Chapitre 1

Espaces euclidiens

On va généraliser ici la notion d’orthogonalité connue pour les vecteurs du plan ou de l’espace.

1.1 Formes bilinéaires

Dans ce paragraphe, K désigne R ou C.

1.1.1 Définitions
Définition 1.1.1. Soit E un K-espace vectoriel. On appelle forme bilinéaire sur E toute application f : E ×
E → K vérifiant les propriétés suivantes :
(i) Pour tout a ∈ E, l’application E → K, y → f (a, y) est linéaire, i.e.,

∀ (u, v) ∈ E × E, ∀ λ ∈ K, f (a, u + λv) = f (a, u) + λf (a, v).

(ii) Pour tout b ∈ E, l’application E → K, x → f (x, b) est linéaire. i.e.,

∀ (x, y) ∈ E × E, ∀ α ∈ K, f (x + αy, b) = f (x, b) + αf (v, b).

Autrement dit, pour tous a ∈ E et b ∈ E, les applications y 7→ f (a, y) et x 7→ f (x, b) sont des formes linéaires,
d’où le terme « forme ».

Soit f une application de E × E dans K. Compte tenu des définitions, dire que f est bilinéaire signifie que
pour tous α, β, λ, µ ∈ K et tous x, y, u, v ∈ E,

f (αx + βy, λu + µv) = αλf (x, u) + αµf (x, v) + βλf (y, u) + βµf (y, v)

Exemples.
1) Soit E le R-espace vectoriel des applications continues de [0, 1] dans R. L’application
Z 1
f : E × E → R , (u, v) → u(t)v(t) dt
0

est une forme bilinéaire sur E.

5
 1.2. PRODUIT SCALAIRE

2) Supposons E = Kn , et soit p ∈ {1, . . . , n}. Si x = (x1 , . . . , xn ) et y = (y1 , . . . , yn ) sont des vecteurs de E,

posons :
f (x, y) = x1 y1 + · · · + xp yp .

On obtient ainsi une forme bilinéaire sur E.

3) On suppose E = Mn (R) et on pose :

∀ (A, B) ∈ Mn (E), f (A, B) = Tr (AB).

Alors f est une forme bilinéaire sur E.

 Exercice 1. Vérifier dans chacun des exemples ci-dessus que f est en effet une forme bilinéaire.

1.1.2 Interprétation matricielle

Supposons que E soit de dimension finie n > 0. Soient E = (e1 , . . . , en ) une base de E et f une forme bilinéaire
sur E. Pour 1 6 i, j 6 n, posons aij = f (ei , ej ), et soit A = (aij )16i,j6n ∈ Mn (K),
 
f (e1 , e1 ) · · · f (e1 , en )
 .. .. 
A=  . .
.

f (en , e1 ) · · · f (en , en )

On dit que A est la matrice de f dans la base E, et on écrit A = Mat(f ; E).

B Attention : on écrit Mat(f ; E) bien que f ne soit pas une application linéaire. Il s’agit seulement d’une
notation.
Soient x = x1 e1 + · · · + xn en et y = y1 e1 + · · · + yn en des vecteurs de E. Notons X et Y les matrices de x et y
dans la base E :    
x1 y1
 .  .
X= .  et Y =  .
 .   . .
xn yn
Compte tenu de la définition 1.1.1, il vient :
Xn
f (x, y) = aij xi yj = tXAY.
i,j=1

Définition 1.1.2. La forme f est dite symétrique si l’on a f (x, y) = f (y, x) pour tous x, y ∈ E. D’après ce
qui précède, f est symétrique si et seulement si la matrice A est symétrique, i.e., A = tA.

 Exercice 2. Vérifier les assertions précédentes.

1.2 Produit scalaire

On suppose désormais que K = R.

Définition 1.2.1. Soient E un R-espace vectoriel et f une forme bilinéaire.

(i) On dit que f est positive (resp. négative) si f (x, x) > 0 (resp. f (x, x) 6 0) pour tout x ∈ E.

6
 CHAPITRE 1. ESPACES EUCLIDIENS

(ii) On dit que f est définie positive (resp. définie négative) si elle est positive (resp. négative) et si
f (x, x) = 0 si et seulement si x est nul.

 Exercice 3. Reprendre les exemples de l’exercice 1 avec K = R. Quels sont ceux pour lesquels f est positive ?
définie positive ?

Définition 1.2.2. Soit E un R-espace vectoriel. On appelle produit scalaire (euclidien) sur E toute forme
bilinéaire sur E qui est symétrique et définie positive. Un R-espace vectoriel de dimension finie muni d’un
produit scalaire est appelé un espace (vectoriel) euclidien.

Euclide (en grec ancien E ύκλείδης / Eukleidês), né vers -325, mort vers -265 à Alexandrie, est un mathématicien de
la Grèce antique, auteur des « Éléments », qui sont considérés comme l’un des textes fondateurs des mathématiques.

 Exercice 4. Reprendre les exemples de l’exercices 1 avec K = R. Quels sont ceux pour lesquels f est un
produit scalaire ?

Remarque. Un R-espace vectoriel de dimension finie possède toujours au moins un produit scalaire mais il en
a en général plusieurs !
Exemple fondamental. Dans Rn , l’exemple 2) de l’exercices 1 avec K = R est un produit scalaire sur Rn
appelé le produit scalaire canonique. Cet exemple sera crucial dans le cours et nous commencerons bon
nombre d’exercices par : « On munit Rn de son produit scalaire canonique. . . » ou « Soit E = Rn muni de son
produit scalaire canonique. . . », etc.
L’espace vectoriel Rn a d’autres produits scalaires : considérons une base quelconque E = (e1 , . . . , en ) de E et
posons, pour x = λ1 e1 + · · · + λn en et y = µ1 e1 + · · · + µn en ,

f (x, y) = λ1 µ1 + · · · + λn µn .

On vérifie que f est un produit scalaire sur Rn , en général différent du produit scalaire canonique.

1.3 Premières propriétés

Désormais, E désigne un espace vectoriel euclidien ; en particulier, E est un R-espace vectoriel de dimension
finie. Si x, y ∈ E, on note (x | y) le produit scalaire de x et y. L’application

E × E → R , (x, y) → (x | y)

est donc une forme bilinéaire symétrique et définie positive sur E. On a (x | x) > 0 pour tout x ∈ E. On peut
donc considérer :
p
kxk = (x|x).

Proposition 1.3.1. Soient x, y ∈ E et λ ∈ R. Alors :

(i) kλxk = |λ| kxk ;
(ii) kx + yk2 = kxk2 + 2(x | y) + kyk2 ;
(iii) |(x | y)| 6 kxk.kyk (inégalité de Cauchy-Schwarz) ;
(iv) kx + yk 6 kxk + kyk (inégalité triangulaire) ;
(v) |kxk − kyk| 6 kx − yk ;
(vi) 2kxk2 + 2kyk2 = kx + yk2 + kx − yk2 (identité de la médiane).

7
 1.3. PREMIÈRES PROPRIÉTÉS

Augustin Louis, baron Cauchy, né à Paris le 21 août 1789 et mort à Sceaux (Hauts-de-Seine) le 23 mai 1857, est
un mathématicien français, membre de l’Académie des sciences et professeur à l’École polytechnique.

Hermann Amandus Schwarz, né le 25 janvier 1843 à Hermsdorf, en Silésie (aujourd’hui la ville de Jerzmanowa
en Pologne) et mort le 30 novembre 1921 à Berlin est un mathématicien allemand. Ses travaux sont marqués par
une forte interaction entre l’analyse et la géométrie.

 Exercice 5. ? Démontrer cette proposition.

Théorème 1.3.2. L’application x → kxk vérifie pour tout scalaire λ et tous vecteurs x, y de E les propriétés
suivantes :
(i) kxk > 0 (positivité) ;
(ii) kλxk = |λ|kxk (homogénéité) ;
(iii) kxk = 0 si et seulement x = 0 (caractère « définie ») ;
(iv) kx + yk 6 kxk + kyk (inégalité triangulaire).
On dit que l’application x → kxk est une norme sur E.

Remarques. 1) On dit que x ∈ E est unitaire si kxk = 1.

2) Il existe des normes sur E qui ne sont pas issues d’un produit scalaire mais cela dépasse un peu le pro-
gramme. . .

 Exercice 6. Démontrer ce théorème.

Définition 1.3.3. Soit E un espace euclidien.

(i) On dit que des vecteurs x, y de E sont orthogonaux si (x | y) = 0 (ce qui équivaut à (y | x) = 0).
(ii) Deux parties non vides A, B de E sont dites orthogonales si, pour tout x ∈ A et tout y ∈ B, x et y
sont orthogonaux.

Proposition 1.3.4. Soit A une partie non vide de E. L’ensemble des vecteurs de E qui sont orthogonaux à
tous les vecteurs de A est un sous-espace vectoriel de E, noté A⊥ , et appelé l’orthogonal de A (dans E).

 Exercice 7. 1) Démontrer cette proposition.

2) Quel est l’orthogonal de E dans E ? l’orthogonal de {0E } dans E ?

Exercice 1. Soit ϕ : Mn (R) × Mn (R) → R l’application définie par :

∀ (A, B) ∈ Mn (R) × Mn (R), ϕ(A, B) = Tr (tAB).

1) Montrer que ϕ définit un produit scalaire sur Mn (R).

2) On note Dn (R) (resp. Symn (R), Antn (R)) l’ensemble des matrices diagonales (resp. symétriques, antisymé-
triques) de Mn (R). Déterminer Dn (R)⊥ , Symn (R)⊥ et Antn (R)⊥ .

Définition 1.3.5. Soit X = (x1 , . . . , xp ) une famille de vecteurs d’un espace vectoriel euclidien E.
(i) On dit que X est orthogonale si (xi | xj ) = 0 pour tous i, j ∈ {1, . . . , p} tels que i 6= j.
(ii) On dit que X est orthonormée ou orthonormale si elle est orthogonale et si tous les vecteurs xi sont
unitaires (i.e., ∀ i ∈ {1, . . . , p}, kxi k = 1).

8
 CHAPITRE 1. ESPACES EUCLIDIENS

Théorème 1.3.6 (Théorème de Pythagore). Soit X = (x1 , . . . , xp ) une famille de vecteurs d’un espace vectoriel
euclidien E.
(i) On suppose que la famille X est orthogonale. On a :
p 2 p
kxk k2 .
P P
xk =
k=1 k=1

(ii) Si la famille X est orthogonale et si xk 6= 0 pour tout k ∈ {1, . . . , p}, alors X est libre. En particulier, si
X est orthonormée, alors X est libre.

Pythagore (en grec ancien Πυθαγóρας / Pythagóras) est un philosophe, mathématicien et scientifique présocratique
qui serait né aux environs de 580 av. J.-C. à Samos, une île de la mer Égée au Sud-Est de la ville d’Athènes ; on
établit sa mort vers 495 av. J.-C., à l’âge de 85 ans.

 Exercice 8. Démontrer ce théorème.

1.4 Bases orthonormées

1.4.1 Le procédé d’orthogonalisation de Gram-Schmidt et ses conséquences
Jørgen Pedersen Gram est un mathématicien danois né le 27 juin 1850 à Nustrup (près de Haderslev) et mort le
29 avril 1916 à Copenhague.
Erhard Schmidt (13 janvier 1876 - 6 décembre 1959) était un mathématicien allemand né à Dorpat, en Allemagne
(aujourd’hui Tartu, en Estonie).

Théorème 1.4.1 (procédé d’orthogonalisation de Gram-Schmidt). Soient E un espace vectoriel euclidien de

dimension finie n > 0 et E = (e1 , . . . , en ) une base de E. Il existe une base F = (f1 , . . . , fn ) de E possédant les
propriétés suivantes :
(i) F est une famille orthonormée, i.e., (fi | fj ) = pour tout i 6= j et kfi k = 1 pour tout i ;
(ii) Pour 1 6 j 6 n, on a Vect(f1 , . . . , fj ) = Vect(e1 , . . . , ej ).
De plus, on construit les vecteurs f1 , . . . , fn par récurrence, selon un procédé appelé le procédé d’orthogona-
lisation de Gram-Schmidt, comme suit :
1) On pose
e1
f1 = .
ke1 k
2) On suppose avoir construit une famille orthonormée (f1 , . . . , fj ) pour un certain j ∈ {1, . . . , n − 1} telle
que Vect(f1 , . . . , fk ) = Vect(e1 , . . . , ek ) pour tout k 6 j. On définit alors fj+1 par :
j
P
ej+1 − (ej+1 | fk )fk
k=1
fj+1 = j
.
P
kej+1 − (ej+1 | fk )fk k
k=1

 Exercice 9. Démontrer ce théorème et illustrer la construction par une figure.

Exercice 2. 1) Soit E = R3 . Déterminer, grâce au procédé d’orthonormalisation de Gram-Schmidt, une base

orthonormée de F = Vect(ε1 , ε2 ) où ε1 = (1, −1, 0), ε2 = (0, 2, 1).

9
 1.4. BASES ORTHONORMÉES

2) Soit E = R4 . Déterminer, grâce au procédé d’orthonormalisation de Gram-Schmidt, une base orthonormée

de F = Vect(ε1 , ε2 , ε3 ) où

ε1 = (1, 0, 1, 0), ε2 = (−1, 1, 2, 0), ε3 = (−2, 0, 0, 0).

Le résultat suivant est évident d’après le procédé d’orthonormalisation de Gram-Schmidt mais repose sur
l’existence (non triviale) de bases dans un espace vectoriel de dimension finie :

Corollaire 1.4.1. Si E est un espace euclidien non réduit à {0E }, il possède des bases orthonormées.

Ce corollaire est crucial. Grâce à lui, il sera désormais légitime de commencer un énoncé par « Soient E un
espace euclidien et E = (e1 , . . . , en ) une base orthonormée de E... » ce que nous ferons très souvent.
B Attention : Comme pour les espaces vectoriels de dimension finie, un espace vectoriel euclidien n’a pas une
unique base orthonormée. La phrase « Soit E la base orthonormée de E. . . » n’a donc aucun sens !
Exemple fondamental. Dans Rn , la base canonique
     
1 0 0
0 1 1
     
e1 =  ..  , e2 =  ..  . . . , en =  .. 
    
. . .
0 0 1

est orthonormée pour le produit scalaire canonique.

 Exercice 10. Vérifier cette assertion et donner d’autres exemples de bases orthonormées dans R2 , R3 .

Supposons E de dimension finie n > 0, et soit E = (e1 , . . . , en ) une base orthonormée de E.

Soient x = λ1 e1 + · · · + λn en et y = µ1 e1 + · · · + µn en des vecteurs de E. Notons X et Y les matrices de x et y
dans la base E. On a alors : n
P
(x | y) = λi µj (ei |ej ).
i,j=1

La base E étant orthonormée, il vient donc :

(x | y) = λ1 µ1 + · · · + λn µn = t XY = t Y X.

Théorème 1.4.2. Soit E un espace euclidien de dimension finie non nulle n.

(i) Soit E = (e1 , . . . , ep ), avec 1 6 p < n, une famille orthonormée de vecteurs de E. Il existe ep+1 , . . . , en ∈
E tels que (e1 , . . . , en ) soit une base orthonormée de E.
(ii) Soit F un sous-espace vectoriel de E. On a :

E = F ⊕ F ⊥.

En particulier :
dim F ⊥ = dim E − dim F.

Remarque. l’assertion (i) est parfois appelée le « théorème de la base orthonormée incomplète ».

 Exercice 11. Démontrer ce théorème à l’aide du théorème de la base inccomplète « classique ».

10
 CHAPITRE 1. ESPACES EUCLIDIENS

Exercice 3. Soient E un espace euclidien et F et G deux sous-espaces de E. Montrer que les assertions suivantes
sont équivalentes :
(i) F ⊥ et G⊥ sont orthogonaux ;
(ii) F ⊥ ⊆ G ;
(iii) G⊥ ⊆ F .

1.4.2 Projections orthogonales

Soit F un sous-espace de E. On a E = F ⊕ F ⊥ . On peut donc considérer la projection de E sur F
parallèlement à F ⊥ . On dit que c’est la projection orthogonale de E sur F .

 Exercice 12. Réinterpréter le procédé d’orthogonalisation de Gram-Schmidt en terme de projections ortho-

gonales.

Exercice 4. ? Soient E un espace euclidien, F un sous-espace vectoriel de E et a ∈ E.

1) Établir, pour tous x, y ∈ E et tout λ ∈ R :

ka − x + λyk2 = ka − xk2 + 2λ(a − x | y) + λ2 kyk2 .

2) En déduire que, pour x ∈ F , les conditions suivantes sont équivalentes :

(i) ||a − x|| = inf{||a − z|| ; z ∈ F } ;
(ii) (a − x) ∈ F ⊥ .
3) Prouver qu’il existe un unique point x de F vérifiant les conditions de la question 2), et que c’est l’image de
a par la projection orthogonale de E sur F .

Exercice 5. Soient E un espace euclidien et f ∈ L(E) tel que :

∀ x ∈ E, (x | f (x)) = 0.

Montrer que ker f et Im f sont des supplémentaires orthogonaux dans E, i.e., ker f ⊕Im f = E et (ker f )⊥ = Im f .

1.5 Adjoint d’un endomorphisme

Dans tout ce paragraphe, E est un espace vectoriel euclidien de dimension finie n > 0.

Théorème 1.5.1. Soit u ∈ L(E). Il existe un et un seul endomorphisme de E, noté u∗ , et appelé l’adjoint de
u, tel que pour tous x, y ∈ E,
(u(x) | y) = (x | u∗ (y))

Si E est une base orthonormée de E, on a :

Mat(u∗ ; E) = t Mat(u; E).

B Attention : La matrice de u∗ dans la base E est la transposée de la matrice de u dans cette même base si
E est une base orthonormée.

 Exercice 13. Démontrer ce théorème.

11
 1.6. ENDOMORPHISMES ORTHOGONAUX ET MATRICES ORTHOGONALES

Proposition 1.5.1. Soient u, v ∈ L(E) et λ, µ ∈ R. Alors :

(i) (λu + µv)∗ = λu∗ + µv ∗ .
(ii) (u◦v)∗ = v ∗ ◦u∗ .
(iii) (u∗ )∗ = u.
(iv) On a (IdE )∗ = IdE et, si u ∈ GL(E), alors u∗ ∈ GL(E) et (u∗ )−1 = (u−1 )∗ .

 Exercice 14. Démontrer la proposition.

Exercice 6. Soient u ∈ L(E) et F un sous-espace vectoriel de E stable par u, i.e., u(F ) ⊂ F . Montrer que F ⊥
est stable par u∗ , i.e., u∗ (F ⊥ ) ⊂ F ⊥ . Interpréter matriciellement ce résultat.

Exercice 7. Soit p ∈ L(E) une projection de E.

1) Montrer que p est une projection orthogonale si et seulement si kp(x)k 6 kxk pour tout x ∈ E.
2) Montrer que p est une projection orthogonale si et seulement si p = p∗ .

1.6 Endomorphismes orthogonaux et matrices orthogonales

Définition-Proposition 1.6.1. Soient E un espace euclidien de dimension finie n > 0 et u ∈ L(E). On dit
que u est un endomorphisme orthogonal si l’une des deux conditions suivantes équivalentes est vérifiée :
(i) ∀ x, y ∈ E, (u(x) | u(y)) = (x | y) ;
(ii) ∀ x ∈ E, ku(x)k = kxk.

Définition 1.6.2. Une matrice Ω ∈ Mn (R) est dite orthogonale si

Ωt Ω = t Ω Ω = I n .

En particulier, si Ω est orthogonale alors Ω est inversible et Ω−1 = t Ω.

Le théorème suivant justifie l’appellation « orthogonale » de la définition précédente :

Théorème 1.6.1. Soient E un espace euclidien de dimension finie n > 0 et u ∈ L(E). Les conditions suivantes
sont équivalentes :
(i) u est un endomorphisme orthogonal ;
(ii) u ∈ GL(E) et u∗ = u−1 ;
(iii) il existe une base orthonormée E de E telle que Mat(u; E) ∈ O(n) ;
(iv) pour toute base orthonormée E de E, on a Mat(u; E) ∈ O(n) ;
(v) il existe une base orthonormée (e1 , . . . , en ) de E telle que (u(e1 ), . . . , u(en )) soit une base orthonormée
de E ;
(vi) pour toute base orthonormée (e1 , . . . , en ) de E, (u(e1 ), . . . , u(en )) est une base orthonormée de E.

B Attention : là encore, la matrice d’un endomorphisme orthogonal dans une base E est orthogonale si E est
une base orthonormée.

 Exercice 15. Démontrer ce théorème.

 Exercice 16. 1) Montrer que l’ensemble des matrices orthogonales d’ordre n est un sous-groupe du groupe
GLn (R). On le note O(n), et on dit que c’est le groupe orthogonal de degré n.

12
 CHAPITRE 1. ESPACES EUCLIDIENS

Si Ω ∈ O(n), de Ωt Ω = In , on déduit (det Ω)2 = 1, donc det Ω = ±1. On pose :

SO(n) = {Ω ∈ O(n) | det Ω = 1} , O− (n) = {Ω ∈ O(n) | det Ω = −1}.

2) Montrer que l’ensemble SO(n) est un sous-groupe de O(n), appelé le groupe spécial orthogonal de degré
n. Qu’en est-il de l’ensemble O− (n) ?

Il sera parfois très utile (voir par exemple l’exercice 16) d’avoir à l’esprit le résultat suivant :

Corollaire 1.6.3. Soit Ω ∈ Mn (R). On a l’équivalence : Ω est une matrice orthogonale si et seulement si Ω est
la matrice de passage d’une base orthonormée E de E à une base orthonormée F de E.

 Exercice 17. On note O(E) l’ensemble des endomorphismes orthogonaux de E.

1) Montrer que O(E) est un sous-groupe de GL(E). On dit que c’est le groupe orthogonal de E.
On rappelle que le déterminant d’un endomorphisme f de E est le déterminant de sa matrice dans n’importe
quelle base de E (cette définition ne dépend pas du choix de la base : voir le cours de première année).
2) Montrer que si u ∈ O(E), on a det u = ±1.
On pose :
SO(E) = {u ∈ O(E) | det u = 1} , O− (E) = {u ∈ L(E) | det u = −1}.
3) Vérifier que SO(E) est un sous-groupe de O(E). Qu’en est-il de l’ensemble O− (E) ?

On dit que SO(E) est le groupe spécial orthogonal de E. Un élément de SO(E) est appelé une rotation de
E. Cette appellation sera justifiée dans le cas où n = 2 et n = 3 au chapitre suivant.
fait que det u = ±1
B Attention : le ! ! n’implique pas que u soit un endomorphisme orthogonal de E. Par
1 1 1 1
exemple, det = 1 mais 6∈ O(2) (à vérifier).
0 1 0 1

Exercice 8. Soit u un endomorphisme orthogonal de E.

1) Soit F un sous-espace de E stable par u. Montrer que F ⊥ est stable par u.
2) Soit λ ∈ R une valeur propre de u. Montrer : λ = ±1.
3) Si ε = ±1, montrer que les sous-espaces ker(u − ±IdE ) et Im (u − ±IdE ) sont orthogonaux et supplémentaires
dans E.

1.7 Endomorphismes symétriques

Théorème-Définition 1.7.1. Soient E un espace euclidien et u ∈ L(E). Les conditions suivantes sont équi-
valentes :
(i) u = u∗ ;
(ii) il existe une base orthonormée E de E telle que Mat(u; E) soit symétrique ;
(iii) pour toute base orthonormée E de E, Mat(u; E) est symétrique.
Si ces conditions sont réalisées, on dit que u est un endomorphisme symétrique ou auto-adjoint de E.

Exemples. 1) L’identité, l’endomorphisme nul et les homothéties vectorielles sont des endomorphismes symé-
triques de E.
2) Les projecteurs orthogonaux sont des endomorphismes symétriques (cf. exercice 20).

13
 1.7. ENDOMORPHISMES SYMÉTRIQUES

 Exercice 18. Démontrer ce théorème.

Dans la suite, on note Sym(E) l’ensemble des endomorphismes symétriques de E ; c’est un sous-espace
vectoriel de L(E). On désigne par Symn (R) l’ensemble des matrices d’ordre n qui sont symétriques.
B Attention : la matrice d’un endomorphisme symétrique dans une base E de E n’est pas toujours symétrique !
Elle l’est si E est une base orthonormée. . . D’autre part, si E est une base quelconque de E et u ∈ L(E), il se
peut que Mat(u; E) soit symétrique
! sans!que u soit symétrique !
1 1
Exemple. Soient e1 = , e2 = . Considérons l’endomorphisme u de R2 défini par u(x) = λ1 − λ2
0 1
!
2 2 1 0
où x = λ1 e1 + λ2 e2 ∈ R . La matrice de u dans la base (e1 , e2 ) de R est alors Mat(u; (e1 , e2 )) = .
0 −1
Pourtant, u n’est pas un endomorphisme symétrique de l’espace euclidien R2 muni de son produit scalaire
canonique.

 Exercice 19. Soient u ∈ Sym(E) et F un sous-espace stable par u. Montrer que F ⊥ est stable par u.

 Exercice 20. Soient F, G des sous-espaces supplémentaires de E et p la projection sur F parallèlement à G.

Montrer que les conditions suivantes sont équivalentes :
(i) p ∈ Sym(E) ;
(ii) G = F ⊥ .

Le théorème suivant est tout à fait fondamental, d’où le nom qu’on va lui donner dans ce cours :

Théorème 1.7.1 (Théorème fondamental). Soient E un espace euclidien et u un endomorphisme symétrique

de E. Alors il existe une base orthonormée de E formée de vecteurs propres pour u.

 Exercice 21. ? Démontrer ce théorème.

La version matricielle du théorème fondamental est la suivante (ce résultat est également crucial) :

Corollaire 1.7.1. Si A ∈ Symn (R). Alors il existe une matrice orthogonale Ω ∈ O(n) telle que Ω−1 AΩ = t ΩAΩ
soit diagonale. Autrement dit, une matrice symétrique réelle est diagonalisable en base orthonormée.

Définition 1.7.2. On dit que u ∈ Sym(E) est positif (resp. défini positif) si Spec(u) ⊂ R+ (resp. Spec(u) ⊂
R∗+ ). On note Sym+ (E) (resp. Sym++ (E)) l’ensemble des endomorphismes symétriques positifs (resp. sy-
métriques définis positifs). On adopte une terminologie analogue pour les matrices, et on note Sym+ n (R) et
Sym++n (R) les ensembles correspondants.

 Exercice 22. Soient F, G des sous-espaces supplémentaires de E. Alors tout élément x de E s’écrit x =
xF + xG avec xF ∈ F et xG ∈ G. On rappelle que la symétrie s par rapport à F parallèlement à G est définie
par
s : E −→ E
x = xF + xG 7−→ xF − xG .
1) Montrer que les conditions suivantes sont équivalentes :
(i) s ∈ O(E) ;
(ii) s ∈ Sym(E).
(iii) G = F ⊥ .

14
 CHAPITRE 1. ESPACES EUCLIDIENS

Si elles sont réalisées, on dit que s est la symétrie orthogonale par rapport à F , et on la note sF .
Si dim E > 2 et si F est un hyperplan de E, on dit que sF est la réflexion d’hyperplan F .
2) Donner une expression simple de s(x), pour x ∈ E, lorsque s est une réflexion.

Remarque. Les symétries orthogonales sont des endomorphismes à la fois symétriques et orthogonaux.
B Attention : une symétrie (quelconque) n’est pas toujours un endomorphisme symétrique !

Exercice 9. Que dire d’une matrice A ∈ Sym+

n (R) de trace nulle ?

Exercice 10. Soit u ∈ L(E).

1) Établir : ker u∗ = (Im u)⊥ et Im u∗ = (ker u)⊥ .
2) Établir : Im (u ◦ u∗ ) = Im u et ker(u∗ ◦ u) = ker u.
3) Supposons u2 = 0. Montrer que u + u∗ est inversible si et seulement si Im u = ker u.
4) Montrer que u ◦ u∗ et u∗ ◦ u sont symétriques positifs.

Exercice 11. ? On dit qu’un endomorphisme u de E est normal s’il commute avec son adjoint, i.e., u ◦ u∗ =
u∗ ◦ u. Soient u un endomorphisme normal de E et F un sous-espace vectoriel de E stable par u. Montrer que
F ⊥ est stable par u∗ et par u.

Exercice 12. Soit u ∈ L(E) tel que :

∀ x ∈ E, ku(x)k 6 kxk .
∗
1) Montrer : ∀ x ∈ E, ku (x)k 6 kxk.
2) Prouver que ker(u − idE ) et Im (u − idE ) sont supplémentaires orthogonaux dans E.

Exercice 13. Soient n > 2 et A ∈ Mn (R) la matrice carrée d’ordre n définie par :
 
0 ··· 0 1
. .. .. 
 .. . .
A=
 
.. 
0 · · · 0 .
 

1 ··· ··· 1

Montrer que A est diagonalisable. A-t-on A ∈ Sym++ +

n (R) ? A ∈ Symn (R) ?

Exercice 14. Soient u ∈ Sym+ (E) et p ∈ N∗ . Montrer qu’il existe un unique endomorphisme v ∈ Sym+ (E) tel
que v p = u.

Exercice 15 (Décomposition polaire). 1) Soit u ∈ L(E). Montrer qu’il existe un unique endomorphisme
v ∈ Sym+ (E) tel que : v 2 = u∗ ◦ u.
2) Soit u ∈ GL(E). Montrer qu’il existe un unique couple (w, p) ∈ O(E) × Sym+ (E) tel que : u = w ◦ p.

Exercice 16 (décomposition d’Iwasawa). ? Soit n ∈ N∗ . On note Tn>0 l’ensemble des matrices triangulaires
supérieures dont les coefficients diagonaux sont strictement positifs.
1) Soit P ∈ GLn (R). Montrer qu’il existe Ω ∈ O(n) et T ∈ Tn>0 tels que P = ΩT .
Cette décomposition des matrices de GLn (R) en produit d’une matrice orthogonale par une matrice triangulaire
supérieures à coefficients diagonaux strictement positifs est appelée la décomposition d’Iwasawa.
2) En déduire que tout A ∈ Sym++ n s’écrit t T T où T ∈ Tn>0 .

Exercice 17. Soit A = (ai,j )16i,j6n ∈ Mn (R) avec ai,j = min(i, j). Montrer que A ∈ Sym++
n (R).

15
1.7. ENDOMORPHISMES SYMÉTRIQUES

16