidienne se manie bien lorsqu'elle est élevée au carré.
Sur R, on retrouve bien les identités remarquables classiques :
Propriété 3. Généralisation :
Soient n 2 N? et x1 ; : : : ; xn des vecteurs de E . On a alors :
n
X
k xi k 2
=
i=1
Preuve :
Remarque : Soit n 2 N? . Pour tout x1 ; : : : ; xn et y1 ; : : : ; yn vecteurs de E , la bilinéarité assure :

* +
n
X n
X
xi ; yj =
i=1 j =1
Exemple : En géométrie du plan, théorème de la médiane : Soient A et B deux points du plan et I le milieu
AB 2
du segment [AB ]. Montrer que pour tout point M du plan, on a : MA2 + MB 2 = 2MI 2 + .
2

Identité du parallélogramme
Propriété 4. Soit (E; h ; i) un espace préhilbertien réel.

8(x; y) 2 E ; kx + yk + kx yk =
2 2 2
Preuve :
Remarque : Cette égalité traduit le fait que,

dans un parallélogramme, la somme des carrés des B C
longueurs des deux diagonales est égale à la
somme des carrés des longueurs des quatre côtés.
AC 2 + BD2 = AB 2 + BC 2 + CD2 + DA2
= 2(AB 2 + BC 2 ):
A D
Identité de polarisation
En inversant les identités remarquables, on récupère le produit scalaire en fonction de la norme. Ainsi si je connais
la norme, je connais le produit scalaire !
Pour tout (x; y) 2 E 2 : hx; yi = . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Pour tout (x; y ) 2 E 2 : hx; y i = . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

Preuve :
q
kxk = hx; xi
par dénition
h; i kk
Identités de polarisation

hx; yi = 14 kx + yk 2
kx y k 2
1.2.4 Inégalité de Cauchy-Schwarz, cas d'égalité

Inégalité et cas d'égalité
Théorème 3. Soit (E; h ; i) un espace préhilbertien réel.

Pour tout (x; y) 2 E 2, . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Il y a égalité si et seulement si . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Remarques :
Comme une norme se manie bien au carré et que : jhx; y ij2 = . . . . . . . . ., on obtient aussi en utilisant la stricte
monotonie de la fonction carrée sur R+ :
Rappels : Dénition de x et y colinéaires :

? x et y sont colinéaires si et seulement si . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ou . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

? Si x 6= 0E , alors :
x et y sont colinéaires () . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . () . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Lien avec la géométrie du plan et de l'espace : une théorie géométrique tête en bas !
Comme son nom l'indique, la géométrie s'intéresse à la mesure de quantités et en particulier aux notions de
norme, de distance, d'angle. Toutes ces notions découlent en fait de la donnée d'un produit scalaire déni sur
R2 ou sur R3 . On commence par dénir un produit scalaire et tout le reste en découle. Ainsi :
Étape 1: la donnée d'un R-espace vectoriel

? On commence par considérer le plan R2 ou l'espace R3 .
Étape 2: la donnée d'un produit scalaire
? On le munit d'un produit scalaire :
Si on le choisit canonique, on retrouve bien les produits scalaires auxquels on est habitué dans le plan R2
(!
u :!
v = ) ou dans l'espace R3 (!
u :!v = ) mais d'autres choix sont possibles.
Conséquence 1: une norme et une distance an de pouvoir mesurer des longueurs
? Ce produit scalaire
nous permet de dénir une norme euclidienne et une distance sur R ou sur R . 2 3
Là encore, on ne retombe sur la norme habituelle sur R2 (kuk = ) ou sur R3

(kuk = ) que si le produit scalaire a été choisi canonique.
Conséquence 2: une notion d'angle:
? Comme on va le démontrer ci-dessous, l'inégalité de
Cauchy-Schwarz entraîne que, pour tous vecteurs !
u et !
v non nuls de R2 ou R3 muni d'un produit
scalaire, on a :
jh!
u;!v ij
kukkvk 1:
Et ainsi on peut dénir rigoureusement la notion d'angle géométrique entre deux vecteurs non nuls :
c'est l'unique nombre appartenant à [0; ] vériant :
h!u;!vi
kukkvk = cos ()
On note cet angle géométrique : cos () = cos (!
u;!v ).
On retrouve alors bien la dénition usuelle du produit scalaire :
h!
u;!
v i = kuk kvk cos (!
u;!
v)
Exemple : Formule d'Al-Kashi : Dans le plan, soit ABC un triangle. Montrer que :
! !
BC 2 = AB 2 + AC 2 2 AB AC cos (AB; AC ).

Preuve : On transforme notre problème d'espace préhilbertien réel en question d'analyse réelle.

Cauchy-Schwarz en situation
Y penser pour démontrer des inégalités.

Y penser en particulier pour des inégalités avec des carrés.
La diculté est de trouver le bon produit scalaire et les bons vecteurs à choisir.
Rédaction type :
On vérie que h ; i est bien un produit scalaire sur E = . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Ainsi, d'après l'inégalité de Cauchy-Schawrz, on obtient pour tout (x; y) 2 E 2 : . . . . . . . . . . . . . . . . . . . . . . .
En particulier pour x = . . . . . . . . . . . . . . . . . . . . et y = . . . . . . . . . . . . . . . . . . . ., on obtient . . . . . . . . . . . . . . . . . . . .
¶ Sur Rn :
? On le munit du produit scalaire canonique. L'inégalité de Cauchy-Schwarz devient alors pour tout
x = (x1 ; : : : ; xn ) 2 Rn et tout (y1 ; : : : ; yn ) 2 Rn :
!2
n
X n
X
? Montrer que pour tout x1 ; : : : ; xn réels : xk n x2k .
k=1 k=1
· Sur Mn (R) : Démontrer

que pour toutes matrices symétriques réelles A et B , on a :
1 2 2
(Tr(AB )) Tr(A ) + Tr(B ) .
2 2 2
2
¸ Sur les espaces de fonctions

? Que devient l'inégalité de Cauchy-Schwarz pour le produit scalaire sur C 0 ([a; b]; R) déni par
Z b
(f; g ) 7! f (t)g(t)dt ?
a

? Soit (a; b) 2 R2 tels
s que a < b.sMontrer que pour tout f 2 C ([a; b]; R), on a :
1
Z b Z b
f (b)2 f (a)2 2 f (t)2 dt f 0 (t)2 dt
a a
¹ Sur les espaces de polynômes s

Z 1 Z 1
Montrer que pour tout P 2 R[X ], on a : P (t)dt P 2 (t)dt.
0 0
1.2.5 La norme préhilbertienne est bien une norme

Propriété 6. Soit (E; h ; i) un espace préhilbertien réel. Alors l'application k k vérie bien les trois
propriétés suivantes :
Inégalité triangulaire : . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Cas d'égalité : kx + y k = kxk + ky k si et seulement si . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Homogénéité : . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Séparation : . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

Preuve :
Propriété 7. Inégalité triangulaire étendue :

La norme préhilbertienne vérie aussi l'inégalité triangulaire étendue :
8(x; y) 2 E ; jkxk kykj kx + yk kxk + kyk:
2

Preuve :
Remarque : Interprétation géométrique :

L'inégalité triangulaire traduit le fait que le plus court
chemin pour aller d'un point à un autre est la ligne droite. B
Par exemple, dans un triangle ABC du plan, les inégalités
triangulaires se traduisent par :
BC AB + AC AC AB + BC AB BC + AC: A
2 Orthogonalité
On considère un espace préhilbertien réel (E; h ; i).
2.1 Vecteurs orthogonaux, familles orthogonales et orthonormales
2.1.1 Dénitions
Dénitions

Dénition 5. Soient (E; h ; i) un espace préhilbertien réel, x et y deux vecteurs de E , F et G deux
sous espaces vectoriels de E et (xi )i2I une famille de vecteurs de E avec I un ensemble d'indices ni
ou inni.
On dit que les vecteurs x et y sont orthogonaux si . . . . . . . . . . . . . . . . et on note . . . . . . . . . . . . . . . .
On dit que F et G sont orthogonaux et on note . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .si :
On dit que la famille (xi )i2I est une famille orthogonale si :
On dit que la famille (xi )i2I est une famille orthonormale si :

? ..........................................................................................
? ..........................................................................................
Ce que l'on peut résumer en : . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Remarque : Notre théorie géométrique a dénitivement la tête en bas. Au lycée, la notion d'orthogonalité
était première et le produit scalaire second. C'est le contraire qui est vrai comme vous l'avez déjà vu l'année
dernière. La notion d'orthogonalité repose sur la dénition préalable d'un produit scalaire. En particulier, à
chaque produit scalaire est associé une notion d'orthogonalité, ce qui fait que les angles droits ne sont pas droits
absolument mais relativement. Ils ne ressemblent à nos angles droits classiques qu'en munissant le plan R2 ou
l'espace R3 du produit scalaire canonique.
!
Exemple : Vérier que pour le produit scalaire (X; Y ) 7! X t 2
1
1
2
Y sur R2 , la base canonique de R2 n'est
pas orthonormale.

Mais vérier que la famille p1 (1; 0); p1 (1; 2) est bien une famille ortho-
2 2
normale de R2 muni de ce même produit scalaire (seuls). !
u
!v
Cela nous fait un drôle d'angle droit, mais les angles droits ne sont droits que relativement !

Exemples
Savoir montrer qu'une famille de vecteurs (xi )i2I est orthogonale :

On calcule hxi ; xj i pour tout i et j distincts et on vérie que cette quantité est nulle.
Savoir montrer qu'une famille de vecteurs (xi )i2I est orthonormale :
? Caractère orthogonal : on calcule hxi ; xj i pour tout i et j distincts et on vérie que cette quantité est
nulle.
? Caractère unitaire ou normé : on calcule kxi k2 = hxi ; xi i pour tout i et on vérie que cette quantité
vaut 1.
¶ Sur Rn :
Pour le produit scalaire canonique de Rn , la base canonique (ei )1in de Rn est orthonormale :
· Sur Mnp (R) :

Pour le produit scalaire canonique de Mnp(R), la base canonique de Mnp(R) est orthonormale :
¸ Sur les espaces de fonctions :

La famille de fonctions (sn Z)n2N? dénie par : sn : t 7! nt) est orthonormale dans C ([0; 2]; R) pour le
sin (
2
produit scalaire (f; g ) 7!
1
f (t)g(t)dt.
0

¹ Sur les espaces de polynômes : les familles de polynômes orthogonaux
+
X1
? On munit R[X ] de l'application (P; Q) 7! P (k) (1)Q(k) (1). Après avoir montré que cette application
k=0
dénie bien un produit scalaire sur R[X ], montrer que la famille ((X 1)n )n2N est une famille de polynômes
orthogonaux.
Z
2
? On munit R[X ] de l'application (P; Q) 7! P (cos ())Q(cos ())d. Après avoir montré que cette applica-
0
tion dénie bien un produit scalaire sur R[X ], montrer que la famille (Tn )n2N des polynômes de Tchebychev
est une famille de polynômes orthogonaux.
? Soit 0 ; : : : ; n deux à deux distincts. Montrer que la suite des polynômes de Lagrange associée aux i est
une famille orthonormée de Rn [X ] pour un produit scalaire bien choisi.

2.1.2 Premières propriétés
Caractérisation du vecteur nul 0E
Propriété 8. Le vecteur nul est le seul vecteur orthogonal à tous les autres.
Autrement dit : soit x 2 E vériant : 8y 2 E; hx; y i = 0, alors . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Preuve :
Conséquences de F ?G
Commençons par quelques dessins dans R3 an de bien comprendre cette notion.
G
Donner des exemples d'espaces vectoriels
orthogonaux dans cette gure :
F
D1
D2 0E
D3
A-t-on F ? G dans cette deuxième gure ?
!
k !j
)
0)
;1;
0E !i
(0
);
;0
;0
(1
t(
ec
D
V
=
F
)
1)
0;
0;
;(
0)
;1;
(0
t(
ec
V
=
G

Propriété 9. Soient F et G deux sous-espaces vectoriels de E .
Si F ? G alors . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Autrement dit : . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
On parle alors de somme directe orthogonale et on note . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Preuve :
Propriété 10. Généralisation :

Soient F1 ; : : : ; Fn des sous-espaces vectoriels de E deux à deux orthogonaux, c'est-à-dire : pour tout
(i; j ) 2 [[1; n]] distincts : Fi ? Fj , alors :
2
On parle alors de somme directe orthogonale et on note . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Preuve :

2.1.3 Le théorème de Pythagore
Le théorème de Pythagore dit :
y
x ? y () kx
yk 2
Mais x ? y () : : : : : : : : : donc on a aussi : kyk 2
x ? y ()
k xk 2
0E
x
Propriété 11. Le théorème de Pythagore et sa généralisation :
Pour tous vecteurs x et y de E , on a :
Soit (x1 ; : : : ; xn ) 2 E n une famille orthogonale, alors :
Preuve :
2.1.4 Liberté des familles orthogonales

Propriété 12. Liberté :
Toute famille orthogonale de vecteurs non nuls de E est . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
En particulier toute famille orthonormale est . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

Preuve :
Remarque : Si E est un espace vectoriel de dimension nie n 6= 0, alors toute famille orthonormale de n vecteurs
est . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2.1.5 Coordonnées dans une base orthonormale

Coordonnées dans une base orthonormale
Théorème 4. Soient E 6= f0E g un espace euclidien, (e1 ; : : : ; en ) une base orthonormale de E . Alors :
8x 2 E; x = =
Autrement dit, les coordonnées de x dans la base orthonormale (e1 ; : : : ; en ) sont

Preuve :
Remarque : On connaissait déjà ce résultat dans le plan R2 ou dans !

u
!j
!!
l'espace R .3
u: j ) j
!
! !
u : i mesure la quantité de i contenu dans !
u.
! ! ! ! !i
!
u : j mesure la quantité de j contenu dans u . Et on a bien :
(
!
u = (!
! ! u :!j )!j
u : i ) i + (! !! !
(u: i ) i
Expression du produit scalaire et de la norme dans une base orthonormale
Théorème 5. Soit E 6= f0E g un espace euclidien et B = (e ; : : : ; en) une base orthonormée

1
0 1
de E . 0
x1 y1 1
Pour tout x et y vecteurs de E de coordonnées respectives dans B : X = MB (x) = B .C B . C
@ .. A et Y = MB (y ) = @ .. A.
xn yn
On a alors :
hx; yi = et kxk2 =
Preuve :
Remarque : Ce résultat montre que nalement, le produit scalaire sur Rn est un modèle pour tous les
produits scalaires des espaces euclidiens : via le choix d'une base orthonormée, tous les produits scalaires d'un
espace euclidien E se ramènent au produit scalaire canonique sur Rn . En eet, calculer le produit scalaire hx; y i

dans un espace euclidien E abstrait revient à calculer le produit scalaire canonique de Rn (via l'identication
classique) des coordonnées des vecteurs x et y dans une base orthonormale quelconque de E .
Ces formules deviennent fausses en général pour des coordonnées dans une base NON orthonormale.
Mais tout espace euclidien possède-t-il une base orthonormale ? Le procédé ou algorithme d'orthonormalisation
de Gram-Schmidt décrit ci-dessous permet de répondre positivement à cette question car cet algorithme permet
d'orthonormaliser toute famille libre.
2.1.6 Algorithme d'orthonormalisation de Gram-Schmidt

Présentation du procédé d'orthonormalisation de Gram-Schmidt
Exemple 1: cas n = 2:
On a tout compris lorsque l'on a compris le cas n = 2. On veut transformer une
famille libre quelconque (u1 ; u2 ) en une famille orthonormale (e1 ; e2 ) :
? La famille (u1 ; u2 ) étant libre, u1 est un vecteur non nul. On commence donc
par le normaliser c'est-à-dire le rendre unitaire en posant :
u2
e1 =
u2 hu2 ; e1 ie1
? On cherche alors à construire e2 en transformant u2 an que e2 soit ortho-
gonale à e1 . Pour cela, on retranche à u2 sa composante selon e1 , e2
à savoir . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . e1 u1
On pose ainsi ec2 = . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
hu ; e ie
2 1 1
Le vecteur ainsi obtenu est orthogonal à e1 mais il peut ne pas être unitaire.
? On normalise alors en posant e2 = . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Exemple 2: cas n = 3:
Regardons rapidement le cas n = 3. On veut transformer une famille libre quelconque
u1 ; u2 ; u3 ) en une famille orthonormale (e1 ; e2 ; e3 ) :
(
? La famille (u1 ; u2 ) étant libre, u1 est un vecteur non nul. On commence donc
par le normaliser c'est-à-dire le rendre unitaire en posant :
e1 = u3 ec3
? On cherche alors à construire e2 en transformant u2 an que e2 soit ortho- e3
gonale à e1 . Pour cela, on retranche à u2 sa composante selon e1 , p(u3 )
à savoir . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . e2
On pose ainsi ec2 = . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . u2
e1 u1
Le vecteur ainsi obtenu est orthogonal à e1 mais il peut ne pas être unitaire.
? On cherche alors à construire e3 en transformant u3 an que e3 soit ortho-
gonale à e1 et à e2 . Pour cela, on retranche à u3 sa composante selon e1 et
sa composante selon e2 , à savoir . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
On pose ainsi ec3 = . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Le vecteur ainsi obtenu est orthogonal à e1 et e2 mais il peut ne pas être
unitaire.

Théorème 6. Soient E un espace préhilbertien réel et (e1 ; : : : ; en ) une famille LIBRE de E .
On peut transformer (e1 ; : : : ; en ) en une famille orthonormale (u1 ; : : : ; un ) de E telle que :
8k 2 [[1; n]] ; Vect(u1; : : : ; uk ) = Vect(e1; : : : ; ek ):
Preuve :

Exemples
Savoir construire une famille orthonormée à partir d'une famille libre (u1 ; u2 ; : : : ; un ) :
Utiliser l'algorithme de Gram-Schmidt :
u1
Calcul de e1 : on norme u1 en posant : e1 =
ku1k .
Calcul de e2 :
? Calcul de ec2 = u2 hu ; e ie :
2 1 1
ec2
? On norme ec2 en posant e2 =
kec2k .
Calcul de e3 :
? Calcul de ec3 = u3 hu ; e ie
3 1 1 hu ; e ie :
3 2 2
ec3
? On norme ec3 en posant e3 =
keck .
3
On itère.
Exemples :
Z 1
On munit R[X ] du produit scalaire (P; Q) 7! P (t)Q(t)dt. Construire une famille orthonormée à partir de
0
la famille libre (1; X; X 2 ).
n
X
Soit (a0 ; a1 ; : : : ; an ) 2 Rn+1 . On note E = Rn [X ] et ' : (P; Q) 7! P (k) (ak )Q(k) (ak ). Vérier que ' est
k=0
bien un produit scalaire sur E . Dans le cas n = 2, a0 = 1, a1 = 0 et a2 = 1, trouver une base orthonormale
de E pour '.

2.1.7 Cas des espaces euclidiens
Théorème 7. Existence de bases orthonormales en dimension nie :
Soit E 6= f0E g un espace euclidien.
Alors E possède . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Preuve :
Théorème 8. Théorème de la base orthonormale incomplète en dimension nie :

Soit E 6= f0E g un espace euclidien.
Toute famille orthonormale de E peut être complétée . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Preuve :
2.2 L'orthogonal d'un sous espace vectoriel

E désigne toujours un espace préhilbertien réel de dimension quelconque.
2.2.1 Dénition
Dénition 6. Soit F un sous espace vectoriel de E .
On appelle l' orthogonal de F l'ensemble, noté F ? et déni par :

F
Dire que deux sous-espaces vectoriels

D1 ? F F? ? F
sont orthogonaux NE signie PAS que l'un
est l'orthogonal de l'autre. On peut penser au D2 $ F ?
dessin ci-contre ou à l'exemple de deux droites
D2 ? F
de l'espace. 0E
D1 $ F ?
Méthode 1 pour déterminer l'orthogonal de F : par la dénition.
Réexe : x 2 F ? () h x ; | {z
}i = 0R
2F
Méthode pour montrer que x 2 F ? :
? Soit f 2 F .
? Calcul de hx; f i.
? Obtenir que hx; f i = 0R .
? Conclure que x 2 F ? .
Exemples :
L'orthogonal d'une droite vectorielle :
Soit a un vecteur non nul de E et D = Vect(a). Montrer, en considérant qa : x 2 E 7! hx; ai ( on mesure la
quantité de a dans x ) que l'orthogonal de D est un hyperplan.
Z 1
Soit E C ([ 1; 1]; R) muni du produit scalaire (f; g) 7! f (t)g(t)dt. Soit P l'ensemble des fonctions paires
=
1
de E et I l'ensemble des fonctions impaires de E . Montrer que P I ? .

2.2.2 Propriétés de la transformation F 7! F ?
L'orthogonal est un sous espace vectoriel de E
Propriété 13. Soient E un espace préhilbertien réel et F un sous-espace vectoriel de E .

Alors F ? est . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Preuve :
Taper contre une famille génératrice de F sut
Propriété 14. Soient E un espace préhilbertien réel et F un sous-espace vectoriel de E et u 2 E .

u 2 F ? si et seulement si u est orthogonal aux vecteurs d'une famille génératrice de F (si elle existe).
Preuve :
Méthode 2 pour déterminer l'orthogonal de F : Utiliser une base (ei )i2I de F (si elle existe) :
u 2 F ? () 8i 2 I; hx; ei i = 0R :

Exemples :
On munit R2 [X ] du produit scalaire (P; Q) 7! P ( 1) Q( 1) + P (0)Q(0) + P (1)Q(1). Calculer R1 [X ]? .
On munit M2 (R) de son produit scalaire canonique. On note D (R) l'ensemble des matrices diagonales de
2
M2(R). Déterminer D2(R)?.
Caractérisation du vecteur nul
Propriété 15. Soit E un espace préhilbertien réel.

E? = . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
f0 E g ? = . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Preuve :

Propriétés d'inclusion et d'intersection
Propriété 16. Soient E un espace préhilbertien réel et F et G deux sous espaces vectoriels de E .
F \ F ? = . . . . . . . . . . . . . . . . . . . . . . . . . . . , autrement dit F et F ? sont . . . . . . . . . . . . . . . . . . . . . . . . . . .
Si F G alors . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
F .........................................................................................
Preuve :
Pour tout sous-espace vectoriel F de E , F et F ? sont TOUJOURS en somme directe. En revanche, il n'est
pas vrai en général que F et F ? sont supplémentaires dans E , ils sont seulement en somme directe.
Il n'est pas non plus vrai que F ?? = F . Cette égalité d'ensembles ne sera vraie que lorsque F est de
dimension nie. Étudions pour cela un contre-exemple.
Z 1
Exemple : On considère E = C ([0; 1]; R) muni du produit scalaire (f; g) 7! f (t)g (t)dt. On pose
0
F = ff 2 E; f (0) = 0g. Montrons que F $ (F ? )? en vériant que F ? = f0E g.

Exemples : Soit (E; h ; i) un espace préhilbertien. Pour tout sous-espaces vectoriels F et G de E , montrer que :
F G? () G F ?
(F + G)? = F ? \ G?
E = F ? + G? ) F \ G = f0E g

2.2.3 Le supplémentaire orthogonal d'un sous-espace vectoriel de dimension nie
Soit F un sous-espace vectoriel de E de DIMENSION FINIE. Alors :
E = F ? F ?, c'est-à-dire :
? F ? est . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
? F ? est orthogoanl à F
? F ? est même le seul supplémentaire de F dans E orthogonal à F .
F ?? . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Preuve : x
i
hi ei
x; e
X
i=1
p
F? = x
x
X
p
h x;
e i
i ei
0E =
xF
i=1
F

Dénition 7. Soient (E; h ; i) un espace préhilbertien réel et F un sous-espace vectoriel de E de
dimension nie.
F ? étant ainsi l'unique supplémentaire orthogonal de F dans E , on l'appelle : LE supplémentaire
orthogonal de F dans E .
Remarques :
Il est essentiel ici que F soit de dimension nie.
Nombre de supplémentaires :
F ? G0
G1
Il existe UN unique supplémentaire orthogonal mais tout plein de supplé-
mentaires généraux.
0E
F
On peut avoir F sev de E avec F de dimension innie et également E = F ? F ? . Autrement dit, la

condition F de dimension nie est susante mais pas nécessaire.
Exemples :
Exemple 1 : il sut de prendre E de dimension innie, F = E , car alors, on a :
Z 1
Exemple 2 : Soit E =C ([ 1; 1]; R) muni du produit scalaire (f; g) 7! f (t)g(t)dt. Soit P l'ensemble des
1
fonctions paires de E et I l'ensemble des fonctions impaires de E . On a déjà montré que P I ? .
Montrer que P et I sont supplémentaires orthogonaux dans E .
Pour F de dimension nie :

Montrer que G est le supplémentaire orthogonal de F dans E
Montrer que G = F ? par double inclusion.
Cela revient à calculer l'orthogonal d'un ensemble : voir méthodes précédentes.
Utiliser l'unicité du supplémentaire à F dans E orthogonal à F , à savoir :
Montrer que G F ? donc G est orthogonal à F ,
Montrer que G est un supplémentaire de F dans E ,
Par unicité, on a ainsi G = F ?.

Exemple : Soit E l'ensembleZ 1
des fonctions à valeurs réelles de classe C 2 sur [0; 1]. Pour toutes fonctions f et g
f (t)g(t) + f 0 (t)g0 (t) dt. On note de plus G = fg 2 E; g00 = gg et

dans E , on pose hf; g i =
H = fh 2 E; h(0) = h(1) = 0g. Justier que h ; i est bien un produit scalaire, que H est bien un espace
0
vectoriel et que la famille (ch; sh) est une base de G. Montrer que H est le supplémentaire orthogonal de G.
2.2.4 Cas des espaces euclidiens

Théorème 9. Soient (E; h ; i) un espace euclidien de dimension n et F un sous-espace vectoriel de E .
On a alors
F ? F ? = . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
F ?? . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
=
dim (F ?) = . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

Preuve :
Propriété 18. Soient (E; h ; i) un espace euclidien de dimension n et p 2 [[1; n 1]].
Si B = (e1; : : : ; en) est une base orthonormée de E , alors :
Réciproquement si BF = (e1 ; : : : ; ep ) base orthonormée de F et BF ? = (ep+1 ; : : : ; en ) base orthonor-

mée de F ? , alors :
BF ` BF ? . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Preuve :
Méthode 3 dans le cas des espaces euclidiens pour déterminer l'orthogonal d'un sous espace vectoriel F :
Utiliser une inclusion et une égalité de dimension car : dim (F ?) = dim (E ) dim (F ).
Utiliser F ?? = F .
Utiliser des bases adaptées.
Exemples :
¶ Dans Rn :
Cas des droites du plan :
Dans l'espace euclidien R2 canonique, déterminer l'orthogonal de la droite
D = f(x; y) 2 R2; ax + by = 0g avec (a; b) 6= 0R2 .

Cas des plans de l'espace :
Dans l'espace euclidien R3 canonique, déterminer l'orthogonal du plan
P = f(x; y; z ) 2 R3; ax + by + cz = 0g avec (a; b; c) 6= 0R3 .
Exemple dans R : 4
Dans l'espace euclidien canonique R4 , déterminer l'orthogonal du plan P d'équations x y z t = 0 et

2x + y + z t = 0.
· Dans l'espace euclidien canonique des matrices carrées de taille n :

Déterminer l'orthogonal des matrices symétriques.
Soit F l'ensemble des matrices carrées de taille n ayant une trace nulle. Déterminer F ? .
¸ Un isomorphisme entre E et son dual E ? :

Pour tout a 2 E , on note qa : E ! R l'application dénie par : x 7! hx; ai : on mesure la quantité de a
contenue dans x. Vérier que qa 2 E ? . On pose alors ' : E ! E ? dénie par : a 7! qa . Vérier que ' est
linéaire et injective. Si de plus, E est euclidien, montrer que ' est alors un isomorphisme entre E et son dual.

3 Projection orthogonale sur un sous-espace vectoriel de dimension nie
3.1 Projection orthogonale
(E; h ; i) désigne toujours un espace préhilbertien réel.
3.1.1 Dénition
Dénition 8. Soient (E; h ; i) un espace préhilbertien réel et F un sous-espace vectoriel de E de
dimension nie
On appelle projection orthogonale sur F . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
F?
f?
x = f + f?
Comme F est de dimension nie, on a :
E = F ? F ?
et ainsi on peut bien dénir la projection p F
0E
sur F parallèlement à F ? .
f = p(x)
Remarque : Rappels sur les propriétés déjà connues des projecteurs :

............................................................................................................
............................................................................................................
............................................................................................................

3.1.2 Trois caractérisations, trois méthodes
Théorème 10. Soient (E; h ; i) un espace préhilbertien réel, F un sous-espace vectoriel de E de
dimension p non nulle. On note p la projection orthogonale sur F .
Expression du projeté orthogonal dans une base orthonormale de F :
Soit (e1 ; : : : ; ep ) une base orthonormale de F , alors :
Expression du projeté orthogonal dans une base orthogonale de F :
Soit (e1 ; : : : ; ep ) une base orthogonale de F , alors :
Autre caractérisation :
Pour tout x 2 E , p(x) est entièrement caractérisé par : . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

Preuve :
Méthodes pour calculer le projeté orthogonal p sur F :

Méthode 1 si l'on connaît une base orthonormale (e1; : : : ; ep) de F :
p
X
On utilise p(x) = hx; eiiei.
i=1
Méthode 2 si l'on connaît une base orthogonale (f1 ; : : : ; fp ) de F :
p
On utilise p(x) =
X hx; fii f .
i=1 k fi k i
2
Méthode 3 : si on connaît une base PAS FORCÉMENT ORTHOGONALE (f1 ; : : : ; fp ) de F :

? Retour à la méthode 1 en commençant par l'orthonormaliser en utilisant l'algorithme d'orthonormalisation
de Gram-Schmidt.
p(x) 2 F et x p(x) 2 F ?
? En résolvant un système : p(x) est caractérisé par
Étape 1 : p(x) 2 F donc p(x) = 1f1 + + pfp.
Étape 2 : x p(x) 2 F ? si et seulement si x p(x) orthogonal à tous les vecteurs f1; : : : ; fp.
En écrivant que pour tout i 2 [[1; p]] :
p
X
hx p(x); fii = 0 , hp(x); fii = hx; fii , hfj ; fiij = hx; fii;
j =1
on se ramène à résoudre un système linéaire de p équations à p inconnues an de déterminer 1 ; : : : ; p :
8
>
>
>
hf ; f i
1 1 1 + hf ; f i
2 1 2 + ::: + hfp; f ip 1 = hx; f i
1
>
< .. .. .. .. ..
. . . . .
>
>
>
>
: hf ; fpi
1 1 + hf ; fpi
2 2 + ::: + hfp; fpip = hx; fpi
Méthode 4 : par la dénition : utiliser que si x = f + f? avec f 2 F et f? 2 F ? , alors p(x) = f .
Y penser en particulier lorsqu'une telle décomposition est facile, connue.
Exemples :
¶ Sur Rn :
Déterminer la matrice dans la base canonique de R3 de la projection orthogonale sur le plan d'équation
x + y + z = 0, R3 étant muni de sa structure euclidienne usuelle.

· Sur les espaces de matrice :
On munit Mn (R) du produit scalaire canonique et on pose F l'ensemble des matrices de trace nulle. On a
déjà montré que F ? = Vect(In ). Déterminer l'expression de la projection orthogonale sur F .
¸ Sur les espaces de fonctions

? Exemple avec la Zméthode résolution de système : On pose E = C ([0; 1]; R) que l'on munit du produit
1
scalaire (f; g ) = f (t)g(t)dt. On pose F = Vect(f1 ; f2 ) avec f1 : t 7! t et f2 : t 7! t2 . Donner
0
l'expression de pF (exp) .
? Exemple avec l'expression

Z en base orthogonale : On pose E = C ([0; ]; R) que l'on munit du produit
scalaire (f; g ) = f (t)g(t)dt. On pose F = Vect(cos ; sin ). Donner l'expression de pF (exp) .
0

¹ Sur les espaces de polynômes
Déterminer
Z
la projection orthogonale du polynôme X 3 sur R2 [X ] pour le produit scalaire
1
(P; Q) = P (x)Q(x)dx.
0
3.1.3 Cas particulier des droites et des hyperplans

Projection orthogonale sur une droite
Propriété 19. Soit (E; h ; i) un espace préhilbertien et a 2 E n f0E g et D = Vect(a) droite vectorielle.
L'expression de la projection orthogonale sur D est : . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Si de plus a est unitaire, alors l'expression de la projection orthogonale sur D est : . . . . . . . . . . . . . . . .
Preuve : p(x)
a a x
kak
c t a 0E
Ve

Projection orthogonale sur un hyperplan de E
Idée pour le calcul de pF lorsque dim (F ? ) < dim (F ) :

On commence par calculer pF ? .
On utilise : pF + pF ? = IdE .
Corollaire 1. Soient (E; h ; i) un espace euclidien, H un hyperplan de E de vecteur normal a et p la
projection orthogonale sur H .
L'expression de la projection orthogonale sur H est : . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Si de plus a est unitaire, alors l'expression de la projection orthogonale sur H est : . . . . . . . . . . . .
Preuve :
H?
a
kak hx; ai a
kak 2
H
0E
p(x)
3.1.4 Une autre caractérisation de la projection orthogonale

Propriété 20. Inégalité de Bessel :
Soient F un sous-espace vectoriel de E , F de dimension nie et pF la projection orthogonale sur F .
On a alors :
F?
Preuve : Il s'agit d'une conséquence directe du théorème de x
Pythagore :
kx pF (x)k
k xk
F
0E
kpF ( pF (x)
x)k
Remarque : Cette inégalité de Bessel est même une caractérisation des projecteurs orthogonaux dans les
espaces euclidiens comme le prouve l'exercice suivant :
Exemple : Soit E un espace euclidien et p un endomorphisme de E .

Montrons que p est une projection orthogonale si et seulement si p p = p et 8x 2 E; kp(x)k kxk.
3.2 Distance d'un vecteur à un sous-espace vectoriel de dimension nie

3.2.1 Dénition
Dénition 9. Soit (E; h ; i) un espace préhilbertien, A E une partie non vide de E et x 2 E .
On appelle distance de x à A . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Preuve : Le réel d(x; A) est bien déni car
Remarques :
Intuitivement, la distance de x à A est la plus petite distance entre x et les éléments de A. Cependant, rien
ne nous garantit l'existence d'une telle plus petite distance. D'ailleurs, elle n'existe pas nécessairement et
c'est pourquoi on a utilisé, pour la dénir, une borne inférieure et non un minimum.
La distance de x à A La distance de x à A
est ici un minimum x x est ici seulement une
(elle est atteinte) A A borne inférieure (elle
n'est pas atteinte).
Rappels sur la borne inférieure :

? Dénition :
? Caractérisation :

? Théorème d'existence : propriété de la borne inférieure :
3.2.2 Expression avec le projeté orthogonal

Lorsque (E; h ; i) est un espace préhilbertien réel et F un sous-espace vectoriel de E de dimension nie, on va
montrer que la distance d'un vecteur x de E à F est alors un minimum atteint pour pF (x).
Théorème 11. Soient (E; h ; i) un espace préhilbertien réel, F un sous-espace vectoriel de E de

dimension nie, x 2 E et pF la projection orthogonale sur F .
d(x; F ) = . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
La distance de x à F est donc un minimum. Ce minimum est atteint en p(x).
d(x; F ) est atteinte uniquement en ce point.
d(x; F ) = . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2
Tout repose là encore sur des dessins :
F?
F?
x p(x)
x
x
x
x
p(x)
p(x
)
d(x; F ) = kx p(x)k
0E
F u
0E
p(x) F

Preuve :
Calcul de d(x; F ) :
On calcule pF (x) (en utilisant une des méthodes vues dans la partie précédente).
On applique alors l'une des deux formules :
? On calcule kx pF (x)k
? Ou on calcule d(x; F )2 = kxk2 kpF (x)k2

Exemples :
¶ Sur Rn : Déterminer la distance du vecteur u = (1; 2; 3) au plan d'équation x + y + z = 0.
· Sur les espaces de matrice : On munit Mn (R) du produit scalaire canonique. On a déjà montré que
Sn(R)? = An(R). Pour toute matrice M 2 Mn(R), calculer d(M; Sn(R)).
3.3 Applications à la recherche de minimum

3.3.1 Méthode des moindres carrés
Un problème de régression linéaire simple
Il est courant, en physique-chimie, en sciences industrielles ou plus généralement dans toute discipline expérimen-
tale (biologie, chimie, économie...) d'avoir à comparer des données expérimentales et de devoir conjecturer une
éventuelle dépendance (linéaire, quadratique, exponentielle...) entre deux paramètres x et y donnés (par exemple
entre l'allongement d'un ressort et la force de traction exercée sur celui-ci).
y y = mx + p
On suppose que l'on dispose de n mesures expérimen-
tales (x1 ; y1 ); : : : ; (xn ; yn ) du couple (x; y ). Le monde
étant bien fait, il arrive souvent que la variable y soit
une fonction ane de la variable x. Le nuage de points
(x1 ; y1 ); : : : ; (xn ; yn ) est alors assez proche d'une droite.
mxi + p
yi
On cherche alors à trouver la droite décrivant au mieux
la tendance du nuage observé, on l'appelle la droite de
meilleure approximation de nos mesures. Ce problème
est appelé un problème de régression linéaire simple : li-
néaire car on cherche une droite et simple car on suppose
que y ne dépend que d'un seul paramètre x.
xi x

Mais quel sens donner à cette droite de meilleure approximation ? Comment déduire rigoureusement d'un nuage
de points une droite de meilleure approximation ?
On cherche donc deux réels m et p pour lesquels la droite d'équation y = mx + p est la plus proche possible du
nuage de points.
Écart ponctuel pour chaque i 2 [[1; n]] :
L'écart ponctuel entre la mesure obtenue (xi ; yi ) et la mesure attendue (xi ; mxi + p) est . . . . . . . . . . . . . . . . . . . .
Écart global entre le nuage de points et la droite de meilleure approximation :
Pour minimiser l'écart global, plusieurs choix sont possibles, par exemple :
n
X n
X
jy mxi pj
in i
max
1
jyi mxi pj jyi mxi pj :2
i=1 i=1
La méthode des moindres carrés correspond à la méthode de régression linéaire avec le dernier choix.
Méthode des moindres carrés
Transformation du problème en problème de distance :
n
X
Il s'agit donc de minimiser la quantité jyi mxi pj , c'est-à-dire de calculer
2
i=1
n
X
(
inf
m;p)2R2 i=1
jyi mxi pj : 2
Pour cela, on l'interprète comme la distance d'un vecteur à un certain sous-espace vectoriel de Rn muni du
produit scalaire canonique. En eet, si on pose :
0
y1 1 0
x1 1 0 1
1
?Y B .. C
A, X B .. C
A, U B.C
= @ .. A connus
=@ . =@ .
yn xn 1
? et F = Vect( X; U ),
on obtient que :
n
X
inf
m;p)2R2 i=1
(
jyi mxi pj 2
=
(
inf
m;p)2R2
kY (mX + pU )k2 = Zinf
2F
kY Z k2 = d(Y; F )2 :
Calcul de la distance :
D'après ce qui précède : d(Y; F ) = kY pF (Y )k où pF (Y ) est la projection de Y sur F = Vect(X; U ). Il reste
alors à calculer pF (Y ) = mX + pU et les coecients m et p ainsi trouvés seront bien les coecients recherchés
de la droite de meilleure approximation.
On utilise pour le calcul la méthode de résolution avec le système linéaire en écrivant donc :
? pF (Y ) = mX + pU
? hY pF (Y ); X i = 0 et hY pF (Y ); U i = 0 car Y pF (Y ) 2 F ? .
Que faire si cela n'est pas linéaire ?

y
Le problème de ce qui précède, c'est que toute variable y ne dépend
pas forcément de manière ane de la variable x. La méthode des
moindres carrés est-elle alors caduque ? Heureusement non et nous
allons nous en convaincre sur un exemple.
Sur la gure ci-contre, on peut émettre, au vu du nuage de points,

l'hypothèse d'une relation de la forme : y = x entre x et y où
et sont deux réels à déterminer. On se ramène alors au cas ane
en écrivant que :
x
Ainsi, dans ce cas simple, ce sont les réels et ln () que l'on calculera
par régression linéaire simple.
3.3.2 Autres exemples de problème de minimisation

Y penser dès que l'on vous demande de calculer un inf ou un min .
Interpréter alors le problème à résoudre comme la distance entre un vecteur x et un sous-espace vectoriel F
de dimension nie dans un espace préhilbertien (E; h ; i).
Toute la diculté revient à identier x, F et le produit scalaire qui conviennent.
Le minimum cherché est alors kx pF (x)k.
Démarche à suivre :
Exhiber le produit scalaire sous-jacent sur E .
Identier le sous-espace vecetoriel F et le vecteur x 2 E que l'on projette.
Calculer pF (x).
Conclure.
Calculs :
inf :::::: = inf
f 2F
kx f k 2
avec F = : : : : : : et x = : : : : : :
= d(x; F )2
= kx pF (x)k2 = kxk2 kpF (x)k2
Exemples :
¶ Sur les espaces de fonctions
Z
2
Déterminer inf x a cos (x) b sin (x))2 dx.
(
(a;b)2R2 0

· Sur les espaces de polynômes
Z 1
Déterminer inf ( t2 at b)2 dt.
a;b)2R2
( 0

Langue

3 - Espace Préhilbertien Réel Et Espace Euclidien

Transféré par

Informations du document

Titre original

Copyright

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 :

3 - Espace Préhilbertien Réel Et Espace Euclidien

Titre original :

Transféré par

Droits d'auteur :

Lycée Sainte Geneviève 2020-2021

ESPACES PRÉHILBERTIENS RÉELS

Table des matières

3 Projection orthogonale sur un sous-espace vectoriel de dimension nie 45

Lycée Sainte Geneviève, PT-PT* Page 1/57 2020-2021

Lycée Sainte Geneviève, PT-PT* Page 2/57 2020-2021

1 Produit scalaire et norme préhilbertienne

Objectif 1 : montrer qu'une application est un produit scalaire :

 Il y a une grande diérence entre la linéarité et la bilinéarité.

Lycée Sainte Geneviève, PT-PT* Page 3/57 2020-2021

Propriété 1. Première propriété :

1.1.2 Produit scalaire canonique

Théorème 1. Expressions analytique et matricielle du produit scalaire canonique sur Rn :

Lycée Sainte Geneviève, PT-PT* Page 4/57 2020-2021

Le produit scalaire canonique de Rn peut être calculé matriciellement.

Produit scalaire canonique sur Mnp (R)

Lycée Sainte Geneviève, PT-PT* Page 5/57 2020-2021

1.1.3 Autres exemples

Lycée Sainte Geneviève, PT-PT* Page 6/57 2020-2021

· Sur les espaces de fonctions Z b

¸ Sur les espaces de polynômes

Lycée Sainte Geneviève, PT-PT* Page 7/57 2020-2021

¹ Sur les espaces de suites

Lycée Sainte Geneviève, PT-PT* Page 8/57 2020-2021

Dénition 3. Dénition d'une norme :

Lycée Sainte Geneviève, PT-PT* Page 9/57 2020-2021

On obtient des résultats diérents selon la norme choisie.

Intérêt de munir E d'une norme associée à un produit scalaire

1.2.2 Dénition de la norme préhilbertienne/euclidienne et de la distance associée

On l'appelle norme . . . . . . . . . . . . . . . . . . . . ou norme . . . . . . . . . . . . . . . . . . . . si E est de dimension nie.

Lycée Sainte Geneviève, PT-PT* Page 10/57 2020-2021

· Sur Mnp (R) muni du produit scalaire canonique :

¸ Sur les espaces de fonctions Z b

¹ Sur les espaces de polynômes

? Soient n 2 N? et x0 ; : : : ; xn des réels DISTINCTS. Sur E = Rn [X ] muni du produit scalaire

Lycée Sainte Geneviève, PT-PT* Page 11/57 2020-2021

1.2.3 Identités remarquables, identité du parallélogramme, identité de polarisation

Propriété 2. Soit (E; h ; i) un espace préhilbertien réel. Pour tout (x; y) 2 E 2 :

Lycée Sainte Geneviève, PT-PT* Page 12/57 2020-2021

Remarque : Soit n 2 N? . Pour tout x1 ; : : : ; xn et y1 ; : : : ; yn vecteurs de E , la bilinéarité assure :

Lycée Sainte Geneviève, PT-PT* Page 13/57 2020-2021

Propriété 4. Soit (E; h ; i) un espace préhilbertien réel.

Remarque : Cette égalité traduit le fait que,

Lycée Sainte Geneviève, PT-PT* Page 14/57 2020-2021

1.2.4 Inégalité de Cauchy-Schwarz, cas d'égalité

Théorème 3. Soit (E; h ; i) un espace préhilbertien réel.

 Rappels : Dénition de x et y colinéaires :

Lycée Sainte Geneviève, PT-PT* Page 15/57 2020-2021

Étape 1: la donnée d'un R-espace vectoriel

Là encore, on ne retombe sur la norme habituelle sur R2 (kuk = ) ou sur R3

Lycée Sainte Geneviève, PT-PT* Page 16/57 2020-2021

Lycée Sainte Geneviève, PT-PT* Page 17/57 2020-2021

Y penser pour démontrer des inégalités.

· Sur Mn (R) : Démontrer

¸ Sur les espaces de fonctions

Lycée Sainte Geneviève, PT-PT* Page 18/57 2020-2021

¹ Sur les espaces de polynômes s

1.2.5 La norme préhilbertienne est bien une norme

Lycée Sainte Geneviève, PT-PT* Page 19/57 2020-2021

Propriété 7. Inégalité triangulaire étendue :

Lycée Sainte Geneviève, PT-PT* Page 20/57 2020-2021

Remarque : Interprétation géométrique :

Lycée Sainte Geneviève, PT-PT* Page 21/57 2020-2021

 On dit que la famille (xi )i2I est une famille orthogonale si :

3 Projection orthogonale sur un sous-espace vectoriel de dimension nie 45

Il y a une grande diérence entre la linéarité et la bilinéarité.

Dénition 3. Dénition d'une norme :

On obtient des résultats diérents selon la norme choisie.

1.2.2 Dénition de la norme préhilbertienne/euclidienne et de la distance associée

On l'appelle norme . . . . . . . . . . . . . . . . . . . . ou norme . . . . . . . . . . . . . . . . . . . . si E est de dimension nie.

Rappels : Dénition de x et y colinéaires :

On dit que la famille (xi )i2I est une famille orthogonale si :

On dit que la famille (xi )i2I est une famille orthonormale si :

Savoir montrer qu'une famille de vecteurs (xi )i2I est orthogonale :

A-t-on F ? G dans cette deuxième gure ?

Soit (x1 ; : : : ; xn ) 2 E n une famille orthogonale, alors :

Théorème 8. Théorème de la base orthonormale incomplète en dimension nie :

Méthode 1 pour déterminer l'orthogonal de F : par la dénition.

Taper contre une famille génératrice de F sut

On peut avoir F sev de E avec F de dimension innie et également E = F ? F ? . Autrement dit, la

Pour F de dimension nie :

Si B = (e1; : : : ; en) est une base orthonormée de E , alors :

Réciproquement si BF = (e1 ; : : : ; ep ) base orthonormée de F et BF ? = (ep+1 ; : : : ; en ) base orthonor-

Comme F est de dimension nie, on a :

Expression du projeté orthogonal dans une base orthogonale de F :

Méthode 3 : si on connaît une base PAS FORCÉMENT ORTHOGONALE (f1 ; : : : ; fp ) de F :