Cours d'algèbre

Premières années des classes

préparatoires aux études d'ingénieur

16 mai 2020
2
Table des matières

Préface 2
1 Espaces Vectoriels Préhilbertiens 4
1.1 Produit scalaire et normes . . . . . . . . . . . . . . . . . . . . 5
1.1.1 Orthogonalité . . . . . . . . . . . . . . . . . . . . . . . 12
1.2 Espaces vectoriels euclidiens . . . . . . . . . . . . . . . . . . . 16
1.2.1 Bases orthonormées . . . . . . . . . . . . . . . . . . . 16
1.2.2 Algorithme d'hortonormalisation de Gram-Schmidt . . 19
1.2.3 Orthogonal d'un sous espace vectoriel . . . . . . . . . . 21
1.2.4 Projecteur orthogonal- Symétrie orthogonale . . . . . 25
1.3 Automorohismes orthogonaux . . . . . . . . . . . . . . . . . . 28
1.3.1 Généralités . . . . . . . . . . . . . . . . . . . . . . . . 28

3
Chapitre 1

Espaces Vectoriels Préhilbertiens

Dans tout ce qui suit E est un R−espace vectoriel.

4
1.1 Produit scalaire et normes

Dénition 1.1.
On appelle produit scalaire sur E toute application Φ de E 2 dans R
vériant :
1. Φ est bilinéaire c'est à dire linéaire par rapport à chaque va-
riable , ou encore on a
∀x, y, z ∈ E et ∀α, β ∈ R

Φ(αx + βy, z) = αΦ(x, z) + βΦ(y, z),

et
Φ(x, αy + βz) = αΦ(x, y) + βΦ(x, z).
2. Φ est symétrique c'est à dire qu'on a pour tout x, y ∈ E ,
Φ(x, y) = Φ(y, x).

3. Φ est positive c'est à dire qu'on a pour tout x ∈ E

Φ(x, x) ≥ 0.

4. Φ est dénie c'est à dire qu'on a pour tout x ∈ E

Φ(x, x) = 0 =⇒ x = 0E .

On dit donc que Φ est une forme bilinéaire symétrique et dénie

positive et on note
Φ(x, y) =< x, y >= (x | y) = x.y.

Le couple (E, < ., . >) est appelé espace vectoriel préhilbertien et il

est appelé espace vectoriel euclidien si E est de dimension nie.

5
Exemples 1.2.
1. L'application
Φ : Rn × Rn → R
n
X
((x1 , · · · , xn ), (y1 , · · · , yn )) 7→ xi y i
i=1

est un produit scalaire appelé le produit scalaire canonique de

Rn .
2. On note E l'ensemble des fonctions continues de [a, b] dans R.
L'application
Φ : E2 → R
Z b
(f, g) 7→ f (t)g(t)dt.
a

est un produit scalaire.

3. L'application
Φ : Mn (R)2 → R
(A, B) 7→ tr(t A.B).

est un produit scalaire sur Mn (R).

4. L'espace Rn [X] muni de l'application
Φ : Rn [X]2 → R
Z 1
(P, Q) 7→ P (t).Q(t)dt.
0

est un espace vectoriel euclidien.

6
Remarque 1.3.
Soit (E, < ., . >) un espace vectoriel préhilbertien.
1. Pour tout x, y, x0 , y 0 ∈ E et α, β, α0 , β 0 ∈ R, on a
< αx + βy, α0 x0 + β 0 y 0 >= αα0 < x, x0 > +αβ 0 < x, y 0 >

+βα0 < y, x0 > +ββ 0 < y, y 0 > .

2. Pour tout x1 , · · · , xn , y1 , · · · , yn ∈ E et α1 · · · , αn , β1 , · · · βn ∈
R, on a
n
X n
X n X
X n
< αi xi , βi yi >= αi βj < xi , yj > .
i=1 i=1 i=1 j=1

3. On a de même pour tout x1 , · · · , xn , y1 , · · · , yp ∈ E et

α1 · · · , αn , β1 , · · · βp ∈ R,
n p p
n X
X X X
< αi xi , βj yj >= αi βj < xi , yj > .
i=1 j=1 i=1 j=1

4. Pour tout x ∈ E , on a
< x, 0E >=< 0E , x >= 0E .

7
Dénition 1.4.
Soit (E, < ., . >) un espace vectoriel préhilbertien.
1. L'application
k.k : E → R+
√
x 7→ kxk = < x, x >

est appelée norme euclidienne associée au produit scalaire

< ., . >.
2. L'application
d : E 2 → R+
(x, y) 7→ d(x, y) = kx − yk

est appelée distance euclidienne associée au produit scalaire

< ., . >.
3. Soit x ∈ E . On dit que x est unitaire si et seulement si kxk = 1.

Exemples 1.5.
On considère l'espace R2 muni de son produit scalaire canonique. On
se propose de chercher k(3, 1)k. On a
k(3, 1)k2 =< (3, 1), (3, 1) >= 9 + 1 = 10,
√
d'où k(3, 1)k = 10.

8
Exercice 1.6.
Soit l'application
Φ : (R2 )2 → R
   0 
0 0

2 1 x
((x, y), (x , y )) 7→ x y . .
1 2 y0

1. Montrer que Φ est un produit scalaire.

2. Déterminer k(3, 1)k.

9
Propriétés 1.7.
Soit (E, < ., . >) un espace vectoriel préhilbertien.
1. Pour tout x ∈ E , on a
kxk = 0 ⇐⇒ x = 0E .

Ceci veut dire que l'unique vecteur de norme nulle est le vec-
teur nul. Ainsi, pour montrer qu'un vecteur est égal à 0E , on
pourrait montrer que sa norme est nulle.
2. Pour tout x ∈ E et λ ∈ R , on a
kλxk =| λ | kxk.

En eet,
kλxk2 = < λx, λx >
= λ2 < x, x >
= λ2 kxk2 .

Ainsi
p √ p
kλxk = < λx, λx > = λ2 kxk2 = |λ|kxk.

3. Pour tout x, y ∈ E , on a
kx + yk2 = kxk2 + kyk2 + 2 < x, y > .

En eet,
kx + yk2 = < x + y, x + y >
= < x, x > + < x, y > + < y, x > + < y, y >
= kxk2 + kyk2 + 2 < x, y > .

4. Pour tout x, y ∈ E , on a
kx − yk2 = kxk2 + kyk2 − 2 < x, y > .

5. La somme et la diérence des deux formules précèdentes dé-

montrent les résultat suivant pour tout x, y ∈ E
10
kx+yk2 +kx−yk2 = 2(kxk2 +kyk2 ) (Egalité du parallélogramme),
et
1
< x, y >= (kx+yk2 −kx−yk2 ) (Identité de polarisation).
4
 Proposition 1.8.
Soit (E, < ., . >) un espace vectoriel préhilbertien et x, y ∈ E . On a
1.
| < x, y > | ≤ kxk.kyk (Inégalitde Cauchy-Shwartz ).

2.
kx + yk ≤ kxk + kyk (Inégalitde Triangulaire ).

Preuve.
1. Considérons d'abord le cas où x = 0. On a
< x, y >= 0 et kxk.kyk = 0.
D'où le résultat.
Dans le cas où x 6= 0, considérons λ ∈ R. On a
kλx + yk2 = < λx + y, λx + y >
= λ2 < x, x > +λ < x, y > +λ < y, x > + < y, y >
= kxk2 λ2 + 2 < x, y > λ + kyk2
On pose dans la suite
E(λ) = kxk2 λ2 + 2 < x, y > λ + kyk2 .
Comme kxk = 6 0, E(λ) est une equation de second degré en λ de signe
constant toujours positif , ainsi on a
∆ = 4 < x, y >2 −4kxk. kyk2 ≤ 0.
On donc 4 < x, y >2 ≤ 4kxk. kyk2 et par consèquent le résultat.
2. On a
kx + yk2 = kxk2 + kyk2 + 2 < x, y >
≤ kxk2 + kyk2 + 2kxk.kyk
≤ (kxk + kyk)2 ,
d'où le résultat.

11
 2

Exercice 1.9.
1. Soit x1 , · · · , xn ∈ R. Montrer que
Xn n
X
( xi )2 ≤ n x2i .
i=1 i=1

2. Soit f une fonction de classe C 1 de [a, b] dans R. Montrer que

s s
Z b Z b
2 2
|f (b) − f (a) | ≤ 2 2
f (t) dt f 0 (t)2 dt.
a a

1.1.1 Orthogonalité

Dénition 1.10.
Soit (E, < ., . >) un espace vectoriel préhilbertien, x, y ∈ E et A ⊂ E .
1. On dit que x est orthogonal à y et on note x ⊥ y si et seulement
si < x, y >= 0.
2. On dit que x est orthogonal à A et on note x ⊥ A si et seule-
ment si < x, a >= 0 pour tout a ∈ A.
3. On appelle orthogonal de A l'ensemble noté et déni par
A⊥ = {x ∈ E tel que x ⊥ a ∀a ∈ A}
= {x ∈ E tel que < x, a >= 0 ∀a ∈ A}

12
Remarque 1.11.
1. Comme < x, oE >= 0 pour tout x ∈ E , on a x ⊥ oE pour tout
x ∈ E et par conséquent

{0E }⊥ = E.

2. On montre également que

E ⊥ = {0E }.

En eet, soit x ∈ E ⊥ . On a par dénition < x, y >= 0 pour

tout y ∈ E . En prenant le cas particulier y = x on a
< x, x >= 0 = kxk.

3. Pour tout x ∈ E , on a
vect(x)⊥ = {x}⊥ .

En eet, y ∈ vect(x)⊥ donc y ⊥ αx pour tout α ∈ R et en

particulier y ⊥ x. On a ainsi la première inclusion.
Soit d'autre part y ∈ {x}⊥ . Il vient pour tout α ∈ R
< y, αx >= α < y, x >= 0,

d'où le résultat.
4. Soit A ⊂ E . On a
A ∩ A⊥ ⊆ {0E }.
En eet, soit x ∈ A∩A⊥ . On a x ∈ A⊥ c'est à dire < x, a >= 0
pour tout a ∈ A. En prenant le cas particulier x = a on a
< x, x >= 0 ⇒ x = oE ,

et donc A ∩ A⊥ ⊆ {0E }.
Pour expliquer le fait qu'on n'a pas nécéssairement une éga-
lité, il sut de remarquer que 0E n'est pas necéssairement un
élément de A.
5. Soit deux parties A et B de E . On dit que A est orthogonal à
B et on note A ⊥ B si et seulement si
13
A ⊂ B ⊥ et B ⊂ A⊥ .
 Dénition 1.12.
Soit (E, < ., . >) un espace vectoriel préhilbertien et
F = {x1 , · · · , xn } une famille d'éléments de E .
1. F est dite une famille orthogonale si et seulement si
< xi , xj >= 0 ∀1 ≤ i 6= j ≤ n.

2. F est dite une famille orthonormée si et seulement si F est

une famille orthogonale de vecteurs unitaires.

Remarque 1.13.
1. F est une famille orthonormée si et seulement si on a pour
tout 1 ≤ i, j ≤ n
< xi , xj > = 0 si i 6= j
= kxi k2 = 1 si i = j

En d'autres termes, on a
< xi , xj >= δij = 0 si i 6= j
= 1 si i = j

2. On remarque que les vecteurs d'une famille orthonomée sont

nécéssairement non nuls.

Proposition 1.14.
Soit (E, < ., . >) un espace vectoriel préhilbertien . Toute famille
orthogonale de vecteurs non nuls est libre.

Preuve. Soit F = {x1 , · · · , xn } une famille orthogonale de vecteurs non

14
nuls de E et soit α1 , · · · , αn ∈ R vériant

n
X
αi xi = 0.
i=1

Pour tout 1 ≤ k ≤ n, on a

n
X
< αi xi , xk >= 0.
i=1

Or
n
X n
X
< αi xi , xk >= αi < xi , xk >= αk < xk , xk >,
i=1 i=1

car < xi , xk >= 0 pour tout i 6= k. Ainsi on a

αk kxk k2 = 0 ⇒ αk = 0,

car kxk k =
6 0 étant donné que xk est non nul. 2

Remarque 1.15.
1. Toute famille orthonormée de E est libre.
2. On suppose que E est un espace euclidien de dimension n.
On a
(a) Toute famille orthonormée de cardinal n de E est une base
de E .
(b) Toute famille orthogonale de vecteurs non nuls et de car-
dinal n de E est une base de E .

15
 Proposition 1.16.
Théorème de Pythagore
Soit (E, < ., . >) un espace vectoriel préhilbertien et
F = {x1 , · · · , xn } une famille orthogonale de E . On a
n
X n
X
2
k xi k = kxi k2 .
i=1 i=1

On a en particulier pour tout x et y deux éléments orthogonaux de

E
kx + yk2 = kxk2 + kyk2 .

Preuve. Il résulte du fait que F est une famille orthogonale que

< xi , xj >= 0 pour tout 1 ≤ i 6= j ≤ n. Ainsi on a
n
X n
X n
X
2
k xi k = < xi , xi >
i=1 i=1 i=1
n X
X n
= < xi , xj >
i=1 j=1
Xn n
X
= < xi , xi >= kxi k2
i=1 i=1

1.2 Espaces vectoriels euclidiens

1.2.1 Bases orthonormées

Dénition 1.17.
Soit E est un espace vectoriel euclidien. On appelle base orthonomée
de E toute base de E qui est orthonormée.

16
 Remarque 1.18.
1. La base canonique est une base orthonormée pour le produit
scalaire canonique de Rn .
2. La base canonique de Rn [X] n'est pas
R 1 une base orthonormée
pour le produit scalaire < P, Q >= 0 P (t).Q(t)dt.

Proposition 1.19.
Soit E est un espace vectoriel euclidien muni d'une base orthonormée
B = {e1 , · · · , en }.
1. Soit x ∈ E . Les coordonnées de x dans la base B sont les
< x, ei > pour tout 1 ≤ i ≤ n c'est à dire
n
X
x= < x, ei > ei .
i=1

2. Soit x, y ∈ E tel que x = xi ei et y = yi ei . On a

Pn Pn
i=1 i=1

n
X
< x, y >= xi .yi .
i=1

Preuve.
1. Soit x ∈ E tel que x = xi ei et soit 1 ≤ j ≤ n. On a
Pn
i=1

n
X
< x, ej > = < xi ei , ej >
i=1
n
X
= xi < ei , ej >
i=1
= xj < ej , ej >= xj kej k2 = xj

17
2.
n
X n
X
< x, y > = < xi ei , yi ei >
i=1 i=1
n X
X n
= xi yj < ei , ej >
i=1 j=1
n
X n
X
= xi yi < ei , ei >= xi .yi
i=1 i=1

Remarque 1.20.
Soit E est un espace vectoriel euclidien muni d'une P
base orthonormée
Pn= {e1 , · · · , en } et soit x, y ∈ E tel que x = i=1 xi ei et y =
n
B
i=1 yi ei . On note
   
x1 y1
.. ..

.  
. 
X = M atB (x) =  .. Y = M atB (y) =  .. .
   
. .

   
xn yn

On remarque facilement que

t
< x, y > =X.Y
v
u n
uX
kxk = t x2i
i=1
v
u n
uX
d(x, y = t (xi − yi )2
i=1

18
1.2.2 Algorithme d'hortonormalisation de Gram-Schmidt

Proposition 1.21.
Soit (E, < ., . >) un espace vectoriel préhilbertien. Pour toute fa-
mille libre {e1 , · · · , ek } de E on peut trouver une famille orthonormée
{v1 , · · · , vk } tel que

vect(e1 , · · · , ek ) = vect(v1 , · · · , vk ).

Pour trouver la famille {v1 , · · · , vk }, on commence par construire de

1 à k la famille {u1 , · · · , uk } vériant
p−1
X < ep , ui >
up = ep − 2
ui ∀1 ≤ p ≤ k.
i=1
ku i k

On a à la n up
vp = ∀1 ≤ p ≤ k.
kup k

Preuve. Soit {e1 , · · · , ek } une famille libre de E

1. On pose u1 = e1 . On a u1 6= 0E car e1 est un élément d'une famille
libre
2. On pose u2 = e2 + αu1 tel que
< u2 , u1 >= 0.
On a u2 6= 0E car c'est une combinaison linéaire de vecteurs libres à
coecients non tous nuls. Il est clair également que
vect(e1 , e2 ) = vect(u1 , u2 ).
On a donc
< u2 , u1 > = < e2 + αu1 , u1 >= 0
= < e2 , u1 > +α < u1 , u1 >= 0
Ainsi < e2 , u1 >
α=− .
ku1 k2

19
3. On pose u3 = e3 + βu2 + γu1 tel que
< u3 , u1 >= 0 et < u3 , u2 >= 0.
On a u3 6= 0E car c'est une combinaison linéaire de vecteurs libres à
coecients non tous nuls. Il est clair également que
vect(e1 , e2 , e3 ) = vect(u1 , u2 , u3 ).
On a donc
< u3 , u1 > = < e3 + βu2 + γu1 , u1 >= 0
= < e3 , u1 > +β < u2 , u1 > +γ < u1 , u1 >= 0
= < e3 , u1 > +γ < u1 , u1 >= 0
et
< u3 , u2 > = < e3 + βu2 + γu1 , u2 >= 0
= < e3 , u2 > +β < u2 , u2 > +γ < u1 , u2 >= 0
= < e3 , u2 > +β < u2 , u2 >= 0
Ainsi < e3 , u1 > < e ,u >
γ=− 2
et β = − 3 22 .
ku1 k ku2 k
4. On continue ce procédé jusqu'à l'orde p. Soit donc 1 ≤ p ≤ k − 1. On
pose
p
X
up+1 = ep+1 + αi ui
i=1
tel que
< up+1 , ui >= 0 pour tout 1 ≤ i ≤ p.
Il est clair que up+1 6= 0E et
vect(e1 , · · · ep+1 ) = vect(u1 , · · · , up+1 ).
Soit 1 ≤ j ≤ p. On a
p
X
< up+1 , uj > = < ep+1 + αi ui , uj >= 0
i=1
p
X
= < ep+1 , uj > + αi < ui , uj >= 0
i=1
= < ep+1 , uj > +αj < uj , uj >= 0

20
 Ainsi < ep+1 , uj >
αj = − .
kuj k2
Posons dans la suite vj = uj
kuj k
. On a {v1 , · · · , vk } est une famille
orthonormée vériant
vect(e1 , · · · , ek ) = vect(v1 , · · · , vk ).

2
On a ainsi le résultat suivant
Corolaire 1.22.
1. Tout espace vectoriel euclidien posséde une base orthonormée.
2. Soit E un espace vectoriel euclidien. Toute famille orthonor-
mée de E peut être complétée en une base orthonormée de
E.

Exercice 1.23.
Soit R3 l'espace vectoriel euclidien muni de son produit scalaire ca-
nonique. On pose
F = {(x, y, z) ∈ R3 tel que z = 2x + y}.

Trouver une base orthonormée de F .

1.2.3 Orthogonal d'un sous espace vectoriel

Propriétés
Soit (E, < ., . >) un espace vectoriel préhilbertien, A ⊂ E , x et y deux
éléments de E et F un sous espace vectoriel de E . On a
1. A⊥ est un sous espace vectoriel de E .
2. A⊥ = vect(A)⊥ et A ⊆ (A⊥ )⊥ .

21
 3. Pour montrer que < x > est orthogonal à < y >, il sut de montrer
que < x, y >= 0.
4. Soit F = vect(e1 , · · · , ek ). Pour montrer que x est orthogonal à F , il
sut de montrer que x ⊥ ei pour tout 1 ≤ i ≤ k.
5. Pour tout F un sous espace vectoriel de E , F ∩ F ⊥ = {0E }. On donc
F et F ⊥ sont en somme directe c'est à dire que

F + F ⊥ = F ⊕ F ⊥.

Proposition 1.24.
Soit (E, < ., . >) un espace vectoriel préhilbertien et F un sous
espace vectoriel de E de dimension nie et de base orthonormée
B = {e1 , · · · , ek }. On a
1. F ⊥ est l'unique supplémentaire orthogonal de F .
2. (F ⊥ )⊥ = F .

Preuve.
1. Montrons d'abord le fait que E = F ⊕ F ⊥ et procèdons par analyse
synthèse.
Analyse. Soit x un élément de E . Cherchons x1 vériant

x = x1 + x − x1 tel que x1 ∈ F et x − x1 ∈ F ⊥ .

Comme x1 ∈ F et B est une base orthonormée de F , on a

k
X
x1 = < x1 , ei > ei .
i=1

D'autre part, on a

x − x1 ∈ F ⊥ ⇐⇒ x − x1 ⊥ ej ∀1 ≤ j ≤ k.

22
On a donc pour tout 1 ≤ j ≤ k
k
X
< x − x1 , ej > = 0 =< x − < x1 , ei > ei , ej >
i=1
k
X
= < x, ej > − < x1 , ei >< ei , ej >= 0
i=1
= < x, ej > − < x1 , ej >= 0

Il vient donc que < x, ej >=< x1 , ej > pour tout 1 ≤ j ≤ k et par

consèquent
k
X
x1 = < x, ei > ei .
i=1

synthèse. Soit x un élément de E . On pose

k
X
x1 = < x, ei > ei .
i=1

On a x1 ∈ F et x = x1 +x−x1 . Montrons maintenant que x1 ⊥ x−x1 .

On a
k
X k
X
< x1 , x − x1 > = < < x, ei > ei , x − < x, ei > ei >
i=1 i=1
Xk k
X k
X
= < < x, ei > ei , x > − < < x, ei > ei , < x, ei > ei >
i=1 i=1 i=1
k
X k
XX k
= < x, ei >< ei , x > − < x, ei >< x, ej >< ei , ej >
i=1 i=1 j=1
k
X k
X
= < x, ei >2 − < x, ei >2 = 0
i=1 i=1

car {e1 , · · · , ek } est une famille orthonormée. Il vient donc que x−x1 ∈
F ⊥.
Pour montrer L'unicité de F ⊥ en tant que supplémentaire orthogo-
nal de F , considèrons un autre supplémentaire orthogonal de F qu'on

23
 notera F 0 et montrons que F 0 = F ⊥ . Il est clair que F 0 ⊆ F ⊥ . Consi-
dèrons maintenant x dans F ⊥ , on a
x∈E et E = F ⊕ F 0.
Il vient que x = f + f 0 où f ∈ F et f 0 ∈ F 0 . Comme x ∈ F ⊥ , on a
< x, f > = 0
= < f, f > + < f 0 , f >
= < f, f >= 0
On a donc kf k2 = 0 et donc f = 0E . Il en suit que x = f 0 ∈ F 0 et
donc F ⊥ ⊆ F 0 d'où le résultat.
2. Soit x ∈ F et soit y ∈ F ⊥ . On a
< x, y >= 0 =⇒ x ⊥ y =⇒ x ∈ (F ⊥ )⊥ .
Considérons inversement un x dans (F ⊥ )⊥ . On a
x∈E et E = F ⊕ F ⊥.
Et donc x = f + f 0 où f ∈ F et f 0 ∈ F ⊥ . Comme x ∈ (F ⊥ )⊥ , on a
< x, f 0 > = 0
= < f, f 0 > + < f 0 , f 0 >
= < f 0 , f 0 >= 0
On a donc kf 0 k2 = 0 et donc f 0 = 0E . Il en suit que x = f ∈ F et
donc (F ⊥ )⊥ ⊆ F d'où le résultat.

Remarque 1.25.
1. Le résultat précédent est vrai à condition que F soit de di-
mension nie. On note que l'espace E peut être de dimension
quelconque.
2. Si E est euclidien, on a
dim E = dim F + dim F ⊥ .

24
 Dénition 1.26.
Soit E un espace vectoriel euclidien et H un hyperplan de E . H ⊥
est une droite vectorielle engendrée par un vecteur →
−
n appelé vecteur
normal de H .

Exemple 1.27.
On considère dans l'espace vectoriel eucliien R3 muni d'une base or-
thonormée le plan P d'equation 3x + 2y + z = 0.
P est un hyperplan de vecteur normal (3, 2, 1).

1.2.4 Projecteur orthogonal- Symétrie orthogonale

Dénition 1.28.
Soit (E, < ., . >) un espace vectoriel préhilbertien et F un sous espace
vectoriel de E de dimension nie.
1. On appelle projecteur orthogonal sur F le projecteur sur F
parallèlement à F ⊥ .
2. On appelle symétrie orthogonale sur F la symétrie sur F pa-
rallèlement à F ⊥ .

25
 Remarque 1.29.
Comme F est de dimension nie on a E = F ⊕ F ⊥ . Il vient donc que
tout x de E s'écrit x = x1 + x02 où x1 ∈ F et x2 ∈ F ⊥ .
On note dans la suite pF le projecteur orthogonal sur F et sF la
symétrie orthogonale sur F . On rappelle que
pF (x) = x1
pF ◦ pF = pF
ImpF = F
ker pF = F⊥

et
sF (x) = x1 − x2
sF ◦ sF = IdE
F = ker(sF − IdE )
F⊥ = ker(sF + IdE )

Proposition 1.30.
Soit (E, < ., . >) un espace vectoriel préhilbertien et F un sous
espace vectoriel de E de dimension nie et de base orthonormée
B = {e1 , · · · , ek }. Soit pF le projecteur orthogonal sur F et soit x ∈ E .
On a
k
X
pF (x) = < x, ei > ei .
i=1

Preuve. Comme pF (x) ∈ F et B est une base orthonormée de F , on a

k
X
pF (x) = < pF (x), ei > ei .
i=1

26
Soit d'autre part 1 ≤ i ≤ k, on a

< x, ei > = < pF (x) + x − pF (x), ei >

= < pF (x), ei > + < x − pF (x), ei >
= < pF (x), ei >,

car pF (x−pF (x)) = pF (x)−pF (pF (x)) = 0E et donc x−pF (x) ∈ ker pF = F ⊥ .
2

Exercice 1.31.
1. Soit (E, < ., . >) un espace vectoriel préhilbertien et a un
élément de E . On note p la projection orthogonale sur < a >.
Soit x ∈ E . Déterminer p(x) en fonction de x et a.
2. Soit (E, < ., . >) un espace vectoriel euclidien et H un hy-
perplan de E de vecteur normal → −
n . On note p la projection
orthogonale sur H .
Soit x ∈ E . Déterminer p(x) en fonction de x et →
−n.

Dénition 1.32.
Soit (E, < ., . >) un espace vectoriel préhilbertien et A ⊆ E et x un
élément de E . On appelle diatance de x à A le réel noté et déni par
d(x, A) = inf d(x, y).
y∈A

Proposition 1.33.
Soit (E, < ., . >) un espace vectoriel préhilbertien et F un sous espace
vectoriel de E de dimension nie et x ∈ E . On a
d(x, F ) = kx − pF (x)k.

27
Preuve. On a
d(x, F ) = inf d(x, y) = inf kx − yk.
y∈F y∈F

Or
kx − yk2 = kx − pF (x) + pF (x) − yk2
= kx − pF (x)k2 + kpF (x) − yk2 + 2 < x − pF (x), pF (x) − y >
D'un autre côté, on a déjà montré que x − pF (x) ∈ ker pF = F ⊥ . Comme
pF (x) − y est dans F , on a
< x − pF (x), pF (x) − y >= 0.
Il vient que
kx − yk2 = kx − pF (x)k2 + kpF (x) − yk2 .
Ainsi et comme l'inf de tous les y dans F est atteint pour y = pF (x), on a
inf kx − yk2 = kx − pF (x)k2 .
y∈F

Dénition 1.34.
Soit E un espace vectoriel euclidien. On appelle reexion de E toute
symétrie orthogonale par rapport à un hyperplan de E .

1.3 Automorohismes orthogonaux

Dans tout ce qui suit E est un espace vectoriel euclidien.

1.3.1 Généralités

Dénition 1.35.
Soit f ∈ L(E). f est dit endomorphisme orthogonal si et seulement
si f conserve la norme.
On note O(E) l ensemble des endomorphismes orthogonaux de E

28
 Proposition 1.36.
Soit f ∈ L(E). f est orthogonal si et seulement si f conserve le
produit scalaire c est à dire ∀x, y ∈ E
< f (x), f (y) >=< x, y > .

Preuve. Soit f ∈ O(E) et soit x et y dans E . On a

kx + yk2 = kxk2 + kyk2 + 2 < x, y > .

D'autre part

kx + yk2 = kf (x + y)k2 = kf (x) + f (y)k2

= kf (x)k2 + kf (y)k2 + 2 < f (x), f (y) >
= kxk2 + kyk2 + 2 < f (x), f (y) >

d'où

< f (x), f (y) >=< x, y > .

Soit inversement un élément x dans E . On a

kf (x)k2 = < f (x), f (x) >

= < x, x >= kxk2

29
Remarque 1.37.
1. Tout endomorphisme orthogonal est bijectif. En eet, soit x ∈
ker f . On a

f (x) = 0 =⇒ kf (x)k = 0 =⇒ kxk = 0 =⇒ x = 0E .

f est donc injectif de E dans E en dimension nie . Par suite

f est bijectif.
On parle en général d'automorphisme vectoriel ou d'isométrie
vectorielle.
2. L'ensemble O(E) muni de la loi ◦ est un groupe appelé groupe
orthogonal. En eet, idE est orthogonal. Soit en plus f et g
dans O(E), on a
kf og(x)k = kg(x)k = kxk.

D'autre part f est orthogonal et bijectif, d'où

kf (f −1 (x))k = kf −1 (x)k et kf (f −1 (x))k = kxk.

Par suite kf −1 (x)k = kxk ce qui implique que f −1 est ortho-

gonal. Ce qu'il faut démontrer.
3. Un projecteur orthogonal diérent de l'identité n'est pas un
endomorphisme orthogonal ( puisqu'il n'est pas bijectif étant
donné que ker p = F ⊥ 6= {0E })
4. Toute symétrie orthogonale est un endomorphisme orthogonal.
En eet, soit x ∈ E = F ⊕ F ⊥ , donc
x = x1 + x2 tel que x1 ∈ F et x2 ∈ F ⊥ .

On
kxk2 = kx1 + x2 k2
= kx1 k2 + kx2 k2 + 2 < x1 , x2 >
= kx1 k2 + kx2 k2

et
ks(x)k2 = kx1 x2 k2
= kx1 k30
2
+ kx2 k2 − 2 < x1 , x2 >
= kx1 k2 + kx2 k2

s conserve donc la norme et elle est donc un automorphisme

orthogonal.
 Exercice 1.38.
Montrer que toute symétrie qui est un endomorphisme orthogonal est
une symétrie orthogonale.

Proposition 1.39.
Soit f ∈ L(E). f est un automorphisme orthogonal si et seulement
si f transforme toute base orthoormée en une base orthonormée.

Preuve. Soit f un automorphisme orthogonal et B = (e1 , · · · , en ) une base

orthoormée de E . orthonormée. Il est clair que f (B) est une base puisque f
est bijectif. On a d'autre part
< f (ei ), f (ej ) >=< ei , ej >= δij ,
où
δij = 1 si i = j
= 0 sinon .
Ainsi f (B) est une base orthoormée de E .
Soit inversement une base B = (eP 1 , · · · , en ) orthoormée de E P
tel que f (B)
est une base orthoormée. Soit x = i=1 xi ei ∈ E . On a f (x) = ni=1 xi f (ei ),
n

et comme f (B) est une base orthoormée , il vient que

n
X
2
kf (x)k = x2i = kxk2 .
i=1

D'où f est orthogonal. 2

1.3.2 Matrices orthogonales

Une matrice M de Mn (R) est dite orthogonale si et seulement si

M.t M =t M.M = In .
On note On (R) l'ensemble des matrices orthogonales de Mn (R).

31
 Remarque 1.40.
1. Il est clair que si M est orthogonale alors M est inversible et
M −1 =t M
2. Si M est orthogonale alors t M l'est aussi.
3. On montre facilement que On (R) est un groupe pour la mul-
tiplication des matrices appelé groupe orthogonal d'ordre n.

Proposition 1.41.
Soit M ∈ Mn (R). M est orthogonale si et seulement si les colonnes
de M forment une base orthonormée de Rn pour le produit scalaire
canonique.

Preuve. On pose In = (aij )1≤i,j≤n où

aij = 1 si i = j
= 0 sinon .

On note C1 , · · · , Cn les n colonnes de M e on considère 1 ≤ i, j ≤ n. On a

M ∈ On (R) ⇐⇒t M.M = In ⇐⇒t Ci .Cj = aij .

Comme t Ci .Cj =< Ci , Cj >, il vient que M est orthogonale est équivalent à

< Ci , Cj > = 1 si i = j
= 0 sinon .

ce qui donne que (C1 , · · · , Cn ) est une base orthonormée de Rn pour le produit
scalaire canonique. 2

32
 Exemple 1.42.
Soit
√1 0 √1
 
2 2
A= − √12 0 √1
2

0 1 0
On a < C1 , C2 >=< C1 , C3 >=< C2 , C3 >= 0 et kC1 k2 = kC2 k2 =
kC3 k2 = 1. Ainsi (C1 , C2 , C3 ) est une base orthonormée de R3 pour
le produit scalaire canonique et donc A est une matrice orthogonale.

Proposition 1.43.
Soit B = (e1 , · · · , en ) une base orthoormée de E et f ∈ L(E). f est
un automorphisme orthogonal si et seulement si
M = M atB (f ) ∈ On (R).

Preuve. On note C1 , · · · , Cn les vecteurs colonnes de la matrice M . Comme

B est orthonormé , on a

< Ci , Cj >=t Ci .Cj =< f (ei ), f (ej ) > .

Supposons que f est orthogonal. On a donc f (B) est orthonormé et par

conséquent
< f (ei ), f (ej ) >=< Ci , Cj >= δij ,

où

δij = 1 si i = j
= 0 sinon .

M est donc matrice orthogonale.

La réciproque est immédiate de la même façon. 2

33
Remarque 1.44.
1. Soit B une base orthoormée de E . L'application
Φ : O(E) → On (R)
f 7→ M atB (f )

est bijective.
2. On rappelle que
M atB (f ◦ g) = M atB (f ).M atB (g) ∀f, g ∈ L(E).

On dit que Φ est un isomorphisme de groupes.

34