2023

CPGE MPSI 4. Meknès

Mathématiques 2
Notes de cours n◦ 22
Espaces préhilbertiens réels

Plan de cours
I Produit scalaire et norme associée . . . . . . . . . . . . . . 1
II Notion d’orthogonalité . . . . . . . . . . . . . . . . . . . . 4
III Projecteurs orthogonaux, symétries orthogonales . . . . . 11

Dans tout le chapitre, E désigne un R-espace vectoriel de dimension finie ou infinie.

I Produit scalaire et norme associée

Définition 1. Forme bilinéaire

On appelle forme bilinéaire sur E toute application ϕ : E × E −→ R telle que :
( x, y) 7−→ ϕ( x, y)
◦ Pour tout y de E, l’application x 7→ ϕ( x, y) est une forme linéaire sur E.
◦ Pour tout x de E, l’application y 7→ ϕ( x, y) est une forme linéaire sur E.

Exemples :
1. Le produit de deux scalaires est une forme bilinéaire sur K.
2. Le déterminant est une forme bilinéaire sur K2 .
3. L’application φ : C([ a, b], R)2 −→ R est une forme bilinéaire.
Z b
( f , g) 7−→ f (t) g(t)dt
a

Définition 2. Produit scalaire

On appelle produit scalaire sur E toute forme bilinéaire ϕ sur E telle que :
◦ ϕ est symétrique : Pour tout x et y de E on a : ϕ( x, y) = ϕ( y, x) .
◦ ϕ est positive : Pour tout x de E on a : ϕ( x, x) > 0.
◦ ϕ est définie : Pour tout x de E, si ϕ( x, x) = 0, alors x = 0.

Notation : Le produit scalaire de deux éléments x et y de E se note généralement ( x| y) ou h x| yi.

Méthode Montrer qu’une application est un produit scalaire

On procède généralement dans l’ordre suivant :
◮ On vérifie que l’application est bien à valeurs dans R puis on montre la symétrie.
◮ On montre la linéarité par rapport à la première variable ou la seconde variable. La linéarité par
MPSI Chap. 22 - Algèbre bilinéaire 2

rapport à l’autre variable découle de la symétrie.

◮ On montre la positivité et on finit par la « définition ».

Exemples :
1. Soit B = (e1 , . . . , en ) une base d’un espace vectoriel E sur R.
n n n
Pour x = ∑ xi ei et y = ∑ yi ei de E, L’application (x, y) 7−→ ∑ xi yi est un produit
i =1 i =1 i =1
scalaire sur E, avec .
2. L’application ( X, Y ) 7−→ tX.Y est un produit scalaire sur Mn,1 (R).
3. L’application ( A, B) 7−→ Tr(t A.B) = ∑ ai j bi j est un produit scalaire sur Mn (R).
16i, j6n
n n n
4. Pour P = ∑ ai Xi et Q = ∑ bi Xi de Rn [X ], on pose h P, Qi = ∑ ai bi .
i =0 i =0 i =0
L’application ( P, Q) 7−→ h P, Qi est un produit scalaire sur Rn [ X ].
Z b
5. L’application ( f , g) 7−→ f (t) g(t)dt est un produit scalaire sur E = C([ a, b], R).
a

Exercice .1.
Montrer que
n
1. L’application ( P, Q) 7−→ ∑ P(k)Q(k) est un produit scalaire sur E = Rn [X ].
k=0
Z 1
f (t) g(t)
2. L’application ( f , g) 7−→ √ dt est un produit scalaire sur C ([−1, 1], R).
−1 1 − t2
Z +∞
3. L’application ( P, Q) 7−→ P(t) Q(t)e−t dt est un produit scalaire sur R[ X ].
0
Z +∞
2
4. L’application ( P, Q) 7−→ P(t) Q(t)e−t dt est un produit scalaire sur R[ X ].
−∞

Définition 3. Espace préhilbertien réel, espace euclidien

◦ Le couple ( E, ϕ) est appelé un espace préhilbertien réel.

◦ Si E est de dimension finie , on dit que ( E, ϕ) est un espace euclidien.

Dans toute la suite, E est un espace préhilbertien muni d’un produit scalaire h , i.

Définition 4. Notion de norme

Soit F un K-espace vectoriel. On appelle norme sur F toute application N de F dans R vérifiant :
(i) Séparation : ∀ x ∈ F , N ( x) = 0 =⇒ x = 0 F ;
(ii) Homogénéité : ∀λ ∈ K , ∀ x ∈ F , N (λ x) = |λ | N ( x) ;
(iii) Inégalité triangulaire : ∀ x, y ∈ F , N ( x + y) 6 N ( x) + N ( y).
Le couple ( F, N ) est appelé un espace vectoriel normé.

Exemple : Pour x = ( a, b) ∈ K2 , on pose : q

N1 ( x) = | a| + |b| , N2 ( x) = | a|2 + |b|2 , N∞ ( x) = max(| a|, |b|)
N1 , N2 et N∞ sont des normes sur K2 .

Année 2022/2023 C.P.G.E. Meknès

3 Chap. 22 - Algèbre bilinéaire MPSI

Théorème 1. Norme euclidienne

L’application E −→ R q est une norme sur E, dite norme euclidienne associée au
x 7−→ k xk = h x,xi
produit scalaire h , i.

Définition 5. Vecteur unitaire

◦ Un vecteur x de E est dit unitaire si k xk = 1.

1
◦ Si x est non nul alors le vecteur x est unitaire.
k xk

Remarques : On appelle distance entre x et y de E, le réel : d( x, y) = k x − yk.

1. Pour tout x, y de E : d( x, y) = 0 ⇐⇒ x = y.
2. Pour tous x, y de E : d( x, y) = d( y, x).
3. Pour tous x, y et z de E : d( x, z) 6 d( x, y) + d( y, z).

Théorème 2. Inégalités de Cauchy-Schwarz

Pour tout x et y de E, on a : | h x, yi | 6 k xkk yk et | h x, yi | = k xkk yk ⇐⇒ la famille ( x, y) est liée.

≫ Preuve :

• Si y = 0, le résultat est immédiat.

• Sinon, on écrit que, pour tout t ∈ R le réel k x + tyk2 est positif.
Or k x + tyk2 = t2 k yk2 + 2t h x, yi + k xk2 . Il s’agit là d’un trinôme en t (car le coefficient de
t2 , k yk2 est ici non nul) ; puisque ce trinôme est de signe constant sur R, son discriminant est
négatif ; cela donne : h x, yi2 − k xk2 k yk2 6 0, d’où l’inégalité cherchée.
• Supposons qu’il y ait égalité :
— si y = 0, la famille { x, y} est bien liée.
— sinon, cela signifie que le trinôme précédent a un discriminant nul, donc possède une ra-
cine double t0 ; on aura alors k x + t0 yk2 = 0, d’où x + t0 y = 0 et x est bien colinéaire à
y.
• Pour terminer, il est facile de vérifier directement que, si la famille { x, y} est liée, il y a bien
égalité.
⊠

Théorème 3. Inégalités triangulaires (ou de Minkowski)

Pour tout x et y de E on a :
→ k x + yk 6 k xk + k yk avec égalité si et seulement s’il existe t > 0 tel que y = tx.
→ |k xk − k yk| 6 k x + yk 6 k xk + k yk.

Mr. FARESS Moussa Année 2022/2023

MPSI Chap. 22 - Algèbre bilinéaire 4

≫ Preuve :

• k x + yk2 = k xk2 + 2 h x, yi + k yk2 6 k xk2 + 2 k xk . k yk + k yk2 = (k xk + k yk)2

|{z}
C.S
• Il y a égalité si et seulement si h x, yi = k xk . k yk, ce qui équivaut à dire qu’il y a égalité dans
l’inégalité de Cauchy-Schwarz et que le produit scalaire h x, yi est positif, d’où le résultat.
⊠

Théorème 4. Identité de polarisation

Pour tout x et y de E, on a :
→ k x + yk2 = k xk2 + k yk2 + 2 h x, yi et k xk2 − k yk2 = h x + y,x − yi.
1  1 
→ h x, yi = k x + yk2 − k xk2 − k yk2 = k x + yk2 − k x − yk2 .
2 4

≫ Preuve :
On a : k x + tyk2 = t2 k yk2 + 2t h x, yi + k xk2 . Puis prendre t = 1 et t = −1 et faites la somme...... ⊠

Proposition 1. Identité du parallélogramme et de la médiane

Pour tout x et y de E on a :
2 2
  x+y x−y 1 
k x + yk2 + k x − yk2 = 2 k xk2 + k yk2 et + = k xk2 + k yk2 .
2 2 2

≫ Preuve :
On a : k x + tyk2 = t2 k yk2 + 2t h x, yi + k xk2 . Puis prendre t = 1 et t = −1 et faites la diffé-
rence...... ⊠

II Notion d’orthogonalité

Définition 6. Vecteurs orthogonaux

Deux vecteurs x et y de E sont dits orthogonaux, et on note x ⊥ y, lorsque h x, yi = 0.

Théorème 5. de Pythagore
Pour x et y de E, on a :
x ⊥ y ⇐⇒ k x + yk2 = k xk2 + k yk2 .

≫ Preuve :
Découle directement de la relation : k x + yk2 = k xk2 + 2 h x, yi + k yk2 . ⊠

Année 2022/2023 C.P.G.E. Meknès

5 Chap. 22 - Algèbre bilinéaire MPSI

Définition 7. Orthogonal d’une partie

Soit A une partie non vide de E.
• Un vecteur x de E est dit orthogonal à A si il est orthogonal à tout vecteur de A.
• L’ensemble des vecteurs orthogonaux à A s’appelle l’orthogonal de A, noté A⊥ .
A⊥ = { x ∈ E tq ∀ a ∈ A, h x,ai = 0 }

Théorème 6.

Si x est un vecteur non nul de E, alors { x}⊥ est un hyperplan de E. Un supplémentaire en est la
droite vectorielle R.x.

≫ Preuve :

— L’application ϕ x : E −→ R est une forme linéaire (par bilinéarité du produit scalaire), non
y 7−→ h x, yi
nulle (car ϕ x ( x) = k xk2 6= 0).
{ x}⊥ en est le noyau, c’est donc un hyperplan.
— La droite vectorielle R.x n’est pas incluse dans { x}⊥ (car x orthogonal à x implique x = 0), donc
en est un supplémentaire d’après le cours sur les hyperplans.
⊠

Proposition 2.

Si A est une partie non vide de E, alors A⊥ est un sous-espace vectoriel de E.

≫ Preuve :

— 0 E ∈ A⊥ puisque h0,ai = 0 pour tout a ∈ A ;

— Si x et y appartiennent à A⊥ , alors pour tout a ∈ A, h x,ai = h y,ai = 0 donc pour tout λ ∈ R,
hλ x + y,ai = 0 d’où λ x + y ∈ A⊥ .
\
On pouvait aussi écrire : A⊥ = { a}⊥ et utiliser le théorème précédent... ⊠
a∈ A

Proposition 3. Propriétés de l’orthogonal

1. E⊥ = {0} et {0}⊥ = E ;
2. Pour toutes parties A et B de E, on a : A ⊂ B =⇒ B⊥ ⊂ A⊥ ;
3. Pour toute partie A de E, on a : A⊥ = Vect( A)⊥ ;
 ⊥
4. Pour toute partie A de E, on a : A ⊂ A⊥ ;

5. Si F et G sont des sous-espaces vectoriels de E : ( F + G )⊥ = F ⊥ ∩ G ⊥ .

Mr. FARESS Moussa Année 2022/2023

 MPSI Chap. 22 - Algèbre bilinéaire 6

≫ Preuve :

1. y ∈ E⊥ ⇒ ∀ x ∈ E, h y,xi = 0 ⇒ h y, yi = 0 ⇒ y = 0 ; d’où l’inclusion inclusion E⊥ ⊂ {0}, la

réciproque étant évidente.
Tout vecteur x est orthogonal à 0, donc E ⊂ {0}⊥ ⊂ E, d’où la deuxième égalité.
2. Soit ( A, B) ∈ P ( E)2 , A ⊂ B. Soit x ∈ B⊥ . Pour tout b ∈ B, h x,bi = 0. En particulier, pour tout
a ∈ A, a ∈ B donc h x,ai = 0. D’où x ∈ A⊥ et l’inclusion s’ensuit.
3. Soit F = Vect( A). D’après 2., A ⊂ F donc F ⊥ ⊂ A⊥ .
p
Réciproquement, soit x ∈ A⊥ et y ∈ F. Puisque F = Vect( A), on peut écrire y = ∑ λi ai avec
* + i =1
p p
λi ∈ R et ai ∈ A. On a alors h x, yi = x, ∑ λi ai = ∑ λi hx,ai i. Or hx,ai i = 0 pour tout i puisque
i =1 i =1
ai ∈ A et x ∈ A⊥ . Donc h x, yi = 0 et ce pour tout y ∈ F. Ainsi, x ∈ F ⊥ et A⊥ ⊂ F ⊥ .
 ⊥
4. Soit a ∈ A. Pour tout b ∈ A⊥ , ( a|b) = 0 donc a ⊥ b donc a ∈ A⊥ .

5. Déjà, les inclusions F ⊂ F + G et G ⊂ F + G impliquent d’après 2. ( F + G )⊥ ⊂ F ⊥ et ( F + G )⊥ ⊂

G ⊥ donc ( F + G )⊥ ⊂ F ⊥ ∩ G ⊥ .
Ensuite, si x ∈ F ⊥ ∩ G ⊥ , alors x est orthogonal à tout vecteur de F et de G, donc par linéarité il est
orthogonal à tout vecteur de F + G, ce qui donne l’inclusion réciproque. ⊠

 ⊥
E Remarque : Si F est un sous-espace vectoriel de E, on n’a pas nécessairement F = F⊥
montre l’exemple suivant :
, comme le

Z 1
Soit E = C([0, 1], R) muni du produit scalaire classique : h f ,gi = f (t) g(t) dt.
0
Soit H = { f ∈ E tq f (0) = 0}. H est un sous-espace vectoriel de E : c’est en effet l’hyper-
plan noyau de la forme linéaire f 7→ f (0).
Z 1
Soit g ∈ H ⊥ ; alors, pour toute f ∈ H, f (t) g(t) dt = 0. Mais l’application t 7→ tg(t)
Z 1 0

appartient à H, donc on aura : tg(t)2 dt = 0 et, puisqu’il s’agit d’une fonction continue
0
positive, on aura : ∀t ∈ [0, 1] , tg(t)2 = 0 donc g(t) = 0 pour t ∈ ]0, 1] et enfin g(t) = 0
pour tout t ∈ [0, 1] puisque g continue.
 ⊥
Ainsi, H ⊥ = {0}, donc H ⊥ = E ) H.

Définition 8. Sevs orthogonaux

Soient F et G deux sous-espaces vectoriels de E sont dits des sous-espaces vectoriels orthogonaux,
et on note F ⊥ G lorsque :
∀( x, y) ∈ F × G, h x, yi = 0

Exemples :
1. Dans R3 , muni du produit scalaire canonique, soit la droite F = R.e3 et le plan
G = Vect(e1 − e2 , e1 + 2e2 ). Alors F ⊥ G. En fait, ici, F ⊥ = G.
Si H = R.e1 , on a aussi F ⊥ H.
2. Dans R3 , soit F = Vect(e1 , e2 ) et G = Vect(e3 , e2 + e3 ). On n’a pas F ⊥ G mais par contre
F⊥ ⊥ G⊥ .
Les deux plans F et G sont alors dits perpendiculaires.

Année 2022/2023 C.P.G.E. Meknès

7 Chap. 22 - Algèbre bilinéaire MPSI

Proposition 4.
Si F et G sont deux sous-espaces vectoriels orthogonaux de E, alors F ∩ G = {0}.

≫ Preuve :
Soit x ∈ F ∩ G. Alors x ∈ F est orthogonal à x ∈ G, donc h x,xi = 0, donc x = 0... ! ! ! ⊠

Définition 9. Familles orthogonales, orthonormales

Une famille ( xi )i∈ I de vecteurs de E est dite orthogonale si :

∀(i, j) ∈ I 2 : i 6= j =⇒ xi ,x j = 0

Elle est dite orthonormale si, de plus, k xi k = 1 pour tout i ∈ I.

Remarques :
 ( xi )i
1. Si ∈ I est une famille orthogonale de vecteurs non nuls, alors la famille des vecteurs
xi
est une famille orthonormale.
k xi k i ∈ I
2. La famille ( xi )i∈ I est orthonormale si : ∀(i, j) ∈ [ 1, n] 2 , xi ,x j = δi, j .

Proposition 5. Relation de Pythagore

p 2 p
Si ( x1 , . . . , x p ) est une famille orthogonale, alors ∑ xi = ∑ k xi k2 .
i =1 i =1

≫ Preuve :
2 * +
p p p p
En effet : ∑ xi = ∑ xi , ∑ xi = ∑ xi ,x j = ∑ hxi ,xi i puisque xi ,x j = 0 pour i 6= j.
i =1 i =1 i =1 16i, j6 p i =1
⊠

Théorème 7.
Si ( xi )i∈ I est une famille orthogonale de vecteurs non nuls, alors cette famille est libre. En particulier
toute famille orthonormale est libre.

≫ Preuve :
En effet, si l’on a ∑ λi xi = 0 (avec λi scalaires tous nuls sauf un nombre fini), alors, pour tout j ∈ I,
* + i∈ I

x j , ∑ λi xi = 0, c-à-d ∑ λi xi ,x j = 0 donc λ j x j ,x j = 0 d’où λ j = 0 puisque x j 6= 0. ⊠

i∈ I i∈ I

Mr. FARESS Moussa Année 2022/2023

MPSI Chap. 22 - Algèbre bilinéaire 8

Exercice .2.
Z π
2
1. Dans E = C([0, π ], R) muni du produit scalaire : h f ,gi = f (t) g(t) dt, montrer que la famille
π 0
de fonctions f n : t 7→ cos nt, avec n ∈ N, est orthonormale.
Z 1
f (t) g(t)
2. Soit E = C([0, 1], R). On définit dans E2 l’application ( f , g) 7→ √
dt.Vérifier qu’il s’agit
1 − t2 0
bien d’un produit scalaire sur E. Pour ce produit scalaire, montrer que la famille ( Tn )n∈N des poly-
nômes de Tchebychev est orthogonale.

Définition 10. Base orthonormale

On appelle base orthonormale d’un espace euclidien E toute base de E qui est aussi une famille
orthonormale.

Remarque : Pour qu’une famille ( x1 , . . . , xn ) de vecteurs d’un espace vectoriel euclidien forme une base
orthonormale, il faut et il suffit que :
— la famille soit orthonormale, c-à-d : ∀(i, j) ∈ [ 1, n] 2 , xi ,x j = δi, j .
— et que n = dim E.

Théorème 8.
Tout espace vectoriel euclidien (non réduit à {0}) possède une base orthonormale.

≫ Preuve :
Par récurrence sur n = dim E :
 
x
— si n = 1, E est une droite vectorielle, et si { x} en est une base, alors en sera une base
k xk
orthonormale
— Supposons le résultat acquis pour tout espace euclidien de dimension n − 1, et soit E euclidien
de dimension n.
Il existe dans E un vecteur unitaire en ; d’après le théorème II, le sous-espace vectoriel H = {en }⊥
est un hyperplan de E. D’après l’hypothèse de récurrence, H possède une base orthonormale
(e1 , . . . , en−1 ). Il est clair alors que la famille (e1 , . . . , en ) sera orthonormale, donc sera une base
orthonormalede E, ce qui achève la récurrence.
⊠

Exemples :
1. Dans Rn muni du produit scalaire canonique, défini par :
n
si x = ( x1 , . . . , xn ) et y = ( y1 , . . . , yn ) , h x, yi = ∑ xi yi
i =1
la base canonique est une base orthonormale.
2. Dans M n (R) muni du produit scalaire canonique défini par :
si A = ( ai, j )16i, j6n et B = (bi, j )16i, j6n , h A,Bi = tr(tAB) = ∑ ai, j bi, j
16i, j6n

la base canonique ( Ei, j )16i, j6n est une base orthonormale.

Année 2022/2023 C.P.G.E. Meknès

9 Chap. 22 - Algèbre bilinéaire MPSI

 Pourquoi une base orthonormale.

Soit ( E, h.,.i) un espace euclidien, muni d’une base orthonormaleB = (e1 , . . . , en ). Soient x et y deux
vecteurs de E tels que :
n n
x= ∑ xi ei et y = ∑ yi ei avec ( x1 , . . . , xn ) et ( y1 , . . . , yn ) ∈ Rn .
i =1 i =1
* +
n n
◮ Par bilinéarité du produit scalaire : h x, yi = ∑ xi ei , ∑ y j e j = ∑ xi y j ei ,e j
| {z }
i =1 j=1 16i, j6n
=δi, j
donc :

s
n n
h x, yi = ∑ xi yi et k xk = ∑ xi2 .
i =1 i =1
   
x1 y1
 ..   .. 
◮ Matriciellement : Si X =  .  et Y =  .  sont les matrices colonnes formées des coordonnées
xn yn
dans B des vecteurs x et y, on a :

h x, yi = t XY et k xk2 = t XX .
◮ Il peut aussi être utile de retenir que, si un vecteur x a pour coordonnées ( x1 , . . . , xn ) dans une base
orthonormaleB = (e1 , . . . , en ), alors :
∀i ∈ [ 1, n] , xi = hei ,xi .
Proposition 6. Coordonnées dans une base orthonormale
Soit (e1 , . . . , en ) une base orthonormale d’un espace euclidien E, alors pour tout x ∈ E, on a :
n
x= ∑ hx, ek iek .
k=1
Autrement dit les coordonnées de x dans la base (e1 , . . . , en ) sont (h x, e1 i, . . . , h x, en i).

Proposition 7. Expression du produit scalaire

Soit (e1 , . . . , en ) une base orthonormale d’un espace euclidien E. Soit x, y ∈ E de coordonnées
respectives ( x1 , . . . , xn ) et ( y1 , . . . , yn ) dans la base (e1 , . . . , en ), alors :
n n n n
( x| y) = ∑ xk yk = ∑ hx, ek ih y, ek i et k xk2 = ∑ x2k = ∑ hx, ek i2 .
k=1 k=1 k=1 k=1

Théorème 9. Procédé d’orthonormalisation de Gram-Schmidt

Soit (e1 , e2 , ..., e p ) une famille libre d’un espace euclidien E. Il existe une famille orthonormale
( f 1 , f 2 , ..., f p ) de E telle que : Pour tout k ∈ {1, 2, . . . , p} on a : vect(e1 , e2 , ..., ek ) = vect( f 1 , f 2 , ..., f k ).
Les vecteurs f k sont donnés par :
k−1

e1
ek − ∑ hek , f i i f i
i =1
f1 = et ∀k ∈ {2, . . . , p} : f k = .
ke1 k k−1
ek − ∑ hek , f i i f i
i =1

Mr. FARESS Moussa Année 2022/2023

MPSI Chap. 22 - Algèbre bilinéaire 10

≫ Preuve :
Soit (e1 , . . . , en ) une famille libre d’un R-espace vectoriel E muni d’un produit scalaire. On cherche
à construire une famille orthonormée ( f 1 , . . . , f n ) de E telle que :

Vect(e1 , . . . , en ) = Vect( f 1 , . . . , f n )

On va raisonner par récurrence finie.

L’hypothèse de récurrence est la suivante :
HR( p) : il existe une famille orthonormée ( f 1 , . . . , f p ) telle que Vect(e1 , . . . , e p ) = Vect( f 1 , . . . , f p ).
e1
Initialisation L’initialisation est évidente, il suffit de normaliser e1 i.e. de prendre f 1 = .
ke1 k
Hérédité On suppose HR( p) pour 1 6 p 6 n − 1. Le but est de construire f p+1 . On cherche d’abord
un vecteur g orthogonal à f 1 , . . . , f p sous la forme
p
g = e p+1 − ∑ λk f k
k=1

On a alors nécessairement λk = f k ,e p+1 pour 1 6 k 6 p. Il suffit alors de normaliser g

g
i.e. de prendre f p+1 = . Par construction, f p+1 est unitaire et orthogonal à tous les f i et
k gk
Vect(e1 , . . . , e p+1 ) = Vect( f 1 , . . . , f p+1 ).
n
Astuce de calcul : par le théorème de Pythagore, k gk2 = ke p+1 k2 − ∑ λk2 .
k=1
Conclusion Par récurrence finie, HR(n) est vraie.
⊠

Exercice .3.

1. Orthonormaliser la famille ( a1 = (0, 1, 1), a2 = (1, 0, 1), a3 = (1, 1, 0)) pour le produit scalaire
canonique de R3 .
2. Orthonormaliser la famille (1, X, X 2 ) pour le produit scalaire défini sur R3 [ X ] par :
Z 1
( P, Q) 7−→ P(t) Q(t)dt.
0
      
0 1 1 0 1 1
3. Orthonormaliser la famille M1 = , M2 = , M3 = pour le produit sca-
1 0 1 0 0 0
laire défini sur M2 (R) par : ( A, B) 7−→ tr(tA.B).

Exercice .4.
Z
1 1
Pour P, Q ∈ R[ X ] : on pose ( P| Q) = P( x) Q( x)dx.
2 −1
1. Montrer que (.|.) est un produit scalaire de R[ X ].
2. Déterminer une base orthonormée de R2 [ X ] pour ce produit scalaire.

Exercice .5.
Soit B une base d’un espace euclidien E et B′ la b.o.n obtenue à partir de B par le procédé de Gramm-
Schmidt. Déterminer la matrice de passage de B à B′ .

Année 2022/2023 C.P.G.E. Meknès

11 Chap. 22 - Algèbre bilinéaire MPSI

Remarque : Si l’on se donne une base B de E, il est facile de trouver une produit scalaire pour lequel
B est orthonormale. Il suffit de choisir E × E −→ R où les xk et les yk sont les
n
( x, y) 7−→ ∑ xk yk
k=1
coordonnées respectives de x et y dans la base B.

III Projecteurs orthogonaux, symétries orthogonales

Définition 11. Orthogonal d’un sous-espace vectoriel

Soit F un sous-espace vectoriel E. On appelle orthogonal de F, noté F ⊥ , l’ensemble des vecteurs

orthogonaux à tout vecteur de F.

Remarque : Soit (e1 , . . . , en ) une base d’un sous-espace vectoriel F et y ∈ E.

y ∈ F ⊥ ⇐⇒ 
∀i ∈ {1, . . . , n} : y ⊥ ei

 h y,e1 i = 0

 h y,e2 i = 0
⇐⇒ .. .. ..


 . . .

h ni
y,e = 0

On obtient un système d’équations de F ⊥ .

Exercice .6.
Soit E un espace euclidien de dimension 4 muni d’une base orthonormée B = (e1 , e2 , e3 , e4 ). Soit F
un sous-espace vectoriel défini par le système d’équation, dans la base B,
(
− x + y − 3z + 2t = 0
3x + 4y − z + t = 0

Montrer que F ⊥ = Vect(−e1 + e2 − 3e3 + 2e4 , 3e1 + 4e2 − e3 + e4 ).

Proposition 8. Propriétés de l’orthogonal d’un s.e.v

Soit F un sous-espace vectoriel de E.
 ⊥
→ Si F est de dimension finie, alors F ⊥ est l’unique supplémentaire orthogonal à F et F ⊥ = F.
→ Si E est un espace euclidien, alors : dim F ⊥ = dim E − dim F ; ( F ⊥ )⊥ = F et E = F ⊕ F ⊥ .

≫ Preuve :

1. Le résultat étant évident si F = {0}, on supposera F de dimension n > 1.

F possède alors une base orthonormale (e1 , . . . , en ). Soit x ∈ E. On cherche à écrire x = y + z avec

Mr. FARESS Moussa Année 2022/2023

MPSI Chap. 22 - Algèbre bilinéaire 12

n
y ∈ F et z ∈ F ⊥ , donc on cherche λ1 , . . . , λn ∈ R et z ∈ F ⊥ tels que x = ∑ λi ei + z.
i =1
* +
n
z ∈ F ⊥ ⇐⇒ ∀ j ∈ [ 1, n] , e j ,z = 0 ⇐⇒ ∀ j ∈ [ 1, n] , e j ,x − ∑ λi ei =0
i =1
n
⇐⇒ ∀ j ∈ [ 1, n] , e j ,x = ∑ λi | e{z
j ,ei = λ j
}
i =1
=δi, j

Ce qui précède démontre l’existence et l’unicité de la décomposition cherchée :

!
n n
x= ∑ hei ,xi ei + x − ∑ hei ,xi ei .
i =1 i =1
| {z } | {z }
∈F ∈ F⊥
 ⊥
2. On a déjà vu l’inclusion : F ⊂ F ⊥ .
 ⊥
Réciproquement, soit x ∈ F ⊥ . D’après le résultat précédent, x s’écrit de façon unique sous
 ⊥
la forme x = y + z avec y ∈ F et z ∈ F ⊥ . Puisque x ∈ F ⊥ et z ∈ F ⊥ , on a h x,zi = 0 soit
h y,zi + h z,zi = 0.
Mais h z, yi = 0 puisque y ∈ F et z ∈ F ⊥ donc on en déduit h z,zi = 0, d’où z = 0 et x = y
 ⊥
appartient à F,ce qui démontre l’inclusion F ⊥ ⊂ F.
⊠

Proposition 9. Existence d’une base orthonormale

Si E est un espace euclidien, toute famille orthonormale de vecteurs de E peut être complétée en une
base orthonormale.

≫ Preuve :
Si (e1 , . . . , e p ) est une famille orthonormale dans E, soit F = Vect(e1 , . . . , e p ). Il suffit alors de choisir
une base orthonormaledans F ⊥ (il en existe d’après le théorème précédent). ⊠

Proposition 10.
Si F et G sont deux sous-espaces vectoriels d’un espace vectoriel euclidien E on a :

( F ∩ G )⊥ = F ⊥ + G ⊥ .

≫ Preuve :
Si F ′ et G ′ sont des sous-espaces vectoriels de E, on a ( F ′ + G ′ )⊥ = F ′⊥ ∩ G ′⊥ . Il suffit d’appliquer
ce résultat avec F ′ = F ⊥ et G ′ = G ⊥ , en utilisant le deuxième résultat du théorème précédent. ⊠

Année 2022/2023 C.P.G.E. Meknès

13 Chap. 22 - Algèbre bilinéaire MPSI

Théorème 10.
Si F est un sous-espace vectoriel de dimensions finie d’un espace préhilbertien réel E, on a :

E = F ⊕ F⊥

F ⊥ s’appelle le supplémentaire orthogonal de F.

≫ Preuve :
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . Un très bon exercice à savoir refaire . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ⊠

Remarque : Si F n’est pas de dimension finie, F⊥ n’est pas nécessairement un supplémentaire de F : on

peut seulement affirmer que F et F ⊥ sont en somme directe.

Théorème 11. Théorème de Riesz

Soient E un espace euclidien et ϕ ∈ E∗ . Alors il existe un unique a ∈ E tel que ϕ( x) = h a,xi pour
tout x ∈ E.

Remarque : Soit E un espace euclidien et ϕ ∈ E∗ .

1. Si ker ϕ = E, alors a = 0. Sinon, a est un vecteur non nul orthogonal à l’hyperplan ker ϕ.
2. L’application E −→ E∗ est un isomorphisme.
a 7−→ ( x 7→ h a,xi)

Définition 12. Projection orthogonale

Soit F un sous-espace vectoriel de E tel que E = F ⊕ F ⊥ . On appelle projection orthogonale sur F la

projection sur F parallèlement à F ⊥ .

Proposition 11.

• La projection orthogonale sur F est notamment définie lorsque F est de dimension finie.
• Soit x ∈ E, on note par p( x) le projeté orthogonal de x sur F. On a :

x − p( x) ∈ F ⊥ ; p( x)⊥( x − p( x)) ; k xk2 = k p( x)k2 + k x − p( x)k2

• ∀ x ∈ E ; k p( x)k 6 k xk

Proposition 12. Expression de la projection orthogonale dans une base orthonormale

Soit F un sous-espace vectoriel de dimension finie de E et ( f 1 , . . . , f n ) une base orthonormale de F.
n
Soient p le projecteur orthogonal sur F et x ∈ E. Alors : p( x) = ∑ hx, f k i f k .
k=1

Mr. FARESS Moussa Année 2022/2023

MPSI Chap. 22 - Algèbre bilinéaire 14

Remarques :
h x,ui
1. La projection d’un vecteur x sur une droite vectorielle vect(u) est u:
kuk
Si u est normé, alors cette projection est simplement h x,ui u.
2. On peut donner une interprétation géométrique de la méthode de Gram-Schmidt :
Soit (e1 , . . . , en ) une famille libre d’un espace euclidien E . On sait qu’on peut construire
une famille orthonormée ( f 1 , . . . , f n ) de E telle que :
∀k ∈ [ 1, n] , Vect(e1 , . . . , ek ) = Vect( f 1 , . . . , f k ) = Fk .
p F⊥ ( ek+1 )
k
Alors, en convenant que F0 = {0}, pour tout k ∈ [ 0, n − 1] , f k+1 = .
k p F⊥ (ek+1 )k
k

Définition 13. Projecteur orthogonal , Symétrie orthogonale

◦ On appelle projecteur orthogonal tout projecteur de E tel que Im p = (Ker p)⊥ .

◦ Soit F un sous-espace vectoriel de E tel que : E = F ⊕ F ⊥ .
• On appelle symétrie orthogonale par rapport à F la symétrie par rapport F parallèlement à F ⊥ .
• Si F est un hyperplan de E, on parle plutôt de réflexion par rapport à F.

Exercice .7.
Montrer que Mn (R) −→ Mn (R) est une symétrie orthogonale pour le produit scalaire sur
M 7−→ t M
Mn (R) défini par ( A| B) = tr(tAB).

x x − p F ( x)

• On a, pour tout x ∈ E : p F ( x) ⊥ ( x − p F ( x)).

• Par définition d’une projection, y = p F ( x) est
l’unique vecteur de E vérifiant y ∈ F et x − y ∈ F ⊥ . b
p F ( x)
F

• Si (e1 , . . . , en ) est une base orthonormale d’un sous-espace vectoriel F de dimension finie de E, on a,
pour tout x ∈ E :
n
p F ( x) = ∑ hei ,xi ei .
i =1

• Si l’on connaît seulement une base orthogonale (e1 , . . . , en ) de F, on a, pour tout x ∈ E :

n
hei ,xi
p F ( x) = ∑ e .
2 i
i =1 k ei k

Année 2022/2023 C.P.G.E. Meknès

15 Chap. 22 - Algèbre bilinéaire MPSI

• Dans le cas particulier où H est un hyperplan, et si n est un vecteur orthogonal à H, la formule précédente
hn,xi
donne le projeté orthogonal de x sur la droite R.n : p H ⊥ ( x) = n d’où :
knk2

hn,xi
p H ( x) = x − n
knk2

x
hn,xi
n
knk2

b
p H ( x)
H

Exercice .8.

1. Dans R3 muni de sa structure euclidienne canonique, déterminer la matrice dans la base canonique
de la projection orthogonale sur le plan P d’équation : x + y + z = 0.
2. Dans R4 muni de sa structure euclidienne canonique, déterminer la matrice dans la base cano-
nique
( de la symétrie orthogonale par rapport au sous-espace vectoriel F donné par les équations :
x1 + x2 + x3 + x4 = 0
.
x1 + 2x2 + 3x3 + 4x4 = 0

Définition 14. Distance à un sous-espace vectoriel

Soient x un vecteur de E et F un sous-espace vectoriel de dimension finie de E. La distance de x à F
est :
d( x, F ) = inf k x − yk = inf {k x − yk , y ∈ F }
y∈ F

On rappelle que, de façon générale, si A est une partie d’un espace vectoriel normé E et si x est un vecteur
de E, on appelle distance de x à A le réel :

d( x, A) = inf {d( x, y) , y ∈ A} = inf {k x − yk , y ∈ A} .

Mr. FARESS Moussa Année 2022/2023

MPSI Chap. 22 - Algèbre bilinéaire 16

Proposition 13. A retenir par ♥

Soient x un vecteur de E et F un sous-espace vectoriel de dimension finie de E.
→ La distance de x à F est atteinte en p F ( x), où p F désigne la projection orthogonale sur F :

d( x, F ) = k x − p F ( x)k

→ p F ( x) est l’unique vecteur y de F tel que d( x, F ) = k x − yk.

→ k x − p F ( x)k2 = k xk2 − k p F ( x)k2 .
n
→ Si ( f 1 , . . . , f n ) est une base orthonormale de F, alors k x − p F ( x)k2 = k xk2 − ∑ hx, f k i2 .
k=1

≫ Preuve :
. . . . . . . . . . . . . . . . . . . . . . . . Un bon exercice (voir les propriétés de p F ( x) . . . . . . . . . . . . . . . . . . . . . . . . ⊠

Remarque : Puisque x − p F ( x) = p F⊥ ( x), on a également d( x, F ) = k p F⊥ ( x)k.

Proposition 14. Inégalité de Bessel

Soit p une projection orthogonale sur un sous-espace vectoriel F alors :
→ ∀ x ∈ E, k p( x)k 6 k xk.
n
→ Si ( f 1 , . . . , f n ) est une base orthonormale de F , alors : ∑ |h fi ,xi|2 6 kxk2 , ∀ x ∈ E.
i =1

≫ Preuve :
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . A faire . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ⊠

F ii n
n
Année 2022/2023 C.P.G.E. Meknès