Espaces Prehilbertiens Reels

PSI Espaces préhilbertiens
Plan 5.2 Le groupe orthogonal O n (R) . . . . . . . 20

5.3 Changement de bases orthogonales . . . 21
1 Produits scalaires sur un R-espace vecto- 5.4 Lien avec les endomorphismes orthogo-
riel 1 naux . . . . . . . . . . . . . . . . . . . . . 22
1.1 Définition et notations . . . . . . . . . . . 1 5.5 Les groupes spéciales orthogonales
1.2 Exemples de référence . . . . . . . . . . . 2 SO n (R) et SO (E ) . . . . . . . . . . . . . . 22
1.3 Normes euclidiennes . . . . . . . . . . . . 3
6 Produit mixte et vectoriel en dimensions
2 Orthogonalité 4 2 et 3 23
2.1 Vecteurs et sous espaces orthogonaux . 5 6.1 Orientation d ’un espace vectoriel de
2.2 Orthogonal d’un sous-espace vectoriel . 5 dimension finie . . . . . . . . . . . . . . 23
2.3 Famille orthogonale - orthonormale . . 7 6.2 Produit mixte . . . . . . . . . . . . . . . . 24
2.4 Procédé d’ orthonormalisation de Gram- 6.3 Produit vectoriel dans l’espace euclidien 25
Schmidt . . . . . . . . . . . . . . . . . . . 8
2.5 Calculs dans un espace Euclidien . . . . 9 7 Isométries du plan euclidien 27
7.1 Matrices orthogonales d’ordre 2 . . . . . 27
3 Projection orthogonal sur un espace de 7.2 Angle orienté dans le plan euclidien . . 28
dimension finie et applications 10 7.3 Éléments de SO (E ) . . . . . . . . . . . . 28
3.1 Projection orthogonale . . . . . . . . . . . 11 7.4 Isométrie indirectes en dimension deux 29
3.2 Supplémentaire orthogonal . . . . . . . . 12
3.3 Distance à un sous espace, Inégalité de 8 Isométrie vectorielle en dimension 3 29
Bessel. . . . . . . . . . . . . . . . . . . . . 14 8.1 Orientation d’ un plans par un vecteur
normal . . . . . . . . . . . . . . . . . . . . 30
4 Endomorphismes symétriques 15 8.2 Les Rotations de E . . . . . . . . . . . . 30
4.1 Définition et exemples . . . . . . . . . . . 15 8.3 Classification des isométries de E . . . . 32
4.2 Réduction endomorphismes symétriques 17
9 Formes linéaires et hyperplans dans un
5 Endomorphismes orthogonaux d’ un es- espace euclidien 33
pace euclidien 18 9.1 théorème de représentation de Riesz . . 33
5.1 Le groupe orthogonale O (E ) . . . . . . . 18 9.2 Vecteur normal à un hyperplan . . . . . 34
∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗
Dans tout ce chapitre R désigne le corps des nombres réels et E un R−espace vectoriel
1 Produits scalaires sur un R-espace vectoriel

1.1 Définition et notations
Définition 1.1. (Produit scalaire. )
1. On appelle produit scalaire sur E toute application ϕ : E 2 −→ R qui vérifie :
(i) ϕ bilinéaire : Pour tout a ∈ E ; x 7→ ϕ( x, a) et x 7→ ϕ(a, x) sont des formes linéaires sur E.
(ii) ϕ symétrique : ∀ x, y ∈ E, ϕ( x, y) = ϕ( y, x).
∀ x ∈ E, ϕ( x, x) ≥ 0
½
(iii) ϕ définie positive :
∀ x ∈ E, ϕ( x, x) = 0 =⇒ x = 0.
2. On note souvent le produit scalaire de x et y par ( x| y) ou < x, y > ou encore x.y.
3. Si 〈, 〉 est un produit scalaire sur E, le couple (E, 〈, 〉) s’appelle espace préhilbertien réel.
Si de plus La dimension de E est finie on dit que c ’est un espace euclidien .
www.laminehoucin.blogspot.com page:1/ 35
Remarques 1.1. Soit (E, (.|.)) est un espace préhilbertien.

1. ∀ x ∈ E, ( x| 0) = 0 ( car a 7→ ( x| a) est linéaire, sa valeur en 0 est donc nulle).
2. pour tout x, y ∈ E, et λ, µ ∈ R on a (λ x|µ y) = λµ( x| y).
n
3. Si E est de dimension finie et ( e 1 , . . . , e n ) une base de E ; A = (( e i | e j )) ∈ M n (R); x =
X
xi e i ;
i =1
n
yi e i ; X = t ( x1 , ..., xn ) et Y = t ( y1 , ..., yn ). Alors
X
y=
i =1
n X
n
x i y j ( e i | e j ) = t X AY .
X
( x| y) =
i =1 j =1
et on a :
• A est symétrique puisque le produit scalaire l’est .
• A ∈ GL n (R) puisque ∀ x 6= 0 ( x| x) > 0 se qui se traduit par
∀ X 6= 0n,1 , t X A X > 0,
d’où ker A = {0n,1 }.
1.2 Exemples de référence

1. Pour E = Rn , On définit le le produit scalaire canonique sur Rn en posant pour x = ( x1 , . . . , xn )
et y = ( y1 , . . . , yn ) :
n
X
( x| y) = xk yk .
k=1
2. Dans Mn,1 (R) on définit le produit scalaire en posant pour tout X , Y ∈ Mn,1 (R)
( X | Y ) =t X Y
3. Dans Mn (R) on définit un produit scalaire en posant pour tout A = (a i j ), B = ( b i j ) ∈ Mn (R)

n
n X
( A | B) = tr( t AB) =
X
ai j bi j
i =1 j =1
appelé produit scalaire de Frobenius.

4. Pour E = C 0 ([a, b], R) on définit un produit scalaire sur E en posant pour tout f , g ∈ E
Z b
( f | g) = f g.
a
En effet : C’est clairement une forme bilinéaire, symétrique.

Z b Z b
2
De plus ( f | f ) = f ≥ 0 et f 2 = 0 =⇒ f 2 = 0 car f 2 est continue, positive. D’où f = 0.
a a
Attention 1.1. C’est faux si f n’est pas continue. Ce n’est pas un produit scalaire sur
C M ([a, b], R).
5. Pour E = R[ X ] on définit un produit scalaire sur E Par :
Z 1
∀ P,Q ∈ E, (P | Q ) = PQ.
0
En effet : On fait de même que l’exemple 4 sachant que si la fonction polynomiale P est nulle
sur [0, 1], elle admet une infinité de racines donc elle est nulle sur R
6. Dans E = C 2π (R, R), le R-espace vectoriel des fonctions continues 2π−periodiques , on définit
un produit scalaire en posant pour tout f , g ∈ E
1 2π
Z
( f | g) = fg
π 0
EnZ effet : La bilinéarité et la symétries sont évidentes et pour tout f ∈ E on a ( f | f ) =
1 2π 2 1 2π 2
Z
f ≥ 0 et si de plus ( f | f ) = f = 0 alors par continuité et positivité de f 2 on
π 0 π 0
déduit que f = 0 sur [0, 2π] donc f = 0 sur R par périodicité
7. Pour E = L2c ( I, R) l’espace des fonctions continues carrées intégrables sur I, on définit un
produit scalaire par : Z
∀ f , g ∈ E ( f | g) = f g.
I
t t
Exercice 1. Soit A ∈ GL n (K ). on pose ( X , Y ) 7−→ X A AY . Montrer que c ’est un produit
scalaire sur Mn,1 (R).
Solution : La bilinéarité provient de la bilinéarité du produit de matrice.
• La symétrie provient de l’invariance d’une matrice de M1 (R) par transposition.
• Pour X ∈ Mn,1 (R), on a t X t A A X = t ( A X )( A X ) = k A X k22 ≥ 0 où k.k2 est la norme 2 dans Mn,1 (R).
• Si de plus k A X k2 = 0 alors A X = 0 donc X = 0 puisque A est inversible.
Z 1
P ( x)Q ( x)
Exercice 2. Montrer que (P | Q ) = p dx définit un produit scalaire sur R[ X ].
−1 1 − x2
|P ( x)Q ( x)| 1
µ ¶
Solution : • L’existence de l’intégrale est garantie par p =O p puisque que P et Q sont conti-
1 − x2 ±1 1 − x2
1
nues sur le segment [−1, 1] et la fonction x 7→ p est intégrable sur] − 1, 1[
1 − x2
• La symétrie et la bilinéarité sont évidentes
P ( x)2
Z 1
• (P | P ) = p dx ≥ 0
−1 1 − x2
P ( x)2 P ( x )2
Z 1
• (P | P ) = p dx = 0 ⇔ ∀ x ∈] − 1, 1[ p = 0 ⇔ ∀ x ∈] − 1, 1[, P ( x) = 0 ⇔ P = 0
−1 1 − x2 1 − x2
1.3 Normes euclidiennes
p
Proposition 1.1. Soit (.| .) est un produit scalaire sur E, On pose pour tout x ∈ E, k xk = ( x | x ).
Alors pour tout x, y ∈ E on a :
• ∀λ ∈ R, kλ xk = |λ|k xk.
• k x + yk2 = k xk2 + k yk2 + 2( x| y).
• k x − yk2 = k xk2 + k yk2 − 2( x| y).
• k x − yk2 + k x + yk2 = 2(k xk2 + k yk2 ) (identité de parallélogramme )
• 4( x| y) = k x + yk2 − k x − yk2 . (identité de polarisation )
Théorème 1.1 (Inégalité de Cauchy-Schwarz).
∀ x, y ∈ E, | ( x| y)| ≤ k xk k yk.
L’ égalité à lieu si et seulement si x et y sont colinéaires.
Preuve : Soient x, y ∈ E. On définit la fonction f de R dans R par f (λ) = k x + λ yk2 = λ2 k yk2 + 2λ( x| y) + k xk2 ≥ 0.
f est une fonction polynôme de degré au plus 2, toujours positive.
• Si k yk = 0, alors ( x| y) = 0 car un polynôme de degré 1 ne peut avoir un signe constant. L’inégalité de Cauchy-
Schwarz est alors vérifiée.
• Si k yk 6= 0, f est alors une fonction polynôme du second degré positive sur R, son discriminant est donc négatif
c’est à dire :
4( x| y)2 − 4k xkk yk ≤ 0.
L’inégalité de Cauchy-Schwarz est alors vérifiée
• Cas d’égalité :
Si y = 0 l’égalité a lieu et les deux vecteurs sont bien colinéaires.
Si y 6= 0 l’égalité à lieu lorsque le discriminant est nul c’est à dire s’il existe λ tel que x + λ y = 0.
La réciproque est évidente.
Théorème 1.2 (Inégalité de Minkowski).
∀ x, y ∈ E, k x + yk ≤ k xk + k yk.
L’ égalité à lieu si et seulement si x et y sont positivement colinéaires. c ’est à dire qu ’il existe
α ≥ 0 tel que x = α y ou y = α x
Preuve : Soient x, y ∈ E
• (k xk + k yk)2 − k x + yk2 = 2 (k xkk yk − ( x| y)) ≥ 0(d’apres CS)
• Le cas d’ égalité s’ obtient si et seulement si k xkk yk = ( x| y) (∗) or d’ après le cas d’ égalité dans Cauchy
Schwartz, il existe α ∈ R tel que x = α y ou y = α x mais en remplaçant dans (∗) on trouve α = |α| ce qui montre
que α ≥ 0. La réciproque est triviale.
Exemples 1.1. On retrouve les inégalités

¯ ¯ s s
¯Xn ¯ n n
1. ∀( x1 , ..., xn ); ∈ Rn ∀( y1 , ..., yn ) ∈ Rn ; ¯ x2k yk2 .
X X
xk yk ¯ ≤
¯ ¯
¯k=1 ¯ k=1 k=1
µZ b ¶2 µZ b ¶ µ Z b ¶
2. ∀ f , g ∈ C ([a, b], R) fg ≤ f2 g2
a a a
p
Proposition 1.2. • L’application x 7−→ k xk = ( x| x) définit une norme appelée norme eucli-
dienne sur E
• L’application ( x, y) 7−→ d ( x, y) = k x − yk définit une distance sur E appelée distance euclidienne
sur E
2 Orthogonalité
Dans cette section (E, (.|.)) est un espace préhilbertien réel, et k.k la norme euclidienne asso-
ciée.
2.1 Vecteurs et sous espaces orthogonaux
Définition 2.1. • Deux vecteurs x et y de E sont dits orthogonaux si et seulement si ( x| y) = 0.

On note alors x ⊥ y.
• Deux sous-espaces vectoriels F et G de E sont orthogonaux et on note alors F ⊥
G,si et seulement si tous les éléments de F sont orthogonaux à ceux de G c’est à dire :
∀ f ∈ F, ∀ g ∈ G, ( f | g) = 0.
Exemples 2.1. — 0 est orthogonal à tous les vecteurs de E . Z

1
— 3 X − 2 est orthogonal à X pour le produit scalaire (P |Q ) = PQ .
Z 1 0
En effet : (3 x − 2 | X ) = x(3 x − 2) d x = [ x3 − x2 ]10 = 0.

0
— Dans E = R3 muni du produit scalaire usuel, posons H le plan d’équation x + 2 y + 3 z = 0 et
G = Vect{(1, 2, 3)}.
On a alors H ⊥ G .
En effet : pour a = ( x, y, z) ∈ H et b = (λ, 2λ, 3λ) ∈ G , (a| b) = λ( x + 2 y + 3 z) = 0.
Théorème 2.1 (Pythagore). Pour tout ( x1 , x2 ) ∈ E 2
x1 ⊥ x2 ⇔ ( x1 | x2 ) = 0 ⇔ k x1 + x2 k2 = k x1 k2 + k x2 k2 .
Proposition 2.1. Soient F et G deux sous-espaces vectoriels orthogonaux de E alors F ∩ G = {0}

En particulier F + G est une somme directe .
Preuve : Si x ∈ F ∩ G alors x ⊥ x donc x = 0
2.2 Orthogonal d’un sous-espace vectoriel
Définition 2.2. (Orthogonal d’un sous-espace vectoriel.)

Soit F un sous-espace vectoriel de E . On appelle orthogonal de F l’ensemble :
F ⊥ = { x ∈ E, | ∀ f ∈ F, ( x| f ) = 0}.
Proposition 2.2. F,G deux sous espaces de E

1. E ⊥ = {0} et E = {0}⊥ .
2. F ⊥ est un sous-espace vectoriel de E
3. Si F ⊂ G alors G⊥ ⊂ F ⊥
4. F ⊂ (F ⊥ )⊥
5.
F ⊥G ⇔ F ⊂ G⊥ ⇔ G ⊂ F⊥
Preuve :
1. Si x ∈ E ⊥ alors ∀ y ∈ E, ( x| y) = 0. Notamment ( x| x) = 0. D’où x = 0.

2. — 0∈ F ⊥
— Soit λ, µ ∈ R et y, z ∈ F ⊥
Pour x ∈ F on a : ( x| λ y + µ z) = λ( x| y) + µ( x| z) = 0. Donc λ y + µ z ∈ F ⊥ .
3.
x ∈ G⊥ ⇒ ∀ y ∈ G, < x, y >= 0
⇒ ∀ y ∈ F, < x, y >= 0
⇒ x ∈ F⊥
4. si y ∈ F alors ∀ x ∈ F ⊥ , < x, y >= 0 donc y ∈ (F ⊥ )⊥

5. Par définition de l’orthogonalité de deux sous-espaces vectoriels .
Remarque 2.1. Il est souvent utile dans un exercice de considérer pour a, b ∈ E et f ∈ L(E ),les
équivalences : ¡ ¢ ¡ ¢
a = b ⇐⇒ ∀ x ∈ E, a| x = b| x
¡ ¢
f = 0 ⇐⇒ ∀ x, y ∈ E, f ( x)| y = 0.
Exemples 2.2. 1. Dans R3 , posons F = Vect{(1, 2, 3)}. F ⊥ est l’hyperplan d’équation x + 2 y + 3 z

car
( x, y, z) ∈ F ⊥ ∀ λ ∈ R, ( x, y, z)|λ(1, 2, 3) = 0
¡ ¢
⇐⇒
¡ ¢
⇐⇒ ( x, y, z)|(1, 2, 3) = 0
⇐⇒ x + 2 y + 3z = 0
Z 1
2. Dans R2 [ X ] muni du produit scalaire (P,Q ) 7→ PQ .
0
¢⊥
a + bX + cX 2 ∈ Vect{ X 2 } a + bX + cX 2 | X 2 = 0
¡ ¡ ¢
⇐⇒
a
⇐⇒ 3 + 4b + 5c = 0
¢⊥ ©
Donc Vect{ X 2 } = a + bX + cX 2 / a3 + 4b + 5c = 0
¡ ª
Remarque 2.2. Si F = vect( e 1 , e 2 , . . . , e n ), alors
x ∈ F ⊥ ⇐⇒ ( x| e 1 ) = · · · = ( x| e n ) = 0.
Définition 2.3. On appelle orthogonale d’ une famille finie ( e 1 , e 2 , . . . , e n ) de E. Le sous espace

vectoriel
{ e 1 , e 2 , . . . , e n }⊥ = Vect( e 1 , e 2 , . . . , e n )⊥ = { x ∈ E /∀ i ∈ [[1, n]] ; ( x | e i ) = 0}
Exemples 2.3. Dans R4 déterminer l’orthogonal de { e 1 , e 2 }⊥ avec e 1 = (1, 1, 0, 0) et e 2 = (1, 0, 1, 0)

pour le produit standard.
Solution : Soit a = ( x, y, z, t) ∈ R4 .
½ ½
⊥ ( a| e 1 ) = 0 x+ y=0
a ∈ {e1, e2} ⇐⇒ ⇐⇒
( a| e 2 ) = 0 y+ t = 0
Par suite { e 1 , e 2 }⊥ = Vect((1, −1, 0, 1), (0, 0, 1, 0))
2.3 Famille orthogonale - orthonormale
Définition 2.4. • Un vecteur x de E est dit unitaire si et seulement si k xk = 1

• Une famille ( x i ) i∈ I d’élément de E est dite orthogonale si et seulement si
∀ ( i, j ) ∈ I, i 6= j =⇒ ( x i | x j ) = 0.
• Une famille ( x i ) i∈ I d’élément de E est dite orthonormaleou orthonormée

si et seulement si elle est orthogonale et ∀ i ∈ I, k x i k = 1.
x
Remarques 2.1. 1. Si x 6= 0 alors le vecteur est unitaire
k xk
2. Dans R[ X ] ne pas confondre un vecteur unitaire avec la notion de polynôme unitaire.
3. ( x i ) i∈ I est une famille orthonormale si et seulement si
½
1 si i = j
∀ ( i, j ) ∈ I, (xi | x j ) = δi j Où δi j =
0 si i 6= j
Exemples 2.4. 1. Dans Rn muni du produit scalaire canonique, la base canonique est une fa-
mille orthonormale
2. Dans E = C 2π (R, R) muni du produit scalaire
1
Z 2π
( f | g) = fg
π 0
La famille ( x 7→ cos( nx))n≥1 est une famille orthonormale

En effet : posons pour n ∈ N∗ , f n ( x) = cos(nx) (∀ x ∈ R)
1
Z 2π 1
Z 2π 1 1
Z 2π
( fn| fm) = cos( nx) cos( mx) d x = [cos(( n + m) x) + cos(( n − m) x)] d x = cos(( n − m) x) d x = δnm
π 0 π 0 2 2π 0
Proposition 2.3. Soit E préhilbertien. Une famille ( x1 , . . . , xk ) orthogonale de vecteurs non nuls
est libre.
En particulier, si E est euclidien, alors : k ≤ dim E .
Preuve :
k
X
Soient λ1 , . . . , λn tel que λ j x j = 0. Pour i ∈ [[1, k]], on obtient :
j =1
Ã !
k
X ¯ k
X
λ j x j ¯ xi = λ j ( x j | x i ) = λ i ( x i | x i ) =⇒ λ i = 0.
¯
j =1 j =1
Remarque 2.3. Si dim E = n et que ( x1 , x2 , . . . xn ) est orthogonale sans vecteurs nuls, alors il
s’agit d’une base.
Exercice 3. Soient E = Rn [ X ] et a0 , . . . , a n des réels distincts. On pose, pour (P,Q ) ∈ E 2 ,

n
X
〈P,Q 〉 = P (a k )Q (a k ).
k=0
1. Vérifier qu’on définit un produit scalaire sur E .

2. Déterminer une base orthonormée de E .
Solution : 1. Il est clair qu’on définit ainsi une forme bilinéaire symétrique et que 〈P, P 〉 ≥ 0. De plus, si 〈P, P 〉 =
0, alors
n
P 2 (a k ) = 0 =⇒ P (a k ) = 0 pour k = 1, . . . , n.
X
k=0
Or, un polynôme de degré au plus n ayant au moins n + 1 racines est le polynôme nul. Donc P = 0 et la forme
bilinéaire est définie positive : c’est un produit scalaire.
Y
2. Soit pour k = 0, . . . , n P k = ( X − a j ). Il est clair que, pour k 6= l , on a
j 6= k
〈P k , P l 〉 = P k (a k )P l (a k ) = 0.
La famille est donc orthogonale. En remarquant que
kP k k2 = ( a k − a j )2
Y
j 6= k
et on pose donc
Pk
Qk = Q .
j 6= k a k − a j )
(
(Q 0 , . . . ,Q n ) est une famille orthonormale de n + 1 éléments dans un espace de dimension n + 1. C’est une base de
Rn [ X ].
Théorème 2.2 (Pythagore généralisé). Si ( x1 , x2 , . . . , xn ) est orthogonale alors
k x1 + x2 + · · · + xn k2 = k x1 k2 + k x2 k2 + · · · k xn k2 .
Ã !
n n ¯Xn n X
n n n
2
k x i k2 .
X X X X X
Preuve : k xi k = xi ¯
¯
xi = (xi | x j ) = (xi | xi ) =
i =1 i =1 i =1 i =1 j =1 i =1 i =1
Attention 2.1. La réciproque est fausse pour n ≥ 3

car (1, 2), (0, 2) et (0, −1) vérifient la relation k x1 + x2 + x3 k2 = k x1 k2 +k x2 k2 +k x3 k2 mais ne sont
pas orthogonaux.
2.4 Procédé d’ orthonormalisation de Gram-Schmidt
Théorème 2.3. Soit β = ( e 1 , e 2 , . . . , e n ) une famille libre de E , il existe une famille orthonormale
( f 1 , f 2 , . . . , f n ) de E telle que :
∀ p ∈ [[1, n]] , vect{ e 1 , . . . , e p } = vect{ f 1 , . . . , f p }
Algorithme d’orthonormalisation de Gram-Schmidt :
Soit β = ( e 1 , e 2 , . . . , e n ) une famille libre de E . On va construire une famille orthonormée à

partir de β par l’algorithme suivant, appelé procédé d’orthonormalisation de Gram-schmidt.
1. On pose g 1 = e 1 .
¢
2. On suppose construit ( g 1 , . . . , g p−1 )
3. Pour construire g p
pX
−1
— On pose g p = e p + λi g i .
i =1
— On détermine les λ i de
sorte que ∀ i ∈ [[1, p − 1]] , ( g p | g i ) = 0
(e p| g i)
On a alors ∀ i ∈ [[1, p − 1]] , λ i = − .
(gi| gi)
gp
4. On pose pour tout p ∈ [[1, n]], f p = .
k g pk
Exemples 2.5. Pour E = R3 munit du produit scalaire standard.

On pose e 1 = (1, 0, 1), e 2 = (1¯, 0, 0) et e¯3 = (1, 1, 1).
¯1 1 1 ¯
¯ ¯
( e 1 , e 2 , e 3 ) est une base car ¯¯ 0 0 1 ¯¯ = 1 6= 0
¯1 0 1 ¯
— g 1 = e 1 = (1, 0, 1).
— Posons g 2 = e 2 + λ g 1
On veut que ( g 2 | g 1 ) = 0 donc¡ 0 = ( e 2 |¢g 1 ) + λ( g 1 | g 1 ) = 1 + 2λ.
On a alors λ = − 12 , d’où g 2 = 12 , 0, − 12 .
— Posons g 3 = e 3 + λ g 1 + µ g 2 .
On veut avoir ( g 3 | g 1 ) = ( g 3 | g 2 ) = 0.
( g 3 | g 1 ) = 0 =⇒ ( g 1 | g 1 )λ + ( e 3 | g 1 ) = 0 =⇒ λ = −1.
( g 3 | g 2 ) = 0 =⇒ (³gp2 | g 2 )µ + ( e | g ) = 0 =⇒³ pµ = 0, d’où
p ´ 3 2 g
g = (0, 1, 0)
p ´ 3
g1 2 2 2 2 2 g3
finalement f 1 = = 2 , 0, 2 , f 2 = = 2 , 0, − 2 et f 3 = = (0, 1, 0)
k g1k k g2k k g3k
Z 1
Exemples 2.6. On munit R2 [ X ] du produit scalaire (P | Q ) = P ( t)Q ( t) dt.
0
On applique le procédé d’orthonormalisation de G.S à la base canonique (1, X , X 2 ).
— Q 1 = 1.
— Posons Q 2 = X + λQ 1 Z 1
(Q 2 | Q 1 ) = 0 =⇒ (Q 1 | Q 1 )λ + ( X |Q 1 ) = 0 =⇒ λ = − t dt = − 21 , d’où
0
Q 2 = X − 21
— Posons Q 3 = X 2 + λQ 1 + µQ 2 .
Z 1
2
(Q 3 | Q 1 ) = 0 =⇒ (Q 1 | Q 1 )λ + ( X | Q 1 ) = 0 =⇒ λ = − t2 dt = − 13 .
0Z
1 ¡
2
(Q 3 | Q 2 ) = 0 =⇒ (Q 2 | Q 2 )µ + ( X | Q 2 ) = 0 =⇒ µ = −12 t2 t − 12 dt = −1,
¢
0
1
Q3 = X 2 − X +
6
Q1 Q2 p p Q3 p p p
finalement P1 = = 1, P 2 = = 2 3 X − 3 et P3 = = 6 5 X 2 − 6 5 X + 5.
kQ 1 k kQ 2 k kQ 3 k
2.5 Calculs dans un espace Euclidien

Dans cette section (E, (.|.)) est un espace euclidien de dimension n.
Proposition 2.4 (Existence d’une base orthonormale ). Tout espace vectoriel euclidien possède
une base orthonormée
Remarque 2.4. une famille orthonormale est invariante lorsqu’on lui applique le procédé de
Gram-Schmidt
Corollaire 2.1 (théorème de la base orthonormée incomplète). Soit ( e 1 , e 2 , . . . , e p ) une fa-

mille orthonormée de E euclidien avec p < dim E .
Alors, il existe n − p vecteurs ( e p+1 , . . . , e n ) de E tels que ( e 1 , e 2 , . . . , e n ) soit une
base orthonormale de E
Preuve : On complète ( e 1 , e 2 , . . . , e p ) en une base ( e 1 , e 2 , . . . , e p , x p+1 , . . . , xn ) et par le procédé de Schmidt on

obtient une base orthonormale ( f 1 , f 2 , . . . , f n ) avec ∀ i ∈ [[1, p]] , f i = e i .
n
X
Théorème 2.4. Soit β = ( e 1 , e 2 , . . . , e n ) une base orthonormale de E . et soient x = x i e i et
i =1
n
X
y= yi e i et X et Y les matrices colonnes constituées des coordonnées de x et y dans la base β.
i =1
Alors
n
X
1. ∀ i ∈ [[1, n]] , x i = ( e i | x). Ainsi x= ( x| e i ) e i .
i =1
n
x i yi = t X Y .
X
2. ( x| y) =
i =1
n
3. k xk2 = x2i = t X X .
X
i =1
∀ ( i, j ) ∈ [[1, n]]2 , a i, j = f ( e j )| e i .
¡ ¢ ¡ ¢
4. Si f ∈ L(E ) et Matβ ( f ) = a i, j 1≤ i, j≤n , alors :
Preuve :
Ã !
n
X ¯ n
X
1. ( x| e i ) = xj e j ¯ ei = x j ( e j | e j ) = λi ( e i | e i ) = xi .
¯
j =1 j =1
Ã !
n
X n
¯ X n X
X n n
X
2. ( x| y) = xi e i ¯ yj e j = xi y j ( e i | e j ) = x i yi .
¯
i =1 j =1 i =1 j =1 i =1
3. decoule de 2
n
X n
X
4. Pour tout j ∈ [[1, n]] on a f ( e j ) = a i, j e i = ( f ( e j )| e i ) e i .
i =1 i =1
Attention 2.2. Les propriétés précédentes sont fausses si la base n’est pas orthonormée
3 Projection orthogonal sur un espace de dimension finie

et applications
Dans cette section, E un espace préhilbertien réel,
F un sous-espace vectoriel de E tel que dim F < ∞
3.1 Projection orthogonale
Théorème - Définition 3.1. Soit F un sous-espace vectoriel de E tel que dim F < +∞.
Alors pour tout x ∈ E il existe un unique vecteur noté P F ( x) qui vérifie :
½
P F ( x) ∈ F
x − P F ( x) ∈ F ⊥
P F ( x) s’ appelle la projection orthogonale de x sur F .
Si de plus ( e 1 , e 2 , . . . , e p ) une base orthonormale de F alors
p
X
P F ( x) = ( e i | x) e i .
k=1
Preuve :
Unicité : supposons que P F ( x) existe .
P F ( x) s’écrit alors P F ( x) = λ1 e 1 + · · · + λ p e p . avec ∀ i ∈ [[1, p]] , λ i = ( e i |P F ( x)). Or par bilinéarité
∈F ⊥
z }| {
( x| e i ) = ( x − P F ( x) | e i ) +(P F ( x)| e i ) = (P F ( x)| e i ) = λ i
| {z }
=0
p
X
D’où : p F ( x) = ( e i | x) e i .
k=1
Existence : Posons P F ( x) = ( e 1 | x) e 1 + ( e 2 | x) e 2 + · · · + ( e p | x) e p ∈ F, et montrons que x − P F ( x) ∈ F ⊥ :
∀ i ∈ [[1, p]] , ( e i | x − P F ( x)) = ( e i | x) − ( e i | P F ( x))

Ã !
¯Xp
= ( e i | x) − e i ¯ ( e j | x) e j
¯
j =1
p
X
= ( e i | x) − ( e i | x)( e i | e j )
j =1
= ( e i | x) − ( e i | x)( e i | e i )
= 0
d’où
( x − P F ( x)) ∈ Vect( e 1 , ..., e p )⊥ = F ⊥ .
Proposition 3.1. Soit F un sous-espace vectoriel de E tel que dim F < ∞.

1. L’application P F : x 7→ P F ( x) est un endomorphisme de E appelé Projection orthogonale sur
F
2. Im(P F ) = F et ker P F = F ⊥
3. P F est donc un projecteur de E : P F2 = P F .
Remarque 3.1. Pour déterminer P F ( x), on peut :
— Trouver une base orthonormale ( e 1 , e 2 , . . . , e p ), de F ( on pourra applique le procédé de Gram-

Schmitt à une bse quelconque de F ), et appliquer la formule .
p
X
P F ( x) = ( e i | x) e i .
k=1
¡ ¯ ¢
— Exploiter les relations ∀ i ∈ [[1, n]] , e i ¯ x − p( x) = 0 où ( e 1 , . . . , e n ) est une base quelconque
|{z} | {z }
∈F ∈F ⊥
de E .
Z 1
Exemples 3.1. On considère R2 [ X ] muni du produit scalaire (P | Q ) = PQ .Déterminer le pro-
0
jeté orthogonal de X 2 sur F = Vect{1, X } = R1 [ X ].
Solution :
1ere méthode : Posons P F ( X 2 ) = aX + b
X 2 − aX + b ∈ F ⊥ ⇔ (1| X 2 − aX − b) = 0 et ( X | X 2 − aX − b) = 0
 a 1

 +b=
⇔ 2 3
 a+b=1

(3 2 4
a=1
⇔ 1
b=−
6
1
donc PF ( X 2 ) = X −
6
p p ¢
2eme méthode :
¡
On applique le procédé de Gram-Schmidt à la famille (1, X ) pour trouver que 1, 2 3 X − 3 ,
est une base orthonormale de F. Par suite
p p ¢³ p p ´
PF ( X 2 ) X 2| 1 1 + X 2| 2 3X − 3 2 3X − 3
¡ ¢ ¡
=
Z 1 µZ 1
p p
¶³
p p ´
= x2 dx + 2 3 x3 − 3 x2 dx 2 3 X − 3
0 0
1
= X−
6
3.2 Supplémentaire orthogonal
Théorème 3.1. Soient E préhilbertien réel et F un sous-espace vectoriel de dimension finie. On

a:
F ⊕ F ⊥ = E.
⊥
On dit alors que F ⊥ est le supplémentaire orthogonal de F , et on ecrit F ⊕ F ⊥ = E.
Preuve : • F ∩ F ⊥ = {0}
• Pour tout x ∈ E on a x = P F ( x) + ( x − P F ( x))
| {z } | {z }
∈F ∈F ⊥
Proposition 3.2. Si F et G sont des sous espaces orthogonaux de E tels que
F ⊕ G = E.
Alors G est le supplémentaire orthogonal de F : G = F⊥

⊥
Preuve : on a G ⊂ F ⊥ . Réciproquement soit x ∈ F ⊥ , puisque F ⊕ G = E ; x se décompose sous la forme
x= f +g / f ∈ F, g∈G
⊥
donc x − g ∈ F ∩ F . Ainsi x = g ∈ G
Attention 3.1. C’est faux en dimension infinie. Un sous-espace vectoriel n’admet pas forcément
de supplémentaire orthogonal . Par contre, on a toujours F ∩ F ⊥ = {0})
Corollaire 3.1. Soit F un sous-espace vectoriel d’un espace vectoriel euclidien E . Alors
1. dim F + dim F ⊥ = dim E.
¡ ⊥ ¢⊥
2. F = F.
Preuve :
1. Découle de E = F ⊕ F⊥
2. Soit x ∈ F .
¡ ¢⊥
Pour y ∈ F ⊥ on a ( x| y) = 0 par définition de F ⊥ . D’où x ∈ F ⊥ , ce qui entraîne
¡ ¢
¡ ¢⊥
F ⊂ F⊥ .
De plus
¡ ¢⊥
dim F ⊥ = dim E − dim F ⊥
= dim E − (dim E − dim F )
= dim F
⊥ ⊥
¡ ¢
L’égalité des dimensions implique donc F = F.
¡ ¢⊥
Remarque 3.2. En dimension infinie, l’égalité est en générale fausse, mais l’inclusion F ⊂ F ⊥
est toujours vraie.
Définition 3.1 (Symétrie orthogonale). La symétrie S F par rapport à F parallèlement à F ⊥ ,

s’appelle symétrie orthogonale par rapport au sous-espace vectoriel F.
Si F est un hyperplan, alors S F est appelé réflexiond’hyperplan F .
Remarques 3.1. 1. Si x = a + b avec a ∈ F et b ∈ F ⊥ alors


 P F ( x) = a
P ⊥ ( x) = b
 F
S F ( x) = a − b
2. P F est la projection sur F parallèlement à F ⊥

3. ∀ x ∈ E ; x = P F ( x) + P F ⊥ ( x) en d’autre termes I d E = P F + P F ⊥
4. ∀ x ∈ E S F ( x) = P F ( x) − P F ⊥ ( x)
1
5. P F = (S F + I d E ) et S F = 2P F − I d E
2
3.3 Distance à un sous espace, Inégalité de Bessel.
Définition 3.2. Soit F un sous-espace vectoriel de E et x un vecteur de E .

On appelle distance de x à F le réel : d ( x, F ) = inf k x − yk.
y∈F
L’existence de cette quantité provient du fait que {k x − yk | y ∈ F } est non vide minoré (par 0)
dans R.
Théorème 3.2. Soit F un sous-espace vectoriel de E tel que dim F < ∞ , x ∈ E alors P F ( x) le
projeté orthogonal de x sur F est l’unique vecteur de F qui vérifie :
d ( x, F ) = k x − P F ( x)k.
Preuve :
• P F ( x) ∈ F donc d ( x, F ) ≤ k x − P F ( x)k.
• x − P F ( x) ∈ F ⊥ , d’où :
∀ y ∈ F, k x − yk2 = k x − p ( x ) + p ( x ) − y k2
| {z } | {z }
∈F ⊥ ∈F
= k x − p( x)k + k p( x) − yk2
2
(Pythagore)
≥ k x − p( x)k2
D’où d ( x, F ) = k x − p( x)k.
• Unicité : Supposons qu’il existe z ∈ F tel que d ( x, F ) = k x − zk = k x − P F ( x)k. Alors
k z − P F ( x)k2 = k( z − x) + ( x − P F ( x))k2
= k( z − x)k2 + k x − P F ( x)k2 + 2( z − x| x − P F ( x))
= k( z − x)k2 + k x − P F ( x)k2 − 2( x| x − P F ( x)) [ z | x − P F ( x )) = 0 ]
(|{z}
| {z }
∈F ∈F ⊥
2 2
= k( z − x)k + k x − P F ( x)k − 2( x − P F ( x)| x − P F ( x)) [ ( P F ( x) | x − P F ( x) = 0 ]
| {z } | {z }
∈F ∈F ⊥
2 2 2
= d ( x, F ) + d ( x, F ) − 2 d ( x, F )
= 0
Donc z = P F ( x).
Z 1¡ ¢2
Exemples 3.2. Calculer inf x3 + ax + b dx.
(a,b)∈R2 0
Z 1
Solution : Dans E = R3 [ X ] muni du produit scalaire (P | Q ) = PQ , on a
0
Z 1¡ ¢2
inf x3 + ax + b dx = d 2 ( X 3 , F ) où F = R1 [ X ].
(a,b)∈R2 0
Or d 2 ( X 3 , F ) = k X 3 − p F ( X 3 )k2
p p ¢ p p
mais p F ( X 3 ) ( X 3 | 1) 1 + X 3 | 2 3 X − 3 (2 3 X − 3)
¡
=
p
1 3 3 p p
= + (2 3 X − 3)
4 20
9 1
= X+
10 5
D’où
9 1 121
d2( X 3, F ) = k X 3 − X − k2 =
10 5 700
Proposition 3.3. Soit F un espace vectoriel de dimension finie.
∀ x ∈ E, kP F ( x)k ≤ k xk.
Preuve :
k xk2 = k x − P F ( x) + P F ( x) k2 = k x − P F ( x)k2 + kP F ( x)k2 ≥ kP F ( x)k2
| {z } | {z }
∈F ⊥ ∈F
Proposition 3.4 (Inégalité de Bessel). Soit E un espace préhilbertien de dimension X dim E =2 +∞

. Si ( e i ) i∈N est une famille orthonormale de E, alors pour tout x ∈ E la série < x, e n > est
n≥1
convergente et on a l’inégalité de Bessel
+∞
< x, e n >2 ≤ k xk2
X
n=0
Preuve : Soit n ∈ N, posons F = Vect( e 0 , ..., e n ). Puisque ( e 0 , ..., e n ) est une base orthonormale de F alors
n
X
P F ( x) = < x, e k > e k et d’après ’inégalité de la proposition précédente 3.3 on a :
k=0
n
< x, e k >2 = kP F ( x)k2 ≤ k xk2
X
k=0
< x, e n >2 est majorée ; la série est donc converge et on a

X
La suite des sommes partielles de la série réelle positive
n≥1
+∞
< x, e n >2 ≤ k xk2
X
n=0
4 Endomorphismes symétriques
Dans cette section (E, (.|.))un espaces préhilbertien réel.
4.1 Définition et exemples
Définition 4.1 (Endomorphisme symétrique). Soit f ∈ L(E ).

On dit que f est un endomorphisme symétrique ou autoadjoint si
∀ ( x, y) ∈ E 2 , f ( x)| y = x| f ( y)
¡ ¢ ¡ ¢
On note S (E ) l’ensemble des endomorphisme symétrique de E.
Proposition 4.1. Un endomorphisme f d’un espace euclidien E est symétrique

si et seulement si sa matrice dans une base orthonormale est symétrique.
Preuve : Posons A = Mat( f ) = (a i j ). Alors pour tout ( i, j ) ∈ [[1, n]]2 , on a a i, j = ( f ( e j ) | e i )

B
• Si f est symétrique alors
a i, j = ( f ( e j ) | e i ) = ( e j | f ( e i )) = a j,i
D’où A est symétrique .
• Réciproquement si A est symétrique alors
∀( i, j ) ∈ [[1, n]]2 ; ( f ( e i ) | e j ) = ( e i | f ( e j ))
n
X n
X
Donc pour tous x = λ i e i et y = µ j e j ,par bilinéarité, on a
i =1 j =1
X n
n X n X
X n
( f ( x ) | y) = λi µ j ( f ( e i ) | e j ) = λ i µ j ( e i | f ( e j )) = ( x | f ( y))
i =1 j =1 i =1 j =1
Donc f est symétrique .
Remarque 4.1. Si E est un espace euclidien de dimension n, alors S (E ) est un sous espace
vectoriel de L(E ) isomorphe à l’espace vectoriel S n (R) des matrices symétriques, par suite
n( n + 1)
dim S (E ) = dim S n (R) =
2
Proposition 4.2. 1. Soit p un projecteur de E, ( p2 = p). Alors p est symétrique

si et seulement si p est une projection orthogonale.
2. Soit S une symétrie E, (S 2 = I d E ). Alors S est symétrique si et seulement si S est une
symétrie orthogonale.
Preuve :
• Si p = P F est un projecteur orthogonale alors pour tout x, y ∈ E
(P F ( x)| y) = (P F ( x)|P F ( y) + P F ⊥ ( y)) = (P F ( x)|P F ( y)) = ( x|P F ( y))
• Supposons que p est symétrique , alors
∀ x, y ∈ E ( p( x)| y − P ( y)) = ( x| p( y) − p2 ( y)) = 0
donc p( y) ∈ I m(F ) et y − p( y) ∈ I m(F )⊥ . Ainsi p est la projection orthogonale sur Im p

1
• Si S est une symétrie de E alors p = (S + I d E ) est un projecteur de E.Par suite
2
S est symétrique ⇐⇒ p est symétrique ⇐⇒ p est une projection orthogonale ⇐⇒ S est est une symétrie
orthogonale.
4.2 Réduction endomorphismes symétriques
Proposition 4.3. Soit f un endomorphisme symétrique de E , et F un sous espace de E . alors
F stable par f ⇔ F ⊥ stable par f
Preuve : Soit y ∈ F ⊥ pour tout x ∈ F, < x, f ( y) >=< f ( x), y >= 0 donc f ( y) ∈ F ⊥
Proposition 4.4. Soit f un endomorphisme symétrique de E (Resp A une matrice symétrique

réelle ) .Alors toutes les valeurs propres de f (Resp de A ) sont réelles, c’est à dire :
S p( f ) ⊂ R S p ( A) ⊂ R
Ainsi : χ f et χ A sont scindés sur R
Théorème 4.1 (Théorème spectral). Tout endomorphisme symétrique est diagonalisable dans
une base orthonormale .
Corollaire 4.1 (Théorème spectral pour les matrices). Soit A une matrice symétrique réelle.
Ils existent une matrice inversible P telle que P −1 = t P et une une matrice diagonale D telles que
D = t P AP.
On dit que A est orthogonalement semblable à une matrice diagonale ou orthogonalement diago-
nalisable.
Remarque 4.2. µ Les résultats

¶ sont faux si on remplace R par C.Il suffit de considérer l’exemple
1 i
donné par A = qui est symétrique non diagonalisable (car S p ( A ) = {0} et A 6= 0).
i −1
Proposition 4.5. Soit f un endomorphisme symétrique de E . Alors
sup < f ( x), x >= max λ

k xk=1 λ∈S p ( f )
Preuve :
• Si λ ∈ S p ( f ) alors il existe x ∈ E tel que k xk = 1 et f ( x) = λ x , par suite :
λ =< λ x, x >=< f ( x), x >

• Soit x ∈ EX
tel que k xk = 1 et
XB = ( e 1 , ...,X
e n ) une base orthonormale formée par les vecteurs propres de f .
Posons x = x i e i et f ( x) = x i f ( e i ) = x i λ i e i
µ ¶
X 2 ¡X 2 ¢
< f ( x), x >= x i λ i ≤ max λ x i = max λ
λ∈S p ( f ) λ∈S p ( f )
Donc
sup < f ( x), x > ≤ max λ

k xk=1 λ∈S p ( f )
5 Endomorphismes orthogonaux d’ un espace euclidien

Dans cette section (E, (. | .)) désigne un espace euclidien de dimension n.
5.1 Le groupe orthogonale O (E )
Définition 5.1 (Endomorphisme orthogonal). Soient E un espace euclidien et f ∈ L(E ).

On dit que f est une isométrie vectorielle ou un endomorphisme orthogonal si
∀ x ∈ E, k f ( x)k = k xk.
On dit alors que « f conserve la norme ».

L’ensemble des isométrie de E est noté O (E ). On l’appelle groupe orthogonal de E .
Théorème 5.1. Soit f ∈ L(E ).
∀ ( x, y) ∈ E 2 , f ( x)¯ f ( y) = ( x| y).
¡ ¯ ¢
(1.) f est orthogonal ⇐⇒ (2.)
On dit alors que « f conserve le produit scalaire ».
Preuve :
(2) =⇒ (1) Pour y = x on a f ( x)| f ( x) = ( x| x) =⇒ k f ( x)k2 = k xk2 =⇒ k f ( x)k = k xk
¡ ¢
(1) =⇒ (2) Supposons que f préserve la norme :

1¡
k f ( x) + f ( y)k2 − k f ( x) − f ( y)k2
¡ ¢ ¢
∀ x, y ∈ E, f ( x)| f ( y) =
4
1¡
k f ( x + y)k2 − k f ( x − y)k2
¢
=
4
1¡
k x + yk2 − k x − yk2
¢
=
4
= ( x | y)
Théorème 5.2 (caractérisations par la conservation du bases orthonormales). Soit E

euclidien et f ∈ L(E ), les propositions suivantes sont équivalentes :
1. f ∈ O (E ).
2. Pour toute base orthonormale β de E, son image f (β) est une base orthonormale de E.
3. Il existe une base orthonormale β de E telle que f (β) est une base orthonormale de E.
Preuve :
(1) =⇒ (2) Comme f est une isométrie, on a
∀ i, j ∈ [[1, n]] , f ( e i )| f ( e j ) = ( e i | e j ) = δ i, j
¡ ¢
Donc ( f ( e i ))1≤ i≤n est orthonormale à n éléments. C’est donc une base de E .
(2) =⇒ (3) Évident.
n
X n
X
(3) =⇒ (1) Notons β = ( e 1 , e 2 , . . . , e n ) et soit x ∈ E, x = x i e i , donc f ( x) = x i f ( e i ) et comme ( f ( e 1 ), ...., f ( e n )) est
i =1 i =1
n
k f ( x)k2 = x2i = k xk2
X
une base orthonormale de E, on déduit que :
i =1
Corollaire 5.1. Tout endomorphisme orthogonal est un automorphisme
Preuve : Soit f ∈ O (E )
f ( x) = 0 ⇔ k f ( x)k = 0 ⇔ k xk = 0 ⇔ x = 0.
f est donc injective et comme c’ est un endomorphisme d’espace vectoriel de dimension finie c’est un automorphisme.
Proposition 5.1. 1. La composée d’automorphismes orthogonaux est un automorphisme or-

thogonal.
2. L’inverse d’une automorphisme orthogonal est un automorphisme orthogonal.
Preuve : ¡ ¢
• ∀ f , g ∈ O (E ), k f ◦ g( x)k = ¡k f g( x¢) k = k g( x)k = k xk
• ∀ f ∈ O (E ), k f −1 ( x)k = k f f −1 ( x) k = k xk
Remarque 5.1. O (E ) est une partie de GL(E ) qui contient I d E , stable par composition et par
passage à l’ inverse, on dit alors que O (E ) est un sous groupe de GL(E ) et on l’ appelle groupe
orthogonal de E.
Proposition 5.2. Soit f ∈ O (E ) et F est stable par f . Alors f induit un endomorphisme orthogo-
nal f F sur F .
Preuve : Découle de ∀ x ∈ F, k f F ( x)k = k f ( x)k = k xk
Proposition 5.3. Soit f ∈ O (E ) et F est stable par f . Alors F ⊥ est stable par f .
Preuve : Soit x ∈ F ⊥ . Montrons que f ( x) ∈ F ⊥ . Soit a ∈ F, f (F ) ⊂ F et f est injective. Donc f est une bijection
de F vers F (même dimension finie au départ et à l’arrivée). Ainsi f (F ) = F . Donc il existe b ∈ F tel que a = f ( b) d’où
¡ ¢ ¡ ¢
(a| f ( x)) = f ( b)| f ( x) = |{z}
b | |{z}
x =0
∈F ∈F ⊥
Ainsi f ( x) ∈ F ⊥ par suite f F ⊥ ⊂ F ⊥

¡ ¢
Proposition 5.4. Soit s une symétrie de E ( s2 = I d E ). Il y a équivalence entre :

1. s est un endomorphisme orthogonal.
2. s est un endomorphisme symétrique.
3. s est une symétrie orthogonale.
Preuve :
• 1⇒2: Supposons que s est un endomorphisme orthogonal. Soit ( x, y) ∈ E 2 .
¡
s( x)| y) = ( s( x)| s( s( y))) car s( s( y)) = y
= ( x| s( y)) car s ∈ O (E.)
donc s est un endomorphisme symétrique.

• 2⇒3: Déjà vu dans la section endomorphisme symétriques.
• 3⇒1: Supposons s est une symétrie orthogonale, donc pour tout x ∈ E, d’ après le théorème de Pythagore, on
a °2 °2
kS F ( x)k2 = °P F ( x) − P F ⊥ ( x)° = kP F ( x)k2 + °P F ⊥ ( x)° = k xk2
° °
Attention 5.1. Un projecteur orthogonal différent de l’identité n’est pas un endomorphisme

orthogonal.
Z 1
Exercice 4. Soit E = R3 [ X ] muni du produit scalaire 〈P,Q 〉 = P ( t)Q ( t) dt. On considère
−1
l’endorphisme de E défini par φ(P )( X ) = P (− X ). Démontrer que φ est une symétrie orthogonale.
Solution : Il faut d’abord prouver que φ est une symétrie, c’est-à-dire que φ◦φ = I d . Mais c’est clair, car P (−(− X )) =
P ( X ). Il faut aussi démontrer que φ est une symétrie orthogonale, c’est-à-dire que φ conserve le produit scalaire, ou
encore que
〈φ(P ), φ(Q )〉 = 〈P,Q 〉
pour tous polynômes P,Q ∈ E . Mais,en utilisant le changement de variables u = − t on a :
Z 1 Z 1
〈φ(P ), φ(Q )〉 = P (− t)Q (− t) dt = P ( t)Q ( t) dt = 〈P,Q 〉,
−1 −1
Exercice 5. Soit E un espace vectoriel euclidien, et a ∈ E \{0}. On pose

(a, x)
s a ( x) = x − 2 a,
(a, a)
Montrer s a est un endomorphisme orthogonal. Calculer ker( s a − id ), ker( s a + id ). Décrire alors
géométriquement s a .
Solution : Posons F = Vect(a) et G = {a}⊥ . Soit x ∈ E , que l’on décompose en x = g + λa, avec g ∈ G . On a alors :
(a, λa)
s a ( x) = x − 2 a = λa + g − 2λa = g − λa.
(a, a)
Ceci prouve en particulier que k xk2 = k s a ( x)k2 = k xk2 +λ2 , et que l’endomorphisme est orthogonal. Le calcul précédent
prouve en outre que ker( s a − id ) = G et ker( s a + id ) = Vect(a). s a est la symétrie orthogonale par rapport à l’hyperplan
{a}⊥ .
5.2 Le groupe orthogonal O n (R)
Définition 5.2. On dit qu’ une matrice A ∈ M n (R) est une matrice orthogonale si et seulement si
t
A A = In
L’ensemble des matrices orthogonales est noté O n (R) ou O ( n) et appelé groupe orthogonal d’ordre
n.
Remarque 5.2. Soit A = (a i j ) ∈ M n (R), posons (C 1 , ..., C n ) les colonnes de A alors, d ’après l’ex-
pression du produit matriciel en notant < ., . > le produit scalaire canonique de Rn on a
t
A.A = (< C i , C j >)1≤ i, j≤n
Proposition 5.5. Soit A ∈ M n (R), il y a équivalence entre :

1. A ∈ O n (R).
2. A t A = I n ,
3. A est inversible et A −1 = t A
4. Les colonnes de A forment une base orthonormée pour le produit scalaire standard de Rn .
5. Les lignes de A forment une base orthonormée pour le produit scalaire standard de Rn .
Ã p p !
2 2
Exemples 5.1. 1. A = 2p p2
− 22 2
2
On a (C 1 | C 2 ) = 0 et kC 1 k = kC 2 k = 1. Donc A ∈ O2 (R).
p p p 
3 2 6
 p3 2p p6 
3 6  ∈ O (R)
2. A = 
 p3 − 22 6p  3 . Son inverse est donc :
3 2 6
3 0 − 6
p p p 
3 3 3
p3 3p 3 
A −1 = t A = 

2 2
 p2 −p 2 0p 
6 6 2 6
6 6 − 6
Proposition 5.6. Pour tout A, B ∈ O n (R), AB ∈ O n (R) et A −1 ∈ O n (R).
Preuve :
— I n ∈ O n (R)
— ∀ A, B ∈ O n (R), t ( AB−1 )( AB−1 ) = t
(B−1 ) t A AB−1
¡ t ¢−1 −1
= B B
¡ t ¢−1
= B B
= In
Remarque 5.3. On dit que O n (R) est un sous groupe de GL n (R)
5.3 Changement de bases orthogonales
β0
Proposition 5.7. Soit β et β0 deux bases orthonormales de E et Pβ la matrice de passage de β
dans β0 . Alors
β0
Pβ ∈ O n (R).
Preuve :
β0
Notons β = ( e 1 , e 2 , . . . , e n ) , β0 = ( e01 , e02 , . . . , e0n ) et P = Pβ = a i, j 1≤ i≤n et C 1 , ..., C n les colonnes de P
¡ ¢
1≤ j ≤ p
Par définition de la matrice de passage entre deux bases, on a

n
∀ j ∈ [[1, n]] , e0j =
X
a i, j e i .
i =1
Donc
n
a i, j a i,k = ( e0j | e0k ) = δ i j
X
∀ j, k ∈ [[1, n]] , < C j , C k >= puisque β est orthonormée.
i =1
où < ., . > est le produit scalaire standard de Rn .

D’où le résultat puisque β0 est orthonormée.
Remarque 5.4. réciproquement toute matrice orthogonale peut être vue comme la matrice de
passage entre deux bases orthonormales .
Corollaire 5.2. Soient β et β0 deux bases orthonormales et f ∈ L(E ). Posons A = Matβ f et B =

β0
Matβ0 f et P = Pβ , on a :
B = P −1 AP = t P AP.
5.4 Lien avec les endomorphismes orthogonaux
Proposition 5.8. Une matrice A est orthogonale si et seulement si l’endomorphisme de Rn ca-

noniquement associe à A est orthogonal
Théorème 5.3. f ∈ L(E ) il y a équivalence entre :

1. f ∈ O (E )
2. La matrice de f dans toute base orthonormale est orthogonale
3. La matrice de f dans une base orthonormale est orthogonale
5.5 Les groupes spéciales orthogonales SO n (R) et SO (E )
Proposition 5.9. Si A ∈ O n (R) et f ∈ O (E )alors

1. det A ∈ {−1, 1} et det f ∈ {−1, 1}.
2. S p( A ) ⊂ {−1, 1}. et S p( f ) ⊂ {−1, 1}.
3. Les sous espaces propres E 1 et E −1 sont orthogonaux
Preuve :
1. 1 = det( I n ) = det( A t A ) = det( A 2 ) = (det A )2 . D’où le résultat.
2. Si λ ∈ R est une valeur propre de f et x vecteur propre de f associe à λ , on a k f ( x)k = kλ xk = k xk donc |λ| = 1
3. Si x ∈ E 1 et y ∈ E −1 alors < f ( x), f ( y) >=< x, y >=< x, − y >; donc < x, y >= 0
Attention 5.2. - la réciproque de ces deux résultats est fausse. µ ¶

0 −1
- l’inclusion S p( A ) ⊂ {−1, 1} peut être stricte comme le montre l’exemple
1 0
Définition 5.3. •L’ensemble des isométries vectorielles de déterminant 1 est noté SO (E )est ap-
pelé groupe spécial orthogonal de E
SO (E ) = { f ∈ O (E )/ det( f ) = 1}
•L’ensemble des matrices orthogonales de déterminant 1 est noté SO n (R) ou SO ( n)est appelé
groupe spécial orthogonal d’ ordre n
SO n (R) = { A ∈ O ( n)/ det( A ) = 1}
Proposition 5.10. SO (E ) est un sous groupe de O (E ). c. a d :

1. Id ∈ SO (E )
2. Si f ∈ SO (E ) alors f −1 ∈ SO (E )
3. Si f , g ∈ SO (E ) alors f g ∈ SO (E )
Proposition 5.11. SO ( n) est un sous groupe de O ( n). c.a.d :

1. I n ∈ SO ( n)
2. Si A ∈ SO (E ) alors A −1 ∈ SO (E )
3. Si A, B ∈ SO (E ) alors AB ∈ SO (E )
Définition 5.4 (Rotation). On appelle rotation toute isométrie de déterminant 1.
Exercice 6. 1. Montrer que l’ application ϕ : ( A, B) 7→ AB est continue sur M n (R)2 dans M n (R).
2. Montrer que l’ application ψ : A 7→ ( t A, A ) est continue sur M n (R) dans M n (R)2 .
3. Déduire l’ application f : A 7→ t A A est continue sur M n (R) dans M n (R).
4. Montrer que O n (R) est fermé dans M n (R).
5. Montrer que SO n (R) est fermé dans M n (R).
6 Produit mixte et vectoriel en dimensions 2 et 3

6.1 Orientation d ’un espace vectoriel de dimension finie
Soit E un espace vectoriel de dimension finie et B = ( e 1 , ..., e n ) une base de E
Définition 6.1. On appelle déterminant des n vecteurs ( x1 , . . . , xn ) dans la base B le réel :
det( x1 , . . . , xn ) = det ( Mat B ( x1 , . . . , xn ))

B
Proposition 6.1. Soient B, C deux bases de E
det( x1 , . . . , xn ) = det(C ) det( x1 , . . . , xn )

B B C
Preuve :
Découle du fait que
Mat B ( x1 , . . . , xn ) = PBC . Mat C ( x1 , . . . , xn )
avec PBC est la matrice de passage de la base B dans la base C, donc det(C ) = det PBC
B
Corollaire 6.1. Soient B, C deux bases de E. Alors
det(C ) det(B) = 1
B C
En particulier det(C ) et det(B) ont le même signe .

B C
Corollaire 6.2. Soient B, une base de E
( x1 , . . . , xn ) est une base de E ⇐⇒ det( x1 , . . . , xn ) 6= 0

B
Orientation de E :
• On dit que deux bases B et C de E ont même orientation si det(C ) > 0

B
• La relation binaire " avoir la même orientation" est une relation d’ équivalence sur l’en-
semble des bases de E ayant deux classes d’équivalences
½ ¾ ½ ¾
C 1 = B base de E / det(B) > 0 , C 2 = B base de E / det(B) < 0
B0 B0
avec B0 base fixée de E

• L’ orientation de E consisteà choisir base de référence B0 et considérer les éléments de
la classe d’équivalence C 1 comme des bases directes et les éléments de C 2 comme des bases
indirectes. En d’autre termes une base β de E sera dite directe si detB0 (β) > 0 ; si non , on dira
qu’elle est indirecte.
6.2 Produit mixte

E un espace euclidien orienté de dimension n
Définition 6.2. Soit ( x1 , ..., xn ) ∈ E n Soit β une base orthonormale directe de E 2 . Alors
det( x1 , ..., xn ) ne dépend pas de la base orthonormale directe choisie . on l’appelle produit mixte
β
des vecteurs ( x1 , ..., xn ). On le note [ x1 , ..., xn ] ou D et( x1 , ..., xn )
Preuve : Si βet β0 sont des bases orthonormales directes alors
det( x1 , ..., xn ) = det(β0 ) det( x1 , ..., xn )

β β β0
et comme la matrice de passage entre bases orthonormales est orthogonale et det(β0 ) > 0,alors
β
det(β0 ) = det(Pββ0 ) = 1
β
Remarque 6.1. Si ( x1 , ..., x2 ) est une base orthonormale directe de E alors [ x1 , ..., xn ] = 1.
Proposition 6.2. Le produit mixte a les mêmes propriétés d’un déterminant, il est donc :
1. n−linéaire : pour tout ( u 1 , ..., u n , x, y) ∈ E n+2 et λ ∈ R
[ u 1 , ...u i−1 , x + λ y, u i+1 , ..., u n ] = [ u 1 , ...u i−1 , x, u i+1 , ..., u n ] + λ[ u 1 , ...u i−1 , y, u i+1 , ..., u n ]
2. Antisymétrique : pour tout ( u 1 , ..., u n ) ∈ E n
[ u 1 , ..., u i , ..., u j , ..., u n ] = −[ u 1 , ..., u j , ..., u i , ..., u n ]
3. Alterné : pour tout ( u 1 , ..., u n ) ∈ E n
[ u 1 , ..., u n ] = 0 ⇐⇒ ( u 1 , ..., u n ) est liée
¯ ¯
1. Dans le plan euclidien standard, ¯[→
¯− →
Proposition 6.3. u , −v ]¯ est l’aire du parallélogramme
¯
porté par →
−u et →
−v .
¯ ¯
¯→− →
− →−
2. Dans l’espace euclidien standard, ¯[ u , v , w ]¯ est le volume du parallélépipède porté par
¯
→
−
u, →
−v et →
−
w
6.3 Produit vectoriel dans l’espace euclidien

E un espace euclidien orienté de dim E = 3
Définition 6.3. Soit E un espace vectoriel euclidien orienté de dimension 3. et soit x, y deux
vecteurs de l’espace.
On appelle produit vectoriel de x et y l’unique vecteur de E noté x ∧ y vérifiant
¡ ¢
∀ z ∈ E, [ x, y, z] = x ∧ y | z
Preuve : f : z 7→ [ x, y, z] est une forme linéaire de E . D’après le théorème de représentation de Riesz(Théorème

9.1), il existe un unique vecteur a tel que ∀ z ∈ E, f ( z) = (a| z).
Proposition 6.4 (propriété du produit vectoriel). 1. ∀ ( x, y) ∈ E 2 , x ∧ y = − y ∧ x

2. ( x, y) 7→ x ∧ y est bilinéaire c’est à dire
(λ x + µ y) ∧ z = λ( x ∧ v) + µ( y ∧ z)
½
∀ x, y, z ∈ E, ∀ λ, µ ∈ R,
z ∧ (λ x + µ y) = λ( z ∧ x) + µ( z ∧ x)
3. Deux vecteurs x et y sont colinéaires si et seulement si x ∧ y = 0.

¡ ¢
Dans le cas contraire x, y, x ∧ y est une base directe de l’espace.
4. x ∧ y est orthogonal à x et à y.
Proposition 6.5. Soit B = ( e 1 , e 2 , e 3 ) une base orthonormale directe alors
e1 ∧ e2 = e3 e2 ∧ e3 = e1 e3 ∧ e1 = e2
Preuve : Remarquons d’abord que Vect( e 1 , e 2 )⊥ = Vect e 3 et posons u = e 1 ∧ e 2 . on a u⊥ e 1 et u⊥ e 2 donc u ∈

⊥
Vect( e 1 , e 2 ) = Vect e 3 par suite u = λ e 3 or
1 = [ e 1 , e 2 , e 3 ] = ( u | e 3 ) = (λ e 3 | e 3 ) = λ
donc u = e 3 . On fait de même pour les autres.
Proposition 6.6. Soit B = ( e 1 , e 2 , e 3 ) une base orthonormale directe .

Si u = x1 e 1 + y1 e 2 + z1 e 3 et u = x2 e 1 + y2 e 2 + z2 e 3 alors
u ∧ v = ( y1 z2 − z1 y2 ) e 1 + ( z1 x2 − x1 z2 ) e 2 + ( x1 z2 − z1 x2 ) e 3
Exemple 6.1. Soit H : ax + b y + cz = 0 et G : a0 x + b0 y + c0 z = 0 deux hyperplans distincts de E
½
ax + b y + cz = 0
( x, y, z) ∈ H ∩ G ⇐⇒ ⇐⇒ ( x, y, z) ∈ Vect(a, b, c)⊥ ∩ Vect(a0 , b0 , c0 )⊥
a0 x + b 0 y + c 0 z = 0
¢⊥
⇐⇒ ( x, y, z) ∈ Vect (a, b, c), (a0 , b0 , c0 )
¡
⇐⇒ ( x, y, z) ∈ vect (a, b, c) ∧ (a0 , b0 , c0 )

¡ ¢
Donc H ∩ G = vect (a, b, c) ∧ (a0 , b0 , c0 )

¡ ¢
Définition 6.4. On appelle écart angulaire (ou mesure de l’angle géométrique) de deux vecteurs
non nuls x et y le réel de [0, π]
( x| y)
θ = arccos
k xkk yk
Proposition 6.7. Si θ est l’écart angulaire entre →

−
u et →
−v alors :
<→
−
u ,→
−v >= k→
−
u kk→
−v k| cos θ |
k→
−
u ∧→
−v k = k→
−
u kk→
−v k| sin θ |
Preuve :
• La première est claire
• pour la deuxième, il existe une base orthonormale directe ( e 1 , e 2 , e 3 ) tel que u = k uk e 1 et v = kvk (cos(θ ) e 1 + sin(θ ) e 2 )
donc
u ∧ v = u ∧ [kvk (cos(θ ) e 1 + sin(θ ) e 2 )] = k uk kvk sin(θ ) e 1 ∧ e 2 = k uk kvk sin(θ ) e 3
Donc
k u ∧ vk = k uk kvk | sin(θ )|
¡ ¢
Remarques 6.1. 1. si x, y sont orthogonaux et unitaires, x, y, x ∧ y est une base orthonormée
directe de E .
2. k→
−
u ∧→−v k est l’aire du parallélogramme porté par →
−
u et →
−v .
7 Isométries du plan euclidien

Dans cette partie E est un espace vectoriel orienté de dimension 2.
7.1 Matrices orthogonales d’ordre 2
Proposition 7.1. Les matrice orthogonales de M2 (R) sont les matrices de la forme :
cos θ − sin θ cos θ sin θ

µ ¶ µ ¶
R (θ ) = et S (θ ) =
sin θ cos θ sin θ − cos θ
Avec θ ∈ R.
Preuve : µ ¶
a b
• Soit A = ∈ O2 (R).
c d
Ses vecteurs colonnes forment une base orthonormale de R2 pour le produit scalaire standard de R2 .
Donc
a 2 + c 2 = 1, b2 + d 2 = 1 et ab + cd = 0.
De a2 + c2 = 1 on déduit l’existence d’un réel θ tel que a = cos θ et c = sin θ . De même, il existe un réel ϕ tel que
b = sin ϕ et d = cos ϕ.
Ainsi, ab + cd = cos θ sin ϕ + sin ϕ + cos θ = sin(θ + ϕ) = 0 =⇒ θ + ϕ ≡ 0 [π].
Suivant les cas θ + ϕ ≡ 0 [2π] et θ + ϕ ≡ π [2π]. on obtient soit une matrice du type R (θ ) soit une matrice du type
S (θ ).
• Réciproquement Ces matrices sont bien orthogonales.
Corollaire 7.1. Le groupe SO2 (R) est l’ensemble des matrices R (θ )
Proposition 7.2. Soient θ , θ 0 ∈ R

1. R (θ ) R (θ 0 ) = R (θ 0 ) R (θ ) = R (θ + θ 0 ).
2. R (θ )−1 = R (−θ )
3. ∀ n ∈ Z R (θ )n = R ( nθ )
4. S (θ )−1 = S (θ )
5. S (θ )S (θ 0 ) = R (θ − θ 0 )
Remarque 7.1. SO2 (R) est commutatif pour la multiplication des matrices.
7.2 Angle orienté dans le plan euclidien
Proposition 7.3 (vecteur unitaire directement orthogonal). Soit u un vecteur unitaire de E alors
il existe un unique vecteur unitaire η tel que ( u, η) soit un base orthonormale directe
Proposition 7.4 (angle orienté de deux vecteurs non nuls). Soit u, v un vecteur non nuls de E .
u
Soit η l’unique vecteur unitaire tel que ( , η) soit une base orthonormale directe .
k uk
alors il existe un réel θ unique modulo 2π tel que
v u
= cos θ + sin θ η
k vk k uk
θ s’appelle une mesure de l’ angle orienté des deux vecteurs u, v on la note ( u, v)

La mesure θ ∈] − π, π] s’appelle la mesure principale de l’angle orientée des deux vecteurs u, v
Remarque 7.2. θ = ( u, v) Peut être déterminé par :
( x| y) [ x, y]
cos θ = et sin θ =
k xkk yk k xkk yk
Exemples 7.1. L’angle orienté principal entre les vecteurs (1, 2) et (−2, 0) pour le produit stan-
dard est défini par
−1 2
cos θ = p et sin θ = p
5 5
1
µ ¶
Il s’agit donc de arccos − p
5
7.3 Éléments de SO (E )
Proposition 7.5. Soit r une rotation vectorielle ( c’est à dire un élément de SO (E )).
Alors il existe un unique réel θ tel que, pour toute base orthonormée directe β de E ,
cos θ − sin θ
µ ¶
Mat β r =
sin θ cos θ
On dit que r est la rotation d’angle θ , ou que θ est une mesure de l’angle de la rotation r .
Preuve :
Dans une base orthonormale directe β, la matrice A de r est orthogonale, et de déterminant 1. C’est donc une
matrice de type R (θ ).
β0
Soit β0 une autre base orthonormale directe . Soit P = Pβ ∈ SO2 (R) car les base sont orthonormées directes.
Donc P s’écrit P = R (ϕ).
la matrice B de r dans la base β0 est donné par la relation
B = P −1 AP = R (−ϕ)R (θ )R (ϕ) = R (−ϕ + θ + ϕ) = R (θ ) = A.
Remarque 7.3. Dans C, les rotation sont les les applications z 7→ e iθ z
Corollaire 7.2. • Dans une base orthonormale indirecte la matrice de la rotation d’angle θ
devient
cos(−θ ) − sin(−θ )
µ ¶
Matβ r =
sin(−θ ) cos(−θ )
• SO (E ) est commutatif.
Proposition 7.6. Soit f ∈ SO (E ) une rotation d’angle θ alors

1. ∀ x ∈ E ; < x, f ( x) >= || x||2 cos(θ )
2. ∀ x ∈ E ; [ x, f ( x)] = || x||2 sin(θ )
3. ∀ x ∈ E \{0}; ( x, f ( x)) = θ [2π]
7.4 Isométrie indirectes en dimension deux
Proposition 7.7. Les isométries vectorielle indirectes du plan (c’est-à-dire un élément de

O (E )\SO (E )) ont une matrice dans une base orthonormale directe du type S (θ ). Ce sont donc
les réflexions.
Preuve : Dans une base orthonormale directe β, la matrice A de s est orthogonale, et de déterminant -1.
C’est donc une matrice de type S (θ ).
Un calcul direct donne S (θ )2 = I 2 , d’où s est une symétrie, orthogonale car s est une isométrie.
Comme s n’est ni égale à I d E ni à − I d E , c’est donc une réflexion.
Remarques 7.1. 1. Le réel θ ¡dépend de la base choisi. D’ailleurs, dans une certaine base, la
1 0
¢
matrice d’une réflexion est 0 −1 .
2. Si dans une base orthonormale directe ( e 1 , e 2 ), si la matrice de f est S (θ ),alors l’axe ∆ de
½ réflexion est donné en résolvant l’équation s( xe 1 + ye 2 ) = xe 1 + ye 2 ce qui est équivalent à
la
(cos θ − 1) x + sin θ y = 0
. On obtient
sin θ x − (cos θ + 1) y = 0
¡θ¢ ¡θ¢
∆ = Vect{ cos 2 e 1 + sin 2 e2}
Corollaire 7.3. 1. Les isométries du plans sont soit des rotations, soit des réflexions.
2. Toute rotation du plan est le produit de deux réflexions.
3. Une isométrie du plan soit une réflexion soit le produit de deux réflexions
8 Isométrie vectorielle en dimension 3

Dans cette partie E est un espace euclidien orienté de dimension 3.
8.1 Orientation d’ un plans par un vecteur normal
Définition 8.1. (Orientation d’un plan par un vecteur normal.)

Soit E l’espace euclidien orienté et P un plan dont un vecteur normal est a.
Le choix de a permet de définir une orientation sur P de la manière suivante :
Soit ( e 1 , e 2 ) une base de P .
— On dira que ( e 1 , e 2 ) est une base directe de H si ( e 1 , e 2 , a) est une base directe dans E .
— On dira que ( e 1 , e 2 ) est une base indirecte de H si ( e 1 , e 2 , a) est une base indirecte dans E
On dit que le plan P est orienté par a
8.2 Les Rotations de E
Proposition 8.1. Soit A ∈ O3 (R) . Alors

1. 1 ∈ S p( A ) ou −1 ∈ S p( A )
2. Si det( A ) = 1 alors 1 ∈ S p( A )
3. Si det( A ) = −1 alors −1 ∈ S p( A )
Preuve :
1. le polynôme caractéristique de A est de degré 3 donc A admet au moins une valeur propre réelle λ. comme A est
orthogonale on a |λ| = 1.
2. det( A − I 3 ) = det( A − A t A ) = det( A ) det( I 3 − A ) = − det( A − I 3 ) donc det( A − I 3 ) = 0 et donc 1 ∈ S p( A ) .
t
3. det( A + I 3 ) = det( A + A A ) = det( A ) det( I 3 + A ) = − det( A − I 3 ) donc det( A + I 3 ) = 0et donc −1 ∈ S p( A ) .
Proposition 8.2. En dimension trois, il existe θ ∈ R et une

base orthonormale directe ( e 1 , e 2 , e 3 ) tels que la matrice d’une rotation f soit
cos θ − sin θ 0
 
Matβ f = sin θ cos θ 0 avec θ ∈ R.

0 0 1
f est appelée rotation d’angle θ autour du vecteur e 3 ou rotation d’angle θ et d’axe

orienté par e 3 . E 1 ( f ) = Vect( e 3 ) est appelé axe de la rotation.
Remarque 8.1. 1. la restriction de f à P = Vect( e 1 , e 2 ) est une rotation du plan

2. Si f est la rotation d’angle θ autour du vecteur e 3 , c’est aussi la rotation d’angle −θ autour du
vecteur − e 3 .
« L’angle » de la rotation dépend du choix de l’orientation de l’axe.

1 0 0

3. Dans la base ( e 3 , e 1 , e 2 ) la matrice de f est 0 cos θ − sin θ 

0 sin θ cos θ
4. Si θ = π alors f est la symétrie orthogonale par rapport à la droite E 1 .
Proposition 8.3. Soit r une rotation d’angle θ d’axe orienté par le vecteur, unitaire ω. On note
F = Vect(ω).
1.
∀ x ∈ F ⊥ , r ( x) = (cos θ ) x + (sin θ ) ω ∧ x.
Notamment,
∀ x ∈ E, r ( x) = p F ( x) + (cos θ ) p F ⊥ ( x) + (sin θ ) ω ∧ p F ⊥ ( x).
2.
tr( r ) = 2 cos θ + 1.
3. Si x ∈ F ⊥ et k xk = 1 :
cos θ = x| r ( x) sin θ = [ x, r ( x), ω].
¡ ¢
et
Notamment pour tout x 6∈ F, sin θ à le même signe que [ x, r ( x), ω].
Exemples 8.1. Soit f l’endomorphisme dont la matrice dans une base orthonormale directe ( e 1 , e 2 , e 3 )
est : 
−2 −1 2

1
A =  2 −2 1
3
1 2 2
— A ∈ SO3 (R) car ses vecteurs colonnes forment une base orthonormale de R3 pour le produit
scalaire standard de R3 et det A = 1.
— Axe de la ³rotation On détermine l’axe de la rotation en résolvant l’équation f ( x) = x.
x
´
Pour X = y . On obtient que A X = X ⇐⇒ ( x, y, z) ∈ Vect{(1, 1, 3)}
z
Donc ω = (1, 1, 3) est un vecteur qui dirige l’axe
— Angle : Soit x non colinéaire à ω, par exemple ici celui de coordonnées (1,0,0).
On a alors :
¯ ¯
¯1 −2 1¯
tr A − 1 5 1 ¯¯
cos θ = et sin θ a le signe de [ x, r ( x), e 3 ] = ¯0 2 1¯¯ ≥ 0
¯
=−
2 6 3¯
0 1 3¯
5
µ ¶
Donc f est la rotation d’angle arccos − autour du vecteur de coordonnées (1, 1, 3).
6
8.3 Classification des isométries de E
Théorème 8.1. Soit f ∈ O (E ) avec dim E = 3

Posons E 1 ( f ) = ker( f − IdE ) et E −1 ( f ) = ker( f + IdE ) .
1. Si E 1 ( f ) = E , alors f = IdE
2. Si E 1 ( f ) est une droite, il existe θ ∈ R et une base orthonormée β tels que
cos θ − sin θ 0
 
Matβ f = sin θ cos θ 0 avec θ ∈ R.

0 0 1
f est alors la rotation d’angle θ et d’axe orienté par e 3


1 0 0

3. Si E 1 ( f ) est un plan, alors il existe une base orthonormée tel que Matβ f = 0 1 0 
0 0 −1
f est la réflexion par rapport à E 1 . (symétrie orthogonal par rapport au plan E 1 )
4. Si E 1 ( f ) = {0}, il existe θ ∈ R et une base orthonormale β = ( e 1 , e 2 , e 3 ) tels que
cos θ − sin θ 0
 
Matβ f = sin θ cos θ 0

0 0 −1
Dans ce cas f = −IdE ou c’est la composée commutative d’une rotation d’axe E −1 ( f ) et

d’une réflexion par rapport à E −1 ( f )⊥
Exemples 8.2. Soit f l’endomorphisme dont la matrice dans une base orthonormale directe ( e 1 , e 2 , e 3 )
est : 
0 0 1

A = 1 0 0
0 −1 0
— A ∈ O3 (R) car ses vecteurs colonnes forment une base orthonormale de R3 pour le produit
scalaire standard de R3 et det A = −1. A n’est pas symétrique, f n’est donc pas une réflexion :
c’est donc la composée commutative d’une réflexion et d’une rotation.
— Axe On détermine l’axe de la rotation en résolvant l’équation f ( x) = − x.
x
³ ´
Pour X = y . On obtient que A X = − X ⇐⇒ ( x, y, z) ∈ Vect{(−1, 1, 1)}
z
Donc ω = (−1, 1, 1) est un vecteur qui dirige l’axe de la rotation
— Angle : Soit x non colinéaire à ω, par exemple ici celui de coordonnées (1,0,0).
On a alors :
¯ ¯
¯1 0 −1¯
tr A + 1 1
cos θ = et sin θ a le signe de [ x, r ( x), e 3 ] = ¯¯0 1 1 ¯¯ ≥ 0
¯ ¯
=
2 2 ¯0 0 1 ¯
π
Donc f est la composée de la réflexion de plan Vect( e 2 + e 3 − e 1 )⊥ et de la rotation d’angle 3 et
d’axe orienté par e 2 + e 3 − e 1 .
Exemples 8.3. R3 est muni de sa structure euclidienne canonique ; Caractériser géométrique-
ment l’endomorphisme f dont la matrice dans la base canonique est :


2 3 6

1
M= 3 −6 2 
7
6 2 −3
Solution : • M est une matrice orthogonale et det( M ) = 1 donc M ∈ SO3 (R) et f est une rotation
• Axe de la rotation : En résolvant le système M X = X on trouve E 1 = R.(3, 1, 2) donc l’ axe de la rotation est la
droite E 1
tr( f ) − 1
• Angle de la rotation : on a cos(θ ) = = −1 donc θ = π[2π]
2
• conclusion : f est la rotation d ’ axe E 1 = R.(3, 1, 2) et d’ angle π c’est donc la symétrie orthogonale par rapport à la
droite E 1 = R.(3, 1, 2)
Autrement : La matrice M est une matrice orthogonale symétrique donc f est une symétrie orthogonale de R3
et comme
tr( M ) = −1 on déduit que f est une symétrie orthogonale par rapport à une droite qu ’on détermine par la résolution
du système M X = X ; chose déjà faite ; donc f est la symétrie orthogonale par rapport à la droite E 1 = R.(3, 1, 2).
9 Formes linéaires et hyperplans dans un espace euclidien

9.1 théorème de représentation de Riesz
Théorème 9.1 (théorème de représentation de Riesz). Soit E un espace vectoriel euclidien. Pour
toute forme linéaire f ∈ E ∗ il existe un unique vecteur a ∈ E tel que :
∀ x ∈ E, f ( x) = (a| x).
Preuve :
Pour a ∈ E posons ϕa : E −→ R il est claire que , ϕa ∈ E ∗ .
x 7−→ ( a| x)
Posons Φ : E −→ E ∗
a 7−→ ϕa
Il s’ agit de montrer que l’application Φ est bijective .
Φ est linéaire : Soit λ, µ ∈ K , a 1 , a 2 ∈ E :
∀ x ∈ E, ϕλa1 +µa2 ( x) = ( x| λ a 1 + µ a 2 )
= λ( x| a 1 ) + µ( x| a 2 )
= λϕa1 ( x) + µϕa2 ( x)
Donc ϕλa1 +µa2 = λϕa1 + µϕa2 ce qui se traduit par Φ(λa 1 + µa 2 ) = λΦ(a 1 ) + µΦ(a 2 ).
Φ est bijective : Soit a ∈ ker Φ.
On a ∀ x ∈ E, ϕa ( x) = 0 = ( x| a) =⇒ a ∈ E ⊥ = {0}
Donc ker Φ = {0}, ce qui entraîne l’injectivité de Φ.
De plus, dim E = dim E ∗ d’où Φ est bijective ce qui ce traduit par
∀ f ∈ E ∗ , ∃ ! a ∈ E | ∀ x ∈ E, f ( x) = ( x| a).
Autrement :
ker f est un hyperplan de E donc son orthogonal est de dimension 1 , soit u un vecteur unitaire tel que (ker f )⊥ =
R.u alors tout x de E s’ écrit sous la forme x = h + λ u avec h ∈ ker f et λ ∈ R. or ( h| u) = 0 et ( u| u) = 1 montre que
( x| u) = λ.
Donc f ( x) = ( x| u) f ( u) = ( x| f ( u).u) il suffit alors de prendre v = f ( u).u ce qui assure l’existence .

Pour l’unicité , si f ( x) = ( x| a) = f ( x) = ( x| b) pour tout x alors a − b ∈ E ⊥ = {0}
Remarque 9.1. Il est utile de savoir que l’application Φ : E −→ E ∗

a 7−→ ϕa
est un isomorphisme d’espaces vectoriels , avec ϕa : E −→ R

x 7−→ (a| x)
Z 1
Exemples 9.1. Soit a ∈ R. Montrer que ∃ ! Q ∈ Rn [ X ], tel que ∀ P ∈ Rn [ X ], PQ = P (a).
0
Z 1
Il suffit de considérer le produit scalaire (P | Q ) = PQ et la forme linéaire P 7→ P (a) puis d’appliquer le théo-
0
rème précédent.
9.2 Vecteur normal à un hyperplan
Définition 9.1. Si H est un hyperplan, il existe un vecteur non nul a ∈ E tel que x ∈ H ⇐⇒
( a | x ) = 0.
Un tel vecteur a est appelé vecteur normal à l’hyperplan H .
Preuve : il existe ϕ ∈ E ∗ \{0} tel que H = ker ϕ. On conclue avec le théorème de représentation de Riesz
Remarque 9.2. Si a est un vecteur normale sur un hyperplan H alors H = {a}⊥ et H ⊥ = R.a
Application 1 : Équation d’un hyperplan :

Soit H un hyperplan dont un vecteur normal est a. Soit β une base orthonormale de E et
(a 1 , . . . , a n ) les coordonnées de a dans β. Alors
x ∈ H ⇐⇒ ( x| a) = 0 ⇐⇒ a 1 x1 + · · · + a n xn = 0.
Réciproquement, Si H est un hyperplan admettant une équation
a 1 x1 + · · · + a n xn = 0
n
X
dans un base orthonormale β = ( e 1 , ..., e n ) alors le vecteur a = a i e i est un vecteur normal à H.
i =1
Application 2 : Projection orthogonale sur un hyperplan

Soit H un hyperplan tel que H = {a}⊥ et D = H ⊥ = R.a alors
• La projection orthogonale sur D est
( a| x)
∀ x ∈ E, P D ( x) = a
k a k2
• La projection orthogonale sur H est
( a| x)
∀ x ∈ E, P H ( x) = x − a
kak2
Application 3 : Distance à un hyperplan
Soit H un hyperplan dont un vecteur normal est u. On a
|(a| x)|
d ( x, H ) =
k ak
En effet
³
a
¯ ´ | ( a | x )|
d ( x, H ) = k x − p H ( x)k = k p H ⊥ ( x)k = k ¯ x kaak k =
¯
k ak k ak
n
X n
X
Donc dans une base orthonormale , en notant a = a i e i et x = xi e i
i =1 i =1
|a 1 x1 + · · · + a n xn |
d ( x, H ) = q
a21 + · · · + a2n

Espaces Prehilbertiens Reels

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Espaces Prehilbertiens Reels

Transféré par

Droits d'auteur :

Formats disponibles

PSI Espaces préhilbertiens

Plan 5.2 Le groupe orthogonal O n (R) . . . . . . . 20

1 Produits scalaires sur un R-espace vectoriel

Définition 1.1. (Produit scalaire. )

1. On appelle produit scalaire sur E toute application ϕ : E 2 −→ R qui vérifie :

Remarques 1.1. Soit (E, (.|.)) est un espace préhilbertien.

d’où ker A = {0n,1 }.

1.2 Exemples de référence

3. Dans Mn (R) on définit un produit scalaire en posant pour tout A = (a i j ), B = ( b i j ) ∈ Mn (R)

appelé produit scalaire de Frobenius.

En effet : C’est clairement une forme bilinéaire, symétrique.

1.3 Normes euclidiennes

Théorème 1.1 (Inégalité de Cauchy-Schwarz).

L’ égalité à lieu si et seulement si x et y sont colinéaires.

Théorème 1.2 (Inégalité de Minkowski).

Exemples 1.1. On retrouve les inégalités

2.1 Vecteurs et sous espaces orthogonaux

Définition 2.1. • Deux vecteurs x et y de E sont dits orthogonaux si et seulement si ( x| y) = 0.

Exemples 2.1. — 0 est orthogonal à tous les vecteurs de E . Z

En effet : (3 x − 2 | X ) = x(3 x − 2) d x = [ x3 − x2 ]10 = 0.

Théorème 2.1 (Pythagore). Pour tout ( x1 , x2 ) ∈ E 2

Proposition 2.1. Soient F et G deux sous-espaces vectoriels orthogonaux de E alors F ∩ G = {0}

Preuve : Si x ∈ F ∩ G alors x ⊥ x donc x = 0

2.2 Orthogonal d’un sous-espace vectoriel

Définition 2.2. (Orthogonal d’un sous-espace vectoriel.)

Proposition 2.2. F,G deux sous espaces de E

1. Si x ∈ E ⊥ alors ∀ y ∈ E, ( x| y) = 0. Notamment ( x| x) = 0. D’où x = 0.

4. si y ∈ F alors ∀ x ∈ F ⊥ , < x, y >= 0 donc y ∈ (F ⊥ )⊥

Exemples 2.2. 1. Dans R3 , posons F = Vect{(1, 2, 3)}. F ⊥ est l’hyperplan d’équation x + 2 y + 3 z

Remarque 2.2. Si F = vect( e 1 , e 2 , . . . , e n ), alors

Définition 2.3. On appelle orthogonale d’ une famille finie ( e 1 , e 2 , . . . , e n ) de E. Le sous espace

{ e 1 , e 2 , . . . , e n }⊥ = Vect( e 1 , e 2 , . . . , e n )⊥ = { x ∈ E /∀ i ∈ [[1, n]] ; ( x | e i ) = 0}

Exemples 2.3. Dans R4 déterminer l’orthogonal de { e 1 , e 2 }⊥ avec e 1 = (1, 1, 0, 0) et e 2 = (1, 0, 1, 0)

Par suite { e 1 , e 2 }⊥ = Vect((1, −1, 0, 1), (0, 0, 1, 0))

2.3 Famille orthogonale - orthonormale

Définition 2.4. • Un vecteur x de E est dit unitaire si et seulement si k xk = 1

• Une famille ( x i ) i∈ I d’élément de E est dite orthonormaleou orthonormée

La famille ( x 7→ cos( nx))n≥1 est une famille orthonormale

Exercice 3. Soient E = Rn [ X ] et a0 , . . . , a n des réels distincts. On pose, pour (P,Q ) ∈ E 2 ,

1. Vérifier qu’on définit un produit scalaire sur E .

La famille est donc orthogonale. En remarquant que

Théorème 2.2 (Pythagore généralisé). Si ( x1 , x2 , . . . , xn ) est orthogonale alors

Attention 2.1. La réciproque est fausse pour n ≥ 3

2.4 Procédé d’ orthonormalisation de Gram-Schmidt

∀ p ∈ [[1, n]] , vect{ e 1 , . . . , e p } = vect{ f 1 , . . . , f p }

Algorithme d’orthonormalisation de Gram-Schmidt :

Soit β = ( e 1 , e 2 , . . . , e n ) une famille libre de E . On va construire une famille orthonormée à

Exemples 2.5. Pour E = R3 munit du produit scalaire standard.

2.5 Calculs dans un espace Euclidien

Corollaire 2.1 (théorème de la base orthonormée incomplète). Soit ( e 1 , e 2 , . . . , e p ) une fa-

Preuve : On complète ( e 1 , e 2 , . . . , e p ) en une base ( e 1 , e 2 , . . . , e p , x p+1 , . . . , xn ) et par le procédé de Schmidt on

3 Projection orthogonal sur un espace de dimension finie

3.1 Projection orthogonale

Existence : Posons P F ( x) = ( e 1 | x) e 1 + ( e 2 | x) e 2 + · · · + ( e p | x) e p ∈ F, et montrons que x − P F ( x) ∈ F ⊥ :

∀ i ∈ [[1, p]] , ( e i | x − P F ( x)) = ( e i | x) − ( e i | P F ( x))

Proposition 3.1. Soit F un sous-espace vectoriel de E tel que dim F < ∞.

Remarque 3.1. Pour déterminer P F ( x), on peut :

— Trouver une base orthonormale ( e 1 , e 2 , . . . , e p ), de F ( on pourra applique le procédé de Gram-

3.2 Supplémentaire orthogonal

Théorème 3.1. Soient E préhilbertien réel et F un sous-espace vectoriel de dimension finie. On

Proposition 3.2. Si F et G sont des sous espaces orthogonaux de E tels que

Alors G est le supplémentaire orthogonal de F : G = F⊥

Définition 3.1 (Symétrie orthogonale). La symétrie S F par rapport à F parallèlement à F ⊥ ,