Espaces Euclidiens

Cours de Mathématiques
Espaces préhilbertiens et euclidiens

Sommaire
Sommaire
I Produit scalaire . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
I.1 Définition et premières propriétés . . . . . . . . . . . . . . . . . . . . . 2
I.2 Exemples classiques . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
I.3 Norme et distance associées à un produit scalaire . . . . . . . . . . . . 3
I.4 Règles de calcul . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
II Orthogonalité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
II.1 Vecteurs orthogonaux . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
II.2 Produits scalaires et familles orthonormales . . . . . . . . . . . . . . . 7
II.3 Orthogonal d’une partie de E . . . . . . . . . . . . . . . . . . . . . . . 7
II.4 Projection orthogonale sur un sev de dimension finie . . . . . . . . . . 8
III Endomorphismes symétriques ou orthogonaux . . . . . . . . . . . . 10
III.1 Adjoint d’un endomorphisme . . . . . . . . . . . . . . . . . . . . . . . 10
III.2 Endomorphismes orthogonaux . . . . . . . . . . . . . . . . . . . . . . 10
III.3 Matrices orthogonales . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
III.4 Endomorphismes symétriques . . . . . . . . . . . . . . . . . . . . . . . 12
III.5 Réduction des endomorphismes symétriques . . . . . . . . . . . . . . . 13
Dans ce chapitre, E est un espace vectoriel sur IK (IK = IR ou C).

l
Page 1 Jean-Michel Ferrard www.klubprepa.net EduKlub

c S.A.
Tous droits de l’auteur des œuvres réservés. Sauf autorisation, la reproduction ainsi que toute utilisation des œuvres autre que la consultation
individuelle et privée sont interdites.
Partie I : Produit scalaire
I Produit scalaire
I.1 Définition et premières propriétés
Définition
On dit que l’application f : E × E → IK est un produit scalaire si :
– (a) ∀(x, x0 , y, y 0 ) ∈ E 4 , ∀(α, β) ∈ IK2 ,
f (αx + βx0 , y) = ᾱf (x, y) + β̄f (x0 , y) (semi-linéarité à gauche)
f (x, αy + βy 0 ) = αf (x, y) + βf (x, y 0 ) (linéarité à droite).
– (b) ∀(x, y) ∈ E 2 , f (y, x) = f (x, y) (symétrie hermitienne).
– (c) ∀x ∈ E, f (x, x) ∈ IR+ (on dit que f est positive).
– (d) ∀x ∈ E, f (x, x) = 0 ⇔ x = 0 (on dit que f est définie).
Définition
Un IK-espace vectoriel E muni d’un produit scalaire est dit préhilbertien (réel ou complexe
suivant que IK = IR ou IK = C).
l
Un espace hermitien est un espace préhilbertien complexe de dimension finie.
Un espace euclidien est un espace préhilbertien réel de dimension finie.
Remarques
– La propriété (a) s’énonce en disant que f est une forme sesquilinéaire (quand IK = C)
l ou
une forme bilinéaire (quand IK = IR).
– Quand IK = IR, on exprime (b) en disant que f est symétrique : f (y, x) = f (x, y).
Un produit scalaire sur un IR-espace vectoriel E est donc une forme bilinéaire symétrique
définie positive. De même un produit scalaire sur un C-espace
l vectoriel E est une forme
sesquilinéaire hermitienne définie positive.
– Si IK = C,l le caractère hermitien de f implique : ∀x ∈ E, f (x, x) ∈ IR.
Mais dans ce cas la précision supplémentaire f (x, x) ∈ IR+ reste utile.
– Si le caractère hermitien de f est établi, la linéarité à droite équivaut à la semi-linéarité à
gauche : le (a) de la définition peut alors être simplifié.
– Plutôt que de noter f (x, y), on note souvent < x, y >, ou x · y, ou (x | y), etc.
Avec la notation < ·, · >, que nous utiliserons, la définition d’un produit scalaire devient :
∀(x, x0 , y, y 0 ) ∈ E 4 , ∀(α, β) ∈ IK2

 < αx + βx0 , y >= ᾱ < x, y > +β̄ < x0 , y >
< x, αy + βy >= α < x, y > +β < x, y 0 >
< y, x >= < x, y > ; < x, x >≥ 0 ; < x, x >= 0 ⇔ x = 0

Proposition (Inégalité de Cauchy-Schwarz)

Soit < ·, · > un produit scalaire sur E.
Alors ∀x, y ∈ E, | < x, y > |2 ≤ < x, x >< y, y >.
Il y a égalité ⇔ x et y sont liés.

c S.A.
Remarque
Dans le cas où IK = IR, on écrit : < x, y > 2 ≤ < x, x >< y, y >
I.2 Exemples classiques

Produit scalaire canonique sur IKn
n
X
Si E = IKn , l’application : (x, y) 7→ x̄k yk est un produit scalaire.
k=1
On l’appelle le produit scalaire canonique de IKn .
L’inégalité de Cauchy-Schwarz devient alors :
2
n n n n
∀x = (x1 , x2 , . . . , xn ) ∈ IK
X X X
2
, x̄ y ≤ |x | |yk |2

k k k
∀y = (y1 , y2 , . . . , yn ) ∈ IKn

k=1 k=1 k=1
Un produit scalaire entre applications continues

Si E = C([a, b], IK) (applications continues sur [a, b], où a < b, à valeurs dans IK), l’application
Z b
(f, g) 7→ f (t) g(t) dt est un produit scalaire.
a
L’inégalité de Cauchy-Schwarz devient alors :
Z b 2 Z b Z b
2
|g(t)|2 dt
2

∀(f, g) ∈ E ,
f (t) g(t) dt ≤
|f (t)| dt
a a a
Le produit scalaire des séries de Fourier

Si E est le C-espace
l vectoriel des applications
Z 2π continues sur IR, 2π-périodiques et à valeurs
1
complexes, l’application (f, g) 7→ f (t) g(t) dt est un produit scalaire.
2π 0
I.3 Norme et distance associées à un produit scalaire

Proposition
Soit < ·, · > un produit scalaire sur E.
p
On définit une application sur E par : ∀x ∈ E, kxk = < x, x >.
Cette application vérifie :
– ∀x ∈ E, kxk ≥ 0, et kxk = 0 ⇔ x = 0.
– ∀x ∈ E, ∀λ ∈ IK, kλxk = |λ| kxk.
– ∀x, y ∈ E, kx + yk ≤ kxk + kyk (inégalité triangulaire, ou de Minkowski)
Définition
Les propriétés précédentes expriment que l’application x 7→ kxk est une norme sur E.
On l’appelle norme associée au (ou déduite du) produit scalaire < ·, · >.
Les espaces préhilbertiens sont des cas particuliers d’espaces vectoriels normés.

c S.A.
Nouvelle écriture de Cauchy-Schwarz

Avec ces notations, l’inégalité de Cauchy-Schwarz s’écrit : ∀x, y ∈ E | < x, y > | ≤ kxk kyk.
Exemples de normes associées

Avec nos deux premiers exemples de produits scalaires, les normes associées s’écrivent :
v sZ
uXn b
Sur IKn : kxk = t |xk |2 , et sur C([a, b], IR) : kxk = |f (t)|2 dt.
u
k=1 a
Dans les deux cas, les modules ne sont utiles que si IK = C.

l
Vecteurs unitaires
Un vecteur x de E est dit unitaire si kxk = 1.
x
Pour tout x 6= 0, le vecteur x̃ = est unitaire.
kxk
Si IK = IR, et si x 6= 0, les seuls vecteurs unitaires de la droite IRx sont x̃ et −x̃.
Distance associée à un produit scalaire

L’application d : E × E → IR, définie par d(x, y) = kx − yk est une distance, dite distance
associé à la norme x 7→ kxk, et donc au produit scalaire < ·, · >.


 d(x, y) = d(y, x)
d(x, y) ≥ 0

Elle vérifie en effet : ∀(x, y, z) ∈ E 3 ,

 d(x, y) = 0 ⇔ x = y
d(x, y) ≤ d(x, z) + d(z, y) (inégalité triangulaire)

I.4 Règles de calcul
Développement de kαx + βyk2 et identité du parallélogramme

Soit E un espace préhilbertien complexe (IK = C.)
l
Pour tous x, y de E et tous α, β de IK, on a :
kαx + βyk2 = |α|2 kxk2 + 2Re (ᾱβ < x, y >) + |β|2 kyk2 .
kx + yk2 = kxk2 + 2Re (< x, y >) + kyk2

En particulier,
kx − yk2 = kxk2 − 2Re (< x, y >) + kyk2

 kαx + βyk2 = α2 kxk2 + 2αβ < x, y > +β 2 kyk2
Si IK = IR, cela se simplifie en : kx + yk2 = kxk2 + 2 < x, y > + kyk2
kx − yk2 = kxk2 − 2 < x, y > + kyk2

Dans tous les cas, on a l’identité du parallélogramme :

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


c S.A.
Identités de polarisation
On suppose ici IK = IR. On peut retrouver le produit scalaire à partir de sa norme associée :
Pour tous vecteurs x et y de E, on a en effet :
1 1
kx + yk2 − kxk2 − kyk2 = kx + yk2 − kx − yk2

< x, y >=
2 4
(Les identités de polarisation sont différentes dans le cas complexe.)

c S.A.
Partie II : Orthogonalité
II Orthogonalité
Dans ce paragraphe, E est un espace préhilbertien sur IK = IR ou C.
l
II.1 Vecteurs orthogonaux
Définition
Deux vecteurs x et y de E sont dits orthogonaux si < x, y > = 0.
Remarques
– La définition est symétrique en x, y car < y, x > = < x, y >.
– Le seul vecteur u qui est orthogonal à lui-même est le vecteur nul.
A fortiori, le seul vecteur u qui est orthogonal à tous les vecteurs de E est u = 0.
Définition
Soit (ui )i∈I une famille de vecteurs de E.
On dit que cette famille est orthogonale si pour tous indices i, j distincts de I, < ui , uj > = 0,
c’est-à-dire si les vecteurs de la famille sont orthogonaux deux à deux.
Si de plus les ui sont unitaires, la famille est dite orthonormée ou orthonormale.
Remarques
– La famille (ui )i∈I est orthonormée ⇔, pour tous indices i, j de I :

1 si i = j
< ui , uj >= δij = (Notation de Kronecker)
0 si i 6= j
– Si la famille (ui )i∈I est orthogonale et constituée de vecteurs non nuls alors c’est une famille
libre.
– Si la famille (ui )i∈I est orhonormée et est une base de E, on dit qu’elle constitue une base
orthonormée (b.o.n.) de E.
– Soit (ui )1≤ i ≤n une famille orthogonale de E.
Alors ku1 + u2 + · · · + un k2 = ku1 k2 + ku2 k2 + · · · + kun k2 (Théorème de Pythagore)
La réciproque n’est vraie que si n = 2 et IK = IR.
Autrement dit, deux vecteurs u et v d’un espace préhilbertien réel sont orthogonaux si et
seulement s’ils vérifient ku + vk2 = kuk2 + kvk2 .

c S.A.
II.2 Produits scalaires et familles orthonormales

Proposition Procédé d’orthonormalisation de Gram-Schmidt
Dans tout espace vectoriel préhilbertien E de dimension finie, il y a des bases orthonormées.
Plus précisément, étant donnée une base (ek )1≤ k ≤ n de E, il existe une et une seule base
orthonormée (εk )1≤ k ≤ n telle que :
– ∀k ∈ {1, . . . , n}, Vect{ε1 , . . . , εk } = Vect{e1 , . . . , ek }
– ∀k ∈ {1, . . . , n}, < εk , ek > > 0
Cette base orthonormée (ε) est obtenue de la manière suivante :
1
– ε1 = e1
ke1 k k−1
1 X
– ∀k ∈ {2, . . . , n}, εk = uk où uk = ek − < εj , ek > εj
kuk k j=1
Remarques
Toute famille libre de E peut être transformée en une famille orthonormale.
Toute famille orthonormale non génératrice d’un espace préhilbertien de dimension finie peut
être complétée en une base orthonormée.
Proposition (Expressions du produit scalaire et de la norme dans une b.o.n.)
X n Xn
Soit (ek )1≤ k ≤ n une b.o.n de E. Soient u = xk ek , v = yk ek deux vecteurs de E.
k=1 k=1
n n

 < u, v >= X x y
 2
kuk =
X
x2k


 k k
 k=1 k=1
– E est euclidien (IK = IR).
v
n
u n
X uX
(xk − yk )2

u= < ek , u > ek d(u, v) = t




 k=1 k=1
n n

 < u, v >= X x y

kuk 2
=
X
|xk |2


 k k
 k=1 k=1
– E est hermitien (IK = C). l
v
n
u n
X uX
|xk − yk |2

u= < ek , u > ek d(u, v) = t




 k=1 k=1
II.3 Orthogonal d’une partie de E

On rappelle que E désigne un espace préhilbertien sur IK.
Définition
Soit A une partie de E.
On appelle orthogonal de A, et on note A⊥ , l’ensemble des vecteurs x de E qui sont ortho-
gonaux à tous les éléments de A.
Deux parties A et B de E sont dites orthogonales si : ∀a ∈ A, ∀b ∈ B, < a, b > = 0.
Cela équivaut à B ⊂ A⊥ , ou encore à A ⊂ B ⊥ .

c S.A.
Propriétés
Soient A et B deux parties quelconques de E.
– A ⊂ B ⇒ B ⊥ ⊂ A⊥
– A⊥ est un sous-espace vectoriel de E (même si A n’en est pas un !)
– A⊥ = (Vect(A))⊥ .
En particulier, si A est un sous-espace de E engendré par une famille (ej )j∈J , alors un vecteur
u de E est dans A⊥ ⇔ il est orthogonal à tous les vecteurs ej .
– A ⊂ A⊥⊥ (A est inclus dans son double orthogonal).
– Soit (Fj )j∈J est une famille de sous-espaces vectoriels de E orthogonaux deux à deux.
X
Alors la somme est directe Fj est directe.
En particulier un sous-espace F de E et son orthogonal F ⊥ sont en somme directe.
II.4 Projection orthogonale sur un sev de dimension finie
Proposition et définition Supplémentaire orthogonal d’un sev de dimension finie

Soit F un sous-espace vectoriel de dimension finie de E. Alors E = F ⊕ F ⊥ .
F ⊥ est alors appelé le supplémentaire orthogonal de F .
La projection pF de E sur F parallèlement à F ⊥ est appelée projection orthogonale sur F .
La symétrie sF de E par rapport à F parallèlement à F ⊥ est appelée symétrie orthogonale
par rapport à F .
Remarques
F désigne toujours un sous-espace vectoriel de dimension finie de E.
– On a l’égalité F = F ⊥⊥ (F est donc égal à son double orthogonal), ce qui prouve que F
est un supplémentaire orthogonal de F ⊥ (bien qu’on ne sache pas ici si F ⊥ est de dimension
finie).
Il existe donc aussi une projection orthogonale sur F ⊥ et une symétrie orthogonale par
rapport à F ⊥ .
– Soit (ek )1≤ k ≤ n une base orthonormée de F .
n
X
Alors pour tout vecteur u de E, on a l’égalité : p(u) = < ek , u > ek .
k=1
Exemples
Soit a un vecteur non nul de E. La projection orthogonale de E sur la droite IKa est :
< a, x >
pa : x 7→ pa (x) = a.
kak2
La projection orthogonale de E sur l’hyperplan H = (IKa)⊥ est :

c S.A.
< a, x >
pH : x 7→ pH (x) = x − pa (x) = x − a.
kak2
La symétrie orthogonale de E par rapport à l’hyperplan (IKa)⊥ est :
< a, x >
sH : x 7→ sH (x) = x − 2 a.
kak2
Retour au procédé de Gram-Schmidt

Soit (ek )1≤ k ≤ n une famille libre de E, transformée en une famille orthonormée (εk )1≤ k ≤ n .
La formation du vecteur εk peut être interprétée de la manière suivante :
– Soit Fk = Vect(e1 , · · · , ek−1 ) = Vect(ε1 , · · · , εk−1 ).
k−1
X
La projection orthogonale wk de ek sur Fk est donnée par wk = < εj , ek > εj .
j=1
– On en déduit vk = ek − wk , orthogonal à Fk et non nul.
– Il suffit alors de normer le vecteur vk pour obtenir εk .
Proposition et définition Distance à un sev de dimension finie
Soit F un sous-espace vectoriel de dimension finie de E. Soit u un vecteur de E.
On appelle distance de u à F le réel d(u, F ) = inf{d(u, v), v ∈ F }.
Cette borne inférieure est un minimum, atteint uniquement pour le vecteur v = pF (u).
La projection orthogonale de u sur F est donc le vecteur de F le plus ”proche” de u.
On a l’égalité : kuk2 = kpF (u)k2 + d(u, F )2
Proposition Inégalité de Bessel

n
X
Soit (ek )1≤ k ≤ n une famille orthonormée de E. ∀u ∈ E, |< ek , u >|2 ≤ kuk2 .
k=1
Le résultat précédent est une égalité ⇔ u est dans Vect(e1 , . . . , en )

c S.A.
Partie III : Endomorphismes symétriques ou orthogonaux
III Endomorphismes symétriques ou orthogonaux

Dans cette partie E est euclidien, c’est-à-dire un espace préhilbertien réel de dimension finie.
III.1 Adjoint d’un endomorphisme
Proposition (Représentation des formes linéaires)

Soit a un vecteur de E. L’application x 7→ fa (x) =< a, x > est une forme linéaire sur E
dont le noyau est E si a = 0 et l’hyperplan (IKa)⊥ si a est non nul.
Réciproquement, si f est une forme linéaire sur E , il existe un vecteur unique a de E tel
que f = fa , c’est-à-dire tel que : ∀x ∈ E, f (x) =< a, x >.
L’application a 7→ fa est un isomorphisme de E sur son dual E ∗ .
Proposition et définition (Adjoint d’un endomorphisme)

Soit f un endomorphisme de E.
Il existe un unique endomorphisme g de E tel que ∀(x, y) ∈ E 2 , < f (x), y >=< x, g(y) >.
On le note g = f ∗ , et on l’appelle l’adjoint de f .
Proposition (Propriétés de l’adjonction)

Pour tous endomorphismes f et g de E, et pour tous réels α et β :
 ∗∗
f = f L’adjonction est donc un mécanisme involutif
(αf + βg)∗ = αf ∗ + βg ∗ L’adjonction est un endomorphisme de L(E)
(g ◦ f )∗ = f ∗ ◦ g ∗

III.2 Endomorphismes orthogonaux
Proposition et définition (Endomorphismes orthogonaux)

Soit f un endomorphisme de E. Les propriétés suivantes sont équivalentes :
– f conserve la norme : ∀x ∈ E, kf (x)k = kxk.
– f conserve le produit scalaire : ∀(x, y) ∈ E 2 , < f (x), f (y) >=< x, y >.
– f transforme toute b.o.n. de E en une b.o.n. de E.
– f transforme au moins une b.o.n. de E en une b.o.n. de E.
– f est un automorphisme de E et f ∗ = f −1 .
Si f vérifie ces propriétés, on dit que f est un endomorphisme orthogonal de E (ou encore
une isométrie vectorielle de E).
Définition et proposition (Le groupe orthogonal)

On note O(E) l’ensemble des endomorphismes orthogonaux de E.
C’est un groupe pour la loi ◦, appelé groupe orthogonal de E.

c S.A.
Remarque
Si f appartient à O(E), ses seules valeurs propres possibles sont −1 et 1.
III.3 Matrices orthogonales
Définition (Matrices orthogonales)

On dit qu’une matrice M de Mn (IR) est orthogonale si T M M = In c’est-à-dire si M est
inversible et si M −1 = T M .
Proposition et définition
L’ensemble noté O(n) des matrices orthogonales d’ordre n est un groupe pour le produit
des matrices, appelé groupe orthogonal d’indice n.
Proposition
Soit f un endomorphisme de E et M la matrice de f dans une base orthonormée.
Les conditions suivantes sont équivalentes :
– f est un endomorphisme orthogonal de E.
– M est une matrice orthogonale.
Remarques et propriétés
– Une matrice M de Mn (IR) est orthogonale ⇔ l’endomorphisme f de IRn (muni de son produit
scalaire canonique) dont la matrice est M dans la base canonique appartient lui-même à O(n).
– Les groupes O(E) et O(n) sont isomorphes par le choix d’une base orthonormée.
– Les seules valeurs propres réelles possibles d’une matrice orthogonale sont −1 et 1.
– Si M appartient à O(n), il en est de même de T M (car T M = M −1 .)
– Une matrice M de Mn (IR) est orthogonale ⇔ ses vecteurs colonnes (resp. ses vecteurs lignes)
forment une base orthonormée de IRn .
– Soit (ek )1≤ k ≤ n une base orthonormée de E. Soient εl , ε2 , . . . , εn n vecteurs de E.
La famille (ε) est une base orthonormée de E ⇔ la matrice de la famille (ε) dans la base (e)
est une matrice orthogonale.
– Si M appartient à O(n) alors det M = ±1 (la réciproque est fausse !).
De la même manière, si f est un endomorphisme orthogonal de E, det f = ±1.
Définition
On note O+ (n) = {M ∈ O(n), det M = 1} et O− (n) = {M ∈ O(n), det M = −1}.
Les éléments de O+ (n) sont appelées matrices orthogonales positives, ou directes.
Les éléments de O− (n) sont appelées matrices orthogonales négatives, ou indirectes.
De le même manière, on note :
– O+ (E) = {f ∈ O(E), det f = 1} (endomorphismes orthogonaux positifs)
– O− (E) = {f ∈ O(E), det f = −1} (endomorphismes orthogonaux négatifs)

c S.A.
Remarques
– Si M appartient à O(n) alors Com(M ) = εM , avec ε = ±1 = det M .
En comparant le signe d’un coefficient non nul de M avec le signe du cofacteur de ce coeffi-
cient, on peut donc facilement déterminer si det M = +1 ou −1.
– On appelle réflexion la symétrie vectorielle orthogonale par rapport à un hyperplan de E.
Le déterminant d’une réflexion est −1.
– IdE est un endomorphisme orthogonal positif.
−IdE est un endomorphisme orthogonal positif si dim E est paire et négatif sinon.
Matrices orthogonales d’ordre 2

+ cos θ − sin θ
O (2) est l’ensemble des matrices R(θ) = , avec θ ∈ IR.
sin θ cos θ
On vérifie les propriétés suivantes, pour tous θ et θ0 :
– R(θ)R(θ0 ) = R(θ0 )R(θ) = R(θ + θ0 ) (le groupe O+ (2) est donc commutatif)
– R(0) = I2 R(θ)−1 = R(−θ)
− cos θ sin θ
O (2) est l’ensemble des matrices S(θ) = , avec θ ∈ IR.
sin θ − cos θ
On vérifie les propriétés suivantes, pour tous θ et θ0 :
– S(θ)−1 = S(θ) (matrices de symétrie)
– S(θ)S(θ0 ) = R(θ − θ0 )
III.4 Endomorphismes symétriques

Définition Endomorphismes symétriques (ou auto-adjoints)
Un endomorphisme f de E est dit symétrique ou auto-adjoint si f ∗ = f , c’est-à-dire si :
∀x, y ∈ E, < f (x), y > = < x, f (y) >.
Propriétés
– f est symétrique ⇔ sa matrice, dans une base orthonormée quelconque de E, est symétrique.
– L’ensemble S(E) des endomorphismes symétriques de E est un sous-espace vectoriel de L(E),
1
isomorphe à Sn (IR), et donc de dimension n(n + 1).
2
– Si f appartient à S(E), alors Ker (f ) et Im (f ) sont supplémentaires orthogonaux.
– Soit f un endomorphisme symétrique de E. Si F est un sous-espace vectoriel de E stable par
f , alors F ⊥ est également stable par f , et la restriction de f à chacun de ces deux sous-espaces
est encore symétrique.
Proposition (Projections et symétries orthogonales)
Soient p une projection vectorielle de E et s une symétrie vectorielle de E.
p est une projection orthogonale ⇔ p est un endomorphisme symétrique.
s est une symétrie orthogonale ⇔ s est un endomorphisme symétrique.

c S.A.
Remarques
– Une symétrie orthogonale est un endomorphisme orthogonal de E, mais une projection or-
thogonale p n’est pas un endomorphisme orthogonal de E sauf si p = IdE .
– En fait, si p est la projection orthogonale de E sur F , alors kp(x)k ≤ kxk, avec égalité ⇔
x ∈ F.
III.5 Réduction des endomorphismes symétriques
Théorème
Soit f un endomorphisme symétrique de E, avec dim E = n. Le polynôme caractéristique
χf de f est scindé dans IR. Autrement dit f possède n valeurs propres, chacune étant
comptée autant de fois que sa multiplicité.
Les sous-espaces propres de f sont orthogonaux deux à deux. Autrement dit, deux vecteurs
propres pour deux valeurs propres distinctes sont orthogonaux.
f est diagonalisable et il existe des bases orthonormées formées de vecteurs propres de f .
Interprétation matricielle
Soit M une matrice symétrique à coefficients réels, d’ordre n.
– M est diagonalisable dans IR. Ses différentes valeurs propres sont donc réelles.
– Les sous-espaces propres de M sont orthogonaux deux à deux dans IRn .
– I1 existe des matrices orthogonales P telles que la matrice D = P −1 M P soit diagonale.
Autrement dit on peut diagonaliser M au moyen d’une matrice orthogonale.
On dit aussi M est diagonalisable dans le groupe orthogonal.

c S.A.

Espaces Euclidiens

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 Euclidiens

Transféré par

Droits d'auteur :

Formats disponibles

Cours de Mathématiques

Espaces préhilbertiens et euclidiens

Espaces préhilbertiens et euclidiens

Dans ce chapitre, E est un espace vectoriel sur IK (IK = IR ou C).

Page 1 Jean-Michel Ferrard www.klubprepa.net EduKlub

Proposition (Inégalité de Cauchy-Schwarz)

Page 2 Jean-Michel Ferrard www.klubprepa.net EduKlub

I.2 Exemples classiques

Un produit scalaire entre applications continues

Le produit scalaire des séries de Fourier

I.3 Norme et distance associées à un produit scalaire

Page 3 Jean-Michel Ferrard www.klubprepa.net EduKlub

Nouvelle écriture de Cauchy-Schwarz

Exemples de normes associées

Dans les deux cas, les modules ne sont utiles que si IK = C.

Distance associée à un produit scalaire

I.4 Règles de calcul

Développement de kαx + βyk2 et identité du parallélogramme

Dans tous les cas, on a l’identité du parallélogramme :

Page 4 Jean-Michel Ferrard www.klubprepa.net EduKlub

Page 5 Jean-Michel Ferrard www.klubprepa.net EduKlub

II.1 Vecteurs orthogonaux

Page 6 Jean-Michel Ferrard www.klubprepa.net EduKlub

II.2 Produits scalaires et familles orthonormales

II.3 Orthogonal d’une partie de E

Page 7 Jean-Michel Ferrard www.klubprepa.net EduKlub

II.4 Projection orthogonale sur un sev de dimension finie

Proposition et définition Supplémentaire orthogonal d’un sev de dimension finie

Page 8 Jean-Michel Ferrard www.klubprepa.net EduKlub

Retour au procédé de Gram-Schmidt

Proposition Inégalité de Bessel

Page 9 Jean-Michel Ferrard www.klubprepa.net EduKlub

III Endomorphismes symétriques ou orthogonaux

III.1 Adjoint d’un endomorphisme

Proposition (Représentation des formes linéaires)

Proposition et définition (Adjoint d’un endomorphisme)

Proposition (Propriétés de l’adjonction)

III.2 Endomorphismes orthogonaux

Proposition et définition (Endomorphismes orthogonaux)

Définition et proposition (Le groupe orthogonal)

Page 10 Jean-Michel Ferrard www.klubprepa.net EduKlub

III.3 Matrices orthogonales

Définition (Matrices orthogonales)

Page 11 Jean-Michel Ferrard www.klubprepa.net EduKlub

III.4 Endomorphismes symétriques

Page 12 Jean-Michel Ferrard www.klubprepa.net EduKlub

III.5 Réduction des endomorphismes symétriques

Page 13 Jean-Michel Ferrard www.klubprepa.net EduKlub

Vous aimerez peut-être aussi