Académique Documents
Professionnel Documents
Culture Documents
2016-2017
Espaces euclidiens
1 Produit scalaire
1.1 Définition
Exemples :
1) Le plan R2 est muni du produit scalaire canonique h(x1 , y1 ), (x2 , y2 )i = x1 x2 + y1 y2 .
n
X
2) L’espace Rn est muni du produit scalaire canonique h(x1 , · · · , xn ), (y1 , · · · , yn )i = xi y i .
i=1
3) Soit le R-espace vectoriel E = C([0, 1], R) admet le produit scalaire défini pour f, g ∈ E par
Z 1
hf, gi = f (t)g(t)dt.
0
Justifions que tout est bien défini et les hypothèses sont satisfaites :
a) L’existence de l’intégrale est garantie par continuité du produit de 2 fonctions continues.
b) La symétrie et la bilinéarité sont justifiées par linéarité de l’intégrale et ( distributivité et
commutativité ) du produit. (Ne pas oublier de vérifier toutes les hypothèses du produit
scalaire et même quand c’est facile, donner une phrase d’explication.)
1
c) Le point souvent le plus difficile est le caractère défini positif. Ici, on a pour f ∈ E
Z 1
hf, f i = f (t)2 dt.
0
Comme les bornes de l’intégrale sont dans le sens croissant et que ∀t ∈ [0, 1], f (t)2 ≥ 0
(par positivité du carré d’un nombre réel), on a hf, f i ≥ 0.
La forme bilinéaire est donc bien positive. Si f est continue, alors t 7→ f (t)2 est une fonction
continue positive. Pour que son intégrale sur un intervalle non réduit à un point soit nul, il
faut donc qu’elle soit nulle. On en déduit
Z 1
hf, f i = f (t)2 dt = 0 =⇒ (t 7→ f (t)2 ) = (t 7→ 0),
0
soit f est la fonction nulle. La forme bilinéaire est donc bien définie.
Remarque: Ces 3 exemples de produits scalaires sont au programme, vous pouvez les utiliser direc-
tement en exercice, sauf si la démonstration est demandée.
1.2 Propriétés
Proposition 1 (Inégalité de Cauchy-Schwarz). Soit E un R-espace vectoriel muni d’un produit scalaire
h·, ·i, alors on a
∀x, y ∈ E, hx, yi2 ≤ hx, xihy, yi,
avec égalité si et seulement si x, y colinéaires.
Définition 1. Soit E un R-espace vectoriel muni d’un produit scalaire h·, ·i, on définit la norme sur
E associée ce produit scalaire pour x ∈ E par
1
kxk = hx, xi 2 .
Remarques :
1. Les propriétés à satisfaire pour être une norme de E sont :
(i) ∀x ∈ E, kxk ∈ R+ .
(ii) ∀x ∈ E, ∀λ ∈ R, kλxk = |λ| kxk.
(iii) ∀x, y ∈ E, |kxk − kyk| ≤ kx + yk ≤ kxk + kyk (inégalité triangulaire)
(iv) ∀x ∈ E, kxk = 0 =⇒ x = 0E .
On utilise l’inégalité de Cauchy-Schwarz pour démontrer l’inégalité de droite de (iii). Celle de
gauche se démontre en utilisant celle de droite et le fait que x = x + y − y et y = x + y − x.
2. Les propriétés à satisfaire pour être une distance de E sont :
(i) ∀x, y ∈ E, d(x, y) ∈ R+ .
(ii) ∀x, y, z ∈ E, d(x, z) ≤ d(x, y) + d(y, z)
(iii) ∀x, y ∈ E, d(x, y) = 0 =⇒ x = y.
Cela découle aisément des propriétés de la norme.
Terminologies : Soit E un R-espace vectoriel muni d’un produit scalaire muni h·, ·i et de la norme
associée k·k, un tel espace est appelé espace préhilbertien réel, on dit que
1. un vecteur x de E est unitaire si kxk = 1.
2. 2 vecteurs x, y de E sont orthogonaux si hx, yi = 0.
3. une famille de vecteurs (x1 , x2 , · · · , xn ) est orthogonale, si
2
4. une famille de vecteurs (x1 , x2 , · · · , xn ) est orthonormée, si elle est orthogonale et de plus
2 Sous-espaces orthogonaux
Preuve :
On construit la base B ′ de proche en proche, on pose e1 = f1 . On a bien Vect(f1 ) = Vect(e1 ).
Supposons que l’on ait déjà construit les vecteurs (e1 , · · · , ei ) vérifiant les hypothèses, on a donc
Vect(f1 , · · · , fi ) = Vect(e1 , · · · , ei ).
Si i = n, on a terminé.
Sinon i < n et on a
comme (f1 , · · · , fi+1 ) est une base de Vect(f1 , · · · , fi , fi+1 ), grâce au cardinal, (e1 , · · · , ei , fi+1 ) est
aussi une base de Vect(f1 , · · · , fi , fi+1 ). On construit ei+1 de la forme
i
X
ei+1 = fi+1 − αk ek .
k=1
Comme on doit avoir pour tout k ∈ [1, i], ek orthogonal à ei+1 , il faut et il suffit que
i
X
∀k ∈ [1, i], hek , fi+1 i − αk hei , ek i = 0.
k=1
3
Grâce à l’orthogonalité de la famille (e1 , · · · , ei ), on en déduit
hek , fi+1 i − αk hek , ek i = 0,
hek ,fi+1 i
soit αk = hek ,ek i . Réciproquement, ei+1 ainsi construit convient.
Algorithme de Gram-Schmidt :
On peut construire une base orthogonale en utilisant la démarche de la démonstration d’existence,
c’est la méthode que l’on implémente informatiquement. C’est l’algorithme de Gram-Schmidt.
Corollaire 1. Soient E un espace euclidien et B = (f1 , · · · , fn ) une base de E, alors il existe une base
B ′ = (e1 , · · · , en ) de E orthonormée, tel que
∀i ∈ [1, n], Vect(f1 , · · · , fi ) = Vect(e1 , · · · , ei ).
4
(ii) Base orthonormée :
On part de la base canonique (1, X, X 2 ) de R2 [X]. On pose P0 = 1, puis on cherche P1 =
X − α. On a alors
h1, Xi − α h1, 1i = 0, soit 1 − α = 0.
On a donc P1 = X − 1. On cherche alors P2 = X 2 − β(X − 1) − γ. On a alors
1, X 2 − β h1, X − 1i − γ h1, 1i = 0, soit 1 − γ = 0
et
X − 1, X 2 − β hX − 1, X − 1i − γ hX − 1, 1i = 0, soit 2 − β = 0.
On trouve alors β = 2 et γ = 1, d’où P3 = X 2 − 2X + 1 = (X − 1)2 .
On conclut que
(1, X − 1, (X − 1)2 ) est une base orthogonale de E.
puis par normalisation
1
(1, (X − 1), (X − 1)2 ) est une base orthonormée de E.
2
Proposition 4. Soient E un espace euclidien, B une base orthonormée de E, x et y 2 vecteurs de
coordonnées (x1 , · · · , xn ) et (y1 , · · · , yn ) dans la base B, alors
1. hx, yi = nk=1 xk yk .
P
qP
n 2
2. kxk = k=0 xk .
2.2.1 Définition
Remarque : La définition ne suppose aucune propriété sur la partie A, le plus souvent A sera soit
une partie finie ( exemple : dans l’espace R3 , une partie réduite à un vecteur non nul et l’orthogonale
sera alors un plan), soit un sous-espace vectoriel de E.
2.2.2 Propriétés
Remarque :
1. On en déduit en particulier que si E est un espace euclidien et F est un sous-espace vectoriel de
E, alors
dim F ⊥ = dim E − dim F.
2. Si F n’est pas de dimension finie, on a seulement F et F ⊥ en somme directe et F ⊂ (F ⊥ )⊥ .
5
2.3 Équations d’hyperplan
Ce paragraphe n’est plus au programme, donc il ne concerne que ceux qui veulent aller un peu plus
loin.
2.3.1 Définition
2.3.2 Propriétés
Pour a ∈ E, on note ϕa l’application de E dans R définie par ϕa (x) = ha, xi. C’est une forme
linéaire sur E.
Proposition 8. Soient E un espace euclidien, B une base orthonormée de E et a un vecteur non nul
de E de composantes (a1 , · · · , an ) dans B. Il y a équivalence entre
(i) H est un hyperplan admettant a comme vecteur normal.
(ii) H est le noyau de ϕa .
(iii) H admet pour équation dans la base B :
n
X
ak xk = 0.
k=1
ψ : E −→ L(E, R)
a 7−→ ha, xi
Corollaire 2. Soit E un espace euclidien. Pour tout forme linéaire f définie sur E, il existe un unique
élément a de E tel que pour tout x de E, f (x) = ha, xi.
3.1 Définition
6
Le symétrique orthogonal sF (x) d’un vecteur x par rapport à F peut s’exprimer par
p
!
X
sF (x) = 2pF (x) − x = 2 hek , xi ek − x.
k=1
Exemples :
a
1. Soient E un espace euclidien et D une droite vectorielle de vecteur directeur a, alors u = kak est
un vecteur unitaire et directeur de D.
Le projeté orthogonal de x sur D s’exprime donc par
ha, xi
pD (x) = hu, xi u = a.
kak2
ha, xi
pD (x) = 2 hu, xi u − x = 2 a − x.
kak2
F = Vect(f1 , · · · , fi ) = Vect(e1 , · · · , ei ).
7
3.3 Distance à un sous-espace vectoriel
C’est un minimum qui est atteint une unique fois en pF (x) le projeté orthogonal de x sur F , on a donc
d(x, F ) = kx − pF (x)k .
Exemples :
1. Soit l’espace vectoriel E = R4 muni du produit scalaire canonique.
On considère le plan P = Vect((1, 1, 0, 0), (1, 1, 1, 1)) et le vecteur x = (1, −1, 0, 1). On cherche
la distance x à P, il faut donc déterminer le projeté de x sur P.
Si l’exercice demandé nécessite la projection de plusieurs vecteurs, vous avez intérêt à calculer
une base orthonormée de P et à utiliser l’expression analytique de la projection dans un base
orthonormée donnée en 3.2.
On a :
avec he1 , e2 i = 0.
On obtient alors
1 1
ẽ1 = √ (1, 1, 0, 0) et ẽ2 = √ (0, 0, −1, −1).
2 2
Dans le cas présent, on a besoin de calculer seulement un projeté, on peut aussi travailler de
manière directe.
On aura
pP (x) = α(1, 1, 0, 0) + β(1, 1, 1, 1) et x − pP (x) ∈ P ⊥ .
soit
h(1 − α − β, −1 − α − β, −β, 0), (1, 1, 0, 0)i = 0
h(1 − α − β, −1 − α − β, −β, 1 − β), (1, 1, 1, 1)i = 0.
On obtient alors le système
−2α − 2β = 0
.
1 − 2α − 4β = 0.
On obtient comme solution α = − 12 et β = 12 , soit pP (x) = (0, 0, 21 , 12 ).
q
La distance de x à P est donc kx − pP (x)k = 52 .
8
2. On cherche le minimum de la fonction I définie sur R3 par
Z 1
I(a, b, c) = (t3 − at2 − bt − c)2 dt.
0
g gF ⊥
gF
0E
F
Il suffit d’avoir
(t 7→ t3 − at2 − bt − c) ⊥ (t 7→ 1)
(t 7→ t3 − at2 − bt − c) ⊥ (t 7→ t)
(t 7→ t3 − at2 − bt − c) ⊥ (t 7→ t2 ),
c’est-à-dire
t 7→ t3 − at2 − bt − c, t 7→ 1 = 0
t 7→ t3 − at2 − bt − c, t 7→ t = 0
t 7→ t3 − at2 − bt − c, t 7→ t2 = 0.
On obtient le système
1 a b
− − −c=0
4 3 2
1 a b
c
− − − =0
5 4 3 2
1 a b
c
− − − =0
6 5 4 3
On résout et on trouve a = 23 , b = − 35 et c = 201
.
On trouve que le minimum de I est I( 32 , − 35 , 20
1
)= 1
2800 .