Produit scalaire et Espaces euclidiens.

Marwen Smida

2019-2020

Table des matières

I Produit scalaire 2
I.1 Produit scalaire et norme euclidienne . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
I.2 Inégalité de Cauchy-Schwarz . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5

II Orthogonalité 7
II.1 Définitions et propriétés . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
II.2 Familles orthogonales et orthonormées . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
II.3 Orthonormalisation de Gram-Schmidt . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
II.4 Bases orthonormées d’un espace euclidien . . . . . . . . . . . . . . . . . . . . . . . . . . 10

III Projection orthogonale sur un sous-espace vectoriel de dimension finie 12

III.1 Supplémentaire orthogonal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
III.2 Projeté orthogonal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
III.3 Distance d’un vecteur à un sous-espace . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14

1
Dans tout ce chapitre E désigne un R−espace vectoriel.

I Produit scalaire
I.1 Produit scalaire et norme euclidienne
Définition 1: Produit scalaire
On appelle produit scalaire sur E toute application ϕ : E × E −→ R vérifiant :
− ϕ est bilinéaire :
∀x ∈ E, ϕx : y 7−→ ϕ(x, y) est linéaire
∀y ∈ E, ϕy : y 7−→ ϕ(x, y) est linéaire
− ϕ est symétrique :
∀(x, y) ∈ E × E, ϕ(x, y) = ϕ(y, x)
− ϕ est positive :
∀x ∈ E, ϕ(x, x) ≥ 0
− ϕ est définie :
∀x ∈ E, ϕ(x, x) = 0 ⇐⇒ x = 0

Remarque 1.1

On utilise souvent la notation < x, y > ou (x, y) ou (x|y) au lieu de ϕ(x, y).
Dans la pratique :
− On commence par vérifier que ϕ est bien définie ! !
− On vérifie ensuite que ϕ est symétrique et que ϕ est linéaire par rapport à sa première
variable.
− C’est souvent le dernier point de la définition qui n’est pas évident ! !

? Exemple 1.1
Sur chacun des espaces suivants, < ., . > est un produit scalaire :
1. E = R2 :
Pour x = (x1 , x2 ), y = (y1 , y2 ) ∈ R2 , < x, y >= x1 y1 + x2 y2 .
2. E = Rn :
n
X
Pour x = (x1 , ..., xn ), y = (y1 , ..., yn ) ∈ Rn , < x, y >= x i yi .
i=1

3. E = Mn,1 (R) :

2
   
n x1 y1
xi yi avec X =  .. , Y =  ...  ∈ Mn,1 (R)
.
X
< X, Y >=t XY =
   
i=1 xn yn
4. E = C([a, b], R).
Pour f, g ∈ E, on pose :
Z b
< f, g >= f (t)g(t)dt.
a
5. E = CT (R) l’espace des fonctions T −périodiques et continues sur R :
Z T
1
∀f, g ∈ E, on note < f, g >= T f (t)g(t)dt
0
6. E = C 1 ([a, b], R).
Pour f, g ∈ E, on pose :
Z b
< f, g >= f (a)g(a) + f 0 (t)g 0 (t)dt.
a
7. E = R2 [X] :
∀P, Q ∈ E, on pose < P, Q >= P (−1)Q(−1) + P (0)Q(0) + P (1)Q(1)
8. E = Rn [X] et soient a0 , ..., an n réels distintcs deux à deux :
Xn
∀P, Q ∈ E, on pose < P, Q >= P (ai )Q(ai )
i=1
9. E = R[X], soit f une fonction positive continue non nulle sur [0, 1]
Z 1
∀P, Q ∈ E, on pose < P, Q >= f (t)P (t)g(t)dt
0
10. E = Mn (R) :
∀A, B ∈ E, on pose < A, B >= tr(At B)

? Exemple 1.2
Sur chacun des espaces suivants, < ., . > n’est pas un produit scalaire :
 
2 0 0
1. E = f ∈ C ([0, 1], R), f (0) = f (1) = 0 .
Pour f, g ∈ E, on pose :
Z 1
< f, g >= f (t)g 00 (t)dt.
0
2. E = R3 [X] :
∀P, Q ∈ E, on pose < P, Q >= P (0)Q(0) + P (1)Q(1) + P 0 (0)Q0 (0)
3. E = Mn (R) :
∀A, B ∈ E, on pose < A, B >= tr(AB)

Définition 2: Espace préhilbertien, espace euclidien

Un R-espace vectoriel E muni d’un produit scalaire < ., . > est appelé espace préhilbertien réel, et
noté (E, < ., . >).
Si de plus E est de dimension finie, on dit que (E, < ., . >) est un espace euclidien.
 Définition 3: Norme euclidienne
Soit (E, < ., . >) un espace préhilbertien réel.
On définit la norme euclidienne sur E par :
√
∀x ∈ E, ||x|| = < x, x >

Un vecteur est dit unitaire si sa norme vaut 1.

? Exemple 1.3

1. E = R2 :
Pour xp= (x1 , x2 ), y = (y1 , y2 ) ∈ R2 , < x, y >= x1 y1 + x2 y2 .
||x|| = x21 + x22
2. E = Rn :
n
X
Pour x = (x1 , ..., xn ), y = (y1 , ..., yn ) ∈ Rn , < x, y >= x i yi .
v i=1
u n
uX
||x|| = t x2i
i=1

3. E = C([a, b], R).

Pour f, g ∈ E, on pose :
Z b
< f, g >= f (t)g(t)dt.
sZ a
b
||f || = f (t)2 dt.
a

4. E = C 1 ([a, b], R).

Pour f, g ∈ E, on pose :
Z b
< f, g >= f (a)g(a) + f 0 (t)g 0 (t)dt.
s a
Z b
||f || = f (a)2 + f (t)02 dt.
a
5. E = Rn [X] et soient a0 , ..., an n réels distintcs deux à deux :
Xn
∀P, Q ∈ E, on pose < P, Q >= P (ai )Q(ai )
v i=1
u n
uX
||P || = t P (ai )2
i=1

6. E = Mn (R) :
∀A, B ∈ E, on pose < t
vA, B >= tr(A B)
u n X n
uX
p
t
||A|| = tr(A A) = t a2ik
i=1 k=1
 Proposition 1: Propriétés
− ∀x ∈ E, ||x|| ≥ 0
− ||x|| = 0 ⇐⇒ x = 0E
− ∀x ∈ E, ∀λ ∈ R, ||λx|| = |λ|||x||
− ∀x, y ∈ E, ||x + y||2 = ||x||2 + 2 < x, y > +||y||2
− ∀x, y ∈ E, ||x − y||2 = ||x||2 − 2 < x, y > +||y||2
− Identité de polarisation :
1
∀x, y ∈ E, < x, y >= (||x + y||2 − ||x − y||2 )
4

− Égalité du parallélogramme :

∀x, y ∈ E, 2(||x||2 + ||y||2 ) = ||x + y||2 + ||x − y||2

I.2 Inégalité de Cauchy-Schwarz

Théorème 1: Inégalité de Cauchy-Schwarz
Soit (E, < ., . >) un espace préhilbertien réel. On a :

∀x, y ∈ E, | < x, y > | ≤ ||x||.||y||

De plus, on a l’égalité si et seulement si x et y sont colinéaires.

Preuve
Soient x, y ∈ E, et soit la fonction f : R −→ R définie pour tout t ∈ R par :

f (t) = ||tx − y||2 = t2 ||x||2 − 2t < x, y > +||y||2

On a :

1. Si ||x|| = 0 :
alors x = 0 et l’inégalité est bien satisfaite.
2. ||x|| =
6 0:
la fonction f est une fonction polynomiale du second degré en t, à valeurs positives donc son
discriminant est négatif :

∆ = 4(< x, y >2 −||x||2 ||y||2 ) ≤ 0.

On en déduit l’inégalité de Cauchy-Schwartz.

Si (x, y) est liée, alors on a égalité dans l’inégalité de Cauchy-Schwartz.

Réciproquement, si | < x, y > | = ||x||.||y||, alors
1. si x = 0 alors (x, y) est liée
2. si x 6= 0 alors ∆ = 0 et f admet une racine double t0 et donc ||t0 x − y|| = 0 et par suite (x, y)
est liée

Remarque 1.2
1. L’inégalité de Cauchy-Schwarz donne l’inégalité triangulaire :

∀x, y ∈ E, ||x + y|| ≤ ||x|| + ||y||.

2. Dans Rn , l’inégalité de Cauchy-Schwarz s’écrit :

v v
X n u n u n
uX uX
x i yi ≤ t 2
xi t yi2
i=1 i=1 i=1

3. Dans C([a, b], R) l’inégalité de Cauchy-Schwarz s’écrit :

Z b sZ sZ
b b
f (t)g(t)dt ≤ f (t)2 dt g(t)2 dt
a a a


II Orthogonalité
II.1 Définitions et propriétés
Soit (E, < ., . >) un espace préhilbertien. Pour deux vecteurs non nuls x et y de E, l’inégalité de
Cauchy-Schwarz peut s’écrire :
< x, y >
−1 ≤ ≤1
||x|| × ||y||
<x,y>
Posons θ = arccos( ||x||×||y|| ), on a alors :

< x, y >= ||x|| × ||y|| × cos(θ)

θ représente l’angle non-orienté entre les vecteurs x et y.

On remarque que si < x, y >= 0 alors x et y sont ”orthogonaux ” et on a la définition suivante :

Définition 4
1. On dit que les vecteurs x, y ∈ E sont orthogonaux, et on note x ⊥ y si < x, y >= 0.
2. Soit A ⊂ E une partie de E. L’orthogonal de A, est l’ensemble noté A⊥ défini par :
 
⊥
A = x ∈ E, ∀y ∈ A, x ⊥ y

On vérifie aisément que A⊥ est un sous-espace vectoriel de E

? Exemple 2.1

1. Dans R2 muni de son produit scalaire canonique, les vecteurs (1, 0) et (0, 1) sont orthogonaux.
2. Soit x ∈ E, on a : x ⊥ x ⇐⇒ < x, x >= 0 ⇐⇒ x = 0E
3. ∀y ∈ E, < x, y >= 0 ⇐⇒ x = 0E .
Le vecteur nul est le seul orthogonal à tous les vecteurs de E, donc une façon de montrer
qu’un vecteur est nul, est de démontrer qu’il est orthogonal à tous les vecteurs de E .
4. On en déduit que E ⊥ = {0E } et {0E }⊥ = E
5. Dans C([−1, 1]) muni du produit scalaire usuel, le sous espace des fonctions paires, et le
sous-espace des fonctions impaires.

Exercice 1

1. Soient A, B deux parties de E telle que A ⊂ B, montrer que B ⊥ ⊂ A⊥

2. Soit F un s-ev de E, montrer que F ∩ F ⊥ = {0E }
3. Soit F un s-ev de E, montrer que F ⊂ (F ⊥ )⊥

Remarque 2.1

L’inclusion inverse dans la 3ieme question n’est pas toujours vraie comme le montre l’exemple
suivant :
On considère E = C([0, 1], R) muni du produit scalaire défini par :
Z 1
< f, g >= f (t)g(t)dt.
0
  
On pose F = f ∈ E, f (0) = 0 , on a :
si g ∈ F ⊥ alors h : t 7−→ tg(t) ∈ F et :
Z 1
0 =< g, h >= tg(t)2 dt, comme t 7−→ tg(t)2 est continue et positive sur [0, 1] alors elle y est nulle,
0
on en déduit que g est nulle sur ]0, 1] et par continuité g est nulle sur [0, 1], et donc F ⊥ = {0}.
Ainsi F ( E = {0}⊥ = (F ⊥ )⊥

Exercice 2

Soient F et G deux s-ev de E, montrer que (F + G)⊥ = F ⊥ ∩ G⊥

Preuve

F ⊂ F + G et G ⊂ F + G. Donc, (F + G)⊥ ⊂ F ⊥ et (F + G)⊥ ⊂ G⊥ puis (F + G)⊥ ⊂ F ⊥ ∩ G⊥ .

Inversement, un élément de F ⊥ ∩ G⊥ est orthogonal à tout élément de F et à tout élément de G
puis à toute somme d’un élément de F et d’un élément de G

II.2 Familles orthogonales et orthonormées

Définition 5: Familles orthogonales et orthonormées
Une famille (xi )i∈I de vecteurs de E est dite :
− orthogonale si, xi ⊥ xj pour tous i, j ∈ I, i 6= j
− orthonormée ou orthonormale si, elle est orthogonale et formée de vecteurs unitaires, c-à-d :
∀i, j ∈ I, < xi , xj >= δij .

? Exemple 2.2
1. La base canonique de Rn est une famille orthonormale pour le produit scalaire canonique de
Rn
Z 1
2. Dans R[X] muni du produit scalaire < P, Q >= P (t)Q(t)dt, (1, X) est une famille ortho-
−1
gonale mais pas orthonormale

Théorème 2: Théorème de Pythagore généralisé

Soit (v1 , ..., vn ) une famille orthogonale de E alors :
n
X n
X
2
|| xi || = ||xi ||2
i=1 i=1
 Preuve

n
X n
X n
X
2
|| vi || =< vi , vj >
i=1 i=1 j=1
n
XX n
= < vi , vj >
i=1 j=1
Xn
= ||vi ||2
i=1

Remarque 2.2
.
— La réciproque n’est pas toujours vraie comme on le voit dans l’exemple suivant :
Dans R3 muni de sont produit scalaire canonique, si on pose :
e1 = (1, 0, 0), e2 = (0, 1, 0) et e3 = (1, −1, 0) alors :

||e1 + e2 + e3 ||2 = ||e1 ||2 + ||e2 ||2 + ||e3 ||2

Mais (e1 , e2 , e3 ) n’est pas orthogonale.

— x et y sont orthogonaux ⇐⇒ ||x + y||2 = ||x||2 + ||y||2

Théorème 3
Toute famille orthogonale de vecteurs non nuls (v1 , ..., vn ) de E est libre.

Preuve
Soient λ1 , ..., λn ∈ R tels que λ1 v1 + ... + λn vn = 0, on a :
∀j ∈ {1, ..., n},
n
X
< λ1 v1 + ... + λn vn , vj > = λi < vi , vj >
i=1
= λj < vj , vj >

Or λ1 v1 + ... + λn vn = 0 donc λj < vj , vj >= 0.

Comme vi 6= 0 alors λj = 0

Remarque 2.3

Toute famille orthonormale de vecteurs (v1 , ..., vn ) de E est libre.

II.3 Orthonormalisation de Gram-Schmidt
Théorème 4: Orthonormalisation de Gram-Schmidt
Soit (v1 , ..., vn ) une famille libre de vecteurs de E. Alors il existe une unique famille orthonormale
(e1 , ...,n ) , appelée l’orthonormalisée de Gram-Schmidt de (v1 , ..., vn ), et qui vérifie :
− ∀i ∈ {1, ..., n}, V ect(e1 , ..., ei ) = V ect(v1 , ..., vi )
− ∀i ∈ {1, ..., n}, < ei , vi >> 0

Du théorème précédent on déduit l’algorithme d’orthonormalisation de de Gram-Schmidt :

− On pose e1 = ||v11 || v1
− Pour e2 :
− On pose u2 = v2 − < e1 , v2 > e1
− Pour e2 = ||u11 || u1 :
− si e1 , ..., ek sont construits, pour contruire ek+1
Xk
− On pose uk+1 = vk+1 − < ek , vk+1 > ek
i=1
1
− Pour ek+1 = ||uk+1 || uk+1 :

Exercice 3

Dans E = R2 [X] muni du produit scalaire < P, Q >= 2i=0 P (k)Q(k).

P
Donner l’orthonormalisée de Gram-Schmidt de la base canonique de E

II.4 Bases orthonormées d’un espace euclidien

Dans cette partie (E, < ., . >) un espace vectoriel euclidien.

Définition 6
Une famille B = (e1 , ..., en ) est dite une base orthonormée de E si :

 B est une base de E
et
B est une famille orthonormale de E


? Exemple 2.3
La base canonique de Rn est une base orthonormée de Rn pour son produit scalaire canonique.

Théorème 5
Tout espace euclidien admet une base orthonormée.
 Théorème 6: Régles de calcul dans une base orthonormale
Soit B = (e1 , ..., en ) une base orthonormée de E on a :
X n n
X
− ∀x= xi e i , y = yi ei ∈ E alors :
i=1 i=1
n
X
< x, y >= xi yi
i=1
n
X
− ∀x= xi ei , ∈ E alors :
i=1
Xn
||x||2 = x2i
i=1
− ∀ x, ∈ E on a :
Xn
x= < x, ei > ei
i=1

Preuve
1.
n
X n
X
< x, y > =< xi ei , yj ej >
i=1 j=1
n
XX n
= xi yj < ei , ej >
i=1 j=1
Xn
= xi yi
i=1

2. On applique 1/ à < x, x >

Xn
3. On a < x, ei >= < xj ej , ei >= xi
j=1


III Projection orthogonale sur un sous-espace vectoriel de dimension
finie
III.1 Supplémentaire orthogonal
Théorème 7
Soit E un espace préhilbertien réel, F un sous-espace vectoriel de E de dimension finie. Alors on
a:
E = F ⊕ F⊥
Dans ce cas F ⊥ est appelé le supplémentaire orthogonal de F .

Preuve

Soit (e1 , ..., en ) une base orthonormée de F (F étant de dimension finie n).
Soit x ∈ E, on a :
Xn  X n 
x= < x, ei > ei + x − < x, ei > ei
i=1 i=1

On a :
n
X
− < x, ei > ei ∈ F
i=1
n
X
− ∀j ∈ {1, ..., n}, < ej , x − < x, ei > ei >=< ej , x > − < ej , x >< ej , ej >= 0
i=1
n
X
Donc x − < x, ei > ei ∈ F ⊥
i=1
Ainsi x ∈ F ⊕ F ⊥

Proposition 2
Soit E un espace euclidien, soit F un sous-espace vectoriel de E, on a :
1. dim(F ⊥ ) = dim(E) − dim(F )
2. F = (F ⊥ )⊥

? Exemple 3.1

1. Dans E = R3 , G = (x, y, z) ∈ R3 , x + y + z = 0 = V ect((1, 1, 1))⊥ est de dimension 2



2. Dans Mn (R) muni du produit scalaire < A, B >= T r(At B),

pour A ∈ An (R) et B ∈ Sn (R), on a :
< A, B >= tr(At B) = tr(AB) =< B, A >= tr(B t A) = −tr(BA) donc < A, B >= 0
Donc An (R) ⊂ Sn (R)⊥ or dim(An (R)) = n2 − dim(Sn (R)) = dim(Sn (R)⊥ ) donc

An (R) = Sn (R)⊥
III.2 Projeté orthogonal
Soit (E, < ., . >) un espace préhilbertien réel et soit F un sous-espace vectoriel de E de dimension
finie, on sait que E = F ⊕ F ⊥ , on définit alors :

Définition 7

On appelle projecteur orthogonale sur F , et on note pF , la projection sur F parallèlement à F ⊥ .

Proposition 3
Soit (e1 , ..., en ) une base orthonormée de F alors :
n
X
∀x ∈ E, pF (x) = < ei , x > ei
i=1

Preuve
On sait que ∀x ∈ E :
n
X  n
X 
x= < x, ei > ei + x − < x, ei > ei
i=1 i=1

où :
n
X
? < x, ei > ei ∈ F
i=1
n
X
? x− < x, ei > ei ∈ F ⊥
i=1
n
X
Comme E = F ⊕ F ⊥ alors par unicité de la décomposition pF (x) = < ei , x > ei
i=1


III.3 Distance d’un vecteur à un sous-espace
Définition 8
Soient x ∈ E et F un sous-espace vectoriel de dimension finie de E.
On appelle distance de x à F le réel d(x, F ) = infu∈F ||x − u||.

Théorème 8
Soient x ∈ E et F un sous-espace vectoriel de dimension finie de E.

d(x, F ) = infu∈F ||x − u|| = ||x − pF (x)||

où p est le projecteur orthogonal sur F .

De plus si (e1 , ..., en ) est une base orthonormée de F alors :
v
u n
X
u
d(x, F ) = t||x||2 − < ei , x >2
i=1

Preuve
Soit v ∈ F , on a :
||x − v||2 = ||x − pF (x) + pF (x) − v||2 (*)
or x − pF (x) ∈ F ⊥ et pF (x) − v ∈ F
Donc par Pythagore (∗) devient :

||x − v||2 = ||x − pF (x)||2 + ||pF (x) − v||2

Ainsi d(x, F ) ≥ ||x − pF (x)||2 et ||x − pF (x)||2 ≥ infu∈F ||x − u|| = d(x, F ).
D’où l’égalité.
Si (e1 , ..., en ) est une base orthonormée de F alors :
X n n
X
pF (x) = < ei , x > ei et ||pF (x)||2 = < ei , x >2
i=1 i=1
Et par Pythagore, ||x||2 = ||pF (x) + x − pF (x)||2 = ||pF (x)||2 + ||x − pF (x)||2 et finalement
v
u n
X
p u
2 2 2
d(x, F ) = ||x − pF (x)|| = ||x|| − ||pF (x)|| = ||x|| −
t < ei , x >2
i=1

? Exemple 3.2

Dans R3 muni de son produit scalaire canonique, si F = {(x, y, z) ∈ R3 , z = 0} et u = (2, 3, 5) alors :

d(u, F ) = ||u − pF (u)|| = 5

 Proposition 4: Inégalité de Bessel
Soit F un sous-espace vectoriel d’un espace vectoriel euclidien (E, < ., . >). On a :

∀x ∈ E, ||pF (x)|| ≤ ||x||

De plus si (e1 , ..., en ) est une base orthonormée de F alors cette inégalité s’écrit :
v
u n
uX
t < ei , x >2 ≤ ||x||
i=1