Académique Documents
Professionnel Documents
Culture Documents
3 Espaces Euclidiens 29
3.1 Produit scalaire . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
1
TABLE DES MATIÈRES
Exemple 1.1.4 Soit (xn )n≥0 un élément de IKIN . Alors l’application ψ définie sur
n
X Xn
i
IK[X] par pour tout P ∈ IK[X], P = ai X , ψ(P ) = ai xi est une forme linéaire
i=1 i=1
sur IK[X].
Remarque 1.1.1 Soit ϕ une forme bilinéaire sur E un IK-espace vectoriel. Alors ϕ
est identiquement nulle ou une application surjective.
3
1.2. HYPERPLANS
Théorème 1.1.1 1t1 Soit F un sous-espace vectoriel de dimension finie d’un IK-
espace vectoriel E. Alors toute forme linéaire sur F se prolonge en une forme linéaire
sur E.
Corollaire 1.1.1 Soit x un vecteur non nul d’un IK-espace vectoriel E. Alors il existe
une forme linéaire Φ sur E telle que Φ(x) = 1.
1.2 Hyperplans
Définition 1.2.1 Soit E un IK-espace vectoriel. Soit F un sous-espace vectoriel de E
admettant un supplémentaire G dans E. On dit que F est un hyperplan si la dimension
de G est égale à 1 (on dit que F est de codimension égale à 1).
Φ : E = F ⊕ V ect({u}) −→ IK
.
x + αu 7−→ α
Alors Φ est une forme linéaire sur E non nul. De plus, KerΦ = F .
ii) ⇒ iii) : voir la remarque précedente.
i=1
Ce qui achève la preuve.
Aı̈nsi,
Xn
x= xi ei .
i=1
ii) voir la deuxième partie de la démonstration du Théorème 1.3.1.
Exemple 1.3.1 Soit {e1 , e2 } la base canonique de IR2 . Alors sa base duale {e∗1 , e∗2 } est
définie par
∀x = (x1 , x2 ) ∈ IR2 , < x, e∗i >= xi .
On en déduit que
e∗1 : IR2 −→ IR
(x1 , x2 ) 7−→ x1
et
e∗2 : IR2 −→ IR
.
(x1 , x2 ) 7−→ x2
Plus généralement on a
Exemple 1.3.2 Soit {e1 , . . . , en } la base canonique de IKn . La base duale {e∗1 , . . . , e∗n }
de {e1 , . . . , en } est définie par
Exemple 1.3.3 Soit {1, X, . . . , X n } la base canonique de IKn [X]. La base duale {Φ0 , Φ1 , . . . , Φn }
de {1, X, . . . , X n } est définie par
n
X
mboxpourtoutP = ak X k ∈ IKn [X], pour tout i, i = 1 . . . , n, < P, Φi >= ai .
k=0
Maintenant, soit a ∈ IK et soit Φa la forme linéaire sur E définie par < P, Φa >=
P (a), ∀P ∈ IKn [X]. Ce qui donne
n
X n
X
i
Φa = < X , Φa > Φi = ai Φi .
i=0 i=0
Aı̈nsi,
v1∗ : IR2 −→ IR
(x1 , x2 ) 7−→ x1 + x2
et
v2∗ : IR2 −→ IR
.
(x1 , x2 ) 7−→ −x2
1.4 Orthogonalité
Définition 1.4.1 Soit E un IK-espace vectoriel.
i) Pour toute partie A de E, l’orthogonale de A dans E ∗ , qu’on note A⊥ , est la partie
de E ∗ définie par A⊥ = {Φ ∈ E ∗ : ∀x ∈ A, < x, Φ >= 0}.
v) E ⊥ = {0E ∗ } et ⊥ E ∗ = {0E }.
Alors Φ est bel et bien définie : si π(x) = π(y), alors x − y ∈ F . Donc par hypothèse
sur ϕ, < x − y, ϕ >= 0. Par suite < x, ϕ >=< y, ϕ. Ce qui donne Φ(π(x)) = Φ(π(y)).
De plus, Φ ∈ (E/F )∗ et s(Φ) = ϕ. Alors F ⊥ ⊆ Im(s).
Inversement, soit ϕ ∈ Im(s). Donc il existe Φ ∈ (E/F )∗ telle que s(Φ) = Φ ◦ π = ϕ.
Donc pour tout x ∈ E, < π(x), Φ >=< x, ϕ >. En particulier, si x ∈ F alors π(x) = 0
et donc < x, ϕ >= 0. Ce qui donne ϕ ∈ F ⊥ .
Corollaire 1.4.1 Soit E un espace vectoriel de dimension finie. Alors pour tout sous-
espace vectoriel F de E, on a
Ψ : E −→ E ∗∗
x 7−→ x̃,
Ψ : E −→ E ∗∗
x 7−→ x̃,
Autrement dit
∀Φ ∈ F ∗ , ∀x ∈ E, < x, t ϕ(Φ) >=< ϕ(x), Φ > . (1.1)
Démonstration : Exercice.
alors ψ = t ϕ.
t
(ϕ + ψ) = t ϕ + t ψ, t (λϕ) = λt ϕ et t (Φ ◦ ϕ) = t ϕ ◦ t Φ.
Démonstration : Exercice.
Démonstration : Exercice.
n
X
aji =< ei , t ϕ(e∗j ) >=< ei , bkj e∗k >= bij .
k=1
Exemple 2.1.1 Soit E = C([0, 1]) l’espace des fonctions réelles continues sur [0, 1].
Alors l’application Φ définie sur E × E par
Z 1
Φ(f, g) = f (t)g(t)dt
0
est une forme bilinéaire symétrique sur E.
13
2.1. FORMES BILINÉAIRES SYMÉTRIQUES
Exemple 2.1.3 L’application Φ(x, y) = x1 y1 +x2 y2 +x3 y3 −x4 y4 est une forme bilinaire
sur IR4 .
Exemple 2.1.4 Soient Φ1 et Φ2 des formes linéaires sur E. Alors l’application Φ(x, y) =
Φ1 (x)Φ2 (y) est une forme bilinéaire sur E.
En particulier, Φ(x, y) = xy est forme bilinéaire symétrique sur IR.
E∗ × E → IR
(x∗ , x) 7→ < x, x∗ >
Exemple 2.1.6 L’application IR2 × IR2 → IR, (x, y) 7→ det(x, y) est une forme bi-
linéaire antisymétrique.
ΨM : IRn × IRn → IR
t
(X, Y ) 7→ XM Y
Proposition 2.1.1 Soit φ une forme bilinéaire sur E. Alors φ est identiquement nulle
si, et seulement si, ∀x ∈ E, φ(x, x) = 0.
D’où le résultat.
Exemple 2.1.8 On considère la forme bilinéaire Φ définie sur IR2 [X] par
Φ(1, 1) Φ(1, X) Φ(1, X 2 ) 4 5 9
M atB (Φ) =
Φ(X, 1) Φ(X, X 2 )
Φ(X, X) =
5 9 17 .
2 2 2 2
Φ(X , 1) Φ(X , X) Φ(X , X ) 9 17 33
Théorème 2.1.1 Soit B = {e1 , . . . , en } une base d’un IR-espace vectoriel E. Soit Φ
une forme bilinéaire sur E. Alors
où M ∈ Mn (IR).
Corollaire 2.1.1 Une forme bilinéaire est symétrique si, et seulement si, sa matrice
dans une base quelconque est symétrique.
Théorème 2.1.2 Soit Φ une forme bilinéaire sur IR-espace vectoriel E. Soient B =
{e1 , . . . , en } et B 0 = {f1 , . . . , fn } deux bases de E. Soit P la matrice de passage de base
B à la base B 0 . Alors la matrice associée à Φ dans la base B 0 est donnée par
Démonstration : Soit
f11 · · · f1n
f21 · · · f2n
P = .
.. .. ..
. . .
fn1 · · · fnn
Alors
f11 · · · fn1 Φ(e1 , e1 ) · · · Φ(e1 , en ) f11 · · · f1n
t
f12 · · · fn2 Φ(e , e ) · · ·
2 1 Φ(e2 , en ) f21 · · · f2n
P M atB (Φ)P = .
.. .. .. .. .. .. .. .. ..
. . .
. . .
. . .
f1n · · · fnn Φ(en , e1 ) · · · Φ(en , en ) fn1 · · · fnn
qui est égal à Φ(fi , fj ) le coefficient de la i-ème ligne et de la j-ème colonne de la matrice
M atB0 (Φ). Ce qui achève la démonstration.
Remarque 2.1.2 Deux matrices qui représentent la même forme bilinéaire par rap-
port à deux bases de E sont congruentes et donc ont le même rang.
Définition 2.1.4 Soit Φ une forme bilinéaire sur E. Soit B une base de E. On définit
le rang de Φ, noté rg(Φ), par rg(Φ) = rg(M atB (Φ)).
Théorème 2.1.3 soit Φ une forme bilinéaire symétrique sur E un espace vectoriel de
dimension finie. Alors Φ est non-dégénérée si, et seulement si, l’application
Ψ : E −→ E ∗
y 7−→ Φy , où Φy (x) = Φ(x, y), ∀x ∈ E
est injective.
A⊥ = {y ∈ E / Φ(x, y) = 0, ∀x ∈ A}.
Remarque 2.1.3 Soient A et B des parties non vides de E telles que A ⊂ B. Alors
B ⊥ ⊂ A⊥ .
Proposition 2.1.3 Soient Φ une forme bilinéaire sur E et A une partie non vide de
E. Alors
i) A⊥ est un sous-espace vectoriel de E.
ii) A⊥ = V ect(A)⊥ .
∅⊥ = V ect(∅)⊥ = {0}⊥ = E.
Ainsi, Ψ(y) = ϕ. Ce qui implique que Ψ est surjective. On en déduit que ImΨ = F ∗ .
Maintenant, le théorème du rang affirme
Définition 2.1.7 Soit Φ une forme bilinéaire symétrique sur un IK-espace vectoriel E.
i) Deux vecteurs x et y ∈ E sont orthogonaux si Φ(x, y) = 0.
ii) Un vecteur x ∈ E est isotrope si Φ(x, x) = 0.
iii) Un sous-espace vectoriel F de E est isotrope si F ∩ F ⊥ 6= {0}.
iv) Un sous-espace vectoriel F de E est totalement isotrope si F ⊂ F ⊥ .
Exemple 2.1.12 Soit Φ la forme bilinéaire symétrique définie sur IR2 par Φ(x, y) =
x1 y1 − x2 y2 . Les vecteurs (1, 0) et (0, 1) sont orthogonaux tandis que le vecteur (1, 1)
est isotrope.
Théorème 2.1.4 Soit Φ une forme bilinéaire symétrique sur un IK-espace vectoriel
E. Soit F un sous-espace vectoriel de E de dimension finie. Alors
Remarque 2.1.6 Soit Φ une forme bilinéaire symétrique sur un E et soit B = {e1 , . . . , en }
base orthogonale de E relativement à Φ. Alors M atB (Φ) est une matrice diagonale. Si
n
X n
X n
X
M atB (Φ) = (aij ), alors pour tous x = xi ei et y = yi ei , on a Φ(x, y) = aii xi yi .
i=1 i=1 i=1
Supposons que n ≥ 2. Si Φ est identiquement nulle, alors toute base est orthogonale
relativement à Φ. Supposons donc que Φ n’est pas identiquement nulle. Alors il existe un
vecteur e1 (non isotrope) vérifiant Φ(e1 , e1 ) 6= 0. Soit F le sous-espace vectoriel engendré
par e1 , F = V ect(e1 ). Alors F ∩ F ⊥ = {0}. Donc d’après le théorème précédent,
E = F ⊕ F ⊥ . L’hypothèse de récurrence montre qu’il existe une base {e2 , . . . , en } de
F ⊥ orthogonale relativement à Φ|F ⊥ . Comme Φ(e1 , ej ) = 0, ∀j, j = 2, . . . , n, alors la
famille {e1 , . . . , en } est une base de E orthogonale pour Φ.
est une forme quadratique sur E, appelée forme quadratique associée à la forme bi-
linéaire symétrique Φ.
Théorème 2.2.1 Soient E un espace vectoriel sur IK et Q une forme quadratique sur
E. Alors il existe une unique forme bilinéaire symétrique à laquelle Q est associée.
Cette forme bilinéaire symétrique Φ est appelée forme polaire de la forme quadratique
Φ. Elle est reliée à celle-ci par la formule de polarisation suivante :
1
∀x, y ∈ E, Φ(x, y) = [Q(x + y) − Q(x) − Q(y)].
2
Démonstration : Si Q est associée à une forme bilinéaire symétrique Φ, alors on a
En polarisant on obtient
5 5 7 7
Φ(x, y) = 3x1 y1 + 2x2 y2 − x3 y3 + x1 y2 + x2 y1 − 3x1 y3 − 3x3 y1 + x2 y3 + x3 y2 .
2 2 2 2
x41 +x42
x21 +x22
si x = (x1 , x2 ) 6= (0, 0)
Q=
0 si x = (0, 0)
alors Q est homogène de degré 2 mais elle n’est pas un polynôme en les xi .
Définition 2.2.2 Soit E un espace vectoriel de dimension finie sur IK. Soit Q une
forme quadratique sur E et soit Φ sa forme polaire. La matrice associée à Φ dans une
base B de E s’appelle aussi la matrice associée à Q dans B.
Remarque 2.2.2 Soit E un espace vectoriel de dimension finie sur IK. Soit Q une
forme quadratique sur E et soit Φ sa forme polaire. Comme Φ possède une base or-
thogonale B, alors cette base s’apelle aussi une base Q et Q s’écrit par rapport à cette
base sous la forme réduite suivante :
n
X
∀x ∈ E, Q(x) = aii x2i .
i=1
Définition 2.2.3 Le rang d’une forme quadratique est défini comme étant le rang de
sa forme polaire associée.
n
X
Démonstration : Soit B = {e1 , . . . , en } une base de E. Pour chaque x = xi ei dans
i=1
E, on a
n
X X
Q(x) = aii x2i + 2 aij xi xj .
i=1 1≤i<j≤n
n
X
Q(x) = aii x0i 2 .
i=1
c2
Si on prend λ1 = a, λ2 = b − a2
, ϕ1 (x) = x21 + ac x22 et ϕ2 (x) = x2 , alors on aura
On en déduit que u1 = e1 et u2 = − ac e1 + e2 .
Cas 1 2 (a, b) = (0, 0). Si a = 0 et b = 0, alors Q s’écrit sous la forme
c c
Q(x) = 2cx1 x2 = (x1 + x2 )2 − (x1 − x2 )2 .
2 2
Si on prend λ1 = 2c , λ2 = − 2c , ϕ1 (x) = x+
1 x2 et ϕ2 (x) = x1 − x2 , alors on aura
Donc −1
1 1 1 1 1
P = = .
1 −1 2 1 −1
Par conséquent, u1 = 12 e1 + 12 e2 et u2 = 21 e1 − 12 e2 .
Q(x) = α(x1 x2 + αβ x1 x3 + αγ x2 x3 )
= α((x1 + αγ x3 )(x2 + αβ x3 ) − βγ 2
x)
α2 3
Soit
β+γ
1 1 α
γ−β
P =
1 −1 α
.
0 0 1
Exemple 2.2.3 Soit Q : IR3 → IR la forme quadratique définie dans la base cano-
nique B = {e1 , e2 , e3 } par
Posons
X 1 = x1 + x2
X2 = x2 + 2x3
X 3 = x3
Il vient que
1 −1 2
P =
0 1 .
−2
0 0 1
On en déduit que v1 = {1, 0, 0}, v2 = {−1, 1, 0} et v3 = {2, −2, 1} qui forment une
base Q-orthogonale.
⇐: Supposons que ∀x ∈ E \{0}, Φ(x, x) > 0. Soit {u1 , . . . , un } une base orthogonale
p
de E relativement à Φ. Par hypothèse, Φ(ui , ui ) > 0 pour tout i. Soit αi = Φ(ui , ui ),
∀i, i = 1, . . . , n. Alors { α11 u1 , . . . , α1n un } est une base orthonormale de Φ.
Espaces Euclidiens
Définition 3.1.2 On appelle produit scalaire sur un espace vectoriel réel E toute forme
bilinéaire symétrique définie positive sur E.
Un IR-espace vectoriel E est dit préhilbertien s’il est muni d’un produit scalaire. Si de
plus E est de dimension finie, E est dit un espace euclidien . On notera le produit
scalaire par < x, y >.
Définition 3.1.3 Soient x et y des vecteurs d’un espace euclidien E. On dit que x et
y sont orthogonaux si < x, y >= 0.
kk : E → IR
√
x 7 → kxk = < x, x >
29
3.1. PRODUIT SCALAIRE
est appelée la norme (relative au produit scalaire < ., . >). kxk est appelé la norme ou
la longueur du vecteur x.
définit un produit scalaire sur IRn . Donc le munit d’une structure d’espace euclidien
p
dite canonique. En particulier, la norme d’un vecteur x est kxk = x21 + · · · x2n dite
norme euclidienne.
< ., . >: E × E −→ IR
R1
(P, Q) 7−→ < P, Q >:= −1
P (t)Q(t)dt
< ., . >: E × E −→ IR
(A, B) 7−→ < P, Q >:= tr(t AB)
C’est une fonction polynomiale en t de degré 2. Elle ne garde un signe constant pour
tout t que si son discrimant réduit < x, y >2 −kxk2 kyk2 ≤ 0. D’où,
Si ce discrimant est nul, alors il y a une racine double t0 qui vérifie < t0 x+y, t0 x+y >= 0
ce qui equivaut à x et y sont colinéaires.
Remarque 3.1.2 Soient x et y des vecteurs non nuls. D’après l’inégalité de Cauchy-
Schwartz on a
| < x, y > |
< 1.
kxk kyk
|<x,y>|
Par conséquent, il existe un unique θ ∈ [0, π] tel que cos θ = kxk kyk
. L’angle θ est dit
angle non orienté entre les vecteurs x et y.
Démonstration : Tout vecteur dans F ∩ F ⊥ est isotrope et donc nul. Alors F est non
isotrope. Le résultat découle maintenant du Théorème 2.1.4.
Proposition 3.2.1 Soit E un espace vectoriel euclidien. Alors E admet une base or-
thonormée.
Proposition 3.2.2 Soit {e1 , . . . , en } une base orthonormée d’un espace vectoriel eu-
clidien E. Pour tout vecteur x de E, on a
n
X n
X
2
x= < x, ei > ei et kxk = < x, ei >2 .
i=1 i=1
n
X
Démonstration : Soit x = xi ei . Alors < x, ej >= xj pour tout j, j = 1 . . . , n et
i=1
n
X
< x, x >= < x, ei >2 .
i=1
Remarques 3.2.1 i) Si {e1 , . . . , en } est une base orthonormale de E, alors pour tous
n
X
x et y de E, < x, y >= < x, ei >< y, ei >.
i=1
Posons
1 1 1 1
v1 = u1 = ( √ , √ , √ ).
ku1 k 3 3 3
Posons ensuite,
2 1 1 1 −2 1 1
v20 = u2 − < u2 , v1 > v1 = (0, 1, 1) − √ ( √ , √ , √ ) = ( √ , √ , √ ).
3 3 3 3 6 6 6
Finalement posons
1 1 1 −2 1 1 −1 1
{v1 = ( √ , √ , √ ) ; v2 = ( √ , √ , √ ) ; v3 = (0, √ , √ )}.
3 3 3 6 6 6 2 2
Exercice 3.2.1 Soit F le sous-espace vectoriel de IR3 engendré par la famille de vec-
teurs
{v1 = (1, 1, 0, 0), v2 = (1, 0, −1, 1), v3 = (0, 1, 1, 1)}.
Démonstration : i) On a
x ∈ ker ϕ∗ ⇐⇒ ϕ∗ (x) = 0
⇐⇒ < ϕ∗ (x), y >= 0, ∀y ∈ E
⇐⇒ < x, ϕ(y) >= 0, ∀y ∈ E
⇐⇒ x ∈ (Im ϕ)⊥ .
ii) Soit x ∈ Im ϕ∗ , donc x = ϕ∗ (y) avec y ∈ E. Soit z ∈ Kerϕ, alors < x, z >=<
ϕ∗ (y), z >=< y, ϕ(z) >=< y, 0 >= 0. Donc x ∈ (Ker ϕ)⊥ . Pour l’autre inclusion, soit
x ∈ (Ker ϕ)⊥ . Alors < x, y >= 0 pour tout y ∈ Ker ϕ
iii) Soit x ∈ F ⊥ . Montrons que ϕ(x)∗ ∈ F ⊥ . Soit y ∈ F , alors < ϕ∗ (x), y >=<
x, ϕ(y) >= 0 car x ∈ F ⊥ et ϕ(y) ∈ F . Par suite ϕ(x)∗ ∈ F ⊥ .
Proposition 3.3.4 Soit ϕ un endomorphisme d’un espace euclidien E. Alors les as-
sertions suivantes sont équivalentes :
i) ϕ est symétrique.
ii) ∀x, y ∈ E, < ϕ(x), y >=< x, ϕ(y) >.
iii) sa matrice dans une base orthonormée est symétrique.
Démonstration : Exrecice.
kx − yk2 = k(x1 − y) + x2 k2
= kx1 − yk2 + kx2 k2
≥ kx2 k2
= kx − PF (x)k2 .
< x − a, ej >= 0, ∀j = 1 . . . , p.
1 1
PF (x) =< x, e1 > 2
e1 + · · · + < x, ep > ep .
ke1 k kep k2
Exemple 3.4.1 Soit F la droite dirigée par le vecteur u = (1, 2) dans IR2 . Alors
1 1
PF (1, 0) =< (1, 0), (1, 2) > 2
u= u
kuk 5
1 2
PF (0, 1) =< (0, 1), (1, 2) > 2
u = u.
kuk 5
La matrice de PF dans la base canonique est
1 2
5 5
2 4
5 5
Théorème 3.4.2 Tout endomorphisme symétrique d’un espace vectoriel euclidien est
diagonalisable dans une base orthonormée (formée par ses vecteurs propres qui sont
deux à deux orthogonaux)
1
< ϕ(x), ϕ(y) > = (kϕ(x) + ϕ(y)k2 − kϕ(x)k2 − kϕ(y)k2 )
1
= (kϕ(x + y)k2 − kϕ(x)k2 − kϕ(y)k2 )
1
= (kx + yk2 − kxk2 − kyk2 )
= < x, y > .
t
< ϕ(x), ϕ(y) >=< x, y >, ∀x, y ∈ E ⇔ (AX)AY = t XY, ∀X, Y ∈ Mn,1 (IR)
t
⇔ AA = I.
Démonstration : Supposons que ϕ est orthogonal. Etant donné que ϕ est inversible,
alors il transforme toute base en une base. Soit {e1 , . . . , en } une base orthonormée. Alors
< ϕ(ei ), ϕ(ej ) >=< ei , ej >= δij . Donc {ϕ(e1 ), . . . , ϕ(en )} est une base orthonormée
de E.
Réciproquement, soit {e1 , . . . , en } une base orthonormée telle que {ϕ(e1 ), . . . , ϕ(en )}
soit une base orthonormée. Soit x ∈ E. Alors
Xn
kϕ(x)k 2
= kϕ( < x, ei > ei )k2
i=1
n
X
= k < x, ei > ϕ(ei )k2
i=1
n
X
= < x, ei >2
i=1
= kxk2 .
canonique, 14
codimension, 4
définie positive, 29
dégénérée , 17
espace dual, 3
espace euclidien, 29
forme bilinéaire , 13
forme quadratique, 21
hyperplan, 4
isotrope , 19
non-dégénérée, 17
norme, 30
orthogonale, 18
orthogonaux, 19
préhilbertien, 29
produit scalaire, 29
40